论文部分内容阅读
摘 要：“十三五”时期的到来，全面建设小康社会的任务日渐紧迫，精准扶贫成为实现全面小康社会的关键举措。精准扶贫是相对于粗放扶贫而言的，是指针对不同贫困区域的实际情况和“特色”运用科学有效的程序对扶贫对象实施精确帮扶、精准管理，制定专属性的扶贫计划。“大数据时代”的兴起，可以为精准扶贫提供新的视角，更好的实现精准定位，精准扶贫。
关键词：大数据 精准扶贫
“消除贫困，改善民生，实现共同富裕”是实现社会稳定、和谐发展的重要条件。按照我国的规定，年人均纯收入低于2800元的属于贫困人口。目前，我国有14个连片贫困地区，592个贫困县，12.8万个贫困村，很多贫困地区交通不便，基础社会和公共卫生条件差。习近平总书记在去年六月份到贵州省考察扶贫开发工作时强调，扶贫开发工作“贵在精准，重在精准，成败在于精准”。那么如何实现精准扶贫，这就需要借助“大数据”的思维和技术，深度了解贫困地区的实际情况，做出精准的决策和管理。
一、大数据概述
1.大数据的内涵。大数据的概念最早由恩伯格在《大数据时代》中提出的，指的是对采集到的所有数据进行分析处理，而不是用抽样调查的方式对数据进行随机分析。“大数据时代”的来临使人类第一次有机会和条件，在非常多的领域和非常深入的层次获得和使用全面的、完整的、系统的数据，意味着人类可以花费更低的成本，通过更快捷的方式获取数据中隐藏的价值和信息。“大数据时代”为人类深入探究事物的规律以便得到更有价值的商业信息提供了理论基础与技术支持。
2.大数据应用于精准扶贫的原理和技术支持。在传统的数据分析阶段，人们采用抽样方式进行数据分析，这种方式的分析结果的准确性在很大程度上取决于样本选取的随机性，但在实际的抽样过程中很难确保样本的随机性。大数据的到来，克服了之前传统数据分析的缺陷，将所有的数据充分的利用并加以分析。那么我们可以运用大数据的分析方式，在掌握了所有贫困人口的基本情况的基础上，对贫困人口的实际情况进行深入、透彻的研究，对贫困地区的实际情况做出科学精确的分析，并以此做出相应的决策。将大数据应用于扶贫的技术支持，要综合利用网络宽带、多媒体、计算机和遥感测量等技术，结合扶贫产业、人口、环境的相关数据，整合农村、交通、环境、基础设施等领域的相关信息，了解和掌握贫困地区的实际需求和利益诉求、为扶贫工作提供贫困地区人口、社会、经济、资源、环境等信息的数字化、信息化、网络化等决策依据，提高扶贫工作的精确性和科学性。当然，在这个过程中，需要建设好扶贫工作的数据库作为信息支撑。
二、精准扶贫的内涵
精准扶贫政策的基本内涵是，国家和政府通过对贫困家庭和人口的识别，从而确定贫困的原因及等级，并对其进行有针对性的帮扶，从根本上消除导致贫困的各种因素和问题，进而完成在2020年现有贫困人口全部脱贫的目标。这一政策要实施的话，包括几个步骤：贫困人员的精确识别；贫困人员的差异性帮扶；扶贫人员的动态管理；扶贫成效的精准考核及持续改进。贫困人员的精准识别就是通过一定的方式或手段，将生活于我国贫困线以下的人口精准识别出来，在此基础上，根据不同贫困地区的自身特点和实际情况，分析该地区每一个贫困家庭和贫困人口的致贫原因，对其进行归类整理、真正做到因地制宜、因人而异，对不同贫困原因下的贫困人员制定特定的帮扶方案。再次，对扶贫人员进行动态的管理，为每一个贫困人员建立档案卡，追踪差异性帮扶方案下的扶贫成效。这样做，可以及时识别出新的贫困家庭和人口，并将已经脱贫的家庭和人口调整出去，保持精准扶贫的有效性，还要对实施对象长期进行追踪，掌握扶贫方案是否达到了预期效果；最后，扶贫成效的精准考核及持续改进是针对地方政府及下属扶贫相关部门在精准扶贫的过程中，对精准扶贫的效果进行评估。
三、精准扶贫面临的挑战
精准扶贫工作的顺利开展，对我国农村的发展以及我国社会的稳定具有重大的意义。但是由于我国人口基数大且农村人口比例过高，加之我国面积辽阔，不同地区的致贫因素与限制条件大相径庭，这使得精准扶贫这项庞大的系统工程在现实实践中变得难以精准实施。要想切实做好该项工作，为每一位贫困人口带来最大实惠，就需要充分估计精准扶贫工作的困难，并积极寻求有效的解决方式。总体来说，将其主要面临的挑战与问题总结如下：
1.贫困人员的識别精度不高。精准扶贫的顺利开展，首要一步便是贫困人员的识别，这是扶贫工作顺利开展的基本条件。但是在实际工作中，由于贫困区域较为广阔，贫困人员甄别范围较大，这会大大增加贫困人员的识别难度。与此同时，现阶段的数据处理平台及数据处理方式的限制，无法应对持续增长数据，导致在贫困人员的识别工作中，难以对海量备选人员的信息进行有效的收集、分析和处理，从而影响贫困人员识别的精准度。
2.差异性帮扶方案设计的难度较大。到目前为止，我国农村贫困家庭致贫原因复杂多样，其中因病致贫的比例较高。这种现象从侧面反映出贫困地区生活条件差、医疗水平不高，缺乏基本的医疗保障。另外，致贫的原因还包括，资金不足、技术落后、教育资源匮乏、土地贫瘠、自然灾害、交通闭塞以及区域性限制等等原因。虽然可以将不同的贫困原因进行归类，并对其进行差异性帮扶。但在实际的操作过程中，相同的现象反映的本质却有很大的不同，这就导致无法从根本上消除贫困。
3.贫困人员信息管理能力不足，难以进行实时追踪。对每一个贫困人员进行建档立卡，这样便于对贫困数据及时进行查阅，也可以保持扶贫工作的持续有效评估。因此这个环节也不容忽视。
四、大数据在精准扶贫中的支持机制
1.利用大数据确定贫困对象。确定贫困对象是精准扶贫的关键，传统的粗放式扶贫是通过样本数据的分析来确定贫困标准后再选取合适对象，这种方式存在的问题是很容易产生偏差。而大数据下的精准扶贫方式在很大程度上避免了在样本选择上的弊端，利用新技术对所有相关数据进行分析，以数据的全面性和精准性为依据，对贫困地区的贫困人口实施精准识别，动态管理。在大数据时代下精准扶贫可以为每一户的贫困人员建档，将贫困人员的基本信息、贫困状况变化录入信息管理平台，建立动态化的贫困人口信息数据库。
2.利用大数据对贫困对象进行动态化的管理。这项工作可以利用采集到的相关信息与数据建立贫困人员管理平台并进行信息化的管理，建立精准的贫困识别系统对贫困人员的贫困状况进行动态化的监督和管理，大数据可以提高系统的精确性、准确性，避免对贫困人员管理认定的滞后性和静态性的问题。同时，平台可以做到贫困人员有进有出，实现扶贫的动态管理，平台管理的动态化可以准确的监控到已经脱贫的人员以及仍处在贫困水平的人员。
3.利用大数据对贫困人员进行预测。大数据技术下不仅可以对现有的贫困地区、贫困人口的状况进行动态、及时的掌握和监控，更重要的是可以根据掌握的已有的贫困人员的状况和信息数据，运用数学、统计学等方法进行计算，对将来的情况及数据进行可行性分析与预测。精准扶贫的开展，关乎所有贫困人员的福祉，关乎我国社会主义的建设进程。现在距我国2020年定下的目标还有一段时间，要确保完成现有的7000多万贫困人员实现脱贫，就要在精准扶贫工作上利用大数据技术作为支撑，采取力度更大、针对性更强、效果更持久的措施。
参考文献：
[1]邓维杰，《精准扶贫的难点、对策与路径选择》[J].农村经济，2014，06.
[2]盖宇希，《大数据视角下的精准扶贫》[J].经济管理，2015.07.
[3]董杨柳，《大数据时代精准扶贫思考》[J].合作经济与科技，2016.07.
[4]郑瑞强，《基于大数据思维的精准扶贫机制研究》[J].贵州社会科学，2015年8月.
作者简介：张静（1981—），女，副教授，贵州民族大学民族地区公共政策研究院。
关键词：大数据 精准扶贫
“消除贫困，改善民生，实现共同富裕”是实现社会稳定、和谐发展的重要条件。按照我国的规定，年人均纯收入低于2800元的属于贫困人口。目前，我国有14个连片贫困地区，592个贫困县，12.8万个贫困村，很多贫困地区交通不便，基础社会和公共卫生条件差。习近平总书记在去年六月份到贵州省考察扶贫开发工作时强调，扶贫开发工作“贵在精准，重在精准，成败在于精准”。那么如何实现精准扶贫，这就需要借助“大数据”的思维和技术，深度了解贫困地区的实际情况，做出精准的决策和管理。
一、大数据概述
1.大数据的内涵。大数据的概念最早由恩伯格在《大数据时代》中提出的，指的是对采集到的所有数据进行分析处理，而不是用抽样调查的方式对数据进行随机分析。“大数据时代”的来临使人类第一次有机会和条件，在非常多的领域和非常深入的层次获得和使用全面的、完整的、系统的数据，意味着人类可以花费更低的成本，通过更快捷的方式获取数据中隐藏的价值和信息。“大数据时代”为人类深入探究事物的规律以便得到更有价值的商业信息提供了理论基础与技术支持。
2.大数据应用于精准扶贫的原理和技术支持。在传统的数据分析阶段，人们采用抽样方式进行数据分析，这种方式的分析结果的准确性在很大程度上取决于样本选取的随机性，但在实际的抽样过程中很难确保样本的随机性。大数据的到来，克服了之前传统数据分析的缺陷，将所有的数据充分的利用并加以分析。那么我们可以运用大数据的分析方式，在掌握了所有贫困人口的基本情况的基础上，对贫困人口的实际情况进行深入、透彻的研究，对贫困地区的实际情况做出科学精确的分析，并以此做出相应的决策。将大数据应用于扶贫的技术支持，要综合利用网络宽带、多媒体、计算机和遥感测量等技术，结合扶贫产业、人口、环境的相关数据，整合农村、交通、环境、基础设施等领域的相关信息，了解和掌握贫困地区的实际需求和利益诉求、为扶贫工作提供贫困地区人口、社会、经济、资源、环境等信息的数字化、信息化、网络化等决策依据，提高扶贫工作的精确性和科学性。当然，在这个过程中，需要建设好扶贫工作的数据库作为信息支撑。
二、精准扶贫的内涵
精准扶贫政策的基本内涵是，国家和政府通过对贫困家庭和人口的识别，从而确定贫困的原因及等级，并对其进行有针对性的帮扶，从根本上消除导致贫困的各种因素和问题，进而完成在2020年现有贫困人口全部脱贫的目标。这一政策要实施的话，包括几个步骤：贫困人员的精确识别；贫困人员的差异性帮扶；扶贫人员的动态管理；扶贫成效的精准考核及持续改进。贫困人员的精准识别就是通过一定的方式或手段，将生活于我国贫困线以下的人口精准识别出来，在此基础上，根据不同贫困地区的自身特点和实际情况，分析该地区每一个贫困家庭和贫困人口的致贫原因，对其进行归类整理、真正做到因地制宜、因人而异，对不同贫困原因下的贫困人员制定特定的帮扶方案。再次，对扶贫人员进行动态的管理，为每一个贫困人员建立档案卡，追踪差异性帮扶方案下的扶贫成效。这样做，可以及时识别出新的贫困家庭和人口，并将已经脱贫的家庭和人口调整出去，保持精准扶贫的有效性，还要对实施对象长期进行追踪，掌握扶贫方案是否达到了预期效果；最后，扶贫成效的精准考核及持续改进是针对地方政府及下属扶贫相关部门在精准扶贫的过程中，对精准扶贫的效果进行评估。
三、精准扶贫面临的挑战
精准扶贫工作的顺利开展，对我国农村的发展以及我国社会的稳定具有重大的意义。但是由于我国人口基数大且农村人口比例过高，加之我国面积辽阔，不同地区的致贫因素与限制条件大相径庭，这使得精准扶贫这项庞大的系统工程在现实实践中变得难以精准实施。要想切实做好该项工作，为每一位贫困人口带来最大实惠，就需要充分估计精准扶贫工作的困难，并积极寻求有效的解决方式。总体来说，将其主要面临的挑战与问题总结如下：
1.贫困人员的識别精度不高。精准扶贫的顺利开展，首要一步便是贫困人员的识别，这是扶贫工作顺利开展的基本条件。但是在实际工作中，由于贫困区域较为广阔，贫困人员甄别范围较大，这会大大增加贫困人员的识别难度。与此同时，现阶段的数据处理平台及数据处理方式的限制，无法应对持续增长数据，导致在贫困人员的识别工作中，难以对海量备选人员的信息进行有效的收集、分析和处理，从而影响贫困人员识别的精准度。
2.差异性帮扶方案设计的难度较大。到目前为止，我国农村贫困家庭致贫原因复杂多样，其中因病致贫的比例较高。这种现象从侧面反映出贫困地区生活条件差、医疗水平不高，缺乏基本的医疗保障。另外，致贫的原因还包括，资金不足、技术落后、教育资源匮乏、土地贫瘠、自然灾害、交通闭塞以及区域性限制等等原因。虽然可以将不同的贫困原因进行归类，并对其进行差异性帮扶。但在实际的操作过程中，相同的现象反映的本质却有很大的不同，这就导致无法从根本上消除贫困。
3.贫困人员信息管理能力不足，难以进行实时追踪。对每一个贫困人员进行建档立卡，这样便于对贫困数据及时进行查阅，也可以保持扶贫工作的持续有效评估。因此这个环节也不容忽视。
四、大数据在精准扶贫中的支持机制
1.利用大数据确定贫困对象。确定贫困对象是精准扶贫的关键，传统的粗放式扶贫是通过样本数据的分析来确定贫困标准后再选取合适对象，这种方式存在的问题是很容易产生偏差。而大数据下的精准扶贫方式在很大程度上避免了在样本选择上的弊端，利用新技术对所有相关数据进行分析，以数据的全面性和精准性为依据，对贫困地区的贫困人口实施精准识别，动态管理。在大数据时代下精准扶贫可以为每一户的贫困人员建档，将贫困人员的基本信息、贫困状况变化录入信息管理平台，建立动态化的贫困人口信息数据库。
2.利用大数据对贫困对象进行动态化的管理。这项工作可以利用采集到的相关信息与数据建立贫困人员管理平台并进行信息化的管理，建立精准的贫困识别系统对贫困人员的贫困状况进行动态化的监督和管理，大数据可以提高系统的精确性、准确性，避免对贫困人员管理认定的滞后性和静态性的问题。同时，平台可以做到贫困人员有进有出，实现扶贫的动态管理，平台管理的动态化可以准确的监控到已经脱贫的人员以及仍处在贫困水平的人员。
3.利用大数据对贫困人员进行预测。大数据技术下不仅可以对现有的贫困地区、贫困人口的状况进行动态、及时的掌握和监控，更重要的是可以根据掌握的已有的贫困人员的状况和信息数据，运用数学、统计学等方法进行计算，对将来的情况及数据进行可行性分析与预测。精准扶贫的开展，关乎所有贫困人员的福祉，关乎我国社会主义的建设进程。现在距我国2020年定下的目标还有一段时间，要确保完成现有的7000多万贫困人员实现脱贫，就要在精准扶贫工作上利用大数据技术作为支撑，采取力度更大、针对性更强、效果更持久的措施。
参考文献：
[1]邓维杰，《精准扶贫的难点、对策与路径选择》[J].农村经济，2014，06.
[2]盖宇希，《大数据视角下的精准扶贫》[J].经济管理，2015.07.
[3]董杨柳，《大数据时代精准扶贫思考》[J].合作经济与科技，2016.07.
[4]郑瑞强，《基于大数据思维的精准扶贫机制研究》[J].贵州社会科学，2015年8月.
作者简介：张静（1981—），女，副教授，贵州民族大学民族地区公共政策研究院。