全要素清晰化:数据赋能基层治理的内在机制——苏州市姑苏区“城运平台”建设的经验启示

陈天祥, 黄 扬, 张 志, 刘红波

(1. 中山大学 政治与公共事务管理学院,广州 510275;2. 中山大学 中国公共管理研究中心,广州 510275;3. 小康杂志社,北京 100009;4. 山东大学 生活质量与公共政策研究中心,青岛 266237;5. 华南理工大学 公共管理学院,广州 510641)

一、问题的提出

正如詹姆斯·斯科特(Scott)所指出的,“清晰性是国家机器的中心问题”[1]。清晰意味着国家对于社会事实相关信息的有效掌握。通过对所掌握的社会事实信息进行精细加工和科学运算,国家将能更精准地介入不同领域的社会事务,更及时地回应各类社会问题和需求。清晰掌握社会事实的有关情况是国家提升治理效能的重要前提[2]。基层治理是国家治理的基石。但随着经济社会的不断发展,基层的社会结构日渐复杂、社会需求也日渐离散,这使得包括治理对象、治理主体、治理资源、治理过程和治理结果在内的基层治理诸要素的模糊性日益增强[3]。换言之,基层成了愈加模糊的治理场域。

事实上,基层社会的模糊性自古至今一直存在。面对模糊性带来的治理挑战,各个时期的政府也采取了不少指向将社会事实清晰化的治理工具。从编户齐民到制图技术[4-5],从衙门文书到人口普查[6-7],无不反映出不同历史阶段的政府对于社会事实清晰化孜孜不倦的追求。然而,因技术的局限性,传统治理工具绘制出来的通常是“低像素、静态化、局部性”的社会图像[8]。随着新一轮技术浪潮的到来,尤其是大数据、物联网、云计算、5G和人工智能等数字技术的高速发展,政府能够对以数据形式呈现的社会事实信息进行全面、动态汲取,对海量数据进行挖掘分析,从而可能实现对社会事实的精细刻画和对社会需求的精准回应。

近年来,数据赋能也成为不少地方政府应对基层治理模糊性、撬动治理效能提升的重要策略。基于物联感知的实时数据,街道社区可对独居、孤寡老人的险情及时作出反应。借助电子巡航的视频数据和人工智能的自动判别,城市管理部门可实现对违法主体的非接触式执法。另外,当前在各地迅速铺开的城市运行管理服务平台,更是政府在整合海量数据和深度挖掘数据基础上实现预警监测、联动指挥和精准服务的典型范例[9]。对此,党中央和国务院在2022年底发布的《关于构建数据基础制度 更好发挥数据要素作用的意见》中敏锐地指出,“数据作为新型生产要素……深刻改变着生产方式、生活方式和社会治理方式”。那么,在数据已成为基层治理重要资源的今天,政府应如何利用数据资源来赋能基层治理?对于该问题的回答,有助于深入揭示数据赋能基层治理的内在机制。

与上述问题关联紧密的研究主要集中于两个方面。

一是结合数据赋能的相关实践,肯定数据赋能对于基层治理效能提升的积极意义,并对数据赋能的基本逻辑进行初步提炼。首先,数据赋能驱动政府部门高效协同[10]。数据技术的进步使得政府部门业务数据的互联互通成为现实。基于高效稳定的数据流转,跨层级、跨部门和跨领域的协同联动也将更为流畅[11]。其次,数据赋能驱动政府决策能力优化[12]。借助海量业务数据和人工智能算法,政府能够以业务需求为牵引,深入挖掘数据背后隐含的社会信息、预测社会现象的变化规律,进而强化政府决策的前瞻性和预见性[13]。最后,数据赋能驱动公共服务精准供给[14]。通过汇集与服务对象关联的多源异构数据,政府将能够敏锐感知社会需求的变动趋势,进而为服务需求高效匹配相应资源,实现“数据多跑路,群众少跑腿”[15]。更进一步地,政府部门还能通过给重点群体或服务对象精准画像[16],主动为其提供量身定制的个性化服务。

二是深入分析数据赋能基层治理所面临的多重困境。首先,有研究对“数据决定论”展开反思,认为以数据形式对社会事实进行高效读取的背后隐含的是“技术化简的逻辑”[17],这同基层社会的多元性和复杂性形成冲突。例如,数据技术的充分应用将进一步压缩基层工作人员的自由裁量权(Discretion),但复杂的基层社会本身却需要自由裁量作为缓冲地带[18]。其次,对海量数据的搜集和融通是数据赋能基层治理的必要前提。然而,这一过程容易出现对个人信息的过度搜集[19],如本为了捕捉沿街晾晒、占道经营等违规行为而设置的AI摄像头会获取其他市民的行动轨迹信息。对个人隐私的焦虑可能会降低公众对于数据赋能的接纳程度[20]。最后,有研究基于“技术—组织”互动的视角指出,在机制建设还不完善的背景下,不同部门出于政绩和风险考量,会主动为数据流动设置壁垒,进而构筑起一个个数据“烟囱”,使得数据赋能成效不彰[21]。

既有研究初步勾勒了数据赋能基层治理的逻辑轮廓,对辩证审视数据赋能的高度和限度也有重要启发,但仍存在以下局限:一是,基层治理诸要素之间存在紧密的逻辑关联,基层治理的完整链条是由治理对象识别、治理主体匹配、治理资源调动、治理过程追踪和治理结果监控等多个环节紧密相扣而成,但既有文献大多基于数据赋能的零散实践,碎片化地呈现数据赋能基层治理中某些方面或个别环节的成效和潜力,仍未能全面地揭示数据赋能基层治理的系统化机制。二是,数据利用的技术架构和数据赋能的具体机制之间并非完全对称的“镜像映射”关系[22],即数字技术应用和治理绩效提升之间还存在着相应的“中间变量”,但既有研究大多着墨于数字技术的特征及其与治理成效的直接联系,对于数据赋能基层治理的中间机制和过程尚语焉不详。

总而言之,关于数据赋能基层治理的既有研究存在“机制碎片化”和“过程黑箱化”两方面的局限性。有鉴于此,本文结合数据赋能的理论与实践,紧扣基层社会治理的完整链条和基层治理中各项要素的模糊性困境,详细阐述基层政府在借助前沿数字技术强化自身数据治理能力的基础上,组合式运用各项数据治理能力来提升基层治理诸要素清晰度的具体机制,进而以整合式和系统化的视角打开数据赋能基层治理的过程“黑箱”。本文将数据赋能基层治理的核心机制概括为“全要素清晰化”,并结合数据赋能基层治理的一个典型案例——苏州市姑苏区“城市运行联动指挥平台”(下文简称“城运平台”)的实践,对这一机制及其深层逻辑进行细致呈现。

二、全要素清晰化:一个新的理论视角

(一)基层治理诸要素呈现强烈的模糊性

数据赋能基层社会治理有其特定的结构化背景。国家之所以持之以恒地追求社会事实的清晰化,是因为模糊性给有效的社会治理带来了巨大的挑战[23]。模糊意味着国家很难把握社会事实的基本情况,无法对社会事实的演变趋势作出精准预测,更不可能作出具有前瞻性和预判性的科学化决策。黄仁宇曾指出,以“数目字管理”(Mathematically Manageable)为核心内容的清晰化是现代国家崛起的技术基础[24]。同样的,清晰化也是实现基层良好治理的必要前提。但近年来,随着基层社会结构的复杂性和社会需求的离散性不断增强,基层治理中的诸要素也表现出愈加强烈的模糊性[25]。

一是就治理对象而言,当前的基层社会充斥着规模庞大、类型复杂的“人、事、物、地、情、组织”。这些治理对象嵌入不同的时空之中,构成了一幅极为复杂的基层治理图像[26]。在传统的基层治理模式下,要高效锚定各类治理对象相当困难。二是就治理主体而言,随着社会需求的复杂化,涉及跨部门、跨区域、跨政社的治理任务不断涌现。在传统的“条块分割”格局下,这些多头管理事项的治理主体如何确定也存在模糊性[27]。三是就治理资源而言,当前基层社会对治理资源的数量、类型和供给速度提出了更高的要求,但以往基层对组织内外资源常常“基数不清、底数不明”,对资源的配置以静态为主[28],很难应对不断涌现的治理问题和满足愈发离散的社会需求。四是就治理过程而言,由于以往在技术上难以对治理活动开展全流程追踪,基层人员在治理过程中拥有较大的自由裁量权,其工作轨迹和对具体事件的处理流程都存在明显的模糊性[29]。五是就治理结果而言,由于监督手段和资源的局限,以往上级对基层工作的督查很容易被“蒙在鼓里”[30]。同时,社会参与的相对缺乏也强化了治理结果的模糊性。

(二)数据赋能基层治理要素清晰化

数字技术的高速发展和深度应用,使得基层政府能够通过汇聚和分析海量数据来消解基层治理中诸项要素的模糊性,从而提升基层治理效能。在基层治理的语境下,数据赋能的具体含义可从两个紧密关联的方面来理解。

1.提升基层数据治理能力。其中最为关键的是借助数字技术强化基层政府对海量数据的汲取、感知和认知能力[31]。汲取能力是指基层政府通过数据采集、数据汇聚、视频监控、物联感知等多元渠道,动态获取分散异构的海量数据的能力[32]。感知能力是指基层政府基于汲取的多源异构数据,对社会事实进行可视化呈现,进而直观把握其整体样貌的能力。认知能力是指基层政府以需求为牵引,通过对多源数据的深度挖掘,精确把握社会事实和预测社会变化趋势的能力[33]。

2.为基层治理赋能。即基层政府在拥有数据汲取、感知和认知能力的基础上,破解基层治理中的系统性难题,进而提升基层治理效能。面对基层治理中诸要素模糊性日益增强的系统性难题,基层政府可借助数据汲取能力、感知能力和认知能力的“组合式运用”,提升各项要素的“可读性”(Legibility)[34],使其由模糊转向清晰。一是,通过对动态汲取的治理对象相关数据进行可视感知和深度挖掘,基层政府不仅能描绘治理对象的整体轮廓,还能为个体对象精准画像[35],并即时感知社会问题和需求,使得包括“人、事、物、地、情、组织”在内的治理对象清晰起来[36]。二是,基于对数据的动态汲取和对数据的深度认知,基层政府可以构建起“数据触发事件—人事自动匹配”的智能化事件处置流程[37],使治理事项的责任主体变得清晰。三是,通过对组织内外各类资源的相关数据进行汇聚、融通,可实现对既有资源的清晰盘点和对闲散资源的高效整合[38]。更进一步地,借助对需求数据的精准感知和资源数据的深入挖掘,还可为基层治理搭建供需对接的桥梁,甚至引导资源主动匹配治理或服务需求。四是,结合对基层人员工作轨迹和事件工单流转数据的动态汲取,可实现对具体事件处置流程、工作进度的实时化监控和全流程追踪,使得治理过程变得清晰[39]。五是,基于对工单数据的汲取和对数据变化趋势的深度认知,基层政府不仅能够实时感知具体事件的处置结果,还能通过多维度的事件处置评估数据,对事件处置质量进行多角度的“回头看”[40],从而提升治理结果的清晰度。

综上所述,数据赋能基层治理源于对基层治理诸要素模糊性日渐增强的回应。数字技术的深度应用将为基层政府带来数据汲取、数据感知和数据认知能力的迅速提升。基于这三项能力的组合式运用,基层治理各项要素的清晰度将明显提高,基层政府也得以绘制出一幅涵盖基层治理全要素的清晰图景(如图1所示)。

图1 数据赋能基层治理的基础框架

三、数据赋能典型案例:苏州市姑苏区“城运平台”

随着城市化进程的加速,中国城市基层治理面临着由愈加复杂的社会结构和日渐离散的社会需求所带来的模糊性困境。面对这一困境,各地以数据赋能为抓手,积极建设城运平台,如杭州“城市大脑”、广州“穗智管”等。城运平台是城市运行的智能中枢,其基于大数据、物联网、云计算和人工智能等前沿技术,对业务数据、网格数据、民情数据、物联数据和视频数据等多源异构的海量数据加以汇聚,并以治理需求为牵引,对数据进行可视化呈现和深度挖掘分析,进而为监测预警、资源调配和协同联动提供强力支持。可见,城运平台能够对以数据形态呈现的基层社会事实信息进行汇聚和分析,使原本模糊的各项治理要素变得更为清晰,其运作过程也淋漓尽致地体现了数据赋能的治理思维。

姑苏区为苏州市辖区之一,总面积为83.4平方千米,下辖8个街道,常住人口95.8万,是苏州历史悠久、人文积淀深厚的中心城区,同时作为老城区,也面临着老旧建筑多、失管小区多、人口流动快、老龄化加剧、治理资源分布不均的复杂治理情境。这些复杂情境使得基层治理的对象、主体、资源、过程和结果等要素愈加模糊。例如,部分无物业小区由于缺乏物业管理,车辆乱停、垃圾乱丢、广告乱贴、财物失窃等现象时常发生,仅依靠市民上报和投诉很难被及时发现和处置。2020年1月,姑苏区基于“需求牵引、数据赋能”的建设理念,正式启动城运平台建设,以应对复杂情境带来的模糊性挑战,实现对基层治理要素的清晰掌握。此后,为满足“一网统管”的新要求,姑苏区于2021年启动了城运平台的二期建设。

为系统收集案例材料,课题组于2023年1月赴姑苏区开展田野调查,其间曾前往城市运行联动指挥中心(简称“城运中心”)对城运平台的运行进行现场观摩,对姑苏区大数据管理局、政务信息中心、联动中心和街道社区的相关领导和工作人员开展了深度访谈,并收集了包括政策文件、招标文件、宣传文稿和统计报表在内的各类文本资料。姑苏区城运平台是一项复杂系统性工程,其建设工作紧密围绕提升数据汲取、数据感知和数据认知能力的主线来展开。

(一)多源立体的数据汲取

首先,推进视频平台的提档升级,观望基层社会的“气色”。在姑苏区大数据管理局的积极协调下,城运平台已接入公安、城管、应急、街道和社会等多种来源的高清视频共计20 000余路,其中还包括各部门的无人机巡航监控和5G巡查车视频,有效扩充了视频感知资源。同时,借助对视频资源的分组标签、视频轮巡和质量检测,进一步保障视频的质量优良和调用高效。其次,强化民情数据的多元汇聚,倾听基层社会的声音。将市、区两级12345、寒山闻钟、“惠姑苏”随手拍和社情民意、110非警情、数字城管、网格上报、微信平台等多种来源的工单数据,全面汇聚至城运平台,全方位、多角度地倾听民声、感知民情。再次,促进业务数据的交互融合,叩问基层社会治理的“症结”。姑苏区大数据管理局依托区数据共享交换平台,根据《姑苏区首席数据官制度建设实施方案》,稳步推进区各委办局和8个街道政务数据的全量化汇聚和标准化治理。同时,基于需求牵引,建成了人口、法人、地理信息、电子证照、公共信用5大基础库,40个部门库以及古城保护、文化旅游等12个重点领域主题库,为城运平台“一网统管”专题数据库的建设和叩问重点领域的治理症结提供了坚实有力的数据支撑。最后,延伸物联设备的感知触觉,切按基层社会的“脉搏”。城运平台二期积极部署各领域的物联感知设备,新建物联设备12类2 808个,同时按需接入第三方物联平台数据,累计拥有物联传感设备8 000余路,构建起了庞大的城市运行智能感知网络。对于所汲取的数据,城运平台还内置了数据比对和校准功能,以保证数据的鲜活性与准确性。

(二)灵动可视的数据感知

在城运二期建设中,得益于姑苏区大数据管理局的有效协调,区联动中心顺利向苏州市自然资源和规划局姑苏分局订阅了姑苏区城市信息模型(CIM)平台的三维底图数据,对城运平台的现有底图进行了更新升级。在此基础上,将街道基础数据、人房关联数据、感知监测数据和示范街区数据等专题数据进行上图呈现,从而实现对辖区内多种治理要素的三维立体感知。城运平台还提供了图形化建模和向导式建模功能,支持各个部门根据业务需要,通过导入多源异构数据和按需灵活选择场景卡片与图表组件,高效构建可视化的数字驾驶舱。

(三)实战导向的数据认知

除了对数据进行基本的可视化感知,城运平台的算法中台还植入了强大的算法仓,提供自助式、定制化的智能分析算法,并基于汲取的多源异构数据进行深度计算、分析和建模,满足城市体征分析、城市指数测算、城市风险预警、事件智能派单等各类业务的实战需求。

当然,除了区级城运平台的建设,为了实现上下贯通、指挥有力的目标,姑苏区还在下辖8个街道和部分重点街区搭建了分中心平台和工作站平台,构建了“1+8+N”联动指挥体系。经过近3年的建设,姑苏区城运平台已具备协同联动、决策支撑、感知监测和应急指挥等多样化功能(如图2所示),显著提升了基层政府的数据汲取、数据感知和数据认知能力。得益于城运平台的有效运行,2021年,姑苏区的群众诉求处办时长比规定标准缩减了20%以上,投诉工单的整体数量也明显下降。2022年,以姑苏区城运平台为核心的数字政府建设方案入选“世界智慧城市大奖·中国区优秀案例”。可以说,城运平台的建设已成为包括姑苏区在内的诸多地方政府推进智慧城市和数字治理的“牛鼻子”工程。

图2 姑苏区城运平台总体架构

四、数据赋能基层治理的多重逻辑

苏州市姑苏区通过城运平台建设,显著提升了政府对基层社会信息的数据汲取能力、感知能力和认知能力,其组合式应用为破解新时期基层治理面临的多重模糊性困境提供了新的思路。

(一)治理对象的清晰化

数据赋能基层治理的第一重逻辑是推动治理对象的清晰化。通过数据认知能力的发挥,可对治理对象个体细节进行清晰刻画,并对治理问题和需求进行即时感知和精准预测,使原本模糊的治理对象变得清晰。

1．对治理对象群体的轮廓勾勒

基层社会结构复杂,治理对象规模庞大、种类繁杂且变化迅速。在传统治理模式下,基层政府难以高效锁定治理对象、清晰掌握治理对象的动态信息。例如,面对古城区老龄化趋势的加剧,姑苏区各街道社区工作人员仅靠传统的上门查看、电话询问和居民上报等信息渠道,很难及时掌握辖区内独居孤寡老人的安全状况和生活需求。而基于多源立体的数据汲取和灵动可视的数据感知,基层政府可高效掌握各类治理对象多方面的信息,清晰勾勒治理对象的整体轮廓。例如,通过汇集民情诉求数据所构建的“网格与热点问题”专题数据库,城运中心可按需选择应用场景的图表组件,以散点图、折线图、柱状图、饼状图和雷达图等多种形式对各类事件数量、比重、来源渠道、时空分布和处置率进行生动呈现。

2．对治理对象个体的细致刻画

借助对治理对象相关数据的标签化管理,基层政府可以快速锁定分散化、原子化和无序化的治理对象,高效查询关联的指标数据。同时,对与重点对象有关的多源历史数据进行融通勾连,并借助城运平台的算法工具,构建关于重点对象的精算模型,自动匹配被标签化的治理对象多维数据,并进行自动归类和精准画像。例如,在通过城管5G巡查车的AI摄像头抓拍沿街铺户门前的视频图像后,城运平台算法系统可自动判别视频中的违规行为,如占道经营、乱摆乱放等,并精准绘制出个体铺户经营合规性画像。另外,通过安装在控保建筑和老旧公房的各类建筑监测器,城运平台可实时接收相关建筑沉降、倾斜、位移、裂缝、烟雾浓度和可燃气浓度等数据,并将多重数据投射到CIM三维地图上,为每座房屋进行建筑安全的立体画像。

3．对治理需求的即时感知与精准预测

多源立体的数据汲取也有助于基层政府对社会问题和治理需求形成即时感知。例如,姑苏区城运中心的工作人员可通过“闻声”,即通过民情数据的即时汇集,查看当前工单反映的具体问题。同时,工作人员还可通过“望色”,如通过城管部门的智能空地视频系统,掌握辖区内违规停车、乱丢垃圾、沿街晾晒的实时情况。通过数据认知能力的充分发挥,姑苏区有关部门还能提前对潜在的治理需求作出精确预测。例如,姑苏区民政和卫生健康局和部分街道结合辖区内孤寡、独居老人和残障人士的健康状况、活动范围、用药情况和其他消费数据,主动运用城运平台的决策算法模型(如洞察模型、预测模型、风险模型等),预测他们在用餐、就医和家政等方面的需求。另外,姑苏区经济和科学局通过对街道专属企业数据库的数据进行挖掘,为辖区内企业进行精准画像,主动预测对其潜在有益的营商政策。

(二)治理主体的清晰化

数据赋能基层治理的第二重逻辑是推动治理主体的清晰化。基于数据汲取能力和数据认知能力的紧密结合,基层政府能够通过数据的变动来触发对应的事件。同时,在对原本实体化的治理主体进行模块化重构的基础上,对汲取的历史数据进行深度挖掘,可构建起事件类型与治理主体之间的关联规则,实现“数据触发事件——人事自动匹配”的智能化事件派单,使具体事件对应的治理主体高度清晰化。

1．数据驱动事件触发

在多源立体的数据汲取基础上,基层政府可通过为相关事件设置特定的触发阈值,构建基于数据驱动的事件触发(Triggering)机制。姑苏区城运平台不仅汇聚了来自多种平台和渠道的民情数据,还接入了8 000余路类型多样的物联传感设备,包括烟感、温控、智能水表、智能门磁、智能楼道灯和定位卡片等数字社区物联传感设备和沉降、倾斜、位移、裂缝等建筑物联监测器。城运平台为汇聚的相关数据设置特定的告警阈值,一旦民情数据、物联数据达到阈值,便会触发相关事件,自动生成事件工单,传至姑苏区城运平台、对应区域的街道联动中心和街区联动工作站。例如,当智能水表检测到60岁以上独居孤寡老人的24小时用水量小于事先设定的0.01L阈值时,便会生成告警工单。另外,姑苏区还为部分街道和养老院的失智老人配备了定位卡片,事先设定电子边界,当老人的活动范围超出边界时,即时生成告警工单。

2．数据驱动主体重构

城运平台通过多源立体的数据感知捕获事件的触发数据后,便会将事件信号即时传至派单应用单元。城运平台的派单应用单元由虚拟化的治理主体模块和“事件类型—治理主体”关联规则构成。其中,虚拟化的治理主体模块是指借助城运平台的智能算法对实体化治理主体(如部门、街道、社区、网格、第三方企业和物业管理公司等)进行编码,使其转化为城运平台中的虚拟化模块,如编码为“08”的模块对应区城管委、编码为“106”的模块对应与平江街道签约的第三方智能安防企业,进而实现由数据驱动的治理主体模块化重构。治理主体的模块化重构对于实现智能化派单十分关键。如果将具体的社会问题和治理需求视为“接口”,虚拟化的治理主体模块则有助于实现灵活、快捷的“按需接入”。尤其对涉及多头管理的事件,如某些老旧小区内积存“无主垃圾”问题,可以通过城管、环卫、社区和物业等多个主体模块的“组合式接入”来加以处置。

3．数据驱动人事匹配

当事件信号传递至城运平台的派单应用单元后,已实现模块化的治理主体需要一定的关联规则的指引,才能真正实现人(即治理主体)、事(即具体事件)的匹配。对于出现频率较高的结构化事件,姑苏区城运平台能够通过平台内置的智能分析算法,对已被汲取的事件工单历史数据和部门(包括各类治理主体)权责数据进行深度挖掘,识别出事件类型和治理主体之间的具体关联规则,进而确定各类事件的派单路径。例如,当建筑监测器感知到姑苏区某老旧民居的倾斜程度达到告警阈值时,便会即时触发房屋倾斜事件,并将事件信号传至城运平台。城运平台的派单应用单元在接收到事件信号后,依据数据挖掘确定的关联规则,为该事件自动匹配(Matching)对应的治理主体,如该民居所在街道的城建办、所在社区或物业公司,进而完成自动化派单。

(三)治理资源的清晰化

数据赋能基层治理的第三重逻辑是推动治理资源的清晰化。在新时期,基层社会对于治理资源的数量、类型和供给速度均有更高的要求,但以往科层机制对组织内外资源常常“基数不清、底数不明”,对既有资源只能实行静态配置,对各类闲置资源难以精准调动。但借助数据汲取、感知和认知能力的运用,基层政府可以实现以数据呈现既有资源底数、以数据推动闲散资源整合、以数据搭建供需对接桥梁、以数据引导资源“主动服务”,使治理资源由模糊变得清晰。

1．以数据呈现既有资源底数

基于多源立体的数据汲取,姑苏区城运平台可以对跨层级、跨部门、跨区域和跨政社的各类资源进行数据化。同时,通过调用姑苏区城市信息模型(CIM)平台接口,可以将各类资源的相关数据投射到地理信息平台提供的底图上,绘制各类资源的三维分布图,从而对各类资源的底数和分布一目了然。例如,姑苏区城运平台基于前期构建的街道实有力量专题库、街道实有装备专题库等街道专题数据库,以三维分布图的形式对各个街道和社区人员、装备、车辆等治理资源进行直观呈现。另外,城运平台还搭建了“民生服务”应用场景,将辖区内的社区卫生中心、24小时药店、养老院、日间照料中心、文化场所、银行网点和便利店等便民服务资源数据全部上图,进行可视化呈现。

2．以数据推动闲散资源整合

除了既有的治理资源,以往还有诸多散布于科层内外的闲散资源未能得到充分开发和利用。借助于数据汲取和数据感知能力的提升,基层政府将能有效整合各类闲置和零散资源。例如,在城运平台的建设过程中,姑苏区大数据管理局开发了姑苏区城市生活服务总入口——“惠姑苏”APP,社区流动党员可通过“社区党建—流动党员自助报到”功能模块完成自助报到,党员数据会即时汇集到社区的党建信息资料库、街道的三整合平台党员信息管理系统和城运平台的“示范街区—党建引领”专题数据库,实现对零散的社区党员资源的系统化整合。可见,通过对各类闲散资源信息进行数据汲取,能及时掌握和高效整合辖区内人、财、物资源。

3．以数据搭建供需对接桥梁

基层治理需求和资源的精准对接是撬动基层治理绩效提升的重要途径,而数据汲取、感知和认知能力的提升为基层政府架设了供需高效对接的桥梁。首先,对数据的深度挖掘可以为公共服务资源的科学布局提供决策依据。例如,姑苏区民政和卫生健康局便通过对街道人口数据和医疗资源数据的挖掘分析,为社区医疗机构布局提供选点参考。其次,借助于对社会问题和需求实时感知和已构建的“1+8+N”区、街、社三级联动指挥体系,结合治理数据的实时变化,城运平台可以精准调度相应的治理资源来满足治理需求。例如,通过对重点点位人群进行24小时的感知监测和智能分析,可以实时掌握人群分布情况。在人群密度过高时,可通过三级联动体系即时调度应急资源来应对风险。最后,基于治理主体的模块化重构,城运平台的智能派单系统不仅能够为简单事件自动匹配治理主体,还能对跨层级、跨部门、跨区域和跨政社的治理主体进行灵活组合,穿透式调动治理资源,以满足更为复杂的治理需求(如图3所示)。

图3 城运平台的穿透式资源调动机制

4．以数据引导资源“主动服务”

通过数据汲取和数据认知,基层政府不仅能即时感知治理需求,还能实现对需求的精准预测,在此基础上,引导治理资源主动“寻找”服务需求。一是,借助自助式、定制化的数据建模功能,围绕空气、气象、环境、交通、水质、特种设备、房屋和重点人群等重点数据,姑苏区城运平台可以对基层社会的风险隐患进行监测预警,提前配置相应的资源。二是,基于对辖区内的老年人、残疾人、低保人员、社区矫正人员和各类企业等重点群体的精准画像,相关部门可以精准预判治理对象的差异化需求,主动为其提供资源对接。例如,姑苏区苏锦街道便基于对辖区内重点群体的精准画像,预判各类群体在就业、创业、社保查询、档案查询和税务办理等方面的业务需求,并依托社区党员队伍为居民开展“红色代帮办”特色志愿服务;有关部门在对辖区企业进行精准画像的基础上,主动为企业推送相关的营商政策。

(四)治理过程的清晰化

数据赋能基层治理的第四重逻辑是推动治理过程的清晰化。过去在技术上很难对基层治理的具体细节进行实时监控,这使得基层人员在具体业务的处理过程中拥有较大的自由裁量空间,具体事件工作轨迹和处置进度存在明显的模糊性。结合当前网格化工作“巡、办分离”的机制创新,即将问题发现和问题处置环节分离,借助数据汲取和认知能力的组合式运用,基层政府可通过对网格巡查的实时监控和对办理流程的闭环追踪,提升治理过程的清晰度。

1．网格巡查的实时监控

网格化巡查是发现基层治理问题和治理需求的前端“探头”。通过多源立体的数据汲取和实战导向的数据认知,基层政府可以对网格巡查人员进行实时化监控。一是,姑苏区的城运平台、街道平台均可以随时调用、接入辖区内网格员单兵设备上的摄像头,实时掌握网格员所在位置周围情况,区和街道的联动指挥部门均可以和网格员实时连线,确认其工作状况。二是,通过源源不断接收网格员单兵设备、车辆反馈的数据,并将其投射到城运平台三维地图上,城运中心可以实时掌握网格员的工作位置和移动轨迹。另外,结合事先为网格员划定的巡查范围,可对超出范围的网格员进行自动化提醒,及时纠正其巡查路线。

2．办理流程的闭环追踪

以往囿于技术手段,基层政府很难对基层人员处理具体事务的细节和流程进行有效监控,这导致了基层人员在回应社会问题和治理需求时的不确定性。随着数据汲取和数据认知能力的进步,基层政府对基层人员工作流程进行细致追踪成为可能。例如,基于各类工单数据的即时流转和汇集,在城运平台上,姑苏区有关部门可以实时查看事件工单的上报渠道、受理内容、诉求人、派单时间、接收时间、承办人员(包括所属单位、姓名、电话等信息)、处置意见和办结情况等数据,实现对事件处置的全流程闭环追踪。同时,借助城运平台的智能算法,有关部门还可以实时查看待处理、超时未处理、已退回等不同状态的事件工单,并基于此对相关的工单进行“一键督办”。

(五)治理结果的清晰化

数据赋能基层治理的第五重逻辑是推动治理结果的清晰化。基层治理本身是一个解决各类具体问题、追求良好治理结果的过程。但对于具体问题的解决情况如何,传统的督查模式和单一的评价来源限制了治理结果清晰度的提升。随着数字化技术的应用和数据汲取、数据认知能力的提升,基层政府得以借助数据实现结果“即时看”和多维度“回头看”,推进了治理结果的清晰化。

1．数据助力结果“即时查”

通过上下贯通的数据流动,具体事件处置结果数据可以及时、高效地汇聚到城运平台相关数据库中,实现事件处置结果的“即时查”。具体来说,在事件工单办结时,作为治理主体的承办人员必须在终端设备(如城管队员、市场监管人员和专职网格员的单兵设备)上传处置结果的视频、图像和文字等相关数据。在此基础上,姑苏区相关部门的监督人员可即时查看事件处置结果,有效掌握相关人员工作绩效,并结合具体处置结果作出下一步的反应。对于某些重点的监管领域,城运平台还可通过无人机等感知设备,对处置现场进行视频监控,清晰掌握治理效果。另外,城运平台也会将事件处置结果发送给诉求人,获得对应工单处置的满意度数据。

2．数据助力多维度“回头看”

得益于城运平台专题数据库的建设,相关部门可以运用城运平台的智能算法,如“工单事件追踪”模型,对“网格与热点问题”专题数据库的工单历史数据进行挖掘分析,进而通过事件处置及时率指标、事件热点指标、投诉热点指标、有效评价满意度指标、虚假诉求指标、疑难工单指标、升级工单指标、重复退回指标和督办指标等一系列评估指标,多维度地回顾和透视工单完成质量。

总之,通过对事件工单结果的“即时查”和多维度的“回头看”,基层政府可以更为清晰地把握基层治理的结果与成效。

五、数据赋能的深层逻辑:数据驱动的无缝隙治理与敏捷治理

随着基层社会结构的日渐复杂和社会需求的日渐离散,包括治理对象、治理主体、治理资源、治理过程和治理结果等在内的基层治理诸要素的模糊性日益增强,这给基层治理绩效提升带来了阻力和障碍。数字技术的高速发展使基层政府有可能通过海量汇集和深度利用数据资源来破解基层治理的模糊性困境。本文借助全要素清晰化的理论视角,结合苏州市姑苏区城运平台建设这一数据赋能基层治理的典型案例,对数据赋能基层治理的具体机制进行了深入剖析。研究发现,通过对前沿数字技术的深度运用,基层政府的数据汲取、数据感知和数据认知能力显著增强;在此基础上,得益于基层政府对数据汲取、数据感知和数据认知能力的组合式运用,基层治理中的治理对象、治理主体、治理资源、治理过程和治理结果等各项要素由模糊转向了清晰(如图4所示)。基于研究,可以从两个方面进一步揭示数据赋能基层治理的深层逻辑。

图4 数据赋能基层治理的具体机制

(一)基于事件牵引的无缝隙治理逻辑

基层社会结构和社会需求的日益复杂化给基层政府带来了更多跨层级、跨部门、跨区域和跨政社的治理任务;换言之,各类事件常常不是遵循边界清晰的分工逻辑而发生。对此,学界早已提出了针对性的治理思路,如林登(Linden)的“无缝隙政府”(Seamless Government)[41]、希克斯(Perri Six)的“整体性治理”(Holistic Governance)等[42]。这些理论强调在信息技术高速发展的背景下,政府应以公众需求为核心,对治理层级、治理职能和公私部门之间的缝隙进行有机“黏合”,为服务对象提供衔接顺畅、动态灵活的整体化服务。

借助于物联感知和数据汇聚,基层政府能够对各类社会事实进行“望色”“闻声”“问症”和“切脉”,做到全息感知事件数据,实现对治理问题与社会需求的全天候、全地域、全类型无缝隙识别。在此基础上,为了“高效处置一件事”,基层政府借助数据认知能力的充分发挥,对治理主体进行了模块化重构,对“事件类型—治理主体”的人事关联规则进行智能化归纳,进而让不同治理主体以事件为牵引,实现跨层级、跨职能、跨地区和跨政社的灵活组合和无缝衔接。可见,得益于数据汲取、感知和认知能力的显著提升,基层政府能够在无缝隙识别治理对象的基础上,为其无缝隙匹配对应的治理主体,实现以事件为牵引的无缝隙治理。

(二)基于数实融合的敏捷治理逻辑

基层社会复杂性的提高,要求基层政府拥有更为灵敏、快捷的问题感知和事件处置能力[43];换言之,基层政府需要走向敏捷治理。在传统模式下,基层政府很难清晰掌握社会事实的相关信息,导致治理实践以被动应对和经验判断为主导。尽管这一情况在引进信息技术后得到一定的改善,但受制于技术水平和组织刚性,早期政府信息化的过程中出现了较为明显的“数实脱节”[44]。一是,数据和现实脱节。政府更多的是汇集静态的、单一的和局部的数据,而没有具备动态汲取多源异构数据的能力,更无法基于数据分析对社会事实的变动趋势作出精准预判。二是,线上和线下脱节。多数信息化项目以技术引进为主,却未给技术应用创造合适的组织和制度环境。上述情况也抑制了信息技术赋能基层政府敏捷治理的成效。

但随着数字技术的进一步发展和应用,基层政府可以通过物联感知、数据采集、数据交换和数据汇聚来汲取鲜活、动态的数据。换言之,基于强大的数据汲取能力,基层政府可以清晰掌握社会事实,并通过实战导向的数据认知,精准预判社会变化趋势。这也让基层治理得以从被动应对走向主动预判、从接诉即办走向未诉先办。例如,通过深入挖掘城市体征指标的相关数据,基层政府可以及时评估城市各方面的“健康风险”,从而提前调配资源,做好预防工作,实现从“治疾病”到“防未病”、从经验判断到数据分析的敏捷化转型。同时,在数据驱动下,基层政府也以治理需求为核心,对治理机制和工作流程作出相应调整,如姑苏区建立“1+8+N”三级联动指挥体系,进而通过数据和现实、线上和线下的紧密融合,最大限度地保证数据对于基层敏捷治理的赋能效果。

当然,关于数据赋能基层治理的机制和逻辑,仍存在进一步的研究空间。如各地在数据管理部门的组建方式上存在明显的地方差异,而数据管理部门又是数据资源汇聚的核心协调机构,那么,组建方式不同的数据管理部门是否会影响地方数据汇聚的效率和水平,进而影响数据赋能基层治理的效果?另外,对社会事实的模糊性也需辩证地看待。“模糊”并非百害而无一利,其也蕴含包容并蓄的意味。因此,基层政府又该如何把握基层治理中“模糊”和“清晰”二者的平衡?我们也期待后续研究对上述问题作出进一步揭示。