科技数据类新型研发机构运行特征与绩效评估研究——以上海科技创新资源数据中心为例

（华东师范大学经济与管理学部公共管理学院，上海 200062）

数据是大数据时代的重要资本。十九届四中全会新闻发布会上，中央首次提出“数据可作为生产要素按贡献参与分配”。2020 年4 月29 日，中央印发《新形势下加强基础研究若干重点举措》的通知，指出要推进国家科技资源共享服务平台建设，建设一批国家科学数据中心和国家科技资源库（馆）。面对科技、经济与社会发展的需求与挑战，开放、协作成为科学研究、科技创新的常态［1］，加强和规范科学数据管理、提高数据开放共享开发水平也将进一步助推科技组织模式与科技创新模式的发展与变革，推动国家科技创新与经济社会发展［2］。

作为新型研发机构中的一类，科技数据类新型研发机构正在快速兴起。科技数据类新型研发机构以管理和集成社会不同机构生成的各类科技数据、提供数据服务为主要目标，通过科技数据服务为科学研究、技术创新和成果转化等科技活动提供良好的数据环境。科技数据不仅包括传统意义上的科学数据，即研究、试验、观测、调查、检测等科学研究活动产生的原始与衍生数据［2］，还包括科技人员、机构、项目、科技政策等科技资源数据。科技数据是国家科技创新发展和经济社会发展的重要基础性战略资源，数据的集成互联是科技资源开放、共享和开发的核心。科技数据类新型研发机构既具有新型研发机构组织特点，又兼具数据集聚、开放共享、开发增值等独特属性。首先，机构的组织性质多样，以事业单位、民办非企业、企业等多种形式存在，能更灵活地提供科技数据开发、开放与共享服务。其次，机构在政府统筹引导下，由有条件的科研院所、高等院校、企业等法人单位进行共建，强调多方利益相关者的协同参与，能更高效地汇集多方科技数据。此外，机构兼具公共性与市场性，公共性体现在科技数据的广泛开放共享，市场性强调科技数据的资本特征，强调增值服务［3］。

作为政府推动科技数据开放共享政策的关键举措，科技数据类新型研发机构建设发展离不开公共财政资金支持。在全面实施预算绩效管理的情境下，为保障新型研发机构建设发展目标的实现、提升公共服务质量，各地纷纷出新型研发机构的管理实施细则或办法，明确机构建设运行的规范和流程，落实经费支持、考核监督等保障和支撑［4］。如2017年6 月5 日广东印发《广东省科学技术厅关于新型研发机构管理的暂行办法》对新型研发机构的认定、评估、权利与义务等进行细致说明；2019 年4 月20日上海出台政策强调需通过第三方绩效评价给予新型研发机构研发后补助；2019 年9 月12 日科技部印发《关于促进新型研发机构发展的指导意见》，明确应建立分类评价体系，用绩效评价促进机构发展。

科技数据类新型研发机构以科技数据管理集成、开放开发增值、最大化数据资本收益为目标，然而其在数据汇交、组织、储存、分析、共享、服务等运行管理过程中也面临着数据多源异构、利益主体多元等挑战，厘清科技数据价值链形成与多主体利益相关者互动是解构科技数据类新型研发机构运行管理与绩效形成的关键所在。

1 文献回顾

学界对新型研发机构的研究不断涌现，文献数量在近几年呈快速增长态势［5］。新型研发机构的运行管理与合作模式是该领域研究的重要主题，如谭小琴［6］从组织创新、模式创新、文化创新三个维度阐述了新型研发机构如何联结知识链、资本链和政策链以跨越“死亡谷”；米银俊等［7］认为多主体参与的完全开放式创新模式能实现创新收益最大化。还有学者基于案例对不同类型新型研发机构的发展模式和运行机制进行深入解析，如院校政府共建模式、高校型模式［8］、政府-发起单位双元构建模式［9］、高校企业共建模式等［10］。任志宽［11］从引发、催化和阻化三个维度分析了新型研发机构运行多主体合作模式，如技术持股、联合共建、项目孵化和人才交流等。新型研发机构的绩效评估也为学者们所关注。杨博文等［12］从北京新型研发机构建设发展目标着手，基于“投入-产出”视角构建了新型研发机构评价体系。陈红喜等［13］从新型研发机构的目标、理念、功能出发，综合利用德尔菲法和网络层次分析法，建立了新型研发机构成果转化扩散绩效评价体系。孟溦等［3］基于资源依赖和社会影响力的双重视角，从新型研发机构资源投入到社会影响力产生的全过程入手建立绩效分析框架，并以上海微工院为例，分析了其在不同发展阶段的关键绩效指标与评估重点。

科技数据类新型研发机构相关研究中，一类研究主要关注科技数据的开放共享，如阿儒涵等［2］基于欧美国家的实践得出政府资助机构是推动科研数据开放政策的重要执行者、科研数据开放平台建设积累了初步经验等，顾立平等［14］提出了提升开放科技数据价值的理论框架和衡量数据价值的方法。一些学者关注科学数据中心的绩效评估，如李舸等［15］对比分析了中美两国地球系统科学数据中心在组织框架、运行机制、政策标准、共享实践、服务领域和国际合作等方面的差异与特点；刘桂锋等［16］学者借鉴国际组织开放政府数据评估项目的指标体系，从科学数据中心的建设基础、数据、管理功能以及效果与影响四个维度评价了哈佛平台、伊大平台、北大平台和复旦平台的发展现状；Si 等［17］学者基于科学数据中心的功能构建了评估指标体系，该体系涵盖运营管理、数据资源、平台功能、服务效率、影响力，并对中国八个国家级科学数据中心进行了绩效评估。

已有研究对科技数据类新型研发机构的运行管理特征分析不足，对其绩效评估更多是从投入产出等视角构建评价指标体系，对其科技数据运行管理独特属性、绩效产生过程分析较为薄弱。本文以科技数据类新型研发机构的数据价值链形成为切入点，在分析科技数据类新型研发机构不同阶段权益主体诉求、合作模式等基础上，建构体现科技数据类型新型研发机构运行管理特征的绩效评估框架和评价指标体系以期为科技数据类新型研发机构的绩效管理提供有益的参考建议。

2 科技数据类新型研发机构运行特征

2.1 数据价值链明确

波特于 1985 年在《竞争优势》一书中首次提出了“价值链”的概念。他认为创造价值是各项管理活动的终极目标，且组织的价值创造非某个单独环节能够完成。随后学者们从不同角度对其概念及适用范围进行了拓展，包括将各类利益相关者［18］、需求链等融入到价值分析当中［19-20］。如李纲等［21］对数据管理的价值链进行了解构与重构，围绕价值单元、价值链、价值链网构建了包含数据感知与获取、组织与整合、分析与服务三大环节的价值链模型。郭斌等［20］基于价值链分析框架构建了政府数据治理模型，包括数据采集、数据开发和数据利用三大关键活动，财政支持、人力资源管理、技术开发和制度保障四大辅助活动。

科技数据类新型研发机构具有较明确的数据价值链，如图1 所示。数据价值链的关键活动对数据资本的价值创造具有重要作用，包括数据获取与采集、数据组织与整合、数据分析与服务。辅助活动以支持机构价值生成的关键活动为目的，包括资金支持、人力资源管理、数据管理技术开发、数据管理设备采购和其他制度保障。

图1 科技数据类新型研发机构的价值链图

2.2 多主体参与，多模式合作

科技数据类新型研发机构通常需要从数据生产者、数据管理者、数据出版者处获得科技数据［22］，进而与数据中介服务者合作对科学数据进行开发，为各类数据使用者提供服务。科技数据类新型研发机构的关键特征之一是政府统筹下的多元主体的参与和合作。机构的有效运行需充分调动各方权益人的积极性和协同性，组织目标实现过程也是权益人需求得到满足的过程［23］。多元主体以各自利益诉求满足为导向，在数据存储、开发与使用过程中形成了不同类型的合作关系，共同推动科技资源的有效集成与开发。总体上，各类主体出于不同利益驱动形成多种合作模式［24］，主要可分为以下三类。

一类是科技利益驱动的数据共享协议模式，主要以数据生产者（如科研人员）、数据管理者（如高校、科研院所）和以科研为目的的数据使用者为主［25］，他们的行动逻辑主要围绕科学发现展开，科技数据类新型研发机构与他们合作主要是基于科技数据共享协议等。第二类是以公共利益驱动为主的联合共建模式，主要包括作为政策制定者和科研资助者的政府、非营利性的数据出版者等为主，他们的目标是促进科技数据开放共享、开发服务为主，关注科技数据的社会价值和市场价值，科技数据类新型研发机构与他们合作主要是政府项目资助、联合共建等。三是经济利益驱动的企业化合作模式，包括风投企业、商业出版商、科技中介企业和科技创新企业［26］，他们多是通过和科技数据相关的开发使用来增加经济收益，科技数据类新型研发机构与他们的合作多是服务外包、技术持股等方式（见表1）。

表1 科技数据类新型研发机构主要利益相关者的角色与利益诉求表

2.3 运行管理的阶段特征显著

新型研发机构运行管理有其阶段特征。在不同发展阶段，不同主体在新型研发机构运行中发挥的作用有所差异，各主体间的合作模式也有所不同［3］。对于科技数据类新型研发机构而言，建设期和运营期不同的目标使得其价值链中关键活动的开展各有侧重，辅助活动也存在一定差异，与之相应的，机构的利益相关者及其合作模式也各有特点（如图2）。

在建设期，科技数据类新型研发机构价值链的关键活动集中在数据获取与集聚、数据组织与整合两个环节，关键利益相关者包括政策制定者、科研资助者、数据生产者、数据管理者和数据出版者。（1）在数据获取与集聚活动方面，科技数据所有权关系的界定直接影响着科技数据类新型研发机构汇集数据的方式，因此科技数据类新型研发机构会通过协议共享、合同交易等多种方式与不同的数据提供者进行合作以集聚科学数据。（2）在数据组织与整合活动方面，因科技数据具有高维度性、高度计算复杂性、高度不确定性和时空尺度大、分散多源异构等特点［27］，因而科技数据类新型研发机构须对科技数据进行标准化、关联交互、更新维护，构建科技数据网络。（3）科技数据类新型研发机构也会综合政策制定者、科研资助者、数据管理者等多元主体的力量，开展运行资金统筹、人力资源管理、数据管理技术开发等多类辅助活动，为运营期搭建合适的软件与硬件环境，在这个环节，政府项目资助发挥了重要作用。

在运营期，科技数据类新型研发机构更注重数据的资本属性，关注在已有数据的基础上提供可持续的数据增值服务。在数据获取与采集、数据组织与整合增量运转的基础上，科技数据类新型研发机构会和数据开发机构、数据中介服务机构以市场化的方式合作并对科技数据进行挖掘与开发，进而为高校科研院所、企业、政府等多类数据使用者提供开放的检索服务、针对性的咨询服务、符合市场需要的数据产品等，兼顾数据服务的广度与深度，为不同主体的科技活动提供良好的数据环境。此外，科技数据类新型研发机构也可基于现有数据网络，通过数据挖掘预测未来科技的发展方向与重点，引导政府和市场更有效地运作，提升科技活动的前瞻性与科学性。而在辅助活动方面，相比起建设期，运行期的科技数据类新型研发机构更加重视通过服务收入实现自我造血，及时更新并优化配套制度等。

3 科技数据类新型研发机构绩效评估框架

绩效目标是科技数据类新型研发机构运行管理的方向和指引，也是绩效评估的基准所在。在不同发展阶段，机构的绩效目标存在差异。因此在对科技数据类新型研发机构进行绩效评估时，首先要明确其所处阶段与对应的绩效目标，这也是分析机构绩效过程的基础。其次，数据价值链分析是科技数据类新型研发机构运行、绩效产生的核心脉络，因而明确不同阶段绩效目标的基础上，可从数据价值链入手解构其绩效产生过程，识别不同阶段利益相关者的诉求与合作模式，从而分析得出不同发展阶段机构运行管理关键环节与绩效特征。

科学数据类新型研发机构的绩效评估框架见图2，其中，不同发展阶段的数据价值链活动是提炼关键绩效领域的基础，价值链中的每个关键活动都是一个关键绩效领域；利益相关者的合作参与是保障机构绩效目标实现的关键，基于融合了价值链与利益相关者两个维度的机构阶段特征，可进一步归纳出关键绩效指标作为关键绩效领域成功与否的表征与测量。

图2 科技数据类新型研发机构绩效评估框架

4 个案研究—上海科技创新资源数据中心

4.1 数据中心建设发展目标

上海科技创新资源数据中心（以下简称数据中心）于2018 年成立，是上海新型研发与转化功能型平台之一。数据中心的指导机构为上海市科委，依托单位是上海市研发公共服务平台管理中心，徐汇区作为平台建设的承载区从政策、配套资金等方面给予支持。数据中心的建设运营单位是上海科技发展有限公司，共建单位是上海市科技创业中心，其负责形成各合作单位间资源共享与利益共赢的紧密合作机制。目前数据中心已正式运营并对外提供服务。

数据中心的建设发展目标是面向上海加快建设全球有影响力的科技创新中心的需求，搭建科技知识数据积累、挖掘和传递的功能型平台，在采集、汇聚全市科技资源和服务大数据的基础上，实现科技数据的加工、存储、挖掘、分析、共享和服务，形成面向科学研究、科学决策、科技服务业、科技创新的支撑数据密集型科技创新范式的一个科学技术综合体，为上海尽快提高配置全球科技创新资源能力、加快建立科技资源融通创新机制、提高全社会创新创业和产出重大科技成果的效率、提升科技服务业能级奠定坚实的基础和平台保障。

4.2 数据中心价值链分析

基于其目标可知，数据中心价值创造脉络是先采集汇聚全市科技资源大数据，再实现科技数据的加工、存储、挖掘、分析、共享和服务，从而支撑科学研究、科学决策、科技服务业、科技创新，由此总结出数据中心价值链的关键活动如下：（1）科技数据集聚：通过和政府、高校科研院所、商业出版社的合作，数据中心获取了科技人才、仪器设备、科技文献、研发基地、科研机构等类型的数据资源。（2）科技数据集成：在政府和科技中介企业的支持下，数据中心将现有科技数据进行标准化处理并相互关联，形成网络化的科技数据库，并对动态数据进行更新维护。（3）科技数据检索服务：借助科技中介企业的外包合作，数据中心面向社会提供开放的科技数据检索服务。如企业在身份认证后可寻找各领域的科技人才，并结合科技文献、科研机构、科技项目等信息了解该人才的科研能力。（4）科技咨询服务：通过对科技数据的分析和挖掘，数据中心可为政府、高校科研院所、企业提供针对性的咨询服务。如通过预测某领域未来的科技发展方向来为政府提供政策制定的建议。（5）科技中介培育服务：由于我国科技中介市场还处在萌芽阶段，科技数据类新型研发机构将在政策支持与风投企业的资金助力下，培育科技中介人才和企业。为了支持关键活动的有序运行，数据中心价值链的辅助活动包括，从多种渠道汇集发展资金，组建并打造符合发展需要的人才队伍，开发数据管理所需的组织、挖掘技术，采购数据管理设备设施和建设完善其他管理机制制度保障等。

4.3 数据中心各关键利益主体诉求与合作模式分析

数据中心的建设运行涉及数据中心、政府、高校科研院所、科技创新企业、风投企业、科技中介服务企业，各主体利益诉求与合作模式各不相同。（1）数据中心的利益诉求是实现自身战略目标，构建科技和知识数据积累、挖掘和传递的功能型平台。（2）政府的利益诉求是借助数据中心优化上海的科技创新环境，加速科技创新中心建设的步伐；合作模式包括联合共建、专项资助等。（3）高校科研院所的利益诉求是获得有助于科研人员进行研究探索的各类科技数据支持和科技咨询等其他中介服务；合作模式包括直接购买数据中心服务、签署共享协议等。（4）科技创新企业的利益诉求是利用科技数据汇集其产品研发、企业运营所需的各类科技信息，并通过获取科技咨询等中介服务来更有效地开展活动；合作模式包括直接购买数据中心服务、以项目形式签署定制化服务合同等。（5）风投企业的利益诉求是通过对科技数据、科技中介相关的初创团队或企业的投资来获得回报收益；合作模式包括市场化联合投资等。（6）科技中介服务企业的利益诉求是在更成熟有序的市场中为客户提供服务以获得利润，并且运用多方资源来壮大自身实力以实现可持续发展；合作模式包括直接购买数据中心服务、接受数据中心服务外包等。

4.4 数据中心运营期的运行管理特征分析

在建设期，数据中心在政府、高校、科研院所和商业出版社的支持下进行科技数据的集聚，并稳步推进数据集成，目标是完成数据中心的基础建设，为科技数据的价值创造构筑基础。（1）在科技数据集聚环节：政府一方面指导数据中心制定建设方案，另一方面通过数据采集、数据保存、数据版权与隐私等方面的政策和配套资金、设备来推动运营主体构建和数据资源集聚。此外，政府作为科研活动的重要资助者，也拥有非常丰富的科技数据，数据中心通过和国家知识产权局合作，共享了知识产权数据库。与此同时，高校科研院所在政策引导下以合作协议等形式开放共享数据，如数据中心通过对接200 家以上仪器管理单位如交通大学的仪器服务在线平台，采集了上海地区3 万台（套）以上大型仪器在线运行服务的底层数据。另外，数据中心与爱思维尔公司合作，利用其全球最大的引文和摘要数据库（scopus）挖掘全球及国内高层次科技专家人才数据。截止2020 年7 月，数据中心已构建了包含科技人才、仪器设备、科技文献、科技政策、科研机构基地等多类数据的庞大科技数据池。（2）在科技数据集成环节：政府继续提供必要的政策扶持与财政支持，数据中心通过投入人力、物力等各类资源来进行科技数据的系统化、标准化管理，通过物联网等先进技术手段，实现科研数据之间以及科研数据与相关科研人员、科研机构、仪器设备、科研项目等各实体间建立丰富的关联关系，为提升下一步科技数据被发现、被获取和再利用的效果打下基础。为了应对科技数据的复杂自然属性带来的数据集成挑战，数据中心运用政府的资助资金与多家科技中介企业展开合作，引入专业力量进行多维数据的系统整合，逐步将数据池转化为数据单元网络，科技中介企业也从中获得了利润并提升了服务能力。（3）在辅助活动方面，上海数据中心通过统筹政府专项资金，综合多方信息组建人才团队，开发配套的数据管理技术，采购数据管理软件与硬件设备，建立数据安全管理制度等来支持关键活动的进行。

在运营期，除了在政府、高校科研院所和商业出版社的支持下进行科技数据的集聚和数据集成，在与政府、高校科研院所、科技中介企业、风投企业和其他企业的合作下，上海数据中心以用户需求为导向提供了多样化的服务，目标是让科研人员、企业等主体更好地获取与运用所需的科技数据进行科技活动，成为科技知识数据积累、挖掘和传递的功能型平台。（1）在科技数据检索服务环节：基于科技数据的集成，数据中心实现了科技数据的有效联通和检索，不仅能让高校科研院所、企业合作查询获取基础的科技数据信息，还有助于高校科研院所和企业供需匹配，满足高校科研院所转化科技成果和企业提高自身竞争力获得利润的需要。同时，科技中介企业在其中将收获丰富的服务机会，提升其服务能力并获得利润。（2）在科技咨询服务环节：数据中心为企业和政府提供高端咨询支持。如政府需要人才数据来辅助千人计划引进等决策的制定，数据中心可以利用“人才-文献-专利”的数据链来帮助政府更全面的判断人才的能力与价值。（3）在科技中介培育服务环节：数据中心鼓励社会力量运用科技数据进行创新创业如运用科技人才的相关数据开拓科技猎头市场，也会联合科技中介服务企业与风投机构等共同孵化培育科技数据服务中介公司与专业人才，并进行一定程度的利益合作（如通过资源入股来共担风险），推动科技服务业发展。在提供服务的过程中，政府引领产业发展、提高国际影响力的需求得到满足。（4）在辅助活动方面，数据中心的运行管理重点体现在：将资金支持从单一的政府资助转为政府资助和服务收入并行，且随着数据中心日益成熟，服务收入将成为主要资金来源；基于组织运行的实践需要，不断优化完善其制度保障，确保制度机制能为组织提供明确的行动指南，如数据中心发表了数据安全声明、版权声明等文件以优化科技数据开放共享的安全性、合规性等。

4.5 数据中心绩效评估指标建构

通过对数据价值链、各关键利益主体诉求与合作模式以及不同阶段运行管理特征的分析，本文形成了数据中心的绩效评估框架（如图3），其关键绩效领域包括科技数据集聚能力、科技数据集成能力、科技数据检索服务能力、科技咨询服务能力、科技中介培育服务能力和辅助活动能力。

图3 数据中心绩效评估框架

在建设期重点考察数据集聚和集成能力。针对科技数据集聚能力，既要考察科技数据本身的全面性、时效性，也要从利益相关者角度出发考察科技数据来源稳定性和权威性。针对科技数据集成能力，一方面要评估科技数据标准化程度、科技数据网络整合度等，另一方面要关注和科技中介企业的合作效率。针对辅助活动能力，可用建设方案制定水平、科技数据集成共性技术等指标进行测量。

在运营期重点考察科技数据检索、科技咨询和科技中介培育服务能力，与此同时，为更好地支持价值创造，在集聚和集成能力方面需增加对合作主体满意度的评估。针对科技数据检索服务能力，可用检索产品开发水平、访问量、数据检索有效性等指标衡量，并结合数据检索用户如高校科研院所、企业等的满意度来综合评价。针对科技咨询服务能力，既可从服务效率、服务收入水平等进行评估，也可结合利益相关者运用政府决策咨询次数、企业购买服务数量、各类服务对象满意度等指标衡量。针对科技中介培育服务能力，可用科技数据中介孵化数量、合作主体如科技中介企业的满意度等指标衡量。针对辅助活动能力，可用中心自我造血水平、政府配套政策支持水平等指标来测量（见表2）。

表2 数据中心绩效指标表

表2（续）

5 结语

在科技创新愈发强调开放协作的背景下，科技数据类新型研发机构以管理和集成社会不同机构生成的各类科技数据集成、提供数据开发、开发、共享和增值服务为主要目标，通过科技数据服务助力科技进步和社会发展。本文针对科技数据类新型研发机构独有特征，从科技数据价值链形成和利益相关者合作两个维度出发对科技数据类新型研发机构运行管理的阶段特征进行分析，对其绩效形成过程进行解构，在此基础上建构了符合其运行管理目标并满足政府绩效管理需求的绩效评估框架。意义在于：一方面，科技数据类新型研发机构关键绩效领域与其科技数据价值创造的核心脉络紧密结合，基于数据价值链形成视角进行分析有助于精准把握机构在建设发展阶段的关键活动与关键绩效指标；另一方面，通过对不同时期机构运行重点、关键主体诉求和合作模式的分析来构建分阶段绩效指标体系，不仅能反映机构发展特点与规律，还能引导机构重视多元主体合作以实现科技创新的协同发展。本文丰富了关于科学数据类新型研发机构的研究，对该类组织与其他类似机构的运行管理和绩效评估有一定的参考价值。未来可通过跟踪调查强化绩效评估的系统性和可操作性，并挖掘科学数据类新型研发机构价值创造的激励路径，探索如何设计制度机制以平衡绩效管理的监督与激励功能，提升机构运行的生命力。