大数据时代背景下地方政府数据信息共享研究

简介:

数据信息的共享必须建立在具有广泛性和约束力的组织之上,并且参与各方均能从中获取回报,以使得这种共享关系可以长期化。这也就要求一个成功的数据信息共享组织必须具备三个要素:一是要具备一定的管理约束力;二是必须具备较为健全的制度框架;三是必须具有广泛性,即组织成员单位必须能够囊括当地政府主要职能部门。

大数据时代的到来,对于我国政府而言,既是挑战,也是机遇;既是解决问题的良策,也可能成为阻碍社会经济发展的障碍。政府职能部门通过对大数据的分析和应用,使得管理水平和精准施政能力得到了显著提高,进而在日常管理和决策过程中,对数据的依赖性也与日俱增。《关于印发政府信息资源共享管理暂行办法的通知》、《关于运用大数据加强对市场主体服务和监管的若干意见》等文件的印发,也再次说明了数据信息资源共享对于政府施政的重要作用和意义。

三大问题阻碍数据共享

从国家层面来看,虽然国家官方数据网站具有权威性强、覆盖面广等优势,但其更新速度较慢,且未包含市、县级数据,导致应用范围有限,而非官方综合数据库也存在类似问题。为了加大对数据信息资源的开发和利用,进一步提高施政效率,地方政府在数据信息资源共享方面也做出了不少尝试和实践,但迄今为止,能够全面囊括市、县级数据,实现高效互联互通的数据信息资源共享系统尚未出现。归根到底,主要原因有三个方面:

(一)缺乏统一平台,资源难以共享。数据信息并非实体,在进行交换和共享时,必须依托特定的渠道或平台,而我国绝大多数地区却不重视这类渠道或平台的建设。职能部门间常规化、制度化的数据共享行为普遍较少,偶尔的数据交换或共享,也仅仅因为某项业务的需要局限于几个部门之间,数据信息的传递渠道也多是通过社交工具或电子邮箱进行,安全性、保密性和可持续性难以保证。同时,地方政府数据信息主要来源于各个职能部门,由于缺少共享平台的统一标准和规范,不同职能部门对数据信息的采集和记录标准千差万别,常常导致分属两个部门但又高度相关的数据,由于统计口径和时间不一致等原因无法应用。

(二)部门各自为政,缺乏统筹兼顾。职能部门作为数据共享的参与者,其态度往往是决定数据共享成功与否的关键因素。实践表明,多数职能部门对待跨部门数据共享合作的态度都是消极的、被动的,而导致这种现象的主要原因有两点:一是政府职能部门间对数据的需求不对等。任何数据信息的获取,都需要付出一定的人力、物力或财力,这些付出可以看作数据信息获取的成本。在数据信息共享实践过程中,由于参与方对数据信息的需求程度不同,且缺乏必要的约束和制度,加之不同数据的成本往往很难衡量并有效地补偿,因此多数情况下,职能部门对于数据的共享都是消极的、被动的。二是数据资源垄断的保守思想作祟。数据信息作为信息时代的重要资源,数据信息资源的垄断在一定程度上代表着权利,代表着话语权,因此,数据信息的重要性对每个职能部门而言都是不言而喻的。数据信息的共享,则对每个职能部门来说,意味着放弃权利,而同时又得不到相应的回报,出于自身利益的考虑,职能部门间数据信息难以共享也就不足为奇了。由于以上种种原因,在没有部门强力推行、缺少制度约束的情况下,全面的数据信息资源共享只能成为空谈。

(三)制度保障欠缺,共享渠道不畅。我国数据信息管理方面的法律法规和相关制度大多是原则性、指导性的,对于数据信息的共享和发布没有强制要求,同时也缺乏统一的规划和标准,导致政府部门对数据信息的管理摸不着头脑,各自都有各自的理解。现实中,基础数据采集部门受限于人力和时间等条件的限制,很难对其采集的全部数据做到有效的利用,而缺乏对数据信息统一的标准和明确的责任划分,又导致其不清楚哪些数据和信息可以跨部门共享,哪些可以向社会公众发布,哪些又需要绝对的保密。同时,数据和信息的共享伴随着一定的风险,而制度不明确,导致风险责任难以界定。一旦发生数据泄露等问题,多数情况下责任只能由该项数据的提供部门承担。因此,对于非数据需求方来说,这项工作既要投入人力、物力和财力,又要承担一定的风险,而自身数据获取的成本又无法补偿。因此,对绝大多数地方职能部门来说,出于规避风险和责任的考虑,宁可数据安静地躺在电脑的硬盘当中,也不愿因数据共享而承担未知的责任。此外,这一问题也常常会导致多部门数据信息资源交换时,不同职能部门间相互推诿,协调和沟通困难,而最终预期目标不尽如人意。

相关建议

(一)建立规范、全面的数据信息共享平台。数据信息资源的共享与统一、规范、全面的共享平台息息相关,也是在操作层面首先需要解决的问题。一方面,各项数据信息资源的统计和采集需要统一的标准,而共享平台则是标准的载体,不同职能部门间的数据和信息通过共享平台的整合,从而实现统一化和标准化;另一方面,数据信息资源的共享需要畅通的渠道,而共享平台则可以很好地链接各个职能部门,作为各部门之间共享关系的载体,通过其实现数据信息的录入上传和查询应用。此外,在搭建数据信息资源共享平台过程中,可以采取循序渐进的方式,依托于政府门户网站建立,降低共享平台初期搭建和后期维护成本,在运行一段时间并取得一定成效后,再根据业务需要,逐步搭建独立的数据信息共享平台。

(二)建立统一、高效的协作组织。目前,已建立共享关系的职能部门之间,大多采取一对一的方式进行数据信息的交换和共享,由于两个部门数据获取成本和需求程度不同,付出和回报不对等,且双方关系缺乏必要的约束,随着双方数据信息需求的变化,这种关系很难持久。因此,数据信息的共享必须建立在具有广泛性和约束力的组织之上,并且参与各方均能从中获取回报,以使得这种共享关系可以长期化。这也就要求一个成功的数据信息共享组织必须具备三个要素:一是要具备一定的管理约束力。由于组织的成员单位都属于平级,相互之间没有隶属关系,甚至毫无业务网来,这就需要组织的牵头方对全体成员必须具有领导关系,从而确保组织目标——跨部门间数据信息资源共享能够顺利进行。在实践过程中,要借助行政管理约束力,可以将地方政府“一把手”作为该项工作的负责人,而牵头部门可以由当地政府办兼任,负责具体组织和协调工作。二是必须具备较为健全的制度框架。数据信息的共享必须具有可操作性,而制度约束则正是成员单位间数据信息能够正常共享的保障。制度必须明确和规范数据交换的范围、流程及成员单位责任和义务等相关内容,使全体成员明晰需要做什么,怎么做。三是必须具有广泛性,即组织成员单位必须能够囊括当地政府主要职能部门。数据信息的共享必须建立在组织成员单位互惠互利的基础之上,而只有这个组织成员单位具备一定的数量,才能提供足够多的数据信息,从而使得组织的每个成员都能够从中获取需要的数据信息,进而达到互惠互利的目的。

(三)建立完善的长效机制与考核机制。为了实现数据信息共享渠道畅通无阻,在建立跨部门数据信息共享协作组织的基础上,还需要建立完善的长效机制,增强各部门的责任意识,并辅以必要的激励措施,确保组织可以长期、高效运转。一方面,地方政府需要实施带有强制力的措施,通过法律、制度等形式,对不同类别的数据信息进行明确的划分和界定,并将数据信息资源共享工作作为各职能部门的责任和义务,使其清楚地认识到,什么数据必须共享,什么数据需要严格保密,什么数据可以向社会发布;另一方面,还应建立行之有效的考核评估体系,并将最终结果与各部门年终考核结果挂钩,并对数据信息资源共享工作考核评估结果较好的部门和一线操作人员,通过表彰和财政资金予以激励,提升各部门参与该项工作的积极性。通过完善的奖惩措施,从而有效调动参与部门积极性,确保跨部门数据信息共享工作能够顺利推进。



本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
12天前
|
分布式计算 大数据 BI
MaxCompute产品使用合集之MaxCompute项目的数据是否可以被接入到阿里云的Quick BI中
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
12天前
|
SQL 分布式计算 大数据
MaxCompute产品使用合集之怎样可以将大数据计算MaxCompute表的数据可以导出为本地文件
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
11天前
|
分布式计算 DataWorks 数据库
DataWorks操作报错合集之DataWorks使用数据集成整库全增量同步oceanbase数据到odps的时候,遇到报错,该怎么处理
DataWorks是阿里云提供的一站式大数据开发与治理平台,支持数据集成、数据开发、数据服务、数据质量管理、数据安全管理等全流程数据处理。在使用DataWorks过程中,可能会遇到各种操作报错。以下是一些常见的报错情况及其可能的原因和解决方法。
24 0
|
11天前
|
分布式计算 DataWorks 关系型数据库
DataWorks产品使用合集之在 DataWorks 中,使用Oracle作为数据源进行数据映射和查询,如何更改数据源为MaxCompute或其他类型
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
26 1
|
12天前
|
分布式计算 DataWorks 调度
DataWorks产品使用合集之DataWorks中,填写ODPS SQL任务中的参数和分区信息如何解决
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
25 0
|
12天前
|
分布式计算 DataWorks 调度
DataWorks产品使用合集之在DataWorks中,查看ODPS表的OSS对象如何解决
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
28 1
|
12天前
|
分布式计算 DataWorks MaxCompute
DataWorks产品使用合集之在DataWorks中,将数据集成功能将AnalyticDB for MySQL中的数据实时同步到MaxCompute中如何解决
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
24 0
|
12天前
|
分布式计算 DataWorks 安全
DataWorks产品使用合集之DataWorks创建 MaxCompute 资源背景信息如何解决
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
26 5
|
12天前
|
分布式计算 DataWorks 关系型数据库
DataWorks产品使用合集之在DataWorks中,MaxCompute创建外部表,MaxCompute和DataWorks的数据一直保持一致如何解决
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
20 0
DataWorks产品使用合集之在DataWorks中,MaxCompute创建外部表,MaxCompute和DataWorks的数据一直保持一致如何解决
|
12天前
|
分布式计算 DataWorks 安全
DataWorks产品使用合集之在DataWorks中,从Elasticsearch同步数据到ODPS时同步_id字段的如何解决
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
25 0

热门文章

最新文章