会员登录
会员注册二、大数据智慧决策新模式
一般而言，数据流与管理服务过程两者密不可分，反映了物流、人流和资金流的变化情况，是协同高效政府的基本特征。现代政府管理可看成是前台决策和后台数据分析的结合，大数据的应用价值由此体现为智慧决策。
通过解决双方信息不对称，实现政府智慧决策，是大数据决策新模式的基本思路。新模式的核心就是大数据分析技术和业务研判应对能力的完美结合③。通过大数据归集、分析和应用，协助政府部门掌握网民公共需求与态度偏好，理解网民行为特征缘由，发现最新动向趋势，判断前期施政决策的实际效果，调整和优化公共政策，再造管理服务流程，提高政府的觉察、回应、治理能力④。大数据决策新模式如下图所示。
图1 大数据智慧决策新模式
大数据分析的智慧决策新模式，分为业务层和大数据层。业务层和大数据层相互支撑，相互配合，通过大数据应用技术和业务综合分析协同实现大数据智慧决策。业务层分为业务运行和网民表达、绩效判识、需求识别、特征洞察、供需失衡、优化再造六个流程，主要从业务角度进行分析解决问题，提出业务方案；大数据层则是从数据归集、大数据分析挖掘、辅助分析三个步骤进行展开，为业务分析提供技术支撑。大数据层的数据归集，实现业务层的业务运行数据和网民表达相关数据的集中采集。大数据分析挖掘为业务绩效判识和网民需求表达以及特征洞察提供技术实现。辅助分析则为业务与网民之间的供需失衡提供技术选择⑤。
业务运行和网民表达既是业务层的第一步，也为数据归集提供数据来源。互联网时代，政府施政，分享公共信息，公众参与政府工作，通过多种网络渠道表达意见和诉求，这些业务运转和网民表达都会留下内容记录和活动痕迹，这些实时的数据流一同支撑起现代政府的有效运行。用于政府智慧决策的数据归集，不能仅仅是政府共享数据、政府开放数据、政府部门电子政务系统业务数据、政府自身掌握其他数据，还应涵盖能否反映网民、企业、其他机构行为和活动的社会数据，以及各类自然界监测采集数据和科学数据等，形成完整的政务大数据大集合。政府运转和经济社会运行所产生的大数据，可以比较真实和完整地刻画服务对象和管理机构的社会活动，相关数据需要返回到决策过程中，不能再像以前那样被单个业务部门或者企业主所垄断控制。服务过程蕴藏于业务大数据中，公众需求和情绪反应也隐藏在网民表达大数据当中。
大数据泛指海量数据，就是比较传统数据而言的大规模数据集。在数据归集操作中，用于政府决策的大数据到底规模多大，规模的边界如何选择和确定，将会直接影响到智慧决策的质量。如果大数据选择不当，或者发生方向性错误，数据也会发生碎片化、孤立化、片断化。单一渠道、单一截面、单个流程的数据本身难以反映业务运转和社会问题的本质，大数据分析挖掘得出的决策结果有可能偏离实际轨道。政府要实现智慧决策，首当其冲，就是做好大数据的有效归集，实现不同渠道不同类型数据集的有机集成。
业务层的需求识别、特征洞察和绩效判识，就是分析业务存在的问题，判断现有政策的绩效，与大数据层的大数据分析挖掘紧密关联。通过网民表达数据的分析可以识别网民的公共需求，通过业务运行数据可以发现网民办事特征，通过分析网民情绪数据和办事监管业务数据可以判断政策绩效水平。大数据分析挖掘的具体实现手段有很多种，比较常用的有热度声量分析、分类聚类、主题提取、时间序列分析、回归分析、分层比较、情感情绪分析、异动离群点分析、趋势分析、关联模型、热力图、流程漏斗图等，在此不一一展开说明。
大数据分析挖掘不是一个单纯的计算机算法应用过程。其成败在于对相应业务层的理解和分析结果的运用，是否熟悉政府决策方向，是否精通业务知识体系，是否理解数据潜在价值，是否了解数据分析技术，能否确定数据集范围和边界，可否支撑起业务和数据的完美结合。政府决策分析方向的建立，对决策分析过程、数据选择、数据挖掘分析具有导向性作用。
业务层的供需失衡主要是对用户需求和政策绩效进行综合判断，发现现行政策施行的梗阻点和漏洞盲区，掌握社会公众新的公共需求和经济社会运行的实际情况。供需失衡依赖于大数据层的辅助分析，借助一些大数据可视化手段可以快速找到相关结论。
优化再造是以业务层得出供需失衡的具体结论为基础，提出新的综合解决方案。具体而言，就是调整之前出台的政策，组织新的信息内容，优化管理服务方式，填补相应的漏洞和盲区，再造业务流程，回应社会公众的需求。优化再造后的业务又重新进入业务运行体系为社会服务，相关的内容记录和行为痕迹又会形成大数据层新的数据归集，开启新的一轮政府智慧决策过程。