大数据融合:提高社会治理社会化、法治化、智能化、专业化水平

一、建设背景

党的十九大报告明确提出,“要打造共建共治共享的社会治理格局”,“提高社会治理社会化、法治化、智能化、专业化水平”。

2018年,某厅要求建立精确化风险防控机制、建立精确化被害预防机制、建立“数据驱动”决策机制、建立动态化防控勤务机制,实现业务工作的规范化、信息化、智能化。以大数据智能分析情报信息为核心支撑,实现工作模式从“被动”向“主动”转变,流程从“孤立”向“联动”转变,配置从“固化”向“动态”转变,极大提升治安实战与服务能力。

二、建设内容

为满足快速、可靠、灵活的大数据处理目标,基于数据仓库技术,结合大数据处理特点,数据架构设计采用五个分层,以满足业务中基础资源库、业务专题等的应用。

1、接口层:接口层用于将数据源采集的数据快速接入落地,是外部设备/系统的数据临时缓冲区,按天分区存储。接口层数据与源端的数据是同构的,主要用于数据对账和异常重跑。

2、标准层:针对接口层的原始数据根据GA/T 1400规范进行转换,对非结构化数据进行解析处理。提供感知类数据库、结构化数据库、资源目录库、时空数据库。用于实时布控告警、针对数据的即席查询以及作为整合层的基础数据。

3、整合层:按业务场景,针对配置针对数据进行人员聚类分析,按照业务需求开展对强关联关系数据实体的关联融合。作为上层统计、分析的底座数据。

4、中间层:根据业务使用场景,提供一些通用的数据轻度汇总数据,如按人按天按场景统计人的出现次数,同时针对整合层的数据进行二次转换和过滤。

5、主题层:根据业务使用场景,主要通过SQL,机器学习等计算手段,对数据进行统计、分析、挖掘,提供报表,多维分析,即席查询需要的数据。

三、提升客户价值

1、通过多维数据的接入与治理,构建重点人员的一人一档形成高价值档案,通过灵活的模型构建能力,将业务部门对重点人员管控的需求转化为业务规则模型或机器学习模型,并按业务需求对数据进行分析挖掘,形成各类统计报表或分析结果。

2、以大数据智能分析情报信息为核心,以情报指令精确自动推送为重要手段,实现增城区以大数据驱动的重点人员的精细化的管控,提升重点人员的预测预警能力。

3、提升全区的防控效能、提高日常工作效率。通过对重点区域的管理、资源整合、资源上图、信息推送等,提高指挥中心的日常防控与应急指挥调度能力。

猜你喜欢

转载自blog.csdn.net/qq_35063663/article/details/105100704