经济沙盘在政府建设中的意义及应用
综合资讯
华夏企业在线
admin
2019-11-21 16:22

  近年来,大数据引起了社会各阶层人士的高度关注,2016年5月美国白宫发布了《联邦大数据研发战略计划》,这是美国自2009年国家科技委员会(NSTC)发布的《开发数字数据的威力》报告后的又一数据发展战略,意在通过大数据的不断应用,实现数字治国、数字经济、数字城市甚至数字国防。根据监测显示,2017年全球的数据总量为21.6ZB,且目前每年的增长速度在40%左右,预计到2020年,全球的数据总量将达到40ZB。著名市场咨询公司SNS研究报告预测,到2020年全球大数据市场规模将达到800亿美金。我们的政府部门,天然的拥有海量数据,由于种种原因,数据价值无法完整体现,这就需要从感知层、逻辑层、技术层建立一致理念,才能真正实现城市数据融合,从多样化的海量数据中挖掘价值,不仅有利于政府提升社会治理和民生服务水平,还可以有效地提高政府的工作效率。

  一、经济沙盘在政府建设中的意义     

  沙盘,最早应用于军事,是用沙土或其他材料做成的地形模型。近代以来,沙盘的概念和应用范围不断扩大。建筑模型沙盘、工业模型沙盘、地区规划沙盘等,这些沙盘都清晰地模拟了真实的地形地貌、区域格局等,使用的对象不必到现场依然可以对关注的位置了然于胸,从宏观的角度全面了解所处的环境格局,从而运筹帷幄、决胜千里。

  易可诺经济运行大数据沙盘,就是利用类似的沙盘理念,采用现代经济学、统计学、数学以及计算机技术等科技手段来模拟经济的真实过程。

  通过采集世界各国家,全国各省市以及各行业的经济数据,通过场景模拟和因子调节,营造真实的经济环境,通过调节因子的设置,体验不同的策略调控后的经济成果。现在已经可以针对不同城市,提供50多类咨询报告,为政府经济发展决策提供建议。

  用户通过沙盘推演,可以预判假设条件下本区域经济发展趋势,确立干预的目标,有效规避风险;可以明确参与调节的政府机构职责并制定最有效的干预方案,确定调节方案和政策选项;可以安排好政策调节的退出机制,确保市场恢复预期效果后的有序退出。

  城市大数据是现实经济社会运行的映射。从语义角度,我们习惯对事件的表达是:在什么时间、什么地点、什么对象、发生怎样的事件;映射到数据体关系层面,可以表达为对象、时间、地点、状态构成时空数据融合模型,这样针对各类数据采集、数据交换、数据分类、数据整合、数据挖掘等专项技术,均可以围绕数据时空模型进行逻辑整合。

  二、经济沙盘在政府建设中的应用

  (一)数据融合处理技术

  从IT技术角度,大数据工程项目建设,涉及信息技术的方方面面,围绕数据融合处理,可以分为数据采集、数据交换传输、数据交换、数据清洗、数据比对、数据质量、数据服务、数据挖掘分析等。

  (二)数据采集

  (1)不同类业务管理形态,不同类业务系统,不同数据管理模式,需要根据实际需求,进行不同功能的数据采集工具支持;(2)数据库同步技术,大多数数据库已经支持此功能;(3)ETL数据抽取技术,按照一定规则进行数据抽取;(4)爬虫技术,对互联网中页面级的内容进行数据抽取;(5)伺服技术,对于特定数据报进行截获抽取;(6)抓屏技术,对于特定复杂应用,从功能操作显示抓取数据。

  (三)数据交换传输

  建立城市级大数据工程,往往需要大量的远程交换数据传输,尽管国家电子政务共享交换平台建设已经形成了标准,随着大数据需求的迅速发展,需要进一步扩展。(1)实时数据传输,并保障数据的完整性,交易中间件;(2)异步数据传输,并保障数据传输质量,消息中间件;(3)批量文件数据传输,文件传输类中间件;(4)业务协同级服务交换,用于互联网服务交换。

  (四)数据清洗

  按照数据融合模型,通过单一方式访问、转换和加载数据,内置大量数据转换模型,对于数据进行处理,将数据分为原始数据、源数据、待比对数据、比对数据、比对结果数据、融合数据、专题应用数据;城市级大数据融合是一项持续化的过程,不同部门数据质量也在迭代过程中,不断提升。(1)原始数据需要与数据源端保持完全一致;(2)源数据的数据内容与原始数据保持一致,格式需要转换为融合数据标准。

  (五)数据比对

  通过比对的方式分析数据源之间的差异性,及时发现、修复交互双方的数据差异,保证数据的一致性。(1)待比对数据,需要按照基础信息的规则进行整理,例如社保、公安、民政之间的人口数据比对;(2)比对结果数据,需要对数据比较的结果进行部门反馈,例如社保与公安比对,发现存在死亡人群仍在享受社保,待两部门业务核实后,上传新数据,才可以进行下一阶段处理;(3)融合数据,按照时间、空间、对象、状态等维度,形成的城市运行仿真环境;(4)专题应用数据,按照城市管理需求热点,针对数据进行聚合,形成对专题应用的支持。

  (六)数据挖掘分析

  数据仓库、数据挖掘分析技术已经非常成熟,各类基于大数据应用的模型算法出现很多,从城市大数据项目建设角度,更多从项目实施角度,从需求角度,需要合理运用相关技术;(1)分类、聚类技术的深度应用,按照信息资源分类属性,建立对象标签机制,是常用的分类、聚类模式。在城市级大数据应用中,很多时间、地理范围的要求是随着管理重点变化,随时变化的需要增加动态阀值,作为分类和聚类动态标签的更深层应用;例如,在一段时间范围内,医保需要核查,不同属性医院,针对特定病案,开局超过一定金额处方的医生等等;(2)枚举数据指标相关性分析;持续发现数据之间的规律,需要建立长期的探索机制;(3)经验比较,是建立城市大数据应用,构建应用模型分析的重要参考。

  (七)数据平台管控

  城市级大数据中心建设,建立在跨层级、跨组织机构的数据融合基础上,各类数据从采集、整合、加工、处理、服务多个环节,更类似信息生产工厂,在每一环节过程中,经常会因为网络通讯、服务器故障、软件缺陷等因素,导致数据丢失,甚至重复发送等问题,因此,传统数据库对数据的管理模式,需要上升至材料、流通、仓储的综合管理控制模式,需要所有数据处理过程可追溯,及时发现问题,并解决问题。(1)数据标签化,数据从逻辑上需要包装成为可运输、存储管理的货物,数据标签需要将产地、承运人、运输目的地进行表述,需要对数据“货物”进行名称、种类、大小,进行标识,并建立唯一编码,我们可以称为数据标签;(2)数据采集过程、数据处理整合、数据存贮、数据服务过程,每一处理流程,都需要建立数据台账,包括进入的数据、存贮和输出的相关数据;(3)建立城市级大数据综合数据台账,对不同数据处理过程、数据传输过程、数据服务过程,进行标识,并提取各分项台账的动态变化,建立数据管理索引;(4)针对所有数据加工处理过程,进行日志级监控,及时发现传输、仓储、处理过程中出现的故障。

  四、结语

  从数据处理技术角度,尽管城市对于基础信息资源目录体系的研究和实践已经历较长时间,直接用于城市大数据工程项目建设,仍需要很长的探索过程。因此通过经济沙盘支持政府建设有着不可替代的作用与意义。