数字化转型视域下的政府数据治理研究*

付 羚

“十四五”时期是我国工业经济向数字经济迈进的关键时期，数据作为数字经济时代的关键生产要素，是经济发展的新动力、新引擎。有别于传统生产要素，数据对其他生产要素会产生乘数效应，可以强化资本、劳动力等要素在价值链中的价值。我国拥有世界最大规模的数据量，数据市场的发展潜力巨大。然而，当前我国数据要素市场还处于起步探索阶段，数据生产要素的价值还未得到充分释放，仍面临着众多新问题，还需要强调政府对数据的治理作用，因此，以数据治理为抓手探索政府数字化转型路径，这既是更好发挥数据的社会经济价值的必然要求，也是政府履行社会管理与服务职能的具体体现。

一、 数据治理的内涵阐释

“数据治理”概念最早在企业管理领域提出，可以追溯到2004年，由H.Watson等[1]研究数据仓库治理在企业管理中的实践而最先提出。当前，学术界对于数据治理的定义并没有统一的规范标准，总体而言在不同角度下对于数据治理概念的解读不同，笔者通过阅读文献，梳理出三个视角加以理解。

第一个视角是基于数据管理。明欣等[2]强调数据治理是对数据的整个生命周期进行管理分析，对数据进行质量管理、资产管理、风险管理等有效指导、监督、统筹与协调管控，进而实现其价值的实践过程。Thompson等[3]将数据治理界定为对数据资产的管理，是数据管理的发展和延伸。Abraham等[4]认为数据治理是为了充分发掘数据价值，降低有关成本与风险。安小米、许济沧等[5]，梅宏等[6]63从宏观层面定义，认为数据治理是在数据安全的前提下，建立健全规则体系，理顺多元主体的权责关系，包含制定与实施数据相关政策、确立数据所有权、明确数据管理责任等，以此形成共建共享共治模式，释放数据价值，赋能国家治理能力和体系现代化。

第二个视角是基于数据治理主体。一方面是企业视角。包冬梅、范颖捷等[7]认为企业通过数据治理使得数据价值得以充分发挥，数据得到规范管理，使得决策更具科学性与有效性。另一方面是政府视角，黄璜[8]从三个层面理解数据治理，认为政府作为治理主体，宏观层面上是对整个社会数据化过程的治理；中观层面上是对社会公共事务治理中数据资源的治理；微观层面上是针对政府信息系统存储数据的治理。沈岿[9]、胡玉桃[10]同样认为政府数据治理存在不同层次的意涵，数据治理概念既包括对数据的治理，也指向利用数据进行治理，二者经常相互交织，包括：其一，出于维护数据质量和数据安全的数据治理；其二，出于提升治理能力和水平，为决策提供支撑的数据治理；其三，出于使企业和社会利用政府数据资源参与共建共治共享的数据治理；其四，出于引领全社会数字化转型的数据治理。

第三个视角是基于要素与模式角度。郑大庆[11]、杨学成[12]等指出数据治理概念需要从治理主体、治理策略以及治理目标等方面来把握。笔者认为这种剖析要素解释概念的方法与索雷斯[13]15想法一致，他认为数据治理通常包含角色与组织、数据线路、政策与标准、架构、合规、问题管理、项目与服务等核心要素。同时，DAMA(国际数据管理协会)[14]18总结出数据治理的组织框架模式大致可以分为三种基本类型，集中式治理、分布式治理和联合式治理。张涛[15]深化了以上模式，认为我国政府数据治理组织模式尚处于探索发展中，其现状既有“集中式治理”的特征，也有“分布式治理”的特征，并称之为“混合式治理”。

虽然学者们对数据治理的界定各有不同，笔者认为仍可以从上述概念中明确数据治理概念的核心要义：一是以释放数据价值为目标。数据治理的根本目的就是通过一系列标准化、规范化的流程，挖掘数据的价值并将其高效率转化为经济价值或社会价值。二是以多元参与治理为途径。数据治理不仅仅是以政府或者某一社会组织为主体，而是逐步走向多元主体的模式，共建共治共享原则在数据治理领域仍然适用。三是以保障数据安全为底线。国家、企业以及个人数据安全是数据治理的前提，保障数据在安全的前提下有序流动，保障数据隐私不被侵犯是开展数据治理工作的出发点。因此，笔者认为，数据治理的内涵是在保障数据安全的前提下，多元主体协同探索数据价值最大化的过程。

二、 政府探索实施数据治理的现实动因

当前，大数据作为新一轮工业革命中最为活跃的技术创新要素，正在全面重构全球生产、流通、分配、消费等，对全球竞争、国家治理、经济发展、产业转型、社会生活等方面产生全面深刻影响。党的十九届四中全会历史性地将数据作为与劳动、资本、土地同等重要的生产要素，数据将在数字时代发挥更加重要的创新作用。从国际视野来看，世界各国围绕数据领域方面的博弈日益激烈，关于数据跨境流通、数据主权管辖等问题讨论不断。与此同时，基于国内视角，政府在数字化转型的道路上同样面临公共数据共享、数据资产产权、敏感数据泄露等矛盾与隐患。可以看到，数字经济蓬勃发展的同时也带来新挑战，因此，在数字化转型背景下的政府积极开展数据治理探索，具有重大的现实价值与意义。

(一) 数字经济发展呼唤数据治理

1. 数据霸权主义日益盛行

随着数字经济的高速发展，数据霸权主义势头逐步显现，主要表现为两个方面：一方面是设置数据流动壁垒。国际社会存在的贸易保护主义正在向数据领域蔓延，很多国家制定了数据跨境流动限制政策。“据不完全统计，全球出台跨境数据流通政策法规的国家已超过100个，针对跨境数据流通的多层次监管政策体系初步形成，如欧美隐私盾、 APEC的跨境隐私规则、数据本地化存储、告知同意规则、‘白名单’制度和技术保护要求等，这些监管规则推动数据保护主义日趋浮现”[16]。聚焦国内，我国当前数据流动渠道仍然闭塞，区域之间、地方与中央之间、政府与其他市场主体之间的数据壁垒同样没有打破，“数据孤岛”现象仍没有被消除。另一方面，数据霸权主义还表现在巨头数字公司日渐强大的权力，冲击数字经济时代的全球治理秩序。“随着资本权力和技术权力在国家行为体内部的扩张，新的异质性行为体将在国际关系活动中发挥更加重要的作用，不同类型的行为体因其不同的特性将带来不同的运行规则及行为逻辑，由内而外地推动国际体系变革的发生。”[17]巨头数字公司可以利用政府在数据治理过程中对其所产生的技术依赖，逐步构建起数据霸权，提升自身在全球治理体系中的话语权比重，影响甚至挑战全球治理秩序。

2. 数据权力乱象日渐勃兴

数据权力是指凭借技术优势，从而对其他主体的决策和行为等方面产生的影响力和控制力。当数据权力没有“藩篱”予以限制就会滋生乱象，比如当前较为严峻的由数据歧视所引发出新的社会不公现象。“大数据杀熟”究其本质，是价格歧视在数据领域的表现，经济学中的一级价格歧视理论被认为在现实中很难实现，但在数字经济时代，大数据分析可以使“看人报价”成为现实，对顾客特征进行“精准画像”并收取差异化价格，新客与熟客在相同的商品或服务面前，却承担不同的价格，数据的滥用已经构成对消费者的歧视性对待。更重要的是，消费者个人的消费偏好与网络搜索关键词等数据信息均属于个人隐私数据，即便平台已经获得消费者授权同意后进行使用，但用来“杀熟”已然涉嫌违规使用隐私数据。

3. 数据安全形势日益严峻

一方面，数据跨境问题存在安全隐患。海量数据的集中汇聚意味着对国家数据主权安全造成威胁，因而加深了各个国家对数据主权的担忧。目前，地址空间分配、协议标识符、域名系统等全球互联网基础技术仍由美国为主导，与此同时，路由器、服务器和操作系统等关键软硬件核心技术也由美国公司掌控。虽然世界各国对数据安全问题高度重视，但不可否认，数据主权保障能力不平衡现象十分显著，美国在数据领域的领先优势对各国数据安全保障能力造成现实压制，这也倒逼全球数据治理进程加速。另一方面，“数据黑箱”致使政府治理面临诸多不确定性风险。“数据运行的过程中，特定主体可以依据自身价值偏好和利益意图来对数据的采集、分类和分析等环节施加影响，进而使得数据运行过程中的部分环节处于黑箱之中，数据黑箱问题也由此产生。”[18]从现有的数据存储状况来看，政府虽然拥有大量的公共数据和政务数据，但由于缺乏相应技术积累，数据存放以及管理的系统大多由巨型平台企业研发，因而也就存在企业为自身利益最大化对数据进行技术手段处理的隐患或资本寻租的可能，进而对政府治理带来诸多不确定性的风险。

(二) 新时代推动高质量发展的客观要求

党的十八大以来，我国高度重视发展数字经济，将数字经济上升为国家战略。习近平总书记强调：“数字经济发展速度之快、辐射范围之广、影响程度之深前所未有，正在成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量”，明确指出要“构建以数据为关键要素的数字经济，在创新、协调、绿色、开放、共享的新发展理念指引下，推进数字产业化、产业数字化”。习近平总书记还特别指出要“运用大数据、云计算、区块链、人工智能等前沿技术推动城市管理手段、管理模式、管理理念创新，从数字化到智能化再到智慧化，让城市更聪明一些、更智慧一些，是推动城市治理体系和治理能力现代化的必由之路，前景广阔”。这些重要论述既表明了数据作为新的生产要素与经济高质量发展之间的耦合促进关系，又启示政府亟需转变治理思路，以数据治理为抓手，积极进行数字化转型的路径探索。

1. 促进经济增长

数据成为第一要素是数字经济的最重要特征，由此也重塑了经济的生产、交换、消费流程，成为赋能经济高质量发展的新动能。高质量经济增长的底层逻辑不是要素的简单叠加，而是追求要素达到高效率的组合，比如，数据可以通过与其他要素有机耦合形成效率提升机制来促进经济高质量发展，而这个过程也可以被理解为是一个国家经济数字化深化的过程，其本质是传统生产要素实现了新组合下更高效率的创新发展。由此，在追求高质量发展的目标下，数据越加深与其他生产要素的结合，所带来的总产出增长贡献就会越大，从而使得全要素生产率幅度提升，最终极大地促进经济高质量增长。

2. 加快政府数字化转型

从全球视角来看，随着治理实践能力的提升，全球治理与国家治理之间的双向互动已成为趋势，而全球数据治理则会更有利于这种“整体性治理”的发展。例如，在全球积极探索数字化转型的背景下，各国政府在数据治理探索过程中的先进治理模式或治理思路，可以为全球数据治理提供样本与参考，有利于他国政府数据治理水平的提升，加快政府数字化转型的速度。与此同时，对于已经相对成熟且可复制性强的经验，可以在全球政府数据治理领域予以推广和移植，不断地学习总结升华经验的过程也会强化全球数据治理的广度与深度，从而达成“数据治理交流共同体”。

从国内视角来看，一方面，数据治理有利于数字时代的城市智慧治理。数字化转型背景下的城市治理是由海量数据流构成的，无论是有形的物质生产，还是无形的服务，都体现为开放、统一、可读取、可计算、可流动的数据集成，数据驱动成为城市治理的新模式。政府数字化转型的核心任务之一是数据治理，公共事务治理流程、社会管理模式凭借精准与智慧的数据治理得以持续改进。另一方面，数据治理有利于改进优化政府组织结构，提高政府综合治理能力与水平，同时也有助于充分调动社会参与公共治理与监督的积极性，改变传统政府治理结构中信息不对称的现状，实现真正意义上的去中心化与扁平化，“通过技术、信息与数据等实现各种元素、物件、部件、组织、人员的连接，构建一个融合技术应用、制度创新和能力迭代的城市治理新体系，形成城市政府、企业、社会组织和市民等多元协同治理的新格局，打破传统城市治理的分离、脱节和割裂，提升城市治理绩效”[19]。

三、 政府开展数据治理的掣肘因素

在政府数字化转型的大背景下，政府如何开展数据治理成为广受关注的热点议题。它不仅是新时代下政府治理的重要内容，也是科学、有效利用数字技术进行政府治理的重要条件，因此有着重要现实意义。当前，我国政府在数据治理领域还处于探索阶段，尽管已经取得很大进展，但由于区域之间政府实践水平参差不齐，依然面临“数据割据”、数据质量良莠不齐等突出问题，分析政府在数据治理过程中的掣肘因素有助于进一步提升政府的数字化能力。

(一) 碎片化困境影响政府数据治理深度

当前，我国政府数据治理尚未走出部门化、碎片化，以管控为导向已成为共识，与治理能力现代化的目标要求还有一定距离。例如，由于科层制和部门条块分割的制约，政府内部不同部门面临组织协调与整合不够的问题，机构职能重叠、部门目标分散、目标冲突等矛盾都会使得政府数据治理难以形成合力。与此同时，随着大数据技术的发展，各地方政府相继成立大数据治理中心、大数据管理局和数字经济局等治理机构，但针对数据治理的管理机构或组织部门尚未成立。“据有关资料统计，在全部的数据治理机构(包含省级机构)中，34.7%的治理机构命名为‘大数据管理局’，11.6%的治理机构命名为‘大数据管理中心’，8.4%的治理机构命名为‘大数据发展管理局’，此外则以大数据局、大数据政务局、大数据管理服务局、大数据发展局等冠名。”[20]治理机构的隶属部门也各不相同，有的归属于政府主管，有的归属经信委或发改委等职能部门。治理主体间的差异会严重影响数据治理的效果，致使横向跨政府部门的数据开放共享尤为艰难。政府内部不同部门呈现数据分布碎片化、数据权属不明、数据质量参差不齐、数据标准不统一、数据治理权责分工不明确等现状，给政府数据治理带来一系列难题。综上可以看出，组织不协调会阻碍政府数据治理的深度。

(二) 机制困境影响政府数据治理进度

由于不同地域数字经济发展水平不一致，政府数字化转型力度与速度也相应存在差异，因而政府在数据治理能力方面也存在进度差距。数据治理制度规则不兼容会带来很多棘手问题，例如会阻碍数据的自由流动，限制数据的整合与使用，以及重复存储数据会增加成本，等等。笔者认为，在政府探索数据治理过程中存在的机制困境主要表现为两个方面，一是数据流动缺乏统一的量化标准。相对于实物资产来讲，数据区别于有形商品，数据不存在折旧问题，不会被消耗，不可以通过资产负债表被计量，同时，数据还具有非排他性。这些差异使得数据很难进行货币价值评估。目前为止，无论是学术上还是社会上对于数据资产价值的定义并未统一，人们对数据资产价值的理解未达成共识，尚未建立具有权威性的数据资产价值评估模型，数据资产价值评估标准更多局限于基础概念和理论研究阶段，而数据只用大规模流动才能真正体现价值，才会有创新可能。数据价值计量标准缺失，在一定程度上将阻碍数据社会化跨境流通，使得区域之间的“数据鸿沟”差距越来越大。二是数据共享机制与激励机制亟待完善。数据资源在不同主体之间能够进行共享是构建数据协同治理体系的重要前提。一方面，大数据时代，数据量增速迅猛，仅依靠政府单一主体掌握储备全部高价值数据并不现实，因而需要不同主体之间展开数据资源的协同共享。虽然当下很多地方政府已经意识到数据资源共享机制的重要作用，相继出台了一些政策和法规文件，对关于数据共享方面做出了制度安排，但上升到法律层面的较少，更多只是规划、意见和文件，这导致多元治理主体参与数据资源共享的积极性并不高。另一方面，其他的市场主体诸如相关的社会组织、数字企业、数据生产商等虽然掌握了大量有价值的数据资源，但出于对商业安全、数据隐私、同行竞争等考虑，与政府全面共享数据资源的意愿不强。概言之，多元治理主体难以协同行动共同参与数据共治，相关体制机制等顶层设计的不足影响政府数据治理的进度。

(三) 利益平衡困境影响数据治理广度

有效的数据治理范式一定是政府、企业与个人三者利益的协调与平衡，但实践中更多的是呈现出三者诉求无法同时满足甚至存在冲突的困境，限制了政府数据治理广度。第一，个人数据权利易受侵犯。企业如何使用个人数据权利界限不明，导致侵犯个人数据权利的行为层出不穷。即使个人用户知道企业正在搜集自身信息，但并没有关于个人数据的使用以及流向等方面的知情权，常处于被动状态与劣势地位。第二，政府与企业数据资源不对称，政府实现高效数据治理仍存在现实障碍。大量的高价值数据更多由企业实际占有和使用，政府缺乏对关键甚至具有战略价值重要数据的掌控，这也导致政府在工作运行中无法直接应用企业数据。在资源不对等的现实困境下，政府缺乏与企业就数据权利互动沟通的有效机制，话语权较弱。国际数据公司(IDC)发布的《2025 年中国将拥有全球最大的数据圈》白皮书指出，2025年中国将拥有全球最大的数据圈，其中企业级数据圈在中国数据圈的占比将达到69%。由此可见，未来政府与企业之间的数据资源不对称程度将会进一步加深。第三，政府主权与个人数据权利不相协调。政府在行使职能的过程中常常需要使用涉及隐私信息的个人数据，并且政府在调取、查阅个人数据的流程中也会有隐私泄露的风险。尤其在后疫情时代，政府经常需要在应急情况下，出于服务公共利益的目的，强制且未经同意地获取特定个人的数据信息，这极易造成政府数据主权与个人数据权利的博弈，疫情期间政府对于个人数据的采集就曾引起广泛探讨。破除各主体之间的利益平衡困境，是政府数据治理扩展广度的重要课题。

四、 数字化转型视域下政府数据治理的推进路径

当前，数据治理的统一规则尚未形成，现有规则主要由以欧美日为首的发达国家引领制定。面对这一现实格局，我国各地方政府应以数字化转型为契机，抢抓数据治理窗口期，以期谋求更多主动权。

(一) 积极践行数据协同治理理念

全面推进数字化转型的底层逻辑就是要求提升数据协同治理水平，构建政府、企业、社会等多元主体协同治理机制，充分发挥各自功能和优势，凝聚数据治理合力。笔者认为，要落实数据协同治理理念，一是要明确多元主体在数据协同治理中的分工与职能。就政府视角而言，主要是发挥好引导功能，在数据治理战略规划制定、规则体系完善、市场监管等方面履行职能，同时协调好各治理主体的功能发挥，鼓励数字经济企业通过开发利用数据创造更多价值，同时也鼓励其通过技术创新探索保护隐私和数据安全途径。对于其他市场主体，如与数字经济相关的行业组织、研究机构等，也要鼓励其积极参与数据治理，提供更多专业支撑和智力支持。同时还要引导公民参与数据治理，畅通拓宽公民表达、互动和监督的渠道。二是构建与完善各主体参与数据协同治理的激励机制。以提高社会组织、企业和民众数据共享的积极性与主动性为导向，制定相关政策措施，鼓励和引导治理主体积极提供有价值的数据资源，发挥各类治理主体自身优势，共同实现数据治理的跨部门、跨区域、跨层级的互动合作。三是通过理念宣传增强数据治理中非政府主体的协同参与意识。唯有意识到数据协同治理的重大意义，才能形成协同行动的内在驱动力。通过对社会组织、企业和民众等治理主体数据责任意识的宣传教育，强化其对政府数据协同治理的认同，尤其是要意识到政府数据的有效治理实现的是社会公共利益，与各类治理主体的自身利益密切相关，在大数据时代背景下，对数据的安全、共享、开发、利用和管理不仅是政府的职责，也是社会组织、企业和公民的共同责任。

(二) 规范数据内涵界定，构建数据治理体系顶层规划

当前，不同地域政府对于数据的分支概念诸如公共数据、政务数据等理解不一致现象严重，内涵界定模糊，加大了数据治理的难度。例如，笔者通过梳理部分地方政府出台的政策文件中关于数据的定义，发现在“公共数据”“公共信息资源”“政务数据”“政务数据资产”等方面理解存在差异，所包含的内容也不相同。因此可以看出，要想提速数据治理进程，界定各种专业术语概念、明确其内容是亟待解决的事项。

在明晰数据相关概念后，政府则要从顶层设计角度为数据治理夯实根基，填补当前政府数据治理在政策法规、标准规范等方面的不足与空白，加快规则和标准的动态创新。一是优化大数据治理组织机构。在专业机构方面，英国政府则专门设置了独立机构负责协调多方机构参与数据治理，成员包含政府自身部门、民间组织、私营部门等，同时还成立了专业咨询委员会和指导小组，形成独立审查机制，为政策标准的出台和落实提供专业支撑与建议反馈。这些探索经验都可以为我国推动政府、企业、行业组织、智库以及社会公众等多元主体参与数据治理提供思路与参考。地方政府可以尝试建立由政府牵头的大数据治理委员会，专职负责政府内部的数据治理以及跨部门的数据流动共享，形成强有力的跨部门协调流程，促进不同种类数据的深度融合。二是建立数据利益补偿机制。数据价值往往存在感知差异，即同样一份数据在不同主体、不同地区的价值与作用可能完全不同。因此，从主体角度，政府要加强与其他治理主体间的沟通与联系，在数据治理全过程中实现与社会组织、企业和民众等治理主体间权、责、利的有机结合，由此形成平等协商、互利共赢的多层次补偿机制。从区域角度，也要坚持构建区际利益平衡机制。近年来，长三角在探索区域一体化进程中逐步积累了跨行政区域的平衡经验，当前可以率先探索利益补偿机制、利益分成机制、利益仲裁机制、利益磋商机制等在政府数据治理领域的应用，为城市群、城市圈、城市带提供前沿性可复制性样本。三是形成与大数据治理相适应的人力资源体系。“政府数据治理的关键在人，调研中几乎所有部门都反映人才不足问题”[21]。当前政府工作人员的数据意识与能力在不断提升，但专研于数据治理领域的人才仍然不足。因此，政府可以在常规的“引进+培养”传统模式下，打造兼具专业知识与数据治理知识的专业复合型人才队伍。同时，政府部门还可以通过与数字经济企业互派员工挂职学习的形式，使双方在合作中提升复合型能力，进一步了解政府或市场的最新需求。

(三) 提高数字技术自主开发能力

当前，政府虽已经储备一定数量的数据，但由于政府不同部门的数据储存在各自数据库中，且格式各异，使得各方数据难以有效整合，无法充分发挥政府的数据优势。同时，数字时代的政府还需警惕由资本主导的数据权力的威胁，在数据存储、处理、分析以及智能算法等方面加大投入力度，尽可能在数据和算法等方面减少对一些巨型数字平台企业的技术依赖。因此，注重提升政府的数字技术核心开发能力，是保证政府数据安全治理的关键。

一方面，涉及保密性质的政务数据，政府要在数据存储、处理和分析系统的研发上加大投入力度，可以通过鼓励国有独资或国有控股的通信企业单独或联合研发相关技术与系统，以此减少政府在数据治理底层技术架构方面对巨型平台企业的依赖，确保政务数据的安全，弱化资本在数据和算法上的技术优势。另一方面，不涉及保密性质的其他公共数据管理，政府则应该加强与市场力量的合作，探索设计具有跨部门和跨地域的数据资源交换共享服务功能，促进规范化标准化的数据共享机制形成，实现对数据的申请、审核、流动和使用的全流程监管。同时，京津冀、长三角以及珠三角等区域还可以利用数字企业总部经济优势，充分发挥集聚效能，针对数据治理进程中的出现的技术困境，如数据智能采集、数据智能清洗、数据智能应用等方面积极联动协作，实现新的创新。

(四) 试点数据治理创新方法

在激烈的数字经济竞争环境下，各个国家都在积极探索政府对于数据治理的路径，笔者认为我国各地方政府可以在总结归纳国际先进创新经验的基础上，结合实际情况进行本土应用，如可以先聚焦人员与机构两方面，选取具备一定基础条件的地区或城市进行试点探索。

从人员来看，可以探索设立专门职位来推动跨数据信息共享和业务协同，比如首席信息官(CIO)职位。“政府的首席信息官是世界数字政府排名中的一个重要指标”[22]。美国是世界上最早建立首席信息官制度的国家，该职位有三方面主要职责，首先是向高层管理人员提供政府信息化、数字化发展建议与指导，其次是落实有关信息技术等相关事项的实施，确保数据治理工作顺利开展，最后是对数据资源进行高效宏观调控，提升数据资源管理运作效率。目前，《上海市全面推进城市数字化转型“十四五”规划》中正式提出推广“首席信息官”“首席网络安全官”制度，试点推行“首席数字官”制度。无独有偶，广州市印发《珠海区数据经纪人试点工作方案》，以此探索开展数据要素市场流通中介服务。可以看出，数字经济发展水平较高的地区已经率先在数据治理领域进行创新尝试，笔者认为具备条件的其他省市同样可以依据当地实际情况设立有关职位，为日后政府数据治理提供经验支持。

从机构来看，根据加拿大政府经验，联邦政府针对数字治理的需要，对其部门职能与机构设置进行了重置与调整，主要包括：设立加拿大服务局(Service Canada)，在总体上管理政府网站以及线上和线下的政府服务；设立加拿大共享服务局(Shared Services Canada)，负责政府内部的信息技术服务和基础设施建设，该部门整合了来自 44 个部门和机构的资源与渠道，优化了政府数据中心和网络系统；改组加拿大公共服务与采购部(Public Services and Procurement Canada)，负责政府的采购流程与相关事项；在财政委员会秘书处设置首席信息办公室(Chief Information Office)，负责数字服务、信息管理和办公网络的跨部门运作，为隐私保护和信息访问提供指导，并对政府的数字能力建设和项目管理提供支持；在枢密院办公室内部成立沟通与咨询秘书处(Communications and Consultations Secretariat)，主要针对开放数据和公民参与进行工作。联邦政府机构的重新设置和职责的明确划分有利于为改革提供全局性和整体性的指导与支持，同时也为政府横向行动的实现提供可能[23]。我国地方政府也可尝试设立专门的机构以加强部门间数据流动的协作能力，促进数据治理的合作，并提供有关服务改进和技术问题的解决方案。

除了人员与机构的设立与重新调整，政府还可以试点探索数据治理的跨界合作，诸如数据信托。福山指出：“个人权利模式和政府自上而下的监管都没法创造出‘信任’。数据主体和监管部门不信任数据控制者，数据控制者不信任数据处理者，数据控制者、数据处理者之间也相互不信任。而如果在最基础的层面上无法建立起最基本的信任关系，再多的赋权和规制也都无济于事。”[24]201数据信托的设想则可以成为解决数据领域中“信任赤字”窘境的有益尝试。当前，数据信托存在两种不同的方案：一种是美国的“信息受托人”方案，目前仍停留在理论阐述阶段；另一种是英国的“数据信托”方案，通过建立第三方机构提供独立的数据信托服务。英国已经推动了各种数据信托试点，提炼出数据信托生命周期的六个阶段和五种法律结构，为各国开展数据信托实践提供了重要参考。可以看到，当前数据信托这一前沿领域探索空间广阔，我国地方政府可以在学习经验的基础上归纳出适合我国政府数据管理的解决方案，从而为我国政府数据治理提供新的思路。