充分理解数字政府业务 数据驱动让决策更科学 原创

要确保决策正确、科学从来就不是一件容易的事情，不过在有了大量数据的支持下，这个工作变得容易了一些。实际上，数据扮演着越来越重要的角，已经成为决策过程中的重要依据。

日前，北京百分点信息科技有限公司(以下简称百分点）在“数博发布”活动中全新发布了“智能政府决策系统（DeepGovernor）”。该系统由百分点自主研发，核心功能包括数据融合治理、全局态势感知、自由数据探索分析、预测预警和数据共享，能够支持智能交互式增强分析，实现对决策业务进行事前判断、事中控制和事后反馈，可以帮助政府相关部门进行科学决策。

充分理解政务业务

近几年，不少城市在推进智慧城市建设，一些城市还发起了“城市大脑计划”。实际上，不管是“智慧城市”还是“城市大脑”，最基础的还是数据，没有数据的支持就不能做到数据驱动决策，所谓智慧城市、城市大脑等也将是空中楼阁。

不过，要真正做到数据驱动难度却不小。就城市而言，相关数据林林种种、不甚枚举，有些来自于政府内部的一些业务系统，有些来自于互联网，有些甚至来自于居民手工填报的报表，要将这些数据汇总，本身就是一件非常困难的事情。另一方面，很多数据都有自己的标准、规范要遵循，其中有国家标准、省标准还有行业标准。

作为面向政府行业的智能辅助决策系统，首先要去理解这些标准、规范，并基于它们去打通数据资源，通过这些数据资源获取各类型的数据来支持应用。

百分点CTO刘译璟介绍说，对于大多数智能辅助决策系统而言，底层的技术都差不多，不能说谁比谁强，而真正好的系统是，能理解政府的业务和与业务有关的各种数据的含义，然后基于这个理解真正满足客户的需求。

“如果脱离了政务业务，这样的系统只能说是一个技术平台。只有结合政务场景，构建结合业务的数据模型，系统才能更好地支持应用。因此，了解业务是系统的难点和关键。”刘译璟表示。

刘译璟介绍说，百分点将数据智能技术和产品不断在数字政府领域落地实践，之前也遇到了比较多的困难。比如，政务内网数据的交换，各个委办局都希望数据不出门，只有在用到时才进行一些小范围的交换和共享。为此，百分点不断改造自己的系统以支持类似的数据交换需求。

在接受采访时，刘译璟特别强调了技术与业务的融合。他说，“我们需要把业务、数据、模型、交互以及技术融合在一起，才能真的创造价值。如果只是一个通用技术，无法解决实际问题，客户也不会为此买单的。”

平台级的智能决策系统

智能政府决策系统（DeepGovernor）是基于百分点多年来对行业的理解沉淀出来的一个平台级产品，其核心是端到端的拉通业务、数据、模型和交互，支持万亿级多源异构数据接入、治理、融合和应用，结合动态知识图谱、NLP、增强分析实现数据深度分析，帮助用户自由探索和分析数据价值并作出科学决策。

刘译璟说，除了对数字政府业务有深入的理解，了解政务数据如何收集、如何治理，以及如何应用这些特点外，智能政府决策系统（DeepGovernor）在技术层面也有着自己的优势——融合大数据和AI于一体。

 “比如，在大数据方面，系统能实现数据全生命周期的管理，并且整个技术平台完全以可视化的方式展现，很易理解和操作。其次，系统还通过知识图谱等技术把数据转变成业务知识，让数据真正应用起来。”他说。

具体来说，智能政府决策系统可以支持万亿级别的异构数据，除了结构化数据也可以是文本、视频、音频等等一些非结构化的数据，而且还能进行可视化的操作。其次，系统基于数据构建出知识图谱，并在这基础上进行交互问答。特别是，通过交互式的分析，用户可以在业务需求不明确的情况，就可以通过问答等方式对数据进行挖掘和处理。

另外，平台支持多人协同分析。比如，今天某工作没有完成，第二天可以继续基于这些状态进行深层次的分析，或者把任务拆解成不同的任务，让更多的人帮助分析。

最后，系统能结合大数据和人工智能技术，融合跨领域多源异构的政务数据，快速智能地把技术的数据转化成业务知识，用来支持政务数据处理、分析和决策的各个环节，最终为数字政府的建设赋能。

数据智能5大发展趋势

疫情爆发后让人们再次看到了数据智能的价值，比如通过大数据掌握城市人群的流动趋势，为政府疫情防控决策提供依据。

更多的应用将有利于进一步推动技术的进步，刘译璟说介绍，“在疫情之前，数据智能技术在商业环境已经得到广泛用。但在这次疫情之后，我们相信大家将越来越多地看到数据智能在整个的社会治理、政府决策中会越发挥越来越多、越来越大的作用。”

他认为，数据智能的将有以下5个趋势：

第一，在数据治理中，不仅有结构化数据，还要处理更多的包括文本、图片、视频等非结构化数据，这就是“多模态的数据融合”。

第二，越来越多的应用会强调实时性。比如，城市的态势感知、对自然灾害的预测预警、自动驾驶等，这些应用对数据采集和分析的实时性要求会越来越高，这就要求整个技术平台可以实时地进行数据的收集和分析。

第三，交互性越来越重要。刘译璟说，未来会有越来越多的业务人员来进行分析、决策，也就是说要让业务人员能看到数据、能跟数据对话、去交互、去分析，而不必通过技术人员。这对系统的易用性、可操作性提出了新的要求。

第四，整个系统有越来越多的自主性。当整个数据分析越来越实时、决策频率越来越高的时候，就要尽可能减少人工的参与，也就是说系统要有更多的自主性。比如，疫情期间的巡逻机器人、送药消毒机器人等，自主性要求很高。

第五，数据的隐私保护不可忽视。很多系统会涉及很多不同来源的数据，这些数据如何合理安全的使用，这是一个很重要的问题。