• 业务咨询、市场合作:61619362
  • 公司邮箱:support@datatom.com
联系我们  | English

郑治国:政务大数据建设“十二化”

作者:郑治国     来源:站内原创     2020/05/20 09:34:28    

2015年以来,国务院相继下发《促进大数据发展行动纲要》和《推进“互联网+政务服务” 开展信息惠民试点实施方案》等文件后,我国政务信息化发展从共享交换时代进入了大数据时代。

 

各地把政务大数据建设作为推动政府治理体系和治理能力现代化、促进经济社会发展的重要抓手,纷纷成立了大数据管理部门,以“数聚善政、数聚兴业、数聚惠民”为目标,制定了大数据发展行动计划,进一步加强信息基础设施建设,拓展互联网与经济社会各领域融合的广度和深度。

 

2020年4月9日,《中共中央、国务院关于构建更加完善的要素市场化配置体制机制的意见》正式发布。明确了五大生产要素:土地、劳动力、资本、技术、数据等领域改革的方向,制定了完善要素市场化配置的具体措施。确定了要加快培育数据要素市场:推进政府数据开放共享;提升社会数据资源价值;加强数据资源整合和安全保护。数据也成了堪比石油、黄金、钻石的战略资源。
 

 

随着各地“新基建”蓬勃开展和智慧城市的大规模建设,作为智慧城市的“大脑”和“神经中枢”政务大数据将越发重要。我们认为政务大数据建设“十二化”,是决定政务大数据建设成败的关键,它们是:数据标准化,标准规范化;业务数据化,数据资产化,资产服务化,服务业务化,业务全域化;中台工具化,技术低端化,部署便捷化,成本低廉化,应用普及化

加强政务大数据标准化顶层设计,推进政务大数据标准体系建设,实现数据标准化、标准规范化对政务大数据建设至关重要。


政务大数据是政府在公共管理与公共服务过程中依法获取的海量政务数据基础上对数据的深度挖掘后发现事物的规律从而实现科学决策,是国家治理体系和治理能力现代化的具体表现。它的基础是政务信息化。我国政务信息化的发展与“金字”工程建设紧密相关。金字工程建设与政府条线管理的体制紧密相合,因而我国政务信息化的早期建设形成了以纵向发展为主的局面,这一阶段的主要特点是各垂直行业的信息系统建设与应用,以提高工作效率为目的。这种建设模式导致了各部门各系统各自为战、独立建设,造成了政务各部门数据问题主要突出表现在以下几个方面:
 

1.数据结构复杂,资源汇集困难

各级政府都包括诸多职能部门,每个职能部门的业务属性不同,产生的数据类别也各有不同。各委办局间碎片化、零散化、低效率的数据普遍存在,造成政府数据构成极为复杂。

 

而区域间甚至各级政府部门之间采用的数据系统不尽相同、数据接口不一致,导致政务大数据汇集困难。

 

2.数据格式多样,质量参差不齐

各级政府、各垂直行业之间缺少统一的数据标准,再加上各区域和层级间经济实力和信息化水平的差异,产生的数据格式具有多样性,既包括结构化数据,也包括半结构化、非结构化数据。例如政府部门的业务数据一般均经过结构化处理,但采集的气象、环境、影像数据则为半结构化甚至是非结构化数据。在缺乏统一标准的情况下,普遍存在数据重复、缺失、错误等问题,质量参差不齐。

 

3.缺乏统一数据标准,无细化技术规范

各种数据格式五花八门,信息获取困难,数据模型差异大,同样的数据往往有多个来源,缺乏准确的数据识别和指标定义,造成数据口径不一致,统计指标差异大。

 

4.数据保护主义严重,数据资源分散

受到部门利益以及相关法律、法规与行政管理体制等约束,各部门对各自业务数据有很强的保护意识,各局委办自成一体,信息孤岛情况严重。数据资源分散在不同部门的业务系统中,没有实现资源有效的汇集整合,更难以实现整合数据价值点挖掘,支撑决策分析。
 

 

因此,加强政务大数据标准化顶层设计,推进政务大数据标准体系建设,实现数据标准化、标准规范化对政务大数据建设至关重要。

 

1.加快政务大数据重点标准研制与推广

结合政务大数据建设发展需求,建立并不断完善涵盖基础、数据、技术、平台/工具、管理、安全和应用的政务大数据标准体系。加快基础通用国家标准和重点应用领域行业标准的研制。建立标准符合性评估体系,强化标准对市场培育、服务能力提升和行业管理的支撑作用。加强国家标准、行业标准和团体标准等各类标准之间的衔接配套。重点制定数据流通标准、数据安全与隐私保护标准以及面向政府大数据平台架构与评测的标准。重点规定元数据、数据开放、数据共享、数据交换、数据质量等内容,安全与隐私保护标准要重点规定数据安全和隐私保护等内容,面向政府大数据平台架构与评测的标准要重点规定平台架构、评测方法等内容。

 

2.积极参与大数据国际标准化工作

加强我国大数据标准化组织与相关国际组织的交流合作。组织我国产学研用资源,加快国际标准提案的推进工作。支持相关单位参与国际标准化工作并承担相关职务,承办国际标准化活动,扩大国际影响。

 

3.建立验证检测平台

建立标准试验验证和符合性检测平台,重点开展数据开放共享、产品评价、数据能力成熟度、数据质量、数据安全等关键标准的试验验证和符合性检测。

业务数据化、数据资产化、资产化服务化、服务业务化、业务全域化是个有机的整体,是一个“数据从业务中来,到业务中去”的闭环系统,其本质是实现数据的生产要素价值。
 

1.业务数据化

 

业务数据化是政务大数据建设实施的基础,是数据资产化的前提。

 

首先,我们要进行业务系统化的梳理工作。政府各个部门经过多年的信息化建设,已经建立起了多个垂直领域的信息化系统,系统的持续运行,已经产生了大量的政务数据。

 

根据数据的产生与来源可以将政务大数据分为几类:
 

一类是政府部门在管理和服务过程中直接产生或采集的数据,包括财政、税务、审计、公安、人保、质监等公共部门产生的大量业务数据;

 

二类通过有关政府部门进行统计调查所获得的社情民意数据,以及通过物理设备采集所获取的气象环境数据等;

 

三类是政府工作开展产生以及因管理服务需求而采集的外部大数据,如世界经济运行数据、互联网舆论数据、企业报告数据等。一些企业及其他社会组织成立的自主科研机构、研究院、数据开发中心等在进行研究过程中也产生了大量与政府公共决策相关的数据,由政府通过采购、合作开发等方式获取后,这些数据也成为政务大数据的组成部分。

按照数据产生及应用的行业,政务大数据又可细分为税务大数据、交通大数据、公安大数据和农业大数据等。

当我们要创建业务系统时,我们的出发点不是看我们的系统中有无所需数据,而是根据业务的具体需求,只要这个业务(服务)有价值,需要什么数据,我们就要想办法拿到:如果系统中没有,我们可以从其他的系统中的数据归集过来;如果已有的业务系统无法拿到,我们就建立新的业务系统,去获取该数据。比如“健康码”,需要采集人员的出行信息,就要在建立人员登记系统,在车站、机场等进行采集人员信息。这就是典型的“业务数据化”入口,用业务驱动数据的建设,用业务实现数据的采集。

政务大数据的数据来源极其丰富,除了包含从各部门交换获得的政务数据,还包含如互联网数据、物联网数据、卫星数据等在内的社会数据。由于现有的传统的数据存储系统不能解决数据规模日益增长的问题,此外,数据来源丰富,政务数据形态多样、标准不一,因此需要合理布局资源结构,汇总整合内外部结构化数据、图像、视频等多种类数据信息,对各式各样海量信息进行一致性管理,为业务应用提供基础支撑。


业务数据化是政务大数据建设的基础,是从“采、存、算、管、用”这五个维度,从政务数据采集、数据共享交换、资源目录、数据融合治理、基础主题库建设等六个方面入手。包含对政务数据提供多种类型采集手段,对采集到的数据进行集中存储,使用资源目录对数据实现统一管理,通过数据融合治理结合挖掘计算能力,形成基础库和各类主题库、分析库和开放库,在政务网构建政务信息共享网站,在互联网形成公共数据开放网站,最终形成一个完整的、体系化的、可扩展的政务数据全栈式处理平台,助力政府大数据战略部署,也为政府上层大数据应用提供了良好的数据支撑。
 

2.数据资产化


数据资产化是政府数字化转型的基石,是把数据原矿提纯为数据金子的必经之路。那么为了完成从原矿到金子的转变,政务数据应该向什么方向发展以实现数据资产化?

 

以消费者数据资产为例,我们有四个评价指标:

(1)标签化即能通过数据提炼出形象的标签,例如消费者的性别、品牌偏好等。这种标签是概括性的、易懂的,而非绝对值指标。

(2)价值化指已对原始数据进行了清洗、治理、提炼,转化为可衡量的数据,基于这个数据可推导转化为GMV。

(3)可应用做数据看板算不算完成了数据资产化?不算。数据不止是用来「看」的,而需要面向效果运营,最终可转化为服务并支持变现,为企业带来看得见的效益。

(4)可持续这里指的是数据需要保持新鲜度,并源源不断地注入新的数据,是「活水」。数据需要标签化、价值化、可持续、可应用,才是「数据资产」,才可以说企业真正拥有数据主权。

数据的资产化要基础库数据进行模型化、抽象化、算法化。

数据资源将成为战略资产,而有效的数据治理才是数据资产形成的必要条件。有效的数据治理是一个持续性的过程,也是逐步实现数据价值的过程。所以数据治理是数据资产化政府信息化的基石,数据资产是政务大数据的核心价值,数据管理为政务赋能。

数据在原业务系统中都是以服务于业务流程存在的,所有业务数据的简单汇总其实不具备对外服务的能力,也就无法以资产视角去管理,数据必须根据数据所在行业或领域,以标准、规范的主题形式去治理原业务系统的数据,形成一套面向主题的数据模型,才能灵活高质量的对外提供数据服务,也是数据中台的核心部分。

数据资产化进程给政务信息化系统建设带来重生、颠覆和创新,应重点关注、顺势而为,建立起符合自身业务和数据特点的数据资产化体系和能力,数据资产管理人员不能只陷于数据资产管理工作,还应紧密联系业务,只有明确了前端业务需求,才能做到数据资产管理过程中的有的放矢,张弛有度。数据的价值体现在决策精准、敏锐洞察,数据资产管理能够使管理具流程化、规范化,结合业务应用的数据资产管理不仅使数据保值增值,还将带来更加巨大的经济效益和社会效益。

3.资产服务化
资产服务化是数据中台的最特色体现,相对传统定向的数据服务或单一的数据应用逻辑,数据中台将数据资产以服务形式,对业务端(数据应用分析端)提供灵活、标准、安全的数据服务,常态化、价值化的去运营数据服务,资产服务化将是数据作为生产要素的基础,实现数据生产要素的价值。

资产服务化实现技术底层透明化,把数据提供给各个业务单元去调用,业务单元只需要从业务的角度出发使用数据服务,无需考虑底层数据技术。数据一定要用起来,去服务业务,在这个过程中,数据中台(或政府的信息数据部门)也就实现了从成本中心到价值中心的转变。

数据中台要把那些能复用的数据模型,变成一个数据的能力平台,让那些做数据的人专注在做数据,把数据变成一个乐高积木,数据服务提供给应用开发,然后不同的应用开发项目组可以共同的去调用唯一的数据服务,从而保证数据质量和一致性,加速从数据到价值的转换过程。

数据资产服务化能够以合理的方式管理内部数据和提供对外服务。在大数据时代,数据运营企业关于数据价值的实现是体现在数据分析、数据交易层面。数据资产作为一种无形资产,其公允价值的计量应当考虑市场参与者通过最佳使用资产或将其出售给最佳使用该项资产的其他市场参与者而创造经济利益的能力。

数据资产内部共享和运营流通需要加强管理运营手段和方式方法,促进数据资产对内支撑业务应用,对外形成数据服务能力,打造数据资产综合运营能力。数据资产内部共享主要是消除企业内数据孤岛,通过相关管理制度和标准体系的建设与推动,构建企业内数据共享平台,打通各部分各系统的数据,使更多的数据可以成为资产,应用于数据分析,全面动态促进数据价值的释放。

4.服务业务化和业务全域化
服务业务化和业务全局化是有机的整体,前者强调数据生产要素的价值在于面向业务应用,后者强调的这种业务应用的广度和深度。

大数据着眼小需求,更能解决大问题,而要释放更多技术红利,找准民生痛点是关键。人民群众对于大数据应用的期待日益高涨,政府部门应当成为大数据技术应用的‘产品经理’,在教育、医疗、就业、交通、社保等民生领域,设计研发各类便民业务应用。

政府部门应主动寻找和感知群众在民生领域的迫切需求,通过联合、委托技术企业等方式解决相应问题并持续加以跟进完善,有效拉近大数据和普通民众之间的距离。加快大数据技术的应用,不仅需要产学研用等环节联合创新,更离不开政企紧密合作。未来智慧城市也会催生更多面向整个城市运用的智慧应用。

各地政府都在积极探索建设政务服务统一入口,特别是运行在政务外网的一体化在线政务服务平台和政务办公平台,可以以多终端的形式提供如信用大数据、财税大数据、互联网+监管等一系列随时使用且安全可靠的政务大数据应用场景,辅助政府部门随时决策。因此推动各类业务系统向移动端延伸,整合政务系统数据资源,打造政务的统一入口,是顺应信息化发展、推进电子政务建设的必然趋势;是实现信息互联互通、提升政务服务水平的重要平台;是实现政务应用生态聚合的重要手段。

大数据虽然来源于旧业务,但催生的却是面向全域场景的新业务,这点是和旧业务系统烟囱式建立模式有本质区别的。这些基于大数据平台生长出来全域化的业务主要由以下几个方面:

(1)经济发展决策分析应用
基于政务大数据中心,建立经济运行大数据分析模型,对区域经济运行趋势进行分析和预判。完善经济运行监测分析体系,加强基础数据管理,提高经济运行监测分析质量和水平,通过对重点行业、重点企业和重点产品的分析,及时发现苗头性、倾向性问题,建立完善分析报告体系,支撑高层决策。

(2)智慧社会治理应用
基于统一的电子地图和网格,整合接入各相关部门业务系统,依托地理信息、视频监控、智能感知、移动互联、电话热线等信息采集手段,建立跨部门、跨层级联动,可视化、扁平化的综合性指挥平台,支撑对突发事件的监测、预测、预警和应急指挥,建立集约高效、共享协同的社会治理模式,满足政府治理精准化的需求。

(3)注重营商APP应用
建立移动政务应用体系,实现移动办公、协同审批,推动扁平、透明、移动、智能的办公方式,提高跨部门政务业务协同效率、降低行政成本,通过不断改善和优化并联审批流程,为各职能领域非涉密信息处理、推进“转职能、转方式、转作风”的改革要求提供支撑。

(4)主动预见式公共服务应用
加快推动智慧养老、智慧教育、智慧社区、智慧旅游、精准脱贫等建设,形成线上线下协同、服务监管统筹的移动化、整体化服务能力,推进基本公共服务均等化、普惠化、便捷化。主要是围绕公共服务清单,健全和提升公共服务标准,完善公共服务事项管理机制,推动公共服务事项动态管理。以数据为中心,充分利用政府数据资源,采集和利用社会化数据资源,政府提供主动的可预式的公共服务信息公开、开放互动。

随着政务大数据平台的建设,作为政务大数据建设的责任主体和核心部门,大数据管理部门未来将会成为政府重要的行政部门并承担更多的责任:

1.成为服务型政府的数据中台;
2.成为社会发展和国计民生的决策大脑;
3.成为政企关系、为人民服务的主要手段;
4.成为社会治安、公众安全政策的制定机构;
5.成为领导人政绩的分析平台;
6.成为未来社会发展的发动机。

政务大数据平台的“中台工具化”设计和开发,将带来“技术低端化,部署便捷化,成本低廉化”,最终面向政府、企业和市民实现“应用普及化”

政务大数据建设“数据中台”目的是对全域数据进行采集、汇聚、加工、存储,整合,统一标准和口径,形成数据资产,并将数据以服务化形式对外共享、开放,融入公共服务和城市治理全流程,体现价值数据,提升感知、决策、执行的智慧化水平。包括以下几个方面:

1.数据汇聚

数据汇聚提供各种数据格式、采集方式和采集频率的数据采集功能,能够实现各类结构化数据、半结构化数据和非结构化数据采集,支持全量和增量配置采集策略,支持接入实时和非实时及特定采集频率数据。

 

2.数据存储

数据存储提供了一个集中式异构数据存储的数据中心,可存储多个数据源采集的海量原始数据,并可供存取、处理、分析及传输。

 

3.数据治理

数据治理提供目录管理、元数据管理、数据标准管理、数据质量管理等治理功能。为数据采集、存储、应用、服务全生命周期提供数据治理能力。

 

4.数据整合

数据整合提供数据分析建模的能力,包括数据清洗转换、数据任务调度、数据分析可视化、交互式数据探索、数据模型管理、AI能力拓展等功能,为提升数据价值,建立相关专题库提供基础能力。

 

5.数据服务

数据服务提供公共数据跨部门、跨层级、跨区域的共享交换能力,支撑数据资产(组织机构、应用系统、目录、资源、元数据等)注册、数据共享管理和数据安全管理场景。

 

6.数据安全

数据安全提供操作审计、数据脱敏处理、数据访问控制等安全功能。为数据采集、传输、应用、存储、服务全生命周期提供数据安全管理能力。

工具的本质是能力和智慧的固化和集成,具有高效率、智能化、普及化、轻量级及使用方便的特点。数据中台“工具化”是采用集成开发环境、集成开发工具会降低技术壁垒,应用引擎、API、积木式工具,会消除基础技术的代码累赘和工作量,会极大降低数据应用开发、运维成本,便捷化部署,会大大缩短交付周期,提升交付质量。

中台工具化,使得大数据探索不再是数据科学家和研发人员的专利,极大的降低了技术门槛,使得业务人员应用这些灵活、易⽤、⾼效、智能的可视化探索式分析工具,快速探索数据价值,提升数据洞察能⼒,助力政府数据决策。工具能力将复杂的技术简单化,可以让客户创造力得以释放,参与到探索中来,只要与客户共生,数据价值自然被激活。

“应用普及化”,是政务大数据平台建设的终极目标,助力城市治理实现善政有道、兴业有为、惠民有方在政务大数据平台上成长起来的“城市超级APP ”,将融合政务服务、公共服务、便民服务和第三方商业服务,实现城市级跨平台的用户互通、数据互通、服务互通、资讯互通,以打通G(政府)B(企业)C(市民)三方,构建“便民(为市民服务)、强企(为企业服务)优政(为政府服务)”的“数字化城市运营”体系,可实现市民关心的交通、教育、商务、医疗、旅游、养老等各领域服务整合,支持城市政府内部各委办局、城市各行业互联互通。