21世纪是科技高速发展的时代,大数据技术的应用领域不断扩大,在廉政建设与反腐败斗争中,从事前、事中和事后三个阶段应用大数据技术手段开展工作,可为其提供全新的思路,找到有效的突破口。
事前:预防腐败
对于健康,常识是“预防重于治疗”,对于廉政建设和反腐败斗争而言也是这样。廉政风险预警机制建设是反腐倡廉的一项重要手段,它强调事前评估,通过对可能产生腐败问题的各个环节进行分析判断,提出预防对策,以有效控制和化解廉政风险,大大降低反腐败成本。目前我国的反腐败工作侧重于建立腐败产生后的惩罚制度,事前先导性预警机制不够,增加了事后反腐败的成本。
廉政风险预警主要从两个方面考虑:“对事”和“对人”。“对事”就是重点关注施政过程中各个环节是否存在产生腐败的漏洞和可能性、不正之风问题发生的概率等。如出现大额度资金使用、重大人事调整、大宗物资采购等情况时,能够及时跟踪教育、提醒防范。“对人”则要考察即将选拔的领导干部和基层公务员是否适合从事政府工作。一是要了解其之前的工作状态和履职行为轨迹、有无腐败行为苗头等情况;二是要了解当事人的各项特质,进行风险等级评估,对风险等级较高的人及时进行进一步的测试、教育警醒或者调整其拟任职务。
大数据之所以备受推崇,就是因为它能够从经常性发生的事件或行为中总结规律,预测未来发展趋势。数据时代是预测未来的时代,“整个数据时代最重要的事情,是要做到事前诸葛亮,就是有预防机制”。例如,浙江省纪委监委网站曾报道,在绍兴市柯桥区平水镇某项目实施过程中,存在工程量、工程单价及工程总价均大幅超过预算的问题。当地党风廉政信息监察中心通过大数据捕捉到了这一情况,约谈了相关人员,帮助他们及时踩住刹车,没有犯下更大的错误。这充分体现了大数据在预防腐败行为方面的作用之大。
事中:廉政监督
权力缺乏监督和制约是权力滥用的根源,而腐败的实质就是公共权力的滥用。在当今世界上,仅仅依靠单一化制度力量来反腐败已很难达到预期的效果,让其他社会主体参与到对公共权力的监督中,是廉政建设的重要保证。多主体监督有赖于政府信息公开,政府信息公开有利于帮助社会各监督主体真正了解政府决策和权力运行的过程,从而有效参与监督。当前,其他社会主体对政府廉政建设的参与度还远远不够,信息公开程度不够是主要原因之一。
目前从上到下要求建立的政府信息公开系统强调的是政务公开,包括审批流程透明、财务操作阳光、人事选拔公开等一些必须公示的信息。这些信息公开的程度、公开的时间和使用的权限掌握在政府手中,传播的信息都要经过严格的审查和筛选,所公开数据的内容有很大的局限性。如今,信息公开的程度往往取决于技术发展的程度。技术人员完全可以通过大数据“网络爬虫”技术,有目的有计划地从互联网中自动获取与公务人员及其公务行为相关的各项信息,包括其网络言行举止、财产资金流向和征信情况等。
大数据技术应用于政府廉政建设,将有效地打破政府垄断信息的现状。统一的信息公开系统辅之以大数据技术使信息发布和信息传播的过程变得更加透明,信息获取变得更加便捷。一方面可以保证社会各类监督主体的知情权,帮助他们不受时间和空间的限制方便地获取所需要的政府信息,随时发布自己的观点,充分调动了他们参与廉政监督的积极性;另一方面,提高了反腐败工作的警示作用,正是由于政府大数据能够准确收集到许多人们不常在意的信息,这提醒了各级政府工作人员必须时刻规范自己的言行举止,与腐败行为划清界限,使廉政建设更上一个台阶。
事后:廉政评价
与廉政风险预警相对应的是廉政评价,作为事后评价,廉政评价是对政府已经发生的施政行为及领导干部实际廉政情况进行评价,对错误的决策或行为及时调整或改正,对违纪、违法的领导干部依法、依纪予以党纪、政纪处分或移交司法机关处理,这在廉政建设过程中同样起着至关重要的作用。对政府及其工作人员特别是各级领导干部的廉政评价方法很多。比如:有研究者认为可以从廉政能力、廉政品德、勤政数量、勤政质量和生活作风五个方面进行廉政评价。其中有的方面可以通过定量指标去评价,有的就必须采用定性指标;有的指标比较好操作,数据获取较为方便;有的指标则复杂性较高,获取难度也较大。在这种情况下,引入大数据技术就能解决一些原来难以解决的问题。例如,对生活作风的评价就包括处事公正和廉洁自律等。这些方面常常采用定性数据,能真正用于作比较的定量数据少,评价结果在很大程度取决于考核人员的心理、情感因素和学术观点,人为因素造成的偏差较大。
恰当地引用大数据ETL技术,即通过数据抽取、转换、加载,能有效整合廉政评价过程中各种分散、零乱、标准不统一的数据。将廉政评价数据从“定性”变为“定量”,从“定时”变为“实时”,便于分析、处理和运用。此外,还可以在专业大数据技术的支持下,利用动态监测、多因素考核、群体和个体分析、交叉验证等方法,进行多来源、非结构化数据的定量分析,有效解决评价信息获取难、定性数据分析难等问题,实现对廉政建设方方面面统筹评价,保证廉政评价工作的准确性和科学性。