工業和信息化部辦公廳信息處積極探索將大數據與信息工作有機結合，增強信息搜集的主動性，在匯聚數據、研判選題、深度分析、權威準確上下功夫，建立常態化選題研判機制，深入挖掘大數據獨特價值，努力提升信息服務決策的水平。

多方匯聚數據，夯實大數據信息工作根基

內部數據方面，全面了解分析部系統內已建成的大數據平臺使用和數據積累情況，做到對已有數據資源“了然于胸”。如，系統梳理“數字工信”運行監測平臺中的數據，厘清每項數據的來源、更新頻率、樣本數量等情況，確保使用時得心應手。

外部數據方面，積極溝通大型國有企業、重點平臺企業等第三方機構，商請共享所掌握的大數據資源。同時，廣泛搜集有關智庫、研究機構、數據公司等的公開大數據資源。如，商請國家電網、南方電網定期共享工業企業和中小企業用電數據。又如，通過自然語言處理、機器學習等技術手段，對全球貿易相關數據庫中的產業政策數據進行篩選處理、聚類分析，研判全球主要經濟體產業政策情況。

突出“三點”精研選題，發揮大數據信息獨特作用

突出主責主業，發揮大數據在研判形勢方面的獨特作用。在前期搜集匯總大數據的基礎上，深度分析這些數據與本部門重點工作的關聯度，如工業經濟穩增長、中小企業“專精特新”發展、信息通信行業高質量發展、網絡安全等，找準大數據與主責主業的結合點。

突出問題導向，發揮大數據信息在發現問題方面的獨特作用。堅持將能不能發現問題，是否發現新問題、真問題作為選題質量評判的重要標準。如，網絡安全態勢領域的風險隱患是當下各方面關注的重點，我們在選題會商時，重點研判相關平臺大數據“顯示”風險隱患的能力。反映域名濫用、路由安全風險、制造業網絡安全風險等問題類信息，均來自相關平臺的大數據。

突出群眾訴求，發揮大數據信息在收集社情民意方面的獨特作用。重點關注互聯網信息服務投訴平臺、12381公共服務電話平臺等人民群眾參與度較高的大數據平臺，及時發現、了解人民群眾的急難愁盼和反映集中的意見建議，為選題研判提供有力參考。

注重深度分析，提升大數據信息參謀輔政價值

注重觀點提煉，避免數據羅列。基于搜集到的大數據開展深度分析，綜合研判趨勢變化，深入查找風險隱患，研提有針對性的對策建議。強化對數據的縱向分析、橫向比對和分層歸納，從中發現趨勢性變化，提煉有價值的觀點，堅決避免單純展示數據。

注重原因分析，避免“浮云蔽眼”。如，利用大數據分析今年上半年中小企業生產經營恢復情況時發現，服務業與工業存在“溫差”，工業中小企業感受明顯偏“冷”。為此，我們立即組織力量深入研究，結合統計局數據、調研中地方和企業反映的情況等，發現實物類需求恢復較慢、企業競爭加劇等是造成“溫差”的主要原因，隨后編報相關信息，為精準出臺幫扶政策提供參考。

注重通俗易懂，避免術語堆砌。大數據平臺監測的數據指標往往技術性較強，應對數據內容進行有效的語言轉化，避免寫成滿紙專業術語的“技術報告”，從而減少閱讀障礙，提升信息可讀性。如，從全國工業互聯網平臺監測到的大數據涉及數十項技術指標，過程機理復雜，在信息編輯過程中，我們用通俗語言對技術內容進行簡要介紹，重點呈現分析結果，力求數據背后潛藏的問題水落石出、一目了然。

確保權威準確，把牢大數據信息審核關口

數據可靠。在大數據信息審核過程中，需細致詢問了解數據來源、樣本數量、選取方式、統計方法等，確保數據的廣泛性、代表性、權威性，以防后續分析研判根基不牢，避免“在沙灘上筑城堡”。

交叉印證。一方面，綜合多維度數據交叉印證。以中小企業運行情況分析為例，用電、采購、銷售、財務、外貿等大數據均能體現中小企業某一方面的運行情況。在信息審核中，對僅使用單一數據得出觀點的信息，要求補充其他維度數據予以印證，避免單一數據導致觀點不準;對數據分析結果存在沖突的信息，與撰稿人進一步溝通，要求合理解釋沖突原因，避免數據沖突導致觀點不明。另一方面，與常識直覺進行交叉印證。在信息審核中，發現分析結果與常識直覺不一致，即與撰稿人詳細溝通，判斷是數據分析出現偏差，還是發現了更深層次問題。

支撐有力。在信息審核過程中，注重數據與觀點的關聯度，推敲所引用的數據能否支撐信息觀點。如，某次信息審核中發現，該信息用單一中部省份的相關大數據研判全國形勢，支撐明顯不足，即商請撰稿人補充數據、重新論證，避免了觀點偏頗甚至錯誤的風險。

（來源：《秘書工作》2023年第11期）