最近兩年，公司用大數據技術監控員工的操作屢屢沖上熱搜，引發全社會，尤其是“打工人”的強烈關注。如今不僅是企業管理員工勞動，治理者也嘗試在不同的治理活動中運用大數據技術，已經成為一種時髦的風潮。大家想當然地認為：用上大數據，治理就科學了；治理一科學，什么問題就都解決了。事情果真如此嗎？大數據治理真的是無堅不破的科學利器，真的能提高治理效率嗎？

用上大數據，治理就科學了嗎

運用現代科學技術成果來治理社會，是當代社會運行的基本特征。換言之，今天的社會可以稱為技術治理社會。隨著智能革命的推進，當代社會技術治理活動更是向智能治理的新階段邁進。在新冠疫情期間，各種技術治理，尤其是智能治理——大數據治理、算法治理和區塊鏈治理是其中的典型——的手段，被大規模運用于疫情應對及疫后的復工復產活動中，對當代社會運行產生極大的影響。

在技治時代，人們習慣于用數據論證自己的觀點，大數據技術成為最有力的輔助決策工具。當爭論出現的時候，一祭出大數據分析結論，不同意見往往就消弭了。只要提到大數據，治理行動立刻就籠罩上科學的光芒，不再是被人詬病的“拍腦袋”決策。

仔細想一想，情況要比想當然的復雜。諸種技術治理均堅持兩條核心原則或立場，一是科學運行原則，即運用系統的科學原理和技術方法來治理或運轉社會；二是專家治理原則，即由接受系統的現代自然科學技術教育的專家更多地來掌握治理權力。請來大數據專家，用了大數據技術，也不一定就執行了科學運行原則。也就是說，專家政治不等于科學運行，專家可能暗中另搞一套；用了大數據技術也不一定服務于科學的效率目標，而可能用它“論證”和“包裝”有損治理效率但有利于個人私利的目標。

如果專家偏離科學運行原則，以科學為名的治理活動就可能淪為偽技術治理。所謂偽技術治理，指的是自稱運用了新科技成果，事實上卻違背了科學原理和技術方法的治理活動。技術治理的目標是科學運行社會，提高社會運行效率。偽大數據治理運用大數據技術，貫徹的是其他目標，尤其是利益和權力的目標，根本不是技術治理活動，而是借科學的“外衣”，行非理性操控之實。

人們越是相信大數據，大數據治理就越流行，而偽大數據治理也越普遍。為什么？因為偽大數據治理冒充技術治理，能獲得好處，能利用人們對科學技術的信任，分享社會對技術治理的實際支持，從而實現自己的潛藏目標。

歸根結底，偽技術治理產生自對新科技的誤讀和濫用。它可能完全沒有科學技術根據，卻謊稱符合科學原理和技術方法。它也可能自信遵循科學規范、運用科技成果，實際上卻錯誤地、片面地理解科學技術。偽大數據治理對大數據技術的運用，實質上是將新科技視為一種有力的社會操控術，而不是造福社會的真理探索術。大數據技術本身并非治理術，它被用于治理活動中發揮治理功能是附帶效應。

治理一科學，問題就都解決了嗎

退一步講，就算嚴格遵循了上述“技治二原則”，大數據治理就無堅不摧和無往而不利了嗎？現實遠比理想狀態要復雜，將大數據治理視為“完美利器”，恐怕只能是美夢一場。

美夢與社會上長久以來流行的數字崇拜有關。數字崇拜者認為，只有數字才是客觀的，數字才是權威的唯一可靠來源。在智能革命之中，數字崇拜升級成大數據迷信。很多人錯誤地認為，大數據囊括全體數據，不再是以往的隨機樣本。實際上，世界上沒有真正的全體數據存在。就一杯水而言，僅考慮其中包含所有微粒的大小、位置、速度、磁場等狀態數據，就是無窮大的數據集，根本不可能全部采集到。這就是“一花一世界，一葉一菩提”的道理。的確，大數據在數量級上躍升了，但絕不是全體數據。

當然，就決策而言，我們也不需要全體數據，而是需要與決策目標相關的數據。可是，哪些數據與決策目標相關，這是非常復雜的問題。在很多時候，恰恰是錯誤地劃定了相關數據范圍，才導致決策失靈。

相關性并不等于因果性，實際的大數據治理常常將二者混淆，使得治理完全偏離目標。比如，有人發現某地某段時間空氣污染加劇，此時該地學生考試平均成績也下降了，于是得出空氣污染導致學生學習成績下降的結論。實際上，該地考試改革之后學生不適應才是學生成績下降的主要原因。將該項研究錯誤歸因，根本原因是研究者希望找到更多治理污染的新理由。換言之，價值目標對大數據挖掘存在決定性的影響。數據挖掘的目標不是獲得真理，而是指導行動，如果不能幫助決策，就會被治理者視為數字垃圾。

很多統計學概念很成問題，如果視若神明，就成了數字迷信。在治理中，并非數據越多越好，數據太多可能導致不少反治理問題，常見的比如數據過載、過度治理和文牘主義等。數據多到處理不過來，各項數據還“相互打架”，讓人無所適從，屬于數據過載的情況。如果電子監控管得太多太細，就屬于過度治理的情況。實際上，很多社會參數是沒有必要獲取的，很多違紀違規行為應該交還道德領域。

總之，不要迷信數據，大數據的作用有限，完全可能得出錯誤的結論，而大數據治理實施起來并沒有想象中的那么有力、有效。

務實主義的大數據治理方案

指出大數據治理過程中可能出現偽治理、反治理的情況，并非要全盤否定大數據技術在提升社會治理水平中的作用，而是說不要迷信大數據治理，牢記大數據治理的有限性，警惕治理中可能出現的問題，不斷糾錯、糾偏，從而更好地運用大數據治理。

在疫情技治過程中，很多人發現：由于情況千變萬化，尤其是病毒不斷迅速變異，在海量數據基礎上制定的一攬子應對方案，在現實中實施后效果不好。相反，混合各種技術的、非技術的拼湊型治理方案卻效果良好。即使是那種哪里冒頭治哪里的“打地鼠”治理方案，只要響應得迅速，也比總體化大數據治理方案更為奏效。其原因其實很簡單：治理是行動，而非理論，治理情境非常復雜，不是數據模型所能完全刻畫的。

中國疫情治理成績的取得，依靠的是村鎮、街道和社區等基層治理的有效治理。基層組織治理能力的差異，直接導致中西方公共治理模式選擇、治理措施與運行效率等各個方面的差異。的確，以健康碼、行程卡、微信群為代表的大數據技術在基層疫情應對中發揮了不可替代的作用。但是，中國基層組織治理疫情時，并不是完全執行某個從上而下的技術治理方案，而是會結合自身情況融合諸多其他的非技術治理措施，尤其是很多從古代就流傳下來的傳統封控措施。大數據等技術治理方法與傳統非技術治理方法有機結合起來，形成某種準技術治理方案，在實際的疫情技治中發揮了重要的作用。

顯然，準技術治理是一種有限性的技術治理模式。首先，準技術治理具有很強的地方性色彩，與具體治理語境相關，最好一地一議、因地制宜。其次，準技術治理要及時而不斷地調整和變化，不固守某個單一的路線、模式和方案，尤其是病毒變異應對也要變化。最后，準技術治理要重視專家意見，更要約束專家權力，重視基層組織的意見，吸取人民群眾的智慧。

正如伊德所言：“現實的或物質性的技術總是具有部分透明性或準透明性（quasi-transparency），這是技術所帶來的放大效應的代價。”在真實的治理情境中，大數據治理面對的正是技術上準透明性的被治理對象。無論新科技發展到什么程度，技術世界的準透明性都是無法改變的，完全透明的社會都是一種想象。如果治理者把數據世界當作真實世界，注定要在治理行動中遭遇失敗。如果治理者把正式知識當作全部知識，非正式組織的力量肯定要給他教訓。因此，準技術治理不是完美的技術治理，卻是令人滿意的務實主義治理方案。

（本文原載于社會科學報第1820期第5版，經作者授權轉載。）