大数据与风险社会的危机管理创新
德国社会学家乌尔里希·贝克1986年在《风险社会》一书中,首次提出风险社会的概念。人们普遍认为,它很好地描述和分析了当代社会的结构特征,为理解当下中国转型时期的社会风险,应对公共危机,提供了有益思路。大数据开启了一场新的数据技术革命,大数据技术的引入,可以重构传统的风险管理体制,再造危机管理流程,变革和创新政府管理思维。
社会转型与社会风险
根据贝克的理解,随着现代化的推进、科技的发展及经济全球化进程的加速,人类进入了一个风险频发的风险社会。虽然风险古已有之,但现代风险具有整体性、不可感知性、不确定性、全球性、自反性等传统风险所不具备的特性,它从根本上改变了工业社会的运行逻辑、社会动力和基本结构,使人类进行了一场“从短缺社会的财富分配逻辑向晚期现代性的风险分配逻辑的转换”。现代科技在推动社会发展的同时,也带来大量潜在的风险,这种“自反性”现代化的结果是,科技和现代化发展得越快、越成功,风险便越多、越突出。
此外,风险社会的另一个后果,便是社会的“个体化”。人们不再以阶级、家庭等制度性标准作为行动参照,而完全以自身作为决策主体;人们也不再以阶级地位,确定某人的家庭地位、观点、关系、社会、政治与认同。这是社会结构的巨大的变迁。在传统社会,个体遭遇风险,可被当成不由个体负责的事件;而在风险社会,则被视为个体的失败案例。这就导致风险在数量上增加,类型上更加复杂化,因为不同的人会遇到性质和形式不同的风险和罪责归因。
与此相关,风险社会的另两个结构性变化,是工作场所的多元化和工作的灵活化。传统单位里终身的全职工作,转变为充满风险的,多样、灵活和分散的就业体系,这带来了普遍的就业不安全感,并对现行的劳动保障体制及法律制度的合理性提出了质疑,给社会发展和政府管理带来了威胁与挑战。
风险社会与危机管理
经过30多年的高速发展,当代中国正处于社会转型和危机高发的风险社会阶段。现阶段我国不仅受到环境与资源的巨大制约,而且还需在尽可能短的时间内完成发达国家相当长时期内完成的社会变迁和结构转型。这种快速转型,可能导致社会结构出现断裂,带来频繁的社会危机和剧烈的社会震荡。20世纪80年代,拉美国家出现的“拉美陷阱”,原因正在于此。
一般而言,现代风险社会具有三大特征:风险的人化、制度化、普遍性。当前,我国正处于全球风险、社会转型风险混合叠加的高风险时期——由传统社会向现代社会转型,既存在机遇,也面临风险;经济全球化加速了全球信息与物质的流动,将我国裹入全球风险之中。近年来,源自国内外的一系列公共危机,清晰地表明我国业已步入高风险社会。
2003年非典以来,我国“一案三制”的应急管理架构,“统一领导、综合协调、分类管理、分级负责、属地管理为主”的危机管理体制,得以初步成形,并在若干重大危机应对中凸显优势。然而,随着经济、社会的急剧转型,这种集中资源的“拳头式”危机管理体制,问题和缺陷也日渐显现。例如,这种危机管理体制的理论预设是危机的“非常态”,将危机视为偶然事件,侧重于事后的应急处置,忽视前期预警和全流程监控,致使本可早期预防的危机频繁发生。同时,脱胎于传统官僚体制的政府危机管理体系立足危机“已然存在”的假设之上,依靠权力分工、责任认定和制度化的应急手段予以消除,但随着风险社会的来临,风险来源不断增多,变异性、扩散性日益增强,仅对危机进行局部改良已难以从根本上解决问题。因此,必须引进新的技术与方法,创新危机管理,推进治理体系和治理能力的现代化。
大数据与危机管理创新
大数据技术及管理模式的引入,能有效重塑危机管理体制的理念、机制和流程,提高危机管理的科学性和可预见性,促进现有体制结构性问题的解决。
重塑管理理念。风险社会的危机事件具有高度的复杂性、普遍性、衍生性和利益关联性。必须突破现有理念中“重应对、轻管理”的误区和“重权力、轻技术”的倾向,主动运用大数据的挖掘、分析、预测和流程整合能力,对危机生命周期的全程进行流程管理,实现从单一的事件应对向全流程管理的理念转变。避免聚焦于应对环节,忽视监测预防、缓解、评价、学习、反思等重要步骤。避免一次次成功的事件应对过后,处置能力和应急管理水平毫无长进,一事过后同类问题反复发生。大数据最大的价值在于预测,它能实现有预见性的管理。
变革管理体制。现代危机具有很强的跨领域性、衍生性、危害的全社会性,在此背景下,现行体制纵向分工的惯性与现代危机管理横向整合要求之间存在严重的功能性冲突和结构性矛盾,一个部门负责一种危机的模式也已无法适应当代危机管理的需要。而大数据技术及相关管理模式,能为现有体制及专业分工所致的信息壁垒提供很好的解决方法,原因在于管理流程中产生的数据流,只遵循数据本身的性质和管理的要求,而不考虑专业分工区隔。
再造管理流程。即依据危机管理数据流的传播方向而非专业分工来构建和再造管理流程,使危机管理体制围绕数据流形成相应的机构、团队和人员,有效提高管理流程整体的运行效能。
构建数据分享系统。大数据技术获取的全样本数据,是现代危机管理的基础。在创新管理体制的过程中,有必要从国家层面打破部门垄断和专业区隔,构建政府内部无缝衔接的大数据危机管理系统,为联合开展危机管理提供共享的管理数据网络,实现以大数据分析决策为核心的整合式危机管理效益的最大化。
数据分析咨询请扫描二维码
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数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22