国务院副总理汪洋：谈大数据感悟

休息这几天，我看了两本书，其中有一本是广西师范大学出版社出版的，一个美籍的华人涂子沛写的《大数据》，看以后非常有启发。我推荐你们全厅干部都看一下这本书，研究一下大数据时代。他这书里边讲，数据是对信息数字进行解释，赋予意义。

进入信息时代后，人们趋向把所有存储在计算机上的信息，无论是数字还是音乐、视频，都统称为数据。2010年，美国总统科学技术委员会给总统和国会的报告写了这么几句话：数据正在呈指数级增长，联邦政府的每个机构和部门，都需要制定一个应对“大数据”的战略。现在大数据战略被认为是世界下一个创新、竞争和生产力提高的前沿，是争夺全世界的下一个前沿。你看，重要不重要。

书里面分析了政府数据有哪些来源和收集方式。他说了有三种来源，当然有不同的收集方式。第一种来源，业务数据。包括你们要做的，就是业务数据。来源是下级部门和社会组织，是以基层上报、被动接受为主。第二种数据是民意数据，是单个公民或组织需要投入人力，财力去主动收集，这样的数据收集也是将来财政要创造环境的，要支付的。第三类数据是环境数据。这个环境不仅仅是我们说的大气这些东西，他包括自然环境、动植物以及物体，以传感器自动?集为主。物体包括汽车，包括运输物、动植物。

所以，如何收集、保存、维护、管理、分析、共享正在成指数级增长的数据，是我们必须面对的挑战。刚才我问了你们国库处，动态监控数据能有多少字节，能不能有多少G，你们说达不到，还是K级的。大数据是什么概念呢，就是至少是太字节的，从字节来讲是2的40次方字节，是相当大的数量。

大数据时代来了，我们要搞这些数据，对我们政府有什么意义呢。将来引导我们政府前进的是基于实证的事实，不是意识形态，也不是利益集团在政府决策过程中施加的影响。我们基于这些数据说话，将使政府更有效率、更加开放、更加透明。

这个书里举了很多例子，我看了之后非常有启发。比如讲美国的交通史。1966年，美国有9400万辆汽车时，交通事故死了5万人，这是他的最高峰；但是到了2009年，他是2亿4000万辆汽车，但是只死了3万人。汽车大幅度增加，死亡人数却大幅度减少。我不知道我们现在多少辆车，反正一年死十几万人是有的。为什么下降了，就是他们通过对数据的分析。分析以后发现，一年12个月，5、6、7、8月事故率是最高的；每一周，礼拜六、礼拜天事故率最高；一天里边，下午6点到晚上9点事故率最高；什么天气是事故率最高的，当然跟你们想的都不一样，不是下雨天、雨雪天，正常天气事故率是最高的。然后什么年龄段事故率最高，就是24岁—35岁，44岁—55岁，这两个年龄段最高。这个分析过以后，然后有针对性的措施。当然有些数据，他分析的更具体。为什么有的州高，有的州低，发现事故率高的州高速公路弯比较大，事故都是右侧的事故，就是因为弯比较大。有的事故率低，就是发现这个地方警察经常查系安全带，所以事故率低，那个事故率高的地区是没查安全带所以一系列数据收集分析，改进以后结果事故率就下降了。车子从不到1个亿，增加到2亿4600万，但是死亡率下降。这个非常有用啊。

另外，美国人现在开始在数据上打假，美国人的福利比较好，所以把所有的数据都输进去，然后通过计算机设计软件，一旦发现，?上就去查福利滥用的情况。社会治安也是利用数据去分析，包括911之后的情况。现在美国已在有专门的机构，来负责收集、研究、使用数据，商业也好，政府也好，来研究这个数据的发展。

比如沃尔玛，沃尔玛通过他的销售数据，分析过以后发现，每到礼拜六、礼拜天，有两样东西是成比例的增长，啤酒和尿布。关于这个，你知道为什么呢，后来就发现，礼拜六、礼拜天常常就是女人在家做事，男人到购物店买东西，买东西就买尿布，买尿布的时候男人就想，挺辛苦的买点啤酒犒劳自已。所以啤酒和尿布就一块增加了。你很多是想不到的。数据你注意使用它。

马云最近来找我聊了一次。他当时就跟我说，你2008、2009年到杭州去，让我到广州来卖货，我跟你说说这几年卖广货的效果。2008年一年，他在淘宝网卖了177亿广货，今年可以卖到1700亿，就是四年是十倍。他就讲，他现在他觉得数据是他的竞争力。他当然讲了个例子。他说你想不到，全中国比基尼卖的最好的是哪几个省。然后就说，你绝对想不到。一般人认为，肯定卖的好的是广东，海南岛，他说卖的最好的从淘宝上看，是新疆和内蒙。他说，估计每一个男人，都要给他的夫人、情人和对象有一个美好的憧憬，有一天我带你去下海。当然这是他的一种解释，但是能反映什么呢，就是这些数据和你想象的不是一个概念。如果商家掌握了这个东西，其实你比基尼广告的重点不要放在广东做，你放到新疆、内蒙去做啊，这效果可能就不大一样了。

对于政府工作来讲，同样如此。我看这个书里写，流感对于美国人是一个非常大的事情。美国人对于的流行病学的各种调查就是掌握不了流感的规律。后来想到从2万多家药店的销售记录中间，把这个数据拿来、分析，分析后发现，一般在全国流行性感冒的前两周，药店的感冒药增加的比较快。也就是增加的比较快两周以后，全国的流行性感冒来了，政府就需要增加对流行性感冒预防的措施。他们就分析为什么呢，因为大部分人开始有感冒症状的时候，没有意识是个问题，就到药店买点药吃。一旦增加了，药店的药增加了，估计下两个星期后，医院的人就要增加了，这个时候预防措施就要开始了。

所以这个数据是非常重要的问题，我们将正式进入一个数据为王的时代。李嘉诚也是有这样的看法，他前不久给我写了一封信，说人工智能和大数据技术的普及化，势必令不同行业和教育系统的范式转变。他说这个范式我估计是香港说法，就是模式。不同行业都是这样的，你比如讲他这个书里讲的，政府掌握数据往往关系到行业标准，比如单位牛奶中的蛋白质含量，菌落群数应该是多少，饮用水里面能混杂多少含量的微量元素，新鲜蔬菜能带多少指标的杀虫剂残留，每个指标的变化，即使只有零点几，都会影响到一个行业的竞争，改变一个产业。

这个数据非常重要，而这个数据最后实际上都涉及到利益，所以你政府掌握不掌握这些数据，在制定政策的时候，特别是个各个行业、企业利益博弈的时候，你可能就会陷入被动。你们看这本书里也有这样的例子。在美国，存在一个庞大的说客集团。华盛顿最大的产业，第一是旅游，第二就是说客。他们代表企业和行业的利益，游说政府的政策制定，这里面都涉及到利益。政府不掌握这些数据，就有可能被掌握这些数据的行业集团所影响操控，政府的决策就不可能科学，特别像财政，更是如此。

而起我想说，政府的数据是要公开的，当然公开也是一种博弈。刚才我已经讲过，我们掌握的一些数据，比如“三公”经费信息，公开之后，它的好处是什么呢，实际上是创造一个社会帮助我们改进工作的机会。最近我看了些书，有个一观点，下一步的改革，实际上就是政府要调动民间的力量对利益格局进行调整。因为你单靠政府已经搞不动了，那怎么办呢，就是要让社会、民间参与其中。其实我们公开“三公”经费信息，就是调动社会力量促进我们改进工作。

这个东西你们可以去看那本书，书中就有这样的例子。比如说奥巴马上任后就搞了个信息公开化的承诺，故事你们可以在书中找，过程很有意思。最后在120天内搞了个规划，吵得一塌糊涂，跟我们搞放权一样，大家在公开的场合都赞成，一到具体要公开本部门的信息的时候都说，我这个部门的数据不能公开。但是美国的联邦政府的首席信息官维伟克·昆德拉，一个年轻的印度裔移民，他很有办法，他先从一些没有争议的数据开始，并快刀斩乱麻，推出了一个技术平台并不断完善。一旦数据公开走上轨道了，群众就会监督，向更多部门和领域提出数据公开的要求。美国有个信息自由法，只要人家向部门提出信息公开的要求，相关部门就要回复，部门不愿意公开要说明理由，人家接受就可以不公开，人家不接受可以去起诉部门。所以现在政府公布的信息越来越多。

公开的好处是什么呢？以美国的民航业为例，美国民航的正点率比我要高很多了，它是如何做到的呢？现在美国交通部开放了全美航班起飞、到达、延误的数据，那当然也是海量的。公布之后，有人就利用这些数据开发了一个航班延误时间的分析系统，并向全社会免费开放。通过这个可视化的软件，任何人都清楚的看到：晚点最少是哪个航空公司，晚点最多的是哪个航空公司，一般晚点多少时间；在各个航线上，哪个晚点最多，哪个晚点最少，哪个正点率最高，它把这些排列出来，一目了然。这个是民间开发的软件，不是政府开发的，政府只是把基础数据公开了。这样做的结果呢，就是美国民航的误点率逐步减少，满意率不断提高，而且政府也没有承担软件开发的费用，只是把这个信息公开了，却达到了三赢的目的。这里面能看出个规律，部门公开数据，公众提出意见，部门根据意见再改进工作，当然了，这里面也有很多博弈。

这本书中还写到，万维网之父，蒂姆·萧伯纳·李在2009年的一次演讲中说过一句话，“原始数据，现在就要！”我看到这里，很受启发，我们中国人，包括在各个领域，对数据的概念和作用的重视，还是很不够，从某种意义上来说是我们做这个工作的重要契机。就像改革开放初期，我们的农民对土地的重要性认识不足一样，我们那时有意识地把土地拿在手里。欧广源当县委书记的时候，搞了几千亩地，到现在都觉得当时很有远见，那时候征地费用没那么高，大家也没觉得地会像现在这么值钱，结果你意识到了，你把这些地拿到手了，就成为后来竞争的重要资源。现在我们全社会也没有意识到这些数据的重要，你们的工作对象也没有意识到这一点，这个时候，是收集数据最好的时候。

作者在书的最后，提出希望我们国家重视数据。他写到中国人数据意识的淡薄由来已久，甚至可以称之为国民性的一部分。胡适曾经写过，我们中国人是“差不多”先生，什么事情都“差不多”就行，不注意数据的收集、整理和使用。他举了个例子，麦肯锡公司以2010年度各国新增的存储器为基准，对全世界的大数据的分布做了一个研究和统计，中国2010年度新增的数据量为250拍（PB，1PB=1204TB=250字节），不及日本的400拍、欧洲的2000拍，和美国的3500拍相比，更是连十分之一都不到。但是我们中国却是全世界第一手机大国，第一互联网用户大国，实际上我们只是把这些数据收集起来，就能发现很多问题。我说过，上次分析经济形势的时候，让移动和联通把相关数据拿来，就可以看出许多问题。

所以我就想，如果我们能像三十年前政府可以轻易的拥有土地一样，现在抓紧时间搜集数据、使用数据，这是竞争的一个新的制高点。因为再下一步，考虑到隐私权的问题，将来再收集个人数据就没有那么容易了，另外单位里面的数据也可能会存在越来越多的保护举措。所以我觉得，现在财政的数据收集、分析、使用以及公布会极大的促进收入、改进支出、提高财政工作水平。

所以我希望大家能认真读一读这本书，带着问题读、带着想法读，怎么样促进财政数据的收集，怎么样加强财政数据的分析，怎么样挖掘数据背后有利于我们增加收入、改进支出的有用因素，然后逐步推进财政数据的公布，调动全社会监督的力量，使我们的工作水平不断提高。将来这个社会是个开放的社会，有兴趣的人他会提出意见。

我相信，你们拿这本书去看一看，如果能带着问题去想，带着问题去做，会比我今天讲的所有内容都会对财政工作有更大的益处，而且不是一天，将会发挥长期的作用。