人工智能换脸视频鞠婧祎

发布日期:2020年07月28日
海量资讯 定时更新

安徽商网新闻动态,为您提供最前沿、最专业的公司及行业技术资讯和技术分析。

政府数据治理风险及其消解机制研究

发布时间:2021-01-18 09:00:21来源:《电子政务》2021年第1期 浏览次数:160

摘 要:政府数据治理改革是大数据、人工智能快速发展背景下政府治理改革的新趋势。重视政府数据治理改革,同时关注其背后的风险,是政府数据治理绩效提升的应有之义。数字政府建设与风险消解应成为政府数据治理改革的核心议题。通过文献研究、理论建构、关键成功要素分析(KSF)等方法,解构政府数据治理过程中的风险,为政府数据治理改革的推进创造条件。政府数据治理过程中的风险主要包括决策和领导风险、数据风险、技术风险和数据平台的运维风险等。基于对政府数据治理整体绩效的关照,有必要采取改进措施:优化决策和领导机制,保障组织基础;保证数据质量,优化质量保障体系;提升技术整合能力,完善治理平台;增强数据整合和运营能力,共享治理成果。

在大数据、人工智能等新技术成为我国政府治理创新重要驱动力的背景下,政府数据治理改革成为智慧政府建设的内在要求,全国各地政府正积极推进数字化转型。这一过程包含一个核心议题即通过政府数据治理改革为政府治理机制创新赋能,为社会提供高质量的公共服务体验。习近平总书记在国家大数据战略第二次集体学习时为我国“数字政府”建设指出了方向,我们应该分析大数据发展取得的成绩和存在的问题,推动实施国家大数据战略,保障数据安全,加快建设“数字中国”。总体国家安全观背景下的大数据战略和“数字政府”建设客观上要求我们必须高度重视政府数据治理改革过程中的风险和不确定性的管控与消解,风险的有效管控从某种意义上也是政府数据治理绩效有效提升的核心支持要件,构成政府数据治理绩效的当然内容。在风险社会的背景下,风险和不确定性增加,这就要求充分利用大数据平台,综合分析风险因素,提高对风险因素的感知、预测、防范能力,从而能够切实保障国家数据安全。

一、政府数据治理风险的回顾与问题提出

大数据和人工智能的快速发展,客观上为我国政府数据治理改革提供了良好的技术和数据支持,浙江、江苏、贵州等地区都在积极探索政府数据治理改革的新模式。数据治理改革在学术界也成为一个新的研究热点。从20世纪90年代中后期与电子政务相关的研究开始,经历了“互联网+政务服务”,再到“数字政府”的研究,数据治理的范围越来越广泛,也越来越受到实践领域和学界的关注。黄璜等学者从理论上对政府数据治理进行了阐释,明确了与数据治理相关的概念以及数据治理的框架建构等内容。在实践研究方面,丁波涛以上海为例分析了我国政府数据采集、共享、利用、开放和服务等环节中存在的问题,提出了相应的对策建议;吴克昌、闫心瑶以广东省为例,探讨了数字化给公共服务提供带来的弊端;赵豫生等在黄璜所做的数据治理机构研究的基础上对大数据治理机构承担的职能进行分析,从战略、管理、技术、服务四个维度提出了大数据治理机构职能评价指标体系。政府数据治理模式建构重要,防范政府数据治理改革过程中存在的风险和问题也同样重要,它从根本上影响着政府数据治理改革的整体绩效。网络安全、信息安全、能力限制、制度缺位等都是数据治理过程要重点关注的风险来源,这些风险是环境、技术、人员、沟通等诸多要素耦合的结果,风险的存在对于地方政府治理绩效的提升是一种负向激励,不仅阻碍政府治理的改革进程,还从根本上制约我国整体治理的现代化水平。

国内外学者基于不同的学科基础分别从不同视角对“数字政府”或政府数据治理中的风险进行了探讨和分析。Sundberg将有关“数字政府”的风险研究划分为IT安全、用户使用、实施障碍及政策与民主四类。何哲通过对人工智能技术发展历程、趋势、核心特征和支撑要素,以及在人类社会的嵌入方式和驱动因素的系统分析,总结了人工智能产生的隐私泄露、边界模糊、能力溢出等十个主要方面的风险。王谦等以社会技术系统理论作为支撑进行系统风险分析,得到“数字政府”所使用的信息技术风险、政府内部(包括技术参与者)的技术与组织的整合风险、信息技术对组织带来的“数据-信息-知识”转化的知识管理风险、时间维度上的阶段与过程风险、政府外部的社会功能风险五个维度的风险。丁辉侠分析了地方政府在大数据认识、大数据处理、大数据使用和数据安全四个方面面临的风险和挑战。夏义堃着重分析了政府数据治理在与IT融合、内外融合以及价值融合三个过程中所面临的主要风险。王金水等指出数据治理推动政府治理创新首先要看到其在政府、社会和个人层面所面临的困境,这会引致“伪创新”行为对资源的浪费,“数据为王”导致公众权利诉求得不到保障、数据泄露、滥用三个方面的主要风险。安小米等提出,在政府大数据治理过程中推出的“一号一窗一网”的信息惠民服务中,数据的汇聚与政府外包服务和PPP融资方式带来了数据利用和再利用中的数据权力、权利和权益失控风险及个人隐私暴露两方面的主要风险。由此可见,技术融合、管理革新、安全保障成为政府数据治理过程面临的主要风险,此外还包括伦理方面的风险研究,在政府数据治理过程中可能会衍生出基于大数据的隐藏价值评分系统,从而忽视人类社会原本的价值观念,这对于人类社会来说是一个巨大冲击。只有准确识别并有效消解政府数据治理的风险才能促进政府数据治理逐渐走向成熟,逐步实现更高效、更安全、更高质量的发展。

政府数据治理过程中的风险具体表现、生成机理和致因分析、风险如何实现有效管控等问题是我国政府数据治理改革的前置性议题,也是我国政府数据整体绩效提升的基础性条件。以此为初衷,本文期望能聚焦政府数据治理改革中的风险,探讨风险的有效消解策略,促进我国政府数据治理整体绩效的有效提升;通过解构政府数据治理的核心过程,分析风险的深层致因并提出精细化的风险消解对策,研究探讨政府数据治理的风险及其消解机制。

二、政府数据治理风险的理论框架建构

从国家发展战略规划到地方政府治理改革,政府数据治理是一个贯穿不同层级政府、涉及多元利益相关者的整体性、系统性革新的过程。从政府数据治理的目标来看,数据治理的过程包括两个主要维度,一是政府数据的治理,即数据如何在不同的利益相关主体之间流动或管理,侧重于对数据本身的管理和控制;二是政府治理的数据化,即政府内部机构等如何调整以适应数字化的时代要求,侧重于政府治理政策和工具的创新。本文从风险的视角去系统审视政府数据治理的整个过程,构建政府数据治理风险的理论分析框架,能使人们从整体视角上把握政府数据治理的风险,同时也为风险致因分析和风险消解机制的构建提供一个整体脉络。

(一)政府数据治理风险

治理本身是一个涵盖从环境条件到决策组成部分的功能和范围等多种类型的要素和机制的概念。政府数据治理是一个以数据资源为核心,内外部、软硬件、多部门持续性协同推进的动态过程。从动态能力的角度来看,政府数据治理的竞争优势不仅来自拥有的关键数据资源,而且与正确开发、合理运营和维护数据系统的程度和能力以及政府内部组织架构、组织和领导、外部技术生态环境的系统配置有关。政府数据治理不是政府信息管理、电子政务等传统概念的简单替代,而是大数据情境中政府信息管理的纵深发展与精细化体现。政府数据治理有两个方面的重要内涵:一是政府对数据的治理,即将政府所能获得的内部数据以及企业、组织等共享的外部数据作为治理的对象,充分发挥数据价值,提高数据处理的效率;二是政府治理的数据化,不只是限于按照数据治理的要求对政府工作的数据化,而是按照业务和技术需求嵌入大数据、人工智能等的应用,驱动管理、机构的革新,政府治理的数据化进一步扩展了传统政府数据治理的内涵与外延。“数字政府”则侧重于理论阐述,其与政府治理的数据化是从不同维度对政府数据治理变革做出阐释。

现代化的自反性引致政府数据治理过程中机遇与风险并存。政府数据治理风险是数字化、信息化给政府治理带来的新生风险。研究政府数据治理风险及其消解机制首先要明确政府数据治理风险的内涵。从政府数据治理的两个基本过程入手,政府数据治理风险有两个方面的主要来源:一是对数据本身的管理和控制过程,数据作为重要的资源和治理参照,政府数据的治理要充分发挥数据价值,通过采集、服务提供等方式对数据进行加工处理并用于满足访问需求,该过程中涉及的人员、资源、技术及其多元交互过程都是风险的重要来源。二是政府治理的数据化过程中的风险来源,为适应治理的数据化需要,要推动政府治理政策、工具以及组织领导和技术生态环境等的创新,任何要素的滞后或整体的不协调都会引致风险。我国政府数据治理风险总体上是指在大数据的场景中,不同层级的政府为了实现治理过程的优化和治理绩效的提升,对所能获得的数据资产进行治理以及创新政府治理机制,推动政府治理的数据化进程中多因素的耦合作用所引致的风险。从国家层面来讲,政府数据治理风险是国家治理能力和治理体系现代化过程中的必然因素,也是推动国家治理现代化必须面对的挑战。

(二)政府数据治理风险的理论框架

政府数据治理作为一个动态过程,它的每一核心运行机制都需要人类在大数据和人工智能快速发展的情境下相机决策,风险在某种意义上是人类创造和选择的,要实现数据治理绩效的优化,有必要解构数据治理过程,识别风险和不确定性,明确风险来源和致因,但目前基于政府数据治理过程而进行风险识别和消解的研究较少。政府数据治理包括两个基本过程,一是政府对数据进行采集、处理、共享和交换以及供给使用以满足服务需求的过程,二是为了与数据的治理过程相匹配而对政府治理进行数据化革新的过程。这两个过程相互耦合,为我国国家治理体系和治理能力现代化的进程赋能。从“过程”角度来看,政府数据治理是由相互衔接和关联的一系列治理行为构成的动态过程和复杂系统。风险识别是风险管理的第一步,也是风险消解的基础。政府数据治理风险的分析框架(参见图1)的建构能够帮助我们从整体和过程视角来解构、识别风险。

微信图片_20210114085943.jpg

图1 政府数据治理风险分析框架

⒈政府治理的数据化过程的风险

从内容上看,政府数据治理包含两个基本过程,首先是政府治理的数据化过程,这一过程包括政府从领导决策制定、机构设置革新到人员职能匹配等整个治理过程中的所有要素的数据化变革,对政府治理过程的革新是我国国家治理体系和治理能力现代化过程中的应有之义,也是政府对数据进行治理的前置条件。这一维度的风险主要表现为决策和领导风险。政府治理的数据化过程是包括政府内部软硬件协同支持的过程,也是从国家领导到基层管理者,从思维理念到决策机制等整个治理体系适应数据化要求的过程,在这一过程中由于内外诸多要素的耦合作用,风险和不确定性也呈现出复杂性和多样性。

⒉政府对数据的治理的风险

政府数据治理的第二个过程是政府对数据的治理过程,由于风险本身的复杂性和客观存在特征,通过“过程”视角来划分政府对数据治理的过程能够帮助我们从一个更清晰、更系统的角度来分析政府对数据进行治理过程中的风险因素。政府对数据治理的过程可以划分为采集、处理、共享交换以及供给四个主要阶段。{block name="guanjianci"}{/block}

⑴数据采集的质量风险

政府数据治理的关键要素是数据资源,即政府所能获得和拥有的数据量。作为数据治理的起点,数据资源需经过采集过程才能进入政府数据治理的议程中。采集的数据需要统一汇总到“数据资源库Ⅰ”,中央政府及各级地方政府之间要想实现整体性、一体化治理必须建立统一的数据资源库,为政府数据治理提供依据和参照。数据质量管理包括对数据的准确性、完整性、一致性、相关性和时效性的管理,这是数据管理程序中的一部分,而数据管理程序又是由适当的数据治理策略领导的,该策略的目标是在整个政府中将数据作为资产的价值最大化。目前,我国80%的数据资源掌握在政府部门中,如此庞大的数据量必然存在着数据保护的隐患和风险。在数据采集阶段所有使得数据出现质量问题的因素、数据的非法获取和交易等都是数据风险的重要来源。数据的质量风险有三种主要来源。一是数据冗余即数据资源的重复、多余。二是数据残缺。数据残缺主要分为感知限制型残缺,即收集者没有对特定数据收集的意识;能力限制型残缺,即由于技术、资源等的限制而不具备数据收集的能力;主动限制型残缺,即收集者基于主观能动性没有充分收集某类数据,这一方面与数据收集者本身的行为方式和角色定位认知有关,另一方面与政府对基层工作人员的激励措施等有关。三是数据造假。数据造假本质上是对数据整体真实性的破坏,由于数据资源可存性、复用性的特征,从数据的可持续性角度来讲,数据造假从长远角度降低了政府数据治理的整体绩效。数据质量问题是数据风险的重要来源,数据采集过程中的数据风险成为政府数据治理过程中要解决的首要问题。

{block name="guanjianci"}{/block}⑵数据处理的技术及运维风险

数据治理的形式和目的是实现数据的业务化,同时将业务数据化,这是一个双向交替的过程,政府对数据进行治理的过程都是围绕这一核心展开的。由于传统管理职能的限制,政府在搭建数据处理平台时需要第三方的介入,两者保持一种合作或外包的关系,由于两者在组织性质和行为目的上的差异,必然会出现合作风险和技术挟持风险。数据处理平台的搭建要确保“数据仓库”的安全性和数据的保密性,平台水平和“数据仓库”的稳定性主要取决于第三方企业的技术水平。由于企业间核心技术的差异,政府数据处理平台的水平有限且参差不齐,极易造成数据丢失或泄露,技术风险是政府数据治理风险中的硬性风险。数据处理过程中的行为和选择是引致风险的主要过程,不同部门之间由于竞争地位的存在,在技术平台搭建上的壁垒会造成条块分割的局面,数据平台在不同地方政府之间缺少沟通和协调,导致平台之间不成体系,集成化程度较低,很难为数据资源库在不同地方政府和部门之间的共享和交换创造条件。技术与管理的脱节也是技术平台一体化程度不高的表现,部分部门的实体政务大厅与线上政务服务系统分属于不同的部门管理,这就导致政务部门在线上与线下、上级与下级之间的数据交流缺乏时效性。在当下的数据处理过程中还存在数据批量泄露的情况,由于缺乏利益引导和监督,数据黑市规模庞大,非法收集、窃取、贩卖、利用用户信息的行为猖獗,甚至形成了产业链条,部分与政府合作的数据运营、维护的公司内部管理机制不健全,对运维人员疏于教育监督,这逐渐成为数据运维风险的促发因子。

⑶数据共享和交换的整合和运营风险

数据经过采集和处理进入数据资源库Ⅱ为数据的共享和交换做准备。以政府边界为划分依据,数据共享和交换包括三种主要类型,风险也就隐藏在三种不同类型的共享交换之间。一是政府内部不同部门之间的数据共享。传统治理行为中不同职能部门是一种条块分割的关系,在不同部门之间办理业务,会被各部门分别要求开具各种证明材料,数据的流动被阻隔,没有实现数据的有效整合。二是不同政府之间的数据共享和交换。政府间的数据共享需要数据库内容条目的统一以提供共享依据,这是分析人才、资源等流动性特征和开展跨区域业务往来的重要参照,政府间数据共享需要数据共享平台的衔接。当下我国数据共享形势严峻,就公积金管理机构而言,我国六百多个公积金管理机构本应按《住房公积金管理条例》进行统一管理,但目前各地有上百套公积金管理系统,形成了互不关联的信息孤岛。三是政府与其他参与组织或机构之间的数据共享,这种政府与外部组织之间的信息共享主要是特定的业务需求驱动的。健康码的引入是我国疫情防治的一大亮点,在健康码的使用过程中,政府通过把健康码共享给各入境管控执勤点或各人口流动限制点以此来明确哪些人员具有流动的资格。健康码生成的首要环节是申领对象主动测量体温并填报相关数据,申领者对于健康码重要性的认知是健康码所用数据真实性的保证。健康码相关数据在不同政府部门和组织之间流通时,只有高效的数据管理和维护才能保障数据的真实性和客观性,由于不确定性的存在,整个运营和维护过程都有引致风险的可能性。

⑷数据供给的交互风险

数据供给主要是满足数据使用者的不同数据需求。数据供给将数据提供者和使用者联系在一起,这一过程是多元利益相关者的交互过程。整个国家和社会的运行借助几乎全覆盖的互联网和各种数据信息平台发生联系,形成了国家和社会新的连接机制,民众的信息获得、处理和运用获得了更充分的可能空间,也获得了行为和信息上更大的交互空间。就管理者自身而言,在该阶段应该更加关注数据需求,并从管理和技术层面对现有数据做出调整。对于数据需求方而言,政府数据平台的可操作程度以及与用户之间的交互性直接影响用户的使用体验,进而影响政府数据治理的评价水平。数据服务平台的投资者、技术平台的建设者、政府管理者以及使用者之间的不同导致需求和服务之间出现不对称现象,用户需求与政府数据服务之间的失衡也是数据整合与运营风险的重要构成。

政府不同部门作为数据需求方中的重要组成部分,其与数据供给方之间的不平等也是交互风险的重要来源。2019年发布的《政府数据供应链白皮书》指出,针对政府业务部门之间数据供需不匹配的问题,数据供应链体系建设可助力政府数据治理与运营。这表明数据供给与交互已经成为一个重要议题。大数据的快速发展带动用户的数据需求不断变动,数据平台的灵活度和弹性成为影响数据平台应用的可持续性和数据服务满意度的重要因素。

此外,一些政府网站建好后没有专业的人员去维护、更新信息,在用户需求和地区发展不断变动的背景下,停滞的数据只能提供普通参考,失去了辅助决策的参考价值,这表明数据平台的日常维护和管理也是影响供需交互的一个关键要素。

三、政府数据治理风险的致因分析

政府数据治理是一个多因素相互协调、共同产生治理效能的过程,在政府对数据进行治理以及政府治理的数据化过程中,政府外部的技术生态、管理者的能力水平、政企合作等因素处理不当都会引致风险,在政府数据治理过程中,风险产生和存在的环节和条件各不相同。解构政府数据治理过程的目的是要明确政府数据治理风险的深层致因,政府数据治理风险的分析框架使得有可能更加系统地对政府数据治理过程中的风险进行深入研究,通过剖析风险要素确定数据治理风险管控和消解的着力点。

(一)决策和领导风险:数据治理的配套革新不彻底

政府治理的数据化过程主要是从政府内部的治理理念和思维、组织机构等方面来进行革新以适应数据治理的需要。在传统的政府治理中,各层级的政府管理者都对权力过度掌控,受限于传统思维和习惯的限制,对政府数据治理的重视程度不够,无法适应政府数据治理变革的需要。在条块分割的管理体制下,各地区、各部门分级负责本地区、本部门平台系统的建设和运营管理,所需经费也分别由各级财政负责,导致各部门的信息系统基本上处于相互独立、垂直发展的状态,各地政务服务平台的建设存在发展不平衡、事项标准不统一等问题,“数据烟囱”等限制性问题难以解决。跨地区、跨部门、跨层级的数据共享缺乏清晰明确的顶层设计、行动方案和技术路径。权力结构设置,责权利关系之间不匹配,数据所有者、使用者、管理者,联动管理层、业务部门、审计与合规部门的相关职责不明确,数据安全管理工作责任落实不到位,智囊团、决策中心、信息系统等的缺位构成政府数据治理过程中决策机制的风险因子。同时,还存在缺少政府数据治理的相关领导机构,数据分级分类、安全保护、使用操作划分不明确,监控管理的原则、策略、规范不完善等多重风险致因。由于政府本身组织结构的限制及缺少对人员的培训和教育,在当下的政府部门中缺乏既精通信息技术又精通管理的复合型人才,政府的管理者处于惰性或能力限制无法从传统治理模式中抽离,无法适应大数据带来的转变。从思维、观念、能力到机构设置、权责关系等配套的滞后性都会引致决策和领导风险。

(二)数据风险:能力限制及监管缺位

数据资源本身的低质量及采集过程中的监管缺失等都是引致数据风险的重要推手。根据数据风险的三种主要类型,数据冗余的出现包括基层数据采集人员对数据的理解出现偏差,数据采集对象的重复提供等原因,这增加后续数据清洗的成本,降低数据治理决策的科学性。数据残缺包括感知、能力、主动限制三种表现,数据采集对象及采集人员的认知和能力限制是数据残缺的主要诱因,其中也不乏个别领导干部利益需求膨胀,政绩观扭曲,无视党纪国法,随意破坏数据。数据造假的原因一般包括基层政府工作人员为了完成数据指标,对于一些不能获得的数据采取凭空捏造的处理方法;系统外部黑客等侵入政府数据采集系统对数据进行改写,其目的是从数据来源上影响政府的政策过程;对于部分采集对象主动填报的数据,填报者可能会选择替代性的数据或进行数据捏造来上报。

除了数据采集过程中多重耦合因素共同引致数据风险,关键还缺少高效严密的法律法规体系做支撑,数据治理作为信息时代的新兴产物,其配套措施和法律法规不健全导致数据采集过程中缺少边界限制,数据采集行为缺少规范性。作为数据风险案例的典型,山西省临汾市国控环境空气自动监测数据造假案件是一起有组织、有预谋的蓄意犯罪行为,数据采集者行为严重背离中央要求、影响决策进程、侵害公众知情权、损害政府公信力。这一类典型案件的出现也充分反映出一些地方贯彻执行决策不到位、组织领导不力、监管严重缺位,没有建立完善的防范和惩戒机制的现状。

(三)技术风险:理念及核心技术滞后

在数据治理过程中,最常见的技术风险与数据平台的搭建和数据处理过程中的数据存储等功能相关。技术限制使政府数据治理的效率和安全性得不到保证,这成为数据治理中的梗阻。技术的不成熟包括物理层即各种服务器、路由器、交换机等硬件设备和通信链路,以及系统层即操作系统或数据库系统的限制性。2014年中央网络安全与信息化领导小组的成立,标志着网络安全成为国家层面的重要议题之一,在建设“数字政府”和“数字中国”的背景下,网络作为数据流转的渠道和媒介,网络数据的安全性是当下数据治理的着力点。

在政企合作过程中,专业人才能否借助大数据技术准确施力成为消解技术风险的关键。政府大数据企业领域通常需要长时间的技术和行业经验积累,但人才招引难和留用难问题严峻。此外,技术积累和行业积累的长周期性导致行业专家资源稀缺,很多政府的大数据项目都需要懂得行业内在规则的专家来支撑和解读,但实际情况是专家数量“供不应求”,大数据项目交付迟缓。人才、企业是政府数据治理的主要辅助力量,目前国内大部分大数据企业理念缺失,核心技术竞争力不强,很难成为政府数据治理的中坚力量。

(四)整合与运营风险:管理者及数据平台的有限韧性

“三分技术、七分管理”强调的是管理对政府数据治理的重要性。在政府对数据进行治理的过程中,管理行为主要集中于对数据本身及数据平台的管理。根据政府数据治理过程中风险的分析,整合和运营风险主要有两个致因:一是管理者的灵活度低,与处理和共享交换过程中的变动风险相比,管理者对进程和风险的控制力度有限。二是数据平台的弹性较弱,包括数据处理平台、数据共享平台等与数据治理过程相关的技术平台,平台效用的高低主要体现在数据治理对平台的应用过程中。在进行常规数据的处理时,能够充分发挥平台的技术优势,当横向数据的复杂性加剧,极易出现平台故障,不能满足数据处理的例外需求。数据平台创建时,由于技术或资源限制等因素,在可持续性方面的韧性有限,人工智能等的快速发展需要数据处理平台的代际更替速度加快,以此来满足不断增长的数据需求。数据治理的核心是大量能互相连接的数据在一个大数据计算平台或者是衔接互通的数据节点上,通过相同的数据标准来进行关联操作,形成大数据采集、反馈的闭环。在实际治理过程中,不同部门之间的职能差异和壁垒对数据“流速”和“流量”产生限制作用,管理者及数据平台在进行实际操作过程中缺少对数据的宏观认知和预见性操作,使得数据的整合和运营可能滞后于数据操作的实际需求,进而引致风险。

四、政府数据治理风险的消解路径

在对政府数据治理过程进行解构的基础上,剖析了数据治理过程中存在的风险类别及具体致因,为政府数据治理风险的管控和消解提供了有力参照。作为国家治理现代化的重要构成,政府数据治理能力和绩效的提升是一个关键要素。决策和领导风险、数据风险、技术风险和数据的整合与运营风险共同构成了政府数据治理的风险。因此,从这四个方面入手来提出管控和消解数据治理风险的对策和措施是优化政府数据治理绩效的重要途径。

(一)优化决策和领导机制,保障政府决策的组织治理基础

将数字化转型视为信息技术系统的实现,而不是由技术进步推动的一种新的工作方式,是政府管理者经常出现的错误认知。在政府进行数据治理的过程中,治理绩效受到多种因素的影响,包括但不限于系统政策支持的缺乏、系统融合欠佳、系统监管不到位、管理者认知不够等内容。系统监控挑战了不同利益相关者联结网络之间的双边和多边关系;认知能力的建设需要综合考虑政府管理者的态势感知、决策者的决策支持和危机应对能力。系统推进政府数据治理过程,需全面审视相互关联的结构、层次、要素、功能、环节,统筹构建上下贯通、内外衔接、统分结合的系统集成改革格局,强化顶层设计。

首先,要建成导向明确、职能精细的数据治理委员会,管理数据资源共享等工作,负责统筹规划、协调推进数据共享的重大事项,在不同层面构建具有强适应性的数据共享解决方案。

其次,建立健全数据安全保护机制,为提升政府治理能力提供保障,把涉及数据资源流动和交换的环节作为重点保护领域,尤其是对跨部门、跨区域流动中涉及国家安全和个人隐私的数据源加大管控力度,确保数据在采集、存储、共享和交换过程中的安全性。

再次,完善组织保证体系,通过引入外部“智力支持”,成立地方“数字政府”建设专家咨询机构,组织不同领域的专家参与政府数据治理的过程。

最后,强化政府数据治理的评价监督体系建设,激励公众通过数据治理反馈网站以及第三方评估等手段来倒逼政府机构精简流程,优化服务质量。Moyle从安全保障的角度入手,提出通过整体风险管理来进行风险治理的研究,这意味着要找到能够优化技术和业务价值同时降低引入新风险的正确决策,并在长期价值和可能的新风险之间进行权衡。

(二)保证数据质量,优化政府数据治理的数据质量保障体系

数据是政府治理的核心资源,政府数据治理就是释放数据红利的过程,数据反映每一个体的基本权益和利益。数据风险主要围绕数据的质量及质量管理展开,消解数据风险要保证数据的时效性、完整性和真实性。时效性对于政府决策而言意味着决策是满足最新需求;完整性意味着基础数据的完备程度足以满足地方政府的数据治理需要;真实性则从根本上决定了政策的科学性和解决现实问题的程度。

为了保证数据的质量,首先要从数据的采集对象入手,通过基层数据采集单元对数据采集重要性的宣传来提高公众对数据的认知,减少“数字鸿沟”[29];其次,要保证采集数据的政府工作人员的认知、工作态度和能力,确保在采集过程中能够给采集对象以正确的引导;再次,由于对于数据风险的研究是一个具有全局性战略意义、需要进行持续关注和整体过程跟踪的活动,数据的采集过程需要有完备的政策和制度支撑;最后,为了实现“让群众少跑腿,让数据多跑腿”的数据治理改革目标,要在数据采集之后和数据采集对象建立定期双向联系,优化公众对数据采集的感知。数据的采集和流动不能碰触数据安全底线,政府作为维护数据开放秩序和保障数据安全的主要力量,应制定数据安全保障的规则体系,推动数据在制度框架下开放与流动。为了保障数据的安全性,减少并最终消除数据的非法获取和交易行为,有必要建立流通数据的监管、追溯和标识体系,建立数据治理的秩序和规范行为模式,打击非法的数据交易或交换,同时,学习借鉴欧盟出台苛刻的数据保护条例或对出售客户数据的运营商施以重罚等措施。

(三)提升技术水平,完善政府数据治理的技术支持体系平台{block name="guanjianci"}{/block}

政府数据治理情景中的技术是指能够在整个政府范围内执行数据治理过程的实际软件和硬件组件。政府数据治理的技术逻辑是坚持政府数据技术治理理念和政府技术治理实践的统一,坚持“技术赋能、用户导向”理念,鼓励政府应用多样性的技术手段,开发多类别的技术工具来实现政府数据治理[30]。习近平总书记指出,没有网络安全就没有国家安全,要从多维度提升网络信息安全治理能力。

首先,加强隐私脱敏保护和安全保密防护,做好数据安全的风险防范,对相关政务数据进行访问控制,避免敏感数据在使用过程中遭到泄露。树立数据安全理念,提高安全认知,建立数据访问准入机制,最大限度保障数据服务的提供和共享。

其次,技术水平的提升需要政府的政策、资金扶持以及技术人才支持,高校和科研机构要提高对技术人才的重视力度,将大数据的通识教育与专业教育相结合,树立对数据认识、管理、应用和保护的超前意识,进一步构建大数据知识系统的价值目标,实现更多高阶人才的广泛培养。

最后,要加大对“数字政府”的信息基础设施建设,尤其要加大对政府数据服务设施体系的建设,整合人工智能、云计算等先进技术,提高政府数据对社会、经济、文化等领域发展的促进作用。在对大数据基础技术进行优化的基础上还要加强数据服务人工智能的开发研究,数据服务人工智能的应用能够打破科层制的扁平化管理,同时可以节约大量人力、物力,提高政府数据资源的配置效率,助力政府数据治理革新的稳步推进。

(四)增强数据整合和运营能力,共享政府数据治理的成果

整合数据平台,加强数据运营,需要以服务对象为中心的思维模式的引领。打破信息壁垒,构建完整、系统、多层次的数据处理平台,使各部门的数据资源能快速汇聚、集中分析处理,更好地服务于社会民生、企业、市场的不同需求。在政府数据治理过程中,可由政府主导建设大数据平台、信息共享交换平台、公共服务平台等,以一个基础性的中央数据平台对接分布在不同领域、不同主体、不同层级、不同形式的基层数据端口,在不同的平台之间实现数据业务的系统协调,不同主体的数据开放共享,既是数据时代实现政府治理创新的前提,也是充分释放数据价值的关键。

山东提出要加快建设主题库、专题库和通用业务库等,统一确定数据治理服务目录“菜单”,为各部门提供“点菜”式服务。为了提升数据平台的整合和运营效率,需要借助大数据分析技术对数据服务事项进行规律性探索,并以此为依据确定政府改革中具体事项的优先级。同时,建立数据服务的监测机制,根据服务反馈及时优化配置,对政府业务流程进行系统性重构,打破数据壁垒,倒逼实现数据跨部门、跨地区、跨层级、跨业务的开放共享,强化“数据只提供一次”的原则,充分发挥数据信息价值。广东省通过成立“数字政府”改革建设领导小组,组建省政务服务数据管理局,撤销省直各单位信息中心,建立统一的运营机构,形成了“政企合作、管运分离”的模式[32]。由于不同部门之间对于大数据价值的感知存在差异,可以通过建立大数据利益补偿机制来促进不同部门和不同层级政府之间的数据共享和交换,让数据共享推动政府与公众的互信和互动。对于不同类别的数据,首先要界定数据资源的分类共享属性,并在此基础上提供不同开放程度的数据共享服务,以此来强化数据资源整合共享和流通的安全性。

五、结论

在大数据的场景中,政府数据治理变革面临着决策和领导、数据资源本身、数据治理技术、数据平台的数据整合与运营等方面的风险和挑战,这阻碍了我国政府数据治理的进程,不利于我国国家治理体系和治理能力的现代化。因此,政府数据治理创新需要通过解构政府数据治理的“过程”模型系统感知并准确识别政府数据治理风险,基于此,从优化决策和领导机制、保证数据质量、提升技术水平、增强数据整合和运营能力等方面来管控和消解政府数据治理过程中的风险,推动我国政府数据治理革新,为我国“数字政府”以及“数字中国”的建设奠定坚实的基础。

免费开通产品体验功能,在线试用30天!