大数据驱动的特大城市风险治理有效吗？

2022-08-15吴晓林左翔羽南开大学周恩来政府管理学院天津300350

行政论坛 2022年4期

吴晓林左翔羽（南开大学周恩来政府管理学院，天津 300350）

一、问题提出：大数据在特大城市风险治理中真的有用吗？

改革开放以来，中国的城市化进入快速发展的通道。第七次全国人口普查的结果显示，我国超大城市数量达到7 个，特大城市数量则达到14 个（以下统称为“特大城市”）。一方面，由于规模体量更大、人口结构更复杂、流动性更高，特大城市成为潜在的风险积聚中心［1］；另一方面，城市应急管理体系的职能碎片化又限制其风险治理的效能发挥［2］。

近年来，伴随数字治理实践的发展，学界也开始思考大数据驱动城市风险治理的优势。多数学者认为，它有利于破除政府信息垄断、推进风险的综合治理、重塑风险治理流程等。人们毫无保留地展现出对大数据的期许，仿佛只要引入大数据，就能扫清既有体制的积弊，提升风险防控的能力。但是，由于对实践关注的不足，人们看见的可能只是“虚假的美丽”。在实际运行中，大数据在特大城市风险治理中的应用可能难如人所愿。大数据带来的种种好处往往是基于技术逻辑的推演，技术逻辑可能与现实的组织逻辑产生错配，从而阻碍大数据的应用。例如，郑州市在2020 年8 月上线了“全域数字防汛平台”，并搭载了跨部门的视频会商机制，但在2021 年的特大暴雨中，大数据技术既未能精确监测风险，也未能推动城市运营各单位之间的协同响应。那么，大数据在特大城市风险治理中的应用到底如何？是什么因素影响了大数据在特大城市风险治理中的应用？本文将通过大数据分析以及案例研究的方法，解答上述问题。

二、文献回顾、分析框架与研究方法

（一）文献回顾

在技术治理研究领域，技术与组织视角的二分是一个由来已久的传统［3］，大数据与城市风险治理的相关研究，呈现了“技术与组织”两类视角的分野。

1.技术视角下的大数据风险治理研究

技术视角的大数据风险治理研究（以下简称“技术研究”）主要关注大数据的功能，围绕技术增强风险感知能力和提升风险应对能力两个方面展开。

其一，大数据增强风险感知能力是技术研究关注的重要主题。大部分研究聚焦大数据驱动的风险预测模型的开发，通过相关性分析、回归分析以及贝叶斯网络、决策树等机器学习算法［4］，在多源异构的大数据基础上，建立风险表征变量的关联关系，对风险发生概率、态势演变作出预测。一项对英国的研究显示，通过机器学习对新闻报道、社交网络数据进行分析，最高可获得71.9%的恐怖袭击预测准确率［5］。大数据还被认为可以促进公众的风险感知能力，一项研究表明，大数据的应用将公众风险预警时间缩短至8 分钟以内［6］。

其二，提升风险应对能力是技术研究关注的另一个主题。首先，大数据丰富了风险态势评估的信息维度，为风险应对的决策提供信息支持。例如，狄利克雷分配、支持向量等机器学习算法与时空聚类模型的结合，使得风险态势可以通过社交大数据再现［7］。其次，大数据平台提升了风险应对的协同性。例如，2010 年海地发生地震后，国际志愿者通过开放地图平台对太子港及其周边地区成功地进行了地图绘制［8］；意大利政府开发了地震损失评估应用程序，汇集居民房屋受损自查数据，获得准确率超85%的评估结果［9］；等等。

2.组织视角下的大数据风险治理研究

组织视角下的大数据风险治理研究（以下简称“组织研究”）主要关注大数据应用的效果及其影响因素。

其一，研究者分析了技术赋能组织的过程。有学者提出，多级信息系统平台有利于组织纵向贯通、横向协同，提升组织治理整体性［10］。一些研究也证实，数字平台技术改变了多元治理主体之间的信息流系统［11］，以场景为核心、专班化运作，进而吸纳企业、社会组织等多元主体，提升治理的协同性［12］。此外，信息技术还改进了信息传输的方式与格式，提升了信息的精确性，进而使得治理图景清晰化［13］，数字平台还促进了组织治理流程、协调机制的标准化［14］。

其二，研究者分析了组织规制技术的过程。受制于责任模糊、目标偏差等因素，数字平台尽管以实体化的机构嵌入治理组织，但这种嵌入在很大程度上仅仅是对条块矛盾的再生产［15］，强调等级控制的组织文化也可能导致技术进一步强化既有的科层结构［16］。此外，行政压力、数字鸿沟使数字技术形成对社会组织参与治理的挤出效应［17］。一些经验证据表明，技术治理中的权力运行非但没有使社会图景清晰化，反而使治理组织仅看得见“自己的影子”［18］。同时，尽管数字技术使风险治理更加科学化、精密化，但蕴含了抑制基层应急人员灵活性的风险［19］。

3.对既有研究的评价

既有研究探索了大数据在风险治理中的应用效果、影响因素，发现大数据技术有利于增强组织的感知能力与应对能力、提升风险治理的整体性和协同性。同时，相关研究还关注到组织制度、结构、文化等因素对技术应用的影响，但相关研究仍局限于理论倡议或个案经验，缺乏对风险治理中大数据应用状况的总体把握，对组织影响技术的过程聚焦在个别变量要素上，缺乏“全链条”的分析。基于此，本文将从组织引入和应用大数据的全过程分析特大城市风险治理中大数据应用及其限制因素。

（二）分析框架

技术在赋能组织的同时，也接受科层组织的规制［20］。这种规制既体现为组织对技术的选择与设计，也体现为组织制度结构对技术使用的限制［21］。

从理论上看，技术目标复杂性与组织协调性综合影响了技术的使用，使大数据在风险治理中得到不同程度的使用。一方面，组织在选择与应用技术时，会锁定技术应用的目标。在通常情况下，大数据在风险治理中的应用具有多种目标，分别对应于风险监测、预警、资源调配与决策指挥，技术目标的复杂性突出表现为目标的多少。另一方面，技术的应用发生在特定的组织环境内，组织的协调性就会对技术施加影响。传统协调理论认为，协调是将组织的不同部分连接在一起以完成集体任务［22］。大数据在不同类型风险治理中的应用，有的涉及同一组织的不同部门，有的则需要多组织的协调。组织协调性就表现为组织在风险治理各环节的协同程度。

根据《国家突发公共事件总体应急预案》等对突发公共事件的分类，特大城市的风险可被划分为事故灾难、自然灾害、公共卫生事件、社会安全事件等四类。本文将针对不同类型的风险情景，引入“技术引入—组织互动—技术输出”的全过程分析框架，考察目标复杂性与组织协调性如何影响大数据在风险防控中的实际应用。按照国际风险治理理事会（IRGC）的界定，风险治理是指将“良好治理原则应用于风险的识别、评估、管理和沟通”［23］，大数据在风险治理中的技术输出，对应监测（识别、评估）、预警、应对（管理）等环节，本文的分析框架，如图1 所示。

（三）研究方法

本研究采取大数据分析与案例分析相结合的方法，分析特大城市在风险治理中大数据应用情况及其影响因素。

1.通过“新闻爬虫”发掘特大城市在风险治理中的大数据应用状况

由于官方媒体报道具备较好的权威性以及事件覆盖度，笔者从人民网、光明网、新华网、中国新闻网爬取了2019—2021 年关键词为“大数据+风险”的相关新闻数据。经过文本清洗以及二次筛选后，选择其中关于21 个特大城市的新闻，得到新闻数据39，207条。按照风险的四种类型，笔者将新闻数据进行数据归集。归集完成后，去除样本数据中的无效字符，进行分词、去停用词处理，运用隐含狄利克雷分布（LDA）模型对处理后的数据进行主题挖掘，见表1。

表1 文本数据归集

2.采用案例研究法分析影响大数据在风险治理中应用差异的因素

在大数据挖掘风险治理实践的基础上，根据事故灾难、自然灾害、公共卫生事件、社会安全事件等四类风险，按照数据完整性、要素完备性和实践典型性的标准，选取成都市、杭州市、北京市、郑州市、上海市、重庆市等具备代表性的案例进行分析，从而析出影响大数据在风险治理中应用的影响因素，见表2。

表2 案例选取

三、技术输出：特大城市大数据应用的“场景选择”

从所挖掘的新闻数据来看，大数据在特大城市公共卫生事件治理中应用最多，顺次为自然灾害治理、社会安全事件治理、事故灾难治理，文本数量占比分别为55.2%、28.8%、9.1%、6.9%。与此同时，大数据在不同类型风险防控中的应用完整性不同，在“风险监测、风险预警、风险应对”的三个环节各有应用，有的是全链条应用，有的则局限于个别环节。总的来看，大数据在公共卫生和社会安全类风险防控中的应用链条较为完整，覆盖了从风险监测到风险应对的各个场景，在自然灾害与事故灾难中，大数据的应用则主要集中于事前的监测和预警场景，见表3。

表3 风险语料主题分布

（一）在事故灾难中，大数据主要被应用于生态和生产的风险监测等场景

在事故灾难的文本中，生态预警、风险监测、事故预防的覆盖率分别达到36.7%、32.3%、16.4%。例如，重庆市长寿化工园区管委会在2021 年上线污染源动态监管信息系统，通过信息整合、前端感应，实时监控园区企业废气废水排放，并在大数据分析的基础上，对新入园企业排污规模进行动态核算；上海市应用生态环境保护大数据平台，对全市主要污染源进行可视化监控；成都市则通过设置气体探测器、温度传感器、压力传感器等前端感知设备，建设重大危险源实时监控系统，提升对危险化学品等生产领域的风险感知能力。

（二）在自然灾害中，大数据主要被应用于气象灾害的监测与预警等场景

在自然灾害的文本中，风险监测、风险预警、气象灾害预警的覆盖率分别达到30.9%、29.7%、20.2%。重庆市的智慧气象“四天”系统，在有效连通气象卫星、地面观测站数据的基础上，通过大数据算法对历史数据集进行分析，有效地提升了复杂自然环境下的降水预测准确率；南京市依托大数据、云计算等技术，推出金陵气象灾害靶向预警防控系统，将暴雨预警精确度提升至1 公里和1 分钟；佛山市开发城市内涝预警系统，结合大数据算法，可获取3小时以内的内涝预报结果。

（三）在公共卫生事件中，大数据主要被应用于社区、复工等防疫场景

在公共卫生事件的文本中，社区防疫、防疫协调、灾后恢复的覆盖率分别达到31.5%、31.2%、19.0%。在疫情暴发后，上海市长宁区江苏路街道在全国率先推进“一网统管”赋能防疫实践，接入居委会、办公楼、建设工地、沿街商户的防疫登记信息和居家隔离信息，助力社区防疫管理；深圳市龙岗区通过大数据系统，实现社区、社康、公安“三位一体”疫情台账数据整合，促进信息协同；成都市通过大数据整合分析外地返乡人员信息，建立信息数据库，配合网格化治理机制，将高风险人员信息推送至社区网格员，进行摸排走访。

（四）在社会安全事件中，大数据主要被应用于风险防范和犯罪打击等场景

在社会安全事件的文本中，金融监管、犯罪打击、风险防范、诈骗治理的覆盖率分别达到37.8%、27.1%、17.6%、17.5%。深圳市建设金融安全大数据平台，通过人工智能分析，对金融机构集资规模异常等风险进行监管。重庆市建立大数据指挥调度平台，构建辖区高清视频、警力分布实景图，为犯罪案件侦破、逮捕工作提供实景支撑与决策辅助。杭州市通过人口动态分析图、平安五色图，深挖人口信息与城市安全的内在联系，梳理社会治安乱点、流动人口未登记等情况，为公安工作提供精准靶标；杭州市还建立“涉网新型犯罪侦防平台”，通过大数据研判以及机器人呼叫、短信等方式进行转账劝阻，有效地避免诈骗事件发生。

四、差异何来：大数据在风险治理中应用的影响因素

大数据在特大城市风险治理中的“场景化”应用，既受技术目标复杂性的影响，也受组织协调性的制约。

（一）在事故灾难中的大数据应用：单一目标与跨组织的单环节协调

在特大城市的事故灾难治理中，大数据主要被强调应用于事故隐患的监测，技术应用的目标较为单一。城市安全生产监管在监管职责上碎片化严重［24］，监管信息存在严重的部门壁垒、信息不对称程度高等问题。特大城市往往是整合市场监管、应急管理、环保等多部门掌握的企业生产经营信息，在风险监测这一环节发力，为大数据应用提供数据“基座”。

在技术目标的选择上，特大城市大多通过大数据的应用，推动事故风险监测的智能化。以哈尔滨市为例，其安全生产规划表明，大数据的应用要实现对企业生产、轨道交通建设等环节的远程监测、智能识别和自动报警；成都市安全生产规划则强调，运用大数据建立风险监测、预警、跟踪的联动机制，实现风险隐患“来源可查、去向可追、责任可究、规律可循”；此外，杭州市与青岛市的安全生产规划还要求，应用大数据对各类安全生产信息进行挖掘和分析，超前研究事故防范规律，提高监管工作的科学性与针对性。

在组织协调方面，特大城市往往通过跨组织的协同，专注对安全生产风险的监测和管理。一方面，特大城市通过建设统一的安全生产信息数据库，实现跨部门的监管信息整合。例如，成都市与哈尔滨市通过清晰化的大数据项目建设清单，规定完成时限与责任单位，分别建成安全生产信息数据库与安全生产信息中心，基本实现安全生产委员会成员分属管理的企业隐患排查、标准化达标、安全生产不良信用记录等信息的归集；杭州市余杭区则设立“大数据+智慧安监”专班，细化数据整合清单，专人对接专部门，不仅推动企业常规生产安全信息的整合，还连通了人社、卫健部门的工伤、医疗历史信息，为大数据建模分析提供数据支撑；青岛市还在统一数据库的基础上，以企业为单位，对各类生产经营信息建档管理。另一方面，特大城市开发数字平台的前置应用，帮助实现企业与监管单位的实时信息连通。例如，成都市、哈尔滨市部署上线隐患排查治理监管系统的企业应用端，要求企业隐患自查自报，并将风险信息通过平台实时同步通报各监管单位；杭州市、青岛市则开发了“企业码”“安全生产健康码”，要求企业实时汇报“安全健康状态”，对异常情况进行赋码警示，缩减信息传输层级以及监管部门之间的信息间隙，便于多部门能实时展开监管工作。

（二）在自然灾害中的大数据应用：复杂目标与跨组织的应对失调

在特大城市的自然灾害治理中，特大城市应用大数据的目标呈现复杂性，相关部门既希望将其应用于风险的监测、预警等事前环节，又希望将之应用于风险应对环节。自然灾害的治理往往“牵一发而动全身”，大数据应用需要得到气象、公安、消防、教育、医疗等多部门的配合。在现实中，大数据的应用主要是在风险监测、预警环节中，并得到组织协调的有效支撑，但特大城市在自然灾害治理中主要依靠科层体制、跨部门议事机制等进行协调，跨部门组织在大数据驱动的风险应对环节协调性较弱。

从大数据爬取的新闻和各地政策文本来看，特大城市大多强调通过大数据的平台应用，提升自然灾害监测预警的准确性，实现智能化应急决策与资源调配，涉及从风险监测到治理的多个目标。例如，郑州市与济南市分别发布的《新型智慧城市建设三年行动计划工作推进方案》和《关于进一步加快新型智慧城市建设的实施意见》，均要求建设智慧城市运营中心与城市大脑，在森林防火、防洪抗旱等领域，实现城市应急全要素的监测预警、应急资源和救援力量可视化展示等多项功能集成；武汉市则在《加快推进新型智慧城市建设实施方案》中，专节规定了“智慧水务”的建设要求，包括建立雨水分析模型、在线实时监测、提高全过程综合管理能力等；从实际建设情况来看，北京市海淀区水务大脑的系统包含“水务风险感知层、搭载智慧决策功能的业务应用层、面向公众预警的展示服务层”等，集成多项治理功能，目的就在于“让数字化感知跑在暴雨之前，智慧化决策跑在内涝之前”。

在实际应用中，特大城市在自然风险监测方面有相应的组织协调和整合，但在风险应对的环节依靠科层机制往往导致大数据在风险应对中“悬而不用”。特大城市在灾害风险监测环节尚能做到相关组织的协调，着力整合灾害监测所需的部门数据、实时共享风险监测状态。例如，郑州市、济南市基于“城市大脑”开发全域数字防汛系统，依托“城市大脑”归集的水务、气象、监控等数据，对积水洪涝情况实时分析，并将分析结果通过平台进行部门共享，实时预警；武汉市整合了江河湖库、堤防、排水水系、雨污水管网等在内的水务设施空间分布及属性信息，通过“水务一张图”共享；北京市海淀区在“城市大脑”的基础上开发“水务大脑”，在归并多部门大数据的同时，连入气象预报网格，打通了监测、预警的衔接环节。而在自然灾害的应对环节，特大城市往往依靠科层体制与跨部门议事机制等进行指挥协调，不是依据大数据自动启动，而是受具体应急事件激发形成。大数据平台及其组织载体一般缺乏授权，在协调应对风险过程中缺乏权威，跨部门协调能力有限，同时，由于受限于自上而下的层级链条，各部门往往响应滞后、组织整体协调性较差。例如，北京市海淀区将水务大脑的防御驾驶舱内设于区水务局，其协调应对的权限局限于水务局内部资源；很多城市的防汛系统也主要由水务、应急部门使用，由于缺乏授权，当洪涝灾害发生时，这些部门无法有效地协调其他部门并且启动应急程序。

（三）在公共卫生事件中的大数据应用：复杂目标与相对完整的全环节协调

在特大城市的公共卫生事件治理中，大数据得到广泛应用，服务于疫情防控的多个目标。特大城市大多将大数据用于涉疫风险排查、病例风险预警、疫情处置协调等场景，目标具有复杂性。例如，南京市《关于完善重大疫情防控体制机制健全公共卫生应急管理体系的指导意见》要求，通过建设智慧公共卫生大数据中心，完善传染病监测预警、智能化疫情防控、疾病危险因素监测与评价、公共卫生应急指挥决策支持等四大业务系统；成都市《关于完善重大疫情防控体制机制健全公共卫生应急管理体系的实施意见》同样指出，要依托大数据建立监测预警体系、早期预警的部门联动响应处置机制，强化第一时间调查核实和先期控制措施同步启动；长沙市、深圳市也提出推动大数据、人工智能等信息技术在传染病监测、预警和联防联控中应用的要求。

通常而言，疫情防控需要完整、连续的时空数据，但个人在日常生活中产生的数据往往被不同行政区、职能部门分属管理。同时，疫情处置涉及流调、封控、转运等环节，涉及多个部门，因此，对组织协调性具有较高要求。经过实践探索，特大城市构建联防联控机制，整合、共享涉疫信息并授权大数据中心，提升跨组织的协调性，支撑了大数据的全链条应用。

一方面，特大城市通过数据平台整合分散的涉疫信息，构建以平台为中心的网状信息结构，为大数据应用提供数据基础与信息“纽带”。例如，深圳市南山区打通政务服务数据管理局、疾控中心、防控指挥部等部门和中国电信、中国移动、中国联通等三大运营商的数据壁垒，整合身份电话、活动范围、身体状况等个人信息，构建“块数据”中心；成都市通过疫情防控平台，将分散的涉疫信息按人员排查、核酸监测、病例流调、人员转运、集中隔离等环节分模块集中管理，提升大数据在监测流程中的信息整合能力；长沙市、南京市通过“大数据+网格化”，推动防疫部门纵向信息共享，在网格化平台内实现涉疫信息“汇集—分析—推送—核查—反馈”的闭环应用。

另一方面，特大城市适当授权大数据及其应用机构（如大数据中心、综合指挥中心等），强化这类机构的权威，使之在跨部门的联防联控机制中发挥指挥协调作用。例如，长沙市要求发挥公共卫生监测大数据在应急流程启动中的支撑性作用；成都市、深圳市则强调大数据在疫情处置中的智能辅助作用，在市区层面，大数据中心直接对接街道办、公安等单位，协调核查、封控与转运工作，在一些社区，数据、技术资源下沉，各类信息上云、上图、上屏，社区党委通过社区运行管理中心直接指挥疫情防控。

（四）在社会安全事件中的大数据应用：复杂目标与单部门的全环节协调

在特大城市的社会安全事件治理中，大数据被集中应用于社会风险监测与犯罪打击场景，技术目标具有复杂性，涵盖监测、预警与应对的全环节。由于公安部门在社会风险治理中负有主责，其内部协调比跨组织协调更容易。对于大数据的应用，主要考验公安部门内部多警种、多层级的协调性。

从全国的情况来看，公安部在1998 年就开始实施“金盾工程”，较早地开展信息化建设。进入“十三五”时期，公安部门信息化工作开始以合成作战、视频图像联网、综合平台建设为重点，在此背景下，特大城市主要通过“天网”监控、人工智能算法等应用，实时监控社会安全风险、支撑实战应用。例如，重庆市印发的《深入推进智慧城市建设总体方案（2015—2020 年）》要求，通过大数据系统建设，完善立体化治安视频网络体系，推动智能识别、智能监控、远程值守等应用，提升公共安全社会保障水平；杭州市同样要求，以感知防控为目标，建设视频监控网络、公安物联网络，通过“公安大脑”等大数据应用进行情报分析、态势预测，为精准行动提供决策辅助。

特大城市公安系统通过跨部门信息整合、设置综合指挥机构与再造业务流程，形成了系统内不同部门间的关联，为大数据应用提供组织基础。

一方面，公安部门通过对接数据平台，整合社会运行综合信息，为大数据风险监测提供数据基础。例如，杭州市公安专网接入城市大脑，即时调用城投、人社、城管、信访等部门的人口、住房等数据；重庆市渝中区则通过“民心天网”建设，在整合辖区公共视频监控资源的同时，接入流动人口社会化信息采集云端平台，对辖区内实有房屋、常住人口、暂住人口、出租房信息进行归集，提供了“一屏统管”的数据基础；天津市、西安市通过智慧安防（平安）小区平台，接入小区门禁、人脸识别等物联感应信息，同时与市公安局视频网络和平台进行对接，提升了公安部门的信息整合能力。

另一方面，特大城市的公安部门通过科室重组，调用不同警种人员组建综合指挥机构，并建立两级指挥机制，为大数据的实战应用提供组织载体与协调基础。例如，杭州市、西安市在派出所建立综合指挥室，搭载智慧警务系统，通过前端智能应用，对一线警力进行实时指挥；重庆市永川区则抽调网安、情报、图侦等警种力量，组成合成作战办公室，通过大数据分析，对案件信息情况进行综合研判，直接指挥一线民警实施追踪、抓捕等工作；重庆市南岸区、天津市东丽区建立区合成作战中心与一线干警的扁平化指挥作战结构，提高了公安部门的协同作战能力，合成作战中心应用大数据对案情实时研判，分析结果通过移动应用实时传递给一线，极大地提升了破案的效率。

五、结论与启示

本文通过大数据爬取和典型案例分析，挖掘大数据在特大城市风险治理中的应用状况，探索限制大数据应用的因素，得出相应的结论与启示。

（一）大数据在特大城市风险治理中的应用呈现“场景选择”的特征

从应用完整性来看，大数据在四类风险中的应用呈现“公共卫生事件>社会安全事件>自然灾害>事故灾难”的特征；从应用环节来看，大数据主要应用于风险监测环节，在预警与应对环节的应用相对较少；具体而言，大数据在公共卫生事件与社会安全事件中的应用具备“全链条”特征，在事故灾难与自然灾害中的应用则侧重事前环节，在应对环节应用较少。

（二）大数据在特大城市风险治理中的应用受到目标复杂性、组织协调性的双因素影响

技术的应用要得到组织的响应，组织的目标设定与协调性往往是影响其应用的最主要因素。在不同类型的风险治理中，特大城市对大数据应用的目标复杂性不同，大数据在事故灾难中的应用目标单一，主要服务于风险的监测和预警，在其他三类风险中的应用目标则较为复杂，几乎贯穿监测、预警、应对的全过程；在组织协调方面，事故灾难、自然灾害、公共卫生事件等三类风险涉及的部门较多，往往需要跨组织的联合行动，面临组织协调的困难。由于特大城市在风险监测与预警环节具备较好的组织协调性，因而大数据得到较多的应用，大数据之所以在社会安全事件治理中得到全链条的应用，是因为其主要涉及公安系统，内部的组织协调做得相对较好。在大多数情况下，因为大数据在风险监测和应对环节的组织协调性不够，大数据发挥作用受限。实践证明，大数据的应用能否得到组织协调的响应，是其在风险防控中发挥作用的关键。

（三）引入“技术引入—组织互动—技术输出”的全过程分析框架，有助于提升研究的完整性和结构性

在以往的研究中，研究者大多关注技术或组织的某些特征，对技术应用的组织调试过程缺乏完整的分析，因而只能看见抽象的技术与具体的组织联系。实际上，组织应用的技术带有特定的组织目标，技术失灵既可能是组织制度结构制约的结果，也可能是组织选择的结果。本文所构建的三维分析框架，着眼于链接“从技术引入到技术输出”的全过程，为解释组织的技术应用或者技术治理，提供了较为完整的逻辑链条，如图2 所示。