劉 瑾丁尚宇孟慶莊

（1. 中央民族大學經(jīng)濟學院 北京 100081；2. 中國宏觀經(jīng)濟研究院經(jīng)濟所 北京 100032）

一、研究背景與研究意義

2017 年，黨的十九大報告提出要實施鄉(xiāng)村振興戰(zhàn)略，并提出“產(chǎn)業(yè)興旺、生態(tài)宜居、鄉(xiāng)風文明、治理有效、生活富?！钡目傄蟆?018 年，中共中央、國務院印發(fā)《鄉(xiāng)村振興戰(zhàn)略規(guī)劃（2018—2022 年）》，從加快農(nóng)業(yè)現(xiàn)代化步伐、發(fā)展壯大鄉(xiāng)村產(chǎn)業(yè)、建設生態(tài)宜居美麗鄉(xiāng)村等角度對我國鄉(xiāng)村振興事業(yè)進行部署。2021 年1 月，中央一號文件《關于全面推進鄉(xiāng)村振興加快農(nóng)業(yè)農(nóng)村現(xiàn)代化的意見》印發(fā)，明確提出在新發(fā)展格局下，推進鄉(xiāng)村振興將成為“十四五”期間我國的重點工作之一。2021 年4 月，第十三屆全國人大常委會第二十八次會議通過《中華人民共和國鄉(xiāng)村振興促進法》，將推進鄉(xiāng)村振興以法律的形式確定下來。在提出鄉(xiāng)村振興戰(zhàn)略的五年時間中，中央出臺了諸多政策和法律法規(guī)對實現(xiàn)鄉(xiāng)村振興進行頂層設計與規(guī)劃，鄉(xiāng)村振興戰(zhàn)略已成為實現(xiàn)我國農(nóng)業(yè)農(nóng)村現(xiàn)代化的巨大推動力。

在明確鄉(xiāng)村振興戰(zhàn)略的地位后，如何實現(xiàn)鄉(xiāng)村振興成為政府部門面臨的重大挑戰(zhàn)。在實施鄉(xiāng)村振興戰(zhàn)略的過程中，第一步就是要了解鄉(xiāng)村發(fā)展全貌，掌握與農(nóng)業(yè)農(nóng)村發(fā)展相關的各類信息和數(shù)據(jù)。對于不同主體來說，了解鄉(xiāng)村發(fā)展的現(xiàn)狀都是實施下一步計劃和采取實際行動的前提。對于政府部門來說，了解現(xiàn)狀可以發(fā)現(xiàn)農(nóng)業(yè)農(nóng)村發(fā)展的短板，為因地制宜、因鄉(xiāng)施策打好基礎，同時也使通過借鑒其他地區(qū)的先進經(jīng)驗以實現(xiàn)跨越式發(fā)展成為可能。對于研究機構(gòu)來說，了解現(xiàn)狀是進行相關數(shù)據(jù)分析和提出政策建議的前提。對于經(jīng)濟組織來說，了解現(xiàn)狀是制定企業(yè)發(fā)展戰(zhàn)略和投資策略的關鍵。總之，了解鄉(xiāng)村發(fā)展現(xiàn)狀是實施鄉(xiāng)村振興戰(zhàn)略需要解決的首要問題。

當前，了解鄉(xiāng)村發(fā)展現(xiàn)狀過程中主要存在兩個問題。第一，從數(shù)據(jù)的共享角度來看，鄉(xiāng)村數(shù)據(jù)的分散化嚴重影響各類機構(gòu)了解鄉(xiāng)村發(fā)展現(xiàn)狀。在政府內(nèi)部，與鄉(xiāng)村發(fā)展相關的農(nóng)業(yè)部門、人社部門、財政部門、環(huán)保部門等各自為政，各部門之間數(shù)據(jù)資源沒有實現(xiàn)互聯(lián)互通，存在“數(shù)據(jù)孤島”“數(shù)據(jù)煙囪”的現(xiàn)象。在政府之外，銀行、征信機構(gòu)、農(nóng)業(yè)企業(yè)等也掌握著大量與農(nóng)民、農(nóng)業(yè)、農(nóng)村相關的數(shù)據(jù)資源，但這些數(shù)據(jù)資源沒有實現(xiàn)共享，也沒有同政府數(shù)據(jù)進行對接。第二，從數(shù)據(jù)的使用角度來看，即使各部門、各機構(gòu)掌握的鄉(xiāng)村數(shù)據(jù)實現(xiàn)了在同一平臺的匯集，政府部門也很難對數(shù)據(jù)進行分析和有效利用。一方面，不同部門和機構(gòu)掌握的數(shù)據(jù)內(nèi)容、格式和類型存在巨大差異，例如，政府部門掌握的鄉(xiāng)村數(shù)據(jù)更偏向于農(nóng)業(yè)領域，且數(shù)據(jù)頻率多為季度和年度，而銀行掌握的數(shù)據(jù)更多是和農(nóng)民個體或新型經(jīng)營主體相關，數(shù)據(jù)的敏感度和頻率更高。此外，不同機構(gòu)的數(shù)據(jù)格式也不同，要實現(xiàn)不同類型、不同頻率的數(shù)據(jù)拼接難度較大。另一方面，政府部門的技術(shù)水平有限，在使用大數(shù)據(jù)、人工智能等新技術(shù)方面的經(jīng)驗不足，很難對數(shù)據(jù)背后隱藏的信息進行充分挖掘。在此背景下，建設鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)勢在必行，通過融合政府、研究機構(gòu)和經(jīng)濟組織的數(shù)據(jù)源，借助研究機構(gòu)和經(jīng)濟組織的技術(shù)優(yōu)勢，政府部門可以更好地了解鄉(xiāng)村發(fā)展現(xiàn)狀，助力鄉(xiāng)村振興。

二、鄉(xiāng)村大數(shù)據(jù)畫像相關研究現(xiàn)狀

在鄉(xiāng)村大數(shù)據(jù)畫像系統(tǒng)的研究和實踐過程中，鄉(xiāng)村大數(shù)據(jù)源是研究和實踐的基礎，因此至關重要，同時，必須利用大數(shù)據(jù)畫像技術(shù)對數(shù)據(jù)展開分析，才能最終形成鄉(xiāng)村畫像。因此，本文重點參考了和鄉(xiāng)村大數(shù)據(jù)源以及大數(shù)據(jù)畫像技術(shù)相關的兩類研究文獻。

（一） 鄉(xiāng)村大數(shù)據(jù)源研究

已有學者對鄉(xiāng)村大數(shù)據(jù)源進行了研究。王東杰等提到，2014 年我國已經(jīng)搭建了國家農(nóng)業(yè)數(shù)據(jù)中心和國家農(nóng)業(yè)科技數(shù)據(jù)中心，同時，農(nóng)業(yè)部、商務部、國家統(tǒng)計局、發(fā)改委等開始建立各種信息統(tǒng)計渠道，加強對農(nóng)業(yè)生產(chǎn)、農(nóng)產(chǎn)品價格等方面的監(jiān)測[1]。趙瑞雪等對國內(nèi)外農(nóng)業(yè)科學數(shù)據(jù)的建設情況進行梳理，發(fā)現(xiàn)共計42 個數(shù)據(jù)源，如NCBI 數(shù)據(jù)庫、國家農(nóng)作物種質(zhì)資源平臺、中國生態(tài)農(nóng)業(yè)信息數(shù)據(jù)庫等；同時，文章還對各農(nóng)業(yè)數(shù)據(jù)庫包含的數(shù)據(jù)內(nèi)容進行了對比分析[2]。姜侯等將農(nóng)業(yè)大數(shù)據(jù)源的獲取途徑分為農(nóng)業(yè)物聯(lián)網(wǎng)數(shù)據(jù)、農(nóng)業(yè)遙感數(shù)據(jù)、農(nóng)業(yè)網(wǎng)絡數(shù)據(jù)、科研及農(nóng)戶生產(chǎn)經(jīng)營數(shù)據(jù)等四大類[3]。許哲平等將國內(nèi)外農(nóng)業(yè)大數(shù)據(jù)平臺分為基礎數(shù)據(jù)平臺、作物數(shù)據(jù)平臺、林業(yè)數(shù)據(jù)平臺、漁業(yè)數(shù)據(jù)平臺等類型[4]。劉瑾對政府數(shù)據(jù)開放平臺上的農(nóng)業(yè)農(nóng)村數(shù)據(jù)源進行梳理，并以8 個平臺為例對農(nóng)業(yè)農(nóng)村相關數(shù)據(jù)的開放數(shù)量和質(zhì)量進行評估[5]。劉瑾和張仲對鄉(xiāng)村自然地理條件數(shù)據(jù)源、統(tǒng)計年鑒數(shù)據(jù)源、農(nóng)業(yè)普查數(shù)據(jù)源、政府部門公開數(shù)據(jù)源、政策稱號數(shù)據(jù)源、農(nóng)業(yè)企業(yè)數(shù)據(jù)源、農(nóng)業(yè)專利數(shù)據(jù)源以及農(nóng)村電子商務數(shù)據(jù)源等8 類鄉(xiāng)村數(shù)據(jù)源進行了歸納總結(jié)[6]。

對已有文獻進行分析可以發(fā)現(xiàn)，當前對鄉(xiāng)村大數(shù)據(jù)源進行研究的主要關注點在農(nóng)業(yè)大數(shù)據(jù)源上，這主要是由于相比農(nóng)村和農(nóng)民數(shù)據(jù)來說，農(nóng)業(yè)數(shù)據(jù)的獲取途徑更多、數(shù)據(jù)總量更多。僅有少量文獻涉及與農(nóng)村和農(nóng)民相關的大數(shù)據(jù)源，如姜侯等[3]提到的農(nóng)戶生產(chǎn)經(jīng)營數(shù)據(jù)、劉瑾和張仲[6]提到的政策稱號數(shù)據(jù)以及農(nóng)村電子商務數(shù)據(jù)等。但對于鄉(xiāng)村整體發(fā)展而言，農(nóng)業(yè)、農(nóng)村和農(nóng)民三者都十分重要，農(nóng)民更是鄉(xiāng)村經(jīng)濟系統(tǒng)的核心，同時，數(shù)據(jù)源的多樣和完整是進行后續(xù)分析的基本條件，因此，任何一方數(shù)據(jù)的短缺都會導致政府無法客觀、綜合地對鄉(xiāng)村總體情況進行分析與評價。

當前，數(shù)字鄉(xiāng)村戰(zhàn)略的推進加速了鄉(xiāng)村大數(shù)據(jù)的積累。早在2015 年，農(nóng)業(yè)部印發(fā)的《關于推進農(nóng)業(yè)農(nóng)村大數(shù)據(jù)發(fā)展的實施意見》中就要求在2020 年底前實現(xiàn)各級農(nóng)業(yè)主管部門數(shù)據(jù)集向全社會開放，實現(xiàn)數(shù)據(jù)采集的自動化和數(shù)據(jù)使用的智能化，同時，發(fā)展農(nóng)業(yè)領域的物聯(lián)網(wǎng)，加強對農(nóng)業(yè)農(nóng)村領域各項數(shù)據(jù)的實時監(jiān)測。2019 年，中共中央辦公廳、國務院辦公廳印發(fā)《數(shù)字鄉(xiāng)村發(fā)展戰(zhàn)略綱要》，提出加快鄉(xiāng)村信息基礎設施建設、建設智慧綠色鄉(xiāng)村、深化信息惠民服務等多項舉措。2020 年，《數(shù)字農(nóng)業(yè)農(nóng)村發(fā)展規(guī)劃（2019—2025 年）》印發(fā)，進一步指明了發(fā)展數(shù)字鄉(xiāng)村的路徑，包括構(gòu)建基礎數(shù)據(jù)資源體系、加快生產(chǎn)經(jīng)營數(shù)字化改造、強化關鍵技術(shù)裝備創(chuàng)新等。數(shù)字鄉(xiāng)村戰(zhàn)略的實施有助于進一步解放和發(fā)展數(shù)字生產(chǎn)力，構(gòu)建層級更高、結(jié)構(gòu)更優(yōu)的現(xiàn)代化鄉(xiāng)村經(jīng)濟體系，推動鄉(xiāng)村振興的實現(xiàn)。從構(gòu)建鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)的角度來看，數(shù)字鄉(xiāng)村戰(zhàn)略有助于鄉(xiāng)村大數(shù)據(jù)源的拓展，使各類數(shù)據(jù)充分融合，為后續(xù)畫像技術(shù)的應用奠定數(shù)據(jù)基礎。

（二） 大數(shù)據(jù)畫像技術(shù)研究

大數(shù)據(jù)畫像技術(shù)是構(gòu)建鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)的核心技術(shù)。大數(shù)據(jù)畫像的概念來自于用戶畫像，其英文名稱為“User Persona”，最早由交互設計之父艾倫·庫珀提出，他將用戶畫像定義為“基于用戶真實數(shù)據(jù)的虛擬代表”[7]。用戶畫像是基于用戶的基本屬性、社會屬性、行為習慣等信息來提取個性化標簽，了解用戶的過程[8]。大數(shù)據(jù)畫像技術(shù)是用戶畫像在大數(shù)據(jù)背景下的創(chuàng)新發(fā)展，是基于靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)、傳統(tǒng)數(shù)據(jù)和非傳統(tǒng)數(shù)據(jù)、宏觀數(shù)據(jù)和微觀數(shù)據(jù)，結(jié)合大數(shù)據(jù)、人工智能等新技術(shù)，來挖掘數(shù)據(jù)、提取特征、構(gòu)建模型并進行可視化展示的一種新型畫像技術(shù)。

從畫像的研究對象來看，已有文獻的研究對象以“用戶”為主，如Semeraro 等[9]、單曉紅等[10]、吳樹芳等[11]和閆泓序等[12]，分別對數(shù)字圖書館用戶、攜程酒店用戶、微博用戶以及我國工業(yè)電力用戶進行畫像，利用畫像技術(shù)分析不同行業(yè)的用戶特征，為挖掘用戶價值提供支撐。此外，還有部分文獻以企業(yè)或者產(chǎn)品為對象進行研究[13-15]，但這類文獻數(shù)量較少，且研究思路和使用技術(shù)與用戶畫像類似。本文在對知網(wǎng)進行檢索后發(fā)現(xiàn)，國內(nèi)僅有李望月等學者的一篇文獻對鄉(xiāng)村領域的畫像技術(shù)應用進行了初步探索，但該文獻尚未給出構(gòu)建鄉(xiāng)村領域大數(shù)據(jù)畫像系統(tǒng)的方法[16]。而國外尚未有文獻使用畫像技術(shù)對鄉(xiāng)村面貌進行刻畫，僅有部分文獻對大數(shù)據(jù)技術(shù)在農(nóng)業(yè)領域的應用進行了研究[17-18]。

從畫像的應用場景來看，在現(xiàn)實生活中，畫像技術(shù)多用于金融領域和互聯(lián)網(wǎng)領域，具體而言，主要用在相關內(nèi)容推送、廣告精準投放、客戶征信、個性化服務等方面。以往，由于農(nóng)業(yè)農(nóng)村領域的數(shù)據(jù)存在量少、頻率低、結(jié)構(gòu)各異等問題，畫像技術(shù)落地和應用的難度較大，在客觀上阻礙了畫像技術(shù)在鄉(xiāng)村領域的使用和推廣。

從畫像的技術(shù)基礎來看，特征提取是畫像技術(shù)的關鍵。特征提取的方法可以分為兩大類。一類是人工提取，即通過調(diào)研、走訪、文獻查閱、專家咨詢等方法來提取用戶的特征，構(gòu)建用戶畫像，這類方法適用于數(shù)據(jù)結(jié)構(gòu)清晰、數(shù)據(jù)內(nèi)涵明確、數(shù)據(jù)量較小、前人經(jīng)驗豐富的場景[19]。另一類是數(shù)據(jù)挖掘，即使用大數(shù)據(jù)技術(shù)對數(shù)據(jù)進行深度分析，提取隱藏的特征，具體方法包括K 均值聚類、樸素貝葉斯、決策樹、隨機森林等，這類方法適用于數(shù)據(jù)量大、數(shù)據(jù)類型多樣的場景[20-21]。

總體來看，當前對于大數(shù)據(jù)畫像技術(shù)應用于鄉(xiāng)村領域的研究極少，這一方面是由于相比工業(yè)和商業(yè)領域，農(nóng)業(yè)領域的信息化推進較慢，信息技術(shù)在農(nóng)業(yè)領域的應用也更少，另一方面是由于畫像技術(shù)更多聚焦于個體人，關注“客戶”能夠創(chuàng)造的商業(yè)價值，研究主體尚未拓展到“鄉(xiāng)村”。在鄉(xiāng)村大數(shù)據(jù)源逐漸豐富的背景下，畫像技術(shù)也有了在鄉(xiāng)村應用的基礎，同時，隨著鄉(xiāng)村經(jīng)濟系統(tǒng)的復雜化，傳統(tǒng)的治理手段無法滿足需求，將大數(shù)據(jù)技術(shù)應用于鄉(xiāng)村治理是實現(xiàn)農(nóng)業(yè)農(nóng)村現(xiàn)代化的必然要求[22]。

三、鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)的功能和架構(gòu)

（一） 鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)的定義、特征及功能

1. 定義

鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)是匯聚各類與農(nóng)業(yè)、農(nóng)村、農(nóng)民相關的大數(shù)據(jù)源，使用大數(shù)據(jù)技術(shù)對鄉(xiāng)村數(shù)據(jù)進行挖掘，提取多種數(shù)據(jù)特征，并使用可視化技術(shù)對鄉(xiāng)村數(shù)據(jù)進行展示的畫像系統(tǒng)。

2. 特征

鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)具有四個特征。

一是綜合化。鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)將匯集涉及鄉(xiāng)村發(fā)展的各類數(shù)據(jù)，多維度、多層次、多方面刻畫鄉(xiāng)村發(fā)展面貌，突破傳統(tǒng)數(shù)據(jù)平臺主要提供農(nóng)業(yè)數(shù)據(jù)的限制。用戶通過平臺能夠全面了解鄉(xiāng)村發(fā)展的各個方面。

二是動態(tài)化。隨著底層數(shù)據(jù)的更新，數(shù)據(jù)分析結(jié)果及可視化展示也會變動。未來，隨著海量數(shù)據(jù)的匯聚和數(shù)據(jù)更新頻率的提高，鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)將達到實時變動。平臺動態(tài)化的特征將極大提高平臺的使用效率，幫助政府等用戶及時更新信息，進而做出決策。

三是智能化。不同于簡單的數(shù)據(jù)庫或數(shù)據(jù)平臺，鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)在大數(shù)據(jù)、人工智能等技術(shù)的助力下，將實現(xiàn)對數(shù)據(jù)的深度分析，同時可根據(jù)不同主體的需求提供不同的數(shù)據(jù)分析方案。

四是可視化?？梢暬夹g(shù)可以對大量復雜數(shù)據(jù)進行提取并分析，借助圖形、表格、圖標等直觀的、便于理解的形式，將結(jié)果呈現(xiàn)出來，從而幫助系統(tǒng)使用主體在短時間內(nèi)獲取更多信息。3. 功能

鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)可以為政府部門、學術(shù)機構(gòu)、經(jīng)濟組織等各類主體使用，為解決鄉(xiāng)村領域的難點問題提供數(shù)據(jù)支撐。具體而言，鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)主要有三大功能。

一是了解全貌。傳統(tǒng)的鄉(xiāng)村發(fā)展評價一般采用年鑒數(shù)據(jù)、普查數(shù)據(jù)和調(diào)查數(shù)據(jù)等，這些數(shù)據(jù)存在時間滯后、更新頻率低、農(nóng)業(yè)數(shù)據(jù)多而農(nóng)村和農(nóng)民數(shù)據(jù)少等問題，同時，使用相似數(shù)據(jù)源進行分析可能會導致評價結(jié)果的趨同化。鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)涵蓋了海量的鄉(xiāng)村數(shù)據(jù)資源，能夠極大地拓展分析維度，幫助系統(tǒng)使用主體全方位、立體化地了解鄉(xiāng)村發(fā)展實際情況，進而有針對性地采取具體措施。

二是差異尋因。從政府角度而言，在了解鄉(xiāng)村發(fā)展的現(xiàn)狀后，需要更進一步地了解短板為何為短板，以及如何去突破短板。鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)可以幫助政府部門對比當?shù)嘏c位置鄰近地區(qū)、經(jīng)濟結(jié)構(gòu)相似地區(qū)、自然資源相似地區(qū)之間鄉(xiāng)村發(fā)展的差異，從而發(fā)現(xiàn)該地區(qū)的優(yōu)勢和劣勢，并提供其他地區(qū)的發(fā)展經(jīng)驗供其參考。

三是監(jiān)測預警。鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)也可作為監(jiān)測預警系統(tǒng)使用。一方面，系統(tǒng)可用于評估鄉(xiāng)村振興政策的實施情況，通過對多年數(shù)據(jù)進行對比，向政府部門清晰提示指標的變動情況尤其是下降指標的實際表現(xiàn)，幫助政府采取相關政策進行適當調(diào)整。另一方面，系統(tǒng)可用于對鄉(xiāng)村發(fā)展情況進行實時監(jiān)測并發(fā)出預警。例如，系統(tǒng)可以對農(nóng)產(chǎn)品價格進行實時監(jiān)測，當指標值出現(xiàn)異常波動或下降趨勢時發(fā)出預警信號，幫助政府部門作出及時應對。

（二） 鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)的架構(gòu)

如圖1 所示，本文構(gòu)建的鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)主要包括六大板塊：數(shù)據(jù)采集、數(shù)據(jù)預處理、數(shù)據(jù)存儲、特征工程、數(shù)據(jù)挖掘、鄉(xiāng)村畫像。用戶畫像的過程包括搜集用戶數(shù)據(jù)、分析用戶相關業(yè)務特色以及可視化分析等[23-24]，這六大板塊的設計參考了用戶畫像的構(gòu)建過程。設計同時參考了計算機領域搭建大數(shù)據(jù)類平臺的相關流程，即從數(shù)據(jù)的獲取，到數(shù)據(jù)簡單處理和存儲，再到對數(shù)據(jù)進行深層次挖掘和分析，最后形成關于一個主體的大數(shù)據(jù)畫像，這是一個構(gòu)建大數(shù)據(jù)平臺通用的流程。流程核心是對粗糙的數(shù)據(jù)進行深度加工，將與主體相關的各類事物聯(lián)系在一起，構(gòu)建一個關于主體的信息網(wǎng)絡，而畫像的本質(zhì)，就是信息的有效集合。

1. 數(shù)據(jù)采集

鄉(xiāng)村數(shù)據(jù)源十分豐富，包括年鑒數(shù)據(jù)、普查數(shù)據(jù)、調(diào)研數(shù)據(jù)、征信數(shù)據(jù)、消費數(shù)據(jù)、支付數(shù)據(jù)、手機信令數(shù)據(jù)、物聯(lián)網(wǎng)數(shù)據(jù)和互聯(lián)網(wǎng)爬取數(shù)據(jù)等等。從數(shù)據(jù)結(jié)構(gòu)來看，畫像系統(tǒng)既包括結(jié)構(gòu)化數(shù)據(jù)，又包括半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。從數(shù)據(jù)層次來看，畫像系統(tǒng)既包括省級層面、市級層面的宏觀經(jīng)濟數(shù)據(jù)，又包括涉及農(nóng)戶個體的微觀數(shù)據(jù)。從數(shù)據(jù)類型來看，畫像系統(tǒng)既包括數(shù)值型數(shù)據(jù)，又包括文本型數(shù)據(jù)。本文在構(gòu)建鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)時，對三類鄉(xiāng)村大數(shù)據(jù)源進行了重點關注。

一是政府數(shù)據(jù)開放平臺上的鄉(xiāng)村數(shù)據(jù)。政府掌握著大量高價值的數(shù)據(jù)資源。據(jù)《中國地方政府數(shù)據(jù)開放報告（2021 年上半年）》統(tǒng)計，截至2021 年4 月底，我國已有174 個省級和城市的地方政府上線了數(shù)據(jù)開放平臺，其中省級平臺18 個（含省和自治區(qū)，不包括直轄市和港澳臺），城市平臺156 個（含直轄市、副省級與地級行政區(qū)）。這些平臺匯聚了發(fā)改、民政、財政、住建、自然資源、生態(tài)環(huán)境、水利、文化和旅游、統(tǒng)計等多個政府部門的數(shù)據(jù)，從主題或領域來看，涉及鄉(xiāng)村數(shù)據(jù)的主題包括農(nóng)業(yè)農(nóng)村、文旅休閑、氣象服務、衛(wèi)生健康等。政府促進鄉(xiāng)村數(shù)據(jù)開放可以推動歷史數(shù)據(jù)的數(shù)字化、電子化，這些數(shù)據(jù)不僅可以為政府部門所用，為其決策提供支撐，同時也可以為其他主體進行應用開發(fā)提供基礎資源，進一步促進數(shù)據(jù)要素價值的釋放。

二是物聯(lián)網(wǎng)產(chǎn)生的鄉(xiāng)村數(shù)據(jù)。例如，農(nóng)村居民可以借助物聯(lián)網(wǎng)傳感器搭建精細化種養(yǎng)環(huán)境，在種養(yǎng)殖生產(chǎn)環(huán)節(jié)通過物聯(lián)網(wǎng)設備采集環(huán)境信息。再如，農(nóng)村地區(qū)還可以通過在垃圾監(jiān)測點部署傳感器設備，結(jié)合無人機定期拍攝、互聯(lián)網(wǎng)群眾監(jiān)督等手段，獲取農(nóng)村人居環(huán)境數(shù)據(jù)。

三是與農(nóng)戶相關的微觀數(shù)據(jù)?；ヂ?lián)網(wǎng)金融的發(fā)展使得“長尾效應”得到充分發(fā)揮，農(nóng)村居民也能以較低成本購買金融產(chǎn)品和服務，在此背景下，互聯(lián)網(wǎng)金融平臺將積攢大量關于居民個人的消費、支付、購買保險等行為的數(shù)據(jù)，這些數(shù)據(jù)與傳統(tǒng)銀行等金融機構(gòu)的數(shù)據(jù)結(jié)合，可以進一步完善我國農(nóng)村居民包括征信情況在內(nèi)的各種信息。

未來，隨著政府數(shù)據(jù)開放工作的推進、智慧農(nóng)業(yè)的發(fā)展和數(shù)字金融的進一步推廣，這三類鄉(xiāng)村大數(shù)據(jù)源將獲得極大拓展。同時，其他鄉(xiāng)村數(shù)據(jù)源也將更加豐富，使鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)能夠保持動態(tài)更新。

2. 數(shù)據(jù)預處理

由于不同來源的數(shù)據(jù)類型不一、頻率不一、時間段不一，因此在使用之前需要對數(shù)據(jù)進行處理。一是數(shù)據(jù)清洗，如去除異常值、處理缺失值。二是數(shù)據(jù)轉(zhuǎn)換，如將文本型數(shù)據(jù)轉(zhuǎn)換為數(shù)值型數(shù)據(jù)，以及不同尺度數(shù)據(jù)的歸一化處理等。三是數(shù)據(jù)規(guī)約。以屬性規(guī)約為例，屬性規(guī)約是通過合并屬性來創(chuàng)建新的屬性，或者通過刪除不相關屬性來減少數(shù)據(jù)維數(shù)，從而提高后續(xù)的數(shù)據(jù)挖掘效率，降低計算成本。四是數(shù)據(jù)集成，即把不同來源、不同格式的數(shù)據(jù)在邏輯上或者在物理上進行集中。

3. 數(shù)據(jù)存儲

數(shù)據(jù)存儲板塊應充分考慮數(shù)據(jù)使用的規(guī)范性和便捷性。本文初步設想可以根據(jù)鄉(xiāng)村數(shù)據(jù)的內(nèi)涵對各個數(shù)據(jù)源的數(shù)據(jù)進行細分，然后集中到相應的數(shù)據(jù)庫中，如自然環(huán)境數(shù)據(jù)庫、鄉(xiāng)村人口數(shù)據(jù)庫、農(nóng)業(yè)生產(chǎn)數(shù)據(jù)庫、鄉(xiāng)村治理數(shù)據(jù)庫、鄉(xiāng)村經(jīng)濟數(shù)據(jù)庫等。此外，數(shù)據(jù)存儲還應關注數(shù)據(jù)的安全性，防止數(shù)據(jù)篡改和泄露。

4. 特征工程

如前所述，特征提取是構(gòu)建大數(shù)據(jù)畫像系統(tǒng)最為關鍵的一步，人工提取和數(shù)據(jù)挖掘這兩種特征提取方法既可以分開使用，也可以結(jié)合使用。提取出來的特征通過標簽進行展示和存儲，標簽可以分為以下三類。

一是事實標簽。這類標簽是根據(jù)鄉(xiāng)村的基本信息提取的，是對事實的描述，無需對原始信息進行太多處理，如“屬于西部地區(qū)”“屬于溫帶季風氣候”等。

二是模型標簽。這類標簽是對鄉(xiāng)村數(shù)據(jù)進行求和、求平均、求比率、求增速等得到的，是基于一定的畫像模型產(chǎn)生的，如“本年度小麥產(chǎn)量比去年增加3%”“平均每村的醫(yī)療人員數(shù)量為4 人”等。

三是預測標簽。這類標簽是在對鄉(xiāng)村未來發(fā)展情況進行預測時使用的，需要構(gòu)建更加復雜的模型、進行更為復雜的運算才能得出，如“水稻產(chǎn)量可能出現(xiàn)下降”“人口有增加趨勢”等。預測方法既可以使用傳統(tǒng)經(jīng)濟學中的各種趨勢預測法，也可以使用機器學習等統(tǒng)計方法。

在構(gòu)建鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)時，要建立標簽篩選機制。標簽篩選指的是對事實標簽、模型標簽和預測標簽等各類標簽進行有選擇性地呈現(xiàn)的過程。隨著鄉(xiāng)村大數(shù)據(jù)類型和數(shù)量的增加，標簽的數(shù)量也將不斷增加，如果不建立篩選機制，將所有標簽直接可視化，就會導致大量標簽集中于同一張圖的情況，出現(xiàn)“信息過量”或“信息泛濫”的現(xiàn)象。未來可通過構(gòu)建標簽篩選機制，根據(jù)不同主體的實際需求來選擇可視化的側(cè)重點，有針對性地展示部分重要標簽。

5. 數(shù)據(jù)挖掘

對特征工程環(huán)節(jié)提取到的特征和標簽，我們繼續(xù)使用數(shù)據(jù)挖掘技術(shù)對其進行具體而深入的分析。實際操作中有多種方法可供選擇，以機器學習方法為例，既可以采用有監(jiān)督的學習（如分類分析），也可以采用無監(jiān)督的學習（如聚類分析），具體使用哪種方法需要根據(jù)數(shù)據(jù)情況和研究目的而定。在進行數(shù)據(jù)挖掘時，要特別關注數(shù)據(jù)的稀疏性問題。以“全國民主法治示范村”這一政策稱號為例，到目前為止，該稱號一共發(fā)布過7 個批次的名單，共計3035 個村落，對于我國六十多萬個村來說，擁有“全國民主法治示范村”稱號的村落數(shù)量是很少的，大量未獲得稱號的村落在該項數(shù)據(jù)表現(xiàn)上值為零，這就導致了數(shù)據(jù)稀疏性問題。通俗來說，數(shù)據(jù)稀疏是指數(shù)據(jù)相對于整體而言具有較低的覆蓋度，傳統(tǒng)方法很難獲取有用信息從而生產(chǎn)有效的標簽。因此，在構(gòu)建鄉(xiāng)村振興大數(shù)據(jù)畫像時，對這些數(shù)據(jù)進行合適的處理對于后續(xù)的計算至關重要。

6. 鄉(xiāng)村畫像

經(jīng)過以上五個步驟，鄉(xiāng)村振興大數(shù)據(jù)畫像形成，按照不同的用途和功能運用于多個領域。以政府部門為例，政府可以借助鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)開展農(nóng)業(yè)普查；也可以利用系統(tǒng)的數(shù)據(jù)分析結(jié)果因鄉(xiāng)施策，為鄉(xiāng)村補全短板、發(fā)揮優(yōu)勢提供助力；還可以測度和評估政策效果，為下一步調(diào)整政策提供數(shù)據(jù)支持等。

四、鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)實踐

依據(jù)鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)的架構(gòu)和設計思路，本文對該系統(tǒng)進行了開發(fā)和實踐，設計了四大類畫像體系，分別為中長期畫像、振興指數(shù)畫像、特征鄉(xiāng)村畫像和試點示范畫像。

（一） 中長期畫像

中長期畫像體系的底層數(shù)據(jù)主要來自年鑒、農(nóng)業(yè)普查資料等，重點在于對我國鄉(xiāng)村發(fā)展5 至10 年內(nèi)的情況進行宏觀層面的分析，具體可以分為兩部分。第一部分為農(nóng)業(yè)普查數(shù)據(jù)分析。以北京市為例，本文利用大數(shù)據(jù)技術(shù)對上百個標簽進行梳理，并使用詞云圖進行可視化展示，畫像結(jié)果如圖2（a）所示。從圖中可以直觀看出1996 年、2006 年和2016 年北京市鄉(xiāng)村發(fā)展比較好的方面，并能夠看出北京市鄉(xiāng)村隨時間的變化情況，如2016 年的“電子商務配送站點”標簽可以充分體現(xiàn)農(nóng)村電子商務行業(yè)的快速發(fā)展。圖2（b）給出了三個時點排名前十位的具體指標。第二部分為五年規(guī)劃時段分析，以年鑒數(shù)據(jù)為基礎。以黑龍江省農(nóng)林牧漁總產(chǎn)值指標為例，從圖3 可以看出，“十一五”“十二五”“十三五”期間，黑龍江省農(nóng)林牧漁業(yè)總產(chǎn)值在全國的排名分別上升2 位、上升4 位、下降1 位，“十二五”期間的增長速度最快。

（二） 鄉(xiāng)村振興指數(shù)畫像

鄉(xiāng)村振興指數(shù)畫像使用的是年鑒數(shù)據(jù)，通過構(gòu)建指標體系來對我國31 個?。ㄗ灾螀^(qū)、直轄市）的鄉(xiāng)村振興發(fā)展水平進行測度，如圖4（a）所示，鄉(xiāng)村振興指數(shù)按照從高到低進行排序，拉動柱狀圖下方的橫條，可以看到全部省份的鄉(xiāng)村振興指數(shù)情況。點擊圖上某個省份的柱狀圖，可以進入詳情頁，如圖4（b）所示，以河北省為例，可以看到河北省2018 年鄉(xiāng)村振興指數(shù)值及其排名，并可以看到五個一級指標值。

（三） 特征鄉(xiāng)村畫像

特征鄉(xiāng)村畫像又分為集聚提升類鄉(xiāng)村畫像、城郊融合類鄉(xiāng)村畫像、特色保護類鄉(xiāng)村畫像和搬遷撤并類鄉(xiāng)村畫像，其中，第一類和第三類畫像主要使用《中國縣域統(tǒng)計年鑒（鄉(xiāng)鎮(zhèn)卷）》數(shù)據(jù)，第二類和第四類畫像主要使用從民政部網(wǎng)站公告中爬取的數(shù)據(jù)。以集聚提升類鄉(xiāng)村畫像為例，千強鄉(xiāng)鎮(zhèn)是統(tǒng)計年鑒中提供的一種稱號，其數(shù)量也是體現(xiàn)鄉(xiāng)村集聚提升的重要信號，圖5 給出了分地區(qū)的我國各省份千強鄉(xiāng)鎮(zhèn)數(shù)量情況。其余部分暫不做展示。

（四） 試點示范鄉(xiāng)村畫像

試點示范鄉(xiāng)村畫像的數(shù)據(jù)來自于互聯(lián)網(wǎng)，本文對農(nóng)業(yè)農(nóng)村部、財政部、人社部等十余個國家級政府部門網(wǎng)站進行爬取，獲得了與鄉(xiāng)村有關的60 多個稱號，這些稱號通常被稱為“試點”“示范”等，如“全國一村一品示范村鎮(zhèn)”“全國鄉(xiāng)村振興示范村”“結(jié)合新型城鎮(zhèn)化開展支持農(nóng)民工等人員返鄉(xiāng)創(chuàng)業(yè)試點”等。稱號數(shù)據(jù)屬于非傳統(tǒng)、非結(jié)構(gòu)化的文本型數(shù)據(jù)，需要使用文本分析工具對文字進行解析。本文共獲得5 萬多個行政村名稱，圖6 給出了這些稱號的總體情況以及分區(qū)域的情況。此外，本研究還對各省份稱號數(shù)據(jù)進行了分析，在此暫不做展示。

當前，本系統(tǒng)已經(jīng)獲取的數(shù)據(jù)可以分為三類。一是三次農(nóng)業(yè)普查數(shù)據(jù)。二是與鄉(xiāng)村有關的年鑒數(shù)據(jù)，包括《中國統(tǒng)計年鑒》《中國人口和就業(yè)統(tǒng)計年鑒》等綜合類年鑒中的相關數(shù)據(jù)、《中國農(nóng)村統(tǒng)計年鑒》《中國農(nóng)墾統(tǒng)計年鑒》等鄉(xiāng)村類年鑒的全部數(shù)據(jù)、《廣東農(nóng)村統(tǒng)計年鑒》等地方性鄉(xiāng)村類年鑒數(shù)據(jù)。三是互聯(lián)網(wǎng)爬取數(shù)據(jù)，主要是對各個政府部門網(wǎng)站進行爬取。本系統(tǒng)的數(shù)據(jù)后臺已經(jīng)按照行政主體、時間等關鍵指標對各個來源的數(shù)據(jù)進行拼接，并提供了數(shù)據(jù)查詢、數(shù)據(jù)篩選等功能。由于征信數(shù)據(jù)、支付數(shù)據(jù)等數(shù)據(jù)的私密性較高，這部分數(shù)據(jù)目前尚未獲取。未來，隨著數(shù)據(jù)源的拓展，大數(shù)據(jù)系統(tǒng)的底層數(shù)據(jù)基礎將更加堅實。從數(shù)據(jù)分析方法來看，本系統(tǒng)既使用了傳統(tǒng)的統(tǒng)計方法，又使用了標簽技術(shù)，并提供了大量的可視化圖表，下一步，本系統(tǒng)將更多使用機器學習、深度學習等對底層數(shù)據(jù)進行挖掘。

五、總結(jié)

鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)是基于廣泛的鄉(xiāng)村大數(shù)據(jù)源，使用大數(shù)據(jù)技術(shù)和畫像技術(shù)進行數(shù)據(jù)分析的可視化系統(tǒng)，具有綜合化、動態(tài)化、智能化、可視化四大特征及了解全貌、差異尋因、監(jiān)測預警三大功能。本文給出了鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)的具體架構(gòu)，包括數(shù)據(jù)采集、數(shù)據(jù)預處理、數(shù)據(jù)存儲、特征工程、數(shù)據(jù)挖掘、鄉(xiāng)村畫像六大板塊?；谠摷軜?gòu)，本文進行了具體實踐，將系統(tǒng)分為中長期畫像、振興指數(shù)畫像、特征鄉(xiāng)村畫像和試點示范畫像四類畫像，并對四類畫像的主要內(nèi)容進行了展示。

鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)是在鄉(xiāng)村振興和數(shù)字鄉(xiāng)村兩大戰(zhàn)略實施的背景下進行設計和搭建的，數(shù)字鄉(xiāng)村是鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)建設的基礎，鄉(xiāng)村振興是系統(tǒng)建設的目標。數(shù)字鄉(xiāng)村不僅是指數(shù)字技術(shù)在鄉(xiāng)村領域的簡單應用，還指根據(jù)數(shù)字經(jīng)濟的發(fā)展理念，依托于信息基礎設施和大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)等數(shù)字技術(shù)，驅(qū)動農(nóng)業(yè)農(nóng)村高質(zhì)量發(fā)展，推動鄉(xiāng)村智能化、綠色化、精準化。數(shù)字鄉(xiāng)村的發(fā)展為鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)提供了基礎數(shù)據(jù)，同時也積累了技術(shù)經(jīng)驗。反過來，鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)也為數(shù)字鄉(xiāng)村和鄉(xiāng)村振興戰(zhàn)略的推進提供了更加可靠的數(shù)據(jù)支持，為鄉(xiāng)村發(fā)展指明了方向。未來，隨著鄉(xiāng)村數(shù)據(jù)資源的開放拓展和信息技術(shù)的進步，鄉(xiāng)村振興大數(shù)據(jù)畫像系統(tǒng)的各項功能將更加完善，數(shù)據(jù)分析結(jié)果將更加準確，系統(tǒng)的應用范圍也將進一步擴大。