弥合数据、精准、扶贫之间的链接缝隙

陈冠宇 张劲松

摘 要： 打赢脱贫攻坚战是我国全面建成小康社会的重要一环，通过大数据运用来提升扶贫过程的精准性，通过第三方评估来保证脱贫结果的精准性，是当前推进精准扶贫、精准脱贫的两大具体机制，且二者日渐融合的趋势显现特有优势。数据、精准、扶贫三者之间的实践链接源于它们各自的属性及其间的逻辑关联，最终在贫困治理中相辅相成。当前，精准扶贫大数据应用主要面临数据获取单一、数据处理方式传统单调、数据开发应用能力较弱等问题。为提升精准扶贫第三方评估结果的科学性、权威性，应从拓宽数据来源渠道、创新数据处理方式、丰富大数据应用手段和增强数据分析预测能力等环节多措并举。

关键词： 大数据；精准扶贫；第三方评估

中图分类号： F126 文献标识码：A 文章编号：1009-3176（2018）06-101-（9）

精准扶贫、精准脱贫是当前扶贫工作的基本方略，“精准”是新一轮扶贫开发工作的最显著特征。在此背景下，精准扶贫第三方评估力量深入调查地区，通过收集和分析相关数据，检验精准扶贫、精准脱贫实施情况，揭示贫困人口实现脱贫的具体过程和路径，辅助政府开展贫困治理。一方面，随着评估数据基数的不断增加及处理技术日趋复杂，传统第三方评估模式已无法充分满足评估任务的需求，急需新方式、新方法、新技术的更有力支撑；另一方面，我国自2015年《促进大数据发展行动纲要》（国发﹝2015﹞50号）发布以来，以数据开发与分析为特征的大数据技术逐渐成熟，并日益成为辅助第三方评估高效开展的可行路径。本文基于对数据、精准及扶贫之间内在逻辑及相互作用机理的分析，关注第三方主体在实施评估过程中存在的扶貧数据获取、处理和应用等方面的突出问题，从引入大数据技术的视角探究如何提升扶贫第三方评估的科学性、客观性和精准性，以便更好地支撑政府在贫困治理过程中精准研策、精准施策。

一、数据、精准和扶贫之间的内在机理分析

1.数据之于精准：大数据是实现精准性的技术保障

“大数据”（big data）概念最早是维克托·迈尔-舍恩伯格（Viktor Mayer-Schnberger）和肯尼斯·库克耶（Kenneth Cukier）在《大数据时代》一书中提出的。大数据是指数量巨大、种类繁多的数据，它基于新型的处理方式实现数据的最优化处理，具有数据体量巨大、数据类型多样、处理速度快和价值密度低等基本特征。“大数据的两个重要特征是，数据规模的不断增长，以及无法依靠传统的数据库技术进行管理”①。大数据与传统数据概念的区别主要在于：传统数据只强调数据的量，大数据则摒弃抽样调查获取的有限数据的分析研究，充分融合多重数据，并在此基础上进行数据管理、可视化分析和可视化预测，进而实现数据高效利用。

大数据技术的运用对提升精准性的作用是显而易见的，探究其原因，可从大数据的四个特征维度——巨量性、多样性、高速性和价值性中找到答案。大数据凭借技术优势可容纳巨大的数据资源，进行多种来源和多种类型的数据分析，海量的存储空间和多样的分析手段为夯实工作的精细化提供充分的技术支撑。此外，大数据高效利用所需数据并结合生成速度快和处理速度快的优势，能够快速获取高价值的信息资源，对实现工作的准确性大有裨益。

2.精准之于扶贫：精准性是扶贫脱贫工作的战略要求

我国自20世纪90年代开始实施的扶贫开发工作取得了显著成果，但在“精准扶贫、精准脱贫”之前，扶贫方式是粗放的“大水漫灌”式，带有明显的普惠性特征，往往伴随着扶贫措施千篇一律、扶贫项目落实不到位、扶贫结果低质低效以及贫困地区内部收入差距扩大化等问题。对此，实施精准的扶贫与脱贫政策，提高帮扶工作的针对性和有效性就显得十分重要，“‘精准性 成为社会运行及公共管理的迫切要求和无法回避的趋势”②。当前，“精准滴灌”式扶贫集中体现为“六个精准”——扶贫对象精准、项目安排精准、资金使用精准、措施到户精准、因村派人精准、脱贫成效精准，即采取因人因地施策、因致贫原因施策和因贫困类型施策的手段，通过精准识别、精准帮扶、扶贫成效判别和返贫行为防范等环节进行贫困治理③。精准识别贫困人口并进行差异化的扶助是精准扶贫的基础，切实增加贫困人口家庭收入、建立实时管理动态追踪制度、激发贫困人口内生动力是精准扶贫的关键，建立健全长效机制巩固提升脱贫成效并防止返贫是精准扶贫的保障。实施精准扶贫、精准脱贫能切实改进大水漫灌的扶贫方式，破解粗放式扶贫带来的困境，将扶贫资源有效对准真正需要帮扶的贫困人口。

3.数据之于评估：大数据是实施第三方评估的科学支撑

“第三方是区别于第一方和第二方（即评估主体和评估对象）之外的一方”④，第三方评估是指第三方组织或机构对政府绩效的评价，是一种外部评价，也是监管政府的重要抓手。基于本文研究，第三方评估模式依评估主体组织成分的不同划分为高校专家评估模式、专业公司评估模式、民众参与评估模式和社会代表评估模式，其合理性在于不同的主体可发挥各自专业性和科学性的优势对政府工作做出全面评价。第三方主要评估流程为评估体系建立、评估数据采集、评估量化分析和评估报告生成，其中数据采集是评估工作的基本条件，是其他环节开展的基础，数据的不准确、不充分会对评估对象和评估组织自身的权威性产生负面影响，故依赖真实有效的数据是实施评估的必备条件。第三方主体独立于政府和被评估对象，借助大数据的存储技术、平台技术和数据处理技术可进一步发挥其科学与公正的天然优势，为利益相关者提供查询和监督功能。此外，大数据技术的运用有利于确保第三方评估有序开展、高效进行，使其更好地了解贫困人口和政府的需求。

二、大数据支持精准扶贫第三方评估的链接点

精准扶贫第三方评估指第三方组织围绕贫困地区精准识别、精准帮扶及其成效等内容开展客观全面的考核评价，考察政府及其工作人员的工作过程及结果，利用自身的独立性和科学性检验政府扶贫工作成效，推动贫困地区的减贫和发展。我国第三方评估多以高校专家的模式开展政府扶贫绩效考核，进村入户收集相关信息，统计分析有关数据，辅助政府做出相应决策，如贫困县摘帽、扶贫工作考核排名及问责等。

当前，精准扶贫第三方评估面临诸多困境。随着脱贫攻坚工作的持续推进，据国家统计局发布的数据，按现行国家农村贫困标准测算，2017年年末，全国农村贫困人口3046万人，边缘贫困人口继深度贫困人口成为当前政府扶贫开发的重点帮扶对象。这一现实情况要求第三方评估不仅要关注显性脱贫指标，还要注重对潜在贫困人口的关注，这必然会增加第三方评估的数据统计量和数据统计难度。虽然我国已建立多种扶贫数据库，例如国家扶贫数据库、地方各级政府扶贫数据库和政府各部门扶贫数据台账，但能否处理庞大数据量，融合多重数据类型，成为当前精准扶贫第三方评估开展的现实挑战。

为破解上述困境，精准扶贫第三方评估大数据运用便成为必然之举。一方面，大数据技术因其数据化、网格化与动态化等特点与第三方评估数据管理、实时监测的要求相契合，可作为实现精准帮扶与政府扶贫成效考核的辅助手段；另一方面，第三方评估可以凭借自身优势更好地发挥大数据技术的独立性和实用性。探究大数据与精准扶贫第三方评估的有效链接，弥合它们之间的缝隙，应重点关注信息整合、科学提升和精准支撑三个要点。

1.信息整合

数据信息的采集与整合是第三方评估开展的前提和基础，但当前扶贫数据量大、类型复杂导致评估的信度降低、难度增加。为此，通过在大数据与第三方评估之间构建衔接点以发挥信息整合的功能便显现出来：一方面，二者结合可充分利用大数据的对象动态监控、实时数据传输和信息预测等技术优势，获取政府在贫困地区开展的精准识别、精准帮扶、帮扶成效和返贫防范等环节的相关数据信息；另一方面，大数据技术可综合国家扶贫数据库、地方政府扶贫数据库和政府各部门扶贫数据台账等平台，为第三方提供充实详备的数据资源。基于上述环节，精准扶贫第三方可利用大数据优势，将独立调研数据与政府数据充分结合起来，围绕扶贫指标进行有效的数据整合，可从数字指标（三率一度）、产业扶持、转移就业、易地搬迁、教育支持、医疗救助和社会保障兜底等模块，整合数据类型，提高评估数据质量，建立可供第三方使用的高效扶贫数据系统。

2.科学提升

大数据技术的应用能够提升第三方评估的科学性。为确保评估结果的科学性，凡是能提升评估效能的新技术、新方法都可参与进来，这为大数据与第三方评估的另一个链接点提供可能，即发挥大数据技术的科学性功能，满足第三方评估的科学性需要⑤。科学性提升功能表现为大数据技术以其严谨的指标体系、可靠的数据获取手段和科学的分析方法辅助第三方来评估政府的扶贫工作成效。评估数据的收集和分析环节是第三方评估的关键，而数据挖掘算法和可视化分析正是大数据技术的专长所在，它能够处理不同类型和格式的数据，更为快速地分析其特点，反馈出最直观的分析结果。反观传统的评估方式，机械的数据统计无法充分支持脱贫工作的过程分析，进而影响评估考核结果的权威性。

第三方组织可提升大数据技术的实用性和专业性。目前依托大数据技术，我国多个省份已建立扶贫大数据平台，以甘肃省为例，该平台涵盖贫困户信息、政府帮扶举措和扶贫监管信息等内容，实现了动态管理与实时监测，一些省份还整合其他职能部门建立起互通互联大数据共享平台⑥。需要注意的是，大数据平台多是在政府主导下构建的，在该过程中政府工作人员能否保证数据真实准确，构建的平台能否实现科学高效，是有待商榷的。在此背景下，第三方组织的独立性和专业性功能优势便显现出来，独立的第三方组织不受政府及其政策的影响，专业的从业人员能够确保工作精准有效，故无论是建设客观准确的扶贫大数据平台，还是推动大数据技术在其他领域的普及与应用，均离不开第三方机构和人员的参与。

3.精准支撑

与传统的第三方评估模式不同，精准扶贫第三方评估借助大数据技术，通过个案分析推算整体，将贫困现象进行整体性描述，进而为政府贫困治理提供更为精准全面的数据支撑。具体来讲，大数据技术以“‘全体数据为分析对象的特点，要求信息采集做到全方位、全时段、多元化”⑦，可统计分类收集的信息，整合精准识别、精准帮扶和精准脱贫等关键内容，构建“全样本数据”库，通过对数据库的研究分析，挖掘扶贫工作的内在规律，测算扶贫方式、内容与贫困人口需求的有效匹配度⑧，预测贫困人口的返贫可能性和潜在返贫人口范围。此外，大数据技术的App全数据采集系统、大数据平台系统和GPS实时定位系统等技术均可提升第三方评估的工作效率，基于上述环节整体上实现指标体系完备、评估方法合理实用和评估结果客观准确的评估过程。

三、精准扶贫第三方评估中的数据获取

获取数据是精准扶贫第三方评估的前期目标，通过数据分析得出扶贫工作评估结论及相关建议是最终目标，可见扶贫数据的收集是评估过程中的重要一环。第三方评估的一般模式是，依据考核指标设计内容构成，通过不同获取方式采集所需信息，借助不同获取手段形成数据来源，各个环节层层相扣以确保整体评估的有效运行。

1.内容构成

第三方主要依据政府扶贫部门制定的扶贫成效考核政策文件或贫困退出实施办法来开展评估工作。评估内容主要包括五个方面：扶贫资金的使用情况、扶贫项目的开展情况、扶贫方式的使用、扶贫的精准性体现和群众满意（认可）度等，在实际操作中每一项均具体细化为若干项目以实现对政府扶贫工作的全覆盖。

以H省为例来看，2016年5月，该省省委办公厅颁布《关于建立贫困退出机制的实施意见》。该文件通过贫困人口、贫困村和贫困县等三个层面为第三方评估提供考核依据，内容涵盖9个一级指标和28个二级指标数据。贫困人口考察以入戶访谈的形式，关注建档立卡户“两不愁、三保障”情况、扶贫政策落实和对帮扶措施认可情况，围绕人均纯收入、安全饮水、安全住房、义务教育阶段有无辍学学生、产业就业扶持实现稳定增收和居民基本医疗保险参保情况等6个指标开展，其中，家庭基本情况数据来源于对“两不愁、三保障”问题的考察，以产业就业扶持、医疗救助和危改项目为代表的扶贫政策落实情况可提供政府对贫困人口的实际帮扶数据，贫困人口对帮扶政策的认可程度可作为判别帮扶成效的参考数据（见图1）。

贫困村考察以村干部问卷访谈的形式，主要关注贫困村综合比率、基础建设与公共服务和集体组织考核等三个方面，围绕综合贫困发生率、通过产业就业扶持实现稳定增收的贫困户比率、村内基本文化卫生设施和村级组织等共9个指标开展，其中，综合比率是对贫困村退出考核的否决性条件，是村级指标数据的主要来源，村内硬件设施情况和村组织服务能力构成贫困村退出的补充数据，第三方统筹这三组数据源对贫困村能否退出作出科学评判（见图2）。

贫困县考察综合县域内脱贫成效，依据县级相关比率、政策落实情况和后续扶贫工作等三个方面，围绕贫困人口发生率、脱贫人口错评率、贫困人口漏评率和后续帮扶及巩固提升工作等7个指标开展，其中，“三率一度”是第三方评估考核贫困县能否退出的主要数据来源和数据依据，统筹贫困人口和贫困村扶贫政策落实情况作为县域内整体政策落实的数据渠道，政府出台相关贫困退出后帮扶政策或发展规划作为考核政府后续扶贫工作的内容数据（见图3）。

2.获取方式

扶贫数据的获取方式是指依据何种形式收集所需资料，目前第三方评估主要以专项调查、抽样调查和实地核查的方式为主，并通过不同调查方式获取对应模块数据。专项调查指就扶贫某一项目开展专门性调查，例如，以扶贫专项资金调查来获取扶贫资金使用数据、以驻村干部扶贫绩效调查来获取贫困村工作落实数据等；抽样调查是当前阶段精准扶贫第三方评估的主要形式，以简单随机抽样和系统抽样的方法，依据一定的抽样原则在贫困县或贫困村内抽取样本开展访谈调查，其围绕评估指标搜集扶贫资金的使用数据、扶贫项目开展数据和群众满意（认可）度数据等；实地核查是指到特定地点对需要复核的相关内容开展核实工作，是专项调查和抽样调查的补充。通过上述方式第三方评估获取扶贫数据，为展开后续工作提供数据支持。就H省而言，精准扶贫第三方当前阶段多采用抽样调查和实地核查相结合的方式，针对特定区域按照考核指标开展评估工作。前期抽取贫困人口样本作为扶贫数据主要来源，后期开展实地核查排除扶贫信息存疑问题，以确保整体数据的准确无误。

3.获取手段

扶贫数据的获取手段是指依据何种技术、方法进行所需资料的收集和整理。通常来讲，第一阶段，精准扶贫第三方评估获取数据在技术上运用GPS定位系统进行实时定位和位移追踪，依靠手机录音、拍照或录像的信息采集手段及时记录受访对象的信息。第二阶段，通过扶贫App、扶贫数据录入平台等在线系统将采集的信息上传至云端数据库。为保证数据的准确性和实用性，相关人员控制后台进行动态更新管理、问卷逻辑审查和重要指标核实工作。此外，随着大数据技术的成熟，政府部门贫困信息库和云计算资源库借助技术优势将扶贫信息数据化和直观化，降低了数据获取的难度，提高了指标量化的可操作性⑨，大数据资源库的共享性为第三方数据采集和挖掘提供数据支持，推动评估工作高效开展。

四、大数据与精准扶贫第三方评估间的缝隙及弥合对策

1.在实际操作层面存在的问题

大数据背景下精准扶贫第三方评估的主要任务是整合评估过程中的数据资源，创新数据管理和分析方式，通过扶贫数据对政府帮扶成效进行研判，但在实际操作层面仍面临诸多问题：

（1）数据获取手段造成误差

一是较为单一的受访主体会造成数据误差。第三方以贫困人群为主要访谈对象，信息量获取的多少在很大程度上取决于调查员与贫困人群的访谈深度，且在交谈过程中双方所持有的主观意愿会影响访谈质量，尤其是农户在个人观念和访谈环境等因素的影响下会选择性地回答问题，甚至做出虚假回应。

二是单一的访谈方式造成数据短缺。在评估中，调查员多以观察和问卷访谈的方式获取贫困人口信息，依赖问卷问题及机械性的问答方式仅能了解到贫困人口当前的家庭条件及改善状况，并整体把控得出定性结论，却无法判别能否预期脱贫或是否存在因病因残返贫的风险，导致评估效能较低。

三是随机性因素影响数据质量。例如，抽样入户和随意性访谈的方式并不能完全反映受访者的真实情况，也不能涵盖所调查区域贫困人口整体状况，同时也不排除政府人员操纵抽样数据和访谈对象的可能性，这严重影响评估过程的公正与客观。

总体来讲，简单机械的扶贫数据获取手段会造成数据误差，从而加大后期数据处理和政府扶贫工作成效研判的难度与准确度。

（2）数据处理方式传统单调

数据处理方式的传统单调表现为以传统的统计法和定性描述为主，虽能得出基本结论，但存在明显的缺点。首先，传统的数据统计法易造成数据失真，表现为较多地使用基础办公软件（如Excel），采用排序筛选的处理手段不但使得工作人员忙于处理表格耗费大量时间和精力，而且较容易因人为失误造成数据的错乱，以致不能保证处理后数据的真实可靠。其次，定性描述分析法不能确保精准性，表现为基于定性描述的研究方式主观经验性较强，且研究结论具有趋同性的特征。例如，贫困户脱贫和贫困村退出均以调查员依据问卷问题进行主观判断，弊端在于掺杂个人经验判断，虽有一定的后期统计数据作为辅助性证明，但评估结果主观性较强。传统单调的数据处理方式不能全面有效地分析评估信息，无法跟大数据技术下高效快速的分析过程相比拟，影响第三方对政府扶贫工作成效评判的科学性和可信度。

（3）数据开发应用能力较弱

扶贫数据的开发应着力于挖掘数据的内涵价值，以科学的数据模型提升扶贫工作的精准性和有效性，辅助政府进行贫困治理。目前，精准扶贫第三方评估数据开发与应用多用于单纯的政府绩效评价。例如在评估中，第三方后期数据分析多用于评估报告的撰写，报告内容也仅为围绕“三率一度”等指标进行的政府扶贫成效评价和具体存在漏评、错评问题的可参考农户情况，這对于辅助政府开展深层次贫困治理是远远不够的。数据开发应用能力弱还表现在重整体脱贫轻个体发展。对于贫困地区而言，整体脱贫指标的满足并不意味着个体发展得到保障，若不加强对贫困个体数据开发应用的深度和广度，必然导致精准扶贫第三方评估无法深度解析贫困户的致贫原因和提供供需匹配的帮扶措施，则贫困个体会随时面临返贫的风险，影响整体脱贫成效。总而言之，现阶段的第三方评估数据开发应用能力低、模式陈旧的弊端无法充分保障贫困人口持续性脱贫和辅佐政府开展贫困治理工作。

2.解决问题、弥合缝隙的对策

打赢脱贫攻坚战，第三方评估发挥着独特的作用。大数据技术的引用，将有效创新现有扶贫开发模式，实现精准扶贫和精准脱贫。面对以上问题，为更好地运用大数据技术实现第三方评估效能最大化，需要从拓展数据来源、创新数据处理方式和增强大数据技术预测能力等方面入手：

（1）拓展数据来源渠道，丰富数据获取手段

数据是评估的基础，大数据技术可拓展第三方評估扶贫数据来源渠道，丰富数据内容，为评估结果提供科学、多样的数据支撑。借助大数据技术可依靠以下三种途径：首先，利用大数据技术导入多方访谈主体。精准扶贫第三方评估应改变以往单纯将贫困户和村干部作为访谈主体的方式，将访谈对象扩展至引导员、非抽样村民、社会组织、民间团体和部分企业的相关人员，同时发挥大数据技术的数据挖掘算法功能，归纳不同访谈主体之间联系，构建多样化的数据模型，丰富数据内容的广度和深度。其次，大数据技术可创设更为科学的调查方法。传统的第三方评估多以访谈和问卷手段获取扶贫信息，但数据的信度和效度有待提高，而使用大数据技术设定特定的时间和空间范围，在观察、测量和记录的基础上形成积聚增长的半结构性和非结构性数据⑩，进而提高数据可利用价值，为后期分析提供类型多样的数据内容。最后，充分利用大数据信息共享平台。精准扶贫第三方评估可借助大数据信息共享平台整合各扶贫业务部门数据，结合多方数据做出科学评判。例如通过社保部门的医疗报销记录和教育部门的教育帮扶记录等数据资源的交互，第三方可获取贫困户医疗救助和教育帮扶内容，此种方式既可核实贫困人口访谈信息的准确性，又可实现基础数据对扶贫进程的动态监管，为第三方把控政府扶贫成效提供数据证明。

（2）创新数据处理方式，提高数据可操作性

以往的处理方式是将扶贫数据录入到Excel表中，运用统计分析和定性描述的方法对数据进行分析和归纳，但此种方法较为传统单一，并不能充分挖掘数据价值。创新数据处理方式，可利用大数据技术引入实时性处理和结构性分析，实时性处理意味着随时随地依据情况做出数据的增减变化，通过物联网、传感器等技术手段实现对贫困人口的动态监控，第三方应集合所收集的数据构建随贫困人口不同阶段而变化的动态数据库，保证数据的时效性。第三方可利用大数据技术排列组合不同名义的数据，通过可视化分析手段，深度挖掘它们之间的关系，通过表象看到本质联系，把握事物之间的相关性并做出直观的量化评价。例如，结合乡村医生入户走访和社保部门医疗费用报销统计数据测算因病致贫、因病返贫的潜在农户，为第三方考核政府医疗帮扶工作的评估提供事实证明。

（3）丰富大数据技术应用手段，增强数据分析预测能力

精准扶贫第三方机构可在原有数据分析手段的基础上，利用大数据建模与解读的技术优势，增加对多源大数据的分析对比、多元与多主体大数据的整合分析和数据动态跟踪等模块，提高对扶贫数据的应用能力。例如，通过以上手段可从扶贫数据中挖掘出隐含的致贫原因和贫困需求，辅助政府构建精准帮扶匹配模型，为贫困户提供有针对性的帮扶措施。

大数据技术的关键性应用价值在于分析预测，即通过对已有数据的深度发掘，实现对研究对象发展趋势的科学预测。在精准扶贫评估过程中，对于辅助政府贫困治理而言，第三方应整合全样本数据，搭建数据分析与预测模型，将贫困户家庭结构、贫困户致贫原因、政府扶贫政策落实等变量融入模型中，结合成效考核相关指标，对政府未来扶贫攻坚的工作方向和内容提出预测建议。对于推动贫困人口持续性发展而言，第三方应借助大数据技术动态追踪贫困人口发展现状，并将其数字化和镜像化，综合运用分析手段前瞻性地预测贫困趋势、脱贫能力和返贫风险，及时精准地为贫困人口提供帮扶。此外，精准扶贫第三方评估更为深层的目的在于提升政府扶贫成效，第三方评估要在大数据预测技术基础上研究脱贫成效巩固提升的对策方案，为政府完善自身工作和制定扶贫发展规划提供科学依据。

总之，大数据技术的广泛深入应用，能够实现第三方评估的过程优化和结果精准性提升，对考核政府工作成效和助力贫困地区脱贫攻坚具有重要意义。随着大数据技术的不断进步，日益充盈的数据资源和新兴的数据处理技术将会为精准扶贫第三方评估的发展与完善注入新的活力。

注释：

① 宋林霖，何成祥：《大数据技术在行政审批制度改革中的应用分析》，《上海行政学院学报》2018年第1期，第72-80页。

② 王春城：《政策精准性与精准性政策——精准时代的一个重要公共政策走向》，《中国行政管理》2018年第1期，第51-57页。

③ 汪三贵，刘未：《 “六个精准”是精准扶贫的本质要求──习近平精准扶贫系列论述探析》，《毛泽东邓小平理论研究》2016年第1期，第40-43页。

④ 徐双敏：《政府绩效管理中的“第三方评估”模式及其完善》，《中国行政管理》2011年第1期，第28-32页。

⑤ 燕小凡：《大数据背景下贵阳市公共政策第三方评估研究》，西南大学硕士学位论文，2017年。

⑥ 莫光辉，张玉雪：《大数据背景下的精准扶贫模式创新路径——精准扶贫绩效提升机制系列研究之十》，《理论与改革》2017年第1期，第119-124页。

⑦ 陈潭：《大数据驱动社会治理的创新转向》，《行政论坛》2016年第6期，第1-5页。

⑧ 丁翔，丁荣余，金帅：《大数据驱动精准扶贫：内在机理与实现路径》，《现代经济探讨》2017年第12期，第119-125页。

⑨ 谭韶生，王世峰：《大数据平台在精准扶贫过程中的应用与实践研究》，《信息与电脑》2017年第15期，第124-125页。

⑩ 苏玉娟：《比较视域下大数据技术的社会功能探析》，《安徽行政学院学报》，2015年第5期，第104-107页。

王全志，隽海民，钟绍鹏，赵胜川：《基于大数据的大学校园停车系统规划——以大连理工大学凌水主校区为例》，《交通运输研究》2017年第2期，第37-45页。

封清云，郭炯，郑晓俊：《大数据支持的甘肃省教育精准扶贫科学决策研究》，《电化教育研究》2017第12期，第21-26页。