雲科技+大數據管治 邁真正智慧城市

評論 2022/08/08

分享:

分享:

特區新班子上任首月,暫時見到的輿論導向,乃企圖把官員塑造為「經常落力做公關但技巧拙劣」的一群。事實上,新官在公眾面前嘗試爭取良好的第一印象,確實無可厚非,不然又有人會嘀咕特首「只懂拜候和取悅北京、西環、權貴」之類的無聊說法。

固然,部分KOL們如此取態,確也不難理解--畢竟當新一屆政府更注重輿情,以為能繼續要風得風的不軌之徒,想帶風向來網絡散播誤導信息,就肯定變得較以往困難,陰謀詭計便較難得逞。

釐定KPI達標否 效果能否持續

從解困角度,「抗衡網絡輿論攻擊」和「展示實質管治成果」,該屬一體兩面,特別是當下管治團隊強調施政要看關鍵績效指標(KPI),那麼KPI與KOL的處理應被視為同等重要。以此作為管治中心思想,則配合現今科技大勢,透過大數據運算及人工智能(AI),釐定一眾KPIs有否達標,以至效果是否得以持續,自然是最合理出路。

例如官員每次巡區時,街道總是乾淨整潔,但其後的環境衞生有何變化,卻鮮有跟進。使用大數據監測,則相關地區是否能夠維持政策措施介入的成果,便可即時知曉--這不單止是籠統地說句「後巷又變返好污糟」那般簡單,而是準確分析後巷內的固體廢物屬於哪些類別,乃至各類廢物的比例為何,並以食環署現已裝設在各個棄置廢物黑點的遙距拍攝鏡頭,推斷廢棄物源頭及途經路綫,甚至同時比較18區的黑點,看看哪區做得尤其好或持續差,從而針對各區實況調整現行措施,提升政策效能。

整理原有大數據 助制定政策

留意以上使用大數據運算的政策監察模式,並不意味着必定要安裝大量攝影鏡頭才可實行。與其渲染侵犯私隱來打擊公共創新和管治成效,更重要的任務反而應該是如何利用現有基礎設施,透過雲端運算科技在backend重新設定,收集及整理政府本來就有的大數據,再利用AI運算輔助政策制定過程。

現時雖然部分具戰略意義的政府業務(如銀行、保安、出入境)已大量使用雲端運算科技,但整體來說香港要成為真正的「智慧政府(Smart Government)」尚有一段距離。這並非指特區政府沒有相關硬件設備,其實「政府雲端設施服務(Cloud Infrastructure Services,GCIS)」早於前年9月已開始投入運作,並且配備敏捷應用程序開發工具,目的是取代中央電腦中心虛擬化基礎設施、電子政府(e-Government)基建服務平台和先前的GovCloud,讓各政策局與部門更快發展智慧型公共服務,如基礎設施即服務(infrastructure as a service,IaaS)、平台即服務(platform as a service,PaaS)、數據庫即服務(database as a service,DbaaS)以及容器即服務(container as a service,CaaS)。

成本+保守心態 使用欠積極

關鍵問題在於,有了新的科技基礎建設之後,一眾政策局和執行部門卻沒有多大興趣積極使用--這一方面可以歸咎於保守心態,也就是現有做法行之有效,故此不想冒險,伺服器「在手」感覺上較「在雲」更安全,遑論部分官僚對西方和內地的雲端科技服務各有偏見;然而更大問題,也許歸根究柢還是成本:把資料和開發項目放上由政府中央統籌的「雲」(即上述之GCIS),部門受規限較多,兼要付出為數不少的額外成本,相比之下,購買外判雲端運算科技,價錢往往較便宜,且部門也有更大自主性和自由度。

客觀現實是,大機構(政府或跨國企業)之所以轉用雲端科技,正是為了方便、彈性及成本效益考量。換言之,當個別部門使用「外判雲」較諸「中央雲」更快達到效果,要令整個特區政府眾人齊「衝上雲宵」,似乎除了由最高層壓下來,亦別無他法。

然而,以上所論仍是雲端科技管理的「1.0論述」罷了,即使所有政府部門參與,一個智慧型機構仍有很多管理和政策創新的空間。

例如,上周由新加坡政府開發之國家電腦系統公司演化出來的科技集團NCS,其香港區雲端科技卓越中心領頭人物林家揚,便毅然提出了「雲端科技已進入第二階段」這套主張,箇中大意是目前不少CEO及CFO乃至政府官員,似乎甚滿意轉用雲端科技可帶來的成本效益,因為客戶可按不同時期有何不同需要,按其時的空間、資源和運算能力需求付費,也就不用按自身可能出現的最大需求,購買大量伺服器和相關配備;可是,隨之而來的方便和快捷,也很可能會令大機構的科技和營運人員產生一種惰性:當購買科技可以很有彈性,那麼即使先購入多些「雲服務/資源」,亦未嘗不可,包括雲端操作系統、記憶體、虛擬中央處理器(vCPU)等。

雲端2.0論述 強調整體優化

針對這種惰性,雲端科技管理的「2.0論述」,則強調雲端系統整體該如何優化,亦即cloud optimization。

簡而言之,「雲端服務優化」超越了單純的系統微調,而是利用AI引發機器學習,以持續監測機構內各種雲端服務之使用比率和狀況,並同時進行整合或重組,從而達致新的系統結構(system architecture);更重要的是,這個優化過程不會間斷,亦沒有終點,因為機器學習能做到持續整合、持續開發、持續改善,並會按新狀況出現再重新評估。

更關鍵的一點是,新發展出來的系統結構,不單考慮了內部流程如何變得更暢順,而且也因為提升運算速度,可達致更佳能源效益,對環保(尤其ESG報告)方面亦有幫助。

既然目前特區政府推出近兩年的雲端設施服務,仍未見到顯著成果,新班子不妨考慮跳過1.0而直接探索以上的2.0論述,透過把所有政府單位的科技系統融入「中央雲」,再利用AI及大數據運算來監察即將推出的KPIs,以機器學習方式來持續整合這些指標,並持續開發按社會需要的新KPIs,從而成就真正的智慧政府、智慧城市。

作者認為,特區政府應透過大數據運算及AI釐定各KPI有否達標,以至效果是否得以持續。(資料圖片)

撰文 : 黃永 言論自由行行政總裁

欄名 : 評論‧世情

緊貼財經時事新聞分析,讚好hket Facebook 專版