利用大数据提升民主党派协商能力的思考

摘要：我国民主党派要顺应时代要求，利用大数据来提升协商能力。首先，民主党派协商应有大数据意识、会运用大数据、要用活大数据、能反思大数据。其次，民主党派协商应利用大数据把握好政治立场，要深度介入党政部门系统项目，能在线下落实线上的数据指向，追求预测效力。鉴于此，民主党派可设立“大数据研讨课”，作为民主党派成员培训的常规项目，让“大数据校验”成为协商文案定稿的必经程序。民主党派还应结合各自协商专长和界别特色，建设不同主题的数据库。

关键词：党派协商；大数据；提升民主党派协商能力

中图分类号：D665文献标识码：A文章编号：2095-5103（2019）19-0042-（10）

The Big Data to Improve Consultative Capacity of Democratic Parties

XU Ying

Abstrat：Chinas democratic parties should comply with the requirements of the times and improve consultative capacity through using big data.First，the democratic parties should have big data awareness，use big data，be good at using big data，and reflect big data.Second，the democratic parties should use big data to grasp correct political standpoint，and must deeply intervene in the system project of the party and government departments，and turn true the data value of online into offline to pursue the effectiveness of prediction.So，a“Big Data Workshop”can be established by democratic parties，as a regular project for the training of members of the democratic parties， to make“big data verification”become the necessary procedure for finalizing the draft.The democratic parties build a database of different themes by combining their consultative expertises and divisional characteristics.

Key Words：partial consultation；big data；improve the consultative capacity of democratic parties

一、研究現状与问题的提出

2015年2月，中共中央印发的《关于加强社会主义协商民主建设的意见》提出，要“支持民主党派加强协商能力建设”[1]。此后，学界从理论思考和实践需要的层面，将“民主党派协商能力”当作“协商民主”的重要内容加以探讨。

一方面，“民主党派协商能力”的基本内涵得到梳理，为这一研究持续展开奠定了理论基础。肖建平等认为，民主党派协商能力综合反映了其在参与政党协商中所体现出来的政治意愿以及实现其政治目标的政治技能，它不仅包含了民主党派的价值选择，也包括了民主党派的履职能力[2]。汪守军认为，民主党派协商能力体现在民主党派政治把握能力、组织领导（协调）能力、合作共事能力、调查研究联系群众能力、解决自身问题能力等方方面面[3]。从学界论述看，政治态度、参政角色和议政水平，是阐释“民主党派协商能力”基本内涵的三个重要维度。

另一方面，作为具有实践指向的课题，相关学者对“民主党派协商能力”构成也作了较为充分的讨论。肖建平等将民主党派的协商能力分为内涵型要素与外延型要素，前者包括政治性维度、代表性维度和有效性维度，后者包括民主党派自身建设水平、协商意愿和协商能力运用的支撑平台[4]。常庆林强调民主党派协商能力建设需要确立群众性思维、法治化思维和实践性思维等思维方式[5]。张继兰认为，调查研究能力是民主党派协商能力的重要构成，理性判断能力是民主党派协商能力的关键要素，沟通表达能力是民主党派协商能力的外在表现[6]。文树勋提出，民主党派协商能力体系的框架主要由两部分构成：一部分是由政治把握能力、求同存异能力、沟通表达能力、团结协作能力组成的基础性能力体系；另一部分是由政治协商能力、公共协商能力、网络协商能力组成的结构性能力体系[7]。田晓玉则认为，民主党派协商能力主要由政治把握能力、利益表达能力、建言献策能力等构成[8]。虽然观点不尽一致，但学界普遍认为，调查研判能力、沟通表达能力、搭建与利用协商平台的能力，是民主党派协商能力不可或缺的要素。

虽然“民主党派协商能力”在理论层面上已经成为一个研究方向，但探讨的深度和广度还有待拓展。首先，对民主党派协商能力现状及存在问题没有根据实证性、科学性的数据调查进行把握；其次，没有大量而系统的民主党派协商案例作为论述的学术支撑；再次，基于较为宏观而全面的视角提供有关民主党派协商能力提升的建议，其在具体环节上的实践效果如何，难以进行评估；最后，较少关注社会动态发展趋势，偏向于在政协系统内部讨论民主党派协商能力的建设。这些理论认识的局限性，导致一些有助于提升民主党派协商能力的重要手段在理论和实践层面被有意无意地淡化了。大数据运用没有在民主党派协商能力建设方面得到强化，就是其典型表现。

事实上，大数据迅猛发展，是当前国际社会形态演进的重要特征。习近平总书记在中共中央政治局第二次集体学习时强调：“善于获取数据、分析数据、运用数据，是领导干部做好工作的基本功。各级领导干部要加强学习，懂得大数据，用好大数据，增强利用数据推进各项工作的本领，不断提高对大数据发展规律的把握能力，使大数据在各项工作中发挥更大作用。”[9]当前，各级政府、各类型智库和咨询机构都极为重视大数据的运用，各民主党派也需要根据社会发展的需要以及顺应信息化深度发展的时代要求，通过利用大数据不断提升协商能力。目前，各民主党派已经充分认识到大数据对于国计民生的重要价值[10]，但民主党派本身在利用大数据进行参政议政、民主监督方面，还没有建立起有效机制。本文从三个层面来探讨民主党派协商如何利用大数据：民主党派协商要具备什么样的大数据素质？民主党派协商运用大数据从哪里着力？当前利用大数据提高民主党派协商能力要先做什么？这是有关“民主党派协商能力提升”实践层面的思考和讨论，对于民主党派协商能力相关研究拓宽理论视野也是有益的提醒。

二、民主党派协商应具备大数据素质

我国民主党派协商的传统优势在于样本调查分析、因果论证、精准阐释，与大数据思想形态的要求迥然异趣。大数据的典型特征，4V观点较有说服力，即Volume、Velocity、Variety、Veracity[11]。其含义大致包含以下几点：一是大数据强调全体数据，不重视样本和调研讨论；二是大数据重视混杂数据，而不讲求精确计算；三是大数据重视数据关联，而不探讨数据间因果逻辑关系；四是大数据强调一切可量化，重视通过数据直观地预测结果，而不利用数据作细密的推理论证[12]。虽然有学者指出，要警惕“大数据热潮”泛滥[13]，但大数据引领全球社会形态变化是大势所趋，民主党派协商应顺应潮流提升大数据素质。

（一）确立大数据意识

大数据意识，指的是人们努力去适应大数据环境的心理反应。大数据思维，指的是全面掌握大数据运用机制的工作方式。党政决策部门均强调“大数据思维”的重要性，其适用于宏观项目规划和公共事务管理。而民主党派协商，指的是参与党和政府各级机构决策的讨论和建议，既不主持规划政治蓝图，也不实际操作公共事务，所以民主党派协商一般用不上“大数据思维”，确立“大数据意识”比较切合其参政议政性质。

大数据时代社会信息瞬息万变，前信息时代“提出问题-分析问题-解决问题”这一贴切适用的参政议政经典表述链条，随时有被大数据“第四范式”瓦解[14]并发生逻辑断裂的可能。庞杂数据会带来社会信息的不稳定性。所谓大数据意识，就是要体现出对于这种不稳定性的妥协。许多为民主党派协商准备文稿的工作人员缺乏大数据意识，因而容易产生“大数据不适应症”。比如，工作人员从调研到形成结论花了一两个月時间，等到提出建议时，情况却发生了根本变化，提出问题的基础却不复存在；再如，解决问题的技术优化手段层出不穷，协商文稿还未搬上协商台面，就已经成为明日黄花。故此，要解决这些“大数据焦虑”，必须认同和顺应大数据时代，确立“大数据意识”。

提倡“大数据意识”，指的是需要推动民主党派协商议案，呈现出大数据时代“丰富”“新鲜”的特点：一是数据全息性，即搜集所有与协商问题相关的知识图景，并梳理知识图景相互间的重要关系；二是路径领先性，即全面掌握能够形成协商结论的分析工具与分析方法，在其中寻找合适的、最新的。这种即时的动态把握，可以使民主党派协商理性对待“提出问题-分析问题-解决问题”的行文链条，而以富有弹性和回旋空间的形态提出具有前瞻性、预测性和延时效力的结论。

（二）学会运用不同类型大数据

大数据主要分为结构化、非结构化两种类型。结构化数据可以用二维表结构来表达实现，主要通过性质稳定的数据库进行存储；非结构化数据是没有预定义模型的混杂信息图景，包括无法结构化的办公文档、XML、HTML、各类报表和图片、音频、视频等信息[15]。目前民主党派协商提案文本的撰写，大多还基于单调的应用文写作规范，而未呈现出对大数据类型特征的理解和认同。由于我国政府部门“信息孤岛”现象普遍存在[16]，民主党派协商对于结构型大数据的运用情况并不理想；而对于以几何级天文数量秒变的非结构化大数据的运用，基本上还处于起步阶段。

综合运用结构型大数据，如CSCD中国科学引文数据库、RESSET金融研究数据库、CNKI中国知网、美国SAGE期刊全文数据、Emerald管理学、工程学数据库等，应是民主党派成员进行协商工作应具备的基本功。根据课题组对民盟福建省委成员和广西各民主党派成员的考察结果表明，理工背景出身的民主党派精英，习惯于运用结构型数据库及其分析平台撰写参政议政文稿；而人文社科背景出身的民主党派管理者和民主党派成员，在运用结构型数据库及其分析平台作为参政议政参考资料方面技术薄弱。这说明，在民主党派成员中普及运用大数据的技能，对于夯实民主党派协商基础、提升民主党派协商品质和效率，是很有必要的。

就非结构型大数据而言，公众常用的搜索引擎如百度及其指数平台、GOOGLE及其趋势平台等，对于我们校验一般的协商提案数据分析是有帮助的。当需要快速调阅的文件超过百万份，或分析的用户达到数以千万计以上时，就不可或缺类似EVERYTHING、爬虫等专业软件。运用非结构性数据，本来可以成为民主党派协商的优长，但实际情况是，民主党派人士还是习惯用成百上千份问卷数据、印象式访谈和不全面的实地考察作为支撑材料。课题组抽样调查了厦门2015年以来各民主党派参政议政文稿汇编，发现多数是基于小数据推演出的确定性表述，而基于混合型大数据进行动态表述的文稿不超过15%。协商时不重视非结构大数据，导致民主党派在一些重大问题上的意见和建议就显得角度不新、分量不足。

可以说，学会运用不同类型大数据，使我国民主党派协商具有鲜明的时代特征，是民主党派协商能力建设的紧要任务。

（三）要用活大数据

大数据是现代生活或工作留存的无序印记，是人类社会生活的副产品[17]。大数据体量庞杂，信息内容在天文数量的基础上呈几何级数增长，属于粗放的被动数据。对于民主党派协商而言，大数据毫无目标地产生、留存和运转，只有被用活的大数据才是有意义的数据。民主党派协商对于大数据的参考、借鉴和使用，应当谨慎、灵活而且要有鲜明的价值导向。

在准备民主党派协商议案时，如何甄别出需要的数据？预定义“类型化”或“关联性”，由此形成有秩序分布的数据集，才能有说服力。比如，要做一个“有关某地水资源利用情况”的建议，那么该地所有海域、江域、湖域，都是“类型检索词”；而“水污染”“水环境”“水产养殖”“水开发”等，就是“关联检索词”。对相关大数据进行分类整理，是民主党派协商运用大数据的基础性工作。但是，按照“类型化”“关联性”指示从大数据里提炼出来的数据集，呈现为二维扁平性征，仍然难以让非专业人士一目了然地抓住要害。

民主党派要想利用大数据形成令人信服的结论，需要简洁明了的大数据分析过程。大数据的动态发展，倾向于解构以符号表述因果逻辑链条。从事大数据研究的学者们一再强调，运用大数据的优势在于发现其数据关联性，而非藉以梳理数据间的因果关系。但这并不意味着，无法在大数据条件下陈述数据和结论之间的必然联系[18]。民主党派协商的现场报告，往往只有十来分钟甚至更短的时间，如何基于大数据表述协商主题与解决方案之间的合理联系，使建议具有感染力和强大说服力，是努力的方向。

对大数据进行可视化处理，有助于解决上述两个方面的问题。可视化处理，是指将二维数据集转换为趋势预测图、项目远景规划模型或有意味的图像视频等。民主党派协商多在非专业氛围中展开，参与者对于大数据陈列以及基于大数据的复杂分析，往往难以及时领会。视图化的大数据是数据基础、数据分析、问题结论的综合直观呈现。在绝大多数民主党派参与的协商场合，视图化的大数据分析及其结论总能获得最多的认可。

（四）在利用大数据时，也要反思大数据

大数据技术打破了数据垄断封锁的局面，在政治、经济、社会、文化、科技、伦理等方面提出了大量新命题，并提供了许多解决问题的新路径；民主党派协商也藉此开阔了视野、积蓄了新动能。但辩证法告诉我们，新技术形态的出现必有利弊，民主党派协商在运用大数据时，也要警惕其局限性，防止負面溢出效应。

大数据分析技术基于这样一种纯粹的认知追求，即一切都可以处理成数据，包括人的情感、意志、态度、行为举止及其心理动机，也都可以数据化。但按照马克思主义哲学原理来衡量，对人性作彻底的数据化表述，会导致对人性作简单化、机械化的理解，从而导致人的社会属性衰败，出现人性异化[19]。民主党派协商的人文追求则体现为，实现“共和”的政治伦理，增进民众的福利。民主党派协商对大数据的运用，应以能维持浓厚人文精神作为基本准则。

民主党派协商，不像党政部门能充分发挥大数据的积极作用。根据切实无疑的数据集，简洁有力地指出协商问题的要害，无须繁琐论证就能提出具有说服力的意见和建议，这是运用大数据的优势。但民主党派协商并非面对必须即时或必须限时处理的问题，甚至不是在讨论一定要有处置结果的问题，庄严周备的程序性和仪式感也是其重要的文化特征。民主党派协商运用大数据，需要经过谨慎理性的辨析过程。在一次有民主党派成员参与的无主题协商座谈会上，政府有关部门根据废弃共享单车的惊人数量以及上万条市民的牢骚信息，提出禁止企业投放共享单车的意见。民主党派成员则敏锐地指出，共享单车给城市带来的活力与便利也要计算进去以形成对比。防范“大数据迷信”，提醒政府相关部门不要以急功近利和片面运用大数据的方式进行决策，也是民主党派协商当前的一个重要任务。

民主党派协商，要谨防触犯“大数据伦理”。大数据状态庞杂混沦，运用者很容易在故意或不知情的情况下实施大量的知识侵权和隐私侵犯[20]。运用者如果被追究责任，就堕入“涉嫌数据违规（犯法）”的境地；如果无法追究责任，又会形成“数据欺凌”，伤害社会公正[21]。就笔者所知，民主党派协商的大数据运用不合“数据伦理”的情况并不少见，只是由于协商文稿多不公开发表，因而不为人所关注。民主党派协商既要遵守政党规则，也要经营社会伦理，一旦由于大数据运用而出现知识侵权和隐私侵犯，协商的公信力就会大打折扣，这是特别要注意的问题。

反思大数据，可以防止滥用大数据，有利于民主党派协商能力的提升，有利于民主党派健康有效利用大数据参与各层次协商，以履行参政议政和民主监督的政治职能。

三、民主党派协商利用大数据的着力点

党政机构和社会组织利用大数据，一般根据其性质、特点和需要，有各自的着力点。民主党派协商利用大数据，可立足党派身份、协商需求、优势互补等，把握以下关键要素。

（一）坚持民主党派协商立场

民主党派协商是中国特色社会主义民主政治的有机组成部分。基于民主党派协商立场有效利用大数据，以下方面大有可为。

1.推进民主党派智库建设

大数据出现为智库建设与发展提供了坚实的技术基础，而智库是大数据得以深入有效介入国家政治、经济、社会、文化的变电站。民主党派只有建成类型丰富、运转顺畅的智库，才能充分发挥运用大数据的优势[22]，避免零敲碎打的参政议政局面，从而持续稳定地不断推出可用于协商且具有民主党派特色的高质量成果。目前，民主党派中央和省级机关着力推动建设类型丰富的研究中心，就形成了民主党派协商运转大数据的平台支撑。

2.坚定民主党派政治立场

我国实行的是中国共产党领导的多党合作和政治协商制度。中国社会阶层复杂多样、社会空间切割细密，民主党派的基本政治立场，就是拥护中国共产党的领导。已故中国民主同盟主席、著名社会学家费孝通先生提出关于中部发展的认识和建议，推进了我国的“中部崛起”战略规划[23]，就是这方面成功的范例。现在借助大数据，民主党派可以更加全面准确地了解和分析各种社会形态、社会阶层、社会空间的存在状态和发展趋势，从而基于不同社会立场参政议政，为民主党派协商赋予新意。

3.推进民主党派之间相互协商

目前所谓的民主党派协商，偏向于指各民主党派参与中国共产党及政府部门组织的协商会议和协商活动。民主党派协商运用大数据，主要为了更好地向党政机构提供有用、有益、有效的意见和建议。不过，在运用大数据参政议政方面，不同民主党派成员之间容易出现类同的情形，所以要推进民主党派之间相互协商。比如，厦门市多次举办若干民主党派有关参政议政的联席会议，在避免数据集同源、选题重复、建议近似的问题方面取得了成效。民主党派成员之间展开协商讨论，可以使基于大数据运用的参政议政删芜汰劣，提升品质。

（二）推进系统项目带动

民主党派协商，经常会指向党政部门的项目。项目，一般又可分为“出题（策略规划）”“解题（线路图设计）”“做题（实施过程）”三种类型，这些都用得上大数据。根据既有民主党派协商实践，民主党派在基于大数据给党政部门“出题”方面获得较多认可，如九三学社曾提出“三江源生态保护计划”[24]、民盟中央曾提出“人才培养推动新兴产业”[25]等。此外，在为党政部门“解题”方面也形成惯例，如各民主党派每年都要结合自身专长，承接党中央或国务院委托的重大课题，这些课题的展开需要大数据作支撑。“做题”，主要由各级相关政府部门付诸实施，各民主党派虽也有局部介入，如定点落实扶贫项目等，但一般用不上大数据。不过，既然民主监督是党派的基本职责之一，那么要对政府部门做题情况进行督察时，就需要调集大数据进行甄别分析。

民主党派在运用大数据为党政部门“出题”“解题”“做题”方面，分别有出色表现。但很少针对党政部门的某一系统项目，将“出题”“解题”“做题”一以贯之进行全面调研协商。相对于执掌项目的党政部门而言，这无疑会导致民主党派协商大数据运用在广度、深度和高度上有所欠缺，难以产生系统的协商话语权[26]，造成难以平等对话的协商困境。民主党派协商大数据运用的系统性不足这一问题，需要通过深度介入党政部门的系统项目来解决。

（三）力求线上线下结合

即时在线和动态更新，是大数据的优势特征。但“即时在线”“动态更新”作为一种文化形态，缺乏稳定性和严谨性，由此可能会产生如下负面效应：结构型数据人为操作空间较大，非结构型数据以率性随意的方式产生。当民主党派协商工作人员按照预定义的“类型化”或“关联性”从大数据中提取数据集，就会面临三个问题：一是数据集的单元或部分存在数据不实、数据虚浮、数据误差，原则上说，这些数据不能作为协商的正面背景资料加以运用[27]；二是通过数据集得到的协商内容，与政治、经济、社会、文化等领域的实际运行状态存在一定程度的差距；三是根据特定大数据分析平台和相关搜索分析软件形成的结论，已经过滤掉人群的心理动机、情感诉求、文化旨趣和社会归属感等人文精神内涵。冷冰冰的“数据+观点”，在民主党派协商中没有感染力。

那么，民主党派协商如何解决上述三种典型问题呢？从大数据中提取的数据集，要通过一定方式在线下落实，这是民主党派协商利用大数据的必由之路。一是召集与协商主题相关的专业人士展开讨论，这样大致就可以澄清数据不实、数据虚浮、数据误差等问题。二是对数据的利益密切相关人群进行采访、展开调查，这样能了解实际社会生态，反面观照干瘪数据的现实协商价值。三是在充分考虑民主党派协商人文旨趣和理性精神的前提下，适当选择大数据分析平台或大数据分析软件，据此产生的数据镜像、数据模型和数据视图，才是适用的。

（四）追求预测力

民主党派协商和参政议政最为人诟病的，就是“马后炮”和“事后诸葛亮”式的低效文案和发言，这也反映出民主党派协商偏重“解释力”而忽视“预测力”的不良倾向[28]。运用大数据，不断提升民主党派参政议政的宏观预测力，可以在一定程度上改善民主党派的协商形象。

1.重视运用非结构型大数据，形成“党派iGDP”格局

在我国，党政部门掌握了全面、完整、权威的结构型大数据，党政部门服务的智库专家在利用结构型大数据方面，已经形成较为完善的提炼和分析机制。相比这下，民主党派协商在运用党政部门及其智库的结构型大数据方面，没有优势可言，也难以形成可持续发展的特色。不过近年来，民主党派在反映社情民意方面势头强劲，形成了“党派GDP”。如果循此提升品质，综合运用微信、QQ、百度等非结构型大数据，在整体观和全局观的指引下搜集和分析社情民意，进而预测中国不同领域的发展大趋向，就可以形成“党派i-GDP”，为民主党派协商增添亮色。

2.在结构型大数据使用方面拾遗补阙，会有意外收获

当前我国服务于党政部门的智库报告，要服从于国家在政治、经济、社会、文化等方面的发展定位。在对相关结构型数据的处理上，既有“解释的偏好”，又有“宣传的色彩”，而这会削弱其对于未来的判断力。民主党派协商可以关注被党政智库全然忽略和淡化处置的结构型数据，其中往往蕴含着可藉以追踪未来图景的蛛丝马迹，由此关联到对某些重要协商问题的预测。

在某些问题上，比如面临我国台湾地区领导人选举等复杂状况时，党政部门及其智库能根据大数据分析出发展动态，但涉嫌话题敏感或出于思虑尚未周全难以表态。在这种情况下，民主党派就可以通过协商争取话语权，分析党政智库愿意共享的大数据，对相关事务作出多方向和多种可能的预测，甚至可以为党政部门提供表态的预案，藉以将问题引向深入，将局面导向变得更为明朗。

四、利用大数据提升民主党派协商能力的对策

总体而言，民主党派协商在利用大数据进行协商和参政议政方面，情况不够理想，还有很大的拓展空间。那么，如何稳妥地提升民主党派协商有效利用大数据的能力，以下对策可能有一定帮助。

（一）设立“大数据研讨课”，作为党派成员培训的常规项目

目前各类民主党派培训项目，尚未出现将“民主党派协商的大数据运用”列为讲解课程和研讨内容的情况。不是其重要性没有得到重视，而是因为利用大数据进行民主党派协商成功案例较为零散，没有经过专家的系统整理，且影响不大，用于培訓不够典型。但越是培训空白地带，越要勇于开创教程，至少可以围绕“大数据运用”这一主题开展讨论班，以确保党派干部、参政议政和社情民意信息骨干都能注意到大数据运用对于民主党派协商的重要性。2017年贵阳市委统战部举办的民主党派骨干成员培训班设置了“大数据区块链技术及应用”课，就产生了不错的效果。

（二）“大数据校验”成为文本定稿的必经程序

对于绝大多数民主党派协商文案和参政议政文本而言，是否运用以及有效利用了大数据，是判断协商内容质量高低、符合时代特征与否的重要指标。设置“大数据校验”这么一个程序，主要检查以下项目：一是数据集提取是否合理；二是数据分析平台（数据分析软件）使用是否恰当；三是提出的建议、得出的结论是否匹配大数据运用的特征要求，如强调关联性和预测力的程度如何等。能够通过“大数据校验”的协商文案、参政议政文本，一般就称得上“具有鲜明时代特征”和“言之有物”了。厦门民盟曾收到一篇题为《建议全面核实我国农村居民身份证信息》的稿件，虽然内容不错，但其中涉及的数据范围太小，于是民盟帮助作者进行了大数据校验，修改过后作为信息专报件呈送，最终得到省级领导批示，被评为“2013—2014年度福建省政协系统优秀社情民意信息”。这可以说明，“大数据校验”对于参政议政文稿撰写是有效的。

（三）党派应结合各自协商专长和界别特色，建设不同主题导向的数据库

虽然大数据具有共享性质，但总有一些数据库是限制开放的，而这些又往往是具有重要协商价值的资料来源。除此之外的非结构型数据，如果平时不留心去分类收集，临时使用起来也不是很方便。民主党派如能在各个层级建设类型丰富的数据库，在协商资料的准备上就可以变得更为主动。同时，党派自有数据库的动态更新，会提示许多新的协商方向，其中一部分经过琢磨和经营，会成为不错的协商议案。目前，民主党派各级机构注重将有价值的协商议案、社情民意信息汇编成册存档，但篇目较少且主题丛杂，难以形成特色优势项目。因此，民主党派应重视不同类型的研究中心的设立，努力提高创建和维护相应数据库的能力。可以说，民主党派数据库建设不仅能为民主党派智库和民主党派成员提供便利，而且本身就是大数据不断发展的一部分，昭示着民主党派协商的现代性追求，需要各民主党派人士去致力经营。

参考文献：

[1]关于加强社会主义协商民主建设的意见[N].人民日报，2015-02-10.

[2][4]肖建平，胡芬芬.构建完整指标体系推动民主党派协商能力建设[J].江苏省社会主义学院学报，2018，（3）.

[3]汪守军.加强民主党派协商能力建设探析[J].中央社会主义学院学报，2016，（1）.

[5]常庆林.加强民主党派协商能力建设的方略研究[J].湖北省社会主义学院学报，2017，（3）.

[6]张继兰.论协商民主视野下的民主党派协商能力建设[J].云南行政学院学报，2016，（6）.[7]文树勋.民主党派协商能力体系建设研究[J].江苏省社会主义学院学报，2016，（2）.

[8]田晓玉.政党协商视野下增强民主党派协商能力的路径[J].重庆社会主义学院学报，2016，（2）.

[9]习近平.审时度势精心谋划超前布局力争主动实施国家大数据战略加快建设数字中国[N].人民日报，2017-12-10.

[10]刘彤.“大数据”这个事儿，民主党派怎么看？[EB/OL].http：//www.rmzxb.com.cn/c/2017-04-07/1466269.shtml，2017-04-07.

[11]Michael Schroeck，Rebecca Shockley，Janet Smart等.分析：大数据在现实世界中的应用[D].美国：IBM商业价值研究院，2012.

[12]Mayer- Schoenberger V，Cukier K.Big Data： A Revolution that Will Transform How We Live， Work，and Think[M].Boston： Houghton Mifflin Harcourt，2013.

[13]刁生富，姚志穎.论大数据思维的局限性及其超越[J].自然辩证法研究，2017，（5）.

[14]Hey T，Tansley S and Tolle K.The fourth paradigm：Data-Intensive Scientific Discovery[OL]. Redmond Washington：Microsoft Research，2009-11-16.

[15]胡键.大数据技术与公共管理范式的转型[J].行政论坛，2018，（4）.

[16]陈文.政务服务“信息孤岛”现象的成因与消解[J].中国行政管理，2016，（7）.

[17]严肃的人口学八卦.专访谢宇教授（上）：大数据的重要价值不是“大”[EB/OL].https：//mp.weixin.qq. com/s？src=11×tamp=1566442533&ver= 1805&signature=jBb9AYdULgBkjnP9OWSYg -mAl6x*vPl5C05dGCHAUN7lU*6ScqnDL95ExK5b- c4yT7tM9gZXzL*ooLOxiUEJrkDeVi50Gx2YhvivZUgCyDuOuHVR3C*mRC* fJU29oH6wq&new=1.html，2018-08-24

[18]齐磊磊.由大数据引起的对因果与相关的讨论[J].自然辩证法研究，2017，（5）.

[19]于文轩.大数据之殇：对人文、伦理和民主的挑战[J].电子政务，2017，（11）.

[20]张轶瑶，田海平.大数据时代信息隐私面临的伦理挑战[J].自然辩证法研究，2017，（6）；严炜，邹盼.面向大数据技术的隐私困境思考[J].江汉论坛，2016，（8）.

[21]文军，吴晓凯.找回失去的传统：“大数据”研究范式的反思与重构[J].新疆师范大学学报（哲学社会科学版），2018，（1）.

[22]陈潭.从大数据到大智库：大数据时代的智库建设[J].中国行政管理，2017，（12）.

[23]刘长喜，刘豪兴.论费孝通的“中部崛起”思想[J].上海大学学报（社会科学版），2006，（5）.

[24]韩启德.九三学社中央关于加大三江源地区生态保护与建设力度的建议[N].人民日报， 2004-10-14.

[25]民盟中央提案建言加强人才培养打造人才培养体系推动新兴产业抢占制高点[N].人民政协报，2018-03-17.

[26]林奇富，贺竞超.大数据权力：一种现代权力逻辑及其经验反思[J].东北大学学报（社会科学版），2016，（5）.

[27]田维琳.大数据伦理失范问题的成因与防范研究[J].思想教育研究，2018，（8）.

[28]胡亚谦.大数据预测能力对公共决策的影响[J].东北大学学报（社会科学版），2016，（3）.

基金项目：民盟厦门市委会2018年一类理论课题“大数据化背景下党派协商能力提升问题研究”。

作者单位：徐莺，广西大学公共管理学院；广西南宁530022；Email：sgping_cool@126.com。