本文系中国建设银行数据@@管理部总经理@@刘静芳@@女士于@@11月@@29日上午在@@@@“2019智慧@@中国年@@会@@”分论坛@@——“数据@@治理@@与标准@@化研讨会@@”上的演讲@@，内容通过现场速记整理@@，未经本人审核@@。
「中国建设银行数据@@管理部总经理@@ 刘静芳@@」
非常荣幸受邀给大家分享@@中国建设银行作为@@一@@家国有大行在@@数据@@治理@@方面的实践@@，以及在@@智慧@@政务方面@@对数据@@标准@@@@化的探索@@。
我们已进入数字经济时代@@，大数据@@@@正颠覆传统@@，带来大变革@@、大机遇@@。整个@@社会环境变化日新月@@异@@、充满不确定性@@，数据@@流开始引领人才流@@、资金流@@、物质@@流和@@技术@@流@@，这在@@很多领域已不再是趋势而是常态@@；“得数据@@者得天下@@”，“经验驱动@@”正向@@“数据@@驱动@@”转化@@。
习总书记在@@@@2017年@@12月@@中共@@中央政治局第二@@次@@集体学习时强调@@“审时度势@@、精心谋划@@、超前布局@@、力争主动@@，实施国家大数据@@@@战略@@，加快建设数字中国@@”“善于获取数据@@@@，分析数据@@@@，运用数据@@@@，是领导干部做好工作的基本功@@”，可见数据@@的重要性@@；十九大四@@中全会@@，中央首次@@明确@@“‘数据@@’可作为@@生产要素按贡献参与分配@@”，数据@@与劳动@@、资本@@、土地@@、知识@@、技术@@、管理一@@起成为@@生产要素@@，这不仅仅是一@@种提法@@，也是真实发生的事情@@。
银行作为@@一@@种数据@@密集型金融机构@@，对数据@@依赖度高@@。亚马逊前任首席科学家说@@“数据@@是新的石油@@”，对银行来说@@，数据@@是一@@种战略资产@@，对战略资产进行管理必然会构成一@@个@@组织@@的核心竞争力@@，数据@@是核心竞争力重要组成部分@@。建设银行早已认识到数据@@治理@@工作对整个@@银行业务@@发展@@、经营管理的重要支撑作用@@，并开展了诸多探索和@@实践@@。我今天给大家分享@@的主要是两方面@@：一@@是建设银行数据@@治理@@实践@@@@，二@@是政务数据@@标准@@@@化初步探索@@@@。
一@@、建设银行数据@@治理@@实践@@
（一@@）数据@@治理@@发展历程@@
不同行业有很多共@@性的问题@@，数据@@治理@@就是其中之一@@@@。银行是金融领域应用@@信息技术@@较早和@@较深的机构@@，因此@@建设银行对数据@@治理@@问题的认识与整个@@信息化的进程密不可分@@。从@@上世纪@@80年@@代初开始单点业务@@电算化@@，建设银行经历了对数据@@治理@@@@“不关注@@@@、起步@@、打基础@@、体系化@@、持续优化@@”的发展阶段@@。建设银行的数据@@治理@@实践@@“起步@@”于对数据@@质@@量@@@@的关注@@@@，到最后建设完整的体系@@，经历了十多年@@@@。2003年@@建设企业级数据@@仓库@@，开始把@@@@“对数据@@内容的管控@@、对数据@@隐藏含义的解读@@”从@@IT系统@@的部署过程中分离出来@@，成为@@独立环节@@；2011年@@建设新一@@代核心系统@@@@，开始认识并确认数据@@可复用@@、可单独管理@@、是一@@种新的生产要素@@。也就是说@@，建设银行对数据@@治理@@问题的理解和@@认识也是一@@个@@不断深化的过程@@。
（二@@）曾经面临的问题@@
建设银行的信息化发展走的是@@“分散化@@”开发道路@@，所以不可避免地出现了一@@些问题@@，比如@@：①缺陷@@。数据@@存在@@不完整@@、不准确@@、不及时@@、不一@@致@@、不安全@@、有冗余等结构缺陷@@@@，难以利用@@。②冗长@@。系统@@林立@@、数出多门@@。虽有海量@@数据@@但可用信息缺乏@@，系统@@开发周期冗长@@@@，响应慢@@。③散落@@。知识@@领域分散@@、不统一@@@@、非全貌@@，系统@@功能弱@@、不开放@@、创新难@@，成果散落@@@@，难继承@@、难扩展@@。这些问题造成建设银行与未来发展脱节@@，难以参与互联网@@时代的竞争@@，在@@“以客户为@@中心@@”“敏捷性@@”“互操作性@@”等方面落后于一@@些新兴行业的竞争者@@。
为@@此@@，建设银行党委高管层下定决心重构建@@设银行的核心系统@@@@（涉及所有对客户的服务@@@@、内部风险防控及整个@@运营体系等@@）。从@@2011年@@启动重构到@@2016年@@11月@@份系统@@上线@@，历时@@6年@@半@@（有专家预测@@需要@@14年@@），9000多人参与工程开发@@，积累了大量@@经验@@。正是在@@新一@@代核心系统@@建设过程中@@，建设银行对数据@@治理@@有了更深的认识和@@了解@@，建立起@@建行的数据@@治理@@体系@@。建行的新一@@代核心系统@@工程于@@2018年@@荣获@@“人民银行科技发展特等奖@@”，获业界高度赞誉@@。
（三@@）数据@@治理@@目标@@
数据@@治理@@是通过规划并实施一@@系列的政策@@、实践和@@项目@@，对数据@@资产进行全生命周期管理@@，保障数据@@资产的质@@量@@和@@供应@@，为@@经营管理决策提供多形式的数据@@服务@@和@@应用@@支持@@。其最根本的目标是让使用者在@@正确的时间@@、正确的环境@@、以正确的方式获得正确的数据@@和@@服务@@@@，促进商业智能提升@@。
我们认为@@@@，数据@@治理@@包含数据@@管理和@@数据@@应用@@两大体系@@。数据@@的管理和@@应用@@@@，分别对应数据@@的供给侧和@@消费侧@@。管理好两大体系@@，才能共@@同搭建起我们的数据@@环境@@。最重要的是@@，我们要打破@@“找不到数据@@@@→随意制造数据@@@@→不一@@致@@的数据@@@@@@→用户不信任数据@@@@”的恶性循环@@，建立起@@“数据@@充分共@@享@@→按需增加数据@@@@→一@@致的数据@@@@→用户信任数据@@@@”的良性循环@@。
（四@@）数据@@能力@@框架@@@@
既然是体系@@，必然存在@@架构@@。建设银行的数据@@能力@@框架@@@@@@，是基于对@@DAMA等理论学习@@、实践过程中的经验提炼及建行实际总结出来的@@，指导着建设银行推进数据@@治理@@工作@@。整个@@框架@@除了底层的技术@@环境@@（技术@@的实施支撑@@），还包括元数据@@@@管理@@、数据@@规范@@@@管理@@、数据@@安全@@、数据@@供应链@@、数据@@质@@量@@@@管理@@、数据@@管控机制@@、数据@@应用@@等内容@@。
（五@@）数据@@治理@@工作总体思路@@
建设银行专门成立@@“数据@@治理@@委员会@@”，委员会主任由建设银行行长担任@@，办公室设在@@建设银行数据@@管理部@@。从@@管理视角来看@@，建设银行的数据@@治理@@工作可概括为@@@@：业务@@数据@@化@@、数据@@资产化@@、资产价值@@化@@、价值@@最大化@@/数据@@业务@@化@@。整个@@数据@@治理@@按照数据@@价值@@链的全流程@@，形成了持续迭代提升的循环@@。
1、业务@@数据@@化@@
业务@@数据@@化@@，是指用数据@@来描述@@、表达@@、定义@@、度量@@业务@@@@，用数据@@形式量@@化@@经营管理全过程@@，规范@@、准确地记录@@、保存和@@展示@@。
（1）制定企业级数据@@标准@@@@@@
建设银行认为@@@@，实现业务@@数据@@化@@首先要制定企业级数据@@标准@@@@@@@@，从@@业务@@术语@@开始统一@@@@“语言@@”，制定数据@@标准@@@@@@，建立完整的数据@@规范@@@@@@，从@@源头上保证数据@@一@@致性@@。已建成完整的企业级数据@@逻辑模型@@@@、数据@@标准@@@@、衍生数据@@视图@@、业务@@术语@@、业务@@指标等数据@@规范@@@@@@，共@@8万@@余个@@@@数据@@项@@。而在@@整套企业级数据@@规范@@@@体系中@@，最核心的是企业级数据@@模型@@@@@@@@，因为@@数据@@和@@数据@@之间并不都是@@“并行@@”，中间会有@@“交叉@@”，它们之间逻辑关系的表达@@需要用数据@@模型@@@@@@。
建行在@@研究学习业界领先的行业数据@@模型@@@@基础上@@，结合建行实际@@，搭建了自己的企业级数据@@模型@@@@@@@@——“CCBDM”， 对业务@@信息进行了规范@@化@@、概括性的描述@@，并包含对数据@@实体@@、属性和@@数据@@项间关联关系的定义@@@@；模型@@向上贯通业务@@视角@@（描述业务@@@@，让业务@@部门都能理解@@），向下贯通技术@@视角@@（支持系统@@开发和@@设计@@），为@@A、B、C、C'、D五@@级@@（依次@@对应统一@@数据@@概念@@、规范@@业务@@术语@@@@、企业级数据@@模型@@@@@@、系统@@级逻辑模型@@@@、系统@@实现级物理模型@@@@），其中最核心的是满足第三@@范式需求的@@C级模型@@@@。通过实施数据@@建模@@，为@@数据@@的互联共@@享奠定基础@@，为@@全行用数能力@@提升创造条件@@。
（2）数据@@供应链@@全流程管控@@
落地企业级数据@@模型@@@@@@@@CCBDM，包括数据@@@@“采集@@、传输@@、整合@@、应用@@”的全流程管控机制@@。采集@@阶段按照数据@@标准@@@@采集@@@@，传输@@过程遵循标准@@接口互通@@，整合@@阶段建立全景数据@@视图@@，支持多种应用@@方式@@。从@@CCBDM的这张示意图@@，我们可以看到@@，业务@@系统@@@@A、业务@@系统@@@@B和@@数据@@仓库@@D系统@@是并行@@开发的@@，如何保证它们数据@@的一@@致性@@？就是把@@逻辑数据@@模型@@@@的@@C模型@@当成模板@@、约束条件和@@依据@@，来设计系统@@级的数据@@模型@@@@@@、定义@@数据@@库@@。我们把@@每个@@数据@@项的英文缩写字段进行了统一@@规范@@的命名@@，不存在@@数据@@项命名重复@@，保证了@@A系统@@、B系统@@的数据@@模型@@@@都依赖于统一@@的源头@@。数据@@规范@@@@，是约束信息系统@@开发@@，从@@根源避免数据@@质@@量@@@@问题的一@@种方法@@。
这种方法已在@@建设银行核心系统@@中全部使用@@，好处是大大减少了数据@@关联@@、整合@@等必须进行的清洗@@、转换工作@@，因为@@从@@数据@@采集@@端开始就已遵守规范@@@@、符合标准@@@@。
2、数据@@资产化@@
数据@@资产化@@，是指建立并执行统一@@的数据@@规范@@@@@@，打通纵向横向存在@@的数据@@壁垒@@，实现数据@@互联互通@@，集成整合@@@@为@@高品质@@的可用资产@@。
（1）企业级数据@@仓库集石成钻@@
一@@个@@单独的数据@@项或独立的数字可能没多大价值@@@@，但把@@它们关联起来意义可能非凡@@，比如@@17和@@7，加上纳米@@、芯片@@，含义就完全不一@@样了@@。这就是数据@@关联集成整合@@@@在@@一@@起的价值@@@@；又好比一@@堆碎石@@@@，把@@“碎石@@”关联集成后@@，其价值@@就显现出来了@@，可能成为@@@@“钻石@@”。
我们认为@@@@，企业级数据@@仓库是最强大的数据@@资产宝库和@@引擎@@，通过打破数据@@孤岛@@、打通数据@@壁垒@@，把@@不同源信息关联整合@@变成可用的数据@@资产@@。我们的数据@@仓库已涵盖行内近@@2百个@@多组件系统@@结构化@@、非结构化数据@@@@；不仅包含范式化模型@@@@，从@@业务@@视角基于公共@@访问数据@@还建立了多维模型@@@@，抽象出@@9大基础维度@@，43个@@交叉@@维度@@；基础指标@@1万@@余个@@@@，衍生指标@@1万@@5千余个@@@@；提供总分行业务@@用户直接使用@@；全面落地我行新一@@代企业级@@C模型@@，从@@业务@@主题划分@@，实体和@@属性全面遵守规范@@@@，涵盖我行所有业务@@数据@@@@。同时@@，也建立了元数据@@@@管理平台@@@@、数据@@质@@量@@@@管理@@平台@@@@，帮助建设银行全面管理数据@@资产@@。
（2）建立数据@@管控体系@@
除技术@@支撑体系外@@，还必须建立完整的数据@@管控体系@@，才能保证资产保值增值@@，在@@“量@@”上不断扩充的同时@@保证@@“质@@”。数据@@管控机制@@涉及政策@@、组织@@、技术@@、流程等@@，为@@数据@@管理核心领域@@（包括数据@@@@需求@@、数据@@规范@@@@、数据@@质@@量@@@@、数据@@安全@@、元数据@@@@、数据@@供应链@@等@@）提供保障和@@规范@@@@，同时@@配套进行风险管理@@、审计@@。总之@@，只有依靠完整的数据@@管控@@，数据@@资产才会可用@@、好用@@。
3、资产价值@@化@@
资产价值@@化@@，是指深入挖掘@@、分析各种类型的数据@@资产@@，研发数据@@产品@@@@，从@@中获得洞察@@@@、预测@@能力@@@@，发现规律@@，支持业务@@经营管理@@。
（1）数据@@→知识@@→价值@@
数据@@资产应该能带来价值@@@@，但数据@@只有在@@被应用@@时才能产生价值@@@@。从@@大量@@繁杂的数据@@中@@，洞察@@我们所不知道的情况@@、发现一@@些新趋势等@@，就是数据@@挖掘和@@分析的工作@@。
2015年@@，建设银行在@@上海建立了大数据@@@@分析中心@@，现称@@“大数据@@@@智慧@@中心@@”，专门进行数据@@挖掘和@@分析@@。数据@@挖掘和@@分析确定的智慧@@因子@@：①量@@化@@，统一@@尺度@@（不能定义@@就不能测量@@@@，不能测量@@就不能管理@@），将相应数据@@关联采集@@@@、集成整合@@@@；②洞察@@，在@@大量@@繁杂数据@@中发现现状的真相@@；③预测@@，从@@中发现规律@@@@、预测@@未来趋势@@，以便赢得竞争先机@@；④智慧@@，通过对数据@@的量@@化@@@@、洞察@@、预测@@来驱动行动决策@@。
大数据@@@@智慧@@中心@@的数据@@挖掘和@@分析致力实现四@@个@@智能@@：客户智能@@、产品@@智能@@、风控智能@@、运营智能@@。客户智能@@是洞察@@客户需求@@，支持差异服务@@@@；产品@@智能@@是引导产品@@创新@@，强化综合定价@@；风控智能@@是预测@@市@@场变化@@，有效预警风险@@；运营智能@@是支持流程优化@@，降低运营成本@@。
（2）丰富的数据@@应用@@模式@@
数据@@应用@@模式必须丰富多样@@，才能让数据@@发挥更大的价值@@@@。
（3）众创众惠的数据@@生态环境@@
要让更多@@的人来使用@@，需要搭建众创众慧的数据@@生态环境@@，给不同的人提供适合的方式来获取数据@@的访问@@。例如@@，我们搭建的企业级数据@@应用@@平台@@@@，就能根据不同的应用@@场景@@，及用户对数据@@@@、工具掌握程度不同@@，提供多样@@、灵活@@、自主的数据@@访问方式@@，降低数据@@价值@@探索与发现的门槛@@。
4、价值@@最大化@@/数据@@业务@@化@@
价值@@最大化@@/数据@@业务@@化@@，是指推动数据@@产品@@和@@信息知识@@的广泛共@@享@@、直达迭代@@、嵌入到业务@@流程中@@，便捷应用@@以获得更大成效@@。
（1）成果共@@享@@
要价值@@最大化@@@@，一@@定是通过共@@享来实现@@。通过数据@@应用@@成果推广共@@享@@，让数据@@创造更大价值@@@@。建行企业级数据@@应用@@平台@@支持自主定制数据@@模块@@，通过应用@@商店的分享@@功能将先进数据@@应用@@成果在@@全行快速分享@@@@，使得@@“单点创新@@、全行受益@@”有了系统@@层面的有力保障@@；建立大数据@@@@成果快速复制推广机制@@，依托@@大数据@@@@平台@@@@，配合总行相关业务@@条线积极做好在@@全行范围内的推广复制工作@@；推进全行数据@@应用@@经验交流分享@@@@，包括在@@全行层面组织@@高级研修班@@、数据@@应用@@培训班@@、工作研讨会等@@。
（2）公共@@数据@@产品@@@@
这里介绍一@@个@@建行面向社会设计的@@公共@@数据@@产品@@@@@@——“龙信商@@”。为@@了解决房价高@@、房炒不住等住房租赁市@@场混乱问题@@，我们提出了住房租赁战略@@（建设银行三@@大战略之一@@@@）。建设银行通过利用自身数据@@@@，研发了@@“龙信商@@”，用评分高低代表诚信程度@@，增加租户和@@房主之间的信任@@。当然前提是取得客户授权@@。目前@@“龙信商@@”已取得注@@册商标@@，已经较好在@@多个@@场景中应用@@@@。
（3）服务@@社会需求@@
在@@大数据@@@@挖掘和@@分析方面@@，我们还提炼了住房价格指数@@、住房租赁指数@@、普惠金融指数等一@@系列大数据@@@@产品@@@@。建行住房价格指数和@@住房租赁指数@@真实地反映一@@定时期全国住房销售和@@租赁市@@场价格总水平变动趋势和@@变动程度@@。
（六@@）数据@@治理@@实践得到业界认可@@
建设银行的数据@@治理@@实践@@，得到业界的广泛认可@@。比如@@，我们参与了国标的@@《数据@@能力@@成熟度评价模型@@@@》的制订@@，也受邀参与了银保监会@@《银行业金融机构数据@@治理@@指引@@》的编制研讨@@。另外@@，我行的@@“大数据@@@@驱动@@小微业务@@价值@@提升项目@@”获得了@@《亚洲银行家@@》杂志颁发的@@“亚太最佳数据@@分析项目奖@@”等等@@。
二@@、政务数据@@标准@@@@化初步探索@@
（一@@）履行社会责任@@，支持智慧@@政务建设@@
建设银行积累了先进科技研发能力@@@@、方法论@@，具备一@@支金融科技队伍@@。我们主动承担社会责任@@，助力智慧@@政务的建设@@。在@@智慧@@政务方面@@，已签约的各级政府有@@195个@@，覆盖@@180个@@省@@市@@县@@地区@@@@。同时@@，互联网@@+不动产@@、互联网@@+监管@@等领域我行都有参与@@。
（二@@）设计政务数据@@模型@@@@@@@@，支持政务数据@@标准@@@@化@@
我们把@@国家@@欧宝娱乐靠谱吗 标准@@、欧宝娱乐靠谱吗 数据@@接口@@、不动产@@抵押登记@@、互联网@@+监管@@、公租房数据@@标准@@@@等信息归拢在@@一@@起@@，按照建行@@C模型@@的建模方法@@，建设了@@GSDM（欧宝娱乐靠谱吗 数据@@模型@@@@）。
政务数据@@模型@@@@@@GSDM依据国务院办公厅电子政务办公室发布的@@欧宝娱乐靠谱吗 数据@@标准@@@@，结合建行智慧@@政务相关的政务事项@@数据@@接口@@@@、不动产@@抵押登记@@、互联网@@+监管@@以及公租房数据@@标准@@@@等数据@@需求@@，进行综合分析@@，将政务数据@@归纳为@@五@@大类主题概念域@@，政府机构@@（参与方@@）在@@什么地点@@（地理位置@@）受理了谁@@（自然人或法人@@）哪个@@行政业务@@@@（政务事项@@）的申请@@（行政办件@@+办件文档@@）。所有的政务相关数据@@都可以分配到这五@@个@@数据@@概念域中@@。目前@@，设计的@@欧宝娱乐靠谱吗 数据@@逻辑模型@@已包含@@200多个@@实体@@，3400多项属性@@。
本世纪初@@，为@@了提升联邦政府服务@@于民的能力@@@@，美国政府提出一@@套联邦企业架构参考模型@@来指导其电子政务战略实施@@。这套架构模型@@包括绩效@@、业务@@、服务@@、数据@@、技术@@五@@个@@子模型@@@@，是政府规划和@@实施各类电子政务的参考基础@@；其中数据@@参考子模型@@通过数据@@描述@@、数据@@背景@@、数据@@共@@享等内容模块来实现数据@@标准@@@@化@@，以促进联邦政府能够跨机构识别@@、使用和@@共@@享数据@@和@@信息@@。我们的政务数据@@模型@@@@@@@@GSDM，其内容类似于联邦数据@@参考模型@@@@，但比它的内容更细@@、更全@@，包括政务事项@@数据@@的定义@@@@，对数据@@的含义@@、取值@@、格式等进行明确定义@@@@。政务数据@@模型@@@@@@中数据@@的取值@@@@、格式等内容就为@@政务数据@@共@@享制订了基础标准@@@@，促进数据@@的互联互通和@@共@@享@@；政务模型@@中的数据@@@@，与政务事项@@结合在@@一@@起@@，就可对关键政务数据@@进行了分级@@、分类@@，从@@而方便地确定可信数据@@源和@@进行数据@@部门认责@@。另外@@，政务数据@@模型@@@@@@还为@@政务大数据@@@@@@中心进行数据@@收集@@、整合@@，政务数据@@仓库建设提供了模型@@参考@@。因此@@，借鉴建行的实践来看@@，政务数据@@模型@@@@@@对于促进智慧@@政务建设有着非常大的价值@@@@。
（三@@）探索政务数据@@价值@@@@，助力营商环境@@@@
在@@助力智慧@@政务建设过程中@@，建设银行也与很多国家部委@@、省@@农委等有合作@@，比如@@我行与某部委联合建立大数据@@@@实验室来探索其部数据@@的价值@@@@；与某市@@政府大数据@@@@中心尝试构建@@市@@民信用体系@@；与某省@@农委创新@@“智慧@@乡村@@”系列普惠金融产品@@@@；支持某省@@政府建立监管@@数据@@平台@@@@，探索提升社会治理的水平等@@。
（四@@）建设银行数据@@治理@@工作体会@@
在@@数据@@治理@@工作开展过程中@@，建设银行是有一@@些深刻工作体会的@@：一@@是高层推动@@，顶层设计@@；二@@是标准@@先行@@，持续管控@@；三@@是责任落实@@、机制保障@@；四@@是数据@@素养@@，文化建设@@。管好数据@@@@，用好数据@@@@，让数据@@带来更大价值@@@@，建行愿意与各位携手合作@@、一@@起努力@@，为@@国家治理现代化作出贡献@@。我的分享@@就到这里@@，谢谢@@！
申明@@：本文版权归国脉@@互联所有@@，未经许可不得转载@@。转载请联系授权@@。
附@@：国脉@@“一@@网通办@@”核心支撑系统@@@@（GDBOS），助力数字政府@@建设@@
数字政府@@2.0操作系统@@@@、政务数据@@体系@@@@2.0基础标配@@、欧宝娱乐靠谱吗 一@@体化升级方案@@。又名@@“政府数据@@业务@@操作系统@@@@@@”（GDBOS）, 是基于国家有关政策要求@@、各地实践经验@@、数据@@体系@@理论@@、微服务@@技术@@架构@@，围绕@@“大数据@@@@、大系统@@@@、大平台@@@@”融合一@@体思路@@，为@@各地数字政府@@升级而量@@身打造的一@@套作业平台@@@@。运用数据@@@@体系@@@@、标准@@治理@@、业务@@再造@@、组织@@进化等工具和@@方式@@，可从@@结构@@、标准@@、模块架构上对当前@@欧宝娱乐靠谱吗 平台@@体系进行优化@@、重组和@@升级@@。有效适配部委@@、省@@、市@@、县@@（区@@）不同层次@@需求@@，支撑数据@@整合@@共@@享@@、政务流程再造和@@服务@@模式升级@@，全面提升@@欧宝娱乐靠谱吗 能力@@，夯实数字政府@@基础@@，为@@国家治理能力@@现代化提供重要支撑@@。
依托@@"产品@@+数据@@+标准@@"框架@@，构建@@"标准@@支撑@@、数据@@体系@@、业务@@再造@@、数据@@治理@@、管理赋能@@"五@@大体系@@，无缝衔接既有业务@@系统@@@@@@，有效驱动@@欧宝娱乐靠谱吗 整体运作@@：①落脚在@@@@“办成@@”，把@@政务数据@@归集到一@@个@@功能性平台@@@@，企业和@@群众只进一@@扇门就能办成@@不同领域事项@@；②综合提升政府@@欧宝娱乐靠谱吗 、数据@@整合@@与治理能力@@@@，并最终实现数字化转型@@升级与智慧@@组织@@进化@@。
注@@：获取更多@@会议资讯及嘉宾演讲资料@@，欢迎登录@@“2019智慧@@中国年@@会@@官网@@”。
