0 引言 改革开放四十多年，特别是党的十八大以来，我国不断完善科技创新体制机制，基本形成覆盖全面、门类齐全、工具多元的科技创新政策体系。从国家层面依据创新驱动发展战略目标发布的大量政策文件，到地方根据国家要求和精神出台的相关政策措施，共同构成了一个庞大的科技创新政策体系。同时，随着国家和社会的科技创新投入不断增强，科技创新活动不断深入，各类科技创新产出数据日益丰富。例如，以论文、专著为载体的文献数据，以专利、技术标准为载体的技术数据，以技术合同交易额、专利实施率、市场占有率和产品规模为指标的成果转化数据，以及政策实施过程中的人才、项目、平台基地、科研仪器设备等基础条件数据等。这些数据不仅反映了政策对各类科技创新活动的影响，也是衡量政策产出和实施效果的基础，更是科技创新政策分析的重要依据和有效证据。 现有科技政策分析主要从领域、主题、地域、府际等方面展开，侧重于政策演化分析[1]、政策量化评价[2-3]、政策工具分析[4-5]、政策府际关系[6]等，并从政策计量学、公共管理、科学学等多个学科视角[7]，探索了科技创新政策分析的理论模型和工具方法等；而国内外相关政策服务平台则主要提供政策文本集成、检索、浏览等基本服务，扩展了政策专题组织、可视化计量分析服务等。然而在政策分析数据的采集、处理方面大多各行其是，主要从大量分散的政务公开文本和网络开源数据中获取[8]，缺乏对数据的颗粒化处理，没有对海量数据形成系统化的、规模化的、集中式的、标准化的组织和挖掘，数据可复用性不高，没有形成集成化的政策分析软件、工具和平台，更无法支撑模式化、面向多主体多场景的政策分析需求，不能顺应智能化、大数据化、自动化的政策分析趋势。因此，需要构建面向政策分析的大数据支撑体系，借助大数据、云计算、人工智能等技术方法，统筹现有资源，统一集成、汇聚形成多来源、多类型、多模态政策数据，推进政策资源的大规模、集中式、标准化、平台化数据治理，满足科技创新政策制定者和科技创新主体的多样化需求，提升政策分析附加值[9-10]。这样，既能建立基于海量政策文本的大数据语料库，形成科技创新实施效果的事实型投入产出指标库，推进科技创新政策分析基础数据资源建设；又能基于大数据计算重塑政策分析方法，构建政策分析标准、工具、算法和模型，强化政策分析的数据基座、方法论体系和应用场景。 1 科技创新政策分析内涵及其大数据特征 随着全球科技竞争越发激烈，世界主要国家纷纷调整科技创新政策目标，丰富政策工具，优化政策生态，国家间科技竞争实质上演变成科技创新制度及其政策的竞争。科技创新政策不仅关系到科研资源分配效率、科技资助方向和前沿科技突破效果，更成为科技大国博弈的主要阵地。科技创新政策分析贯穿于政策制定、执行和反馈的全过程，可以分解为定义、描述、预测、评价和对策等步骤。通过剖析政策要素、过程和结果，客观全面地展示政策绩效、预期、偏好、效果等，以实施政策监测、预测、评估和提出建议，为政策解读、宣讲、调整、优化、监督和落实提供依据，增强决策的预期性和科学性。因此，科技创新政策分析不仅是对过去政策的归纳和诊断，更是对未来政策的指导和判断；它既是洞悉科技施政不确定性、不稳定性和复杂性的重要方法，又是跟踪和评估政策执行力、协同力和满意度的有效手段。此外，它也是把握政策链与创新链、产业链、人才链深度融合的有效工具，是构建政策知识服务平台的重要措施。其本质上是对“事实—数据—信息—知识—情报”等信息链的揭示，开展政策需求分析、信息组织、文本计量、效果评估和方案建议等科技情报研究过程，以履行“耳目、尖兵、参谋”的职责[11]。 自2005年时任美国科技政策办公室主任约翰·马伯格倡议将科技政策研究发展为“科技政策学”[12]、2006年美国国家科学基金会启动“科学与创新政策科学”研究计划以来，科技创新政策分析逐渐从注重政策过程转向以科技创新过程、要素和措施为中心，并围绕多源异构大数据展开多学科分析。例如，从情报学视角，推进政策文本计量研究和战略情报研究；从公共政策学视角，探索复杂性公共政策的行为、模拟、实验和预测研究；从创新经济学视角，评估科技政策的投入产出效率；从循证医学视角，推进“基于证据或数据”的政策分析新模式[13]等。在此过程中，围绕政策制定、执行、评估和修订过程，推进技术性数据管理与社会性政策科学的交叉融合，聚焦于将海量数据转化为可供决策的“情报”，围绕科技创新政策的全流程分析、全数据挖掘、全主体服务、全方位评价和全时空推演，发展基于科技创新活动全生命周期的政策分析范式。作为一种大样本数据发现过程，科技创新政策分析涉及的数据量大，包括各类政策文本数据、政策实施数据和创新产出数据等大数据资源；涉及的数据类型多样，包括结构化数据、非结构化数据以及半结构化数据[14]；涉及数据来源渠道广泛，数据分布在不同的地理位置、系统或平台上，并且数据会随时间发生变化。因此，科技创新政策分析需要利用智能算法、强大的数据处理平台和新的数据处理技术，来跨地域、跨系统、跨领域地实时处理、整合、统计和分析大规模的数据[15]，保证数据的准确性和可靠性。在此基础上，从大量不相关的各种类型数据中，呈现政策文本重点内容，识别政策施政重要主题，梳理政策演化及发展规律，检验政策执行效果，发现政策文本存在问题，并对政策做出预测和调整[16]。由此可见，科技创新政策分析既贯穿政策问题、议程、制定、执行、评估和反馈等一系列政策流程，又具备大数据分析的海量、泛在、融合、动态等特性，需要借助大数据的资源、方法、技术、平台和工具，支撑和赋能科技创新政策分析流程、模式和场景，推进基于大数据的政策分析范式的形成。
