13888147524《应急管理信息化发展战略规划框架（2018—2022年）》中提出建设应急管理大数据支撑体系，明确数据治理的建设要求。由于应急管理数据涉及业务范围广、数据资源分散、业务精细化要求和事前预防性要求高等特点，以及数据标准的演进，对数据治理提出更高的要求。本文分析应急管理数据资源特征，并结合大数据治理的方法技术，阐述应急管理大数据治理的工作方法和实践路径，对应急管理大数据治理工作提出工作方法上的指导建议。
一、应急管理大数据资源特性和治理问题
（一） 广泛的业务域带来数据形态、数据服务的多样性要求
应急管理数据涵盖监督管理、监测预警、指挥救援、决策支持、政务管理五大业务域，五大业务域的数据特征各有不同。
监督管理方面主要是业务明细数据，比如危险化学品生产、经营企业详细信息、特种作业人员信息、工矿商贸领域风险监管信息、安全生产执法信息等，通常以实时更新的结构化数据为主。
监测预警方面主要是来源于各类传感器等物联感知设备数据，包括气象监测、地质灾害监测、森林火灾监测等针对地理空间自然要素的监测，也包括对危化品储罐、仓库、车辆等非自然要素的监测，通常体现为海量的高频实时物联感知数据。
指挥救援业务域包括值班值守、指挥调度、资源管理相关数据，通常是不定期更新的数据。
决策支持业务域包含专题研判、案例推演、总结评估等信息，体现为结构化、半结构化、非结构化数据皆有的特点。
由于不同业务领域的数据资源特征差异较大，应用方式和场景也都有不同，故对数据最终的服务提供形式也有不同要求。对于研判、总结型的工作过程而言，所需要的是大量存量结构化数据。对于监测预警和启动应急响应场景而言，所需要的是实时、稳定的流式数据服务和对监测数据的实时分析处理。对于事中处置调度场景而言，则需要针对处置的特定场景获取相关联的物资、力量、预案、案例、环境监测情况等多元复合数据。
（二） 数据来源的复杂性和管理壁垒
应急管理涉及的自然灾害相关业务需要获取水利、气象、自然资源等部门汇集的数据，安全生产监管相关业务则需要关于市场监管、住建、发改等部门汇集的数据。由于各部门信息化工作开展节奏不尽相同，对于数据治理和数据共享的准备工作进展不一。同时当前广泛存在着国家统建垂管、省级统建垂管、地市自建自用等信息化系统混杂的情况，加之不同地方、不同部门对于大数据的理解程度和实践程度不一致，常常导致数据共享困难。常见的问题包括：上下级主管部门建设的系统的数据无法以实时、全量的方式相互共享；应急管理部门内部不同机构产生的数据资源无法高效融通共享；没有渠道稳定获取和更新来源于其他部委或厅局单位的数据；部分来源于企业的数据由于商业竞争关系，可能对数据统一治理产生抵触。
（三） 应急管理工作的微观特性与数据资源的细颗粒度要求
千里之堤毁于蚁穴，应急管理工作由于涉及安全管理和风险防范，通常需要见微知著才能防患于未然。因此对数据资源的要求通常要细致入微，要能做到“一杆子捅到底”。数据资源的颗粒度要足够细，明细数据要求通常要细到个人、到企业、到具体地点、具体时间。针对一次突发事件，监管部门不仅需要了解它面上的总结情况，还需要搞清楚当时、当地的人、事、物的具体情况。统计分析数据对于灾害事故规律分析和态势研判也有重要作用，这类数据通常要细到乡镇、街道。各种不同类型的灾害事故成因复杂，又互相有关联，因此要运用大数据构建灾害事故链，将包括对各类事件的感知观测、时间空间环境情况、处置过程和影响分析结果进行整合和分析。数据的颗粒度和质量将对数据辅助决策的效果起到决定性的作用。
（四） 应急管理对实时感知数据的需求
随着物联网、边缘计算等新兴技术的发展，物联感知设备覆盖面越来越广，从工贸企业安全生产和危化品存储、运输等各过程，到自然灾害气象监测、森林火灾感知，均可以通过物联网设备进行监控，并实时向业务系统或大数据中心汇聚数据。由于应急管理关注风险隐患的防治，需要有大量物联感知数据作为支持。感知数据有高频、实时的特点，对数据采集、分析和运用要求较高。数据治理通常需要在确保感知数据实时、稳定传输服务的前提条件下，对感知类数据进行分析、加工和共享。
（五） 不断更迭的数据标准
由于应急管理部成立时间不长，部门职责、核心业务的变化发展会带来应急管理信息化系统的更迭和数据标准的变化。目前应急管理领域数据标准规范存在行业标准、地方标准与国家标准并存的情况，且新的标准规范，特别是国家标准仍在不断产生和更新。早在应急管理部成立前，就有一些行业针对应急相关工作编制了信息对接和数据相关的标准，比如《国家网络安全应急处理平台安全信息获取接口要求》（YD/T 2251-2011）《交通运输安全应急资源数据元》（JT/T 1140.X-2017）。也有部分地方基于地方信息化建设编制了一些数据标准，比如《广东省应急平台体系数据库规范》（DB44/T 1099-2012）《贵州省应急平台体系数据库规范》（DB52/T 1119-2016）《海南省应急管理安全生产数据规范》（DB46/T 592X-2023）。国家标准则有包括《应急物资分类及编码》（GB/T 38565-2020）《地理信息应急数据规范》（GB/T 41443-2022）《公共安全 应急管理 信息交互结构》（GB/Z 42476-2023）等。数据标准的复杂性和发展性决定了数据治理无法一蹴而就，而是长期性、系统性的工程。
二、应急管理大数据治理方法和实践
（一） 应急管理大数据治理的思维、统筹和制度保障
应急管理大数据治理从数据管理角度上看，需要有自上而下的大数据思维、工作统筹和制度保障。大数据有别于传统的行政手段结合信息化业务系统，是用数据说话、用数据决策、用数据引领管理工作。大数据的总体思维和相关思维可以引导行业工作者利用数据挖掘出导致灾害事故的风险因素。由于应急管理大数据资源来源复杂的特点，应急管理大数据治理是一个需要强统筹的工作，通常需要主管部门“一把手”甚至政府主要领导牵头统筹，以管理工作的实际需要来推动数据的汇聚融合和共享。
要确保思想连贯性和落实效果，还需要健全的制度保障。从数据治理角度看，制度保障既包括管理规范又包括技术规范。管理规范对于数据的采集汇聚、加工保存、共享利用提出要求，有利于管理过程的规范化，避免数据治理受到保守思想或者保护主义的负面影响。技术规范则是在数据治理架构、应用和治理工作全生命周期过程中针对目录编制、质量管理、查询检索等各方面统一技术路线和工作标准，可以在多方参与工作的背景下，避免工作模式和工作路线受到不同技术单位人员和业务主管人员的知识技术水平和主观判断的影响。
（二） 构建应急管理大数据服务体系
应急管理数据形态的多样化、数据服务的多样性对应急管理大数据服务体系提出了需求，要能兼顾新老系统、不同形态的数据共享运营服务需要，既要采用关系型数据库满足结构化的数据共享交换，又要考虑文件类数据的共享交换，还要进行服务总线的建设以满足接口类服务的包装转发，针对流式数据场景要构建消息队列服务并且依据工作需要在架构上纳入流式数据分析处理引擎。
在服务构建过程中要兼顾稳定性和安全性，数据共享交换库、服务总线等需要考虑采用集群部署架构以满足高可用、容灾备份等需求。在服务安全方面要确保接入控制、传输安全、日志审计和对敏感数据的分级权限管理和加密处理，确保数据服务安全性和可追溯性。
（三） 构建应急管理大数据质量管理体系
数据质量是指数据资源满足用户使用要求的程度，应急管理数据有多样性、高速性、价值密度低的典型大数据特性。数据标准是检验数据质量、开展质量管理活动的重要依据。数据标准的发展和更新会对数据清洗和质量提升的工作带来持续性的工作量。在大数据特征背景下，数据质量管理要针对业务应用场景和不同数据资源的特征有选择地采用主动数据质量管理和被动数据质量管理的方法。主动质量管理通常体现为数据的定期质检和质量提升活动，通常表现为分析需求、设定质量标准和质检规则、开展质检、质量提升分析与实施。被动质量管理则是在大数据采集和服务流中针对数据原始数据的质量特性进行高速、简单的数据质量管理和监控，具体可以表现为垃圾数据过滤、空值监测、简单合并计算和对应的监控统计。应急大数据质量工作需要灵活运用主动和被动质量管理工具，面对业务的实际需求有目的地进行质量管理和提升活动。
（四） 应急管理大数据关联关系和知识库建设
由于应急管理数据覆盖的业务范畴较广，而灾害事故又常常是多种风险因素复合叠加的结果。因此，对应急管理相关的人、时间、物、企业、环境要素特征等重要数据实体进行分类并进行关联关系的构建，对最终大数据支撑数据智能，产出知识库模型，以实现针对各类灾害事故的智能化风险预警分析应用。
在应急救援指挥事中响应时，需要快速获取与当前突发事件关联的预案、救援物资和应急力量情况，结合当前环境情况通过知识库关联类似案例处置过程，产出最佳的救援响应辅助决策方案。在事后处置过程中，结合空天地监测传感获取的现场实时情况、互联网舆情的“分众”信息，通过知识处理模型算法快速筛选整合信息，提高救援人员的处置效率。由此可见，在应急管理大数据建设中要提前谋划考虑知识库建设，结合应急管理事前、事中、事后的工作场景，规划包含各类历史案例、法规标准、操作手册等基础知识库和基于数据资源和业务知识经验相结合的研判分析模型库，并利用知识解析技术对非结构化的知识进行结构化构建，为大数据辅助决策和数据智能应用打下基础。
结语
应急管理数据具有的显著的大数据特征，数据资源服务的多样性、来源复杂性、数据需求的细致性、感知数据的需求和不断更迭的数据标准从各个角度对应急大数据治理、质量管理、服务体系构建提出较高要求。在应急管理行业数据治理的实践中，要确保自上而下数据治理思路，在必要时候通过高层领导进行工作统筹，在工作中尽快建立健全制度和规范，通过服务体系、质量管理体系确保大数据的服务支撑能力，并通过知识库建设逐步挖掘大数据在智能化应用、辅助参考决策的价值。
