部委大院里的银杏叶落尽时，北京的初冬来了。
王部长“小切口、深分析”的指示通过工作小组传达下来，带着一种不同于以往重大项目研究的朴素分量。政研室副主任特意把高晋叫去办公室，递给他一份薄薄的背景材料。
“老旧小区供暖管网改造，听上去技术性很强，实则牵扯千家万户。”副主任推了推眼镜，“这些年，我们推动城市更新，这块是硬骨头。钱从哪里来？先改哪里后改哪里？改的过程中怎么尽可能不影响居民冬季取暖？改造后供暖费用变化、热力公司运营模式调整，都是问题。各地都有呼声，也都有难处。”
他点了点另一份材料：“农村清洁取暖，更复杂。‘煤改电’‘煤改气’推进了几年，有成绩，也有教训。设备买得起用不起的有，技术不适应当地气候的有，配套设施跟不上的也有。下一步怎么走？不同资源禀赋、不同经济水平的地区，路径能一样吗？这里面既有能源问题，也有民生问题、环境问题，甚至乡村治理问题。”
“部长的意思很明确，”副主任看着高晋，“不要求你们拿出‘一刀切’的完美方案，那是决策者的事。但希望你们能用‘星图’的分析框架，把这些复杂问题里的‘账’算得更清楚一些——不同改造时序下的综合成本是多少？不同技术路径对特定人群（比如低收入老人）的切实影响可能有多大？政策微调可能引发什么样的连锁反应？要算经济账，也要努力估算社会效益和民生感受。数据尽量扎实，分析尽量透彻，结论可以谨慎，但问题要提得准、挖得深。”
高晋捧着材料，感到手心微微发烫。这两个课题，边界似乎很清晰，实则每一个都像一块棱镜，能折射出体制运行中诸多层面的光与影。它们没有重大基础设施项目那种宏大的国家叙事，却直接关系到普通人在冬天能否住得暖和、过得踏实。这种“接地气”的要求，对“星图”团队是全新的挑战。
回到学院，高晋立刻召集核心团队开会。赵明、陈涛，还有几位在政策分析和社会调研方面有经验的研究员都到了。
“我们之前的工作，数据源主要是宏观经济统计、行业报告、项目规划这些‘硬’数据，或者专家判断。”高晋开门见山，“但这次，要‘接地气’，就必须引入更微观、更鲜活的数据，甚至是非结构化的信息。”
他转向团队里一位负责数据工作的女研究员：“林静，你之前在社科院做过民生调研。老旧小区这块，除了住建部门的改造名录、热力公司的管网图和运营数据，我们还需要什么？”
林静想了想，说：“需要理解居民的构成和需求差异。比如，一个小区里，退休老人多还是年轻租户多？自有产权和公租房比例如何？低收入家庭占比多少？这些会影响他们对改造的态度、对临时停暖的承受力、以及对未来费用变化的敏感度。这些数据，部分可以从社区人口普查资料、民政救助名单里挖，但更细致的，可能需要设计简单的调查问卷，或者与社区工作者座谈。”
“农村清洁取暖也一样，”陈涛接话，“光是能源资源、气候条件、电网气网覆盖这些技术经济数据还不够。农民的收入结构、居住习惯（比如是否常驻、房屋保温情况）、对不同能源的认知和信任程度，都非常关键。这些数据更加分散，可能藏在地方统计年鉴的角落、扶贫档案里，甚至村干部的脑子里。”
赵明皱起眉头：“这意味着数据获取的难度和成本会大增，而且很多数据无法直接用于定量模型。我们可能要开发新的数据融合方法和代理指标。”
“对，这是技术挑战。”高晋肯定道，“但更大的挑战在于，我们如何解读这些数据，构建能反映真实民生关切的‘情景’。比如，‘居民满意度’或‘民生获得感’这种概念，怎么在模型里体现？可能无法直接量化，但我们可以通过分析不同方案对居民用能成本、便利性、室内热舒适度等可观测指标的影响，来间接推断。”
会议持续了两个小时，初步确定了工作思路：两个课题并行启动，但都采取“迭代深化”的方式。第一步，充分利用现有公开数据和部委内部可协调获取的行业数据，构建基础分析框架，识别关键变量和不确定性大的环节。第二步，针对这些关键环节，设计针对性的微观数据补充方案，包括有限的实地调研或结构化访谈。第三步，将新数据融入模型，进行更精细化的模拟，并着重分析不同政策选项对特定脆弱群体的潜在影响。
“我们要明确一点，”高晋最后强调，“这两个课题，目标不是替地方政府做具体决策，而是为更高层面的政策制定提供更丰富、更贴近现实的‘决策参考图谱’。我们要把不同选择背后的复杂性、特别是可能被忽略的民生细节，清晰地展现出来。”
工作迅速铺开。与以往承担部委课题时主要与司局技术官员打交道不同，这次团队需要接触更广泛的层面。为了获取老旧小区的一手情况，在办公厅协调下，林静带着一个小分队，联系了北京市两个典型的待改造老旧小区所属街道和社区，进行为期两天的蹲点。她们查阅了社区台账，与几位社区书记、主任开了座谈会，甚至还随机走访了十几户居民（主要是征得同意的老年人家庭）。
这章没有结束，请点击下一页继续阅读！