大數據精準扶貧的有效性、局限性與發展方向

高原

要：十八大以來，扶貧開發工作受到了黨和國家的高度重視。在強調國家治理現代化的時代背景下，精準扶貧成為當下扶貧開發工作的重要指引。無論是扶貧對象的精準識別、精準幫扶還是扶貧工作的精準管理和精準監管均建立在精準扶貧大數據管理平臺的基礎之上。通過對精準扶貧大數據管理平臺的運用，扶貧工作者將扶貧對象的基本信息、扶貧過程的重要相關信息及其動態變化充分數據化并進行數據分析，以精準的數據分析結果指導扶貧開發工作的開展。精準扶貧大數據管理平臺當前與未來有效性與局限性決定了大數據精準扶貧不同階段的有效性與局限性，并不斷為大數據精準扶貧開拓出新的發展方向。

關鍵詞：精準扶貧; 大數據; 局限性; 發展方向; 信息化建設

隨著信息技術的快速發展與廣泛運用，人類社會產生和積累各類數據的速度空前加快，數據總量呈爆炸式增長。根據IBM的研究，整個人類文明產生的全部數據中有90%是過去兩年產生的，預計到2020年全世界產生新數據的速度將達到今天的44倍，全球數據總量將達40ZB，人類社會已經名副其實地進入了大數據時代。在這樣的時代背景下，大數據技術應運而生。大數據技術主要致力于海量即時數據的采集、存儲與分析處理，試圖通過數據挖掘、深度學習、可視化等數據處理技術從海量的即時數據中得到對人類有價值的信息，并據此對未來進行一定程度的預測。事實上，當今社會每個人的日常生活都已離不開大數據技術的支持：當我們根據導航軟件的提醒規避擁堵路段時;當我們通過社交軟件的系統推薦結識新朋友時;當我們在外賣和購物網站上瀏覽商品的銷量、評分等相關信息時;當我們閱讀新聞網頁為我們“量身定做”的新聞內容時;等等。我們就已經享受到了大數據技術為我們生活帶來的美好與便利。大數據技術的應用領域還有很多，事實上凡產生大量數據且數據能夠被計算機系統所收集和存儲的領域，皆有望成為大數據技術的用武之地。大數據技術通過分析海量數據之間的相關關系來發掘新知識，這些新知識往往令人難以理解，因為人腦習慣于用因果關系而非相關關系解釋世界。值得注意的是，相關關系往往比因果關系更有價值，畢竟在實踐中人們往往更關心事物“是什么”而非“為什么”。顯然，追求實際工作成果的扶貧工作可以從大數據技術這里得到幫助，并在大數據技術的“加持”下成為一項真正可以追求“精準”的事業。

一、大數據精準扶貧的發展歷史和研究動態

對精準扶貧的研究最初產生于20世紀70年代的西方國家，作為社會干預理論的一部分得到發展。在我國，精準扶貧的概念始見于江西省2013年9月啟動的“六大扶貧工程”。2013年11月份，習近平總書記在湘西考察過程中正式提出精準扶貧概念，自此以后精準化成為了我國扶貧工作的核心要求。在此后一年多的扶貧實踐中，精準扶貧的理念得到進一步的闡釋和發展。在2015年中共中央政治局會議上，習近平總書記對精準扶貧進行了再次闡釋，提出以數據指標作為精準扶貧開發目標的理念，充分發揮數據精準定位、開放共享、守護民生的應用價值。2015年9月，國務院印發《促進大數據發展行動綱要》，國家扶貧辦將甘肅省列為全國大數據平臺建設試點地區，率先探索建設精準扶貧大數據管理平臺。隨后貴州、四川、廣東、廣西等省相繼開展了大數據精準扶貧管理平臺的建設工作，并結合實際工作情況對管理平臺不斷進行改進和完善，探索結合區域優勢的扶貧突破口，有效強化了大數據精準扶貧系統的精準識別、精準幫扶與精準監管能力。

在理論層面，有學者對大數據與精準扶貧的契合度問題進行了研究，指出大數據技術與思維在精準識別、精準幫扶、精準管理、動態監管等幾個方面均與精準扶貧工作有很高的契合度[1]。有學者對傳統扶貧模式的發展困境及大數據精準扶貧的相對優勢進行了研究，認為數據失真、數據分析技術落后及數據資源分散是傳統扶貧模式面臨的主要問題，而這些問題恰恰是大數據精準扶貧所擅長解決的[2]。有學者指出了精準扶貧可能面臨的困境，認為精準扶貧雖有助于提升扶貧工作的針對性，但也體現了對被幫扶者可行能力的否定，形成了一種可能對被幫扶者造成傷害的“標簽效應”，甚至可能使被幫扶者形成對政府扶持的依賴，不愿通過自身努力改善生計，造成負向激勵的后果[3]。當然，更多的是正面研究結論。有學者指出，大數據系統的數據服務并不是其推動公共管理變革的主要原因，問題的關鍵在于管理結構的變革、管理思維的變革和管理邊界的進一步明晰。大數據技術帶來的大數據服務，使公共管理徹底革新[4]。由于精準扶貧是公共管理的一個具體形態，大數據服務也將對精準扶貧管理結構的重構、管理邊界的明晰和管理思維的轉變等進行徹底革新。有學者對大數據精準扶貧的本質特征進行了研究，認為傳統的因果式扶貧思維在大數據精準扶貧時代受到了挑戰。基于對相關關系的分析，大數據技術對扶貧相關事項的預測能力將為扶貧工作的開展提供關鍵參考。隨著扶貧開發速度的趨緩和扶貧資源邊際效益的遞減，借助大數據技術和思維將為扶貧開發工作注入新的動力[5]。有學者認為，大數據技術采集全樣本數據進行數據分析，因而最大限度做到了對扶貧對象和扶貧工作客觀、全面的精準定位[6]。還有學者將精準扶貧的實質定義為貧困標準數據化，識別機制精準化，完善精準幫扶機制和幫扶考核機制，建立貧困戶收益機制，改革扶貧資金的管理體制并進行小額貸款等領域的金融創新，綜合保障扶貧工作的精準有效[7]。

可見，學界對大數據精準扶貧相關問題已經有了較全面的研究和較深刻的認識。但這些研究多著眼于宏觀視角，從大數據精準扶貧工作的整體特征、整體架構、整體實踐經驗和扶貧工作的大政方針出發進行研究，缺乏對作為大數據精準扶貧工作根本依仗和基礎工具的精準扶貧大數據管理平臺的思考和研究。在一個信息技術飛速發展的信息時代里，我們的生活和工作方式已很大程度上被我們使用的信息工具所規約，很多時候恰恰是信息工具本身的科學性、合理性決定了工作開展的科學性與合理性。因此，將大數據精準扶貧的具體實踐與精準扶貧大數據管理平臺的功能特性結合起來進行研究，我們就能找到一個更微觀、更貼合精準扶貧工作實際情況和實際需要、以解決精準扶貧工作中的實際問題為導向的研究視角，通過精準扶貧大數據管理平臺的有效性與局限性來對精準扶貧工作的有效性與局限性進行研究。要想做到這一點，首先要對大數據、大數據技術和精準扶貧大數據管理平臺有一個充分的理解和認識。

二、大數據、大數據技術與精準扶貧大數據管理平臺

在當前時代背景下，學者們普遍認為，數據已經和石油、煤炭、糧食等傳統資源一樣具有了資源屬性，大數據是更被看作個人、企業、政府等主體的一種戰略性資源。大數據的基本特征可被較為全面地概括為：海量性、系統性、復雜性、容錯性、以非結構性數據為主、強調數據總體、高增長性、價值密度稀疏性、可重復利用性等;大數據技術的基本特征可被較為全面地概括為：即時性、擅長相關關系、預測性、決策有用性、分布式存儲和分布式并行計算、同人工智能等計算機技術的深度結合、可視化與人機交互以協助人類理解數據，等等。

大數據和大數據技術的多種特征在當下并未得到充分發展和呈現。當前精準扶貧大數據管理平臺中的數據多為實地調研貧困戶得到的政府數據和各相關政府部門多年來政府數據的聯網匯總，少有傳感器數據，來源于互聯網的數據亦有很大局限性，而事實上政府數據只是大數據中極少的一部分。當前的精準扶貧大數據管理平臺就其數據的容錯性、價值密度和增長性等方面而言與小數據時代傳統數據庫式的信息管理系統并無本質區別。由于數據的海量性和數據處理的即時性要求，大數據技術普遍采用了分布式存儲和分布式并行運算的技術架構。當前精準扶貧大數據管理平臺中的數據以貧困家庭基本信息及被幫扶信息的歷史記錄等相關數據為主，這類數據的變動均以扶貧人員的核查確認為前提條件，屬于非實時變動數據，而非實時變動數據不必運用分布式存儲與分布式運算進行處理。大數據中不僅有傳統結構性數據，更多的是非結構性數據，我們所建立的精準扶貧大數據管理平臺本質上是一種政府公共管理系統，其存儲內容多為結構性數據而少有非結構性數據。因此，從數據構成的角度講，當前精準扶貧大數據管理平臺中的主要數據類型亦并不滿足我們對大數據特征的一般認識。在與數據挖掘、人工智能等計算機技術的深度結合方面，當前的精準扶貧大數據管理平臺亦處于初級階段。

雖然當前的大數據技術與發展完備的大數據技術仍有不小差距，但大數據技術及其與社會生活的結合程度正被不斷向前推進。當前的精準扶貧大數據管理平臺對全部貧困家庭的基本信息和全部的具體幫貧信息進行收集，從其涵蓋的貧困家庭數目和目標信息的完整度來講，是一種對于總體數據的收集。雖然當前精準扶貧大數據管理平臺中的數據量與騰訊、阿里巴巴等互聯網公司收集到的互聯網數據相比仍然很小，但卻遠遠大于我們以往任何時候收集到的扶貧工作相關數據。尤其是當前精準扶貧大數據管理平臺已經具備一定的數據分析能力，一定程度上實現了對扶貧相關事項的預測能力和決策支持能力。具體體現在諸如對某貧困家庭的貧困程度進行精準識別;對某貧困家庭的致貧因素進行精準歸類;對某貧困家庭適合何種具體幫扶措施，適合與哪個扶貧工作者相匹配進行分析;對某扶貧工作者的扶貧績效進行評估;對某區域在未來一段時間內貧困人口的地理分布和貧困程度的區間分布進行預測;甚至基于精準扶貧工作的開展情況對全面消除貧困人口的當前完成度進行評估，并對全面消除貧困人口的具體時間點進行預測等等。

在大數據技術及其與精準扶貧工作的具體結合得到較為完備的發展后，就會誕生出真正意義上的精準扶貧大數據管理平臺。技術完備的精準扶貧大數據管理平臺能夠基于更高級、更有效的大數據算法對政府數據、傳感器數據及互聯網數據進行廣泛收集與實時的分析、預測。技術完備的精準扶貧大數據管理平臺可以實現的功能包括但不限于：基于大數據分析主動發現精準扶貧大數據管理平臺中可能存在的錯誤信息并進行修正提示;對貧困家庭成員主動或被動產生的互聯網活動數據進行大數據分析并據此對特定貧困家庭精準扶貧工作的開展提出合理化建議;對未來特定時間內可能對某貧困家庭產生危害的致貧因素進行預警并基于大數據分析尋找可行的解決方案;對某特定扶貧項目、某特定扶貧基金的可行性與有效性進行預測，乃至基于大數據分析結果對扶貧項目的開展和扶貧基金的發放進行頂層設計;根據某貧困家庭的特定情況向其推薦源于互聯網數據的脫貧致富信息和金融服務信息并對推薦信息進行風險與收益評估;基于對互聯網數據的大數據分析，對貧困地區的區域優勢進行評估并對區域經濟發展提出合理化建議等等。

應深刻認識到，大數據精準扶貧的精準并非指在大數據云平臺上多么全面而詳細地記錄了每一個貧困家庭的基本信息或其被幫扶信息的歷史記錄，而是指基于對每個貧困家庭相關數據的分析使對每個貧困家庭進行“個性化”、“私家定制”式的扶貧幫助成為可能。將大數據技術引入精準扶貧的真正目的在于指導精準扶貧工作的高效開展，而絕非數據記錄的“精準”與“全面”。須知，即使在一個沒有大數據技術的時代，人們也可以把所有貧困家庭的基本信息及其被幫扶信息記錄和儲存下來并定期更新，達到一種所謂的“精準”與“全面”。

三、精準扶貧大數據管理平臺現狀及其有效性和局限性分析

基于對江蘇好奇網絡科技有限公司精準扶貧系統、北京久其軟件股份有限公司扶貧開發決策支持系統、甘肅精準扶貧大數據管理平臺及貴州“扶貧云”等精準扶貧大數據管理平臺的調查研究，對當前精準扶貧大數據管理平臺能夠實現的主要功能進行簡要介紹，并分析其有效性和局限性。

（一）精準扶貧大數據管理平臺現狀

精準扶貧大數據管理平臺多以貧困戶基本信息數據為基礎，融合相關部門和行業的大數據資源，對全區域精準扶貧工作進行統一指揮調度、統一項目資金管理、統一工作績效評估和統一任務監督考核，并在系統內實現一定程度的信息共享與互動交流等功能。

在貧困戶精準識別方面，精準扶貧大數據管理平臺將納入系統的全部貧困戶基本信息進行量化，量化結果體現為一個多層次、多視角的脫貧指標體系，并通過對指標的進一步評估得出貧困戶的貧困指數。對脫貧指數的評價標準諸如：a分以下為真正貧困，a至b分為可能貧困，高于b分為已經脫貧。貧困指數是精準扶貧大數據管理平臺對貧困人口進行精準識別的主要標準。基于這種精準識別能力，精準扶貧大數據管理平臺對系統內所有貧困人口和已脫貧人口的貧困狀況進行動態監測，并對扶貧對象進行動態調整，對存在異常信息的貧困戶進行核查并清退已脫貧貧困戶。精準扶貧大數據管理平臺的這種動態監測能力大大減少了扶貧工作人員清退已脫貧貧困戶的工作量，大幅度提高了扶貧工作效率。

在扶貧工作的精準管理方面，精準扶貧大數據管理平臺對扶貧工作人員的任務完成進度進行分析，向各級領導提供扶特定扶貧工作人員未達到預期任務目標的預警信息，以指引各級領導對扶貧工作完成情況的核查，及時調整工作部署，督促工作進度，最終消除預警。在扶貧資金的精準監管方面，精準扶貧大數據管理平臺對項目資金的申報、評估、立項、審批、資金撥付、報賬、實施、監管、驗收等進行統一管理、全程監控，配合財政、審計等部門對財政扶貧資金進行動態監管。

除貧困戶基本信息外，精準扶貧大數據管理平臺還與各相關政府部門數據、各類行業數據乃至海量的各類網站數據進行對接。這種數據對接給精準扶貧工作帶來的好處是顯著的：與教育部門的數據對接使精準扶貧大數據管理平臺能夠對因學致貧的貧困戶進行精準識別和精準幫扶;與民政部門的數據對接使精準扶貧大數據管理平臺能夠對原有政策性保障兜底人口進行精準確認;與人社部門的數據對接使精準扶貧大數據管理平臺能夠對貧困人口就業情況進行精準識別并向扶貧工作者發出已就業預警;與司法系統的數據對接使精準扶貧大數據管理平臺能夠對貧困人口中有過司法糾紛及有過犯罪記錄的特殊人群進行精準識別，以對其進行針對性幫扶;與移民部門的數據對接使精準扶貧大數據管理平臺能夠對易地扶貧人口進行精準識別，從而有針對性地開展對異地扶貧人口的精準幫扶工作;與農業部門、畜牧部門、林業部門及相關行業數據的數據對接使精準扶貧大數據管理平臺能夠為貧困人口提供農產品、農副產品的實時價格信息，并為其提供銷售渠道信息;與銀行系統的對接使精準扶貧大數據管理平臺能夠向貧困人口提供扶貧貸款的詳細信息與貸款通道;與創業網站、招聘網站的信息對接使精準扶貧大數據管理平臺能夠為貧困人口提供詳盡的創業、就業相關信息;等等。

精準扶貧大數據管理平臺不同功能板塊之間的協調統一與合理銜接也是其整體功能實現的重要一環。例如，貧困戶精準識別與地理位置精準定位的協調統一;貧困戶精準識別與精準幫扶的合理銜接;扶貧工作精準管理與扶貧資金精準監管的協調統一;精準扶貧大數據管理平臺所兼容的各相關政府部門數據及各相關行業數據間的協調統一等等。

為了使精準扶貧大數據管理平臺與各相關政府部門數據、各相關行業數據乃至各類網站數據的對接更加順暢，精準扶貧大數據管理平臺已開始作為容納全部政府數據、全部行業數據和全部網頁數據的大數據管理平臺的一個子平臺進行建設，精準扶貧大數據管理平臺將與其他各類具有特定政務功能的管理平臺共享同一個精準政務大數據管理平臺，使精準扶貧大數據管理平臺與各類數據的兼容得到更有力的保障。

（二）當前精準扶貧大數據管理平臺的有效性與局限性分析

精準扶貧大數據管理平臺強調精準扶貧工作的全區域統一部署與管理，因而很多人認為扶貧工作的統一部署與管理是大數據精準扶貧的特征之一，但這其實是一種廣泛的誤解。從本質上講，大數據技術帶來的幫助是使統一的部署與管理能夠落到實處。精準扶貧大數據管理平臺對扶貧工作進行全流程的數據化管理，使精準扶貧工作在數據的監管下從頂層設計一直貫徹到每一個貧困家庭。但在這種情況下，“一刀切”式的乃至存在顯著問題的統一部署與管理將在精準扶貧大數據管理平臺的精準管理與精準監管的協助下產生難以想象的負面效應。

精準扶貧大數據管理平臺以貧困指數作為貧困人口精準識別的主要標準。值得肯定的是，這種以具體數字作為貧困程度評價標準的做法避免了對貧困程度不嚴格、不規范乃至主觀的評價標準給貧困戶精準識別工作帶來的隨意性與低效率。但也使貧困程度評價標準被冷冰冰的數字主宰，缺失了人性化的考量。類似于評分分別為b分與（b-1）分的兩個貧困家庭的貧困狀況是否確實存在顯著差異這類問題值得我們的深思。對精準扶貧大數據管理平臺的運用與過去對貧困人口進行抽樣調查時建立紙質檔案并無本質區別，它們都只是相關工作人員為了工作便利而創造并使用的工具。扶貧工作者在具體扶貧工作中應始終保持清醒的獨立判斷能力，在尊重大數據分析結果的同時不被數據所支配。

當前精準扶貧大數據管理平臺已經能夠對扶貧工作進行精準、高效的，自上而下的統一管理。這種數據化的，信息單向傳遞的統一管理模式對精準扶貧工作效率的提升是顯著的。但科學的管理應是一個雙向過程，上級部署工作并對工作進展進行監管，下級在執行工作部署時可對工作中遇到的實際問題進行主動或被動反饋，并對工作開展提出合理化建議。當前的精準扶貧大數據管理平臺中并不存在這種系統內反饋機制，它仍在被持續用于追求扶貧工作自上而下的精準性、科學性、貫通性，尚未獲得機會“反觀”自身。當前的精準扶貧大數據管理平臺還只是一個數字化的、生硬的、單向的控制系統，而非一個扶貧開發的生態系統。

當前精準扶貧大數據管理平臺可在單一系統內對多來源、多類型的海量數據進行兼容并對全部數據進行統一調用與分析，實現了對貧困人口生產生活中主要利益相關信息的推送，為貧困人口脫貧打造了強大的信息基礎。但對大數據技術核心能力的運用并不代表對其核心功能的實現，大數據技術的核心功能在于預測而非簡單的信息推送。具體而言，大數據精準扶貧信息平臺不僅要與農業部門、畜牧部門、林業部門及相關行業的數據進行數據對接，從而為貧困人口提供農產品、農副產品的實時價格信息和交易通道，更要基于農產品、農副產品的歷史價格信息對其價格走勢進行預測，以指導貧困人口應該種植何種作物;不僅要與創業網站、招聘網站的數據進行對接從而為貧困人口提供詳盡的創業、就業相關信息，更要基于特定貧困家庭中某特定成員的個人具體情況來預測其最佳創業、就業方案并進行推薦。當前精準扶貧大數據管理平臺的另一個局限性在于效率與隱私的平衡：我們可否與公安系統對接某貧困戶在過去某次案件中的受害情況？我們是否可與銀行系統對接某貧困戶的貸款情況？毫無疑問的是，對扶貧對象此類信息的獲取可在很大程度上幫助到精準扶貧工作的開展。但在現行的法律法規下，上述對公民隱私信息的獲取均是被禁止的。那么我們應當為了追求扶貧效率而放棄扶貧對象的隱私保護嗎？對扶貧對象隱私權的侵害可以被合法化嗎？答案顯然是否定的。大數據時代效率與隱私的平衡問題如同市場經濟中效率與公平的平衡問題，需要根據公民利益訴求和時代發展需要尋找到一個最佳平衡點，做到既不因過度追求效率而置扶貧對象隱私于不顧，又不拘泥于隱私保護而放棄大數據技術給扶貧工作帶來的精準與高效。

精準扶貧大數據管理平臺中一系列不同功能板塊之間的協調統一與合理銜接使傳統扶貧工作得到了良好的系統化改造，令扶貧工作的整體開展更加協調一致與銜接有序，有效規避了“非系統性風險”的發生。但由于扶貧工作從頂層設計到一線工作的協同一致，扶貧工作的開展缺乏多樣性，系統層面的扶貧方案的風險難以被分散，“系統性風險” 發生的概率也隨之大大增加。從另一方面講，由于各功能板塊之間的協調一致與銜接有序，單個或多個功能板塊的調整需要其他全部功能板塊做出相應調整才能得以完成，從而弱化了扶貧工作的可調整性與靈活性。

當我們將精準扶貧大數據管理平臺作為容納全部政府數據、行業數據與網頁數據的大數據母平臺的一個子平臺進行建設時，精準扶貧大數據管理平臺就真正開啟了其“全數據”收集與分析能力的建設。在這種情況下，數據篩選成了首當其沖的問題。我們該對全部的扶貧相關數據進行分析還是僅對相關性較高的數據進行分析？特定數據與精準扶貧相關性的高低有沒有一個明確的數字化的判斷標準？我們應通過算法的持續改進不斷加強對價值密度較高數據的分析還是不斷增加數據量從而“以量取勝”？這實際上是一個投入與產出的問題：當我們投入更多精力與資金用于增加數據量時，我們會期待更好的數據分析結果;當我們投入更多精力與資金用于算法改進時，我們也會期待更好的數據分析結果;當兩者都獲得了更好的數據分析結果時，我們要么選擇投入產出比更低的方案，要么兩個方案同時選擇。

四、精準扶貧大數據管理平臺的發展方向

大數據精準扶貧的發展很大程度上取決于精準扶貧大數據管理平臺的可能性空間與發展方向。基于對當前精準扶貧大數據管理平臺有效性與局限性的討論，我們對精準扶貧大數據管理平臺的發展方向，亦即技術完備的精準扶貧大數據管理平臺所要解決的問題與所要實現的突破有了一個整體的把握。

技術完備的精準扶貧大數據管理平臺不僅對結構性的、價值密度較高的、與精準扶貧工作相關性較高的貧困戶基本信息、貧困戶接受具體幫扶的歷史記錄及相關政府部門數據進行數據分析，也對非結構性的、價值密度較低的、與精準扶貧工作相關性較低的數據進行數據分析。例如通過對相關行業網站數據進行大數據分析，向貧困戶提供通過深度數據挖掘得到的行情預測與脫貧建議，指導貧困人口脫貧過程中的生產生活實踐。

技術完備的精準扶貧大數據管理平臺基于對更高級、有效算法的應用，擁有了更強大的數據挖掘與分析能力。在可供分析的數據量沒有顯著增加的情況下，技術完備的精準扶貧大數據管理平臺可以幫助人們獲得更有啟發性和實用價值的數據分析結果。例如，通過對貧困人口所接受具體幫扶措施及其脫貧情況進行大數據分析發現：當接受A幫扶的貧困人口數量小于接受B幫扶的貧困人口數量時，接受A幫扶的貧困人口脫貧速度較為理想;當接受A幫扶的貧困人口數量大于接受B幫扶的貧困人口數量時，接受A幫扶的貧困人口脫貧速度顯著降低，而接受B幫扶的貧困人口脫貧速度基本保持不變。在這種情況下，我們就可根據以上相關關系指導扶貧工作的開展，即始終保持接受A幫扶的貧困人口數量小于接受B幫扶的貧困人口數量。

技術完備的精準扶貧大數據管理平臺不再是自上而下的單向控制系統，而開設有豐富的自下而上的反饋通道，使精準扶貧大數據管理平臺具有一定的自調節能力，從而一定程度上提高了大數據精準扶貧的靈活性。例如，某扶貧工作人員在扶貧工作的具體實踐中總結開發出了某種新型幫扶措施，并向精準扶貧大數據管理平臺提交增加這種幫扶選項的反饋建議。再如，在對貧困戶貧困程度進行精準識別的過程中，某貧困戶的貧困指數為（b+1）分，但由于該貧困戶存在某種尚未被貧困指數算法考慮在內的貧困因素，扶貧工作者認為該貧困戶更接近小于等于b分的貧困程度，則扶貧工作者可以通過系統內反饋渠道向上級反應此貧困戶的特殊情況并建議對貧困指數算法進行改進。

技術完備的精準扶貧大數據管理平臺將成為精準政務大數據管理平臺的重要組成部分之一，而精準政務大數據管理平臺又作為大數據管理母平臺的一個重要組成部分而存在。不同政府部門共用同一個包含全部政務相關數據的精準政務大數據管理平臺，不同政府部門因職能差異采用不同的數據分析方法和不同的流程管理方式，而全部政府部門的工作開展又都融合在一個統一的精準政務大數據管理平臺中。全部政府工作的開展均以特定的政務服務為導向，不再對政務服務的部門歸屬進行強制劃分，造成不同政府部門的職能邊界逐漸模糊化：很多情況下，精準政務大數據管理平臺內某種新生政務服務的執行會廣泛涉及到傳統意義上多個部門的多種職能。技術完備的大數據精準扶貧不僅關注貧困人口物質生活水平的提高，還會與精準政務大數據管理平臺中的其他政務服務并行開展，如在提高貧困人口物質生活水平的同時也提高其精神生活水平和幸福感。上述政務服務的并行開展將在精準政務大數據管理平臺中形成一個復雜的涵蓋數據采集、數據分析及流程管理的政務管理子系統，而精準政務大數據管理平臺中不同的政務管理子系統又彼此交錯融合。

五、大數據精準扶貧的最終局限性及其平衡

凡技術能解決的問題都不會成為大數據精準扶貧的最終局限性，人性才是這里的關鍵問題。

貧困人口的隱私意識是大數據精準扶貧過程中一個難以逾越的屏障。大數據精準扶貧的實現永遠需要更豐富的、價值密度更高的數據來支撐數據分析，而價值密度越高的數據往往也正是貧困人口隱私越集中的數據。例如，某貧困家庭的主要勞動力患上了某種令其難以啟齒的慢性病，且此慢性病正是造成這個家庭變得貧困的主要原因。但扶貧工作者在具體扶貧過程中卻很可能無法收集到這類高度隱私的關鍵信息，造成扶貧工作找不到關鍵點。雖然人性中的隱私意識是大數據精準扶貧無法徹底克服的局限性，但仍可將其與扶貧效率進行一定的平衡從而使總體利益最大化。例如，通過與扶貧對象進行溝通，了解其對個人隱私問題的敏感性及其個人隱私保護意識被喚醒的邊界所在，并與扶貧對象簽訂口頭或書面隱私保護協議，努力消除扶貧對象對個人隱私被泄露的顧慮，從而在對扶貧對象進行最大程度幫扶的同時不觸碰其個人隱私保護意識的底限。

在當今各種扶貧政策的支撐下，不少貧困戶存在“平均主義”思想，靠著扶貧款坐吃山空，完全依賴政府的直接經濟援助脫貧。這種依賴心理亦是大數據精準扶貧面臨的一大難題，甚至在大數據精準扶貧的土壤里更容易滋生出這種依賴心理。為了從政策層面克服這種依賴心理，一些地方政府開發出了競爭性扶貧的扶貧新模式：扶貧對象通過公平、公正、公開的競爭獲取項目、資金、培訓教育、崗位、補助款等受幫扶機會，從而激發扶貧對象對于脫貧的積極性和主動創造性。但問題在于，如果一部分貧困人口不參與這種競爭呢？難道要進一步放棄這部分貧困人口？2015年11月29日，中共中央、國務院發布《關于打贏脫貧攻堅戰的決定》，明確提出2020年將實現現有標準下我國貧困人口的全部脫貧。據此，對于在2020年之前仍未通過競爭性扶貧實現脫貧的貧困人口，政府很可能不得不對其進行直接經濟援助促使其硬脫貧。但脫貧后仍會返貧，只有貧困戶自食其力的可持續的脫貧才是“真脫貧”。雖然人性中的很多弱點不能被完全克服，但同樣可與其他利益進行一定的平衡。例如，對過去完全依賴政府直接經濟援助的那部分困難群眾的自主擇業與創業實行雙倍政府補貼等等。

事實上，一切對于人性的平衡都是偽平衡，唯有從人真實的內心出發才能使問題得到真正解決，國民素養的提高與人性的升華和解放依舊任重而道遠，而素質教育才是解決貧困問題的長久之計。但無論如何，大數據技術與精準扶貧的廣泛結合仍在不斷深化，精準扶貧大數據管理平臺的廣泛運用與發展也必將成為當前及未來一段時間內扶貧工作的主旋律。精準扶貧大數據管理平臺將繼續憑借其精準、系統與高效的優越特性不斷為扶貧工作的開展做出新的、更大的貢獻。與此同時，對大數據精準扶貧相關問題的思考也將不斷得到深化。在不久的將來，基于現有標準的貧困人口全面脫貧就會得到實現。也許直到那時，精準扶貧大數據管理平臺也未能發展至其完備形態，但它定會被賦予新的歷史使命，以大數據精準致富之名，繼續砥礪前行。

參考文獻：

[1]莫光輝，張玉雪.《大數據背景下的精準扶貧模式創新路徑——精準扶貧績效提升機制系列研究之十》，《理論與改革》2017年第1期，第119-124頁。

[2]莫光輝.《大數據在精準扶貧過程的應用及實踐創新》《求實》，2016年第10期，第87-96頁。

[3]Coady D P， Grosh M E and Hoddinott J， Targeting of transfers in developing countries： Review of lessons and experience， Cheltenham， UK： Edward Elgar，2008， pp. 1-94.

[4]胡健.《大數據與公共管理變革》，《行政論壇》，2016年第6期，第6-12頁。

[5]鄭瑞強，曹國慶.《基于大數據思維的精準扶貧機制研究》，《貴州社會科學》2015年第8期，第163-16頁。

[6]嚴俊乾.《“大數據”助力精準扶貧》《現代經濟信息》，2016年第1期，第35-36頁。

[7]汪三貴，郭子豪.《論中國的精準扶貧》《貴州社會科學》，2015年第5期，第147-150頁。