大数据驱动应急管理变应急“智”理
大数据是多样性的数据集合,除了那些普查数据、调研数据、实验数据、记录数据等结构化数据外,还包括了网上点击、搜索信息、图片、视频、传感器等非结构化数据,其中非结构化数据占到95%,而这些是传统数据库所不能分析利用的资源。它还通过快速创建、处理和分析数据来满足用户的实时需求。大数据致力于将那些看似没有任何价值的碎片化信息通过机器学习等方式进行挖掘、梳理,使其具有利用价值。大数据的这些特性给应急管理模式革新和能力提升带来了机遇。
新机遇
事前阶段,大数据辅助预测,提高监测预警能力。大数据的关键是从因果关系到相关关系的思维变革,大数据的核心是建立在相关关系分析法基础上的预测。危机预测要求监测风险点和危机源,然而它们正变得越来越不可控。除了自然灾害外,我国的社会转型造成社会公共危机事件频发。一是从农民变为市民的城市化进程,使流动人口问题和社会矛盾加剧;二是从市民变为网民的信息化进程,使网络舆情危机和网络信息安全危机增多;三是从国民变为世界公民的国际化进程,使文化冲突、特殊人群管控和国际卫生事件管理更困难。应急管理的情境如此繁杂多变,依靠经验决策、权力命令、信息压制等传统手段已无法满足要求。大数据对这些多源异构数据的搜集、分析和处理能够填补应急管理预警能力的不足,它可从海量的数据信息中筛理出那些关键的信息线索,进而监测风险点和危机源。
事中阶段,大数据辅助决策,提升应急处置能力。西蒙的有限理性理论告诉我们,信息掌握、认知水平和时间限制都将影响到决策者的行为,迫使他们选择“令人满意”的方案,而非最优方案。大数据不但可抓取多样式的数据,还可以通过总体分析而非样本分析获取总体信息,不再是随机样本量的控制,而是采用全体数据来统计分析,必然使决策更加科学。另外,在危机处理中,因果逻辑在短时间内不易查找,可以通过大数据的相关关系查找出危机事件影响的关键要素,进而干预和控制这些要素,对危机事件进行控制。其实,大数据处理应具有“要效率不要绝对精确”的理念,使应急决策信息的获取更为快捷,应急处置也会更为迅速。
事后阶段,大数据辅助配资,提升救援重建能力。在灾后救援过程中,亟需资源配置最优、资源整合最快、自组织能力更强的方案。例如在城市交通事故、群体性疫情的爆发、冰雪、暴雨等自然引发的城市洪涝等情况下,大数据可通过应急管理平台完成救援路线的设计、救援人员的安排、救援物资的配置,让危机后的损失达到最小化。另外,大数据技术可处理个性化的数据,追踪危机相关者的个性化需求,可以推送更有针对性的援助和服务。
总之,大数据驱动消极被动的应急管理变为积极主动的应急“智”理。在大数据的驱动下,应急管理正向应急治理和应急“智”理转变。应急管理是以政府为中心的一元主体思维模式,强调政府在应对公共危机中的预防和管控;应急治理是政府主导下的政府与社会各利益相关方等多元主体共同治理的思维模式,强调协同治理;而应急“智”理则是组织、人员、信息、资源等全要素共同治理的思维模式,构成了技术与组织制度的全景式知识体系,强调整体治理。
新挑战
大数据给应急管理变革带来众多机遇的同时也对当前应急管理模式提出了挑战,需要我们在大数据热潮中冷静地思考。
数据科学家和数据管理人才匮乏。按照IDC(国际数据公司)的分析,“到2020年,全球数据总量中有22%将来自中国”。数据量的急剧膨胀,一方面提供了知识财富,另一方面又考验着数据处理能力。在大数据时代,依靠传统经验、知识推理立足的论断都将受到技术的挑战,因此城市应急管理专家的地位将受到威胁,取而代之的将是数据科学家。詹姆斯·格雷认为科学研究正迈入第四范式“数据科学”,前三个科学研究领域为实验科学、理论科学和计算科学。在我国还没有相应地建立起完备的信息技术人才培养体系时,大数据相关人才的匮乏将成为关键性矛盾。
传统应急管理体制面临困境。我国现行应急管理体制重视“一案三制”建设,2007年颁布的《突发事件应对法》确立了“统一领导、综合协调、分类管理、分级负责、属地管理为主”的应急管理体制。这一体制强调等级制的命令指挥链,由党政领导来发挥权力作用。强调权力手段的同时,忽视了数据工具的作用,两者间发生了严重的不对称。应急管理情境要求数据抓取全面、数据传输快捷、数据分析准确、数据共享再利用,但是我国当前的应急管理体系中这几个方面严重不足。除技术因素外,其中也不乏应急管理体制的梗阻。
政府危机公关能力受到挑战。在应急管理过程中,政府要借用公关手段进行危机处理,如控制事态、引导舆论、维持关系、重塑形象等。面对网络媒介快速传播的特征,依靠传统的“管制论”和“封堵论”来应对网络舆论危机将比较困难,应该实事求是,平等沟通。如果危机公关不当,则可能会引发更严重的公关危机。
新应对
应对以上挑战,需要借助大数据的发展和应用来驱动应急管理的深层次变革,主要应做好以下工作。
在技术与人的协作中,应更重视人的地位。大数据仅能提供相关性,而人要提供必要的因果追求。大数据分析是工具理性,人体现的是价值理性,为数据分析指明了方向。另外,大数据提供的是参考答案,而不是最终答案。如果过度依赖大数据技术进行决策,将有决策失灵的风险,因此应避免出现技术决定论的状态。只有人和技术的密切协作才能够体现应急管理的科学性和合理性。
增量上进行数据化处理,存量上进行数据开放。尽管我们面临海量数据处理的压力,但是目前仍有信息数据化不足的问题,如有些纸质文件并没有形成电子文件。因此,要尽可能地完成信息数据化、数据结构化、结构标准化的工作。另外,数据只有流动才更有价值,所以国家应尽快出台数据开放的法律制度,推动非涉密数据的开放。重视应急部门协作、应急数据的共享和再利用,避免再次发生同样的危机事件。
成立大数据管理机构并培养大数据管理人员。成立有足够共识性的大数据管理机构,打破官僚体制的梗阻,以协调不同部门之间的数据资源整合与共享。另外,在CIO(首席执行官)制度建设中适当增设大数据管理人员岗位,并做好他们的培训工作。当然也要警惕技术官僚利用大数据管理之便为自己谋私利的情况发生。
重视电子政务功能的开发和拓展。电子政务正步入第三个发展阶段——智慧政务阶段。“自动化政务”应用自动化技术重在辅助基层工作者处理日常服务事务;“网络政务”应用互联网技术重在辅助中层管理者处理沟通协调事务;“智慧政务”应用大数据技术重在辅助高层领导者处理决策控制事务。大数据时代的电子政务不仅要承担政府网站的信息公开、在线办事和公众参与功能,还应该积极运用大数据技术为应急管理开辟平台,从而提供数据分析、预案响应、资源配置和辅助决策等功能。
重视线上线下的互动与协作。数据、信息与知识是大数据时代的生产资料。社会上也将会出现占有生产资料的阶层和不占有生产资料的阶层的分化。因为大数据抓取的是数据化的信息,因此它仅体现了占有生产资料的一部分人的声音和诉求。那些没有计算机或无使用网络能力的弱势群体的诉求在大数据应急管理过程往往被忽略了。因此,为了使应急管理更有效,应该重视线上线下的互动与协作。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 8-1 Pandas 数据重塑 - 数据变形 数据重塑(Reshaping) 数据重塑,顾名思义就是给数据做各种变 ...
2024-11-26统计学基础 - 理解统计学的基本概念和方法是数据分析师必备的技能之一。统计学为他们提供了处理数据、进行推断和建模的基础。 数 ...
2024-11-25数据分析师在如今信息爆炸的时代扮演着至关重要的角色。他们不仅需要具备扎实的数据分析技能,还需要不断学习和适应不断发展的技 ...
2024-11-25数据分析师的工作职责涉及多个关键方面,从数据的获取到处理、分析再到可视化,旨在为企业的决策提供有力支持。让我们深入了解数 ...
2024-11-25数据分析师:洞察力量的引擎 数据分析师的兴起 数据分析师行业目前正处于快速发展阶段,市场需求持续增长,薪资水平也有所提升。 ...
2024-11-25数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-25数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22