政务是个大市场,阿里、腾讯、电信、华为都在赔本赚吆喝。本文作者宇同学是资深从业人士,研发总监,他会写一系列文章来阐述政务云全景。   

        前面八篇分别深入阐述:

*
政务大数据的本质:《 浅谈政务大数据的本质
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994575&idx=1&sn=09a320fb2e8fe0e38699807100449506&chksm=847c60a2b30be9b47a8bfbb48a1429f7fddb8a64d220f03aaeb53eb3d1636f451d9f4d1a06ac&scene=21#wechat_redirect>
》 

*
政务大数据的全景图:《政务大数据的全景图
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994629&idx=1&sn=667fc53a2b5a652bbdaf7970dc97c6ec&chksm=847c6168b30be87e80ba03e2053a26f4dd1dd8af596950164043e3dd5b57ac90d309f1022cb8&scene=21#wechat_redirect>


*
政务大数据的上下文范围:《政务大数据的上下文范围
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994668&idx=1&sn=0ae13db2da9fcbfee41c0eda07471826&chksm=847c6141b30be8575efd3f6b7ecca4b368f1edc863200f2dd61deee24dcb833ed74c57724b05&scene=21#wechat_redirect>


*
政务大数据的概念模型:《政务大数据的概念模型
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994815&idx=1&sn=713906a784ce88e96d4942eb63edfce9&chksm=847c61d2b30be8c4a74856bad0337a9f2da845761c83db87f0e2f5eacc1a2904f0b6a45c417a&scene=21#wechat_redirect>


*
政务大数据的逻辑模型:《政务大数据的逻辑模型
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994826&idx=1&sn=af2d4f6de883c863b45f7f0df20885cd&chksm=847c61a7b30be8b159a80ad97dc6f477f0a6f9a251f1ba292e4cbccaa154a13fb18031d39476&scene=21#wechat_redirect>


*
政务大数据的物理模型:《政务大数据的物理模型
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994899&idx=1&sn=61eea4c96dd0cc22a56737a9b93322bb&chksm=847c627eb30beb68e604b5775d7f55d38c1038e35c143fe2a12d3dcb53ac23f7133ef0d91100&scene=21#wechat_redirect>


*
政务大数据的部署结构:《政务大数据的部署结构
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994949&idx=1&sn=96d313578196b3777919ae17114cd0bd&chksm=847c6228b30beb3e35f109089c142b1617e5bd68cf587366c65beb63060766f0d4deeb32f9fb&scene=21#wechat_redirect>


*
政务大数据的安全体系:《政务大数据的安全体系
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994992&idx=1&sn=788ca42c9cf5653f91c0f771d44ac800&chksm=847c621db30beb0b548817fd83076635759dc0bcdb18dd28bf2143c130325249e495b83a9846&scene=21#wechat_redirect>



反响非常好,本篇接上一篇讲政务大数据的价值链。希望大家会喜欢!    

        后续还有一系列文章;敬请期待。 

 

 

在1985年,迈克尔·波特(Michael E.Porter)提出了价值链(value
chain)的概念:将价值创造的过程分解为互不相同又相互联系的一系列活动序列,这些活动序列的集合可以称之为“价值链”。给相关方提供收益(benefit,这个收益可以是经济方面的,也可以是非经济方面的)是价值链的重要特征。政务大数据的价值链即政务大数据在价值创造过程中的系列活动/过程的集合,与其生命周期密切相关。在漫谈政务大数据系列《政务大数据的全景图》一文中,将政务大数据的生命周期划分为:分析规划、标准化、数据采集、数据治理、服务提供、服务获取、持续优化和价值转换八个阶段。政务大数据的生命周期的八个阶段也即是其价值产生、传递和转换的周期过程。




在国家层面,对政务大数据的使用从之前的政务信息公开(向民众、相关方公开)到现在的政府数据开放(覆盖不同层面、更广范围、有条件、有步骤的开放),是一个非常有里程碑意义的跨越。国内的一些知名厂商如浪潮,还提出了政府数据开放五级技术成熟度模型(
Level 1:信息公开、Level2:数据网站、Level 3:数据门户、Level 4:数据平台、Level 5
:数据生态),并指出国内已经做数据开发的城市大多也仅处于二级或三级,更多的城市仅处于信息公开(Level 1
)的阶段。因此,政府数据开放的工作还很是任重而道远。从数据治理的成熟度来看,政务大数据的成熟度可以分为level 0-5
六个层次,用来定义、评估政务大数据治理的成熟水平。




分析规划、标准化和数据采集三个阶段的相互迭代,实现了政务大数据的生成。其中,分析规划和标准化是基础,数据采集是结果。数据仅仅是采集上来、汇总起来并不能很好的发挥其价值,只有在与实际政务业务相结合的过程中,其价值才会体现。政务大数据在政务服务、行政监管和社会治理中的价值涵盖:用数据治理、用数据说话、用数据发展、用数据改进和用数据创新五个方面。

用数据治理:
政务大数据与政务服务、行政监管和社会治理有效衔接,有助于推动跨部门、跨区域管理协同、信息共享,更深层次、更广领域促进政府与公民、企业之间互动,形成政府主导、社会参与的协同治理新思维、新模式。

用数据说话:政务大数据为政府决策提供了“准全样本数据”,为政务服务、行政监管和社会治理过程中的科学分析、预测和决策提供了重要基础。

用数据发展:
政务大数据与工业、农业、第三产业等各产业经济发展深度融合,促进产业良性、健康、均衡、协调的发展。如关系国计民生的农产品、食品、药品,通过汇聚相应的行业大数据在区域分布、供需配比、产供销一体化、质量追溯等多个方面进行数据协同,实现集约化的产业经济高效发展。作为农业人口占大比重的农业大国,农业发展、农村建设和农民服务是国民经济发展首先要考虑的问题。通过相关领域政务大数据的应用,将有效地带动农业的协同发展与产业升级。

用数据改进:政务大数据是改善和提升政府政务服务、行政监管和社会治理水平和能力的重要依据,它有助于科学确定当前存在的问题,并选择评估改进方案、策略的可实施性。

用数据创新:“创新扩散理论”的提出者埃弗雷特·罗杰斯(E.M.Rogers
)认为:“创新是一种被个人或其他采纳单位视为新颖的观念、时间或事物。”创新不是无中生有,创新来自于现在(已有)。而政务大数据把已有的政务信息系统、完整、准确的汇聚起来、关联起来,为政务改革创新提供了很好的数据参照,为科学构建系统完备、科学规范、运行高效的党和国家机构职能体系提供了客观依据。

基于政务大数据在政务服务、行政监管和社会治理中五方面的用途,可以将政务大数据的价值链分为基础资源、核心能力和价值创新三个层面。






基础资源层位于价值链的底端,用以完成服务模式、主题数据和模型数据等数据资产的构建并支撑着核心能力层,是政务大数据持续生存能力的保障。
服务模式分为服务、治理和协同三个层面。战略实施的最终展现为各种服务的提供,治理和协同是重要手段。主题数据和模型数据规划与构建包括三个阶段的工作:

第一阶段:现有数据的梳理、标准化,确定采集交换规格。本阶段要完成的任务是:广泛支持传统的结构化数据存储源(如关系数据库)、NOSQL
数据源、地理空间数据和非结构化数据存储源等多种数据存储形式。通过网络爬虫、数据服务接口以及第三方系统对接等多种方式获取采集数据,把现有的政务大数据进行梳理、标准化。这里的一项重要工作就是元数据(“数据的数据”)标准的梳理、确立,对于大量的已建系统需要结合国家、行业的相关标准对其进行规格化转换,以形成统一的采集交换标准,这是一个典型的自底向上的汇聚、标准化的过程。


第二阶段:主题规划、治理结构建立。本阶段对重点数据实体需要进行质量评估,对数据质量问题进行归类、质量趋势分析和质量监控预警、逻辑错误处理、去重和关联性验证、访问及使用安全防控等。同时,需要按业务主题对行业数据进行顶层规划,提供三种能力:基于元数据的原始业务数据集成、基于业务
/行业主题的主题数据集成和基于元数据、主题数据的综合业务信息数据集成。最终,要建立从数据的产生、交换、汇聚、加工和安全利用等全生命周期的治理结构和管理流程。

第三阶段:基础资源层构建,本阶段是主题数据规划的阶段性收尾,协同数据的生产者、消费者、加工流通及运营者,并使之达到动态平衡和可持续发展。政务主题数据管理(
SDM,Subject Data Management
)的最佳实践在于:让政务业务参与进来,即把政务主题数据、元数据、数据治理体系一体化考虑。从业务全局视角服务于资源整合的SDM
(主题数据管理)系统将是合规、已集成和标准化的单一数据源,能够通过进行多领域主题数据管理。



核心能力层
主要是完成政务大数据运营能力的建设,由一系列支撑平台和工具集组成,以实现对战略的承上启下。其中,工具集可以按照预警、预测、规范、优化、可视和协同分为6个子集,每个子集各包含6个工具,总共由36个基础工具组件构成。根据实际业务实现的需要,可以进行重新组合以形成适合的政务大数据工具集。




预警:通过历史积累以及对政务活动过程中采集的数据进行主题分类,依据业务模型和相应的指标体系进行动态预警。预警信息包括预警的类别、级别、预警原因、起始时间、可能的影响范围、警示事项、应采取的措施等。预警又分为基于指标指数、风险点监测、异常行为监测等业务点的预警,基于业务主题等业务面的预警,以及基于运行体征的综合预警。


预测:基于历史和现在,分析面向未来的趋势和可能出现的情形。预测的方法与形式多种多样,基于政务大数据的科学预测有利于更好地开展政务服务。与预警类似,预测也分为基于指标指数、风险点监测、异常行为监测等业务点的预测,基于业务主题等业务面的预测,还有基于运行体征的综合预测。与预警不同之处在于,保障预测的准确性更难。


规范:在政务活动过程中,工作流程的规范、服务过程的规范以及参与主体的行为规范对保障政务服务的正常、有序开展十分重要。在政务大数据建立之前,主要通过行政监管和相关方自律来达到规范的预期。通过建设政务大数据,将使相关方的规范行为成为必须,一切不规范的操作都将在行为轨迹跟踪中留下痕迹而使其无所遁形。同时,通过规范地进行过程数据积累、数据共享,使政务大数据得到安全有效的使用。


优化:政务大数据对政务服务、行政监管和社会治理的优化作用可以概括为“三个提升、两个改进和一个创新”。“三个提升”是指资源整合能力的提升、服务能力的提升和风险防控能力的提升。“两个改进”指资源配置优化的改进和运行机制优化的改进。“一个创新”是指监督管理机制的创新,从人工的行政监管逐渐过渡为基于政务大数据的综合监管。

可视:政务大数据可视的最大价值在于便于更加直观的了解数据所反映的客观事实,进而直观展示政务服务和监管的效率、效果。


协同:政务大数据从数据、服务、流程、监管、研判和智库等六个方面,在人与人之间、机构与机构之间,人与机器之间、不同数据资源之间、不同应用系统之间、不同应用情景之间、不同终端设备之间进行全方位、立体化的协同。

价值创新层
是政务大数据三层价值模型最顶层,重点是构建拥抱变化的能力,实现与参与各方的开放、共享、协同、协作,最终实现参与各方的新价值共创和商业共赢,推进参与各方的持续能力建设。政务大数据当前面临的主要挑战是价值创新而非资产化。


在这里,我们主要谈数据价值,而不深入讨论数据资产化。对于政务大数据而言,其资产化是一个非常复杂的问题。数据资产化的前提是数据确权(确定权属关系),要想做好政务大数据的确权就要分析清楚政务大数据的类型。按照数据主体的不同,政务大数据包括自然资源、生态环境(含场地空间)、科技文化、物质资源(含机器、设备、工具、原料等产业资源)等政务服务的基础(社会资源),也包括公民、企业、外国人、社会组织、政府机构等政务服务的对象(主体和客体)。作为公有制为主体的国家,其公共社会资源数据应是公有的,这一点需要从法律层面予以明确。对于国家机构为了监管需要而掌握的个人隐私数据以及企业商业秘密的相关数据则应该严格区分所有者和管理者角色,坚决避免个人隐私和企业的商业秘密成为第三方的“数据资产”,去做数据变现。


由于政务大数据确权的复杂性,其资产化、数据变现必须尤为谨慎。同时,政务大数据的价值是客观存在的,将其价值充分体现出来也是政务大数据的重要发展目标。在当前乃至相当长的一段时期,合规、有序、高效、有效的做好政府数据开放工作是政务大数据的重要着力点,也是政务大数据资产化乃至进行运营的前提。在政务大数据的资产化、变现成为常态之前,常规、非敏、公开数据的资产化、变现应先行试水。


对于数据资产化以及变现的问题,电信运营商、金融机构的发展思路很值得借鉴。电信运营商运营的是电信(通讯以及在其基础上增值、衍生服务)服务,金融机构运营的是金融服务。无论是电信运营商还是金融机构,都在业务开展过程中,不可避免地拥有了大量的客户(包括个人和企业)隐私
/
私有数据。值得欣慰的是,在电信业务、金融服务价值创新过程中,并没有把这些敏感数据用于商业用途(至少在其主营业务上没有这样做,当然这里不去讨论一些不法之徒擅自商业化客户敏感数据的个别情形)。互联网以及电子商务的蓬勃发展,给人们带来不少的便利同时也带来了客户敏感数据被滥用的诸多隐患。甚至一些互联网巨头也假借提供增值服务之名,让客户在不经意间同意授权其使用敏感私人信息。这种诱导客户获得授权、非法滥用客户敏感私人信息的现象、苗头是十分危险、十分有害的。数据有价值没错、数据是资产也没错,但并不意味着谁拥有、谁掌握,然后谁就可以滥用、甚至拿客户的数据当成自己的去非法“变现”。加强个人隐私保护,健全相关立法显得迫在眉睫。
2017年6月1日起施行的《中华人民共和国网络安全法》,正是在这种大背景下形成的。


相较于商业数据,政务数据的敏感性和被滥用后的危害程度更高。既要保障安全,又要保证不影响业务顺利开展。因此,在政务大数据的价值链中,很重要的一点就是权衡数据安全与价值体现,其根本解决之道就是将数据安全融合在数据服务业务当中,把握好合规性与前瞻性,也照顾到服务效率和效果。如《政务大数据的安全体系》一文中所述:“安全无小事,政务大数据的安全是一个复杂的系统工程,其安全体系也是需要持续优化和完善的。”安全融合
(安全措施与业务过程融合)将在政务大数据的后续发展过程中,起到越来越重要的作用。


综上所述,政务大数据的价值链体现在其生命周期的八个阶段中,体现在其价值产生、传递和转换的周期过程中。政务大数据的价值模型可以分为基础资源、核心能力和价值创新三个层面,安全融合是政务大数据价值模型的重要特征。

 

 







猜你喜欢










#大数据和云计算机技术社区#博客精选(2017)
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994491&idx=1&sn=95fe95ff6f9451b25d789a96d126ae57&chksm=847c6016b30be9001f03a2653897b4c1c6a1cf11ff285f4ffb72ed54be29cc2973bcb6cbc04f&scene=21#wechat_redirect>


NoSQL 还是 SQL ?这一篇讲清楚
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994350&idx=1&sn=13c264dd596408df24acfb4acfd1cbfc&chksm=847c6783b30bee959a9f5f58f1112de38cdb7ac6e5f097346911d6dd8ad6505e14b87f5e71a9&scene=21#wechat_redirect>


阿里的OceanBase解密
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994245&idx=1&sn=18985825170e51b5665390b2dabda326&chksm=847c67e8b30beefea82e331ba2c2a8bf077e7eef226356a74bc9b112736fe84527f1a6fa6830&scene=21#wechat_redirect>

#大数据和云计算技术#: "四有"社区介绍
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994424&idx=1&sn=5ce873e5b062c41d9d3feb169421de81&chksm=847c6055b30be94356ff5f6a7752af218a04a96ab915ff1bfad6b8c8a60078d953d4a9e36292&scene=21#wechat_redirect>


大数据和云计算技术周报(第30期):NoSQL特辑
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994979&idx=1&sn=98a162bfec43e2e8b281f638cf519c4b&chksm=847c620eb30beb1889a271d92922c6e0dc400b7e14ef225cb9e4087e533fec35861837d4a5c8&scene=21#wechat_redirect>


大数据和云计算技术周报(第29期)
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994964&idx=1&sn=3be16ea91ffe0a466b0fd24e15a66b59&chksm=847c6239b30beb2f4961dfedfd36ee2f2913ed05d2195f320a2889253284a9441a17d787b05a&scene=21#wechat_redirect>

新数仓系列:Hbase周边生态梳理(1)
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994281&idx=1&sn=3bf17f41fd00d5ff1bd74044ab61c6fc&chksm=847c67c4b30beed20a2b746511aeb029466ad7f40c5a92a8c39aba6812bdb46298a717bd7d25&scene=21#wechat_redirect>

《大数据架构详解》第2次修订说明
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994165&idx=1&sn=6fe5e33d5ab6ac7ca96e79f8d4e47b90&chksm=847c6758b30bee4e6eb784516668e7487a206bb88ab50aca2996968b9a994ceafa26769de478&scene=21#wechat_redirect>

简单梳理跨数据中心数据库
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994233&idx=1&sn=854040597998b707f7089bb303346a79&chksm=847c6714b30bee029af0e0ae09fc02fa2b4fea30af0c6f8f2fc5fd513455c5b3da9e477b2184&scene=21#wechat_redirect>

云观察系列:漫谈运营商公有云发展史
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994186&idx=1&sn=b056116636ee348c80d224a7efc7b0d9&chksm=847c6727b30bee310889ad2bc72a09cb26635ff801d5e31bc0c49e13d8c9f04ae583cb7ca7b4&scene=21#wechat_redirect>

云观察系列:百度云的一波三折
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994181&idx=1&sn=12a19f42d855361f6850ea4a5f7c5bb5&chksm=847c6728b30bee3e74830b458243b264ed8a4841e3c3e30fb89fc1f95d6bca3cc748ea1d5e12&scene=21#wechat_redirect>


云观察系列:阿里云战略观察
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994176&idx=1&sn=22293c8dca2bd0d59c79bddcc689379a&chksm=847c672db30bee3b83bfcff9d23e5e08c85b685f425d49bbcc3db02be80010f4f9848e95cb60&scene=21#wechat_redirect>

超融合方案分析系列(7)思科超融合方案分析
<http://mp.weixin.qq.com/s?__biz=MzA3ODUxMzQxMA==&mid=2663994152&idx=1&sn=b5ee27c116f0ad80a0aabf7d2a1922eb&chksm=847c6745b30bee537f950387c63d1044ef413cb9795929ecb03bf56106c33da4cd363a659248&scene=21#wechat_redirect>

加入技术讨论群










《大数据和云计算技术》社区群人数已经3000+,欢迎大家加下面助手微信,拉大家进群,自由交流。




喜欢钉钉扫码下面的群:






喜欢QQ群的,可以扫描下面二维码:



欢迎大家通过二维码打赏支持技术社区(英雄请留名,社区感谢您,打赏次数超过100+):






                    

万门报,福利到  集合北美首屈一指的Data Bootcamp核心团队打造的大数据课程免费送啦 名额有限
赶紧下手。无论您是在校大学生、职场小白,还是从事相关行业想转行从事大数据,这套课程资料都非常适合来学习。





友情链接
ioDraw流程图
API参考文档
OK工具箱
云服务器优惠
阿里云优惠券
腾讯云优惠券
华为云优惠券
站点信息
问题反馈
邮箱:ixiaoyang8@qq.com
QQ群:637538335
关注微信