时序数据与实时智能技术对科技计划创新管理的作用机理研究

刘晋霞，许 超，刘晋钢

（1.太原科技大学 经济与管理学院，山西 太原 030024；2.山西省产业技术发展研究中心，山西 太原 030001；3.太原工业学院，山西 太原 030008）

一、引言

在科技计划管理方面，自2014 年以来，国务院先后印发《改进加强中央财政科研项目和资金管理的若干意见》（国发〔2014〕11 号）[1]和《深化中央财政科技计划（专项、基金等）管理改革方案》（国发〔2014〕64 号）[2]，推出了若干有关科技计划管理的改革方案。在改革方案中，明确时间节点、积极稳妥地推进国家科技管理平台（以下简称“平台”）的使用，切实从顶层设计上进行优化整合，同时建成了中央财政科研项目数据库，为时序数据和实时智能等智能技术的引入提供了可能。通过国家科技管理平台的应用，有助于信息公开、数据共享，打破各部门之间分而治之的局面；不仅快速收集数据成为可能，还为各部门沟通提供了快速通道，为科技计划管理迈入数据时代奠定了基础。

现阶段推行的国家科技管理平台不足以实现职责清晰、协调衔接的管理体系[3-4]，通过该平台试图构建决策、咨询、执行、评价、监管的智能管理平台。目前，在该平台上尚未引入时序数据和实时智能等技术，可否引入，如何引入智能技术？可否通过引入大数据（Big Data，简称BG）、人工智能（Artificial Intelligence，简称AI）等技术，规划好数据流、信息流和工作流，实现科技计划管理升级？本文通过相关政策和改革方案研究，分析了引入BG、AI 等技术的可能性；从生产力和生产关系的作用关系，解释了BG、AI 等技术引发科技计划管理变革的必然性；通过深入剖析时序数据、人工智能技术与科技计划管理的作用关系，阐明其相互作用的内在机理。

二、科技计划管理现状分析

近年来，随着我国科技投入总量和强度的大幅度提高，科技计划管理也呈现出一些问题。从创新管理的角度，保证科技计划管理采用新技术、新方法；并结合当前政策和标准，可将目前的问题归纳为以下三个方面。

（一）科技资源配置优化与否缺少量化标准

作为统领科技创新发展的重要载体，科技计划管理发挥引领和指导作用。国发〔2014〕11 号文件提出了对中央各部门管理的科技计划（专项、基金等）优化整合，在顶层设计上避免了资源配置分散，但仍不能有效发挥市场和产业需求在资源配置中的作用，不能保证政府、市场和产业的协同，高效地优化配置科技资源。尤其是对科技资源配置的优化程度没有量化的衡量标准。科技资源配置是将有限的科技资源应用在最需要的领域，实现最大的产出，提高资源的利用率。但如何衡量是否高效利用科技资源，它的具体目标和参照标准是什么？对于这一问题，既没有明确的指标体系，也没有量化的标准。科技资源配置本应有所侧重，孰重孰轻、孰徐孰急不能一概而论，但无论是基础研究还是重大项目，投入了多少资源，有哪些科技产出，可以从短期、中期、中长期甚至长期有一系列的比对指标，分行业、分部门从不同维度给出一个量化的解析。

（二）科技计划监督管理不健全

科研群体属高知人群，他们对知识的认知程度较高，但并非完全自律；故对于他们的研究工作、研究进度、研究成果需有对应的监督、约束及考核。这些年，科研行为失范、科研经费滥用，严重破坏了科研风气，浪费了科研资源。造成这种现状的原因，虽然在一定程度上是可归因于市场经济的冲击，社会普适价值观的影响，但更直接和客观的原因是科研管理机构的监督管理和约束管理的缺失。虽然科研管理部门并非形同虚设，但在具体的项目管理和过程管理中的确存在着许多疏漏甚至空白[5]。

（三）科技计划管理中信息不流通

当前科研信息不仅没有实现合理流通，甚至不够公开。一个研究项目稍做改写，可向不同部门申请经费；不仅可以申请来自国家不同部门的经费，还可以申请省级不同部门的多项资助，这都是各部门信息不公开、信息保密导致的结果。再如，财政部只负责财政拨款，但并不验收课题的完成情况，但当验收课题不合格时，项目资金已消耗殆尽，这是信息的不合理流通导致的。信息不公开，给科技资源的重复配置和项目的暗箱操作提供了机会；信息不合理流通，导致了项目的实施监管失控或滞后，从而造成了科研资源的极大浪费。

三、科技计划层级管理模式不适应大数据时代的管理要求

科技计划管理经历了建国初期的专家管理模式、集中式管理模式，和改革开放以后的干预式管理模式、分散管理模式和准经济管理模式；它们体现了不同历史时期科技计划的目标导向，在特定的历史时期，促进了我国科技事业的发展。但长期以来形成的层级管理模式，导致了信息屏闭，部门墙、官本位，组织管理模式封闭、机制僵化，危机意识淡薄，组织气氛沉闷，工作流程冗长，严重制约了管理的效率。而科技计划管理中目前出现的这些问题，本质上是现有的层级管理模式与快速发展的智能技术的冲突；而智能技术的引入可从根本上突破这种层级科技计划管理模式的制约和束缚。

（一）现有的科技计划管理模式导致决策的片面性和高决策成本

现在的科技计划管理模式是从上到下的层级结构组织模式。从部门管理者到职员，层级越高的管理者，所掌控的信息越多，能够行使的权力越大，部门管理者是该部门的信息汇总者，也是部门的最高决策者。但他的决策是依赖本部门的信息资源，这就导致了决策依据不全面，重心高，层序多，审批环节繁琐，这种决策方式与大数据时代的快节奏相悖。如果智能技术植入到科技计划管理中来，数据采集、数据分析及数据预测都由机器来完成，那么以前一个部门耗时耗力完成的工作，如今只需一个智能终端来完成。不仅可以在较短的时间内实现对现有信息的鉴别，还可以保证信息采集的全面性；结合智能算法直接做出更加合理的判断或者决策，这样既减少了人力成本，也缩短了决策时间，解决了机构对外部信息反映迟缓、慢速决策等问题，同时也使得决策和判断更加科学、合理。

现有的科技计划管理还没有引入智能技术参与到科技资源的配置和决策中来，但面对大数据时代每秒产生数以百TB 的数据量，如果不利用智能技术，就不能快速完成对数据的分析处理。有人会说，科技计划管理的信息量没有那么大，不需要引入智能技术，这种认识是片面的、短视的。科技计划决策应该是通过对前沿技术、市场动态和产业需求的一种全方位的综合思考分析而做出的科学决策。如不引入智能技术，我们只能片面地感知某一方面，很有可能导致决策的片面性和误判，从而导致科技资源配置不能有效发挥市场和产业需求在资源配置中的作用。从数据获取角度上讲，因为政府对市场和产业数据难以全面、及时、准确获取，信息滞后，所以很难保证政府、市场和产业的协同优化配置科技资源。

（二）现有的科技计划管理模式不利于各部门之间的协同

现有的科技计划管理模式封闭、僵化，各部门分而治之，无法实现协同。这是长期以来的层级制管理模式导致的，就组织内部运行而言，以行政权力驱动，以领导为中心，这自然形成了官本位，人浮于事的态势。表面上组织内部人员都很忙、很累，但他忙于服务领导的意愿，这种制造工作不创造价值的人充斥于组织，故不作为、慢作为、假作为、乱作为的人消耗了组织内部元气，导致不创造价值，或者说不能有价值地工作。从而部门和部门之间不配合、不协同，各自为政，导致科技计划管理工作流程冗长、不畅。

大数据时代需要的是跨部门、跨职能的平行合作，要打破部门边界，加强沟通合作，改变原本分散的部门关系，从行政权力驱动转变为数据驱动，形成数据分享机制，让信息在各部门之间合理流通。新的组织管理形式应该是协同的，各部门之间拥有共同的目标，能激发员工的内在动力，方便直接沟通、多样化协作，形成有效的信息流、工作流，促使各部门之间工作的衔接，从而形成合力。

（三）新的生产力改变生产关系

自《经济学人》把数据比作新时代的石油，数据就充当了新的生产资料。如果把大数据看作新的生产资料，那么数据挖掘、人工智能技术则是用于开发生产资料的生产工具，所生产的产品可以是一份数据分析报告或是类智能的决策建议，与以往时代截然不同的是产品的类智能特性。工业时代解放了人类的四肢，人们不用再去简单重复低技能、重体力的劳动；而随着大数据和人工智能的发展，数据时代必将会解放人类的部分脑力劳动，人们不必再去手工收集数据、分析数据，重复这类庞大数据体量的智能劳动。

大数据作为新的生产资料，数据挖掘、人工智能作为新的生产函数，这是一种从来没有过的生产要素和生产条件的新组合，将之引入生产体系后，它的智能特性将极大地提高社会生产力，并会影响与之相作用的生产关系。而作为引领第一生产力的科技计划管理，如果从顶层设计引入大数据思维，把数据采集、数据处理、数据分析等一系列以前由管理者去完成的高级智能活动交给机器去实现，这将从根本上打破原有的科技计划管理模式。

四、时序数据和实时智能技术与科技计划管理的作用机理

传统的未引入时序数据和实时智能技术的科技计划管理是以人为主体的管理模式，而引入时序数据和实时智能技术的科技计划管理也并非是全机器化管理，而是人与智能平台的有机结合。

（一）时序数据的价值作用

互联网、移动互联时代改变了数据的获取方式，几乎所有的数据都在线，且可被记录和分析。这是以前所没有的时序数据资源，它源自不同渠道、不同时间的记录，从以前的抽样数据转变为全样本时序数据。大数据时代改变了获取数据的方式，这决定了数据自身具有价值，时序数据资源犹如一座金矿。而通过时序数据则可得到一系列统计特征分析、动态时间窗口、事件模式的增量匹配以及动态时序图谱分析。

对于科技计划管理任务，不仅可以看到与计划任务相关联的指标，还可以看到影响计划任务的环境变量，从而预测计划任务的可完成度；甚至可以找到一些影响变量，通过对相关变量的调控，促使计划按时完成。科技计划管理有必要引入时序数据思维方式思考和解决目前的问题。目前，我国科技管理方面的数据还没有被挖掘，如果真正挖掘的话，会发现很多数据背后的价值。如市场对科技计划的调节作用，企业对科技计划的作用，科技计划投入和科技成果的产出规律等。通过对数据背后规律的挖掘，我们会更有能力把握未来科技计划，面对不确定的国际环境、市场和产业等因素做出科学判断。而且时序数据的长效性、中立性，可让我们看到的数据更加客观准确。

（二）算法驱动的管理作用

作为推进科学技术发展重要手段的科技计划管理是一个复杂而系统的工作。国发64 号方案在总体目标中提出加强顶层设计，打破条块分割，建立公开统一的国家科技管理平台，并明确时间节点地推进国家科技管理平台的使用[6]。该平台连接了科研人员、科研机构、科技专家、社会公众，以及中央引导的地方专项。大数据时代，这是政府拥抱新时代，主动变革创新的举措；也是政府为加强信息公开，强化资源统筹，推进公正公平竞争所做的基础性建设。

那么如何实现数据驱动管理？借鉴近年来新兴的独角兽企业：今日头条、美团和滴滴等高市值企业，每秒钟都处理着海量信息，针对每个客户进行智能分析，推荐给客户需要的个性化信息、美食和出行。尽管这些企业，每天处理着海量的信息，工作量如此庞大，但所需的管理人员与国家科学技术部的管理人员相比，却有较大的悬殊。究其本质，这些企业的智能分析和管理工作主要由智能算法完成，智能的推荐算法颠覆了传统的由人来干预的智能分析和处理。与其说是数据驱动管理，更准确地讲是算法驱动了管理。

由此可见，算法驱动管理的迫切性。单纯依靠人去分析处理海量信息的时代已经过去，要想提高工作的精度和效率，必须在平台上引入智能算法，去分析海量信息，让算法自动完成对数据的认识、学习、分析和预测，同时构建好数据自动流动的底层逻辑。如定义数据传递的规则，流动的方向，标记数据流动的痕迹，从而促使工作流程平滑变更，有效提升工作效率，提高科技计划管理水平。在国家科技管理平台引入智能技术，让算法去完成数据分析，规划好数据流动，提高职能部门的决策能力，从而实现科技计划管理的升级。

（三）时序数据分析的作用

无论是数据还是算法，都是抽象不具体的，很难理解时序数据和实时智能等技术是如何作用于科技计划管理的各个层面。可以从数据分析入手，不管是科技计划所做的宏观决策还是具体的任务评价，它都是依据一系列的指标、报表、数据分析报告而做的决定。而时序数据实时智能技术，正是通过分析计算和智能模型让机器利用这些算法具有自学习能力，从数据中挖掘出有价值的信息，从而形成一系列的时序数据分析报告。而这一系列的时序数据分析是借助实时采集、智能加工、智能分析从而实现实时决策，从而作为科技计划管理的决策依据。

科技计划管理的任务庞大而复杂，为了更好地理解时序数据分析对科技计划管理的作用关系，可将科技计划管理分为宏观、中观和微观三个层面。

1.科技计划管理的三个层面。纵观科技计划管理，可以从宏观、中观和微观三个层面理解科技计划管理的职能。

（1）宏观层面可以看作战略导向层。从宏观层面，科技计划管理确定国家战略导向，制定总体目标，从宏观上把握资源的合理配置，既能保证基础科学在未来发展提供源头创新和科学支撑，又能完成国家中长期科技发展规划，解决事关国民经济和社会发展的全局性重大科技问题。总之，宏观科技计划管理要明确战略性、前瞻性、全局性目标，从总体上部署有利于资源的优化配置，保证基础科技的稳步发展，保障前沿领域和重大任务的有效实施。

（2）中观层面可以看作组织运作层。从中观层面，科技计划管理是优化科技计划布局，确保资源配置不重复、不分散，协调保障资源的有效配置。保证科技计划能够更加有效地瞄准重点领域、聚焦重大任务，支持人才和团队建设，增强源头创新能力，形成有机整体，既聚焦重点，又避免交叉重复。总之，中观科技计划管理注重流程的合理性，能充分激发各类创新主体参与的积极性和创造性，实现目标统一、协同联动、分步有序的一体化组织实施。

（3）微观层面可以看作执行监督层。从微观层面，科技计划管理负责专项启动、项目立项、监督验收、成果评价与转化的具体执行。在科技计划管理的各个流程阶段，保证信息公开透明，资金监管配套，绩效评价公允，能保证科研诚信和激励创新，并能有效实现成果转化。总之，微观科技计划管理注重全流程的管理规范，能保证规划的合理性，约束的适度性，方式的公平性，物质和精神激励的统一性，以及成果转化的经济性[4]。

2.时序数据分析的四种类型。Thomas Maydon 将数据分析按照复杂度和价值关系的维度，依次划分为：描述型数据分析、诊断型数据分析、预测型数据分析和指导型数据分析（另有译本译为规范型数据分析）[7]。对于时序数据分析也可沿用这样的分类方式：描述型时序数据分析主要针对过去所发生事情的呈现，诊断型时序数据分析主要用于对已发生事情原因的解释，预测型时序数据分析主要针对未来将发生事情的推测，指导型时序数据分析主要用于指导我们需要做什么样的干预。

描述型时序数据分析是其它时序数据分析的前提和基础，是对数据的分类、整理和统计阶段。诊断型时序数据分析是核心和关键，它梳理了各数据之间的逻辑关系，确认数据之间是线性相关还是线性无关，某些数据对其它数据是决定性影响还是间接影响。预测型时序数据分析和指导型时序数据分析则是基于诊断型时序数据分析所得的逻辑关系而进行的深入分析；预测型时序数据分析需要根据数据的逻辑关系构建相应的模型，从而分析不同的模型的预期效果，建模是预测型时序数据分析的关键。指导型时序数据分析则是在已有模型和已有数据逻辑关系基础上，通过调整模型当中某些参数的值，使目标函数更接近理想值。

3.时序数据分析的四种模式和科技计划管理的三个层面的作用关系。在科技计划管理中，无论是制定战略决策还是计划目标，都是基于过去已完成的情况，并分析为什么会出现这样的结果，通过对过去态势的分析，预估未来可能会发生什么，并给出指导性战略和目标，明确下一步纲领。

描述型时序数据分析对应科技计划管理的各个指标变量的监测，它聚焦不同时段的各个指标的数据呈现，透过数据的描述型分析，可以看清微观层面具体细节的执行情况。比如，通过描述型时序数据分析，可以针对过去五年的科技目标完成情况，从科技政策、科技投入及项目支撑等不同维度，观测其完成率；也可以看到同一地区不同指标的完成率，对比不同地区同一指标的完成度。总之，描述型时序数据分析可以从不同维度，不同视角，对各个指标进行观察，主要作用于科技计划管理的微观层面。

诊断型时序数据分析是在描述型数据基础上所做的关联分析。如对科技成果转化率低的成因分析，就应首先确定可能与科技成果转化相关的指标，并能从相关指标中排除和隔离非影响性指标，进而明确影响科技成果转化的主要影响指标和关联指标，以及它们之间的函数作用关系。诊断型时序数据分析既作用于科技计划管理的微观层面，又对科技计划管理中观的组织运作层有借鉴作用，并有助于整体目标的统一实现，充分发挥各部门的联动协同作用。诊断型时序数据分析通常和指导型时序数据分析配合使用。

预测型时序数据分析既可作用于具体指标的预测，也可作用于一系列指标的预测，但从时序数据分析的层级关系来讲，这里的预测分析多用于后者。透过对以往数据的分析，可以看清科技计划的宏观趋势，有助于科技计划管理的战略统筹，进而直接作用于科技计划管理的宏观层面，更加有效地对资源进行合理配置、做出合理决策。

指导型时序数据分析可以是对具体指标的指导分析，也可以对宏观趋势进行微调。针对科技计划管理中宏观任务的完成程度不够理想，可在政策上做出适当的倾斜，以便进一步优化科技资源配置。如果指导型时序数据分析在具体的科技项目执行过程中的指导，也可通过制定合理的激励机制和监督评价机制，引导项目有序完成。指导型时序数据分析可作用于微观层面，也可作用于宏观层面，对于中观层面也有一定的意义。

为了便于理解时序数据分析和科技计划管理的作用关系，我们做了简单的层次划分，而科技计划管理是有机的整体，不能这样简单地机械分割。因为四种时序数据分析模式与科技计划管理的三个层面的作用相互交织，服务于科技计划管理的各个层面。

五、智能平台体系结构

为了更好地理解大数据的价值作用，算法驱动的管理作用，以及时序数据分析的层次作用，可以设计一个完整的智能平台体系结构，以便更形象化地看到不同层次结构间的作用关系，具体的智能平台体系结构如图1 所示。

图1 智能平台的体系结构

数据采集层，不仅可以对科技计划管理内部数据进行收集，还可以对市场环境、行业状态、新技术导向、国际环境等各方面数据进行采集。在数据采集层，按照一定规则和筛选标准，有针对性地抓取与科技计划管相关的数据；该层收集到的数据是全息数据，体量大，需要传递给实时智能层进行分析。

实时智能层提供智能技术，如大数据、云计算、人工智能、机器学习等技术，让机器实现自学习，从海量的数据中挖掘出有价值的信息。实时智能层是对数据采集层传递来的原始数据进行处理，通过设计相应的算法和模型，让机器从数据中发现规律，从而传递给时序数据分析层。

时序数据分析层是在实时智能层的基础上，利用实时智能层挖掘的规律和变量之间的逻辑关系，对数据进行分析、诊断和预测，既可以提供给平台层可视化的数据信息，也可以给出决策化建议。

平台层不仅方便信息公开流通，还可以对信息的传递方式做出相应规划，如数据流、工作流、业务流等。

六、结语

在大数据和人工智能技术飞速发展的时代，现行的科技计划管理模式对国际形式、市场因素不能做出快速响应，必须由创新的管理模式来改革这些弊端。本文从当前科技计划管理的现状入手，分析了现行科技计划管理模式的决策效率和各部门之间的协作关系，指出了当前的主要问题是现有的科技计划管理模式不适应快速发展的科学技术的要求。在此基础上，结合新的改革方案，探讨了在科技计划管理中，引入时序数据和实时智能技术的可能性和必然性。并从创新管理的视角，探索了科技计划管理如何引入新技术、新方法。为了更好地理解智能技术对科技计划管理的作用机理，深入分析了数据本身的价值作用，算法对管理的驱动作用；并从宏观、中观和微观三个层面，进一步说明了时序数据分析对科技计划管理不同层面的作用关系。

本文不同于呼吁重视大数据和人工智能技术的文章。而是针对科技计划管理的具体问题，并结合国发64 号文件提出的加强顶层设计的宗旨，对科技计划管理模式做了进一步的探讨。给出了更具体的切入点，从科技管理平台入手，在平台上引入BG、AI 技术。这是我们课题的一个方向，对于技术部分，如智能算法的比较、选择、设计和调试等内容，本文未给出更具体的论证。