讓數據應用回歸冷靜（二）

胡小明

確定性層次的數據應用

數據應用的不同層次

對數據的使用有兩個層次，一種是對數據的直接使用，如數據處理、數據挖掘、機器學習、人工智能等，在這個層次里是機器在使用數據，人腦并不參與，使用數據的邏輯是清晰的，問題是確定性的，這是IT能夠發揮作用的層次。

另一種是間接使用數據的模式，要先進行數據挖掘，從中提取出信息，再由人腦利用信息進行決策或進一步研究。信息使用方式是高層次使用數據的方式，是通過人腦完成的，計算機可以處理數據卻不能處理信息，利用信息決策是人腦才有的能力。人腦對信息的使用是不確定性問題。

信息技術與確定性問題

信息技術只能解決確定性問題，這是由計算機的原理決定的，計算機軟件是一種計算，其結果必須是確定的，信息必須是完備的，計算機只能提高邏輯演算的速度，盡快得出答案，卻不能在信息不完備的環境下進行運算。

信息技術適用于成熟規范業務的自動化建設，因為這類的不確定性已經被排除了，效益問題已由甲方承擔了，信息系統的作用是提高業務的運作效率，沒有人腦參與、沒有不確定性，在這種環境下應用很容易成功。

信息工程學是面向確定性的科學

隨著信息系統建設而成長起來的信息工程學是解決確定性問題的科學，它要求用戶要解決問題的信息是完備的，目標是確定的，這樣信息系統就可以準確有效地設計出來，信息工程學解決技術可行性問題。

在信息技術應用中不確定性問題是不可避免的，如效益不確定、用戶需求不確定、數據不完備等，這些不確定問題將由甲方負責人來拍板定奪，乙方不必考慮不確定性問題，這種分工有利于乙方專心完成信息系統的建設任務。

業務數據整合是確定性任務

2016年國家發改委等十部委聯合提出了“一號一窗一網”，方便公辦事。政府公共服務需要對當事人相關實體數據進行處理，但一些數據會分散在不同部門的數據庫中，調用不通暢是降低效率的主要原因，政務數據整合共享能夠實現以實體標識符到部門數據庫實際的統一調用，這是一項目標明確的任務，可以通過專業軟件及數據標準化解決。

確定性項目也要有所為有所不為

確定性任務容易實現但不等于有效益，取得效益的關鍵在于恰當地選擇目標，全面推動數據整合共享沒有必要，因為不是所有的數據整合共享都有效益，無效益的數據整合共享不必做，即使會計成本劃算的項目，也還要看其機會成本會不會耽誤更重要的項目。政府經費與人才是有限的，集中力量改進用戶規模大的項目往往比多做幾個小項目更有益。數據整合共享應當“有所為有所不為”才會有效益，總之確定性項目也不能什么都做，不能一刀切，精心選擇目標才能提高效益。

不確定性問題的解決辦法

解決不確定性問題的智慧

現實生活中確定性是相對的，不確定性是絕對的，確定性問題有規范的邏輯處理辦法，計算機能夠處理；不確定性問題沒有規范的邏輯處理辦法，計算機不會處理。不確定性問題要靠人腦來解決，人腦可以從更高的層次上思考與創新，這是電腦不及人腦的地方。

人腦解決不確定性問題的辦法是創新與選擇。人腦可以進行概念創新、技術創新，從而提出多種創新方案，借助于決策者的閱歷、經驗、直覺來評價優劣，選擇最好的方案實施。解決不確定性問題沒有萬無一失的方案，所以決策人必須準備承擔風險的能力，這是電腦無法效仿的，因為電腦不懂責任感。

想象力豐富才會有好選擇

人們常把技術設計與應用視為智慧，而忽略企業家選擇的貢獻，實際上選擇是更重要的智慧。技術智慧解決的是確定性問題，商業智慧解決的是不確定性問題，技術智慧只考慮技術可行性，商業智慧考慮的是最終效益，效益問題超出了技術思維的能力。技術層次只懂得怎么做，商業智慧懂得選擇做什么。技術怎么做可以學習，選擇做什么卻沒有方法可學，只能依賴決策者的想象力與判斷力，技術并不保證帶來效益，效益來自企業家的勇氣與悟性。

設計有生命的運行機制

數據服務系統還有因長期服務而增加的效益不確定性，因為服務環境總是不斷變化的，用戶需求也會不斷變化，設計者不可能設計出長期有效的服務系統，為保證長期效益，設計者需要從更高層次上設計系統，需要設計自適應的機制，能夠自動地調節服務功能，適應環境變化確保長久的服務效益。運行機構的激勵機制很重要，激勵的方向要與整體目標相一致，強有力的激勵機制與高效率反饋改進機制形成運行機構的生命基因，確保了數據服務系統的長期效益。

效益層次高于技術層次

數據服務系統建設關鍵問題是要有效益，沒有效益的數據服務不可持續，有效益才會有不斷的資源供應，才能使數據服務系統服務持續整個生命期，實現效益的難度高于技術可行性。技術可行性可視為第一層次目標，有可持續效益則是第二層次目標，形成可持續效益的數據服務系統和生態環境是第三層次目標。層次越高不確定性程度也越高，抽象思維層次也越高。

愛因斯坦說過，“不能在產生問題的層次上去解決問題，要在更高層次上尋找解決問題的辦法”。善于從更高層次上思維的人視野更廣闊、思維更靈活，更有能力克服困難取得成功。

學習企業家的思維模式

技術人員主要面對的是確定性問題，其思維處于系統工程層次，碰到不確定性問題時他們會去請示上級，由上級對不確定的問題拍板定案后，才會繼續從事信息工程業務，技術人員只關注系統可行性，其思維停留在確定性層次。

企業家是效益導向，必須正視不確定性問題，沒有人能替企業家拍板排除不確定性，企業家必須親自決策排除不確定性，讓部下在確定的環境下工作。企業家是能在不確定性環境下努力推進工作的人，政府的數據系統建設領導人需要學習企業家的勇氣、擔當能力和創新精神。

數據服務的可測性與公眾獲得感

數據服務建設不忘最終目標

大數據應用與政務數據整合共享提出的目標是改善政府對公眾的服務，目標要更多面向基層面向公眾，但是做起來往往會變成面向領導、面向考核機制，這樣會大大降低數據服務的效果。因此從更高層次上反思數據系統建設的過程，回到初始的目標，不忘初心非常重要。政府為推動數據建設會制定績效考核的辦法，考核辦法應當向最終目標靠近，不要讓部門為績效而績效，忘記最終目標。

公眾獲得感的重要性

數據服務系統設計以公眾的獲得感作為評價標準很必要，這是從服務的最終效果提出的效益要求，超出工程層次的測量標準，其展示的是服務效益。獲得感是用戶的感覺，是設計者不可控的，與信息系統的工程標準不同，政府自認為設計很好的系統公眾若不喜歡就不能說是成功的，公眾獲得感是不確定性的標準，以公眾獲得感評價政府工作能夠推動政府全面改進工作，并能夠提高社會監督效率。

數據服務的可測性與管理能見度

城市數據服務系統與成果的可測性密切相關，一個成果不可測的系統必定是騙人的系統，設計人可以隨意夸大其作用而無法證明，這樣的系統是不能做的。數據服務系統的效益主要是社會效益，直接測量有難度，利用公眾獲得感作為社會效益的測量標準能夠提高項目測量效果的直觀性，這對于城市數據服務建設的可控性是有益的，使測量標準直觀化，讓系統服務的效果可視化，能夠有效抑制虛假的數據服務。

效益導向推動政府數據建設

智慧城市建設中，城市大數據中心已成為標配的技術內容，但大數據中心的發展方向尚不清晰，僅靠領導支持并不能保證可持續，數據中心堅持以效益為導向很重要，要建立簡單明確看得見看得懂的評價標準，評價數據服務公眾滿意度的客觀標準之一是用戶（包括政府用戶與社會用戶）規模，政府數據服務宜加強對公眾的宣傳，改善用戶體驗，促進用戶規模增長，將用戶穩定的使用率作為效益導向的指標。

（作者系原中國信息協會副會長，現任中電科新型智慧城市研究院首席顧問）