彌合數據、精準、扶貧之間的鏈接縫隙

陳冠宇 張勁松

摘 要： 打贏脫貧攻堅戰是我國全面建成小康社會的重要一環，通過大數據運用來提升扶貧過程的精準性，通過第三方評估來保證脫貧結果的精準性，是當前推進精準扶貧、精準脫貧的兩大具體機制，且二者日漸融合的趨勢顯現特有優勢。數據、精準、扶貧三者之間的實踐鏈接源于它們各自的屬性及其間的邏輯關聯，最終在貧困治理中相輔相成。當前，精準扶貧大數據應用主要面臨數據獲取單一、數據處理方式傳統單調、數據開發應用能力較弱等問題。為提升精準扶貧第三方評估結果的科學性、權威性，應從拓寬數據來源渠道、創新數據處理方式、豐富大數據應用手段和增強數據分析預測能力等環節多措并舉。

關鍵詞： 大數據；精準扶貧；第三方評估

中圖分類號： F126 文獻標識碼：A 文章編號：1009-3176（2018）06-101-（9）

精準扶貧、精準脫貧是當前扶貧工作的基本方略，“精準”是新一輪扶貧開發工作的最顯著特征。在此背景下，精準扶貧第三方評估力量深入調查地區，通過收集和分析相關數據，檢驗精準扶貧、精準脫貧實施情況，揭示貧困人口實現脫貧的具體過程和路徑，輔助政府開展貧困治理。一方面，隨著評估數據基數的不斷增加及處理技術日趨復雜，傳統第三方評估模式已無法充分滿足評估任務的需求，急需新方式、新方法、新技術的更有力支撐；另一方面，我國自2015年《促進大數據發展行動綱要》（國發﹝2015﹞50號）發布以來，以數據開發與分析為特征的大數據技術逐漸成熟，并日益成為輔助第三方評估高效開展的可行路徑。本文基于對數據、精準及扶貧之間內在邏輯及相互作用機理的分析，關注第三方主體在實施評估過程中存在的扶貧數據獲取、處理和應用等方面的突出問題，從引入大數據技術的視角探究如何提升扶貧第三方評估的科學性、客觀性和精準性，以便更好地支撐政府在貧困治理過程中精準研策、精準施策。

一、數據、精準和扶貧之間的內在機理分析

1.數據之于精準：大數據是實現精準性的技術保障

“大數據”（big data）概念最早是維克托·邁爾-舍恩伯格（Viktor Mayer-Schnberger）和肯尼斯·庫克耶（Kenneth Cukier）在《大數據時代》一書中提出的。大數據是指數量巨大、種類繁多的數據，它基于新型的處理方式實現數據的最優化處理，具有數據體量巨大、數據類型多樣、處理速度快和價值密度低等基本特征?！按髷祿膬蓚€重要特征是，數據規模的不斷增長，以及無法依靠傳統的數據庫技術進行管理”①。大數據與傳統數據概念的區別主要在于：傳統數據只強調數據的量，大數據則摒棄抽樣調查獲取的有限數據的分析研究，充分融合多重數據，并在此基礎上進行數據管理、可視化分析和可視化預測，進而實現數據高效利用。

大數據技術的運用對提升精準性的作用是顯而易見的，探究其原因，可從大數據的四個特征維度——巨量性、多樣性、高速性和價值性中找到答案。大數據憑借技術優勢可容納巨大的數據資源，進行多種來源和多種類型的數據分析，海量的存儲空間和多樣的分析手段為夯實工作的精細化提供充分的技術支撐。此外，大數據高效利用所需數據并結合生成速度快和處理速度快的優勢，能夠快速獲取高價值的信息資源，對實現工作的準確性大有裨益。

2.精準之于扶貧：精準性是扶貧脫貧工作的戰略要求

我國自20世紀90年代開始實施的扶貧開發工作取得了顯著成果，但在“精準扶貧、精準脫貧”之前，扶貧方式是粗放的“大水漫灌”式，帶有明顯的普惠性特征，往往伴隨著扶貧措施千篇一律、扶貧項目落實不到位、扶貧結果低質低效以及貧困地區內部收入差距擴大化等問題。對此，實施精準的扶貧與脫貧政策，提高幫扶工作的針對性和有效性就顯得十分重要，“‘精準性 成為社會運行及公共管理的迫切要求和無法回避的趨勢”②。當前，“精準滴灌”式扶貧集中體現為“六個精準”——扶貧對象精準、項目安排精準、資金使用精準、措施到戶精準、因村派人精準、脫貧成效精準，即采取因人因地施策、因致貧原因施策和因貧困類型施策的手段，通過精準識別、精準幫扶、扶貧成效判別和返貧行為防范等環節進行貧困治理③。精準識別貧困人口并進行差異化的扶助是精準扶貧的基礎，切實增加貧困人口家庭收入、建立實時管理動態追蹤制度、激發貧困人口內生動力是精準扶貧的關鍵，建立健全長效機制鞏固提升脫貧成效并防止返貧是精準扶貧的保障。實施精準扶貧、精準脫貧能切實改進大水漫灌的扶貧方式，破解粗放式扶貧帶來的困境，將扶貧資源有效對準真正需要幫扶的貧困人口。

3.數據之于評估：大數據是實施第三方評估的科學支撐

“第三方是區別于第一方和第二方（即評估主體和評估對象）之外的一方”④，第三方評估是指第三方組織或機構對政府績效的評價，是一種外部評價，也是監管政府的重要抓手?；诒疚难芯?，第三方評估模式依評估主體組織成分的不同劃分為高校專家評估模式、專業公司評估模式、民眾參與評估模式和社會代表評估模式，其合理性在于不同的主體可發揮各自專業性和科學性的優勢對政府工作做出全面評價。第三方主要評估流程為評估體系建立、評估數據采集、評估量化分析和評估報告生成，其中數據采集是評估工作的基本條件，是其他環節開展的基礎，數據的不準確、不充分會對評估對象和評估組織自身的權威性產生負面影響，故依賴真實有效的數據是實施評估的必備條件。第三方主體獨立于政府和被評估對象，借助大數據的存儲技術、平臺技術和數據處理技術可進一步發揮其科學與公正的天然優勢，為利益相關者提供查詢和監督功能。此外，大數據技術的運用有利于確保第三方評估有序開展、高效進行，使其更好地了解貧困人口和政府的需求。

二、大數據支持精準扶貧第三方評估的鏈接點

精準扶貧第三方評估指第三方組織圍繞貧困地區精準識別、精準幫扶及其成效等內容開展客觀全面的考核評價，考察政府及其工作人員的工作過程及結果，利用自身的獨立性和科學性檢驗政府扶貧工作成效，推動貧困地區的減貧和發展。我國第三方評估多以高校專家的模式開展政府扶貧績效考核，進村入戶收集相關信息，統計分析有關數據，輔助政府做出相應決策，如貧困縣摘帽、扶貧工作考核排名及問責等。

當前，精準扶貧第三方評估面臨諸多困境。隨著脫貧攻堅工作的持續推進，據國家統計局發布的數據，按現行國家農村貧困標準測算，2017年年末，全國農村貧困人口3046萬人，邊緣貧困人口繼深度貧困人口成為當前政府扶貧開發的重點幫扶對象。這一現實情況要求第三方評估不僅要關注顯性脫貧指標，還要注重對潛在貧困人口的關注，這必然會增加第三方評估的數據統計量和數據統計難度。雖然我國已建立多種扶貧數據庫，例如國家扶貧數據庫、地方各級政府扶貧數據庫和政府各部門扶貧數據臺賬，但能否處理龐大數據量，融合多重數據類型，成為當前精準扶貧第三方評估開展的現實挑戰。

為破解上述困境，精準扶貧第三方評估大數據運用便成為必然之舉。一方面，大數據技術因其數據化、網格化與動態化等特點與第三方評估數據管理、實時監測的要求相契合，可作為實現精準幫扶與政府扶貧成效考核的輔助手段；另一方面，第三方評估可以憑借自身優勢更好地發揮大數據技術的獨立性和實用性。探究大數據與精準扶貧第三方評估的有效鏈接，彌合它們之間的縫隙，應重點關注信息整合、科學提升和精準支撐三個要點。

1.信息整合

數據信息的采集與整合是第三方評估開展的前提和基礎，但當前扶貧數據量大、類型復雜導致評估的信度降低、難度增加。為此，通過在大數據與第三方評估之間構建銜接點以發揮信息整合的功能便顯現出來：一方面，二者結合可充分利用大數據的對象動態監控、實時數據傳輸和信息預測等技術優勢，獲取政府在貧困地區開展的精準識別、精準幫扶、幫扶成效和返貧防范等環節的相關數據信息；另一方面，大數據技術可綜合國家扶貧數據庫、地方政府扶貧數據庫和政府各部門扶貧數據臺賬等平臺，為第三方提供充實詳備的數據資源?；谏鲜霏h節，精準扶貧第三方可利用大數據優勢，將獨立調研數據與政府數據充分結合起來，圍繞扶貧指標進行有效的數據整合，可從數字指標（三率一度）、產業扶持、轉移就業、易地搬遷、教育支持、醫療救助和社會保障兜底等模塊，整合數據類型，提高評估數據質量，建立可供第三方使用的高效扶貧數據系統。

2.科學提升

大數據技術的應用能夠提升第三方評估的科學性。為確保評估結果的科學性，凡是能提升評估效能的新技術、新方法都可參與進來，這為大數據與第三方評估的另一個鏈接點提供可能，即發揮大數據技術的科學性功能，滿足第三方評估的科學性需要⑤。科學性提升功能表現為大數據技術以其嚴謹的指標體系、可靠的數據獲取手段和科學的分析方法輔助第三方來評估政府的扶貧工作成效。評估數據的收集和分析環節是第三方評估的關鍵，而數據挖掘算法和可視化分析正是大數據技術的專長所在，它能夠處理不同類型和格式的數據，更為快速地分析其特點，反饋出最直觀的分析結果。反觀傳統的評估方式，機械的數據統計無法充分支持脫貧工作的過程分析，進而影響評估考核結果的權威性。

第三方組織可提升大數據技術的實用性和專業性。目前依托大數據技術，我國多個省份已建立扶貧大數據平臺，以甘肅省為例，該平臺涵蓋貧困戶信息、政府幫扶舉措和扶貧監管信息等內容，實現了動態管理與實時監測，一些省份還整合其他職能部門建立起互通互聯大數據共享平臺⑥。需要注意的是，大數據平臺多是在政府主導下構建的，在該過程中政府工作人員能否保證數據真實準確，構建的平臺能否實現科學高效，是有待商榷的。在此背景下，第三方組織的獨立性和專業性功能優勢便顯現出來，獨立的第三方組織不受政府及其政策的影響，專業的從業人員能夠確保工作精準有效，故無論是建設客觀準確的扶貧大數據平臺，還是推動大數據技術在其他領域的普及與應用，均離不開第三方機構和人員的參與。

3.精準支撐

與傳統的第三方評估模式不同，精準扶貧第三方評估借助大數據技術，通過個案分析推算整體，將貧困現象進行整體性描述，進而為政府貧困治理提供更為精準全面的數據支撐。具體來講，大數據技術以“‘全體數據為分析對象的特點，要求信息采集做到全方位、全時段、多元化”⑦，可統計分類收集的信息，整合精準識別、精準幫扶和精準脫貧等關鍵內容，構建“全樣本數據”庫，通過對數據庫的研究分析，挖掘扶貧工作的內在規律，測算扶貧方式、內容與貧困人口需求的有效匹配度⑧，預測貧困人口的返貧可能性和潛在返貧人口范圍。此外，大數據技術的App全數據采集系統、大數據平臺系統和GPS實時定位系統等技術均可提升第三方評估的工作效率，基于上述環節整體上實現指標體系完備、評估方法合理實用和評估結果客觀準確的評估過程。

三、精準扶貧第三方評估中的數據獲取

獲取數據是精準扶貧第三方評估的前期目標，通過數據分析得出扶貧工作評估結論及相關建議是最終目標，可見扶貧數據的收集是評估過程中的重要一環。第三方評估的一般模式是，依據考核指標設計內容構成，通過不同獲取方式采集所需信息，借助不同獲取手段形成數據來源，各個環節層層相扣以確保整體評估的有效運行。

1.內容構成

第三方主要依據政府扶貧部門制定的扶貧成效考核政策文件或貧困退出實施辦法來開展評估工作。評估內容主要包括五個方面：扶貧資金的使用情況、扶貧項目的開展情況、扶貧方式的使用、扶貧的精準性體現和群眾滿意（認可）度等，在實際操作中每一項均具體細化為若干項目以實現對政府扶貧工作的全覆蓋。

以H省為例來看，2016年5月，該省省委辦公廳頒布《關于建立貧困退出機制的實施意見》。該文件通過貧困人口、貧困村和貧困縣等三個層面為第三方評估提供考核依據，內容涵蓋9個一級指標和28個二級指標數據。貧困人口考察以入戶訪談的形式，關注建檔立卡戶“兩不愁、三保障”情況、扶貧政策落實和對幫扶措施認可情況，圍繞人均純收入、安全飲水、安全住房、義務教育階段有無輟學學生、產業就業扶持實現穩定增收和居民基本醫療保險參保情況等6個指標開展，其中，家庭基本情況數據來源于對“兩不愁、三保障”問題的考察，以產業就業扶持、醫療救助和危改項目為代表的扶貧政策落實情況可提供政府對貧困人口的實際幫扶數據，貧困人口對幫扶政策的認可程度可作為判別幫扶成效的參考數據（見圖1）。

貧困村考察以村干部問卷訪談的形式，主要關注貧困村綜合比率、基礎建設與公共服務和集體組織考核等三個方面，圍繞綜合貧困發生率、通過產業就業扶持實現穩定增收的貧困戶比率、村內基本文化衛生設施和村級組織等共9個指標開展，其中，綜合比率是對貧困村退出考核的否決性條件，是村級指標數據的主要來源，村內硬件設施情況和村組織服務能力構成貧困村退出的補充數據，第三方統籌這三組數據源對貧困村能否退出作出科學評判（見圖2）。

貧困縣考察綜合縣域內脫貧成效，依據縣級相關比率、政策落實情況和后續扶貧工作等三個方面，圍繞貧困人口發生率、脫貧人口錯評率、貧困人口漏評率和后續幫扶及鞏固提升工作等7個指標開展，其中，“三率一度”是第三方評估考核貧困縣能否退出的主要數據來源和數據依據，統籌貧困人口和貧困村扶貧政策落實情況作為縣域內整體政策落實的數據渠道，政府出臺相關貧困退出后幫扶政策或發展規劃作為考核政府后續扶貧工作的內容數據（見圖3）。

2.獲取方式

扶貧數據的獲取方式是指依據何種形式收集所需資料，目前第三方評估主要以專項調查、抽樣調查和實地核查的方式為主，并通過不同調查方式獲取對應模塊數據。專項調查指就扶貧某一項目開展專門性調查，例如，以扶貧專項資金調查來獲取扶貧資金使用數據、以駐村干部扶貧績效調查來獲取貧困村工作落實數據等；抽樣調查是當前階段精準扶貧第三方評估的主要形式，以簡單隨機抽樣和系統抽樣的方法，依據一定的抽樣原則在貧困縣或貧困村內抽取樣本開展訪談調查，其圍繞評估指標搜集扶貧資金的使用數據、扶貧項目開展數據和群眾滿意（認可）度數據等；實地核查是指到特定地點對需要復核的相關內容開展核實工作，是專項調查和抽樣調查的補充。通過上述方式第三方評估獲取扶貧數據，為展開后續工作提供數據支持。就H省而言，精準扶貧第三方當前階段多采用抽樣調查和實地核查相結合的方式，針對特定區域按照考核指標開展評估工作。前期抽取貧困人口樣本作為扶貧數據主要來源，后期開展實地核查排除扶貧信息存疑問題，以確保整體數據的準確無誤。

3.獲取手段

扶貧數據的獲取手段是指依據何種技術、方法進行所需資料的收集和整理。通常來講，第一階段，精準扶貧第三方評估獲取數據在技術上運用GPS定位系統進行實時定位和位移追蹤，依靠手機錄音、拍照或錄像的信息采集手段及時記錄受訪對象的信息。第二階段，通過扶貧App、扶貧數據錄入平臺等在線系統將采集的信息上傳至云端數據庫。為保證數據的準確性和實用性，相關人員控制后臺進行動態更新管理、問卷邏輯審查和重要指標核實工作。此外，隨著大數據技術的成熟，政府部門貧困信息庫和云計算資源庫借助技術優勢將扶貧信息數據化和直觀化，降低了數據獲取的難度，提高了指標量化的可操作性⑨，大數據資源庫的共享性為第三方數據采集和挖掘提供數據支持，推動評估工作高效開展。

四、大數據與精準扶貧第三方評估間的縫隙及彌合對策

1.在實際操作層面存在的問題

大數據背景下精準扶貧第三方評估的主要任務是整合評估過程中的數據資源，創新數據管理和分析方式，通過扶貧數據對政府幫扶成效進行研判，但在實際操作層面仍面臨諸多問題：

（1）數據獲取手段造成誤差

一是較為單一的受訪主體會造成數據誤差。第三方以貧困人群為主要訪談對象，信息量獲取的多少在很大程度上取決于調查員與貧困人群的訪談深度，且在交談過程中雙方所持有的主觀意愿會影響訪談質量，尤其是農戶在個人觀念和訪談環境等因素的影響下會選擇性地回答問題，甚至做出虛假回應。

二是單一的訪談方式造成數據短缺。在評估中，調查員多以觀察和問卷訪談的方式獲取貧困人口信息，依賴問卷問題及機械性的問答方式僅能了解到貧困人口當前的家庭條件及改善狀況，并整體把控得出定性結論，卻無法判別能否預期脫貧或是否存在因病因殘返貧的風險，導致評估效能較低。

三是隨機性因素影響數據質量。例如，抽樣入戶和隨意性訪談的方式并不能完全反映受訪者的真實情況，也不能涵蓋所調查區域貧困人口整體狀況，同時也不排除政府人員操縱抽樣數據和訪談對象的可能性，這嚴重影響評估過程的公正與客觀。

總體來講，簡單機械的扶貧數據獲取手段會造成數據誤差，從而加大后期數據處理和政府扶貧工作成效研判的難度與準確度。

（2）數據處理方式傳統單調

數據處理方式的傳統單調表現為以傳統的統計法和定性描述為主，雖能得出基本結論，但存在明顯的缺點。首先，傳統的數據統計法易造成數據失真，表現為較多地使用基礎辦公軟件（如Excel），采用排序篩選的處理手段不但使得工作人員忙于處理表格耗費大量時間和精力，而且較容易因人為失誤造成數據的錯亂，以致不能保證處理后數據的真實可靠。其次，定性描述分析法不能確保精準性，表現為基于定性描述的研究方式主觀經驗性較強，且研究結論具有趨同性的特征。例如，貧困戶脫貧和貧困村退出均以調查員依據問卷問題進行主觀判斷，弊端在于摻雜個人經驗判斷，雖有一定的后期統計數據作為輔助性證明，但評估結果主觀性較強。傳統單調的數據處理方式不能全面有效地分析評估信息，無法跟大數據技術下高效快速的分析過程相比擬，影響第三方對政府扶貧工作成效評判的科學性和可信度。

（3）數據開發應用能力較弱

扶貧數據的開發應著力于挖掘數據的內涵價值，以科學的數據模型提升扶貧工作的精準性和有效性，輔助政府進行貧困治理。目前，精準扶貧第三方評估數據開發與應用多用于單純的政府績效評價。例如在評估中，第三方后期數據分析多用于評估報告的撰寫，報告內容也僅為圍繞“三率一度”等指標進行的政府扶貧成效評價和具體存在漏評、錯評問題的可參考農戶情況，這對于輔助政府開展深層次貧困治理是遠遠不夠的。數據開發應用能力弱還表現在重整體脫貧輕個體發展。對于貧困地區而言，整體脫貧指標的滿足并不意味著個體發展得到保障，若不加強對貧困個體數據開發應用的深度和廣度，必然導致精準扶貧第三方評估無法深度解析貧困戶的致貧原因和提供供需匹配的幫扶措施，則貧困個體會隨時面臨返貧的風險，影響整體脫貧成效?？偠灾?，現階段的第三方評估數據開發應用能力低、模式陳舊的弊端無法充分保障貧困人口持續性脫貧和輔佐政府開展貧困治理工作。

2.解決問題、彌合縫隙的對策

打贏脫貧攻堅戰，第三方評估發揮著獨特的作用。大數據技術的引用，將有效創新現有扶貧開發模式，實現精準扶貧和精準脫貧。面對以上問題，為更好地運用大數據技術實現第三方評估效能最大化，需要從拓展數據來源、創新數據處理方式和增強大數據技術預測能力等方面入手：

（1）拓展數據來源渠道，豐富數據獲取手段

數據是評估的基礎，大數據技術可拓展第三方評估扶貧數據來源渠道，豐富數據內容，為評估結果提供科學、多樣的數據支撐。借助大數據技術可依靠以下三種途徑：首先，利用大數據技術導入多方訪談主體。精準扶貧第三方評估應改變以往單純將貧困戶和村干部作為訪談主體的方式，將訪談對象擴展至引導員、非抽樣村民、社會組織、民間團體和部分企業的相關人員，同時發揮大數據技術的數據挖掘算法功能，歸納不同訪談主體之間聯系，構建多樣化的數據模型，豐富數據內容的廣度和深度。其次，大數據技術可創設更為科學的調查方法。傳統的第三方評估多以訪談和問卷手段獲取扶貧信息，但數據的信度和效度有待提高，而使用大數據技術設定特定的時間和空間范圍，在觀察、測量和記錄的基礎上形成積聚增長的半結構性和非結構性數據⑩，進而提高數據可利用價值，為后期分析提供類型多樣的數據內容。最后，充分利用大數據信息共享平臺。精準扶貧第三方評估可借助大數據信息共享平臺整合各扶貧業務部門數據，結合多方數據做出科學評判。例如通過社保部門的醫療報銷記錄和教育部門的教育幫扶記錄等數據資源的交互，第三方可獲取貧困戶醫療救助和教育幫扶內容，此種方式既可核實貧困人口訪談信息的準確性，又可實現基礎數據對扶貧進程的動態監管，為第三方把控政府扶貧成效提供數據證明。

（2）創新數據處理方式，提高數據可操作性

以往的處理方式是將扶貧數據錄入到Excel表中，運用統計分析和定性描述的方法對數據進行分析和歸納，但此種方法較為傳統單一，并不能充分挖掘數據價值。創新數據處理方式，可利用大數據技術引入實時性處理和結構性分析，實時性處理意味著隨時隨地依據情況做出數據的增減變化，通過物聯網、傳感器等技術手段實現對貧困人口的動態監控，第三方應集合所收集的數據構建隨貧困人口不同階段而變化的動態數據庫，保證數據的時效性。第三方可利用大數據技術排列組合不同名義的數據，通過可視化分析手段，深度挖掘它們之間的關系，通過表象看到本質聯系，把握事物之間的相關性并做出直觀的量化評價。例如，結合鄉村醫生入戶走訪和社保部門醫療費用報銷統計數據測算因病致貧、因病返貧的潛在農戶，為第三方考核政府醫療幫扶工作的評估提供事實證明。

（3）豐富大數據技術應用手段，增強數據分析預測能力

精準扶貧第三方機構可在原有數據分析手段的基礎上，利用大數據建模與解讀的技術優勢，增加對多源大數據的分析對比、多元與多主體大數據的整合分析和數據動態跟蹤等模塊，提高對扶貧數據的應用能力。例如，通過以上手段可從扶貧數據中挖掘出隱含的致貧原因和貧困需求，輔助政府構建精準幫扶匹配模型，為貧困戶提供有針對性的幫扶措施。

大數據技術的關鍵性應用價值在于分析預測，即通過對已有數據的深度發掘，實現對研究對象發展趨勢的科學預測。在精準扶貧評估過程中，對于輔助政府貧困治理而言，第三方應整合全樣本數據，搭建數據分析與預測模型，將貧困戶家庭結構、貧困戶致貧原因、政府扶貧政策落實等變量融入模型中，結合成效考核相關指標，對政府未來扶貧攻堅的工作方向和內容提出預測建議。對于推動貧困人口持續性發展而言，第三方應借助大數據技術動態追蹤貧困人口發展現狀，并將其數字化和鏡像化，綜合運用分析手段前瞻性地預測貧困趨勢、脫貧能力和返貧風險，及時精準地為貧困人口提供幫扶。此外，精準扶貧第三方評估更為深層的目的在于提升政府扶貧成效，第三方評估要在大數據預測技術基礎上研究脫貧成效鞏固提升的對策方案，為政府完善自身工作和制定扶貧發展規劃提供科學依據。

總之，大數據技術的廣泛深入應用，能夠實現第三方評估的過程優化和結果精準性提升，對考核政府工作成效和助力貧困地區脫貧攻堅具有重要意義。隨著大數據技術的不斷進步，日益充盈的數據資源和新興的數據處理技術將會為精準扶貧第三方評估的發展與完善注入新的活力。

注釋：

① 宋林霖，何成祥：《大數據技術在行政審批制度改革中的應用分析》，《上海行政學院學報》2018年第1期，第72-80頁。

② 王春城：《政策精準性與精準性政策——精準時代的一個重要公共政策走向》，《中國行政管理》2018年第1期，第51-57頁。

③ 汪三貴，劉未：《 “六個精準”是精準扶貧的本質要求──習近平精準扶貧系列論述探析》，《毛澤東鄧小平理論研究》2016年第1期，第40-43頁。

④ 徐雙敏：《政府績效管理中的“第三方評估”模式及其完善》，《中國行政管理》2011年第1期，第28-32頁。

⑤ 燕小凡：《大數據背景下貴陽市公共政策第三方評估研究》，西南大學碩士學位論文，2017年。

⑥ 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。

⑦ 陳潭：《大數據驅動社會治理的創新轉向》，《行政論壇》2016年第6期，第1-5頁。

⑧ 丁翔，丁榮余，金帥：《大數據驅動精準扶貧：內在機理與實現路徑》，《現代經濟探討》2017年第12期，第119-125頁。

⑨ 譚韶生，王世峰：《大數據平臺在精準扶貧過程中的應用與實踐研究》，《信息與電腦》2017年第15期，第124-125頁。

⑩ 蘇玉娟：《比較視域下大數據技術的社會功能探析》，《安徽行政學院學報》，2015年第5期，第104-107頁。

王全志，雋海民，鐘紹鵬，趙勝川：《基于大數據的大學校園停車系統規劃——以大連理工大學凌水主校區為例》，《交通運輸研究》2017年第2期，第37-45頁。

封清云，郭炯，鄭曉?。骸洞髷祿С值母拭C省教育精準扶貧科學決策研究》，《電化教育研究》2017第12期，第21-26頁。