智库研究的革新模式：第四范式优势大揭秘

2017年12月8日，习近平总书记在主持中共中央政治局第二次集体学习时强调，要建立健全大数据辅助科学决策和社会治理的机制，推进政府管理和社会治理模式创新，提升国家治理现代化水平。数据和信息，是智库生产的原料。随着社会的发展，获取信息的渠道在不断地拓展，决策对信息和数据依赖的程度在增加。

2020年3月30日，中共中央、国务院出台《关于构建更加完善的要素市场化配置体制机制的意见》，强调要加快培育数据要素市场，主要包括推进政府数据开放共享，提升社会数据资源价值，加强数据资源整合和安全保护。这是中央关于要素市场化配置的第一份文件，强调数据资源与土地、劳动力、资本、技术等一样，都是可市场化配置的生产要素。有分析认为，大数据是新的石油，不但在市场要素配置中发挥着不可替代的作用，特别是在智库研究中，更发挥着举足轻重的作用，大数据在推动着智库研究范式的变革。智库研究的第四范式就是大数据范式。

一、 社科研究的范式变迁

图灵奖得主、关系型数据库的鼻祖吉姆·格雷（Jim Gray）将科学研究分为四类范式，依次为实验归纳、模型推演、仿真模拟和数据密集型科学发现。其中，最后的“数据密集型”，也就是现在我们所称的“科学大数据”。《大数据时代》一书的作者维克托·迈尔舍恩伯格博士认为，在生活中的很多部分都能变成数据格式，也就是数据化。当我们数据化这个世界的时候，可以使用流程把数据进行存储、分析，能够从中获得价值。大数据公司的生态系统会形成一个大数据的价值链，包括三种类型的企业，即有技术的企业、有思维的企业和有数据的企业。

传统的智囊更多地凭借自己的经验做出判断和预测，现代智库专家在拥有经验和判断力的同时，更多地依赖各种各样的信息。正是由于信息数量的庞大与繁杂，对党委政府的决策会形成一定干扰。智库专家，在很大程度上帮助决策者对信息进行梳理分析，得出科学的结论，供决策者参考。随着哲学社会科学研究方法的迭代，作为与现实实践紧密联系的智库研究，更应该充分吸收大数据等前沿的研究方法，大数据时代为智库研究范式带来了深刻的变革。从工业时代到信息时代，从IT时代再到DT时代，不只是单个点上的技术突破、模式创新，而是已经发生了数轮包括“基础设施+生产要素+支柱产业+分工协作网络（商业模式+组织模式）+制度与文化”的“技术—经济”范式转移(14) ，这里发生的是模式创新，是范式转移，更是时代变迁。

传统的智库生产是建立在小数据基础之上的手工作坊，生产的是低端智库产品。现代的智库生产是建立在大数据基础之上的大生产，需要现代化的生产车间、现代化的工艺流程、现代化的品牌包装、现代化的销售渠道。在大数据时代，善于运用大数据成为智库的必修课。智库要建立专业化的数据库，建立跟踪调查点、政策实验室，经过长期积淀，形成自己的知识库、数据库、案例库。

智库研究方法和智库专业工具的更新换代，决定着智库专家的迭代。传统的智库专家，在复杂的形势面前显得有些力不从心，智库专家依据经验和观察得出的判断，相对于大数据推导演算出来的结论，显得有些苍白无力。智库研究方法研究范式转型升级已经成为必然，智库专家如果不能适应新的形势掌握新的研究工具，就会被这个时代无情地淘汰。

在数据使用上，学术研究使用的数据可以具有一定的滞后性，甚至可以使用若干年前的数据。智库研究必须善于捕捉最新形势的变化，对于数据的使用有更高要求，主要表现为准、新、全、大。一是准，数据要准确，只有准确的数据才能推导出正确的结果。必要的时候，要掌握一手的调研统计数据资料，建立监测点、观察点和政策实践实验室，形成动态的跟踪数据，在决策前、决策中和决策后全程发挥作用。智库要建立自己的数据库，包括外部采集的数据和自身积累的数据。二是新，要使用新数据。决策咨询要解决的是当下的问题，需要采集当下的最新数据，因为当今时代瞬息万变，智库研究要跟上时代。因此，智库报告一般使用本年度、半年或季度数据，至少要使用上年底的数据，一般不能单独使用一年前或者更早的数据（比较和趋势研究，可以进行数据对比）。三是全，开展智库研究，首先要开展稠密的线上线下调研，能够基本穷尽相关的资料数据，并通过不同资料之间的相关性进行相互验证，萃取最重要最核心的数据为研究所用。四是大，要充分运用大数据来开展研究，在海量的数据中总结规律、把握特点、接近本原，充分体现智库研究的时代性特征。

大调查与大数据是智库的核心竞争力。大数据时代，抓取大数据的能力和人工智能，能否代替基层调研，是否能够取代智库专家的实践和政策认知？应该是不能。智库研究不但具有工具理性，同时具有更重要的价值理性，需要智库专家的价值判断，需要智库专家对政府工作的熟悉程度、对政策问题的敏感程度、对解决政策问题的悟性程度作为基础。

目前，在重要时间节点、重大公共政策事件的过程中，各类研究主体积极发声，总体上可以分为两类声音：一类是以传统的社科智库专家为主的理性型，基于理论模型和经验经历作出重要判断，提出解决问题的方案；另一类以日益活跃的企业智库为代表，运用基于系统优势的大型调查或者大数据，作图文并茂的实证分析，受到了更多的关注。人们对于权威的认识，在逐渐地由传统专家的理性权威向现代信息分析高手的大数据权威转变。相比较而言，人们更加容易相信大数据得出来的结论。因此，智库研究更加需要大数据、更加依赖大数据，我们正在经历从让事实说话到让大数据说话的新时期。

2020年1月30日，由美国宾夕法尼亚大学“智库研究项目”（TTCSP）研究编写的《全球智库报告2019》（2019 Global Go To Think Tank Index Report）发布。《报告》重点关注“人工智能”和“新技术”对智库的影响，分析AI技术的开发和运用给智库所带来的本质性变化，并对此进行全面评估。《报告》认为，第四次技术革命已然来临，数字技术的爆发式增长推动世界进入前所未有之大变局中。传统理论受到质疑，技术发展改变全球秩序的现象不断涌现，这也意味着传统意义上的智库所发挥的效能正在减弱。因此，智库必须转型，紧跟技术进步、借助技术手段，才能提供与时俱进的政策建议，在公共部门决策中发挥卓有成效的贡献。《报告》提出，当前有效的智库应当能够：（1） 提供对现代科学、技术进步和第四次工业革命所带来的重大变革的预测、推演；（2） 在政策研究、公众事件乃至为机构募集资金时，充分利用“新技术”提升效率、准确性和综合能力；（3） 帮助决策者和公众了解“新技术”将对经济、法律和政治制度以及生活方式产生的影响。基于此，智库转型的目标应当是：能够洞察人工智能对未来世界格局的影响，具备战略级别的沟通能力、深度分析能力和广泛的数据收集能力，能够防范“数字偏见”导致的新技术风险等。《报告》还推出新榜单“人工智能（AI）最强智库榜”。中国智库数量全球第三，阿里研究院为唯一上榜的中国企业智库。(15)

二、 大数据时代智库研究范式的重构

智库研究要走出单凭感觉的时代，实行大数据+方法模型+理性思考，使决策咨询产品与问题的本源更近；模型分析+沙盘推演，使决策咨询的方案更加接近问题的本质。

1. 信息分析与智库研究直接“牵手”。从传统的研究看，信息分析与智库研究往往不在一个层面上，需要学术研究之间的过渡。也就是说，首先需要对信息资料进行分析，形成学术层面的知识和理论，再经过智库专家的加工，转化为思想和战略。在现代分析手段和第四研究范式之下，信息分析与智库研究之间，可以突破传统的学术理论研究的过渡而直接“牵手”，把知识加工和思想生产合并在一起，进一步提升智库研究的效率，增强智库服务决策的效能。

2. 智库研究的小数据与大数据。在传统的图书时代，信息的搜集主要依靠图书馆，图书馆作为信息的集中地，是信息和知识的枢纽，更是开展学术研究的资源宝藏。在信息社会、大数据时代，智库研究既要依赖图书馆里故纸堆里的基本理论支撑，更需要通过现代信息手段形成的大数据的事实逻辑支撑。智库研究，要充分整合信息与知识，理论与数据，通过人文与科学的联姻，定性与定量的结合，实现大数据时代智库研究范式的根本性变革和战略性转换。对碎片化的信息进行整合，对各学科的知识进行融合，将知识优势、技术优势转化为智力优势、咨询优势。反对“拍脑袋”咨政，倡导大数据咨政（不能以专家拍脑袋代替领导拍脑袋），把大调研“爬山”与大数据“爬虫”有机结合起来，提升研究精度、纯度、感知度，产出更多精确、严谨、前瞻的决策咨询产品和思想成果。

3. 新型智库与人工智能和时代智商。随着人工智能的发展，机器能否代替人类做出决策，智库是不是会过时？应当说不会，将来的情形可能是，以自然科学驱动为主的人工智能与以社会科学驱动为主的新型智库的双智联动，促进人类社会技术和社会思想全面进步。智库需要自然科学参与，自然科学专家需要有智库专家的思维，在关注技术问题的同时，更加关注技术背后的实际问题，关注背后实际问题所关联的政策制度和法律。在人类社会进入双智时代的当下，人工智能主要推动技术层面的进步，新型智库主要推动治理层面的进步，两者共同推动建设一个高智商和现代治理的社会。

三、 智库运用大数据研究的案例分析

大数据具有较强的可感性。智库研究的思维，要逐渐从用事实说话转换到用数据说话，到用大数据说话上来。智库专家不能仅仅“跟着感觉走”，需要基于大数据的判断、基于学术的理性和基于实践的感性。大数据中包括大逻辑，但大数据仍然是现象，当大数据还不够大的时候就面临着片面性的问题，大数据也会存在一些假象或表面现象，需要进行科学的大数据分析。

案例分析：江南大学食品安全风险治理研究院吴林海教授团队，2019年撰写的题为《十年来××省食品安全事件的基本特征与治理路径》的研究报告

报告导语和第一部分内容如下：

我们利用大数据挖掘工具，分析了在2009—2018年间由国内主流网络媒体报道的××省发生的食品安全事件的基本特征，剖析了主要成因，并提出建议。(www.xing528.com)

一、 十年来××省发生的食品安全事件的基本特征

1. 事件发生量较大且在全国排名靠前。2009—2018年××全省共发生食品安全事件19039起，平均每月发生量约158.7起，十年间食品安全事件发生量高居全国第三位。其中，2009年至2012年全省食品安全事件发生量呈上升趋势，并在2012年达到峰值。2018年，全年全省发生了793起事件，平均每月发生量约66.1起事件，每月发生量仅为十年间平均值的41.65%。

2. 食用农产品尤其是水果、蔬菜是最具风险的食品。十年间，全省食品安全事件发生量排名前五位的食品种类依次为食用农产品（4785起）、淀粉及淀粉制品（1562起）、调味品（1245起）、食糖（1225起）、粮食加工品（1163起），此五类食品安全事件累计发生量占全部事件量的52.41%……

本报告报送后，得到省政府分管领导的关注和批示。本报告的主要说服力，就在于运用了十年来的大数据。因为相关的统计数字，省分管领导和有关部门会有固定的来源渠道，很难产生新意。本报告选取国内主流网络媒体的相关报道，时间跨度10年，既纵向分析演变的趋势，又横向上与全国和其他省份进行对比，具有较强的说服力和冲击力。

(1) 参见刘元春：《智库要有自己的独立价值和社会责任》，http：//nads.ruc.e⁃du.cn/displaynews.php？id=4348。

(2) 赵树凯：《杜润生怎样做政策研究？》，载《财新周刊》2015年11月19日。

(3) 据余大中《荆州散记》（一百二十八）、《明代监察御史毛羽健》等整理，https：//www.sohu.com/a/336109290_99941685。

(4) 陈功：《信息分析的核心》，新星出版社2010年版，第25—26页。

(5) 参见《信息分析的“工匠精神”》，https：//kuaibao.qq.com/s/20190828A0M3D⁃O00？refer=cp_1026。

(6) 李晨阳：《智库研究三大短板亟待补齐》，载《中国科学报》2016年5月25日。有关内容综述为中国科学技术信息研究所副所长郭铁成的观点。

(7) 赵树凯：《杜润生怎样做政策研究？》，载《财新周刊》2015年11月19日。

(8) 陈功：《信息分析的核心》，新星出版社2010年版，第161页。

(9) 周九常：《三个层次的信息预测》，载《现代情报》2004年第10期。

(10) 陈功：《信息分析的核心》，新星出版社2010年版，第169—170页。

(11) 潘教峰：《智库研究的双螺旋结构》，载《中国科学院院刊》2020第7期。

(12) 吴传毅：《做超越柏拉图的亚里士多德——谈如何做好决策咨询工作》，载《学习时报》2015年1月12日。

(13) 王继承：《兰德公司的成功奥秘》，载《中国经济时报》2012年9月21日。

(14) 阿里研究院：《人类社会正进入DT时代 如何激活生产力？》，https：//yq.aliyun.⁃com/articles/33615。

(15) 阿里研究院：《中国智库数量全球第三，阿里研究院为唯一上榜的中国企业智库》，https：//www.sohu.com/a/370818605_384789。