李剛 陳霏 蘇丹淳 朱雍

編者按：2013年，全球大數(shù)據(jù)權威、可穿戴設備之父、麻省理工學院人類動力學實驗室主任亞歷克斯·彭特蘭（Alex Pentland）教授在《科學美國人》雜志上發(fā)表了《數(shù)據(jù)驅動社會》一文，認為人類社會正向21世紀數(shù)據(jù)驅動的數(shù)字社會轉型，人類行為研究新范式需要以大數(shù)據(jù)為核心重新建構。隨后，數(shù)據(jù)驅動社會的概念得到多維度傳播和實踐，數(shù)據(jù)被認為是繼勞動、土地、資本、技術之后的第五生產(chǎn)要素。

在數(shù)據(jù)驅動的創(chuàng)新型數(shù)字社會，“循數(shù)增智”成為智庫發(fā)展的新趨勢，以蘭德公司、CSIS為代表的全球領軍智庫已實現(xiàn)了走向數(shù)據(jù)驅動的范式嬗變。與之相較，則是我國的大部分智庫依然是以專家為核心的研究組織，這種模式顯然無法適應大數(shù)據(jù)時代的政策研究要求。因此，面向數(shù)據(jù)驅動轉型成為我國新型智庫研究與建設的當務之急。

基于上述背景，本刊特邀請南京大學中國智庫研究與評價中心主任李剛教授組織了“數(shù)據(jù)驅動的智庫建設理論與CTTI案例研究”專題文章。本專題文章以理論與案例相結合視角，在建構從專家驅動到數(shù)據(jù)驅動智庫建設范式轉型的概念、模型和路徑基礎上，對“中國智庫索引”（CTTI）系統(tǒng)的緣起、元數(shù)據(jù)體系、功能與部署架構、機制等創(chuàng)新之處進行了歸納與總結，并基于CTTI積累的專家大數(shù)據(jù)研究了我國智庫專家的畫像、模型、方法和集體傳記特征。

相信本專題可為數(shù)據(jù)驅動的我國新型智庫發(fā)展轉型提供一定的理論支撐及框架指導。

摘? ? 要：“社會5.0”的智庫提升決策咨詢研究科學性的主要途徑是從傳統(tǒng)的專家驅動型智庫轉變?yōu)閿?shù)據(jù)驅動型智庫。數(shù)據(jù)驅動型智庫的建設范式包括社會文化與政策環(huán)境層、核心理念與頂層設計層、智庫業(yè)務運營與傳播層和數(shù)據(jù)底座層等要素。智庫需從強化數(shù)據(jù)驅動認知和充分利用國家數(shù)據(jù)驅動政策供給、沉淀數(shù)據(jù)資產(chǎn)、推動業(yè)務模式創(chuàng)新變革、重視數(shù)智“工具箱”的開發(fā)與應用、優(yōu)化數(shù)據(jù)人才配置，強化數(shù)據(jù)團隊建設等方面推動智庫數(shù)據(jù)驅動轉型。

關鍵詞：智庫建設；智庫研究；數(shù)據(jù)驅動；數(shù)字化；數(shù)據(jù)資產(chǎn)

中圖分類號：G644? ?文獻標識碼：Ａ? ?DOI：10.11968/tsyqb.1003-6938.2023063

The Transformation of Think Tank Construction Paradigm： From Expert-Driven to Data-Driven

Abstract The main way for think tanks in “Society 5.0” to improve the scientific nature of decision-making consulting research is to respond to the national strategy of digital social science construction， and transform the traditional expert-driven think tanks into data-driven think tanks. The construction paradigm of data-driven think tanks includes social culture and policy environment layer， core concept and top-level design layer， think tank business operation and communication layer and data base layer. Think tanks need to promote data-driven transformation in terms of strengthening important cognition and policy supply， accumulating data assets， promoting innovation and transformation of business models， emphasizing the construction and application of the data intelligence “toolbox”， optimizing the allocation of data talents， and strengthening the establishment of data teams.

Key words think tank construction; think tank research; data-driven; digitization; data asset

在第四次工業(yè)革命的推動下，人類社會正在經(jīng)歷“快速、大尺度、深層次”的數(shù)字化轉型［1］，科學研究進入了“第四范式”——數(shù)據(jù)密集型科學。“數(shù)據(jù)驅動”成為智庫研究的重要議題。侯忠生和許建新認為數(shù)據(jù)驅動思想指利用受控系統(tǒng)的在線和離線數(shù)據(jù)，實現(xiàn)系統(tǒng)的基于數(shù)據(jù)的預報、評價、調(diào)度、監(jiān)控、診斷、決策和優(yōu)化等各種功能［2］。亞歷克斯·彭特蘭認為數(shù)據(jù)驅動是指利用不同來源的數(shù)據(jù)來理解和預測人類行為，包括社會互動和數(shù)據(jù)驅動的數(shù)字痕跡［3］。蔡蓉英和張志華認為，基于大數(shù)據(jù)驅動的智庫研究是以新一代云計算、物聯(lián)網(wǎng)、區(qū)塊鏈技術為支撐，結合制度化和程序化的技術手段，借助數(shù)據(jù)挖掘、行為分析等先進方法，使傳統(tǒng)的經(jīng)驗判斷模式上升為智慧決策模式［4］。歐陽劍和周裕浩提出，在決策中，智庫數(shù)據(jù)驅動型研究采取定性與定量相結合、人機協(xié)同等方法，基于數(shù)據(jù)為智庫提供感知研究對象的量化維度，借助數(shù)據(jù)挖掘更多的因果解釋機制，為決策者提供了新方案、新視角、新思路［5］?？梢姡壳皩W界大多是從數(shù)據(jù)對研究產(chǎn)生影響的視角來解釋、理解數(shù)據(jù)驅動，而本文嘗試從智庫組織建設和能力建設視角理解數(shù)據(jù)驅動。2016年1月22日，日本內(nèi)閣會議審議通過的《第五期科技技術基本計劃》，提出了“社會5.0”（Society5.0）概念，描述最大限度應用信息通訊（ICT）技術，通過網(wǎng)絡空間與物理空間高度融合，給人類帶來富裕的“超智能社會”［6］。“社會5.0”是用于描述以數(shù)據(jù)智能為核心的全新社會形態(tài)的一個新概念。

當前，人類正從“社會4.0”（信息社會）向“社會5.0”（超智能社會）轉型，“社會5.0”的核心是用物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和共享經(jīng)濟的融合一體來更新人類社會生產(chǎn)、生活、研究、治理等全部問題，觸及人類社會每一個方面，每一個角落。智庫作為現(xiàn)代研究組織也受到了“社會5.0”的深刻影響。2013年4月，習近平總書記對中國特色新型智庫建設工作作出重要批示［7］。迄今中國新型智庫建設恰好十年。十年來，我國智庫建設主要是以專家群體為核心開展的，組織、激勵和保障專家團隊開展決策咨詢活動是智庫建設的主要問題?！吧鐣?.0”時代，這種完全依靠專家驅動的智庫建設模式已經(jīng)不太適應形勢的發(fā)展。本文基于科技發(fā)展對社會的影響（ST-S）的經(jīng)典科學社會學分析思路，不僅討論了超智能社會對智庫發(fā)展的影響，而且闡述了數(shù)據(jù)驅動型智庫建設的新范式及其實施路徑。

1? ?數(shù)據(jù)驅動型智庫建設的時代背景

“社會5.0”時代，智庫的技術環(huán)境、社會角色和政策研究議程正在發(fā)生深刻的變化，數(shù)據(jù)驅動成為一切現(xiàn)代組織需要回應的“時代之問”。凡是形成不了數(shù)據(jù)驅動范式的組織和機構或許都終將會被時代淘汰，智庫也不例外。所謂新型智庫的“新”，除了體制機制之新外，主要就是手段、方法和技術的新，體現(xiàn)在數(shù)據(jù)驅動的政策分析模式、數(shù)據(jù)驅動的智庫治理和營運模式的構建與實踐之中。以下從三個方面探討數(shù)據(jù)驅動型智庫建設的時代背景。

1.1? ? 超智能社會對智庫研究議程與組織變革的影響

21世紀以來，人類社會加速從“社會4.0”（信息社會）向“社會5.0”（超智能社會）演化，這對人類的生產(chǎn)模式、生活方式和價值理念產(chǎn)生了全方位影響［8］。云計算、大數(shù)據(jù)、人工智能等新一代數(shù)字技術的興起使得數(shù)據(jù)的獲取、存儲和處理效率按照指數(shù)形式來提升，智庫已經(jīng)身處數(shù)字社會的技術環(huán)境、文化環(huán)境和社會環(huán)境。對于智庫而言，治理、營運和研究等工作均遭遇重大挑戰(zhàn)，具體表現(xiàn)就是傳統(tǒng)思維和數(shù)據(jù)智能之間的沖突，也就是說智庫雖然身處數(shù)字社會，但是意識、思維、能力、業(yè)務模式還在“社會4.0”甚至“社會3.0”時代，面臨著迅速適應數(shù)字智能社會的嚴峻挑戰(zhàn)。

超智能社會對現(xiàn)代智庫的影響主要體現(xiàn)在兩個方面。一是政策議程的變化。超智能社會的戰(zhàn)略研究與政策分析的問題、對象、議程已經(jīng)發(fā)生了重大變化，經(jīng)濟、政治、社會和文化發(fā)展的信息化、數(shù)據(jù)化和智能化問題成為戰(zhàn)略研究與政策分析的重要問題。傳統(tǒng)智庫缺乏數(shù)字智能的意識、技術和方法，不熟悉超智能社會數(shù)字政策議程，步履艱難，甚至有生存之虞；二是超智能社會對智庫組織變革的影響。智庫作為以問題為導向、服務公共決策的戰(zhàn)略與政策研究機構，目前的組織文化、組織結構和組織功能是與專家驅動型智庫相適應的。傳統(tǒng)的專家驅動型智庫的智力資源主要集中于專家頭腦，大多數(shù)決策咨詢活動主要依賴專家的知識和經(jīng)驗。建設數(shù)據(jù)驅動型智庫的目標就是建設與超智能社會適應的組織文化，改變自身的內(nèi)部結構，形成新的智庫功能。

1.2? ? 數(shù)字社科與新文科建設帶來的政策機遇

2016年5月17日，習近平總書記在哲學社會科學工作座談會上指出“要加快發(fā)展具有重要現(xiàn)實意義的新興學科和交叉學科，使這些學科研究成為我國哲學社會科學的重要突破點”［9］。2019 年4月29日，教育部等在“六卓越一拔尖”計劃 2.0 啟動大會上提到，新文科建設的目標為“推動哲學社會科學與新科技革命交叉融合，培養(yǎng)新時代的哲學社會科學家”［10］。可以看出，新文科之“新”的其中之一就在于新科技革命與文科的交叉融合化發(fā)展，其核心是強調(diào)將人文社科的問題關懷和理論視野與海量堅實的數(shù)據(jù)相結合［11］，利用先進的數(shù)字技術推動社會科學研究的數(shù)字化轉型。在數(shù)字社科政策引領之下，教育部啟動了部級文科實驗室建設，浙江大學、中國人民大學、四川大學等高校、各文科教指委等部門也積極主動地開展了一系列實踐探索。在各級文科實驗室的方案中，都把新型智庫作為實驗室建設規(guī)劃的重要目標之一。

數(shù)字社科和新文科建設是數(shù)據(jù)驅動型智庫建設的重要政策機遇。數(shù)據(jù)驅動型智庫建設本質上是全國數(shù)字社科新布局的有機組成部分，是新文科建設的重要內(nèi)容，并非智庫少數(shù)人的主觀想法。因此，在數(shù)字革命之下，人文社科的資源建設環(huán)境與科研組織流程都面臨著創(chuàng)新與轉型，現(xiàn)代智庫更應當抓住時代脈搏，用好政策機遇，領悟行業(yè)發(fā)展的新特征、新方向、新要求，不斷適應智庫數(shù)據(jù)驅動轉型這一趨勢，為推動數(shù)字社會轉型發(fā)展夯實新基礎，提供新動能。

1.3? ? 提高政策研究的科學性和客觀性的迫切需要

智庫是基于證據(jù)的政策分析機構。證據(jù)指的是真實客觀的社會事實、數(shù)據(jù)、情報和科學知識。然而，傳統(tǒng)的專家驅動型智庫政策研究模式是個人工作坊形式，有專家比喻之為“小米加步槍模式”，這種模式過于依賴專家經(jīng)驗。這種基于個人判斷的研究模式難免會帶有主觀性，導致研究有失偏頗，實踐證明這十年來智庫專家提出了不少真知灼見，但是也有不少意見出現(xiàn)了誤判情況，影響了決策咨詢質量。出現(xiàn)這種情況的重要原因之一是智庫沒有長期的數(shù)據(jù)積累，智庫的業(yè)務流程信息化、數(shù)字化、智能化不足，尚未形成數(shù)據(jù)支撐政策研究的一整套機制。因此，恪守循證原則，提高政策研究的科學性和客觀性、賦能智庫研究，建立健全的數(shù)據(jù)驅動體系是至關重要的。

數(shù)據(jù)驅動還能夠提高智庫政策研究的可重復性?？芍貜托允侵羔槍ν谎芯繂栴}，其他研究者的獨立研究可以借助原研究者提供的數(shù)據(jù)、方法等再現(xiàn)實驗結果［12］。在學術領域，堅持和重視可重復性是科學研究中最重要的原則之一，科學研究結果能夠被反復驗證才具有意義。然而，即使在自然科學領域，可重復性不足也是困擾當代科學研究客觀性的一個難題。《自然》的一項調(diào)查結果表明，許多科研人員在科研過程中存在“重復驗證危機”，接受調(diào)查的1576名科學家中有90%的人認為目前的科學研究存在可重復性危機，其中52%的科學家認為存在重大的危機［13］。對于智庫而言，政策分析的可重復性就更低。原因就是我國當下的智庫研究活動還是以定性研究居多，定性研究證據(jù)往往就是文獻、訪談資料、檔案資料、開源數(shù)據(jù)等非結構化資料，不僅無法量化處理，而且資料核查難度大、重復使用率低［14］。此外，即便許多智庫開展定量研究分析，由于自身數(shù)據(jù)意識不強、缺乏統(tǒng)一的數(shù)據(jù)治理規(guī)則、數(shù)據(jù)平臺基礎薄弱，沒有完備的數(shù)據(jù)庫支持，研究過程中的許多數(shù)據(jù)極易流失，因此也導致此類定量研究無法復現(xiàn)，無法復核，影響研究的可重復性、科學性和客觀性。而數(shù)據(jù)驅動型智庫依據(jù)強大的數(shù)據(jù)底座支撐，公開研究過程，推動數(shù)據(jù)共享與開放，決策分析過程透明化，增強研究的可重復性，提高研究結果的可靠性。因此，數(shù)據(jù)驅動型智庫的建設對于提高戰(zhàn)略研究與政策分析的科學性和客觀性意義重大。

2? ?數(shù)據(jù)驅動型智庫建設范式的內(nèi)容分析

范式作為一個經(jīng)典的科學社會學概念，是指特定的科學共同體從事某一類科學活動所必須遵循的公認“模式”，它包括共有的世界觀、基本理論、范例、方法、手段、標準等與科學研究有關的共識。當新的科學發(fā)現(xiàn)不能被傳統(tǒng)的理論所解釋，產(chǎn)生了顛覆性的變革，就會產(chǎn)生范式轉型，形成科學革命。本文借用范式轉型的概念，把智庫建設范式歸納為“專家驅動”與“數(shù)據(jù)驅動”，認為當下智庫建設存在著明顯的范式轉型。范式轉型不是非此即彼的范式替代，而是后一種范式對前一種范式的兼容。

2.1? ? 從專家驅動型智庫到數(shù)據(jù)驅動型智庫

一般而言，專家驅動型智庫缺乏長期系統(tǒng)的數(shù)據(jù)積累和數(shù)據(jù)庫建設，決策咨詢活動的質量高度依賴專家的專業(yè)知識，專家不少政策建議來自經(jīng)驗直覺，并非循證分析的結果。以內(nèi)參為例，由于內(nèi)參這種文體對文本字數(shù)有苛刻的要求，一般都在3000字以內(nèi)，因此除了關鍵數(shù)據(jù)外，不需要提供系統(tǒng)的數(shù)據(jù)分析過程，這給一些“專家”提供了方便之門，一些沒有事實依據(jù)、缺乏嚴謹分析的內(nèi)參也被送達領導機關。這就降低了智庫決策咨詢活動的科學性和客觀性。

專家驅動型智庫大致具有以下幾個特征：第一是高度依賴專家個人判斷，政策分析思路難以擺脫核心專家的個人主觀經(jīng)驗與直覺判斷，專家的知識和經(jīng)驗往往成為智庫的“天花板”；第二是智庫呈現(xiàn)出小團隊和低組織的特征。智庫成為少數(shù)專家的俱樂部，不少是因為專家學緣關系構成的小團隊，難以開展規(guī)模性的團隊協(xié)作研究；第三是決策咨詢研究的低技術、低數(shù)據(jù)、低循證。專家驅動型智庫往往缺乏現(xiàn)代科學的框架、模式、模型、流程，是一種基本不依賴技術的，數(shù)據(jù)密度低，淺實證的研究與分析。因此，傳統(tǒng)的專家驅動型研究是個體化、在場性與經(jīng)驗化的，這種研究注重文獻研究，依賴現(xiàn)場的調(diào)查走訪，依賴小組討論。但是，專家驅動型智庫是智庫建設的必經(jīng)階段，就是在數(shù)字智能時代，數(shù)據(jù)驅動轉型也并不意味著專家驅動模式的智庫會被完全取代，只是說下一個階段智庫發(fā)展的主要驅動力是數(shù)據(jù)。智庫決策日益從傳統(tǒng)的依靠直覺、經(jīng)驗判斷逐步向數(shù)據(jù)驅動的科學模式演進，智庫應轉變“我覺得”“我認為”的直覺化、經(jīng)驗化思維，更多地依賴數(shù)據(jù)分析結果等“數(shù)據(jù)證明”［15］，著力培育數(shù)據(jù)洞察、數(shù)據(jù)預見的能力，強調(diào)基于證據(jù)鏈的科學決策，形成“數(shù)據(jù)驅動+專家智慧”相結合的業(yè)務模式，推動智庫研究與決策走向科學化、智能化、現(xiàn)代化。

2.2? ? 新型智庫建設的數(shù)據(jù)驅動范式

1965年，美國學者Leavitt提出組織鉆石模型，認為組織變革的模式由四個變量構成，即結構（Structure）、任務（Task）、技術（Technology）、人員（People）［16］。Nerur等探討了從傳統(tǒng)軟件向數(shù)據(jù)驅動遷移對組織變革的影響，構建了包含四個維度的模型：組織和管理（Organization and management）、人員（People）、流程（Process）、技術（Technology）［17］。Vidgen等使用鉆石框架來研究數(shù)據(jù)驅動型組織面臨的挑戰(zhàn)［18］。Hupperz等則基于前人研究，進一步完善框架，并歸納了數(shù)據(jù)驅動型組織建設的關鍵要素［19］（見圖1）。

本文基于組織變革、數(shù)據(jù)驅動型組織的關鍵要素理論，構建出新型智庫建設的數(shù)據(jù)驅動范式框架（見圖2），主要包含思維理念與戰(zhàn)略規(guī)劃、數(shù)據(jù)資源、業(yè)務模式、數(shù)智工具、人才團隊五個要素，將其分為三個層次，分別為核心理念與頂層設計層、智庫業(yè)務運營與傳播層與數(shù)據(jù)底座層。其中，智庫組織的核心理念與頂層設計引領著智庫的建設走向；建設數(shù)據(jù)底座則是智庫資源數(shù)字化、數(shù)據(jù)資源化、數(shù)據(jù)資產(chǎn)化的過程，是基本支撐；而在數(shù)據(jù)驅動型智庫業(yè)務運營與傳播過程中，還涉及實體建設實踐、業(yè)務模式創(chuàng)新、數(shù)智工具搭建三方面的內(nèi)容。同時，智庫的數(shù)據(jù)驅動轉型過程也會受到外部的政策環(huán)境的影響，加速數(shù)字化轉型是我國的基本戰(zhàn)略，這種戰(zhàn)略會逐漸營造出開放的數(shù)據(jù)文化，形成豐裕數(shù)據(jù)的環(huán)境，有利于智庫數(shù)據(jù)驅動轉型。此外，由于專家智慧在智庫建設中依然有著不可忽視的地位，此框架也融入了專家智慧要素并作探討。

2.2.1? ?核心理念與頂層設計層

組織價值觀是組織成員共同具有的信念、假設和基本價值的表現(xiàn)形式［20］。重構數(shù)字化時代的組織精神內(nèi)核，建構起頂層戰(zhàn)略統(tǒng)領是實現(xiàn)智庫數(shù)字化全局性轉型的必要基礎。智庫的數(shù)據(jù)驅動轉型并不是一蹴而就的，組織文化的重塑、組織戰(zhàn)略的優(yōu)化具有全局性意義，發(fā)揮著先導性的作用。只有智庫共同體形成了數(shù)據(jù)意識、數(shù)據(jù)思維、數(shù)據(jù)能力，建立起數(shù)據(jù)驅動型智庫建設與研究的共同愿景，才能塑造出超智能社會的智庫數(shù)據(jù)驅動文化，塑造出以數(shù)據(jù)為基石，創(chuàng)新為動力的運營理念，并將這種理念貫徹落實到智庫研究、決策流程的每一個環(huán)節(jié)，使得數(shù)據(jù)驅動文化成為智庫的核心價值觀。

智庫的數(shù)據(jù)驅動文化要變成一種實踐力量，要落實在智庫的頂層設計中。如果空談數(shù)據(jù)驅動文化而沒有實際可落地的規(guī)劃指南，智庫數(shù)據(jù)驅動轉型工作就永遠停留在紙面，難以實現(xiàn)。在前端制定轉型戰(zhàn)略規(guī)劃的過程中，具有遠見卓識、獨到見解的專家智慧也非常重要，專家的觀點融匯了他們多年從事管理與研究工作的經(jīng)驗，對一些事件的前瞻性解讀和深度剖析往往是數(shù)據(jù)智能也無法做到的，因此“數(shù)據(jù)驅動”肯定不是否定專家智慧，而是要善于借助專家洞察的能力，從多維視角思考、分析情況。智庫數(shù)據(jù)驅動轉型的頂層戰(zhàn)略規(guī)劃應是具有方向性、整體性、全局性、持續(xù)性的，主要目的是為智庫數(shù)據(jù)驅動轉型制定完整的路徑體系、規(guī)范運營流程，并實時根據(jù)運行進展調(diào)整目標和方向，以確保能夠最大程度激發(fā)出數(shù)據(jù)資產(chǎn)的潛力，提升智庫的生產(chǎn)力。數(shù)據(jù)驅動型智庫的戰(zhàn)略規(guī)劃設計包含環(huán)境分析、功能定位、價值分析、藍圖制定、路徑規(guī)劃、資源匹配等內(nèi)容，有助于在智庫組織內(nèi)形成統(tǒng)一的理念、目標、規(guī)則、行為，保持智庫數(shù)據(jù)驅動轉型過程中的戰(zhàn)略性、系統(tǒng)性、整體性、協(xié)同性。

2.2.2? ?智庫業(yè)務運營與傳播層

智庫業(yè)務運營和傳播工作的數(shù)據(jù)驅動轉型首先是要加強智庫實體建設，包含兩方面內(nèi)容：一是數(shù)據(jù)部門與數(shù)據(jù)崗位的設置；二是數(shù)據(jù)人才團隊的培育。數(shù)據(jù)部門是智庫組織架構的重要組成部分，主要功能包括維護信息與數(shù)據(jù)系統(tǒng)，為其他部門提供數(shù)據(jù)支持和信息服務等。數(shù)據(jù)部門與業(yè)務部門之間的良好協(xié)作是智庫進行高質量政策研究工作的重要保障。當然，對于真正實現(xiàn)了數(shù)據(jù)驅動的智庫而言，數(shù)據(jù)部門會負責更加頂層的工作，主導數(shù)字化轉型的方向把控、進展評估與維護優(yōu)化，與業(yè)務部門深度融合發(fā)展。數(shù)據(jù)驅動型智庫的所有業(yè)務部門、運營流程都將與數(shù)據(jù)驅動緊密結合，環(huán)環(huán)相扣。除此之外，數(shù)據(jù)崗位設置與團隊培育也是智庫組織管理中的關鍵環(huán)節(jié)。算法工程師、數(shù)據(jù)分析師、數(shù)據(jù)科學家、AI工程師等新型人才的延攬與培育是提升智庫競爭力的根本措施，智庫在數(shù)據(jù)驅動的各項業(yè)務創(chuàng)新中更是離不開兼具技術與管理能力的復合型人才。非數(shù)據(jù)崗位的人員也需要提升數(shù)據(jù)素養(yǎng)，提高數(shù)據(jù)敏感度，豐富數(shù)據(jù)通識，培養(yǎng)較強的數(shù)據(jù)能力，以適應數(shù)據(jù)驅動型智庫對人才的要求。在智庫全員提升信息素養(yǎng)與相關技能的基礎之上，才能更好地發(fā)揮專家智慧，更加高效、積極、主動、富有創(chuàng)造力地支持與輔佐智庫專家以極高的敏銳性和預見性作出精準研究與決斷，為智庫建設發(fā)展提供內(nèi)生動力。總之，齊全的部門設置、專業(yè)的人員配置、強大的數(shù)據(jù)能力是智庫數(shù)據(jù)驅動轉型的堅實基礎。

其次是業(yè)務模式要素。智庫的業(yè)務模式包括研究模式、治理與管理模式、運營模式等。數(shù)據(jù)驅動型智庫則是通過運用大數(shù)據(jù)、云計算、人工智能融合一體的方法，構造出業(yè)務流程與數(shù)據(jù)智能相互鏈接、深度融合的新型決策咨詢模式。如基于專業(yè)領域的大數(shù)據(jù)，輔以云計算技術，利用通用的生成式人工智能訓練出細分的自動的政策分析系統(tǒng)，替代基礎、重復、繁瑣的人工工作；基于物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、人工智能融合一體技術的新一代知識與信息管理系統(tǒng)能自動感知、記錄、存儲、處理智庫的全部線上的管理活動和研究活動，不再有人工數(shù)據(jù)錄入等耗時耗力的工作；智庫內(nèi)部的媒體實驗室能夠利用人工智能輕松地生產(chǎn)宣傳需要的文字、圖片、音頻與視頻內(nèi)容。這些數(shù)據(jù)密集型產(chǎn)品是智庫研究人員在全自動、標準化、智能化的業(yè)務流程中，人員智慧與數(shù)據(jù)價值深度融合協(xié)同的產(chǎn)物。

最后是數(shù)智工具要素。這是保障智庫研究人員專業(yè)研發(fā)能力的必備手段。智庫的積累優(yōu)勢在于對專業(yè)領域的數(shù)據(jù)和信息盡可能全面的進行長期收集、整理、分析、利用、跟蹤，形成獨特競爭力，若缺少數(shù)智工具、技術和方法的基礎性支撐，也就談不上專業(yè)、系統(tǒng)、全面的數(shù)據(jù)和信息積累。智庫研究的數(shù)智“工具箱”主要包含經(jīng)過生成式人工智能改造過的分析框架、量化模型、仿真系統(tǒng)、指數(shù)分析、文本分析、網(wǎng)絡分析、關聯(lián)分析、聚類分析等各類數(shù)智工具。這些新一代數(shù)智工具完全改變了智庫運營管理和政策分析的方式方法，大幅度提高運用管理的效率、傳播的精準性和政策分析的科學性。很多智庫專家與研究人員本身具有扎實的社科方法論基礎，或者具備過硬的軟件、工具開發(fā)技術能力，他們結合自身研究需求，更能夠開發(fā)、優(yōu)化或是引進專業(yè)化、科學化的研究工具，賦能智庫研究。

2.2.3? ?數(shù)據(jù)底座層

積累、沉淀數(shù)據(jù)資源是智庫數(shù)據(jù)驅動轉型最基礎也是最為關鍵的第一步。一是資源數(shù)字化。當前智庫研究過程中所產(chǎn)生或收集到的資源初始狀態(tài)依舊是以紙質載體材料為主，那么想要將其中所蘊含的信息歸集起來，第一步便是廣泛利用數(shù)字技術，對非數(shù)字化的內(nèi)容進行轉換，形成數(shù)字形態(tài)資源，便于后續(xù)的開發(fā)利用，對數(shù)據(jù)資源進行有效的整體性管控和治理，這是搭建數(shù)據(jù)底座的首要任務；二是數(shù)據(jù)資源化。由于智庫研究涉及跨學科、多主體等特性，導致采集到的數(shù)據(jù)資源通常存在內(nèi)容、格式、結構、口徑等方面的差異，因此將數(shù)據(jù)進行標準化定義、結構化處理，確保采集數(shù)據(jù)的完整性、準確性和規(guī)范化是智庫數(shù)據(jù)資源集成的重要步驟，也是下一步數(shù)據(jù)能夠被充分、快捷、有效應用的基本前提；三是數(shù)據(jù)資產(chǎn)化。智庫數(shù)據(jù)資產(chǎn)是智庫日常研究活動、傳播活動和管理活動中積累或從外部渠道獲取的，具有所有權或控制權的數(shù)據(jù)資源，具有可變現(xiàn)、可控制、可計量的特征［21］。因此，智庫數(shù)據(jù)資產(chǎn)化的實質就是把數(shù)據(jù)資源進一步深加工為數(shù)據(jù)庫和數(shù)據(jù)集，特別要注重將游離、分散在各個智庫專家中的信息資源、知識數(shù)據(jù)沉淀下來形成獨特的專有數(shù)據(jù)庫、知識庫，并通過數(shù)據(jù)驅動轉型更好地將專家個人智慧與智庫集體智慧聯(lián)動起來，將原本是專家個人對知識的掌握轉變?yōu)橹菐鞂τ谶@些智慧結晶的最大化調(diào)用。智庫擁有這些專門的、特色的數(shù)據(jù)庫和數(shù)據(jù)集的完整知識產(chǎn)權，并基于此挖掘其中蘊含的知識、信息，提供更多數(shù)據(jù)產(chǎn)品，形成本智庫的專業(yè)壁壘，不論在知識價值還是經(jīng)濟利益上都能促進數(shù)據(jù)資源的增值效應最大化，形成智庫自身的核心競爭力。

3? ?新型智庫建設數(shù)據(jù)驅動范式的轉型路徑

數(shù)據(jù)驅動作為智庫發(fā)展新的動力，對智庫的影響不僅是決策咨詢研究范式的轉型，更是業(yè)務模式的轉變。智庫的數(shù)據(jù)驅動轉型并非單純是數(shù)據(jù)庫建設或團隊建設，而是一種范式，囊括從價值觀建設到部門重組再到整個組織的數(shù)據(jù)驅動化，智庫可依據(jù)具體情況和自身能力，從頂層設計與底層設計多路徑進行。以下結合海內(nèi)外具有代表性的實踐案例，從智庫轉型認知和政策供給、智庫數(shù)據(jù)資產(chǎn)、智庫業(yè)務模式、研究“工具箱”、團隊配置和培養(yǎng)模式五方面展開闡述中國特色新型智庫建設數(shù)據(jù)驅動范式的轉型路徑。

3.1? ? 強化智庫數(shù)據(jù)驅動轉型的認知和完善政策供給

3.1.1? ?形成“數(shù)據(jù)驅動+專家智慧”雙輪驅動的共識

智庫需強化對于數(shù)據(jù)驅動轉型的理解，智庫共同體要確立數(shù)據(jù)意識，應重視制定數(shù)據(jù)轉型的發(fā)展規(guī)劃，明確數(shù)據(jù)驅動轉型與發(fā)展目標，制定具有針對性的建設規(guī)劃。美國國家醫(yī)學圖書館（National Library of Medicine，NLM）美國生物醫(yī)學情報創(chuàng)新中心，是美國國家醫(yī)學智庫。NLM歷來非常重視戰(zhàn)略規(guī)劃的制定，于20世紀80年代開始制定長期規(guī)劃，在最新的長期規(guī)劃《美國國家醫(yī)學圖書館戰(zhàn)略規(guī)劃：2017-2027》中，NLM闡述了未來十年的愿景，明確了未來十年的戰(zhàn)略總目標，即“成為生物醫(yī)學發(fā)現(xiàn)和數(shù)據(jù)驅動健康的平臺”，并確定了未來十年的4個戰(zhàn)略方向［22］。NLM的規(guī)劃制定過程具有由專門的戰(zhàn)略規(guī)劃制定委員會和工作組負責、前期的調(diào)研和準備工作充分、最大限度吸納領域專家和社會公眾智慧等特點［23］，NLM多年通過制定戰(zhàn)略規(guī)劃指導智庫工作的方式也對其聚焦發(fā)展方向、應對外界變化、實現(xiàn)轉型發(fā)展具有重要作用。因此，智庫應將創(chuàng)新數(shù)字驅動發(fā)展的理論、技術、規(guī)則等方面置于戰(zhàn)略位置，持續(xù)深入推進頂層設計，在實踐探索中，為智庫數(shù)據(jù)驅動轉型夯基壘土。在此過程中，專家智慧發(fā)揮著至關重要的作用，特別是智庫理事會、學術委員會、院務會的專家擁有多年豐富的智庫建設與學術發(fā)展經(jīng)驗，具有獨到的眼光和閱歷，對于智庫的組織領導、宏觀管理、規(guī)劃決策、監(jiān)督檢查等提出的經(jīng)驗性判斷具有重要的參考價值。一方面，智庫應當針對自身信息化、數(shù)據(jù)化建設現(xiàn)狀制定短期及中長期規(guī)劃，明確未來數(shù)據(jù)驅動轉型方面的發(fā)展定位和目標，制定具體的行動規(guī)劃和宏觀綱要；另一方面，實行差異化定位，避免重復生產(chǎn)和同質化競爭，努力形成定位明晰、特色鮮明、制度創(chuàng)新、引領發(fā)展的獨具特色的數(shù)據(jù)驅動型智庫。此外，也要注意將智庫數(shù)字化建設成果與實施情況納入評價體系，深化數(shù)據(jù)驅動型智庫綜合評價指標體系研究，致力于實現(xiàn)智庫數(shù)據(jù)驅動轉型工作的質量把控，推動智庫高質量轉型。

3.1.2? ?完善智庫數(shù)據(jù)中心從賦能部門轉變?yōu)闃I(yè)務主體部門的政策供給與相關保障

過往智庫的數(shù)據(jù)中心是支撐賦能輔助部門，是成本中心，但如今已經(jīng)轉變?yōu)閮r值創(chuàng)造部門和內(nèi)容生產(chǎn)部門，成為智庫的利潤中心之一。因此，必須加強智庫行業(yè)的制度保障，促進智庫行業(yè)內(nèi)的知識流動和信息溝通。首先，在政府層面，應加強政策引導，營造良好大數(shù)據(jù)發(fā)展環(huán)境，構建開放、平等、公正、有序的數(shù)據(jù)生態(tài)。加快推進大數(shù)據(jù)立法，完善智庫大數(shù)據(jù)獲取、存儲、管理、交易、共享規(guī)范，逐步建立健全智庫大數(shù)據(jù)風險分級、分類保護等的法律法規(guī)，明確智庫大數(shù)據(jù)挖掘、傳輸、發(fā)布以及二次利用中的權責關系，在確保數(shù)據(jù)安全前提下，健全相關制度，加大對智庫各類數(shù)字產(chǎn)品知識產(chǎn)權的保護力度；其次，在行業(yè)治理層面，聯(lián)合國家標準化管理委員會、行業(yè)協(xié)會、智庫管理部門等多方機構共同籌謀出臺一系列行業(yè)規(guī)范與工作指南，為智庫數(shù)據(jù)驅動轉型提供更為細致的行業(yè)指引。如可以考慮構建一套智庫數(shù)據(jù)標準體系，以元數(shù)據(jù)規(guī)范采集并整合歷史數(shù)據(jù)、業(yè)務數(shù)據(jù)以及與智庫領域相關的其他多源數(shù)據(jù)，嚴格執(zhí)行數(shù)據(jù)質量和數(shù)據(jù)安全管理，確保數(shù)據(jù)準確、來源可靠且可追溯。將智庫大數(shù)據(jù)標準體系總體上分為基礎標準、數(shù)據(jù)標準、技術標準、管理標準等模塊，重點解決數(shù)字內(nèi)容創(chuàng)建、描繪、交匯與組織過程中的標準化問題。同時，智庫行業(yè)要聯(lián)合政府部門、企業(yè)等機構，合理擴展數(shù)據(jù)共享范圍，更多地共享面向研究和決策的信息，努力形成覆蓋面廣、分類開放的信息網(wǎng)絡；最后，數(shù)據(jù)中心建設是智庫數(shù)據(jù)驅動轉型的重要抓手，制定和落實支持智庫數(shù)據(jù)驅動轉型發(fā)展相關財政政策，建立多渠道、多層次、多元化的資金投入體系是數(shù)據(jù)中心建設的關鍵。如中國科學院文獻情報中心致力于建立科技文獻情報的信息大數(shù)據(jù)平臺，不僅能夠為中國科學院的智庫研究提供數(shù)據(jù)型文獻情報服務，部分中文科技文獻數(shù)據(jù)庫已成為知名的數(shù)據(jù)庫產(chǎn)品，在國際上銷售和提供服務，服務于200多家國內(nèi)外高校［24］。

3.2? ? 儲備、沉淀智庫數(shù)據(jù)資產(chǎn)

3.2.1? ?注重通用數(shù)據(jù)庫的利用

智庫研究的綜合性較強，單一學科的數(shù)據(jù)庫難以獨自支撐研究開展，集成各領域的通用數(shù)據(jù)庫能有效解決該問題。通用數(shù)據(jù)庫包括內(nèi)部資源和外部資源兩種類型，如蘭德公司便在官網(wǎng)上開放了其自建的公共數(shù)據(jù)庫，包括統(tǒng)計數(shù)據(jù)庫、調(diào)查數(shù)據(jù)庫、案例庫等，此外，蘭德公司還提供來自頂尖智庫的超過200個社會科學統(tǒng)計數(shù)據(jù)庫的免費或有償訂閱及使用服務；中國工程院作為首批國家高端智庫，也構建了“1+34”的知識服務網(wǎng)絡體系以實現(xiàn)跨領域專業(yè)數(shù)據(jù)融合與信息共享、資源共享、技術共享［25］；江西省科學院江西科技創(chuàng)新戰(zhàn)略研究院先后與中科院科技戰(zhàn)略咨詢研究院、中科院文獻情報中心、中國科學技術發(fā)展戰(zhàn)略研究院等建立合作關系，共享了中科院文獻情報中心的數(shù)據(jù)資源，實現(xiàn)了科技情報資源的共享、專家人員的互動交流和科研項目的協(xié)同攻關。這類外部資源的數(shù)據(jù)庫以其豐富的數(shù)據(jù)資源、龐大的數(shù)據(jù)規(guī)模有力支撐智庫研究，結合其他開源數(shù)據(jù)庫，智庫能利用其實現(xiàn)數(shù)據(jù)、資料的復用，且智庫基于內(nèi)部資源，尤其是已成系統(tǒng)的研究數(shù)據(jù)建立起通用數(shù)據(jù)庫，不僅能夠提高自身研究效率，也可擴大其研究成果的影響力。

3.2.2? ?建立起自身特色化、資產(chǎn)化的數(shù)據(jù)庫

智庫研究是一項知識密集型工作，且智庫所處領域、研究人員的學科范圍和研究方向也決定了智庫研究必然具有自身特色，如蘭德公司各專業(yè)數(shù)據(jù)小組的數(shù)據(jù)分析結果，與其研究方向和需求高度匹配，基于此構建的數(shù)據(jù)庫具有明顯的自身特色［26］。通常而言，智庫專家所擁有的知識資源是有價值的、難以被模仿和替代的資源，能夠為智庫帶來持續(xù)性的競爭優(yōu)勢［27］。專家在日積月累的研究中不斷創(chuàng)新方法完善學術理論體系、深入實踐解決現(xiàn)實問題，對于智庫研究具有“知識嵌入”的作用，其所具備的綜合研判、戰(zhàn)略謀劃、調(diào)研實踐能力依舊是目前人工智能所無法精準替代的。因此，在專家驅動到數(shù)據(jù)驅動的轉型過程中，要及時將專家產(chǎn)出的成果數(shù)據(jù)化、資產(chǎn)化，形成特色專題數(shù)據(jù)庫、專家數(shù)據(jù)庫，最后基于這些沉淀的特色成果、權威的一手數(shù)據(jù)實現(xiàn)智庫縱深化、個性化發(fā)展，這便是專家智慧與數(shù)據(jù)智能共同融匯、共同協(xié)作、共同驅動的展現(xiàn)。

智庫數(shù)據(jù)庫建設形式可依據(jù)智庫要素稟賦進行調(diào)整，選擇自行建立、與其他機構共建或依托其他單位建立。如中山大學粵港澳發(fā)展研究院是港澳治理與粵港澳合作發(fā)展領域的專業(yè)化高端智庫，有充足能力自行建立了包括合作數(shù)據(jù)庫、歷史檔案數(shù)據(jù)庫、社會調(diào)查數(shù)據(jù)庫等多個專題追蹤數(shù)據(jù)庫在內(nèi)的粵港澳研究資源總庫；上海社會科學院和中國國際經(jīng)濟交流中心兩家國家高端智庫合作共建了“絲路信息網(wǎng)絡”數(shù)據(jù)庫，數(shù)據(jù)范圍涵蓋至“一帶一路”沿線65個國家及相關國家和眾多節(jié)點城市，建成動態(tài)數(shù)據(jù)庫和專題數(shù)據(jù)庫兩大系列。

3.3? ? 推動數(shù)據(jù)驅動的智庫業(yè)務模式創(chuàng)新變革

傳統(tǒng)模式下智庫實現(xiàn)咨政建言功能的主要方式是專家內(nèi)參和會議咨詢，而數(shù)據(jù)驅動模式下智庫的業(yè)務模式呈現(xiàn)了流程化趨勢。如中國科學院科技戰(zhàn)略咨詢研究院提出的DIIS理論方法中將智庫研究劃分為凝練問題、分析問題、綜合問題和解決問題四階段［28］，在DIIS理論基礎上提出的智庫研究雙螺旋結構，其中智庫MIPS邏輯層的機理分析層次便側重強調(diào)數(shù)據(jù)在圍繞研究問題進行追根溯源、挖掘規(guī)律、預測趨勢過程中的作用［29］。這種方法本質是數(shù)據(jù)的流程化分析。

數(shù)據(jù)驅動的智庫業(yè)務模式變革重點是圍繞數(shù)據(jù)獲取、挖掘分析、數(shù)據(jù)增值三方面為決策咨詢提供數(shù)據(jù)支持。首先是信息獲取的數(shù)字化。智庫數(shù)據(jù)信息的數(shù)字化旨在通過統(tǒng)一規(guī)劃技術架構和數(shù)據(jù)標準來實現(xiàn)智庫數(shù)據(jù)的積累，同時打破智庫內(nèi)各部門的信息孤島，實現(xiàn)信息共享。《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》對數(shù)字中國建設提出了“推動各類場景數(shù)字化”的需求［30］，智庫決策研究業(yè)務作為一大場景，其數(shù)字化應依托基本信息系統(tǒng)的開發(fā)，包括管理系統(tǒng)、業(yè)務流程系統(tǒng)、成果系統(tǒng)、傳播系統(tǒng)等，對智庫工作進行流程再造，以獲取更多信息數(shù)據(jù)。如江蘇智庫管理數(shù)字化平臺的建成有效連接了對智庫、專家的評估業(yè)務，對智庫內(nèi)部動態(tài)的監(jiān)管工作，對智庫成果、績效、資金自上而下的數(shù)字化管理，將該流程中的信息價值通過數(shù)字化手段最大化；其次是挖掘分析的縱深化。利用自然語言處理、知識圖譜、多模態(tài)識別等方法，對數(shù)據(jù)資源進行深度挖掘分析，既能對智庫研究內(nèi)容予以循證支持，又能有效開發(fā)智庫的信息資源。有限的數(shù)據(jù)資源如果不加以挖掘，則會變成“死數(shù)據(jù)”，面對爆炸式增長的數(shù)據(jù)環(huán)境下的數(shù)據(jù)挖掘需求，這就要求智庫業(yè)務模式不能單純依靠智庫研究人員，必須依托計算機手段，盡量配備專業(yè)的數(shù)據(jù)分析人員；最后是數(shù)據(jù)增值的智能化。數(shù)據(jù)-信息-知識-智慧（DIKW）模型為智庫業(yè)務模式創(chuàng)新指明了路徑，對于時效性較強的熱點類研究和長遠價值較高的預警類研究而言，數(shù)據(jù)增值情報的重要性更為突出。大語言模型等人工智能手段，為使用人員提供適用不同場景的智能化工具與服務，如上海前灘綜研自主研發(fā)的全國首款“一帶一路”研究機器人作為搜索引擎提供“一帶一路”建設相關的知識服務。

3.4? ? 重視智庫數(shù)智“工具箱”的建設與應用

數(shù)據(jù)驅動型智庫決策研究的數(shù)智化離不開“工具箱”的建設與應用。在研究方法方面，智庫研究通常采取案例研究、比較研究、實證分析、政策模擬、評價模型等，智庫數(shù)智“工具箱”主要用于特征提取，分解表示，實現(xiàn)數(shù)據(jù)洞察；在政策模擬時，運用可計算一般均衡模型（CGE）、多智能體模擬（MABS）、系統(tǒng)動力學（SD）等模型，結合數(shù)據(jù)分解、計量建模和深度學習等特征提取方法，使得智庫決策研究不只基于專家經(jīng)驗判斷，也以客觀數(shù)據(jù)為依據(jù)；在研究技術方面，智庫應不斷完善建立自有的信息化計算工具、建模分析方法和數(shù)據(jù)分析算法。如蘭德公司不僅開發(fā)了“MMIC”“PAT”等分析工具，還率先將人工智能應用于蘭德戰(zhàn)略評估系統(tǒng)，取代人工團隊，綜合運用信息技術、建模技術、數(shù)據(jù)技術和架構技術等現(xiàn)代技術，成為美軍最早的一套戰(zhàn)略分析工具；在傳播工具方面，“工具箱”旨在協(xié)助形成專業(yè)化、規(guī)范化的傳播模式。如蘭德公司技術和敘事實驗室（TNL）便著力于應用新興技術來研究政策問題并創(chuàng)建新穎的政策解決方案，并研究新興技術對政策的影響，TNL通過人工智能和機器學習，增強現(xiàn)實、虛擬現(xiàn)實和混合現(xiàn)實，數(shù)字游戲和物聯(lián)網(wǎng)等技術從數(shù)據(jù)捕獲、分析工具和傳播方式三方面來增強向非技術受眾傳播研究成果的效果［31］；在智庫管理方面，主要是通過“工具箱”提升協(xié)同研究能力，包括智庫內(nèi)部開展決策研究工作時的協(xié)同以及與智庫服務對象之間的協(xié)同。如江蘇智庫管理數(shù)字化平臺中，智庫管理部門端的主頁實現(xiàn)了“一屏看”功能，有效促進智庫管理部門、智庫需求部門和智庫三者之間的信息共享、流動、互通，推動智庫協(xié)同工作開展。智庫在提供服務的過程中，智庫智慧的生產(chǎn)方和應用方需就需求開展多次分析，討論篩選出最佳決策提供給客戶，數(shù)據(jù)驅動下的“想法”協(xié)同機制工具可以形成以數(shù)據(jù)融合與關聯(lián)、思想交互及智慧產(chǎn)出為過程的智庫業(yè)務服務協(xié)同模式［32］。

3.5? ? 優(yōu)化數(shù)據(jù)驅動型智庫團隊配置，創(chuàng)新培養(yǎng)模式

第一，智庫應進一步整合信息職能，設立智庫數(shù)據(jù)中心。首先，數(shù)據(jù)中心作為智庫數(shù)據(jù)驅動轉型工作的領導部門，負責工作的總體規(guī)劃、統(tǒng)籌智庫各數(shù)據(jù)庫、平臺系統(tǒng)建設。一是確定智庫數(shù)字驅動轉型工作的指導思想、目標和任務，負責轉型工作中的關系協(xié)調(diào)和重大問題的決定；二是審定智庫數(shù)字驅動轉型工作計劃、建設方案、總體設計、項目實施及建設經(jīng)費申報、使用等情況；三是監(jiān)察智庫數(shù)據(jù)驅動轉型工作進度和數(shù)據(jù)庫的應用效果。其次，智庫數(shù)據(jù)中心也具有信息收集、數(shù)據(jù)組織、技術支持、知識服務等功能，可以和智庫原來的技術研究部門、信息服務部門合并為一體。如英國國防科學技術實驗室（Defense Science and Technology Laboratory，DSTL）下設知識服務部，旗下有波蘭登圖書館、國防研究信息中心等信息中心部門，提供特色資源收藏與管理、網(wǎng)絡信息服務、文獻通報服務、深層次信息服務①，DSTL還在2021年新成立了“未來技術探索部門”，其中的變革性技術小組致力于數(shù)據(jù)科學和分析、數(shù)據(jù)利用、軟件工程和模型開發(fā)、新型模擬訓練等內(nèi)容［33］；日本著名的野村綜合研究所建有自己的信息銀行，專門收集國內(nèi)外各類信息資料以及各地區(qū)、各行業(yè)的宏觀與微觀數(shù)據(jù)信息，為智庫的咨詢研究提供了完備的信息情報支持［34］。

第二，設立專門的級別比較高的信息和數(shù)據(jù)管理崗位，組織、指揮、協(xié)調(diào)智庫的數(shù)據(jù)驅動轉型工作。西方政府和公司已經(jīng)廣泛設立了首席信息官、首席數(shù)據(jù)官、信息主管和傳播總監(jiān)等職位，數(shù)據(jù)驅動型智庫也應根據(jù)現(xiàn)實需求設置類似數(shù)據(jù)治理崗位，主要負責制定和實施智庫整體的信息技術發(fā)展戰(zhàn)略，把控智庫數(shù)據(jù)驅動轉型的建設方向與進程。除了數(shù)據(jù)驅動轉型的規(guī)劃編制、預算編制和政策制定等工作外，智庫首席信息官工作還包括制定和落實智庫信息化、數(shù)據(jù)化和智能化有關的重大項目，處理信息安全方面的威脅與風險等。

第三，打造背景多元、科學優(yōu)質的智庫數(shù)據(jù)團隊，構建多樣化人才培養(yǎng)模式。首先，設立較高標準的人才準入門檻，有意識、有計劃地引進計算機、人工智能、大數(shù)據(jù)等領域的專門人才。數(shù)據(jù)科學屬于硬科學，社會科學背景的人才轉變?yōu)閿?shù)據(jù)專家有一定的難度，如斯坦福大學胡佛研究所的數(shù)據(jù)經(jīng)理崗位要求擁有碩士學位以及2年-3年社會科學研究領域的工作經(jīng)歷，同時必須精通MS Access、STATA、電子表格和大型數(shù)據(jù)集的各類操作?，F(xiàn)有智庫的人才存量往往難以勝任數(shù)據(jù)庫和智能系統(tǒng)的硬科技工作，需要補充數(shù)據(jù)科學的增量人才［35］；其次，應強調(diào)培育智庫本地化（In-house）的數(shù)據(jù)素養(yǎng)和數(shù)據(jù)能力。由于智庫人員自身的系統(tǒng)開發(fā)的數(shù)據(jù)能力水平薄弱，智庫信息系統(tǒng)搭建、數(shù)據(jù)庫建設等很多技術性工作不得不通過外包形式給智庫外的技術公司來完成。這種技術外包做法不僅受制于人，而且及時響應性不足，無法適應超智能社會瞬息萬變的現(xiàn)實情況［36］。美國戰(zhàn)略與國際研究中心（CSIS）建立的“iDeas 實驗室”是擁有網(wǎng)絡開發(fā)人員、設計師、動畫制作人員、音視頻制作人員的智庫數(shù)據(jù)與媒體中心，該實驗室具有26名全職職員，這支團隊便是一個獨立的內(nèi)容生產(chǎn)部門，他們制作出音視頻、播客、網(wǎng)站、數(shù)字化報告等可視化產(chǎn)品來吸引受眾，傳達政策解決方案［37］，推動智庫思想傳播，具有非常強勁的數(shù)字運營宣傳能力。CSIS這種致力于智庫本地化數(shù)據(jù)人才團隊構建模式是值得借鑒的。

4? ?結語

中國特色新型智庫建設模式應突破傳統(tǒng)、突破邊界，從專家驅動為主向數(shù)據(jù)驅動轉型。智庫的數(shù)據(jù)驅動轉型本質上是數(shù)據(jù)文化、數(shù)據(jù)思維、數(shù)據(jù)環(huán)境、數(shù)據(jù)資源、數(shù)據(jù)工具的一個整體生態(tài)建設，它的要素包括戰(zhàn)略、資源、流程、工具、團隊。智庫的數(shù)據(jù)驅動轉型是一項復雜的工程，其過程受到政治、經(jīng)濟、科技等各種社會因素的影響，也牽涉到多方社會機構。因此，智庫數(shù)據(jù)驅動轉型工作更要加強統(tǒng)籌協(xié)調(diào)，強化國家在智庫數(shù)字治理中的主導地位，積極引導多元主體融入智庫大數(shù)據(jù)協(xié)同創(chuàng)新工作，從思想理念、戰(zhàn)略規(guī)劃到數(shù)據(jù)能力底座建設，再到人才團隊搭建、業(yè)務模式重構和數(shù)智工具打造實現(xiàn)全要素、全方位轉變，加快打造共建共享、協(xié)同演化的數(shù)字生態(tài)，增強智庫情報服務能力，使智庫保持旺盛的思想活力。同時，要認識到，現(xiàn)代智庫是專家驅動和數(shù)據(jù)驅動的融合，沒有專家就沒有智，沒有數(shù)據(jù)就沒有庫，新型智庫就是二者的融合。不能因為強調(diào)數(shù)據(jù)驅動就否定專家驅動的價值，數(shù)據(jù)驅動仍然離不開專家智慧，循證政策研究的基礎是數(shù)據(jù)，關鍵是專家智慧。未來仍需進一步探討完善專家智慧與數(shù)據(jù)驅動結合的方法與細節(jié)，打造完美融合智與庫的現(xiàn)代智庫。

參考文獻：

［1］? 中國社會科學網(wǎng).信息政治學：理解數(shù)字時代國家治理的新視角［EB/OL］.［2023-09-15］.HTTPS：//THEORY.GMW.CN/2021-12/25/CONTENT_35406006.HTM.

［2］? 侯忠生，許建新.數(shù)據(jù)驅動控制理論及方法的回顧和展望［J］.自動化學報，2009，35（6）：650-667.

［3］? Pentland A S.The Data-Driven Society［J］.Scientific American，2013，309（4）：78-83.

［4］? 蔡蓉英，張志華.基于大數(shù)據(jù)驅動的智庫研究模式構建研究［J］.圖書情報導刊，2020，5（9）：22-27.

［5］? 歐陽劍，周裕浩.數(shù)據(jù)驅動型智庫研究理念及建設路徑［J］.智庫理論與實踐，2021，6（3）：20-27，36.

［6］? 周利敏，鐘海欣.社會5.0、超智能社會及未來圖景［J］.社會科學研究，2019，（6）：1-9.

［7］? 李國強.對當前中國智庫建設若干問題的認識［J］.智庫理論與實踐，2016，1（4）：32-38，92.

［8］? 樊麗明.“新文科”：時代需求與建設重點［J］.中國大學教學，2020，357（5）：4-8.

［9］? 習近平.在哲學社會科學工作座談會上的講話［N］.人民日報，2016-05-19（2）.

［10］? 王震宇，薛妍燕，鄧理.跨越邊界的思考：新文科視角下的社會科學實驗室探索［J］.中國高教研究，2020，（12）：61-68.

［11］? 中國網(wǎng).教育部啟動實施“六卓越一拔尖”計劃2.0［EB/OL］.［2023-09-06］.HTTP：//WWW.MOE.GOV.CN/JYB_XWFB/XW_ZT/MOE_357/JYZT_2019N/2019_ZT4/TJX/MTJJ/201904/T20190430_380243.HTML.

［12］? Goodman S N，F(xiàn)anelli D，Ioannidis J P A.What does research reproducibility mean？［J］.Science Translational Medicine，2016，8（341）：12.

［13］? Baker M.1，500 scientists lift the lid on reproducibility［J］.Nature，2016，533（7604）：452-454.

［14］? 王俊美.多維度推動社會科學的開放實踐［N］.中國社會科學報，2022-01-19（2）.

［15］? 董文軒，晏裕生，孫孟陽，等.數(shù)據(jù)驅動的國外防務智庫建設實踐［J］.智庫理論與實踐，2020，5（2）：58-62，76.

［16］? Leavitt H J.Applied organizational change in industry：Structural，technological and humanistic approaches［M］.Chicago： Rand McNally & Company，1965：1144-1170.

［17］? Nerur S，Mahapatra R K，Mangalaraj G.Challenges of migrating to agile methodologies［J］.Communications of the ACM，2005，48（5）：72-78.

［18］? Vidgen R，Shaw S，Grant D B.Management challenges in creating value from business analytics［J］.European Journal of Operational Research，2017，21（2）：626-639.

［19］? Hupperz M J，Gür I，Müller F，et al.What is a data-driven organization？［A］.Montreal：AMCIS 2021 Proceedings［C］.2021.

［20］? Sethia N，Von Glinow M A.Arriving at four cultures by managing the reward system［J］.Gaining control of the corporate culture，1985：400-420.

［21］? 李紅光，王磊，李穎.數(shù)據(jù)資產(chǎn)化視角下企業(yè)增信機制研究——基于深圳的實踐探索［J］.價格理論與實踐，2023，（4）：33-37.

［22］? The National Library of Medicine.Synopsis of A Platform for Biomedical Discovery and Data-Powered Health Strategic Plan 2017-2027［EB/OL］.［2023-09-15］.https：//www.nlm.nih.gov/pubs/plan/lrp17/NLM_StrategicReport_Synopsis_FINAL.pdf..

［22］? 趙棟祥.《美國國家醫(yī)學圖書館戰(zhàn)略規(guī)劃：2017-2027》的解讀與啟示［J］.圖書情報工作，2019，63（5）：138-146.

［24］? 劉細文.中國科學院文獻情報中心“十四五”發(fā)展思考——基于數(shù)據(jù)、信息、知識與情報的規(guī)劃框架設計［J］.數(shù)字圖書館論壇，2021（5）：12-16.

［25］? 呂嵐，傅志杰，安達.淺談國家高端智庫數(shù)據(jù)建設與管理能力［J］.中國電子科學研究院學報，2021，16（2）：192-196.

［26］? 勇美菁，鐘永恒，劉佳，等.支撐蘭德公司的智庫數(shù)據(jù)體系建設研究［J］.情報理論與實踐，2019，42（9）：69-75.

［27］? 王娜，李輝，張玲.知識嵌入視角下智庫專家評價框架的構建［J］.智庫理論與實踐，2022，7（1）：3-12.

［28］? 潘教峰，楊國梁，劉慧暉.智庫DIIS理論方法［A］.中國優(yōu)選法統(tǒng)籌法與經(jīng)濟數(shù)學研究會.第十九屆中國管理科學學術年會論文集［C］.北京：中國管理科學編輯部，2017：10-23.

［29］? 潘教峰.智庫研究的雙螺旋結構［J］.中國科學院院刊，2020，35（7）：907-916.

［30］? 新華網(wǎng).中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要［EB/OL］.［2023-09-20］.http：//www.xinhuanet.com/2021-03/13/c_1127205564.htm.

［31］? Technology and Narrative Lab | Pardee RAND Graduate School［EB/OL］.［2023-09-18］.https：//www.pardeerand.edu/research/tech-and-narrative-lab.html.

［32］? 白陽，張心怡.匯聚想法：數(shù)據(jù)驅動下的智庫協(xié)同創(chuàng)新服務模式研究［J］.情報科學，2018，36（7）：23-29.

［33］? Defence Science and Technology Laboratory.Exploration Division［EB/OL］.［2023-09-15］.https：//www.gov.uk/government/publications/dstls-divisions/exploration-division.

［34］? 王世偉.試析情報工作在智庫中的前端作用——以上海社會科學院信息研究所為例［J］.情報資料工作，2011（2）：92-96.

［35］? 李剛.推動智庫建設健康發(fā)展研究［M］.北京：經(jīng)濟科學出版社，2022：514.

［36］? 李剛.論新型智庫及其核心能力建設［J］.決策與信息，2023（5）：38-43.

［37］? CSIS.Dracopoulos iDeas Lab［EB/OL］.［2023-09-15］.https：//www.csis.org/dracopoulos-ideas-lab.

作者簡介：李剛，男，南京大學信息管理學院教授，研究方向：智庫評價理論與方法、智庫信息系統(tǒng)與知識管理、社會科學評價理論與方法、圖書館與檔案學理論基礎；陳霏，女，南京大學信息管理學院博士研究生，研究方向：智庫理論與實務、檔案學基礎理論；蘇丹淳，女，南京大學信息管理學院碩士研究生，研究方向：智庫研究與智庫評價；朱雍，男，南京大學信息管理學院碩士研究生，研究方向：智庫理論與實務。