大数据与公共政策探讨范文

本站小编为你精心准备了大数据与公共政策探讨参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要：［目的/意义］大数据技术是否能改进公共政策分析，这是目前国内外学术界研究热点，也是各国各级政府关心的重要问题。［方法/过程］采用系统文献综述(systematicreview)对相关文献进行梳理，提炼出大数据应用于公共政策分析的效益和风险，以及如何用好大数据来支持公共政策的建议;总结大数据应用于公共政策的通用流程和参与主体间的价值网络;分步解析大数据在政策阶段中的具体应用案例。［结果/结论］提出大数据应用于公共政策的通用框架，对我国运用大数据技术改进公共政策、公共决策具有一定的借鉴意义。

关键词：大数据；公共政策；政策分析；公共决策；开放数据

0引言

随着更多的数据以虚拟形式被存储和处理，标志着大数据时代已经来临。在商业领域，大数据已开始被广泛应用，如在金融领域已经开始使用计算机数学模型和算法对海量数据处理。在这种大数据思潮的引领下，世界各地政府也开始关注大数据技术应用，其中包括在预防传染病、识别恐怖分子、设计和提供有效的医疗保健制度的实践或实验等。在我国，自2014年“大数据”首次写入《政府工作报告》以来，政府已连续几年反复提及将大数据、云计算、物联网等技术应用于政府管理。但是，学术界对大数据能否提升政府决策能力仍存在争议。不少学者提出了大数据应用于国家治理、促进政府职能转型的构想方案，也从具体的技术应用上给出了切实可行的操作指南;然而，也有学者提出大数据用于公共政策分析可能侵犯公民隐私、带来新的社会不公等风险。事实上，大数据不仅是一种技术处理方法，也代表了一种思维模式的转变:从抽样数据到全量数据，从精确到总体，从因果到相关，这种数据思维的转变是有一定风险的。基于以上不同观点，本文采用系统文献综述对相关文献进行了梳理。与传统的文献综述方法相比，系统文献综述对研究问题的定义更为明确，注重明辨研究问题，有一整套详细的研究过程，其中包括确定文献的获取途径，设立文献筛选标准，分析保留的研究文献。这使得系统文献综述的研究结论更容易被验证，是一种更客观和科学的研究方法。本文的研究问题为大数据能否能改进公共政策分析?这个研究问题可以被进一步地分为以下几个子问题:a．大数据对公共政策分析是否有影响?b．大数据对公共政策分析会带来怎样的收益和风险?c．大数据究竟是如何被用于促进公共政策分析?

1研究方法

本文所采用的方法是系统文献综述。我们根据研究问题设立明确清晰的文献筛选标准，获得科学的文献集，降低因主观选择研究文献而导致的研究误差［1］。

1．1搜索策略

为了囊括最全面的现有研究成果，且为确保文献质量，我们选择数据库WebofScience进行英文文献查询，选择中国知网(cnki．net)进行中文文献搜索。WebofScience是世界上有影响力的多学科的学术文献文摘索引数据库，收录了12，000多种具有高影响因子的学术期刊;中国知网则是中国最广泛和全面的期刊全文数据库。它们可以确保尽可能全面的收集学术文献，同时保证其学术质量，是本次研究文献的主要来源。本文的研究问题是数据分析与公共政策的交叉领域，因此我们选择大数据相关和公共政策相关两组关键词进行组合查询。其中大数据相关的关键词为“bigdata”和“opendata”。尽管开放数据与大数据是本质不同的两个概念，但开放数据在某种程度上可以被认为是大数据技术应用于公共治理的基础，并且在前期文献搜索中我们发现“opendata”的相关文献与我们的研究主题相关，且不与“bigdata”关键词搜索出的文献重合，为了保证本研究的完整性，我们仍然将“opendata”列为关键词。公共政策相关的关键词为“deci-sionmaking”、“publicdecision”“policyanalysis”“poli-cydecision”“publicpolicy”“publicpolicysupport”和“policymaking”。由此，组成14组搜索关键词条。文献搜索限制条件设置:a．文献搜索的截至日期为2016年10月1日，基于大数据概念是在近几年才提出，因此并未设置搜索起始日期。b．本文使用WebofScienceTM核心合集，即英语语种的文献，排除了韩文的KCI－韩国期刊数据库、俄文的RussianScienceCitationIndex等其他非英语语种的数据库。c．为了使囊括的文献更加全面，我们将搜索限制条件设为“主题”，凡是文章标题、摘要或主题内容与我们关键词相关的，都会出现在我们的搜索结果中。在中文的语言环境中，“公共政策”一词倾向于用来表达带有抽象意义的政策条文统称;与公共利益、公共权力、政府职能、行政管理、公共产品与公共服务相关。与之相似的“公共决策”一词，主要指在特定环境与决策系统中，公共组织(包括政府机构、社会团体及其他公共部门等)针对公共问题，为了实现和维护公共利益所做出的决策［2］。从语义理解的角度来说，“公共决策”比“公共政策”传递的适用目标和角度更加明确，更适用于本文的讨论范围，与英文publicpoli-cy(公共政策)一词也更加接近。因此本文把“公共决策”也作为一个搜索词，将“公共决策”相关中文文献一并纳入参考之列。在前期研究中发现中文文献中“大数据”与“开放数据”搜索出的结果高度重复，因此中文搜索词条舍去了“开放数据”。中文文献搜索关键词条共5组，分别是“大数据”与“公共政策”“公共决策”“政策制定”“政策支持”“决策支持”。

1．2筛选过程

根据关键词搜索获得的文献依然可能与本文研究主题并不相关，因此，我们设置了排除标准进一步筛选，删除了文章内容与大数据应用于公共部门政策分析无关的文献。1．3研究文献的描述性分析1．3．1发表时间从发表时间看，中英文文献发表数量逐年增长。如图2所示，2011年之前，几乎没有涉及大数据在公共政策领域应用的研究文献。从2012年起，英文文献数量开始增加，这与美国前总统奥巴马在2012年提出大数据研究与发展计划是有关联的。同时，中文文献也在随后的2014年急速上升，显示出大数据在公共部门中的应用这一研究领域已经越来越受到学术界的关注。

1．3．2研究文献

第一作者学科分布大数据在公共政策中的应用属于跨学科领域的研究，为了更好掌握文献所属的学科领域分布，我们按照文献第一作者所属的学科领域进行分类统计。

2大数据应用于公共政策的效益与风险

公共政策是关于决定谁将在何时、以何种形式得到何种资源的学问，公共部门必须权衡精英的观点和公众的需求。而大数据则提供了智慧决策协同治理的经验逻辑，突破了数据驱动决策的技术难题，也激发了公共利益的导向和动机，实现了“工具理性”［2］。另一方面也有一些不同的声音，认为大数据的应用可能存在一定的风险。大数据可能更适合解决小问题，而对于较为宏观的决策来说，大量的数据则会带来更多的“噪声”，并且工具不能代替智慧思维［3］。在公共管理领域，对大数据的理解也是各有侧重。Pirog认为，大数据的最大价值在于提供了有效的新数据集合，如在美国联邦政府网站(Data．gov)上的开放数据资源［4］。黄璜和黄竹修把大数据在公共治理和公共政策中的应用视为对传统电子政务、电子治理的继承，将在政策技术层面、政府能力层面、国家治理层面和社会价值层面产生重要影响［5］。张楠将公共政策中所使用的公共衍生大数据(PublicGeneratedBigData)分为三类:互联网公共话题相关的用户创造内容(UserGeneratedContent，UGC)、政府部门业务运作过程产生的大量政策法规及其相关文件与文档数据、政府信息化建设中产生的包括物联网在内的各类信息系统数据。因此，本文认为大数据在公共政策领域的界定是基于5V特征的新数据集合，主要分为行政数据和私人部门数据两大类，其外延还包括一种新型的研究方法或分析技术、数据驱动的决策机制、数字时代下的新型治理范式［6］。本节将重点关注19篇综合分析类文章，通过内容分析方法综合各类观点的提及频率，直观地将学者们关于大数据应用于公共决策分析带来的效益、风险和建议进行梳理，以反映该观点的被关注度与重要性。在分析方法上首先将大数据应用于公共政策分析的“效益”和“风险”进行排他性分类。效益(B)共四类:B1提供基于证据的政策制定;B2提供前瞻式政策制定;B3促进政策制定中的公众参与;B4提高政策制定效率。风险(R)共5类:R1隐私侵犯;R2数据质量差;R3数据误用;R4不公平;R5数据分析能力不足。由3名研究者进行内容编码，归类一致性指数为94.8%，显示一致性较高。

2．1公共政策制定中的大数据

运用效益超过半数的研究文献认为，大数据技术可提供更多准确、及时、详细的信息用于政策制定，有21．0%的文章认为，大数据可以提供前瞻式政策制定，15．8%的研究表示，吸纳更多利益相关者参与决策过程是大数据给公共政策分析带来的又一效益，有少量文章提到大数据可以提高政策制定效率。

2．1．1提供基于证据的政策制定得益于新型与传统的数据源的共存，以及越来越多信息节点出现，几乎所有的公共议题都被包含在这些大量的信息化数据中，其中包括各种数据采集系统，人口普查数据，以及政府开展的各种调查等。通过一些精确的、详细的、快速更新的数据，政策分析者可以发现过去无法被察觉的信息流以及隐藏的发展模式与关系［7］。不论多精确的统计方法也不能弥补因数据匮乏而使用抽样数据的不足，数据才是推动公共政策分析创新的关键。丰富的数据为公共政策分析提供了观察真实社会运转的窗口，支持了政府基于证据的决策制定，这在城市中表现得更为突出。因为城市拥有密集的人口，集中了大量的社会资源和各种新兴高科技，如描述人类活动的社交网络数据，具有时间、地理维度的物联网数据，都可以用来揭示一些行为模式和城市动态，为城市设计、公共服务和基础设施规划等提出有益见解，进而被运用到决策。

2．1．2提供前瞻式政策制定大数据可以监控危机的发生，使危机管理的重点由过去的危机应对(crisisresponse)转移到危机预警(forestallingdan-gers)。在公共卫生领域，风险预测模型可利用常规医疗数据预测高危患者未来的不良影响事件［8］。根据数据预测分析结果，医疗体系可以主动提供服务达到预防效果［7］。在交通领域，大数据可以帮助实现运营方面最大的用户体验，它可以监测到车辆最大负载，实时的载客流量变化，预测到计划外的延迟时间，预防事故的发生［9］。综上所述，大数据可以使得公共政策做到前瞻式决策，防患于未然。

2．1．3促进政策制定中的公众参与大数据提供的信息可以基本涵盖公共政策所有服务对象的信息，这样全面而又海量的数据，尽可能地使决策制定中的信息包含更多人的利益［10］。因此，大数据进一步提高了利益相关者参与到公共政策和规划过程中的积极性，可以增强社会力量和公民权力，也可以用来提高政府的透明度并改善政府的问责机制［9］。

2．1．4提高政策制定效率大数据分析工作中的数据整合将促进政府各个信息系统之间的协作，从而减少政府工作过程中的文书工作，降低了公民重复提交纸质信息的需要，促进政府内部流程重组，提高行政效率［7］。2．2公共政策制定中的大数据运用风险虽然世界各国政府已经意识到大数据在解决社会问题上的巨大潜力，但由于缺乏一个大数据应用的明确路径，往往在实践上步履蹒跚。在风险方面，42．1%的文章提及大数据使用可能会侵犯公民数据隐私的问题;而26.3%的研究则重视数据质量低的问题;此外，数据误用的问题也被21．0%的文章关注，他们认为在数据获取后的过程中存在许多系统性偏差，最终不利于得出客观真实的结论;同样的，有21．0%的文献认为运用大数据可能会带来新的数据不公平问题;多达68．4%的文献提到政府部门缺乏大数据能力的问题，包括收集、分析处理的能力。

2．2．1隐私侵犯

数据隐私是一把双刃剑，数据的缺失阻碍了大数据在政策制定中的应用，公众因此无法享受大数据带来的利益;然而，数据提供过程中的管理不善又必然导致公众隐私被侵犯。以公共卫生政策领域为例，包含个人可识别信息(Personallyidentifi-ableinformation)数据的泄露会对医疗保健系统造成很大的伤害，因为病人会出于隐私担忧不愿意提交自己的医疗信息。如果可以管理好电子健康数据，可以大大增强病人对电子医疗系统的信任，形成良性循环。有关数据隐私的立法和规定也需要进一步完善。当前美国的网上隐私政策法规是按部门分类的，不同部门信息保护遵从不同的法律，如财务隐私与健康隐私分别使用不同的法律，缺乏综合一体的隐私保护法。随着数据类型、数量、更新速度的革新，数据隐私评价标准也要随之发展。传统的隐私保护方法———知情同意和匿名，将不再适用于大数据时代。由于“隐私知识沟”(gapinprivacyknowledge)的存在，部分公众并不了解数据收集的程度与性质，对于隐私问题出现了认识的偏差。因此，隐私的保护不是控制表面的曝光，而是需要界定数据使用的合法性是否成立。总之，政府在大数据的应用需求和伦理前面临着权衡的难题。一个民主体制的国家通常以有限的政府和高度保护私有财产为特征，这就限制了大规模收集和分析数据的能力［11］。其次，决策过程中的数据生产者和消费者角色同为公众，一个可能会侵犯公众隐私但产生有效公共政策的过程，使决策者难以对其中两者的轻重做出判断［12］。

2．2．2数据质量差

大数据本身具有不规律性和异质性，大数据是嘈杂的，因此信号质量较差;大数据还可能遗漏有价值的信息和观察，甚至是不准确的［10］。数据质量差有可能是由于过度监管造成的。各国法律一直试图规范敏感信息的访问和存储，以回应隐私泄漏的担忧，从而导致大数据使用者只能获得残缺和截断的数据集［8］。

2．2．3数据

误用Hoffman和Podgurski提出了三种可能扭曲分析结论的系统性偏差:选择偏差、混淆偏差、测量偏差［13］。a．选择偏差是指选择的研究群体不具代表性，这个群体可能存在某些特殊特征，从而导致错误的结论。b．混淆偏差是指社会经济文化等因素可能成为影响分析混淆因素，例如面对低收入群体的健康问题，可能是由于选择次优和廉价的医疗所致，也可能是贫穷、营养不良导致;若不考虑社会经济因素，研究结论就可能发生偏移。另一些学者将这一问题定义为语境丢失，即数据分析人员没有考虑到获取这些数据的时空、社会和文化环境，容易导出错误的解释和结论［12］。c．测量偏差则发生在数据收集阶段，由于采集数据的设备、软件等问题，或者人为错误，如医生手写错误以及病人隐瞒病情，录入了错误的信息。

2．2．4公平问题

社会中参与数据提供的人并非全体公民，而是那些有能力接触现代通讯技术的人，这意味着越是提供自己意见的人越能从政策输出结果中受益［12］。也有学者提到，数据不公可能与电子参与方式本身固有的民意摄取不足的缺陷有关。因此，公共部门应该满足公众关于参与机会平等的合法期望，要满足参与机会平等，还需要对传统的电子参与的方式进行创新。

2．2．5数据分析能力不足

提及频率最高的风险为大数据分析能力不足。大数据海量、高速和异质性特征，对于政府与分析者提出了新的分析范式要求，包括数据捕获、语义调和、聚合和关联，技术挑战包括集成数据源、过滤数据、非结构化的数据如何转化和处理等问题。Amankwah－Amoah提出了政府的“大数据能力”的概念，指的是政府识别与解释数据以助于公共政策的能力。特别强调数据丰富(datarich)与信息丰富(informationrich)的区别，指出数据丰富是拥有大量的数据集，而信息丰富则是指将数据转换为公共政策的制定和行动的基础知识与分析能力，而仅仅拥有大数据无法提高一个国家的竞争力［11］。

3大数据应用于公共政策的通用框架

公共政策涉及教育、健康卫生、交通等多个领域，本章主要探讨大数据在不同政策领域的应用是否具有通用的框架。

3．1大数据应用的通用流程

在大数据应用项目中，我们以研究文献中具有代表性的5篇分析流程加以概括总结。

3．1．1数据收集

数据来源需根据不同决策目标而确定，如针对用户所产生的数据、社交媒体数据或特定系统运行中产生的数据，数据收集的对象和规模直接影响了该决策的分析内容和工具，因此这一步骤应追求数据覆盖广和信息全。

3．1．2数据清洗

初步的数据清洗可有效筛选数据，同时数据清洗也包含数据脱敏的作用，为敏感隐私数据提供可靠保护。

3．1．3数据选取

数据选取的过程实际是预处理后的数据与决策需求的匹配过程。为保障最终结果的准确性并降低数据处理难度，数据选取中的变量和标准的设置十分重要。

3．1．4数据挖掘

数据挖掘一般包括数据分析和建模，是数据驱动决策的最关键步骤，体现了大数据方法与其他统计方法应用的不同之处。举例来说，在Ma等(2015)设计的公众意见语义搜索系统中，区别于单纯的关键词搜索，他们通过LDA模型的构建，分析过去大众评论数据并计算概率，以找出概率更高的主题，达到精确匹配、提高搜索准确率的目的。

3．1．5数据核实评估

对数据的核实评估贯穿在数据选取和挖掘两个步骤中，许多数据决策项目失败的原因在于过多关注数据建模而忽视了其他步骤，导致真正相关的、适合的、有效的数据不足，而避免这一失败的关键就在于对数据的反复核实以及对整个步骤结果的评估。

3．1．6展示输出

当“数据”经历了清洗、选取、挖掘和评估后，最终的分析结果将以报告或可视化的方式提交相关决策部门，完成从数据分析师到决策制定者的信息传递。

3．2参与主体间的价值

网络大数据应用于公共政策分析是一个多方合作共同创造公共价值的过程，因此我们有必要厘清这些参与主体间的关系。在大数据环境下，价值是多个主体合作的结果，每个主体间不再是以前简单的线性链条关系，而是一个复杂的网络关系。价值网络分析法(ValueNetworkAnalysis)为我们提供了一个理解框架，这个框架利用节点和链接直观地展示了协作关系中的价值创造和流动。

4大数据应用于公共政策的实施过程

公共政策的阶段模型用以模拟政策从意图到执行的整个制定流程，将复杂的政策制定过程分解为清晰的步骤化流程，是一种系统化且严密的方法。首先是社会问题的识别，并设立相关议程;随后，问题进入讨论议程;政策制定者运用相应的政策工具进行方案选择;最后是评估政策绩效，并且决定政策是否需要被调整，是否需要进入下一个新的议程［14］。根据公共政策分析的阶段模型，本节在对研究文献应用案例的分析基础上，依次探讨大数据应用的四个环节:问题识别、议程设置、方案选择和评估。

4．1问题识别

研究发现，大数据可以帮助公共决策者预测和识别政策问题，尤其是可以用来识别民意中的社会问题，以及预测公共安全问题的出现。从公共政策分析的角度来说，公民群体的态度即为民意。民意存在于多种渠道中，其中正式渠道包括政府门户网站的民意反馈、政府为特定的事件而收集的调查数据;非正式渠道包括社交网络个人的信息、搜索引擎上的搜索记录。网络信息量巨大，渠道众多，政府需要一个可以有效的了解民意的工具，而大数据则可以成为挖掘民意中政策问题的工具之一［15］。马宝君等学者提出了用概率主题建模的方法，从大规模公众反馈信息文本中提取决策者可能关注的潜在政策问题［16］。该研究针对城市公众反馈网络平台从2006至2013年产生的实际数据进行分析，得出交通、户籍、道路施工等问题是公众关注的焦点的结论。该方法还可以分析出每个问题关注热度随时间的变化情况。除了通过民意分析识别社会问题，还可以通过大数据分析预测自然灾害、疾病爆发等公共安全问题。Zhao和Liu提出了一个基于GIS地理处理技术的城市危险源的区域风险评估工具———RiskUMH，依次从:评估区域界定、计算危险源的严重程度、计算区域的脆弱性、画出风险地图等四个步骤，来评估城市中重大危险源的风险程度，从而支持公共安全事件的应急管理决策，做到防患于未然［17］。

4．2政策议程

政府或政策制定者在识别了政策问题后，接着设立政策议程。然而，不是所有通过大数据分析提取出的社会问题都可以进入政府议程，还需要进行信息核实以及政策问题优先级排序。目前在社交网络应用于应急管理决策上面临信息不准确、谣言、恶意使用社交网络等挑战。因此Conrado提出了一系列社交媒体信息核实的方法，确保为公民以及决策者提供更为真实可靠的数据［18］。

4．3方案选择

4．3．1长期战略规划的大数据应用

长期的战略方案如城市规划与管理，改善政府门户网站搜索功能、提升政府服务水平等。交通规划是城市长期战略方案的重要部分。Xu和Dou提出了一个基于交通大数据的城市交通规划的辅助决策支持方法，通过提取出租车乘客上、下车地点数据，接着确定候选的交通路线，最后进行交通路线的最终选择这三个步骤，科学地计算出政府应该增设的公共交通新线路。该方法目前在中国云南省进行了实践［19］。Tu等用一种新颖的时空需求定位法，利用出租车的GPS数据，展示了一个时空需求的定位图，从而确定设置充电桩的位置，提高政府对于电动汽车的服务质量。该研究表明大数据对于辅助高度动态的环境中的公共政策制定具有一定的价值和优势［20］。大数据还可以让政府在教育、财政等领域选择更好的政策方案来实现其管理职能。在英国，政府面临如何分配社区学习基金的问题，Sivarajah等通过建立政策指南针平台(PolicyCompassPlatform)，利用政府的开放数据(opendata)和电子参与工具，帮助政府机构和公民评估备选方案并做出选择，并鼓励更多的利益相关者参与到决策过程中来。特别是通过模糊认知地图(FCMs)工具，进行备选政策方案与政策目标的因果分析，从而评估备选方案。同时，数据可视化工具让公民和决策者更直观地理解不同的基金分配政策以及它们的影响［21］。

4．3．2实时决策分析的大数据应用

短期实时的应对措施如自然灾害应急策略，以及铁路运营时的实时决策等。在应急管理领域，Fleming等提出了一个数据集成的方法———DataMashup，用来可以支持政府决策，使政府在自然灾害或事件中采取有效的应急措施［22］。在预防犯罪领域，Rob等使用数据仓库(Datawarehouse)与实时在线分析(OLAP)技术，针对休斯顿警察局2009．7－2009．12六个月期间的开放的犯罪数据，使得执法机构可以预先配置警力资源来预防犯罪，而大众也可以根据分析结果选择安全的居住地点［23］。4．4政策评估由于大数据的实时分析处理能力，它不仅可以为特定的社会问题提出政策解决方案，还可以对于政策过程或是更宏观的政策系统进行评估，从而及时为决策者提供改进方案。Scharaschkin和Mcbride提出一种对政府支出(ValueofMoney)进行审计的智能问责机制(Intelli-gentaccountability)，综合了效率、效益、价值多个维度。这是一个在政策执行完毕后，对绩效的评估的应用案例［24］。评估也可以贯穿整个政策分析的环节。香港自2006年起实施建筑垃圾处理办法(ConstructionWasteDisposalChargingScheme)以来，每年产生110万的建筑垃圾处理记录，包括项目名称、处理时间、使用的交通工具和回收设施、垃圾运输量等。这些数据为辅助评估香港建筑垃圾管理政策对承包商垃圾处理行为的约束力提供了契机。通过对香港两年之内的4227个项目的建筑垃圾处置记录的分析，Lu等发现隶属于公共部门与私人部门的不同承包商在建筑垃圾管理绩效上有明显差别。该研究同时指出，大数据分析方法不代表无视传统分析方法，该研究也采纳了深度的采访和田野调查来探究影响绩效的因素，为政府决策提供修订依据［25］。大数据还可以应用于更宏观的政策系统的评估。Li和Kido基于大数据提出了一个智慧交通系统的评价指标体系，由六个方面的指标组成:交通结构、交通信息服务、交通效率、交通安全、能源与污染减少和社会包容。该评价体系使用车牌识别(LPR)、全球定位(GPS)、自动车辆定位(AVL)以及智能手机数据为智慧交通系统中的交通行为进行评估［26］。

5结论

本文对大数据应用于公共政策的分析研究进行了系统性文献综述。通过对研究文献的描述性分析，我们发现有关该主题的国内外研究的热度都呈现整体上升的趋势，并呈现研究者的学科背景多元化的特点。本研究发现，大数据对公共政策分析存在影响，产生了“支持政府部门基于证据的决策制定”、“提高公民参与度”等效益，在此过程中，也伴随以“大数据能力不足”、“侵犯数据隐私”等风险。本文提出了大数据应用于公共政策分析的通用流程图，并基于价值网络分析法，梳理了包括“内外部数据提供者”、“数据分析师”和“决策制定者”等多个参与主体之间的关系。最后，通过对大数据应用在政策过程中的分步解析，具体展示了大数据是如何支持公共政策分析的。大数据不仅可以在问题出现阶段识别潜藏在民意中的社会问题，还可以预测公共危机的爆发，例如自然灾害、工业污染、疾病爆发等城市中的公共安全问题，同时可以提出备选解决方案并预测其效果，以选择最优政策方案。最后大数据能够在政策实施后对政策效果进行评估，为决策者提供改进参考。本文也存在一些不足之处。大数据是一个新兴词汇，部分早期的文献研究了数据分析在各个特定政策领域的应用，对本研究仍有一定的启发意义，但由于并没有使用大数据关键词，因此没有被本文收录和分析。鉴于系统文献综述方法对于文献搜索有十分精准要求的客观限制，现阶段还无法通过扩充搜索关键词以完善本文分析的文献库。未来研究则可以通过关注大数据技术/数据分析在一个特定政策领域比如交通政策制定上的应用，进一步缩小研究范围和增加研究深度，为政府应用大数据于公共政策分析提供更具体的参考。

参考文献：

［2］胡税根，单立栋，徐靖芮．基于大数据的智慧公共决策特征研究［J］．浙江大学学报(人文社会科学版)，2015(3):5－15．

［3］胡小明．大数据应用的误区、风险与优势［J］．电子政务，2014(11):80－86．

［5］黄璜，黄竹修．大数据与公共政策研究:概念、关系与视角［J］．中国行政管理，2015(10):25－30．

［6］张楠．公共衍生大数据分析与政府决策过程重构:理论演进与研究展望［J］．中国行政管理，2015(10):19－24.

作者：石婧；艾小燕；操子宜 单位：华中科技大学公共管理学院