突然间我们本来似乎就要不断调整的调研能力，在疫情期间刹那间很热了，甚至一天接到若干个要求我们帮助进行调研摸清疫情和疫情经济影响的要求。有一位专家说你们可以发挥你们建模的强项，做出点大数据结果出来预测预测，然后发现模型与算法所需要的数据却几乎没有，不是没有数据，是没有更多直接相关的数据。而网络上可以看到的一些大数据研究成果，所基于的数据成果让我们接触了更多实地情况的团队成员看得心惊胆战的。至少在这个时候，让我们认知到现在数据源可用与数据开放的实际程度，也认知到我们这样保留了独立数据汇集能力的机构，才能弥补数据链的缺项与弱项。

疫情发生前，看到媒体报道智慧城市建设在某城市取得的成就，是如何如何的好，感觉到这个城市真的很智慧了，做到“你呼我应”的效果了，结果疫情当前，无论整个城市，还是城市的社区，任何较真的事情都得用极其笨旧的方式才能做到，而花了巨大预算建设的所谓智慧系统就是一套摆设，老百姓呼了别说不应，关键是不知道去哪里呼呢。智慧城市里面有很多大家似是而非的技术概念，有一堆足以唬人的国际国内大公司，然后做出一堆看起来花哨的图表与大屏，问题在于采购来的系统是帮助谁解决问题的，解决啥问题的，如果就是让大领导点头、看大屏、找感觉，那么最后我们的智慧城市就可能建成这样的德行。

在基础的系统建设之外，数据源整合与数据源整合策略如果没有先行解决，数据应用场景与数据应用算法模块缺失，所谓的智慧城市就可能是一堆空房子。我们习惯了建设系统、采购系统、展示系统，我们有了太多的系统，但是我们却缺少太多的内容，我们的系统变成了对客户领导好看，而对关键用户价值有限的道具，这种客户与用户割裂的现象真的是太普遍了，而问题恰恰在于作为决定购买的领导未必懂业务，而知道业务需要的用户却不是拍板花钱的人，因此花大钱不断搞系统不能解决问题，而解决问题的部分却不容易有预算的现象就一再重现。在我们购买的一套一套的系统中，我们看起来好像很系统，实际上这些杂七杂八的系统间本身就容纳了巨大的安全缝隙，导致它们的整体脆弱与易被攻击。所以问题的本质在于，我们智慧城市的智慧逻辑是啥？是在系统平台上具备把人们的智慧总结集成起来模式化、算法化、自动化的解决方案体系，还是一套一套大技术公司变着法子想卖给我们的可复制的标准化软件产品？现在看来，我们真正看到的大半是后者。智慧城市建设，是只实行中心制的建设模式，还是同时与问题驱动型的建设模式相向而行？我认为，没有后者，前者往往更可能是乱花钱、白花钱和瞎花钱。

如果我们仅仅按照要整一堆数据建成一个大数据中心，那么我们就很可能看到现在这样的尴尬：要研究僵尸车的数据问题，对不起，太特定了，没有；要研究精神异常的数据，对不起，太具体了，没有；要研究疫情相关的数据，对不起，没有。那么我们到底有啥数据呢，具体的不行，难道都是抽象的数据？特定的不行，难道都是一般的数据？有用的不行，难道都汇融的是没用的数据？

我们也看到这次疫情的前期，也有上报的疫情数据，也有对外发表的数据，也有说给公众听的数据分析判断，从中间我们至少可以看到这样的东西：可能不是所有的数据都被充分报送的；不同的来源看到了不同的数据，所以数据是可以被选择报送的；对于是不是人传人的判断是不同的，因此可以对于不同的数据有不同的判断，甚至同样的数据还可以有不同的判断。可见，大数据的数据，数据的忠实和准确很重要，数据的完整与充分提供很重要，数据的不同角度、模型和算法的解读很重要，而我们也知道现有体制的数据选择、报送模式既有其自我认同的自己人模式，但是也有选择性强、分析方法论固化的局限。因此即使真的有了更大量的数据，依然还有一个体制立场与独立立场、行政观念与社会观念或者专业观念、分析与判断的单一方法论与多元方法论之别，智库建设也好，专业咨询行业也好，数据智能产业也好，相对多元的立场观点方法更能助力决策者的兼听则明。这也是我一向力主，决策分析的支持机制必须实施平行数据解读、平行研究、平行论证的缘故。