摘 要：伴随着大数据时代的到来，公共政策评估也面临着新的机遇与挑战。大数据时代可能带来的机遇包括评估主体多元化、评估方法间接化、评估行为隐形化以及评估内容全面化。但是，大数据时代的公共政策评估也面临着一些挑战，如公共政策评估者的理念需要更新，公共政策评估人才需要加快培养，对大数据所揭示的相关性需要深入研究，而且数据噪声对评估结果的影响也不容忽视。不仅如此，大数据技术应用于公共政策评估可能还面临着数据失真、数据主权壁垒和过度拟合等突出难题。为了迎接挑战，克服难题，大数据时代需要转变思维，更新理念，提升技术，以做好公共政策评估工作，提高公共政策质量，从而促进国家治理能力的提升。
关键词：公共政策评估；国家治理；大数据时代；数据孤岛
一、大数据时代的到来
“大数据”作为独立词语最早出现于1998 年，2000 年一篇学术论文中首次将“大数据”引入社会科学，但是当时并未引起关注，一直到2011 年下半年，世界对“big data”的关注才迅速升温[1]。顺应大数据的发展潮流，国务院于2015 年8 月31 日发布了《促进大数据发展行动纲要》（以下简称《纲要》），以期全面推进我国大数据的发展和应用。《纲要》对大数据作出了界定，即“以容量大、类型多、存储速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态”[2]。这一界定不仅再一次突出了大数据的4V特征，即海量的数据规模（Vast）、快速的数据流转和动态的数据体系（Velocity）、多样的数据类型（Variety）、巨大的数据价值（Value）[3]，也将大数据从一种新技术上升为一种新业态。
无论是在理论界还是在实务界，无论是在国内还是在国外，各种迹象都表明，大数据时代已经悄然来临。维克托·迈尔·舍恩伯格、肯尼斯·库克耶认为：“大数据是人们获得新的认知、创造新的价值的源泉；大数据还为改变市场、组织机构，以及政府与公民关系服务。”[4]9所以，大数据时代为创新政府的管理方式，重构政府与市场、政府与社会的关系提供了新的机遇。
上周（8月13日-8月17日），市场供货略偏紧，氯化钾报价高位坚挺。8月20日中国氯化钾批发价格指数（CKPI）为 2155.14点，环比上涨15.33点，涨幅为0.72%；同比上涨283.97点，涨幅为15.18%；比基期下跌1135.45点，跌幅为34.51%。
公共政策评估是政府管理的一个重要环节。大数据时代的到来为我国公共政策评估事业带来巨大的机遇，但是也会带来巨大的挑战。大数据技术作为一种技术手段，如果运用得当，将为我国政府公共政策评估提供一种新的工具，为公共政策评估工作的发展插上翅膀，但是如果不去积极运用，则可能会错失宝贵的机遇。
不过，有学者指出：“大数据应用于政策评价的研究正处于起步阶段，尚无此方向的系统研究。”[5]11目前，国内研究成果依然稀少，总体上大数据应用于公共政策评估的研究才刚刚起步，还处于探索阶段，仍需要进一步丰富和深化，尤其是对大数据时代所带来的机遇、挑战和反思的研究还存在不足。本文就是这样一种尝试，希望能够深化对大数据应用于公共政策评估的理论概括与反思，并提出进一步推进大数据应用于公共政策评估的具体策略。
大数据时代可以促进评估主体多元化，甚至可以实现全民评估。“传统的行政决策评估主要是政府的自我评估，专家团体、公民代表参与的机会较少，且往往存在形式主义；大数据时代评估主体将十分多元，从而将极大地推进行政决策的民主化水平。”[6]为什么传统的政策评估主体比较单一？这固然与公共政策评估组织者的偏好有一定的关系，但是也与传统方式下公共政策评估的成本和可行性有很大关系。首先，公共政策评估都需要一定的空间，为评估工作的开展提供场地条件，但是各级各地政府的办公条件是有限的，能够提供的场地也较为有限。所以，基于场地条件能够组织的评估规模也就是几十人，最多不过几百人。即使采取问卷调查的方式，评估的主体数量也是较为有限的。其次，公共政策评估都需要一定的成本，往往参加的主体越多，评估成本也就越高。这个成本不仅包括有形的物质成本，还包括无形的时间成本。大数据时代为解决这些问题提供了可能性条件。首先，大数据时代的公共政策评估不一定需要评估主体直接参与评估，所以不需要集中的场地。其次，大数据时代的公共政策评估是基于大数据的处理技术，可以通过对无数相关主体的数据分析实现评估，所以评估主体的数量可以大大超过传统时期，甚至实现全主体的广泛参与，而同时其成本主要是技术层面的，针对大规模评估主体开展的评估，采用大数据方式，成本相对较低。
十几年的光景里，大丫结了几次婚，也离了几次婚。能推测出，她在一波波破碎而难过的日子里，是怎样一副形象。
设计制作了5个组合框架节点试件，主要考虑再生粗骨料取代率和轴压比两个设计参数对节点抗震性能的影响，试件设计参数如表1所示，试件形状尺寸及截面配筋如图1所示。
二、大数据时代带给公共政策评估的机遇
（一）评估主体可以实现多元化
倩倩猪：最近，我觉得身边看到的最缺德的事情就是，各种颜色的共享单车被“虐”，不是少了座椅，就是少了踏板，更有甚者把单车堆成了高山。虽然去年的春节联欢晚会已经提到了这个现象，我还是想再次呼吁大众，请珍惜现在的单车便利，别让共享单车变成“曾经来过”。
（二）评估方法可以实现间接化
大数据时代给公共政策评估带来了机遇，同时也带来了诸多挑战。这些挑战可能是前所未有的，因此需要得到及时有效的应对，以推进公共政策评估工作。具体来说，主要包括以下几个方面：
（三）评估行为可以实现隐形化
大数据时代要面临的一个突出问题就是数据的混杂性。数据量的增加，总会造成结果的不太准确，甚至会有错误的数据进入数据库当中。因此大数据时代我们不得不拥抱混杂性[4]45-61。大数据的混杂性不仅仅是混乱的问题，有时还会夹杂着噪声，会严重影响到数据分析的效度。“数据在采集、传输、分类、整理和储存的过程中，总会掺杂进去某些干扰因素；大数据固然大，但其特点是价值密度低，海量的数据同时意味着数据噪声多。因此，被收集而来的数据不是每一项都会被用到，大数据使用首先要进行数据清洗。”[10]93同样，数据噪音也会对公共政策评估产生负面影响，数据清洗则是公共政策评估中需要采用的大数据技术手段之一，否则可能会影响到公共政策评估结果的准确性和真实性。
（四）评估内容可以实现全面化
传统的公共政策评估都是内容十分有限的评估，大数据时代提供了对公共政策内容全方位评估的可能性。小数据时代的“数据总量较小，类型较简单，数据获取渠道较少，手段、技术较落后”，这导致“可供参考的数据缺乏，所以存在对评估对象的认知不全面、不透彻的问题”[6]117。在大数据时代，数据的来源渠道将大大拓宽。首先，各级政府是最为重要的数据来源，它们不仅积累了大量涉及自然资源、市场、人口、求学、就业、卫生、交通等方面的政务数据，同时政府还可以通过其他渠道或手段，拥有一些非业务的外部数据。其次，微博平台、社交网站、移动互联网等也都可以成为评估数据的重要来源，这里面都拥有巨量的数据。此外，还有企事业单位、社会组织或个人办事过程中形成的各种类型的数据，也都能够成为公共政策评估的数据来源。这些数据体量巨大，内容丰富，包罗万象，具有大数据的特征。以这些数据为基础，从一定程度上来说，可以实现全部内容的公共政策评估，因为在“大数据时代，我们可以分析更多的数据，有时甚至是所有数据，而非仅仅依赖于随机抽样得到的样本数据，大数据会让我们看到样本数据不能揭示的细节信息”[7]。所以，相较而言，小数据时代，公共政策能够评估的内容较为狭窄；而大数据时代，将能够对公共政策进行更为全面的评估。
三、大数据时代对公共政策评估的挑战
大数据时代可以不再直接组织评估，可以通过对搜集的相关数据进行分析，来实现对公共政策的评估。小数据时代的公共政策评估往往由于信息缺乏，搜集到的数据量也较小。公共政策评估的开展有的是通过直接搜集公共政策产出的数据，有的是通过对公共政策目标群体的调研获取主观评价的数据。但是，不管采取怎样的途径，一般来说，小数据时代的公共政策评估都是采取较为直接的方式进行的。比如，评估全面放开二孩政策的绩效，那就需要搜集与二孩生育直接相关的数据，或者是直接相关的目标群体，即符合二孩生育条件群体以及有意愿生育二孩群体的数据。但是，大数据时代的公共政策评估是一种“循数评估”，可以“通过运用大数据技术如DM（数据挖掘）、OLAP（联机分析），对繁杂数据进行深度挖掘、分析，从‘数据海洋’里找到有价值的数据，从看似‘无序’‘无关’的数据和数据集间探寻规律和相关性，让数据‘发声’，运用VDSS（可视化决策支持系统），将数据分析结果以生动、直观、具体的形式展现给评估者，使其快速理解分析结果，作出较为准确的评估”[6]117。这些数据可能不一定是直接相关的数据，甚至可能乍看起来是风马牛不相及的数据。大数据时代的公共政策评估可以让“羊毛出在猪身上”，而不一定是“羊毛出在羊身上”。如果单纯衡量对人口增长效果的影响，对全面放开二孩政策效果的评估也可以通过适龄儿童入学的情况来衡量，不一定需要直接采集二孩生育情况的数据。从相关性的角度来看，采集学位情况的数据，甚至学位房的数据也可以衡量二孩政策的效果。因此，大数据技术可以让公共政策评估间接化。
（一）公共政策评估组织者需要更新理念
大数据时代，大数据具有数据规模巨大、数据结构和类型复杂、数据挖掘难度较大等特点，对于普通人来说，如何处理这些数据，是一个巨大的难题。一般而言，“只有数据专家、数据分析师才能对其进行深度、有效挖掘，而政府工作人员缺少必要的专业知识，无法有效完成评估中的数据挖掘、分析工作”[6]119。因此，大数据时代的公共政策评估需要更多的大数据专业人才，尤其是既懂大数据又懂公共政策的专业人才。而当前的大数据人才比较稀少，懂公共政策的大数据人才更加稀少。
智业革命的启动方案。第一步是快速提升我国科技实力与智库实力，解决扼喉技术难题，引领国际思想市场，用笔者提出的“互联网+代表作”方法盘点普查科研和智库领域的突破性成果以发掘拔尖人才，让大材小用的现有的拔尖人才立刻胜出并充分发挥作用，此法简单易行，立竿见影。当务之急是要盘点比较国内外关于人类命运和社会未来发展重大问题及对策研究领域的突破性成果。[33]常格不破，人才难得(包拯语)，以突破论英雄，用“互联网+代表作”有效落实代表作评价制度，不拘一格降人才，可快速提升我国科研与智库水平，以率先发动科技革命、产业革命乃至智业革命。
（二）大数据时代需要更多技术人才
它要求公共政策评估组织者的理念实现更新和转变。大数据的开放性特征，要求以更加开放包容的理念来看待公共政策的评估问题。这就要求打破“数据孤岛”，突破数据壁垒，实现更多的数据开放和共享。但是现实的情况是，“数据保护主义”、数据分割和垄断现象还存在于各层级、各部门当中[6]119。因此，公共政策评估组织者如何以开放的思维来应对这一局面，打破体制壁垒，推动数据的开放和共享就是首要的任务之一。“随着大数据时代的到来，数据将像传统的‘人、财、物’一样，成为重要的生产资料和创新资源，内部开放的程度，将决定一个国家发展的动力，一个社会创新的活力。”[8]大数据时代是一个开放的时代，首先要实现大数据的开放共享，有关部门和领导人员都应树立开放共享的理念，积极推动打破部门和行业壁垒，实现大数据在各部门各领域的开放共享。
（三）大数据揭示的相关性不同于因果关系
大数据分析的前提是进行广泛的数据收集。数据收集首先面临的问题是，数据归谁所有、归谁使用以及如何分配相应的收益，换言之，大数据收集的前提是数据的所有权、使用权和收益权要明晰。但是在现实中，数据的所有权、使用权和收益权都是难以界定的。其中，尤其是数据的所有权问题是一切问题的前提，明确了数据所有权，也就可以明确使用权和收益权。数据的所有权，也即数据的主权问题，远没有想象中那么简单。个人的数据是个人的吗？企业的数据是企业的吗？政府的数据是政府的吗？初看起来，答案似乎是肯定的，但是一遇到具体情境，就经不住追问。一个人进行网购，会登记自己的基本属性信息，诸如姓名、性别、电子邮箱以及家庭住址和银行账号等。这些信息是属于个人还是属于电商？电商能否将这些信息出售给其他商家？再比如，个人或企业到政府部门去办事，所产生的数据是个人的还是政府部门的？是属于某一具体政府部门，还是属于政府整体？对这些数据所有权的不同界定会产生很多不同的后果。现实中，很多地方政府部门往往各自为政，信息既不对百姓公开，也不与其他部门共享。这就产生了数据壁垒问题。公共政策评估中要采集数据，同样会遇到具体的数据壁垒问题，导致数据的采集成本提高。所以，要推进基于大数据的公共政策评估，也需要解决数据主权壁垒问题，对数据的所有权、使用权和收益权作出明确界定，并着力推进数据的开放与共享。
（四）数据噪声可能会影响评估结果
如前所述，大数据时代的公共政策评估是一种“循数评估”，它不依赖于评估主体的直接评估行为。换言之，评估行为只需要采集大量的数据进行相关性分析，从看似没有规律的数据中找到规律，从看似没有关联的数据中找到关联。这些杂乱无章的数据可能都是随机产生的。所有人的所有行为都会产生数据。只要是保留下来的数据就可能会成为数据分析的对象。所以，老百姓到政府部门去办事可能成为评估数据的来源，企业的经营行为也会成为数据的来源，甚至老百姓日常生活行为也可能成为数据的来源。政府部门的运作所产生和沉淀的各种资料也会成为数据的来源。这些行为都没有直接体现为公共政策评估行为，但是都可能产生公共政策评估所需要的数据。所以，从直观上来看，并没有评估行为的出现，但是事实上所有人都在“用脚投票”，无意间体现对某一政策的支持或反对。我们可以看到，大数据时代的公共政策评估行为可能是隐身的，它可以体现为其他的行为。老百姓的购房行为可能是对教育政策的评估数据，老百姓上下班的时间早晚可能是对交通政策的评估数据，老百姓看病的习惯与偏好可能是对医疗政策的评估数据。
四、大数据应用于公共政策评估的若干反思
（一）数据失真
大数据的特征之一是规模大，甚至可以实现全样本分析。那么，大数据之大是否意味着大数据会比小数据揭示更多的真实情况呢？事实上，这并不是必然的。大数据虽大，并不一定能够揭示全部的现实。例如，“抗日神剧”的高点击率和高吐槽率并不一定代表该剧最受欢迎，因为大数据版的网络收视率调查往往是以网络吐槽等非结构化数据为分析对象的。“抗日神剧”吐槽率高，不一定是因为人们喜欢它，也可能是因为人们厌恶它，不一定是因为人们看过它，也可能只是道听途说，不一定是真实感受，也可能是本能的反感，所以高吐槽率并不等于该剧收视率高或到户率高[10]94。这是难以区分的，如果不保持警惕，可能会得出错误的结论。因此，大数据可能会面临数据失真的问题，根据失真的数据所进行的公共政策评估，其结果的效度和权威性就会饱受质疑。
（二）数据主权壁垒
大数据所揭示的往往是相关性，而不是因果关系[4]67。因此，一方面需要运用相关性思维来考虑公共政策评估的具体方案，另一方面也要对大数据基础上的公共政策评估保持谨慎态度。首先，运用大数据开展公共政策评估要求寻找更多的相关性。据说，20 世纪90 年代，美国沃尔玛超市的研究人员发现：跟尿布搭配在一起被购买最多的商品，竟然会是啤酒！随后，沃尔玛对啤酒和尿布进行了捆绑销售，结果，沃尔玛尿布和啤酒的销售量都实现了增长[9]。所以，只要发现了尿布和啤酒的相关性，就可以对销售策略做出调整。相关性的发现有助于预测群体行为，从而为集体的决策服务。同样地，发现了相关性指标，也有助于发现公共政策评估的具体方案。其次，需要对相关性保持警惕，因为它并非因果关系。研究揭示，尿布和啤酒之所以会一起购买，是因为购买尿布的是年轻的爸爸，顺便购买啤酒供自己享用。所以，尿布与啤酒的相关性是由这一购买群体支撑的。大数据分析的相关性可以揭示群体性消费特征，但是并不能反映全部样本的真实情况。换言之，并非所有的爸爸都会如此选择。因此，大数据分析会揭示一种可能性的概率，但并非作为充分必要条件的因果关系，这是需要谨慎对待的。
（三）过度拟合
大数据分析的关键技术是大数据挖掘技术。而大数据挖掘中，最突出的问题就是过度拟合（overfitting）问题。例如，“谷歌流感趋势”（Google Flu Trends，GFT）预测，常常被看作大数据分析独特优势的有力证明：通过处理4.5亿个不同的数学模型，谷歌公司曾经建立了特定检索词条的使用频率与流感传播的时空联系。基于这个模型，谷歌公司对流感爆发情况的预测与官方数据的相关性达97%[4]2-4。但是，2014年，Lazer等学者在《科学》发文指出，2009年，GFT没有能预测到非季节性流感A-H1N1；从2011年8 月到2013 年8 月的108 周里，GFT 有100 周高估了CDC（美国疾控中心）报告的流感发病率[11]。“谷歌流感趋势”分析曾经很有权威，但是后来又经常出现误差，甚至是严重的误差，这是为什么呢？其原因就是过度拟合所造成的。“谷歌流感趋势”分析模型是在既有的非结构化的数据基础上建立起来的，但是流感发病与传播情况会不断发生变化，相应的数据会不断更新。建立在既有数据基础上的模型“生搬硬套”在新的数据上面，就可能出现过度拟合的问题。过度拟合问题产生的机制包括三个陷阱：大数据自大、算法演化、看不见的动机导致的数据生成机制变化[11]。大数据自大指的是对大数据的盲目崇拜，自以为大数据可以成为“全部”，揭示全部事实和真理；算法演化指的是数据科学家与工程师会不断更新大数据分析的算法，以适应数据的不断变化，但是这又会造成前后分析的不一致，也即前后逻辑的断裂；看不见的动机指的是大数据缺乏对数据背后的主观动机的反映，同样的事实，动机可能是不同的，但大数据分析是冷冰冰的，无法揭示鲜活的现实。这都是大数据分析可能会产生过度拟合问题的原因。大数据分析技术应用于公共政策评估，能否完全避免过度拟合的问题呢？这三个陷阱都是根源于大数据分析自身的特性，因而也是难以完全规避的，所以大数据分析应用于公共政策评估也必须面对过度拟合的问题。
五、大数据时代公共政策评估的应对策略
（一）塑造大数据公共政策评估的思维与意识
一方面要加大宣传力度，向全社会普及大数据知识，提升普通民众大数据素养；另一方面，政府数据管理人员和参与公共政策评估人员要树立大数据思维与意识。那么，大数据思维与意识究竟是怎样的呢？维克托·迈尔-舍恩伯格和肯尼斯·库克耶指出，大数据时代的思维变革体现出三个方面的特征：一是分析所有的数据，而不是分析少量的数据；二是接受数据的混杂性，而不再沉迷于数据的精确性；三是关注事物的相关性而不是事物的因果关系[4]27-94。大数据时代的公共政策评估也应树立大数据思维与意识。这意味着我们在公共政策评估中，首先，要尽可能搜集、挖掘和分析所有数据，而不是局限于小范围的访谈或抽样调查；其次，在公共政策评估中，允许混杂的数据存在，允许数据不精确、不完美，甚至存在着一些错误，而不是一味地寻求直接的数据、精确的数据和完美的数据；再次，在公共政策评估中要挖掘相关关系，根据相关性来作出预测和评估。不仅公共政策评估方案的制定需要贯彻大数据思维与意识，公共政策评估的实施同样也要体现大数据思维与意识。
（二）重视发展公共政策评估的大数据技术
大数据时代是一个不容回避的时代。维克托·迈尔-舍恩伯格在接受采访时曾经表示：“如果你是一个个人，如果你拒绝的话，可能会失去生命，如果是一个国家的话，拒绝大数据时代的话，可能失去这个国家的未来，失去一代人的未来。”[12]要迎接大数据时代的到来，就必须重视大数据技术的发展。从一定意义上来说，只有不断发展和创新大数据技术，才能够占据时代的制高点。大数据技术从过程的角度包括大数据存储技术、大数据挖掘技术、大数据实时处理技术、大数据传输技术、大数据分析技术等。在这些技术方面，已经产生了关联规则分析、聚类分析、机器学习、NoSQL（非关系型数据库）、SQL（结构化查询语言）、云存储、分布式文件系统、云计算、Hadoop（MapReduce 技术）、流计算等技术成果。公共政策评估与大数据技术的结合还需要新的技术成果的产生。公共政策评估中面临的数据失真和过度拟合等问题，都有赖于这些大数据技术的发展与创新。“在初期着力引进外部大数据管理技术，力求掌握核心技术，在中期采取边引进边创新的策略，探索适合我国的政府大数据管理技术，在后期着力开发具有中国特色的大数据管理技术，掌握大数据技术主动权。”[13]130
（三）大力培养公共政策评估的大数据人才
公共政策评估是一项对技术要求比较高的活动，需要大量有较高技术能力和理论素养的专业人才，但是我国目前这些人才还比较少，所以大力培育有关的公共政策评估专业人才势在必行。大数据时代对公共政策评估专业人才提出了新的要求，要求他们既懂公共政策评估，也懂大数据分析技术。这样的复合型专业人才尤其稀缺。国家《纲要》已明确指出，要创新人才培养模式，建立健全多层次、多类型的大数据人才培养体系。鼓励高校设立数据科学和数据工程相关专业，重点培养专业化数据工程师等大数据专业人才。鼓励采取跨校联合培养等方式开展跨学科大数据综合型人才培养，大力培养具有统计分析、计算机技术、经济管理等多学科知识的跨界复合型人才[2]。毫无疑问，《纲要》是一个顶层设计，对于复合型大数据人才的培养是一大利好，有利于整合政府、高校和企业等多方面力量，培养出既懂公共政策评估，又懂大数据分析技术的应用型专业人才。
（四）建立健全公共政策评估的大数据体制机制
大数据技术应用于公共政策评估，也需要健全的体制机制保障。一是建立信息安全保障机制。大数据时代需要数据的开放和共享，这可能会增加个人数据和政府数据被泄露或攻击的风险。必须建立信息安全保障机制，让无论是国家，还是企业，抑或是个人的数据都受到法律保护。不仅要明确“管理者和使用者在数据收集、整理、分析和共享过程中的责任和权利”[13]130，还要通过多方合作，共同提升大数据安全保障技术。二是建立大数据管理体系。公共政策评估中的数据质量问题，是一个非常重要的问题。建立大数据管理体系就是通过建立机构、合理配置人力物力，来强化对大数据的收集、运用、分析和共享的管理。尤其是要规范处理大数据，去除虚假数据，减少失真数据的负面影响，更新数据标准，确保数据产品的质量[13]129-130。
（1）随着经济全球化以及各国工业化、机械化程度的提高，石油资源的需求进一步提升，油气储量甚至成为判断一个国家实力强弱的标准。国际上对石油需求的增加，也为胜利油田走国际化道路提供了便利和机遇。
（五）坚持和实施统一的公共政策评估大数据发展战略
大数据应用于公共政策评估需要统一的大数据战略。《纲要》的出台，标志着我国政府已从顶层设计层面推动大数据技术在我国的发展与应用。接下来就需要我国各级政府、各个部门将《纲要》精神逐步落实。大数据应用于公共政策评估的战略也是对《纲要》精神的细化与展开。具体而言主要包括：一是大数据产品开发战略，重点围绕数据挖掘分析环节，开发适合公共政策评估的软件和硬件产品；二是数据开放与共享战略，搭建统一的大数据管理平台系统，这是利用大数据技术开展公共政策评估的重要前提；三是大数据实施保障战略。大数据应用于公共政策评估，也需要一定的人力、组织和财政的支持与保障。所以，对于大数据公共政策评估的专业人才如何培育与使用需要做好规划，对于公共政策评估应用大数据技术的组织力量需要有所安排，对于公共政策评估应用大数据技术的财政金融支持也应有所保障。
参考文献：
[1]黄璜，黄竹修.大数据与公共政策研究:概念、关系与视角[J].中国行政管理，2015（10）：25.
[2]国务院关于印发促进大数据发展行动纲要的通知：国发〔2015〕50号[EB/OL].（2015-09-05）[2019-02-10]http://www.gov.cn/zhengce/content/2015-09/05/content_10137.htm
[3]索雷斯.大数据治理[M].北京：清华大学出版社，2014：3-4.
[4]迈尔-舍恩伯格,库克耶.大数据时代：生活、工作与思维的大变革[M].盛杨燕，周涛，译.杭州:浙江人民出版社,2013.
[5]魏航，王建冬，童楠楠.基于大数据的公共政策评估研究：回顾与建议[J].电子政务，2016（1）：11-17.
[6]杨润美，邓崧.大数据时代行政决策评估进展研究[J].电子政务，2015（11）：115-121.
[7]杨润美，罗强强，郑莉娟.大数据时代的政策方案评估[J].法制与经济，2015（5）：105-107.
[8]涂子沛.数据之巅:大数据革命，历史、现实与未来[M].北京：中信出版社，2014：216.
[9]涂子沛.大数据：正在到来的数据革命[M].桂林：广西师范大学出版社,2012：97-98.
[10]董青岭.反思国际关系研究中的大数据应用[J].探索与争鸣,2016（7）：93-94.
[11]沈艳.大数据分析的光荣与陷阱：从谷歌流感趋势谈起[EB/OL].（2016-04-07）[2019-02-10]http://www.js.xinhuanet.com/2016-04/07/c_111855273 8.htm.
[12]迈尔-舍恩伯格：拒绝大数据时代可能会失去生命[EB/OL].（2013-04-11）[2019-02-10]http://jing ji.cntv.cn/2013/04/11/ARTI1365684146024680.sht ml.
[13]于浩.大数据时代政府数据管理的机遇、挑战与对策[J].中国行政管理，2015（3）：129-130.
On Public Policy Evaluation in Big Data Era: Challenge, Reflection and Countermeasure
Chen Jiagang
Abstract: With the advent of big data era, public policy evaluation is faced both new opportunities and challenges. Opportunities may include: diversification of evaluation subjects, indirect evaluation method, hidden evaluation behavior, and comprehensive content of evaluation. However, there are also challenges, such as the updating of ideas, the training of more personnel, the study of correlations revealed by big data, and the harmful effect of noise data. What’s more, there are three prominent problems: data distortion, data sovereignty barriers and over-fitting problems. Therefore, it’s necessary to update the concept and skills so as to improve the quality of public policy, and promote the governance levels.
Key words: Public Policy Evaluation;National Governance;The Era of Big Data;Isolated Data Islands
中图分类号：D63
文献标识码：A
文章编号：1007-905X（2019）08-0046-06
收稿日期：2019-04-03
基金项目：国家社会科学基金重点项目“国家大数据战略实施的关键路径及其行动策略研究”（15AZD077）
作者简介：陈家刚,男，博士，中共广东省委党校（广东行政学院）行政学教研部主任、青年岭南学者、教授，主要从事公共政策、人大制度、执政方式研究。
编辑 王秀芳
标签：数据论文; 公共政策论文; 时代论文; 技术论文; 相关性论文; 政治论文; 法律论文; 政治理论论文; 国家理论论文; 国家行政管理论文; 《河南社会科学》2019年第8期论文; 国家社会科学基金重点项目“国家大数据战略实施的关键路径及其行动策略研究”(15AZD077)论文; 中共广东省委党校论文;