大数据背景下基于DIIS方法的新型智库框架研究

摘  要：在如今这个全民皆网民、信息爆炸、数据高速增长的信息时代，人们既能通过追溯数据流对问题追根溯源，又能对它进行相关性分析，可以预测未来趋势和规律。研究大数据背景下的新型智库框架，对我国新型智库建设有着深远意义。文章基于DIIS研究分析法，从收集数据、揭示信息、综合研判、形成方案四个阶段浅析大数据对智库框架建设的影响。根据新型智库框架的研究结果，提出大数据环境下智库建设相应的对策及建议，并提出新型智库框架。

关键词：大数据;DIIS;智库建设;新型智库

中图分类号：TP311         文献标识码：A文章编号：2096-4706（2021）23-0104-05

Research on New Think Tank Framework Based on DIIS Method under the Background of Big Data

HAN Zhaodi

（School of Public Administration， Xiangtan University， Xiangtan  411105， China）

Abstract： In the information age when information is exploding， data is growing rapidly， and all people are Internet users. By tracing the flow of data， the problems can be traced back to their root， and future trends and patterns can be predicted by correlation analysis of massive data. The study of the new think tank framework under the background of big data is of far-reaching significance to the construction of the new think tanks for our country. Based on the DIIS research and analysis method， this paper analyzes the impact of big data on the construction of think tanks in four stages： collecting data， revealing information， comprehensive research and judgment， and forming solutions. According to the research results of the new think tank framework， the corresponding countermeasures and suggestions for think tank construction under the big data environment are put forward， and the new think tank framework is put forward.

Keywords： big data; DIIS; think tank construction; new think tank

0  引  言

数据的应用给互联网时代智库创新发展提供了新前景。建设中国特色新型智库，需要利用大数据平台提升知识信息的获取、共享、研究、创造、传播以及应用的能力是智库的核心竞争力[1]。中共中央办公厅、国务院办公厅印发的《关于加强中国特色新型智库建设的意见》总体目标中明确提出八项建设基本标准，其中之一标准要求具备“功能完备的信息采集分析系统”这项基本标准是当前智库研究机构尚未具备的。而智库作为为以公共政策为对象，以影响政府决策为目标，以公共利益为导向，以社会责任为准则的专业研究机构[2]承担着在政府决策中提供信息和智囊支撑的作用。其应该更加重视建设一个可利用大数据开展社会科学研究、集智能抓取、安全存储、智能分析、多渠道应用的系统平台。本文基于微软公司提出的“云+端”模式[3]，结合DIIS分析法，尝试构建大数据背景下新型智库框架。

关于智库建设的研究一直都是智库研究的重中之重，其不仅决定了智庫的研究内容，更决定了研究方向的准确性和可行性。原松华[4]认为可从市场环境、市场需求、市场营销和产品质量4个方面进行智库建设。单卫国[5]认为可从主体业务、人才培养、方法创新和平台交流4个方面进行智库建设。宋文婷等[6]认为可从合作模式、法律保障、体制改革和产品转化4个方面进行智库建设。柏必成[7]则认为制度建设是智库内容建设的关键。罗繁明、袁俊、赵恒煜[8]等以广东省智库信息化平台为例，从模块和功能建设角度提出了基于大数据的特色新型智库平台建设研究。

研究方法上，朱蕴辉等[9]以案例分析法对智库服务经费、服务人员、服务手段等进行了研究。苑健等[10]以对比分析法对不同国家不同类型的智库进行了研究比较。彭波等[11]通过文献调研，探究了美国智库独立性保持的根本原因。冯帮等[12]通过可视化分析对智库的热点类型，学科分类进行了透视分析。陈媛媛等[13]利用因子分析建立了智库网站综合评价体系。

1  大数据背景下智库建设的机遇

1.1  国家、人民对高质量智库强烈的需求

随着习近平总书记在党的十九大报告中明确强调要“切实加强中国特色新型智库建设，充分发挥智库在治国理政中的作用”[14]后，我国掀起智库研究、智库建设、智库发展的热潮，智库数量和智库研究整体水平有了快速的提升。但总体来说，我国现阶段的智库研究水平还比较薄弱，整体研究方兴未艾。而随着我国改革开放步入“深水区”，越来越多问题逐步凸显出来，尤其是经过几年经济的高速发展后，积累了不少亟待化解的问题，如以环境为红利换取经济发展引发的环境、资源问题;贫富差距问题;医疗改革问题等。这些问题，是经济社会发展到一定阶段必然会经历的问题。解决这些富有中国特色问题我们无先例可循、无经验可鉴，且较之于欧美领先的智库，我国传统的智库，偏向于数据加工处理、信息传递服务，缺乏对“决策咨询服务”的关注，为数不多的“决策咨询服务”，也是以内参的形式服务于政府决策，缺乏民主、科学。因此，建设符合中国特色国情，拥有强大发展动力，民主、科学的新型智库迫在眉睫。

1.2  DIIS研究方法的成熟

DIIS分析法，是潘教峰老师及其团队经过对2007—2013年智库研究过程总结提炼，总结出的分析法。它是对智库研究方法论进行再归纳而提出的问题向导，证据向导，科学向导的智库研究新方法[15]。DIIS分析法将智库研究分为四个阶段：（1）收集数据（DATA）——（2）揭示信息（INFORMATION）——（3）综合研判（INTELLIGENCE）——（4）形成方案（SOLUTION）[15]。收集数据（DATA）阶段：围绕所研究的问题全面收集各类相关数据和相关现象;揭示信息（INFORMATION）阶段：进行专业化的信息挖掘、整理和分析形成客观的认知;综合研判（INTELLIGENCE）阶段：引入专家智慧，对认知进行研判，得到新认识和新思路;形成方案（SOLUTION）阶段：在问题向导下提出解决方案，形成高质量的研究报告并服务于政治决策。DIIS四步法保证了数据精确完备，信息全面，分析独立，解决方案具有前瞻性和科学性，融合集成了目前较为主流、全面的研究方法，成为了当前较为成熟、符合我国国情并有指导实践意义的理论方法。DIIS研究方法具体如表1所示。

1.3  互联网和大数据在其他领域大放异彩

随着科技的发展，当今的大数据、基于大数据基础的数据挖掘等技术在信息科技领域大放异彩，切实深入的提高了人们的生活质量和生活便捷度。21世纪的深度网络化，大大的改变了社会经济活动内容，也改变了人们的行为方式、社会关系模式。据不完全统计，我国2018年的网民数量为7亿多，“全民皆网民”带来的海量数据，高度活跃用户，高速数据增幅都是巨大的财富，甚至有“数据为王”的说法。数据流追溯、相关性分析、数据挖掘、人工智能等技术的广泛使用，让数据思维成为新时代认识社会进步和经济发展的思维方式。如此大、深，广的变革和智库研究中的问题导向、证据导向科学导向不谋而合。因此将大数据特有的优势借鉴、引入到智库研究领域对推动智库研究进程，提升智库研究水平，建设新型智库起到关键性作用。

2  传统智库建设面临的挑战

DIIS方法定义了智库研究的逻辑体系，将整个研究过程分为：收集数据（DATA）——揭示信息（INFORMATION）——综合研判（INTELLIGENCE）——形成方案（SOLUTION）[16]四个阶段。大数据时代的到来，对每个过程都提出了新的要求：既要获得海量的信息，也要科学性揭示信息的价值，还要充分发挥信息的价值。因此，DIIS方法的4个阶段都面对这不同的挑战。

2.1  收集数据阶段

潘教峰老师将智库研究的两个来源分为决策需求和趋势规律，主要从问题导向，证据导向以及科学导向着手四个阶段的研究。主张在数据收集阶段，采用全面多样的收集、建模方法。如，网络数据采集法，文本收集法，在线调查法，问卷调查法，人名消歧分析法等。而传统智库，在收集数据阶段，普遍的做法是基于研究主题，或实地调查或问卷调查，收集一手数据。数据的来源比较单一，样本量不够大，数据不全面、完备。另外，数据之间的割裂较大，即基于某个课题或研究收集的数据，只使用于该课题或研究，其他课题或研究不会二次使用这些数据。这样既造成了数据资源的浪费，内存空间的浪费，而且基于这样的数据凝练出来的问题，缺乏综合性，进而形成的解决方案，也不能满足新型智库的建设性，科学性，前瞻性要求。另外，传统/现阶段已有的数据库，已经不能满足大数据对数据存储容量的要求了，基于NAS/SAN的存储方式也无法保证数据的安全。因此在收集数据阶段，如何解决大量数据的存储问题，数据的复用问题以及如何实现数据的安全传输，是这一阶段的主要挑战。

2.2  揭示信息阶段

就方法而言，传统的智库研究主要是社会科学研究，其主要通过样本分析，研究和调查问卷分析证实数据，旨在追求精确性，通过精准内容进行问题定性，再深究因果关系在《智库 DIIS理论方法》中常用的揭示信息的方法有SWOT分析法，数据包络分析法、聚类分析法、主成分分析法、回归分析法、灰色预测法、层次分析法、类比学习法、专利地图法、共现分析法、价值链分析法等，揭示方法有一定的广泛性，但科学性和完备性反面仍然不够充分，依托的分析工具和支撐理论缺乏创新，依旧沿用先前的理论体系，倾向于理论性研究，经验性研究，已不能支撑当前的“以客观事实为核心、以数据分析为支撑、以应用对策为形态“的新型模式。另外如何提高应用场景和揭示方法的契合度，也是影响这一阶段的重要因素。

2.3  综合研判阶段

《2018CTTI来源智库发展报告》指出，截至2018年9月30日，依据对智库专家数据统计，我国目前四分之三的专家都是来自经济学，法学活管理需学科。经济学领域专家最多，占26%，医学、军事学及农学这几个学科专家数都不足1%[17]，专家组成结构失衡。且目前在综合研判阶段采用的方法主要有博弈法、证据推理法、多目标决策法、趋势外推法拉开档次法、记分卡法等，都离不开专家分析研判，经验解读，再综合专家判断，最大程度的凝练大家共识，形成新认知，新观点[3]。但在社会场景日益多元化，情景愈加复杂的现阶段，这样的智库专家组成，综合研判方法显得有些无能为力，既无法满足社会的需求，也不符合新型智库独立性，综合性要求。

2.4  形成方案阶段阶段

在DIIS理论体系中，形成方案阶段主要有多属性决策法、因果分析法、模糊综合评价法、专家评议法、情景分析法、因果分析法、社会网络分析法等。专家们基于前三个阶段，针对研究问题提出总构想和解决思路，形成符合实际发展要求的规划方案与政策建议。但目前成果形式比较单一，主要以论文、著作和内参的形式展示，服务形式，也忽略了对决策咨询这一块的服务。《2018CTTI来源智库发展报告》针对智库领域各层次论文做了统计，总计40 496篇，CSSCI来源最多，2万余篇;SCI和CSSCI的数量均在1 000～ 2 000范围内，其他的各类仅占0.5%[18]。成果转化形式单一，社会影响力低，同时缺乏对成果的跟踪和评价标准，尤其是符合大数据背景的评价标准，基本为空白。

3  基于DIIS方法的新型智库框架构建

3.1  数据资源层

在大数据环境下，新型智库收集数据阶段的重中之重工作是建设基于海量数据信息化管理平台，同时辅以拓宽数据采集渠道，另外注意做好數据安全、数据传输保密工作，刺激政府放心大胆的公开相关数据。政府信息数据，在社会信息总量中占有很大的份额，往往包括法律法规、规划政策，财政报告[19]等和智库的决策咨询服务高度吻合的信息，是智库数据收集的重要部分。提升政府信息公开程度，可以从源头提升智库的质量。

（1）拓宽数据采集渠道。除了实地走访，问卷调研之外，还可以增加座谈会，媒体访谈，尤其应该重视网页挖掘、互联网采集等方式。既因为互联网的数据量大，是增补数据源的首选，又因为可以对网络痕迹和数据流追踪，捕获调查对象的真实行为和真实心态，比传统方式具有更高的真实性。

（2）建设数据信息化采集平台，构建数据资源池。数据采集量增加，旧的数据库不能已满足存储海量数据的需求。引入存储容量更大的数据库、更节省空间的存储方式势在必行。分布式数据库和云数据库应运而生。不同于传统数据库，分布式数据库是非关系型数据库，具有易拓展、高性能、存储模型灵活多样的特点，可以解决大规模数据集合多重数据种类带来的挑战，尤其是大数据应用难题，包括超大规模数据的存储[20]。我们可根据数据来源，将数据库中的数据分为实数据、虚数据。

（3）做好数据安全、数据传输保密工作。不同于传统研究，新型智库研究的目的之一是推动国家治理体系和治理能力现代化，其对政府信息有更强的依赖性，政府数据的公开决定了智库研究的科学性、针对性和有用性。但出于种种原因，我国政府信息公开界限还尚待明确。特此，可以通过加强智库数据安全、传输保密工作，打造政府和智库互相信任基础，刺激政府信息对智库开放。

3.2  信息揭示层

复杂多样的数据样本，常规的分析方法不再适用，抑或使用会耗费大量的时间、人力，因此，与大数据相适应的分析工具，方法也应并肩齐上。

（1）分析理论、工具更新。数据思维正逐渐将传统的因果分析转向相关性分析，因此智库基于大数据基础上，应该灵活运用分类、回归分析、聚类、关联规则、特征、变化和偏差分析等分析理论，精准分解问题，界定问题。

（2）人才培养。旧的分析方法理论沿用于新的背景，不仅会人力物力时间上耗费，还会适得其反，因此，要加强人才的培养，尤其是加强人才对大数据工具使用，理论的培养。使之不仅是具有丰富经验的专家，还是与时俱进的专家，成为智库坚不可摧的壁垒。

（3）加强数据分类。为增加数据的复用性和后期数据使用的便捷性，可将有代表性的，使用范围广的数据，建立成元数据库;数据特性高的存成专题库，同时将标准的，有关联关系、层级关系的基础数据，建成配置库等，个性化，标准化，又将数据之间的关联理清，增加了后期数据复用的便捷性，也逐渐减弱了数据之间的割裂。

3.3  信息研判层

深耕某领域的专家往往有其知识的局限性，纯粹依靠数据的相关性和专家的分析分解的问题，有脱离群众的危险。可在该环节曾设群众谏言环节，尤其对于特定问题的分析，广纳“民间专家”的意见，更有参考价值。智库研究问题也应取之于民，论之于民，再增加专家经验，机器智慧，让凝练出来的问题更具广泛性，综合性。

3.4  方案集成层

基于前三阶段，且在专家专业知识凝练下形成的方案，不应该是智库研究的重点。更应该让其成为新的起点，促进高质量新型智库的建设研究：

（1）完善评价标准。一个方案的好与坏，不能只是其定制者说了算，应该引入中立的第三方，采用客观科学的评价彼岸准评价。因此完善评价标准、体系势在必行。

（2）增强结果转化能力。鉴于智库的决策咨询服务功能和民众对智库的强烈需求，智库的成果转化应该更多形式，具有更大影响力。应摒弃传统的内参模式，走向政智民互动的模式;结果展示更不能拘泥于论文格式，也要注重决策咨询服务。

（3）增加方案迭代环节。不同的阶段，周遭环境也在不停变化，所以解决方案不是一成不变的，应该因地制宜，因时制宜，不断的采集变化，再分析，揭示，研判形成新的真正具有使用价值的方案，因此方案要不断的迭代，完善。

（4）针对使用场景分类。可以按照不同的分类标准针对方案的使用场景，将形成的方案归类，提高场景和方案的契合度和复用率。

综合以上建议，本文构建的新型智库框架如图1所示。

4  结  论

基于大数据背景下的DIIS方法的特色新型智库平台建设应本着“以人民为中心”的核心理念，建构一种公民参与，共商共议的社会秩序的本质，按照DIIS四部分析法，贯通全局，共建构建科学家，决策者，社会力量协同工作网络。完善跟踪机制和评价标准，形成闭环管理，刺激新型智库的良性发展。

参考文献：

[1] 黄晓斌，王尧.地方文献与地方特色新型智库建设 [J].图书情报知识，2016（1）：35-41.

[2] 荆林波，吴敏，姜庆国，等.全球智库评价报告 [J].中国社会科学评价，2016（1）：90-124.

[3] 联合国经济和社会事务部.2016 联合国电子政务调查报告 [R].中国国家行政学院电子政务研究中心，译.纽约：联合国经济和社会事务部，2016.

[4] 原松华.建设一流智库 提升国家软实力 [J].中国发展观察，2012（12）：30-32.

[5] 单卫国.推进智库建设提升国家和企业软实力 [J].理论视野，2014（5）：70-74.

[6] 宋文婷，贺天平.中国特色新型智库建设：动因、主体及路径选择 [J].科学技术哲学研究，2015，32（2）：106-109.

[7] 柏必成.制度建设：智库内容建设的关键 [J].智库理论与实践，2021，6（6）：3-11.

[8] 羅繁明，袁俊，赵恒煜.基于大数据的特色新型智库平台建设研究——以广东智库信息化平台为例 [J].情报资料工作，2020，41（5）：42-48.

[9] 朱蕴辉，李雪溶.中国特色新型高校智库的文献信息服务——以南京大学“中国南海研究协同中心”为例 [J].高校图书馆工作，2016，36（6）：53-56.

[10] 苑健，刘福才.不同政策咨询系统中智库产出差异研究 [J].国家教育行政学院学报，2018（4）：24-29.

[11] 彭波，李树德，曹如中.美国智库独立性内涵述评 [J].情报杂志，2017，36（9）：100-105.

[12] 冯帮，邓心仪.五年来国内教育智库研究的热点、趋势及展望：基于CiteSpace的可视化分析 [J]教育理论与实践，2018（9）：5.

[13]陈媛媛，李刚.智库网站影响力评价指标体系研究 [J].图书馆论坛，2016，36（5）：25-33+62.

[14] 徐宏宇.今天为什么还要来研究国外科技智库——访谈缪其浩研究员 [J].竞争情报，2019，15（4）：2-5.

[15] 潘教峰，鲁晓.关于智库研究逻辑体系的系统思考 [J].中国科学院院刊，2018，33（10）：1093-1103.

[16] 潘教峰，杨国梁，刘慧晖.智库DIIS三维理论模型 [J].中国科学院院刊，2018，33（12）：1366-1373.

[17] 南京大学中国智库研究与评价中心、光明日报智库研究与发布中心联合课题组，邹婧雅，冯雅等.2018CTTI来源智库发展报告 [N].光明日报，2019-01-07（16）.

[18] 石伟.国家治理与中国特色新型智库的制度保障 [J].行政管理改革，2021（3）：50-57.

[19] 杨继瑞.智库研究需要科学的方法和路径 [J].邓小平研究，2019（1）：111.

[20] 徐旭平，李小勇.基于MongoDB的元数据管理研究 [J].信息技术，2018，42（8）：87-93.

作者简介：韩招娣（1993—），女，汉族，海南文昌人，硕士研究生在读，研究方向：政府信息资源管理