大數據融合:提高社會治理社會化、法治化、智能化、專業化水平

一、建設背景

黨的十九大報告明確提出,“要打造共建共治共享的社會治理格局”,“提高社會治理社會化、法治化、智能化、專業化水平”。

2018年,某廳要求建立精確化風險防控機制、建立精確化被害預防機制、建立“數據驅動”決策機制、建立動態化防控勤務機制,實現業務工作的規範化、信息化、智能化。以大數據智能分析情報信息為核心支撐,實現工作模式從“被動”向“主動”轉變,流程從“孤立”向“聯動”轉變,配置從“固化”向“動態”轉變,極大提升治安實戰與服務能力。

二、建設內容

為滿足快速、可靠、靈活的大數據處理目標,基於數據倉庫技術,結合大數據處理特點,數據架構設計採用五個分層,以滿足業務中基礎資源庫、業務專題等的應用。

1、接口層:接口層用於將數據源採集的數據快速接入落地,是外部設備/系統的數據臨時緩衝區,按天分區存儲。接口層數據與源端的數據是同構的,主要用於數據對賬和異常重跑。

2、標準層:針對接口層的原始數據根據GA/T 1400規範進行轉換,對非結構化數據進行解析處理。提供感知類數據庫、結構化數據庫、資源目錄庫、時空數據庫。用於實時布控告警、針對數據的即席查詢以及作為整合層的基礎數據。

3、整合層:按業務場景,針對配置針對數據進行人員聚類分析,按照業務需求開展對強關聯關係數據實體的關聯融合。作為上層統計、分析的底座數據。

4、中間層:根據業務使用場景,提供一些通用的數據輕度彙總數據,如按人按天按場景統計人的出現次數,同時針對整合層的數據進行二次轉換和過濾。

5、主題層:根據業務使用場景,主要通過SQL,機器學習等計算手段,對數據進行統計、分析、挖掘,提供報表,多維分析,即席查詢需要的數據。

三、提升客戶價值

1、通過多維數據的接入與治理,構建重點人員的一人一檔形成高價值檔案,通過靈活的模型構建能力,將業務部門對重點人員管控的需求轉化為業務規則模型或機器學習模型,並按業務需求對數據進行分析挖掘,形成各類統計報表或分析結果。

2、以大數據智能分析情報信息為核心,以情報指令精確自動推送為重要手段,實現增城區以大數據驅動的重點人員的精細化的管控,提升重點人員的預測預警能力。

3、提升全區的防控效能、提高日常工作效率。通過對重點區域的管理、資源整合、資源上圖、信息推送等,提高指揮中心的日常防控與應急指揮調度能力。


分享到:


相關文章: