top of page

精准治理城市

Updated: Apr 28

多年前身為北京市的專家,為了讓領導們更容易明白數據化的好處,撰寫了一篇關於城市精準治理的文章,內容包括紐約市的成功個案。筆者分享如下:

根據2009年紐約市市長彭博的行政命令,紐約市設立了「市長數據分析辦公室」(下稱數據辦公室),其職能主要包括:(1)為城市各管理機構提供數據分析服務,為其面臨的各類問題挑戰提供基於數據分析的解決方案;(2)向市長及管理委員會滙報城市內發生的各類重大事件分析結果;(3)促進及協調紐約市各政府機構之間的數據共用;(4)管理開放數據,為當地市民、技術企業及社會團體提供各類數據服務。

推行數據分析的城市變革,運作過程並非一帆風順,因為紐約市的40個政府機關及其30多萬名員工已經習慣了各自為政,只在迫不得已時才進行有限度的數據合作。因此,數據辦公室最初只好進行單一維度的數據分析,在證明了數據分析的價值後,再游說各部門分享數據。筆者一直強調,數據能力的成熟度不能一蹴而就,必須要經歷漫長的學習過程。

在2010年紐約市發生了兩次大火災,造成嚴重人命傷亡和經濟損失。探究其原因,發現房屋管理部門只有200名檢查員,單單每年透過311呼叫中心收到的違例建築投訴竟高達2萬宗;而在這些投訴當中,只有大約8%涉及嚴重建築安全風險。數據辦公室的分析師通過與檢查員面談,得知工作中最重要的經驗是對建築物特定狀況的判斷。

綜合這些訊息,分析團隊發現,最能預示建築物為高風險的兩個因素,資料都掌握在其他兩個部門內:第一是財政部的稅務訊息──該建築物的財產稅是否及時支付;第二是法院管理局所保存的抵押違約紀錄──銀行是否已取消了物業的抵押品贖回權。基於這些數據,房屋管理部門可以優先處理那些具備這類特徵的投訴,通過這種篩選方法,毋須聘用更多的檢查員就能從眾多投訴中,以更快的速度巡查最危險的建築物。

總括而言,城市管理者可從科學的數據找尋蛛絲馬跡,協助洞悉問題、判斷趨勢,最終找出解決方案。

車品覺_紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page