大數據在應急管理中的應用

基金項目：教育部哲學社會科學重大攻關項目“社會穩定風險評估與社會矛盾預防研究”(編號：11JZD029)。感謝匿名評審人和清華大學公共管理學院薛瀾、彭宗超教授的修改意見。

作者：馬奔，山東大學政治學與公共管理學院副教授、副院長，清華大學中國應急管理研究基地(北京哲學社科規劃辦資助)兼職研究人員;毛慶鐸，山東大學政治學與公共管理學院碩士研究生，濟南 250100

[摘要]當前大數據正在改變世界，而數據收集和分析則是提升應急管理功能的重要手段。在對大數據內涵和具體案例進行分析后就會發現，大數據在應急管理中的應用主要有大數據技術和大數據思維兩種方式。在應急管理的事前准備、事中響應和事后救援與恢復的每一階段都可以引入大數據的應用，每個階段對大數據的應用程度也會因其需要應對內容的不同而有所差別。大數據的應用有助於提高應急管理效率、節省成本和減少損失。我國需要在大數據戰略、大數據開放政策、大數據在應急管理中具體應用形式等方面做出部署與探索。

[關鍵詞]大數據;應急管理;大數據技術;大數據思維

[中圖分類號]F328[文獻標識碼]A[文章編號]1006-0863(2015)03-0136-07

歐美一些國家已經開始把大數據運用到應急管理中，並取得一定成效，當前國內實務界和學術界雖然開始關注大數據的應用，但相關研究還比較缺乏。本文根據大數據的內涵，歸納了大數據在應急管理中的應用方式和基本框架，總結了大數據在應急管理中的實踐案例，期望對我國大數據在應急管理中的應用和研究有所啟示。

一、大數據的內涵和在應急管理中應用的基本框架

關於大數據的內涵並沒有完全一致的理解，如按照麥肯錫全球研究所(McKinsey Global Institute)的定義，大數據指的是超出常規數據庫軟件工具所能捕獲、存儲、管理和分析的超大規模數據集。[1]也有的從數據集的特點入手，界定了大數據的三個主要特點，即常用的3V界定：規模性(Volume)、多樣性(Variety)和高速性(Velocity)。[2]舍恩伯格在《大數據時代》中反復強調：大數據是人們獲得新認知、創造新價值的源泉;大數據還是改變市場、組織機構以及政府與公民關系的方法[3]，強調以大數據技術為基礎的新思維和新方法。

由於對“大數據”的認識存在差別，綜合不同的定義看，“大數據”在不同領域內包含三層含義，可以分別從現實和技術兩方面加以闡釋：第一層意義上的“大數據”指的是數據的巨量化和多樣化，現實方面指的是海量數據，技術方面指的是海量數據存儲;第二層意義上的“大數據”指的是大數據技術，現實方面指的是對已有或者新獲取的大量數據進行分析和利用，技術方面是指雲存儲和雲計算;第三層意義上的“大數據”指的是大數據思維或者大數據方法，現實方面指的是把目標全體作為樣本的研究方式、模糊化的思維方式、側重相關性的思考方式等理念，技術方面是指利用海量數據進行分析、處理並用以輔助決策，或者直接進行機器決策、半機器決策的全過程大數據方法，這種對大數據的認知方式涉及到“大數據項目”或“大數據技術應用”的認知，並由此可以延伸出大數據視角下的應急管理方式。

大數據在應急管理中的應用方式分為兩部分：大數據技術和大數據思維。大數據技術既包括諸如數據倉庫、數據集市和數據可視化等舊技術，也包括雲存儲和雲計算等新技術;而大數據思維則是從海量數據中發現問題，用全樣本的思維來思考問題，形成了模糊化、相關性和整體化的考慮方式。[4]大數據技術與思維相互融合和作用，共同形成了大數據的應用，並對包括應急管理在內的很多公共管理領域產生了巨大影響。如英國皇家聯合軍種國防研究所2013年的報告提出，大數據的應用包含四個特征：快速的收集、分析、決策和反應機制;在分析和結論方面有極高的可信度;無論是在個人還是群體的行為預測方面都應該更有預見性和更高的准確度;重視數據和充分利用，最好是能夠多次使用數據。[5]

按照突發事件發生的時間順序，整個應急管理大致可以分為事前、事中和事后三個階段，包括預防准備、監測預警、應急處置、善后恢復等多個環節。由於當前大數據在應急管理中大多處於技術應用階段，並沒有針對應急管理中大數據的應用進行嚴格分類，因此本文根據應急管理最簡單的時間序列劃分法，探討了大數據在應急管理中事前、事中和事后應用的基本框架(見圖1)。

當然，由於應急管理針對的事件類型不同，並非所有的應急管理領域都會涉及到大數據在三個過程中的應用。有時候可能並不需要進行數據的重新收集和硬件系統的整合，而隻需要進行管理模式和思維的變化，就可以形成新的大數據應用方式，這也是大數據在應急管理甚至是公共管理應用中不同於純技術導向應用的核心所在。

資料來源：作者整理

二、大數據在應急管理中應用的具體分析和實踐

由於應急管理三個階段的任務不同，且不同性質的突發事件也有發生機理和破壞方式的差異，針對不同突發事件進行應急管理時，所側重的應對階段也有所不同。如地震、海嘯等發生突然，現場反應時間很短，進行“事中響應”非常困難，需要著重預防和救援;而森林火災等預防困難，救援難度大，現場應對更為重要。因此，就需要根據突發事件的不同特點，在不同階段應用大數據，可以起到事半功倍的效果。

(一)事前准備

在事前准備階段，需要為大數據的應用進行相應的管理和設施准備。管理准備指的是與大數據管理、大數據方法相匹配的人事准備和管理提升。設施准備指的是大數據應用所需要的硬件和軟件設施。硬件設施主要涉及新技術背景下的數據採集，而軟件設施不但涉及到新數據的採集，也可以針對舊有數據進行分析和挖掘。

1.兩個層面人員的管理准備

主要是對中上層管理人員和基層管理人員的培訓和管理。中上層要進行相應的領導體制變革和知識培訓，下層則可能要新設機構、增加專業技術人員和信息採集人員，並做好培訓。為了響應大數據時代的到來，在管理層面，如美國政府在2009年任命了聯邦政府首任首席信息官，負責指導聯邦信息技術投資的政策和戰略規劃，負責監督聯邦技術應用的有關支出，監管企業等，以確保在聯邦政府范圍內，系統互通互聯、信息共享，確保信息安全和隱私，此外首席信息官還與首席技術官緊密合作來推進總統有關大數據應用的技術設想。[6]英國提出“相關部門必須重視大數據管理......需要任命兩名三星上將擔任“大數據”監督官，或者國防安全部門內部的大數據指揮官;這兩名上將應該分別來自國防部和聯合部隊司令部，並分別負責兩部分的大數據工作。”[7]而基層管理人員需要進行相應的培訓。英國皇家聯合軍種國防研究所的“大數據化”建議幫助國防部門轉變成為“大數據化”組織，對需要進行大數據化的部門安排培訓，人員需要包括中層以下的管理人員和項目專家，即數據分析官;明確工業部門對大數據管理的價值和作用，包括作為后備力量和為國防安全領域提供專業技術人才。[8]

2.大數據應用的設施准備

設施准備主要指為大數據的應用提供基礎設施，隨著技術的不斷發展，“傳感器”將成為大數據應用中的重要一環。上世紀60年代以來，美國為預防風暴和海浪襲擊而建立海浪檢測系統。2005年，國家數據浮標中心在原有設備的基礎上架設了大量新型海洋地理傳感器，包括海浪流向傳感器等。此項目傳感器實時產生大量數據，用以實時監測海浪情況。按照該項目劃分，全美海岸線被分為7個部分，每個區域的分支網路都是先獨立布點，然后在區域聯網的支持下，根據海浪運動的物理原理擴展聯網。全部聯網完成以后，整個監測網包括296個傳感器：其中56個分布在遠海，60個分布在大陸架外部，47個分布在大陸架內部，133個分布在海岸線附近，其中，有115個布點是2005年最新增加的布點，另外有128個布點剛剛完成海浪流向測量的升級。[9]這項計劃產生極大的社會價值。根據數據統計，商業捕撈是全美最危險的職業之一。在2008年，該中心的報告稱，該年度漁業從業者每十萬人的死亡人數為155人，而全美所有行業的平均死亡人數僅為每十萬人中4人。在漁業相關的所有死亡因素中，79%是由天氣原因造成的，其中40%是由巨浪導致。[10]雖然無法具體統計海浪預測系統的預報拯救了多少人，但毋庸置疑的是，更好的實時海浪監測系統就意味著能救更多人。

大數據設施的准備還包括軟件准備。軟件的升級包括算法的更新，分析方法和數據處理方法的改進，多源數據的融合分析。在阿富汗，英軍曾使用相關技術繪制一種“人肉炸彈地圖”，將信息導入數據庫，通過生物識別數據和圖像來識別當地人口，判斷關鍵信息，從而找出可能出現的恐怖分子。[11]在阿富汗戰爭最激烈的時期，美國國防高級研究計劃局曾派遣數據科學家團隊和可視化技術團隊到阿富汗。在一個名為 “Nexus7”的計劃中，這些團隊將衛星數據與地面監控數據相融合，用以觀察道路網中的交通流，以便作戰人員定位並摧毀簡易爆炸裝置。[12]由於地面監控和衛星圖像等硬件設備早為英美聯軍所部署，在阿富汗反恐作戰中，圖像處理技術、多源數據融合技術和可視化技術才是充分挖掘原有數據並使之產生價值的關鍵所在。

(二)事中響應

在事中響應階段，大數據的應用能為政府、第三方組織或個人開展應急響應提供很大便利。對於政府而言，大數據化的應急管理意味著技術支撐基礎上的融合與協作，它不但為協作帶來很大便利性，也保証了日常業務連續性和應急處置及時性之間的平衡。對第三方組織或個人來說，大數據可以為應急管理提供更加便捷靈活的手段。

1.宏觀和微觀層面基於大數據信息流的多元應急合作

在宏觀層面，整個應急響應可以分為決策指揮、現場應對和外界援助等三個層面，這之間以海量數據信息、高效計算能力和數據傳輸能力為基礎，實現信息有效溝通和機器預測預判，進而幫助指揮部門協調各方、現場處置和救援、與外界通過信息溝通提供援助，實現多元化協作的應急處置(見圖2)。

資料來源：作者整理

在微觀層面，應對部門需要在應急處置和業務連續性之間保持平衡。大數據基礎上的決策支持系統將成為強大的信息管理系統，能夠做到實時報告，而且操作簡易，能夠同時集合多項關鍵指標的高效指揮決策輔助系統(見圖3)。在大數據決策支持系統支撐下，交通、醫護、警務、市政基礎設施管理部門，需要及時溝通，為突發事件的處置提供有力的犯罪打擊、充足的物力資源、及時的導航信息和必要的建筑圖紙等。不同部門提供的信息，都需要納入到大數據支撐的決策支持系統。如警務系統在接到報警后，將信息發送到決策支持系統，系統進行分析，確定事件的類型和位置，信息會在電子地圖上顯示，根據實踐情況同時列出關鍵設備需求表，隨后進行危機通報與應急響應。同時，交通部門將路況信息、可用資源和監控數據傳輸到決策支持系統，系統進行可視化操作，確定出通行路段和避免經過的路段，確定路線。醫護部門根據決策支持系統的信息實時跟蹤狀態，可以有效調配可用資源，提高響應速度，與地理信息系統和地圖系統相連以后，救護效率也會提高。

資料來源：作者整理

2.第三方組織或個人發布自發式地理信息

自發式地理信息是隨著網絡地圖普及而出現的。普通民眾可以在幾乎沒有相關專業知識的情況下，依靠自動或半自動的處理設備，使用地理信息系統繪制地圖。特別在20世紀90年代以后，隨著網絡和GPS設備的普及，普通人進行定位和地圖關聯變得更加容易。這種方法在“大數據”概念出現之前就已有所應用。在谷歌的“我圖”(My Maps)服務出現后，普通人也可以完成往常隻有繪圖師才能完成的任務。民眾可以通過官方公布的坐標、自身獲取的定位數據、或者網上未經証實的地理位置進行整理、關聯、繪圖，然后發布到網上。這一過程所使用的大多為開源數據，數據類型多樣且大多非結構化。這種方法在應對南加州的森林大火時屢有應用，主要用來繪制火情地圖以指導人們逃生和避險。

森林大火一直是南加州地區的夢魘，2007年7月到2009年5月期間發生的四場大火尤為慘烈。扎卡大火(Zaca Fire)始於2007年7月，持續兩個月，這時居民主要依靠報紙、廣播和電視新聞組成的政府信息系統了解火情，信息傳遞慢且獲取被動。2008年7月，臨近城市地帶發生了蓋普大火(Gap Fire)，由無數帖子和網絡相簿組成的自發式的理信息已經能為政府信息提供有益補充。到了2008年11月，聖巴巴拉附近的山上發生了“茶葉”大火(Tea Fire)，網上迅速出現了各類自發式地理信息——文字報告、圖片和視頻。盡管谷歌沒有立刻將這些信息整理發布，但是已經有一些當地報紙和社團組織辦的網站來整理這些資料。同時一些志願者發現，如果將搜集和編譯后的分散信息整合進谷歌地圖之類的電子地圖，就可以制作出比政府信息還要方便快捷的災害地圖。[13]2009年5月，城市附近爆發杰蘇斯塔大火(Jesusita Fire)，許多組織和個人迅速建立了自發式地圖站點，及時整合不斷出現的自發式的地理信息和官方信息。政府公布的火災邊界圖就是根據不斷更新的市民報告做出的。在火災后期，共有27個自發式在線網站，其中最廣為人知的一個網站點擊量超過60萬。這個網站提供了許多災害期間的必要信息，如火災位置、疏散命令、緊急避難所位置等。[14]市民可以在政府通知之前自行選擇撤離或採取防護措施。

由於政府信息缺乏良好的溝通渠道和証實信息的充分資源，所以其從產生到傳遞總是比自發式地理信息慢。盡管來自民間的信息也有可能產生錯誤，從而導致一些沒有必要的撤離。但通過以上案例可以明顯看出，自發式預報由誤報而導致的不必要的撤離成本遠比政府漏報的成本低，其應對災害的重要意義也顯而易見。[15]

在整個事中響應階段，大數據的應用包括實時高效的數據信息收集、信息數據的迅速傳遞、多源數據集成處理、數據結果的可視化合成和最終實現機器或半機器化的輔助決策(詳見圖1)。數據收集方面根據應急管理主導者的不同有兩種發展趨勢：政府主導的專業應急管理團隊信息收集逐漸專業化和高效化;以社會大眾和社會媒體為依托的第三方應急管理力量則將信息收集方式發展為簡單化和大眾化的方式。信息傳遞方面大數據實時高效的特點要求信息傳遞方式不斷創新，速度不斷加快。數據的集成處理方面，根據大數據本身的特點，數據集成處理也具有巨量化、多樣化和快速化的特點。可視化合成方面，應急管理所需的可視化結果必須簡明直接和通俗易懂，第三方組織所使用的可視化方法還需要具有操作簡便等特點。隻有這樣，大數據才能為事中響應提供快速而科學的機器決策或半機器決策。

(三)事后恢復與重建

大數據在應急管理事后的應用主要是在救援與恢復重建。目前在應急管理應用上比較新穎的是使用“分眾(Crowd Sourcing)”的方式。“分眾”是由大眾通過網絡分散完成工作任務，並通過整合后在網絡上提供服務的一種方式。這個過程中使用的信息來源分散，體量巨大，並採取機器決策或半機器決策的方式利用信息。使用“分眾”方法進行事后恢復與救援可以分為四個階段：捕獲信息，甄別加工信息、機器分析和迅速反應。捕獲信息的方式可以是通過GPS定位發送自己的位置，也可以是通過社交網絡發送某條文字信息。搜集到的信息會被匯集到分眾平台上，這個過程可能需要機器與人協調完成。一些難以處理的信息會分配給志願者進行加工，使之轉變為計算機能識別的數據。如法語區內一條“推特”(Twitter)的信息可能並不適用於第三方軟件處理，這時就需要志願者先將這條信息翻譯成英語，再將其中的關鍵信息提取分類，變得可為計算機處理。計算機會自動剔除無用和冗雜的信息，根據語義分析捕獲含有有效信息的詞條。隨后，經過格式化的信息可以被計算機可視化或者作為統計資料加以利用，經過整合的信息可以發布在網上供眾人瀏覽和使用。應急處置人員可以根據計算機的建議設計救援路線，配置救援裝備，以最快速度抵達救援地點。

如2010年海地地震救援中，以“目擊者”為代表的非營利網站利用“分眾”方法起到了重要作用。總結分眾式操作方法在應急管理中應用的流程圖(見圖4)，可以看出，在災害救援的過程中，需要有三個明確分工的角色完成整個操作：親歷地震的當地監測員、關聯開放數據的網絡操作員和救援組織中的信息官。

資料來源：作者整理

當地監測員通常是正在災區的當事人。隻要災區當事人有一部能上網的手機，他就可以成為災害應對活動中的一部分。當事人可以用多種方式發送求救信息，如推特(Twitter)或者臉書(Facebook)。推特可以通過話題標簽將信息分類標注，經過分類標注的開源信息更容易被第三方識別和捕獲。[16]

網絡操作員通過捕獲信息的第三方平台瀏覽到信息，並對信息進行處理。當求救信息是軟件不支持的語言時，需要有另外的操作員(志願者)完成翻譯工作。隨后，一條求救信息就可以被解析成幾個不同的要素，從而由計算機進行識別和可視化。比如，“目擊者”網站使用十個要素來描述一條信息，這些要素包括信息、標題、日期、位置(地點名稱或者坐標)和需求等。這些要素是“海地目擊者”團隊設定的，每條信息中蘊含的需求都可以歸入不同的類別中。然后，“目擊者”報告平台利用CSV文檔和簡單信息聚合訂閱(RSS Feed)的方式使得報告簡易可讀。最后，“目擊者”還用一個交互式地圖來公布實時報告。[17]

信息官指的是救援組織中負責搜集和處理信息的管理人員。信息官可以在網站上獲取求救信息，從而迅速做出反應。信息官此刻至少可以確定目前急需的人道主義援助內容和地點。雖然開源信息的可信性並不能完全保証，但是，分眾信息及其可視化在災后最初的2-3天內，應用價值非常高。它可以用來指導災情確認、救援實施以及其他可能需要協調的工作。[18]

盡管採用分眾的方式對信息的捕獲已經是非常便捷，但由於突發事件的緊急性，信息的實時接收與處理還是存在一定難度，分眾平台上信息的真實性和准確性還需要確認，對信息官而言，如果能提前有時間學習平台的使用方法並了解其話語體系，災后救援的效率將被大幅提高。目前，已有研究者通過相互關聯的開源數據和分眾處理的操作方法解決學習障礙、信息描述不清和真實性待定這三個問題。由於應急管理領域本身專業詞匯缺乏且定義不清，在線共制平台的服務尚不完善，有時候也存在難以把信息官的數據端接入互聯開源數據等問題。[19] 雖然該方法存在不足，按照目前的應用情況看，這種分眾的方式潛力非常巨大。

三、對中國的啟示

大數據的應用為我們提供了認識和解決問題的新思路，對中國有如下啟示。

(一)制定國家大數據戰略，加大對大數據投入

進入21世紀以來，特別是近年來，許多國家重視大數據在公共管理(包括應急管理)中的應用，並制定了國家級大數據戰略。除美國的“大數據”戰略外，澳大利亞在2013年8月明確提出了大數據國家戰略並發布公共服務大數據政策[20];法國在2013年2月發布了《數字化路線圖》，其中提到了支持大數據技術發展[21];日本在2013年6月正式公布了“創建最尖端IT國家宣言”，其中全面闡述了2013—2020年發展開放公共數據和大數據為核心的國家戰略，旨在把日本建設成為一個具有“世界最高水准的廣泛運用信息產業技術的社會”。[22]

許多國家還投入大量資金進行大數據研究，支持相關技術發展。英國在2013年1月宣布，將注資6億英鎊發展八類高新技術，其中投入1.89億英鎊用來發展大數據技術，以期在數據革命中佔得先機。[23]法國則在2013年4月宣布，將投入1150萬歐元用於支持7個未來投資項目，法國政府投資這些項目的目的在於“通過發展創新性解決方案，並將其用於實踐，來促進法國在大數據領域的發展。”[24]

各國的大數據戰略表明，“大數據”並不僅僅是一個技術概念，它已經切實成為提高國家治理能力，改進公共管理水平乃至增強國家競爭力的重要因素。目前，廣東省已經在我國率先試水大數據戰略，並宣布要在近期開放一部分政府數據。[25]這是我國地方政府回應“大數據時代”的具體措施。但是相對於英、美等西方國家和日、韓等亞洲近鄰而言，我國還沒有形成完善的國家級大數據戰略。

(二)制定大數據開放政策，逐步擴大數據共享范圍

除了制定大數據國家戰略外，還要重視制定配套的數據開放政策，如目前美國政府數據開放網站(Data.Gov)可供檢索的數據集已超過10萬項。繼美國之后，很多國家也制定政策要求數據開放。可以說，政府數據公開與共享是大數據化改革的核心內容。2010年1月，英國政府建立的數據開放網站(Data.Gov.uk)，除去地理信息之外，該網站建成之初便公布了3000多項民生數據。2011年4月，英國勞工關系部、商業部又啟動了“我的數據”(MyData)項目，要求即使是商業公司收集的數據，如果記錄的是公民個人信息，個人便有權查看和使用。目前已有十多家不同行業的大公司參與到此項目中。[26]

新加坡是亞洲地區的數據開放先行者。該國在2011年6月啟用了新加坡政府數據開放平台(Data.Gov.sg)，開放了60多個機構的8600個數據集，50%的數據是機器可讀的。其中的OneMap是一個地理空間數據共享平台，目前有60多種不同的地圖主題。利用這些數據，一些企業和政府部門已經開發了100多項應用，涉及停車信息、公共廁所、野貓管理等。[27]在亞洲，日本、韓國等國家也有類似計劃。

從各國的趨勢看，配合國家大數據戰略制定數據開放政策和要求數據共享也是非常必要的。另外，“數據開放”已經成為各國共識，隨著國際數據市場的逐步形成，沒有符合國際標准的國家級數據公開標准，也就難以建立能與國際市場接軌的數據市場管理標准。“數據開放”儼然已經成為國際競爭力的一環，且歐美等國已搶佔先機。所以無論從優化公共管理(包括應急管理)的角度，還是從增強國家競爭力的角度，抑或是規范數據市場的角度，由中央政府領銜制定國家級數據開放政策是非常必要的。

(三)探索大數據在應急管理領域中具體的應用形式

事前准備階段，政府或其他部門需要為大數據的應用做出准備。在管理和權限設置上，有必要設置“大數據信息官”並賦予其具有改進組織流程的權限，以推進大數據在部門工作中的落實。在技術升級和設備使用方面，政府或其他部門要明確需要解決的問題，以需求為導向，進行一定設施的准備。

事中響應階段，信息的有效聚合和快速傳遞是核心環節。政府或其他部門在使用大數據增強信息採集能力的同時，也要進行數據共享，建立統一的數據中心，以便在應急管理過程中提高效率。同時，在應急管理的事中響應階段，指揮人員、專家技術人員和現場處置人員的聯系也至關重要，建立高效的信息共享渠道也是很重要的方面。

事后處置和救援階段，及時了解救援信息和對所獲信息的處理最為重要。如果有明確的信號可以讓應急處置人員快速了解需要救援的地點和所需救援內容，救援效率便可大幅度提高。大數據在事后處置的應用便是遵循這種邏輯：通過網絡或者監控設備，採集需要救援的信息，用算法篩選整合這些信息，並將指令快速傳達給應急處置人員，從而提高救援效率。

(四)完善隱私保護政策，注重公共安全和公民隱私之間的平衡

大數據時代，如何對公民個人隱私保護也很重要，最好能在公共安全和公民隱私之間達到平衡。2013年5月，愛德華•斯諾登披露了美國國家安全局自2007年實施的絕密電子監聽計劃，即“棱鏡計劃”(PRISM)，允許FBI和NSA對包括微軟、雅虎、谷歌、蘋果在內的共九家IT巨頭的數據進行監控和挖掘，直接或間接接觸大量個人聊天日志、私人數據、語音通信、傳輸文件和社交網絡數據。[28]盡管美國自我標榜“重視個人隱私”，但是公民個人的數據信息沒有得到有效保護，引發了對“大數據時代”個人隱私的廣泛討論和關注。

2014年5月，美國總統辦公室發布“大數據隱私”報告稱，越來越多的傳感設備和智能設備，使得政府或企業對個人信息的搜集無處不在。這些數據不但被用來進行實時分析，還被儲存起來，成為一個人的“電子腳印”。[29]技術對個人隱私的威脅已經超出了原有法律框架。如果不對採集的個人信息使用進行有效規范，極有可能會出現大規模侵犯隱私的事件，從而使大數據信息採集成為一種“社會安全隱患”。因此，全面的數據隱私保護與最大的公共安全追求將是大數據時代面對的一個重要課題。

四、結語

“大數據”在應急管理中的應用具有很大潛力和價值，本文只是在理解大數據內涵的基礎上，根據應急管理的特點，總結了大數據應用的基本框架和分析了實踐案例等，由於大數據在應急管理中的應用本身就是一個交叉學科研究的主題，還有很大的研究空間，希望本文能引起相關應急管理研究者和實務人員的思考，為進一步促進大數據在我國應急管理中的應用提供更有質量的研究成果和實踐。

[參考文獻]

[1]James Manyika,Michael Chui,Brad Brown,et al.Big Data: The Next Frontier for Innovation, Competition,and Productivity, http://www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation.

[2] 孟小峰，慈祥.大數據管理：概念、技術與挑戰[J].計算機研究與發展，2013(50).

[3] 維克托•邁克•舍恩伯格，肯尼斯•庫克耶.大數據時代：生活、工作與思維的大變革[M]. 盛楊燕，周濤譯.杭州：浙江人民出版社，2012.13.

[4][5][7][8][11]Neil Couch,Bill Robins,Big Data for Defence and Security[EB/OL]. https://www.rusi.org/downloads/assets/RUSI_BIGDATA_Report_2013.pdf.

[6]Office of the Press Secretary of The White House:President Obama Names Vivek Kundra Chief Information Officer,2009,Washington, DC.

[9][10]Landry Bernard,Bill Birkemeier,Richard Bouchard,et al. A National Operational Wave Observation Plan. www.ioos.noaa.gov/library/wave_plan_final_03122009.pdf.

[12]Executive Office of the President. Big Data:Seizing Opportunities. The White House,May 1,2014.

[13][14][15]Goodchild,M.F, Glennon,J.A,Crowdsourcing Geographic Information for Disaster Response: A Research Frontier. International Journal of Digital Earth, 2010,3(3).

[16][17][18][19]OrtmannJ,Limbu M,Wang D,et al. Crowdsourcing Linked Open Data for Disaster Management. Proceedings of the Terra Cognita Workshop on Foundations, Technologies and Applications of the Geospatial Web in Conjunction with the ISWC, 2011.

[20] 澳大利亞大數據政策出台[EB/OL]. http://intl.ce.cn/specials/zxgjzh/201308/14/t20130814_24662628.shtml，2014-01-03.

[21][24] 大數據國家檔案之法國：智慧城市中的大數據[EB/OL]. http://www.china-cloud.com/dashujuzhongguo/disanqi/2014/0115/22708.html,2014-01-15.

[22] 日本：用大數據創建最尖端IT國家[EB/OL]. http://www.china-cloud.com/dashujuzhongguo/disanqi/2014/0114/22689.html,2014-01-14.

[23]大數據革命悄然來臨，英國“嘗鮮”[N].新華每日電訊,2013-05-21.

[25] 馮秀成. 廣東試水“大數據戰略”[J]. 決策,2012(12).

[26] 涂子沛.大數據：正在到來的數據革命、以及它如何改變政府、商業與我們的生活[M]桂林：廣西師范大學出版社，2013.274,277-278,278.

[27]大數據：新加坡的新資源[EB/OL]. http://www.china-cloud.com/dashujuzhongguo/disanqi/2014/0121/22831.html，2014-01-22.

[28] 揭秘：棱鏡計劃[EB/OL]. http://news.ifeng.com/world/special/sndxiemi/content-4/detail_2013_06/13/26366771_0.shtml，2013-06-13.

[29]President’s Council of Advisors on Science & Technology, Big Data and Privacy: A Technological Perspective, The White House, May 1, 2014. 

（來源：中國行政管理）