當前位置:文範網 >

工作總結 >黨風廉政工作總結 >

2019年國企公司黨風廉政建設工作總結

2019年國企公司黨風廉政建設工作總結

2019年國企公司黨風廉政建設工作總結

2019年國企公司黨風廉政建設工作總結

黨支部嚴格按照“推動發展、服務羣眾、凝聚人心、促進和諧”的總要求,以省委、市委“兩學一做”學習教育活動為黨建工作核心,紮實有效地推進黨員隊伍的思想作風建設,狠抓黨風廉政建設責任制落實,切實履行好黨委主體責任和紀委監督責任,不斷提升黨員幹部素質,持續培育“嚴細實”作風。現將上半年黨風廉政建設工作總結如下:

一、黨委主體責任落實情況

(一)多措並舉,全面落實黨風建設責任制。

一是公司按照省市區黨風廉政建設工作部署和要求,制定《廉政建設責任書》,並將黨風廉政建設與公司發展緊密結合,公司業務開展到哪裏,廉政建設就延伸到哪裏,以班子分工和各部門的工作職責為依據,分解細化目標責任,逐一簽訂廉政建設責任書,確保將廉政建設責任留在紙上,落在實處。二是嚴格執行《中國共產黨紀律處分條例》和《關於領導幹部報告重大事項的規定》,以制度建設為核心,以廉潔從政為重點,將紀律執行與重大事項報告作為重要內容納入黨風廉政建設內容;三是線上、線下教育並駕齊驅,典範引領與警示教育雙管齊下,形成濃厚的教育學習氛圍,使黨員幹部築牢了拒腐防變意識,樹立了廉政勤政新風尚。

(二)注重教育,提高廉潔自律意識。

今年以來,黨支部堅持預防為主,強化廉政教育,促進黨員幹部始終繃緊“廉政弦”。上半年積極響應黨中央的號召,紮實開展“兩學一做”學習教育活動,精心組織、科學謀劃。四個“結合”齊發力,深入貫徹落實“兩學一做”:一是將支部制定的整體學習教育實施方案與黨員個人學習計劃相結合,確保學習有方案、有計劃;二是將領導幹部率先垂範與黨員同志全員學習相結合,確保學習有重點;三是將創先爭優與促進公司發展相結合,為學習教育立標杆,激發黨員幹事業的活力與熱情;四是將OA專欄、門户網站、官方微信等線上平台宣傳與集中授課、專題研討等線下學習相結合,確保學習方式多種多樣,有特色有氛圍。將“六有”要求全覆蓋。上半年共組織四次專題學習研討,一次以黨風廉政建設為重點的專題黨課

(三)完善制度,紮實構建拒腐防變的保障機制。

嚴格按照法律法規、黨紀黨規要求,加強幹部出差管理,在出差審批、標準待遇、費用報銷等方面嚴格要求。同時借上半年管委會和文化集團的各級審計部門審計之際,查漏補缺,進一步完善財務制度,規範資金支付審批流程,嚴格執行內部業務處理的三級審核制度,防範財務舞弊風險,築牢拒腐防變的保障機制。

二、紀委監督責任落實情況

(一)規範重大事項決策機制,堅持科學決策、民主決策。

嚴格按照管委會、文化集團要求,強化企業重大問題決策、重要幹部任免、重大項目投資決策“三重一大”事項集體決策機制和上報機制,確保各項決策科學正確的有效手段。公司將繼續堅持“三重一大”事項集體討論制度;重要事項按要求上報上級部門審批決策;涉及全局的重要會議及決策內容通過公司官方網站、OA等途徑全面公開,確保員工知情權和監督權落到實處,規避經營風險,推進企業健康發展。

(二)馳而不息貫徹八項規定,全面落實從嚴治黨。

一是通過嚴控發文數量和規格、加強OA等電子事務平台的建設、堅持少開會開短會多個會議合併開等措施,不斷改進文風會風;二是簡化公務接待,例行勤儉節約,嚴格執行公司接待制度;三是加強公車監管,節假日期間公車全部封存,杜絕公車私用;四是通過落實督察督辦制度、嚴肅考勤紀律等措施,提高辦事效率,轉變工作作風。

(三)切實強化監督檢查,促進黨員幹部執行力提升。

一是完善黨務公開制度,設立公告欄,公開班子成員“兩學一做”學習實踐、自我剖析情況,全面接受公司幹部員工的監督;二是將廉政勤政情況與績效考核全面掛鈎,接受公司全員考核,並實行一票否決制,堅決杜絕腐敗問題的發生。

三、下半年黨風廉政建設的思路措施

一是以《中國共產黨廉潔自律準則》和《中國共產黨紀律處分條例》為主線,緊扣黨的政治、廉潔、組織、羣眾、工作和生活“六大紀律”,全面落實黨委主體責任和紀委監督責任。

二是深化效能監察工作,加強對各下屬公司財務工作的管理,通過定期檢查和專項檢查穿插,督促其建立標準化規範化的財務體系。

三是進一步加強規章制度建設。不斷建立、完善、細化黨風廉政建設的規章制度,切實做到用制度管權、按制度辦事、靠制度管人,從源頭上遏制“不嚴不實”問題和“四風”問題。

四是探索黨風廉政建設長效機制,借鑑兄弟單位好的做法和典型經驗,通過廣泛的監督制度、科學的考評制度加以約束,把廉潔從業變成黨員幹部的自覺行為,形成黨風廉政建設長效機制。

標籤: 黨風廉政 國企
  • 文章版權屬於文章作者所有,轉載請註明 https://wenfanwang.com/gongzuozongjie/dangfeng/z6zmq.html
專題