“大应急”背景下应急管理数据治理体系的构建

　　机构改革后成立的应急管理部及其职能体现了大安全、大统筹、大应急的理念，为安全生产、公共安全、防灾减灾的全面融合提供了契机，也昭示着我国应急管理新的机制已经形成，正式进入“大应急”时代。 习近平同志关于网络强国战略思想和在中央政治局第十九次集体学习时的重要讲话精神指出，促进网络信息技术与应急管理业务的深度融合，坚持以信息化推进应急管理体系和能力现代化，以智能化引领应急管理业务转型升级。

　　应急管理工作涉及的部门多、领域广、专业性强，将互联网、大数据、云计算等现代前沿科学技术运用到应急管理领域，是实现新时代应急管理工作信息化、数字化、智能化的有效路径和解决方案。 而先进技术的应用都依赖于数据价值的发挥。 在“全灾种、大应急”的新机制下，需要打破条块分割的信息化业务平台的限制，进一步挖掘应急管理领域大数据应用潜力，促进各部门信息资源的深度整合与综合利用，实现以基础数据作为科学参考和辅助决策支撑。

　　应急管理论文范例：全面应急管理体系形势下的预警信息发布

　　数据治理是涉及数据使用的一整套管理行为，可以理解为是一个通过一系列信息相关的过程来实现决策权和职责分工的系统。 数据治理的最终目标是提升数据的价值。 因此，从业务的视角出发，通过“数据治理”可以驱动应急管理大数据的能力建设，构建采用全域数据、面向各业务场景的统一、兼容、共享的应急管理领域数据治理体系，充分发挥数据价值，提升综合应急能力，推进应急管理向智能化、智慧化迈进。

　　应急管理数据情况概述

　　明晰应急管理领域的数据特点、数据类型，深入分析当下政府应急领域信息系统建设存在的问题，明确数据治理的目标，是构建应急管理数据治理体系的前提。

　　(一)应急管理数据特点

　　我国应急管理体系以政府为主体，大多数数据为政府支配和占有。 应急管理领域数据具有以下特点：

　　(1)数据体量有限：与互联网领域的海量数据相比，目前政府应急管理领域的数据体量并不大;

　　(2)数据来源广泛，汇聚难度大：应急管理数据长期以来按照地域、职能、主题等进行分割，多源异构数据间的互联互通难、数据信息共享难;

　　(3)数据格式杂，质量不高：各数据源头单位记录数据的格式种类多样，有各种数据库类型和电子文档格式，缺乏统一的数据标准，且普遍存在数据质量问题，如数据不完整、数据不一致、错误、重复数据等。

　　(4)高持有成本、低价值密度：由于数据分割的现状，造成存储、通信和计算资源的分散，在数据持有成本高的同时，也无法对全域数据进行利用，无法充分挖掘数据价值。

　　(二)应急管理数据类型

　　与其他政务领域数据类似，应急管理领域的多源异构数据可从形式上分为三类：结构化数据、半结构化数据、非结构化数据。 从数据的来源上，应急管理数据又可分为：

　　(1)应急管理内部业务数据：即应急管理各业务部门日常工作所形成的数据，如行政许可登记数据、安全生产监督检查执法数据、重大危险源数据、应急资源数据、风险分析与评估信息、预警信息及事件跟踪与反馈信息等;

　　(2)政府共享交换数据：即政府内部其他业务部门日常工作中形成的与应急管理相关的，且可从政府内部数据共享交换平台上获取的数据，如法人信息、人口信息、基础地理信息、交通数据、气象与环保数据等;

　　(3)社会及互联网数据：以微博、微信、论坛等为载体的网络数据，如社情民意数据、舆情数据等;

　　(4)感知数据：常见的感知数据包括卫星感知数据、物联感知及检测数据、视频感知数据等。

　　(三)当前应急管理领域数据治理存在的问题

　　目前，应急管理领域数据治理存在以下问题：

　　全域数据共享、融合难度较大。 机构改革后成立的应急管理部涉及多项职能、多部门整合，而分属于不同业务部门的数据，天然存在被孤立的可能性。 因此，原应急管理领域分属不同业务职能的信息化系统建设普遍存在 “信息孤岛”问题，数据被条块化分割，给实现全业务领域的数据共享、融合带来较大的难度。

　　数据关联、统一难度大。 由于缺乏统一数据标准。 原“各自为政”的信息化系统建设导致数据缺乏统一标准，如元数据描述及理解不一致，再加上普遍存在的数据质量问题，给数据清洗带来难题，进而导致在对跨平台、多层级的数据进行关联时难度较大。

　　数据资源管理能力不高。 虽然目前应急管理领域已开始建立数据资源目录等数据管理工作，但仍然存在数据目录与实际数据“两张皮”的问题。

　　(四)应急管理数据治理体系建设目标

　　针对上述问题，应急管理体系下的信息系统如果不改变数据应用现状，只考虑数据本身的自增长，仍支持业务需求的“烟囱式”(不同时期、不同业务目的的应用系统，由于数据格式没有统一规范，相互之间没有联通，数据更没有整合，像一个个烟囱，也称为“烟囱式应用”)开发增长，将不断造成成本的浪费，数据的应用能力有限，数据价值也难以凸显。 因此，应急管理数据治理体系建设的目标如下：

　　(1)坚持“能统不分”的原则，避免重复建设，推动应急管理应用系统的流程再造，推动应急管理的快速反应、协同配合。

　　(2)建立数据标准规范和管理机制，保证数据质量。

　　(3)促进全域数据融合，通过数据萃取、关联、建模等技术，持续整合数据资源，充分发挥数据价值。

　　(4)统一数据服务。 从业务视角出发，面向各应用场景，通过对数据资源的集中管理和沉淀复用，向上提供统一的应用服务。

　　应急管理数据治理体系框架设计

　　根据应急管理领域数据特点及场景需求分析，结合当下云计算的技术架构，从全域大数据的角度，建立应急管理数据治理体系，改变传统的以“数据仓库”为主的数据管理模式，满足大数据环境下多源异构数据的治理需求。

　　(一)传统数据仓库与大数据治理的区别

　　传统的数据仓库建设，是根据行业领域当时的需求，对企业或单位内部的业务系统数据进行的存储与管理。 数据仓库架构往往没有针对数据资源、数据质量和数据指标体系的统一规划。 且局限于对结构化数据的管理，无法满足大数据环境下对海量、多源异构数据的治理需求，不能适应多应用场景下的数据服务及业务需求。 而大数据治理是满足当下数据治理新形态的一整套解决方案，能够对全域数据资源进行全面、集中的治理。 从数据源头出发，大数据治理从下至上可分为3个层次。

　　(1)统一数据建设：从源头实施数据标准化，保障数据在规范、标准上的一致性;

　　(2)统一领域实体：通过实体识别、用户画像等技术，实现数据融通;

　　(3)统一数据服务：通过数据复用，实现跨源数据服务，面向用户屏蔽复杂的多源异构情况，提供统一但多样化的数据服务。

　　(二)应急管理数据治理体系框架

　　应急管理数据治理体系从下至上，统一搭建计算后台、数据中台及业务应用前台，最终实现面向用户提供统一、多样化的数据服务。

　　1.统一计算后台

　　在云环境下，通过搭建满足不同数据处理需求的计算及存储后台，为全域数据治理提供算力支撑。

　　2.云上数据中台

　　数据中台分为3个数据处理层次：数据基础层、数据公共层、数据应用层。

　　(1)数据基础层：首先对多源异构数据通过数据清洗等操作，为数据基础层提供可处理数据; 按照统一的数据规范和标准对源数据进行补缺、去重、格式转换、一致性及归一化等处理; 并将描述核心业务实体的数据定义为主数据，通过建立统一的数据资源目录等方式对数据资源进行集中管理。

　　(2)数据公共层：包括数据萃取、数据关联、数据融合、数据建模治理内容。 数据萃取进一步提取数据价值信息; 数据关联是结合业务场景，将各类数据模型串联起来，形成全息数据画像; 数据融合是在数据关联的基础上，将数据去重聚合，或将同一实体的不同数据片段整合，形成对实体的完整数据描述; 在此基础上，针对不同业务场景，进行数据建模。

　　(3)数据应用层：该层数据逐步形成数据资产，向上支撑应用服务。 可通过API接口、文件同步、可视化查看及主题式服务等方式向上提供数据服务。

　　3.业务应用前台

　　通过对数据资源的集中管理，可实现面向业务前台提供统一的应用服务‍‌‍‍‌‍‌‍‍‍‌‍‍‌‍‍‍‌‍‍‌‍‍‍‌‍‍‍‍‌‍‌‍‌‍‌‍‍‌‍‍‍‍‍‍‍‍‍‌‍‍‌‍‍‌‍‌‍‌‍。 围绕应急管理中原安全生产监督管理系统的相关职能，结合公共安全中的突发事件“事前、事中、事后”的全生命周期管理流程，紧跟时下政务领域数据资源充分开放共享、全面推进“互联网+政务”服务的发展趋势，将数据治理体系业务应用前台分为5大应用服务：

　　(1)监督管理：包括安全生产监管、行政许可、行政执法等;

　　(2)监测预警：包括自然灾害监测预警、安全生产监测预警等;

　　(3)指挥救援：包括防汛、消防、森防及重大活动保障的综合应急指挥、应急联动等;

　　(4)决策支持：主要实现基于“应急一张图”的突发事件态势感知、综合研判、决策优化等;

　　(5)政务管理：应急管理部门内部政务管理系统，包括公文管理、党建管理、电子证照、电子印章等。

　　结语

　　本文结合“大应急”背景下更加综合、统一的应急管理体系，针对目前应急管理数据治理、数据应用中存在的问题，结合大数据、云计算技术及行业应用特点，从数据驱动的维度，对新形式下的政府应急管理领域数据治理体系构建进行初步探索，以期实现从传统的各自为政、信息数据相对封闭的应急管理体系到全面感知、深度融合、协同高效的智能化应急系统架构转变，从一定程度上提升政府整体应急能力。

　　作者：周洁　石玉恒　许丽佳