“数据-智慧”决策模型：大数据赋能的城市公共危机决策创新

2021-06-24周芳检

图书与情报 2021年1期

摘要：近年来，我国城市公共危机事件频繁发生，传统的决策范式难以满足当前高度复杂性、高度不确定性危机治理需要。随着5G时代的到来，云计算、大数据、人工智能、物联网等信息技术加速融合，一种融合数据驱动和模型驱动的“数据-智慧”决策范式正在形成，应急情境、决策主体、方式方法、应急流程和决策目标也随之发生深刻转换。同时，依托“数据-智慧”模型的自动决策和人机协同决策功能，可以创新危机决策运行机制，驱动城市公共危机治理不断趋向于智能化、快捷化、精准化。

关键词：决策模型;数据-智慧;城市公共危机;大数据赋能

中图分类号：D63 文献标识码：A DOI：10.11968/tsyqb.1003-6938.2021014

"Data-wisdom" Decision Model： The Innovation of City Public Crisis Decision-making Empowered by Big Data

Abstract In recent years， city public crisis events have occurred frequently in our country and traditional decision-making paradigm is difficult to satisfy the governance request of public crisis with high complexity and uncertainty. With the coming of 5G era， information technology such as cloud computing， big data， artificial intelligence， internet of things accelerate the integration， and a decision-making paradigm of "data-wisdom" is emerging which is integrated data-driven with model-driven， and the emergency situation， decision subject， ways and means， emergency process， decision goal have been undergoing profound changes accordingly. Meanwhile， based on the "data-wisdom" decision model which has the function of automatic and human-computer collaborative decision， it is possible to create crisis decision operation mechanism， and to promote city public crisis governance to become intelligent， rapid， and precise.

Key words decision-making model; data-wisdom; city public crisis; big data empowerment

1 引言

近年來，我国城市公共危机频繁发生，如2014年上海外滩踩踏事件、2015年天津滨海新区特大爆炸事件、深圳光明新区滑坡事件、2019年新型冠状病毒肺炎事件等高度复杂性、高度不确定性事件，造成重大人员伤亡和财产损失，直接影响着社会经济发展，也给党和政府特别是地方政府的公共管理和公共决策带来巨大挑战。“管理就是决策”[1]，公共危机管理的核心也就是危机决策。所谓危机决策是指当危机事件发生或即将发生时，决策者在时间紧迫、人力和资源有限和信息不完全的情况下，为尽可能控制事态、最大限度减少人员伤亡和财产损失，而确定应采取的并随事态发展不断调整的应对危机事件方案和措施过程[2]。

与常规决策相比，当前城市重大公共危机应急决策具有环境多变、信息不完全、跨域性、风险高、时效性强、多主体、多阶段、动态性等特点，对信息的完备性和及时性具有高度依赖性。正确决策的形成建立在全面、及时的信息获取与先进的处理技术之上，而信息不对称是危机情景下决策者通常所面临的重大挑战[3]。因此，公共危机发生后，决策者一项最为紧要的任务就是基于既有的信息迅速识别问题、获取危机本身状态信息并有效采取应急处置措施。但现实危机治理实践中，由于事件的罕见性、早期警兆不明、人为疏忽或信息搜集和处理工具落后等原因，危机决策往往存在信息复杂、信息滞后、信息失真、信息缺失等局限，导致决策滞后和决策失灵，使得事态扩大、危机蔓延乃至局面失控。

无数据不决策。随着5G 时代的到来，A（人工智能）、B（区块链）、C（云计算）、D（大数据）等新一代信息技术融合发展再提速，数据体量呈爆炸性增长，数据已成为一种具有重要价值的资源。如果说4G改变生活，那么5G则改变社会。大数据所积蓄的价值深刻地影响了人类社会的生产、生活和管理方式，特别是在公共服务、应急管理、危机决策等领域，掀起了一场政府决策思维的变革。利用大数据促进数据互联、信息共享、知识关联和智慧应用，驱动城市公共危机治理迈入“用数据说话、用数据决策、用数据管理、用数据创新”的新时代。

目前，国内外理论界与实务界开始关注大数据在城市公共危机决策领域的应用，企望借助于大数据新技术推动政府实施对公共危机的智慧决策，提升政府数据治理能力和决策的科学化水平。美国圣克鲁斯警察局运用大数据搜集各类社交网络数据并进行深度挖掘，从中找出犯罪人员的蛛丝马迹，分析近期犯罪活动趋势[4]。Jindal等[5]利用基于云计算的模糊规则分类器，处理远程医疗多源异构的大数据，为病人的远程实时诊断提供决策;钟开斌[6]提出了“信息源—信息渠道”的应急决策解释框架;童星和丁翔[7]提出重构大数据背景下风险灾害危机的“数据-信息-知识”关键资源链的动态演化规律、属性描述方法与模型;周利敏和童星[8]以阳江市灾害治理为例展现了大数据时代应急响应的新实践。自2015年以来，国务院印发了《促进大数据发展行动纲要》，国家自然科学基金委启动“大数据驱动的管理与决策研究”重大研究计划，北京、上海等城市开展智慧交通、智慧医疗、智慧治理、智慧环保等大数据应用，管理者的智慧决策水平得到较大提升。特别在2019年底爆发的新冠病毒肺炎事件中，“人员迁徙地图”“疫情数据实时更新系统”“确诊患者交通工具同乘查询系统”“发热门诊分布地”等，为各级政府应急决策提供了重要保证。但总体看来，相关理论研究与应用仍处于初步阶段，尤其对智慧决策更是如此。

本文尝试以大数据为背景，梳理公共管理决策范式变迁的脉络，探讨“数据-智慧”决策模型赋能的公共危机决策范式转换，在此基础上进一步思考基于大数据驱动的城市公共危机决策机制优化问题。期待通过对上述问题的思考，能为大数据时代城市公共危机的决策创新提供有益的参考。

2 公共管理决策范式转换理路

库恩[9]认为，所谓范式指的是存在于某一学科领域里被共同接受的假说、理论、准则和方法的总和。图灵奖得主詹姆斯·尼古拉·格雷（Jim Gray）[10]基于數据形态的视角将科学研究的范式分为实验科学范式、理论推演范式、计算机仿真范式以及数据密集型科学发现范式。具体到管理决策领域，研究者也同样遵循着共同的理论和方法。回溯决策范式发展历程，可以发现其变迁、转换的内动力源自于人类获取和分析信息技术的进步，并演生出“直觉经验型”“科学理性型”“仿真计算型”“数据驱动型”4种决策范式。20世纪以前，人类获取与分析数据的技术与能力有限，决策者只得借助于直觉、经验与“记忆数据”进行决策，这种“直觉经验型”决策难以保证结果的可靠性。20世纪初，随着统计技术的发展，以泰勒为代表的管理学家提出了科学管理原理，主张运用数理统计和检索查询等技术代替“拍脑袋”式的个人经验判断。这种“科学理性型”决策可以解决“小数据”样本的决策效能问题，但难以解决整体意义上的决策效能。20世纪中叶以来，随着计算机的出现特别是网络技术的发展，依托数据仓库、在线分析处理、数据挖掘等技术，整合多维、分散的数据，可以为决策者提供在线数据分析和预测服务。这种“仿真计算型”决策能够分析处理结构化数据，但对于非结构化的数据无能为力。

为突破“有限信息”“有限理性”给决策者带来的困境，国内外开始研究大规模数据，期望从海量的数据关系中找出蕴含的价值，旨在提升决策的智慧化水平。20世纪80年代，拉塞尔·阿克夫（Russell Ackoff）[11]提出了“数据-信息-知识-智慧”（Data-Information-Knowledge-wisdom）的“金字塔”模型。该模型中数据位于“金字塔”底部，指的是从研究对象中获取的有关资料，信息是整合数据资料得到的结果，知识是对信息进行的再加工产品，而智慧是运用知识进行决策或运作某一机制的能力。“DIKE金字塔”模型是小数据时代出现的“数据驱动决策”雏形。近年来，随着物联网、移动互联网等信息技术突飞猛进，各种结构化、半结构化和非结构数据呈指数增长，引发管理决策理论与实践的一系列深刻变革，开启了新一轮决策范式的转变，并逐渐形成了一种融合数据驱动和模型驱动的新型决策范式，即大数据驱动的“数据—智慧”决策模式[12]。

基于大数据的“数据-智慧”决策范式，是以大数据为中心，以计算（算法）为手段，以平台为支撑，以最优决策为目标，建立在信息相对对称基础上的开放的、动态的新型智慧决策模型[12]。“数据-智慧”决策依托物联网、云计算、大数据、移动互联网等新一代信息技术，通过对大规模（Volume）、多样性（Variety）、快速性（Velocity）、低价值密度（Value）大数据资源进行实时采集、动态感知、智能分析、即时呈现，揭示数据与数据之间蕴含的规律和价值，优化决策流程和决策体系，辅助决策者更好地预测未来发展趋势，使得研判更精准、决策更科学、响应更有效。

“数据-智慧”决策模型的设计思路是基于对“事件-案例-应急”为主体的三类数据的采集、清洗和规范化处理，构建基础数据仓库;然后根据一定的逻辑规则对数据仓库中案例库的数据（事实、概念）进行知识表示、构建本体，经映射形成案例知识库;提取新发生的公共危机事件特征并进行语义搜索，基于机器智能与专家系统相融合的方式从知识库中检索与目标案例匹配或近似匹配的案例，将案例检索结果在新案例中重用、优化并检测新案例解决方案的成熟度，最终为应急管理部门推荐相应的决策方案[3]（见图1）。

该决策模型的基本架构自下而上共有五层：①数据采集与存储层。通过视频监测、物联网、遥感技术（RS）等技术动态监测人员迁徙和备灾、救灾信息，借助于网络爬虫技术、Web主题信息搜集技术收集公共危机在线数据，并将上述数据暂存城市应急数据云存储中心;②数据预处理层。将搜集到的不完整、不规范或错误数据进行清洗、完善、集成和转换并尽量剔除干扰信息，便于机器识别与处理;③数据处理与决策生成层。利用数据库技术对事件-案例-应急数据库中的数据进行分析、处理;利用挖掘技术将数据组织成数据仓库;利用语义技术关联事件、案例和应急数据构建本体库;利用机器学习等技术构成机器智能模型完成自动化决策，通过专家系统开展大数据建模、模型求解等完成人机协同决策，并对自动化决策和人机协同决策效果进行整合，生成初步决策方案，经反馈、优化完成决策方案输出;④数据服务层。主要是为不同用户提供注册查询、数据录入更新、数据开放和决策推荐服务;⑤应用终端。通过移动终端APP、电脑网络为不同用户提供决策参与途征;通过接入决策指挥平台，实现决策信息在不同应急主体的共享[13]。

“数据-智慧”决策模式中数据的处理方式发生三大变化：全样本数据收集，放弃对数据精确性的绝对追求，注重数据之间的相互关联。这些变化较好地契合了当前对高度复杂性、高度不确定性城市公共危机决策的需要，有利于消解数据交互带来的复杂性，克服数据缺失与冗余双重特征产生的不确定性，能够基于数据相互关联和决策实际需要从海量的数据中挖掘出其中蕴含的信息、知识和智慧，最终实现科学、快速、精准决策的目的。

3 “数据-智慧”模型：城市公共危机决策新范式

在大数据背景下，数据的分析更加注重于集成与挖掘，信息的流向愈发趋向于交互与共享，知识的管理日益侧重于关联与融合，智慧的生成体现出更多的自学习、自适应过程，从而使新型公共危机决策范式呈现出大数据驱动的全景式特点。“数据-智慧”决策模型赋能的城市公共危机决策范式转换，全面体现在应急情境、决策主体、方式方法、应急流程和决策目标五个方面的要素之中[14]。

3.1 情境转换：从线性决策到集成决策

城市公共危机总是在特定的情境下发生、展开的，并伴随着大量的信息释放。在以往的数据获取与分析中，应急管理者通过选取特定领域内小样本，获得一系列与决策直接有关的结构化数据，采用汇总、聚类等统计方法以及简单的图表、图形等形式对数据进行归因处理与分析，形成最终的危机决策方案。如在公交车爆炸事件中，结合视频监控数据和现场调查记录形成事件的初步研判结论;在传染病流行初期，结合病人电子病例和影像资料判定疾病的基本特征和種类。这种基于小样本数据的线性决策方式，要求数据分析的结论最大限度地还原危机客观事实及其内在因果联系，强调以数据的精确性来保证决策的科学性。

当前，随着决策环境的开放程度越来越大，危机决策的不确定性程度也随之攀升，使得传统拘泥于具体领域、借助于少量数据分析的线性决策方式，已经远远不能跟上当前高度不确定性、高度复杂性城市公共危机的决策需要。在大数据背景下，信息跨区域、跨行业、跨领域交互、融合，支撑危机决策的信息从单一领域跨界扩展至多个领域，危机决策更加注重数据来源的全方位性、信息传播的交互性、危机影响的系统性、多目标问题解决的协同性。在抗击新冠肺炎疫情过程中，交通、互联网、电信运营商、电力等不同领域的大数据共享集成，为体温快速流动监测、大规模人群实时流向、传染者跟踪溯源、企业复工复产等提供了很好的支撑与帮助。基于大数据的集成决策，融合了不同领域的多源异构信息，拓宽了决策者视野，提升了危机决策的准确性。大数据具有的强大跨区域、跨行业、跨部门数据融合能力，正在打破传统的、本位主义线性决策模型，推动逐步形成非线性、开放的集成式决策。

3.2 主体转换：从精英决策到多元决策

在传统决策理论中，决策主体经历了由个人决策到组织决策、由个体决策到群体决策、由决策者独立决策到决策支持系统辅助决策者共同决策的转变[14]。西蒙（Simon）基于决策者在开展决策前难以获取全部信息和备选方案的事实，提出了“有限理性”概念。传统公共危机决策中，信息的搜集、分析和决策的完成往往由政府某个部门甚至是某一位领导作出，非政府组织、广大公众常常处于被告知、被安排的境地，这其中信息的上传、下达又要经过许多层级和环节，信息流转缓慢、被截流与失真在所难免，决策滞后和应急迟缓成为常态。

在大数据背景下，危机决策主体发生重大变革：多源数据的可得性使得不同的声音和更多的决策要素可以直接传达到决策层、体现在决策方案里;人工智能分析等大数据技术和方法对集成后的数据深入挖掘、精准分析、形象展示，能够避免传统精英决策带来的主观偏差和集体盲思;信息的传递突破了以往由基层自下而上的级级汇集和决策权力自上而下的层层控制，个体的实时参与和信息的多向传播大大缩短了危机治理结构中的权力距离，使多元主体能够同处一个结构层面，为权力结构的扁平化甚至水平化奠定基础[15]。在许多危机治理过程中，基层政府、企事业单位、社会组织和个人已经能够参与到公共危机的预防、预警、响应、恢复等环节的决策过程中。在新冠肺炎疫情防控过程中，基于大数据支持的各地居民健康登记系统和企业员工健康登记系统，为基层疫情防控决策提供了重要参考。可以预见，伴随着人工智能技术的飞速进步，未来会有越来越多的智能系统参与到公共危机的决策过程当中，危机决策主体不是个别精英的裁定，而是人、组织与人工智能的协同决策。

3.3 方式转换：从经验决策到智能决策

正如本文所述，长期以来，我国形成了与西方发达国家推崇数据收集、注重定量分析的精确管理不同的思维和模式，凡事决策倾向于从直觉和经验出发，领导“拍脑袋”敲定重大决策成为常态[16]。在信息技术比较落后的时代，数据获取渠道较窄，数据处理能力有限，决策者只好凭借直觉判断和个人经验进行决策。不可否认的是，那种基于长期理论思考和广泛实践探索而形成的经验决策方式，对于问题复杂程度不高、涉及范围不广、动用资源不多的决策目标，还是具有一定的适用性。但是近年来，随着我国城市的快速发展，公共危机的复杂性、跨界性、高度不确定性日益明显，基于直觉判断的经验决策不仅有害，而且会坏事，甚至可能引发全局性、系统性危机，这一点在新型肺炎疫情防控初期得到充分印证。

在大数据时代，城市公共危机治理越来越取决于决策者基于海量数据分析的能力，而不是个人的经验与直觉[17]。未来的城市公共危机管理特别是决策环节，将依托跨部门大数据应急平台，通过各种传感器和感知技术实时采集分布在不同领域的数据，经传输、接入、存储、预处理和智能处理，借助于云计算、实时数据获取与交换技术、大规模并行处理技术、数据融合集成技术、移动互联网与轨迹数据时空分析、深度学习、机器学习、可视化呈现等大数据技术，挖掘其内在规律，完成对复杂问题的计算、分析，最终由危机决策者、数据分析师和领域专家协同完成决策过程。

3.4 流程转换：从静态决策到动态决策

在通常意义上，危机决策流程是决策者在一定的思维引导下，基于信息的处理完成决策任务并进行反馈调整的过程。由于受制于落后的信息收集渠道和处理技术，传统的危机决策流程面临以下三大困境：一是决策思路：重应对、轻预防。我国的一些基层政府长期以来存在着一种“重事后处置、轻事前防范”的思维定势，对潜在的风险信息关注不够，缺乏对危机的超前预判，而一旦危机出现则仓促应战;二是决策信息：呈静态、有时滞。危机信息收集、分析研判、传递不全面不及时，存在较长时滞，导致决策效率低下。新冠肺炎疫情期间，一些地方政府不从事态实际情况出发，唯上级领导马首是瞻，在等待上级决策、拍板过程中坐失最佳应对时机;三是决策反馈：碎片化、不连续。危机决策过程中需要根据事态发展和决策执行效果不断调整，不可能一步到位。疫情肆虐、蔓延全国，与初期决策反馈碎片化、不连续存在很大关联。

在大数据背景下，危机决策流程发生三大变革。一是决策过程从事后解决转向事先预测。传统事后“应对式”决策遵循的是“事件突发-逻辑分析-寻找因果关系-进行突发事件应急决策”流程，体现为一种“逆向”思维;而大数据“预测式”决策遵循的是“挖掘数据-量化分析-寻找相互关系-进行突发事件预测预防”流程，是一种“正向”思维，能够起到防患于未然的目的[18];二是决策信息从静态公开转向动态公开。危机情景具有全要素参与、多维互动的特征，需要融合事件事前、事发、事中和事后各方面信息进行决策。智慧决策运用分布式文件系统和数据库、批处理和流处理技术以及开源云平台等大数据技术，支持危机场景中数据之间及数据与人、机及环境的动态交互，实时记录危机决策的轨迹;三是决策结果从预报转向实报。危机信息的实时捕捉和动态公开使得决策时滞性大大降低，信息反馈周期大幅度压缩，在某种程度上甚至可以实现“秒杀”级的动态实时决策。

3.5 目标转换：从满意决策到最佳决策

西蒙认为，由于决策主体的知识、时间和精力有限、决策环境高度不确定性以及决策方案的执行多目标性等原因，有限理性的人做出的决策只能达到满意效果，不可能基于完全理性选择最佳决策方案。在传统的危机决策实践中，由于现实决策者同样面临有限理性、决策环境的复杂多变性、决策信息的高度不完整性、决策目标的彼此可能冲突与难以均衡性，决策者往往使用“满意解”近似替代“精确解”，以此保证危机决策的高效性和统一性。

在大数据环境下，云计算作为一种可扩展性强、高弹性化、虛拟化的计算模式，可以更快捷地处理大规模数据;神经网络、机器学习、深度学习等算法的迅速发展与综合运用，具备强大的数据分析功能，驱动决策趋向自动化和智能化，可以模拟人类的思维活动和扩展人类的认知范围[12]。在商业领域里，阿里巴巴网站显示，该公司 2019年“双十一”网络营销活动中，交易峰值达到每秒54.4万笔，实时处理数据峰值每秒25.51亿条，且要求做到高精度、零误差，这背后是大数据云平台的实时计算大规模复杂性决策能力。公共管理可以借鉴商业领域的成功做法，并且也已在新冠肺炎疫情防控中小试牛刀，在大规模密切接触人员追踪、防控资源配置等方面派上了大用场。由此可见，在新的时代背景下，需要重新思考西蒙基于决策者有限理性得出满意决策的结论。可以预见，随着智能化决策在危机治理中的运用，未来的决策者借助于机器的高度智能，可以无限趋向于完全理性，因而不再满足于做出的满意型决策，而是追求更满意甚至最满意的最佳决策。

4 大数据驱动的城市公共危机决策机制优化

“数据-智慧”决策模型是一种以大数据系统为支撑，经人工智能、机器学习、大数据建模、大数据分析等数据和信息分析，实现自动决策和人机协同决策的一种模式。具体到城市公共危机决策过程，其运行机制包括事态感知与风险识别、风险研判与方案选择、决策反馈与决策调整、决策实施与决策评估等环节。在大数据驱动下，城市公共危机决策不断趋向于自动化、智能化、精准化[19]。

4.1 事态全面感知与风险精准识别

现代城市特别是特大和超大城市，是一个由地上、地面、地下以及虚拟网络空间构成的复杂巨系统，脆弱性极高，公共危机易发高发。如何实现对这样一个复杂巨系统的全方位、精准化管理，是决策者面临的一大考验。大数据拓展了数据采集来源，构建出“全样本”数据源以辅助危机决策。气象、环保等部门运用GIS系统、卫星遥感器采集、存储、处理、描述多维地理空间信息，实现对极端天气、雾霾、热岛效应等城市地上隐患全面感知;公安、交通、城管等部门利用电子监控设备、人脸识别系统等，实现对城市重大风险源、重要基础设施、重要交通枢纽、危险区域、重点区域和人员的隐患监测和持续跟踪;公路、桥梁、隧道、建筑、油气管道等相关管理部门运用智能传感设备，实现对城市地下隐患全方位远程感知和精确监控;舆情管理部门利用大数据挖掘技术，实现对新闻媒体、论坛贴吧、门户网站等信息的全天候文本分析、情感挖掘以及综合处理，实时监测网络舆情特别是负面突发敏感舆情走向。

在大数据背景下，借助于分布在城市关键卡口的视频监控影像、传感设备、环境自动监测设备以及网络舆情挖掘工具等，实现了对城市危机信息的“全样本”、自动化和智能化采集。在此基础上，配合视频图像信息库建设、视频浓缩检索技术，使用全球领先的大规模数据（数字、文字、声音、视频、图像）搜索比对技术，在大量（几千到几千万）的城市应急数据库中查找检索特定风险源信息，将待验证的城市风险源信息与数据库中相关数据逐一比对，根据比对结果按相似度排列，完成对城市风险源的识别和鉴定[20]。

4.2 风险深度研判与方案智能选择

在精准识别风险源的基础上，提取事件特征，运用人工智能、机器学习构建的机器智能模型进行数据挖掘、分词技术、语义分析、自动图像识别等大数据技术处理，挖掘出城市危机事件结构化或非结构数据中所蕴含的有价值信息;结合专家系统进行大规模建模、大数据分析、模型求解，快速完成对事件起因、蔓延和趋势与后果的人机协同决策过程。基于“数据-智慧”模型的城市公共危机风险研判是建立在数据的大规模集成、关联和挖掘基础之上的，是对跨区域、跨行业、跨部门应急信息的有效整合、深度挖掘与综合运用，从而实现对城市公共危机风险的全景式预测。

基于对危机风险的快速研判，智能系统自动搜索数字化应急预案库中与此相配套的应急预案，快速完成决策方案的选择。当危机事件发生时，符合实际的应急方案快速地从预案模型中被制定出来，同时动态加载应急所需基础数据和服务，自动生成智能化决策方案。主要包括危机管理指挥与协调方案，危机处置中的机构、人员、技术、装备、物资、经费的规划和统筹调配，危机情景下的人员疏散、财产保护和现场处置的措施等等，同时配置通信、GIS、图像接入、外部系统接口等各种服务。如基于空间数据挖掘和空间可视化的流向地图，能够实现对人口迁徙、交通、物流等融合数据可视化分析，绘制出一条从起点至终点位置的矢量图，为应急提供快速决策方案。

4.3 决策实时反馈与决策即时调整

城市公共危机决策过程中，决策者面临的是高度不确定性情景，需要根据环境的变化及时做出反应并即时调整初步形成的决策方案。基于大数据的“数据-智能”决策模型，通过移动终端、传感器、搜索引擎等实时、不间断采集海量数据，利用云计算的分布式数据库、云存储存、分布式处理技术等，快速存储、处理多源异构数据，可以大大简化决策信息反馈的传输渠道，避免决策反馈回路中的信息失真。当前，决策者可以通过对新闻报道、社交媒体等海量数据的搜集、挖掘，帮助决策者实时洞察社会各方的利益诉求和真实意见表达，动态掌握决策实施可能带来的效果与影响，持续预判危机未来发展趋势和利益各方可能采取的行动，从而形成良好的决策反馈机制。

基于内外部环境的变化和应急数据的实时更新，危机决策者可以对决策方案进行实时评估、持续修正和动态完善，及时调整应对思路，以不断提升决策的科学性。在危机决策的调整过程中，决策者需要充分考虑信息反馈、决策实施效果，坚持以服务政府危机决策为导向，以法律制度和应急标准为准绳，以大数据人机协同决策平台为支撑，以数据的综合分析为手段，改进大数据资源辅助政府公共危机决策的功能模型、方式方法和技术手段;同时决策者也要充分考虑事态发展对人员、物资、技术、财力等因素的动态需求，坚持以满足公众需求为导向，有针对性地调整决策方案的实施重点和方向[21]。

4.4 决策自动实施与决策同步評估

大数据驱动的“数据-智能”决策依托机器智能的强大分析与计算能力，实时分析海量数据，并且当预置条件被触发时，可以自动为决策者提供即时决策方案，以此实现对复杂性危机情景的自动决策;同时，机器智能通过人机智能接口与由决策者、数据分析师、领域专家构成的多元决策主体协同决策，实现城市公共危机应急情景与危机决策的具体结合并以可视化的形式呈现。基于大数据的“数据-智慧”多主体协同决策，能够突破单一领域决策者“理性有限”的缺陷，辅助危机决策者较好地完成数据驱动的自动决策，从而提升决策的智能化和科学化水平[12]19。

当然，为检验决策实施的效果，需要对决策进行及时地评估。“数据-智慧”危机决策评估主要评估决策者处理信息的能力、决策过程各环节中信息发挥的效能、决策结果的精准性和决策效果的满意度等。如本文所述，大数据处理数据具有显著的实时反馈优势。因此，在决策生成、实施的过程，决策评估也近似同步的实时生成，从而可以大大缩短决策从初步制定、持续修改、动态调整和自动实施、成效检验的时间;况且决策评估贯穿着整个决策过程，决策者不必等待危机决策实施完成后才着手开展决策效果评估，从而可以以近似于同步的方式全程把握危机决策的效果。总体来说，决策评估是一个自调整、自学习、自适应的持续改进过程，决策模型在每次决策后的及时更新，可以为今后的决策提供更加全面的数据样本。

5 结语

近年来，我国出台了《促进大数据发展的行动纲要》和《新一代人工智能发展规划》，并已将人工智能上升为国家战略。随着5G 无线通讯技术和人工智能（AI）等技术的快速发展，基于大数据的“数据-智慧”决策模型已经在商业和智慧城市建设领域内得到一定程度甚至相对成熟的运用，也必将引发公共管理领域特别是公共危机管理新一轮决策范式的转换。有理由相信，这种融合数据驱动和模型驱动，依托云计算、大规模并行处理技术、人工智能、机器学习等大数据技术实现自动决策和人机交互决策，必将推动城市公共危机决策趋向自动化、智能化、快捷化、精准化和科学化。但同时又看到，包括云计算、物联网、人工智能、机器学习、区块链等大数据技术正处于快速发展之中，实现机器自动和人机交互决策还面临不少技术瓶颈、人才短缺、数据共享等困境，需要在实践中不断创新和突破。另外，文中归纳的新旧范式转换过程中，从线性决策到集成决策、从精英决策到多元决策、从经验决策到智能决策、从静态决策到动态决策、从满意决策到最佳决策这些决策方式之间并不是非此即彼的完全替代关系，在一定条件下两者之间恰恰是一种互补增强的关系。

参考文献：

[1] H A Simon.Organization Administrative Behavior：A Study Decision-making Processes in Administrative[M].New York：Macmillan，1957.

[2] 闪淳昌，薛澜.应急管理概论——理论与实践[M].北京：高等教育出版社，2012.

[3] 沙勇忠.公共危机信息管理[M].北京：中国社会科学出版社，2014.

[4] T H DABENPORT，P BARTH R BEN.How“Big Data”is Different[J].MIT Sloan Management Review，2012，53（5）：43-46.

[5] Jindal A，Dua A，Kumar N，et al.An efficient fuzzy rule-based big data analytics scheme for providing healthcare-as-a-service，Proceedings of the 2017 IEEE International Conference on Communications[C].Paris，France：IEEE，2017：1-6.

[6] 钟开斌.应急决策：理论与案例[M].北京：社会科学文献出版社，2014.

[7] 童星，丁翔.风险灾害危机管理与研究中的大数据分析[J].学海，2018（2）：28-35.

[8] 周利敏，童星.灾害响应2.0：大数据时代的灾害治理——基于“阳江经验”的个案研究[J].中国软科学，2019（10）：1-13.

[9] Kuhn T S.The Structure of Scientific Revolutions：50th Anniversary Edition[M].University of Chicago Press，2012：1-217.

[10] Anthony J G Hey.The Fourth Paradigm：Data-intensive Scientific Discovery[J].Microsoft Research，2009（10）：1-252.

[11] Ackoff R.From data to wisdom [J].Journal of Applied Systems Analysis，1989（16）：3-9.

[12] 邱国栋，王易.“数据-智慧”决策模型：基于大数据的理论构建研究[J].中国软科学，2018（12）：17-30.

[13] 周芳检.大数据时代的重大突发公共卫生事件预警创新[J].云南民族大学学报（哲学社会科学版），2020，37（5）：116-118.

[14] 陈国青，曾大军，卫强，等.大数据环境下的决策范式转变与使能创新[J].管理世界，2020，36（2）：95-105，211.

[15] 金太军.网络2.0时代的协同治理创新：体系治理[J].学术界，2015（7）：5-14，324.

[16] 周芳检，何振.大数据时代城市公共危机治理的新态势[J].吉首大学学报（社会科学版），2018，39（4）：63-69.

[17] 陈潭.大数据时代国家治理[M].北京：中国社会科学出版社，2015.