法治视域下大数据应用于社会稳定风险评估的作用、问题及路径

□王祯军

（辽宁师范大学 法学院，辽宁 大连116029）

国务院2019 年4 月公布的《重大行政决策程序暂行条例》（以下简称“《条例》”），首次以行政法规的形式实现了社会稳定风险评估（以下简称“稳评”）的法制化，明确将稳评作为重大行政决策的必经程序。虽然公众参与、专家论证、合法性审查、社会稳定风险评估都是重大行政决策的前置程序，但依据《条例》，稳评的内容涵盖公众参与、专家论证、合法性审查。如果这些环节出现问题，必然导致重大行政决策缺乏科学性和合法性，直接或间接影响到社会稳定。所以，稳评是做出重大行政决策需要重点考虑的程序。风险治理意识应当是决策者在做出决策时一以贯之的意识，这一点在《条例》第22条第1款中得到体现。虽然该条只是规定对“可能”对社会稳定、公共安全等方面造成不利影响的重大行政决策的实施“应当”进行稳评，但《条例》第3 条规定的“重大行政决策事项”涵盖的事项，均属于“对经济社会发展有重大影响、涉及重大公共利益或者社会公众切身利益的”重大事项，都不可避免地会对社会稳定产生影响。稳评是决策机关做出重大行政决策的关键程序。尽管在最初的制度设计上，以追求“利害”关系为目的的稳评为重大行政决策提供的判断标准与法治的价值似乎存在相斥之嫌[1](p113-130)，但“公众参与和风险沟通”已经成为稳评不可缺少的要素。如果能够通过有效的手段充分发挥这一要素的价值功能，突出其在稳评中的关键作用，并依托其对稳评进行价值改造，就有望推动稳评的法治化变革。在信息化发展的新阶段，大数据在人民生活、商业活动、社会治理等领域发挥的作用不断凸显，已经成为改变“政府与公民关系的方法”[2](p9)，成为开展稳评和做出重大行政决策时必不可少的一项重要参考工具。2015年，《国务院关于印发促进大数据发展行动纲要的通知》指出，建立“用数据说话、用数据决策、用数据管理、用数据创新”的管理机制。决策机关做出重大行政决策的进程中，所考虑的各项因素离不开大数据，作为必经程序的稳评也必须依托于大数据。另外，“大数据语境下，评估政府决策质效的客观工具，也应然要嵌入大数据特征和功能，助推评估工具模式创新”[3](p129-136)。尽管学界关于大数据的内涵目前未有一致的界定，但“大数据的核心就是预测”[2](p16)，其为风险治理提供了变革的契机是不争的事实。乌尔里希·贝克在研究风险社会时曾指出，人类社会在工业化以后面临的风险大多源于重大行政决策，当面临巨大风险时，人们更多地会关注风险决策者们的决策行为[4](p3-10)。大数据“把数学算法运用到海量的数据上来预测事情发生的可能性”[2](p16)，通过对社会稳定风险因素模型库的搭建实现风险因素数据化的处理操作，即根据分类算法的原理，依据社会矛盾所包含的事实特征，基于社会稳定风险所明确的各项构成要件特征，围绕决策受众的基本意愿，由数据科学上的算法将社会矛盾分类至特定风险模型中，可以分析评估重大行政决策可能引发的社会稳定风险及其概率，提出风险化解措施。这一功能使大数据能够以海量数据深度分析以弥补依靠公众参与方式进行小数据分析在数量和质量上的不足，增强稳评的民主性和风险治理工具的功能，避免重大行政决策引发社会冲突特别是群体性事件的发生。

一、社会稳定风险评估及其本质特征

发端于2005 年“遂宁实践”的稳评，是指在制定或实施事关人民群众利益的重大行政决策前，对由此带来的影响社会稳定的风险进行评估。其本质上是通过分析风险、解释风险并进行适当风险沟通的过程，把风险控制于可以接受的范围。稳评旨在摸清和掌握行政决策受众的基本意愿，通过风险识别、风险分析、专家座谈等程序，评估因做出重大行政决策可能引发的社会稳定风险及其可能性，并有针对性地提出风险防控措施。因对推进重大行政决策实施、维护社会稳定起到了积极的作用，稳评在全国得以迅速推广。2007年，上海、江苏、北京、山东等省区市相继出台一系列有关稳评的规范性文件，稳评在全国多地的重大行政决策中陆续得到推崇。2012年，《关于建立健全重大决策社会稳定风险评估机制的指导意见（试行）》（中办发〔2012〕2 号）的发布，标志着稳评步入规范化、制度化的轨道。2016年，四川省政府以政府规章的形式颁布实施的《四川省社会稳定风险评估办法》①2010 年12 月，四川省颁布了《四川省社会稳定风险评估暂行办法》。使稳评在地方层面出现了法制化的倾向。2017年，党的十九大报告提出要“增强驾驭风险的本领，健全各方面风险防控机制”，为推动稳评法制化做出了政策指引。2019 年4 月，国务院出台《重大行政决策程序暂行条例》，将“风险评估”予以单列，意味着稳评正式迈入了法制化的发展阶段。

然而，稳评的法制化并不必然意味着稳评实现了法治化。如学者所言，法律的评判是关于“是与非”的判断，诉诸正义、公平、民主、自由等基本价值所构建的规范主义框架，而稳评说到底是一种“利与害”的判断。尽管是非和利害是两种不同的价值维度，两者的权衡有时候在结果上会趋向一致，但并非总是如此。而用“利与害”压倒“是与非”恰恰是稳评最初的逻辑，这难免会对法治形成侵蚀乃至挤压[1](p113-130)。要确保稳评符合法治的价值，通过稳评实现重大行政决策“利与害”和“是与非”两种价值维度趋于一致，关键是要在稳评和法治所追求的价值中找寻“公约数”，通过发挥“公约数”的功能缓解两者的张力，推动稳评的法治化。

文明的社会状态内含民主、法治、人权等要素。其中，法治意味着“良法善治”，良法蕴含着“体现人民意志”这一民主的要素，人权保护既是善治的内容也是衡量善治的价值尺度。在理论上，风险评估的模式可分为两种：一种是坚持实证主义的精神，通过科学技术与数学模型建构指标体系；一种是秉持建构主义学说[1](p113-130)，认为“社会风险评估，实质是为了维持社会正常秩序，通过将决策可能进行的利益分配与利益调整中的损益强度和损益分布，以及由此波及和影响的行政关系人的配合、容忍或观望、反对等的承受状况进行检测和推演，对决策承受者的心理行为反应进行的预判”[5](p304)，试图从“人们会认为哪些社会事实是社会风险或者哪些社会风险构成重大威胁”中寻求答案[6](p136-144)。显然，“建构主义的评估模式更加注重探寻公众对风险的主观感知，将公众参与到评估中来作为关键环节”[7](p13)。从这个意义上讲，稳评的质量高低主要取决于识别利益相关者的准确度、利益相关者的参与度以及内心意愿表达的真实性。对利益相关者的识别越准确、利益相关者参与稳评的人数越多、表达的意愿越真实，稳评的效果就越好。可见，与秉持实证主义精神，运用科学技术和数学模型来构建指标体系分析风险的模式相比，稳评旨在摸清和掌握行政决策受众的基本意愿，最终判断的是人的内心感知、思想态度和立场。因此，稳评是否有效取决于是否广泛吸纳公众意见和建议，探寻真实民意。“恰恰是由于科学方法在社会风险评估中的缺陷——专家存在学科惯性并容易被利益掣肘、风险归因理论和风险界定方法存在局限性、科学评估指标和评估模型的刻板性、科学评估过程中专家与公众获取信息的不对称性等，才促使稳评转向了以公众参与、风险沟通为中心的建构主义”[8](p118-125)。为达此目的而进行的公众参与、专家论证，解决的主要是行政决策的民主性和权利保护的问题（如表达自由、正当程序的权利），使稳评显示出作为重大行政决策中“民主和权利保护装置”的色彩。因此，尽可能完善稳评中的民主和权利保护机制，突出稳评所体现的行政决策民主化与权利保护的价值，是推进稳评法治化的重要路径，这给了大数据发挥功能的空间。

二、大数据在社会稳定风险评估中的作用

IBM 公司将大数据的功能概括为具有“4V”特点：数据数量巨大（Volume）、数据类型多样（Variety）、数据处理高速（Velocity）、数据分析精确（Veracity）[9]。考察大数据的特点及功能不难发现，“大数据不仅可以在问题出现阶段识别潜藏在民意中的社会问题，还可以预测公共危机的爆发，譬如，自然灾害、工业污染、疾病暴发等城市中的公共安全问题”[10](p161-168)。因此，大数据可以增强重大行政政策的前瞻性，防患于未然。这一功能和稳评欲实现的目的是一致的。与传统环境评估和重大项目建设评估所不同，稳评的复杂性体现在“更多面临着复杂社会个体心理与行为动态性的挑战，而这一挑战在当代网络化环境下表现得更加突出”[11](p78-85)。由于大数据的功能优势体现为分析数据的广度、深度、速度和准度，能够在最短的时间内深度挖掘海量数据背后动态变化的任一个体的行为轨迹，为增强稳评的民主性和高效性提供了工具。

（一）以海量数据分析辅助公民参与，弥补分析的不足

法治的实现以民主为基础，“只有民主才能保证法治符合人民的普遍利益”[12](p51)。《条例》第6 条规定，“作出重大行政决策应当遵循民主决策原则，充分听取各方面意见，保障人民群众通过多种途径和形式参与决策”。小数据时代，利用传统的抽样和采样调查的方法，所收集的信息有限，很难实现公众的广泛参与。大数据为人们的生活创造了前所未有的可量化的维度。在大数据时代，公民参与的内涵因为数据的丰富而变得丰富，不仅包括线上、线下的主动参与，同时也包括个人同意使用个人信息的“数据参与”，经过数据的收集和分析，大数据成为真正撬动个人内心和行为的撬棍。在规范层面，稳评的对象只有涵盖所有利益相关者，且所有利益相关者表达的意见和诉求符合其真实心理，并假定这种心理在稳评过程和重大行政决策实施过程中保持基本稳定的情况下，稳评的结果才具有准确性和可靠性。但在实践中，因决策滋生的风险的产生和传播渠道日益复杂，不确定性特征和连锁反应趋势加剧，个人诉求多元，各种风险信息交织，很难准确划定利益相关者的范围，加之个人心理的善变性，使稳评的理想状态很难实现。大数据能够弥补传统稳评采集数据着重样本信息的不足，通过算法对数量巨大、来源分散、格式多样的大数据进行采集、存储和关联分析，深度挖掘与重大行政决策直接相关、间接相关、潜在相关、可能相关的所有数据信息，譬如每个人的家庭背景、教育背景、个人喜好、经历和阅历、处理问题的习惯方式等数据信息，为算法设计深层次分析隐藏在数据中的个人主观心理动态、行为偏好，以及民意的反映和发展趋势开辟了空间。大数据技术注重收集提炼社会方方面面的数据，可以使收集分析的数据涵盖重大行政决策所涉及的所有对象，能够尽可能地实现稳评分析的数据包含更多人的信息，更加强调公民的现实参与与网络世界的深度融合。因此，大数据通过实现公民“数据参与”的普遍性提高了公民参与稳评的民主性。

（二）实现对非结构化数据的分析，增强决策的民主性和稳评结果的准确度

个人自由表达内心的真实意愿是实现民主的基础。稳评的民主性不仅体现在参与稳评公众的数量，更重在参与稳评公众的意见的真实表达，以及对利益相关者的感知、心理和立场的动态把握。稳评的目的是评估因重大行政决策可能导致的社会稳定风险，即便所有的利益相关者都参与了稳评，如果参与者不真实表达意志，不能及时掌握他们随时可能发生变化的心理、感知和立场，对于实现稳评的目的也无济于事。利益相关者往往基于个人主观上对风险的认知、利害分辨和价值判断即风险感知来决定是否采取影响社会稳定的行动。当然，利益相关者的心理活动是不断变化的，其态度和价值立场经常是不稳定的。“这些立场的系列光谱包含着强烈反对、温和反对、中立、温和支持，直至强烈支持。通过公共决策过程中信息告知、协商、卷入、谈判、公民主导等方式的不断强化，在决策过程的包容性、开放性、互动性等作用下，相关群体的利益认知、偏好和立场都是可变的。”[13]因此，影响社会稳定风险的复杂性和动态性形成了稳评的不确定性问题，如果没有合适的方法来处理这些问题，评估结果的准确性将会受到影响，最终影响重大行政决策。传统的稳评方法无法处理如此大量且不规则的“非结构化数据”。个体的感知和情绪等心理层面的因素必然千差万别且大部分存在这样那样的波动，具有典型的非线性特征，恰恰是这些具有非线性的因素在稳评中是最为重要的评测方向，它们决定了利益相关者对重大行政决策的接受程度以及采取对抗行动引发风险的可能性。基于稳评工作的现实，为了适应信息时代和转型期的社会发展，需要探索和尝试新的数据分析技术，替代现有的稳评工具方法，深度、快速采集和发现全体而非样本数据信息背后的隐形信息，准确预测利益相关者在风险感知下的行为轨迹，达到分析结论无限接近真实社会状态的目的。大数据为解决稳评中的“非结构化数据”分析提供了重要的工具和方法。随着智能手机和可移动计算设备的出现，个人的位置、行为甚至身体生理数据的变化都成为可被记录和分析的数据。在技术层面，“每一个数据都被视为一个节点，无限次地与网络间关联数据形成裂变式传播路径，其间的关联状态蕴含着风险扩散的无限可能性”[11](p78-85)。对于这一动态变化，“发掘数据价值，政府征服数据海洋的‘动力’就是云计算”[2](p1)。以云计算作为信息存储、分享和挖掘的手段，能够有效地将海量、高速、多变的终端数据存储起来，并随时进行计算和分析。通过云计算实现对大数据的分析、预测，使海量数据释放出更多的价值，透过大数据探析利益相关者的真实心理、态度和立场，能够充分掌握影响相关利益群体风险感知状况的各种因素，通过增强稳评公众参与的实质民主，提高稳评结论的准确度，为重大行政决策提供更可靠的咨询。

（三）增强大数据的算法，提高决策的科学性

从以往的稳评实践来看，为实现稳评对社会稳定态势的把握，实践中通常采用实地调查，包括问卷、访谈、走访利益相关者进行风险识别，公开听证、专家或决策者协商讨论对风险分类打分。通过已经确立的公式计算，根据计算结果所处的风险区间，判断风险的级别。这种风险分析方法实质上是要素比较法、数值排序法的评估应用，容易受到参与评估专家和决策者的经验、理论、假设和价值观等思维的影响，也难免受到来自内部的人为干扰。“更深层次的评估手段主要是指数评价，依托于评价模型和指标体系，按一定规则通过抽取数据纳入模型而达到风险源识别的目的。此类数据来源集中体现在二手报告资料、问卷、量表、质性访谈等途径，同样面临信度、效度的测量误差，该环节中指标体系的选择与确定颇具争议”[11](p78-85)。总体而言，基于传统“经验式”路径的技术相对滞后，由于使用数据的局部性、片面性、阶段性决定了评估结果的片面性和滞后性，即便不存在人为操纵的问题，稳评通常也会因数据不全、不准、分析不透，导致对社会稳定风险“评不全”“评不准”“评不深”，削弱了稳评的科学性。与传统稳评方法相比，分析大数据使用的云计算比传统抽样调查的算法的技术性强，复杂性高，精确性强，能够为决策提供强有力的辅助和参考。“大数据时代的来临使人类第一次有机会和条件，在非常多的领域和非常深入的层次获得和使用全面数据、完整数据和系统数据，深入探索现实世界的规律，获取过去不可能获取的知识。”[2](p5)大数据应用于稳评的重要手段和关键环节是实现社会稳定风险的数据化驱动，即对导致影响社会稳定的风险因素实施的数据化转变，实现风险的可计算化。在实现风险因素的数据化转化这一目标过程中，所采用的主要研究手段应当是寻求风险因素与定量数据间的融合点与连接点，将风险因素与数理算法自然地建立联系，从而能实现对风险计算的普遍应用。显然，数字化提高了数据管理的效率。通过数字化，模拟数据被转换成计算机可以读取的数字数据，使得数据的管理变得既方便又高效。如谷歌曾经通过对“流感”及其相关词汇在网络搜索记录中出现频率的分析，比美国疾控中心提前并准确预测了流感病毒在全美的传播状况。这种“预测”能力正是稳评体现科学性的分析方法所追求的目标，也是传统稳评方法难以实现的。“公共政策是关于决定谁将在何时、以何种形式得到何种资源的学问，公共部门必须权衡精英的观点和公众的需求。而大数据则提供了智慧决策协同治理的经验逻辑，突破了数据驱动决策的技术难题，也激发了公共利益的导向和动机，实现了工具理性。”[14](p5-15)因此，将大数据的理念、方法与工具融入稳评的方法中，提高信息收集的深度、广度和时效，运用精心设计的算法深度挖掘海量数据蕴含的隐性信息和核心价值，有助于增强稳评的科学化水平，提高稳评结论的权威性和稳评效果。

三、大数据应用于社会稳定风险评估面临的问题

传统的稳评思维、人们对大数据的特点和重要性缺乏足够的认识、大数据分析自身固有的特点等因素，导致在稳评中应用大数据还存在一些问题。

（一）稳评过程中应用大数据的能力亟须增强

一直以来，受固有的传统稳评思维的影响，地方政府在稳评实践中，通常采取实地走访利益相关者、问卷调查、举行听证会、专家座谈等方式获取多方意见，以此识别风险和分析风险，获得评估结论。虽然人们已经意识到大数据在助力公共政策制定问题上的巨大潜力，“用数据说话、用数据决策、用数据管理、用数据创新”已经成为一项政策要求，但大数据分析作为一种新兴的高科技分析技术，海量、高速和异质性特征使得无论是数据收集还是分析数据均需要专业的技术。另外，算法是大数据活动的核心。书写甚至阅读算法均是一项专业技能。“这些复杂的算法即使对于业内专家都是需要花费大量的时间和精力才能了解。一般性的计算法素养并不能充分满足对算法的解读要求。”[15](p43-53)显然，大数据分析对于决策承办主体或者负责稳评的主体提出了包括数据捕获、语义调和、聚合和关联在内的新的分析范式要求，也提出了诸如集成数据源、过滤数据、转化和处理非结构化数据、模型建构、算法设计等问题的技术挑战。此外，由于大数据应用本身存在一定的难度和风险，人们对大数据还存在一定的不信任感或疑虑。在风险方面，根据学者的统计，26.3%的研究重视数据质量低的问题；21%的文章关注数据误用的问题，认为在数据获取后的过程中存在许多系统性偏差，最终不利于得出客观真实的结论；21.0%的文献认为运用大数据可能会带来新的数据不公平问题。另外，由于缺乏一个大数据应用的明确路径，大数据分析手段在实践中很难被一般的政府部门或企事业组织所掌握，多达68.4%的文献提到政府部门缺乏大数据能力的问题，包括收集、分析处理的能力[10](p161-168)。有学者提出了“大数据能力”的概念，指的是识别与解释数据以助于公共政策制定的能力。特别强调数据丰富（data rich）与信息丰富（information rich）的区别，指出数据丰富是指拥有大量的数据集，而信息丰富则是指将数据转换为公共政策的制定和行动的基础知识与分析能力[10](p161-168)。显然，通过将大数据应用于稳评以期得出准确的评估结论，提升大数据应用能力是前提。

（二）大数据活动涉及对个人权益的侵犯

根据学者的统计，在研究大数据的学术文章中，42.1%的文章提及大数据使用可能会侵犯公民数据隐私的问题[10](p161-168)。在动态、立体化的网络环境下，重大行政决策的利益相关者的“异质性”心理与行为表现极为突出，因重大行政决策诱发的风险信息可以通过自媒体快速扩散、交织，短时间内形成数量巨大、形态多样的舆情数据。另外，涉及利益相关者的图像、视频、音频、点击流等半结构化或非结构化的数据内容背后，往往隐藏着利益相关者的真实态度、诉求及行为趋势特征。“大数据的核心思想就是用规模剧增来改变现状。”[2](p195)在稳评中，应用大数据要分析利益相关者的心理和行为倾向，必然涉及个人的隐私信息。大数据的价值不再单纯来自其基本用途，更多源于通过算法的二次利用，能够挖掘出更加深层次的隐形特征。在稳评中，为了尽可能地分析出各种风险，存在着各种各样的诱因，让评估主体对数据尽可能地采集更多、存储更久、分析更彻底，这样就会不可避免地涉及个人隐私。除隐私权外，歧视性数据、算法本身存在缺陷或瑕疵也会导致算法歧视的发生。对个人权益的侵犯通常具有两面性，以侵犯数据隐私权为例，一方面，因顾及个人隐私，或因个人不同意使用自己的数据信息而导致数据壁垒，阻碍了大数据的应用，必然会影响重大行政决策的制定和实施。从长远来看，将影响广大公众享受大数据在推动经济发展中给人们带来的利益。另一方面，一味追求数据收集和算法设计而不顾及个人的隐私，或者对个人同意收集的个人数据疏于管理，必然导致个人隐私被侵犯，不仅公众不愿意提交自己的数据信息，而且如果出现大规模侵犯个人隐私的情况，很可能会因为引发民怨，与重大行政决策可能引发的风险叠加而威胁社会稳定。

（三）大数据应用于稳评仍存在一定的局限性

大数据并非稳评所依靠的唯一工具。在大数据技术做出动态评估结果的基础上，根据结果显示的风险级别和特点，需要一线工作人员积极并有针对性地开展风险沟通，尽可能地将一些风险系数降低。重大行政决策中的风险沟通，是指通过政府与公众之间围绕决策主题开展的对话交流，以弥合官民间的风险认知鸿沟，从而降低利益相关者主观建构的社会稳定风险。“在传统社会，科层组织可以在存在内生矛盾的情况下正常运作。其中一个重要的前提是每个政府层级的公务员并不如理性官僚制所设想的那样完全呈现非人格化特点；恰好相反，行政管理人员的领导力、沟通力以及在矛盾张力下的平衡能力是行政效能的重要保证”[16](p56-62)。风险沟通的目的得以实现的原因在于人的整体判断认知和沟通协调能力，这远非简单的技术理性可以做到。另外，在大数据研究领域，有一种声音认为在大数据时代，我们知道“是什么”就够了，不必知道现象背后的原因。“大数据时代对我们的生活，以及与世界交流的方式都提出了挑战……社会需要放弃对因果关系的渴求，而仅需关注相关关系。也就是说只要知道是什么，而不需要知道为什么。这就推翻了自古以来的惯例，而我们做决定和理解现实的最基本方式也将受到挑战。”[2](p9)依据这样的判断，如果将大数据应用于稳评只能评估风险的等级，而不能分析出产生风险的原因，无疑减损了稳评具有的防范风险的价值功能。同样，要找寻风险产生的原因，除了完善大数据的算法外，现实中仍要依赖基层政府工作人员情境化地在风险因素中进行衡量，才能最终决定降低和化解风险的方式和方法。这种情境化的分析抉择是非人格化数据分析难以做到的。换言之，大数据技术的应用，稳评工作可以减少对人的依赖，但从降低风险，保证重大行政决策能够顺利实施的意义上来说，保证稳评质量、合理使用自由裁量、达到风险沟通效果依赖的仍是身处一线的政府工作人员。因为在大数据分析得出具有动态风险结论的情况下，保证了不会仅仅因为一次稳评结果而导致重大行政决策“胎死腹中”，从而出现影响推动地方经济社会发展的改革举措难以实施的局面。

四、大数据应用推进稳评法治化的路径

随着被确立为决策机关做出重大行政决策必经的法律程序，稳评俨然成为一项规制行政权力的重要机制。同时，稳评过程本身也要体现规制行政权力，保护个人权利的法治精神。然而，如前所述，传统稳评的价值取向与法治存在相斥之处，这就要求必须创新稳评方式方法，提升稳评的法治化水平。大数据的应用已经成为一种不可逆的趋势，而法治既是国家走向文明和现代化的治国理政方式，又是人类追求的一种文明社会状态。大数据唯有在法治的框架内应用，并且其应用体现对法治的推动作用，才能获得健康的发展。

（一）建立数据丰富的风险信息数据库推进稳评的民主性和公平性

传统稳评采取的采样分析、抽样分析是信息缺乏时代和信息流动受限制的模拟数据时代的产物。由于可获取信息的有限性，抽样和采样被当作是一种必然的数据分析方法。以大数据思维重新审视这种抽样和采样分析，其实质是一种人为的限制。据统计，“人类存储信息量的增长速度比世界经济的增长速度快4倍，而计算机数据处理能力的增长速度则比世界经济的增长速度快9 倍”。早在2007年就有学者统计，所有数据只有7%是存储在报纸、书籍、图片等媒介上的模拟数据，其余全部是数字数据①模拟数据指的是取值范围为连续的变量或数值，例如声音、图像、温度、压力等。数字数据相对于模拟数据而言，指的是取值范围为离散的变量或者数值。参见[英]维克托·迈尔-舍恩伯格：《大数据时代》，盛杨燕，周涛，译，浙江人民出版社2013年版，第12页。。与有限的小数据范围相比，追求“以量变导致质变”的大数据分析为分析带来了更高的精确性，能够分析出更多以往抽样样本所不能揭示的细节信息。大数据应用与稳评的媒介是实现影响社会稳定风险的数据化处理，即通过对风险因素模型库的搭建实现风险因素数据化的处理操作，由风险因素模型库与附加在其上的分类算法对特定风险进行分类。因此，建立涵盖海量风险信息的数据库是基础。20世纪80年代美国公共交通治理案例得出的经验表明，风险评估结果的科学性很大程度上取决于所收集到的风险数据“全样本”程度，后者程度越高，评估结果的精准度也就越高[17](p43-47，145)。即便统计方法再先进和精确，也不能弥补因数据匮乏而使用抽样数据的不足，数据才是提高稳评精准度继而为重大行政决策提供依据的关键。丰富的数据为风险分析提供了观察真实社会稳定态势的窗口，支持了决策机关基于稳评的决策制定，这在重大行政决策涉及众多利益相关者的城市中表现得尤为突出。因为城市人口密集，社会资源丰富，科技水平相对较高，描述人类活动的社交网络和具有时间、地理维度的物联网络比较发达，信息化数据丰富。众多的公共议题几乎都被包含在这些丰富的信息化数据中，其中涵盖各种数据采集系统。通过精确、详细、快速更新的数据，风险和政策分析者可以发现过去无法被察觉的信息流以及隐藏的发展模式与关系，揭示特定个体的心理动态和行为模式，为风险识别、分类、分析等提出有益见解，进而被运用到重大行政决策的制定中。“数据参与”作为信息社会实现民主的特有方式，无疑有助于稳评乃至重大行政决策的民主价值。另外，数据丰富不仅涉及稳评参与的民主化问题，而且涉及稳评结论的公平问题。数据缺乏意味着并非全体公民参与提供了数据，能够提供数据的公民往往是那些有能力接触现代通信技术的人，这意味着越是提供自己意见的人越能从政策输出结果中受益[18]。也有学者提到，“数据不公可能与电子参与方式本身固有的民意摄取不足的缺陷有关。因此，公共部门应该满足公众关于参与机会平等的合法期望，要满足参与机会平等，还需要对传统的电子参与的方式进行创新”[10](p161-168)。公平是法治追求的价值目标，在合法合理的前提下收集和分析尽可能多的数据，无疑可使基于稳评的重大行政决策更能够体现公平。

（二）规范数据使用行为保护个人合法权益

传统的隐私权保护规范所贯彻的一个基本原则即个人自己决定是否、由谁以及如何来处理使用他们的个人信息。从保护个人隐私角度分析，个人隐私之所以容易受到大数据的侵犯，并不是大数据本身的缺陷，主要是数据使用者滥用大数据预测。另外，大数据很重要的应用价值体现在通过算法二次深度分析得出的信息，个人面对数据使用者收集自己的信息做出同意的意思表示时往往并不会考虑这一问题。大数据被滥用导致个人隐私被侵犯，必然会让个人对别人使用自己的信息产生畏惧。随着大数据二次分析数据背后关于个人的更深层次的信息逐渐被人们所熟知，必然会加剧个人对允许他人使用数据的抵触心理，使大数据的应用面临强大的壁垒。因此，以往在数据使用者和个人用户之间关于个人数据的“告知与许可”的模式，无论是对于推广大数据的应用让人们享受到更多高科技带来的利益，还是对于保护个人隐私而言，都起不到足够有效的作用。以大数据为主要特征的信息时代，一味地强调对个人隐私的绝对保护而阻碍大数据的应用，显然违背时代发展潮流，从长远来看，也会影响社会福祉的增长；当然，一味强调大数据应用而不顾及个人隐私是把人作为了手段而不是目的的做法，更加不可取。解决这一矛盾的关键是在法治的框架内寻求两种利益的平衡点，用法律来规范大数据使用者的行为，用法律明确个人信息的保护，在法治的轨道上确保大数据使用者对数据的合法和合理使用，保证个人隐私权不受侵犯。因此，应当加快制定《个人信息保护法》，确立个人隐私保护和大数据合法合理使用的基本原则，明确数据使用者在正常情况下必须遵守“告知与许可”的数据合法使用规则，在紧急情况下为了公共利益需要必须遵守数据合理使用的规则，在数据使用和个人隐私权保护之间划分界限，为数据使用者对数据的收集、存储和使用指明合法和合理的路径、方法、范围和时效。此外，由于数据使用者往往是数据使用的直接受益者，他们比任何人都要清楚他们使用数据的真正目的，他们在数据收集和算法设计的整个环节都是积极主动的，如果侵犯了个人的权益，当然应当承担责任。因此，法律应当对数据使用、管理、算法设计进行严格规范。例如，为了平衡企业商业秘密保护和监管数据、个人数据保护和数据监管之间的关系，同时解决“数据活动的技术性使得数据活动天然地具备秘密性，不了解技术的司法和行政机构工作者根本无力判断数据活动是否合规”[15](p43-53)的问题，德国《联邦数据保护法》建立了数据活动顾问制度。根据这一制度，数据活动顾问参与企业算法的设计等数据活动，并定期检查企业的数据活动，有权要求企业配合工作和向数据活动监管机关寻求帮助，数据活动顾问怠于行使职责或与企业共同为不法行为的，应与企业共同承担连带责任[15](p43-53)。我国可以参考建立这一制度，并辅以建立行政强制措施制度及时阻断侵犯个人隐私权、平等权的数据使用行为，确立数据使用者滥用数据应当承担的诸如警告、罚款甚至是刑事处罚等法律责任，在加强对个人权益保护的基础上，促进数据使用走上法治轨道。

（三）应用大数据探究风险起因和维权路径

被誉为“大数据时代的语言家”的英国学者维克托认为，大数据的精髓在于分析信息时的三个转变，包括由随机采样转变为处理和某个特别现象相关的所有数据，数据之多导致不再热衷于追求精确度，以及由前两个转变而促成的“我们不再热衷于找因果关系”，而是寻找事物之间的相关关系。“如果数百万条电子医疗记录显示橙汁和阿司匹林的特定组合可以治疗癌症，那么找出具体的药理机械就没有这种治疗方法本身来得重要。同样，只要我们知道什么是买机票的最佳时机，就算不知道机票价格疯狂变动的原因也无所谓了。大数据告诉我们‘是什么’而不是‘为什么’。”[2](p18-19)但也有学者认为，人类有史以来最大规模的单位时间数据所试图回答的，正是关于因果关系的最伟大的问题：希格斯玻色子是否存在，我们的宇宙是否有可能用标准模型刻画。认为相关终于因果，是某些有代表性的大数据分析手段（譬如机器学习）中内禀的适用主义魅影，绝非大数据自身的诉求。避免“数据的独裁”和“错误的前提导致错误的结论”，其解决之道在于挖掘因果联系而非相关性[2](p9)。事实上，稳评机制既有预测风险的功能，也有为防范和化解风险指明路径的作用。维权是维稳的基础，维稳的实质是维权[19]。防范和化解社会稳定风险，关键是要维护好公众的权益，而要维护好公众的权益，关键是了解公众不满和权益受损的原因。因此，稳评事实上属于对维护群众切身利益具有重要作用的机制，对风险的分析既注重找相关关系，也注重找因果关系。既要分析风险发生的可能性，同时也要了解风险产生的原因，以便为风险感知、风险协商、维护群众权益、控制风险提供依据和路径。大数据应用于稳评实际上是探索复杂社会网络间的个体及群体性行为趋向，数据背后往往是动态变化的个体行为轨迹，其预测的价值实现就是对因某一特定外部冲击引发的舆情关系进行关联，不仅仅关注数据间的相关关系，也关注传统意义上的因果关系。权利保护是法治的核心要义。大数据应用于稳评不仅应围绕风险发生的可能性深度挖掘数据间的相关关系，而且应动态分析利益相关者的心理变化、权益受损的原因，为风险沟通、维护好利益相关者的权益、化解风险提供依据。

（四）应用大数据分析平衡利害与合法性的关系

“如果政府过度执着于项目真正的合法性状况，而忽视公众对合法性的主观感知，就可能陷入巨大的社会风险当中且毫不自知。”[1](p113-130)反过来，如果政府一味关注公众只顾自身利害关系的主观感知，忽视、扭曲甚至排斥法律的作用，就会助长一些人“大闹大解决、小闹小解决、不闹不解决”的错误预期，严重破坏法治，影响社会的长治久安。可见，要在实质上实现稳评法治化，关键是平衡好稳评所追求的利害关系与法治所要求的合法性之间的关系。将利害关系的判断置于法治的框架内，同时，以利害关系评估法律的合法性，推动实现良法善治。一方面，在稳评过程中，当据以判断风险发生概率的利益相关者的利害关系与根据合法性判断的是非关系相一致，例如，重大行政决策的依据是违法的，引发了利益相关者的不满。根据利害关系对风险做出的判断，可以作为制定重大行政决策的依据。另一方面，当利害与是非不一致，例如，重大行政决策虽然合法，但利益相关者对因决策实施导致的利益受损不满，这时，如果选择依据体现合法性的是非标准来决策，有利于维护法治的权威和长远的稳定，但是可能会引发社会不稳定风险；如果只依据利害关系来决策，虽然有利于维护眼前的稳定，但是会助长一些人“大闹大解决”的心理，有损法治的权威，不利于维护社会长远的稳定。在这种情况下做决策需要综合考虑相关因素。如果利害与是非不一致是因为作为合法性判断依据的法律或政策存在问题，要及时修法或从顶层设计上及时做出调整，实现利害与是非的一致。在这个过程中，应当发挥大数据算法分析的作用，例如在评估信息系统安全风险时使用的基于灰色关联决策算法的方法[20](p413)。该方法不仅可以较好地处理评估过程中参数值的不确定性问题，减少评估过程中的主观性，还可以方便地对不同信息系统的安全性进行比较，为信息安全风险评估提供了一种新的思路[21](p413)。社会稳定风险系统的一些特征与灰色系统的特征具有一定的相似性，可以参考该决策算法的评估方法，实现“利益相关者的利害关系”“重大行政决策的合法性”“重大行政决策依据的合法性”的数据化驱动，并沿着以下分析路径设计数据模型和算法：

1.通过对所有利益相关者的数据分析，对他们的心理和行为做出判断和预测。如果评估分析的利害关系与合法性判断一致，如重大行政决策的实施是合法的，虽然部分利益相关者存在对决策的不满，但是不满的原因是他们担心自己的权益难以得到依法保护，这种情况下，应严格依法做出决策，并按照法律的规定加强对利益相关者权益的保护；如果评估分析的“利害”关系与合法性判断不一致，例如，虽然依据法律和政策，预实施的重大行政决策是“合法的”，但是却遭到了利益相关者的普遍抵触，则按照下面的方法进行。

2.对做出合法性判断所依据的法律、政策、决定等的实施情况进行大数据的分析评估，包括该法律政策的实施状况对个人权益影响的评估，司法实践中涉及与该法律政策的实施有关的案件判决的分析评估，不同地区调整类似问题的法律政策实施状况的分析评估等，如果得出的分析结论显示据以判断合法性的法律或政策出了问题，应当暂停重大行政决策的实施，按照法律程序，及时对相关法律、政策做出调整后，重新考虑重大行政决策的实施问题；如果大数据分析得出的结论不是顶层设计存在的问题，则按照下面的方法进行。

3.不应当将稳评作为决策所依据的唯一要素，在稳评结果显示有一定风险的情况下，如果符合法治的要求，经过综合考虑，在符合其他要素的情况下，也可以做出决策。但应用大数据对依据合法性做出决策后的利益相关者的心理和行为进行分析预测，尤其要分析引发公众不满的原因，并根据原因，利用大数据结合对个人数据的算法分析能够对每个人精准画像的功能，得出带有“私人订制”特点的解决方案，政府工作人员应结合方案及时进行风险沟通，化解矛盾，实现在法治轨道上运用大数据维稳的目的。

五、结语

突如其来的新冠肺炎疫情已经持续一年多，在疫情防控与经济发展同步进行进入常态化的背景下，较之以访谈、走访利益相关者进行风险识别的手段，将风险信息要素实现数据化驱动，进而通过算法设计实现数据分析得出判断结论的大数据技术应用于重大行政决策稳评的优势进一步凸显。即便是为疫情防控做出带有应急决策性质的重大行政决策，基于时间的紧迫性可以跨越公众参与、专家论证等程序，也必须顾及决策做出可能引发的社会稳定风险，同样呼唤在有限时间内能够引入更多的公众参与，尽可能体现决策过程民主化的风险评估方法的出现。大数据为处理复杂的数据分析提供了技术，可以在各种社会状态下体现稳评的民主价值，提升稳评结果的准确度。当然，唯有确保稳评符合法治的价值，大数据在稳评中的应用方能健康发展。通过稳评实现重大行政决策“利与害”和“是与非”两种价值维度趋于一致，关键是要在稳评和法治所追求的价值中找寻“公约数”，通过发挥“公约数”的功能缓解两者的张力，推动稳评的法治化。