第二章国家的大数据发展战略及未来
互联网时代，数据即意味着生产力。2015年8月19日，国务院常务会议通过《关于促进大数据发展的行动纲要》1，这不仅表明中国大数据发展将迎来黄金时代，同时还会对政府、经济与社会运行产生革命性影响。近来，大数据逐渐受到各个国家的重视，像美国、英国、法国等国还将其提升到国家战略的高度。这是因为，大数据技术带来的颠覆远远超过其作为技术所带来的变革，它不仅是可以广泛应用于一个国家各个层面和行业的数据解决方案，更重要的是伴随而来的一套全新的数据思维模式。这套数据思维模式同样对国家治理产生了重要影响，并进而成为国家治理理念进一步创新的催化剂。从这个意义上说，实行大数据战略，成为国家从传统官僚体制驱动的国家治理转向技术创新驱动的国家治理的新路径。
一、 什么是大数据
（一） 大数据的定义
1988年，《科学》杂志刊登一篇题为“A Handler for Big Data”的文章，文中首次使用了“大数据”（big data）一词。2008年，《自然》杂志推出一期关于“大数据”的专刊。22012年3月29日，奥巴马发表“大数据研究和发展倡议”。3《华尔街日报》将大数据时代、智能化生产和无线网络革命称为引领未来繁荣的三大技术革命。4这些事件使得大数据概念被广泛传播，并产生了全球性的影响，同时也成为未来国家创新和竞争的前沿。在当前具有高度不确定性和快速变化特征的数字化生存环境中，对大数据的高效利用已成为各国获取控制信息权的关键。5
那么，什么是大数据？从现代意义上来说，大数据可以说是计算机与互联网相结合的产物，前者实现了数据的数字化，后者实现了数据的网络化，两者结合赋予大数据新的含义。6然而，迄今为止关于大数据的定义呈现多样化的趋势。7麦肯锡认为大数据就是无法在一定时间内用传统的数据库软件对数据内容进行获取、管理与分析的数据集合。8程学旗认为：“大数据是融合物理世界、信息空间和人类社会三元世界的纽带，因为物理世界通过互联网、物联网等技术有了在信息空间的大数据反应，而人类社会则借助人机界面、脑机界面、移动互联等手段在信息空间产生自己的大数据映像。”9也有人将大数据定义为：“超过了典型数据库软件工具捕图片来源：James Manyika etc., “Big Data: The Next Frontier for Innovation, Competition, and Productivity，” McKinsey Global Institute, 2011。各种数据之间的关系，可以看见开放数据，尤其是政府的开放数据是包含在大数据的框架之中的。获、存储、管理和分析数据能力的数据集。”美国国家标准与技术研究院认为，大数据是指数据的容量、数据的捕获速度或者数据的表示限制了使用传统关系方法对数据的分析处理能力，需要使用水平扩展的机制以提高处理效率。
对此，学术界也尚未形成共识，众说纷纭。不过总体来说有一个共识是，大数据从本质上是依赖数字化手段获取可自动记录、存储的结构化、半结构化和无结构化数据。这是区别于以往有限的、不可扩充的结构化数据而言的，这其中不仅仅是强调数据的海量性特征，还注重数据的复杂性质、快速专业化分析处理以及数据的网络化等特性。关于大数据的特征主要概括为以下三点。
第一，数据容量大、类型多样化。大数据概念本身就意味着数据类型与数据容量井喷式的增加，与此同时数据记录与数据存储能力也呈几何式增长。互联网广泛应用的过程中使得在短时间内获取大量数据变得更加便利，而且获取数据样本逐渐逼近原始的总体数据样本。正如维克托·迈尔舍恩伯格所言：“大数据不是随机样本，而是全体数据；不是精确性，而是混杂性；不是因果关系，而是相关关系。”10大数据即意味着一定条件下的全体数据，可以不断扩充数据的容量，任何数据一旦形成就可以被记录、存储，这在很大程度上避免了传统数据搜集过程中的数据类型简单、数据量有限和数据维度底等一系列弊端。
第二，数据挖掘实时性、存取速度快。这是大数据区别于传统海量数据的重要特性之一。由于传播技术的发展和普及使得数据呈现爆炸式的增长，这就要求数据存储与数据处理的速度也要相应地提升，才能满足快速增长的数据量并使其发挥巨大的价值。大数据的产生有着明显的流动性与时效性特征，它大多以数据流的形式存在，多数情况下必须在极短的时间内响应并形成结果，否则数据效用就会过时，价值也会大打折扣。除此之外，大数据的数据流量在每个时段的分布也并非均衡、平稳的，有可能会在某个时段激增和涌现。综合而言，以上的特性都要求大数据必须快速、实时储存数据，实时处理数据。
第三，大数据具有容错性，应用价值高。数据就是价值，然而由于数据的超大量、分散性等因素导致大数据的价值密度低。但是，大数据保存了全体数据，呈现数据原貌与全部的信息细节。从这个意义上而言，大数据的容错性指的是在巨大数据样本中如果出现一小部分非真实或是错误的数据不会对整个数据分析产生较大的分析偏差。另一方面，数据量越大，其隐含的信息量也就越大，对其挖掘可能得到的有效价值也就越高。
可以发现，大数据除了以上容量大、类型多样、处理迅速和应用价值高等特性外，还具有动态性11、相互交错性等复杂的特性。而这些特性是以往的数据技术所不具备的。由数据量大幅增加所带来的数据处理方法的革新，其未来前景是无限的。这就好比以往受到地理交通的制约，人们只能坐内燃机车去各个城市，而大数据就像高速铁路一样，可以大大加快和拉近城市之间的距离，提供无比的便捷。大数据技术并不是各行各业的核心，但是，它能够大幅度推动这些行业的革新，这就如同催化剂一般。人类如能有效地挖掘和使用大数据，那将对社会发展产生巨大的推动作用。（二） 国家发展大数据的三大要素
一个国家的大数据建设离不开三个方面的支持，分别是基础建设、数据共享和数据安全，这是一个国家发展大数据的三个基本要素。其中，基础设施是大数据的硬件基础，数据共享是大数据的核心理念，数据安全是大数据的生命保障。
首先，国家大数据建设离不开各种相关基础设施的完善。基础设施这一项主要包括与大数据相关的通信、存储设施、运算设施这三种设施的建设以及自然环境的保护，这是大数据建设最为基本的条件。在此之中，自然环境保护要放在首要位置——尽管这一点被很多人所忽视。大数据产业离不开适宜的气候条件作为支持。例如，承载大数据计算、存储任务的数据中心对当地的气候条件、温度环境、地质环境以及能源供给都提出了较高要求。对于这种数据中心而言，其建设条件几近苛刻：一是数据中心必须常年通过空调保持较低的室内温度，以此抵消数据中心机器产生的大量热量，因此，从节能的角度来看，年平均气温较低的地区可以为数据中心提供更好的散热条件；二是数据中心的电子集成度极高，空气中的各种颗粒物会给电子元器件造成损害，这就又对当地的空气质量提出了较高要求；三是从数据安全的角度来说，为了保护数据中心不受到外部力量的损害，从而需要把地质环境的因素也考虑在内；四是数据中心工作时的耗电量极大，稳定的能源供给可以为数据中心的日常运转提供支持。故而，大力发展大数据离不开对于该国自然生态的重视与保护。
其次，国家大数据建设离不开政府主导的数据共享。这不仅是大数据的核心理念，也是国家信息化程度的重要体现。数据共享的程度反映了一个地区、一个国家的信息发展水平，数据共享程度越高，信息发展水平越高。对于国家治理而言，在数据共享领域，我们尤其要关注政府的数据共享。从内部管理的角度看，政府需要降低行政成本、提高决策的科学化水平。在信息化时代，政府机构、职能有效的发挥需要依赖高效、实时的信息系统，尤其是大数据的支持。在信息化时代，政府掌握着大量关键的数据，是数据时代的财富拥有者，但以往由于信息技术、体制机制等限制，各级政府及各部门之间的信息网络往往自成体系，相互割裂，相互之间的数据难以实现互通和共享，从而导致政府掌握的数据大多处于割裂和休眠状态。而正是由于政府各部门信息系统分割，许多数据往往需要重复采集，数据采集成本较高。随着大数据和云计算技术的发展，建设统一的政府大数据共享平台成为可能。通过统一的信息平台，实现数据的标准、格式的统一和共享，同时，利用大数据技术，数据获取、处理及分析响应时间大幅减少，工作效率明显提高，这些都能有利于压缩政府开支，降低行政成本。另外，对于数据的统一和共享所产生的大数据，通过数据挖掘等技术，能够增强政府的社会管理水平。大数据在政府和公共服务领域的应用，可有效推动政务工作开展，提高政府部门决策的科学化水平、服务效率和社会管理水平。
最后，国家发展大数据需要将数据安全作为发展的生命线加以保障。数据共享可能会涉及安全隐患，尤其是数据的隐私。因此如何保障数据安全是发展大数据一个不容回避的问题。在大数据出现以前对于数据安全的保障就是一项艰巨的任务，数据科学家花费无数心思就是为了能够保障自身的数据不被窃取。而在大数据时代，数据安全将会被进一步放大。由于大数据所处理的对象本身价值潜力巨大，无论是对于个人还是企业或是政府部门来说，关键数据往往是每个大数据对象至关重要的基础。因此，传统数据所面临的种种不安全因素，如硬件损坏、人为操作失误、黑客侵入、计算机病毒、自然灾害、电源故障等在大数据时代会被放大，造成极大的经济损失或其他损失。前面提到的大数据基础设施——数据中心的选址问题，很大一部分就是出于数据安全的考虑。对于政府来说，在治理过程中数据安全不仅关系到政府自身，还关系到每一个公民的个人隐私，以及在国防、教育、经济等领域一系列政策是否能够得到顺利推行。因此，政府比一般企业所面临的情况更为严峻。政府要做的就是不断强化大数据信息安全保障，大力推进安全、可控的大数据关键装备产业化和部署升级，强化大数据存储、灾备、应急管理服务能力和机制，在此基础上强化企业和社会对数据安全与知识产权保护的意识和责任。
二、 主要国家的大数据发展战略比较
所有的大数据都离不开数据共享、数据安全和基础建设这三个要素。而世界上许多发达国家及重要的发展中国家的大数据国家战略都围绕着这三个方面展开。本节选取世界上在大数据建设方面具有突出成绩的10个国家，分别是美国、英国、法国、德国、澳大利亚、印度、新加坡、日本、韩国、中国。这10个国家都具有相应的大数据发展潜力，并且有着各具特色的国家大数据建设思维。通过这10个国家在大数据建设方面的动作可以看出各自的特点。
大数据如何创造价值？
大数据在经历了元数据（Metadata）的描述阶段以后，就要开始通过自身创造价值。比如，全中国现在最掌握民众消费习惯的，早已经从前信息时代的各种工商局、统计局转为了淘宝、京东等线上购物机构，因为所有的消费者行为都发生在这个平台上，而这个平台也观察和记录所有的消费特征。
对于国家来说也是如此，不仅大数据本身的预测功能可以提供比以往更为精确的前景预测，如在外交、国际关系等领域现在已经有应用大数据做国家行为预测的方法出现。更为重要的是，大数据对于国家的价值在于可以快速筛选出国家所需要的各种潜在资源，并通过相关算法避免无用资源的大量浪费，做到更为精准的治理投入。
表2.1各国大数据建设状况一览
项目国家大数据建设国家大数据战略基础建设数据共享数据安全大数据
国家战略关键节点美国N/A建立Data.gov网站并实施开源计划N/A有发布《大数据研究和发展倡议》英国N/A建立Data.gov.uk网站，支持建立开放式数据研究所N/A有注资1.89亿英镑发展大数据相关产业法国智慧城
市建设N/AN/A有发布《数字化路线图》（续表）
项目国家大数据建设国家大数据战略基础建设数据共享数据安全大数据
国家战略关键节点德国德国电信宽
带建设计划气象与气候变化数据开放计划颁布《联邦
数据保护法》无N/A澳大利亚N/A地理空间数据开放计划N/A有建立澳大利亚公共服务大数据战略印度IT基础
设施建设建立Data.gov.in
网站N/A无N/A新加坡N/A建立Data.gov.sg
网站打造全球性数据
管理中心，颁布
《个人资料保护法》有发布《智慧国家2015年纲要》（IN2015）日本N/A跨政府部门的信息检索平台N/A有发布《面向2020年的ICT综合战略》韩国“智慧首尔
2015”建设“首尔开放数据广场”N/A无N/A中国大数据近几年的迅速发展使得国家出台了相关政策扶持大数据产业。2015年1月31日，国务院印发《关于促进云计算创新发展培育信息产业新业态的意见》，其中对于大数据的规划如下：充分发挥云计算对数据资源的集聚作用，实现数据资源的融合共享，推动大数据挖掘、分析、应用和服务。开展公共数据开放利用改革试点，出台政府机构数据开放管理规定，在保障信息安全和个人隐私的前提下，积极探索地理、人口、知识产权及其他有关管理机构数据资源向社会开放，推动政府部门间数据共享，提升社会管理和公共服务能力。重点在公共安全、疾病防治、灾害预防、就业和社会保障、交通物流、教育科研、电子商务等领域，开展基于云计算的大数据应用示范，支持政府机构和企业创新大数据服务模式。充分发挥云计算、大数据在智慧城市建设中的服务支撑作用，加强推广应用，挖掘市场潜力，服务城市经济社会发展。
而为了更好地说明每个国家大数据建设的情况，特别引入这10个国家的4项相关指标作说明，分别是：每百人中的互联网用户数量；每百万人中的安全互联网服务器数量；通信、计算机等占服务出口额的百分比（BoP）；以及通信、计算机等占服务进口额的百分比（BoP）。互联网用户是指每个国家接入国际互联网的人数；安全互联网服务器是指在互联网交易过程中使用加密技术的服务器；而通信、计算机等占服务出口额/进口额的百分比（BoP）则是通信、计算机、信息和其他服务（包括国际电信、计算机数据、杂项、专业和技术服务）生产、转移和消费可能同时进行的无形商品的经济输出或输入。
选取这4个方面数据的原因在于：第一，这些数据虽然不能涵盖所有方面，但是都与一个国家大数据产业有着较高的关系；第二，这四类数据都可以反映一个国家大数据建设三个方面的某一个维度；如“每百万人中的安全互联网服务器数量”这一数据既可以反映国家信息化基础的建设程度，也能够反映重要数据的安全程度；第三，这些数据都采集于世界银行网站（www.worldbank.org）与国际电信联盟（www.itu.int/zh/pages/default），具有较高可信度，这也是我们选择这些数据的一个重要原因。
图2.1、图2.2和图2.3是2015年10个国家在4个指标上的比较。图2.1互联网用户（每百人）从图2.1每百人互联网用户数量可以看出，中国和印度与其他8个国家存在较为明显的差距。英国、日本、美国名列前三，与新加坡、法国、韩国、澳大利亚、德国等国的每百人互联网用户数量都达到了80人以上，这可以被看作这个国家的互联网用户数量占总人口数量的80％以上。而中国相对的只有不到50％，印度更低，连20％都不到。这说明中印两国在发展大数据上仍然相对受到互联网普及率不高的掣肘。图2.2安全互联网服务器（每百万人）从图2.2每百万人拥有的安全互联网服务器数量可以看出，中印两国仍然处于绝对的劣势，每百万人分别只拥有7台和6台安全服务器，比起其他8个国家动辄几百上千台服务器的数量可谓天壤之别。虽然中国和印度庞大的人口基数对于“每百人中的互联网用户数量”与“每百万人中的安全互联网服务器数量”这两项指标有较大的稀释作用，但是我们依旧需要看到世界上最大的两个发展中国家的信息化水平距离其他信息化程度较高的发达国家等依旧具有较大差距。
而从图2.3通信、计算机等占服务进出口额的百分比则可以看出更有意思的一点，中印两国在该项目上出口额和进口额所占百分比的差距极大，出口额往往是进口额的两倍以上。而对于其他国家来说两者的差距则相对较小，而且除了德国和美国出口额稍稍领先进口额以外，其他六国在通信和计算机服务的份额上都是进口额领先出口额。换言之，中国、印度、美国、德国在此项上处于贸易顺差。图2.3通信、计算机等占服务进出口额的百分比出现这种情况的原因在于，四个国家都有较为发达的相关产业。如德国是欧盟最发达的信息技术产业国，印度的软件产业是该国的支柱产业，中国的互联网服务业在全世界处于领先地位，而美国拥有最为顶级的科技公司和硅谷为全世界提供发达的通信、计算机服务。
三、 中国大数据战略的着力点及前景
中国大数据的发展除了互联网用户相对较少，以及互联网服务器安全得不到保障以外，中国的地理位置差异以及城乡差距所造成的不均衡发展也是中国大数据建设亟待解决的问题之一。因为国内的数据信息主要来自互联网覆盖率较高的较为发达地区，而对于偏远地区尤其是农村来说，信息就要闭塞得多。这导致的一个后果是不同地区在信息利用上得不到平衡。从这一点上说，中国和印度面临的问题是相同的。中国的当务之急是应该不断加强与大数据产业有关的基础设施建设。
首先，中国最需要解决的是对大数据人才的培养问题，一个国家大数据行业如若需要稳定健康的发展，至少需要大数据系统研发工程师、大数据应用开发工程师、大数据分析师、数据可视化工程师、数据安全研发人才、数据科学研究人才等。数据科学研究是一个全新的工作，这些数据人才能够将单位、企业的数据和技术转化为有用的商业价值。通过研究，他们能将数据分析结果解释给信息技术部门和业务部门管理者。可以说，这些数据科学专家是联通海量数据和管理者之间的桥梁，他们具备有数据专业、分析师能力和管理者的知识。数据专业人才在这些非传统科技企业的关键作用是，通过应用数据分析发现商业机遇。这项任务也是有挑战性的，因为他们需要兼具行业知识和数据分析能力。以新加坡为例，新加坡企业所需的数据专业人才，不仅要会正确使用数据分析工具，而且必须能够解答商业疑惑，最终得出具有实用性的商业建议，这是一家企业在行业竞争中取胜的核心竞争力之一。
其次，在基础设施和人才培养得到保证的情况下，中国应该加大大数据技术的研发投入。大数据时代有如下的三大关键资源：大数据资源、统计算法工具、大数据思维模式。对于大多数人或组织而言，他们无法拥有大数据资源，也未必能精通统计算法工具，但都可以拥有大数据思维模式，能依靠大数据思维模式提升工作的效率和质量。不过，大数据思维的基础必须是在对大数据研发投入足够多的基础上才能够发挥效力。大数据的投入就像任何一项科研投入一样，需要雄厚的资金作为保障。
最后，中国的大数据建设需要不断进行应用创新，尤其是针对大数据预测能力和与其他前沿技术结合的预测创新。在大数据应用最为广泛的金融领域，包括股票市场的预测问题，一直吸引着学术界和商业界极大的兴趣。近年来，许多研究也表明，金融市场并不是一个完全的随机过程，在一定程度上，也许金融市场存在着一定的可预测性，而这种预测就是通过大数据得以体现的。比如，我们确实无法预料市场中新信息的出现，但却可以从社交网络媒体（Twitter， Facebook以及其他博客等）中捕捉到一些征兆。我们利用这些征兆，可以在一定程度上预测经济和社会中未来情绪和信息的变化。实际上，已有这样的工作在经济和社会中发挥了作用，比如，利用在线网络聊天数据预测图书销售，利用PLSA模型从博客中抓取情绪化信息来预测电影票房，利用谷歌的搜索查询来预测流感的早期传播和传播速率等。故而，利用海量数据可以理解人们的动机倾向，对于政府而言，可以更好地突出每一个地方不同的公民需求，从而可以针对性地采取精准化的治理。
四、 大数据发展的影响
大数据的影响可以分为两个方面：效果性影响和范式性影响。效果性影响是短期的、直接的、易见的和渐进性的。大数据的效果性影响最直接体现在信息技术领域，如可提高信息技术的使用效率和灵活性，并可降低信息技术的成本。同时，大数据的效果性影响实际上还表现在政治经济社会发展的各个方面：在政治领域，大数据可以改善公民政治参与的质量并提高政府的工作效能；在经济领域，大数据可以提高经济生产率，同时也能提高产业的灵活性；在教育领域，大数据可以极大地便利远程学习和电子学习；在社会领域，大数据可以增强社会的自组织性，并可以大幅提高社会保障的质量。
范式性影响则是长期的、间接的、深刻的和革命性的。大数据对于整个政治经济结构的长期影响体现在各个领域的范式革命上。第一，在政治领域，选举动员的方式会发生革命性的变化，如电子动员方式在逐步取代传统的政党组织动员模式（这一趋势非常明显地出现在美国2012年的总统选举中）。大数据的发展也使得协商民主更加可行。协商民主之前被批评的一个重要方面就是成本较高。12因为在传统的资源和技术条件下，大规模收集和整理民意是高耗费的，然而大数据中云计算的发展则会帮助突破这一成本瓶颈。云计算的发展也使得直接民主更易成为现实。随着云计算技术收集和处理信息的成本在降低，直接民主越来越具有可操作性。云计算的发展还使得云政府模式和云公共管理模式成为可能。这一点将在之后的章节重点分析。
第二，在经济领域，大数据会成为一个新兴的重要产业，并对其他产业形成新支撑。大数据产业会形成一种“大—小结合”企业合作模式，即大型云计算企业如亚马逊等提供基础设施服务，而小型企业甚至个人可以在这些平台上进行技术创新和服务创新。大数据的发展还同电子商务的发展结合起来，即计算服务作为一种商品会成为未来电子商务的重要内容之一。
第三，在教育领域，大数据的革命性影响则使得自学习成为未来学习的一个重要方式。通过搜索引擎和社交网络，学习者可以完全以自己的兴趣为中心展开学习。由于网络信息获取的便捷，所以传统的教学方式会面临越来越多的挑战。譬如，在教师的课堂教学过程中，学生会用网络搜索来确认教师的知识教授，这会对教师形成非常大的教学压力。
第四，在社会领域，大数据的发展会带来新的公民赋权革命。因为大数据所推动的政治透明化会给政府的权力使用形成重要的监督，而公民则会在社交网络工具的帮助下组织为各种影响社会和公共政策的力量，因此公民和政府之间的权力对比会越来越出现相对均衡的情况。云社区服务也成为公共服务的新内容之一。在大数据中云计算技术的支撑下，社区服务与较高层次的政府可以直接形成合作。这些变化会使得社会发展从传统的福利驱动转向创新驱动。
总之，一些研究显示，过去3年的信息数据总量超过以往400年。人类社会发展的核心驱动力已由“动力驱动”转变为“数据驱动”，而经济活动的重点已从材料的使用转移到大数据的使用13，人类已进入一个数据爆炸性增长的大数据时代。伴随着移动宽带和物联网的迅猛发展及越来越多的移动终端、传感设备接入网络，现代社会正在以超乎想象的速度产生海量数据。正如牛津大学教授维克托·迈尔舍恩伯格和《经济学人》数据编辑肯尼思·库克耶（Kenneth Cukier）所指出的，大数据时代的数据处理追求的不是随机样本，而是全体数据。14大数据时代的基本逻辑是对所有的信息进行量化。 案例：苹果公司将在贵州设立亚太数据中心
近年来贵州在大数据产业发展、交通基础设施建设和教育事业发展等方面取得令人瞩目的成就，特别是注重数据安全和发展、注重挖掘数据价值的理念与美国苹果公司不谋而合。因此，在2015年，苹果公司副总裁丽莎·杰克逊提出，将进一步密切与贵州的沟通交流，与贵州省和富士康科技集团一道，共同推动苹果公司亚太数据中心落户贵州，为贵州加快发展作出积极贡献。
贵州作为中国西部内陆省份，生态环境良好，能矿资源富集，民族文化多元，地下多宝藏、地上多风光。为把地下地上资源优势转化为经济优势，近年来贵州不断加大交通基础设施建设力度，推进教育事业发展，逐步破解制约经济社会发展的瓶颈。
贵州发展大数据产业具有生态优势、气候优势、能源优势、地理优势，国家批准贵州省创建首个国家级大数据产业发展集聚区。贵州将发展大数据产业作为守住生态和发展“两条底线”的重要战略选择，统筹抓好数据安全和发展，在加快数据集聚的同时，推进数据开发应用，着力发展电子商务、呼叫服务、智能端产品制造等关联产业，深入挖掘大数据的商业价值、管理价值和社会价值。
贵州省委书记陈敏尔说：“苹果公司在中国家喻户晓，在全球有着广泛的影响力。贵州十分看重与苹果公司的合作，希望双方进一步加强沟通交流，共同促成苹果亚太数据中心落户贵州省，实现互惠互利、共同发展。”
资料来源：http://tech.ifeng.com/a/20150612/41109033_0.shtml。
注释
1. 《国务院通过〈关于促进大数据发展的行动纲要〉》，《人民网》，2015年8月21日。
2. http://www.nature.com/news/special/bigdata/index.html, 2008.
3. Obama administration unveils “Big Data” initiative: Announces ＄200 million in new R&D investments. http://www.whitehouse.gov/sites/default/files/microsites/ostp/big_data_press_final_2.pdf, 2012.
4. 邬贺铨：《大数据时代的机遇与挑战》，载《求是》2013年第4期。
5. 蔡翠红：《国际关系中的大数据变革及其挑战》，载《世界经济与政治》2014年第5期。
6. 李金昌：《从政治算术到大数据分析》，载《统计研究》2014年第11月。
7. 参见李学龙、龚海刚：《大数据系统综述》，载《中国科学》2015年第1期。
8. 《大数据（Big Data）专题报告》，光大证券股份有限公司研究所，2011年。
9. 程学旗：《大数据系统和分析技术综述》，载《软件学报》2014年第25期。
10. 维克托·迈尔舍恩伯格、肯尼思·库克耶：《大数据时代：生活、工作与思维的大变革》，盛杨燕、周涛译，浙江人民出版社2013年版，第27—67页。
11. 朱建平、章贵军、刘晓葳：《大数据时代下数据分析理念的辨析》，载《统计研究》2014年2月。
12. John Dryzek, “Legitimacy and Economy in Deliberative Democracy,” Political Theory, Vol.29, No.5, 2001, pp.651—652.
13. 周正：《“大数据时代”来了：专访国防信息学院研究所所长孟宝宏》，载《解放军报》2013年1月17日。
14. ［英］维克托·迈尔舍恩伯格、肯尼思·库克耶：《大数据时代：生活、工作与思维的大变革》，第27页。