数据驱动型智库研究理念及建设路径

来源：核心期刊咨询网时间：12

摘要：摘要：[目的/意义]传统的社会科学研究范式是理论驱动型的研究，随着大数据时代的来临，数据驱动研究成为一种新趋势，数据驱动的研究模式给传统领域的研究带来了新的研究方法与范式。大数据给当今的智库研究带来了挑战，同时也为以数据为驱动的智库研究提供了

　　摘要：[目的/意义]传统的社会科学研究范式是理论驱动型的研究，随着大数据时代的来临，数据驱动研究成为一种新趋势，数据驱动的研究模式给传统领域的研究带来了新的研究方法与范式。大数据给当今的智库研究带来了挑战，同时也为以数据为驱动的智库研究提供了新的契机，数据驱动型智库建设是加强中国特色新型智库建设的方向之一，本文尝试从数据驱动型智库建设出发，探讨数据驱动型智库形成渊源、理念内涵，并对数据驱动型智库建设路径进行了分析，探索其建设思路。[方法/过程]本文通过对数据驱动型智库建设的渊源分析，探讨数据驱动型智库研究理念，从智库研究范式、数据建设、智库的组织结构及运行机制等角度对数据驱动型智库建设与智库服务等方面进行分析。[结果/结论]本文提出了转变传统研究范式、建立智库数据中台、健全智库大数据隐私保护体系以及提升智库影响力等建设路径，对我国传统智库建设和服务的转型具有一定的借鉴和参考意义。

　　关键词：数据驱动研究 特色智库 大数据 辅助决策

　　1 引言

　　智库(think tank)是指由专家组成的为决策者处理社会、经济、科技、军事、外交等方面的问题出谋划策，并提供最佳理论、策略、方法、思想等的公共研究机构，是影响政府决策和推动社会发展的一支重要力量[1]。

　　传统的智库研究是理论驱动型的研究。随着大数据时代的来临，数据驱动研究成为一种新的趋势，数据驱动的研究模式给传统领域的研究带来了新的研究方法与范式。在大数据技术快速发展的背景下，树立数据驱动型智库研究理念与加强中国特色新型智库建设的方向是一致的，数据驱动型智库的建设以数据为支撑，以数据驱动为决策模型，其核心是描述数据内容，揭示数据内容之间的关联，发现数据内在规律，为智库决策者提供所需的信息和建设性结论。

　　2 数据驱动型智库渊源探析

　　美国智库学者詹姆斯·史密斯(James Smith)认为，1865年10月，来自全国各行各业近百名改革者聚集于波士顿的马萨诸塞州议会大厦探讨贫困救济、失业、公共卫生等诸多问题，标志现代智库的诞生[2]。随着科学技术的发展，电子计算机的出现为智库的决策服务提供了科学预测工具，20世纪50年代早期，美国兰德公司的威利斯·威尔自主设计出计算机JOHNNIAC，通过不断改进算法，引进并开发出配套的计算机软件、数据库，最终组成智库辅助决策系统，在当时冷战背景下，作为美国空军的智库大脑，兰德公司的决策服务有力地保障了美国的国家安全[3]。20世纪60年代以来，在系统工程学的迅速发展下，学者相继提出了福雷斯特-梅多斯模型(The Forrester-Meadows models)、梅萨罗维奇-佩斯特尔模型(The Mesarovic-Pestel model)、巴里洛切模型(The Bariloche model)、世界银行模型(The World Bank model)等多个定量分析模型[4]，进而辅助决策研究，成为了现代数据驱动型智库服务的先驱。在早期的信息技术时代，智库仅仅实现决策信息化，数据处理在粒度层级上相对粗糙，无法进行更深层次的数据分析与挖掘。随着信息技术的快速发展，计算机处理能力得到极大的提升，数据处理的粒度层级精细化，同时，信息产业革命促进了数据急剧增长，大数据时代为数据挖掘等提供了足够的样本数据，数据处理技术的大规模应用保证了数据的快速性和准确性，这使得提供基于数据驱动的决策服务成为可能，基于数据驱动的决策服务被各类智库广泛应用。2004年，帕兰提尔科技公司(Palantir Technologies)向美国军方提供用于反恐的情报数据挖掘软件以及数据分析技术，通过分析政府提供的数据为美国反恐提供决策支持[5]。部分全球顶级智库目前也已建立较为完备的数据支撑体系，例如美国兰德公司近年来一直注重数据驱动型智库建设，兰德公司智库数据体系主要类型包括：自上而下建设的宽领域数据体系、自下而上建设的项目数据体系及双向综合参与型智库数据体系，保障兰德公司能够快速、准确地满足客户要求[6]。随着数据挖掘技术的快速发展和广泛应用，基于數据驱动的预测分析成为决策的必要步骤，数据驱动型智库服务已对商业运营、国际反恐、疾病应对、教育管理、国防建设等多个方面产生重要影响。

　　国内数据驱动型智库的发展从基于信息化决策向数据驱动决策方面演变。现代中国智库兴起于改革开放初期，1986年8月15日，时任国务院副总理万里在全国软科学研究工作座谈会上指出[7]，“我们至今仍然没有建立起一整套严格的决策制度和决策程序，没有完善的决策支持系统、咨询系统、评价系统、监督系统和反馈系统。决策的科学性无从检验，决策的失误难以受到及时有效的监督”。这次讲话指出了当时国内智库服务存在的问题，标志着中国智库服务向科学化转型。20世纪80年代国务院发展研究中心利用可计算的一般均衡模型进行政策模拟分析，例如去预测世界贸易组织成员资格和养老金替代率改革的影响[8]。20世纪90年代DRC研发出宏观经济智能决策支持系统，用于预测经济发展趋势、监测经济系统运行和规划经济发展，为决策部门提供定量参考依据[9]。

　　进入21世纪，大数据技术的出现使得智库能够提供更多基于数据驱动决策的服务。广西大学通过建立中国-东盟大数据平台，将海量、动态、多样的数据有效集成为有价值的信息资源，服务于“一带一路”建设等国家决策需求[10]。华中农业大学宏观农业研究院通过建立宏观农业大数据平台，融合不同类型的大数据和整合数据驱动的多学科研究方法，实现对农业系统的预测、预警与监控以及风险管理，并支持个体与政府的决策[11]。国务院发展研究中心李望月等研究员将大数据乡村画像技术应用到乡村振兴的热点研究中，探索了大数据乡村画像未来的研究方向，为国家乡村振兴战略提供了技术支撑[12]。

　　推荐阅读：钢铁企业与大数据相关的论文文献

转载请注明来自：http://www.qikan2017.com/lunwen/dzi/20317.html