基于大数据的公共决策模型研究

贾飞扬

近几年发生了许多极具争议性的“决策危机”事件，“全面禁止燃放烟花爆竹”“黄灯禁令”“股市熔断机制”“征收拥堵费”等发布若干天就被修改完善或废止的“短命”政策，都反映了我国公共决策领域存在着巨大风险，这些决策失败和政策失灵事件，指向的核心问题是公共决策对公共意愿、公共意志即民意的偏离。大数据时代，民意是可以量化的[1]，这就提出了新媒体时代建立基于大数据决策模型的可能性。国内外对基于大数据的公共决策模型研究成果较少，多数聚焦在大数据与公共决策的宏观层面与理论建构。本文通过对新媒体时代“舆论倒逼决策”现象的梳理以发现公共决策危机的成因和共同点，并将大数据作为有效的决策模型工具，将政策过程视为一个政治系统，以政治系统理论作为分析框架，分析大数据在公共决策过程中的应用，尝试性地提出大数据用以优化公共决策的建议，为实现政府的现代化治理提供借鉴。

一、传统公共决策模式中存在的风险

在国内，传统的公共决策模型主要有以下三种：一是单方面依靠决策层的个人经验和理性判断力进行决策的“政府主导型”模式；二是通过“合意”的过程来平衡多方群体利益的“民主型”模式；三是通过数据抽样，运用数学统计等分析方法得出结论进行决策的“计算型”模式公共政策。这三种公共决策模式由于利益指向的不均衡和设计方案的缺陷，在运用过程中存在着各种风险，第一，决策主体认知存在偏差。决策者受限于少数的政府官员，受个人主观经验的误导，所做的决策具有主观性、随意性的倾向，缺乏合理、科学的决策依据；第二，设计问题的思维粗放、宏观。在问题的感知和确认阶段，并不能精确对位和具体描述，难以针对问题进行分层设计，提出解决问题的弹性决策；第三，执行过程中的无交互。政策并没有根据时代变迁、民意诉求进行修正，没有建立有效的反馈、互动机制。第四，监督机制的匮乏。制定过程并不完全公开透明，存在政策“黑箱”的现象；最后，实施方法具有局限性。虽然采取了数据抽样的量化方法，做到了决策的有据可依，但采样的数据并不具有广泛性和代表性，仍然属于小范围内的采样，方法上并没有突破“有限理性”的桎梏，因此结论并不能支撑科学解决方案的形成。

客观上，民意调查工具的缺失和局限性也影响了公共决策的科学性。民意调查是民意表达的主要工具，真实地反映了各阶层民众对公共政策的态度，作为政府与公众沟通的桥梁，促进了两者之间的意见交流，为政府修订、执行政策提供了参考。虽然将民意调查纳入政府的日常决策过程逐渐成为常态，但民调在我国的发展离科学化、规范化、制度化的标准仍然存在很大的差距。如“民意调查走过场、民意渠道不畅通、民调工具的有限性”，使得民意调查结果在公共政策过程中的作用并不明显。引发争议的“禁燃令”显然没有经过政策发布前的民意调查程序，也就是说政策的制定过程没有经过社会议程的讨论，而是直接上升为政府议程，政府决策层单方宣布政策结果，公众有序参与公共政策的论证过程缺失，民意无法得到表达、疏导与回应。精确地测量民意，建构更多弹性的公共决策模型是新媒体时代规避政策风险，实现社会民主的政策需求。随着信息技术的变革，民意数据使用进入了崭新的大数据时代。

二、基于大数据的政治系统理论模型

政治系统理论是美国政治学家戴维·伊斯顿在政治学研究中使用系统分析方法提出的一种理论。他在其著作《政治生活的系统分析》中指出，基于政治环境与政治系统的关系，政治系统流动模式的三个变量是输入、输出与反馈。要求和支持输入政治系统后，经过转换过程成为政治系统的输出，从而对社会作出权威性的价值分配，即公共政策。政治系统是一个循环的过程，因此“输出”的反馈进入政治系统并改变下一轮“输入”本身。根据戴维·伊斯顿的政治系统模型，阿尔蒙德等人以系统、过程和政策视角提出从输入到输出的转换过程包括四种活动：“①利益表达也指确认政策问题，即利益集团或个人要求改变或者继续实施某一政策；②利益综合也指设计政策方案，即经过利益表达提出的许多要求被综合成几个重大的政策选择方案；③政策制定，即按照政治规则，从若干重大的政策备选方案中择定权威性政策的行为；④政策实施，即政策由政府行政机构实施[2]。”

随着数据爬虫（Crawler）、挖掘（Mining）、可视化（Visualization）、可展示（Publish）为支撑的大数据功用的发展，政策制定过程中的量化指标的获取和分析变得具有操作性，许多隐藏在数据背后的情绪和事件将会浮出水面，这给政府的科学决策行为带来了全新的机遇。通过对变量输入、输出、反馈等环节的操作性假设，特别是利益表达、利益综合、政策制定与政策实施四种活动的数据功用研究发现，大数据可以广泛应用于发现民意、挑选最佳方案以及预评测试与政策反馈与评估这四个方面，从而为公共决策提供民意数据参考和程序保障。

三、大数据在公共决策模型中的应用

维克托·迈尔·舍恩伯格在《大数据时代》一书中提到，“大数据是一种规模大到在获取、存储、管理、分析方面远远超出传统数据库软件工具能力范围的数据集合，它具有大量的数据规模，高速的数据流转，多样性的数据类型、低价值密度和真实性五大特征[3]。”基于大数据的公共决策模型以大数据为技术支撑，具有精准决策、多元共治、客观连续、相关预知等特点，可以为公共决策行为提供更加科学有效的补充。

（一）大数据驱动利益表达的“洞察力”

利益表达在公共政策学中指政策问题确认和政策议题的提出，这也是公共政策过程的首要步骤，之后才会进入具体的公共政策制定过程。在这个阶段，大数据可以为问题的发现和收集提供技术支持，主要体现在民意的收集上，通过收集的民意数据来分析决策的驱动力，进而研判决策的公共性与民主化程度。在验证与描述阶段发现民意主要通过以下两种方式获得：

1.主动调研,发现问题。以新华云智、清博大数据等为代表的新型舆情平台，通过量化的形式将网民的评论、情绪态度、社会价值观等转化为可供计算的大数据信息，得出某一群体对于某一事件基于正相关或者负相关的情绪态势，结合位置媒体信息如带位置的微博、照片数据等，实时地形成一个区域的情绪指数热图，反映公众是如何评价政府的，哪些是负面情绪的等等，为决策的验证、描述、量化与选择阶段提供科学民意论据。同时，这些大数据监测软件还可以通过用户使用的表情符、动词、操作行为等分析用户的潜在舆论，进而实现提前预警的功能，从而根据反馈数据发现问题。2018 年7 月21 日以一篇《疫苗之王》的文章在互联网迅速发酵，引爆了长生生物“疫苗事件”。政府基于舆情动态及时应对，在短短48 小时内完成了承诺整改和依法惩治的发声，舆情风波得以平息，并针对民众舆论对制售假劣疫苗处罚“严上加严”的政策呼声，调整了最高可罚3000 万的政策草案。由此可见，在政策问题的收集阶段，决策层可以依据呈现的舆情及时更改政策方案，使其符合民意，保证政策的科学化和民主化。

2.原生态意见的收集描述。决策主体可以使用大数据的挖掘技术来筛选和过滤网络数据库的无效数据，保留有效数据，提供决策研究的历史资料、问题积淀、现状描述等背景性数据资料，进行数据的相关分析，表达民意诉求；以及决策各部门之间的数据云共享，及时发现网络民意，并根据这些分析与广泛的民意收集，进行内容的正当性判断，形成决策的“洞察力”依据。目前，中国许多地方政府已经开始探索公民参与政策制定的新模式，温州民间智库作为开放式公共政策的重要组成部分，为公民的民主参与提供了条件，通过每个人身边的大数据信息，成为当地政府吸纳民意的有效载体，并转化了许多具体的政策方案，如“垃圾分类管理、引民资建立体停车库、温州绿化工程、公交与治堵”，相比听证会、意见簿、调查问卷等传统手段更能反映真实民意。

（二）大数据增强设计政策方案的说服力

决策者量化以及民意的选择。主要的互联网技术公司和社交网络提供商如Google、Facebook 和Twitter 已经成为美国大选获取民调数据（data-driven campaign），以及推动公共议题凸显和公共政策制定的主要阵地，在反映社会、经济和政治问题上给政策制定者带来了巨大便利，提供决策者数量依据。同时，大数据基于网络挖掘技术、储存技术、分析技术以及处理技术支持可以通过对网民的学历、特征、行为数据等进行相关分析决定谁来参与，提供质量依据。包括与议题相匹配的多元化决策主体结构、基于民意调查的决策方案提出，都可以通过大数据工具进行价值研判，使决策建立在最佳的可利用的证据的基础上，实现循证式决策，提高政务效率。

（三）大数据增进政策制定的可行性

效果测量，小范围试行。决策是基于数据与理性的，基于事实调研的。传统的“拍脑袋”决策，缺少专业的前期评估测试，当然即使是程序化的模式也难免会出错。在政策问题确认阶段可以进行参与度分析，通过仿真实验释放决策“气球”进行基于一定范围人群样本的政策全过程模拟实验，利用舆情监测系统对网页、BBS、论坛等数据的预处理，以及参与式观察来进行追踪仿真决策的发展态势和决策的效果，帮助决策者研究环节中所可能出现的问题，根据这个过程的大数据挖掘来进行效果测量和评估输出合理的公共决策，从而降低实际实施的风险。例如，2014 年北京市单双号限行小范围试行，将地图导航用户作为数据蓝本，通过大数据工具论证单双号限行政策的可行性，发现实行单双号限行政策后城市高峰期拥堵延时指数下降38%。同时，政府通过对舆情监测的网民情绪态势分析发现54.9%的网民赞成，44.1%的网民反对此政策，通过对此次决策效果的调研，从而有效的为单双号限行政策制定提供了可行性依据。另外，筹备于2016 年的北京市西城区西长安街街道首个基层政府大数据中心，面对家长都希望幼儿园建在自家门口的诉求，街道根据大数据平台掌握的实有人口和户籍人口数据，预测未来两年0 岁至3 岁幼儿的入园需求以及趋势，据此进行选址更加科学，并为北京市幼儿园选址提供参考。

（四）大数据政策实施的有效性

完善政治系统输出决策的反馈。在戴维伊斯顿的政治系统理论里指出，任何大的政治系统都处在一定的环境中。因此，决策者就需要根据政策所处的环境变化进行有限的补充或改变来使政策得到生命的延续，通过大数据可以探知社会舆论与公众意见，监测、评价、预测政策情绪走势、政策信息反馈，从而针对政策环境系统的变化进行动态管理和不断调适。公共政策往往是针对一个时期内的社会问题，具有时效性，需要根据外部环境的变化与反馈来的民意及时进行调整。2018 年7 月28 日，个税改革对外征求意见满一个月，截至7 月29 日，个税法修正案草案共收到网民提出的逾13 万条意见，其中个税起征点大于5000 元呼声最高，在多年的舆论呼吁和此次收集的民意推动下，2018 年8 月31 日，修改个人所得税法的决定通过，起征点调高至每月5000 元，并于2018 年10 月1 日起实施最新起征点和税率，这是《中华人民共和国个人所得税法》自1980 年出台以来的第七次修订。我国的个税改革部门采用有效的民意诉求，及时发布新的政策方案，增加了决策的科学化水平。

完善政治系统输出决策的评估。利用大数据技术进行政策执行的评估、效果分析显得尤为重要。大数据技术的应用完善了决策系统模型体系，主要体现在：①大数据使政策评估更加客观化且多元真实。以采集数据软硬件支撑的传统数据收集评估方式，通常带有设计者的主观色彩，建构的是带有偏向的价值观表达。大数据时代，我们不再需要对某一个特定的个人进行定位和分析，转而进行的是这个群体的数据分析，得出的是整个群体的价值取向，带有一定的客观性。②大数据使政策评估更加高效化。社交媒体、搜索引擎、地理位置数据、传感器数据、扫描类数据、移动电话数据等带来了丰富的数据资源，大数据的全面感知、实时分析可以在数据生成的同时进行相关分析展现高效处理能力。大数据的全面感知表现在通过对海量数据的统一储存，围绕着具体的用户，进行统一格式的归档，从而能够做到纪录某用户几年前对某一事件的关注内容与舆论态度的变化，并使几年后数据还能进行归类与延续，从而重置传统的决策评估价值体系。并基于以上验证、描述、量化、选择、规模、测量、评估的大数据功用提出了“基于政治系统理论的大数据决策”模型（如图1 所示）。

图1 基于政治系统理论的大数据决策模型

四、大数据时代公共决策模型构建的对策和建议

当前，大数据决策模型的应用还处在较低水平，主要是技术层面的缺失以及组织体制的障碍。引入大数据的决策政治模型为公共政策制定提供了有效支持，但是传统的经验模式也不能完全忽视。另外，基于科学、民主、理性与法治化决策的思考，为更好利用大数据资源，推进公共政策基于大数据决策模型的有效实施，提出以下建议：

（一）构建大数据思维，保障政策问题的科学化和民主化

按照大数据的思维方法，政策制定的方式和方法要从根本上改变。从政策问题的发现到政策评估的结束，以大数据为支撑的技术手段，应该贯穿于整个政策制定的过程。这样的思维方式有以下两种变化，第一，在数据收集上，由样本收集变成全数据。在传统的社会科学研究方法中，数据采样是获得量化指标的主要手段，在大数据时代，由于数据在收集、处理、分析技术上的突破进展，我们不必受限于局部的样本思维，以全面数据信息为特征的总体性思维成为了可能，它使政策问题的感知和确认更加精准化、快捷化，在政策意见征求阶段，有利于民意和舆情的海量、多维收集。第二，在数据处理上，重视事物间的关联性，预测分析成为了可能。在大数据时代，思维方式要从因果思维转向相关思维，通过关联性的数据，人们可以看到数据间的隐秘联系，帮助我们预测未来的发展趋势，而不仅仅是现象背后的因果联系。大数据为政策建议提供验证的模型，通过变化的数据量，来预判政策发布后的社会反映情况；在政策发布后，通过大数据技术对舆情动态进行追踪分析，为决策者对后续的政策调整提供数据支持。

（二）连接数据孤岛，推进第三方共享平台的发展

数据的开放和共享，有利于数据资源在全社会的合理配置和有效利用。在技术和观念的局限下，目前大数据并没有统一的共享平台，仍然“各为其主”，政府、研究机构、企业和民众之间缺乏数据的交流，各自保持着“信息孤岛”“数据烟囱”的封闭现状。在政策制定过程中，大数据统一平台的建立，可以破除各部门间的信息壁垒，使碎片化的数据得到整理和收集，有助于数据的共享和交流。另外，统一平台也为各方意见的交流和博弈提供了畅通的渠道，为政策制定提供了精准的数据支撑。

因此，应该大力推进全社会的数据公开和共享，鼓励更广泛的大数据研究公司建立数据资源池，逐步建立以数据说话、数据决策的大数据中心。已有41 个国家倡导全球开放政府数据，包括在Data.gov 开放37 万个数据集以及网站的API 等。在我国，腾讯发布了垂直行业的报告、开放了腾讯分布式数据仓库TDW 的源代码，并将透明的大数据资源贡献给各个行业开发，把数据有效地分享给决策者、从事公共服务的机构以及部分私人客户，进而让更多的第三方机构参与到其中来。政府通过对这些民间机构的信息收集、分析、整理利用，形成自己的决策数据库，为输入政治系统模型提供依据，从而增加处理政府应对舆论倒逼决策危机的能力，增进公众的政策信任度和认可度。

（三）避免进入大数据盲区，重视线上与线下数据的整合

通过运用大数据技术诚然可以在“输入”模型中挖掘民意，但是也存在一些局限。具体而言，大数据并非全数据，因此大数据决策模型需要与传统的经验模型进行数据信息整合，在大数据决策政治系统模型的基础上，开发线下数据支持系统模型，发挥各类主体的积极性，进行数据的完善与验证。同时，为了获得准确的样本数据，政府应建立公民参政平台并鼓励更多的公众参与到公共事务中，培养“民间智库”，听取和采纳各方的意见，以完善政策数据的精准性。

（四）完善大数据的立法和技术支撑，保障政策制定有效进行

有效的大数据资源支撑是完善大数据决策政治系统模型的一部分，而前提是完善数据资源立法，为数据监管部分提供有效依据，保护数据安全以及避免数据垄断。大数据开放平台的设立，并不意味着它的开放和透明是无条件的，面向所有人的。政策制定的过程中，在大数据的应用上，要注意个人隐私和数据安全的保护，加强对不法行为的监控和管理。在政策治理领域，要进一步厘清公民知情权和公民隐私权的界限，保护公民的个人数据有限度地开放；制定大数据使用和管理的安全机制，对违法的数据应用行为做到有法可依，依法治理，促使大数据在法治轨道上健康发展。另外，利用大数据提升政策制定的层次和水平的关键是应用人才的培养，要加快培育兼具大数据应用和政策管理经验的复合型人才，为政策的科学制定提供人才储备。