中国社保网社保新闻政策法规社保查询维权案例社保观点社保知识医疗保险生育保险养老保险工伤保险失业保险住房公积金办理指南社保问答社保计算器
当前位置:首页 > 社保新闻 >

让社保大数据“活起来”(民生·民声)

 字体时间:2017-06-16来源: 中国社保网编辑:社保网-夏宇

●数据不是为了当摆设,关键是要依托数据使制度安排更加科学,背后的改革也要尽快突破

第10亿张社保卡近日送到参保者手中,社保卡所承载的大数据也引起广泛关注。

这数据的确够“大”——看参保人数,已达10亿,最终将实现“人手一卡”;看年龄跨度,从出生不久的婴儿到耄耋老人,都有自己一张卡;看功能,持卡挂号看病 、持卡取养老金、持卡领补贴、持卡消费……功能上百项,新数据随时在生成。“记录一生、保障一生、服务一生”是社保卡的发展目标。从1999年首张社保卡诞生至今,“记录一生”已基本实现。然而,谈到“保障”“服务”,与老百姓的期望显然还有距离。办理社保业务,为何还总要一趟趟跑?单位未按员工实际工资缴纳社保,监管部门为何不能及时发现?社保“全国漫游”呼吁这么多年,为何仍然未能实现?老百姓的种种不满,指向社保大数据的不足之处:数据有了,但运用得还不够“活”。

数据不是为了当摆设,关键是要依托数据使制度安排更加科学。知道“是什么”,方知“怎么办”。过去,不少与百姓生活息息相关的领域底数不清,使政府决策格外为难,既担心政策走偏、好心收不到好效果,又发愁缺少数据支撑,政策措施难以解释清楚、让人信服。有了大数据,社保总体状况清楚,为精准施策打下了基础。政策制订方首先应回头检视:既有政策是否还存在不尽合理、不够完善的方面?哪些人的养老保险还是空白?流动就业时最容易“断”的险种是哪个?社保经办方也要用好数据,看看哪些流程可以简化调整,最大程度便利百姓。对于老百姓的新诉求,也要用好数据,分析研判,让新政策更科学、更接地气,赢得绝大多数人的认同。

社保大数据,不能关在自己的小天地里。异地领养老金,先要“证明自己活着”——这样的事着实荒诞。防止养老金冒领,难道没有更好的方法?事实上,随着信息技术的迅猛发展,许多行业都拥有了属于自己的数据信息库。参保者生存认证,完全可以借助社保大数据与公安户籍、民政殡葬、医院治疗、社区人口管理等数据信息进行动态比对,实时掌握参保人的状况。每一类数据都有其局限性,打破部门间、行业间的障碍,实现信息联网共享,数据可以释放更大的力量。

想让数据“活起来”,背后的改革要尽快突破。异地就医、异地养老,只要一涉及“异地”,参保者就发愁:要奔走、要开证明甚至还要垫资……此前,许多人以为只要建起全国统一的平台、完成数据联网,“漫游”难题就会迎刃而解。今天,统一标准的社保卡已覆盖10亿人,为何一些正常的社保诉求仍然做不到“全国通”?说到底,社保漫游,不是难在技术,而是难在“转出地”与“转入地”政府间利益的重新分配。社保目前以省级统筹为主,个别地方甚至还是市县级统筹,征缴方往往将收上来的社保基金看作本地资源,总想着“少花点、多收点”。如果政策不调整、地区间利益壁垒不打破,即使数据覆盖13亿人,也只是电脑里的一个个数字。

汇总10亿参保者的大数据,无疑是了不起的进步。老百姓珍视手中的社保卡,也希望相关部门能用好大数据、让百姓真正受益。这给社保既有运行方式带来新挑战,也考验着社保改革攻坚克难的勇气。(亦彤)

“让社保大数据“活起来”(民生·民声)”由中国社保网收集整理编辑。

本文地址:http://www.shebaodata.com/xinwen/153731.html

为了社保知识的普及、信息的传播,中国社保网欢迎您转载分享。但请注明文章出处并保留完整链接。否则我们将保留追究其版权责任的权利!

【免责声明】文章采自网友投稿刊登及网络转载,本文仅代表作者本人观点,与本网站无关。本网站对文中陈述、观点判断保持中立,对文中内容的真实性和完整性不作任何保证或承诺,仅供读者参考交流。中国社保网是一个公益性质网站。文章版权永归原作者所有。如有异议,请联系我们
本文已帮助

最新刊登

1

赞助商链接

猜你喜欢

今日热点

【以案说法】自愿放弃社保,可以吗?

点击排行榜

  • 新闻
  • 观点
  • 政策
  • 案例
  • 知识
  • 办理
  1. 2016事业单位事假、休假、病假的有关政策规定
  2. 2017年上海最新社保缴费基数上下限一览表
  3. 国家医保局:全国跨省异地就医直接结算达93万人次
  4. 社保怎么补交?农村户口的要怎么补交社保费?
  5. 2017年已经到来:社保卡等新规你必须知道
  6. 内蒙古社保卡进度查询
  7. 2016公务员最新级别工资一览表
  8. 个人可以补缴社保吗?个人补缴社保流程
  9. 社保断了需要补交吗?中断之后如何补缴?
  10. 2015机关事业单位职业年金单位缴费比例

随机推荐