智慧城市网

　　【安防展览网 视点跟踪】在智慧城市建设中，没有智慧化系统只有智能化系统，*的智能系统出现，一个个具体问题被智能创新所攻克，所涌现的繁荣就是智慧城市。智慧城市成功重要的是每项目标都有明确边界，有限制才有成功。
 

　　一、从信息化烦恼谈起
 

　　1.智慧城市的三大难题
 

　　智慧城市建设有三大难题挥之不去，即"数据共享"、"大数据决策"和"城市大脑"。三大难题并非来自执行不力，而是项目承担人承诺了不可能完成之目标，随着项目交付期临近，三大难题距离解决反而越来越远。
 

　　2.不合理与复杂性
 

　　信息化的难题有两类，一类是能够解决但是非常复杂，需要付出很大的代价，项目是否值得做需用经济学来判断；另一类是理论上就不合理，目标错了自然无法解决，智慧城市首先要排除理论错误的目标，然后再依据实际的需求与各方面资源提供的可能性，确定任务的合理边界，做到适可而止。
 

　　3.经济学的天花板
 

　　信息化属于应用科学，应用科学追求的是应用效益，影响效益的因素很多，多种因素相互影响形成了效益的不确定性，不是线性推理能够预计的，例如，数据丰富有利于决策，但是数据收集会增加成本，成本持续增加会出现拐点，使成本大于决策改进的价值，再做下去会弊大于利。信息化在增加效益的同时也在增加成本，效益增加越来越细微，成本增加却如脱缰野马没有限制，信息化项目需见好就收，否则会得不偿失，这是经济学的天花板，智慧城市建设者需高度重视。
 

　　4.没有边界就没有成功
 

　　智慧城市建设大的问题是没有边界的目标，列宁说："真理多走一步就会变成谬误"，没有边界的信息化目标很难不越界变成谬误。
 

　　科学界判断一种理论属于真科学还是伪科学是看该理论能不能证伪，不能证伪的理论就是骗人的异端邪说，在信息化项目中判断是真技术还是假技术要看其能否讲清楚所交付系统的边界，没有边界的技术是不可信的，不要指望讲不清项目能力边界的人能够胜任项目，科学合理的边界会排除诸多信息化烦恼。
 

　　二、老大难的数据共享
 

　　1.数据共享迷信促成老大难
 

　　数据共享是资格久的老大难问题，该问题来自数据共享无边界，政府数据共享做到何种程度算完成？不错，数据共享在某些场合是有价值的，但是在更多的场合并没有太多价值，不值得政府大做，数据要不要共享是供需双方协商之事，用行政手段推动全面的数据共享违反了经济规律，所以老大难问题越来越难。
 

　　数据共享迷信始于信息化早期计算机数据匮乏时代，数据共享成为推广数据库应用的口号，而在互联网时代数据爆炸与网上搜索的便利已使数据大贬值，数据共享困难已被谷歌、百度、微信、face book 等公司极大缓解，在政府数据开放大潮中，继续建立政府内部数据共享系统没有太大意义。
 

　　2.操作与决策数据用法不同
 

　　推动政府内部数据共享往往并不区分政府使用数据的两种不同模式，即决策使用数据与操作使用数据，两种用法的效益成本大不相同。
 

　　决策使用数据：政府决策使用数据只是为了从数据中获取信息，政府是用信息决策，决策者获取信息的渠道很多，政府内部数据共享系统仅仅是渠道之一，决策对之并无依赖性。
 

　　操作使用数据：政府对社会公共服务的业务本质上是政府业务数据的数据处理，这种业务是规范的，流程化的，使用的政府数据是不可替代的，需要跨部门的数据合作涉及的部门与数据项并不多，可以通过相关部门之间建立数据整合的专用系统来解决。
 

　　政府使用数据的两种模式皆不依赖建立政府内部全面的数据共享系统。
 

　　3.数据整合的目标是提高操作效率
 

　　政府有关部门正在积极推动政府数据整合，数据整合的主要效果体现在政府公共服务的效率提高上，如"一号一窗一网"与"只跑一次"都是政府基层公共服务的改进，公众的获得感得到很大提升，其根本原因是公共服务业务是确定性的，可以用信息技术准确地替代，能够充分发挥信息技术的优势。
 

　　政府数据整合对政府决策帮助却不大，因为决策主要靠人脑完成，数据挖掘只能帮助工作人员重组数据以便发现信息，计算机没有信息概念更不具有决策能力，政府官员信息渠道太多，政府数据整合共享系统已被淹没于诸多信息渠道之中，将数据整合定位在改进政府操作而非改进决策是明智的。
 

　　4.做得少才能做得好
 

　　两千年前老子就说过"多则惑，少则得"这个道理用在数据共享上正合适，这些年政府对建立全面的数据共享系统投资很多，真正频繁使用跨部门数据的业务与涉及的有关单位并不多，如果放弃全面的数据共享，集中资源于公共服务频繁使用的跨部门数据整合，必将取得更有效的成果，数据共享老大难问题也会随之迎刃而解。
 

　　三、大数据中心的烦恼
 

　　1.所有数据都被归入大数据
 

　　大数据概念的混乱是烦恼产生的重要原因，大数据一窝蜂破坏了信息化概念的严谨性，为赶上大数据潮流，许多地方匆忙建立了大数据局，管理全部政府数据，于是大数据与传统数据概念的差别就被模糊了，大数据中心只想着数据多多益善，没有精力去研究数据应用，忘记了用好小数据才是地方信息机构的首要职责，其结果是大数据应用非但没有推动城市工作改进却成为新的浪费之源。
 

　　2.大数据的片面性
 

　　专家们设想大数据能够有力推动政府决策科学化，令人失望的是《大数据支持政府决策案例集》至今也编不出来，大数据应用成功的案例都在微观领域，特别是人工智能机器学习，对政府有宏观决策有帮助的案例实在罕见。
 

　　数据量巨大并不等于信息全面，其实正相反，数据量的膨胀是以牺牲信息覆盖的全面性为代价的，只有集中在狭窄领域中才能由机器自动产生超大规模的数据量，这意味着大数据适合狭窄领域的业务改进而不适合政府宏观决策，很多影响决策的重要信息无法数字化，突出某种大数据资源会影响政府信息把握的全面与均衡，反而不利于政府正确决策。
 

　　3.可视化大数据共享平台
 

　　某些大数据中心想利用大数据共享平台来拉动大数据应，但企业不愿意提供原始数据，企业数据有信息安全与隐私保护问题，此外企业利用大数据的难度也很大，大数据处理成本太高，碰到合适数据的概率太低，大数据共享平台经营难有可持续性。
 

　　利用可视化技术可以缓解供需双方的困难，不需要向企业索要原始数据而是向企业征集可视化产品，产品征集可以利用政府采购、企业赞助等方式，可视化产品征集避开了数据安全与隐私保护问题，并给企业展示大数据能力的机会；从用户视角看，此举将大数据共享平台改造为可视化数据的演示平台，用户可以阅览与订购可视化数据，可视化产品利用的门槛大幅降低，应用的繁荣可待。
 

　　4.大数据中心的出路是小数据
 

　　大数据中心的烦恼主要来自对大数据应用的盲目追随，混淆了大数据与常规数据的概念，本是小数据业务硬要贴上大数据的标签，自己搞乱了自己。实际上大数据应用对多数城市是超前的，目前好的做法是放下大数据，从本地区实际情况出发，以需求为导向管理好常规数据。当前多数城市面对的实际问题是提高政府公共服务的效率，关键是做好政府业务数据的有效整合，这属于小数据业务，大数据中心只要集中精力把与公共服务相关的业务数据整合好，就能够提高政府对外服务的效率，*一项成果就足以支撑大数据中心的生存。
 

　　四、城市大脑向何处去
 

　　1.城市大脑只能解决小脑型问题
 

　　对城市大脑的过度渲染，使社会各界对城市大脑形成了过高期望，导致城市大脑成为永远达不到的目标，沦为又一个老大难问题。人们期望城市大脑能思考、能预测、能创新，然而看到的城市大脑却完全不具备这类功能，只能按照人们设计的方式执行、执行、再执行，重复地执行城市"小脑型"任务，苦苦期待的城市大脑不过是个城市小脑，失望感油然而生。假设没有使用城市大脑这一名称，或者给城市大脑以实事求是的合理定位，这种不满本不会出现。
 

　　2.没有复用就没有效益
 

　　城市大脑重要的问题是可持续生存，这是一个经济学问题，既要有贡献又要低成本。信息技术效益来源是软件的复用，软件是人类处理事务智慧的形式化，其开发成本很高但复用成本却很低，多次复用才能回收成本创造效益。城市大脑适合的工作不是攻克难题而是承担政府例行性的工作，例行性工作重复率高便于回收成本，城市大脑承担例行性任务可以为人节约宝贵时间去做更有创造性的工作。在相当长的时间里城市大脑的决策能力比不过人脑，让它在自己的优势领域发挥作用是合理的选择。
 

　　3.不确定性世界没有完整的数据
 

　　城市大脑设计者提出"只要数据齐全，城市大脑就能够预测一切事件、解决一切问题"，这是设计者给自己留的退路，一旦城市大脑表现不佳就可以把责任推到数据不足上去，这样做并不合理，在不确定性世界中数据齐全是不可能的，决策需要的数据永远是不足的，政府决策都是在信息不足时完成的，数据收齐只是一种奢望，问题产生的速度会胜过传感网建立的速度，数据收集对新业务需求永远是滞后的。
 

　　4.城市大脑的经济学边界
 

　　城市大脑需要数据，但随着问题复杂性上升，数据收集的成本会无限增长，以至于超过解决问题的价值，城市大脑以人机合作系统能够解决一些未来的新问题，但是其解决新问题的成本很高，城市大脑并没有足够的专业人才应对不断创新的新需求，的办法是给城市大脑的功能划定明确边界，多做重复性、例行性的工作，使其功能与城市的人财物资源相匹配，恰当的边界既能发挥城市大脑的作用又能防止浪费。
 

　　5.例行性业务助城市大脑成功
 

　　确定性技术的基因决定了城市大脑的优势与劣势，扬长避短是城市大脑业务应遵守的原则，城市大脑不能好大喜功，项目建设开始时就要讲清楚能做什么不能做什么，能将若干例行性的业务稳定地做好就是很大功劳，城市大脑不要奢望成为能替代人解决复杂问题的智者，而要甘愿做承接规范化业务的苦力，让人节省时间与精力去做城市大脑不能胜任的事情。将城市大脑定位放低，做力所能及的事情可以规避后来的许多麻烦。
 

　　五、以智慧驾驭聪明
 

　　1.聪明只会开始，智慧懂得结束
 

　　在智慧城市建设中，搞清楚聪明与智慧的区别是必要的，聪明是解决具体问题的能力，追求的是短期效率，智慧追求的是长远发展的终目标。
 

　　智慧与聪明并不在同一个层次上，智慧包含着对聪明的反省，所以智慧是聪明之上的聪明，而聪明缺乏自我反省的能力，容易将一时成功的经验线性拓展，以至于忽略环境的变化将真理演绎成谬误。
 

　　智慧是更高层次的思维，能看出聪明的条件与边界，在环境改变时能够终止以前的聪明并及时更换新的聪明，思维自我反省的习惯塑造了智慧。智慧城市建设是长远的事业，结果好才是真正的好，聪明只会开始，要靠智慧结束。
 

　　2.没有妄言便没有烦恼
 

　　智慧城市建设本是一项踏踏实实的信息化工作，如果没有专家与媒体的过度渲染，人们也不会为"数据共享"、"大数据决策"、"城市大脑"产生不切实际的幻想，无法实现的期望加上急于求成的心理硬把本来可解的问题催成老大难。智慧城市建设需要去除一切妄言，承认一切智能化方案都有其局限性，都有其能力的边界，一届政府不能好大喜功什么都想做，为下届政府留下可持续的具体成果就是很大的功绩。
 

　　3.智慧城市是智能化应用的繁荣
 

　　智慧城市并不是可执行层次上的概念，与信息化工程、智能化系统不在一个层次上，它是一个在涌现层次上的概念，代表着城市智能化建设的整体繁荣，繁荣是不可操作的，能够操作的只是一项一项具体的智能化工程。智慧城市是用信息技术解决一个又一个具体问题的总体效果。
 

　　在智慧城市建设中，没有智慧化系统只有智能化系统，*的智能系统出现，一个个具体问题被智能创新所攻克，所涌现的繁荣就是智慧城市，智慧的灵魂体现在诸多信息化工程的合理设计、精心施工与认真服务之中。
 

　　4.顶层设计要为智慧城市设计边界
 

　　智慧城市成功重要的是每项目标都有明确边界，有限制才有成功。顶层设计重要任务是为每项具体工程设立边界，切忌不切实际的虚幻目标，宁可把指标定得低一点也不能过高，为说过的大话买单是极其痛苦的。在时间进度上要留有充分余地，因为业务的磨合、维护修改所需要的时间往往会远超预期，留有余地看起来比较保守，然而却是成功*的措施，智慧城市建设拖期是常态，实际一些总是好的。