政府数据治理的五重系统特性探讨

〔摘要〕 政府数据治理的特征主要有：数据主体、数据来源渠道和数据价值的多元性，政府部门之间、政府与其他要素主体、大数据技术创新与社会需求、政府数据治理与国家和社会治理的协同性，数据输入、输出及融入边界的开放性，静态数据动态化、大数据输入与输出的动态平衡性，数据开放与数据安全、数据无用与数据短缺、数据虚假与数据闲置的复杂性。提升政府数据治理水平，应提高政府数据治理的整合能力、协同能力、开放能力、预测能力及解决复杂问题的应对能力。

〔关键词〕 政府数据治理，系统特征，多元性，协同性，开放性，动态性，复杂性

〔中图分类号〕D630 〔文献标识码〕A 〔文章编号〕1004-4175（2016）02-0071-05

大数据时代，大数据技术已成为提高政府治理水平的重要技术支撑，“政府必须在理念层面、技术层面、保障层面积极回应大数据时代提出的新要求” 〔1 〕。目前，国内主要侧重研究大数据技术对政府治理水平提升的路径，如确立大数据观念、建设大数据平台、开放政府数据、创新政府组织结构等。从现实看，大数据技术视域下政府治理创新虽然在观念、平台建设、数据公开和组织创新等方面取得了一定的成效，但是，由于缺乏系统思维和系统治理，导致政府实现数据治理存在一些问题，如治理价值不突出，政府与民众、企业和社会组织数据资源不协同，数据开放度不高等。解决此类问题，可从政府数据治理的系统特性入手，分析其多元性、协同性、开放性、复杂性，从而提高政府数据治理的整合能力、协同能力、开放能力、预测能力及解决复杂问题的应对能力。

一、政府数据治理具有系统要素的多元性

从系统论看，系统要素的多元性是系统存在的首要条件，只有要素多元才能形成一个系统，系统的功能或者价值是系统要素通过协同形成的整体性功能，彰显系统整体大于部分的特性。大数据时代，政府数据治理的过程是政府主导，民众、企业和社会等多元主体参与的过程；数据来源的渠道也走向多元化，是传统数据、网络数据和物理空间数据的统一；数据价值具有政治、经济和社会等多个层面。政府实现数据治理过程正是通过多元性凸显政府治理的整体性功能。

（一）数据主体的多元性。治理主要意味着政府分权和社会的多元参与。传统意义上的政府是全能政府，能够实现对社会、经济等领域的管理。由于社会复杂程度越来越高，政府管理能力的局限性越来越突出。政府从管理职能向治理职能转变，是政府与其他主体合作共治的转变。“我国的政府治理通常包含三方面的内容：一是政府通过对自身的内部管理，优化政府结构，建设法治政府和服务型政府；二是政府对经济活动和市场活动的治理；三是对社会公共事务的管理活动。” 〔2 〕从政府治理的对象看，政府自治的动力一方面来源于政府内部提高效率的要求，更重要的来源于社会的需求；政府对经济、市场活动和公共事务的治理直接来源于社会各主体的需求。民众和社会组织有序参与政府治理，也在特定意义上构成了政府治理的权利主体。大数据时代，大数据技术的推广与应用，数据的爆炸性增长，为实现多中心的政府治理提供了现实支撑，使民众参与政府治理走向实质性。“民众参与可以分为三个层次，第一层次是假性参与或非参与；第二层次是象征性参与；第三层次是实质性参与。” 〔3 〕人人都是政府治理过程中大数据的生产者，民众需求的数据资源及其产生的数据资源为政府实现精准治理提供了明确方向。可见，大数据时代，政府与民众之间走向了实质性的合作。如路灯出现路障，民众将其照片上传至城市公共平台，该平台会自动将该数据报告给市政设施维修公司，维修公司会及时派工作人员去维修。在大数据时代，这样的事例不胜枚举。

（二）数据来源渠道的多元性。传统意义上，政府数据来源于政府、企业及各种组织汇报的结构性数据，这些数据多是经过加工的非原始性数据，政府依靠这些数据的决策具有时滞性和非精准性。大数据时代，政府通过门户网站、各类社交媒体、网络、智能化终端及传统数据等多元渠道收集政府治理的相关数据。相对完整的大数据仓库是政府实现相关分析及数据治理的前提和基础。这样，政府、企业、民众及社会组织等运行轨迹都处于数据的照耀下，不作为、乱作为、非法活动等都可以通过相关性分析取得证据，为政府治理提供证据材料。

（三）数据价值的多元性。“‘大数据之大，不仅仅意味着容量之大，更多的意义在于人类可以发现新的知识，创造新的价值，带来大知识、大科技、大利润和大发展” 〔4 〕57，这就使得政府数据治理的价值具有多元性。一是政治价值。政府可以利用门户网站、社交媒体、网络等将政府部门的声音传播给民众，同时可以通过对民众反馈的分析，及时调整政策，引导舆论，“促进网络政治、网络民主的全面升级” 〔5 〕 。二是经济价值。一方面，政府通过数据的精准化可以节约治理的成本，另一方面，政府通过授权和鼓励与市场主体加强合作，激活政府拥有的大数据的潜在经济价值。只有不断提高政府所拥有大数据的经济价值，政府数据治理才能实现可持续。三是社会价值。政府利用业务数据、民意社情数据和物理环境数据，治理公共安全、交通、卫生医疗、环境等问题，充分彰显大数据在政府治理方面的社会价值。如政府可以根据十字路口车量的多少确定红绿灯间隔时间，根据污染物种类及来源数据控制和治理环境污染。

政府数据治理主体的多元性，使政府治理形成由多个主体组成的复杂系统，政府治理数据来源渠道的多元性及价值的多元性使政府治理过程形成一个整体。主体参与不全面、数据来源单一、价值片面等都会影响政府数据治理的整体性功能，可以说正是多元性才使政府数据治理走向整体，而不是分散的个体。

二、政府数据治理具有多层次的协同性

系统论认为， “协同不仅需要考虑客体的组成部分，更要考虑组成部分的集合及相互关系” 〔6 〕 。协同是要素对要素的相干能力，表现了要素在整体发展运行过程中协调与合作的性质。大数据时代，大数据的协同过程是彰显大数据“4V”（量巨大、时效性强、来源广泛、商业价值高）特征的过程。政府数据治理也是政府部门之间、政府与其他要素主体、大数据技术与社会需求、政府数据治理与国家和社会治理相协同的过程。

（一）政府部门之间数据的协同性。大数据技术最显著的特征就是通过对数据的协同性分析，找出事物发展的规律，为进一步决策提供知识和决策支持。传统意义上的政府组织结构是纵向等级管理与横向分工合作的封闭运行体系，层级权责分明。大数据时代，由于数据包括结构性数据、非结构性数据，同一个数据可能涉及政府多个部门的责任，这就要求政府组织必须实现协同，才能提高政府自治及其对经济领域和公共领域治理的效率。所以，政府数据治理必须将政府部门内部的数据协同起来。

（二）政府与企业、民众和社会组织之间数据的协同性。政府治理过程始终伴随企业、民众和非政府组织的参与。目前，政府数据治理最大的问题在于无法实现不同渠道数据的协同。巨量的大数据对于政府来讲需要挖掘哪些方面不仅来源于政府本身职能的需要，更来源于不同主体的需要。一方面，政府通过开放数据，便于民众、企业等根据个性化需求对相关数据进行协同分析；另一方面，政府通过门户网站及其他途径采集民众不同方面的需求，如政府通过对政府网点浏览次数、栏目关注度、在线申请服务等多项内容的分析，将政府治理大数据与民众活动进行关联，为民众决策提供个性化服务。可见，大数据时代，政府治理的主体已经不仅限于政府，还包括企业、民众、社会组织等积极参与和协同工作。政府需要将经济领域宏观政策、中观产业和微观企业领域相关的数据协同起来，将公共领域企业、民众、非政府组织所拥有的环保数据、安全数据、健康数据、防灾减灾数据等协同起来，将来源于不同渠道的网络数据、基于传统器的物理空间数据、传统数据协同起来。政府实现不同渠道数据的协同是政府数据治理的前提和基础，没有协同性分析，政府就无法保障决策的科学性。目前，许多地方部门开始建立属于自己的数据中心，政府必须按照“一数一源、授权使用、分层管理、分级应用”的原则，实现政府与民众、社会之间数据使用的协同性。

（三）大数据技术创新与社会需求的协同性。大数据具有技术和社会两大属性。要实现大数据的社会价值，必须在技术层面做到对大数据的收集、存储、分析、挖掘和可视化。目前，大数据技术能够实现对大数据资源的一系列技术处理。大数据的价值关键在于社会属性，即创造社会价值、变革政府治理方式等。从政府实现数据治理的实践看，技术与社会需求的不匹配很明显，原因主要在社会层面。由于政府重视对大数据资源的收集、存储，而对大数据资源的分析、挖掘和可视化存在不足，大数据主要发挥查询作用而不是决策作用。为此，政府需要通过平台建设采集社会对政府治理的需求，并结合大数据技术，实现对相应大数据的分析、挖掘和可视化，为政府、社会和民众决策服务。当然，政府也可以引进第三方来管理和分析数据，提高大数据的使用效率。

（四）政府数据治理与国家治理和社会治理的协同性。从政府治理的维度看，政府治理包括对社会公共事务的管理活动，这是社会治理的重要领域。因此，政府治理与社会治理应协同发展，那么政府治理的数据与社会治理的数据也应实现互联共享共用。政府数据治理过程也是政府部门实现自治的过程，要实现政府部门之间数据共享，需要组织不断创新，而政府组织创新的过程是需要顶层设计以实现部门之间的整合与优化，这是国家治理现代化中很重要的内容。所以，政府数据治理需要与国家治理相协同。党的十八届三中全会通过的决定把国家治理作为全面深化改革的顶层设计，把国家治理体系和治理能力现代化作为全面深化改革的总目标。“政府治理和社会治理是国家治理的分支领域和子范畴。” 〔2 〕大数据时代，政府数据治理必须加强顶层设计，实现政府治理与国家治理的协同，充分发挥公共领域大数据的效能。

三、政府数据治理具有数据边界的开放性

从系统论看，系统的开放性是系统与环境之间进行物质、能量和信息交换的过程，开放性为系统运行提供能量和发展的动力。大数据时代，大数据已成为新的物质资源，大数据交换与开放成为维系系统运行最重要的能量和物质。“数据开放就是以平等、公平、公正的开放许可的形式进行分享数据，通过商业和非商业的形式不受限制地进行使用和再使用数据。” 〔7 〕政府数据治理是企业、民众和社会大数据向政府大数据仓库输入数据的过程，也是政府在整合加工关联大数据基础上输出可供民众、企业和社会参考的大数据的过程，同时也是借鉴国外政府数据开放经验的过程。

（一）数据输入边界的开放性。大数据时代，数据治理成为政府提高治理水平很重要的工具。政府采集数据的全面性是保障数据决策科学性的重要前提。从大数据来源看，政府治理的数据不仅包括政府内部结构性数据，还包括政府公共平台采集的大数据，及企业、个人物理空间及网络空间相关的大数据。所以，政府数据治理必须保障企业、民众及社会组织产生的大数据畅通融入政府治理的大数据仓库，进而为进一步分析、挖掘和可视化大数据提供最可靠的数据来源。目前，政府已通过网络、物理空间传感器、交流平台等多种渠道收集民众、企业产生的大数据，硬件建设是基本完善的，渠道是畅通的，问题在于要鼓励企业、民众和社会组织积极参与政府治理的数据治理，将自己真实客观的结构性数据和语言、图片等非结构性数据整合到政府治理的大数据仓库，使企业、民众和社会组织参与政府治理走向实质化。所以，政府治理数据输入边界的开放性是保障政府数据治理科学性的前提和基础，也是实现政府、企业、民众和社会组织多元参与的重要条件。

（二）数据输出边界的开放性。一个系统要维系发展不仅要输入外界的物质能量和信息，而且需要输出更高级的信息流或者能量流，才能保障系统的良好运行，同时构成一个开放的反馈机制。政府输出的大数据不同于信息，“数据是信息的载体，信息是有背景的数据，知识是呈现规律的信息” 〔8 〕。小数据时代，由于政府收集数据多局限于结构性数据，数据更多地转换为信息，便于政府、企业、民众和社会组织查询，无法实现对治理对象多维度、多层次和全样本的分析，进而不能形成反映治理对象客观规律的知识。大数据时代，数据仓库、联机分析和挖掘技术使数据成为可以参与计算的变量，实现信息生产向知识生产的转换。政府数据治理是政府输出可供企业、民众参考的以大数据为基础的知识，是政府根据公共平台民众需求反馈的知识，是政府引领和鼓励企业、民众和社会参与政府治理的重要途径，也是提高民众参政与监督政府、提高自身生活品质的重要途径。只有政府输出可供不同主体决策的知识，提高政府工作透明度，企业、民众和社会才会进一步或者更好地参与政府数据治理的过程，实现政府治理输入与输出的良性运作。国务院办公厅印发的《2015年政府信息公开工作要点》更加明确地强调推进行政权力清单、财政资金、公共服务、国有企业、环境保护等九大领域的信息公开工作。由于我国政府在开放数据方面存在法律、制度等方面的障碍，政府在分析、挖掘和可视化大数据方面缺乏针对性和有效性，也就是说，很多数据仅转换为可供不同主体查询的信息，还没有上升为知识，这会降低企业、民众和社会组织参与政府治理的进程。因此，政府不仅应尽快制定数据开放计划，有秩序有步骤地形成规范化的数据开放格局，而且政府还需提高输出大数据的质量，实现大数据从信息向知识的跃迁，加强与企业和民众的合作，以提高大数据利用的效率、效益和效能。只有保障政府数据治理过程中数据的有效输入与输出，政府数据治理才能可持续地发展下去。

（三）数据融入边界的开放性。政府数据治理还要借鉴国外数据开放经验并融入国际大数据平台。数据治国已成为国际社会的共识，“无论是美国提出的‘开放政府战略，还是规模不断扩大的世界‘开放联盟组织，世界各国政府的开放意识都在强化” 〔3 〕。美国与印度联合开发公共数据OGLP平台，使大数据正在模糊国家边界，特别是对于涉及国际领域的公共安全问题，国际社会大数据仓库建设也是非常重要的。美国根据“We the People”网页民众请愿和投票的“阈值”给予政府回复和解决建议；英国通过大数据采集与存储技术+环境数据，辅助政府制定科学的环境治理政策；意大利通过大数据分析与挖掘技术+能源消费，帮助政府提升交通规划格局和改进能源消费结构；新加坡通过大数据信息通信技术+智慧城市，改进民意舆情预判和安全消费环境 〔9 〕。所以，我国政府数据治理的领域与策略应积极借鉴国外一些好的做法和经验，这既是国际数据治理的发展趋势，也是中国政府数据治理与国际接轨的重要路径。与此同时，全球环境问题、安全问题、健康问题、防灾减灾问题的解决需要加强国际间的数据合作，形成国际范围的大数据仓库，为整个人类的安全和可持续发展提供决策服务。截至2014年底，63个国家加入了由8个国家联合签署的《开放数据声明》，我国政府数据治理需要融入国际大数据平台，共同实现人类友好可持续发展。

四、政府数据治理具有过程的动态性

从系统论看，动态平衡是系统在不断运动和变化情况下的宏观平衡，这种平衡是一个动态的平衡。大数据时代，政府治理要实现静态数据动态化及大数据输入与输出的动态平衡。

（一）静态数据动态化。传统小数据时代，由于缺乏实现政府部门之间、政府与企业和社会之间非结构性数据整合的技术支撑，数据的价值多体现在对原始静态结构性数据的加工与利用，数据的不全面性和相对静态性使政府决策中的不确定性因素加大。大数据时代，政府治理的大数据来源于传统数据、网络数据和物理空间数据，大数据技术能够实现对大数据的即时存储、分析、挖掘和可视化，为政府实现数据治理的动态化提供技术支撑。这样一来，政府治理的流程可优化为搜集数据-存储数据-分析数据-挖掘数据-找出相关关系-提供决策。随之，数据治理的动态化使政府治理走向高效、智能和精准：一方面，借助大数据技术，政府能够实现对输入的大数据即时分析、挖掘和可视化，为政府实现动态治理提供了技术支撑；另一方面，政府可以根据民众动态的需求，提供可供企业、民众、社会组织决策的动态性预测建议和意见，实现政府、企业、民众和社会组织动态参与政府治理的进程。正是政府对大数据的动态性治理引领政府治理从无序、滞后、低效走向有序、动态和高效。

（二）大数据输入与输出的动态平衡性。一个系统要维系动态平衡，输入与输出的物质、能量和信息必须保持一个动态平衡，否则系统将走向无序和混乱。政府实现数据治理的过程是将政府、企业、民众、社会组织所拥有的大数据输入政府治理的大数据仓库，政府再通过分析、挖掘及可视化输出可供不同主体参考的预测性建议。首先，政府数据治理输入的是杂乱无序的大数据资源，输出的是可实现数据增值的潜在的大数据资本，彰显大数据的政府、经济和生态等方面的价值。政府实现数据输入与输出的动态平衡性体现在大数据资源向大数据资本转换的动态平衡。其次，政府数据治理是政府、企业、民众和社会组织参与大数据输入与输出的动态过程。政府要对输入的大数据仓库进行动态管理，淘汰低价值、无关的数据，对大数据仓库要进行周期性的筛选与管理，提高政府治理的效率，需要对其输出的数据预测负责。企业、民众和社会组织动态参与政府治理大数据的输入与输出过程，他们输出的是杂乱无章的大数据资源，输入或接收的是能够为自己提供决策服务的潜在的大数据资本。大数据输入与输出的动态性不仅彰显了政府数据治理价值所在，而且彰显了政府、企业、民众和社会组织在政府数据治理过程中的不同职能。

五、政府数据治理具有矛盾的复杂性

从系统论看，复杂性彰显事物运动过程的不确定性、非线性及对还原论的超越。大数据时代，政府数据治理是很复杂的，需要处理多种矛盾和不协调问题，具体体现在以下几个方面。

（一）数据开放与数据安全的复杂性。数据作为新型资源，被消费和使用的人越多，价值就越大。大数据开放性越强，数据被激活和被利用的机率就越大，它的价值也就越大。这就要求作为大数据拥有者的政府，应该不断开放涉及民生、经济、社会等与民众利益紧密相关的大数据，以收获数据红利。每个人都是一个数据仓库，这个数据仓库记录着每个人的教育、医疗、福利、纳税、工作、死亡等数据。政府可以根据个人数据监管个体。由于政府数据来源于个人、社会及经济等领域，为保障个人隐私、社会与国家的安全，有些大数据不能公开。同时，由于法规不够健全、政府部门数据治理意识不强、安全技术难以满足需求等因素的制约，加大了政府开放数据与保护数据选择的难度。所以，“联合国‘全球脉动计划将数据的分析价值、数据与政策的相关性以及使用个人数据的隐私三个内容列为‘大数据时代可能面临的问题” 〔10 〕 。这就充分凸显了数据开放与数据安全的复杂性关系，需要政府在数据开放与个人隐私保护、国家安全之间保持必要的张力。

（二）数据无用与数据短缺的复杂性。大数据时代，“不同主体所拥有的数据存在重复收集、数据休眠、数据分割等问题”〔11 〕 。政府治理的数据每时每刻都在爆炸式增长。从技术角度看，大数据的价值低密度性及碎片化要求政府提升从海量数据中获取优质数据，并充分挖掘其潜在价值的能力。很多大数据是无用的，低价值的，需要过滤与处理。而与民众紧密相关的数据或者数据驱动力不足，造成大量的政府数据处于“休眠”状态。一方面是无用数据的积聚增长，另一方面是有用、可信和有价值数据的短缺，这种矛盾严重影响了政府数据治理的效率，而且会形成一种负效应，即大数据量与质矛盾的加剧。

（三）数据虚假与数据闲置的复杂性。随着政府开放数据的不断加快，民众足不出户就可以表达诉求，参与决策。但是，民众参与的便捷性与自由性也带来了数据滥用的问题。部分参与者出于自我利益考虑，把参与平台作为发泄自我不满的工具，有些民众借助公共平台发布一些虚假数据，这样就带来了政府治理的无序和混乱。“中国政府部门掌握着全社会信息资源的80%” 〔7 〕 ，但是，由于政府部门数据公开意识不强、服务意识不强、政府职权条块分隔、数据质量低等原因，造成数据孤立、数据碎片化现象非常严重，数据闲置问题比较突出。数据虚假与数据闲置问题加大了政府数据治理的风险，要保障数据治理的科学性，政府需要剔除虚假的数据，为实现数据治理提供最可靠的数据资源；政府还需要加快顶层设计解决政府部门之间的数据闲置问题。

参考文献：

〔1〕任志锋，陶立业.论大数据背景下的政府“循数”治理〔J〕.理论探索，2014（6）.

〔2〕王浦劬. 国家治理、政府治理和社会治理的含义及其相互关系〔J〕.国家行政学院学报，2014（3）.

〔3〕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）.

〔4〕涂子沛.大数据〔M〕.桂林：广西师范大学出版社，2012.

〔5〕李 振，鲍宗豪.“云治理”：大数据时代社会治理的新模式〔J〕.天津社会科学，2015（3）.

〔6〕邱龙虎. 中国传统哲学中的系统思想〔J〕.系统辩证学学报，2014（4）.

〔7〕黄思棉，秦凤微.大数据时代中国政府数据公开面临的阻碍与对策研究〔J〕.法制与社会，2015（4）下.

〔8〕涂子沛.大数据及其成因〔J〕.科学与社会，2014（4）.

〔9〕陈建先，王萌萌.发达国家“大数据技术+”对政府治理能力提升之鉴〔J〕.领导科学，2015（5）下.

〔10〕刘叶婷，王春晓. “大数据”，新作为：“大数据”时代背景下政府作为模式转变的分析〔J〕.领导科学，2012（12）.

〔11〕苏玉娟.大数据技术实现社会治理的维度分析〔J〕.晋阳学刊，2015（6）.

责任编辑 周 荣