基于大数据技术的精准扶贫管理系统建设研究

摘要：当前我国扶贫工作进入攻坚克难阶段，在习近平总书记提出的“六个精准”指引下，整合政府各部门扶贫数据资源，研究如何应用大数据技术构建精准扶贫管理系统，解决扶贫过程中出现的一些问题，为政府部门提供更加可信的数据支撑服务和更加多样的数据分析服务，辅助政府部门制定更加切实可行的扶贫政策，保障贫困人口基本生活，减轻基层工作压力，提高精准扶贫水平和效率。同时探索我国进入全面小康社会之后，如何利用大数据技术开展后扶贫时代的基层治理工作。

关键词：大数据分析;精准扶贫;后扶贫时代

中图分类号：TP319

文献标识码：A

文章编号：1009-3044（2020）04-0298-03

收稿日期：2019-10-16

作者简介：孙明（1979—），男，安徽界首人，高级工程师，工程硕士，主要研究方向为电子政务技术开发和应用、自然语言处理。

2015年6月，习近平同志在贵州考察时，提出了扶贫开发工作“六个精准”的基本要求，即扶持对象精准、项目安排精准、资金使用精准、措施到户精准、因村派人精准、脱贫成效精准。“六个精准”的提出，为精准扶贫工作指明了方向。按照党中央的指示精神，全国各地派驻的扶贫工作队深入基层，全面摸清贫困县、贫困村、贫困户家底，形成贫困人口衣食住行、教育、医疗、就业、项目建设等大量扶贫数据。结合政府部门已掌握的各类数据，应用大数据技术，能够充分发挥扶贫数据在政府治理工作中的作用，将精准扶贫工作中的“精准”做细做实，有效提升精准扶贫工作的水平和效率。

1 扶贫工作的难点

在“六个精准”的指引下，脱贫攻坚工作取得了决定性进展，工作重点由“打赢”向“打好”转变，从关注脱贫速度向提升脱贫质量转变。行百里者半九十，虽然脱贫攻坚战已到后半程，但需要解决的突触问题依然不少，还有更大更硬的“骨头”要啃。

一是数据掌握不对称，精准识别难度大。扶贫是一项长期的工作，各地按照应纳尽纳、应扶尽扶的原则，对建档立卡贫困户、低保户、边缘户等实行动态管理。在实际的管理工作中，由于基层干部对群众基本信息掌握不及时、不准确、不全面，识别贫困户主要依靠群众自述、基层干部人户调查等方式获取的信息判断，以及基层干部的主观判断，很难掌握申请贫困户的群众是否拥有商品房、小汽车，外出务工收入情况等家庭真实情况，容易将不符合贫困标准的家庭纳入贫困户，将符合贫困标准而未申请贫困户的家庭遗漏，甚至发生基层干部优亲厚友现象。

二是帮扶措施不精准，群众“等靠要”思想严重。一些地方贯彻精准扶贫追求短平快，简单地把所有扶贫措施都同每一个贫困户挂钩，甚至直接给钱给物给股份，非贫困户眼红贫困户、获得补助少的眼红补助多的贫困户，造成部分群众争当贫困户，脱贫致富的内生动力不足等问题。

三是脱贫不精准，群众不满意。脱贫不精准存在该脱未脱和不该脱已脱两种情况。贫困人口精准脱贫的标准是实现“两不愁、三保障”，但标准不是一把带刻度的尺子，能否脱贫要综合研判，这就依赖基层干部对贫困户数据掌握程度、对政策理解程度、对扶贫工作认识、对贫困户的感情以及贫困户的个人觉悟等主客观因素。没有可信的数据支撑，部分群众对脱贫不满意。

四是贫困监控跟不上，做到精准难度大。困难群众不仅是已经建档立卡的贫困户，还包括在贫困标准附近的边缘户、低保户、因突发事故产生的困难户等。如何及时掌握这些情况，靠基层干部入户走访调查、群众申请，不仅工作量大，而且存在信息掌握不对称的问题。没有便捷的贫困监控机制，防止边缘户滑人贫困户、脱贫户再次返贫的难度大。

五是基层干部工作任务重，责任大。“上面千条线，下面一根针”，这是对基层干部工作的真实写照。在扶贫工作中，基层干部是冲在最前线的战士，他们既要一件件地面对群众落实各项扶贫政策，又要一条条的面向上级部门报送各类数据。“群众利益无小事”，为及时完成各项任务，他们经常“5+2”“白+黑”，工作时间和休息时间没有明显界线，随叫随到，稍有不慎，还会被问责追责。

2 扶贫大数据的特点分析

2.1 大数据的来源及特点

“大数据”的概念最早是由美国国家航空航天局（NASA）于1997年首先提出，因2012年美国政府发布的《大數据研究和发展倡议》而引起大家的注意。大数据的产生是由于计算机、互联网、物联网等技术的普及，计算能力不断提升等，人们在工作生活中留存了大量的各种类型的数据。维基百科认为：“大数据是一个复杂而庞大的数据集，以至于很难用现有的数据库管理系统和其他数据处理技术来采集存储、查找、共享、传送、分析和可视化。”麦肯锡全球研究所认为，大数据具有规模巨大（Volume）、类型多样（Variety）、生成和处理速度极快（Velocity）和价值大而密度低（Value）四个特点。

2.2 扶贫大数据的特点及分析

扶贫数据是政务数据的一部分，散落在政府各部门及相关单位。在全国开展脱贫攻坚期间，各类扶贫数据以各种形式被源源不断的报送到政府部门的各类信息系统中。扶贫数据具有数量大、类型多、价值高等大数据的特征。如2014年全国建档立卡贫困人口约7000万，再加上低保人口和边缘人口等，数据量大。扶贫数据涵盖人口、教育、医疗、住房、工商、民政和银行等结构化和非结构化数据，每个贫困人口及家庭信息包括年龄、姓名、就业、收入、支出等指标，再加上教育、医疗、住房、帮扶措施、扶贫报告以及图片、音频、视频等指标，数据涉及面广这些数据来自公安、教育、卫健、住建、民政、银行等政府部门，是经过工作人员审核的数据，数据价值高。

2.3 扶贫大数据系统设计的技术路线

为满足扶贫大数据搜索速度快、数据分析量大、并发要求高的特点，系统应基于Hadoop或Spark架构设计开发。Hadoop是由Apache基金会开发的分布式系统基础架构，主要包括HDFS和MapReduce两部分，具有利用集群进行高速运算和存储高容错性和对硬件要求低等特点，适合为具有超大数据集的应用系统提供高吞吐量的访问。ApacheSpark是一种基于内存的大数据计算框架，是在Hadoop MapReduce计算模型基础上发展起来的下一代数据处理解决方案。Spark 处理大数据能力更强效率更高。

3 构建精准扶贫大数据管理系统

构建精准扶贫大数据管理系统，是满足政府相关部门间数据交换与共享、数据清洗比对数据分析等需求，为各级政府提供精准扶贫决策支持服务。

3.1 数据交换与共享系统

精准扶贫数据交换与共享系统主要包括编制扶贫数据指标规范、建设数据交换系统和数据共享系统三部分：一是根据扶贫工作需求，编制一套扶贫数据指标规范，包括指标名称、指标类型、指标主要来源和参照来源等，为从各部门抽取扶贫数据提供参考;二是建设一套数据交换系统，打通政府部门间的数据共享通道，保障抽取数据的及时性和准确性;三是建设一套数据共享系统，在从各部门抽取数据的同时，也为各部门提供数据共享服务，提高各部门扶贫工作的精度。

3.2 数据清洗系统

原始的数据往往存在不完整、不一致、有异常的情况，如贫困户家庭人口不一致、家庭收入在多个部门不同数字的格式与单位不一致、数据有异常等。在使用从多个渠道获得原始数据之前，需要建立一套数据清洗机制，如数据比对、纠错、统一标准、噪声删除等，对原始数据进行清洗，转化为满足扶贫工作需求的高质量数据。

3.3 数据分析系统

利用关联分析、聚类分析、分类分析和异常分析，以及机器学习算法等大数据技术，建立满足多种扶贫工作需求的扶贫数据分析模型，帮助各级政府精准掌握贫困县和贫困户基本情况、深入分析帮扶措施和成效、为精准扶贫提供决策支持等。

如应用关联分析技术，分析贫困数据指标内在关系，指导扶贫工作检查和贫困标准制定等;应用聚类分析技术，通过贫困户的年龄、职业、教育程度、健康状况、致贫原因等数据，帮助分析发现不同的贫困户群体，针对不同群体制定不同的帮扶措施，提高扶贫精度;还可以使用机器学习、深度学习算法，对扶贫大数据进行深度分析，发掘扶贫数据中的更深层次的逻辑关系，指导精准扶贫工作走向更精细、更完美。

4 应用大数据扶贫的意义

4.1 解决扶贫中的精准问题

首先，应用大数据技术实现精准识别。通过建设贫困户识别模型，分析贫困户家庭成员劳动力状况、健康状况、劳动技能、教育情况、致贫原因，以及房产、汽车、职业状况等，结合致贫原因和贫困户标准，分析是否符合贫困户条件，为精准识别提供数据支撑。

其次，应用大数据技术实现精准帮扶。设计贫困户帮扶措施模型，根据贫困户致贫原因给予合适的帮扶措施，缺什么补什么，既不错位帮扶，也不过度帮扶，更不缺少帮扶，切实解决贫困户遇到的问题。如致贫原因是缺技术，对具有劳动力的人口进行适当的技能培训;缺资金，帮助贫困户争取小额贷款;因病致贫，给予大病救助、医疗保险等政策;发展动力不足，安排善于做思想工作的帮扶人结对帮扶;如果是无劳动能力或劳动能力有限的五保户，帮助办理社会兜底，鼓励做一些力所能及的工作等。通过帮扶措施模型，还可以检测帮扶措施落实情况，对落实不到位的发出预警信号。

第三，应用大数据技术实现精准脱贫。建设脱贫分析模型，分析贫困户当前收入、住房、教育、医疗、饮水等情况，综合研判该户是否达到脱贫标准，指引贫困户脱贫后的生产生活方式，保障贫困户能够稳定脱贫。应用大数据技术，给出可信数据分析结果，还能让贫困户安心脱贫。

4.2 减轻基层工作压力

应用精准扶贫大数据管理系统，采用“交换共享为主、人户采集为辅”的数据采集模式，即系统从公安、教育、卫健等政府部门交换共享数据，基层干部入户走访核实完善数据，能够有效减少基层干部数据采集量、采集次数、上报次数，达到一次采集、一次清洗、多部门共同使用的效果。系统不仅为上级部门提供高质量的扶贫数据，还可以为基层干部执行扶贫措施提供可靠的依据，减少基层干部落实扶贫措施的主观性，减轻基层干部迎接上级部门检查帮扶成效的压力，提升群众对基层干部的信任度等。

4.3 为后扶贫时代提供扶贫管理思路

按照国家关于打赢脱贫攻坚战三年行动指导意见，到2020年，确保实现贫困县全部摘帽、现行标准下农村贫困人口脱贫，同全国一道进入全面小康社会。小康路上，我们不能放松警惕，仍要时刻监督贫困县摘帽后的发展状况，时刻监督已脱贫户、低保户、边缘户及遭遇重大变家庭等底层群众的生产生活状况，是否跟上了小康的步伐。小康社会的扶贫工作就是时刻监督“木桶”上的那根“短板”，不断补齐“短板”，提升底层群众的生活水平。这样的监督工作是长期的、多维度的，如果使用传统的手段需要耗费大量人力物力，且存在不及时、不准确、不全面的风险。利用精准扶贫大数据管理系统，能够花费较低的行政成本及时、准确、全面、长期监控底层群众生活状况，有效提升基层治理水平。

5 结束语

应用大数据技术，整合政府相关部门数据资源，为扶贫工作提供可信的数据支撑，能够有效提升扶贫工作水平和工作效率，实现脱贫攻坚“六个精准”，辅助巩固脱贫成果。到2020年全面进入小康社会之后，扶贫工作不是结束了，而是转换了重点和思路。利用精准扶贫大数据管理技术，能够辅助基层政府及时制定合适的乡村振兴措施，精准帮助底层生活困难群体稳步提升生活水平，为后扶贫时代的基层治理工作提供一套现代化的解决方案。

参考文献：

[1]中共中央党史和文献研究院编.习近平扶贫论述摘编[M].中央文献出版社，2018.

[2]新华社.中共中央国务院关于打赢脱贫攻坚战三年行动的指导意见[EB/OL].（2018.08.19）[2019.10.16].中国政府网，http：//www.gov.cn/zhengce/2018-08/19/content_5314959.htm.

[3]熊贊，朱楊勇，陈志渊.大数据挖掘[M]上海科学技术出版社，2016.

[4]王磊，时亚文.基于Spark的大数据计算模型[J].电脑知识与技术，2016（7X）：7-8.

[5]权赵恒，李嘉迪.从Hadoop到Spark技术的革新[J].电脑知识与技术：学术版，2019（3Z）：265-268.

[6]余本国.基于Python的大数据分析基础及实战[M].中国水电出，版社，2019.

[7]黄坤瑜，赵兴平，方杰.基于大数据的灵璧县精准扶贫新模式研究[J].农村经济与科技，2017（9）：101-102，119.

[8]卿春.大数据背景下精准扶贫系统构建研究[J].铜仁：学院学报，2017（9）：89-92.

[9]周德印.“青海省精准扶贫信息化服务平台”的构建[J].青海科技，2018（1）：38-41.

[通联编辑：王力]