城市数据治理实践研究分析.docx

该【城市数据治理实践研究分析 】是由【mossentz】上传分享，文档一共【16】页，该文档可以免费在线阅读，需要了解更多关于【城市数据治理实践研究分析 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。城市数据治理实践
新一轮科技革命蓬勃发展,大数据与5G、云计算、人工智能、区块链等新技术加速融合,重塑技术架构、产品形态和服务模式,推动经济社会的全面创新。各行业各领域数字化进程不断加快,基于大数据的管理和决策模式日益成熟,为产业提质降本增效、政府治理体系和治理能力现代化广泛赋能。
加快数据要素化,开展要素市场化配置改革试点示范,发挥数据要素在联接创新、激活资金、培育人才等的倍增作用,培育数据驱动的产融合作、协同创新等新模式。推动要素数据化,引导各类主体提升数据驱动的生产要素配置能力,促进劳动力、资金、技术等要素在行业间、产业间、区域间的合理配置,提升全要素生产率。
城市数据治理实践
1、城市数据治理背景
数据资源体系是一体化智能化公共数据平台的重要组成部分,由省市县三级体系组成。区级平台是省市两级平台向县(市、区)的拓展和延伸,是提升县(市、区)数据资源管理能力的基础,是赋能县域治理、推动基层数字化改革的保障。区级平台应按照互联互通、以用促建、经济适用、共建共享的原则统筹建设,实现本地数据的目录、
归集、治理、共享和安全管理能力,构建安全可控、分级维护、协同共享的区级数据资源体系,完善全省一体化智能化公共数据平台。
2、城市数据治理解决方案
以深化城市大脑和政府数字化改革应用需求为导向,继续做好区本级部门数据归集、治理、交换、共享为主要建设目的,基于一期一体化智能化公共数据平台,新建运营中心、审批中心、项目管理中心、运维中心、四纵体系,实现数据资源、应用组件、云资源等数据资源要素的统一运营、高效管理、规范运维;完善网络安全、标准规范、组织保障、政策制度等保障要素建设;加强省、市数据回家,基于业务应用需求,结合本地数据构建企业信息专题库、房屋信息专题库、景区景点专题库、古树名木专题库、审批事项专题库、行道树专题库6大专题库,提升数据治理,深化数据应用,不断强化区一体化智能化公共数据平台基础平台能力。
(1)城市数据治理数据目录体系
以IRS门户为入口信息系统普查和数据目录编制遵循一体化架构、差异化定位、多层级赋能基本原则,以IRS门户为入口,依托市级公共数据平台和区级公共数据平台,以构建统一的全域数据资源目录体系目标为导向,全方位、系统性提升公共数据资源目录编制工作效率
与质量,实现数据目录全域性、动态化管理,形成数据目录化、目录全局化、全局动态化。
(2)城市数据治理体系
通过建立数据清洗规则、数据质量评估标准、数据问题反馈机制、数据使用标准等相关规范,对本地数据进行治理,形成数据治理闭环,提升数据质量。数据质量治理体系包括数据质量检查清洗规则配置、检查任务自动执行、检查清洗任务监控预警、问题数据治理闭环管理、上级数据问题对接管理等功能,实现了全域区级数据的统一治理。
(3)城市数据治理数据仓和特色专题库
依托市级平台,做好市级按地域切分的本地数据仓管理,按需将本地数据仓数据与区本级的个性化数据在市级平台上实现融合分析,支撑本地数字化改革。按各业务部门需求建设本地特色专题库,对专题库数据资源进行分类分级管理,并将专题库数据资源纳入本地公共数据目录体系。按照需求导向、以用促建的原则,在归集本地个性化数据的基础上,融合下发数据,支撑本地数字化改革,按需建设街道数据仓。
3、城市数据治理建设成果
(1)提高运维效率,降低城市数据治理开发成本
通过对各领域关键、核心数据元的标准化,使各关联部门在未来数据建设中(包括新增需求或者系统上线维护后提出修改等情况)有章可循、标准统一,避免出现信息混乱、数据孤岛等现象,辅助各部门数据资源创建、运维和系统开发,极大地提高建设开发效率。
(2)有效避免和减少重复投资,节约城市数据治理建设资金
对数据局全局的信息系统建设进行统一规划,将可复用的管理能力、数据计算能力、数据分析能力、数据共享能力、数据处理能力等多方面进行统一整合,避免信息系统的重复建设。
通过对各类数据资源的元数据、数据元、信息资源、业务信息的动态化、精准化、全面化、账目化管理,能够清晰、动态、直观地掌握城市数据资源全局情况,实现全局数据资源管理能级的进一步提升。另一方面,通过大数据技术,让数据说话,使政府的决策更有依据、更智能、更科学。
数据治理发展短板
(一)数据治理规则尚不完善
数据治理统筹协调、分类推进机制不健全,碎片化、分散化治理现象一定程度存在,数据融合应用、协同治理、安全管控等相关政策
法规、标准规范仍需进一步深化,与数据要素市场的高效流动性相适应的新型监管模式亟待建立。
(二)数据聚通尚不充分
数据共享汇聚尚不充分。数据开放效果尚不明显,开放数据的类型、数量、可用性尚不能满足企业数据运用需求。已共享开放数据的完整性、准确性、时效性、可用性等仍有待进一步提升。
(三)数据治理应用尚有差距
应用倒逼数据治理的成果不显著,基于应用需求推动业务流程再造、技术融合、业务融合、数据融合不足,跨部门、跨行业、跨系统的应用场景较少,运行监测、预测预警、实时调度、辅助决策等智能应用作用发挥还不够。
健全综合全面的数字规则
(一)制定数据治理与管理制度规则
建立健全数字规则,围绕数据聚通用、要素流通,推动数据管理、数据安全等规则建设。深入落实《中华人民共和国网络安全法》《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》《关键信息基础设施安全保护条例》等法律法规,推动出台大数据发展管理地方性法规,实施数字规则意见,开展大数据发展管理领域立法先
行先试,全面建立数据收集、汇聚、共享、开放、应用、交易、安全、执法监管等制度。
(二)健全公共数据治理与管理规则
推动与群众利益密切相关的医疗、教育、供水、供电、供气、通信、环境保护、公共交通等公共企事业单位数据采集、汇聚、共享、开放、利用等纳入公共数据管理体系。
(三)建立行业数据治理与管理规则
建立行业主管部门与大数据主管部门协调配合机制,推进行业数据联合治理、管理常态化。推进工业、交通、卫生健康、教育、金融等行业主管部门制定符合本行业特点的数据分类分级管理制度,依法依规加强行业数据全生命周期监管。发挥行业协会组织协调作用,推动行业数据相关自律规范、自律公约建立,规范会员行为。积极推动无人驾驶、数字金融、在线医疗、APP数据采集等领域的规则制定。
(四)构建数据要素市场管理规则
构建数据要素市场化配置制度规则,制定数据要素市场化配置改革行动方案,提高数据要素市场配置效率,促进数据要素健康有序流动。推动出台数据交易管理办法,加快数据交易中介服务、数据权属确认、数据价值评估、数据交易收益分配等配套制度建设,探索建立数据产品和服务进场交易机制。
(五)优化完善数据标准规范
加快推动数据开放、数据安全、数据治理、行业应用、质量评级等标准建设。聚焦基层治理、民生服务、城市治理、政府管理、产业融合、生态宜居等应用领域,推动制定一批地方、团体、企业标准和规范,鼓励相关标准规范试点示范和应用推广,持续推进大数据标准体系建设。贯彻国家大数据综合标准规范,推动《数据管理能力成熟度评估模型》(DCMM)贯标试点。积极参与制定大数据领域国际规则、国家标准、行业标准。
大数据产业发展目标
(一)产业保持高速增长
到2025年,大数据产业测算规模突破3万亿元,年均复合增长率保持在25%左右,创新力强、附加值高、自主可控的现代化大数据产业体系基本形成。
(二)价值体系初步形成
数据要素价值评估体系初步建立,要素价格市场决定,数据流动自主有序,资源配置高效公平,培育一批较成熟的交易平台,市场机制基本形成。
(三)产业基础持续夯实
关键核心技术取得突破,标准引领作用显著增强,形成一批优质大数据开源项目,存储、计算、传输等基础设施达到。
(四)产业链稳定高效
数据采集、标注、存储、传输、管理、应用、安全等全生命周期产业体系统筹发展,与创新链、价值链深度融合,新模式新业态不断涌现,形成一批技术领先、应用广泛的大数据产品和服务。
(五)产业生态良性发展
社会对大数据认知水平不断提升,企业数据管理能力显著增强,发展环境持续优化,形成具有国际影响力的数字产业集群,国际交流合作全面深化。
数据产业发展保障措施
(一)提升数据思维
加强大数据知识普及,通过媒体宣传、论坛展会、赛事活动、体验中心等多种方式,宣传产业典型成果,提升全民大数据认知水平。加大对大数据理论知识的培训,提升全社会获取数据、分析数据、运用数据的能力,增强利用数据创新各项工作的本领。推广首席数据官制度,强化数据驱动的战略导向,建立基于大数据决策的新机制,运用数据加快组织变革和管理变革。
(二)完善推进机制
统筹政府与市场的关系,推动资源配置市场化,进一步激发市场主体活力,推动有效市场和有为政府更好结合。建立健全平台经济治理体系,推动平台经济规范健康持续发展。统筹政策落实,健全国家大数据发展和应用协调机制,在政策、市场、监管、保障等方面加强部门联动。加强央地协同,针对规划落实,建立统一的大数据产业测算方法,指导地方开展定期评估和动态调整,引导地方结合实际,确保规划各项任务落实到位。
(三)强化技术供给
改革技术研发项目立项和组织实施方式,强化需求导向,建立健全市场化运作、专业化管理、平台化协同的创新机制。鼓励有条件的地方深化大数据相关科技成果使用权、处置权和收益权改革,开展赋予科研人员职务科技成果所有权或长期使用权试点,健全技术成果转化激励和权益分享机制。培育发展大数据领域技术转移机构和技术经理人,提高技术转移专业服务能力。
(四)加强资金支持
加强对大数据基础软硬件、关键核心技术的研发投入,补齐产业短板,提升基础能力。鼓励政府产业基金、创业投资及社会资本,按照市场化原则加大对大数据企业的投资。鼓励地方加强对大数据产业
发展的支持,针对大数据产业发展试点示范项目、DCMM贯标等进行资金奖补。鼓励银行开展知识产权质押融资等业务,支持符合条件的大数据企业上市融资。
(五)加快人才培养
鼓励高校优化大数据学科专业设置,深化新工科建设,加大相关专业建设力度,探索基于知识图谱的新形态数字教学资源建设。鼓励职业院校与大数据企业深化校企合作,建设实训基地,推进专业升级调整,对接产业需求,培养高素质技术技能人才。鼓励企业加强在岗培训,探索远程职业培训新模式,开展大数据工程技术人员职业培训、岗位技能提升培训、创业创新培训。创新人才引进,吸引大数据人才回国就业创业。
(六)推进国际合作
充分发挥多双边国际合作机制的作用,支持国内外大数据企业在技术研发、标准制定、产品服务、知识产权等方面开展深入合作。推动大数据企业走出去,在一带一路沿线国家和地区积极开拓国际市场。鼓励跨国公司、科研机构在国内设立大数据研发中心、教育培训中心。积极参与数据安全、数字货币、数字税等国际规则和数字技术标准制定。