,1,2, 张凤,1,2,*, 刘峰,1, 刘昌新,1,2, 朱永彬,1,2Research and Practice of Intelligent Macro Decision Support Based on New Generation of Information Technology
WU Jing,1,2, ZHANG Feng,1,2,*, LIU Feng,1, LIU Changxin,1,2, ZHU Yongbin,1,2通讯作者: *张凤（fzhang@casisd.cn）
收稿日期:2021-03-1网络出版日期:2021-04-20
Received:2021-03-1Online:2021-04-20
作者简介 About authors
吴静, 中国科学院科技战略咨询研究院,研究员,战略咨询院政策模拟中心主任。从事数字经济与数字化转型战略研究,以及宏观经济政策模拟与分析工作。先后承担和参与国家重点计划项目、国家自然科学基金项目、国家社科基金青项目、中国科学院科技先导专项项目课题、中科院知识创新工程项目课题等20余项研究任务。发表学术论文50余篇,出版专著或合著8部。
本文承担工作为：智能化决策支持系统架构研究。
WU Jing is a professor of the Institutes of Science and Develop-ment (ISD), Chinese Academy of Sciences, and director of the Policy Modeling and Simulation Center of the ISD. She has long been engaged in the research of digital economy and digital transformation strategies, and the simulation and analysis of macroeconomic policies. She has undertaken and participated in more than 20 research tasks including the National Basic Research Program of China, National Natural Science Foundation of China, the National Social Science Foundation of China, the Strategic Priority Research Program of Chinese Academy of Sciences, and the Knowledge Innovation Project of the Chinese Academy of Sciences, etc. She has published more than 50 papers and 8 monographs or co-authors.
In this paper, she is responsible for the research on the archite-cture of intelligent decision support system.
E-mail:
张凤, 中国科学院科技战略咨询研究院,副院长,研究员。主要从事科技发展战略研究、创新政策研究和现代化研究等。主要参加和承担国家高端智库课题、国家社科基金课题、中国科学院战略研究专项等。代表性工作包括参与组织完成“中国至2050年重要领域科技发展路线图研究”,发表“知识创新的原理和路径”和“世界现代化指数1950-2010”等。
本文承担工作为：智库双螺旋结构理论及全文研究统筹设计。
ZHANG Feng, Professor, is the deputy director of the Institutes of Science and Development of Chinese Academy of Sciences. Her main research fields include the strategy of S&T, innovation policy and modernization study etc. She mainly undertakes and participates in research projects supported by the Program of China Top Think Tanks, the National Social Science Fund of China, the Strategy Research Program of Chinese Academy of Sciences etc. Her representatives include the organization of “Science & Technology in China: A Roadmap to 2050”, the articles of “The principle and route of knowledge innovation” and “World modernization indexes 1950 to 2010”, etc.
In this paper, she is responsible for the theory of think tank double helix structure and overall research framework design.
E-mail：
刘峰,中国科学院科技战略咨询研究院,研究员,享受国务院特殊津贴专家,主要从事科技创新政策、产业技术创新、高新技术产业园区等研究。在《人民日报内部参阅》、《改革》和《中国工业经济》等刊物发表文章20多篇。向国务院报送调研报告10多篇。先后获得国家中长期科学和技术发展规划纲要领导小组表彰,教育部优秀学术著作二等奖,北京市科学技术三等奖,中国社科院优秀学术著作奖。
本文承担工作为：智能化决策支持系统理论研究。
LIU Feng is a research fellow in the Institute of Science and Technology Strategy Consulting, Chinese Academy of Sciences, and an expert enjoying special subsidy from the State Council. He is mainly engaged in the research of science and technology innovation policy, industrial technology innovation, high-tech industrial park, etc.
In this paper, he is responsible for the theoretical research on intelligent decision support system.
E-mail:
刘昌新, 中国科学院科技战略咨询研究院,副研究员,主要研究方向为政策模拟、产业数字化转型、新型基础设施建设等。
本文承担工作为：宏观决策支持应用实践研究。
LIU Changxin is an associate professor at the Institutes of Science and Development, Chinese Academy of Sciences. His research interests cover policy modeling, industrial digital transformation, new infrastructure construction, etc.
In this paper, he is responsible for the application of macro decision support.
E-mail:
朱永彬,中国科学院科技战略咨询研究院,副研究员,主要研究方向为数字科技与数字经济发展战略、产业数字化转型、智慧化管理决策等。
本文承担工作为：智能化宏观决策新需求研究。
ZHU Yongbin is an associate professor at the Institutes of Science and Development, Chinese Academy of Sciences. His research interests cover development strategy of digital scien-tech and digital economy, industrial digital transformation, intelligent management & decision making, etc.
In this paper, he is responsible for the research on demands of intelligent macro-decision making.
E-mail:
摘要
【目的】开展新一代信息技术支撑智能化宏观决策的方法与实践研究,有助于为智能化宏观决策系统的建设提供理论和应用借鉴,是实现宏观决策科学化的重要基础。【方法】通过对新一代信息技术发展下智能化宏观决策新需求的分析,提出了以智库研究双螺旋结构为基础的智能化宏观决策支持系统架构,梳理了宏观决策支持系统应用的三类场景。【结果】随着新一代信息技术的发展,为满足宏观决策对问题解决的科学性、复杂性、敏捷性、友好性新需求,智能化宏观决策支持系统将包含四层核心架构：资料汇聚层在问题导向下采集宏观决策各子问题的相关资料,汇聚形成多源异构资料库;知识融合层在多学科交叉支撑下为决策服务构建集问题历史经验、现实状态、未来发展协调统一的知识和模型体系;集成评估层以模拟评估和专家评估为支撑,对事物发展趋势和多维度影响及其技术可行性和政策可行性展开综合分析,迭代优化形成问题解决方案;交互决策层为决策者访问支持系统各层服务提供多种终端的、可视化的、友好的交互环境。智能化宏观决策支持将分别支撑各类决策主体的战略决策、战术决策、运行决策需求。【结论】智能化宏观决策支持系统将成为提高我国宏观决策精确性、科学性,实现治理能力现代化的重要支撑。
关键词：
Abstract
[Objective] Research on intelligent macro decision support based on the new generation of information technology provides the theoretical and application assistance for the construction of intelligent macro-decision-making support systems, and is an important foundation for scientific macro-decision-making. [Methods] Based on the analysis of the new demands for intelligent macro decision-making under the development of the new generation of information technology, an intelligent macro decision support system architecture based on the double helix structure of think tank research is proposed, and three types of macro decision support system application scenarios are recognized. [Results] In order to meet the requirements in scientific merits, complexity, agility, and user-friendliness of macro decision-making, the intelligent macro decision support system covers four layers. The data collection layer collects relevant data on each sub-problem of macro-decision-making under the problem-oriented guidance, and aggregates them to form a multi-source heterogeneous database. The knowledge and model layer, under the multidisciplinary support, aims to build a knowledge and model system coordinating historical experience, the current state and the future development of the decision-making problem. The integrated assessment layer is supported by simulation evaluation and expert evaluation, which comprehensively analyzes the development trends and multi-dimensional influence of decision-making problems in terms of technical feasibility and policy feasibility, and forms problem solutions through iterative optimization. The interactive decision-making layer is the interface for accessing the service of each layer via a multi-terminal, visual, and user-friendly interactive environment. Macro decision support can meet the strategic, tactical, and operational decision-making needs of different decision makers. [Conclusions] The intelligent macro decision support system will become an important foundation for improving the accuracy and scientific property of national macro decision making and realizing the modernization of governance capabilities.
Keywords：
PDF (10080KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
吴静, 张凤, 刘峰, 刘昌新, 朱永彬. 基于新一代信息技术支撑智能化宏观决策的方法与实践. 数据与计算发展前沿[J], 2021, 3(2): 4-15 doi:10.11871/jfdc.issn.2096-742X.2021.02.002
WU Jing, ZHANG Feng, LIU Feng, LIU Changxin, ZHU Yongbin.
引言
随着科学技术的发展以及宏观决策的日益复杂,科学决策日益受到重视。中共中央总书记习近平在2018年全国网络安全和信息化工作会议上强调,“要强化互联网思维,利用互联网扁平化、交互式、快捷性优势,推进政府决策科学化、社会治理精准化、公共服务高效化,用信息化手段更好感知社会态势、畅通沟通渠道、辅助决策施政”。基于新一代信息技术建设宏观决策支持系统是实现政府决策科学化的关键支撑,是国家治理体系的重要组成部分,是构建法治与服务型政府的前端和基础,是国家治理实践价值内涵与治理效能的集中体现[1]。决策支持系统的发展可追溯到20世纪60至70年代[2]。而后,计算机技术、网络技术及数据库技术的发展,进一步推动了决策支持系统的演进和应用[3]。当前,在新一代信息技术加速迭代渗透的背景下,来自经济社会系统的海量数据爆发式增长,决策所面临的环境也日益复杂,决策主体进行宏观决策的方式也正在发生巨大变化,传统的“经验决策”逐渐转变为“数据决策”,“事后演练分析”逐渐转变为“事前预测”,“被动执行”逐渐转变为“主动决策”。这就对宏观决策支持系统提出了更高的要求,需要将大数据、人工智能、云计算等技术有效应用于宏观决策,发挥数据要素在宏观决策中的作用。构建数字化、网络化、智能化协调统一的智能化宏观决策支持系统将成为未来我国决策科学化的重要工作之一。
基于此,本文旨在以智库研究双螺旋结构为支撑,提出智能化宏观决策支持系统架构体系,分析其应用场景,并以中国科学院科技战略咨询研究院（下文简称中科院战略咨询院）数字经济发展宏观决策支持平台为案例给出应用分析。
1 宏观决策支持系统的演进及智能化宏观决策的新需求
从本质上讲,决策是在一定的预期目标下,评估备选方案,以选择一种或某种备选方案组合的过程[4]。而宏观所指的层次内容并不确定,一般来说,宏观是指一个特定系统的最高层次,从这个层次上可以观察整个系统的内部状况及系统与外部环境的关系[5]。因此,本文所指的宏观决策是指一个特定系统的最高层次,从这个层次上基于对整个系统内部状况及系统与外部环境关系的洞察,从系统整体和长期的角度所做出的决策。宏观决策具有决策影响范围广、作用周期长、综合考虑因素多等特点。从空间范围视角,包括国家层面宏观决策,以及地区甚或一个组织的决策;从领域视角,有如宏观经济决策、科技战略决策等。1.1 宏观决策支持系统的演进历程
宏观决策支持是决策支持系统应用的重要领域。从宏观决策支持的模式演变看,大体分为三种类型。一是在信息化技术普及之前,实物模型模拟,如沙盘推演是一种主流的决策支持模式,其在军事、应急管理等中得到广泛应用,目前仍应用于应急演练、人才培训等方面。二是在20世纪80年代至90年代,随着数据库技术、计算机模拟仿真技术的发展,基于模拟模型的宏观决策支持逐渐兴起,如：美国普渡大学开发的宏观经济模拟数据库GTAP及其系列模型系统已被广泛应用于研究和政府政策参考;IPCC基于全球综合评估模型展开温室气体减缓与气候适应政策研究,并推动政府及国际组织决策。在这方面,我国政府也曾投巨资对国家经济信息系统进行开发以支持宏观经济管理,模拟、预测发展趋势并分析政策所产生的影响[6]。三是21世纪以来,随着大数据、人工智能等方法的发展,利用新一代信息技术实现智能化、交互式决策支持已成为近年来的研究热点,决策剧场就是这样一种大数据时代进行科学决策的软硬件一体化决策环境[7]。2005年,美国亚利桑那州立大学建立了全球第一家决策剧场,为针对未来情景方案评估的决策支持提供了可视化、交互式的支持环境[8]（Edsall等,2006）。我国华中科技大学、中国人民大学、中国科学技术信息研究所等科研结构也先后建立了决策剧场满足公共决策需求。纵观宏观决策支持系统的模式演进可以看到,宏观决策支持与信息技术的发展有着密切的内在联系;信息技术的发展极大地丰富了决策支持的内容、决策支持的形式和决策支持的深度。1.2 宏观决策支持的新需求
在当前新一代信息技术深化普及的背景下,宏观决策支持的新需求愈发凸显,表现在以下四方面：一是科学性决策需求。面对越来越复杂的国内外形势,仅依靠传统“经验主义”的决策模式已无法应付,转而需要开展基于客观的、科学的决策。这离不开客观数据和科学规律的支撑。在5G、人工智能、云计算推动下,经济社会各领域大数据爆发式增长,包含了大量有价值的信息,需要基于数据挖掘和大数据技术以合适的方式反映到宏观决策中。基于科学规律的知识和模型就起到了数据到决策支持的桥梁转化作用。针对决策问题,决策支持系统需要识别问题本质,厘清决策问题的逻辑结构,结合各领域科学知识和模型,将数据转化为具有经济社会内涵和内在关联的信息和信息流,传递给宏观决策者,以便决策者洞察系统运行状态和环境的变化,对系统演变趋势做出预判,形成数据驱动下的科学决策。
二是复杂性决策需求。宏观决策是一项系统性、综合性、复杂性很强的工作,经济、社会、科技、生态、安全等不同子系统在同一个问题中非线性交互作用,且大多数决策问题,不只追求一个目标,往往存在着若干个相互矛盾、相互制约的目标,需要多目标、多层次、多方案之间的权衡决策支持。在宏观决策问题的解决中,通过问题分解,部分作用机制具有清晰的逻辑关系,可以以明确的理论、定理、规则进行公式化、规范化,属于结构化决策,能用确定的模型或语言描述,以适当的方法产生决策方案,并能从多种方案中选择最优的决策;但部分逻辑关系仍无法用数量化的方式加以描述,存在非结构化特征。如何将结构化、非结构化决策问题进行综合考量,给出具有定量评价和定性分析相融合的决策支持,是宏观决策复杂性对决策支持系统提出的新需求。
三是敏捷性决策需求。在万物互联时代,经济社会形态瞬息万变、竞争格局日趋激烈,建立在信息交融基础上的技术进步和创新速度不断加快,叠加日益增强的网络效应,决策者愈发需要具有敏捷性的宏观决策支持。敏捷性决策需求包括两个内涵,一是决策支持系统能及时响应决策需求,保障决策支持反馈的时效性;二是决策支持系统能根据决策需求做出动态、柔性调整,提供有针对性的决策支持。上述敏捷性需求对宏观决策支持各领域的专业知识和技术积累提出了更高的要求,需要多领域通力合作。
四是友好性决策需求。在新一代信息技术支持下,宏观决策支持系统的功能将得以极大的丰富。但同时也对系统友好性提出更高的要求,决策支持系统应满足用户“能用、会用、好用”的需求。对于决策者来说,友好性的需求要求系统将复杂的模型、繁杂的计算都封装在系统中,而仅向决策者提供简单化的交互操作,包括系统输入的友好性和系统输出的友好性。对于输入而言,系统应使决策者快速把握系统各模块功能,并对输入参数的含义、格式、范围给出明确的提示。同时,当系统完成一次决策支持的计算时,系统的计算结果也将能以形象化的形式加以反馈,如以统计图表、地图、3D模型等可视化方式对结果加以呈现,这将更好地协助决策者获取决策支持的信息和知识,而不仅仅是晦涩的数值反馈。友好的决策支持系统将协助决策者有效聚焦于问题的分析和解决。
面对宏观决策的科学性、复杂性、敏捷性、友好性新需求,智能化是有力解决途径之一。智能决策支持系统在20世纪90年代就已经被提出,其主要特征是基于机器推理方法实现决策支持功能[9]。当下,面对海量多源异构数据,人为地从海量数据中提取有价值的信息显然是不可行的。如果不能充分利用数据、用好数据,海量的数据也无法支撑宏观决策的科学性、复杂性决策需求。智能化决策支持依靠人工智能在大数据挖掘、信息提取、规则发现、知识形成、逻辑推理、图像识别等方面的强大能力,极大实现多源数据、知识的汇聚融合,提高决策效率和决策精准度。在智能化决策支持系统的支撑下,决策者就可以将“有限理性”全部投入最终的决策过程,从全部备选方案与信息中做出“最优”决策。
2 新一代信息技术支撑下智能化宏观决策方法与架构体系
自二十世纪五十年代以来,决策支持系统得到不断发展迭代,****们先后提出了决策支持系统的二库、三库、四库、五库架构。然而当前的分析架构基本是从计算机系统开发的部件集成角度所提出,未能建立决策支持系统与宏观决策需求或过程的内在联系,仍需从宏观决策问题研究逻辑的角度进一步完善补充,明确宏观决策支持架构中每一个模块在宏观决策支持逻辑中的作用。2.1 智能化宏观决策支持系统理论基础
智库作为国内外宏观决策支持中的重要载体,在宏观决策中发挥了重要和关键作用。如美国的兰德公司、布鲁金斯学会、战略和国际研究中心等,为美国经济、外交、公共政策等多领域提供了决策支持。宏观决策支持系统是智库研究工作的显性产出之一。从智库研究的基本规律和路径出发,以智库研究理论指引宏观决策支持系统构建符合科学决策的内在逻辑,是智能化宏观决策支持系统的内在需求和应有之义。中科院战略咨询院院长潘教峰基于长期智库研究实践,提出了智库研究的双螺旋结构[10],形成了外循环和内循环相互作用的智库问题研究体系。外循环为智库研究的“解析—融合—还原”过程;内循环从智库研究的研究环节和研究逻辑角度分别提出DIIS的过程融合法和基于MIPS的逻辑层次法。具体而言,DIIS理论将智库研究工作归纳为收集数据（Data,D）、揭示信息（Information,I）、综合研判（Intelligence,I）、形成方案（Solution,S）4个环节;MIPS从研究逻辑角度出发,将智库研究分为机理分析（Mechanism analysis）、影响分析(Impact analysis)、政策分析(Policy analysis)、形成方案(Solution)4个层次。过程融合法（DIIS）和逻辑层次法（MIPS）相互融合、叠加、循环、迭代,具有智库研究的高度交叉融合特征。双螺旋结构服务于智库研究的全过程,是智库服务国家宏观决策的一般性思路的提炼,其中的每一个环节均与宏观决策支持系统构建紧密相关,如图1所示。
图1
新窗口打开|下载原图ZIP|生成PPT图1双螺旋结构支撑下的智能化宏观决策支持系统理论分析
Fig.1Theoretical analysis of intelligent macro decision support system supported by double helix structure
基于双螺旋结构的外循环,在宏观决策支持系统构建中首先需要对决策支持所开展的决策支撑开展问题解析,将复杂问题分解为若干子问题;其次,针对各子问题开展基于DIIS和MIPS理论的研究、建模、分析,构建具有可靠性、鲁棒性、友好性的决策支持系统子模块,形成宏观决策支持系统构建的交叉融合过程;再次,通过还原论将基于决策支持系统得到的决策支持结果还原到智库问题,通过专家、决策者基于决策支持系统的交互迭代,最终形成问题解决方案,还原为对决策的服务支撑。可以看到,在外循环中,双螺旋结构是宏观决策支持系统服务宏观决策任务的阶段分解,始于问题解析,终于决策服务。
基于双螺旋结构的内循环,DIIS理论和MIPS理论以交叉融合的形式,为宏观决策支持系统构建提供内容和逻辑两条线的支撑,形成宏观决策支持系统资料汇聚、知识融合、集成评估三阶段工作流程。在资料汇聚阶段,围绕外循环解析得到的子问题,决策支持系统需基于机理分析,从组织内部、外部相关部门分别采集相关数据、材料,形成基础资料库。在知识融合阶段,基于采集得到的资料库,决策支持系统需以文本识别、数据挖掘、人工智能等技术为支撑,结合领域科学知识,通过知识融合厘清事物本体和外部的相互关系,构建问题知识体系,并形成计算机可识别的结构化模型体系。在集成评估阶段,决策者、专家在系统提供的多种终端上展开问题趋势预判及其经济、社会、环境等多维度的影响评估,结合技术专家和政策专家研判,形成符合实际发展要求的解决方案。同时,为更好地支撑决策者对支持系统所涵盖的数据、文档、知识、模型、方案等内容的访问、检索、使用,宏观决策支持系统需对资料采集、知识融合、集成评估的服务过程进行封装,提供基于多种终端的、可视化的、友好的决策交互环境。
双螺旋结构充分体现了服务宏观决策研究工作的问题导向性、证据导向性和科学导向性,满足新一代信息技术发展背景下宏观决策支持系统对科学性、复杂性、敏捷性、智能化等新需求,是对新时期宏观决策支持系统构建的有力支撑。
2.2 新一代信息技术支撑下智能化宏观决策支持系统架构体系
基于双螺旋结构,本文将智能化宏观决策支持系统的架构分为四个层次,即资料汇聚层、知识融合层、集成评估层、交互决策层,如图2所示。图2
新窗口打开|下载原图ZIP|生成PPT图2新一代信息技术支撑下的智能化宏观决策支持系统架构
Fig.2Intelligent macro decision support system architecture supported by a new generation of information technology
2.2.1 资料汇聚层
在服务宏观决策的支持系统中,不同类型数据的采集和汇聚是决策支持的第一步。基于双螺旋结构,智能化宏观决策支持系统的资料汇聚具有显著的问题导向性。
在双螺旋结构外循环问题解析形成的子问题基础上,宏观决策支持系统将根据问题机理涉及的各维度数据需求,全面采集相关数据;这里的数据是广义的数据,包含了数据资料、科学知识、实践经验多种类型的知识[10]。在新一代信息技术发展影响下,依托大数据、物联网、5G等技术为宏观决策各子问题采集到的相关多源数据爆发式增长,数据结构也不再仅仅是原始数值型数据、可关系型结构化表达的数据,非结构化的数据越来越多[11]。以数据格式类型不同,宏观决策支持系统中的数据可分为结构化数据、半结构数据和非结构化数据,其中,结构化数据主要包括条目清晰的各级、各部门的宏观、微观统计数据,其来源包括国家统计局、国内外大型组织和机构（如世界银行数据库等）、各级政府、大型互联网企业等;非结构化数据主要是以网络抓取和调研得到的各领域政策、案例、报告、论文、视频、图像等,来源主要包括各级政府部门、知名研究机构、文献论文库、科研产出等;半结构化数据主要包括网络抓取的日志文档、XML文件等。对于非结构化数据和半结构化数据,需要借助分词技术、文本挖掘、机器学习等技术进一步加工处理,提取对决策分析有价值的信息和知识。
2.2.2 知识融合层
随着智库研究主题日益广泛,智库问题涉及的学科涵盖社会、经济、科技、生态、战略和政策等多个领域,这决定了智能化宏观决策支持系统的知识库和模型库不仅具有显著的多学科交叉性,而且具备总结历史、把握现实、预测未来、服务决策的能力。
在智能化决策支持系统模型库不断迭代过程中,将积累形成各学科的知识库和模型库,如经济学模型库、社会学模型库、综合模型库等。而从知识迭代角度看,智能化宏观决策支持中的知识库不仅包含各学科已知知识的形式化表达,更需基于系统采集资料,在云计算、机器学习、数据挖掘等技术的辅助下,从历史资料中实现未知知识和规则的挖掘和迭代,完善知识库。形成从被动存储到主动提议的智能型研究平台[12,13]。同样,支持宏观决策的模型库也将基于资料汇聚层从历史域中总结规律,形成具有描述现实域功能的领域模型,并为未来域趋势预测、预见、预判提供可计算、可组合的灵活解决方案。宏观决策支持模型库中的模型根据主要功能不同,可包括评价模型、预测模型、优化模型、仿真模型等。此外,为支持知识模型计算的高效性,在知识模型层还将包含方法库,为处理分析所需的计算提供通用算法、分析、加工处理的能力,提高模型运行效率;在处理高度复杂的经济社会宏观决策问题时,还将涉及高性能计算的问题分解与整合等算法。知识库、模型库、方法库共同组合构成问题的处理分析方法体系,实现宏观决策中历史经验、现实状态、未来发展的协调统一。
2.2.3 集成评估层
在宏观决策问题中,问题解决方案往往具有影响范围大、作用时间长的特点,因此需要站在全局的角度,在宏观决策支持系统的支撑下,对问题演化发展趋势做出预判,并对问题解决方案潜在的各方面外部影响展开多维度评估,结合专家知识进行综合研判,做出权衡多方面因素的集成评估,得到较优解决方案。宏观决策支持系统的集成评估将实现模拟评估和专家评估的双向集成,具有显著的综合性、科学性特征。
模拟评估主要是基于智能化决策支持系统的机器模拟分析。针对不同宏观决策需求,决策者、专家可基于智能化宏观决策支持系统设置具有不同现实意义的决策情景,通过决策支持系统知识模型的计算支撑,展开情景趋势研判和影响分析相互作用的模拟评估。决策者基于知识模型层对事物历史域、现实域、未来域的统一建模,模拟分析在不同政策驱动下事物未来的演化趋势,包括新技术、新应用、新模式、新产业、新路径的前瞻和预见等。在趋势研判基础上,宏观决策支持系统将为决策者提供全方位综合的影响分析：从影响维度上,评估该种政策可能产生的经济、社会、环境、安全、科技影响等;从影响周期上,评估该种政策可能产生的短期、中期、长期影响;从影响效果上,评估该种政策可能产生的正面、负面效应。
专家评估是以模拟评估结果为基础,以专家个体或群体的知识和经验为核心的,定量与定性相结合的综合研判。宏观决策问题,特别是面向宏观决策的智库问题,存在较多难以结构化的子问题,这就需要充分发挥专家的专业研判与综合集成作用,使问题解决方案的全面性、深入性、可操作性得以保证。专家评估涉及技术专家评估和政策专家评估。通过对模拟结果中的极值、突变、周期性特征分析,技术专家对问题解决方案的技术实现提供可行性评估,政策专家将模拟评估得到的数值结果转化为政策语境下的影响释义,从战略布局、政策衔接等角度明确不同解决方案的落地可行性。
模拟评估与专家评估是集成迭代的过程。当两者评估结果存在较大鸿沟时,需开展决策支持模型的迭代和情景假设的迭代,优化问题解决方案,最终在专家或决策群体的研讨下筛选得到一个可行的解决方案。这也是智库研究双螺旋结构的“螺旋上升”研究模式[10]在宏观决策支持中的深刻反映。未来,随着人工智能、物联网、云计算的发展,基于决策过程的机器学习将是方案优化的重要途径,这也是人工智能和决策支持系统融合的重要内容[14]。
2.2.4 交互决策层
交互决策层是宏观决策支持系统的人机交互层。在整个宏观决策支持中,交互决策层有两方面职能：一是定制化服务。智能化宏观决策支持系统为用户提供服务定制的交互窗口,用户可根据自身需求定制化系统服务内容,同时系统也将根据用户交互决策过程数据,启发式优化系统服务供给。二是交互式服务。智能化宏观决策不应仅仅是一个问题分析结果的展示系统,而是一个可交互、可计算、可调整的柔性化支持体系,为此,交互决策层需为用户提供对系统资料、知识、模型等内容访问参数进行设置的接口,并以多种结构化或非结构化形式反馈决策的问题解决方案。
在数字时代,面对个体决策、群体决策、分布式决策,宏观决策支持系统的交互决策也可通过移动APP、决策剧场、基于Web的系统等多种形式实现。移动APP决策支持的优势是打破时间、空间限制实现实时决策支持;决策剧场的优势是实现决策相关方在同一个空间中进行协同决策,决策群体实现充分沟通和讨论,提供更多、更全面的决策方案;基于Web的决策支持的优点则是实现远程协作决策,提高决策效率。5G、云计算、AR/VR等技术的发展,为构建沉浸式、交互式、可视化的决策体验提供了可能,通过知识图谱、网络结构、统计图表等多种形式使决策结果更加直观,易于决策。如亚利桑那州立大学建设的决策剧场,在城市改造应用案例中,基于260度多面屏幕和3D视频内容,实现对城市不同发展情景下的城市空间格局、环境演化的全景展示,从而协助城市居民、政府部门、研究****在同一空间中进行群体决策。
2.3 智能化宏观决策支持应用场景
智能化宏观决策支持系统作为智库研究的产出,其目标是服务宏观决策。潘教峰等根据智库研究问题的交叉性、关联性、复杂性提出了大规模、中规模、小规模智库问题[15]。其中,小规模智库问题聚焦于单一学科或领域,相互关联性很少;中规模智库问题往往涉及有限学科或领域,具有一定的相互关联性;大规模智库问题往往是宏观的战略和政策问题,具有多学科和多领域交叉特征,相互关联性很强。同时,从智库研究问题实际支撑决策的类型角度看,智能化宏观决策支持应用可进一步分为战略决策支持、战术决策支持、运行决策支持。智库研究问题的多规模特征支撑宏观决策支持应用的不同场景,如图3所示。图3
新窗口打开|下载原图ZIP|生成PPT图3智能化宏观决策支持系统应用场景类型
Fig.3Types of application scenarios for intelligent macro decision support system
在宏观决策支持的三类决策场景中,战略决策处于决策支持最高层,一般为智库研究的大规模问题和中规模问题,应用于各层级、各组织解决全局的、长期的战略和规划决策场景中。战略决策一般需要依托问题涉及的多时间、多空间维度上信息集成,通过综合研判,给出长期的发展目标和发展路线图,是一个复杂巨系统问题。战术决策支持为战略目标服务,是实现战略的手段和环节,一般为智库研究的大规模问题和中规模问题,具有中期或短期影响的特征。战术决策支持具有两大类型的应用场景,一是为实现特定系统的宏观战略目标而采取的系统运行的优化方案决策支持,二是当系统受到外部冲击时,为降低冲击影响而展开的应对性决策支持。运行决策支持面向系统日常运行,基于各层次、各领域系统在一定时间频率上的运行状态采集,把控系统运行轨迹,当系统状态偏离预期目标时,适时做出调整决策。运行决策具有显著的短期时效性,一般为智库研究的中规模问题和小规模问题。
对某一个宏观决策主体而言,在智能化宏观决策支持中,战略决策支持、战术决策支持、运行决策支持三者存在相互作用、相互支撑的关系;三类决策支持可能融合于一个决策支持系统中。战略决策支持协助把控系统全局发展方向,以战略目标指导战术决策和运行决策。战术决策支持在战略决策的约束下,为实现战略目标提供系统资源优化布局方案。运行决策支持协助落实、执行战术决策的统筹布局。同时,运行决策支持系统自下而上地为战术决策支持系统、战略决策系统提供决策所需的系统信息,以支撑做出科学、客观的宏观决策。
3 智能化宏观决策支持系统开发实践：数字经济发展监测与决策支持平台构建
数字经济发展监测与决策支持平台是中科院战略咨询院正在建设的支撑我国数字经济研究和政策分析的智能化宏观决策支持系统,旨在为政府部门提供数字经济发展政策制定的宏观决策支撑;为各级各类数字化转型企业提供行业发展前沿洞察;为从事数字经济研究及教学的高等院校和科研单位提供科技前瞻。基于本文提出的智能化宏观决策支持系统架构体系,该平台系统也包括资料汇聚层、知识融合层、集成评估层和交互决策层。在资料汇聚层,平台将以分布式爬虫技术采集全球范围内主要国家、地区数字经济发展相关的结构化数据和非结构化数据,并将监测信息结构化存储,支持辅助决策。在该平台中,结构化的数据主要包括各个省份的历年的GDP、数字经济规模、政策文件数量,各个产业数字化程度,数字经济领域就业统计情况等等。非结构化数据,主要包括国家及地方政府的数字经济政策文件、新闻动态、国际知名机构的重要研究报告、重要学术文献、相关知名专家的公开讲座视频等,如美国白宫、美国布鲁金斯学会、欧盟委员会、欧洲议会、世界经济论坛、OECD、联合国等机构都是非结构化数据的主要来源。数据库处于实时动态更新,将实时获取领域信息,保持领域敏锐性。
在知识融合层,主要功能是以数据挖掘算法模型、机器学习以及自然语言处理技术等对基础数据进行处理加工,提取有价值的信息和知识,并以可视化技术进行展示。对非结构化数据,平台通过对文本数据的解析和关键词提取,开展科技前瞻和政策动态分析,包括：数字经济领域政策的发布数量及核心方向演变规律;热点研究知识图谱;热点研究在时间、空间上的演进流向;数字经济关键词耦合分析、词云分析等等。对结构化数据,平台基于基础数据,对全球或者国内各个省份的数字经济规模、就业情况,行业数字化转型程度等展开分析。同时,基于上述结构化和非结构化数据,平台提供专业计量分析模型库,开展数字经济发展深层次问题分析,如数字经济对经济贡献度、就业拉动效果以及数字经济财税政策对区域经济的影响分析等,并可构建具有针对性的数字经济发展评价指标体系,这些分析结果将为决策咨询提供依据。
在集成评估层,平台将为数字经济宏观决策提供多种问题类型的决策支持,包括：（1）全球数字经济发展态势感知,主要依托平台对全球数字经济动态数据的抓取、分析,根据决策者需求形成常规化、柔性化的动态监测体系;（2）数字经济发展评估,主要基于知识融合层所形成的分析模型、评价指标体系,对数字经济发展水平、趋势、贡献展开定量分析,为数字经济发展布局提供决策支撑;（3）数字经济发展战略决策支持,综合数字经济发展态势感知和数字经济发展水平评估,结合领域专家支持,为数字经济发展战略布局提供重点领域布局、发展路线图等战略决策支撑。
在交互决策层,目前该平台采用基于BS架构的Web服务设计,通过账户登陆模式,用户可根据差异化需求定制平台核心功能,从信息检索、报表生成到决策模拟,全方位满足用户多元化、个性化、远程化决策需求。首先,系统可实现定制化信息查询和检索。系统将根据用户指定的数字经济领域相关主题词,以及用户对信息类型和信息范围的界定,如信息类型包括新闻、研究报告、学术文章、政策文件等等,信息范围包括发布机构、时间范围等,平台根据用户个性化需求,反馈相关文档内容并给出相关文档的统计信息、知识图谱以及热点的时空演进规律等。其次,在信息检索基础上,系统将根据用户选取的关键字段,设计个性化报表,并支持相关统计分析。最后,系统可实现数字经济相关政策模拟分析。基于系统模型库中内嵌的计量经济学、计算经济学模型,决策者可根据决策需求调整数字经济发展相关的科技、财税政策等参数,展开个性化定性或定量评估和分析,最终系统将相关政策产生的经济影响、社会影响、环境影响通过图表形式反馈给用户,以提供量化分析的决策参考。
4 总结
以新一代信息技术支撑智能化宏观决策,是技术、经济、社会发展对决策支持系统建设提出的新需求、新任务,也是提高我国宏观决策精确性、科学性,实现治理能力现代化的重要抓手。目前智能化宏观决策支持系统的建设仍处于起步阶段,仍然面临数据难以打通、专业人才匮乏、智能化程度低、应用场景少等问题,需要政府、科研机构、技术企业协同推动新一代信息技术支撑下的宏观决策支持系统的开发与应用,使智能化宏观决策支持系统真正成为国家治理体系的重要组成部分。利益冲突声明
所有作者声明不存在利益冲突关系。参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[本文引用: 1]
[J].
[本文引用: 1]
[J].
[本文引用: 1]
[M].
[本文引用: 1]
[本文引用: 1]
[J].
[本文引用: 1]
[J].
[本文引用: 1]
[J].
[本文引用: 1]
[本文引用: 1]
[J].
[本文引用: 3]
[J].
[本文引用: 1]
[C].
[本文引用: 1]
[本文引用: 1]
[本文引用: 1]
[J].
[本文引用: 1]
