大数据助力国家治理现代化

有利于推动党委和政府科学决策。基于数据驱动的决策方法，政府将更加有效率、更加开放、更加负责。大数据能够帮助各级党委和政府的决策者通过数据挖掘，全面了解和准确掌握各类信息，综合研判经济社会发展趋势，提高公共决策的效率和质量。

有利于推动政府简政放权改革。大数据可助力政府打破同级政府部门间和上下级政府间存在的数据壁垒，实现资源共享和便捷化、智能化、扁平化管理，进而推动政府简政放权和职能转变，更好发挥政府在国家经济社会发展中的作用。

有利于优化政府对市场主体的服务和监管。大数据能够助力政府从市场需求角度出发，通过对大数据的分析和运用，准确判别各类市场主体的真实需求，提供系统化、智能化、精细化、个性化服务，实现以市场主体为中心的服务创新。通过共享工商、税务、质监、安监等部门收集的企业数据信息，并用云计算等技术对共享数据进行综合研判来优化、细化治理行为的每一个环节和流程，实现对市场信息的统一高效监管。

我国是数据大国，随着国家金关、金税、金盾、金审等一大批电子政务“金字工程”的深入实施，政府部门积累了海量的数据资源，构成了新时期国家治理领域改革和创新潜在的巨大“数据红利”。但我国还不是数据强国，在数据资源共享方面还不同程度地存在着协同程度低、技术支撑体系不完善、立法滞后等一些问题，主要体现在“三个缺乏”。

缺乏对大数据的全面深刻认识。通过抽样调查，相当一部分领导干部对大数据的认识不深、不透、不全，在工作中缺乏大数据思维，不会利用大数据进行精准分析和辅助决策。同时，领导干部对大数据的认识呈现出两种反差：省、市领导干部从整体上相对更重视大数据及其应用，但不够全面深刻；区县、乡镇领导干部从整体上对大数据的认识不到位、不全面、不深刻的问题更为突出。

缺乏数据共享的有效体制保障。一是在同级政府部门之间的数据共享方面，因建设时期、建设主体、业务领域等的不同导致数据标准格式不统一，系统异构、数据异构导致政府在数据治理过程中面临数据割据，形成一个个信息孤岛。而同级政府部门之间主要通过传统协商方式进行数据共享，程序多、耗时长、效率低。二是在上下级政府和部门之间数据共享方面，由于上下级政府或部门之间存在着领导与被领导或指导与被指导关系，上级政府和部门提出的数据共享需求一般会得到满足，而下级政府和部门向上级发出的共享请求则通常难以得到全面的回应。

缺乏数据公开的法律及规范性文件。首先，相关法律法规缺位。完善的法律法规是数据公开得以实现的基础、依据和保障。目前，我国数据公开相关法律法规还很不完善，无法可依困扰着数据公开工作。其次，数据公开难以执行。“公开是原则，不公开是例外”在个别地方却异化成了小事、不重要的事和结果公开，大事、重要的事、过程不公开等怪象。第三，公开路障难以扫清。有些政府部门为了部门利益，对其所拥有的数据资源不愿公开。

强化领导干部的大数据思维和意识。领导干部的大数据思维、大数据意识对实现大数据前瞻决策、实时决策、精准决策至关重要。将大数据战略宣教纳入党校、行政学院等干部教育机构的核心培训课程，邀请大数据专家讲授大数据理论知识和前沿发展动态，邀请政府相关部门分享其已开展的大数据应用案例，进一步增强各级党政领导干部的大数据思维，将带动整个公务员队伍的大数据应用能力，形成用大数据助力国家治理现代化的良好氛围。

强化国家信息资源开放和共享。应做好信息资源开放和共享的顶层设计，可成立专门的数据信息资源监管机构或直接由信息化主管部门牵头，按照“一数一源、授权使用、分层管理、分级应用”的原则，建立“用数据说话、用数据决策、用数据管理、用数据创新”的管理机制，依托已有的电子政务等信息化系统，构建完整、系统、分层的政务云平台。同时，建立完善政府与社会互动的大数据采集机制，通过政务数据开放和共享，为实现大数据助力国家治理现代化提供强大的信息支撑保障。

强化大数据应用平台的建设和服务。如何发挥政府掌握的海量数据的价值是当今亟待解决的突出问题。可通过建立国家发布政府信息的网站，开放和促进数据透明和共享。地方政府可以政府数据资源网站为基础，从手机终端APP突破，通过移动终端实现对政府部门应用系统的访问，打造智慧政府。同时，探索“我的政府”服务模式，开发教育培训、医疗卫生、食品安全、智慧交通、公共安全和科技服务等与数据使用主体息息相关的APP业务，向社会提供个性化、精细化的数据资源服务，促进大数据成果惠及民众、改善民生。

促进大数据相关法律制度建立和完善。首先，加快出台大数据相关法律法规，如大数据发展的相关法律法规、行政条例和部门规章、数据反垄断相关规定，以及大数据采集办法、使用许可办法、管理办法、销毁办法、安全责任办法等实施细则。其次，加快制定大数据隐私保护制度。针对基础数据中涉及到的个人隐私信息，在政策上将个人信息保护纳入政府公共信息资源管理保护和规划的范畴，明确隐私保护的内容、责任主体、级别要求等。同时，在技术上进行特殊处理和多重保护。再次，加快建立数据质量管理制度。高度重视数据质量，构建一体化的数据质量管理体系，制定数据质量测量的统一标准，完善质量管理流程，建立质量救助机制，从制度层面保证数据的精准和有效。