大數據環境下的政務智能：框架與流程*

李洪波　熊　勵　劉寅斌

?

大數據環境下的政務智能：框架與流程*

李洪波熊勵劉寅斌

摘要大數據正在迅速滲透到經濟、社會和生活的各個方面，并將導致政府管理模式的深刻變革。在大數據時代，如何利用大數據優化政府服務、輔助政府決策、降低決策成本，挑戰與機遇并存。鑒于此，論文提出了大數據環境下政務智能的框架模型，該模型由大數據來源層、整合層、應用層、展現層以及相應的管理機制和安全機制組成，還推薦了大數據環境下政務智能所需的一些開源技術，分析了大數據環境下政務智能模型的數據流程、目標與潛在效益。

關鍵詞大數據電子政務政務智能框架政府管理模式開源技術

分類號G250

DOI 10.16810/j.cnki.1672-514x.2016.01.012

*本文系中國博士后科學基金（項目編號：2015M571542）、教育部人文社會科學研究項目（項目編號：15YJCZH077）、上海市教育委員會科研創新重點項目（項目編號：14ZS085）、上海市人民政府決策咨詢研究項目（項目編號：2014-A-42-A）的研究成果之一。

Government Intelligence in Big Data Environment：A Framework and Process

Li Hongbo，Xiong Li，Liu Yinbin

Abstract Big data is being penetrated into our economy,society and life,and will inevitably lead to profound changes in the way of government operations.Therefore,how to use big data to help governmentmake better decisions is a big challenge for e-government.This paper proposes a framework of government intelligence in the big data era,also recommends some open source technology needed by government intelligence.It analyzes how the data is transferred in the proposed framework,and discusses the goals and potential benefits of the proposed framework.

Keywords Big data.E-government.Governmentintelligence.Framework.Wayofgovernmentoperation.Open source technology.

政務智能是電子政務發展到一定階段的產物，它克服了傳統數據庫、數據分析方法的一些不足，如傳統的數據分析工具、方法無法對大規模數據進行及時、有效的分析；現有的數據庫系統雖然可以高效地實現數據錄入、查詢和統計等功能，但卻無法發現數據之間的關系和隱含規則，無法根據現有的數據預測事物未來的發展趨勢[1]。

政務智能對電子政務的發展起到了很好的促進作用，然而現有政務智能的研究，均很少考慮大數據的關鍵特征，已不能很好地應對大數據帶給電子政務的挑戰。鑒于此，本文提出了大數據環境下政務智能的框架模型，在政務智能系統中采用開源技術，不僅能夠有效降低成本，還能在一定程度上確保信息安全。希望通過本文的研究，一方面在大數據時代對我國的電子政務建設有所促進作用，進一步提升政府服務和監管效率；另一方面為政務智能的研究和應用提供新的思路。

1　大數據與政務智能

1.1大數據及其在國家政府部門中的應用情況

目前，對大數據并沒有統一的定義，但各界對大數據的特征基本達成了共識。大數據主要有以下四個關鍵特征（簡稱“4V”）：（1）數據量大（Volume），各種來源、各種類型的海量數據持續增長；（2）數據形式多樣（Variety），有文本、圖像、視頻、傳感器數據等，既有結構化的、半結構化的，也有非結構化的數據；（3）數據實時性（Velocity），數據實時生成、存儲、處理和分析；（4）數據價值密度低（Value），單個數據的價值可能非常低，但從這些數據構成的海量集合中往往可以發現重要的知識與隱含的價值[2-3]。

大數據中所蘊含的海量數據，對于電子政務和智慧政府的建設而言，能否從中挖掘價值、輔助決策、優化服務，將是一個重要機遇；同時，鑒于新數據產生的速度已遠遠超過現有數據分析技術、計算平臺的能力，如何開發與合理運用大數據分析方法，有效處理大數據的復雜性、安全性、隱私性等問題，也是一個重大挑戰。

一些國家和地區已經認識到大數據對于智慧政府的重要性，并紛紛采取行動，推進大數據在政府部門的應用，具體內容如表1所示。從表1可以發現，美國和歐盟已經將大數據在政府部門的應用付諸行動，而我國政府部門對大數據的利用仍主要集中在行動計劃上。因此，有必要對大數據環境下的政務智能模型進行深入研究，以推動大數據在我國政府部門的落地與應用。

表1　一些國家（地區）的政府部門應對大數據挑戰所采取的行動

政府部門應用大數據的成功關鍵，在于整合運用新技術的能力（如Hadoop、Spark）、開發合理的軟件系統、利用大數據分析技術支持決策[9]。本文的政務智能2.0模型中，將對一些開源技術進行推薦。

1.2由“政務智能1.0”邁向“政務智能2.0”

政務智能的目標是利用政府積累的大量歷史數據來輔助政府決策，將政府所掌握的信息轉換成知識，提高政府部門的決策能力、決策效率和決策準確性，并服務于公眾。

政務智能的概念來源于商務智能。政務智能在技術層面與商務智能有很多共性，然而由于政務智能服務于電子政務環境，更多地表現出不同于商務智能的特點。許多學者將政務智能定義為一種信息系統，其目的在于輔助決策、服務社會[10-12]。

綜合已有的觀點，本文認為：政務智能是電子政務的重要組成部分，它通過對政府積累的大量歷史數據進行主動獲取、整合、分析，對內服務于政府部門，輔助政府決策，提高政府的決策能力、決策效率和決策準確性；對外服務于社會公眾，使企業、公民便捷地獲取與其息息相關的分析型信息，從而實現電子政務服務公眾的目標。

目前，對政務智能的研究重點主要集中在政務智能的支撐技術、體系結構、應用系統等幾個方面。現有對政務智能的研究存在一定局限性，如沒有將大數據的特性納入政務智能的研究，而這一點正是本文研究所要克服的缺陷。可以將大數據時代之前的政務智能稱為“政務智能1.0”，而本文引入的大數據環境下的政務智能則屬于“政務智能2.0”。

2　大數據環境下政務智能的框架模型

本文提出的大數據環境下政務智能的框架模型如圖1 所示。該模型主要由4個層次模型（大數據來源層、大數據整合層、大數據應用層、大數據展現層）以及相應的管理機制和安全機制組成。其中，大數據來源層、整合層和應用層位于云計算服務器上。通過云服務的方式部署政務智能模型，可以確保政府部門靈活、方便地按需定制所需的計算能力，及時根據大數據需求部署合理的分析模型，從而以盡可能低的成本滿足復雜多變的數據服務需求。

2.1大數據來源層

大數據來源層位于政務智能框架模型的底層，是整個系統的數據源泉。大數據來源層由各政務部門產生和管理的政務信息資源組成，這些信息資源分布在各種不同類型的數據庫系統中，同時各數據庫在地域上也處于分散狀態。在數據結構上，這些數據可能是結構化的、半結構化的或非結構化的。

2.2大數據整合層

大數據整合層是政務智能模型的核心，它將地理上分散、結構上異構的各部門數據進行采集、整合，從而為整個政務智能系統提供良好的數據源。通過政務信息資源目錄系統和交換系統，將分散的數據庫資源進行整合，溝通各政府部門業務網和互聯網，形成統一、共享的數據庫系統，為應用層提供數據支撐。通過分布式并行計算與編程模型，實現大數據的高效處理。

由于數據量龐大，將采用分布式文件系統和分布式數據庫對各類數據進行存儲和管理。分布式數據庫利用合理的數據處理手段形成統一的數據庫。分布式數據庫包括基礎信息庫、共享主題信息庫、決策支持信息庫等，管理和維護產生的各種數據。

在大數據整合層，可以采用Hadoop或Spark實現分布式文件存儲與數據計算。對于非關系型數據庫（NoSQL database），可以選用Redis、Voldemort、Cassandra、Hbase、MangoDB、Apache Jackrabbit等。

2.3大數據應用層

大數據應用層是聯結大數據整合層與大數據展現層的紐帶。應用層通過各種大數據分析技術形成大量決策支持模型，總體上可以分為兩類：面向政府的應用和面向社會的應用，這兩類應用在數據方面進行安全隔離。根據政府的職能，應用層的服務對象又可以進一步分為：宏觀調控、市場監管、社會管理和公共服務，這樣就基本涵蓋了政府的所有業務。政府跨部門的業務工作極其廣泛，如宏觀調控業務、財政綜合管理業務、稅收業務、進出口業務、涉農業務、食品藥品監管業務、社會信用業務、社會保障業務、環境保護業務等主要業務[13]，應用層利用整合層實現的部門間的信息資源共享來進行業務協同。

應用層的基礎是應用服務器。應用服務器是實現特定應用的服務器系統，包括完成網站瀏覽的Web服務器、完成工作流管理的工作流服務器，以及實現一般數據庫存取的應用服務器等。另外，在本模型中，應用服務器有一個很重要的作用——進行大數據挖掘與聯機分析處理。應用層之上的各種應用主要是在大數據挖掘和聯機分析處理的運算基礎上實現的。

在大數據應用層，需要借助數據挖掘、機器學習中的算法實現大數據分析技術（Big data analytics），開源的R或者Python都可以較好地實現這一任務。2.4 大數據展現層

大數據展現層面向政務智能系統的用戶，分為政府內部用戶和外部用戶。展現層的目標是將分析后的數據以直觀、易懂的形式呈現在用戶面前，它具備多角度的數據可視化能力、深入的數據分析能力、根據需要隨時調整報表格式的能力等，同時滿足不同級別、不同來源用戶的分析、決策需求。展現層是基于門戶（Portal）技術的，其表現形式有Dashboard、報表、移動APPs等。

2.5管理機制和安全機制

相關的管理機制和安全機制貫穿于模型的始終。管理方面，應建立完善的制度保障，如建立科學的信息收集機制和完善的信息利用機制。由于政務信息分布在各個不同的部門，建設一個高效的信息收集機制，及時準確地匯總各部門的信息，可為模型提供統一集中的數據基礎；同時通過建設科學的信息利用機制實現模型自身價值，推動模型的高效運行。另外，模型還要提供績效管理、系統管理（如角色管理、用戶管理、數據字典管理、數據備份管理、系統日志管理、系統流量管理）等內容。

在信息收集和利用的過程中，全面的安全機制必不可少。例如，施行權限管理，根據數據的使用權限面向政府、公眾提供服務；根據數據的不同安全等級，為政府部門和社會公眾提供客觀的數據產品。對內外網數據進行安全隔離，隔離狀態下的數據交換安全可以采取數據加密、權限控制、內外網安全數據交換等保障措施。

3　政務智能模型的數據流程

政務智能模型的數據流程主要由三個階段組成：大數據整合、大數據分析及大數據展現，其具體流程如圖2所示。業務數據分散存儲在各個部門異構的業務數據庫中，首先利用前置交換系統將業務數據抽取到分布式的共享信息庫中，這便完成了數據整合；然后利用數據挖掘、聯機分析處理（OLAP）、分布式并行計算模型等分析工具，針對相應的任務進行處理和分析；最后通過大數據可視化技術將分析的結果展現出來。

4　政務智能模型的目標與效益分析

本文政務智能模型總體目標是整合分散在政府部門及社會組織中的大數據，為政府部門、組織、公民提供高效率、低成本的信息服務；充分挖掘大數據的內在價值，輔助政府決策，服務公眾。實施該模型后的效益可以從內外兩個方面分析。

一方面，在政府部門內部，有助于提高決策的科學性，降低決策成本，服務于政府監管，充分發揮政府職能。（1）可以使相關數據分析人員從收集、整理和匯總數據的繁瑣工作中解脫出來，將工作的重點轉向提供能用于科學決策的信息。利用政務智能發現數據中存在的關系和規則，根據現有的數據預測未來的發展趨勢，提高政府決策的科學性、準確性。（2）集中政府各有關部門的業務數據，進行整合、分析，可以形成系統的數據、資料，使各自獨立的職能部門全面了解政府各相關部門的業務信息，按需應用，促進信息共享，從而有利于各個職能部門更為高效、協同地行使監管職能。（3）由于政務智能2.0中廣泛采用了開源技術，不僅有效降低了實施成本，也在一定程度上確保了信息安全。

另一方面，在政府部門外部，提供公眾所需的分析型信息，增強公眾和政府之間溝通的時效性，更好地服務公眾。（1）政府部門內部、政府與社會各界之間利用電子渠道溝通，并向公眾提供隨時隨地的個性化服務。（2）利用政務智能系統，企業可以方便查找、挖掘、分析其經營決策所需的有關宏觀經濟、經驗等方面的信息，從而為企業節約交易成本，提高經濟運行效率。

5　結語

在大數據時代，海量、異構、多源的數據持續膨脹。為了應對大數據為政府管理帶來的挑戰與機遇，本文提出了大數據環境下政務智能的框架模型（“政務智能2.0”），該模型由大數據來源層、大數據整合層、大數據應用層、大數據展現層及相應的管理機制和安全機制組成。本文對大數據環境下政務智能所需的一些開源技術做了推薦。此外，本文還分析了大數據環境下政務智能模型的數據流程、目標與潛在效益。本文的模型有助于提升政府服務和監管效率、降低政府決策成本，并為政務智能的研究和應用提供新的思路。限于篇幅，本文沒有對模型的管理機制和安全機制進行深入、詳盡的探討，這方面的研究將在以后的工作中進一步開展。

參考文獻：

[1]李廣乾.我國電子政務與信息化最新發展述評[J].信息化建設，2005（11）：14-17.

[2]McAfee A,Brynjolfsson E,Davenport T H,Patil D J, Barton D.Big data：The management revolution[J]. Harvard Business Review，2012，90（10）：61-67.

[3]ASSUNOM D,CALHEIROSRN,BIANCHIS,NETT O M A,BUYYA R.Big Data computing and clouds：Trends and future directions[J].Journal of Paralleland Distributed Computing，2015（79）：3-15.

[4]Office of Science and Technology Policy,Executive Office of the President.Obama Administration Unveils ‘Big Data’Initiative：Announces s200 Million in New R&D Investments[EB/OL].（2012-03-29）[2015-07-27].http：//www.whitehouse.gov/administration/eop/ostp.

[5]European Commission.ADigitalAgenda forEurope[EB/ OL].（2010-08-26）[2015-07-27].http：//ec.europa.eu/ digital-agenda.

[6]United Nations.E-government Survey 2012：E-government for the People[EB/OL].（2012-03-16）[2015-07-27].http：//unpan3.un.org/egovkb/Portals/egovkb/Documents/un/2012-Survey/unpan048065.pdf.

[7]陸立軍.政務大數據起步，助力智慧政府轉型[EB/OL].（2015-06-19）[2015-07-27].http：//www.gov.cn/zhengce/ 2015-06/19/content_2881884.htm.

[8]國務院.促進大數據發展行動綱要[EB/OL].（2015-08-31）[2015-09-06].http：//www.gov.cn/zhengce/con tent/2015-09/05/content_10137.htm.

[9]KIM GH，TRIMIS，Chung JH.Big-data applications in thegovernmentsector[J].CommunicationsoftheACM，2014，57（3），78-85.

[10]程建華，李新友，潘春燕.電子政務的發展方向：政務智能[J].電子政務，2006（1）：112-118.

[11]樊博，孟慶國.面向主動服務模式的政務智能系統框架研究[J].情報雜志，2006，25（1）：72-74.

[12]王晉，舒寶淇.芻議大數據時代的電子政務[J].新世紀圖書館，2013（7）：24-26.

[13]吳焱，高棟，吳志剛.政務信息資源目錄體系與交換體系標準研究[J].信息技術與標準化，2005（11）：3-15.

李洪波上海大學管理學院師資博士后。上海，200444。
熊勵上海大學管理學院教授、博士生導師。上海，200444。
劉寅斌上海大學管理學院副教授。上海，200444。

收稿日期：（2015-08-03編校：方瑋）