理解整体性政府数据治理：政府与社会的互动*

胡海波

(广东药科大学 医药商学院 广州 510006)

Analysis on Holistic Government Data Governance：The Interaction of Government and Society

Hu Haibo

(Medical Business School of Guangdong Pharmaceutical University，Guangzhou 510006)

Abstract:[Purpose/Significance]In the light of phenomenon of fragmentation in government data governance which easily leads to low government public service capacity, and to improve governance effectiveness. [Method/Process] the paper analyzes the three conception dimensions of government data governance. In addition, the paper points out the conflict problems between "system and data" and data dilemma in the current data governance practice. It puts forward the viewpoint and connotation of the holistic government data governance. Moreover, the paper expounds its four theoretical logics. [Result/Conclusion] The holistic government data governance responds to the effectiveness of public governance in accurately matching governance supply and demand, reducing the ability requirements of decision makers, improving the efficiency of public governance, and reconstructing the government-society relationship. Finally, some problems that need further discussion are pointed out.

Keywords：government data governance；holistic government；business collaboration；targeted governance；data ecology

1 问题的提出

党的十九届四中全会提出要“把我国制度优势更好转化为国家治理效能”，这一论断蕴含着把制度优势转化为公共治理有效性的目标指向[1]。信息技术的发展成为政府治理创新的核心驱动力，为政府内部管理、公共服务供给、政府监管与公共政策等优化提供了支撑，重塑了政府治理的环境、能力、结构、方式与文化等，实现了政府治理范式的转变，推动了政府治理变革与发展。

早期的公共管理范式强调政府作为单一治理主体，20世纪70年代的新公共管理运动鼓励政府向私人部门学习，进行业务流程变革，主张分权化和分散化，以便更好地满足公民多样化的公共服务需求，提高政府工作效率，但这种分权化和分散化也导致政府部门之间协调和合作困难，使公共服务呈现出“碎片化”特征，不能回应开放性、多样性、复杂性、不确定性等治理问题对政府带来的挑战[2]。20世纪90年代的治理理论，倡导政府以外的社会组织、市场机构共同参与公共治理，但传统的治理理论都强调了治理效率而忽视了治理的有效性，即公共治理行为与公共治理需求的匹配度问题[3]。也就是说，公共治理行为是否及时准确回应了特定的公共治理需求？大数据时代，数据治理作为一种新型公共治理模式，为解决政府治理顽疾，提升政府治理能力提供新视角和新范式[4]。但是，数据作为信息时代新的生产要素，既有的社会结构和社会治理方式都不涉及数据这一要素。现有的社会治理思想，总是试图以小修小补的方式让数据要素融入既有结构与制度。这样，政府治理在“制度”与“数据”之间必然会产生一系列“新事物与旧制度”之间的冲突问题。

近年来，公共管理领域学者围绕“整体政府”或“整体性治理”等相关领域展开广泛研究，并试图以此理论破解政府治理实践中“碎片化”现象，比如“大部门制”“最多跑一次”改革等都是具体体现。同时，政府数据治理问题也正在进入信息资源管理学界的研究视野，研究者们多偏重于如何利用数据赋能来辅助政府智能决策，提升公共治理效率。文献研究发现，公共管理领域和信息管理领域的研究者们大多针对整体性治理和政府数据治理分别展开研究，并从各自学科视角研究了如何推进政府治理体系和治理能力现代化，取得了一些研究成果。但学术界对整体性治理和数据治理二者之间的交叉契合研究关注度明显偏低，亦鲜有学者对此问题展开专门探讨。

基于此，本文提出了整体性政府数据治理观点，阐述了其理论逻辑，并从政府与社会互动的视角并结合应用实践回应了公共治理活动的治理有效性问题。因此，本文要问答的问题包括：a. 什么是整体性政府数据治理？ b.为什么要进行整体性政府数据治理？c.讨论了整体性政府数据治理如何回应公共治理有效性问题并阐述其应用实践。

2 政府数据治理概念的三维度解析

数据治理这一概念最初出现于企业或私人组织领域，早期的数据治理更多强调的是对数据本身的管理，从数据管理的视角看，数据治理是基于数据全生命周期理论，对数据进行质量管理、资产管理、风险管理等统筹和协调管控的过程[5]。自2004年以来，国外对“数据治理”的研究呈现出稳步上升趋势，其中，关于政府数据治理的相关研究文献渐趋增多，政府组织在数据治理领域的研究逐渐引起学术界的高度关注，数据治理思维应用到政府治理范畴内，对政府治理理念、治理结构、治理范式、治理内容、治理手段、治理流程和治理体系都产生了不可忽视的影响[4]。研究者们从公共管理学科视角和信息管理学科视角分别探究了政府数据治理与政府信息治理之间的区别与联系、政府数据治理多学科研究的侧重点等[4]。随着研究的推进，数据治理越来越被认为是组织“基于数据的治理”，而不是再局限于“针对数据的治理”。因此，数据治理研究遵循着由企业组织的“针对数据”的治理到政府组织“依据数据”的治理再到“围绕数据”的治理的演进过程，并由此形成了政府数据治理研究的三个研究维度，即：①“针对数据”的政府数据治理(对数据治理)；②“基于数据”的政府数据治理(用数据治理)；③“围绕数据”的政府数据要素治理(数据生态治理)。

2.1“针对数据”的政府数据治理：对数据治理“针对数据”的数据治理作为数据治理研究的一个研究维度，起源于企业或私人组织，强调的是组织自身和组织内部的数据治理，是对数据资产管理行使权力和控制的活动。“针对数据”的政府数据治理是将数据作为一种治理对象，是由数据质量管理、数据管理系统、数据确权与资产管理、主数据管理、元数据管理、数据集成管理等与数据相关的成熟领域的集合，其重点是确保政府数据的质量和价值，为数据流动和利用奠定基础，其本质是一种对数据资产本身的治理过程。“对数据治理”强调的是组织自身或组织内部的治理过程，着眼于微观层面，主要是针对政府数据库或信息系统存储的数据进行治理。

一方面，在实际的数据治理过程中，政府往往将整个政府部门的数据治理职责分配给政府信息中心CIO或大数据管理局来负责实施。这就涉及政府组织内部业务部门与IT部门间的有效协调和合作，保证大数据等基础设施与政府职能部门的业务目标一致性是政府信息中心CIO或大数据管理局的责任。从逻辑上看，政府数据治理应该因业务而驱动，即政府的职能部门应该享有数据的治理权，有权决定谁可以访问数据以及可访问数据的范围和边界[6]。但从实践上看，政府数据中心或大数据管理部门掌握了整个政府部门的大数据资源，在驱动政府跨部门跨地区间数据集成与协同治理方面的作用更为直接，驱动政府数据治理的意愿更为明显。因此，是业务部门还是数据管理部门来驱动政府数据治理？这可能是一个亟需深入思考的问题。

另一方面，“针对数据”的政府数据治理是一个贯穿于数据全生命周期的过程，数据治理是管理职责被概念化和执行的过程，数据治理强调在组织数据资产方面，谁对于组织决策持有决定权并被追究责任[6]。如何对数据生产者、拥有者、价值收益者进行规范和协调？要对上述利益相关者进行规范协调，首先要定义统一的数据标准，其次是要对数据进行确权，最后是政务流程的优化。通过对政务业务流程的优化，规范数据从产生、处理、使用和销毁的整个生命周期，使得数据在各阶段、各流程环节安全可控。

因此，“针对数据”的政府数据治理专注的是在政府数据本身，其主要目标是提高数据质量，确保数据安全，同时推进政府数据资源的整合与共享。比如，佛山市政务服务数据管理局对其大数据池3亿多条数据进行梳理，制定了数据入池标准，提高了数据质量，形成了动态数据质量管控机制[7]。

2.2“基于数据”的政府数据治理：用数据治理随着研究的推进，学者们对政府数据治理的研究维度趋向“基于数据应用的公共治理”。“基于数据”的政府数据治理是指将数据作为治理的工具，是指基于数据挖掘、分析和应用来支撑政府的管理、服务和决策[8]。政府可以利用数据工具来提升公共治理水平，企业、社会组织也可以利用数据参与公共治理，其本质上是“用数据治理”，是数据驱动的公共治理模式。“用数据治理”强调的是组织与组织之间的治理过程，关注政府组织如何利用“数据”资源实现对社会的有效治理，关注政府组织如何利用“数据”实现管理创新。因此，这种意义上的政府数据治理并不仅仅是指政府组织内部的数据治理，而更大程度上是指政府依据自身拥有的数据实现对组织外部的治理，着眼于中观层面，主要是政府利用自身掌握的大数据资源或社会数据来对社会公共事务进行治理。

“基于数据”的政府数据治理对政府治理的改造主要体现在四个方面：a.数据治理对政府组织结构的变革，主要是指政府组织借助于大数据等信息技术实现了由“传统政府”转变到“数字政府”，组织结构由“金字塔”型趋向“扁平化”。b.数据治理对政府治理模式的转变。主要是指政府组织依靠大数据技术实现治理主体从“单向”到“协同”的转变、治理手段从“经验”到“精准”的转变、治理体系由“封闭”到“开放”、治理监管从“人为静态”到“智能动态”的转变。c.数据治理对公共管理改革工具的变革。主要是指数据治理使得公共管理改革工具从碎片化、竞争和激励的新公共管理转向服务整合、流程优化以及行政数字化的“政府数据治理”。d.数据治理推动公共服务体系改革，有效回应社会多元化的公共诉求，提高社会公众对政府治理的满意度和公共治理的效能。

因此，“基于数据”的政府数据治理就是以大数据、人工智能、区块链等信息技术为基础的分析、决策和监督反馈的治理过程。数据作为一种治理工具或手段，强调让数据更好的服务于政府服务、政府决策、风险研判和公共治理。比如，杭州市利用“城市大脑”缓解交通拥堵，采用大数据分析和人工智能技术对整个城市的交通运行进行全局实时分析，投入使用后使城市道路车辆通行速度提高11%，特种车通行效率提高了50%[9]。

2.3“围绕数据”的政府数据治理：数据生态治理数据治理是以数据为生产要素的治理活动，政府数据治理不仅仅是政府数据全生命周期各个环节的治理，也包括技术、组织、能力、环境、文化等不同层面的治理，兼具有技术、管理、文化等多重属性。同时，政府数据治理也兼具有生态属性，包括对数据相关的要素、数据环境等外部生态进行治理。同时，政府数据治理是一个动态循环的过程，政府作为数据的供给端向社会开放数据，社会组织和企业作为数据的需求端对政府开放的数据进行开发利用，公众作为用户获得数据服务，构成一个闭环的数据生态系统。

数据生态治理是指政府对全社会的数据环境和要素进行治理的过程，包括数据公平、数据市场发育、数据安全与保护等。如何构建开放、公平的数据治理生态以吸引各社会主体参与政府数据治理活动，本质上是政府与社会不同治理主体数据利益需要得到平衡。通过完善数据开放与共享、数据开发与利用的相关政策法规，建立数据质量标准和规范，保障数据有序流通和数据安全等，构建良性的数据生态系统，在全社会营造良好的“用数”环境，促进数据由独占转变为共享、从封闭走向开放、从权利变成资源。政府数据生态治理更多关注政府对数据治理的制度、法规、政策、文化等价值体系层面的治理，强调的政府治理与外部生态、数据环境的互动关系，着眼于宏观层面，是对“数据环境”的治理(见表1)。

在数据生态治理过程中，政府同时扮演着两种角色，既是政策制定者和监管者，同时，政府也是数据的采集者、使用者和保管者，也就是说，政府也是数据用户。因此，政府应明确各相关利益主体的权利和义务，平衡各治理主体的利益诉求。在赋予政府数据采集和利用的能力同时，应履行好承担起保护数据的责任，不能一味强调“数据赋能”，而忽视“数据赋责”。

表1 政府数据治理的三维概念维度比较

3 整体性政府数据治理的理论逻辑

作为一种新的治理范式，整体性治理理论建立在对官僚制和新公共管理理论批判的基础之上，顺应了信息技术发展的时代背景，强调以公民需求和问题解决为导向，以信息技术为治理手段，以协调、整合、责任为治理机制，对治理层级、功能、公私部门关系及信息系统等碎片化问题进行有机协调和整合。整体性治理主张从分化走向集中、从部分走向整体、从碎片走向整合，实现政府跨部门协同治理，推动政府内部的流程整合，推进治理主体之间的有效协调，从而实现高效、精准的公共治理。为公民提供无缝隙的整体型服务的一种政府治理范式[10]。

3.1政府跨域治理中的数据困境大数据时代，数据是信息时代新的生产要素，既有的社会结构和社会治理方式都不涉及数据这一要素。现有的社会治理思想，总是试图以小修小补的方式让数据要素融入既有结构与制度。这样，政府治理在“制度”与“数据”之间必然会产生一系列“新事物”与“旧制度”之间的冲突问题。比如数据治理与官僚治理的优先权问题、数据治理的技术性要求与制度性的融入问题、数据具有伴随性，不能独立治理等问题[11]。数据是新的治理对象，数据的产生和采集伴随着生产生活活动的全要素和全流程。同时，数据具有时效性、被动性、不稳定性，数据资源的价值受制于开发者的能力。因此，从这个意义上说，既有的社会治理部门都应该参与或服务于数据治理，政府数据治理不仅仅是政府部门的工作，也是大数据时代对所有社会管理主体的新要求(见图1)。

在数据治理过程中，由于政府数据治理在整体规划方面不足、缺乏数据集成与数据融合的总体性顶层设计；数据治理过程中管理主体分散，尤其在应急管理和重大突发事件发生时，缺乏权威性、统一的政府数据治理协同体系；责任机构数据联动和数据共享不够及时，职责交叉和责任缺位并存；数据治理法律法规不健全，导致数据管理制度缺位；数据治理管理架构和组织机制缺失，地方政府没有形成上下联动、相互协调的管理架构；数据技术标准与数据质量不统一，数据安全责任不明晰等原因导致了一系列数据乱象。比如：①团队公共利益和小团体利益的竞争(团队关系)；②数据占有与数据开放意愿之间的反向关系(部门关系)；③数据封闭式汇集和单向传播的门槛(上下关系)；④横向竞争与地区割据之间数据障碍(区域关系)；⑤社会责任与经济利益的不平衡(公共服务与私营部门关系)等数据关系乱象与数据困境[11]。比如，2020年新冠肺炎疫情发生初期，由于某些地方政府部门之间存在“数据孤岛”，缺乏数据实时共享协同机制，政府防控应急指挥与医疗卫生机构、交通、公安以及红十字会等机构的数据关系尚未理顺，导致一系列数据乱象发生。

图1 政府治理中的“制度”与“数据”冲突

3.2整体性治理与政府数据治理的契合

a.整体性治理与政府数据治理都源自信息技术背景。20世纪90年代后，随着新公共管理运动走向衰微和信息技术的蓬勃发展，学术界在对新公共管理运动进行反思、批判和回应的过程中提出了新的治理模式。整体性治理理论就是影响较大的一种，基于传统治理体系下“碎片化治理”和“机构裂化”问题突出的困境，英国学者佩里·希克斯提出了整体性治理理论，其核心就是“协调”和“整合”，即强调机构之间的合作、协调和整合，通过对中央和地方组织的纵向层级整合协商解决跨域议题，将各个部门及具有同类功能的治理主体进行横向整合，形成高效化的整体政府运行网络[10]。从主体角度上看，整体性治理强调治理主体的整合与协调，推进各个治理主体的协同合作；从技术角度上看，整体政府建设都强调信息技术的应用，以来信息技术改造优化内部业务流程，优化政府决策，提高公共服务质量。因此，整体性治理在一定程度上说是从信息技术角度来理解的，从这个角度上说，整体性治理模式与数据治理是源自相同的技术背景。

b.整体性治理与政府数据治理都走向相同的治理目标。整体性治理强调从分散走向集中、从部分走向整体、从碎片化走向整合，为社会公众提供无缝隙、非分离的整体性服务。政府数据治理强调实现治理主体之间的数据共享和业务协同，搭建政府数据统一开放平台，主张“让数据多跑路，让群众少跑路”，为老百姓提供“一门式、一张网、一站式”政务服务。从治理目标上讲，二者都是致力于推进治理体系和治理能力现代化的治理目标。

c.整体性治理针对的是“碎片化治理”带来的治理困境，政府数据治理针对的是“粗放式治理”带来的治理难题，是一种“精准治理”，更是一种“智慧治理”。二者既在理论承袭和政府角色重塑以及组织结构层面表现出自身的特殊性，但又相互补充，相互升华，殊途同归。

3.3整体性政府数据治理的提出近年来，整体治理理论和数据治理等领域的交叉研究渐成学界热点话题，但是目前学术界对整体性政府数据治理仍缺乏相关系统性研究，关于整体性政府数据治理的概念，尚未有统一表述。国内学者郁建兴等人率先提出了“整体智治”的观点，旨在回应公共治理供给和公共治理需求之间的信息不对称问题[1]；夏义堃分别从内驱要素、外部生态、制度规则和价值导向等四个层面探讨了整体性数据治理的分析维度与研究框架[12]。

整体性政府数据治理包括两个方面：“整体治理”和“数据治理”。“整体治理”强调治理主体之间的有效协同和合作，包括政府部门、社会组织、市场机构(企业)与公众个人等，主张政府部门以“一个政府”形态接收需求信息，以数据开放共享为基础，建立政府跨部门之间以及政府与社会组织、市场机构等多元治理主体共同治理的制度框架，使公共治理需求更快、更直接反馈至公共治理主体，形成公共治理结果的整体性，即“多个端口输入，一个端口输出”的治理格局。②“数据治理”即基于数字化技术的智慧治理，强调的是治理主体对数字化技术的广泛应用，指利用数字化平台和大数据分析技术，整合不同渠道和部门的数据，进行海量数据分析和处理，对大数据决策和分析提供参考，形成一种即时感知、科学决策、主动服务、高效运行、智能监管的治理新形态，是一种智慧治理。

“整体治理”为“数据治理”提供治理方向，以提升治理有效性，“数据治理”为“整体治理”提供技术支持，助力治理主体的有效协调[1]。总的来说，整体性政府数据治理就是指政府广泛通过数字化技术，便于治理主体不进入治理场域的环境下了解治理活动，及时发现治理需求，这在一定程度上也降低了治理主体的能力要求，且能更好地提升治理供给和治理需求的匹配度，提高治理有效性。其旨在推动政府内部的流程整合，实现政府作为一个整体回应公共治理需求，致力于在公共治理结果产出上形成整体性。

3.4整体性政府数据治理的理论逻辑整体性政府数据治理并不是政府部门自发性、因果性选择，而是政府数据管理的历史演变与数字化时代的政府治理创新的紧密结合[12]。从根本上说，政府对经济、市场活动和公共事务的治理就是回应社会各主体的治理需求。整体性政府数据治理则主要在回应和解决了以下两个问题：一是政府公共治理中的“治理供给与治理需求”匹配问题；二是公共治理主体能有效满足公共治理需求的问题。我们认为，整体性政府数据治理的理论逻辑包括协同逻辑、开放逻辑、生态逻辑、信任逻辑等四大理论逻辑。

3.4.1 协同逻辑 整体性政府数据治理是一个涉及多元化治理主体，以合作、协商和伙伴关系为特征的多中心、多元互动为特征的治理方式，融合多种制度的协同体系和交叠重合的治理结构。其中，协同、合作是其主要特征[13]。协同逻辑主要包括：a.主体协同。整体性政府数据治理意味着政府分权和多元主体参与，是政府与其他社会主体合作共治的治理模式。政府、社会组织(非政府组织)、市场机构(企业)、公众个人等都可以有序参与社会治理，其核心就在于各主体有序协同、公共服务整合、决策方式协同。b.数据协同。实现不同渠道的数据协同，这是政府数据治理的前提和基础。目前，政府数据治理的最大瓶颈来源于无法实现不同渠道的数据协同。传统意义上的政府数据一般来源于政府采集的、企业和公民上报的结构化数据，这些数据大多是经过加工的非原始数据，具有时间滞后性和非精准性。整体性数据治理不仅要求政府各职能部门之间的数据协同、政府与企业、民众和社会组织之间的数据协同，而且还包括不同渠道和载体的互联网数据、物联网(传感器)数据、物理空间数据以及传统文本数据协同起来。c.制度协同。建立健全数据开放共享的法律法规和制度，将不同层级、不同地区、不同部门和不同领域的数据制度衔接起来，构建起统一、有序的数据开放和数据治理制度体系，建立强有力的组织领导体制机制，强化制度协同的规范力。d.价值协同。整体性政府数据治理要求各治理主体培育较强的数据文化氛围，在数据观念认知、数据文化、数据伦理、数据能力、数据治理意识等方面做到价值体系一致性，强化数据思维的公共应用。数据驱动的公共部门应该认识到数据不仅仅是公共治理和智能决策的工具，数据更应是一种组织文化，即“政府数据文化”，也是一种社会形态，即“数据社会”，更应是一种更高层次的治理文明，即“数据文明”。e.体系协同。从维度上看，政府治理和社会治理作为国家治理的分支领域和治理范畴，是实现国家治理体系和治理能力现代化的重要组成部分，整体性政府数据治理必须要加强顶层设计，实现基层社区治理、社会治理、政府治理、国家治理在治理体系方面的协同，充分发挥公共领域大数据在数据共享、应急联动、业务协作在协同作业方面的效能。f.平台协同。整体性政府数据治理要解决的是公共治理需求和治理供给之间信息不对称问题，应建立跨层级、跨地域、跨部门、跨系统、一站式的政府数据开放平台，运用大数据、人工智能、区块链等信息技术全面感知动态社会事件的动态变化，及时将这些信息传输给政府大数据中心进行分析和可视化，做到多端口的数据信息输入，单端口的治理结果输出(见图2)。

图2 整体性政府数据治理的协同逻辑

3.4.2 开放逻辑 数据开放和数据治理密切相关，政府数据开放是政府数据治理的前提和基础，没有数据开放，数据治理就成为一句空话。政府数据治理从本质上说也是一个数据输入和治理结果输出不断循环的过程。整体性政府数据治理的开放逻辑主要体现在：a.数据输入/输出边界的开放性。一方面，政府向企业、社会组织和民众个人等社会主体采集公共大数据，为政府数据治理提供辅助决策的数据保障，这也是社会大数据向政府大数据仓库进行数据输入的过程。另一方面，政府将汇集的大数据资源进行挖掘加工、分析处理和可视化呈现，然后面向社会、企业和社会公众进行开放，从而改善公共服务，提高治理效率，变成整体性公共治理结果向社会输出。b.数据算法/代码的开放性。与数据开放相比较，数据算法和代码的开放和共享，则显得更加重要和关键。整体性政府数据治理，则意味着从单纯的开放数据，转向开放算法和开源代码。任务众包和社会编码在公共部门的广泛应用，这些源代码管理平台都为开放式协同创造了机会，使不同部门和人员开发的程序代码得到再利用和再开发，这种开放、互惠、共享的协作机制为政府整体性数据治理提供了平台。c.信息传输的开放性。在传统公共治理活动中，治理需求的信息从民众端传递到政府端，需要经过多层的信息传递，容易导致信息不对称或信息失真。在整体性政府数据治理过程中，通过大数据、云计算、人工智能等新兴信息技术的应用，治理主体在不进入实际场域的情况下了解治理活动，远程智能化感知并发现动态的治理需求，并将治理需求信息直接传输到治理主体政府端，突破了信息传递的空间限制，减少了公共治理过程中的信息不对称或信息失真现象。

3.4.3 生态逻辑 整体性政府数据治理是由多个与政府数据治理相互关联、相互影响和相互作用的子系统组成的开放性系统，系统内部的治理主体相互配合和支持、治理客体相互影响和作用、治理过程科学、精准和高效。治理主体之间多元互动、信息共享、业务联动、跨域协作，构成一个可持续、开放性、动态循环的生态系统，实现了静态数据动态化和大数据输入和输出的动态平衡。政府作为数据的供给端向社会开放数据，将大数据融入到公共治理过程辅助决策，提升公共治理能力。数据利用者作为需求端对政府开放出来的数据进行再加工、开发和利用，通过创新应用或开发成APP来提供智能化的便民服务。社会公众则作为用户和合作者参与数据治理和社会协同。在这个生态系统中，政府部门、数据利用者和社会公众之间分工合作，形成一种合作共创的关系，政府、企业、社会组织、公众和外部环境(制度、法规、政策)的作用缺一不可，共同决定着政府数据治理的效果和效能(见图3)。

3.4.4 信任逻辑 随着数字化技术的发展，尤其是人工智能技术、人脸识别技术的广泛使用，数据的采集、存储、共享和聚合都可能面临道德、安全和隐私风险，从而引起社会治理各方对数据治理以及数字化服务的排斥和抵制[14]。整体性政府数据治理强调治理主体的协调、合作以及治理结果的统一输出，很大程度上依赖于在治理主体之间建立公平、安全和可信赖的数据信任机制。要实现整体性政府数据治理，要在数据开放共享、数据安全保护、数据开发利用、数据流通交易等各个流程中做到主体之间的信任和合作，将数据的安全保护、风险监管纳入整体性数据治理的内容体系，增强数据利用的可信任度和数据治理的社会认同度。区块链具有分散化、公开透明和信息可追溯等技术特点，利用区块链技术的工作原理即可解决“数据信任”问题[15]。区块链的“去中心化”原理使得各社会治理主体都可以参与维护数据库，数据会被记录在多个数据库中，多数据库并存，一旦有人更改了数据库中的数据，很容易被发现，这样就保证了数据处理的公平性，解决了数据治理的信任问题。比如，在新冠肺炎疫情期间因慈善捐赠凸显的信任问题就非常突出，利用区块链技术在分布式账本，信息不可篡改的基础上，将捐赠全过程等数据以全链条的方式进行存证，为救援物资和善款等提供溯源和公示服务，让各类信息变得公开透明，提高资源配置效率，增加社会互信。

图3 整体性政府数据治理的开放生态系统

4 整体性政府数据治理何以提升治理有效性？

整体性政府数据治理旨在推动政府内部数据治理的流程整合，实现政府作为一个整体回应公共治理需求，根本点在于公共治理供需关系的精准、高效匹配和提高治理有效性等问题。治理有效性是指公共治理行为在多大程度上及时回应并解决了公众的治理需求问题。传统的治理模式下，公共治理较多关注治理的效率(单位投入的产出)而忽视治理的有效性(产出与需求的匹配度)。

4.1整体性政府数据治理使治理供需精准匹配在公共治理活动中，治理需求要从民众端传递到政府端，信息是基本性要素。整体性政府数据治理能在民众端和需求端两个层面减少信息的不对称，多元治理主体参与公共治理之中，使公共治理需求更快、更直接为公共治理主体所掌握[1]。在传统治理模式下，治理需求的有关信息要从民终端传递到政府端，需要有“热心民众”主动去报告治理需求信息，在这过程中，容易导致信息的传递效率低以及信息不对称等现象。在数据治理模式下，政府通过对信息的动态监管进行精准识别，最终达到风险防控和科学精准决策的治理效果。借助于大数据和人工智能等数字化技术，突破信息传递的空间场域限制，可以将公共治理需求信息通过传感器等感应装置自动传输到政府端，这样使得治理需求信息(民众端)和治理供给信息(政府端)得到精准匹配。因此，政府可以快速响应政府公共治理需求并以“一个政府”的整体形态接收需求信息，也以“一个政府”的整体形态将治理结果输出。

以沙井盖为例，当前城市道路沙井盖的管理可谓政出多门，沙井盖被破坏并造成人员伤亡的现象时有发生。假如沙井盖被破坏，那么维修沙井盖就变成一项公共治理需求。传统治理模式下，这一治理需求信息需要历经以下程序：热心民众发现问题——向政府有关部门报告——政府明确所属职能部门——政府组织相关人员维修——沙井盖维修完毕。在这一过程中，公共治理需求信息是需要热心民众主动向政府报告的，假如没有热心民众或单位去报告这项治理需求信息，那么，沙井盖被破坏的信息就无法及时准确传递到治理供给端政府。整体性数据治理模式下，政府可以借助于数字化技术，如在沙井盖上安装具有远程传递信息功能的智能感应装置设备，一旦沙井盖被破坏或松动，感应装置设备就自动启动并将其所在的地理位置信息传输给政府有关部门，政府则立即组织维修人员去现场维修安装。这样，治理主体能实时了解沙井盖情况而不需要进入实际场域查看，及时准确地回应了公共治理需求。

4.2整体性政府数据治理可降低决策者能力要求整体性政府数据治理可部分降低对治理主体的决策能力要求。传统治理模式下，治理主体的决策能力多依靠行政长官的决策经验和科学分析，对治理主体和决策者的决策能力要求较高。数据治理模式下，公共治理核心在于公共服务的重新整合，整体的、协同的决策方式以及治理运作的数字化。整体性政府数据治理强调信息技术在层级信息整合和职能整合中的应用，简化行政流程，整合提供整体性服务。大数据、人工智能等数字化技术的广泛应用，对于部分标准化公共治理需求，可先由技术专家、治理专家和第三方的经验丰富实践者共同设计研发一套基于数字化技术的公共治理方案来回应简单的、程序化的、标准化的公共治理需求，将原本完全基于人工经验判断完成的工作方案部分地交由信息技术代为完成，最后得出基于算法的公共治理结果输出，这样可以在一定程度上降低对部分治理主体的决策能力要求。如信息整合与服务能力、数据挖掘与存储能力、关联数据的分析能力、复杂环境下的应急决策能力、公共信息服务的精准推送能力等。

以新冠肺炎疫情防控为例，在疫情发生初期，北京市海淀区上线了“城市大脑疫情预警系统”，该系统就是对互联网搜索信息、社区和医院的重点区域的视频监控信息、市民热线的诉求等进行大数据挖掘和分析，从而找出关键事件并进行定位，及时发出预警信号。在城市基层网格社区管理中，依托AI人脸识别、车辆识别、凭健康码出入和后台数据关联起来，提高疫情排查的效率，在很大程度上降低疫情防控对基层治理主体的能力要求。

4.3整体性政府数据治理提升了公共治理效能传统治理模式下，公共治理结构是一种条块分割体制，“条”即纵向管理体制，“块”即横向管理体制。“条”和“块”之间信息壁垒和数据鸿沟广泛存在，条块之间协作非常困难，这是一种典型的“分散化治理”。整体性政府数据治理强调“一个政府”理念，注重治理结果的整体输出，实现整体化治理。应用区块链技术可以形成一个共享、开放的“块数据池”，即可从根本上解决数据独立运行、分散管理问题，破解传统治理中政府部门间的数据烟囱、信息孤岛等难题[16]。通过块上集聚形成点、条、面数据，能够精准靶向“民情社意”，精准靶向社会公共需求强烈的问题，甚至可以提前挖掘民众的隐形公共服务需求。整体性数据治理模式下，政府治理手段有了数字化技术等高效治理手段的赋能，形成了精准化、个性化的公共治理供给，通过数据分析，提升政府对社会需求的感知能力、预测能力和公众服务的精准识别能力，为优化政府治理效能提供了可能，实现了“靶向治理”[17]。

比如，环保部门在某个工地上安装空气污染和噪音污染监测器，探测到PM2.5超标和噪音分贝超标，环保部门要将数据传输到政府数据中心，然后政府数据中心再通知建设部门去实地查处，效率相对较低。如果应用区块链技术在该地区构建统一的块数据库，块数据库将各个行业、各个领域条数据的解构、交叉和融合，形成一个共享、开放的“块数据池”。那么，只要用户点击该地区的某个地址，就会呈现出该地址相关的所有数据，并将异常数据标识出来并“一键上报”给相关部门进行处理，从而提升了治理效率和治理效能。

4.4整体性政府数据治理重构了“政府-社会”关系在传统的官僚治理中，在“政府—社会”互动关系中，政府治理模式呈现一元主导特征，政府掌握绝对的公共治理话语权和社会控制力，其他社会主体参与治理的意愿性不强，“政府—社会”互动性较弱。

大数据正在改变政府组织及其治理方式，政府公共服务逐渐转向无缝隙、一站式的公共服务，政府治理则更加注重公民导向和结果导向。整体性数据治理重构了政府、社会、市场三者之间的关系，如数据来源多元主体，数据流通、储存和利用所依赖的技术和平台多来自企业等市场机构，政府则定位为“平台”的组织者、管理者和赋能者，政府的作用更多关注的是“多元社会治理主体之间的协调，给予制度供给而不是社会控制，促进各社会主体提供的公共服务相互支持、相互补充并联结成一个有机的系统化整体”[18]。政府制定好公共治理的运行规则，厘清数据治理生态系统中各主体的职责、目标、任务、资源，明确各主体之间的权责边界，提高各主体的整体行动能力，在不同参与主体之间建立利益协调机制，促进跨界协同、横向协同，重构了公共治理中的“政府-社会”“政府-企业”互动关系，进一步理顺“有形之手”“无形之手”和“自治之手”的逻辑关系[19]，从而提升了治理效率和治理有效性(见图4)。

图4 整体性政府数据治理的“政府—社会”互动框架

5 需要讨论的问题

整体性政府数据治理是一项系统化工程，如何处理好政府、企业、社会组织和公众之间的相互关系，寻求利益合作最大公约数，构建开放、公平、循环的数据治理生态系统。政府治理从过去的政府单一主体变成政府与社会互动的多元主体，从传统单向自上而下的官僚治理变成各个方向平行协调的数据治理。通过跨部门的数据共享、流程再造和业务协同，使政府服务方式从“碎片化”转变为“一体化”，群众和企业办事从“找部门”到“找政府”，形成政府主导、社会协同、公众参与、靶向治理的新型公共治理形态[20]。

我们认为，现有研究仍存在以下问题亟需进一步探讨：a.官僚治理与数据治理的优先权问题。数据治理和官僚制治理是数字化时代政府治理两种有效的治理工具，数据是一种新的治理要素，传统的官僚治理并不涉及这一要素，二者的关系是竞争、取代还是融合？数据治理和官僚治理各有其效度和限度，数据治理不能取代官僚制治理，在治理实践中，如何处理官僚治理和数据治理在管理决策中的优先权问题？避免官僚制治理嵌入数据治理可能导致的数据牢笼风险。b.制度与数据的冲突或融入问题。技术本身具有工具理性，而制度又具有价值理性。绝对的工具理性(数据)主导治理将会对官僚制运作和损害社会秩序带来一定的冲击，而绝对的价值理性(制度)主导治理将会导致治理效率低下和治理效能不足等问题，如何处理数据治理的技术性要求与制度的融入问题？是“寓制度于技术”模式还是“寓技术于制度”模式？c.数据治理中带来的数据伦理性问题。大数据具有永久性保存、保真性记录、还原性画像等功能，如何正确应对数据治理环境下的大数据和人工智能等带来的伦理问题，显得尤为迫切。比如，人脸识别技术在宾馆会议、展览场馆、第三方应用APP等多个场景滥用，获得的这些数据到底去哪里了？公共场所的电子摄像设备在当事人不知情的情形下采集个人画像数据，是否侵犯个人隐私？d.数据治理的伴随性问题。数据具有伴随性，数据的产生和采集伴随着生产生活活动的全要素和全流程，不能独立进行治理等等。这些问题都亟需我们进一步去深入研究。