京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据与风险社会的危机管理创新
德国社会学家乌尔里希·贝克1986年在《风险社会》一书中,首次提出风险社会的概念。人们普遍认为,它很好地描述和分析了当代社会的结构特征,为理解当下中国转型时期的社会风险,应对公共危机,提供了有益思路。大数据开启了一场新的数据技术革命,大数据技术的引入,可以重构传统的风险管理体制,再造危机管理流程,变革和创新政府管理思维。
社会转型与社会风险
根据贝克的理解,随着现代化的推进、科技的发展及经济全球化进程的加速,人类进入了一个风险频发的风险社会。虽然风险古已有之,但现代风险具有整体性、不可感知性、不确定性、全球性、自反性等传统风险所不具备的特性,它从根本上改变了工业社会的运行逻辑、社会动力和基本结构,使人类进行了一场“从短缺社会的财富分配逻辑向晚期现代性的风险分配逻辑的转换”。现代科技在推动社会发展的同时,也带来大量潜在的风险,这种“自反性”现代化的结果是,科技和现代化发展得越快、越成功,风险便越多、越突出。
此外,风险社会的另一个后果,便是社会的“个体化”。人们不再以阶级、家庭等制度性标准作为行动参照,而完全以自身作为决策主体;人们也不再以阶级地位,确定某人的家庭地位、观点、关系、社会、政治与认同。这是社会结构的巨大的变迁。在传统社会,个体遭遇风险,可被当成不由个体负责的事件;而在风险社会,则被视为个体的失败案例。这就导致风险在数量上增加,类型上更加复杂化,因为不同的人会遇到性质和形式不同的风险和罪责归因。
与此相关,风险社会的另两个结构性变化,是工作场所的多元化和工作的灵活化。传统单位里终身的全职工作,转变为充满风险的,多样、灵活和分散的就业体系,这带来了普遍的就业不安全感,并对现行的劳动保障体制及法律制度的合理性提出了质疑,给社会发展和政府管理带来了威胁与挑战。
风险社会与危机管理
经过30多年的高速发展,当代中国正处于社会转型和危机高发的风险社会阶段。现阶段我国不仅受到环境与资源的巨大制约,而且还需在尽可能短的时间内完成发达国家相当长时期内完成的社会变迁和结构转型。这种快速转型,可能导致社会结构出现断裂,带来频繁的社会危机和剧烈的社会震荡。20世纪80年代,拉美国家出现的“拉美陷阱”,原因正在于此。
一般而言,现代风险社会具有三大特征:风险的人化、制度化、普遍性。当前,我国正处于全球风险、社会转型风险混合叠加的高风险时期——由传统社会向现代社会转型,既存在机遇,也面临风险;经济全球化加速了全球信息与物质的流动,将我国裹入全球风险之中。近年来,源自国内外的一系列公共危机,清晰地表明我国业已步入高风险社会。
2003年非典以来,我国“一案三制”的应急管理架构,“统一领导、综合协调、分类管理、分级负责、属地管理为主”的危机管理体制,得以初步成形,并在若干重大危机应对中凸显优势。然而,随着经济、社会的急剧转型,这种集中资源的“拳头式”危机管理体制,问题和缺陷也日渐显现。例如,这种危机管理体制的理论预设是危机的“非常态”,将危机视为偶然事件,侧重于事后的应急处置,忽视前期预警和全流程监控,致使本可早期预防的危机频繁发生。同时,脱胎于传统官僚体制的政府危机管理体系立足危机“已然存在”的假设之上,依靠权力分工、责任认定和制度化的应急手段予以消除,但随着风险社会的来临,风险来源不断增多,变异性、扩散性日益增强,仅对危机进行局部改良已难以从根本上解决问题。因此,必须引进新的技术与方法,创新危机管理,推进治理体系和治理能力的现代化。
大数据与危机管理创新
大数据技术及管理模式的引入,能有效重塑危机管理体制的理念、机制和流程,提高危机管理的科学性和可预见性,促进现有体制结构性问题的解决。
重塑管理理念。风险社会的危机事件具有高度的复杂性、普遍性、衍生性和利益关联性。必须突破现有理念中“重应对、轻管理”的误区和“重权力、轻技术”的倾向,主动运用大数据的挖掘、分析、预测和流程整合能力,对危机生命周期的全程进行流程管理,实现从单一的事件应对向全流程管理的理念转变。避免聚焦于应对环节,忽视监测预防、缓解、评价、学习、反思等重要步骤。避免一次次成功的事件应对过后,处置能力和应急管理水平毫无长进,一事过后同类问题反复发生。大数据最大的价值在于预测,它能实现有预见性的管理。
变革管理体制。现代危机具有很强的跨领域性、衍生性、危害的全社会性,在此背景下,现行体制纵向分工的惯性与现代危机管理横向整合要求之间存在严重的功能性冲突和结构性矛盾,一个部门负责一种危机的模式也已无法适应当代危机管理的需要。而大数据技术及相关管理模式,能为现有体制及专业分工所致的信息壁垒提供很好的解决方法,原因在于管理流程中产生的数据流,只遵循数据本身的性质和管理的要求,而不考虑专业分工区隔。
再造管理流程。即依据危机管理数据流的传播方向而非专业分工来构建和再造管理流程,使危机管理体制围绕数据流形成相应的机构、团队和人员,有效提高管理流程整体的运行效能。
构建数据分享系统。大数据技术获取的全样本数据,是现代危机管理的基础。在创新管理体制的过程中,有必要从国家层面打破部门垄断和专业区隔,构建政府内部无缝衔接的大数据危机管理系统,为联合开展危机管理提供共享的管理数据网络,实现以大数据分析决策为核心的整合式危机管理效益的最大化。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31