大数据赋能政府提升创新治理水平的实践研究——以欧盟为例

徐 侠，姬 敏

（南京邮电大学 管理学院，江苏 南京 210000）

一、引言

随着大数据的不断深入发展，各级政府已经开始积极运用大数据促进政府治理创新。我国正处在加快转变经济发展方式的攻坚时期，如何借鉴他国创新治理的成功经验来推动创新型国家建设是目前重要的研究课题。

目前对创新治理的相关研究主要有Stefan（2001），Arnold（2003），Boekholt（2004），Hayrinen（2005），OECD（2005）等，分别以欧盟一些成员国为对象研究了创新治理的现状与障碍因素，以及在创新治理中政府角色的改变，即从研发系统的控制者到创新项目的推动者和合作伙伴[1-2]。Bucar 和Stare（2009）[3]针对欧盟新成员国的创新治理能力进行了专门的研究，指出新成员国由于创新治理能力的差异造成了各国在创新政策欧盟一体化背景下创新追赶的有效性差异，但是并没有进一步分析创新治理体系的框架与治理能力的影响因素。国内对创新治理的相关研究较少，早期主要有针对区域创新系统的构建分析了创新治理的模式[4]；近来很多学者都从案例分析的角度对创新治理进行了研究，如针对芬兰创新系统联合治理与管理协调的机制分析[5]；根据苏格兰科技创新治理经验提出的区域科技创新治理的多层次治理模式[6]；杨继明和冯俊文（2013）[7]对一些主要国家如美国、日本、法国等创新治理实践进行分析和概括，提出了多元化分散型科技管理体制和集中型科技管理体制；薛彦平（2014）[8]阐述了挪威提升国家创新能力的重要经验；郭铁成（2017）[9]创新范式从三螺旋向四螺旋的转变，传统的纵向管理模式向以横向运作为核心的多元化主体共同参与的创新治理模式转变；但是这些文献大多使用案例分析法针对优秀区域创新系统的治理实践做出总结，进而对我国创新治理提出经验借鉴及策略建议，而对于如何从系统的角度深入理解不同区域创新治理体系存在的问题以及如何从内在逻辑寻找提升创新治理能力的路径一直没有统一的理论指导框架和工具，而且由于各国的政治经济环境等条件的差异，国外的先进经验往往很难直接借鉴。

创新治理是一个知识密集型的系统工程，从大数据管理的角度理解创新治理是一个全新的研究视角，已有很多研究关于知识管理对创新治理相关研究，如从知识流动的视角提出了国家创新系统与创新政策体系之间的互动关系模型，并基于超循环理论分析了产学研系统中知识转移的障碍因素[10]；管理（2012）在其硕士研究论文中专门研究了知识管理在区域创新系统中的实施与应用的障碍因素。Jun 和Chung（2016）[11]提出地方政府3.0 时代的重点在于建立、维护和加强与市民的关系，并以韩国庆尚北道的地方政府3.0 模式为例，研究了韩国主要门户网站与庆尚北道地方政府主页在与民众的互动与沟通中的作用区别。但是针对大数据管理赋能政府的相关研究还不多见。陈凯华等（2020）[12]专门从多元主体参与、透明度与科学性等五个维度描述了大数据在创新治理体系中的应用情景；因此本文通过对欧盟创新治理的管理实践研究，研究大数据管理在创新治理和创新政策制定过程中所起的关键作用，学习领先国家在创新治理过程中的先进做法，来不断探索我国创新治理能力的提升的路径与策略。

二、大数据赋能政府需要高效的大数据管理系统与数字化平台

目前，大数据管理成为各国谋求在大数据时代背景下提升核心竞争力的有力途径。大数据通过赋能政府，将增强国家和地区的决策能力和竞争实力，提升创新治理水平。

（一）创新治理需要多种类型数据的综合利用，以提高多方利益相关者的协商效率

创新治理要求多元主体共同参与制定创新战略、对创新资源进行有效配置，制定不同的产业创新支持计划，这都要以事实证据为基础，需要政府决策人员和专业人士在“知识丰富”的环境下工作，对多种类型数据和信息进行快速获取和利用，包括科研数据、产业数据、技术数据、政策报告和出版物的数据以及各种知识的参与，进而形成一套知识密集型的创新解决方案，因此“创新治理”不是单一的政府职能，而是复杂的、需要跨部门合作完成的一个整体。这个过程中，通过有效的大数据管理，可以从中发现规则、规律、知识，来帮助我们更好决策，可以促进组织不断进行政策学习、知识共享与利用最终不断实现过程改进，进而提高创新治理能力。因此在现在的智能时代，大数据管理已经成为大多数国家的电子政务计划中的一个重要举措。

（二）信息的不对称需要有效的大数据管理加以过滤、补充和加工，以便多元主体和决策制定者更好的利用

大数据管理，对于推进政府进行科学决策、精细化管理、精准服务和精确监管等具有重要意义。大数据管理是对各种数据进行收集、整合、分析和应用的过程，通过对大数据的分析可以改善政府官员对特定问题的深入理解。通过大数据管理提升对特定问题的敏感度和反应速度，促进问题的解决，在政策分析与决策中起到重要的作用，特别对提升组织职能提供了依据。由于信息技术的发展，信息内容以及获取信息的技术不断成长，信息量急剧膨胀，我们将这种现象称为“信息烟雾”—就是信息过多而造成的瘫痪。正如David Shenk 所说的那样：“从前我们恐惧饥饿，现在却担心肥胖。同样地，信息超载已经取代信息不足，而成为新的社会、政治问题。”其实，信息的不对称、信息超载或信息不足都会阻碍决策制定者获取有用的信息，通常决策制定者在面对互联网上搜索出的一大堆信息，往往无法判断究竟孰优孰劣，大数据管理通过数据的分析工具对数据中蕴含的有效信息加以过滤、补充和加工，成为可以直接共享的相关知识，以便决策制定者更好地利用[13]。

（三）地区发展阶段的相似性导致创新治理可以借鉴别国的大数据应用与管理的成功经验

在地区发展的过程中，往往会遇到同样的问题，而这个问题可能在其他国家和地区已经遇到过并得到了很好的解决，或者很多地区在政策借鉴过程中，会犯同样的错误，如果能够大范围的了解各地的做法和结果，就可以有效地避免同样的问题；或者在解决问题时少走弯路。因此对各国政策以及实施效果进行分类整理，对本国本地区政策的分析和决策有一定借鉴意义。组织需要不断地进行政策学习，不但要了解区域的经济和产业现状，还要学习其他国家或区域成功和失败的治理经验和教训，才能提升本地区的创新治理能力。根据新加坡国立大学对公共部门知识管理使用调查，知识管理活动中被评价为前两位的就是帮助捕捉最佳实践（17%）和经验教训捕获（17%），因此借助知识管理系统学习别国的成功经验就成为创新治理的重要方法之一[14]。美国的“从大数据到知识”计划、欧洲“地平线2020”计划的“数据驱动型创新”课题等，均聚焦于利用海量且复杂的创新大数据，推动知识生产与创新[15]。

三、欧盟创新治理过程中成功的大数据获取与管理实践

创新治理的本质其实就是在不同的制度关系中，运用一定的公共权力去引导、控制和规范组织的各种活动，以最大限度地促进创新。政府的积极干预主要是因为创新的外部性引起的市场失灵，创新需要区分市场与政府的作用。市场是调节企业创新行为的核心力量。创新的价值最终由市场评估，创新的组织和资源分配由市场决定。政府在创新过程中仅提供公共产品和服务，主要是资助重大基础研究、搭建创新平台、提供法律保障等。

但是因为创新治理本身是一个涉及面很广、错综复杂的决策过程，由于这些信息是在无数分散的个体行为者之间发生和传递，政府很难完全掌握，因此容易导致决策的失误，再加上个体或组织的寻租行为，政府干预也可能存在着这样或那样的缺陷。

近来的研究中，欧盟的创新治理取得了明显的成效，为了实现欧洲研究区（ERA）共同创新发展的使命，欧盟开发并建立了一个系统的创新政策和相关知识的分享环境，并鼓励政策相关者、专家学者和个人参与评论，通过分享与学习各国的成功经验和教训，推动各国不断调整创新政策以建立一个更有利的创新环境，实现区域持续地创新发展。其中大数据的公开与知识管理的重要作用是不容忽视的，我们这里将详细的分析欧盟创新治理中的大数据获取与管理过程，了解欧盟是如何利用大数据，并借助知识管理提高欧盟共同体创新政策设计和实施的质量的。

（一）欧盟创新治理与大数据管理的关系模型的构建

早在2003 年，欧盟公共管理学院（EPIC：The European Institute of Public Administration）的报告强调：政府中的管理部门属于知识密集型组织，……他们的官员是出色的知识型员工，……因此，在公共部门实施知识管理的前景是非常显著的。“使用知识门户网站和IT 支持的网络是可以通过”来源于以前的行动或政策评估的知识，进一步反馈到政策制定者那里，以努力改善和更好的制定目标和政策。因为良好的治理的核心是人的知识和行动[16]，这表明欧盟很早就形成了通过大数据管理提高治理能力的意识。

知识管理在公共部门已经得到了很好地理解并取得了很好的效果。在经合组织的知识管理调查（2003 年）中普遍认为知识管理可以[17]：更迅速地释放信息，并使其可以更广泛地向公众，进而提高政策制定和实施的透明度；改善劳动关系，并能与其他部委知识共享；提高工作效率和/或生产力和生产组织内更迅速地分享知识和信息；组织内改善工作关系和信任水平；提高水平度和权力下放；尽量减少或消除部门和董事职位之间的重复工作；促进终身学习；从外部整合知识，创造新知识；从知识的角度看待国家和社会全民富裕。

而大数据管理是知识管理的基础，欧盟通过建立大数据管理的FAIR 原则（欧盟的地平线计划提出的数据管理的指导意见。Horizon 2020-The EU framework program for research and innovation），指出科研数据管理要遵循被发现（Findable）、可访问（Accessible）、互操作（interoperable）、重复使用（Reusable）的基本原则。具体包括《2020 计划框架下的FAIR 数据管理指南》（Guidelines on FAIR data management in Horizon 2020，以下简称《FAIR 指南》）与《2020 计划框架下的科学出版物与科研数据开放获取管理指南》（Guidelines on open access to scientific publications and research data in Horizon 2020，以下简称《OA 指南》）等规范，对欧盟科研数据管理及开放获取勾勒出了框架与详细的指导意见。

下面，我们通过构建欧盟创新治理的知识管理模型来深入分析欧盟如何通过大数据平台实现有效的政策学习，并进一步提升政府创新治理能力的。

图1 大数据管理与创新治理的关系模型

基于以上的创新治理与大数据管理的关系模型，我们可以看出，信息与通讯技术是知识管理的技术基础，同时也是有效实现组织学习机制的必要手段。通过信息通讯技术的使用，使政策制定者不但在决策制定中更强调以数据为基础，而且可以放眼全球使他们在政策设计和实施过程中对政策、市场等相关信息获取更有效率。这里涉及的显性知识主要是指不同国家和地区与创新治理相关的数据，一般是经过典型的统计分析和利用动态链接库的方法完成，它是建立治理研究中知识管理系统的基础。这些数据不仅包括欧盟内部的创新政策和科研数据，还包括其他的公开发表的出版物、政策和研究报告等，通过互联网、数据库让所有研究和决策人员共享知识。而隐性知识则涉及到探究机构、专家、产业等所拥有的各种经验、技能等。同时通过开放的组织学习和保障机制使得组织更快速高效地进行知识共享和新知识的创建，组织智能大大提升，进而推动欧盟创新治理能力的提升。具体来说，这个模型主要包括以下几个主要部分：

在欧盟创新治理过程中，大数据管理系统通过两个层次将与创新相关的数据进行收集和处理：第一个层次就是创新数据的高效搜集、获取和共享；第二个层次就是隐性知识的互动与传播。

1.大数据与知识管理等数字化平台的建设与应用

（1）创新数据的系统化管理。这个过程主要是利用一些信息资源管理技术，对已有的政策信息很好的组织和分析，使得政策制定者能够方便地进行利用和借鉴，实现快速有效的整理和检索功能。这一阶段的主要成果就是构建与创新治理相关的数据库与基于互联网的相关政策信息的共享平台。在这里，相关的政策信息包括欧盟内部和外部创新政策的文件、年度报告、统计数据、评估报告等，主要通过两种方式进行管理，一是政策措施的联合库存，另一个是各种数据的动态链接。

（2）政策措施的联合库存。只有有了真实的数据，有了一定的经验以及必要的知识和技能，才能做出更好的决策。基于这样的理论指导，欧盟开发了EU science hub，专门用于政策制定的知识共享，基于互联网的相关政策信息的共享平台RIO（Research and Innovation Observary）（研究与创新观察，以前的平台名称是ERAWATCH，它是一个长期的创新政策研究平台，其目的是为相关的创新政策制定者和其他利益相关者提供欧洲，以及其他国家和区域关于研究政策措施和信息。主要通过政策措施的联合库存和智能服务来实现。政策措施的联合库存（online base-load inventory）汇集了研究和创新政策方面的信息，自2013 年其内容更新已经主要集中在年度国别报告和其他相关的分析报告。RIO 目前阶段涵盖共60 个国家：主要支持欧盟基于证据的创新政策制定。

欧盟创新计分板（EIS：European Innovation Scoreboard）主要收集创新绩效数据，以监测创新政策是否以及如何取得实效，为深入了解欧盟成员国和其他国家在国家创新体系方面的优势和弱点，并帮助了解特定的驱动因素和阻碍创新因素。创新计分牌是由五个维度的25 个指标构成。对于大部分指标，特别是基于来自欧盟创新系统（CIS）的数据指标，非欧洲的国家数据是不能获得的。GIS 的12个指标主要来自Eurostat，世界银行（世界发展指标），经合组织（OECD），UNESCO，UNIDO 和WITSA/网际网路资料中心的数据[18]。

为了防止知识重复，知识超载以及知识无序造成的低效率，这就需要了解与创新相关的知识分类，便于检索。如RIO 还通过国家主页，即有关各个国家的所有信息的访问网址，可以直接了解对于每一个国家的创新政策措施。如果您正在寻找衡量一个特定的类型，你可以去高级搜索页面，从对应于一个或多个关键词的一个或多个国家寻找措施（以下简称“特定模板”标签下）。RIO 还可以提供直接的交互式统计工具（Interactive Statistical Tool），可以根据年份、国家以及统计指标进行比较分析，生成不同颜色显示的图表。

（3）各种数据的动态链接。为了获取来自政府和区域环境的各种实践，支持与政策相关的分析，欧盟建立了与创新相关的机构和部门的连接。如工业研究与创新平台IRI：IndustrialResearch and Innovation[19]为欧盟的政策制定者和商界、学术界提供了欧盟私营部门研究和创新活动的信息，传播基于证据的区域环境信息，提高公众对区域创新环的认知；欧盟委员会创新联盟信息和情报系统The European Commission's Innovation Union Information and Intelligence system（I3S）[20]提供了在创新联盟会议（2010 年10月）所作的34 个相关承诺的信息。这些承诺包括用于研究和创新，如电子技术，获得融资，欧盟专利，生态创新或联合公共采购等关键问题。这个基于Web 的平台，目的是确保提供方便地访问最新和全面的信息。IPP[21]是经合组织（OECD）和世界银行之间的联合项目，通过提供互动，全面和最新的网络平台与创新政策前沿的知识，以促进知识交流和同行互动学习。IPP 平台的启动，帮助政策分析人员和从业者更好地分析创新体系，并确定和优先考虑良好的实践解决方案。它在设计，实施和政策评估方面更广泛地利用当前的知识和专家技能，以使之更适合于特定的国家需求和社会经济状况。

2.借助外脑，即通过（经验性的知识）隐性知识的互动和传播，实现隐性知识的共享

第一层次数据的收集并没有关注这些数据是如何形成或者怎样才能正确地使用，这些信息往往储藏在专家的头脑中，在形成文字或数据时，其实很多信息都已经丢失了，就像是一个标本可以告诉你是什么，却无法描述她的生命状态一样。这些无法用语言文字表达的信息存在于专家或实际工作人员的头脑中，他们往往对某一领域的某一方面都有长时间的积累和研究，能够更好地利用这个数据库并提出针对性的措施，通过不断的互动和交流，挖掘深层次专家的经验和知识，慢慢理解问题的关键点和具体的过程。因此，这一阶段更为高级。欧盟以及它的子组织和重要机构不仅在Twitter 和Facebook上相互宣传，并且利用网上论坛等方式与政策用户建立起对话并进行讨论，直接回答用户的问题，通过专家知识的网上互动交流实现隐性知识的管理。比如在S3（智能专业化平台）中的主页上就直接连接了twittert 的关注状况和发布内容，在IPP（Innnovation Policy Platform（IPP））开通了讨论的社区和博客（blog），还可以通过电子邮件收到你感兴趣的创新文献和新闻。

欧洲委员会还成立了自己的研发和创新战略的专业化智能服务平台（RIS3），为创新政策设计提供专业意见。具体的专家服务包括：提供指导材料和良好做法的范例；帮助政策制定者组织和参加各种相关会议；为政策制定者提供培训；促进同行审查；以及相关数据支持访问和参与高质量的研究项目等。欧盟创立的KNOW-HUB[22]通过来自10 个欧盟地区的专业人员，不断审查先进的创新政策和做法，以选择成功的创新治理实践并具体分析其措施和背景，以便与他人分享学习所发现的知识和经验，弥补欧洲一些相对落后地区在创新治理方面知识、技能与经验不足的缺口。充分进行知识的创造，实现新知识的创建。这时很多利益相关者都被包含在内，支持性的措施也更为多样。

当然上述两个阶段都还仅仅关注的是有限的知识领域，当进一步扩大视域时，可以考虑到一些潜在的信息，能有效创建和使用新的知识，实现相关的创新政策预见。如欧盟创新大会是欧盟“创新型联盟”旗舰计划的重要行动举措之一，旨在搭建开放创新的交流平台，让创新创意更易转化成新产品与新服务，同时也为欧洲营造良好的科研创新生态系统。NETWATCH[23]是欧盟委员会对欧洲跨国研究计划合作中心的信息平台。这个平台提供了在欧洲和欧洲以外的跨国研究合作活动的情况，已经成为现有的和潜在参与者之间的相互学习的平台。另外，欧盟还支持复杂多样的社会合作过程，以帮助建立其知识基础，包括科学小组、专业网络、专家研讨会和会议，新创建知识的管理，总之欧盟通过大量使用最先进的信息技术、社交媒体，相对有效地解决创新系统各要素信息不对称的问题，使得政策机构、专家和企业形成的网络系统有效地开展政策学习、互动，不断提升创新治理能力。

（二）欧盟创新治理中的开放协调模式

大数据管理系统要想成功运作，还需要在实施过程中能结合适当的管理模式。2000 年，欧盟提出“E 欧洲”概念，即帮助欧洲从信息管理转化为知识管理。两年来，在推进“E 欧洲”行动计划方面所做的主要工作侧重于：价廉、快速地接入互联网；人力的培训等。欧盟理事会在2000 年的里斯本会议提出将欧盟建设成为“世界上最具竞争力和活力的知识经济体，能够保持经济的可持续增长。”由于欧洲共同行为与对成员国家多样性的尊重存在矛盾，因此治理的开放协调模式应运而生[24]，这种开放协调模式主要体现在网络化的治理结构和治理过程，和去中心化的动态的协调治理模式，其核心是基于自愿绩效标准进行国家自愿治理，不是强制性的，而是要求不断交流学习达成合作共识。在这种治理模式下各成员国在创新战略制定与重要资源分配方面全面参与，通过不断协调治理目标来达成共识，同时设定基准（benchmarks）和对最佳实践进行交流来对各个国家的创新政策和绩效进行客观评价，找出差距，推动成员国进行政策学习，这种网络化的治理模式要求各个成员国都要尽可能地利用各种知识不断学习，才能突破自我的限制，形成知识共享文化，促进欧盟知识经济的进一步发展。

显然上述的两个主要部分都与先进的信息通信技术的支持密不可分，在这个过程中知识管理系统可以通过先进的信息通信技术更快的从内外部整合知识，创造新知识，而网络化治理促使组织和个人通过知识管理系统不断进行政策学习。如通过信息通信技术（电视电话会议，社会媒体等）实现不同区域的利益相关者的全面参与，快速沟通和协调，更迅速地分享知识和信息提高工作效率；更迅速地释放信息，并使其可以更广泛地向公众，进而提高政策制定和实施的透明度；改善合作关系和信任水平，进而促进组织学习（政策学习），提高组织整体智能，进而提高创新治理能力和决策水平。其实，Angelis（2013）[25]的研究发现，近65%的组织智能的改变都来源于知识管理实践。这意味着集体知识的可用性对应于作出决策过程的将近2/3，其余的可能就归于再利用之前对知识的分析能力。

这种基于事实和证据的决策无疑准确性更高，也更有利于创新治理的成功。更为关键的是通过大量的相关信息和资料的高效共享，使得参与决策的专家不仅考虑了本国的技术优势，还兼顾了其他国家的利益以及欧盟在全球技术发展的竞争优势，弥补了个体智能有限性的缺陷，通过开放协调管理模式，整合了各国的资源，平衡了各国的利益，使得对未来的优先发展领域的决策更具科学性，也尊重了成员国创新发展的差异性。现在欧盟正在通过RIO等数字化平台将现有的专家网络和政府机构连接起来，以做到更好的互动，以分享政策知识、最佳实践、特定的解决方案以及创新政策选择。

四、欧盟创新治理进程中大数据管理赋能政府对我国的启示

我国作为研发投入大国和创新成果产出大国，在创新治理方面还存在着很多问题：如政府的治理模式仍旧主要是单向的管理模式，其他社会组织与社会机构的参与度不高；尚未建立统一共享的技术知识、政策信息以及创新数据互联的数字化平台，创新决策部门不能高效获取多方面的相关技术信息，学习能力受限；虽然在很多的决策中我们也引入了专家咨询和产业参与的方式，但是在大数据的应用与管理系统的成熟度方面仍旧差距很大。因此在治理模式上要学习欧盟的成功实践，通过构建有效地数字化平台形成多方参与的开放治理模式，进行地区创新政策设计的引导和规范，这就要求在治理过程中决策者不仅要认识到区域创新需求的独特性和差异性，还要能获取到可供创新决策使用的大量信息和知识，通过有效的大数据管理慢慢实现创新治理模式的转变。在大数据背景下，针对我国创新治理存在的问题，提出以下建议：

（一）通过教育培训等方式提升多元主体参与管理的意识和技能，强化数字政府的意识

是否拥有训练有素的人力资源进行知识的有效管理直接影响知识管理的效率，因此各级政府都需要不断学习，以保持对相关知识的了解（Nair，2005）[26]。根据新加坡国立大学对公共部门知识管理使用调查中，对大数据管理缺乏意识和理解仍旧是知识管理项目实施的主要原因，因此高层管理者的培训要求对大数据管理以及改进创新治理的重要性有基本的理解，以摆正他在创新治理中的位置，更好地制定大数据管理的目标与实施要求，如相关的技术支持和立法改革。而对一般的工作人员也要不断培训其引用知识管理系统获取与传播创新知识的意识和能力。

政府的大数据管理能力的提升是一个系统工程，政府要有效地推行知识管理，就要高度重视拥有和培育大量新型的数字化人才。人才是政府组织的核心竞争力所在。因此，政府要加强各级管理、技术成员的数字化素养的提升，努力提高他们的大数据意识和实际操作能力。

（二）加强科学政策的接口，明确各种创新数据的类型，确定开放共享的数据类型以及原则，吸收学者、专家、企业、多元主体参与，构建全面、系统、安全的创新数据整合平台

一个好的科学—政策接口依赖于质量有保证、及时和容易获得的真实而且可靠的数据和信息，以及广泛的专家知识。这些数据和信息主要包括：与创新政策实施效果相关的信息；其他国家或地区相关创新政策的信息（实施模式、实施效果等）、专家学者发表的可信的科学评估以及相关研究；来自多利益相关方的各种建议与批评，以及治理机制的评估报告、对新出现的问题和关键差距的分析等，这些资料不仅告知社会当前和偶发的风险，而且还告知将来可能的机会和选择，所以更多地利用政府工作报告中的研究内容，更广泛地使用其他国别成功的经验以及来自业界的最新证据，将有助于更具适应性和包容性的知识（解决方案）的产生。而广泛的专家知识则涉及到范围更广的专门知识网络和在线“实践团体”的参与，而不只是依赖少数专家或传统的学术专家，这里的专家还包括处于传统学科圈子以外具有传统知识或实践和经验的从业人员。各领域的经验表明，有足够多的在各种知识体系中具有不同观点的专家群体，知识和创新就可达到新的深度，这意味着知识是可开发的，而且科学家能共同进步，即使科学家针对一个问题可能有很大分歧，但是通过专家网络，可以使各种解决方案相互沟通和协调，了解不同政策的经验教训，以便快速地找到思路和对策。

因此，一种优良的科学—政策接口要求学者、专家、企业和政策制定者等主体之间增强交流，促进对政策需求和知识上关键差距的相互理解，以应对在国家、区域或者全球层面发生的社会和经济环境的迅速变化。

（三）提供数据开放获取的经费支持，利用先进的信息通信手段提高数据共享与互动效率

数据的采集、存储和管理都需要经费支撑，各级政府应明确主管的部门并划拨专项经费加以支持，出台鼓励性政策促使一些创新数据和一手调研的研发数据等上传共享，防止科学研究重复调查造成的成本浪费，提高各级部门和研发人员数据共享的意识。另外，研究发现，四种不同的沟通媒介（电话、面对面、电子邮件与书面文件）会对不同的组织沟通因素产生相应的影响（林为哲，1999）[27]，而internet网的facebook 与twitter 等现代化的沟通媒介通过建立新的沟通顺序以及增加非正式沟通的频率进一步提高了知识分享与互动的效率，进而提升了组织学习的效果。

（四）构建开放协调的组织学习的有效机制，营造知识共享和数据安全的组织文化

有了可供利用的知识库还不足以保证良好的治理绩效，还要求决策者和参与者能主动学习进行知识分享。因此如何构建组织学习机制实现知识的共享是一个重要的课题。互联网络所带来的开放性大大加强了政府行为的透明度与公开程度，使社会能够全方位地对政务活动和官员行为进行评价、监督和考核，使政府行为更为直接地置于社会舆论的评判之下，这种开放公开效应要求政府必须迅速回应社会的需求，改变传统的社会主导者和控制者的角色地位，向管理寓于服务之中的职能角色转化，这将导致政府内部管理机制的变革，如进行全面参与管理、实行网络化沟通、科学的政策评估体系以及合理的奖惩激励机制，营造全面知识共享的组织文化，通过人的知识和行为的改进来不断提高组织智能，进而提高创新治理绩效。