第 6 章 加强和改善政府大数据质量的措施
6.1 严格管控政府大数据的数据源质量。
根据前文实证研究结果可知，权重达到 40.857%数据源质量依旧是政府用户眼中政府大数据质量的重中之重，结合我国的数据高速发展的数据环境和数据质量发展空间，政府必须严格控制数据源质量，为大数据整体质量打下坚实的基础。
要想严格控制数据源质量，务必脱离现行体制对数据源的干扰，作为政府数据管理部门来说，有必要在一定程度上进行体制改革，效仿发达国家的做法独立明确数据管理的职能，形成数据的垂直管理体系，避免制度因素的干扰。
为了约束政府数据被调查者，要建立一套核算信用体系，直接对社会公开诚信记录，并处以惩戒，提高被调查者数据造假的成本。另外还要明确数据处理的流程规范，建立完整的指导、说明体系，做到凡事有依据[74].
6.2 加强数据时效性管理措施。
数据时效质量是大数据 4 个特征质量最为重要，几乎占了特征质量一半的比重，正如前文的分析那样，时效质量是大数据技术高速性的反映。这部分用户真实满意度很高，但是考虑其权重，应该予以完善。首先要增加政府对云计算等先进的大数据技术的运用，而相关的资金、软硬件建设要逐步跟进和落实，提高数据的使用频率和规模，形成满足数据时效的真实需求[75].其次，对于数据的管理制度要完善，对于数据时效要有明确的管理依据，做到有章可循，而对于历史记录也要有相应的存储，管理机制，形成完整的数据管理体系。再者，对于被提供的数据，也要被调查者相应的时间记录，做到有迹可循。
6.3 建立政府数据增值性管理机制。
关于数据增殖性的制度因素是评价满意度得分最低的指标只有 0.65 分，充分证明在数据增殖性方面急需相应的管理机制。政府数据的增值性往往需要一定的积累才能厚积薄发，所以对于已有的、质量相当的数据必须要加强存储和相关的挖掘和分析，对于政府来说这部分工作会加大数据管理的成本，但从大数据的长远角度来说还是很有必要的。首先政府应建立数据增值性的管理机制，从细节入手、严控流程、规范操作，在保证信息安全的情况下，为了节约成本可以在外包给相关公司代为执行[76].然后要注重政府数据的特性与数据增值方面的结合，加强产研结合，提高数据增值性管理的意识，改善目前政府只顾眼前、只顾成本的数据管理方法[77].
6.4 加强数据融合建设。
数据融合一直是大数据需要解决的重要问题，然而作为数据融合性的制度因素指标，其满意度得分只有 1.09 是显然无法令人满意的。政府首先明确数据融合的发展的需要和要求，提出具体的目标和实现途径。其次要逐步加强数据融合的软硬件建设，进行系统升级，投入资金更新设施，满足数据融合在在多信息源、多平台和多用户系统内的处理和协调作用，保证了数据处理系统各单元与汇集中心间的连通性与及时通信，为数据融合提供物质基础[78].还要培养、培训相关的专业技术人才，可以胜任一些相对简单的数据融合处理，去掉噪声和剔除无关数据，都可以为后续的分析处理打下基础，为大数据的应用提供便利。另外，还要出台一个时间表，做到时间控制，让每个步骤都可以按部就班的执行。
6.5 提高多种结构数据处理技术能力。
在大数据时代，政府机制对可衔接性数据结构的处理指导要求显得异常关键，作为制度性因素，该指标的直接反映了政府数据衔接性的硬性要求，其满意度得分只有1.16.政府对于多种结构数据处理的指导要求是相对容易实现的，这也是政府大数据真正应用的必经之路。所以政府必须细化相关的指导要求，落实处理结构化、半结构化、非结构化多种结构数据的一切细节，如规定相关处理的配置、标准、规范格式等，必须形成明文规定，符合实际条件，发放到各相关单位[79].受到政策的影响，政府数据会较快的打破数据格式的限制。解决信息集成过程中透明访问、联合查询和数据转换等问题，实现了多个异构数据源的快捷查询和快速结果展现。
