CN109189826A - 一种基于大数据的政务服务系统 - Google Patents

Abstract

本发明公开了一种基于大数据的政务服务系统，该系统的网络架构分为内网部分、外网部分和容灾备份部分，内网部分接入政府相关单位，实现各单位内、外横向数据的交换和共享，外网部分用于接入互联网，提供互联网接入服务，内网部分和外网部分通过网闸设备隔离开。本发明的政务服务系统是面向各级政府而设计的，实现对政务服务各维度数据的整合挖掘分析功能。

Description

一种基于大数据的政务服务系统

技术领域

本发明涉及大数据分析技术领域，尤其涉及一种基于大数据的政务服务系统。

背景技术

电子政务大数据是指政府机构通过广泛应用计算机技术，推动政务活动方式的信息化，提高行政效率，加快民主决策进程，向社会提供快速、透明、高效的管理与服务过程中所产生的类型复杂的海量数据。

据中国互联网数据中心的报告显示，2016年，全球被创建和复制的数据总量为1.8ZB，2017年，生成这样规模的信息量只需10分钟，而在如此庞大的数据中，只有10％的数据是存储在数据库中的结构化数据，其余的则是由邮件、视频、微博、页面点击等产生的大量的半结构化数据和非结构化数据。数据显示，政务部门集成的数据占社会总量的90％以上。尤其是在大数据时代，政务部门数据的类型已多样化，包括结构化数据、半结构化数据和非结构化数据。如何采集、保存、维护、管理、分析、共享正在呈爆炸性增长的电子政务大数据是目前政府而临的突出问题。

目前利用大数据分布式技术的强大处理能力，可以成为挖掘大数据内部价值的有效工具。传统的电子政务数据管理以收集和存储为主，在海量数据环境下，电子政务大数据的重点将侧重于政务数据的挖掘与分析，用于服务政府的管理与决策。在大数据背景下政府部门推进电子政务的建设，多使用了统一的平台和服务，从而实现多部门的协同办公、统一账户和管理，针对“信息孤岛”和“业务割据”等问题，有效遏制了其带来的管理风险，在大数据环境下为实现“一体化政府”和“一站式服务”目标创造了有利条件。借助大数据技术的应用发展，发挥技术上的优势，实现“跨越式”发展。

发明内容

本发明提供了一种基于大数据的政务服务系统，该系统是对政务服务系统监测数据的全方位智能反馈，能够辅助主管领导了解政务服务系统整体运行状况，挖掘不同类型数据间的相关关系，从而制定更加科学的决策机制。

本发明所采用的技术方案如下：

一种基于大数据的政务服务系统，该系统的网络架构分为内网部分、外网部分和容灾备份部分，内网部分接入政府相关单位，实现各单位内、外横向数据的交换和共享，外网部分用于接入互联网，提供互联网接入服务，内网部分和外网部分通过网闸设备隔离开，其特征在于：

所述政务服务系统包括数据源层、数据采集层以及数据应用层，所述数据源层包括数据库服务器、虚拟化服务器以及大数据服务器，所述数据采集层包括数据抽取、数据清洗、数据转换以及数据加载4个部分，所述数据应用层包括业务量数据分析、人流量数据分析、服务对象数据分析、排队现象分析、办理超时分析、工作饱和度分析、满意度数据分析、监督检查数据分析、投诉数据分析以及异常数据分析。

进一步的，所述数据库服务器用于处理大量的数据存储、查询、计算和修改，存放着大量关键的信息和数据。

进一步的，所述虚拟化服务器由控制管理中心、计算池、共享式存储池三部分组成。

进一步的，所述控制管理中心用于对整个虚拟化服务器进行管理监控，所述计算池用于为应用软件提供按需配置的运行环境，所述共享式存储池用于完成存储资源整合以及资源的池化，实现存储资源的按需分配和弹性伸缩。

进一步的，所述大数据服务器包括hadoop环境、在线检索集群、MPP数据库、流式处理集群、数据管道。

进一步的，所述hadoop环境中保存有全量数据，并部署HDFS、Hbase、spark组件，其中结构化数据存储到Hbase中，非结构化文件保存到HDFS中；

所述在线检索集群，用于部署solrcloud以实现结构化及非结构化数据的快速检索；

所述MPP数据库，用于结构化数据的统计分析及检索；

所述流式处理集群，用于数据同步过程中的预处理；

所述数据管道集群，包含数据同步工具和数据总线，用于处理数据同步，并在数据同步过程中对接流式计算集群实现数据预处理。

进一步的，所述数据采集层包括数据抽取、数据清洗、数据转换以及数据加载4个部分。

进一步的，所述业务量数据分析用于对政务服务系统的业务量进行分析，将业务量最大的业务进行排名，从而计算重点业务的承载力；

所述人流量数据分析用于根据人流量与业务量的关系，分析有效业务办理人数，根据历史数据的设定阈值，提供实时的人流量激增预警功能；

所述服务对象数据分析用于精准分析政务服务系统的办理人群数据，对地域、性别、年龄、来访次数等维度进行关联分析，对特定人群制定相应的预案；

所述排队现象分析用于根据历史数据定义排队现象阈值，提供实时的排队压力预警功能，将政务服务系统内排队现象严重的单位进行排名，横向对比时间段、窗口、人员、业务类型等数据，分析排队原因，生成窗口规划建议；

所述办理超时分析用于依据日常办理时长对窗口工作制定办理超时预警，汇总办理超时数据将办理超时严重的窗口突出显示，分析形成办理超时的原因，生成工作建议；

所述工作饱和度分析用于根据窗口工作的时间间隔以及等待时长、办理时长、空闲时长综合分析其工作饱和度，根据窗口的工作饱和度给予合理化建议；

所述满意度数据分析用于根据评价器的评价结果数据结合相关考评细则计算政务服务大厅的总体满意率及单位和窗口的满意度分数，低于指定分数线的则显示为预警状态，并形成工作建议；

所述监督检查数据分析用于整合执行人员日常的监督检查数据，通过大数据分析系统的计算模型计算出单位及窗口的指标项得分情况，从时间和指标项类型等多个维度进行指标项数据综合分析，对突出扣分问题预警显示，形成合理化建议；

所述投诉数据分析用于根据网络渠道以及电话渠道汇总整理投诉数据，分解投诉类型进行分析，以时间轴的展现形式分析投诉频次问题，对于单月内投诉次数最多的现象标红预警，并生成工作建议；

所述异常数据分析用于自动筛选异常数据，对异常数据进行分类整合，直指相关单位及窗口。

本发明的技术方案所能获得的有益效果包括：

1、本发明的政务服务系统是面向各级政府而设计的，实现对政务服务各维度数据的整合挖掘分析功能，例如分析大厅的工作效率、服务质量和服务效能等情况，如办理用时分析、等待时长分析、窗口工作饱和度分析等，并生成各类数据图表、统计报表。

2、本发明的政务服务系统通过外部硬件接口和数据采集系统，以横向、纵向、实时三维模式广泛采集数据，对多维度的数据进行提炼整合，对提炼出的数据进行有目的快速分类，通过预测模型的算法进行数据预处理，从中找到有价值，潜在的信息。提高决策指标信息含量和科学性，推进决策指标量化，完善决策支持系统和决策机制。

3、政务服务系统发挥对全市各级政务服务的监督检查数据进行处理分析与评价的作用。通过将各级政务服务大厅人流量、咨询量、工作量、办结时间计算、取号叫号数等运行数据以及电子监督、满意度评价、舆情监测和投诉监测等评价获取的各维度数据进行清洗、关联、对比、标注等预处理整合形成高质量的合格数据，通过模型构建、集合碰撞、数据分析、数据预测和深度挖掘等方式对数据进行处理。

4、通过大数据积累实现人物全息画像功能，辅助了解办事人群、窗口人员的特点、分类和规律，从而更有针对性的改善服务方式，提高群众的满意度。通过在窗口分布规划建议、安保、服务工作建议、群众情绪预测、办理高峰预测等方面进行大数据分析，提高政务服务工作的精细化、精准化、精致化水平，为全市政务服务的科学决策提供参考和依据。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为该政务服务系统的网络架构的组成示意图；

图2为该政务服务系统的功能架构的组成示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

大数据技术的战略意义不仅仅在于掌握庞大的数据信息，而是侧重于对这些数据进行专业化处理从而得出其内部含有的特殊意义。大数据不适用于单台的物理机进行处理，需要通过分布式架构。大数据的特色在于对现有的海量数据进行分布式挖掘，但它需要依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。政务服务系统框架，以促进现代功能的应用，根据不同类型的数据源，数据收集的数据分析为手段，以增强推进政府社会管理能力为着力点，公共服务能力的现代化，社会发展和现代化的自主性为目标的利用率，提高政府对现代管理的整体水平。

政务服务系统采用混搭模式，一方面不改变已有的原始数据的存储和管理方式；另一方面，采用大数据新技术处理原有方式不能处理的新数据，重点是对非结构化、新数据的处理。将基于分布式数据仓库、ETL等功能开发。其中ETL是抽取、转换和加载，并提供支撑工具集、分析工具集、开发测试工具集等二次开发接口，为后期的扩展带来便利。

政务服务系统网络架构政务服务系统网络架构的总体上宜遵循区域化、层次化和模块化的设计理念，提高承载业务系统的可扩展性、安全性和可管理能力。图1为该政务服务系统的网络架构的组成示意图。

政务服务系统网络架构从功能上分为内网部分、外网部分和容灾备份部分(未示出)。内网部分接入政府相关单位，实现各单位内、外横向数据的交换和共享，外网部分主要用于接入互联网，提供互联网接入服务。内网部分和外网部分通过网闸设备隔离开，充分保证网络的安全性。当出现业务中断后，可以通过启用灾备数据业务系统，为各业务单位提供服务。

图2为该政务服务系统功能架构的组成原理图，政务服务系统功能架构主要由以下几部分组成：

(1)数据源层：

所有分析展示的基础数据来源，包含政府内部各部门之间的数据，并涵盖了外部数据源社区。如目前应用的信息系统及关联的数据、和外部单位共享传输的关联数据，以及接入的互联网公开数据等。

数据源层中包括有数据库服务器、虚拟化服务器以及大数据服务器，上述各类服务器承担的功能有所不同。

1)数据库服务器，主要任务是处理大量的数据存储、查询、计算和修改，存放着大量关键的信息和数据。一旦数据库系统发生异常错误或导致数据的丢失，其损失将是灾难性的。因此，数据库服务器宜采用集群系统，实现了冗余，大大提高了系统的安全性及稳定性。

2)虚拟化服务器，通过服务器虚拟化技术可以在一台物理服务器上创建多个不同的虚拟机，可以部署不同的操作系统，部署不同的业务应用，每个虚拟机之间相互隔离。数据源层中的虚拟化服务器系统由三部分组成：控制管理中心、计算池、共享式存储池。

●控制管理中心：对整个虚拟化服务器进行管理监控，是整个系统的管理端。

●计算池：主要提供对应用透明的计算资源，为应用软件提供按需配置的运行环境。

●共享式存储池：完成存储资源整合以及资源的池化，实现存储资源的按需分配和弹性伸缩。

3)大数据服务器，基于Hadoop生态体系，用于提供大容量数据存储、分布式并行数据计算与实时查询分析等能力，存储各类基础数据、主题数据等；根据Hadoop体系下的大数据处理开发基础扩展能力，屏蔽了底层大数据技术的使用难度，用户需要进行大数据分析计算时，与对应的数据进行结合后形成作业，从而加载到计算资源上执行，最终形成分析结果反馈给上层服务。

大数据服务器包括hadoop环境、在线检索集群、MPP数据库、流式处理集群(未示出)、数据管道(未示出)。全量数据保存在hadoop环境中，部署HDFS、Hbase、spark组件，其中结构化数据存储到Hbase中，非结构化文件保存到HDFS中，nosqlhbase与HDFS部署同一套hadoop环境中。在线检索集群，部署solrcloud实现结构化及非结构化数据的快速检索。MPP数据库，用于结构化数据的统计分析及检索。流式处理集群(storm)，用于数据同步过程中的预处理，该环境为计算密级型可以使用虚拟化环境承载。数据管道集群，含数据同步工具和数据总线，用于处理数据同步，并在数据同步过程中对接流式计算集群实现数据预处理。

(2)数据采集层：

数据清理，整合和整合不同来源，实现对数据资源池中各类数据资源的集成。利用ETL工具，实现跨系统、跨部门、跨区域的异构数据源原始数据的融合与处理，支持结构化、半结构化与非结构化数据，依据数据存储形式的不同，实现数据采集的技术手段将有所不同。

ETL数据处理过程包括数据抽取、数据清洗、数据转换以及数据加载4个部分，ETL数据处理是一项持续性的工作，更是数据采集层功能的生命线。

1)数据抽取

数据抽取阶段主要根据政务系统各业务调研制定的规范，把分布在政务系统各业务的数据抽取到数据仓库的临时层，在抽取时除了要遵守业务调研的数据标准之外，还需要特别注意以下这些方面：

●数据源类型，关系型数据库、其他外部数据、手工录入的数据；

●命名规范，数据接口文件的命名、数据文件交换存放的路径名、文件流水格式的约定；

●数据内容，为数据项的长度、类型和数据项之间相互的关系；

●抽取周期，明确政务系统各业务之间数据抽取的频次；

●时间戳，政务系统各业务源到数据采集层中的数据，在加载时的加载时间戳；

●抽取策略，分在线实时抽取和定时批量抽取，数据加载有全量加载和增量加载方案两种。

2)数据清洗

数据清洗是消除数据中的错误和不一致，并解决对象识别问题的过程，包括标准化处理、空值处理和不一致数据处理。数据清洗工作主要在近源层完成，其任务是过滤不完整的、错误的、重复的三大类不符合要求的数据。清洗时结合一定的业务规则将数据值进行标准化。

3)数据转换

数据转换也是在近源层完成，即将源系统抽取的数据，经过不同的算法处理，并将数据处理成数据仓库特定的存储模式。数据转换的任务主要是进行不一致的数据转换、数据粒度转换和一些业务规则的计算。ETL的转换规则由业务需要定义，一般有合并、汇总、拆分、转换、过滤、排序等，在转换过程中，必须保证数据的正确性、完整性和一致性。

4)数据加载

数据加载就是在数据采集层中经过数据转换、清洗后，按一定的方式把数据存储到数据采集层中。数据采集层中的表都是按照事先设计好的模型创建的，如事实表、维度表、汇总表等，每天都需要按照制定的加载策略把新的数据更新到这些表中。

(3)数据应用层：

该层是大数据应用的重要技术环节。该层用于提供大数据治理服务，定义数据标准与执行数据质量控制策略，提高数据的标准化程度与可用性；提供大数据可视化分析服务，将抽象、海量的数据，通过不同颜色、形状和组合的图表进行直观、炫酷的分析与展现，真实、丰富、立体地反映数据指标、特性及其关联关系，便于用户进行可视化决策；提供各类系统及应用运维服务。

该层可以设计并形成各类与政务管理相关的报表及应用，如数据统计，将多个维度，要把握全局和动态的统计汇总，实现对电子政务相关业务数据不同纬度的各类指标分析；并实现对各类政务的信息展现与数据智能决策，包括数据挖掘、预测分析、决策支持等。其中，挖掘分析是基于数据模型方法之间的关系的使用和分析的统计结果，发现隐藏的数据和重要的价值之间的内部数据；预测分析是基于统计总结和挖掘分析，提供专业的预测模型；将问题识别与发展趋势相结合，决策支持可为用户提出相关参考。从实现功能的角度，该数据应用展示层具有以下功能模块：

1)业务量数据分析

对政务服务系统的业务量进行分析，将业务量最大的业务进行排名，从而计算重点业务的承载力。

2)人流量数据分析

根据人流量与业务量的关系，分析有效业务办理人数，根据历史数据的设定阈值，提供实时的人流量激增预警功能。

3)服务对象数据分析

精准分析政务服务系统的办理人群数据，对地域、性别、年龄、来访次数等维度进行关联分析，对特定人群制定相应的预案。

4)排队现象分析

根据历史数据定义排队现象阈值，提供实时的排队压力预警功能。将政务服务系统内排队现象严重的单位进行排名，横向对比时间段、窗口、人员、业务类型等数据，分析排队原因，生成窗口规划建议。

5)办理超时分析

依据日常办理时长对窗口工作制定办理超时预警，汇总办理超时数据将办理超时严重的窗口突出显示，分析形成办理超时的原因，生成工作建议。

6)工作饱和度分析

根据窗口工作的时间间隔以及等待时长、办理时长、空闲时长综合分析其工作饱和度，根据窗口的工作饱和度给予合理化建议。

7)满意度数据分析

根据评价器的评价结果数据结合相关考评细则计算政务服务大厅的总体满意率及单位和窗口的满意度分数，低于指定分数线的则显示为预警状态，并形成工作建议。

8)监督检查数据分析

整合执行人员日常的监督检查数据，通过大数据分析系统的计算模型计算出单位及窗口的指标项得分情况，从时间和指标项类型等多个维度进行指标项数据综合分析，对突出扣分问题预警显示，形成合理化建议。

9)投诉数据分析

根据网络渠道以及电话渠道汇总整理投诉数据，分解投诉类型进行分析，以时间轴的展现形式分析投诉频次问题，对于单月内投诉次数最多的现象标红预警，并生成工作建议。

10)异常数据分析

自动筛选异常数据，如：等待时间极长数据、办理时间极长、极短数据、评价器空白数据等。对异常数据进行分类整合，直指相关单位及窗口，依据异常数据可查询窗口工作人员的原始操作数据，可快速找出问题，进行针对性管理。

本发明的政务服务系统的建设目标是成为智慧政务的核心基础设施，它为一个城市的政务建设带来多方面的成效和利益：

●政务服务系统基于云环境部署，不仅有利于降低项目成本，且提升了系统可靠性、灵活扩展性以及安全性；

●政务服务系统采用多种形式集成各类数据，实现了城市数据的全面采集，有利于城市级统一数据库的完备性；

●政务服务系统为部门之间数据的共享交换提供了通道，通过完备的权限申请保证了数据共享安全，同时提供了多种监控功能；支持与不同级别的共享交换平台、政务信息资源目录系统对接，为信息更广泛共享提供便利；

●政务服务系统通过先进的数据清洗融合，对数据进行有效的治理，形成城市级基础数据库以及主题库，为智慧政务统一建设及规划提供了权威的基准数据；

●政务服务系统利用大数据技术，提供了多种灵活的挖掘引擎，结合行业建模，可以快速实现行业应用的智慧预测、专家决策支撑等功能；

●政务服务系统的数据交互入口，在确保数据安全以及隐私的前提下，为政府、企业、市民提供了开放的数据访问通道，有利于开展数据交易，以及城市大数据合作生态圈的建设，进一步实现数据的增值。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于大数据的政务服务系统，该系统的网络架构分为内网部分、外网部分和容灾备份部分，内网部分接入政府相关单位，实现各单位内、外横向数据的交换和共享，外网部分用于接入互联网，提供互联网接入服务，内网部分和外网部分通过网闸设备隔离开，其特征在于：

所述政务服务系统包括数据源层、数据采集层以及数据应用层，所述数据源层包括数据库服务器、虚拟化服务器以及大数据服务器，所述数据采集层包括数据抽取、数据清洗、数据转换以及数据加载4个部分，所述数据应用层包括业务量数据分析、人流量数据分析、服务对象数据分析、排队现象分析、办理超时分析、工作饱和度分析、满意度数据分析、监督检查数据分析、投诉数据分析以及异常数据分析。

2.根据权利要求1所述的政务服务系统，其特征在于：

所述数据库服务器用于处理大量的数据存储、查询、计算和修改，存放着大量关键的信息和数据。

3.根据权利要求1所述的政务服务系统，其特征在于：所述虚拟化服务器由控制管理中心、计算池、共享式存储池三部分组成。

4.根据权利要求3所述的政务服务系统，其特征在于：所述控制管理中心用于对整个虚拟化服务器进行管理监控，所述计算池用于为应用软件提供按需配置的运行环境，所述共享式存储池用于完成存储资源整合以及资源的池化，实现存储资源的按需分配和弹性伸缩。

5.根据权利要求1所述的政务服务系统，其特征在于：所述大数据服务器包括hadoop环境、在线检索集群、MPP数据库、流式处理集群、数据管道。

6.根据权利要求5所述的政务服务系统，其特征在于：所述hadoop环境中保存有全量数据，并部署HDFS、Hbase、spark组件，其中结构化数据存储到Hbase中，非结构化文件保存到HDFS中；

所述在线检索集群，用于部署solrcloud以实现结构化及非结构化数据的快速检索；

所述MPP数据库，用于结构化数据的统计分析及检索；

所述流式处理集群，用于数据同步过程中的预处理；

所述数据管道集群，包含数据同步工具和数据总线，用于处理数据同步，并在数据同步过程中对接流式计算集群实现数据预处理。

7.根据权利要求1所述的政务服务系统，其特征在于：所述数据采集层包括数据抽取、数据清洗、数据转换以及数据加载4个部分。

8.根据权利要求1所述的政务服务系统，其特征在于：

所述业务量数据分析用于对政务服务系统的业务量进行分析，将业务量最大的业务进行排名，从而计算重点业务的承载力；

所述人流量数据分析用于根据人流量与业务量的关系，分析有效业务办理人数，根据历史数据的设定阈值，提供实时的人流量激增预警功能；

所述服务对象数据分析用于精准分析政务服务系统的办理人群数据，对地域、性别、年龄、来访次数等维度进行关联分析，对特定人群制定相应的预案；

所述排队现象分析用于根据历史数据定义排队现象阈值，提供实时的排队压力预警功能，将政务服务系统内排队现象严重的单位进行排名，横向对比时间段、窗口、人员、业务类型等数据，分析排队原因，生成窗口规划建议；

所述办理超时分析用于依据日常办理时长对窗口工作制定办理超时预警，汇总办理超时数据将办理超时严重的窗口突出显示，分析形成办理超时的原因，生成工作建议；

所述工作饱和度分析用于根据窗口工作的时间间隔以及等待时长、办理时长、空闲时长综合分析其工作饱和度，根据窗口的工作饱和度给予合理化建议；

所述满意度数据分析用于根据评价器的评价结果数据结合相关考评细则计算政务服务大厅的总体满意率及单位和窗口的满意度分数，低于指定分数线的则显示为预警状态，并形成工作建议；

所述监督检查数据分析用于整合执行人员日常的监督检查数据，通过大数据分析系统的计算模型计算出单位及窗口的指标项得分情况，从时间和指标项类型等多个维度进行指标项数据综合分析，对突出扣分问题预警显示，形成合理化建议；

所述投诉数据分析用于根据网络渠道以及电话渠道汇总整理投诉数据，分解投诉类型进行分析，以时间轴的展现形式分析投诉频次问题，对于单月内投诉次数最多的现象标红预警，并生成工作建议；

所述异常数据分析用于自动筛选异常数据，对异常数据进行分类整合，直指相关单位及窗口。