一、大数据概念

新概念是新时代的产物，都被打上时代的烙印。

信息、相关关系是数据集的属性，不是具体数据的属性。单独的数据包含的信息是很有限的，大量信息体现为数据间的关系，关系是数据间的网络，信息是数据集的属性。

思维升级是在更高层次上忽略细节的不确定性凸显宏观上的确定性。

1.1 从海量数据到大数据

大数据热已经席卷全国，所有的城市发展规划都要提到大数据应用，但究竟什么是大数据一直没有一致的解释，大数据概念的核心并不在于“大”，大数据概念出现前二十多年就有“海量数据”的提法，为什么不能沿用以前的名称而一定要发明个新词“大数据”来描述大规模数据呢？

仅仅是数据量大确实用不着发明新名词，新名词的出现是遇到了新环境，大数据之所以得名是因互联网的结果，在互联网、云计算、移动通信、物联网环境下的大数据其应用空间非同小可，大数据描述的不仅是数据量，更是广泛应用机会，新名词的作用是提醒人们重视新机会。

1.2 大数据的互联网背景

任何新名词能够流行都是因为对当时的环境有着特殊的适应性，我们不能望文生义地理解流行名词，而要将之视为一个成语，要从其时代烙印来理解该名词的含义。大数据是互联网的产物，如果没有互联网，数据量再大也不过仍是海量数据，与互联网相结合的大规模数据才成为“大数据”。

大数据概念是由互联网公司推动的，以互联网为核心的新技术给大数据应用创造了广泛的应用发展空间，三十年前的海量数据只存储在大型机里，除了做些分析之外，无法形成广泛的社会化应用，而今天的大数据则不一样了，大数据与云计算、移动互联、人工智能结合起来不仅仅是大规模的数据挖掘，更有全社会智能应用，从移动支付、定位导航、互联网搜索到大范围的社会公共服务都离不开互联网的背景。

1.3 小数据与大数据的区别

在讨论大数据应用之时，不能忽略传统的数据应用，搞清楚大数据与传统数据（不妨称之为“小数据”）的区别有助于深入理解不同的数据应用模式的特点以便发挥各种应用方式所长。

常规数据主要来自统计调查和业务数据处理，统计调查经常使用的方式是抽样调查，抽样调查的数据分析与大数据的数据挖掘有很大不同，大数据的全样本可以做到更详尽的分类，可以发现更多的相关关系，而抽样调查受样本数目的限制很多分类是无法进行的。大数据分析另一项优点是对数据的精确度要求不高，大数据分析能够更有效地剔除异常值的影响。

在数据来源上，大数据经常来自自动化数据收集系统，如互联网与各类传感器，大数据经常是某些大规模业务的副产品，如运营商汇集的用户与基站连接的纪录、用户互联网搜索的纪录、电子商务积累的商品价格、互联网企业收集的用户移动轨迹等等，使用大规模业务数据的副产品可大大降低数据收集的成本，而传统统计调查是根据信息需求来设计的，其数据获取渠道看自行设计，这是必大数据方便的地方。

政府的业务数据处理所积累的数据由于用法不同与大数据应用差别较大，很难统一比较，但很多政府部门把部门数据整合结果都视为大数据，这将造成大数据理解上的混乱，是处理时需要注意的。

1.4 被变通的大数据概念

什么是大数据并没有严谨的定义，不同人有不同的解释，有人定义为现有的处理技术不能处理规模的数据才是大数据，这种定义的问题是什么是现有技术？技术是不断发展的，那么大数据的定义也在跟着发展？互联网企业、运营商认为自己的数据就是大数据，也有一定的道理，因为它们的数据规模确实很大。现在的问题是政府部门将自己的数据都定义为大数据，对大数据概念的变通就太大了。

政府部门为什么都称自己的数据为大数据呢？这是因为国家要发展大数据应用，如果将自己的数据定义为大数据显然能得到政策上的优惠，因此大数据的概念在政府部门就大幅度地变通了，大数据中的“大”就成了“全面”的含义，所谓大数据局就成为“全部数据局”。对大数据的概念做这样大的修改究竟好不好？显然是有利有弊，好处是借大数据的光，政府会重视全部数据，包括小数据，而不利处在于大数据的应用特点反而被抹杀了，公务员脑子里想到的只是规模大一点的小数据应用。当企业与政府讨论时要清楚政府的大数据概念经常是小数据的概念。

二、数据意识

效益来自精确的控制，没有精确的数据便没有现代化。

数据与信息是不同层次的概念，数据是具体的，而信息是抽象的，数据解决的是精确性问题，信息解决的是正确性问题。

数据解决的是具体问题，是特殊性问题，信息解决的是普遍性问题，普遍性是看不见的，它是抽象思维的结果。

2.1 什么是数据意识

数据意识首先是树立精准意识，精准是科技发展的基础，精准是能够有效地控制结果的偏差，控制质量，任何工作没有精准的要求就会处于失控状态，无法保证工作的有效性。

第二点是重视数据的连接，现实社会是多维的，只有通过多层次的数据连接才能表述社会的复杂关系，借助于高速通信、编码、数据整合共享、数据挖掘可以更好地发现数据中的规律，改进工作。

第三是重视数据的积累与再使用，数据已经成为未来社会发展的重要资源，在生产力已经充分发达的时代，掌握了数据就掌握了未来，数据将成为未来市场竞争的制高点。

2.2 信息技术推动数据应用

信息技术促进了数据的存储、通信与连接，将数据连接成一个整体，从而充分发挥了数据的作用。连接是最重要的贡献，虚拟空间是靠连接才能构成的空间。编码与位置是最基本的连接方式，数据本身是一种相互关系（是两种物理量间的测量，是一维坐标），但是世界是复杂的，多维的，只有信息技术能够将多维的关系保存下来，让虚拟空间更能够反映真实的世界。

数据库就是反映多维世界的重要方式，数据库的出现为数据的使用提供了多维视角，从而大大提高了人类对数据的利用能力。

2.3 管理与服务的精细化

信息化大大推动了数据的精细化管理，为政府服务与治理的精细化创造了条件，政府服务与治理的精细化建设成为电子政务与智慧城市建设的重要内容。这种变化体现在政府工作的诸多方面，如“精准扶贫”、“一号一窗一网”的要求、城市管理系统、城市网格化管理、“织网工程”等等。为了适应人口流动的现代化需求，社保、医疗、出入境、交通违章管理都在向跨地区管理方向发展，信息技术成为全国范围的精细化服务的重要支柱。

2.4 大数据宣传提升数据意识

虽然对于大数据的定义并没有完全统一，但是大数据的宣传对于提高社会的数据意识有很大的作用，国家文件正式要求各地政府重视大数据的应用、推动大数据产业的发展无疑起到了非常重要的作用，无论是电子政务还是智慧城市建设都将数据化建设摆在重要的位置上，建立大数据中心（不分大数据小数据）、成立大数据局，推动数据的应用，对于一个严重缺乏数据意识的国家，这将是一个伟大的数据意识启蒙，对于中国的现代化发展有着重要意义。

三、应用是经济学问题

效益是经济学的概念，有效益的应用才可持续。

技术应用是具体执行的层次，效益是在技术之上的评价层次，执行层次的思维是形式逻辑可表达的，处于确定性层次。评价层次是抽象的层次，评价是从经济学的视角看问题，经济学主要研究的是不确定性问题。

3.1 应用的本质是效益

工程建设与应用不是一回事，工程建设是一个确定性问题，只要目标是明确的、技术上是合理的、投资又有保证，建设成功是没有问题的。但是应用却完全不同，应用经常是由不同的用户决定的，应用的成败是一个不确定性问题，设计者认为最完美、最先进的产品未必能得到用户的满意，未必能获得市场的青睐，用户的价值观不是设计者所能控制的。

应用是由使用者决定的，用户追求的是效益，但什么是用户的效益？不同的用户有不同的价值观，而且用户的价值观经常是变化的，应用的复杂性与建设的复杂性处于两个不同的层次，建设复杂性是确定性问题的复杂性，而应用复杂性是不确定问题的复杂性，因此应用服务的设计必须要认真研究用户的价值观，研究其价值观变化的规律，更重要的是要设计能够自适应用户需求变化发展的产品，这样才能保证应用的成功。

3.2 应用的机会成本更重要

用户使用数据服务是要追求效益，什么是效益？收益大于成本的部分才能算是效益，对于智慧城市建设而言，收益包括社会效益，对社会效益的判断虽然带有一定的主观性，但还是能够通过比较而能够感受效益的大小的，现在的问题是如何计算成本，这才是最容易出错的地方。

设计人员很容易将常规的会计成本视为应用成本，来推算用户的效益，而这恰恰是非常错误的估计，用户并不是以会计成本来计算数据服务系统的效益，成熟的用户是以机会成本来估算效益的。用户是否要用数据服务首先想的是数据应用在自己工作优先级的顺序，企业和政府都有非常重要的事情要做，一件事情的成本是其耽误的最重要的事情的成本，或许数据应用会有效益，但是如果这种应用耽误了更重要的事情，那么这种应用就是不合算的，因为机会成本超过了预期效益。

在数据服务系统的建设中，我们首先要考虑的事情是用户有没有更重要的工作，大数据应用在工作优先级序列中排在什么位置，对于那些工作焦头烂额的机构肯定有更重要的事情要做，大数据应用不可能是最重要的，做也做不好，只有在那些工作有条不紊的机构大数据应用才会有效益。

3.3 数据服务可持续才会有效益

数据服务应用的成功本质上是一个经济学问题，服务与产品不同，服务的效益需要有可持续性，其效益的获取往往不是一挥而就的，它需要服务一定的时间，才能赚回投入的成本，也即该服务必须达到一定的生命期，积累的效益才是经济上合理的，如果数据服务系统活不到预定的期限，早早夭折，那么数据服务也是不成功的。

3.4 可持续的应用意味着有生命

于是我们看到在数据服务中，服务的可持续性是项目是否成功的又一个重要因素，不可持续的应用在经济上是不合算的，如何使数据服务可持续的问题换句话说则是成功的数据应用服务系统必须要有其生命，我们需要从生命的视角来理解服务系统、设计服务系统。

有生命的系统必须要能够持续地从外部获得资源，要有效益-资源循环的功能，重要的是要能够自我调节、自我完善的能力，能够跟随环境与需求的变化自动进行维护与调整。任何信息系统都不大可能一次成功，都需要磨合、调整与完善，在系统的生命期中，环境与用户需求也会不断变化，系统需要有自动调节维护的能力，这种根据需求变化自动适应的能力就是系统的生命力。

四、数据整合与精细化管理

管理与服务的精细化取决于数据管理的精细化。

数据处理是操作层次的问题，是对数据的直接使用。这个层次是计算机最容易发挥作用的层次，这是对行为记录的操作处理。

4.1 服务业务本质上是数据处理

政府的数据应用可分为两类，一种是用于决策，另一种是数据处理。政府对公众的具体服务基本上都是数据处理业务。数据处理是对服务对象（也称为实体）的相关数据进行加工、改造等处理，并记录处理的结果。数据处理要在原有的数据基础上按照确定的处理原则与实体数据进行加工，数据处理的结果记录下来即成为业务数据。在政府的工作中出于管理与操作分工的方便，对实体的服务业务会由多个业务部门分别处理，这就必然会造成同一实体的数据处理记录会分别存储于相关部门的数据库中，这种记录会在以后的数据处理中被其他部门调用。

4.2 服务业务是精确使用实体数据

服务型业务实际上都是对相关实体数据进行处理，实体数据必须是精准的，不能够有任意性，工作人员为甲服务必须使用甲的数据，而不能使用乙的数据，而且处理的结果是要保存的，业务数据都是数据处理的积累，数据如果不准确将会产生服务纠纷，数据必须是精准的。

业务数据处理经常要由不同的专业部门承担，这会造成同一实体的不同属性数据会分散存储在不同部门的数据库中，这些数据在某些业务服务中需要被调出来作为数据处理的参考数据，这种数据调用也必须是精准的，不得有任何差错。

4.3 业务数据整合提高操作效率

在服务业务的数据处理中，需要调用当事实体的多方面属性的，例如要申请办餐饮业则需要检查是否有卫生合格证明、防火安全证明，而这些数据会分别存于卫生部门和消防部门的数据库中，政府办事时需要把这些数据调出来，调用的效率决定了政府服务的速度，如果通过数据整合的连接能够通过唯一的标识码（如企业机构代码）将相关属性数据迅速调出来，那么就能够大大加快数据处理的效率，，提高服务的效果，为用户节约了时间。

4.4 业务数据整合与数据质量维护

大部分的政府向用户的服务都是对相关实体的数据处理，部门相关实体属性数据调用的速度是影响效率的关键，只要能够对各部门数据存储实现标准化，让通过实体标识符跨部门调用各方面属性数据变得非常流畅，业务数据处理的效率就会大大提高。

在政府服务的数据处理中，数据质量的维护变得十分重要，因为业务处理的数据必须是精准的，否则就会出现处理纠纷，通常业务数据是分散由各部门自行管理的，这种管理模式有助于数据质量的维护，如果为了使用方便将数据在物理上集中管理虽然使用会方便性，但是对数据的质量维护会带来不便，在业务处理中，数据的质量维护太重要了，还是逻辑统一物理分散的模式更好些。

五、研究型工作的数据应用

研究型工作感兴趣的是数据集所包含的信息。

研究型工作不是直接使用数据，它是高于数据层次的工作，在数据层次之上的工作只是数据挖掘，将数据集所包含的信息提取出来。

区分不同层次的思维是重要的，抽象层次的问题要用抽象思维的办法。信息不等于数据，数据是具体的，信息是抽象的，决策是在抽象层次上的。

5.1 研究型应用旨在发现数据中的相关关系

大数据应用最主要的功能就是发现数据中的相关关系。这是大数据分析的优势也是其局限。在没有大数据技术之前，人们经常是一因果关系分析为主的，但是因果分析实际上很困难，许多事情很复杂，很难找出主要原因，而大数据分析跳出对因果关系的依赖，只要相关关系是稳定的就可以有效利用，这就大大扩展了数据分析应用的范围，对于改进工作是十分有利的，因为能够用因果关系讲清楚的关系太少了，不再拘泥与因果关系的完备就能够大大提高改进效率。

5.2 政府用信息决策而非用数据决策

政府决策不是具体的事件处理，而是制定政策，确定处理类似问题的原则，其解决问题的办法必须带有普遍性，因此政府不会针对个案决策，而是针对规律决策，政府是在用信息思考而不是依单个数据来决定政策。决策是给出处理事务的原则，是高于具体业务处理层次的，决策必须使用高于数据层次的加工后的信息，政府是用信息决策，信息是数据中包含的高层次的规律，这是高层与基层处理数据应用的不同之处。

5.3 决策使用数据主要是是数据挖掘

高层决策需要使用的是数据集中包含的信息、规律与知识，因此必须先对数据进行加工处理，这一过程称为数据挖掘，数据挖掘就是通过统计分析等一系列方法去研究数据中所包含的相关关系，然后利用相关关系改进决策。政府高层决策不是直接使用数据，而是先从数据中挖掘出信息再使用。

5.4 为领导层服务的信息系统面对外部竞争

政府与企业的高层领导处理问题需要的是信息，数据只是提取信息的原材料，并非决策离不开的素材，要获取信息可以通过不同的数据，正如不同的科学实验可以发现同样的规律一样。为了获取管理决策的信息，领导者可以广泛地收集数据资源，而不必局限于政府内部信息渠道，从而扩大视野提升信息获取能力，也即政府内部信息系统将会面对来自多方面数据渠道的竞争，政府内部信息系统如果不能发挥自己的优势也会被外部系统所淘汰。

六、大数据应用机会与局限

大数据提供了信息发现的新渠道，但也有其与生俱来的局限。

大数据有机会，也有局限性。数据只是信息表现的一种形式，更多的信息是无法数字化的。即使大数据越来越多，但是数据所能表达的还是信息的小部分。很多信息是通过直感获得的，这种信息感觉是非逻辑的，是天生的。

6.1 大数据获取信息比抽样调查有优势

从大数据中获取信息有其独特的优势，这是因为大数据使用的是全样本，可以做到更精细的分类，发现更多的相关关系。抽样调查曾是人们获取数据的重要方法，但是抽样调查的样本数目有限，不可能支持太细致的分类，无法对小概率的相关关系进行描述，而具有几乎无限样本的大数据处理就可以避免这一问题。大数据分析获取信息的缺点主要是数据资源不容易找，大数据处理需要的环境与技术门槛太高。

6.2 大数据支持了人工智能的发展

大数据技术对信息技术发展最大的贡献是推动了人工智能的发展与应用，人工智能的发展一度进入了困境，以计算机模仿人脑的思路实现人工智能越来越困难，大数据帮助人工智能跳出了这一困难，以机器学习的方法替代了人脑的模拟，使人工智能技术出现了飞跃，如同飞机跳出了对鸟的模仿而改用空气动力学原理实现了航空业的腾飞。大数据的来源主要是传感器，人工智能技术是对自动化数据直接进行处理，利用云计算、物联网、大数据技术实现智能化的服务。

6.3 业务数据的连接提升数据的价值

政府官员经常把整合后的数据资源视为大数据，这种思维是出于数据的有效整合能够大幅度提升数据的价值。社会上多维度的复杂的整体，人们对世界的观察记录是低维度的（测量与照片只是一维和二维的记录），如要形成整体的概念必须要聚集这些低维描述通过大脑的理解而想象出整体的概念，如同机械制图以三视图想象整体零件图一样。信息形成于连接，连接产生价值，导航系统将位置、与地图连接起来将形成人们离不开的导航服务，政府数据收集的“织网工程”将个人的多方面数据组合起来成为基层服务的重要信息支持。连接就是组织，组织产生价值。

6.4 大数据信息的局限性

大数据应用在有着巨大价值的同时，也有其与生俱来的局限性，即并不是所有的信息都是可以数字化的，使用大数据分析、决策必然会忽略那些不能用大规模数据表达的信息，能够方便用数字表达的信息往往是比较简单的、范围局限的信息，信息要数字化首先要实现标准化，而标准化本身就必须删除许多差异，例如软件开发人员的能力是很不平均的，但是这种能力差异却无法表现在统计数据之中，越是重要的决策不能用数据表述的重要内容越多，这就意味着越重要的决策越不能依赖大数据，大数据只适合于局部领域的决策而不适合整体性的大规模应用的决策。

七、数据服务要面向基层

信息技术对基层服务的效益机会远远高于为高层服务。

数据服务要面向基层是因为过去只面向高层而失去了基层的支持，实践证明为高层服务改进空间并不大，而面向基层、面向操作的改进会更有效果，信息技术擅长的不是高层思维的优化而是基层操作的改进。

7.1 高层与基层业务使用数据的不同模式

政府的高层与基层的工作性质是大不相同的，高层工作是决策研究性的，是比实际操作高一个层次的工作，他需要对实际发生的事件进行高层次的抽象，高层次抽象形成的意见才能对具体的工作形成支持。高层是发明数学公式的人，基层是利用数学公式解题的人，两者使用数据的方式是不同的。由于高层是在抽象的层次是使用数据，信息技术不容易发挥作用，而基层是在操作的具体层次上使用数据，信息技术是容易发挥作用的。

7.2 信息技术适用于改进操作而非改进决策

信息技术是可计算的技术，按照图灵的可计算性理论，信息技术实际上能够解决的问题是可以用形式逻辑明确表达的内容，政府业务的数据处理就是可用形式逻辑明确表述的系统，之所以这样设计就是为了确保政府的业务数据处理规范化、处理结果的一致化，这样的数据处理模式恰恰是信息技术最容易处理的模式。而对于决策领域，是无法将决策过程形式化、规范化的，决策需要创新，要做以前没有做过的事情，显然决策是无法由计算机代理的。

7.3 改进公共服务有着更大的提高空间

以信息技术改进政府的公共服务确实有着很大的改进空间，因为公共服务主要是规范化的服务，即其处理的方法是规范化的，可用形式逻辑表述的，政府公共服务是标准化的，完全依数据办事，操作者没有自由量裁权，也只有这样做才能做到服务的公平有效。利用信息技术和数据整合可以提高数据调用的速度，还可以优化数据处理程序，实现更加智能化的服务。而因政府高层的服务主要依赖于人脑的创新思维，数据服务对高层难有实质性的帮助。

7.4 改变观念把为基层服务放在首位

长期以来无论是电子政务还是智慧城市建设都是将对政府高层服务放在首位，而对基层服务缺乏重视，这是因为高层领导有着更大的话语权，能够直接影响投资规模及项目管理者的升迁，然而从应用的效果看，为高层服务的效果并不如改进基层服务的效果好，政府的数据整合共享及大数据服务面向基层会更有效，这将是今后政府数据服务的方向。

八、关于公众的获得感

公众看不到效果的事情，做了也是白做。

为什么要强调工作获得感？这是因为以往的电子政务、智慧城市建设经常与公众无关，这样的智慧城市与大数据应用给谁看呢？没人看就没人监督，系统无法证明自己运行成功，更谈不到应用有效益。

8.1 为什么公众对智慧城市建设不关注

虽然智慧城市建设在政府业务领域中已经如火如荼，但是并没有引起公众的太多关注，公众很少会主动询问智慧城市建设的计划与执行效果，这样将会造成智慧城市建设与公众的脱节，政府开发的智慧城市项目公众不关心也不会用，不仅造成资源浪费，而且也不利于提高政府的公信力。公众不关心智慧城市建设的原因首先是目标设计的问题，设计者没有将公众的需求放在首位，更多地考虑的是工作人员的方便，更多关注的是领导的态度，自然就设计不出公众有获得感的产品。

8.2 公众获得感是度量智慧城市效益的标尺

公众的获得感是智慧城市技术成果的标尺，智慧城市建设目标是为广大公众服务的，公众满意才是智慧城市建设的成功，公众感觉不到的成果只能是政府自说自话，公众是不满意的，长此下去政府将失去自己的公信力，因此智慧城市建设、数据整合共享及大数据的应用都要把公众的获得感放在首位，信息化的效果必须让公众看得见，可应用、可感知，公众要能够参与和监督，公众的参与和监督也是提高项目建设成功率的重要措施。

8.3 项目的可测性决定项目的可控性

智慧城市建设与大数据应用的效果并不好，一个重要的原因是应用项目的目标设计得太含糊，难以测量，人们经常将信息共享作为建设目标极不合理的，信息共享是一个工具，工具怎么能作为目标呢？信息共享本身也有合理与不合理之说，要以工具使用的效果、解决了什么问题作为评价标准才是合理的。控制论认为不可测的工作就是不可控的工作，目标不可测的项目必然就是不可能做好的项目，信息共享就是不可测的目标，难怪信息共享一直都做不好。

8.4 长期的规范化业务才有更大的影响力

政府项目的公众获得感还与项目服务的规模、可持续性密切相关，公众对政府项目的获得感是不断积累的结果，公众获得感好的项目应当是长期服务的、有规模的业务，利用大数据分析得出报告提供给领导层并不一定获得感突出，这是因为其缺乏可持续性，规模也无法扩大，而改进政府公共服务项目会因其涉及的用户人次多，时间长而自然增加了社会影响力。

九、选择的智慧

逻辑是一种智慧，选择也是智慧，是逻辑层次之上的另一种智慧。

为什么要强调选择？因为没有选择就没有智慧。现在的规划只会提出“统一设计、统一管理”等等强调集中管理的思路，过多的控制会抑制创新，会减少智慧。

9.1 工具并不等于效益，效益来自选择

在信息技术宣传的高潮中，人们形成了这样的迷信，即信息技术代表了高效率，高技术等于高效益，这是不对的，技术只是工具，技术应用与应用效益是两个层面上的问题，技术应用要产生效益需要外部环境的配套，配套的复杂性胜过技术应用的复杂性，效益需要商业智慧，商业智慧是高于技术应用层次的，是通过恰当的目标选择、外部资源配套与整合实现的，效益来自精明的选择。

9.2 数据整合共享要“有所为有所不为”

数据整合共享有无效益关键在于目标的选择，全面地推动数据整合共享肯定是没有必要的，显然不是所有的数据整合共享都有效益，没有效益的数据整合与信息共享是必要的做的，即使某些信息共享有合计效益还要看看机会成本，政府的经费有限人才更有限，集中精力保证使用频繁影响力大的项目的成功往往会更加有益。数据整合共享工作也需要“有所为有所不为”才能有更好的效益，总之要全面考虑效益形成的具体环境，不要一刀切，效益是由恰当的选择创造的。

9.3 选择是智慧积累的过程

智慧城市的建设也是一个智慧积累的过程，要积累的智慧不仅是信息技术智慧，还有商业智慧、组织合作智慧。怎样选择技术、怎样应用配套都是重要的商业智慧，这种智慧是通过人们的恰当选择积累的，参与者的选择是智慧积累的过程，为什么采用市场机制建立互联网项目有更好的成功率？这是因为市场机制给参与者有更多的选择性，参与者是从自己的需求与效益考虑的，这种考虑无形中提升了系统的稳定性，凝聚了参与者利益的系统自然更容易成功。

9.4 以松耦合来提升系统整合的智慧

当我们意识到选择是积累智慧的基本手段后就应当通过恰当的机制来给参与者以恰当的选择机会，一定的选择权有助于参与者融入自己的特殊需求，这实际上是增加了系统的合理性，增加了参与者对系统的支持，是很有好处的。因此大型系统建设对组成部分要尽量采用松耦合的模式，以标准接口连接，松耦合可以增加连接的灵活性，有利于融入基层的智慧、利益提升系统的坚强性。

十、冷静对待大数据热

一切真理都有边界，过热都是危险的，真理变谬误总是从过热开始。

大数据没有那么神，为什么政府很多业务都会拼命向大数据上靠呢？因为利益的驱动，搞实用主义；其次是头脑不清醒，没有严谨的逻辑思维和批判精神，一窝蜂地搞大数据必然会出问题。

10.1 技术超越应用必然带来浪费

在智慧城市建设中，浪费经常来自技术过度，每种应用对技术的需求是有限的，更多的技术实际上是用不着的，但是技术上由企业推荐的，更多使用技术会增加企业的收益，因此IT企业总是推销过度的技术给政府，成为政府项目浪费的原因。过多的技术并不能带来好处，反而会分散精力拖延整体的进度。

10.2 技术应用一定要“不忘初心”

在智慧城市建设中，技术只是工具，要解决的问题才是目标，然而对新技术的喜爱会将技术应用作为目标而忘记当初要解决的问题，这是智慧城市设计经常出现的问题，例如电子政务建设经常会提出信息共享的要求，将信息共享作为一种目标并要进行检查，看是否实现了信息共享，这并不合理，同样的要求打通所有的烟囱也没有必要，只需要打通影响当前工作的烟囱就够了，需求没出来时做这些事情其实是一种浪费。

10.3 以经济学视角对待新技术应用

要看到所有的新技术应用都是一个经济学问题，这种应用可能会带来收益但必然会带来成本，收益是否大于成本要看配套的环境，应当看到效益的实现其实是小概率事件，只有步步控制才可能会形成效益，大多数新技术的应用其实是亏损的，效益实现是比新技术应用更高层次上的问题，只有全面分析效益产生的具体环节，精心设计效益链才可能形成效益。

10.4 以批判精神对待大数据的宣传

在追求效益的艰难历程中，保持清醒的头脑不盲从是绝对必要的。长期以来对信息化理念、信息技术的过度宣传在人们头脑中已经形成了很多迷信，以为信息技术都是好的，都是有用的，这种迷信对于全国的智慧城市建设产生了极大的破坏作用。人们不加分析地照搬信息技术，忘记了自己的真实需求，盲目地推行新技术，越来越背离科学化的轨道，离智慧城市越来越远。

实用主义对中国的影响太深了，很多人没有逻辑思维的素养，更没有批判思维的习惯，每件事上来之后首先想的是怎样做会能得到好处，怎样迎合上级的提法，怎样使自己看起来更有知识，而从不追究什么理论才是正确的，结果使得智慧城市建设成为没有理论的乱作为，只能使智慧城市建设离智慧越来越远。现在是改变这种实用主义的时候了。

（2017/12/4）