〔摘要〕大數(shù)據(jù)驅(qū)動(dòng)公共決策模式迭代升級,重構(gòu)了決策制定、執(zhí)行、監(jiān)督和反饋全鏈條中的權(quán)力關(guān)系與資源配置。對此,學(xué)界出現(xiàn)了樂觀論與悲觀論兩種基本的論調(diào):樂觀者認(rèn)為大數(shù)據(jù)驅(qū)動(dòng)的決策制定具有諸多優(yōu)勢和良好發(fā)展前景;悲觀者則認(rèn)為現(xiàn)實(shí)中的大數(shù)據(jù)并不一定會(huì)促使決策更加精準(zhǔn)、科學(xué)和民主,反而可能會(huì)因數(shù)據(jù)本身來源和格式的復(fù)雜性、數(shù)據(jù)互通和共享標(biāo)準(zhǔn)的差異性、多主體利益博弈的政治性以及隱私侵犯和信息泄露的可能性而導(dǎo)致更為復(fù)雜的政策失靈。進(jìn)一步分析發(fā)現(xiàn),樂觀論和悲觀論之間的分歧主要源于技術(shù)與政治、權(quán)利與權(quán)力、工具理性與價(jià)值理性之間孰輕孰重。面向未來,可以推動(dòng)大數(shù)據(jù)驅(qū)動(dòng)的決策制定向?qū)徤鞯臉酚^主義邁進(jìn),建構(gòu)數(shù)字技術(shù)、政治過程與制度運(yùn)作之間的互嵌與互適關(guān)系,以此錨定大數(shù)據(jù)驅(qū)動(dòng)決策制定的基本方向,真正發(fā)揮大數(shù)據(jù)在政府決策和社會(huì)治理中的作用。
〔關(guān)鍵詞〕大數(shù)據(jù);數(shù)據(jù)政治;決策過程;決策制定;循證決策
〔中圖分類號〕D035〔文獻(xiàn)標(biāo)識碼〕A〔文章編號〕2095-8048-(2024)05-0040-12
〔基金項(xiàng)目〕國家社科基金重點(diǎn)項(xiàng)目“民主協(xié)商推進(jìn)基層群眾有效自治的長效機(jī)制與實(shí)現(xiàn)路徑研究”(21AZZ005)
〔作者簡介〕李強(qiáng)彬,四川大學(xué)公共管理學(xué)院教授,博士生導(dǎo)師;
劉思雨,四川大學(xué)公共管理學(xué)院碩士研究生,四川成都610065。
一、問題的提出
自2008年“大數(shù)據(jù)(Big Data) ”這一概念在《Nature》??媳惶岢鲆詠?,大數(shù)據(jù)的相關(guān)研究便在學(xué)術(shù)界興起,促進(jìn)了科學(xué)研究和管理實(shí)踐的范式轉(zhuǎn)變。吉姆·格雷(Jim Gray)從自然科學(xué)的視角指出,人類科學(xué)研究正在進(jìn)入“數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)”的第四研究范式〔1〕;米加寧認(rèn)為大數(shù)據(jù)使得社會(huì)科學(xué)進(jìn)入數(shù)據(jù)驅(qū)動(dòng)時(shí)代〔2〕。公共管理與政策實(shí)踐中“大數(shù)據(jù)驅(qū)動(dòng)”的引入產(chǎn)生了巨大反響,促使“大數(shù)據(jù)驅(qū)動(dòng)”成為一種新的治理范式。作為一個(gè)兼具動(dòng)態(tài)性、復(fù)雜性并內(nèi)含矛盾與沖突的過程,決策制定中的大數(shù)據(jù)驅(qū)動(dòng)在國家和社會(huì)層面都具有重要意義。從國家層面來看,海量數(shù)據(jù)的積累、處理和利用能力將成為一個(gè)國家實(shí)力的新標(biāo)志〔3〕。從社會(huì)層面來看,高質(zhì)量的公共政策不僅有助于稀缺社會(huì)資源的合理配置,還能夠促使公共部門切實(shí)解決亟待關(guān)注的社會(huì)問題,甚至預(yù)防重大風(fēng)險(xiǎn)事故的發(fā)生。隨著大數(shù)據(jù)以及現(xiàn)代信息技術(shù)的發(fā)展和廣泛運(yùn)用,大數(shù)據(jù)成為“新石油”般的寶貴資源,在各領(lǐng)域以全面感知問題、全流程自動(dòng)化、全過程監(jiān)督等方式發(fā)揮著降低成本、提升效率、增強(qiáng)滿意度和促進(jìn)責(zé)任實(shí)現(xiàn)等方面的重要價(jià)值。作為政府決策和社會(huì)治理的一種新模式,基于大量的數(shù)據(jù)資源和大數(shù)據(jù)分析技術(shù),大數(shù)據(jù)驅(qū)動(dòng)在管理、教育、經(jīng)濟(jì)、社會(huì)和政治等領(lǐng)域的作用日益顯要,“數(shù)據(jù)驅(qū)動(dòng)的教育決策”“公共大數(shù)據(jù)驅(qū)動(dòng)的經(jīng)濟(jì)增長”“大數(shù)據(jù)驅(qū)動(dòng)的競選決策”相繼在歐美國家興起,深刻影響著經(jīng)濟(jì)社會(huì)發(fā)展和政治決策。
近年來,有關(guān)大數(shù)據(jù)驅(qū)動(dòng)的研究在我國備受關(guān)注,涉及教育教學(xué)、企業(yè)管理與創(chuàng)新、公共服務(wù)與社會(huì)治理、公共安全與應(yīng)急管理、績效管理與精準(zhǔn)問責(zé)、城市與環(huán)境治理、農(nóng)業(yè)農(nóng)村現(xiàn)代化與精準(zhǔn)扶貧、網(wǎng)絡(luò)輿情與公眾監(jiān)督等眾多議題。有研究指出,傳統(tǒng)的決策模式在大數(shù)據(jù)時(shí)代已然無法有效應(yīng)對日趨復(fù)雜的社會(huì)問題和時(shí)代挑戰(zhàn) ,并對智慧公共決策的內(nèi)在邏輯、關(guān)鍵特征進(jìn)行了分析〔4〕。段忠賢則指出,大數(shù)據(jù)驅(qū)動(dòng)的政府決策是一種精準(zhǔn)的決策模式并貫穿于從數(shù)據(jù)到?jīng)Q策的全過程〔5〕。從公共政策流程優(yōu)化再造的視角,秦浩解釋了大數(shù)據(jù)如何驅(qū)動(dòng)公共政策轉(zhuǎn)型〔6〕。與此同時(shí),學(xué)術(shù)界對于大數(shù)據(jù)驅(qū)動(dòng)的決策制定存在爭議。一方面,技術(shù)樂觀主義將大數(shù)據(jù)分析作為一種技術(shù)現(xiàn)象,過于強(qiáng)調(diào)技術(shù)因素而忽視了政治因素,過分執(zhí)著于工具理性而弱化了價(jià)值理性,主要關(guān)注傳統(tǒng)數(shù)據(jù)如何創(chuàng)建、處理和分析以及數(shù)據(jù)本身的性質(zhì),認(rèn)為更好、更快的信息一定能夠?qū)е赂?、更快的決策。但是,由于組織內(nèi)外各參與者之間存在不同的利益和沖突,組織對技術(shù)的采納也需要一個(gè)過程,使得數(shù)據(jù)生成的速度并不會(huì)直接轉(zhuǎn)化為決策的速度,政策之窗的打開也并不單純受大數(shù)據(jù)分析技術(shù)的影響。另一方面,政策悲觀主義關(guān)注數(shù)據(jù)和政治決策的相互作用,不僅強(qiáng)調(diào)從數(shù)據(jù)中獲得信息并在決策中合理應(yīng)用,而且更關(guān)注多元利益主體、決策過程、社會(huì)效果與監(jiān)督反饋。
因此,平衡技術(shù)樂觀和政策悲觀被賦予了重要意義〔7〕。但是,現(xiàn)有研究對大數(shù)據(jù)驅(qū)動(dòng)決策制定的探討多為描述性,較少對大數(shù)據(jù)驅(qū)動(dòng)決策制定的內(nèi)在過程和機(jī)制進(jìn)行系統(tǒng)解釋,缺乏對樂觀論與悲觀論的分歧展開細(xì)致分析。由此,本文試圖從大數(shù)據(jù)驅(qū)動(dòng)決策制定的不同視角和觀點(diǎn)出發(fā),基于大數(shù)據(jù)驅(qū)動(dòng)決策制定的既有研究并結(jié)合不同學(xué)科的競爭性解釋,對大數(shù)據(jù)驅(qū)動(dòng)的決策制定進(jìn)行“冷思考”,試圖回答何謂大數(shù)據(jù)驅(qū)動(dòng)的決策制定、大數(shù)據(jù)驅(qū)動(dòng)的決策制定何以樂觀何以悲觀等問題,旨在為大數(shù)據(jù)在政策過程中的實(shí)際應(yīng)用提供更全面、充分的分析,推動(dòng)大數(shù)據(jù)驅(qū)動(dòng)的決策制定在提升決策質(zhì)量和促進(jìn)有效治理中更好地發(fā)揮效用。
二、大數(shù)據(jù)驅(qū)動(dòng)決策制定的多重視角
數(shù)據(jù)驅(qū)動(dòng)的決策制定由決策過程、決策制定者、決策、數(shù)據(jù)和分析五個(gè)要素構(gòu)成,不僅是對經(jīng)典決策理論的擴(kuò)展〔8〕,也是公共決策理論在數(shù)字化背景下的延伸。國外有關(guān)大數(shù)據(jù)驅(qū)動(dòng)決策的研究主要分散在教育學(xué)、醫(yī)學(xué)、數(shù)據(jù)科學(xué)以及公共管理等學(xué)科領(lǐng)域,根據(jù)不同的研究邏輯、視角和目的,研究者對大數(shù)據(jù)驅(qū)動(dòng)決策制定的內(nèi)涵與特質(zhì)的分析主要呈現(xiàn)出以下幾種代表性觀點(diǎn)。
一是過程要素論。具體而言,這一視角強(qiáng)調(diào)大數(shù)據(jù)驅(qū)動(dòng)的決策制定經(jīng)由“數(shù)據(jù)-信息-知識”的一般過程,核心是關(guān)注其中的基本要素及其前后之間的轉(zhuǎn)化。例如,羅素·艾可夫(R. L. Ackoff)認(rèn)為“數(shù)據(jù)、信息和知識形成了一個(gè)連續(xù)的統(tǒng)一體,數(shù)據(jù)會(huì)被轉(zhuǎn)化為信息并最終成為可用于決策的知識”〔9〕。也就是說,大數(shù)據(jù)驅(qū)動(dòng)的決策是將數(shù)據(jù)進(jìn)行分析以轉(zhuǎn)化為信息,并在與專業(yè)知識相結(jié)合的基礎(chǔ)上轉(zhuǎn)化為可操作化的知識以支持決策的過程〔10〕,在一般意義上遵循“數(shù)據(jù)-信息-知識-決策-行動(dòng)”的鏈條〔11〕。借鑒循證醫(yī)學(xué),科學(xué)家阿里德安·史密斯(Adrian Smith)在1996年提出“以證據(jù)為基礎(chǔ)的方法”來制定政策〔12〕,證據(jù)作為關(guān)鍵要素被引入“基于循證決策”的大數(shù)據(jù)驅(qū)動(dòng)決策的過程之中,正如安妮·芙蓉·范文斯特拉(A. F. van Veenstra)所指出的,數(shù)據(jù)驅(qū)動(dòng)的決策制定建立在循證決策的基礎(chǔ)之上〔13〕。這表明,研究者可將源于研究的最佳現(xiàn)有證據(jù)置于政策制定和實(shí)施的核心,從而為政策、計(jì)劃和項(xiàng)目的決策提供支持。因此,作為決策過程的要素構(gòu)成,數(shù)據(jù)、信息、知識、證據(jù)之間相互連接,貫穿從數(shù)據(jù)到?jīng)Q策的全過程之中。
二是技術(shù)輔助論。由于大數(shù)據(jù)驅(qū)動(dòng)決策制定是利用技術(shù)對數(shù)據(jù)進(jìn)行收集、分析、集成和排序,進(jìn)而生成決策的一系列活動(dòng),因此技術(shù)在其中扮演重要角色。正如埃倫·曼迪納赫(E.B. Mandinach)等認(rèn)為,大數(shù)據(jù)驅(qū)動(dòng)決策制定是系統(tǒng)地收集、分析、檢查和解釋數(shù)據(jù),以期為實(shí)踐和政策提供信息的活動(dòng)〔14〕。這一觀點(diǎn)強(qiáng)調(diào)數(shù)據(jù)價(jià)值開發(fā)中技術(shù)的作用,認(rèn)為數(shù)據(jù)驅(qū)動(dòng)的過程是基于數(shù)據(jù)分析而不是純粹基于直覺的決策實(shí)踐〔15〕。伴隨大數(shù)據(jù)觀念的提出和數(shù)據(jù)科學(xué)的不斷發(fā)展,探尋數(shù)據(jù)科學(xué)與數(shù)據(jù)驅(qū)動(dòng)決策之間的關(guān)系成為重要議題,這從側(cè)面凸顯了大數(shù)據(jù)分析技術(shù)對決策制定的重要性。但是,大數(shù)據(jù)驅(qū)動(dòng)的決策不是指僅依靠大數(shù)據(jù)而作出決策,最終的決策輸出必然要與歷史和現(xiàn)實(shí)經(jīng)驗(yàn)相聯(lián)系,二者結(jié)合才能促使決策更加合理。
三是主體互動(dòng)論。“人”是決策形成中最具決定性的力量,不同政策主體之間的關(guān)系為闡釋大數(shù)據(jù)驅(qū)動(dòng)決策制定的過程提供了借鑒,形成了大數(shù)據(jù)驅(qū)動(dòng)決策制定的主體互動(dòng)論。盡管從數(shù)據(jù)到?jīng)Q策可以歸結(jié)為“數(shù)據(jù)-信息-知識-證據(jù)-決策”的轉(zhuǎn)化過程,但囊括了諸如數(shù)據(jù)分析師、專家學(xué)者以及決策者等關(guān)鍵主體,并涉及到公民、媒體以及其他利益相關(guān)者,相比于公眾,他們具有技術(shù)、媒介和權(quán)力等優(yōu)勢,每一主體都可以在一定范圍根據(jù)自身利益而做出“非正式”的決策,形成復(fù)雜的利益主體互動(dòng)關(guān)系。正如漸進(jìn)決策模型所認(rèn)為的,政策決策是以自我利益為主的決策者們談判與妥協(xié)的政治過程,多數(shù)公共政策都被視為精英的價(jià)值偏好并很難擺脫精英的控制〔16〕。因此,大數(shù)據(jù)的出現(xiàn)可能加劇了數(shù)字鴻溝的跨度,固化了“贏者通吃”的局面,強(qiáng)化了權(quán)利主體與權(quán)力主體之間的博弈,極易使政策決策偏離最初的社會(huì)問題和政策目標(biāo),使大數(shù)據(jù)驅(qū)動(dòng)的決策失去意義。
綜上可以發(fā)現(xiàn),大數(shù)據(jù)驅(qū)動(dòng)的決策制定是一個(gè)囊括數(shù)據(jù)、技術(shù)、政府、公眾等多重要素在內(nèi)的復(fù)雜互動(dòng)過程。在大數(shù)據(jù)驅(qū)動(dòng)的決策制定中,數(shù)據(jù)資源是基礎(chǔ),信息技術(shù)是重要驅(qū)動(dòng)力,決策制定是政治博弈過程,三者在組織內(nèi)耦合運(yùn)行,使得最終的決策在“數(shù)據(jù)-信息-知識-證據(jù)”的沙漏式鏈條中得以形成。其中,增強(qiáng)決策的科學(xué)性、民主性和精準(zhǔn)性是推動(dòng)大數(shù)據(jù)和現(xiàn)代信息技術(shù)嵌入決策過程的關(guān)鍵目標(biāo)。同時(shí),政策決策不單單由大數(shù)據(jù)和信息技術(shù)而生,也受到“人”的關(guān)鍵影響,無論是人類操縱技術(shù)還是技術(shù)控制人類都會(huì)產(chǎn)生不良后果,二者互動(dòng)和博弈的張力促使大數(shù)據(jù)驅(qū)動(dòng)的決策制定呈現(xiàn)出“樂觀”和“悲觀”兩種截然不同的論調(diào)。這也說明,探討大數(shù)據(jù)驅(qū)動(dòng)決策制定的兩種論調(diào)能夠更好地識別外部環(huán)境、主體互動(dòng)和內(nèi)部組織文化等因素對信息技術(shù)應(yīng)用的影響,進(jìn)而推動(dòng)大數(shù)據(jù)驅(qū)動(dòng)的決策制定在政策過程中更好地發(fā)揮作用。
三、大數(shù)據(jù)驅(qū)動(dòng)的決策制定何以樂觀
得益于全球范圍內(nèi)政治、經(jīng)濟(jì)、文化和社會(huì)的數(shù)字化變遷,社會(huì)生活產(chǎn)生的大量數(shù)據(jù)為充分識別政策問題和回應(yīng)外界訴求提供了基礎(chǔ),現(xiàn)+Wsr6HwNtNAcFbUT9x229w==代信息技術(shù)通過各種數(shù)據(jù)分析和建模工具為大數(shù)據(jù)驅(qū)動(dòng)決策的應(yīng)用提供了工具層面的支持。
從應(yīng)用情境層面來看,大數(shù)據(jù)驅(qū)動(dòng)的決策制定具備政治、經(jīng)濟(jì)、文化和社會(huì)以及技術(shù)等方面的可行性,為大數(shù)據(jù)在世界范圍內(nèi)的使用提供了條件。在政治可行性方面,國家層面的頂層設(shè)計(jì)推動(dòng)大數(shù)據(jù)應(yīng)用的整體布局,使得大數(shù)據(jù)驅(qū)動(dòng)的決策制定逐漸成為世界范圍內(nèi)國家層面的制度性要求。中國、美國、英國以及歐盟等國家相繼提出大數(shù)據(jù)發(fā)展戰(zhàn)略,并基于其國家整體發(fā)展趨勢進(jìn)行相應(yīng)布局,以發(fā)揮大數(shù)據(jù)在公共管理、經(jīng)濟(jì)、教育、醫(yī)療等領(lǐng)域中的作用。聯(lián)合國也發(fā)布了題為《大數(shù)據(jù)促進(jìn)發(fā)展:機(jī)遇與挑戰(zhàn)》的報(bào)告〔17〕,目的是通過概述大數(shù)據(jù)挑戰(zhàn)等主要問題,促進(jìn)有關(guān)大數(shù)據(jù)如何服務(wù)國際發(fā)展的對話。在經(jīng)濟(jì)可行性方面,大數(shù)據(jù)驅(qū)動(dòng)的決策制定能夠精準(zhǔn)地識別社會(huì)問題并使其上升為政策問題,減輕全面收集社會(huì)問題的成本,提升決策效能,避免小數(shù)據(jù)時(shí)代隨機(jī)抽樣所造成的事實(shí)不全等弊端。同時(shí),現(xiàn)代信息技術(shù)能夠合理配置海量的數(shù)據(jù)資源以提升資源的利用效率,減少資源浪費(fèi)。在社會(huì)文化可行性方面,大數(shù)據(jù)驅(qū)動(dòng)的決策制定能夠較為全面地反映公眾訴求,使公民能夠更好參與到政策制定之中,賦權(quán)于民,提升決策的民主性。特別是隨著大數(shù)據(jù)時(shí)代的到來,數(shù)據(jù)文化和數(shù)據(jù)思維成為醫(yī)療、教育、商業(yè)甚至生活等各個(gè)領(lǐng)域的必備素養(yǎng),這為大數(shù)據(jù)驅(qū)動(dòng)決rTsIddlIlZbUIBp+cYZfQg==策制定在政府部門的應(yīng)用提供了文化土壤。在技術(shù)可行性方面,現(xiàn)代信息技術(shù)的不斷發(fā)展為大數(shù)據(jù)的處理和使用提供了工具支持。公共部門領(lǐng)域的大數(shù)據(jù)驅(qū)動(dòng)政策制定旨在優(yōu)化利用傳感器數(shù)據(jù),與公民等利益相關(guān)者進(jìn)行合作,利用信息和通信技術(shù)來獲取數(shù)據(jù)源以共同制定政策,突出了現(xiàn)代信息技術(shù)在大數(shù)據(jù)時(shí)代的價(jià)值〔18〕。在大數(shù)據(jù)、人工智能及5G技術(shù)日益發(fā)展成熟的背景下,現(xiàn)代決策制定往往會(huì)將技術(shù)作為重要推動(dòng)力,使得技術(shù)成為大數(shù)據(jù)驅(qū)動(dòng)決策制定中的關(guān)鍵一環(huán)。
從底層資源的角度來看,豐富的數(shù)據(jù)資源為大數(shù)據(jù)驅(qū)動(dòng)決策制定提供了“原材料”,數(shù)據(jù)所具備的客觀性、準(zhǔn)確性成為大數(shù)據(jù)驅(qū)動(dòng)決策制定得以應(yīng)用的基礎(chǔ)。對“大數(shù)據(jù)是什么”這一問題的探討可以追溯到20世紀(jì)90年代,多數(shù)學(xué)者最早主要根據(jù)大數(shù)據(jù)所具有的特征來對其進(jìn)行定義。比如,道格·萊尼(D. Laney)率先從數(shù)據(jù)管理的角度定義大數(shù)據(jù),認(rèn)為容量(Volume)、多樣性(Variety)和速度(Velocity)是大數(shù)據(jù)的三個(gè)關(guān)鍵維度〔19〕。在此基礎(chǔ)上,IBM和Oracle公司將真實(shí)(Veracity)和價(jià)值(Value)作為大數(shù)據(jù)的另外兩個(gè)主要維度〔20〕。數(shù)據(jù)的客觀性、真實(shí)性促使政府部門收集到更多的社會(huì)問題和信息予以分析,并更針對性地響應(yīng)社會(huì)需求,凸顯了大數(shù)據(jù)驅(qū)動(dòng)決策制定的優(yōu)勢。相較于小數(shù)據(jù)時(shí)代,數(shù)據(jù)的爆炸式增長以及現(xiàn)代信息技術(shù)的不斷發(fā)展為大數(shù)據(jù)驅(qū)動(dòng)決策制定提供了客觀條件上的支持。當(dāng)所利用的數(shù)據(jù)量增加時(shí),很多在小數(shù)據(jù)基礎(chǔ)上無法達(dá)成的目標(biāo)諸如全面性和精確性的問題就可以迎刃而解。組織一旦收集并整合了數(shù)據(jù),決策者便可從底層數(shù)據(jù)可視化中梳理出具體而有用的信息,進(jìn)而利用這些信息來做出明智的決策〔21〕。正如張紅春等在其研究中指出的,小數(shù)據(jù)決策具有事實(shí)不全、價(jià)值偏差和因果失真的風(fēng)險(xiǎn)〔22〕,大數(shù)據(jù)時(shí)代規(guī)?;臄?shù)據(jù)量、多樣化的數(shù)據(jù)源以及實(shí)時(shí)化的響應(yīng)速度為數(shù)字政府的發(fā)展帶來了機(jī)遇,同時(shí)也為大數(shù)據(jù)驅(qū)動(dòng)決策制定奠定了基礎(chǔ),在一定程度上能夠有效化解小數(shù)據(jù)時(shí)代由于數(shù)據(jù)量不足、數(shù)據(jù)源單一以及真實(shí)性有待考量等因素所造成的決策風(fēng)險(xiǎn)。
從硬件支持的角度來看,大數(shù)據(jù)驅(qū)動(dòng)的決策制定以技術(shù)力量為支撐,基于現(xiàn)代信息技術(shù)和人工智能的發(fā)展驅(qū)動(dòng)決策制定。當(dāng)數(shù)據(jù)與新的分析技術(shù)相結(jié)合時(shí),可能以前所未有的方式為決策和政策制定提供信息。正如埃爾林·拉森(E.R. Larsen)在其文章中所提到的,最先進(jìn)的技術(shù)是“基于數(shù)據(jù)最佳決策”的必要條件〔23〕,因?yàn)槠淠茉趶V泛收集數(shù)據(jù)和信息的同時(shí),更快速精準(zhǔn)地對數(shù)據(jù)和信息進(jìn)行分析,以創(chuàng)造做出更好決策的機(jī)會(huì)。目前,隨著現(xiàn)代信息技術(shù)的不斷發(fā)展,多數(shù)學(xué)者將數(shù)據(jù)如何驅(qū)動(dòng)決策的焦點(diǎn)集中在技術(shù)層面。繼福斯特·普羅沃斯特(F. Provost)提出數(shù)據(jù)驅(qū)動(dòng)的決策是基于數(shù)據(jù)科學(xué)的挖掘和分析后,學(xué)者們有關(guān)大數(shù)據(jù)應(yīng)用于公共部門治理與決策機(jī)遇的探討多以技術(shù)驅(qū)動(dòng)為中心,強(qiáng)調(diào)大數(shù)據(jù)及其分析技術(shù)在決策中的重要作用。凱西·奧尼爾(C. O’Neil)等人也認(rèn)為大數(shù)據(jù)具有描述性、探索性、推理性、預(yù)測性、因果性以及機(jī)械性等分析功能〔24〕,可以通過數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)搜索、數(shù)據(jù)共享、數(shù)據(jù)分析以及數(shù)據(jù)可視化的過程驅(qū)動(dòng)決策,表明技術(shù)對數(shù)據(jù)處理的優(yōu)劣會(huì)直接影響最終的決策質(zhì)量〔25〕。同時(shí),新技術(shù)的出現(xiàn)也會(huì)增加管理者可用數(shù)據(jù)的規(guī)模和范圍〔26〕,從而為大數(shù)據(jù)驅(qū)動(dòng)的決策制定提供數(shù)據(jù)量的支撐。
隨著數(shù)字社會(huì)建設(shè)的推進(jìn),算法正逐漸成為社會(huì)治理的核心工具〔27〕,這在節(jié)約成本、提高決策效率的同時(shí),也為發(fā)揮大數(shù)據(jù)的預(yù)測功能創(chuàng)造了條件。正如維克托·舍恩伯格(Viktor Schnberger)在《大數(shù)據(jù)時(shí)代》一書中所提到的,人類存儲(chǔ)信息量的增長速度比世界經(jīng)濟(jì)的增長速度快4倍,而計(jì)算機(jī)數(shù)據(jù)處理能力的增長速度則比世界經(jīng)濟(jì)的增長速度快9倍〔28〕。算法在大數(shù)據(jù)驅(qū)動(dòng)決策制定中的使用能夠增加決策者在正確的時(shí)間做出正確決策的機(jī)會(huì),提高決策效率。同時(shí),數(shù)據(jù)驅(qū)動(dòng)的決策建立在數(shù)據(jù)科學(xué)以及算法的基礎(chǔ)上,不僅可以在不確定狀態(tài)甚至未知?jiǎng)討B(tài)下預(yù)測決策模型,還可以從數(shù)據(jù)中提取內(nèi)在規(guī)則和知識,形成解決方案〔29〕。例如,石油公司可以根據(jù)當(dāng)前生產(chǎn)率、市場需求、歷史價(jià)格趨勢和其他因素生成未來情景,以預(yù)測未來石油價(jià)格以獲得更好的預(yù)算和下一年度財(cái)務(wù)預(yù)測〔30〕。沃爾瑪超市可以根據(jù)颶風(fēng)來臨的市場需求進(jìn)行商品組合和匹配,以提高配套產(chǎn)品的購買力。由此可見,在從數(shù)據(jù)到?jīng)Q策的過程中,算法貫穿整個(gè)決策過程,可以改變政府的運(yùn)作方式以及政策與公共行政的原則,并和自動(dòng)化一起在社會(huì)政策、政府決策和公共服務(wù)提供中扮演越來越自主的角色〔31〕。當(dāng)然,人類對算法的使用方式是算法能否正確發(fā)揮作用的關(guān)鍵,如果算法應(yīng)用得當(dāng),則能夠起到輔助決策的作用,促使決策過程更加公開透明,以及決策結(jié)果更加精準(zhǔn)和預(yù)測反饋更加及時(shí)。
不可否認(rèn)的是,大規(guī)模的數(shù)據(jù)量、先進(jìn)的信息技術(shù)可以收集并分析更多的信息,更好地識別、回應(yīng)和解決社會(huì)問題,“數(shù)據(jù)-信息-知識-證據(jù)-決策”的沙漏式鏈條也賦予決策更加科學(xué)的意義。但是,人類自身具有復(fù)雜性,龐大的數(shù)據(jù)量以及分析技術(shù)的出現(xiàn)并不意味著決策者能夠獲得有用的信息,大數(shù)據(jù)分析技術(shù)的出現(xiàn)也并不意味著人類能夠更好地分析和使用大數(shù)據(jù)。在大數(shù)據(jù)背景下,完全理性的政策制定依然面臨諸如社會(huì)利益無法達(dá)成一致、成本收益無法平衡、個(gè)人利益最大化、價(jià)值計(jì)算無法精確、意見難以統(tǒng)合等一系列問題〔32〕。托馬斯·達(dá)文波特(T.H. Davenport)等人就強(qiáng)調(diào),數(shù)據(jù)本身沒有提供判斷或解釋的能力,也沒有采取行動(dòng)的依據(jù),只有當(dāng)數(shù)據(jù)被解釋〔33〕,并通過信息集成和排列優(yōu)先級使其轉(zhuǎn)換為信息和知識時(shí)才能夠驅(qū)動(dòng)決策〔34〕。因此,從數(shù)據(jù)到?jīng)Q策不是一蹴而就的,數(shù)據(jù)轉(zhuǎn)化為信息、知識和證據(jù)的過程十分復(fù)雜,只有充分審視其內(nèi)在機(jī)制才能作出科學(xué)、可靠的決策。
四、大數(shù)據(jù)驅(qū)動(dòng)的決策制定何以悲觀
作為大數(shù)據(jù)時(shí)代公共決策的新模式,大數(shù)據(jù)驅(qū)動(dòng)的決策制定同樣是在復(fù)雜的“政治斗爭”中做出的。杰普·尼爾森(J.A. Nielsen)等學(xué)者就基于丹麥地方政府的決策實(shí)踐來批判決策過程中的技術(shù)理性,并指出“公共管理中使用信息技術(shù)是政治行為、直覺經(jīng)驗(yàn)和新機(jī)會(huì)的混合體,技術(shù)理性在其中只起到次要作用”〔35〕。由此,數(shù)據(jù)本身及數(shù)據(jù)分析的復(fù)雜性、決策過程的不確定性、人類自身的局限性以及暗含其中的隱私倫理等能夠清晰地揭示出大數(shù)據(jù)驅(qū)動(dòng)決策制定的悲觀主義色彩。
從數(shù)據(jù)資源獲取的視角來看,大數(shù)據(jù)時(shí)代真正的革命并不在于分析數(shù)據(jù)的機(jī)器,而在于數(shù)據(jù)本身和我們?nèi)绾芜\(yùn)用數(shù)據(jù)〔36〕。對此,朱迪·阿塔德(J. Attard)等人強(qiáng)調(diào),獲取正確的數(shù)據(jù)并保證數(shù)據(jù)的質(zhì)量是數(shù)據(jù)成功轉(zhuǎn)化為信息和知識的基礎(chǔ)〔37〕。數(shù)據(jù)作為重要的底層資源,沒有充足且高質(zhì)量的數(shù)據(jù)就無法獲得優(yōu)質(zhì)的信息和知識,進(jìn)而會(huì)對證據(jù)的形成和決策的作出造成不利影響。因此,如何獲取高質(zhì)量的數(shù)據(jù)并將其應(yīng)用于決策被賦予重要意義。隨著各國數(shù)據(jù)壁壘的打破,通常所說的大數(shù)據(jù)是各種來源、不同格式的數(shù)據(jù),呈現(xiàn)出多樣性的特征〔38〕。同時(shí),集成多個(gè)數(shù)據(jù)源的需求日益增長,也使得數(shù)據(jù)集越發(fā)復(fù)雜,對數(shù)據(jù)管理和基礎(chǔ)設(shè)施建設(shè)提出了更高要求。在特蕾莎·哈里森(T.M. Harrison)等人看來,基于數(shù)據(jù)的決策需要決策者創(chuàng)立可靠的數(shù)據(jù)基礎(chǔ)設(shè)施來保證政策的制定〔39〕。特別是根據(jù)數(shù)據(jù)在數(shù)據(jù)量、速度及多樣性等方面的需求建設(shè)儲(chǔ)存數(shù)據(jù)的基礎(chǔ)設(shè)施,這對政府是否能夠成功地使用和處理大數(shù)據(jù)至關(guān)重要。由此,建立配套的數(shù)據(jù)基礎(chǔ)設(shè)施成為大數(shù)據(jù)驅(qū)動(dòng)決策制定能否在現(xiàn)實(shí)中發(fā)揮作用的重要影響因素,而其中的法律保障、制度設(shè)計(jì)以及財(cái)政因素等則極可能成為困擾政府實(shí)施大數(shù)據(jù)驅(qū)動(dòng)戰(zhàn)略的關(guān)鍵〔40〕。
在數(shù)據(jù)素養(yǎng)層面,即使“數(shù)據(jù)素養(yǎng)”一詞在學(xué)界尚未有統(tǒng)一定義,但其重要性卻不言而喻。數(shù)據(jù)素養(yǎng)不但致力于回答數(shù)據(jù)是什么、如何收集、如何分析、如何可視化、如何共享的問題,還涉及在安全和隱私的文化背景下理解數(shù)據(jù)如何應(yīng)用的能力。首先,大數(shù)據(jù)及現(xiàn)代信息技術(shù)的發(fā)展為人們使用數(shù)據(jù)的能力帶來了挑戰(zhàn)。這是因?yàn)?,技術(shù)工具和人的能力是大數(shù)據(jù)驅(qū)動(dòng)決策的關(guān)鍵組成部分〔41〕,但現(xiàn)階段大數(shù)據(jù)驅(qū)動(dòng)決策的研究多集中在對技術(shù)工具的關(guān)注上,而忽視了對人類數(shù)據(jù)素養(yǎng)的重視。對于決策者來說,提升其自身的數(shù)據(jù)素養(yǎng)不僅意味著能夠不被排除在數(shù)據(jù)科學(xué)家和專家學(xué)者的專業(yè)知識范圍之外,同時(shí)還能夠提升自身對數(shù)據(jù)優(yōu)劣的辨別能力,避免過度依賴數(shù)據(jù)進(jìn)行決策,因?yàn)楫?dāng)數(shù)據(jù)不可用、不完整或不適當(dāng)時(shí),決策結(jié)果就不可靠,數(shù)據(jù)分析提供的結(jié)果也會(huì)變得不準(zhǔn)確〔42〕。對于公務(wù)人員來說,具備數(shù)據(jù)素養(yǎng)不但能夠使得其具有更高的職業(yè)競爭力,也可以使其提升工作效率,更好地面對大數(shù)據(jù)所帶來的挑戰(zhàn)。對于普通公眾來說,數(shù)字鴻溝的存在可能會(huì)剝奪邊緣群體獲得資源的權(quán)利而造成資源分配不均,培養(yǎng)公眾的數(shù)據(jù)素養(yǎng)則能夠擺脫被大數(shù)據(jù)邊緣化的命運(yùn),更好地維護(hù)自身的權(quán)利。并且,只有在普遍提升決策者和公眾使用數(shù)據(jù)能力的前提下,數(shù)字鴻溝才可能會(huì)有所彌合,大數(shù)據(jù)驅(qū)動(dòng)決策才有意義。
在政府治理結(jié)構(gòu)層面,大數(shù)據(jù)驅(qū)動(dòng)決策制定不僅僅是技術(shù)對政府決策的賦能,同時(shí)也是政府組織適應(yīng)技術(shù)的過程。二者之間相互影響,互相建構(gòu)。也就是說,不能僅僅關(guān)注技術(shù)對決策制定的影響,諸如治理結(jié)構(gòu)、組織文化以及職責(zé)定位等內(nèi)部治理問題也會(huì)影響大數(shù)據(jù)驅(qū)動(dòng)的決策制定過程。在治理結(jié)構(gòu)上,互通的數(shù)據(jù)標(biāo)準(zhǔn)、共享的部門數(shù)據(jù)和公民對政府保護(hù)隱私的信任是大數(shù)據(jù)能否有效驅(qū)動(dòng)決策制定的基礎(chǔ)。但是,由于大數(shù)據(jù)時(shí)代問題層出不窮,數(shù)據(jù)共享標(biāo)準(zhǔn)和端口不一,隱私保護(hù)的具體措施難以有效實(shí)現(xiàn),致使現(xiàn)行的制度設(shè)計(jì)難以滿足要求而對治理結(jié)構(gòu)造成挑戰(zhàn)。在組織文化上,組織中是否具備大數(shù)據(jù)驅(qū)動(dòng)的組織文化對大數(shù)據(jù)驅(qū)動(dòng)決策的有效實(shí)施來說十分重要。大數(shù)據(jù)驅(qū)動(dòng)的文化和組織學(xué)習(xí)是有效部署大數(shù)據(jù)計(jì)劃的關(guān)鍵,因?yàn)榇祟悷o形資源能夠不斷調(diào)整和更新大數(shù)據(jù)使用的能力〔43〕。在職責(zé)定位方面,大數(shù)據(jù)在公共部門治理和決策中的使用也為公共部門收集、分析和利用數(shù)據(jù)提出了更高要求,這促使公共部門需要特定的專業(yè)人員對大數(shù)據(jù)進(jìn)行有效管理。因此,大數(shù)據(jù)在公共部門中的發(fā)展意味著諸如數(shù)據(jù)管理者、數(shù)據(jù)分析師等新型專業(yè)人才的引入,但就目前來看,由于公共部門對數(shù)據(jù)科學(xué)家的需求量大,數(shù)據(jù)科學(xué)家供不應(yīng)求的現(xiàn)實(shí)狀況極有可能影響大數(shù)據(jù)在公共部門的潛力〔44〕。如何留住數(shù)據(jù)科學(xué)家也需要在激勵(lì)制度上加以考慮,公共部門只有引進(jìn)新興的專業(yè)人才,并輔之以全面的職責(zé)清單,同時(shí)推動(dòng)組織內(nèi)部職責(zé)定位的完善才能真正發(fā)揮大數(shù)據(jù)在組織中的作用。
從大數(shù)據(jù)驅(qū)動(dòng)決策制定過程的視角來看,從數(shù)據(jù)到?jīng)Q策并不是一個(gè)線性的過程,其轉(zhuǎn)化涉及到多元主體、多個(gè)環(huán)節(jié)并受到政治化的影響。這是因?yàn)?,政策是政治活?dòng),政策制定本質(zhì)上是一個(gè)價(jià)值驅(qū)動(dòng)的決策過程〔45〕。大量數(shù)據(jù)的出現(xiàn)促使數(shù)據(jù)量增加,這為公共部門全面感知社會(huì)問題提供了基礎(chǔ),但復(fù)雜的數(shù)據(jù)結(jié)構(gòu)、多樣化的數(shù)據(jù)類型也意味著必須對數(shù)據(jù)進(jìn)行處理和分析才能使其發(fā)揮作用。在數(shù)據(jù)處理過程中,將大數(shù)據(jù)轉(zhuǎn)化為信息、知識和證據(jù)并不是一個(gè)政治中立的過程,專業(yè)知識可被視為一種政治資源〔46〕。出于個(gè)體在意識形態(tài)、價(jià)值觀念和偏好等方面存在差異的客觀事實(shí),政策相關(guān)者之間的觀點(diǎn)可能存在矛盾和沖突,各主體都可以根據(jù)自己的偏好或偏見來做出政治選擇。因此,如何平衡這些矛盾和沖突仍然是大數(shù)據(jù)時(shí)代公共部門維系社會(huì)穩(wěn)定和做出高質(zhì)量決策并最大化實(shí)現(xiàn)公共利益亟待解決的問題。正如馬克·弗蘭克(M. Frank)和約翰娜·沃克(J. Walker)所指出,“隨著數(shù)據(jù)變得越來越重要,權(quán)力將流向那些能夠創(chuàng)建、控制和理解數(shù)據(jù)的人,而其他的人將會(huì)被排除在外”〔47〕。
就數(shù)據(jù)分析師而言,作為大數(shù)據(jù)時(shí)代促使數(shù)據(jù)資源產(chǎn)生價(jià)值的關(guān)鍵主體,在數(shù)據(jù)驅(qū)動(dòng)決策的過程中發(fā)揮著重要作用,承擔(dān)著收集、整合、處理、集成與分析大數(shù)據(jù)資源的角色,是大數(shù)據(jù)驅(qū)動(dòng)決策制定過程得以準(zhǔn)確、順利運(yùn)行的必要條件。但是,數(shù)據(jù)分析師具有極強(qiáng)的專業(yè)性,其與決策者之間的博弈會(huì)影響最終決策的產(chǎn)出。同時(shí),數(shù)據(jù)分析師也是社會(huì)問題能否上升為決策問題的重要把關(guān)者。隨著數(shù)據(jù)人才的重要性在大數(shù)據(jù)時(shí)代凸顯,數(shù)據(jù)分析師便擁有相當(dāng)大的非正式權(quán)力,能夠在其他相關(guān)主體的能力范圍之外做出政治選擇,在向決策者提供信息的同時(shí)將自身利益放在首位以影響決策制定,導(dǎo)致決策偏離社會(huì)現(xiàn)實(shí)問題,損害公共利益,造成政策偏差。??啤し丁さ隆の痔兀℉.G. van der Voort)就基于數(shù)據(jù)分析師和決策者的互動(dòng),分別從理性視角和政治視角結(jié)合信息邏輯和決策邏輯分析了數(shù)據(jù)分析師在大數(shù)據(jù)驅(qū)動(dòng)決策中的積極與消極作用,指出大數(shù)據(jù)在為數(shù)據(jù)分析師提供更好就業(yè)機(jī)會(huì)的同時(shí),也為其提供了非正式權(quán)力,使得數(shù)據(jù)分析師擁有了追求自身利益而影響決策的機(jī)會(huì)〔48〕。由此可以看出,大數(shù)據(jù)在決策制定中的使用以及數(shù)據(jù)分析師的參與并不意味著能夠產(chǎn)生更好的決策,反而在一定程度上給予了數(shù)據(jù)分析師徇私舞弊的空間。
就循證決策中的專家學(xué)者而言,作為證據(jù)的解釋者或提供者,他們處于循證決策的最前沿〔49〕,在政策過程中具有核心話語權(quán),能夠?qū)Q策的產(chǎn)生起到?jīng)Q定性作用。早在1970年,內(nèi)森·卡普蘭(N. Caplan)的兩群體理論就對專家學(xué)者和決策者之間的關(guān)系進(jìn)行了探討,由于社會(huì)科學(xué)家和政策制定者在價(jià)值觀念、制度環(huán)境、話語體系以及思維認(rèn)知等方面存在差異,二者之間往往存在巨大的鴻溝〔50〕。特別是在技術(shù)偏見和議題偏見的影響之下,科學(xué)證據(jù)可能在創(chuàng)造、選擇和解釋的過程中被用于不同的政治目的。比如,專家學(xué)者可能通過對技術(shù)的操縱來偽造、精選和解釋數(shù)據(jù),或排除部分群體并引用僅代表有限數(shù)量的社會(huì)關(guān)注來創(chuàng)造和選擇證據(jù),抑或完全依靠隨機(jī)對照試驗(yàn)等排序方法來產(chǎn)生證據(jù)以滿足自身的政治需求,進(jìn)而實(shí)現(xiàn)自身的政治目標(biāo)〔51〕。
進(jìn)而言之,多元主體的介入可能使得決策者權(quán)力流失,剝奪決策者設(shè)置政策議程的實(shí)質(zhì)性權(quán)力,并將決策者置于被動(dòng)地位〔52〕。隨著數(shù)據(jù)量的不斷增加以及大數(shù)據(jù)分析技術(shù)的日益復(fù)雜,數(shù)據(jù)分析師和專家學(xué)者等具有專業(yè)知識的主體進(jìn)入大數(shù)據(jù)驅(qū)動(dòng)決策過程極易使得他們通過自身的專業(yè)性而將決策者排除在決策過程之外。特別是,算法在公共決策中的使用,使得數(shù)據(jù)分析師和專家學(xué)者等具備數(shù)據(jù)技能和權(quán)力的人可以將固有利益和偏好直接嵌入和隱藏至復(fù)雜的代碼之中,從而在決策者不知情的情況下強(qiáng)化該過程中的偏見和歧視。因此,多元主體可能分割決策者在決策制定中的核心權(quán)力。與此同時(shí),決策者手握是否采納科學(xué)證據(jù)的政治權(quán)力,不但具有不采納數(shù)據(jù)分析師和專家學(xué)者意見和建議的能力,并且在做出決定時(shí)往往也需要權(quán)衡證據(jù)、情感和信念〔53〕。甚至即使產(chǎn)生了最佳證據(jù),決策者也可能根據(jù)自身的需求和偏好或注意力來挑選證據(jù),以滿足其自身的利益追求,進(jìn)而實(shí)現(xiàn)自己的政治目標(biāo)??偟膩碚f,數(shù)據(jù)分析師、專家學(xué)者、決策者在個(gè)人經(jīng)驗(yàn)、專業(yè)知識、利益、價(jià)值與偏好等方面的差異,都具有人性的弱點(diǎn),加之公眾、媒體等其他利益相關(guān)者的參與往往使得從數(shù)據(jù)到?jīng)Q策的過程充滿矛盾和沖突。由此,大數(shù)據(jù)驅(qū)動(dòng)的決策制定是一個(gè)復(fù)雜、動(dòng)態(tài)的過程,主體間的復(fù)雜關(guān)系也暗示了大數(shù)據(jù)驅(qū)動(dòng)的決策制定本身是一個(gè)更加復(fù)雜的政治過程。
最后,大數(shù)據(jù)驅(qū)動(dòng)的決策制定無法避免大數(shù)據(jù)本身所帶來的隱私和倫理問題。蒂斯·范·德·布魯克(T. Broek)等人在其研究中就強(qiáng)調(diào),一些組織忽略公眾權(quán)利,并通過犧牲公眾隱私來實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的目標(biāo)〔54〕。在政策領(lǐng)域,數(shù)據(jù)倫理所帶來的重要影響便是數(shù)據(jù)技術(shù)設(shè)計(jì)中大數(shù)據(jù)機(jī)構(gòu)和公民之間日益增長的數(shù)據(jù)不對稱〔55〕。盡管大數(shù)據(jù)容量大、速度快、多樣化、價(jià)值高的特征會(huì)帶來數(shù)據(jù)資源多樣化、問題感知實(shí)時(shí)化、社會(huì)問題真實(shí)化等優(yōu)勢,但同時(shí)也會(huì)帶來一定的社會(huì)風(fēng)險(xiǎn)。大數(shù)據(jù)時(shí)代所追求的真實(shí)性會(huì)使數(shù)據(jù)痕跡泄露公眾的敏感信息,甚至?xí)?dǎo)致公眾信息的盜用,使得人們對大數(shù)據(jù)的使用充滿擔(dān)憂。即使算法在社會(huì)治理中的使用具有諸多優(yōu)勢,但卻無法排除算法本身被操縱,尤其是極有可能通過時(shí)效、解釋方式、操縱數(shù)據(jù)以及偏見等方式侵犯公眾隱私、加劇信息不對稱、削弱決策透明度,甚至導(dǎo)致算法歧視和社會(huì)排斥〔56〕。與此同時(shí),算法可能會(huì)系統(tǒng)性地引入無意的偏見、強(qiáng)化歷史歧視、支持特定政治傾向〔57〕。因此,公眾對隱私泄露的擔(dān)心以及對大數(shù)據(jù)預(yù)測的不信任所導(dǎo)致的抗拒心理可能會(huì)使大數(shù)據(jù)在政府部門的應(yīng)用并不順利。
五、結(jié)論與討論
作為大數(shù)據(jù)時(shí)代公共決策制定的新范式,大數(shù)據(jù)驅(qū)動(dòng)的決策制定契合了數(shù)據(jù)量不斷增長、現(xiàn)代信息技術(shù)不斷發(fā)展的現(xiàn)實(shí)背景,有其國家戰(zhàn)略層面的政治可行性、降低成本的經(jīng)濟(jì)可行性、創(chuàng)造價(jià)值的社會(huì)文化可行性,對于提升決策的科學(xué)性、民主性、精確性和有效性具有重要作用。但是,大數(shù)據(jù)驅(qū)動(dòng)的決策制定也同樣面臨著數(shù)據(jù)本身所帶來的數(shù)據(jù)共享與集成、數(shù)據(jù)基礎(chǔ)設(shè)施以及內(nèi)部治理等問題。同時(shí),非線性的決策過程、主體間復(fù)雜的政治關(guān)系以及隱私倫理等問題也不容忽視。樂觀主義者更加重視工具理性,更強(qiáng)調(diào)客觀的數(shù)據(jù)和技術(shù)對決策制定的影響,認(rèn)為技術(shù)應(yīng)用通過賦予決策者新的權(quán)力實(shí)現(xiàn)形式能夠直接產(chǎn)生決策,忽視了該過程中復(fù)雜的主體間互動(dòng)關(guān)系。悲觀主義者側(cè)重大數(shù)據(jù)驅(qū)動(dòng)的決策制定中政策相關(guān)者之間權(quán)力與利益的新配置,更強(qiáng)調(diào)“人”的關(guān)鍵性作用,認(rèn)為大數(shù)據(jù)和技術(shù)應(yīng)用需要通過“人”才能發(fā)揮作用,并最終賦能于決策。
綜觀學(xué)界有關(guān)大數(shù)據(jù)驅(qū)動(dòng)決策制定的研究,樂觀論與悲觀論的爭議點(diǎn)可以歸結(jié)為技術(shù)與政治、權(quán)利與權(quán)力、工具理性與價(jià)值理性之間孰輕孰重。實(shí)際上,它們之間的關(guān)系不能割裂。從技術(shù)視角來看,大數(shù)據(jù)及現(xiàn)代信息技術(shù)在決策制定中的使用能夠減少主觀性對決策的影響;從主體視角來看,不同主體有不同的利益導(dǎo)向和政治目標(biāo),會(huì)作出不同的政治選擇,無論是海量數(shù)據(jù)資源、現(xiàn)代信息技術(shù)還是算法的應(yīng)用都可能受到“人”的操縱,甚至受到人類本身對數(shù)據(jù)知識儲(chǔ)備的影響,帶有較強(qiáng)的主觀色彩。事實(shí)上,大數(shù)據(jù)驅(qū)動(dòng)的決策制定在主觀與客觀、技術(shù)與政治、權(quán)利與權(quán)力、工具理性與價(jià)值理性之間并無絕對的界限,在“技術(shù)—主體”的多重考量之中可以相互掣肘、互嵌與互適并不斷發(fā)展(如圖1所示),使新技術(shù)內(nèi)化為治理制度的一部分。
圖1大數(shù)據(jù)驅(qū)動(dòng)決策制定的“技術(shù)-主體”框架
毫無疑問,對大數(shù)據(jù)驅(qū)動(dòng)決策制定的探討是一個(gè)宏觀議題,面向我國數(shù)字政府建設(shè)的推進(jìn)和智能社會(huì)治理的展開,以下幾方面的議題值得進(jìn)一步予以關(guān)注。
第一,建立健全數(shù)據(jù)價(jià)值鏈,在發(fā)掘數(shù)據(jù)基本價(jià)值的同時(shí)挖掘其增值性價(jià)值。數(shù)據(jù)價(jià)值鏈?zhǔn)菑臄?shù)據(jù)收集到?jīng)Q策的整體數(shù)據(jù)管理框架,包括數(shù)據(jù)采集、清洗與存儲(chǔ)、加工三大環(huán)節(jié),建立健全數(shù)據(jù)價(jià)值鏈能夠更好促進(jìn)數(shù)據(jù)管理與使用,更好協(xié)調(diào)利益相關(guān)者之間的關(guān)系,最大限度地提高組合數(shù)據(jù)的價(jià)值〔58〕,從而更好發(fā)揮數(shù)據(jù)在數(shù)字政府建設(shè)中的作用。
第二,完善政府決策中的數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè),解決由大數(shù)據(jù)本身所引發(fā)的諸如數(shù)據(jù)收集、共享、存儲(chǔ)、管理、處理以及監(jiān)管等一系列問題。數(shù)據(jù)基礎(chǔ)設(shè)施包括數(shù)據(jù)資產(chǎn)、管理和訪問數(shù)據(jù)資產(chǎn)的標(biāo)準(zhǔn)和技術(shù)、為數(shù)據(jù)資產(chǎn)和數(shù)據(jù)基礎(chǔ)設(shè)施本身的使用和管理提供信息的指南和政策,以及管理數(shù)據(jù)基礎(chǔ)設(shè)施的組織等要素〔59〕。完善基礎(chǔ)設(shè)施能夠更好實(shí)現(xiàn)跨部門的數(shù)據(jù)流動(dòng)與數(shù)據(jù)分析,整合相關(guān)數(shù)據(jù)信息以更好服務(wù)于決策質(zhì)量的提升〔60〕。為此,整合數(shù)據(jù)并調(diào)和利益相關(guān)者之間的關(guān)系,進(jìn)一步統(tǒng)一數(shù)據(jù)交換的標(biāo)準(zhǔn)和技術(shù),以及強(qiáng)化對相關(guān)主體的約束,對于政府實(shí)施大數(shù)據(jù)驅(qū)動(dòng)的決策制定是十分重要的。
第三,平衡多元利益主體之間的關(guān)系,提升相關(guān)主體的數(shù)據(jù)素養(yǎng)。大數(shù)據(jù)驅(qū)動(dòng)的決策制定不是簡單地對傳統(tǒng)理性決策模式進(jìn)行優(yōu)化,不應(yīng)是以數(shù)據(jù)分析師和專家學(xué)者為核心的技術(shù)官僚決策模式。大數(shù)據(jù)驅(qū)動(dòng)的決策制定應(yīng)是諸如數(shù)據(jù)分析師、專家學(xué)者、決策者以及公眾、媒體等人機(jī)互動(dòng)的決策實(shí)踐。為此,需要提升全社會(huì)的數(shù)據(jù)素養(yǎng)以規(guī)避大數(shù)據(jù)所帶來的諸如社會(huì)排斥、數(shù)字鴻溝、算法歧視等一系列的影響,尤其是大數(shù)據(jù)對弱勢群體的排斥。
第四,建立健全相關(guān)法律和制度,最大化降低大數(shù)據(jù)對公眾隱私的侵犯。在有關(guān)大數(shù)據(jù)驅(qū)動(dòng)決策制定的探討中,學(xué)者們普遍認(rèn)為隱私問題是大數(shù)據(jù)為公共部門治理和決策帶來的重大挑戰(zhàn),會(huì)使得公共部門失去公眾信任,且保護(hù)隱私與政治決策透明化相沖突〔61〕。由此,亟待結(jié)合數(shù)字時(shí)代的權(quán)利的范圍、層次與內(nèi)容,通過建立健全法律和制度來對數(shù)據(jù)搜集、分析和使用的整個(gè)過程予以規(guī)范和約束,為公眾的隱私權(quán)提供切實(shí)的制度化保障。
第五,數(shù)據(jù)分析與經(jīng)驗(yàn)直覺之間具有互補(bǔ)性,在大數(shù)據(jù)驅(qū)動(dòng)決策制定的過程中應(yīng)注意將客觀數(shù)據(jù)和經(jīng)驗(yàn)直覺相結(jié)合。大數(shù)據(jù)時(shí)代僅靠數(shù)據(jù)驅(qū)動(dòng)的分析無法為決策制定提供足夠的支撐,經(jīng)驗(yàn)和直覺需要被賦予重要意義。在不確定性增加的大數(shù)據(jù)時(shí)代,直覺、經(jīng)驗(yàn)和數(shù)據(jù)分析都應(yīng)是大數(shù)據(jù)時(shí)代必需的技能,在決策制定的過程中缺一不可〔62〕。也就是說,大數(shù)據(jù)時(shí)代不能過分夸大數(shù)據(jù)分析的價(jià)值,過往的經(jīng)驗(yàn)和直覺也在決策制定中起著重要作用。
〔參考文獻(xiàn)〕
〔1〕Hey T, Tansley S, Tolle K. Jim Gray on eScience: A transformed scientific method〔EB/OL〕. (2007-11-11) 〔2021-2-28〕. http://itre.cis.upenn.edu/myl/JimGrayOnE-Science.pdf.
〔2〕米加寧,章昌平,李大宇,林濤. 第四研究范式:大數(shù)據(jù)驅(qū)動(dòng)的社會(huì)科學(xué)研究轉(zhuǎn)型〔J〕. 學(xué)海, 2018,(2).
〔3〕X Jin, B W Wah, X Cheng, et al. Significance and challenges of big data research〔J〕. Big data research, 2015, 2(2).
〔4〕胡稅根,單立棟,徐靖芮.基于大數(shù)據(jù)的智慧公共決策特征研究〔J〕.浙江大學(xué)學(xué)報(bào)(人文社會(huì)科學(xué)版),2015,(3).
〔5〕段忠賢,沈昊天,吳艷秋.大數(shù)據(jù)驅(qū)動(dòng)型政府決策:要素、特征與模式〔J〕.電子政務(wù),2018,(2).
〔6〕秦浩.大數(shù)據(jù)驅(qū)動(dòng)的公共政策轉(zhuǎn)型〔J〕.中國黨政干部論壇,2020,(2).
〔7〕〔51〕Vydra S, Klievink B. Techno-optimism and policy-pessimism in the public sector big data debate〔J〕. Government Information Quarterly, 2019, 36(4).
〔8〕Elgendy N, Elragal A, Paivarinta T. DECAS: a modern data-driven decision theory for big data and analytics〔J〕. Journal of Decision Systems, 2022, 31(4).
〔9〕Ackoff R L. From data to wisdom〔J〕. Journal of applied systems analysis, 1989, 16(1).
〔10〕Ikemoto G S, Marsh J A. Cutting through the “data driven” mantra: Different conceptions of data-driven decision making〔J〕. Teachers College Record, 2007, 106(1).
〔11〕Abbasi A, Sarker S, Chiang R H L. Big data research in information systems: Toward an inclusive research agenda〔J〕. Journal of the association for information systems, 2016, 17(2).
〔12〕龍?zhí)?,江?循證決策及其在公共政策中應(yīng)用路徑探究〔J〕.四川行政學(xué)院學(xué)報(bào),2017,(1).
〔13〕〔18〕Van Veenstra A F, Kotterin B. Data-driven policy making: The policy lab approach〔C〕. Electronic Participation: 9th IFIP WG 8.5 International Conference, ePart 2017, St. Petersburg, Russia, September 4-7, 2017, Proceedings 9. Springer International Publishing, 2017.
〔14〕〔34〕Mandinach E B, Honey M, Light D. A theoretical framework for data-driven decision making〔C〕. Annual meeting of the American Educational Research Association, San Francisco, CA. 2006. http://cct.edc.org/sites/cct.edc.org/files/publications/DataFrame_AERA06.pdf
〔15〕Provost F, Fawcett T. Data science and its relationship to big data and data-driven decision making〔J〕. Big data, 2013, 1(1).
〔16〕〔32〕〔美〕托馬斯·R·戴伊.理解公共政策〔M〕.謝明譯.北京:中國人民大學(xué)出版社,2011:19-21,13-15.
〔17〕Letouze E. Big Data for Development: Challenges & Opportunities〔EB/OL〕.〔2012-05-01〕http://www.unglobalpulse. org/ sites/ default/ files/ Big data for Development-UNGlobal PulseJunw2012. pdf.
〔19〕Laney D. 3D data management: Controlling data volume, velocity and variety〔EB/OL〕.〔2015-02-03〕. http:// blogs. gatner. com/doug-laney/files.2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety. pdf.
〔20〕Gandomi A, Haider M. Beyond the hype: Big data concepts, methods, and analytics〔J〕. International journal of information management, 2015, 35(2).
〔21〕〔58〕Miller H G, Mork P. From data to decisions: a value chain for big data〔J〕. It Professional, 2013, 15(1).
〔22〕張紅春,楊濤.以大數(shù)據(jù)俘獲理性:“數(shù)據(jù)—知識—決策”框架下的公共決策理性增長邏輯〔J〕.甘肅行政學(xué)院學(xué)報(bào),2022,(1).
〔23〕Larsen E R. From Data to Decision: The Three Elements of Policymaking Illustrated by The Case of Global Warm ing〔J〕. Nordic Journal of Political Economy, 2003, 29(2).
〔24〕O’Neil C, Schutt R. Doing data science: Straight talk from the frontline〔M〕. Sebastopol: O’Reilly Media, Inc, 2013:1-21.
〔25〕Bizer C, Boncz P, Brodie M L, et al. The meaningful use of big data: four perspectives--four challenges〔J〕. ACM Sigmod Record, 2012, 40(4).
〔26〕Brynjolfsson E, Mcelheran K. The rapid adoption of data-driven decision-making〔J〕. American Economic Review, 2016, 106(5).
〔27〕〔57〕Janssen M, Kuk G. The challenges and limits of big data algorithms in technocratic governance〔J〕. Government Information Quarterly, 2016, 33(3).
〔28〕〔36〕〔英〕維克托·邁爾·舍恩伯格, 肯尼思·庫克耶.大數(shù)據(jù)時(shí)代:生活、工作與思維的大變革〔M〕.盛楊燕,周濤譯.杭州:浙江人民出版社,2012:13,10.
〔29〕Lu J, Yan Z, Han J L, et al. Data-driven decision-making (d3m): Framework, methodology, and directions〔J〕. IEEE transactions on emerging topics in computational intelligence, 2019, 3(4).
〔30〕Barham H. Achieving competitive advantage through big data: A literature review〔C〕. 2017 Portland international conference on management of engineering and technology (PICMET). IEEE, 2017.
〔31〕Henman P. Of algorithms, apps and advice: Digital social policy and service delivery〔J〕. Journal of Asian Public Policy, 2019, 12(1).
〔33〕Davenport T H, Prusak L. Working knowledge: How organizations manage what they know〔J〕. Human Resource Planning, 2000, (8).
〔35〕Nielsen J A, Pedersen K. IT portfolio decision-making in local governments: Rationality, politics, intuition and coincidences〔J〕. Government information quarterly, 2014, 31(3).
〔37〕Attard J, Orlandi F, Auer S. Data driven governments: Creating value through open government data〔C〕. Transactions on Large-Scale Data-and Knowledge-Centered Systems XXVII: Special Issue on Big Data for Complex Urban Systems, 2016.
〔38〕Chen J, Chen Y, Du X, et al. Big data challenge: a data management perspective〔J〕. Frontiers of computer Science, 2013, 7(2).
〔39〕Harrison T M, Pardo T A. Data, politics and public health: COVID-19 data-driven decision making in public discourse〔J〕. Digital Government: Research and Practice, 2020, 2(1).
〔40〕Lee J W. Big data strategies for government, society and policy-making〔J〕. Journal of Asian Finance Economics and Business, 2020, 7(7).
〔41〕Mandinach E B. A perfect time for data use: Using data-driven decision making to inform practice〔J〕. Educational Psychologist, 2012, 47(2).
〔42〕〔62〕Princes E, Kosasih W. Data-driven analytics in the decision-making process: Do we still need intuition?〔J〕. Journal of Southwest Jiaotong University, 2021, 56(4).
〔43〕Mikalef P, Pappas I O, Krogstie J, et al. Big data analytics capabilities: a systematic literature review and research agenda〔J〕. Information systems and e-business management, 2018, 16(3).
〔44〕Davenport T H, Patil D J, Scientist D, “Data scientist: The sexiest job of the 21st century.”〔J〕. Harvard Business Review, 2012, 90(5).
〔45〕Tsoukias A, Montibeller G, Lucertini G, et al. Policy analytics: an agenda for research and practice〔J〕. EURO Journal on Decision Processes, 2013, 1(1-2).
〔46〕Nelkin D. The political impact of technical expertise〔J〕. Social studies of science, 1975, 5(1).
〔47〕Frank M, Walker J. Some key challenges for data literacy〔J〕. The Journal of Community Informatics, 2016, 12(3).
〔48〕Van der Voort H G, Klievink A J, Arnaboldi M, et al. Rationality and politics of algorithms. Will the promise of big data survive the dynamics of public decision making?〔J〕. Government Information Quarterly, 2019, 36(1).
〔49〕Duke K, Thom B. The role of evidence and the expert in contemporary processes of governance: The case of opioid substitution treatment policy in England〔J〕. International Journal of Drug Policy, 2014, 25(5).
〔50〕Caplan N. The two-communities theory and knowledge utilization〔J〕. American behavioral scientist, 1979, 22(3).
〔52〕Parkhurst J. The politics of evidence: from evidence-based policy to the good governance of evidence〔M〕. New York: Taylor & Francis, 2017.
〔53〕Arinder M K. Bridging the divide between evidence and policy in public sector decision making: A practitioner’s perspective〔J〕. Public Administration Review, 2016, 76(3): 394-398.
〔54〕van den Broek T, van Veenstra A F. Modes of governance in inter-organizational data collaborations〔C〕. In Proceedings of the 23rd European Conference on Information Systems, 2015.
〔55〕Hasselbalch G. Making sense of data ethics. The powers behind the data ethics debate in European policymaking〔J〕. Internet Policy Review, 2019, 8(2).
〔56〕Lepri B, Staiano J, Sangokoya D, et al. The tyranny of data? the bright and dark sides of data-driven decision-making for social good〔J〕. Transparent data mining for big and small data. Springer, Cham, 2017.
〔59〕Dodds L, Wells P. Data infrastructure〔J〕. The State of Open Data, 2019.
〔60〕Parmiggiani E, Grisot M. Data Infrastructures in the Public Sector: A Critical Research Agenda Rooted in Scandinavian IS Research〔C〕. In 10th Scandinavian Conference on Information Systems (SCIS), Nokia, Finland, 2019.
〔61〕Henninger M. The value and challenges of public sector information〔J〕. Cosmopolitan Civil Societies: An Interdisciplinary Journal, 2013, 5(3).
【責(zé)任編輯:朱鳳霞】黨政研究2024.5
Big Data-Driven Decision-Making: Optimism or Pessimism?
LI Qiang-Bin, LIU Si-Yu40
〔Abstract〕The application of big data technology is driving the iterative evolution of public decision-making models, reshaping power dynamics and resource allocation across decision-making, execution, supervision, and feedback processes. In academic discussions, two main perspectives emerge: optimism and pessimism. Optimists highlight the advantages and promising prospects of big data-driven decision-making, while pessimists argue that, in practice, big data may not lead to more accurate, scientific, or democratic decisions. Instead, due to complexities in data sources and formats, discrepancies in data exchange standards, political power struggles, and the risk of privacy infringement, big data could exacerbate policy failures. Upon further analysis, this divide stems from differing views on the significance of technology versus politics, power versus authority, and instrumental rationality versus value rationality. Looking ahead, a cautiously optimistic approach can be fostered by creating an embedded and adaptive relationship between digital technologies, political processes, and institutional frameworks, thereby ensuring that big data plays a constructive role in government decision-making and social governance.
〔Key words〕big data, data politics, decision making process, decision making, evidence-based policy making