一、 智慧城市面对的不确定性
▌为什么要关注不确定性
信息技术应用的成功激发了智慧城市的构想，但智慧城市顶层设计却频频出现难以落地的问题，重要原因是没有意识到信息技术工具都有其适用的边界，信息技术是利用历史的数据与经验的算法来解决未来的问题，它只能适应确定性环境，无法适应不确定性环境，确定性是信息技术应用的边界，智慧城市恰恰具有极大的不确定性，顶层设计必须识别不确定性才能使智慧城市顺利落地。
▌两种类型的政府业务
智慧城市的一项重要任务是推动服务型政府建设，信息技术提高政府工作效率的可行性与政府的业务类型密切相关，政府业务可分为两类：
以规范化操作为中心的基层服务型业务，主要面对确定性问题;
以政府决策与管理为中心的政府高层业务，主要处理不确定性问题。
两类业务面对问题的确定性程度有很大不同，这种差别将会极大地影响信息技术应用的有效性，顶层设计需要选择更有效的业务领域。
▌信息技术对基层业务的积极贡献
政府基层业务是信息技术最容易发挥作用的领域，发改委、网信办等十部委联合提出“一号、一窗、一网”的要求，面对的正是信息技术最能够提高政府服务的效率之处。信息技术能否发挥作用依赖于业务规范化程度，政府基层服务的规范性支持了信息化应用取得高效益。
▌信息技术对高层决策作用不大
政府的重要决策是由领导人制定的，决策本身需要创新思维，决策需要解决的是仅靠数据不能解决的问题，从数据中能够计算出未来的策略不需要高层决策，只有缺乏数据、没有先例、需要创新的重要场合才需要高层决策。决策者不仅要制定政策还需要承担责任，创新与责任都是计算机系统无法做到的。
▌城市产业发展的不确定性
智慧城市的产业发展具有不确定性，因为产业发展不是本地区政府所能控制的，产业是跨地区竞争的，技术是不断更新的，发展态势不仅受到本地区策略的影响还受到外地市场竞争的影响，不确定性是产业发展的基本规律，智慧城市对产业发展做精确设计是不可能的，政府能做的主要是改善经济发展的基础环境，如交通与通信，城市更宜居，提高人才吸引力等。
▌智慧城市需要面对不确定性
虽然大数据、人工智能、云计算、物联网等先进技术对智慧城市建设增加很多重要手段，但是信息技术还是有其与生俱来的局限性，其能力与局限均来自信息技术的机理，信息技术只能解决确定性问题，因此顶层设计必须从确定性与不确定性问题的分析入手，扬长避短地选择合适的领域与合适的项目，提高智慧城市建设的效益水平。
二、 运行管理中心与城市大脑
▌自组织发展的城市没有集中的大脑
大数据、云计算、物联网、人工智能抬高了人们对智慧城市的期望，许多人相信可以利用这些新技术建立城市大脑，使政府的决策走上科学化的道路。建立城市大脑出发点虽然好却不现实，城市的出现有几千年，并不存在什么城市大脑，城市是按自组织模式发展起来的，城市的智慧是分布式存在的，这种智慧模式不是顶层设计可模仿的。
▌信息技术只能构建智能系统
计算机虽然被称为电脑但与人脑思维模式有很大不同，人脑可以有两种思维模式，逻辑思维与直觉思维，直觉思维成为创造性的主要来源。然而电脑只有逻辑思维一种模式，电脑不能创造概念，只能按照逻辑方法处理数据，却不会将数据提升为信息更不会创新(即使人工智能也做不到)，信息技术可以建设智能系统却无法真正模拟人脑，智慧城市顶层设计也设计不出超越逻辑的城市大脑。
▌大数据技术解决不了创新问题
大数据技术提升了人们认识问题与处理问题的能力，而信息技术处理问题能力依然存在着先天的局限性，只能应对可预测的变化，该变化规律已经存在于历史数据之中。不确定性意味着未来是不可预测的，而信息技术无法应对不可预测性，大数据也无法解决不确定性问题，大数据没有创新能力。
人脑是可以创新的，人脑不仅能理解包含在数据之中的信息还能理解非数字化的信息，人脑能够从对人性的理解中悟出潜在的需求进行创新并能承担决策风险，这是大数据技术做不到的。
▌人脑能在数据不完备时决策电脑不能
靠完整的政府数据和运行管理中心的计算能力就能够实现决策的科学化只是一种幻想，实际上政府的数据永远是不可能收集齐全的，很多重要的数据并没有进行采集，很多信息无法数字化而无法采集，已采集的数据还存在质量问题，政府官员可以在数据不完备环境下决策，因为人还可以接受其它渠道的信息，包括非数字化的信息，电脑没有这种能力，因而不会在数据不完备时决策。
三、 认识政府数据不完备的现实
▌历史数据并不能支持创新决策
数据收集永远滞后于实际，不论多及时地收集的数据都是历史数据，数据所表达的是过去而不是现在更不是未来。而决策是面向未来的，历史数据并不总是能预测未来，在发展是连续性的环境下预测未来有可能，但是在发展不连续的环境下，未来是不确定的，数据不能预示未来，分析历史数据并不能对未来提出有用的策略建议，历史数据没有支持创新决策的能力。
▌不是所有数据都能收集齐全的
政府数据收集并非唾手可得，政府的数据经由各部门收集，集中起来并不容易，数据的更新维护是通过部门系统完成的，数据可以集中但更新维护渠道却难以集中，很多分析想要的数据政府并没有收集，政府虽然可以发放统计调查表，但数据收集之路艰苦漫长且费用很高，期待政府有足够的数据可支持每项决策分析是不现实的。
▌一些重要信息是无法数字化的
政府决策分析缺乏数据是普遍现象，不仅是数据未集中上来或是可以调查数据却没有去做，更大的困难是很多重要信息无法数字化，例如国内外形势，重大事件、社会文化、公众士气等，信息不能数字化则无法进入计算机，计算机数据分析系统无法考虑数据之外的信息，这就制约了计算机系统的政策建议能力。
▌数据的规模受到投资的制约
大数据分析能够在确定性问题的处理中发挥积极作用，然而能用的大数据资源是十分稀缺的，大数据主要来自现成业务的副产品，专门为获取信息而设计大数据收集渠道成本太高而难以执行，即使是常规数据也不是随时就能采集的，数据资源的丰富是靠政府投资堆出来的，政府投资的有限性决定了政府数据完备是不可能的，决策分析对此要有思想准备。
四、 城市运行管理中心工作建议
▌工作重点不是改进高层决策
政府数据不完备与城市运行管理中心数据推理思维的局限性，使运行管理中心只适合改进规范性的业务而不适合优化政府决策，政府决策工作还是要由政府领导层完成。城市运行中心需要依据自己的特点扬长避短，多数城市运行管理中心并不属于政府部门，远离政府保密数据有利于提高工作效率且有助适应未来政务工作开放的新趋势。
▌面向政府的基层服务主战场
信息技术最能发挥作用的领域是政府的基层服务业务。规范化的基层业务操作很适合计算机应用却始终未得到足够重视，电子政务一直期望在高层服务上有所作为却未能如愿，如今政府已经认识到基层服务才是政府精细化管理的主战场，将城市运行管理中心的工作重点向基层倾斜，提高基层公务员的工作效率将大有作为。
▌建设政府部门工作的激励平台
很多城市运行管理中心大量汇聚部门业务数据向领导层提供，使得领导层了解部门工作细节并能够直接指挥，但上级干预业务细节会降低部门领导的责任心，部门能自行处理的问题也向领导层请示，反而增加了领导的负担。运行管理中心应成为部门工作的激励、汇报、检查系统，让部门发挥作用。使其工作汇报可互相查阅参考并向公众开放，激励各部门努力工作。
▌创造数据共享新渠道
政府内部的数据资源大都由政府数据资源中心来管理，其业务的重点是建立政府数据资源目录与数据交换平台，服务对象是政府内部，信息共享主要内容也是政府各部门的数据源，而很少考虑外部资源的利用。
城市运行管理中心的业务应当与资源中心不同，重点是提高政府数据利用效率，要更多以外部数据利用为主，积极引进外部数据并推动政府数据开放。运行管理中心可重点推动可视化数据的共享，可视化数据能绕过隐私与保密的障碍易于获取。利用可视化共享平台，政府部门可视化工作汇报可以向公众开放，可以采购企业的可视化数据产品向政府提供，可视化数据共享平台可成为城市数据与信息共享的新渠道。
五、 系统导向顶层设计的效益困境
▌决定论专家相信存在完美的城市系统
系统导向的顶层设计属于决定论思维模式，这种思维认为智慧城市管理存在着理想的模式，可以实现未来城市的科学化管理，大数据、物联网、云计算、人工智能等现代信息技术成为构建城市理想系统的工具，顶层设计的任务就是运用系统工程的方法设计这种完美系统。
这种以建设完美系统为目标的设计是不能成功的，因为智慧城市始终是一个发展着、变化着的不确定性系统，不存在理想的智慧城市系统。
▌系统导向认为系统建成一定产生效益
系统导向专家相信理想的城市智慧系统，该系统产生效益是必然的，在这种思维的引导下，建设城市智慧系统成为核心目标，效益便成附带成果，建设者将系统摆在第一位必然会拖延效益的进度，而且认为只要系统建成效益就会水到渠成。其实效益远不是那么容易产生的，效益也需要精心设计精心调制，没有投入足够的时间与精力，效益是不可能出现的。
▌过于依赖行政手段推动系统建设
系统导向顶层设计最大的短板是效益产生得太慢，无法用效益来增强合作者的信心，而系统导向架构涉及部门范围又非常广，只好依靠行政的力量要求各部门配合，系统导向专家反复强调“一把手工程”的重要，直至一把手也不厌其烦了。采用效益导向的开发思路就没有这么困难，因为及早提供效益会鼓舞合作方积极配合而不必过度依赖行政措施。
▌迷信数据会阻碍系统产生效益
系统导向专家迷信完美系统和完美的数据，他们认为政府是拥有完美数据的，以完美的系统来分析政府的完美数据一定能轻松产生完美的政策建议而得到政府部门的青睐，而接触政府工作的现实之后，他们会对政府数据完备性大失所望，因为各部门收集的数据既不完整又很难配套的，数据分析产生成果之路漫长而艰辛，每个小小的成果都需要艰苦的努力。
六、 效益导向顶层设计的推进模式
▌不相信有完美的智慧城市系统
效益导向顶层设计理念认为完美的智慧城市系统是不存在的，智慧城市的设计首先不应是系统层次的顶层设计而应是目标层次上的顶层设计，先澄清要解决的问题，明确效益目标后才能进入目标项目的系统设计。效益导向专家认为，城市智慧系统不是设计产生而是诸多智能系统在服务运行中自组织形成的。顶层设计的首要任务是选择恰当的效益目标、建立相互配套的目标体系，下一步才是针对效益目标在系统层次上进行顶层设计。
▌按照效益目标设计信息系统
每一具体的信息化任务都要按目标导向的原则设计，确保能够实现预期的目标效益，效益导向需要抓重点，在系统提出诸多目标时，总有能决定项目生死的核心目标，要以核心目标为重点，确保核心目标实现。核心目标能够“一俊遮百丑”，可以带动其余目标的解决与调整，核心目标未完成，枝节目标做得再多也是系统失败。
▌以互操作、标准化、松耦合促进自组织
效益导向专家首先关注的是任务的核心目标，其次是全市各智能系统相互的协调，效益导向专家认为智慧城市的整体协调是通过松耦合实现的，松耦合为各系统的相互配合、再集成创造条件促进系统进一步自组织。效益导向专家认为，面对充满不确定性的未来环境，松耦合的整体系统能给各个系统更多的选择性，便于分散系统自组织形成为更能适应未来的新体系。
▌以效益促进相互支持的良性循环
效益导向顶层设计认为每个政府项目都是一个共同合作过程，相互信任与支持至关重要，政府对开发团队的支持并不是盲目的，有一个信用建立的过程，开发团队尽快向用户提供效益是增强用户信任的关键措施，不断增强用户的信任应是开发商的基本策略，在顶层设计应列出效益的里程碑并认真实施，以效益再生信任，形成密切合作的良性循环，加快进度提高质量。
七、 智能系统与智慧城市的关系
▌智能与智慧是两个层次的概念
聪明是具体的智慧，智慧是长远聪明。聪明指一时一事的高效率，智慧指对长远目标的高效益。智能是具体的自动化应用，智能与聪明是同一层次的概念。而智慧是大量智能应用涌现的新状态，因此智慧是比智能高一个层次的概念。不同层次有不同的思维方式，不能用智能层次的思维去构想智慧城市，而要用自组织涌现的新层次去理解智慧城市。
▌人们只能建设确定性的智能系统
迄今为止的信息技术(包括大数据、物联网、云计算、人工智能等)，都有其与生俱来的局限性，它们建立在数据与程序的基础之上，只能解决确定性问题，对于未知的不可预测的问题无能为力，它们是针对具体环境的自动化工具，可称为智能系统。信息工程理论是设计智能系统的工具，智慧城市意味着城市智能系统创新的繁荣，信息工程学可设计具体智能系统却无法设计智能化繁荣。
▌国内外智慧城市概念有何不同
国内智慧城市概念要比国外的概念更宽泛，很多人会把自己对智慧的想象注入智慧城市，想象着智慧城市能解决一切问题，而不深探信息技术的局限性，导致很多智慧城市方案大而全，成为智慧城市建设浪费的主要原因。
国外的智慧城市目标要小得多也具体得多，因而容易成功，IBM公司的智慧地球主张按领域实现智能化，如水务管理、电力管理、交通管理、医疗管理等，而没有像国内这样动辄做全市范围的大规划，目前的知识与技术并不足以胜任全市规模的顶层设计。
▌智慧城市是智能系统繁荣涌现的新生态
从历史视角看，智慧城市应当是一个方向而不是静态的成果，人类今天掌握的技术只是技术发展史上的一个瞬间，今天最得意的技术明天就会过时，城市的智慧化是没有尽头的，没有任何城市能说自己已经是智慧化了，任何静止的概念都是在违背智慧城市的理念。
智慧城市是一种不断创新的生态环境，人类只能设计应对确定性问题的系统，智慧城市只能建设一个又一个有限生命力的智能系统，无数智能系统不断被创造出来又不断被更新淘汰，而智慧城市就是智能系统繁荣所依赖的土壤。
本文转自d1net（转载）
