看云栖说云栖——政务SaaS专场

简介: 作为操作系统和统一入口的政务钉钉 + 安全加持的政务云 + 丰富的政务SaaS应用 + 政务应用渠道分销体系 = 阿里云政务SaaS生态系统。

“什么叫有意义? 有意义就是好好活着。 那什么叫好好活着? 好好活着就是做很多很多有意义的事!”
—— 许三多语录

上次分享了金融相关的内容,这次就让我们了解一下政务业务,听听2019杭州云栖大会《政务SaaS专场》。

第一个分享是由中共中央党校马克思主义研究创新工程课题组首席专家带来,演讲中提到:

互联网带来人类社会前所未有的新变化,包括对政府的政务工作也产生了重要的影响,既让政府的政务面临新的要求,又让政府政务具有了更大的平台。

政府政务面临的新要求包括:

  • 工作的透明更高,社会监督力度更强。
  • 对工作人员的社会形象和自律的要求更高。
  • 要求更高的工作效率和协调能力。
  • 对工作人员的业务水平和能力要求更高。

另一方面,政府政务具有更大的平台:

  • 更多渠道、政府政务工作中了解民众需求的渠道增多。
  • 更开阔视野、政府政务工作中获得更多比较和参考的视野更为开阔。
  • 更多载体和平台、政府服务民众和实现社会监督的工作具有更多载体和平台。
  • 更快速便捷、政府实现政务工作目标的途径更为快速便捷。
  • 更通畅、政府各部门及其与社会各方面工作沟通更为畅通。

要让互联网在政府政务工作中发挥更大的作用需要在技术和理念上进行创新和突破,一方面互联网促进了政府的政务工作提高到一个新的水平,另一方面在满足政务行业要求的过程中反过来又促进了互联网行业的发展,激发了技术水平的提高,最终互联网行业和政府政务是一个双向共赢的结果。

下一个分享来自阿里云智能数字政府公共服务业务部总经理,题为《阿里云政务行业云政府数字化转型的首选平台》。
首先是阿里云政务行业云的发布背景,随着放管服,一段时间之内政务行业新的流量、新的入口不断出现,即市场呈现横向到边。纵向也会出现越来越多的垂直化应用,就像金融行业一样,一些标准的行业应用也会出现,即市场纵向到底。最终的结论是阿里云认为:政务互联网化和数据在线化是巨大的增量市场

为此阿里云发布了政务行业云,简单说就是在阿里云公共云的基础上进行物理隔离安全加持就得到了政务行业云。
阿里云政务云有如下特征:

  • 合规、安全的云,因为信息安全始终处于动态攻防的状态下,使用静态防御无法很好的解决政务系统的信息安全问题,另外信息安全的水平是由系统的短板所决定的,阿里云在这两方面优势明显。
  • 内容、行业的云,阿里政务云不仅提供IaaS的服务,还有在这些年积累的包括智能客服、大规模数据处理等PaaS服务、以及阿里云自己的以及第三方的AI能力、再加上从浙江省政务中台实践中提炼出的政务中台服务,以及大量的第三方SaaS服务,因此相对于地方政务云,阿里云具有内容优势。
  • 增值、生态的云、阿里云在供给侧会引入符合政策与资金走向的SaaS产品,在分销侧会建立一个相对独立的,符合政务行业特点的分销网络:包括深耕行业的行业运营商、具备本地化服务能力的区域分销商、具有规模化业务运营能力的虚拟云商,最终实现连接的增强和价值的叠加。

第三个分享来自政采云有限公司CTO,题目为《快乐采购·精准监管·和谐生态》。
到2018年,网上交易已经占到社会零售品交易总额的23.6%,为了推动政府采购的数字化,阿里云技术团队和政府财政政采团队一起成立了采购一体化平台政采云。
政采云目前已经建成了政府采购三大平台:

  • 交易平台、包括项目采购(公开招标、邀请招标、单一来源、竞争性谈判、竞争性磋商、询价),电子卖场(网上超市、在线询价、反向竞价、定点服务、协议+批量)。
  • 监管平台、包含计划编报、交易执行、法定审批、预警监督、远程监控、履约评价的全链路闭环监管。
  • 服务平台、包括平台客户服务、平台运营服务、平台衍生服务、资源共享服务。

实现了采购数据管理三部曲:

  1. 数据标准化、政采数据量巨大,其数据来源不同,量纲及量纲单位不同,利用元数据将数据标准化。
  2. 数据治理与监管、通过数据治理将零散数据变为统一的主数据,形成数据资源资产化、对数据实现数据确权和合规,确保数据受控有序使用。
  3. 数据服务及决策、凭借平台的大数据积累,实现业务智能化,帮助业务各方进行数据决策。

第四个分享来自政务钉钉事业部高级解决方案架构师,分享的题目为《政务钉钉——数字政务操作系统》。
首先,架构师就政务信息化建设进行了回顾和展望,整体上政府数字化的建设阶段分成三个阶段:

  • 信息化阶段、进行基础设施与业务应用的稳步推进,实现初步的数据共享交换,政务服务平台基本形成“多层纵向贯通、多面横向联通”。
  • 互联网化阶段、“互联网+”深化“放管服”,实现人民与政府双在线,数据流动以人民为中心,利用互联网技术与人民建立连接。
  • 数智化阶段、建设“数字政府”释放“数据红利”,通过数据共享实现业务协同,利用数据和智能构建现代化治理体系和治理能力。

目前,政务信息化建设正处于互联网化阶段,阿里云的建设理念就是双在线智能化。其中双在线就是群众在线政府在线。群众在线就是利用信息系统提交自己的需求,政府在线目前主要的表现形式还是服务的界面在线,服务内部并没有能够实现跨部门、跨地域的协作,这也是政务钉钉要去发力改变的状态,通过政务钉钉去沉淀数据、优化流程,通过人工智能和大数据去打通“供给侧”和“需求侧”实现双向的供需撮合。

具体的做法包括:

  • 统一沟通、就是组织在线(通讯录在线)+沟通在线(实名可信交流)
  • 统一入口、千人千面的工作台,实现统一工作入口
  • 统一账号、只需要登录政务钉钉就可实现一个账号、一次登录、一致权限
  • 统一流程、让流程实现跨部门、跨层级、跨地域跑通
  • 统一标准、统一应用标准和规范
  • 统一安全、通过政务专有云、移动端安全沙盒确保系统运行和数据安全
  • 数据智能、通过数据积累和展示实现政务数字化转型晾晒台和可视化大屏

浙江省作为“最多跑一次”的实践先行者,基于政务钉钉建立起了全省统一工作平台,实现“统分结合”,其中的“统”就是指浙政钉基础架构、界面展示、通建应用;“分”是指个单位建设个性化应用。基于政务钉钉开展“协同办公”、“基层治理”、“政企服务”等多层面政务业务。

作为政务钉钉的标杆客户,浙江省政务钉钉目前具备办公能力、通讯能力、协同能力三大能力;实现业务在线、组织在线、沟通在线、协同在线、生态在线五大在线;构建起了标准保障、安全保障、运维保障三大保障体系。浙政钉目前活跃用户120万+、注册组织机构20万、日均消息数200万、上线移动应用800+。

第五个分享是阿里云政务行业云首席架构师,主要对政务SaaS的概念进行了介绍。
首先是对市场容量的预测,预计到2020年,全球云计算市场将达到2070亿美元,其中IaaS占比为34%,SaaS占比高达53.5%,全球SaaS市场将达到1107亿美元,其中中国SaaS市场473.3亿人民币,政务公有云SaaS市场58亿人民币。

政府使用政务SaaS主要有如下优势:

  • 建设成本低、政府客户按需订购所需服务,且按一定周期付款,避免占用过多运营资金,减轻中小政府的财政压力,投入风险非常小。
  • 维护成本低、让客户免除繁琐的应用安装、部署、维护流程,且无需相关硬件产品配备,得以集中精力于核心业务的运营发展。
  • 上线快、更新快、SaaS的在线模式使产品得以快速上线与更新迭代,不断提升产品体验,而客户也能使用最新版本的产品。
  • 售后服务好、SaaS厂商为了保证客户的续约留存,会向客户提供持续的服务与支持,以帮助客户获得成功为服务目标。

最后是几个政务SaaS平台上应用的介绍,包括智慧党建、电子签章、政务智能客服、云上证照、智慧河长云应用,所有这些政务SaaS服务包括政务钉钉在内均运行在安全加持的政务行业云。

作为操作系统和统一入口的政务钉钉 + 安全加持的政务云 + 丰富的政务SaaS应用 + 政务应用渠道分销体系 = 阿里云政务SaaS生态系统。

目录
相关文章
|
缓存 JavaScript Java
常见java OOM异常分析排查思路分析
Java虚拟机(JVM)遇到内存不足时会抛出OutOfMemoryError(OOM)异常。常见OOM情况包括:1) **Java堆空间不足**:大量对象未被及时回收或内存泄漏;2) **线程栈空间不足**:递归过深或大量线程创建;3) **方法区溢出**:类信息过多,如CGLib代理类生成过多;4) **本机内存不足**:JNI调用消耗大量内存;5) **GC造成的内存不足**:频繁GC但效果不佳。解决方法包括调整JVM参数(如-Xmx、-Xss)、优化代码及使用高效垃圾回收器。
901 15
常见java OOM异常分析排查思路分析
|
12月前
|
人工智能 自然语言处理 搜索推荐
科技云报到:鏖战企业级市场,AI Agent如何重塑智能商业未来?
Agent“黄金时代”已至,RPA如何搭上这班车?
840 13
|
机器学习/深度学习 自然语言处理 TensorFlow
使用Python和DeepSeek进行联网搜索的实践指南
本文介绍如何使用Python和假设的高性能深度学习工具包DeepSeek进行联网搜索,并通过实际案例展示其应用过程。首先,准备环境并安装依赖库(如Python 3.x、pip、DeepSeek、requests和BeautifulSoup4)。接着,讲解了DeepSeek的功能及其在图像分类、实体识别等任务中的应用。通过联网搜索抓取数据并进行预处理后,使用TensorFlow和Keras构建和训练CNN模型。
960 3
|
机器学习/深度学习 存储 人工智能
【AI系统】训练后量化与部署
本文详细介绍了训练后量化技术,涵盖动态和静态量化方法,旨在将模型权重和激活从浮点数转换为整数,以优化模型大小和推理速度。通过KL散度等校准方法和量化粒度控制,文章探讨了如何平衡模型精度与性能,同时提供了端侧量化推理部署的具体实现步骤和技术技巧。
1077 2
【AI系统】训练后量化与部署
|
Java 数据库 开发者
深入剖析 SpringBoot 的 SPI 机制
【8月更文挑战第10天】在软件开发中,SPI(Service Provider Interface)机制是一种重要的服务发现和加载机制,尤其在构建模块化、可扩展的系统时尤为重要。SpringBoot作为Spring家族的一员,其内置的SPI机制不仅继承了Java SPI的设计思想,还进行了优化和扩展,以适应Spring Boot特有的需求。本文将深入剖析SpringBoot中的SPI机制,揭示其背后的原理与应用。
680 7
|
存储 数据安全/隐私保护 开发者
app上架应用市场需要什么条件
app上架应用市场需要什么条件
|
数据采集 机器学习/深度学习 自然语言处理
Huggingface Transformers各类库介绍(Tokenizer、Pipeline)
Huggingface Transformers各类库介绍(Tokenizer、Pipeline)
|
机器学习/深度学习 人工智能 算法
员工离职困扰?来看AI如何解决,基于人力资源分析的 ML 模型构建全方案 ⛵
本文通过数据科学和AI的方法,分析挖掘人力资源流失问题,构建基于机器学习的解决方案,并通过对AI模型的反向解释,深入理解导致人员流失的主要因素。
2614 1
员工离职困扰?来看AI如何解决,基于人力资源分析的 ML 模型构建全方案 ⛵
|
JSON Dubbo Java
Maven:第一章:关于maven依赖死活都下载不了终极解决方案
Maven:第一章:关于maven依赖死活都下载不了终极解决方案
1077 0
Maven:第一章:关于maven依赖死活都下载不了终极解决方案

热门文章

最新文章