省级政府如何实现数据开放高绩效？——基于31个省的实证研究

张艳丽 张馨元 康 伟

1 引 言

政府数据开放是国家大数据战略的核心。国务院在《促进大数据发展行动纲要》中，明确了“加快建设国家政府数据统一开放平台”是推动政府数据开放的一项重要任务。自2015年浙江省上线我国第一个省级政府数据开放平台后，省级平台建设呈现出自东南沿海地区向中西部地区不断扩散的趋势。据《2021中国地方政府数据开放报告》统计，截至2021年10月，我国已上线193个政府数据开放平台，其中省级平台20个，副省级和地级平台173个。然而，各省级政府数据开放平台建设仍然存在较大差距。一方面，与东南沿海地区的政府数据开放平台愈发成熟形成鲜明对比的是，西部和北部地区相对滞后，吉林、辽宁和云南三省甚至没有上线省级政府数据开放平台。另一方面，省级政府数据开放的实际效果也存在较大差异（上官莉娜和潘晨，2021［1］）。在此背景之下，探讨如何实现省级政府数据开放高绩效，对于提升政府数据开放效果极具现实意义。

政府数据开放是指政府或其他具有公共管理职能的组织，基于互联网数据开放平台，运用信息技术，向社会公众提供除“涉密数据”之外的机器可读和可再利用的“原始数据”，在提高政府透明度和工作效率的同时，释放数据红利，创造社会经济价值。政府数据开放本质上是一种公共服务，具有公共利益属性。因此，为了保证公共服务效果，对政府数据开放进行监督和评估，是政府绩效管理的重要内容。政府数据开放绩效是政府相关职能部门通过建设政府数据开放管理和服务平台等方式，推进公共数据高质量、深层次、广泛地开放，实现政府数据开放效能的最大化，提升政府数据资源的利用率, 充分激发数据价值。政府数据开放绩效在场域维度，反映政府数据开放生态系统的要素和能量交换运行之状态；在主体维度，体现数据开放者、数据开发者、数据利用者在数据开放生态系统中的互动之状态；在内容维度，反映相关政府职能部门提供数据开放服务的效能，即各种成本及资源投入与产出之关系；在效果维度，反映政府部门、相关企业和社会公众在生产、开放、使用公共数据资源时的操作体验、需求回应度及效果满意度等。当前对政府数据开放绩效的研究，主要围绕两个方面展开，即政府数据开放绩效评估和政府数据开放绩效影响因素。前者着眼于指标体系的构建和多维度的绩效评估过程及效果，是对政府数据开放工作的阶段性审视，评估政府数据开放绩效可以有效监督政府的数据开放过程和既定目标的实现程度，也能够衡量出政府数据开放对公共价值的支持程度；后者聚焦于政府数据开放绩效影响因素的分析，从领导特质、政府文化、府际压力、经济水平、资源禀赋、技术水平等公共组织因素及其所处的环境因素，扩展到公众信任、公众参与，公民受教育程度等相关利益主体的个体因素（Schmidthuber等，2021［2］；Yuan和Gasco-Hernandez，2021［3］;Tai等，2020［4］）。

需要说明的是，虽然政府数据开放绩效的影响因素一直是学者们关注重点，但研究视角和维度相对单一，解释力不足。事实证明，仅从资源依赖（赵玉攀，2020［5］；汤志伟，2021［6］）、组织创新（樊博和陈璐，2017［7］；Khurshid 等，2020［8］）、制度变迁（孙瑞英和王浩，2020［9］；Safarov，2020［10］）、技术接受（Wirtz等，2018［11］；Talukder等，2019［12］）等单一理论维度，对政府数据开放绩效的影响因素与生成机制（Grimmelikhuijsen 和 Feeney，2017［13］；Young，2020［14］；Fusi， 2021［15］）进行研究的成果虽多，但局限性却越发明显。因为随着政府数据开放逐步从结构驱动下的被动发展阶段，走向行动者主导下的能动发展阶段（程风和徐红2021［16］），立足单一视角和理论维度的研究已经越来越无法揭示政府数据开放发展水平的影响因素与机制（吴金鹏和韩啸，2020［17］），更无法回应不同研究方法导致的研究结论差距，以及不同地方政府已建成数据开放平台的绩效差异等问题（王法硕，2019［18］）。

为了突破单一理论模型解释力不足的困境，开始有学者尝试运用整合性理论，综合多维影响因素，搭建较为全面的政府数据开放分析框架（谭军，2016［19］；韩啸和吴金鹏，2020［20］；刘淑妍和王湖葩，2021［21］；Zhao和 Fan，2021［22］）。其中基于信息生态系统理论（柯健等，2019［23］；康蠡和曾荣，2020［24］）构建的“数据开放生态系统”，将政府数据开放空间视作一个利益主体、数据、资源和技术等要素之间不断适应、成长的互动系统（赵需要等，2019［25］；王卫等，2020［26］；门理想和王丛虎，2021［27］）。数据开放生态系统的应用，在一定程度上关注到了政府数据开放绩效的主体与环境之间关系，体现出在数据动态循环过程中要素间协同效应。但理论研究相对粗放，尚未完全适应当前“行动者主导下的数据开放发展阶段”的研究需求。

因此，本文接续整合性理论研究视角，针对当前政府数据开放所处的行动者主导阶段之特点，进一步丰富和细化了政府数据开放生态系统，将政府数据开放生态系统四要素拓展为包括数据开放者、数据开发者、数据使用者、数据、技术和环境的六要素，既破解了单一理论研究导致的主体与内外部环境因素割裂的困境，又通过具体应用场景，全面演绎了信息生态系统理论。同时，为了突破传统分析方法中单一变量与结果之间线性关系的局限，运用模糊集定性比较分析方法（fsQCA），通过跨案例（31个省级政府）比较，分析省级政府数据开放生态系统中前因要素间协同效应，进一步揭示政府数据开放高绩效的多重实现路径。之所以选择省级政府数据开放平台作为研究载体，是因为省级政府既承接中央数据开放战略，又辐射市县政府数据开放工作，已经成为当前我国政府数据开放生态建设的主阵地。研究省级政府数据开放高绩效的组态路径及其要素适配，有利于针对各省特有的条件禀赋，提供差异化的政策支持，为全面实现“开放政府”奠定理论和实践基础。本文试图回应以下问题：影响政府数据开放绩效的条件因素有哪些？哪些条件组态可以产生政府数据开放高绩效？如何运用这些条件组态推动省级政府数据开放绩效提升？

2 理论基础与分析框架

“政府数据开放生态系统”是以全景视角出现的具有学界共识的概念，是应大数据时代的现实需求将信息生态系统理论应用于政府数据开放领域进行的全新尝试。政府数据开放空间是一个动态发展且具有复杂属性的网络环境，“政府数据开放生态系统”是由利益主体、数据、资源和技术等要素不断适应、成长的互动系统。政府开放数据自发布、开发、直至使用的全周期能够为开放数据利益主体间建立起链接，同时为开放数据利益主体提供可遵循的流程（Talukder等，2019［12］），利益主体在开放数据环境中凭借信息技术优化自身信息处理能力以实现政府数据开放生态系统的核心价值。

政府数据开放生态系统是在数据开放环境中的利益相关者，通过技术手段实现数据流转、释放数据价值的互动系统。系统中各要素为信息生态因子，链接各要素，使之建立关系的是信息生态链。随着信息通信技术的普及，数据开放生态系统中的主体间利益分化加剧，形成包括公共部门、私人部门、社会公众等在内的多元主体。因此，本文将生态因子从传统的“四要素”，拓展至数据开放者、数据开发者、数据使用者、数据、技术和环境六个要素，作为提取政府数据开放绩效的前因要素，以构建政府数据开放生态系统理论分析框架（如图1）。

图1 政府数据开放生态系统

（1）政府数据开放系统的生态因子

政府数据开放需经历产生、收集、筛选、发布、开发、使用、再产生等完整的生命周期，才能释放自身价值（黄如花和赖彤，2018［28］；段尧清等，2019［29］）。数据开放者、数据开发者和数据使用者都在这一周期中扮演重要角色。数据开放者是以政府为代表的公共部门，主要负责收集组织内外部的数据、审查并发布数据。数据开发者是能够对原始数据进行加工处理，使之生成数据产品或提供数据服务的相关人员，通常包括企业、研究团队以及个体爱好者。数据使用者是使用相关数据产品或服务的公众。政府数据开放生态系统动态演化过程中，各利益主体既要协同发展，还有各自的合理利益诉求（吴金鹏和韩啸，2020［17］）。

政府数据开放技术，具体包括网络技术、计算机技术、通信技术等，是政府数据开放生态因子得以运行的工具和媒介。它是支持政府数据开放所需的各种关于收集、处理、传递、存储数据的设备、设施、方法、方式的总称。

政府数据开放环境，是维持系统运转的宏观环境和微观环境。宏观环境是影响政府数据开放生态系统的政治、经济、文化和社会环境。微观环境是与地方政府密切相关的组织内部环境，包括组织结构、组织运行制度等直接影响政府数据开放的所有微观因素总和。

（2）政府数据开放生态链

政府数据开放生态链用以描述政府数据开放生态因子间的特定联系，主要包括两支重要关系：描述数据生命周期的“数据链”，即由数据开放者、数据开发者和数据使用者三个生态因子构成的政府数据流动路径；描述维持系统运转的“支撑链”，即由技术、数据和环境三个政府数据开放生态因子形成的数据开放支持路径，为系统的正常运转提供稳定支撑。

3 研究方法与数据

3.1 定性比较分析法

定性比较分析法（Qualitative Comparative Analysis，简称QCA）基于布尔代数原理讨论集合间的隶属关系，发掘多个案例所展现的普遍特征，找出不同条件的匹配模式与结果之间的逻辑关系，从而进一步在承认因果复杂性的前提下识别多重条件因素的协同效应（杜运周和贾良定，2017［30］）。目前已广泛运用于电子政务、公共部门改革、政策扩散等领域的研究。

作为复杂的信息生态系统，若想深入探究哪些条件组态可以实现政府数据开放高绩效，需要一种能够弥补单一变量与结果间线性关系的研究方法。fsQCA的优势便得以凸显，它被认为能够从“组态视角”分析多重要素之间的联动匹配，有助于理解各个要素影响组织结果的复杂机理（Fiss，2011［31］）。fsQCA不存在传统回归方法中出现的遗漏变量偏差，没有控制变量的要求（Fainshmidt等，2020［32］）。因此，本文使用定性比较分析方法探讨31个省级政府数据开放绩效的条件因素及其多重并发效应，并以此揭示产生政府数据开放高绩效的多重路径。

3.2 数据与校准

（1）结果变量

本文所关注的结果是省级政府数据开放绩效。根据相关政策，国家从宏观制度设计层面和具体建设标准方面对我国省级政府数据开放提出了要求，要求形成政府数据统一共享交换平台（雷玉琼和苏艳红，2020［31］）。这也是我们选取省级政府数据开放绩效作为研究切入点的原因。本文选取由复旦大学数字与移动治理实验室出品的《中国地方政府数据开放报告》中省级开放数林综合指数的分值作为结果变量的测量指标。该报告的评估指标体系是由权威专家立足中国本土数据开放实践，借鉴国际经验构建而成的，具体包括准备度、平台层、数据层、利用层四个维度及下属多级指标。并且在实践中，国家互联网信息办公室信息化发展局参考该指数以监测我国公共信息资源开放情况。因此，各省开放数林综合指数的分值能够反应省级政府数据开放绩效。在根据“最大值-均值-最小值”校准后，产生分布于［0,1］的政府数据开放绩效，数值越趋近于1，说明该省份政府数据开放绩效越高。

（2）条件变量

开放者能力：数据开放者在政府数据开放中拥有极大的主动权，并且政府数据开放与政府部门的主体性及行为状态紧密相关。设立专职机构、领导重视和组织保障（徐慧娜和郑磊，2015［34］；王法硕，2019［18］；李重照和黄璜，2019［35］）等均为政府数据开放的关键因素。为了实现国家大数据战略，落实开放型政府的建设，各地纷纷建立大数据发展管理局以推进政府数据开放工作。本文使用各省是否设立省级直属大数据发展管理局来衡量各省数据开放者能力。

开发者水平：数据开发者在政府数据开放中起枢纽作用，通过挖掘政府开放数据价值，在数据开放者和数据使用者之间建立起联系。政府数据开放的目的不仅在于提高政府透明度，还在于促进社会创新。以科技企业、高校以及专门从事数据挖掘的第三方机构为代表的数据开发者，能够对开放数据进行深度挖掘，释放数据的经济潜力与社会价值。本文使用信息传输、软件和信息技术服务业从业人员占总人口的比重作为测量该省开发者水平的指标。数据来源于《中国统计年鉴2020》。

使用者需求：即公众对政府数据开放的需求程度。目前，国内关于数据使用者的研究主要集中在其数据利用和采纳意愿及影响因素方面。然而以上研究并没有反向验证其采纳意愿及能力是否会倒逼数据开放，这一影响理论上是存在的。因此，本文以各省份2019年所拥有的网民数占人口总数的比例作为衡量政府门户网站建设的外部需求的基本指标。数据来源于《中国统计年鉴2020》。

数据标准化水平：数据是政府数据开放的核心，政府数据开放不仅要求数据的数量和质量，还包括数据的格式、呈现方式，以及具体内容。政府数据开放的目的就是将数据为公众所用，然而目前大部分政府开放数据利用率不高的原因很大程度上缘于数据标准化的缺失（Kim等，2019［36］,Fusi和Feeney， 2020［37］）。从数据的选择到标准化的方向来看，数据质量、数据可利用性、数据及时性、数据完整性、数据获取渠道（郑磊，2015［38］）等方面均与政府数据开放绩效有较高的关联性。目前中国开放数林指数评估中的数据层选取数据质量、数据数量、数据规范和开放范围等四个一级指标进行评估，因此，本文以中国开放数林指数中“数据层指数”来衡量各省数据标准化水平。

技术水平：我国当前处于政府数据开放实践初期，对于多数省级政府而言，政府数据开放平台建设还受到技术性因素的制约，各地政府通常向企业和高校寻求技术支持。因此，本文使用各省大数据发展指数作为测量该省技术水平的指标。数据源自《中国大数据区域发展水平评估白皮书（2020年）》。

国家级试点：省级政府数据开放很大程度上依赖国家的政策扶持，而国家大数据综合试验区的设立是为实现国家大数据战略而进行的一项政策试验。相比于其他区域的政府数据开放，大数据综合试验区会因特定的政策红利创造出更利于数据循环的宏观环境。因此，本文以该地区是否为国家大数据综合试验区来判定国家级试点。

统筹协调：作为地方政府中最高决策主体，省级政府统筹不仅能够通过协调各部门的运行流程扩大政府数据开放范围，还能够通过提高整体水平向下级政府施加竞争压力。省级政府在充分了解政府数据开放的实施情况下，以制定省级专门性政策的方式明确政府数据开放的目标以及相关规定。本文以省级政府制定专门性政策的情况，衡量省级政府统筹协调的能力，地方政府的政策文本获取渠道来源于北大法宝法律法规库。具体变量的指标描述见表1。

表1 变量测量及数据来源

（3）校准

数据的校准是指通过逻辑函数设定案例的隶属度，实现原始数据分布于0到1之间。本文使用“客观分位数”和“最小值-均值-最大值”来设定三个校准点。具体变量的校准见表2。

表2 变量的校准阈值设定

4 数据分析与实证结果

4.1 单个条件的必要性分析

必要性分析的目的是找出当结果产生时始终存在的条件，通常在组态分析前进行。而必要性分析以各条件变量的一致性作为观测指标，通常当一致性大于0.9时认为该条件变量为结果产生的必要条件。从表3的数据结果可以看出，高数据标准化水平和高技术水平是产生政府数据开放高绩效的必要条件。

表3 必要条件分析

4.2 条件组态分析

本文采用fsQCA3.0软件进行政府数据开放高绩效产生的条件组态分析，目标是找出能够产生政府数据开放高绩效的不同组态。当原始一致性阈值设定为 0.8，案例频数阈值设定为1时，比对中间解和简约解，可以识别出核心条件与边缘条件（杜运周和贾良定，2017［30］），并得出实现政府数据开放高绩效的四条驱动路径。

表4 基于fsQCA的政府数据开放高绩效组态

组态一为技术-统筹-资源倾斜型。该组态路径表明，在政府数据开放生态系统中，以高技术水平和高度统筹协调为核心条件，互补高使用者需求、国家级试点、低开放者能力和低开发者水平为边缘条件的组态，可以产生高水平政府数据开放绩效。这说明对技术完善、统筹程度高的省份而言，无论数据标准化程度如何，如果能够有国家政策和资金倾斜，即使开放者能力和开发者水平都不高，也可以实现数据开放高绩效。属于组态一的典型省份为贵州。贵州省作为首个国家级大数据综合实验区，资源优势与政策红利在一定程度上为贵州省政府数据开放、开发以及应用提供了保障，为其大数据发展的顶层设计提供了有力支撑。具体来看，贵州省政府数据开放政策明确地划分了各项工作的责任主体及工作职责，有利于推动政府各部门之间高程度的统筹协调，从而为政府数据开放提供了良好的内部环境。作为全国大数据发展的领跑者，贵州省在政策制定、平台建设和技术提升等方面为其他省份政府数据开放建设提供了参考。

组态二为技术-统筹-社会驱动型。该组态路径表明，在政府数据开放生态系统中，以高技术水平和高度统筹协调为核心条件，互补高开放者能力、高开发者水平、高使用者需求、非国家级试点为边缘条件的组态，可以产生政府数据开放高绩效。这表明对于技术完善、统筹程度高的省份而言，即使没有国家政策与资金扶持，也可以通过提高政府数据开放利益相关者的参与度，来实现政府数据开放高绩效。属于组态二的典型省份为浙江和福建。浙江省是国家颁布《促进大数据发展行动纲要》后，率先推出政府数据开放统一平台，通过互联网面向公众开放政府数据资源的省份。浙江省主要是凭借其省内社会内驱力，成为政府数据开放与数字化转型的先发之地。浙江省具有良好的数字化基础与技术水平，不仅重视政府数据资源开放的深度和广度，而且还进一步关注开放数据的应用，以举办政府数据开放创新应用大赛的形式，鼓励公众以个人、企业或社会组织为单位，依托政府数据开放平台所提供的数据集，参与数据的创新应用，实现了对于数据的二次开发和深度挖掘，促进政府数据与社会数据深度融合，进一步激发公众对于开放数据的使用需求。

组态三为技术-数据-生态优化型。该组态路径表明，以高数据标准化水平、高技术水平和低度统筹协调为核心条件，互补低开放者能力、高开发者水平和低使用者需求为边缘条件的组态，可以产生政府数据开放高绩效。这表明对于数据标准化程度高的省份，即使省内没有及时进行统筹协调，也能够通过优化数据开放生态系统，实现政府数据开放高绩效。属于组态三的典型省份为四川。虽然四川省大数据中心成立较晚，并且省内政府数据开放统筹协调程度较低，但是四川省在《中国地方政府数据开放报告》的省级排名稳步提升。这是由于在没有国家政策和资金倾斜的条件下，四川省大数据中心将工作重心放在优化数据开放生态上，不仅结合国内外相关指标体系对本省总体情况进行分析评估，还制定了《四川数据开放指数报告》，明确了四川政府数据开放在数据容量、数据范围和数据格式等数据标准化方面的具体要求。同时，四川政府数据开放平台一直致力于以技术优势进行优化升级，促进数据在部门间流动与社会化利用。因此，四川省凭借优质数据和高水平技术，为政府数据营造出良好的开放生态，实现政府数据开放高绩效。

组态四为技术-数据-反向激励型。该组态路径表明，以高数据标准化水平、高技术水平和低度统筹协调为核心条件，互补以低开放者能力、高开发者水平、高使用者需求和国家级试点为边缘条件的组态，可以产生政府数据开放高绩效。这表明对于技术水平高、数据标准化水平高的国家级试点省份，可以通过激发开发者水平和使用者需求实现政府数据开放高绩效。属于组态四的典型省份为天津市。作为国家大数据综合试验区，天津市深入推进国家大数据战略的落地实施，一方面，围绕边缘计算芯片、智能控制算法和认知计算框架等关键技术展开重大专项研究。另一方面，通过搭建数据开放平台、组建大数据产业联盟和协会、健全数据安全保障体系等一系列举措，在数据质量、数据数量、数据规范和开放范围等方面实现政府开放数据的标准化，反向激励数据开发者和数据使用者，从而达到提升政府数据开放绩效的目的。

4.3 稳健性检验

QCA研究的稳健性分析通常包括调整一致性阈值、调整校准点、调整变量的赋值方式以及调整案例频数等方法。首先，本文将PRI一致性阈值提高至0.85。对省级政府数据开放绩效的组态进行稳健性检验发现，新模型的4个组态与原模型的组态完全一致，说明研究结论较为稳健。其次，进一步使用“最小值-均值-最大值”设定校准点。必要条件分析结果无明显变化，条件组态分析结果在案例覆盖率方面存在细微差异。因此，可以判断本文的结论基本稳健。

5 研究结论与政策建议

5.1 研究结论

本文在传统信息生态系统基础上，构建了政府数据开放的“全景-组态”理论分析框架，通过对政府数据开放系统生态链条上的数据开放者、数据开发者、数据利用者与数据、技术和环境等生态因子的互动及联动匹配模式分析，解释了政府数据开放绩效的影响因素和实现路径。根据对全国31个省级政府案例样本的定性比较分析，得出如下研究结论：

实现省级政府数据开放高绩效有两种路径，即单因素路径和多因素组合路径。在单因素路径中，技术水平和数据标准化是省级政府数据开放核心生态因子，构成了省级政府数据开放高绩效的必要性条件。多因素组合路径有四条，可归类为技术-统筹-资源倾斜型、技术-统筹-社会驱动型、技术-数据-生态优化型和技术-数据-反向激励型。

组态一和组态二都以高度统筹协调和高技术水平为核心条件。在边缘条件上，组态一体现了国家资源倾斜的作用，而组态二则体现了社会驱动的功效。这两种路径表明，地方政府如果在省级层面突破管理制度差异和信息化技术壁垒，进行有效的顶层设计统筹和数字化技术水平提升，能够在其他条件不充分的情况下，以清晰的责任主体和职能设计为基础，依托数据开放高技术水平获得高绩效，为政府数据开放的纵深推进提供有力支撑。

组态三和组态四都以高数据标准化水平和高技术水平为核心条件。在边缘条件上，组态三体现了数据开放系统的生态优化作用，而组态四则体现了技术的反向激励功效。该路径表明，高水平数据标准化能够以易于人可读或机器可读的方式，为多源数据集的数据孤岛间建立链接；而高技术水平能克服政府数据开放关键性技术障碍为数据访问、数据存储和数据处理等方面提供支持，两者相辅相成，为政府数据开放取得高绩效提供动力。

研究结论表明，省级政府数据开放绩效是多重条件共同作用的结果，不同“条件组态”会直接影响省级政府数据开放绩效。这一研究结论在理论层面上是对单一研究视角的补充，为进一步推动全景研究视角提供新的素材；在实践层面也能为省级政府提升数据开放绩效提供决策依据，即省级政府提升数据开放绩效，不仅要关注提升政府数据开放绩效的核心条件，还要考虑如何配齐特定组态条件下的边缘条件。

5.2 政策启示

第一，优化省级政府数据开放生态系统，必然会对提升政府数据开放绩效起到助推作用。因此省级政府在制定数据开放政策时，应该立足各省现有条件禀赋，在“整合性理论视角”下强化省级层面的协同统筹，着力于多主体和多重条件之间适配。同时，重视政府数据开放生态系统的关系治理，充分激发系统整体性功能，以“统一、整合、集约、共享”等方式，从全局视角系统性谋划，形成与数字政府发展战略相协调的组织架构体系、数据管理体系、标准规范体系、业务发展体系和政策法规体系。

第二，国家应针对不同类型的省级政府精准施策，提供差异化的政策支持。由于存在多条等效路径产生政府数据开放高绩效，因此政策制定和实施均要在考虑已有资源禀赋基础上，对标省级政府数据开放高绩效的四种组态路径，客观评估对应组态路径下的生态因子，通过政策措施有针对性地进行力量调整，从而实现省级政府数据开放高绩效。

第三，政策制定应关注四种组态路径下的核心生态因子，着重体现“技术”和“数据”的关键性作用，把技术创新和数据标准化作为突破口，以技术扩散和数据互通的优势，在保障安全的前提下有效推动政府数据开放力度，释放政府数据的经济价值和社会效应。一方面，支持“信息公开”、“数据网站”、“数据门户”、“数据平台”和“数据生态”等数据开放领域的技术研发创新，与建立需求导向的专业人才培养和信息技术发展联动机制的政策要同步推进；另一方面，以标准化建设为“突破口”，从数据全生命周期视角建立健全数据管理标准规范，提高共享数据的完整性、同源性、时效性、可用性。统一的数据标准不仅能提高数据使用效率，而且为数据互通提供可能，挖掘数据自身和数据互通的价值，从而提高政府数据开放绩效。

5.3 局限性

本研究也存在一些局限性。定性分析中的省级政府“统筹协调”条件，仅针对该省在政府数据开放工作中相关政策发布的数量和频次，与该省整体赋能、协调、规范等综合性统筹协调能力不直接相关。而且本文对政府数据开放生态系统与省级政府数据开放绩效的讨论是在静态意义上的，没有考虑政府数据开放生态系统的动态演化。今后可引入TQCA，深入挖掘政府数据开放生态系统的演化对政府数据开放的影响，进一步提高结论的稳健性。本文初步对中国31个省级政府数据开放绩效进行跨案例组态分析，后续将对典型案例进行深入研究，进一步挖掘政府数据开放的内在机制。