首页 > 数字工厂

政府BI 解决方案 大数据可视化 返回列表

艾灵思2019-04-30 09:34:22编辑发布,已经有157 个小可爱看过这篇文章啦

政府行业解决方案

政府BI 解决方案 大数据可视化(图1)




伴随互联网的快速发展,所产生的数据成为国家基础性战略资源,大数据的应 用已然成为“提升政府治理能力的新途径”。借助大数据手段推动政府管理理 念和社会治理模式的进步,实现国家治理体系和治理能力的现代化,使得政府 治理由封闭管理转向开放治理、由单向管理转向协同治理、由定性管理转向定 量管理,由粗放管理转向精准化管理,大数据成为政府治理能力现代化最重 要、最有力的推手。

行业现状

我国政府正在经历由管理型政府向服务型政府转型,为适应这种趋势我国政府 提出进行政府改革、建设电子政务,实现政府信息化的目标。近些年政务信息 化建设成效显著,为推动政府职能转变,加强对企事业单位和公众的服务,发 挥了重大作用。 随着政府各部门电子政务的陆续上线,政务业务的开展相比以 往行政更加高效、沟通更加便捷、公众满意度也极大提升,但在政府工作效率 提升的同时海量、碎片化的业务数据使得“信息孤岛”困境也愈发显著。 以大数据提升政府治理能力已成为大势所趋,运用大数据提升国家治理现代化 水平,以推行电子政务、建设智慧城市等为抓手,以数据集中和共享为途径, 推动技术融合、业务融合、数据融合,打通信息壁垒,形成覆盖全国、统筹利 用、统一接入的数据共享大平台,构建全国信息资源共享体系,实现跨层级、 跨地域、跨系统、跨部门、跨业务的协同管理和服务。

目前遇到的问题

1、海量数据

电子政务的发展已经渗透进政府社会管理、公共服务、市场监管、宏观调控 等领域,各政务系统产生了海量数据且数据增长的速度越来越快,导致数据的 查询、报表的生成效率及业务决策准确性极大降低。

2、信息孤岛 随着政务信息化的逐步完善,政务管理、便民服务、应急安全等系统的逐渐

发挥实际作用,但是各部门信息系统基本以单位为主,相互间以分立系统形态 共存,缺乏统一的平台对数据进行关联、融合,导致各方面业务信息难以有效 整合为数据应用展现业务全景,难以完全释放数据的真正价值。 3、监管决策支持

管理决策时不能从整合后的高度看问题,不同部门不同层级的用户对业务数 据分析有着完全不同的需求,而目前能够提供的报告主要以表格为主,分析维 度单一、形式简单固化,不能将决策依据和决策判断规则在数据分析平台上集 中展现且对分析需求响应的实效性差,无法为各级用户制定决策提供有效支 撑。

能力架构

政府BI 解决方案 大数据可视化(图2)

 

平台(P): Yonghong Z-Suite 为代表,我们构建一站式数据应用平台,平台性能强悍,包括数据准备、数据探索、人工智能(AI)、高性能计算、平 台的开放,以及面对业务人员的全终端开放等方面能力完美支撑各场景的数据 分析; 

应用(A):大数据分析解决方案需要深入政府业务应用,与实际行业紧密结 合,打造面向社会民生、经济发展、政府服务、社会信用建设、精准扶贫、公 务用车监管等各场景主题的垂直应用; 

服务(S):国产品牌助力精细化本地服务,提供完整数据咨询、实施,制定合 理项目管理规划及高适应性二次开发,从而为用户提供全方位支持服务; 

运营(O):结合数据化运营理念,为用户提供健康检查、架构优化建议,提 升用户运营规范,将数据化方案真正落在实处,确保大数据驱动业务增长的目 标最终得以实现。


产品架构

 1)数据层:整合不同政务信息系统,实现异构数据源的关联整合,打破信息 孤岛,对数据进行集中管理实现数据共享。

2)数据分析层:整合海量数据,梳理政府行业指标,进行即席查询、制作数 据报告、深度分析;

3)展现层:以丰富美观的图表展现方式,灵活多变的交互方式,将分析结果 呈现给各角色管理人员。


数据化运营最佳实践

1)定义战略目标 由咨询专家团队向部门领导进行战略调研,了解当前单位部门战略需求以及重 点关注 KPI,那么在数据化运营落地的角度来说,想要什么是最重要,通过目 标的分析和抽象,才能做好数据应用。

2)构建数据分析指标体系

咨询专家团队深入做业务内容调研、岗位职责调研以及组织架构调研,深入 理解实际业务,熟知各个业务部门工作流程,探寻各个业务部门的真实业务需 求,绘制出确切的业务模型。全方位了解各部门业务重心,下钻到各部门业务 人员的工作重点及关注方向、可能存在的问题点和分析点。建立一套标准数据 分析指标体系,清晰定义指标口径及含义,规范化对指标的管理,保障数据统 计口径的一致及结果的准确。从而为后续的规划设计工作做好铺垫,打好坚实 的基础。

3)搭建数据分析应用 分阶段建设一套标准化、智能化、移动化的数据分级及应用中心,面向单

位内部不同层级的人员构建对应的数据应用服务,既要为管理层提供数字化的 决策支持及风险监控,同时也要满足数据分析人员日常统计与分析需求,精简 报表及指标,让管理人员从数据处理逐渐转变为数据分析。

4)数据项目落地实践 在数据化运营落地的过程中,一定要循序渐进,在项目推进的过程中,逐步

将数据价值逐渐的释放出来。对于政府单位而言,可以设置未来几年的大数据 应用的蓝图,但在实施过程中一定要注意逐步的和快速的分解。

 


 


 

 


上一篇:
下一篇:

热门新闻

来电咨询