基于社會訴求大數據的公共服務需求管理模型研究*

沙勇忠 蘇有麗

（1.蘭州大學管理學院 甘肅蘭州 730000）

公共服務關乎民生，連接民心，提供高質量公共服務，滿足公共服務需求，增加民眾獲得感，是國家治理能力現代化的內在要求。新時代背景下，一方面公共服務需求呈現多層次、高級化和差異性的演進特點［1-2］，另一方面公共服務供給始終面臨“供給過?！薄肮┙o真空”“前瞻不足”等現實困境［3］。如何適應快速變化的民眾需求，及時回應、高質量滿足公共服務需求，成為社會治理創新和公共服務供給面臨的重要問題。

隨著數字技術迅猛發展，公眾的需求表達途徑不斷豐富和便捷化。公眾能夠通過12345 政務熱線、“留言板”型網絡問政平臺以及各級領導電子信箱等多種數字平臺即時向政府表達自身訴求和期望，由此產生了巨量、廣泛的公眾訴求表達數據。據2022年政務熱線發展報告統計，僅2022 年上半年，北京12345 政務熱線就受理群眾和企業來電高達2252.7萬件［4］。不斷涌現的海量訴求使得政府應對和精準把握公眾需求面臨前所未有的挑戰。大數據治理新興思維和強大的數據挖掘能力為破解這一問題提供了新思路。這些海量的社會訴求大數據具有細粒度、高頻度、強感知性、高時效性和開放性［5］等特征，它們不僅在個體層面上能夠直接反映個性化需求［6］，還能夠通過大數據的分析、預測、判斷能力，精準定位“需求主體是誰”“需求內容是什么”［7］。 那么如何有效挖掘社會訴求大數據實現公共服務需求管理，就成為亟待解決的問題。本文構建基于社會訴求大數據的公共服務需求管理模型，重點探析其中應該分析哪些需求要素、如何分析以及如何決策等問題，并以人民網地方領導留言板北京市全年的數據為例進行實證分析，驗證所構建模型的合理性和可行性。

1 相關研究

社會訴求數據是公民與政府進行咨詢、投訴、建議等溝通時產生的行為或痕跡數據，已成為獲取公眾訴求和發現社會熱點問題的重要源泉［8］。不少學者發現了社會訴求大數據在公共領域的應用價值，如在 超 大 城 市 治 理 創 新［6］、政 府 治 理 決 策［9］、應 急 決 策效率提升［10］等方面可以發揮重要作用，并從技術角度對政務微博評論數據［11］、政民互動訴求件［12］、政府領導電子信箱［9］、地方留言板數據［13］，通過運用關聯規則、共詞聚類、主題挖掘、情感分析等大數據技術進行挖掘，發現公眾觀點、訴求熱點差異、城市主要公共問題的時間特征和空間分布等，推動精細化治理。上述社會訴求大數據在公共管理領域的應用研究為本文的研究提供了基礎和參考。

國內不少研究將公共服務需求的表達、識別、分析作為單獨的對象進行闡述和分析［14-15］，而公共服務需求管理“本身是一個閉環的小系統”，包括需求采集、需求分析、需求轉化等多個環節［16］。關于公共服務需求管理過程的論述，較有影響力的是復旦大學的陳水生教授對管理全過程的詳細闡述，認為“公共服務需求管理是在公共服務過程中公共服務管理方對民眾需求偏好和需求信息的調查、分析、整合、傳遞和轉化的全過程。 ”［17］近年來，學界開始關注將數字技術嵌入公共服務需求管理，以達到精準化管理的目的。 現有研究將大數據背景下的公共服務需求管理過程分為精準感知、精準聚類、精準測量、精準滿足和精準監測等環節，認為這個過程具有需求實時洞察、系統集成聯動、公共價值導向等特征［18］，也有學者認為其過程包含需求感知機制、需求挖掘機制、需求辨別機制、需求供給機制以及需求評估機制［19］。盡管學界對公共服務需求管理過程構成環節進行了初步探析，但多為描述性討論，尚未構建起基于大數據的公共服務需求管理一般性理論模型，對于社會訴求大數據在公共服務需求管理全過程中的應用研究也尚未涉及。因而，本文基于DIKW 模型，從數據流轉視角構建基于社會訴求大數據的公共服務需求管理一般性理論模型，重點分析管理過程關鍵要素和環節，以促進公共服務需求管理向精準化、科學化和縱深化發展。

2 基于社會訴求大數據的公共服務需求管理模型構建

“數據-信息-知識-智慧”模型（Data-Information-Knowledge-Wisdom，DIKW）由Ackoff 于1989年提出［20］，用以描述數據驅動決策的過程（見圖1）。該過程先后經歷收集原始素材，對數據進行處理與解釋，使數據之間建立聯系形成信息，經過關聯分析轉化為知識等環節，最終形成可理解的能夠為決策提供參考的智慧?；谏鐣V求大數據的公共服務需求管理，從大數據中挖掘數據價值，體現了數據驅動決策的思想，同樣涉及從數據到智慧的流轉過程。本文遵循DIKW 模型“數據→信息→知識→智慧”邏輯，將大數據背景下的公共服務需求管理一般過程分為需求識別、需求分析、需求決策等三個階段，構建基于社會訴求大數據的公共服務需求管理模型（見圖2）。

圖1 DIKW 模型

圖2 基于社會訴求大數據的公共服務需求管理模型

（1）需求識別。原始數據是孤立、分散的，只有經過加工處理，提取其中的“Who”“When”“Where”“What”等特征生成結構化的描述，才會形成知識［21］。 需求識別運用大數據技術提煉訴求數據中的需求特征信息，其流程首先是通過算法模型自動采集需求原始數據，隨后對原始數據進行預處理，再通過特征模型庫進一步分類、篩查、辨析和評估，最后剔除不完整、不真實信息后，判別公共服務需求的特征和分類（見圖3），其目標是從每一條原始數據提煉出結構化的單個需求。需求識別的數據源來自于網絡空間和社會空間，既包括政府網站留言板、政民互動平臺、政務平臺、在線調查問卷、領導信箱以及社交媒體等各類在線訴求數據，也包括社會調查報告、座談會等社會空間數據。對需求的結構化描述基于對需求結構特征的表述和觀察，通過分析海量訴求數據的組織結構，將需求構成抽象為需求內容、主體、空間、時間、類別、情感等要素，為下一步需求多維分析奠定基礎。

圖3 需求識別模型

（2）需求分析。辨識出的海量個體需求，還不能從總體上把握公共服務需求，而這正是需求分析要解決的問題。傳統需求分析基于訪談、調研、問卷等數據，利用扎根理論、主成分分析法等進行，具有較為成熟的體系，但存在周期長、主觀性較強等問題［19］，借助于數據挖掘、機器學習、數據可視化等大數據分析方法，需求分析主要對辨識出的海量個體需求進行聚合分析和需求預測。聚合分析分別對需求的內容、主體、空間、時間、類別、情感等結構要素進行統合，將海量無規律的公眾訴求轉化為直觀、動態的公共服務需求要素圖表報告，實現主體精準畫像、地域精準定位、訴求精準分類，準確、全面把握熱點公共服務需求（見圖4）。同時，還可以通過對主體特征的分析比較、聚類、分類處理，關注數據的相關性，發現以前不曾注意的聯系，掌握以前很難理解的復雜系統［22］，為公共服務需求預測提供條件。如專家發現，符合一定特征的“網絡搜索行為”與感染“流行病”之間存在一定聯系，通過監測統計區域內的“網絡搜索行為”，就有可能了解該區域內“流行病”的實際狀態［23］。

圖4 需求分析模型

（3）需求決策。對各類公共服務需求的總體把握，最終旨在實現智慧決策。公共服務需求決策是為獲取最優的公共服務需求滿足方案而實施的行動過程，該過程可分為需求清單確定、需求綜合評估、決策建議輸出等環節（見圖5）。需求清單確定首先依據需求分析結果對公共服務需求的強度和緊迫性進行排序，初步確定需求內容。需求綜合評估一方面將需求清單與當前公共資源配置、人口分布等數據進行交叉驗證，如針對公交站設置的需求，可通過擬設置公交站點附近的人口分布、學校、醫院資源、交通流量等進行大數據分析，精準驗證公眾訴求；另一方面綜合政府的供給能力、整體規劃以及均衡性等因素，評估需求供給的可行性。 決策建議環節可通過人工智能的仿真能力，模擬需求決策執行后的效果和公眾的滿意度，同時還可利用大數據技術對初步決策方案進行精準投放，“以決策之事問決策之眾”，實時洞察社會各方對初步決策方案的意見和建議，快速準確地傳送給需求決策者，形成完整的反饋回路，并通過不斷動態調適形成最優需求決策方案。

圖5 需求決策模型

3 實證分析

3.1 數據來源

實證數據來源于人民網“領導留言板”（http://liuyan.people.com.cn/home），選擇該平臺的原因有三：一是該平臺是人民日報專門向中央部委和地方各級黨委政府主要領導搭建的官民互動平臺，覆蓋范圍廣，公信力高，已在紓解社會矛盾、完善社會治理、凝聚社會共識等方面發揮了重要作用，被譽為“廣大網民溝通領導、傳遞民意的首選渠道”［24］；二是從該平臺公眾發帖數據看，訴求內容主要反映了公眾對城建、交通、教育、醫療等領域的投訴、建議和咨詢，與公共服務需求主題契合；三是該平臺公眾參與度高、數據豐富且公開可獲得。

3.2 分析過程

3.2.1 需求識別

因人民網“領導留言板”僅公開近一年的數據，本文在個人PC 上通過Python 語言編寫爬蟲程序，運用Selenium 技術模擬瀏覽器，采集了2022 年1 月至2023 年2 月間用戶活躍度最高的北京市的所有留言，共計27616 條。采集數據存在重復留言、字段缺失、無效留言等問題，通過數據預處理操作，得到有效留言27275 條。人民網“領導留言板”將公眾留言分為城建、交通、教育、醫療、政務、治安、企業、環保、就業、文娛、體育、旅游、金融、三農等14 個領域類別，在采集用戶留言標題、留言內容、留言時間、訴求對象、留言所屬領域等結構化數據的基礎上，通過算法自動識別訴求對象和留言內容包含的地域特征詞，提取訴求主體所屬的地理區域，形成了結構要素完整的公共服務需求數據集（見圖6）。

3.2.2 需求分析

（1）需求主體分析。傳統需求調查通過問卷、訪談等途徑得到需求主體的年齡、性別、學歷等特征值，大數據背景下，可以利用用戶在網絡平臺留存的注冊信息得到需求主體信息，如人民網領導留言板用戶須通過手機號注冊方可留言，各地的政府網“政民互動”系統也鼓勵實名制注冊。采集的北京市留言板數據中，經過文本特征分析，9691 條留言直接表明了主體身份（見表1），其中訴求主體占比最多的為城鎮居民和農村居民，分別為52.48%和37.53%，在表明職業身份的人群中，企業職工/白領的訴求量明顯超過其他群體，他們也更愿意通過網絡平臺主動表達自身的公共需求。

表1 需求主體身份特征分布

此外，部分留言中隱含了特殊群體的身份信息，如留言“本人父親是一名肢體二級殘疾人員，同時也是一名復轉軍人……”“2022 年4 月14 日上午，帶視力殘疾的母親打算進入某景區被攔下， 出示背面紅色的殘疾證，只允許我母親一人通過……”等。 通過構建特殊群體的典型特征庫（如殘疾、肢體、產婦、高齡、行動不便等），采用文本特征匹配方法，可以有效發現特殊群體的公共需求。本文構建了殘疾人群體特征詞庫，通過特征詞匹配算法，對原始文本庫進行特征匹配，識別殘疾人群體的公共需求，共匹配到留言88 條，并進行詞云分析（見圖7），結果顯示殘疾人的公共服務需求主要聚焦于小區配套設施、交通出行等方面。

圖7 殘疾人群體訴求的詞云分析

（2）需求內容分析。以北京市城建領域數據為例，使用結巴分詞組件（jieba）對文檔進行分詞與去除停用詞預處理，然后利用TF-IDF 模型進行關鍵詞抽取，轉換成數值型詞向量特征，最后使用經典的LDA 主題模型進行熱點分析。 利用LDA 模型困惑度和一致性參數確定最優主題數為12，提取各主題的主題詞，將每個主題內主題詞的生成概率降序排列，得到挖掘結果（見表2）。通過對主題詞的歸納，形成了“小區安全隱患管理”“老舊小區改造”“小區周邊配套建設”等12 個熱點需求主題。

從表中可以看出，北京市城建領域需求熱點聚焦于小區管理、房產證辦理、老舊小區改造等方面。在用pyLDAvis 技術繪制的LDA 主題模型可視化圖譜（見圖8）中，每一個氣泡代表一個主題，氣泡越大，代表主題出現的頻率越高，主題相互之間的位置遠近，表示主題之間的接近性，氣泡有重疊說明話題里的特征詞有交叉［25］?？梢钥闯?，通過大數據分析技術能夠從文本數據中識別出一定區域內的公眾熱點需求，并直觀呈現區域內公共服務需求全貌。

圖8 北京市城建領域公眾訴求LDA 主題可視化圖譜

（3）需求時空特征分析。分析公眾訴求表達的時間和空間特性非常重要，通過時間分析可以發現公眾需求隨時間推移的演化趨勢，通過空間分析，可以發現不同地域的公共服務需求差異。從公共服務需求表達的時間特征來看，北京市上半年訴求量要高于下半年，自3 月起訴求量開始上升，4 月-7 月延續了3 月的高訴求量，8 月-10 月訴求量逐漸降低，11月訴求量有所提升（見圖9）。由此印證了“兩會”的召開激發了網絡空間公民訴求的表達，而黨政機構的年終考核也為公民訴求表達提供了機會窗口［24］這一觀點?？梢?，在中國情境下，民眾的總體訴求狀況與中國的政治活動周期密切相關。

圖9 公眾訴求量時間分布

公眾訴求的空間特征可以從兩方面測量：一方面，訴求文本包含了地理特征詞，如留言“尊敬的市委書記：您好！大紅門拆遷十多年，2021 年安置的，2022 年初發的鑰匙入住并且是全款買房，位置在豐臺區金通陽光苑26 號院2 號樓……”“南庭新苑北區防疫期間，廢棄口罩就亂扔在公共樓道處……”。這些留言均表明了留言個體的地理特征，體現出公眾訴求的本土化，即公民直接代表自己的利益，反映的是與自己居住、生活、生產密切相關的問題。另一方面，在政府留言板中，公眾訴求對象為各省市縣區的黨政領導，可以通過訴求對象推斷出所在區域。按照上述規則，進行空間特征分析，91.28%的留言均可以識別出空間特征信息。據此得出北京市各區訴求量分布情況，最高的3 個區分別為朝陽區、海淀區和大興區（見圖10）。

圖10 北京市各區訴求量分布圖

（4）需求情感分析。通過SnowNLP 情感模型，發現總體上公眾訴求的負面情緒表達要高于正面情緒的表達（見圖11），在政務、旅游、教育、交通等議題上，公眾需求表達相對平和，正面情緒的表達較多，在環保、三農、治安等議題上公眾負面情緒的表達相對較多（見圖12）。這一現象表明公眾對環保、三農、治安等領域有關公共服務的滿意度相對而言還存在較大的提升空間。

圖11 公眾訴求的情緒值與留言數量分布情況

圖12 公眾需求在各領域的情感極性分布

3.2.3 需求決策

需求清單的確定首先是依據需求結構要素分析結果，對公共服務需求的強度進行排序。需求強度在不同的情境中定義不盡相同，往往與需求規模、情感強度、公眾關注度等因素有關，在本案例中，將某一主題下公眾的需求強度形式化表示為公式（1）：

其中F 是某一主題下個體需求數量，M 是某一主題下個體需求情感強度，A 是某一主題下個體需求用戶關注度，可以用點贊數或轉發數等表示。α，β，χ 是這三個指標的權重系數，通過專家打分法或層次分析法確定。 從公式（1）可以看出，單一主題的需求強度由該主題下的個體需求數量、個體需求情感強度決定，同一主題下個體需求數量越多，需求情感強度越強烈，公眾關注度越高，該主題的情感強度就越強。

在前文需求主題、訴求頻數、情感極性計算的基礎上，通過層次分析法確定公式（1）中α，β，χ，分別為0.65，0.25，0.1，并對主題個體需求數量、需求情感強度、點贊數等變量進行歸一化處理，最后計算出需求強度（見表3）。

表3 各需求主題的分布情況

從表3 可見，小區安全隱患管理、老舊小區改造、辦理房產證、房屋拆遷等需求強度最強，訴求占比均超過10%，負面情緒比例均超過了60%，表明這些是公眾最為關注的公共服務，決策者應優先考慮對這類服務進行供給。小區周邊配套建設、小區停車問題、小區交通問題、施工擾民等訴求強度次之，占比均在5%左右，政府應引導企業加大配套設施資源的投入。相對而言，拆除違規建筑、村莊形象建設、搬遷安置等方面的需求強度較弱，但拆除違規建筑、搬遷安置也屬于基本民生問題，也屬于決策者重點考慮的范圍，村莊形象建設公共服務影響力小，關注度也不高，決策者可根據公共服務資源合理提供。

需求評估可通過北京市城建領域的資源配置數據、歷史反饋數據，驗證小區安全隱患管理、老舊小區改造、辦理房產證、房屋拆遷等公共需求的真實性，再經過領域專家討論，決定哪些需求是重要并緊急的，哪些需求重要程度一般且是長期需求，最終形成一個包含需求類型、需求內容、需求優先級、需求來源等要素的初步方案。

3.3 結論分析

模型構建和實證分析表明，本文構建的基于社會訴求大數據的公共服務需求管理一般性理論模型能夠通過挖掘社會訴求大數據，有效實現需求識別、全景分析和智慧決策，達到公共服務需求精準管理。具體結論如下：

（1）社會訴求大數據在公共服務領域具有巨大的應用價值。社會訴求數據是公眾對自身意愿、要求的主動表達，從實證分析可以看出，基于本文構建的模型，對社會訴求大數據進行深度挖掘和分析，不僅能夠精準、精細、跨時、跨域地刻畫公眾公共服務需求，也為預測公共服務需求、探究公共服務需求的關聯因素提供了有效路徑。

（2）基于社會訴求大數據的公共服務需求管理一般性理論模型分為需求識別、需求分析、需求決策三個連續環節。首先，需求識別采集相關社會訴求原始數據，形成結構化描述的需求；其次，需求分析通過算法模型開展需求結構要素的聚合分析或者進行需求預測，從整體上把握需求特征分布；最后，需求決策環節通過人機協作為需求滿足提供最優決策方案。 需求識別、分析和決策三個環節，蘊含數據到信息、信息到知識以及知識到智慧的轉化過程，揭示了訴求數據如何一步步在數據流轉中形成智慧。

（3）大數據技術在公共服務需求管理中發揮著關鍵作用。從實證分析可以看出，公眾的個體需求結構是由主體、內容、時間、空間等要素構成的多元組，需求識別通過大數據采集、存儲、分析技術實現需求分類、篩查、匹配，從社會訴求大數據中提煉出結構化的個體需求；需求分析通過主題聚類、情感分析、特征匹配技術對需求內容、主體、時空等結構要素進行聚合分析，挖掘出群體需求和特殊人群需求；需求決策通過對公共服務需求的強度進行排序，確定需求清單，然后通過綜合評估、精準反饋、動態調整直至形成最優決策方案。大數據技術貫穿于需求管理全過程，發揮了關鍵作用，與此同時，算法模型、訓練數據集的選擇，也決定了需求識別、需求分析的精準性。

4 結語

大數據技術為重塑公共服務需求管理提供了歷史性契機。本文構建的基于社會訴求大數據的“識別-分析-決策”理論模型，厘清了公共服務需求管理的三個環節及各環節的關鍵流程，為大數據背景下公共服務需求管理提供了完整的技術框架和實現思路，不僅完善了公共服務需求管理的理論體系，而且為高水平公共服務需求精準管理提供了依據，也豐富了社會訴求大數據在公共服務領域的應用實踐。

本研究為在數字政府背景下政府部門開展公共服務需求管理提供了思路，也可為數智企業支撐政府智慧決策提供借鑒，主要管理啟示有：一是促進數據的融通。 2023 年10 月25 日，國家數據局正式揭牌，其核心職能之一是統籌數據資源，進行整合共享和開發利用。數據的核心價值在于“聚、通、用”，各級政府應以此為契機，充分融合物理空間、網絡空間、社會空間的信息，打通政府內部數據流動，暢通公眾表達渠道，形成感知民情民意的“數據池”，才可以在“數據池”中精準挖掘公共需求。 二是把握需求分析的全面性。在需求分析中，既要通過海量訴求數據找到一般需求，又要避免“小數據流失”，通過構建針對特殊群體的算法模型，精準識別其個性化需求，才能更好地體現出需求管理對個性化和多樣化公共服務需求的適應。三是構建適應不同場景的算法模型。針對不同公共服務領域，構建適應不同粒度場景的監測、感知、預測算法，如針對交通服務需求，要考慮特殊節假日、特殊時間段、重點路段等不同場景需求，實現精準決策。四是打造多元協作格局。政府要重視人才建設，加快培養既懂政府業務又懂信息技術的復合型人才，同時注重調動、發揮市場和社會主體尤其是科技企業在數據資源、算法技術和算力能力上的優勢，形成多方協作的公共服務需求管理新格局。