面向重大公共事务决策风险治理的大数据行动框架

毕凌燕，张海璇，左文明

(华南理工大学电子商务系，广东广州 510006)

1 研究背景

习近平总书记于2019 年1 月提出要着力防范化解重大风险，并指出“既要高度警惕‘黑天鹅’事件，也要防范‘灰犀牛’事件；既要有防范风险的先手，也要有应对和化解风险挑战的高招”［1］。在行政管理领域，公共事务决策牵涉国家公民切身利益，如个税政策、计划生育政策等事关政府公信力和人民福祉，隐含重大的决策风险。

随着大数据时代的来临，复杂多变的治理环境对传统的政府治理能力提出了挑战。同时，大数据的重要价值又为政府治理模式的转型和治理能力的提升提供了机遇［2］。大数据已渗透社会各行各业，但应用大数据进行公共事务风险治理的研究才刚刚起步，政府进行公共事务风险治理尚缺少规范的大数据体系。。

梳理现有研究发现：公共事务方面，学者们从公共价值研究、公民参与、公共事务治理理论与模式创新等角度进行研究［3-5］；风险治理方面，研究多集中于金融、互联网等细分行业，缺少对公共事务决策方面的风险治理探索；大数据应用方面，公共事务决策领域的进展较慢，政府尚且缺少风险治理的大数据平台。结合社会风险频发的现状，建立面向重大公共事务决策风险治理的大数据行动框架刻不容缓。

综上，现有关于重大公共事务决策风险治理的研究偏理论，而国内应用大数据于公共事务方面起步较晚，大数据体系混乱，缺少对具体行动框架和应用的设计。基于此，本文讨论的问题是：如何构建面向重大公共事务决策风险治理的大数据行动框架，用以实现重大公共事务决策治理的网络化、智能化和系统化，以致有效达到政府风险治理精准化？

面向重大公共事务决策风险治理的大数据行动框架以“行动”的本源意义为出发点，表达和实现大数据驱动下的公共事务风险治理模式变革。基于大数据的重大公共事务风险治理行动框架包括行动理念、技术架构和服务设计，形成三位一体的整体性行动方案。其中，行动理念基于公共政策提供行动的思想、概念和原则，技术架构是为了将政策理想转变为政策现实而采用的可辨别的行动机制，是用以促进、达成行动目的技术手段，服务设计是在理念指导和技术支撑下开展的公共事务风险治理业务流程逻辑、实践方法的探索。它们三者相互协作、层层递进，形成大数据驱动下公共事务风险治理的行动闭环，实现治理模式转变以达到风险治理精准化。

本文从构建理念、技术架构、服务设计3 个维度对面向重大公共事务决策风险治理的大数据行动框架进行阐述，作出如下贡献：第一，提出符合社会治理需求、切实可行的行动框架，为公共事务决策风险治理的大数据应用落地提供行动指南；第二，打破基于内部政务数据进行治理的传统思维，提出运用物联网、传感器、社交网络等社会数据结合政务大数据打造风险治理全景数据集的思想；第三，基于风险治理理论，结合大数据技术进行风险治理全流程的服务设计，为我国风险高发期的公共事务决策风险治理提供科学参考。

2 文献回顾

2.1 重大公共事务决策风险

公共决策风险长期存在且值得关注［6］。本质上而言，公共事务决策就包含着防范风险和消除危机的内容，但公共事务决策本身也存在着显著的不确定性，这些不确定性包括认识论层面的不确定、认知层面的不确定和组织管理层面的不确定性。公共事务决策的风险正是指由于决策过程的不确定性造成决策无效化、并加剧风险和危机可能性。不同决策模式的不确定性来源不同，且产生的风险也不尽相同，因而可以从不同视角对公共事务决策的风险进行分类。例如根据风险源的不同可以将行政决策的风险分为政治风险、经济风险、社会风险和环境风险［6］，而根据公共决策的过程又可以将公共事务决策的风险分为公共政策制定过程中风险和公共政策执行过程中的风险［7］，从参与者的角度可以将公共事务决策的风险分为来自公共政策的决策者、执行者、政策对象、政策机构的智囊团以及公众媒体的风险［8］。根据表现形式的不同，公共事务决策的风险还可以表现为社会稳定风险和舆论风险［9-10］。根据风险表现的特点不同，我们又可以把公共决策的风险分为“黑天鹅”（Black Swans）和“灰犀牛”（Gray Rhinos）风险［11］。重大公共事务决策风险中最重要的是“黑天鹅”，如今“黑天鹅”已经得到广泛的重视，尤其是在金融、工程项目、自然气候等领域，学者探讨它的发生的原理和提前做出预警的可能性［12-13］，在决策领域，有学者相信“黑天鹅”的产生是因为参与决策的多方参与者的知识覆盖面不足，导致存在知识盲区使它无法被预测。

2.2 大数据在公共领域的应用

互联网上海量无限、包罗万象的数据，揭示出许多看似不相干的现象之间存在的关联，使人们能够更简捷全面地认知事物和把握局势从而防控风险。在公共政策领域，Pirog［14］认为大数据的价值主要体现在新数据集的可用性，比如美国联邦政府在Data.gov 上发布的公开数据，通过将传统的开放数据与地理空间数据（如实时卫星数据、手机GPS 定位）、经济交易或互联网搜索数据结合起来可以创造大数据在公共政策领域的应用价值。在公共卫生领域，麦肯锡公司于2013 年发布的报告指出，大数据将通过实时结合现有数据集、更快地解释数据、实时干预以及创建卫生细分市场而产生经济价值［15］。在这种大数据思潮的引领下，世界各地政府也开始关注大数据技术应用。大数据在诸如城市交通、城市规划和运营、公共安全、社会福利、应急管理等公共治理领域已得到广泛应用［16-18］，大数据分析被认为有利于解决公共治理中的复杂问题并提高政府决策制定能力。在我国，自2014 年“大数据”首次被写入《政府工作报告》以来，政府已反复强调将大数据、云计算、物联网等技术应用于政府管理。政府运用大数据分析处理公共事务，能更好地对外提供服务、更及时地进行舆情分析和更准确地预判安全威胁。

2.3 大数据与风险治理

风险治理通常是对社会问题进行判断，分析原因，找出根源，并在此基础上进行针对性治理。随着网络社会和信息社会的发展，风险的复杂性和不可预计性加大了治理的难度，仅依靠传统治理方法很难实现对风险的科学预测和精准评估。利用大数据进行社会风险治理的优势在于，大数据的外部性有效支持了对风险的识别、监控、预警和响应，通过建立大数据全景数据集和数据平台，有助于消除信息孤岛，推动智慧化社会风险治理进程［19］。在大数据时代，政府利用新兴技术，借助精准分析平台，基于社交网络、图像视频、GPS 信号及数据传感器等数据，对社会复杂问题进行分析处理。复杂抽象的数据转变成可利用的决策信息后，利用大数据平台传输至风险分析中心，经过风险管理系统的处理，再传输给各级管理部门和公共部门，从而快速应对各类社会事件［20］。

然而，目前政府部门主要基于政务数据辅助决策，忽视了公共事务治理“多主体”与大数据的“全样本”特性的契合，使用的数据并不是真正的“大数据”［21］。目前，应用大数据进行风险治理主要在金融和互联网行业［22］，而基于大数据探索公共事务决策风险治理才刚刚起步。尽管现有研究强调了大数据在公共领域进行风险治理应用的有效性，而在公共事务决策方面的研究较少，针对重大公共事务决策的研究存在缺口。

2.4 文献述评

本文梳理国内外公共事务决策风险治理的相关文献，认为存在如下3 点局限：第一，现有研究多探讨细分行业和一般意义上的行政决策的风险治理，缺乏对重大公共事务决策风险治理的全局认知，而重大公共事务决策的风险牵涉甚广、危害严重，因此就其风险治理开展研究刻不容缓；第二，现有研究多从理论角度探讨公共事务的风险治理思路，缺乏对具体行动框架及其应用的研究和设计；第三，现有关于公共事务决策风险治理的研究多采用传统公共管理方法，对信息技术的认知不足，结合大数据应用的研究较少。

尽管大数据已被社会各行业广泛应用，但公共事务决策领域涉及全社会层面且信息敏感，进行大数据辅助社会治理仍需解决许多问题。由于大数据在公共管理领域的应用才刚刚起步，如何基于大数据构建安全高效的面向重大公共事务决策风险治理的行动框架，为政府实现风险治理的精准化、社会治理的智慧化提供技术支撑和服务设计参考，是本研究旨在解决的重要问题。

3 重大公共事务决策风险治理的大数据行动框架：构建理念

构建理念提供体系框架构建的思想和概念［23］，通过明确框架的构建理念，可以精准定位公共事务风险治理和大数据的关系，确定面向重大公共事务决策风险治理的大数据平台开发路径。根据《大数据产业发展规划（2016－2020 年）》的指导，结合数据驱动服务变革的思路，本文构建面向重大公共事务决策风险治理的大数据行动框架是以各种数据源为基础，以创新、共享、协调与开放的发展理念为指导［24］，以提升政府现代化治理能力为目标，以数据挖掘与服务设计为核心，以辅助政府决策和控制社会风险为着力点，以宏观合作和微观监管为手段，在参考国内外政府大数据治理改革经验的基础上，构建面向重大公共事务决策风险治理的大数据行动框架。

在大数据时代，数据源具有多源、多层次、多主体的特点，政府进行公共事务决策所需的信息主要来自内部的政务数据和外部的市场、网络和媒体数据等。这些数据来自各行各业等分散性领域，呈现多源异构、数量巨大、生产和传播途径多元等特点。传统的政府决策模式难以有效分析和利用如此庞大的数据以辅助风险治理，因而只有采用大数据技术开发挖掘这些丰富的数据资源和提取出有价值的知识资源，政府才能更有效地对重大公共事务进行决策的风险治理。

为明确本框架构建理念的体系范围、参与主体和运作流程，探究面向重大公共事务决策风险治理的大数据平台开发路径，结合结构化政务数据流动渠道与多源异构社会数据流动路径，本文构建面向重大公共事务决策风险治理的数据流模型如图1 所示。

面向重大公共事务决策风险治理的数据流模型包含数据源、数据采集和融合、数据挖掘、政府决策、政策发布与反馈共5 个环节。通过这些节点的数据流形成数据闭环，可以为政府积累风险治理的数据和经验、辅助公共事务决策风险治理。

图1 基于大数据的重大公共事务决策风险治理数据流模型

（1）数据源作为数据流模型的起始端，包含政府内部的政务大数据、政府开放数据、社会网络数据、传感器数据（水电、交通、环境等传感器监测数据）、电商交易数据、政府和社会监控的视频、音频、图像等数据。数据源构成内容丰富，种类繁多，但难以直接使用［25］。

（2）数据采集和融合环节中，由政府部门、公共部门和提供相关数据的企业部门对原始数据信息进行初筛［26］，再通过大数据技术进行数据融合，使数据之间产生关联以建立全景数据集，汇集至大数据平台。

（3）数据挖掘环节中，政府、公共部门和社会组织三方联动，发挥各自优势进行风险治理数据的挖掘和知识提取。政府作为大数据挖掘的主体，负责数据挖掘，对风险数据进行风险归因、风险特征判断、风险类别判定，提取出有价值的知识辅助决策风险治理。而公共部门和社会组织则提供情报支持，为大数据的模型库和方法库构建提供参考。

（4）政府决策环节中，决策主体参考大数据分析提炼的知识，给出因地制宜的合理决策并发布相应政策公告，以便进行重大公共事务决策风险治理。

（5）在政策发布与反馈节点，社会传播渠道宣传政府的政策，并收集政策发布后的舆情数据，返流回数据源以实现数据流的闭环，为面向重大公共事务决策风险治理的大数据平台提供数据经验的累积，为政府及时调整政策、改进工作带来帮助。

4 重大公共事务决策风险治理的大数据行动框架：技术架构

技术架构是用以支撑大数据平台运作的技术体系，提供以数据为核心的自下而上的技术支撑。传统的数据挖掘系统多运行于客户机/服务器架构，通过将经过预处理的数据加载至数据存储，并迁移集中到服务器上分析挖掘［27］。然而面向重大公共事务决策风险治理的大数据平台面对的是海量数据，处理这些海量、动态异构的大数据时，传统数据挖掘系统的性能已不足以满足系统需求。而云计算作为新兴计算模式，具有高扩展、高弹性、虚拟化的特性［27］，为解决大数据挖掘中的存储不足及计算资源短缺问题提供了解决方案。基于云计算技术体系和大数据处理技术，本文将大数据技术架构划分为源数据层、平台支撑层、功能层和服务层4 个层次，结合重大公共事务决策风险治理的理论和大数据平台技术，构建面向重大公共事务决策风险治理的大数据技术架构。

该架构以多来源多形式的政务大数据、电子商务数据、传感器数据、社会网络数据等为基础，大数据技术为技术支撑，以公共事务决策风险治理理论为理论支持，通过数据融合和大数据分析，依照决策者业务需求从数据中提取可用知识并将其可视化，从而实现“数据-信息-知识-决策”的提炼并为决策者提供决策风险分析服务。面向重大公共事务决策风险治理的大数据支撑技术架构如图2 所示。

图2 面向重大公共事务决策风险治理的大数据支撑技术架构

4.1 源数据层

在大数据时代，重大公共管事务决策风险治理的数据源主要包括：（1）社交网络数据：当出现风险时，微博等社交平台将迅速发布扩散相关信息，通过文本分析、社会网络分析等，可及时监测和挖掘舆情，例如发生轻生行为时，网友将求救信息在社交平台迅速传播；（2）电信数据：出现风险时，局地流量、通话量爆发式增长，例如群体踩踏事件发生前手机信号的高密度聚集；（3）电子商务交易数据：出现相关风险时，民众将恐慌式地爆发采购，例如流感时大量采买口罩；（4）服务器日志数据：出现风险时，民众通过百度、知乎等寻求解答，服务器日志显示异常搜索、点击等行为的预兆；（5）传感器数据：出现风险时，水电、空气等各种传感器出现异常数值；（6）图像、声音、视频监控数据：出现风险时，来自公安和社会的监控会提示痕迹，例如“天网”对罪犯的全网追踪。这些数据资源是支撑面向重大公共事务决策风险治理大数据技术架构的数据基础。因此，为了获得监控重大公共事务的全景数据集，有必要对政府内部数据、社会和企业组织、网络数据进行全面采集，发挥大数据在重大公共事务决策风险治理中的关键作用。

4.2 平台支撑层

平台支撑层负责对采集到的各种数据进行预处理并构建信息库,实现由数据到信息的提炼，为后续数据挖掘方法的调用提供支撑。

预处理过程涉及到的大数据技术主要有数据标准化和数据的集成与融合。数据源中直接提取的数据由于其多源异构的特性，难以直接使用，需要对视频、音频、文本、图像等类型数据进行清洗，整合成统一标准化数据流，作为信息库的输入。构建信息库的目的是实现高效率的数据存储与调用，方便平台使用者进行信息的增删查改。信息库的构建实行面向风险建库，构建并训练自动分类模型，将风险信息分为政治、经济、公共卫生等多种风险类型。此外，构建索引库和语料库，以提高功能层调用数据的效率和分析性能。

由于面向重大公共事务决策风险治理的大数据平台具有数据体量大、类型丰富、可靠性要求高的特性，平台支撑层使用目前主流大数据框架Hadoop。Hadoop 以HDFS、HBase 和MapReduce 为核心，其计算模式主要是批处理和流处理，具有高可靠性、高可扩展性、高容错性和高效率［28］。此外，平台利用NoSQL 实现对多源异构数据的存储，与传统关系系数据库相比，NoSQL 能够支持非结构化数据、易扩展、易于数据收割，并支持海量数据且对硬件要求低［29］。考虑到多领域数据共享和平台适用性等问题时，结合不同类型公共事务决策风险数据的特性，大数据技术解决方案还需进一步优势互鉴和相互融合，为各种来源各种类型的数据定制最合适的存储和计算方式，进而形成面向重大公共事务决策风险治理的数据计算和存储方法体系。

4.3 功能层

功能层负责使用统计方法、文本分析、情感分析等多种数据挖掘手段对信息进行提炼，汇集了种类多样、可应对多种情况的数据挖掘工具，并建立知识库对过往知识进行归纳总结，是整个体系的运算核心，这是知识发现的过程。不同的公共事务的数据分析视角也不尽相同，因此需要结合重大公共事务决策风险治理理论，针对不同的业务需求，从方法库中选择合适的数据挖掘方法并进行组合，为决策者提供最优的定制数据分析功能。大数据挖掘运用关联规则、聚类分析、社会网络分析、向量空间模型等分析方法，从数据中发现有用的关系和模式，对问题全貌进行呈现；运用路径分析、时间序列分析、空间分析等图形分析方法发掘出数据中隐含的关键因素及关联，对与决策相关的影响要素间的关系可视化展示；运用机器学习的方式分析数据现象背后的原因，用自然语言的方式给出可供选择的方案［30］。系统不断地积累规则、分析模式，形成流程化的数据挖掘方案。

4.4 服务层

大数据平台中，系统通过可视化等技术将数据挖掘和大数据处理结果以服务的形式直观呈现给使用者。面向用户需求，基于重大公共事务决策风险治理理论建立模型库，将用户不同的公共事务情境与对应模型匹配，并利用智能组合数据和分析方法，向用户提供由大数据分析得到的公共事务决策风险的知识，对风险类别和特征进行明确鉴别，为决策者进行风险治理提供辅助。服务层集成包括事前预警、事中处理和事后管理的服务功能。通过服务层的交互界面，用户可以对权限范围内的数据进行可视化查看，设定监控范围，出现异常时平台将及时把异常节点反馈给用户，并匹配知识库案例，向用户提供异常原因和解决方法的参考。当发生公共事件时，平台提供舆情监测服务，并对决策方案进行模型预演，辅助决策者进行最优化决策。在事件解决后，平台对该公共事件进行复盘，并自主更新模型库并提取经验优化模型算法。

5 重大公共事务决策风险治理的大数据行动框架：服务设计

服务设计描述大数据行动框架提供的具体风险治理服务，对服务流程涉及的各环节进行创新设计。基于公共事务决策风险治理服务设计相关研究［31］，公共事务决策风险治理的业务流程可归纳为：风险感知、风险识别、案例匹配、决策方案生成、决策实施等，具体风险治理服务响应流程如图3 所示，映射到平台具体服务功能模块则划分为事前、事中和事后三类。面向重大公共事务决策风险治理服务流程如图3 所示。

图3 面向重大公共事务决策风险治理服务流程

重大公共事务决策风险治理服务平台面向用户，适应业务需求提供面向公共事务的事前预警、事中处理和事后管理的多种服务。该平台主要实现3 个功能：（1）信息枢纽：海量的社会数据和政府数据在此汇集，平台能够快速整合、分析和提取有效信息，反映社会动态变化；（2）决策智库：凭借丰富的知识库、策略库和模型库内容积累，能够对各种重大公共事务决策风险进行动态分析，为决策提供知识辅助；（3）控制台：对风险治理全环节动态监控，发布和调整政府决策，实现高效处置。

重大公共事务决策风险治理的核心环节为事前预警、事中处理、事后管理，如何协调这些环节是有效治理决策风险的关键。将大数据技术运用到重大公共事务决策风险治理的各个环节中，向用户提供风险治理全流程的大数据服务，为决策制定提供准确的数据分析意见。

5.1 事前预警

重大公共事务决策的风险都是有迹可循的，其风险发生时往往伴随风险信号、舆情异常信号等，无论是在事件潜伏期还是爆发期，对海量大数据进行实时采集都是尤为重要的［32］。风险治理的知识情报采集是根据特定重大公共事务的性质、决策主体的需求来确定采集对象和内容，目的是对事务进行实时监控，以事前预警。

根据采集的数据和预先确定的预警阈值，运用公共事务自动归类技术等对待处理的重大公共事务需求进行整理和分析，生成公共事务决策分析数据库，采取有效的措施以及时控制事态扩散。其目的是依照重大公共事务案例知识库的数据分析结果，有效避免风险的发生和传播。

5.2 事中处理

在重大公共事务决策风险出现后,运用主题提取、智能分析、语义推理等技术对事态进行实时处理，以及时处理风险、降低重大公共事务决策风险治理决策风险造成的损失。事中处理重点在于重大公共事务决策风险的全程跟踪、关联分析和策略制定。对重大公共事务决策风险的跟踪是指采用话题检测和跟踪等技术,自动跟踪和监测社会舆情,以便向政府相关部门反馈事务处理的最新进展；对重大公共事务决策风险的关联分析指利用关联分析技术,对事件进行多方面分析，挖掘出其关联事件及其可能产生的链式影响，从而从海量的数据信息中提取潜在规律［32］。对重大公共事务决策风险的策略制定是指借助重大公共事务模型库和案例库的既有经验，自主建模为不同的公共事务决策风险治理提供精准定制化的决策服务和解决方案。

5.3 事后管理

事后管理指在紧急情况得到控制后，该进行的一系列恢复工作。其目的有两点：（1）安抚公众情绪，维护社会稳定；（2）找出公共事务决策风险治理模型的缺陷，优化风险治理模型，更新对应知识库和策略库。实施重大公共事务决策风险治理时，管理的重点在于事件案例展示和动态模拟复盘事件。事件案例展示借助关联分析、策略库、模型库等工具选取各类别下有代表性的重大公共事务案例，从重大公共事务潜伏期、爆发期、高潮期、缓解期、消退期5 个阶段时间序列展示突发事件的起源和对应解决方案［31］。通过案例展示，不仅可以增强公众对重大公共事务的理解，还可以提高公众对突发事件的应对能力。动态模拟是指政府和其他相关部门在重大公共事务策略库、案例库、模型库和其他工具的帮助下，模拟风险事件，对引发风险的全部因素进行复盘整理，从而从过往事件中吸取经验，并优化系统模型。

6 结论与建议

本文立足当今社会风险频发的现状，从信息技术角度出发，以建立面向重大公共事务决策风险治理的大数据行动框架为目标，分析大数据技术的特征、应用场景，构建与面向重大公共事务决策风险治理的大数据支撑集成、协调的体系框架；同时，基于重大公共事务决策风险治理理论，对风险治理中的事前预警、事中处理、事后管理3 个核心环节进行面向大数据的服务设计。本文聚焦社会治理核心问题，构建面向重大公共事务决策风险治理的大数据行动框架，将大数据技术和重大公共事务治理理论相结合，填补传统决策风险治理的研究缺口，为构建基于大数据的社会治理行动框架提供参考借鉴，推动我国社会治理智慧化。