大数据驱动的公共政策转型

文_秦 浩

习近平总书记指出，“要建立健全大数据辅助科学决策和社会治理的机制，推进政府管理和社会治理模式创新”。从我国公共政策实践来看，传统公共政策模式下权威推动、封闭单向、定性分析、反馈迟滞等弊端日益显现，已经难以适应现代公共行政的需要。在“互联网+”技术浪潮影响下，如何通过互联网与政府治理的深度融合实现“互联网+政务服务”，如何借助以大数据为代表的技术手段重塑公共政策模式，逐渐成为政府改革的重要议题。大数据的本质意义在于对海量数据的采集、挖掘、存储和分析，析出数据的背后价值和规律性特征，以此提高决策的科学性、规范性和精准性水平。大数据驱动的公共政策转型，实际上就是以大数据思维对公共政策的价值理念、价值排序、价值目标、政策方案等进行优化再造，以大数据技术丰富公共政策工具，以大数据手段服务于公共政策全生命周期，形成基于大数据的能够创造新的公共价值的公共政策模式。

一、政策议题构建：由“经验”转向“智慧”

政策议题构建是公共政策过程的首要步骤，也是制定公共政策的基点。通过对特定公共问题进行甄别和筛选，从而将问题纳入公共政策议程。如果政策议题构建出现误差，即便政策方案再完美，也无法有效解决公共问题。虽然我国相关政府职能部门在日常管理中也大量使用数据，但总体上数据意识和数据能力仍然较为欠缺，“大数据行政文化”的培育尚未真正成型。在传统决策模式下，一方面，政策议题的确定受信息有限性的制约较大，决策依据主要来自既往事实、经验理性或主观直觉，辅助决策的数据主要依靠抽样数据、局部数据等。这种决策带来的不良后果显而易见，由于掌握的信息有限，数据样本规模太小，无法对问题的真实情况进行全面感知，容易导致政策议题设置与客观实际出现偏差。在信息不对称的情况下，还有可能出现政策制定者夹带私心，将公共政策变为少数人或利益集团权力寻租的手段，从而造成公共政策异化，影响政策的公正性。另一方面，传统政策议题的触发机制为“被动响应型”，决策者的思维定式为简单的因果分析法，缺乏对多元复杂问题的关联性分析，极易出现“顾此失彼”的情况。加之政策预测技术落后，对瞬息万变的事态无法及时捕捉到关键预警信息，政策的先导性、前瞻性不足。

大数据支持的政策议题构建将更加智慧、精准，主要体现在问题感知、搜索、界定、陈述四个环节。一是问题感知。问题感知是政策议题构建的初级阶段，通过对问题情境的系统认识，发觉到问题的存在并对其进行判断和感知。在大数据时代，所有生产生活活动的过程与结果都可以用数据的形式表现出来，借助GIS遥感、移动互联网、物联网、云计算等各项技术，可以对各类活动的数据值进行实时监测和清晰感知，打破以往政府信息来源渠道过于单一、信息收集效率低下的困境。当被监测数据出现异常波动时，数据的动态变化将被同步捕捉、记录，并在最短时间内对海量、异构、动态、分散的数据碎片进行快速分析处理，对其中重复的、错误虚假的数据自动过滤，进而整合加工成具有参考价值的信息资源。在大数据技术广泛渗透的背景下，社会公众的观点表达、利益诉求甚至情绪变化都将被反复、持续地概括和提炼，为社会问题转化为公共管理问题提供可靠基础。二是问题搜索。问题搜索是将感知的问题认定为政策元问题，便于决策者从中找出问题的实质。借助大数据强大的数据抓取能力，决策者可以从抓取的结构化数据、半结构化和非结构化数据中发现过去无法被察觉的信息流，透过公共问题的表象挖掘出产生问题的根本原因。在随机数据、样本数据转变为全量数据的前提下，可以利用网络地图、标签云、数据实时渲染等大数据可视技术对大规模的全样本数据进行线性与非线性的关联性分析和规律性归纳，并通过更加精确、直观的视觉呈现，为元问题的精准认定提供有效的方法和技术保障。三是问题界定。问题界定是将感知和搜索的问题进行归类，决策者依据专业知识和会商研判将问题界定出所属领域。在社会问题日益复杂和并发多元的背景下，一个政策问题很难简单地界定为某个单一领域的问题，往往是多领域交叉关联、互相交错的复合型问题。以数据逻辑取代经验逻辑的大数据技术，能够在最大程度上细化不同领域之间的边界，准确理清各领域的问题范畴及其相互关系，提高问题界定的清晰度和准确度。四是问题陈述。问题陈述是政策议题构建的产出和结果，通过具体的陈述对界定的问题及其细节进行规范的结构化表达，从而建立正式的政策议题。利用大数据技术建立的数学表达模型，具有系统、详实的数据支撑，有效降低了问题陈述的不确定性。基于定量分析得出的定性分析结论，有助于根据重要性、紧急性等维度对政策问题的优先级进行科学划分。同时，大数据分析中对政策问题发展走向与趋势的预测，能够极大增强政策方案的前瞻性和预见性，提升主动应对的能力。

二、政策方案设计：由“单向”转向“协同”

政府方案是为解决公共问题、实现政策目标所拟采取的方法途径，因此在设计政策方案时应充分考虑方案的合理性和穷尽性。在传统公共政策模式下，首先，政策方案的设计和选择主要是政府部门单方面力量作用的结果，不同的政府职能部门既是政策的制定者，又是政策的执行者，同时还承担着解释政策的权力，利益驱使往往导致决策的主观随意性强，暗箱操作、违法决策、政策寻租的现象时有发生。另外，政出多门导致政策缺乏有效衔接，可能出现政策交叉重叠的问题。其次，由于政策体系往往涉及多个利益主体，在政策过程中由这些主体所衍生出的数据信息呈爆炸式增长态势，数据的生成速度和传播速度也在日益加快，政府传统的信息获取和处理能力相形见绌，加之决策者在设计政策方案时往往只关注那些与决策本身相关的信息，大量具有潜在关联的有效信息被排除在决策体系之外，从而产生了所谓的“数据黑洞”，致使出现政策方案失误乃至政策失灵的现象。最后，政府单一主导的公共政策模式背离了民主参与的诉求，决策主体主要是官僚精英和有限的咨询机构或专家，封闭的决策咨询体制将社会公众排斥在外，政策需求端的呼声被漠视，政策方案的公信力和透明度严重不足。

在公共政策中系统性地运用数据辅助决策的历史由来已久，统计学最早正是由西方发达国家将数据分析纳入政府决策体系而形成的，20世纪初期兴起的行为主义政治学、20世纪中期发展起来的政策科学，将数据分析和量化方法的运用推到顶峰，并由此奠定了公共政策科学化的学科基础。借助大数据技术的运用，政策方案设计将从以往的单向性、封闭式转向回应性、协同式。一是政策方案选择阶段。政策方案选择的过程就是对相关数据进行收集、整理、加工及处理的过程，因此方案选择的精准性依赖于数据的完备性。基于大数据的决策中枢系统和决策辅助系统，以政务云平台为基础，借助数据交换共享平台、移动管理平台等信息资源基础设施，通过吸纳多元数据流建立起政策数据仓库，能够对跨界别、跨区域、跨平台的海量数据资源进行精确筛选、深度集成和量化分析。在数据驱动决策模式下，利益博弈对决策的影响被最大程度降低，决策者对政策事项的驾驭能力极大提升，逐渐树立起“让数据说话、用数据决策、靠数据管理”的“循数决策”思维。在决策流程上，原始数据首先被加工成信息，信息再被转换成知识，最后将知识关联到核心决策层，并结合政策客体需求的匹配结果，一步步地辅助决策者作出判断，形成一系列的政策组合方案。通过针对不同政策组合方案的服务推送机制，借助大数据的公共决策智能优化技术和潜在风险模拟预测技术，最终完成对政策方案的快速分析与智能评价，从而选择确定出最佳的政策方案。二是政策咨询反馈阶段。以大数据为依托的政策咨询反馈具有典型的多元共治特征，政策客体与政策主体的关系由从属关系变为伙伴关系，参与的深度由象征性向实质性迈进。一方面，公民可以通过社交媒体、政府网站、电子邮件等渠道自下而上地建言献策，积极主动地表达利益诉求，碎片化的社会行为数据被舆情监测系统广泛挖掘、深度整合并实时反馈至决策中枢系统，政府垄断政策信息和政策过程的不对称局面将得到极大改善。另一方面，政府可以通过信息化平台自上而下地积极回应。由于互动参与渗透到决策过程的每一个环节，客观上要求政府借助大数据平台对决策咨询信息进行精准投放和回收，通过数据梳理、数据清洗、数据留痕，对有价值的反馈信息进行快速定位和有效识别。公众参与的倒逼效应也将促使政府优化信息公开目录，推进政务信息资源交换与共享，加快政府数据开放步伐。

三、政策执行监督：由“粗放”转向“精细”

公共政策执行是将政策方案转化为政策效果的必经阶段，是衔接政策制定与政策目标的重要桥梁。为避免政策执行出现偏差，必须对其进行有效监督。在传统公共政策模式下，之所以经常出现政策执行变形走样的情况，首要原因是政策宣传不到位。传统的政策宣传和解释主要采用点对点、面对面的方式展开，不仅耗费的人力物力财力成本较高，而且宣传的时效性、吸引力和扩散力不强。从信息流的角度看，囿于官僚制模式下政府组织结构条块分割和管理层级较多，与政策执行相关的信息散落在不同职能部门之间，形成所谓的“信息孤岛”和“信息壁垒”，信息传递的渠道不畅、速度较慢、反应迟缓。层级制的组织体系也导致信息逐层衰减甚至高度失真，造成决策主体与执行主体之间的信息不对称。另外，政策执行信息主要通过自上而下的线性传递和执行机构内部传递的方式进行，反馈互动渠道单一、回应乏力，政策执行监督难以达到预期目的。

大数据助力公共政策执行监督的作用空间主要体现在以下三个方面。一是改进政策宣传效果。习近平总书记指出，“要加大政策公开力度，让群众知晓政策、理解政策、配合执行好政策”。大数据传输具有覆盖范围广、传播速度快和形式多样的优势，有助于拓展政策解释的广度与深度。基于大数据分析的服务对象细分，能够将政策数据信息实时精准地推送给政策执行主体与目标群体，从而避免政策信息的过滤和扭曲，有效增强政策宣传的认知力和感染力。二是畅通信息传递渠道。大数据技术的推广应用将带动政府组织结构的变革调整，传统的科层制结构逐渐被弱化甚至解构，最终形成能够适应大数据环境的扁平化、开放化、协同化的行政架构，极大增强政策执行信息的传递速度和响应能力。依托各类自动传感系统、智慧感应装置、物联网全面采集有效的执行信息，相关信息被及时上传到大数据共享平台并在各决策单元进行交互共享，反馈意见被第一时间传递给政策执行者，数据信息在输入、转换、输出的闭环中持续循环，政策制定者与政策执行者之间的边界日趋模糊，执行主体对外部政策环境变化的适应能力不断增强。三是推动政策再完善。大数据作为一种技术工具，可以对政策执行过程中沉淀下来的各类信息进行定向抓取，对论坛、自媒体和主流新闻媒体中关于政策实施效果和社会反响情况进行常态化监测分析，决策者透过巨大的数据流可以将政策执行现状尽收眼底。通过网民态度倾向性分析、热点话题检测与跟踪、文本清洗等量化分析手段，形成政策执行“中梗阻”问题数据库，决策者可据此对政策执行偏差进行及时矫正。

四、政策绩效评估：由“定性”转向“定量”

公共政策绩效评估是按照一定的评估指标体系和规范程序，对公共政策的质量、效益及其效果进行评判的政策过程。习近平总书记指出，“政策实施后要跟踪反馈，发现问题及时调整完善”。传统公共政策模式下的政策评估存在诸多弊端，首先，政府既是政策的制定者和执行者，也是政策绩效的评估者，本质上属于同体评估、内部评估，评估结果的公正性和公信力不足。其次，获取评估所需数据的渠道单一，通过调查问卷等形式搜集的样本数据规模过小，数据覆盖面不足、代表意义不强且具有高度的混杂性和不确定性。另外，数据获取的效率低下、过程缓慢，原始数据的错误率较高，容易导致评估结果出现误判。最后，传统的政策绩效评估方式主要局限在规范研究和定性分析层面，虽然局部已经引入实证研究和定量分析，但数据分析和管理手段比较落后，简单的数据统计和不甚严谨的评估方法也造成政策绩效评估的结果失真。

大数据不仅是一种工具，也是一种理念。大数据技术海量数据获取、多维数据分析的优势，能够将政策绩效评估带入一个全新的层次。一是采集的数据量将以几何倍数增长，由局部样本数据扩充为整体全部数据，数据的覆盖率和精确性大幅提升，数据获取的周期和成本大幅降低，大数据取代小数据成为政策评估的主流。与之相适应，政府职能部门将逐步探索建立政策评估大数据的采集汇聚机制和采集责任制度，依法依规、及时准确地完整记录和沉淀相关履职信息，为政策评估奠定可靠的源数据基础。二是将分散、异构的数据进行整合汇总，依靠大数据技术中的相关性分析、分类分析、聚类分析等方法对混杂数据进行挖掘，再对数据逻辑分析和统计分析的结果进行对比，最后以可视化的方式呈现出政策绩效评估的初步结果。大数据强大的数据处理能力能够弥补以往模糊综合分析的不足，跳出传统政策评估“就事论事”的局限，便于评估主体在最短时间内获得对评估对象的清晰认知，所产出的量化评估结果可为政策终结或政策修正提供完整依据。三是在政策评估中引入大数据本质上是多源数据的汇集，这在一定程度上赋予政策客体发声的权利，有助于推动政策评估主体由封闭走向开放、由一元化走向多元化，实现政策评估技术理性与价值理性的统一。