前言：尋找寫作靈感？中文期刊網用心挑選的智庫建設的問題與對策，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。

摘　要：大數據技術在工商業界得到廣泛應用，但在賦能智庫建設過程中，還面臨著需求側、供給側、環境等方面的諸多問題，阻礙著其核心優勢的發揮。問題的原因在于，大數據技術本身、學科交叉研究、社會治理理念創新等方面還存在著一些難題。解決這些問題的思路是：加強大數據技術應用研究，突破“最后一公里”障礙；鼓勵大數據學科交叉的探索與應用；加大大數據交叉與應用人才的培養；加強頂層設計和相關法律法規建設；提升政府相關部門人員的大數據素養。

關鍵詞：大數據；新時代；智庫

智庫是現代社會發展的“思想工廠”，它的建設發展受到國家的高度重視。2014年，習近平總書記在中央全面深化改革領導小組第六次會議上指出：“改革發展任務越是艱巨繁重，越需要強大的智力支持”[1]，2015年中共中央辦公廳、國務院辦公廳印發《關于加強中國特色新型智庫建設的意見》，十九大報告提出“加強中國特色新型智庫建設”，這一系列相關指示和文件都充分體現出國家對新時期智庫建設的高度重視。面對百年未有之大變局以及日益復雜的國內外社會發展新風險、新挑戰，智庫承擔著提供高質量思想產品的重任。另一方面，大數據技術已經日益成熟，利用大數據技術進行信息獲取、調查分析和研判預測已成為很多行業和領域的日常。智庫借助大數據可以開展觸及范圍更廣、視野更開闊、研究周期更短、時效性前沿性更強的前瞻性研究，為智庫提供全新的數據資源、分析技術和測評方法，助力智庫創新研究模式，改進分析工具，從而提升建言咨政的科學水平。大數據理應成為智庫研究的有力工具，推進新型智庫建設實現重大突破，但迄今為止，鮮見有智庫真正以大數據技術、資源和方法等為基礎，提出被大眾廣泛認可的研究報告，大數據賦能智庫研究在需求側、供給側、社會環境三方面面臨著難題。

一、現實問題

（一）需求側問題

數據和信息是智庫開展研究的基礎，大數據能夠為智庫提供精準的數據來源，為新型智庫提供技術支撐，為智庫建設提供科學的研究工具，助力監測社會輿情、預判政策后果、監測政策執行成效，對諸如發展安全、生態保護、人口健康等較復雜的難題的治理，通過大數據都可以找到答案。但具有極大優勢的大數據在賦能新時代智庫建設的過程中并沒有引起足夠的重視，優勢停留于理論層面，實際應用依然存在需求側難題。表現在智庫缺乏利用大數據進行新型智庫建設與研究的意識，以及利用大數據進行新型智庫建設的能力不足。我國政府早在2015年即印發了《促進大數據發展行動綱要》，以推動大數據的發展，習近平總書記更是多次在不同場合提到大數據。政府對大數據的應用非常重視，相關政策利好不斷釋放，民眾和社會的需求也非常迫切，人們社會活動產生的大量數據也有待于去應用，找出解決日益復雜的經濟社會問題的有效方案。但除去大數據在工商業的應用有其內在需求，發展較快之外，其在國家治理和經濟社會問題中的應用卻一直不盡如人意。其中的關鍵問題之一即是，在政府、研究者和社會大眾都很重視大數據價值的情況下，大數據決策應用的有效需求尚有待挖掘。至今為止，大數據應用于決策咨詢，對于政策供給方和政策需求方都只是“備胎”，只有雙方形成良性互動，才有可能形成切實的大數據決策需求。習近平總書記說，“要加強決策部門同智庫的信息共享和互動交流，把黨政部門政策研究同智庫對策研究緊密結合起來，引導和推動智庫建設健康發展、更好發揮作用。”[2]智庫研究者需要提供切實有效的研究報告，從而得到政策部門和大眾的認可，而政府的決策人員也需要有意識地改變傳統的決策模式，在決策前盡量要求智庫方從大數據角度展開研究。如果決策者不在意大數據研究報告，尚不能熟練掌握大數據研究的智庫人員自然更傾向于用傳統方式提供政策建議。只有決策者和政策研究人員形成良性互動，出現一些用大數據支撐決策并取得良好社會效益的成功案例，大數據賦能智庫發展的社會效應才會真正形成。社會公眾才會慢慢理解并接受大數據應用的社會價值，從而推動整個社會增強合法利用大數據的需求。

（二）供給側問題

根據《全球智庫報告》的數據顯示，2008年我國的智庫有74家，2009年激增至428家，2020年為1413家，位列世界第二。由此可見，我國已然成為了智庫大國，但“大”并不意味著“強”。不足與劣勢主要體現在智庫建設出現泛化，如不具備智庫建設資質的機構也搖身一變成為智庫。此外，與國際一流智庫相比，我國智庫創新能力與全球視野有待進一步提升，智庫建設跟不上社會大形勢的發展、具有國際影響力的智庫較少等。所以對我國而言，建設具備前沿化、技術化、高端化、研究新問題、提出新方法的新型智庫迫在眉睫。傳統的智庫研究范式是理論驅動型，新型智庫的建設應該是數據驅動型，采用定量分析與定性分析結合的方法，而大數據就是助力新型智庫建設的有力工具，由智庫大國向智庫強國轉變需要大數據賦能。智庫要提升大數據研究與應用能力，必須首先解決大數據人才供給短缺問題。智庫能否做好大數據研究，提出有力的報告，根本上取決于智庫有沒有相應的大數據人才，這就需要大力培育能夠勝任大數據研究的人才隊伍。目前大數據賦能智庫建設人才隊伍方面存在的主要問題有：第一，大數據是一個新興學科領域，大數據人才作為更高層次的復合型人才，需要掌握機器學習、數理統計、語言處理、情感分析等多方面的知識，而當前的大數據技術人員多是從計算機相關學科轉行而王建紅等：大數據賦能新時代智庫建設的問題與對策來，現實中能夠勝任具體大數據工作的人才整體缺乏，少數先行者多被工商業界的強大需求吸引，智庫中的理論研究者鮮有熟練掌握大數據技術的人員，社會整體上少有可以勝任大數據研究的智庫人才。根據清華大學經管學院2017年11月發布的《中國經濟的數字化轉型：人才與就業》報告顯示，到2025年我國大數據領域人才缺口將達到200萬。第二，大數據是一個需要多學科交叉融合的研究領域。真正的交叉融合不是簡單的合作，需要有人既懂大數據技術，又懂所要研究領域的專業知識，同時還能知道二者融合的關鍵點。智庫開展的大數據研究相比其他行業領域更加需要切實有效性，真正有價值的智庫研究需要落地執行，不能止步于理論探索，所以更加需要做好大數據技術與所要解決的經濟社會問題的交叉融合。在大數據人才本就不足的情況下，缺乏具備良好的大數據和經濟社會問題交叉研究能力的人才，智庫所需要的大數據交叉研究將很難成功。第三，大數據技術在工商業中的應用已經出現了很多經典案例，但將大數據應用于社會問題的研究，從而為政府或其他對象提供決策服務的成功案例仍然不足且不成熟。除去社會問題研究的復雜性之外，主要的原因即在于當前智庫大多脫胎于由政府和高校從業人員組成的相關研究機構，其成員的學科背景和知識儲備一般都與大數據相去較遠，對大數據技術及其應用方法的掌握相對不足，大數據研究能力相對缺乏。只有提升了大數據研究能力，才能找準大數據問題，用對大數據研究范式，“當復雜數據和政府決策相結合時，才能更好地滿足決策者理想得到的具體政策，”[3]也才能最終成功完成基于大數據的智庫報告。大數據賦能的智庫研究，數據分析方法要從偏重解釋事物之間的因果關系轉變到相關性分析中，用全新的研究視角梳理和總結事物之間的關聯，通過建立數據模型，提高智庫研究的準確性、科學性。隨著大數據時代的全面到來，只有擁有較強大數據研究能力的智庫，才能很好地利用大數據抓準時代脈搏，找準問題根源，掌握問題全貌，提出更符合實際和時代要求的政策建議和智庫報告，從而在智庫競爭中脫穎而出，更好地服務于國家和社會，而要將大數據賦能智庫建設的潛在優勢發揮出來，還需努力改善技術和人才供給存在的不足。當前一些高校紛紛開設大數據相關專業的課程，以滿足市場上對大數據人才的需求。但是復合型人才培養周期長，難度大，高校開設大數據專業課程并不一定代表著智庫研究所需大數據人才的快速補充。從專業開設到人才成熟需要時間和實踐，從大數據人才到智庫所需的大數據復合型人才更需要時間，智庫在短時間內依然會難以招到需要的人才，人才隊伍難題仍將持續一段時間。

（三）環境問題

1.法治環境對于如何利用大數據。無論政府還是個人仍然還有很多的疑慮，整體上采取謹慎策略，很多關鍵性數據仍被限制使用或在合理使用時受阻。一方面，個人信息相關數據受到的保護日益加強。2020年《民法典》、《個人信息保護法（草案）》相繼頒布，其中《民法典》第一千零三十二條至一千零三十九條就隱私權和個人信息保護各方權責作了說明和規定，《個人信息保護法（草案）》則更加細致的確立了以“告知—同意”為核心的個人信息處理系列法規。另一方面，我國當前的數據保護法規仍然有待健全，數據保護漏洞依然存在，對普通百姓造成的隱私信息泄露危害仍有發生，同時，一些社會發展必要的基礎數據卻受到“過度保護”，成為“數據孤島”。整體來看，由于法律法規不健全，為求安全與可靠，大部分人對大數據應用依然敬而遠之，正確看待大數據應用的社會共識還沒有真正形成。

2.理論環境將大數據資源。方法應用于科學研究本質上是一種“范式革命”，只不過這一革命至今尚未全面展開，仍處于革命的醞釀期。不僅是科學，任何事物的發展都遵循周期性發展模式，隨著時間的推移，新范式取代舊范式，從而進入新的常規科學時期，新常規科學在被使用一段時間后也會出現危機，又會引起新的科學革命，如此不斷循環，不斷前進。這種曲折前進的發展狀態符合科學發展的演變趨勢，也符合馬克思主義的辯證法。新事物遲早會代替舊事物，只是這種代替不是一蹴而就的，需要經歷由量變到質變的較長時期。大數據的研究范式無論是在自然科學領域還是在社會科學領域都尚未達到成熟，但這并不意味著大數據研究的基本范式毫無章法可循。大數據是一個外延廣大的范疇，基于大數據的研究范式已經可以很明顯地在不同層次劃分出一些基本類型，比如：哲學社會科學領域的大數據研究范式不同于自然科學領域；在社會科學領域內部又存在著文本大數據研究范式與行為大數據研究范式的區別；在文本大數據研究范式內部又包含著文獻文本大數據和網絡文本大數據的區別。具體到不同層次不同類型的大數據應用上，應該采用不同的大數據技術、工具模型和參照范例，亦即存在更加細分的研究范式的差異。這些技術、模型和范例當然還需要進一步探索和完善，但應用大數據的智庫人員作為參與其中的“范式革命者”，應該有意識地對不同的分析范式進行細分，并善加選擇，以“范式革命”精神開展創新性研究。在科學研究范式本身發展以及外部環境的推動下，“基于大數據的范式革命到來是一種必然。”[4]“信息爆炸”已經對經驗科學、理論科學、計算機模擬科學形成了強大的沖擊，傳統的范式已基本不適用于海量數據的研究。當前很多學科的基本理論問題研究，已經越來越依賴于大量數據的收集、處理、存儲、分析、可視化等大數據方法。“范式革命”正在醞釀，研究方法將發生革命性的變化，但任何新事物的誕生都不是一帆風順，舊范式的支持者仍然對新范式抱有很多質疑，有些質疑有待大數據研究通過完善自身加以解決，有些質疑也難免來自于偏見，很難通過理論自身的進步得以消除。

3.數據共享環境數據共享是應用大數據的前提。對企事業單位來說，數據是一種資產，在沒有充分的安全保障前提下，不會輕易共享數據，并且隨著數據倫理的倡議以及隱私保護、道德層面的要求日益受到重視，便出現不愿共享、不敢共享、不能共享的情況。首先，政務數據往往被看作是一種部門資產和資源，擁有和使用政務數據則被看做一種“權力”，數據整合后“部門數據”的特征不再明顯，這對于數據擁有部門來說是意味著地位的下降，于是在推進數據整合共享過程中敷衍了事，態度消極；此外政府部門擔心數據整合共享后會有管理邊界不清晰、責任區分不明確問題，[5]從而給本部門自身工作帶來一些不必要的麻煩，甚至影響本部門日常工作，于是出現不愿共享的情況。其次，數據是政府工作績效最直接的反應，會有一些政府部門擔心數據共享后會暴露出本部門工作開展中存在的一些問題，為避免自身受到重點監督或者被問責，會對數據整合產生抵觸心理，不敢共享。數據共享推進速度緩慢會有基于網絡安全的考慮以及整合技術方面的限制，同時，在政府部門間的整合還涉及體制機制的問題，不可否認當前數據整合共享制度并不完善，這就導致有些數據最后不能實現共享。

二、問題根源分析

（一）技術難題

1.技術復雜性難題現階段。大數據在醫學、金融、教育、交通、營銷、服務等領域已初步得到應用，但全行業普及應用的熱潮還并未形成，存在的技術基礎難題影響著全行業全面接入的進程。大數據超越了傳統數據規模之“量”的限制，但在數據之“雜”上仍然受限，需要大量人為“清洗”、“降噪”和“標注”等處理，習慣于傳統研究模式的智庫短時間內很難應用此技術開展研究。另外，短時間熟練掌握大數據技術有一定難度。“大數據是人工智能的基礎，要利用大數據技術就離不開機器學習（MachineLearning），”[6]而機器學習中，計算機排除故障（DEBUG）候選錯誤空間大、調試周期長，且調試結果具有不確定性。雖然目前關于機器學習已經有大量的教程、文章、開源的代碼，但沒有經過全面專業的機器學習，實際應用大數據開展各項工作時，依然會遇到非常大的阻礙。

2.技術適用性難題大數據相關專業的學習。解決的是“會不會用”的問題，除此之外，還要學習“如何用”。大數據目前的發展水平，還不能完全取代傳統的數據收集方法，一般是作為傳統數據收集方法的補充。另外在現實生活中我們面對的很多問題在本質上并非大數據問題，這些問題本身并不需要用到大數據技術，因此我們需避免大數據自大、過度擬合等問題的發生。如果我們在不適合使用大數據技術的問題上泛泛地使用大數據，不但得不出好的結果，影響自身對大數據應用的信心，還會連帶影響社會大眾對大數據應用的接受態度。技術是人開發并用來服務于人的，任何技術其本身無所謂好壞，圍繞大數據技術使用出現的一系列問題由技術主體引起，是技術的使用者在運用技術的過程中出現了偏差，把不同性質的問題用同一方式解決，結果必然存在差錯。如果我們對所要解決的問題性質有清晰的了解，用對方法，就可以規避這類現象的發生。

（二）學科交叉難題新型智庫建設

需要一定數量既懂大數據又懂理論研究的復合型人才，而大數據人才培養近兩三年才在我國高校逐漸展開，大數據人才尚且缺乏，既熟悉理論研究又懂大數據技術的復合型人才更是匱乏。除人才培養周期問題外，交叉學科建設本身也存在一些難題。交叉學科是不同學科之間相互交叉融合、滲透而出現的新型學科，目前交叉學科還處于發展初期，相關研究成果還比較少，學科影響力小，社會有強烈的交叉學科人才需求，但高校交叉學科建設面臨著學科專業設置不合理、對交叉學科研究的認識不足、觀念陳舊、合作意識不強、學科交叉型師資不足、科研資源缺乏和保障系統不完善等亟待解決的實際困難。

（三）治理模式難題數字化

社會治理模式在交通、城管、衛健諸多領域能夠大大提升服務能力和效率，但社會治理與技術賦能之間存在復雜的互動關系。首先，一些人錯誤地認為“大數據時代決策權已成為技術精英的專屬”[7]，容易出現“精英治理”、“唯數據論”等不良局面使民主決策的本質難以充分發揮，悖離“以人為本”的價值理念，這些誤解在一定程度上阻礙了大數據在社會治理轉型中發揮其應有作用。此外，“傳統治理模式曾在幾十年內保證了國內經濟的高速增長、公共事業的快速發展以及社會的總體穩定”[8]，加之“大數據治理”理念還處在形成的初期，人們不善用或無意識使用數據賦能社會治理，依然對傳統的治理模式存在制度上的“路徑依賴“和實踐上的行為慣性。

三、對策建議

（一）突破大數據應用的“最后一公里”障礙

對大數據技術知之甚少是導致技術濫用的最主要原因，對待任何技術我們正確的態度應該是“善用”而不是“技術綁架”，技術使用者要努力提高自己的認知水平與實踐、技術操作能力，正確區華北電力大學學報（社會科學版）分問題的性質與屬性，在發揮大數據作用助力問題解決的同時，還要注意技術應用的合理性，正確認知技術過渡期，通過批判繼承舊技術來認識新技術、使用新技術。大數據在工商業界的應用比較成熟，但是將大數據應用在智庫中的場景與工商業中的應用場景存在著差異，智庫建設中的大數據應用難題還沒有得到完全的解決。同時，針對目前大數據自身技術方面還存在的“數據清洗”、“數據降噪”、“機器學習”等運用性難題，下一步相關領域還應繼續加強這些方面的研究，努力將大數據技術最大限度的普適化，降低操作運用難度，使得大數據技術基礎較差的使用者可以不經過系統完整的專業培訓，實現滿足自我需要的數據獲取與快速精準分類，掃除數據應用“最后一公里”障礙。

（二）鼓勵大數據學科交叉的探索與應用

多學科交叉融合發展是學科建設的必然趨勢，國外有影響力的智庫一般都具有跨學科研究的特征。交叉研究對我國新型智庫建設具有重要的啟示，我國智庫建設也必須重視加強學科交叉的探索與應用。探索交叉學科建設與人才培養，高校應成為先行者，高校可以依據學校的專業設置情況，制定交叉學科人才培養組織架構，學院與學院之間展開合作，依托不同學院的教學專長，設置通識教學課程等，將學科交叉發展理念首先體現在課程設置上，主動尋求與數據關聯企業、具有創新意識的傳統企業等展開合作，給學生創造更多的實習機會，為我國培養出更多的交叉研究型人才。同時要努力克服學科建設中存在的師資不足、交叉研究意識不強等問題，通過加大宣傳、產出高價值研究成果等，努力改變社會各界對交叉研究的認知，鼓勵交叉研究在教學、智庫研究中的應用，增強學科影響力。

（三）加大大數據交叉與應用人才培養力度

隨著經濟社會發展，全國各地對大數據、物聯網、人工智能以及智慧城市建設人才需求越來越大。因此，加快培養大數據等新興領域的專業復合型人才，打造既懂理論又懂實操的大數據、物聯網、人工智能以及智慧城市人才隊伍已迫在眉睫。為了不使我國在大數據時代的國際競爭中落伍，從中央到地方都必須重視對大數據人才的培養，完善基礎、設置崗位，在培養人才的基礎上也要創造條件留住人才，同時也要積極面向全球廣絡精英，為智庫建設掃除人才短缺困境。

（四）加強頂層設計和相關法規建設

大數據戰略的全面展開需要國家持續加強頂層設計，審時度勢，精心謀劃，超前布局，力爭主動。大數據戰略要精心謀劃，優化戰略規劃，制定層級發展目標以明確方向和重點；要加強大數據共享平臺和安全保障體系建設，掃除制度障礙盡快形成共享服務體系；要建立和完善大數據安全應急機制，降低大數據風險；要推動大數據與企業、政府、社會組織的融合，實施融合發展戰略，構建大數據產業生態體系。大數據應用得到了社會的普遍接受和認可，大數據賦能智庫建設的社會基礎才能真正形成。同時，現階段我國關于大數據應用、大數據權益保護、數據共享、數據流通方面的法規和管理機制仍不健全，依然要加強研究完善保護個人數據隱私和數據權益的專門法案，維護大數據技術應用以及合理使用數據的良好社會氛圍。數據價值在于共享，要對數據的共享、流通有明晰的法律規范，為智庫使用數據開展研究提供法律保障，消除智庫對數據使用合理性的擔憂和現實障礙。

（五）提升政府相關部門人員的大數據素養

數據要發揮價值就要打破“數據孤島”現象，促進數據資源交互與共享，從而為智庫研究提供大數據支持，方法上除了要完善制度建設，消除數據共享的后顧之憂外，須進一步提升政府相關部門人員的大數據素養。在制度規范的前提下，推動政府相關部門人員充分學好用好大數據技術，強化政務公開和政府透明度，加快建設數據中臺和大數據服務平臺，推動數據資源交互與共享。在此基礎上，智庫充分利用豐富的數據資源，結合大數據、云計算、物聯網、人工智能等技術，構建面向復雜公共決策領域的智能模擬與仿真模型，完善公共決策的戰略設計、風險預警、政策評估等步驟，探索大數據智能決策體系，借鑒國內外先進經驗，推動決策流程再造。同時，政府相關部門人員的大數據素養提升后，也有助于大數據技術在政府部門的推廣使用。只有了解了大數據的優勢并具有一定的操作能力，政府工作人員才會樂意使用大數據技術完成紛繁復雜的工作和輔助決策，才會利用大數據進行社會治理。此外，國外智庫成立時間早，在利用大數據賦能智庫建設方面比我國也更有經驗，我們也要學習借鑒國際知名智庫的成功經驗，不斷創新智庫研究范式，順應大數據發展的趨勢，建立基于大數據的決策咨詢系統，著力提升數據供給和服務決策的能力。

作者:王建紅 祁斌斌 單位:華北電力大學 大數據與哲學社會科學實驗室