摘? ?要：文章主要分析和研究如何將貧困戶的基本信息、本地區(qū)的產(chǎn)業(yè)信息、各類經(jīng)濟(jì)及消費(fèi)指標(biāo)等進(jìn)行統(tǒng)一管理，形成一個(gè)完整的精準(zhǔn)扶貧庫(kù)，并在此基礎(chǔ)上對(duì)貧困戶是否能脫貧、何時(shí)脫貧進(jìn)行預(yù)測(cè)，最終建立一個(gè)脫貧預(yù)測(cè)模型。為推進(jìn)精準(zhǔn)扶貧工作提供了建議，也可對(duì)各級(jí)政府的扶貧工作提供指導(dǎo)和決策依據(jù)。

關(guān)鍵詞：精準(zhǔn)扶貧;脫貧預(yù)測(cè)模型;脫貧預(yù)測(cè);大數(shù)據(jù)

1? ? 脫貧預(yù)測(cè)模型建立的必要性

精準(zhǔn)扶貧工作是我國(guó)政府當(dāng)前和今后一段時(shí)間的重點(diǎn)任務(wù)。在大力推進(jìn)精準(zhǔn)扶貧的背景下，各級(jí)政府投入各種扶持資源，出臺(tái)了很多的扶持政策和措施，給貧困戶很多資助。那么在政府的扶持下，貧困戶是否能脫貧、何時(shí)脫貧是各方面都關(guān)心的問(wèn)題。在此背景下研究脫貧戶的特征和脫貧影響因素，建立一個(gè)有效的脫貧預(yù)測(cè)模型，將有助于明確精準(zhǔn)扶貧未來(lái)開(kāi)展方向和思路，也可對(duì)本地區(qū)的貧困進(jìn)程提前進(jìn)行有效判斷，為各級(jí)政府的扶貧工作提供指導(dǎo)和決策依據(jù)。

2? ? 脫貧預(yù)測(cè)模型分析與設(shè)計(jì)

2.1? 數(shù)據(jù)的采集

本模型涉及的數(shù)據(jù)來(lái)源于以下幾個(gè)方面。

2.1.1? 政府扶貧數(shù)據(jù)庫(kù)

在中國(guó)，政府掌握著最齊全、最龐大與最核心的數(shù)據(jù)，各級(jí)政府積累了大量與公眾生產(chǎn)生活息息相關(guān)的數(shù)據(jù)，比如：氣象數(shù)據(jù)、金融數(shù)據(jù)、信用數(shù)據(jù)、電力數(shù)據(jù)、煤氣數(shù)據(jù)、自來(lái)水?dāng)?shù)據(jù)、道路交通數(shù)據(jù)、客運(yùn)數(shù)據(jù)、安全刑事案件數(shù)據(jù)、住房數(shù)據(jù)、海關(guān)數(shù)據(jù)、出入境數(shù)據(jù)、旅游數(shù)據(jù)、醫(yī)療數(shù)據(jù)、教育數(shù)據(jù)、環(huán)保數(shù)據(jù)等，是社會(huì)上最大的數(shù)據(jù)保有者。在保證有效監(jiān)管的前提下，政府有層次、有選擇地加大數(shù)據(jù)對(duì)外開(kāi)放程度，這些數(shù)據(jù)可作為精準(zhǔn)扶貧管理及脫貧預(yù)測(cè)的數(shù)據(jù)基礎(chǔ)，數(shù)據(jù)的開(kāi)放將打通不同地區(qū)扶貧數(shù)據(jù)的壁壘，做到不同地區(qū)的扶貧數(shù)據(jù)比對(duì)、不同地區(qū)產(chǎn)業(yè)數(shù)據(jù)比對(duì)、不同地區(qū)的扶貧效果和效率的比對(duì)[1]。數(shù)據(jù)的開(kāi)發(fā)也為精確地預(yù)測(cè)扶貧對(duì)象是否能脫貧及何時(shí)脫貧提供數(shù)據(jù)分析和預(yù)測(cè)的基礎(chǔ)。同時(shí)，政府?dāng)?shù)據(jù)開(kāi)放也有利于公眾參與城市管理和監(jiān)督政府，進(jìn)而改善公共服務(wù)。

2.1.2? 產(chǎn)業(yè)幫扶數(shù)據(jù)

產(chǎn)業(yè)扶貧是指以市場(chǎng)為導(dǎo)向，以經(jīng)濟(jì)效益為中心，以產(chǎn)業(yè)發(fā)展為杠桿的扶貧開(kāi)發(fā)過(guò)程，是促進(jìn)貧困地區(qū)發(fā)展、增加貧困農(nóng)戶收入的有效途徑，是扶貧開(kāi)發(fā)的戰(zhàn)略重點(diǎn)和主要任務(wù)。產(chǎn)業(yè)扶貧主要內(nèi)涵是在縣域范圍，培育主導(dǎo)產(chǎn)業(yè)，發(fā)展縣域經(jīng)濟(jì)，增加資本積累能力;在村鎮(zhèn)范圍，增加公共投資，改善基礎(chǔ)設(shè)施，培育產(chǎn)業(yè)環(huán)境;在貧困戶層面，提供就業(yè)崗位，提升人力資本，積極參與產(chǎn)業(yè)價(jià)值鏈的各個(gè)環(huán)節(jié)。所以，從這一角度看，產(chǎn)業(yè)扶貧可看成是對(duì)落后區(qū)域發(fā)展的一種政策傾斜。在此過(guò)程中，整個(gè)產(chǎn)業(yè)的運(yùn)行數(shù)據(jù)將提供扶貧預(yù)測(cè)模型的數(shù)據(jù)支持[2]。

2.1.3? 大數(shù)據(jù)技術(shù)的應(yīng)用

在日益成熟的物聯(lián)網(wǎng)和云計(jì)算平臺(tái)技術(shù)支持下，通過(guò)扶貧大數(shù)據(jù)的采集、傳輸、存儲(chǔ)、挖掘和分析等，有望實(shí)現(xiàn)扶貧信息管理及預(yù)測(cè)，即在一個(gè)平臺(tái)上實(shí)現(xiàn)扶貧信息管理、扶貧過(guò)程管理、脫貧過(guò)程管理的集成和優(yōu)化。本預(yù)測(cè)模型的建立是基于扶貧大數(shù)據(jù)處理系統(tǒng)分析后的數(shù)據(jù)進(jìn)行的。扶貧大數(shù)據(jù)處理系統(tǒng)采用了Hadoop，MapReduce，Hive，Spark等技術(shù)開(kāi)發(fā)的大數(shù)據(jù)處理程序，專門(mén)進(jìn)行貧困戶脫貧基礎(chǔ)數(shù)據(jù)進(jìn)行分析[3]。

2.2? 預(yù)測(cè)模型的分析與設(shè)計(jì)

扶貧預(yù)測(cè)模型基于一個(gè)基本公式：

總收益-總成本=總收入（農(nóng)民純收入）

其中，總收益=家庭非產(chǎn)業(yè)收入+產(chǎn)業(yè)幫扶收益。家庭非產(chǎn)業(yè)收入是指家庭成員的收入，這部分收入是家庭的基本收入，不包含家庭參加產(chǎn)業(yè)的收益。這部分?jǐn)?shù)據(jù)來(lái)源于政府的扶貧數(shù)據(jù)庫(kù)。本模型中家庭非產(chǎn)業(yè)收入基本上不會(huì)有太大的變化，而產(chǎn)業(yè)收益變動(dòng)很大，是動(dòng)態(tài)的，也是本模型分析的重點(diǎn)。產(chǎn)業(yè)收益數(shù)據(jù)建模：每個(gè)農(nóng)戶的占比就是他個(gè)人的收益數(shù)。

2.2.1? 股東投入占比

每一個(gè)產(chǎn)業(yè)，根據(jù)貧困戶占比來(lái)核算其收益，每個(gè)農(nóng)戶的占比就是其家庭的收益數(shù)。比如法人30萬(wàn)元，成員2萬(wàn)元等，每個(gè)農(nóng)戶的占比即可得出。

2.2.2? 家庭收入核算

（1）成本核算。每個(gè)產(chǎn)業(yè)幫扶合作社統(tǒng)計(jì)基礎(chǔ)成本、單個(gè)成本兩類內(nèi)容。以飼養(yǎng)牛舉例，基礎(chǔ)成本為牛舍、草料池等一次性投入的內(nèi)容，如表1所示。

所有項(xiàng)目合計(jì)即為本次一次性投入的總成本。

單個(gè)成本包含購(gòu)牛成本、飼料、保險(xiǎn)、醫(yī)療等。此類一般是和數(shù)量有一定關(guān)系，但是邏輯上也和上面一樣計(jì)入成本，比如，1月時(shí)候100頭牛。以上兩個(gè)成本的和即為總成本。

（2）收益核算。產(chǎn)業(yè)扶貧合作社對(duì)收益進(jìn)行核算時(shí)，通常來(lái)說(shuō)也是和產(chǎn)品、數(shù)量和價(jià)格有一定關(guān)系。當(dāng)發(fā)生價(jià)格波動(dòng)時(shí)，需要實(shí)時(shí)跟蹤價(jià)格波動(dòng)，如表2所示。

總收益就是每項(xiàng)的合計(jì)，例如：

總收益= 55 000×38+22 000×40（元）

（3）農(nóng)戶家庭純收入計(jì)算。通過(guò)政府扶貧數(shù)據(jù)庫(kù)獲取家庭的基本收入、基本支出、產(chǎn)業(yè)扶貧合作社運(yùn)營(yíng)的數(shù)據(jù)等，即可計(jì)算農(nóng)戶的家庭人均純收入，再與各地脫貧線進(jìn)行比較即可分析出貧困戶合適脫貧、預(yù)期脫貧收入是多少。

分析模型如下：某農(nóng)戶預(yù)期人均純收入=（預(yù)期總收益-預(yù)期總成本）某人占比÷家庭人口數(shù)。

從而得出結(jié)論：某農(nóng)戶預(yù)期人均純收入>脫貧人均收入數(shù)，則該農(nóng)戶家庭脫貧

某農(nóng)戶預(yù)期人均純收入<脫貧人均收入數(shù)，則該農(nóng)戶家庭不能脫貧。

在此過(guò)程中，反復(fù)地進(jìn)行分析和推算，直到分析出那年農(nóng)戶預(yù)期人均純收入能夠脫貧位置，而這一年即該農(nóng)戶預(yù)測(cè)脫貧的年份，預(yù)期人均純收入即脫貧時(shí)的人均純收入。

3? ? 脫貧預(yù)測(cè)模型的應(yīng)用探究

3.1? 預(yù)測(cè)模型的適用范圍

本脫貧預(yù)測(cè)模型的研究，主要適用范圍是政府主導(dǎo)的精準(zhǔn)扶貧工作，為貧困進(jìn)程提前進(jìn)行有效判斷，針對(duì)脫貧戶的分析為推進(jìn)精準(zhǔn)扶貧工作提供了建議，也可對(duì)各級(jí)政府的扶貧工作提供指導(dǎo)和決策依據(jù)。本脫貧預(yù)測(cè)模型的研究，也可對(duì)同類型的分析預(yù)測(cè)模型及軟件開(kāi)發(fā)作為一個(gè)參考。

3.2? 預(yù)測(cè)模型的應(yīng)用方法和建議

本脫貧預(yù)測(cè)模型的研究，可作為精準(zhǔn)扶貧工作的日常管理系統(tǒng)中的一部分，通過(guò)大數(shù)據(jù)和軟件技術(shù)將其開(kāi)發(fā)出來(lái)，作為一個(gè)子系統(tǒng)。模型的實(shí)際運(yùn)用過(guò)程中應(yīng)結(jié)合大數(shù)據(jù)分析及處理技術(shù)、軟件技術(shù)、人工智能等信息化手段，才能發(fā)揮該模型的作用，提升精準(zhǔn)扶貧工作的效率[4]。

4? ? 結(jié)語(yǔ)

脫貧預(yù)測(cè)模型研究完成后，將為精準(zhǔn)扶貧工作提供輔助管理與扶貧分析功能，減少了扶貧的工作量，提升了扶貧效率。通過(guò)本模型的脫貧分析預(yù)測(cè)可以提前對(duì)扶貧過(guò)程及結(jié)果有一個(gè)判斷，為推進(jìn)精準(zhǔn)扶貧工作提供了建議，也可對(duì)各級(jí)政府的扶貧工作提供指導(dǎo)和決策依據(jù)。

[參考文獻(xiàn)]

[1]段仕浩，蘇葉健.精準(zhǔn)扶貧管理與脫貧預(yù)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)產(chǎn)品與流通，2018（11）：270.

[2]楊秀麗.精準(zhǔn)扶貧的困境及法制化研究[J].學(xué)習(xí)與探索，2016（1）：108-110.

[3]汪三貴，郭子豪.論中國(guó)的精準(zhǔn)扶貧[J].黨政視野，2016（7）：126.

[4]蔡效東.企業(yè)綜合扶貧增強(qiáng)貧困戶“造血”功能[J].農(nóng)村工作通訊，2012（21）：145.

Research on the construction of a prediction model for

poverty alleviation based on big data

Duan Shihao

（Nanning College for Vocational Technology， Nanning 530008， China）

Abstract：This paper mainly analyzes and studies how to manage the basic information of poor households， industrial information， all kinds of economy and consumption index in this area， form a complete accurate poverty support bank， and on this basis， predict whether the poor households can get rid of poverty， when to get rid of poverty， and finally establish a prediction model to get rid of poverty. It provides suggestions for promoting accurate poverty alleviation work， and can also provide guidance and decision-making basis for government poverty alleviation work at all levels.

Key words：accurate poverty alleviation; poverty alleviation prediction model; poverty alleviation prediction; big data