【政府大数据白话系列评论⑥】乱弹大数据思维

任东民

德克萨斯大学阿灵顿分校EMBA，目前从事城市数字平台和大数据方向的解决方案开发和项目咨询。

先说一个关于大数据的段子，来自美国杜克大学的Dan Ariely教授，请不要有任何黄色联想。

作为畅销书《怪诞经济学》的作者，他是这样调侃大数据的：大数据就像少年性行为，每个人都在谈论，但是没有人真的知道该怎么做，每个人都认为别人正在做，所以每个人都说自己也正在做......

Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, and everyone thinks everyone else is doing it, so everyone claims they are doing it...

放眼世界，就算外国和尚会念经，把大数据应用这件事搞成了的政府也是凤毛麟角。

所谓搞成了的标准是：数据量级规模大到非用大数据技术不能解决的地步，而且数据价值变现大大超出一般意义上的传统商业智能应用。数据量级规模太小，犯不着用大数据技术来搞；或者用大数据技术来搞花了很多钱，却没太大收效，算算ROI根本划不来。

Gang-Hoon Kim在《大数据在政府部门的应用》一文中说，大数据应用领先国家的大数据项目有三个特点：

第一，现有大数据项目充其量只是数据量较大的应用。大部分还是基于结构化数据，并没有使用动态、实时的非结构化或半结构化数据。

第二，政府部门致力于建设大型而复杂的公共数据集，期望用大数据应用来提升服务民众的能力，以及解决面临的重大挑战的能力，如提振经济、扩大就业、防灾减灾和反恐怖袭击。然而，当前大部分成功的大数据应用都在个人和商业领域，而不是政府部门。

第三，大部分大数据项目刚刚启动或计划实施。这意味着，大数据在政府部门的应用仍然处于初级阶段，只有极少数项目在成功运营，比如新加坡的RAHS（风险评估和水平扫描）和英国的 HSC（水平扫描中心）。

大数据这件事该怎么干？这是大数据主管机构的头号问题。于是乎到处参观考察，希望能复制成功经验，想要把问号变成句号。其实，对于大数据这样一半已知、一半未知的内生创新领域，是没有现成答案的。

我倾向于认为大数据应用模式是Case by Case（具体问题具体分析），眼下做到规模化复制是不现实的。每个地方期望用大数据解决的问题也不一样，有什么数据资源不一样，解决问题的技术路线也不一样，怎么可能有放之四海皆准的解决方案？但是这并不意味着无所作为，场景和模式是可以抽象的，算法和模型是可以类聚的。

大数据技术和应用发源于互联网公司，与业界领先公司开放合作，共同探索政府领域的大数据思维，是政府大数据发展的新思路。

拿美国神秘的大数据独角兽Palantir来说，这家公司估值一度达到200亿美元，仅次于Uber和Airbnb。据说与破解911恐袭和击毙本拉登有幕后关系。2003年创业后的最初几年只有中情局一个客户，两大主营业务是反恐和反欺诈，员工不是技术大咖就是数据科学家，但是竟然没有一个Sales。

我听说很多国内初创大数据公司要做中国的中国Palantir，可是到现在也没看到。我们习惯于与美国前沿创新公司对标，而且已经有大批的成功故事，但是为什么无法复制Palantir？他们是怎么样做到的？这背后的秘密，也许就是中国大数据公司的未来之路。

某一线城市市长说的很直白：政府要明白到自己不会玩大数据，那就找会玩大数据的带着一起玩，至少要有三个基本条件，那就是平台、数据和应用。我很钦佩这样的学者型官员，一听就知道是个练家子。

政府大数据有天生的局限性，那就是偏向基准数据和静态数据，这对大数据应用价值最大化有很大阻碍。

第一，数据完整度和聚合度不高，比如人口基础库只有身份数据，缺乏对人的全生命周期的分散在各部门数据的充分整合，难以产生关联分析效应；

第二，数据动态性和实时性不高，大都反映历史情况，滞后于当前情况，对影响宏观决策的更大不确定性的问题无法应对，难以产生战略层级价值。

从政府大数据应用策划角度看，按照数据资源条件和数据应用场景的匹配关系，有递进发展的三种应用模式，那就是从有啥吃啥、缺啥补啥到想啥搞啥。

（1）内生式扩展分析

就是有啥吃啥，尽可能汇聚内部数据，基于基准数据整合内部的各部门数据，进行扩展分析。

要充分认识到：没有汇聚，就没有大数据，没有大数据就没有高价值。

例如：基于人口基础库关联自然人全生命周期数据，聚合分散在政府各部门的数据越多，就越可能激发出按特定人群优化公共服务的关联分析场景。

再如：基于纳税人身份信息关联与税源和征缴等综合治税数据，聚合分散在与税收有关部门的数据越多，就越能解决税源流失和偷逃税等突出问题。

（2）外延式关联分析

就是缺啥补啥，尽可能弥补内部数据的不足，基于基准数据引入外部的动态和实时数据，进行关联分析。

这方面要与企业寻求开放合作，重点是与公共服务和城市管理密切相关的企业。

例如：人口流动态势分析，采集运营商基站数据、城市一卡通数据等，基于电子地图自动标注人口密度，分析城市功能区人口分布和人口流向，辅助城市路网优化、公交运力优化、重大活动保障等。

再如：新加坡的RAHS（风险评估和水平扫描）和英国的 HSC（水平扫描中心），就是引入模式识别、机器学习等人工智能技术的城市风险综合防控新模式，通过静态和动态风险点的扫描、识别和预警，建立评估整改和应急处置的数字化流程。

（3）先谋场景再谋数据

就是想啥搞啥，跳出纠结于有没有数据的思维定式，先谋划要解决什么问题，再去想怎么获取数据，没有数据就自己采集数据。

这方面要向使用大数据创新商业模式的成功案例学习。

例如：GE（通用动力）基于Predix工业互联网平台提供FES飞行效率服务，在飞机发动机上安装传感器，实时采集和回传发动机状态数据进行大数据分析，实现预测式维修和故障预警，乃至从卖发动机到卖飞行小时。廉价航空公司对石油价格高度敏感，春秋航空和亚洲航空都部署了FES，大大降低油耗和碳排放，并提高飞行品质。无独有偶，RR（罗尔斯·罗伊斯）的EHM引擎健康管理系统实时监控全球10万台航空发动机的运行状况，著名的MH370就安装了Trent 800发动机，从卫星回传数据中推测出MH370失联后又飞行了5个小时，终结于南印度洋。

再如：Prada在奢侈服饰上安装RFID标签，通过安装在试衣间的读取器（不涉及隐私问题），采集什么服饰试穿最多、试穿多长时间、试穿之后是否购买等数据，汇集全世界大都市Prada专卖店数据到总部，分析出高端消费者的服饰流行趋势。

^{免责声明：文章内容和观点仅代表作者本人观点，供读者思想碰撞与技术交流参考，不作为华为公司产品与技术的官方依据。如需了解华为公司产品与技术详情，请访问产品与技术介绍页面或咨询华为公司人员。}