一种精准扶贫大数据管理平台及一种精准扶贫的方法与流程

本发明涉及大数据统计分析领域，具体涉及一种精准扶贫大数据管理平台及一种精准扶贫的方法。

背景技术：

随着国家精准扶贫工作的不断进行，精准扶贫的信息化应用系统也越来越多。精准扶贫信息化系统自上而下得到快速应用，实现了从中央到地方的扶贫信息化工作模式，提升了工作效率。

精准扶贫是一个从无到有、逐步完善的过程。实现精准扶贫，需要基于行业扶贫、专项扶贫、社会扶贫和援疆扶贫等扶贫主体力量，运用大数据、移动互联网等先进信息技术构建精准扶贫大数据平台。平台借助大数据技术，深度挖掘数据的价值，为扶贫工作提供真实可靠、及时全面的决策依据，充分发挥现代信息技术在精准扶贫工作中的重要作用。

精准扶贫信息化系统源于2015年，是在国家确定2020年前实现贫困人口全部脱贫时展开和兴起，通过信息化手段技术，对贫困现状和扶贫工作进行信息化管理。扶贫信息化是未来发展的重要方向，不仅操作简便，对扶贫日常工作的展开和督促也起到了极为重要的作用。

随着互联网+和大数据技术地迅速发展，各种“海量数据”极速扩张，“大数据”时代悄然而至，其本身所具有的全新理念及应用技术为政府智能服务等带来了独特的发展前景。如何利用大数据来加快推进大扶贫的改进步伐，最终实现精准扶贫，不仅是各级扶贫开发工作的客观需要，更是加快转变政府职能的内在要求。

目前基于大数据、移动互联网等先进信息技术的扶贫信息管理系统有多种，多依靠表格和图表来实现。而精准扶贫信息数据量庞大，种类繁多，难以直观展现精准扶贫信息数据的地理空间分布情况。并且，由于精准扶贫工作涉及到多个部门，从国家到省(自治区)、到县(区、地级市)、乡(镇)、村(社区)、户，层级较多，国家和省上信息化系统均从上层层面需求出发，不能满足县级及以下单位实际工作需求，因此，现有的精准扶贫信息化系统无法实现真正的精准扶贫。

技术实现要素：

为克服现有技术中存在的缺陷和不足，本发明公开了一种。

本发明通过以下技术方案实现：

一种精准扶贫的方法，包括以下步骤：

s1.对贫困人口的基础数据进行获取，所述基础数据包括所述贫困人口的文化程度、健康状况、劳动技能、致贫原因和务工状况；

s2.对所述贫困人口的地理位置信息进行获取；

s3.对通过步骤s1获得的所述基础数据和通过步骤s2获得的所述贫困人口的地理位置信息进行关联分析，所述关联分析包括行政区域关联分析、文化程度关联分析、健康状况关联分析、劳动技能关联分析、致贫原因关联分析、务工状况关联分析中的至少一种。

进一步的，所述基础数据还包括贫困人口与户主关系、脱贫属性，贫困类型，和扶贫投入中的至少一种。

进一步的，步骤s3所述的关联分析包括行政区域关联分析，所述行政区域关联分析通过以下步骤进行：以行政区域为单位，计算各行政区域的贫困人口占比，所述贫困人口占比＝各行政区域贫困人口数量/统计范围内所有贫困人口总数量；所述行政区域为区、镇、乡或村中的任意一种。

进一步的，步骤s3所述的关联分析包括文化程度关联分析，所述文化程度关联分析通过以下步骤进行：计算所述贫困人口中各文化程度贫困人口占比，所述各文化程度贫困人口占比＝各文化程度贫困人口数量/统计范围内所有贫困人口总数量。

进一步的，步骤s3所述的关联分析包括健康状况关联分析，所述健康状况关联分析包括以下两个步骤中的至少一种：a1.计算所述贫困人口中各健康状况贫困人口占比，所述各健康状况贫困人口占比＝各健康状况贫困人口数量/统计范围内所有贫困人口总数量；b1.对各健康状况贫困人口的地理位置分布进行统计。

进一步的，步骤s3所述的关联分析包括劳动技能关联分析，所述劳动技能关联分析包括以下两个步骤中的至少一种：a2.计算统计范围内具有劳动技能的所述贫困人口的平均收入和统计范围内不具有劳动技能的所述贫困人口的平均收入，或；b2.分别计算统计范围内各具有不同劳动技能的所述贫困人口的平均收入。

进一步的，步骤s3所述的关联分析包括致贫原因关联分析，所述致贫原因关联分析通过以下步骤进行：计算所述贫困人口中各致贫原因贫困人口占比，所述各致贫原因贫困人口占比＝各致贫原因贫困人口/统计范围内所有贫困人口总数量。

进一步的，步骤s3所述的关联分析包括务工状况关联分析，所述务工状况关联分析通过以下步骤进行：计算各行政区域的务工贫困人口占比，所述各行政区域的务工贫困人口占比＝各行政区域的务工贫困人口数量/各行政区域的贫困人口总数量。

进一步的，还包括对扶贫效果进行周期统计评估，所述周期统计评估通过以下步骤进行：计算当前统计周期扶贫效果，所述当前统计周期扶贫效果＝(当前统计周期脱贫人口数量/向前一个统计周期脱贫人口数量-向前一个统计周期脱贫人口数量/向前两个的该统计周期脱贫人口数量)×100％，所述统计周期为月度、季度或年度中的任意一种。

一种精准扶贫大数据管理平台，包括数据采集模块、地理位置信息收集模块、数据分析模块、扶贫对象管理模块和扶贫效果统计模块；所述数据采集模块用于获取贫困人口的基础数据，所述基础数据包括所述贫困人口的文化程度、健康状况、劳动技能、致贫原因和务工状况；所述地理位置信息收集模块用于对所述贫困人口的地理位置信息进行获取；所述数据分析模块用于对所述基础数据和所述贫困人口的地理位置信息进行关联分析；所述扶贫对象管理模块用于向管理人员输出所述贫困人口的基础数据和所述关联分析的结果；所述扶贫效果统计模块用于对扶贫效果进行周期统计评估。

本发明与现有技术相比，其优点在于：

1、能够提高扶贫的精准度；通过对扶贫对象信息的采集和计算评估，能更加高效地完成扶贫对象的划分，对其量身定制更加有针对性的扶贫策略，有效减少政府的投入和扶贫决策的失误，减少扶贫工作中的不公平现象，也让各类社会扶贫力量和扶贫资源能够直接针对所需帮扶的扶贫对象，真正实现精准扶贫。

2、通过大数据管理平台，能够整合全社会的扶贫资源和扶贫力量；通过社会扶贫力量和社会扶贫资源的分类，包括政府机构、企业、公益组织、个人，以这些扶贫力量能够提供的资金、物资、就业机会、技术等，能让社会力量更好地参与扶贫；尤其通过对务工情况、健康情况和受教育程度等信息的大数据综合分析计算，能够为社会力量参与扶贫工作提供优化的策略支持，降低扶贫成本，提高扶贫绩效。

3、能够对扶贫绩效进行量化评估，提高资源利用率，避免过去依赖收入标准或贫困人数的单一评估手段，能够对特定地区的长期贫困水平作出精确的计算和绩效评估，并进行长期跟踪和反馈；同时，在量化的绩效评估报告的指导下，能够有效把社会力量和扶贫策略整合起来，提高扶贫力量和扶贫资源的使用效率。

附图说明

图1：本发明实施例精准扶贫方法的流程图；

图2：本发明实施例精准扶贫大数据管理平台的组成示意图。

具体实施方式

如附图1所示，本发明实施例提供了一种精准扶贫的方法，其特征在于，包括以下步骤：

s1.对贫困人口的基础数据进行获取，所述基础数据包括所述贫困人口的文化程度、健康状况、劳动技能、致贫原因和务工状况；

s2.对所述贫困人口的地理位置信息进行获取；

s3.对通过步骤s1获得的所述基础数据和通过步骤s2获得的所述贫困人口的地理位置信息进行关联分析，所述关联分析包括行政区域关联分析、文化程度关联分析、健康状况关联分析、劳动技能关联分析、致贫原因关联分析、务工状况关联分析中的至少一种。

在本发明的部分实施方式中，所述基础数据还包括贫困人口与户主关系、脱贫属性，贫困类型，和扶贫投入中的至少一种。其中，所述脱贫属性包括已脱贫、未脱贫和返贫三种属性。已脱贫指当年人均收入金额达至脱贫线，一般为人均收入达3200元(该值根据政策变化而变化)。未脱贫指当年人均收入一直低于脱贫线，一般为人均收入低于3200元(该值根据政策变化而变化)。返贫指一段时间内人均收入达至脱贫线，但一段时间后人均收入又低于脱贫线，计算周期一般为一个自然年。所述贫困类型包括：一般贫困户、五保户、低保贫困户、建档立卡户、农村低保户、城镇低保户等。

本发明实施例在获取贫困人口基础数据和地理位置的基础上，对所获信息在多个维度进行关联分析。其中，步骤s3所述的行政区域关联分析、文化程度关联分析、健康状况关联分析、劳动技能关联分析、致贫原因关联分析、务工状况关联分析能够实现对扶贫对象的精准划分，为其量身定制更加有针对性的扶贫策略。

如附图2所示，本发明实施例还提供了一种精准扶贫大数据管理平台，包括数据采集模块、地理位置信息收集模块、数据分析模块、扶贫对象管理模块和扶贫效果统计模块。所述数据采集模块用于获取贫困人口的基础数据，所述基础数据包括所述贫困人口的文化程度、健康状况、劳动技能、致贫原因和务工状况；所述地理位置信息收集模块用于对所述贫困人口的地理位置信息进行获取；所述数据分析模块用于对所述基础数据和所述贫困人口的地理位置信息进行关联分析；所述扶贫对象管理模块用于向管理人员输出所述贫困人口的基础数据和所述关联分析的结果；所述扶贫效果统计模块用于对扶贫效果进行周期统计评估。

通过本发明实施例的精准扶贫大数据管理平台，便于被帮扶对象和各级政府机构、企业、公益机构、以及个人的需求对接，使得社会的各种扶贫力量能够向被帮扶对象精准、高效地提供资金帮扶、物资帮扶、就业机会和技术培训，并且有助于准备掌握贫困原因、有效改进扶贫策略、准确评估扶贫工作的周期性效果。

以下将通过具体的实施例对本发明进行进一步说明。

实施例1

本实施例的精准扶贫的方法具体包括以下步骤：

s1.对贫困人口的基础数据进行获取；

s2.对所述贫困人口的地理位置信息进行获取；

s3.对通过所述贫困人口的基础数据和地理位置信息进行行政区域关联分析，以区、镇、乡或村等行政区域为单位，计算各行政区域的贫困人口占比，所述贫困人口占比＝各行政区域贫困人口数量/统计范围内所有贫困人口总数量。

对所获数据以季度为周期，进行排名。某一行政区域的贫困人口占比越大，排名越靠前，贫困人口占比越大，表明其帮扶力度需加深

实施例2

本实施例的精准扶贫的方法具体包括以下步骤：

s1.对贫困人口的包括文化程度的基础数据进行获取；

s2.对所述贫困人口的地理位置信息进行获取；

s3.对通过所述贫困人口的包括文化程度的基础数据和地理位置信息进行关联分析，计算所述贫困人口中各文化程度贫困人口占比，所述各文化程度贫困人口占比＝各文化程度贫困人口数量/统计范围内所有贫困人口总数量。

通过本实施例，可以得出各个文化程度贫困人口所占的比例，可供社会力量针对每种不同文化程度的贫困人口设置不同的帮扶方式，进行针对性帮扶。

实施例3

本实施例的精准扶贫的方法具体包括以下步骤：

s1.对贫困人口的包括健康状况的基础数据进行获取；

s2.对所述贫困人口的地理位置信息进行获取；

s3.对通过所述贫困人口的包括健康状况的基础数据和地理位置信息进行关联分析，首先，计算所述贫困人口中各健康状况贫困人口占比，所述各健康状况贫困人口占比＝各健康状况贫困人口数量/统计范围内所有贫困人口总数量；此外，对各健康状况贫困人口的地理位置分布进行统计。

通过本实施例，可以得出因健康状况致贫的贫困人口所占的比例，从何针对各个行政区域，合理规划扶贫投入中医疗卫生条件帮扶投入的所占比例。

实施例4

本实施例的精准扶贫的方法具体包括以下步骤：

s1.对贫困人口的包括劳动技能的基础数据进行获取；

s2.对所述贫困人口的地理位置信息进行获取；

s3.对通过所述贫困人口的包括劳动技能的基础数据和地理位置信息进行关联分析，首先，计算统计范围内具有劳动技能的所述贫困人口的平均收入和统计范围内不具有劳动技能的所述贫困人口的平均收入，此外，分别计算统计范围内各具有不同劳动技能的所述贫困人口的平均收入。

通过本实施例，首先能够帮助政府机构以及各类社会力量获悉各行政区域内贫困人口的劳动技能掌握情况，明确劳动技能提高或改进对贫困人口脱贫带来的实际帮助的大小，并且通过进行各劳动技能收入的排行，能够得出各村镇乡等行政区域排名靠前的劳动技能，便于政府机构进行相对应的教学或帮扶投入。

实施例5

本实施例的精准扶贫的方法具体包括以下步骤：

s1.对贫困人口的包括致贫原因的基础数据进行获取；

s2.对所述贫困人口的地理位置信息进行获取；

s3.对通过所述贫困人口的包括致贫原因的基础数据和地理位置信息进行关联分析，计算所述贫困人口中各致贫原因贫困人口占比，所述各致贫原因贫困人口占比＝各致贫原因贫困人口/统计范围内所有贫困人口总数量。

鉴于不同行政区域的致贫原因必然存在区别，比如因外出务工人员较多，行政区域内人口老龄化严重造成的健康状况致贫，或因贫困人口劳动技能和当地行业分布情况不匹配导致的致贫等。

因此，通过对不同行政区域的致贫原因大数据进行搜集和统计分析，有助于进一步有针对性的实现精准扶贫，避免资源浪费。

实施例6

本实施例的精准扶贫的方法具体包括以下步骤：

s1.对贫困人口的包括务工状况的基础数据进行获取；

s2.对所述贫困人口的地理位置信息进行获取；

s3.对通过所述贫困人口的包括务工状况的基础数据和地理位置信息进行关联分析，计算各行政区域的务工贫困人口占比，所述各行政区域的务工贫困人口占比＝各行政区域的务工贫困人口数量/各行政区域的贫困人口总数量。

本实施例可根据务工状况，在各行政区域有针对性的再建设相对应的帮扶企业，精准解决贫困人口的就业问题。

实施例7

本实施例的精准扶贫的方法采用实施例1-6对所述贫困人口进行行政区域关联分析、文化程度关联分析、健康状况关联分析、劳动技能关联分析、致贫原因关联分析、务工状况关联分析，并对扶贫效果进行季度性的统计评估。具体的，本实施例计算当前统计季度扶贫效果，所述当前季度扶贫效果＝(当前季度脱贫人口数量/向前一个季度脱贫人口数量-向前一个季度脱贫人口数量/向前两个的该季度脱贫人口数量)×100％。

比如，2018年第三前季度的扶贫效果＝(第三季度脱贫人口数量/第二季度脱贫人口数量-第二季度脱贫人口数量/第一季度脱贫人口数量)×100％。2017年的扶贫效果＝(2017年脱贫人口数量/2016年脱贫人口数量-2016年脱贫人口数量/2015年脱贫人口数量)×100％。

当所述当前季度扶贫效果的计算结果大于0，表明脱贫人数增加，当所述当前季度扶贫效果的计算结果小于0，表明脱贫人数减少，则需有计划地加大扶贫投入。

需要说明的是，本发明实施例的计算过程可借助软件以及相应的通用硬件的来进行，比如存储在rom/ram、磁碟、光盘等存储介质中的具有运算、比较功能的计算机软件产品。

显然，上述实施例仅是本发明的一部分实施例，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前提下对这些实施例进行的各种变化、修改、替换和改进，均应包含在本发明的保护范围之内。