政府数据治理的概念、应用场域及多重困境：研究综述与展望

C刊转载

公共管理学研究

来源：《情报理论与实践》2021年8月3日网络首发；

作者简介：许阳，女，博士，副教授，研究方向：公共政策分析， 海洋环境政策，大数据与政府治理等。胡月，女，硕士生。研究方向：大数据与政府治理。

摘要：大数据能够驱动政府治理已成为共识。大数据如何驱动政府治理需要回答三个基本问题：政府数据治理的内涵是什么，主要应用场域有哪些，是否存在数据治理困境。政府数据治理内涵有要素论、特征论和功能论的三重界定。大数据驱动了政府治理理念、治理结构、治理方式与治理过程的变革，并在城市治理、环境治理、精准扶贫等领域发挥了作用。大数据也推动了政府决策理念创新、模式转型和过程重构。但体制桎梏与科技风险，工具理性与价值迷失，社会公正、数据意识与数据能力等多重困境导致政府数据治理进程阻滞。未来需要深入研究科层体制改革推进政府数据治理转型，大数据时代政企关系重塑，数据治理推进社会公正以及基层政府数据能力提升等问题。

关键词：大数据;数据治理;数字治理;政府数据治理;智慧政府;综述;

随着信息化、数据化和智能化社会的深入发展，爆发式增长的数据与土地、劳动力、资本等生产要素一样，成为当今社会的核心资源。对于企业而言，数据具有了独立的经济价值，催生了精准营销的新模式；对于政府来说，大数据理念、思维和技术能够应对复杂公共问题，实现公共管理的智慧化、精准化[1]。对数据与政府治理关系的讨论可追溯至赫伯特·西蒙的思想，他表明人工智能技术可以补充人类的有限理性[2]。20世纪90年代初，电子政务的新理念出现，电子政务开启了新的理论篇章。但随着技术的发展和研究的推进，“数据流动”[2]成为新的研究聚焦点。“数据流动”视野的出现推动了政府治理思维由“技术驱动”向“数据驱动”转变。

技术和需求的双重动力加速了政府数据治理的进程。以大数据、云计算、区块链和人工智能技术为代表的新兴技术应用为政府数字化转型的纵深发展与精细化提供了坚实基础。数据驱动型行政、经济、社会等多元需求对政府数据治理提出一定要求[3]。近年来，各级政府积极推动数字中国战略、大数据战略、政府数据开放共享工程、人工智能发展战略等。2015年国务院印发的《促进大数据发展行动纲要》中明确指出要“用数据说话、用数据决策、用数据管理、用数据创新”，十九大报告明确提出要建设“科技强国、网络强国、数字中国、智慧社会”，这在很大程度上带动了学术话语的转向。信息技术是“实现良政的重要手段”[4]，数据治理在推动政府治理手段创新、治理机制创新、变革政府治理范式上有积极影响已成为共识。因此，为了更好地让数据赋能“中国之治”，必须厘清如下问题:政府数据治理的内涵是什么， 政府数据治理的主要应用场域有哪些，政府数据治理对公共管理而言是否为“良方”，有无“副作用”。通过对既有研究的梳理，可以对以上问题进行深入思考并做出学术对话。

1 政府数据治理的内涵认知

1.1 政府数据治理的要素论

数据治理的学术概念源于国外企业对数据资产的治理。20世纪80年代以来，随着IT治理的兴起，IBM等企业在对内部数据进行治理的实践中提出了数据治理的概念。数据治理是为有效管理和应用企业数据而组织和实施的政策、流程和标准的实践，其目的在于增加数据的价值，并将与数据相关的成本和风险降至最低[5]。国外学者 Donaldson 等从法律的角度提出数据治理框架是一系列政策和规则的集合[6]；Fernandes 等认为数据治理是为确保组织数据资产发挥最大价值，集中人、过程和信息技术的数据管理及维护过程[7]。总体而言，企业治理语境下的数据治理聚焦于组织微观层面，即对数据进行治理。国内学者张康之提出政府数据治理包含了双重内涵： 一是对数据的治理，二是依数据的治理，他将“数据”看作不同于“数字”的新技术现象和社会现象，强调其对于社会治理变革的推动[8]。

事实上，将政府数据治理置于人类社会治理的发展史中来看，在不同的历史发展阶段有不同的表述方式。“数据治理”可追溯到“数字治理”，“数字治理”产生的背景是由传统电子政务发展所驱动的，强调的是“治理对象的数字化”，侧重于通过“0”或“1”代表的二进制信号所蕴含的信息来实现政府与社会的互动以及政府内部的运行[9]。而“数据治理”强调的是“治理对象的数据化”，侧重于对数据进行持续管理与利用以及对依靠数据进行系列治理[10]。大数据治理本质上也是数据治理，是数据治理的进一步深化与拓展，对数据治理理论和实践的不断丰富和发展，可以说是进入大数据时代后数据治理发展的一个新阶段。梳理概念的演进过程可以更加全方位、立体化地理解这一概念，但对“政府数据治理”的构成要素进行解读方可明晰其本质。从治理主体来看，政府数据治理由政府主导，多元主体共同参与，数据治理效能的发掘关键不在于技术性因素，而主要在于组织性或社会性因素，尤其体现在主体行动者的数据治理能力以及多元主体之间的协作程度；从治理对象来看， 政府数据作为治理对象，包括政府通过传统行政手段收集的数据以及使用互联网进行公共事务治理过程中产生的大规模数据集集合（简称“大数据”）；从治理手段来看，强调发挥互联网、大数据、区块链、人工智能、仿真模拟等信息技术的工具价值，让技术及其蕴含的思维方式嵌入政府治理结构中，赋能政府治理全过程；从治理目标来看，强调充分利用海量数据，更好地解决复杂的公共政策和管理问题，实现治理流程和制度创新，确保公共利益的实现和公共秩序的维持。总体而言，政府数据治理作为数据要素、技术要素和思维要素的多重集合体，可以成为公共治理的有效工具，对推动政府服务精准化和智慧化具有重要意义[11]。

1.2 政府数据治理的特征论

对政府数据治理进行概念界定无疑是困难的，但通过特征可以形象地直指其核心要义，也能形成理论界的共识。在明晰“政府数据治理”相关要素的基础上，进一步推进对其特征的描述，可以发现：第一，治理对象的“XV 特征”。在当下这个大数据时代，政府数据治理对象的特征可以从现在广泛提及的“大数据”特征中得以窥探。一直以来，无论在技术研究领域还是经济社会管理研究领域中，中西方学者多是用大数据特有的大容量(volume)、高速性(velocity)和多样性(variety)概括其基本特点， 并以此为基础拓展大数据的特征维度包括价值性(Value) 、黏性(Viscosity)、准确性(Veracity)、时效性(Volatility)等，提出 4V、5V、6V 乃至7V 的特征性概念[12-13]。大数据能成为推动时代进步的新技术驱动，其创新之处绝不简单体现于“大”字，而是蕴藏于概念内部较之传统数据的本质差别。第二，治理结构的复杂性。政府数据治理以政府为主导，强调多元主体的共同参与，无论从组织行动者的维度，还是主体行动者的维度，都不可避免地存在数据能力、数据素养参差不齐的问题。就政府数据平台建设而言，经济和科技发展不均衡使得各地平台建设的进程差距较大，科层结构内部的信息和权力博弈导致部门之间平台数据无法互通，出现平台林立、“数据烟囱”等问题。数据流动才能发挥价值，在复杂的治理结构中任一环节阻滞都将影响其效用的发挥。第三，治理手段的风险性。技术是政府数据治理的核心因素，其中以信息技术、大数据、云计算和人工智能技术最为直接。技术一定程度上可以赋能政府治理，但是也存在着“无能”甚至“负能”的风险。治理过程中“数据至上”思维、对数据过度采集和分析、公私合作的治理模式都可能使得政府陷入“数据利维坦”的泥沼，压缩公众的私人空间，造成隐私侵犯、个人意志和选择被剥夺、数据泄露等问题，由此可见政府数据治理并非“灵丹妙药”，治理手段的不当使用也将引发治理低效乃至社会稳定风险。第四，治理目标的统一性。政府数据治理的最终目的是推动政府治理能力现代化，从而满足人民群众对美好生活的向往，提升人民群众的满意度，因此应一切以人民为中心，一切从人民的获得感、幸福感、安全感出发。

1.3 政府数据治理的功能论

基于政府数据治理的若干要素及特征可以构建完整的数据应用链条，从应用过程和功能维度剖析其概念内涵。M.Janssen 等认为大数据应用过程包括数据收集、数据准备、数据分析、决策形成四个阶段[14]；K.Zhou 等学者提出大数据包括数据收集、数据清洗、数据选择和数据挖掘四个阶段[15]。在大数据应用过程上虽然学者们的侧重有所不同，但总览全貌，可以发现其功能与过程有内在的契合性。基于此，政府数据治理应用的过程链条可总结为数据抓取、数据筛选与存储、数据流通、数据分析与挖掘四个环节，与之相对应，政府数据治理拥有四个主要功能。功能一：数据抓取基于大数据的容量大和多样性，打破传统的数据单向输入模式，实现数据主动抓取与被动输入的双向获取方式，实现非结构化数据的多样性可得和多类型数据的实时传输等功能；功能二：数据筛选与存储基于高速性，依托全新的大数据平台和分布式存储功能，通过数据清洗提高数据的有效性，打破传统数据存储容量小、读取慢的技术瓶颈，实现海量数据的高速运转功能；功能三：数据流动是基于大数据的黏性和时效性，通过建立数据开放共享平台，实现多主体对数据的可得、可读、可用、可看等互动功能，最大化地利用数据自身的基础价值；功能四：数据分析与挖掘基于大数据的准确性和价值性，用数据间的相关关系代替传统因果关系的分析， 挖掘对象潜在的需求和问题，实现数据的科学预测功能，提高政府管理决策的精准性。通过与传统数据应用的过程和功能对比，才能更好地直接领会其内涵要义，为后续概念理解和理论研究做好铺垫。

2 政府数据治理的多重应用场域

2.1 大数据嵌入政府治理

2.1.1 理论维度研究伊始，学术界着重关注大数据是否能和政府治理结合，二者之 间的结合会带来怎样的机遇和挑战？大数据的三重属性能够充分契合公共治理语境， 即作为数据本身的资源属性、作为政治空间的公平民主属性和作为社会价值的包容 共享属性。同时，大数据作为一种全新的技术手段和治理思维为政府治理提供了许 多机遇。大数据作为新技术促使数据逐渐成为当今时代的核心资产，推动社会朝着 权力分散、动态多元的方向发展。大数据作为重要战略资源和创新工具的作用，能 够推进国家治理体系和治理能力现代化[16]。大数据能够充分激发政府在科学决策、 公共服务、危机预防、社会动员等方面的潜力，从而提升社会治理能力和水平[17]。 大数据的功用不仅限于思维和技术的变革，它是一种变革人类公共生活的动能，对 人类将产生全方位的影响和冲击[18]。总体而言，学术界对大数据嵌入政府治理产生 的深远影响及其体现的重要价值给予了充分肯定，从学术研究进路上看，学界对于 大数据驱动政府治理的价值认识经历了从“技术”到“资源”再到“动能”的演变。 机遇伴随着挑战，学界对于大数据应用于政府治理中挑战的认识也从“数据驾驭能力不足”和“数据风险防控”拓展到“破除数据应用的体制机制障碍”，认为除了数 据资源匮乏、数据人才不足、数据技术能力和数据思维有待提高外，政府还面临着 法律体系和制度保障不完善、部门间数据难以协同、数据逻辑与官僚制度逻辑存在 冲突等一系列挑战，另外公民数据隐私、数据不平等问题也被广泛讨论。

随着研究的推进，大数据嵌入政府治理的研究视角更加多元，研究路径也更加丰富。大数据、云计算、人工智能和区块链等颠覆性革新技术的应用推动了政府治理理念、治理结构、治理模式、治理过程、治理效能等的多方位变革[19]。政府治理结构重塑视角下[20]，大数据能够解决“数据孤岛”、“数据确权”和信任构建等传统数据管理的固有弊端，重构公私边界，促使科层组织、政府与市场、政府与社会之间的关系发生改变，从而重塑政府治理结构。治理模式变迁视角下, 大数据作用于公共治理变革本质上是一种治理模式的变革，即“传统的韦伯模式—新公共管理模式—服务回应模式—数字治理模式”。也有学者用“智慧政府治理模式”、“政府 3.0 ”[21]替代“数字治理模式”的提法。不管用哪种提法，都体现了政府治理变革的未来取向是树立以人为中心的治理理念，将大数据、人工智能等先进知识和技术作为治理手段，促进政府数据的共享、开放和应用，从而实现公共价值的治理目标。关于大数据推动政府治理模式变革的作用机理，有学者用“渗透—传导—扩散”这一逻辑进行概括[22]，即在治理理念上渗透公民本位主义，在治理结构上传导多元主体和整体性治理，在治理过程中推动政府创新扩散。从政府治理效能提升的影响机制上来看[23]，数据能够驱动政府决策理念方式转型、市场主体行为方式转变、社会主体参与公共治理手段创新，因此数据治理驱动政府治理效能提升的优化路径也应从政府、市场、社会三个维度入手。从公共管理范式转型上来看[24]，大数据带来从传统的样本思维到全数据思维、从因果思维到相关性思维、从精确性思维到混杂性思维的思维革命，推动了公共管理理论和实践由“传统公共行政学范式”到“公共政策分析范式”到“公共治理范式”的全方位转型。

2.1.2 实践维度 在政府治理实践维度，大数据嵌入到城市治理、环境治理、精准扶贫等多个政府治理领域，发挥了积极作用。另外，这些政府治理领域的实践活动又赋予了数据治理新的内涵、价值，赋予学术研究新的研究内容、研究素材及研究视角。

在城市治理领域，学术界已经认可大数据在城市治理中的价值，认为大数据技术已成为城市治理创新的重要手段，主要应用于城市规划建设、公共服务提供、城市基础设施管理、交通管理、应急管理、灾害预警等领域[25]。学术界关于数据治理在城市治理应用的研究，最早开始于介绍和评价国外应用大数据推动城市治理创新典型案例，通过介绍和评析大数据和物联网在美国联邦政府的 analytics 网站、瑞典的垃圾处理的前沿应用[26]、纽约市政府城市数据分析团队的实践[27]，比较分析国外各大城市在运用大数据进行城市治理的创新模式差异，结合我国城市治理面临的困境与挑战，提出借鉴或启示意义。新一轮技术革命给中国带来了巨大机遇，信息化赋能城市治理产生了诸如浙江省“数据高铁”、上海“一网通办，一网统管”、杭州“城市大脑”之类的创新实践，以大数据为核心的信息化技术为提升城市治理效能提供了充分的信息基础，塑造了有力环境，推动城市治理迈向全周期、智慧化、精细化的全新治理范式。

环境治理与贫困治理领域也是学术界关于政府数据治理日益关注的焦点。从宏观角度看，推动大数据技术及其应用是国家当前的重大战略，应用大数据技术可以推动我国环境管理逐渐向动态化、数字化、网络化和精细化转变[28]。环境精细化治理应是一种新的治理范式[29]，环境污染治理模式创新应从传统型治理体系向数据驱动型治理体系转型[30]。利用大数据技术，能够突破政府环境治理面临的三重困境， 提升政府环境决策的科学化和精准化，能够形成更加有效的环境治理机制[31]。从微观角度看，在实践过程中应该构建大数据环境数据监管平台、环境数据共享信息平台、充分利用“随手拍”等公众参与创新方式从多方位赋能环境治理。

大数据应用于贫困治理中的研究以季飞、汪磊等为代表，他们都关注到政府主导的反贫困治理模式存在固有弊端导致治理效果受限，具体表现为信息不对称、监督困难、贫困数据利用不充分、被动救助等。季飞等认为大数据的产生与应用使农村贫困人群能够平等参与反贫困治理进程，极大地推进供需精准匹配、资源有效整合[32]。汪磊以精准扶贫和大数据的耦合性为出发点，分析认为构建精准扶贫大数据平台可以减少信息不对称，促使精准扶贫由政府驱动变为数据驱动[33]。杜永红强调精准扶贫中的绩效评估，认为利用大数据可以实现动态精准监测评估[34]。也有学者关注到利用大数据扶贫的风险防范问题，近年来多地未经匿名化处理直接公示贫困户个人信息，罔顾贫困者的隐私安全和人格尊严，导致贫困者对贫困信息收集存在抵触，影响脱贫工作的推进。因此扶贫工作不仅要插上高科技的“翅膀”，更要带着镣铐跳舞，合理界定个人信息使用的边界，推动“物质帮扶”到“扶志扶智”。

2.2 大数据嵌入公共政策

公共政策是对社会价值进行的权威性分配，处理和解决公共问题是公共政策的逻辑起点。问题导向中的信息不足、科学和民主之间的价值张力等多重困境致使政策科学传统发展阻滞。大数据技术可以创新公共政策工具，大数据理念可以优化公共政策价值目标[35]，大数据应用过程与公共政策存在一定耦合，总体而言，运用大数据可以推动公共政策范式转变。

2.2.1 大数据驱动公共决策：理念创新与模式转型

大数据嵌入公共政策中最大的价值在于推动了公共决策理念和思维的创新，进而催生了更为科学有效的决策模式。学者关于政府数据治理在公共决策领域的研究呈现出由浅入深、由表及里的特征，研究内容集中在三个层面。这三个层面的逻辑进路体现在：大数据作为一种新动能，其技术手段能够创新政府决策机制；其思维理念可以更新政府决策思维，优化公共决策模式；其巨量数据可以拓宽政府决策内容。在多重中介要素的作用下，推动政府决策机制的创新，最终变革政府决策模式，达到提升政府决策能力的目标。

从政府决策模式的演进历程上来看，人类获取和分析信息的能力是驱动决策模式变迁的主要动力。18世纪末到19世纪末，受到生产模式的限制，这一时期的政府决策主要依据经验判断，也被成为经验管理决策时代。随着生产力的飞速发展，泰勒提出科学管理决策模式，强调用科学知识取代个人判断作为决策依据。之后，有限理性决策模式和渐进决策模式被广泛应用于公共决策领域。纵观传统公共决策模式，其中兼具依托决策者个人分析判断能力的“官僚型”模式、通过多方利益群体博弈而达到“合意”的“民主型”模式以及运用数据收集、统计分析的“计算型” 模式。但无论使用哪一种模式，都存在决策主体相对单一、决策依据不够充分、决策过程过于依赖个人思维和直觉、决策方法存在“有限理性”的弊端，使得决策结果存在较大风险和不确定性，从而造成决策失败。在此基础上，诸多学者提出推动公共决策模式转型的必要，同时尝试性地构建了许多大数据驱动下的新型决策模式。胡税根等提出智慧公共决策模式核心优势在于全面感知、客观透明、实时连续、自主预置和多元共治[36]。李圣军认为循数决策模式将成为与“大数据 +微调”时代相契合的政府治理新模式[37]，循数决策模式强调政府充分利用依托大数据平台的数据链条运行机制进行数据采集和挖掘，进而进行定向微调。政府要及时推进理念转型， 推动政府结构向开放型和扁平化转型，建立多元主体协同运行机制以及前瞻性预判决策机制[38]。总体而言，大数据驱动下政府决策新范式的提出旨在弥补传统决策模式的“有限理性”弊端，推动公共决策走向“完全理性”。

在如何利用大数据推动政府决策能力的提升方面，大数据可以使决策各个环节的合作、任务之间的对接更加准确，较大程度地降低决策成本，但这建立在大数据与公共决策系统双向良好互动的前提之下。从戴维·伊斯顿的系统决策模型视角分析，大数据环境与公共决策系统之间存在着互动演进的关系。即大数据环境推动公共决策系统中的信息、决断、反馈等子系统不断完善，同时又对公共决策系统变革提出了要求。另外，公共决策系统的改进也在推动大数据环境的优化。因此，在如何利用大数据提升政府决策能力这一层面，应该着重把握大数据环境与公共决策系统的双向互动关系，打通这一循环中出现的梗阻现象，例如在大数据环境方面存在的平台建设落后、行政人员数据能力不足、公民数据意识落后，在公共决策系统层面存在的决策理念、组织架构、决策模式不适应当前决策环境的各种问题，推动二者良性双向互动，从而实现政府决策能力现代化。

2.2.2 大数据嵌入公共决策：过程重构

政府数据治理是将大数据嵌入到公共政策的全过程，通过数据挖掘技术与社会 计算方法的发展为政府数据分析和后续的公共决策过程模拟和评估提供了技术支撑。在这一基础上，大数据嵌入公共决策中对整个决策过程产生了全面性和根本性的影 响。传统的公共决策遵循线性的过程展开，通过公共问题界定、公共决策方案制订、 公共决策方案执行和评估等环节以达到决策目标。大数据嵌入公共决策后，打破了 传统的线性决策流程，提供了更具有前瞻性和灵活性的实时连续决策路径。从政策过程维度看，大数据嵌入公共政策发挥的作用体现在建构政策问题、创新政策议程、改进政策决策、改善政策执行和完善政策评估[18]。

在政策过程中，大数据的功能特性与公共政策评估具有明显的耦合性，政策评估成为最初研究切入的理论视角。D.Lee 等利用大数据技术采集目标地区民众的谷歌搜索记录数据集，进行实证分析并运用多案例进行验证后，发现公众意见对政府政策制定和执行产生了显著影响，笔者在文章末尾提出，运用此方法探讨关于政策制定执行与民意的相关问题，可以帮助政府制定更有针对性的政策[39]。W.N.W.Cobb 利用谷歌趋势和推特网的大数据评估美国公众对于空间政策的态度，基于大数据方法能够更加及时、动态和灵活地获取民意信息[40]。国内学者谢明等[41]主要探究了“何种类型的政策适用于大数据政策评估”这一问题，认为运用大数据进行政策评估的基础是数据必须可识别能解析，从“数据收集”和“数据分析”两个维度出发可以将公共政策划分四种类型，政策信息公开程度、政府数据治理能力、政策运行状态、信息共享程度等多重因素都与通过大数据进行政策评估的可能性呈现正相关关系。总体而言，大数据赋予了政策评估新的形式和内涵，基于大数据的政策评估弥补了传统决策方案评估滞后性的弊端，重心向事前评估转变，评估环节更加科学化、民主化、客观化，政策评估的能力增强，政策评估内容也更加丰富，关注包括需求、过程、效果、影响等。与此同时，大数据技术实时抓取、智能存储、动态分析的强大功能使得全过程评估成为可能。

随着大数据研究热潮的不断高涨，学者开始关注大数据对于其他政策过程的重要意义。以政策问题构建为例，韩振燕等认为大数据为政策问题构建提供了新的方法和手段，在问题感知、问题搜索、问题界定和问题陈述的四个阶段弥补原有缺陷[42]。大数据“自下而上”建构政策问题，可以弥补拉斯韦尔“自上而下”问题导向存在的弊端，更加容易发现“真问题”，也能够加强对于问题信息了解的充分性。还有学者开始探讨在政策议程设置中大数据的重要功效，在政府动议的政策议程模式中， 政府可以通过大数据平台“广开言路”，定向收集网络民意。在民众动议的政策议程模式中，政府可以借助大数据技术采集民意的全样本数据并进行深度挖掘。在大数据影响政策过程这一维度的研究中，学者不约而同地聚焦于大数据对民意的作用， 也就是公众态度的及时有效获取及评估。大数据时代民意结构由原子化转变为合成化，由金字塔型转变为同心圆型[43]。大数据为及时快速有效汇集大量民意并进行智能分析提供了技术基础，大数据可以对总体民意进行测量、分析与可视化呈现，通过在政策全过程、全周期的民意洞察展现民意全像，可以推动政策的制定更加科学合理、更加符合民众预期，同时降低政策演变的成本。

3 政府数据治理困境

政府数据治理是推动国家“数字蝶变”、加快数字中国和智慧社会建设的基础性工程，是转变政府职能、创新服务方式的重要途径，是大数据时代政府转型的现实需求和必然趋势。但正如简·E·芳汀在《构建虚拟政府》一书中所说，技术并不能导致可预见的制度变迁，技术通过组织这一漏斗的过程中，在认知的、文化的、社会结构的、法律和正式的制度安排压力下，组织中的个人将重新理解、设计和使用新技术[44]。因此技术使用的实际效果无法预测，但我们可以从将目光聚焦其影响因素，从政府、社会和个人层面进行剖析，避免政府陷入数据治理困境。

3.1 政府层面

3.1.1 体制桎梏导致数据共享受阻 近年来，在打破信息壁垒和数据孤岛的政策导向和大数据、人工智能等信息技术蓬勃发展的背景下，政务信息系统整合共享、数据开放共享取得了较大进展，但跨层级、跨部门数据共享困难导致了政务数据这一核心资源的价值下降。一方面，地方与中央部门数据难以双向流动。以某省调研数据为例，省内部门数据共享需求满足率仅为 42%，65 个国家垂直管理系统、64 个省级垂直管理系统未能实现与各级政务服务系统之间的数据交换共享[45]。科层体制下， 信息技术的引入加强了纵向层级控制，却并未完全实现纵向信息畅通，信息回流问题严重。另一方面，地方政府部门间数据信息共享困难。一是不愿共享，部分地方政府部门将数据资源看作“财富”和权力，地方本位主义、数据保护主义阻隔了跨部门、跨区域数据协同，导致“信息孤岛”“数据鸿沟”并存。二是不能共享，由于数字化建设初期缺乏整体性规划，地方政府部门间数字化应用平台呈现出碎片化、割裂化的特点，尽管平台的实际操作者——政府部门工作人员强烈呼吁建设一体化平台，但受限于经济发展水平、信息技术、部门利益分割等诸多复杂因素，各部门之间难以实现有效的数据共享。

3.1.2 科技风险防控难度较高 从政府数据治理的内涵和过程可以窥探其风险防控的复杂程度，政府数据治理的风险源自“对数据进行治理”和“依托数据进行治理” 的两个方面，也充斥于政府数据收集与抓取、数据选择与存储、数据流通、数据分析与决策的全过程。公共数据是数字政府的战略性行政资源，在治理实践过程中政府不可避免地要收集大量公民个人信息数据，通过图片、文字、视频等数据形式进行存储，在进行决策前进行深度分析和预测。值得注意的是，这些数据是公民社会活动的抽象化符号，大数据分析预测功能使得原本具有不确定性的公民行为变得可以被感知和预测，这有利于政府针对性地提供服务和加强管控，但法规政策层、管理层、技术与数据层任何一方面的欠缺都会带来了更深层次的风险。数据高度联网、数据保护技术落后和相关治理主体数据保护意识的缺乏使得数据资源极易受到网络攻击。与此同时，数据体量的庞大性和结构的多源异构性更是加大了数据保护的难度。大数据技术联通了社会各个不同领域和主体，这使得数据泄露极易产生“蝴蝶效应”和多米诺骨牌效应。

3.2 社会层面

3.2.1 工具理性与价值迷失问题政府数据治理过程中根本价值逻辑的颠倒，将导致在实践过程中重形式、重程序、重技术，但忽视最终目的。在大数据运用于政府治理的实践中，如果持有技术决定论观点的工具理性主义占据了主导地位，那么强调善治这一政府治理终极目标的价值理性将被忽略。这是因为，政府可以运用先进技术手段对对海量数据进行分析预测，精准识别公众需求，识别社会风险，针对性地做出决策，提高对社会的控制能力，但技术无法在道德层面上区分公众需求的正义性[46]，更无法兼顾被排除在外的数据弱势群体的需求，因此忽略对数据背后的伦理和价值问题的深入思考以及对公众权利诉求的满足，将不可避免地陷入数据官僚主义、数据形式主义，逐渐背离公平、正义、包容等社会价值[47]。因此，越是在技术变革快速发展期，越应该在治理过程中强调“以人为本”的理念，公民的权力高于一切，应该强调民众的广泛参与，鼓励民众在参与过程中充分表达个人需求意愿；另外，政府数据治理不能完全依赖技术工具，而应该强调人的作用， 所有的公共行政人员应该负起行政责任，以是否符合公众的利益为标准来衡量其行政行为；除此之外，应推动建立政府首席数据官制度，加强数据治理人才队伍建设，提高政府部门工作人员的数据治理和数据运营能力。

3.2.2 社会公正问题学术界对于“数字鸿沟”（Digital Divide）的关注逐渐转向 “数字不平等”（Digital Inequality）或“数字差异”（Digital Differences）， 大数据带来的全样本思维、多主体理念看似可以弥合不同主体参与数据治理的鸿沟，但事实上也在一定程度上加剧了社会不公正现象。其中，数据话语权不平等是重要表现之一。主体数据意识、数据素养和数据能力之间的差异将造成数据富人和数据穷人的分化[48]，这意味着政府所采集的数据更多地代表享有话语权的数据富人，这种基于不均衡数据的决策将忽视无法产生数据的群体需求。在可预见的未来，穷人、无家可归者、老年人、流动人口以及精神和身体上有病的人都有可能在互联网构建的数据中被忽视或者低估。正如徐雅倩等[49]所言，数据信息对于富有阶层将产生有力影响，但对于穷人阶层更大程度上体现为对工作机会的剥夺。另外，政府基于年龄、性别、职业等特征数据无差别地将个人纳入某一群体中进行考虑，这样将群体特征强加于个人的决策无形中违背了社会的公平正义，同时基于数据的行为预测可能使人们为没有发生的事情承担责任，这也违背了程序公正。

3.3 个人层面

3.3.1 公民数据意识弱、观念滞后 “数据意识淡薄”是中国国民性的一部分[50]，无论是作为传统文化内核的儒家，还是作为重要补充的道家、佛家、法家都强调向内自省，发挥人的主观性和能动性，因此人们在此影响下倾向于依靠直觉进行判断， 忽视对于客观事实进行深入挖掘分析。另外，传统社会生产力落后，技术工具欠缺， 人们倾向于依据经验和事实决策。在前人工智能时代，人们创造的数据体量较小、种类较少，数据的流动速度也相对较慢，因此人们并没有形成个人信息数据隐私保护的意识，也没有形成警惕数据泄露的习惯。甚至在日常生活中，无视数据隐私被侵犯的事实，变相纵容了此类行为。公民忽视了数据重要性，没有意识到自身掌握的数据信息以及具备的数据信息素养可以用来有效地进行公共权力监督。公民数据意识淡薄的观念由来已久，在长期实践中形成且具有相对稳定性，难以在短时间内实现巨大转变，如何探求数据意识培养的有效方式，为政府数据治理提供肥沃的精神土壤是应进一步思考的问题。

3.3.2 个人进行数据保护的能力不足 相较于被动的隐私泄露，人们也不可避免地存在着主动分享个人隐私数据的行为。麻省理工学院的研究表明，即使是那些对隐私表示担忧的人，也会分享朋友的电子邮件地址以获得免费的“披萨”。国外研究者创造了“隐私悖论”和“控制悖论”[51]这两个术语试图阐述个人表达隐私的方式。他们认为“隐私悖论”存在的原因不是说个人实际上不关心隐私，而是说对我们的数据进行有意义的控制的障碍太大，难以克服。行为经济学研究表明，即便默认设置的更改很简单，但个人仍倾向于保持默认设置。“控制悖论”是指个人越相信自己能够控制自己的数据，他们就越愿意分享。但实际上，创造数据的人、有能力收集数据的人和分析收据的人并非一类人，通常情况下普通民众是创造数据的人，这一群体人数最大，但数据能力却是最低的，在一个默认设置不断变化、隐私政策冗长而难以渗透的世界里，个人几乎没有能力选择退出或者在数据收集实践中进行有意义的自我保护。

4 研究趋势与展望

梳理政府数据治理的相关文献发现，研究取得了一定的成果，这些都为我国未来政府数据治理的完善发展指明了方向。然而，总体来说，我国在政府数据治理理论研究的步伐要大大落后于具体实践活动，领域内的诸多命题尚未得到充分讨论， 在大数据飞速发展下逐渐浮现出的问题学术界也未能给出合理回应。本部分在已有研究的成果之上，立足现实问题，放眼未来，认为未来政府数据治理的研究应该从以下几个方面进行深入拓展。

4.1 大数据如何推动科层制的优化

科层制是国家治理的重要组织载体，如何推动科层制优化是公共治理中亘古不变的话题。科层制又称官僚制，其核心特征体现在等级严密的组织结构、行政人员的专业分工、正式完备的规章制度。大数据治理和科层制治理应该走向融合已成为基本共识。不可否认，大数据推动了政府治理思维的转变和科层组织流程的重塑， 大数据驱动下的网络化治理为打破科层制的层级和藩篱提供了可能。但正如庞明礼[52] 所言：“大数据改变的仅仅是公共服务的'出入口’，无法改变基于科层运作的公共服务生产机制”。这也导致大数据仅仅能够推动府际间实现“嵌入式协同”，而无法完全克服权责分离、责任模糊化、目标偏差等困境的根本原因。因此，如何进一步地因势利导地利用大数据重构整个行政结构，推动二者之间实现“互动式发展”，推动政府部门间实现“互动式协同”，公共管理、数据科学、计算机科学等不同学科之间应该打破概念使用的藩篱，推动研究的交流融合，为之贡献力量。

4.2 大数据时代的政府与市场边界如何界定

自市场经济出现以来，政府与市场、自主与干预的关系问题一直处于议题的中心。在数据高度联通的大数据时代，政府与市场的边界出现了一定程度上的改变， 一方面体现在原有边界的移动，另一方面体现在在某些领域边界的模糊。就公共服务而言，一些原本由政府提供的公共服务不再是“市场失灵”的部门，反而成为了可持续发展的商业模式。以当今被广泛使用的支付宝、微信为例，政府将生活缴费、医保、社保等多种公共服务内容搭载至支付宝平台，进一步减轻了政府负担，提升了服务效率，也使得这些互联网平台既充当政府的服务商，也成为了新的公共服务生产者。在大数据时代，政府倾向于将一些对互联网、物联网和计算能力要求较高的管理及服务项目外包给企业，支付宝、微信只是政府通过 PPP 方式将服务外包的典型案例。这种现象暴露出传统公共服务生产和提供方式正在受到冲击，在技术力量的推动下，市场似乎对政府发起了挑战。政府如何运用好手中的权力，如何合理监管企业的行为，实现政府和企业之间的良性互动，促进新型合作伙伴关系向纵深发展都应成为公共管理学界深入思考的问题。

4.3 如何推动政府数据治理的公民参与

随着技术的不断发展、相关基础设施越来越完善以及政府投入不断增加，在表面上来看，目前我国政府数据治理在信息提供和公共服务供给上越来越光鲜，公民获取信息和办理业务的途径越来越多元，方式也越来越便捷。但深入探究可以发现， 公民在政府数据治理中更多地被看作“用户”，也就是公共服务的被动承受者，公民对于政府的反作用力很大程度被忽视。另一个极端是随着公众表达诉求的渠道日益增加，出现了公众无序参与的问题。在未来，在要推动公共管理理论与实践中形成的“合作互动、民主参与”等理念融入到政府数据治理的血液中，要坚持多种研究方法并用，从多个维度探讨如何在数据治理实践层面而非仅仅在观念层面“实质性” 地推动公民参与、政民互动，如何拓宽公民参与数据治理渠道，提升公民参与数据治理能力，促进多元主体的共同参与，从而实现大数据时代下的政府善治。

4.4 基层政府如何实现数据治理

基层政府作为微观组织单元，承担着对公众数据需求的直接感知、政府数据治理政策的具体执行、政府数据服务的有效提供等重要责任。但实际上，基层政府， 尤其是农村地区的基层政府往往面临着技术、资金、人才等各个方面资源稀缺、组织能力不足、基础设施不完善等困境，使他们在面对复杂琐碎的数据治理任务以及公众日益增长的多元需求使手足无措。不仅如此，还出现了与政府数字化转型目标和基层减负目标完全相悖的“指尖上的形式主义”等问题，使政府治理效能大打折扣。因此，未来应该聚焦政府治理的“神经末梢”，探讨如何将数据意识、用户取向、关联性思维等数据思维和理念嵌入基层行政人员的决策和政策执行的全过程，提升基层行政人员的数据素养和数据能力，让基层政府以大数据为重要手段洞察民生需求、优化服务手段、提升服务质量，利用大数据为基层政府减负的同时打通公共服务“最后一公里”。

参考文献：

[1] 范如国.公共管理研究基于大数据与社会计算的方法论革命[J].中国社会科学,2018(9):74-91.

[2] 黄璜.对“数据流动”的治理——论政府数据治理的理论嬗变与框架[J].南京社会科学,2018(2):53-55.

[3] 夏义堃.试论政府数据治理的内涵、生成背景与主要问题[J].图书情报工作,2018,62(9):21-27.

[4] 黄文平.加强政府职责体系研究具有重要意义[J].中国机构改革与管理,2013(6):31-32.

[5] CHEN YC, HSIEH TC. Big data for digital government: opportunities, challenges, and strategies[J]. International Journal of Public Administration in the Digital Age, 2014, 1(1):1-14.

[6] DONALDSON A,WALKER P. Information governance—a view from the NHS[J].International Journal of Medical Informatics, 2004, 73(3):281-284.

[7] FERNANDES L，O＇CONNOR M．Data governance and data stewardship． Critical issues in the move toward EHRs and HIE［J］．Journal of AHIMA/American Health Information Management Association, 2009, 80: 30-39．

[8] 张康之.数据治理:认识与建构的向度[J].电子政务,2018(1):2-13.

[9] 颜佳华,王张华.数字治理、数据治理、智能治理与智慧治理概念及其关系辨析[J].湘潭大学学报(哲学社会科学版),2019,43(5):25-30.

[10] 黄建伟,陈玲玲.国内数字治理研究进展与未来展望[J].理论与改革,2019(1):86-95.

[11] 薛金刚,庞明礼.“互联网+”时代的大数据治理与官僚制治理:取代、竞争还是融合?——基于嵌入性的分析框架[J].电子政务,2020(4):81-90.

[12] 刘叶婷、唐斯斯. 大数据对政府治理的影响及挑战[J]. 电子政务，2014（6）：20-29.

[13] 王芳、陈锋. 国家治理进程中的政府大数据开放利用研究[J]. 中国行政管理， 2015（11）：6-12.

[14] JANSSEN M, VAN DER VOORT H, WAHYUDI A. Factors influencing big data decision-making quality[J]. Journal of Business Research, 2017, 70:338-345.

[15] ZHOU K, FU CHAO, YANG SHANLIN. Big data driven smart energy management: from big data to big insights[J]. Renewable and Sustainable Energy Reviews, 2016, 56:215-225.

[16] 陈潭.大数据驱动社会治理的创新转向[J].行政论坛,2016,23(6):1-5.

[17] 王山.大数据时代中国政府治理能力建设与公共治理创新[J].求实,2017(1):51-57.

[18] 段忠贤,刘强强,黄月又.政策信息学:大数据驱动的政策科学发展趋势[J].电子政务,2019(8):2-13.

[19] 司林波,刘畅.智慧政府治理:大数据时代政府治理变革之道[J].电子政务,2018(5):85-92.

[20] 赵金旭,孟天广.技术赋能:区块链如何重塑治理结构与模式[J].当代世界与社会主义,2019(3):187-194.

[21] 谭海波,孟庆国.政府 3.0:大数据时代的政府治理创新[J].学术研究,2018(12):57-61.

[22] 朱仁显,樊山峰.信息与通信技术变革政府治理模式机制分析[J].理论探讨,2019(1):31-37.

[23] 河南省社会科学院课题组.数据治理驱动政府治理效能提升的影响机制与优化路径[J].中州学刊,2020(2):71-75.

[24] 胡键.大数据技术与公共管理范式的转型[J].行政论坛,2018,25(4):49-55.

[25] 王忠,安智慧.国外城市管理大数据应用典型案例及启示[J].现代情报,2016,36(9):168-172.

[26] 李一男.大数据和物联网在国外城市治理中的前沿应用:公共价值促生的可操作化[J].兰州学刊,2015(10):166-170，207.

[27] 施雯.基于大数据的情报分析如何助力城市管理——纽约实践及启示[J].图书情报工作,2016,60(8):113-117.

[28] 汪自书,胡迪.我国环境管理新进展及环境大数据技术应用展望[J].中国环境管理,2018,10(5):90-96.

[29] 余敏江.环境精细化治理:何以必要与可能?[J].行政论坛,2018,25(6):116-122.

[30] 锁利铭.关联区域大气污染治理的协作困境、共治体系与数据驱动[J].地方治理研究,2019(1):57-69,80.

[31] 郑石明,刘佳俊.基于大数据的空气污染治理与政府决策[J].华南师范大学学报(社会科学版),2017(4):105-111，191.

[32] 季飞,杨康.大数据驱动下的反贫困治理模式创新研究[J].中国行政管理,2017(5):53-59.

[33] 汪磊,许鹿,汪霞.大数据驱动下精准扶贫运行机制的耦合性分析及其机制创新

——基于贵州、甘肃的案例[J].公共管理学报,2017,14(3):135-143，159-160.

[34] 杜永红.大数据背景下精准扶贫绩效评估研究[J].求实,2018(2):87-90.

[35] 秦浩.大数据驱动的公共政策转型[J].中国党政干部论坛,2020(2):62-65.

[36] 胡税根,单立栋,徐靖芮.基于大数据的智慧公共决策特征研究[J].浙江大学学报(人文社会科学版),2015,45(3):5-15.

[37] 李圣军.“大数据+微调”时代政府循数决策模式的构建[J].统计与决策,2016(24):59-62.

[38] 陈朋.大数据时代政府治理何以转型[J].中共中央党校(国家行政学院)学报,2019,23(6):25-30.

[39] LEE D, KIM M，LEEJ. Adoption of green electricity policies: investigating the role of environmental attitudes via big data-driven search-queries[J]. Energy Policy, 2016, 90:187-201.

[40] COBB WNW . Trending now: using big data to examine public opinion of space policy[J]. Space Policy, 2015, 32:11-16.

[41] 谢明,刘爱民.可行性及其路径:刍议大数据方法在公共政策评估中的运用[J]. 现代管理科学,2017(11):6-8.

[42] 韩振燕,费畅.大数据时代公共政策问题构建的机遇、挑战及应对[J].湖北行政学院学报,2016(6):56-60.

[43] 汪波.大数据、民意形态变迁与数字协商民主[J].浙江社会科学,2015(11):41-47，157.

[44] FOUNTAIN J E.构建虚拟政府:信息技术与制度创新[M].邵国松, 译.北京:中国人民大学出版社, 2010.

[45] 王伟玲.加快实施数字政府战略：现实困境与破解路径[J].电子政务,2019(12):86-94.

[46] 王金水,张德财.以数据治理推动政府治理创新:困境辨识、行动框架与实现路径[J].当代世界与社会主义,2019(5):178-184.

[47] 王振兴,韩伊静,李云新.大数据背景下社会治理现代化:解读、困境与路径[J]. 电子政务,2019(4):84-92.

[48] 郭蓉.从技术理性到行政伦理——大数据时代智慧治理的伦理反思[J].道德与文明,2018(6):17-23.

[49] 徐雅倩,王刚.数据治理研究:进程与争鸣[J].电子政务,2018(8):38-51.

[50] 陶国根.大数据视域下的政府公共服务创新之道[J].电子政务,2016(2):68-73.

[51] PIKE ER. Defending data: toward ethical protections and comprehensive data governance[J]. Emory Law Journal, 2020，69(4): 687-743.

[52] 庞明礼,王晓曼,于珂.大数据背景下科层运作失效了吗？[J].电子政务,2020(1):65-75.