京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据驱动应急管理变应急“智”理
大数据是多样性的数据集合,除了那些普查数据、调研数据、实验数据、记录数据等结构化数据外,还包括了网上点击、搜索信息、图片、视频、传感器等非结构化数据,其中非结构化数据占到95%,而这些是传统数据库所不能分析利用的资源。它还通过快速创建、处理和分析数据来满足用户的实时需求。大数据致力于将那些看似没有任何价值的碎片化信息通过机器学习等方式进行挖掘、梳理,使其具有利用价值。大数据的这些特性给应急管理模式革新和能力提升带来了机遇。
新机遇
事前阶段,大数据辅助预测,提高监测预警能力。大数据的关键是从因果关系到相关关系的思维变革,大数据的核心是建立在相关关系分析法基础上的预测。危机预测要求监测风险点和危机源,然而它们正变得越来越不可控。除了自然灾害外,我国的社会转型造成社会公共危机事件频发。一是从农民变为市民的城市化进程,使流动人口问题和社会矛盾加剧;二是从市民变为网民的信息化进程,使网络舆情危机和网络信息安全危机增多;三是从国民变为世界公民的国际化进程,使文化冲突、特殊人群管控和国际卫生事件管理更困难。应急管理的情境如此繁杂多变,依靠经验决策、权力命令、信息压制等传统手段已无法满足要求。大数据对这些多源异构数据的搜集、分析和处理能够填补应急管理预警能力的不足,它可从海量的数据信息中筛理出那些关键的信息线索,进而监测风险点和危机源。
事中阶段,大数据辅助决策,提升应急处置能力。西蒙的有限理性理论告诉我们,信息掌握、认知水平和时间限制都将影响到决策者的行为,迫使他们选择“令人满意”的方案,而非最优方案。大数据不但可抓取多样式的数据,还可以通过总体分析而非样本分析获取总体信息,不再是随机样本量的控制,而是采用全体数据来统计分析,必然使决策更加科学。另外,在危机处理中,因果逻辑在短时间内不易查找,可以通过大数据的相关关系查找出危机事件影响的关键要素,进而干预和控制这些要素,对危机事件进行控制。其实,大数据处理应具有“要效率不要绝对精确”的理念,使应急决策信息的获取更为快捷,应急处置也会更为迅速。
事后阶段,大数据辅助配资,提升救援重建能力。在灾后救援过程中,亟需资源配置最优、资源整合最快、自组织能力更强的方案。例如在城市交通事故、群体性疫情的爆发、冰雪、暴雨等自然引发的城市洪涝等情况下,大数据可通过应急管理平台完成救援路线的设计、救援人员的安排、救援物资的配置,让危机后的损失达到最小化。另外,大数据技术可处理个性化的数据,追踪危机相关者的个性化需求,可以推送更有针对性的援助和服务。
总之,大数据驱动消极被动的应急管理变为积极主动的应急“智”理。在大数据的驱动下,应急管理正向应急治理和应急“智”理转变。应急管理是以政府为中心的一元主体思维模式,强调政府在应对公共危机中的预防和管控;应急治理是政府主导下的政府与社会各利益相关方等多元主体共同治理的思维模式,强调协同治理;而应急“智”理则是组织、人员、信息、资源等全要素共同治理的思维模式,构成了技术与组织制度的全景式知识体系,强调整体治理。
新挑战
大数据给应急管理变革带来众多机遇的同时也对当前应急管理模式提出了挑战,需要我们在大数据热潮中冷静地思考。
数据科学家和数据管理人才匮乏。按照IDC(国际数据公司)的分析,“到2020年,全球数据总量中有22%将来自中国”。数据量的急剧膨胀,一方面提供了知识财富,另一方面又考验着数据处理能力。在大数据时代,依靠传统经验、知识推理立足的论断都将受到技术的挑战,因此城市应急管理专家的地位将受到威胁,取而代之的将是数据科学家。詹姆斯·格雷认为科学研究正迈入第四范式“数据科学”,前三个科学研究领域为实验科学、理论科学和计算科学。在我国还没有相应地建立起完备的信息技术人才培养体系时,大数据相关人才的匮乏将成为关键性矛盾。
传统应急管理体制面临困境。我国现行应急管理体制重视“一案三制”建设,2007年颁布的《突发事件应对法》确立了“统一领导、综合协调、分类管理、分级负责、属地管理为主”的应急管理体制。这一体制强调等级制的命令指挥链,由党政领导来发挥权力作用。强调权力手段的同时,忽视了数据工具的作用,两者间发生了严重的不对称。应急管理情境要求数据抓取全面、数据传输快捷、数据分析准确、数据共享再利用,但是我国当前的应急管理体系中这几个方面严重不足。除技术因素外,其中也不乏应急管理体制的梗阻。
政府危机公关能力受到挑战。在应急管理过程中,政府要借用公关手段进行危机处理,如控制事态、引导舆论、维持关系、重塑形象等。面对网络媒介快速传播的特征,依靠传统的“管制论”和“封堵论”来应对网络舆论危机将比较困难,应该实事求是,平等沟通。如果危机公关不当,则可能会引发更严重的公关危机。
新应对
应对以上挑战,需要借助大数据的发展和应用来驱动应急管理的深层次变革,主要应做好以下工作。
在技术与人的协作中,应更重视人的地位。大数据仅能提供相关性,而人要提供必要的因果追求。大数据分析是工具理性,人体现的是价值理性,为数据分析指明了方向。另外,大数据提供的是参考答案,而不是最终答案。如果过度依赖大数据技术进行决策,将有决策失灵的风险,因此应避免出现技术决定论的状态。只有人和技术的密切协作才能够体现应急管理的科学性和合理性。
增量上进行数据化处理,存量上进行数据开放。尽管我们面临海量数据处理的压力,但是目前仍有信息数据化不足的问题,如有些纸质文件并没有形成电子文件。因此,要尽可能地完成信息数据化、数据结构化、结构标准化的工作。另外,数据只有流动才更有价值,所以国家应尽快出台数据开放的法律制度,推动非涉密数据的开放。重视应急部门协作、应急数据的共享和再利用,避免再次发生同样的危机事件。
成立大数据管理机构并培养大数据管理人员。成立有足够共识性的大数据管理机构,打破官僚体制的梗阻,以协调不同部门之间的数据资源整合与共享。另外,在CIO(首席执行官)制度建设中适当增设大数据管理人员岗位,并做好他们的培训工作。当然也要警惕技术官僚利用大数据管理之便为自己谋私利的情况发生。
重视电子政务功能的开发和拓展。电子政务正步入第三个发展阶段——智慧政务阶段。“自动化政务”应用自动化技术重在辅助基层工作者处理日常服务事务;“网络政务”应用互联网技术重在辅助中层管理者处理沟通协调事务;“智慧政务”应用大数据技术重在辅助高层领导者处理决策控制事务。大数据时代的电子政务不仅要承担政府网站的信息公开、在线办事和公众参与功能,还应该积极运用大数据技术为应急管理开辟平台,从而提供数据分析、预案响应、资源配置和辅助决策等功能。
重视线上线下的互动与协作。数据、信息与知识是大数据时代的生产资料。社会上也将会出现占有生产资料的阶层和不占有生产资料的阶层的分化。因为大数据抓取的是数据化的信息,因此它仅体现了占有生产资料的一部分人的声音和诉求。那些没有计算机或无使用网络能力的弱势群体的诉求在大数据应急管理过程往往被忽略了。因此,为了使应急管理更有效,应该重视线上线下的互动与协作。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12在数字化转型深度渗透的今天,企业管理已从“经验驱动”全面转向“数据驱动”,数据思维成为企业高质量发展的核心竞争力,而CDA ...
2026-03-12在数字经济飞速发展的今天,数据分析已从“辅助工具”升级为“核心竞争力”,渗透到商业、科技、民生、金融等各个领域。无论是全 ...
2026-03-11上市公司财务报表是反映企业经营状况、盈利能力、偿债能力的核心数据载体,是投资者决策、研究者分析、从业者复盘的重要依据。16 ...
2026-03-11