大數據平臺下的社會穩定風險評估：研究前瞻與應用挑戰

劉澤照 朱正威

（西安交通大學 公共政策與管理學院，陜西西安 710049）

一、引言

自從四川遂寧首創重大工程項目社會穩定風險評估（以下簡稱“穩評”）工作以來，該項制度無論理論抑或實踐均在探索中得以豐富發展，當前“穩評”作為中國社會轉型期風險治理創新的重要手段已實現了地區“全覆蓋”的既定目標。①中央維穩辦召開全國社會穩定風險評估工作座談會，《法制網》，2012-09-13.Http://www.legaldaily.com.cn/index/content/2012-09/13/content_3841267.htm?node=20908.按照現有制度設計和運行模式，對于重大事項社會風險的預判及等級劃定是“穩評”的關鍵組成步驟，以此確立最終評估結論及公共決策事項的走向依據，而如何保障評估結果的科學性、精準性也成為“穩評”制度不可回避的焦點問題②劉澤照、朱正威：《中國社會穩定風險評估實踐框架及關鍵著力點》，《西南大學學報（社會科學版）》2014年第5期。，其中評估數據狀況是核心要素之一。當前，社會風險衍生、傳播、擴散的渠道日益復雜，愈發顯現出鏈式反應和隨機性特征，利益訴求多元，風險信息混雜，這使“穩評”面臨的外部評估環境發生新的變化，同時也為基于數據的風險評估創造了更大的應用潛力和拓展空間。大數據，作為一種新興的數據處理技術與認知思維，近年來獲得國際理論界和實務界的高度推崇，被認為是決策支持的有力工具。在公共管理領域，大數據注重集成提煉社會方方面面的“民意信息”，更加強調現實與網絡世界的深度融合，有利于形成用數據分析、用數據決策的風險評估模式和理念，對于提高時下“穩評”的科學有效性和群體認同度具有積極意義。大數據為“穩評”的研究及應用實踐提供了一個新的可能路徑。

無疑，伴隨當代社交網絡的興起及云計算、移動互聯網、物聯網等新一代信息技術的廣泛應用，數據已經滲透到社會各個行業和業務職能組成，包括政府公共治理領域，大數據正在成為當代國家戰略性資源。①李國杰、程學旗：《大數據研究：未來科技及經濟社會發展的重大戰略領域——大數據研究現狀與科學思考》，《中國科學院院刊》2012年第6期。按照大數據思維，每一個數據都被視為一個節點，無限次地與網絡間關聯數據形成裂變式傳播路徑，其間的關聯狀態蘊含著風險擴散的無限可能性，對于這一動態變化，可以通過一定的科學手段，挖掘出具有核心價值的重要信息，從而有助于作出更為精準的風險判斷。現實中，美國作為全球大數據領域的先行者，在運用大數據手段化解社會糾紛、預防及打擊犯罪、維護國家安全方面取得了顯著成效，大大提高了社會“維穩”工作的總體質量。②安暉：《美國大數據維穩鏡鑒》，《人民論壇》2014年第2期。大數據的迅猛發展使得當今的網絡環境成為一個巨大的精準映射并持續記錄不同個體行為特征的數字世界，其中所蘊藏大量數據信息為深刻理解公眾風險感知的心理層面（如焦慮、恐懼等），文化層面（社會信任等）的隱性規律提供了強有力的研究依托，對其進行挖掘在一定程度上可為政府公共決策風險預測評估提供支持。

二、數據層面的社會穩定風險評估

（一）“穩評”實踐中的數據問題

重大事項社會穩定風險評估作為一項實踐性極強的系統工程，建立在一套完整的規范體系之上，而風險等級的判定是評估程序中的核心構成。一直以來，既有的政策引導及地方實踐，多倡導通過問卷調查、實地走訪、座談、聽證、公示等方式聽取多方意見，以此權衡并確立評估結果，劃定風險等級。③蔣俊杰：《我國重大事項社會穩定風險評估機制：現狀、難點與對策》，《上海行政學院學報》2014年第2期。現實表明，上述方法獲取的數據不可避免帶有較強的主觀經驗性，樣本抽樣方式的固有局限往往“稀釋”了社會問題鏡像的全貌，很難突破片面化、單一化、靜態化的傳統信息數據弊端。尤其在現代社會動態、立體化的網絡環境下，復雜個體的“異質性”心理與行為表現極為突出，因重大決策誘發的風險信息常常借助自媒體的獨特優勢快速擴散、交互，短時間內形成數量巨大、形態多樣的輿情數據，以強大開放的滲透力影響到事態變化，僅僅依靠傳統樣本式調查取證很難完全把握公眾的真實態度和行為演變過程，加劇采集數據的時間滯后性而導致風險“測不準”。時下，盡管一些地區“穩評”實踐中已開始強調加強網絡輿情平臺的信息監測，但依然多集中在以往結構化的文本語言信息上，而較少關注圖像、視頻、音頻、點擊流等半結構化或非結構化的數據內容，忽視了復雜多變的社會關系網絡中隱藏的公共態度、訴求及行為趨勢特征，故數據的大面積“遺漏”進一步擴大了“穩評”風險探測的工作誤差。

事實上，與傳統環境評估和項目安全評估不同的是，社會穩定風險評估絕非單一技術導向，更多面臨著復雜社會個體心理與行為動態性的挑戰，而這一挑戰在當代網絡化環境下表現得更加突出，實現“穩評”制度運行由“線下”向“線上”轉型，由輿情監測向風險預測轉型便顯得十分緊迫，大數據為這一轉型提供了現實可能和動力。顯然，數據背后往往是動態變化的個體行為軌跡，研究利用大數據實際上是探索復雜社會網絡間的個體及群體性行為趨向，運用到“穩評”領域，其預測的價值實現就是對因某一特定外部沖擊引發的輿情關系進行關聯，不僅僅關注傳統意義上的因果關系，而更多關注數據間的相關關系。按照大數據理念，將突破現有“穩評”采集數據偏于樣本信息的不足，轉而深度挖掘重大事項目標相關的所有看似不相干的數據信息，譬如個體興趣愛好、學歷水平、體貌特征、社會關系、既往行為事實等全面的綜合數據，為系統分析背后的個體態度傾向及輿情演化態勢拓展空間。換言之，“穩評”的數據來源不限于表層體現“因果關系”的抽樣數據，更要延伸至立足全體的，把握復雜社會網絡中“相關關系”的多模態數據。

（二）既有評估工具方法的拓展

一直以來，不同業務領域風險評估過程中不同程度面臨數據范圍與時效滯后性的限制，從而影響到評估的現實質量，導致“信息失真”，“穩評”同樣面臨此類障礙，從空間和時間維度提升數據層次是今后“穩評”研究實踐的必然趨勢。從理論研究與地方實踐出發，盡管對于“穩評”操作方法和具體工具的運用不盡相同，但大致上均落腳于定量技術與定性技術兩大類，不少學者尤其強調建立及完善系統評估指標的思路。①②③董幼鴻：《重大事項社會穩定風險評估制度的實踐與完善》，《中國行政管理》2011年第12期。對于重大決策（如工程項目、公共政策）出臺前后的社會安全態勢把握，實踐中一般采用實地調查、公開聽證、專家打分和利益相關者協商等方式，輔之以簡單描述性統計分析，并在特定領域結合類似案例剖析，該種思路實質上是要素比較法、數值排序法的評估應用，容易受到主觀經驗性思維影響，甚至內部“人為操縱”干擾。更深層次的評估手段主要是指數評價，依托于評價模型和指標體系，按一定規則通過抽取數據納入模型而達到風險源識別的目的。此類數據來源集中體現在二手報告資料、問卷、量表、質性訪談等途徑，同樣面臨信度、效度的測量誤差，該環節中指標體系的選擇與確定頗具爭議。目前針對“穩評”的評估指標選取設置、指標權重、關鍵識別技術大多未經系統論證，多處于理論探討及試驗層面，尚未真正大規模應用于“穩評”實踐。同時，評估指標的靜態性特征，數據采集的抽樣限制也使這一工具方法現實中難以避免時效性差、權威度低的局限，降低了對長期趨勢和波動幅度的可預測性④Sheldon，Eleanor B.&freeman，Howard E.“Notes on Social Indicators：Promises and Potential”，Policy Sciences，Vol.1，No.1，1970，PP.97-111.，無法獲取持續的、周期性的觀測數據。更為關鍵的是，偏于線性因果關系指標評估體系往往忽視了對社會行為的文化和集體心理方向的測度⑤Firestone，Joseph M.“The Development of Social Indicators from Content Analysis of Social Documents”.Policy Sciences，Vol.3，No.2，1972，PP.249-263.，而個體行為的情緒心理層面具有典型的非線性特征，恰恰是“穩評”中最為重要的評測方向。基于客觀現實，現有“穩評”工具方法已不能適應信息網絡時代和社會轉型期的變革發展要求，需要嘗試應用新的數據分析技術，快速精準地采集、發現復雜群體交互中的隱性信息，從面向全體而非樣本的大數據中提煉預測風險行為軌跡，以實現無限逼近社會真實狀態的目的。

故此，創新大數據智能評價方法，依托海量、多源、動態數據深入挖掘并揭示規律，或是突破當前“穩評”工具局限的可行路徑之一。具體而言，重大決策出臺前后，除了繼續通過傳統人工調研、聽證座談等方式獲取評估數據外，要更加突出強調從網絡虛擬平臺攝取多源信息數據，積極將現代微博、微信、即時通信、民間論壇、貼吧、重要門戶網站、專業社區等網絡平臺涌現出的信息數據納入“穩評”分析及判測的綜合數據庫，更加重視儲存挖掘各地區、各類別重大決策業已形成的社會穩定風險信息，通過對歷史數據的整合、比對確定關鍵風險點；另一方面，鑒于“穩評”直接針對個性化的公眾對象，個體間的社會網絡關系演變隨時會引發公眾風險感知態度的變化，即數據信息呈現出一定動態不確定性，這也決定了有必要改變單純依靠靜態調研工具的單一方式，轉而樹立數據實時跟蹤采集、持續監測反饋的全流程思路，高度關注“線上”交互情緒表達對“線下”行為的關聯性影響，尋求社會穩定風險的即時線索。

三、大數據平臺下社會穩定風險評估體系概念框架

立足大數據特征和產生過程，大數據來源主要以現代網絡平臺、智能移動終端為載體，產生的數據類型和應用處理方法千差萬別，但是總體來看，大數據的價值發現規律大都體現一定相似性。中國人民大學網絡與移動數據管理實驗室（WAMDM）①Lab of Web and Mobile Data Management，WAMDM Homepage，[2013-07-24]，Http：//idke.ruc.edu.cn/index_cn.htm.開發了一個學術空間“Scholarspace”，總結出大數據處理的一般流程②孟小峰、慈祥：《大數據管理：概念、技術與挑戰》，《計算機研究與發展》2013年第1期。；微軟在“The Fourth Paradigm： Data -intensive Scientific Discovery”中從科學研究方法角度闡釋了大數據第四范式③Tony Hey，Stewart Tansley，Kristin Tolle.The Four Paradigm，Microsoft Press，2009.PP.1-2.；英國科學技術設施研究理事會（STFC）則鮮明提出了數據密集型科學研究的生命周期模型。④How JISC Is Helping Researchers：Research Lifestyle Diagram，[2012-11-18].Http：//epubs，stfc.ac，uk/bitstream/3857.借鑒國內外研究成果并結合基于數據的“穩評”實施過程，本文構建大數據環境下社會穩定風險評估體系概念框架，其主要內容包含“評估數據多維采集”、“評估數據集成挖掘”、“評估結果可視化解析”三個程序部分（見圖1）。“評估數據多維采集”旨在拓展“穩評”所需支撐的多模態數據源渠道，擴大網絡實時流數據的搜取和監測，保證數據的完整性；“評估數據集成挖掘”主要通過專業化手段完成采集數據清洗去噪等處理，構造風險輿情分類器，確立動態風險演化態勢；“評估結果可視化解析”則進一步實現社會穩定風險判別和綜合定級，并借助一定工具以可視化的形式呈現，為決策走向提供基本依據。

（一）評估數據多維采集

大數據的“大”，原本意味著數據眾多，種類復雜，因此通過多種方法獲取數據信息便顯得尤為重要，也是大數據技術應用流程中最基礎的一步。作為“穩評”信息加工的初始階段，該程序需要完成由傳統靜態平面數據采集的“線下”行為向動態立體數據采集的“線上”行為轉變，即不僅采用實地走訪、問卷量表、聽證座談、歷史文獻記錄等工作獲得分析判斷的結構化數據，更要根據現代社會風險傳播演化規律，實現對包括網頁語義、圖片、音像視頻、XML、流數據在內的半結構化和非結構化數據的全面覆蓋，使之滿足網絡巨系統中不同公眾個體間復雜交互關系的軌跡分析。對于后者，目前可用的數據采集手段主要有傳感器技術、射頻識別（RFID），搜索引擎分類工具，以及分布式計算系統如Hadoop、Mapreduce等，并且由于智能手機、平板電腦等移動設備的迅速普及，大量移動軟件的開發應用也有助于提高“穩評”相關動態數據的采集精度。

采集到的數據信息內容同樣體現出多維度：一是重大項目（政策）主體互動信息數據，即項目單位、中介方、政府部門、新聞媒體、社會組織和普通公眾之間信息傳遞、交流溝通的過程痕跡、強度、頻率、關聯關系等。二是社會公眾心理及行為數據，即源于重大項目、重大政策的情緒反應，主觀認知“軌跡”，以及由此產生的特定風險性行為傾向，如破壞性謠言、鼓動性組織集聚等。三是同類決策時空序列數據，即跨地區、跨年度的關聯性映射信息，以通過數據遍歷的方式獲取風險演化“背后的規律”。

（二）評估數據集成挖掘

圖1大數據思維應用“穩評”體系概念框架

大數據理念最重要的是從大量看似雜亂、繁復的數據中，分析提煉數據足跡，以支撐社會生活的預測、規劃和決策⑤劉智慧、張泉靈：《大數據技術研究綜述》，《浙江大學學報（工學版）》2014年第2期。，故大數據的價值不在信息本身，而在于通過挖掘數據關聯性，評估和預測未知事件，這種“先知先覺”的優勢與風險評估的預期目標相一致。“評估數據集成挖掘”程序是大數據環境下“穩評”系統的核心，旨在對采集到的多維數據通過專業化手段進行清洗去噪，轉換分區等處理，涵蓋關聯分析、傾向性判斷、聚類歸簇、模式識別、趨勢預測等主要層面，以“沙里淘金”最大程度提煉繁雜數據中的有用價值信息。

大數據的重要特征之一是“Variety”①中國信息產業網：《大數據的四個典型特征》，2012年12月4日，Http://cyyw.cena.com.cn/a/2012-12-04/135458292978407.shtml.，即類型多樣性，這就決定了經過多種渠道采集到的數據種類和結構都非常復雜，匹配度會有沖突，很可能摻雜了較多“噪音”和干擾項，例如從線上截取的個體態度行為數據，既有圍繞項目政策較為明確的支持、反對和中立傾向反應，也會伴有與決策事項毫無相關的商業圍觀信息、私人交易、瑣事痕跡，這就需要對采集數據進行清洗，以防止其對最終結果產生不利影響，常用的方法是在數據處理的過程中設計一些過濾器，通過聚類及關聯規則將無用和錯誤的離群數據過濾掉，并建立專門數據庫分門別類放置，以提高數據提取速度。在此基礎上，對原始數據進一步處理分析、傳統的手段有機器學習、序列模式挖掘、情感分析、智能算法以及高級統計等，更先進的技術無疑是“云計算”①陳康、鄭緯民：《云計算：系統實例與研究現狀》，《軟件學報》2009年第5期。，包括分布式文件系統GFS，分布式數據庫BigTable，批處理技術 Mapreduce，開源實現平臺Hadoop等。大數據的核心技術實質上是數據挖掘技術，其關鍵領域離不開網絡輿情的監控，構建適用于輿情挖掘的相關模型和方法，滿足社交網絡等復雜系統中不同輿情對象間的復雜關系探測，以實現大數據技術與輿情挖掘的有機融合。

“穩評”的目的是風險預測與防控，故在數據集成挖掘環節，必須提煉標識出風險的類型、趨勢、概率，初步明確風險狀態和風險爆發之間的關聯度，這需要輿情聚類方法的應用支持。輿情聚類是在混雜的數據體中，根據線上數據的主要量化特征，如發生時間、評論數量、地理分布、傳播頻度、交互強度、褒貶傾向等，把相同或相近特征的數據歸為一類，分在同一簇的數據對象具有很高相似性，不同簇間的相似性則非常低，所形成的每個輿情簇都可以視為一個輿情類，由其導出分項規則，利于對后續輿情級別進行標記進而把握風險態勢。用于創建模型的輿情集即為訓練集，可以用數學公式，分類規則，神經網絡或判定樹等模型來描述，當新的未知類別的網絡輿情出現后，把輿情數據輸入分類模型，由其判斷實時風險的嚴重程度。②徐廣軍：《思維變革的重構：大數據視角下的網絡輿論引導工作》，《人民網 -輿情頻道》2014年 8月 27日，http://unn.people.com.cn/n/2014/0827/c14717-25551998.html。特別強調的是，由于時間的滯后和個體態度行為變化的動態性，重大事項事前輿情數據挖掘往往是不充分的，決策實施和運營過程中不斷涌現的輿情數據可能是風險衍生的重要方面。因此，評估數據集成挖掘階段有必要基于網絡環境下生成信息進行周期性挖掘提煉，即時性展示某一時段的風險因素，以精確確立風險預控的時點，該領域的專業實現有待大數據技術的突破。

（三）評估結果的可視化解析

對于“穩評”一線操作的政府工作部門來說，最關心的或許并非數據的挖掘處理過程，而是對大數據分析結果的應用解釋與展示，做出風險可能性和等級程度判斷，并提出風險防范與化解建議。在大數據采集與集成挖掘基礎上，評估系統需要引入“數據可視化技術”③戴國忠、陳為、洪文學等：《信息可視化和可視分析：挑戰與機遇——北戴河信息可視化戰略研討會總結報告》，《中國科學：信息科學》2013年第1期。作為解析輸出的最有力方式，幫助直觀發現大數據分析中隱藏的內在價值，更方便一線人員對評估結果的理解和接受。常見的可視化技術包括基于集合的技術、基于圖標的技術，面向像素的技術和分布式技術等。④⑤FRANKELD.A.，“Bigdataandriskmanagement”.Risk Management，Vol.7.No.10，2012，P.13.該領域的研究至今方興未艾，拓展空間很大。

借助可視化技術并結合以往類同案例的剖析，確立挖掘輸出結果的風險等級：一般、中等、嚴重、非常嚴重，隨之為建立響應方案提供判別支持。與此同時，在利用大數據工具對評估結果解讀過程中，應充分發揮多方參與的信息協同機制，鼓勵引入社會機構部門、NGO、專業人士對評估結論進行更深入的參與論證，增強風險分析的準確度與認同感。

四、“穩評”大數據應用面臨的主要挑戰

（一）技術：“穩評”數據質量的巨大挑戰

高質量的數據是大數據應用效能的前提基礎，專業的數據分析工具只有在高質量的大數據環境中才能提取出隱含的、準確的、高價值的信息，政府部門使用其做出的風險決策結果才不至于偏離正常軌道，甚至發生謬誤。當“穩評”數據采集源從線下邁入線上平臺時，數據結構也隨靜態的文本形式轉向了多維形式，數據之間很可能存在沖突、不一致或相互矛盾的現象，也有可能獲得的是“過期”的數據。要對結構復雜的大數據內容進行整合，是一項異常艱巨的任務。由于數據的多樣性，單一的數據結構已經遠遠不能滿足大數據存儲的需要，“穩評”執行部門需使用專門的數據庫技術和專業的數據存儲設備，以保證采集到的數據存儲有效性。然而，目前我國政府公共部門絕大部分業務運行數據以結構化數據為主，相應地主要采用傳統的數據存儲架構，如關系型數據庫，對于圖象、音視頻等非結構化或半結構化數據，一般均是將其二次轉化后再行存儲處理，該過程大大滯后于網絡輿情的發展速度，也使采集數據質量很難得到有效保障。同時，大數據具有低價值密度的特征①HAMISH B.“IIIS：The‘Four Vs’of Big Data”，[2013-07-24].Http://www.computerworld.com.au/article/396198/iiis_four_vs_big_data/.，網絡采集到的輿情信息數據極為多樣繁雜，很多時候可能意味著大量冗余“垃圾”數據的填充，會對真正有用的信息造成干擾，影響分析判斷，故大數據的清洗過程需要更加高效的專業工具。這種情況下，傳統的數據庫技術、數據清洗技術在分析能力上已力不從心，處理小規模數據質量問題的檢驗工具無法適應大數據環境下的檢驗和識別任務。事實上，當前國內一些地區政府部門對于大數據相關技術的吸收應用多集中于分布式存儲及并行計算方面，滿足大數據要求的數據質量檢測和清洗的智能化工具還十分稀缺②宗威、吳鋒：《大數據時代下數據質量的挑戰》，《西安交通大學學報（社會科學版）》2013年第5期。，這對基于大數據的“穩評”應用實踐構成直接的基礎性障礙。

（二）資源：“穩評”數據挖掘人力的現實挑戰

時至今日，從事“穩評”的主體人員數據采集源依然主要停留在座談、訪問、問卷等傳統樣本階段，尚未觸及使用大數據技術進行深度分析和挖掘的程度，政府公共部門更處于大數據浪潮的末端，專業的“穩評”數據挖掘人員支持幾乎空白。由于大數據本身的復雜性增加了大數據應用的難度，既通曉現代數據挖掘技術，同時又諳熟“穩評”運作流程和地方政府運行規制的復合型人員是當下促進“穩評”大數據應用方案最急需的人才，而對應企業私營部門卻早已出現了諸如“首席數據官”（Chief Data Officer，CDO）這樣的中堅群體。③Lee， Yang；Madnick， Stuart；Wang， Richard. “A Cubic Framework For The Chief Data Officer：Succeeding in A World of Big Data”.MIS Quarterly Executive.Vol.13.No.1，2014，PP.1-13.故此，大數據環境下，未來可首先考慮在政府內部輿情監測部門和信息分析中心配置、輸送、發展主攻“穩評”方向的專業人員力量，要求根據各政府組織部門的實際需求和重大項目特點選擇合適的數據庫及數據采集、抽取、轉換、清洗工具，進行針對性的評估分析，并依據分析結果對風險決策提供參考建議和意見，該項業務亦可積極吸引外部商業機構，如百度、騰訊等數據密集型企業的參與，聯合制訂統一高效的“穩評”大數據應用架構方案。

（三）管理：評估數據信息公開共享的組織挑戰

隨著“穩評”執行結構的拓展及外部環境的不斷變遷，政府部門間的信息互通與評估工作協調日益占據關鍵地位，而數據公開、信息共享是實現制度有效性的重要保證。依據國家有關“穩評”的明確規定，重大事項社會穩定風險評估應從合法性、合理性、可行性和可控性四個方面進行評估，而與此相關的評估分析關聯數據資源（包括實時輿情數據、項目數據、歷史數據、人口數據等）往往分散于不同層級政府機構、項目單位及職能部門之中，在現有體制下，組織內部形成的是以各自部門為單位的一個個支片數據體和“信息孤島”，彼此相對封閉獨立，尚缺乏信息共享的意識及管理機制支持。大數據的應用基礎是將大量分散的、不同來源的多模態、異構數據進行整合性挖掘，并從中提取高質量有價值的隱藏結果，若沒有數據信息公開的有效支撐，數據處理集成平臺構建或幾為空想，“穩評”大數據應用目標現實中也很難實現。

（四）理念：基于大數據“穩評”主體的思維挑戰

缺少數據清洗過濾和整合的機制方法，還只是技術層面的障礙，更深層次挑戰或來自地方政府公共部門評估思維的轉型。對于習慣傳統經驗式決策方式和評價手段的基層政府而言，長期以來缺乏“數據治理”的潛在觀念①賀寶成：《大數據與國家治理》，《光明日報》（理論版）2014年3月27日。，這或使面向大數據的“穩評”理念接受度及支持性感知也將經歷一個較長過程。尤其在既定行政環境下，如果主要決策者缺乏大數據意識以及對大數據評估價值的正確理解，將會對大數據“穩評”應用帶來最直接的阻礙，相關資源整合與技術創新也無法得到全面、有效的保證。此外，大數據環境下的智能評估較之傳統綜合性評估，必然要發生評價思維上的革命：即從選擇靜態、個體且相對獨立的樣本對象，轉而面向動態、系統且關聯的全體數據，從原先按照設定的程序步驟獲取部分“利益相關者”意向數據，擴展延伸到從規模巨大的、彼此可能毫無關聯的數據流中集成截取，而這些全生命周期的評估理念的建立需要“穩評”決策者很強的開放視野和專業素養能力。

五、結語

無疑，大數據將造成社會政策研究②Cook.Thomas，D.“Big Data In Research on Social Policy”.Journal of Analysis and Management，Vol.33，No.2，2014，PP.544-547.和社會文化變革，特別會發生在公共管理與社會治理領域，這一趨勢也為中國政府正大力推進的重大決策社會穩定風險評估制度帶來新的契機。然而，與傳統“穩評”數據模式不同，在采集數據來源廣泛、數量巨大、變化急速、結構復雜的大數據情形下，每一流程監控絕非易事，面臨重重障礙，僅大數據質量的保障就已成為當今世界和學術界面前的重大難題。加之目前我國公共組織的大數據意識及配套技術、管理制度尚在概念探討或試驗階段，大數據應用“穩評”還任重道遠。盡管如此，大數據畢竟為“穩評”的開拓提供了又一嶄新的研究發展路徑和前景可能，期望隨著今后多方條件的成熟，依托大數據工具可以提升發現、揭示基于人群復雜社會網絡背后的行為規律和風險趨勢，進而為我國政府“穩評”的創新性實踐提供強有力的決策支持。