数据化政务舆情的探索
前言
之前也一直有在说关于互联网开放型数据落地的话题,详情参考[《闲话互联网开放型数据价值挖掘》一文。并且,再该文的末尾有提到,目前基于互联网开放型数据做价值变现的途径中,或许大数据与政务的结合会是一个有效的方向。
所以,最近也一直在思考和探索这个方向,如何将大数据与政务处理结合起来(响应国务院号召嘛,用大数据提升政务的社会治理能力)。
所以先拿小地方“开刀”,选择了江西·赣州·定南这么一个小地方(俺的老家,哈哈),意图通过数据去分析其政务方面的信息,将政务信息数据化,将政务舆情监控起来。
数据来源
通过合法的方式,在不影响平台的前提下,从地方政务公开等相关平台,诸如人民政府网站,各部门机构政务网站,地方门户网站,地方论坛等进行爬取、清晰、规整、入库,以及进行分析挖掘。
·财政统计分析
对所有政务开放的财政数据进行结构化,并且进行各种维度的横向纵向的可视化对比分析,帮助政府财政规划人员以及相关决策层进行快速了解财政状态,以及进行财政预算规划。
财政累计分部门收入分析
财政分部门收入对比。通过上图,我们可以清晰的看到2014年到2016年,国税、地税、 财政部门三种来源收入横向与纵向的对比,各种收入的占比变化。
累计基金收入与支出对比
政府基金累计收入与支出对比。所谓政府基金收入与支出即与国有土地使用权出让、福利彩票、农业开发等等相关的收入支出。从上面的面积对比图中,可以清晰的看到累计基金的收入支出的增长趋势,出入支出的盈余亏损对比。
一般性公共预算支出走势图
单月一般性公共预算支出变化趋势。当然除了累计的趋势变化,我们也可以把每个月的数据摘出来,观测每个月的财政变化情况。如上图,可以看到2014年到2016年,每个月的一般性公共预算支出的变化情况,可以看出一般性公共预算支出的支出特征,也可以纵向对比三年来对应月份的支出差额。
此外还有其他各种指标的分析,包括一般性累计预算支出,什么财政分层次收入、分税收收入等等各种财务指标。相对于一堆数字性的数据,这种可视化的报表分析,对于财政分析,财政预算规划是有一定帮助的。
·问政舆情
所谓问政舆情,即百姓对政府政务的执行情况进行建议、投诉、咨询等各项事宜。
问政涉及部门分布图
被涉及的问政部门分布。通过涉及的问政部门分布分析,我们可以清楚的知道当地百姓关注的热点大方向,例如上图中,百姓最关注的是城市管理、公共安全、房屋建设以及教育相关话题,那么相关涉及部门或许就需要更加多投入人力去解决百姓的相关问题。
问政情感矩阵
问政情感分析。通过情感分析,可以清楚的知道当地百姓对于政府政务的执行情况到底是正向的情感,还是负面的情感,这有助于了解百姓对政务执行的满意度情况,以及政务执行的真实情感反馈。提升“褒”维度,降低其他几个维度的情感反馈将是政务执行的主要目标。
问政情感热点特征分布
问政特征分布。通过问政特征分布,可以比较清楚的了解到百姓关注的更具体的热点主题,例如负面的扰民、污染、噪音等,也有正向的建设、尊敬、健康等等。了解具体的热点话题,才能有针对性的进行问题解决,以及继续发扬优良特点。
此外还有对问政类别的分析,对问政人的一些分析等等,从百姓问政的角度,以问政结果数据化的方式,改进政府执行政务的效率以及准确率。从这点来说,应该是政务舆情中最重要的一环。
·人才&招聘舆情
一个城市需要发展,那么,必然离不开对人才与市场需求的洞察,以期让最合适的人才匹配最合适的岗位,有针对性的优化人才结构以及矫正招聘市场需求。
求职招聘平均薪酬对比
如上图,通过获取地方门户相关论坛以及网站的招聘求职信息,分析挖掘出来的求职招聘分别对应的平均薪酬。从这里可以看出,求职与招聘的薪酬是有差距的,消除这种差距,让求职的人能找到工作,让招聘的人找到合适的人才也是政务中重要的一环。
求职招聘学历分布对比
同理,将所有招聘求职的学历信息提取出来,进行对比分析,却发现招聘需求中学历要求明显低于求职人群的学历,但是薪酬对比却相反,这也正是需要去进一步探索和解决的地方。
求职年龄与经验需求对比
同理,从求职的年龄变化趋势与招聘的经验需求对比中,也可以分析其供给的关系,是否匹配,造成不匹配的原因是什么等等。
此外,我们还可以对招聘企业的规模啊、企业性质啊、行业啊等等进行分析,进一步分析城市内部人才与招聘市场需求的匹配程度,以期观测是否需要增加就业岗位以增加就业的机会,俞或者是引入人才刺激城市的进一步发展等等。
·外界口碑舆情
监控外界口碑舆情的目的在于,观测外界对本城市的口碑情况,是更多良性的信息被外界所报道还是更多事故,贬责性的新闻被外界所传播,这对于一个城市的外在形象至关重要,而外在的口碑影响虽然很难有直观的表现,但是是一种潜移默化的影响。
所以,洞察外界对本城市的口碑情况,也是不容忽视的!
外界口碑情感矩阵分布
如上图,从整体上看,定南在外界的口碑形象还是偏良性的,主要还是以“褒”赞扬为主,少量的“厌”与“哀”的情感表现。
口碑舆情涉及的新闻传播平台排行榜
如上图,监控各个平台对本城市的报道情况,有助于快速更详细的进一步跟踪新闻传播情况,并且可以进行有计划的正面形象宣传。
口碑情感特征分布
如上图,对于外界口碑的特征进一步进行分析,将获取到具体的情感热点,从上面可以看出,整体上都呈现正面的价值观,包括发展、创新、教育、促进、学习等。
总之,数据化外界对于本城市的口碑信息,将有助于提升城市的外在形象,这也将不止是宣传部门的责任,也是一个城市所有市民的责任。但不管怎么样,首先需要的是精准的洞察!
·房产舆情
房产这几年如火如荼,应该算是绝对的关注热点,对于房产信息的数据化呈现,将有助于城市房产管理的良性发展。
楼盘均价
如上图,对于地方门户网站房产相关频道的信息抓取,进行各个楼盘的价格分析。定南的楼盘均价在3702左右,最高价在4200左右,从这个来看,目前还是比较准确的。
结合问政舆情,将涉及到投诉相关的楼盘进行挖掘,输出楼盘的被投诉榜单,将有助于市民对于楼盘的全方位认知,也方便房管部门对于房产方面的管理。
楼盘被投诉排行榜
此外,如果能够把各个阶段的价格都监控起来,我们就可以看到不同时期,或者说随着时间推移,房价的变化趋势了,甚至更进一步预测房价的变化情况也是有可能。
衣食住行,住这一维度永远是百姓关注的重点,所以,对房产相关的信息进行足够的挖掘,将对政务执行会有巨大的帮助。
·教育舆情
如上图,对于2016年高考人才的流向进行可视化,可以清晰的观测到人才的流动侧重情况,这对于后续城市发展所需要人才引进是有帮助的。
高考人才流动迁徙图
当然,这部分的数据是模拟的,因为从目前看,细节到人才流向这种数据目前是比较难从互联网上获取的。但我们可以建立每一年的学生数量、高考批次成绩等的横向纵向对比,这将大大有助于教育部门对于教育情况的了解以及对比分析。
结论
并且自2015年8月份以来,国务院印发了《促进大数据发展行动纲要》,从政策上支持了大数据在政务方面落地,并且其中很重要的一项就是,使用大数据提升政府对社会的治理能力,更加的精准化以及更加效率。
并且自2015年来,各省市都陆陆续续的出台了相应的措施,但总体来说都还停留在文件层面,目前落地的案例还比较少。
上面这六个维度,只是我们对政务大数据的一个应用探索,可以说相对还是比较浅层的,但即使是相对比较浅层,但我们已经能够管中窥豹,相信大家还是能够看出大数据与政务的结合还是有一定可实施性以及确实利用性的。
如果我们对互联网数据的进一步深挖,以及随着政府方面越来越多数据的开放共享,结合互联网自产的开放型数据与政府的共享数据,必然是可以为社会治理、政务开展做出一些事情的,包括社会问题剖析的更加精准化、反馈执行的更加有效率等等,以期实现真正的精准化、效率化社会治理。
大数据与政务的结合,在未来两到三年内,必然会是一个大数据方面的热点话题!
我期待、我观望、并且我将见证!
(全文完)
文/数据虫巢
关键字:大数据, 政务
版权声明
本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!