數據驅動的公共政策研究*
——以敏捷智庫實踐為例

■ 張曉東 夏凡

1 江蘇敏捷創新經濟管理研究院 南京 210023

2 南京敏捷企業管理研究所 南京 210008

1 前言

公共政策研究起源于政策科學，是對政府為解決各類政策問題所采取的政策的本質、產生原因、實施效果的研究[1]。20 世紀50 年代初，被譽為政策科學之父的哈羅德·拉斯韋爾（Harold Lasswell）與羅伯特·卡普蘭（Robert Kaplan）首次使用了“政策科學”（Policy Science）這一術語[2]。20 世紀90 年代以后，我國學界也逐步關注公共政策研究，并引進、消化、吸收西方理論流派，形成相應的研究成果。

隨著信息技術的飛速發展，海量的數據得以通過虛擬方式進行儲存和加工，這也預示著大數據時代的到來。在經濟社會發展的過程中，大量的數據信息通過計算模型和運算法則實現高速運轉，在提高計算精度的同時大幅降低人工成本。隨著全球大數據潮流涌現，各國政府將注意力集中在了大數據的實踐應用上。例如，通過大數據技術實現傳染病防控、恐怖分子精準識別、公共衛生服務系統的優化與提升等。2014 年3 月，“大數據”首次寫入我國《政府工作報告》，此后政府多次提到應當積極發揮新興數字技術價值，使其加快推動國家治理能力現代化建設。

2 大數據時代公共政策研究的新機遇

2.1 大數據對社會科學研究的影響

大數據延展了科學研究的視域，通過數據密集型構建了一個新的研究范式。數據密集型的特質在于直面數據本身，通過解析數據，探尋所需的信息、知識與智慧。這種研究范式的轉型將會對社會科學研究產生深遠影響。

一是革新社會科學研究的認識論——從“相關”關系觸達“因果”關系。大數據最主要的作用在于可以找到數據集之間的關聯性，這些內在的關聯度足以指引人類對數據集、個體、群體，以及三者之間的交互關系和其自身的信息結構進行分析。在大數據時代，政策研究的新要求在于需要揭示與之相關聯的大數據的基礎性作用、影響機理以及影響政策分析范式變革的內在規律。

二是創新社會科學研究的方法論——從“小樣本”推論到“全樣本”畫像。大數據思維的核心在于通過對海量數據進行科學的剖析，從中萃取出有利于人類社會進步與發展的洞見。隨著大數據技術與數據科學的快速發展，社會科學的研究方法和分析模式都出現了一些重要變化：數據類型多樣化、信息載體網絡化和樣本主體在線化。這使數據獲取的成本和路徑也隨之發生變化。網絡與機器學習使個體的行為與規則由人為的實驗室假定，轉變為內在的自然演化進程。除專有數據和受保護數據之外，數據類型、數據采集對象和運算范圍都將在很大程度上不受約束。當數據限制在一定程度被削弱之后，研究人員的科研水平將會大幅提升，大數據技術的加持將不僅是工具、方法層面的局部性進展，而是一場整體性的飛躍。

三是更新社會科學研究的實踐論——從“分”結構走向“合”系統。大數據的海量、泛在、融合等特性，打破了學科間涇渭分明的界限。以數據為載體進行跨學科的溝通與對話，將成為社會科學研究的一種新常態。曾經處于邏輯實證主義下的結構化拆解與局部性還原的問題解決路徑，將被轉換成借助跨學科視角，發揮多元主體意識，借助融合性的知識體系尋求解決之道。大數據的出現使主體能夠打破資料“孤島”的邊界，舍棄局部的、簡單的因果關系，從整個體系的視域來審視復雜的社會問題。

2.2 大數據助力政策研究的創新

隨著大數據、云計算、人工智能、物聯網等為代表的新興技術的崛起，研究者借助海量數據信息擴展了自身的經驗與認知視域，構建了龐大理論與實證經驗聯系的橋梁，以嶄新的關聯性資料，跨越時間與空間，為古典理論提供實驗論證的依據。“全樣本”“高容錯”“深挖掘”等諸多優點，使其具有“全景式”認識世界、發現和提煉新的重大科學問題的能力。大數據必然會為社會科學領域下的公共政策研究帶來更多的賦能。

第一，大數據讓政策分析更具民主性。傳統的政策制定是政府根據少數人的治理需求推斷多數人甚至全社會當前以及將來的治理需求，并根據局部區域治理的實踐效果，推演、提煉出整片區域甚至整個國家的治理策略和對策。在大數據時代，微博、微信、搜索引擎等社會媒介所生成的海量數據，具有覆蓋范圍廣、開放共享、雙向互動等特點，為公眾和社會組織增加了表達社情民意以及參政議政的通道。大數據直接挑戰傳統單極化和封閉式的垂直執政理念。傳統的以行政命令為主、單一垂直的治理方式，將讓渡于民主協商、合作共治的方式[3]。運用大數據可以有效解決政策制定過程中的民主性問題，促進政府和公眾等多方參與社會治理。

第二，大數據讓政策制定更具科學性。相較于依賴小數據和數據精確性的時代，大數據更強調數據的完整性和混雜性，能夠幫助人類更進一步接近事實真相[4]。與以往依靠層層傳遞采集政府數據相比，依托互聯網載體平臺生成的海量用戶數據，不但拓寬了政策研究所需的數據源，同時極大降低了政策制定者獲得相關數據的時間以及人力成本。通過整合、挖掘和運用各種數據，可將企業、社會組織和民眾等都有機整合到政府的治理系統中，從而提升社會的整體治理水平，做到用數據說話、用數據管理、用數據決策、用數據創新。通過數據治理和數據分析，可充分把握當前社會發展及政策制定過程中的熱點、難點、堵點、痛點問題及發展動態，建立人口分析、網格管理和民生服務的主題分析模型，以提升政策制定的科學性，從而增強社會治理的精度與效能。

第三，大數據讓政策執行更具敏捷性。大數據時代，在數據密集型的研究范式下，實時追蹤大規模數據痕跡并利用高效能算法進行精細化分析，為政府的精準決策提供了重要的基礎素材與資料，為政府即時響應和操作執行奠定了基礎。以國家“雪亮工程”為例①雪亮工程：以縣、鄉、村三級綜治中心為指揮平臺、以綜治信息化為支撐、以網格化管理為基礎、以公共安全視頻監控聯網應用為重點的“群眾性治安防控工程”。其通過三級綜治中心建設把治安防范措施延伸到群眾身邊，發動社會力量和廣大群眾共同監看視頻監控，共同參與治安防范，從而真正實現治安防控“全覆蓋、無死角”。，其運用大數據分析技術，構建了基于多元信息的數據分析模式，通過對多種信息資源的多維交互應用，實現了信息的監測、分析和預警，大幅提高了決策執行的響應速度。

3 基于數據驅動的公共政策研究思路

3.1 數據驅動的基本概念及內涵

大數據在各行業的場景中得到了重視與應用，由此形成一片欣欣向榮的景象。

處于大數據的背景下，由于各自研究重心的不同，對數據驅動的認知存在差異。關于“數據驅動”的研究，國內代表性的成果主要有：2015 年，張峰[5]認為，大數據是一種能力，其不僅能挖掘數據的潛在價值，而且能實現數據創新，是一種創新的能力；2017 年，鄧亞當[6]認為，大數據不僅是海量的數據資源，也是一種思維；2019 年，段忠賢等[2]認為，大數據不僅是一種理念和資源，更是一種變革人類公共生活的動能。國外代表性的成果主要有：2013 年，庫奇（Couch）[7]等指出，將大數據應用于決策中，可以快速收集信息，科學開展預測，及時進行反應，提升決策的準確性與科學性。同年，邁爾-舍恩伯格（Mayer-Sch?nberger）[4]在著作中提及，大數據驅動的本質是信息驅動，正是有了大數據的幫助，信息才能真正發揮作用。

實踐領域對“數據驅動”也有不少認識，美國知名數據分析網站DZone 以大數據和人工智能來增強組織的決策能力，其認為對數據進行分析，可以使組織擁有敏銳的數洞察力，為組織創造更多的價值。布瑞恩·戈德西（Brian Godsey）[8]指出，數據驅動是通過信息技術手段采集海量的數據，將數據進行組織形成信息，之后對相關的信息進行整合和提煉，在數據的基礎上經過訓練，形成自動化的決策。基于數據輔助決策被看作是數據驅動的初始階段，基于數據自動做決策可以認為是數據驅動的進階階段。

本文認為數據驅動是實踐領域的具體形態，是一個基于場景應用的動態過程。數據驅動離不開數據技術發展、數據價值發現以及數據思維變革。這三者有機融合，統一于具體的場景應用中，形成了數據驅動的新范式。數據驅動分析與傳統實證分析有著顯著差異（見表1）。前者是從海量數據中，通過人工智能、機器學習、深度算法等，挖掘出具有意義的信息和知識，這是價值從隱性到顯性的過程；后者則是運用傳統的統計學理論、方法及工具，采集有限或局部數據進行規范化分析，獲得顯性意義，實現數據的論證價值。

表1 數據驅動分析與傳統實證分析比較Table 1 Comparison between data driven analysis and traditional empirical analysis

圖1 流程驅動與數據驅動流程對比Figure 1 Comparison between process driven and data driven processes

3.2 數據驅動的政策研究框架

隨著大數據時代的到來，政治過程被廣泛地納入技術的控制體系，政治運作的效率和效能越來越依賴技術的支撐，這是一個難以阻擋的趨勢[9]。將大數據與政府治理具體領域結合，以推進政府治理現代化，已成為實務界和理論界的一致共識。在大數據的背景下，群體間的價值由多個個體的協同作用來決定，單個個體之間的聯系已從原來的單一的直線型鏈式結構轉變為一種復合交織的網狀結構。價值網絡分析是一個基于節點和鏈接全景式地呈現價值創造和流轉的基礎框架。大數據應用于政策分析的價值網絡見圖2。

圖2 大數據應用于政策分析的價值網絡[10]Figure 2 Value network of big data applied to policy analysis

由圖2 可以看出，在政策研究過程中，伴隨著數據流轉對應生成四種角色：外部數據提供者、內部數據提供者、數據分析師以及決策制定者。

數據的提供者可以分成兩種：一種是外部數據提供者，提供社會網絡資料及組織運行過程中所生產的數據等；另一種是內部數據提供者，提供各個級別的政府部門運營活動中所生成的管理數據和可公開數據。內外部數據提供者共同向數據分析師傳送龐大的數據資源，并將其視為價值生成的重要組成部分。

數據分析師的主要任務是將內外部所提供的數據資源，通過大數據資料采集和加工技術，轉換成可識別的信息知識，向政策制定者提供有價值的內容輸出。

通過價值執行可以將數據分析師所提供的信息知識轉換成關于社會公共事務與問題的解決方案，如：界定亟須解決的社會問題，根據確認的問題建立相應工作計劃；或為某一社會問題提出解決辦法；還可以對決定的計劃進行價值評價等。決策制定者輸出的決策成果將會成為一個新的規劃或新的政策。在此過程中，數據實現了從信息及知識到智慧的轉換，為公眾利益的最佳分配起到輔助決策作用。

在政策研究中，基于價值網絡分析模型，運用大數據厘清各相關利益方之間的內在聯系，通過多方協作達成公共利益的均等分配。以數據驅動的政策研究，可以厘清社會問題表象中的復雜性、不確定性、涌現性。從數據中發掘其所蘊含的信息、知識和智慧并厘清表象的糾纏與紛雜后，才能進入政策的機理層次分析中。

4 敏捷數據驅動系統的政策研究實踐

4.1 敏捷數據驅動系統的簡介

“敏捷”數據驅動系統是指敏捷智庫②敏捷智庫由國內外著名管理、信息化專家聯袂創辦于2003 年，是一家堅持以數據為基石、以創新為動力，科技和經管雙輪驅動的新型社會智庫。立足自身20 多年數字化領域的行業經驗，基于數據驅動的認知與實踐，結合價值網絡分析理論，更新迭代敏捷“倒T”型業務數據管理模型，遵循“敏睿感知—明智決策—迅捷執行”三大循環步驟，構建“全息化信息采集、智能化分析計算、精準化決策支持、體系化治理機制、系統化運營保障、立體化評價反饋”六大子系統（見圖3），為科學研究及問題解決提供一個完整、穩定、閉環的智能化決策分析系統。

圖3 敏捷數據驅動系統模型圖Figure 3 Model diagram of agile data driven system

4.1.1 三大循環步驟 第一步，敏睿感知。類比人類感知系統對內外界信息的覺察、感覺、注意、知覺的系統化過程，通過數字化技術延展研究者的“感知觸角”，建立基于研究目標及主題的信息采集的數據倉，配置全息化信息采集子系統。敏睿感知與價值網絡分析中的內外部數據提供者的角色相對應。

第二步，明智決策。將敏睿感知階段的數據倉導入后，通過數據解析、模塊搭建、成效評估、價值判斷等相互作用機制，構建對客觀現象及內在規律的邏輯性闡釋的分析模型，配置智能化分析計算、精準化決策支持子系統。明智決策與價值網絡分析中的數據分析師的角色相對應。

第三步，迅捷執行。對易變、不確定、復雜與模糊等的信息做出戰略性預判與機會捕獲，采取科學有效、規范合理的操作步驟，即時響應決策的落地執行，配置體系化治理機制、系統化運營保障子系統。迅捷執行與價值網絡分析中的決策制定者的角色相對應。

4.1.2 六大子系統 ①全息化數據采集。對有效數據的初步過濾，同時對敏感數據進行脫敏處理，以確保對私密數據的可靠保護，經過數據清洗和數據沉淀，實現數據整合。

②智能化分析計算。基于最新深度學習技術和神經網絡，通過提煉數據、信息、知識的關聯結構，構建內容之間深度聯系，將采集層匯聚而來的數據與決策模型進行適配處理。

③精準化決策支持。通過內置決策模型、數據開發及管理平臺、可視化輸出等輔助決策制定。

④體系化治理機制。為確保最終計算的精確性，并提高數據深度加工效率，在數倉體系建立時構建全流程、全生命周期的數據治理機制。

⑤系統化運營保障。圍繞最終的決策輸出，建立系統化的數據體系、運營體系、方法體系和組織體系，保障整個系統的高效能運轉。

⑥立體化評價反饋。評價機制是基于“效”的價值評判，貫穿于系統整體中的每個子系統、每個子流程節點，通過實時反饋校驗數據質量和數據價值實現。

數據本身是靜態的，而數據實踐應用是動態的。數據驅動是一個催化過程，實現了“靜態”數據向“動態”應用的價值轉化。正確理解這種轉化機理并掌握應用的方法，是理解敏捷數據驅動系統的關鍵所在。敏捷智庫具有多年的數字化領域咨詢及實施經驗，本文選取如下兩個實證案例做進一步闡述。

4.2 案例實證1--—南京“十四五”數字經濟發展規劃研究

4.2.1 敏睿感知 分類和抽取影響南京數字經濟規劃制定的資源、產業、治理維度，通過敏捷數據驅動系統的全息化數據采集，構建數據倉（見表2）。

表2 數字經濟規劃全息化采集數據源Table 2 Holographic acquisition data source of digital economic planning

對南京市轄區內數字經濟的載體平臺、龍頭企業、重大項目、產業園區、核心技術、空間布局、產業方向等情況進行態勢感知，輸出區域產業分布，充分了解當前南京市數字經濟發展的資源稟賦（見表3）。

表3 數字經濟規劃空間布局Table 3 Spatial layout of digital economy planning

4.2.2 明智決策 規劃內容緊扣“數字化”和“高質量”兩大著力點。從決策制定應遵循的標準、涵蓋的指標維度和活動的觀測點三個層面進行分析框架構建，在框架范圍內借助大數據方法，對采集的經營性數據、專家規則、統計報表等各類結構化數據實現自動映射式構建；針對研報、財報、百科、新聞、公告等非結構化文件，基于自然語言處理技術和光符識別（optical character recognition，OCR）技術的智能抽取、語義分析與模型構建，通過知識圖譜的關聯分析，厘清南京各轄區在數字化科技、數字化產業、數字化治理、數字化生活的側重點，并輸出“四區·六地”的戰略定位，即打造國家數字化科技先導區、數字化產業標桿區、數字化治理示范區、數字化生活引領區，建設國家數字經濟關鍵技術密集地、優勢企業云集地、創新人才匯集地、數據要素聚集地、治理模式薈集地、應用場景富集地。規劃研究立足南京資源稟賦，發揮比較優勢，“十四五”時期全力建設“數字化科技先導區、數字化產業標桿區、數字化治理示范區、數字化生活引領區”四區，著力打造數字“關鍵技術密集地、優勢企業云集地、創新人才匯集地、數據要素聚集地、應用場景富集地、治理模式薈集地”六地（見圖4）。

圖4 南京市“十四五”數字經濟發展規劃架構圖Figure 4 Structure of Nanjing’s “The 14th Five-Year Plan” digital economy development plan

4.2.3 迅捷執行 規劃的九大任務明確后，采取項目化的管理策略。一方面，設定空間布局優化工程、重大科創平臺推進工程、產業數字化轉型升級工程、數字經濟安全保障工程、應用場景富集工程、數字基礎設施提升工程、企業矩陣培育工程、優質人才引育工程和區域協同生態工程等九項工程，為任務的落地推進提供敏捷響應的操作指引和遵循。另一方面，設定指標參數（見表4），強化數字經濟發展動態跟蹤，加強對產業發展的預警與引導，評定南京數字經濟建設工作開展成效，為精準篩選有效建設措施提供檢驗工具。

表4 南京市“十四五”數字經濟發展主要指標Table 4 Main indicators of digital economy development in Nanjing during “The 14th Five-Year Plan”

4.3 案例實證2——國家電網戰略閉環管理及政策環境研究

4.3.1 敏睿感知 抽取影響國家電網戰略制定的政策環境維度，細分電力能源政策主題，通過敏捷數據驅動系統的全息化數據采集，構建政策數據倉（見表5）。政策環境的數據源包含各級政府官方網站、相關官方機構網站、官方機構主辦的主題網站、各類智庫的相關研報及專家發表的觀點等。

表5 戰略閉環管理政策環境全息化采集數據源Table 5 Holographic data source of strategic closed-loop management policy environment

政策環境總覽是政策環境可視化模塊的入口，顯示當前對戰略產生影響的能源政策總體的統計情況。主要包括以下幾個部分并生成可視化界面（見表6）：

表6 政策環境總覽可視化界面Table 6 Visual interface of policy environment overview

①領導動態：中央領導的重要政策關聯度言論、活動等；

②最新政策：中央政府最新發布的主題政策；

③政策解讀：專家觀點、核心述評、研報解讀等；

④能源要聞：政策環境中采集的涉及能源的要聞；

⑤主題欄目：預先設定的主題欄目；

⑥熱點詞云：顯示近期政策環境的詞云或領導講話的常用語。

4.3.2 明智決策 通過對電力能源政策主題內涵和現實問題的解讀，面向戰略決策的（Politics,Economic, Society, Technology，PEST）框架體系，運用詞云分析、關聯分析、聚類分析、情感分析、熱度分析、預測算法、新詞發現算法、指數評價、專利地圖等算法，實現政策環境的總體感知和態勢預測，為戰略決策提供輔助支持。在政策分析中，詞云圖、熱詞列表、熱詞變化趨勢等可任選一條熱詞，獲得該熱詞的主題詞分析。分析內容主要包括以下幾個部分并生成可視化界面（見圖5）：

圖5 政策影響分析可視化界面Figure 5 Visual interface of policy impact analysis

①領導言論：近期高層領導涉及該主題詞的發言；

②熱點政策：涉及該主題詞的重要政策；

③智庫研究：智庫與專家關于該主題詞的相關研報等。

④新聞統計：該主題詞近期的新聞數量變化趨勢；

⑤新聞動態：與該主題詞相關的新聞推薦。

政策影響分析可視化達到與政策研究目標相關的第一級分析和論證。其通過將“可供解讀”的數據轉化為“可供利用”的知識，從而更好地參與戰略政策分析的過程，為迅捷執行提供方向與路徑。

4.3.3 迅捷執行 明智決策助力企業辨析發展目標，優化資源配置，從而通過存量資源集聚效應實現綜合價值的提升。迅捷執行緊隨明智決策之后，生成國網電力能源戰略要報（見圖6），通過層層分解及細化決策輸出，建立專項行動計劃，讓戰略執行落實到更加具體的產品研發、市場營銷、人才培養、文化建設等方面，并建立預算、績效、資源配置等保障措施，有效實現集團戰略目標。

圖6 戰略要報目錄Figure 6 List of strategic reports

4 結論

威廉·鄧恩（William Dunn）認為，政策分析是運用多學科的研究方法來創造、批判性評價和交流，有助于理解與改善政策的信息資料（知識）[11]。本文在原有的政策科學理論體系下，融合了大數據方法與技術，構建了敏捷數據驅動系統，遵循“敏睿感知—明智決策—迅捷執行”的流程耦合大數據技術與方法，構建“全息化信息采集、智能化分析計算、精準化決策支持、體系化治理機制、系統化運營保障、立體化評價反饋”六大子系統，為政策研究提供了新思路。公共政策研究是一項與時俱進的系統工程，在大數據時代，應以數據驅動革新理論及方法，創新路徑及工具，助力政府對執政理念演進過程梳理與繼承式創新，從而為公共利益的博弈提供理論遵循和實證反饋，同時更有效地發揮政策的導向功能、調控功能與分配功能，不斷提升政策分析的民主性、政策決策的科學性以及政策執行的敏捷性。