以數據驅動型智庫建設推動新質生產力發展的策略研究

關鍵詞： 新質生產力； 數據驅動； 智庫； 發展策略

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．１２．００３

〔中圖分類號〕Ｃ９３２； Ｆ１２４ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２４） １２－００２３－０６

生產力是人類征服和改造自然的客觀物質力量，它集中體現了時代的發展水平。生產力的變革帶來生產方式、管理方法、資源獲取途徑的巨變， 并不斷重塑著人類社會結構。馬克思認為， 生產力包括“社會” 和“自然” 兩大類別， 生產力隨著科技進步而發展； 恩格斯提出， 生產力是具有勞動能力的人和生產資料相結合而形成的自然能力， 與生產關系辯證發展； 生產力的構成要素， 即勞動者、勞動資料和勞動對象［１］ 。新質生產力屬于馬克思主義生產力的范疇， 是在生產力構成要素的質不斷提升的過程中， 呈現出更為先進的生產力形式。新質生產力是新生產要素與新技術結合的產物［２］ 。數智時代，數據是“國家基礎性戰略資源”， 新質生產力的發展亦將愈發倚重數據這一新型生產要素。

在發展新質生產力的過程中， 充分認識數據的重要性， 優化數據利用范式， 促進數據價值的實現， 已成為各領域的共識。在新質生產力發展背景下， 探討智庫的發展問題， 要重視對數據以及其應用價值的研究?；谌蛑匾菐煺浴皵祿寗印睘榘l展方向這一判斷， 本研究通過梳理數據驅動型智庫建設與新質生產力發展的關系為發端， 深入分析和提煉在新質生產力發展背景下， 以建設數據驅動型智庫為代表的新型智庫建設范式的主要特征，進而提出以數據驅動型智庫建設推動新質生產力發展的相關策略， 即重視智庫數據資源向數據資產的轉化， 將智庫數據管理向數據治理升級， 推進智庫決策咨詢機制的智能化發展。

１數據驅動型智庫賦能新質生產力

１.１數據是新質生產力的關鍵要素

數據是繼勞動、土地、資本、技術之后的“第五生產要素”，通過利用數據而反映出的生產力是高質量、現代化的新型生產力， 是新質生產力的重要組成部分。基于數據所產生的生產力， 是在由“數據＋算力＋算法” 所定義的社會里， 知識創造者借助智能工具， 基于能源、資源及數據這一新型生產要素， 構建的一種認識、適應和改造自然與社會的新能力［３］ 。以數據為關鍵要素的生產力發展， 其特征表現為知識創造者成為推動社會進步的中流砥柱、智能化工具得到廣泛的應用、數據要素成為生產力的關鍵要素［４］ 。通過“數據＋算力＋算法” 的底層邏輯， 社會運轉日益呈現“比特化” 的趨勢， 即物理世界可在數字化中被“揭示、分析、預測、決策”，如圖１ 所示。

１.２數據驅動是新型智庫建設的重要范式

智庫作為一種決策咨詢機構， 其決策咨詢過程受到眾多微觀主體、利益相關者以及決策者自身局限性的影響。目前， 我國大部分智庫處在“專家決策” 的發展范式中， 這些智庫對專家智慧和影響力具有一定的依賴性。專家個體或群體的“有限理性”以及“專家與專家、專家與機構、機構與機構” 等之間存在“信息不對稱（Ａｓｙｍｍｅｔｒｉｃ Ｉｎｆｏｒｍａｔｉｏｎ）” 的現象， 成為制約決策咨詢科學性的因素之一。在新質生產力發展背景下， 生產效率和決策科學性是推動社會進步的必然因素和要求。因此， 為了符合新質生產力發展要求， 推動新質生產力發展， 從專家決策范式向數據驅動范式轉型， 建設高水平數據驅動型智庫是推動智庫決策咨詢工作科學、高效的必經之路。

目前， 學術界對于數據驅動和數據驅動型智庫的認知包括： 第一， 數據驅動通過數據推斷和解構人類行為［５］ 。第二， 數據驅動背景下的智庫研究是基于“數據＋算法＋算力” 的底層邏輯， 將創新技術與決策咨詢機制相結合， 促進傳統決策咨詢向智能決策轉型， 本質上是一種決策咨詢模式的升級［６］ 。第三， 以數據驅動為基礎的智庫研究主要是以數據為智庫研究的基礎資料， 采用“定性＋定量” “人機交互” 的研究方法和手段， 形成量化維度， 并通過對數據的深度挖掘來解析和判斷相關因果機制，從而為決策提供方案［７］ 。第四， 完全依靠專家驅動的智庫建設模式已不再適應當下發展形勢， 新型智庫需強化數據驅動認知， 充分利用國家數據驅動政策供給、沉淀數據資產、推動業務模式創新變革、重視數智“工具箱” 的開發與應用、優化數據人才配置、強化數據團隊建設， 推動智庫數據驅動轉型［８］ 。

數據驅動成為新型智庫建設的必然范式， 同時又是面向新質生產力發展的重要舉措。據調查， 目前國內外知名智庫從多維度呈現出了“數據驅動”的發展態勢。例如， 從發展戰略方面來看， 美國國家醫學智庫即美國國家醫學圖書館（Ｎａｔｉｏｎａｌ Ｌｉｂｒａｒｙｏｆ Ｍｅｄｉｃｉｎｅ， ＮＬＭ）美國生物醫學情報創新中心， 在其長期規劃《美國國家醫學圖書館戰略規劃： ２０１７—２０２７》中明確了未來１０年的戰略總目標， 即“成為生物醫學發現和數據驅動健康的平臺”［９］ 。從研究范式方面來看， 著名事實型智庫美國皮尤研究中心（Ｐｅｗ Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ）， 其典范特征就是基于數據的智庫研究。皮尤研究中心數據實驗室的工作內容包括： 圍繞相關議題， 收集文本、網絡和行為數據集， 使用先進的計算技術和經驗策略對其進行分析，并指出該中心信息分析實踐中可能出現的問題， 如分析方法或數據的局限性等， 并幫助建立皮尤研究中心信息分析的標準。該中心兼具了數據庫、工具庫、數據實驗室、技術實驗室等功能， 其具有影響力的關鍵之一便在于對數據的把握， 一直以來秉承著客觀調查的事實型智庫， 在數據應用、分析、積累中具有豐富的經驗， 這也是該中心在全球智庫領域具有重要影響力的原因之一［１０］ 。從研究方法與工具方面來看， 美國蘭德公司（ＲＡＮＤ Ｃｏｒｐｏｒａｔｉｏｎ）利用數據科學和機器學習技術， 協助政府機構進行決策制定和政策評估， 還重點建立了可擴展計算分析中心在內的五大方法研究中心， 創新決策研究方法。從研究成果輸出來看， 中國國家信息中心作為以經濟分析預測、信息化建設和大數據應用為特色的國家級決策咨詢機構和國家電子政務公共服務平臺，利用大數據和人工智能技術來分析經濟、社會和技術數據， 為政府決策提供支持， 形成了《基于大數據的“一帶一路” 國際合作風險評估與應對》《大數據時代——公共政策評估的變革》《宏觀經濟大數據分析》等多項研究成果［１１］ 。

１.３建設發展數據驅動型智庫符合新質生產力發展要求

發展新質生產力的背景下， 社會對智庫建設有了更高的要求： 其一，智庫研究議題、研究對象的變化， 社會各領域的數字化、智能化問題成為智庫研究的重要問題。其二， 研究方法、研究工具的變化， 數據驅動型智庫將更多的數字技術、方法、工具應用在決策咨詢工作中。其三， 智庫運行機制、組織管理的變化， 數據驅動型智庫將圍繞“數據”開展決策工作， 并發展與數據驅動相適應的智庫文化、管理機制和功能。

從全球著名的智庫決策咨詢實踐來看， 智庫研究是基于客觀社會事實、多源數據、分析情報、學科知識的研究。提升決策咨詢的科學性， 產出高質量的決策咨詢成果， 是智庫的使命， 也是發展新質生產力的必然要求。智庫和決策者在對決策環境、利益主體、決策過程的復雜性有充分認知的前提下，充分利用數據資源、信息平臺、ＡＩ 技術等大數據工具與方法構建數據驅動型智庫， 符合新質生產力的發展要求［１２］ 。

２數據驅動型智庫的發展特征分析

２.１智庫數據資源向數據資產轉變

數據是國家發展的“基礎性戰略資源”， 是新一輪生產力發展革命中的重要生產要素， 數據對全球社會的生產、流通、分配， 以及社會運行、經濟發展和國家創新能力具有不可替代的影響。僅從智庫行業的發展來看， 決策咨詢日益加深了對數據的依賴， 基于“數據＋算法＋算力” 的發展趨勢以及新質生產力的發展要求， 數據的價值不斷凸顯， 權重日益增加。而智庫和與之相關的信息管理機構中的數據資源正在成為一種重要的資產。在新質生產力發展的背景下， 行業、機構以及決策者， 應清晰地意識到數據的價值正由“資源” 向“資產” 轉變。數據驅動型智庫的重要發展特征之一就是數據的“資產化”。通過對智庫數據的資產化， 可以釋放智庫數據的價值， 加之以“新技術＋市場化” 為手段，可推進決策咨詢產業的轉型升級和可持續發展。

隨著大數據技術的興起， “數據資產” 的概念隨著數據管理、數據應用和數字經濟發展而普及?！皵祿Y產” 是指由相關組織所有或掌握的， 能夠為組織貢獻經濟效益的， 以一定方式記錄的數據資源， 其核心特征是數據蘊藏的價值在合理地分析使用下使組織獲益。智庫的數據資源是指智庫活動中積累的可供利用的數據資源， 但是傳統范式下的智庫活動所積累的數據資源存在規模有限、數字化不充分、分布零散等問題。這些“數據資源” 難以支撐智庫對其充分地開發以及重復利用。數據驅動型智庫的數據資源， 應該是覆蓋數據技術、數據產品、數據服務的新型數據資源， 這些數據資源從數據功能、數據內容、數據多源異構的形態等方面， 不斷向數據資產轉變。因此， 數據驅動型智庫中關于數據的定位， 應以“數據資產” 價值意義得到呈現。在發展新質生產力的背景下， 數據驅動型智庫的數據資產將成為推動經濟效益、開發數據價值的重要組成部分。

２.２智庫數據管理向數據治理轉變

“數據治理” 的概念源于社會對“公司治理（Ｃｏｒ?ｐｏｒａｔｅ Ｇｏｖｅｒｎａｎｃｅ）” 的認識。公司治理本身是指公司所有者對公司管理者的一種制衡機制。公司治理可從廣義和狹義兩個方面理解： 廣義上， 指通過一整套包括正式或非正式的、內部的或外部的制度來協調公司內各主體之間的利益關系， 引導、控制和規范相關主體的各項活動， 以最大限度地增加公司法人的共同利益； 狹義上， 即通過一種制度安排，合理地界定和配置所有者與經營者之間的權利與責任關系。公司治理的概念被借鑒于多個領域。國際標準化組織ＩＴ 服務管理與ＩＴ 治理分析技術委員會、國際數據治理研究所（ＤＧＩ）、ＩＢＭ 數據治理委員會（ＩＢＭ ＤＧ Ｃｏｕｎｃｉｌ）等機構， 均將“數據治理” （ＤａｔａＧｏｖｅｒａｎｃｅ）奠定在公司治理的理念之上［１３］ 。據此，“數據治理” 即建立在數據存儲、訪問、驗證、保護和使用之上的一系列程序、標準、角色和指標，以期通過持續的評估、指導和監督， 確保富有成效且高效的數據利用， 促進跨組織協作和結構化決策，為組織創造價值。

數據治理是數據驅動型智庫建設過程中智庫必然要面對的發展場景之一。智庫數據治理包括智庫元數據管理、智庫數據庫管理、智庫數據安全管理、智庫數據質量管理、智庫參考和主數據管理、智庫數據倉庫管理、智庫情報管理等諸多內容。智庫數據治理工作并非簡單的數據管理亦或某個環節的小規模升級， 而是貫穿整個智庫運行架構的完整鏈條，如圖２ 所示。數據驅動型智庫的特征之一便是將傳統的智庫數據管理工作升級為數據治理， 智庫數據治理是一種立體、多維關于智庫數據組織過程和結構的系統性工程， 同時也是智庫長期的戰略性發展方向。

２.３智庫決策機制的智能化

從信息管理的角度， 智庫決策咨詢過程可被抽象歸納為“信息吸收—信息分析—信息傳播”。從數據管理的角度， 智庫對于數據的利用則可歸納為“數據采集—數據分析—數據輸出”， 這也是智庫利用數據進行決策咨詢的重要脈絡。數據驅動型智庫開展決策咨詢工作的本質是通過數據創造價值， 而基于數據的智庫決策咨詢機制其關鍵特征之一就是利用數字技術形成的“智能化”。有學者根據托馬斯·斯特爾那斯·艾略特提出的ＤＩＫＷ 模型［１４］ 和潘教峰提出的ＤＩＩＳ 模型［１５］ ， 總結出智庫的核心工作是“通過數據創造價值”， 盡管此觀點更適用于對數據驅動型智庫本質的解析， 但筆者認為這也恰恰說明了數據驅動型智庫建設的關鍵要義就是圍繞數據及數據可被擴展出的特征及價值發展決策咨詢工作， 因此數據驅動型智庫的決策咨詢機制可被簡化歸納為“智庫數據收集—智庫數據分析—智庫成果傳播”， 由數字技術賦能智庫決策咨詢機制形成了智能決策的特征， 如圖３ 所示。

３以數據驅動型智庫建設推動新質生產力發展的策略

３.１重視智庫數據資源向數據資產的轉化

數據是數據驅動型智庫的基礎資源， 是智庫的重要生產要素。智庫可從功能、范疇、形態等多個維度使其數據資源向數據資產轉化。傳統智庫的數據資源從其功能來看， 主要是指記錄智庫工作， 或者根據智庫工作需求形成的分析結果。而智庫數據資產的功能主要是指基于合理管理的前提， 探索智庫數據的增值模式， 降低智庫管理成本和風險， 增加智庫影響力。從智庫數據的范疇來看，智庫數據資源是指智庫內部所有數據，而智庫數據資產的范疇是指， 在數據廣度上，數據規模持續增長，在數據深度上， 數據資產應指智庫的高質量數據。同時，這些數據資產根據其重要程度可被劃分為“核心”“非核心”，以設置相應的數據共享開放范圍、使用權限、安全等級和存儲周期等， 便于智庫開展精細化數據資產管理。在形態維度方面， 數據資源不一定是電子化數據， 也包含一定數量的非電子化數據，且電子化數據的數據結構單一， 各類數據結構保持一定的穩定性。然而， 數據資產完全是電子化數據，非電子化數據由于無法支撐規?；瘮祿茫?因此只能是電子化數據在一定場景下的補充或備份， 同時， 在結構化、半結構化和非結構化的數據存儲、分析和利用。

３.２將智庫數據管理向數據治理升級

數據是數據驅動型智庫賴以生存的“基礎資源”，也是新質生產力發展的重要組成要素， 是體現國家治理能力的“戰略資源”。因此， 基于數據驅動的智庫建設應明確一個關鍵的認知， 其數據治理不僅是本機構的組成部分， 更是關乎公共社會運行的一部分。從數據管理向數據治理的轉變。智庫數據治理內容包括前文所述的“智庫元數據管理、智庫數據庫管理、智庫數據安全管理、智庫數據質量管理、智庫參考和主數據管理、智庫數據倉庫管理、智庫情報管理”， 智庫數據治理是相對于數據管理而形成的有機系統； 同時， 智庫的數據治理應突破機構的范疇， 將其置于更開放的視野中觀察， 智庫數據治理不僅僅是智庫價值最大化工具， 而是在數據利益攸關者之間鑄就相互依賴關系、發掘數據自身價值的基礎性架構。數據治理相比于數據管理， 更具有“公共性”， 因此， 智庫要重視對數據的協同治理。

數據治理以“數據效率”（Ｄａｔａ Ｅｆｆｉｃｉｅｎｃｙ）和“數據正義”（ＤａｔａＪｕｓｔｉｃｅ）為依歸， 前者要求盡可能促進各方協作、減少實質限制、制定默認規則、降低交易成本； 后者主張透明而負責的數據處理、設立高標準的信義義務、保護弱勢一方并防范數據歧視。如果說數據效率是助力器， 那么數據正義就是數字社會的制動器。在去中心化的數字治理架構下， 所有的利益攸關者都應當是數據治理的主體，這其中既包括個體智庫主體， 也包括開展數據收集、利用、加工、傳輸活動的數據從業者； 既包括對數據收集、存儲、利用和公開負有法定義務的政府機關， 也包括相應的監督管理機構； 既包括形色各異的組織體， 也包括組織體內部直接從事數據處理的組織成員。因此， 智庫應重視與其他信息機構， 如數據中心、情報機構、圖書館、政府部門等關于數據治理的合作。

３.３推進智庫決策咨詢機制的智能化發展

推進智庫決策機制的智能化發展， 發展數據驅動型智庫的智能決策業務是推動新質生產力的又一舉措。根據前文所述， 筆者將智庫的決策機制提煉為“智庫數據收集—智庫數據分析—智庫成果傳播”。

在智庫數據收集環節， 通過利用數字技術， 數據驅動型智庫將比傳統智庫掌握更多動態、多源的數據資源， 這將有效解決智庫數據資源的匱乏和滯后。智能化的數字技術的應用使決策咨詢能夠獲取針對研究問題的全樣本和實時化數據， 同時， 由于這些數據都是由數字網絡直接獲取和傳送的， 因此相對更客觀和真實。

在智庫數據分析環節， 數字技術可以為智庫決策咨詢提供科學、前瞻、個性化、高效的分析工具。智庫咨詢最核心的工作就是數據分析和智慧化處理工作。專家驅動型智庫對于專家智慧的依賴是智庫發展的最大局限性， 尤其是專家智庫具有不可復制性， 而數字技術的應用解決了這個問題。通過把頂尖的智庫專家和決策者的智慧程序化為算法， 智能決策系統就能夠持續地針對決策問題對各種數據進行分析、處理， 并形成較為客觀、可充分的成果。

在智庫成果傳播環節， 智能技術可以為智庫決策咨詢提供按需式、多樣化的智庫產品。智庫咨詢的效能是由智庫產品決定的。在傳統智庫時代， 智庫產品通常是由智庫團隊集體創作的， 主要工具是智庫專家的智慧。數字技術特別是以ＣｈａｔＧＰＴ為代表的生成式人工智能技術的應用， 可以從數據中學習并產生具有創造性、現實性的全新輸出。生成式人工智能技術最顯著的特點是可以根據決策者的需要提供個性化的智庫產品， 而且在提供智庫產品的過程中， 決策算法會不斷學習， 從而不斷提高智庫產品的質量和效能［１６］ 。

４結語

在發展新質生產力的背景下， 決策咨詢工作因符合社會發展的時代要求而具有持久、升級發展的正當性， 建設數據驅動型智庫就是重要的體現之一。然而， 建設數據驅動型智庫是一項系統性的工作，它要求決策咨詢領域充分理解、運用數據資源， 敏銳察覺到智庫數據資源向智庫數據資產的轉化是未來的發展方向； 同時， 還要以更加宏觀的視角即將智庫的數據管理工作轉型升級為數據治理工作， 并以智能決策驅動智庫的決策咨詢機制。把握以上３個方面策略， 將有效推動新質生產力的發展。