论文部分内容阅读
〔摘要〕突发事件情报分析如何更好地适应大数据所带来的深刻变化，为决策用户提供更加科学、准确、可靠的突发事件情报服务产品已成为大数据时代突发事件应急管理的重要问题。本文结合北京、广州等主要地区突发事件总体预案及突发事件信息管理办法，通过深入分析大数据对突发事件情报分析的影响，梳理分析当前我国突发事件情报分析存在的问题，提出了适应大数据环境的突发事件情报流程，并在此基础上构建以综合研判模块为核心的大数据突发事件情报分析模型，以期实现大数据与突发事件情报分析的深层次融合，为突发事件应急决策提供有价值的情报决策支持。
〔关键词〕大数据；突发事件；情报分析；模型
DOI：10.3969/j.issn.1008-0821.2017.01.009
〔中图分类号〕G206.2〔文献标识码〕A〔文章编号〕1008-0821（2017）01-0045-06
〔Abstract〕How to better adapt to the profound changes brought by the big data and to provide more scientific，accurate and reliable emergency intelligence service products for emergency has become an important problem of emergency management based on the big data.Combining with the general plan of emergency and the management of emergent information in Beijing and Guangzhou，This article analyzed the impact of big data on the intelligence analysis of emergency and the current problems in the intelligence analysis of emergency in China.It proposed the emergency intelligence flow that adapted the big data environment and built an emergency intelligence analysis model of big data that including the comprehensive judgment module，in order to realize the deep integration of big data and emergency intelligence analysis and provide valuable information decision support for emergency decision-making.
〔Key words〕big data；emergency；intelligence analysis；model
当前，我国正处于社会、经济全面转型升级的历史时期，社会安全事件、公共卫生事件、事故灾害及自然灾害等各类突发事件呈现阶段性多发趋势，如昆明“3.01”暴恐事件、“东方之星”长江沉船事故、天津“8.12”爆炸事故、山东平邑石膏矿坍塌事件等的频繁发生。一方面，突发事件给人们的生命财产安全带来了严重威胁，对社会和经济的发展造成不可估量的巨大损失；另一方面突发事件极易引发社会公众的群体性焦虑与不安情绪，对社会秩序的维护造成了严重阻碍。突发事件的突然性、严重性、破坏性、复杂性、社会性等特征，迫切要求各级突发事件应急决策机构和部门必须具备科学、准确、高效的突发事件情报分析能力。随着信息技术的快速发展，数据的体量规模不断膨胀，数据的类型愈加多种多样，海量的数据信息正充斥于社会生活的方方面面。大数据已从信息技术范畴扩展到商业贸易、行政管理、社会服务等各行各业。目前我国已将大数据纳入国家战略，大数据已成为不可忽视的国家战略资源。较之以往，基于大数据的数据挖掘和分析将为突发事件应急决策提供更加科学、准确、高效的情报分析决策支持产品，从而极大地消除了基于经验和直觉的传统突发事件情报分析的局限性和滞后性，极大地提高突发事件应急决策及预警响应能力。因此，大数据将为突发事件情报分析的革命性变革。
目前，对突发事件情报分析的研究主要集中一下几个方面：第一类，对突发事件情报工作进行研究。姚乐野、范炜（2014）分析了以快速响应为目标的情报本质，剖析了突發事件应急管理中情报运行的过程、构成与作用机理[1]；林曦、姚乐野（2014）对我国突发事件应急管理中法律法规对情报工作的保障不明确、情报人才队伍建设不健全、情报资源体系不完善、情报网络不畅通等问题进行了分析并提出了相关改进措施[2]；第二类，对突发事件情报体系及分析框架的研究。付婷婷（2010）在分析国内外国家竞争情报研究的基础上，探究了我国对国家应急竞争情报体系的迫切需求，构建了面向突发事件的基于竞争情报标准模型的国家竞争情报体系[3]；朱晓峰、冯雪艳等（2014）对面向突发事件的情报体系涉及的基础理论问题进行研究，构建了面向突发事件的情报体系模型，并对情报体系的基本功能进行设计，探讨了情报及时服务平台和突发事件信息可视化两个关键问题[4]；徐绪堪、钟宇罛等（2015）从组织机构、业务流程和信息流程3个层次系统角度分析突发事件的信息采集、处理、组织和分析过程，构建突发事件情报分析总体框架、业务流程框架和信息流程框架[5]；第三类，对某一领域或某一特定地区的突发事件情报分析进行研究。徐绪堪、房道伟等（2014）从情报学角度分析药品安全性突发事件处理全过程，构建药品安全性突发事件情报分析框架[6]；徐绪堪、赵毅等（2015）以城市突发事件为对象，通过城市水灾害数据采集与清洗、事件关联以及情报融合等主要环节，构建城市水灾害突发事件的情报分析框架[7]；第四类，对突发事件网络舆论中的情报工作进行研究。王沙骋（2013）认为正确分析和引导突发事件网络舆论，关键在于情报立法，情报机构建设，情报人力建设以及情报合作[8]；王兰成（2015）从网络舆情情报的规划、获取、处理、加工和分发5个阶段的实现流程入手，融合网络舆情的相关技术，提出了针对突发事件应急处置情报支援系统架构[9]。 综上所述，目前部分针对突发事件情报分析的研究中，虽然提及了大数据对突发事件情报分析的作用和影响，在突发事件情报体系的构建中也有部分学者将大数据环境纳入到体系框架的构建之中，但往往仅停留在情报信息的来源和获取方面。因此，本文通过分析大数据对突发事件情报分析的影响，从情报分析流程入手，分析大数据突发事件情报分析流程，并在此基础上构建大数据背景下突发事件情报分析模型，以期提高突发事件应急决策机构及部门的情报分析能力，为突发事件的快速应急响应提供科学、可靠的决策支持。
1大数据对突发事件情报分析的影响
1.1大数据的概念及特点
大数据并未一个全新的概念，1980年未来学大师、世界著名未来学家阿尔文·托夫勒（Alvin Toffler）在《第三次浪潮》中预言了信息时代的到来会迎来数据爆发，并将海量数据赞颂为“第三次浪潮的华彩乐章”。1998年SGI的首席科学家John R.Masey在USENIX大会上首次提出“Big Data”一词。但是目前对于大数据的概念，不同的学者拥有不同的观点，在概念定义上并未形成统一的观点。其中比较有代表性的有：维克托·迈尔-舍恩伯格在《大数据时代》一书中将大数据定义为：不用随机分析法这样的捷径，而采取所有数据的方法[10]。维基百科则将大数据定义为：无法在可承受的时间范围内用常规软件工具进行捕获，管理和处理的数据集合[11]。本文比较认可维基百科对于大数据的概念界定。
由于概念定义的界定上缺乏统一认识，对大数据的特征的描述上也就出现了不同的界定和论述。目前比较有代表性的大数据特征的界定是“4V”特征：规模性（Volume），即数据体量的海量；多样性（Variety），即数据类型的繁杂；高速性（Velocity）；即数据增长及处理速度的超快速性[12]。价值性（Value），即数据价值的低密度[13]。本文将从大数据的概念和特征入手，将大数据与突发事件情报分析进行深入融合，探究大数据对突发事件情报分析的深刻影响。
1.2大数据对突发事件情报分析的影响
1.2.1突发事件情报信息的海量化与复杂化
大数据的首要特征即是规模性（Volume），即数据体量的海量。大数据所强调的并非传统意义所指的数量巨大。从数量上来看，数据的规模是海量级，数据体量无法度量；从数据内容来看，其包含所有与之相关的信息内容。同时，数据类型更加复杂多样，包括结构化数据、半结构化数据、非结构化数据及交互数据等。互联网、物联网、传感网等相关信息技术的快速发展，不断提升着突发事件相关机构和部门的信息化水平，如智慧城市、天网工程等。突发事件情报信息的来源更加开放，涵盖范围更加广泛，包含了突發事件相关联的一切来源。这就使得，突发事件情报信息数据规模都呈现出几何级增长态势，同时不同数据来源，必然带来数据类型的复杂多样。突发事件情报信息的海量化一方面能够为突发事件情报分析提供更加全面地数据信息；另一方面，海量复杂的数据信息使得信息价值密度降低，容易产生信息陷阱，使得情报用户和分析人员迷失在信息海洋之中，造成对情报需求与分析的误导。
1.2.2突发事件情报分析手段的智能化与多样化
传统的突发事件情报分析更多的偏重于经验和直觉，情报分析手段相对单一，同时往往局限于情报分析人员的能力素质。大数据分析工具的运用，能够实现对突发事件情报信息的自动监控与识别、风险态势分析、关联分析、情感分析、文本挖掘等，进而从海量的数据信息中发现潜在规律和联系，同时智能化地提出不同阶段的决策支持服务和可行性预案。
1.2.3突发事件情报分析的实时化与综合化
大数时代，数据的更新变化速度达到了前所未有的层次，海量的数据信息无时无刻不在发生着变化。而这些高速增长变化的数据信息即是突发事件情报分析的基础，因此，突发事件情报分析必须实现实时化。同时较之于海量化的数据信息，有价值的突发事件情报数据的离散程度高，数据之间的相关性难以察觉。这就要求突发事件情报分析必须实现综合化、系统化，对数据信息进行更加全面、细致地分析研判，深入挖掘数据之间的相关性。
2传统突发事件情报流程
传统情报分析通常从确定需求开始，旨在对某一情报问题确定界限，主要由情报用户提出较为笼统的问题。第二步是计划，即围绕情报用户所提出的问题确定具体的解决方案，主要下达情报搜集和分析任务。第三步是搜集，即情报搜集人员根据受领的情报任务展开情报搜集。第四步是处理，在情报搜集开展的同时，情报人员要对获取的相关情报信息进行处理，对相关情报信息进行识别、整理，为情报分析做好前期准备。第五步是分析，情报分析人员对新搜集和已处理的情报信息进行汇总，结合有关历史信息和自身经验等，对相关因素进行分析评估。第六步是分发，即情报分析人员将所获得情报成品以书面报告或简报的方式分发给情报用户，如图1所示。
本文通过对北京、上海、广州、新疆等地区的突发事件总体预案、突发事件信息管理办法等进行分析研究，发现无论管理机构设置，还是信息管理流程与传统情报流程具有较高的契合程度。以广州市为例，广州市突发事件应急委员会为广州市突发事件应急管理的领导机构，统一领导全市突发事件应对工作。广州市突发事件应急委员会办公室（简称市应急办）是广州市应急委常设办事机构，协助市政府领导同志组织处理由市政府直接处理的突发事件，承办市应急委的具体工作，负责市政府总值班工作。市专项应急指挥部是市应急委下设的突发事件具体工作机构，主要职责是具体指挥本市相关特别重大、重大突发事件应急处置工作，依法指挥协调或协助开展相关较大、一般突发事件应急处置工作，分析总结本相关突发事件应对工作等。各区县一级建立相应的应对突发事件工作体制和机制，成立区县突发事件应急管理委员会作为本行政区域处置突发事件的地方机构，如图2所示。其余各省市在突发事件组织机构设置方面与广州市基本一致。从整体机构设置来看，各职能部门虽然职责明晰、分工明确，有利于行政管理，但部门之间工作程式化问题突出，难以使得所有的情报利益相关者都必须参与其中，突发事件信息的流动性不足，无法实现情报信息深层次融合。 根据《北京市突发事件信息管理办法》的规定，北京市应急办（市政府总值班室、市应急指挥中心）负责全市突发事件的综合管理，建立信息收集、分析、处理、报送督办和反馈工作机制。市专项应急指挥办公室、各区县应急委、各类突发事件主管部门及专业机构负责本系统、本地区和本单位突发事件信息管理工作，根据相关法律法规及文件办法规定，向市应急办报送突发事件信息。从职责权限来看，市专项应急指挥办公室、各区县应急委、各类突发事件主管部门及专业机构主要负责定信息收集计划及信息报送要点，对基层收集的情报信息进行分析研判。专家顾问组作为信息分析的辅助部门，接受市专项应急指挥部门、区县应急委等相关部门的组织构建及专业信息咨询，结合专业知识对情报信息进行分析并提出相关工作建议。紧急报警中心、非紧急救助服务中心等部门属于情报信息收集部门，是突发事件信息收集的主渠道，负责第一时间收集报送突发事件、城市运行信息以及涉及安全稳定和其他敏感信息。宣传、网信、公安网监等部门负责收集新闻媒体报道、互联网、微博、微信等渠道的舆情动态信息。从信息管理的整体流程来看，北京市突发事件信息管理以传统情报流程为基础进行构建，如图3所示，主要流程为需求-计划-收集-处理-分析-传递，各部门由于职责权限造成的隔绝与壁垒明显，整个情报分析过程仍具有明显的线性特征，难以适应大数据环境下突发事件情报分析现实要求。
3大数据背景下的突发事件情报流程
传统突发事件情报流程是一个相对独立的过程，情报搜集人员、情报处理人员与分析人员彼此孤立存在，从整个过程来看，各阶段不同分工的人员只要分别按照固定的模式、程序和相对固定的要求开展工作，突发事件信息的流动性被大大削弱。而大数据背景下的突发事件情报分析并非线性的分析过程。突发事件的复杂性和大数据带来的数据复杂性和海量化，要求所有的情报利益相关者都必须参与其中。突发事件情报搜集人员、突发事件情报分析人员、突发事件情报决策用户之间建立一种以目标为中心，相互之间能够实时共享交流的网络，如图4所示。大数据背景下的突发事件情报分析是一个复杂的系统，围绕同一目标可能存在许多情报决策用户，其情报需求虽然存在部分相同，但是又往往具有自身独特的需求。同时面对海量的数据信息，只有更加清晰、准确地情报需求才能避免陷入信息陷阱之中。情报决策用户、情报搜集人员、情报分析人员等突发事件情报利益相关者围绕中心目标，实现了实时地、深层次的交流互动，极大地增强了信息的流动性，打破了相互之间的屏障和壁垒，使得情报分析更加实时、高效。
4大数据背景下突发事件情报分析模型
大数据背景下的突发事件情报分析模型的构建，以突发事件应急响应为目标，以大数据情报信息来源为基础，以突发事件情报需求为驱动，运用数据挖掘技术和方法，对海量的数据信息的挖掘分析，以实现大数据突发事件情报综合研判分析，为不同突发事件情报决策用户提供事前、事中及事后应急响应所需的各类情报服务产品。大数据背景下的突发事件情报分析模型包含大数据背景下突发事件情报源、大数据背景下突发事件情报目标及需求、数据采集与清洗、综合研判及大数据背景下突发事件情报服务产品五大模块，模块之间相互互联互通，形成有机地系统整体。如图5所示。
4.1大数背景下的突发事件情报源模块
大数据背景下的突发事件波及领域更加广泛，其数据信息往往存在于社会生活的方方面面，因此，大数据背景下的突发事件不仅要包含传统的主管部门的业务数据，更应当立足于大数据，广泛拓展突发事件情报源，在传统情报源基础上尽可能地实现情报源的扩展。构建包含业务主管部门数据、相关部门业务数据、媒体新闻数据、社交网络数据、电子政务数据及物联网数据的全方位立体化大数据突发事件情报源，实现对互联网、物流网及传感网等数据全面实时获取，实现对突发事件信息的全覆盖。
4.2大数据背景下突发事件情报目标及需求模块
面对大数据时，无论是情报分析人员还是决策用户都极易深陷数据海洋之中无法自拔，数据的体量规模以超乎常规地速度不断膨胀。面对浩如烟海的数据信息，如何确定目标与需求就成为情报分析的关键之一。只有明确了目标与需求才能更加准确地实现对数据信息的识别和分析。突发事件情报分析前必须尽可能准确地把握事件类型，事件当前所处的阶段，情报分析所需的要素，自身情报分析可能存在的风险因素、自身内部情报保障以及外部情报支援情况等，才能使得突发事件情报需求更加准确、更具指导意义。同时不可忽视的是，大数据突发事件的情报需求是动态化的，突发事件不同阶段的情报需求具有其独特性，不同决策响应机构及部门的情报需求的各不相同，因此目标与需求必须同情报分析、决策用户等实现实时交互，实现情报需求的动态实时调整。在天津“8.12”爆炸案处置过程中，各相关职能部门虽能根据本部门职责权限及各自情报需求开展相关情报分析，但部门情报需求未能与突发事件情报目标及需求形成实时交互，情报决策用户、情报收集人员、情报分析人员之间仅依照传统情报流程及各自需求孤立地开展相关工作，未能准确把握突发事件情报分析的整体需求及内外部情报分析中的风险因素，在体制机制上造成了情报分析的局限性。
4.3数据采集与清洗模块
数据采集与清洗是大数据背景下突发事件情报分析的基础工作之一，影响甚至决定着突发事件情报分析结果的精确性与可靠性。突发事件数据信息中包括结构性数据、非结构型数据、异构型数据，而且异构型数据的体量比重更为巨大。同时来自不同情报源的数据信息极有可能存在重復问题。大量的不清洁的数据信息掺杂于海量数据之中，只有对不同情报源中的海量、离散、不清洁的数据进行转换、清洗、拆分、汇总等处理，才能获得更加完整、统一的数据。而清洁、全面、统一的数据信息正是实现大数据突发事件情报分析，特别是智能化分析研判的先决条件。
4.4综合研判模块
综合研判模块是大数据背景下突发事件情报分析的关键，在这一模块中情报人员运用文本挖掘、人工智能、自动检索、自然语言处理、文本情感分析、语义分析等大数据技术和工具，同时结合权威专家提供的知识保障，构建突发事件相关分析模型，对突发事件要素、态势、舆情等的关联分析。并依托构建的突发事件案例数据库、突发事件分析模型数据库等各类数据库，挖掘突发事件信息中的潜在规律，实现对突发事件的全面综合研判。天津“8.12”爆炸案发生后，特别是数次新闻发布会之后，网络中出现了大量的网络谣言等负面舆情信息，这些负面信息给事件处置造成了极大消极影响。究其原因在于，在突发事件综合研判忽视了对网络舆情的分析与预警。事件发生后相关职能部门未能对事件相关舆情风险因素进行实时监测，在情报分析中对舆情态势发展及影响力的判断不足，造成了舆情应对仍处于较低层次的被动回应的消极局面，未能赢得突发事件舆情的积极防御的主动权，造成了网络舆情阵地话语权的流失。
〔关键词〕大数据；突发事件；情报分析；模型
DOI：10.3969/j.issn.1008-0821.2017.01.009
〔中图分类号〕G206.2〔文献标识码〕A〔文章编号〕1008-0821（2017）01-0045-06
〔Abstract〕How to better adapt to the profound changes brought by the big data and to provide more scientific，accurate and reliable emergency intelligence service products for emergency has become an important problem of emergency management based on the big data.Combining with the general plan of emergency and the management of emergent information in Beijing and Guangzhou，This article analyzed the impact of big data on the intelligence analysis of emergency and the current problems in the intelligence analysis of emergency in China.It proposed the emergency intelligence flow that adapted the big data environment and built an emergency intelligence analysis model of big data that including the comprehensive judgment module，in order to realize the deep integration of big data and emergency intelligence analysis and provide valuable information decision support for emergency decision-making.
〔Key words〕big data；emergency；intelligence analysis；model
当前，我国正处于社会、经济全面转型升级的历史时期，社会安全事件、公共卫生事件、事故灾害及自然灾害等各类突发事件呈现阶段性多发趋势，如昆明“3.01”暴恐事件、“东方之星”长江沉船事故、天津“8.12”爆炸事故、山东平邑石膏矿坍塌事件等的频繁发生。一方面，突发事件给人们的生命财产安全带来了严重威胁，对社会和经济的发展造成不可估量的巨大损失；另一方面突发事件极易引发社会公众的群体性焦虑与不安情绪，对社会秩序的维护造成了严重阻碍。突发事件的突然性、严重性、破坏性、复杂性、社会性等特征，迫切要求各级突发事件应急决策机构和部门必须具备科学、准确、高效的突发事件情报分析能力。随着信息技术的快速发展，数据的体量规模不断膨胀，数据的类型愈加多种多样，海量的数据信息正充斥于社会生活的方方面面。大数据已从信息技术范畴扩展到商业贸易、行政管理、社会服务等各行各业。目前我国已将大数据纳入国家战略，大数据已成为不可忽视的国家战略资源。较之以往，基于大数据的数据挖掘和分析将为突发事件应急决策提供更加科学、准确、高效的情报分析决策支持产品，从而极大地消除了基于经验和直觉的传统突发事件情报分析的局限性和滞后性，极大地提高突发事件应急决策及预警响应能力。因此，大数据将为突发事件情报分析的革命性变革。
目前，对突发事件情报分析的研究主要集中一下几个方面：第一类，对突发事件情报工作进行研究。姚乐野、范炜（2014）分析了以快速响应为目标的情报本质，剖析了突發事件应急管理中情报运行的过程、构成与作用机理[1]；林曦、姚乐野（2014）对我国突发事件应急管理中法律法规对情报工作的保障不明确、情报人才队伍建设不健全、情报资源体系不完善、情报网络不畅通等问题进行了分析并提出了相关改进措施[2]；第二类，对突发事件情报体系及分析框架的研究。付婷婷（2010）在分析国内外国家竞争情报研究的基础上，探究了我国对国家应急竞争情报体系的迫切需求，构建了面向突发事件的基于竞争情报标准模型的国家竞争情报体系[3]；朱晓峰、冯雪艳等（2014）对面向突发事件的情报体系涉及的基础理论问题进行研究，构建了面向突发事件的情报体系模型，并对情报体系的基本功能进行设计，探讨了情报及时服务平台和突发事件信息可视化两个关键问题[4]；徐绪堪、钟宇罛等（2015）从组织机构、业务流程和信息流程3个层次系统角度分析突发事件的信息采集、处理、组织和分析过程，构建突发事件情报分析总体框架、业务流程框架和信息流程框架[5]；第三类，对某一领域或某一特定地区的突发事件情报分析进行研究。徐绪堪、房道伟等（2014）从情报学角度分析药品安全性突发事件处理全过程，构建药品安全性突发事件情报分析框架[6]；徐绪堪、赵毅等（2015）以城市突发事件为对象，通过城市水灾害数据采集与清洗、事件关联以及情报融合等主要环节，构建城市水灾害突发事件的情报分析框架[7]；第四类，对突发事件网络舆论中的情报工作进行研究。王沙骋（2013）认为正确分析和引导突发事件网络舆论，关键在于情报立法，情报机构建设，情报人力建设以及情报合作[8]；王兰成（2015）从网络舆情情报的规划、获取、处理、加工和分发5个阶段的实现流程入手，融合网络舆情的相关技术，提出了针对突发事件应急处置情报支援系统架构[9]。 综上所述，目前部分针对突发事件情报分析的研究中，虽然提及了大数据对突发事件情报分析的作用和影响，在突发事件情报体系的构建中也有部分学者将大数据环境纳入到体系框架的构建之中，但往往仅停留在情报信息的来源和获取方面。因此，本文通过分析大数据对突发事件情报分析的影响，从情报分析流程入手，分析大数据突发事件情报分析流程，并在此基础上构建大数据背景下突发事件情报分析模型，以期提高突发事件应急决策机构及部门的情报分析能力，为突发事件的快速应急响应提供科学、可靠的决策支持。
1大数据对突发事件情报分析的影响
1.1大数据的概念及特点
大数据并未一个全新的概念，1980年未来学大师、世界著名未来学家阿尔文·托夫勒（Alvin Toffler）在《第三次浪潮》中预言了信息时代的到来会迎来数据爆发，并将海量数据赞颂为“第三次浪潮的华彩乐章”。1998年SGI的首席科学家John R.Masey在USENIX大会上首次提出“Big Data”一词。但是目前对于大数据的概念，不同的学者拥有不同的观点，在概念定义上并未形成统一的观点。其中比较有代表性的有：维克托·迈尔-舍恩伯格在《大数据时代》一书中将大数据定义为：不用随机分析法这样的捷径，而采取所有数据的方法[10]。维基百科则将大数据定义为：无法在可承受的时间范围内用常规软件工具进行捕获，管理和处理的数据集合[11]。本文比较认可维基百科对于大数据的概念界定。
由于概念定义的界定上缺乏统一认识，对大数据的特征的描述上也就出现了不同的界定和论述。目前比较有代表性的大数据特征的界定是“4V”特征：规模性（Volume），即数据体量的海量；多样性（Variety），即数据类型的繁杂；高速性（Velocity）；即数据增长及处理速度的超快速性[12]。价值性（Value），即数据价值的低密度[13]。本文将从大数据的概念和特征入手，将大数据与突发事件情报分析进行深入融合，探究大数据对突发事件情报分析的深刻影响。
1.2大数据对突发事件情报分析的影响
1.2.1突发事件情报信息的海量化与复杂化
大数据的首要特征即是规模性（Volume），即数据体量的海量。大数据所强调的并非传统意义所指的数量巨大。从数量上来看，数据的规模是海量级，数据体量无法度量；从数据内容来看，其包含所有与之相关的信息内容。同时，数据类型更加复杂多样，包括结构化数据、半结构化数据、非结构化数据及交互数据等。互联网、物联网、传感网等相关信息技术的快速发展，不断提升着突发事件相关机构和部门的信息化水平，如智慧城市、天网工程等。突发事件情报信息的来源更加开放，涵盖范围更加广泛，包含了突發事件相关联的一切来源。这就使得，突发事件情报信息数据规模都呈现出几何级增长态势，同时不同数据来源，必然带来数据类型的复杂多样。突发事件情报信息的海量化一方面能够为突发事件情报分析提供更加全面地数据信息；另一方面，海量复杂的数据信息使得信息价值密度降低，容易产生信息陷阱，使得情报用户和分析人员迷失在信息海洋之中，造成对情报需求与分析的误导。
1.2.2突发事件情报分析手段的智能化与多样化
传统的突发事件情报分析更多的偏重于经验和直觉，情报分析手段相对单一，同时往往局限于情报分析人员的能力素质。大数据分析工具的运用，能够实现对突发事件情报信息的自动监控与识别、风险态势分析、关联分析、情感分析、文本挖掘等，进而从海量的数据信息中发现潜在规律和联系，同时智能化地提出不同阶段的决策支持服务和可行性预案。
1.2.3突发事件情报分析的实时化与综合化
大数时代，数据的更新变化速度达到了前所未有的层次，海量的数据信息无时无刻不在发生着变化。而这些高速增长变化的数据信息即是突发事件情报分析的基础，因此，突发事件情报分析必须实现实时化。同时较之于海量化的数据信息，有价值的突发事件情报数据的离散程度高，数据之间的相关性难以察觉。这就要求突发事件情报分析必须实现综合化、系统化，对数据信息进行更加全面、细致地分析研判，深入挖掘数据之间的相关性。
2传统突发事件情报流程
传统情报分析通常从确定需求开始，旨在对某一情报问题确定界限，主要由情报用户提出较为笼统的问题。第二步是计划，即围绕情报用户所提出的问题确定具体的解决方案，主要下达情报搜集和分析任务。第三步是搜集，即情报搜集人员根据受领的情报任务展开情报搜集。第四步是处理，在情报搜集开展的同时，情报人员要对获取的相关情报信息进行处理，对相关情报信息进行识别、整理，为情报分析做好前期准备。第五步是分析，情报分析人员对新搜集和已处理的情报信息进行汇总，结合有关历史信息和自身经验等，对相关因素进行分析评估。第六步是分发，即情报分析人员将所获得情报成品以书面报告或简报的方式分发给情报用户，如图1所示。
本文通过对北京、上海、广州、新疆等地区的突发事件总体预案、突发事件信息管理办法等进行分析研究，发现无论管理机构设置，还是信息管理流程与传统情报流程具有较高的契合程度。以广州市为例，广州市突发事件应急委员会为广州市突发事件应急管理的领导机构，统一领导全市突发事件应对工作。广州市突发事件应急委员会办公室（简称市应急办）是广州市应急委常设办事机构，协助市政府领导同志组织处理由市政府直接处理的突发事件，承办市应急委的具体工作，负责市政府总值班工作。市专项应急指挥部是市应急委下设的突发事件具体工作机构，主要职责是具体指挥本市相关特别重大、重大突发事件应急处置工作，依法指挥协调或协助开展相关较大、一般突发事件应急处置工作，分析总结本相关突发事件应对工作等。各区县一级建立相应的应对突发事件工作体制和机制，成立区县突发事件应急管理委员会作为本行政区域处置突发事件的地方机构，如图2所示。其余各省市在突发事件组织机构设置方面与广州市基本一致。从整体机构设置来看，各职能部门虽然职责明晰、分工明确，有利于行政管理，但部门之间工作程式化问题突出，难以使得所有的情报利益相关者都必须参与其中，突发事件信息的流动性不足，无法实现情报信息深层次融合。 根据《北京市突发事件信息管理办法》的规定，北京市应急办（市政府总值班室、市应急指挥中心）负责全市突发事件的综合管理，建立信息收集、分析、处理、报送督办和反馈工作机制。市专项应急指挥办公室、各区县应急委、各类突发事件主管部门及专业机构负责本系统、本地区和本单位突发事件信息管理工作，根据相关法律法规及文件办法规定，向市应急办报送突发事件信息。从职责权限来看，市专项应急指挥办公室、各区县应急委、各类突发事件主管部门及专业机构主要负责定信息收集计划及信息报送要点，对基层收集的情报信息进行分析研判。专家顾问组作为信息分析的辅助部门，接受市专项应急指挥部门、区县应急委等相关部门的组织构建及专业信息咨询，结合专业知识对情报信息进行分析并提出相关工作建议。紧急报警中心、非紧急救助服务中心等部门属于情报信息收集部门，是突发事件信息收集的主渠道，负责第一时间收集报送突发事件、城市运行信息以及涉及安全稳定和其他敏感信息。宣传、网信、公安网监等部门负责收集新闻媒体报道、互联网、微博、微信等渠道的舆情动态信息。从信息管理的整体流程来看，北京市突发事件信息管理以传统情报流程为基础进行构建，如图3所示，主要流程为需求-计划-收集-处理-分析-传递，各部门由于职责权限造成的隔绝与壁垒明显，整个情报分析过程仍具有明显的线性特征，难以适应大数据环境下突发事件情报分析现实要求。
3大数据背景下的突发事件情报流程
传统突发事件情报流程是一个相对独立的过程，情报搜集人员、情报处理人员与分析人员彼此孤立存在，从整个过程来看，各阶段不同分工的人员只要分别按照固定的模式、程序和相对固定的要求开展工作，突发事件信息的流动性被大大削弱。而大数据背景下的突发事件情报分析并非线性的分析过程。突发事件的复杂性和大数据带来的数据复杂性和海量化，要求所有的情报利益相关者都必须参与其中。突发事件情报搜集人员、突发事件情报分析人员、突发事件情报决策用户之间建立一种以目标为中心，相互之间能够实时共享交流的网络，如图4所示。大数据背景下的突发事件情报分析是一个复杂的系统，围绕同一目标可能存在许多情报决策用户，其情报需求虽然存在部分相同，但是又往往具有自身独特的需求。同时面对海量的数据信息，只有更加清晰、准确地情报需求才能避免陷入信息陷阱之中。情报决策用户、情报搜集人员、情报分析人员等突发事件情报利益相关者围绕中心目标，实现了实时地、深层次的交流互动，极大地增强了信息的流动性，打破了相互之间的屏障和壁垒，使得情报分析更加实时、高效。
4大数据背景下突发事件情报分析模型
大数据背景下的突发事件情报分析模型的构建，以突发事件应急响应为目标，以大数据情报信息来源为基础，以突发事件情报需求为驱动，运用数据挖掘技术和方法，对海量的数据信息的挖掘分析，以实现大数据突发事件情报综合研判分析，为不同突发事件情报决策用户提供事前、事中及事后应急响应所需的各类情报服务产品。大数据背景下的突发事件情报分析模型包含大数据背景下突发事件情报源、大数据背景下突发事件情报目标及需求、数据采集与清洗、综合研判及大数据背景下突发事件情报服务产品五大模块，模块之间相互互联互通，形成有机地系统整体。如图5所示。
4.1大数背景下的突发事件情报源模块
大数据背景下的突发事件波及领域更加广泛，其数据信息往往存在于社会生活的方方面面，因此，大数据背景下的突发事件不仅要包含传统的主管部门的业务数据，更应当立足于大数据，广泛拓展突发事件情报源，在传统情报源基础上尽可能地实现情报源的扩展。构建包含业务主管部门数据、相关部门业务数据、媒体新闻数据、社交网络数据、电子政务数据及物联网数据的全方位立体化大数据突发事件情报源，实现对互联网、物流网及传感网等数据全面实时获取，实现对突发事件信息的全覆盖。
4.2大数据背景下突发事件情报目标及需求模块
面对大数据时，无论是情报分析人员还是决策用户都极易深陷数据海洋之中无法自拔，数据的体量规模以超乎常规地速度不断膨胀。面对浩如烟海的数据信息，如何确定目标与需求就成为情报分析的关键之一。只有明确了目标与需求才能更加准确地实现对数据信息的识别和分析。突发事件情报分析前必须尽可能准确地把握事件类型，事件当前所处的阶段，情报分析所需的要素，自身情报分析可能存在的风险因素、自身内部情报保障以及外部情报支援情况等，才能使得突发事件情报需求更加准确、更具指导意义。同时不可忽视的是，大数据突发事件的情报需求是动态化的，突发事件不同阶段的情报需求具有其独特性，不同决策响应机构及部门的情报需求的各不相同，因此目标与需求必须同情报分析、决策用户等实现实时交互，实现情报需求的动态实时调整。在天津“8.12”爆炸案处置过程中，各相关职能部门虽能根据本部门职责权限及各自情报需求开展相关情报分析，但部门情报需求未能与突发事件情报目标及需求形成实时交互，情报决策用户、情报收集人员、情报分析人员之间仅依照传统情报流程及各自需求孤立地开展相关工作，未能准确把握突发事件情报分析的整体需求及内外部情报分析中的风险因素，在体制机制上造成了情报分析的局限性。
4.3数据采集与清洗模块
数据采集与清洗是大数据背景下突发事件情报分析的基础工作之一，影响甚至决定着突发事件情报分析结果的精确性与可靠性。突发事件数据信息中包括结构性数据、非结构型数据、异构型数据，而且异构型数据的体量比重更为巨大。同时来自不同情报源的数据信息极有可能存在重復问题。大量的不清洁的数据信息掺杂于海量数据之中，只有对不同情报源中的海量、离散、不清洁的数据进行转换、清洗、拆分、汇总等处理，才能获得更加完整、统一的数据。而清洁、全面、统一的数据信息正是实现大数据突发事件情报分析，特别是智能化分析研判的先决条件。
4.4综合研判模块
综合研判模块是大数据背景下突发事件情报分析的关键，在这一模块中情报人员运用文本挖掘、人工智能、自动检索、自然语言处理、文本情感分析、语义分析等大数据技术和工具，同时结合权威专家提供的知识保障，构建突发事件相关分析模型，对突发事件要素、态势、舆情等的关联分析。并依托构建的突发事件案例数据库、突发事件分析模型数据库等各类数据库，挖掘突发事件信息中的潜在规律，实现对突发事件的全面综合研判。天津“8.12”爆炸案发生后，特别是数次新闻发布会之后，网络中出现了大量的网络谣言等负面舆情信息，这些负面信息给事件处置造成了极大消极影响。究其原因在于，在突发事件综合研判忽视了对网络舆情的分析与预警。事件发生后相关职能部门未能对事件相关舆情风险因素进行实时监测，在情报分析中对舆情态势发展及影响力的判断不足，造成了舆情应对仍处于较低层次的被动回应的消极局面，未能赢得突发事件舆情的积极防御的主动权，造成了网络舆情阵地话语权的流失。