谢治菊：大数据与重大公共决策风险治理

    2015年6月，李克强总理在国务院常务会议上强调，决策数据化将会随着社会数据化的加深而加深，基于大数据的公共决策将成为政府改革的重要方向。2017年12月，习总书记在中共中央政治局第二次集体学习中，再次提出要建立健全基于大数据的科学决策与社会治理机制，实现政府决策的科学化和社会治理的精准化。与此同时，“十三五”规划纲要明确提出，要利用大数据“落实重大公共决策社会稳定风险评估制度”，进一步“强化重大公共决策法定程序的刚性约束”，这是对党的十八大以来 “大数据战略”的进一步指示，同时也凸显全党全社会对推进大数据与重大公共决策社会稳定风险治理的强烈需求和热情关切。然而，按照传统的经验决策，时下重大公共决策必将面临一些风险，因为传统经验的重大公共决策，虽然也通过公众参与、专家论证、小数据推演等手段来保证其科学性，但整体而言，其科学性的程度还不够高，对暴增的非结构化风险数据与数据风险已无能为力；另外，传统决策过程缺乏动态监管与及时反馈，无法进行正反双方的对抗式论证，社会需求与民意诉求不能有效通过决策结果来反映。要化解重大公共决策风险，有效落实重大公共决策社会稳定风险评估制度，须从决策方法的科学性、决策主体的民主性、决策过程的公开性、决策程序的合法性和决策评估的专业性5个方面进行制度重构，大数据无疑为其提供了一个新的选项。因此，研究如何整合大数据思维、技术和资源，通过强有效性和高可信度的风险数据作为决策基础，以多元主体之扁平化的民主参与和对称性的信息资源为手段，进而构建基于大数据的重大公共决策风险识别、预测、分析、评估和处理机制，实现决策过程公开透明、决策程序公正合法和决策结果反映民意的制度效果，成为亟须解决的重要问题。

    重大公共决策的关键词是“重大”。对于“重大”一词的理解，从影响来看，是全局性、综合性、长远性的事件；从决策要素来看，是决策主体较多、决策内容复杂、决策对象广泛、决策成本较高、决策影响深远的事件。鉴于“重大”一词本身是一个比较模糊和抽象的概念，因此，重大公共决策是指在公共事务领域中，事关全局性、综合性、公益性、政治性、专业性的影响深远的高成本决策。根据刘平等学者的研究，可将重大公共决策分为政府立法与文件制定类、政府规划与计划类、财政资金使用及国有资产处理类、市场监管与资源利用保护类、城乡建设与公共服务类、重大公共危机事件应急管理类、政府机构改革类和其他类。借鉴这一观点，考虑到公共事务领域的社会现实，本文将重大公共决策主要界定为重大发展规划、重大公共建设项目(如公共交通基础设施建设)、重大战略项目等多个方面。由于重大公共决策影响大、成本高、关注度明显，规避并治理其带来的风险，就成为党和政府的核心议题。所谓重大公共决策风险，是指随着决策中不确定因素的增加、随机性与模糊性要素的增多，决策难度加大，不能达成预期目标的可能后果。根据党的十八大所提出的“五位一体”格局，本文认为，重大公共决策风险既包括决策本身的风险，也包括决策失误给政治、经济、社会、文化、生态、道德、技术与安全等领域带来的风险，其中以社会风险居多，尤其是决策失误引发的社会稳定、社会矛盾、环境破坏风险更为突出。这些风险呈现出两个明显的特征：一是风险的冲突性更强。重大公共决策关涉的利益群体较多，面对的决策环境更加复杂，难免会引发不同利益群体的冲突，且冲突更加剧烈，如重大群体性事件；二是风险的破坏性更大。由于重大公共决策事关全局、影响深远，一旦发生风险，其破坏性会更强。即：重大公共决策风险带来的危害，具有“持久性、随机性和深远性”等特征。所谓持久性，是指风险不易消除，影响久远；所谓随机性，是指风险发生的时间、地点、频次和强度，都不以人的意志为转移；所谓深远性，是指由于关涉重大的全局性事务，重大公共决策风险将会在社会政治、经济、文化、体育卫生等方面，对社会中的个体与群体产生深远的影响。

    大数据是运用超常规工具和处理技术，对海量信息进行汇集、管理、处理与分析的数据集合。从知网显示的文献资料来看，直接研究大数据对重大公共决策风险治理价值的文献较为匮乏，仅可从风险治理的技术手段、应急决策领域的大数据舆情以及医疗、教育、计算机等领域的大数据循证决策中，获得一些启示。关于风险治理的技术手段，贺宝成强调，大数据与新媒体的融合，可以形成多元主体协同治理的格局，强化风险治理中的互动；刘秦民认为，大数据带来的扁平化机制和多维性分析，可以深度挖掘焦点事件的形成过程、舆论导向与解决方案，进而增强风险治理的前瞻性与先导性。关于大数据在应急决策中的使用，是大数据技术与大数据思维共同作用的结果。例如Couch等指出，将大数据应用于应急决策中，可以快速收集信息、科学开展预测、及时进行反应，提高决策的准确性与科学性；马奔等探讨了大数据在应急管理中事前、事中和事后应用的基本框架，并分析了大数据在预防准备、监测预警、应急处置、善后恢复等多个环节的价值。关于公共事务领域的大数据循证决策，是新近的研究面向。循证决策是建立在严格、精准与有效证据之上的决策。循证决策为决策的科学化、合理化和民主化提供了重要的参考，借助大数据来开展循证决策，更符合决策信息流动迅速、决策回应及时高效的特点。例如，董飞认为大数据背景下人们日益重视数据、强调数据化决策，依此逻辑，循证决策是顺应时代潮流、适应社会发展的大数据决策。为了更好地研究大数据背景下的循证决策，董飞阐述大数据时代下循证决策的发展方向，分别是决策思维的扩充、决策主体的拓展、决策工具的进步及决策过程的创新。从现有文献来看，虽然学者们的思路不同、方法不一，但大都以多学科研究为取向，强调大数据技术在风险治理，尤其是重大公共决策社会稳定风险评估中的应用，强化大数据对应急决策与循证决策的影响，为本文提供了重要的参考，这些参考表现在：一是用大数据来治理重大公共事务决策风险，具有明显的优势；二是探讨基于大数据的重大公共决策风险治理，具有重要的价值。

    用大数据来治理重大公共事务决策风险，其优势（图1）在于：首先，让治理主体更加多元化。大数据能够促进政府治理结构的扁平化，让决策风险从行政性防范向政府主导下的全社会协作式防范转变，形成自上而下和自下而上相结合的双向治理路径，实现治理主体的民主化。其次，让治理内容更加专业化。大数据的预测功能，让决策风险的治理从事后应急处置迈向事先的源头防范，大数据让决策信息更加对称、透明和公开，这能实现各项防范工作的无缝衔接，减少决策风险防范过程中的信息失真和相互推诿，有效避免决策风险防范真空，让风险治理的内容更加专业化。再次，让治理方法更加科学化。大数据是大决策的来源和基础，通过“小数据”到“大数据”“小样本”到“全样本”的转换，重大公共决策风险治理能够实现从经验治理走向大数据治理，治理方法更加科学化。最后，让治理手段更加民主化。大数据、互联网及人工智能等技术为决策风险的网络化和空间化防范顺利实现提供了强大与可靠的技术支撑。依托建立我国重大公共决策风险治理平台实时掌握各类信息，实现风险信息传输和决策风险防范管理的动态化、智能化和可视化，有助于实时监控决策风险变化，第一时间发现风险异常现象或行为，即时进行跟踪决策风险防范，为管理部门防范提供科学依据。此外，风险治理平台不仅为不同管理部门、企业、社会和学者等主体之间联系和交流提供了重要渠道，也为不同主体协同决策风险防范治理奠定了空间基础。

    正是由于用大数据来治理重大公共决策风险有明显的优势，因而研究基于大数据分析的重大公共决策风险治理，才具有重要的价值，这些价值体现在：第一，减少决策失误。政府掌握了全社会80%的数据资源，其运用大数据分析与挖掘技术来辅助重大公共事务决策，具有得天独厚的优势，可以丰富决策信息资源，优化决策过程，提高决策的针对性，减少决策失误。第二，改善决策质量。大数据的“大规模、大容量、大价值”，为提供多领域、多维度、多源头的数据检验机会提供了平台，能够保证信息的真实性与准确性，进而改善决策质量。第三，实现决策信息共享。决策信息的完整、准确与透明，直接关系到权责一致的程度，决策信息不对称容易诱发道德风险。因此，通过大数据来实现信息整合，提高信息的对称度，不仅能够消除信息孤岛，还有助于实现决策信息共享和决策本身的科学化，提升决策水平。第四，降低决策风险。决策现代化是政府治理体系现代化的源头和基础，依赖于结构化、半结构化和非结构化的大数据资源。因此，将大数据与重大公共决策风险治理相结合，能够实现决策的民主化、科学化、法制化，提高决策水平，降低决策风险。

    实现重大公共决策风险治理能力现代化是一个系统工程，有着不同的提升思路、方法、技术、手段和途径。作为一种治理技术和治理手段，大数据对重大公共决策风险治理能力的提升显然具有无可比拟的优势。同时，按照风险管理的流程划分，重大公共决策风险治理能力主要体现为识别能力、预测能力、监控能力、评估能力和处理能力。通过大数据来提升重大公共决策风险治理能力，就是要提升重大公共决策风险的精准识别能力、科学预测能力、精确监控能力、专业评估能力和有效处理能力(图2)。

1.大数据驱动重大公共决策风险精准识别

    大数据能够驱动重大公共决策风险从经验驱动走向数据驱动，实现以下识别方式的转变：第一，信息识别。在当下，公共决策环境日趋复杂化，缺乏信息支持的决策风险识别往往顾此失彼。大数据利用信息技术、仿真模型与数据融合，有利于揭示各风险之间的内在关联，提高政府对重大公共事务决策风险的占有与分析能力，为精准识别决策风险提供数据支持，从而大大推动决策风险识别的科学性。第二，平台识别。大数据技术致力于利用海量数据改善决策风险来源各要素之间的相关关系，从而将风险来源各要素汇聚在统一的平台，促进决策风险识别的公平和透明。大数据尤其是互联网大数据，正成为政府评估民众决策需求的重要途径，人们正在将搜索引擎数据与实际社会行为关联起来，判断决策风险来源的新渠道和新形式，为决策风险的治理提供依据。第三，科学识别。基于互联网的舆情监测数据已经成为治理重大公共决策风险的重要工具。在大数据时代，政府往往借助网络民意调查、网络舆情等形式，对重大公共决策引发的社会矛盾、疾病防治、灾害控制、交通安全等进行直观呈现和把握，从而降低决策制定的偏差，提高决策风险识别的科学化水平。

5.大数据驱动重大公共决策风险有效处理

    大数据让社会治理结构变得更加扁平与协同，使与重大公共决策风险相关的数据和信息成为公共财产，供所有治理主体使用,并不断提升这些数据和信息的使用效益和效率。因此，在处理重大公共决策风险的过程中，大数据能够有效获取并分析民众的满意度与基本诉求，提供更加个性化、精准化和灵活性的服务。差异处理。以往政府的风险处理，往往追求标准化、统一性处理，忽视了受害对象的个性化、差异化需求，也不能满足不同人群的弹性化要求。大数据通过泛在的网络获取和精细的菜单式服务，能够实现重大公共决策风险的差异化、个性化处理。协同处理。大数据能够驱动重大公共决策风险治理主体之间的协同高效化。在大数据背景下，通过整合重大公共决策风险的数据和信息，使不同处理部门和机构之间、不同参与主体之间的协调更加顺畅，进而有效地提高工作效率、节约治理成本。精准处理。在大数据时代，人口结构的复杂性决定了人们对重大公共决策风险的需求存在着较大的个体差异性，这就要求一改过去“千人一面”的处理方式，处理形式由过去的“无序索取”转向“精准推送”，以避免决策风险处理中的闲置浪费、重复建设、资源错配等问题，提高处理效率，为满足风险危害对象多样化、个性化的需求提供便利。

    运用大数据开展重大公共决策风险治理，通过编织社会治理信息网，能够有效解决繁杂的决策信息、分散的决策资源与精准的决策需求、高效的决策效率之间的巨大矛盾，改变传统决策信息不对称、决策主体之间难以协作、决策方法滞后等局面，及时掌握社会舆情动态，将决策风险扼杀在摇篮之中，推动公共决策由粗放式向精细化转变。运用大数据开展重大公共决策风险的治理，可以借助云计算、物联网、互联网、智能手段等大数据技术，将与重大公共决策有关的政治、经济、文化、社会和生态等数据进行汇聚整合和关联分析，统一识别、预测和分析可能带来的风险，提高重大事务公共决策风险治理的针对性和有效性。

2.构建基于大数据分析的决策风险科学预测路径

    要有效防范风险，对我国重大公共决策风险预测就必不可少，风险预测机制对于风险防范机制的建构是第二步，这在整个项目风险防范工作中及其重要。首先，将决策风险影响因素进行一一甄别，确定出占主导地位的影响因素，评判此风险是否会带来损失。风险预测影响因素是整个风险预测系统的前提和基础，重大公共事务决策可能存在的风险来源有众多因素，预测的外部环境有政治、经济、社会、法律、文化环境,预测的内部环境有预测目标、内容、主体与方法等，因此在对重大公共事务决策风险进行预测的过程中，有必要运用大数据来抓住这些要素，提高预测的精确性。其次，搭建决策风险大数据调查平台。该平台能够智能自动化地实现数据信息的抽取、清洗、转换、计算及存储，相对于原来人工拼凑并处理数据的非即时性，能够大幅度提高工作效率。该平台的技术架构包含数据整合、数据存储、数据计算、数据分析、平台服务5个层次，功能模块应主要包括法律法规模块、舆情模块、政府管理系统意见模块、问卷调查模块和历史案例库模块。再次，建立决策风险预测模型。这些模型包括多元判别分析模型、逻辑斯蒂回归模型、神经网络模型、支持向量机模型、决策树模型以及其他非参数统计模型等。最后，通过大数据技术，筛选预测效果较好的子模型，将这些子模型进行集成，能够获得最终的评估效果，预测风险的未来走向。

3.建设基于大数据分析的决策风险精确监控平台

    重大公共决策影响范围广泛，涉及众多群体利益，其风险源也会随着环境演变不断发生动态变化。传统的决策风险监控相对碎片化，监控主体往往只能对单一风险源进行监控，缺乏全景多维度的监控视角，为决策产生和实施过程埋下隐患。大数据技术可以提供决策风险监控的整体化解决方案，为优化决策风险监控体系提供了契机。大数据监控能保持数据的鲜活性，并基于具体算法和机器学习，实现主动监控。监控者将能够占据主动地位，及时把握事态、做出预测，以便更有效、从容地应对风险。为此，建议搭建四模块化的信息平台来进行精确监控。四模块化的信息平台是指决策主体风险跟踪平台、区块链监控平台、网络舆情监控平台、物联网与风险预警综合平台，搭建的具体措施是：第一，搭建决策主体风险跟踪监控平台。大数据可以打造数据铁笼，数据铁笼是制约决策主体权力，监督权力公开、透明、规范运行的有效手段。因此，搭建决策主体风险跟踪监控平台，可以降低决策主体的风险来源，增强决策主体风险发生的直观性和可读性。建议通过建设个人数据、财产数据、心理数据、工作数据和家人数据等模块，来监控决策主体可能引发的风险。第二，建设区块链监控平台。作为风险监控领域的新技术，区块链能够很好地对重大公共决策直接相关利益者进行监控，其监控的路径如下：根据区块链不可篡改等特点，形成可信度较高的信息流，解决信息造假和信息不对称的问题；通过构造可靠的溯源网络，将决策中每个人的行为动作记录下来，实现决策信息溯源；加强各参与方之间信息交叉验证和信息共享，降低人工审核成本，提高业务效率。第三，建设网络舆情监控平台。利用大数据技术，整合专家知识库，建设集网络舆情数据搜集、分析和预警为一体的大数据平台，对舆情进行针对性处理，决策支持模块仅能被动提供决策辅助的缺陷。第四，建设物联网与风险预警综合平台。将物联网系统应用于重大公共决策风险监控中，结合动态数据库，搭建适用于不同地区和生产条件下的风险管理诊断平台，能够将现场实时数据与诊断管理结果相互结合，互为验证，以提高风险监测、灾害诊断的准确性。

4.培育基于大数据分析的决策风险专业评估体系

    重大公共决策风险评估是量化测评某一决策带来的影响或损失的可能程度，具有动态性、往复性、反馈性等特点。要构建基于大数据分析的决策风险专业评估体系，首先，进行决策风险评估大数据的挖掘。决策风险大数据挖掘是指在大量公共事务决策的相关数据中挖掘出风险信息，通过量化分析来揭示数据之间有意义的联系、趋势和模式，用于重大公共决策风险的评估。目前，重大公共决策风险信息大数据的挖掘与评估，可以从政府、企业和社会三大数据库中挖掘隐含的、有意义的风险信息和知识，分析重大公共决策在执行前、执行中、执行后对政治、经济、文化、社会、环境等方面可能存在的风险。由于风险信息大数据的挖掘与风险评估是一个多元性、动态性的过程，对风险评估所需的风险信息挖掘应贯穿于重大公共决策的过程，根据公共事务决策本身的特征进行重点监测、定向追踪和动态反馈，从而保证公共事务决策过程整个风险信息挖掘与评估过程的完整性、时效性与针对性。其次，构建决策风险评估指标。重大公共决策风险评估需要构建一套评估指标，指标是否科学、全面决定了风险评估的准确度和效果。通过构建多级指标并赋权，确保赋权的多级指标能为主体进行风险信息采集与评估分析，能及时发现重大公共决策的风险迹象、预测风险的走势。同时，随着科学技术的进步、经济水平的发展、文化知识的普及、决策预期的影响，可利用机器设备对案例数据进行学习，及时进行修正指标权重，避免失效。为此，建议主要考虑以下几类度量风险的指标：敏感性指标，用于量化重大公共决策失误造成资产损失时，损失的资产价值对某一风险因子的敏感性；概率类指标，用以衡量重大公共决策的某一结果发生可能性大小的度量；综合类指标，将重大公共决策某一结果发生的概率、造成的损失、对整体的绝对影响统一考量的指标。最后，建立基于大数据分析的决策风险评估模型。基于大数据分析的重大公共决策风险评估模型更多采用了神经网络、支持向量机、随机森林等算法，包括数据准备、特征选择、风险量化、模型输出等4个步骤，通过机器学习建模分析评估重大公共决策的风险程度，根据不同的风险等级提供相应的决策服务。

5.理顺基于大数据分析的决策风险有效处理思路

    重大公共服务决策风险发生之后，由于应对主体涉及面大、相互之间关系复杂，受权力支配、资源配置、信息传递等诸多因素的影响，造成对事态的控制不尽理想，应对实际表现与预案设定的目标存在较大差距；利益相关者又会选择在网络空间中，尤其是社交媒体上发表观点、表达情绪，而负面情绪和评价，特别是在短时间内集聚形成的大量负面评价会对决策风险控制和决策风险安抚造成很大挑战；在我国决策风险问责当中又面临“责任认定困难”的困境，包括存在众多潜在责任者所造成的“多只手难题”以及由于决策责任类型太多所造成的“多责任混乱”。因此，大数据技术的出现，为建立数据来源广泛、信息融合快速、统计分析动态准确、结果呈现可视化、交互化的应急指挥平台和善后处理平台提供了可能。但是，如何基于大数据技术实现“全过程、全要素、可追溯”的重大公共决策风险处理，建议从以下几方面着手：

    第一，建立决策风险控制机制。与过去注重抽样获取精确数据的方法不同，大数据分析通过对多层次、多维度的海量数据进行交叉复现，能够对某个具体对象进行准确识别和聚焦，可以从时间序列上对离散的、貌似不相关的数据集合中跟踪分析到事件的发展，这为重大公共决策风险处理中的风险控制提供了极大的应用空间。对于重大公共决策风险处理而言，最为重要的决策风险控制目标是在最短的时间范围内，通过最低的资源投入，促使决策风险造成的经济社会影响降到最低程度。对于事态演化过程，一般经过萌芽、发展、扩大、削弱等阶段。通过大数据分析，应尽可能在事件萌芽之时就能够发现并且采取果断措施；若事态已经发展并且不断扩大，应尽可能缩短事态升级的时间，采取更果断和有效的措施。在决策风险控制过程当中，最为核心的是基于数据融合、资源整合、组织协同，实现决策风险控制的针对化、动态化、协同化。