资源基础视角下省级政府数据开放绩效生成逻辑及模式——基于16省数据的模糊集定性比较分析

汤志伟 罗 意

(电子科技大学公共管理学院 成都 611731)

高质量的数据资源蕴含着巨大的价值，而政府作为海量数据的掌握者，如何在知识社会和数据经济背景下，通过提高数据开放绩效水平以释放数据价值，增强政民互信互动，提升政府透明度和治理能力，推动经济社会发展，是当前各国政府面临的重大问题。

政府数据开放的浪潮自2009年从美国兴起以后，逐渐向全球蔓延。到2018年，全世界已经有139个国家和地区建设有数据开放平台或数据开放目录[1]。我国自2012年以来也在积极推进政府数据开放。早在2015年，国务院印发的 《促进大数据发展行动纲要》就明确提出，国家政府数据统一开放平台要在2018 年年底前建成。自此，在各省市的积极实践和推进下，数据开放逐渐在中国蓬勃发展起来。截止2020年4月，中国政府数据开放平台数量已经达到130个，其中省级数据开放平台共有17个，地级数据开放平台则达到了113个。在中国东南地区，省级数据开放平台在地理上已经呈现出接连成片的状况，并呈现出自东部地区开始不断向中西部蔓延的趋势。

然而，根据复旦大学数字与移动治理实验室发布的《中国地方政府数据开放报告》(2019年下半年)的结果，我国的数据开放发展现状仍然表现出地区之间发展不平衡的特点，总体呈现出东部相对领先，西部积极追赶的局面。与此同时，一些资源禀赋在全国领先的地区，却在政府数据开放绩效排名中取得了与其综合实力不匹配的成绩，如天津和北京。究竟是什么原因造成了各省之间政府数据开放绩效的差异？什么样的资源组合可以生成高水平的省级政府数据开放绩效？多种资源条件之间存在着怎样的联动关系？资源禀赋较差的省有无必要陷入数据开放的“本领恐慌”？以上都是本文尝试回答的问题。因此，从资源基础理论视角切入，基于国内16省数据开展模糊集定性比较分析，探索各类资源条件对省级政府数据开放绩效的影响路径，以期对推动中国数据开放的发展提供具有启示意义的借鉴。

1 文献回顾与理论介绍

1.1文献综述政府数据开放一直是国内外学者的关注焦点，一国各地区之间、国际之间的数据开放绩效的差异性吸引着学者对其原因进行探索。既有研究可按照影响因素的数量是单一还是多重划分为单要素分析和多要素分析。以单一要素切入分析的学者多从外部需求、政策法规、体制机制、组织文化、数据平台和数据质量等因素切入，深入分析其对政府数据开放的影响。如Piotrowski研究了公众对政府透明性的要求如何影响政府数据开放[2]；冉连等人研究了中国地方政府数据安全政策的制定现状，对政府数据开放安全政策体系提供了有益建议[3]。也有学者从政策形式、政策工具和政策内容三个方面构建更加综合的框架来探讨政策环境中的政府数据开放状态[4]。Zuiderwijk通过建立政策比较框架对比分析了荷兰不同层级政府数据开放政策，探索公共政策对数据开放的影响[5]。陈婧从政府数据开放利益相关者的协同机制入手，从资源、管理、技术和利益四个角度考察了协同机制对数据开放的影响[6]。 Marijn发现数据开放会受制于风险规避型组织文化[7]。Wirtz指出[8]公务员对数据开放的风险感知构成了政府数据开放最重要的制约因素。马海群等人探讨了政府数据开放过程中的动力机制和动力，讨论了动力基本着力点和作用方式如何推进政府数据开放[9]。有的学者从数据角度入手，发现数据的可用性、价值性、安全性等特点影响着开放数据质量管理[10]，或从数据开放平台本身入手，发现平台的易用性、可靠性及响应性是影响政府数据开放平台服务质量的关键因素[11]。

从多要素角度分析的学者大多基于对政府数据开放绩效影响因素是多元而复杂的这一基本认识展开研究。例如，有学者研究政府管理体制、思想观念、监督机制和社会参与、战略规划等因素组成的关系结构模型对政府数据开放的影响[12]，用技术-组织-环境框架分析中国13省数据开放利用[13]，也有学者借助“政治-经济-社会”三要素框架分析影响地方政府数据开放的因素[14]，或者运用定性比较分析方法探索我国地方政府数据开放绩效影响因素并指出高绩效水平的生成路径[15]。

梳理以上文献发现，学术界正在尝试回答政府数据开放及其细分领域受哪些因素的推动和阻碍，并且得出了不尽相同的结论。首先，在研究内容上，鲜有研究省级政府在数据开放工作中区别于地市级政府的异质性，大多数相关研究将不同行政层级的数据开放现象等同对待。各个研究得出的结论差异较大，表明政府数据开放绩效生成的模式是复杂多样的，各影响因素或对结果变量协同发生作用。有研究将数据开放平台的绩效等同于数据开放的绩效，导致结果变量的选择忽视了数据开放绩效包含平台表现、数据质量、数据支持和组织准备等方面的综合性。其次，在研究方法上，既有研究大多以文献研究或访谈等定性研究为主，较少使用定量分析，缺乏实证检验。最后，既有的定量研究中，大多采用回归、相关等实证方法考察变量之间的单一关系，鲜有研究多重条件之间的协同关系，忽视了政府数据开放绩效背后复杂的逻辑和生成模式。

对此，本文从资源基础理论视角出发，以中国16个省级政府作为样本，对其数据开放绩效生成条件进行组态分析，以期揭示各类资源条件对省级政府数据开放绩效的影响路径，对推动中国数据开放的发展提供具有启示意义的借鉴。

1.2资源基础理论资源基础理论(Resource-Based Theory)最早可追溯到1959年Penrose在其著作《企业成长论》中从经济学视角出发对企业资源和企业成长的关系的论述。1984年，Wernerfelt的《企业的资源基础论》的发表则是该理论正式诞生的标志。随着后续学者的发展和应用，传统资源基础理论的框架逐渐搭建起来并走向成熟，广泛应用于私人部门战略管理、绩效管理、运营管理等领域的分析中。该理论认为，企业的本质是各种资源的叠加体，不用的企业拥有不同的资源，资源的异质性构成了企业在竞争上的差异。企业的持续竞争优势取决于企业拥有何种资源以及对这些资源的运用，稀缺、难以模仿和替代、有价值的资源能构成企业长期竞争优势的基础[16]。

资源的多样性特点是资源基础理论的潜在假定，而对于资源的类型乃至资源本身的含义，学者们从资源本质属性、资源效用、资源范畴等方面研究，发展出了不尽相同的观点[17]。例如，Wernerfelt认为，能给企业带来优势或者劣势的资产都能称为资源，企业拥有包括技术、资本、品牌等在内的不同的资源，并可进一步划分成计划、文化和固定资产[18]。Barney则将企业资源划分为物质资本、人力资本和组织资本三大类[19]。Amit和 Shoemaker则认为，企业资源是企业拥有或控制的要素存量，包括物质资产、人力资源和技术资本等[20]。国内学者宝贡敏认为，企业的资源可分为企业资产和技能、潜能两种，前者是指企业用于向市场提供商品和服务所需的要素，后者是指企业利用包括技术、知识、方法等在内的各种资源的能力[21]。

总的来说，有关资源基础理论的众多研究都按照“资源—能力—企业绩效/竞争优势”这样的框架展开，即企业沿着“从资源转化成能力”的路径达成组织目标[22]。资源基础理论为组织绩效的生成提供了有益的启示，有学者指出，该理论也可以借鉴到公共部门绩效管理研究中[23]。政府的数据开放绩效正是政府建设信息化和民主化政府的一种能力体现，背后是组织资源、财力资源和技术资源等多种资源的协同作用。本文认为，我国各省份在资源禀赋上差异巨大，从而可能产生政府数据开放能力上的差异，并进而影响政府数据开放绩效。

2 分析框架

基于上文分析，本文从资源基础理论视角出发，将影响我国省级政府数据开放绩效的资源类型划分为组织资源、财力资源和技术资源三方面，并据此架构起本文的分析框架。

图1 省级政府数据开放绩效的分析框架

如图1所示，组织资源代表了影响政府数据开放绩效的组织方面的因素，包括准备度资源和协同力资源。在各国开放数据评估实践中，大都涉及政府数据开放“基础”层面的考量，而该层面的评估大都围绕政策法规体系、组织与管理和数据标准规范制定情况来展开，并以此衡量开放数据工作依托的基础性条件和支撑[24]。说明良好的政府数据开放绩效离不开完善的政策法规基础、良好的组织实施和数据开放标准规范，即本文中的准备度资源。此外，数据开放离不开跨部门协同，而目前我国数据开放面临的一大关键阻碍便是条块分割。数据开放主管机构是数据开放工作的推动者和实施者，强有力的专门性数据开放主管机构能发挥较好的协同作用，使得数据开放工作的推进更加顺畅有力。

财力资源包含了财政资源和经济资源两个方面。政府数据开放作为数字经济大背景下的产物，需要相应的互联网基础设施的支撑、技术和管理人才的配备、各行政层级和部门的协调等配套，无疑对财政实力提出了较高的要求。区别于财政资源，经济资源对政府数据开放绩效的影响更加间接。经济发展能通过影响财政收入影响电子政务服务能力[25]，而互联网基础设施的完善正向影响电子政务服务能力[26]。良好的经济发展水平能生成更高的电子政务绩效[27]，也能生成较高的创新活动[28]。

技术资源包含基础设施资源和平台资源。互联网基础设施的配备，是信息技术赖以发展的基础。基础设施资源在发展数字政府和推动政府数据开放工作中起着基础性的作用。组织采纳新技术的成本会由于缺乏必要的基础设施支撑而显著提升，进而制约新技术应用的绩效表现[29]。此外，数据开放平台是数据的载体，也是政府数据开放中的必要组成部分。作为直接面向用户的窗口，政府数据开放平台的建设直接影响着用户搜寻和获取数据的体验，也对数据供需两侧的连接与互动，促进数据利用的有效性起着至关重要的作用[24]。

3 研究设计

3.1研究方法本文从组态分析视角出发，考察省级政府数据开放绩效的生成逻辑及模式，采用了模糊集定性比较分析法(fs/QCA)进行实证检验，所用软件为fs/QCA3.0。定性比较分析法(即QCA分析法)，是1987年由学者Ragin所提出的一种方法，旨在让研究者通过案例间的比较发现各条件间的匹配模式与结果的逻辑关系，识别各条件之间的联动关系。QCA可以回答“哪些条件组合可导致结果变量出现和消失？”这一类的问题[30]。

QCA分析法克服了传统计量分析方法只能考察大样本中单一变量间的线性关系的缺点，可通过对10～60个中小样本的实证检验，探索不同条件组态与结果变量间的逻辑关系。本文以16个省级政府为样本，既能匹配QCA分析法对于样本数量的要求，也能探索各资源条件与省级政府数据开放绩效之间的多重并发因果关系。

QCA分析法可进一步划分为清晰集定性比较分析(cs/QCA)、模糊集定性比较分析(fs/QCA)和多值集定性比较分析(mv/QCA)。由于fs/QCA能处理部分隶属和程度变化的问题，适合本文变量的特点，故采用了fs/QCA进行分析。

3.2样本选择本文选择中国16个省级政府作为样本，有如下理由：首先，省级政府是我国重要的行政层级，作为一省内最高决策主体，省级政府在统筹政府数据开放工作中起着承上启下的关键作用，是联系中央政府和省内各地方政府的关键通道。目前，省级政府统筹建设省本级数据开放平台已成为中国政府数据开放工作的趋势。其次，本文选取的16个省，来自中国东部、中部和西部各区域，涵盖了经济发达和欠发达地区，且目前均已上线省级政府数据开放平台，具有较好的代表性和可操作性，样本数量也适合运用fs/QCA进行分析。最后，出于资料可得性的考虑，省级政府相对于地市级、区县级和街镇级政府，公开资料多而全面，有利于本文研究的开展。

3.3变量及赋值

3.3.1 结果变量 本文采用已经上线的16个省级政府数据开放绩效作为结果变量，选取了复旦大学与国家信息中心数字中国研究院联合发布的《中国地方政府数据开放报告》(2019下半年)作为数据来源，见表1。该报告瞄准我国政府数据开放水平进行综合评价，自2017年以来每半年发布一次，并为中国互联网信息办公室提供数据支撑，具有较好的权威性和可信度。该报告的综合层指数囊括了数据层、平台层、准备度和利用度四个维度，能科学衡量政府数据开放绩效水平，加之数据可得性方面的考虑，故被本文采纳为原始数据。

3.3.2 条件变量 本文以省级政府的资源作为解释变量，具体可分为组织资源、财力资源和技术资源三类,见表1。

表1 变量设定

a.组织资源。组织资源分为准备度资源和协同力资源。其中，选取2019 年下半年《中国地方政府数据开放报告》中的准备度指数来衡量省级政府的准备度资源。该指数客观地评价了政府在数据开放工作中的法规政策、组织与执行和标准规范等方面的表现，进而科学地呈现出政府的组织准备度资源水平。另外，本文将拥有省级政府直属的数据开放主管部门的省份赋值为1，没有专门数据开放主管部门或数据开放主管部门为省政府办公厅、省发改委和省政务服务管理办公室等机构的组成部分的省份赋值为0。

b.财力资源。财力资源分为经济资源和财政资源，分别用2018年人均一般公共预算支出和2018年人均地区生产总值来衡量经济发展水平和财政资源能力，数据均来源于《中国统计年鉴2019》。

c.技术资源。技术资源包括基础设施资源和平台资源。其中，用2019年各省份域名数来衡量互联网基础设施水平，数据来源于第45次《中国互联网络发展状况统计报告》。另外，本文选取2019 年下半年《中国地方政府数据开放报告》中的平台层指数来衡量省级政府的平台资源。该指数客观地评价了政府数据开放平台在数据发现与获取、工具提供、利用展示、账户体验等方面的表现，从而较为全面地呈现了政府的平台资源水平。

3.3.3 变量赋值 按照fs/QCA方法要求，需要先对变量进行校准，使之拥有集合隶属关系[31]。研究者需要先根据理论知识和实际情况确定一个能反映变量中间程度取值，并确定定性锚点，即完全隶属、交叉点和完全不隶属，从而得到隶属度在0～1之间的校准值，变量校准情况见表2。本文结合Tosmanna软件和笔者对研究资料的把握最终确定交叉点的取值[32]。此外，本文按照惯例将样本数据的5%和95%分位数设定为“完全不隶属”和“完全隶属”。

表2 变量校准

4 实证结果分析

4.1必要条件分析本文首先开展了必要条件分析，以识别各条件是否能单独作为必要条件，对于不能单独形成必要条件的条件再进行充分条件分析。必要条件分析结果见表3。在所有条件变量中，仅平台资源这一条件变量的一致性超过了0.8，表明平台资源是结果变量的充分条件，对结果变量有较强的解释力度，是影响数据开放绩效的关键因素。而所有条件变量的一致性均低于0.9，表明其均无法构成影响结果变量的必要条件。该结果表明了较高的省级政府数据开放绩效受到多个因素的共同影响而非单一因素造成。据此，下文将开展条件组态分析，以揭示和探讨各变量之间的协同现象。

表3 必要条件分析

4.2条件组态分析条件组态分析得到了复杂解、中间解和简单解，基于一致性和覆盖率的考虑，为保证结论的严谨性和启示性，本文选取了结论相对严格的复杂解进行分析，见表4。

表4 政府开放数据绩效的条件组合

如表4所示，高水平的数据开放绩效条件组合共有6种，总覆盖度达0.748，表明这些条件组合能覆盖74.8%案例。观察结论中的6种条件组合并结合实际，不难看出生成高水平省级政府数据开放绩效的4种类型，即组织驱动型、技术驱动型、经济-技术驱动型和综合驱动型。

a.组织驱动型。在组织驱动型的案例中，省级政府拥有充足的组织资源，即使没有良好的经济资源和技术资源，也能生成较高的政府数据开放水平，对应表4中的组合3。

该模式的典型代表省份为贵州省。贵州省政府在颁布数据开放相关法律法规、组织执行和制定标准规范上都拥有良好的表现，尽管其他资源配置水平不佳，但其数据开放绩效却位于《中国开放树林指数》(2019下半年)省级综合排名第三。首先，早在2015年，贵州省大数据发展管理局发布的《加快推进政府数据集聚共享开放》中就提出要建设贵州省政府数据开放平台，实现政府数据资源集聚、共享和开放的要求[33]。贵州省政府办公厅在2016年先后印发了《贵州省大数据发展应用促进条例》《中共贵州省委贵州省人民政府关于实施大数据战略行动建设国家大数据综合试验区的意见》和《贵州省政务数据资源管理暂行办法》等文件以规范全省政务数据资源管理工作，推进政务数据资源“聚、通、用”。包括以上文件在内的各法规政策的等级性和专门性都相对较高，并逐步渗透到公共资源配置、重大建设项目批准实施和公益事业建设等多个细分领域，对数据开放的范围和质量、开放方式、开发利用、安全管理和保障机制都做出了明确要求，为推进贵州省政府数据开放提供了法制基础和重要依据。其次，贵州省数据开放工作的主管部门贵州省大数据发展管理局，为实际履行行政职能的省人民政府正厅级直属事业单位。由省长担任组长的贵州省大数据发展领导小组[34]，为协调和促进数据开放工作提供了保障。最后，贵州省政府积推进贵州省大数据标准化顶层规划，提高大数据标准供给能力，推动大数据标准化建设，逐步完善大数据标准化体系，为大数据发展及融合应用提供技术支撑[35]。

b.技术驱动型。在技术驱动型的案例中，省级政府拥有丰富的技术资源，即拥有优良的数据开放载体和丰富的互联网基础设施资源，也能形成较高的数据开放绩效，对应表4中的组合1，代表省份为河南。

以河南省为例，河南省的省份域名数全国排名第4，占全国域名总数比例6.2%，具有相当充足的互联网基础设施资源。其次，河南省的平台资源位列全国第5。在河南省人民政府办公厅领导下，由河南省发改委承办的河南省公共数据开放平台，在数据发现、数据导引、数据获取、成果提交展示和互动反馈方面均表现优秀，并具有良好的用户体验。截止2020年9月9日，河南省公共数据开放平台数据量已达356.72万，提供了包含47个部门的数据目录，形成了10个应用成果。该平台从人性化使用的思路出发，按照使用场景和标签提供了便捷的数据导引，以便帮助用户快速搜索到所需数据，用户只需3步便实现注册以获取数据，还可通过网站互动交流渠道实现在线意见建议和数据纠错。相对于经济和技术双轨驱动下的广东等省份，尽管河南省的经济和组织资源配置水平不理想，但借助其丰富的互联网基础设施资源和良好的数据开放平台建设水平，依然生成了良好的数据开放绩效。

c.经济-技术驱动型。在经济-技术驱动型案例中，高水平的省级政府数据开放绩效主要由较丰富的经济资源和技术资源生成，对应表4中组合6，代表省份有广东和福建。

以广东省为例，广东作为中国东部沿海的经济强省，经济发展水平位居全国前列，拥有强大的经济实力，为政府数据开放注入了强大的资金支持。不仅如此，广东省还拥有丰富的物力资源。一方面，广东省拥有良好的信息化发展基础，省份域名数排名全国第二，占全国域名总数比例12%，为高水平数据开放绩效生成提供了良好的技术资源支撑。另一方面，广东省拥有强劲的平台建设实力，平台资源位居全国第三，广东省数据开放平台“数据广东”由广东省人民政府办公厅主办，在数据发现、数据导引、数据获取、成果提交展示和互动反馈方面表现优异，由于其突出的用户体验表现，现已纳入《中国地方政府数据开放报告(2020上半年)》标杆省份展示。截止到2020年8月12日，“数据广东”已开放数据1.475亿条，提供了包含51个部门的数据目录，形成了81个应用成果。“数据广东”平台拥有便捷的场景分类导航，并附有最新动态和新冠肺炎疫情专栏，为不同类型的数据集提供了用户获取便利通道，提供了各数据利用成果的来源信息。用户还可通过平台在线完成数据申请、数据纠错和意见反馈，是全国个人注册必填信息最少，注册程序最便捷的省级数据开放平台。

d.综合驱动型。在综合驱动型模式中，几乎包含了全部类型的资源，表明在一些资源充足而全面的省份，高水平的省级政府数据开放绩效由多种资源共同发力生成，多出现于沿海综合实力强省。对应表4中组合2、组合4和组合6，代表省份有上海、天津、浙江和北京。

以上海为例，上海市在2019年8月就颁布了一部专门针对公共数据开放且具有较高的等级性和针对性的地方政府规章，即《上海市公共数据开放暂行办法》。该规章规定了对不同开放类型的和属性的数据在获取方式上差异化管理，对数据开发利用的生态建设、安全管理和保障机制做出了相应要求。为保障数据开放工作有序进行，上海市特别建立了数据开放专人专岗管理制度。上海市数据开放工作由市政府办公厅推动和监督，市经济信息化部门负责指导协调和统筹，市大数据中心负责公共数据统一开放平台建设和运维。除了全国领先的组织资源外，上海市还拥有强大的经济资源和财政资源，在本文案例中，上海市2019年人均GDP和人均一般公共预算支出在全国排位第二，并长期处于全国领先水平，为数据开放创造了优良的经济和财政环境。此外，上海市基础设施资源丰富，信息化基础水平全国领先，2019年分省域名数全国排名第六，为数据开放工作奠定了坚实的技术资源基础。由于上海市出色的多方面资源，使得其2019年数据开放绩效全国第一，且在数据准备度上单项排名也是第一。上海市的理想数据开放绩效也从侧面表明，优秀的数据开放绩效离不开组织资源、财力资源和技术资源融通发力。

5 稳健性检验

为了避免交叉点取值对分析结果的影响[36]，本文调整了结果变量“数据开放绩效”的赋值方式，以对结论开展稳健性检验。具体而言，上调了数据开放绩效的判定标准，即适当提高交叉点的取值再进行分析。将结果变量交叉点取值调整至39后，本文发现了与上述分析基本一致的结果。必要条件分析结果显示，平台资源一致性依旧在各条件变量中最高，达到0.84；组态分析结果识别出了与上述结果相同的路径，且总覆盖率达到了0.75，能解释75%的高水平数据开放绩效案例，一致性仅略微降低。因此，可以判断本文结论是基本稳健的。

6 结论与讨论

本文结合了资源基础理论，运用定性比较分析方法揭示了省级政府数据开放绩效生成的逻辑和条件组合。研究表明，我国省级政府数据开放绩效受到组织资源、财力资源和技术资源的支持或制约。从单一条件方面看，平台资源是影响省级政府数据开放的最关键因素。在组态分析方面，本文分析出了高水平政府数据开放绩效生成的6条路径，并将其总结成组织驱动型、技术驱动型、经济-技术驱动型和综合驱动型，代表在不同资源禀赋条件下的各省份生成高水平数据开放绩效的四种不同模式。

本文的研究结果为我国资源条件各不相同的省级政府应如何扬长避短、提升自身开放数据绩效提供了启示。第一，加强省级政府数据开放平台建设，统筹推动全省数据开放工作。本文研究显示，数据开放平台的支撑是提升省级政府数据开放绩效的关键抓手。政府数据开放平台连接了数据供需两端，是政府数据开放绩效得以体现的重要载体。因此，作为一省内最高决策主体，各省政府应积极推动省级平台的建设，保障平台的常态化运营，提供清晰的数据目录、优质数据、发布者联系方式和获取分级分类数据的方式，以提供更好的用户体验。目前我国一些省的省级数据开放平台建设还很不成熟，操作体验僵硬繁琐，主题覆盖面和部门覆盖面十分有限，且实际上没有导入各地市级政府政府数据，亟待进一步完善。第二，进一步细化相关政策法规，加强领导重视。在组织驱动模式中，数据开放绩效水平较高的省在制定法规制度和数据开放标准规范方面做得较好，相应文件的专门性和等级性较高，为数据开放工作提供了较好的组织准备条件。要进一步推动数据开放发展，有关部门还应当制定有指导性和操作性的数据开放实施细则和年度规划，为省内各地市数据开放工作提供切实的指导。与此同时，各党政领导部门要对政府数据开放形成进一步的理性认识，增大对政府数据开放工作的支持力度。第三，强化数据开放基础设施支撑。本文研究表明，部分省份拥有良好的数据开放载体和互联网基础设施，也能形成较高的数据开放绩效。互联网基础设施是信息时代新的社会形态运转的基础支撑，特别是一些网络基础建设薄弱的省份，面对信息技术对生产生活方式乃至社会形态的冲击，更应该放眼未来完善互联网基础设施建设，为数据开放潮流和数字政府时代做好准备。第四，引导和鼓励数据利用。开放数据的利用并产生效果是数据开放工作的落脚点。为此，省政府应当引导和鼓励数据利用，可适当开展开放数据利用大赛和引导赋能活动，吸引更多类型的数据利用主体，发展和培育本省信息产业及相关人才，推动数据从开放走向利用，释放和体现政府数据开放的真正价值。

本研究尚存在如下局限性。首先，受制于变量数量和实际操作的要求，本文对省级政府面临的资源条件概括成三个方面，对比复杂的现实情况或有偏颇之处，有待今后进一步完善。其次，本文的结论可结合案例分析、深度访谈和问卷调查等方式进一步细化和深化。最后，目前我国仅上线17个省级政府数据开放平台，有待案例更加丰富后对本文结论进行完善。