为您找到与@@胡小明@@标签@@相关结果@@ 41篇@@

最新动态@@

​ 胡小明@@:城市大脑@@误区分析@@

城市大脑@@原来只是一种比喻@@,将比喻变为正式的信息化术语需要经过专家共同定义@@,迄今城市大脑@@仍缺少定义规范化过程@@,使基本概念模糊难以形成共识@@,人们各有各的解释@@,城市大脑@@已成为误解最多的领域@@。

观点@@

胡小明@@:一网统管@@的思想方法@@@@

从人的行为@@、组织秩序以及数字化进化角度的关于@@“一网统管@@”的顶级科技哲学思考@@。

观点@@

胡小明@@:大数据@@应用的三个方向@@

国内大数据@@应用已快十年@@,对应用的深入思考却没跟上@@@@,以统计分析的模式来想象大数据@@的应用@@,定格在@@信息获取方向上@@会影响在@@其它领域的应用创新@@,本文将从信息获取@@、网络服务@@、数据整合三个方向探讨大数据@@应用@@,拓宽应用视野@@。

观点@@

胡小明@@:组织化@@视角的智慧城市@@@@

分工合作是一种组织行为@@,社会发展与组织的优化密不可分@@,约三百年前亚当@@·斯密在@@@@《国富论@@》提出分工合作是提高社会生产力的主要渠道@@。迄今社会生产力发展依赖的仍是这一渠道@@,提示人们还应从城市组织发展的角度来思考智慧城市@@理念@@。

观点@@

胡小明@@:CIO的组织化@@视角@@

互联网@@革命对社会经济发展的直接影响是推动全球的组织化@@革命@@,从组织化@@视角来认识全球信息化态势是本文的核心@@。

观点@@

胡小明@@:CIO的思想方法@@

思考是大脑的本能行为不能直接操控@@,但可以提出一些有助于提高思考效率的建议@@,这就是讨论思想方法的意义@@。

理论基础@@

胡小明@@:顶层设计@@需要减法思维@@

智慧城市@@建设@@长期未获得公众足够关注@@,专家们将问题归结为信息孤岛与信息烟囱@@,新型智慧城市@@提出要拆烟囱@@、连孤岛@@,将跨部门信息共享与业务协调作为顶层设计@@的中心任务@@。

观点@@

胡小明@@:营商环境@@政策解读@@

本文系原中国信息协会副会长@@、原国家信息中心副主任胡小明@@先生于@@11月@@29日上@@午在@@@@“2018智慧中国@@年会@@”分论坛四@@——“乐动安卓app 升级@@:优化营商环境@@@@”论坛上@@的演讲@@,内容通过现场速记整理@@,未经本人审核@@。

观点@@

胡小明@@:政府大数据@@应用效益反省@@

新一代信息技术与创新@@2.0的互动催生了大数据@@@@,生动诠释了数字时代@@、知识社会创新形态的嬗变@@,进一步消融了创新的边界@@,推动了创新@@2.0时代组织形态@@、社会形态等的深刻变革@@。然而在@@政府大数据@@领域@@,由于概念混乱@@、认识偏差@@,也出现了肝虚火旺@@、舍本逐末等诸多乱象@@。近日@@,资深信息化专家@@、中国信息协会副会长胡小明@@在@@创新@@2.0研究群就政府大数据@@应用的效益难题@@、常见困难@@、片面认识进行了反思探讨@@,并就如何认识大数据@@的本质@@、脚踏实地推进政府大数据@@发展及其应用趋势进行了分析@@,引发业界对政府大数据@@应用的共鸣与讨论@@。

观点@@

胡小明@@:让数据整合共享更有效益@@

在@@24日上@@午举行的@@“数据治理@@与大数据@@局发展定位研讨会@@”上@@,中国信息协会原副会长胡小明@@发表了主题演讲@@。

观点@@

胡小明@@:如何让政务数据@@整合共享更有效益@@?

政府数据开放已成为全球趋势@@,数据整合共享应支持政府数据开放大趋势@@。

观点@@

当前政府数据整合@@的误区@@、盲点与解决路径@@

电子政务@@建设的成绩大都集中在@@政府业务处理自动化方面而非信息共享@@,只有理清信息共享的效益难题@@,数据整合才能避免重蹈覆辙@@。

观点@@

不确定@@性环境下的智慧城市@@顶层设计@@@@

智慧城市@@是一种不断创新的生态环境@@,人类只能设计应对确定@@性问题的系统@@,智慧城市@@只能建设一个又一个有限生命力的智能系统@@,无数智能系统不断被创造出来又不断被更新淘汰@@,而智慧城市@@就是智能系统繁荣所依赖的土壤@@。

观点@@

胡小明@@:智慧政务@@要向基层服务倾斜@@

粗放的@@乐动安卓app 已无法适应今天的社会@@,公众需要精细化的服务@@,现代信息技术为精细化服务创造了便利条件@@,智慧政务@@应当利用这种条件使管理更精准@@,服务更贴心@@,全面增添公众在@@智慧政务@@中的获得感@@。

观点@@

胡小明@@:为电子@@乐动安卓app 的大数据@@@@

关于政府电子@@乐动安卓app 的大数据@@@@,我们在@@这里因为大数据@@太热了@@。我觉得这里面有风险@@,希望我们在@@研究大数据@@的时候@@,我们不要被大数据@@热冲昏头脑@@。所以应该把这个问题想清楚@@,哪些是可以解决的@@,哪些是不能解决的@@。