如何用大數據戳穿“空城計”

大數據在現代治理中能否做大？怎么做大？取決于它的占有者和使用者，數據分析師怎么采集、挖掘、整理、分析。

某地在海邊興建了一批小高層住宅，美其名曰海景房。因為地理位置、氣候條件并無優勢，宣傳單天南海北撒了一大片，房子還是賣不動。有人提醒他，外地購房團過來了，看到小區黑黢黢一片，入住率不高，哪里還有購房沖動？開發商靈機一動，雇請一批民工，每天晚上到空關的住宅里值班，負責晚上六七點鐘陸陸續續開燈，九十點鐘再陸陸續續關燈，以營造一種萬家燈火的景象。

這是“空城計”的民間版，主要為了應對 “黑燈瞎火”的尷尬。在某些地方官員那里，唱起新版“空城計”，鬧騰的動作可就是滿城風雨了，因為有權力、資本、政績等諸多因素助推。有朋友吐槽說過去是“孟母三遷”，現在是“縣中三遷”。他們的縣中，本來在城區中心，前些年遷到稍遠的城北，現在又遷到十公里外的城東?？蓱z住在城區的家長，只好追著買房、換房、租房?？h中搬遷公開理由是擴大招生規模，提高辦學水平，事實上不過是借助學校建設，帶動新區發展，拉動樓盤銷售，填充“空城”?！翱h中三遷”以及政府辦公大樓“三遷”，已成為相當一部分經濟后發地區發展經濟的共有套路。

直到今天，什么才算“空城”“鬼城”？哪些是“空城”“鬼城”？口徑不一，說法不一。好多調查統計方式還停留于查水表、電表，甚至晚上數黑燈房間的調查方式。歲末年初，中國50大“鬼城”排行榜再度出爐，縣級城市成主流。我倒不特別關心哪些城市榜上有名，我留意的是數據來源。研究人員統計每100平方米居民區使用搜索引擎的人數，認為這樣大的區域里如果百度用戶不到0.25人，可以被視為“高空置率”，也就是“鬼城”。用來發現鬼城的數據是巨大的，包含從2014年9月到2015年4月的7.7億百度用戶。

當然，這個數據也有問題，因為百度用戶不成比例地集中于年輕人和富裕人群。但是，這畢竟是一個最大程度避免人工干預、人為污染的調查統計方法。

城市管理的另一個有趣的改變，發生在城市街頭，起因也是大數據。

跑出租的司機，一般都喜歡挑長單子做，人之常情嘛。過去，出租車公司的管理手段通常是不接短單子就罰錢，不接電調就罰款。這樣的處罰，也只限于投訴一起、發現一起，才能查處一起?，F在，滴滴的“滴米”調度系統已經上線，該系統是通過對大數據的分析和把握，推出一種新的調度方式。行駛里程多、道路狀況好的優質單會扣除滴米，而行駛里程較少、道路狀況擁堵的“劣質單”則會獎勵滴米。當乘客端發出叫車需求，有兩輛車與乘客的距離是一樣的，那么誰的滴米多，誰就獲得這個訂單，以此鼓勵司機為接到好單而多累積滴米。

大數據會“說話”，能揭示非相關數據的相關關系，繼而推斷出因果關系。顯然，這是一個擬人的說法，數據不會自動或主動“說話”，那么，誰給它“說話”的空間？又有誰去“聽話”？大數據在現代治理中能否做大？怎么做大？取決于它的占有者和使用者。數據分析師是怎么采集、挖掘、整理、分析，這是一個問題；如何應用大數據，驅動管理升級，優化決策機制，創新制度設計，是問題的關鍵。最重要的恐怕是，管理者的視野要大。唯其如此，才有大智慧、大格局、大戰略。數據分析師培訓