大数据化解政策冲突:何以可能,何以可为?

文/许阳 方泽贤(.,中国海洋大学 山东青岛 66000)

内容提要:聚焦于政策信息,结合政策周期分析政策冲突在各阶段的信息机理,可以发挥大数据价值增长优势,化解政策冲突。在理论层面,政策信息在冲突各阶段依次表现为信息失准、信息失真、信息不对称和非正式信息,大数据发挥信息精准性、共享性、实时性和开放性功能加以弥合。在这个过程中,大数据周期和政策周期在各阶段有机结合,两个周期实现同构,共同减少政策内耗,提高治理效能。在实践层面,需要通过大数据与政策领域跨界融合、推动跨部门政务数据集成、建立多元开放的公私评估机制和合理合法化的政策终结来化解政策冲突。

一、问题提出

公共政策是用来处理冲突的,但现实中自身却充满各种冲突[1]。广义的公共政策冲突意指执政党、政府、非政府组织等多元主体为处理社会公共事务而制定的政策间存在相互矛盾、相互抵触、相互对立的现象;狭义的公共政策冲突范围仅限于各级行政机关经由政策系统制定的公共政策[2]。政策冲突不仅使得价值资源无法合理分配,更阻碍国家治理现代化进程。我国当前正处于全面建设社会主义现代化强国的关键时期,也正是各类矛盾丛生的复杂时期,如何将政策势能转化为治理效能避免政策内在冲突是当下需要考虑的重要议题。

现有政策冲突研究的关注点主要集中在政策冲突的根源[3]、类型[4]、要素[5]和发生阶段[6]等内容。在冲突根源上,多数学者将政策冲突归结为科层体制运作导致的政府运行碎片化特征[7]:行政机关按照纵向层级设计与横向部门划分建立实现组织目标的网状式结构,从而将一个整体性公共问题割裂成许多支离破碎的片段[8],由此造成横向部门间政策冲突和纵向层级间政策冲突。纵向层面上,由于上下级政府之间存在信息不对称,指导全局性的政策与当地政策实际不能完全相符,政策不可避免带有微观层次上的不合理性[9]从而导致上有政策、下有对策;横向层面上,林立的部门受限于信息壁垒,彼此缺乏沟通交流,每个部门都试图在各自地盘上制定自己的政策议程,并试图以最有效的方式运用自己的资源,达到自己设定的政策目标,结果造成部门政策间的对立与冲突[10]。在政策冲突类型上,除了央地政策冲突、地方政府政策间冲突、不同领域间政策冲突[11]等常见类型外,部分学者还关注到了政策供需不匹配[12]的冲突类型。政策供需不匹配既可表现为政策供给滞后,又可表现为政策供给超前,但追根溯源都在于政策制定时缺乏优化社会利益聚合、利益表达和利益整合的信息渠道,即缺乏推动政策供给的最强大动力[13]。尽管已有研究从不同角度识别出了政策信息这一关键性要素,但多数研究将其置于与政策效益、政策目标、政策工具等一般性要素同等重要的地位上加以分析,缺乏对政策信息在政策冲突中作用的进一步考察和针对性举措。事实上,在信息时代,大数据成为破除壁垒、整合要素和化解冲突的重要手段[14]。通过作用于政策信息,大数据将大量杂乱无章的政策信息按照一定标准进行处理后,借助数据挖掘、开放共享、交互使用等技术手段挖掘数据价值和社会属性,从而打破部门壁垒和层级节制,推动跨部门协同治理,最终减少政策冲突。鉴于此,本文试图分析政策冲突产生的信息机理,并就大数据如何作用于政策信息进而化解政策冲突给出思考。具体做法为:在政策冲突众多要素上聚焦于政策信息,将其放置在一般性政策过程中考察,在论证政策信息分析政策冲突的重要性后,分析政策冲突各阶段信息机理,最后引入大数据技术提出相关化解措施,推动政策冲突解决。

二、政策信息:分析政策冲突的重要维度

政策冲突涉及多个阶段,需要合适的视角将不同阶段加以衔接。在现实中,尽管各国政治体制和决策机制各不相同,但公共政策大体都经由一般性政策周期(政策制定→政策执行→政策评估→政策终结)产出,在政策周期视角下分析政策冲突能够得出较为客观的解释机理,最大限度避免诸如概念范围界定、意识形态等因素影响。

在众多要素中,政策信息具备分析政策冲突的集中优势。其一,政策冲突这一抽象概念在政策信息下可以转化为具象体现。按照政治系统模型观点,公共政策是从外部环境中汲取物质、信息和能量输入政治系统后向外输出政策予以反馈的过程。从输入政策信息开始,公共政策便在解决冲突和自我冲突中产生。研究者可以通过分析政策文本中有关政策的相关信息规定以及政策信息引发的一系列操作化过程呈现政策冲突。美国学者威廉·邓恩提出政策分析框架用以阐明政策信息和政策周期关系:该框架由政策相关信息(政策问题、政策绩效、可观察的政策结果、预期的政策结果等)和政策分析程序构成,各分析程序应用相关的政策信息。动态的分析程序使得政策信息处于不断转换之中,政策由此成为一个一环扣一环的过程,任一点上信息创建依赖于相关的分析程序[15],政策信息也由此成为政策冲突缩影。其二,政策信息提供观察政策冲突的动态参照点。政策冲突可能发生在政策周期任一阶段,又可能随着政策周期推进,产生叠加效应,造成政策冲突固化,在最后阶段达到冲突极值。随着政策周期推进,政策信息经历“无序信息→有机信息→政策文本→执行方向→评估参照→终结依据”的渐进式演变后价值实现增长。通过观察政策信息变化认识政策冲突有一定时间相关性,可以动态把握政策冲突。最后,现代科技发展使得储存、共享政策信息更为便捷,满足单独分析各阶段信息和综合考量全周期信息的研究需要。

三、政策因何冲突:政策冲突信息机理分析

(一)政策制定冲突:信息失准致使理性缺失

作为政策周期起点,经由问题认定和议程设定筛选后的政策信息在制定阶段去粗存精,实现从无序杂乱到有机综合转变。除政策信息外,问题感知、目标认定等多元价值观因素嵌入政策系统中,生成公共政策与实际场域的互动逻辑,促成公共政策与公共价值冲突的融合与自洽[16]。

在发现、认定政策问题中,何种问题能被列入政府议事日程加以讨论,在议程中应当以何种顺序加以解决体现出政策制定信息关键所在,其准确性和博弈进一步影响目标设定与政策方案规划环节;作为政策方案首要任务,学者们在确定政策目标及优先次序上争论不休,尤其政策目标无可避免涉及价值标准与事实标准,目标制定很难完全价值中立,而精准设定政策目标却决定了政策是否一开始就沿着正确方向和精细要求开展[17]。因此,政策制定冲突主要环节在于问题认定与目标设定,症结在于制定阶段信息精确性缺失,导致公众真实需求和政策问题紧迫性无法传导至政策议程,产生“第三类错误”。

在私人问题演化为政策问题的过程中,参与主体越多,问题演化时间越漫长,失准信息导致政策问题和政策目标偏离现实的可能性就越大。在此基础上政策问题非但没有缩小公众愿景期望与现实境况之间的差距,反而进一步拉大两者距离,政策问题变成假问题。此外,由于政策信息失准,阻塞议程信息传递,“公众议程—政府议程”传统模式失灵。在社会发展的不同阶段,政府需要积极引导大众议程符合国家治理偏好,并有效动员社会资源形成相应议程设置动力和态势[18]。在政策信息失准下,政策制定者无法对议程拥挤态势进行有效安排,加之天然存在的有限理性加剧冲突推进。由于无法搜集准确的民众偏好信息,政策问题次序排列与理性计算无法进行,代表全体福利的函数无法得出,即便依据满意原则认定政策问题也无法保证解决方案信息有效性,外加时间和机会成本、组织机制、决策规则等因素限制,政策信息失准的结果是用正确的方法解决了错误问题,让看起来并不十分紧要的问题进入政府议程当中,波及政策目标和政策方案确定,最终引起政策资源极大浪费与政策间极大冲突

(二)政策执行冲突:信息失真引起执行偏差

作为实践环节,政策执行信息经由参与主体讨论并按法定程序颁布后形成政策文本,成为行动指南。但高度分化的科层制存在条块分割、权责不清、信息传输渠道漫长等固有缺陷,由此产生政策与科层组织间的摩擦[19],政策信息在上下级执行机关传输中出现失真,携带信息噪音。失真的政策信息不仅影响政策执行全过程,并且随着执行前、中、后三个阶段在时间和空间推进,失真的政策信息一步步扩大负面影响,导致政策执行出现严重偏差,最终引发政策执行冲突。

政策执行前工作主要包含政策文本解读和物质组织准备。由于政策信息失真,政策解读起不到正面认知作用,甚至歪曲偏离实质,成为执行偏差产生土壤;在物质准备和组织人员安排上,失真的政策信息导致执行主体对于机关性质定位、执行权限等错误判断,致使权事不对等:事大于权将阻碍执行机关顺利执行政策,权大于事则易滋生执行机关腐败行为[20],无法达到人尽其才,物尽其用的最佳效果;在纵向层面上,上级制定的政策需要落实到地方场域,经由政策细化或再规划后才能实现政策目标[21]。但由于政策环境差异和政策信息失真,上级政策工具要求与下级政策工具运用实际出现脱节,政策工具缺乏环境适应性,政策文本规定的最优工具组合未必就是现实最佳形式,在执行中下级机关还存在工具再选择和再设定问题;在横向层面,由于缺乏政策信息沟通和总体协调思想,各执行主体从各自应用场景出发,出现对同个政策问题施用不同政策工具效能相互抵消的情形。此外,在政策效益方面,政策信息失真使得兼具公共代理人和自身利益者双重角色的执行机关既代理上级政府指令和地方公共事务,又追求自身利益[22],当政策效益与自我利益发生冲突时,缺乏激励监督约束容易产生目标置换行为,更甚者还可能诱发共谋行为,导致政策选择性执行,掩盖公共性,最终引发政策冲突。①由于政策执行后产生的政策信息与政策评估信息有所重合,为避免重复,在此不进行详细分析。

(三)政策评估冲突:信息不对称导致评估时段方法失当

作为决定政策命运的关键,客观公正的评估结论有赖于政策评估信息的效度和信度,完整的评估信息可以从不同层面综合反映政策执行成效。根据政策评估主体和时段等不同标准,可将政策评估划分为内部评估和外部评估,事前评估、事中评估和事后评估等不同形式,不同评估类型互为补充,推动政策评估结果更加真实。然而,现实中由于执行机关不重视、不配合、部分信息以保密为由拒绝公开、加之政策目标多元性和沉淀成本存在,导致评估主体和执行机关间存在信息不对称现象。由信息不对称理论可知,信息上享有优势一方会利用已掌握信息损害信息劣势一方利益为自己谋利,在政策评估中体现为评估结果扭曲,最终引发评估冲突。

政策评估阶段的政策冲突体现在评估阶段和方法选择上。由于执行各阶段紧密组织,在时间空间上难以准确区分先后次序,政策执行成了无缝隙之网。处于信息劣势的评估主体无法获知评估切入时段,被迫着眼于政策产出和政策影响进行后端评估,无法向前追溯进行预评估和过程评估。此时政策执行已经结束,执行偏差造成的损失与负面影响唯有内部消化,争取下次执行加以避免。加之有的评估本应该使用实证方法,再使用人文主义方法,而缺乏评估信息的评估者却直接采用定性方法;甚至直接以二手资料、三手资料取代必要的实地调查与访谈,不当的评估方法致使评估结论偏离实际,在政策新旧命运抉择上产生冲突,以致新旧不和,出现“新瓶装旧酒”或者“旧瓶装新酒”现象。倘若为弥补信息劣势,由执行主体进行自我评估,出于自利性,评估主体可能会利用内生性信息优势将不利信息故意隐瞒,选择性夸大某些有利信息价值,导致原本效果和效率都很理想、没有偏离预期的政策得到否定性评估;或者造成政策资源投入浪费、执行效果不理想的政策却得到肯定性评价[23]。综上所述,在政策评估信息不对称影响下,评估结论呈现碎片化、主观化,无法为终结阶段提供科学有效依据,政策冲突蔓延到下一阶段,累积的冲突愈演愈烈,最终在终结阶段达到集聚效应。

(四)政策终结冲突:非正式信息引起政策预期不明

作为调整的政策极端方式,政策终结涉及大量机构、人员安置问题,是政策冲突最为集中,最为多发的阶段。因此,为缓和政策终结,决策者在正式终结前,会通过一定途径释放相关政策信息来揣度民意,即试探性信息[24],学者陈庆云将其形象比作“试探性气球”。试探性信息在传播过程中可能经由非正式渠道传播异化成非正式信息,成为不确定因素,加大终结阻力,模糊政策预期。

非正式政策信息导致政策终结中反对力量抗拒和中间力量观望。反对力量害怕因政策终结失去既得权力利益,往往形成临时反对联盟,利用个人关系网络和政策影响力,通过公众舆论和团体活动向政府施压,甚至不惜诉诸暴力。组织机构的持久惯性也是助长反对力量重要原因,组织机构天然具有寻求扩张属性,在适应原环境基础上会不断创造新的目标与功能来证明自身存在必要性,稳定之后又会趋于保守,给反对力量提供天然庇护所。最后,中间力量观望成为决定政策终结成功与否的X因素,一旦政策前景符合预期,中间力量选择加入政策终结积极力量联盟推动政策终结;一旦政策前景有悖预期收益,中间力量转而投入反对联盟,壮大反对势力。事实上,决定中间联盟和反对联盟力量对比的关键就在于价值资源分配结果,但是价值资源分配给谁?如何分配?什么是好的乃至最佳的分配却不是任意的、无的放矢的。通常决策者会把价值或资源分配、配置给与政府意见偏好一致者、最能代表社会生产力发展方向者及普遍获利的社会多数者。显然,反对联盟或者中间力量并不在政策覆盖群体之内,在非正式信息引导下其政策预期变得模糊,损失更加不确定,因而产生终结阶段的政策冲突。

(五)政策冲突信息机理

20世纪80年代以来,政策阶段论受到许多批判。主要观点在于阶段论并非真正意义上的因果理论,不适用于证实与改善,整个理论类似线性时间流水账,忽略大量互动关系。从系统论看,公共政策整体优化状态取决各构成要素及相互关系,分析政策冲突除分析各阶段信息机理外,还需以政策周期视角将各阶段机理联系起来,形成有机关联整体。每一阶段的政策冲突即可能来自前一个阶段,又有可能来自整个政策过程,各个阶段既可能是政策冲突的起点又可能是政策冲突的扩散点,彼此相互影响,贯穿始终,随着政策信息渐进变化呈现出不同形式。政策冲突既有可能在某个阶段结束,又有可能积累各个阶段的冲突最终在终结阶段取得最大值。结合上述分析,对政策冲突的信息机理描绘如下:

图1 政策冲突信息机理图解

四、大数据化解政策冲突何以可能?

一般而言,大数据指具备大量、复杂、多元和多变的数据,需要使用者运用先进的计算方法和技术实现信息采集、存储、分析和应用,人们形象将大数刻画为多个V[Volume(容量)、Variety(种类)、Velocity(速度)和Value(价值)等][25]。作为一种数据集,大数据最大特点在“大”字。随着科技发展,当前人类已经具备从海量数据中挖掘新知识、创造新价值的能力,从而为社会带来“大知识”、“大科技”和“大利润”等发展机遇[26]。大数据价值之“大”并不在自身体量庞大,而在于挖掘蕴藏在大数据背后潜在知识和机遇给人类社会带来的好处之大。

就大数据与公共政策关系而言,大数据推动数据化与智能化决策兴起,助推公共政策转型与重构[27]。在政策科学经由经验决策趋向科学决策的光谱上,从早期经验决策、完全理性决策、再到有限理性和渐进决策,未来大数据将进一步开创“大数据决策”新思维。传统政策模式依靠既有理论模型或者分析框架识别因果关系进行决策,而大数据则将“因果关系”转化为“相关关系”,在思想观念转变和技术变革上深刻影响公共政策。这种“相关性不蕴含因果性”[28]逻辑避免政策制定者过分受限民主与价值张力,代之以数据趋势了解当前已经发生或即将发生的问题。通过将原始数据转换成相关政策信息,运用一系列认知技术和数据处理方法(如搭建数据平台等)转变为政策知识,最终达到政策科学化连续过程。用金登的“多源流”理论来阐释,即当社会痛点之“问题流”、公众建议之“政策流”与官僚注意力之“政治流”以数据形式交汇数据平台,且政策信息都匹配时“政策之窗”随之开启[29]。陈一帆、胡象明等综述国内外现有大数据嵌入政策过程研究发现大数据通过议程设置信息化、备选方案讨论全民化、决策执行自动化、决策评估实时化及全过程跨领域综合集成五个方面驱动公共政策一般过程[30]。具体到政策冲突领域,政策信息贯穿政策冲突全程为大数据处理政策信息从而化解政策冲突提供了可能。

政策冲突形成周期性复杂机制,需要用周期性数据思维加以化解。在上世纪80年代经由生物学领域进入数据领域后,数据生命周期理论在数据收集、处理、转换和应用等方面产生深刻理论指导[31]。本文试图构建大数据周期,即在原数据生命周期基础上,从大数据原始采集存储,加工应用,再到交换删除的一般过程中提炼个别关键环节,用以表示数据从产生、利用再到老化消亡的动态循环运动过程。通过系统观点有机组合,大数据周期旨在推动原数据渐进增值与整体优化,达到“对数据进行治理,用数据进行治理”和经验决策向科学决策转变的目的。结合上文政策冲突机制分析,就大数据化解政策冲突过程描绘如下:

图2 大数据化解政策冲突图解

(一)大数据收集:以精确性克服信息失准

作为大数据周期起点,数据收集阶段汇总了各种属性的信息,为进一步获得数据洞察力打下基础,其关键在于挖掘元数据间隐藏价值,为接续阶段提供良好的数据交换。在这一环节中,什么样的数据是我们所需要的?如何收集到这些关键数据是最为重要的问题。对于政策制定阶段的信息失准问题,数据收集阶段可以发挥数据精准功能加以克服,具体表现在精准识别问题与增设前置议程上。

在问题识别上,大数据以其规律趋势呈现问题需求。“全样本分析”和“相关性分析”等优点摆脱传统“随机抽样调查”和“因果逻辑关系”[32]对公众问题诉求不敏感,回应迟滞,特别是对多元异质化的社会需求缺少辨别力造成的理性缺失。来自多元领域和主体的数据虽然标准各异,但通过技术转化、求相关处理和趋势统计等呈现问题认知;另一方面,大数据驱动下的议程有别于公众议程、政府议程等传统形式,公众通过集体的力量将议程设置点进一步前置,设置“自我议程”[33]。网民将个人境况遭遇等私人问题发布在微博、微信朋友圈、BBS等社交网络上进行传播,由于即时通讯及网络基建普及,发布的数据信息一旦触碰到多数问题受众“痛点”,便可跨地区、跨文化呈指数型传播引发媒体议程关注,推动政府更加关注决策现实诉求,实现公众议程向政府议程过渡。因此,在大数据收集阶段,精准识别和议程前置功能弥补政策制定阶段信息失准和有限理性的不足。通过海量数据收集、类别归纳统计,及时发现私人问题演变为社会问题的趋势,精准识别目标群体个人期望与社会景况之间的差距,根据议程导向进行前溯与深挖,由相关关系揭示问题趋势,实现“用数据决策”。

(二)大数据交换:以共享性克服信息失真

数据交换在大数据周期承上启下,经过精准识别及议程前置筛选后的数据在该阶段正式进入储存与使用环节。相应地,此时锚定政策问题的议程已然确立,政策问题解决方案也已出台,正式进入执行环节。为解决信息失真引发执行冲突问题,大数据可以发挥信息共享功能,打破部门壁垒和信息碎片化,推动跨部门整体化合作,形成去中心和扁平化组织结构,解决传统科层制的执行冲突问题。

正如陈国权等学者所言:“脱离数据流通共享的政务协作只是一种机械式的合作”[34]。数据交换共享带来全新政府治理理念,它并非强调用先进的数据技术去适应传统科层模式,而是倒逼传统组织结构在重组中克服执行冲突。具体而言,通过政务流程联系,各级政府组建数据系统性连接平台,并以此为依托,结合区块链、5G等技术提高数据附加值,避免单独建设信息数据中心造成数据流失,运用整体性治理思想解决部门林立、碎片化现象,从而减少信息失真。在一体化平台下,政策执行前的准备工作在于建设一体化平台和上传政务共享必要的业务数据;执行中则体现在平台维护和业务流程处理。执行过程依托数据平台减少非理性因素干扰:平台数据建设和运营技术壁垒框定政策执行者及政策工具,执行准备阶段的人才物不相匹配现象和执行中政策工具的再选择问题变成既定的平台规范,政策效益分散在各个环节和各个部门,技术理性规避政策执行中的利益差别选择。在交互数据和平台支撑下,各类治理主体借由数据发生多向连接,呈现出“人人互联,物物互联”特征[35]。政策执行过程变得更加紧密,政策利益和政策工具再选择难度进一步加大,规避执行走样行为。

(三)大数据传输:以实时性克服信息不对称

针对评估阶段由于信息不对称引发的评估阶段错配和评估方法选用不当问题,大数据可以发挥实时功能推动评估阶段交互和评估方法创新加以克服。大数据与普通的静态资源相比,具有严格的时间限制和流动性要求。如果使用者不能及时处理新数据并在信息系统中传输,一旦超出有效使用时间,数据价值将大打折扣;随着时间推移,数据失去时效性后会变成历史数据存储下来,使用价值相对削弱。因此,在评估阶段,为保证评估结论客观完整,政策执行者应当即时上传相关量化的成本收益数据并为多元评估主体获取,在执行全程运用实时监测。

事实上,数据传输体现在大数据周期各个阶段,但在政策评估阶段作用更为明显。所谓实时监测,即政策执行过程中,相关政策信息即时生成并为不同评估主体所获取。运用信息技术算法能够实时处理海量数据,在短时内为政策制定者提供数据结果,不需要像电子计算器刚问世时那样,决策者要花费大量时间等待数据加载[36]。通过即时发布数据,实时动态监测,大数据缩小评估主客体间信息时差和数字鸿沟差距,为政策评估提供全时段的评估信息。依靠大数据实时监测功能,政策评估从最初行动到最终结果的反馈回路大大缩短,形成评估闭环。伴随着执行过程推进,政策评估者不用和传统评估模式一样,必须等到所有环节结束之后才得知政策执行结果的好坏以及政策目标的实现与否,整个政策评估过程没有严格的时间空间顺序,政策评估成了无缝隙介入活动。评估方法上,目前大数据已经发展出多种处理技术(机器学习、聚类技术、文本挖掘等),将其引入政策科学领域,有利于推动评估结论更加科学客观。

(四)大数据应用:以开放性确保信息正式性

在数据应用阶段,为保证数据价值,政府需要开放一定数据来确保政策终结顺利进行。而在政策终结阶段,试探性的政策信息可能经由非正式途径蜕变为非正式信息从而加大终结阻力,应用阶段需要极力保证政策信息的正式程度。

尽管政策终结极力在新旧政策间起承转合,但作为最后一环,政策冲突无可避免累积各阶段遗留的冲突,需要用一种系统全面的方法来化解。根据夏义堃等人的研究,开放的政府数据具有高固定成本的特点,需要在前期数据收集、加工、存储与传播等环节投入大量的人力、物力和财力[37]。数据应用环节凭借之前各环节累积的价值,在政策终结阶段能以“累积的价值”应对“累积的冲突”,从而更好化解政策冲突。要发挥数据开放功能,需要建立政府间以及政府与社会组织、公民为基础的数据开放机制,为政策命运抉择提供信息基础,逐步减少终结阻力。对于政策终结中的积极力量,大数据开放焦点在于提供旧政策效益小于政策成本的相关信息来提高终结论证的说服力与自身主张可信度。同时通过汇总政策数据、开放监督等方式扩大支持者范围,降低利益受损者心理负担,营造政策终结有利氛围;对于政策终结反对联盟,要着眼于分析旧政策废止对其部分既得利益造成的损失,数据开放一方面要公开利益补偿相关信息,引入第三方机制过渡;另一方面要开放数据趋势以揭示新政策出台必要性,降低新政策反对几率,使政策利益受损者在丧失旧政策希望的同时收获新政策预期,废旧立新并举弱化反方联盟;最后,通过数据开放,旧政策危害及新政策潜在效益逐渐清晰,对政策终结持中立态度的“旁观者”被吸纳进积极力量中,从而在多重路径下化解政策冲突。

作为政策周期和大数据周期桥梁,政策信息在使用过程中逐渐增值,这一增值过程不仅体现在阶段对应上,还体现在周期同构上。在政策周期中,政策信息经由“无序信息→有机信息→政策文本→执行方向→评估参照→终结依据”过程实现增值;而在大数据周期中,政策信息则经由“元数据→有机数据→数据收集→数据交换→数据传输→数据应用”等过程实现增值。通过在政策周期和大数据周期对应发挥不同功能化解不同阶段冲突,大数据提高了政策效能。但正如政策冲突并非绝对出现在某个阶段,政策冲突既有可能是各阶段线性积累的结果也有可能是非线性断裂形成,大数据某些功能如数据传输等贯穿大数据周期和政策周期全程,只是在个别阶段重要性凸显。在运用大数据化解政策冲突时,要注重在政策冲突不同阶段,根据不同冲突类型,通过相应数据管理活动,将政策冲突控制在合理的限度范围内。在此过程中,两个周期相互联系,相互作用,共同减少政策内耗。

五、大数据化解政策冲突何以可为?

由于大数据价值增长具有显著的工具理性特征,考虑到数据资源应用场景和使用目的,政府等多元主体在利用大数据化解政策冲突时不能只考虑“能不能”的问题,还要考虑“好不好”和“可不可以”的价值取向问题,既善于用数据,更要用数据为善[38]。本文对于政策冲突化解具有以下启示:

关注大数据与政策领域跨界融合机会。与其他战略性资源不同,大数据价值可重复挖掘,尤其不同领域的大数据重组后有助于激发创新,提供更为丰富的价值挖掘途径。为此,在政策制定阶段运用大数据化解政策冲突时,要有意识将问题导向和目标导向的相关政策信息、政务数据与组织自身的知识结构联系起来,构建“数据—信息—知识”融合机制[39],主动创造数据融合机会,通过建立“巡视性关注”[40]和“常规化交流”机制创新问题认定方式。在巡视性关注上,注重产学研相结合,及时跟踪不同行业数据发布和应用经验,通过网络问政、政务融媒等定期收集民意,推进政务公开,加强政民互动,及时发现公共问题。而在常规化交流上注重挖掘智库理性,将智库与数据技术相结合,实现用数据决策和用智库决策相统一。对于政策涉及多个地区多个部门的情况,除上述要求外,还要注重政策间沟通网络建设,以减少政策不兼容不配套情况。

推动跨部门政务数据集成。克服政策信息执行中传递失真,关键在于整合协调各部门数据实现互联互通,提高数据异构互操作化能力。一是不同执行机关各自选拔专门统筹本部门数据的联络员,负责与中央和不同行政机关对接政务相关数据。各级联络员在政务数据来源、统计口径、监管考核、归集策略、技术转换等方面建立统一标准并推广使用。二是发挥省级大数据局技术和资金优势,统筹布局大数据传感器、移动设备、定位系统等必要的政务数据基础设施,大力开发自然语言处理、数据仿真分析、海量技术处理等技术工具及分析方法,拓宽技术转化、可视化应用的政务场域,弥补技术缺陷[41],协同联动省市县三级助推政务数据集成。最后加强全体政策执行人员政策认知,厚植政策执行部门基础,落实责任机制,确保有权必有责,权责必相等的执行约束。

建立多元开放的公私评估机制。在数据时代,一方面,政府与公民产生大量数据,奠定了大数据质变的基础;另一方面,比起政府和掌握大量数据及应用技术的企业,公民在数据使用上却处于劣势地位。为此,政府应努力克服数据使用权的不对等性,在政策评估中秉持开放共享态度,吸纳公众参与,减少政策冲突。在技术层面上,对于政务数据收集主体、使用权限、收集范围等进行规定,防止过度收集相关政务数据而侵害个人隐私。在存储、集成、分析和公开过程注重匿名化处理,确保政务数据真实性和安全性后主动打开数据“黑盒子”(特殊领域除外)。在非技术层面则是要求执行人员及时上传政策产出和政策结果的相关信息,并以公开的方式为不同评估主体获取。通过在技术层面和非技术层面发力推动共享,化解政策评估阶段的政策冲突。

合理合法终结政策。政策终结暗含错综复杂的利益冲突,合理合法的政策终结强调以理为主,以法为辅,巧妙化解利益冲突。在情理方面,政策终结注重因势利导,综合运用组织力、动员力、感召力等领导艺术降低阻力。在政策经评估确定终结之前,领导者要开放各种信息渠道倾听来自不同政策利益者、专家学者等多元主体呼声,充分利用媒体、政府官网等政策信息推送方式把握公众思想观念变化。一旦合适时机出现,立即推出新政策和废除旧政策,适时进行补偿,从情理上给予利益受损者新的政策预期。在运用法律方面,美国学者罗伯特·贝恩认为尽可能避免立法表决,因为立法者更加容易妥协,不愿树敌太多致使不愿做出政策终结决定。因而法律作用体现裁决中以刚性的方式确保政策终结顺利进行而不是作为政策终结搁置的措施。

六、结语与展望

作为政府治理重要手段,公共政策在解决冲突争议的同时内部也产生了冲突,由此带来的危害甚至超过冲突本身。本文分析了政策冲突产生的信息机理及大数据相关化解措施,在理论层面揭示了借由政策信息联通政策周期与大数据周期化解政策冲突的过程,但囿于政策冲突的隐蔽性和案例收集的困难性,今后还应当以现实案例进行检验。此外,政策冲突除政策信息之外还有许多诱发性因素,仅凭大数据无法得以根除,要破除数据全能和数据至上的观点。未来,有关大数据与政策冲突的研究还应着眼于于以下几方面:

(一)警惕大数据利维坦现象

在信息时代,拥有数据一方某种程度上就拥有数据使用主动性,但目前我国对于大数据规范使用的相关配套制度和法律尚未健全,如何保证个人数据和隐私安全并且确保个人数据得以合法使用仍是亟待解决的问题。尤其在政策冲突化解中将收集大量公民个体化、异质化数据,如何做好数据收集与加密储存,这将是发挥大数据化解政策冲突效能的一大关键所在。

(二)把握好大数据数量与质量的界限

诚然,海量数据构成了大数据基本特征,但如何提炼出背后信息涵义才是大数据价值所在。当前,政策信息相当一部分仍呈现模糊状态,构成政策冲突化解的主要障碍,这主要体现在获取高质量数据的时间成本和技术成本过大的问题上。数据运用的技术障碍极大制约着国家现代化治理的能力,如何把握好大数据数量与质量的界限,从而将数量优势转为质量优势这应当是未来研究的一大重要方向。

(三)把握好大数据嵌入边界

大数据无处不在是否意味着大数据技术嵌入政策过程可以无孔不入?政策执行是一项复杂的系统工程,在这当中除了数据支撑外,执行人员面对复杂执行情境采取的自由裁量权艺术仍旧无法被取代,一昧强调大数据的工具理性容易忽略人的主体性。今后大数据扮演的工具角色仍要和传统治理方式相互调适,合理把握大数据嵌入的程度与边界是实现大数据善治的重要途径。