技术的快速发展大幅降低了数据收集的成本。太空、天空、实验室和野外的传感器，加上众包的新机遇以及互联网和移动电话的广泛普及，正使此前难以获取信息的人群能够获得大量信息。例如，非洲农村的一位小农户如今只需轻点屏幕，便可获取天气预报和市场价格。
资料来源： 世界经济论坛报告《大数据，大影响》。
这场数据革命为各个层面的决策改进提供了巨大潜力，从当地农户到覆盖全球的发展机构皆然。但仅收集数据并不足够。信息还必须经过管理和评估，而妥善完成这一工作的复杂性和成本，可能远超收集本身。如果未能事先正确识别并分析需要改进的决策，大量收集工作就可能被浪费或误导。
这一结论本身同样基于实证分析。 相关证据薄弱，例如，尚无充分证据表明农业或环境管理中的监测举措产生了积极影响。 对环境政策、商业投资和网络安全等众多领域的决策所进行的定量分析 表明，人们往往高估了做出良好决策所需的数据量，或误解了所需数据的类型。
此外， 可能出现严重错误 ，尤其是在使用机器算法挖掘大型数据集、而事先未妥善审视待做决策的情况下。有大量案例显示，数据挖掘得出了错误结论，包括医学诊断和法律案件中的情形，原因在于未咨询相关领域专家，且关键信息被排除在分析之外。
决策科学将对行为的理解与 连贯决策的普遍原则相结合，通过将实证数据与专家知识相配合，降低这些风险。若要将数据革命服务于可持续发展，则须将该领域的 最佳实践 纳入这一努力之中。
第一步是识别并界定经常出现的决策。在发展领域，这些决策包括政府和国际组织的大规模决策，如支出优先事项及由此确定的预算拨款。但也包括规模小得多的选择：农民考虑种植何种作物、施用多少化肥，以及何时何地出售农产品。
第二步是构建一个 定量模型 ，用以刻画此类决策中的不确定性，涵盖各种触发因素、后果、控制措施和缓解措施，以及所涉及的不同成本、收益和风险。纳入而非忽视那些难以衡量、高度不确定的因素，才能得出最佳决策。
当服务于可持续发展时，此类模型通常需要预测干预措施在数十年间对生计和环境的影响。当利益相关方与专家一道参与识别相关变量及其关系时，这一过程最为成功。这些参与者必须经过培训，以便就各变量的不确定性提供定量估计。例如，专家可能基于现有数据和自身经验，以90%的置信度估计，某一地区农民的平均玉米单产为每公顷0.5至2吨。
第三步是计算获取额外信息的价值，这只有在所有变量的不确定性都已量化后才可能实现。信息价值是理性决策者愿意为其支付的金额。因此，我们需要知道额外数据在何处能够有助于改进决策，以及为获取这些数据应花费多少。在某些情况下，无需进一步信息即可做出稳妥决策；在另一些情况下，获取更多数据的价值可能高达数百万美元。
这一过程不断重复，直至获取更多数据已无价值，并形成一项稳妥的决策——这是基于决策者或决策机构的信息、价值观和偏好得出的合理结论。它为决策者和利益相关方提供洞见，帮助他们改进政策，以实现积极成果最大化并降低风险，例如采用率低或实施的机构能力有限等可能性。
仅仅假设数据革命将惠及可持续发展是不够的。要确保如此，需要认识到每一项数据收集工作中严谨分析的重要性，并培养新一代决策科学家，与政策制定者携手合作。
刊登文章不代表世界经济论坛认同其中观点。
如需及时了解议程动态，请 订阅我们的每周通讯。
作者Keith D. Shepherd为世界农林业中心（ICRAF，位于肯尼亚内罗毕）“土地健康决策”科学领域负责人。
图片：一名男子在华沙使用电脑键盘打字。路透社/Kacper Pempel/Files。
