對大數據監督熱的冷思考

許然

近日，記者在某地采訪時，聽到參與查處公租房問題的工作人員說道，此前該地的一名房產中介利用居民信息不對稱，說自己有辦法為其申請到公租房，并謊稱在公租房居住滿年限后，就能低價購買。一時間，無數人信以為真，爭相交錢交材料。收到大筆錢財后，該中介伙同當地基層工作人員、住建系統、房管系統工作人員，幫不符合申請要求的居民將房子申請到手。

查處該案的工作人員坦言，挖出該利益鏈條并不容易，前期取證耗費了大量的時間與精力。如果能把房管所、車管所以及民政等部門的數據拿來對比，就能發現大量的問題線索。

不過要進行數據比對，說起來容易，做起來較難，首先得建個大數據監督平臺。這個平臺既要能統籌多部門數據，還要精準地分析查找問題。拋開成本不說，光是協調各部門的數據已屬不易，尤其是公安部門、銀行機構的數據。

目前，全國多地對大數據監督進行了探索，多數是由紀檢機關統籌。

牽頭層面不同，理念不同、成本不同、實施的力度和取得的效果也大相徑庭。有的地方一開始熱鬧，花了不少錢，但慢慢就偃旗息鼓了。

事實上，大數據監督不是個新詞，之所以在部門或干部監管方面還未形成比較通用的法則，就是因為能夠真正把握其原理并長期運用自如的地方并不多。

從本質上說，大數據并不是一種概念，而是一種方法論，就是通過分析和挖掘全量的、非抽樣的數據來輔助決策。大數據監督就是要通過大數據的手段來發現問題。此外，還要對相關問題的發展趨勢進行研判。

如果掌握不好方法，就容易迷失在數據海洋中，無法抓取有效信息，或者片面運用某一項數據作為參考，導致結論誤差較大。

在實施中，有的地方因為協調的力度不夠，拿到的相關數據較少，加之問題模型的設置不夠精準，導致發現問題的準確性不高;而有的地方所建的平臺無法對相關問題進行提前研判預警，只是將海量數據集合在一起。

一言以蔽之，如果數據無法轉換成有效信息，服務于監管行為，都不能稱之為大數據監督。

另外一個問題是，很多地方往往在第一個階段取得的效果顯著，但越往后推進，越難再發現問題。這是因為，問題線索是根據之前的數據和問題模型得出的。整治后，很多地方對不規范的方面進行了整改或有意規避。相關部門再拿到這方面的數據時，便發現不了問題。

這都是數據模型過于簡單化、表面化所致，反映出一些地方對某一領域存在的問題研究不透，沒有深挖問題線索之間的內在邏輯，從中提取出可以為我所用的數據。一旦數據分析邏輯被輕易識破，那么數據造假就更加輕而易舉，所謂的大數據監督終會名存實亡。

對此，統籌負責的部門必須加以重視。在大數據監督平臺的開發和運行中，要建章立制，把推動大數據監督作為長期目標，明確責任分工和倒查機制，提高其執行力。還要形成從結果到數據的倒推思維，摸索出科學的數據—信息生成模型，讓數據成為人的幫手，而不是人被數據所累。最重要的是，允許一定程度試錯，要從一次次的評估中把握數據規律，對模型、機制加以調試，提升大數據監督的有效性。