政务数据资源体系建设思考
合集下载
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
政策发展轨迹:从2002年到今年信息资源相关政策的发展轨迹来分析,从
建立政府资源和交换体系,到管理共享的转变,开发和利用是政府资源的核心。
具体见下图:
国内外案例 新加坡建立统一的公共信息资源开放共享网站:新加坡数据开放网站是世界上发展最 为完善的公共信息资源开放共享网站之一,目前已经汇集了来自68个政府部门和机构的 8600多个数据集,实现了全国范围内的整合。 加拿大建立政府信息管理顶层设计架构:加拿大建立政府信息管理顶层设计架构,该 框架提供了加拿大政府信息管理的战略方向,自底向上分为基础、标准指南和资源。,分别 从总体概述、系统运维与具体执行、资源应用三个角度展开。 美国出租车数据可视化系统:美国纽约市出租车数据可视化系统集成包括地理信息、 GPS数据位置、数据统计、建筑物数据、摄像头画面等多种数据源。系统可实现数据统计 分析的可视化、历史数据回放,并支持二次开发、自动报警等功能,以更灵活更有针对性
方面出发,通过涵盖数据可视化、元数据管理、数据质量管理、数据标准管理、数据编码 管理和数据共享管理六大系统的技术架构,建立"数据银行"体系,实现对数据资源的资产 化管理。 国家林业局建设中国林业数据库:2013年开始,国家林业局率先尝试建设行业数据 库,根据用户的需求变化和数据开放程度,整合多方数据资源,并向公众开放数据上传平 台,建成了中国林业数据开放共享平台,支持其他平台通过接口获取资源数据,发出林业 数据产业的活力。 贵州省建立全国首部大数据地方法规:2015年率先启动大数据立法工作,在全国开 展大数据立法实践,探索大数据共享、开放、交换、交易、安全等规则规范,并在2016
年3月1日正式实施《贵州省大数据发展应用促进条例》,成为我国首部大数据地方法规,
填补了中国大数据地方立法的空白。
政务数据资源体系建设指南 政务信息资源体系建设要侧重于战略体系设计、过程咨询以及标准规范的建立3 个方面,如下图所示:
政务数据资源体系建设思考
舟山
王路燕
2016年4月12日
政务数据资源体系建设背景
政府转型方面:大数据时代的到来,政府的定位变成开放式的政府,公众与企业与
政府的参与需要政府数据资源进行不断的开放与共享,需要打通数据开放机制,促使政 府转变为智慧型政府,为公众提供更好的服务。 产业发展方面:大数据相关产业发展非常迅速,市场规模是47.4亿元,且每年都在 同步增长。浙江省、上海、北京等政府数据开放走在前列。 技术趋势方面:互联网时代,实时感知的数据在不断的增多,在云计算的支持下,更快 的计算和存贮实力和能力会越来越高。 效益诉求方面:从公众对政府对数据开放的需求可以看出,研究院最新发布的排在 前三名的是企业相关的、教育科研相关的数据,40% 的受访者希望政府可以开放这一 部分数据。
政务数据资源体系概念与框架 政务数据资源体系概念:围绕政府数据的生命周期,实现数据资产的清晰化、了解整个城市数 据的现状、解决数据多头采集和统一数据标准体系。通过数据的采集、存储、管理、传输等,使政 府数据资源价值最大化。 政务发展阶段:经历了部门型、整合型、平台型和智慧型几个阶段,各阶段特征如下图所示:
的系统帮助管理更高效。
浙江舟山政务数据资源基础体系建设:舟山信息化建设集约水平快速提升,建立了" 四统一、两清单"监管政府数据,通过信息资源全收录打造开放共享的政府信息资源目录体 系,并利用现有电子政务的基础,构建政务云平台,促进跨地区、跨部门、跨层级的信息 共享。
广州佛山首创"数据银行"概念:从数据统筹、数据清洗、资产准入、考核指标等多个
政务数据发展现状与问题
政府数据拥而难用:政府目前已经沉淀了数百个阿里巴巴的囤积量,政府对本部门 资源不认识,对其他部门的资源不理解,也因为相关的利益关系,导致部门利益不愿意
交换;
政务平台"统"而不"通":从平台层面来讲,用而不通,针对行政审批、地理信息的 数据交换平台,在一定程度把相关资源整理起来了,但只注重交换结果,数据互联互通
举步维艰,仍存在 "信息孤岛"、"烟囱效应"。Hale Waihona Puke Baidu
数据资源"汇"而难"慧":主要体现在目前的政务数据质量整体不高、价格密度较低 ,数据重复采集,没有建立标准体系,数据不能给其他部门使用,难以充分盘活; 体制机制"兴"而难"新":在大数据方面,2015年连续发了几个重要文件,政府的大数据 短期内获得了大量的关注。但尚未出台大数据方面的法律法规,各部门之间配合积极性 和约束力不强,导致大数据建设工作难以开展与落实。