作者简介：黄璜：北京大学政府管理学院副教授、北京大学政治发展与政府管理研究所副研究员、中国信息协会信息惠民分会主任助理

　　          黄竹修：北京大学政府管理学院硕士生

　　一、 引论

　　1962年，社会学家丹尼尔·贝尔在其名著《后工业社会的来临》中曾预言，新的智能技术将用于公共决策制定：对大量相互联系且相互作用的决策变量进行分析依赖于以现代决策理论和信息技术为核心的智能化。[1]在今天看来，随着人类对数据的使用进入ZB(1ZB=1015GB)时代，大数据正在与决策制定的智能化融为一体。

　　“大数据”作为独立词汇最早出现于1998年。[2]2000年一篇学术论文中首次将“大数据”引入社会科学，[3]但未引起广泛关注。直至2007年科学界才率先做出积极回应。图灵奖得主吉姆·格雷(Jim Gray)在生前最后一次演讲中将数据密集型科学描绘为科学研究方法的“第四范式”。[4]还有人指出大数据有助于社会科学真正走向科学化。[5]2008年9月，《自然》专门组织了一期“‘拍’字节(Petabyte)时代的科学”专题，正式奠定了大数据在科学中的地位。根据“谷歌趋势(Google Trends)”的数据，一直到2011年下半年，全球社会对“Big Data”的关注才开始迅速升温。2012年《哈佛商业评论》一篇文章将大数据誉为新的管理革命。[6]自此，技术和商业精英们开始发表各种关于大数据的评论，各行各业都期待着能够从大数据中获益。[7]

　　然而大数据究竟能否带来业界宣称的那些价值存有争议。正如近年来流行的许多概念一样，大数据的价值是否也被高估了?比如，许多人曾经对“谷歌流感趋势”[8]报以热望，然而《科学》的一篇文献表明，自2011年八月起“谷歌流感趋势”几乎每周都会高估流感的流行性。[9]有评论说，大数据的“狂妄”之处不在于算法的成熟度，而在于人们会盲目相信坐在电脑屏幕前捣鼓数字就足以对世界有充分了解。[10]还有人认为，大数据能够说明事物之间的关联，却无法说明其中意义所在，即所谓“相关性不蕴含因果性”。不过，对大数据的质疑或许和对它的过分褒扬一样脱离大数据的本来面目。IEEE《频谱》杂志曾刊载对机器学习大师Michael Jordan的访谈，后者认为大数据只是幻觉，人们不能不依从任何准则而毫无科学根据地建造“桥梁”，并指出“大数据的冬天即将来临”。[11]不久后Michael Jordan本人撰文指出，那篇采访错误表述了自己的观点，大数据已经发展到应当总结其基本原理的时候了。[12]

　　虽然政府在大数据方面的行动要落后于企业，[13]大多数处于观望状态，[14]但是大数据在诸如城市交通、城市规划和运营、公共安全、社会福利、应急管理[15][16][17][18]等公共治理中已得到应用，被认为有利于解决公共治理中的复杂问题，提高了政府决策制定能力。[19][20]

　　按照“百度指数”的数据，中国社会对“大数据”的集中关注始自2012年初。当年出版的一本科普读物《大数据》引领了中国社会对大数据的讨论。该书对专业人士并无新意，可贵之处在于围绕美国政府管理中“基于数据的管理”的百年史来展开对数据的讨论，使用非学术语言阐述了大数据在公共治理中的作用。此后在相关政策、行业规划、研究报告、技术方案和新闻评论中几乎言必称大数据。虽然人们大多基于各自不同的立场来理解和诠释大数据并阐发其可能的价值，但是大数据对公共政策和公共治理的影响是无可否认的事实。本文试图拨开技术化的复杂性和商业化的迷雾，在对大数据的内涵和外延进行详细梳理的基础上讨论大数据的兴起对公共政策产生的影响，并由此说明公共政策不仅要挖掘大数据的价值来提高政策水平，还必须适应日益数据化的社会环境。

　　二、 大数据的概念辨析

　　(一) 对大数据的界定

　　正如数字时代涌现的许多新词一样，对大数据的认识也处于流变中。[21]最初人们主要着眼于大数据作为数据集的基本特征，认为是具有规模性(Volume)、多样性(Variety)和高速性(Velocity)特点(简称3V)的数据集。[22]在科学研究、互联网、医疗、电信、金融等领域中，大数据的数据规模通常至少在PB级，也即100万GB。在3V基础上，IBM、SAS等产业领袖还概括了精确性(Veracity)、可变性(Variability)和复杂性(Complexity)等特征。

　　大数据的价值并不主要在其规模，更重要的是如何识别和转化庞大数据背后可能隐藏的规律。[23]比如大数据可以在文本、语音等非结构化数据中获取知识[24]，这与主要分析结构化数据的传统数据分析有了显著差别。因此大数据之“大”不仅指数据规模，还包括数据的复杂性或互联性的规模。[25]因此也有人提出“大”数据或许也是小数据[26]，关键是能够从数据中寻找常规分析技术所不能得到的信息。在技术上，大数据常常与数据挖掘、机器学习、人工智能等相提并论。如果说大数据与小数据的区别在表象上是总体与样本的区别，实质则是人类数据计算能力的差异。

　　然而从技术发展史来看，数据(统计)分析已经出现几百年，数据挖掘技术也已有几十年历史，即使在计算速度呈指数倍增时期，大数据革命也未出现。大数据更多是受到当前数据储存容量大幅增加的影响，人类由此进入了一个“无需‘删除’的世界”。[27]工程院院士李德毅指出，大数据既不是科学，也不是技术，而是网络时代的一种客观存在。在我们看来，大数据不仅是数据，也不仅是技术(算法)，它依赖于软硬件信息技术，尤其是网络与存储技术的发展;虽然它的出现是人类数字化进程不断积累的结果，但是它能够被提炼出来并受到广泛重视是因为它对人类的决策和管理带来了崭新的思路和方法。在这些意义上，大数据是数据与算法、网络与存储，决策与管理相互交织融合的产物，脱离其中任何一个层面，都无法涵盖大数据的完整意义。

　　(二)与相关概念之间的关系

　　第一，作为一种工具的大数据与基于数据的管理。虽然大数据作为分析工具有助于提高管理和决策效率，但是将与数据相关的管理和决策都视为大数据应用泛化了大数据的范畴，将大数据和基于数据的管理混同起来。从广义上来说，基于数据的管理包含两个层面。第一，数据是管理对象的抽象符号，其管理目标主要是提供信息查询和事务处理。第二，数据是统计对象的基本单元，其管理目标是为决策分析提供依据。技术上，大数据可归入统计分析，但两者并不等同。美国科学院院士Breiman曾指出统计学中以传统统计方法为代表的“以算法为中心”和以数据挖掘为核心技术的“以数据为中心”的两种统计文化。[28]他认为，前者通常需要提前对数据分布和误差结构等做出假设，在某种意义上其结果只是人工拟合的近似世界而非真实世界，而后者基于总体数据可以给出更加精确的描述和预测。虽然“以数据为中心”的分析技术也可针对小数据集，但是对大数据集的意义更大。

　　西方发达国家在公共决策中系统性地使用数据由来已久。统计学最早便是作为一种辅助政府决策和管理的工具出现的。早在14世纪，欧洲已经出现了对人口、法律、商业、教育等领域的专业统计出版物。[29]民主思想和科学精神在西方国家的兴起为公共决策中使用数据提供了思想和动力基础。20世纪20年代兴起的行为主义政治学和50年代兴起的政策科学对数据和量化方法的重视进一步为公共政策的科学化提供了学科基础。因此西方国家在公共政策中对大数据的应用是随着互联网和各种业务信息系统的发展而水到渠成的结果。历史学家黄仁宇曾断言，中国历史上没有利用“数目字管理”的传统。虽然我国当代政府尤其是涉及宏观部门或专业部门的管理中也大量使用数据，但总体而言，行政部门的数据意识和能力都有很大欠缺。因此面对席卷而来的信息化进程，对于这些部门来说，作为分析工具的大数据和基于数据的管理是一同出现的，而后者的现实性和可理解性更强，因此也容易将两者混同起来。

　　第二，作为一种数据集的大数据与互联网大数据及政府信息资源。公共治理中的大数据拥有不同的数据来源，互联网是其中之一。从根本上说，网络只是数据的媒介，互联网即大数据之网。当前互联网数据，尤其是基于搜索引擎和社交媒体的数据是大数据研究热点。在公共决策过程中，互联网已经成为主要的政策议程来源之一，一些起初并不起眼的小事件可能在网络中演变成大事件。这种现象并非源于物理介质上的复杂性，归根到底是因为互联网数据之间存在着意义上的关联性，从而体现出大数据的价值。互联网大数据并不限于互联网上开放的数据。商业系统也可以为公共决策提供数据。比如，大型电子商务平台的宏观数据可以做到比政府统计数据更加及时、准确和精确，可以为经济政策提供大数据支持。

　　政府本身拥有强大的公共财力来获取或生产大量的数据并经过加工形成政府信息资源，其中既包括对自然世界状态和运动的记录，也包括对社会行为轨迹的记录。有学者提出，中国拥有全世界最大的“大数据”，因为中国拥有世界第一的人口，每时每刻都在产生着海量数据。[30]人类历史上从来就不缺乏数据，政府也不是到今天才拥有这些数据，不过由于大多数据没有被数字化，传统存储介质通常只能支持上述“基于数据的管理”的第一个层面，无法给决策带来额外的收益，在严格意义上这些数据是不可分析的数据，因此不能归入当代所谓大数据的范畴——大数据应当是可分析的数据。

　　三十年来的电子政务建设为公共治理积累了大量数字化的业务数据，是政府大数据的重要来源。各部门政务系统中的数据反映了业务管理对象的若干刻面，不同政务系统数据之间存在着丰富的关联性。虽然这些数据库也形成了支撑各系统的数据来源，但是由于未能解决自上而下的“烟囱式”建设模式和“信息孤岛”的存在，不同政务系统之间没有实现互联共享，大数据的价值就无法充分发挥出来。

　　第三，作为一种政策的大数据与开放数据。为促进大数据的发展，西方发达国家纷纷出台了有关大数据的战略规划，[31]中国政府也在2015年8月出台了《关于促进大数据发展的行动纲要》。与此同时，开放政府数据也成为当前公共政策的新热点，并在全球迅速普及。虽然大数据与开放数据同气连枝，都是在数据成为日益重要的经济和政治资源的背景下强调对数据的利用和增值，但是两者并不能画上等号。

　　就目前而言，大数据和开放数据是国家数据政策的两个重要方面。两者相互联系，但具有不同的理念、目标和方法。一方面，无论是深化政府大数据建设，还是促进大数据产业和市场的发展，大数据政策更倾向于如何利用大规模数据提高宏观和微观决策能力。在公共管理研究的脉络上，政府大数据研究是对传统电子政务、电子治理的继承，致力于利用海量数据提高政府制定政策的能力，改善政府与公民、企业、NGO以及其他政府部门的关系。[32]另一方面，开放数据则与传统政策信息公开、开放政府、透明政府等一脉相承，[33][34]认为政府必须解除对某些数据的限制条件，自由地开放给社会公众使用以开发新的信息产品。[35]因此，虽然开放数据(集)可能包含了大规模的公共数据，但是开放数据集并不一定是大数据集。反之，大数据的应用也不一定需要开放数据。

　　三、 大数据对公共政策的影响

　　如上所述，我们将大数据在公共治理和公共政策中的应用视作对传统电子政务、电子治理的继承。传统电子政务和电子治理主要关注于信息技术在行政管理中的应用以及对公共政策执行阶段的影响，而大数据则将信息技术和公共政策的全过程紧密联系起来，而且将促使整个公共政策系统发生根本性的变化。在某种意义上，如果说在电子政务时代，信息技术仍然徘徊在公共政策的“主流”过程之外，那么到了大数据时代，公共政策将无可避免地与数据形成一体。在另一篇文献中，我们讨论了无论是对互联网的治理，基于互联网的治理以及在“互联网+”下的治理，大数据都将处于治理的基础或核心位置。[36]这里将进一步讨论，大数据在四个层面对公共政策的发展和创新产生影响。

　　(一)政策技术层面的影响

　　大数据作为实现公共政策目标的技术，可以在公共政策任何阶段来获取和展现传统政策技术所不能获得的政策信息。大数据尤其是互联网大数据正在成为政策议程和政治评估的重要来源。比如，基于互联网的舆情监测数据已经成为政府了解社情民意的重要工具;电子商务大数据可以为宏观经济政策提供实时的市场信息;从不同业务系统“扒”来的数据匹配的不一致性将有助于发现更加精细的政策问题;丰富的数据和复杂的算法将有助于提高公共决策的效率和效益水平，比如在税务、审计以及公共福利等决策分析中大数据已经被用来甄别异常和欺诈行为;跨界别、跨区域、跨平台的海量数据之间的关联性挖掘正在为决策者科学把握社会实时动态规律提供新的方法，比如人们正在将搜索引擎数据与实际社会行为关联起来，[37][38]为获取问题信息提供新渠道和依据。政策执行和公共服务也将在大数据支持下获得更多地信息和知识，从而可为公众提供个性化公共服务，[39]提高公众满意度。比如，一些机构利用过去的数据可以对业务表单进行预处理，提前填写好基本数据，避免公众反复填写和提交，提高办事效率;一些机构利用历史大数据细分服务对象，可以有针对性地提供公共服务，不仅可以减少资金，还可提高风险辨别和控制能力。[40]事实上，公共政策各阶段之间的界限在大数据条件下将变得更加模糊。实时数据，快速计算以及对社会需求的及时回应意味着决策、执行和评价几乎同时发生。

　　(二)政府能力层面的影响

　　上世纪60年代，政治学家卡尔·多伊奇指出，任何政治系统都包含信息输送、存储、应用和反馈的“信息沟通”过程，能否快速准确地完成信息“沟通”是实现有效决策和控制的前提。[41]任何时代的信息沟通都依赖于特定信息技术，电子政务或电子治理是政治沟通和控制在电子时代的再技术化，实现了信息系统与物质系统的剥离，从而提升了“沟通”的效率。多伊奇巧妙地将政治沟通比喻为“政府的神经”。按照生物进化史，神经系统从神经元进化到网状链状的神经系统，最终形成大脑，并催动各种感觉器官和运动器官日趋完善和专门化，生物信息能力由此演化到最高阶段。从这一点来看，政府体制和行为也随着广义信息技术的发展而不断演化。如果说办公自动化代表了政府“神经”系统进化的最初阶段，基于网络的电子政务实现了这些初级“神经元”的普遍连接，那么大数据的出现意味着政府“大脑”系统的真正形成，政府信息能力从而也进化到了高级阶段。我们将政府信息能力定义为政府为满足治理的目标对信息资源进行分配的能力，并划分为六个方面，即决策分析能力、行政沟通能力、政治传播能力、信息服务能力、社会参与能力和自然与社会监测能力。[42]围绕上述六大信息能力，当代电子治理包含了电子决策、电子行政、电子传播、电子服务、电子参与和电子监测。所有这些能力及其电子化形式实际上都围绕着数据的集中而展开。在政策技术层面的支撑下，大数据将成为信息能力的基础，并整合信息技术在公共政策中的应用模式，促使政府体制和“机能”随着技术发展而做出转型和创新。

　　(三)国家治理层面的影响

　　大数据提供了一种新的社会技术架构，公共政策需要在新架构中努力实现政府、市场与社群之间的良性互动，形成新的平衡。一国治理的目标在于维护国家基本秩序并促进经济发展和提供公共服务。[43]市场、政府和社群作为基本的治理机制，在互动中寻求动态平衡，并由此延伸出政府失灵、市场失灵以及社群失灵等经济学、政治学和社会学共同关注的重大问题。开放、共享、无边界的互联网以及由此产生的大数据架构正在改变市场、社群和政府的组织模式。新架构首先重构了社群的组织模式，从网络社区、BBS到社交网络，形成了新型的社会交往关系。其次重构了市场组织模式，从电子商务、互联网金融到“互联网+”，几乎所有围绕市场的行为都将在新架构中蜕变重生。对于政府而言，一方面政府在一些传统公共产品和服务供给方面与新的市场和社群相比缺乏效率;另一方面政府在面对新的市场和社群“失灵”时又能力不足。因此政府治理模式也需要在新架构下调适、转型、改革，以建立新的平衡。进一步的，近年来一方面是实体世界被映射到互联网，使互联网从早期的“独立王国”变得越来越“实体化”;另一方面人们又在探索着新的生存法则来适应实体世界日益的“互联网化”。在传统产业经济在互联网下转型升级的表面之下，是实体世界如何与互联网世界接轨、融合和进化的问题。政治、市场和社群的基本内容正在两种世界的融合与进化中发生质变，伴随着的是社会利益结构的重大调整。合作与冲突贯穿于这个合二为一的过程。实体世界在享受互联网盛宴之后才发现自己的生存已然面临威胁。正如出租车行业在打车软件兴起下出现的“集体骚动”。互联网和大数据等新技术作为分配社会利益的新力量所引发的社会心理的狂欢、畏惧与不满，表现为拥趸者的褒扬、怀疑者的质疑和正在出现的抗议者的破坏。公共政策作为在全社会权威性分配利益的基本工具在这场融合与进化中必然面临重大挑战。

　　(四)社会价值层面的影响

　　大数据不仅是新技术，也是新生活方式，新价值观和新文化。公共政策必须重视大数据带来的社会行为、社会规范和社会价值的变革。许嘉璐将社会文化分解为三个层次，即物质文化、制度文化和哲学文化。[44]在物质层面，越来越多的人习惯于从由普遍连接和泛在计算带来的新环境中学习、购物、社交、恋爱、娱乐。如果说个人计算机和有线通信实现并记录了网络行为，那么无线通信尤其是可穿戴设备则使日常生活行为数据也源源不断地汇聚并可为之提供服务。在制度层面，新的行为模式对传统制度规范形成挑战的同时也在孕育和发展新的制度规范。比如，有关市场监管的政策在电子商务环境下面临重大挑战;新媒体形成的社会舆论正在考验公共决策者能否突破规制思维以形成新的治理规则;进而，如何保护大数据条件下的个人隐私，如何弥补大数据可能造成的新的数字鸿沟，[45][46]以及如何规避潜在的数据操控对公共和私人生活带来的风险，都将是全新的制度问题。最终，社会行为和社会规范背后是整个社会价值观的变化，或如许嘉璐所谓底层哲学基础的变化。一个在朋友圈中分享美食的人和一个在书评网上分享读书心得的人或许没有交集，但是在类似的行为背后是同样的价值观，后者支撑了互联网的繁荣。有学者将这个层次的变化比喻成新的“物种起源”。他们认为，现代科学和大工业生产虽然创造了许多知识和商品，但是人类丢失的东西更多，变成了“干巴巴的存在”，而在互联网时代，不确定性将超越决定性，便可能实现“灵性”的回归。[47]无论如何，随着人类社会行为模式和社会规范的演化，人类生存的基本哲学也必将受到全社会数据化进程的影响。公共政策无法忽视社会文化环境的深层变化。

　　四、 结语

　　无论目前人们能否从大数据中获取知识，大数据本身已经是一个客观的存在。它对公共政策的影响已经在不同层面和不同领域中显现出来。公共政策不仅要利用大数据提高政策水平，更重要的是要面向和适应越来越数据化的社会环境，必须要将大数据作为公共政策研究的一个新的变量，这是挑战也是机遇。

　　[参考文献]

　　[1]丹尼尔·贝尔. 后工业社会的来临——对社会预测的一项探索[M]. 新华出版社, 1997.14.

　　[2]Francis X. Diebold. On the Origin(s) and Development of the Term "Big Data". Pier Working Paper Archive, Penn Institute for Economic Research, Department of Economics, University of Pennsylvania, 2012.

　　[3]Francis X. Diebold. "BigData" Dynamic Factor Models for Macroeconomic Measurement and Forecasting. the Eighth World Congress of the Econometric Society, 2000.

　　[4]Tony Hey, Stewart Tansley, Kristin Tolle. The Fourth Paradigm: Data-Intensive Scientific Discovery.E-Science and Information Management Communications in Computer and Information Science, 2012

　　[5]Watts DJ. A Twenty-first Century Science. Nature, 2007, 445(1).

　　[6] Andrew McAfee, Erik Brynjolfsson. Big Data: The Management Revolution. Harvard Business Review, 2012(10).

　　[7]Viktor Mayer-Schonberger, Kenneth Cukier. Big Data: A Revolution That Will Transform How We Live, Work and Think. London: John Murray Publishers, 2013.

　　[8]Ginsberg J, Mohebbi M H, Patel R S, et al. Detecting influenza Epidemics Using Search Engine Query Data. Nature, 2009, 457(7232): 1012-1014.

　　[9]David Lazer, Ryan Kennedy, Gary King, Alessandro Vespignani. The Parable of Google Flu: Traps in Big Data Analysis. Science, 2014,343(6176): 1203-1205

　　[10]Mikkel Krenchel, Christian Madsbjerg. Your Big Data Is Worthless if You Don’t Bring It Into the Real World. Wired, 2014(11).

　　[11]Lee Gomes. Machine-Learning Maestro Michael Jordan on the Delusions of Big Data and Other Huge Engineering Efforts. IEEE Spectrum. 2014( 10).

　　[12]Michael Jordan. Big Data, Hype, the Media and Other Provocative Words to Put in a Title.https://amplab.cs.berkeley.edu/big-data-hype-the-media-and-other-provocative-words-to-put-in-a-title/

　　[13] Joe Mullich. Closing the Big Data Gap in Public Sector. New York City, United States: Bloomberg. Businessweek Research Services, 2013

　　[14]FBDC. Demystifying Big Data. Tech America Foundation, Washington D.C. ., United States, 2012.

　　[15]Nordicity. Big Data for Public Good: A Primer. 2014. http://www.nordicity.com/media/201456tuueytqetx.pdf

　　[16]Michael E. Milakovich. Anticipatory Government: Integrating Big Data for Smaller Government. Internet, Politics, Policy. Oxford: the Oxford Internet Institute，2012

　　[17]Joseph, R. C., Johnson, N. A. Big Data and Transformational Government. Computing Now, 2013(11):43-48.

　　[18]马奔, 毛庆铎. 大数据在应急管理中的应用[J].中国行政管理, 2015(3).

　　[19]Gabriel Puron-Cid, J. Ramon Gil-Garcia, Luis F. Luna-Reyes. (IT-Enabled Policy Analysis: New Technologies, Sophisticated Analysis and Open Data for Better Decision Making.) The Proceedings of the 13th Annual International Conference on Digital Government Research, College Park, MD, USA: ACM. 2012.

　　[20][34]John Carlo Bertot, Heeyoon Choi. Big Data and e-Government: Issues, Policies, and Recommendations. The Proceedings of the 14th Annual International Conference on Digital Government Research. Quebec City, QC, Canada: ACM. 2013.

　　[21][25][39]Andy. Big Data and the Implications for Government. Legal Information Management, 2014, 14(4).

　　[22]Mark A. Beyer, Douglas Laney. The Importance of Big Data: A Definition. Stamford, CT: Gartner. 2012

　　[23]John Gantz, David Reinsel. Extracting Value from Chaos. IDC, 2011. http://www.emc.com/digital_universe.

　　[24]Amir Gandomi, Murtaza Haider. Beyond the Hype: Big Data Concepts, Methods, and Analytics. International Journal of Information Management, 2015(35).

　　[26]Ward J S, Barker A. Undefined by Data: a Survey of Big Data Definitions. arXiv Preprint arXiv:1309.5821, 2013.

　　[27]伊恩·艾瑞斯，大数据：思维与决策[M]. 人民邮电出版社, 2014. 138

　　[28]Leo. Breiman. Statistical Modeling: The Two Cultures. Statistical Science, 2001, 16(3).

　　[29]Walter F. Willcox. The Founder of Statistics. Review of the International Statistical Institute 1938, 5(4).

　　[30]吕乃基. 大数据与认识论[J]. 中国软科学, 2014(9).

　　[31]张勇进.主要发达国家大数据政策比较研究[J]. 中国行政管理, 2014(6).

　　[32]Sehl Mellouli, Luis F. Luna-Reyes, Zhang Jing. Smart government, citizen participation and open data. Information Polity, 2014(19).

　　[33]Scott P. Robertson, John C. Bertot, Mitchell Cochran. Introduction to the Open and Participatory Government Minitrack. 47th Hawaii International Conference on System Science, 2014.

　　[35]John Carlo Bertot, et. al. Big Data, Open Government and E-government: Issues, Policies and Recommendations. Information Polity, 2014(19).

　　[36][42]黄璜. 互联网+、国家治理与公共政策[J]. 电子政务, 2015(7).

　　[37]Hyunyoung Choi, Hal R. Varian. Predicting the Present with Google Trends. The Economic Record, 2012, 88, Special Issue.

　　[38]Xin Yang, et. al. Forecasting Chinese Tourist Volume with Search Engine Data. Tourism Management, 2015(46).

　　[40]James Manyika, et. al.Big Data: The Next Frontier for Innovation, Competition, and Productivity. McKinsey Global Institute, 2011

　　[41]Karl W. Deutsch. The Nerves of Government: Models of Political Communication and Control. New York: Free Press, 1963.pp73-76.

　　[43]帕特里克·邓利维, 布伦登·奥利里. 国家理论：自由民主的政治学[M]. 杭州：浙江人民出版社, 2007.5.

　　[44]许嘉璐. 未央续集：许嘉璐文化论说[M]. 北京：中国社会科学出版社, 2012. 218.

　　[45]Danah Boyd, Kate Crawford. Critical Questions for Big Data: Provocations for a Cultural, Technological, and Scholarly Phenomenon. Information, Communication &Society, 2012, 15(5).

　　[46]Alberto Asquer. The Governance of Big Data: Perspectives and Issues. First International Conference on Public Policy, Session“New Directions in Understanding the Governance of Complex Systems”, Grenoble, France, 2013, pp26-28.

　　[47]段永朝，姜奇平. 新物种起源：互联网的思想基石[M]. 北京：商务印书馆, 2012.