生態危機治理的大數據戰略

李娟

〔摘要〕 大數據戰略克服了全球環境治理的數據障礙，使生態信息成為了重要的生態治理資源。大數據技術具有挖掘生態信息的優勢，大數據模式下生態信息價值化離不開數據、技術與思維三者的融合。生態危機的全球性、彌散性、治理成本和治理難度要求國家間生態數據交流與共享、制定相應的國家大數據策略、參與主體多元化及培養大量的數據技術人才。在國家層面，應從制定數據政策、處理數據共享與數據安全的關系，加強數據技術創新與數據基礎建設和建立生態數據法律法規體系四個方面推進大數據戰略。

〔關鍵詞〕 生態危機治理，大數據戰略，生態信息，生態治理資源

〔中圖分類號〕D630 〔文獻標識碼〕A 〔文章編號〕1004-4175（2016）02-0076-06

近年來，人類已經處在了全球污染的時空之中。但污染的程度到底如何？污染已經達到嚴重威脅人類健康的程度了嗎？如何劃分和確定各國在全球污染中的責任？如何進行高效的環境治理？所有這些問題的回答都需要對污染信息有全面的掌握，然而這在大數據之前是根本無法實現的。大數據技術的產生克服了全球環境治理的基礎性障礙——環境數據收集、存儲、處理和廣泛應用。因此，可以轉變思維，從數據驅動的角度創新生態危機治理思維。

一、大數據使生態信息成為生態治理資源

生態信息在生態治理中具有基礎性作用，沒有足夠準確的信息就無法正確判斷面臨的生態危機，無法預測生態危機的發展趨勢，也就根本制定不出高效可持續的生態治理對策。然而，生態危機是一種超出自然范疇的社會學問題，它既涉及政治、經濟方面的利益，也涉及社會群體的直接利益，因而在治理上存在多種壁壘與不合作的障礙，導致生態信息無法被聚集，無法共享，無法實現資源價值，也就無法控制生態危機的蔓延，最終形成生態治理上的“公地悲劇”。比較幸運的是，“大數據輪動促進資源最優化，擴展社會服務的范圍并提高服務質量。例如緊急救災服務中心（Emergency Service）就是通過自建和共鏈大型數據庫，捕獲與分析海量災情數據、救助狀況與重建信息，大幅度地提高防救災害能力” 〔1 〕。

（一）大數據技術具有挖掘生態信息的優勢。“大數據分析的價值和意義就在于，透過多維度、多層次的數據，以及歷時態的關聯數據，找到問題的癥結，直抵事實的真相” 〔2 〕。大數據技術很好地解決了生態信息收集的維度、層次和時效問題，更能反映真實的生態狀況，大數據的價值可拓展性和附帶性可以降低生態信息收集的成本，大數據本身的商業特性保障了數據收集的連貫性和可共享性。

首先，大數據有別于樣本數據的特性是能夠更加全面及時捕捉生態信息。樣本數據產生于信息缺乏和記錄存儲技術有限的模擬數據時代，是利用盡可能少的數據來證實盡可能重大的發現。“它的成功依賴于采樣的絕對隨機性，但是實現采樣的隨機性非常困難。一旦采樣過程中存在任何偏見，分析結果就會相去甚遠” 〔3 〕34，這也是樣本數據存在的固有缺陷。而且樣本數據需要結構化查詢語言，數據收集錄入必須有統一語言編碼，而且只能在預設的變量之中研究問題的相關性，此種數據模式適用于小范圍的專門性研究。而生態危機已經成為一個涉及范圍更廣的重大領域，專門性的研究也無法準確發現影響生態惡化的多重因素。若要把握生態危機的全面信息，就必須跳出生態領域本身，去探究與生態危機密切相關的人類生產、生活和消費行為。人類生產、生活和消費行為的高緯性和個異性超出了樣本模式的統計能力之外。此外，在數據處理上，樣本數據只能夠處理本地數據，必須將數據放在同一數據庫中才能夠處理，而大數據云計算可以跨地區和跨數據庫進行復雜數據處理。正如涂子沛所言，大數據等于傳統小數據加現代大記錄，大數據等于結構化數據加非結構化數據，大數據等于大價值加大容量 〔4 〕。現代大記錄是指包括文本、圖像、音頻、視頻等在內的所有信息表達形式在內的全部記錄形式，多樣化的記錄形式決定了數據的非結構化特征，雖然增加了數據處理的難度，但是呈現了事實本身的多維信息。“大數據對極其復雜的人類行為的社會學研究起到了重大作用，通過網絡數據，大量的個人的或很小組織的真實行為通過計算機以數據形式被記錄下來，這些數據為人類行為研究提供了豐富的可靠信息，避免了研究者認知的偏見、感知的誤差和框架的歧義” 〔5 〕，所以，需要分析處理大數據，從而挖掘數據價值。

其次，大數據有助于低成本獲得更加全面真實的生態信息。雖然對于個人或大多數組織團體而言，數據的收集、存儲和處理仍然是一個高成本甚至不可能的工作，但是對于人類歷史而言，大數據突破了數據收集和存儲瓶頸，大量信息可以被低成本地捕捉、記錄和保存。大數據收集克服了樣本數據應用目的單一和變量限定造成的信息貧乏的局限。目前，只有像QQ、Twitter、微信、電信運營商、亞馬遜和阿里巴巴電商巨頭等擁有龐大用戶群的公司才能夠接觸到更廣泛的數據，他們有使用數據的便利或者將數據授權給渴望挖掘數據價值的人。大數據收集依賴于網絡終端設備，數據在用戶使用網絡應用程序的過程中不可避免地被自動收集。用戶使用的網絡終端設備功能越豐富，產生的數據量就越加多維和多層次，而且數據來源無限廣泛，也不需要支付數據費用。也就是說，無須針對生態環境進行專門性信息收集工作，便可以通過人類在各類網站上的消費習慣的數據中發掘生態信息。例如，可以分析人們在淘寶網站上對一次性用品的消費偏好和消費數量來預測此種消費與生態資源破壞和環境污染之間的關系；利用QQ或微信用戶對霧霾防護工具的討論，判斷全國哪些地區霧霾程度嚴重，人們對治理和抵御霧霾的覺悟較高。相比于專門針對一次性用品消費對環境污染和霧霾情況的實地調研，此種數據借用方式不僅大大節約了調研成本，更為重要的是，能夠提供更加全面準確的生態信息，可以根據生態治理的不同需要進行多元的信息聚合。

再次，從商業大數據中獲得生態數據保障了數據的不間斷獲取和數據共享。大數據產生于移動互聯網、物聯網和社交網站等的快速發展與融合，數據原本被收集分析處理是為了幫助企業準確有效地把握商機和正確預測市場趨勢。大數據技術的發展也完全取決于企業對大數據與企業發展關系的認識程度。IBM全球副總裁兼大中華區軟件集團總經理胡世忠如是說，“通過數據洞察到的需求，便是一個新的市場機遇” 〔6 〕。因此，在商業經濟發展的無限增長需求之下，大數據的收集存儲會越來越豐富而且持久。又因為“數據的價值并不僅限于特定的用途，它可以為了同一個目的而被多次使用，也可以用于其他目的” 〔3 〕132，所以大量全面真實的生態數據可以從商業大數據中獲得，生態數據會隨著商業數據的增長而增長，隨著商業數據的豐富而豐富。此外，大數據是與人力資源、資金、物質資源一樣的商業資源，因而可以產生商業價值，有價值就有交換，因而數據在交換和買賣的過程中可以實現共享與綜合。

（二）大數據模式下生態信息價值化離不開數據、技術與思維三者的融合。要了解大數據何以能夠應用于生態危機治理，如何構建生態危機治理的大數據框架，就必須首先熟識大數據價值產生過程，以及各個環節的作用地位和突破點。舍恩伯格明確提出數據本身、技術與思維三者構成大數據價值鏈 〔3 〕160 ，三者缺一不可，缺少任何一項，數據都僅僅只能是數字而已。如圖1所示，數據與技術之間，必須通過思維才能結合，三者的融合才能產生具有特定目的需求的價值。生態數據要發揮治理價值，就必須深入理解三個環節的特征與地位。

數據本身是最基礎的環節。在大數據時代，誰掌握數據誰就有決定權。2014年阿里和騰訊不惜重金和不計成本地搶占打車用戶，事實上是兩家公司均認識到了大數據時代數據本身的重要性——只有自身擁有龐大的數據來源才不會在大數據商業競爭中受制于人。而且隨著大數據時代的真正到來，大數據處理技術的普及，數據本身將更加具有決定性地位。在數據本身環節，生態治理的主要任務是如何搭建專業平臺或者綜合其他商業化數據收集平臺獲取生態數據。

大數據技術是產生數據價值的金鑰匙，它是指設計用于高速收集、發現和分析從多種類型的大規模數據中提取經濟價值的新一代技術和體系，涉及數據存儲、合并壓縮、清晰過濾、格式轉化、統計分析、知識發現、可視呈現、關聯規則、分類聚類、序列路徑和決策支持等技術” 〔7 〕。目前，包括數據挖掘、云計算、機器學習等的數據分析使用的技術已經非常成熟，并且形成了一個譜系。以數據挖掘為例：數據挖掘就是要在錯綜復雜的數據當中，消除數據“噪音”，剔除無關數據，找到有用數據的過程，但這是一個需要專業計算機技能的工作，需要根據用戶需求，建立數據模型，對數據進行分類與統計，查找數據分布的關聯性，例如Hadoop項目。Hadoop是Apache軟件基金會組織開發的與谷歌的Mapreduce系統相對應的開源式分布系統的基礎架構，非常善于處理大量數據，能夠處理大量未預先設定記錄結構的五花八門的數據。大數據技能通常由咨詢公司、技術供應商或者分析公司等的專業人才來完成。目前而言，大數據的數據豐富，但是技能欠缺，在未來一段時間內“數據科學家”是稀缺人才。大數據處理技能將成為生態治理專家必備的一項基本技能。

思維是數據產生應用價值的關鍵，大數據思維就是指建立大數據與需求之間的聯想能力。沒有明確的需求，就沒有滿足需求的動機；沒有動機，就沒有尋求方法的可能，也就不會聯想和應用大數據。雖然大數據的應用范圍極其廣泛，但是要在某一領域中建立大數據與專業聯系還需要大數據創新思維。有研究顯示，在企業中，“40%的調查者認為廣泛采用（數據）分析技術的主要障礙是缺乏了解如何利用分析技術改進業務” 〔8 〕10。思維是連接數據和技術的橋梁，是技術轉化為應用，數據產生價值的連接器。大數據與生態危機治理不會自動結合，需要生態治理者充分發揮想象力，將生態治理的環節與大數據進行自覺鏈接與構建，才能使大數據作用于生態危機治理。

二、 生態危機治理的大數據戰略要求

生態數據資源的形成無疑為生態危機的全球治理提供了可能，但是生態危機治理的主體仍然是決定治理成敗的關鍵因素。應從生態危機的國家間合作、國內地區和部門間合作、普通民眾的廣泛參與和技術人才培養四個維度對生態危機治理進行戰略性規劃。

（一）生態危機的全球性要求國家間生態數據交流與共享。“環境破壞的發生并非偶然，它是資本主義制度下生產與消費的組織方式，以及這些方式考慮或不考慮其所帶來的環境破壞的結果” 〔9 〕92，生態危機并發于資本主義經濟增長方式，環境破壞的危害程度隨資本主義經濟全球化的深度和廣度而越發嚴重。在增長經濟的框架內，無論對于發達國家還是發展中國家，經濟全球化都促進了各國經濟的發展，與此同時，資源損耗和環境廢棄物常常在人們對全球經濟總量增長的狂熱追求中被忽視。從商品鏈角度分析，產品的產生和消費是全球化的，那么生產和消費產生的廢棄物也應該由全球來承擔。“階級社會能夠被組織為民族國家，風險社會則帶來了‘危險社區，它最終只能被組織為聯合國” 〔10 〕54，生態危機的全球化已經是不爭的事實，“貧窮是等級制的，化學煙霧是民主的” 〔10 〕8。可是，全球化產生的生態問題并不像經濟關系中的權責那么容易劃分和界定，“風險的全球性并不意味著風險在全球是平均分配的” 〔11 〕6，雖然“污染總是與貧窮形影相隨”，富裕國家的空氣和水污染程度要比發展中國家低，但是并不意味著富裕國家不產生污染。本質上，經濟全球化過程是發達國家進行產業升級和產業轉移的過程，在這個過程中發展中國家成為了發達國家轉移高耗能高污染產業的承接對象。由于富裕國家的消費需求和治理需求更多，因此產生的污染更嚴重，只是轉移到了他域而已，“一個國家的相對富裕不但有助于它提高消除污染的能力，還有助于它將污染轉移到國外” 〔9 〕11。但是“飛去來器效應” ①精確地打擊了那些富裕的國家，貧窮地區的環境污染最終還是傳染到了富裕地區。

在絕對知識層面，沒有任何國家真正知道全球面臨的生態危機和預測全球生態后果，因此在信息嚴重不充分的情況下作出的決策則會“鼓勵一種令人厭惡的賭博，一種對于宿命的諷刺性的顛覆：在沒有適當的情境知識的情況下我對于我被迫作出的決定負責” 〔11 〕101，必然導致各國對現有的生態治理原則和措施的不認可與不執行，例如“誰污染誰治理”就是一種嚴重缺乏公平責任觀的環境治理原則，無法得到徹底貫徹。生態責任應如何分配不僅是一個重要的政治問題，而且也是技術手段的問題。烏爾里希·貝克指出，現代社會的進步性在于，“前工業社會的無法計算的威脅（瘟疫、饑荒、自然災害、戰爭，同時還有魔力，上帝惡魔）在工具理性控制（現代化過程在生活的各個領域都提倡這一點）的發展之中被轉換為可以計算的風險” 〔11 〕100，人類為了防止風險轉化為危險，就必須遵循“怎樣使這種自我生產的后果在社會意義上成為可計算的、可解釋的，使其沖突成為可控制的” 〔11 〕101現代自反（自我反思）思維。貝克深刻洞察到了人類突破生存危機的出路，但是在大數據之前，這只能是美麗的神話。“在大數據時代，合作比競爭更重要，交流比交易更重要，靈活的同伴關系比冰冷的階級斗爭更重要。” 〔12 〕XXI 世界各國都已經認識到了互聯網技術之于國家合作的可能性和重要性，大力發展數字基礎設施，為國與國之間的交流和互通建立便利的橋梁。國家間生態數據交流與共享，有利于解決國家之間由于信息孤島無法正確判斷和預測的生態危機問題，有利于生態責任分配與相互幫助，有利于國際協同治理生態問題。

（二）生態危機的彌散性要求制定相應的國家大數據戰略。生態危機具有類似公共物品的非競爭性和非排他性特點，無法通過市場手段得以解決，更何況生態危機本身產生于市場化經濟。“由于污染的因果關系很難建立，因此環境責任和法律責任的落實也是成問題的” 〔13 〕16，生態治理不免陷于 “‘有組織的不負責任的一種新形式，因為它是一種極端非個人化的制度形式，以至于即便是對自己也無須為此承擔任何責任” 〔11 〕8的“公地悲劇”的境地。雖然人們認為“國家是生態惡化的難題的一部分而不是解決方案所在” 〔14 〕77，“但也不能由此假定我們設想或創造的其他替代物（替代國家）就可以完全擺脫或減少上述難題（生態問題）” 〔14 〕77。國家及政府擁有絕對權威和強制力，可以通過國家命令、政府政策和法律等形式打破有組織不負責任的生態治理困境。因此，國家在生態危機治理中仍是主要力量。

我國在環境信息建設中已經形成了系統完整的生態信息管理和應用體系，但是之于大數據的開放性與合作性還非常有限，而且大數據生態治理不能自發形成，在數據轉化為價值的構成中還有不少的困難和問題。在政府環境治理體系內，環境信息化和數據化由業務部門需求為牽引，各級環境數據化機構具體實施和推動，各業務部門與管理部門之間缺乏環境數據共享機制，應用系統不互通，缺乏統一協調的管理機構和環境信息管理制度，導致環境數據化建設各自為政，“信息孤島”和“信息煙囪”遍地都是，低水平重復和資源浪費，難以發揮環境數據的聚合效應，數據資源開發和利用能力不強。“數據割據狀態，縱向上體現為上級單位無法全面實時訪問下級單位的詳細數據；橫向上體現為部門間的利益糾葛，而且不希望、不愿意把數據公開給其他部門。” 〔15 〕83在社會環境治理系統中，企業環境責任所擁有的數據、綠色生態組織所擁有的數據等更加缺乏制度化的統一。這就要求生態危機的數據治理由國家進行頂層設計，破除數據壁壘，創建利益共享機制，打破橫向和行業之間的藩籬，制定統一、協調、合作和互益的數據政策，搭建統一的生態大數據平臺，使環境數據在各生態治理相關部門之間自由共享。

（三）生態危機治理成本過高要求參與主體多元化。大數據處理在帶來巨大收益的同時，也會引發處理成本過高的問題。由于大數據的數據量巨大和數據結構復雜，需要專業的技術人員、高級配備的硬件設備和復雜穩定的軟件系統，這都需要大量資金的投入。生態大數據的成本問題決定其使用程度。數據的商品化是使數據收益大于成本的必然選擇，它是一種使數據成為一種可以用貨幣衡量、能夠在市場自由流通的商品。大數據商品化之后數據就不再是單純意義上的數據，它能夠被挖掘出新的價值。

大數據在市場中的分布是不均勻的，它往往掌握在一些大的公司手中。業務公司要想深度開發和擴展數據，就必須從數據公司獲取數據，當然數據公司不會無償開放數據，必須以價格的方式購買或出售。在信息時代，數據將成為獨立的生產要素，其重要性猶如農耕時代“土地”的屬性 〔15 〕80。“因為在未來，我們可以利用數據做更多的事情，而數據擁有者們也會真正意識到他們所擁有的財富。因此，他們可能會把他們手中擁有的數據抓得更緊，也會以更高的價格將其出售” 〔3 〕172。目前數據商品化仍然在摸索階段，尚未真正進入市場化和商品化階段。例如，大數據公司twitter擁有海量數據，它的數據通過兩個獨立的公司授權給別人使用。現在比較廣泛的數據開發模式是自身擁有大量數據的業務公司與技術公司合作，請技術公司幫助業務公司從已有的數據中發掘出更加有價值的信息來解決面臨的問題。以上兩種模式表明數據尚未進入流通市場，數據的巨大價值仍然被隱匿著。數據的商品化不僅有利于大量數據公司使現有數據發揮更大的商業價值，而且商品化之后，能夠激勵數據公司更好地收集存儲數據。相比于商業大數據，生態數據的收集本身就存在高成本低回報的弱勢。除非環保部門或環保產業公司，否則其他公司沒有收集生態數據的興趣和積極性。生態數據商品化之后，很多數據公司發現其商業價值，則會拓展其數據收集業務，數據公司開發生態數據收集軟件，則使更多社會主體參與到生態數據的生成與收集之中。

（四）生態危機治理難度大要求培養大量的數據技術人才。“欲工其事必先利器。促進大數據在各行各業落地的重要因素，除了建立大數據思維以外，必須掌握新興的處理技術，需要重新審視企業的軟件開源策略、數據處理技術、人才培育計劃。” 〔15 〕XVII生態危機是一個涉及人類所有社會活動的社會性問題而非簡單的環境問題。生態危機生成機理的復雜性、危機狀態的流動性和危機影響的時空性等問題都要求人類在回應和治理過程中掌握一種能夠實時跟蹤和準確評估的技術手段，數據專家應運而生。數據分析家、人工智能專家、數學家或統計學家將在未來的職業領域中占有重要地位，將與行業專家和技術專家齊頭并進成為行業中的核心競爭力。“但是如果想要成功運用大數據技術，達成企業戰略目標，最大的制約因素往往是大數據人才的匱乏。這一點已然成為了推廣可利用大數據技術的阿喀琉斯之踵” 〔15 〕49。在大數據發展的現階段，大數據及人才是最為關鍵和稀缺的資源。在生態治理領域中，生態學專家必須具備大數據思維，充分認識到大數據相比于小數據的優越性，形成循數管理思維，相信數據預測比直覺和經驗更準確。雖然人類已經掌握了大量豐富的有關生態治理的數據，但是由于大量數據噪音和數據廢氣的存在，簡單粗放式IDE數據統計和分析往往不能得到真正有價值的內容，甚至可能得到相左的結果，所以需要相關數據挖掘技術進行更加有效的、精工細作的處理。這就對大數據技術人才提出了更高的要求。不僅是亟需專門技術人才，而且也對數據管理人才的需求更加急切。要求專業的數據管理人才提供有關數據質量、元數據、隱私和信息生命周期管理的政策，承擔數據發起者和數據保管者等角色和責任，監測對數據政策遵從情況，定義數據問題的可接受閾值等等。

三、生態危機治理的大數據戰略推進

生態危機治理的大數據戰略推進是一個龐雜的系統工程，信息技術的靈活性、跳躍性和創新性也常常制造數據管理和控制上的難題，誘發新的數據風險。因此，為了預防和規避此類風險的產生，必須前瞻性地為大數據戰略推進制定制度規范，制定與時俱進的數據政策，恰當處理數據共享與數據安全之間的關系，加強數據技術創新與數據基礎建設，建立生態數據法律法規體系。

（一）制定與時俱進的數據政策。政府必須順應時代的要求，積極應對社會上的新事物。大數據市場快速發展要求政府必須在數據市場出現發展瓶頸與問題之前就制定好宏觀數據戰略，為數據共享、數據商品化和數據技術發展提供政策支持。數據、技術和應用是國外推進大數據戰略的三大著力點。美國強調國家層級的戰略規劃，試圖引領全球大數據發展方向；英國將大數據列為戰略性技術，給予大數據高度關注；日本政府把大數據作為提升競爭力的關鍵；此外，澳大利亞、新加坡等國也非常重視大數據發展。對于我國而言，與大數據發展相關的發展規劃尚屬空白，為加快我國大數據技術應用于產業發展，必須對大數據建設進行戰略布局，明確我國發展大數據的目標定位、主要內容和重點發展領域，制定具體的大數據政策，包括數據安全政策，數據資產政策，數據開放與共享政策等等。環境大數據數量越來越大，為了滿足環境監管水平、環境執法能力和應急響應能力，環境主管部門必須與計算機部門共同合作，確定各類數據性質，明確哪些數據應該被存儲和收集，哪些數據是個人數據應該絕對保密，這就必須以相關“活文件”的政策、標準和程序為依據。

（二）恰當處理數據共享與數據安全關系。所有的大數據推進工作都必須首先處理好數據共享與數據安全的關系。數據共享必須以數據安全為前提，但是又不能以數據安全為借口阻礙數據共享，因而必須制定明確的數據安全等級。國家需根據不同安全等級的數據進行安全保護和維護。只有明確了數據安全等級，才能確保大量非機密級數據能夠在市場上自由流通；只有數據等級明確，大數據公司才能放手開發和利用自己的數據，例如電信等通訊公司擁有大量實名用戶信息，因為礙于缺乏相關政策和法律的明確規定，不敢充分利用這些信息。只有數據自由流通與共享，才能使數據、技術與思維有融合的可能性。例如，美國要求政府機構減少對政府信息的過度定級，并要定期進行信息解密，促使政府信息的定密與解密程序具有更大開放性和透明度，為敏感但非涉密信息創建開放、標準的系統，減少對公眾的過度隱瞞 〔16 〕。生態數據主要以環境部門收集的主數據為主，政府需著重處理生態主數據在系統內橫向交流共享的問題。此外，生態危機治理還需要生態主數據與社會大數據的融合，要求政府必須加快推進公共環境信息的更新和開放速度，為內外數據融合創造有力的政策環境。

（三）加強數據技術創新與數據基礎建設。政府推動數據技術創新，首先要加強大數據技術研發方向的前瞻性和系統性，重點支持深度學習與人工智能、實施大數據處理、海量數據存儲管理、交互式數據可視化在環境數據開發方面的應用；其次是著重發展開源新生態，也就是要將環境科學研究和環境產業結合起來，力爭生態數據在大數據平臺上實現突破；再次，通過直接補助或后期補助方式激勵環境企業和環境科研機構參與開源技術發展，促進大數據技術擴散與技術轉化。大數據發展除了技術創新之外，還需要促進與其相關的基礎建設。大數據的發展必須依賴于互聯網、物聯網、云計算和移動終端設備的發展與融合。例如，云計算為大數據提供彈性可擴展的基礎設施支撐環境以及數據服務的高效模式。互聯網和物聯網建設的落后直接制約著數據來源的廣度，多樣化移動終端應用程序的開發影響數據收集的深度。物聯網和互聯網往往是跨行業、跨地區的，政府需要加強各部門的協同合作，打破地區之間、行業之間和部門之間的壁壘，促進資源聯網共享，而且物聯網和互聯網的建設投資成本高，企業無力建設，需要由政府來承擔資金投入的問題。

（四）建立生態數據法律法規體系。隨著大數據挖掘分析越來越精準、應用領域不斷擴展，大數據立法迫在眉睫。在環境數據挖掘過程中，需要法律來保護個人可識信息的私有性，保護個人隱私。以往建立在“目的明確、事先同意、使用限制”等原則之上的個人信息保護制度，在大數據場景下變得難以操作，這些在法律上的缺位問題嚴重制約了環境大數據的開發。因此，需要在國家信息公開和管理有關法律法規的指導下，制定出臺關于生態數據公開和管理的法律法規等規范性文件，賦予生態數據以明確的法律地位，將生態數據公開和管理納入法治化軌道，確立生態數據管理和發布的法律原則，全面提升政府部門和社會各界對生態數據的重視程度。

注 釋：

①“飛去來器效應”是蘇聯心理學家納季控什維制首先提出的概念。飛去來器為澳洲土著使用的一種拋出去又會重新回來的武器。在社會心理學中，人們把行為反應的結果與預期目標完全相反的現象，稱為“飛去來器效應”，即“飛鏢效應”。 這好比用力把飛去來器往一個方向擲，結果它卻飛向了相反的方向。

參考文獻：

〔1〕蔣 潔.大數據輪動的隱私風險與規制措施〔J〕.情報科學，2014（6）.

〔2〕喻國明.大數據方法與新聞傳播創新：從理論定義到操作路線〔J〕.江淮論壇，2014（4）.

〔3〕維克托·邁爾-舍恩伯格，肯尼思·庫克耶.大數據時代：生活、工作與思維的大變革〔M〕勝楊燕，周濤，譯.杭州：浙江人民出版社，2013.

〔4〕涂子沛.大數據及其成因〔J〕.科學與社會，2014（1）.

〔5〕Watts， D. J. A Twenty-First Century Science 〔J〕. Nature， 2007（2）.

〔6〕胡世忠：要讓數據實現貨幣化〔EB/OL〕. http：//tech.qq.com/a/20140902/040766.htm.

〔7〕鄔賀銓.大數據思維〔J〕.科學與社會，2014（1）.

〔8〕IBM商業價值研究院.大數據、云計算價值轉化〔M〕.北京：東方出版社，2015.

〔9〕羅尼·利普舒茨.全球環境政治：權力、觀點和實踐〔M〕.郭志俊，藺雪春，譯.濟南：山東大學出版社，2012.

〔10〕烏爾里希·貝克.風險社會〔M〕.何博圖，譯.上海：譯林出版社，2003.

〔11〕烏爾里希·貝克.世界風險社會〔M〕.吳英姿，孫淑敏，譯.南京：南京大學出版社，2004.

〔12〕阿萊克斯·彭特蘭.智慧社會：大數據與社會物理學〔M〕.汪小帆，汪容，譯.杭州：浙江人民出版社，2015.

〔13〕馬克·史密斯，皮亞·龐薩帕.環境與公民權：整合正義、責任與公民參與〔M〕.侯艷芳，楊曉燕，譯.濟南：山東大學出版社，2012.

〔14〕羅賓·艾克斯利.綠色國家：重思民主與主權〔M〕.郇慶治，譯.濟南：山東大學出版社，2012.

〔15〕趙國棟，易歡歡，等.大數據時代的歷史機遇——產業變革與數據科學〔M〕.北京：清華大學出版社，2013.

〔16〕張勇進，王璟璇.主要發達國家大數據政策比較研究〔J〕.中國行政管理，2014（12）.

責任編輯 周 榮