第一篇：精准扶贫大数据平台
农业与精准扶贫大数据应用
背景
贫困，不仅仅是一个中国的问题，也是全球性的问题。人口和贫困，历来就是人类无法彻底解决的难题。
党中央和国务院历来非常重视我们国家的扶贫工作。2013年，总书记在湘西考察时，提出了“实事求是、因地制宜、分类指导、精准扶贫”的重要指示，并首提“精准扶贫”。之后又多次在重要会议和文件中进一步明确“扶贫工作是三农工作的重中之重”。之后，总书记在“部分省区市党委主要负责同志座谈会(贵州)”上，对扶贫工作提出具体要求。
实际上，做好了扶贫工作，是实现小康社会和共同富裕的核心内容，是全面建设社会主义强国的必由之路。消灭贫困，是中央下了大决心的，既是“中国梦”的组成部分，也必然会对全世界人民的脱贫产生深远影响和示范效应。
精准扶贫，贵在精准，重在精准!
既然要做到精准，见实际成效，脱离了信息化手段，脱离了数据依据，是不可能实现的。在社会各个领域存在着信息和数字技术带来的深彻的改变与创新，各领域信息化应用，正在从IT(Information Technology)转向DT(Data Technology)，数据的应用，被前所未有的重视起来。深度挖掘利用有关涉贫、扶贫的数据资源，通过大数据技术，以科学手段真正帮助我们完成精准扶贫相关任务。让数据说话，让数据发挥价值，是精准扶贫的必由之路。
精准扶贫大数据平台建设原则与路线 首先，我们提出如下的建设原则和技术路线： 1，务实和创新的原则路线。
精准扶贫系统的开发，首先切实考虑农村和连片贫困区的具体情况，让信息系统的应用接地气。创新是基于实际的创新，杜绝假大空。
2，前瞻性的技术路线。
精准扶贫的全面推进，与当前信息技术的新一代革命在历史轨道上相遇。精准扶贫系统设计与建设，要充分融合新一代的云计算、大数据等新理念、新技术。
而且，在不远的将来，必然全面消灭贫困，全面扶贫必然成为历史。而信息化系统的建设投入，不会因此消亡，将全面融入未来全面的农业大数据和新农村的建设。
3，以打好扶贫攻坚战为出发点的实用路线。 系统设计和功能布局，紧紧围绕扶贫来规划和实现。以有利于扶贫工作的开展作为出发点和落脚点。
精准扶贫与农业大数据的实现
1，站在未来农业与农村发展高度构筑农业与扶贫大数据体系
统揽全局，提出农业大数据与扶贫信息化综合平台的总体规划和实现路径。
构筑涉贫关键要素，以“时间、空间、事件”等多维度实现要素信息定义和关联。包括贫困人口、帮扶责任人、贫困家庭地理分布、基础自然资源、农业经济要素(土特产、畜牧养殖、乡镇企业等)，并结合基层党组织，进行全域信息采集，全周期管理。
从闭环管理方法论的视角，围绕贫困人口、致贫原因、脱贫措施、资源投入和脱贫成效评估等多个阶段，构建精准扶贫的管理系统。抓住致贫源头，帮扶管理落到实处，资金项目投入见成效，脱贫后的巩固，避免返贫发生等等。整个过程涵盖扶贫推进、成果评估、系统改进等环节，形成精准扶贫闭环演进的过程。
2，扎实推进，建设全量农业、农村、扶贫大数据资源库
根据顶层设计，立足大数据建设要求的数据资源体系建设，采集和获取基层农村的数据，结合社会经济、产业、金融、农业科技等诸多领域的数据，以政府相关数据为基础，打造全量农业数据资源库。
3，全面运用大数据技术推进扶贫事业与农村的健康发展
利用大数据技术，从几个方面深入挖掘分析，进一步为扶贫的精准提供数据支撑。
人口分析：为所有贫困人口和涉贫边缘人口定义标签，并在整个数据资源池纳入大数据分析，进行分类、聚类、分布和致贫原因群体性分析。
扶贫资源分析：对投入的资金、项目等，与本地资源、基础设施、扶贫成效等相关因素进行关联，寻找资金投入的缺口、成效不佳的领域等，资源投入无死角。
扶贫宏观经济分析：扶贫要实现从输血到造血的转变。实际上扶几个贫困人口，不如扶一地的经济发展。贫困相关数据结合经济产业数据，涵盖生产总值、产业分布、物价、电商物流、人口流动、自然环境和能耗等多种因素，评估经济发展潜力和条件，提供全景经济视图与脱贫攻坚的深度分析。
扶贫地域民生分析：结合城镇化和美丽新村的建设，从人口、资源、环境、经济产业等诸多方面进行综合评估，地区的经济状态、环境承载力，以及人口规模和资源需求等。以“创新、协调、绿色、开放、共享”五大发展理念为指导，切实落实扶贫开发各项工作。促进各要素协调配给和发展，从根本上去掉致贫的土壤!
农业经济、产业与协调发展大数据，立足大数据应用于农业发展和新农村建设，从人口、环境承载与保护、自然资源及农业产业，构建大数据应用新模式。
未来价值
通过农业与精准扶贫大数据应用，将带来巨大价值和深远社会影响： 1， 全面支持扶贫攻坚事业的宏伟战略目标实现; 2， 全面提升涉农信息化和大数据应用能力; 3， 全面促进农业产业发展和新农村建设。
第二篇：运用大数据推进精准扶贫工作情况报告
运用大数据推进精准扶贫工作情况报告
一、建设背景
根据四届市委常委会第130次会议明确由市委脱贫攻坚办负责全市脱贫攻坚指挥部建设意见和省扶贫办“鼓励各地市州县在省扶贫云平台上，按照统一平台、统一标准、统一数据的要求，自行投资开发建设具有自身特色的子扶贫云和精准扶贫个案管理相关系统，并引入更多的开发者定制特色扶贫个案应用，激发更广泛的扶贫工作创新，既保证数据的统一性、完整性，又不失灵活性，便于各地市特色扶贫工作和个案扶贫措施在全省快速复制推广”要求，我市于2015年12月开始启动脱贫攻坚总指挥部建设。脱贫攻坚总指挥部布置在市规划馆，主要有三个方面内容建设：一是遵义特色的软件开发;二是液晶拼接大屏及电子操控设备;三是临展区装修改造(保持规划馆整体风貌)及布展。总指挥部与市委常委会议室、市政府常务会议室联通共享。各县(市、区)和市直有关部门设分指挥部，并与总指挥部互联互通。指挥调度做到精准到村到户到人到项目，并可实时通话直连，实现数据与电脑、手机等智能终端连接，利用手机进行实时展示和信息推送(默认直接下属单位主要领导的信息推送)，实现“人在干、云在算、天在看”动态化有效管理。
二、主要做法及成效
在省扶贫云的基础上，充分运用大数据、云计算、互联网等现代信息手段，建设遵义市脱贫攻坚指挥部，通过建立“用数据决策、用数据管理、用数据考核”精准扶贫工作机制，提升大扶贫战略实施精准度，用大数据手段实现对贫困村、贫困户的精准识别、精准匹配、精准帮扶与精准管控。通过大数据手段，动态掌握扶贫工作中真实、可靠、全面、及时的数据，真正把扶贫对象搞精准、把致贫原因搞清楚、把动态管理搞规范，做到因户施策、因人施策，合理评估贫困人口状况及扶贫项目效益，为科学制定扶贫政策提供数据支撑。
一是通过驻村干部和贫困群众说贫困，组织一支教育的、医疗的、产业扶贫的、种树的、种茶叶队伍来参与互动，用身边事教育身边人，用身边人引领身边人。
二是通过易地扶贫搬迁，展示干部与易地扶贫搬迁群众一对一帮扶，确保不脱贫不脱钩;展示易地扶贫搬迁户就业情况，确保每一户都有一人就业。
三是通过脱贫攻坚目标任务和时间表、路径图，利用大数据，从市到四大区域到15个县(市、区)再到乡镇、村，逐级细化，为每一户贫困户建立“贫困指数”，甄别出最贫困的乡、最贫困的村、最贫困的户，使贫困深度看得见、摸得着。 四是通过建立完善的指挥体系和责任体系，到村到户到人，运用大数据手段调度展示细化到每一户每一人的帮扶干部、爱心人士或企业，做好“谁来扶”的遵义答卷。
五是通过建立遵义脱贫攻坚信息云平台，让每个市直部门、每个县(市、区)甚至乡镇、村都能在这个平台上发布工作动态信息，并由各级指挥部审核筛选后将重要信息及时推送到各级领导手机客户端上(设定阀值)，各级领导可以回应互动，批示直办，实现信息共享，做到工作实时指挥调度。
六是通过建设民生监督子系统，以扶贫项目、资金为重点，拓展到所有民生项目资金，对工程进度、资金拨付等进行实时监管，最终实现“挂图作战，按图销号”，真正做到把最精准的资源集中在需要帮扶的贫困户，变传统扶贫的“大水漫灌”为“精准滴灌”，实现大数据助力下的扶贫全过程精准管理。
七是通过建立考核评价体系，每季度晒一次各县(市、区)、各乡镇(省要求市考核乡镇)、各市直部门脱贫攻坚成绩单。该子系统链接省扶贫云绩效评估云服务。
八是通过建设扶贫专线部门热线子系统，对群众来电进行登记录入、梳理交办、跟踪督办、回访考核，提升人民群众满意度。
九是通过设立《遵义脱贫》电子书栏目，真实记录遵义脱贫攻坚足迹，客观总结遵义脱贫攻坚经验，全面展示遵义脱贫攻坚成效，努力形成遵义脱贫攻坚品牌。
二、目前存在的瓶颈和困难
一是我市脱贫攻坚总指挥部主要依托省扶贫云提供的我市数据，但在与我市其他部门数据互联互通上存在不畅，数据的使用更多是内部循环，远达不到实现广泛数据共享的目标。二是我市脱贫攻坚总指挥部与大数据相关产业没有实现互动，对我市发展的大数据产业技术运用上还有所欠缺。
三、未来展望
大数据时代的来临，为创新扶贫开发方式提供了新的理念和技术支持，我市要积极利用大数据带来的快速、便捷和高效来加快推进精准扶贫工作;同时也对扶贫人员的素质提出了新的更高的要求，我市必须优化整合扶贫资源，培训高素质人才，实现精准扶贫，确保扶贫到村到户到人;运用全社会的力量全方位提高贫困人群的生活水平和质量，最终消除贫困，实现共同富裕。
(一)利用“大数据”，做好目标任务对接。“大数据”是幅地图册，它告诉我们贫困对象在哪里，有多大规模?“大数据”是个检测仪，它告诉我们致贫原因及贫困对象的诉求是什么?“大数据”是条连通器，它告诉我们驻村干部怎么布局安排，连通着帮扶人与受扶对象;“大数据”是一工作平台，为扶贫开发的转型、创新、实践提供了基础，创造了条件。开发利用“大数据”，要做到与目标任务相对接，与专项规划相连接，服务于整村推进规划、易地扶贫搬迁规划、产业发展规划、金融扶贫规划等专项规划的编制，着手扶贫开发新的部署安排提供了参考。
(二)运用“大数据”，高效服务扶贫工作。要在确保数据安全与贫困对象信息安全的前提下，实行“大数据”向各级扶贫部门授权开放，向各行业部门专网开放，向社会有限度开放，做到数据共享共用，为“三位一体”大扶贫工作服务，使各方面的资源与力量充分运用，使扶贫效果得到提升。
(三)活用“大数据”,做好驻村帮扶工作。“大数据“为驻村帮扶工作找到了因户施策的依据，驻村干部可根据一家一户的建档立卡情况，针对性地确定帮扶项目和帮扶措施，可使帮扶工作具体化。同时，一家一户的建档立卡情况也为制订和完善驻村帮扶的考核验收提供了参考，在实施基本考核制度的前提下，可弄清驻村工作队的具体扶贫效果，可实打实地进行督办、考核、验收。
(四)善用“大数据”，提升扶贫管理水平。精准扶贫的实质就是规范化、精细化管理，实行精准管理、精准考核，以达到扶贫效率最优化、扶贫效益最大化，就需要经常性、动态性地更新管好“大数据”，开拓善用“大数据”。扶贫对象的脱贫返贫，决定着“大数据”的动态变化，必须做好一年一度的“大数据”更新管理工作。特别要善于用活“大数据”，建立健全与之相联系、相适应的各项扶贫工作体制、机制、制度，为精准扶贫提供保障。
第三篇：大数据+精准医疗
2012年全国居民慢性病死亡率为533/10万，占总死亡人数的86.6%。心脑血管病、癌症和慢性呼吸系统疾病为主要死因，占总死亡的79.4%，其中心脑血管病死亡率为271.8/10万，癌症死亡率为144.3/10万(前五位分别是肺癌、肝癌、胃癌、食道癌、结直肠癌)，慢性呼吸系统疾病死亡率为68/10过标化处理后，除冠心病、肺癌等少数疾病死亡率有所上升外，多数慢性病死亡率呈下降趋势。慢性病的患病、死亡与经济、社会、人口、行为、环境等因素密切相关。一方面，随着人们生活质量和保健水平不断提高，人均预期寿命不断增长，老年人口数量不断增加，我国慢性病患者的基数也在不断扩大;另一方面，随着深化医药卫生体制改革的不断推进，城乡居民对医疗卫生服务需求不断增长，公共卫生和医疗服务水平不断提升，慢性病患者的生存期也在不断延长。慢性病患病率的上升和死亡率的下降，反映了国家社会经济条件和医疗卫生水平的发展，是国民生活水平提高和寿命延长的必然结果。当然，我们也应该清醒地认识到个人不健康的生活方式对慢性病发病所带来的影响，综合考虑人口老龄化等社会因素和吸烟等危险因素现状及变化趋势，我国慢性病的总体防控形势依然严峻，防控工作仍面临着巨大挑战。
大数据的分析和应用都将在医疗行业发挥巨大的作用，提高医疗效率和医疗效果。
一、临床操作
在临床操作方面，有5个主要场景的大数据应用： 1.比较效果研究
通过全面分析病人特征数据和疗效数据，然后比较多种干预措施的有效性，可以找到针对特定病人的最佳治疗途径。
基于疗效的研究包括比较效果研究(Comparative Effectiveness Research， CER)。研究表明，对同一病人来说，医疗服务提供方不同，医疗护理方法和效果不同，成本上也存在着很大的差异。精准分析包括病人体征数据、费用数据和疗效数据在内的大型数据集，可以帮助医生确定临床上最有效和最具有成本效益的治疗方法。医疗护理系统实现CER，将有可能减少过度治疗(比如避免那些副作用比疗效明显的治疗方式)，以及治疗不足。从长远来看，不管是过度治疗还是治疗不足都将给病人身体带来负面影响，以及产生更高的医疗费用。
2.临床决策支持系统
临床决策支持系统可以提高工作效率和诊疗质量。目前的临床决策支持系统分析医生输入的条目，比较其与医学指引不同的地方，从而提醒医生防止潜在的错误，如药物不良反应。通过部署这些系统，医疗服务提供方可以降低医疗事故率和索赔数，尤其是那些临床错误引起的医疗事故。在美国Metropolitan儿科重症病房的研究中，两个月内，临床决策支持系统就削减了40%的药品不良反应事件数量。
3.医疗数据透明度
提高医疗过程数据的透明度，可以使医疗从业者、医疗机构的绩效更透明，间接促进医疗服务质量的提高。
根据医疗服务提供方设置的操作和绩效数据集，可以进行数据分析并创建可视化的流程图和仪表盘，促进信息透明。流程图的目标是识别和分析临床变异和医疗废物的来源，然后优化流程。仅仅发布成本、质量和绩效数据，即使没有与之相应的物质上的奖励，也往往可以促进绩效的提高，使医疗服务机构提供更好的服务，从而更有竞争力。
4.远程病人监控
从对慢性病人的远程监控系统收集数据，并将分析结果反馈给监控设备(查看病人是否正在遵从医嘱)，从而确定今后的用药和治疗方案。
2010年，美国有1.5亿慢性病患者，如糖尿病、充血性心脏衰竭、高血压患者，他们的医疗费用占到了医疗卫生系统医疗成本的80%。远程病人监护系统对治疗慢性病患者是非常有用的。远程病人监护系统包括家用心脏监测设备、血糖仪，甚至还包括芯片药片，芯片药片被患者摄入后，实时传送数据到电子病历数据库。举个例子，远程监控可以提醒医生对充血性心脏衰竭病人采取及时治疗措施，防止紧急状况发生，因为充血性心脏衰竭的标志之一是由于保水产生的体重增加现象，这可以通过远程监控实现预防。更多的好处是，通过对远程监控系统产生的数据的分析，可以减少病人住院时间，减少急诊量，实现提高家庭护理比例和门诊医生预约量的目标。
5.对病人档案的先进分析
在病人档案方面应用高级分析可以确定哪些人是某类疾病的易感人群。举例说，应用高级分析可以帮助识别哪些病人有患糖尿病的高风险，使他们尽早接受预防性保健方案。这些方法也可以帮患者从已经存在的疾病管理方案中找到最好的治疗方案。
二、付款/定价 对医疗支付方来说，通过大数据分析可以更好地对医疗服务进行定价。以美国为例，这将有潜力创造每年500亿美元的价值，其中一半来源于国家医疗开支的降低。
1.自动化系统
自动化系统(例如机器学习技术)检测欺诈行为。业内人士评估，每年有2%~4%的医疗索赔是欺诈性的或不合理的，因此检测索赔欺诈具有巨大的经济意义。通过一个全面的一致的索赔数据库和相应的算法，可以检测索赔准确性，查出欺诈行为。这种欺诈检测可以是追溯性的，也可以是实时的。在实时检测中，自动化系统可以在支付发生前就识别出欺诈，避免重大的损失。
2.基于卫生经济学和疗效研究的定价计划
在药品定价方面，制药公司可以参与分担治疗风险，比如基于治疗效果制定定价策略。这对医疗支付方的好处显而易见，有利于控制医疗保健成本支出。对患者来说，好处更加直接。他们能够以合理的价格获得创新的药物，并且这些药物经过基于疗效的研究。而对医药产品公司来说，更好的定价策略也是好处多多。他们可以获得更高的市场准入可能性，也可以通过创新的定价方案，更有针对性疗效药品的推出，获得更高的收入。
在欧洲，现在有一些基于卫生经济学和疗效的药品定价试点项目。
三、研发
医疗产品公司可以利用大数据提高研发效率。拿美国为例，这将创造每年超过1000亿美元的价值。
1.预测建模
医药公司在新药物的研发阶段，可以通过数据建模和分析，确定最有效率的投入产出比，从而配备最佳资源组合。模型基于药物临床试验阶段之前的数据集及早期临床阶段的数据集，尽可能及时地预测临床结果。评价因素包括产品的安全性、有效性、潜在的副作用和整体的试验结果。通过预测建模可以降低医药产品公司的研发成本，在通过数据建模和分析预测药物临床结果后，可以暂缓研究次优的药物，或者停止在次优药物上的昂贵的临床试验。
2.提高临床试验设计的统计工具和算法 使用统计工具和算法，可以提高临床试验设计水平，并在临床试验阶段更容易地招募到患者。通过挖掘病人数据，评估招募患者是否符合试验条件，从而加快临床试验进程，提出更有效的临床试验设计建议，并能找出最合适的临床试验基地。比如那些拥有大量潜在符合条件的临床试验患者的试验基地可能是更理想的，或者在试验患者群体的规模和特征二者之间找到平衡。
3.临床实验数据的分析
分析临床试验数据和病人记录可以确定药品更多的适应症和发现副作用。在对临床试验数据和病人记录进行分析后，可以对药物进行重新定位，或者实现针对其他适应症的营销。实时或者近乎实时地收集不良反应报告可以促进药物警戒(药物警戒是上市药品的安全保障体系，对药物不良反应进行监测、评价和预防)。或者在一些情况下，临床实验暗示出了一些情况但没有足够的统计数据去证明，现在基于临床试验大数据的分析可以给出证据。
这些分析项目是非常重要的。可以看到最近几年药品撤市数量屡创新高，药品撤市可能给医药公司带来毁灭性的打击。2004年从市场上撤下的止痛药Vioxx，给默克公司造成70亿美元的损失，短短几天内就造成股东价值33%的损失。
四、更具体一些，大数据已经得到实际应用的已经有如下场景
1.组学大数据精准医疗
人类通过开展组学研究及不同组学间的关联研究，从环境、生活方式和行为等暴露组学，至个体细胞分子水平上的基因组学、表观组学、转录组学、蛋白组学、代谢组学、宏基因组学，再到个体健康和疾病状态的表型组学等。利用大数据将各种组学进行综合及整合，既能为疾病发生、预防和治疗提供全面、全新的认识，也有利于开展个体化医学，即通过系统整合生物医学与临床数据，可以更准确地预测个体患病风险和预后，有针对性地实施预防和治疗。
2.大数据虚拟药物研发
快速识别生物标志物和研发药物。利用某种疾病患者人群的临床数据和组学数据，可以快速识别有关疾病发生、预后或治疗效果的生物标志物。在药物研发方面，医学大数据使得人们对病因和疾病发生机制的理解更加深入，从而有助于识别生物靶点和研发药物。同时，充分利用海量临床数据和组学数据、已有药物的研究数据和高通量药物筛选，能加速药物筛选过程。
3.生物大数据流行病防治
快速筛检未知病原和发现可疑致病微生物。通过采集未知病原样本数据，对病原进行测序，并将未知病原与已知病原的基因序列进行比对，从而判断其为已知病原或与其最接近的病原类型，据此推测其来源和传播路线、开展药物筛选和相应的流行疾病防治。
4.互联网大数据公卫监测
利用互联网大数据以及有关专业数据实时开展公共卫生监测。公共卫生监测包括传染病监测、慢性非传染性疾病及相关危险因素监测、健康相关监测，如出生缺陷监测、食品安全风险监测等。此外，还可以通过覆盖全国的患者电子病历数据库进行疫情监测，通过监测社交媒体或频繁检索的词条来预测某些传染病的流行。
5.大数据健康管理
实时开展大数据健康管理，通过可穿戴设备对个体体征数据，如心率、脉率、呼吸频率、体温、热消耗量、血压、血糖、血氧、体脂含量等数据的实时、连续监测和流数据挖掘、分析，提供实时健康指导与建议，更科学地实施个性化健康管理。
6.大数据疾病谱研究
了解人群疾病谱的改变，这有助于制定新的疾病防治策略。全球疾病负担研究是一个应用大数据的实例，该研究应用的数据范围广、数据量巨大，近4700台并行台式计算机完成了数据准备、数据仓库建立和数据挖掘分析的自动化和规范化计算，应用大数据研究人群疾病谱。
7.大数据人群队列研究
以大数据为导向的人群队列研究逐渐成为医学研究的热点。超大规模队列研究具有大样本-如数十万人群，前瞻性-如数十年长期随访，多学科-如基础、临床、预防、信息等多学科合作，多病种-如对多种疾病进行研究，多因素-如探讨多种危险因素，整合性-如监测系统、信息系统、医保系统的整合，共享性-如生物标本和数据资源的共享，等特点，经过长期随访能够产出大量人群数据，基于大数据的人群队列研究更具有科学性、可靠性和权威性。
第四篇：精准扶贫大排查
严扣“七进”标准，优先作为贫困对象
一是居住在危房、土房且为家庭唯一住房，不适合生存的农户; 二是因子女上学返贫的农户;
三是家庭成员长期患开支较大的慢性病、大病，主要劳动力因身体、年龄等原因无法外出务工的农户;
四是低保户、五保户和不符合低保、五保条件的(56-59岁)鳏寡孤独农户、单亲家庭;
五是家庭主要劳动力死亡，只有老人、妇女、未成年人的家庭; 六是因灾、因事故及其他原因造成特别困难的家庭; 七是因残致贫的农户。
严扣“八不进”标准，不得作为贫困对象
一是家庭成员(含已分家立户的)有人在行政事业单位工作属财政供养的农户; 二是村干部家庭没经过上级组织认定的;
三是家庭拥有楼房，在城镇购买商品房或高标准装修现有住房的农户; 四是家庭成员拥有消费性小轿车的农户;
五是家庭拥有工程机械及大型农机具从事有偿经营服务的农户; 六是长期雇佣他人从事生产经营的个体经营户，经营公司的农户; 七是子女完全具备赡养能力,分户居住且无慢性病、大病的农户; 八是举家多年在外打工不归的农户。
若有特殊困难，经群众评议，村委会上报乡镇研究决定，可纳入建档立卡对象。 六个精准
扶贫对象精准;措施到户精准;项目安排精准;资金使用精准;因村派人精准;脱贫成效精准。
五个一批
开发脱贫一批;扶贫搬迁一批;扶智脱贫一批;保障供养一批;医疗救助一批。
第五篇：大数据平台建设
当前，我部门应用系统之间都是独立的，数据没有统一标准、系统也没有相连。这种现状导致，各公司部门之间的信息资源无法共享、部门之间工作移交无法电子化。这极大地限制了信息化提高公司工作效率的效果，更重要的是信息资源无法打通，就无法站在全县的角度去进行政务应用的大数据分析，成为了政务应用大数据技术的最大阻碍。
为了提高资源使用率，节约管理成本，推动信息产业发展，拉动社会资金在信息化方面的投入，为了提高行政管理和服务效率，促进公司职能转变，改善投资和营商环境，促进经济发展，为了提高公司服务效率，使公司管理服务从各自为政、相互封闭的运作方式，向跨部门、跨区域协同互动和资源共享转变，提高公司工作效率。有必要构建统一的大数据平台，更好地为公司决策服务，提高信息服务质量。
建成覆盖全县各公司部门的信息资源整合平台，支撑用户单位开展跨部门、跨层级的政务应用大数据分析，业务协作，提供应用集成模板、集中监控管理、远程配置部署等工具，降低跨地域实施难度。电子政务应用中存在大量跨部门、跨层级的业务协作，数据交换平台是县级各部门共享数据，进行全县内大数据分析的基础也是解决跨部门协作的有效手段。全县统一规划、统一规范、统一架构，避免各级单位独立建设带来的格式各异、接口混乱、无法重用、难以扩展的局面;施行统一部署、统一监控、统一管理的集中管理模式，总体上降低各级公司部门信息整合的建设、管理、应用的成本。 社会经历了由磁盘、磁带、光盘存储数据，向以公文档为主要形式数据的发展，后来互联网的兴起促成了数据量的第三次大规模增长，到了今天，随着互联网、物联网、云计算应用的进一步丰富，数据已呈指数级增长，“大数据”概念逐渐在各界引起热议。在大数据时代，我们分析的数据因为“大”，摆脱了对传统对随机采样的依赖，而是面对全体数据;因为所有信息都是“数”，可以不再纠结具体数据的精确度，而是坦然面对信息的混杂;信息之“大”之“杂”，让我们分析“据”也由传统的因果关系变为相关关系。
大数据平台由网络基础设施层、数据支撑层、信息安全层、统一管理等构成。数据支撑层必须能够对数据采集、数据质量、数据安全、数据挖掘、数据处理和数据可视化进行大数据的全生命周期管理。通过对全县范围内从不同部门收集到数据运转起来成为流化的资源，为应用支撑层的运转提供丰富的高质量的不同维度的数据资源的接口。在全县数据集中的同时需要考虑数据在传输和存储时的安全问题以及不同部门对外共享自身内部数据时数据边界控制的问题，从技术和制度上保障这些数据资源得到科学、有效、合规的使用。
大数据平台建设的主要任务：
(一)建立政务云平台。
建设全县统一的政务云计算平台。以县广电公司的设施为基础，进行云化改造，建立自行管理的云计算资源池，为各部门不宜采用社会化云计算服务的关键性业务系统提供基础设施共享服务。
(二)实施大数据管理。
1.建立政务数据交换和目录体系。以县广电公司的交换中心为主交换平台，构建全县统一的电子政务数据交换体系。统筹各部门可供共享的信息和共享需求，编制政务信息资源共享目录，明确可供共享的信息名称、数据格式、提供方式、提供单位、共享条件、更新方式、更新时限等要素，按需向其他部门提供信息共享服务。
2.建设政务数据集中共享平台。建立健全共享数据汇聚机制，按照“一类数据来源于一个权威部门，权威部门负责更新维护”原则，通过统一数据交换平台，将具有公共性、标识性、基准性的共享数据进行汇聚，集中存储于云平台，逐步形成人口、法人、经济、空间地理、社会信用等各类城市重要基础性数据库。充分发挥云平台共享数据的中心作用，建立向云平台直接获取为主，部门间数据交换获取为辅的共享应用机制，提高城市综合数据共享使用效率。
(三)推进大数据应用。
提高决策数据服务水平。围绕县公司决策需要，以建设决策支持电子政务系统为抓手，充分整合各部门现有办公应用和业务系统数据资源，逐步建立支撑领导决策研判的决策数据资源库，提供更加及时高效的信息获取方式，丰富展现形式，为公司决策提供全面准确便捷的数据服务。使县领导能够及时掌握经济运行与社会发展的实际状况和发展趋势，不断提升政务数据保障和辅助决策能力。
(四)构建大安全体系。
1.加强统一电子政务网络建设管理。在现有电子政务外网平台基础上，提升县级骨干网络业务承载能力，按需扩充统一互联网出口，为公司大数据平台提供高速、稳定、安全的网络运行环境。
2.加强安全技术防护体系建设。按照信息系统安全等级保护要求，针对大数据平台的技术特点，进一步完善以病毒防范、漏洞管理、入侵防范、信息加密、访问控制等为重点的安全防护体系，确保电子政务系统不被破坏和数据不被窃取泄漏。