大數據技術在機構編制管理中的應用研究

趙茁

摘要：該文主要研究如何利用大數據技術促進機構編制管理水平提升，研究主要分為大數據應用技術架構和大數據應用場景兩個方面。大數據應用架構主要包括數據采集、數據治理、數據分析和數據應用四個方面。數據采集研究利用系統生成、系統對接、網頁抓取和傳感器等技術進行采集；數據治理研究構建七層治理體系；數據分析研究各類聚類、關聯分析等大數據分析方法的利用；數據應用研究如何利用平臺提供數據服務。大數據應用場景主要研究大數據技術在開展精準化管理、進行機構職能動態分析和統籌和優化編制資源中的應用。

關鍵詞：大數據；機構編制；應用場景

中圖分類號：TP391? ? 文獻標識碼：A

文章編號：1009-3044（2022）35-0067-03

1概述

近年來，大數據技術發展迅猛，對人民群眾的生活、生產等各個方面均產生了深遠的影響，在機構編制政務領域，大數據技術可以有效促進機構編制管理水平提升，有利于服務經濟社會發展，實現機構編制管理的科學化、精細化、規范化。在大數據背景下，用戶對于編辦提供數據服務的需求也在日益提高，主要包括三個方面：第一，各地市編辦、各類企業和公民等用戶都希望能夠提供更加個性化、多樣化的高質量服務；第二，在數據共享和交換中要更加注重安全問題，能有效保障國家和社會信息安全、保障個人隱私；第三，提供的數據服務應盡量全面、綜合、準確、規范、穩定和高效[1]。

基于此，本文主要研究大數據在機構編制工作中的架構及應用場景，進而為推動互聯網與機構編制工作的深度融合，提升機構編制管理的水平提供借鑒。

2大數據應用架構研究

大數據分析處理可以概括分為數據采集、數據治理、數據分析和數據應用四個層次。數據采集，主要指通過一些采集技術從外界海量數據當中獲取有用的數據；數據治理指解決數據的不一致、數據重復、無效數據和異常數據等問題。數據分析指使用回歸分析、聚類分析、語義分析等技術進行大數據分析。數據應用指在分析結果基礎上預測分析具體業務趨勢和現象。據此，大數據應用架構設計如圖1所示。

2.1數據采集

大數據，包括三層含義：一是指數量巨大，二是指數據來源眾多，三是數據類型多種多樣。其中數據類型可以劃分為三類：結構化數據、半結構化數據和非結構化數據。結構化數據通常是指傳統關系型數據庫中的數據，包括機構編制各業務系統數據庫和其他政務部門共享的數據；半結構化數據指除傳統數據庫的數據以外的有特定規律的數據，例如XML文檔、HTML文檔、系統日志、報表等；非結構化數據包括各類不同格式文檔、音頻、視頻、圖片等信息，包括法律法規、政策文件等。

數據采集方式可以包括系統生成、數據對接、網頁抓取、傳感器等方式。

1）系統生成

系統生成包括兩部分：一是人工填報，二是實時采集。人工填報是指在業務系統中或文件系統中錄入數據的過程，是最常見的數據采集方式。填報的數據類型包括結構化數據和非結構化數據。結構化數據主要從各個業務系統中進行錄入或者導入。非結構化數據可以利用手工或者大數據采集工具進行錄入。實時采集指由各個業務系統處理后生成的結果數據、系統用戶的各種級別較高的操作日志，系統記錄的用戶訪問行為軌跡和習慣等。

2）數據對接

數據對接指系統間的數據通過接口訪問或授權訪問的形式進行數據集成，對接的數據類型以結構化數據為主，數據庫類型包括MySql、Oracle、Db2、SQL Server等各類產品，對接一般是對各個單位內部的各系統進行數據匯集，或者從省數據共享平臺、中央編辦共享平臺或其他省平臺獲取相關數據[2]。數據對接的方式包括數據庫獲取、接口讀取和實時采集，一般采用數據交換平臺來實現。編辦的數據交換平臺可以采集匯聚省內各地市信息、其他省編辦共享信息、本省內工商、稅務、勞社、衛生、醫藥、公安、民政、人口、企業法人、空間地理、宏觀經濟等信息，形成跨部門、跨地區、跨行業的融合數據，并實現整個編辦系統的數據共享[3]。數據交換平臺具體架構圖如圖1所示。

3）網頁抓取

網頁抓取，從官方網站公開的大量信息中抓取數據，對抓取的網頁數據進行內容和格式處理加工，從而獲得有用的內容。網頁抓取主要指網絡爬蟲，是采用程序或腳本，按照某種特定規則抓取互聯網上網頁信息的技術。網頁抓取獲取的數據類型可以包括數字數據、文本數據、音頻和視頻數據或社交網絡結構數據等非結構化數據。

4）傳感器

傳感器數據采集主要是通過傳感網進行。傳感網是由眾多傳感器、數據處理器和通信器組成無線網絡。在政務領域，可以利用傳感器偵測人員密集度和流動情況，并據此分析機構分布、審批事項集中度等。

2.2數據治理

數據質量是影響大數據應用開發的效率、成效的重要因素之一。由于數據來源多樣繁雜、標準不一等原因，采集匯聚后的原始數據往往存在很多質量問題，數據治理即是為解決數據質量問題而提出的解決方案。

數據質量問題包括完整性、唯一性、一致性、準確性、有效性、及時性等六個方面。數據完整性的典型問題包括唯一性約束或主鍵設置不完整、數據丟失、數據無效、數據屬性不完整（例如某個屬性不應空的時候為空值）。數據唯一性的典型問題主要是某項數據出現重復，包括同一數據的源數據重復，如某些事項在申報時由于誤操作導致多次申報，或者系統處理中出現問題導致數據重復等。數據一致性包括同一數據的數據結構不一致、約束規則不一致、數據編碼不一致，數據名稱不一致，所屬機構不一致，例如在人事系統和科研系統中所學專業分類不一致，人口基礎庫中聯系方式和其他系統不一致等。數據準確性指數據要符合業務相關定義，例如電話或郵箱的格式要求等。數據及時性指數據是否能按照特定要求及時進行生成和處理。

2.3數據分析處理

數據分析處理首先需要對數據進行計算處理。對于大量數據的處理，可以利用Hadoop、Hive等框架實現離線批處理，這些框架都比較成熟，可以實現分鐘級響應，對于少量數據的處理，如果要實現交互式查詢或流式處理計算，可以采用Spark、HBase；而針對全量數據的全文檢索查詢，可采用的框架包括Solr、lasticSearch來實現的查詢響應在毫秒級。數據分析處理時，可以在大數據分析方法等方法基礎上，設計算法模型，并采用機器學習的方式進行機構編制管理情況的預測分析，形成各類算法模型庫，為業務和決策提供服務和支撐。數據分析處理中用到的典型大數據分析方法包括聚類分析、分類分析、關聯分析、文本分析等。

2.4數據應用

大數據應用是指數據如何在各類業務中進行使用，為業務決策和處理提供良好支持。從技術層面來講，可以設計大數據應用平臺，將匯聚治理以及進行初步底層的大數據分析后的數據結果，結合各類業務主題設計應用模型，進行專題挖掘分析研究，得出可以有明確趨勢或決策支撐信息的結果，最終面向各類用戶提供多維度、可視化數據服務。具體來說，大數據應用平臺是以數據處理后中心庫為基礎，面向省編辦、地市編辦、企業、其他政務部門和公眾提供數據服務的平臺，通過編制大數據的分析應用，例如對政府職能、權責事項、辦事流程、審批要件等數據等的綜合分析，助力“放管服”改革，挖掘分析職能交叉或缺位、流程不合理等問題，提高政府治理能力和履職能力，為各級編辦領導提供決策支持，為公眾提供透明性信息。

3大數據在編制管理中的應用場景研究

3.1 利用大數據挖掘技術開展精準化管理

數據挖掘就是對特定范圍內真實產生的、大量的、可能有噪聲的、不明確的數據進行檢測、識別和分類，并通過各類算法提取隱含在數據中未被發現的規律和聯系的過程。

以編辦采集的業務數據集為基礎，利用大數據挖掘技術，可以針對目前編制管理中的難點開展政府職能事項、履職情況、用編情況等主題挖掘分析。一是抓取大數據中與政府職能、辦事流程、發文審批以及群眾反映較多的情況等相關的結構化數據和非結構化數據，利用挖掘技術結合文本分析技術[4]可以單位之間職能交叉、流程不合理情況等，推動政府職能轉變和簡政放權，提高政府治理能力。二是對權責清單、日常政策實施、辦事流程記錄、編制人員、監督系統等數據進行挖掘，分析某單位或部門制定的權責清單完善情況、履職情況、越權情況、違規情況等，從而增強監督能力，督促工作人員正確規范履行職能、提高履職能力[5-6]。三是對編制人數、工作流程和內容、編制實名信息等數據進行挖掘，可以分析出各單位各部門是否超編、用編是否規范等信息，進一步推動合理用編工作。

3.2 利用時間軸技術進行機構職能動態分析

時間軸技術主要是結合知識發現中時間序列分析，利用互聯網和可視化技術，把各類事件串聯起來，構成以時間為X軸的記錄體系，從中分析出事物隨時間變化的趨勢。時間軸技術可以廣泛運用于各個領域，其最大作用是將事物發展過程系統化。

政府的具體職能除了體現在權責清單中，還體現在各類報表、方案、政策發文、行政審批事項、年度報告、新聞報道中，更體現在日常政治、經濟、社會等領域的管理活動中，這些管理活動通過各個領域的不同機構之間關聯、銜接來實現。同時，各地GDP、常住人口、土地面積、財政收入、醫院、企業、執法等數據也能間接體現各地機構職能的異同。因此，機構職能的分析需要從多維度進行。同時，政策文本，尤其涉及取消、下放、轉移、調整等不同方式的行政審批事項的變化，本身帶有時間屬性，從時間維度縱觀轉變進程和路徑，更加有助于政府職能的分析。

在此基礎上，運用知識發現和時間軸的方法，從各環節的職能信息中提取出知識，并以這些知識為中心，構建起帶有時間屬性的知識圖譜，就可以對機構職能進行時間序列的動態分析，發現存在職能交叉、職能重疊、職能缺位等環節的情況，進而推動政府更好地履行職能[7]。

3.3 利用地理信息技術統籌和優化編制資源

地理信息技術是一類應用地理空間信息技術的總稱，主要包括空間信息獲取、空間信息管理、空間信息的分析和應用。

編制工作面臨的主要挑戰之一是如何統籌和優化編制資源，解決不同地區、不同部門、不同層級間的編制資源分布不均衡、不合理的現象。解決這個問題，首先需要在各類非結構化數據的基礎上，結合各單位權責清單數據、工作飽和度量化指標，人員編制類型、身份、財政供養類型、技術職稱類別、崗位職責、法定職責、工作日志、年齡、性別等，利用知識發現技術對編制資源進行跨部門、跨層級的分析，明確問題的主要因素和次要因素，客觀分析個人履職情況，科學確定整個單位的履職情況和工作飽和度，以適當調整用編[8]。

行政機關、事業單位的地理位置可以作為核定某個地區編制統籌動態分配的重要指標。將空間數據與單位或部門的屬性數據結合起來，運用地理信息技術，通過對空間信息、地域、學歷、機構、編制類別、職稱、社交關系、職能、編制、人員等不同屬性進行交叉研究，從不同維度分析其在地理空間的分布，同時可以分析不同區域不同類型編制人員的占比情況[7]。如在空間分析基礎上疊加時間序列分析，統籌考慮當地財政收入、人口面積、社會發展狀況等，則可以深入分析區域用編變化趨勢、編制結構變化趨勢、人口經濟與機構的分布規律等，在分析結果基礎上可以分層次分標準建立機構編制量化模型，為精準化統籌動態用編提供數據支撐。

4結論

隨著經濟發展進入新常態，機構編制工作已然進入全面深化改革的攻堅期、機構編制管理的換擋期、工作方式方法的轉換期“三期疊加”的新階段，探索利用大數據等新技術機構在編制工作中的創新應用，對于促進機構編制管理模式和方式創新，支撐新常態下機構編制管理工作科學規范運行具有非常重要的意義。

參考文獻：

[1] 潘享清.機構編制與國家治理現代化需要重點研究的若干問題[J].中國機構改革與管理，2020（2）：6-8.

[2] 張素珍，劉樹軍，許志坤.機構編制一體化省級大數據中心架構研究[J].電腦知識與技術，2020，16（3）：18-20.

[3] 李軍，喬立民，王加強，等.智慧政務框架下大數據共享的實現與應用研究[J].電子政務，2019（2）：34-44.

[4] 張山杉，張昱城，徐姍.新游戲，新規則：大數據在組織管理研究中的應用[J].中國人力資源開發，2021，38（11）：41-57.

[5] 秦偉平，王聰穎，熊陽鈺，等.互聯網+機構編制管理面臨的挑戰與應對策略[J].泰州職業技術學院學報，2022，22（1）：35-38.

[6] 李強，王娜.大數據+互聯網與機構編制管理創新研究[J].行政科學論壇，2020，7（12）：14-18.

[7] 閆冬冬，肖俊，關欣，等.機構編制管理大數據應用及關鍵技術研究[J].電子政務，2018（2）：97-105.

[8] 朱建華.數據賦能 分類統籌 更高效益配置編制資源[J].中國機構改革與管理，2021（12）：27-28.

【通聯編輯：朱寶貴】