揭开发商"空城计":为卖房雇民工每晚空宅开灯

大数据在现代治理中能否做大?怎么做大?取决于它的占有者和使用者,怎么采集、挖掘、整理、分析。

某地在海边兴建了一批小高层住宅,美其名曰海景房。因为地理位置、气候条件并无优势,宣传单天南海北撒了一大片,房子还是卖不动。有人提醒他,外地购房团过来了,看到小区黑黢黢一片,入住率不高,哪里还有购房冲动?开发商灵机一动,雇请一批民工,每天晚上到空关的住宅里值班,负责晚上六七点钟陆陆续续开灯,九十点钟再陆陆续续关灯,以营造一种万家灯火的景象。

这是“空城计”的民间版,主要为了应对“黑灯瞎火”的尴尬。在某些地方官员那里,唱起新版“空城计”,闹腾的动作可就是满城风雨了,因为有权力、资本、政绩等诸多因素助推。有朋友吐槽说过去是“孟母三迁”,现在是“县中三迁”。他们的县中,本来在城区中心,前些年迁到稍远的城北,现在又迁到十公里外的城东。可怜住在城区的家长,只好追着买房、换房、租房。县中搬迁公开理由是扩大招生规模,提高办学水平,事实上不过是借助学校建设,带动新区发展,拉动楼盘销售,填充“空城”。“县中三迁”以及政府办公大楼“三迁”,已成为相当一部分经济后发地区发展经济的共有套路。

直到今天,什么才算“空城”“鬼城”?哪些是“空城”“鬼城”?口径不一,说法不一。好多调查统计方式还停留于查水表、电表,甚至晚上数黑灯房间的调查方式。岁末年初,中国50大“鬼城”排行榜再度出炉,县级城市成主流。我倒不特别关心哪些城市榜上有名,我留意的是数据来源。研究人员统计每100平方米居民区使用搜索引擎的人数,认为这样大的区域里如果百度用户不到0.25人,可以被视为“高空置率”,也就是“鬼城”。用来发现鬼城的数据是巨大的,包含从2014年9月到2015年4月的7.7亿百度用户。

当然,这个数据也有问题,因为百度用户不成比例地集中于年轻人和富裕人群。但是,这毕竟是一个最大程度避免人工干预、人为污染的调查统计方法。

城市管理的另一个有趣的改变,发生在城市街头,起因也是大数据。

跑出租的司机,一般都喜欢挑长单子做,人之常情嘛。过去,出租车公司的管理手段通常是不接短单子就罚钱,不接电调就罚款。这样的处罚,也只限于投诉一起、发现一起,才能查处一起。现在,滴滴的“滴米”调度系统已经上线,该系统是通过对大数据的分析和把握,推出一种新的调度方式。行驶里程多、道路状况好的优质单会扣除滴米,而行驶里程较少、道路状况拥堵的“劣质单”则会奖励滴米。当乘客端发出叫车需求,有两辆车与乘客的距离是一样的,那么谁的滴米多,谁就获得这个订单,以此鼓励司机为接到好单而多累积滴米。

大数据会“说话”,能揭示非相关数据的相关关系,继而推断出因果关系。显然,这是一个拟人的说法,数据不会自动或主动“说话”,那么,谁给它“说话”的空间?又有谁去“听话”?大数据在现代治理中能否做大?怎么做大?取决于它的占有者和使用者。怎么采集、挖掘、整理、分析,这是一个问题；如何应用大数据,驱动管理升级,优化决策机制,创新制度设计,是问题的关键。最重要的恐怕是,管理者的视野要大。唯其如此,才有大智慧、大格局、大战略。