4006-825-836

联系im体育

电话:4006-825-836
邮箱:admin@iteeinflamate.com
手机:0536-2082255转8017
地址:山东潍坊市北海路财富国际商务大厦23层

行业新闻

大国治理迈向大数据时代的城市风险治im体育理

作者:admin 发布时间:2021-08-17 20:22

  大数据时代的来临,使得城市风险治理出现了重大变革。大数据城市风险治理框架分为二个面向及六个维度,二个面向是指治理技术和治理思维。六个维度是指多方协同、治理过程、环境风险、健康风险、经济风险和社会风险。多案例研究表明,尽管大数据最近才被广泛关注,但在实践中已自觉或不自觉得到了运用。这一治理模式能够促进非营利组织积极参与,彰显“第三方治理”的独特优势,也有利于形成“自上而下”与“自下而上”双向治理的新格局。与传统治理模式相比,它有利于从简单因果假设向复杂相关分析、从应激式向预警式、从行政化向“互联网+”、从忽视个体向精细化、从感性向量化治理模式转变。同时,它也存在一些局限,如“精确的错误”、“大数据傲慢”、使用范围有限性及数据安全等问题。但勿庸置疑,这一源于复杂性科学思维的治理模式为我国城市风险提供了重要的治理理念、政策工具和研究范式借鉴。

  城市是人口居住、财富聚集及产业密集的重要区域,是地方政治、经济和文化发展的中心,在现代国家中地位举足轻重。随着现代性发展,城市面临以风险分配为主的时代即“风险社会”的来临[1](P.1-5)。复杂性理论认为,城市工业化和现代化水平越高,城市社会系统也会越来越复杂,导致城市不确定性迅速增加和风险不断扩大。与传统风险相比,现代城市风险呈现出密集性、连锁性、叠加性和圈域性等新特点[2](P.14-18)。同时,风险传播速度更快、渠道更多及时空范围更广,对城市政治稳定、经济发展和社会繁荣造成了巨大威胁。近年来,自然灾害类城市风险(如地震与泥石流等)、公共事件类城市风险(如踩踏与群体恐慌等)、社会安全城市风险(如核泄漏、、抢劫和枪杀等)、公共卫生安全城市风险(如非典、禽流感、艾滋病与“毒奶粉”等)频频出现,引起了政府和社会的强烈担忧。

  针对城市风险日益严竣的现实,党和政府给予了前所未有的重视。2013年11月,十八届三中全会提出了改进城市社会治理以应付日益增加的社会风险的挑战。2015年11月至12月,不到短短的两个月时间内连续召开四次有关城市问题的中央会议,如11月9日中央全面深化改革小组会、11月10日中央财经领导小组会、12月14日中共中央政治局会议及12月19日中央城市工作会议中都重点研究与部署了城市安全、应急体系及风险管理等问题。

  城市风险是国外学界研究重点,主要视角有:第一,风险管理视角。如学者拉杰卜(Rajib)等研究了城市如何应对灾害风险、如何制定行动计划及如何进行有效的灾害管理[3](P.74-82),雅各布斯则从风险载体视角进行了研究[4](P.1-8)。第二,风险治理技术视角。学界主要是通过定量或定性方法计算风险程度,并建立城市风险预警与控制机制,但艾米(Amy)发现单一使用空气污染物预警模型并不一定普遍有效[5](P.32-44)。第三,风险损失视角。主要是从致灾因子、暴露度和脆弱性角度对城市风险损失进行了研究,史密斯(Smith)认为风险治理最终目标是通过社会效用最大化分配风险损失[6](P.13-34),安得烈(Andrew)通过保险定价系统对城市灾害成本进行评估及分配研究[7](P.419-436)。第四,风险社会学视角,如鲍曼等学者对不同群体脆弱性进行了风险研究[8](P.4-12),道格拉斯等学者从社会建构主义视角探讨了社会风险的产生与形成[9](P.3-8)。第五,风险文化视角。斯科特认为通过高度自觉的风险文化意识能有效规避风险[10](P. 52-63),贝克则提出了风险意识启蒙设想[11](P. 42-46)。

  国内学界对城市风险研究还不多见,代表性视角主要有:一是城市社区风险视角,通过建构政府、社区组织和居民共担机制应对社区风险[12](P. 72-76)。二是“三位一体”视角,在对城市风险原因分析的基础上,建构政府、市场和社会“三位一体”的风险治理体系[13](P. 2-8)。三是韧性城市视角,主张从气候灾害韧性、经济韧性、社区韧性和组织韧性层面推进城市风险治理[14](P. 54-57)。四是应急管理视角,主要是基于中国问题提出了城市灾害管理分析框架[15](P. 132-146),应急管理呈现出“彗星”结构与“慧尾”效应特点[16](P. 58-84)。五是网格化及网络化视角,这是目前社区安全与基层风险治理新趋势[17](P.85-90)。

  国内外研究也存在一些局限:第一,大多集中于城市风险传统领域,例如风险管理、风险评估、风险结构、风险感知和应急管理等,对于大数据这一新兴领域的探讨非常缺乏。第二,主要采用传统的风险研究方法,即主流的定量与定性研究方法,大数据分析方法很少运用,尽管这一分析方法在其他领域方兴未艾。第三,这些研究仍然侧重于自上而下的政府管理视角,对自下而上的“第三方治理”研究不足,大数据为实现“第三方风险治理”提供了重要平台。第四,以往重视的是因果关系研究,这是基于传统结构化数据分析基础之上,这些数据有限及收集困难,现实中80%以上都是非结构化数据。而且,传统数据容易受主观因素影响,常常受到学者们的质疑。风险大数据具有体量巨大、类型繁多和速度快等特点,有利于科学把握城市风险发展规律并进行有效治理。基于此,论文主要讨论几个核心问题:如何清楚呈现大数据风险治理框架,如何通过这一框架分析具体的案例,如何从这些案例中提炼出基本命题,如何反思这一范式的优缺点?

  大数据(Big Data)是目前社会高度关注的热门话题,托夫勒在其著作中将其描述为“第三次浪潮的华彩乐章”。2009年以来,大数据逐渐成为互联网时代的流行线月,联合国发布《大数据带来的挑战和机遇》白皮书,标志着人类社会正式进入大数据时代。它具有三大特性:庞大性(Volume)、时效性(Velocity)及多样性(Variety),还有另外两个V也常被提及,即真实性(Veracity)和价值性(Value)。与传统数据相比,它是全体数据而不是抽样样本,im体育它是混杂性而不倡导精确性,它进行相关关系而不是因果关系分析。

  大数据时代的来临,使得城市风险治理模式出现了重大变革,即所谓的“大数据需要大理论”。在国外,华盛顿、伦敦、慕尼黑和纽约等城市运用了大数据进行风险治理的尝试,在国内,上海和深圳等特大城市已纳入智慧城市(smart city)建设战略规划,大数据已逐渐成为城市风险治理的新趋势。大数据城市风险治理框架分为二个面向及六个维度,二个面向是指风险治理技术和风险治理思维。治理技术分为分析技术和设施技术,六个维度分别是多方协同、过程治理、环境风险、健康风险、经济风险和社会风险,这一治理框架有利于实现“透彻感知”、“全面互联”、“深度整合”、“协同运行”、“智能治理”和创新治理等目标。

  第一,大数据风险治理技术。它主要包括两个方面,一是大数据挖掘、抓取与分析技术,又分为统计分析、可视化分析、时空轨迹分析、社交网络分析、智能视频分析和舆情分析等,统计分析包括关联分析、聚类分析、分类分析、时序模式分析和偏差分析等。统计分析又建立在云计算基础上,云计算包括大数据存储、预处理、融合、检索和挖掘技术,预处理技术是指风险大数据在正式处理前进行筛选与过滤冗余信息,例如感知端大数据校验和压缩技术,存储端ETL技术及隐私保护技术等。大数据融合技术是为了解决数据分散、零乱与尺度不一等问题,检索云服务能自动抓取视频和图像某些特征,并对行为进行提取和索引,云存储能突破传统存储性能及容量不足缺陷。二是大数据基础设施建设,主要通过传感器收集与分析大数据,传感器包括手机、平板、交通工具和通讯网络等。基础设施还包括风险大数据库建设,分为风险网络数据库、智能手机数据库、视频数据库、智能卡数据库及传统数据库等。。

  第二,大数据多方协同治理。目前城市风险治理主体单一,或者属于不同体系及遵循不同规则,治理主体之间缺乏沟通与整合。同时风险数据库分散在不同部门,数据管理呈现碎片化与原子化特点。政府需要对大数据多头管理进行顶层设计,自上而下统一规划大数据库,并建立大数据标准体系及共享平台,改变数据壁垒和数据孤岛现象,扭转政府单一治理、效率低下和成效不彰的局面。同时,政府需要为非政府组织让渡治理空间,培养民众大数据收集、识别和分析能力。非政府组织也需要积极主动参与风险治理,形成“第三方治理”的新局面。在此基础上,多方共同推进城市风险“云治理”社会化进程,共建政府、市场与非政府组织“多中心、协同化、共同治理”的新机制,实现“自上而下”与“自下而上”治理模式的融合。

  第三,大数据风险治理过程。它包括四个阶段,即风险识别、风险分析、风险评价和风险决策。在风险识别阶段,在储备、转换和创建城市风险数据库基础上,对这些巨量数据进行相关分析与预测判断,识别城市是否存在及是什么样的风险,进而对风险实时监控,建构风险信息提取机制与反馈机制[18](P.19-20)。在风险分析阶段,通过统计分析大数据、可视化大数据及转换大数据图像等途径,前瞻性分析与判断城市风险来源、扩散路径、风险大小及风险损失等,进而确定风险治理的优先次序。在风险评估阶段,政府相关决策部门、普通民众及利益相关者共同选择与采取风险应对策略。在风险决策阶段,决策者在大数据挖掘、识别和分析基础上制订出科学的决策,以达到规避、预防、减少和转移城市风险的目的。

  第四,大数据环境风险治理。城市环境风险是指城市现代化发展过程中对自然环境造成的风险,分为自然环境风险与人为环境风险,前者包括地震、暴雨、泥石流和气象灾害等,后者包括环境污染及生态破坏引发的风险,如土地退化、噪音污染、厄尔尼诺现象、热岛效应和雾霾等。在自然环境风险治理层面,通过网络、手机和导航实时传输风险信息,并对灾害事件进行相关分析,实现有效的风险预警与预防。在人为环境风险治理过程中,通过采用诸如智能手机、APP和多媒体环境监控等技术,搜集影响环境风险相关数据,然后通过云计算中心进行统计分析,对城市中能耗高、污染高和噪音高的“三高”企业实行动态监控。在此基础上,政府制订相应的环境保护政策以降低污染行业对环境造成的破坏性影响,达到城市经济与环境系统平衡发展的目的[19]。

  第五,大数据健康风险治理。健康风险主要指传染病及流行病毒形成的流感、疟疾和埃博拉等疾病风险,还包括食品安全形成的食物中毒和食源性疾病风险等。通过建立健康、卫生和疾病风险数据库,并向社会开放和共享医疗数据,医院也可以利用这些数据库,同时结合医院自身的医疗设备、技术水平和医生专长为病人提供“全人康复服务”。病人的治疗结果也能在不同医院之间进行数据共享,避免“过度诊断”及医疗资源浪费现象。此外,通过积极开发与应用医疗大数据,对不同病种与病情进行深度挖掘与分析,有利于发现许多未受关注的发病机制。在此基础上,定位居民发病空间位置,并结合城市地理数据判断传染病蔓延区域及传播速度等,从而实现有效的疫情预测、预警及预防。

  第六,大数据经济风险治理。经济风险是指金融市场动荡、外界经济扰动、产业结构调整和就业收入失衡等引发的风险,大数据在这一领域的运用越来越广。制造业、金融业、服务业、零售业和交通业等领域产生了巨量数据,类型可分为客户属性、交易信息、运营数据和厂商信息等,通过对这些数据进行深度挖掘、有效抓取与统计分析,能实时掌握供求关系和价格波动等信息,有效监测市场经济的运行过程,还能促进产业结构的转型升级。同时,大数据也能为企业市场战略、组织结构及空间布局等提供辅助决策[20](P.111-117)。在特大城市中,金融机构分布密度高及金融行为活跃,如果金融市场失控,将会导致大规模金融风险,甚至酿成系统性金融灾难。通过对金融大数据进行分析,能及时掌握利率水平、证券期货和银行信贷等信息,为金融市场提供有效的动态监管以维护其稳定。

  第七,大数据社会风险治理。城市社会风险是指导致城市社会冲突、危及城市稳定和社会失序的可能性,包括流动人口、城市秩序失衡、社会不公及公共安全等风险。社会风险大数据包括社交网络数据、手机定位数据、人口数据、特殊群体数据、交通数据及公共安全数据等,利用这些数据库能够预防或降低社会风险的发生。例如,在交通风险领域,通过对交通监测和居民出行数据进行挖掘分析,进而科学规划城市交通,实时掌握个体出行的时空信息,在人流密集区提前疏导与预警。在公共安全领域,通过密布城市各个角落的摄像头和传感器传输的大数据,并结合犯罪数据和犯罪历史,就能预测犯罪热点的地理位置和时间阶段,从而制订出有针对性预防犯罪策略。政府通过舆情监控和网络调查数据分析居民满意度以改善社会治理,同时建构数据库,从而针对性推进民生事业建设及完善社会保障体系。

  大数据城市风险治理促使了传统治理技术向现代风险治理技术转型,即从传统空间技术向大数据时空分析技术转型、从传统二维地理信息、三维可视化向大数据时代四维地理信息技术转型、从传统周期的静态数据向实时获取动态大数据技术转型、从传统有限服务向现代大数据广泛服务转型、从传统风险信息获取、处理及应用分离向大数据时代“三位一体”分析技术转型、从传统狭义风险信息向广义网络化大数据风险信息技术转型、从传统事后分析向大数据挖掘及事前与实时决策技术转型[21](P.3-7).

  城市日益成为一个复杂且紧密联系的巨型系统,社会学家鲍曼称之为“液态现代性”,使得城市风险治理难度也不断增加。一些城市将大数据应用于风险治理中,取得了初步成效。通过分析国内外一些典型案例,从环境风险、社会风险[1]、健康风险、经济风险和政府推动视角提出相应的研究命题。

  日本属于自然环境灾害多发国家,国土面积仅占世界陆地面积0.25%,但自然环境灾害却占总量的20%,一直以来,日本都注重灾害治理模式的创新。在东日本大地震中,由于受灾地区范围广,政府无法及时掌握灾害信息,错过了许多宝贵的救援时机。因此,政府决定将大数据引入灾害治理中,通过分析网络、手机和汽车导航系统等产生的巨量位置信息,为灾民提供准确与及时的救援服务。日本还打算与企业合作,通过电台、电视台和手机等快速发送预警和疏散信息,用户凭借手机定位功能接收相关信息。巴西里约热内卢通过分析常规天气预报原始大数据,对因雨季导致的泥石流、山体滑坡及洪水淹城等进行了有效的预警和预防。环境风险信息系统、分析方法和基础设施网络化与智能化程度越高,环境脆弱性就越低,潜在风险也越低。在环境风险治理过程中,通过挖掘、抓取和分析相关的巨量数据,能为人们增加宝贵的预防时间,最大限度降低灾害带来的冲击,由此得出:

  大数据为非传统社会安全提供了新的治理工具,韩国的恩平、板桥和东滩等城市通过红外线摄像机、无线传感器和网络等设施,实现了火灾实时与动态监控,同时通过短信、微博和电子广告牌等渠道及时发布预警信息。大数据也能为公共安全提供重要的个体时空位置信息,有利于城市应对新型突发性风险。2014年12月31日,上海外滩陈毅广场发生踩踏事件,造成36人死亡及49人受伤。当晚23:20左右,在百度上检索关键词如“灯光秀取消了么”和“灯光秀门票”,可以发现民众查询数量迅速增加。如果上海相关部门能够据此对民众互动情况、移动行为及网络关键词进行风险分析,这一灾难或许不会发生。事实上,从2010年开始,北京西单、大栅栏商业区、什刹海风景区和广场等已启用了“人群聚集风险预警系统”,实时监控流动人群,可是这些尝试并没有引起其他城市管理者足够的重视。

  1996年,美国拥有9400万辆汽车,在交通事故中死亡人数为5万。2009年美国拥有汽车2亿4000万辆,交通事故死亡人数反而下降到3万,主要是因为美国政府对巨量的交通事故数据进行了科学分析,在此基础上改进了城市交通安全治理策略。克瑞斯珀(Krisp)认为通过对人流密度巨量数据实时分析,能为消防和安全设施布局提供辅助决策[22](P.61-69),并有很好的治理效果。通过对巨量手机通话和短信数据研究人流密度变化,为公共安全提供准确的风险判断。现代城市公共安全面临非传统风险威胁,体现复杂性、严重性与紧迫性等新特点,已超过其他传统公共安全问题,因此,不能简单地从“还原论”出发,需要对城市进行整体性及关联性分析,进而对潜在风险进行预测,才能有效提高城市风险治理能力,因而得出:

  通过分析社会安全大数据,不仅可以预测风险发生过程及呈现风险真相,也能帮助管理者提高社会安全决策的科学性。在里士满市,警察把犯罪数据、大公司员工工资发放时间、音乐会或运动赛举办时间等数据进行关联分析,不仅发现了城市犯罪的高峰时段,还推算出枪击事件两个星期后会出现犯罪高峰。洛杉矶警察局通过“PredPol”预测性警务软件分析可能发生犯罪的地点,警察在地图表明的区域多花5%到15%的巡逻时间,就能预防与减少犯罪活动。芝加哥警察局通过大数据分析找到社会安全事件的关键点,调整警力部署和变革警员工作方式,大大减少了社会风险的发生。

  在互联网时代,网络放大效应使得社会风险传播速度越来越快,社会动员能力日益增强,许多复杂社会矛盾交织在一起,使得群体性事件和集体行动频频出现及更难预测。传统治理方式难以有效应对,给国家管控带来许多新命题。目前,我国网民已接近6亿,时时刻刻都在产生、传输与消费巨量数据,大数据能对社会风险进行科学预防、及时疏导和妥善处置。在大数据时代,有三种个体时空信息获取途径,即手机定位与GPS数据等被动获取途径、出行活动日志与时间利用日志等主动获取途径、社交网络用户签到信息半主动获取途径。在此基础上,通过可视化分析判断个体活动情况,同时实时监控人流方向,能够预防人流过于密集而可能导致的群体性事件风险。艾斯(Ahas)发现手机社会定位方法(Social Positioning Method)能监测移动轨迹、人口数量、聚集预测和人群集聚问题等[23](P.547-561),拉蒂(Ratti)利用手机大数据分析城市活动时空变化并通过热点图方式[24](P.727-748),能有效掌握城市重大社会事件或不同人群的时空特征,可以减少城市集体行动的发生,由此得出:

  随着公共卫生数据种类不断扩大、数据总量剧增及微观数据保存,以往被忽视的发病机制可能通过大数据而被发现,病情诊断也更加准确,还能利用大数据对病情病种进行预警、预诊和预治[25](P.29-47)。2009年谷歌公司通过搜索关键词及比较流感传播历史数据,提前预测了流感传播时间与空间。与官方数据“滞后性”相比,这一分析呈现出明显优势。大数据分析能提前发现流感传播趋势,为抗病毒药物研究及疫苗尽早研发争取宝贵时间。宾夕法尼亚州政府融合社交媒体数据与公共卫生数据,通过对感冒药销量、历史数据、儿童就诊率及Twitter文本分析,成功预测了大面积流感爆发、传播及分布情况。日本京都大学荒牧研究室利用大数据建立了“流感君”网站,专门预测流感发生及分布状况。在我国,百度将气温、环境指数和人口流动等作为基本因子,建立了公共卫生风险预测模型,实时提供肺结核、肝炎、流感及性病活跃度与流行指数表,以及与之相关的城市与医院排行榜。

  在大数据时代,健康风险治理并不只是政府和医疗部门的责任,还需要社会组织共同参与。因此,政府需要统一规划城市健康大数据平台及开放这些大数据库,将研究机构、NGO组织、志愿者及一般民众整合进健康风险治理过程,形成“公私协力治理”、“多中心治理”和“第三方治理”的新格局,能有效缓解目前紧张的医患关系、医疗资源分配不均、乱求医、看病难及医疗服务滞后等现象,由此得出:

  一些城市政府将自己掌握的大数据经过“脱敏”与“脱密”处理,同时制定数据开放标准及开发相关工具,然后免费向社会开放,社会各界通过网络平台就能使用这些大数据,从而推动了风险治理的多元参与。美国旧金山为了推动交通风险大数据的运用,专门出台开放数据方面的立法,规定不同政府部门、不同数据库统一规划与及时发布。芝加哥为了有效应对突发性事件发生,也加强了大数据基础设施建设。伦敦、波士顿和伯明翰地方政府通过交通大数据对汽车流量实时监控,伦敦还是全球最早推出建设数据平台实时调控交通风险的城市。巴塞罗那和格拉斯哥通过建设全覆盖的超高速宽带、摄像头或传感器,以识别犯罪与火灾等城市风险。

  我国可获取的城市风险大数据主要有官方数据、社会数据、地理数据、社交数据、媒体数据、IC卡数据、出租车GPS数据及手机数据等,这些数据大多掌握在各级部门手中,容易形成“信息壁垒”和“信息孤岛”现象。不仅城市风险数据获取困难,而且质量不高及种类偏少。如果政府不向社会开放大数据,则难以调动民间社会参与风险治理的积极性,大数据治理也会成为空中楼阁。因此,政府需要促进大数据库整体规划、跨部门合作、多方共享和社会开放,才能为大数据风险治理提供基本保障,因而得出:

  多案例研究表明,尽管大数据最近才被社会各界广泛关注,但在城市风险治理实践中已自觉或不自觉得到了运用,并且取得了一些实践效果。多案例演绎出来的命题也为城市风险治理提供了实证框架与操作指南(如图3)。当然,这些命题需要在研究中进一步证实或证伪,本文的案例演绎只是一个探索性研究,希望为后续研究提供有益的铺垫。由于经济风险治理领域中的数据最具备或最接近大数据特征,人们在经济活动中常常运用巨量数据进行相关判断和决策,因此,这方面的案例文章没有涉及,但这并不妨碍推出城市经济风险治理的基本命题。

  大数据治理为城市环境风险、社会风险、健康风险和经济风险提供了治理理念、应对策略和研究范式的重大变革。通过反思这一范式的利弊得失,有利于规避或减少城市风险的发生。与传统治理模式相比,大数据体现了城市风险治理“第四范式变革”趋势,具有许多优势。

  第一,有利于从“简单因果假设”向“复杂相关分析”转变。以往将城市风险看成是单一因素形成的线性结果,把复杂的城市风险问题简单化和表面化了。在管理实践中,im体育风险也被看成是不同部门、不同领域和不同管理人员独立处理的事情,这种简单的管理思维无法适应高度复杂和不确定性的现代风险发展趋势及需求。大数据城市风险治理主要是通过借助各类传感器、视频监控、社交网络和智能手机等平台,结合不同类型的城市风险特点,然后对关键或重要问题进行大数据挖掘、抓取与分析。它不同于传统的先假设再验证的分析逻辑,而是直接对各个要素进行复杂的相关分析,将各种似乎不相关的因素统一到一个平台和“一张网”中进行复杂相关分析,有利于从全样本、全要素和全方位把握现代风险本质,为城市风险治理提供重要的辅助决策,从而达到有效降低风险损失甚至规避风险的发生。

  第二,有利于从“应激式”向“预警式”转变。以往由于部门分割和数据分离,无法对潜在风险进行科学预测或预警,只能在风险爆发后被动应急,使得风险形成的后果特别严重,这就是所谓的“风险扩大机制”。在大数据时代,随着数据壁垒逐渐消融,未来不同部门的大数据将会逐渐迈向统一规划与共享开放,使得传统抽样法、实验法及因果分析法向大数据全样本及相关分析转变,这有利于打破传统风险治理“头痛医头、脚痛医脚”的局限。通过统一的大数据共享平台,能够整合不同部门、不同类别的巨量风险数据,对潜在风险进行实时、动态和科学分析,不仅为风险应对争取难得的准备时间,也能实现有效的风险问责以避免风险的“再生产”,促使“消极的应激式管理”迈向“积极的预警式治理”。

  第三,有利于从“行政化管理”向“互联网+”治理模式转变。以往的城市风险治理基于行政命令和科层管理基础之上,这种自上而下的风险管理方式往往脱离城市实际情况,无法及时全面收集社会风险信息,制约了社会力量风险治理的参与。在大数据时代,促使风险治理具迈向信息化、电子化与“互联网+”道路,民众通过大数据平台能第一时间掌握风险信息,这股掩盖在社会结构之下的民间力量被激发出来。同时,大数据促进政府与社会之间实现互联互通,使得传统的片面管理向现代的共同治理转型,避免了自上而下的“单向度治理”缺陷。此外,通过向社会开放风险数据库及建构共享平台,有利于培养与增强民众大数据挖掘、抓取与分析能力,激活风险治理领域的社会活力,克服传统治理模式行政化、僵硬化和滞后性等局限。

  第四,有利于从“忽视个体”向“精细化”治理转变。在以往的风险管理体制中,受技术和制度的制约,普通民众的个人风险信息需求难以满足,造成了风险治理过程中的“信息不对称”现象,民众在风险治理过程中往往成为“沉默的一群人”。从宏观层面而言,我国城市风险治理结构虽然存在“结构演进”的一面,但总体上呈现出“结构固化”特征,它忽视了风险治理中“个休需求”日益增加的趋势。在大数据时代,通过大联网、大集中和大移动等信息技术,为民众提供在线服务、动态参与、“一窗式服务”甚至私人定制等,普通民众能够获得精细化和个性化风险信息服务。同时,在数据分析层面上,通过对微观数据进行深度挖掘,分析民众个性化风险信息需求,不仅有利于调动其参与风险治理的积极性,而且能实现城市风险的精准治理,从而从宏观与微观层面整体提升城市风险治理水平。

  第五,有利于从“感性治理”向“量化治理”转变。大数据分析技术集物联网、云计算和社会计算等新分析技术于一体,侧重于全样本风险数据量化分析,体现了现代城市风险治理的量化趋势。传统风险治理更多依赖感性的经验判断,经验不等于科学,凭经验或直觉处理风险有时反而会形成更大的风险。而且,现代城市风险与传统相比具有很大不同,过去的经验无法简单移植或复制。在大数据时代,通过“一张网”和“一张图”等途径,政府和民众就能对巨量数据进行有效挖掘与分析,为风险治理决策提供科学依据。此外,传统城市风险治理注重于抽象的理论分析与逻辑推演预测,现代风险日益复杂化和多元化,各种风险因子不断剧增、叠加和突变,传统分析方法受到越来越大的挑战。大数据能实现结构化、半结构化和非结构化数据的有机融合,在巨量及不同类型数据的基础上,使得风险治理决策科学性大大提高。

  大数据在城市风险治理过程中也存在一些局限:首先,可能出现“精确的错误”。获取城市风险数据会存在盲点,人们获取的数据也不一定等于“母体”,可能是“伪大数据”,“大数据等于全样本”理论上成立,实践中还存在数据记录、存储和抓取不足等局限,“非随机缺失”也常常出现。而且,大数据时代虽然已来临,但大见解却未必一定有。其次,可能会出现“大数据傲慢”。人们认为大数据能完全取代传统数据及其分析方法,二者是取代与被取代的关系。事实上,收集大数据不像“小数据”那样精确,有时反而会增加分析的错误性及造成结果偏差。例如,科尔比(Colby)发现癌症、化疗与减少患有阿尔茨海默氏症风险具有关联性被证明是错误的[26](P.1-22)。再次,大数据使用范围也是有限的。大数据只能揭示相关关系,适应于风险小、见效快和容易检验的领域,它在城市风险某些领域有广阔的应用前景,而在其他领域却未必适合。最后,风险数据安全问题。大数据安全问题是一场必要的斗争,它往往成为不法群体及黑客攻击目标,尤其风险大数据涉及到城市安全,往往容易成为被攻击的对象。

  尽管大数据存在上述缺陷,但这一源于复杂性科学思维的治理模式对于我国城市风险治理具有重要的启示意义,它有利于从“经验治理”向“科学治理”、从“感性治理”向“数据治理”、从“简单理论”向“复杂理论”、从“静态治理”向“动态治理”转变,为我国城市风险治理技术及治理思维变革提供了极为宝贵的政策工具和理论借鉴。

  作者简介:周利敏(1977—),湖南衡阳人,法学博士,广州大学公共管理学院副教授,南方灾害治理研究中心执行主任,主要从事灾害社会学与灾害治理研究。

  从“万木草堂”到“万木学堂”,岭南一脉,万世师表,砥砺学术,经世维新。力求搭建零壁垒教学平台,延展无缝隙课堂半径。“万木学堂”乃陈潭教授岭南学术传习所,为岳麓山下草根学术部落——斯为盛学社姊妹篇。由广州大学中国政务研究中心和《广州公共管理评论》编辑部联袂支持。


二维码
电话:4006-825-836
地址:山东潍坊市北海路财富国际商务大厦23层
Copyright © 2002-2021 im体育机械电子设计制造有限公司 版权所有
网站地图