第一，后果的预测环节。在政策制定中，预测分析是极其重要的内容，对整个决策过程都具有十分重要的作用。大数据技术的核心就是预测，它把数学算法运用到海量的数据上来预测事情发生的可能性。大数据支持下的预测环节之所以能够成功关键在于预测是建立在海量数据的基础上，随着接收到数据的积累，它们可以自动搜索到最好的方案和模式并改善自己。这意味着系统可以通过一种“反馈学习”的机制，利用自己产生的数据去判断自身算法和参数选择的有效性，并根据所提供实时连续决策的轨道和路径做出决策修正与政策补充。

第二，方案的选择环节。完全理性决策模型是一种根据事实和数字，用合理的方法和精确的计算，去分析解决问题的各种政策方案的优劣，从而求得最佳的政策或问题的解决办法，其实质是一种政策优选。完全理性决策模型认为只要政策过程的每一个步骤都是出于理性的考虑，最后输出的政策一定是最优的。在这个模型中要求：有明确的解决问题的目标；穷尽目标的策略和方案；预测每种方案的结果及概率；选择成本最低的解决问题的方案。然而完全理性决策模型是一种理想化的模型，现实中当某些条件不存在或不具备时最优解将无法实现，基于对完全理性的批驳催生出有限理性决策模型。有限理性模型追求的不是最优原则而是满意原则。其实，完全理性决策模型和有限理性决策模型最重要的争议点就在于人对信息进行收集、加工、整理和利用的能力，正是人的能力有限制约了最优化决策。告别小数据，大数据时代正在开启，完全理性决策模型正在成为可能！来*自-优=尔,论:文+网www.youerw.com

另外，大数据在其他环节的运用上也有着积极的意义。在问题的界定上，政策分析人员的失误似乎更多地来自于对错误问题的解决而非是对真正的问题找到错误的解决方案。大数据技术可以支持我们确立问题的性质、范围及严重程度等等。例如在边界分析法中，我们运用大数据可以快速、准确地完成该问题的边界搜索，从而确立一个达到饱和的政策问题。在目标的确立上，为了增加可操作性，政策目标往往是具体的工具性价值指标。大数据技术可以支持我们确立量化的指标并完成目标的排序。在方案的拟定上，大数据技术可以帮助我们搜索参考值范围内的方案，保证了备择方案的全面性和多样性。

近日，Google公司Alphago的出现表明大数据尤其是机器算法的运用以及经验的不断完善可以将决策高阶无穷趋近于完全理性。凭借云计算、分布式处理、可视化处理等大数据时代的信息技术，政策分析者可以对海量的数据量以及复杂的关联数据进行分析，并设置各类参数给出不同的参考方案，进行方案运行模拟，实现决策的理性化、科学化。