大数据时代政策预测的挑战及应对
赵亚飞 赵福生
【摘 要】大数据作为一种客观存在，在政策预测中所发挥的作用越来越受到政策预测主体的重视。大数据在预测数据收集和分析、预测模型构建、预测主体多元化等方面为政策预测带来了新机遇。同时，大数据也对政策预测带来了新的挑战，主要体现在政策预测主体的大数据运用意识缺乏、运用大数据的技术水平落后以及运用能力的欠缺。预测主体应该积极树立大数据意识、提高大数据技术运用能力，建立健全相关法律法规，推动政策预测科学化进程。
【关键词】大数据；政策预测；挑战；应对
【中图分类号】D669 【文献标识码】A 【文章编号】1001-0475（2018）002-0047-03
“大数据”一词于2008年9月首次出现在《科学》杂志《Big Science in the Petabyte Era》一文中，并开始逐步走入学术界的视野中。人们对于大数據的认识一直处于变化之中。最初对于大数据的认识主要集中在“数据大”的特性上，因为大数据的数据规模通常在百万GB级别，规模远大于常规数据。后来有学者提出大数据具有规模性（Volume）、多样性（Variety）和高速性（Velocity）的特点（简称3V）。随着认识的不断深入，人们发现大数据的价值并不主要在其规模，更重要的是如何识别和转化庞大数据背后可能隐藏的规律。比如大数据可以在非结构化的数据中提取有效信息，这与分析结构化数据的传统数据分析有了显著差别。大数据的运用包括数据采集、数据储存、数据清洗、数据挖掘、数据可视化等步骤，涉及语义分析技术、云储存技术、关联分析技术、WEB可视化等多项技术。在实际应用中，大数据在城市交通、城市规划和运营、公共安全、社会福利、应急管理等领域中已得到充分应用，被认为有利于解决社会中的复杂问题。
政策预测是一种程序或方法，它依据先前政策分析的各阶段所掌握的关于政策问题、目标和方案的信息或知识，对政策（方案）的未来前景做出估计、推测或判断。政策预测是政策制定过程的一个重要环节，它是政策方案评估、比较和选择的基础，对政策未来的预测能力直接影响到政策制定以及政策执行的效果。政策预测有着重要的意义，首先政策预测能够提供未来关于政策相关的变化的信息，帮助政策制定主体在未来的各种可能中做出行动的最佳选择。其次，预测的过程必须在充分掌握过去以及现在的信息基础上进行，这有利于更好的了解以前的政策及其实施效果。虽然做好政策预测有着重要的意义，但是政策预测是一项很困难的工作，预测的准确性受到很多因素的制约，如数据搜集的局限性、数据处理能力不足、信息流通渠道不畅等。
政策预测主要包括四个基本环节：1.预测目标，分析其所处的环境。即要首先明确预测的问题，通常包括政策实施前现状、新政策结果、新政策内容、政策参与者行为。2.搜集与整理数据，编制假想脚本。搜集预测对象和环境相关数据，在充分预测对象发展方向的基础之上，编写假想脚本。3.选择预测方法，构建预测模型。在充分掌握相关数据的基础上，根据预测对象的实际情况选择合适的预测方法。无论是定性分析还是定量分析，都必须根据有关理论和变量之间的关系建立模型，使用模型来刻画预测对象。4.总结预测结果，编写预测报告。这是政策预测的最后阶段，要将预测结果以报告的形式交给决策者。预测报告的内容应该包括预测的结果，预测对象的过去与现在，对预测对象的未来有重要影响的各种因素和条件，预测对象及相关因素在预测期限间的发展趋势等。
一、传统政策预测的局限性分析
数据的获取是进行政策预测的前提，无论采用何种预测方法都必须对政策对象及其所处的环境的各方面数据进行较全面的收集、整理和分析。在过去，收集数据的成本和难度都要比现在高的多，人们往往要翻阅大量的纸质材料或者人工做大量的调查研究来获得数据，整个数据获取的过程持续时间较长，耗费资源较多。而且，数据来源的方式大都是政府各部门自下而上的汇报和总结，缺少社情民意类的数据和对社会环境实时监控的动态数据，数据收集的方式不够灵活。因为数据的获取和储存成本都很高，所以当时大多采用抽样的方法来获得数据。因为数据都是随机抽样获取的，所以其准确性往往不是很高，往往存在大量的残缺、失真和无效的数据，这也直接导致政策预测结果出现偏差。
政策预测的方法主要包括趋势外推、理论假设和通灵判断三种。外推预测的方法主要来自于统计学，以时间序列分析、回归分析为基础，根据自变量和因变量之间的关系选择适合的方程进行分析。理论假设根据理论假定以及现在和历史的数据对未来社会状况做出判断，理论预测根据各种理论中所包含的因果关系进行预测，模型构建是理论假设的重中之重。直觉预测是一个回溯推理的过程，是分析者从一个猜测的直觉出发，寻找支持这一猜测的数据和假定的过程。三种方法都离不开模型的构建，而公共政策的实施牵扯多方利益相关者以及各种不稳定因素，无论是哪种模型都不能将与政策相关的所有因素纳入到模型内，最好的模型也只不过是尽量的多涵盖一些因素而已。另一方面，模型的不确定性比较大。不同的专家或专家组会对同一政策提出不同的预测模型，其预测结果也不可能一致。
政策预测受到预测数据来源单一、专业性较高等因素的限制，预测的主体多为制定政策的政府部门，民众和社会第三方参与的可能性较小。这种单一的预测主体有很多劣势，很多与政策相关的社会各界和利益集团无法参与到政策预测的过程中，同时民众也很难对政策预测表达自己的建议和诉求。预测主体的单一不利于保证政策预测的科学性和民主性。
二、大数据时代为政策预测带来新机遇
大数据为政策预测中数据的收集和使用带来新机遇。大数据时代，因为计算机的使用和互联网的普及，数据获取成本已经大大降低，在数据获取体量上远远超越了传统的数据获取方式。大数据时代，数据获取手段越来越先进，相对于传统的数据获取手段，动态数据和实时数据也纳入为获取数据之列，数据的时效性和真实性得到了大大的提高。数据的收集渠道得到拓宽，传统的数据来源主要是自下而上的收集汇总，现在还包括了通过互联网对社情民意数据的直接采集以及对社会动态数据的采集，能够使我们得到更全面的数据来供政策预测使用。
大数据为优化政策预测方法带来新机遇。大数据技术能够更加全面、客观的描述政策环境分析政策目标；能够更加充分获取政策预测的相关数据，更加高效、精准的利用数据；能够全面、清晰的分析各方因素，选择更合适的预测模型。另一方面大数据技术能够减少政策预测过程中的不确定性，排除人为原因造成的各种误差，能够在预测过程中将人的主观因素降到最低，使预测结果趋于客观。
大数据为增加政策预测民主性带来新机遇。大数据时代，信息网络的发展为第三方主体和利益集团参与政策预测提供了可能性，为公众参与政策预测提供了平台。大数据时代信息更加公开透明，使公众能够更加便利、快捷的了解到各项政策信息，有利于公众参与到政策预测中来。政策信息的公布和数据的丰富，能够使政策相关方和相关的专家学者全面了解政策的内容，参与到政策預测的过程中来，提高了政策预测的民主性。
三、大数据时代对政策预测带来新挑战
政策预测主体缺乏大数据运用意识。政策预测主体在进行政策预测时，更愿意使用自己更为熟悉的方法收集相关数据、制定预测模型，而不愿意投入时间和精力学习大数据技术，这就直接导致政策预测主体在整体上缺少大数据观念，难以形成运用大数据思维进行政策预测的能力。即使能够了解到大数据技术在政策预测中所能发挥的积极作用，大数据技术也未被给予足够的重视，大数据技术在实际使用过程中，也往往流于形式。
政策预测主体在大数据运用技术上存在短板。大数据时代，数据规模庞大，在预测过程中，大量的数据需要预测主体进行收集、筛选和分析，这对预测主体来说是一个巨大的技术挑战，要求政策预测的主体部门必须能够熟练掌握大数据技能。大数据自身的复杂性决定了大数据的处理不仅需要传统的统计学技术，还需要多元统计分析、数据挖掘、数据清洗等多项技术。同时，要利用大数据做好政策预测，还必须在这些专业技术上再融入行政决策学、公共管理学等相关行政管理知识。
政策预测主体在具体应用大数据时缺少经验。在应用层面大数据是把双刃剑，在大数据技术发展并不完备、成熟的今天，仍然存在着数据安全方面的问题。首先个人隐私被二次利用，传统的隐私保护手段和方法在大数据时代已经不再适用。隐私保护的程序已经不再是从授权到使用，个人信息的二次利用已经是不可避免的客观事实，大数据时代谁对个人隐私进行保护是政策预测主体在利用大数据时不可避免的问题。其次，在大数据时代，数据独裁现象越来越明显。数据并不是全能的，它有其自身的局限性，不要单纯的为了“数据”而“数据”，大数据才能真正成为我们的强大武器。最后政府内部的大数据共享也是一个挑战。如何实现大数据在政府内部的共享，更有效率的利用大数据对政策预测主体来说也是一个不容忽视的挑战。
四、大数据时代为政策预测提供新思路
转变传统预测观念，积极应用大数据。政策预测主体应该充分的认识到传统预测方法在当下所所面临的困境，摒弃不合理的数据收集方法，改变样本量少、数据真实性差、数据分析流于形式等问题，只有形成了大数据思维，才能切实以大数据为基础，以大数据技术为手段，改善传统的预测方式，提高政策预测的科学性。要完善政策预测制度，发挥大数据技术的积极作用。在政策预测的过程中，必须以数据真实性为基础，加强交流和沟通，打破数据壁垒，唤醒休眠数据，充分发挥大数据的优势和作用，不断完善大数据技术在政策预测过程中的运行机制。要破除老旧习惯，构建现代政策预测模式。
重视大数据运用技术，积极培养复合型人才。运用大数据技术，人才是关键。政策预测的发展也需要以人才的培养作为关键。针对性的培养既有大数据技能、也同时具备公共管理类知识的复合型人才是当务之急。首先，可以在政策预测主体内部鼓励政策分析者努力学习大数据知识，提升大数据运用水平，提高政策预测能力；其次，在预测过程中可以针对政策内容咨询大数据专业人才，积极聘请、吸引相关高素质人才加入到政策预测中来。高校可以定向培养相关人才，为公共管理专业的学生开设部分大数据技术课程，帮助学生掌握大数据运用技术。
建立健全相关法律，保护信息安全。大数据时代，数据开放程度越来越高，但数据开放不意味着完全无条件的绝对的开放，也不意味着数据可以被随意的使用，涉及国家秘密、商业秘密、个人隐私的数据信息不得非法公开和使用。政府需要不断提高信息网络技术，通过网络技术一方面保障信息安全，一方面防止不法分子利用网络舆论引发网络突发事件。必须尽快制定专门针对大数据的相关法律法规，明确数据管理者和数据使用者在数据使用中的权利和责任，充分利用法律武器，辅以技术手段，严防信息安全问题的发生。另外，要继续完善政府信息公开制度、政府内部信息共享制度，充分发挥大数据作用，提高数据利用效率。
参考文献：
[1][英]维克托·迈尔-舍恩伯格，肯尼思·库克耶大数 据时代： 生活、工作与思维的大变革[M].盛杨燕，周 涛译，杭州：浙江人民出版社，2013.
[2]姜奇平.大数据与信息社会的意义结构[J].互联网周 刊，2012，（12）.
[3]胡雄伟，张宝林，李抵飞.大数据研究与应用综述： 上[J].准科学，2013，（ 9）.
[4]郭建锦，郭建平.大数据背景下的国家治理能力建 设研究[J].中国行政管理，2015，（6）.
[5]韩振燕，费畅.大数据时代公共政策问题构建的机 遇、挑战及应对[J].湖北行政学院学报，2016，（6）.
[责任编辑：秦 超]
【摘 要】大数据作为一种客观存在，在政策预测中所发挥的作用越来越受到政策预测主体的重视。大数据在预测数据收集和分析、预测模型构建、预测主体多元化等方面为政策预测带来了新机遇。同时，大数据也对政策预测带来了新的挑战，主要体现在政策预测主体的大数据运用意识缺乏、运用大数据的技术水平落后以及运用能力的欠缺。预测主体应该积极树立大数据意识、提高大数据技术运用能力，建立健全相关法律法规，推动政策预测科学化进程。
【关键词】大数据；政策预测；挑战；应对
【中图分类号】D669 【文献标识码】A 【文章编号】1001-0475（2018）002-0047-03
“大数据”一词于2008年9月首次出现在《科学》杂志《Big Science in the Petabyte Era》一文中，并开始逐步走入学术界的视野中。人们对于大数據的认识一直处于变化之中。最初对于大数据的认识主要集中在“数据大”的特性上，因为大数据的数据规模通常在百万GB级别，规模远大于常规数据。后来有学者提出大数据具有规模性（Volume）、多样性（Variety）和高速性（Velocity）的特点（简称3V）。随着认识的不断深入，人们发现大数据的价值并不主要在其规模，更重要的是如何识别和转化庞大数据背后可能隐藏的规律。比如大数据可以在非结构化的数据中提取有效信息，这与分析结构化数据的传统数据分析有了显著差别。大数据的运用包括数据采集、数据储存、数据清洗、数据挖掘、数据可视化等步骤，涉及语义分析技术、云储存技术、关联分析技术、WEB可视化等多项技术。在实际应用中，大数据在城市交通、城市规划和运营、公共安全、社会福利、应急管理等领域中已得到充分应用，被认为有利于解决社会中的复杂问题。
政策预测是一种程序或方法，它依据先前政策分析的各阶段所掌握的关于政策问题、目标和方案的信息或知识，对政策（方案）的未来前景做出估计、推测或判断。政策预测是政策制定过程的一个重要环节，它是政策方案评估、比较和选择的基础，对政策未来的预测能力直接影响到政策制定以及政策执行的效果。政策预测有着重要的意义，首先政策预测能够提供未来关于政策相关的变化的信息，帮助政策制定主体在未来的各种可能中做出行动的最佳选择。其次，预测的过程必须在充分掌握过去以及现在的信息基础上进行，这有利于更好的了解以前的政策及其实施效果。虽然做好政策预测有着重要的意义，但是政策预测是一项很困难的工作，预测的准确性受到很多因素的制约，如数据搜集的局限性、数据处理能力不足、信息流通渠道不畅等。
政策预测主要包括四个基本环节：1.预测目标，分析其所处的环境。即要首先明确预测的问题，通常包括政策实施前现状、新政策结果、新政策内容、政策参与者行为。2.搜集与整理数据，编制假想脚本。搜集预测对象和环境相关数据，在充分预测对象发展方向的基础之上，编写假想脚本。3.选择预测方法，构建预测模型。在充分掌握相关数据的基础上，根据预测对象的实际情况选择合适的预测方法。无论是定性分析还是定量分析，都必须根据有关理论和变量之间的关系建立模型，使用模型来刻画预测对象。4.总结预测结果，编写预测报告。这是政策预测的最后阶段，要将预测结果以报告的形式交给决策者。预测报告的内容应该包括预测的结果，预测对象的过去与现在，对预测对象的未来有重要影响的各种因素和条件，预测对象及相关因素在预测期限间的发展趋势等。
一、传统政策预测的局限性分析
数据的获取是进行政策预测的前提，无论采用何种预测方法都必须对政策对象及其所处的环境的各方面数据进行较全面的收集、整理和分析。在过去，收集数据的成本和难度都要比现在高的多，人们往往要翻阅大量的纸质材料或者人工做大量的调查研究来获得数据，整个数据获取的过程持续时间较长，耗费资源较多。而且，数据来源的方式大都是政府各部门自下而上的汇报和总结，缺少社情民意类的数据和对社会环境实时监控的动态数据，数据收集的方式不够灵活。因为数据的获取和储存成本都很高，所以当时大多采用抽样的方法来获得数据。因为数据都是随机抽样获取的，所以其准确性往往不是很高，往往存在大量的残缺、失真和无效的数据，这也直接导致政策预测结果出现偏差。
政策预测的方法主要包括趋势外推、理论假设和通灵判断三种。外推预测的方法主要来自于统计学，以时间序列分析、回归分析为基础，根据自变量和因变量之间的关系选择适合的方程进行分析。理论假设根据理论假定以及现在和历史的数据对未来社会状况做出判断，理论预测根据各种理论中所包含的因果关系进行预测，模型构建是理论假设的重中之重。直觉预测是一个回溯推理的过程，是分析者从一个猜测的直觉出发，寻找支持这一猜测的数据和假定的过程。三种方法都离不开模型的构建，而公共政策的实施牵扯多方利益相关者以及各种不稳定因素，无论是哪种模型都不能将与政策相关的所有因素纳入到模型内，最好的模型也只不过是尽量的多涵盖一些因素而已。另一方面，模型的不确定性比较大。不同的专家或专家组会对同一政策提出不同的预测模型，其预测结果也不可能一致。
政策预测受到预测数据来源单一、专业性较高等因素的限制，预测的主体多为制定政策的政府部门，民众和社会第三方参与的可能性较小。这种单一的预测主体有很多劣势，很多与政策相关的社会各界和利益集团无法参与到政策预测的过程中，同时民众也很难对政策预测表达自己的建议和诉求。预测主体的单一不利于保证政策预测的科学性和民主性。
二、大数据时代为政策预测带来新机遇
大数据为政策预测中数据的收集和使用带来新机遇。大数据时代，因为计算机的使用和互联网的普及，数据获取成本已经大大降低，在数据获取体量上远远超越了传统的数据获取方式。大数据时代，数据获取手段越来越先进，相对于传统的数据获取手段，动态数据和实时数据也纳入为获取数据之列，数据的时效性和真实性得到了大大的提高。数据的收集渠道得到拓宽，传统的数据来源主要是自下而上的收集汇总，现在还包括了通过互联网对社情民意数据的直接采集以及对社会动态数据的采集，能够使我们得到更全面的数据来供政策预测使用。
大数据为优化政策预测方法带来新机遇。大数据技术能够更加全面、客观的描述政策环境分析政策目标；能够更加充分获取政策预测的相关数据，更加高效、精准的利用数据；能够全面、清晰的分析各方因素，选择更合适的预测模型。另一方面大数据技术能够减少政策预测过程中的不确定性，排除人为原因造成的各种误差，能够在预测过程中将人的主观因素降到最低，使预测结果趋于客观。
大数据为增加政策预测民主性带来新机遇。大数据时代，信息网络的发展为第三方主体和利益集团参与政策预测提供了可能性，为公众参与政策预测提供了平台。大数据时代信息更加公开透明，使公众能够更加便利、快捷的了解到各项政策信息，有利于公众参与到政策预测中来。政策信息的公布和数据的丰富，能够使政策相关方和相关的专家学者全面了解政策的内容，参与到政策預测的过程中来，提高了政策预测的民主性。
三、大数据时代对政策预测带来新挑战
政策预测主体缺乏大数据运用意识。政策预测主体在进行政策预测时，更愿意使用自己更为熟悉的方法收集相关数据、制定预测模型，而不愿意投入时间和精力学习大数据技术，这就直接导致政策预测主体在整体上缺少大数据观念，难以形成运用大数据思维进行政策预测的能力。即使能够了解到大数据技术在政策预测中所能发挥的积极作用，大数据技术也未被给予足够的重视，大数据技术在实际使用过程中，也往往流于形式。
政策预测主体在大数据运用技术上存在短板。大数据时代，数据规模庞大，在预测过程中，大量的数据需要预测主体进行收集、筛选和分析，这对预测主体来说是一个巨大的技术挑战，要求政策预测的主体部门必须能够熟练掌握大数据技能。大数据自身的复杂性决定了大数据的处理不仅需要传统的统计学技术，还需要多元统计分析、数据挖掘、数据清洗等多项技术。同时，要利用大数据做好政策预测，还必须在这些专业技术上再融入行政决策学、公共管理学等相关行政管理知识。
政策预测主体在具体应用大数据时缺少经验。在应用层面大数据是把双刃剑，在大数据技术发展并不完备、成熟的今天，仍然存在着数据安全方面的问题。首先个人隐私被二次利用，传统的隐私保护手段和方法在大数据时代已经不再适用。隐私保护的程序已经不再是从授权到使用，个人信息的二次利用已经是不可避免的客观事实，大数据时代谁对个人隐私进行保护是政策预测主体在利用大数据时不可避免的问题。其次，在大数据时代，数据独裁现象越来越明显。数据并不是全能的，它有其自身的局限性，不要单纯的为了“数据”而“数据”，大数据才能真正成为我们的强大武器。最后政府内部的大数据共享也是一个挑战。如何实现大数据在政府内部的共享，更有效率的利用大数据对政策预测主体来说也是一个不容忽视的挑战。
四、大数据时代为政策预测提供新思路
转变传统预测观念，积极应用大数据。政策预测主体应该充分的认识到传统预测方法在当下所所面临的困境，摒弃不合理的数据收集方法，改变样本量少、数据真实性差、数据分析流于形式等问题，只有形成了大数据思维，才能切实以大数据为基础，以大数据技术为手段，改善传统的预测方式，提高政策预测的科学性。要完善政策预测制度，发挥大数据技术的积极作用。在政策预测的过程中，必须以数据真实性为基础，加强交流和沟通，打破数据壁垒，唤醒休眠数据，充分发挥大数据的优势和作用，不断完善大数据技术在政策预测过程中的运行机制。要破除老旧习惯，构建现代政策预测模式。
重视大数据运用技术，积极培养复合型人才。运用大数据技术，人才是关键。政策预测的发展也需要以人才的培养作为关键。针对性的培养既有大数据技能、也同时具备公共管理类知识的复合型人才是当务之急。首先，可以在政策预测主体内部鼓励政策分析者努力学习大数据知识，提升大数据运用水平，提高政策预测能力；其次，在预测过程中可以针对政策内容咨询大数据专业人才，积极聘请、吸引相关高素质人才加入到政策预测中来。高校可以定向培养相关人才，为公共管理专业的学生开设部分大数据技术课程，帮助学生掌握大数据运用技术。
建立健全相关法律，保护信息安全。大数据时代，数据开放程度越来越高，但数据开放不意味着完全无条件的绝对的开放，也不意味着数据可以被随意的使用，涉及国家秘密、商业秘密、个人隐私的数据信息不得非法公开和使用。政府需要不断提高信息网络技术，通过网络技术一方面保障信息安全，一方面防止不法分子利用网络舆论引发网络突发事件。必须尽快制定专门针对大数据的相关法律法规，明确数据管理者和数据使用者在数据使用中的权利和责任，充分利用法律武器，辅以技术手段，严防信息安全问题的发生。另外，要继续完善政府信息公开制度、政府内部信息共享制度，充分发挥大数据作用，提高数据利用效率。
参考文献：
[1][英]维克托·迈尔-舍恩伯格，肯尼思·库克耶大数 据时代： 生活、工作与思维的大变革[M].盛杨燕，周 涛译，杭州：浙江人民出版社，2013.
[2]姜奇平.大数据与信息社会的意义结构[J].互联网周 刊，2012，（12）.
[3]胡雄伟，张宝林，李抵飞.大数据研究与应用综述： 上[J].准科学，2013，（ 9）.
[4]郭建锦，郭建平.大数据背景下的国家治理能力建 设研究[J].中国行政管理，2015，（6）.
[5]韩振燕，费畅.大数据时代公共政策问题构建的机 遇、挑战及应对[J].湖北行政学院学报，2016，（6）.
[责任编辑：秦 超]
