面向政府宏观科技决策的科技管理数据服务模式构建

糟玉庆，赵捧未, ，尹丽英，丁献峰

（1.西安电子科技大学经济与管理学院，陕西西安 710126；2.西安电子科技大学信息资源研究中心，陕西西安 710126；3.西安邮电大学经济与管理学院，陕西西安 710121；4.陕西师范大学图书馆，陕西西安 710119）

科技决策是国家和地方的科学技术行政机构、职能机构和科技主管部门等科技决策主体开展的一系列推动和发展科学技术创新、管理和指导科技创新活动、统筹科技创新资源和基础设施的行为过程。在科技决策过程中，科技管理数据起到了重要的支撑作用，推动了科技决策的精准有效实施。目前，政府科技主管部门对科技管理数据服务的决策支持性要求也越来越高，因此，进一步从深层次细化科技决策需求、智能化提升科技管理数据服务水平显得尤为重要。本文将研究和构建面向政府宏观科技决策的科技管理数据服务模式。首先，分析服务模式的构建原则和构成要素；其次，明确政府科技主管部门在科技决策流程中的需求情况；最后，以需求驱动和数据驱动为理论基础，构建面向政府宏观科技决策的科技管理数据服务模式。通过精准分析用户科技决策需求、智能挖掘科技管理数据，为政府科技决策提供精准化、智能化的服务支持，也为科技管理数据服务模式创新提供理论依据。

1 研究综述

1.1 科技决策研究

关于科技决策的研究，学术界主要从科技决策的分类、数据以及服务等方面开展了研究。

（1）科技决策分类方面，如，张晓杰等［1］将科技决策分为宏观科技决策和微观科技决策，宏观科技决策包括科技法规、科技战略和科技政策的确立和拟定，微观科技决策包括科技计划、科研项目和科研预算的确定等；潘珍［2］将科技管理决策分为宏观、中观和微观3 个层次，宏观层次涉及科技发展规划制定、科技体制改革、科技政策制定等，中观层次涉及产业政策或地区科技决策等，微观层次涉及科技管理中常见问题的对策研究或某种实施方案的制订等。

（2）科技决策数据方面，学者利用多元科技管理数据来满足科技决策需求。如，周群［3］分析了期刊论文、科技政策、专利、项目等数据在政策属性需求、科技属性需求、产业属性需求和科技成果转化属性需求等方面的决策支撑作用，并选择科技期刊数据对科技决策需求进行实证，通过把握科技发展规律和态势，为用户科技属性的决策需求提供支持；文少保［4］提出科技期刊发挥着促进国家科技决策优化的功能，通过决策咨询、舆论导向和预警防范服务，辅助政府部门快速掌握科技领域信息资料和科技发展动态。

（3）科技决策服务方面，学者利用科技领域可视化服务和科技态势解析服务等方式来支持科技决策，或者通过构建决策模型和决策系统实现对科技决策的支持。可视化服务方面，基于可视化技术，如赵志耘等［5］通过调研的方式获得了国内外科技管理领域的现状和可视化技术在决策领域的应用情况，以科技创新为核心，从时间、空间、专题等维度分析了科技管理领域科技创新的现状、预测了未来发展趋势，支持政府在科技创新管理方面的决策。科技态势解析服务方面，如王飞跃［6］通过科技文献作者与机构社会网络、科技专题事件分析与自动定制、科技简报个性化定制与智能推送、知识众包协作的知识创新以及科研情报百科知识库来支持科技决策的制定、评估和实施。决策模型方面，如赵志耘等［7］依据科技决策的情报需求提出了基于模型的情报服务，包含情报检索模型、情报推荐模型、情报可视化模型、情报问答模型、情报生成模型和情报交互反馈模型，通过智能交互的模式为用户提供决策支撑与引导。决策系统方面，如孙晓静［8］将科技决策流程应用到科技决策支持系统中，设计了信息发布、情报推送、协同工作的功能，最终以科技情报产品方式对科技决策者提供决策支持；于升峰等［9］构建了包含基础数据层、知识管理层、智库应用层、服务决策层和决策绩效反馈层的科技智库战略决策平台，满足了决策者科技决策的需求。

1.2 科技管理数据服务模式研究

关于科技管理数据服务模式的研究，学术界从用户需求和服务内容等方面开展了多维度的科技管理数据服务模式创新研究。

（1）用户需求方面，如Yu 等［10］从需求调研、需求分类等角度出发创新了服务模式；尹丽英等［11-12］以政府、企业、科研用户为对象开展科技管理数据服务需求调研，以服务为核心，从服务的主体、内容、对象和策略4个方面创新了科技管理数据服务模式，并从科技管理数据服务流程出发，基于数据资源层、智能分析层、结果展示层、服务目标层研究了全息数据的采集、知识集成与融合、服务创新产品与形式和服务目标的实现。

（2）服务内容方面，基于科技数据资源提出了服务，实现服务模式的创新。如刘蔚等［13］基于科技管理数据资源实现了服务内容具象化，基于科技管理用户实现了服务内容个性化，基于科技管理业务实现了服务内容适配化，借助DIKW 模型形成数据、信息、知识、智慧的科技管理数据资源转化链条，构建了P-FDIS 服务模型，提出了从数据到事实、数据到信息、数据到数据、数据到服务、数据到平台的服务模式。

综上所述，科技决策、科技管理数据服务模式领域都有了比较深的研究和探索，并形成了一些阶段性研究成果，但仍存在一定的局限性。具体体现在以下方面：

（1）对于科技决策的研究。从分类方面分析，相关文献对科技决策仅进行了分类，尚未对每一类别的科技决策进行归类和深入分析，研究的层次较为浅显。从数据方面分析，科技决策所需的数据范围广泛，可满足不同的需求，但整体来看，相关研究的数据类型比较单一，数据仍然不够全面，影响了科技决策的有效性和完整性。从服务方面分析，相关研究的服务与需求的对应不是很清晰，尚未有研究全面地对科技决策和服务进行匹配。

（2）对于科技管理数据服务模式的研究。从用户需求方面分析，相关学者对不同科技创新主体的科技管理数据需求进行了分析，既存在关联性又存在差异性，科技决策需求有待进一步细化分类。从服务内容方面分析，科技管理数据服务层次不多，为满足政府科技决策的需求，深层次、精准化、智能化的服务内容仍然有待进一步深化推进。

因此，本研究将面向政府科技主管部门，聚焦宏观类的科技决策需求，结合需求和数据，构建面向政府宏观科技决策的科技管理数据服务模式，为政府科技主管部门的宏观科技决策提供精准化和智能化的科技管理数据服务提供借鉴与参考。

2 相关概念及理论基础

2.1 科技管理数据

在科技管理的过程中产生了科技管理数据，为政府决策、科技攻关、科学研究、经济建设等活动提供了重要的决策支撑。科技管理数据来源丰富且呈现爆发式的增长，遍布于不同的信息系统平台，数据集结构也复杂多样，具有结构化数据集、半结构化数据集和非结构化数据集，存储与处理采用的技术也不尽相同，且具备有一定的生命周期，呈现多源异构性、关联性、复杂性、周期性和时变性等的特征。通过对各类科技管理数据资源进行挖掘、清洗、整理、关联和分析，可以发现其中蕴含的规律和隐藏的信息，进而为用户提供精准化的科技管理服务。对科技管理数据的界定，目前尚未统一。刘蔚等［13］基于科技管理的全流程视角，将科技管理数据定义为包含科研机构、科研人员、科技项目、科研产出以及管理过程等的全流程数据。王翔等［14］立足地方和区域科技管理大数据平台，定义科技管理数据为涵盖各类科技研发机构、科技计划项目、科研成果、科学技术专家、科技财政投入、科技评估成果、科技政策法规、科技统计数据等数据集。综合上述各学者的定义，本研究认为科技管理数据是包含科技战略、科技政策、科技规划、科技计划、科技项目、科技成果、科技机构、科技人员、科技环境、科技活动、科技统计数据、科技工作流等与科技管理活动相关，在科技管理全流程中产生的各类数据集合。

2.2 服务模式

模式是指事物可直接参照的标准样式，对方法进行抽象、归纳和概括，并到达一定的理论层次，主要以文字、图形、符号等组合形式展示，采用模拟的方法对复杂的现象、过程或事物结构进行精练和简化描述［15］。数据服务模式是数据服务在活动过程中调整各构成要素之间相互关系组合而形成的一种数据服务工作模式，通常以一个整体的框架进行知识、规则的存储与表示，是对数据服务活动从数据集特征、数据内在结构、事物间次序、要素间关联关系进行描述的方法论，本质是满足用户的数据或信息需求。科技管理是指采用科学的管理模式与理念，对科技的过程、成果进行存储与管理，对两者进行整合与利用，并针对具体的情况进行详细地分析，从而促进科研活动开展与实施［16］。综合上述研究，本研究认为科技管理数据服务模式是一种以提供科技管理数据为主要内容，基于工程化的思维，从系统的角度为用户提供科技管理数据服务，即面向用户的科技管理数据需求，采用技术方法提供相应的服务。

2.3 需求驱动理论

需求驱动理论来源于产业经济学，该理论认为产业的发展、运行和稳定与市场需求的驱动息息相关。需求是指人们为解决各种问题而产生的对信息的必要感和不满足感，是用户对信息内容和信息载体的一种期待状态，也是一种以达成任务为目的而形成的要求。需求驱动是一种动力机制，以需求作为驱动因素而开展的研究可以实现需求体系的可持续发展。随着需求驱动理论的发展，学术界开展了一系列的研究。在服务领域，如刘士轩［17］以高校图书馆用户创新学习需求为驱动力开展了多元创新服务的研究，构建了服务项目的流程，完善了高校图书馆服务模式的框架；王飞等［18］以用户的多层次、专业性、多样性和动态性的知识需求为中心构建了智慧图书馆服务体系，实现了需求的主动感知，为用户提供了多样、个性化的信息资源和高效、便捷的智慧服务；陈晶晶［19］以档案信息的利用需求和档案服务的体验需求为驱动，提出了档案馆微服务的架构和服务策略，促使服务适应时代发展的需求。

2.4 数据驱动理论

数据驱动，是以数据为驱动力的一种解决问题的思想、理论，是获得竞争优势和关键技术的基础，从数据的角度来认识、分析、思考和解决问题，发现数据间的关联关系和规律，形成科学的结论。数据驱动利用数据挖掘、自然语言处理、机器学习等技术，基于知识库、模型库、方法库、数据仓库等数据库，对数据进行采集、获取、集成、挖掘和分析，形成信息，对信息进行统计分析、整合、提炼，通过训练生成能够自动决策的模型，再根据反馈实现数据功能的评价和优化，最终实现了用数据管理、决策和创新。随着数字化、智能化时代的到来，数据驱动的应用变得越来越广泛，不再局限于计算机领域。在科技管理领域，如刘蔚等［20］从资源、用户需求、科技管理业务出发构建了DIKW 数据模型，实现了数据模型与数据驱动的结合，通过对管理业务数据和技术内容数据建立分析和预测建模提供决策支持等服务，构建了从数据、信息、知识到智慧全流程的决策支持服务模式，为科技决策提供量化支持与科学依据；在知识发现领域，如李洁等［21］借助数据驱动理念，以数据化、语义化、关联化、可视化、智能化的服务程式来创新知识服务。

3 面向政府宏观科技决策的科技管理数据服务模式构建

3.1 科技管理数据服务模式构建原则

（1）需求导向原则。服务模式以政府科技主管部门用户为中心，通过采取调研和挖掘的方式，主动发现、准确把握、动态了解用户对科技管理数据服务的显性和隐性需求，全方位、多角度地覆盖用户的科技决策需求，强化科技管理数据资源的组织、挖掘、整合和利用，通过提供科技管理数据服务来满足用户需求，并根据用户的反馈意见及时调整服务。

（2）系统协调原则。科技管理数据服务模式是一个整体，由局部各部分要素组成，通过协调模式的各构成要素形成具有系统性的运作体系，涵盖科技管理数据资源的集成、服务的集成、技术方法的集成，通过数据资源、服务、技术方法的共同协作，维持模式的动态平衡，优化服务体系的结构。

（3）开放易用原则。需求驱动下的服务应该开放共享、简单易用，条理化科技管理数据资源，充分使用智能的技术方法，简化服务操作的流程，实现高效、便捷的服务。

（4）可拓展性原则。科技环境不断地变化，数据也在迭代和更新，数据驱动下的服务模式应与时俱进，充分调动和整合与科技决策相关的科技管理数据资源，发现未来科技发展的规律，提前作出科学的预判。

（5）科学规范原则。服务模式布局合理、模块清晰、目标准确，向用户展示出具有科学性、规范性的服务集合，用户可根据科技决策需求选择所需的服务，建立起融合性、互补性、灵活性的多领域共同发展的体系。

（6）层次精准与服务赋能原则。为满足用户宏观科技决策的需求，服务模式应层次分明、内容明确，通过精准的服务供给，辅助用户获取科技管理数据资源并发现问题、分析问题，平衡用户认知结构、完善用户知识体系、补足用户能力缺失、深化用户科技决策能力建设，达成智能化服务赋能的目标。

3.2 科技管理数据服务模式构成要素及其关联关系

本研究提出的科技管理数据服务模式构成要素主要由用户、数据和服务3 个要素构成并形成一个循环结构，如图1 所示。

图1 科技管理数据服务模式构成要素及其关联关系

3.2.1 服务模式要素

（1）用户要素。服务模式的需求分析、数据准备、数据服务等整个数据活动都是围绕政府科技主管部门的科技决策需求，因此以需求为驱动，明确用户的科技决策需求是服务模式的导向，精准把握用户需求、掌握需求的变化趋势，并能够针对需求提出精准化、智能化的科技管理数据服务。

（2）数据要素。科技管理数据作为科技管理中最基础、最关键、最有价值的科技资源，在创建科技发展战略体系、提高科技政策制定权威性、管理和指导科技创新活动以及科技决策支持等方面发挥着重要的作用，因此以科技管理数据为驱动，为构建面向政府宏观科技决策的科技管理数据服务模式提供数据基础，同时对科技管理数据定期更新，实现服务的持续优化。

（3）服务要素。科技管理数据服务是服务模式的关键要素，匹配政府科技主管部门的科技决策需求，服务内容是决策支持服务过程中传递的包含于服务或产品中的数据、信息、知识和智慧，因此，针对政府的科技决策需求提出与需求相匹配的科技管理数据服务，为面向政府科技决策的科技管理数据服务模式构建提供服务支持。

3.2.2 服务模式要素间关联关系

本研究面向的用户是政府科技主管部门，为满足用户科技决策需求，对多源、多维度的科技管理数据加以整合利用，提出精准化、智能化的科技管理数据服务，实现服务拓展，从而支持政府科技决策。接下来，本研究将对用户与数据、服务两两之间的组合关系进行分析。

（1）用户与数据。用户与数据密切相关，通过明晰政府科技主管部门的科技决策需求，凝练出科技决策的内容和科技管理数据服务需求。从科技决策流程角度出发，探索支撑宏观科技决策所需的科技管理数据，形成数据集和数据库，为服务模式提供数据基础。

（2）用户与服务。用户与服务密切相关，服务的目标就是满足用户的需求和期望。服务模式构建过程中以用户科技决策需求为导向，设计的服务需要考虑满足用户对科技管理数据的体验，达到辅助用户实现科技决策的目的。通过提出符合用户需求的服务，实现服务模式的创新。

（3）数据与服务。数据与服务密切相关，数据是重要的元素，通过数据分析产生价值，促使服务向科学化、精准化、智能化方向发展。本研究提出的服务模式是基于科技管理数据来探索面向政府宏观科技决策的科技管理数据服务，体现了数据对服务的重要性和价值。

3.3 政府科技决策流程

科技决策流程是对科技决策的一种程序上的规划，反映了决策过程中的运行机制。决策流程是科学决策的直接体现，通过决策流程中各步骤的时序性排列，尽可能地规避影响决策进程的干扰因素，确保最终能够作出正确决策。按照提出问题、分析问题、解决问题的逻辑，一般的科技决策流程可以分为提出决策问题、制定方案、执行方案和评价方案4 个阶段，如图2 所示。本研究面向政府宏观的科技决策，将科技决策划分为科技政策决策、科技战略决策和科技规划决策，通过细化和分析科技决策流程的阶段性需求，实现科技决策与科技管理数据服务的良性互动，在深刻理解科技决策需求的基础上促进科技管理数据与科技决策的融合，为政府科技主管部门提供相对全面、可靠、动态、连续的决策支持服务。

图2 科技决策流程

3.4 科技管理数据服务模式构建

科技管理数据服务模式，是一种以提供科技管理数据服务为主要内容和方式的模式。秉持服务模式构建的原则、协调服务模式构成要素，结合“需求驱动”与“数据驱动”的科学理念，构建面向政府宏观科技决策的科技管理数据服务模式，包含4个层次，分别是数据资源层、融合分析层、数据服务层和决策需求层，如图3 所示。

图3 面向政府宏观科技决策的科技管理数据服务模式

3.4.1 数据资源层

科技决策所需的科技管理数据涵盖科技管理数据、科技统计数据、科技管理数据相关的资源数据库以及科技情报产品库，通过科技管理数据资源的统筹和汇集，为科技决策提供全面、客观、科学的参考标准和判断依据。

（1）科技管理数据。科技管理数据是科技管理流程相关的各类科技数据资源，包括科技战略、科技政策、科技规划、科技计划项目、科技人员、科研机构、重大科技基础设施、论文、专利、科技成果等；同时，还包括相关的科技报告，例如，综述报告、评述报告、研究报告、咨询报告、科技简报、政策环境报告和专题报告等。

（2）科技统计数据。科技统计数据是政府科技主管部门制定科技政策和发展规划，开展科技决策、定量考核与评价科研工作的重要依据，包含国家公开发行的统计分析年鉴与各地方统计年鉴，如《中国统计年鉴》《中国科技统计年鉴》《中国科学技术发展报告》等，此外还包括国家政府部门、科研机构相关的科技网站，以及国家统计局和中国科技统计网站的统计数据等。

（3）科技管理数据相关的物力资源数据库和虚拟资源数据库具备文献、数据、产品、工具等形式的数据资源，是为满足科技决策需求而建立的知识集合，如商业数据库（中外期刊、学术论文、科技图书）、中国科学引文数据库、科研机构库、科技服务机构库、科技人才库（科学技术专家、软科学专家、投资专家、行业专家、科研管理专家等）、科技咨询专家库、专家知识数据库、基础研究知识库、科技政策法规库（科技产业政策、科技投资政策等）、全球科学基金数据库、科技指标库、专利分析数据库、科技成果库、科技成果转化项目库、精品案例库、科技查新数据库、外部领域数据库、产业资源库和经济信息库等，实现了科技管理数据资源的分类、梳理和保存，并根据动态变化不断地更新、扩充或缩减，按照科技决策的需求进行配置和使用。

（4）科技情报产品库。科技情报产品数据库以实现自助知识查询和检索，满足决策者对知识获取和长期学习的需要，为决策者在科技体制改革、研究工作进展以及成果转化方面供情报依据。跟踪型情报产品可对科技发展意图、态势和发展趋势等信息作出综合分析评估；竞争型情报产品对竞争者的发展情况、实力和意图等进行分析判断；发展型情报产品根据客观现状研究未来发展趋势状况，从而提出方法、未来发展目标、发展路径。

3.4.2 融合分析层

在数据融合与分析过程中，综合调动模型库、方法库、数据库和知识库，通过数据仓库、分布式文件系统、并行任务调度等方式实现对底层数据的协调、调用、分配以及挖掘，形成科技管理数据整体的决策支持。主要涵盖数据采集与分类、数据处理和挖掘、数据分析和预测，整体呈现出从数据中抽取信息，最后精炼为知识和智慧的正反馈循环。

（1）数据采集与分类。数据采集是围绕科技管理数据服务的目标，通过多种方式和渠道获取相关资源。1）人工采集数据，即科技管理部门专业统计人员进行搜索和查询，完成信息的采集和存储。2）网络上报数据，即科技情报机构、科研机构、智库、国家科技图书馆等通过决策支持服务平台提交、上报相关数据。3）智能终端采集数据，即由智能终端设备自动采集各大决策支持平台系统中政府决策所需要的科技管理数据。4）信息跟踪，即采用基于时序的自动监测和跟踪（TDT）技术跟踪相关信息，为政府部门提供最新进展信息。数据分类是对政府科技决策需求相关的科技管理数据进行分类。科技管理数据类型主要包括以文本、数据为主的半结构化、结构化数据，通过建立合理的资源分类体系，利用数据组织和分类等技术进行筛选、分类、整理与存储，从而形成全面、可靠、开放、动态、连续的科技管理数据服务集合，提升面向政府科技决策的科技管理数据资源组织效率。

（2）数据处理。数据处理是对科技管理数据服务集合的数据进行标准化和抽取、清洗和转换、装载（ETL）操作和联机分析处理（OLAP），进而获得所需的信息。1）根据科技决策需求，对文献、专利、动态、期刊和各类多源数据进行抽取，选择需要的数据集。2）按照清洗规则进行数据清洗，对人名、地名、机构名称进行归一化、去重、标准化和噪声数据的去除，有效地解决唯一性约束、相似重复记录、命名冲突、矛盾字段等问题；按照数据处理标准进行转换，对数据资源的主题内容、形式特征等进行分析，根据内容和特征实现数据的规范化，将相同属性特征的数据整合在一起，按照序号、作者、机构、国家、省份、时间、学科、领域、技术类别、出版物、资助项目、关键词、题目、摘要、全文等进行结构重组，实现原始数据信息的压缩，有利于实时处理和个性化分析。3）对数据统一加载，利用分类技术对结构重组的科技管理数据进行分类处理，实现数据的聚合，通过分布式文件系统（HDFS）将数据集储存到云数据仓库中，提高海量访问请求的快速响应。4）云数据仓库的联机分析处理可通过切片或切块、钻取、旋转等技术对科技管理数据进行多维处理，采用仪表盘的技术，集成饼图、柱状图、折线图、气泡图等丰富的可视化图案，并进行图表和组件的关联聚合分析，实现数据可视化、报表生成以及自助式信息查询和动态交互，为政府科技主管部门提供更优良的相关数据信息的图形界面。

（3）数据挖掘。数据挖掘是针对具体的决策需求和目标，采用智能化工具对海量、规模庞大的数据进行挖掘，实现数据特征的提取、构建、选择和降维，挖掘出数据资源中蕴藏的信息，为用户所需的科技管理数据服务提供基础保障。数据挖掘模式主要是采用有关数据挖掘技术获得知识，通过回归、分类、聚类、关联规则和预测等特定的数据挖掘方法直接提取可信的、有用的知识和规律。但政府宏观科技决策需求相关的决策问题具有复杂性和多样化的特征，通常还需通过定量分析、定性分析和相关的模型进一步获得支持决策的信息。1）数据分析，即采用关联分析、融合计算技术以及计量分析方法，对科技管理数据进行多指标、定量化的相关性分析和特征融合，分析发展现状，发现因果关系和潜在的规律，通过进一步地抽取和提炼产生新的知识，使科技管理数据资源的价值密度不断提升。2）数据预测，即通过回归分析方法和时间序列方法构建预测模型，实现趋势的预测，提供具有针对性、前瞻性和可用性的预测结论、方案，通过更具体、更全面的结果解释使用户能更好地理解现状和趋势，满足用户科技决策的需求，辅助政府科技主管部门指导科技决策任务开展。

3.4.3 数据服务层

（1）面向科技政策决策的科技管理数据服务。在科技政策决策时：1）针对政策问题识别需求，可通过情景分析方法、文献计量学和数据挖掘等方法对科技政策相关研究文献和政策文本进行挖掘和分析，为政府分析政策关键和主要问题提供“问题、方法、工具”矩阵图服务。2）针对科技政策动态跟踪需求，可通过案例和调查的方法对国外网站发布的科技政策文件、政策法规进行采集和分析，为政府科技主管部门获取政策前景信息提供情报调查服务和科技动态监测服务。3）针对知识和决策建议需求，可通过数据挖掘、情报分析、德尔菲法和同行评议法等方法对重点区域、专题和产业科技政策进行跟踪、监测和分析，形成区域发展报告、专题发展报告、产业发展报告和政策监测报告，结合专家意见和政策参考建议形成政策分析报告，为政府获取科技政策方案相关信息、知识和建议提供科技动态监测服务与科技决策咨询服务。4）针对领域技术趋势预测与遴选需求，可通过科学计量方法、专利分析方法和数据挖掘技术对领域科技论文、专利进行分析，获得科学技术发展的趋势、前沿、热点和布局，形成领域基础数据库和关键科学计量指标体系，为领域技术趋势预测模型提供有效数据支持，进而获得技术动态报告和技术发展报告，为政府科技主管部门确定领域优先技术和把握技术未来方向提供领域技术趋势预测服务。5）针对科技投入效率测度需求，可通过社会网络分析、统计分析方法对科学技术活动相关的人力、物力、财力方面的投入数据进行分析，包括推动重大科技项目发展的科学家、工程技术和管理专家等科学技术领军人才分布情况和团队的构建情况，全国财政科技投入的相对效率水平和变动趋势情况，以及大型科学仪器、实验室、数据库和设备群构成的新型服务基础设施群体的分布情况等，为政府合理配置科技资源、优化公共财政支出等提供科技统计和可视化服务。6）针对政策实施进展分析需求，可通过科技统计方法和数据挖掘技术对政策文件及其衍生文件进行统计监测和分析，形成动态监测分析报告，为政府科技主管部门了解政策扩散情况、演化模式与规律提供科技动态监测服务；7）针对科技政策实施效果分析需求，可通过统计方法和系统工程评价方法对科研院所、高校、企业开展的基础研究、关键技术与产品开发、技术转移、产业化等科技活动进行统计分析和评价，形成科技活动报告和评估报告，为政府科技主管部门了解科技政策实施效果提供科技统计和可视化服务以及科技评估服务。

（2）面向科技战略决策的科技管理数据服务。在科技战略决策时：1）针对战略信息动态跟踪需求，可通过案例和调查的方法对国外网站发布的科技战略文件进行采集和分析，以先进国家或地区的水平或竞争对手的科技水平作为战略目标来制定我国未来科技发展的目标，为政府科技主管部门获取战略动态信息提供科技动态监测服务。2）针对科技战略发展现状分析需求，可通过专利分析方法、统计分析方法对科技专利数据、科技论文数据等进行分析，为政府科技主管部门了解科技战略发展现状提供科技统计和可视化服务以及领域技术趋势预测服务。3）针对技术人才分布现状分析相关需求，可通过文献计量方法对科技论文进行分析，为政府科技主管部门了解科技人才分布情况提供科技统计和可视化服务。4）针对重点领域技术评判需求，可通过同行专家评议方法、参考国内外技术标准文献，整合专家交换意见、协商谈判、达成共识，充分发挥专家智慧，对技术进行评判，为政府确定重点领域技术提供科技决策咨询服务。5）针对战略实施进展分析需求，可通过科技统计方法、专利分析方法和数据挖掘技术对区域的科技专利和科技战略文件进行统计监测和数据挖掘，形成动态监测分析报告，为政府科技主管部门了解区域战略发布与执行情况提供科技动态监测服务。6）针对科技战略实施效果分析需求，可通过统计方法和系统工程评价方法及专利分析方法，对系列研究报告、知识交流与共享平台、动态信息及专项研究所产生的课题主报告、基础数据资源、动态信息库、专项研究报告等不同类型的研究成果进行统计分析和评价，形成科技评估报告，为政府科技主管部门了解科技战略实施效果提供科技统计和可视化服务服务、科技评估服务。

（3）面向科技规划决策的科技管理数据服务。在科技规划决策时：1）针对规划问题识别需求，可利用多模态信息融合、信息关联、特征识别、聚类分析、态势感知等技术对科技战略、科技政策和信息技术环境数据进行分析和整体感知，为政府识别决策问题和风险预警提供动态科技环境分析服务；可通过一系列科学案例来论述最紧迫的规划问题，为政府确定问题和目标提供科学案例服务。2）针对规划信息分析需求，可通过情报调查的方法对国家有关部门网站发布的科技规划文件进行采集和分析，为政府科技主管部门获取规划目标和策略等信息提供情报调查服务。3）针对科技领域现状分析需求，可通过文献计量和科技统计的方法对科技论文、科技著作、科技专利等成果数据，以及科技人才、科技基础设施、科技机构等总量及其行业、地区分布情况等方面进行计量分析和统计分析，为政府科技主管部门了解科技发展的领域现状和科技资源情况等提供科技统计和可视化服务。4）针对技术发展方向确定需求，可建立技术发展和成熟度指标体系预测技术的理论阶段、试验阶段、应用阶段和衰退阶段，评价技术间的关联关系；可建立技术优势和产业化评价指标体系，从市场需求、产业化可行性、预期的经济效益和投资、技术可行性、国家政策等方面对技术进行综合评价，从而确定关键技术，为政府科技主管部门确定领域技术和把握技术未来方向提供技术路线图服务。5）针对规划方案实施咨询需求，可通过统计方法对专家的观点与见解、分析评价报告、建议与意见进行系统地记录、归纳和分析，为政府科技主管部门制定科技规划实施方案提供科技决策咨询服务。6）对规划实施进展分析需求，可通过科技统计方法和数据挖掘技术对科技活动数量、科研课题执行情况、项目进展程度、科研资金和基础设施投入规模情况等进行实时处理、统计监测和即时分析，为政府科技主管部门了解规划实施进展情况、形势和环境变化提供科技动态监测服务。7）针对科技规划实施效果分析需求，可通过统计方法、系统工程评价方法以及专利分析方法，对科技论文、科技著作、专利发明等科技规划各年度产生的各类重大科技成果数量，以及应用领域数量和产业集群数量进行统计分析和指标评价，为政府科技主管部门了解科技规划实施效果情况提供科技统计分析分析和可视化服务、科技评估服务，为科技规划的调整和完善提供支撑。

3.4.4 决策需求层

（1）科技政策决策需求分析。科技政策决策是政府对政策制定过程范围、内容和发展等的考察，从而指导科学研究，对科学技术活动进行协调和控制。面向科技政策决策流程的各阶段，政府科技主管部门具有不同的需求：第一阶段，提出决策问题阶段。具有政策问题识别需求，需要抓住政策的关键和主要问题，分析政策问题情境，讨论政策问题边界，预测政策问题的发展趋势和规律，提升政府决策的针对性和及时性。第二阶段，制定方案阶段。具有政策动态跟踪需求，即需要分析国外科技政策的目标调整和动态变化趋势，为我国科技政策的方案设计和制定提供前景信息支撑。具有科技知识和决策建议需求，即需要畅通政策方案研究的参与渠道，协同机构、专家获取科技基础研究、前沿探索、应用和产业化科技决策相关的科技知识、管理知识以及专业意见和建议，论证政策存在的问题，辅助分析、选择和确定政策方案，确保方案的完整性和可执行性；具有领域技术趋势预测与遴选需求，即需要了解技术的发展现状，预测技术未来发展趋势，提出一系列领域优选技术清单，并聚焦于国家重大项目，为国家未来科技发展提供方向指引；具有科技投入效率测度需求，即需要加大对科学技术研发、科技平台建设和人才队伍建设等的投入，实现科技资源合理配置，提高资源使用效率，优化公共财政支出等。第三阶段，执行方案阶段。具有政策实施进展分析需求，需要动态地了解科技政策的执行情况，分析政策实施的前瞻性导向，保证所选方案最优或与确定的解决目标最接近。第四阶段，评价方案阶段。具有政策实施效果分析需求，需要分析科技政策实施对各个科研院所、高校、企业等重点科技单位和科技产业的效果及影响，保障政策能适应现实发展需求，并综合科技政策目标的实现程度提出政策的改进方向，进一步完善科技政策。

（2）科技战略决策需求分析。科技战略决策是政府从国家战略的角度来探讨科技对国家未来形势发展的影响，通过对国家总体发展战略目标、经济发展目标和社会发展目标的综合分析来确定未来科学技术发展的战略方向、战略目标、战略重点和战略布局，统筹和部署科技资源等。面向科技战略决策流程的各阶段，政府科技主管部门具有不同的需求：第一阶段，提出决策问题阶段。具有战略信息动态跟踪需求，即需要实时跟踪和分析重要国际组织的科技战略布局、战略方向、科技投入、政策走向等，把握世界科技发展竞争态势和重要科技领域发展状态，借鉴先进科技发展理念，为我国科技战略目标的确定提供参考和依据。第二阶段，制定方案阶段。具有领域战略技术发展现状把握与趋势预测需求，即需要掌握国内战略技术的领域发展阶段、发展方向、研究热点，科技创新活动的演进、规律与特点，预测技术未来发展趋势，提出新的前沿方向；具有技术人才分布现状分析需求，即需要了解核心技术分布、科技人才合作与分布、科技机构合作与分布等信息，为战略技术的发展提供科技人才支撑；具有重点领域技术评判需求，即需要对重点领域的关键技术、共性技术、前瞻技术、颠覆性技术和绿色技术进行水平分析和可行性评判，为技术的安排与部署提供科学的解决方法和专业的意见。第三阶段，执行方案阶段。具有战略实施进展分析需求，需要动态地了解科技战略的执行情况。第四阶段，评价方案阶段。具有战略实施效果分析需求，需要分析科技战略实施情况，提出战略的改进方向，进一步完善科技战略。

（3）科技规划决策需求分析。科技规划决策是政府为指导中长期科学技术研究与开发而制定的规划决策，是根据科技发展现状、科技资源数量及分布、国内外科技发展趋势以及国家经济和社会发展对科技发展的要求作出的科学发展方向和技术发展方向的选择。面向科技规划决策流程的各阶段，政府科技主管部门具有不同的需求：第一阶段，提出决策问题阶段。具有规划问题识别需求，需要识别和发现规划问题，掌握科技态势、分析科技环境、了解相关科学案例，为目标的确定提供支持，提升政府决策的针对性和及时性。第二阶段，制定方案阶段。具有规划信息分析需求，即需要掌握国外科技规划的发展目标和策略，形成较为清晰的认识和判断，为我国科技规划的制定和方案的形成提供参考和借鉴；具有科技领域现状分析需求，即需要分析国内科技发展的重点领域和优势领域现状、了解领域重点科技资源的数量和地区分布情况，根据领域科技发展的水平确定未来重点研究领域；具有技术发展方向确定需求，即需要通过国家技术路线图、重点领域路线图等方式来确定重点技术、分解规划任务，针对重点专项任务制定专项规划，形成科学技术发展的方案体系。第三阶段，执行方案阶段。具有规划方案实施咨询需求，即需要有指导价值的预选方案咨询建议，对科技活动和科技环境提供专业的综合判定与评估，为决策方案的选择提供参考；具有规划实施进展分析需求，即需要动态地了解科技规划的执行情况、存在的问题和目前的困难，整体把握规划实施的进展。第四阶段，评价方案阶段。具有规划实施效果分析需求，即需要分析科技规划中重点领域科技成果的数量、应用及产业化情况，衡量和评估科技规划实施的宏观效果，结合规划总目标进行判断，为科技规划实施总体方案的调整提供参考。

4 结论

本文研究科技管理数据服务模式及相关问题。首先分析服务模式的构建原则和构成要素，其次对科技决策流程进行四阶段的划分；最后研究构建面向政府宏观科技决策的科技管理数据服务模式。主要研究工作及结论如下：明确了政府科技主管部门宏观科技决策流程各阶段的科技决策需求；构建了面向政府宏观科技决策的科技管理数据服务模式，该模式分为数据资源层、融合分析层、数据服务层和决策需求层，为政府科技决策提供服务支持，也为科技管理数据服务模式的创新和完善提供理论支撑和参考依据。

本研究提出的服务模式相比于已有的基于云环境、多层用户需求、P-FIDS 等其他科技管理数据服务模式，在需求、数据和服务方面有所提升。需求方面，聚焦政府科技主管部门用户的宏观科技决策需求；数据方面，凝聚科技管理数据资源，保证决策所依据数据的科学性、有效性和统一性；服务方面，实现了服务的精准化和智能化。未来，可以基于科技管理数据，针对各类科技决策开展数据库设计和系统平台服务功能设计等，并对服务功能进行验证、评估服务预期效果，进一步完善、优化服务模式，为政府科技主管部门提供更好的科技管理数据服务。