一、政府大數據應用效益難題

1. 缺少利用大數據決策的成功案例

在智慧城市建設中，以支持政府決策為名的大數據中心建設如火如荼，但利用大數據改進決策的成功案例卻鮮有，與大數據中心的投資不成比例，令人質疑大數據中心遍地開花模式的合理性。

2. 行政推動大數據應用效果不好

大數據應用本是一個經濟學問題，國內大數據應用卻太行政化了，地區之間的大數據應用評比給地方政府很大的壓力，為了爭取好的名次，只能為大數據而大數據，使大數據應用背離了實事求是的目標，大數據已淪為某些地方政府自我宣傳的招牌，離實際業務需求漸行漸遠。

3. 大數據概念混亂影響了常規數據管理

大數據最初的概念是指“現有技術處理不了的大規模數據”，為了更多利用大數據的優惠政策，大數據概念被人為的擴展了，認為政府數據集中起來都是大數據，一些地方政府成立大數據局就包含政府所有的數據管理，大數據概念的擴展造成應用的混亂，傳統有效的數據管理被忽視。大數據應用需要因地制宜，中小城市做好傳統數據整合管理是第一位的，并不都需要推行大數據應用，更不都需要建大數據中心，大數據概念的混亂阻礙各地政府實事求是地解決本地區的數據管理問題。

4. 大數據理念需要反思

過度宣傳大數據作用必然會形成迷信，以為大數據無所不能，該迷信只會增加盲目建設的浪費，前些年為信息共享而共享的浪費已是前車之鑒，大數據應用正在蹈其覆轍，為大數據而大數據的做法正在蔓延，大數據應用有價值亦有邊界，超越邊界推行必然適得其反，大數據應用理念需要反思。

二、政府大數據分析應用常見困難

1. 找不到適合的大數據資源

大數據分析研究首要的問題是大數據從哪里來？雖然大數據中心存有不少數據，但適合解決領導急需問題的數據缺之又缺，不用的時候數據卻多之又多，大數據應用是對業務積累數據的再利用，不像統計調查可以根據需要進行調查設計，因此缺乏適用的數據經常是大數據決策應用的常態。

2. 大數據分析對應不上領導的需求

數據專家利用大數據中心的資源也能夠分析出一些結論，但是這些結論業務部門早已知道，即使一些有價值的成果也會因與領導層當時的關注點不合拍而被冷落。政府工作有自己的優先級，領導層不可能放下重要的工作去落實專家提出的建議，數據導向產生的分析成果很難與領導注意力的優先級合拍。

3. 數據挖掘因人而異不可復制

從大數據中提取信息不是IT技術自己能完成的工作，計算機并沒有信息抽象能力，這種能力專家才有，同樣的數據不同人看到的信息是不一樣的，同樣的信息決策分析的結論也不相同，信息提取與決策分析依賴于專家的智慧，這種認知決策的過程IT難以復制，難以形成規模，難以形成穩定的效益。

4. 決策的不確定性超出IT能力

利用大數據改進決策的難題是決策本身的不確定性。確定性問題的信息是完備的，IT處理只是一種計算，信息技術很容易發揮其優勢;但是信息技術不會處理政府決策不確定性問題，這是人腦擅長的領域，解決此類問題的信息和分析能力主要來自決策者的頭腦。

決策問題的不確定性是大數據決策應用效益不好的根本原因。

三、流行的大數據應用觀點的片面性

1. 大數據作用不只是改進決策

流行的大數據觀點將政府大數據應用局限于改進決策，改進決策固然重要，但這并不是信息技術擅長的領域，信息技術擅長的領域是在數據層次上的操作，而不是在信息層次上分析。

政府數據更大的作用是提高政府公共服務的效率，政府提倡的“只跑一次”、“一號、一窗、一網”式服務都是數據層次上的大數據應用，應用并不是改進決策而是提高服務效率，是公眾最能夠產生獲得感的領域。

2. 對大數據的局限性缺乏認識

流行觀念認為科學決策依賴的只是數據，數據越多信息越多，決策越正確，大數據將成為獲取信息的主渠道，政府決策可以建立在大數據基礎之上。然而實際情況并非如此，政府決策信息來自諸多方面，不只是數字化信息，很多重要的信息難以數字化，決策者需要綜合考慮，大數據產生于相對狹窄的業務領域，適合于具體業務的改進，并不適合政府的宏觀決策。

3. 并非所有數據都是資源

“數據都是資源”的觀念是錯誤的，數據是否資源要由使用者因具體環境而定，正是在“數據都是資源”的誤導下，一些大數據中心積極囤積數據，以囤積的數據規模顯示大數據工作的成績，使許多數據中心堆滿大量數據垃圾，筆者認為大數據中心應當以應用為導向，整合有用數據，清理無用數據，數據使用效益會更好。

4. 僅靠大數據不能實現科學決策

過度的大數據宣傳已形成烏托邦式夢想，以為只要有充分的大數據資源就可以實現政府的科學決策，就可以建設完備的城市大腦，實現政府決策的科學化、智能化，建成智慧政府。其實大數據資源有其優點也有其片面性，大數據的規模是以其關注面的狹窄性為代價的，政府決策需要全面均衡，僅靠大數據資源是做不到的。況且對于不確定性問題的很多信息是不可預測的，靠大數據自動決策沒有可行性。

四、企業大數據業務的另類思路

1. 企業大數據應用成為流程型服務

企業大數據應用與政府有很大不同，企業是效益導向的，成功的大數據應用首先是一項流程型服務業務，如網上搜索、地址導航、網上支付、電子商務、摩拜單車、移動通信等，企業的大數據業務被設計為長遠的可持續業務，惟此才能有更大的效益和更大的社會影響力，才能建立起公眾的信任，流程型服務業務本身是核心的大數據業務，大數據分析是輔助性業務。

2. 直接處理實時數據

企業的大數據業務核心是直接利用實時數據進行操作，移動通信的實時數據是為了聯通基站以便完成通信，網上支付利用實時數據是為了完成準確的支付，搜索服務利用客戶發來的搜索要求進行查詢，總之，這些大數據服務業務是直接使用業務流實時產生的數據進行操作，活躍的大數據業務建立在實時數據的基礎之上，對沉淀的業務數據的分析研究只是為了改進主流業務，如亞馬遜利用歷史數據分析向用戶推薦新書。

3. 排除人腦參與的智能系統會更快

在企業流程化的業務中，全過程是智能化自動化處理，流程化業務是數據層次上的業務，沒有人腦的參與沒有信息抽象的過程，排除人腦的參與是提高系統運行效率的關鍵，也是保證服務結果一致性的關鍵。人腦直接參與業務流程不僅會拖延業務效率還會造成業務的中斷。政府利用大數據分析決策是信息層次上的業務，無法避免人腦參與，因而無法形成連續性服務業務，效率不可能高。

4. 大數據業務的兩個層次

企業的大數據應用分兩個層次進行，一個是數據層次上的應用，系統直接使用實時數據進行操作處理，系統是流程型自動運行的，直接對外服務。這是企業的主營業務，效益由該業務產生。例如移動通信的主營業務就是實現用戶的通信服務。

企業大數據業務的另一個層次是信息層次上的大數據應用，其使用的是流程型業務積累下來的數據，以數據挖掘、數據分析獲取數據集中包含的信息來改進主營業務的效率。這是在信息層次上的業務，是業務數據的再利用。通常信息層次上的大數據分析業務是公司的輔助性業務。對移動通信業務積累的數據進行分析，挖掘出用戶的需求特點，向用戶推薦套餐，增加公司收益。

五、“互聯網 + ”都是大數據業務

1. 效率來自組織化，互聯網重組世界

城市提高生產力的基本措施是推動社會經濟合作的組織化，效率來源于更好的資源配置與業務的合作。有效的合作關系沉淀下來就成為相對穩定的組織，城市生產力大發展是不斷組織化的結果，互聯網是優化重組的新式武器，近幾十年全球生產力大發展主要來自互聯網對社會組織化的貢獻。

2. 信息技術推動萬事萬物的連接

社會生產力的重組與合作包括人與人、人與物、物與物的連接與重組，重組是提高效率的主要渠道，信息技術是生產資源組織的通用工具。信息技術之前的自動化技術不規范，它們是利用物理、化學、機械等機理專門設計的，設計復雜且難以規范化，使得自動化推廣復制異常困難，信息技術的出現把自動化設計變成硬件基礎與軟件開發兩大過程，極大提高自動化開發的效率，帶來創新的繁榮，信息技術成為實現事物重組的核心工具。

3. 數字化設備之間靠數據實現連接

信息技術對物體的連接需要被連接的物體實現數字化，物體需要裝上芯片，實現數字化，能夠理解數字信號。信息技術只能連接已被數字化的物體，摩爾定律的偉大貢獻在于使萬事萬物數字化的成本降到幾乎為零，數以億計的芯片、傳感器、移動手機都能夠通過網絡與數據進行重組，數字化設備靠傳遞數據實現連接，大規模數字化設施的連接構成大數據爆炸的物理基礎 。

大規模數字化設施的有效連接依賴的就是數據，“互聯網 + ”連接的設施規模越來越大，發送與接收的數據量越來越多，互聯網連接設施爆炸使連接交換的數據也隨之爆炸性增長，因此所有“互聯網 + ”業務都是大數據業務。

六、拓展政府大數據應用理念創造效益

1. 大數據的應用不再局限改進決策

政府要從認知型大數據應用理念中解脫出來，從更廣闊的大數據視野出發，更開放更創新看待大數據應用。政府大數據應用既要為領導決策服務，又要為基層工作人員改進操作服務，通過數據挖掘、統計分析為領導層提供決策建議是一種重要的大數據應用，認真整合微觀的數據，為基層業務服務，提高公共服務效率同樣是重要的大數據應用，而且是更有效的大數據應用。

2. 面向基層確定性業務應用易有成效

大多數政府建立的數據應用系統依然把對上服務作為重點，對基層服務重視不夠，當前對基層的服務更為迫切，基層業務工作的確定性更強，更容易取得效益，對基層服務也是信息技術更容易發揮作用的領域，將政府大數據服務向基層傾斜，對提高數據操作效率為主的應用更容易產生效果。

目前政府對公眾服務碰到的問題是效率低，主要原因是對當事人辦事的相關資料組織的不好，連不上、調不出且把麻煩推給辦事人，數據整合可以改善這種服務，讓用戶“只跑一次”是數據層次上的大數據應用，也是更容易見成效的大數據應用。

3. 城市大腦更適合做小腦型業務

城市大腦由大數據中心及城市管理運行中心構成，人們期望利用大數據來改善城市的自動化管理。城市的管理很復雜，有確定性任務與不確定性任務，信息技術并不都能勝任，有些任務必須由專家來承擔。

不確定性的工作是信息層次上的業務，無法用自動化程序來勝任，這些工作主要還是要靠人腦來完成，稱之為大腦型業務，需要組織專家來承擔。

確定性的業務是在數據層次上操作，可以建成智能化的業務流程，讓信息技術直接對數據進行處理，此類業務不需要對數據進行信息抽象，不需要形成概念，稱之為小腦型業務。

信息系統適合做的是小腦型業務，城市大數據中心和城市運行中心要定位在小腦型業務上才更容易看到成效。

4. 推動公共服務智能化、業務分析專業化

一切智能化業務都是大數據業務，政府大數據業務的重要方向是推動公共服務的智能化，政府應當學習企業的服務模式，充分利用企業對外服務的經驗改進政府工作，通過政企合作將政府的服務能力達到企業級的服務水平。

政府的大數據分析研究工作要以政府專業化部門為中心，越是專業化的部門，大數據分析越能夠發揮作用，專業化的大數據搜集更容易做，專業化的大數據中心更容易生存。

七、政府大數據應用趨勢

1. 政府公共服務效率全面提升

政府提出的口號“只跑一次”、“一號、一窗、一網”目標明確易于檢查，提高數據處理效率的業務是確定性的任務，只要認真做好數據整合，目標容易實現，提高公共服務的用戶滿意度是國家推動的重點，各地區都會努力跟進，全國公共服務的效率會迅速提高，跨地區的公共服務會逐漸增加。

2. 政府公共服務向智能化發展

政府公共服務進一步提高是向智能化服務發展，在大數據、云計算、物聯網、人工智能技術大發展的環境下，智能化系統建設會越來越快，IT企業將在智能化方面開展競爭，將更多進入政府系統的長期運行維護領域，政府公共服務業務的智能化是最容易產生效果的領域，公共服務智能化最能夠激發公眾的獲得感，會成為智慧城市亮點，競爭必將全面提高公共服務智能化的水平。

3. 大數據分析向專業化、集中化發展

政府大數據分析主要依賴專家的智慧，專家的稀缺使這項工作無法各地普及，大數據分析研究工作會向專業化、集中化發展，會形成一些高水平的研究機構，承接大型的大數據分析任務，該機構會通過云平臺向社會提供多樣化的分析軟件工具，供各地政府使用，地方的大數據分析業務會以政研室為主與外部專業化機構合作推進。大數據中心熱會隨之降溫，將重點業務轉向常規業務數據的精細化管理。

4. 可視化應用成為熱點

隱私保護難以解決及數據價值難以評估，大數據交易熱不會產生，而可視化數據發布會成為熱點。擁有大數據資源的企業可以制作可視化數據產品向社會發布，以顯示企業的能力，政府向企業定制采購可視化數據了解有關趨勢，可視化數據不僅能繞過隱私保護的困難且能加快信息溝通，必將成為大數據時代信息傳遞的重要方式，政府數據、企業數據向社會開放都會大量采用該模式。

5. 政企合作大勢所趨

互聯網巨頭企業的信息技術能力、創新能力、大數據處理能力遠遠超越政府，阿里、騰訊、百度、華為等企業越來越多投入智慧城市建設，政府與企業競相簽訂協議，利用企業的資金與技術點燃政府公共服務的新亮點，大型IT企業與政府合作是提高政府智能化水平、大數據應用水平的捷徑，政企合作模式會加劇智慧城市建設的競爭，改變智慧城市的創新節奏，使智慧城市建設進入全面創新的新時代。

未來智能實驗室是人工智能學家與科學院相關機構聯合成立的人工智能，互聯網和腦科學交叉研究機構。

未來智能實驗室的主要工作包括：建立AI智能系統智商評測體系，開展世界人工智能智商評測；開展互聯網（城市）云腦研究計劃，構建互聯網（城市）云腦技術和企業圖譜，為提升企業，行業與城市的智能水平服務。