>政务>>正文

政府大数据共享交换情境下的大数据治理路径研究

原标题:政府大数据共享交换情境下的大数据治理路径研究

摘要:文章采用双案例研究, 选取云上贵州公司及块数据公司展开贵州省及贵阳市的大数据治理实践分析, 通过访谈、文件、资料收集多源数据。案例分析基于大数据汇聚、融合、应用三个阶段展开, 围绕治理主体、治理客体、治理工具展开分析。研究发现:省级和市级治理实践形成重构式及探索式两类大数据治理路径, 统筹规划及实践应用构成两类路径的根本区别。这一研究拓展并深化了大数据治理的理论研究, 对我国开展大数据治理实践具有参考借鉴意义。

1 引言

在大数据发展背景下, 如何应对大数据带来的各项风险, 如何有效发挥大数据的潜在价值, 这是学界和业界当前关注的热点话题。对此, 大数据治理的相关研究进行了有益探索, 大数据治理理论逐步兴起, 大数据治理的概念及理论框架逐渐明晰。然而, 这些研究仅回答了大数据治理的基本问题, 对于如何有效实施大数据治理的支持仍然有限。

就大数据治理的实践而言, 我国地方政府开展的大数据治理探索取得了初步效果, 尤以共享交换情境下的大数据治理为代表。一方面, 传统电子政务发展过程中的信息孤岛、数据壁垒等问题延续至今, 成为阻碍政务大数据共享交换实现的障碍, 大数据治理成为应对这些挑战的解决方案;另一方面, 当前我国的政务信息化建设以实现“三融五跨”的整体联动、协同管理和精准服务为指导思想, 政务信息系统整合共享成为电子政务发展的最新实践, 而大数据治理成为促进这些目标实现的有效保障。

在此背景下, 探讨跨主体、特定情境、实施细节方面的大数据治理路径具有理论和实践意义。综合而言, 本研究旨在通过云上贵州公司及块数据公司大数据治理实践探索的双案例研究, 在共享交换情境下对大数据治理路径问题展开探讨, 通过分析性归纳揭示大数据治理的实施路径, 以期为大数据治理理论研究提供实证支持, 并促进大数据治理实践发展。

2 文献综述与研究框架

关于大数据治理, 最早起源于2013年对企业大数据治理的探讨。随着学者对大数据治理的关注, 对大数据治理的理论研究已扩展至社会治理、国家治理领域, 因而对大数据治理的定义与具体研究领域密切相关, 但发掘大数据价值、规避大数据风险是大数据治理研究的共同目标和方向。以下主要从治理主体、治理客体、治理工具三个方面论述当前大数据治理理论研究的三个趋势。

2.1 治理主体:由企业扩展至政府领域

企业和政府是大数据治理领域两类重要的治理主体, 有关大数据治理的研究最早是在企业内兴起。关于企业大数据治理, 最具代表性的是Soares的研究, 在该项研究中大数据治理被视为是数据治理的延续, 其目的在于通过功能集成实现大数据优化、隐私、变现。具体至企业管理领域, 大数据治理主要用于评估、指导和监督大数据的管理和利用。更进一步, 从企业风险和收益视角出发, 大数据治理主要用于平衡风险和收益。这些研究表明:企业大数据治理主要关注点和目的在于实现企业的管理、效率和服务。

最近的研究则表现出对政府大数据治理的关注, 具体而言, 在国家治理视角下, 大数据治理被视为国家治理的组成部分, 由人、物、技术、数据构成。尤其在动机——能力框架下, 现有研究认为, 我国地方政府在借助大数据治理实现政府管理方面仍然存在管理体制机制方面的困境。区别于企业大数据治理, 政府大数据治理侧重于通过技术工具应对大数据带来的风险、威胁与不确定性, 并且相较于目的导向的企业大数据治理, 政府主导的大数据治理更为突出对整体框架的关注。

2.2 治理客体:由数据提升至主体层面

大数据治理客体是其所针对的目标事务, 是治理活动展开的依据和中心。在现有研究中, 早期主要是在数据序列层面界定大数据治理客体, 包含围绕大数据处理形成的过程和方法, 大数据治理的具体路径主要表现为数据集成、数据挖掘、数据整合、数据分析、数据共享、数据推送等。虽然这些研究中提及业务集成、信息生命周期管理等举措, 但数据尤其是数据处理过程仍是这些方案的出发点和中心对象, 大数据治理的技术功能得以充分发挥。

基于上述研究, 随着大数据技术及实践发展对社会活动的影响日益增强, 大数据治理的对象逐渐提升到主体层面, 说明大数据治理的社会功能开始被关注。具体而言, 大数据权责划分成为治理客体, 即在所有权层面对治理主体权责关系的安排和变革。更进一步, 在科学—技术—社会视角下, 大数据社会治理成为新的关注点, 主要强调多主体间的协同和协作。虽然此部分研究将治理客体提升至主体层面, 但对如何实现跨主体联动和协调的具体路径探讨不足。

2.3 治理工具:由技术转变至管理维度

实现大数据治理的手段被视为治理工具, 治理工具对治理主体、治理客体具有一定的依附性, 并且现有对大数据治理工具的研究历经从技术到管理的转型。在综合集成视角下的大数据治理研究中, 治理工具处于大数据治理的微观层面, 包括管理策略、过程、法律、计算机等。由于早期研究主要关注数据资源层面的治理问题, 据此形成的治理工具同样是在技术维度展开。如来源于企业最佳实践的治理工具包括信息资产评估、理解成本、数据组织策略、促进和抑制因素识别、治理方案及治理创新, 除此以外, 治理工具同样包括围绕大数据处理形成的规则和政策框架, 但由于缺乏对具体细节的探讨, 这些治理工具对于实际操作层面的指导仍然有限。

近期对于治理工具的研究则转至管理工具维度, 换言之, 大数据治理在技术工具支持的基础上, 同样有待管理层面的变革。具体而言, 制定战略方针、建立组织架构、实施监督、提供服务等成为重要的管理环节;决策机制、激励与约束机制、协同机制等成为大数据治理关键的运行方式;生命周期、利益相关者、流通方式构成治理工具实施应用的三个重要维度。这些战略、组织、机制等要素成为重要的管理工具, 该趋势同样契合了治理客体角度对主体、对组织架构等的关注。

综合而言, 现有对大数据治理的研究已取得初步成果, 但仍存在以下几方面的局限。具体来说, 第一, 就治理主体而言, 虽然企业及政府是开展大数据治理的重要主体, 但已有研究主要局限于组织内、单一主体的大数据治理研究, 尚未扩展至跨组织、跨部门层面的研究, 对于主体间的协作方式更是无从谈起, 而此类问题不仅涉及单一主体的治理能力、治理措施, 更注重多主体间的协同合作。第二, 就治理客体而言, 大数据处理过程及治理主体协调仅为一般化、通用化的治理客体, 数据和主体是大数据治理必然涉及的客体和主体, 虽然具有一定的普适性, 但缺乏对特定情境下治理客体的探析, 而大数据治理的具体细节主要依存于具体情境。第三, 就治理工具而言, 从技术工具到管理工具, 现有研究倾向于提供治理工具的整体框架, 但尚未探讨治理工具的细节内容及运用方式, 同时技术与管理工具的结合与交叉是现有研究尚未明确的问题。第四, 就研究方法而言, 现有研究主要基于文献研究、政策文本分析、文本内容分析方法, 尚且缺乏实证支持, 虽然企业大数据治理的已有研究采用了企业最佳实践分析方法, 但多为原则性论述, 对大数据治理实施细节的证据支持较为缺乏, 对大数据治理具体操作层面的支持有限。

2.4 研究框架

现有研究针对大数据治理的理论探讨是本研究的重要基础, 基于此, 本文提出以下研究问题:在政府大数据共享交换情境下如何实现大数据治理, 具体的实施路径是怎样的, 主要是在微观层面探讨政府大数据治理问题。借鉴现有基于不同研究视角的研究, 这些文献为本研究提供了重要的理论框架。根据大数据生命周期理论, 该过程被划分为数据获取和数据存储、数据标准化、数据分析三个阶段, 贯穿整个过程的是数据治理活动。由于不同阶段的关注重点有所不同, 本文根据基本的阶段划分探讨政府大数据治理问题, 包括大数据汇聚、融合、应用三个阶段。此外, 综合现有大数据治理要素理论的核心论述, 本研究按照治理主体、治理客体、治理工具的基本逻辑展开对大数据治理实施路径的探讨。

3 研究方法

针对上述研究问题, 鉴于本文为对大数据治理实施路径的探索性研究, 论文选用案例研究方法, 其选择依据如下:第一, 尽管现有研究探讨了大数据治理的概念和框架, 但对大数据治理路径的研究仍较少见;第二, 对于大数据治理的理论研究尚且缺乏实证支持, 而案例研究方法适宜回答“怎么样”“为什么”类的研究问题;第三, 大数据治理是一个动态过程, 本研究将其置于政府大数据共享交换的情境下, 跨越了单一主体开展的大数据治理活动, 而案例研究有助于研究单一情境下的动态过程, 可在不脱离具体情境的情况下研究当前正在进行的现象。

3.1 案例选择

在案例研究方法基础上, 本研究选择采用双案例研究方法。当前, 政府大数据共享交换实践是适应我国政务信息系统整合背景的产物, 本研究选择云上贵州大数据产业发展有限公司 (以下简称云上贵州公司) 及贵阳块数据城市建设有限公司 (以下简称块数据公司) 为研究对象, 这两项案例具有典型性, 符合理论抽样原则, 为开展分析性归纳提供了条件。

选择要素如下:首先, 建设速度快, 成效显著。案例背景如表1所示, 云上贵州公司及块数据公司在短暂的发展阶段内取得了诸多成果。对于前者, 云上贵州系统平台是全国首个全省政府数据统筹存储、共享开放和开发利用的云计算服务平台, 自2015年以来先后获得中国大数据领域最具影响力企业奖、云计算优秀典型案例、中国大数据百强企业、IDC数字化转型领导力大奖、中国互联网+政务50强等殊荣。对于后者, 块数据的提出是贵阳大数据理论创新的重要成果, 区别于传统的条数据, 块数据成为大数据发展的高级形态, 是指在一个物理空间或行政区域内形成的涉及人、事、物的各类数据的总和。实践层面, 块数据公司开展了针对块数据的实践探索, 代表了政府治理体系和治理能力的最新实践。其次, 关键原因在于两个企业属于同期成长的企业, 分别包含了省级和市级两个层面大数据治理的具体路径, 二者存在相似之处, 具有同质性, 符合逐项复制法则。最后, 选择的两个案例分别代表贵州省及贵阳市省市两级大数据治理实践, 在政府大数据共享交换情境下, 每个案例同时具有独特的研究价值。

表1 云上贵州公司与块数据公司基本情况简介

资料来源:云上贵州公司、块数据公司官方网站。

3.2 数据收集

本研究通过多种渠道收集数据, 具体包括:第一, 主要数据来源于访谈数据, 本研究对云上贵州公司及块数据公司开展实地调研, 选择公司项目经理、总经理针对大数据治理问题展开访谈。第二, 文件资料, 针对所调研的贵州省和贵阳市省市两级政府大数据治理实践, 研究者收集了相关文件资料, 包括政策法规、标准规范、管理规范、工作指南、使用指南、汇报文件等, 这些文件构成对访谈数据进行对比、验证、检查的重要数据来源。第三, 二手资料, 包括网站公开资料、期刊数据库检索文献及网络相关报道, 这些资料提供了关于研究问题的基本概况和背景信息。数据来源编码如表2所示, 以上多样化信息来源通过三角互证以提高收集数据对结论的支持度, 在相互补充和交叉验证中减小偏差。

4 研究发现

由于大数据治理是一个动态过程, 不同阶段具有不同特征。在政府大数据共享交换情境下, 根据大数据生命周期理论, 本研究主要从大数据汇聚、大数据融合、大数据应用三个阶段探讨大数据治理路径, 分别分析每个阶段的治理主体、治理客体及治理工具。

4.1 政府大数据汇聚阶段的大数据治理路径

当前, 政府数据管理的新趋势在于, 通过大数据、云计算等信息技术支持, 将政府各业务部门大数据汇聚至一个平台上, 这是大数据治理的首要阶段和基本前提。一方面, 对于传统环境下的政务信息化而言, 受条块分割管理体制及信息化发展水平影响形成的“信息孤岛”是政府信息资源管理亟待解决的问题;另一方面, 政府治理方式及公共服务提供的发展和创新, 有待于借助信息技术实现政府运作和业务流程的变革。对此, 贵州省及贵阳市在汇聚阶段的大数据治理路径表现为:基础设施集中统一、数据资源目录梳理及数据资产登记, 如表3所示。

(1) 基础设施集中统一。贵州省建立了“云上贵州”系统平台, 用于实现全省政府数据统筹存储。为有效实现数据集成, 政府大数据领导和管理部门与系统平台建设公司通过跨主体协作促进大数据基础设施平台布局、建设和运维, 这被视为解决系统彼此独立、信息难以共享难题的关键性解决方案。在此过程中, 云计算成为关键性技术支持, 作为一种分布式信息资源集成方法, 该技术通过计算资源共享池实现了计算能力、存储空间和信息服务的按需获取。具体而言, 云上贵州公司通过建设系统平台及制定平台管理规范实现了我国政务信息化建设方式的根本变革, 省级大数据领导和管理部门则以政策工具形式规范并调动全省非涉密业务系统的整体迁移, 现已部署应用系统713个。此外, 贵州省大数据治理实践的特点在于, 在全省统一架构基础上, 为保障贵阳市级政府数据的汇聚和应用需求, 由块数据公司建设了“云上贵州”贵阳分平台, 在省级集中部署的要求下同时满足市级自主整合的需求。总体而言, 基础设施集中统一不仅实现了资源集约利用, 避免重复投资与资金浪费, 并从根本上避免了“信息孤岛”现象的持续蔓延。

表2 数据来源编码

表3 政府大数据汇聚阶段的大数据治理路径分析

(2) 数据资源目录梳理。现有对政务信息资源目录体系的理论研究包括元数据、技术体系、分类体系、共享交换、跨层级体系及服务体系等。贵州省的大数据治理实践尤其突出了对其中数据分类分级问题的关注, 并形成分类分级地方标准形式的治理工具, 分类采取主题、行业、服务、标签方式, 分级则按照敏感程度进行划分。虽然该项工具是政务数据资源整合利用的基础, 实现了对政务大数据的统筹管理, 同时构成跨主体及跨业务协同的依据。但对市级块数据公司的访谈表明, 在实际操作层面, 由于分类分级依据、监管等缺失, 由业务部门主导的数据资源目录梳理只解决了全省分类分级规划化和标准化问题, 对促进并确保跨部门大数据共享交换的支持仍然有限。

(3) 数据资产登记。在传统数据治理背景下, 数据资产管理是数据治理的对象和目标。对于政府而言, 政府数据资产管理是当前我国地方政府信息资源管理观念的重要转变, 权属关系及价值属性被视为政府数据资产的关键内容。适应此趋势, 贵州省出台了全国首个政府数据资产管理登记办法, 对贵州省各级政务服务实施机构的业务应用系统及非涉密数据开展登记工作, 以信息系统资产清单、数据资产清单的形式汇聚将信息化资产汇聚至政府数据资产登记平台中。该项举措降低了数据资产的分散性, 通过数据汇聚实现了政府数据资产价值增值, 但目前仅局限于政务服务机构范围及登记环节, 政府数据资产管理的识别、元数据框架、评估等仍有待明确。

4.2 政府大数据融合阶段的大数据治理路径

大数据融合是政府大数据共享交换的核心阶段, 根据现有定义, 大数据融合是按照知识的语义逻辑关联融合形成知识, 包括数据融合和知识融合, 前者重在整合, 后者重在理解。在大数据背景下, 政府数据共享交换是提高政府治理能力的核心议题, 尤其是跨组织系统、跨部门协作及跨部门服务协同被视为政府信息资源共享交换的关键。对此, 贵州省及贵阳市在融合阶段的大数据治理路径表现为:数据共享交换平台建设、数据处理规范制定、政务数据资源整合、共享交换机制构建及数据安全与监控, 如表4所示。

(1) 共享交换平台建设。对政府数据共享交换平台的研究由来已久, 早期的设计方案大致可分为两类, 一类为资源导向, 支持数据资源的过滤、汇集、发布、交换、查询等;另一类为功能导向, 支持数据流程管理、应用集成、数据整合及管理监控。在政府大数据共享交换情境下, 贵州省及贵阳市的探索实践与传统方案的根本区别在于突破了传统点对点的共享交换模式。具体而言, 在前述基础设施集中统一基础上, 云上贵州公司建立了全省政府数据共享交换平台, 并实现与国家共享交换平台对接, 借助技术平台实现数据流通, 并形成业务部门间的网状共享交换模式, 缓解了多源业务系统和异构信息资源融合的障碍。对于市级政府数据共享交换而言, 为保障市级共享交换的效益和效率, 块数据公司则搭建了贵阳市政府数据共享交换平台。但其访谈结果表明, 该平台有效解决了部分同级跨部门业务系统数据共享交换问题, 平台的分级建设导致跨层级数据共享交换依然是其难点所在。

表4 政府大数据融合阶段的大数据治理路径分析

(2) 数据处理规范制定。现有学术领域对大数据标准规范问题的研究较为薄弱, 对此, 贵州省市两级政府及平台建设公司对借助标准规范大数据治理活动表示认同。其中省级和市级大数据处理标准规范的区别在于, 贵州省大数据局及云上贵州平台分别通过数据清洗加工标准及数据资源发布使用指南的形式规范并纠正数据中的可识别错误;作为数据共享交换的具体实施部门, 市级在执行省级标准规范的基础上, 计划将标准规范的制定延伸至平台中多源数据及异构数据的数据定义及数据结构层面。该区别同样说明, 政府大数据管理部门及平台建设公司作为治理主体, 政府制定标准的特点在于覆盖面广泛、规范性强, 但由于其内容较为宏观, 并且制定过程漫长, 对于实际开展共享交换工作的云上贵州公司及块数据公司而言指导作用受限, 因而平台建设公司的操作经验和实践探索成为未来数据处理规范制定的重要依据。

(3) 政务数据资源整合。基础数据库和公共资源数据库是政府信息资源整合的重要方式, 其中基础数据库建设一向是我国电子政务建设工程的关注焦点, 是跨部门数据共享交换的关键内容。在上述共享交换平台基础上, 以基础数据库及主题数据库建设为典型, 贵州省围绕数据整合开展了数据治理实践。由基础库信息资源牵头部门建设的四大基础数据库, 区分通用数据项与部门专用数据项;医疗卫生、社会保障等主题牵头单位建设形成主题数据库。围绕基础库及主题库建设形成的政策及协调机制成为促进跨部门数据共享交换的关键性工具, 该项整合实践突破了现行行政管理体制对部门间数据共享交换的障碍, 确保了数据来源权威并避免重复采集, 不仅是应用系统开发建设的基础, 同时促进了主体协作和业务协同的开展。即便这些数据整合实践及治理工具促进了跨部门数据共享交换的实现, 但在市级层面, 块数据公司的业务运行实践仍表明:鉴于数据安全、数据共享意识、垂直系统对接等原因, 现阶段业务部门数据共享交换仍是目前政府大数据融合的最大障碍。

(4) 数据共享交换机制构建。关于数据共享交换的实现方式, 已有研究及实践探索出的解决方案包括:标准接口、数据交换系统、前置机、政务资源库等方式。在贵州省及贵阳市政府大数据共享交换的实际运行过程中, 云上贵州公司及块数据公司负责技术方案提供, 为促进跨部门数据流通, 同时减少业务部门共享数据的顾虑和负担, 两个公司形成多种共享交换方式并存的状态, 不仅延续了部分传统的共享交换方式, 甚至允许以拷贝方式共享数据。在此阶段, 数据的共享交换引起业务部门角色的转变, 形成数据提供方及数据需求方两类主体, 分别代表信主和信宿。在数据共享交换过程中, 根据共享目录, 对于无条件共享类数据, 直接通过共享交换平台实现。对于有条件共享类数据, 则通过治理机制上的创新推进共享实现, 即由数据提供方审核数据需求并规定共享范围及使用用途, 跨主体协同机制是其关键性治理工具, 大数据局和大数据委是重要的协调主体。

(5) 数据安全与监控。贯穿政府大数据融合过程的是安全与监控体系, 其治理主体以云上贵州公司及块数据公司为主, 主要通过监控平台、数据加密、数据存储、数据备份等技术工具实现数据安全保障。但以上方式及工具仅为系统平台及数据通信层面的安全, 双方访谈结果均表明:数据管理及使用上的安全仅靠数据共享交换平台难以实现。其原因在于:一是共享交换过程中保障数据安全的难点在于既不增加业务部门的建设成本, 同时不增加共享交换平台的业务负担;二是由于数据共享交换环节与数据使用环节并非连续, 云上贵州公司及块数据公司仅为政府大数据治理过程的一个环节, 目前仅能保障由共享交换平台连接的数据提供方至数据需求方这一过程的数据安全。

4.3 政府大数据应用阶段的大数据治理路径

政府大数据治理的最终环节及最终目的为大数据应用, 根据已有定义, 大数据应用是指应用数据分析方法挖掘大数据, 实现辅助决策及价值增值的过程。在现有研究中, 大数据应用主要围绕企业、商业、产品、网络形成, 其关键领域包括结构化数据分析、文本分析、网站分析、多媒体分析、网络分析和移动分析。与之类似, 寻求具体的业务应用场景是实现政府大数据真正价值的重要方式。在前述大数据汇聚及融合基础上, 应用阶段的大数据治理路径包括:业务部门主导数据应用、基于场景的数据整合以及面向应用的数据价值挖掘, 如表5所示。

表5 政府大数据应用阶段的大数据治理路径分析

(1) 业务部门主导数据应用。在现有对我国地方政府大数据应用的统计中, 贵州省处于首位, 并远高于其他省份。在大数据应用阶段, 贵州省市两级业务部门成为治理主体, 数据治理实践转而围绕业务活动展开。贵州省市两级大数据治理的实践进一步揭示, 数据应用的依据、权限、规则制定由业务部门主导, 有关数据应用的业务规则及标准规范是当前开展大数据应用阶段治理实践的关键性工具。对此, 云上贵州公司及块数据公司均表示, 一方面, 系统平台建设方仅负责数据共享交换环节, 并不支撑政务部门的业务实现;另一方面, 应用系统管理或数据具体使用仍然由各政府部门负责。尤其是块数据公司探索的数据一致性实践表明, 数据应用与具体业务间存在密切关联, 而共享交换平台与业务应用系统并不存在业务上的衔接。

(2) 基于场景开展数据整合。对于贵州省开展的大数据应用活动, 尤以块数据在农村精准扶贫中的应用为典型, 块数据在其中主要发挥技术支撑和决策参考作用。以精准扶贫场景为例, 业务主管部门及应用开发商开始介入治理过程成为新的治理主体。在此过程中, 大数据局、大数据委及扶贫办类业务主管部门负责跨部门数据共享协调, 农委类业务部门负责主导数据整合, 应用开发商负责扶贫应用开发及分析建模。

基于扶贫场景形成的治理工具不仅包括新的应用平台, 并且以扶贫应用标准规范建设为发展方向, 此外, 围绕业务数据整合形成的跨主体协调机制成为政府大数据汇聚及融合新的促进因素。即便如此, 块数据公司仍表示, 在基于业务场景开展的市级数据整合实践中, 除通过共享交换平台获取的数据, 垂直管理业务系统的跨层级数据获取问题仍旧是此阶段数据整合的主要障碍。

(3) 面向应用挖掘数据价值。数据价值挖掘是实施大数据治理的目标之一, 对于贵州省及贵阳市开展的大数据应用实践, 政府业务部门及应用开发商是数据价值挖掘的治理主体。各类数据和应用集成平台构成主要的治理工具, 包括业务部门主导的应用系统整合云工程建设、政务服务部门主导的服务整合平台建设等。这与传统环境下政府运作和服务模式相比的根本区别在于, 将数据需求与业务部门的直接对接过程转化为数据需求、云平台、业务部门三者的对接过程, 现有研究将其称为云政府运作及服务模式。此类平台和应用通过整合分散的数据和应用, 实现了资源集成及一体化服务, 不仅有利于大数据产业创新, 而且提高了政府治理及服务提供能力。

5 讨论

参照大数据生命周期及大数据治理要素理论, 本研究据此从两个维度展开分析以识别大数据治理路径, 分析表明:在政府大数据共享交换情境下, 贵州省及贵阳市的大数据治理实践呈现分级治理特征, 形成重构式及基于重构的探索式两种大数据治理路径, 具体如图1所示。

两类大数据治理路径的相同之处在于:第一, 在大数据汇聚阶段, 治理主体间相互独立, 其中企业负责基础设施搭建, 大数据领导及管理部门负责治理政策及标准制定, 政府各业务部门主导数据梳理及登记, 主体间的互动协同趋势并不明显, 对数据资源集成与组织的治理相对处于静止状态。第二, 在大数据融合阶段, 治理主体间开始产生关联, 基于公司建立的共享交换平台, 大数据领导管理部门、数据需求方、数据提供方、平台建设公司开始共同介入大数据治理过程, 表现为对数据处理过程及对主体共享交换协调关系的关注, 技术手段的革新同样引发治理机制的创新, 此阶段同级间的横向跨部门数据流通构成数据治理的动态过程。第三, 在大数据应用阶段, 治理主体以业务部门为主, 包括开发特定应用的单一业务部门及具体业务领域的跨层级多业务部门群体, 横向跨部门及纵向跨层级的数据分析挖掘及业务过程集成形成此阶段的动态治理过程。

图1 政府大数据共享交换情境下的大数据治理路径

两类治理路径的差别在于, 重构式治理路径以统筹规划为指导。此类治理路径的特点在于:在治理主体层面, 覆盖范围广泛, 包括全省与政府大数据共享交换相关的政府和企业, 尤以大数据领导管理部门、业务主管部门、全省系统平台建设企业为代表, 由这些管理层的治理主体主导的治理路径具有明显的战略规划的特点, 表现为云平台建设、数据资产管理等先进的治理理念由管理层向全省范围内辐射;在治理客体层面, 省级重构式的治理路径突破了传统环境下分散治理的局限, 在集中统一环境下形成了大数据处理的基本框架与关键节点, 对各级政府及参与大数据治理企业间关系的协调构成对治理主体关系的探讨, 并且以省级跨主体间的合作与协同为治理重点;在治理工具层面, 重构式的治理路径形成较为完善的治理工具, 包含政策、标准、规范、指南、平台等, 这些工具呈现明显的总体设计属性, 包含了大数据治理的基础性规定与宏观性指导, 未来更多治理工具的探索仍是一个漫长过程。

与之相区别的是, 基于重构的探索式治理路径以实践应用为驱动。此类治理路径的特点在于:在治理主体层面, 在遵循全省治理路径的框架下, 以市级政府及负责市级共享交换平台搭建的公司为主, 这类主体的特点不仅在于执行省级治理规定, 更为关键之处在于与省级治理主体沟通并直接面向实际的业务操作;在治理客体层面, 市级大数据治理实践对数据处理细节规定要求较高, 但现有治理路径不能完全覆盖治理实施细节, 并且市级层面对省级部分治理路径的认知存在分歧, 对跨层级数据资源获取及治理主体关系的协调更是当前市级治理实践亟待解决的问题;在治理工具层面, 市级尚未形成完善的治理工具, 鉴于市级层面治理主体及治理客体的特点, 这也为治理工具开发留下了一定的创新空间, 表现为以实践应用为导向的数据处理标准制定及技术工具创新, 但目前管理体制方面的障碍仍是跨层级大数据治理的难点, 仍有待跨层级主体间的合作与协调。

6 研究结论

由于现有针对大数据治理的理论研究局限于单一主体、脱离情境及整体框架的探讨, 本研究将其置于政府大数据共享交换情境下, 通过贵州省级贵阳市开展的大数据治理实践探讨跨主体、特定情境及技术管理结合的治理路径。通过对省市两级大数据治理路径的分析, 得出重构式及探索式两类大数据治理路径, 揭示了大数据治理的动态过程, 并从治理主体、治理客体及治理工具三个方面分析两类路径的差异, 指明以统筹规划为指导及以实践应用为驱动是两类路径的根本区别。

本研究指明贵州省市两级形成大数据的分级治理路径, 但两级治理路径间的衔接问题是未来有待关注的关键性问题。对于我国当前推进政府大数据共享交换的政府和企业而言, 除在治理主体内部参照一般性治理框架单独运用治理工具开展大数据治理外, 跨政府和企业的协同、对数据处理环节及治理主体关系的协调及技术与管理的结合构成大数据治理的关键路径。与此同时, 大数据治理的三个关键过程分别围绕集成、协同、应用展开。更进一步, 管理层主要在顶层设计层面积累治理经验, 操作层主要在业务应用层面推动治理实践。

国脉,是领先的大数据治理和数字政府专业提供商。创新提出“软件+咨询+平台+数据+创新业务”五位一体服务模型,拥有数据基因和水巢DIPS两大系列几十项软件产品,长期为中国智慧城市、智慧政府和智慧企业提供专业咨询规划和数据服务,广泛服务于信息中心、大数据局、行政服务中心等政府客户、中央企业和金融机构。自2004年成立以来,已在全国七大区域设立20余家分支机构、5大技术研发基地,服务客户2000余家,执行项目5000余个,连续多年开展中国政府网站、智慧城市、互联网+政务、营商环境等公益评估评选活动。被业界誉为中国信息化民间智库知名品牌、电子政务优选咨询机构,国内首倡智慧政府理念,首创智慧城市、数据治理、互联网+政务评价体系,首推数据资产普查、全口径数据资源目录、数据元标准化、数源确认与供需对接、最多跑一次事项梳理、营商通等产品,信息资源编目、公共数据普查等业务全国占有率和影响力名居榜首。

参考文献:略

作者:马广惠 安小米

来源:《情报资料工作》2019年02期

:云上贵州秦晓东:政府数据运营企业定位与职能

免责声明:本文转自网络公开渠道,旨在为广大用户提供最新最全的信息,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。转载的稿件版权归原作者或机构所有,如有侵权,请联系删除。抄袭本文至其它渠道者引发的一切纠纷与本平台无关。

推荐

或许您还想看:

返回搜狐,查看更多

责任编辑:

声明:该文观点仅代表作者本人,搜狐号系信息发布平台,搜狐仅提供信息存储空间服务。
阅读 ()
投诉
免费获取
今日搜狐热点
今日推荐