找回密码

瀚网软件 | 技术支持

查看: 927|回复: 0

面向共享的政府大数据质量标准化问题研究(3)

[复制链接]

47

主题

47

帖子

227

积分

超级版主

Rank: 8Rank: 8

积分
227
发表于 2017-9-4 16:26:36 | 显示全部楼层 |阅读模式
      在以后的研究中,需要分析面向共享的政府大数据标准化需求,研究大数据质量的特殊性,研究大数据标准化的特殊性。针对典型应用,理解大数据共享的主要价值,研究政府大数据共享现状,研究政府大数据质量现状,分析政府大数据质量标准化需求。根据当前信息技术及其应用的发展趋势,研究政府大数据资源共享的未来前景,研究典型应用中政府大数据质量问题,研究政府大数据质量标准化当前以及未来的总体需求。同时,需要提出标准体系框架与明细表,梳理政府大数据质量技术标准,研究政府大数据质量标准与技术发展、业务领域的关联性,对政府大数据质量标准进行全景式分类研究,给出适用的政府大数据标准分类描述体系。在此基础上,提出政府大数据标准体系框架,建立政府大数据标准明细表。
5 面向共享的政府大数据质量标准化方法

        面向政府大数据共享,开展大数据质量标准化方法研究意义重大,包括标准化循环改进过程研究和标准化演化机理研究。大数据质量标准化循环改进过程如图2所示。以政府的行政管理为主要应用领域,基于过程控制方法,建立大数据质量保证方法,通过构建大数据质量评估模型,实现大数据质量的改进和完善。通过大数据质量计划、大数据质量实施、大数据质量评价、大数据质量改进来实现大数据的质量目标。对大数据的质量评价应建立在与大数据质量标准化、大数据标准体系密切关联的大数据质量测度模型的基础上。大数据质量标准化与质量改进,需要满足大数据质量需求,并实现大数据质量效益的目标。

       从时间维、空间维和业务维3个维度探索大数据质量标准化发展变化的客观规律,研究大数据质量标准化的动态演化机理。研究大数据质量标准化过程的主要特点和规律,包括其复杂性、网络化、自组织等特性。

       ● 复杂性包括涉及大数据生命周期各阶段的时间复杂性、涉及不同层级相关组织的空间复杂性、涉及各领域应用对象的业务复杂性。

       ● 网络化是指在大数据质量标准化演化中,不同层级的相关组织形成的多种形式的关联关系。

       ● 自组织是指大数据质量标准化的过程是一个自行改进、优胜劣汰的系统过程。

6 面向共享的政府大数据质量测度理论方法

       政府大数据质量具有其特殊性,一是数据来源的多样性,带来丰富的数据类型,增加了数据质量评测的难度;二是数据规模的海量性,使得难以在合理的时间内判断数据质量的好坏;三是数据变化的快速性,使得难以形成相对稳定的数据质量评测体系和方法。这也就决定了在大数据环境下,数据质量的测度理论和评价方法与传统数据质量测度和评价相比会有显著不同。大数据质量是全景式的数据质量,包括面向数据生命周期的时间维、面向不同层级逻辑组织的空间维、面向不同领域应用对象的业务维。

       面向政府大数据共享,开展大数据质量测度理论方法研究,包括测度模型的研究和评价方法的研究。图3为大数据全景式数据质量测度模型,分为时间维、空间维、业务维3个维度。时间维面向大数据生命周期,包括大数据产生、采集、传输、存储、分析、使用等环节。空间维面向大数据的逻辑组织空间,包括企业/子部门内、行业/部门内、跨行业/部门等多个层级。业务维面向大数据的主要业务对象,包括商贸、监管、工业、交通、安全、医疗等政府相关业务领域。时间维、空间维、业务维3个维度以及各个维度上的要素,反映了大数据质量的多个视角、关键影响要素,共同构成大数据共享质量测度的模型,为大数据共享质量评价奠定理论基础。

       大数据的来源和应用都是多学科的,对大数据的质量评价不是单一阶段、单一组织、单一领域的技术问题,而是一个跨周期、跨部门、跨业务的综合性问题,是一项系统工程。需要研究测度模型及其各个视图投影,研究多维度的综合评价方法以及某个视角的特定评价方法。

7 结束语

       大数据时代的到来对我国政府的决策模式、治理模式和工作方式等都提出了新的挑战。推进政府大数据战略对实现政府治理有着重要的意义,是政府治理实现的强力助推器。当前,这一工作的推进面临着数据公开缺乏社会规范条件、数据格式缺乏统一、数据共享缺乏有效体制保障和大数据数据质量参差不齐等问题。更为重要的是,政府数据质量问题对于我国政府大数据共享至关重要。政府大数据质量的提高涉及技术、设计、流程、人员和基础设施等多个方面。对政府大数据质量开展研究,进而提出改善数据质量的方法和对策,保障政府大数据质量,具有非常重大的意义。

      结合目前我国政府大数据的数据标准、数据质量管理等现状以及ISO 8000等数据质量国际标准,建议从以下4个方面着手提高政府数据质量。

      (1)建立政府大数据质量标准

      在深入研究ISO 8000等数据质量标准体系的基础上,结合我国政府大数据现状,建立面向共享的政府大数据质量标准,为政府大数据质量管理提供全面的遵从依据,从数据权属和治理的角度,提出大数据标准化运行机制。

      (2)建立政府大数据数据质量管理流程

      基于ISO 8000 等数据质量标准体系,结合我国各地政府部门大数据现状,建立数据质量管理体系流程,规范数据质量管理过程,提升数据质量管理的科学性,保障数据质量标准在政府大数据共享中的落地,也确保政府大数据不仅能“共”,而且还能共“享”。

      (3)构建政府大数据数据质量评价模型及考核方式

      基于ISO 8000的数据质量标准体系,构建政府大数据数据质量评价模型并固化,结合现有政府大数据数据质量通报等考核方式,为全面管控各级政府数据质量情况提供支撑。

      (4)建立政府大数据质量管理信息化支撑工具

      继承并扩展现有政府大数据管理信息化系统,为政府大数据质量标准落地、管理流程落地、评价模型落地及考核落地提供信息化支撑。





回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ| 手机版| 瀚网软件  

Copyright © 2001-2015 Comsenz Inc.   All Rights Reserved.

Powered by Discuz! X3.3( 皖ICP备17007560号 )

快速回复 返回顶部 返回列表