新冠肺炎疫情之下，大數據被人們推上風口浪尖，成為火熱的話題。聯合國於2012年發布《大數據帶來的挑戰和機遇》白皮書，象徵著人類社會正式邁進了大數據時代。所謂大數據是指“海量數據”，其規模巨大到無法使用典型數據庫軟件工具進行運行和處理。它具有4V的特徵，即數據數量巨大（Volume）、數據種類繁多（Variety）、數據價值密度低（Value）、處理時效高速度快（Velocity）。對具有信息搜集任務的政府監管部門來說，大數據時代正式是監管改革創新的有利時機。從社會性監管角度出發，大數據究竟在場所安全、衛生健康與環境保護中能有怎樣的具體應用，也廣受關注。


什麼是社會性監管？它是指以保障勞動者與消費者的安全、健康、衛生、環境保護、防止災害為目的，對產品和服務的質量以及伴隨着提供它們而產生的各種活動制定一系列標準，並禁止、限制特定行為的監管。社會性監管主要包括工作場所安全、衛生健康與環境保護三大類別，切實關係到公眾健康與安全。正因為社會性監管這樣的特點，大數據的應用會在監管中發揮巨大作用。

大數據在社會性監管中的四大作用

大數據在社會性監管中發揮的四大作用，其一就是能夠增強監管的科學性。社會性監管的首要問題就是搜集諸如工作場所、食品藥品、環境污染等方面信息，根據信息與現實情況做出監管決策。而政府依靠大數據監管可以獲得更加客觀精準的信息，提高監管的科學化水平。從形成上來看，大數據多由機器生成，不容易受人的主觀因素影響；從時間上來看，可以做到實時收集與更新。這就使數據的時效性增強，可以被及時利用，因此監管就是根據最新情況而做出的；從來源上看，大數據的來源範圍更廣，使更多公民的數據包含其中。政府不再是只依靠自己的經驗或者只考慮某一階層進行監管，而是依靠各個階層真實的數據做出監管決策。因此監管從根源上變得更加合理、公平，科學性顯著提高。
第二，可以做到監管重心的前移。大數據的核心就在於預測，利用大數據進行社會性監管就是在預測的基礎上把握趨勢，做出正確判斷，達到防患於未然的目的，使監管重心前移。傳統的社會性監管以事後補救為主，即使處理得當，所造成的一些健康損害卻是無法彌補的。因此，在社會性監管中，利用大數據進行預測與風險預警就尤為重要。谷歌是全球最大的搜索引擎，專業人員把搜索引擎里的關鍵詞與疾控中心流感數據結合起來建立模型。在2009年H1N1爆發的前幾周，成功預測了H1N1在整個美國的傳播，甚至具體到特定的地區。與傳統模式相比，大數據呈現巨大優勢作用，使政府事後處理變為事前預測。
第三，利用大數據，可以有效做到非現場監管。相對於現場監管，非現場監管就是監管人員不在現場，而是遠程開展檢查或者核查的工作模式。即利用大數據，通過數據挖掘等技術分析業務信息，查找異常情況。一方面，非現場監管能夠保持監管的獨立性。在社會性監管中，現場檢查通常是監管人員依賴被檢查單位提供的實物證明，但存在被改寫與抵賴的情況，也存在各方面干擾監管人員判斷的情況。非現場監管能夠依據大數據進行前期分析取證，因此具有獨立性與靈活性。另一方面，非現場監管能夠減少監管的成本，提升監管效率。傳統社會性監管需要大量人員去實地檢查，而非現場監管通過遠程分析數據能夠降低監管經費成本。同時，遠程分析數據後再去現場檢查，更加有針對性，使監管效率提高。
第四，提高監管的公眾參與度。大數據時代，公眾不再是監管的觀眾而是監管的“決策者”。特別是社會性監管，工作場所、食品藥品的安全性、醫療服務以及環境污染等情況都是每個人所關注的，大數據監管給公眾一個機會去參與到其中。公眾可以利用社交平台上的各種資源與信息，發表自己的意見與建議。互聯網、微信、微博等與大數據技術的結合可以為政府監管提供新的手段，公眾可以突破時空的界限與政府進行溝通，及時反饋身邊的情況。公眾在網站上的每一條搜索，在微博上的每一條評論，都會作為大數據的一部分被搜集與處理分析，為政府監管貢獻自己的力量。正如阿爾文·托夫勒在《第三次浪潮》中所述“沉重的決策擔子，最後將必須通過較廣泛的民主參政來分擔解決。”同時，公眾也可以對政府監管的進度進行監督，確保監管的有力執行。從而減少“尋租”情況，讓政府的權利在陽光下運行。

疫情中大數據可對社會性監管做出顯著貢獻

此次新冠肺炎疫情的背景下，大數據對社會監督性的貢獻也尤其凸顯出來。在優化醫療資源配置和重構疫情發展模型方面，都發揮了不小的作用。
以優化醫療資源配置為例，中國傳統線下醫院之間並沒有大規模的數據共享。處於“信息孤島”中的醫院在就診需求高度集中時，很容易出現反覆號、延後治療、長時間等待結果等問題。近年來有多地政府都在尋求打通醫療信息系統的屏障，但大多措施仍處於測試階段，難以付諸實踐。在本次疫情的初發階段，這種現象導致醫療設施和醫用資源短時間內供不應求。
如今，利用大數據，可以做到醫療物資需求信息的及時公開匯總，大幅提高了資源調配機構及捐贈者的信息獲取速度，有效提升了資源供給調配的效率。此外，對短缺物資需求的歷史信息以及資源對接時效的匯總整理，也可以為有關政府部門預測未來資源需求、統籌規劃後續階段資源生產及調配提供幫助。
另一方面，互聯網醫療在本次新冠疫情防控中也發揮了突出的作用，既能夠有效緩解線下局部醫療資源的緊張，讓患者跨區域享受其他地域專家醫生的診療服務，又能夠減少線下醫院的人群聚集程度，降低交叉感染的風險。同時，依託於大數據技術的互聯網醫療方式也有可能改變線下醫院“信息孤島”現狀，突破傳統醫療的諸多限制。患者可以通過手機等設備上傳身體信息、就診記錄等數據，並由政府統一管理分類，醫院調用數據對患者採取針對性治療並進行診後追蹤，實現診療服務的精確化、快捷化。而隨着互聯網醫療的迅速發展，用戶數據不斷積累，從不同途徑打通數據，連接醫療平台。
2020年3月2日，《關於推進新冠肺炎疫情防控期間開展“互聯網+”醫保服務的指導意見》明確，對符合要求的互聯網醫療機構為參保人提供的常見病、慢性病線上複診服務，各地可依規納入醫保基金支付範圍。國家政策的大力支持也給醫療保險的創新提供了巨大的空間。
而在重構疫情發展模型方面，大數據更是功不可沒。依靠數據信息追蹤病毒攜帶者的行動軌跡，並繪製個體關係圖譜，大數據技術在精確定位疫情傳播路徑和防控疫情擴散等方面起到重要作用。通過將不同時間段的授權位置信息匯總並進行縱向串聯，繪製出移動終端持有者的移動軌跡，可以用於追蹤被感染者的疾病傳播路徑並定位感染源，配合個體關係圖譜更可以鎖定潛在感染者和病毒攜帶者，以便於及時採取有效手段進行防控，避免無端的大範圍擴散。同時，這些個體數據集中匯總形成的總體數據，則可以用於顯示疫情的大體分布範圍、嚴重程度及規模，並刻畫出疫區人員流動的動態，有利於定位疫情的流入流出範圍，預測地區疫情發展方向、為地方政府制定管制政策提供數據支持，也為個人自我審查、自我隔離或規划行程提供信息參考。
在大數據技術廣泛應用之前，醫療數據採集具有明顯的滯後性，這對在疫情傳播早期階段快速獲取傳播數據、分析疫情傳播機理造成制約。而藉助於醫療數據聯網、各類智能設備數據歸集渠道等，大數據時代的疫情傳播數據採集更為及時、準確，可定位到個體、某一具體街區等，為疫情發展模型的搭建提供數據基礎。同時，對於氣候溫濕度、城市衛生狀況、交通和地形地勢等影響病毒傳播的其他信息因素，都能夠通過大數據技術量化為數據形式，構建影響因子模型進行動態展示，極大程度地豐富了疫情發展模型的維度。
此外，更加快捷的基因組測序可以產生大量數據，對疫情爆發時實時發生的微生物突變進行有效分析，幫助公共衛生部門及時獲取病毒來源和演變的可能性；機器學習技術現在可以生成全局的高分辨率地圖，指出疫情的現有或潛在流行區域，還可以對病毒傳播進行大規模、高分辨率的全球模擬，幫助填補觀測數據中的空白。

四招助力大數據技術未來發展

而想要更好地助力大數據未來發展，也可以從四招入手。
一、打造數據的全方位開放
大數據監管的根本在於數據，而數據的開放是首要前提。數據平台的建立能夠解決社會性監管中信息不對稱的問題，同時給公眾與政府搭建了溝通的橋樑，政府監管可以在社會的監督下及時發現問題、糾正錯誤，提高政府監管的透明度。政府部門有關人員應加強大數據意識，轉變傳統的思維模式，由以往的權威、封閉轉向開放與透明，在政府與社會主體數據之間建立開放共享的有效機制，既保證大數據能夠為政府便利使用，又不損礙企業與社會組織的權益，形成一個相互包容、利益共贏的機制體系。
二、建立強有力的技術支撐
把大數據技術運用到監管中，需要公務人員既具備大數據專業技能，又能夠熟悉政府工作流程，二者的完美結合能夠使監管效率提高，實現監管創新。但是，這種人才目前在中國還屬於“稀缺資源”。在相對薄弱的人才儲備上開啟大數據監管模式，極易導致錯誤結論，使政府監管方向產生偏差。因此，還應提高大數據技術水平，培養大數據相關人才。
三、構建監管的溯源系統
社會性監管中的外部性問題時常導致權責不明確，監管效率低下。因此可以利用大數據技術，建立信息追溯系統。一方面，有利於全過程實時監管；另一方面，一旦出現問題能夠及時查明原因，採取相應對策，同時對相關企業進行處罰。因此，中國在監管中應不斷完善信息追溯機制，形成權責明確的高效監管。同時，通過大數據手段，強化監管能力與合規意識，打造匹配時代的數字化、智能化監管體系。
四、形成良好的合作機制
大數據監管並非單打獨鬥，而要依靠社會各界力量合作共贏。“聯合開發”或者“公私合作”模式都有利於社會各方取長補短，共同進步。對此，中國可以借鑒和學習美國的相關經驗，在監管的各個環節都藉助社會力量，實現監管主體的多樣化。除了依託企業、高校與科研組織，政府也可以培育社會組織等多樣性參與主體。例如“數據無邊界”無償進行數據的收集、處理與分析。在發展中也應積极參与國際組織，吸取各國經驗。

(Visited 50 times, 1 visits today)