徐雪冰：大数据打造智慧公共服务

本期嘉宾：他是政府智慧公共服务领域的专家，从顶层设计到治理机制到服务落地，打造全国首个智慧社区，引领政府公共服务新方向。他说，智慧公共服务离不开大数据，只有打下数据基础，才能实现按需分析。因此，他从大数据集成这个“看起来简单，其实非常复杂且重要”的工作开始，务实的推进大数据的应用落地。他就是本期专访嘉宾——AMT合伙人：徐雪冰。

精彩观点：

智慧城市是智慧公共服务的一部分，因为所有政府基础设施最终的目的都是为了提供服务。

政府公共服务核心要解决三个方面的问题：服务项和服务标准的定义、服务供给方和采购管理标准的制定、对服务过程的监管，实现事前、事中、事后的监管和检查。

对于政府的大数据应用，现在主要是一些负责全局管理，如进行产业规划、政策制定、资源调配的部门会更关注。大数据给了这些全局管理的部门一个抓手，通过大数据的掌握才能更有的放矢的进行统筹规划和管理。

要实现大数据应用面临的第一个问题就是大数据集成的问题，可以说政府的数据是最多的，但又是最难获得的。

我们做完数据集成后，会帮助客户建立一整套的数据标准，相当于一次性把企业的“数据仓库”整理好了，以后来了“货物”直接往里放就好了。

基于大数据的警力分析，根据案件发生区域、案件性质、以往类似案件的发生情况等指标来进行有规划、有针对性的匹配，争取在第一次出警的时候就能够做到最优，避免匹配多余或者太少的情况。

原先的BI更多是做事后的统计分析，现在大家对大数据的应用都不满足于此，而是要将大数据应用到业务中去，结合业务流程实现实时的优化。

专访全文：

政府信息化的昨天、今天和明天

玉荣：你是我们在政府及公共事业领域的咨询专家，讲一下你的职业发展以及一路走来的心路历程？

徐雪冰：这些年的发展都是围绕着政府信息化相关服务这条主线的，基本可以分为三个阶段：

第一个阶段，2002年大学毕业后，一直到2012年十年的时间我都是在政府的一家三产公司做总经理，经历了中国电子政务发展最黄金的十年。从最早为政府各委办局提供信息化产品（如PC、交换机）等，到后来2006年开始做信息化运维，研究ITIL体系的应用，到2009年开始做信息化监理，如当时世博会信息系统的监理都是我们做的，到后来逐渐发展为包括应用系统的建设、网站的建设、系统的运维、线路的租用等一整条的政府信息化服务的产业链，对政府的业务和信息化应用有了深入的了解。

第二个阶段，2012年来到AMT转型做咨询，到后来担任AMT政府及公共事业行业线的总经理，打造政府智慧公共服务平台，当时服务的杨浦"智慧社区"也是全国首创，被中国网等很多主流媒体争相报道。

第三个阶段，随着2014年AMT平台化转型，我也成为第一批内部创业者/事业合伙人。基于前期政府公共服务领域的积累，我发现实现智慧公共服务最大的障碍和基础是数据问题，所以这一两年主要做大数据规划和数据集成。只有先打下数据基础，才有可能实现智慧化的公共服务。

所以纵观这些年的发展历程，都是围绕政府信息化和智慧公共服务这条主线，在不同的阶段围绕政府客户的不同需求提供能产生价值的解决方案和持续服务。

智慧公共服务的发展

玉荣：你这些年一直在政府智慧公共服务领域进行研究实践，分享一下相关的观点和案例？

徐雪冰：谈到智慧公共服务，要先从党的执政方针和政府服务化转型说起。党的十八大又一次明确了“群众路线”是党的一切行动的根本路线，具体表现在实践中就是“需求从群众中来，形成服务到群众中去，着力解决人民群众反映强烈的突出问题，提高做好新形势下群众工作的能力”。十八届三中全会进一步提出“创新社会治理”，即从治理的视角，从公民的实际需求出发，对原有组织结构、服务流程进行重组和创新，实现流畅的政府内部衔接和协调，提供更为丰富、高效的服务项目，实现政府工作转型发展，建设服务型政府。那么，具体如何落实呢？

我讲一下我们为上海市杨浦区长白街道做的智慧民生社区这个案例。大家一定感受到，上海的各类民生服务热线特别多，社区的公共服务、民生服务项目众多，但对特定社区的居民来说，针对具体的日常需求经常需要四处“找门”。如家里宝宝出生，到哪里办理新生儿医保卡？儿女在外上班，谁能陪家里老人看病？下班回家发现没带钥匙，怎么联系最近的开锁匠？如何使得社区居民能够享受到为民、务实、高效、便捷的社区民生服务？

作为上海“智慧社区”试点单位，长白街道联合我们共同探索公共服务型智慧社区应用，打造了一站式综合的民生服务平台，以“居民申请”为开端，以“服务处理”为主要内容，以“居民满意”为终点，将服务需求分为生活信息、生活服务、公共服务和投诉建议四大模块，通过递交诉求、一口接单、需求分类、分拣转接、供给回复、回访反馈六大环节确保服务的无缝对接。通过服务承诺机制、办理时效机制、内部管理监督机制、跟踪回访机制、需求导向机制五大机制，从治理的视角，对服务过程进行规范管理，从而更好地响应居民的需求，提供更好地服务体验，形成持续的运行保障机制来更好的服务于居民。

我们在其中承担了平台的开发和运维服务外包，通过运用云计算技术，同时整合Portal、BPM、大数据及移动互联技术，搭建具有受理发布、跟踪管理、应用功能、数据集成等功能的支撑平台，同时能通过应用功能中间件扩展并定制后续的服务项目。政府无需考虑一次性的大额投资，更无需关注技术和维护的工作，只需要按年向AMT购买服务。

按照时下热门的“大数据”思路，我们搭建了服务数据的集成平台和数据分析模型，使民生服务平台所收集的数据，可以成为政府收集民生需求，调整服务供给的重要依据。平台运作一段时间后，街道将对历史数据进行统计和分析，筛选出政府不能或者不宜提供但群众需求较为集中的项目，尝试引导社会组织等参与，尽可能为不同的社区共治主体提供平台，从而使“长白民生服务在线”成为一个整合社区资源、对接社区需求的开放式公共服务智慧社区平台。真正实现“急民之所急，便利民生；想民之所想，帮民跟踪；智民之所需，惠及民生。”

除了这个智慧社区公共服务平台，我们当时还实施了另一个“产业发展促进公共服务平台”，对政府提供扶持资金这项公共服务进行管理，将企业、政府、金融机构等一同融合进这个产业发展促进公共服务平台之内，是促进产业发展各种需求和资源对接的中心和枢纽。通过这个服务来去带动政府补贴或者授权的一些金融服务，包括政府资金管理、金融企业资金管理，政府的运营、后勤服务以及建议和投诉等服务。

在开展这些政府公共服务咨询过程中，我们总结出核心要解决三个方面的问题：

第一个方面，服务项和服务标准的定义，比如长白街道我们定义了127项标准服务；

第二个方面，服务供给方和采购管理标准制定，对政府采购外包服务进行规范化管理。

第三个方面，对过程的监管，实现事前、事中、事后的监管和检查，通过收集建议和投诉，进一步实现对服务的持续改善。

现在谈的比较多的智慧城市，我认为智慧城市是智慧公共服务的一部分，因为所有政府基础设施最终的目的都是为了提供服务。对照国外一些发达国家，我认为，公共服务需求未来一定会爆发。这个前景是好的，不过过程中有很多难点重点需要突破。比如现在各地都在谈大数据，建立数据中心等，但是数据如何获取却是一个最大的难题，这就涉及到我现在为什么聚焦做大数据规划和集成服务。

大数据集成——建立随需分析的数据基础

玉荣：围绕政府领域的大数据服务具体你们是如何开展的，有哪些特点？

徐雪冰：对于政府的大数据应用，现在主要是一些负责全局管理，如进行产业规划、政策制定、资源调配的部门会更关注。我理解，大数据给了这些全局管理的部门一个抓手，通过大数据的掌握才能更有的放矢的进行统筹规划和管理。但要实现大数据应用面临的第一个问题就是大数据集成的问题，可以说政府的数据是最多的，但又是最难获得的。

不管是政府还是企业，都存在由于开发时间或开发部门的不同，产生多个异构的、运行在不同的软硬件平台上的信息系统，这些系统的数据源彼此独立、相互封闭，使得数据难以在系统之间交流、共享和融合，从而形成了"信息孤岛"。

我们要做的就是把来自所有系统里的数据都整理出来，转变成可读的、可查询的、能够进行多维分析、能够解决业务问题的一个全面的数据库。所以说人家做大数据都比较高大上，而我们做的都是脏活、苦活、累活，我们不像BI做那么多那么炫的分析图表，我们是领导方说想做什么分析，我们现场就可直接给出分析结果，客户对这个很感兴趣。

大数据是“一切皆可试”的，只要有海量的数据，就能从中发现很多未知的规律，这与传统的BI分析是大大不同的。但要实现这个按需分析，我认为数据集成从一定意义上来说是大数据发展的瓶颈。很多人说我们大数据能够做多么复杂的分析，但前提是做好数据集成这个基础工作。

数据集成中面临的最主要难点是什么呢？主要就是系统多，系统结构复杂，数据规范性差，比如政府的信息系统从2002年-2016年的都有。很多信息系统年代久远，这些老系统的软件开发供应商都找不到了，只能对照数据表做研究，通过数据和业务的匹配分析，识别编码规则、核心数据和数据间的关系。这就要求做数据集成不仅要熟悉各种数据库类型，还要理解业务流程。

我们做完数据集成后，会帮助客户建立一整套的数据标准，相当于一次性把企业的“数据仓库”整理好了，以后来了“货物”直接往里放就好了，这对客户的价值是非常大的。

我们的团队有二十几个人，均来自大型软件公司，精通各个门类的数据库，所以能够很好地完成数据集成这个“看起来简单，其实非常复杂且重要”的工作。我们不生产数据，我们只做数据的搬运工。

大数据应用—解决业务痛点

玉荣：在大数据集成的基础上，有哪些典型的应用场景吗？

徐雪冰：在大数据集成的基础上，我们会进一步从咨询的角度去针对不同类型的客户做相应的应用场景规划，从最核心的业务场景或者业务痛点建立分析模型，从而使用户感受到大数据的应用价值。比方对公安来说，最核心的问题就是如何快速有效的处理案件，所以警力匹配问题就是他们最核心的一个业务问题。

讲一下给某公安政治处做的警力分析这个项目。我们知道，公安工作的核心是“打防管控”，维持社会稳定，主要思路是“整体防范，有效控制，精确打击”。这一思路的贯彻执行需要新一代信息化技术的大力支撑。

我们为其做的警力分析是做什么呢？全市公安数量、各类公安民警的属性、各区域治安的情况等指标都定义出来，以此为基础来做各个不同区域的警力匹配标准，优化警力结构，更加科学地去配置警力，而不是传统的统一的警力匹配标准。现在我们做的甚至细化到每次发生案件的时候的不同警力匹配方案，这个主要根据案件发生区域、案件性质、以往类似案件的发生情况等指标来进行有规划、有针对性的匹配，争取在第一次出警的时候就能够做到最优，避免匹配多余或者太少的情况。比如上海外滩发生的踩踏事件，当时现场其实是有警力部署的，但是配置不够，未来通过这种基于大数据的警力匹配分析，可以有效的规避这种问题的发生。

在大数据集成和应用规划方面，现在我们从政府领域也延伸到一些企业服务。比如我们帮一家蔬菜运输公司做大数据规划。对蔬菜运输公司来说，他们最核心的业务就是路线规划，他们每天早上都有几百台货车在外边运输，所以运输效率直接会影响他们的业务成本、收益。我们为其做的就是计算每天早上货车怎么走最快，效率最高，系统上线后效果非常显著，大大提高了他们的运输效率及经济效益。

这个我们是怎么来做的呢？我们跟着他们的货车跑了半年，这些数据都累积起来，然后根据模型计算，通过历史轨迹记录、时间段、天气状况、实时路况等多维度集合起来，对货车的高效出行形成精准预测。

虽然现在也有一些百度，google等导航地图，可以实时查询路况，但是这个只是一个维度。我们建立的大数据分析模型是从多个维度和因素的考虑和预测，所以从其应用实践来看准确度更高。

我认为，在应用大数据之前一定要有个准备和校验的过程，大数据要有自我学习和自我校验的能力。另外，原先的BI更多是做事后的统计分析，现在大家对大数据的应用都不满足于此，而是要将大数据应用到业务中去，结合业务流程实现实时的优化，这是我比较深的感触。