智慧城市最吸引人的特征之一就是创新成果,即通过前沿的科技来改变政府的运营方式。同效率一样,创新因为其中立性和最优化特征,有着令人难以拒绝的吸引力。毕竟,相比驻足原地,人们更希望城市不断革新。
但令人生疑的是城市真的能从那些让数据更易于获取使用的想法、政策、实践中获益吗?令许多智慧城市拥护者比如Alphabet的Sidewalk Labs公司走向迷失的正是因为它们将创新等同于科技。
这样理念很容易误导人。城市角度的科技创新主要不是采用新技术,而是将技术和非技术变革与专业知识相结合。这就要求数据科学家们超越数据库和数据分析领域,尽可能多地去接触城市相关的知识。
纽约市市长数据分析办公室前任首席分析官Amen Ra Mashariki说道:“你虽然手握非常棒的机器学习算法,但你真正的王牌其实是对那些实际领域工作者的了解。”所以对于像纽约、西雅图、波士顿这样的城市来说,真正紧迫的任务是去打破部门界限、创造新的实践方法来管理数据储存库、培训员工掌握新技能,而不是找到最佳的机器学习算法。
西雅图人力服务部(HSD)能够提高对当地无家可归者的服务,是因为与当地服务商重新签约合同,并与其他机构确认共同目标。这个案例说明了加深创新的理解能比盲目“使用新科技”带来更多的好处。市政府在一个非常复杂的结构中运行,这就意味着它的权力和能力是有限的,需要与许多机构合作。然而,没有一个智慧城市技术的设计考虑到了这样的情况。如果HSD仅仅关注科技,将无力改善对无家可归者的服务。
科技本身不仅无法提供答案,甚至都没有办法找出问题。城市首先必须确立目标并明确优先级,然后再利用数据和算法来评估和改进绩效。一个非常奇怪的理论认为“数据量的爆发将导致科学方法的过时”并且代表“理论的终结”。但如今在这个充斥着海量数据的时代,理论反而比以往任何时候都更重要。过去,当我们只有非常有限的数据和分析能力时,城市也没有太多利用数据的可能性。但如今,城市拥有非常庞大的数据,同时还可以利用前沿的分析方法更好地理解它们。针对数据,有无数种可能的分析方法和应用。因此,如果没有深入透彻的城市政策和项目评估为基础,城市将陷入提出错误问题,再追逐错误答案的泥潭。
“数据科学最大的障碍就是提出好的问题,”旧金山市前首席数据官Joy Bonaguro说。使用数据来改进运行通常不取决于开发一个完美的算法,而是依靠精心设计的算法来满足市政工作人员的需求。因此,Bonaguro在建立团队的时候,会寻找那些拥有远超过专业技术知识的人。“当我聘请数据科学家时,”她解释说,“我想要一个不仅仅只想成为机器学习操作员的人。我们希望他乐于学习各种技能知识。因为我们很多的问题都不只是机器学习问题。”
芝加哥前首席数据观Tom Scheck表示,市政府数据存在空白和差异是非常常见的,因此在市政环境中研究如何成功应用数据科学就显得至关重要。“市政部门很容易忽略那些他们认为对流程不重要的数据,但这些数据对我们的统计建模却十分关键。统计数据对我们说并不难。我们实际花了大部分的时间与客户沟通,试图掌握每件事,以便了解如何去统计数据。”
波士顿市长新城市结构办公室(MONUM)正在研究如何解决科技发展带来的期望与市政府的繁琐工作间的脱节问题。“这么多年,我们一直在谈论数据驱动的必要性,这显然成为一个需要我们进一步探索的重要方向,”MONUM联合创始人兼联合主席Nigel Jacob这么说道。“但还有一个前提,那就是在我们思考如何设计政策和制定战略愿景的时候,我们需要以科学为驱动。仅仅通过数据挖掘来寻找模式是不够的,我们需要了解问题的根本原因,并且制定解决这些问题的政策。”