■決策視野

　　編者按 根據《關於深化中央財政科技計劃（專項、基金等）管理改革的方案》，對政府科研管理改革而言，最急迫的問題是：由微觀到宏觀，由碎片到完整，究竟如何管？它山之石可以攻玉，本文從美國個性化醫療所依託大數據預測的過程設計、需求設計，類比應用大數據管理科研項目的共通之處，力求為大數據時代的科研管理提供一些借鑒。

　　當前，美國的新醫改法案推動醫院向一個被稱為“責任關懷”的新模式轉變，建設可信賴醫療組織（ACO）。法案為大數據在醫療行業的應用提供了環境，隨著醫療領域中包含基因數據的電子病歷(EMR)的推廣應用和個人基因監測服務及大數據分析技術的發展，個性化醫療由概念正成為現實。大數據在個性化醫療領域中的應用，對政府科研管理改革提供了諸多啟示。

　　從大數據對比個性化醫療和科研管理

　　1.數據的可靠性及數據解構的需求分析是核心

　　大多數醫療機構的數據來自臨床、財務、操作的應用程式。臨床數據能提高醫療品質，提升人口健康管理；財務數據幫助醫院對盈虧底線做成本分析；而操作數據能幫助設備管理和資源利用。在大數據時代，把這些數據綜合在一起，可以開始解決類似滿足病患需求、提高工作效率和護理品質等大問題，把不同類型的數據資源區分開並不必要。對於數據專家來説，數據就只是位與字節，應該將臨床數據和商業數據整合在一起，只是需要一個更複雜的醫療數據分析方法。

　　因此對醫療行業來説，問題的核心不是數據來源，而是這些數據的可靠性及數據解構的需求分析。這同科研管理對數據需求面臨的問題是類似的：科研經費使用、人員培養、論文、專利、科研設備利用等類項，同樣充滿了大量的數據，不論這些數據是來自於以往還是即將問世的科技計劃（專項）。科研管理者要解決的核心問題是將收集到的可靠數據，根據管理需求設計出合理的分析方法，從而為決策服務。

　　2.大量無結構化的數據使數據分析困難

　　醫療機構進行數據分析的前提是有可以分析的數據。但目前的實際情況是，美國醫療機構中80%以上的醫療數據都是無結構的，無論紙質還是其他形式的都需要手動提取數據；甚至是結構數據，也經常無法分析。因此，多數醫療機構最終都使用來自保險公司的數據來了解自己的機構，提出改進的建議。

　　我國科研管理應用大數據技術同樣面臨這樣的問題：長期以來，大部分科研機構不注重自身數據的積累，科研管理各部門對數據報送缺乏針對性的要求，所掌握的數據大部分都是無結構的，也不能在部門間流通與共用，對大量的無結構和結構數據無法進行二次挖掘利用，反而需要被動地應對外界的研究結果對科研管理部門的質疑。

　　3.數據需求分析的研究將不斷發展深入

　　根據西奈山醫院的研究，醫療機構的規模對醫療商業智慧化的影響很大。大部分的醫療機構都看到了商業智慧的價值，但它們一直想不清楚該做什麼。按照美國的醫改法案，美國的醫院每年要向政府機構提供管理運營報告。運營報告的要求十分明確，但醫療機構自身通常不知道接下來該怎麼做，也不知道如何把報告中的數據使用好，來提高實際操作的效率或者是做出其他的改進。從美國醫改的進程看，目前美國健康醫療的政府管理部門對提交報告的數據分析及應用也在摸索之中。

　　科研機構與科研管理部門也對數據分析研究有同樣的需求。科研機構按管理部門的考核要求把科研成果、科研經費使用、人才培養等方面進行數據統計提交，但很少根據自身發展需要對形成的統計數據進行深度分析；而管理部門立項之初設計的考核指標，也主要是從項目類型出發，對所提交的數據缺乏聯繫發掘，加之各管理部門甚至部門內部的數據難以做到共用，難以實現通過數據分析對不同類型科研項目經費的投入與強度作出適時的調整與改進。

　　4.完善數據庫和缺乏數據分析專業人才是當前的挑戰

　　由於美國醫改法案的實施，有兩個重要的原因會讓醫療機構逐步採用先進的數據分析。一是如果患者的醫生推薦的方案和其健康計劃差別較大時，患者就會更願意選擇保險公司提供的計劃。二是新醫改法案建設的ACO模式，強調醫療行業的數據分析和資訊技術應用。當ACO模式逐步擴大規模後，醫療機構就會發現急需檢測無結構數據及其他數據源，而大部分醫療機構沒有足夠的人手來管理和利用好它們的數據庫。按照西奈山醫院的研究預測，“那些既不用數據庫，又缺乏相應人才的醫療機構，最後可能要被迫整合到更大的服務網路”，也就是説，將有專業數據服務機構從商機中孕育而出。

　　面對不斷增加的科研投入、海量的科研項目，政府科研管理部門無力也難以高效地管理具體項目，需要委託專業的管理機構對科研項目進行管理。但無論政府管理部門、執行項目的科技機構，還是專業管理機構，構建或利用好以往與現有的數據資源，培訓與培養相應的數據分析人才都是當前面臨的重要挑戰。

　　對科研管理的啟示與建議

　　1.政府管思維：培養科研管理人員的大數據思維

　　大數據技術為我們提供了一種優化科研資源分配、減少浪費重復、預測科研趨勢、預防科研腐敗的全新工具。運用大數據思維的科研管理，不僅會為科研管理的改革提供支撐，而且會根本杜絕以前管理模式解決不了的難題。在大數據時代，政府科研管理人員要學會運用大數據思維去發掘科研數據的潛在價值，根據管理需求，對科技數據進行收集、解構、分析，從而形成科學的決策依據，而這恰恰也是政府科研管理的核心競爭力。

　　2.政府管標準：從科研項目申報、考核流程上著手數據結構化

　　將科研管理數據結構化，是運用大數據工具的前提。將以往的紙質數據電子化，將當前電子數據結構化是兩大任務。兩項任務的共通點是應建立統一的數據結構，才能進行有效的數據分析。政府科研管理部門可以先從項目申報、考核的設計流程上著手，統一標準，保證數據結構化，為數據分析打好基礎，提升管理品質。

　　3.政府管共用：著力國家科技報告制度

　　目前，我國的國家科技報告制度已經正式啟動，一方面有利於管理部門逐漸積累各行各業更加廣泛的科研基礎數據，另一方面也對政府部門科研管理的有效性提出了更高的要求。從內部管理來説，政府科研管理部門需要向科研機構、高校、企業等公開管理流程，匯集科研數據，具備數據分析的支撐決策的能力；從外部監督來説，科研管理部門公開的數據無論是成績還是不足都應該能夠經得住社會公眾的問訊。

　　4.政府管方式：科學決策機構式和項目式資助的形式

　　機構式資助可以保持機構的穩定，能夠比較充分地發揮研究人員的自主性，但對經費的使用績效比較難做到有效的監督和評價。項目式資助有利於保障優先領域的研究需求和促進跨學科研究，但不利於長期的研究積累和儲備，而且對於好奇心驅動的研究會産生負面影響，導致好奇心驅動的研究和基礎研究的數量下降。如何兼顧項目式資助和機構式資助的平衡是優化公共科研機構資助方式長期而重要的問題。

　　利用大數據管理方式可以開展科研管理數據的智慧化分析，科學指導科研資源分配，提高公共研究機構的創新能力。

　　（作者單位：中國科學技術發展戰略研究院）