机遇、挑战与选择：大数据时代的精准扶贫

■ 罗 敏

（厦门大学公共事务学院，福建厦门361005）

全球知名咨询公司麦肯锡 (MGI)在2011年5月发布了一份题为《大数据：创新、竞争和生产力的下一个新领域》的深度研究报告，并认为大数据 (Big Data)已经渗透到全球每一个行业和业务职能领域，逐渐成为重要的生产因素，大数据的时代已经来临。正如维克托·迈尔-舍恩伯格(Viktor Mayer-Schönberger）和肯尼斯·库克耶（Kenneth Cukier）在其合著《大数据时代：生活、工作与思维的大变革》中所描述，“大数据就像望远镜让我们能够感受宇宙，显微镜让我们能够观测微生物一样，正在改变我们的生活以及理解世界的方式，成为新发明和新服务的源泉”[1]。在信息大爆炸的时代，大数据正在深刻地改变着人类传统的政治生活、经济生产、社会生态。美国著名学者史蒂芬·E.弗兰泽奇 (Stephen E.Frantzich)在其著作《技术年代的政党》中提出，“信息传输是政治技术的核心要素，是政党的面包和黄油，……，敲击大量的、复杂的数据库，来预测投票模式的能力当然要比对投票的瞎猜更加引人注目”[2]。美国作为最早发现和使用大数据科学价值的西方国家，早在2012年3月奥巴马政府就将“大数据战略”提升为国家战略，用以提高美国企业的国际竞争力和拉动美国经济的发展，可以说大数据的应用与推广成为了不可逆转的全球性大趋势。

当前，中国学界对大数据的研究与应用主要集中于对大数据的市场价值和社会意义进行了相关的探讨。从大数据的基本特征出发，有学者认为，大数据是一种国家战略性资源，它具有高度复杂性、政府决策有效性、数据规模扩大性、市场价值稀缺性、社会功能多样性等特征，并且大数据技术是促进扶贫开发“精准”的必要动力[3]。从大数据的安全保护出发，有学者提出，对于大数据扶贫的分析需要辩证地理解大数据挖掘带来的数字身份保护、隐私丧失、可及性损失、安全失控、数字鸿沟等风险[4]。从大数据的精准内涵出发，有部分学者认为，以“全部数据”代替随机抽样的“样本数据”思维在扶贫开发领域具备真正的精准内涵，而且以大数据分析、云计算为技术手段的精准识别、精准实施、精准监管等过程中将会在很大程度上保证扶贫开发的准确性[5]。由此可见，大数据技术在精准扶贫领域的运用得到了较为广泛的认同，“大数据+精准扶贫”成为了当前扶贫实践应用的可能。2015年9月，中国国务院印发了《促进大数据发展行动纲要》，明确提出了要加快大数据的应用与发展，并且将甘肃省列为国家扶贫办全国大数据平台建设试点地区，在全国率先开启了探索建设精准扶贫大数据管理平台[6]。实践证明，在扶贫攻坚领域通过“大数据+精准扶贫”的模式为当前扶贫开发工作提供了新思路，为扶贫实践中的贫户精准识别、干部精准选派、规划精准实施、政府精准监管管带来了全新的机遇。但尽管如此，大数据在精准扶贫实践中的运用与推广，同时也遭遇技术创新、数据安全、人才培养、管理决策、资金投入等诸多挑战。在机遇和挑战并存的大数据时代，如何抓住机遇、规避挑战，实现“大数据+精准扶贫”的国家战略成为了政府扶贫实践工作无法逃避地现实问题。

一、大数据时代精准扶贫的崭新机遇

人类从传统的农业社会走向现代化的工业社会，再走向大数据时代的信息社会，大数据的应用便是当代社会的重要表征。可以说，大数据正在逐渐地转变政府、市场与社会三者之间的关系。在大数据时代，公民、国家和社会深受大数据的影响，作为连接公民与国家、社会与国家的纽带，大数据为精准扶贫创造了崭新的机遇。

（一）大数据有利于贫户精准识别

大数据扶贫是精准扶贫适应中国社会新常态的减贫、扶贫、治贫新模式。在粗放式扶贫实践中，贫户的识别往往受限于人力、财力和物力，基层政府对贫困户的识别采取的是人工数据采集和抽样调查的方式，这种粗放式的识别方式必然会出现贫困人口信息的偏差，导致政府扶贫的对象不准，真正贫困的人群享受不到国家给予的相关资助。“大数据+精准扶贫”的实践模式，一方面，政府可以轻而易举地获取大量的数据，改变了以往靠样本数据分析的不足，贫困户识别不准的诟病；诸如2015年6月，甘肃省委、省政府印发的《关于扎实推进精准扶贫工作的意见》并提出，将运用大数据技术对6 220个自然贫困村、417万贫困人口进行实名登记，通过分析整理其致贫原因，准确了解贫困户扶贫需求，不仅实现了对扶贫对象的精准识别，还确保了第一手扶贫数据信息的真实性。另一方面，通过为贫困户建档立卡的方式，综合分析和评估贫困家庭的各项指标数据 （诸如：家庭成员平均年收入、家庭住房状况、医疗卫生状况、子女教育情况，等）确保贫困人口的精准识别，并在规定的时间内进行公示，这样不仅防止了贫户数据的隐瞒、造假，还极大地提升了大数据扶贫的实效性。因此，“大数据+精准扶贫”给政府扶贫攻坚领域带来了崭新的机遇。

（二）大数据有利于干部精准选派

精准扶贫的首要问题就是要最大限度地满足贫困人口的需求，通过动态的贫困人口信息系统或贫困人口数据库，深度分析和了解贫户所需，进而选派扶贫“第一书记”或者“专业书记”，充分发挥扶贫干部的优势。通过云计算、物联网、大数据平台，政府不仅要建立扶贫对象数据库，还要建立扶贫干部数据库，并且要及时更新两大数据库，在一定时期内，综合评估考量扶贫干部和扶贫对象，确保扶贫干部队伍的专业性，加快贫困乡村“摘帽”和贫困人员脱贫。除此之外，政府还可以通过对扶贫大数据的分析，举办产业和就业扶贫业务的专题培训，譬如培育“企业+贫户”专业合作社、举办农业知识培训班、拓宽农村剩余劳动力输出渠道等。简言之，大数据运用于扶贫干部的选派和培训是对口帮扶工作的两大基础性环节，为扎实推进大数据时代的精准扶贫、精准脱贫、精准帮扶提供了坚强的组织保障。

（三）大数据有利于规划精准实施

在通过大数据精准识别贫户基本信息之后，如何因地制宜地将政府的扶贫规划精准实施成为了扶贫干部最棘手的难题。在大数据时代的背景下，政府在推进精准扶贫实践过程中必须运用“大数据”思维、掌握“大数据”技术、普及“大数据”知识，进而有效规划、精准施策。产业扶贫作为中国扶贫开发工作的重要路径之一，如今“互联网+产业扶贫”的模式成为了国家精准扶贫不可逆转的新常态。一方面，产业化精准扶贫借助“互联网+”平台有利于拓宽贫困地区特色产业（诸如：特色农业产品、特色旅游项目，等）发展的渠道，从而提高贫困人口的收入帮助贫户脱贫致富；另一方面，立足于大数据、云计算、物联网等信息技术平台，依靠信息技术实现扶贫干部与扶贫规划“一对一”的精准决策，结合大数据的合理预测，确保政府扶贫规划科学地实施。

（四）大数据有利于政府精准监管

美国学者卡斯·桑斯坦 (Cass Sunstein)在《简化：政府的未来》一书中指出，“如果没有政府的有效监管，也就不会有自由市场和财产私有制”[7]。换句话说，如果政府什么都不监管，那么任何国家制度或法律规定都不可能得到合理的维护。不可否认的是，有效地政府监管可以促进社会的公正和公平，维护整个社会的正常秩序。亦如在扶贫领域，政府的有效监管可以确保扶贫信息的准确、可靠、实用性强。大数据时代的精准扶贫可以有效地将扶贫对象、扶贫资金、扶贫信息纳入到大数据平台，政府可以通过大数据平台实现对农村精准扶贫工作全面地、系统地、动态地监督管理。另外，通过对大数据平台的监管，综合考评下级单位或个人的扶贫工作成效，并建立扶贫主体晋升淘汰机制和扶贫对象准入退出机制。因此，在精准扶贫实践过程中，政府要充分借助“互联网+”、云计算、大数据平台等信息化扶贫开发理念和技术性扶贫开发手段实现对各级扶贫单位或个人的精准监管。

二、大数据时代精准扶贫的现实挑战

作为一种新生领域，尽管“大数据+精准扶贫”意味着扶贫攻坚的崭新机遇，拥有着巨大的实践意义和应用价值，但同时“大数据+精准扶贫”也遭遇着技术创新、数据安全、人才培养、管理决策、资金投入等诸多领域的大挑战。

（一）挑战一：技术创新

当前，我国“大数据+精准扶贫”主要存在着扶贫大数据资源准确性不高、完整性不高、标准化不高及应用价值不高的情况，由于扶贫数据信息需要不断地传递，这就使得数据信息传递的过程中内耗过大，且数据信息有失真的情况发生，如何获取和挖掘应用价值较高的扶贫数据资源、克服扶贫数据的失真或损坏是我们要急需突破的技术难题。另外，即使我们能够获取庞大的扶贫数据资源，而对这些数据的归类、提炼、处理、分析始终是我们要克服的技术问题，来自技术上的不足，面对海量的数据信息必然要耗费大量的物力、人力、财力，且难以为精准扶贫决策者提供可靠、有价值的参考信息，结果造成“数据灾难”。迈入大数据时代，人们纷纷鼓吹大数据蕴藏的巨大价值，却鲜见大数据在精准扶贫实践中运用成熟的模式和方法。面对每天不断增长的扶贫数据，缺乏对大数据价值逻辑分析的能力与大数据技术创新的能力正是大数据时代背景下精准扶贫要面临的挑战。

（二）挑战二：数据安全

“大数据+精准扶贫”的实践过程中，大数据处理仍然面临着“数据资源不完善、数据分析时间较长、应用中的安全与隐私保护问题和高能耗”[8]等诸多挑战。不可否认的是，在大数据扶贫时代，一方面，大数据在精准扶贫实践中的运用给人们带来了许多便利和优势，但另一方面，由于扶贫数据在管理上依然还存着诸多漏洞，导致扶贫数据信息极易被网络不法分子或者“黑客”盗窃、篡改和利用，诸如网络诈骗、网络信贷等。另外，由于大数据散发着极具诱惑性的利益价值，再加上数据信息采集的手段越来越便捷、隐蔽和高超，在“大数据+精准扶贫”实践过程中，政府对于扶贫对象个人基本信息的保护，无论在扶贫数据技术处理、信息存储、利用等方面，还是在对扶贫大数据法律法规上都涉及不多。在这种状况下，人们面临着无休止的数据安全骚扰，诸如某地方政府以短信的方式通知扶贫对象领取国家扶贫救助金，扶贫对象按照短息的要求点击了相关链接，结果使得扶贫对象陷入了不法分子的圈套，使得扶贫对象对当地政府大失所望，进而造成地方政府与扶贫对象不可调和的矛盾和冲突，最终导致大数据扶贫的绩效大打折扣。可以说，大数据精准扶贫，数据信息安全的保护，既是社会大众应该着重考虑和思考的难题，还是政府责无旁贷的，而且大数据应用与推广的前提条件是数据的开放与共享，因此扶贫数据的开放与隐私如何平衡以及数据信息安全如何保护将是大数据时代精准扶贫的一个重大挑战。

（三）挑战三：人才培养

“大数据+精准扶贫”不仅有助于提升政府精准扶贫的针对性与实效性，还体现了对帮扶主体可行能力的否定[9]，甚至可能促成扶贫对象出现“由于帮扶带来的不努力改善自身生计水平的集体负向激励”[10]。反思大数据时代的精准扶贫，其受制于大数据、云计算、物联网等技术人才的支撑，致使扶贫实践过程中可能出现数据信息不对称、真伪难辨等困惑，难以达到精准扶贫的效果。可以说，大数据时代的精准扶贫每个环节都需要依靠技术人才才能较好地完成，诸如扶贫数据信息的获取、处理、分析、反馈等环节。但就目前而言，政府对于大数据、云计算、物联网等技术人才的培养意识不够，培养的目标尚不明确，用于技术人才培养的专项资金严重不足，导致“大数据+精准扶贫”实践中十分紧缺有关大数据、云计算、物联网等方面的技术人才。换句话说，如果把“大数据+精准扶贫”每个环节组成的大数据集合比喻成一头狮子，那么政府必须要有能够完全驯服这头“狮子”的驯兽师，这在精准扶贫实践领域就是我们通常所描述的大数据专业性人才，而当前精通大数据技术的国内精英少之又少，这势必造成大数据扶贫实践的滞后。因此，“大数据+精准扶贫”不仅仅是技术和工具的问题，关键还是大数据、云计算、物联网等技术人才培养的问题。

（四）挑战四：管理决策

“大数据+精准扶贫”本质上就是一场扶贫攻坚管理与决策社会大革命。大数据时代的精准扶贫绝不是纸上谈兵、“经验式”管理实践，而是以“数据信息”为核心的管理革命。在精准扶贫领域，大数据的技术挑战、人才挑战、资金挑战都是显而易见的，但其带来的决策挑战更为艰巨。“大数据+精准扶贫”尤为重要的方面，就是用“数据说话”替代组织领导作决策，使得决策更具可行性和可操作性。在当前扶贫大数据非常有限、成本高昂，再加上很多贫困地区，尤其是贫困山区还没有被“数字化”完全连通的区域，一个组织内部能够作出重大决策的人，基本上都属于典型的位高权重的人或者由组织内部外聘拥有专业技能的国内知名智囊。但是，在当下的精准扶贫实践过程中，扶贫主体 （驻村干部或“第一书记”）的决策仍然更多地依赖决策者的个人经验和决策直觉，而并不是基于数据信息。从深层次看，大数据时代的精准扶贫，在重大决策时不能单凭某些或某个人的经验，而是要充分运用数据思维拿“数据说话”，并且大数据技术要与扶贫管理模式或架构相匹配，但这也是目前大数据扶贫最难跨越的一道坎。

（五）挑战五：资金投入

21世纪的今天，大数据技术是信息革命或说是“数据革命”中最重要的一环，它将开启全球新一轮的产业升级和经济转型，是一个国家或地区提升综合能力和核心竞争力的关键性技术资源。对于中国而言，在此次全球性的“数据革命”浪潮中，不仅缺乏大数据技术的关键性技术要领，还严重缺乏充裕的资金保障，导致中国应用于精准扶贫实践中的大数据技术“大”而不“精”，在耗费大量国家资源的同时，使得大数据扶贫的实效也大打折扣。事实上，无论是云计算技术或物联网技术还是大数据技术，只要是将这些技术运用到精准扶贫实践中，那么都有一个话题绕不开，就是资金的支撑。由于扶贫项目资金的属性为公共财政支付的方式，并且大数据基础设施、大数据技术研发、大数据获取与处理等都需要巨额的资金投入，再加上社会组织参与精准扶贫的积极性不够，政府给予社会扶贫组织、第三方扶贫组织的发展空间和政策支持不足，诸如扶持社会组织参与精准扶贫的体制机制不完善、扶贫项目投融资渠道不畅、信贷业务存在政策“真空”等现象，无疑给大数据扶贫的技术创新、人才培养、管理决策带来了重大的挑战。

三、大数据时代精准扶贫的选择路径

在机遇与挑战并存的大数据时代，政府需要不断地加强大数据扶贫的技术创新、提高大数据扶贫的安全系数、培育大数据扶贫的专业人才、规范大数据扶贫的管理模式、完善大数据扶贫的制度机制，只有这样大数据才能进一步促进精准扶贫的时代转型，实现国家“大数据+精准扶贫”的战略目标。

（一）加强大数据扶贫的技术创新

大数据技术的运用、发展与创新是推动大数据扶贫良性发展的灵魂。完善贫困地区的网络基础设施建设是大数据扶贫技术创新的基础，当前各级政府都在部署“宽带进村”行动战略，大力发展4G网络全覆盖工程，以拓展贫困地区与外界的信息交流与互动。如果将大数据比作石油，那么大数据分析工具就是勘探、钻井、提炼、加工的技术[11]。事实上，大数据扶贫实践中，扶贫大数据在大数据技术运用平台基本内容包括数据勘探、数据分析、数据建模、数据挖掘、数据提炼、数据决策六大部分 （如图1所示），每个环节都离不开大数据技术的运用与创新，只有掌握每个环节大数据的关键技术，才能将数据资源转化为精准扶贫实践领域所需社会价值。一方面，学习和借鉴国际上大数据技术比较成熟的商业运营模式，将海外成熟的大数据建模分析技术运用到国内精准扶贫实践中去，并支持大数据关键技术的研发、专利的申请、科技成果的转移与转化，加强技术专利或科技成果的知识产权保护，进一步加大技术升级与技术创新的力度，重点攻克诸如数据可视化分析、数据算法分析、数据预测性分析等大数据核心技术问题；另一方面，组建大数据技术与应用一体化的科研团队，并聘请国内外大数据专家与大数据技术精英为精准扶贫提供智力支持，对贫困区域构建具体的、可行性较高的大数据模型，以促进大数据技术在精准扶贫实践层面的创新。

（二）提高大数据扶贫的安全系数

图1 大数据技术运用平台

任何技术都是一把双刃剑。毋庸置疑，“大数据+精准扶贫”模式给中国扶贫事业带来了全新的机遇，一定程度上来说，“大数据+精准扶贫”的价值 （如图2）极大地改善了当前我国农村“粗放式”扶贫的不足，但尽管如此，扶贫大数据的开放、共享与隐私的平衡却成了如何保护大数据安全的重大难题。然而，大数据应用与推广的前提，即大数据的开放与共享，这已经是共识。随着云计算、物联网、大数据等技术的飞速发展，大数据时代的精准扶贫尤其要关注大数据环境下不同利益相关者数据交易、扶贫对象隐私保护等关键问题，推行梯度立法，把扶贫数据的开放、交易与共享纳入到法治化的轨道[12]。一方面，政府要在立法方面做出更多的努力，完善数据信息保护的立法，避免数据信息泄露产生的违法犯罪，建立网络信息安全动态保护机制，在促进数据信息共享的同时，必须推行数据信息360度全方位的保护措施。另一方面，构建以国家扶贫数据信息库为核心的信息安全生态圈，为精准扶贫提供基于“你的发现即我的防御”的协同安全价值，并为大数据扶贫提供“自主、可控、可信”的信息安全解决方案。除此之外，对于大数据安全的保护必须树立控制自身数据信息的权利，并在每个功能区设定权限和密码，政府要重视对敏感数据信息的监督与管理。

图2 “大数据+精准扶贫”的价值

（三）培育大数据扶贫的专业人才

在大数据时代，专业人才的因素是大数据扶贫最大的制约，对于大数据技术专业人才的占有，直接决定了精准扶贫能否抢到数据扶贫的先机，能否抓住大数据时代发展的契机，真正将“大数据+扶贫”力量转变为精准扶贫的实际效果。因此，“大数据+精准扶贫”实践中专业技术人才的培养是关键，这就需要政府、社会、高校和企业共同努力去挖掘与培养。

从长远的利益来看，无论是政府和企业，还是社会和科研院校都离不开产学研一体化大数据技术人才培养模式 （如图3）。所谓产学研，即企业、高校和科研机构之间相互协同、相互合作加快专业人才的培养和促进专业技术的创新。一方面，筛选出既有大数据、云计算、物联网等技术知识，还有精准扶贫实践经验的人才，通过“政府+企业”的合作型模式强化大数据专业人才的培训，为“大数据+精准扶贫”输送高质量的智力支持。另一方面，企业通过面向高校招聘有大数据技术研究潜质的应届毕业生，深化其对大数据、云计算、物联网等技术的理论认识与实践应用，保证大数据技术人才培养的可持续性。需要说明的是，产学研一体化大数据技术人才培养的关键在于企业、学校和科研机构之间优势互补、互惠互利，诸如学校作为企业人才输送的基地，反过来企业为高校学生提供实战的机会，通过二者之间的协同合作达到技术创新和人才培养的目标。

图3 产学研一体化大数据技术人才培养模式

（四）规范大数据扶贫的管理模式

“大数据+精准扶贫”目标就是解决以往单凭经验决策的“粗放式”扶贫模式，进行一场前所未有的以“数据信息”为核心的管理革命。大数据时代的精准扶贫工作是一项需长期攻坚的系统化工程，要在构建扶贫指标体系目标的前提下不断地探索和规范“大数据+精准扶贫”的管理模式（如图4）。

图4 “大数据+精准扶贫”管理模式

首先，要构建不同阶段的扶贫指标体系目标，将扶贫指标体系的子目标转交给大数据扶贫中心，根据扶贫区域和扶贫对象的实际情况，并获取、挖掘、分析和处理扶贫大数据，构建符合实际情形的扶贫大数据模型。其次，通过对扶贫大数据模型的可行性做综合分析评估，一方面如果综合分析评估通过则将评估结果与建议推送给领导信息决策中心，然后领导信息决策中心作出最终的决策与调整，进而实现大数据扶贫的目标；一方面如果大数据模型可行性综合分析评估没有通过评审，那么还可以通过反馈，进而促使扶贫大数据模型的重建，直至大数据模型可行性评估通过。最后，在整个“大数据+精准扶贫”管理模式的实践过程中，不仅需要云计算、物联网、大数据的技术保障，还需要诸如顶层设计、技术元、基础信息、数据源、服务体系化等诸多因素的支撑。简言之，“大数据+精准扶贫”的管理模式必然是要实现由“经验主义”的决策模式转向以“数据理性”为核心的大数据扶贫管理模式。

（五）完善大数据扶贫的制度机制

大数据在精准扶贫实践中所带来的挑战与风险并不能归咎于大数据本身，如何规范和完善大数据精准扶贫的制度机制才是规避挑战与风险的价值逻辑。由于制度带有长期性、根本性、稳定性和全局性[13]，那么必须进一步完善大数据扶贫的制度机制，以促进大数据在精准扶贫实践中的运用、推广与共享。首先，建立大数据扶贫的统筹规划机制，将不同部门、不同机构的共识与分歧、利益与冲突进行整合，实现大数据信息资源的共享、人才共享、大数据技术共享，形成“大数据+精准扶贫”的合力。其次，完善领导负责制，进一步健全行政审批“终身负责制”，推行“谁审批，谁担责”，必须将监督和问责纳入法治化的轨道，确保各项大数据扶贫实践工作科学高效运行[14]，形成职责明晰、协同合作的大数据精准扶贫格局。与此同时，要加强大数据安全立法，从保护数据信息安全与隐私层面出发，以“法”规范大数据信息的安全，并构建大数据扶贫动态评估考核机制，推动扶贫过程的公正透明。诸如，贵州“扶贫云”平台依托大数据技术、物联网技术、云计算技术能力将贫困户的相关信息加以量化，建立包含18项48个小指标在内的脱贫指标体系，通过相关部门对指标的评估考量输出贫困户的脱贫指数:60分以下评定为确系贫困，60～80分评定为潜在贫困，80分以上评定为已经脱贫，并将脱贫指数作为扶贫对象识别的参考标准。再次，引导与鼓励公益组织、第三方组织等社会组织积极参与大数据扶贫的实践中来，为政府与社会组织在数据源、技术源以及管理方、资金方、投资者之间搭建合作的桥梁。大力发展“互联网+产业扶贫”、电商扶贫、数字教育扶贫等大数据扶贫模式，争取社会各界的人力、物力和财力的支持，持续加大数据扶贫融资信贷服务并拓宽大数据扶贫的融资渠道，加快解决大数据扶贫资金不足的状况。

四、结论与讨论

2008年，世界上最早的国际性科技期刊《Nature》推出了Big Data专刊，由此引发了全世界对大数据的关注。近年来，基于云计算、物联网、大数据技术在中国市场的兴起于发展，中国政府提出在相关领域推行“互联网+”行动，实现大数据的创新性与实践性发展。从政府方面而言，尽管在国家层面政府对大数据的创新性发展给予年高度重视，但是对于大数据在精准扶贫领域的技术创新、数据安全、人才培养、管理决策、资金投入等方面给予的力度依然不足；从社会领域而言，构建社会良性发展的大数据技术生态环境是有效应对大数据技术安全挑战、开放风险、发挥好大数据价值的主要出路，需要社会各界包括互联网企业、IT行业、工业界、科技界以及政府相关部门在国家法治框架下的共同努力，通过打破大数据行业壁垒、成立大数据共享联盟、制定大数据质量评估标准、构建大数据技术专业组织、协同保障大数据信息安全等途径，实现和谐的大数据扶贫生态，促进大数据扶贫向数字化贫瘠与信息化薄弱的贫困区域延伸。