從大數據到大智庫：大數據時代的智庫建設

智庫是國家軟實力的重要載體，是國家治理能力的重要體現。《關于加強中國特色新型智庫建設的意見》政策文本綱要性地闡述了中國特色新型智庫的功能定位和建設标準，為智庫建設指明了道路和方向。特别是在邁向大數據時代的當下，如何利用大數據思維和大數據技術提升智庫的資政啟民功能、破解改革發展穩定難題、應對複雜多變的全球性問題、加速推進中國由智庫大國向智庫強國轉變，是當下中國智庫建設不可回避的焦點議程。2013 年9月10日在加利福尼亞州聖荷西費爾蒙特市舉辦了主題為“矽谷、全球增長、創新和領導共同體”的研讨會。[1]會議認為，強大的大數據智庫不僅對于企業的創新與增長有着至關重要的引擎作用，而且政府也可以通過世界快速移動、數據駕駛及大數據分析，将大數據計算能力轉化為決策能力。

一、作為智庫工具的大數據

衆所周知，大數據具有4V的基本特征：(1)容量大(Volume)，并呈現出指數級增長态勢;(2)速度快(Velocity)，包括數據更新換代速度和數據運算速度;(3)種類多(Variety)，涵蓋各種來源、形式和結構的數據;(4)價值高(Value)，通過數據挖掘服務實踐應用。同時，大數據也具有DPP三大基本功能：(1)描述(Descriptive)，通過對數據的統計分析，描述數據表現出的現象與規律;(2)規定(Prescriptive)，利用曆史數據建立分析模型和規範化的分析流程，實現對連續數據流的實時分析;(3)預測(Predictive)，通過對數據的深層挖掘構建預測模型，實現對未來狀态的預測。[2]

由此可知，所謂大數據的“大”首先體現在其規模和容量遠遠超出傳統數據的測量尺度，目前的數據規模已經從TB級升級至PB級，一般的軟件工具難以捕捉、存儲、管理和分析。同時，大數據之“大”還表現在其采集範圍和内容的豐富多變，能存入數據庫的不僅包含各種具有規律性的結構性數據，還包括了各種如圖片、視頻、聲音等非結構性數據。在大數據時代，“行動即數據”，個體任何一項微小的行動(比如點擊鼠标、刷卡等)都會被編碼，這些編碼乍看之下雜亂無章，可結合編碼的時間、地點、頻率等數據，通過特定的複雜運算之後，其意義便能體現出來。[3]

作為智庫工具的大數據，它對當代智庫建設的功能主要表現在：第一，大數據為智庫建設提供精準的信息來源。從一定程度上來說，數據與信息是智庫生存和發展的生命線，沒有數據的智庫猶如無源之水、無根之木，而精準的數據和信息更是實施精細研究和開展精準決策的基礎。第二，大數據為智庫建設提供強大的技術支撐。一個沒有數據技術支撐的決策咨詢和研究報告很難說是一份有質量、高水平的智庫報告，一個缺乏技術支撐系統的智庫很難說是一個高水平的智庫。第三，大數據為智庫建設提供科學的研究工具。智庫的決策分析、風險研究和政策評估不可能建立在傳統的經驗基礎上，它需要大數據為科學決策和政策評估提供實時動态監測和實時預警分析，需要大數據推進智庫風險分析的精細化和精确化。

在大數據、雲計算、社會化媒體等全新信息技術的猛烈沖擊下，原來存在于政府和公衆之間的信息差、文化差、知識差、能力差正在逐步消除。[4]通過全國甚至全球智囊機構的鍊接将大數據分析與政府信息結合起來，以構建一個新的、更加精細的大智庫，為政府提供意想不到的信息快照及決策推動。[5]衆所周知，人類社會近乎所有的行為信息、交易數據、輿情動态都會被大數據平台全過程、全方位地記錄和跟蹤，這為構建起一整套完整的數據大連接和數據大共享系統奠定了基礎。與此同時，大數據驅動下的智庫通過智能分析、數據挖掘，能夠實時地監測社會輿情、預判政策可能後果、監控政策執行成效。另一方面，即時的數據共享也會推進智庫研究的整體性、系統性和全面性開展，能夠有效地避免由于信息不對稱所導緻的劣質咨詢服務，從而真正協助政府解決科學決策、精細管理、精準服務、風險防控和危機處理過程中遇到的瓶頸和頑疾。

二、作為數據支撐的大智庫

智庫是現代社會發展的“思想工廠”，是決策輔助機構的“智慧生産”，是政策研究組織的“思想實驗室”。作為“思想工廠”的智庫以公共政策研究為任務，提供決策咨詢，提出各種設計方案，為公共決策者獻計獻策、運籌謀劃，從而有效達成影響公共政策和公共輿論目的。來自《全球智庫報告》的數據顯示，2016年全球共有智庫6846家，美國擁有1835家，保持智庫數量世界第一;中國穩居世界第二，擁有智庫數量達435家;英國和印度智庫數量位列中國之後，分别為288家和280家。[6](見表1)

由此可見，中國已然成為了智庫大國。然而，“智庫大國”并非“智庫強國”，究其原因具體表現在以下方面：一是智庫的獨立性較弱，衆多“委托”形式下的智庫産品難免存在公正性不足和偏向性嫌疑;二是過分注重智庫成果的批示率，然批示率不等于轉化率和應用率，而且解決“真問題”的智庫成果轉化率不足;三是智庫專業人才不足，從事智庫研究的頂尖專家所發揮的作用受限;四是對“小樣本”、“小數據”的路徑依賴容易導緻智庫研究的數據不足和樣本不足，無法真正做到“以小見大”;五是智庫的多學科知識儲備和多種類研究方法不足，智庫研究報告的質量有待提升;六是智庫建設缺乏整體規劃，“拉郎配”現象并不少見，智庫資源的配置缺乏系統性和科學性。

在公共事務和社會問題越來越複雜的當下，面對區域安全、環境保護、人口健康等極具挑戰性的治理問題都可以通過大數據找到答案，學者們認為通過部署大數據解決方案及關鍵實施大數據解決方案是解決智庫研究和公共決策的最佳做法。[7]因此，傳統智庫有必要打破原有以思想表達為主的經驗性研究範式，邁向建立以客觀事實為核心驅動力的大智庫形态。正如《全球智庫報告》中所言，人類社會對基于事實和行動分析的訴求要遠遠大于對單純的思想表達的訴求。大數據可以幫助解決人類面臨的各種挑戰，設立智庫的目的是分析數據并産生洞察力，幫助公共部門、私營和非營利部門的領導者做出更加明智的選擇。[8]從一定程度上來說，所謂“大智庫”的“大”必須要求智庫發展走向前沿化、技術化、專家化、高端化：走向前沿化就是大智庫要研究新形勢、新問題，提出新方法、新方案;走向技術化就是大智庫是以計算機和人工智能系統為核心、多種高新技術集成與融合所構成的智庫;走向專家化就是大智庫必然需要研究有關問題、熟悉相關專業知識的科學家與技術專家;走向高端化就是大智庫研究目标定位高、研究項目立意高、研究成果質量高。

大智庫借助現代科學方法對可能面對的紛繁複雜的公共問題展開分析，提出各種對策方案，并對各種方案的可達性與有效性作出科學預測。因此，大智庫需要引入自動文本分析、社會網絡分析和空間分析等大數據分析方法。通過大數據分析方法的運用，智庫能夠回答複雜的政治、經濟與社會問題，幫助決策者做出更加明智的決定。[9]具體而言，通過自動文本分析，深入挖掘文本信息和進行内容分析;運用社會網絡分析了解個體之間的關聯性，讓智庫研究者更加充分地理解社會現象的内在規律;智庫研究者還可以通過空間分析強化分析結果，采用可視化技術向政府和社會全景化地展示智庫研究成果。通過對龐大的數據資源及其潛在價值的深度挖掘有助于智庫更好地把握經濟熱點和社會動态，能夠更為科學地預測經濟領域的發展趨勢，進而優化智庫産品結構、産品形态和服務流程。

三、大數據驅動大智庫建設的制度安排

大數據雖然存在巨大的挑戰，但利用它可以使政府以數據為導向，同時鼓勵及時制定和推行相關政策，從而将信息轉化為行動。[10]為了在大數據時代更好推動大智庫建設，需要開展如下幾個方面的制度安排。

第一，創新智庫大數據思維。在大數據時代，深度挖掘龐大的數據資源及其潛在價值，能夠讓智庫研究更好地把握市場動态和社會熱點，因而智庫建設要将大數據視作重要戰略資源和核心創新要素。更為重要的是，智庫研究人員要能夠挖掘大數據承載的信息要義，理解研究對象的本質和變化規律，在完成大數據的采集、存儲和處理後，還要重視利用專業人才和技術人才各自的優勢來識别數據價值，讓數據資源最大程度地服務智庫決策咨詢研究。因此，大智庫建設具備大數據思維要求：(1)加強事實分析。智庫研究既要進行“全數據”的收集，了解公共治理問題的全貌，也要深入實地了解公共治理問題産生的原因，确保決策咨詢的效度和信度。(2)注重集思廣益。群策群力、廣開言路，集中衆人的思想和智慧，從大量的數據和信息中尋找更好的、有價值的數據和智慧，從衆多的備選方案中尋找最好的方案。(3)服務決策咨詢。決策咨詢針對的是公共決策過程中所遇到的重點問題和難點問題，這就需要智庫研究人員運用大數據思維和技術盡可能地簡化問題和解決問題。

第二，建立智庫大數據平台。我們知道，大數據主要來自個人在互聯網和移動互聯網進行活動所産生的數據、企業或各領域在運行過程中産生的數據、機器和傳感器提供的流水作業和監測記錄的數據以及經過人為加工、被稱為知識文化成果的各種結構化數據庫。而大智庫要向政府和社會提供具有前瞻性和針對性的對策建議，展現其綜合研判和戰略謀劃的研究能力，必須要建立功能完備的大數據采集分析系統，構築符合決策研究需要和彰顯決策分析水平的大數據平台。因此，建立智庫的大數據平台需要積累全面的、時序較長的第一手數據和大數據采集分析系統。第一手數據是體現智庫原創分析和獨立分析的窗口，用第一手資料開展大數據分析，不但可以确保研究資料的真實性，而且可以增加智庫研究成果的有效性。同時，全面的和較長時序的統計數據還有利于智庫研究人員通過觀察數據的完整性和混雜性，更好地了解數據所攜帶的信息内涵。智庫大數據平台建設要提升結構化數據管理技術，要注重視頻、音頻、圖片、文本等非結構化數據管理的标準化建設，從而增進智庫大數據平台之間非結構化數據的共享。

第三，提升智庫大數據能力。大數據時代，數據規模躍升到GB、TB、PB、EB級别，甚至是ZB級别。面對“海量數據”，現代智庫研究不得不借助于專門的數據分析和數據挖掘方法開展全數據分析、相關分析和預測分析。這就要求智庫人員在完成大數據樣本也即全數據采集後，全面而又完整地描述研究對象，抓取出某些極為重要的細節以開展針對性的研究。同時，面對規模巨大和類型複雜的大數據，要求智庫研究的分析方法不再偏重揭示事物之間的必然關系，也即因果關系，而是要适度轉換到相關性分析，并通過對事物之間的“關聯”梳理和總結形成全新的研究視角。智庫研究人員借助海量數據建立數據分析和數據模型，能夠提高智庫研究成果的準确性和精确性。當大數據技術與現代識别系統、媒體掃描分析、社交媒體、複雜數據和政府決策相結合時，能更好地滿足決策者想要得到的具體政策。[11]

第四，培育智庫大數據人才。大數據時代催生出大數據工程師、大數據研究員、大數據架構師、大數據分析師、首席數據官等大數據人才崗位。作為一種高層次複合型人才，大數據人才需要綜合掌握數學、統計學、數據分析、機器學習和自然語言處理等多方面知識。針對這一現狀，國際國内衆多高校先後推出大數據專業課程以适應不斷變化的人力資源需求，不少企業也在産品和市場分析、安全和風險分析以及商業智能等領域着力培訓大數據人才和建設大數據人才團隊。随着大數據人才在組織人力資源管理中的地位日益突出，大數據人才儲備已然成為重要的智力資源，對組織的可持續發展産生越來越重要的影響和作用。毫無疑問，具備熟悉大數據技術、掌握大數據方法、開展大數據精準分析的專門大數據人才能夠展現智庫研究的專業化水準，提高智庫研究成果的質量和水平，從而讓更多的智庫産品更好地服務于國家重大戰略和地方治理需求。

第五，優化智庫大數據環境。完善知識産權保護體系、促進數據共享和整合和推動數據價值創造是大數據時代的價值共識。因此，國家和政府部門需要出台法律法規為涉及企業運營數據、客戶信息、個人隐私和各種行為的詳細記錄數據和數據資源管理提供法律保障。同時，建立完善的大數據管理體制機制、大數據應用的基礎設施與支撐平台建設，做好内部數據統籌管理，以及統一做好數據采集、共享、開放和标準化工作，改變目前分塊、分段、分條、分類的信息資源管理體制，打破政策、制度層面各種“數據孤島”之間相互隔離的狀況，實現智庫研究中數據源采集的大連接，解決大數據采集重複、大數據共享困難和大數據服務低效等問題。

四、 大數據驅動大智庫建設的機制設計

建立以大數據為核心驅力的“大智庫”系統，能夠發揮大數據在描述、規範以及預測領域的強大功能，增強智庫研究的準确度和精準度。因此，大智庫建設還需要從如下幾個方面進行機制設計：

(一)數據驅動機制。建設中國特色的新型智庫必須緊跟現代科技發展趨勢，充分利用大數據、雲計算、物聯網等前沿技術工具，推動傳統智庫走向以大數據連接為核心的大智庫，推動政策咨詢由傳統的“經驗咨詢”向“精準咨詢”轉型。建立以大數據為核心的數據驅動和智庫引擎機制，構建智庫數據大連接，打破由于部門孤立與行業分割等因素導緻的“數據孤島”現象，提升智庫研究所需要的宏觀經濟運行、社會輿情動态、公衆輿情以及政策執行情況等相關數據的收集、監測、分析、預測等數據挖掘和處理服務能力。[12]

(二)數據挖掘機制。大數據時代的智庫建設要打破傳統的“閉門造車”模式，充分彙集并發揮利害相關人、資深學者、民間學者、社會公衆的智慧。拓寬社會公衆參與智庫建設和政策提議的主要渠道，積極發揮“互聯網+”以及“大數據×”在網絡信息交互收集、挖掘、分析和研判的特殊功能，完善和開辟各類互聯網及數據采集平台，為智庫的理論創新和政策研究提供精準的數據支持。比如，中國農村發展智庫平台就是建立在共享海量學術資源的理念之上，通過打造模型化數據，實現科學化方針以及智能化預測，彌補了村莊信息統計、農村輿情監測、農村發展趨勢預測，也為農村發展政策提供了海量的大數據支持。

(三)數據共享機制。充分發揮大數據、互聯網+、智能化系統的強大功用，建設多層次、跨學科的多元化智庫交流平台，促進政府、智庫、社會三方面的信息交互、數據共享、協同作業，構建一個共同參與、優勢互補、協同高效的中國特色新型智庫服務平台。通過智庫大數據協同科研平台，推動智庫建設走向跨學科協同、跨行業協同、跨區域協同的新型智庫發展模式，從而提供多角度、多領域的決策咨詢服務，為推進國家的科學發展、創新發展、和諧發展提供智力支持。

(四)數據管理機制。智庫作為獨立于政府機構之外從事公共政策研究和分析的非營利性學術組織，其實用功效的發揮越來越影響着政府治理的科學化和精準化程度。因此，必須健全和完善智庫管理結構和組織章程，規範智庫運行機制，提高智庫的運行效率。通過大數據智庫系統的實時數據管理，實現對智庫成員科研活動的全過程監控、評測。運用可視化數據平台可以跟蹤智庫成員的科研過程，強化績效考核管理，實現科研成果的分布式多系統共享。

(五)數據采購機制。智庫作為政策研究和政策咨詢的專門機構，具有非營利性和高知識密集性的特點，持續、穩定、充足的資金投入是保證智庫高質量、高效率運行的基礎和前提。毫無疑問，政府是智庫服務的主要用戶，承擔着智庫運行所需的絕大部分經費供給。因此，政府要适度擴大向智庫采購服務的範圍，凡屬智庫提供的咨詢報告、政策方案、規劃設計、調研數據等均可納入政府采購範圍和政府購買服務指導性目錄。同時，也可建立具有競争性和激勵性的經費供給和分配機制，實行按需購買、以事定費、公開擇優、合同管理的購買機制，采用公開招标、邀請招标、競争性談判、單一來源等多種方式進行數據購買，從而不斷提高智庫資源利用效率。

(六)數據評價機制。對于智庫的研究成果要嚴格把控和客觀評價，需要構建智庫成果的多元評價體系。由于智庫的基本功用就是滿足政府和社會的需求，因此智庫成果的評價在看中理論成果創新的同時，更應該重視研究成果的應用價值。同時，政府決策是基于事實和數據的決策，智庫研究更多依賴于事實和數據的研究，因此智庫成果的真實性、應用性和創新性評價必不可少。當然，更為重要的是建立用戶評價、同行評價和社會評價的組合評價機制，不斷提高智庫産品的質量和效益，不斷提升大智庫的社會服務能力和水平。

[參考文獻]

[1] [7][10]Frost & Sullivan.Big Data Think Tank： Encapsulating the Phenomenon. Information Technology Business; Atlanta， Aug 27， 2013， p45.

[2] [美]Jay Lee.工業大數據：工業4.0時代的工業轉型與價值創造[M].邱伯華譯.北京：機械工業出版社.2015.46-47.

[3] [4]陳潭. 大數據驅動社會治理的創新轉向[J]. 行政論壇， 2016(6).

[5] Murphy， Megan. JPMorgan's Global Think-tank Uses Big Data to Read US Economy.FT.com, London， 2015-5-20.

[6] 張勝.《全球智庫報告2016》顯示：中國智庫态勢良好成績亮眼[N]. 光明日報2017-02—09第11版.

[8] [9]United States. JP Morgan Launches Think Tank Using Big Data To Study U.S. Economy.Asia News Monitor; Bangkok(May25 ，2015).

[11] Research： Think Tank - Data - How Big Data Can Find FDI Opportunities Foreign Direct Investment. London (Jun/Jul 2015).

[12] 羅繁明.利用大數據推進新型智庫建設[N]. 人民日報，2017-07-15.

* 基金項目：國家社科基金重大專項項目“大數據驅動政府治理現代化研究”(編号：17VZL021)

由此可見，中國已然成為了智庫大國。然而，“智庫大國”并非“智庫強國”，究其原因具體表現在以下方面：一是智庫的獨立性較弱，衆多“委托”形式下的智庫産品難免存在公正性不足和偏向性嫌疑;二是過分注重智庫成果的批示率，然批示率不等于轉化率和應用率，而且解決“真問題”的智庫成果轉化率不足;三是智庫專業人才不足，從事智庫研究的頂尖專家所發揮的作用受限;四是對“小樣本”、“小數據”的路徑依賴容易導緻智庫研究的數據不足和樣本不足，無法真正做到“以小見大”;五是智庫的多學科知識儲備和多種類研究方法不足，智庫研究報告的質量有待提升;六是智庫建設缺乏整體規劃，“拉郎配”現象并不少見，智庫資源的配置缺乏系統性和科學性。

在公共事務和社會問題越來越複雜的當下，面對區域安全、環境保護、人口健康等極具挑戰性的治理問題都可以通過大數據找到答案，學者們認為通過部署大數據解決方案及關鍵實施大數據解決方案是解決智庫研究和公共決策的最佳做法。[7]因此，傳統智庫有必要打破原有以思想表達為主的經驗性研究範式，邁向建立以客觀事實為核心驅動力的大智庫形态。正如《全球智庫報告》中所言，人類社會對基于事實和行動分析的訴求要遠遠大于對單純的思想表達的訴求。大數據可以幫助解決人類面臨的各種挑戰，設立智庫的目的是分析數據并産生洞察力，幫助公共部門、私營和非營利部門的領導者做出更加明智的選擇。[8]從一定程度上來說，所謂“大智庫”的“大”必須要求智庫發展走向前沿化、技術化、專家化、高端化：走向前沿化就是大智庫要研究新形勢、新問題，提出新方法、新方案;走向技術化就是大智庫是以計算機和人工智能系統為核心、多種高新技術集成與融合所構成的智庫;走向專家化就是大智庫必然需要研究有關問題、熟悉相關專業知識的科學家與技術專家;走向高端化就是大智庫研究目标定位高、研究項目立意高、研究成果質量高。

大智庫借助現代科學方法對可能面對的紛繁複雜的公共問題展開分析，提出各種對策方案，并對各種方案的可達性與有效性作出科學預測。因此，大智庫需要引入自動文本分析、社會網絡分析和空間分析等大數據分析方法。通過大數據分析方法的運用，智庫能夠回答複雜的政治、經濟與社會問題，幫助決策者做出更加明智的決定。[9]具體而言，通過自動文本分析，深入挖掘文本信息和進行内容分析;運用社會網絡分析了解個體之間的關聯性，讓智庫研究者更加充分地理解社會現象的内在規律;智庫研究者還可以通過空間分析強化分析結果，采用可視化技術向政府和社會全景化地展示智庫研究成果。通過對龐大的數據資源及其潛在價值的深度挖掘有助于智庫更好地把握經濟熱點和社會動态，能夠更為科學地預測經濟領域的發展趨勢，進而優化智庫産品結構、産品形态和服務流程。

三、大數據驅動大智庫建設的制度安排

大數據雖然存在巨大的挑戰，但利用它可以使政府以數據為導向，同時鼓勵及時制定和推行相關政策，從而将信息轉化為行動。[10]為了在大數據時代更好推動大智庫建設，需要開展如下幾個方面的制度安排。

第一，創新智庫大數據思維。在大數據時代，深度挖掘龐大的數據資源及其潛在價值，能夠讓智庫研究更好地把握市場動态和社會熱點，因而智庫建設要将大數據視作重要戰略資源和核心創新要素。更為重要的是，智庫研究人員要能夠挖掘大數據承載的信息要義，理解研究對象的本質和變化規律，在完成大數據的采集、存儲和處理後，還要重視利用專業人才和技術人才各自的優勢來識别數據價值，讓數據資源最大程度地服務智庫決策咨詢研究。因此，大智庫建設具備大數據思維要求：(1)加強事實分析。智庫研究既要進行“全數據”的收集，了解公共治理問題的全貌，也要深入實地了解公共治理問題産生的原因，确保決策咨詢的效度和信度。(2)注重集思廣益。群策群力、廣開言路，集中衆人的思想和智慧，從大量的數據和信息中尋找更好的、有價值的數據和智慧，從衆多的備選方案中尋找最好的方案。(3)服務決策咨詢。決策咨詢針對的是公共決策過程中所遇到的重點問題和難點問題，這就需要智庫研究人員運用大數據思維和技術盡可能地簡化問題和解決問題。

第二，建立智庫大數據平台。我們知道，大數據主要來自個人在互聯網和移動互聯網進行活動所産生的數據、企業或各領域在運行過程中産生的數據、機器和傳感器提供的流水作業和監測記錄的數據以及經過人為加工、被稱為知識文化成果的各種結構化數據庫。而大智庫要向政府和社會提供具有前瞻性和針對性的對策建議，展現其綜合研判和戰略謀劃的研究能力，必須要建立功能完備的大數據采集分析系統，構築符合決策研究需要和彰顯決策分析水平的大數據平台。因此，建立智庫的大數據平台需要積累全面的、時序較長的第一手數據和大數據采集分析系統。第一手數據是體現智庫原創分析和獨立分析的窗口，用第一手資料開展大數據分析，不但可以确保研究資料的真實性，而且可以增加智庫研究成果的有效性。同時，全面的和較長時序的統計數據還有利于智庫研究人員通過觀察數據的完整性和混雜性，更好地了解數據所攜帶的信息内涵。智庫大數據平台建設要提升結構化數據管理技術，要注重視頻、音頻、圖片、文本等非結構化數據管理的标準化建設，從而增進智庫大數據平台之間非結構化數據的共享。

第三，提升智庫大數據能力。大數據時代，數據規模躍升到GB、TB、PB、EB級别，甚至是ZB級别。面對“海量數據”，現代智庫研究不得不借助于專門的數據分析和數據挖掘方法開展全數據分析、相關分析和預測分析。這就要求智庫人員在完成大數據樣本也即全數據采集後，全面而又完整地描述研究對象，抓取出某些極為重要的細節以開展針對性的研究。同時，面對規模巨大和類型複雜的大數據，要求智庫研究的分析方法不再偏重揭示事物之間的必然關系，也即因果關系，而是要适度轉換到相關性分析，并通過對事物之間的“關聯”梳理和總結形成全新的研究視角。智庫研究人員借助海量數據建立數據分析和數據模型，能夠提高智庫研究成果的準确性和精确性。當大數據技術與現代識别系統、媒體掃描分析、社交媒體、複雜數據和政府決策相結合時，能更好地滿足決策者想要得到的具體政策。[11]

第四，培育智庫大數據人才。大數據時代催生出大數據工程師、大數據研究員、大數據架構師、大數據分析師、首席數據官等大數據人才崗位。作為一種高層次複合型人才，大數據人才需要綜合掌握數學、統計學、數據分析、機器學習和自然語言處理等多方面知識。針對這一現狀，國際國内衆多高校先後推出大數據專業課程以适應不斷變化的人力資源需求，不少企業也在産品和市場分析、安全和風險分析以及商業智能等領域着力培訓大數據人才和建設大數據人才團隊。随着大數據人才在組織人力資源管理中的地位日益突出，大數據人才儲備已然成為重要的智力資源，對組織的可持續發展産生越來越重要的影響和作用。毫無疑問，具備熟悉大數據技術、掌握大數據方法、開展大數據精準分析的專門大數據人才能夠展現智庫研究的專業化水準，提高智庫研究成果的質量和水平，從而讓更多的智庫産品更好地服務于國家重大戰略和地方治理需求。

第五，優化智庫大數據環境。完善知識産權保護體系、促進數據共享和整合和推動數據價值創造是大數據時代的價值共識。因此，國家和政府部門需要出台法律法規為涉及企業運營數據、客戶信息、個人隐私和各種行為的詳細記錄數據和數據資源管理提供法律保障。同時，建立完善的大數據管理體制機制、大數據應用的基礎設施與支撐平台建設，做好内部數據統籌管理，以及統一做好數據采集、共享、開放和标準化工作，改變目前分塊、分段、分條、分類的信息資源管理體制，打破政策、制度層面各種“數據孤島”之間相互隔離的狀況，實現智庫研究中數據源采集的大連接，解決大數據采集重複、大數據共享困難和大數據服務低效等問題。

四、 大數據驅動大智庫建設的機制設計

建立以大數據為核心驅力的“大智庫”系統，能夠發揮大數據在描述、規範以及預測領域的強大功能，增強智庫研究的準确度和精準度。因此，大智庫建設還需要從如下幾個方面進行機制設計：

(一)數據驅動機制。建設中國特色的新型智庫必須緊跟現代科技發展趨勢，充分利用大數據、雲計算、物聯網等前沿技術工具，推動傳統智庫走向以大數據連接為核心的大智庫，推動政策咨詢由傳統的“經驗咨詢”向“精準咨詢”轉型。建立以大數據為核心的數據驅動和智庫引擎機制，構建智庫數據大連接，打破由于部門孤立與行業分割等因素導緻的“數據孤島”現象，提升智庫研究所需要的宏觀經濟運行、社會輿情動态、公衆輿情以及政策執行情況等相關數據的收集、監測、分析、預測等數據挖掘和處理服務能力。[12]

(二)數據挖掘機制。大數據時代的智庫建設要打破傳統的“閉門造車”模式，充分彙集并發揮利害相關人、資深學者、民間學者、社會公衆的智慧。拓寬社會公衆參與智庫建設和政策提議的主要渠道，積極發揮“互聯網+”以及“大數據×”在網絡信息交互收集、挖掘、分析和研判的特殊功能，完善和開辟各類互聯網及數據采集平台，為智庫的理論創新和政策研究提供精準的數據支持。比如，中國農村發展智庫平台就是建立在共享海量學術資源的理念之上，通過打造模型化數據，實現科學化方針以及智能化預測，彌補了村莊信息統計、農村輿情監測、農村發展趨勢預測，也為農村發展政策提供了海量的大數據支持。

(三)數據共享機制。充分發揮大數據、互聯網+、智能化系統的強大功用，建設多層次、跨學科的多元化智庫交流平台，促進政府、智庫、社會三方面的信息交互、數據共享、協同作業，構建一個共同參與、優勢互補、協同高效的中國特色新型智庫服務平台。通過智庫大數據協同科研平台，推動智庫建設走向跨學科協同、跨行業協同、跨區域協同的新型智庫發展模式，從而提供多角度、多領域的決策咨詢服務，為推進國家的科學發展、創新發展、和諧發展提供智力支持。

(四)數據管理機制。智庫作為獨立于政府機構之外從事公共政策研究和分析的非營利性學術組織，其實用功效的發揮越來越影響着政府治理的科學化和精準化程度。因此，必須健全和完善智庫管理結構和組織章程，規範智庫運行機制，提高智庫的運行效率。通過大數據智庫系統的實時數據管理，實現對智庫成員科研活動的全過程監控、評測。運用可視化數據平台可以跟蹤智庫成員的科研過程，強化績效考核管理，實現科研成果的分布式多系統共享。

(五)數據采購機制。智庫作為政策研究和政策咨詢的專門機構，具有非營利性和高知識密集性的特點，持續、穩定、充足的資金投入是保證智庫高質量、高效率運行的基礎和前提。毫無疑問，政府是智庫服務的主要用戶，承擔着智庫運行所需的絕大部分經費供給。因此，政府要适度擴大向智庫采購服務的範圍，凡屬智庫提供的咨詢報告、政策方案、規劃設計、調研數據等均可納入政府采購範圍和政府購買服務指導性目錄。同時，也可建立具有競争性和激勵性的經費供給和分配機制，實行按需購買、以事定費、公開擇優、合同管理的購買機制，采用公開招标、邀請招标、競争性談判、單一來源等多種方式進行數據購買，從而不斷提高智庫資源利用效率。

(六)數據評價機制。對于智庫的研究成果要嚴格把控和客觀評價，需要構建智庫成果的多元評價體系。由于智庫的基本功用就是滿足政府和社會的需求，因此智庫成果的評價在看中理論成果創新的同時，更應該重視研究成果的應用價值。同時，政府決策是基于事實和數據的決策，智庫研究更多依賴于事實和數據的研究，因此智庫成果的真實性、應用性和創新性評價必不可少。當然，更為重要的是建立用戶評價、同行評價和社會評價的組合評價機制，不斷提高智庫産品的質量和效益，不斷提升大智庫的社會服務能力和水平。

[參考文獻]

[1] [7][10]Frost & Sullivan.Big Data Think Tank： Encapsulating the Phenomenon. Information Technology Business; Atlanta， Aug 27， 2013， p45.

[2] [美]Jay Lee.工業大數據：工業4.0時代的工業轉型與價值創造[M].邱伯華譯.北京：機械工業出版社.2015.46-47.

[3] [4]陳潭. 大數據驅動社會治理的創新轉向[J]. 行政論壇， 2016(6).

[5] Murphy， Megan. JPMorgan's Global Think-tank Uses Big Data to Read US Economy.FT.com, London， 2015-5-20.

[6] 張勝.《全球智庫報告2016》顯示：中國智庫态勢良好成績亮眼[N]. 光明日報2017-02—09第11版.

[8] [9]United States. JP Morgan Launches Think Tank Using Big Data To Study U.S. Economy.Asia News Monitor; Bangkok(May25 ，2015).

[11] Research： Think Tank - Data - How Big Data Can Find FDI Opportunities Foreign Direct Investment. London (Jun/Jul 2015).

[12] 羅繁明.利用大數據推進新型智庫建設[N]. 人民日報，2017-07-15.

* 基金項目：國家社科基金重大專項項目“大數據驅動政府治理現代化研究”(編号：17VZL021)

作者：陳潭，廣州大學公共管理學院院長、教授，廣州510006