本站小編為你精心準備了大數據與公共政策探討參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：［目的/意義］大數據技術是否能改進公共政策分析，這是目前國內外學術界研究熱點，也是各國各級政府關心的重要問題。［方法/過程］采用系統文獻綜述(systematicreview)對相關文獻進行梳理，提煉出大數據應用于公共政策分析的效益和風險，以及如何用好大數據來支持公共政策的建議;總結大數據應用于公共政策的通用流程和參與主體間的價值網絡;分步解析大數據在政策階段中的具體應用案例。［結果/結論］提出大數據應用于公共政策的通用框架，對我國運用大數據技術改進公共政策、公共決策具有一定的借鑒意義。

關鍵詞：大數據；公共政策；政策分析；公共決策；開放數據

0引言

隨著更多的數據以虛擬形式被存儲和處理，標志著大數據時代已經來臨。在商業領域，大數據已開始被廣泛應用，如在金融領域已經開始使用計算機數學模型和算法對海量數據處理。在這種大數據思潮的引領下，世界各地政府也開始關注大數據技術應用，其中包括在預防傳染病、識別恐怖分子、設計和提供有效的醫療保健制度的實踐或實驗等。在我國，自2014年“大數據”首次寫入《政府工作報告》以來，政府已連續幾年反復提及將大數據、云計算、物聯網等技術應用于政府管理。但是，學術界對大數據能否提升政府決策能力仍存在爭議。不少學者提出了大數據應用于國家治理、促進政府職能轉型的構想方案，也從具體的技術應用上給出了切實可行的操作指南;然而，也有學者提出大數據用于公共政策分析可能侵犯公民隱私、帶來新的社會不公等風險。事實上，大數據不僅是一種技術處理方法，也代表了一種思維模式的轉變:從抽樣數據到全量數據，從精確到總體，從因果到相關，這種數據思維的轉變是有一定風險的。基于以上不同觀點，本文采用系統文獻綜述對相關文獻進行了梳理。與傳統的文獻綜述方法相比，系統文獻綜述對研究問題的定義更為明確，注重明辨研究問題，有一整套詳細的研究過程，其中包括確定文獻的獲取途徑，設立文獻篩選標準，分析保留的研究文獻。這使得系統文獻綜述的研究結論更容易被驗證，是一種更客觀和科學的研究方法。本文的研究問題為大數據能否能改進公共政策分析?這個研究問題可以被進一步地分為以下幾個子問題:a．大數據對公共政策分析是否有影響?b．大數據對公共政策分析會帶來怎樣的收益和風險?c．大數據究竟是如何被用于促進公共政策分析?

1研究方法

本文所采用的方法是系統文獻綜述。我們根據研究問題設立明確清晰的文獻篩選標準，獲得科學的文獻集，降低因主觀選擇研究文獻而導致的研究誤差［1］。

1．1搜索策略

為了囊括最全面的現有研究成果，且為確保文獻質量，我們選擇數據庫WebofScience進行英文文獻查詢，選擇中國知網(cnki．net)進行中文文獻搜索。WebofScience是世界上有影響力的多學科的學術文獻文摘索引數據庫，收錄了12，000多種具有高影響因子的學術期刊;中國知網則是中國最廣泛和全面的期刊全文數據庫。它們可以確保盡可能全面的收集學術文獻，同時保證其學術質量，是本次研究文獻的主要來源。本文的研究問題是數據分析與公共政策的交叉領域，因此我們選擇大數據相關和公共政策相關兩組關鍵詞進行組合查詢。其中大數據相關的關鍵詞為“bigdata”和“opendata”。盡管開放數據與大數據是本質不同的兩個概念，但開放數據在某種程度上可以被認為是大數據技術應用于公共治理的基礎，并且在前期文獻搜索中我們發現“opendata”的相關文獻與我們的研究主題相關，且不與“bigdata”關鍵詞搜索出的文獻重合，為了保證本研究的完整性，我們仍然將“opendata”列為關鍵詞。公共政策相關的關鍵詞為“deci-sionmaking”、“publicdecision”“policyanalysis”“poli-cydecision”“publicpolicy”“publicpolicysupport”和“policymaking”。由此，組成14組搜索關鍵詞條。文獻搜索限制條件設置:a．文獻搜索的截至日期為2016年10月1日，基于大數據概念是在近幾年才提出，因此并未設置搜索起始日期。b．本文使用WebofScienceTM核心合集，即英語語種的文獻，排除了韓文的KCI－韓國期刊數據庫、俄文的RussianScienceCitationIndex等其他非英語語種的數據庫。c．為了使囊括的文獻更加全面，我們將搜索限制條件設為“主題”，凡是文章標題、摘要或主題內容與我們關鍵詞相關的，都會出現在我們的搜索結果中。在中文的語言環境中，“公共政策”一詞傾向于用來表達帶有抽象意義的政策條文統稱;與公共利益、公共權力、政府職能、行政管理、公共產品與公共服務相關。與之相似的“公共決策”一詞，主要指在特定環境與決策系統中，公共組織(包括政府機構、社會團體及其他公共部門等)針對公共問題，為了實現和維護公共利益所做出的決策［2］。從語義理解的角度來說，“公共決策”比“公共政策”傳遞的適用目標和角度更加明確，更適用于本文的討論范圍，與英文publicpoli-cy(公共政策)一詞也更加接近。因此本文把“公共決策”也作為一個搜索詞，將“公共決策”相關中文文獻一并納入參考之列。在前期研究中發現中文文獻中“大數據”與“開放數據”搜索出的結果高度重復，因此中文搜索詞條舍去了“開放數據”。中文文獻搜索關鍵詞條共5組，分別是“大數據”與“公共政策”“公共決策”“政策制定”“政策支持”“決策支持”。

1．2篩選過程

根據關鍵詞搜索獲得的文獻依然可能與本文研究主題并不相關，因此，我們設置了排除標準進一步篩選，刪除了文章內容與大數據應用于公共部門政策分析無關的文獻。1．3研究文獻的描述性分析1．3．1發表時間從發表時間看，中英文文獻發表數量逐年增長。如圖2所示，2011年之前，幾乎沒有涉及大數據在公共政策領域應用的研究文獻。從2012年起，英文文獻數量開始增加，這與美國前總統奧巴馬在2012年提出大數據研究與發展計劃是有關聯的。同時，中文文獻也在隨后的2014年急速上升，顯示出大數據在公共部門中的應用這一研究領域已經越來越受到學術界的關注。

1．3．2研究文獻

第一作者學科分布大數據在公共政策中的應用屬于跨學科領域的研究，為了更好掌握文獻所屬的學科領域分布，我們按照文獻第一作者所屬的學科領域進行分類統計。

2大數據應用于公共政策的效益與風險

公共政策是關于決定誰將在何時、以何種形式得到何種資源的學問，公共部門必須權衡精英的觀點和公眾的需求。而大數據則提供了智慧決策協同治理的經驗邏輯，突破了數據驅動決策的技術難題，也激發了公共利益的導向和動機，實現了“工具理性”［2］。另一方面也有一些不同的聲音，認為大數據的應用可能存在一定的風險。大數據可能更適合解決小問題，而對于較為宏觀的決策來說，大量的數據則會帶來更多的“噪聲”，并且工具不能代替智慧思維［3］。在公共管理領域，對大數據的理解也是各有側重。Pirog認為，大數據的最大價值在于提供了有效的新數據集合，如在美國聯邦政府網站(Data．gov)上的開放數據資源［4］。黃璜和黃竹修把大數據在公共治理和公共政策中的應用視為對傳統電子政務、電子治理的繼承，將在政策技術層面、政府能力層面、國家治理層面和社會價值層面產生重要影響［5］。張楠將公共政策中所使用的公共衍生大數據(PublicGeneratedBigData)分為三類:互聯網公共話題相關的用戶創造內容(UserGeneratedContent，UGC)、政府部門業務運作過程產生的大量政策法規及其相關文件與文檔數據、政府信息化建設中產生的包括物聯網在內的各類信息系統數據。因此，本文認為大數據在公共政策領域的界定是基于5V特征的新數據集合，主要分為行政數據和私人部門數據兩大類，其外延還包括一種新型的研究方法或分析技術、數據驅動的決策機制、數字時代下的新型治理范式［6］。本節將重點關注19篇綜合分析類文章，通過內容分析方法綜合各類觀點的提及頻率，直觀地將學者們關于大數據應用于公共決策分析帶來的效益、風險和建議進行梳理，以反映該觀點的被關注度與重要性。在分析方法上首先將大數據應用于公共政策分析的“效益”和“風險”進行排他性分類。效益(B)共四類:B1提供基于證據的政策制定;B2提供前瞻式政策制定;B3促進政策制定中的公眾參與;B4提高政策制定效率。風險(R)共5類:R1隱私侵犯;R2數據質量差;R3數據誤用;R4不公平;R5數據分析能力不足。由3名研究者進行內容編碼，歸類一致性指數為94.8%，顯示一致性較高。

2．1公共政策制定中的大數據

運用效益超過半數的研究文獻認為，大數據技術可提供更多準確、及時、詳細的信息用于政策制定，有21．0%的文章認為，大數據可以提供前瞻式政策制定，15．8%的研究表示，吸納更多利益相關者參與決策過程是大數據給公共政策分析帶來的又一效益，有少量文章提到大數據可以提高政策制定效率。

2．1．1提供基于證據的政策制定得益于新型與傳統的數據源的共存，以及越來越多信息節點出現，幾乎所有的公共議題都被包含在這些大量的信息化數據中，其中包括各種數據采集系統，人口普查數據，以及政府開展的各種調查等。通過一些精確的、詳細的、快速更新的數據，政策分析者可以發現過去無法被察覺的信息流以及隱藏的發展模式與關系［7］。不論多精確的統計方法也不能彌補因數據匱乏而使用抽樣數據的不足，數據才是推動公共政策分析創新的關鍵。豐富的數據為公共政策分析提供了觀察真實社會運轉的窗口，支持了政府基于證據的決策制定，這在城市中表現得更為突出。因為城市擁有密集的人口，集中了大量的社會資源和各種新興高科技，如描述人類活動的社交網絡數據，具有時間、地理維度的物聯網數據，都可以用來揭示一些行為模式和城市動態，為城市設計、公共服務和基礎設施規劃等提出有益見解，進而被運用到決策。

2．1．2提供前瞻式政策制定大數據可以監控危機的發生，使危機管理的重點由過去的危機應對(crisisresponse)轉移到危機預警(forestallingdan-gers)。在公共衛生領域，風險預測模型可利用常規醫療數據預測高危患者未來的不良影響事件［8］。根據數據預測分析結果，醫療體系可以主動提供服務達到預防效果［7］。在交通領域，大數據可以幫助實現運營方面最大的用戶體驗，它可以監測到車輛最大負載，實時的載客流量變化，預測到計劃外的延遲時間，預防事故的發生［9］。綜上所述，大數據可以使得公共政策做到前瞻式決策，防患于未然。

2．1．3促進政策制定中的公眾參與大數據提供的信息可以基本涵蓋公共政策所有服務對象的信息，這樣全面而又海量的數據，盡可能地使決策制定中的信息包含更多人的利益［10］。因此，大數據進一步提高了利益相關者參與到公共政策和規劃過程中的積極性，可以增強社會力量和公民權力，也可以用來提高政府的透明度并改善政府的問責機制［9］。

2．1．4提高政策制定效率大數據分析工作中的數據整合將促進政府各個信息系統之間的協作，從而減少政府工作過程中的文書工作，降低了公民重復提交紙質信息的需要，促進政府內部流程重組，提高行政效率［7］。2．2公共政策制定中的大數據運用風險雖然世界各國政府已經意識到大數據在解決社會問題上的巨大潛力，但由于缺乏一個大數據應用的明確路徑，往往在實踐上步履蹣跚。在風險方面，42．1%的文章提及大數據使用可能會侵犯公民數據隱私的問題;而26.3%的研究則重視數據質量低的問題;此外，數據誤用的問題也被21．0%的文章關注，他們認為在數據獲取后的過程中存在許多系統性偏差，最終不利于得出客觀真實的結論;同樣的，有21．0%的文獻認為運用大數據可能會帶來新的數據不公平問題;多達68．4%的文獻提到政府部門缺乏大數據能力的問題，包括收集、分析處理的能力。

2．2．1隱私侵犯

數據隱私是一把雙刃劍，數據的缺失阻礙了大數據在政策制定中的應用，公眾因此無法享受大數據帶來的利益;然而，數據提供過程中的管理不善又必然導致公眾隱私被侵犯。以公共衛生政策領域為例，包含個人可識別信息(Personallyidentifi-ableinformation)數據的泄露會對醫療保健系統造成很大的傷害，因為病人會出于隱私擔憂不愿意提交自己的醫療信息。如果可以管理好電子健康數據，可以大大增強病人對電子醫療系統的信任，形成良性循環。有關數據隱私的立法和規定也需要進一步完善。當前美國的網上隱私政策法規是按部門分類的，不同部門信息保護遵從不同的法律，如財務隱私與健康隱私分別使用不同的法律，缺乏綜合一體的隱私保護法。隨著數據類型、數量、更新速度的革新，數據隱私評價標準也要隨之發展。傳統的隱私保護方法———知情同意和匿名，將不再適用于大數據時代。由于“隱私知識溝”(gapinprivacyknowledge)的存在，部分公眾并不了解數據收集的程度與性質，對于隱私問題出現了認識的偏差。因此，隱私的保護不是控制表面的曝光，而是需要界定數據使用的合法性是否成立。總之，政府在大數據的應用需求和倫理前面臨著權衡的難題。一個民主體制的國家通常以有限的政府和高度保護私有財產為特征，這就限制了大規模收集和分析數據的能力［11］。其次，決策過程中的數據生產者和消費者角色同為公眾，一個可能會侵犯公眾隱私但產生有效公共政策的過程，使決策者難以對其中兩者的輕重做出判斷［12］。

2．2．2數據質量差

大數據本身具有不規律性和異質性，大數據是嘈雜的，因此信號質量較差;大數據還可能遺漏有價值的信息和觀察，甚至是不準確的［10］。數據質量差有可能是由于過度監管造成的。各國法律一直試圖規范敏感信息的訪問和存儲，以回應隱私泄漏的擔憂，從而導致大數據使用者只能獲得殘缺和截斷的數據集［8］。

2．2．3數據

誤用Hoffman和Podgurski提出了三種可能扭曲分析結論的系統性偏差:選擇偏差、混淆偏差、測量偏差［13］。a．選擇偏差是指選擇的研究群體不具代表性，這個群體可能存在某些特殊特征，從而導致錯誤的結論。b．混淆偏差是指社會經濟文化等因素可能成為影響分析混淆因素，例如面對低收入群體的健康問題，可能是由于選擇次優和廉價的醫療所致，也可能是貧窮、營養不良導致;若不考慮社會經濟因素，研究結論就可能發生偏移。另一些學者將這一問題定義為語境丟失，即數據分析人員沒有考慮到獲取這些數據的時空、社會和文化環境，容易導出錯誤的解釋和結論［12］。c．測量偏差則發生在數據收集階段，由于采集數據的設備、軟件等問題，或者人為錯誤，如醫生手寫錯誤以及病人隱瞞病情，錄入了錯誤的信息。

2．2．4公平問題

社會中參與數據提供的人并非全體公民，而是那些有能力接觸現代通訊技術的人，這意味著越是提供自己意見的人越能從政策輸出結果中受益［12］。也有學者提到，數據不公可能與電子參與方式本身固有的民意攝取不足的缺陷有關。因此，公共部門應該滿足公眾關于參與機會平等的合法期望，要滿足參與機會平等，還需要對傳統的電子參與的方式進行創新。

2．2．5數據分析能力不足

提及頻率最高的風險為大數據分析能力不足。大數據海量、高速和異質性特征，對于政府與分析者提出了新的分析范式要求，包括數據捕獲、語義調和、聚合和關聯，技術挑戰包括集成數據源、過濾數據、非結構化的數據如何轉化和處理等問題。Amankwah－Amoah提出了政府的“大數據能力”的概念，指的是政府識別與解釋數據以助于公共政策的能力。特別強調數據豐富(datarich)與信息豐富(informationrich)的區別，指出數據豐富是擁有大量的數據集，而信息豐富則是指將數據轉換為公共政策的制定和行動的基礎知識與分析能力，而僅僅擁有大數據無法提高一個國家的競爭力［11］。

3大數據應用于公共政策的通用框架

公共政策涉及教育、健康衛生、交通等多個領域，本章主要探討大數據在不同政策領域的應用是否具有通用的框架。

3．1大數據應用的通用流程

在大數據應用項目中，我們以研究文獻中具有代表性的5篇分析流程加以概括總結。

3．1．1數據收集

數據來源需根據不同決策目標而確定，如針對用戶所產生的數據、社交媒體數據或特定系統運行中產生的數據，數據收集的對象和規模直接影響了該決策的分析內容和工具，因此這一步驟應追求數據覆蓋廣和信息全。

3．1．2數據清洗

初步的數據清洗可有效篩選數據，同時數據清洗也包含數據脫敏的作用，為敏感隱私數據提供可靠保護。

3．1．3數據選取

數據選取的過程實際是預處理后的數據與決策需求的匹配過程。為保障最終結果的準確性并降低數據處理難度，數據選取中的變量和標準的設置十分重要。

3．1．4數據挖掘

數據挖掘一般包括數據分析和建模，是數據驅動決策的最關鍵步驟，體現了大數據方法與其他統計方法應用的不同之處。舉例來說，在Ma等(2015)設計的公眾意見語義搜索系統中，區別于單純的關鍵詞搜索，他們通過LDA模型的構建，分析過去大眾評論數據并計算概率，以找出概率更高的主題，達到精確匹配、提高搜索準確率的目的。

3．1．5數據核實評估

對數據的核實評估貫穿在數據選取和挖掘兩個步驟中，許多數據決策項目失敗的原因在于過多關注數據建模而忽視了其他步驟，導致真正相關的、適合的、有效的數據不足，而避免這一失敗的關鍵就在于對數據的反復核實以及對整個步驟結果的評估。

3．1．6展示輸出

當“數據”經歷了清洗、選取、挖掘和評估后，最終的分析結果將以報告或可視化的方式提交相關決策部門，完成從數據分析師到決策制定者的信息傳遞。

3．2參與主體間的價值

網絡大數據應用于公共政策分析是一個多方合作共同創造公共價值的過程，因此我們有必要厘清這些參與主體間的關系。在大數據環境下，價值是多個主體合作的結果，每個主體間不再是以前簡單的線性鏈條關系，而是一個復雜的網絡關系。價值網絡分析法(ValueNetworkAnalysis)為我們提供了一個理解框架，這個框架利用節點和鏈接直觀地展示了協作關系中的價值創造和流動。

4大數據應用于公共政策的實施過程

公共政策的階段模型用以模擬政策從意圖到執行的整個制定流程，將復雜的政策制定過程分解為清晰的步驟化流程，是一種系統化且嚴密的方法。首先是社會問題的識別，并設立相關議程;隨后，問題進入討論議程;政策制定者運用相應的政策工具進行方案選擇;最后是評估政策績效，并且決定政策是否需要被調整，是否需要進入下一個新的議程［14］。根據公共政策分析的階段模型，本節在對研究文獻應用案例的分析基礎上，依次探討大數據應用的四個環節:問題識別、議程設置、方案選擇和評估。

4．1問題識別

研究發現，大數據可以幫助公共決策者預測和識別政策問題，尤其是可以用來識別民意中的社會問題，以及預測公共安全問題的出現。從公共政策分析的角度來說，公民群體的態度即為民意。民意存在于多種渠道中，其中正式渠道包括政府門戶網站的民意反饋、政府為特定的事件而收集的調查數據;非正式渠道包括社交網絡個人的信息、搜索引擎上的搜索記錄。網絡信息量巨大，渠道眾多，政府需要一個可以有效的了解民意的工具，而大數據則可以成為挖掘民意中政策問題的工具之一［15］。馬寶君等學者提出了用概率主題建模的方法，從大規模公眾反饋信息文本中提取決策者可能關注的潛在政策問題［16］。該研究針對城市公眾反饋網絡平臺從2006至2013年產生的實際數據進行分析，得出交通、戶籍、道路施工等問題是公眾關注的焦點的結論。該方法還可以分析出每個問題關注熱度隨時間的變化情況。除了通過民意分析識別社會問題，還可以通過大數據分析預測自然災害、疾病爆發等公共安全問題。Zhao和Liu提出了一個基于GIS地理處理技術的城市危險源的區域風險評估工具———RiskUMH，依次從:評估區域界定、計算危險源的嚴重程度、計算區域的脆弱性、畫出風險地圖等四個步驟，來評估城市中重大危險源的風險程度，從而支持公共安全事件的應急管理決策，做到防患于未然［17］。

4．2政策議程

政府或政策制定者在識別了政策問題后，接著設立政策議程。然而，不是所有通過大數據分析提取出的社會問題都可以進入政府議程，還需要進行信息核實以及政策問題優先級排序。目前在社交網絡應用于應急管理決策上面臨信息不準確、謠言、惡意使用社交網絡等挑戰。因此Conrado提出了一系列社交媒體信息核實的方法，確保為公民以及決策者提供更為真實可靠的數據［18］。

4．3方案選擇

4．3．1長期戰略規劃的大數據應用

長期的戰略方案如城市規劃與管理，改善政府門戶網站搜索功能、提升政府服務水平等。交通規劃是城市長期戰略方案的重要部分。Xu和Dou提出了一個基于交通大數據的城市交通規劃的輔助決策支持方法，通過提取出租車乘客上、下車地點數據，接著確定候選的交通路線，最后進行交通路線的最終選擇這三個步驟，科學地計算出政府應該增設的公共交通新線路。該方法目前在中國云南省進行了實踐［19］。Tu等用一種新穎的時空需求定位法，利用出租車的GPS數據，展示了一個時空需求的定位圖，從而確定設置充電樁的位置，提高政府對于電動汽車的服務質量。該研究表明大數據對于輔助高度動態的環境中的公共政策制定具有一定的價值和優勢［20］。大數據還可以讓政府在教育、財政等領域選擇更好的政策方案來實現其管理職能。在英國，政府面臨如何分配社區學習基金的問題，Sivarajah等通過建立政策指南針平臺(PolicyCompassPlatform)，利用政府的開放數據(opendata)和電子參與工具，幫助政府機構和公民評估備選方案并做出選擇，并鼓勵更多的利益相關者參與到決策過程中來。特別是通過模糊認知地圖(FCMs)工具，進行備選政策方案與政策目標的因果分析，從而評估備選方案。同時，數據可視化工具讓公民和決策者更直觀地理解不同的基金分配政策以及它們的影響［21］。

4．3．2實時決策分析的大數據應用

短期實時的應對措施如自然災害應急策略，以及鐵路運營時的實時決策等。在應急管理領域，Fleming等提出了一個數據集成的方法———DataMashup，用來可以支持政府決策，使政府在自然災害或事件中采取有效的應急措施［22］。在預防犯罪領域，Rob等使用數據倉庫(Datawarehouse)與實時在線分析(OLAP)技術，針對休斯頓警察局2009．7－2009．12六個月期間的開放的犯罪數據，使得執法機構可以預先配置警力資源來預防犯罪，而大眾也可以根據分析結果選擇安全的居住地點［23］。4．4政策評估由于大數據的實時分析處理能力，它不僅可以為特定的社會問題提出政策解決方案，還可以對于政策過程或是更宏觀的政策系統進行評估，從而及時為決策者提供改進方案。Scharaschkin和Mcbride提出一種對政府支出(ValueofMoney)進行審計的智能問責機制(Intelli-gentaccountability)，綜合了效率、效益、價值多個維度。這是一個在政策執行完畢后，對績效的評估的應用案例［24］。評估也可以貫穿整個政策分析的環節。香港自2006年起實施建筑垃圾處理辦法(ConstructionWasteDisposalChargingScheme)以來，每年產生110萬的建筑垃圾處理記錄，包括項目名稱、處理時間、使用的交通工具和回收設施、垃圾運輸量等。這些數據為輔助評估香港建筑垃圾管理政策對承包商垃圾處理行為的約束力提供了契機。通過對香港兩年之內的4227個項目的建筑垃圾處置記錄的分析，Lu等發現隸屬于公共部門與私人部門的不同承包商在建筑垃圾管理績效上有明顯差別。該研究同時指出，大數據分析方法不代表無視傳統分析方法，該研究也采納了深度的采訪和田野調查來探究影響績效的因素，為政府決策提供修訂依據［25］。大數據還可以應用于更宏觀的政策系統的評估。Li和Kido基于大數據提出了一個智慧交通系統的評價指標體系，由六個方面的指標組成:交通結構、交通信息服務、交通效率、交通安全、能源與污染減少和社會包容。該評價體系使用車牌識別(LPR)、全球定位(GPS)、自動車輛定位(AVL)以及智能手機數據為智慧交通系統中的交通行為進行評估［26］。

5結論

本文對大數據應用于公共政策的分析研究進行了系統性文獻綜述。通過對研究文獻的描述性分析，我們發現有關該主題的國內外研究的熱度都呈現整體上升的趨勢，并呈現研究者的學科背景多元化的特點。本研究發現，大數據對公共政策分析存在影響，產生了“支持政府部門基于證據的決策制定”、“提高公民參與度”等效益，在此過程中，也伴隨以“大數據能力不足”、“侵犯數據隱私”等風險。本文提出了大數據應用于公共政策分析的通用流程圖，并基于價值網絡分析法，梳理了包括“內外部數據提供者”、“數據分析師”和“決策制定者”等多個參與主體之間的關系。最后，通過對大數據應用在政策過程中的分步解析，具體展示了大數據是如何支持公共政策分析的。大數據不僅可以在問題出現階段識別潛藏在民意中的社會問題，還可以預測公共危機的爆發，例如自然災害、工業污染、疾病爆發等城市中的公共安全問題，同時可以提出備選解決方案并預測其效果，以選擇最優政策方案。最后大數據能夠在政策實施后對政策效果進行評估，為決策者提供改進參考。本文也存在一些不足之處。大數據是一個新興詞匯，部分早期的文獻研究了數據分析在各個特定政策領域的應用，對本研究仍有一定的啟發意義，但由于并沒有使用大數據關鍵詞，因此沒有被本文收錄和分析。鑒于系統文獻綜述方法對于文獻搜索有十分精準要求的客觀限制，現階段還無法通過擴充搜索關鍵詞以完善本文分析的文獻庫。未來研究則可以通過關注大數據技術/數據分析在一個特定政策領域比如交通政策制定上的應用，進一步縮小研究范圍和增加研究深度，為政府應用大數據于公共政策分析提供更具體的參考。

參考文獻：

［2］胡稅根，單立棟，徐靖芮．基于大數據的智慧公共決策特征研究［J］．浙江大學學報(人文社會科學版)，2015(3):5－15．

［3］胡小明．大數據應用的誤區、風險與優勢［J］．電子政務，2014(11):80－86．

［5］黃璜，黃竹修．大數據與公共政策研究:概念、關系與視角［J］．中國行政管理，2015(10):25－30．

［6］張楠．公共衍生大數據分析與政府決策過程重構:理論演進與研究展望［J］．中國行政管理，2015(10):19－24.

作者：石婧；艾小燕；操子宜 單位：華中科技大學公共管理學院