“互联网+”视域下扶贫系统大数据技术的应用

冯芝丽 杨程 周南（湖南交通工程学院）

在全面建成小康社会的决胜时期，脱贫攻坚是一项艰巨的任务，在精准脱贫的过程当中，依然存在精准识别偏离、精准帮扶失准、基层贪腐频发、产业脱贫不对口、扶贫资源分散等问题[1]，因此脱贫攻坚面临着三大难题：各级政府与帮扶对象之间存在“道德风险”、扶贫信息碎片化、社会公众与扶贫对象“供需脱节”。导致以上问题的原因有多种，但其结构性根源在于信息技术长期落后导致了信息不对称，从而导致了“失准”。大数据技术是有效减少扶贫过程信息不对称的重要技术手段，为精准识别扶贫对象、精准设计扶贫方案、精准判别脱贫成效、精准防范返贫行为提供了新模式[2]。

■大数据技术的特点

（一）大数据技术概念

大数据技术是指数据的应用技术，就是从各种类型的数据中快速获得有价值信息的技术。从对象角度来看，大数据是数据规模超出传统数据库处理能力的数据集合。从技术角度来看，大数据是从海量数据中快速获得有价值信息的技术。从应用价值来看，大数据是对特定数据集合应用相关技术获得价值的行为。从商业模式角度来看，大数据是企业获得商业价值的业务创新方向。从思维方式角度来看，大数据是从第三范式中分离出来的一种科研范式。

（二）大数据技术特点

“大数据”具有数据类型繁多、数据价值密度相对较低、处理速度快、时效性要求高等特征。

1.大数据技术可以抓取、收集类型繁杂的数据

包括各种语音、非结构化数据、图像、文本信息、地理信息、网络文章等。早在2009年，UPS就开发了行车整合优化和导航大数据技术系统(ORION)对快递线路进行预测和优化。截至2013年底，ORION系统E已在约10000条线路上使用。在多送出42万件包裹的情况下，该公司节省了150万吨燃料并少排放了1.4立方米的二氧化碳。技术正引领着物流企业迅速将洞察力转化为公司决策。

2.大数据分析具有较高的商业价值和应用价值

物流领域的数据量非常大，包括来自企业、互联网、港口、航空公司等的数据，如何从如此庞大的数据中挖掘出企业所需的数据，需要借助大数据分析技术。例如，通过利用大数据分析集装箱运输信息，物流企业可以知道哪些港口运载量过剩，哪些港口吞吐量大，货物周转速度快，哪些港口应该用于海运业务，大数据已成为智能物流的引擎。

3.计算速度快

非关系数据库技术（NoSQL）和数据库集群技术（MPP-newsql）用于快速处理非结构化和半结构化数据，以获得高价值的信息，这与传统的数据处理技术有本质的区别。查看更多能够处理不同类型的数据，不仅可以处理量大、简单的数据，还可以处理一些复杂的数据，如语音数据、文本数据和图像数据。

■扶贫管理系统中应用大数据技术的意义

数据作为精准扶贫的重要工具，预测是其主要功能之一。将统计学和数学相结合，找出贫困户的相关数据以及这些数据之间的线性和非线性关系，把握其动态关系，分析贫困户现在和未来最迫切的需求，有针对性地制定更为合适、高效的扶贫政策，预测未来中国扶贫开发的趋势，为政府部门的扶贫政策提供技术支持。

由于扶贫对象致贫原因的不同必然导致贫困户之间脱贫成效会有所差异。因此，在大数据环境下，想要建立统一有效的资源挖掘方法，使资源配置更加科学、便捷、合理，就要借助互联网对交通、水利、农业等部门的数据进行整合。例如，村民们可以合理利用资金根据当地实际地理位置和日照条件，全面规划建设光伏发电项目。此外，还可以根据大数据对整体数据的分析在不同的时间节点具体安排不同的扶贫项目，使帮扶措施更加“高效化”“接地气”。

大数据技术能精准、有效的监督项目资金流向。过去扶贫开发进展缓慢是由于扶贫开发资金流向不准确、被克扣挪用。通过精准扶贫大数据平台的建设，可以对项目资金流向进行全程精准、有效的监控。实施单位会定期将项目实施进度信息上传到大数据平台，项目监管人员可以通过大数据平台对项目实施情况进行跟踪监督，及时掌握项目实施信息，以及资金、物资的拨付情况，最大程度上避免了出现套取、冒领扶贫项目资金这种违纪违规行为，确保财政专项扶贫资金安全有效地运行。最大限度地提高扶贫资金使用效率。

■精准扶贫大数据平台存在的问题

（一）精准扶贫运用效果不理想

精准扶贫的第一步是精准识别、建档立卡。然而，由于第一阶段的失真，后续的因户施策更是难以达成。“滴灌式”帮扶是精准帮扶的关键所在，确保所扶真贫、项目“造血”。但在资金发放、措施到户、项目帮扶等方面的偏差会导致假扶贫和“数据脱贫”；帮扶资金的使用受村干部支配，没有形成有效的监督核查机制来压缩村级贪腐空间，导致村级精准扶贫项目在申请、审批、监督、考核等环节存在一定缺陷。

（二）精准管理数据时效性欠缺

虽然平台借助扶贫系统及相关软件形成了扶贫对象的动态管理机制，通过连接相关部门和机构之间的信息系统，实现与贫困户账户的对接，明确扶贫资金的用途和去向。农村资金需要跟踪管理。每笔账都必须录入系统并上传凭证，通过信息技术提高了村级财政的透明度。但是在数据时效性方面还存在以下几点不足：

乡镇扶贫信息每年动态调整一次，但由于村级无登录权限无法进入扶贫系统。因此，扶贫系统不能及时退出、变更、补充信息、调整帮扶措施，解决贫困户死亡、返贫、漏贫等问题。导致数据缺乏时效性。

贫困户的监督和脱贫是精准管理的重要环节。然而，许多村的贫困户脱贫数据存在编造问题，“存伪性误差”较多。根据扶贫规划，本应是逐年“安排”贫困户脱贫，但是许多村为了与县级同步脱贫，编造贫困户数据，使得“脱贫”安排一拖再拖。

由于村干部自身工作能力有限、工作效率不高等原因，村级财务报送缺乏时效性。

（三）精准考核奖惩不严格

在精准评估方面，存在以下问题：

村级精准扶贫评估大数据应用不足。大数据平台被省、中央政府用于抽查，对村级有很强的威慑作用。但是，省、中央政府抽查具体到村的频率相对较低：抽查的主体是县级，然而县级并不会使用大数据平台进行抽查，而是在村活动室抽查村干部提供的贫困户名单，且对抽查结果并不重视。在抽查过程中甚至出现“提前打招呼”，“贿赂”等违纪行为。只有更高级的省政府和中央政府将奖惩落实到位。

乡镇政府对村级绩效考核文件繁冗，并没有制定完整的精准扶贫大数据平台村级应用的考核及奖惩条例，不利于应用绩效考核奖惩大数据。

乡镇政府没有通过扶贫系统对村级扶贫工作进行划分及相应的权限和时限。而是考核村级征收绩效，个人奖惩不到位，导致分工不清，权责失衡，工作中相互推卸责任等问题。

扶贫系统没有对报销情况进行相应的奖惩，也没有规定村级财政报销时限，报账延迟的情况较为严重。

■扶贫管理系统中大数据体系框架

随着时代的进步，大数据技术蓬勃发展，新的理论和工具不断涌现，Hadoop和spark便在其中。Hadoop是一个可靠的、可扩展的分布式计算开源软件框架，用户提供了系统底层透明的分布式基础架构。它具有很好的跨平台性，它允许用户使用简单的编程模型在廉价的计算机集群上对大规模数据集进行分布式处理。与Hadoop相似的是，Spark也是大规模数据集处理的快速通用的计算引擎，不同的是Spark可以优化迭代工作负载，所以在某些工作负载方面表现比Hadoop更加优越。

■总结

综上大数据精准扶贫的价值目标和基本特征来看，大数据的主要优势体现在海量的数据集上。它可以综合分析是否符合“精准扶贫”的“精准”二字，避免人们的主观意识作用，有助于选择以人为本，符合精准扶贫的核心意义。在精准扶贫的同时，大数据分析应用精准识别、精准帮扶、精准扶贫、精准管理，使精准扶贫取得一定成效。