大數據視閾下政府決策機制模型建構

□ 黃甄銘

［中共中央黨校 （國家行政學院） 公共管理教研部，北京100091］

將大數據上升為國家戰略已是全球共識與普遍做法，“誰掌握了大數據技術，誰就掌握了發展的資源和主動權”。［1］自2015年黨的十八屆五中全會公報提出“實施國家大數據戰略”以來，大數據在我國迅猛發展，與世界上諸多國家甚至是發達國家相比已具有先進性的發展競爭優勢。［2］在全面推進大數據發展、加快建設數據強國的背景下，政府治理模式正面臨數字化轉型，這也為構建科學化、民主化的政府決策機制帶來了新的機遇。

傳統的政府決策對政治家負責，導致決策主體的主動性不足，針對公眾需求制定政策時靶向性不強，政策與需求之間易出現“鴻溝”。［3］而且，決策主體反應能力不足，回應滯后，一旦社會矛盾激化，難以迅速把控輿論動態。此外，在提供公共產品與公共服務時，決策主體同時扮演著生產者、供給者和監督者的角色，缺位、越位、錯位、不到位的現象時有發生。大數據能夠揭示傳統技術方式難以展現的關聯關系，不斷推動政府數據的開放共享，有效促進社會事業的數據融合和資源整合，極大提升政府的整體數據分析能力，從而為政府決策科學化、民主化提供新手段。一方面，大數據改變了公共利益表達與綜合評估的方式，借助大數據的全樣本生成能力和分析技術，政府決策過程可以包含完整的電子決策、電子傳播、電子服務、電子參與和電子監測，不僅能夠提高決策效率，也有助于精準決策、科學決策、民主決策、公正決策；另一方面，大數據創造了平等交流和分享信息的平臺，打破了政策博弈中的“囚徒”困境，合作共贏由此真正成為公共政策制定的公共價值。［4］借助民意調查、聽證會等形式吸納公眾、社會組織及企業共同參與決策，能夠促進公共決策過程的進一步開放，有效避免“信息孤島”“經驗主義”“權力尋租”等現象的發生。新時代，要在決策和治理中做到“心中有數”，就要樹立數據意識，形成“用數據說話、用數據決策、用數據管理、用數據創新”的理念，改變重經驗輕數據、重直接數據輕關聯數據、重單一數據輕多元數據等思維慣性和決策方式。［5］

一、相關政策及文獻綜述

為健全科學、民主、依法決策機制，規范重大行政決策程序，提高決策質量和效率，明確決策責任，國務院于2019年4月20日發布《重大行政決策程序暫行條例》，自2019年9月1日起施行。該條例共六章，分別為“總則”“決策草案的形成”“合法性審查和集體討論決定”“決策執行和調整”“法律責任”“附則”。其中，“決策草案的形成”一章包括“決策啟動”“公眾參與”“專家論證”“風險評估”四個方面。

國內外學界關于政府決策機制的研究較為廣泛，特別是近年來基于大數據分析的各類決策機制場景應用研究呈現出強勁的發展勢頭，為政府決策科學化、民主化奠定了良好的理論基礎。一方面，既有研究主要落腳于政策科學領域。一是從公共政策的要素入手，如有學者依照政策過程的各種功能活動提出了包含情報、建議、規定、行使、運用、評價和終止七個因素的“功能過程理論”；［6］也有學者從概念上揭示了“利益”是公共政策的核心要素，即公共政策是政府依據特定時期的目標，通過對社會中各種利益進行選擇與整合，在追求有效增進與公平分配社會利益的過程中所制定的行為準則。［7］二是著眼于公共政策分析的方法，如有學者梳理了政策分析中的創造性思維方法，包括專家預測法、德爾菲法、腳本寫作及運籌博弈等；［8］三是聚焦于政府決策機制設計，如有學者認為，現代政府決策機制包括決策權配置機制、決策程序機制、決策組織機制，需要健全政府決策權配置機制、完善政府決策程序機制、完善專家咨詢論證機制、健全公眾參與機制、建立完善決策責任制度。［9］另一方面，基于大數據分析的決策機制研究越來越引起學界的關注。一是著眼于理論上的論證，如有學者認為，大數據驅動型政府決策是一項運用大數據技術的公共選擇活動，是包括決策主體、決策機構、決策制度、決策程序等要素構成的一個復雜系統，具有綜合分析、開放高效、即時反應、準確完備、獨立權威等方面的特征；［10］還有學者對近十年大數據驅動公共決策創新研究的SCI和SSCI文獻進行了系統綜述，力圖為運用大數據技術優化公共決策提供理論支持。［11］二是以金融、教育、醫療等領域為應用場景建構實操性模型，如有學者針對互聯網金融數據的特點，遵循以數據為中心的系統設計原則，按照數據處理方式進行系統層級劃分，進而構建出互聯網金融風險預警系統；［12］也有學者通過搭建“大數據+微服務”模式體系，試圖為圖書館個性化服務提供技術支撐；［13］還有學者從醫療健康大數據的4V特征入手，提出采用分布式數據系統和搭建Hadoop平臺等方法為精準的醫療和預防決策提供支持，為精準的公共衛生及醫療管理決策提供支持。［14］

梳理現有文獻可以發現，落腳于政策科學領域的研究為政府決策機制建構提供了要素參考和價值范疇界定，但大數據時代信息技術與應用的迭代更新推動著政府決策發生范式上的變革，決策機制建構需與之相適應；基于大數據的政府決策研究充分論證了數據驅動帶來的價值與優勢，但大多停留于理論層面，缺乏模型化的實操建構；其他領域的大數據決策機制模型提供了技術框架上的邏輯支持，但不完全適用于公共價值指引下的決策機制。因此，以政府為應用場景的基于大數據分析的決策機制模型建構是當前學界研究的交叉點與薄弱點。本文以此為切入點，嘗試應用大數據機理設計一個政府決策機制模型來填補空白。

二、研究方法及大數據工具

本文通過總結決策過程中所涉及的大數據技術及其可支持的具體功能，發現現有技術可支持信息獲取、信息處理、決策模擬與最優決策、跟蹤反饋等核心功能的實現。隨后，以上述核心功能為劃分界限，對技術進行歸類與機理總結，進而為基于大數據的政府決策機制模型建構提供技術依據與思路指引（見圖1）。在政府決策過程中可應用的大數據工具及其機理如下：

圖1 決策機制方法流程圖

在信息獲取上，可以采用分布式結構的數據存儲與計算等方法來獲取政府決策信息，進而實現及時性、多樣性、可靠性的目標效果。現在有許多分布式API能夠提供類似的服務，如在Spark框架中有一種新的數據抽象模式稱為彈性分布式數據集（RDD），其是容錯且并行的數據結構，具體表現在使用日志去記錄數據集的產生過程，而不是去記錄數據本身。

在信息分析上，對于即時信息，本文采用計算機視覺、自然語言處理方法。第一手的即時信息除數值信息外還存在著大量的文本、圖像與視頻信息，卷積神經網絡（CNN）和遞歸神經網絡（RNN）提供了處理圖像數據與序列數據的模型案例。如可以通過卷積模仿人類視覺、反向傳播等訓練方式對即時信息進行識別、分類、分割。對于歷史信息，本文采用知識圖譜方法。近年來，知識圖譜逐漸成為解決舊式數據庫缺乏智能功能的關鍵技術，其快速發展也使得搜索引擎更為人性化和智能化。知識圖譜通過數學概念圖將知識鏈接，其中的每個節點代表實體、每條邊代表聯系，隨后利用詞嵌入技術實現抽象描述量化，極為方便后續的模型計算。

在決策模擬上，對于最優決策，可以采用預測、回歸、決策樹等方法。借助多層感知機（MLP）、決策樹（DT）等對決策和事件加以聯系和量化，從得出的經濟指標、人力資源指標等目標函數中尋求決策的最優組合。對于動態決策，可以采用博弈論與強化學習等方法。真實世界瞬息萬變，不同的對策會得到不同的反饋。博弈論通過充分考慮個體和群體的關系以及個體的預測行為和實際行為從而達到全局的帕累托最優，而強化學習則為博弈論提供了實踐基礎，通過獎勵機制與神經網絡實現對龐大決策表的擬合能力。對于公平決策，可以采用公平性機器學習等方法。在機器學習領域中，就公平性問題已有許多積極探索，通常通過在不同群體中的實驗來平衡社會關系。如探究政府的決策對不同群體如弱勢群體的影響，可在上述構建完成的靜態、動態模型中加入對不同群體反應要素的測試，并在群體間取得平衡，使得決策更具有合理性、針對性。

在跟蹤反饋上，可以采用因果推斷等方法，進而實現降噪、迅速、隔離的目標效果。決策落實后的跟蹤反饋，其核心在于如何找到由這個決策所帶來的社會效應而盡量避免一些因其它事件引起的噪聲。貝葉斯網絡將因果推斷融入到圖網絡中，通過對某些因子的隔離，直接推斷出結果是否由某個因子所影響，從而避免一些環境噪聲對跟蹤反饋分析的干擾。

三、“迅速回應-智能循環”決策機制模型

通過大數據技術機理進行梳理發現，數據驅動下的政府決策機制建構能夠突破憑借局限性經驗進行決策的傳統范式。因此，本文遵循大數據思維，依托大數據技術，依照精準識別——有機判別——全程把控——價值回溯的流程，制作出“迅速回應-智能循環”政府決策機制模型（見圖2）。

圖2 “迅速回應-智能循環”決策機制模型

（一）模型建構概述

該模型以精準識別、有機判別、全程把控、價值回溯為軸線，將決策過程要素與科學技術要素相融合。首先通過反復“精準識別”來不斷細分存在的具體問題，然后通過“有機判別”即論證問題的重要性并綜合多方因素進行分析與決策制定，隨之在決策推行過程中實現“全程把控”，并不斷以“精準識別”問題為導向持續追蹤決策的執行效果，最后綜合大眾輿情、專家評論、對社會經濟的影響等信息進行分析，不斷調整與完善決策內容，一旦發現問題時再次觸發循環機制。可見，基于對問題的識別、分析、判定、解決、追蹤等一系列過程的大數據分析不斷實現對目標問題事件的有效引導與規范是設計該決策機制模型的最終目的。需要說明的是，決策過程中的一系列相關數據均可回流至組織內外部的決策經驗數據庫之中，為未來決策的不同階段不斷提供信息供給與支持。綜上，該模型在推動政府決策科學化、民主化方面具有三大核心優勢：一是對問題本身和外界環境的迅速回應有助于提高問題識別、決策制定、決策執行與監測的效能。二是循環機制的智能觸發有助于在實際執行過程中不斷優化決策內容。三是決策經驗庫的構建可推進數據的重復有效利用，進而大幅提升數據價值，也可為后來的決策提供信息參考。

（二）模型要素細分

1.精準識別：決策問題提出與初步認識。在傳統政府決策過程中，所需決策的事件從公眾議程到達政府議程之間的反應鏈條尤為冗長，且對于事物的認識往往基于主觀的判斷。要想成功地解決問題，就必須對真正的問題找到正確的解決方案。我們經歷的失敗常常更多地是因為解決了錯誤的問題，而不是因為我們為真正的問題找到了解決錯誤的方案。［15］大數據時代，政府決策機制中信息接收的方式與量級發生重大改變，集中體現在對事物的反應速度及預測的正確率提升方面。決策主體采取詞頻分析等數字技術通過對信息的捕捉獲取公眾所關注的問題，利用定性分析等數字軟件對此問題進行歸類和評估，再運用文本情感分析等數字處理方法把握公眾對此問題的情感認知和態度分布，最終提煉出公眾的利益訴求作為決策的參考項。

2.有機判別：事件狀況分析與決策方案制定。判定一個決策方案好壞的標準是其能否推動決策目標的實現，因此在制定決策方案前需要對當前情況進行科學、系統的分析，從而判定決策的成功率和風險度。在傳統政府決策過程中，主要采用的是專家會議法、德爾菲法等傾向于主觀經驗判斷分析法對決策事件進行分析，而數據驅動下的決策主體則將內部及外部環境變量因素以量化的形式融入到決策的成功率和風險的運算之中進行考量。內部環境變量因素主要是指政府組織內部的生態環境，即在制定決策方案時對決策主體的偏好及執行能力進行觀察，判定其屬于保守型還是冒險型抑或是中間型，然后為其提供合適且匹配的決策方案；外部環境變量因素則是指除內部環境變量因素外一系列能夠影響到決策效果的的變量因素，如經濟、社會、生態等。運用機器學習等大數據分析方法對所有內部及外部環境變量因素進行交叉計算后，可以勾勒出對決策進行支撐的系統分析列表，其中涵括決策事件的判定因素類型及其相應權重，不同決策方案的成本、成功率、風險度及可適用的執行者類型等。結合專家論證以及已有學術研究動態的傾向方案，最終形成盡可能趨向決策目標的決策方案。

3.全程把控：決策進程跟蹤與效果評估。社情民意是觀察政治問題的晴雨表，應把人民擁護不擁護、贊成不贊成、高興不高興、答應不答應作為衡量一切工作得失的根本標準。［16］在政府決策過程中，對決策方案的持續跟蹤有助于觀察其是否指向預期目標，以便實現動態調整。大數據時代，可借助AI軟件的預測功能來判定政府該項決策的初步效果，決定是繼續推進該項決策還是暫緩進程抑或是終止方案，以更科學和警覺的視角實現在決策執行過程中不間斷的信息匹配和供給。在此過程中，還要對決策的發展態勢及未來趨向進行評估和預估，若決策繼續執行的風險度超過某一臨界值則自動預警，以便決策主體能夠在第一時間及時調整決策。

4.價值回溯：決策經驗庫構建。管理過程就是決策過程，［17］為更好地提供公共服務，政府日常管理往往圍繞著各種或大或小的決策問題來展開。傳統政府決策在執行過程中更多是基于口口相傳的經驗授予或決策者自身在應對類似事件后的經驗累積，這些無形中形成的小規模決策意識“經驗庫”顯然不夠系統、全面。而運用大數據技術對過往事件發展的歷史規律進行科學反觀和總結，進而建立決策經驗庫，有助于為決策主體提供經驗指導。一是匯集并分類已有的經驗做法構建文本數據庫，通過調試與分析提供權威性的指導意見。二是每次重大決策結束后及時進行反思與總結，從執行效果、風險評估、成本付出等維度給予綜合評價。三是選擇規范化的數據模板將采集到的數據錄入決策經驗庫并進行編號，確保決策數據標準、規范。需要注意的是，決策經驗庫錄入的都是過往的經驗，其參考過程還需進行人為調控并針對具體問題進行具體分析，避免出現“經驗主義”“教條主義”等現象。

總之，由于大數據蘊含著極大的不確定性，因此當新的工具引入時是否會打破現有的決策流程和思維框架尚未可知，目前基于大數據分析的政府決策機制科學化、民主化建構仍然面臨諸多問題，如熟練掌握和運用社會科學與計算機科學知識的復合型人才緊缺、各類軟硬件設施無法在短時間內全方面匹配等。在大數據這一快車道上，政府應充分共享時代所給予的紅利，運用科學的數字技術和數據分析方法對信息資源進行匯聚分析與研判，使決策更加科學化、民主化。

新時代，政府決策科學化、民主化水平仍有極大的提升空間：首先，能否實現對數據真實性的準確把握和考量是政府決策機制科學化、民主化的關鍵。應本著實事求是的原則，盡可能確保原始數據的規范、準確、全面。其次，合理界定臨界值標準。臨界值往往涉及到風險評估、成功率運算、發展趨勢判定等，在對最終結果進行考量和評價時應關注技術理性與人文關懷之間的平衡問題，制定一個較為合理的規范與調試幅度標準。最后，探索數據保護機制。嘗試借助區塊鏈技術對已有決策輔助數據進行獲取和存儲，同時加大破壞數據安全者的懲罰力度，確保決策輔助數據更安全、更穩定、更加可控。