貴州依託大數據探索新路徑 精準扶貧走上“雲端”

中國新聞來源:人民日報 2016年08月18日 04:40 A-A+
掃一掃 手機閱讀

我要分享

QQ空間新浪微博騰訊微博QQ微信

原標題：

　　作為精準扶貧的基礎性工作，扶貧信息的精準至關重要。貴州充分依託大數據、雲計算創新扶貧開發手段，通過打造全省“扶貧雲”平臺，探索“互聯網+”扶貧新模式。“扶貧雲”針對不同原因、不同類型的貧困對象，對症下藥、精準扶貧、精準脫貧，對區域性貧困人口，大力實施扶貧生態轉移工程，從根本上幫扶解決生計問題，增強貧困地區、貧困群眾發展內生動力。

　　扶貧信息透明化

　　在貴州省黔西縣協和鎮楊柳社區的花卉基地裏，150多畝非洲菊開得燦爛，61歲的周學芬正弓著腰一支支地採摘，“10畝多地流轉給基地有保底分紅，每個月還有1200元的務工費，我和老伴兩個人就有2400元，去年一年就存了2萬多塊錢。”

　　周學芬一家是2014年被認定的貧困戶，老兩口腿腳不靈，伺候不動這十來畝土地，加之老伴王開富此前患病，光看病就欠下1萬多元的債務。去年省裏建設扶貧雲管理平臺，系統顯示，通過住房、勞動力等各項指標評估，他家的致貧原因為疾病和缺少發展資金。

　　2015年初，村裏引進企業搞花卉種植，首先就把周學芬一家納入了。有了産業覆蓋，手頭日漸寬裕，當年底周學芬家便摘掉了貧困戶的帽子。不過，現在在貴州省扶貧辦&&開發的“扶貧雲”系統上，仍然可以查詢到周學芬一家的信息，系統顯示，通過各項指標評估，他家的得分為69分，已達脫貧標準。

　　“一時的收入提高並不能代表貧困戶就此和貧困徹底訣別，扶上馬送一程，通過系統動態監控隨時了解其産業、疾病、教育等情況，防止其因偶然因素返貧。”貴州省扶貧辦總農藝師周興説。

　　不止周學芬一戶，貴州全省623萬（統計數字截至2014年底，包括已脫貧的120余萬人）貧困人口的信息在“扶貧雲”系統上顯示得清清楚楚。點開系統，大到全省的貧困現狀，小到一個村的地形地貌、産業分佈，乃至一戶貧困戶的住房、人口、收入等情況，圖文並茂，一目了然。

　　依託大數據和雲計算， 2015年12月，“扶貧雲”上線運行，實現大數據對貴州扶貧開發工作的精準管理、動態管理、科學管理，扶貧信息公開透明。

　　一塊顯示屏，一張貴州地圖，跳動的數據將區域內外出務工、貧困現狀、致貧原因等信息實時呈現出來……貴州將精準扶貧的切入點放在精準識別上，摸清貧困人口數量和情況，在“扶貧雲”管理系統上建檔立卡，實現貧困人口識別的量化、貧困程度深淺的可視化。

　　根據系統實時顯示，截至6月17日，貴州還有貧困人口約493萬人，貧困發生率為14.37%，貧困農民人均可支配收入為6681.68元，貧困縣66個，貧困鄉鎮928個，貧困村9000個。

　　貧困評估具象化

　　“開展扶貧工作首先要識別貧困人員，而通過大數據甄別貧困人口是精準識別的第一步。”周興説，“扶貧雲”最大的特點，就是通過入戶走訪調查採集貧困戶資料，以“四看法”為基礎形成一套科學合理的貧困評估體系。

　　據介紹，這套四看法評估體系——一看房、二看糧、三看勞動力、四看讀書郎，共80多項指標，以餅圖的方式，展示省、市州、縣、鎮、村的情況。其中，房的餅圖構成包括：人均住房30平方米以上、10—30平方米、10平方米以下；糧的餅圖構成包括：耕地2畝以上、1—2畝、1畝以下、沒有耕地；勞動力的餅圖構成情況包括：勞動力佔家庭人口數的50%以上、40%、20%以下、沒有勞動力；讀書郎的餅圖構成包括：沒有教育負債、5000元以下、5000—10000元、10000元以上。通過四看法展示貧困人口（戶）的貧困分值和分佈，以及對貧困人口進一步定位採取什麼樣的幫扶措施。

　　周興表示，“扶貧雲”通過大數據將各項指標整合起來形成一個脫貧指數，60分以下的是真正的貧困戶，60—80分是達到脫貧標準但極易返貧的貧困戶，80分以上是穩定脫貧的貧困戶，以此作為輔助認定貧困戶的標準。“以往貧困戶退出只是簡單考察其收入、住房和有無輟學子女，以定性分析為主，現在則通過系統將各項指標具象化，更加科學合理。”

　　此外，通過“扶貧雲”可以對責任鏈、任務鏈、項目資金鏈進行實時監督，抓好每一個環節的落實情況，實現精準扶貧。

　　貴州目前每年約有50億元項目資金，到村項目在1萬到1.5萬個之間，如何確保這些項目落到實處是個難題。“扶貧雲”技術開發方浪潮集團開發經理趙偉表示，“扶貧雲”以GIS（地理信息系統）為基礎，以移動終端為載體，建成以建檔立卡貧困戶和項目資金為重點的扶貧工作移動巡檢系統，“扶貧雲矢量模型的電子地圖已經擴展到16層，達到1：5000比例尺，對貧困戶、扶貧項目的定位已精準到村級，實現對扶貧項目隨時抽查、隨地核查。”

　　幫扶措施動態化

　　通過對數據的提取分析，“扶貧雲”還能展示貧困人口的致貧原因，包括：因病、因殘、因學、因災、缺土地、缺水、缺技術、缺勞力、缺資金、交通條件落後、自身發展動力不足等，通過致貧原因分析，協助制定精準的扶貧措施。

　　系統數據顯示，致貧原因前三位為缺資金、缺技術和因學致貧，分別佔比為30.0%、17.2%和14.7%。

　　趙偉表示，“扶貧雲”旨在通過大數據技術，擴大信息採集的渠道，提高數據加工能力和效率，深度挖掘數據的價值，為扶貧工作提供真實可靠、及時全面的決策數據，為最終實現精準扶貧和精準脫貧保駕護航。

　　精準識別的目的是為了精準幫扶脫貧。

　　“通過大數據技術，掌握貧困人口信息、致貧原因等後，我們將圍繞幫扶結對情況、幫扶計劃制定、幫扶計劃落實情況、幫扶措施情況，針對省、市州、縣、鎮、村，分別監測結對、幫扶計劃、幫扶項目落實情況，識別出已落實、未落實的貧困人口分佈，關聯顯示幫扶的人或單位等相關信息。通過幫扶情況分析，清晰了解省、市州、縣、鎮、村貧困人口的實際幫扶情況，協助幫扶任務的落實。”周興説。

　　貴州省副省長劉遠坤表示，利用大數據來實施精準扶貧，專門建“扶貧雲”，可以真正把對象搞精準、把原因搞清楚、把管理搞規範，做到因戶施策、因人施策。系統顯示，貴州目前已錄入的1554196戶貧困戶、4888885貧困人口已被全部納入幫扶計劃，實現了對症下藥、精準滴灌、靶向治療。

　　製圖：蔡華偉