拓尔思何学恒:政府要运用互联网思维重视生活化大数据应用

 

　　会上，拓尔思广州公司高级顾问何学恒主要从拓尔思对“互联网+”的基本认识和理解；利用“互联网+”创新政府行政监管服务以及如何运用互联网思维和工具来优化政府公共服务的供应三个角度介绍了拓尔思如何用大数据和云计算构建“互联网+”时代政府公共服务平台。

 

　　何学恒指出，拓尔思认为“互联网+”最核心的基础是互联网的链接和感知，包括人和人之间的链接、人与设备之间的链接、设备和设备之间的链接，这些是“互联网+”的基础，也是互联网处理效率问题的核心。在这个广泛的链接和感知基础之上，期望通过组织层和流程层来对生产模式进行变革，包括我们对政府服务的模式进行变革，引进全新的服务形态或者是产品，引进全新的渠道或者载体，来面向顾客供应我们的产品，最终革新传统行业的业态和政府服务的业态，也包括政府的形态改变，实现了再进化和数据化。

 

　　基于这个认识，出现了互联网+不断发展的动力，各种方式的互联网链接成为大数据基础资源，成为生产要素，这是我们互联网+时代出现的很重要的因素。随着互联网技术和各类工具方法，比如说微信，极大便捷了我们人与人之间的沟通，创新人与人之间的协作方式，例如众包、众筹等等，更多的服务体系向我们展现，这也是“互联网+”不断发展的动力之源。

 

　　今年2月15日，总理在考察智慧宁夏综合体验中心的时候提出要运用“互联网+政务”，让政府服务变得更聪明。3月5日，李克强总理又在《政府工作报告》中进一步阐述，要大力推行“互联网+政务服务”，实现部门间数据共享，让居民和企业少跑腿、好办事、不添堵。何学恒从这两则新闻详细分析对“互联网+政务”的理解，一是通过互联网技术来优化政府服务，提升社会治理能力，二是通过“互联网+”来提供优质的服务产品，降低供需双向的成本，要让办事的人少跑腿，让政务服务产品化、标准化。

 

　　基于以上两点认识，他继续通过实际的案例介绍了拓尔思作为一家大数据公司如何通过互联网的技术来创新政府行政监管。何学恒首先介绍一个名词——冒烟指数，它是指实际上从违法特征的命中率、金融产品的收益盈利率等等这些要素来对金融企业金融产品来评估相应的运营指数。以2015年全国非法集资遍地开花的情况可以看出，“互联网+”时代打非面临更多的难题，一是单靠人防已无法应对当前严峻形势，技术防范能力不足，包括日常监测、信息共享、证据收集留存等方面；二是立案前的调查、取证、分析、研判、定性等环节职责不清。行政与司法衔接不够通常，很多日常监管工作不到位；三是打击非法集资的时机难以把握；四是安检的管辖权难以确定，处置原则难以统一；五是由于没有日常登记托管制度，数据缺乏，非法集资案件一旦爆发，无法有效“控人员、空资金、控资产、空试探”，特别是损失追偿工作难度大。

 

　　基于这样的背景下，拓尔思研发了金融风险大数据分析平台。何学恒介绍称整个平台分三个部分：第一部分包括数据平台，数据主要由两个模块构成，一个是政府机构包括工商、法院、检察院这些传统政府小数据，一个是在社会化信息平台上的如微信数据、媒体数据、论坛数据等社会化大数据；第二部分是在采集数据基础上对数据进行处理挖掘，主要是数据的技术处理工作；第三部分是对金融违规的建模和优化模型，并应用到金融监管领域来实现对金融犯罪的主动发现、对金融风险的预警和排查；最终运用大数据可视化的技术展现。

 

　　2013年这个平台正式运行，现在平台里面已经采集了3万亿的数据，第二块业务数据聚合了政府各个职能部门的小数据，包括建行的动态数据、工商共享的数据，在这些数据基础之上通过我们的模型发现了2800多家企业的风险预测，包括生产类的、品牌类的等等企业参与冒烟指数的评估，然后通过相应的机构来进行处理。

 

　　这个平台最为核心的就是刚刚讲到的冒烟指数，冒烟指数的模型包括了五个方面，第一个是合规性指数，包括了企业注册基本信息、平台背景、运营情况、信息真实性、抗风险能力、借款人信息披露；第二个是收益率偏离指数的判断，包括收益率情况、保障模式、资金托管、平台特征，金融犯罪都是通过一些高回报的产品来吸引群众集资；第三个是投诉举报指数，包括投诉举报信息、媒体评论、重大负面舆情事件；还有就是传播力指数，通过一些社会化的数据来分析；最后是特征词命中指数，包括资金募集额度现金流、债权转让、资金募集对象、相关资质。这些都是模型构成的一部分，然后利用这个冒烟指数来评分，超过一定的分数要通过相关的机构来关注这样的企业。

 

　　在何学恒看来，很多时候政府要做大数据，大数据的应用结果其实很简单。比如金融监管领域的大数据是通过政府购买服务的方式来进行项目的运作，对于政府来讲很多时候是没有采集到相应的数据。他以“e租宝”为案例，并介绍到2015年5月份的时候“e租宝”的冒烟指数已经达到71分，但那时政府还没有对“e租宝”进行监管，这就是要求政府重视手上的这些小数据。其实通过工商的数据，不难发现“e租宝”在很多地方注册的公司实际上是空着的公司。所以，对于金融风险的预测实际上不需要很多高大上的大数据分析方法，只要把一些小的数据串联起来就可以发现很多问题，这就是要重视所有的小数据资源，要打破我们数据之间的隔阂。

 

　　同时，在2015年6月份时，互联网上已经出现了群众对于“e租宝”的投诉和怀疑，但是政府在传统监管里面没有重视这一块的数据，包括政府网站的一些调查调研也是没有办法把这类数据去捕获到。所以何学恒指出，政府要用互联网思维重视生活化的大数据应用，在这些海量的数据里面的投诉信息实质上是大有所用的。此外，整个“e租宝”的事件真正的爆发是在12月，然后公安才去应对这个事件，“e租宝”这个事件周期是非常长的，因此，何学恒还认为对数据的采集应用应该是长期化、持续化、动态的，要把数据流动起来，要把监管持续起来，让流动的数据产生价值。

 

　　关于如何让数据去找人。何学恒指出，现在很多政府去建设大厅，但数据是静态的、单向的以政府为主体的供应或者发布，无论是浙江省网上办事大厅还是广东省的服务大厅，比如申报驾照的办事指南是已经经过学习的还是没有经过驾驶学习的，我去查这个办事事项或者搜索查章违法出来的结果是一样的，什么样的人在什么样的时间来查询信息获取什么样的服务是没办法识别的，所以还没有真正实现“政府为我”。政府还是单向的发布信息，用户在办事的时候政府没有感知到他有什么样的数据，没办法去根据人的特性来进行匹配，如何能够让服务来找人，去识别用户的特征，这个智能感知模型是实现这一点的关键。

 

　　他介绍说，拓尔思的模型首先是要获取用户画像，包括个人画像、企业画像、社团画像、志愿者画像等等；第二块是业务画像，包括事项画像、政策画像、应用画像，这个就是指把传统的平铺式的办事指南结构化、立体化，还可以实现政策的一些精准化的信息推送；第三块是算法引擎，指计算用户之间的相似度、业务之间的关联度、用户对事项的评分、用户分群、热门排行等等；第四块是场景引擎，在前三个的基础上来判断是什么样的用户和特征，来匹配出一个精准的场景来并判断他的需求；其次还有推荐引擎和展示引擎来实现精准推送和匹配展示。这六个结构的智能感知模型中最重要、最核心的是用户画像，这个在电子商务方面的应用非常成功，可实现用户属性、访问行为多维度的精准的信息推送，用户信息自动查询搜索和在线办事。

 

　　最后，何学恒强调到，大数据在用户信息的整合上来说实际上是一个很好的应用，特别是政府掌握了大量的用户信息，政府在提供服务的时候是可以知道用户特征信息的，是可以判断这个人的需求的，政府现在是有很多数据但没有把这些数据用好，通过用户画像和智能感知是可以实现从“人找事”到“事找人”转变的。