
大数据助推新型智库建设
大数据与智库都是我国的未来重点发展领域,二者联动将起到事半功倍的效果。数据科学的进步和数据产业的发展能为智库建设和研究提供技术支撑;智库可以成为大数据发展的实体依托,促进大数据研究成果的转化和落地。
大数据为智库研究提质增效
拓宽智库的研究视野和思路。大数据时代到来之前,传统智库大多存在研究周期长、视野不够开阔等问题,许多前沿性、时效性的问题难以触及。海量数据的获取和计算机新技术的应用使得通过传统技术手段难以研究的议题变得可以研究。在传统研究过程中,限于数据获取的高额成本及困难程度,研究者需要通过设计精细的理论框架将变量尽可能地精简,并且需要将收集到的资料整理成结构化的数据进行分析。大数据的发展有利于增加分析的样本量,也扩展了变量的选择面;面对非结构化的数据资源,研究者可以更加便捷地进行分析,这种“信手拈来”的验证工作往往可以得到意想不到的收获,例如发现无关变量间的显性关联。智库可以借助大数据手段发现社会发展变化过程中的新变量,挖掘出更多的因果解释机制,为决策者提供新方案、新视角、新思路。
提高智库研究成果的时效性和科学性。数据分析的主要目的是依托于对过去和当前形势的把握而对未来进行预测(forecasting)。在传统的数据分析工作中,数据对时间的敏感度较低,而新技术的发展帮助研究者实现了对海量信息的实时收集,将预测变成了现测(nowcasting),很多预测工作的时限都被缩短到一天之内,上午获得的数据便可以应用到对下午走势的预测中,甚至用前一个小时收集的信息对下一个小时的情况进行预测。这些已经在全球的经济、科技、政治等领域得到了广泛应用,美国大选中对选民态度的实时分析和预测就是智库在政治活动中应用大数据技术的典型案例,其时效性强的优势将在未来的智库研究中得到进一步体现。此外,大数据具有直接面向全样本进行分析的特点,有助于提高智库研究的科学性和准确度。在传统的社会科学研究中,无论怎样精巧设计,通过抽样得到的分析结果都无法达到全样本分析结果的准确度。因此,保持传统研究的严谨性,运用大数据研究中的数据获取手段,将成为智库提升研究成果准确度和科学性的有效方案。
增强智库研究成果展现形式的可读性。可视化分析是大数据研究领域的重要组成部分,用图像传达信息往往比文字更加直观和迅速。智库在进行成果发布和成果转化的过程中,可借助大数据技术,通过图表、图形等方式更加直观地阐释数据背后的故事。智库依托大数据技术手段实现成果的可视化,便于决策者迅速抓取有效信息,理解相关智库的主要观点,提高决策效率;帮助媒体更有效地进行报道传播,建立与智库的良性互动机制;将复杂问题以简单易懂的方式进行呈现,增强公众对政策制定过程和智库研究成果的参与和认可。
我国智库应用大数据技术的现状
在我国各类型智库中,企业智库在收集、处理和分析大数据方面占有绝对优势。阿里研究院等企业智库对于国民网购、出行、快递服务等领域的大数据分析已经较为成熟和细致,涉及对各类人群各类行为的深度分析,但其积累的数据主要集中在商业领域,不能充分满足政府决策的需求。高校智库往往自主建立大数据研究中心或者与所在高校的大数据研究机构进行合作。据笔者统计,我国的39所“985”工程院校中,已建立大数据研究或教学机构的有19所,涉及的研究机构有20个,为所在院校的智库工作提供有力的数据和技术支持。在人才培养方面,部分高校已经开设了数据科学相关的课程,甚至建立了学位授予点,但仍处在自主探索的阶段。党政智库也积极与相关机构合作,打造大数据管理系统,但在硬件支持、人才队伍等方面与企业智库和高校智库相比,仍有一定差距。
评价体系对智库发展具有重要引领作用。近年来,各智库评价机构在指标设计和相关工作中都将大数据应用摆在了重要位置。2016年9月光明日报智库研究与发布中心和南京大学中国智库研究与评价中心联合推出的中国智库索引(CTTI),为智库界利用大数据手段进行研究提供重要支撑。2017年1月7日,清华大学公共管理学院“中国智库大数据评价研究”课题组发布了“中国智库大数据报告(2016)”,应用大数据的评价方法来实现对微博、微信、手机APP数据的全覆盖,进而对智库的日常行为活动进行客观评价,督促各智库加强大数据的开发与应用。
利用大数据手段增强智库研究能力
注重原始数据积累,建设多领域的大数据资源库。在大数据时代,掌握数据资源是提升竞争力、增强话语权的首要条件。有能力、有条件的一批智库要率先打造自己的数据资源库和管理平台,为研究奠定数据资源基础。目前,我国部分智库已经建成或正在建设自己的大数据库,例如中国社会科学院的中国社会科学网数据中心将社会科学领域的学术期刊、社会调查资料和学术经典整合在一个开放平台中,供研究者交流使用,这种模式应当成为未来数据平台建立的主流方向。为此,国家应加强重视,提供更多支持;智库和研究机构要增强对数据资源的准备和积累,在擅长领域建立数据库,占据主动权;智库管理部门应统筹协调,加强对数据库建设的整体部署,使各智库共享数据资源。
加强顶层设计,引进和培养适应需求的复合型人才。大数据时代,对数据的处理和分析需要较强的理论基础作为依托,否则很难发现海量数据背后蕴藏的价值和意义。大数据时代所需要的是既能够熟练掌握大数据挖掘技术,又在某一传统学科有扎实理论基础的“数据科学家”,而不是仅仅擅长技术开发的“数据工程师”。由于大数据产业在国内发展的时间较短,数据科学领域的专家供不应求,尤其是在智库领域工作的大数据人才还很少,这在党政智库尤为明显。因此,要加强大数据人才的海外引进,智库要提供相应配套制度保障;加强大数据人才的自主培养,特别是适合我国发展需要的数据科学家。
利用互联网和多媒体工具,实现多元合作共享。互联网与多媒体工具的应用是大数据产业顺利发展的重要依托。各个智库在大数据时代应当充分借此传播自己的研究成果,提升影响力,发挥专长,通过互联网收集和整理数据资源,开放共享,互通有无。其间,要尽量减少数据的重复开发和浪费,避免数据孤岛现象。相关部门应尽早出台有关数据产权界定和合法权利保护的法律规章制度,为获取和使用数据资源、交易或共享数据提供法律依据和制度保障。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29