許然

近日,記者在某地采訪時,聽到參與查處公租房問題的工作人員說道,此前該地的一名房產中介利用居民信息不對稱,說自己有辦法為其申請到公租房,并謊稱在公租房居住滿年限后,就能低價購買。一時間,無數人信以為真,爭相交錢交材料。收到大筆錢財后,該中介伙同當地基層工作人員、住建系統、房管系統工作人員,幫不符合申請要求的居民將房子申請到手。
查處該案的工作人員坦言,挖出該利益鏈條并不容易,前期取證耗費了大量的時間與精力。如果能把房管所、車管所以及民政等部門的數據拿來對比,就能發現大量的問題線索。
不過要進行數據比對,說起來容易,做起來較難,首先得建個大數據監督平臺。這個平臺既要能統籌多部門數據,還要精準地分析查找問題。拋開成本不說,光是協調各部門的數據已屬不易,尤其是公安部門、銀行機構的數據。
目前,全國多地對大數據監督進行了探索,多數是由紀檢機關統籌。
牽頭層面不同,理念不同、成本不同、實施的力度和取得的效果也大相徑庭。有的地方一開始熱鬧,花了不少錢,但慢慢就偃旗息鼓了。
事實上,大數據監督不是個新詞,之所以在部門或干部監管方面還未形成比較通用的法則,就是因為能夠真正把握其原理并長期運用自如的地方并不多。
從本質上說,大數據并不是一種概念,而是一種方法論,就是通過分析和挖掘全量的、非抽樣的數據來輔助決策。大數據監督就是要通過大數據的手段來發現問題。此外,還要對相關問題的發展趨勢進行研判。
如果掌握不好方法,就容易迷失在數據海洋中,無法抓取有效信息,或者片面運用某一項數據作為參考,導致結論誤差較大。
在實施中,有的地方因為協調的力度不夠,拿到的相關數據較少,加之問題模型的設置不夠精準,導致發現問題的準確性不高;而有的地方所建的平臺無法對相關問題進行提前研判預警,只是將海量數據集合在一起。
一言以蔽之,如果數據無法轉換成有效信息,服務于監管行為,都不能稱之為大數據監督。
另外一個問題是,很多地方往往在第一個階段取得的效果顯著,但越往后推進,越難再發現問題。這是因為,問題線索是根據之前的數據和問題模型得出的。整治后,很多地方對不規范的方面進行了整改或有意規避。相關部門再拿到這方面的數據時,便發現不了問題。
這都是數據模型過于簡單化、表面化所致,反映出一些地方對某一領域存在的問題研究不透,沒有深挖問題線索之間的內在邏輯,從中提取出可以為我所用的數據。一旦數據分析邏輯被輕易識破,那么數據造假就更加輕而易舉,所謂的大數據監督終會名存實亡。
對此,統籌負責的部門必須加以重視。在大數據監督平臺的開發和運行中,要建章立制,把推動大數據監督作為長期目標,明確責任分工和倒查機制,提高其執行力。還要形成從結果到數據的倒推思維,摸索出科學的數據—信息生成模型,讓數據成為人的幫手,而不是人被數據所累。最重要的是,允許一定程度試錯,要從一次次的評估中把握數據規律,對模型、機制加以調試,提升大數據監督的有效性。