孙轩：大数据背景下的系统性公共风险防控

2、数据挖掘的技术储备。国内在管理领域学者们更多研究框架，但是在模型方面研究不够。任何数据必须要基于特定的理念或者行业的规则，所以要进行数据挖掘的技术储备，包括理念传播、方法学习、总结业务和构建模型。

3、数据开放性和安全性的统一。及时共享、促进协作，同时要建立机制、有效控制，在一定程度上保证隐私。隐私这个词随着技术的进步是很灵活的词，但是我们必须对它进行有效控制，不同时间段和不同数据其控制层面是不同的。

天津市做了一些实践探索，包括构建系统对各类相关的指标进行管理、计算，促进信息共享，构建数据挖掘分析系统。但系统构建只是一方面，更重要的是使用。

数据分析不仅是根据模型算出结果，它是能力的建设和交互的过程。随着财政信息化工作的不断推进，各类财政数据变得越来越大，每笔资金活动信息被详细记录下来，是完整闭合的信息流。通过流动的信息，动态发现风险，合理预计收入，进行动态评价，才能使地方财政的系统性风险得到有效的控制。

最后谈一谈个人的想法。政府部门的风险防范意识逐渐增强，但市场失灵、管理失衡、信息不对称等多方面原因，使得错综复杂的经济、社会活动背后仍然存在着诸多系统性风险。

大数据能够为系统性公共风险的防控提供更强的洞察力、决策力和流程优化能力，但它既涉及到跨部门应用管理平台的建设，也需要关注数据分析模型的选择和应用。以地方债务管理为例，为了实现系统性公共风险的长效管理，还需要通过顶层设计，将横向数据共享、协作作为风险防范的核心目标，推动基于大数据流的动态治理。

（编辑：PHP编程网 - 黄冈站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!