中文|English

今天是

您当前的位置:首页 > 中心专家 > 专家论点

何华康:智慧监管—信息技术的应用

发布时间:2019-12-27

谢谢各位!跟前面几位教授和专家讲的有点不同,他们的精彩演讲都是从宏观角度,从行业发展的角度论述和分析,都是前瞻性比较强的。而我说的内容,第一,比较局限、微观,说智慧化也只涉及监管;第二,更多的是向后看,就是回顾过去的事,中间发生过的一些问题,如何在向前进的时候纠正;第三,今天只是说到监管,而且是从工程的角度看问题。刚才听了几位专家的发言后感觉,邮政业与国家大的发展方向和政策密切相关,前面几位专家从产业的发展,从邮政部门对产业的服务角度深入分析,说的都是大事,我今天只限于智慧监管。
一、监管需要信息技术的支撑
前几年,我们经历了邮政业安全生产信息化工程和后来的“绿盾”工程,都在讲要用信息技术和智慧化的技术解决邮政业监管方面存在的问题。我本人感觉智慧化、数字化、信息化实际上说的是一回事,只不过每个阶段需要有个新颖一些的名词来代表。智慧化实际上跟信息化并没有什么本质区别。叫数字XX、信息XX、或是智慧XX,没有本质的差别。我们现在说智慧监管,实际上是在说,要用信息技术解决监管中全局性的、针对性、敏捷性问题和实现高效率低成本监管。是邮政业信息化的一个组成部分,也是信息化整个过程中的一个阶段。
二、数据分析是基础
当前阶段智慧化的关键技术离不开数据和数据分析技术。早在90年代,应用软件的设计上有“Data-centric”和“Process-centric”两种不同的技术路线。当时国内应用主要技术路线是以过程为中心的设计,也就是“Process-centric”,这基本上符合当时信息化的大的需求和大的趋势,当时一件重要的事,是试图通过信息化的过程,把过去分散的、不规范的、各行其是的做法借助信息系统统一起来、规范化。但在这种技术路线下,数据往往只是过程中的处理对象,是中间产物,一般不会将数据当作一个宝贵的资源保留下来。而当时像美国IBM公司等,提出了“Data-centric Computing”这一理念。数据与过程相比,数据更重要,数据是信息系统中最宝贵的资产。过程处理完毕就把数据扔掉,不保留了,是极大的浪费。当时讨论的时候,我是站在“以过程为中心”的立场上说活,当然,也没办法否认人家说的理念很先进,只能说各有所长、各有天地。
到今天,时间已经过了大约20年,回过头来看,今天要走的路线肯定是“Data-centric”,就是以数据为中心设计系统,将数据当作系统最重要的资产,持续利用数据的价值。
数据这种资产与其他实体资产不一样的地方是:实体资产多半是耗尽型的,越用越少,比如能源;但是信息资产、数据资产是越用它的价值越高,越积累它的价值也越高。真正的数据资产的价值不完全体现在采集期间和及时处理阶段,而是在精心维护整理之后。
三、大数据的发展历程
最近几年业界非常热衷于大数据,但是存在一个不好的现象:一开始聚焦于数据量的“大”就看成是归集的过程,以为越多越好,只要有数据就行,归集了大量即使是当时看也没有价值的所谓“大数据”,之后毫无用处,可以说是存了一堆“数据垃圾”。很多所谓大数据项目,建了很大的机房,购买了大量的服务器和存储设备,却忘记了数据的用途,更忘记了利用数据要靠软件、方法和模型。今天,大多数人已经意识到,需要有目的地采集数据,根据需要采集数据;需要对数据进行必要的分类和标引;特别是要聚焦于数据的分析利用,以用为纲。
四、大数据工程的关键
现在几乎所有信息化项目,比如智慧邮政、智慧海关等等各种智慧化项目中,大数据肯定是占据了重要的位置。立项之初必须要解决的问题是:确切定义数据分析所要解决的问题。用什么方法可以利用数据解决这些问题,利用数据能不能解决这些问题,可以解决到什么程度。这就是大数据工程部分的需求分析必须回答的问题。
采集来的数据量大到一定程度,特别是进入PB数量级的时候,如果没有分类标引,这些十分有价值的数据就有可能无法有效利用,早期数据仓库项目就已经意识到这一问题,因而除了仓库,还提出了“集市”的概念,依“专题”将数据和分析任务分类,这已被证明为行之有效。
另外一个问题,就是建设重点到底是什么,是数据归集量,还是计算存储等硬件设施,还是处理分析方法和模型?到今天为止我们遇到的最大问题,就是不舍得和不知道在模型和方法上多投入。分析方法和模型不属于IT行业的专长,但是正因为我们不具备这个能力,才更需要从外部,从研究机构、大学,甚至学者个人那里去寻找资源。如果立项阶段不能确定模型、分析方法及其投资,正好说明我们还没有找到合适的答案。
五、监管智慧化
监管面临两个需要解决的问题:一是监管对象数量多,分布宽泛;二是不规范行为随机分布。这对监管形成不小的挑战。在“绿盾”工程中,提出视频联网、联机监测等联网工程,这些系统建立起来之后,能够监测有毒化学品、毒品和非法出版物吗?这种庞大系统能够做到合理的投入产出比吗?能够持续运行和发展吗?这说明了现代信息技术虽然有一些人力无法企及的能力,但如果没有精心设计,盲目应用,也未见得能达到期望的效果。发现有效解决问题的方法之前就大规模的铺开,最后的结果很可能是浪费。科学设计试验试点方法,在试验中摸索、改进,或许努力之后会有成果。
六、数据分析
海关和税务在多年的探索中,形成了所谓的风险控制机制。面对巨量监管对象和有限的监管力量的矛盾,提出了“风控系统”的概念。在随机抽取检查对象的基础上,为了提高开箱、掏箱的成功率,必须分析监管对象的行为,区分货品、包装,根据分析走私、违规的风险,确定筛选对象,这就是风控系统。税务稽查与之十分相似,只是交易行为涉及双方,双方的关系成了通同作弊的条件,也成了风控分析的重点,关系图谱成为一个有力的工具,实践证明对图谱的分析和利用,能够产生很好的效果。
对于对象的分类和按类处置,听起来非常简单,但是要想在真正实践过程中去做好并不容易。特别是非结构化数据,分类、标引和检索尚未找到满意、完美的解决方案。邮政业不妨借鉴海关和税务等部门的成熟经验,在监管工作中充分应用数据分析这一利器。
前些年在数据处理能力大幅度增长的情况下,有人提出不再需要采样,一切可以全量处理,并且全量分析可以避免不当采样造成的扭曲。然而所谓的“全量”是真正的全量吗?如果采用科学的抽样方法,样本的属性能够反映全量的属性,为什么还要耗费巨大的精力和时间,对所谓“全量”进行无谓的分析处理?更何况抽样方法本身就是一个研究、发现的宝库,可以帮助你从不同的视角研究数据,提供许多富有想象力的可能选择。
七、预测预警
数据分析的一大用途是预测,用模型对已知结果进行分析,很多时候是为了对未来、未知的结果进行预测。
八、提高效益是关键
如果信息化不能带来效益,对业务工作效率、成效不起作用,就失去了意义,就没有理由冠以“智慧”二字。发改委项目审批中极其重要的一项工作是确定项目建设的目标,制定可考核的量化目标。财政资金则强调“绩效评价”,绩效评价的主要指标是“产出”指标和“效果”指标,去年9月份中共中央、国务院关于财政资金绩效评价文件中说:“花钱必问效、无效必问责”,而且是终生追责。我们必须对此有充分的认识和警觉,谨慎再谨慎。申请所有项目,必须做到目标明确,边界确定,方案具体,措施得当,投资合理。必须对业务工作产生尽可能高的效益。
我讲的内容很窄,或许作用不大,“效益不高”,抱歉!
感谢大家的聆听,谢谢!
 


版权所有:国家邮政局发展研究中心 技术支持:北京拓尔思信息技术股份有限公司

单位地址:北京市西城区北礼士路甲8号 邮编:100868

京ICP备11026704号