精准扶贫中大数据的价值与实现途径研究

杨裕民，程晓君

中共安庆市委党校综合教研室，安徽安庆，246133

1 提出问题和相关研究

大数据时代的来临，开启了信息技术发展的新阶段。著名数据科学家涂子沛在他的大数据三部曲之一《大数据：正在到来的数据革命》一书中，将大数据定义为改变政府、商业和生活的一场数据革命，全国政协主席汪洋公开推荐此书，称“大数据对政府部门有重要意义”[1]。减贫脱贫问题作为政府公共治理的重要内容，越来越受到大数据理念和技术的影响。

2015年9月,国务院扶贫办将甘肃省列为全国首家大数据平台建设试点省份。2016年5月,甘肃省大数据精准扶贫平台投入运行，其后，贵州、河南、陕西、四川、广东、广西等省级大数据平台以及更多的市、县级平台纷纷上线运行，如安徽省的六安、宿州、亳州等市以及金寨、利辛等县。随着大数据精准扶贫平台不断的投入运行,大数据助力精准扶贫的成效不断显现，但同时伴生的问题也不断突显。近年来,学术界对于在精准扶贫中充分发挥大数据价值的研究不断升温，笔者在中国知网上以“大数据+精准扶贫”为关键词进行检索，发现2015年以来各类中文研究文献不断增多。通过整理与研究概括为三个方面：

(1)基于扶贫模式转变的对比研究和回顾展望。改革开放40年来，我国扶贫开发工作经历了不同时期，学者们总结了我国扶贫政策的阶段性演变，并对2020年以后的贫困治理进行了展望。王小林对精准扶贫的理论框架、政策实施、经验总结、趋势展望进行了分析，认为实施利贫性增长、包容性发展和多维度扶贫相结合的减贫政策体系是精准扶贫的政策框架[2];莫光辉认为，精准扶贫是中国特色扶贫开发模式的战略调整，农村贫困治理的路径应在贯彻以人为本的理念、全面精细的机制、多元参与的格局等方面加以突破[3]。

(2)基于大数据技术与精准扶贫的逻辑契合研究。一些精通大数据的研究者立足于大数据时代的背景，从数据技术与精准扶贫的逻辑契合角度加以研究。章昌平等利用生态学中的“生境”概念，提出了利用大数据技术和精准扶贫业务流程相整合的理论模型，重点在于以贫困人口为中心的大数据关联整合平台[4];汪磊等认为，大数据技术的“4V”特征与精准扶贫的数据巨量性、多样性、高速性、价值性之间存在逻辑耦合，建立精准扶贫大数据平台是解决扶贫工作信息不对称的关键因素[5]；莫光辉等认为，大数据在精准识别、精准帮扶、精准管理和动态监控方面提供了技术支撑，提出利用大数据平台推动精准扶贫新理论和新模式的发展[6]。

(3)基于大数据助力精准扶贫的案例研究和价值分析。任亚杰等通过对甘肃省模式的剖析，认为利用互联网思维和信息化手段加强精准扶贫的政府引导、市场推进和多渠道运营，才能不断完善精准扶贫的新机制[7]；广西精准扶贫课题组基于对广西精准扶贫实践进行了广泛的调研，以问题为导向，提出建立一个平台、两个系统、六个中心的地方扶贫大数据平台方案[8]；陈稳研究了精准扶贫的第三方监测评估工作存在的问题，认为政府和行业大数据对于提升第三方监测评估工作的精准性和可信性提供了现实可能[9]。

较为充分的理论研究不仅使大数据助力精准扶贫成为当下实践的主题，同时也解决了技术中性可能带来的难题。随着精准扶贫倒排工期的不断临近，一些从宏观到微观的新问题也涌现出来，如扶贫大数据的标准化、扶贫网络的互联互通化、精准扶贫工作的动态化等。这些问题制约了如期打赢脱贫攻坚战，必须引起决策者、扶贫部门和帮扶干部的高度重视。

2 精准扶贫中大数据的价值分析

在2015年中央政治局会议上，习近平进一步提出“以数据目标诠释精准扶贫开发理念，充分发挥数据精准定位、开放共享的应用价值”[10]，这是大数据助力精准扶贫的政策依据。随着精准扶贫战略向纵深推进，从2015年开始，大数据助力精准脱贫的实践在全国各省市全面展开。

2.1 大数据盘活扶贫数据的“源头活水”

改革开放以来，按照贫困治理的不同侧重，我国经历了大规模开发式扶贫阶段(1986—1993年)、八七扶贫攻坚阶段(1993—2000年)、集中连片整村推进阶段(2001—2012年)、精准扶贫与精准脱贫阶段(2013年以后)[11]四个阶段，各级党委和政府部门积累了庞大的扶贫数据。仅从数据体量来看，截至2017年底，全国农村贫困人口共有3 046万人，贫困发生率超过20%的深度贫困村有2.98万个，十八大以来全国共选派驻村帮扶干部277.8万人[12]。如此庞大的数据量，传统人工采集、表格存储、层层上报、档案管理的工作机制难以为继，导致大量的扶贫数据静处于各类数据容器中，成为数据碎片、数据孤岛、数据烟囱。大数据技术的深度介入，使得各类扶贫数据变成“源头活水”成为可能。

2.1.1 在精准识别方面

大数据一改传统随机抽样的数据采集方式，利用全体样本数据的多重维度和交叉附现，综合采集贫困户有关的所有样本数据，包括收入、支出、住房、教育、医疗、金融、务工、交通出行等数据，把贫困识别纳入数据“天网”，实现了精准识别的“准入关”。

2.1.2 在精准帮扶方面

大数据技术通过构建不同的分析模型，可以实现数据的自动比对、关联分析、聚类分析、预测分析，解决了多源异构数据的整合问题，同时配合各类扶贫政策信息、产业信息、市场信息，使扶贫项目、扶贫资金的匹配更加精准，实现了精准帮扶中资金使用的“刀刃关”。

2.1.3 在致贫返贫原因分析方面

当前，精准扶贫的一大难题就是如何走出“贫困-脱贫-返贫”的怪圈，其根本原因在于对致贫返贫的原因分析不当，导致帮扶效果没有持续性。大数据技术可以充分挖掘各类贫困的相关数据，找出复杂数据背后潜藏的规律，并结合各地基础人口和地理资源数据，精准查找致贫返贫原因，提升扶贫工作的针对性、有效性。

2.2 信息化连通扶贫主体的“神经网络”

信息化是经济社会现代化的基础保障，“以信息化培育新动能，用新动能推动新发展，以新发展创造新辉煌”[13]的核心是整个社会的信息化。政府作为社会信息化的主导力量，自20世纪80年代以来，通过办公自动化、政府上网等国字号工程，促进了信息化基础设施和信息化应用的广泛普及，在全国范围内构建了上下通达、城乡兼顾的“神经网络”，为政府部门、企业、社会组织和广大公众的数据流动提供了信息“高速公路”。

第一，针对城乡“数字鸿沟”问题，“十三五”国家信息化发展规划明确提出网络扶贫行动，“加快贫困地区互联网建设和应用步伐，实施网络覆盖工程”，到2020年，完成对832 个贫困县、12.8 万个贫困村的网络覆盖，贫困村宽带网络覆盖率达90%的目标[14]，为扶贫大数据的流动性、开放性、共享性提供了基础保障。

第二，自2016年开始，国务院出台《关于加快推进“互联网+政务服务”工作的指导意见》，要求政府部门建成一体化网上政务服务平台，实现部门间数据共享。精准扶贫工作所涉及的各政府部门的政策数据、帮扶业务数据、项目及资金数据可以实现上下连接、横向贯通，解决了贫困对象和政府部门间的信息不对称问题，避免了基层政府在扶贫工作中“烧火棍子一头热”的现象。

第三，利用“互联网+社会扶贫”，推动形成社会主体广泛参与的社会大扶贫格局。2017年7月，由国务院扶贫办主管的全国社会扶贫网络平台正式上线，仅一年的发展，注册用户已突破3 000万人，其中爱心人士1 940万人、贫困人口1 029万人以及管理员33.7万人。自建成以来，已累计发布帮扶需求326万多条，对接成功226万多个，对接成功率超过69%[15]。

第四，精准扶贫工作的信息不对称问题正逐步解决。一方面，大数据技术可以帮助政府部门、企业、社会组织和广大爱心人士借助多重渠道获取贫困人口相关信息，以便形成对口帮扶的社会大扶贫局面；另一方面，广大贫困地区的贫困人口也受益于信息化能力的普及和提高，在信息发布和寻求市场中获得了快捷的途径。从信息论的角度来看，近年来，不断完善的信息化基础设施和大数据平台极大地提高了扶贫信息的传播效率，成为解决信息不对称的主要途径。

2.3 新技术助推精准扶贫的“动态管理”

精准扶贫的动态管理原则是由中共中央办公厅、国务院办公厅2014年印发的《关于创新机制扎实推进农村扶贫开发工作的意见》提出，总的原则是按照“县为单位、规模控制、分级负责、精准识别、动态管理”。大数据技术本身具有的实时性、动态性特点正好契合了精准扶贫的动态监管原则。从数据的时效性来看，扶贫数据的传统处理方式是分布式处理，通常需要先积累大量数据，再进行统计分析，耗时多、准确性差。而大数据的实时分析处理能力可以在采集过程中同时完成实时比对、实时匹配、实时推送、实时预警、可视化评估等多项数据分析功能，对精准扶贫的动态识别、动态帮扶、动态评估起到了很好的支撑作用。

2.3.1 从动态识别来看

建档立卡的贫困户数据并非静止不变的，在一定的时间周期内，贫困对象的收支、健康、就业、发展等诸多方面都随时产生着变化，传统人工处理的数据更新周期长短不一，使得很多贫困户变化的信息不能及时纳入，已经脱贫的又不能及时退出，影响了扶贫资源的精准使用。大数据技术可以广泛利用扶贫一卡通、手机、GPS、各类射频采集等终端设备，自动、实时地完成贫困人口的增量数据，并在建档立卡数据库中实现自动更新、实时推送。

2.3.2 从动态帮扶来看。

一方面，各类扶贫项目在进展过程中需要实时监管，当贫困户的生活条件得到改善，需要实时调整项目计划时，始终保证“靶向精准”；另一方面，各类扶贫资源出现存量或增量变化时，新的匹配随时出现，大数据的可视化、图形化展现技术可以更方便地帮助决策者动态调整帮扶计划和进度。

3 精准扶贫中大数据价值实现的制约因素

由于大数据理念和技术本身就在高速发展之中，同时精准扶贫又是一项数据规模大、涉及学科广、时间任务紧的系统工程，在两者结合的实践过程中，一些制约因素逐渐显现出来。

3.1 数据化缺少标准化支持

标准化是国家治理体系和治理能力现代化的一项基础性制度，是经济社会有序发展的技术支撑，对精准扶贫工作来讲，标准化既是思维方式又是工作方法，客观上要求大数据和标准化双轮驱动、并行发展。但在实际工作中，大数据的平台建设、数据采集、数据分析、扶贫项目、效果评估等诸方面均未形成国家和地方标准。

3.1.1 平台标准方面

在全国扶贫开发信息系统建立后，对各地平台建设并未出台相应的标准进行指导，导致各地的平台建设差异化较大，不利于全国扶贫信息的深度整合与利用。一方面国家层面的基础数据采集等规定动作必须完成，另一方面各地的扶贫实践千差万别，导致一些省、市、县大数据平台的设计、技术、流程、功能模块、数据安全甚至是开放时间等都有较大的差异，甚至同一行政区域内的市、县级平台也有很大不同，导致扶贫数据逐层上报时出现误差和兼容性问题，影响了大数据的快速、全面、准确、实时的效率。

3.1.2 数据标准方面

数据采集是大数据助力精准扶贫的基础性工作。根据国务院2014年发布的《扶贫开发建档立卡工作方案》的要求，各地都出台了相应的数据采集工作方案，但数据采集的数量、内容、体例、格式、类型等诸多方面均未形成统一标准。例如，2015年甘肃省大数据平台基础数据采集表共有9 张，包括政策清单和贫困群众的需求清单，而贵州省的采集数据则包括7项一级指标和199 项二级指标。从数据采集周期来看，各地的标准也差异较大，甘肃省的数据采集分为三个阶段，即纸质版信息采集、纸质版信息审核、信息录入，数据采集完成周期需要20 天。

3.1.3 技术标准方面

目前，大数据技术手段相当丰富，但在精准扶贫的各个环节仍然相差很大。首先，在数据采集方面，各地仍然以问卷调查、现场访谈、表格填写等传统的人工方式完成基础数据采集工作，而RFID射频数据、传感器数据、社交网络交互数据及移动互联网捕获等海量多类型数据的获取很少采用；其次，在数据处理方面，尽管各地多采用云存储来构建不同层级数据预处理中心，但数据库架构、数据清洗模型、关联聚类模型、预测分析模型、异常数据处理规则等应用较少，同时跨部门、跨系统、跨平台的数据交换也缺少标准；再次，在数据安全方面，各地普遍缺少平台安全、数据安全、隐私安全方面的标准和规范。

3.2 模块化缺少实用化需求

在信息技术领域中，存在一种较为普遍的现象。一个领域的业务工作很难精确地抽象为信息化的一个流程或一个模块，这就是通常所说的懂大数据的不懂扶贫，懂扶贫的不懂大数据。目前各地的大数据管理系统大多采用模块化设计，但由于需求各异，极易导致模块在应用时产生两大问题：

第一，各业务模块的数据交集规则定义不同，导致同一数据集在不同业务模块中存在差异，经常出现同一个指标有两个或两个以上的数据。以金寨县为例，以姓名、身份证号、社保一卡通账号为查询条件检索贫困户数据时，返回在各应用模块中的结果不尽相同，甚至在同一应用模块中也存在同样问题，例如在健康扶贫模块中用一卡通账号、身份证号查询的结果不一致。究其原因：一是存在数据类别管理的设计不严谨，二是部门数据融合不充分。

第二，上下级平台的数据误差现象很普遍。例如，六安市扶贫办去年通过排查，发现在全国扶贫开发信息系统中六安市贫困户口基础数据存在包括低保贫困户低保金为零、残疾贫困户没有残疾证号等6项疑点。导致这种情况的原因主要有三点：一是基础数据录入工作存在偏差；二是系统逻辑结构缺乏排错机制；三是上下级平台授权方式及开放时间存在限制。

3.3 基础化缺少普及化覆盖

大数据助力精准扶贫离不开信息化的基础设施和信息技术应用的普及，尤其是在广大的农村贫困地区。2016年4月，习近平总书记就明确提出：“要加强信息基础设施建设，强化信息资源深度整合，打通经济社会发展的信息‘大动脉’”[16]，配合国家大数据战略、“互联网+”行动计划、十三五国家信息化发展规划，全国各地的基础设施建设近年来取得了较快的发展。截至2016 年底，我国贫困村宽带网络覆盖率超过80%，农村光纤宽带网络用户超7 400万户[17]，这为我国大数据助力精准扶贫构成了有力的基础支撑。

但在巨大发展的同时，必须看到我国信息化的布局很不均衡，越是贫困发生率高、扶贫任务重的地区，信息化发展水平越低，大数据的基础条件越不完善，巨大的城乡差距成为大数据助力精准扶贫的“最后一公里”问题。从普及角度来看，截至2018年6月，我国农村网民为2.11亿人，仅占整体网民的26.3%[18]，城乡网民的比例多年来一直保持在7：3左右；从应用角度来看，在全国31个省市自治区中，排名前三的分别是北京、上海、广东，而新疆、甘肃、宁夏、西藏排名垫底；从基础设施角度来看，排名前三的为江苏、浙江、北京，而垫底的则是安徽、西藏、云南[18]。在革命老区金寨县，尽管市县两级平台均提供了移动App，但由于10%的山区不能覆盖移动通信，导致部分贫困村、贫困户无法使用移动模块。

4 精准扶贫中大数据价值实现的有效途径

一方面，借力大数据可切实提高精准扶贫的精准性、高效性，另一方面，在实践中又存在诸多的制约因素。既有顶层设计的因素，又有因地因村因人而异的因素；既有大数据本身的局限，又有扶贫工作的特殊性；既要兼顾到政府部门的互联和业务数据的互通，又要兼顾到数据开放和数据安全，关系复杂，千头万绪，需要从理论、技术、实践上不断探索实现途径。

4.1 树立数据扶贫理念

大数据时代，数据是新的生产要素，是基础性资源和战略性资源，也是重要生产力[19]。在大数据助力精准扶贫工作实践中，必须加快传统扶贫向数据扶贫的转换，树立“用数据说话、用数据决策、用数据管理、用数据创新”[20]的扶贫新理念。

4.1.1 从碎片化到共享化

目前，政府部门和社会扶贫信息仍受制于部门分隔、平台限制等因素，呈现出碎片化的特点。应尽快制定政府数据开放和数据共享的国家及地方标准，将扶贫部门的业务和监测数据整合到各地大数据扶贫系统中，实现精准帮扶的自动推介、自动关联。

4.1.2 从结果导向到预测导向

借鉴大数据成熟技术应用于精准扶贫的贫困分析和数据预测，改变过去“头痛医头、脚痛医脚”的工作方式。支持科研院校和互联网企业大数据关键预测分析技术的研发，精准找出致贫返贫的原因并及时推送帮扶方案。

4.1.3 从流程化到智能化

信息化的本质特征是人类体力脑力的延伸，理应提高效率、减轻负担，而在实际的扶贫工作中，由于工作流程的强制要求，广大基层干部任务繁重、压力很大。应充分发挥大数据流程的智能化、自动化水平，减少重复性、机械性、形式性工作，把基层干部的工作重心真正落实到扶贫工作上来。

4.2 统筹顶级平台建设

全国各地的大数据扶贫平台和业务系统千差万别，给精准扶贫的整体推进和融合升级带来诸多不可预见的困难。建议从标准、平台、数据中心等方面进行顶层设计。

4.2.1 尽快出台国家精准扶贫大数据标准化体系

2018年5月，国家标准化管理委员会和国家市场监督管理总局在贵阳发布了《精准扶贫村级光伏电站管理与评价导则》《蜂产业项目运行管理规范》等15项国家标准化指导性技术文件，这是我国首批精准扶贫国家标准。同时一些地方标准也加紧出台，例如，贵州省的《大数据村级工作管理规范》，内蒙古的《扶贫资金使用规范》等[21]。以此为起点，其他诸如精准扶贫数据采集标准、平台技术标准、数据安全标准、数据交换共享标准等也应尽快研究出台。

4.2.2 加快建设开放、共享、安全的全国大数据扶贫云系统

针对各地扶贫云的涌现，有必要从国家层面统一建立全国扶贫云，以利于整合全国扶贫数据资源。建议由全国扶贫开发领导办公室牵头，会同农业农村部、工信部、科技部、财政部和国家标准化委员化，按照统一平台、统一安全、统一管理的原则共同组建全国扶贫云，对下承接各省市云平台，指导各地大数据扶贫工作，横向接入政务云平台，实现政府层面的数据融合。

4.2.3 组建国家扶贫大数据中心

规划整合包括各类社会组织、企业、公众、爱心人士、贫困人口直至包括各地土壤、气象、交通、物价、能源、市场、电商等广泛信息资源，打造共建共享开放的大数据集合，并利用自动抓取、自动更新、自动匹配等技术，实现市场机会和风险自动推介，辅助各地产业扶贫、网络扶贫，使社会扶贫的成效真正看得见、摸得到。

4.3 强化动态管理机制

在现有精准扶贫工作机制下，切实加强动态管理，既是大数据技术本质特点，也是基础工作提升的必然要求，必须两者同时兼顾。

第一，关口前移。对基础数据采用定期或轮询方式进行动态寻查。以建档立卡数据为基础，各地可制定相应的动态工作机制，定期开展入户核实和评议比对工作，适时更新贫困人口信息。

第二，系统排错。建档立卡系统通过大数据系统设立自动比对、排错预警，把不符合建档立卡要求的对象自动筛选比对出来，并推送给管理人员。

第三，政策修正。建立贫困户准入和退出逻辑统一的可操作标准。目前对贫困户的认定标准是按年人均纯收入来界定，但脱贫标准是“两不愁、三保障”，逻辑上存在矛盾，操作上容易引起纠纷，况且广大农村地区传统与人情并存，乡居与外出共生，各地应在政策范围内修正可操作标准。

第四，数据交叉验证。利用部门或行业数据自动排查不符合要求的对象。综合利用金融、交通、车管、房管、教育、民政、卫生、电信的数据，利用大数据交叉附现的验证方法，自动排除对象。

第五，组建基层信息员队伍，定期开展业务培训。广大农村地区应依据各地信息化基础设施和应用普及水平，有选择地在县级以下地区合理安排基层信息员，提高数据录入、比对的准确性。

4.4 构建科学评估机制

按照中央办公厅、国务院办公厅2016年下发的《省级党委和政府扶贫开发工作成效考核办法》的要求，当前对精准扶贫工作中精准识别、精准帮扶采用第三方评估，即由国务院扶贫开发领导小组委托有关科研机构和社会组织，采取专项调查、抽样调查和实地核查等方式，对相关考核指标进行评估 。

当前的第三方评估工作已开展两轮，课题组在调研中发现，第三方评估工作仍然采用人海战术。一方面评估人员由于受制于政策理解能力、语言沟通能力、工作经验不足等因素影响，另一方面，基层党委政府以“赶考”“应试”来对待评估，导致评估效果难以精确。现有扶贫大数据的不断融合，客观上给第三方评估带来了有利条件，因此，在第三方评估中引入大数据技术，确保评估效果的客观性、公正性和精准性。

4.4.1 利用大数据自动筛选评估量化指标

在对贫困户口的收入、支出情况进行评估时，可调用公安户籍和人口计生数据，并以此为基础数据，对金融网的资金流水、医疗卫生网的治疗费用、车管网的购车信息、农委网的土地确权、房产网的不动产信息等直接按量化指标进行评估。

4.4.2 利用大数据辅助评估非量化指标

对非量化指标，应开发跨网多源的数据分析模型，充分借助交通网的出行数据、劳动人事网的就业数据、教育网的教育信息、电信网的通信费用、电力网的用电信息等进行综合研判，并辅以现场核查排错，形成指标后纳入评估系统。

4.4.3 利用大数据进行独立排他的满意度调查

合理设计满意度调查问卷，利用手持终端进行不定期现场调查，利用开放互动平台自动收集贫困户反馈，最大限度排除评估结果人为因素的影响。

5 结 语

大数据助力精准扶贫，是一场深刻的从理念到实践的攻坚改革。全国各地的探索试点都取得了显著的成效，成为决胜2020年全面脱贫目标的强有力抓手，同时也暴露出很多问题：从宏观上讲，数据标准化对形成精准扶贫全国一盘棋的整体推进作用巨大；从中观来讲，不仅政府各部门的信息孤岛需要在“互联网+政务服务”改革中得到有效打破，同时行业数据库与精准扶贫的互联与互通也需要同时推进；微观层面的动态管理机制应贯穿到精准扶贫的识别、帮扶、管理各个环节。当前，国家级的顶层扶贫平台应该更加开放、共享和数据融合，大数据的安全问题也应得到足够的重视，在第三方监测评估中重新设立量化、非量化和满意度指标，以期实现以评促建的良性互动。同时也必须看到大数据只是精准扶贫的技术性手段和工具，必须因地因村而异，切忌为了大数据而大数据。只有这样，才能充分实现大数据等现代信息技术在精准扶贫中的价值，为打赢脱贫攻坚战提供技术保障。