随着数字时代的来临，数据已成为社会的重要基础资源与形态，以数据为基础的数据驱动研究也成为一种新的趋势。数据驱动的研究模式给传统社会科学研究领域带来了新的研究方法与范式，也为中国特色智库建设带来了新的机遇。

　　传统的智库研究范式是基于资料、观察、假设等去阐释、推演的理论驱动型研究，更多是出于经验与实践性的判断。经验性的研究范式是人类的思维、经验、知识的表达成果，但决策过程依赖于个人经验和知识，往往容易导致决策方案缺乏科学性和严谨性。党的十九届四中全会提出，要完善以科技支撑的社会治理体系。数据是数字时代的重要证据，现代的智库研究材料形态更多是以数据形式存在，客观事实包含在大量的数据之中。这是由数据的原始性决定的，可以透过数据看到社会治理问题的本质。在此背景下，有必要转变传统的智库决策范式，打破原有以思想表达为主的经验性研究范式，迈向建立以数据所反映的客观事实为核心驱动力的大智库形态，以数据驱动作为决策支撑，不断提高智库决策的前瞻性和科学性。

　　自现代智库诞生以来，特别是计算机的出现，智库的信息化建设成为智库发展的重要组成部分。从２０世纪５０年代兰德公司的智库辅助决策系统、专家系统到目前数据驱动的智库数据体系，智库研究逐步由计算机仿真的第三范式步入数据密集的第四范式，数据驱动的决策理念开始被各类智库广泛应用。马普学会、兰德公司等都已建立了较为完善的数据驱动的决策机制。

　　智库数据驱动型研究以数据为支撑，将决策建立在对数据的分析之上，而不是纯粹基于直觉、理论及经验的实践，这是区别于传统智库的根本标志。与自然科学领域的数据密集型范式不同，社会科学更侧重于复杂性科学的重新融合。智库数据驱动型研究基于理论及经验性的判断提出问题、假设、方案等，用严谨的数学模型、严密的逻辑推理去预测和推演，实现了从抽象思维到形象思维的转变。通过验证的结果推翻基于经验性的判断，通过否定一些判断提炼出新的思维与决策。然而，智库数据驱动型研究并不排斥专家的直觉及经验，分析模型往往建立在理论与经验性判断的前提下，再根据专家的理论与经验性判断重新建立分析模型，根据不同类型的问题提供不同的思路和方案，专家学者必须尽可能地考虑到作用于分析模型的影响因素，再结合专家经验对分析结果作出研判。在决策中，智库数据驱动型研究采取定性与定量相结合、人机协同等方法，基于数据为智库提供感知研究对象的量化维度，借助数据挖掘更多的因果解释机制，为决策者提供了新方案、新视角、新思路。智库数据驱动型研究是适应数字时代的研究理念与新思维，具有鲜明的第四范式特征，包含传统研究范式的元素，是对传统研究范式的升级，也是数据密集研究范式在智库研究场景中的应用。未来，智库建设必然朝着以数据为驱动、以技术为支撑的大数据解决方案转型，不断实现以科学决策引领科学发展。

　　当前，智库数据驱动型研究范式变革势在必行，亟须构建相应的支持体系以及运行机制，推动新型智库高质量发展。其中，数据与智库团队建设是关键。智库团队是科学决策的主体，数据驱动的智库组织结构及机制有别于传统智库。智库团队由多学科、多领域的专家学者组成，包含专业研究、行政辅助以及数据技术团队。相关研究人员、数据分析人员和管理人员紧密协调配合，形成精简项目团队，方便快速重组团队以匹配新的科学决策需求。在数字时代，数据是智库数据驱动型研究的基础，数据建设是智库建设的重要内容。我们需要充分抓取、挖掘相关跨域多源数据，扩大智库数据资源类型及数量，构建集采集、分析、展示与共享于一体的大数据平台，以解决智库数据驱动型研究面临的数据孤岛问题，并满足智库团队的多样需求。

　　智库数据驱动型研究是加强中国特色新型智库建设的方向之一，是提升中国高端智库核心竞争力的重要途径。当前，我们需要顺应数字环境的发展，加快转变传统智库研究思维模式，推进新型智库研究范式转型与变革，使其更好服务于国家战略和社会需求。

　　（作者系上海外国语大学中国国际舆情研究中心研究员）