数据驱动的公共政策研究*——以敏捷智库实践为例

■ 张晓东 夏凡

1 江苏敏捷创新经济管理研究院 南京 210023

2 南京敏捷企业管理研究所 南京 210008

1 前言

公共政策研究起源于政策科学，是对政府为解决各类政策问题所采取的政策的本质、产生原因、实施效果的研究[1]。20 世纪50 年代初，被誉为政策科学之父的哈罗德·拉斯韦尔（Harold Lasswell）与罗伯特·卡普兰（Robert Kaplan）首次使用了“政策科学”（Policy Science）这一术语[2]。20 世纪90 年代以后，我国学界也逐步关注公共政策研究，并引进、消化、吸收西方理论流派，形成相应的研究成果。

随着信息技术的飞速发展，海量的数据得以通过虚拟方式进行储存和加工，这也预示着大数据时代的到来。在经济社会发展的过程中，大量的数据信息通过计算模型和运算法则实现高速运转，在提高计算精度的同时大幅降低人工成本。随着全球大数据潮流涌现，各国政府将注意力集中在了大数据的实践应用上。例如，通过大数据技术实现传染病防控、恐怖分子精准识别、公共卫生服务系统的优化与提升等。2014 年3 月，“大数据”首次写入我国《政府工作报告》，此后政府多次提到应当积极发挥新兴数字技术价值，使其加快推动国家治理能力现代化建设。

2 大数据时代公共政策研究的新机遇

2.1 大数据对社会科学研究的影响

大数据延展了科学研究的视域，通过数据密集型构建了一个新的研究范式。数据密集型的特质在于直面数据本身，通过解析数据，探寻所需的信息、知识与智慧。这种研究范式的转型将会对社会科学研究产生深远影响。

一是革新社会科学研究的认识论——从“相关”关系触达“因果”关系。大数据最主要的作用在于可以找到数据集之间的关联性，这些内在的关联度足以指引人类对数据集、个体、群体，以及三者之间的交互关系和其自身的信息结构进行分析。在大数据时代，政策研究的新要求在于需要揭示与之相关联的大数据的基础性作用、影响机理以及影响政策分析范式变革的内在规律。

二是创新社会科学研究的方法论——从“小样本”推论到“全样本”画像。大数据思维的核心在于通过对海量数据进行科学的剖析，从中萃取出有利于人类社会进步与发展的洞见。随着大数据技术与数据科学的快速发展，社会科学的研究方法和分析模式都出现了一些重要变化：数据类型多样化、信息载体网络化和样本主体在线化。这使数据获取的成本和路径也随之发生变化。网络与机器学习使个体的行为与规则由人为的实验室假定，转变为内在的自然演化进程。除专有数据和受保护数据之外，数据类型、数据采集对象和运算范围都将在很大程度上不受约束。当数据限制在一定程度被削弱之后，研究人员的科研水平将会大幅提升，大数据技术的加持将不仅是工具、方法层面的局部性进展，而是一场整体性的飞跃。

三是更新社会科学研究的实践论——从“分”结构走向“合”系统。大数据的海量、泛在、融合等特性，打破了学科间泾渭分明的界限。以数据为载体进行跨学科的沟通与对话，将成为社会科学研究的一种新常态。曾经处于逻辑实证主义下的结构化拆解与局部性还原的问题解决路径，将被转换成借助跨学科视角，发挥多元主体意识，借助融合性的知识体系寻求解决之道。大数据的出现使主体能够打破资料“孤岛”的边界，舍弃局部的、简单的因果关系，从整个体系的视域来审视复杂的社会问题。

2.2 大数据助力政策研究的创新

随着大数据、云计算、人工智能、物联网等为代表的新兴技术的崛起，研究者借助海量数据信息扩展了自身的经验与认知视域，构建了庞大理论与实证经验联系的桥梁，以崭新的关联性资料，跨越时间与空间，为古典理论提供实验论证的依据。“全样本”“高容错”“深挖掘”等诸多优点，使其具有“全景式”认识世界、发现和提炼新的重大科学问题的能力。大数据必然会为社会科学领域下的公共政策研究带来更多的赋能。

第一，大数据让政策分析更具民主性。传统的政策制定是政府根据少数人的治理需求推断多数人甚至全社会当前以及将来的治理需求，并根据局部区域治理的实践效果，推演、提炼出整片区域甚至整个国家的治理策略和对策。在大数据时代，微博、微信、搜索引擎等社会媒介所生成的海量数据，具有覆盖范围广、开放共享、双向互动等特点，为公众和社会组织增加了表达社情民意以及参政议政的通道。大数据直接挑战传统单极化和封闭式的垂直执政理念。传统的以行政命令为主、单一垂直的治理方式，将让渡于民主协商、合作共治的方式[3]。运用大数据可以有效解决政策制定过程中的民主性问题，促进政府和公众等多方参与社会治理。

第二，大数据让政策制定更具科学性。相较于依赖小数据和数据精确性的时代，大数据更强调数据的完整性和混杂性，能够帮助人类更进一步接近事实真相[4]。与以往依靠层层传递采集政府数据相比，依托互联网载体平台生成的海量用户数据，不但拓宽了政策研究所需的数据源，同时极大降低了政策制定者获得相关数据的时间以及人力成本。通过整合、挖掘和运用各种数据，可将企业、社会组织和民众等都有机整合到政府的治理系统中，从而提升社会的整体治理水平，做到用数据说话、用数据管理、用数据决策、用数据创新。通过数据治理和数据分析，可充分把握当前社会发展及政策制定过程中的热点、难点、堵点、痛点问题及发展动态，建立人口分析、网格管理和民生服务的主题分析模型，以提升政策制定的科学性，从而增强社会治理的精度与效能。

第三，大数据让政策执行更具敏捷性。大数据时代，在数据密集型的研究范式下，实时追踪大规模数据痕迹并利用高效能算法进行精细化分析，为政府的精准决策提供了重要的基础素材与资料，为政府即时响应和操作执行奠定了基础。以国家“雪亮工程”为例①雪亮工程：以县、乡、村三级综治中心为指挥平台、以综治信息化为支撑、以网格化管理为基础、以公共安全视频监控联网应用为重点的“群众性治安防控工程”。其通过三级综治中心建设把治安防范措施延伸到群众身边，发动社会力量和广大群众共同监看视频监控，共同参与治安防范，从而真正实现治安防控“全覆盖、无死角”。，其运用大数据分析技术，构建了基于多元信息的数据分析模式，通过对多种信息资源的多维交互应用，实现了信息的监测、分析和预警，大幅提高了决策执行的响应速度。

3 基于数据驱动的公共政策研究思路

3.1 数据驱动的基本概念及内涵

大数据在各行业的场景中得到了重视与应用，由此形成一片欣欣向荣的景象。

处于大数据的背景下，由于各自研究重心的不同，对数据驱动的认知存在差异。关于“数据驱动”的研究，国内代表性的成果主要有：2015 年，张峰[5]认为，大数据是一种能力，其不仅能挖掘数据的潜在价值，而且能实现数据创新，是一种创新的能力；2017 年，邓亚当[6]认为，大数据不仅是海量的数据资源，也是一种思维；2019 年，段忠贤等[2]认为，大数据不仅是一种理念和资源，更是一种变革人类公共生活的动能。国外代表性的成果主要有：2013 年，库奇（Couch）[7]等指出，将大数据应用于决策中，可以快速收集信息，科学开展预测，及时进行反应，提升决策的准确性与科学性。同年，迈尔-舍恩伯格（Mayer-Schönberger）[4]在著作中提及，大数据驱动的本质是信息驱动，正是有了大数据的帮助，信息才能真正发挥作用。

实践领域对“数据驱动”也有不少认识，美国知名数据分析网站DZone 以大数据和人工智能来增强组织的决策能力，其认为对数据进行分析，可以使组织拥有敏锐的数洞察力，为组织创造更多的价值。布瑞恩·戈德西（Brian Godsey）[8]指出，数据驱动是通过信息技术手段采集海量的数据，将数据进行组织形成信息，之后对相关的信息进行整合和提炼，在数据的基础上经过训练，形成自动化的决策。基于数据辅助决策被看作是数据驱动的初始阶段，基于数据自动做决策可以认为是数据驱动的进阶阶段。

本文认为数据驱动是实践领域的具体形态，是一个基于场景应用的动态过程。数据驱动离不开数据技术发展、数据价值发现以及数据思维变革。这三者有机融合，统一于具体的场景应用中，形成了数据驱动的新范式。数据驱动分析与传统实证分析有着显著差异（见表1）。前者是从海量数据中，通过人工智能、机器学习、深度算法等，挖掘出具有意义的信息和知识，这是价值从隐性到显性的过程；后者则是运用传统的统计学理论、方法及工具，采集有限或局部数据进行规范化分析，获得显性意义，实现数据的论证价值。

表1 数据驱动分析与传统实证分析比较Table 1 Comparison between data driven analysis and traditional empirical analysis

图1 流程驱动与数据驱动流程对比Figure 1 Comparison between process driven and data driven processes

3.2 数据驱动的政策研究框架

随着大数据时代的到来，政治过程被广泛地纳入技术的控制体系，政治运作的效率和效能越来越依赖技术的支撑，这是一个难以阻挡的趋势[9]。将大数据与政府治理具体领域结合，以推进政府治理现代化，已成为实务界和理论界的一致共识。在大数据的背景下，群体间的价值由多个个体的协同作用来决定，单个个体之间的联系已从原来的单一的直线型链式结构转变为一种复合交织的网状结构。价值网络分析是一个基于节点和链接全景式地呈现价值创造和流转的基础框架。大数据应用于政策分析的价值网络见图2。

图2 大数据应用于政策分析的价值网络[10]Figure 2 Value network of big data applied to policy analysis

由图2 可以看出，在政策研究过程中，伴随着数据流转对应生成四种角色：外部数据提供者、内部数据提供者、数据分析师以及决策制定者。

数据的提供者可以分成两种：一种是外部数据提供者，提供社会网络资料及组织运行过程中所生产的数据等；另一种是内部数据提供者，提供各个级别的政府部门运营活动中所生成的管理数据和可公开数据。内外部数据提供者共同向数据分析师传送庞大的数据资源，并将其视为价值生成的重要组成部分。

数据分析师的主要任务是将内外部所提供的数据资源，通过大数据资料采集和加工技术，转换成可识别的信息知识，向政策制定者提供有价值的内容输出。

通过价值执行可以将数据分析师所提供的信息知识转换成关于社会公共事务与问题的解决方案，如：界定亟须解决的社会问题，根据确认的问题建立相应工作计划；或为某一社会问题提出解决办法；还可以对决定的计划进行价值评价等。决策制定者输出的决策成果将会成为一个新的规划或新的政策。在此过程中，数据实现了从信息及知识到智慧的转换，为公众利益的最佳分配起到辅助决策作用。

在政策研究中，基于价值网络分析模型，运用大数据厘清各相关利益方之间的内在联系，通过多方协作达成公共利益的均等分配。以数据驱动的政策研究，可以厘清社会问题表象中的复杂性、不确定性、涌现性。从数据中发掘其所蕴含的信息、知识和智慧并厘清表象的纠缠与纷杂后，才能进入政策的机理层次分析中。

4 敏捷数据驱动系统的政策研究实践

4.1 敏捷数据驱动系统的简介

“敏捷”数据驱动系统是指敏捷智库②敏捷智库由国内外著名管理、信息化专家联袂创办于2003 年，是一家坚持以数据为基石、以创新为动力，科技和经管双轮驱动的新型社会智库。立足自身20 多年数字化领域的行业经验，基于数据驱动的认知与实践，结合价值网络分析理论，更新迭代敏捷“倒T”型业务数据管理模型，遵循“敏睿感知—明智决策—迅捷执行”三大循环步骤，构建“全息化信息采集、智能化分析计算、精准化决策支持、体系化治理机制、系统化运营保障、立体化评价反馈”六大子系统（见图3），为科学研究及问题解决提供一个完整、稳定、闭环的智能化决策分析系统。

图3 敏捷数据驱动系统模型图Figure 3 Model diagram of agile data driven system

4.1.1 三大循环步骤 第一步，敏睿感知。类比人类感知系统对内外界信息的觉察、感觉、注意、知觉的系统化过程，通过数字化技术延展研究者的“感知触角”，建立基于研究目标及主题的信息采集的数据仓，配置全息化信息采集子系统。敏睿感知与价值网络分析中的内外部数据提供者的角色相对应。

第二步，明智决策。将敏睿感知阶段的数据仓导入后，通过数据解析、模块搭建、成效评估、价值判断等相互作用机制，构建对客观现象及内在规律的逻辑性阐释的分析模型，配置智能化分析计算、精准化决策支持子系统。明智决策与价值网络分析中的数据分析师的角色相对应。

第三步，迅捷执行。对易变、不确定、复杂与模糊等的信息做出战略性预判与机会捕获，采取科学有效、规范合理的操作步骤，即时响应决策的落地执行，配置体系化治理机制、系统化运营保障子系统。迅捷执行与价值网络分析中的决策制定者的角色相对应。

4.1.2 六大子系统 ①全息化数据采集。对有效数据的初步过滤，同时对敏感数据进行脱敏处理，以确保对私密数据的可靠保护，经过数据清洗和数据沉淀，实现数据整合。

②智能化分析计算。基于最新深度学习技术和神经网络，通过提炼数据、信息、知识的关联结构，构建内容之间深度联系，将采集层汇聚而来的数据与决策模型进行适配处理。

③精准化决策支持。通过内置决策模型、数据开发及管理平台、可视化输出等辅助决策制定。

④体系化治理机制。为确保最终计算的精确性，并提高数据深度加工效率，在数仓体系建立时构建全流程、全生命周期的数据治理机制。

⑤系统化运营保障。围绕最终的决策输出，建立系统化的数据体系、运营体系、方法体系和组织体系，保障整个系统的高效能运转。

⑥立体化评价反馈。评价机制是基于“效”的价值评判，贯穿于系统整体中的每个子系统、每个子流程节点，通过实时反馈校验数据质量和数据价值实现。

数据本身是静态的，而数据实践应用是动态的。数据驱动是一个催化过程，实现了“静态”数据向“动态”应用的价值转化。正确理解这种转化机理并掌握应用的方法，是理解敏捷数据驱动系统的关键所在。敏捷智库具有多年的数字化领域咨询及实施经验，本文选取如下两个实证案例做进一步阐述。

4.2 案例实证1--—南京“十四五”数字经济发展规划研究

4.2.1 敏睿感知 分类和抽取影响南京数字经济规划制定的资源、产业、治理维度，通过敏捷数据驱动系统的全息化数据采集，构建数据仓（见表2）。

表2 数字经济规划全息化采集数据源Table 2 Holographic acquisition data source of digital economic planning

对南京市辖区内数字经济的载体平台、龙头企业、重大项目、产业园区、核心技术、空间布局、产业方向等情况进行态势感知，输出区域产业分布，充分了解当前南京市数字经济发展的资源禀赋（见表3）。

表3 数字经济规划空间布局Table 3 Spatial layout of digital economy planning

4.2.2 明智决策 规划内容紧扣“数字化”和“高质量”两大着力点。从决策制定应遵循的标准、涵盖的指标维度和活动的观测点三个层面进行分析框架构建，在框架范围内借助大数据方法，对采集的经营性数据、专家规则、统计报表等各类结构化数据实现自动映射式构建；针对研报、财报、百科、新闻、公告等非结构化文件，基于自然语言处理技术和光符识别（optical character recognition，OCR）技术的智能抽取、语义分析与模型构建，通过知识图谱的关联分析，厘清南京各辖区在数字化科技、数字化产业、数字化治理、数字化生活的侧重点，并输出“四区·六地”的战略定位，即打造国家数字化科技先导区、数字化产业标杆区、数字化治理示范区、数字化生活引领区，建设国家数字经济关键技术密集地、优势企业云集地、创新人才汇集地、数据要素聚集地、治理模式荟集地、应用场景富集地。规划研究立足南京资源禀赋，发挥比较优势，“十四五”时期全力建设“数字化科技先导区、数字化产业标杆区、数字化治理示范区、数字化生活引领区”四区，着力打造数字“关键技术密集地、优势企业云集地、创新人才汇集地、数据要素聚集地、应用场景富集地、治理模式荟集地”六地（见图4）。

图4 南京市“十四五”数字经济发展规划架构图Figure 4 Structure of Nanjing’s “The 14th Five-Year Plan” digital economy development plan

4.2.3 迅捷执行 规划的九大任务明确后，采取项目化的管理策略。一方面，设定空间布局优化工程、重大科创平台推进工程、产业数字化转型升级工程、数字经济安全保障工程、应用场景富集工程、数字基础设施提升工程、企业矩阵培育工程、优质人才引育工程和区域协同生态工程等九项工程，为任务的落地推进提供敏捷响应的操作指引和遵循。另一方面，设定指标参数（见表4），强化数字经济发展动态跟踪，加强对产业发展的预警与引导，评定南京数字经济建设工作开展成效，为精准筛选有效建设措施提供检验工具。

表4 南京市“十四五”数字经济发展主要指标Table 4 Main indicators of digital economy development in Nanjing during “The 14th Five-Year Plan”

4.3 案例实证2——国家电网战略闭环管理及政策环境研究

4.3.1 敏睿感知 抽取影响国家电网战略制定的政策环境维度，细分电力能源政策主题，通过敏捷数据驱动系统的全息化数据采集，构建政策数据仓（见表5）。政策环境的数据源包含各级政府官方网站、相关官方机构网站、官方机构主办的主题网站、各类智库的相关研报及专家发表的观点等。

表5 战略闭环管理政策环境全息化采集数据源Table 5 Holographic data source of strategic closed-loop management policy environment

政策环境总览是政策环境可视化模块的入口，显示当前对战略产生影响的能源政策总体的统计情况。主要包括以下几个部分并生成可视化界面（见表6）：

表6 政策环境总览可视化界面Table 6 Visual interface of policy environment overview

①领导动态：中央领导的重要政策关联度言论、活动等；

②最新政策：中央政府最新发布的主题政策；

③政策解读：专家观点、核心述评、研报解读等；

④能源要闻：政策环境中采集的涉及能源的要闻；

⑤主题栏目：预先设定的主题栏目；

⑥热点词云：显示近期政策环境的词云或领导讲话的常用语。

4.3.2 明智决策 通过对电力能源政策主题内涵和现实问题的解读，面向战略决策的（Politics,Economic, Society, Technology，PEST）框架体系，运用词云分析、关联分析、聚类分析、情感分析、热度分析、预测算法、新词发现算法、指数评价、专利地图等算法，实现政策环境的总体感知和态势预测，为战略决策提供辅助支持。在政策分析中，词云图、热词列表、热词变化趋势等可任选一条热词，获得该热词的主题词分析。分析内容主要包括以下几个部分并生成可视化界面（见图5）：

图5 政策影响分析可视化界面Figure 5 Visual interface of policy impact analysis

①领导言论：近期高层领导涉及该主题词的发言；

②热点政策：涉及该主题词的重要政策；

③智库研究：智库与专家关于该主题词的相关研报等。

④新闻统计：该主题词近期的新闻数量变化趋势；

⑤新闻动态：与该主题词相关的新闻推荐。

政策影响分析可视化达到与政策研究目标相关的第一级分析和论证。其通过将“可供解读”的数据转化为“可供利用”的知识，从而更好地参与战略政策分析的过程，为迅捷执行提供方向与路径。

4.3.3 迅捷执行 明智决策助力企业辨析发展目标，优化资源配置，从而通过存量资源集聚效应实现综合价值的提升。迅捷执行紧随明智决策之后，生成国网电力能源战略要报（见图6），通过层层分解及细化决策输出，建立专项行动计划，让战略执行落实到更加具体的产品研发、市场营销、人才培养、文化建设等方面，并建立预算、绩效、资源配置等保障措施，有效实现集团战略目标。

图6 战略要报目录Figure 6 List of strategic reports

4 结论

威廉·邓恩（William Dunn）认为，政策分析是运用多学科的研究方法来创造、批判性评价和交流，有助于理解与改善政策的信息资料（知识）[11]。本文在原有的政策科学理论体系下，融合了大数据方法与技术，构建了敏捷数据驱动系统，遵循“敏睿感知—明智决策—迅捷执行”的流程耦合大数据技术与方法，构建“全息化信息采集、智能化分析计算、精准化决策支持、体系化治理机制、系统化运营保障、立体化评价反馈”六大子系统，为政策研究提供了新思路。公共政策研究是一项与时俱进的系统工程，在大数据时代，应以数据驱动革新理论及方法，创新路径及工具，助力政府对执政理念演进过程梳理与继承式创新，从而为公共利益的博弈提供理论遵循和实证反馈，同时更有效地发挥政策的导向功能、调控功能与分配功能，不断提升政策分析的民主性、政策决策的科学性以及政策执行的敏捷性。