第一章 大数据基础知识

 第一节 大数据的相关概念

 第二节 大数据的研究内容

 第三节 大数据的研究现状

 第四节 大数据的应用价值

 第五节 大数据发展前景展望

第二章 地方政府治理概述

 第一节 政府治理的基本概念

 第二节 地方政府治理模式

 第三节 地方政府治理转型

第三章 大数据对地方政府治理能力的影响

 第一节 大数据对政府治理理念的影响

 第二节 大数据对政府治理模式的影响

 第三节 大数据对政府组织模式的影响

第四章 大数据时代提升地方政府治理能力的路径

 第一节 科学全面的大数据理念

 第二节 遍布全领域的数据采集

 第三节 海量吞吐的数据存储

 第四节 精准有序的数据分析

 第五节 立体可视化的数据呈现

第五章 大数据时代地方政府治理面临的挑战

 第一节 数据采集过程的缺陷

 第二节 数据存储占有的壁垒

 第三节 数据分析能力的不足

 第四节 数据安全保护的漏洞

 第五节 数据中心的环境代价

第六章 大数据背景下的“智慧朝阳”建设

 第一节 “智慧朝阳”建设背景及发展历程

 第二节 智慧城市综合管理与服务

 第三节 智慧政务

 第四节 智慧交通体系

 第五节 智慧民生服务

 第六节 智慧社区

附录 相关大数据发展政策

附录1 国务院关于积极推进“互联网＋”行动的指导意见

附录2 促进大数据发展行动纲要

附录3 智慧北京行动纲要

后记

第一章  大数据基础知识

大数据（Big Data）是人们获得新认知、创造新价值的源泉，是改变市场、组织机构以及政府与公民关系的方法。1980年，著名未来学家阿尔文·托夫勒在《第三次浪潮》一书中将大数据赞颂为“第三次浪潮的华彩乐章”。如今，大数据成为人们不可忽视的重要资源，谁拥有了海量的数据资源，谁用活了数据资源，谁就拥有未来。

第一节大数据的相关概念

信息技术与经济社会的交汇融合引发了数据迅猛增长，数据已成为国家基础性战略资源，大数据正日益对全球生产、流通、分配、消费活动以及经济运行机制、社会生活方式和国家治理能力产生重要影响。

一、大数据的定义

“大数据”并不是一个确切的概念。最初，“大数据”的概念是由最先经历信息爆炸的学科（如天文学和基因学）创造出来的。“大数据”专刊，《自然》，2008年9月4日。如今，这个概念几乎应用到了人类所有的发展领域，尤其是在信息技术领域大数据已经成为最为流行的词汇。总体来讲，“大数据”或称巨量数据、海量数据，是由数量巨大、结构复杂、类型众多的数据构成的数据集合，是基于云计算的数据处理与应用模式，通过数据的集成共享、交叉复用形成的智力资源和知识服务能力。

（一）Gartner对大数据的定义

大数据的研究机构Gartner给出了这样的定义：大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的多样化、高增长率和海量的信息资产。

（二）维基百科对大数据的定义

大数据是指一些使用目前现有数据库管理工具或传统数据处理应用很难处理的大型而复杂的数据集。其挑战包括采集、管理、存储、搜索、共享、分析和可视化。

（三）百度百科对大数据的定义

大数据，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具在合理时间内达到撷取、管理、处理，并整理成为帮助企业经营决策更积极目的的资讯。

（四）IBM对大数据的定义

IBM通过调查研究认为，大数据本身的关键属性可概括为“3V”，即：数量(volume)、多样性(variety)和速度(velocity)。但还需要考虑另一个重要的第四维度：精确性(veracity)。将精确性作为大数据的第四个属性凸显了应对与管理某些类型数据中固有的不确定性的重要性。

（五）微软对大数据的定义

微软对大数据定义也采用了“3V”模型，并进一步指出：（1）由于硬件成本在快速下降，而数据的复杂性在不断提高，并且包含大量的非结构化数据，如文件、图像、视频、Web日志、点击流和地理空间数据，数据量仍在持续增加。（2）社交媒体的兴起极大地增加了数据的种类，数据更具有鲜明的多样化特征。（3）随着各类终端设备成为大数据的数据源，数据产生速度飞速增加。鲍亮、李倩：《实战大数据》，清华大学出版社，2013年版。

（六）SAS对大数据的定义

SAS作为专业的商业分析软件与供应商，在对大数据的传统“3V”模型定义基础上加入了“可变性”和“复杂性”两个重要特征。可变性主要反映数据流可能具有高度的不一致性，并存在周期性的峰值。复杂性只要体现在数据来源的多样性上，处理来自多个系统的数据是一件非常复杂的事情。

二、大数据的特点

虽然大数据不具有唯一确切的定义，但从各个角度的定义分析可以看出大数据具有四大典型特点：第一，数据体量巨大。数据体量已经从TB级别跃升到PB级别（数据最小的基本单位是bit，按顺序给出所有单位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB，其中8 bit=1 Byte，从Byte开始，相邻单位之间按照进率1024——2的十次方来计算）。第二，数据类型多样。电子邮件、网络日志、视频、图片、购买历史、各类仪器上传数据、地理位置信息等等。第三，处理速度快。对于有些应用来说，数据的处理时间必须以秒来计算，快速的信息处理可从各种类型的数据中快速获得高价值的信息，这与传统的数据挖掘技术有着本质的不同。第四，价值密度低。价值密度的高低与数据总量的大小成反比，随着数据量增大，错误率也会相应增加，有价值的数据比例相应也会降低。但是只要合理利用纷繁复杂的相关数据，能对其进行正确、准确的分析，将会带来很高的价值回报。如何通过有效的数据处理算法更迅速地完成数据的价值“提纯”成为目前大数据背景下亟待解决的难题。

业界将上述特点归纳为4个“V”——Volume（数据体量大）、Variety（数据类型繁多）、Velocity（处理速度快）、Value（价值密度低）。