大数据环境下的政务智能：框架与流程*

李洪波　熊　励　刘寅斌



大数据环境下的政务智能：框架与流程*

李洪波熊励刘寅斌

摘要大数据正在迅速渗透到经济、社会和生活的各个方面，并将导致政府管理模式的深刻变革。在大数据时代，如何利用大数据优化政府服务、辅助政府决策、降低决策成本，挑战与机遇并存。鉴于此，论文提出了大数据环境下政务智能的框架模型，该模型由大数据来源层、整合层、应用层、展现层以及相应的管理机制和安全机制组成，还推荐了大数据环境下政务智能所需的一些开源技术，分析了大数据环境下政务智能模型的数据流程、目标与潜在效益。

关键词大数据电子政务政务智能框架政府管理模式开源技术

分类号G250

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

*本文系中国博士后科学基金（项目编号：2015M571542）、教育部人文社会科学研究项目（项目编号：15YJCZH077）、上海市教育委员会科研创新重点项目（项目编号：14ZS085）、上海市人民政府决策咨询研究项目（项目编号：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.

政务智能是电子政务发展到一定阶段的产物，它克服了传统数据库、数据分析方法的一些不足，如传统的数据分析工具、方法无法对大规模数据进行及时、有效的分析；现有的数据库系统虽然可以高效地实现数据录入、查询和统计等功能，但却无法发现数据之间的关系和隐含规则，无法根据现有的数据预测事物未来的发展趋势[1]。

政务智能对电子政务的发展起到了很好的促进作用，然而现有政务智能的研究，均很少考虑大数据的关键特征，已不能很好地应对大数据带给电子政务的挑战。鉴于此，本文提出了大数据环境下政务智能的框架模型，在政务智能系统中采用开源技术，不仅能够有效降低成本，还能在一定程度上确保信息安全。希望通过本文的研究，一方面在大数据时代对我国的电子政务建设有所促进作用，进一步提升政府服务和监管效率；另一方面为政务智能的研究和应用提供新的思路。

1　大数据与政务智能

1.1大数据及其在国家政府部门中的应用情况

目前，对大数据并没有统一的定义，但各界对大数据的特征基本达成了共识。大数据主要有以下四个关键特征（简称“4V”）：（1）数据量大（Volume），各种来源、各种类型的海量数据持续增长；（2）数据形式多样（Variety），有文本、图像、视频、传感器数据等，既有结构化的、半结构化的，也有非结构化的数据；（3）数据实时性（Velocity），数据实时生成、存储、处理和分析；（4）数据价值密度低（Value），单个数据的价值可能非常低，但从这些数据构成的海量集合中往往可以发现重要的知识与隐含的价值[2-3]。

大数据中所蕴含的海量数据，对于电子政务和智慧政府的建设而言，能否从中挖掘价值、辅助决策、优化服务，将是一个重要机遇；同时，鉴于新数据产生的速度已远远超过现有数据分析技术、计算平台的能力，如何开发与合理运用大数据分析方法，有效处理大数据的复杂性、安全性、隐私性等问题，也是一个重大挑战。

一些国家和地区已经认识到大数据对于智慧政府的重要性，并纷纷采取行动，推进大数据在政府部门的应用，具体内容如表1所示。从表1可以发现，美国和欧盟已经将大数据在政府部门的应用付诸行动，而我国政府部门对大数据的利用仍主要集中在行动计划上。因此，有必要对大数据环境下的政务智能模型进行深入研究，以推动大数据在我国政府部门的落地与应用。

表1　一些国家（地区）的政府部门应对大数据挑战所采取的行动

政府部门应用大数据的成功关键，在于整合运用新技术的能力（如Hadoop、Spark）、开发合理的软件系统、利用大数据分析技术支持决策[9]。本文的政务智能2.0模型中，将对一些开源技术进行推荐。

1.2由“政务智能1.0”迈向“政务智能2.0”

政务智能的目标是利用政府积累的大量历史数据来辅助政府决策，将政府所掌握的信息转换成知识，提高政府部门的决策能力、决策效率和决策准确性，并服务于公众。

政务智能的概念来源于商务智能。政务智能在技术层面与商务智能有很多共性，然而由于政务智能服务于电子政务环境，更多地表现出不同于商务智能的特点。许多学者将政务智能定义为一种信息系统，其目的在于辅助决策、服务社会[10-12]。

综合已有的观点，本文认为：政务智能是电子政务的重要组成部分，它通过对政府积累的大量历史数据进行主动获取、整合、分析，对内服务于政府部门，辅助政府决策，提高政府的决策能力、决策效率和决策准确性；对外服务于社会公众，使企业、公民便捷地获取与其息息相关的分析型信息，从而实现电子政务服务公众的目标。

目前，对政务智能的研究重点主要集中在政务智能的支撑技术、体系结构、应用系统等几个方面。现有对政务智能的研究存在一定局限性，如没有将大数据的特性纳入政务智能的研究，而这一点正是本文研究所要克服的缺陷。可以将大数据时代之前的政务智能称为“政务智能1.0”，而本文引入的大数据环境下的政务智能则属于“政务智能2.0”。

2　大数据环境下政务智能的框架模型

本文提出的大数据环境下政务智能的框架模型如图1 所示。该模型主要由4个层次模型（大数据来源层、大数据整合层、大数据应用层、大数据展现层）以及相应的管理机制和安全机制组成。其中，大数据来源层、整合层和应用层位于云计算服务器上。通过云服务的方式部署政务智能模型，可以确保政府部门灵活、方便地按需定制所需的计算能力，及时根据大数据需求部署合理的分析模型，从而以尽可能低的成本满足复杂多变的数据服务需求。

2.1大数据来源层

大数据来源层位于政务智能框架模型的底层，是整个系统的数据源泉。大数据来源层由各政务部门产生和管理的政务信息资源组成，这些信息资源分布在各种不同类型的数据库系统中，同时各数据库在地域上也处于分散状态。在数据结构上，这些数据可能是结构化的、半结构化的或非结构化的。

2.2大数据整合层

大数据整合层是政务智能模型的核心，它将地理上分散、结构上异构的各部门数据进行采集、整合，从而为整个政务智能系统提供良好的数据源。通过政务信息资源目录系统和交换系统，将分散的数据库资源进行整合，沟通各政府部门业务网和互联网，形成统一、共享的数据库系统，为应用层提供数据支撑。通过分布式并行计算与编程模型，实现大数据的高效处理。

由于数据量庞大，将采用分布式文件系统和分布式数据库对各类数据进行存储和管理。分布式数据库利用合理的数据处理手段形成统一的数据库。分布式数据库包括基础信息库、共享主题信息库、决策支持信息库等，管理和维护产生的各种数据。

在大数据整合层，可以采用Hadoop或Spark实现分布式文件存储与数据计算。对于非关系型数据库（NoSQL database），可以选用Redis、Voldemort、Cassandra、Hbase、MangoDB、Apache Jackrabbit等。

2.3大数据应用层

大数据应用层是联结大数据整合层与大数据展现层的纽带。应用层通过各种大数据分析技术形成大量决策支持模型，总体上可以分为两类：面向政府的应用和面向社会的应用，这两类应用在数据方面进行安全隔离。根据政府的职能，应用层的服务对象又可以进一步分为：宏观调控、市场监管、社会管理和公共服务，这样就基本涵盖了政府的所有业务。政府跨部门的业务工作极其广泛，如宏观调控业务、财政综合管理业务、税收业务、进出口业务、涉农业务、食品药品监管业务、社会信用业务、社会保障业务、环境保护业务等主要业务[13]，应用层利用整合层实现的部门间的信息资源共享来进行业务协同。

应用层的基础是应用服务器。应用服务器是实现特定应用的服务器系统，包括完成网站浏览的Web服务器、完成工作流管理的工作流服务器，以及实现一般数据库存取的应用服务器等。另外，在本模型中，应用服务器有一个很重要的作用——进行大数据挖掘与联机分析处理。应用层之上的各种应用主要是在大数据挖掘和联机分析处理的运算基础上实现的。

在大数据应用层，需要借助数据挖掘、机器学习中的算法实现大数据分析技术（Big data analytics），开源的R或者Python都可以较好地实现这一任务。2.4 大数据展现层

大数据展现层面向政务智能系统的用户，分为政府内部用户和外部用户。展现层的目标是将分析后的数据以直观、易懂的形式呈现在用户面前，它具备多角度的数据可视化能力、深入的数据分析能力、根据需要随时调整报表格式的能力等，同时满足不同级别、不同来源用户的分析、决策需求。展现层是基于门户（Portal）技术的，其表现形式有Dashboard、报表、移动APPs等。

2.5管理机制和安全机制

相关的管理机制和安全机制贯穿于模型的始终。管理方面，应建立完善的制度保障，如建立科学的信息收集机制和完善的信息利用机制。由于政务信息分布在各个不同的部门，建设一个高效的信息收集机制，及时准确地汇总各部门的信息，可为模型提供统一集中的数据基础；同时通过建设科学的信息利用机制实现模型自身价值，推动模型的高效运行。另外，模型还要提供绩效管理、系统管理（如角色管理、用户管理、数据字典管理、数据备份管理、系统日志管理、系统流量管理）等内容。

在信息收集和利用的过程中，全面的安全机制必不可少。例如，施行权限管理，根据数据的使用权限面向政府、公众提供服务；根据数据的不同安全等级，为政府部门和社会公众提供客观的数据产品。对内外网数据进行安全隔离，隔离状态下的数据交换安全可以采取数据加密、权限控制、内外网安全数据交换等保障措施。

3　政务智能模型的数据流程

政务智能模型的数据流程主要由三个阶段组成：大数据整合、大数据分析及大数据展现，其具体流程如图2所示。业务数据分散存储在各个部门异构的业务数据库中，首先利用前置交换系统将业务数据抽取到分布式的共享信息库中，这便完成了数据整合；然后利用数据挖掘、联机分析处理（OLAP）、分布式并行计算模型等分析工具，针对相应的任务进行处理和分析；最后通过大数据可视化技术将分析的结果展现出来。

4　政务智能模型的目标与效益分析

本文政务智能模型总体目标是整合分散在政府部门及社会组织中的大数据，为政府部门、组织、公民提供高效率、低成本的信息服务；充分挖掘大数据的内在价值，辅助政府决策，服务公众。实施该模型后的效益可以从内外两个方面分析。

一方面，在政府部门内部，有助于提高决策的科学性，降低决策成本，服务于政府监管，充分发挥政府职能。（1）可以使相关数据分析人员从收集、整理和汇总数据的繁琐工作中解脱出来，将工作的重点转向提供能用于科学决策的信息。利用政务智能发现数据中存在的关系和规则，根据现有的数据预测未来的发展趋势，提高政府决策的科学性、准确性。（2）集中政府各有关部门的业务数据，进行整合、分析，可以形成系统的数据、资料，使各自独立的职能部门全面了解政府各相关部门的业务信息，按需应用，促进信息共享，从而有利于各个职能部门更为高效、协同地行使监管职能。（3）由于政务智能2.0中广泛采用了开源技术，不仅有效降低了实施成本，也在一定程度上确保了信息安全。

另一方面，在政府部门外部，提供公众所需的分析型信息，增强公众和政府之间沟通的时效性，更好地服务公众。（1）政府部门内部、政府与社会各界之间利用电子渠道沟通，并向公众提供随时随地的个性化服务。（2）利用政务智能系统，企业可以方便查找、挖掘、分析其经营决策所需的有关宏观经济、经验等方面的信息，从而为企业节约交易成本，提高经济运行效率。

5　结语

在大数据时代，海量、异构、多源的数据持续膨胀。为了应对大数据为政府管理带来的挑战与机遇，本文提出了大数据环境下政务智能的框架模型（“政务智能2.0”），该模型由大数据来源层、大数据整合层、大数据应用层、大数据展现层及相应的管理机制和安全机制组成。本文对大数据环境下政务智能所需的一些开源技术做了推荐。此外，本文还分析了大数据环境下政务智能模型的数据流程、目标与潜在效益。本文的模型有助于提升政府服务和监管效率、降低政府决策成本，并为政务智能的研究和应用提供新的思路。限于篇幅，本文没有对模型的管理机制和安全机制进行深入、详尽的探讨，这方面的研究将在以后的工作中进一步开展。

参考文献：

[1]李广乾.我国电子政务与信息化最新发展述评[J].信息化建设，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]陆立军.政务大数据起步，助力智慧政府转型[EB/OL].（2015-06-19）[2015-07-27].http：//www.gov.cn/zhengce/ 2015-06/19/content_2881884.htm.

[8]国务院.促进大数据发展行动纲要[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]程建华，李新友，潘春燕.电子政务的发展方向：政务智能[J].电子政务，2006（1）：112-118.

[11]樊博，孟庆国.面向主动服务模式的政务智能系统框架研究[J].情报杂志，2006，25（1）：72-74.

[12]王晋，舒宝淇.刍议大数据时代的电子政务[J].新世纪图书馆，2013（7）：24-26.

[13]吴焱，高栋，吴志刚.政务信息资源目录体系与交换体系标准研究[J].信息技术与标准化，2005（11）：3-15.

李洪波上海大学管理学院师资博士后。上海，200444。
熊励上海大学管理学院教授、博士生导师。上海，200444。
刘寅斌上海大学管理学院副教授。上海，200444。

收稿日期：（2015-08-03编校：方玮）