快讯 | 多省市成立大数据局，加快建设智慧城市

大数据文摘出品

消息来源与人民日报、新华网等

互联网时代产生了海量的数据，但是对于数据的管理，一直缺乏相应的措施。很多数据也没有得到联通。

在政府层面，一旦数据能够完全互联互通，政府目前所提供的所有公共服务，大多数都可以在线上办理，极大的节省人力物力。

现在各地的机构改革方案纷纷出台，地方机构改革的蓝图已绘就，关于大数据的规划将全面铺开。

从已经公开具体改革方案的看，山东、重庆、福建、广东、浙江、吉林、广西等7省份均明确提出大力发展大数据。

在此之前，也有许多市级层面的大数据局，这次的改革方案，更多的是从省级层面布局数据管理。意味着很多省份开始高度重视大数据战略和智慧城市战略，而大数据管理局的设立将是智慧城市建设的有力抓手。

各省市大数据局成立盘点如下

其中，湖南、辽宁、海南、江苏的机构改革方案已通过待公布。再者，贵州省大数据发展管理局是之前成立的省级直属单位，其他七个都是今年新成立的。

贵州省大数据发展管理局

2017年2月，贵州省将省公共服务管理办公室职责全部划入贵州省人民政府办公厅。将贵州省经济和信息化委员会承担的有关数据资源管理、大数据应用和产业发展（除电子信息制造业外）、信息化（除“两化融合”外）等职责，整合划入省大数据发展管理局。此外，贵州省信息中心（省电子政务中心、省大数据产业发展中心）调整由省大数据发展管理局管理。

福建省大数据管理局

在新一轮机构改革中，设置省政府部门管理机构数字福建建设领导小组办公室，加挂省大数据管理局牌子。

山东省大数据局

为主动适应数字信息技术的快速发展，解决部门信息“孤岛”和信息“烟囱”问题，加快推进“互联网+电子政务”，建设“数字山东”，在山东省政府办公厅大数据和电子政务等管理职责的基础上，组建省大数据局，作为省政府直属机构。

浙江省大数据发展管理局

浙江省大数据发展管理局，负责推进政府数字化转型和大数据资源管理等工作。通过组建这一机构，进一步加强互联网与政务服务的深度融合，统筹管理公共数据资源和电子政务，推进政府信息资源整合利用，打破信息孤岛、实现数据共享，进一步助推“最多跑一次”改革和政府数字化转型，加快推进数字浙江建设

广东省政务服务数据管理局

为统筹推动“数字政府”建设，促进政务信息资源共享协同应用，提升政务服务能力，成立省政务服务数据管理局。

重庆市大数据应用发展管理局

将市经济和信息化委员会的人工智能、大数据、信息化推进职责，市发展和改革委员会的社会公共信息资源整合与应用、智慧城市建设职责等整合，组建市大数据应用发展管理局，作为市政府直属机构。

广西壮族自治区大数据发展局

广西壮族自治区大数据发展局是广西壮族自治区机构改革新成立的直属机构，为了更好地推进数字广西建设，充分利用中国—东盟信息港这一平台，完善三位一体、联动发展的大数据发展体系，加快培育新经济新业态，发展壮大新动能，力求赢得高质量发展主动权。

吉林省政务服务和数字化建设管理局

吉林省组建了省政务服务和数字化建设管理局，将省政府办公厅的电子政务建设、政务公开协调职责，省发改委、省工信厅等相关部门的省大数据建设项目和资金管理、政务信息系统整合共享、行政审批制度改革、“数字吉林”建设、优化营商环境建设职责等整合。

各地为何纷纷设立省级大数据管理局？

职能一，提高对数据汇集的重视。大数据管理局的成立表明当地政府已经充分认识到大数据的重要性，专职机构的设立也能够真正敦促、教育各级各部门更重视大数据建设，进而帮助当地政府更好地整理、汇集数据，为当地智慧城市的建设提供源源不断的燃料。

职能二，打破“数据孤岛”。数据联通能够发挥数据的效用，但是由于各级各部门从部门利益出发，共享数据的动力不足。这一方面导致了一个个的“数据孤岛”，难以实现数据的互联互通。另一方面相互割裂的数据事实上根本不是大数据，只能被称为“小数据”。

大数据更广泛应用后，城市和省份以及国家可以向智慧转型，未来实体政府有望瘦身。但是，使用大数据要解决各部门的信息孤岛问题。另外，使用数据也要确保居民隐私不外泄。

一个国家和地区到底有多少常住人口、土地，农业、国土、统计局等多个部门数据不一样，而通过大数据可以做到相对准确。不过，目前地方和全国对大数据应用仍有限。

尤其需要指出的是，当前我国正在大力推进“最多跑一次”改革，而一旦数据能够完全互联互通，则政府目前所提供的所有公共服务，99%都可以在线上办理，不仅“最多跑一次”将变为“一生只要跑一次”，甚至有些服务会变为“一生一次也不用跑”。不仅智慧政务服务将能够得到真正体现，而且还能节省大量的人力物力。

当然，当数据实现了互联互通之后，数据在整个政府部门内部就是透明的，就有工作人员泄露数据的可能，而可以在传统授权机制的基础上，通过区块链的加密机制对数据进行加密，并建立起有效的数据溯源机制来有效防范数据泄露的风险。

【今日机器学习概念】

Have a Great Definition