摘 要:依托大數(shù)據(jù)、互聯(lián)網(wǎng)和信息技術(shù)的發(fā)展，數(shù)字經(jīng)濟已經(jīng)成為我國高質(zhì)量發(fā)展的新引擎，對經(jīng)濟發(fā)展、社會治理、人民生活等方方面面都產(chǎn)生了重要影響。但是，對大數(shù)據(jù)這一數(shù)字經(jīng)濟的關(guān)鍵要素，目前在治理方面仍存在不少挑戰(zhàn)。為此，要著力防范“大數(shù)據(jù)自大”陷阱，加強大數(shù)據(jù)治理，為充分發(fā)揮大數(shù)據(jù)在國家治理現(xiàn)代化中的作用打下堅實基礎(chǔ)。
關(guān)鍵詞:大數(shù)據(jù)治理 大數(shù)據(jù)自大 政策建議
【中圖分類號】D63 【文獻標識碼】A
由于大數(shù)據(jù)具備“海量、實時、多類型”等特征， 依托大數(shù)據(jù)、互聯(lián)網(wǎng)和信息技術(shù)的發(fā)展，我國數(shù)字經(jīng)濟蓬勃發(fā)展，已經(jīng)成為高質(zhì)量發(fā)展的新引擎。但是，對大數(shù)據(jù)這一數(shù)字經(jīng)濟的關(guān)鍵要素而言，目前在治理方面仍存在不少挑戰(zhàn)，尤其是存在過于強調(diào)大數(shù)據(jù)發(fā)展優(yōu)勢而忽略其中可能存在問題的傾向。為此，本文旨在著重探討大數(shù)據(jù)治理中需要防范的“大數(shù)據(jù)自大”陷阱。
“大數(shù)據(jù)”和“傳統(tǒng)數(shù)據(jù)”收集過程的差異
大數(shù)據(jù)在收集和分析方式上與傳統(tǒng)數(shù)據(jù)存在較大差異。傳統(tǒng)統(tǒng)計數(shù)據(jù)的收集主體是國家統(tǒng)計部門（“統(tǒng)計”在英文中與“國家”同一詞根）和特定研究機構(gòu)。無論是人口普查還是抽樣調(diào)查，在收集數(shù)據(jù)前往往需要經(jīng)過確定收集數(shù)據(jù)的目標、根據(jù)該目標設(shè)計問卷或者確定收集方法、組織數(shù)據(jù)采集團隊、對數(shù)據(jù)收集做好質(zhì)量控制等步驟。對于抽樣調(diào)查，還需要詳細的確定抽樣框的步驟。尤其重要的是，傳統(tǒng)數(shù)據(jù)的統(tǒng)計必須遵守相關(guān)法律法規(guī)，如《中華人民共和國統(tǒng)計法》《中華人民共和國統(tǒng)計法實施條例》等。因此，傳統(tǒng)數(shù)據(jù)的收集主體相對清晰，數(shù)據(jù)收集目標相對明確，存在規(guī)范的收集流程；一旦統(tǒng)計數(shù)據(jù)出現(xiàn)質(zhì)量問題，也有明確責(zé)任人。
與傳統(tǒng)數(shù)據(jù)的收集相比，大數(shù)據(jù)往往不是為了特定目標收集，而是企業(yè)運營過程中產(chǎn)生的副產(chǎn)品。例如，谷歌作為搜索引擎，最初只是為用戶提供便捷的搜索工具，但隨著用戶搜索量的增加，用戶搜索的信息本身沉淀為搜索大數(shù)據(jù)。又如淘寶最初只是讓消費者和廠商可以在線上達成交易的平臺，但雙方的交易形成了交易大數(shù)據(jù)。簡而言之，大數(shù)據(jù)的收集不再是某一主體為了特定目標而主動展開的統(tǒng)計項目，收集過程往往由數(shù)據(jù)采集平臺和機構(gòu)自行決定，因此對外界來說是“黑箱”。由于目前我國還沒有相應(yīng)法律法規(guī)來規(guī)范大數(shù)據(jù)收集過程中的責(zé)、權(quán)、利問題，大數(shù)據(jù)的質(zhì)量以及基于大數(shù)據(jù)的分析如果出現(xiàn)問題也存在難以追責(zé)的現(xiàn)象。
“大數(shù)據(jù)自大”的提出
“大數(shù)據(jù)自大（Big Data Hubris）”問題最早由Lazer等學(xué)者在2014年發(fā)文討論谷歌公司預(yù)測美國流感發(fā)病率項目時提出。2008年11月，谷歌公司啟動了GFT（谷歌流感趨勢）項目以預(yù)測美國疾控中心報告的流感發(fā)病率。2009年，GFT團隊在《自然》發(fā)文稱，只需分析數(shù)十億搜索中45個與流感相關(guān)的關(guān)鍵詞，GFT就能比美國疾控中心提前兩周預(yù)報2007—2008季流感的發(fā)病率。2014年, Lazer等學(xué)者在《科學(xué)》發(fā)文指出，2009年GFT沒有能預(yù)測到非季節(jié)性流感A-H1N1；從2011年8月開始的108周里，GFT有100周高估了美國疾控中心報告的流感發(fā)病率，高估程度達1.5倍—2倍多。
Lazer等學(xué)者認為，“大數(shù)據(jù)自大”是這一預(yù)測錯誤的主要原因之一。這里，它是指一家機構(gòu)認為自己擁有的“海量數(shù)據(jù)”就是“全量數(shù)據(jù)”，因此在分析定位上認為大數(shù)據(jù)比科學(xué)抽樣基礎(chǔ)上形成的傳統(tǒng)數(shù)據(jù)更優(yōu)越。雖然近年來大數(shù)據(jù)與各類傳統(tǒng)數(shù)據(jù)相結(jié)合的分析受到了一定程度的重視，但是在實踐中卻仍然存在“大數(shù)據(jù)自大”現(xiàn)象。
“大數(shù)據(jù)自大”的現(xiàn)實表現(xiàn)
忽略大數(shù)據(jù)可能存在的結(jié)構(gòu)變化
由于大數(shù)據(jù)相關(guān)技術(shù)在我國運用的時間還比較短，在對經(jīng)濟和金融相關(guān)的預(yù)測中，尚不存在可以跨越較長經(jīng)濟周期的大數(shù)據(jù)。而大數(shù)據(jù)分析所依據(jù)的機器學(xué)習(xí)或者深度學(xué)習(xí)模型，都假定了訓(xùn)練數(shù)據(jù)的生成機制和真實數(shù)據(jù)的生成機制是相似的，即不存在結(jié)構(gòu)性變化。這一假定在較短時間內(nèi)可能成立，但是如果經(jīng)濟出現(xiàn)結(jié)構(gòu)性變化，就會產(chǎn)生過去運行良好的模型忽然預(yù)測不準的現(xiàn)象。例如，在經(jīng)濟繁榮時期訓(xùn)練出的判斷個人是否會逾期或者形成不良貸款的風(fēng)控模型，在經(jīng)濟下行時期就可能低估實際不良率的發(fā)生，導(dǎo)致對風(fēng)險的預(yù)備不足。
忽略大數(shù)據(jù)可能不具備代表性
第一，不同平臺或者機構(gòu)有其特定的消費人群。因此分析結(jié)論可能僅適用于該平臺或機構(gòu)、未必可以代表全國或某一地區(qū)的狀況。然而一個常見現(xiàn)象是，網(wǎng)絡(luò)新聞平臺采用該平臺的瀏覽大數(shù)據(jù)來分析各省人群的閱讀習(xí)慣差異，餐飲行業(yè)平臺采用在這個平臺上產(chǎn)生的大數(shù)據(jù)來分析不同城市的夜間經(jīng)濟，報告結(jié)果往往直接闡述為“XX省的讀者更偏好娛樂類新聞”“XX市夜間經(jīng)濟特征”等。當(dāng)相關(guān)企業(yè)將這類報告報送有關(guān)部門時，解讀這類報告中的趨勢和特征就需要注意，這類報告的分析包含了兩部分因素：一是全國或者某一地區(qū)人民閱讀或者餐飲的真實特征和趨勢；二是該平臺自身需求所帶來的結(jié)構(gòu)性變化。如果忽略了第二種因素，就可能會導(dǎo)致對一些行業(yè)發(fā)展狀況產(chǎn)生誤判。
第二，在大數(shù)據(jù)供給層面存在算法調(diào)整問題。以谷歌公司為例，其商業(yè)模式的主要目標是更快速地為使用者提供準確信息。為了實現(xiàn)這一目標，數(shù)據(jù)科學(xué)家與工程師不斷更新谷歌搜索的算法，讓使用者可以通過后續(xù)谷歌推薦的相關(guān)詞快捷地獲得有用信息。這一模式在商業(yè)上非常必要，但在數(shù)據(jù)生成機制方面卻導(dǎo)致不同時期的數(shù)據(jù)之間可能不可比。如果數(shù)據(jù)分析團隊和算法演化團隊沒有充分溝通，數(shù)據(jù)分析團隊不清楚知曉算法調(diào)整對數(shù)據(jù)生成機制的影響，就會誤將數(shù)據(jù)變動解讀為市場真實變動而帶來誤判。
第三，數(shù)據(jù)生成動機可能會隨時間推移而發(fā)生變化。前文已述，大數(shù)據(jù)不再是由政府特定部門或者特定機構(gòu)主持收集，而是經(jīng)濟社會主體運營中產(chǎn)生的副產(chǎn)品，因此大數(shù)據(jù)的采集就和該主體自身的利益訴求密切相關(guān)。以社交媒體大數(shù)據(jù)為例，對這類數(shù)據(jù)的分析常常建立在一個假定之上，即人們在社交媒體分享的信息都是真實的、自發(fā)的、不會被自己發(fā)言的平臺所操縱。如果說過去社交媒體企業(yè)記錄保存客戶信息的動機僅僅是本公司發(fā)展業(yè)務(wù)需要，算法演化也單純是為了更好地服務(wù)消費者，那么隨著大數(shù)據(jù)時代的推進，“數(shù)據(jù)為王”的特征就會越來越明顯，社交媒體會看到除了可以給使用者植入廣告以增加收入之外，還可以操縱數(shù)據(jù)的生成與報告以增加自身的影響力。
技術(shù)唯上，忽略大數(shù)據(jù)分析的現(xiàn)實環(huán)境
大數(shù)據(jù)為我國發(fā)展新業(yè)態(tài)提供了嶄新機遇，但也存在一味強調(diào)大數(shù)據(jù)的技術(shù)優(yōu)勢，而忽略大數(shù)據(jù)技術(shù)和各地區(qū)經(jīng)濟社會發(fā)展實際狀況相結(jié)合時可能產(chǎn)生問題的現(xiàn)象。例如，金融科技發(fā)展過程中，大數(shù)據(jù)征信獲得了長足進展。基于大數(shù)據(jù)技術(shù)，車抵貸有了新的執(zhí)行方式。相較于過去抵押車之后車就要放到固定地點不能移動的安排，現(xiàn)在由于車輛都安裝了GPS，貸款平臺可以實時監(jiān)控車輛去向，因此抵押人辦完抵押手續(xù)之后仍然可以將車開走，一旦無法還款，平臺公司上門拖車即可。但是，在2018年以來開展的掃黑除惡專項整治活動中，借款人不還款、而出借方平臺因為擔(dān)心被當(dāng)作惡意催收，也不能按照GPS上門收車的現(xiàn)象開始出現(xiàn)。又如，大數(shù)據(jù)分析技術(shù)的發(fā)展讓網(wǎng)約車成為人們?nèi)粘３鲂械男逻x擇。但2019年12月Uber的首份安全報告顯示，2018年共發(fā)生超過3000起性侵案件，而紐約警察局記錄的數(shù)據(jù)顯示，2018年交通系統(tǒng)發(fā)生的這類案件為533起。上述兩例說明，如果沒有尊重金融規(guī)律（風(fēng)險較高的人即便可以抵押車也不見得是好的借款人）、沒有相應(yīng)的司法保障而單純依靠大數(shù)據(jù)分析的技術(shù)力量，那么在開發(fā)新業(yè)態(tài)的同時也可能帶來新風(fēng)險。
防范“大數(shù)據(jù)自大”的政策建議
第一，加快訂立大數(shù)據(jù)采集和分析方面的法律法規(guī)。雖然有《網(wǎng)絡(luò)安全法》、《統(tǒng)計法》等法律法規(guī)，但目前我國在專門針對大數(shù)據(jù)采集、使用、分享等方面的法律法規(guī)還十分欠缺。例如，一些APP存在在使用者不知情的情況下，采集和使用與該APP無關(guān)的個人信息的做法，而這些行為目前并沒有明確的法律層面的懲戒措施。而歐盟的《通用數(shù)據(jù)保護條例（General Data Protection Regulations）》、荷蘭的《個人數(shù)據(jù)保護法》（Personal Data Protection Act，“DPA”）都指出，在沒有法律依據(jù)的情況下處理個人數(shù)據(jù)是不被允許的。
第二，提高大數(shù)據(jù)使用的透明度，加強對大數(shù)據(jù)質(zhì)量的評估。由于大數(shù)據(jù)體量大、分析難度高等問題，不僅大數(shù)據(jù)的收集過程可能是“黑箱”，大數(shù)據(jù)分析也可能存在過程不透明的現(xiàn)象。在GFT案例中，Lazer等人指出，谷歌公司從未明確用于搜索的45個關(guān)鍵詞是哪些；雖然谷歌工程師在2013年調(diào)整了數(shù)據(jù)算法，但是谷歌并沒有公開相應(yīng)數(shù)據(jù)，也沒有解釋這類數(shù)據(jù)是如何搜集的。同時，與透明度相關(guān)的是大數(shù)據(jù)分析結(jié)果的可復(fù)制性問題。由于谷歌以外的研究人員難以獲得GFT使用的數(shù)據(jù)，因此就難以復(fù)制、評估采用該數(shù)據(jù)分析結(jié)果的可靠性。這種數(shù)據(jù)生成和分析的“黑箱”特征，容易成為企業(yè)或者機構(gòu)操縱數(shù)據(jù)生成過程和研究報告結(jié)果的溫床。唯有通過推動大數(shù)據(jù)分析的透明化，才能在大數(shù)據(jù)產(chǎn)業(yè)發(fā)展之初，建立健康的數(shù)據(jù)文化。
第三，在保護隱私和數(shù)據(jù)安全的基礎(chǔ)上，加大傳統(tǒng)數(shù)據(jù)和大數(shù)據(jù)的開放共享力度。大數(shù)據(jù)分析中，單個企業(yè)具有顆粒度較高但是代表性不足的數(shù)據(jù) “信息孤島”問題，需要通過不同行業(yè)、不同類型大數(shù)據(jù)和傳統(tǒng)數(shù)據(jù)之間加強開放和共享來解決。目前，一些大數(shù)據(jù)企業(yè)已經(jīng)開始著手推動數(shù)據(jù)開放平臺方面的工作，這是該方向可喜的變化。同時要看到，在傳統(tǒng)數(shù)據(jù)的收集和開放運用方面，我國還有很大提升空間。只有在對涉及我國基本國情的傳統(tǒng)數(shù)據(jù)進行充分學(xué)習(xí)研究之后，我國學(xué)界和業(yè)界才能對經(jīng)濟政治社會文化等領(lǐng)域的基本狀況有較清晰的把握。而這類的把握，是評估大數(shù)據(jù)質(zhì)量、大數(shù)據(jù)可研究問題的關(guān)鍵，對推進大數(shù)據(jù)產(chǎn)業(yè)健康發(fā)展有舉足輕重的作用。
結(jié)語
我國經(jīng)濟已由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，大數(shù)據(jù)已經(jīng)成為數(shù)字經(jīng)濟發(fā)展的關(guān)鍵要素。如果忽略數(shù)據(jù)生成機構(gòu)可能存在的行為動機、大數(shù)據(jù)相關(guān)技術(shù)使用的現(xiàn)實國情、大數(shù)據(jù)和傳統(tǒng)數(shù)據(jù)的互相配合和交叉驗證，那么大數(shù)據(jù)分析就有可能落入存在嚴重偏差的陷阱。因此在政策導(dǎo)向上，需要盡快推動對大數(shù)據(jù)采集和使用的法律法規(guī)建設(shè)，同時推動大數(shù)據(jù)開放共享、大數(shù)據(jù)和傳統(tǒng)數(shù)據(jù)的研究與合作，使大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)互為補充、相得益彰，共同助力我國經(jīng)濟的高質(zhì)量發(fā)展。
【本文作者為北京大學(xué)國家發(fā)展研究院教授】
參考文獻
[1]胥愛歡: 《互聯(lián)網(wǎng)金融創(chuàng)新挑戰(zhàn)：大數(shù)據(jù)、跨界經(jīng)營與權(quán)利異化》，《西南金融》，2016年第6期。
責(zé)編：司文君 / 周素麗
聲明：本文為《國家治理》周刊原創(chuàng)內(nèi)容，任何單位或個人轉(zhuǎn)載請回復(fù)國家治理周刊微信號獲得授權(quán)，轉(zhuǎn)載時務(wù)必標明來源及作者，否則追究法律責(zé)任。