英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料

在公共管理中使用大数据

摘要

在使用大数据的地区，大数据已经成为现代公共管理的变革者。尽管它们在公共部门中的应用仍然受到限制，但是它们的使用在其带来效率和功效方面取得切实成果的领域中动态发展。本文介绍了大数据的概念，概述了在公共部门使用大数据的可能性及其使用方法，重点介绍了已实施大数据的案例以及结果。本文讨论了大数据方法在公共政策设计和实施以及公共权力机构内部管理中的应用。它总结了与利用大数据有关的好处，缺点和挑战。本文还简要介绍了大数据的发展历史、当前状况和预测方法。研究是使用基于互联网的案例分析进行的，并且受到与大数据方法有关的细节的保密性的限制。尽管研究仅限于公开描述，但研究结果使人们有可能了解公共行政中的大数据现象，并从其使用中汲取一般教训。

从业者的观点

大数据是一种当代现象。就功效、效率和整体客户满意度而言，正确使用大数据可以为公共行政管理带来了惊人的积极成果。 这些益处是决策准确性显著提高、内部“信息任务”的性能明显提高以及与决策过程相关的运营成本显着降低的结果。 这种可能性要归功于人类生活的数字化程度，以及信息技术以特定方式应用于公共管理，这种特定的方式，即通过强大的IT技术以推理的形式处理大量数据，以提供有助于公共管理能更好地执行其任务的信息。

关键词：行政监督 大数据 公共管理 公共政策 公共服务 法规

引言

世界上越来越多的电子数据正在生成，并且随着人们生活的数字化，未来还会有更多的电子数据。 智能手机、带有图像识别和分析软件的视频记录设备、将现实世界的现象转换为数据的传感器、智能家电和其他“物联网”系统、以及用于工作的计算机系统，所有这些设备都是永久连接在互联网上，不断产生并传输大量不同类型的电子数据。 下一个改变游戏规则的设备也即将到来，即与其他设备直接通信以创建或多或少的自治系统的设备。

上述系统创建大数据集的同时，还可以收集，存储和处理信息，以此提高数据的可用性和可用性。 此外，大数据分析和推理的新方法也在不断开发。 信息技术的进步，无论是在硬件还是在软件方面，都将数据分析和推理的能力提高到了前所未有的水平。 信息的数字化和相关数据的灵活性，人工智能和计算机思维的进步，计算机化，这些过程的自动化以及计算能力的提高，所有这些因素为以新方式访问和使用信息提供了强大的可能性，这对于传统方法而言是达不到这种效果的。

现在，公共部门以及私营部门越来越意识到数据可用性及其新使用方法用于公共利益这一事实。多个国家和地区的公共行政部门已采用大数据战略或政策（澳大利亚政府信息管理办公室，2013；英国商业创新与技能部，2013；美国总统办公厅，2014）。大数据及其使用方法是管理领域中的一种新兴现象，在效率和功效方面带来了很好的（有时令人惊讶的是）良好的结果。一个私营部门的例子就是保险公司Aviva的例子，该公司开发了一种用于手机的大数据应用程序，可以精确地跟踪其客户的驾驶习惯。这些数据用于更准确地评估驾驶员的风险。结果，谨慎的驾驶员支付的保险费用更少，而更多冒险的驾驶员支付的保险费用更高。公共行政与私营部门组织拥有类似的机会。但是，要为公共部门释放大数据的全部潜力，就需要公共权威来发展称为数据科学的知识和技能。这个相对较新的领域包括计算机编程，建模，统计，数据管理，数据探索，计算机化自然语言处理和分析，算法机器学习，数据产品格式化等。

此外，公共行政与私营部门组织拥有类似的机会。 但是对公共部门而言，释放大数据的全部潜力 需要公共机构来开发称为数据科学的知识和技能。这个相对较新的领域中涵盖了计算机编程，建模，统计， 数据管理，数据探索，计算机化自然语言处理和分析，算法机器学习，数据产品格式等。此外，公共部门也可能需要采取与私营部门不同的方法，这意味着公共部门要依据公共利益，任务和方法调整方法政策。 尽管可能需要做一些工作，但大数据对于公共行政和公共利益而言仍具有巨大的潜力。

尽管目前缺乏对大数据理论及其在公共部门中的应用的公开详细研究。但是，现实世界中有明显结果的证据。基于这些案例，可以分析使用大数据的方式，得出一般性结论，并突出显示公共部门可以（以及如何）使用大数据的领域。因此，本文的目的是总体上介绍大数据的概念，概述在公共部门中使用基于大数据的方法的可能性，并展示已实施大数据方法的案例以及结果。本文还总结了大数据方法的优点，缺点和挑战。该研究是基于互联网上可用资源的案例分析进行的。大数据方法的细节通常是机密的，因为它们构成了大数据业务专业知识的一部分。监督管理部门大数据应用程序的详细信息也是机密的，因为其有效性取决于公众是否意识到所使用方法的详细信息。因此，公开可用的描述倾向于是通用信息。然而，可以从这些一般描述中获得对该现象的理解。

大数据和大数据方法

大数据有几种定义，从简单到复杂。最简单的定义由D. Laney提出，他以大数据量，大速度和大变化来描述大数据集（Laney，2001年）。这个定义虽然简单，但足以满足一般目的，并被广泛使用（美国总统办公厅，2014年）。提出该定义十五年后，数据集变得越来越大，越来越快且种类越来越多。在现代社会中，几乎每个人都留下了他们生活的数字化痕迹，这些痕迹可能会被收集起来，并且可以轻松地进行处理和推理。推理方法包括数据聚合，提取，演绎，模式检测，网络分析，趋势评估，模型创建，预测等。大数据方法依赖于借助计算机技术对上述数据集应用某种推理。总的来说，当代大数据方法的核心优势在于，它们允许广泛的信息输入以及对该信息的密集，自动化的分析。这使组织可以更好地管理和执行其职责，甚至可以执行原本不可能完成的任务。大数据方法的成功应用导致：

1.通过以下方式大大提高了决策的准确性：

a用于分析和得出结论的信息数据库的空前扩展。

b涉及分析和推理的大量工作的可行性，仅靠人力资源是不可能的。

C应用新的数据表示方法，可以更好地理解现象，随时间变化以及相互关系。

d创建算法以建议适当的解决方案。

2.通过计算机化和自动化数据分析和推理，显着提高内部“信息任务”的性能。

3.由于使用了信息技术，而不是人们来执行部分或全部分析工作和推理，因此大大降低了与决策过程相关的成本。

执行以前不可能完成的任务的机会是上面第1点和第2点提到的因素的后果。 为了简化：大数据方法可以发现以前无法揭示的知识。反过来，这种新知识可以成功地完成新任务（以前是不可能的，甚至是无法想象的）。

从组织中信息处理的角度来看，在此处理的不同级别上有不同的好处。 在输入阶段，大数据方法为收集，存储和轻松提供大量数据（通常是实时的或接近实时的）提供了新的可能性。在转换阶段，大数据方法允许使用新的或传统的高速处理方法，针对广泛的信息进行自动推理。在输出阶段，大数据方法启用了呈现大量原始数据和推理结果的新方法，从而使公共机构可以更好地了解其管理的实际情况。

值得一提的是，大数据并不一定会对决策者造成信息过载。它们的使用机制基于被动数据，决策者可以根据自己的特定需求轻松获得这些被动数据。大多数信息处理工作都是由计算机完成的，决策者会收到与编程任务相关的输出。

描述性（历史和当前）模型和预测模型

大数据方法可用于以下三种方法：

1.历史记录-数据显示过去特定时间的状况。 在这种模型中，公共机构获取知识并根据过去的信息做出决策。

2.实时–数据显示当前事务状态（此模型包括数据显示当前状态或延迟几分钟或几小时的情况）。 在此模型中，公共机构获取知识并根据当前信息做出决策。

3.预测性的-数据显示未来会发生什么，公共机构根据未来的预测做出决策（Pretty，2013年）。

在上述所有模型中，大数据在公共管理中均起着重要作用，有助于公共机构更加高效地执行任务。 尽管第一个和第二个模型提供了现实世界的数据，但第三个模型（预测性）也需要应用预测性推理，才能以一定的确定性来呈现有关事物未来状态的信息。 当代方法使人们有可能以较高的概率来预测几年前无法以合理和有用的概率进行预测的现象，或者根本无法进行预测的现象。 因此，该模型需要执行额外的步骤——预测推理。

模式的选择能影响公共机构根据所产生的信息采取行动的方式。 使用预测模型，公共机构采取的行动应更加谨慎，因为预测未来情况始终是概率问题。如前所述，大数据方法可以提供高概率的预测，但不确定性仍然是一个因素。另一方面，基于历史或甚至更好的实时信息而采取的行动，可能会以更高的置信度来执行。

大数据与公共政策

在考虑在公共部门应用大数据的可能性时，可以定义以下管理职能系统：

1.公共监督——查明违规行为（例如法律不合规范）并采取应对措施。

2.公共监管——通过许可，禁止或命令来规范社会行为并建立社会关系。

3.提供公共服务——提供某些服务或产品（包括道路等基础设施）。

在以上每种类型的功能中，大数据的使用都会有所不同，这证明了分类的合理性。在公共监管中，大数据用于检测不正当行为。在法规的情况下，大数据可用于对法规区域内的事态进行总体观察。 积累的知识可以改善法规并做出更好的法规决策。 它还可以帮助决策者更好地理解主管部门决策的社会影响，并从社会反馈中得出更好的结论。 为了提供公共服务，可以使用大数据来改善公共服务并创建新的服务。 在此领域中使用大数据的另一种可能性是验证社会服务的资格，这也可以被视为检测违规行为的一种形式，但处于预防阶段。

更好的监管——发现违规行为

大数据方法可能会带来重大价值的第一个领域是检测违规行为，这是公共监管职能的一部分。公共机构监视特定区域，发现行为异常，如果发现异常，则采取监督措施。在这个领域中，大数据的优势可能会清晰可见。为此，使用大数据的依据是以下“机械原理”：

1.准备尽可能广泛的数据资源集，以提供分析和推理的基础。

2.准备违规行为的数字模型。

3.将模型应用于大数据集，这意味着计算机使用不规则模型过滤数据。

作为该过程的结果，计算机系统选择并呈现符合不规则性应用模型的数据。 分析的数据还应允许将任何检测到的违规行为分配给特定实体。 在监督管理中，在正式的行政程序开始之前，在分析级别使用大数据方法。 在此阶段，大数据方法可以使主管部门指出可能违反规则的情况和实体，并允许他们根据广泛的可用信息来计划监督措施。 但是，监督行动是使用传统的行政措施（例如现场检查过程）执行的。 这有助于降低（在一定程度上）与全自动程序相关的风险（Citron，2008年）。

应该补充的是，尽管大数据可以有效，快速地发现违规行为，但它们在预测和行为分析方面也提供了令人惊讶的好处，这可以表明违规行为发生之前甚至已经发生的可能性很高（Pretty，2013年）。

实际上，使用适当的模型可以识别出违规的可能性高达95％到98％。使用大数据的一个很好的例子是检测税收欺诈和其他违规行为。 英国HM税务和海关总署使用的British Connect系统成功地实现了大数据分析。

该系统仅花费第一年就花费了4500万英镑，就为英国国库带来了14亿英镑的额外收入。 2013年，英国政府额外向英国皇家税务与海关总署（HMRC）拨款1.5亿英镑，以开发解决避税和逃税的方法，并减少税收抵免体系中的欺诈，错误和债务（英国税务与海关总署，HM Treasury，2015年）。 2014年，Connect追回了350亿英镑的未缴税款（Caldwell，2014年）。 Connect系统结合了来自28个不同实体的数据，包括公共管理和私人实体，例如土地注册处，公司大厦，选举名单和其他几个实体。因此，它可以分析数据，例如有关物业交易，公司所有权，贷款，银行帐户，就业历史和自我评估记录的信息（Warwick Ching和Houlder，2012年），以及地方政府，驾驶员和车辆牌照局持有的数据。 ，医院，保险公司，专业人士的正式名单（Caldwell，2014年）等。在2011年，根据上述信息进行的分析使得有可能发现个别税收违规行为，并指出最有可能逃税的特定行业。该系统的成功影响了其他国家实施类似的解决方案。 2013年，印度决定实施类似系统（Elets新闻网络，2013年）。波兰也正在实施类似的系统（Zawadka，2014年）。

大数据的另一个有效用途是发现金融市场的违规行为（Helms，2015年）。美国证券交易委员会使用大数据方法（例如自然语言处理程序和网络分析）根据详细的交易记录来监视和检测被禁止的交易（Helms，2015）。该系统还链接了来自投诉中心的信息，该信息能够比以前的电子邮件系统收集更多的数据（Rapp和Anderson，2013年）。另一个例子是美国医疗补助管理部门，该部门使用从索赔中获得的大数据来快速有效地处理医学分类法和预期的诊断。这导致了新的决策流程，可以更好，更快地识别可疑的欺诈性残疾索赔（Helms，2015年）。其他医疗索赔也可以使用预测分析来近乎实时地进行验证，以搜索滥用指标，例如索赔的地理分布不集中/分散，高频利用设计和不典型的行为模式（Gangwani，2014年）。大数据方法在该领域具有重大影响，因为在美国必须在30天内支付医疗索赔，并且此时无法使用传统方法调查所有索赔。由于采用了大数据方法，可以通过精确的预防系统来取代“先付后买”的传统做法。 Medicare和Medicaid Services中心在2011年采用了大数据方法。该系统分析了每天提出的超过400万份索赔，并确定了符合潜在欺诈模式的索赔。这样可以推迟此类索赔的付款，并可以更仔细地验证索赔（Marks，2013b）。就北卡罗莱纳州的医疗补助而言，欺诈

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[266247]，资料为PDF文档或Word文档，PDF文档可免费转换为Word