大数据与社会保障

大数据与社会保障（8篇）

1.大数据与社会保障 篇一

大数据时代社会治理方式创新

编者按：互联网、物联网、大数据、云计算等现代技术正在深度改变人们的生活、工作和思维方式。大数据时代给社会治理提出了新机遇和新挑战，因此，应适应大数据时代社会需要，变革社会治理方式。推进大数据时代社会治理方式创新，无论从理论上还是实践上看，都是一个全新的课题。作为我国改革开放的前沿地带，深圳市福田区在运用大数据手段推进社会治理方式创新方面再一次走到了全国的前面，率先进行了探索，对于研究大数据时代社会治理方式创新，具有重要的理论和实践意义。深圳市福田区社会治理方式创新的实践探索

大数据时代，只有让政府以及各社会主体在合理共享各种最新数据的基础上，发挥各自的优势，深度挖掘数据的价值，在提供公共服务的方式、内容和机制上不断创新，以适应快速变化的社会需求和环境，才能不断提高我国的国家治理能力和实现社会治理方式的创新。深圳市福田区充分认识基础数据的重要性，在如何保证动态、精准、充分占有基础数据方面进行了卓有成效的创新和探索。突出大数据理念

针对大数据时代社会治理的特点，深圳市福田区在推进社会治理创新方面，树立大数据理念，推动智慧福田建设。

大数据应用的核心是数据处理。大数据应用要充分挖掘数据价值，进行深度应用。为此福田区提出实现“让数据多跑腿，让群众少跑路”的目标，以“采、用、享、碰、推、嵌”六个字来概括数据应用理念。

“采、用、享”是传统的数据应用，是信息化建设的第一次革命；“碰、推、嵌”是大数据时代的智能应用，是信息化建设的第二次革命，以“碰、推、嵌”的可视化倒逼“采、用、享”的进一步质量提升，指导前期系统的改造。其中“碰”即数据碰撞。如将街道计生执法、人民调解、安监执法、派出所接报的发案的出租屋，与未自主申报出租屋比对碰撞，推送给街道综管执法人员，通过发现问题推动执法，推进自主申报工作。“推”即智能推送。如福田的智慧政务开发了智慧福田门户APP和微信公众平台，辖区居民只要安装或关注，平台就会根据本人实际需求，有针对性地自动推送服务信息。“嵌”即智能嵌入。如可以将业务办理规则嵌入网格移动终端，如一旦采集满足条件自动推送。

树立“法治与证据”理念。大数据时代也是法制时代。改善大数据时代的社会治理，要进一步强化证据意识。福田区委、区政府强调提高社会治理能力要树立“经济社会是法治社会，法治社会是证据社会，只有掌握了证据才能掌握主动权，才能解决问题”的理念，注重用证据来说话，用证据来讲事实摆道理。同时强调收集证据不仅仅是政法部门的事，而是所有政府部门的事。

在智慧福田的建设过程中，福田提出了要实现信息证据化，既所有信息流程都要打标留痕，作为法定证据。通过法定签名、电子摄像等形式确定办事群众的法律主体地位，确保主体合法化；按照法律规定履行告知义务，使办事群众了解法律政策，掌握审批流程，提前准备相关资料，确保审批主动化；通过“审批结果电子上传—法律文书纸质确认—法律文书电子归档”的流程，确保群众申请、政府告知、电子归档、法律文书等环节实现流程证据化，对于执法、管理或服务工作中产生的各类文书、资料，电子化保存、归档，一方面，节约成本，延长保存期限，提高使用效率；另一方面，能长期保留证据，应对以后可能出现的申诉或投诉。

树立“信息支撑”和“流程再造”理念。在智慧福田建设和社会治理创新过程中，福田区从一开始就注重顶层设计，由区委领导统一协调部署相关工作，尤其强调“信息支撑”即建立“数据集中采集、资源多方共享”的共建共享机制，按照无条件提供信息数据的要求，打破信息壁垒，打通部门循环，促进资源融合，实现智能共享，为群众提供方便快捷、周到细致的服务；强调“流程再造”理念，整合全区现有各方数据资源、社会服务管理资源，全面调研各层级、各部门的业务需求和居民群众的实际需求，认真梳理各项业务工作的办事流程、业务关联、信息关联，通过循环交换、智能推送，简化程序、减少环节、再造流程，提升服务效能，方便群众办事。注重深度挖掘和发挥信息作用，并利用此机会进行政府各职能部门的业务流程再造。构建电子政务应用体系

福田区委、区政府以深圳织网工程和智慧福田建设为契机，依托大数据系统网络，着力构建以民生为导向的完善的社会建设电子政府应用体系，并在此基础上积极开展业务流程再造，有效提高了福田区的行政效能和社会治理能力。

建设“一库一队伍两网两系统”。一库即一个公共信息资源库，主要由基础信息库、业务信息库和主题信息库构成。一队伍即一支网格信息员队伍。以社区为基础划分为若干个基础网格，每个网格配备一名网格管理员，负责各类信息的采集。两网即社会管理工作网和社区家园网。两系统即综合信息采集系统和决策分析支持系统。

建设“两级中心、三级平台、四级库”。这是智慧福田的重点建设内容。两级中心即区管理运营中心和街道管理运营中心。三级平台即街道、社区、网格三级工作平台。四级库即区、街道、社区、网格数据库。主要目的是为“织网工程”综合信息系统在福田区全区各层面、各单位、各系统全面开发利用提供系统支持和技术保障。

构建“三厅融合”的行政审批系统。“三厅融合”即全面改革全区办证大厅运作模式，将区、街道行政服务大厅和网上办事大厅三厅融合，打造“综合受理、后台审批、统一发证、监督监管”的工作模式，实现所有审批事项“一网办、一窗办、一站办”。其特点为：一是梳理审批权责清单。老百姓面对的只是办事事由，只是综合受理窗口和发证窗口，不再面对具体办证部门。二是实行并联审批。涉及多部门审批事项，按照“一门受理、抄告相关、同步审核、限时办结”的原则，由政府内部进行“联审联办”，并联审批。三是实现即来即办。凡是提交材料齐全、不需上会或专家评审、现场勘查的申请，一律即来即办。四是实现全区通办。辖区居民可不受时间地域限制，进行网上申报，并可在辖区范围内任何受理点就近办理事务。五是实现无纸化办证。建设证照证件数据库，智能比对，不再要求居民提供相关纸质证明和重复提供复印件，只需要提供身份证或法人机构代码证就可以办理，着力解决申报材料多、重复提交多等问题。

建设政务征信体系。建设政务征信体系是福田区在社会信用体系建设政务领域的积极探索。其主要内容为：政务诚信信息主题库、政务诚信信息管理系统、政务诚信服务网站，以及配套制定的《政务诚信信息管理办法》，即“一库、一系统、一网站、一办法”。其主要建设内容为：一是诚信管理规范。二是诚信信息收集。三是建立政务征信信息查询系统，提供诚信查询服务。

通过大数据系统网络和电子政务应用体系建设，福田区全面梳理“自然人从生到死，法人从注册到注销，房屋楼宇从规划、建设到拆除”全过程政府管理服务相对应的所有数据，为实现信息循环、智能推送提供数据规范和数据支持。并在信息资源融合共享的基础上，广泛进行部门业务工作需求调研，理清部门之间的业务关系和信息关联，通过部门循环、信息碰撞、智能推送，再造工作流程，有效减少了工作环节，简化了工作程序，提升了服务效能，方便了群众办事。同时随着政务信息资源面向社会开放的逐步推进，各类社会组织、企业和公众将可以合理使用不含隐私信息的基础数据，为社会提供个性化服务和增值服务。找准流动人口自主申报切入点

随着社会不断发展，人口管理不断遇到各种挑战，日益成为社会治理的重点和难点。深圳现有总人口1600多万，其中户籍人口310万，流动人口1300多万，是珠三角乃至全国流动人口最多的城市，流动人口规模大、流动性高，具有人口总量多、农村户口多、租房居住多、同乡聚居多、无业人员多，年龄偏低、文化偏低，居住变化快“五多二低一快”的特点。深圳流动人口给社会建设和社会治理带来巨大挑战和压力，使深圳较早面临城市化过程中不可避免的人口服务与管理问题。为此，深圳把如何有效破解城市人口二元结构难题，使流动人口更好地融入城市，共享改革发展成果，共建平安和谐社会，作为社会建设和社会管理的首要任务。加强和改善流动人口管理成为提高社会治理能力和完善社会治理机制的重要切入点和抓手，通过大数据系统网络和电子政务应用体系建设，深圳市福田区在人口管理上创新性地开展了人口信息自主申报，使城区公民参与到人口信息采集工作当中，在提高信息采集效率的同时，促进了人口管理工作向社会治理方向改进。

统筹协调。福田区通过搭建信息自主申报服务平台，借助全市“人、楼、房”数据库和智慧福田数据库为支撑，强化房屋分类分级分色管理、申报信息审核管理、派单跟踪绩效管理等三项管理，推送法律宣传服务、短信提醒服务、上门办证服务、数据共享服务等四种服务，实现了便捷申报、重点管控、减员增效、居民自治、数据安全五个目标。同时，通过强化宣传推动和执法核查，实现居民遵守法律、自我管理和尊重诚信的社会氛围，运用网格化、信息化和大数据理念，进一步提高社会管理精细化、数字化和动态化管理水平。

搭建平台。提供便民实用的申报平台。一是实现自动注册批量推送；二是实现导航指引式操作，基层和群众普遍反映良好，满足了信息申报和管理需求；三是实现手机智能APP申报，群众通过手机扫描二维码，即可链接到手机网页视窗进行随时、随地申报；四是实现当事人只需录入两项信息便完成申报。同时，深圳市综管办向福田区提供深圳市近1亿条历史人口信息数据，用于自主申报的数据比对和信息迁移，实现了最大化的便捷申报。

信息申报。在人口信息自主申报过程中，福田区采取“大部分信息主动申报，少数信息上门采集核查”的运作模式。“主动申报、上门核查”，福田区将诚信申报的大部分信息直接入库，综管员只对部分存疑信息或未申报的人员上门核查。实行自主申报后，综管员把更多精力用于对隐患、事件信息的重点采集和深化管理，并通过网格固化属地管理和精细化采集，经过数据的比对分析，筛选防控对象、育龄妇女等重点人群，再由网格员有重点、有针对性上门采集、核实，确保纠纷、事件、计生等信息的获取不受影响。

宣传引导。在整个自主申报过程中，福田区充分运用报刊、电台、地铁（公交）、高层楼宇等平台，以移动电视、展板以及宣传折页、海报等媒体介质，开展全方位、多角度、立体式的宣传，市民对自主申报工作的知晓率和配合度显著提升，形成了自主申报的社会氛围。

同时，为确保自主申报工作扎实推进，福田区通过敬告执法和联动执法，大力开展专项执法行动，实现了自主申报“软约束”和“硬约束”。一是开展敬告执法；二是建立“三联执法”机制；三是开展专项执法行动。

强化监督。福田区通过建立健全指导督办工作机制，强力推进自主申报工作的全面开展。一是建立两级指导培训工作机制；二是建立每周通报工作机制；三是实施约谈推进工作机制；四是落实目标量化责任机制；五是建立奖励激励机制。

福田区多措并举推进人口信息自主申报工作，在理念模式和可操作性上独具特色，并经过一段时期的工作推进，取得突出成效。深化民生微实事改革

城市社区治理创新是社会治理创新的重要支撑点，而社区治理创新的重点则是如何完善社区居民参与社区治理的机制和渠道，如何提高社区居民公众参与社区治理的积极性，如何培育和提高社区居民社区自治的能力，只有社区居民才最了解本社区的情况和自身的需求与偏好，因此创新社区治理方式，激活社区居民自治是引导公众参与社会治理的重要途径，是形成多元化社会治理格局不可或缺的内容。在探索社区治理创新，激活社区居民自治方面，深圳福田区通过开展“民生微实事”改革，以高效、快速解决百姓迫切需要、普遍关注的小事、急事、难事为切入点，创新性地走出一条社区居民“自我管理、自我服务、自我教育、自我监督”的社区自治推进路径。

“民生微实事”改革的主要内容是福田区人大代表提出的由区财政安排专项资金，建设社区居民普遍关心和迫切需要的民生小项目。“民生微实事”项目的特点是单个项目资金量少，都是群众热切希望解决的惠民小项目。内容主要涉及小区设施维护、环境改造、文化服务等群众迫切需要的方方面面。福田区委、区政府高度重视这项改革，制定《福田区“民生微实事”改革项目工作指引》，同时把该项改革同2012年福田区创新推出的“居民议事会”项目相结合，实现了“以居民议事会为平台，以居民共同商议、集体决策实事项目为内容，以议事规则为保障”的“平台+内容+制度”的系统整合。“民生微实事”改革的所有微实事项目均来源于居民群众，并经居民议事会全体成员民主投票决议之后，按照“三议三公开”的原则组织实施。“三议”指项目由社区居民提议，街道党工委组织工作站、居委会、群众、专家商议，居民议事会决议；“三公开”是指决议结果公开、实施过程公开、实施结果和评价公开，充分发挥居民决议作用。以上措施有效激发了辖区居民参与社区管理服务事务的热情，发挥了居民自我管理、自我服务、自我教育、自我监督的民主自治权利。

通过实施“民生微实事”改革，福田区一方面提高公共服务支出效能，提升社区居民满意度，改善了党群关系，另一方面有效激活了社区居民自治管理活力，培育了社区自治能力。福田区的“居民议事会”平台本身聚集社区各类组织、精英、贤达、户籍和非户籍居民代表，是社区居民充分表达民意的基础平台。而2014年的“民生微实事”改革项目让这一民主平台更接地气、更有内涵、更具活力。

“民生微实事”改革项目，是福田区一场解决好联系和服务群众“最后一公里”问题的尝试。福田区莲花街道从“小事”入手，不断以问题为导向、需求为导向、实干为导向、责任为导向，创新社区管理模式，通过打造党群“互动圈”、民生“服务圈”、基层“法治圈”、居民“自治圈”，构建了上下互动、党群互信、同心同德、人人参与、邻里和睦的社区“生态系统”。

福田区社会治理方式创新的经验启示

福田区利用织网工程建设和智慧城市建设的契机，把新技术应用与社会治理机制创新相结合，对房屋管理、人口管理、社会参与机制等积极探索，其所取得的经验，对研究大数据背景下的社会治理方式具有重要的理论与实践价值。理念更新是大数据时代社会治理方式创新前提

当今时代，随着物联网、云计算、大数据、移动互联网的发展，传统的信息化和网络概念已经远远不能适应信息技术发展给社会和人民群众生活带来的巨大变化。同时传统的城市管理、居民服务和社会管理模式也必须通过改革实现重大创新，才能及时响应和满足大数据时代社会各个主体共同参与社会治理的需要。深圳市福田区的实践表明，深刻领会正确先进的大数据相关理念，对促进城市转型升级和提高可持续发展能力、提升社会治理能力、实现推进社会治理机制创新、促进社会治理实现管理精细化、服务智慧化、决策科学化、品质高端化，具有重要作用。掌握基础数据是大数据时代社会治理方式创新的基础

大数据时代，社会治理所需的数据和信息迅速增长，各项社会建设工作的开展、各种社会治理方式的创新和各种公共服务的提供都需要大量的基础数据与信息。如果没有掌握大量的基础数据与信息或者政府掌握的信息与数据不能及时更新，政府和各个社会主体就不能真正及时了解社会的各种需求，也无法规划和选择合理的提供服务的路径与方式。

为及时精准掌握全市社区基础数据，深圳市在全市实施“织网工程”，自2013年年底开始全面开展社区网格化管理工作。主要内容是：按照“属地管理、街巷定界、规模适度、无缝衔接、动态管理”的原则，将城市社区划分为一定数量的基础网格，作为社区服务管理的基本单元和相关职能部门实施网格管理的对接基础。

一是科学划分社区基础网格，至2014年5月底，全市共划分社区基础网格16417个。二是为规范基础信息采集行为、统一信息采集项目，开发社区综合信息系统终端采集软件，积极探索社区基础数据采集、传输、分流、清洗、二次应用的方法和经验。三是协调设立市、区网格管理机构。四是积极稳妥地推进网格管理队伍整合，按照“一格一员、采办分离”原则，对网格员进行定岗定责，统一采集网格内实有人口、实有法人、实有房屋（城市部件）、实有事件（矛盾纠纷和隐患问题）信息，提供给全市公共信息资源库。五是组织开展PDA采集信息。各区按照核定的网格员数量，逐步落实PDA设备选型和招标采购，网格员利用手持移动PDA设备和身份证读卡器，直接在现场采集、录入、上传人口信息。增强信息采集的实效性，而且提高了信息采集质量，特别是照片上传率、人口信息要素完整率明显提升。流动人口管理是大数据时代创新社会治理方式的有效抓手

现代社会是高风险社会，社会越发展，社会系统越复杂，系统也越发脆弱。社会的许多风险是隐形或潜伏的，并且风险的爆发具有不可预测和不确定性。而在全球化时代和信息时代，人员、信息、资本、资源的跨区域流动越来越频繁、规模越来越大，在促进社会发展的同时也加速了风险的传播和扩大。经过30多年的改革开放和快速发展，中国社会已经由一个低流动性社会发展成为高流动性社会，人口在不同地区之间流动的规模不断增大。人口流动规模及由其带动的社会资源流动规模扩大带来的社会流动性的大幅增加，强化和放大了各种社会风险，给社会治理工作带来无法回避的巨大挑战。

进入大数据时代，一方面，流动人口的规模更大，流动性更高，给社会治理带来更大的挑战。另一方面，新技术的采用、对数据价值的更深层次的挖掘和应用、理念的更新、政府职能的转变和业务流程再造、新参与渠道的不断扩展也为流动人口管理工作效能提升和社会治理能力提高提供了重要契机和可能。社会管理和社会治理的主要区别在于，管理偏重于政府的主体作用，治理则注重多元主体的共同作用。社会治理的创新和改善，离不开各种社会主体的对社会治理共同参与，而完善流动人口对社会治理的参与机制和参与方式，扩展流动人口参与渠道是进一步提高我国社会治理能力，完善治理机制的重要内容。

出租屋管理是联结高流动性社会中社会治理各个方面的关节点。大数据时代，社会也具有高度的流动性，在高度流动的人流、信息流、资本流和物流中，物业或房屋既具有相对的稳定性，同时社会治理的对象主要是人和各个社会主体，而任何人口的流动过程或者法人的变更过程都离不开居住地或注册地的变动。因此，加强出租屋管理是提高社会治理能力和强化流动人口管理的重要途径。2007年深圳在全国率先探索建立房屋编码制度。按照一户一码、统一编号的原则，对所有房屋包括合法和违法建筑分别设定了唯一的房屋编码，实现实有房屋全覆盖，并制作房屋电子地图。房屋编码实行动态管理，房建设码、房拆取消、定期普查、及时更新，房屋编码不仅是出租屋登记管理的重要依据，而且逐步应用到居住证发证、门楼牌管理和城市管理的其他方面。建设服务型政府是大数据时代社会治理方式创新的关键

大数据时代社会治理方式创新必须转变政府职能，建设服务型政府，充分运用大数据系统，提升政府便民服务水平，提高政府行政管理效能至关重要。从福田区的实践来看，从全员上门采集到有针对性上门核对，更多体现政府从“重管理”到“重服务”理念和行动的真实转变，核对信息的服务模式更容易让市民接受，也避免了重复扰民现象。另外，申报的数据通过与智慧福田综合数据库的碰撞，将实现区、街道、社区三级服务大厅和办事窗口之间数据的随机调用，市民在任何一个就近的办事窗口都可以利用申报的数据办理居住证、子女入学、计划生育、高龄补贴等业务，减少了大量纸质材料的提交、审核，提高了办事效率。同时，从社区居民密切相关“小事”切入，能够有效推进我国的城市社区治理从政府管理向社区居民自我治理转变，有利于为社会治理构建最为坚实的民意和群众基础。

同时，政府从上户全员采集信息到大部分信息主动申报的模式转变，政府把有限的资源用于对少数重点人群的管理，使政府资源的配置更趋合理，实现了由社会管理向社会治理方式的转变。另外，自主申报不再是人海战术的上户采集，只需对自主申报的信息开展有针对性上户核查和上门服务，各街道把释放出来的人力、财力用于民生服务和稳定队伍、优化结构，调动了基层一线工作人员的积极性。实施自主申报后，全区综管员配备减少11%，减员增效初步显现。

（调研组成员：张文王强 乔智陈明达 唐玉春 曹立）

2.大数据与社会保障 篇二

“一个真正的信息社会,首先是一个公民社会”,这是涂子沛所著《大数据》一书的出发点。这个出发点说明,信息社会最大的特点就是信息的自由流动。信息自由,一为信息公开,二为信息发布。公开是政府和某一社会特定主体的关系,是点对点的;信息发布是政府和社会的关系,是点对面的。因此,在与政府建立关系过程中,如果没有人的平等和自由,信息就不能称作是自由流动,人们的创造力也将无法迸发。信息自由法已经成为美国不可缺少的一个基本法案,只有信息自由才谈得上进一步的数据开放和数据共享。一个真正的大数据时代,重中之重是人的行为,是以人为本的信息社会。

在演绎信息社会的时候,它的背景就是正汹涌而来的大数据浪潮。首先需要明确的是,“大数据”之“大”,更多的意义在于人类可以“分析和使用”的数据在大量增加。通过这些数据的交换、整合和分析,人类可以发现新的知识,创造新的价值,带来“大知识”“大科技”“大利润”和“大发展”。从这种意义上看,笔者对大数据有了两个维度的理解:一个是商业应用的,如各种以数据展开的创新实践;一个是历史警示的。因此,大数据浪潮绝不仅仅是信息技术领域的革命,更是在全球范围启动透明政府、加速企业创新、引领社会变革的利器,它的最终落脚点都是信息社会的秩序稳定和高效运转。

在从大价值的角度理解了大数据的内涵后,再把数据放回到物理事件中,从它和其他现象的联系中把握和考察它的因果关系,那么大数据究竟是怎么产生的?作者认为,“大数据”的产生有五个因素:第一个是摩尔定律,第二个是组织计算,第三个是普适计算,第四个是数据挖掘,第五个是社交媒体。摩尔定律为人们解决一个问题,就是人类现在可以以很低的成本来保存数据,在某种意义上,信息共享的成本也将越来越低。这里体现了信息的无限共享性;普适计算使人类收集数据的能力得到增强,不仅能保存数据,还能广泛地收集数据,并且对数据进行计算;数据挖掘在收集、保存数据的基础上,又加强了人们的数据分析能力;到社交媒体时代来临的2004年,大数据时代真正拉开帷幕,大家都在贡献数据,这时的数据量是前所未有的,人类数据的80%都是非结构化数据。这样看来,摩尔定律和普适计算代表人类进入一个机会平等、信息更充分的社会,数据挖掘和社交媒体则代表人类进入了一个信息流动、开放的社会。在这样的社会环境中,每一个人在面对很多社会禁忌时,可以利用自己的信息和知识做出自己的决定,不盲从。数据在开放,知识在自动地流动,每个人的心里都有理想主义的火花,它可以被点燃,燃成火焰,进而迸发出非凡的能量。

既然大数据时代为人们提供了一个开放的社会,那么开放数据这一战略性步骤在信息社会中意味着什么呢?首先需要说明的是开放的社会是人类社会一个不可逆转、不断加速的社会思潮,而开放的数据则是大数据时代中需要政府、企业、公民付出巨大努力的一项艰巨任务。涂子沛在演讲中曾说过:“收集数据是一种意识,使用数据是一种习惯,开放数据则是一种态度。”数据增值的关键在于整合,但自由整合的前提是数据的开放。开放数据是指将原始的数据及其相关元数据以可以下载的电子格式放在互联网上,让其他方自由使用。开放数据和公开数据是两个不同的概念,公开是信息层面的,是一条一条的;开放是数据库层面的,是一片一片的。开放也不一定代表免费,企业的数据可以以收费的形式开放。开放也是有层次的,可以对某个群体、某个组织开放,也可以对整个社会开放。

“除了上帝,任何人都必须用数据说话。”重视数据、崇尚精准的理性分析是西方文明的基石,和西方文明相比,中国的传统文化存在重定性、重概括、轻逻辑及轻数据的倾向和习惯。这种文化习惯使中国人长期沉浸在含蓄、模糊的审美意识中,满足基于相似的“模糊联想”,止步于用逻辑来分析、用数据来证明,最终将表象上的相似当作本质上的相同。胡适先生当年对这种“差不多主义”进行了严厉的鞭笞和批评,大数据时代的信息社会就需要对这种“差不多”果断说“不”。

收集数据、使用数据、开放数据,都是大数据时代中国人需要一一面对的挑战。这三大挑战,没有一个不是任重道远。但这些挑战,也是人们在大数据时代彻底摘掉“差不多先生”文化标签的重大历史机遇。如果在这个数据意义凸显的时代,我们需要抓住这些历史机遇,离开漠视数据、拒绝精准、故步自封的老路。诚然,大数据浪潮是下一个社会发展阶段的“金矿”和“石油”,当今的中国只有把握住机遇才能赢得未来。

摘要：数据已经成为转型时代的一个新的支点,任何时代的转型都是一个机遇,无论是企业还是国家,机遇抓住了就可能成为竞争的优势,如果落后了,就会成为新的落后的理由。

3.大数据与社会保障 篇三

【关键字】大数据；数据库；安全；保障体系

一、引言

随着我国的信息化进程和网络化社会的快速发展，物联网和云计算技术正在处于研究与应用的热潮的同时，大数据掀起了新一轮的技术浪潮。信息化时代的进步使得人类活动产生巨量的信息资料，传统数据库系统难以快速、高效的对其进行获取、储存和处理。因此，大数据数据库应运而生，大数据数据库的应用范围很广，如谷歌浏览器利用搜索关键词对禽流感散布情况进行预测、美国利用大数据预测犯罪的发生等。大数据在企业发展、国家政策制定等诸多领域中应用越来越广泛，而相应的数据库安全以及数据库的保障体系也成了研究热点。

二、大数据背景下的数据库安全问题

大数据背景下数据库的安全问题主要来自如下几个方面：

（一）云平台数据的安全问题

目前，大多数企业创建了云平台。云平台经常面临来自大数据的具有挑战性的存储和处理的需求。而大数据的需求有着不可预见的数据安全威胁。例如，云平台的大数据对于黑客来讲，是一个非常具有吸引力的目标，这位大数据的数据库安全保障体系提出了新的挑战。

（二）个人设备的安全问题

随着移动设备的普及，来自移动设备的数据爆炸式增长。企业和政府的大数据数据库面临着来自本地员工移动设备的安全风险。移动设备的安全防护能力差，从移动设备进行数据库攻击、数据盗取等风险陡然提高。

（三）供应链产生的安全问题

大型企业的生产以及营销是非常复杂的，各个企业和部门都处于全球供应链中，然而供应链的复杂性带来了其高风险和脆弱性，造成数据库安全威胁，轻则导致数据遭到破坏，重则对国家安全造成威胁。

三、大数据背景下的数据库安全保障体系

（一）配置安全的外部环境

首先，通过合理的网络资源分配，保证数据库服务器能够在高可靠性、高效以及高安全性特征下运行。其次，建立防火墙，防火墙是数据安全的第一层防护措施，通过设置防火墙的安全等级，能够限制访问权限，从而保证信息不会被越权访问，造成数据的泄露。另外，通过设置网络防火墙的安全等级，能够以分区的形式进行数据防护，保证每一个分区数据的安全，更加便于安全管理。再次，增加入侵检测技术，能够抵御来自服务器内部网络的攻击，发出警报，防止数据安全威胁。最后，增加漏洞扫描技术。系统的漏洞会对数据库造成莫大的威胁，定期对数据库进行漏洞扫描，可以避免数据遭到非法用户的篡改和盗取。

（二）增强安全建设机制

首先，使用安全的操作系统，Unix作为服务器首选的操作系统，能够给我们提供安全可靠的服务器使用环境。其次，对数据文件进行加密，只有经过授权的用户才能够访问数据文件。数据库的加密方式一般由库外加密和库内加密两种形式。再次，使用数据库视图，通过对数据库的视图访问，能够对不同用户权限，给予不同的访问信息。客户端的数据库代码书写不规范，容易造成注入式的后台攻击，采用该数据库视图则可以规避这种风险。

（三）采用安全管理机制

对用户的口令进行严格控制管理，杜绝一切未经授权的用户访问。对用户进权限管理，利用用户不同的权限限制对数据库的操作。一般权限有两种类型，即系统权限和对象权限。其中系统权限是执行一种特殊动作或者在对象类型上执行一种特殊动作的权利。

（四）审计追踪

用户活动行为审计追踪是一种基本的入侵检测的方法。该方法是一种极主动的安全措施，通过审计能够监视系统近期的活动，收集系统各个方面的数据信息。对数据库进行审计主要从访问、查询以及修改等敏感操作进行监控与记录，及时发现来自非法用户的威胁。审计还能够收集指定数据库活动，例如记录哪表格经常被修改，用户的某一种操作的频繁度等等，通过审计能够有效防范不安全的因素。

（五）移动互联网的立法建设

无线设备，例如手机、平板电脑以及笔记本电脑进行网络接入时进行实名制认证。实名制认证即能够有效的防范网络犯罪，也能有效的维护消费者的合法权益。目前，手机的实名制已经实施，其余的无线设备接入，还需进一步的立法规范和信息技术的支持。

总 结

本文对大数据时代的数据库应用做了详细阐述，分析了大数据背景下的数据库安全问题，并从配置安全的外部环境、增强安全建设机制、采用安全管理机制、审计追踪、移动互联网的立法建设五个方面对大数据背景下的数据库安全保障体系进行深入的探讨。

参考文献：

[1] 王珊，王会举，覃雄派，周烜. 架构大数据：挑战、现状与展望[J]. 计算机学报. 2011（10）：12-15.

[2] 覃雄派，王会举，杜小勇，王珊. 大数据分析——RDBMS与MapReduce的竞争与共生[J]. 软件学报. 2012（01）；19-23.

[3] 李国杰，程学旗. 大数据研究：未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J]. 中国科学院院刊. 2012（06）：18-20.

[4] 王飞跃. 知识产生方式和科技决策支撑的重大变革——面向大数据和开源信息的科技态势解析与决策服务[J]. 中国科学院院刊. 2012（05）：97-99.

4.大数据与社会保障 篇四

【关键词】安居工程审计 分配管理 大数据分析

一、大数据背景下的保障性安居工程审计

作为经济运行综合性监督部门，保持对社会经济数据的灵敏感触，深挖细掘、充分运用，是大数据时代对审计工作的内在要求和必然选择。国务院印发《关于加强审计工作的意见》第十九条明确提出：探索在审计实践中运用大数据技术的途径，加大数据综合利用力度，提高运用信息化技术查核问题、评价判断、宏观分析的能力。这是国家首次在文件中将大数据审计列入审计信息化工作重点。审计部门作为经济运行综合性监督部门，和数据有着天然的联系，每天都会产生大量的数据，这些数据都是真实可靠性的，不是通过预测和推理得到的，具有非常大的价值。所以审计部门要保持对社会经济数据的灵敏触感，并深度挖掘、充分运用所拥有的数据，这是在大数据时代背景下，审计服务国家治理的内在要求和必然选择。本次保障性安居工程跟踪审计包括各类棚户区改造和廉租房、公共租赁住房、经济适用房、农村及垦区危房等保障性住房的投资、建设、分配、运营等情况，审计涉及财政、融资、分配、工程建设等多方面内容。审计署在对地方审计业务工作的指导意见中，明确要求各级审计机关重点加强保障性安居工程跟踪审计，促进党中央、国务院各项保障性住房政策措施的有效落实和工作目标任务的全面完成，促进保障性住房的公平分配和规范管理[1]。为保质保量完成审计任务，必须做到部门协调顺畅、方法有效。保障房的分配和使用是审计中应关注的重点内容，也是审计的难点。面对大量的保障房房源和申请家庭信息，运用大数据技术开展保障房审计是必由之路，运用多部门数据的联合比对是实施保障房审计的有效手段，能极大地提高审计效率。

二、保障性安居工程分配管理方面审计重点 李克强总理曾强调：“确保公平分配是关系保障性安居工程成败及可持续发展的‘生命线’”。要抓好保障房资源分配与保障效果的集合，关注保障性住房分配与运行管理中的公平公正问题。分配问题解决不好，就会造成新的不公和社会矛盾，分配管理审计可从以下几个方面为切入点，使真正的住房困难群众受益，真正把保障性住房建设成果转化为惠民成果。

一是审核保障对象资格及流程。由于住房保障对象资格审核手段单一，需要相关部门提供或佐证保障对象收入和财产状况的信息，而各部门之间未能实现数据共享，致使保障对象的核查工作流于形式，不利于住房保障政策的实施。审计实施过程中，通过SQL计算机辅助审计，筛查疑点，审查分配结果是否公平，是否存在利用虚假申报材料骗取保障房或补助资金。了解当地政府是否建立了科学有效的申请、审核、公示、复核、退出等制度，包括申请申报阶段、审核和公示阶段及后续入住等环节住房分配制度是否健全完整，制度设计是否公平，分配过程是否公开透明。

二是审核保障性住房动态管理及退出机制。由于个人工作、家庭收入以及个人财产属于动态变化因素，实行保障性住房的定期复核是保障性住房政策落实的重要内容。了解社区、街道、民政部门是否定期复核，是否及时把握保障对象的动态信息，实现对保障对象的动态管理，查看是否存在违规将保障性住房出售、转借、出租、闲置，以及未将租赁补贴用于改善住房条件等问题。由于保障性住房数量有限，若不能实行严格的退出机制，势必造成已不符合资格的人群继续享受保障政策而侵占了其它需要保障人群的利益，从而引起社会不公，需要审查保障性住房退出机制是否健全。三是分清责任，加大问责力度。由于缺乏相应的问责机制，对违规的单位和经办人员不能严加处理，对违规领取补贴对象仅采取停发等处理方式，未采取相应处罚措施。审计实施过程中，对于刻意隐瞒收入、伪造收入证明等方式取得资格保障的家庭要取消其资格，并将其记入不良信息档案，规定时限失去申请保障性住房资格。另外，对于相关部门管理人员或具体经办人员有徇私舞弊问题，应进行严肃处理。

三、运用大数据分析，创新审计方法

我们把审查分配环节中可能存在的“骗钱、骗租、骗售”等问题作为审计工作的一项重要内容。主要审查有无以虚假材料申请住房保障待遇的问题，揭示已拥有住房、高收入等不符合条件家庭，采取编造虚假证明材料申报、串通工作人员违规审批等手段，骗取住房保障待遇的问题。为了有效实现这一审计目标，我们采取了计算机审计方法对取得的相关数据进行比对、核实。有了大数据分析的支持，审计人员犹如多了一双透视眼，可以快速锁定疑点，并追询疑点、定向排查、查实查透。从保障对象是否收入超标、已死亡、经商办企业、机关编内人员、拥有车辆、拥有其他房产等多个角度考虑，对保障对象申请资格和动态管理情况进行审查，从保障房分配后是否出租、私下转让、长期闲置等多个方面着手，对保障房分配后的使用绩效进行跟踪。并对数据来源、数据采集、数据筛选、数据分析比对等各个环节可行性进行论证，创新审计方法，强化计算机实施方案的可操作性。

（一）查处违规享受廉租房实物配租、经济适用住房配售问题。

1.将享受房实物配租、经济适用住房配售信息与享受公积金家庭信息表关联查询，筛查出疑点数据61条，其中缴纳公积金享受廉租房实物配租数据6条，缴纳公积金享受经济适用住房配售数据55条。

2.将享受廉租房实物配租、经济适用住房配售信息与拥有车辆信息表关联查询，筛查出疑点数据48条。

3.将享受廉租房实物配租、经济适用住房配售信息与机关事业单位缴纳养老保险信息表关联查询，筛查出享受保障性住房人员缴纳养老保险的情况，共16条疑点数据。

4.将享受廉租房实物配租信息与已死亡人口信息表相关联，筛查出已死亡人口享受廉租房实物配租疑点数据1条。

（二）查处违规领取农村危房改造补贴问题。

1.根据政策规定一户只能享受一次危房改造补助，对《申请人员基本情况表》以身份证号为关键字进行筛选，查找重复申请危房改造资金的人员情况。

2.将领取农村危房改造补贴资金表与机关事业单位人员基本情况表以身份证号相关联进行比对，生成机关事业单位人员领取危房改造补助资金疑点数据4条。3.以贫困户的身份证号作为关键字，将补助资金发放花名册与该地区贫困户花名册进行比对，查询不在民政或扶贫部门提供的贫困户名单内的人员享受贫困户补助资金。

4.在领取农村危房改造补贴资金表中查询身份证号重复出现的情况，即可得到是否存在一人多次领取危房改造资金补助的信息。

（三）查处违规领取保障房租赁补贴问题。

1.将低收入家庭信息表与领取住房租赁补贴人员信息表进行比对，生成非低收入人员领取住房租赁补贴疑点数据10条。

2.将低保家庭信息表与领取住房租赁补贴人员信息表进行比对，生成非低保人员领取住房租赁补贴疑点数据3条。

通过以上数据关联分析，生成违规享受保障房及农村危房改造待遇数据疑点，再有针对性地延伸到乡镇、村，直至入户进行调查落实，最终核实保障房申请人身份及保障房待遇资格的真实情况。

5.大数据时代下数据挖掘技术与应用 篇五

【摘要】人类进入信息化时代以后，短短的数年时间，积累了大量的数据，步入了大数据时代，数据技术也就应运而生，成为了一种新的主流技术。而研究数据挖掘技术的理念、方法以及应用领域，将对我国各个领域的未来带来更多的机遇和挑战。本文就大数据时代下数据挖掘技术与应用进行探究。

【关键词】大数据，数据挖掘，互联网

数据挖掘是一门新兴的学科，它诞生于20世纪80年代，主要面向商业应用的人工只能研究领域。从技术角度来看，数据挖掘就是从大量的复杂的、不规则的、随机的、模糊的数据中获取隐含的、人们事先没有发觉的、有潜在价值和知识的过程。从商业角度来说，数据挖掘就是从庞大的数据库中抽取、转换、分析一些潜在规律和价值，从中获取辅助商业决策的关键信息和有用知识。

1.数据挖掘的基本分析方法

分析方法是数据挖掘的核心工作，通过科学可靠的算法才能实现数据的挖掘，找出数据中潜在的规律，通过不同的分析方法，将解决不同类型的问题。目前常用的方法有聚类分析、特征数据分析法、关联性分析等。

1.1聚类分析法。简单来说聚类分析就是通过将数据对象进行聚类分组，然后形成板块，将毫无逻辑的数据变成了有联系性的分组数据，然后从其中获取具有一定价值的数据内容进行进一步的利用。由于这种分析方法不能够较好的就数据类别、属性进行分类，所以聚类分析法一般都运用心理学、统计学、数据识别等方面。

1.2特征性数据分析法。网络数据随着信息时代的到来变成了数据爆炸式，其数据资源十分广泛并且得到了一定的普及，如何就网络爆炸式数据进行关于特性的分类就成为了当下数据整理分类的主要内容。此外还有很多方法都是通过计算机来进行虚拟数据的分类，寻找数据之间存在的普遍规律性完成数据的特性分析从而进行进一步分类。

1.3关联性分析法。有时数据本身存在一定的隐蔽性使得很难通过普通的数据分析法进行数据挖掘和利用，这就需要通过关联性分析法完成对于数据信息的关联性识别，来帮助人力完成对于数据分辨的任务，这种数据分析方法通常是带着某种目的性进行的，因此比较适用于对数据精准度相对较高的信息管理工作。

2.数据挖掘技术的应用

数据挖掘技术的具体流程就是先通过对于海量数据的保存，然后就已有数据中进行分析、整理、选择、转换等，数据的准备工作是数据挖掘技术的前提，也是决定数据挖掘技术效率及质量的主要因素。在完成数据准备工作后进一步对数据进行挖掘，然后对数据进行评估，最后实现运用。因此，数据挖掘能够运用到很多方面。如数据量巨大的互联网行业、天文学、气象学、生物技术，以及医疗保健、教育教学、银行、金融、零售等行业。通过数据挖掘技术将大数据融合在各种社会应用中，数据挖掘的结果参与到政府、企业、个人的决策中，发挥数据挖掘的社会价值，改变人们的生活方式，最大化数据挖掘的积极作用。以教育行业为例，探究数据挖掘技术在高校教育教学活动中的应用。

2.1在高校管理中的应用。数据挖掘技术在高校管理的内容主要包括：高校招生录取工作、贫困生选定以及优秀生评定等。高校每年的招生工作是学校可持续发展的重要环节，直接影响到高校教学质量以及发展情况。比如数据挖掘技术在高校管理中的应用主要是对学生高考成绩、志愿填报、以及生源来源地等多方面信息进行整理分类汇总。具体步骤是通过进行数据的收集和预处理，建立相关数据模型，采用分类算法，提取和挖掘对用户有用的信息，然后进行数据挖掘的数据存储形式。目前高校数据挖掘技术应用的范围比较广泛，由于高校管理内容比较复杂，因此在其管理内容的每个小部分也开始利用数据挖掘技术进行管理，比如学生成绩管理，课堂教学评价系统等。

2.2在高校课堂教学评价中的应用。数据挖掘技术在高校课堂教学评价系统中的应用主要也是利用关联分析法。首先先对数据进行预处理工作，数据的预处理是数据挖掘技术的关键步骤，并且直接影响着数据挖掘技术的应用效率。数据预处中要将教师的基本信息、教师教授课程以及教师的职称、学历、学生信息以及学生课表相关信息进行数据初始记录。对于教师的评价内容根据高校自身的条件和需求而定，学校教学评价管理部门登录学校教务系统后，将学生所选择的选项对应转换为教师的分值，通过计算机计算总分后得出教师的学期得分。学生对于教师教学的评价在一定程度上也反映了自己的学习情况，如对教师的评价为零分，则说明学生也否定了自己的学习效果。2.3在高校学生信息管理系统中的应用。高校学生信息管理系统中管理要素主要是学校的领导、任课教师、学生以及家长。系统的功能要包括：对不同的用户设置不同的使用权限；对学生的基本信息以及学生浏览管理网站的记录要做到明确记录；各个学院不同专业的学生课程要能准确公布并允许学生根据实际情况修改；成绩管理要能实现大批量添加及修改；还有比如评优活动、党务管理等具体功能。数据挖掘技术在高校学生信息管理系统中的应用主要是利用决策树的方法。学生信息管理的基本数据就是学生入学时填写的基本信息表，内容包括学生的姓名、学号、考勤以及学习成绩等，这些都是学生特有的属性，学生信息管理利用决策树方法就是将学生的这些属性作为决策元素，监理不同的决策节点，实现对学生全方位的考核和评价，完整的了解到每位学生的具体信息。

2.4高校图书馆信息系统中的应用。数据挖掘技术最基本的应用就是通过对现有的数据进行分析来了解学校图书馆现有资源利用情况，为图书馆的未来建设提供可靠数据。数据挖掘技术能够使图书馆资源得到极大程度的优化整合。比如数据挖掘技术可以对检索记录进行整理，将手工数据转变为电子数据记录。其最大的优势就是利用数据挖掘技术更加全面的分析总结数据库资源，帮助图书馆管理人员对于图书馆信息的补充和调整，还能够为高校图书馆的馆藏工作建设提供有效的引导。数据挖掘还能应用于图书馆的多媒体数字资源，多媒体数据挖掘技术能够更为快捷和准确的为读者提供相应的服务。

3.结语

数据挖掘技术是近几年新产生的网络技术，可是它的广泛应用性受到了很多公司以及研究人员的喜爱。这些年来，伴随着时间的推移以及网络技术的不断发展大数据挖掘技术不断的被更新，开发，而且在金融、管理、教学等行业中都得到了广泛的应用。我相信随着网络技术的不断发展，大数据挖掘技术的应用面将会越来越广。

【参考文献】

6.大数据与云计算论文 篇六

摘 要：大数据（Big Data）这个概念近年来在越来越多的场合、被越来越多的人提及，并且经常和云计算联系在一起，云计算与大数据之间到底是什么关系成为热点话题。本

专题报告包含以下四个方面内容：1.大数据的价值；2.大数据带来的挑战;3.大数据研究成果；4.云计算是大数据挖掘的主流方式。通过本报告阐述我们对大数据的理解，以及对大数据的价值的认识，探讨大数据处理与挖掘技术，大数据主要着眼于“数据”，提供数据采集、挖掘、分析的技术和方法;云计算技术主要关注“计算”，提供IT 解决方案。大数据、云计算技术可以促进持续审计方式的发展、总体审计模式的应用、审计成果的综合应用、相关关系证据的应用、高效数据审计的发展和大数据审计师的发展。强化大数据、云计算技术审计应用的措施包括制定长远发展战略、加快审计法规建设、建立行业平台、加强研发和提高利用能力。关键词：大数据 云计算 数据挖掘 对审计影响 政策建议 引言

目前，大数据伴随着云计算技术的发展，正在对全球经济社会生活产生巨大的影响。大数据、云计算技术给现代审计提供了新的技术和方法，要求审计组织和审计人员把握大数据、云计算技术的内容与特征，促进现代审计技术和方法的进一步发展。

一、大数据、云计算的涵义与特征

随着云计算技术的出现，大数据吸引了全世界越来越多的关注。哈佛大学社会学教授加里·金(2012)说: “这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”(一)大数据的涵义与特征

“数据”(data)这个词在拉丁文里是“已知”的意思，也可以理解为“事实”。2009 年，“大数据”概念才逐渐开始在社会上传播。而“大数据”概念真正变得火爆，却是因为美国奥巴马政府在2012 年高调宣布了其“大数据研究和开发计划”。这标志着“大数据”时代真正开始进入社会经济生活中来了。“大数据”(big data)，或称巨量资料，指的是所涉及的数据量规模大到无法利用现行主流软件工具，在一定的时间内实现收集、分析、处理或转化成为帮助决策者决策的可用信息。互联网数据中心(IDC)认为“大数据”是为了更经济、更有效地从高频率、大容量、不同结构和类型的数据中获取价值而设计的新一代架构和技术，用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。大数据具有4 个特点: 第一，数据体量巨大(Volume)，从TB 级别跃升到PB 级别。第二，处理速度快(Velocity)，这与传统的数据挖掘技术有着本质的不同。第三，数据种类多(Variety)，有图片、地理位置信息、视频、网络日志等多种形式。第四，价值密度低，商业价值高(Value)。存在单一数据的价值并不大，但将相关数据聚集在一起，就会有很高的商业价值(金良，2012)。大数据时代，不仅改变了传统的数据采集、处理和应用技术与方法，还促使人们思维方式的改变。大数据的精髓在于促使人们在采集、处理和使用数据时思维的转变，这些转变将改变人们理解和研究社会经济现象的技术和方法。

(1)是在大数据时代，不依赖抽样分析，而可以采集和处理事物整体的全部数据。19 世纪以来，当面临大的样本量时，人们都主要依靠抽样来分析总体。但是，抽样技术是在数据缺乏和取得数据受限制的条件下不得不采用的一种方法，这其实是一种人为的限制。过去，因为记录、储存和分析数据的工具不够科学，只能收集少量数据进行分析。如今，科学技术条件已经有了很大的提高，虽然人类可以处理的数据依然是有限的，但是可以处理的数据量已经大量增加，而且未来会越来越多。随着大数据分析取代抽样分析，社会科学不再单纯依赖于抽样调查和分析实证数据，现在可以收集过去无法收集到的数据，更重要的是，现在可以不再依赖抽样分析。

(2)是在大数据时代，不再热衷于追求数据的精确度，而是追求利用数据的效率。当测量事物的能力受限制时，关注的是获取最精确的结果。但是，在大数据时代，追求精确度已经既无必要又不可行，甚至变得不受欢迎。大数据纷繁多样，优劣掺杂，精准度已不再是分析事物总体的主要手段。拥有了大数据，不再需要对一个事物的现象深究，只要掌握事物的大致发展趋势即可，更重要的是追求数据的及时性和使用效率。与依赖于小数据和精确性的时代相比较，大数据更注重数据的完整性和混杂性，帮助人们进一步认识事物的全貌和真相。

(3)是在大数据时代，人们难以寻求事物直接的因果关系，而是深入认识和利用事物的相关关系。长期以来，寻找因果关系是人类发展过程中形成的传统习惯。寻求因果关系即使很困难且用途不大，但人们无法摆脱认识的传统思维。在大数据时代，人们不必将主要精力放在事物之间因果关系的分析上，而是将主要精力放在寻找事物之间的相关关系上。事物之间的相关关系可能不会准确地告知事物发生的内在原因，但是它会提醒人们事情之间的相互联系。人们可以通过找到一个事物的良好相关关系，帮助其捕捉到事物的现在和预测未来。(二)云计算的涵义与特征

“云计算”概念产生于谷歌和IBM 等大型互联网公司处理海量数据的实践。2006 年8 月9 日，Google首席执行官埃里克·施密特(Eric Schmidt)在搜索引擎大会首次提出“云计算”的概念。2007 年10 月，Google 与IBM 开始在美国大学校园推广云计算技术的计划，这项计划希望能降低分布式计算技术在学术研究方面的成本，并为这些大学提供相关的软硬件设备及技术支持(Michael Mille，2009)。目前全世界关于“云计算”的定义有很多。“云计算”是基于互联网的相关服务的增加、使用和交付模式，是通过互联网来提供动态易扩展且经常是虚拟化的资源。美国国家标准技术研究院(NIST)2009年关于云计算的定义是: “云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问，进入可配置的计算资源共享池(资源包括网络、服务器、存储、应用软件、服务等)，这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。”根据这一定义，云计算的特征主要表现为: 首先，云计算是一种计算模式，具有时间和网络存储的功能。其次，云计算是一条接入路径，通过广泛接入网络以获取计算能力，通过标准机制进行访问。第三，云计算是一个资源池，云计算服务提供商的计算资源，通过多租户模式为不同用户提供服务，并根据用户的需求动态提供不同的物理的或虚拟的资源。第四，云计算是一系列伸缩技术，在信息化和互联网环境下的计算规模可以快速扩大或缩小，计算能力可以快速、弹性获得。第五，云计算是一项可计量的服务，云计算资源的使用情况可以通过云计算系统检测、控制、计量，以自动控制和优化资源使用。(三)大数据与云计算的关系

从整体上看，大数据与云计算是相辅相成的。大数据主要专注实际业务，着眼于“数据”，提供数据采集、挖掘、分析的技术和方法，强调的是数据存储能力。云计算主要关注“计算”，关注IT 架构，提供IT 解决方案，强调的是计算能力，即数据处理能力。如果没有大数据的数据存储，那么云计算的计算能力再强大，也难以找到用武之地;如果没有云计算的数据处理能力，则大数据的数据存储再丰富，也终究难以用于实践中去。

从技术上看，大数据依赖于云计算。海量数据存储技术、海量数据管理技术、MapＲeduce 编程模型都是云计算的关键技术，也都是大数据的技术基础。而数据之所以会变“大”，最重要的便是云计算提供的技术平台。数据被放到“云”上之后，打破了过去那种各自分割的数据存储，更容易被收集和获得，大数据才能呈现在人们眼前。而巨量的数据也只能依靠云计算强大的数据处理能力，才能够“淘尽黄沙始得金”。

从侧重点看，大数据与云计算的侧重点不同。大数据的侧重点是各种数据，广泛、深入挖掘巨量数据，发现数据中的价值，迫使企业从“业务驱动”转变为“数据驱动”。而云计算主要通过互联网广泛获取、扩展和管理计算及存储资源和能力，其侧重点是IT 资源、处理能力和各种应用，以帮助企业节省IT部署成本。云计算使企业的IT 部门受益，而大数据使企业的业务管理部门受益。

从结果看，大数据与云计算带来不同的变化。大数据对社会经济带来的变化是巨大的，涉及到各个领域。大数据已经与资本、人力一起作为生产的主要因素影响着社会经济的发展。数据创造价值，而挖掘数据价值、利用数据的“推动力”就是云计算。云计算将信息存储、分享和挖掘能力极大提高，更经济、高效地将巨量、高速、多变的终端数据存储下来，并随时进行计算与分析。通过云计算对大数据进行分析、总结与预测，会使得决策更可靠，释放出更多大数据的内在价值。

二、大数据、云计算技术对审计的影响分析

审计技术和方法的发展是随着科学和管理技术的发展而发展的。现代审计技术和方法体系是在原始的查账基础上从低级向高级、从不完备到比较完备发展起来的。在业务和会计处理手工操作阶段，审计实施的是账表导向的审计技术和方法;当内部控制理论和方法全面应用于业务和会计处理时，审计实施的是系统导向的审计技术和方法;当风险管理理论和方法全面应用于业务和财务管理时，审计实施的是风险导向审计技术和方法;与风险导向审计技术和方法并行的是，计算机技术广泛应用于业务和会计处理时，审计实施的是IT 审计技术和方法。目前，面对大数据、云计算技术的产生和发展，审计人员需要应时而变来适应由此而带来的变化，分析大数据、云计算技术对审计方式、审计抽样技术、审计报告模式、审计证据搜集等技术和方法的影响。(一)大数据、云计算技术促进持续审计方式的发展

传统审计中，审计人员只是在被审计单位业务完成后才进行审计，而且审计过程中并不是审计所有的数据和信息，只是抽取其中有的一部分进行审计。这种事后和有限的审计对被审计单位复杂的生产经营和管理系统来说很难及时做出正确的评价，而且对于评价日益频繁和复杂的经营管理活动的真实性和合法性则显得过于迟缓。随着信息技术迅速发展，越来越多的审计组织对被审计单位开始实施持续审计方式，以解决审计结果与经济活动的时差问题。但是，审计人员实施持续审计时，往往受目前业务条件和信息化手段的限制，取得的非结构化数据无法数据化，或者无法取得相关的明细数据，致使对问题的判断也难以进一步具体和深入。而大数据、云计算技术可以促进持续审计方式的发展，使信息技术与大数据、云计算技术较好交叉融合，尤其对业务数据和风险控制“实时性”要求较高的特定行业，如银行、证券、保险等行业，在这些行业中实施持续审计迫在眉睫。如审计组织对商业银行的审计，实行与商业银行建立业务和数据系统的接口，在开发的持续审计系统中固化了非结构化数据结构化和数据分析模块，该模块可以在海量贷款客户中挖掘、分析出行业性和区域性贷款风险趋势，实现在线的风险预警，并将发现的风险数据、超预警值指标及问题登记为疑点，并建立实时审计工作底稿，按照重要程度进行归类、核实或下发给现场审计人员进行现场核实，以较好处理非结构化数据的利用和数据的实时分析利用问题。(二)大数据、云计算技术促进总体审计模式的应用

现时的审计模式是在评价被审计单位风险基础上实施抽样审计。在不可能收集和分析被审计单位全部经济业务数据的情况下，现时的审计模式主要依赖于审计抽样，从局部入手推断整体，即从抽取的样本着手进行审计，再据此推断审计对象的整体情况。这种抽样审计模式，由于抽取样本的有限性，而忽视了大量和具体的业务活动，使审计人员无法完全发现和揭示被审计单位的重大舞弊行为，隐藏着重大的审计风险。而大数据、云计算技术对审计人员而言，不仅仅是一种可供采用的技术手段，这些技术和方法将给审计人员提供实施总体审计模式的可行性。利用大数据、云计算技术，对数据的跨行业、跨企业搜集和分析，可以不用随机抽样方法，而采用搜集和分析被审计单位所有数据的总体审计模式。利用大数据、云计算技术的总体审计模式是要分析与审计对象相关的所有数据，使得审计人员可以建立总体审计的思维模式，可以使现代审计获得革命性的变化。审计人员实施总体审计模式，可以规避审计抽样风险。如果能够收集总体的所有数据，就能看到更细微、深入的信息，对数据进行多角度的深层次分析，从而发现隐藏在细节数据中的对审计问题更具价值的信息。同时，审计人员实施总体审计模式，能发现从审计抽样模式所不能发现的问题。大数据、云计算技术给审计人员提供了一种能够从总体把握审计对象的技术手段，从而帮助审计人员能从总体的视角发现以前难以发现的问题。

(三)大数据、云计算技术促进审计成果的综合应用

目前，审计人员的审计成果主要是提供给被审计单位的审计报告，其格式固定，内容单一，包含的信息量较少。随着大数据、云计算技术在审计中广泛应用，审计人员的审计成果除了审计报告外，还有在审计过程中采集、挖掘、分析和处理的大量的资料和数据，可以提供给被审计单位用于改进经营管理，促进审计成果的综合应用，提高审计成果的综合应用效果。首先，审计人员通过对审计中获取的大量数据和相关情况资料的汇总、归纳，从中找出财务、业务和经营管理等方面的内在规律、共性问题和发展趋势，通过汇总归纳宏观性和综合性较强的审计信息，为被审计单位投资者和其他利益相关者提供数据证明、关联分析和决策建议，从而促进被审计单位管理水平的提高。其次，审计人员通过应用大数据、云计算技术，可以将同一问题归入不同的类别进行分析和处理，从不同的角度、不同的层面整合提炼以满足不同层次的需求。再次，审计人员将审计成果进行智能化留存，通过大数据、云计算技术，将问题规则化并固化到系统中，以便于计算或判断问题发展趋势，向被审计单位进行预警。最后。审计人员将审计成果、被审计单位与审计问题进行关联，并进行信息化处理，在进行下次审计时，减少实地审计的时间和工作量，提高审计工作的效率。(四)大数据、云计算技术促进相关关系证据的应用

审计人员在审计过程中，应根据充分、适当的审计证据发表审计意见，出具审计报告。但是，在大数据、云计算环境下，审计人员既面临巨量数据筛选的考验，又面临搜集适当审计证据的挑战。审计人员在搜集审计证据时，传统的思维路径都是基于因果关系来搜集审计证据，而大数据分析将会更多地运用相关关系分析来搜集和发现审计证据。但从审计证据发现的角度来看，由于大数据技术提供了前所未有的跨领域、可供量化的维度，使得审计问题大量的相关信息能够得以记录和计算分析。大数据、云计算技术没有改变事物间的因果关系，但在大数据、云计算技术中对相关关系的开发和利用，使得数据分析对因果逻辑关系的依赖降低了，甚至更多地倾向于应用基于相关关系的数据分析，以相关关系分析为基础的验证是大数据、云计算技术的一项重要特征。在大数据、云计算技术环境下，审计人员能搜集到的审计证据大多是电子证据(秦荣生，2013)。电子证据本身就非常复杂，云计算技术使获取有因果关系的证据更加困难。审计人员应从长期依赖因果关系来搜集和发现审计证据，转变成为利用相关关系来搜集和发现审计证据。(五)大数据、云计算技术促进高效数据审计的发展

直到今天，审计人员的数字审计技术依然建立在精准的基础上。这种思维方式适用于掌握“小数据量”的情况，因为需要分析的数据很少，所以审计人员必须尽可能精准地量化被审计单位的业务。随着大数据、云计算技术成为日常生活中的一部分，审计人员应开始从一个比以前更大、更全面的角度来理解被审计单位，将“样本= 总体”植入审计人员的思维中。相比依赖于小数据和精确性的时代，大数据更强调数据的完整性和混杂性，帮助审计人员进一步接近事情的真相，“局部”和“精确”将不再是审计人员追求的目标，审计人员追求的是事物的“全貌”和“高效”。围绕大数据，一批新兴的数据挖掘、数据存储、数据处理与分析技术将不断涌现。在实施审计时，审计人员应利用大数据、云计算技术，使用分布式拓朴结构、云数据库、联网审计、数据挖掘等新型的技术手段和工具，以提高审计的效率。

(六)大数据、云计算技术促进大数据审计师的发展

大数据、云计算时代，数据的真实、可靠是大数据发挥作用的前提。这客观上要求专业人员来对大数据的真实性、可靠性进行鉴证，审计人员可以扮演这种角色，或者称为数据审计师。能对大数据真实性、可靠性进行鉴证的数据审计师应该是计算机科学、数学、统计学和审计学领域的专家，他们应有大数据分析和预测的评估能力。数据审计师应恪守公正的立场和严守保密的原则，面对海量的数据和纷繁复杂的相关关系，选取分析和预测工具，以及解读数据及数据计算结果是否真实、可靠。一旦出现争议，数据审计师有权审查与分析结果相关的运算法则、统计方法以及数据采集、挖掘和处理过程。数据审计师的出现是为满足以市场为导向来解决数据真实性、可靠性问题的需求，这与20 世纪初期为了处理财务信息虚假而出现的审计人员一样，都是为了满足新需求而出现的。

三、大数据挖掘

数据的价值只有通过数据挖掘才能从低价值密度的数据中发现其潜在价值，而大数据挖掘技术的实现离不开云计算技术。在业界，全球著名的Google、EMC、惠普、IBM、微软等互联网公司都已经意识到大数据挖掘的重要意义。上述IT 巨头们纷纷通过收购大数据分析公司，进行技术整合，希望从大数据中挖掘更多的商业价值。数据挖掘通常需要遍历训练数据获得相关的统计信息，用于求解或优化模型参数，在大规模数据上进行频繁的数据访问需要耗费大量运算时间。数据挖掘领域长期受益于并行算法和架构的使用，使得性能逐渐提升。过去15 年来，效果尤其显著。试图将这些进步结合起来，并且提炼。GPU平台从并行上得到的性能提升十分显著。这些GPU平台由于采用并行架构，使用并行编程方法，使得计算能力呈几何级数增长。即便是图形处理、游戏编程是公认的复杂，它们也从并行化受益颇多。研究显示数据挖掘、图遍历、有限状态机是并行化未来的热门方向。MapReduce 框架已经被证明是提升GPU 运行数据挖掘算法性能的重要工具。D.Luo 等提出一种非平凡的策略用来并行一系列数据挖掘与数据挖掘问题，包括一类分类SVM 和两类分类SVM，非负最小二乘问题，及L1 正则化回归（lasso）问题。由此得到的乘法算法，可以被直截了当地在如MapReduce 和CUDA 的并行计算环境中实现。K.Shim 在MapReduce 框架下，讨论如何设计高MapReduce 算法，对当前一些基于MapReduce 的数据挖掘和数据挖掘算法进行归纳总结，以便进行大数据的分析。Junbo Zhang 等提出一种新的大数据挖掘技术，即利用MapRedue 实现并行的基于粗糙集的知识获取算法，还提出了下一步的研究方向，即集中于用基于并行技术的粗糙集算法处理非结构化数据。F.Gao 提出了一种新的近似算法使基于核的数据挖掘算法可以有效的处理大规模数据集。当前的基于核的数据挖掘算法由于需要计算核矩阵面临着可伸缩性问题，计算核矩阵需要O(N2)的时间和空间复杂度来计算和存储。该算法计算核矩阵时大幅度降低计算和内存开销，而且并没有明显影响结果的精确度。此外，通过折中结果的一些精度可以控制近似水平。它独立于随后使用的数据挖掘算法并且可以被它们使用。为了阐明近似算法的效果，在其上开发了一个变种的谱聚类算法，此外设计了一个所提出算法的基于MapReduce 的实现。在合成和真实数据集上的实验结果显示，所提出的算法可以获得显著的时间和空间节省。Christian Kaiser 等还利用MapReduce 框架分布式实现了训练一系列核函数学习机，该方法适用于基于核的分类和回归。Christian Kaiser 还介绍了一种扩展版的区域到点建模方法，来适应来自空间区域的大量数据。Yael Ben-Haim 研究了三种MapReduce 实现架构下并行决策树分类算法的设计, 并在Phoenix 共享内存架构上对SPRINT 算法进行了具体的并行实现。F.Yan 考虑了潜在狄利克雷分配（LDA）的两种推理方法——塌缩吉布斯采样（collapsed Gibbssampling，CGS）和塌缩变分贝叶斯推理（collapsedvariational Bayesian，CVB）在GPU 上的并行化问题。为解决GPU 上的有限内存限制问题，F.Yan 提出一种能有效降低内存开销的新颖数据划分方案。这种划分方案也能平衡多重处理器的计算开销，并能容易地避免内存访问冲突。他们使用数据流来处理超大的数据集。大量实验表明F.Yan 的并行推理方法得到的LDA 模型一贯地具有与串行推理方法相同的预测能力；但在一个有30 个多核处理器的GPU 上，CGS 方法得到了26倍的加速，CVB 方法得到了196 倍的加速。他们提出的划分方案和数据流方式使他们的方法在有更多多重处理器时可伸缩，而且可被作为通用技术来并行其它数据挖掘模型。Bao-Liang Lu 提出了一种并行的支持向量机，称为最小最大模块化网络(M3)，它是基“分而治之”的思想解决大规模问题的有效的学习算法。针对异构云中进行大数据分析服务的并行化问题G.Jung 提出了最大覆盖装箱算法来决定系统中多少节点、哪些节点应该应用于大数据分析的并行执行。这种方法可以使大数据进行分配使得各个计算节点可以同步的结束计算，并且使数据块的传输可以和上一个块的计算进行重叠来节省时间。实验表明，这种方法比其他的方法可以提高大约60% 的性能。在分布式系统方面，Cheng 等人 提出一个面向大规模可伸缩数据分析的可伸缩的分布式系统——GLADE。GLADE 通过用户自定义聚合（UDA）接口并且在输入数据上有效地运行来进行数据分析。文章从两个方面来论证了系统的有效性。第一，文章展示了如何使用一系列分析功能来完成数据处理。第二，文章将GLADE 与两种不同类型的系统进行比较：一个用UDA 进行改良的关系型数据库（PostgreSQL）和MapReduce(Hadoop)。然后从运行结果、伸缩性以及运行时间上对不同类型的系统进行了比较。

四、总结 大数据的超大容量自然需要容量大，速度快，安全的存储，满足这种要求的存储离不开云计算。高速产生的大数据只有通过云计算的方式才能在可等待的时间内对其进行处理。同时，云计算是提高对大数据的分析与理解能力的一个可行方案。大数据的价值也只有通

过数据挖掘才能从低价值密度的数据中发现其潜在价值，而大数据挖掘技术的实现离不开云计算技术。总之，云计算是大数据处理的核心支撑技术，是大数据挖掘的主流方式。没有互联网，就没有虚拟化技术为核心的云计算技术，没有云计算就没有大数据处理的支撑技术。

参考文献

秦荣生.大数据、云计算技术对审计的影响研究 何清.大数据与云计算

张为民.云计算: 深刻改变未来

文峰.云计算与云审计———关于未来审计的概念与框架的一些思考

7.如何构建政府社会大数据服务系统 篇七

关键词：社会,大数据,服务,系统

0 引言

随着互联网建设的不断完善和发展, 互联网数据的积累与增长呈几何倍数的增加, 各种互联网数据的爆炸式增长已经超出人们的想象, “大数据“采集、分析与应用已经影响和渗透到当今社会的方方面面, 可以说社会的“大数据“时代已经来临。大数据是继云计算、物联网以后, 信息科技等行业又一次大的技术变革。如何以”大数据“为基础, 充分挖掘用户行为特征, 实现个性化、定制化和智慧化服务等都是现今建设服务型政府面临的新的机遇与挑战。本文对此进行了深入的分析与研究, 主要阐述了“大数据”带给当今社会的影响, 重点探讨如何构建政府社会大数据服务系统。

1 大数据的基本内涵与特征

1. 1 大数据的基本内涵

大数据是指在互联网络中“人、机、物”三元世界在网络空间中交互、融合所产生并在互联网上可获得的需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

1. 2 大数据的基本特征

1) 数据容量巨大, 网络空间的不断发展使数据集合的规模已经从GB、TB到了PB, 而网络大数据甚至以EB和ZB等单位来计算, IDC的研究报告称, 未来几年内全球大数据的存储量将增加20 ~ 30 倍。

2) 数据种类繁多, 其中包括结构化数据、半结构化数据和非结构化数据, 在现代互联网中呈现出非结构化数据大幅增长的特点, 特别是社交网络、移动终端等新技术、新形式的出现和高速发展, 都推动了非结构化数据的增长。

3) 数据流产生的速度较快, 网络大数据的数据流产生经常是动态、快速的, 具有一定的时效性。

4) 数据的复杂性, 在数据的产生流转过程中, 容易受到其它因素的干拢, 影响数据的质量, 以及后期对数据分析所产生的结论。

2 研究与分析

2. 1 大数据服务系统的构建是社会发展的需要

网络大数据是社会经济核心产业信息化升级的重要推动力量, 如何收集、分析、应用这些网络大数据, 更好地了解社会发展的需要, 合理调配各种资源, 使社会资源的应用达到最佳效果, 是社会发展中许多方面所面临的共同难题, 如何使不同的社会发展中遇到的问题和困难, 根据他们的基本共性, 能够通过数字化、信息化的手段得到解决, 关键在于对网络大数据基本共性问题的解决。譬如, 对于某一行业的产业升级与产品调整, 目前对于其相关的非结构化数据缺少统一的表示与分析, 以及有效的方法和工具, 就可以通过对网络大数据进行各相关企业共性问题的分析和研究, 使这一产业下的众多企业能够找出产业升级的具体方法和产品调整的方向, 进而使整个行业迈入新的阶段。

2. 2 大数据服务系统能够推动服务型政府建设

党的十八大报告提出" 要按照建立中国特色社会主义行政体制目标, 深入推进政企分开、政资分开、政事分开、政社分开, 建设职能科学、结构优化、廉洁高效、人民满意的服务型政府。"由此可见, 党的方针政策的最终落脚点是建设人民满意的服务型政府, 而在政府实现由强调自身管制的政治职能向强调社会服务的服务型政府转型过程中, 大数据的出现可以说为这种转型提供了良好的突破口。将大数据运用到经济、社会运行的方方面面, 改进政府机构的工作决策, 使政府机构迅速提高工作效率, 提高应对突发事件的响应和处理能力, 帮助政府更加主动地提供优质的服务和支持, 以大数据带来的服务创新, 彰显紧随时代的执政理念、科学的执政风格和改革创新的执政品质。基于此, 通过对服务型政府的内涵进行剖析, 以政府的管理者通过对管理过程中产生的无序数据进行数据挖掘, 预测民众下一步公共服务需求, 提供更加智能与高效的公共管理与服务。

2. 3 大数据服务系统具有较大的社会覆盖范围

随着互联网的不断普及与发展, 移动设备的普遍使用, 信息交互变得更加便捷, 并且已触及人们生活的各个方面, 如: 舆论参与、购物、旅行、医疗、教育等等。构建社会大数据服务系统不仅可以使生活更加便捷, 更为提高社会服务水平和人们的生活质量提供了指引, 如: 商品评价信息的反馈、服务质量的反馈等。通过与传统信息采取处理的系统相比较, 大数据服务系统具有数据量大, 采集渠道便捷, 处理数据结果反馈快等传统信息采取处理方式无法比拟的优点。使得采集信息的范围更加广泛, 层次更加多样, 数据更加具有代表性, 社会的各个层面均可表达自己的想法和意愿, 为政府决策提供了更加真实、具体和贴近实际的参考。

2. 4 构建社会大数据服务系统能够促进政府管理创新

党的十八届三中全会提出“推进国家治理体系和治理能力现代化”, 大数据就是治理现代化的一种技术路径, 它具有催生管理革命和服务模式创新的效果, 必将给政府职能转变和机构改革带来新气象, 当前, 新一代信息技术已成为加快政府职能转变、规范政府行为、降低行政成本、提高行政效能的有效手段。大数据应用在政府管理创新方面可以从以下三个层次来看:

第一层次, 在行政理论和理念层面上, 通过应用大数据优化政务发展环境, 转变行政理念, 实现行政理论创新, 提高政府工作的透明度, 增强政府工作的科学性、协调性、民主性。

第二层次, 在行政职能、行政体制层面上, 应用大数据整合政府信息资源, 简化政府提供服务的程序, 实现政府职能的科学配置、组织的合理重组和行政业务流程的优化整合, 形成行为规范、运转协调、公正透明、廉洁高效的行政管理体制。

第三层次, 在具体行政手段、方式和行政能力层面上应用大数据和先进的行政管理理念, 建设标准规范、入口统一、功能完善、高效快捷、安全可靠的政府管理信息系统、各类业务系统和协作工作平台, 提升政府部门从行政主导向以人为本的服务型政府转变, 公共管理从传统向现代转型。

3 结论与建议

3. 1 结论

社会大数据服务系统的构建, 是整个社会前进与发展的需要, 更是建设服务型政府的必要基础之一, 大数据如今已经深入到社会生活的各个方面, 正在不断的, 深刻的对人们的生活产生着方方面面的影响, 充分认识社会大数据服系统构建的重要性, 收集, 处理和运用好大数据系统所产生的数据以及分析得出的结果, 已经逐渐成为提升政府服务社会能力的重要考量方面之一, 并且以社会大数据服务系统所延伸的相关产业具有广阔的发展空间和可挖掘潜力。

3. 2 建议

3. 2. 1 深刻认识构建社会大数据服务系统的重要性

数据是基础性资源, 也是重要生产要素。大数据与云计算、物联网等新技术相结合, 正在迅疾并日益深刻地改变人们的生产生活方式。在大数据时代, 对于政府来说, 一方面应承担起引领、推动大数据产业发展的使命; 另一方面应建设政府大数据, 实现政务数据资源的公开和共享。

然而, 一些人对建设政府大数据还存在模糊甚至错误认识。主要表现为两点: 一是认为政府部门不存在大数据, 具有权威性和高价值的政府数据不符合大数据“规模大、形态多、变化快、价值低”的特点; 二是政府部门不需要大数据, 产业界和应用行业是大数据的发起者和淘金者, 大数据对政府工作没有太大价值。这两种观点拘泥于形式化定义, 并未深刻认识到大数据对建设现代服务型政府、智慧型政府以及服务社会民生的重大意义。

建设政府大数据、实现政务数据资源共享是助推国家治理现代化的一种技术路径, 它具有催生国家治理模式创新的效果, 将给国家治理带来路径突破和机制创新。

3. 2. 2 运用社会大数据服务系统提高决策和管理水平

运用大数据能够提高政府决策和管理水平。现实中, 一些领导干部凭经验说话、拍脑袋决策的现象时有发生。这种不符合规律的乱决策常常导致政策在实施过程中与实际情况和群众需求脱节, 无法取得预期效果。构建政府大数据库, 能够帮助决策者全面了解、准确掌握所需信息, 研判发展趋势, 提高决策效率和决策质量, 从而提高决策科学化、民主化和现代化水平。同时, 大数据具有催生思维变革、治理创新的效果, 利用大数据能够帮助政府用新的思路和手段解决交通、医疗、教育等公共问题。通过对海量数据的挖掘与分析还可以更好地提供信息等公共服务, 助力大众创业、万众创新。因此, 政府应正视大数据时代潮流, 主动抓住大数据带来的发展机遇。

3. 2. 3 树立大数据思维

积极主动融入大数据时代。深刻认识大数据的战略资源地位, 顺应大数据发展潮流。转变传统的经验思维和习惯思维, 勇做大数据时代的弄潮儿, 务实创新, 率先垂范, 带头开放数据、共享数据、开发数据, 构建用数据说话、用数据决策、用数据管理、用数据创新的机制, 积极运用大数据进行形势分析、问题研判、精细管理、服务创新。

3. 2. 4 加强顶层设计, 制定大数据发展战略

制定和实施政府大数据发展战略规划、行动计划, 明确政府大数据的发展目标、发展策略、发展布局、重点任务和保障措施。成立政府大数据管理机构, 统筹数据管理工作, 构建国家数据开放平台, 形成政府大数据资源。规范国家大数据标准化体系, 明确政府部门开展政务数据资源共享工作的权、责、利, 加快政府部门数据资源开放进程。研究政府数据开放的内容、机制、程序、途径, 逐步完善非涉密信息开放机制。积极探索市场开发模式, 鼓励社会力量参与政府数据资源的深加工和再利用, 把政府大数据转化成社会财富。

3. 2. 5 推动政府数据资源共享立法, 保障大数据安全

大数据的本质是基于互联网的数据开放共享、互融互通。建设政府大数据, 应在保障数据安全的前提下, 分层次有序地向企业和社会开放数据。推动政府数据资源共享立法, 是保障数据安全的必要之举。以法律的形式明确各级政府部门公开政务数据资源的时间、范围、方式等, 确立“政务数据资源共享是常态, 不共享是特例”的法律原则。在保护国家秘密、商业秘密、个人隐私的前提下, 规范推进政务数据资源跨部门跨地区跨层级共享, 增强政府透明度, 满足社会需要, 推动大数据产业发展

参考文献

[1]朱静薇.大数据时代下图书馆的挑战及其应对策略[J].现代情报, 2013 (5) .

[2]王元卓.网络大数据:现状与展望[J].计算机学报, 2013 (6) .

[3]孔莉.大数据背景下的服务型政府建设探析[J].淮海文汇, 2015 (3) .

[4]吕小刚.大数据时代服务型政府电子政务构建研究[J].中国管理信息化, 2015 (2) .

8.大数据社会的具体场景 篇八

美国NASA如何能提前预知各种天文奇观？风力发电机和创业者开店如何选址？如何才能准确预测并对气象灾害进行预警？包括在未来的城镇化建设过程中，如何打造智能城市？等等，这一系列问题的背后，其实都隐藏着大数据的身影——不仅彰显着大数据的巨大价值，更直观地体现出大数据在各个行业的广阔应用。这些行业应用也都更直白地告诉人们，什么是大数据……

其实，大数据不是突然出现的，在过去的几十年间，数学分析就已经涉猎金融行业了，诺贝尔经济学奖获得者哈里.马克维茨、威廉.夏普、罗伯特.恩格尔就是利用计量经济学知识和金融市场数据来建立数学模型，预测金融市场产品收益同风险波动的关系。

大数据时代的出现简单的讲是海量数据同完美计算能力结合的结果，确切的说是移动互联网、物联网产生了海量的数据，大数据计算技术完美地解决了海量数据的收集、存储、计算、分析的问题。

当我们最初谈大数据的时候，谈的最多的可能是用户行为分析，即通过各种用户行为，包括浏览记录、消费记录、交往和购物娱乐、行动轨迹等产生的数据。由于这些数据本身符合海量，异构的特征，同时通过分析这些数据之间的关联性容易匹配某些结果现象。即有一堆的行为因子x，同时又有一堆的结果构成y，我们找寻到了某种相关性，有利于我们调整后续的各种策略。

为何Google能够做大数据？你思考过吗？因为搜索本身往往是用户行为的一个重要入口，即搜索引擎具备了实时采集多个用户行为的x因子的能力。而这个能力往往是单个电商门户网站无法做到的。但是搜索引擎做大数据的弱势在哪里？即前面谈到的用户和用户之间的关系较难建立，而更多是本身行为之间的相关性。从这个差异上也可以看到搜索引擎更加容易做交通，疾病，气象等方面的大数据分析和预测；而类似电商平台或类似腾讯更加容易做消费和娱乐类的大数据分析和预测。

对于大数据的应用场景，包括各行各业对大数据处理和分析的应用，最核心的还是用户需求。接下来，本文通过梳理各个行业在大数据应用领域面临的挑战、如何寻找突破口来展示其潜在存在的大数据应用场景。

一、医疗大数据 看病更高效

除了较早前就开始利用大数据的互联网公司，医疗行业是让大数据分析最先发扬光大的传统行业之一。医疗行业拥有大量的病例，病理报告，治愈方案，药物报告等等。如果这些数据可以被整理和应用将会极大地帮助医生和病人。我们面对的数目及种类众多的病菌、病毒，以及肿瘤细胞，其都处于不断的进化的过程中。在发现诊断疾病时，疾病的确诊和治疗方案的确定是最困难的。

在未来，借助于大数据平台我们可以收集不同病例和治疗方案，以及病人的基本特征，可以建立针对疾病特点的数据库。如果未来基因技术发展成熟，可以根据病人的基因序列特点进行分类，建立医疗行业的病人分类数据库。在医生诊断病人时可以参考病人的疾病特征、化验报告和检测报告，参考疾病数据库来快速帮助病人确诊，明确定位疾病。在制定治疗方案时，医生可以依据病人的基因特点，调取相似基因、年龄、人种、身体情况相同的有效治疗方案，制定出适合病人的治疗方案，帮助更多人及时进行治疗。同时这些数据也有利于医药行业开发出更加有效的药物和医疗器械。

医疗行业的数据应用一直在进行，但是数据没有打通，都是孤岛数据，没有办法进行大规模应用。未来需要将这些数据统一收集起来，纳入统一的大数据平台，为人类健康造福。政府和医疗行业是推动这一趋势的重要动力。

二、生物大数据 改良基因

自人类基因组计划完成以来，以美国为代表，世界主要发达国家纷纷启动了生命科学基础研究计划，如国际千人基因组计划、DNA百科全书计划、英国十万人基因组计划等。这些计划引领生物数据呈爆炸式增长，目前每年全球产生的生物数据总量已达EB级，生命科学领域正在爆发一次数据革命，生命科学某种程度上已经成为大数据科学。

我们来看看今天的准妈妈们，除了要准备尿布、奶瓶和婴儿装，她们还会把基因测试列入计划单。基因测试能让未来的父母对于他们未出生的baby的健康有更多的了解。对基因携带者筛查和胚胎植入前诊断，使一个家庭孕育小孩的过程产生了巨大改变。

当下，我们所说的生物大数据技术主要是指大数据技术在基因分析上的应用，通过大数据平台人类可以将自身和生物体基因分析的结果进行记录和存储，利用建立基于大数据技术的基因数据库。大数据技术将会加速基因技术的研究，快速帮助科学家进行模型的建立和基因组合模拟计算。基因技术是人类未来战胜疾病的重要武器，借助于大数据技术的应用，人们将会加快自身基因和其它他生物的基因的研究进程。未来利用生物基因技术来改良农作物，利用基因技术来培养人类器官，利用基因技术来消灭害虫都即将实现。

与全球蒸蒸日上的生物大数据创新发展热潮相比，中国的研发及应用才拉开帷幕。我国有四大方面非常欠缺：其一，国内现有的生物大数据分析能力虽然与欧美相差不大，但是在数据分析构架、软件系统与先进的IT技术接轨上有待提升。其二，国外在生物大数据领域的领先人才多，尽管我们也有国际顶级刊物上发表的论文和成果，总体而言，国内高水准团队还是少。其三，欧美讲求成果应用，层出不穷的分析软件可被实验室、临床、产业多方应用。其四，在生物大数据理论研究、标准制定和广泛应用上，中国都亟待全面跟进。

三、金融大数据 理财利器

金融行业的大数据面临的往往是同样的问题，但是情况可能要好点，类似企业和个人的一些信用记录现在有全国性质的统一数据库能够拿到部分数据。但是对于单个银行来说，同样是无法拿到用户在其他银行的行为记录数据的，其二银行本身在做很多信贷风险分析的时候，确实需要大量数据做相关性分析，但是很多数据来源于政府各个职能部门，包括工商税务，质量监督，检察院法院等，这些数据短期仍然是无法拿到。还有就是企业或个人本事日常产生的各种行为数据更难拿到，那么对客户的风险性评估还是得借用原来的老方法而已。

大数据在金融行业应用范围较广，典型的案例有花旗银行利用IBM沃森电脑为财富管理客户推荐产品；美国银行利用客户点击数据集为客户提供特色服务，如有竞争的信用额度；招商银行利用客户刷卡、存取款、电子银行转帐、微信评论等行为数据进行分析，每周给客户发送针对性广告信息，里面有顾客可能感兴趣的产品和优惠信息。

可见，大数据在金融行业的应用可以总结为以下五个方面：

精准营销：依据客户消费习惯、地理位置、消费时间进行推荐

风险管控：依据客户消费和现金流提供信用评级或融资支持，利用客户社交行为记录实施信用卡反欺诈

决策支持：利用抉策树技术进抵押贷款管理，利用数据分析报告实施产业信贷风险控制

效率提升：利用金融行业全局数据了解业务运营薄弱点，利用大数据技术加快内部数据处理速度

产品设计：利用大数据计算技术为财富客户推荐产品，利用客户行为数据设计满足客户需求的金融产品

四、零售大数据 最懂消费者

零售行业大数据应用有两个层面，一个层面是零售行业可以了解客户消费喜好和趋势，进行商品的精准营销，降低营销成本。另一层面是依据客户购买产品，为客户提供可能购买的其它产品，扩大销售额，也属于精准营销范畴。另外零售行业可以通过大数据掌握未来消费趋势，有利于热销商品的进货管理和过季商品的处理。零售行业的数据对于产品生产厂家是非常宝贵的，零售商的数据信息将会有助于资源的有效利用，降低产能过剩，厂商依据零售商的信息按实际需求进行生产，减少不必要的生产浪费。

未来考验零售企业的不再只是零供关系的好坏，而是要看挖掘消费者需求，以及高效整合供应链满足其需求的能力，因此信息科技技术水平的高低成为获得竞争优势的关键要素。不论是国际零售巨头，还是本土零售品牌，要想顶住日渐微薄的利润率带来的压力，在这片红海中立于不败之地，就必须思考如何拥抱新科技，并为顾客们带来更好的消费体验。

想象一下这样的场景，当顾客在地铁候车时，墙上有某一零售商的巨幅数字屏幕广告，可以自由浏览产品信息，对感兴趣的或需要购买的商品用手机扫描下单，约定在晚些时候送到家中。而在顾客浏览商品并最终选购商品后，商家已经了解顾客的喜好及个人详细信息，按要求配货并送达顾客家中。未来，甚至顾客都不需要有任何购买动作，利用之前购买行为产生的大数据，当你的沐浴露剩下最后一滴时，你中意的沐浴露就已送到你的手上，而虽然顾客和商家从未谋面，但已如朋友般熟识。

五、电商大数据 精准营销法宝

电商是最早利用大数据进行精准营销的行业，除了精准营销，电商可以依据客户消费习惯来提前为客户备货，并利用便利店作为货物中转点，在客户下单15分钟内将货物送上门，提高客户体验。马云的菜鸟网络宣称的24小时完成在中国境内的送货，以及京的刘强东宣传未来京东将在15分钟完成送货上门都是基于客户消费习惯的大数据分析和预测。

电商可以利用其交易数据和现金流数据，为其生态圈内的商户提供基于现金流的小额贷款，电商业也可以将此数据提供给银行，同银行合作为中小企业提供信贷支持。由于电商的数据较为集中，数据量足够大，数据种类较多，因此未来电商数据应用将会有更多的想象空间，包括预测流行趋势，消费趋势、地域消费特点、客户消费习惯、各种消费行为的相关度、消费热点、影响消费的重要因素等。依托大数据分析，电商的消费报告将有利于品牌公司产品设计，生产企业的库存管理和计划生产，物流企业的资源配制，生产资料提供方产能安排等等，有利于精细化社会化大生产，有利于精细化社会的出现。

六、农牧大数据 量化生产

大数据在农业应用主要是指依据未来商业需求的预测来进行农牧产品生产，降低菜贱伤农的概率。同时大数据的分析将会更见精确预测未来的天气气候，帮助农牧民做好自然灾害的预防工作。大数据同时也会帮助农民依据消费者消费习惯决定来增加哪些品种的种植，减少哪些品种农作物的生产，提高单位种植面积的产值，同时有助于快速销售农产品，完成资金回流。牧民可以通过大数据分析来安排放牧范围，有效利用牧场。渔民可以利用大数据安排休渔期、定位捕鱼范围等。

由于农产品不容易保存，因此合理种植和养殖农产品对十分重要。如果没有规划好，容易产生菜贱伤农的悲剧。过去出现的猪肉过剩、卷心菜过剩、香蕉过剩的原因就是农牧业没有规划好。借助于大数据提供的消费趋势报告和消费习惯报告，政府将为农牧业生产提供合理引导，建议依据需求进行生产，避免产能过剩，造成不必要的资源和社会财富浪费。农业关乎到国计民生，科学的规划将有助于社会整体效率提升。大数据技术可以帮助政府实现农业的精细化管理，实现科学决策。在数据驱动下，结合无人机技术，农民可以采集农产品生长信息，病虫害信息。相对于过去雇佣飞机成本将大大降低，同时精度也将大大提高。

七、交通大数据 畅通出行

交通作为人类行为的重要组成和重要条件之一，对于大数据的感知也是最急迫的。近年来，我国的智能交通已实现了快速发展，许多技术手段都达到了国际领先水平。但是，问题和困境也非常突出，从各个城市的发展状况来看，智能交通的潜在价值还没有得到有效挖掘：对交通信息的感知和收集有限，对存在于各个管理系统中的海量的数据无法共享运用、有效分析，对交通态势的研判预测乏力，对公众的交通信息服务很难满足需求。这虽然有各地在建设理念、投入上的差异，但是整体上智能交通的现状是效率不高，智能化程度不够，使得很多先进技术设备发挥不了应有的作用，也造成了大量投入上的资金浪费。这其中很重要的问题是小数据时代带来的硬伤：从模拟时代带来的管理思想和技术设备只能进行一定范围的分析，而管理系统的那些关系型数据库只能刻板的分析特定的关系，对于海量数据尤其是半结构、非结构数据无能为力。

尽管现在已经基本实现了数字化，但是数字化和数据化还根本不是一回事，只是局部的提高了采集、存储和应用的效率，本质上并没有太大的改变。而大数据时代的到来必然带来破解难题的重大机遇。大数据必然要求我们改变小数据条件下一味的精确计算，而是更好的面对混杂，把握宏观态势；大数据必然要求我们不再热衷因果关系而是相关关系，使得处理海量非结构化数据成为可能，也必然促使我们努力把一切事物数据化，最终实现管理的便捷高效。

目前，交通的大数据应用主要在两个方面，一方面可以利用大数据传感器数据来了解车辆通行密度，合理进行道路规划包括单行线路规划。另一方面可以利用大活数据来实现即时信号灯调度，提高已有线路运行能力。科学的安排信号灯是一个复杂的系统工程，必须利用大数据计算平台才能计算出一个较为合理的方案。科学的信号灯安排将会提高30%左右已有道路的通行能力。在美国，政府依据某一路段的交通事故信息来增设信号灯，降低了50%以上的交通事故率。机场的航班起降依靠大数据将会提高航班管理的效率，航空公司利用大数据可以提高上座率，降低运行成本。铁路利用大数据可以有效安排客运和货运列车，提高效率、降低成本。

八、教育大数据 因材施教

随着技术的发展，信息技术已在教育领域有了越来越广泛的应用。考试、课堂、师生互动、校园设备使用、家校关系……只要技术达到的地方，各个环节都被数据包裹。

在课堂上，数据不仅可以帮助改善教育教学，在重大教育决策制定和教育改革方面，大数据更有用武之地。美国利用数据来诊断处在辍学危险期的学生、探索教育开支与学生学习成绩提升的关系、探索学生缺课与成绩的关系。举一个比较有趣的例子，教师的高考成绩和所教学生的成绩有关吗？究竟如何，不妨借助数据来看。比如美国某州公立中小学的数据分析显示，在语文成绩上，教师高考分数和学生成绩呈现显著的正相关。也就是说，教师的高考成绩与他们现在所教语文课上的学生学习成绩有很明显的关系，教师的高考成绩越好，学生的语文成绩也越好。这个关系让我们进一步探讨其背后真正的原因。其实，教师高考成绩高低某种程度上是教师的某个特点在起作用，而正是这个特点对教好学生起着至关重要的作用，教师的高考分数可以作为挑选教师的一个指标。如果有了充分的数据，便可以发掘更多的教师特征和学生成绩之间的关系，从而为挑选教师提供更好的参考。

大数据还可以帮助家长和教师甄别出孩子的学习差距和有效的学习方法。比如，美国的麦格劳-希尔教育出版集团就开发出了一种预测评估工具，帮助学生评估他们已有的知识和达标测验所需程度的差距，进而指出学生有待提高的地方。评估工具可以让教师跟踪学生学习情况，从而找到学生的学习特点和方法。有些学生适合按部就班，有些则更适合图式信息和整合信息的非线性学习。这些都可以通过大数据搜集和分析很快识别出来，从而为教育教学提供坚实的依据。

在国内尤其是北京、上海、广东等城市，大数据在教育领域就已有了非常多的应用，譬如像慕课、在线课程、翻转课堂等，其中就应用了大量的大数据工具。

毫无疑问，在不远的将来，无论是针对教育管理部门，还是校长、教师，以及学生和家长，都可以得到针对不同应用的个性化分析报告。通过大数据的分析来优化教育机制，也可以做出更科学的决策，这将带来潜在的教育革命。不久的将来个性化学习终端，将会更多的融入学习资源云平台，根据每个学生的不同兴趣爱好和特长，推送相关领域的前沿技术、资讯、资源乃至未来职业发展方向，等等，并贯穿每个人终身学习的全过程。

九、体育大数据 夺冠精灵

从《点球成金》这部电影开始，体育界的有识之士们终于找到了向往已久的道路，那就是如何利用大数据来让团队发挥最佳水平。从足球到篮球，数据似乎成为赢得比赛甚至是奖杯的金钥匙。

大数据对于体育的改变可以说是方方面面，从运动员本身来讲，可穿戴设备收集的数据可以让自己更了解身体状况。媒体评论员，通过大数据提供的数据更好的解说比赛，分析比赛。数据已经通过大数据分析转化成了洞察力，为体育竞技中的胜利增加筹码，也为身处世界各地的体育爱好者随时随地观赏比赛提供了个性化的体验。

尽管鲜有职业网球选手愿意公开承认自己利用大数据来制定比赛策划和战术，但几乎每一个球员都会在比赛前后使用大数据服务。有教练表示：“在球场上，比赛的输赢取决于比赛策略和战术，以及赛场上连续对打期间的快速反应和决策，但这些细节转瞬即逝，所以数据分析成为一场比赛最关键的部分。对于那些拥护并利用大数据进行决策的选手而言，他们毋庸置疑地将赢得足够竞争优势。”

十、环保大数据 对抗PM2.5

前年7月21日北京遭遇特大暴雨，在一天之内，平均降雨量达164毫米，也是北京市61年以来最大规模暴雨。此次暴雨因来势凶猛而给广大市民生活带来巨大影响。其实，摊上这种事儿，最主要的还是需要气象部门及时、准确地做出预警，并协同其他运营商部门，将这种预警信息第一时间下发到北京市民（包括在京旅行的人士）。也正是如此，前年的那场暴雨不仅暴露出了管理工作上的漏洞，也引起了业内人士关于一场“大数据”的探讨。

气象对社会的影响涉及到方方面面。传统上依赖气象的主要是农业、林业和水运等行业部门，而如今，气象俨然成为了二十一世纪社会发展的资源，并支持定制化服务满足各行各业用户需要。借助于大数据技术，天气预报的准确性和实效性将会大大提高，预报的及时性将会大大提升，同时对于重大自然灾害，例如龙卷风，通过大数据计算平台，人们将会更加精确地了解其运动轨迹和危害的等级，有利于帮助人们提高应对自然灾害的能力。天气预报的准确度的提升和预测周期的延长将会有利于农业生产的安排。

尤其是进入秋冬季以来，我国多个城市爆发雾霾天气，空气污染严重。随着PM2.5对于人体健康的危害日益被公众熟知，人们对于“雾霾假”的呼声也越来越高。有人调侃，重度污染天走在上班路上就是一台“人肉吸尘器”。

由此看来，依靠大数据分析北京或其他城市空气污染的形成及对策，任重道远。一是数据的来源。高耗能企业的生产规模、排放量这些数据是否层层上报，准确统计？掌握此数据的部门是否能向社会公开？北京500万辆汽车所加汽油到底有哪些成分，产生的尾气对空气污染指数的“贡献”率到底多大？二是要冲破数据挖掘分析应用的技术壁垒，当然前提就是数据公开。

在美国NOAA（国家海洋暨大气总署）其实早就在使用大数据业务。每天通过卫星、船只、飞机、浮标、传感器等收集超过35亿份观察数据。收集完毕后，NOAA会汇总大气数据，海洋数据，以及地质数据，进行直接测定，绘制出复杂的高保真预测模型，将其提供给NWS（国家气象局）做出气象预报的参考数据。目前，NOAA每年新增管理的数据量就高达30PB（1PB=1024TB）。由NWS生成的最终分析结果，就呈现在日常的天气预报和预警报道上。

十一、食品大数据 舌尖上的安全

民以食为天，食品安全问题直是国家的重点关注问题，关系着人们的身体健康和国家安全。近几年，毒胶囊、镉大米、瘦肉精、洋奶粉等食品安全事件不断考验着消费者的承受力，让消费者对食品安全产生了担忧。

近几年外国旅游者减少了到中国旅游，进口食品大幅度增加，这其中一个主要原因就是食品安全问题。随着科学技术和生活水平的不断提高，食品添加剂及食品品种越来越多，传统手段难以满足当前复杂的食品监管需求，从不断出现的食品安全问题来看，食品监管成了食品安全的棘手问题。此刻，通过大数据管理将海量数据聚合在一起，将离散的数据需求聚合能形成数据长尾，从而满足传统中难以实现的需求。在数据驱动下，采集人们在互联网上提供的举报信息，国家可以掌握部分乡村和城市的死角信息，挖出不法加工点，提高执法透明度，降低执法成本。国家可以参考医院提供的就诊信息，分析出涉及食品安全的信息，及时进行监督检查，第一时间进行处理，降低已有不安全食品的危害。参考个体在互联网的搜索信息，掌握流行疾病在某些区域和季节的爆发趋势，及时进行干预，降低其流行危害。政府可以提供不安全食品厂商信息，不安全食品信息，帮助人们提高食品安全意识。

当然，有专业人士认为食品安全涉及到从田头到餐桌的每一个环节，需要覆盖全过程的动态监测才能保障食品安全，以稻米生产为例，产地、品种、土壤、水质、病虫害发生、农药种类与数量、化肥、收获、储藏、加工、运输、销售等环节，无一不影响稻米安全状况，通过收集、分析各环节的数据，可以预测某产地将收获的稻谷或生产的稻米是否存在安全隐患。

大数据不仅能带来商业价值，亦能产生社会价值。随着信息技术的发展，食品监管也面临着众多的各种类型的海量数据，如何从中提取有效数据成为关键所在。可见，大数据管理是一项巨大挑战，一方面要及时提取数据以满足食品安全监管需求；另一方面需在数据的潜在价值与个人隐私之间进行平衡。相信大数据管理在食品监管方面的应用，可以为食品安全撑起一把有力的保护伞。

十二、政府调控和财政支出 大数据令其有条不紊

政府利用大数据技术可以了解各地区的经济发展情况，各产业发展情况，消费支出和产品销售情况，依据数据分析结果，科学地制定宏观政策，平衡各产业发展，避免产能过剩，有效利用自然资源和社会资源，提高社会生产效率。大数据还还可以帮助政府进行监控自然资源的管理，无论是国土资源、水资源、矿产资源、能源等，大数据通过各种传感器来提高其管理的精准度。同时大数据技术也能帮助政府进行支出管理，透明合理的财政支出将有利于提高公信力和监督财政支出。

可见，大数据技术带给政府的不仅仅是效率提升、科学决策、精细管理，更重要的是数据治国、科学管理的意识改变，未来大数据将会从各个方面来帮助政府实施高效和精细化管理。政府运作效率的提升，决策的科学客观，财政支出合理透明都将大大提升国家整体实力，成为国家竞争优势。大数据带个国家和社会的益处将会具有极大的想象空间。

十三、舆情监控大数据 名探柯南

《黑猫警长》大家都很熟悉，它讲述的是黑猫警长如何精明能干、对坏人穷追不舍、跌宕起伏的故事情节。拿到大数据时代背景下的话，虽然它也能体现黑猫警长的尽职尽责、聪明能干，但更多的会归结到一个问题：为何还是如此的被动、低效？疾病可以预防，难道犯罪不能预防么？

答案是肯定的。美国密歇根大学研究人员就设计出一种利用超级计算机以及大量数据来帮助警方定位那些最易受到不法份子侵扰片区的方法。具体做法是，研究人员通过大量的多类型数据（从人口统计数据到毒品犯罪数据到各区域所出售酒的种类、治安状况、流动人口数据等等），创建一张波士顿犯罪高发地区热点图。同时，还将相邻片区等各种因素加入到数据模型中，并根据历史犯罪记录和地点统计并不断修正所得出的预测数据。

国家正在将大数据技术用于舆情监控，其收集到的数据除了解民众诉求，降低群体事件之外，还可以用于犯罪管理。大量的社会行为正逐步走向互联网，人们更愿意借助于互联网平台来表述自己的想法和宣泄情绪。社交媒体和朋友圈正成为追踪人们社会行为的平台，正能量的东西有，负能量的东西也不少。一些好心人通过微博来帮助别人寻找走失的亲人或提供可能被拐卖人口的信息，这些都是社会群体互助的例子。国家可以利用社交媒体分享的图片和交流信息，来收集个体情绪信息，预防个体犯罪行为和反社会行为。最近警方通过微搏信息抓获了聚众吸毒的人，处罚了虐待小孩的家长。