2.2　数据资源与国家治理的相关研究

以战略性资源视角考虑大数据的价值正越来越受到发达国家政府和学者的重视。随着互联网技术的不断发展和成熟，大数据技术已成为国家治理的重要工具，在降低社会运行成本、提高经济与社会运行效率、推动政府开放、提高公共决策的预见性和响应性、催生新兴产业、带动经济增长方面发挥着日益重大的作用。如何利用数据资源发掘知识、提升效益、促进创新，使其为国家治理、政府决策服务，最大限度地获得本国整体国家利益等，正随着大数据时代的到来成为国内外学者研究的热点。以下从大数据战略的理论和研究方法、大数据国家战略研究、大数据辅助宏观决策、大数据维护国家安全研究4个方面进行阐述。

2.2.1　大数据战略的理论和研究方法

1. 大数据战略的理论

1）关于信息资源和国家竞争力的研究

从理论上讲，国内外学者对信息资源与国家竞争力的关系、信息资源开发利用及基于信息资源的国家竞争力等主题做了大量研究。经济学家从资源要素竞争即投入的角度将国家竞争力看作对资本资源、人力资源、信息资源等生产要素的竞争能力。基于该观点，国内外学者在信息资源对国家竞争力的促进作用方面开展了大量研究。其观点概括起来主要包括4个方面。

①信息资源的开发利用可以有效促进经济增长。信息资源和自然资源、人力资源、资本资源一起在生产过程中相互结合，以一种“合力”形式发挥作用[26]，信息资源通过改进其他资源的素质，提高生产要素的生产率，降低社会成本，增强国家和地区的经济发展能力[27]。②信息资源对国家战略具有重要作用[28]。国家战略决策的制定，即对围绕决策的各种信息资源进行分析和处理及最终决策的过程，信息资源对不确定性的消除恰恰在这个过程中起到重要作用。③信息资源的合理配置可以促进创新活动的开展。赵杨认为，在信息社会中，创新活动的开展离不开信息资源的支撑与保障，信息资源配置活动正逐渐成为支撑国家知识创新和科技、经济、文化发展与社会进步的重要环节[29]。④信息资源在国家政治、安全、社会可持续发展战略中具有举足轻重的作用。肖英认为，信息是一种国家战略资源，充分开发利用信息资源对国家的核心竞争力提升、政治文明建设、国家安全巩固、国民经济和社会可持续发展举足轻重[30]；贾君枝认为，信息资源在国家可持续发展战略中的决策支持、信息保障、信息黏合、对自然资源的替代、对人力资源的促进等各种重要作用的充分发挥，使其成为其他领域内可持续发展目标实现的催化剂[31]。

综上所述，信息资源是构成国家竞争力的重要因素，其在国家经济、社会、政治、安全等领域的作用日益凸显。配置、开发和利用信息资源，对于提升国家竞争力具有重要的促进作用。

2）关于国家信息资源战略体系构建的研究

数字信息资源战略从战略管理的高度来讨论数字信息资源的发展和管理问题，实现数字信息资源的发展目标，建立和扩大竞争优势，从理论上构建信息资源战略体系。学者从数字信息资源战略的组织功能出发进行研究，总结出体系构建需要关注的3组特征要素[32]。一是战略规划主体关系。数字信息资源战略主体之间是一种以合作为主的关系，数字信息资源的战略管理不是任何一个单一组织能够胜任的。为了降低数字信息资源投资的风险，更为了协调在数字信息资源开发利用活动中各方的交叉关系，必须在战略规划阶段采取合作的态度[33]。二是战略规划组织机构。一般的战略规划是在组织内部完成的，数字信息资源战略规划的制定往往需要多个领域的专家参与，特别是组织外部力量的广泛参与[34]。三是战略规划的目的。数字信息资源战略规划也承担着双重使命，一方面要满足数字信息资源管理的需要，另一方面数字信息资源也是国家经济发展的重要经济性资源，数字信息资源战略规划必须和国家经济发展总体战略相协调。

国外对数字信息资源战略进行了许多有益的探索，形成了两种主流的数字信息资源战略体系构建模式：一种是由不同的组织机构分别根据组织发展需要，针对数字信息资源开发利用的某些关键环节制定战略，其中战略研究主要集中在信息资源的数字化转换、搜集和存取实现上[35]；另一种是由政府机构针对当前国家信息资源建设的目标制定一个综合性的数字战略，主要包括内容战略、信息战略、连接战略、团体合作战略、商业改革战略和政府改革战略[36]。

总体而言，国内外学者多认为，国家信息资源战略体系构建应以国家宏观政策的协调性、数字信息资源的类型及其战略目标，以及数字信息资源战略特点为依据，沿着信息资源的特点和需求两条交叉主线来构建并形成完整的体系结构。

3）大数据战略的相关概念和应用研究

尽管以信息资源为关键词的研究为大数据研究积累了大量重要的工作基础，但是大数据本身所产生的颠覆性变革，以及给经济社会带来的模式转变和影响是远非之前的研究能完全覆盖的。针对大数据的战略研究，很多学者通过研究“数据银行”“数据治国”“大数据战略”等概念来认识大数据时代相关内容的内涵和外延。例如，基于对国际社会大数据发展热潮的分析，刘小刚从资产价值视角提出国家级“数据银行”的概念，对数据资产的交易和流通进行保护，占领国际数据资产制高点[37]。在“数据治国”理念下，张晓方和朱朝明提出以数据开放启动政府管理创新活动，包括提升信息化管理水平、优化机构设置和办事流程、授权社会组织提供数据服务等具体内容[38]。陈明奇基于中国和美国大数据研究与开发计划的对比，对大数据战略归纳如下：从国家发展、国家安全、国家信息通信技术产业等领域突破大数据核心技术，通过实际应用带动规模化的商用市场，并获得军事能力、市场优势等多重优势，巩固并强化国家的全面战略优势[39]。

在大数据应用于国家战略的理论研究方面，研究大数据用于国家战略的相关理论包括基于钱学森倡导的“大情报观念”、基于中国经济社会独特性的“战略突围”构想等。卢胜军等人解析了在赛博空间和大数据双重视角下钱学森“大情报观念”的主要特征和现实意义，指出情报工作的任务是处理海量的数据，对象是纷繁复杂的信息，意义是激活信息的价值，动力是先进的科技技术，基于钱学森倡导提出了大成智慧时代的“大情报观念”[40]；许正中指出通过数据分析创造价值已经成为大数据时代的趋势，中国要考量现代社会经济的特征，清晰认识到自身的短板，把握公共财政、政府治理、社会治理和文化精进4个联动，寻找适合中国跨越式发展的战略突围[41]。

2. 大数据战略的研究方法

1）社会科学领域的大数据研究的重要技术方法

任何领域的研究，要成为一门学科，都必须研究共性的问题。数据研究能成为一门学科的前提是，在一个领域发现的数据相互关系和规律具有可推广到其他领域的普适性。抽象出一个领域的共性问题往往需要较长的时间，提炼“数据界”的共性问题还需要一段时间的实践积累。根据数据的来源，大数据可以粗略地分成两大类：一类来自物理世界，另一类来自人类社会。前者主要是科学实验数据或传感数据，后者与人的活动有关系，特别是与互联网有关。这两类数据的处理方式和目标差别较大，不能照搬处理科学实验数据的方法来处理Web数据。网络大数据有许多不同于自然科学数据的特点，包括多源异构、交互性、时效性、社会性、突发性和高噪声等，不但非结构化数据多，而且数据的实时性强，大量数据都是随机动态产生的。

一般而言，社会科学的大数据分析，从心理学、经济学、信息科学等不同学科领域共同探讨网络数据的产生、扩散、涌现的基本规律，特别是根据网络数据做经济形势、安全形势、社会群体事件的预测，是建立安全、和谐的网络环境的重大战略需求。与社会科学有关的大数据问题，如舆情分析、情感分析等，许多理论问题过去没有考虑过，现在才刚刚开始研究[42]。就目前而言，网络科学和社会网络分析是非传统数据来源的大数据分析的重要技术和方法论，让社会科学领域的研究人员能够更好地观察到人类社会的复杂行为模式[43]。

2）战略研究的方法论

战略研究是社会科学领域的重要研究范畴。从定义上来看，国家战略是综合运用国家战略资源实现国家安全及国际目标的艺术，即一个国家运用自身的各种战略资源和战略手段，包括政治、经济、军事、文化和意识形态等保护并拓展本国整体安全、价值观和国家利益等[44]。从国家战略谋划的角度看，大战略研究一般包括战略形势判断、战略目标选择和战略手段确定等几个方面的内容，鉴于大战略研究的全局性、前瞻性、复杂性等特征，其研究方法也必然是多样化的。

（1）国际比较法。国际比较是比较分析中历史最为悠久的领域，而战略的对抗性特征决定了国家战略研究必须着重进行横向和纵向的比较。国家战略研究最重要的国际比较是国家实力比较，它探究各种相关因素的最大差异程度，以得出总体性推论[45]。国家实力比较是国际上各种矛盾变化的动力，实力比较永远不会固定在一个点上，而国家战略追求的目标之一就是本国处于优势基点，这是进行国家战略研究的立足点之一。

（2）历史研究法。就战略思想的传统而言，战略与历史几乎不可分割，一切战略思想的形成都必须以前人的经验为基础。历史研究不会为战略预言提供答案，但是能够深化判断并促进对当代问题的思考。历史研究不仅丰富了事实，还使后人得以创造或验证通则。历史研究还可以拓宽视野，改进观点，使人逐渐理解看似明显独立的历史事件之间的联系[46]。

（3）定量分析法。从事物量的关系出发，对有关该事物的大量信息进行数量分析，从中找出这些数量之间相互作用的规律与结果，然后对事物的未来发展趋势和状况做出预测和判断，在此基础上做出战略决策。鉴于国家战略资源是国家战略的物质基础，通过采用数量化分析和非数学方式来处理不能量化的因素以进行国家实力比较，是国家战略主要的研究内容[47]。

（4）综合研究法。国家战略研究常用的方法之一。国家战略的总体特性决定了国家战略研究必然是跨学科、跨专业的综合研究，要吸收和借鉴政治学、社会学、管理学、决策学等多种学科知识。国家战略研究需要突破孤立研究国家安全战略的常规做法，从国际社会全局的高度，从大国比较、历史分析等多个角度进行综合剖析，从而确立整体性研究框架[48]。

然而，从目前的研究进展来看，如何从社会科学视角对大数据这个全新的客体对象进行战略性研究，在方法论上仍然存在着空白，以往的研究方法如国际比较法和历史研究法并不能适用于新兴的大数据研究。相比较而言，定量分析法可以挖掘数据背后的关联关系与因果关系，综合研究法可以凸显数据背后的共性问题——关系网络，但通过“战略形势判断”对大数据的战略资源、国际环境进行战略评估，通过“战略目标选择”选取清晰、明确、可行的大数据发展战略目标，通过“战略手段确定”明确各种战略手段（如政治、经济、文化、教育、科研）以支持战略目标的实现，这一方法能否获得传统研究手段的足够支持，仍缺乏一条清晰可行的技术路径。

2.2.2　大数据国家战略研究

将大数据作为国家科技和产业竞争的战略重点和制高点，顺应社会应用需求和产业发展趋势，推动经济社会各领域的大数据开发与利用，已成为各国政府国家竞争的重要内容。围绕大数据的全面博弈，未来国家层面的竞争力将体现为一国拥有数据的规模、活性，以及解释、运用数据的能力，数字主权将成为继边防、海防、空防之后另一个大国之间争夺的空间[49]。在这个过程中，发达国家推行大数据战略的措施虽然侧重点有所不同，但是都体现出一些战略制定和布局推进中的共通之处，这些特征包括以下几点。

一是强化顶层合作，注重系统推进。世界上的发达国家在战略制定中重点关注创新能力、军事能力、产业能力、信息能力等方面的竞争力，持续推出国家战略计划，注重各部门的协调动作。例如，美国在《大数据研究和发展倡议》的引导下组建了直接向白宫负责的“大数据高级指导小组”，涉及美国国家科学基金会、国防部、国防部高级研究计划局、国立卫生研究院、能源部、地质勘探局6个政府部门，政府还倡议企业、科研院校和非营利机构集中资源，共同促进大数据发展，在国家战略层面形成了全体动员格局[50]。欧盟的开放数据战略从欧盟全局的高度要求成员国共同推动大数据的发展，协调成员国与欧盟的行动战略，推进修改和补充法律、投入资金建立公共信息平台等[51]。新加坡政府相关部门合力从基础设施、产业链、人才、技术和立法五大方面系统推进大数据建设，弥补了市场缺陷和需求驱动的不足[52]。

二是向重点项目倾斜，打造局部优势。以大数据为主要驱动力的变革是一项长期而宏大的战略布局，在战略意图实现过程中各国政府有选择地对大数据进行重点投入，力争通过打造局部优势，以点带面快速突破技术和竞争壁垒。例如，2012年美国政府投入2亿美元重点资助大数据分析，以及大数据在医疗、气象和国防等领域的应用[53]。2011年前后法国政府以新兴企业、软件制造商、工程师、信息系统设计师等为目标，投入1 150万欧元用于支持7个投资项目[54]。联合国启动了旨在促进全球经济增长的“全球脉动”战略，重点是预测某些地区的失业率、支出削减或者疾病暴发等现象，利用数字化的早期预警功能来提前指导援助项目[55]。2017年，瑞典启动国家重点科研计划大数据专项（NFP75），计划投入2.5亿瑞士法郎。同年，法国在银行业、生产和加工制造业、公共实体机构等5类大数据相关技术方面累积投入724亿美元。

三是践行数据公开，发挥数据效益。在基础性工作方面，各国政府认为推动并实践数据公开，对深化数据应用、发挥数据效益可以起到积极作用，因此注重公开整合政府数据，建立公共基础平台。2009年，美国Data.gov正式上线，按原始数据、地理数据和数据工具3个门类开放数据。截至2014年4月，Data.gov共开放105 257个原始数据库[56]。为进一步完善Data.gov平台的功能，加入了数据的分级评定、高级搜索、用户交流，以及和社交网站互动等新功能。同时，美国还构建了OGPL（OpenGov Platform）平台，提供开源的政府平台代码并允许任何城市、组织或者政府机构创建开放站点。英国政府发布新的政府数字化战略，旨在使政府服务实现“默认数字化”，即“数字服务简单方便，任何可以使用的用户都会选择数字化服务，而不能使用的用户也不排除在外”。欧盟的开放数据战略将重点加强在数据处理技术、数据门户网站和科研数据基础设施3个方面的投入，旨在让欧洲企业与市民能自由获取欧盟公共管理部门的所有信息，建立一个汇集不同成员国及欧洲机构数据的“泛欧门户”。

四是支持信息通信技术（Information and Communications Technology，ICT）发展，加强产业掌控。各国都十分重视国家的ICT产业发展战略，其战略意图是通过突破大数据核心技术并在军事、科研等领域的实际应用，获得军事能力和市场优势。美国力图加速以大数据为主要驱动力的技术变革，选择拥有丰富数据资源和技术优势的互联网信息服务企业，从数据的产生、传输、存储、处理、应用等全生命周期，来提升自己的搜索能力、分享能力、复杂数据深度分析能力，力图在大数据核心技术方面取得重点突破[57]。新加坡政府在新加坡国立大学开设了硕士班，培养数据分析专业人才，推动大数据行业生态的完善，为将新加坡打造成全球数据管理中心谋划布局[58]。西班牙政府支持西班牙电信在欧洲的云服务平台建设，并搭建西班牙、英国、德国和捷克共和国的客户平台，推动大数据在金融服务、电子医疗、云计算等多个领域的应用[59]。

对我国而言，以美国为代表的发达国家的政府、工业界和学术界对于大数据的重视和具体部署，不仅提供了可供参考的经验和启示，还表明大数据只是刚刚兴起，只要予以重视、合理布局，我国在这个领域就会有很大的创新空间。

2.2.3　大数据辅助宏观决策研究

随着大数据时代的到来，传统的决策行为习惯越来越受到挑战。《时代杂志》断言，“依靠直觉与经验进行决策的优势急剧下降。在商业领域、政治领域及公共服务等领域，大数据决策的时代已经到来”[60]。在全球经济社会活动中的各部门，“不量化就无法管理”的思想日渐深入人心，越来越多的组织决策是根据数据分析做出的，越来越多的行业正在经历大数据浪潮带来的革命性影响，政府部门也不例外。党的十八届三中全会将“推进国家治理的体系和治理能力现代化”列为全面深化改革的总目标[61]。大数据作为政府治理现代化的一种技术途径，具有催生管理革命和服务模式创新的独特效果，必将加速政府职能转变和机构改革的进程。

1. 大数据辅助宏观决策的优势

大数据不仅是一种海量的数据状态、一系列先进的信息技术，还是一套科学地认识世界、改造世界的观念与方法。一般来说，决策可以由3种方式分别或者混合驱动：直觉、经验和逻辑。虽然有时直觉和经验在决策过程中是无可替代的，但直觉和经验容易产生偏差。用数据说话、让数据做主、化“数”为“据”[62][63]，这种以数据为驱动的宏观决策方法，比传统的决策方法更具优势。陶斯亮认为，以前政府过于强调自身管治的政治职能，弱化和忽视了社会服务职能，造成工作大量越位、缺位、错位，现在必须向服务型政府转型，而大数据可以为这种转型提供突破口。以前的领导干部习惯靠经验、拍脑袋决策，现在公共管理事务日益复杂，仅凭个人感知已经很难全面了解情况，必须学习数据驱动的管理方法，依靠海量的数据搜集和精准的数据分析增强决策的科学性。冯俊认为，以往的建设和发展出现了问题，通常用增量的办法来缓解资源紧张，用集中的运动式治理弥补常规治理的失灵。这些思路都没有突破既有框架，难免陷入“头痛医头，脚痛医脚”的怪圈，我们称之为“第一序改变”。而大数据寻求的是“第二序改变”，它改变的是问题的解决框架，即通过数据化、物联化、智能化搭建一个智慧平台，使有限的资源得到最为合理的配置，使失控的状态变得可控、可预测，使难解的问题迎刃而解[64]。

大数据辅助宏观决策的优势可以概括为以下3个方面。一是可以实现全面感知，使政府更有目标和效率。一方面，政府能够全面感知并预测公众所需的各类服务和信息，及时发现需求热点，为公众提供更加智能化的办事、便民服务；另一方面，对公众需求的多维度、多层次分析，把面上的需求判断变为对需求细节的感知，可以使政府服务更精细化。不仅如此，在跟踪决策实施、持续改进公共管理与服务方面，大数据还能全面掌握舆情，全面提供信息反馈，调控与纠偏决策。二是快速响应，有效提升应急管理能力和公众满意度。曾大军、曹志东认为[65]，我国应急管理体系主要采用“预测—应对”模式，主要依赖经验决策、专家咨询、临场会商等传统方法，对于一些前兆不明、难以准确预测、具有严重灾难后果的非常规突发事件，该模式很难适应其对时效性和动态性的要求。针对这一现状，可以通过大数据分析，缩短消防、警察、医疗系统等的救援时间，使得消防车、巡逻队、救护车能够快速到达突发事件现场。三是通过挖掘不同来源、不同格式数据的相关性，为智能决策提供依据。在大数据时代，决策支持系统的基础数据不仅包括结构化数据（像SQL那样的传统数据库处理的数据），还包括图形、声音、图像、地理位置等半结构化数据（具备标签和标记，但不具备像数据库那样的形式化结构），以及非结构化数据（未经智能处理的无组织数据）[66][67]。例如，在2013年4月15日美国波士顿的马拉松赛爆炸案发生后的不到24小时里，美国联邦调查局就搜集到了海量的手机网站日志、短信、社交媒体数据、照片和视频监控录像等不同格式的多样化的数据，试图通过数据分析快速找出嫌疑人。

2. 大数据辅助宏观决策政策与制度研究

1）数据开放视角研究

美国2009年任命的第一任政府首席信息官维维克·昆德拉认为，政府数据作为一项公共资源，应该像天气预报、体育赛事和股票信息一样实时公开。有专家认为，政府只是其所搜集数据的托管人，私营部门和社会对数据的利用会比政府更具创新性，提取政府数据价值最好的办法是允许私营部门和社会大众访问政府数据。美国联邦政府跨部门工作组给美国总统科学技术委员会的报告《利用数据的力量服务科学和社会》指出，数据不会被它所激发的思想和创新消耗，相反，它可以为创新提供无穷的燃料。一小段合适的信息，可以促使创新迈进一大步。一组数据，可能会得到数据需求人难以想象的应用，也可能会在另一个看起来毫不相关的领域得到应用，因为这些创新型的应用，数据的能量将被层层放大[68]。例如，Data.gov上线以后，美国交通部开放了全美航班起飞、到达、延误的数据，有程序员立刻利用这些数据开发了一个航班延误时间分析系统。该系统向全社会免费开放，任何人都可以通过它查询和分析全国各次航班的延误率及机场等候时间。该系统不仅可以帮助旅客找到表现最佳、最符合自己需要的航班，还最大限度地降低了旅客等待时间的不确定性，而且有利于推动航空市场的良性竞争[69]。又如，建立在Data.gov数据基础上的商品召回查询网站，可以使消费者查看商品是否有因质量问题而被召回的记录。因此，开放数据可谓一石三鸟，不仅服务大众、刺激经济，还调动了大众创新，为政府节省了软件开发的开支。在我国，近年来信息公开的进程加快，如国家统计局建立了类似的数据开放网站——国家数据网，但数据的开放和利用机制还需要进一步完善。

2）塑造智能政务模式研究

第一，政府能够从大数据的使用中受益，是因为它在数据占有方面具有天然的优势。政府有专门的统计部门和队伍，并且在政府的日常行政中也积累了各类与社会生活息息相关的数据，政府还可以根据需求要求企业、事业单位、行业协会提供各种数据。因此，政府信息化应该成为国家信息化的“龙头”，政府应该成为大数据时代的领跑者。第二，我国在政府信息资源开发利用和共享方面仍然存在很多问题。我国在政府信息化建设中仍存在着一些体制机制问题，如条块分割，各自为政，公共基础性资源系统建设相对落后，部门间重复投资、各自独立建网，公开性政务信息相互封锁、难以共享，电子政务业务不能协同办理等[70]。而消除“信息孤岛”，增强部门间的协同共享，就需要大数据技术的支撑，需要以数据为驱动的决策方法。第三，智能政务亟须顶层设计。《中国梦与中国经济升级版年度系列报告⑨：把握大数据机遇，升级现代政府形态》指出[71]，大数据支持政府决策在本质上不是技术问题，而是对执政方式进行顶层设计的问题，即在大数据背景下创新政府的互联网治理模式，推进以数据信息为核心的公共服务职能和模式的重构[72]。

3）把关数据质量研究

真实、准确是数据的生命。数据质量的问题是一个涉及数据采集、使用、发布等所有过程的问题，它的重要性毋庸置疑。大数据的倡导者认为，“有了足够的数据，数据就可以自己说话”[73]。但事实上，数据质量可能很差。政府如果没有能力获得反映真实情况的数据，就很难使大数据更好地服务于宏观决策。特别是在当前中国经济增速放缓，国际形势严峻、复杂的特殊背景下，更要坚决维护经济数据的真实性、准确性。以大数据应用为抓手，推进经济数据质量提升，有以下两个方法。第一，利用大数据工具改进传统统计方法。将数据的统计工作和互联网大数据挖掘相结合，通过数据挖掘、聚类分析、智能分析建立数据分析和决策模型，通过对数据的比较核对，提升数据质量[74]。第二，利用大数据工具及时发现经济金融违法违规行为。大数据为审核数据的真实性提供了有效的手段，可以设定数据指标，建立关联关系，对数据的真实性进行印证检验，监测经济金融活动中的违规行为。例如，美国加州州政府推行的数据挖掘项目“保险补助双向核对”，及时发现了数据造假和欺诈。又如，中国证券监督管理委员会通过大数据进行线索分析，发现了一批利用未公开信息交易股票、非法牟利的嫌疑账户。

3. 大数据辅助宏观决策的发展趋势及存在的问题

综上所述，大数据本质上是一种提倡技术理性的思路，把社会现象量化，采用数据驱动的方法辅助决策。它强调数据的可计量性，核心是可预测性，目标是可控制性。大数据未来的发展，在技术上将实现更大量、更复杂、更快速、更多样的数据的处理。大数据将会出现新的大数据分析工具，现在用于大数据分析的Hadoop技术也将不再独领风骚。在辅助宏观决策上，大数据将会被发掘出在医疗、能源、金融、电信、交通、治安、环境、食品等更多领域中更多的应用，用以打造高效智能、公开透明，以及拥有真实、可靠的高质量数据的政府。而在大数据时代的洪流中，如何提高数据质量，如何寻求数据公开与隐私保护的制衡机制，如何打破数据垄断，都成为未来大数据发展中需要探讨的问题。

2.2.4　大数据维护国家安全研究

随着数据爆炸式增长和大数据技术的发展，数据已成为重要的战略资源，经济和社会发展对数据的依赖性越来越强，大数据本身及带来的相关安全问题已成为国家安全不可分割的组成部分。国内外针对大数据与国家安全的研究主要集中在以下方面。

1. 大数据与国家安全的关系研究

1）数据是国家战略资产或资源

麦肯锡公司的报告指出数据是一种生产资料，大数据是下一个创新、竞争、生产力提高的前沿。世界经济论坛的报告认定大数据为新财富，其价值堪比石油。因此，发达国家纷纷将开发利用大数据作为夺取新一轮竞争制高点的重要抓手。王文超、石海明认为，在大数据时代，一国拥有数据的规模、活性及解释运用的能力，将成为综合国力的重要组成部分[75]。吴世忠认为，由于大数据主要来源于大联网、大集中、大移动等信息技术的社会应用，大数据已经成为网络社会的重要战略资源[76]。张晓、韦柳融认为，对大数据资源和大数据技术能力掌握的程度，将决定中国未来的创新空间和国际竞争力，大数据实力的强弱将决定国家软实力的强弱[77]。李广乾认为，信息资源的开发利用能力已经成为国际竞争及国家整体实力的重要方面，应用大数据技术正日益成为信息化建设的主战场[78]。

2）数据主权是国家安全的组成部分

王文超、石海明认为，一个国家在网络空间的数据主权安全已经成为继陆权、海权、空权、天权安全之后的另一个国家安全不可分割的组成部分[79]。吴世忠认为，大数据是社会高度信息化的必然产物，其安全风险是信息安全的组成部分，它将网络空间与现实社会连在一起，将传统安全与非传统安全熔于一炉，将信息安全带入一个全新、复杂和综合的时代[80]。

2. 大数据对国家安全的影响和挑战研究

1）大数据对国家安全影响的理论分析

国内外学者主要从国家安全重心的转移，以及大数据作为新型社会生产力推动社会发展的作用机理对大数据对国家安全的影响做出解释。美国政治学者塞缪尔·亨廷顿认为，经济活动是国家权力最重要的源泉，在一个主要国家间不大可能发生战争的世界里，经济力量将是决定一国是处于主导或相对优势地位还是从属地位的日益重要的因素[81]。若普认为，在网络时代，就世界大多数国家而言，国家安全的重心已经由生存安全转向了发展安全[82]。傅中力等认为，数据通过嵌入以机械和能源为基础的社会生产之中，实现对社会资源及时、有效、准确的配置，这就使大数据成为推动社会发展的新的技术基础，进而成为影响国家安全的重要力量[83]。杜伟认为，信息时代决策的不可靠性、信息自身的不安全性、网络的脆弱性、攻击者数量的激增、军事战略作用的下降和地理作用的消失等都使国家安全受到严峻的挑战[84]。在大数据环境下，网络生态环境在不经意间发生了巨大变化：无处不在的智能终端、随时在线的网络传输、互动频繁的社交网络，使得网络数据更加难以追踪和甄别，加大了数据管理的难度，从而导致许多道听途说、似是而非、未经核实的消息在网上大肆传播，激化了社会矛盾，催发了群体事件，影响了国家政治社会稳定，给现代社会治理带来新难题。

2）大数据对国家安全的挑战

过分依赖国外的大数据分析技术与平台，难以回避信息泄露风险。有些日常生活信息看似无关紧要，其实也可以从中摸到国家经济和社会脉搏。张允壮、刘戟锋认为，数据在为企业提供公开情报、帮助企业挖掘消费者信息的同时，也埋下了隐私信息外泄、数据信息滥用等有关信息安全的隐患，增加了保密的难度和信息泄露的风险，给国家安全带来挑战[85]。周路菡认为，与传统的军事部署、军事手段相比，依托关键基础设施而展开的大数据技术能够兵不血刃地威胁国家安全[86]。赵粮认为，大数据分析让黑客的攻击更精准，当企业用数据挖掘和数据分析获取商业价值时，黑客也可以利用大数据分析向企业发起攻击[87]。杜伟认为，在大数据时代，国家安全将受到信息战与网络恐怖主义的威胁；此外，大数据也将为网络恐怖主义提供新的资源支持，海量的大数据涉及的方面之广，将有可能让网络恐怖主义的势力侵入人们生活的方方面面[88]。李广乾认为，国家整个产业发展层面缺乏安全，从技术、主导权及产业的深入应用方面的规范，以及管理方面，都存在很多问题，也可能给我们国家的经济产业发展带来隐忧[89]。

3. 大数据对情报战的影响研究

刘京娟、黄丹认为，大数据技术拓展了传统情报研究使用的信息分析方法与手段，为情报工作提供更有效的数据处理分析技术和工具，大大提高了数据分析的效率和情报工作的水平[90]。卢胜军等认为，情报工作将广泛地存在于赛博空间的系统、网络、节点和交互的人群之中，处理的对象可能扩大到全领域、全范围的信息和某些稍纵即逝的数据。未来情报工作也将迎来更大的变革。在大数据环境下，运用信息技术变革推动情报工作发展是当务之急[91]。马兵认为，从互联网浩如烟海的数据中挖掘信息、判断趋势、提高效益已有实际应用。美国中央情报局通过抓取海量数据来追踪恐怖分子和监控社会情绪。

4. 大数据对信息战的影响研究

傅中力等认为，随着互联网逐步发展成为数据网，世界各国对数据的依赖性快速增强，对于数据的开发、利用与保护的竞争也日趋激烈，新的“数据权”既是权力源，又是威胁源，争夺数据的优势成为继制陆权、制海权、制空权之后一种新的制权，大数据正在将国际关系推向一个具有新质的阶段[92]。邬贺铨认为，中国人口居世界首位，将会成为产生数据量最大的国家，但我们对数据保存不够重视，对存储数据的利用率也不高。此外，我国一些部门和机构拥有大量数据却不愿与其他部门共享，导致信息不完整或重复投资[93]。一国所掌控的数据量直接影响其在网络空间的掌控力和信息战的实力，进而影响国家安全。据外媒披露，截至2012年年底，全球互联网总数据存储量已达1.6×1011亿TB以上，并且正以59%以上的年增长率高速增长[94]。王世伟认为，网络空间及其数据信息是否自主可控、安全可信，直接影响到国民经济的健康运行，以及城市、企业乃至家庭的安全[95]。张晓、韦柳融认为，作为世界人口第一大国和经济第二大国，中国在社会经济生活中所产生的数据量极为庞大，但真正存储下来的数据不多。对大数据的利用和存储重视程度不足，使我们的许多数据在很多时候未能发挥作用。

[1]倪光南. 以云计算为工具，深挖大数据宝库[J]. 中国信息化周报，2013-08-19.

[2]Nature. Big Data[EB/OL]. [2012-10-02]. http://www.nature.com/news/specials/bigdata/index.html.

[3]Bryant R E，Katz R H，Lazowska E D. Big-Data Computing：Creating revolutionary breakthroughs in commerce，science，and society [R/OL]. [2012-10-02]. http://www.cra.org/ccc/docs/init/Big_Data.pdf.

[4]Science. Special Online Collection：Dealing with Data [EB/OL]. [2012-10-02]. http://www.sciencemag. org/site/special/data/.

[5]Agrawal D，Bernstein P，Bertino E，et al. Challenges and Opportunities with Big Data – A community white paper developed by leading researchers across the United States[R/OL]. [2012-10-02]. http://cra. org/ccc/docs/init/bigdatawhitepaper.pdf.

[6]Manyika J，Chui M，Brown M，et al. Big Data: The next frontier for innovation，competition，and productivity[R/OL]. [2011-03]. http://www.mckinsey.com/Insights/MGI/Research/Technology_and_Innovation/Big_data_The_next_frontier_for_innovation.

[7]赵国栋，易欢欢，糜万军，等. 大数据时代的历史机遇——产业变革与数据科学[M]. 北京：清华大学出版社，2013.

[8]维克托·迈尔-舍恩伯格，肯尼恩·库克耶. 大数据时代：生活、工作与思维的大变革[M]. 盛扬燕，周涛，译. 杭州：浙江人民出版社，2013.

[9]Grobelnik M. Big Data Tutorial[EB/OL]. [2012-10-02]. http://videolectures.net/eswc2012_grobelnik_ big_data/.

[10]IBM. What Is Big Data? [EB/OL]. [2012-10-02]. http://www-01.ibm.com/software/data/bigdata/.

[11]严霄凤，张德馨. 大数据研究[J]. 计算机技术与发展，2013，4（32）：168-172.

[12]Hey T，Tansley S，Tolle K. The Fourth Paradigm：Data-Intensive Scientific Discovery [M/OL]//Microsoft Research，Redmond，Washington. [2009-10]. http://research.microsoft.com/en-us/collaboration/fourthparadigm/.

[13]Watts D J. A Twenty-first Century Science[J]. Nature，2007，445（7127）：489.

[14]胡雄伟，张宝林，李抵飞. 大数据研究与应用综述[J]. 标准科学ISTIC，2013（10）.

[15]Gantz J，Reinsel D.2011 Digital Universe Study：Extracting Value from Chaos[M]. IDC Go-to-Market Services.

[16]李国杰，程学旗. 大数据研究：未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J]. 中国科学院院刊，2012，27（6）：647-657.

[17]李德仁，王树良，李德毅. 空间数据挖掘理论与应用[M]. 北京：科学出版社，2006.

[18]Mills M P，Ottino J M. The Coming Tech-led Boom [EB/OL]. [2012-10-12].www.wsj.com.

[19]Genovese Y，Prentice S. Pattern-Based Strategy：Getting Value from Big Data. Gartner Group press release，July 2011.

[20]胡雄伟，张宝林，李抵飞. 大数据研究与应用综述[J]. 标准科学，2013（10）.

[21]Agrawal D，Bernstein P，Bertino E，et al. Challenges and Opportunities with Big Data 2011-1[R/OL]// Cyber Center Technical Reports. http://docs.lib.purdue.edu/cctech/1.

[22]徐园. 数据资产——大数据、信息资产及媒体变革的思考[J]. 中国传媒科技，2013（21）：40-45.

[23]李德升，付伟. 美国推动大数据发展的做法及启示[J]. 金融电子化，2013（6）：37-40.

[24]赵国栋，易欢欢，糜万军，等. 大数据时代的历史机遇——产业变革与数据科学[M]. 北京：清华大学出版社，2013.

[25]Genovese Y，Prentice S. Pattern-Based Strategy：Getting Value from Big Data. Gartner Group press release，July 2011.

[26]倪光南. 大数据的发展及应用[J]. 信息技术与标准化，2013，9：3.

[27]赖茂生，等. 信息资源开发利用在国家信息化中的核心地位分析[J]. 情报理论与实践，2005，27（6）：566-568.

[28]周达. 信息化——提高国家竞争力的动力[J]. 城市管理与科技，2005，7（3）：107-109.

[29]赵杨. 创新环境下的信息资源配置研究进展与热点问题[J]. 情报理论与实践，2011，34（2）：124-128.

[30]肖英. 国家信息资源管理政策研究[J]. 中国科技论坛，2008，2：12-16.

[31]贾君枝. 信息资源在国家可持续发展战略中的作用[J]. 情报科学，2006，24（3）：338-341.

[32]温斯顿，等. 美国国会图书馆：21 世纪数字化发展机遇[J]. 图书馆学·信息科学·资料工作，2003（1）：124-129.

[33]张兰. 数字资源存储管理系统研究[J]. 情报理论与实践，2005，28（2）：199-201.

[34]Papp J. Quality management in the imaging sciences[M]. Elsevier Health Sciences，2013.

[35]孙建军，柯青. 论国家数字信息资源战略体系的构建[J]. 中国图书馆学报，2007，33（5）：73-78.

[36]Margetts H. Information technology in government：Britain and America[M]. Routledge，2012.

[37]刘小刚. 国外大数据产业的发展及启示[J]. 金融经济：2013（9）：224-226.

[38]张晓方，朱朝明. 破除利益之争，以数据开放驱动政府管理创新——美国联邦政府“数据治国”对我国政府管理创新的启示[J]. 时代金融，2013（7）.

[39]陈明奇. 大数据国家发展战略呼之欲出——中美两国大数据发展战略对比分析[J]. 人民论坛，2013（10）：28-29.

[40]卢胜军，王忠军，栗琳. 赛博空间与大数据双重视角下的钱学森情报思想[J]. 情报理论与实践，2013，36（004）：1-5.

[41]许正中. “大数据”时代下的战略突围构想——重新审视中国经济社会独特性[J]. 人民论坛，2012，14：13-18.

[42]胡雄伟，张宝林，李抵飞. 大数据研究与应用综述[J]. 标准科学，2013（10）.

[43]沈浩，黄晓兰. 大数据助力社会科学研究：挑战与创新[J]. 现代传播：中国传媒大学学报，2013（8）：13-18.

[44]门洪华. 如何进行大战略研究——兼论中国大战略研究的意义[J]. 国际政治研究，2004（4）：33-45.

[45]大卫·马什，格里·斯托克. 政治科学的理论与方法（第三版）[M]. 景跃进，张小劲，欧阳景根，译. 北京：中国人民大学出版社，2013.

[46]Baylis J，et al. Contemporary Strategy：Theories and Concepts[M]. London：Groom Helm，1987.

[47]于汝波. 大思维：解读中国古典战略[M]. 北京：军事科学出版社，2001：273.

[48]布卢斯·麦斯基塔，王义桅. 国内政治与国际关系[J]. 世界经济与政治，2001（8）：64-67.

[49]安晖. 大数据竞争前沿动态[J]. 人民论坛，2013（10）：12-16.

[50]徐园. 数据资产——大数据、信息资产及媒体变革的思考[J]. 中国传媒科技，2013（21）：40-45.

[51]倪光南. 大数据的发展及应用[J]. 信息技术与标准化，2013，9：3.

[52]Papp J. Quality Management in the Imaging Sciences[M]. Elsevier Health Sciences，2013.

[53]徐园. 数据资产——大数据、信息资产及媒体变革的思考[J]. 中国传媒科技，2013（21）：40-45.

[54]赵杨. 创新环境下的信息资源配置研究进展与热点问题[J]. 情报理论与实践，2011，34（2）：124-128.

[55]张影强. 将大数据提升为国家战略[J]. 中国经济报告，2014（1）：75-78.

[56]参考资料：http://catalog.data.gov/dataset.

[57]陈明奇. 大数据国家发展战略呼之欲出——中美两国大数据发展战略对比分析[J]. 人民论坛，2013（10）：28-29.

[58]Papp J. Quality Management in the Imaging Sciences[M]. Elsevier Health Sciences，2013.

[59]肖英. 国家信息资源管理政策研究[J]. 中国科技论坛，2008，2：12-16.

[60]Lohr S. The Age of Big Data[N]. New York Times，2012-02-11.

[61]十八届三中全会首提国家治理体系和治理能力现代化[EB/OL]. [2013-11-13]. http://politics.people. com.cn/n/2013/1113/c70731-23528046.html.

[62]王胜开，沈烁，刘冰. 大数据：化“数”为“据”是关键[N]. 中国质量报，2013-11-01.

[63]田晓玲. 大数据时代带来更理性、更可靠的决策[N]. 文汇报，2013-03-11.

[64]徐继华，冯启娜，陈贞汝. 智慧政府：大数据治国时代的来临[M]. 北京：中信出版社，2014.

[65]曾大军，曹志东. 突发事件态势感知与决策支持的大数据解决方案[J]. 中国应急管理，2013（11）.

[66]Kim G，Trimi S，Chuang J. 大数据在政府方面的应用[J]. 冯时，译. 中国计算机学会通讯，2014（4）.

[67]叶明，谷晨霞. “大数据”时代决策支持系统新发展[J]. 信息安全与技术，2013（8）.

[68]Harnessing the Power of Digital Data for Science and Society. Report of the Interagency Working Group on Digital Data to the Committee on Science of the National Science and Technology Council，2009.

[69]参考资料：http://flyontime.us/.

[70]杜平. 国家电子政务外网平台建设与地理空间信息云发展[J]. 科学中国人，2011（24）.

[71]本刊首席时政观察员. 中国梦与中国经济升级版年度系列报告⑨：把握大数据机遇，升级现代政府形态[J]. 领导决策信息，2013（24）.

[72]张晓莉. 政府智能为政府决策保驾护航[J]. 信息化博览，2009（7）.

[73]大趋势. 美媒：关于“大数据”的五大误解[EB/OL]. [2013-05-17]. http://column. cankaoxiaoxi.com/2013/0517/210377.shtml.

[74]潘璠. 大数据与中国政府统计[R]. 国家统计局统计科学研究所报告，2013.

[75]王文超，石海明. 捍卫大数据时代的“信息边疆”[N]. 解放军报，2014-02-14.

[76]吴世忠. 大数据时代安全风险及政策选择[J]. 瞭望，2013（32）.

[77]张晓，韦柳融. 大数据就是软实力[J]. 信息化，2013（12）.

[78]李广乾. 大数据热闹背后看问题[N]. 人民邮电报，2013-04-08.

[79]王文超，石海明. 捍卫大数据时代的“信息边疆”[N]. 解放军报，2014-02-14.

[80]吴世忠. 大数据时代安全风险及政策选择[J]. 瞭望，2013（32）.

[81]江涌. 经济全球化背景下的国家经济安全[J]. 求是，2007（6）.

[82]若普. 相互依赖时代与中国国家安全战略选择[M]. 北京：军事科学出版社，2012.

[83]傅中力，张煌，李坡. 大数据时代的国家安全与军事战略选择[J]. 国防科技，2013，34（2）.

[84]杜伟. 大数据引发的安全问题及应对措施[EB/OL]. [2015-07-22]. http://wenku.baidu.com/view/ b35806430508763230121279.html.

[85]张允壮，刘戟锋. 大数据时代信息安全的机遇与挑战：以公开信息情报为例[J]. 国防科技，2013，34（2）.

[86]倪光南. 以市场促技术掌控网络生存权[J]. 信息安全与通信保密，2013（4）：1.

[87]大数据的安全底线[EB/OL]. [2014-04-06]. http://security.zdnet.com.cn/security_zone/2012/1206/ 2134721.shtml.

[88]杜伟. 大数据引发的安全问题及应对措施[EB/OL]. [2015-07-22]. http://wenku.baidu.com/view/ b35806430508763230121279.html.

[89]李广乾. 当前中国大数据的发展存在五点不足[C]//中国电子商务企业发展报告2013暨中色金银客户平台上线启动仪式. 北京，2013.

[90]刘京娟，黄丹. 大数据在信息安全情报研究领域的运用[J]. 保密科技技术，2013（9）.

[91]卢胜军，王忠军，栗琳. 赛博空间与大数据双重视角下的钱学森情报思想[J]. 情报理论与实践，2013（4）.

[92]傅中力，张煌，李坡. 大数据时代的国家安全与军事战略选择[J]. 国防科技，2013，34（2）.

[93]邬贺铨. 大数据时代的机遇与挑战[J]. 求是，2013（4）.

[94]赵国利. 大数据驱动创新思维[N]. 解放军报，2013-11-14.

[95]王世伟. 警惕大数据安全性[N]. 光明日报，2014-04-10.