对大数据监督热的冷思考

许然

近日，记者在某地采访时，听到参与查处公租房问题的工作人员说道，此前该地的一名房产中介利用居民信息不对称，说自己有办法为其申请到公租房，并謊称在公租房居住满年限后，就能低价购买。一时间，无数人信以为真，争相交钱交材料。收到大笔钱财后，该中介伙同当地基层工作人员、住建系统、房管系统工作人员，帮不符合申请要求的居民将房子申请到手。

查处该案的工作人员坦言，挖出该利益链条并不容易，前期取证耗费了大量的时间与精力。如果能把房管所、车管所以及民政等部门的数据拿来对比，就能发现大量的问题线索。

不过要进行数据比对，说起来容易，做起来较难，首先得建个大数据监督平台。这个平台既要能统筹多部门数据，还要精准地分析查找问题。抛开成本不说，光是协调各部门的数据已属不易，尤其是公安部门、银行机构的数据。

目前，全国多地对大数据监督进行了探索，多数是由纪检机关统筹。

牵头层面不同，理念不同、成本不同、实施的力度和取得的效果也大相径庭。有的地方一开始热闹，花了不少钱，但慢慢就偃旗息鼓了。

事实上，大数据监督不是个新词，之所以在部门或干部监管方面还未形成比较通用的法则，就是因为能够真正把握其原理并长期运用自如的地方并不多。

从本质上说，大数据并不是一种概念，而是一种方法论，就是通过分析和挖掘全量的、非抽样的数据来辅助决策。大数据监督就是要通过大数据的手段来发现问题。此外，还要对相关问题的发展趋势进行研判。

如果掌握不好方法，就容易迷失在数据海洋中，无法抓取有效信息，或者片面运用某一项数据作为参考，导致结论误差较大。

在实施中，有的地方因为协调的力度不够，拿到的相关数据较少，加之问题模型的设置不够精准，导致发现问题的准确性不高;而有的地方所建的平台无法对相关问题进行提前研判预警，只是将海量数据集合在一起。

一言以蔽之，如果数据无法转换成有效信息，服务于监管行为，都不能称之为大数据监督。

另外一个问题是，很多地方往往在第一个阶段取得的效果显著，但越往后推进，越难再发现问题。这是因为，问题线索是根据之前的数据和问题模型得出的。整治后，很多地方对不规范的方面进行了整改或有意规避。相关部门再拿到这方面的数据时，便发现不了问题。

这都是数据模型过于简单化、表面化所致，反映出一些地方对某一领域存在的问题研究不透，没有深挖问题线索之间的内在逻辑，从中提取出可以为我所用的数据。一旦数据分析逻辑被轻易识破，那么数据造假就更加轻而易举，所谓的大数据监督终会名存实亡。

对此，统筹负责的部门必须加以重视。在大数据监督平台的开发和运行中，要建章立制，把推动大数据监督作为长期目标，明确责任分工和倒查机制，提高其执行力。还要形成从结果到数据的倒推思维，摸索出科学的数据—信息生成模型，让数据成为人的帮手，而不是人被数据所累。最重要的是，允许一定程度试错，要从一次次的评估中把握数据规律，对模型、机制加以调试，提升大数据监督的有效性。