摘      要：根据拉斯韦尔的情报观，情报就是引起决定者注意并与政策事务相关的信息，是公共政策问题构建的基础。大数据对公共政策问题构建的影响不仅体现在问题搜索、问题界定等方面，而且主要是通过情报的作用完成的。本文梳理了大数据的特征和大数据时代情报分析的特点，认为大数据在环境监视、信息传播和趋势预测三个层面能够优化公共政策问题的构建。
　　关  键  词：情报;大数据;公共政策;环境监视
　　中图分类号：D630        文献标识码：A        文章编号：1007-8207（2019）06-0062-08
　　收稿日期：2019-04-14
　　作者简介：刘振宇（1990—），男，河北邯鄲人，中国政法大学博士研究生，研究方向为公共政策量化分析。
　　目前，大数据已经渗透到社会生活的各个领域。在大数据时代到来之前，人们主要依赖抽样数据、局部数据和片面数据，甚至在无法获得实证数据的时候纯粹依赖经验、理论、假设和价值观去发现未知领域的规律，人们对世界的认识往往是表面的、肤浅的、简单的。大数据使人类有机会获得和使用全面、完整的数据，深入探索现实世界的规律，获取更多的知识与信息。大数据给人们带来的思维变革可以总结为以下几点：不是随机样本而是全部数据、不是精确性而是混杂性、不是因果关系而是相关关系。[1]大数据的应用几乎可以覆盖所有领域，目前在公共服务与公共政策领域中，交通数据、公共健康数据发展得较快，主要因为这些数据较为客观，便于监测、收集和分析。公共政策问题构建是公共政策过程的逻辑起点，大数据对公共政策问题构建的影响主要是通过情报的作用完成的。

一、文献回顾与研究视角

　　学界对于大数据与公共政策的研究主要分为三类：第一类是关于大数据与公共政策关系的基础性研究，如黄璜对大数据的内涵和外延进行了详细梳理，讨论了大数据的兴起对公共政策的影响。[2]第二类是关于大数据与公共政策评估的研究，如魏航在查阅了国内外相关研究文献的基础上梳理了学界关于大数据对政策评估的影响，并结合国内外的相关战略规划和案例对该领域的后续研究方向提出了建议;[3]谢明则从理论逻辑、现实应用、实证经验三个维度对运用大数据方法进行政策评估的可行性进行了分析。[4]第三类是关于大数据与公共政策问题构建的研究，如韩振燕分析了大数据在公共政策问题构建程序中的作用，并论述了大数据时代公共政策问题构建面临的机遇与挑战;[5]王秋菊则以多源流理论为基础，分析了大数据对该理论的优化进而为改善我国公共政策问题构建提供了方案和思路。[6]
　　在大数据与公共政策问题构建程序的关系中，仅以问题感知、问题搜索、问题界定、问题陈述四个程序的分析并不能完全展现大数据对公共政策问题构建的影响，故需要找到一个新的视角，从更深更广的领域挖掘大数据对公共政策问题构建的影响。笔者在学界已有研究的基础上尝试以美国学者拉斯韦尔的情报观为视角进一步展开分析。第一，拉斯韦尔是政策科学的创始人，但由于他在此领域的著述较少，导致学界对他在政策科学方面的研究不多，对其理论的阐释也不全面。如果能关注拉斯韦尔的环境监视、信息传播等理论，在一定程度上会消除这种状况。第二，综合理解拉斯韦尔的学术志趣，作为多个学科的创始人或奠基者，跨学科、跨领域是他学术研究的主要特征，在现今多学科综合发展、研究方法相互借鉴以及大数据时代背景下，他的理论有积极的参考价值。第三，拉斯韦尔的情报观不仅体现在政策过程阶段论中，而且在信息传播、情报预测和评价方面也有体现，通过他的情报观可以构建一个完整的分析框架。综上，通过分析拉斯韦尔的情报观，有利于全面把握大数据对公共政策问题构建的影响。

二、大数据视阈下情报与公共政策问题构建

　　（一）拉斯韦尔的情报观
　　现代意义上的“情报”有两种含义：一种指战争时期关于敌方军事、政治等方面的情况;另一种指关于某种情况的消息和报告，相当于“信息”，拉斯韦尔的情报观主要建立在第二种意义之上。情报的发展主要有四个阶段类型，即基于信息的事实型、基于信息管理的综述型、基于智能的智慧型、基于大数据的情报学发展型。[7]对情报的利用随着技术手段的提高而愈加深入，尤其是在大数据时代，对数据采集和信息处理分析的能力有了跨越式的发展，对情报认识的加深也对公共政策问题构建起到了积极的作用。
　　政策过程阶段论。拉斯韦尔认为，对情报功能的认识只在军事领域和外交领域得到了重视，“在有限的领域，特别是在军事政策方面，对情报有过理论上的讨论和实践上的指南。在外交领域，如何获取信息可以为我们提供一些有价值的暗示。”[8]作为政策科学的创始人，拉斯韦尔最早提出了政策过程理论框架，包括情报、建议、规定、合法化、应用、终止和评价。情报就是引起决定者注意、与政策事务相关并关注其怎样被收集、予以处理的信息。在拉斯韦尔眼中，政策研究是“一种研究取向和智力传统”，[9]知识、信息和问题都属于拉斯韦尔的情报概念范畴，知识是情报概念中的隐性部分，信息和问题是情报概念中的显性部分，虽然情报和问题常常一同使用，但是情报的涵义更接近于信息，尤其是发现问题的关键性信息。知识、信息与数据的关系如图1[10]所示。1970年，拉斯韦尔在《政策科学的新概念》一文中进一步将政策科学概括为几个部分，其中包括“澄清目标或者形成政策分析应该追求的价值、掌握事件发展的趋势”，[11]再次强调了政策科学的问题取向。

　　环境监视与信息传播。拉斯韦尔的环境监视理论有两个来源，即格雷厄姆·沃拉斯的“第二手感情”说和沃尔特·李普曼的“拟态环境”说。“第二手感情”指通过间接接触而产生的感情，如通过浏览书籍、报纸、网页等得到的信息。“拟态环境”指传播媒介通过对象征性事件或信息进行选择和加工、重新加以结构化之后向人们提示的环境，如网络社交群、网络公共论坛等。拉斯韦尔的环境监视功能是指通过大众传播媒介对周围环境变动的持续报道，使人们及时感知社会上各种机遇和威胁。可见，拉斯韦尔对情报的重视体现在环境变动和信息传播领域，强调在变化的环境中应重视信息的传播并关注其可能带来的积极或消极影响。
　　（二）大数据视阈下情报分析面临的新环境
　　大数据的思维与技术在引入情报学后会带来哪些影响，又有哪些适应性问题需要解决，研究大数据情报分析面临的新环境是回答这些问题的前提。第一，以数据流为主的信息。数据流是指一组有顺序的、有起点和终点的字节集合。数据流信息具有如下三个特点：数据到达的速度快、数据来源范围广、数据持续不断地到达，因此对数据流的查询往往不是一次性而是持续性的，并随着底层数据的到达而不断返回最新的结果。数据流信息的这些特点导致情报收集难度加大，也带来了提取和分析情报的困难，但获得的是全面的、及时性的信息。第二，信息体量大但价值密度低。价值密度是指单位数据价值的大小，由于信息量过于庞大，客观上导致了单位数据价值密度的下降。所以，收集到低价值含量情报的概率将会上升，而问题的关键是对情报的筛选、分类和处理的技术要不断提高。第三，数据分散。数据分散主要指数据的来源广，靠单一机构或个人能力很难完成对大数据的收集、处理工作。同时，由于情报问题趋向复杂化，在解决这类问题时就需要信息数据共享、工具技术整合和人员跨界合作。
　　（三）大数据视阈下情报与公共政策问题构建
　　美国学者威·N·邓恩将公共政策分析称作“问题分析之学”，公共政策问题构建是公共政策过程的逻辑起点。社会面临的很多问题“并非所有的问题都需要政府通过制定政策加以解决，”[12]只有必要的社会问题才能进入政府的政策议程。从公共政策构建的角度看，私人问题、团体问题、社会问题都是构成情报的重要部分，是公共政策问题构建的基础，而大数据对公共政策问题构建的影响主要是通过情报的作用完成的。如图2所示，即技术层面依靠大数据监测、舆论大数据管理和大数据预测;理论层面由环境监测、信息传播和趋势预测作为支撑;应用层面即在公共政策问题构建中能够更好地发现和搜索问题，控制和引导问题以及预测问题、提前布局。

三、大数据对公共政策问题构建的影响

　　（一）环境监视：发现问题，调整政策
　　拉斯韦尔所说的环境监视功能，是指通过大众传播媒介对周围环境变动的持续报道使人们及时感知社会上各种机遇和威胁。大数据视阈下情报的环境监视功能可以对以下几个方面有所改善。
　　⒈增进公共性。以往政府获取情报信息数据的方式主要依靠人工，耗费的时间长且数据量小、涉及面较窄。在大数据视阈下，网络数据采集成为了获取数据的主要方式，获得的情报是全局性的，便于比较分析和因地制宜采取措施。另外，传播者缺乏对传播环境的认识是影响传播效果的重要原因，拉斯韦尔称其为“无知”，“无知意味着在传播过程的某个环节，缺乏来自社会其他部分的知识。传播只有适应受众的心理和文化，才能取得较理想的效果。”[13]对于政策制定者而言，自身的认知能力和价值取向往往影响其对某些问题的关注程度，同时对一些急迫性和突发性事件的发生难以及时作出应对和调整。而情报的环境监视功能可以对某一事件的发生、发展程度和急迫性作出较为明确的结论，既能够避免政策制定者由于主观价值偏好而忽视某些问题，也能够较为准确地掌握问题情况。从政策议程模型角度看，政策问题构建可分为外在创始型、政治动员型和内在创始型三类。在大数据视阈下，随着政府获得公众诉求信息能力的提升，外在创始型所占比例也将大大提升，其议程体现的是社会公众的充分参与，因此，能够增进公共政策问题的公共性。
　　⒉增强互动性。情报的功能是收集和处理信息并将信息传达给决策过程中的参与者。决策过程始于信息收集，即哪些人参与决策过程的信息收集、加工和分发，然后由哪些人参与决策制定提出特定的选择。知识转化为情报必须经过传递交流，人脑中无论有多么丰富的、新的知识，如果不进行传递交流就不能成为情报。技术的不断进步和日趋完善，为改善情报的传递、满足社会发展对情报的需求提供了可能。大数据时代的到来，就拓宽了政府获取情报的渠道，不仅可以使政府在与公众互动中充分掌握信息，而且可以引导舆论的发展方向。科层化的组织机构由于个人主观选择或逃避责任等原因产生了逃避或隐藏的问题，容易导致信息传递失真，形成纵向传递固有的弊端。大数据优化了信息传递的方向，由纵向传递向横向与纵向相结合、以横向传递为主的方式转化。横向传递有利于迅速决策、提高效率，上级政府可以直接获得有价值的情报信息，避免了传递失真而导致在问题识别上出现错误，从而增强了政府与公众之间的互动性。
　　⒊把握动态性。在大数据时代，情报呈现出动态性、体量大、类型多样、价值密度低、分析难度高等特点，以数据流为核心的情报充分体现了上述特点。动态性指的是情报处于不断的发展变化中，体量大指情报的数量多，类型多样指情报多以非结构化数据展现，是指其字段长度可变且每个字段的记录又可以由可重复或不可重复的子字段构成的数据库，不仅可以处理结构化数据，如数字、符号等信息，而且对文本、图片、声音、影视、超媒体等信息均有涉及。这些特点又导致了情报的价值密度低、分析难度高。同时，动态性也体现在大数据实时监控中，实时监控一般是指利用软件对系统运行的过程进行同步监控。根据数据流的特征，实时监控是把握动态数据的最好方式，在交通路况、GIS（地理信息系统）等领域已经广泛应用实时监控。政策问题会随着社会环境、问题解决程度和受众感知等因素的变化表现出动态性，而大数据时代下的情报分析就是以数据流为主的实时分析，在动態监视、突发事件处理中起着关键性作用。 　　（二）信息传播：引导舆论，解决问题
　　拉斯韦尔被施拉姆奉为传播研究的四大奠基人之首，他提出的“5W”传播模式即“谁、说了什么、通过什么渠道、对谁、取得了什么效果”和社会传播的“三功能”即“守望环境、协调社会各部分以回应环境、使社会遗产代代相传”[14]对传播学的发展影响非常大。在大数据时代，信息的生产、处理和传播实现了飞跃式发展，而迅捷的传播速度又产生了海量数据，从而给整个社会带来了适应性问题，这就需要通过政府自身拥有的资源和控制信息传播的能力对舆论进行引导和控制。
　　⒈系统议程与正式议程。社会公众向政府表达的各种诉求只有部分会进入政府的考量范围，“那些被决策者选中或决策者感到必须对之采取行动的要求构成了政策议程”。[15]系统议程又称公众议程，指某个社会问题已经引起公众的关注并有向政府提出诉求的意愿，要求采取措施加以解决的政策议程;正式议程又称政府议程，指某个社会问题已经引起政府的关注并感到有必要采取一定的行动，把问题列入政策范围的议程。从时间因素上看，两者相继发生，社会问题一般先进入系统议程中进行讨论，只有一些重要的、特殊的、紧急的社会问题才会直接进入正式议程，所以，系统议程是民意和舆论汇集的场所，政府可以实现正确的引导和控制。从内容上看，系统议程往往会呈现出抽象、模糊和分散等特征，而正式议程则呈现出具体、精确和集中等特征，由系统议程到正式议程的过程是政府识别真正的社会问题进而加以解决的过程。
　　2.实时分析与社会舆论。实时分析最重要的作用体现在对舆情的监控层面，基于大数据的挖掘将提供更加科学、准确、高效的情报分析，从而消除基于经验和直觉的传统情报分析的局限性和滞后性，提高预警响应及应急决策能力。舆论既有正面作用也有负面作用。从负面作用来看，政府及时主动地担当“发言人”的角色有助于减少舆论传播的负面作用，因为不明事实真相容易导致舆论的恶性传播。在舆论有争议、事实不清楚的情况下，如果政府不主动担当起“发言人”的角色，一些“网络意见领袖”所掌握的“部分事实”和“个人观点”就很容易引发网络舆论的聚合，从而形成集体性偏见，在一定程度上加大社会问题的严重性和急迫性，给政府确定政策问题、制定方案和执行方案带来压力。从正面作用来看，掌握舆情动态，对网络信息实施政府监控是关键。表达诉求是公众参与社会问题讨论的低成本渠道，对社会矛盾和冲突有排解与缓和作用。所以，政府应当对破坏社会和谐的言论加以控制，对积极向上、有利于解决社会问题的舆论加以鼓励和引导。
　　3.政策动员与政策宣传。政策动员是指政策主体为促进政策顺利执行、完成政策目标，通过组织内学习、媒体宣传、公众参与讨论等方式赢得社会支持的过程。政策宣传不仅是单向灌输，更应是双向交流，如果公众回应呈现负面效应，则表明公共政策的制定出现了问题，不易执行。在大数据背景下，政策动员与政策宣传不仅是将政策告知公众、发动公众、引导行动的过程，更主要的是为了获取宣传后的反馈信息。大数据将从技术层面给予更好的支持，在政策动员与政策宣传中发挥着重要作用。
　　（三）趋势预测：预测问题，提前预防
　　大数据对人类最重要的意义在于预测，“由于问题取向的研究方法是面向未来的，因此我们必须预测情报与评价的未来进展状况”。[16]预测的方法是把数学算法运用到海量的数据上来预测事物的发展趋势，往往需要找到一个关联物，然后收集与之相关的数据进行相关关系分析，其实质是评测这个关联物的优劣。
　　1.相关关系分析。相关关系的核心是量化两个数据值之间的数理关系，相关关系强是指当一个数据值增加时，另一个数据值很有可能会随之增加。如果A和B经常一起发生，只需要注意到B的发生，就可以预测A也往往会发生。这有助于捕捉可能和A一起发生的事情，即使不能直接测量或观察到A。更重要的是，它还可以帮助我们预测未来可能发生什么。但相关关系是无法预知未来的，只能预测可能发生的事情。由于数据体量大和动态变化速度快，虽然没有时间和精力在短时间内考虑其内在的因果关系，但对因果关系的研究若在足够多的相关关系之上将更容易被发现。
　　2.把握政策问题的相关性。建立在相关关系分析基础上的预测是大数据的核心，人们理解世界不再需要建立在假设的基础之上，因为大数据的相关关系分析更准确、更快，而且不易受偏见的影响。美国学者威·N·邓恩从政策问题的结构角度把政策问题划分为结构优良、结构适度和结构不良三种类型，其中结构不良的政策问题包括以下特征：决策者人数众多、备选方案无限、价值冲突、结果未知、概率不可计算。[17]基于大数据的趋势预测功能，无需大量的决策者和备选方案，在情报收集的基础上能够较为容易地发现问题的症结，对相应的结果和发生概率也能够通过历史数据得到较为一致的认可。在公共政策问题构建中，应主要考察在一定时期内的社会经济发展状况、各阶层群体生存状况、主流价值观凝聚作用等，对可能产生的问题作出预判，并分析可能发生且与之相关的问题，以提早布局、采取措施、解决问题。这种应用来源于公共政策问题的关联性，即公共政策问题并非是单独存在的孤立实体，尤其是某一领域内的政策更容易相互影响，这种关联性也增加了发现问题和解决问题的难度。以往的政策制定往往根据经验了解政策问题之间的相互关系，而在大数据背景下的情报分析可以较为充分地反映问题与问题之间的相关性，如果数据量足够多、收集的时间足够长，往往能够得出两者之间的相关变化规律，从而降低关联性增加所带来的难度，为科学决策提供有力保障。
　　3.社会问题的潜在性与转化性。“拉斯韦尔认为，我们可以从一个人的所读、所见和所听了解一个人的生活。同样，如果我们知道了个人、群体或国家关注的信息，我们就可以估计其观念，甚至推断其行为。”[18]问题通常泛指实际状态与期望之间的差距，当一个问题影响到多数人时，私人问题就会上升为少数人群问题，进而可能成为社会问题，使问题超出了个人的范围而呈现出集体性和公共性，往往表现为情绪的变化，这表明情绪同时具有潜在性与转化性，如社会突发事件往往对问题性质的改变有决定性作用。随着自媒体的迅猛发展和新技术的普及应用，信息传播和舆论生成的渠道之多、速度之快是前所未有的，因而政府通过大数据可以获得充分的情报，预测潜在问题和发生的可能性，以及時调整政策，做到提前布局。 　　环境监视、信息传播与趋势预测在过程上衔接、在功能上互补。趋势预测是政府发现潜在问题阶段，信息传播是政府对有可能成为公共政策问题的社会问题进行的控制，环境监视是政府对已经纳入正式议程的公共问题进行认定与建构的过程。情报的功能不仅体现在意识形态和战争领域，在公共政策问题构建方面也不容小视，尤其是在当今的大数据时代，情报与公共政策问题构建必将得到更好的结合。
　　【参考文献】
　　[1]李志刚，朱志军.大数据时代：生活、工作与思维的大变革[J].西域图书馆论坛，2013，（1）：45.
　　[2]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）：25-30.
　　[3]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.
　　[4]谢明，刘爱民.可行性及其路径：刍议大数据方法在公共政策评估中的运用[J].现代管理科学，2017，（11）：6-8.
　　[5]韩振燕，费畅.大数据时代公共政策问题构建的机遇、挑战及应对[J].湖北行政学院学报，2016，（6）：56-60.
　　[6]王秋菊，杨芷.大数据背景下政策议程设置的问题探析[J].辽宁行政学院学报，2017，（4）：13-19.
　　[7]黄河燕，曹朝，冯冲.大数据情报分析发展机遇及其挑战[J].智能系统学报，2016，（6）：719-727.
　　[8]Harold D.Lasswell. Relation of Ideological Intelligence to Public Policy[J].Ethics，1942，53（1）：25，29.
　　[9]張敏.拉斯韦尔的路线：政策科学传统及其历史演进评述[J].政治学研究，2010，（3）：113-125.
　　[10]涂子沛.大数据：正在到来的革命，以及它如何改变政府、商业与我们的生活[M].桂林：广西师范大学出版社，2012：88.
　　[11]LASSWELL H D.The emerging conception of the policy sciences：policy sciences[J].The Journal of Science Policy and Research Management，1988，3（4）：3.
　　[12]陈庆云.公共政策分析[M].北京：北京大学出版社，2011：95.
　　[13][14][18]拉斯韦尔.社会传播的结构与功能[M].何道宽译.北京：中国传媒大学出版社，2015：19，37，22.
　　[15]（美）詹姆斯·E.安德森.公共政策[M].唐亮译.北京：华夏出版社，1990：69.
　　[16]（美）格林斯坦.政治学手册精选（上卷）[M].北京：商务印书馆：1996：566.
　　[17]（美）威廉·N·邓恩.公共政策分析导论[M].谢明译.北京：中国人民大学出版社，2002：56.
　　（责任编辑：马海龙）
　　Abstract：According to Lasswell's view of information，information is the information that attracts the attention of decision makers and is related to policy affairs，and is the basis for the construction of public policy issues.The impact of big data on the construction of public policy issues is not only reflected in the aspects of problem search and problem definition，but also mainly through the role of intelligence.This paper combs the characteristics of big data and the characteristics of information analysis in the era of big data，and considers that big data can optimize the construction of public policy issues in three levels： environmental monitoring，information dissemination and trend prediction.
　　Key words：intelligence;big data;public policy;environmental monitoring