
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
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10