大数据助推银行业监管

大数据助推银行业监管（精选8篇）

大数据助推银行业监管篇1

——现场检查系统在湖北的实践

基于数据大集中的监管手段——现场检查系统（EAST系统）应运而生。现在，运用EAST系统进行建模分析，从系统中直接筛选符合条件的信息，实时跟踪数据异动，仅用一分钟就能迅速筛查出过去需要好几天才能查出来的贷款挪作保证金等违规情况，现场检查质效得到大幅提升。

这一系统已经在提升监管水平与效率等方面发挥了重要作用。从实践来看，湖北银监局组织了专业团队，认真做好制定实施规划、夯实数据基础、强化科技支撑等先期工作，顺利成为省局版EAST系统首批试点单位之一。由于EAST系统采集数据具有大规模、细颗粒、标准化、自动化等特点，易于进行海量数据的筛选、关联、比对等操作，正好与信用卡的业务特点以及所秉承的“大数法则”风控基础相契合。

在对辖内某银行信用卡业务的现场检查中，湖北银监局以风险管理、收费管理、质量管理等常见违规问题为切入点，利用EAST系统分析功能建立了一系列模型，提取了不少违规疑点信息，实现“精确打击”。

信用卡疑似套现在交易数据上常有一些异常表现，如每笔交易金额较大、先还后借且交易间隔时间短、为得到最长免息期交易一般发生在还款日附近等等。根据这些疑点信息，湖北银监局建立了相关模型，筛选出近千笔存在套现倾向的交易，督促该银行做好风险排查和防范工作。通过EAST系统建立模型还筛选出恶意透支的可疑名单，下一步将通过现场检查核实催收情况综合判断。信用卡业务作为EAST系统运用的“标靶”，为下一步这一系统延伸到对银行信贷业务、表外业务及外部风险的现场检查打下了扎实基础。

从实践中来看，通过EAST系统的数据直接对接，一方面可以有效克服以往银行机构手工数据录入的选择性规避和操作失误，确保了数据的真实性和一致性；另一方面可以依托系统数据的前期跟踪、监测和分析，准确定位疑点，有效聚焦风险，大幅缩小检查范围，提升检查针对性，实现非现场监管和现场监管的高效联动。EAST系统还能够充分及时地对数据信息进行处理，为监管人员及时

捕捉、监测、分析银行风险创造了有利条件，提升了对风险的识别、预判、预警能力，从而将各类风险隐患更好地消灭在萌芽阶段，提高银行业整体风险防控水平。

为更有效地推广EAST系统的运用，上下间的协调联动非常重要。应努力将EAST系统打造成一个开放式平台。同时，还应建立跨部门的联动工作机制。由于EAST系统科技含量高、技术难度大，推广工作中应注重集成监管人力资源，发挥各部门专业优势，建立沟通联络机制，加强科技与业务部门的融合，提高试点工作效果。EAST系统可以为现场检查提供线索，为非现场监管提供情况验证，同时也为市场准入提供参考意见；现场检查和非现场监管可以运用EAST系统将问题查深查透，这样才能将EAST系统用活用足，将其效用发挥到极致。（作者单位：湖北银监局）

链接

大数据助推银行业监管篇2

1 大数据对于传统行业营销的影响

营销是企业存在和发展的基础, 在传统企业, 我们不仅知道营销的结果如何, 还可以通过多维度和精细化的BI分析工具, 得知不同产品不同区域甚至单个客户的销售结果, 溯因分析和纵向挖掘都不成问题。但我们对产生这个结果的过程一无所知, 因为大家不知道客户在买自己的产品之前是如何做决策的。所以, 我们不断尝试用各种广告策略和促销方式来引导客户, 不过从很多的营销活动失败的事实来看, 显然人们的尝试有很多错误, 否则就不会有“不知道哪一半广告费是浪费的”。传统企业的营销管理还有另一个缺陷, 那就是“对事不对人”, 也就是说, 只能对业务数据进行分析, 如销量、营销投入、渠道等, 但对客户这个“人”的分析却无从下手。毕竟购买决策是客户做的, 而客户是一个个活生生的人, 他自己的七情六欲的每一点都有可能影响决策。我们天天谈“客户关系管理”, 却不能对客户这个“人”有着具体的描述, 不能不说这是件相当令营销人员尴尬的事情。这些信息都是进行客户关系管理、客户购买决策分析等的最基础的数据, 但传统的手工采集数据的方式在准确及时性方面往往不靠谱, 而且成本又高。与传统企业不同, 互联网企业可以根据“搜索记录”、“浏览记录”、“评价记录”等进行“用户行为分析”, 从而可以侧面了解客户的购买决策过程以及顾客的关注点。由于一个用户的购买可能会受数千个行为维度的影响, 随便一个中型电商, 每天所产生的用户行为数据都是多类型的海量数据, 大数据就在这里展现了它的存在和价值。

2 大数据事关传统产业转型升级

在大数据研究过程中就有研究人员提出了, 在研究过程中建议积极地推行中国宽带政策, 应用这项技术不断对下一代的宽带发展、移动通信业务、公共无线网路业务、电子商务业务、行业专业网络和电信服务实施提供必要的技术支撑和服务, 积极推广和建设云计算数据平台, 积极鼓励大数据企业参与到网络设施的投资和建设中, 在我国建成云计算的网络平台。同时, 需要我们及时地启动大数据相关产业示范点建设, 在示范过程中主要以企业为主体, 建立一个大型的数据交易和服务平台。

在今年的两会上, 全国政协委员、联想集团总裁兼CEO杨元庆表示, 我国IT行业迎来了移动互联网的蓬勃发展时代, 所有产业链的各个环节都应适应当前市场需求的转变。而这将是一个巨大的挑战, 这个挑战不仅仅是对于联想而言的, 而是对于所有的传统产业来说都是一个机遇, 这就要求我们要适应市场需求, 这个需求主要是两个方面, 一是前端的, 也就是智能手机等终端设备的市场需求;二是后端, 也就是对大数据和云计算等大型移动互联网运作的后台服务起支撑作用的市场需求, 其中一个重要方面就是大量服务器的应用。这也是联想企业在去年斥巨资并购IBM服务器业务的主要原因。

3 结语

凭借大数据的东风, 传统产业加快信息化和工业化深度融合, 以信息化技术来改造现有的产业, 将传统生产力实现提档升级, 形成产业信息化的新技术, 大幅提升企业和产业的技术创新能力。

参考文献

[1]龚心规.工业转型升级是实现工业大国向工业强国转变的必由之路———《工业转型升级规划 (2011-2015年) 》解读[J].中国经贸导刊, 2012, (07) :15-16.

[2]国务院发展研究中心中小企业发展新环境新问题新对策课题组, 张玉台, 侯云春, 陈小洪, 李志军.大力促进中小企业技术进步与转型升级[J].中国发展观察, 2012, (03) :70-71.

大数据如何助推《小时代》？篇3

前几天，黑豆碰到了老夏，他就正在做这样的事。老夏名叫夏宗靓，成立了一家名叫艾漫科技的大数据公司。如果把艾漫科技当成影视圈的一个幕后人员，它早就是腕儿了。《小时代》和《北京爱情故事》两部赚得盆满钵盈的电影，幕后都有艾漫科技提供大数据支持。

2013年《小時代1》6月上院线之后，艾漫科技的大数据系统发现观众对郭敬明的导演功力有质疑，同时，某一个男主角的表现非常不能让观众满意，而这个时候《小时代2》已经拍完。综合大数据结果艾漫建议《小时代2》在七夕中国情人节档上院线，因为如果等待半年之后上映，关注度下降的同时，郭敬明的导演水平会受到更多质疑。这是中国电影史上都是少见的操作手法，当然，票房的成功验证了这个决策是正确的。

大数据同样可以用于选角和戏份删减。艾漫科技还建议：由于其中某个男演员口碑较差，后续戏份需要删减；而女二号的表现突出，戏份应更多增加。此外，由于小时代系列的82%的关注者都是90后，而对这个人群的作息时间来讲，晚上十点的排片可能比传统的晚上八点黄金档更合适；还有应更多地在二三线市场进行排片和在营销时重要的宣传点应着重放在“朋友、友情、人性”等。这些建议最终都被片方采纳。

其实黑豆一直认为，大数据做的就是了解“人”的事情。无论现实社会还是虚拟社会，只要我们有了身份、ID我们就会有所顾忌，所以未必敢表达我们的真实感受。有的时候，我们内心想要的甚至我们自己也说不出来。但这一切都会表现在我们的行为上，谁愿意承认自己八卦呢，但这并不妨碍我们在文章事件曝出后，翻翻三个人的过往情史。很多人批评《小时代》纸醉金迷，这不妨碍我们依旧看着这部电影，在心里偷偷向往一下，甚至我们都不知道自己在向往。在互联网上，娱乐是用户最重要的几件事之一，大数据能做到的更了不起的事情是——“找到你内心的小恶魔”，并用内容把小恶魔饲养好，转而让我们更加了解自己。

从这个角度看，娱乐信息的确比很多门类更容易直射内心。不过黑豆想到的事情，其它人必然也会想到，这块迟迟发展不起来大概有几个原因：1、中国娱乐产业本身的互联网化程度还比较初级；2、再精准的数据到很流弊的作品之间也少不了“人”的加工，数据再准，没有好导演，一部粗制滥造、各种情节拼凑在一起也未必有人看吧。3、大数据的效果无法像电商那样精准衡量，但背后的技术要求却更高。

互联网圈都有个习惯，一听到大数据，就得问在数据量、技术上有什么优势。其实前几年老夏做的事情都是把非结构化的数据变得结构化，那时百度也提出了类似的概念，你就知道他们做得事情有多难。现在对外，老夏解释类似问题答案很直接：“在中文文字处理上，艾漫科技数据源是最大的，处理速度是最快的，识别是最准的，没有之一。还有就是，不需要人工参与判断。”

老夏常说自己是影视行业的“黑衣人”，掌握着最新科技为影视圈的星球大战保驾护航，任务完成后，就用记忆消除器对着自己闪一下。身在娱乐圈，艾漫科技超过70%的人却是技术宅男，不擅长制造话题和绯闻。“就像我们服务器上存储的1.4PB数据一样，艾漫会持续每天海量存储全网数据。”老夏解释，真正做好大数据，需要动态、连续、完整的数据积累，而不是博昙花一现。“到艾漫科技广为人知的时候，我们存储的数据或许已经达到10PB、甚至100PB了，而且这些的数据能发挥的价值远超过容量的价值”。2012年《纸牌屋》让人们知道有一种神奇的工具叫大数据，却不知道那时艾漫科技已经在影视商业立项、主创评估、制片辅助、宣传发行、动态票房预估等领域开始尝试了。《小时代》、《北爱》、《最美和声》等知名作品都和艾漫有大数据合作，原来这些好作品都是上了科技手段的。目前艾漫的电影票房预测已经控制到10%的误差，2014年开始，自己建设了大数据系统的视频网站也开始寻求艾漫科技这样的“外脑”，成功的自制内容有腾讯视频的《探灵档案》、《Are you normal》等。

但老夏只想让大数据成为影视、音乐等娱乐产品的“拐杖”。娱乐和互联网看似风马牛不相及，但越跨界就越有意思。他本身就是个跨界人，毕业于清华大学，在IT圈工作多年，后来又进入了音乐圈，曾担任海蝶公司总裁。

最先尝鲜的是那些对高科技很有Feel的导演，比如对新锐90后口味最了解的郭敬明、导演了《泰坦尼克号》的好莱坞大导演詹姆斯·卡梅隆（他在《深海挑战》中和艾漫进行了大数据合作）。这也是老夏最喜欢的一类客户，他们对大数据的认识更加理性：不需要老夏用数据去证明自己的决策多么睿智、伟大，相反，他们和那些优秀的产品经理一样，更关注用户在想什么。“大数据不是为了证明什么是对的。它研究的不是因果，而是相关关系。大数据也不能保证成功，只是在不断提高成功的几率，因为通向成功的路上，变量太多了。”老夏说，“未来每一个影视内容的产生，都是艺术感性创造和大数据理性支持的叠加，缺一不可”。

话说回来，以黑豆对大数据的浅薄理解，一听到创业公司要做大数据还是有些担心的，因为大数据正是BAT抓紧在做的事情啊，可真不是创业公司轻易玩得起的。而且优土、爱奇艺等视频网站都在做自己的大数据系统，为买剧、制剧做出指导，和创业公司比起来，他们怎么看都能算得上财大气粗。

但有了技术能力后，艾漫做的事情还是有巨大的市场空间。中国娱乐文化市场很大，但做娱乐文化内容深度挖掘的公司很少。而且这些事情，BAT也需要，却未必有精力专门搭建团队做的事情。艾漫抓取的是全网的娱乐数据（除了微信朋友圈现在还没开放权限），这些数据多、杂、散、匿。大公司一讲自己的大数据优势就是自己体系内海量数据的积累，或者完善的账号体系，而艾漫科技可以为任何一个客户提供总平台的数据和分析。一部电影、电视剧或是综艺节目，大数据的作用是分析观众口味是什么，喜欢怎样的桥段，而不是针对个人。《北爱》中艾漫通过内容聚合，发现北京的80后的爱情观，尤其是北漂，是玫瑰加房子。

做大数据首先要能正确地理解并搜集数据。在自然语言理解上，艾漫可以在博大精深的汉语中精准的抽取关键词以及观点并做出情感的分析判断（这在一般的大数据体系里是做不到的）。而且在消除歧义上，艾漫也很有心得，文章事件中，他们绝对不会把“演员文章”和“一篇文章”中的两个词弄混。针对相关内容，艾漫可以自动归档，更牛的是，大数据系统可以自动给这些文章做出摘要。

搜集数据之后，还需要挖掘。如果有突发事件曝出，系统可以自动进行全网的时间传播与追踪。听到这里的时候，黑豆邪恶的想了一下，如果再出艳照门，是不是宅男们就不用各大论坛去翻帖子了，始终有最新版的内容看。此外还能根据关键词形成大规模的知识图谱，类似的知识图谱我们其实已经在搜索引擎或者人立方等产品中看到过了，但艾漫的知识图谱是多信息的，你不仅能看到关键人物、或者事件，而且每个关键点上还有相关新闻链接和摘要供阅读。

而且艾漫非常重视来自微博、评论、贴吧等各种社交产品中的数据，因为那背后的才是一个个真实的“人”。这意味着，即便对有了大数据系统的视频网站，艾漫也能告诉它更多，比如谁在讨论什么，这个剧为什么火。

黑豆非常期待的是，很快这些用于寻找人类心中“小恶魔”的大数据系统就要被开发成面向用户的toc类产品了。艾漫做影视To B类客户服务，是让影视作品都符合目标用户的YY；做娱乐资讯To C类用户服务，则是为了验证老夏自己的YY。

至少以目前的艾漫的手段，早期产品就可以让用户越来越“懒”：不需要花超过3秒的时间就能读懂一篇新闻；甚至不再“读”新闻，直接变成图片来看新闻。媒体的态度不再重要，用户的态度才是最重要的；每个人都不再是信息的孤岛，因为每个人都能找到自己价值观的认同者；每个人都是信息的接收者，也是信息的传播者。

但黑豆内心更期待在它的产品入驻了我们手机，对我们有更多了解后，能帮助我们找到内心的小恶魔，毕竟，了解自己这件事吧，太难了。拥有直面真实的自己的勇气，也太难了。比如黑豆自己，当老夏告诉我，每一个社交账号后面的行为，艾漫科技都贴上了20个标签的时候，我后背凉飕飕的。我何时是天使，何时是魔鬼，大数据竟然比我还清楚。

大数据助推银行业监管篇4

（试行DOC版）

本标准适用范围为根据《银行业监管统计管理暂行办法》(2004年第6号主席令)开展监管统计工作的全部银行业金融机构（下文简称“银行”）。标准的总体框架包含5方面要素，分别为：组织机构及人员，制度建设，系统保障和数据标准，数据质量的监控、检查与评价，数据的报送、应用和存储。5方面要素下共有15项原则，每项原则下有若干具体标准，共61条标准。

（一）组织机构及人员原则1 组织领导

银行董事会和高级管理层高度重视并积极推动本行数据质量管理和监管统计工作，明确政策和目标，建立机制和流程，落实各环节责任。

具体标准：

1.1银行董事会制定明确的政策，将本行数据质量管理纳入内控合规体系和战略规划之中，并定期对其有效性和执行情况进行评估。

1.2银行高级管理层确立数据质量管理的目标，建立机制和流程，明确职权和责任，定期对本行数据质量管理水平进行评估，并有效落实数据质量问责制。

1.3银行法定代表人或主要负责人对本行监管统计数据的真实性负责，亲自或委派领导班子成员（以下简称“主管领导”）组织领导监管统计工作，对制度性变革等重大监管统计事项能够及时研究部署，在资源调配方面予以充分支持和保障。

原则2 归口管理

银行对监管统计工作实行统一管理、分级负责的管理体制，确定归口管理部门组织管理本机构的监管统计工作。

具体标准：

2.1银行总行确定监管统计归口管理部门，授权其负责全行监管统计领导、组织、协调和管理工作。

2.2总行归口管理部门根据授权负责制定全行监管统计工作制度和流程，提出监管统计数据质量管理措施，协调和督促其他相关业务部门，共同做好监管统计工作，定期检查并发现监管统计数据质量存在的问题，提出合理化建议，向主管领导报告。

2.3银行各级分支机构确定相应的归口管理部门，负责本级机构监管统计工作，在总行归口管理部门统一领导下，有效履行监管统计相关职责。

原则3 岗位设置

银行在监管统计归口管理部门和其他相关业务部门设立相应的监管统计岗位，岗位职责明确，并配备能满足岗位履职所需的资源。

具体标准：

3.1银行在监管统计归口管理部门设立与本行业务规模和复杂程度相适应的、满足监管统计工作需要的监管统计专职岗位。

3.2银行在其他监管统计相关业务部门设立与其部门业务规模和复杂程度相适应的、满足监管统计工作需要的监管统计专职或兼职岗位。

3.3 银行对监管统计岗位的设置涵盖监管统计所有的工作任务和内容，分工明确，职责清晰，各岗位均设立A、B角。

3.4银行对监管统计岗位的财务预算满足各岗位履职所需，包括设备、差旅、培训等支出。

3.5银行监管统计岗位薪酬水平能够吸引和留住合格的工作人员，岗位设置能体现职业成长发展的良好通道。

原则4 团队建设

银行建设一支满足监管统计工作需要的专业队伍，并建立有利于提高监管统计人员工作积极性和促进其职业成长发展的激励约束机制。

具体标准：

4.1银行应根据监管统计岗位职责要求，配备一定数量的满足监管统计工作需要的监管统计人员。

4.2监管统计人员应具有良好的职业操守、专业知识和操作技能，熟悉银行业务，具备必要的协调沟通能力。

4.3银行对监管统计人员定期进行科学、系统的培训，培训的内容、方式和频度能满足监管统计工作的需要。

4.4银行建立对监管统计人员合理有效的激励约束机制，创 3 造有利于提高监管统计人员工作积极性和促进其职业成长发展的良好环境。

（二）制度建设原则5 管理制度

银行建立全面、科学和有效的监管统计管理制度，保证监管统计工作的规范性和严肃性。

具体标准：

5.1监管统计归口管理部门牵头其他相关业务部门建立符合银行监管要求的统计管理制度。统计管理制度的内容包括但不限于组织管理、部门职责、协调机制、安全保密、系统保障、监督检查、数据质量控制以及监管统计数据源管理等方面，并以文件的形式下发执行。

5.2监管统计归口管理部门根据监管要求和管理实际，持续评价和及时更新统计管理制度。

5.3监管统计归口管理部门将本行的统计管理制度报银行业监督管理机构（以下简称监管机构）备案，管理制度若有重大调整或变化，及时向监管机构报告。

原则6 业务制度

银行建立适应本行业务实际的监管统计业务制度，做好监管统计数据源和统计项目的归属管理。

具体标准：

6.1监管统计归口管理部门组织其他相关业务部门制定符合本行实际的统计业务制度。统计业务制度覆盖所有的监管统计报表和数据要求，并正式发布。

6.2统计业务制度对监管统计的内容、方法和口径等方面做出统一规定，保证监管统计报表和数据中每一个统计项目的归属关系及取数路径清晰、准确。

6.3监管统计归口管理部门根据监管要求和管理实际，组织其他相关业务部门持续评价和及时更新统计业务制度。

6.4监管统计归口管理部门将本行的统计业务制度报监管机构备案，业务制度若有重大调整或变化，及时向监管机构报告。

（三）系统保障和数据标准原则7 基础系统

银行业务及管理基础系统实现对监管统计涉及的各项基础业务和管理信息的全面覆盖，数据维护管理制度和流程完备，具有较强的数据质量控制功能，保证系统信息全面、及时、准确反映业务实际。

具体标准：

7.1业务及管理基础系统的设计、建设和升级改造征询并充分考虑监管统计业务需求，系统功能支持监管统计信息自动采集。

7.2业务及管理基础系统涵盖监管统计涉及的全行各业务领域及各类相关机构。如由于新的监管要求变化而暂时无法实现全覆盖，要有明确的系统完善时间安排。

7.3业务及管理基础系统有完备的数据维护管理制度和流程，尤其是要有对质疑信息明确核查和纠正的相关规定。7.4业务及管理基础系统信息及时录入，经过复核，并动态更新，保证全面、及时、准确地反映业务实际。对监管统计人员及系统管理人员反馈的存在完整性、准确性等缺陷的质疑信息，及时予以核查并纠正。

7.5业务及管理基础系统具有良好的可拓展性，满足新业务、新产品和监管新要求的需要，并为监管统计管理系统预留能够灵活加载的数据接口。

原则8 监管统计系统

银行建立适应监管统计工作需要的、完善的监管统计系统，实现流程控制的程序化，能够自动提取和加载所需数据，有良好的质量控制与错误信息提示功能，保障数据安全和规范操作，并具有可拓展性和灵活性。

具体标准：

8.1银行将监管统计系统建设纳入本行信息系统建设整体规划，系统框架设计符合监管统计业务及管理要求，并配备充足的信息科技支持资源。

8.2银行监管统计系统实现流程控制的程序化，综合处理监管统计业务，能够自动提取相关系统所涵盖的全部监管要求数据，能够加载标准化的外部数据。

8.3监管统计系统具有良好的质量控制功能，能自动实现总分、表内、表间检验和预警提示的需要，能灵活设定参与检验的机构、指标的逻辑关系，自动提示异常变动及错误情况。

8.4银行采取适当的安全防范措施，建立应急处置机制，保证监管统计系统安全稳定运行，保证数据安全。

8.5监管统计系统附有完备的系统取数规则及系统操作说明，为统计人员提供操作规范。

8.6监管统计系统具备较强的可拓展性和灵活性，能根据监管要求，灵活、方便地增加新的监管指标或报表数据采集，具有灵活定制分析报表、合理管理各类口径数据等统计应用分析功能。

原则9 数据标准

银行数据标准化规划统筹考虑监管统计数据标准化，全面覆盖监管统计数据及指标。数据标准符合国家标准化政策及监管统计规定，在监管统计相关的业务领域及系统中规范执行。

具体标准：

9.1银行充分考虑监管统计要求，将监管统计所涉及的数据标准纳入本行信息标准化规划。

9.2监管统计相关的银行数据标准符合国家标准化政策及监管统计规定。数据标准明确，文档规范。

9.3银行与监管统计相关的业务领域及系统遵循统一的业务规范和技术标准，建立全行统一的监管统计数据架构，客户、产品、机构、账户等基础信息跨系统保持名称、定义、口径、来源等方面的一致性。各系统建立统一的数据交换标准，实现系统间信息共享。

（四）数据质量的监控、检查与评价原则10 日常监控

银行建立有效的数据质量监控体系，对监管统计数据质量实施持续监测，采取有力措施，落实各环节责任，确保数据质量。

具体标准：

10.1银行建立有效的覆盖监管统计数据生产报送全流程的数据质量监控机制。

10.2监管统计相关业务部门对本部门监管统计的数据源信息质量适时监控，对监管统计归口管理部门提出的数据源质量问题及时整改，保证数据源信息的准确性和完整性。

10.3监管统计归口管理部门对监管统计数据实施有效的跟踪监控，强化总体复核，发现数据质量问题，反馈到相关责任部门并督促其及时纠正。

10.4监管统计归口管理部门建立与报表频度相适应的数据质量监测台账，对监管统计数据质量问题实时记录，定期分析。

10.5监管统计归口管理部门定期通报相关业务部门和分支机构提供的监管统计数据质量情况，总结交流经验，并提请实施问责。

原则11 监督检查

银行将数据质量检查纳入内控合规检查范围，建立监管统计现场检查制度，定期组织实施。

具体标准：

11.1银行将数据质量纳入内控合规检查范围，内控合规管理部门在制定检查计划时充分考虑监管统计归口管理部门的意见和建议。

11.2银行建立监管统计现场检查制度。归口管理部门定期牵头组织行内监管统计现场检查，检查内容包括监管统计法规制度的执行及其数据质量等情况。

11.3归口管理部门将统计现场检查报告报主管领导，对影响数据质量的重大问题，提交内控合规部门跟踪检查，并报监管机构。

11.4银行督促被查单位根据统计现场检查发现的问题以及归口管理部门的要求实施整改，及时对整改情况跟踪评价，确保整改落实到位。

11.5监管统计相关业务部门定期对监管统计的数据源信息质量进行检查，及时组织整改，并将检查整改结果抄送监管统计归口管理部门。

11.6银行对监督检查发现的重大问题，依据有关规定对相关部门及责任人予以问责和处理。

原则12 考核评价

银行建立有效的考核评价体系和奖惩机制，保障全系统监管统计工作的有效落实。

具体标准：

12.1监管统计归口管理部门定期对相关业务部门和分支机构提供数据的质量情况进行考核和评价，考评结果在行内公布。

12.2监管统计相关业务部门按照业务范围对监管统计数据源管理工作进行考核评价，落实相应的激励约束措施。12.3银行将监管统计数据质量的考核结果纳入本机构绩效考核体系。

（五）数据的报送、应用和存储原则13 数据报送

银行加强向监管机构报送数据环节的管理，积极落实各项报送要求，认真审核，减少迟报、漏报和差错。

具体标准：

13.1银行建立数据报送流程管理制度和报送联系人制度，保障与监管机构联系畅通。

13.2银行与监管机构建立网络连接，实现监管统计报表和数据的快速、安全传输，按监管统计制度规定的频度和时间要求及时报送数据信息，并建立监管统计报送应急预案。

13.3数据报送符合监管统计制度要求，不存在漏报的数据信息，保证填报地区、机构范围和统计数据的完整性。

13.4数据报送的文件格式正确，系统能正常读取数据，符合逻辑校验关系要求。对数据异常变化的质询能做出合理解释；对历史数据进行修改，说明缘由，并报送监管机构备案。

原则14 分析应用

银行在保密安全的前提下充分共享和使用监管统计信息，为本机构经营决策和风险管理服务，同时通过扩大共享、加强分析、适时披露，促进数据质量提升。

具体标准：

14.1监管统计归口管理部门对监管统计信息合理分类，对相关业务部门设定合理的用户权限，充分实现机构内的统计信息共享，扩大应用范围。

14.2监管统计归口管理部门牵头建立全面、科学的监管统计信息分析框架，做好监管统计信息的监测、分析和风险预警工作。

14.3相关业务部门有效分析使用监管统计信息，为本行合规审慎经营提供决策参考，并以此推动数据质量不断提高。

14.4银行应关注报送监管机构的监管统计信息与对外披露的相关信息间的差异，并将其中重大差异主动向监管机构做出说明。

原则15 资料存储

银行按照规定加强对监管统计资料的存储管理，保证监管统计数据信息的安全性和连续性。

具体标准：

15.1银行对监管统计资料统一管理，根据保密规定和档案管理要求，建立全面、严密的管理流程和归档制度。

15.2当内部职能变更、人员变动时，做好监管统计资料交接存档工作。

汽车行业大数据应用案例解读篇5

在未来，各个产业都将成为数据产业，汽车也将如此。目前，互联网所掌握的消费者喜好、生活习惯等数据信息如果应用到汽车行业，将使汽车产品更加智能，大数据的应用甚至能够影响到汽车产业的生产制造，帮助汽车企业生产出更加符合消费者需求的产品。

凯文凯利认为：“在未来，各个产业都将成为数据产业，汽车也将如此。目前，互联网所掌握的消费者喜好、生活习惯等数据信息如果应用到汽车行业，将使汽车产品更加智能，大数据的应用甚至能够影响到汽车产业的生产制造，帮助汽车企业生产出更加符合消费者需求的产品。”

在贵阳大数据论坛上，马凯副总理提出：大数据是国家战略资源，部分公共数据资源也将逐步开放，让企业用互联网+更好的服务社会。

基于汽车行业超长的产业链，从不同的层面看，汽车大数据必然是多维度的，有不同的理解和看法，我们试从各行业角度试加分析：

先看一组数据：

中国有3亿驾驶员，1.5亿车主，100多个品牌6000多款车，24000多家4S店，44万家维修厂，600万家洗车行......主机厂：汽车大数据的顶层和基础

主机厂是汽车的制造者，他们领先的设计、技术及制造能力和知识产权，使其在整个汽车生态链中起绝对主导作用——所有的零部件设计及软件系统，都由主机厂主导，所有衍伸产品都以主机厂的产品设计规格为标准（适配软件、模具、型号、规格尺寸乃至汽车改装和汽车电子产品以及汽车用品等等）。

同时，主机厂有完善的零部件配套、物流配送、销售体系，所有该体系内的企业都要按照其标准化模式运行；原始汽车维修技术资料以及CRM和ERP系统：4S店的后台管理系统由主机厂提供，能够调取车主的姓名、住址、行驶证数据及通联、保险、维修保养记录（车主脱离4S店体系之前）。

主机厂零部件数据包括包括字段：配件名称、配件代码、品牌、型号、年代、替代配件、替代关系、图示、价格等等。

机动车整车信息及价格数据：车型代码、车型名称、车型分类、排量、核定载客、核定载质量、整备质量、厂商名称、品牌名称、车系名称、价格、上市年份、备注等全面的车辆信息。

大数据在主机厂的角色定位是在生产制造领域提升生产效率，降低成本。在客户需求层面，打造未来C2B模式的电商平台，4S店需要做针对性更强的精准营销：即利用现代计算机技术搜集、处理、分析企业的客户资料，包括现有客户情况、产品购买和使用情况分布(客户购买时间、方式、金额，以及维修保养频率和花费等)，还通过对数据库信息的分类、筛选、匹配和运算等技术手段，实现销售线索挖掘、客户价值细分和客户管理等功能，寻找销售线索、找到最有价值的客户群体，通过个性化营销策略，配合直复营销的手段，在降低大众传播营销成本的同时，与客户建立稳定、长期的关系，从而达到企业商业目标的实现以及企业利润的增长。

零部件厂

作为技术和资本密集型的生产性企业，传统的零部件企业成功的模式，是产品质量达到主机厂要求，成功进入主机厂的配套体系。

例如对车载电子企业来说，就是车机或云后视镜进入前装系统。零部件配套企业在生产的同时也得到了主机厂的数据支持。由于历史原因和主机厂的垄断，相当多的配件厂只为主机厂配套，甚至没有销售部门。

《关于征求促进汽车维修业转型升级提升服务质量的指导意见》明确规定，鼓励原厂配件生产企业向汽车售后市场提供原厂配件和具有自主商标的独立售后配件，允许4S店向非授权维修企业或终端用户转售原厂配件。

对零部件厂的而言，借助关键数据的取得，建立独立的售后体系以及完善的销售网络，自建或与第三方电商平台合作打通汽车零部件的O2O销售环节正当其时。

配件商：链接配件的生产者和使用者

作为最终与维修厂直接打交道的配件商来说，其数据包括两个范畴，私有云—电脑中的的进销存和销售渠道或平台。

对于动辄数万种库存的配件商来讲，汽配城开店+在线QQ模式的传统营销模式必然被取代，移动互联网时代，需要结盟或连锁，依靠第三方电商平台或建立完善的数据检索平台，将私有云转化为能被维修厂快速检索的公有云平台是必须经历的过程和唯一途径。

配件电商：零部件和价格数据库（非常有前景的大数据）

需要能提供包含6000余款车型、千万条配件和价格数据，特别是常用车型易损件，需要全面覆盖。配件价格数据库需要要具备以下特点：

（一）配件数据量大

将庞杂的汽车配件数据进行标准化管理，将配件名称、编号、图片进行对照，涵盖进口、合资、国产全部品牌能够满足维修厂日常查询需求。

（二）专业性强

1、配件信息：配件分类、配件属性、配件图，与原厂匹配和同步。

2、配件价格体系：正厂参考价、4S店参考价、同质配件价。

3、配件价格时效强：配件价格实时维护，与市场同步，能够做到有价有货。

4、覆盖面广：系统使用者包括配件商、修理厂，需要在双方建立简单易查询和交易的逻辑关系平台。

5、易用性强：提供了定型查询、简易查询、易损件查询、模糊查询等多种查询方式。

智能引擎：智能标准化引擎需要有智能化自动名称匹配。可将零配件的各种名称进行识别及标准化处理：通过多维度智能化处理手段，解决配件查询的复杂性和瓶颈。提高数据管理效率和准确性。

商业价值的实现：建立完善的数据库，仅仅是服务汽车后市场O2O的基础，而最终用配件编码直接关联到当地的配件商且能实现在线下单、支付乃至配送并且有质量保证和追溯体系才是汽配大数据商业价值转化的终极核心。

维修厂

作为直接与车以及车主打交道的维修厂包括4S店，能够记录车辆的维修、保养情况，行驶里程，其数据对未来进入二手车交易时，起精准评估的作用。

除配件查询，维修厂还需要使用汽车维修技术数据以及工时数据库。数据库包含大部分常见车型的标准工时、工时单价、拆装逻辑及总成包含关系。支持实际使用过程中，各类影响因素的动态参数较正。能够准确计算事故维修中的拆装、钣金、喷漆等主要工时项目金额。

除了使用第三方数据，维修厂在汽车维修中，也记录了大量数据：以高端豪华车维修的华胜和中鑫之宝为例，通过大量维修数据，可以精准的做出某款车型的养护成本及使用可靠性的数据分析报告。

保险公司

希望通过大数据分析了解车主的车价、年龄、性别、车型、住址、驾龄、历史赔付记录、历史违章记录、个人消费信用、安全气囊等保护装置和防盗装置等多个维度，他们甚至愿意免费送OBD给车主，目的是读取车辆行驶轨迹、行驶里程、驾驶习惯、油耗、速度，以便对车险进行评估。

车险经营将从保额定价过渡到车型定价，对保险业而言，是一个很大的挑战。甚至驾驶员的驾驶习惯和性格，都对保险定价有很大的影响，“零整比”的研究报告，告诉汽车消费者，不同品牌车辆的零整比最高达到了12.7倍，不同车型，不同的年代同样都数据支持对车险进行精算，再比如事故查勘时，也需要有原厂配件的数据做一个价格比对进行理赔估算，保险的行业内部数据都相对有限，所以，需要更多利用外部数据。

车联网

车与车、车与路、车与人、车与传感设备等交互，实现车辆与公众网络通信的动态移动通信系统。它可以通过车与车、车与人、车与路互联互通实现信息共享，收集车辆、道路和环境的信息，并在信息网络平台上对多源采集的信息进行加工、计算、共享和安全发布，根据不同的功能需求对车辆进行有效的引导与监管，以及提供专业的多媒体与移动互联网应用服务。

第一层（端系统）：端系统是汽车的智能传感器，负责采集与获取车辆的智能信息，感知行车状态与环境；是具有车内通信、车间通信、车网通信的泛在通信终端；同时还是让汽车具备IOV寻址和网络可信标识等能力的设备。

第二层（管系统）：解决车与车（V2V）、车与路（V2R）、车与网（V2I）、车与人（V2H）等的互联互通，实现车辆自组网及多种异构网络之间的通信与漫游，在功能和性能上保障实时性、可服务性与网络泛在性，同时它是公网与专网的统一体。

第三层（云系统）：车联网是一个云架构的车辆运行信息平台，它的生态链包含了ITS、物流、客货运、危特车辆、汽修汽配、汽车租赁、企事业车辆管理、汽车制造商、4S店、车管、保险、紧急救援、移动互联网等，是多源海量信息的汇聚，因此需要虚拟化、安全认证、实时交互、海量存储等云计算功能，其应用系统也是围绕车辆的数据汇聚、计算、调度、监控、管理与应用的复合体系。

汽车联网后产生的大量数据，最终数据的使用和分析者：

保险公司（用于风险和价格评估）

主机厂（用于智能驾驶）

政府（用于智慧交通乃至智慧城市的管理）

附上中汽协信息委员会的一份文件，目前商用车已经有了车联网的强制要求，乘用车方面，中汽协信息委目前在联合电信运营商、保险公司、主机厂和车联网企业制定行业标准，将北斗应用推广到汽车前装市场。重点开发高清视频。电子后视，卫星导航，卫星通讯广播，安全引导，无线宽带，多屏互联，智能语音和集成ETC等功能。

咨询公司（舆情分析）

对某一时段互联网搜索量进行分析，确定市场人气、关注车型、地域关注度等信息，同时，通过对论坛、微博、微信等社交媒体的分析，判断出这款汽车在市场上的受欢迎程度。运用工具建模，做舆情分析和用户画像，提供给4S店导流以及主机厂做评估参考，同时兼具营销的功能，例如销售线索挖掘，帮助企业获得新客户：通过客户数据分析，找出客户的共同的特征，再利用这些特征到潜在客户数据库里去筛选出可能成为目标客户的名单，作为营销人员推销的对象。营销人员就可以针对这些名单发送定向窄众广告资料或进行营销活动，既可以降低成本，又提高了营销的成功率。

最后提到后市场的O2O及洗车和上门养护企业等等。

汽车后市场的O2O互联网公司，经过积累，有了相当的底层数据，但不是数据公司，其商业模式仍是通过各种方式集客和导流及线下服务，从增加车主黏性出发增加服务性收入。

政府是所有的大数据最顶层的记录者和管理者：

1）公安部交管局

交管局有3亿驾驶员，1.5亿车主数据，出行轨迹，违章记录，每月车辆上牌数据等等，例如做数据分析，可以分析出每月的200多万台新上牌车的概况：国产车、进口车乃至二手车，车辆品牌、型号、颜色、车主年龄、性别、地域分布，由此可以对车主与车型的关联情况进行精准画像：

各品牌车主的地域分布和年龄、空间地理位置、消费习惯，二手车或进口车的交易量和品牌型号分布等等多个维度。

2）海关

海关的进出口数据包括了汽车及零部件的进出口国别、数量、型号、价格。

3）税务总局

汽车全产业链价格信息和成交记录

4）高速公路管理局

车辆的出行记录

基于汽车的大数据应用场景很多，未来，汽车联网后的从出厂到报废的全生命周期，都将时时产生和上传数据，车辆的：空间位置、速度、时间、影像等等，总而言之，在不同的维度，从汽车的生产销售、维修保养、金融服务需要大数据支持，未来的智能交通、智慧城市管理更离不开大数据的支持，随着互联网+战略的推进，一个个信息孤岛的联通，相信未来，大数据将成为更多企业的营销利器、在带来效率提高的同时，也带给普通百姓更多的出行便利！

移动互联网，把我们从IT时代带到DT时代，汽车作为互联网时代的第四块屏幕，未来改变的将不仅是汽车行业的商业模式，还将改变很多消费类行业的营销渠道。

读书的好处

1、行万里路，读万卷书。

2、书山有路勤为径，学海无涯苦作舟。

3、读书破万卷，下笔如有神。

4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文

5、少壮不努力，老大徒悲伤。

6、黑发不知勤学早，白首方悔读书迟。——颜真卿

7、宝剑锋从磨砺出，梅花香自苦寒来。

8、读书要三到：心到、眼到、口到

9、玉不琢、不成器，人不学、不知义。

10、一日无书，百事荒废。——陈寿

11、书是人类进步的阶梯。

12、一日不读口生，一日不写手生。

13、我扑在书上，就像饥饿的人扑在面包上。——高尔基

14、书到用时方恨少、事非经过不知难。——陆游

15、读一本好书，就如同和一个高尚的人在交谈——歌德

16、读一切好书，就是和许多高尚的人谈话。——笛卡儿

17、学习永远不晚。——高尔基

18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向

19、学而不思则惘，思而不学则殆。——孔子

大数据助推银行业监管篇6

近些年，随着互联网的迅速发展，大数据已经应用于各行各业中，由于云计算的出现又一次推动了大数据的发展，现如今，我国已经将大数据应用于交通行业，借助大数据使交通更加智能化，也有利于更好的管理交通秩序，实现高效运作。1.大数据的概述

随着社会的发展，产生了海量的信息，由此大数据一词走进了我们的生活，目前普遍对大数据的理解是4个V（海量Volume，多样Variety，价值Value，速度 Velocity）：第一，数据体量巨大，从TB级别跃升到 PB级至EB级。第二，数据类型繁多，包括文字、视频、图片、地理位置信息、传感器数据等。第三，价值密度低，应用价值高，以视频为例，连续不间断监控过程中可能有用的数据仅仅有一两秒。第四，Velocity 处理速度快，1秒定律。2.大数据在交通行业现状

随着科技的发展，信息技术的更新，各种传感器、软件，应用而生，为数据的采集提供了可靠的物理保障，使得交通行业积累了大量的数据信息，大型存储设备的出现也为海量数据存储提供了可能，云计算的出现使数据的计算更加高效，交通行业的数据特征基本符合大数据4V特点。2.1信息采集

目前，我国交通行业信息采集主要是通过人工与自动和半自动化设备记录。人工方面主要是人工填写的各种报表，由于人工在操作过程中有可能导致错，所以信息的可靠度不高，并且人工采集的信息量具有一定限制；自动与半自动设备方面信息的来源主要有基于互联网的公众出行服务数据，如大运输联网、网上售票、城市公交刷卡、公众在线交通路线查询、网购物流数据、银行数据、生活消费数据等；基于行业运营企业生产监管数据，如货运源头称重数据，货运、危险品运输电子运单数据，客运进出站报班及例检数据，营运车辆维修检测数据，邮政包裹数据等；基于物联网、车联网的终端设备传感器采集数据，包括车辆相关动态数据：GPS位置信息、车辆能耗、车辆技术状况信息，路网监控信息：卡口视频监测、基于传感器的路况监测、路上动态称重设备、桥梁监测GPS等。2.2数据挖掘分析

大数据目前在挖掘分析方面应用到的技术有数据库技术，也就是利用数据库管理系统对数据进行查找，搜索；SQL ON Hadoop技术是直接建立在Hadoop上的SQL查询，这种技术能将信息管理能有结构化数据延伸到非结构化的数据；传统数据仓库与联机分析处理技术，数据仓库是将不同数据源的数据进行ETL处理，形成统一的数据仓库，并基于数据仓库进行查询，联机分析处理等。也可以应用一些计算工具或第三方平台对数据进行分析，汇总，形成有用的数据，来为决策提供数据支持。

2.3大数据在交通行业的应用

针对公共服务方面，如武汉元光科技有限公司开发的一款公交车实时定位软件《车来了》，通过《车来了》这款手机软件能够实时查询公交信息，车来了不仅能提供公交车的到站距离、预计到站时间，还能显示整条公交线路的通行状况，让用户不再盲目等待，有效缓解用户候车的不安全感；Lathia N 等通过统计地铁系统中流动性的刷卡数据来判断地铁里面人群在不同站点的通行时间，从而指导乘客选择出行时间、购票方式，最小化乘客的花在公共交通上的时间和精力；Ceapa I 等根据出行数据估计了单个地铁站里面的拥挤状况，从而优化乘客的出行。对于智慧出行方面，如实时交通数据采集商 INRIX-Traffic可以通过实时获取用户的出行数据，然后进行数据分析，最后给用户提供最佳线路，能够让用户躲避拥堵；，Yuan J等设计的T— Drive系统利用出租车的GPS轨迹数据来分析交通流量，并且为驾驶者设计最快行驶路线。关于货运交通，学术界也利用物联网大数据对货物运输进行实时监控、路线优化。例如，高连周基于物联网采集到的运输车辆的数据，提出了一种远程智能监控系统，实时控制危险物品和车辆；陈丰照基于物联网实现快速采集数据、实时传输并运用改进的 Dijkstra算法对配送路线进行优化。

虽然大数据在交通行业已有所应用，但是这只是大数据的冰山一角，有更多的应用方面有待我们去挖掘与开发，在大数据这个领域我们只是前行者，我们要认识到这点，然后脚踏实地的去探索大数据的奥秘。3.大数据在交通行业存在的问题 3.1数据信息分散化

在我国，由于政府管理体制为“条块结合”，也就是区域化比较严重，大量的数据主要存储在基层，各级政府部门对数据不能及时共享。由于我国管理制度主要是中央统一领导，区域有一定的自治权，各省都在大力的发展自己的经济，组建自己的交通信息网络，导致各个地区交通信息不能共享。信息化建设方面，有国家专项支持，一般由交通管理部门规划发展交通发展方向和项目，地方单位申请项目并承建，然后按着上级单位的要求进行交通信息化的建设，但是在不同的地区由于经济发展的不均衡和在信息化道路交通方面发展没有创新，导致资金不能更有效的利用，同时，一些欠发达的地区，由于资金的限制和创新思维的缺乏，在交通发展方面不能与地方特色很好的结合，只是一味的按照上级规划路线发展，导致信息化建设项目同质化严重，阻碍了当地信息化建设的发展。在信息采集方面，由于各地方规定不同，导致信息采集的标准不一，造成信息分析加深难度。3.2信息存储困难和成本提高

在信息技术快速发展的今天，虽然大数据已经渗透各行各业，我们用大数据也做了不少的事，但是随着信息技术的不断发展，信息的数量不断的增多，就会需要硬件设施不断更新，数据存储技术也在不断发展，从业人员就要不断地学习新的技能，对于交通管理部门就要投入大量的资金和技术来维持现有设备的更新与维护。地方政府交通管理部门，对于自建的信息中心维护难度也越来越难，投入会越来越多，就会感觉入不敷出，不愿有更多的投入，导致现有的信息资源浪费。4.大数据在交通行业的未来发展趋势 4.1商业化模式 4.1.1服务精准化

大数据在商业领域的应用已经有所体现，如武汉元光科技有限公司开发的一款公交车实时定位软件《车来了》，通过车来了这款手机软件能够实时查询公交信息，车来了不仅能提供公交车的到站距离、预计到站时间，还能显示整条公交线路的通行状况，让用户不再盲目等待，有效缓解用户候车的不安全感。尽管大数据在交通行业已有所应用，但是，目前大数据在交通行业的应用只是处于低层次的应用，我认为以后大数据在交通行业的应用更能体现在精准服务方面。什么是精准服务？，精准服务就是运用大数据能够为每一个人的出行提供精准服务，可以精准到你去哪里，几点几分能到哪里，运用什么交通工具更适合你的出行等等一系列的精准服务模式。如何做到精准服务？对于精准服务，可以通过对人们出行的数据进行记录，然后对记录的大数据进行精确的分析，利用现有的资源和技术，以及后期有可能出现的新的技术进行合理的应用，分析出大数据中能够为交通出行提供决策的信息，然后其他方面的情况进行对比，结合各方面的资源，最终推算出有利于个体出行的计划。

大数据在交通行业精准服务在未来的发展，将会给服务提供者，带来无限的商机，就如，服务商可以根据大数据分析结果，然后根据特定的消费者的出行计划，然后在消费者可以出现的地方投掷面对个体消费者的广告，还可以通过数据分析，得出消费着的消费习惯为消费者选择喜欢的交通工具，还可以根据消费者到达什么目的地，然后根据大数据分析，对消费者接下来要做的事情提供参考方案。4.1.2个性化出行

个性化，顾名思义，就是非一般大众化的东西。在大众化的基础上增加独特、另类、拥有自己特质的需要，独具一格，别开生面的一种说法。打造一种与众不同的效果。而对于个性化出行，可以利用大数据，对出行者日常的出行习惯，购物习惯，生活习惯等一系列要素进行分析。如可以利用大数据分析出行者在什么心情下愿意乘坐什么类型的车，针对这种情况可以为出行者提供特制的服务，还可以根据出行者的人物个性，身体状况，所处的环境进行数据分析，然后为出行者提供独特的出行方式以及出行工具。所以随着科学技术的发展，人们生活中的行为习惯，性格特征等数据都有可能被记录下来，然后利用这些数据进行精确的分析，然后为出行者提供具有与众不同的出行方式及其生活体验。在现在快速的生活方式中如果能有特制的服务方式，不仅能够为出行者提供了不同的出行体验换可以降低出行成本以及在出行时间上得到高效的利用。4.2非商业化模式

4.2.1形成高效统一的管理系统

大数据最终的目的是使使用者能够根据大数据实现高效的决策。对于交通而言，交通具有很强的流动性，由于参与要素的不同，会将信息分散在很多地方，存储在不同的行政单位，例如存储在交通局中的，存储在公安局中，还有各种航运公司等这些信息之间的共享性不是很高，大数据有助于在各级行政单位将会把信息共享，信息统一性，实现高效的管理，而将地理区域和行业区域化分成不同的块，这种划分将会有利于，地区和行业的发展，可以利用大数据进行有效的决策。这样一种系统将会有很多优点，比如提高信息的集成率，还可以提供多样化信息，在面对道路交通中拥堵问题可以其前进行分析，然后将分析结果发送给司机，让司机选择最短并有利于自己的通行方案，这样就能够缓解交通拥堵问题，换可以改善交通质量，让出行者切身体会到公共交通的便捷性，也能提高公共交通的服务体验，让出行者有种享受的感觉。4.2.2促进全面的交通智能化改革

大数据的特点主要有4V特点:Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)。大量性足可以体现出需要获取海量的数据，目前获取数据的通道有城市交通卡、网上购票、货运公司、淘宝购物数据、银行数据、医疗消费数据等，而在交通行业中大数据的获取主要是城市交通卡、网上售票、购物物流、货运公司记录、出租车记录、道路监管网、道路收费信息等通过这些方面获取的信息可以说还不够全面，有一定的制约性，因为目前在技术方面还具有很大的不成熟性，硬件方面也不能支持整个系统，所以这就需要物联网技术通过各种传感设备及系统在这一方面进行布局，建设公路，航空，市场等基础设施，借助这些手段与方法可以在交通行业实现全面交通智能化，为数据的采集提供更多方式，也能够利用这种变革可以使数据具有多样性，经过分析数据，为决策者提供决策依据，也有利于交通智能化与大数据互相促进，实现有利的结合。最终会使交通智能化。4.2.3提供交通安全性预测

中国每一分钟就有一人因车祸伤残，每五分钟有一人因车祸死亡，每天平均死亡288人，每年平均死亡105120人，汽车数量占世界1.9%，车祸死亡人数占世界15%，且每年增加4.5%，所以针对交通安全严峻形势，要完成全年事故起数、死亡人数、万车死亡率三下降和特大交通事故起数同比减少的工作目标，全国公安机关交通管理部门将继续深入贯彻4·17会议精神，深化“五整顿”“三加强”工作措施，全面推进“平安畅通县区”活动，继续开展专项整治。对于交通安全国家投入了大量的人力物力，但是效果甚微，不过随着大数据的发展，交通管理部门可以根据交通大数据进行分析，在容易出现交通的路段安装相应设施，做到提前预防，也可以通过对道路运行车辆进行实时数据分析，进行相应的安全指数提醒，和相应的措施阻止交通安全隐患的发生，及时帮助司机排除隐患，构建安全体系。大数据的发现和相应技术的出现，可以说是一种福音，要借助大数据的优点，利用好大数据为交通安全提供一种参考，让大数据发挥相应的作用，而大数据的实时性和可预测性保证了交通系统对事故的主动预警，以便提前预测事故发生的可能性或在事故时及时采取应急处理措施，利用大数据技术不仅提高交通运输安全，改善人们出行体验满意度，同时也可以帮助物流配送过程提高稳定性与安全性，这将是未来发展的一个趋势。5．结语

大数据的出现，可以对我们的生活产生深远的影响，但是这种影响将是有利于我们的，在交通行业中，已经产生了大量的数据，虽然现在有些企业已经利用这些数据，也将这些数据应用到我们的生活中，但是这只是对大数据微不足道的应用，而大数据里面存在的信息与价值将成为交通行业管理者和研究者的关注点，大数据时代的到来将带来破解难题的重大机遇，大数据必将在今后会对交通产生巨大的改革。伴随着大数据在交通行业的应用，将会在交通信息统一管理，共享，交通智能化改革，交通安全方面成为未来发展的趋势。

（作者：马有贵）

参考文献

[1] 王雅琼，杨云鹏，樊重俊.智慧交通中的大数据应用研究[J].物流技术,2015,37:1-2 [2]Ceapa I，Cepra C S L．Avoiding the Crowds：Understanding Tube Station Congestion Patterns from Trip Data[c].UrbComp，Beijing，2012．

[3]Yuan J，Zheng Y，Zhang C，et a1．T—Drive：Drying Directions Based on Taxi Trajectories[c]．SIGSPATIAI，GIS，San Jose，2010．

[4]高连周．基于物联网技术的道路危险货物运输智能监控系统的研究[J]．物流工程与管理，2013，03:80—82+68．

大数据助推政府治理变革研究篇7

1大数据对政府治理的影响

美国著名统计学家、管理学家爱德华·戴明曾讲过:“我们相信上帝,除了上帝任何人都必须用数据来说话。 ”国外大数据早就如火如荼地开展, 近两年我国很多地方政府提前顺应大数据趋势,建立了新的政府职能机关———大数据管理局,主要负责研究拟订并组织实施大数据战略、规划和政策措施,组织和推动大数据研究和应用工作等。比如贵阳市推进“十大工程”,力争把贵阳建设成为以大数据内容中心、服务中心、金融中心为内涵的“中国数谷”;广东率先启动大数据战略推动政府转型;上海推进大数据研究与发展三年行动计划; 山东成立农业大数据战略联盟,提高农业竞争力;浙江省高速治堵将用大数据等。可以说,大数据正对人类的思维方式、生产活动及政府治理产生重要影响。

1.1 促使政府信息公开化和透明化

信息公开透明对于政府治理现代化至关重要, 信息不对称会使权力失去监督,滋生不良作为,甚至是腐败行为。大数据实质是推进了政府信息的进一步公开和透明。一方面,以前难于公开的信息和数据可以通过互联网和数据聚合来公开;另一方面,大数据时代下公民参与、监督政务的途径和机会越来越多样化。目前越来越多的社会组织开展民意调查, 政府也同样利用互联网在线与民交流, 双方共同作用必将使政府治理是一个更加公开透明、信息共享、良性互动的治理。

1.2 有助于提高政府预测能力和决策能力

从政府治理的角度讲,大数据可以将原本分散在不同个体、不同部门、不同行业的数据作为整体,通过加工、分析、融合,实现统一管理和利用。这大大提高了数据的相关性、有效性和真实性,这可以在很大程度上提高政府的预测能力,增强应对突发事件能力和应急响应能力,提高决策的科学性和有效性。

1.3 有助于提升政府公共治理能力和服务水平

截至2014 年,中国共有664 个城市,2 852 个行政县,40 446个行政乡。目前中国中央和省级政务部门主要业务电子政务覆盖率已经达到70%。大数据使得政府部门之间、政府与市场之间协同工作,大大节约时间,减少行政成本,提高行政效率。比如大数据政府的信息是共享互通的,这样使得民众在跨部门、跨地区办事时衔接方便,省去不必要的盖章证明、书面证明等。大数据还能够提高政府服务的精准度和及时性,在需要查询、筛选信息时,大数据能够快速提供资料,提供真实有效的信息。这将推动政府管理理念和社会治理模式创新, 从而在在很大程度上提高政府治理水平及公信力。

2大数据时代下政府治理中存在的问题

2.1 重视不够、利用不足

2014 年 “大数据”一词第一次出现在《政府工作报告中》,李克强总理也频繁提及大数据,高度重视大数据发展和应用,多次作出重要批示指示,明确指出大数据发展空间无限,要求围绕简政放权、政务公开、商事登记制度改革等加快推进大数据发展及应用,并促进大数据与相关产业共同融合发展,形成产业结构调整新局面。可见,借助大数据推动政府治理变革,提升政府治理能力,是本届政府关心的重大问题。但目前有些政府部门对大数据认识不够,收集数据意识不强,对数据敏感度差,专业性人力资源与人才队伍的紧缺,导致数据利用率不高,政务活动中大数据发挥作用不大。究其原因是由于政府部门缺乏开发这些数据资源力和激励。

2.2 法律法规滞后

大数据充分发挥作用的前提是信息公开与共享, 这就涉及到数据安全问题,海量数据会成为黑客攻击的对象,存在病毒和泄漏风险。另外,大数据汇总在一起不可避免地加大了个人隐私泄漏风险,有些数据会被滥用,对个体造成不良影响。正如最高人民法院中国应用法学研究所所长孙佑海所讲:“大数据挖掘分析得越精准、应用领域越广阔,个人隐私和数据安全保护就会变得越紧迫。 ”目前在政府治理中大数据技术仍处于初级阶段,大数据方面的法律法规还不健全,对大数据的管理还不够完善。

2.3 数据共享不足

信息共享是大数据政府发展的前提, 但是由于信息的零散性及保密性等特征,有些数据开放程度不够,信息共享不足。相对来讲,政府部门掌握着与民相关的大部分数据,如税务数据、交通的数据、能源的数据、养老的数据、社保的数据、环境的数据等。而这些数据部门壁垒问题严重,数据重复建设多,整体上存在着碎片化、部门化和管控导向的局限,这就使得数据处于割裂状态,数据的关联性、完整性和有效性大打折扣,数据不能达到真正共享。

3大数据背景下政府推动治理变革的途径

用大数据带来的信息变化推动政府转型, 提高政府治理能力,促进政府治理现代化,这与政府自身发展密切相关,更与整个社会改革紧紧联系。大数据时代,信息公开和数据共享已是大势所趋,政府部门应起表率作用,通过严密规划与运科学行来推进大数据的发展,以促进政府治理变革。

3.1 强化大数据意识

传统的决策一部分是依靠领导意志、专家建议等进行思维判断做出决定和方案,即“经验决策”,一部分是依据随机的抽样调查、典型调研的小数据,而大数据则依靠的是全面、完整的数据事实,这在很大程度上提高了决策的精准性,大大避免了决策的主观性,降低了决策过程及结果的盲目性和不确定性。因此,政府部门应转变思维方式,正确认识和强化大数据意识,将数据理念、数据知识纳入到公务员培训体系中,营造“用数据说话、用数据决策、用数据管理、用数据创新”的氛围,最终实现用科学、有效的数据来推进政府治理现代化。目前,各地政府正在转变思想观念,加快了大数据推进步伐,前往贵阳大数据交易所考察的政府部门络绎不绝,通过参观、交流、分享,其他政府的大数据也会尽快建立和完善。

3.2 加快数据基础设施建设

贵阳市被誉为“中国数谷”,原因是在电力、气候、硬件和人才等基础设施建设方面做得出色。可见,大数据基础设施是大数据技术应用的载体,决定着海量数据能否被有效收集、分析、融合和应用,因此,要尽快完善大数据基础设施建设,为大数据选择新的硬件、存储和其它数据中心基础设施,为政府治理中大数据技术的应用提供基础和平台。另外大数据还需要软件设施,即大量的人才和高新技术。政府可以从服务外包、电子政务等入手,逐渐探索和应用硬件设施和软件设施,选择大数据相对完善的部门开展治理大数据技术应用示范工程,如:医疗、金融、卫生等具有一定大数据基础的政府治理重点领域, 以带动和促进政府治理其他领域大数据技术的运用［1］。关于基础设施建设主体政府可以鼓励和引导社会组织和商业机构参与公共数据的建设,提高数据开发利用的效率,鼓励和引导第三方数据免费共享和再利用,加快公共数据的流动和价值发掘［2］。

3.3 加速数据信息收集与整合

数据收集是数据开发、整合、利用的前提。在美国,以立法的形式确定了“最小数据集”制度,在各个领域强制收集必要的数据,并据此进行科学决策,从而推动了治理的精细化和透明化而最小数据集的出现, 最早就是出于不同组织之间信息交换的需要［3］。在我国,目前国家发展改革委按照“统一平台、互联互通存量共享、增量共建,物理分散、逻辑集中”的原则,正逐步推动政府部门间的信息共享,已取得显著效果。目前,全国统一的国家电子政务外网已横向连接了118 个中央单位和14.4 万个地方单位,纵向基本覆盖了中央、省、地、县四级,承载了47 个全国性业务系统和5 000 余项地方业务系统。依托国家电子政务外网搭建的全国统一的国家数据共享交换平台基本建成,13 个行业领域的跨部门共享交换业务已通过或拟通过国家数据共享交换平台实现,涉及部门超过100 个。要想加大政府信息公开度,提高政府信息和公共数据的共享程度,需要从以下几个方面展开:首先,政府需要加强顶层设计和统筹规划,建立统一的数据标准体系,明确部门数据共享的范围边界和使用方式,厘清部门数据管理及共享的权利和义务, 完善大数据的使用规则、数据更新规则、数据安全规则等。其次,将可利用的分散于不同部门、行业和个体的数据逐级进行收集和汇总,然后通过审查核实,补足不全的数据。最后,最重要的是将海量、真实、有效的数据相关联融合,并利用可视化技术从海量数据中挖掘出具有前瞻性、潜在性和创新性的知识。

3.4 加速大数据应用进程

据中国电子技术标准化研究院《大数据标准化白皮书》指出,中国政府大数据主要应用于以下领域:智慧城市、政务、公共服务、交通、教育、医疗等,这些领域大多涉及政府治理和民生其中,“智慧城市”、“政务”以及“公共服务”位列前三。这一调研结果与国务院的《纲要》内容精神一致,在推动社会治理与公共服务方面,都倡导充分、有效地利用大数据,以此提高社会治理和服务水平。

大数据的最终价值在于运用,要创新数据收集和整理方式建立有效的政府治理方式。具体来讲,有几下方面:第一,大数据可用于监督政府行为,评估政府绩效。推动改进政府管理和公共治理方式,借助大数据实现政府负面清单、权力清单和责任清单的透明化管理,完善大数据监督和技术反腐体系,促进政府简政放权、依法行政;第二,大数据可用电子政务。政务智能代替或辅助不同领域决策,如人口统计领域、交通领域、卫生领域、安全领域等,政府治理应加快大数据在这些领域中的运用,提高公共服务质量和水平;第三,大数据可用于政府治理方式创新。可以探索利用“互联网+治理方式”模式,改变传统的治理方式,利用互联网与治理对象之间建立起新的沟通渠道。比如,发起“村微信群”或“社区微信群”,这样既获取群众诉求、发现问题,又可以公开政务活动信息、宣传科技种植知识和卫生防控等信息。

摘要：大数据成为提升政府治理能力的新途径和新动力,对政府信息公开化和透明化、提高政府预测能力和决策能力产生重要影响。目前,我国在大数据发展和应用方面已做出了规划,但仍存在着认识不够、数据共享不足、法律法规滞后等问题。因此,政府必须强化大数据意识,完善大数据基础设施,加快大数据收集、整合及运用进程,只有从理念和行动上做出积极回应,才能使大数据成为政府治理变革的有力工具。