基于数据挖掘的政府决策支持系统优化策略研究/张恩韶 杨 敏

　　在数据分析技术方面，传统组织架构的数据库仅能够存储高度结构化的数据，普遍采用电子表格、数据报表等形式对数据之间存在的关联性进行简单的描述统计，而对于半结构化以及非结构化的数据则无法进行有效利用，造成了数据资源的极大浪费。有学者从信息工程管理角度指出，“基于数据库的决策支持系统只能对原始数据进行一般的加工和汇总，不能有效地利用各种异构数据，没有可靠的基于时间的较完整的数据存储，从而大大降低了决策的可靠性”［3］。随着“数据存储日渐海量化，大量有价值的信息隐藏在海量存储环境里，而基于数据库的决策分析无法有效地提取这些信息”［3］。

　　在数据分析结果方面，传统的数据应用暴露出信息孤岛问题。除部分地方政府确实面临财政困难、信息设施基础差等问题外，有条件的政府部门大多建有相对独立的数据存储系统，但长期缺乏宏观的政策指导和统一的技术要求，数据工程项目各自分散建设，导致数据接口规格不一致，系统平台兼容性差，难以相互便利地进行数据写入和提取，无法实现信息的实时和深度共享，采集的数据内容重复冗余，增加了数据结果分析的难度及错误发生的概率。依据不准确的数据分析结果，各级政府制定出的公共决策很难达到预期的效果。

　　面对数据丰富而又信息匮乏的政府决策困境，各领域的专家学者就路径替代进行了相关的研究和探索。其中，公共管理学界强调决策理念的更新及决策流程的再造。例如，英国学者维克托?迈尔?舍恩伯格等前瞻性地宣告了全球化大数据时代的来临，认为大数据引发的信息风暴将改变人们的生活、工作和思维，并进一步催生思维、商业和管理等领域的深刻变革［4］。与之相比，国内熟知的学者涂子沛则兼有国际视野与中国情怀，认为在数据意义凸显的时代，中国应抓住历史机遇，增强收集数据的意识，“彻底摘掉‘差不多先生’的文化标签”［5］。而信息技术领域侧重数据挖掘技术的创新，认为决策应基于信息丰富的数据，而不是基于决策者的个人经验，但指数级增长的海量数据，已经超越人们的理解能力，只有借助数据挖掘工具，才能发现隐藏在数据中的各种信息。上述理论成果为我国加快数据挖掘技术研发、优化政府决策提供了颇为有益的启发和思路。

　　二、数据挖掘在政府决策支持系统中的结构与功能分析

　　从理论上讲，政府决策支持系统借助数据挖掘等智能化手段，通过数据采集、聚合、分析及查询，能够自动从大量分散的数据中提炼出政府决策所需的信息，辅助政府做出理性决策。

　　（一）基于数据挖掘的政府决策支持系统的结构设计

　　单从数据本身考虑，完整的数据挖掘通常包括信息收集、数据集成、数据规约、数据清理、数据变换、数据挖掘实施过程、模式评估和知识表示八个步骤。基于数据挖掘的政府决策支持系统在结构上可以归为三个部分。

　　其一，数据预