以大數據俘獲理性：“數據—知識—決策”框架下的公共決策理性增長邏輯

張紅春 楊 濤

（貴州大學 公共管理學院，貴陽 550025）

一、問題提出

公共決策是促進和匡正國家治理的關鍵變量，理性則是科學決策的核心要義與評判標準。公共決策不僅是社會資源權威性分配的原則和秩序，更是多元政治主體和利益群體意志表達與利益平衡的機制，在某種意義上，公共決策是一國政治體制的中樞系統[1]。由此，公共決策理性與否不僅反映了國家與政府的治理體系與治理能力水平，更是國家興衰盛敗的關鍵和人民福祉所系。所謂理性，作為評價決策科學性的價值體系，表現為經過檢驗的、科學的知識集合，能夠反映事物本質規律，并指引人們做出最優選擇[2]。本質上，理性是對科學知識的掌握和應用。如何努力回應決策理性化的內在訴求向來是無數決策研究者不懈追求的目標。自亞當·斯密以降現代經濟學提出的理性人假設開始，后來的新制度經濟學、管理科學、組織決策學、政策科學等學科領域的諸多經濟管理與決策科學理論實質上均以理性原則為基石進行建構。決策者的行為、選擇都要以合乎理性原則為暗含前提，以科學的理論指導、先進的技術手段、規范的決策程序、科學的決策評估確保決策理性。從這個意義上來講，現代公共決策所追求的目標取向之一的決策科學化，也就是要驅動決策理性化，理性原則由此構成公共決策科學的一種價值理念和基本取向。

決策科學正是圍繞著理性內核，在理性和有限理性的爭鳴中逐漸明朗和發展起來的，并最終將理性視作決策科學與否的判斷標準。20世紀50年代，決策理性模式經歷了一次完全理性與有限理性之間的分野。在此之前，建立在“經濟人”假設基礎上的古典決策模式與新古典經濟學派的理性決策思想一脈相承。其認為決策者能夠充分考慮所有目標，可獲得完備的信息、知識等資源進行方案設計，并從中做出實現價值最大化的選擇。但實際上，這種完全理性所聲稱的社會價值目標一致和人的認知能力無限等假設前提過于完美，忽略了決策本身的復雜性特質，更何況還要受到決策者主觀偏好、知識的深度、信息資料的完備程度等主客觀因素限制。故而后，西蒙和林德布洛姆等則構建了以有限理性原理為準則的決策模式，他們對“完全”“最優”等一些浮于理想的標準做出了全面反駁，認為受限于數據的完整性、信息的有限性、知識的廣博性、動機的純正性等因素，完全理性是不切實際的。如西蒙所描述，“管理者”力爭理性卻被束縛在有限的知識限度里，在有限的變量和有限后果封閉形成的獨立系統中，不可能完備決策所需的知識、技能、價值、困難預見等方方面面條件[2]。他將完全理性批駁得體無完膚，以“有限理性”和“滿意度原則”將推崇完全理性的古典決策模式拉回現實，也奠定了有限理性的理論基石。此后，政策科學、經濟學、政治學等學科領域理性假設也隨之發生轉向，有限理性原則日漸成為決策的主流范式。必須說明的是，這并不代表持有限理性假定的決策學者只是被動接受理性的限制，他們實則從未停止嘗試打破、增加決策理性限度的努力，試圖不斷優化決策理論、技術手段與過程，盡可能取得更好的決策方案和結果。譬如在計算機技術尚處于萌芽之際，西蒙便敏銳地洞悉了可利用計算機提升決策者信息儲存、處理能力和系統分析能力的構想。林德布洛姆、馬奇和奧爾森等相繼提出了在不完美環境下盡可能提升理性程度的漸進決策模式、“垃圾桶模型”決策模型，其實質都是在有限理性的約束下改善和拓展決策者的理性境況。由此，無論是完全理性還是有限理性，無疑都是將“理性”作為衡量決策科學性的根本標志，從此意義上來講，有限理性也是對完全理性的逼近，其以完全理性為終極目的[3]?？偟膩碚f，增加決策者的理性構成決策科學的根本使命。

同樣，公共事務領域的公共決策也追求理性，但其達到理性標準更為困難，公共決策對理性的追求面臨內生性障礙。相較于私人領域的決策，公共領域的決策要面對諸如公共事務治理的高度復雜性、不確定性，以及政治制度、技術革命、社會變遷等多重因素交織，更難以實現完全的決策理性。公共決策面臨的理性約束有三個方面：第一，決策事實感知難以全面，理性的公共決策需要充分掌握關于決策環境、問題、對象等多方面的事實。但是，公共領域的事實范圍大、變化快使得決策者對事實的感知有著天然的缺陷。第二，決策價值主張難協調，公共決策自身是一個多元利益交涉、價值偏好寬泛的復雜體系，由于價值信息交流機制的不暢、價值問題的復雜多變性等因素影響，決策中很難有效識別并兼顧多方價值偏好。第三，決策規律認知不科學，公共決策者天然地面臨知識和精力等的理性約束很難及時地透過現象看到本質規律，決策制定和執行不知其所然，致使決策有失公允性和科學性。當公共決策者很難超越上述公共決策理性制約時，決策失靈和失誤就會成為經常出現的陷阱，一旦落入這個陷阱，會造成重大經濟損失和資源浪費，降低政府公信力，損害公共利益，最終阻礙社會經濟發展?，F實中，因公共決策理性受限而決策失敗失靈的案例并不少見。中華人民共和國成立后的前50年共計兩萬多億元的總投資額中，竟有超過一半以上的投資為決策失誤買了單[4]?？梢?，公共決策失靈造成的巨大代價實屬觸目驚心，亟待找到擴展公共決策理性的方法路徑，降低因欠缺理性造成的決策失靈和失誤。

自20世紀50年代以來，各類新技術層出不窮，“技治主義”的聲望日益升高，使得從科學技術中汲取力量以突破決策理性約束成為決策研究者拓展理性的新視角，并且利用決策方法和技術的改進來化解決策面臨的理性限制至今仍然是決策科學的前沿。如西蒙在系統理論基礎上，吸收了行為科學、運籌學和計算機科學等領域的理論與方法，形成了重視定量方法、計算技術的決策理論，這對提高決策的科學化與合理化水平貢獻頗多。從歷史的長期發展趨勢看，技術的水平決定國家治理格局的整體水平[5]。而面向數據密集的大數據時代，大數據資源以及因其發生變革的人的世界觀、知識觀和方法論有望再次對傳統公共決策模式中的有限理性顛撲不破的地位發起挑戰。已有研究指出，大數據技術革命可以提升人們認識復雜環境、收集信息、積累知識和計算處理等方面的能力，助力公共決策突破有限理性束縛，提升科學性和精細化、智慧化水平，降低決策失靈風險[6-7]。一些學者指出大數據可以驅動公共決策模式變革[8]，變革決策過程及其決策預測機制，并轉向智慧公共決策[9-11]。不可否認，這些研究進展對于理解大數據時代公共決策的挑戰、機遇和進路大有裨益，但遺憾的是，已有研究要么是對大數據于某一個決策環節變革的局部剖析而缺乏整體機理探究，要么沒有從深層次的理性變量入手揭示大數據是如何通過影響決策理性進而影響決策的科學化和智慧化水平。鑒于此，本文以決策理性為分析視角，探究大數據何以賦能公共決策對理性的追求，進而展現大數據驅動公共決策科學化、智慧化的理性增長機制。

二、“數據—知識—決策”：公共決策理性生成的分析框架

既然知識是決策理性的內核，那么決策知識從何而來，決策知識又是如何嵌入決策中并制約決策理性水平，這是探究決策理性證成的關鍵理論命題。本部分從兩個維度探討了決策理性的制約因素：首先，通過對認知金字塔模型的觀察和遷移，厘清決策理性的生成因素；隨后，從決策過程理論出發，剖析了理性公共決策的流程溯源，從而建構了一個整體性的公共決策理性分析框架。

（一）“數據—知識”：基于認知金字塔的理性因素探源

自現代決策科學產生以來，決策依據更強調轉向科學知識而非主觀的經驗和臆斷，知識成為約束和表征決策理性的關鍵因子。西蒙認為，要想完全理智地做出決策，必須具備所選策略導致后果的完備知識，知識是影響理性限度的關鍵因素[2]；林德布洛姆的漸進決策科學也持這樣的觀點：大多數人的決策行為囿于一個對過去一連串政策經驗的框架，即受到漸進的經驗、過去構建的知識影響[12]。國內學者王錫鋅等也認為由于社會現實的復雜性以及資源的有限性，僅憑借個人經驗很難一直做出正確的決策，不同的知識及其利用方式會影響行政過程的理性和正當性，越是復雜的決策，越需要完備的信息來源、深厚的知識儲備和科學的決策方法[13]?？梢?，學界都持有一種共識性觀點：決策理性源自知識。然而，何為決策知識？決策知識從何而來？決策信息、決策數據與決策知識之間又是何關系？這些都是困惑決策研究者與實踐者的疑云所在。

將視域轉向專門研究知識生產和利用的知識管理（Knowledge Management）領域，其對知識生成的影響因素不乏討論，而其中最為經典的還是認知金字塔模型。認知金字塔模型最早由Ackoff于1989年提出，后又經諸多后續研究完善，逐漸成為揭示知識機制的經典框架。認知金字塔模型的核心構成要素從下至上依次是數據（Data）－信息（Information）－知識（Knowledge）－智慧（Wisdom），也常被稱作DIKW模型、知識層次模型、認知金字塔模型[14-15]。在認知金字塔模型中，數據處于認知的基礎層次，它是將客觀事物抽象為可鑒別的數字、字母或者其他符號，或用圖形、圖片、音頻或視頻記錄事實；信息則是在數據基礎上整理和分析的產物，是對數據進行價值化、系統化分析得到的信號；知識則是對信息結構化后形成的產物，它是經過實踐檢驗的因果規律；智慧是依據相關知識進行決策或準確評估采取最佳行動的能力和前瞻性看法，其本質也是一種知識[16-17]。由此，知識的形成機制是自數據采集伊始，而后借助信息挖掘和處理技術來分析數據獲得信息，使數據從無序到有序、價值從無到有，信息結合經驗與行動生成知識，當這些知識體系科學地對人類行為予以指導就是理性表達和應用。

將一般性的知識生成機制遷移至公共決策領域，可以解構決策知識生成的因果鏈條。在公共決策中，也涉及決策數據、信息、知識乃至智慧的不同形態的理性要素和層次。其中，決策數據是反映決策有關事實的記錄，它是構成決策知識的本源與基石，決定了任何知識形態應是事實導向的、可被實踐驗證的。政府部門履行職責過程中會生成、采集和保存大量行政記錄數據、商業領域交易記錄數據、社交網絡媒介用戶行為數據[18]。而采集這些客觀原始數據的本質目的在于掌握政府內外部相關利益主體行為及環境事實，為發現公共問題和制定對策方案提供事實依據。而決策信息是基于決策數據的價值判斷，是進行決策與行動的信號。數據不會自動生成信息，需要進行數據有序化、結構化和價值化的轉化過程。決策信息建構就是賦予事實相應的現實意義過程，這種“意義”指向決策主體的偏好、目的和價值取向，這體現公共決策從零散事實走向有序價值、從價值無涉到價值關聯的內在邏輯[19-20]。因而，決策信息是支撐決策的直接依據，它能給予決策者行動方向、行動意義兩方面的指導。而決策知識是高度體系化的因果規律，它是經過實踐檢驗且行之有效的決策方案與政策效果之間規律聯系的總結，知識生產的過程既是決策實施和檢驗的過程，也是數據和信息經結構化、形式化的推導演繹和認知者內在化產生過程，借助解釋、集成、交互等一系列理解操作活動，將有關聯的信息和隱含在其頭腦中的認知共同作用形成[21]。由于公共決策是一項主觀見之于客觀的活動，決策者掌握的知識的廣度、深度和質量決定了公共決策的質量，尤其是在方案規劃與決策評估這樣需要復雜知識的環節。因此，公共決策一向追求富有學識的謀士、不同知識背景的龐大智囊團和前沿的知識技術工具，以提高獲取、組織、習得決策專業知識的能力。而公共決策中追求的智慧并非超脫現實的哲學思辨，而是經過實踐檢驗后諸多決策知識中最佳、最有效的知識，是關于達成政策目標與效果的最佳決策選擇。

綜上，基于認知金字塔所展現的從決策數據、決策信息、決策知識、決策智慧逐漸演進的關系表明：公共決策中的知識是一個操縱數據獲取決策信息，由決策信息取得相關知識，最終抵達深層智慧的過程。而理性決策既需要組織化、體系化的數據，還需要決策主體獲取完備信息，歸納和發現決策規律和因果本質，以最終擺脫有限理性枷鎖實現理性決策。認知金字塔不僅解釋了決策知識和知識的源泉，也告知了決策理性增長的切入點，那就是首先要改變決策數據層的事實質量。

（二）“知識—決策”：基于決策流程的理性過程溯源

從認知金字塔模型可知，理性決策所仰仗的知識要素并不唾手可得，知識的獲取本質上來源于決策所面向的實踐并須接受實踐的因果檢驗。因此，為了擁有理性決策知識因素，決策者必然需要付出相應決策行動，從既有、當下和未來的決策實踐中實現決策數據、信息、知識和智慧的獲取、檢驗和迭代。由此來看，理性決策的達成又必然表現為一個前后相繼的決策過程，而這一理性展現過程可用決策流程加以解析其前因后果機制。

主流的公共決策理論都將決策活動看作從發現問題到方案選擇的一系列程序的集合。如西蒙的決策模型就包括情報活動、設計活動、選擇活動的過程[2]。再如國內公共政策學者陳振明從階段論視角出發，將政策制定視作問題發現到政策方案出臺的一系列過程[22]。歸納既有研究對決策流程的解析，公共決策可以視為問題界定、決策規劃、決策優化三個宏觀階段構成的動態過程，而知識等理性因素影響每個決策階段的理性程度。

在問題界定階段，決策數據、信息、知識的掌握會制約問題發現、識別與判斷的精準性和及時性。問題導向是公共決策的目的所在，科學決策首先要尋找能觸發政策議程的真問題，即問題界定構成了公共決策的邏輯起點。但決策問題并非都是具體的、顯性的，抽象的、結構不良或難以構造的公共問題更是常態。因此，必須對這樣的問題加以具體化，從錯綜復雜的問題網絡中層層剝離元問題以框定出最有價值的、能加以解決的實質問題[23]。決策者必須通過問題事實的探索、價值的辨析、知識的應用來探索、發現和框定問題。在這個圈定決策可行問題空間的過程中，由于決策者的偏好、期望、知識、態度等有限理性的因素限制，存在決策問題錨定偏差的潛在可能，這使得理性的問題界定對數據、信息和知識的依賴就更加明顯。對此，韋默和維寧認為決策者有必要考慮對問題加以模擬，以提高鑒別與研判能力，檢驗這些價值不明的問題是否科學合理[23]。

在決策規劃階段，決策數據、信息和知識的掌握會制約決策規劃設計的科學性與可行性。決策規劃是公共決策的核心環節，旨在為擬解決問題打造可行解決方案。決策規劃為決策問題相關利益主體提供了價值辯論的空間和應用知識與智慧的舞臺，更是行動者達成共識、締造規范性與合法性的重要場合。在政策問題上升為政策議程后，就要投入大量智力要素，運用各類技術工具全面、及時地收集情報，解讀和把握蘊含多元價值偏好的決策信息，盡可能全面地設計備選方案。同時按照科學性、可行性等質量要求對決策方案本身質量和未來發展態勢進行評估預測，從而規范、科學地從中做出符合理性預期的擇優選擇。

在決策優化階段，決策數據、信息和知識的掌握會影響決策調試的科學性與可行性。持續優化是決策永葆活力與生機的活泉，這是因為決策環境與對象的動態變化決定了決策也應持續調整和優化，以增強決策的適應性和可持續性。公共決策涉面廣闊、利益結構復雜，合理可靠的決策不可能一蹴而就，需要在一個漸進的調適過程中實現最佳狀態，所以“摸著石頭過河”的漸進式優化向來是公共組織決策的主要模式。決策優化不是紙上談兵的理想設計，而應當基于決策方案應用于實踐后的經驗驗證和反饋調試。因而決策執行應是公共決策優化的題中之義，包括一些實驗性的、探索性的和正式性的決策執行都是決策優化的必然任務。在不斷地執行與調適中及時采集決策執行效果的數據和信息，以進行形成性的和總結性的決策效果評估，挖掘決策與效果之間的因果規律，生成并迭代已有的決策知識和智慧。

通過以上分析表明，知識的獲取、應用、檢驗和迭代是決定公共決策理性的根本性因素。而作為生成決策知識的基礎性原材料，數據對于現代公共決策的重要性無異于巧婦之于米、魚之于水。但數據并非唾手可得之物，數據也并非自動就能轉為對決策有用的信息和知識。即便在決策科學與實踐高度發達的今天，決策者仍然面臨如何充分獲得有效的數據、信息與知識的難題?；仡櫲祟惖臄祿畔v史，隨著信息技術的變革，人類社會經歷了數據從無到有、從小到大的歷程，眼下正在經歷著又一次從小數據到大數據的歷史性巨變，這其中也蘊含了從決策數據到信息、知識、智慧變革以及整體性的決策理性增長機遇。

三、“小數據—小知識”：數據稀缺條件下的公共決策理性約束

在人類漫長的公共決策實踐史當中，公共決策者始終面臨充分掌握決策事實和數據的難題，這在小數據時代表現得尤勝。古往今來，無論中外，國家都會建立不同形式的統計調查機構和制度，其核心是負責決策數據收集，例如人口普查、土地調查、財產統計等國家數據活動都在試圖使社會圖景更加清晰可見[24]。顯而易見，年代越久遠，國家治理者面臨的數據不足問題越嚴重，即便那時有“城邦政情”“政治算術”的數據統計制度，但這相對于國家治理的多樣性、復雜性和動態性事實而言，決策者收集的數據信息與復雜決策對象和問題而言無異于杯水車薪，數據基礎的稀缺也經常置公共決策于決策失靈、失敗的窘境。隨著現代統計調查與分析制度的建立，雖然公共決策者的數據供給困境有所緩解，但是因決策數據可獲得性及其時間、成本和人的認知能力等因素，決策者所擁有的或者能夠直接處理的數據往往是有限的，其決策數據的形態主要是基于小數據的。

一般意義上，小數據是指與大數據相對應的數據形態，指結構化數據集[19]。而所謂的結構化即數據具有二維行列結構邏輯，根據固定格式與長度規范進行標準化的數據獲取、存儲和管理?？梢哉f，基于抽樣調查的結構化小數據來推斷總體、檢驗因果機制是現代統計科學的核心邏輯，并且已演化出一套完備的知識論、方法論以及工具體系，成為經濟管理中的核心數據范式。盡管小數據具備采集方便、程序方法明確、知識獲取簡單等諸多優點，但是這并不能掩蓋小數據事實記錄與獲取的缺損與稀缺條件，以及由此引致的信息偏差、知識不準、智慧不彰的理性風險，這在公共決策中體現尤為明顯。第二次世界大戰以后，為有效應對社會問題和治理挑戰，政策科學在不斷吸納管理科學、經濟學和計算機科學等學科理論方法的基礎上逐漸壯大，形成了定量與質性方法結合的決策數據收集傳統。問卷調查、專家咨詢、德爾菲法、層次分析方法等決策數據采集和分析方法得到廣泛應用并沿用至今。不可否認這些數據方法技術的有機嵌入使得決策系統具有更高的數據可獲得性，并且依舊具有廣闊發展前景，但其在事實感知、價值整合和因果推斷等方面的能力欠缺也同樣不可忽視。從本質上來說，這些決策數據采集和分析方法依舊屬于小數據范式，小數據資源難以勝任公共決策對于理性的訴求，并不可避免地會使公共決策身陷非理性的泥潭。

（一）小數據決策中的數據采集風險：事實不全

從數據特性來看，小數據的自身特質使其在感知和記錄事實的效能上存在先天劣勢。與大數據相比，小數據在采集、處理過程中呈現低體量（Low Volume）、低速度性（Low Velocity）、低多樣性（Low Variety）和低復雜性（Low Complexity）的“4L”特征[25]。在數據來源上，結構化數據以小樣本、有限變量抽樣調查方式獲取，數據體量本就有限，加上抽樣技術與生俱來的信度和效度內在缺陷，小數據所呈現的事實廣泛性和代表性很難達到要求，可能存在相當大的缺失比例。而任何關鍵領域的數據缺省，都可能引發對事實的解讀出現完全顛覆性錯誤，偏離理性化要求。從數據形式看，小數據是結構化、簡單化的數值數據，只適用于那些易于觀察、量化和賦值事物的測量和記錄的事務，而必然損失決策事實中不易觀察和量化的部分。從處理和分析方法看，圍繞小數據建立起的描述性統計和推斷性統計對復雜世界的感知顆粒較粗糙，難以測量和探究復雜多變的社會問題，缺乏深層次的記錄、認識手段和能力。除此之外，小數據的生成與利用具有遲滯性。小數據價值變現采取的是發現因果關系、建立假設命題、構建理論模型、收集與分析等一系列復雜程序，從數據采集到知識生成利用的周期漫長且低效。受限于數據采集、傳輸、分析技術的遲滯性，決策者無法據此進行動態的、即時的決策監測、反饋和處理。

當決策者以結構化的小數據為決策知識的建構基石時，其面臨的首要損失就是數據接收者依據小數據難以全面還原與重構決策事實。因為小數據資源是結構化的、高度抽象化和概括化的數值，難以像圖片、視頻、音頻等形式的數據一樣生動復刻決策問題事實。更何況，小數據采集采取的是靜態假設，往往試圖以階段性的截面數據刻畫動態演進的決策環境與行為。由于其數據持續性不足，自然就難以系統回溯和反映決策環境、問題、行為的動態演化軌跡。這就導致決策者可用的數據、可參考的事實是片段的、不連貫的甚至模糊的，容易忽略事實中的一些重要環節和關鍵決策數據，制約對公共問題機理的深層次分析和對決策效果的感知，容易存在決策事實認知偏差。由此，基于小樣本的簡單數據集無法依據數據分析得出科學結論，無法以數據的可靠性來保證決策問題識別、方案規劃、效果評估的客觀性和清晰度。

當決策者依據的事實和數據基礎薄弱時，決策者的個人主觀經驗、感知就容易影響和取代公共決策理性。在數據缺乏的情況下，決策者容易先驗地形成某個決策立場，然后再收集能夠支撐該立場的有利數據，并過濾掉眾多不利決策的信息，這個過程容易存在決策者主觀偏好導致的誤判[26]。尤其是在公共決策的源頭階段，由于理性判斷生成的基礎決策數據的限制，公共決策者很難做到“通盤考慮”和將有限資源精準投入最緊迫的公共問題，這也就直接造成理性在決策問題源頭上的流失。數據與知識的缺乏也促使決策者求助于專家，但是小數據背景下的專家也面臨數據與事實不全的難題。小數據時代，公共決策系統并沒有樹立起“數據說話”決策理念，框定問題這樣的環節被經驗論與精英統治，長期以來依賴官僚、智庫和專家的經驗、知識技能與主觀判斷，這其中所蘊含的事實風險必然進一步損失決策信息和知識等理性流失。

（二）小數據決策中的信息生成風險：價值偏差

決策信息是經由決策主體對決策數據處理、分析后的價值判斷，它是驅動決策做出選擇的行動方向與信號提示。然而限于事實掌握的偏頗以及決策的環境、主體、體制與技術等多方面的限制，導致小數據時代的決策信息在時空分布上呈現明顯的信息不對稱、信息不完美的偏差特征，進而給公共決策輸入了錯誤的價值信號。

小數據難以有效反映和整合公共決策中復雜價值體系的偏差機理可以從三個方面加以解釋：首先從環境因素來看，小數據難以承載公共決策價值的復雜性。盡管公共決策以客觀科學為標榜，但它自身很難做到價值中立，更何況公共決策的本質是社會大眾多元、復雜利益的平衡、協調與整合。在復雜性公共治理情境下，各類組織和個體之間對有關價值信息的掌握是有差異的，呈現不對稱、不均勻分布狀態，政府橫縱之間、政府與社會之間、政府與公民之間都存在嚴重的價值信息的不對稱。而公共決策進行價值平衡與協調的前提是要盡可能識別公眾的需求與偏好，但是小數據的數據特質決定了它在反映決策對象、問題的偏好與需求事實的全面性方面是不足的。決策者缺乏對需求與偏好的全面掌握，其對決策信息的加工和應用也必然是價值偏頗的。其次從決策主體來看，決策者自身非理性因素容易替代公共偏好。在事實缺損和價值反應不全的條件下，決策主體容易將自身內在價值偏好運用于決策事實與客體，對事實和價值的有選擇性認知和分析，以經驗、顯性程度、緊要性和新近發生等作為注意力和決策價值分配的原則。最后從信息體制角度來看，現有條塊分割的、規模龐大的信息科層體系和漫長行政鏈條加劇了決策者的信息不對稱和信息傳遞失真。官僚制的決策信息邏輯以自上而下為主、自下而上為輔，缺少內外與橫向的溝通與協作，信息孤島、信息壁壘現象普遍[27]，單向度信息流動模式使得決策信息在復雜的科層組織中經常遭遇政府官員的篩選、節流和阻滯。其帶來的結果就是：決策者所接收的由代理人供給的信息往往是偏差的。這些信息“代理人”左右了決策信息的價值偏好，加劇了決策數據信息與價值之間不對稱分布。

在具體的決策流程中，決策者對決策價值的感知、協調與整合偏差對決策理性的制約是顯而易見的。在問題界定階段，小體量、小樣本數據導致問題識別過程具有不可逾越的樣本選擇性偏差和模糊性，難以及時準確地呈現公共問題的真實全圖景，問題的分布、嚴重性、利益相關者得不到如實反映。欠缺數據支撐的諸多潛在、微觀問題事實、弱勢利益相關者的價值難以輸入給決策者，哪些問題進入政策議程取決于決策精英與代理人的價值偏好，決策者對問題的界定就必然會存在偏差。決策規劃階段，信息不對稱、不完美情境下的決策規劃難以遵循信息原則，難以定量定性方式結合導入決策信息中蘊含的多元決策價值，進而立足客觀規律進行方案設計、評估預測和選擇。相反，面對多元的社會利益訴求，決策者在信息不足條件下更多利用原則性的表述、籠統性的要求和模糊化的標準等來提供模糊的政策產品，以所謂的“最大公約數”消除價值分歧[28]。由于不能滿足建立預測模型等要求全面收集預測對象和環境信息的要求，使得決策預測評估往往是重論證、輕預測的和重形式、輕效果的。在決策優化階段，基于小數據的決策信息生產會掩蓋真實的決策效果，有偏差的數據使得決策者或者放大了部分決策目標和效果的實現程度，或者縮小甚至忽略了其他價值追求，基于片面的、滯后的信息則使得決策反饋優化處于一種低效的、難以切中理性的循環之中。

總的來講，決策者基于事實不全的小數據所產生的決策信息經過層層篩選后很難準確反映決策環境、問題的應有特征，決策者的偏好與價值選擇難以和公共問題本來的事實和價值結構對應，偏差性的決策信息反而成為決策制定、決策執行以及決策知識形成與利用的梗阻，影響公共決策的理性化發展。

（三）小數據決策中的知識創造風險：因果失真

何種決策方案能導致最佳的決策效果，這是縈繞決策科學領域中永恒的知識命題。因而，無論是決策研究者還是實踐者，都以發現公共決策中穩定決策因果關系為終極目的。前因后果是對決策知識和智慧的終極追問，它不滿足表象轉而思考“為何”，是基于實踐和經驗的因果邏輯的證實或證偽。不斷地提煉與檢驗決策中因果關系，人類才得以構建宏偉決策科學知識殿堂。朱迪亞·珀爾曾提出關聯、干預和反事實構成“因果關系之梯”，人類要建構和革新世界就要邁上因果之梯的更高層級，呈現主動行動和對虛擬創構物的想象[29]。同樣，決策因果知識的發現既根源于決策實踐，也源于對決策經驗的科學認知與分析。因而，決策因果關系檢驗離不開經驗數據的驗證。但是在小數據范式下，決策因果關系的提煉受到了諸如數據質量、因果推斷技術以及研究者的歸納能力的多重制約。

從決策知識發現所需數據來看，基于小數據的決策因果推斷存在以偏概全的知識風險。用小數據來描述決策結果事實和原因事實存在的共性缺陷就是，它對原因和結果的感知和記錄是不完整的。當用片面的決策結果事實和決策原因事實進行因果推斷，其必然結果就是基于小數據所發現的決策因果知識可靠性不足，難以反映從問題界定、決策規劃、決策執行到決策效果的本真因果鏈條。

從決策知識發現所用方法來看，在小數據基礎上決策因果推斷方法始終難以擺脫現代統計學隨機抽樣、有限變量推斷因果的局限性。結構化樣本數據發現因果規律的方法主要包括多元回歸、傾向值匹配、工具變量法、雙重差分、斷點回歸及結構方程模型等。受數據殘缺和分析深度等限制，這些因果識別方法都不同程度存在固有缺陷，表現在：（1）先驗判斷的失誤風險。小數據因果推斷多以預先的假設或潛在的因果機制規定后續方向，并以定性的經驗判斷做出迎合假設的結果推斷，其中數據規模、假設的質量、指標的代表性和廣泛性等都會影響最后推斷出的因果規律的真實性[30]。（2）以分布概率和樣本特征推斷總體的因果推斷機制自身存在效度問題和簡單化陷阱。小數據僅僅能測量和識別有限的結果變量和原因變量，小數據的統計分析模型或解釋框架在宏大復雜的政策系統面前是微不足道的。過于簡化的因果推斷不能很好地從復雜因果網絡中發現更多因果關系，也不能全面識別和展現影響決策實踐成敗的前因后果的復雜機制。（3）靜態的、單向度的因果發現機制難以適應公共決策的動態性和突變性要求。公共決策的全要素和全流程都處于動態變化之中，遍布非線性、異質性和不確定性特征。小數據基于截面數據的因果建模難以抓住決策變量間的復雜非線性關系，更難根據決策變化及時調試因果機制。

從決策知識的供給來看，建于小數據基礎上的決策知識支持系統并不可靠。有學者提出，公共政策就是決策系統學習并采納新的政策知識的結果，提升決策的可操作性和正當性需要決策者知識、執行者知識、專家知識、大眾知識等四種類型的知識[31]。由于政府部門缺乏高質量的數據、信息與知識共享協同機制，政府決策與執行脫節、部門條塊分割的問題存在，不能有效支撐精準識別和歸納經事實印證過的決策因果規律，決策者和執行者面臨相互的知識掣肘，難以構建協同的決策知識生產機制。在小數據時代，決策者也常常求助外部力量增長知識。雖然專家、社會大眾可以幫助拓展決策知識來源，但也不可避免地面臨可靠性不足的風險。專家的專業性決定了其面對復雜綜合的公共決策問題時必然是理性不完整的，更何況還缺乏對決策直接經驗的積累和掌握，專家知識供給也存在失靈風險。實際上現代國家治理不僅依賴于制度化的官僚知識，還需要充分集中和利用分散的個人知識[32]。此外，還需融合政治、管理、經濟、法律、計算機等組織內外部多方面、多層次的知識，以豐富的知識儲備為底蘊，才能發現決策真理。但在“小數據—小知識”階段，公共決策領域知識融合程度不高,依賴于專家構建的知識庫缺少知識關聯，知識庫的多樣性和全面性都略顯單薄。除此之外，社會大眾中可利用的知識是有限的，且未經過有效的知識整合，因此對決策者意義不大。

總的來講，基于小數據所發現的因果關系是存在偏差、存在缺失的小知識，難以有效支撐決策過程的理性化?；谛祿臎Q策信息獲取的有限知識和有偏差的因果規律，難以全面、精準識別決策成功因素與決策失敗的痛點[33]。簡單因果推理難以深入發掘決策數據和信息中的隱性知識，更難跨越從顯性知識到隱性知識、從表象性知識到背景性知識轉化這一因果規律內化過程[34-35]。這種因果偏差對公共決策的制定實施全流程都會產生不利影響。在知識受限的條件之下，決策者往往根據簡單性、機械論的因果觀，以有限信息和知識機械、封閉地制定和實施決策；決策效果評估也趨于簡單化和靜態化，決策反饋與優化更表現出滯后性、低效性特點，無法及時根據決策知識反饋來優化決策理性。

通過前面的分析，小數據嵌入公共決策的理性窘境展露無遺。小數據難以在基礎層面獲取全面的事實，也就繼發地損失了信息、知識的正確性與科學性。小數據驅動的公共決策往往不夠智慧與理性，后果不僅是行政低效、資源浪費和政府合法性受到質疑，更會造成決策失靈，危害公共利益。因此，破解小數據時代公共決策慣性，尋找公共決策新資源是決策現代化變革的必由之路。

四、“大數據—大知識”：數據密集條件下的公共決策理性證成

自互聯網等革命性信息技術誕生以來，人類在信息化之路上越行越遠并已然邁入信息化高級階段。與之相伴的是，層出不窮的信息技術所感知、記錄、存儲的數據資源以前所未有的速度與規模爆發式增長，數據密集的大數據時代已然來臨。大數據是一種迥異于小數據的數據新范式，其核心特征是具有顯著的“4V”特征：（1）更大的數據體量（Volume）。大數據的爆炸性增長速率已遠超“摩爾定律”[36]，無法再以傳統的GB、TB等單位進行計量，而是向著PB、EB、ZB、YB甚至更大計量單位攀升。得益于互聯網、物聯網等IT技術的蓬勃興起和應用，對數據進行感知、處理得到的數據集規模是小數據望塵莫及的。（2）更復雜多樣的數據結構（Variety）。多樣性的數據采集設備和技術讓數據“活了起來”，除了以結構化的數值數據記錄事實，大數據以文本、音頻、圖像、視頻、腳本、算法等更加生動的非結構化樣態承載事實信息，并且數據之間的復雜拓撲結構關聯賦予了大數據無限的事實回溯可能。（3）更快的生成速率（Velocity）。借助寬帶泛在和云計算等技術，大數據突破了從數據采集到傳輸，再到存儲運算的生成周期中各項制約瓶頸，形成了靈敏的數據采集能力和高度網絡化的傳輸通路，顯著提升了人們認知事實、獲取信息的效率。（4）更高的價值儲量（Value）。大數據自身蘊含巨大價值，這種價值來自數據的復雜性對人類世界復雜性的精準刻畫，即多元、異構、高頻、關聯、海量的密集數據可以映射復雜的現實世界。而通過實現大數據的記錄和處理，可以獲取高價值信息，揭示事物的特征及其內在的各種耦合關系，展示問題或事物的全貌，有效地降低決策問題的復雜性和研究的不確定性[37]。

在大數據情境下，數據密集正在構成公共決策者面臨的全新條件。隨著互聯網、物聯網、移動互聯網、云計算、人工智能等信息技術在政府治理內部場域與外部事務的廣泛應用，公共決策者已然身處各種業務系統、數據中心、數據庫、數據平臺等密集數據海洋之中[38]。海量決策數據的生產改變了決策的數據與事實基礎，將顯著提升公共決策事實洞察的效能，糾正公共決策的價值信號偏差，提高決策規律探索的正確性，繼而將對決策者的理性增長提供新機遇。

（一）大數據支撐公共問題精準界定

大數據嵌入決策流程，首先可以重塑小數據時代的公共決策問題發現模式。大數據的多元聯合感知技術使得對人、事、物的記錄空前加強，理論上可以將社會全體樣本和對象持續納入觀察范圍。近乎全樣本的事實感知使得決策數據的全面性、廣泛性、可獲得性得到根本改善，海量、高頻、多元、異構復雜數據的生成、傳輸與匯集可以為決策者還原決策所需的任何場景事實。大數據的數據特征與公共治理復雜系統更為匹配，大數據能記錄和描述更全面、更多樣、更實時、更可見的復雜世界[39]。而對于決策者來說，大數據幫助決策者更生動地刻畫多維度、多層次的復雜公共問題形態，改善決策者的問題感知、界定與解決思路。

一是大數據驅動公共問題探索轉向全面感知、精準錨定。借助各類傳感、記錄設備和數據挖掘技術、并行化技術以及關聯性分析等技術，決策系統對事實感知、匯總、分析的能力和速度都得到空前加強，決策者可以精準、高效地捕獲“全樣本、全事實”決策數據。通過人工智能、云計算的數據挖掘方法對多元、多樣、復雜的非結構化數據進行數據歸約與變量降維，將晦澀的原始數據轉化為容易解讀的問題信息。此外，大數據對相關性關注顯著上升，龐大的關聯感知網絡能夠完整地刻畫社會問題的整體事實，實現從局部反映到全景呈現轉變，決策者對決策對象與問題一目了然。由此，大規模的多源異構數據結合相關數據挖掘技術能最大程度還原、反映問題真實圖景，避免決策者的主觀感知偏誤或裁剪，增強對公共問題的理性認知。

二是大數據驅動問題框定由主觀主導轉變為客觀主導。大數據范式下，以數據驅動、事實驅動的自下而上的問題構建邏輯迥異于小數據范式自上而下的問題建構邏輯。即大數據是遵循數據說話、通過海量數據和完全事實歸納實質問題的發現邏輯，而小數據則是帶著問題假設，努力收集數據以將假設變為實質問題的驗證邏輯。并且大數據基于海量事實、充分信息判斷和輔以機器、算法分析，動態關聯的系統性分析能夠有效地挖掘公共問題背后的本質，可將有限的資源和注意力用于解決緊迫的、最有價值的問題，這樣框定問題的效率和精準性是小數據背景下有限數據和精英經驗模式所無法比擬的。

三是大數據驅動問題模擬日益走進公共決策議程。在龐大決策數據庫和數據分析工具支持下，問題模擬技術賴以發展的數據收集、參數處理和數據建模手段得到極大賦能。在數據挖掘、云計算、人工智能方法技術的支撐下，基于海量數據處理和參數優化決策問題的建模、預測、關聯分析變得可能，可以幫助決策者構建復雜變量、超強算力模型以進行動態問題演化模擬。而問題模擬將極大改善決策對問題的感知與判斷理性，在計算機構建的虛擬社會問題場景中系統地檢驗模擬過程和預測結果，精準感知問題結構與演化態勢，發掘更多輔助決策的細節信息。

（二）大數據支撐公共決策科學規劃

決策規劃是公共決策的核心環節，數據密集條件下決策規劃的理性增長邏輯在于嵌入大數據及其理性因素后的決策精細化、客觀化、智能化升級，其生成機制是：

從決策方案設計來看，大數據可以驅動方案設計更加循證化。大數據對決策問題的詳盡掌握，可以讓決策者基于事實證據而非個人主觀臆測來建構決策方案，提高決策方案設計的客觀性。此外，大數據還可助力決策者整合決策方案設計中不可避免的利益與價值協調問題。通過對決策利益相關主體的需求動機、行為偏好的全數據采集、歸納分析，讓決策者能更深刻地洞察決策對象的利益結構和匯總，使得決策方案能最大化平衡公共利益[40]。在知識層面，大數據對決策方案的理性迭代機制在于透過跨界、跨域的歷史決策方案及其決策效果的探尋，找到同類決策問題的可行解決方案，讓決策者從類似的政策問題、政策方案和政策效果研究中獲取決策信息和知識，增加決策方案設計的合理性。

在決策方案的預測上，大數據可以提高方案評估預測的精準性。在數據密集條件下，決策問題與對象泛在的歷史數據記錄為決策方案的未來預測提供了充分的時間序列基礎。利用深度學習、神經網絡等人工智能方法，可以自動采集決策對象與問題的歷史數據、價值信息和相關知識建立起仿真模型。在計算機構建的虛擬社會場景中進行更加細致的量化描述和相關分析，以鏡像形式對其進行數字化處理，深刻揭示數據中隱藏的規律和趨勢，對決策方案的趨勢做出科學預測[41]。而精準的方案預測可以幫助決策者預測問題解決的發生概率、復雜性甚至成本收益，分析背后內在邏輯、后果以及解決思路，從而輔助決策者評估和比較不同的備選方案。

在決策方案選擇上，大數據驅動決策方案選擇更加客觀化、智能化。大數據及其智能化的數據挖掘技術能夠彌補決策者的心智、精力、知識等多方面的理性限制?；诔掷m的海量數據供給及其持續的深度神經網絡的機器學習分析，可以構建一個自主化、智能化、精準化的決策選擇系統。決策領域的智能化實現從運行模型到建構模型的突破使得具有自主學習能力的人工自主體的介入、協同決策規劃與抉擇成為可能[42]。綜合運用仿真模擬、智能算法和前瞻預測等大數據技術資源對方案進行智能化和自動化的細致對比和遴選，為決策者最終的方案決策提供最具科學性和可行性的選擇提示，甚至讓機器幫助決策自動化做出理性選擇，這將極大提升決策者的方案選擇理性。

歸納起來，大數據驅動的公共決策規劃以海量數據分析結果和價值判別作為決策選擇的動因，決策方案的建構也不再是專家的模糊主觀感知，而是借技術帶來的循證知識和決策者交互形成的科學理性，這將減少政府決策的主觀性和決策隨意性帶來的誤差。

（三）大數據支撐公共決策智能優化

公共決策并不止于決策制定，而是一個伴隨決策實施、決策反饋的持續優化過程。在決策優化階段，大數據能給決策優化供給高效的數據和信息反饋，并提供高質量的決策優化新知識。

首先，大數據可以提高決策反饋的效率。大數據的實時感應、智能監控等技術為決策者提供掌握決策方案執行進展與效果的利器。通過在決策實施對象和場域嵌入互聯網、物聯網以及云計算等其他傳感設備，可以實時感知決策方案施行后決策環境、對象與問題的變化。通過數據中心和數據平臺對數據資源高效處理，理論上決策者可以動態、實時地了解決策方案所產生的任何產出與結果事實，這為決策者評估決策方案的效果提供全面和客觀的事實依據。隨著大數據技術支撐效果數據以實時或接近實時的自動生成、反饋，從決策到行動、從行動到效果的反饋回路大大縮短，決策者在第一時間便可得到決策執行效果數據，進而提高效果反饋的敏捷性。

其次，大數據可以改善決策效果評估的穩健性?？茖W、系統地評估決策效果，識別決策與決策效果之間的因果關系是決策優化的知識需求。大數據資源及其知識發現方法為探究決策效果提供了不同于小數據的新范式。大數據一改小數據時代基于樣本的因果推斷統計，轉向全樣本、全數據的因果性分析，得出的因果結論更為全面可靠；大數據的超強算力和算法可以改變小數據時代的有限自變量的因果識別，進而轉向全變量因果關系檢驗，能夠提高對復雜因果規律洞察的全面性?；跈C器學習、深度分析提升知識分析效率和知識挖掘深度，發現一些表達隱晦的、緘默的潛在規律，提高決策知識獲取與形勢研判能力?？梢?，在大數據時代，決策效果評估將實現從部分評估到全面評估、從靜態評估向動態評估、從滯后評估到實時評估的轉變，有效增強公共決策效果評估結論的穩健性，進而提高決策優化的針對性。

再次，大數據可以提高決策方案優化的智能性。隨著大數據決策感知與反饋系統的數據、信息和知識的可獲得性和智能程度的顯著提升，決策優化的方向與方案設計不再是一個難題?；诤Ａ繗v史和當下數據，大數據和人工智能為底層支撐的決策系統可以通過自主感知決策實施中的事實變化，自主學習決策方案、執行、效果之間的因果機制，自主建立決策方案的調試和適應機制。智能化的大數據決策系統所識別的這種因果機制作為關鍵的決策優化知識和智慧可以及時生成并被處理并交付決策者施政，同時形成即時決策、即時反饋、即時評估、即時優化的決策自我優化機制。

至此，大數據嵌入公共決策的形態變革及其理性增長邏輯和路徑已然清晰。在形態上，基于大數據技術的實時感應與監控能力、數據信息傳輸能力、強大的數據處理能力以及自主學習迭代能力，可以構建一個泛在互聯的大數據決策全過程支持系統。在理性增長上，通過對決策全流程中理性要素的迭代，使公共決策獲取了更高質量的數據、信息和知識，形成了一種顯著不同于小數據時代的決策模式，其決策模式的轉變路徑如圖2所示。隨著大數據廣泛應用于公共決策實踐，基于大數據的決策數據、信息和知識生成能力持續改進，公共決策將逐步擺脫傳統決策模式，尤其是彌補其在認知事實、價值判讀和把握規律過程中的片面性、模糊性、滯后性、間斷性和主觀性等缺陷，提升理性公共決策所需全面性、精準性、時效性、客觀性、智能性等理性標準，大數據驅動的公共決策最終將不斷逼近真正意義上的決策理性。

圖2 小數據與大數據驅動的公共決策效果對比

五、余論：重新認識公共決策理性邊界

提高公共決策的理性水平是影響國家治理和社會進步的關鍵因素，在全面推進國家治理體系和治理能力現代化過程中占據舉足輕重的地位。長期以來，受西方決策科學理論尤其是“有限理性”的影響，面對充滿復雜性和不確定性的公共問題，決策者陷入一種理所應當地將有限理性當作借口和外衣從而導致決策失準甚至失靈的迷思之中難以自拔，失去了公共決策實現理性最大化追求的初衷和信心。這不僅限制了決策生命力，更成為決策科學化進路的梗阻。如今，信息技術取得輝煌成就帶來了重新審視決策理性的契機。在從小數據資源時代過渡到更具復雜性的大數據資源時代，決策理性的增長具備了有力杠桿。

本文的研究表明，從小數據到大數據的轉換使得公共決策理性生成的數據基礎發生了根本轉變。不僅助力其采集更多決策數據，還能獲得更高質量的決策信息與決策知識增長，提升決策者認知事實、掌握價值和把握規律的能力與水平。而其背后，蘊含的是一條從“小數據—小知識”到“大數據—大知識”的決策理性化的轉型之路。作為一種進行時甚至是未來時的決策模式，大數據之于決策理性的提升空間需要更多的經驗證據，那些制約大數據對于公共決策的理性增長潛力的體制、機制和技術等諸多障礙還有待明確，決策者駕馭大數據的素養能力也被置于決策素質的重心[43]。未來，還需進一步從經驗層面揭示大數據對于決策者理性增長作用的發揮條件，提高公務員尤其是領導干部的大數據素養以增進決策理性。