盧山 張寧

摘要：為實現(xiàn)“十三五規(guī)劃”中制定的到2020年7000萬人口全面脫貧的目標，大數據技術的應用恰好為精準扶貧工作提供了有效的技術支持和保障。由于體制的缺陷和大數據自身特點的限制，貧困戶的瞄準精度具有很大的偏差，這給扶貧工作的進行帶來很大的影響。本文依托Hadoop分布式計算技術，提出改進的貧因數據處理系統(tǒng)，提高貧困人口的瞄準精度，實現(xiàn)貧困戶的精準識別，切實做到精準扶貧的工作目標。

關鍵詞：精準扶貧;大數據

中圖分類號：C913 文獻識別碼：A 文章編號：1001-828X（2019）015-011-01

一、緒論

為打贏2020年全面脫貧的攻堅戰(zhàn)，習近平在湖南湘西考察時首次提出“精準扶貧”的思想理念。精準扶貧自此成為我國脫貧攻堅的新方略。精準扶貧指的是對真正的貧困家庭和貧困人口實行有針對性的幫扶策略和措施，從根本上消除導致貧困的障礙，達到可持續(xù)脫貧的目的。

貧困戶的精準識別和精準幫扶，扶貧對象的動態(tài)管理和扶貧效果的精準評價是精準扶貧的主要內容。其中，貧困人員的瞄準是整個扶貧工作的焦點。為了實現(xiàn)精準扶貧，我們可以充分利用大數據技術將海量的扶貧信息進行有效的分類、整合、分析及利用，從而提高扶貧瞄準精度，以及實現(xiàn)扶貧方式、內容與扶貧對象有效匹配。

綜上所述，本文擬運用大數據思維創(chuàng)新扶貧管理模式，利用大數據技術提高扶貧的瞄準精度，切實做到“扶真貧、真扶貧、治本扶貧”。

二、大數據理論和方法研究現(xiàn)狀

現(xiàn)有面向大數據的研究主要是針對存儲、處理、分析、可視化等某一方面的關鍵技術。在大數據處理技術方面，最主流的平臺是Hadoop。Hadoop由分布式文件系統(tǒng)HDFS、并行計算框架MapReduce和非結構化數據庫Hbase組成，它們分別是Google GFS和Google BigTable的開源實現(xiàn)。HDFS具有高容錯性，因此適合部署在價格低廉的硬件上，同時它還適用于具有超大數據集的應用程序。在大數據分析方面，代表性研究有Hive、Pig等，F(xiàn)acebook等公司在實時分析方面也進行了相關研究。

三、貧困瞄準精度不足的原因

1.貧困數據規(guī)模巨大，分布廣泛

據統(tǒng)計，直至2017年，我國共有5000萬貧困人口已經建檔立卡，涉及貧困縣592個，其中還有包括數萬個貧困。另外，貧困數據不僅包含貧困戶主體，還包含政府、企業(yè)等其他主體。從貧困數據的來源上看，數據來源于財政部、住建部、教育部、工商部、民政部和殘聯(lián)等各個部門。貧困數據來源廣泛，渠道多樣，分散程度高。精準扶貧的實現(xiàn)需要整合所有貧困數據，制定相應的幫扶措施。但是如此龐大的數據規(guī)模給貧困數據的整合及處理帶來了不小的挑戰(zhàn)，從而限制了貧困人口的瞄準精度。

2.貧困數據結構多種多樣

貧困戶瞄準精度不高的另一個原因是貧困數據類型和數據結構多種多樣，數據難以得到有效的利用。貧困數據不僅包括財務報表等結構化數據，還包括圖片、音頻、視頻等非結構化數據，如貧困人口分布圖等。由于技術的限制，這些非結構化數據不能得到有效的利用，致使貧困戶的瞄準精度存在一定的偏差。

3.貧困數據價值密度低

我國的貧困數據具有信息不對稱的特征，信息的不對稱性極大限制了貧困戶的瞄準精度，給精準扶貧帶來嚴峻的挑戰(zhàn)。由于管理體制的限制，我國多數地區(qū)的貧困數據相互獨立，分散存儲，信息不共享。很多貧困戶的收入支出比例在多次統(tǒng)計中具有一定的不平衡性，真實數據和統(tǒng)計數據之間存在的差異較大，極大限制了大數據技術的生產和利用。另外，信息的不完整性，失真程度高，可參考性較差，加重了信息處理的負擔，使得信息需要經過二次處理，否則將會極大影響貧困戶瞄準精度，與精準扶貧的初衷相違背。

四、提高貧困瞄準精度的措施

為了解決上述問題，提高扶貧工作的工作效率和工作質量，本文擬結合大數據技術，從管理層面和技術層面提出改善瞄準精度的解決方案。

1.數據自動化采集和數據共享

由于貧困數據規(guī)模的龐大，數據采集和整合的時間差極大限制了扶貧工作的進行，精準扶貧工作存在滯后性。為了加快信息處理速度，切實做到精準扶貧，本文提出開發(fā)相應的扶貧平臺，通過手機、電腦等電子設備實時將收集到的數據上傳到該平臺。管理部門可通過該平臺實時掌握貧困人口的貧困數據。另外，利用大數據云計算等技術，實現(xiàn)全國貧困數據的共享，各部門、各層級政府都能共享貧困信息，有效保證貧困數據的有效性，提高貧困數據的利用價值，降低失真度。

2.利用大數據技術提高瞄準精度

針對扶貧工作的焦點——貧困人員的精準識別，利用基于Hadoop的大數據處理平臺、MapReduce的計算模式及Hive、Pig的數據分析和語言處理等大數據技術，處理海量貧困人員的相關信息，進而提出改進扶貧瞄準精度的方法，以改善現(xiàn)有技術平臺無法高效的對大量貧困人員信息進行采集、處理、分析與整合而造成扶貧瞄準精度不足的現(xiàn)狀，提高扶貧工作成效。

五、結語

本文提出基于Hadoop的大數據處理架構，將簡潔高效的并行計算編程模型MapReduce、基于HDFS的大數據云存儲、使用HBase支持大數據數據庫以及基于Hive、Pig的數據分析和語言處理等大數據技術行有機融合，提高扶貧數據的處理效率，同時提高貧困戶的瞄準精度，對貧困戶和貧困人口盡可能做到精準識別，幫助政府制定有效幫扶措施。