在如今这个数字化的时代，数据简直无处不在，它像潮水一样涌进了社会生活的方方面面。这么多的数据，又杂又快地变化着，给以前那种老一套的立法模式带来了不少新麻烦，可同时也带来了新机会。于是，数据驱动立法就冒出来了，它可是能让立法变得更科学、更准的一条好路子哦。
一、数据驱动立法现在都在咋探索
（一）数据咋收集整理的
好多立法的部门现在都知道数据是个宝了，开始想法子收集。就说在那些新科技领域，像人工智能、大数据咋用这些事儿的立法前期调研的时候，立法的人会用好多办法弄数据。比如说发调查问卷，把各种行业报告拿来看，还去企业收集数据。就像弄那个网络数据安全保护法规的时候，立法的团队就把好多互联网企业的数据管理情况、数据泄露的例子，还有用户对自己数据隐私有多在意这些数据都拢到一块儿分析。想从这些乱糟糟的数据里找出这个行业都有啥毛病，有啥潜在的风险，好给立法找点基础的材料。
（二）数据分析技术用得咋样
有些地方和部门在立法的时候，开始用点简单的数据分析工具了。比如说在地方搞环境立法的时候，有些城市就用环境监测数据来分析。看看污染排放哪个行业最严重，哪个地方最糟糕，然后在立法的时候就能专门针对这些情况定污染物排放标准，还有咋监管这些事儿。他们会把好多年的空气质量监测数据、水污染排放数据拿来，看看这些数据随着时间咋变的，互相之间有啥关系，找出环境变好变坏都是因为啥。不过呢，现在这种分析都还比较简单，就是算算平均数、看看简单的关系啥的，那种特别复杂的能分析好多变量关系的模型，还有更厉害的深度数据挖掘技术，用得还不多。
（三）根据数据反馈咋改立法
有些已经开始实行的法律法规，也开始注意数据反馈这事儿了。就像交通法规，随着交通流量监测数据、交通事故统计数据越来越多，立法的人就会根据这些数据反映出来的新情况改交通规则。比如说有些城市看特定路段早晚高峰车流量的变化，还有交通事故老在啥时候啥地方发生这些数据，然后就把路口信号灯亮多久、交通管制这些法规条文改改，让路上能更顺畅、更安全。但是这种根据数据改法规的事儿经常慢半拍，数据收集分析得老长时间，社会变化那么快，新问题出来了，它都跟不上趟儿。
二、数据驱动立法现在有啥毛病
（一）数据质量太乱套
一方面，数据是从好多地方来的，还没有个统一的标准。部门里不同系统的数据、企业自己报上来的数据、还有社会调查弄来的数据，格式不一样，算的方法不一样，准不准也不一样。就像在经济立法调研的时候，不同企业算财务指标的方法、报告的格式都不一样，这数据想合到一块儿可太难了。另一方面，数据里有好多垃圾信息和假的东西。在网络上，有些不实的消息、刷出来的假数据都混在里面，让立法的人都分不清真假了。比如说在社交网络平台上，有些关于新商业模式的舆论数据，可能是水军刷出来的，或者是有人故意炒作的，都不是真的。要是根据这些假数据弄商业法规，那肯定不行啊。
（二）懂数据分析的专业人才太少
数据驱动立法得要那种既懂法律又懂数据分析技术的厉害人才。可是现在立法机构里这样的人可不好找，好多立法的人都不会数据挖掘、机器学习、统计建模这些专业的本事。面对那么多又复杂的数据，根本就分析不明白。就像弄金融科技相关立法的时候，有好多金融交易数据、风险评估数据要分析处理，就因为没有专业人才，只能看看表面，弄不出复杂的风险预测模型，也找不出立法最需要的关键信息，这样立法就没那么科学，也不能提前想到以后的事儿。
（三）数据安全和隐私保护太难搞
在收集和用数据的时候，数据安全和隐私保护成了大难题。立法会碰到好多公民、企业的敏感数据，要是泄露了，那可就糟了。但是现在在数据驱动立法的时候，数据存起来、传出去、用的时候，安全防护措施都不咋地。就像在一些社会民生领域立法调研的时候，收集的居民个人信息，像收入、健康状况这些数据，如果放在不安全的信息系统里，很容易被黑客攻击，然后就泄露了。而且在数据用的时候，隐私的边界也不清楚，到底用到啥程度算合法，没有个明确的规定，老百姓就担心数据被乱用，这样数据收集的时候就可能收集不全，也不准。
（四）数据驱动和老的立法理念老打架
以前的立法都是靠经验、靠理论推导、靠平衡各方利益这些原则，但是数据驱动立法是靠数据说话。这俩就老有矛盾，得磨合磨合。有些立法的人习惯了以前的立法想法，对数据靠不靠谱、能不能代表真实情况都怀疑，在立法的时候就不咋重视数据。就像在文化遗产保护立法的时候，有些立法的人就愿意按以前的保护经验，还有文化学者的理论观点来弄法规，不把文化遗产数字化保护现在是啥情况、公众对文化遗产保护是咋想咋做这些数据当回事儿，这样弄出来的立法可能就和现实社会里文化遗产保护的需求对不上号。
三、数据驱动立法咋完善
（一）弄个高质量的数据管理体系
首先，得定个统一的数据标准和规范。不管数据是从哪来的，都得让它格式一样、定义清楚、算的方法一样，这样数据才能比，才能合到一块儿用。就像收税务立法相关数据的时候，让企业纳税申报数据的格式和指标解释都一样，这样分析起来才方便。其次，得加强数据审核和清理。用各种技术手段，像把数据互相比较，看看有没有奇怪的值，把假数据和垃圾数据都去掉，让数据更准更可信。就像人口普查数据用来弄人口政策立法的时候，和公安户籍数据、民政婚姻登记数据这些比对比对，把错的信息改过来，保证人口数据是真的。最后，建个数据共享平台。让部门之间、和企业之间的数据能流通起来，别各管各的。就像在智慧城市建设相关立法的时候，弄个城市大数据共享平台，把交通、能源、环保这些部门的数据都合到一块儿，给立法全面、系统的支持。
（二）培养又懂数据又懂立法的人才队伍
一方面，在大学里的法律专业和相关技术专业开点数据立法交叉学科的课。设点数据挖掘、数据分析咋在立法里用、法律大数据案例分析这些课，让学生又懂法律知识，又会数据分析。就像有些法学院校和计算机学院一起开双学位课程，鼓励学生两边都学，给数据驱动立法攒点人才。另一方面，给现在立法的人培训数据技能。通过开专题培训班、弄线上学习课程、让他们参加实践项目这些办法，让他们有数据意识，会分析数据。就像组织立法的人参加数据可视化工具咋用的培训、数据分析软件咋操作的培训，这样他们在平时立法工作里就能用好数据了。
（三）加强数据安全和隐私保护机制
在技术上，用先进的数据加密技术、访问控制技术这些，保证数据存和传的时候安全。就像在医疗立法数据收集的时候，把患者的电子病历这些敏感数据加密存起来，设严格的访问权限，只有被允许的立法调研人员才能看特定数据。在法律上，把数据安全和隐私保护的法律法规弄好。说清楚数据收集、用、存这些环节都有啥法律责任，把数据隐私保护的边界和标准定细点。就像弄个专门的数据隐私保护法，规定啥时候能用个人数据搞立法研究，违反数据安全规定咋罚，让老百姓相信数据驱动立法不会乱用数据。
（四）让数据驱动和老立法理念好好融合
一是多宣传数据驱动立法这个理念。通过开学术研讨会、立法培训、推广成功案例这些办法，让立法的人知道数据驱动立法有多好，让他们愿意用数据。就像开数据驱动立法研讨会，找专家学者和有经验的立法者来说说成功的例子，让更多立法的人改变想法。二是弄个数据和老立法依据一起分析的机制。在立法的时候，把数据证据和以前的理论依据、经验判断这些好好结合起来。就像在劳动立法的时候，既要看以前劳动权益保护的理论和经验，也要好好分析劳动力市场数据、企业用工数据、劳动者有啥权益要求这些数据，让立法考虑得全面，更科学合理。这样把以前的立法智慧和现在的数据技术好的地方都用上，立法质量就能大大提高啦。
数据驱动立法是跟着时代走的必然选择，虽然现在在实践里有不少麻烦，但是只要不断把数据管理体系弄好、培养好人才、加强安全隐私保护、让理念融合好，数据驱动立法肯定能在让立法更好、适应社会数字化变化这些方面越来越重要，给法治社会的新样子打好基础。