据《经济参考报》报道，人社部有关负责人透露，国家将建立覆盖机关、企事业单位退休人员和城乡居民的基本养老金正常调整机制，根据物价变动、职工工资增长、收入水平提高等情况，并兼顾基本养老保险基金承受能力、财政负担能力等因素，统筹考虑各类人员的基本养老金调整。

    截至今年1月，全国已连续11次以10%的幅度上调养老金。企业退休人员养老金已由2004年的月均647元提高到目前的2000多元，增长了2倍多。养老待遇不断提升，对个人而言当然是好事，但若看得更长远更深入一些，现有的养老金调整机制却面临两方面难题。

    一方面，在现实层面上，养老金连续多年普涨带来了一些负面效应，比如对养老保险基金和财政造成压力，还产生了后退休比先退休待遇更高的怪现象；另一方面，在理论层面上，纵观多年来的养老金调整，多是采取国务院批准、人社部发文、省市根据自身情况执行这一惯例模式，而该不该调整、调整比例多大等关键细节，至少在公共视野内缺乏充分的测算和博弈，存在较大的主观性。

    建立起一套科学合理的养老金正常调整机制，兼顾物价、工资增长、养老基金承受能力等多方变量，实现制度化、定量化的“全自动调整”，长远来看既能促使养老待遇跟上社会发展，也能保证财政和基金压力维持在可承担的水平上。这一理念在一些国家已成为现实。例如在美国，只有当CPI增长超过3%才会启动调整程序，德国则主要参考工资增长率来确定基本养老金的调整幅度。

    养老金调整只是众多公共政策制定中的一大难题，而解决这一难题的数据化思维方式，还可应用在更多的社会治理领域。目前，我国相当一部分公共政策的制定，通常是基于各个部门分别上报的零散数据，综合考虑专家学者的建言献策、民意调查等，科学实证的支持相对较少。为了进一步提升公共政策制定的科学性，完全可以效仿养老金调整的做法，引入“大数据”理念，将理性的数据分析与感性的经验判断结合起来作为决策依据。

    比如在交通方面，可以根据车流方向、密度来适时调整交通信号灯，让出租车在打车需求缺口最大的时间和地点出现；在健康医疗方面，通过研究气温、病种、门诊量的变化，可以预测未来传染病的发展趋势。今年初全国手足口病高发期间，有互联网公司就收集了相当宝贵的数据，向国家疾控中心提交了疫情预测和分析报告……大数据在公共政策制定中的应用空间，只会越来越广阔。

    在公共政策制定中用好“大数据”，当然还面临许多挑战。首先，政府数据开放共享是第一要务。只有让数据充分流动共享，让社会力量参与数据分析工作，才能从海量数据中挖掘出有价值的信息。其次，则是要革新现行的公共决策程序，增加数据测算和实证研究环节，尤其是要在公共视野中向公众进行充分的解释演算，更有利于增强民众参与的科学性，让外部监督也更加有的放矢。在利益愈发复杂、观点日趋多元的现代社会中，“用数据说话”的理念仍有很强的现实意义。为了保证各项决策更加趋近科学合理，未来在公共政策制定过程中，还应多让数据“说话”，并让数据说的话更有分量。