大数据视域下公共决策模式之转变：经验、数据与统合

马 桑，张苑漫

（云南大学 政府管理学院，昆明 650091）

我国正处于深化改革、经济转型和社会转轨的关键时期，如何利用大数据对社会公共事务做出更加有效的决策，已经成为公共管理领域最为重要的实践性问题。大数据技术颠覆了决策的响应机制，改变了决策市场各方的行为结构，使得公共决策发生了从“反馈响应为主”到“前置干预为主”；从“政府主导”到“多元主体参与”；从“经验驱动”到“数据驱动”的转变，由此也衍生出大数据决策效率与风险并存的局面。

目前学界对大数据嵌入公共决策体系的效益褒扬有加，但对其蕴藏的风险关注较少。奥马利（O’malley）认为，大数据使得我们从空想、官僚和阶级式的统治转向了信息化的管理时代，公共政策变得多公共精神而少私人利益［1］。胡税根指出，大数据之下的公共决策具有全面感知、客观透明、实时连续、自主预置和多元共治的特点［2］。大数据已经在城市交通、医药卫生管理［3］等领域得到广泛的运用，对于改善政策技术、廉洁政府、提升政府能力、推进国家治理现代化方面起到显著的作用。

在强调大数据工具理性的同时，不能忽视大数据内在的隐私性是否被侵犯、使用过程中是否安全、数据之间的因果关系是否确证以及数据孤岛和唯数据论等“数据陷阱”问题给决策带来的挑战［4］。决策科学要求复合性的知识结构和对现实约束的清醒认识，价值追求是其不懈的主题。因此，探究公共决策模式的演化特点，分析不同决策模式的良窳，有助于提升科学决策的水平，减少决策偏误和资源错配，从而更好地为公众提供符合需要的公共物品，让“智慧公共决策”不仅仅是“聪明”，而是真正的“智慧”。

一、传统公共决策模式的特点与局限

（一）公共决策与政策市场

公共决策是指政府部门在管理社会公共事务过程中所做出的决定。按照决策的制定者层次分为中央政府的决策和地方政府的决策。公共选择理论认为，决策是政策需求方与政策供给方在政策市场上博弈的结果。它通过集体行动和政治过程来决定公共物品或者公共资源的分配［5］。与经济市场类似，政策市场也有供给方和需求方。由于社会事务的公共属性，公共决策的供给者一般是代表社会公共利益的政府及其具体的职能部门。公共决策在本质上是社会公共权威对社会资源和社会利益的权威分配过程。另一方面，受公共决策影响的利益集团、生产企业、社团、公众等则成为了政策市场上的需求方。任何一项公共政策的形成，都涉及多个经济主体，它们各自的目标函数和约束条件各异。因此，政府必须协调各方利益，根据合理的价值判断和一定的政治程序出台符合帕累托标准的公共决策。

（二）传统政策市场的决策偏误

公共决策远比市场决策复杂。市场决策是在既定的市场价格下完成的，供需双方对于物品的信息和状况掌握较为清楚，评价较为客观，选择也很自由。但是，政策市场所提供的公共资源和公共物品具有非排他性、效用不可分割等特点，这些特点使得信息不对称频繁发生，同时政策市场不以利益最大化为目标，而是以抽象的“公共利益”最大化为目标，因此评价机制不清晰，决策偏误很难避免。从交易主体到交易环境，传统政策市场的决策偏误源于以下三方面的原因：

1.决策供给方的问题

（1）信息不完善。政府制定和实施正确决策的一个重要前提是获得和掌握有关于公共资源状况和公共物品需求的信息。这些信息分散在无数的个体手中，要准确获取此类信息需要很高的需求甄别和显示技术。传统上，政府难以获取必要而全面的信息，因此，决策是在信息有限的情况下做出的，更多地依靠经验，而非科学。例如，政府对垄断组织进行价格管制的时候，必须获取准确的成本信息。但是作为外部人，政府很难获得非常可靠的信息，垄断组织必定会尽量把问题夸大，声称一直以来都是微利或者无利运营，以此谋求政府给予更高的补贴或者放松定价管制。

（2）专业技术能力不充分。公共决策是在复杂环境下对公共利益的再分配。政策问题和政策科学本身就具有跨学科属性。它要求政策制定者和决策者具备管理学、行为科学、法学、经济学、社会学等多方面的知识。但是，现实中的决策者通常缺乏完善的政策科学知识或者充分的专业素养，进行公共决策时，尤其是一些专业性很强的决策，难免出现“外行领导内行”“外行做决策”的现象。比如，当一项专业的危机事件发生时，行政官僚可能看不到问题的紧迫性，而延误最佳反应时间。

（3）政府内部的协调问题。正确的决策还需要有优良的执行，才能带来好的绩效。但是，因为部门利益和地方利益的存在，政策执行主体可能对政策“曲解执行”“选择执行”“拖延执行”“多头执行”“过度执行”等，从而影响政策执行的效率。比如，当运动式治理发生时，省级领导受到的政治激励越强，就越容易形成“块块带着条条做”的模式，从而引发密集的政策变通［6］。

（4）政府运行成本过高的问题。市场决策的核心是客观存在的价格机制，各主体决策的成本和收益是高度相关的。但是在政策市场上，公共资源和公共物品的分配缺乏准确的价格信号，且公共利益的衡量也很难有公认的标准，因而在公共物品的投入和产出之间并不存在清晰的关系，政府决策的成本和未来收益并不紧密联系在一起，这就增加了政府决策资源错配的可能性。同时，前述提到的信息收集成本过高、政府内部协调等问题，也会进一步加大政府的决策运行成本。

（5）决策心理的失误。公共管理者处于公共政策制定的主导地位，有着丰富的公共管理和公共决策制定经验，因此非常容易进入过度自信的心态和经验主义的窠臼。比如，落后地区的地方政府看到发达地区的先进经验时，会有盲目跟风的冲动：别人上马光伏产业，本地也就开建高科技园区；别人搞了特色旅游小镇，自己也大手笔地弄一个某某古国。然而，这些产业是否符合本地实际？是否切合既有的要素禀赋？缺少要素配合的政策选择必然在现实中屡屡碰壁，形成不了良好的经济效益，最终只能是地方财政为这些官员的刚愎自用买单［7］。

2.决策需求方的问题

（1）信息渠道不畅通。一项好的公共政策需要详尽地了解各个决策需求方的公共偏好，而且，这种偏好必须能够通过某种渠道反馈到公共部门的决策议程当中。但是，这里存在两个问题，一是需求方各主体偏好披露的困难；二是传统渠道的有限性和排他性特点，导致信息反馈并不通畅，因而决策很难准确反映民意。

（2）公共决策有利于组织集体行动者。从理论上说，所有受公共决策影响的主体都是决策的需求方，包括利益集团、生产企业、社团、民众等。有些时候，政府的相关职能部门也是某个公共决策的需求方。这些主体的利益表达渠道和权力资源各不相同。从数量上看，民众应该是公共决策最需要考虑的需求方，但是，政策市场关注的主体从来不是单个的利益主体。有能力组织起来的利益集团、生产企业、社团、政府具体的职能部门等才是公共政策最有实力的需求方。因此，即使所有的决策需求方的偏好表达都得以呈现，也只有组织良好的集体行动者的利益倾向才足以影响公共决策。现实中的突出表现就是资本干预公共决策［8］。在公共资源既定的情况下，一方的受益其实是对另一方权利的剥夺。

3.决策环境的问题

（1）政策环境的复杂性。所有公共政策都是在一定的社会经济条件下做出的，要综合考虑各种自然、政治、经济、社会和技术子系统及其相互之间的互动关系。这些因素本身又具有不确定性和动态调整的特点，在复杂系统下做出有效的公共决策本身是一件极其困难的事情。

（2）评估与激励机制的缺失。政策市场与经济市场不同，无法用利润激励和成本考核来衡量官员决策的优劣。而且，由于政府注重的是社会和政治效益，因此反而没有降低成本的动力。同时，公共物品的一些特性，比如效用不能分割、受益很难排他等特性也增加了成本核算的困难。在这种情况下，掌握决策的官员有可能为了私人利益而进行政策交易。

（3）监督机制的不健全。如果能够对公共决策的制定过程和实施效果进行监督，则公共决策的偏误会减少很多。但是，在决策不透明和信息垄断的条件下，被监督者可以通过披露有利信息的方式操纵对自己的评价机制，从而使得有效的监督无法实现。

（三）纠偏机制难以起效

针对政策市场的决策偏误，公共选择学派给出了若干解决之道：

1. 决策民主投票制度。布坎南认为政府行动之所以低效，是因为缺乏监督和制约，因此必须对其行为给予法律上的约束和监督。比如通过全体民众参加政治决策的方法让政府的行动受到民主投票的制约。但是，这种方法必将带来极高的交易成本而不具备推广的意义。

2. 需求显示的激励制度。戈登·图洛克（Gordon Tullock）提出了需求显示的激励机制，认为应该给予个体充分的激励，使其表达出他对于公共物品的真实需求情况，然后汇总所有主体的偏好示意，提供出符合大家需求的公共物品［9］。这种观点理论上能够提高政策市场的效率和公平。但是，在现实生活中，个体是很难准确把握自己的公共物品偏好的，尤其当公共物品还没有被提供出来的情况下。因此，需求显示法在没有其他技术手段加持的情况下，只能是水中月、镜中花。

通过以上分析，不难看出，传统公共决策的基本模式是在环境不确定，信息不充分条件下的经验决策，主要依靠政府决策部门对于公共事务和公众需求的经验把握，因此发生资源错配的可能性很高，决策不一定有效。这些因素使得原本应该是理性的公共决策变成了相对理性甚至是缺乏理性的主观经验驱动的感性决策。

二、大数据技术优化公共决策的作用机理

传统上公共决策失灵的主要原因是信息收集的不充分和利用的不完善。随着大数据时代的来临，这种状况正在被改变。社会学家鲍德里亚曾经指出，后现代社会是拟像社会，是由符码形塑结构的社会。在这个社会中，超真实取代了真实，信息消解了意义。每个人每天的一言一行都在产出数据，刻画着自己最真实的一面。传统公共决策之所以与现实脱节，并不是因为当时没有公共服务需求方的信息，而是这些信息难以发现并被充分利用。

大数据技术使得信息收集变得越来越轻而易举，通过编码，各类信息有了其独特含义，理解这些信息，能够明白经济主体的偏好与认知，从而破解政策市场中的供需不匹配问题。公共管理学家埃斯蒂（Esty）指出，数据驱动的公共决策，将使得政府的决策以事实为基础，而不是由主观判断或者被利益集团“俘获”而制定，从而塑造了高效、开放而负责的政府［10］。具体来看，大数据技术优化公共决策模式的作用机理表现在两大方面：

（一）扩大民众参与，全面感知政策需求方的偏好与诉求

大数据技术可以扩大民众对于公共事务的参与程度和参与热情。比如在英国的一些社区，用户可以下载SeeClickFix、FixMyStreet 等软件到手机上，随时抓拍和反映墙体涂鸦、路面塌陷、乱丢垃圾等不良社会现象，还可以给市政府提出具体的改善意见，而政府也会及时回复处理情况，这种互动式反馈环路，极大地唤起了公众参与社会事务管理和决策的热情。在肯尼亚等发展中国家，数字身份证的推行还大大提高了民众选举的参与程度，而且，公民可以利用手机报告选举暴力、恐吓等行为，起到“净化”选举的作用。

大数据技术还将实现对政策需求方的偏好与诉求的全面感知。在大数据时代，社交网络、传感器、智能终端、物联网的发展，社会公众的数据资源越来越完整清晰。本就拥有大量原始数据的公共组织可获取的数据领域与范围更加宽广，这些数据为公共决策提供了有的放矢的基础。随着大数据技术的进一步发展，还能够进行多层次多维度的公众需求细分，利用大数据决策组合模型，对公民的公共服务进行组合匹配，形成多样化的决策方案，提供精准化的公共服务供给。

（二）提高公共部门的政策供给效率

1.提升公共部门的预测水平

大数据对海量数据的挖掘，可以发现小数据时代难以发现的规律和属性，因而真正做到“一叶而知秋”。这在灾害预警、卫生防疫、应急管理等方面运用最多，通过对地质、海洋、气象等自然环境的监测，比对地理、气象等信息库的历史数据，就可以建立起减灾与风险评估信息平台，精确预警此类事件，并形成多样化的应对方案，预估不同情景下的事态演化趋势。应急管理通常是大数据预测最为有效的方面之一。比如当某景区的旅游人口密度超过警戒值，就不应该再让游客进入景区。几年前的上海外滩踩踏事件，依照目前技术水平来看，完全可以通过收集到大数据动态资料并做出事先的研判预警。

2.加强迅速回应的能力

“快”，是大数据时代的重要特征。对于公共决策而言，大数据的“快”体现在两个方面：首先是数据产生快，实时产生，实时获得；其次是数据处理快，利用传感器、移动终端等设备采用分布式计算构架，依托云计算、云存储的分布式数据库，快速分析事物发生规律，把抽象复杂的数据转化成可利用的决策信息，通过决策分析模型加工处理，并进行人机交互，传输给公共部门的各级决策者，以快速应对可能出现的社会风险，或者对某项社会公共事务做出恰当的决策。在加纳、肯尼亚、坦桑尼亚、赞比亚等国家，医疗工作者使用手机报告假冒药物及库存告罄等信息。这些信息汇总到中央数据库后，将按照地理位置绘图，管理人员根据这些信息解决药品设备短缺等问题［11］。在本次2020 年公共卫生事件中，我国的数字化平台作为重要媒介在“体系化防疫”中发挥了重要的作用。一方面能对各方疫情管理予以数字化、平台式的监督，保证科学决策；另一方面也能优化各项疫情管理活动的功能，如在线诊疗、远程会诊等数字平台的搭建，有利于提高医疗救治中资源的可及性，保证资源紧缺地区的医疗救治成效［12］。在未来，围绕着数字平台的发展、开放、共享和利用等方面工作的深化，大数据必将更有效地助力突发公共卫生事件的预警、决策和应对机制的完善。

3.提高公共服务供给水平

大数据的处理和分析工作是在各个信息系统之间完成的，从而减少了政府工作中的文书工作，也降低了公民重复提交纸质信息的需要，同时有利于政府职能部门及其业务流程的优化和重组。比如，很多国家的税务能力提升和业务重组都是大数据技术带来的新变化。相比于乡村，城市有更高的人口密度、更为广泛的社交网络、更为发达的物联网，因而人们的行为模式和城市动态数据非常丰富，这些数据的高效利用能够极大地支持政府在公共服务、基础设施规划等方面的科学决策。

图1 大数据技术对决策市场的优化（作者自绘）

整体来看，大数据技术下的公共决策从决策环境各个方面全面收集结构化、半结构化，或者非结构化的数据，挖掘数据之下的关联和规律，从而使决策主体的决策不再是经验型决策，而是以客观数据为基础，利用数据明确问题所在，寻求解决路径，并用数据监测效果的“数据驱动型”决策。从决策过程来看，决策不再由单一权威所垄断，而是有数据分析专家、公共事务分析专家和民众共同参与的治理过程。从决策效率来看，政策发生偏误的可能性大大下降，正如摩斯（Moses）和程（Chan）所认为的，大数据分析技术理论上增加了决策的成功率，降低了决策的风险和成本［13］。因此，构建起供需相匹配的高效政策市场。

三、片面依赖大数据技术的公共决策风险

与传统的经验驱动型决策相比，大数据决策具有扩大民众参与、客观透明、全面感知、预见性强、及时快速等特点。从理论上能够提高决策的针对性，降低决策成本，提高决策效率。但是，大数据技术毕竟是工具性质的，而决策的本质则是一种价值判断。如果忽视算法技术的缺陷与不足，片面依赖数据工具，仍有产生另类决策偏误的可能。

（一）算法缺陷之下的误判风险

算法缺陷主要由两个原因形成：一是算法预测需要稳定的基础；二是算法偏见（Algorithmic Bias）。大数据依托海量数据，运用强大的算法，研究对象属性间的相互关系，进行“从现象到现象”的分析和预测。如果研究对象处于常规发展期，属性间的关联性就非常稳定，因而基于过往和现期大数据的分析预测拥有很高的精确度，据此而制定决策，效率自然也非常高；但如果研究对象处于变化调整期，属性之间的关系就会变得很不稳定，大数据预测的准确度因此大打折扣。

算法缺陷的另一个来源是“算法偏见”。所谓“算法偏见”是指在看似没有恶意的程序设计中带着设计者的偏见，或者所采用的数据是带有偏见的，从而导致数据决策的“歧视性结果”。弱势群体或者某一类特殊群体可能被数据挖掘技术标记为“某类高风险人群”，从而在社会的某一领域持续遭遇歧视待遇。2016 年8 月，在美国匹兹堡的Allegheny，家庭筛查工具（AFST）被推出。经过AI 的评估之后，每个打进热线的电话，呼叫中心的员工都会看到由自动风险评估系统生成的得分（从1 到20），其中20 分对应于被认定为最高风险的个案。然后，这些高得分家庭的孩子一般在一到两年内会被从家中带走，交给别人抚养。面对这一数据算法系统，一位父亲忧心忡忡地问到，他曾经染上了毒瘾，因此社工曾将他的孩子从家中带走。目前，他已经戒毒成功一段时间了。但是电脑在评估他的记录时，仍然显示高风险，他随时面临被夺走孩子抚养权的威胁。那么，难道他为改变自己的生活所做的努力是毫无意义的吗？换句话说：算法对他的评价是否太不公平？［14］毕竟，圣人也可能有过去，罪不至死的恶人也应有未来，但是算法的偏见有可能让一个背负过去的人逃不脱过往的阴霾。

（二）数字鸿沟之下的精英过度赋权风险

世界各国都存在不同程度的数字鸿沟问题。2017 年，我国整体的信息社会指数为0.4749，其中东部为0.6024，中部为0.4372，西部为0.4190。深圳、广州、北京三个城市的信息社会指数超过0.8。不同区域之间、城乡之间的信息社会发展水平差距明显。在网络社会指数方面，全国的指数是0.4250，东、中、西部地区分别为0.5389、0.3927、0.3831。这说明地区之间的网络社会发展水平差距也很明显。在线政府指数方面，全国的指数是0.6071，东、中、西部地区分别为0.7969、0.7067、0.6281。在数字生活指数方面，全国的指数是0.5443，东、中、西部地区分别为0.7060、0.4757、0.4593，差异尤为明显［15］。上述差距表明我国民众在网络世界表达偏好、意见和诉求的程度是各不相同的，有相当大一部分人群甚至完全没有和信息技术联结。如果未来的公共决策更多依赖于数据抓取，则这部分信息时代缺席者的诉求很容易被政府的社会治理所忽视。

世界银行2016 年发布的《2016 年世界发展报告：数字红利》同样认为，在许多国家，互联网的发展，过度惠及政治精英。穷人参与、介入政治依然罕见。数字技术有时能提高总体投票率，但并不一定能导致更了解情况的或更具代表性的选举。在巴西南大河州，网上选举使得投票人增加了8 个百分点，但这些在线投票人大都较为富有，受教育程度较高。

（三）数字垄断之下的控制与寻租风险

任何的决策均需要在充分的信息基础上做出。对于公民参与公共决策来讲也是如此。因为数据获取与分析的资金壁垒和技术壁垒的存在，大数据时代并不是一个大家都可以自由获取信息、使用信息、理解信息的“田园牧歌时代”。相反，它使得人们更加依赖于数据专家、掌握数据的企业和政府，由此阻碍了公众对于公共决策的实质性参与［16］。而且，在数据即是权力的时代，垄断数据的企业和政府出于自利动机，可能凭借数据优势，在决策的制定、执行和评价环节，人为制造数据孤岛，妨碍公民参与，使得本该是优化决策的大数据成为谋取私利的政策工具。

此外，即使政府是追求公共利益的“政治人”，也会因大数据知识的强烈外部依赖性而产生权力寻租和政府俘获的风险。纵观各国的实践，政府部门要提高信息化建设和分析处理水平均会和当地的大型信息企业签订合作协议，而大数据技术行业的规模经济和范围经济特点，使得其先发优势特别强大，因此是典型的寡头垄断行业。各国通常都只有为数不多的几家数据企业垄断全国的数据分析和挖掘业务。大型数据企业对数据的垄断增加了其和政府谈判的筹码，政府可能出台“偏袒性”的公共决策，政府俘获由此产生。如果这类数据企业是外国企业的话，还会滋生其他类型的风险。

（四）决策失误后被问责主体不清的风险

传统决策的责任机制建立在科层制的基础上。大数据技术赋予决策者更有效率的决策工具，但也使得自上而下的问责机制不再有效。如果公众对某项数据驱动的公共决策不满意，行政人员可以把责任推诿于算法或者数据开发企业，而对于算法或者数据企业难以进行责任追究，因此公共政策将陷入问责难的境地。例如，2009年英国公共卫生系统的乳腺癌筛查软件“算法错误”，导致45 万名68—72 岁的女性错过最后一次乳腺癌筛查，可能导致270 人提前死亡。这次失误在国家医疗系统（NHS）、公共卫生局（PHE）和算法软件提供与维护公司——日立咨询公司之间相互扯皮，认为责任在对方，该调查“甩锅”给机器，最终不了了之［17］。

除了以上四类风险，大数据决策要求数据真实全面，但是，受晋升锦标赛激励机制的影响，官员可能人为干预数据，导致数据收集存在瞒报、漏报、虚报现象。虚假数据只能提炼出虚假规律，如果按此决策将会导致严重的决策失误。因此，片面依赖算法不仅会加重官僚制的僵化，与公共服务人性化背道而驰，也会妨碍行政人员的自主性、积极性以及制度创新。时代需要一种“统合”算法和审慎价值判断的决策模式。

四、大数据时代公共决策的风险防范与“统合决策”模式

数据驱动型决策使得决策更符合理性的要求，更适应于多样化、复杂化的现代社会。然而，大数据作为一种技术手段，并不能完全规避公共决策的风险［18］。首先，从政治决策的公共性上看，算法决策可能会忽略少数群体，特别是弱势群体的利益，而且，来自社会的原始数据反映的现实本身就是不平等的，运用数据决策的后果是加剧此类不平等；其次，从政治决策的平等性意蕴来看，大数据使用极大地加强了决策者和数据流控制者对于信息的掌控能力。算法处理后的决策可能因其所谓的“科学”属性，武断地“屏蔽”掉多方讨论的意见，从而妨碍了多元治理；最后，大数据无法代替公共决策者做价值判断。决策的核心是价值权衡，它需要在各种有冲突性的价值间进行排序和取舍。而大数据的本质是技术手段，它是通过对社会信息的分析来提高决策的质量。现阶段的大数据在处理人类的情感和伦理方面远远不成熟，有关“应当”的价值判断仍需要决策者依据社会共识和道德规范等标准做出抉择。

另一方面，传统的经验决策虽然在信息处理方面比不过大数据，但是在内隐性知识的掌握、价值的斟酌判断和决策的责任感方面大大优于数据决策。由此可见，在大数据时代，理想的公共决策模式应该是“数据驱动模式”与“经验驱动模式”互补的“统合模式”。

统合决策模式是在充分利用大数据技术的同时，将传统的经验决策嵌入大数据和人工智能的背景下进行重新审视和优化。面对具体的公共决策，先要分析大数据技术的哪些方面运用能够提高决策效率，需要经验和价值判断的环节又在哪里，两方考虑之后，找到大数据技术与经验策略的最佳契合点，并围绕两者的优化重构决策流程与组织结构。以下依托西蒙的管理决策思想来探讨“统合决策模式”的运用。

管理大师西蒙认为，一个完整的决策分为“情报”“设计”“选择”和“评审”四个阶段［19］。显然，在决策的不同阶段，经验策略和数据技术应该有不同的侧重。

第一阶段是“情报活动”。这里应该高度重视数据收集，打破部门间的数据藩篱，获取真实而全面的数据信息。同时还应该开展基层调研，倾听民意，注重专家咨询。因此，这一阶段是数据收集和数据真实性探查的阶段，经验与数据并重。比如，我国应该在智慧政务实现虚拟政务大厅全程全时一站式零等待在线服务的过程中，深度学习挖掘市民政务服务需求。

第二阶段是“设计活动”。这里尤其要重视算法优化和算法检视。可以着手的方面是：一是加快推进大数据算法中的因果推断研究。大数据有利于分析事物的相关性，但是，越来越多的研究者发现，只看相关，不去理解相关背后的因果逻辑是当下数据驱动公共决策结果不公平的主因。因此，事物之间的因果探究是创建公平算法的必经之路。二是构建数据科学家、算法工程师、政治科学学者、具体决策应用领域专业人士与一线公务员之间的合作机制，多方沟通，开发符合公平性决策的算法。学有所长的公共行政专家、一线公务员，他们的专业知识和实践经验有助于提高对各类潜在问题的敏感性认知，可以帮助算法工程师选择更为科学合理的设计方案。

第三阶段是“选择活动”。它是对大数据辅助决策提出的方案进行价值筛选和甄别判断。需要动用专家和管理人员的内隐性知识与斟酌判断能力，因此侧重于经验策略。但是，也应该看到在大数据时代人工智能飞速提高下，AI 的自主学习能力。因此，可以逐步构建起人工智能领域的专家系统（ES，Expert System）。ES 是在汇聚相当规模的人类专家知识储备之后，模拟人类专家的推理方式，对半结构化和非结构化的数据给出定性的分析和结论。ES 事实上是经验决策在人工智能自主学习下的升华，较好地结合了经验驱动决策与大数据分析两者的优点。

第四阶段是“评审活动”。评价选定方案的效果，为下一个阶段的决策提供信息。大数据时代，这一阶段不仅仅是一个经验评价的过程，而且也是数据分析、数据评估和充实决策知识库的过程。评审是建立在决策前测数据和后测数据的对比分析基础之上，因此是经验判断与理性判断的复合叠加。此外，完整的“评审活动”必须对决策知识库有所补充。如果一个国家或者地区的公共部门建立起了以不同公共事务领域的案例、资料和政策为基础的知识库，就可以利用数据进行文本分析、回归分析、预测分析等。如果将政府决策与民情民意数据库相关联，再借助智能匹配方法为公共事务应对机制和政策需求者提供可比性的公共事务知识集合，则可以为决策学习和决策科学的扩散创造条件。

总之，大数据技术的发展已经深刻地改变了国家治理范式和公共决策的发生逻辑。但是，大数据本身无法发展出一套十分有价值和意义的制度安排。因此，在既需要客观事实（数据），又需要价值判断和内隐性知识（经验）的公共决策领域，亟需一种在判断算法良莠，检视决策流程与组织结构基础之上的统合决策模式。这既是提高公共决策效果的呼唤，也是对国家治理能力现代化要求的回应。