大数据视阈下政府决策机制模型建构

□ 黄甄铭

［中共中央党校 （国家行政学院） 公共管理教研部，北京100091］

将大数据上升为国家战略已是全球共识与普遍做法，“谁掌握了大数据技术，谁就掌握了发展的资源和主动权”。［1］自2015年党的十八届五中全会公报提出“实施国家大数据战略”以来，大数据在我国迅猛发展，与世界上诸多国家甚至是发达国家相比已具有先进性的发展竞争优势。［2］在全面推进大数据发展、加快建设数据强国的背景下，政府治理模式正面临数字化转型，这也为构建科学化、民主化的政府决策机制带来了新的机遇。

传统的政府决策对政治家负责，导致决策主体的主动性不足，针对公众需求制定政策时靶向性不强，政策与需求之间易出现“鸿沟”。［3］而且，决策主体反应能力不足，回应滞后，一旦社会矛盾激化，难以迅速把控舆论动态。此外，在提供公共产品与公共服务时，决策主体同时扮演着生产者、供给者和监督者的角色，缺位、越位、错位、不到位的现象时有发生。大数据能够揭示传统技术方式难以展现的关联关系，不断推动政府数据的开放共享，有效促进社会事业的数据融合和资源整合，极大提升政府的整体数据分析能力，从而为政府决策科学化、民主化提供新手段。一方面，大数据改变了公共利益表达与综合评估的方式，借助大数据的全样本生成能力和分析技术，政府决策过程可以包含完整的电子决策、电子传播、电子服务、电子参与和电子监测，不仅能够提高决策效率，也有助于精准决策、科学决策、民主决策、公正决策；另一方面，大数据创造了平等交流和分享信息的平台，打破了政策博弈中的“囚徒”困境，合作共赢由此真正成为公共政策制定的公共价值。［4］借助民意调查、听证会等形式吸纳公众、社会组织及企业共同参与决策，能够促进公共决策过程的进一步开放，有效避免“信息孤岛”“经验主义”“权力寻租”等现象的发生。新时代，要在决策和治理中做到“心中有数”，就要树立数据意识，形成“用数据说话、用数据决策、用数据管理、用数据创新”的理念，改变重经验轻数据、重直接数据轻关联数据、重单一数据轻多元数据等思维惯性和决策方式。［5］

一、相关政策及文献综述

为健全科学、民主、依法决策机制，规范重大行政决策程序，提高决策质量和效率，明确决策责任，国务院于2019年4月20日发布《重大行政决策程序暂行条例》，自2019年9月1日起施行。该条例共六章，分别为“总则”“决策草案的形成”“合法性审查和集体讨论决定”“决策执行和调整”“法律责任”“附则”。其中，“决策草案的形成”一章包括“决策启动”“公众参与”“专家论证”“风险评估”四个方面。

国内外学界关于政府决策机制的研究较为广泛，特别是近年来基于大数据分析的各类决策机制场景应用研究呈现出强劲的发展势头，为政府决策科学化、民主化奠定了良好的理论基础。一方面，既有研究主要落脚于政策科学领域。一是从公共政策的要素入手，如有学者依照政策过程的各种功能活动提出了包含情报、建议、规定、行使、运用、评价和终止七个因素的“功能过程理论”；［6］也有学者从概念上揭示了“利益”是公共政策的核心要素，即公共政策是政府依据特定时期的目标，通过对社会中各种利益进行选择与整合，在追求有效增进与公平分配社会利益的过程中所制定的行为准则。［7］二是着眼于公共政策分析的方法，如有学者梳理了政策分析中的创造性思维方法，包括专家预测法、德尔菲法、脚本写作及运筹博弈等；［8］三是聚焦于政府决策机制设计，如有学者认为，现代政府决策机制包括决策权配置机制、决策程序机制、决策组织机制，需要健全政府决策权配置机制、完善政府决策程序机制、完善专家咨询论证机制、健全公众参与机制、建立完善决策责任制度。［9］另一方面，基于大数据分析的决策机制研究越来越引起学界的关注。一是着眼于理论上的论证，如有学者认为，大数据驱动型政府决策是一项运用大数据技术的公共选择活动，是包括决策主体、决策机构、决策制度、决策程序等要素构成的一个复杂系统，具有综合分析、开放高效、即时反应、准确完备、独立权威等方面的特征；［10］还有学者对近十年大数据驱动公共决策创新研究的SCI和SSCI文献进行了系统综述，力图为运用大数据技术优化公共决策提供理论支持。［11］二是以金融、教育、医疗等领域为应用场景建构实操性模型，如有学者针对互联网金融数据的特点，遵循以数据为中心的系统设计原则，按照数据处理方式进行系统层级划分，进而构建出互联网金融风险预警系统；［12］也有学者通过搭建“大数据+微服务”模式体系，试图为图书馆个性化服务提供技术支撑；［13］还有学者从医疗健康大数据的4V特征入手，提出采用分布式数据系统和搭建Hadoop平台等方法为精准的医疗和预防决策提供支持，为精准的公共卫生及医疗管理决策提供支持。［14］

梳理现有文献可以发现，落脚于政策科学领域的研究为政府决策机制建构提供了要素参考和价值范畴界定，但大数据时代信息技术与应用的迭代更新推动着政府决策发生范式上的变革，决策机制建构需与之相适应；基于大数据的政府决策研究充分论证了数据驱动带来的价值与优势，但大多停留于理论层面，缺乏模型化的实操建构；其他领域的大数据决策机制模型提供了技术框架上的逻辑支持，但不完全适用于公共价值指引下的决策机制。因此，以政府为应用场景的基于大数据分析的决策机制模型建构是当前学界研究的交叉点与薄弱点。本文以此为切入点，尝试应用大数据机理设计一个政府决策机制模型来填补空白。

二、研究方法及大数据工具

本文通过总结决策过程中所涉及的大数据技术及其可支持的具体功能，发现现有技术可支持信息获取、信息处理、决策模拟与最优决策、跟踪反馈等核心功能的实现。随后，以上述核心功能为划分界限，对技术进行归类与机理总结，进而为基于大数据的政府决策机制模型建构提供技术依据与思路指引（见图1）。在政府决策过程中可应用的大数据工具及其机理如下：

图1 决策机制方法流程图

在信息获取上，可以采用分布式结构的数据存储与计算等方法来获取政府决策信息，进而实现及时性、多样性、可靠性的目标效果。现在有许多分布式API能够提供类似的服务，如在Spark框架中有一种新的数据抽象模式称为弹性分布式数据集（RDD），其是容错且并行的数据结构，具体表现在使用日志去记录数据集的产生过程，而不是去记录数据本身。

在信息分析上，对于即时信息，本文采用计算机视觉、自然语言处理方法。第一手的即时信息除数值信息外还存在着大量的文本、图像与视频信息，卷积神经网络（CNN）和递归神经网络（RNN）提供了处理图像数据与序列数据的模型案例。如可以通过卷积模仿人类视觉、反向传播等训练方式对即时信息进行识别、分类、分割。对于历史信息，本文采用知识图谱方法。近年来，知识图谱逐渐成为解决旧式数据库缺乏智能功能的关键技术，其快速发展也使得搜索引擎更为人性化和智能化。知识图谱通过数学概念图将知识链接，其中的每个节点代表实体、每条边代表联系，随后利用词嵌入技术实现抽象描述量化，极为方便后续的模型计算。

在决策模拟上，对于最优决策，可以采用预测、回归、决策树等方法。借助多层感知机（MLP）、决策树（DT）等对决策和事件加以联系和量化，从得出的经济指标、人力资源指标等目标函数中寻求决策的最优组合。对于动态决策，可以采用博弈论与强化学习等方法。真实世界瞬息万变，不同的对策会得到不同的反馈。博弈论通过充分考虑个体和群体的关系以及个体的预测行为和实际行为从而达到全局的帕累托最优，而强化学习则为博弈论提供了实践基础，通过奖励机制与神经网络实现对庞大决策表的拟合能力。对于公平决策，可以采用公平性机器学习等方法。在机器学习领域中，就公平性问题已有许多积极探索，通常通过在不同群体中的实验来平衡社会关系。如探究政府的决策对不同群体如弱势群体的影响，可在上述构建完成的静态、动态模型中加入对不同群体反应要素的测试，并在群体间取得平衡，使得决策更具有合理性、针对性。

在跟踪反馈上，可以采用因果推断等方法，进而实现降噪、迅速、隔离的目标效果。决策落实后的跟踪反馈，其核心在于如何找到由这个决策所带来的社会效应而尽量避免一些因其它事件引起的噪声。贝叶斯网络将因果推断融入到图网络中，通过对某些因子的隔离，直接推断出结果是否由某个因子所影响，从而避免一些环境噪声对跟踪反馈分析的干扰。

三、“迅速回应-智能循环”决策机制模型

通过大数据技术机理进行梳理发现，数据驱动下的政府决策机制建构能够突破凭借局限性经验进行决策的传统范式。因此，本文遵循大数据思维，依托大数据技术，依照精准识别——有机判别——全程把控——价值回溯的流程，制作出“迅速回应-智能循环”政府决策机制模型（见图2）。

图2 “迅速回应-智能循环”决策机制模型

（一）模型建构概述

该模型以精准识别、有机判别、全程把控、价值回溯为轴线，将决策过程要素与科学技术要素相融合。首先通过反复“精准识别”来不断细分存在的具体问题，然后通过“有机判别”即论证问题的重要性并综合多方因素进行分析与决策制定，随之在决策推行过程中实现“全程把控”，并不断以“精准识别”问题为导向持续追踪决策的执行效果，最后综合大众舆情、专家评论、对社会经济的影响等信息进行分析，不断调整与完善决策内容，一旦发现问题时再次触发循环机制。可见，基于对问题的识别、分析、判定、解决、追踪等一系列过程的大数据分析不断实现对目标问题事件的有效引导与规范是设计该决策机制模型的最终目的。需要说明的是，决策过程中的一系列相关数据均可回流至组织内外部的决策经验数据库之中，为未来决策的不同阶段不断提供信息供给与支持。综上，该模型在推动政府决策科学化、民主化方面具有三大核心优势：一是对问题本身和外界环境的迅速回应有助于提高问题识别、决策制定、决策执行与监测的效能。二是循环机制的智能触发有助于在实际执行过程中不断优化决策内容。三是决策经验库的构建可推进数据的重复有效利用，进而大幅提升数据价值，也可为后来的决策提供信息参考。

（二）模型要素细分

1.精准识别：决策问题提出与初步认识。在传统政府决策过程中，所需决策的事件从公众议程到达政府议程之间的反应链条尤为冗长，且对于事物的认识往往基于主观的判断。要想成功地解决问题，就必须对真正的问题找到正确的解决方案。我们经历的失败常常更多地是因为解决了错误的问题，而不是因为我们为真正的问题找到了解决错误的方案。［15］大数据时代，政府决策机制中信息接收的方式与量级发生重大改变，集中体现在对事物的反应速度及预测的正确率提升方面。决策主体采取词频分析等数字技术通过对信息的捕捉获取公众所关注的问题，利用定性分析等数字软件对此问题进行归类和评估，再运用文本情感分析等数字处理方法把握公众对此问题的情感认知和态度分布，最终提炼出公众的利益诉求作为决策的参考项。

2.有机判别：事件状况分析与决策方案制定。判定一个决策方案好坏的标准是其能否推动决策目标的实现，因此在制定决策方案前需要对当前情况进行科学、系统的分析，从而判定决策的成功率和风险度。在传统政府决策过程中，主要采用的是专家会议法、德尔菲法等倾向于主观经验判断分析法对决策事件进行分析，而数据驱动下的决策主体则将内部及外部环境变量因素以量化的形式融入到决策的成功率和风险的运算之中进行考量。内部环境变量因素主要是指政府组织内部的生态环境，即在制定决策方案时对决策主体的偏好及执行能力进行观察，判定其属于保守型还是冒险型抑或是中间型，然后为其提供合适且匹配的决策方案；外部环境变量因素则是指除内部环境变量因素外一系列能够影响到决策效果的的变量因素，如经济、社会、生态等。运用机器学习等大数据分析方法对所有内部及外部环境变量因素进行交叉计算后，可以勾勒出对决策进行支撑的系统分析列表，其中涵括决策事件的判定因素类型及其相应权重，不同决策方案的成本、成功率、风险度及可适用的执行者类型等。结合专家论证以及已有学术研究动态的倾向方案，最终形成尽可能趋向决策目标的决策方案。

3.全程把控：决策进程跟踪与效果评估。社情民意是观察政治问题的晴雨表，应把人民拥护不拥护、赞成不赞成、高兴不高兴、答应不答应作为衡量一切工作得失的根本标准。［16］在政府决策过程中，对决策方案的持续跟踪有助于观察其是否指向预期目标，以便实现动态调整。大数据时代，可借助AI软件的预测功能来判定政府该项决策的初步效果，决定是继续推进该项决策还是暂缓进程抑或是终止方案，以更科学和警觉的视角实现在决策执行过程中不间断的信息匹配和供给。在此过程中，还要对决策的发展态势及未来趋向进行评估和预估，若决策继续执行的风险度超过某一临界值则自动预警，以便决策主体能够在第一时间及时调整决策。

4.价值回溯：决策经验库构建。管理过程就是决策过程，［17］为更好地提供公共服务，政府日常管理往往围绕着各种或大或小的决策问题来展开。传统政府决策在执行过程中更多是基于口口相传的经验授予或决策者自身在应对类似事件后的经验累积，这些无形中形成的小规模决策意识“经验库”显然不够系统、全面。而运用大数据技术对过往事件发展的历史规律进行科学反观和总结，进而建立决策经验库，有助于为决策主体提供经验指导。一是汇集并分类已有的经验做法构建文本数据库，通过调试与分析提供权威性的指导意见。二是每次重大决策结束后及时进行反思与总结，从执行效果、风险评估、成本付出等维度给予综合评价。三是选择规范化的数据模板将采集到的数据录入决策经验库并进行编号，确保决策数据标准、规范。需要注意的是，决策经验库录入的都是过往的经验，其参考过程还需进行人为调控并针对具体问题进行具体分析，避免出现“经验主义”“教条主义”等现象。

总之，由于大数据蕴含着极大的不确定性，因此当新的工具引入时是否会打破现有的决策流程和思维框架尚未可知，目前基于大数据分析的政府决策机制科学化、民主化建构仍然面临诸多问题，如熟练掌握和运用社会科学与计算机科学知识的复合型人才紧缺、各类软硬件设施无法在短时间内全方面匹配等。在大数据这一快车道上，政府应充分共享时代所给予的红利，运用科学的数字技术和数据分析方法对信息资源进行汇聚分析与研判，使决策更加科学化、民主化。

新时代，政府决策科学化、民主化水平仍有极大的提升空间：首先，能否实现对数据真实性的准确把握和考量是政府决策机制科学化、民主化的关键。应本着实事求是的原则，尽可能确保原始数据的规范、准确、全面。其次，合理界定临界值标准。临界值往往涉及到风险评估、成功率运算、发展趋势判定等，在对最终结果进行考量和评价时应关注技术理性与人文关怀之间的平衡问题，制定一个较为合理的规范与调试幅度标准。最后，探索数据保护机制。尝试借助区块链技术对已有决策辅助数据进行获取和存储，同时加大破坏数据安全者的惩罚力度，确保决策辅助数据更安全、更稳定、更加可控。