根据中国互联网信息中心的统计,截至2015年6月,我国的网民规模达到6.68亿,互联网普及率为48.8%^[1]。大数据作为信息时代新的财富资源,虽然还未完全得到利用,但其已给我们展现出了巨大的挖掘潜力。大数据的价值突出显现在对于事物发展的预测功能上。伴随着数据对人们生活的影响力日益增加,大数据的预测能力能够相对准确地把握事物的发展动态,如何将大数据的预测应用到公共决策中来,也是我们面临的一个重要课题。由于公共决策基本上以渐进式决策作为基本的决策模式,大数据的分析和预测能力对渐进式决策的影响是值得关注的课题。

从公共决策的内容、决策环境、决策者的能力,以及决策信息的获取等多方面来看,渐进决策模式在公共决策过程中属于基础地位^[2]。为了研究大数据的预测能力对于公共决策的影响,本文将大数据的预测能力对于渐进决策的影响作为分析的重点。

首先,从公共决策的内容来看,决策的内容是涉及多方面的,往往是在宏观层面对综合的复杂性问题进行决策。由于公共决策涉及多方面问题,又偏向于宏观层面的政策制定,加上无法获取全部的决策信息,因而公共决策不可能通过一次性决策将问题完美解决,需要通过逐步改进,不断探索、改革来完成和实现整个公共决策方案。

其次,从公共决策的外部环境来看,由于公共决策是利益各方进行协商和博弈的结果,不仅受到部门内部因素的影响,还受到部门外部因素的影响,决策所希望达到的目标很难明确地进行界定。在社会转型期,决策环境处在不断地变化中,公共决策需要采取“摸着石头过河”的方式,即通过渐进式的决策实现公共管理的目标。

再次,从决策信息的获取来看,如果能够获取决策所需的完全信息,是有可能作出完全理性的决策的。然而,由于公共决策往往是在限定的时间内作出的,加上不可能获得完全的决策信息,公共决策更多的是依靠已有的信息,在决策执行的过程中不断地探索和修正公共决策,以渐进的方式完成公共决策的总体方案。

最后,从决策者的素质和能力来看,由于公共决策的内容广泛,问题错综复杂,加上信息获取不充分,决策时间有限和决策环境不断变化,决策者无法将决策的各种影响因素进行准确而全面的把握,对决策方案可能带来的后果无法作出准确的判断和评估,决策方案不可能制定得非常完善。因而公共决策需要在实践过程中进行改进,以渐进的方式完善公共决策,防止因决策者能力与决策复杂性的矛盾影响公共决策的实际效果。

伴随着信息科技的发展,大数据正逐步成为影响世界的新兴力量,大数据已经从各个方面影响着我们的生活。大数据之所以被重视,在于其较为准确的预测能力。

根据研究机构Gartner对大数据所下的定义大数据是一种基于新的处理模式而产生的具有强大的决策力、洞察力及流程优化能力的多样性的、海量的且增长率高的信息资产^[3]。按照IBM公司给大数据所下的定义来看,大数据具有“4V”特征,即数量(volume)、多样性(variety)、速度(velocity)和真实性(veracity)^[4]。具体而言,大数据具有规模大(一般在10TB以上的数据量)、数据类型多样(主要体现在视频音频文件的利用)、数据来源多元、速度快和真实性的特点,但大数据的价值密度较低。按照国外学者的普遍定义,大数据是指需要利用软件进行捕获、管理和处理的数据集^[5]。

大数据由于其数据量大的特点,使得大数据分析是一种全样本的分析,而不是通过小样本的统计推论来对整体进行预测研究,注重的是事物发展的先后顺序而不是事物的因果联系,并作出较为准确的预测。大数据分析不同于以往的小样本数据分析,传统的小样本数据分析是要将小样本的分析结论进行放大,将小样本统计规律应用和推广到大样本中^[6]。即大数据分析可以划分为两个过程,一是数据从大变小的量变物理过程,即清理无用数据保留有用数据的过程,二是挖掘数据价值的过程,是质变的化学过程^[7]。大数据的数据挖掘工作试图利用0和1将整个社会“镜像化”,即使用数字模拟社会的状态,利用数据模型把社会的现实状态刻画出来,实现“镜像化社会”。通过将整个社会数据化和镜像化,可以向决策者展示真实的社会现状。大数据所实现的是利用数据来观察社会,利用数据来刻画社会,将数据变成可以交易的财富^[8]。

大数据预测是指依靠大数据进行数据挖掘,通过建立模型,发现事物发展的关联性关系,辅助决策者进行决策方案的制定和选择。大数据的预测与大数据所具有的特征是紧密相连的,因而在考虑大数据对于公共决策影响时必须要考虑到大数据的预测能力。大数据预测具有以下几个特征:一是大数据预测利用近似整体样本的分析,二是大数据预测依据的是关联性研究而非因果关系研究^[9],三是大数据预测是动态分析和静态分析的结合,四是大数据预测注重速度与效率而非精确性。需要指出的是,大数据的预测是动态的,是针对可预见的一段时间进行的预测,并不是对长远未来的预测,更不是永恒不变的预言。利用大数据预测所产生的效果则是大数据预测能力的体现。

大数据时代对公共决策影响体现在大数据预测与以往小样本数据时代的数据分析的获取信息能力上,大数据预测与小样本数据分析最直观的区别在于样本规模的大小,二者的根本区别在于大数据预测信息的真实性(veracity),而小样本数据分析更强调信息的准确性。在小样本数据时代,只能通过抽样的方法选取样本,统计分析后进行推论,试图了解总体的真实状况。在公共决策的过程中,为了能够实现决策的科学性,小样本数据时代要求数据分析的结论要尽可能地准确反映社会现实,这样才能保证决策的科学性。在大数据时代,由于数据量大、数据类型多,使得获取充分信息成为可能,数据信息可以精确地体现社会的真实情况,实现大数据预测信息的真实性。

由于大数据分析和预测建立在庞大的数据库基础上,而大数据的数据库可以看做是对整个社会的“数字镜像化”,通过互联网、物联网、传感器、智能终端等设备收集信息,在计算机构建的虚拟社会中呈现社会的真实状态,实现社会的“数字镜像化”。通过将社会“数字镜像化”后,决策者可以获得相对充分的决策信息,这在传统社会是无法想象的。决策信息的获取是进行有效决策的前提,虽然获取了全部的决策信息也不意味着一定能作出完全的理性决策,这是由于社会是处在不断变化过程中所决定的,但能否全面掌握决策所需的信息是作出有效决策的前提条件。渐进决策能够成功的原因在于决策的不断改进,每一次决策都是需要在掌握当时信息的基础上作出的,因而大数据为决策提供了相对充分的信息,可以帮助决策者更好地进行决策改进。

在小数据时代,由于信息传播速度较慢,获取信息的成本较高,加上由于学科分化,不同学科之间的交流较少,决策者需要花费较高的成本才能获取部分决策所需的信息。而在大数据时代,决策所需的各种信息都被收集在网络服务器中,不同学科、不同视角的看法通过搜索引擎也相对容易被检索到。从美国2012年3月公布的“大数据研究计划”^[10]来看,通过不同部门相互协作,可以有效地提供相对全面的信息,缓解因信息不完全而导致的决策失败和非理性决策的出现。当前我国各地正在进行的政务数据平台建设,构建政务数据共享,也是为了解决在公共决策过程中,由于各部门信息相对封闭,而导致决策信息不充分的问题。

在大数据分析中,传统统计学方法在大数据分析中所遇到的挑战是数据规模庞大,无法使用现有的分析工具进行分析,而大数据分析更多的是利用简单算法进行分析。大数据分析更多的是关联性的研究,关注的是与结果相联系的影响因素,而不追究因果关系。这种研究方式可以直接有效地显示对结果有影响的因素,实现政策的针对性调控。

数据规模的扩大使得在进行分析时更多地关注事物之间的关联性而不是因果关系,这得力于大数据近似实现了在社会中进行随机实验的效果。在具有大量数据的前提下,研究者只需要关注某些变量的不同而产生的分组对于最终结果是否具有差异性。例如在抛硬币的试验中,如果样本的数量足够大,那么出现正面朝上和背面朝上的次数在统计学意义上是相等的。如果对正面朝上组进行干预,那么就可以衡量干预的净效果。这被称为“干预效果”,也是数据分析因果关系的关键,即随机划分数据使不同组别的其他情况相同,那么不同组别的变化都是由不同的干预所导致的^[11]。大数据分析凭借其庞大的数据规模,实现了数据分组,进而可以通过“干预效果”的研究去探寻和事物发展相关的因素,发现公民的政策偏好和了解政策执行的效果。由于大数据的预测仅仅是根据关联性研究作出的,与传统决策通过小样本进行因果关系分析辅助决策不同,这种关联性研究不可能直接找到影响事物发展的主要因素,而是需要不断进行变量控制找出影响事物的主要因素,这也是利用大数据预测功能进行辅助决策时必须采用渐进决策的原因。

大数据的预测功能是建立在对数据动态分析的基础上的,通过对数据进行长时间的动态跟踪分析,再进行相应的预测,是对事物发展规律认知的必要步骤,也是大数据预测对于渐进式决策最有力的帮助。由于大数据预测是一种动态的过程,一方面可以帮助决策者不断改进和优化现有决策,另一方面,大数据的预测是具有时效性的,并不是该预测结果会一直有效。因而在利用大数据预测功能辅助决策时,决策不可能一蹴而就,受到预测的时效性的约束,必然需要在公共决策的执行过程中不断地优化改进,通过渐进决策的方式达到最终的决策目标,这是利用大数据决策必须要采用渐进决策的另一重要原因。

美国总统奥巴马在2008年和2012年两次参加总统竞选时,背后都拥有一个庞大的数据分析团队帮助他随时调整竞选的方案。通过问卷调查和网络数据的收集,分析奥巴马支持率的变化情况和影响支持率的因素,通过不断改进竞选策略,帮助奥巴马获得更高的支持率。可以说,奥巴马背后的数据团队为奥巴马当选总统做出了重要的贡献。从美国总统的竞选可以发现,大数据的动态分析为候选人竞选策略的选择和改变提供了巨大的帮助,这也可以有效地运用在公共决策过程中。

大数据具有产生速度快、分析速度快的特点,这是大数据对社会变革产生影响的动力。对于公共决策而言,及时地决策是使决策发挥作用的必要条件,林德布罗姆之所以提出渐进决策模型,时间效率是其中的原因之一,无法及时作出有效决策的公共决策是无法有效解决问题的。由于决策需要在一定的时间内作出,因而在限定的时间内完成信息的收集分析工作,是作出有效决策的前提条件。大数据自身具有的速度快的特点,使得大数据预测能够快速反应,帮助决策者快速作出决策。大数据的速度体现在两个方面:一是数据的发展速度快,整个社会每时每刻都在产生大量的数据,通过快速获取实时数据,实现数据分析的及时性;二是数据分析的快速性,这是由于大数据产生的速度较快,需要在短时间内进行分析,对分析结果产生的速度要求较高。大数据的快速性帮助渐进决策在进行决策过程中可以有效地获取各方面的信息,充分了解事物发展的变化过程,从而作出有效的决策,这是大数据预测为渐进决策带来有效性的重要影响。

阿里巴巴作为中国著名的互联网电商公司,较早发现并开始挖掘大数据的价值,早在2008年,当国际金融危机还未开始全面影响国内制造企业时,阿里巴巴根据买家询盘数的下降,对中小企业制造商发出了预警,根据该预警,政府制定了一系列的应对措施,制造商也开始关注国际金融危机的影响,为应对金融危机的影响做好了准备^[12]。虽然有人将该预警归为偶然事件,但实际上是大数据分析起到了至关重要的作用,也正是由于大数据预测的及时性,才为快速有效的决策提供了保障。在日本东京,每一辆汽车都被变成了精准的“行动数据”,通过对每辆车的定位,预测和发现可能会出现交通拥堵的路段和时间,及时发出预警,缓解交通堵塞^[13]。

公共决策的科学化是指决策过程需要建立在制度化的基础上,经过科学程序,广泛收集信息,经过充分的研究论证后进行集体决策,有效使用现代科技手段,将典型案例和系统分析相结合,动态和静态研究相结合,提高决策的科学性^[14]。决策的科学性首先要通过开发量化方法为科学决策构筑量化基础,从而提升政策的科学性和公信力。大数据预测是利用“镜像化社会”对现实社会进行分析,彻底地使用量化的方法来辅助决策,是推动决策科学化的首要条件。大数据可以收集到相对充分的决策信息,更为重要的是大数据分析是多学科合作完成的过程。大数据预测的结果包含了多学科精英的智慧结晶,体现了决策科学化要求决策精英化的理性主义倾向。

大数据预测是动态和静态相结合的过程,不仅有针对某一时间点的单独研究,还有历时性研究,大数据注重的是事物前后发展关系,对未来的预见能力是决策科学化的重要特征。公共决策往往由于无法准确地对未来进行预测,出现关于某一事务重复决策的状况,导致了资源的浪费和决策效率的低下。在大数据时代,利用大数据进行横剖面追踪研究,这是大数据“大”的特点中的不断扩展性所决定的。利用大数据在时间上的持续性特点,可以进行时间序列分析;利用大数据注重关联性关系,而非因果联系可以对未来进行预测^[15]。同时,由于大数据是“镜像化社会”,使得利用大数据对于未来的预测具有科学性,实现公共决策的面向未来性,实现渐进决策的科学化。

新加坡的智能交通系统是利用大数据的预测功能推动决策科学化的典型。由于国土面积较小,车辆较多,交通压力大,为了解决交通拥堵问题,新加坡将公共汽车系统、出租车系统、城市轻轨系统、高速监控信息系统、道路信息管理系统、电子收费系统、车内导航系统等多系统数据综合分析,利用系统综合的大数据为道路的使用者提供实时的道路信息数据,并为他们规划行车路径,减少拥堵等候时间,同时,根据拥堵和车流量的情况,在不同时间实施不同收费。通过利用大数据的分析和预测功能来帮助道路使用者规划通行路径,帮助决策者在进行决策时充分考虑真实状况作出科学的决策,推动决策的科学化。

大数据看起来无所不能,能把复杂的社会利用0和1镜像化,通过对数字的分析实现对整个社会的了解,把社会科学变成与自然科学一样的科学。虽然一切看起来很美好,但是我们必须要警惕大数据可能带来的风险,其中有些风险似乎是不可避免的。

大数据毕竟也是数据,数据与真实的社会不可能完全一致,从理论上来说,大数据可以准确表现和预测我们的社会发展,但由于社会研究的复杂性,加上大数据重关系轻因果的特征,我们需要小心大数据也会说谎。2009年谷歌推出的“流感趋势预测项目”,通过监控搜索引擎中与流感相关的关键词搜索量,提前数周成功地预测了甲型H1N1流感在美国的传播,但在2011—2013年,谷歌的流感趋势预测失灵了,它高估了流感流行趋势超过50%^[16]。这不禁使人们感到困惑,大数据的分析是不需要理论模型的,但是还会出现预测失灵的状况。这是因为在大数据的分析过程中,数据来源于人与人、人与机器、机器与机器之间的交互数据,而人与人、人与机器的交互数据往往受到客观社会环境的影响。如一段时间内对于流感的讨论增多,与流感相关的关键词搜索量自然会增加,就会出现数据上的假阳性状况,导致大数据分析结论的失灵,即大数据也会说谎。由于公共决策是与人类的活动密切相关的,出现数据说谎的概率相较于利用大数据预测天气等自然现象要高,因而在利用大数据进行公共决策辅助时,不仅需要注意数据说谎的状态,也需要我们不断优化大数据分析的方法,从更多的维度进行数据挖掘和数据分析。

在信息化时代,个人隐私信息的保护一直是人们所需要面对和解决的一个难题。由于网络的发达和人工智能设备的快速发展,个人身份信息往往会在不经意间被上传到网络之中,也有网络运营商要求个人提供身份信息后,由于运营商管理不善导致个人隐私信息的流出,对个人隐私造成了极大的影响。加上智能设备的快速发展,个人使用手机处理各项事务,而手机的高度智能化,使得每一个个体的行动都完全暴露在网络的监控中。不论你前往何方,手机的GPS定位都可以记录下个体的运动轨迹,网页浏览、购物、收发邮件等也都会被一一记录下来。一旦这些数据被非法获取和非法利用,对于个人隐私的侵犯所带来的危险是不可估量的。如果在使用大数据辅助进行公共决策时不能够很好地保护个人的隐私,导致个人隐私的泄露,将可能会出现严重的社会恐慌,每个人都被机器所监视。因而,如何在运用大数据的过程中防止个人隐私的泄露,也是大数据时代公共决策必须面对的一个难题。

大数据预测可能会出现错误,也可能会存在信息泄露等风险,但大数据的预测能力对公共决策所能提供的帮助是我们不能忽视的,如何有效地利用大数据辅助公共决策是我们在现在和未来需要认真思考的问题。

为了适应大数据时代的来临,政府和公共管理组织应该转变传统的决策思维,不能依赖于一般的“发现问题—解决问题”的决策模式,而应该主动适应大数据带来的变化。大数据往往展现的是潜在的可能在未来会爆发的问题,而非已经显现的矛盾,因而决策者对于这些问题需要更加地重视。尤其需要注意的是,大数据的分析不可能仅仅依靠信息科学家独立完成,而应该将人文社会科学家,包括政治学家、经济学家、社会学家、决策研究者等都纳入到分析团队中来,通过多学科多视角的综合分析,才能实现决策的科学性和有效性。在当前的中国,公共决策往往是由政府部门进行提议,政策专家参与其中,并没有进行多学科、多视角研究,难以保证决策的科学性。

转变传统的决策思维是大数据对渐进式决策最为深远的影响。虽然利用大数据预测能力来辅助公共决策本身也是一种渐进式决策,但这种渐进式决策是建立在对信息的全面掌握基础上的,是伴随着时间推移和社会发展变化而变化的。相较于传统渐进式决策是因为信息不完全、能力不足、环境复杂等因素造成的客观困难,大数据辅助的渐进式决策是相对更为理性的决策方式,是将西蒙所说的有限理性决策在时间维度上的延伸。

数据是大数据能够发挥作用的基础材料,没有数据的共享是不可能实现大数据挖掘的。由于部门之间存在信息沟通不畅和信息壁垒,没有形成有效的数据共享机制,从而导致各个部门只关心各自的事务,很少将问题综合考虑。这一问题的根源实际上是在于部门权力的分割和职能交叉,想要解决它需要建立行政机关内部的数据共享,同时引入社会数据辅助分析和决策。数据开放共享成为各国政府在大数据时代的共同选择,对我国而言,数据信息壁垒的出现往往是因为非技术因素导致的。为了实现更有效的公共决策,实现数据的开放是政府首先必须要做好的事情。除了开放政府的统计数据,也应该允许个人和其他机构参与到公共信息数据的收集、整理和分析过程中。

在实现数据共享的同时,可能会带来的数字霸权、机密泄露等危险,大数据的背后是整个社会的关系网络结构,对于涉及到国家核心安全和个人隐私的数据需要进行严格的数据管制,以免出现因数据开放导致危及个人隐私和国家安全的危险出现。这是在享受大数据带来的好处的同时,必须要尽量避免的危机。由于大数据是镜像化的社会,一旦由于数据管制的漏洞而导致出现了危机状态,可能是整个现实社会将要面临的危机,可能造成难以估量的损失。因而,政府不仅需要做好数据共享工作,也需要做好数据管制。

大数据的数据价值密度较低,为了有效地利用大数据所包含的有用信息,大数据分析的核心是专业人才。数据分析人才的能力和素质直接关系着数据挖掘和分析的效果,而大数据分析所需要的人才是涉及多学科的综合性人才,加大人才的培养是将大数据转化为数据资本的前提和必由之路。在公共决策的过程中,如果没有足够的各学科优秀人才组合在一起,单靠某一学科或某几个学科的研究者进行决策,是无法适应现代社会快速变化的形势的。当数据资源变成新的资源库时,必须培养更多的优秀人才,才能在资源库中挖掘出更多的价值为社会服务,为渐进式决策提供良好的决策辅助。

虽然已经有广州市、北京东城区 东城区利用大数据研究慢性病数据关联性分析,有效地提高了社区医生服务水平;通过数据挖掘,对季节性流行病进行预警,实现了政府服务能力的现代化。 等部分地区出台了大数据研究和发展计划^[17],贵阳建立了大数据交易中心,同时我国的“十三五规划”中也制定了国家大数据发展战略,但大数据人才的培养相对滞后,为了实现大数据的有效利用,大力培养大数据分析人才是国家实现大数据发展战略的基石。

人类社会是在不断地变化的,社会科学研究的难点之一就是在于人的行为难以预测。虽然大数据能够提供较为全面的信息,并进行实时跟踪,为科学决策提供有效的支持,但大数据预测也可能会出现预测失真的风险,因而我们需要正确地认识和对待大数据预测能力,积极规避大数据预测可能会带来的负面影响。谷歌预测流感的失败提醒我们需要正确看待大数据预测能力。

由于大数据的价值密度较低,可能需要在长达数小时的视频文件中仅仅截取一两帧画面,技术要求较高,同时也需要耗费大量的成本。现有的分析技术很难将所有有用信息全部提取出来,因而在利用大数据预测辅助公共决策时,我们不能过分依赖其预测的结果。我们需要进行积极的思考,避免因大数据预测的失真而给公共决策带来的失误。正确对待大数据的预测能力,可以为公共决策的科学制定提供有效的技术支持。

在全面依法治国的背景下,通过立法和制定规章,一方面解决数据管制和隐私保护的问题,另一方面明确数据公开的责任。通过立法和制定相应的规章制度,可以将大数据在公共决策中的应用制度化和规范化,规范政府行为。当大数据已经作为商品进入市场交易时,法律和规章的相对滞后,可能会出现大数据交易过程的不规范,对隐私和核心机密的泄露。通过立法和制定规章制度,不仅可规范市场中对大数据进行交易和应用可能带来的风险,更重要的是可规范政府的行为,防止政府滥用数据,侵犯公民的隐私,在各方面真正实现依法治国。

渐进式决策作为我国公共政策制定过程的基本模式,也是政府在进行各项改革的基本行为模式,如何完善渐进决策中的各个环节是提高我国公共决策质量的重要途径。由于大数据利用所有可观察样本的各方面数据进行分析预测,加上注重关联性关系的分析,使得大数据预测进行辅助公共决策时具有速度快、针对性强、历时性等特点,能够更好地辅助渐进决策,实现决策的快速有效。虽然用大数据来预测社会现象存在出现错误的可能,但随着数据挖掘技术的发展,大数据预测可能会出现的错误会逐渐减少。

在利用大数据分析预测时可能会出现侵犯个人隐私、泄露信息等风险,需要对这些风险进行严格的控制。同时需要转变传统的决策思维方式,在问题和矛盾出现之前通过有效的公共决策化解矛盾。为了适应大数据的发展,需要大力培养大数据分析人才,这样才能有效地利用大数据辅助决策。在信息时代,政府、社会、市场的数据信息需要实现共享,政府的渐进式决策不能仅仅依靠单方面的数据信息来源,而是应该综合各方的信息,多角度进行研判,才能实现公共决策的科学化。总而言之,在大数据时代,大数据的预测功能会对渐进式决策产生巨大的影响,不论是从信息资料的全面性、决策人才的多元化,还是决策的及时性和针对性,都会提高渐进决策的有效性,从而逐步实现决策的最终目标。大数据时代已经来临,如果不能及时有效利用大数据的功能来帮助决策者进行决策,依然停留在传统的决策模式下,不利用量化的方法来帮助决策者了解社会的真实状况,公共决策的科学化将只是一句口号,不会变成真实的行动。重视大数据,挖掘大数据预测功能辅助渐进决策,是未来一段时间政府和学界值得深入研究的课题。