带你读《数据自治》第二章数据治理2.2数据治理体系(三)

简介: 带你读《数据自治》第二章数据治理2.2数据治理体系

2.2.2         政府数据治理

 

政府数据治理主要关注政府内部数据的开放共享、互联互通和协同整合[16],通过对政务数据的治理,提高政府数据的应用水平,实现政府职能的转变。

为了推进数据治理进程,营造良好的数据治理环境,我国政府结合大数据的发展方向,构建了一个多层次的数据治理体系,从宏观、中观和微观 3个层面开展数

据治理工作,如图 2-3所示。

 

                                         image.png

2-3政府数据治理体系

 

宏观层面上,注重强化顶层设计。国家注重数据治理体系的整体性,出台了一系列规章制度,推进相关法律法规体系的设计,积极引导、规范各行业、领域的数据治理工作,建立健全数据管理体制机制,确立数据的资产地位,促进大数据与行业发展的深度融合,明确数据作为新劳动要素的重要作用,形成了初步的大数据治理模式和生态体系[17]

为了推进政府数据治理,提升政务数据应用水平,我国不断出台相关文件,具体内容见表2-5

 

 

2-5政府数据治理相关文件

 

时间

名称

主要内容

 

2015年 

国务院办公厅关于运用大数据加强对市场主体服务和监管的若干意见

(国办发〔201551 号)

推进简政放权和政府职能转变,提高政府治理能力

2015年 

促进大数据发展行动纲要国发

201550 号文件)

加快政府数据开放共享,推动资源整合

 

2016年 

国务院关于加快推进互联网+政务服务工作的指导意见(国发〔201655 号)

全面公开服务信息,规范网上服务平台建设, 建立健全互联网+政务服务制度标准规范

 

2017年 

国务院办公厅关于印发政务信息系统整合共享实施方案的通知(国办发

201739 号)

推进全国政务信息系统整合,推进国家政务信息化工程建设

2018年 

政府工作报告

注重用互联网、大数据等提升食药监管效能, 加快实现全程留痕、信息可追溯

 

2019年 12 

国务院办公厅关于印发国家政务信息化项目建设管理办法的通知(国办发〔201957 号)

规范国家政务信息化建设管理,推动政务信息系统跨部门跨层级互联互通、信息共享和业务协同

 

大数据治理需要制度作为坚定保障。2015年是大数据政策顶层设计年,2016年是大数据政策部署细化部署年,2017年是大数据政策落地年[17]十三五规划中提出要建立统一开放的大数据体系,形成普惠便捷的信息惠民体系。各地政府依十三五的布局规划集中开展了互联网+政务服务行动和数据资源共享开放行动,同时也依据信息化工作需求,制定了相关的标准、制度、管理办法等对信息化工作进行规范和指导。为提升政务数据治理应用水平,各地政府制定并发布了与政务数据治理相关的政策规范期间,全国 31个省(自治区、直辖市)出台了相关省级层面政务数据治理政策文件 125份,为政府数据治理提供了制度基础。


以上海市为例,上海市作为国内数据治理的先行者,积极响应号召,从 2018起,陆续发布了《上海市公共数据和一网通办管理办法》《上海市加快推进数据治理促进公共数据应用实施方案》《上海市公共数据开放暂行办法(征求意见稿)》

《上海市公共数据开放分级分类指南试行》等文件,推进上海市政府数据治理的发展进程,促进全市公共数据应用及一网通办项目的建设。


除了数据战略的制定,各地政府还设置了专业的治理机构,负责研究拟订并组织实施大数据战略、规划和政策措施,引导和推动大数据研究和应用。20142月,广东省率先成立了大数据管理局,成为大数据管理的先行者,随后,中西部地区的城市相继加入,浙江省、贵州省先后成立了省级大数据管理机构,广州市、成都市、沈阳市、兰州市等地也紧随其后。截止到 201812月,我国已经设立了 12个省级大数据管理机构,21个市级大数据管理机构,各级大数据管理机构对大数据在地方上、产业内的数据治理规划、实施和监督方面起着非常重要的指导作用。


    目前我国政府数据治理工作也取得了不错的成效,截止到201910月,我国已有102个政务数据开放平台上线,清理僵尸系统 400余个,整合小散系统 2000余个,为新型智慧城市的建设夯实了数据基础。一方面,实现了百姓少跑路,数据多跑路的政务服务一网通办的目标;另一方面,政务数据的互联互通有利于政府服务的科学决策、精准服务[18]。但是我国政府数据治理还处于初级阶段,政务数据涉及范围广、数据量大、颗粒度细,目前还存在不少问题,具体如下。


•  数据治理体系缺失。目前我国仍处于数据治理制度和立法建设的初级阶段,缺少完善的体制和法律来保障数据治理的有效进行;政府部门数据开放共享囿于流程、观念、管理体制,仍存在不愿开放、不敢开放、不会开放的问题;政府部门缺乏完善的数据安全保障机制,政务数据安全仍存在较大风[19]

•  数据治理核心技术薄弱。由于我国数据治理开展时间较晚,基础理论与信息技术相比美国等数据强国存在较大差距,大数据治理的相关工具也较多依赖国外开源软件,长此以往,我国政府数据治理和新兴产业的发展将会受到制约[19]

•  数据治理融合应用缓慢。我国数据治理与政府业务的融合不够深入、信息化基础设施不够完善、基层数据采集复杂烦琐、数据互联平台的缺失等,都会影响政府数据治理的成效,政府数据治理的理论与实践结合还有待深化[19]

相关实践学习
如何快速连接云数据库RDS MySQL
本场景介绍如何通过阿里云数据管理服务DMS快速连接云数据库RDS MySQL,然后进行数据表的CRUD操作。
相关文章
|
Web App开发 Ubuntu Linux
百度搜索:蓝易云【Ubuntu Linux中如何删除Firefox Snap?】
通过上述步骤,你可以在Ubuntu Linux中删除Firefox Snap。这将彻底删除通过Snap安装的Firefox,并确保你可以选择其他版本或使用其他方式重新安装Firefox。
628 0
|
数据可视化 关系型数据库 MySQL
Apache NiFi之MySQL数据同步
一.简述 Apache NiFi是一个易用、强大、可靠的数据处理与分发系统,Apache NiFi的设计目标是自动化管理系统间的数据流Apache NiFi是美国国家安全局(NSA)开发和使用了8年的一个可视化、可定制的数据集产品。
6269 0
|
4月前
|
人工智能 搜索推荐 UED
一个牛逼的国产AI自动化工具,开源了 !
AiPy是国产开源AI工具,结合大语言模型与Python,支持本地部署。用户只需用自然语言描述需求,即可自动生成并执行代码,轻松实现数据分析、清洗、可视化等任务,零基础也能玩转编程,被誉为程序员的智能助手。
|
机器学习/深度学习 人工智能 算法
【AI系统】内存分配算法
本文探讨了AI编译器前端优化中的内存分配问题,涵盖模型与硬件内存的发展、内存划分及其优化算法。文章首先分析了神经网络模型对NPU内存需求的增长趋势,随后详细介绍了静态与动态内存的概念及其实现方式,最后重点讨论了几种节省内存的算法,如空间换内存、计算换内存、模型压缩和内存复用等,旨在提高内存使用效率,减少碎片化,提升模型训练和推理的性能。
670 1
|
数据可视化 定位技术
地图可视化开发技巧:geojson转svg后再转emf格式插入ppt实现编辑的解决方案
地图可视化开发技巧:geojson转svg后再转emf格式插入ppt实现编辑的解决方案
643 0
|
人工智能
AIGC应用爆发:创意设计人的新机遇与挑战
AIGC技术驱动创意设计行业变革,岗位需求增长超300%,设计师借助AI提高效率,创造多样化作品。同时,AIGC拓宽设计边界,增强作品互动性,提升艺术和商业价值。设计师需掌握新技术,适应竞争,保持创新和独立思考,通过认证如Adobe国际认证提升竞争力。面对挑战,持续学习与同行合作是关键。
|
搜索推荐 Java 开发者
从 Java 小白到大神:一文带你搞懂子类如何“继承”父类江山,开创新世界!
【6月更文挑战第16天】Java中的继承是面向对象的核心,它允许子类继承父类的属性和方法,提高代码复用。通过实例,如`Animal`和`Dog`类,显示了如何创建和覆盖方法。继承不仅简化代码,还支持多态性,是构建可扩展系统的关键。从新手到专家,掌握继承意味着掌握编程的强大工具,能解锁更复杂的系统设计和优化。
347 3
|
存储 JavaScript 前端开发
无需构建工具,快速上手Vue2 + ElementUI
在不使用构建工具的情况下,快速搭建Vue2+ElementUI应用:直接在HTML中引入Vue和Element UI的CDN,创建Vue实例,绑定数据和组件。示例展示了如何使用Element UI的按钮和复选框组创建权限设置界面。通过Vue的响应式系统和组件化实现数据绑定和界面更新。完整代码包括设置权限按钮和三个复选框组,预设了城市权限选项。
695 0
无需构建工具,快速上手Vue2 + ElementUI
|
敏捷开发 开发框架 自然语言处理
深入理解软件测试中的自动化框架选择
【5月更文挑战第12天】 在现代软件开发周期中,自动化测试已成为确保产品质量和加速市场交付的关键组成部分。选择合适的自动化测试框架对于实现有效的测试策略至关重要。本文将探讨在选择自动化测试框架时应考虑的关键因素,包括框架的可扩展性、易用性、社区支持和集成能力。通过分析比较Selenium、Appium和TestNG等流行框架的特点,本文旨在为读者提供一个清晰的指南,帮助他们根据具体的项目需求做出明智的选择。
|
机器学习/深度学习 算法 网络架构
大模型开发:什么是梯度消失和梯度爆炸问题?如何解决这些问题?
深度学习中的梯度消失和爆炸问题影响模型学习和收敛。梯度消失导致深层网络参数更新缓慢,而梯度爆炸使训练不稳。解决方法包括:使用ReLU类激活函数、权重初始化策略(如He或Xavier)、残差连接、批量归一化。针对梯度爆炸,可采用梯度裁剪、权重约束和优化器如RMSProp、Adam。结合这些技术能改善网络训练效果和稳定性。
3809 3