政府大数据应用的反思;大数据分析应用常见的困难

640?wx_fmt=jpeg

来源:网络大数据

摘要:在智慧城市建设中,以支持政府决策为名的大数据中心建设如火如荼,但利用大数据改进决策的成功案例却鲜有,与大数据中心的投资不成比例,令人质疑大数据中心遍地开花模式的合理性。


一、政府大数据应用效益难题


1. 缺少利用大数据决策的成功案例


在智慧城市建设中,以支持政府决策为名的大数据中心建设如火如荼,但利用大数据改进决策的成功案例却鲜有,与大数据中心的投资不成比例,令人质疑大数据中心遍地开花模式的合理性。


2. 行政推动大数据应用效果不好


大数据应用本是一个经济学问题,国内大数据应用却太行政化了,地区之间的大数据应用评比给地方政府很大的压力,为了争取好的名次,只能为大数据而大数据,使大数据应用背离了实事求是的目标,大数据已沦为某些地方政府自我宣传的招牌,离实际业务需求渐行渐远。


3. 大数据概念混乱影响了常规数据管理


大数据最初的概念是指“现有技术处理不了的大规模数据”,为了更多利用大数据的优惠政策,大数据概念被人为的扩展了,认为政府数据集中起来都是大数据,一些地方政府成立大数据局就包含政府所有的数据管理,大数据概念的扩展造成应用的混乱,传统有效的数据管理被忽视。大数据应用需要因地制宜,中小城市做好传统数据整合管理是第一位的,并不都需要推行大数据应用,更不都需要建大数据中心,大数据概念的混乱阻碍各地政府实事求是地解决本地区的数据管理问题。


4. 大数据理念需要反思


过度宣传大数据作用必然会形成迷信,以为大数据无所不能,该迷信只会增加盲目建设的浪费,前些年为信息共享而共享的浪费已是前车之鉴,大数据应用正在蹈其覆辙,为大数据而大数据的做法正在蔓延,大数据应用有价值亦有边界,超越边界推行必然适得其反,大数据应用理念需要反思。


二、政府大数据分析应用常见困难


1. 找不到适合的大数据资源


大数据分析研究首要的问题是大数据从哪里来?虽然大数据中心存有不少数据,但适合解决领导急需问题的数据缺之又缺,不用的时候数据却多之又多,大数据应用是对业务积累数据的再利用,不像统计调查可以根据需要进行调查设计,因此缺乏适用的数据经常是大数据决策应用的常态。


2. 大数据分析对应不上领导的需求


数据专家利用大数据中心的资源也能够分析出一些结论,但是这些结论业务部门早已知道,即使一些有价值的成果也会因与领导层当时的关注点不合拍而被冷落。政府工作有自己的优先级,领导层不可能放下重要的工作去落实专家提出的建议,数据导向产生的分析成果很难与领导注意力的优先级合拍。


3. 数据挖掘因人而异不可复制


从大数据中提取信息不是IT技术自己能完成的工作,计算机并没有信息抽象能力,这种能力专家才有,同样的数据不同人看到的信息是不一样的,同样的信息决策分析的结论也不相同,信息提取与决策分析依赖于专家的智慧,这种认知决策的过程IT难以复制,难以形成规模,难以形成稳定的效益。


4. 决策的不确定性超出IT能力


利用大数据改进决策的难题是决策本身的不确定性。确定性问题的信息是完备的,IT处理只是一种计算,信息技术很容易发挥其优势;但是信息技术不会处理政府决策不确定性问题,这是人脑擅长的领域,解决此类问题的信息和分析能力主要来自决策者的头脑。


决策问题的不确定性是大数据决策应用效益不好的根本原因。


三、流行的大数据应用观点的片面性


1. 大数据作用不只是改进决策


流行的大数据观点将政府大数据应用局限于改进决策,改进决策固然重要,但这并不是信息技术擅长的领域,信息技术擅长的领域是在数据层次上的操作,而不是在信息层次上分析。


政府数据更大的作用是提高政府公共服务的效率,政府提倡的“只跑一次”、“一号、一窗、一网”式服务都是数据层次上的大数据应用,应用并不是改进决策而是提高服务效率,是公众最能够产生获得感的领域。


2. 对大数据的局限性缺乏认识


流行观念认为科学决策依赖的只是数据,数据越多信息越多,决策越正确,大数据将成为获取信息的主渠道,政府决策可以建立在大数据基础之上。然而实际情况并非如此,政府决策信息来自诸多方面,不只是数字化信息,很多重要的信息难以数字化,决策者需要综合考虑,大数据产生于相对狭窄的业务领域,适合于具体业务的改进,并不适合政府的宏观决策。


3. 并非所有数据都是资源


“数据都是资源”的观念是错误的,数据是否资源要由使用者因具体环境而定,正是在“数据都是资源”的误导下,一些大数据中心积极囤积数据,以囤积的数据规模显示大数据工作的成绩,使许多数据中心堆满大量数据垃圾,笔者认为大数据中心应当以应用为导向,整合有用数据,清理无用数据,数据使用效益会更好。


4. 仅靠大数据不能实现科学决策


过度的大数据宣传已形成乌托邦式梦想,以为只要有充分的大数据资源就可以实现政府的科学决策,就可以建设完备的城市大脑,实现政府决策的科学化、智能化,建成智慧政府。其实大数据资源有其优点也有其片面性,大数据的规模是以其关注面的狭窄性为代价的,政府决策需要全面均衡,仅靠大数据资源是做不到的。况且对于不确定性问题的很多信息是不可预测的,靠大数据自动决策没有可行性。


四、企业大数据业务的另类思路


1. 企业大数据应用成为流程型服务


企业大数据应用与政府有很大不同,企业是效益导向的,成功的大数据应用首先是一项流程型服务业务,如网上搜索、地址导航、网上支付、电子商务、摩拜单车、移动通信等,企业的大数据业务被设计为长远的可持续业务,惟此才能有更大的效益和更大的社会影响力,才能建立起公众的信任,流程型服务业务本身是核心的大数据业务,大数据分析是辅助性业务。


2. 直接处理实时数据


企业的大数据业务核心是直接利用实时数据进行操作,移动通信的实时数据是为了联通基站以便完成通信,网上支付利用实时数据是为了完成准确的支付,搜索服务利用客户发来的搜索要求进行查询,总之,这些大数据服务业务是直接使用业务流实时产生的数据进行操作,活跃的大数据业务建立在实时数据的基础之上,对沉淀的业务数据的分析研究只是为了改进主流业务,如亚马逊利用历史数据分析向用户推荐新书。


3. 排除人脑参与的智能系统会更快


在企业流程化的业务中,全过程是智能化自动化处理,流程化业务是数据层次上的业务,没有人脑的参与没有信息抽象的过程,排除人脑的参与是提高系统运行效率的关键,也是保证服务结果一致性的关键。人脑直接参与业务流程不仅会拖延业务效率还会造成业务的中断。政府利用大数据分析决策是信息层次上的业务,无法避免人脑参与,因而无法形成连续性服务业务,效率不可能高。


4. 大数据业务的两个层次


企业的大数据应用分两个层次进行,一个是数据层次上的应用,系统直接使用实时数据进行操作处理,系统是流程型自动运行的,直接对外服务。这是企业的主营业务,效益由该业务产生。例如移动通信的主营业务就是实现用户的通信服务。


企业大数据业务的另一个层次是信息层次上的大数据应用,其使用的是流程型业务积累下来的数据,以数据挖掘、数据分析获取数据集中包含的信息来改进主营业务的效率。这是在信息层次上的业务,是业务数据的再利用。通常信息层次上的大数据分析业务是公司的辅助性业务。对移动通信业务积累的数据进行分析,挖掘出用户的需求特点,向用户推荐套餐,增加公司收益。


五、“互联网 + ”都是大数据业务


1. 效率来自组织化,互联网重组世界


城市提高生产力的基本措施是推动社会经济合作的组织化,效率来源于更好的资源配置与业务的合作。有效的合作关系沉淀下来就成为相对稳定的组织,城市生产力大发展是不断组织化的结果,互联网是优化重组的新式武器,近几十年全球生产力大发展主要来自互联网对社会组织化的贡献。


2. 信息技术推动万事万物的连接


社会生产力的重组与合作包括人与人、人与物、物与物的连接与重组,重组是提高效率的主要渠道,信息技术是生产资源组织的通用工具。信息技术之前的自动化技术不规范,它们是利用物理、化学、机械等机理专门设计的,设计复杂且难以规范化,使得自动化推广复制异常困难,信息技术的出现把自动化设计变成硬件基础与软件开发两大过程,极大提高自动化开发的效率,带来创新的繁荣,信息技术成为实现事物重组的核心工具。


3. 数字化设备之间靠数据实现连接


信息技术对物体的连接需要被连接的物体实现数字化,物体需要装上芯片,实现数字化,能够理解数字信号。信息技术只能连接已被数字化的物体,摩尔定律的伟大贡献在于使万事万物数字化的成本降到几乎为零,数以亿计的芯片、传感器、移动手机都能够通过网络与数据进行重组,数字化设备靠传递数据实现连接,大规模数字化设施的连接构成大数据爆炸的物理基础 。


大规模数字化设施的有效连接依赖的就是数据,“互联网 + ”连接的设施规模越来越大,发送与接收的数据量越来越多,互联网连接设施爆炸使连接交换的数据也随之爆炸性增长,因此所有“互联网 + ”业务都是大数据业务。


六、拓展政府大数据应用理念创造效益


1. 大数据的应用不再局限改进决策


政府要从认知型大数据应用理念中解脱出来,从更广阔的大数据视野出发,更开放更创新看待大数据应用。政府大数据应用既要为领导决策服务,又要为基层工作人员改进操作服务,通过数据挖掘、统计分析为领导层提供决策建议是一种重要的大数据应用,认真整合微观的数据,为基层业务服务,提高公共服务效率同样是重要的大数据应用,而且是更有效的大数据应用。


2. 面向基层确定性业务应用易有成效


大多数政府建立的数据应用系统依然把对上服务作为重点,对基层服务重视不够,当前对基层的服务更为迫切,基层业务工作的确定性更强,更容易取得效益,对基层服务也是信息技术更容易发挥作用的领域,将政府大数据服务向基层倾斜,对提高数据操作效率为主的应用更容易产生效果。


目前政府对公众服务碰到的问题是效率低,主要原因是对当事人办事的相关资料组织的不好,连不上、调不出且把麻烦推给办事人,数据整合可以改善这种服务,让用户“只跑一次”是数据层次上的大数据应用,也是更容易见成效的大数据应用。


3. 城市大脑更适合做小脑型业务


城市大脑由大数据中心及城市管理运行中心构成,人们期望利用大数据来改善城市的自动化管理。城市的管理很复杂,有确定性任务与不确定性任务,信息技术并不都能胜任,有些任务必须由专家来承担。


不确定性的工作是信息层次上的业务,无法用自动化程序来胜任,这些工作主要还是要靠人脑来完成,称之为大脑型业务,需要组织专家来承担。


确定性的业务是在数据层次上操作,可以建成智能化的业务流程,让信息技术直接对数据进行处理,此类业务不需要对数据进行信息抽象,不需要形成概念,称之为小脑型业务。


信息系统适合做的是小脑型业务,城市大数据中心和城市运行中心要定位在小脑型业务上才更容易看到成效。


4. 推动公共服务智能化、业务分析专业化


一切智能化业务都是大数据业务,政府大数据业务的重要方向是推动公共服务的智能化,政府应当学习企业的服务模式,充分利用企业对外服务的经验改进政府工作,通过政企合作将政府的服务能力达到企业级的服务水平。

政府的大数据分析研究工作要以政府专业化部门为中心,越是专业化的部门,大数据分析越能够发挥作用,专业化的大数据搜集更容易做,专业化的大数据中心更容易生存。


七、政府大数据应用趋势


1. 政府公共服务效率全面提升


政府提出的口号“只跑一次”、“一号、一窗、一网”目标明确易于检查,提高数据处理效率的业务是确定性的任务,只要认真做好数据整合,目标容易实现,提高公共服务的用户满意度是国家推动的重点,各地区都会努力跟进,全国公共服务的效率会迅速提高,跨地区的公共服务会逐渐增加。


2. 政府公共服务向智能化发展


政府公共服务进一步提高是向智能化服务发展,在大数据、云计算、物联网、人工智能技术大发展的环境下,智能化系统建设会越来越快,IT企业将在智能化方面开展竞争,将更多进入政府系统的长期运行维护领域,政府公共服务业务的智能化是最容易产生效果的领域,公共服务智能化最能够激发公众的获得感,会成为智慧城市亮点,竞争必将全面提高公共服务智能化的水平。


3. 大数据分析向专业化、集中化发展


政府大数据分析主要依赖专家的智慧,专家的稀缺使这项工作无法各地普及,大数据分析研究工作会向专业化、集中化发展,会形成一些高水平的研究机构,承接大型的大数据分析任务,该机构会通过云平台向社会提供多样化的分析软件工具,供各地政府使用,地方的大数据分析业务会以政研室为主与外部专业化机构合作推进。大数据中心热会随之降温,将重点业务转向常规业务数据的精细化管理。


4. 可视化应用成为热点


隐私保护难以解决及数据价值难以评估,大数据交易热不会产生,而可视化数据发布会成为热点。拥有大数据资源的企业可以制作可视化数据产品向社会发布,以显示企业的能力,政府向企业定制采购可视化数据了解有关趋势,可视化数据不仅能绕过隐私保护的困难且能加快信息沟通,必将成为大数据时代信息传递的重要方式,政府数据、企业数据向社会开放都会大量采用该模式。


5. 政企合作大势所趋


互联网巨头企业的信息技术能力、创新能力、大数据处理能力远远超越政府,阿里、腾讯、百度、华为等企业越来越多投入智慧城市建设,政府与企业竞相签订协议,利用企业的资金与技术点燃政府公共服务的新亮点,大型IT企业与政府合作是提高政府智能化水平、大数据应用水平的捷径,政企合作模式会加剧智慧城市建设的竞争,改变智慧城市的创新节奏,使智慧城市建设进入全面创新的新时代。


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/495053.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

给 ListBox 的 DataTemplate 模板中的 元素设置动画

首先定义模板&#xff1a; <DataTemplate x:Key"ItemTemplate"><Grid Width"470" Margin"0,30,0,0" Tap"Grid_Tap" x:Name"grid"><Grid.ColumnDefinitions><ColumnDefinition Width"370"/&g…

thinkphp 官网教程

thinkphp 官网教程&#xff1a;https://sites.thinkphp.cn/1556331 thikphp5 框架详解 ​ThinkPHP5 - 从入门到实践&#xff08;完整版&#xff09;&#xff1a;https://www.bilibili.com/video/BV13a4y1E7dyThinkPHP5.0 框架全方位解读与实战&#xff1a;https://github.com/k…

中美研发创新支持政策比较及建议

来源&#xff1a;全球技术地图近40年以来&#xff0c;美国历届政府对科技创新和企业研发都高度重视&#xff0c;并通过税收优惠、研发资金支持等全方位支持企业创新&#xff0c;有效推动科技类产业发展。相比之下&#xff0c;我国的研发支持发展较晚&#xff0c;不过目前已经形…

POJ 2240 Arbitrage

要套现的前提是有一种货币经过几次交换能是其到其本身的汇率大于1。就转换成了求任一货币到 其自身的汇率&#xff0c;不过要通过其他货币才能转换到自身&#xff0c;所以用floyd算法&#xff0c;求出所有货币到其他货币 或者自身的最大汇率。这里的floyd计算时是汇率相乘取最大…

uni-app 官网教程

官网&#xff1a;https://uniapp.dcloud.net.cn/ github &#xff1a;https://github.com/dcloudio/uni-app uni-app 入门教程&#xff1a;https://www.5axxw.com/wiki/content/41fkvm ​uniapp 可视化开发 --- 前端开发工具、组件库集合&#xff1a;https://blog.csdn.net/w…

量子计算时代更近了,未来可解决大规模计算的科学难题

来源&#xff1a;人民日报摘要&#xff1a;借助量子计算的并行性带来指数级的加速&#xff0c;将能远远超越现有经典计算机的速度。当量子计算时代到来时&#xff0c;利用GHz时钟频率的量子计算机求解一个亿亿亿变量的线性方程组&#xff0c;将只需要10秒钟。5光量子比特纠缠、…

HOWTO: InstallShield中如何实现MSI包的权限提升(转)

大家都清楚Vista和Windows 7的UAC问题&#xff0c;安装包中我们可以通过权限提提升获得系统操作权限。如果是Setup.exe形式的安装包&#xff0c;我们在InstallShield工程中是通过如下方式实现安装包权限提升的&#xff1a;Release视图 -> Setup.exe选项卡 -> 将 Required…

2018五大人工智能趋势,你知道多少?

来源&#xff1a;网络大数据摘要&#xff1a;人类一直对机器人和人工智能(AI)的概念保持非常强的好奇心。好莱坞电影和科幻小说可能激发了一些科学家开始朝着这个方向努力&#xff0c;虽然人工智能泡沫已出现多次&#xff0c;但目前重大的发展和突破正在重新引起公众对这一领域…

得偿心愿死也甜

流星蝴蝶剑里面&#xff0c;一下子就征服我的一句话转载于:https://www.cnblogs.com/poiu-elab/archive/2012/04/19/2456539.html

学习世界模型,通向AI的下一步:Yann LeCun在IJCAI 2018上的演讲

来源&#xff1a;机器之心摘要&#xff1a;人工智能顶会 IJCAI 2018 的主要议程于昨日在瑞典首都斯德哥尔摩开始。昨天上午&#xff0c;Facebook 首席人工智能科学家、纽约大学教授 Yann LeCun 在会上发表了近一个小时&#xff0c;以《Learning World Models: the Next Step to…

什么是 vuex、如何使用 vuex ?

From&#xff1a;https://blog.csdn.net/m0_70477767/article/details/125155540 Vuex 官网文档&#xff1a;https://vuex.vuejs.org/zh/ 1、Vuex 是什么 ​Vuex 是一个专为 Vue.js 应用程序开发的 状态管理模式&#xff0c; 采用 集中式存储 管理应用的所有组件的状态&#x…

linux-ubuntu下调出中文输入法

看代码的时候&#xff0c;难免需要搜索一些中文关键字&#xff0c;linux系统是公司已经安装好的&#xff0c; 在System/administration/language support里面发现只有english&#xff0c;以为是公司装的linux不支持中文输入法&#xff0c;找了一下午&#xff0c; 终于发现在Pre…

IJCAI 2018所有奖项出炉:AlphaGo获奖,中国人论文占46%,华人一作近2/3

来源&#xff1a;全球人工智能IJCAI&#xff08;国际人工智能联合会议&#xff09;是人工智能领域历史最悠久的学术会议&#xff0c;也是最重要和最顶级的学术会议之一。第一届IJCAI于1969年举办&#xff0c;是1956年达特茅斯研讨会的延伸&#xff0c;也是有史以来的第一次人工…

VUE 超级详细教程

From&#xff1a;https://blog.csdn.net/weixin_42371679/article/details/112408800 vue 源码阅读解析&#xff1a;https://zhuanlan.zhihu.com/p/419896443 深入理解vue底层原理&#xff1a;https://blog.csdn.net/dream2222222222/article/details/103256281 Vue 源码解读…

字符串转时间类型

string time"201201"; DateTime dt DateTime.ParseExact(time, "yyyyMM", System.Globalization.CultureInfo.CurrentCulture); 转载于:https://www.cnblogs.com/zgaspnet/archive/2012/04/20/2459652.html

下一代脑电图可以帮助恢复失去的大脑功能

来源&#xff1a;IEEE电气电子工程师学会摘要&#xff1a;据悉&#xff0c;能源部SLAC国家加速器实验室和斯坦福大学正在开发的一种装置&#xff0c;可以通过测量大脑对电流刺激它的疗法的反应来帮助恢复失去的大脑功能。据悉&#xff0c;能源部SLAC国家加速器实验室和斯坦福大…

鼓吹海

此时此刻&#xff0c;我坐在海堤上&#xff0c;现在有一些渔民挑着担子&#xff0c;陆陆续续要回去了。空气中弥漫着鲜海的味道&#xff0c;来风习习。夏天里夜幕将临&#xff0c;灰灰的集美大桥上&#xff0c;有来来往往亮着尾巴的方盒子&#xff0c;有的高&#xff0c;有的矮…

最全编程语言在线 API 文档

1、常用API文档索引 最全编程语言在线 API 文档&#xff1a;https://tool.oschina.net/apidocs 2、Learn X in Y minutes Learn X in Y minutes&#xff1a;https://learnxinyminutes.com/ 26 种不同的编程语言的 “Hello World” 程序&#xff1a;https://www.runoob.com/w…

2018人工智能行业创新情报白皮书

来源&#xff1a;PatSnap人工智能的定义非常广泛&#xff0c;随着时间的推进&#xff0c;文公智能也将不断进化&#xff0c;但其本质是机器模拟人类思考行为的能力。虽然人工智能经常被分作计算机 科学的一个分支&#xff0c;事实上智能站在自然科学和社会科学的交叉路口&#…

前沿|Google AI提新型神经网络,对神经元进行高精度自动重建

来源&#xff1a;AI科技大本营7 月 16 日&#xff0c; Google AI 发布了一篇博客称&#xff0c;Google Research 部门和 Max Planck 研究所合作提出了一种新型的递归神经网络&#xff0c;它可以提升连接组数据进行自动分析的准确性&#xff0c;相比先前深度学习技术的准确性是数…