大数据调研方案

8月11日，聊城市大数据局副局长魏丽带领调研组深入东阿、茌平、聊城开发区、聊城高新区等县（区）一线，全面调研大数据年度重点工作。在东阿县审批局和聊城开发区行政审批局，调研组现场观摩了借助大数据平台，实施数聚赋能，推动落实“一次办好”改革等相关工作情况。在行政审批环节，两地基本搭建完成“前台综合受理、后台分类审批、统一窗口出件”服务模式，实现了“让数据多跑路，让群众少跑腿”，真正实现群众办事一次收件、自动分发、并行办理。在茌平区和聊城高新区，调研组围绕数字经济园区建设和传统企业全产业链数字化转型工作进行了深入调研，重点调研了华为智慧科技园产业定位、园区规划及项目落地有关情况等，座谈调研了信源铝业数字化转型情况，现场观摩了信发集团在原料装卸、废水处理、无人车间、能源管控等企业生产全产业链数字化转型情况。调研期间，还就有关县（区）落实省、市政府工作报告确定的重点工作任务和数字聊城建设等方面进行了督导检查，重点听取了县（区）大数据管理部门推进大数据基础设施建设，智慧城市建设，数字经济园区培育，新一代信息技术创新应用，爱山东APP推广应用等重点工作进展情况汇报。（石怀阁）

关于实施国家大数据战略的重要论述，强化机遇意识，聚焦重点工作，提升大数据工作整体效能，更好服务经济社会发展和人民生活改善。李干杰观看了数字山东全景地图展示，听取了数字山东建设情况汇报，就大数据发展趋势、数字政府建设、大数据开发利用等与相关负责人进行了深入沟通交流。他说，大数据是信息化发展的新阶段，当前相关技术发展日新月异，必须审时度势、精心谋划，争取工作主动。要深入贯彻党中央、国务院决策部署，落实省委工作要求，推动统一规划、统一标准、统一建设、统一运维，努力实现数据集中、技术集中、人员集中、资金集中、管理集中，加快建设“一个平台一个号，一张网络一朵云”。李干杰对做好大数据工作提出五点要求。一要把握大势、奋发进取，抢抓机遇，推动数字政府建设、服务“一次办好”改革、助力经济社会高质量发展。二要找准定位、形成合力，聚焦数字政府和数字社会建设，加快基础库、主题库、专题库等大数据库建设，各部门协调配合，把各方面的积极性发挥出来。三要聚焦重点、务求实效，坚持急用先行，抓好政务云、政务网、一体化平台等基础设施建设，着力解决群众关心关注的实际问题，确保每项工作都取得实实在在的效果。四要守牢底线、确保安全，完善数据采集、储存、共享、使用等环节安全管理，提升技术水平，经常性开展演练检测，筑牢安全发展防火墙。五要培育队伍、提升能力，加大人才培养力度，努力打造一支政治坚定、专业过硬、作风优良的人才队伍。

10月26日，高平市市委书记胡晓刚深入高平市行政审批服务管理局，就大数据中心建设情况进行调研。他强调，大数据是支撑数字政府信息资源整合共享的核心，要统筹规划、顶层设计，高标准高质量加快大数据中心建设步伐，全力打造协同高效的数字政府。大数据中心大厅是集“六个一”集成改革成果展示、全科网络管理、应急指挥、热线办理等为一体的现代化市域治理指挥中心。目前，大厅主体已经建设完成，硬件设备安装基本到位。胡晓刚实地查看了大数据中心基础设施设备建设情况，详细了解了项目推进过程中存在的困难和问题。胡晓刚强调，大数据是支撑数字政府信息资源整合共享的核心。要按照时间节点，打通信息壁垒，高标准高质量加快大数据中心建设步伐，加强在安全生产、智慧交通、生态环保、城市管理等方面的数据汇总，有效对接，为打造“数字政府”提供有力支撑。要加强顶层设计，以“高平大脑”大数据中心为依托，以“1+5+N”一体化数据资源体系为支撑，以“六个一”集成改革为特色应用，围绕政务服务、基层治理、转型发展、民生服务、指挥调度等集成改革领域数字化改造，实现全市信息资源共建共享，全力打造协同高效的数字政府。调研中，胡晓刚还实地查看了康乐街人行天桥及停车场工程建设情况。他要求，参建单位要严把时间节点，在保证安全的前提下，全力以赴赶进度，确保高质量按期完成建设任务，把这一惠民工程办好办实。高平市市委常委、市委办公室主任王志红，高平市副市长李琳一同调研。（供稿：高平市政府信息中心 李娜 赵素宾）责任编辑： 茹妮娜 相关文档【来源：晋城市人民政府】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn

汽车产业的发展，一方面在于科学技术与工程技术不断进步的推动，另一方面，也在于不断升级与变化的用户需求的拉动。而对于汽车用户需求的把握，除了基于过往经验和数据的积累、对竞争对手的情报分析，还有一个重要的信息来源——依靠市场研究与咨询。中国汽车市场在此前的发展初期，主要是卖方市场，并且汽车用户也不成熟、对于汽车产品不够了解，因此汽车厂商对市场、对用户的洞察研究即使较为粗放，也能够满足战略规划、产品研发、营销推广的需求。随着中国汽车市场的不断成熟，用户对汽车产品的需求越来越多样化，汽车市场不断细分，竞争日益激烈。对于描述汽车市场的信息量始终处于高速增长的状态，传统的调研已经无法满足汽车厂商对于产品精确定位、营销精细化管理的需求了。市场研究的发展与统计学的发展息息相关。受限于传统调研获取样本的成本与效率，汽车市场研究始终是以“小数据”为主的。而统计学近年来的发展方向，无论是金融统计、生物统计、社会网络分析，还是机器学习、数据挖掘，均以大数据、至少是大样本量的数据为研究对象。随着移动互联与物联网的发展，人类社会产生数据与获取数据的数量与速度成指数式增长，这一趋势势不可挡。因此，对于汽车市场的研究，如果不能突破数据源这一瓶颈，则会被整个统计学科所遗弃。显然，汽车市场研究瓶颈的突破，其关键在于获取大规模的数据源。但这的确是传统调研（包括在线调研）的方法无法做到的。互联网凭籍其自身特点，天然的是数据蕴含量丰富的矿藏，而汽车之家作为国内最大的汽车行业垂直媒体，毫无疑问是个巨大的汽车大数据金矿。汽车之家基于大数据的汽车市场研究解决方案——“车智云”平台（包括聚焦到市场、营销等具体业务场景的Smart系列产品），成为大数据时代汽车市场研究突破性的解决方案。在各种新事物出现时，媒体往往喜欢用“颠覆”一词，虽然从严谨的态度出发，“颠覆”一词并不恰当，但称“车智云”平台是对汽车市场研究的“发展”与“突破”，则毫不为过。大数据研究突破了传统研究的样本量限制汽车市场的不断发展与成熟，使得用户需求愈发细分，汽车产品也向着专用化和多功能化两个方向发展，因此日趋复杂。对于汽车市场、用户需求的描述，已经无法用传统的市场研究方法来实现了。传统调研中，无论定量研究还是定性研究，都无法获取足够的样本量来覆盖足够有代表性的群体特征，因此也无法详尽的描述客观事实，反而容易受到前期研究设计的制约与影响，使得结果产生偏差。而大数据作为市场不断发展、用户不断成熟这一过程中同步诞生的资源，是最佳的研究对象。随着移动互联、物联网的发展，大数据也趋向于成为全量数据，不仅可以突破数据量的限制，而且是客观记录、基于过程、连续的，足以描述整个复杂的汽车市场与用户的每一个细节。大数据研究突破了传统研究的时效性限制传统研究的执行周期相对较长。从项目设计、执行，到数据处理、报告撰写，需要数周、甚至数月的执行周期。报告的时效性也很短，仅能代表执行期内的这一时间片断的结果。大数据则可以做到快速及时的收集、统计、分析数据，完全突破了传统研究的时间限制，对于对实效性有较高要求的研究内容，大数据几乎是唯一的解决方案。尤其在舆情监测和营销效果监测方面，大数据可以提供几乎实时的相关数据，帮助汽车厂商快速响应、应对舆情事件，对营销动作的效果进行及时检验、调整。大数据研究突破了传统研究的真实性限制传统研究结论的偏差主要来自于几个方面：一方面是系统误差，这是研究方法、样本量、样本选择、问卷设计等一系列因素所引起的。受限于资金成本、时间成本以及经验，消除系统误差难度很大。另外一方面来源于被访者的表达。无论定量研究还是定性研究，被访者所回答的问题都是基于自己对过往的回忆，容易存在记忆偏差，甚至遗忘。并且其主观表达存在一定的选择与取舍，不会真正的说“实话”。甚至，能够接受调研和访谈的被访者本身就不具备用户整体的代表性，因为多数用户是不愿意接受访问的。随着用户时间成本的逐渐增加，以及对个人隐私保护意识的增强，愿意花时间接受访谈的用户将越来越成为小众群体、越来越不具有代表性。当然，还有样本作弊、冒充真实用户等质量问题会影响传统研究的真实性。相对而言，大数据记录的是用户即时的真实行为与态度。用户在自然状态下发生的行为与表达的态度的真实性，是通过调研方法获取信息远不能及的。这一点，想必无须解释。大数据研究突破了传统研究的方法论限制前文提到，市场研究发展的天花板是统计学。受限于传统调研获取样本的成本与效率，以“小数据”为主的汽车市场传统研究被高速发展的统计学远远抛在了后面。大数据帮助汽车市场研究与时代同步，拓展了更为丰富的研究方法和领域——比如更为精准的销量预测，以及可以洞悉全局的市场竞争格局分析。销量预测：用户在购车前会上网查阅车辆资料、对比车型参数、了解口碑评价、寻找促销信息。用户的线上行为与购买行为高度相关。通过对用户线上行为的分析，可以对其购买意向、预购车型、购车时间等进行判断。结合用户行为、宏观经济指标等数据，应用机器学习技术，可以实现更高精度和更细颗粒度的销量预测，为汽车厂商的排产、库存管理、采购、物流、资金周转等提供更为精确的参考。竞争格局分析：每个用户的对比行为，就是将对比车型视为彼此竞争对手的行为。把整个市场所有用户的对比行为进行统计分析，就可以还原市场真实的竞争关系。竞争格局分析是复杂网络理论在汽车市场研究中的应用。可以在更为宏观、全局的视角俯视整个乘用车市场，并且可以长期观察监测，发现新车上市、营销动作等对市场格局的影响。大数据的应用，可以在汽车市场研究中应用更多的数据挖掘技术与可视化技术，更深入的挖掘数据价值、更生动形象的将分析结果可视化。从小数据的“证明设想”到大数据的“发现规律”，这是一个质的飞跃。大数据研究突破了传统研究的体系限制所谓体系，就是需要能够覆盖整个领域的各种现象与各种活动，要能够对本领域中的基本现象与关系提出原理性的归纳与解释，并且能够经受实践的检验。传统的汽车市场研究，虽然可以覆盖多种需求与目的，但各项目之间的数据源和执行时间都是彼此孤立的、碎片化的，无法构成一个严密的体系。大数据能够在一定程度上实现汽车市场研究的体系化，研究范围贯穿汽车产品生命周期始终，为汽车厂商的产品研发、营销管理提供全面的数据支持与解决方案。汽车之家“车智云”平台包括多个模块与产品，可以实现汽车产品全生命周期的数据支持。传统的汽车市场研究经过多年发展已进入平台期：行业规模增长停滞不前、准入门槛降低、利润率下降……其本质在于传统的研究方法已经对当前快速变化的市场态势、日益多样化的用户需求难以做到精确把握与快速响应。大数据的时代来临，市场研究也必须从传统调研向大数据研究转型。帷幕刚刚掀开一角，未来将会上演怎样的一场大戏或许未知，但精彩毫无疑问。让我们共同期待，并为之努力。（文/汽车之家大数据分析师 刘雪杉）

1月14日，市政务服务数据管理局大数据应用场景建设专项调研工作组一行2人，到湛江市交通运输局就政务大数据应用场景建设开展摸底调研会议，市交通运输局行政审批科、湛江市政府行政服务中心交通运输局窗口和信息管理中心负责同志参加此次调研会。调研主要围绕我市交通系统在政务大数据应用场景建设工作中遇到的痛点、堵点、难点以及政务信息系统未来规划进行摸底，了解需求和建议，有针对性提出优化政务大数据应用场景的解决方案和工作措施。【来源：湛江新闻网】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn

　　过去几年内，我们见证了互联网从“数据”到“大数据”的量的转变。作为拥有数据生产者和使用者双重身份的企业，正面临着时代变革所带来的各方面的挑战，无论是大公司还是小公司，或所处什么行业领域，企业所面临的困境越来越相似。　　企业对于自己的信息知之多少？　　这些数据来自何方？　　如何应对爆炸式增长的数据量？　　这些数据是否安全可靠？　　如何使庞大繁杂的数据变得易于管理？　　……　　可见随着 “数字化转型”进程的推进，企业对数据的要求也随之提升，从“量”变逐渐往“质”变的方向发展。“可信任数据”（Trusted Data）将成为企业竞相争取的下一座金矿。　　其实数据就如原油，只有经过提炼才能发挥无尽的潜能，“可信任的数据”即经过提炼后的石油，那么究竟何为“可信任数据”？从字面上理解，它主要有两层意思：　　其一，数据完整、准确。大数据并非只是指其数据量之大，更体现在其所蕴含的价值之大。通过保证数据的完整和准确，使数据的价值得到体现，数据完整、准确是“可信任”的根基。　　其二，可值得信赖。数据质量是确定决策所使用的数据是否可靠的一个基本考量因素。“可信任的数据”整合来自任何来源的可信数据，将其组合成有意义、有价值的信息，这样的数据是值得依赖的。　　高质量的数据是大数据发挥效能的前提和基础，企业获取“可信任数据”，势如夺金。而通过强大的大数据分析技术是获取“可信任数据”发挥大数据价值的重要手段。想必这时候你就会问，如何获得“可信赖数据”呢？作为数据管理和分析领域的强手，IBM给出了数据收集，集成到管理整个生命周期的解决方案，帮助企业从海量数据中获得洞察，助力科学决策。　　数据提质必经站——Information Analyzer　　企业经常碰到几个数据质量问题，如：数据不完整，数据不一致，数据逻辑错误，数据有错误等。要想获得高质量的“可信任数据”，则必须规避这些问题。IBM Information Analyzer就很好的解决了这些问题，它就像是一个提质站，提供了数据质量评估、数据质量监控和数据规则设计与分析功能，帮助企业降低错误信息所带来的风险，保证“可信任数据”顺利交付。　　通过 IBM InfoSphere InformationAnalyzer 软件工具实现对数据进行全面分析，包括技术层面和业务层面，体现如下：　　标准评估：为企业数据源的结构、内容和质量建立一个全面、整体的认知。　　数据规则：通过定制并不断地调整自定义数据质量规则来对数据进行更深入的质量验证，趋势预测和模式分析。　　报告指标：通过对分析结果的鉴别、评估以及异常管理来限制数据质量的恶化，从而降低风险。　　数据集成利器——DataStage +CDC　　相信很多企业都有这么一个感觉，虽然大数据为企业机构在做商业决策等方面提供了强大的支持，但与此同时，错综复杂的数据本身对企业来讲就是一个挑战。如何将大量的结构化和非结构化数据转化成“可信任数据”是企业所急需的，IBM拥有DataStage和ChangeDataCapture（CDC）等多种数据集成解决方案正是为解决这些问题而生。通过将不同来源的数据组合成有意义、有价值的信息，帮助企业理解、清理、监视、转换和提供数据，确保信息的可信度和一致性，并对数据进行实时监管。　　作为数据集成的两大利器，DataStage和CDC相辅相成，却又各有所长。IBM CDC是一种准确而高效的数据复制工具，可以帮助企业轻松地获取业务生产系统的增量数据；而DataStage 则是企业数据集成领域另一个专业而强大的ETL工具，拥有多处理器硬件平台的并行处理能力和可扩展的功能，可以高效批量处理海量数据。当CDC与DataStage“双剑合璧”时，就能实现快速地把业务增量数据，实时地按业务规则进行数据转换和集成处理，把最终处理结果更新到目标的分析系统中。　　IBM DataStage 和CDC等数据集成方案适用于各个领域，尤其是银行、保险、大型制造业等行业领域。例如，华为借助DataStage ETL解决方案打通了各个业务之间的“信息孤岛”的问题；中国建设银行在建设海外开发中心的过程中，通过CDC使海外分行和北京中心建立了实时双向数据同步功能。　　我的数据我做主——InfoSphere MDM　　科学的决策一定是基于准确可靠的数据得出的，而想要获得“可信赖数据”，企业就需要拥有一套适合自己的数据监管方案。无论是银行、制造业、零售商或政府机构，都拥有自己的核心数据，即我们常说的主数据，一套强大的主数据管理可帮助企业创造出巨大的商业价值。IBM MDM为企业提供基于SOA 开放标准的主数据管理，可扩展的功能架构，和灵活地进行客户化定制主数据的管理方案，为所有业务部门提供及时、准确的主数据业务视图。MDM主要有三种部署方式：协作型、操作型和关联数据管理，企业可根据自身属性选择使用。　　由于缺乏全局意识，很多企业所采用的应用程序只是为支持某个业务领域的运营过程而设计的，它们拥有自己的信息技术设施，包括与应用相关的数据存储和定义，其结果就是导致同步数据变得十分复杂，维护难度不减反增，数据质量很难确保。通过集信息集成、管理和共享于一身的IBM MDM，可很好的解决这些问题，5个步骤就能达到简化结构，降低成本，改进数据监管等目标：　　1. 建模：用灵活的数据模型定义任意类型的主数据　　2. 识别：快速匹配和准确识别重复项目　　3. 解决：合并以创建可靠、唯一的真实来源　　4. 联系：揭示各类主数据之间的关系　　5. 治理：创建、使用、管理和监控主数据　　大数据时代，企业的战略一定是从“业务驱动”转向“数据驱动”。未来有价值的公司，一定是数据驱动的公司。在这样的时代背景下，参差不齐的数据时刻困扰着企业业务发展之路，唯有从数据的源头到管理全过程确保数据的准确可靠，才能保障企业有效地挖掘隐藏在大数据中的信息，为“我”所用。　　大数据处理信息服务商金盛网聚WJFabric认为，大企业对于新兴领域的布局往往是超前的，但鉴于其体量及需求等原因，布局的方向更多在于对新兴行业基础设施的搭建，因此，对于行业细分领域的研究仍然是创业的重要方向。以大数据为例，IBM的布局意在为行业提供发展基础，即数据的获得及精准性的提升，本质上是一种工具式的研发，而在大数据的应用方面，如何更好地将新技术与传统行业相结合，创造出更多的价值，这是留给创业公司的发展机会。

8月19日，大数据分析与应用课题小组召开各交易板块大数据讨论会，邀请有经验的厂商共同参与研讨。根据会议精神，会后逐个业务领域确认数据字段、项目需求等方面，积极探讨算法模型、应用测算等解决方案，小组成员各抒己见、踊跃参与。本月继续推进数据分析课题，按照今年新的业务需求展开项目调研。一是打好基础功能，提炼亮点特色。数据治理是重要的基础，同时对南京、贵州、福州等地地方特色应用进行专题报告。对民生工程建设、投标保函、专家打分分析、招投标风险监测、服务费减免、微快递、零提供、生态美专题分析等方面展开讨论，集思广益、供各交易板块参考。二是项目内涵与外延的丰富扩展。大数据项目，应从数据中汲取营养，同时还要反哺业务能力；大数据分析，应创造工具、提升生产力；大数据监管，应成为规范政府、市场交易通道的有效途径。三是信息技术管理范畴。1、积极做好各信息系统的数据初探、对接调研。2、对可能用到的大规模计算能力、存储能力进行测算。3、对展示界面进行小程序的初步设计。4、探讨与其他新技术结合的可能。5、同时对数据安全管控提出参考模型。项目课题多方面同步齐下，为项目方案编制做好参谋。

传统舆情是基于简单信息的搜集整理工作。但数字时代数据量巨大、冗余信息繁杂。在信息和数据形式不断更新的情况下，舆情研究方法同样需要迭代。当下，舆情研究方法存在哪些问题？复杂的数据环境对研究方法又提出了哪些新要求？一起来看。现有研究方法存在哪些问题？“大数据”已俨然成为时代热词，社会学家说它是一座蕴含了大量信息的富矿，统计学家却认为庞杂的结构为数据分析带来了巨大的挑战，从中提取有用信息犹如大海捞针。相比于传统数据类型，大数据的分析难度不言而喻。如何用好这些数据，高效提取有价值的信息，是在数据丰富的今天需要探讨的话题。大数据舆情分析面临着数据量大、维度多样、结构复杂等问题。研究对象也从受众个体发展到了受众之间、传受之间的复杂网络关系，甚至杂糅了时间、空间维度等场景化信息。但现有的研究仍以数量统计和词频分析为主，难以深入挖掘大数据的潜在价值。不同维度的数据都需要专业的分析方法，继而革新了舆情研究的思维方式。基于丰富的舆情分析理论和经验，科学研究方法才能使舆情研究如虎添翼。科学分析大数据有助于研究者打开视野，从更开阔的角度切入研究。根据不同研究意图搭建复杂模型检验，深入因果推论，可以实现舆情研究的数据化、动态化，也可以加强趋势研判的延展性、科学性。采用科学的研究方法、纳入大数据模型，也是互联网环境下舆情研究的发展趋势，为更加全面立体地掌握舆情动态奠定了科学基础。科学研究方法的3大“用武之地”结合日常实践，梳理了科学舆情研究方法在大数据层面的具体运用。1基础统计分析方法：掌握舆情全貌基础统计分析方法是掌握舆情全貌的重要基础。舆情发展是一个分阶段的动态过程，通过对数据所包含的维度进行基础统计计算，能够获得横向切面和纵向发展的双向描述，进而掌握舆情全貌。一是横向比较横截面数据，描绘当下舆论情况。例如，在国际传播研究中，首先要了解国际舆情。通过统计给定时间内的舆情数量规模、情感倾向、话题细分等数据，能够快速勾勒基本轮廓，便于研究者了解某一时段的静态舆情特征。二是纵向对比时间序列数据，动态追踪舆情态势。为深入研究国际舆情，还需长期追踪基础统计量。持续累积同口径数据列，便能回溯其发展趋势，并通过时间序列模型预测舆情发展态势。2传统量化研究方法：推动舆情研判传统量化研究方法是推动舆情研判的重要保障。舆情研判是指通过特定方法对舆情信息的特性、态势、走向进行研究判断的专业工作。大数据舆情研判需要借力传统量化研究方法，采用相关分析探索不同变量间相互作用的关系，采用回归分析探索变量间的依赖关系，并预测变量的发展趋势。一方面，将相关分析用于舆情研究，适用于分辨看似无关的信息间潜在的相互关联，能够从庞杂的数据中发掘足以影响全局的非确定关系，从而确定如何在复杂环境中精准研判舆情态势。2018年6月23日，泰国一支青少年足球队被困洞穴，7月10日获救。该事件引发全球媒体和公众广泛持续的关注。在分析该事件时发现，传统媒体报道和社交平台热议话题间存在相关关系，两个舆论场相互影响的复杂渐变关系还原了舆论触发和影响机制。另一方面，回归分析应用到舆情分析领域，能够探究相关变量间的因果关系及发展走势，寻找舆情演变规律模型。通过建模分析，不仅可以判断不同议题、国家、媒体间的关系，还能进一步探究相关舆论的未来走势。例如，以各国媒体就新冠肺炎疫情的报道为素材建模，能够从宏观角度把握国际舆论，并直观展现各国媒体新闻叙事的关系，探明媒体报道与国际舆论的相互影响，找到国际舆情的演变路径。3量化文本分析方法：深度挖掘舆情量化文本分析方法是深度挖掘舆情的重要助力。大数据背后隐藏着肉眼难以识别的深层信息，尤其是在面对大量文本数据时，难以靠传统分析方法直接获得全面信息。以往针对文本的分析方法分析周期长、研究耗时长、人工工作量大，难以适应舆情研究求快求全的现实要求。因此便需借力量化文本分析方法，集中处理数十万乃至数千万量级的文本内容。在实践中总结了适用于舆情研究的部分量化文本分析方法：LDA主题模型算法LDA（Latent Dirichlet Allocation）是统计学中常用的一种降维分析方法，即降低复杂的文本数据包含的维度。通过运算归类，具有相同特性的文本被识别为一组，进而实现文本主题的机器分类。这一算法常用来提取子话题。这种方法能够大大缩短文本处理时间，通过计算实现文本内容归类，提高舆情子话题提取效率。文本位置估计模型文本位置估计模型是政治学领域的成熟算法，旨在通过计算文本中包含的政治学词汇特征，判断文本的左右派倾向。舆情研究可以借用该算法原理，通过计算词频、词距、词语间共现关系等信息，计算特定文本的相对位置，判断研究对象的态度倾向差异。例如，以此分析中美关系舆情，可以直观看到中美受众的不同立场表达，并根据文本位置距离判断未来发展趋势。基于社会网络分析方法的词语共现关系分析如前文所述，文本之中也隐藏着复杂的词语网络。探询文本的共现网络，是还原语境的重要路径。前文的分析方法多将文本分裂为词组，计算使用的矩阵也常常忽略了语句连接在一起的整体含义。采用社会网络分析方法，可以描绘出词语间的距离与联系，可以在一定程度上探索其出现的语境，还原断裂的文本。数据舆情时代，研究方法的3大变迁把握舆论脉搏，洞悉舆情走向，是信息化社会了解民意的重要因素。数据与舆情结合的产物——数据舆情也已应时代要求而生，亟待从业人员理论结合实践，吸纳科学分析方法，提升数据处理和舆情研判能力。1加强数据挖掘能力数据是所有分析的原材料，没有数据再精巧的方法也难为无米之炊。数据舆情行业研究，需要以数据积累为目的长期挖掘和存储，注重日常数据的挖掘和积累，不断拓展数据边缘。搭建庞大的数据仓库，提升数据使用效率，是发展数据舆情的首要条件。2提升数据分析能力在掌握了大量数据之后，分析能力便成为了挖掘舆情的主要难题。在舆情研究领域，数据分析能力具体体现为科学研究方法的掌握和使用能力。为进一步提高舆情分析的效率和质量，强化量化研判与舆情工作的深度融合，提升数据分析能力，是发展数据舆情的必要条件。3强化数据合作共享数据是取之不尽的可再生资源，研究者根据日常工作的专长和角度不同，掌握的数据形式大为不同。因此，强化以行业实践为基础的合作机制，是推动数据舆情化和舆情数据化的大势所趋。来源：网络传播杂志审核：王韶云校对：施娇娇编辑：王 安

那志茂到市大数据应用局就智慧监督工作进行调研听取“数字政府”建设情况相关汇报4月6日下午，市委常委、市纪委书记、市监委主任那志茂深入市大数据应用局就智慧监督工作进行调研。 那志茂一行先后查看了市大数据应用局大数据会客厅、市大数据中心、12345政务服务热线受理中心等地，听取了“数字政府”建设情况的汇报，了解了平台运行使用情况。那志茂在听取市大数据应用局有关平台建设情况汇报后给予充分肯定，那志茂指出，今年，山西省纪委监委全面启动“智慧监督”工程，着力打造技术方案最优、平台建设最优、监督效果最优的“山西样板”，用信息技术提升监督工作，增强精准发现问题能力。为贯彻落实省纪委监委相关要求部署，我市积极探索数据赋能监督工作，加快纪检监察业务与现代信息技术深度融合。我市大数据应用局开发的平台接入数据更全、应用领域更广、监督效果更好，理念超前、思路创新、举措务实，对破解日常监督难题进行了很好地探索，走在了全市乃至全省前列。希望市大数据应用局充分利用信息化技术、大数据平台优势，做好智慧监督平台建设工作，打造高效便捷的纪检监察信息化体系，通过“互联网＋大数据＋监督”的模式让监督无处不在，推动我市纪检监察工作的信息化数字化智能化建设。责任编辑： 窦吟 【来源：晋城在线】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。 邮箱地址：newmedia@xxcb.cn