大數據時代高校廉政智庫發展問題的思考

(湘潭大學 湖南 湘潭 411105)

一、大數據與高校廉政智庫

互聯網的高速發展帶來了數據的爆炸增長，數字化滲透到了人們生活和社會交往的各個方面，這些大規模數據的處理離不開大數據技術。高校廉政智庫主要研究國內外的廉政腐敗問題，完全可以利用大數據的思維和處理模式對以往和現有的廉政信息進行統計分析，預測出廉政建設的未來發展，為現階段廉政政策提供決策參考。因此，高校廉政智庫的發展應當將大數據與自身研究融合起來，拋棄傳統的自然思維，善用大數據思維，并運用大數據思維邏輯和技術指導自身科學研究，優化自身治理機制，進一步改變智庫本身的運作模式。不僅要針對大數據浪潮的席卷趨勢，重視其創新思維和能力的培養、保持自身的相對獨立性，努力建立起自己的獨立數據分析團隊和完善的自建數據庫，還要擁有充沛的跨學科人才資源。

二、大數據背景下高校廉政智庫遭遇的挑戰

龐雜的數據信息帶來的數據處理壓力，大數據思維帶來的思維沖擊，前瞻性大數據技術帶來的數據處理方式創新，以及對大數據知識的掌握和大數據人才的缺乏都是高校廉政智庫在大數據浪潮下所面臨的新一輪挑戰。

(一)大數據思維理念的融入。正確的思維設立和理念引導是高校廉政智庫順應時代要求更好更快的發展的基本要求。大數據時代的智庫要謀求發展和轉型，關鍵在于是否具備大數據的思維。[1]大數據思維所包含的內容比較廣泛，數據的挖掘共享、預測分析，數據質量管理，語意搜尋引擎以及云計算和可視化分析等都屬于大數據思維的范圍之內。要實現大數據思維在創新體系下的發展與應用，高校廉政智庫就需要熟悉大數據思維的方方面面，了解其內部的關聯性以及大數據思維所包含事務的發展動向。如何將大數據思維理念融入到高校廉政智庫建設中去，成為我國高校廉政智庫創新道路上的必答之題。

(二)大數據知識和技術的掌握與應用。促進高校廉政智庫發展不僅要掌握大數據知識，對其所涉及的實踐技能的掌握與應用也十分重要。大數據技術可分為三層：數據采集、數據存取、數據整合。數據采集是大數據時代所需要掌握的最基礎的一層，常見的有Linux、Docker、KVM、MySQL基礎、Oracle基礎，此外，Redis和MongoDB這樣的NoSQL數據庫也常用于數據的采集。數據的存取須掌握的技術中最常見的是云存儲，其中包括hbase、hive、sqoop等技術，其他的分布式文件存儲也常用于數據存儲。[2]最后在數據整合部分涉及的數據量最大，因此主要利用分布式數據庫，或者分布式計算集群來對存儲于其內的海量數據進行普通的分析和分類匯總等來滿足大多數常見的分析需求。[3]由此可見，在大數據時代所需要掌握的技術多而復雜，高校廉政智庫需要更多的時間去實踐和摸索以充分掌握和應用這一系列技術。

(三)大數據人才的培育。在現行高校廉政智庫中，大數據技術人才極少，而針對大數據人才培養的項目和活動接近于無，高校廉政智庫大數據技術人才的缺失已經成為其在大數據時代競爭的重要阻礙。根據大數據時代的特征，大數據智庫人才不僅需要新的數據意識、擁有大數據思維，還需要掌握一定的大數據技術，因此滿足全部要求的人才難求。目前，已有少數文獻對大數據人才的培進行了研究，但研究表明我國高校廉政智庫對大數據人才的培育工作剛剛起步，還沒有取得任何成效，據筆者所掌握的資料，我國高校廉政智庫還沒有制定大數據人才培養的完善計劃，如制定培育目標、培育對象選擇、培養模式確定、課程設立等。如何彌補大數據人才缺失這一缺口，是目前高校廉政智庫面臨的又一大難題。

三、大數據時代高校智庫廉政發展策略思考

(一)加強數據技術融入，完善智庫研究方法。數據的挖掘與算法、語義引擎、預測性分析、數據的質量和管理以及可視化分析都是大數據分析技術在運算方面所具有的主要優勢。[4]面對龐雜的數據，高校廉政智庫需要針對不同數據類型的特點和數據處理過程中的不同階段使用不同的數據處理技術。對于高校廉政智庫而言，深度挖掘數據目的是為了更好地把握事物的本質和規律，那么云計算可以作為高校廉政智庫采集、挖掘數據的首選。云存儲是最常見的數據存儲技術，它不僅能夠自動智能地整合所存儲的資源，還可以自動分配存儲數據，能有效提高存儲效率和利用率。數據可視化技術的快速發展成為普通公眾的福音，高校廉政智庫可利用這一技術向公眾普及廉政知識、進行廉政宣傳以及引導輿論傳播。在數據的統計階段需要耗費的工程量最大，而對分析出的結果進行計算和研究，以此推理出最終想到得到的趨勢預測更是需要精確的把握，而運用大數據技術對這一過程進行高速智能地處理，會大幅度提高效率與準確度。

(二)強化人才資源管理，完善人才培養計劃。高校廉政智庫培育大數據人才可以通過以下三個途徑。第一，引進各類大數據人才。大數據人才主要分為五種：大數據技術人才、大數據應用人才、大數據安全人才、大數據管理人才和大數據領軍人才。[5]高校廉政智庫可以根據自身需求按比例引進各類大數據人才。目前智庫對大數據人才的實踐能力沒有統一的評價標準，因此智庫可以在此基礎上制定自己的評價標準體系，如成果報表填寫、制定審核流程、技術考核等。第二，人才培養。高校廉政智庫以大學為依托，高校廉政智庫可以依托高校自身優質的教育資源大力開展廉政教育，培養專業的廉政教育研究人才和實踐人才。第三，設立人才專門管理人員。智庫成員多為專業教師和管理人員，承擔著大量的教學、科研任何和管理工作，設立專門管理人員能充分保障研究效率和成果。

(三)加強國內智庫溝通，促進國內智庫交流。高校廉政智庫作為門類齊全的高校智庫在研究一些復雜問題時具備更強的競爭力，但其需要首先解決內部的研究人員之間、研究團隊之間的協同問題。[6]高校智庫一般都是擁有同一優勢學科的學者聚集之地，因此，每個高校智庫所擅長的研究領域都不盡相同。在大數據時代，智庫孤軍作戰的模式將會被慢慢摒棄，與其他智庫的協同合作是形式所趨。因此，一方面，高校廉政智庫對內要注重與高校內的其他智庫的交流溝通，在合作中拓展研究領域的廣度和深度，發揮自身學科優勢，并努力構建優勢互補的研究共同體。另一方面，高校廉政智庫還需加強與其他高校智庫的合作，貫徹開放、共享的大數據理念，與其他智庫協同發展，共同進步。