政务大数据的本质是什么，包含哪些建设内容？
为了让全国各地的人民群众，都可以无障碍地享受到祖国繁荣发展与社会全面进步带来的生活水平提升，我国已经在多个地区的一些职能机构中渗透和运行了智慧城市的底层架构。
对于政务服务，社会角色的多样性决定了多样的事务办理类别，不论是公司还是个人，申请、申报、缴纳、登记、审核……这些看似琐事，确与生产生活息息相关。全面推进智慧政务建设就是为了让人们在办每一件事的时候都如人意；在时间、空间、效率方面让人民与政府部门都舒心。
完整、全面的智慧城市是政务大数据化的终极目标，小亿在以往工作中积累了诸多政务数据化领域的专业经验，对于如何帮助职能部门治理并完善政务大数据、政务大数据建设应该包含哪些内涵等，今天就从其历史讲起，分享给大家。
一、政务大数据也有3个历史关键期
1.第一阶段：无纸化办公与政务公开
该阶段的标志年是2000年，以办公自动化、专项业务应用和双门户（互联网门户、政务网统一信息/应用平台）作为建设内容的重点。本阶段以政务电子化、政府上网和政务服务一体化为主要特征。在政务工作电子化之后，出现了两个突出问题：内部办公打印纸“贵”（该打印的一样也没少）、网站年年考核评比、内容更新“老大难”。
之后电子政务的进一步发展逐渐聚焦于区域电子政务/行业电子政务，其标志年是2004年，三网、四库、十二金，在G2G的基础上，由内而外开始有了G2C和G2B，实现了初步的“联接”。
2.第二阶段：应急指挥、数字城市与智慧城市
该阶段的标志年是2008年，跨机构、跨部门协同（含指挥、调度），城市公共资源、基础设施数字化，实现综合治理。关键词是“整合”、“云化”、“协同”、“智慧”、“互联”。
在政务领域提的是“智慧政务”，以数字城市、市民一卡通、应急指挥、一站式行政服务大厅、全程网上政务服务、网格化治理、数据中心为主要建设内容，以城市整体、全局的视角，综合运用物联网、虚拟化、云计算等信息技术，提供协同、高效、综合的政务服务能力，智慧城市具体到智慧政府上，本质上是以“政务互联网+”为重要展现形式的，政务网络化是其主要特征。
3.第三阶段：政务共享融合，实现智能化
以大数据、机器智能、区块链等技术应用为特征的新阶段，即现阶段。该阶段的标志年最早可以追溯为2012年。以数据视角来看，本阶段已经基本完成了政务大数据的数据积累、汇聚和数据加工、治理阶段（标志年为2016年）。在政务信息化和智慧城市建设的基础上，政府越来越重视政务数据的综合治理、价值创造以及基于政务数据的模式创新。
从宏观面来看，当前发展阶段仍处于更好的提供“响应式”服务层面，如便民惠民的“一站式”。但至少还有两个阶段要走，一是常规政务服务的精准化，二是主动政务服务的常态化。当然，这两个阶段也可以合而为一，精准服务和主动服务将是重点。
二、政务大数据的本质：为人民服务
政务广义来讲，可以涵盖政府主导或参与开展的所有事务和社会活动。我们政府所倡导的政务是以社会服务为导向的，公民、法人、外国人和社会组织是重要的服务对象。
而政务大数据的本质是围绕政务本身，所以政务大数据的运营是一种政务工作模式，其价值是要从根本上解决问题，而非为了智慧化而制造问题。政务大数据运营的根本宗旨不是运营数据、不是迭代算法、更不是打造应用场景，而是有益于民，是收获相关各方认可的综合收益。整个进程从政务服务触手可及，到政务服务协同、高新和创新，最终让政务大数据“会说话”。
三、政务大数据建设助力落实民生建设的3个帮助
1.实现政府业务智能化，助推民生服务更贴心
从现实工作来看，政府单位会掌握各种各样的数据，但对数据还是浅层次的应用，出现了机械填报、重复填报的问题。数据和业务的有效融合有助于避免重复报送、反复审核，各系统过多分设标准，统计口径不一致从而形成封闭数据岛等情况。同时通过聚焦在数据互联互通、数据治理、主题库/专题库重要设施等建设，优化数据资产管理的数据运营能力能实现政府业务更加智能化，解决民众办事难的问题。
2.助力规划决策更科学化
在建设政务大数据的过程中，从密切联系的、宏观的角度构建城市基础数据库，并对数据进行多维度分析与挖掘，有助于我们加深对城市的认识和了解，进而更深入的认识隐藏在背后的规律，实现重点突破，为科学配备公共资源，避免舆论风险点，走出管理盲区提供有力的数据和事实支撑，最终避免“拍脑袋”政策。
3.助力城市经济发展与营商环境更优化
数据的价值不仅仅是政务服务、智慧城市的价值，还包括对于产业发展、宏观经济分析，产业结构调整，数据惠民等等应用都发挥了巨大的作用。数据资源管理成为政府工作的一个重点。比如招商引资，通过大数据、人工智能等手段，招商大数据平台通过挖掘超过1亿国内外市场主体全景动态数据库，并筛选出战略性新兴产业、文化产业、智能制造、生物医药等几百个多个招商专题库，针对每一个产业专题库，梳理出准确的产业招商图谱、产业投资地区和重点企业名单及画像信息。通过当地经济发展云图和需求分析，可以形成供给侧改革的路线图和具体的产业调整的战略性方向。
四、政务大数据建设包含哪些内容？
政府服务的本质是如何高效处理审批业务，核心围绕政务服务五大环节，申请、受理、审核、办结、反馈。
应用模型中，各环节高效稳定地运行，依托以下各应用平台：
1.在线服务门户
将跨地区、跨部门的政务服务条目以资源目录的形式统一展示、发布，对申请人提交的政务服务申请进行预审核，包括与政务服务数据共享平台进行数据验证、身份比对等，发送至政务服务管理平台进行处理，最后再将受理结果等信息通过共享交换平台反馈申请人。
2.政务服务管理平台
实现将申请人提交的政务服务材料通过共享交换平台提交给业务系统，以便工作人员后续处理，同时还实现将业务办理系统办理过程状态和办结结果及时推送反馈给在线服务门户，并实现全流程高效监管。
3.业务办理系统
打通跨地区跨层级业务部门信息化壁垒，形成统一标准、逻辑统一的业务办理流程，通过共享交换平台获取相关审核信息后进行业务办理，将办理过程和结果信息推送至政务服务数据共享平台，并通知政务服务管理平台及门户公开。
4.共享交换平台
实现数据获取及汇聚，包括政务服务事项、电子证照等数据，以及来自互联网政务服务门户的信息、政务服务管理平台受理信息、业务办理系统办理过程和结果，实现与人口、法人、电子证照等基础信息资源库的共享利用。
5.统一大数据处理平台
实现数据的清洗、加工、处理，进行数据治理，实现政务信息资源及数据的全生命周期管理，并支撑国家基础信息资源库的建设、管理和运营维护等作用。
6.大数据决策分析系统
针对基础类信息资源，包括公民的基本身份信息各维度信息等用户画像分析，以及结合社会、经济、环境等各领域数据深度融合，帮助政府部门更好的监管和决策；针对政务业务过程中产生的业务类信息资源数据，大数据实施分析业务开展情况报告及时更新业务质量，反馈绩效，更好地改进提供优质服务。
五、现阶段，政务大数据建设常见的5点困难
近几年我国各级、各地方政务信息化的建设主要围绕“互联网+政务服务”主题如火如荼地开展，经过几年的建设，硕果累累，但同时也要看到与早期规划相距甚远等现实问题的发生，表现在：
1.烟囱孤岛
各级各地政府部门在历史信息化建设过程中积累了大量成果，这些成果在政府部门内部纵向拉通和横向共用方面十分不畅，存在严重的部门壁垒，导致各自业务系统信息成为孤岛，无法打通业务数据，发挥最大效能。
2.重复建设
伴随着新兴技术大数据、云计算等集约化理念的落地，一定程度缓解了部门间的重复建设现象，减轻了投入的成本，但重复建设大数据平台、云平台等现象又作为次生现象发生，某种程度又催生了重复建设的情况。
3.管理困难
由于各业务系统承建部门的建设标准不统一、数据口径不一致，数据类型、数据标准差异过大，导致数据无法融合，无法发挥它的最大价值，使业务及伴随业务产生数据的管理难度增大。
4.安全隐患
现如今政府在倡导数据开放的同时，数据安全问题变得越来越迫切。政府掌握大量个人、法人、政府部门甚至国家核心机密等信息，但政府部门在信息化建设和运营过程中，往往没有合理、合法、合规的规范确保数据的安全，导致数据泄露事件频繁发生。
5.低价值密度
局部或小范围的数据融合产生价值有限，最大化提升数据可利用价值，需要更好地规划如何打通汇聚和融合，打通大范围数据，以系统性思维解决局部问题，提高资源利用率，辅助支撑分析监管部门的管理和决策。
六、亿信华辰助力政务大数据实现精细化治理
数字化时代，政府部门在面向百姓提供政务服务过程中会产生高价值密度的数据，而如何开发这些数据，让信息互联互通、整合共享、高效利用，是政府服务能力现代化的重要支撑，也是国家竞争力的体现。而亿信华辰旗下的数据治理产品睿治能更好的帮助政府实现精细化治理、提升行政办事效率。
1.数据共享管理
政务数据共享管理包括数据资源目录体系和数据交换平台建设两个部分。数据资源目录体系是通过对政务信息资源依据规范的元数据描述，按照一定的分类方法进行排序和编码的一组信息,用以描述各个政务信息资源的特征，以便于对政务信息资源的检索、定位与获取。政务信息资源目录是实现政务信息资源共享、业务协同和数据开放的基础，是各政务部门之间信息共享及政务数据向社会开放的依据。数据交换主要实现各部门系统间无缝共享数据，实现跨部门、跨层级、跨区域的数据交换。
睿治平台中的数据交换
2.元数据和主数据管理
政务数据治理过程中，按照元数据的用途，可分为技术元数据、业务元数据和管理元数据。技术元数据是治理过程的基础保障，业务元数据是表述映射业务的实质内容，管理元数据是整套体系运作的规范保障。元数据体系的建立是政务数据治理过程关键环节如数据标准、数据质量等的运行基础，决定了政务数据治理体系的规范程度和治理效能。
睿治平台中的元数据管理
主数据是描述政府或组织内核心业务实体的数据，如企业或社会组织基础信息等。主数据管理通过规范体系建立和技术组件功能，保障核心数据的完整性、一致性和准确性，支撑政务数据治理体系的管理基础，使得治理体系可以更快更好地适应治理需求的迭代升级。
3.数据质量管理
数据质量管理是数据治理的重要过程。数据质量可从完整性、规范性、一致性、及时性、准确性、唯一性、关联性等质量指标体系角度进行跟踪评估。数据质量保障的主要工作还包括制定数据缺失检查、波动性检查、完整性检测、重复率检查、一致性检查等算法规则，并基于规则对数据进行检查稽核，按照统一的转换规则进行加工处理，形成标准统一、有机关联、归属清晰的数据资产。政务数据质量评估和处理结果需要定期形成数据质量分析报告，便于数据治理成果持续改进提升。
睿治平台中的数据质量管理
4.数据标准规范体系
数据标准是保障数据的内外部使用和交换的一致性和准确性的规范性约束。数据标准规范是数据治理的重要依据，数据标准从通用性角度通常分为通用标准和行业标准，用于统一描述对象的属性，统一元数据和数据元的名称、类型、长度、内容、范围等。通用标准主要包括人、企业信息等核心信息的描述。行业标准特指某个领域的数据内容，专业性、业务性比较强，如医疗、交通、公安、应急等数据。数据规范通常指数据清洗、加工、存储、分析、共享过程中的操作准则或指南。
睿治平台中的数据标准管理
5.数据资产管理
数据资产的公认定义是指由政府或企业拥有或者控制的，能够带来价值体现的，以物理或电子的方式记录的数据资源。在政府或企业等组织中，并非所有的数据都构成数据资产，数据资产是能够为组织产生价值的数据资源。数据资产管理通过数据资产定义、数据资源管理、数据资产生命周期管理、资产地图、资产标签、数据资产分析与评估、数据资产应用管理等方面的实施，实现和保障数据资产的全生命周期闭环管理，提升数据价值利用效率。
睿治平台中的数据资产管理
