服务能力评估难 单一事项多次跑动，多部门业务串联申报等 业务办理用时长 缺少有效数据和分析手段来挖掘优化方向和优化点 汇总数据利用难 部分事项审批流程长，审核岗位多，审批时间跨度大 数据供需不匹配，汇总数据无法支撑实际场景和应用 关键痛点 服务体验待提升 业务协同缺支撑 数据共享使用难 服务使用受限制 省市区各级事项标准不统一，线 上办事比例低、线上线下融合难 业务系统烟囱化，综合类业务缺 大厅申报 ② 审查要 点知识库 智能提醒 数字平台：统一事件服务 （流程调度） 分拨 分拨 … 分拨流程拖 拽式编排， 统一办结 A 部门系统 B 部门系统 N 部门系统 快速灵活匹配 多事项审批各 种流程模式 统一结办 14 ③“ ” 一件事 精细化事项梳理：四减、提升效率 “ ” 进行套餐主题梳理，以用户视角为中心，以办 一件事 的角度，将多个政务服务事项进行优化 最后一公里 联接办事人和服务事项的桥梁，通过精准匹配、精准推送，引导企业和群众享受 ① 人找事项 事项找人，提升企 优惠政策带来的实惠，将政策落到实处。 业、个人满意度 • 一人一档、一企一档 • 人口 / 法人画像，精准匹配政策事项 • 主动服务，提升用户体验 个人数据与企 业数据 ② 标签体系，数据赋能，政策 & 条件 匹配 消息 推送 推荐事项 服务实时推送 政策 事项

强化基础支撑能力 夯实市政务数据平台基础 ， 强化底座支撑能力 ，对原有基础库、 专题库进行完善和丰富 ，通过省一体化政务服务平台的回流数 据构建政务数据资源库。 利用人工智能技术提升数据治理标准化、 智能匹配等能力 ，利用区块 链 技术实现数据使用的存证和 溯 源 ，结合数据沙箱推进密级数据交换 ， 引入智能填报、 RPA 免协交换等丰富的数据集成手段 ， 升级数据集成引擎提升效 率。 4 7 2 1W+ 样本训练、 10+ 专属 AI 模 型 80%+ 政策匹配率 强化基础支撑能力： 构建政策库 - 核心特 性 4 政策匹配推荐 2 基础 AI 模型设 计 知识图谱 智能搜索 3 1 数据自动分级 数据自动分类 敏感数据自动识别 数据标准自动推荐 数据质量规范性检查规则 政务事项智能匹配 相似目录识别 数据血缘自动识别 数 据 数据资源 目录基本信息 共 享 管控 需求 22 运 营 强化共治共享管理： 建立动态普查机制 1. 全面盘点登记升级： 对齐系统清单、 同步权责清单、 政务事项清单 ，动态更新清单 2. 数据资源目录升级： 匹配部门权责清单、 政务服务事项清单、 到数据资源目录清单打通 ， 由业务关联数据 ，跟随业 务动 态更新 3. 数据供需管理： 通过供需管理 ，反向促进全面盘点登记遗漏 ，保 障 资产全面登记 政务事项清单

目标值 实现路径 业务处理时效 48 小时 ≤18 小时 智能预审+自动化流程触发 人工干预率 85% ≤30% 规则引擎+多模态文档理解 服务响应速度 3 分钟 ≤15 秒 智能优先路由+语义匹配优化 知识更新延迟 72 小时 4 ≤ 小时 政策变更实时抓取+自动标引 实施过程中需重点解决三个层面的问题：在技术层面，确保智 能体与现有政务云平台的无缝对接，特别是与统一身份认证、电子 述或口语化表达。例如，对“办营业执照要啥材料”和“注册公司需要 的文件清单”等异构表述，模型能通过上下文关联分析实现 98.7% 的意图识别准确率（测试数据集包含 10 万条政务场景语料）。这 种能力有效解决了传统政务系统中关键词匹配导致的误判问题。 多轮对话管理 采用状态跟踪（State Tracking）和对话策略优化技术，系统可支 持长达 20 轮次的复杂业务咨询对话。典型应用场景包括： - 跨部门事项办理（如企业开办涉及市场监管、税务、社保等多系 （公文扫描件/会议录音），实现工商、税务、社保等 12 类政务数 据源的自动对齐。典型应用案例中，某省级政务平台接入 DeepSeek 后，将原本需要 45 天的人工数据整理周期缩短至 72 小 时，数据字段匹配准确率达到 98.6%。 其次，实时决策引擎构建动态响应机制。基于流式计算框架， 对 12345 热线、舆情监测、IoT 传感器等实时数据流进行毫秒级处 理，结合预置的 200+政务决策规则库，自动触发预警或处置流程。

分折版 123 人 竭 哈的 端 复 2021 年 四 单位党相职 度地织生话会 62.12% 3+ 125 次 呈现场景化，党务情况“一图看透” 输出的报表不仅是数据罗列，更能智能匹配可视 化形式如柱状图对比支部差异、折线图展示时间 趋势等。 操作零门槛，全局情况“张口即得” 打破传统技术壁垒，只需用自然语言提问，系统 即时输出对应报表，实现“想问就 问、 统自动向流出地、流入地党组织双预警，触发“专人联系”机制；同时推送“组 织关系转接指南”“线上支部加入入口” , 降低失联风险，避免形成“口袋党员”。 送学上门：靶向服务破解“参与难” 针对识别出的流动党员，自动匹配“轻量化学习包” , 结合其登录习惯推送；同 步关联流入地支部，推送“就 近 参与 活动”提醒。变“坐等参与”为“主动适配” , 确保“人在流动，学习 不断线”。 入党时间： 2024-05-06 全覆 盖 线上学习资料包 根据特定场景、特殊人群进行 学习资料包送学上门，精准推 送学习包到 党员手机 上 分级分类、线上线下结合，实现培训不重复、不遗漏的精准培训体系，形成从“学前智能匹配 - 学中精准管理 - 学后科学考评”的机制 线上云课堂 线上组课，线上开班，学员随 时随地参与。 智能排课 根据培训类型、培训对象等标 签，智能选取生成培训课程表 智能组班 自动创建班级

民政大数据应用——救助与慈善 为社会救助提供智慧决策支持： 分析救助系统受助人群情况与慈善项目管理系统中捐助人进行智能匹配，提供决策支 持，为帮扶对象牵线搭桥，进行直接帮扶。 如帮扶对象的婴幼儿先心病治疗、老年白内障 治疗等。 救 助 慈 善 决策支持 信息匹配 解决慈善资金闲置或滥用，而需要救助的对象得不到慈善资金 /75 页 二 民政大数据应用——志愿者服务 解决志愿者闲置，而需要帮助的对象得不到相应帮助问题 解决志愿者闲置，而需要帮助的对象得不到相应帮助问题 基层政权与社区建设 志愿者队伍建设信息系统 （志愿者信息） 救助科 最低生活保障管理系统 （低保对象） 优抚安置 优抚管理系统 （优抚对象） 智能匹配 智能匹配 21 /75 页 气象局（自然灾害预 警） 救灾处（救灾物资筹 备） 社区建设（组织志愿 者） 慈善总会（发动社会募 捐） 发 出 预 警实 施 预 案 解决发生自然灾害后救灾启动不及时，志愿者安排不妥等问题

模式功能受限 核心能力 1 ：身份甄别 • 在救助接待环节，工作人员需要甄别求助人员的真实身 份，甄别求助人员是否属于救助范围、是否有欺瞒行为， 防止跑站行为。 • 通过结合身份证读取、指纹匹配、人脸识别等智能化技 术手段，提高对受助人员的身份甄别能力，建立规范的 受助人员档案库，确保受助人员信息的准确性、唯一性。 实时视频 照片 视频录像 数据源 人脸识别比对 人脸定位检测 别求助人员是否伪造证件，还可以减少人工录入操作， 并将设备读取到的资料、指纹、照片与受助人员档案库 进行比对，快速识别跑站。 • 指纹匹配：指纹具有终身不变性、唯一性和方便性，是 重要的生物特征。即使求助人员没有任何身份证件，也 能够通过指纹匹配，快速查找求助人员的档案信息。 • 人脸识别：基于人的脸部特征信息，结合现成的大量受 助人员图片库进行身份识别，使用更加便捷、高效，大 大地增强身份甄别能力。

服务； f) 宜支持根据用户的问答内容，给出推荐问题，提升用户提问效率。 8.2 生成式 BI a) 应支持通过单属性、多属性等简单条件对于对数据库表进行检索查询； b) 应支持通过文本模糊匹配、去见判断、多条件逻辑计算等复杂条件对于对数据库表进行检索查 询； c) 应支持基于列名进行处理后计算，来进行检索查询； d) 应支持基于用户自然语言查询请求找到对应数据表； T/ISC 0079—2025 c) 应支持细粒度权限管控能力； d) 应支持安全审计，能够实时监控、记录各类用户的登录和操作行为，并可以进行集中分析并生 成审计报表。 e) 应支持数据分级分类管理要求，支持建立与数据分级等级相匹配的访问控制机制，确保不同级 别的数据具备差异化的访问授权策略和安全控制措施，保障敏感数据在访问过程中的风险隔离 与合规使用。 9.4.3 可靠性 a) 应支持政务大模型服务多方调用的统一流量管控能力； 政务服务的透明度和公信力，增强用户对政务服务的信任和认可。例如，针对某项税收政策， 可以生成详细的政策解读报告，帮助用户理解和掌握政策内容； c) 宜具备政策生成与推演能力，涵盖政企匹配、政策调优建议和文案生成等能力，实现企业画像 与政策画像精准匹配，提供符合用户意图的政策调整建议，自动生成政务文本，提升政策制定 与执行的精准性和效率，促进政务服务的智能化和便捷化； d) 政务服务大模型宜对政务数据进行全面深入

适用于实时响应的查询  Phoenix 提供 SQL 查询接口，同时提供表索引功能  Solr 提供快速的全文检索，适合模糊匹配的索引功能  HBASE 更适合结构化或非结构化数据存储 由于 HBaze 数据查询具备的以上特点，可用于支持下游应用系 统的数据服务、全文检索查询服务、模糊匹配查询服务等。可支持 如网格化管理系统的数据支持服务、数据导出服务、决策系统的数 据分析与挖掘服务等。并且支持 其有关系其它元数据的数据浏览；支持非结构化以及预定义项的数 据查看。  浏览视图切换 支持用户自定义视图的切换，更贴近用户的浏览习惯。  高级检索 提供包括元数据中英文名称在内的模糊匹配以及元数据类型的 匹配。 3.5.4.1.4.3元数据应用分析 1、影响分析 通过图形化等的方式，以当前分析元数据对象为中心，分析并 展现后续数据加工关系中的元数据对象及之间的加工逻辑。 94 大数据云平台实施方案 时还要 考虑源表不同的因素，主键字段的定义需要由模型人员给出。  代码检查：大数据平台建设中，需要把各个业务系统的代码 映射归类到大数据平台编码，但数据中的代码存在与大数据平台中 的代码不匹配的情况，所以需要将目标表中的代码与对应的代码表 中的代码进行同一性检查。  参照完整性检查：大数据平台的参照完整性检查，是对于各 主题的主表与子表间的主键引用完整性的检查，比如协议中的参照

整个自主可控信息环境、网络生态系统的更新、升级，适配中心是最重要的环节 目前各应用单位的业务软件比如协同 OA 办公系统、门户网站系统，很多都是基于 微软等国外操作系统开发，这些软件能不能在其他自主开发的硬件基础上使用， 要通过匹配测试进行相应调整，也就是“适配”。自主可控是一条规模庞大体系完整 的产业链，从最上游的半导体材料，再到核心芯片、元器件、基础软件，再到整 机，基础软件等，相关软硬件众多，应用单位投入的时间成本、费用等要求较高。 虚拟化迁移方案 迁移方式选型 第 90 页 根据信息收集的结果，分析各应用系统特点，包括重要程度、与其他业务系统 的关联关系、是否允许离线迁移、允许离线的时间窗口等因素，然后为每个应 用系统制定相匹配的迁移方式，如下表所示： 虚拟资源计算 在进行虚拟化迁移之前，应对每个应用系统虚拟化迁移后所需的虚拟计算进行 合理的评估和计算，以确保迁移后应用系统的可用性、可靠性和各项性能指标 可满足业务目标。 结构优先选取使用频率最高的简单指令，避免复杂指令。将指令长 第 124 页 度固定，指令格式和寻址方式种类减少。以控制逻辑为主，不用或少用微码控 制等措施来达到上述目的。Arm 架构具有更好的并发性能，匹配业务特征能耗 比更佳，更加灵活丰富的选择，业界热点快速发展。应用软件基于 Arm 架构进 行改造，需要考虑编译脚本的移植，例如 Arm64 平台对应的编译选项-mabi, char 数据类型

整个自主可控信息环境、网络生态系统的更新、升级，适配中心是最重要的环节 目前各应用单位的业务软件比如协同 OA 办公系统、门户网站系统，很多都是基于 微软等国外操作系统开发，这些软件能不能在其他自主开发的硬件基础上使用， 要通过匹配测试进行相应调整，也就是“适配”。自主可控是一条规模庞大体系完整 的产业链，从最上游的半导体材料，再到核心芯片、元器件、基础软件，再到整 机，基础软件等，相关软硬件众多，应用单位投入的时间成本、费用等要求较高。 虚拟化迁移方案 迁移方式选型 第 90 页 根据信息收集的结果，分析各应用系统特点，包括重要程度、与其他业务系统 的关联关系、是否允许离线迁移、允许离线的时间窗口等因素，然后为每个应 用系统制定相匹配的迁移方式，如下表所示： 虚拟资源计算 在进行虚拟化迁移之前，应对每个应用系统虚拟化迁移后所需的虚拟计算进行 合理的评估和计算，以确保迁移后应用系统的可用性、可靠性和各项性能指标 可满足业务目标。 结构优先选取使用频率最高的简单指令，避免复杂指令。将指令长 第 124 页 度固定，指令格式和寻址方式种类减少。以控制逻辑为主，不用或少用微码控 制等措施来达到上述目的。Arm 架构具有更好的并发性能，匹配业务特征能耗 比更佳，更加灵活丰富的选择，业界热点快速发展。应用软件基于 Arm 架构进 行改造，需要考虑编译脚本的移植，例如 Arm64 平台对应的编译选项-mabi, char 数据类型