生态危机治理的大数据战略

李娟

〔摘要〕 大数据战略克服了全球环境治理的数据障碍，使生态信息成为了重要的生态治理资源。大数据技术具有挖掘生态信息的优势，大数据模式下生态信息价值化离不开数据、技术与思维三者的融合。生态危机的全球性、弥散性、治理成本和治理难度要求国家间生态数据交流与共享、制定相应的国家大数据策略、参与主体多元化及培养大量的数据技术人才。在国家层面，应从制定数据政策、处理数据共享与数据安全的关系，加强数据技术创新与数据基础建设和建立生态数据法律法规体系四个方面推进大数据战略。

〔关键词〕 生态危机治理，大数据战略，生态信息，生态治理资源

〔中图分类号〕D630 〔文献标识码〕A 〔文章编号〕1004-4175（2016）02-0076-06

近年来，人类已经处在了全球污染的时空之中。但污染的程度到底如何？污染已经达到严重威胁人类健康的程度了吗？如何划分和确定各国在全球污染中的责任？如何进行高效的环境治理？所有这些问题的回答都需要对污染信息有全面的掌握，然而这在大数据之前是根本无法实现的。大数据技术的产生克服了全球环境治理的基础性障碍——环境数据收集、存储、处理和广泛应用。因此，可以转变思维，从数据驱动的角度创新生态危机治理思维。

一、大数据使生态信息成为生态治理资源

生态信息在生态治理中具有基础性作用，没有足够准确的信息就无法正确判断面临的生态危机，无法预测生态危机的发展趋势，也就根本制定不出高效可持续的生态治理对策。然而，生态危机是一种超出自然范畴的社会学问题，它既涉及政治、经济方面的利益，也涉及社会群体的直接利益，因而在治理上存在多种壁垒与不合作的障碍，导致生态信息无法被聚集，无法共享，无法实现资源价值，也就无法控制生态危机的蔓延，最终形成生态治理上的“公地悲剧”。比较幸运的是，“大数据轮动促进资源最优化，扩展社会服务的范围并提高服务质量。例如紧急救灾服务中心（Emergency Service）就是通过自建和共链大型数据库，捕获与分析海量灾情数据、救助状况与重建信息，大幅度地提高防救灾害能力” 〔1 〕。

（一）大数据技术具有挖掘生态信息的优势。“大数据分析的价值和意义就在于，透过多维度、多层次的数据，以及历时态的关联数据，找到问题的症结，直抵事实的真相” 〔2 〕。大数据技术很好地解决了生态信息收集的维度、层次和时效问题，更能反映真实的生态状况，大数据的价值可拓展性和附带性可以降低生态信息收集的成本，大数据本身的商业特性保障了数据收集的连贯性和可共享性。

首先，大数据有别于样本数据的特性是能够更加全面及时捕捉生态信息。样本数据产生于信息缺乏和记录存储技术有限的模拟数据时代，是利用尽可能少的数据来证实尽可能重大的发现。“它的成功依赖于采样的绝对随机性，但是实现采样的随机性非常困难。一旦采样过程中存在任何偏见，分析结果就会相去甚远” 〔3 〕34，这也是样本数据存在的固有缺陷。而且样本数据需要结构化查询语言，数据收集录入必须有统一语言编码，而且只能在预设的变量之中研究问题的相关性，此种数据模式适用于小范围的专门性研究。而生态危机已经成为一个涉及范围更广的重大领域，专门性的研究也无法准确发现影响生态恶化的多重因素。若要把握生态危机的全面信息，就必须跳出生态领域本身，去探究与生态危机密切相关的人类生产、生活和消费行为。人类生产、生活和消费行为的高纬性和个异性超出了样本模式的统计能力之外。此外，在数据处理上，样本数据只能够处理本地数据，必须将数据放在同一数据库中才能够处理，而大数据云计算可以跨地区和跨数据库进行复杂数据处理。正如涂子沛所言，大数据等于传统小数据加现代大记录，大数据等于结构化数据加非结构化数据，大数据等于大价值加大容量 〔4 〕。现代大记录是指包括文本、图像、音频、视频等在内的所有信息表达形式在内的全部记录形式，多样化的记录形式决定了数据的非结构化特征，虽然增加了数据处理的难度，但是呈现了事实本身的多维信息。“大数据对极其复杂的人类行为的社会学研究起到了重大作用，通过网络数据，大量的个人的或很小组织的真实行为通过计算机以数据形式被记录下来，这些数据为人类行为研究提供了丰富的可靠信息，避免了研究者认知的偏见、感知的误差和框架的歧义” 〔5 〕，所以，需要分析处理大数据，从而挖掘数据价值。

其次，大数据有助于低成本获得更加全面真实的生态信息。虽然对于个人或大多数组织团体而言，数据的收集、存储和处理仍然是一个高成本甚至不可能的工作，但是对于人类历史而言，大数据突破了数据收集和存储瓶颈，大量信息可以被低成本地捕捉、记录和保存。大数据收集克服了样本数据应用目的单一和变量限定造成的信息贫乏的局限。目前，只有像QQ、Twitter、微信、电信运营商、亚马逊和阿里巴巴电商巨头等拥有庞大用户群的公司才能够接触到更广泛的数据，他们有使用数据的便利或者将数据授权给渴望挖掘数据价值的人。大数据收集依赖于网络终端设备，数据在用户使用网络应用程序的过程中不可避免地被自动收集。用户使用的网络终端设备功能越丰富，产生的数据量就越加多维和多层次，而且数据来源无限广泛，也不需要支付数据费用。也就是说，无须针对生态环境进行专门性信息收集工作，便可以通过人类在各类网站上的消费习惯的数据中发掘生态信息。例如，可以分析人们在淘宝网站上对一次性用品的消费偏好和消费数量来预测此种消费与生态资源破坏和环境污染之间的关系；利用QQ或微信用户对雾霾防护工具的讨论，判断全国哪些地区雾霾程度严重，人们对治理和抵御雾霾的觉悟较高。相比于专门针对一次性用品消费对环境污染和雾霾情况的实地调研，此种数据借用方式不仅大大节约了调研成本，更为重要的是，能够提供更加全面准确的生态信息，可以根据生态治理的不同需要进行多元的信息聚合。

再次，从商业大数据中获得生态数据保障了数据的不间断获取和数据共享。大数据产生于移动互联网、物联网和社交网站等的快速发展与融合，数据原本被收集分析处理是为了帮助企业准确有效地把握商机和正确预测市场趋势。大数据技术的发展也完全取决于企业对大数据与企业发展关系的认识程度。IBM全球副总裁兼大中华区软件集团总经理胡世忠如是说，“通过数据洞察到的需求，便是一个新的市场机遇” 〔6 〕。因此，在商业经济发展的无限增长需求之下，大数据的收集存储会越来越丰富而且持久。又因为“数据的价值并不仅限于特定的用途，它可以为了同一个目的而被多次使用，也可以用于其他目的” 〔3 〕132，所以大量全面真实的生态数据可以从商业大数据中获得，生态数据会随着商业数据的增长而增长，随着商业数据的丰富而丰富。此外，大数据是与人力资源、资金、物质资源一样的商业资源，因而可以产生商业价值，有价值就有交换，因而数据在交换和买卖的过程中可以实现共享与综合。

（二）大数据模式下生态信息价值化离不开数据、技术与思维三者的融合。要了解大数据何以能够应用于生态危机治理，如何构建生态危机治理的大数据框架，就必须首先熟识大数据价值产生过程，以及各个环节的作用地位和突破点。舍恩伯格明确提出数据本身、技术与思维三者构成大数据价值链 〔3 〕160 ，三者缺一不可，缺少任何一项，数据都仅仅只能是数字而已。如图1所示，数据与技术之间，必须通过思维才能结合，三者的融合才能产生具有特定目的需求的价值。生态数据要发挥治理价值，就必须深入理解三个环节的特征与地位。

数据本身是最基础的环节。在大数据时代，谁掌握数据谁就有决定权。2014年阿里和腾讯不惜重金和不计成本地抢占打车用户，事实上是两家公司均认识到了大数据时代数据本身的重要性——只有自身拥有庞大的数据来源才不会在大数据商业竞争中受制于人。而且随着大数据时代的真正到来，大数据处理技术的普及，数据本身将更加具有决定性地位。在数据本身环节，生态治理的主要任务是如何搭建专业平台或者综合其他商业化数据收集平台获取生态数据。

大数据技术是产生数据价值的金钥匙，它是指设计用于高速收集、发现和分析从多种类型的大规模数据中提取经济价值的新一代技术和体系，涉及数据存储、合并压缩、清晰过滤、格式转化、统计分析、知识发现、可视呈现、关联规则、分类聚类、序列路径和决策支持等技术” 〔7 〕。目前，包括数据挖掘、云计算、机器学习等的数据分析使用的技术已经非常成熟，并且形成了一个谱系。以数据挖掘为例：数据挖掘就是要在错综复杂的数据当中，消除数据“噪音”，剔除无关数据，找到有用数据的过程，但这是一个需要专业计算机技能的工作，需要根据用户需求，建立数据模型，对数据进行分类与统计，查找数据分布的关联性，例如Hadoop项目。Hadoop是Apache软件基金会组织开发的与谷歌的Mapreduce系统相对应的开源式分布系统的基础架构，非常善于处理大量数据，能够处理大量未预先设定记录结构的五花八门的数据。大数据技能通常由咨询公司、技术供应商或者分析公司等的专业人才来完成。目前而言，大数据的数据丰富，但是技能欠缺，在未来一段时间内“数据科学家”是稀缺人才。大数据处理技能将成为生态治理专家必备的一项基本技能。

思维是数据产生应用价值的关键，大数据思维就是指建立大数据与需求之间的联想能力。没有明确的需求，就没有满足需求的动机；没有动机，就没有寻求方法的可能，也就不会联想和应用大数据。虽然大数据的应用范围极其广泛，但是要在某一领域中建立大数据与专业联系还需要大数据创新思维。有研究显示，在企业中，“40%的调查者认为广泛采用（数据）分析技术的主要障碍是缺乏了解如何利用分析技术改进业务” 〔8 〕10。思维是连接数据和技术的桥梁，是技术转化为应用，数据产生价值的连接器。大数据与生态危机治理不会自动结合，需要生态治理者充分发挥想象力，将生态治理的环节与大数据进行自觉链接与构建，才能使大数据作用于生态危机治理。

二、 生态危机治理的大数据战略要求

生态数据资源的形成无疑为生态危机的全球治理提供了可能，但是生态危机治理的主体仍然是决定治理成败的关键因素。应从生态危机的国家间合作、国内地区和部门间合作、普通民众的广泛参与和技术人才培养四个维度对生态危机治理进行战略性规划。

（一）生态危机的全球性要求国家间生态数据交流与共享。“环境破坏的发生并非偶然，它是资本主义制度下生产与消费的组织方式，以及这些方式考虑或不考虑其所带来的环境破坏的结果” 〔9 〕92，生态危机并发于资本主义经济增长方式，环境破坏的危害程度随资本主义经济全球化的深度和广度而越发严重。在增长经济的框架内，无论对于发达国家还是发展中国家，经济全球化都促进了各国经济的发展，与此同时，资源损耗和环境废弃物常常在人们对全球经济总量增长的狂热追求中被忽视。从商品链角度分析，产品的产生和消费是全球化的，那么生产和消费产生的废弃物也应该由全球来承担。“阶级社会能够被组织为民族国家，风险社会则带来了‘危险社区，它最终只能被组织为联合国” 〔10 〕54，生态危机的全球化已经是不争的事实，“贫穷是等级制的，化学烟雾是民主的” 〔10 〕8。可是，全球化产生的生态问题并不像经济关系中的权责那么容易划分和界定，“风险的全球性并不意味着风险在全球是平均分配的” 〔11 〕6，虽然“污染总是与贫穷形影相随”，富裕国家的空气和水污染程度要比发展中国家低，但是并不意味着富裕国家不产生污染。本质上，经济全球化过程是发达国家进行产业升级和产业转移的过程，在这个过程中发展中国家成为了发达国家转移高耗能高污染产业的承接对象。由于富裕国家的消费需求和治理需求更多，因此产生的污染更严重，只是转移到了他域而已，“一个国家的相对富裕不但有助于它提高消除污染的能力，还有助于它将污染转移到国外” 〔9 〕11。但是“飞去来器效应” ①精确地打击了那些富裕的国家，贫穷地区的环境污染最终还是传染到了富裕地区。

在绝对知识层面，没有任何国家真正知道全球面临的生态危机和预测全球生态后果，因此在信息严重不充分的情况下作出的决策则会“鼓励一种令人厌恶的赌博，一种对于宿命的讽刺性的颠覆：在没有适当的情境知识的情况下我对于我被迫作出的决定负责” 〔11 〕101，必然导致各国对现有的生态治理原则和措施的不认可与不执行，例如“谁污染谁治理”就是一种严重缺乏公平责任观的环境治理原则，无法得到彻底贯彻。生态责任应如何分配不仅是一个重要的政治问题，而且也是技术手段的问题。乌尔里希·贝克指出，现代社会的进步性在于，“前工业社会的无法计算的威胁（瘟疫、饥荒、自然灾害、战争，同时还有魔力，上帝恶魔）在工具理性控制（现代化过程在生活的各个领域都提倡这一点）的发展之中被转换为可以计算的风险” 〔11 〕100，人类为了防止风险转化为危险，就必须遵循“怎样使这种自我生产的后果在社会意义上成为可计算的、可解释的，使其冲突成为可控制的” 〔11 〕101现代自反（自我反思）思维。贝克深刻洞察到了人类突破生存危机的出路，但是在大数据之前，这只能是美丽的神话。“在大数据时代，合作比竞争更重要，交流比交易更重要，灵活的同伴关系比冰冷的阶级斗争更重要。” 〔12 〕XXI 世界各国都已经认识到了互联网技术之于国家合作的可能性和重要性，大力发展数字基础设施，为国与国之间的交流和互通建立便利的桥梁。国家间生态数据交流与共享，有利于解决国家之间由于信息孤岛无法正确判断和预测的生态危机问题，有利于生态责任分配与相互帮助，有利于国际协同治理生态问题。

（二）生态危机的弥散性要求制定相应的国家大数据战略。生态危机具有类似公共物品的非竞争性和非排他性特点，无法通过市场手段得以解决，更何况生态危机本身产生于市场化经济。“由于污染的因果关系很难建立，因此环境责任和法律责任的落实也是成问题的” 〔13 〕16，生态治理不免陷于 “‘有组织的不负责任的一种新形式，因为它是一种极端非个人化的制度形式，以至于即便是对自己也无须为此承担任何责任” 〔11 〕8的“公地悲剧”的境地。虽然人们认为“国家是生态恶化的难题的一部分而不是解决方案所在” 〔14 〕77，“但也不能由此假定我们设想或创造的其他替代物（替代国家）就可以完全摆脱或减少上述难题（生态问题）” 〔14 〕77。国家及政府拥有绝对权威和强制力，可以通过国家命令、政府政策和法律等形式打破有组织不负责任的生态治理困境。因此，国家在生态危机治理中仍是主要力量。

我国在环境信息建设中已经形成了系统完整的生态信息管理和应用体系，但是之于大数据的开放性与合作性还非常有限，而且大数据生态治理不能自发形成，在数据转化为价值的构成中还有不少的困难和问题。在政府环境治理体系内，环境信息化和数据化由业务部门需求为牵引，各级环境数据化机构具体实施和推动，各业务部门与管理部门之间缺乏环境数据共享机制，应用系统不互通，缺乏统一协调的管理机构和环境信息管理制度，导致环境数据化建设各自为政，“信息孤岛”和“信息烟囱”遍地都是，低水平重复和资源浪费，难以发挥环境数据的聚合效应，数据资源开发和利用能力不强。“数据割据状态，纵向上体现为上级单位无法全面实时访问下级单位的详细数据；横向上体现为部门间的利益纠葛，而且不希望、不愿意把数据公开给其他部门。” 〔15 〕83在社会环境治理系统中，企业环境责任所拥有的数据、绿色生态组织所拥有的数据等更加缺乏制度化的统一。这就要求生态危机的数据治理由国家进行顶层设计，破除数据壁垒，创建利益共享机制，打破横向和行业之间的藩篱，制定统一、协调、合作和互益的数据政策，搭建统一的生态大数据平台，使环境数据在各生态治理相关部门之间自由共享。

（三）生态危机治理成本过高要求参与主体多元化。大数据处理在带来巨大收益的同时，也会引发处理成本过高的问题。由于大数据的数据量巨大和数据结构复杂，需要专业的技术人员、高级配备的硬件设备和复杂稳定的软件系统，这都需要大量资金的投入。生态大数据的成本问题决定其使用程度。数据的商品化是使数据收益大于成本的必然选择，它是一种使数据成为一种可以用货币衡量、能够在市场自由流通的商品。大数据商品化之后数据就不再是单纯意义上的数据，它能够被挖掘出新的价值。

大数据在市场中的分布是不均匀的，它往往掌握在一些大的公司手中。业务公司要想深度开发和扩展数据，就必须从数据公司获取数据，当然数据公司不会无偿开放数据，必须以价格的方式购买或出售。在信息时代，数据将成为独立的生产要素，其重要性犹如农耕时代“土地”的属性 〔15 〕80。“因为在未来，我们可以利用数据做更多的事情，而数据拥有者们也会真正意识到他们所拥有的财富。因此，他们可能会把他们手中拥有的数据抓得更紧，也会以更高的价格将其出售” 〔3 〕172。目前数据商品化仍然在摸索阶段，尚未真正进入市场化和商品化阶段。例如，大数据公司twitter拥有海量数据，它的数据通过两个独立的公司授权给别人使用。现在比较广泛的数据开发模式是自身拥有大量数据的业务公司与技术公司合作，请技术公司帮助业务公司从已有的数据中发掘出更加有价值的信息来解决面临的问题。以上两种模式表明数据尚未进入流通市场，数据的巨大价值仍然被隐匿着。数据的商品化不仅有利于大量数据公司使现有数据发挥更大的商业价值，而且商品化之后，能够激励数据公司更好地收集存储数据。相比于商业大数据，生态数据的收集本身就存在高成本低回报的弱势。除非环保部门或环保产业公司，否则其他公司没有收集生态数据的兴趣和积极性。生态数据商品化之后，很多数据公司发现其商业价值，则会拓展其数据收集业务，数据公司开发生态数据收集软件，则使更多社会主体参与到生态数据的生成与收集之中。

（四）生态危机治理难度大要求培养大量的数据技术人才。“欲工其事必先利器。促进大数据在各行各业落地的重要因素，除了建立大数据思维以外，必须掌握新兴的处理技术，需要重新审视企业的软件开源策略、数据处理技术、人才培育计划。” 〔15 〕XVII生态危机是一个涉及人类所有社会活动的社会性问题而非简单的环境问题。生态危机生成机理的复杂性、危机状态的流动性和危机影响的时空性等问题都要求人类在回应和治理过程中掌握一种能够实时跟踪和准确评估的技术手段，数据专家应运而生。数据分析家、人工智能专家、数学家或统计学家将在未来的职业领域中占有重要地位，将与行业专家和技术专家齐头并进成为行业中的核心竞争力。“但是如果想要成功运用大数据技术，达成企业战略目标，最大的制约因素往往是大数据人才的匮乏。这一点已然成为了推广可利用大数据技术的阿喀琉斯之踵” 〔15 〕49。在大数据发展的现阶段，大数据及人才是最为关键和稀缺的资源。在生态治理领域中，生态学专家必须具备大数据思维，充分认识到大数据相比于小数据的优越性，形成循数管理思维，相信数据预测比直觉和经验更准确。虽然人类已经掌握了大量丰富的有关生态治理的数据，但是由于大量数据噪音和数据废气的存在，简单粗放式IDE数据统计和分析往往不能得到真正有价值的内容，甚至可能得到相左的结果，所以需要相关数据挖掘技术进行更加有效的、精工细作的处理。这就对大数据技术人才提出了更高的要求。不仅是亟需专门技术人才，而且也对数据管理人才的需求更加急切。要求专业的数据管理人才提供有关数据质量、元数据、隐私和信息生命周期管理的政策，承担数据发起者和数据保管者等角色和责任，监测对数据政策遵从情况，定义数据问题的可接受阈值等等。

三、生态危机治理的大数据战略推进

生态危机治理的大数据战略推进是一个庞杂的系统工程，信息技术的灵活性、跳跃性和创新性也常常制造数据管理和控制上的难题，诱发新的数据风险。因此，为了预防和规避此类风险的产生，必须前瞻性地为大数据战略推进制定制度规范，制定与时俱进的数据政策，恰当处理数据共享与数据安全之间的关系，加强数据技术创新与数据基础建设，建立生态数据法律法规体系。

（一）制定与时俱进的数据政策。政府必须顺应时代的要求，积极应对社会上的新事物。大数据市场快速发展要求政府必须在数据市场出现发展瓶颈与问题之前就制定好宏观数据战略，为数据共享、数据商品化和数据技术发展提供政策支持。数据、技术和应用是国外推进大数据战略的三大着力点。美国强调国家层级的战略规划，试图引领全球大数据发展方向；英国将大数据列为战略性技术，给予大数据高度关注；日本政府把大数据作为提升竞争力的关键；此外，澳大利亚、新加坡等国也非常重视大数据发展。对于我国而言，与大数据发展相关的发展规划尚属空白，为加快我国大数据技术应用于产业发展，必须对大数据建设进行战略布局，明确我国发展大数据的目标定位、主要内容和重点发展领域，制定具体的大数据政策，包括数据安全政策，数据资产政策，数据开放与共享政策等等。环境大数据数量越来越大，为了满足环境监管水平、环境执法能力和应急响应能力，环境主管部门必须与计算机部门共同合作，确定各类数据性质，明确哪些数据应该被存储和收集，哪些数据是个人数据应该绝对保密，这就必须以相关“活文件”的政策、标准和程序为依据。

（二）恰当处理数据共享与数据安全关系。所有的大数据推进工作都必须首先处理好数据共享与数据安全的关系。数据共享必须以数据安全为前提，但是又不能以数据安全为借口阻碍数据共享，因而必须制定明确的数据安全等级。国家需根据不同安全等级的数据进行安全保护和维护。只有明确了数据安全等级，才能确保大量非机密级数据能够在市场上自由流通；只有数据等级明确，大数据公司才能放手开发和利用自己的数据，例如电信等通讯公司拥有大量实名用户信息，因为碍于缺乏相关政策和法律的明确规定，不敢充分利用这些信息。只有数据自由流通与共享，才能使数据、技术与思维有融合的可能性。例如，美国要求政府机构减少对政府信息的过度定级，并要定期进行信息解密，促使政府信息的定密与解密程序具有更大开放性和透明度，为敏感但非涉密信息创建开放、标准的系统，减少对公众的过度隐瞒 〔16 〕。生态数据主要以环境部门收集的主数据为主，政府需着重处理生态主数据在系统内横向交流共享的问题。此外，生态危机治理还需要生态主数据与社会大数据的融合，要求政府必须加快推进公共环境信息的更新和开放速度，为内外数据融合创造有力的政策环境。

（三）加强数据技术创新与数据基础建设。政府推动数据技术创新，首先要加强大数据技术研发方向的前瞻性和系统性，重点支持深度学习与人工智能、实施大数据处理、海量数据存储管理、交互式数据可视化在环境数据开发方面的应用；其次是着重发展开源新生态，也就是要将环境科学研究和环境产业结合起来，力争生态数据在大数据平台上实现突破；再次，通过直接补助或后期补助方式激励环境企业和环境科研机构参与开源技术发展，促进大数据技术扩散与技术转化。大数据发展除了技术创新之外，还需要促进与其相关的基础建设。大数据的发展必须依赖于互联网、物联网、云计算和移动终端设备的发展与融合。例如，云计算为大数据提供弹性可扩展的基础设施支撑环境以及数据服务的高效模式。互联网和物联网建设的落后直接制约着数据来源的广度，多样化移动终端应用程序的开发影响数据收集的深度。物联网和互联网往往是跨行业、跨地区的，政府需要加强各部门的协同合作，打破地区之间、行业之间和部门之间的壁垒，促进资源联网共享，而且物联网和互联网的建设投资成本高，企业无力建设，需要由政府来承担资金投入的问题。

（四）建立生态数据法律法规体系。随着大数据挖掘分析越来越精准、应用领域不断扩展，大数据立法迫在眉睫。在环境数据挖掘过程中，需要法律来保护个人可识信息的私有性，保护个人隐私。以往建立在“目的明确、事先同意、使用限制”等原则之上的个人信息保护制度，在大数据场景下变得难以操作，这些在法律上的缺位问题严重制约了环境大数据的开发。因此，需要在国家信息公开和管理有关法律法规的指导下，制定出台关于生态数据公开和管理的法律法规等规范性文件，赋予生态数据以明确的法律地位，将生态数据公开和管理纳入法治化轨道，确立生态数据管理和发布的法律原则，全面提升政府部门和社会各界对生态数据的重视程度。

注 释：

①“飞去来器效应”是苏联心理学家纳季控什维制首先提出的概念。飞去来器为澳洲土著使用的一种抛出去又会重新回来的武器。在社会心理学中，人们把行为反应的结果与预期目标完全相反的现象，称为“飞去来器效应”，即“飞镖效应”。 这好比用力把飞去来器往一个方向掷，结果它却飞向了相反的方向。

参考文献：

〔1〕蒋 洁.大数据轮动的隐私风险与规制措施〔J〕.情报科学，2014（6）.

〔2〕喻国明.大数据方法与新闻传播创新：从理论定义到操作路线〔J〕.江淮论坛，2014（4）.

〔3〕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〕胜杨燕，周涛，译.杭州：浙江人民出版社，2013.

〔4〕涂子沛.大数据及其成因〔J〕.科学与社会，2014（1）.

〔5〕Watts， D. J. A Twenty-First Century Science 〔J〕. Nature， 2007（2）.

〔6〕胡世忠：要让数据实现货币化〔EB/OL〕. http：//tech.qq.com/a/20140902/040766.htm.

〔7〕邬贺铨.大数据思维〔J〕.科学与社会，2014（1）.

〔8〕IBM商业价值研究院.大数据、云计算价值转化〔M〕.北京：东方出版社，2015.

〔9〕罗尼·利普舒茨.全球环境政治：权力、观点和实践〔M〕.郭志俊，蔺雪春，译.济南：山东大学出版社，2012.

〔10〕乌尔里希·贝克.风险社会〔M〕.何博图，译.上海：译林出版社，2003.

〔11〕乌尔里希·贝克.世界风险社会〔M〕.吴英姿，孙淑敏，译.南京：南京大学出版社，2004.

〔12〕阿莱克斯·彭特兰.智慧社会：大数据与社会物理学〔M〕.汪小帆，汪容，译.杭州：浙江人民出版社，2015.

〔13〕马克·史密斯，皮亚·庞萨帕.环境与公民权：整合正义、责任与公民参与〔M〕.侯艳芳，杨晓燕，译.济南：山东大学出版社，2012.

〔14〕罗宾·艾克斯利.绿色国家：重思民主与主权〔M〕.郇庆治，译.济南：山东大学出版社，2012.

〔15〕赵国栋，易欢欢，等.大数据时代的历史机遇——产业变革与数据科学〔M〕.北京：清华大学出版社，2013.

〔16〕张勇进，王璟璇.主要发达国家大数据政策比较研究〔J〕.中国行政管理，2014（12）.

责任编辑 周 荣