2022年 POMS中国暑期学校9月27日下午授课活动于14：00在腾讯会议平台线上进行。授课老师分别是哈尔滨工业大学吴俊杰教授和上海交通大学樊博教授。

第三堂课程：《数据智能：前沿与趋势》

授课老师：哈尔滨工业大学吴俊杰教授

吴俊杰教授介绍了数据智能在智能时代的进化过程，以及场景牵引下数据驱动的预测建模；基于大数据引擎，通过大规模数据挖掘、机器学习和人工智能等技术，对大数据进行处理分析，从中提取有价值的信息，并应用于复杂业务场景中的管理与决策。该报告围绕推动数据智能实现迭代发展的三维要素：数据、算法和场景而开展，并介绍数据智能的前沿热点、发展趋势和存在挑战，特别将对数据智能与管理交叉的研究与应用问题进行较为深入的探索。给出一些具有前瞻性的观点或评论。在课程结束后，耐心解答同学所提有关数据智能研究领域的多个问题。

各部分的详细内容如下：

1数据智能的应用背景与大数据驱动决策

以数据粒度、跨界关联、全局视图为驱动决策，数据智能推动企业绩效提升、商业流程再造，驱动企业估值革命，创造新产业价值-人工智能基础数据服务、人工智能芯片、人工智能平台，赋能平台垄断与扩张。

2数据感知与使用

鉴于数据过载和高质量数据匮乏，利用群体智能实现高质量数据准确感知，如任务众包（AI产业标签），群智感知，虚拟现实，人体感知。根据大数据共享与治理的核心问题-共享和安全平衡，引出共享平台的资源治理，即面对多源异构大数据构建资源共享平台；基于市场机制的共享，即多方数据共享中的博弈策略与定价方法。为了进一步保证数据安全，包含差分隐私、联邦学习和区块链等技术的多方安全计算也成为数据使用中的研究热点之一。

3数据学习算法

围绕机器学习寻找如何设计一个更好的映射函数以及如何将数据表示为算法的输入。根据已有研究表明：① 模型深度化是大势所趋。这是鉴于深度神经网络易于模块化，规模化学习且易于结合复杂的学习策略-集成学习、强化学习、迁移学习等优点。② 深度模型可解释，已成阿喀琉斯之踵。针对深度学习，其未来的发展方向为自监督学习与预训练模型，以及设计能耗更低的节点和结构。

吴教授指出虽然拥抱AI并不是一件容易之事，但我们仍需要利用大数据思维解决复杂管理问题，重视数据智能在数字经济、平台经济、企业升级中的作用。鉴于数据智能是统计学、数据库、人工智能等等在智能时代的必由之路，其已形成数据、算法、场景的循环和迭代生长。数据共享由于安全需求将艰难前行，但这也会推动联邦学习、区块链技术快速上升。讲座结束后，吴教授同师生进行了交流互动并回答了提出的问题。

第四堂课程：《数字治理的研究范式》

授课老师：上海交通大学樊博教授

樊博教授从公共管理的角度出发，分别介绍了数字治理下的选题研究、理论构建以及方法研究，并生动形象地介绍了数字治理的两种解析模型-无缝隙服务和大数据决策。通过选题、理论以及方法的介绍，为数字治理研究指引了具有前瞻性的大方向。分别以城市服务数字治理模式转变和城市网络化管理与应急联动系统为例，不同于刻板的定义方式，生动解释了何为无缝隙服务和大数据决策，以及基于它们的数字治理对于城市管理的重要性。期间，樊教授通过对当前自身研究成果的介绍，说明了我国数据开放对于国家发展的重要性，并提出了颇具建树的管理意见。讲座结束后，樊教授还同师生进行交流互动并回答了提出的问题。

各部分的详细内容如下：

1.从公共管理研究体系出发介绍数字治理的题目、理论、方法

首先，数字治理的选题研究。数字治理的选题研究灵感来源于三个方面：现实、方法、文献。首先，在现实方面：数字治理具有与现实紧密结合的优点，但是往往存在忽略理论的价值问题；在方法方面：数字治理具有创新性与严谨性，但其实际应用性却较为缺乏；在文献方面：当前研究具有较为扎实的基础，但缺乏国际接轨性。

其次，数字治理的理论构建。从理论创新角度出发，可着手于深化、繁衍、竞争、整合四个方面，其中，可在已有理论基础上做增量，使得原先理论更加全面；使用其他领域的理论解释新领域的现象；针对某个已经建立起的理论，提出新的理论，并做出与原来的理论争锋相对的解释；在两个或以上已经建立起的理论基础上创造一个不互斥且成系统的理论模型。

第三，数字治理的研究方法。针对确定的研究问题，可采用定性研究、定量研究、仿真研究、大数据研究四大范式方法解决问题。

2.数字治理的两种解析：无缝隙服务和大数据决策

首先，无缝隙服务。以传统政府下工业社会到电子政府下信息社会的数字化转变为例，治理方式由相应的智能式、层级式转变为横向整合、纵向整合模式，从而整体提高服务的效率与质量。以实现上述数字化转变为目标，从而提出无缝隙服务思想。

数字治理的无缝隙服务研究主要包含数据治理研究和协同机制研究。作为当今研究热点，数据的开放研究获得了高度重视。以美国、英国、新加坡为例，国外政府针对数据开放陆续发表《开放政府宣言》、《开放数据宪章》等规章制度。当前，我国高度重视数据开放的实施，截止2020年，已有142个省市开放数据平台。

针对我国目前开放现状所存在问题，即同一市级政府领导下，各个所属政府部门面临同样的外部政治环境和制度，开放数据的动机和义务相近，然而，各个部门开放的实施情况却差异显著。以上海在线申请平台为实验数据，进行制度压力对数据开放的影响分析，结果表明，规章性压力能够显著提高政府对信息公开申请的遵循程度；未发现模仿性压力的正向作用有统计显著性。

其次，大数据决策。不同于传统量化分析（自顶向下），数据分析视角（自底向上）是使用数据挖掘、人工智能、数学建模等方法处理非线性、有噪音、概念模糊的大规模数据，以数据驱动的角度入手，支撑公共政策和社会治理的研究。

以城市网络化管理与应急联动系统为例，详细说明包含处置层和分析层的系统如何将原先通过信息采集、数据分发、层层处理等事后处理模式转变成依靠数据关联分析与挖掘方法做到提前整治与管控模式。

撰稿：POMS中国暑期学校会议Session 2-3主持人         接赢墨（东北财经大学）