京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07