大数据驱动的公共服务需求精准管理：内涵特征、分析框架与实现路径

◎胡税根，齐胤植

浙江大学 公共管理学院，杭州310058

从人民群众的实际需求出发，提供其所需的公共服务是服务型政府建设的第一要义。中国特色社会主义进入新时代，社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾，人民群众公共服务领域的需求也在不断提高。近年来，我国逐步构建覆盖全民的国家基本公共服务体系，保障能力和群众满意度进一步提升，但总体而言，目前我国公共服务的规模和质量仍难以满足人民群众日益增长的需求。因此，精准回应与满足人民群众的公共服务需求已成为新时代解决社会主要矛盾和实现共同富裕的重要路径。

随着大数据、云计算和人工智能等新一代信息技术的成熟，服务数字化、数字服务化的发展趋势愈发明显，各国政府也日益重视运用大数据技术了解与满足公民的公共服务需求。早在2010年美国加州举行的年度技术经济会议上，谷歌首席执行官埃里克·施密特就指出，当今世界两天内创造的数据相当于2003年以前人类历史中产生的所有数据的总和。2016年，美国发布的《联邦大数据研发战略计划》提出，要“充分利用新兴的大数据基础、研究方法和技术，使得各联邦机构能够适应不断增长的数据量，利用数据创造出新一代服务和新一代功能”[1]。大数据等现代信息技术的应用已成为政府治理体系和治理能力现代化的内在需要和必然选择。2017年，国务院印发《“十三五”推进公共服务均等化规划》，指出要积极应用大数据理念、技术和资源，及时了解人民群众公共服务需求和实际感受，为政府决策和监管提供支持。2021年，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出，要适应数字技术全面融入社会交往和日常生活新趋势，促进公共服务和社会运行方式创新，同时加快构建数字技术辅助政府决策机制，提高基于高频大数据的精准动态监测预测预警水平[2]。因此，大数据等现代信息技术为公共服务需求管理提供了新的方法和手段，有助于各级政府破解公共服务治理难题，不断满足人民群众日益增长的公共服务需求，增强人民群众的获得感、幸福感、安全感和认同感。

一、公共服务需求精准管理的内涵与特征分析

(一)公共服务需求精准管理的内涵

需求管理概念最初发端于企业管理领域。市场营销4P(产品、价格、渠道、促销)理论[3]向4C(顾客、成本、便利、沟通)理论[4]的演进，映射出企业开始由“以企业为中心”的规模化生产向“以顾客需求为中心”的个性化生产转变的趋势。基于市场营销4C理论的相关研究和实践主要围绕顾客需求、顾客成本、顾客便利和顾客沟通等四项维度，聚焦于如何通过加强顾客的期望管理和需求管理来满足顾客的多样化、个性化需求。由日本学者赤尾洋二创立的质量功能展开模型(QualityFunctionDeployment,QFD)是早期较为成熟的顾客需求管理模型。QFD模型旨在以系统的方式阐述顾客需求与质量特性之间的关系，通过将顾客的需求、偏好和期望转变为质量特性，从而确定产品设计质量，以满足顾客的需求[5]。美国供应商协会(AmericanSupplierInstitute，ASI)进一步将QFD模型的内涵延展为“一种将顾客需求转变为企业生产运营阶段(研究、产品设计与开发、制造、装配、销售与售后服务)质量要求的方法”[6]。QFD模型不仅能帮助产品设计更精准有效地聚类并确定顾客需求，还能对产品与服务性能满足顾客需求的程度进行系统性评价[7]。可见，完整的顾客需求管理模型贯穿于售前、售中、售后多阶段[8]。通常，顾客需求管理始于售前阶段的顾客需求获取与聚类，包括对顾客“质的需求”与“量的需求”、“现时需求”与“潜在需求”、“相同需求”与“差异需求”[9]的了解，到输出“顾客需求清单”[10]，再到销售环节的产品与服务需求满足，最后到售后环节对顾客售后需求的回应与需求满足程度的评估[11]。总体而言，企业管理领域的顾客需求管理包含顾客需求搜集、顾客需求统计及分析、需求满足、需求反馈回应等环节。传统的企业顾客需求管理多依赖于主观经验判断方法或推断式统计方法，致使顾客需求管理往往误差较大。大数据技术为企业需求分析、预测、判断等提供了新的发展可能。在大数据环境下，基于企业内部(顾客关系管理系统等)与外部大数据(如互联网或第三方机构产生的顾客相关的信息等)产生的全生命周期的消费者行为与偏好数据[12]，企业可以构建消费者的完整兴趣图谱[13]，从而满足每位顾客的个性化需求，以提高顾客的满意度和忠诚度。

相较于顾客需求管理，公共服务需求管理更加需要借助大数据技术助推管理理念和管理模型创新。20世纪80年代，西方传统政府官僚体制下的公共服务模式受到批判，受相关企业管理理论启发，以“顾客导向”与“需求导向”为核心的新公共管理理论与新公共服务理论相继诞生，开始推动以公民为中心的公共服务体系改革，并要求以公民的公共服务需求、满意度及反馈作为公共服务质量改良的依据。关于公共服务需求管理的内涵，有研究聚焦于公共服务需求信息处理，认为公共服务需求管理是对民众需求偏好和需求信息的调查、分析、整合、传递和转化的全过程[14]。亦有研究指出，公共服务需求管理是包含更多内容的系统性管理活动，其本身是一个闭循环的小系统[15]，是对人民公共服务需求进行全方位管理的行为活动[16]。因此，公共服务需求通常包含需求获取、需求分类、需求分析、需求引导和创造、需求转化、需求满足等环节。公共服务需求是怎样产生的，对不同的公共服务需求应该如何管理以及如何满足，凡此构成了公共服务需求管理的主要内容。由此，基于顾客管理模型以及公共服务需求管理相关理论研究，公共服务需求管理可以理解为政府对人民群众公共服务需求意愿的获取、分类、统计、满足和反馈进行决策的过程。

目前，人民群众对公共服务的需求日益增长，具体表现为从满足基本生存需求向自我实现的更高层次发展[17]，从模仿性排浪式消费模式开始向个性化消费模式转型[18]。同时，经济社会发展的非均衡性致使我国公共服务的需求呈现出“空间结构”和“类别结构”的显著差异性[19]。正是由于公共服务需求管理的覆盖面广、差异性大、真实性难以确定等难题，基于大数据具有规模性(Volume)、高速性(Velocity)、多样性(Variety)、价值性(Value)、真实性(Veracity)[20]等特性，引入大数据技术有助于破解传统公共服务需求管理在需求获取、分类、统计、满足和反馈中所面临的瓶颈。因此，大数据驱动的公共服务需求精准管理可以界定为政府借助大数据技术对人民群众的公共服务需求进行精准感知、精准聚类、精准测量、精准满足和精准监测的决策过程。大数据技术有助于公共服务需求管理各阶段决策的科学化和精准化。

(二)公共服务需求精准管理的特征

不同于以供给为核心导向的传统公共服务需求管理模式，大数据驱动的公共服务需求精准管理以满足人民群众的需求为核心。大数据驱动的公共服务需求精准管理的特性主要表现在：一是需求实时洞察。在传统公共服务需求识别中，由于信息滞后、信息缺失、信息量不足[21]等局限，有限理性的决策主体难以对公共服务需求进行科学判断和分析，妨碍了公共服务决策科学化的实现，造成公共服务供给与公共服务资源能力脱节、公共服务供需不匹配和资源配置不均等现象。目前，人民群众在公共服务需求方面具有需求数据类型繁杂、需求信息规模庞大、个性需求差异多样、需求交叉融合难以识别、需求反馈无时域限制等难题，因而亟须借助大数据技术对复杂的公共服务需求数据进行挖掘。面对覆盖“幼有所育、学有所教、劳有所得、病有所医、老有所养、住有所居、弱有所扶”等基本公共服务领域的庞大数据资源，大数据技术突破概率统计等传统数据分析手段的局限，凭借其从部分向整体扩大的数据样本范围、从TB级向PB级跃升的数据量级、从数据生成至数据流动阶段的实时性优势，从全景与微观视角对不同地域、不同群体、不同阶段的公共服务需求相关数据进行全面感知、动态探析和挖掘，并进一步通过数据建模对公共服务需求进行动态监测分析，为公共服务科学决策提供即时有效的技术支撑。二是系统集成联动。大数据驱动的公共服务需求精准管理通过链条集成，建构了集公共服务需求的精准感知、精准聚类、精准测量、精准满足和精准监测等环节于一体的公共服务需求链系统和平台。异于传统公共服务需求管理在需求获取、分类、统计、反馈等环节之间的“孤立”和“割裂”状态，大数据驱动的公共服务精准管理根据其平台数据库中链条式循环流动的多元化、归类化、整合化数据流，实现了公共服务需求精准感知、精准聚类、精准测量、精准满足和精准监测等环节的高效联动与有机衔接，有效弥合了传统公共服务需求管理中各环节间不断呈扩大趋势的“缝隙”，以提高公共服务需求精准管理水平，实现基于供需协调匹配的公共服务高质量供给。三是公共价值导向。促进社会公平正义、增进人民福祉是大数据驱动公共服务需求精准管理的出发点和落脚点。传统科层制视域下的公共服务管理以自上而下的管理模式为主，无法有效地精准识别不同群体和地区、同一群体和地区的不同发展阶段的多样化公共服务需求，造成区域间、群体间公共服务资源配置不均衡以及公共服务水平差异较大等问题。随着现代信息技术的日臻成熟，大数据对公共管理的嵌入彰显了公共管理的正义与秩序两种价值的统一[22]。大数据驱动的公共服务需求通过精准感知、精准聚类、精准测量、精准满足和精准监测，能够回应人民群众多样化、复杂性的公共服务需求，尤其是基层、边远和欠发达地区以及弱势群体的公共服务需求，有助于扩大优质公共服务资源的辐射覆盖范围，全面提升公共服务质量、效益和群众满意度，不断满足人民群众对美好生活的向往。

二、公共服务需求精准管理的分析框架

建立在顾客管理理论基础上的公共服务需求管理是指政府对人民群众公共服务需求意愿的获取、分类、统计、满足和反馈进行决策的过程。迈入数字化时代，大数据技术为公共服务需求精准管理提供了可能。基于大数据技术对公共服务需求精准管理的幂数效应，可以建构由公共服务需求精准感知、公共服务需求精准聚类、公共服务需求精准测量、公共服务需求精准满足以及公共服务需求精准监测等五个部分组成的，大数据驱动公共服务需求精准管理的分析框架(见图1)。

图1 大数据驱动的公共服务需求精准管理分析框架 资料来源：作者自制。

(一)公共服务需求精准感知

公共服务需求的精准感知是大数据驱动的公共服务需求精准管理的前提和基础。顾客需求感知理论认为，客户需求的发掘是困难的，客户的许多需求是内隐式的，难以被直接观察[23]。在数字化时代，大数据技术在感知人民群众复杂多样的公共服务需求方面具有传统需求感知方式所无法比拟的天然优势。公共服务相关数据库的大数据是公共服务需求精准感知的数据原材料。同时，大数据技术能够解决由于技术储备不足和业务敏感度等原因导致的公共服务数据价值使用率低的问题。通过使用传感器、射频识别、坐标定位等物联网技术，对公共服务需求信息全域数据进行感知捕获，并进行数据化和结构化处理，甄别公共服务需求信息的有效性，以实现公共服务需求精准感知的目标。2021年，为了更好对城市的“呼吸”(如城市生态、环境)、“脉搏”(如城市车流、人流、物流、能源流)、“体温”(如城市社会生活、政务服务、民生服务)等“生命体征”进行实时、全面、客观的态势感知，从而实现对城市公共服务需求的精准感知，广州市在现有物联感知基础设施的基础上，融合摄像、射频、传感、遥感和雷达等感知单元，建立“天地空三位一体”的城市泛在感知网络，为城市公共服务需求精准管理提供实时的感知数据与决策信息原料，提升了公共服务需求的精准感知能力。由此，传感器等物联网技术赋能助推了公共服务需求获取向公共服务需求精准感知的转变。

(二)公共服务需求精准聚类

大数据驱动的公共服务需求精准聚类关注大数据中公共服务需求信息的真伪，通过对难以处理(图片、音频、视频等)与难以分析(服务质量、个人感知等)的内容进行分析处理，同时利用社会网络分析中的凝聚子群分析技术挖掘隐含在人群信任网络中的信任关系，构建公共服务需求信息的真假判定模型，从而解决“信息过载而真实性难以分辨”的难题。大数据驱动的公共服务需求精准聚类还可通过整合数据采集层的公共服务需求数据，对数据进行集成、融合和分析建模，从不同需求主体的视角分别研究服务和产品需求、硬件需求以及政策需求等个性需求。此外，从具体需求行为的角度，大数据技术有助于政府发现不同类型的公共服务需求特点，对公共服务需求信息进行归纳式精准识别，推动公共服务需求信息归集，从而做到公共服务需求精准聚类，为公共服务需求的精准测量提供参考数据集。2021年，为精准聚类老年群体的公共服务需求，杭州市余杭区开发了“云上夕阳红”智慧养老服务平台，落地于医疗服务、公共交通服务、公共文化、体育服务、安全照护等应用场景。平台前端的物联网通过配置接入应急呼叫器、红外感应、燃气报警器、智慧床垫等智慧终端设备，实现养老服务全方位监管，精准聚类老年群体的具象公共服务需求，提供老年群体迫切需要的公共服务。平台后端的智联网则汇聚各层级、各类型数据，为区、镇街、村社等三级驾驶舱作支撑，帮助老年群体解决生活中的公共服务痛点和难点，提升老年群体的生活质量。由此，大数据信息归集整合技术赋能助推了公共服务需求分类向公共服务需求精准聚类的转变。

(三)公共服务需求精准测量

公共服务需求分类整合、分类识别之后，需要依托大数据用户画像、智能分析和分布式处理等技术对公共服务需求的数量、质量进行精准测量，并对公共服务需求的重要性和紧迫性进行科学排序。大数据驱动的公共服务需求精准测量综合运用大数据用户画像等技术对人民群众的公共服务需求进行多维度解析，依托智能分析技术架构公共服务需求的精准测量平台，审视公共服务需求精准管理的全流程，对公共服务需求意愿进行精准测量。万国商业机器公司(IBM)作为全球最大的信息技术和业务解决方案公司，是大数据产业的领导者，IBM研发的沃森(Watson)计算系统可以有效实现医疗需求的精准测量。在美国，医疗保险公司塞顿健康护理公司(SetonHealthcare)和威尔潘特(Wellpoint)公司借助于IBM研发的沃森(Watson)计算系统，分析评估人们的医疗保健数据信息。沃森(Watson)计算系统使得医疗保险公司从患者中获取了大量医疗信息，并使用大数据分析患者信息。借助于IBM的大数据技术，医生可以更好地诊断患者病情。传统的癌症治疗需要三十天乃至更多时间制订药物治疗计划，现在利用基于IBM公司沃森(Watson)计算系统的智能分析技术，可以精准获取患者的医疗信息，评估患者的医疗需求，并精准测量患者的病情程度，跟踪追溯生成最适合患者的诊疗计划。还可以将治疗周期缩短至一天以内，并显著提高癌症患者的治疗率。由此，大数据智能分析技术赋能助推了公共服务需求统计向公共服务需求精准测量的转变。

(四)公共服务需求精准满足

公共服务需求精准满足是公共服务高质量供给的本质目标。目前，我国公共服务供给模式仍以粗放型为主，缺乏合理的统筹规划，对公共服务需求的响应还停留在“头痛医头、脚痛医脚”阶段[24]。导致这种碎片式公共服务供给局面的主要原因在于尚未实现对复杂多样的公共服务需求的有效精准管理，从而导致了区域间、群体间的公共服务发展水平呈现非均衡化、断裂化状态。因此，以供需匹配为基本导向，基于公共服务资源和需求信息的充分挖掘，大数据驱动的公共服务需求精准管理通过分析公共服务需求满足的方向与目标，可提升政府公共服务科学决策能力，提高公共服务资源配置效率，保障公共服务供给质量，推进公共服务需求的精准满足。2020年新冠肺炎疫情发生后，为精准满足人民群众的公共服务需求，杭州市用数字化驱动经济发展和疫情防控，致力于物联网、区块链、云计算、3D模拟和机器学习算法等技术协同工作的人工智能数字孪生城市建设，在杭州市“城市大脑”应用场景中开创性地研发了“杭州健康码”“复工复产数字平台”“亲情在线”等新应用平台。截至2021年1月，杭州市“城市大脑”已形成11个重点领域的48个应用场景、390个数字驾驶舱[25]，覆盖200多万市民，构建了全面化、智能化的整体智治体系，通过数字智能提升了杭州“城市大脑”的用户体验，同时高水平、全面、丰富的数字社会授权场景也在不断渗透到市民的衣食住行之中，释放出惠及民生的巨大能量，成为杭州市城市幸福宜居的新密码。由此，人工智能数字孪生技术赋能了公共服务需求满足向公共服务需求精准满足的转变。

(五)公共服务需求精准监测

公共服务需求精准监测是公共服务需求精准管理的最终环节，它同时衔接公共服务需求精准感知，构成大数据驱动公共服务需求精准管理的全流程闭环链条。传统公共服务需求反馈机制的低效性导致公共服务供给无法及时响应持续变化的公共服务需求，使得公共服务出现供给滞后、需求与供给错位等现象。此外，现行公共服务需求管理制度还不足以保障人民群众的公共服务需求表达与反馈渠道的畅通，缺乏公众的广泛参与也造成了公共服务需求与公共服务供给之间难以协调与匹配。大数据驱动的公共服务需求精准管理通过借助机器学习技术，构建公共服务需求实时监测和预测模型，即时掌握公共服务需求变化的全貌。此外，大数据驱动下的公共服务创建的本质就是一个合作生产过程[26]。通过构建公共服务需求征询反馈平台，推进公众参与，有助于确保公共服务需求信息的精准反馈、有效显示和充分表达，从而实现政府对人民群众公共服务需求的精准供给和改进提升。2021年，为确保义务教育、基本医疗、住房安全以及基本生活保障，云南省构建了全省统一的救助平台，平台研发的“找政府”应用操作便民实用，政府各职能部门建立了基于“找政府”应用的快速反应机制，能够快速响应人民群众提出的救助申请。云南省统一救助平台的救助服务包括生活困难、住房困难、教育困难、医疗困难、就业困难等，平台框架包含群众端的微信小程序和政府端的数据共享中心，连接涉及生活各个领域的不同政府部门的业务系统，实现了政府对人民群众公共服务援助需求的精准管理。由此，需求大数据平台赋能助推了公共服务需求反馈向公共服务需求精准监测的转变。

三、公共服务需求精准管理的现实难题与挑战

在以人民为中心发展思想的引领下，我国各级政府重视推动基本公共服务均等化，不断满足人民群众日益增长的公共服务需求，但现阶段我国要实现大数据驱动的公共服务需求精准管理，依然面临一定的现实难题与挑战。

(一)“数字基建薄弱”阻滞公共服务需求精准感知

2020年，党的十九届五中全会指出要系统布局新型基础设施，加快第五代移动通信、工业互联网、大数据中心等建设。2021年，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出要围绕强化数字转型、智能升级、融合创新支撑，建设高速泛在、天地一体、集成互联、安全高效的信息基础设施，增强数据感知、传输、存储和运算能力。“新基建”的核心是数字基础设施建设，即提供具备数据感知、采集、存储、传输等功能的数字基础设施[27]，这是实现公共服务需求数据实时抓取与精准感知的必要技术前提。囿于我国数字基础设施建设仍处于起步阶段，公共服务需求的海量数据还无法即时、全面、精准、自动地捕获与感知，“数字基建薄弱”主要表现在三个方面。一是相关数字基础建设规模有待扩展。新基建占我国总基础设施建设的比重仍然有限，数据显示，2020年新增的9,000多亿元地方专项债中，约5,000亿元投向了传统基建项目，约2,400亿元投向新基建，流向数字基建的资金不到20%。由此可见，相比于传统基建，数字基建的规模实显不足[28]。二是数字基础建设质量有待提升。我国目前在新基建方面的重点仍集中于5G基站、大数据中心等可视化的硬件设施，与之相关的运营管理机制、数据保护法规等软件设施建设相对滞后[29]。三是数字基础建设区域发展水平不均衡。当前，我国数字基础建设空间分布呈现出明显的城乡差异，中国互联网络信息中心(CNNIC)发布第48次《中国互联网络发展状况统计报告》显示，截至2021年6月，我国农村网民规模达2.97亿，只占网民整体的29.4%[30]。农村数字基础建设相较于城市更加薄弱。由于偏远农村地区的数字基础建设相对滞后，致使当地民众成为数字鸿沟中的边缘群体，其公共服务需求无法得到有效感知，更难以借助数字基础设施表达自身的公共服务需求，这将加剧公共服务领域的“算法歧视”等社会公平问题。

(二)“信息不对称”妨碍公共服务需求精准识别

1949年以来，我国公共服务需求管理大致经历了从“政治指向时期”到“经济取向时期”，再到“社会转向时期”的转向[31]。与之相对应的，人民群众期盼的公共服务需求在内容、数量和重要性上也在持续变化，现有的公共服务供给无法及时有效地回应不同群体和地区人民群众的需求。通过借助大数据的高速性、海量性、多样性等特性，有了破解传统统计方法难以克服的公共服务需求信息不充分难题的条件，但是在大数据时代，公共服务需求精准管理同样将面临新的信息不对称问题，即透明悖论[32]。大数据使用的工具因物理、法律和技术层面的隐蔽而不透明，使得嵌入政治的大数据技术犹如暗箱，有可能违背其“让世界变得更透明”的初衷。同时，如果公共服务决策者盲目追求大数据技术，则会陷入大数据陷阱。在此背景下，作为需求方的人民群众与作为供给方的政府之间关于公共服务需求信息的不对等，也会催生高质量公共服务被低质量公共服务驱逐的“柠檬效应”[33]，导致公共服务低质量的问题难以解决。公共服务需求存在需求端与供给端的信息不对称，致使人民群众的公共服务需求难以被精准识别和掌握。具体表现的问题主要有：一是公共服务不同类型的需求数量与质量标准尚不明确，由于公共服务种类的不同，目前公共服务需求存在各类型、各模式、各领域的需求数量与质量标准难以统一的情况；二是公共服务需求重点不清晰，人民群众的公共服务需求呈现出多样性和差异性，例如，高收入人群和低收入群体在教育、养老、就业、医疗、卫生、住房保障等方面的公共服务需求都存在不同。区域差异和主体差异导致难以对公共服务需求的重要程度进行排序。

(三)“数据壁垒”制约公共服务需求数据集成共享

大数据驱动的公共服务需求精准管理面临数据开放程度低、需求数据共享壁垒多、信息安全隐患高等问题的困扰，阻滞了大数据技术在公共服务需求精准管理领域的全面应用。具体表现的问题主要有：一是公共服务需求数据开放共享程度不高，我国信息数据资源80%以上掌握在各级政府部门手里，“深藏闺中”，无疑是极大的浪费[34]，其中真正涉及公共服务需求的信息开放较少，数据资源利用率也较低[35]，数据共享工作普遍存在“不愿共享”“不敢共享”“不能共享”的难题[36]，信息数据的割据导致公共服务需求数据难以真正做到开放共享[37]，同时，“信息孤岛”问题导致政府各部门间数据库重复建设现象愈加严重；二是公共服务需求信息的隐私保护仍需加强，在数字经济与大数据时代，信息和数据的隐私保护是数字社会治理与数字经济发展的保障，公共服务需求主体的隐私保护更需重视，应警惕和防范技术发展的异己化导致社会治理产生从“数字民主”滑向“技术利维坦”的潜在风险[38]。

(四)“表达机制不畅”阻碍公共服务需求的精准反馈

公民参与是推动公共服务创新和提升政府治理能力不可忽视的力量。同时，政府是否具有以最有效、最个性化的方式提供更广泛服务的能力亦要接受人民群众的评估[39]。近年来，中央政府大力加强公共服务需求反馈机制的顶层设计，各地政府也相继建立了诸如市民服务热线等需求表达通道以推进公众参与，但是目前一些地方政府仍然习惯于从供给者视角提供公共服务，忽略了需求者对公共服务的想法和意愿。具体表现的问题主要有：一是公共服务需求反馈即时性较弱，目前已有的热线电话、官方网站、信访信箱等需求表达渠道，尚未构建完善的即时性反馈机制以实时回应人民群众的公共服务需求变化，在一定程度上导致了政府部门公共服务供给的滞后性；二是公共服务需求反馈存在“信息失真”现象，受制于公共服务需求表达不充分、信息反馈不及时、大数据精准识别技术应用缺乏等因素，公共服务需求表达和反馈机制的有效性不佳，公共服务需求反馈和回应存在信息扰动和失真现象。

四、公共服务需求精准管理的实现路径

为聚力破解我国公共服务需求精准管理面临的难题和掣肘，精准回应人民群众的公共服务需求，各级政府应积极推动大数据赋能公共服务精准管理模式的发展，在公共服务需求精准管理理论创新的基础上，积极探索大数据驱动的公共服务需求精准管理的实现路径。

(一)建立需求精准管理模型，推动公共服务需求精准管理理论创新

建立公共服务需求精准管理模型既是构建公共服务需求精准管理体系的首要任务，也是解决需求与供给双向沟通和信息互动的基础工作。一是总结公共服务需求精准管理实践经验。通过研究国内外公共服务需求管理的实践案例，聚焦区域差异和主体差异，梳理各级政府在公共服务需求精准管理中的政策和实践案例，总结发达国家公共服务需求精准管理的做法和经验，发掘需求精准管理的共性规律。二是建立公共服务需求精准管理模型。运用“目标导向”和“相关利益者”等需求评估模型，从问题层、操作层和评估层等三个层次展开功能研究，建立公共服务需求精准管理模型，明确大数据驱动的公共服务需求精准管理在公共服务精准管理体系中的功能和作用[40]。三是推动公共服务需求精准管理理论创新。结合公共产品理论、公共选择理论、需求层次理论及消费者需求管理理论等，坚持以人民为中心的发展思想，聚焦新时代社会主要矛盾在公共服务需求领域的解决，探索实现需求精准管理的内在规律，创新发展公共服务需求精准管理理论。

(二)搭建需求感知网络，推动公共服务数字基础设施建设

以感知数据为基础搭建公共服务需求感知网络，以融合数据为依托构建坚实的公共服务需求数据底盘，推动高速泛在、天地一体、集成互联的数字基础设施建设，是实现大数据驱动的公共服务需求精准管理的前提条件。推动相关数字基础建设的重点：一是搭建公共服务需求感知网络，实现数字系统联动，充分运用大数据技术，利用智能物联网(AIoT)感知数据，推动智慧城市、智慧社区、智慧校园、智慧出行等领域数以万亿计的新数字基建设施接入公共服务需求感知网络，形成公共服务需求精准管理的海量数据，并采用数据融合技术整合公共服务各个领域的综合数据资源，实现政府与社会之间的数字系统联动；二是补全感知体系“最后一公里”数据传输，构建坚实的数据底盘，完善NB-IoT、5G通信、模块化应急通信等技术的研究，补全物联感知体系“最后一公里”数据传输[41]，并通过物联网感知技术系统收集多源结构化、半结构化、非结构化数据，通过神经网络、DS证据理论、聚类分析等技术将全域数据进行融合集成，形成主管部门、服务对象、服务单位、服务供给方、服务人员、服务事项、服务方式、服务网络体系等主题域，构建汇总互通有利于公共服务需求精准管理体系中的各功能模块获取数据的融合数据底盘。

(三)强化需求精准识别，建立动态调整的公共服务需求清单制度

公共服务在社会层面需求的知识图谱和在个体层面需求的人物画像，是精准识别人民群众复杂多样、动态变化和分层分类等公共服务需求的关键所在。为及时有效地回应不同群体和地区人民群众的需求，以及同一群体和地区不同发展阶段的多样化需求，应在建立公共服务需求数据库的基础上强化公共服务需求类型的精准识别，建立公共服务需求清单制度。一是构建公共服务需求的数据库。采用多源数据抓取收集海量多源异构数据，解析网民评论和媒体观点，发现互联网舆情中隐含的公共服务新需求，对结构化、半结构化、非结构化等广泛异构的公共服务需求按特定模式与机制进行抽取、集成，并按照对应的标准统一分类、存储，从而形成基于互联网舆情大数据的公共服务需求数据库。二是精准识别公共服务需求的类型及特征。在数据层面对公共服务需求进行挖掘后，要对其明确分类，确定数据来源与形式，借助人工智能技术剖析需求数据，通过自然语言处理(NLP)算法将需求数据进行转化，采用语义分析和文本情感分析技术对需求的主观性文本进行分析和处理。从关注度演进的趋势分析人民群众对公共服务需求的类别变化和关注度变化，从类别变化分析人民群众对每类公共服务需求的侧重点，从关注度变化分析人民群众对每类公共服务的总体关注度。剖析人民群众对公共服务的感知情况和共性需求，识别公共服务需求的主要类型，分类绘制公共服务需求“知识图谱”。三是建立动态调整的公共服务需求清单。采用大数据用户画像技术，由数据采集层收集海量多源异构的公共服务需求数据，由数据管理层对这些数据进行集成、融合以及分析建模，从不同需求主体的视角分别研究服务产品需求、硬件需求、政策需求等个性需求[42]；从具体需求行为的角度，分类型绘制“需求用户画像”，并计算分析用户行为偏好，识别不同类型的公共服务需求模式，进而制定动态调整的公共服务“需求清单”，以满足人民群众日益增长的公共服务需求。

(四)加强需求精准测量，重视对公共服务需求的排序

公共服务要充分体现人民群众的历史主体地位，尊重人民的选择，提高人民的积极性[43]。以人民群众的实际需求为出发点，对公共服务需求的数量、质量进行精准测量，对公共服务需求的重要性进行科学排序。一是精准测算公共服务的数量需求。在已有公共服务需求数据库的基础上，基于政务大数据和互联网舆情大数据，综合运用分布式信息收集技术、大数据用户画像技术、自然语言处理(NLP)和批流式大数据实时处理等大数据技术，对人民群众的公共服务需求进行多维度解析；借助多源数据抓取建立公共服务需求数据库，接收抓取公共服务需求数据，分析网民评论和媒体观点，精准测算公共服务的数量需求。二是精准确定公共服务的质量需求。依托大数据用户画像技术、分布式处理技术、智能分析技术和NoSQL非关系型数据库等技术，架构公共服务质量需求测量平台，着眼于公共服务需求精准管理的全流程，对公共服务需求数据库里的结构化、半结构化、非结构化等广泛异构的公共服务需求数据进行质量需求的精准确定。三是对公共服务需求的重要性和紧迫性进行排序。基于KANO模型，借助智能分析和多模态数据挖掘等技术手段，聚焦区域差异和主体差异[44]，把握公共服务需求的变迁规律，分类型对公共服务需求的重要性和紧迫性进行排序，构建公共服务需求管理的分析框架和测量模型，精准测量公共服务需求的重要程度。

(五)构建需求精准反馈机制，打造公共服务需求实时监测平台

需求监测有助于大数据驱动的公共服务需求精准管理的改进提升。传统公共服务需求表达主要使用官方网站、热线电话、信访信箱等渠道，不同渠道间的公共服务需求信息反馈存在一定程度的“数据壁垒”[45]。为此，实现公共服务需求的精准反馈亟须打造互联互通的公共服务需求实时监测预测平台。一是构建大数据驱动的公共服务需求精准反馈机制。从人民群众对公共服务需求表达的内容、特点和实现途径入手，研究影响需求表达的因素和问题，鼓励人民群众参与公共服务的需求管理。对此，各级政府要以人民群众的公共服务需求为核心，借助公共服务需求实时监测和预测平台，建立科学、民主、高效、动态的公共服务需求反馈机制，精准识别人民群众的公共服务需求，以推动公共服务的高质量发展。二是强化公共服务需求预测功能。公共服务需求预测功能是在需求监测平台的基础上，借助数字孪生技术构建目标区域的数字孪生体，通过多模态数据挖掘处理模块，将批量基本服务需求大数据与多模态数据处理相融合，保证数据的多样化接入，以建立多模态数据处理业务系统，实现多模态数据的有效查询，自动提醒人民群众潜在的公共服务需求，最终实现公共服务需求预测，并提高公共服务需求精准反馈的科学性、前瞻性和可操作性。三是打造公共服务需求实时监测平台。借助机器学习技术，调取公共服务需求数据库的历史存量需求数据，构建公共服务需求监测模型，实时研判公共服务需求变化的重点及趋势，从而做好公共服务需求的实时监测。将公共数据服务纳入公共服务体系中，打造基于国家公共数据开放平台的、互联互通的公共服务需求反馈和实时监测平台，从而更好地挖掘人民群众的需求行为特征，揭示其中的一致性规律，为公共服务需求的精准管理和监测创造条件(1)感谢浙江大学公共管理学院博士研究生刘娟对此文的贡献。。