大數據賦能精準扶貧智慧決策
來源:中國社會科學報 更新時間:2019-06-12

大數據技術為實現精準扶貧目標提供了可行路徑,已成為提升精準扶貧決策效能的重要技術支撐。《建立精準扶貧工作機制實施方案》(2014)和《促進大數據發展行動綱要》(2015)等文件的相繼發布,為運用大數據技術優化精準扶貧治理提供了有力的政策支持。2015年,甘肅被列為國家扶貧辦全國大數據平臺建設試點地區,在全國率先建設了精準扶貧大數據平臺。繼而,貴州、四川、廣東和廣西等地也將大數據技術應用于精準扶貧領域,初步顯現出大數據在精準扶貧工作中的決策價值。然而,大數據技術在各地精準扶貧的決策實踐中仍存在一些問題,亟須破解。

扶貧大數據平臺效能亟待提升

理論上,精準扶貧大數據技術包括扶貧大數據倉庫、大數據建模計算、大數據分析結果可視化和安全管理等技術,旨在以大數據目標詮釋精準扶貧理念,運用大數據技術對多樣化扶貧數據加以集成融合,從而實現基于大數據的精準扶貧智慧決策。然而,現有扶貧大數據平臺并非真正意義上的精準扶貧智慧決策系統,其效能仍有待進一步提升。

1.數據收集途徑有待進一步增加。不少地區的扶貧大數據平臺的數據獲取途徑主要是民政、財稅、殘聯、社保、工商和房產等政府部門的內部數據,尚未充分獲取個人存款信息、兒童教育、家庭用電和家庭資產等政府外部數據,這可能會導致有些“真貧”對象被漏統。由于現實環境中的實際情況是不斷發展變化的,因而在數據挖掘過程中存在數據不斷迭代的問題,若受限于數據收集途徑而導致數據更新不及時,則可能導致“脫貧后再返貧”對象不能及時納入到幫扶名單中。

2.數據建模計算功能有待進一步優化。現有的扶貧大數據平臺雖然具備數據收集整合、存儲查詢和分析比對等基本功能,但缺少對大數據的動態實時監測、趨勢預測、關聯建模和智能分析等技術功能,也未能將大數據技術與決策者的動態能力有效結合。這可能導致扶貧對象的致貧原因得不到動態追蹤,導致幫扶政策供給不能及時有效地匹配扶貧對象的真實需求。

3.數據管理能力有待進一步發揮。由于數據開放共享與數據主體隱私保護之間存在著一定的矛盾,不少地方也尚未建立起跨部門、跨層級、跨領域數字化標準體系,從而導致各數據庫之間的“數據孤島”現象。相關管理人員的數據分析與結果解讀能力仍有欠缺,扶貧大數據所蘊含的巨大決策價值未能得到充分挖掘和利用,這可能會影響精準扶貧管理的決策效能。

精準扶貧智慧決策系統的構建

為實現數據驅動的精準扶貧智慧決策,有必要對現有精準扶貧大數據平臺進行技術升級、功能優化與機制完善,構建出大數據驅動的精準扶貧智慧決策系統。該系統是以扶貧最優決策為目標,以扶貧大數據為基礎,以扶貧大數據平臺為前提,以平臺功能優化為手段,以扶貧治理能力現代化為支撐的新型扶貧智慧決策系統。

1.大數據平臺技術升級是構建精準扶貧智慧決策系統的前提。大數據平臺是精準扶貧智慧決策系統的前提條件。面對精準扶貧新形勢,不僅應加快建設高速存儲服務器和計算服務器等扶貧大數據硬件設施,加快建設大數據挖掘、安全管理、建模計算技術和可視化結果應用等扶貧大數據軟件設施,而且應加快打造精準扶貧大數據平臺的移動終端,適時開發智慧精準扶貧云平臺。

2.大數據平臺功能優化是構建精準扶貧智慧決策系統的核心。大數據建模計算能力是精準扶貧智慧決策系統的核心條件。對現有平臺數據的挖掘整合、比對識別與結果可視化等功能優化,能解決數據挖掘不充分的問題,提高識別“真貧”對象的精準度。對現有平臺數據的因果關聯與供需匹配等功能進行優化,能夠解決數據運算能力不足的問題,提高幫扶政策措施的針對性。對現有平臺數據的高速實時運算、全過程監測追蹤及趨勢預警模擬等功能進行優化,能夠動態適應數據不斷迭代的趨勢,解決數據處理不及時的問題,提高扶貧管理決策的時效性。

3.扶貧治理能力現代化是實現精準扶貧智慧決策效能的保障。基于大數據的扶貧體制機制創新,是數據驅動精準扶貧智慧決策的必要條件。在強化數據安全管理和建立數據集成共享機制的基礎上,促進地區間、部門間或系統間“數據孤島”的關聯,能夠使精準扶貧最佳實踐與大數據技術優勢相得益彰。對扶貧考核子系統的大數據分析及決策支持功能進行優化,能夠使幫扶政策及扶貧管理責任更加精準到位。對政府扶貧相關部門及其管理人員的大數據分析與分析結果解讀能力進行提升,能夠提高扶貧精準度和扶貧資源配置效率。

精準扶貧智慧決策系統的運行

精準扶貧智慧決策系統為解決扶貧決策問題提供了可行路徑,呈現出“數據采集挖掘→數據分析建模→人機協同聯動”的精準扶貧智慧決策運行過程。這一過程通過構建精準扶貧大數據有效樣本、形成對扶貧決策問題的精準畫像,直至提出精準扶貧智慧決策方案,從而實現數據驅動精準扶貧決策的效能提升。

1.數據采集挖掘,構建精準扶貧大數據有效樣本。扶貧大數據挖掘,旨在通過政府內外部的交互接口獲取數據,并對數據進行清洗、轉換、加載和存儲。數據開放共享與數據主體隱私保護之間存在著一定的矛盾,因此,應嵌入數據加密、隱私保護和隱私增強等技術,保證數據安全,為挖掘政府內外部數據、豐富扶貧數據來源提供條件。大數據的關鍵價值不在于大而全,而在于有用和有效,因此,應摒棄“全數據模式”的錯誤認識,對數據垃圾進行清洗,并利用實時計算方法對扶貧數據集進行動態調整。由此,構建出與精準扶貧決策目標或問題相關的“有效樣本”,為精準扶貧智慧決策提供有力的證據鏈,使扶貧決策結果更具客觀性。

2.數據建模計算,形成對扶貧決策問題的精準畫像。在大數據驅動下,應運用多元回歸、聚類判別和時間序列等方法,構建多維度和多階段的貧困測算模型,從而精準識別出扶貧對象。同時,結合神經網絡和隨機森林等算法,構建多階段和多層次的幫扶供需決策模型,并以圖表或回歸預測曲線等可視化技術將模型計算結果展示給決策者,從而實現對扶貧對象精準施策。進一步,應用計算機仿真、機器學習和人工智能等技術,構建貧困對象、脫貧潛力或幫扶效果的動態預警模型,以此形成對扶貧決策問題的精準畫像,使精準扶貧決策過程更具前瞻性。

3.人機協同聯動,提出大數據驅動的精準扶貧智慧決策方案。在數據采集挖掘和建模計算的基礎上,采用統計圖表、三維建模或時空態勢等可視化技術,動態呈現出扶貧自動化決策分析結果。在此過程中,通過數據分析師、扶貧領域專家與扶貧決策者之間的有效互動,以及機器智慧、數據分析師與決策者智慧之間的協同聯動,將這些自動化決策分析結果與扶貧決策問題及具體場景相結合,克服“量化一切”的局限性,從而提出更具科學性、針對性和前瞻性的精準扶貧智慧決策方案。

(本文系浙江省社科規劃項目“大數據技術支撐浙江高水平精準扶貧的對策建議”(18NDYD53YB)階段性成果)

(作者單位:浙江師范大學經濟與管理學院)



福彩30选5开奖号