APP下载

政府数据共享话语下首席数据官制度研究

2023-03-17华子岩

关键词:首席政府制度

华子岩

(东南大学法学院,南京 211189)

大数据时代,数据的资源性已成为世界各国的普遍共识。 政府数据共享作为开发数据深层价值、增益数字政府建设、提高政府执政能力的重要制度正面临着数据质量差、数据处理难以及数据安全难以保证等实践难题。 与此同时,首席数据官作为因应大数据时代数据管理需求的复合型人才被引入数字政府建设中来。 由此,首席数据官便与政府数据共享联结起来。 不少地方还出台了首席数据官制度建设实施方案,用以完善政府数据共享协调机制。 但是,作为一项新制度,国内关于首席数据官的实践探索刚刚起步。 面对政府数据共享实践呈现的多维困境,首席数据官应用于政府数据共享的正当性以及风险应对等一系列问题亟待回答。 有鉴于此,本文在梳理首席数据官制度沿革与国内实践的基础上,归纳“单一中心”模式下中国政府数据共享面临的实践困境,进而对首席数据官赋能政府数据共享加以证成,并针对可能产生的风险提出规避建议。

一、首席数据官的发展沿革与国内实践

(一)历时态视角下首席数据官制度的发展沿革

20 世纪末,计算机的快速发展使企业的数据量陡增,形成了数据管理和利用的初始需求。 为了提高数据质量,发掘海量数据资产的深层价值,首席数据官(Chief Data Officer,CDO)作为一种数据管理岗位,在金融、电子商务等拥有大数据库的企业中率先被设立起来。

1991 年,美国M & T Bank(制造商和贸易商银行)公司设立了世界上第一个首席数据官岗位,拉开了首席数据官在私营企业中发展的大幕。随后,美国Capital One 公司、雅虎公司分别在2002 年和2005 年设置了首席数据官岗位处理企业事务。 可以说,首席数据官设立之初便确立了管理和利用企业数据的职能定位。 作为企业的高级管理者,首席数据官不仅要负责提升数据质量、挖掘数据价值等微观事项,还要对接企业数据结构、数据战略等宏观事务,把握企业发展总体方向。 在“一切业务数据化”的数字企业发展时代,首席数据官作为“大数据领导”[1],已成为现代企业发展的重要制度设计。 根据New Vantage Partners发布的《2020 年大数据高管调查》,发现超过半数的世界500 强企业已经设立了首席数据官岗位[2]。

鉴于首席数据官在私营企业发展过程中体现出的重要功用,政府部门开始尝试设置首席数据官岗位,将首席数据官制度引入公共行政领域。由此,首席数据官分化为政府首席数据官和企业首席数据官两种类型。 职是之故,政府首席数据官的出现略晚于企业首席数据官。 2009 年,美国科罗拉多州设立了第一个政府首席数据官岗位。随后,芝加哥在2012 年颁布的《开放数据行政命令》中明确提出应设立政府首席数据官,并对政府首席数据官的定义、任职以及在政府数据开放共享中的职责作了具体规定①参见《开放数据行政命令》(Open Data Executive Order)(No. 2012-2)。。 在联邦层面,美联储等国家部门也相继设立了政府首席数据官岗位。 正如ViON Corporation 调查研究指出的那样,“首席数据官正在改变联邦大数据游戏格局——与没有CDO 的联邦机构(40%)相比,69%拥有CDO 的联邦机构在管理大数据方面更容易取得成功”[3]。 法国2015 年设立了欧洲第一个政府首席数据官。 随后,英国、澳大利亚、新西兰等国家也先后在国家层面或政府部门层面设立了政府首席数据官岗位。

(二)共时态视角下首席数据官制度的国内探索

随着大数据在中国经济社会各领域的深入应用和数据量的急剧增长,数据管理的重要性日益显现。数据资产化管理和数据驱动决策成为未来政府部门工作和企业快速发展的核心竞争力之一。 中国关于首席数据官制度的探索也由此展开。

相比欧美国家,中国近几年才正式展开对首席数据官制度的探索。 2020 年12 月,江苏省工业和信息化厅印发的《江苏省工业大数据发展实施意见》明确提出,要“推动具备条件的企业设置首席数据官(CDO),制定并实施企业数据管理战略,组织开展数据管理能力自评估、自诊断、自对标,持续提高数据管理能力”。 随后,江苏省工业和信息化厅又印发了《关于在全省推行企业首席数据官制度的通知》,率先在全国开启了第一批企业CDO 制度试点工作。 中国关于政府首席数据官制度的探索则首先从广东开始。 2021 年4月,广东省人民政府印发的《广东省首席数据官制度试点工作方案》(以下简称《工作方案》)指出,广东省应以“推进数据要素市场化配置改革为契机,在有条件的地区和部门试点建立首席数据官制度”,自此正式拉开了中国对政府首席数据官探索的序幕。 随后,广东省选取了广州、深圳、珠海、佛山、韶关等10 个地市以及省公安厅、省人社厅、地方金融监管局等6 个省直部门作为首席数据官建设的第一批试点。 截至目前,政府首席数据官制度已在全国各省市政府(部门)全面建设开来,上海静安②参见《静安区建立首席数据官制度实施方案》。、江苏常州③参见《常州市首席数据官制度建设实施意见》。、浙江绍兴④参见《绍兴市首席数据官制度》。、广东中山⑤参见《中山市首席数据官制度试点工作实施方案》。、安徽滁州⑥参见《滁州市人民政府办公室关于进一步建立健全政务数据共享协调机制加快推进数据有序共享工作的通知》。、辽宁沈阳⑦参见《沈阳市推行首席数据官制度工作方案》。、广西南宁[4]等省市区均出台了建立首席数据官制度实施方案(实施办法)。 目前,政府首席数据官制度已经成为各地政府推进数字政府建设、提高政府数据共享广度和深度的重要举措。

政府首席数据官与企业首席数据官并不完全相同。 企业首席数据官作为私营企业主体的岗位设置,首要目标在于通过开发和利用数据实现经济增益,并通过数据分析为企业发展提供数据支撑,其整体以私利益为逻辑导向。 而政府首席数据官作为公共行政部门的岗位设置,除了通过开发和利用数据助力行政部门实施公共行政管理之外,更强调政府数据的开放与共享,关注如何通过数据开放提升公众的生活质量⑧譬如,芝加哥市首席数据官办公室的使命是“利用数据改善城市居民生活质量,提高城市运营效率”。 参见芝加哥《开放数据行政命令》。以及保障城市数据发展的安全等问题,其整体以公利益为逻辑导向。 本文以政府首席数据官为研究对象,探索首席数据官制度在政府数据共享中的应用问题。

二、“单一中心”模式下中国政府数据共享面临的实践困境

2015 年8 月,国务院印发的《促进大数据发展行动纲要》(以下简称《纲要》)指出,应依托政府数据统一共享交换平台,推进公共机构数据资源统一汇聚工作,加快各地区、各部门、各有关企事业单位及社会组织信用信息系统的互联互通和信息共享。 以科层制为基础的一元化权力结构下,中国政府机关处于社会秩序体系的核心地位。因此,政府部门间的数据交流共享,必然也发生在这一以等级制度为秩序规则的权威阶梯体系之中[5]。 在此背景下,中国形成了以政府数据统一共享交换平台为轴心的“单一中心”政府数据共享模式。 但是,囿于观念、技术、业务以及管理等因素的影响,中国政府数据共享实践面临诸多难题。

(一)政府数据共享前端的数据质量难题

政务数据资源整合共享是建设数字政府的基础性工作,这就对政府数据的质量提出严格要求。然而,当前政府数据质量畸低已成为掣肘政府数据共享的重要因素[6]。 这主要表现在以下三个方面:

第一,政府数据准确性欠佳。 政府数据前期处理不当,导致原始数据和衍生数据的质量大打折扣。 譬如,在对原始数据的前期查验筛选阶段,囿于政府行政部门技术能力的差异,呈现出对原始数据“粗略查验”和“过度筛查”的两极分化局面,导致出现有效数据被误删,无效数据、脏数据、死数据、不完整数据等“问题数据”无法及时更正等问题,降低了政府数据的准确性,使得数据画像的总体效果以及数据质量大打折扣[7]。

第二,政府数据时效性不足。 数据时效性是判断政府数据质量的重要标准,而政府数据更新频率又是衡量数据时效性的重要指标。 实践中,政府部门对数据库建设的更新意识有待提高,政府数据时效性不足已成为限制政府数据共享的桎梏。 大数据时代,数据具有流动性强、迭代速度快的基本特征,数据更新的难度使行政机关工作人员疲于应对,出现了“一些系统中的数据只有导入记录,不见更新记录”[8]的情况。

第三,政府数据关联性不高。 数据关联性作为评判数据质量的重要标准,是单个数据在应用场景、数据属性以及内在关系等方面与其他数据之间的关联应用,对衍生数据深层价值的挖掘具有重要意义。 但实践中,政府数据存在数据碎片化倾向,数据间缺少数据链接;数据关联错误、死链接、坏链接、链接断开的现象所在多有[9]。 此外,由于实践中往往以政府的数据存储量作为衡量标准,因此出现了政府部门过于强调数据量而造成无效数据堆积的现象。

(二)政府数据共享过程的数据处理难题

数据共享过程是政府数据共享的核心环节。数据共享过程不仅需要数据共享部门间基于信任产生的主观共享意识,还需要共享部门通过数据处理,在数据存储格式、数据传输方式等客观共享方式上密切配合。 目前,中国政府数据共享在数据处理方面同样面临难题。

第一,政府数据共享主体间的独立性、分散性导致数据格式一致性不高。 科层体制下,政府部门之间的条块分割组织结构使政府数据共享主体间相互独立,“各管一块、各管一段”成为各部门实现职能的基本形态[10]。 由此导致的结果是,不同部门在数据标准以及数据存储格式方面呈现异构性,数据共享部门提供的数据如不经转换、核验或对账等加工处理无法被数据接收部门直接应用,致使数据接收部门再次陷入“原始数据收集”的循环之中。 我们知道,大数据决策应用倚靠的底层技术逻辑是在海量关联数据的基础上形成概率性最优决策,这便与目前政府数据共享主体的分散化导致数据一致性不高的客观情况形成抵牾。

第二,政府数据共享主体间缺乏互通互信互享的协作机制致使数据共享效果不佳。 政府机关通过与其他部门共享数据,“将分散的数据整合,防止欺诈与滥用,并减少管理成本”,并为政府部门大数据决策提供数据支撑,提高政府部门行政决策的科学性、合理性,助力政府部门作出最优决策[11]。 研究表明,政府部门间信任度与政府部门间信息共享度呈正比例关系[12]。 但是,由于缺乏互通互信互享协作机制,使政府数据共享部门间的信任壁垒不消反增,影响政府数据共享。 一方面,信任壁垒导致政府部门“不愿共享”。 在政务领域,政府部门收集的部门数据作为一种部门资产具有稀缺性,数据共享可能造成部门权力削弱甚至流失的后果[13]。 另一方面,信任壁垒导致政府部门“不敢共享”。 由于部门间技术水平能力的差异,客观上导致数据存储和传输不畅的同时,也导致协同主体(即不同政府部门)出于对自身数据安全的考虑而选择退出协同过程或降低在该协同过程中的积极共享行为,陷入“不敢共享”的困局。

(三)政府数据共享后端的数据安全难题

与数据主体隐私权益保护间的价值冲突平衡一直是困扰政府数据共享的难题[14]。 在生活数字化、公式化背景下,大数据技术利用零散数据进行分析整合,几乎可以完成对政府行为以及个人行为的完整画像。 这在增益政府公共行政作出政府决策的同时,也使数据主体面临安全风险。 在此背景下,政府数据共享完成后的数据安全保障和退出机制就显得尤为必要。 但遗憾的是,现阶段中国政府数据共享在数据安全保障机制建设方面仍有不少问题。

第一,以政府数据统一共享交换平台为轴心的政府数据共享模式存在安全隐患。 从某种程度上讲,政府数据的安全性很大程度上依赖政府数据统一共享交换平台的安全保障。 一旦中央数据库出现单点故障,整个数据库就将陷入数据泄露的风险,进而导致以中央数据库为基础的应用宕机并陷入数据安全危机[15]。

第二,缺乏整体的风险评估机制导致无法应对数据关联分析背后的安全风险。 如上所述,中国政府数据共享是以具体政府工作部门为基本单元展开的,各政府部门在共享过程中具有独立性。因此,各部门对数据共享后的风险评估也是独立进行的,并未形成整体的风险评估机制,从而无法在整体层面应对数据关联分析带来的安全风险。比如,政府数据接收部门的用途控制是保障数据安全的重要方面。 实践中,可能出现因同一需求向多个政府部门申请共享数据的情况,致使数据之间“相互融合关联引发新的隐私泄露”。 但由于缺乏整体的评估和监测系统,政府部门之间无法形成有效的数据联动沟通,难以及时对此类数据剽窃行为进行有效控制,因此无法规避数据共享后的隐私泄露风险。

第三,现行评估机制在应对数据再识别风险方面力有不逮。 尽管政府在将涉及个人信息的数据共享之前往往会进行匿名化处理,但通过与关联数据进行核验、比对分析,便可运用再识别技术完成对数据主体的精准画像,进而威胁数据主体的隐私安全。 譬如,美国数据分析公司hiQ Labs公司就曾利用爬虫技术抓取大量数据包,并利用大数据挖掘技术对零散数据进行关联分析,“将碎片化的静态单元数据通过时空整合的信息拼图,形成网状化的动态模块数据”[16],从而将零散的个人数据叠加形成精准的数据画像。

三、首席数据官赋能政府数据共享的逻辑基点及其风险

面对政府数据共享实践中暴露出的数据质量、数据处理及数据安全难题,首席数据官作为大数据时代因应数据管理诞生的产物,可以助力解决政府数据共享面临的实践困境。 当然,首席数据官作为一项新制度,同样存在不确定风险。

(一)首席数据官赋能政府数据共享的逻辑基点

第一,首席数据官与中国政府数据共享的政策导向相契合。 中国关于政府部门间数据共享的探索肇始于20 世纪末。 1994 年,国家测绘局发布的《行政法规、规章和我国重要地理信息数据发布办法》指出,国家测绘局可以通过发布令的形式向其他政府部门发布共享我国重要地理信息数据,这是我国第一部具有政府数据共享导向的规范性文件,我国政府部门间的数据共享探索也自此拉开序幕[17]。 但是,直到2013 年《关于进一步加强政务部门信息共享建设管理的指导意见》(以下简称《意见》)发布,中国政府数据共享才得以实质性展开。 《意见》提出了推进信息共享的总体任务,要求“建立健全政务信息共享机制,强化部门协同配合……实现国家信息资源库的基础信息在政务部门间的普遍共享,实现国家信息资源库和重要信息系统的业务信息在相关政务部门间的协议共享”①参见《关于进一步加强政务部门信息共享建设管理的指导意见》(发改高技〔2013〕733 号)。。 2014 年,《国务院办公厅关于促进电子政务协调发展的指导意见》指出,电子政务已经深入到我国社会经济发展的各个领域,为了统筹电子政务协调发展,应当加强信息共享、业务协同能力建设②参见《国务院办公厅关于促进电子政务协调发展的指导意见》(国办发〔2014〕66 号)。。 随后,2015 发布的《纲要》直接将政府数据共享上升至国家战略层面,要求各级政府大力推动政府部门间的数据共享,加快政府信息平台整合。 可以看出,加快数字政府建设,推进政府信息系统和公共数据互联共享已经成为国家基础性发展战略。

以数据体量大、复杂性高和生产速度快为特点的“大数据”(Big Data)时代已经来临。 首席数据官作为因应大数据时代数据管理需求产生的岗位设置,与大数据时代中国政府数据共享的政策导向相契合。 其实,大数据本质上是一个管理问题而非技术问题。 在中国大力发展大数据产业的政策导向下,首席数据官赋能政府数据共享具有逻辑正当性。

第二,首席数据官的职责定位与政府数据共享建设相匹配。 梳理发现,各省市关于建设首席数据官制度的政策文件将推进政务数据共享工作作为首席数据官建设的重要职责。 比如,广东省《工作方案》在制定目的部分就指出,推动实施首席数据官制度的目的之一就是为了“完善政务数据共享协调机制”①参见《广东省人民政府办公厅关于印发广东省首席数据官制度试点工作方案的通知》(粤办函〔2021〕63 号)。。 江苏常州市发布的《常州市首席数据官制度建设实施意见》在工作目标部分也指出,首席数据官的工作目标之一就是“更加有力推动数据共享开放和开发利用”②参见《常州市首席数据官制度建设实施意见》。。 此外,在首席数据官的具体职责上,统筹数字化建设,赋予对本级政府或本部门信息化项目建设是否符合数据资源治理和共享要求的“一票否决权”;推进数据融合创新应用,支持多领域数据的联通共享以及推进政府数字化转型,促进数据资源汇聚、共享、开放与开发利用等职责都与推进政府数据共享建设工作相匹配。

第三,首席数据官能够有效应对政府数据共享面临的现实难题。 中国政府数据共享困境的症结在于现行政府数据共享模式的结构性失能③结构性失能是指政府数据统一共享交换平台在现行政府数据共享模式中仅扮演存储、传输等基础性角色,这种单向度的封闭式的中心数据库无法联结数据提供者与数据利用者沟通交往与统筹协调。。政府数据统一共享交换平台作为单向度的封闭式中心数据库,在联结数据共享双方交流沟通方面尽显乏力,导致政府数据共享双方无法形成有效沟通。 首席数据官则可以作为一种结构性的交往对话平台,嵌入政府数据共享当中,向上反馈数据利用者共享数据的请求,向下传输数据提供者对共享数据的安全要求,充当数据共享主体间交往沟通的桥梁。 由此,政府数据共享面临的结构性困境便可得以消解。 具体而言,一是面对政府数据共享前端的数据质量难题,首席数据官可以提供技术支撑,增强政府数据的准确性、时效性和关联性;二是面对政府数据共享过程的数据处理难题,首席数据官可以通过充当交往对话平台,打破政府部门间的信任壁垒,解决数据处理难题;三是面对政府数据共享后端的数据安全难题,首席数据官可以通过传递数据共享部门的安全需求和监督数据使用部门的数据利用情况,达到保障数据安全的效果。

(二)首席数据官赋能政府数据共享的潜在风险

首席数据官作为新制度在解决既存问题的同时也可能带来不确定风险。 首席数据官制度的不确定风险可划分为“人”的不确定风险和“制度”的不确定风险两类。

第一,“人”的不确定风险。 一方面,由行政部门副职领导担任首席数据官可能带来不确定风险。 研究发现,政府部门参与政府数据共享的主动性与部门主要领导的态度密切相关[18],而领导对政府数据共享的态度又受到其教育层次、工作经历以及专业方向的影响。 据统计,“副厅级以上的高级别领导干部高度重视大数据,力推大数据研究与应用,而县处级及其以下的领导干部对大数据认识模糊”[18],而组织部、人社部等部门的领班人员相比其他部门更重视数字政府建设。 可以说,由行政部门副职领导担任首席数据官的规定将政府数据共享的工作效果与首席数据官的经历、喜好等主观态度绑定起来,导致“人”的不确定风险剧增。 另一方面,由领导人员“兼任”政府首席数据官也可能带来不确定风险。 具言之,“兼任”意味着领导人员在履行首席数据官数据管理职责的同时,还需分管行政部门的其他事务。在行政部门分管事务和政府数据管理工作等多重压力下,领导人员“兼任”政府首席数据官的模式能否满足政府数据共享的工作要求存疑。

第二,“制度”的不确定风险。 一是评价考核制度不健全导致首席数据官履职存在不确定性。从各地颁布的首席数据官建设工作方案来看,建立首席数据官的评价考核机制已成为共识。 但是,在实施层面,工作方案为开展评价考核提供的制度供给不足,现有规定多为宣誓性、概括性规定,并未规定首席数据官评价考核机制的实际操作步骤。 因此,评价考核机制的不完整成为首席数据官履职的不确定因素。 二是人才保障体系不完善导致首席数据官履职能力存在不确定性。“人是数字化转型中最关键的问题”[19],人才保障是首席数据官能够赋能政府数据共享的核心。 实践中,政府首席数据官的选任存在技术倾向或管理倾向的偏执。 要么选任技术性人员试图打造技术型数据官,要么直接将分管大数据发展的领导任命为首席数据官,打造管理型数据官。 这种两极分化的选任模式使首席数据官功能发生异化,无法达到赋能政府数据共享的预期效果。 其实,造成此种局面的深层原因在于人才保障体系不完善,复合型数据资源管理人才培养制度缺位才是使首席数据官履职面临不确定风险的根本原因。

四、首席数据官赋能政府数据共享的风险规避

为了消解首席数据官在赋能政府数据共享过程中的不确定风险,应当有针对性地施以制度保障。法律规范文本作为制度实践前提,应先通过完善法律规范将首席数据官纳入法治轨道。 在此基础上,通过建立人才体系和评价考核制度实现风险规避。

(一)完善法律规范实现政府数据共享风险规避

“法律的基本作用之一乃是使人类为数众多、种类纷繁、各不相同的行为与关系达致某种合理程度的秩序,并颁布一些适用于某些应予限制的行动或行为的行为规则或行为标准。”[20]因此,应完善首席数据官法律规范,为展开制度设计提供规范保障。

第一,应以规范性文件的形式明确首席数据官赋能政府数据共享工作的法律规范依据。 从各地的首席数据官制度建设实施方案来看,主要内容涉及首席数据官制度建设的指导思想、主要目标、主要任务以及保障措施等多个方面。 政府首席数据官视域下,政府部门间的数据共享仅是首席数据官工作职能的一部分。 因此,为了更好地开展政府数据共享工作,各地市应颁布首席数据官赋能政府数据共享工作方案或为实施方案提供规范保障。 需要明确的是,政府(部门)规范性文件应在《国务院办公厅关于建立健全政务数据共享协调机制加快推进数据有序共享的意见》(国办发〔2021〕6 号)、《国务院办公厅关于印发全国一体化政务大数据体系建设指南的通知》(国办函〔2022〕102 号)等相关政策性文件的规范内制定,不得与其冲突。

第二,工作方案或实施方案应明确首席数据官赋能政府数据共享的领导组织架构、职权分配、实施细则以及评价考核等内容。 如前所述,“人”的不确定因素和“制度”的不确定因素带来的不确定风险是首席数据官赋能政府数据共享面临的主要风险。 因此,工作方案或实施方案作为具象化的实施操作手册,应在规范层面明确首席数据官在政府数据共享具体推进工作中的职责、开展工作的流程、主要工作内容以及履职考核等事项。譬如,湖南岳阳就发布了《岳阳市首席数据官绩效考核暂行办法》,用以指导对首席数据官工作进行履职考核①参见《岳阳市首席数据官绩效考核暂行办法》。。 除此之外,工作方案还应当明确政府数据申请部门和政府数据提供部门的规范性操作程序,毕竟“程序的实质是管理和决定的非人情化,其一切布置都是为了限制恣意、专断和过度的裁量”[21]。 明确操作程序可以最大限度地实现政府数据共享目标。

(二)建立人才保障体系规避“人”的不确定风险

首席数据官制度本质上是“人”的制度,因此“人”的不确定因素带来的风险是首席数据官面临的主要难题。 对此,可从人才选任、人才培养与人才储备三个维度建立首席数据官的人才保障体系,以规避“人”的不确定风险。

第一,在人才选任方面,应选任“懂业务、懂技术、懂管理”的复合型数据资源管理人才。 如上所述,目前首席数据官选任存在技术倾向或管理倾向偏执。 一般而言,作为行政部门的副职领导,在业务能力上以统筹协调、居中调度以及风险决策等管理能力见长。 因此,由传统行政部门领导担任的首席数据官对政府数据共享行为这一技术性事项的增益略显单一化。 与之相对的,当技术人员担任首席数据官时,则被要求在数据提供部门与数据利用部门之间斡旋调和,难度可想而知。 政府数据共享视域下,首席数据官既应当具备数据共享方面的业务经历,又应当了解或掌握数据存储、数据传输以及数据监管等方面的技术手段,同时,还应当具备管理协调能力,可以承担数据提供部门与数据利用部门间的沟通对话交流。 因此,应以数据管理为核心技能,综合技术、决策等多方面因素,选任“懂业务、懂技术、懂管理”的复合型数据资源管理人才。

第二,在人才培养方面,应以技术性人才为基础培养复合型人才。 伴随着各省市推进首席数据官制度建设的文件颁布,中国随之迎来了首席数据官制度的建设浪潮。 但是,人才培养并不是一蹴而就的。 由此,急速扩张的首席数据官人才需求便与既有体量畸小的人才储备形成巨大逆差。为了调和二者之间的张力,应以技术性人才为基础,培养首席数据官的综合能力。 具体而言,可以从主管政府数据共享业务的部门领导中挑选技术性人才,培养其大数据思维以及大数据管理理论与方法。 可以以地市为单位建立首席数据官人才培训班,通过集中学习的方式增加数字政府建设的政策、法律法规以及技术安全等知识的储备。

第三,在人才储备方面,应建立以政府数据共享供给为导向的人才储备机制。 从域外国家首席数据官建设的经验来看,人才储备是制度建设的重要面向。 譬如,美国《大数据研究与发展计划》就明确要求应“扩大从事大数据技术开发和应用的人员数量”,用以满足大数据发展的基本需求①参见美国《大数据研究与发展计划》。。 英国在学校教育的学科培养和课程设置中有意设置数据管理相关的学习。 因此,中国应建立面向政府数据共享的首席数据官人才数据库,通过与高校科研机构、高新技术企业建立合作关系拓宽人才数据库的供给渠道。 在任职保障上,应给予人才数据库成员在任职首席数据官上适当的优惠政策,助力构建满足政府数据共享需求的首席数据官人才储备体系。

(三)建立评价考核体系规避“制度”的不确定风险

评价考核是确保首席数据官尽责履职和检验履职效果的必要手段,也是明晰首席数据官赋能政府数据共享问题、提高政府数据共享质量的有效路径。 从本质上讲,对首席数据官进行评价考核其实就是对其工作完成“好不好”的评价。 因此,应当以首席数据官赋能政府数据共享的效果为导向建立评价考核体系。 在具体落实上,以效果为导向的评价考核体系应遵循客观指标与主观指标相结合、内部考核与外部评价相结合的基本原则,同时辅之以特殊事件评价机制[22]。

第一,应以客观指标与主观指标相结合的原则设置评价考核指标。 首席数据官赋能政府数据共享的效果可以区分为主观效果和客观效果两部分。 主观效果指的是数据利用部门和数据提供部门对首席数据官工作的主观满意度。 客观效果指的是首席数据官履职工作的客观结果,是对制度实践客观结果的评价[23]。 在客观指标与主观指标的内容设置上,客观指标应包含首席数据官的选任、培养、储备等制度是否健全,赋能政府数据共享工作开展是否流畅,是否严格遵循工作流程等内容。 主观指标则可通过对首席数据官制度设计、政府数据存储、传输以及监管等工作的满意程度予以体现。

第二,应以内部考核与外部评价相结合的原则设置评价考核方式。 内部考核方面,可以建立首席数据官定期述职报告制度,要求首席数据官对特定时期内政府数据共享的基本情况、创新设计以及安全保障等情况进行汇报,由本级或上级数字政府建设工作领导小组对述职报告进行考核。 外部评价方面,可以邀请第三方评估机构依据政府数据共享政策文件的要求设置评价指标,对首席数据官赋能政府数据共享工作进行评价。

第三,应构建首席数据官履职的特殊事件评价考核机制。 特殊事件评价考核机制是指在客观指标与主观指标之外,设置首席数据官履职评价的特殊指标,此类指标主要考评是否出现对政府数据共享工作造成重大影响的事件。 比如,在首席数据官履职期限内,是否出现造成重大负面影响的政府数据泄露事件,是否出现被新闻媒体广泛报道并引起良好社会反响的重大创新举措等。针对负面特殊事件,应设置“一票否决”机制,认定首席数据官履职不合格;针对正面特殊事件,应设置“附加分”机制,在首席数据官原有分值的基础上添加“附加分”,然后作出履职等级认定。

结 语

大数据时代,通过政府数据共享提高政府部门数据的利用价值已成为世界各国的一致做法。首席数据官制度的引入为政府数据共享注入了新的活力。 在“单一中心”模式下,中国政府数据共享实践面临着诸多困境,如政府数据共享前端的数据质量难题、政府数据共享过程中的数据处理难题以及政府数据共享后端的数据安全难题等。首席数据官作为大数据时代因应数据管理诞生的产物,既符合中国数字政府发展的政策导向,也与政府数据共享建设工作要求相匹配。 与此同时,首席数据官还可以助力解决政府数据共享面临的实践困境。 但是,首席数据官作为一项新制度,面临“人”的不确定风险和“制度”的不确定风险。对此,应当通过颁布规范性文件的形式为首席数据官履职提供规范依据保障,并应通过建立人才保障体系规避“人”的不确定风险,通过建立评价考核体系规避“制度”的不确定风险。

猜你喜欢

首席政府制度
浅探辽代捺钵制度及其形成与层次
知法犯法的政府副秘书长
首席水管工
首席数据官
首席隐私官
签约制度怎么落到实处
构建好制度 织牢保障网
一项完善中的制度
依靠政府,我们才能有所作为
政府手里有三种工具