DIIS理论下地方政府数据治理政策的现状分析与提升策略

姚怡帆, 王珊珊, 许正中

(1.陕西师范大学 国家安全学院(政法与公共管理学院), 西安 710119; 2.北京市科学技术研究院(创新发展战略研究所), 北京 100089; 3.中央党校(国家行政学院) 经济学教研部, 北京 100091)

随着大数据等信息技术的快速发展和数字政府建设的深入推进,数据治理日益成为政府治理现代化的重点领域、重要议题和推动力量[1-2]。2022年6月22日,中央全面深化改革委员会第二十六次会议审议通过了《关于构建数据基础制度更好发挥数据要素作用的意见》,强调要维护国家数据安全,加快构建数据基础制度体系。党的二十大报告重申了加快建设数字中国的重要意义,表明了以新安全格局保障新发展格局的决心,明确指出强化数据安全在内的保障体系建设,折射出以数据培育新动能、用新动能推动新发展的重拳指向。作为提升数据治理体系和能力现代化的中坚力量,地方政府始终发挥着“先行先试”的重要作用[3],通过探索数据确权、数据安全、数据流通、数据交易等方面的政策建设,为完善中国数据治理的顶层设计提供了宝贵经验。

探讨政府数据治理的已有研究取得了相对一致的结论,即作为数据、技术和思维三重要素的综合体,政府数据治理的内涵较为丰富[4-5],通过重构政府内部机构与多元主体的协同关系,能够解决“数字孤岛”“数字确权”和信任构建等问题,有效推动政府服务朝着精准化、智慧化、数字化的方向发展[6-7]。从研究内容来看,学界主要聚焦于政府数据治理质量[8]、政府数据治理标准与体系[9-10]、政府数据治理影响因素[11]的探索,为不断以大数据推动政府治理现代化提供了学理支撑。公共政策是可被观测的政府意志、价值、思想的信息承载物,政府在对“数据化”所形成的数据空间治理的过程中,必然会通过公共政策来发挥效力,且政策内容的思路也反映了各个地方政府数据治理的现状以及面临的问题,一些学者已经强调了政策对治理效能的支持作用[12],从数据开放、数据共享、数据安全等政府数据治理的具体方面展开了分析,对政策内容体系建构[13]、利益相关者的政策协同[14]、演化过程及要素互动关系[15]、政策协同度[16]等方面进行了探索。在地方政府数据治理的政策体系方面,现有文献重点聚焦于政策注意力变迁与政策工具创新两个方面,明晰了地方政府数据治理在演变特征和内容领域的注意力配置差异[17],揭示了地方政府大数据治理与政策工具创新的内在一致性[18],为地方政府推进数据治理过程中各要素的协调适应提供了洞见。不过,既有研究成果主要集中在理论层面,有关数据治理政策的研究较为零散,在政府数据开放共享政策上着墨更多,缺少对中国政府数据治理政策体系的宏观判断与系统分析[19];大部分文献在总体框架构建上的创新性不足[20],缺少对政策效力维度的深入探索,研究方法较为单一,大多使用内容分析法,缺少来自定量分析结论的经验支撑。

基于上述研究缺口,本文将DIIS(data-information-intelligence-solution,数据收集-信息揭示-综合研判-形成方案)理论嵌入政府数据治理的政策研究,从政策目标、政策工具、政策效力3个维度解构中国15个副省级城市的政府数据治理政策体系,勾勒出当前中国地方政府数据治理的现实图景,完成对现有政策局限性的有效纠正,为建立健全新安全格局、提升地方政府数据治理体系和治理能力现代化提供思路。

1 DIIS理论下的研究思路与框架构建

1.1 DIIS理论下的研究思路

DIIS理论是潘教峰等[21]总结归纳所提出的一套适用于中国问题研究的理论体系,包括了研究过程、智库导向、方法工具3个维度,该理论强调对研究问题的宏观把握,建立了问题、过程与方法之间的联系,能够提供科学性、系统性、规范性的研究指导,实现了客观事实与科学方法之间的融合,具有“元方法”的重要价值和意义[22]。尝试跨学科应用DIIS理论主要是基于其较为完善且普适的理论分析框架,能够从整体视角对解构政府数据治理政策体系和厘清政策研究思路起到引导性作用,进而带来良好的分析效果。在实际操作中,研究过程维指导了全文的研究设计,智库导向维指导了政策分析框架构建,方法工具维指导了研究方法选择,研究思路如图1所示。具体而言:①研究过程维。按照DIIS的过程逻辑,从政策数据池构建、描述性统计、政策内容分析、优化策略提出4个步骤展开。②智库导向维。将问题导向、科学导向和证据导向依次与政策目标、政策工具和政策效力3个维度对应,构建了政策分析的三维框架。问题导向带来的启示是政策目标要充分反映政策制定者希冀达到的状态或结果;科学导向带来的启示是只有采用科学的政策工具,政策才有可能实现预期目标;证据导向带来的启示是政策优化策略的提出需要以政策效力评估结果为依据。③方法工具维。主要涉及包含内容分析法与PMC(policy modeling consistency,策略建模一致性)指数模型在内的综合研究方法。

图1 DIIS理论下地方政府数据治理的研究思路

1.2 “目标-工具-效力”三维分析框架构建

在DIIS理论指导下,构建了“目标-工具-效力”的三维分析框架,如图2所示。

图2 “目标-工具-效力”三维分析框架

1.2.1 问题导向维——政策目标

政策目标是指政策制定者预期达到的目的、要求和结果,是指导政策实施的行动准则。清晰、明确的政策目标能够为政策的执行与评估提供方向性的指导。通过对政策文本的逐一研读,选取标题为“重要任务”“主要任务”以及“主要方向”的内容作为政策目标分析的重点,共梳理出数据应用管理、数据服务创新、数据开放共享、数据安全保障、数据产业化与产业数据化5个方面的政策目标。

1.2.2 科学导向维——政策工具

政策工具可以被理解为政府为实现某项政策目标而采取的措施或手段,是政策目标与结果之间的桥梁。Rothwell和Zegveld[23]重点关注政策工具所指向的具体领域,根据功能属性将政策工具分为供给型、需求型和环境型3类。供给型政策工具主要是政府所采取的基础设施建设、信息技术支持、资金投入、人才培养、平台建设等措施。需求型政策工具主要是政府为拉动数据治理需求所采取的政府采购、公私合作、产业扶持等措施。环境型政策工具主要是为了优化政策环境,政府采取的包括目标规划、金融支持、税收优惠、管理措施、法规监管在内的措施。在此基础上,进一步将3类政策工具细化为13种具体类别,见表1。

表1 政策工具分类及其含义

1.2.3 证据导向维——政策效力

政策效力维度主要是对政策文本的内容有效性和一致性展开评价。政策效力越高,则说明政策设计越科学。对政策效力的评估有助于识别政策内容的薄弱环节,对政策的及时调整具有促进作用。张永安和耿喆[24]较早地将PMC指数模型引入政策效力评估领域,构建了政策效力评估指标体系,通过PMC指数值和PMC曲面图揭示各个政策的优势和劣势,为政策修订提供参考。PMC指数模型主要通过文本挖掘的方式获取原始指标数据,避免了研究者个人偏好和主观性对研究结果的影响,提高了评估结果的科学性和精确性。基于此,通过构建PMC指数模型完成对地方政府数据治理相关政策的效力分析。

2 数据收集

自2015年国务院印发《促进大数据发展的行动纲要》以来,越来越多的地方政府开始酝酿借助大数据提升政府公共服务的质量和水平。遵循中国大数据战略布局的客观规律,以2015年为起点,搜集15个副省级城市在2015—2022年发布的数据治理政策,步骤如下:①在地方政府官方网站上以“数字政府” “互联网+政务服务”“数据”“数字化”“信息化”为关键词进行检索,力求全面覆盖政府数据治理政策;②为了保证政策文本与研究问题的相关性,经过逐一研读选取了与政府数据治理主题相关度较高的政策文件,主要剔除虽然包含关键词但并非直接相关的政策文件;③为了获知政府数据治理的实质内容,选取了“意见”“方案”“通知”“计划”等规范性文件,剔除了“批复”“函”“复函”等文件;④为保证政策文本的完整性,在“北大法宝”以同样的检索词对政策文本进行了补充。通过系统的收集、整理和清洗,共收集到73份文件,最终筛选出64份有效文件。

3 信息揭示

3.1 政策文本编码

利用Nvivo20质性分析软件将政策文本按照“政策编号-具体条目”的方式进行顺序编码,如“31-5”表示编号为31的政策文件中的第5条,其余编码以此类推,整理出576个分析单元。需要说明的是,在编码的过程中如果某个政策分析单元包含了多个政策目标、采用了多条政策工具时,则对涉及的政策目标和政策工具类型进行重复计数,最终得到603个分析单元。

3.2 政策效力评价体系构建

PMC指数模型是一种实证分析方法。PMC指数模型可以通过构建多指标体系评价特定政策的一致性水平,并通过三维可视化空间构造的方法直观地展示政策的优势和不足。在具体操作过程中共包含4个步骤,分别是变量选取、多投入产出表建立、PMC指数计算和PMC曲面图绘制。在参考了学者们在指标体系建立常用做法的基础上,构建了地方政府数据治理政策PMC评价体系,共包含9个一级变量和29个二级变量,见表2。政策效力评价等级见表3。

表2 地方政府数据治理政策效力评价体系

表3 政策效力评价等级

在建立了PMC评价体系之后,首先需要通过文本挖掘的方式对待评价政策的二级变量进行赋值。如式(1)、式(2)所示,各个政策文本的二级变量取值范围是0或1。其次,根据式(3)分别计算出各个一级变量的数值,取值范围是0～1,其中,t为一级变量数量,j为二级变量数量。再次,根据式(4)计算出待评价政策文本总体的PMC指数值,其中PMC指数值满分为9分。最后,为了实现政策效力结果的可视化,直观地展现每个政策文本在不同指标上的表现,根据式(5)绘制PMC曲面图。

X～N=[0,1]

(1)

X={XR:[0,1]}

(2)

(3)

(4)

(5)

3.3 政策文本总体特征

总体来看,15个副省级城市在2015—2022年发布的政策数量随着时间的推移呈现出波动上升的趋势。党的十九大报告强调大数据与实体经济的深度融合,“十四五”规划明确提出了数据要素市场化建设要求,这使得2017年和2021年发文量屡创新高。这两次峰值的出现说明了地方政府所制定政策多为响应中央部署而下达的具体措施,体现了地方政府对中央政策精神的积极响应以及对数据治理工作的高度重视。另外,从政策类型上看,64份政策文本中,通知类最多,占比达76.56%,“意见”“条例”“规定”等类型的政策数量较少,分别占比14.06%、6.25%、3.13%,且2019年以来“条例”数量开始增多(表4),说明地方政府数据治理政策更加成熟完善,正在朝着规范、稳定、系统的方向发展。

表4 2015—2022年64份政策文本类型统计

4 综合研判

4.1 问题导向维度——政策目标

词频的统计结果能够揭示地方政府数据治理政策的趋势和侧重,反映出地方政府在推进数据治理过程中的工作重点。利用Nvivo20软件对15个副省级城市的数据治理政策文本进行词频统计,选取词频最小长度为2和3的关键词各500个分别绘制成高频词云图。高频词反映了地方政府推进数据治理的工作重点,字体越大代表其在政策文本中出现的频次越高。从图3(a)可以发现,除去“数据”“政务”“信息”等原生高频词外,“管理”“服务”“应用”“共享”等关键词也较为醒目,说明地方政府已经充分意识到了数据全流程治理的重要性,并将加强数据管理、提高数据服务、推动数据共享、保障数据安全、加强数据平台建设等作为推进数智治理的重要目标。从图3(b)可以发现,“互联网”“人工智能”等与技术有关的关键词较为突出,说明政府重视技术赋能数据治理创新的支撑作用。另外,“信息化”“数字化”“产业化”“智能化”“综合性”“标准化”等关键词也较为显著,说明当前政策为地方政府的政策执行提供了清晰、明确的技术路线。“服务业”等关键词出现较多,反映了政府对产业领域的重视,说明数据服务行业是实现数字化转型的重点和方向。

4.2 科学导向维度——政策工具

从时间维度看,2015—2022年,地方政府采取了多样化的政策工具(图4)。2016年,3种政策工具使用数量的差距最小,且需求型工具使用最多,说明相较于其他年份,2016年政策工具应用结构最为均衡,且重点通过需求拉动的方式实现政策目标。2017年后,3种政策工具的使用趋势相对一致,且供给型和环境型的使用频次始终高于需求型,说明地方政府仍倾向于使用直接提供资源供给和改善外部环境的行政手段实现政策落地,而需求拉动的作用仍有待提升,未来需加强对需求型政策工具的使用力度。

图4 2015—2022年3种政策工具使用频次的演进趋势

从表5可以发现,地方政府政策工具的内部结构不够均衡。首先,供给型政策工具中使用频率较高的是平台建设、信息技术支持和基础设施建设,占比分别为13.76%、13.27%、9.29%,但是有关人员调配、资金保障等的相关政策条目相对较少,特别是资金投入与支持方面,仅占3.98%,表明政府在资金保障和配置方面相对缺位。其次,需求型政策工具中使用频率最高的是产业扶持,占比为12.6%,表明数字产业的转型升级提升了政府对数据治理的关注度;政府采购的使用频次最少,占比0.66%,说明政府需要通过明确传达采购需求的信号,来强化政府采购支持数据治理政策的功能。最后,环境型政策工具中使用频率较高的是管理措施、法规监管和目标规划,分别占比16.25%、12.27%、11.77%,表明政府致力于通过对数据利用行为的严格规范和法律监管等管理措施来确保数据活动的合法性和安全性,并根据阶段特征和社会需求动态调整政策目标和重点任务,确保政策执行的针对性。不过,金融支持和税收优惠政策相对较少,分别占比0.33%,表明政府在财税激励方面仍需加大支持力度,以减轻非政府力量参与数据治理的压力。

表5 政策工具分布比例

4.3 证据导向维度——政策效力

样本覆盖内容的可比性和代表性是PMC指数模型构建过程中政策选取的重要考量[25-26]。选取8项政策文本进行效力分析(表6),依据如下:①8项政策同属于管理办法,具有相同的政策效力级别;②8项政策的主题及内容相似,聚焦于数据资源开放与共享;③根据《2020中国统计年鉴》对于区域的划分标准,8项政策覆盖了东部、西部、中部、东北地区,其结论能够对地方政府数据治理的整体发展提供一定的借鉴意义。

表6 8项待评价政策汇总

通过地方政府数据治理政策的多投入产出表(表7),得到了各项政策的PMC指数、凹陷指数和效力评价等级(表8)。一般而言,PMC指数值越大,说明该项政策的效力等级越高,反之该政策在未来的提升空间越大。从表8和图5可知,8项政策的效力均处于“良好”的等级,且PMC指数差别不大,得分处于5～6,说明中国地方政府数据治理政策总体设计科学、结构合理、内容完整,不存在十分明确的缺陷,PMC指数得分总体排序为P3>P5>P4>P1>P6>P7>P8>P2。具体而言:

表7 8项政策的多投入产出

表8 8项政策的PMC指数、凹陷指数及效力等级

图5 8项地方政府数据治理政策曲面图

政策P1(《杭州市政务数据资源共享管理暂行办法》)的PMC指数为5.59,处于平均水平之上。在8项一级变量的得分中,政策受众X5和作用方式X7的数值低于平均值,政策性质X1的得分较高,仅次于政策P2。作为8个副省级城市中的“先行者”,杭州市最早出台政务数据资源共享管理办法,该政策充分领会近年来浙江省关于“互联网+政府治理”的一系列政策精神,积极响应“互联网+政务服务”的行动计划,明确了政务数据资源的采集、归集和共享活动的技术标准,表现出良好的政策跟随效应。不过,该政策涉及的主体主要包含杭州市各级行政机关,并未纳入事业单位和企业单位,且多通过强制型作用方式规范政务数据资源的使用和共享,如核查纠错、监督管理、审计跟踪等,较少使用服务型和激励型的作用方式。

政策P2(《武汉市政务数据资源共享管理暂行办法》)虽处于“良好”等级,但一级变量政策受众X5和政策评价X8均低于平均值。近年来,武汉市为了实现云网数充分融合发展,构建了“数字政务”的武汉模式,为全国各地以数字技术为依托提升政府治理效能提供了有益启示,这在很大程度上离不开武汉市政府对政务数据资源治理相关政策的较早谋划和大胆创新。总的来说,该政策对推动本市行政区域内政务数据资源的采集、共享应用和监督管理等目标表现出了相应的反馈、监管和引导的功能,但是,作用方式较单一,诸如限期整改、通报批评、反馈投诉等强制型手段的运用频率过高,作用方式的多样化有待加强。

政策P3(《西安市政务数据资源共享管理办法》)在所有政策中PMC指数最高,该政策依据翔实、目标明确、规划科学,有效期为5年。值得注意的是,该办法是全国第一个地方政府发布的大数据五权(所有权、管理权、采集权、使用权、收益权)集中的规范文件,专门针对政务数据资源的权属与权益问题做出了明确的规定,从制度层面规范了数据权属问题,为政务数据的开发利用提供了政策保障。在作用方式上,除了通过风险评估、安全审查、审计追踪等强制型作用方式规范大数据发展之外,还使用了定期组织开展政务数据资源共享工作业务培训的服务型方式,以此来保证行政人员的业务能力和知识储备。

政策P4(《南京市政务数据管理暂行办法》以下简称《暂行办法》)和政策P5(《宁波市公共数据管理办法》以下简称《管理办法》)的PMC指数在8项政策中处于较高的水平。从内容来看,南京市的《暂行办法》表现出了“不抵触”和“可操作”的特征。一方面,能够确保将中央和省级层面的部署要求落到实处,从概念定义和主管部门两个方面对政务管理数据与政府信息公开进行了区分;另一方面,明确了政务数据的类型以及政务数据程序管理的责任单位、工作要求和时间节点。与南京市《暂行办法》相比,宁波市《管理办法》除了包括行政机关、事业单位、社会组织之外,还将企业单位纳入了政策受众的范围。

政策P7(《哈尔滨市公共数据开放管理暂行办法》以下简称《暂行办法》)和政策P8(《青岛市公共数据开放管理办法》以下简称《管理办法》)的PMC指数得分相同。哈尔滨市的《暂行办法》服务型作用方式明显,规定市大数据中心定期应对工作人员开展公开数据开放培训和交流,不断强化工作人员的安全意识、业务能力和服务水平,且政策的建议导向明显,规定公民、法人和其他组织都可以通过开放平台对公共数据的开放范围提出需求的建议,体现了“应开尽开”的管理原则。青岛市《管理办法》的政策时效为两年,而一般情况下政策作用的发挥往往具有滞后性,这在某种程度上会影响政策的稳定性和有效性。

政策P6(《济南市公共数据管理办法》)的PMC指数得分为5.23。《济南市公共数据管理办法》的政策受众最为全面,包含了本市各级行政机关、事业单位、社会组织和公共服务企事业单位,但是政策作用方式仍然以强制型为主,缺乏必要的激励和服务措施。

5 形成方案

整体来看,自2015年国务院出台《促进大数据发展行动纲要》以来,15个副省级城市陆续发布了多项数据治理政策,体现了地方政府对数据治理工作的高度重视。研究发现,当前地方政府数据治理政策具有以下特征:①政策总体目标包容审慎,除了涉及了数据活动全生命周期中有关数据管理、共享、安全、应用等关键环节之外,还关注到了数字产业化、产业数字化、数据服务智能化等目标。不过,数据类型主要集中在公共数据与政务数据,未涉及企业向政府公开的数据(B2G),数据类型多样性有待丰富。另外,部分政策仅仅提出要对违反数据安全和质量管理的行为进行纠正和追踪,但缺乏对主客体的整改方案和时间节点,使得容错纠错机制实施力度大打折扣。地方政府数据治理的政策受众仍是行政主体力量占主导,作为数据提供者、使用者和监督者的企业、公众、高校、科研院所等主体的参与力度不够。②从时间维度来看,近年来,地方政府仍倾向于使用供给型与环境型手段促进政策目标的达成,需求拉动数据治理的作用力较弱,仍有很大的进步空间。③虽然大部分政策的效力良好,但是一些地方政府照本宣科,文本规定较为僵化,自主创新少,主要将较多精力放在领会上级政府精神上,未对管理办法发布前本市在数据资源管理存在的问题和挑战进行梳理,且缺乏对数据治理环节的引导与建议,政策回应和反馈机制乏力。针对上述问题,提出以下建议:

1)增强政策目标的针对性和可行性,利用法律法规加强数据治理的合法性和权威性;坚持包容审慎原则,依据数据活动生命周期建立全链条、跟踪式监管制度,在深度挖掘数据价值、切实保障数据安全的同时,更加关注数据交易中的治理问题,如明确可交易的数据类型、规范数据定价标准、完善跨境交易规则等;加强治理主体的多元性,充分发挥企业、高校、科研院所、公众等非政府主体在数据治理中的积极作用,推进产业数据化和数据产业化,加强政产学研合作,拓展数据发展与应用空间;应持续关注数据安全治理,建立健全数据标准与安全规范体系,进一步明确数据收集、利用、共享、交易的具体准则。

2)加强政策工具的协调配置,采取更加多元化、均衡化的组合方案。供给型政策工具应充分发挥人才、资金对数据治理的直接推动作用,加强对数据研发领域的专业人才培养,完善资金支持和激励措施,明确资金投入的领域、方式、力度;提高需求型政策工具的使用频率,尤其是政府采购、公私合作等工具类型,积极回应外部需求;重视对环境型政策工具的灵活运用,明确监管措施的具体内容和程序要件,增强政策的稳定性和可操作性;优化营商环境,通过合理安排金融支持和财税优惠降低企业、公众、高校、科研院所等非政府主体的治理成本;应加强区域内部与区域之间的政策协调性,加强空间维度的互动与配合,推动区域协同发展。

3)应加强政策的反馈性、预测性和稳定性,明确当前数据治理存在的问题和挑战,预判未来数据安全和监管可能出现的风险,缩短政策发布与政策执行之间的时间间隔;与此同时,应强化政府对企业数据的管理,激励企业数据向政府共享(B2G),提高政府对企业数据的利用效率,更好地发挥企业数据对政府治理水平的赋能作用。

可能的边际贡献主要包含以下3个方面:①通过一次跨学科交叉的有益尝试,所形成的研究思路与分析框架能够对已有研究形成有效补充,不仅丰富了DIIS理论的内生语义与外延,还拓展了政府数据治理的理论基础,对于打破学科藩篱和融贯学科交流具有积极作用;②与既有研究不同,尝试从空间与时间两个维度进一步明晰地方政府数据治理政策工具的差异性特征,所得出的结论打破了传统的经验直觉,具有一定的创新性与启示性;③将PMC指数模型引入政府数据治理的政策效力分析,丰富并拓展了PMC指数模型的应用场景。不过,需要说明的是,考虑到部分政府数据治理政策内容的分散性以及作为某个政策文本的组成部分形式存在的隐蔽性,可能面临政策样本选择不完备的局限。另外,随着DIIS理论的发展,在该理论指导下所构建的政策研究理论模型也有待完善,未来希冀各位同仁提出系统化设计与全方位探讨。