針對工程建設項目審批的數據治理方法與路徑初探
——以廣州為例

文｜廣州市規劃和自然資源自動化中心 杜玲玲

引言

黨的十九大勝利召開以來，以信息化手段促進政府治理能力和治理水平的現代化，已經成為貫徹落實新發展理念的國家戰略。信息革命正從技術產業革命向經濟社會變革加速演進，經濟數字化轉型成為大勢所趨，我國各地區信息化發展水平整體提升，逐步從高速增長階段轉向高質量階段，開始從“業務數字化”到“數字化治理”的轉變。如何通過數據治理，借助信息化手段，提高工程建設項目審批能力，助力審批提速，優化營商環境，已成為當前工程建設項目審批制度改革關注與研究的熱點。規劃許可、工程建設許可、施工許可、竣工驗收四個階段的審批流程，每個階段有具體的審批事項，涉及的部門多、整體辦理時間長。一般工程建設項目審批服務流程圖如圖1。

針對環節多、辦理時間長的問題，從2018年開始，國家在多個城市開展試點工作，積極推進工程建設項目審批制度改革工作，建設了統一的工程建設項目審批管理系統，涵蓋工程建設項目審批全過程，在信息系統的支撐下，通過“并、放、減、優、調” 業務優化模式，支撐了審批時間壓減一半以上，一定程度上優化了政務服務。

一、工程建設項目審批現狀

二、當前存在的問題

一個工程建設項目從發改委立項到建設竣工驗收，按照程序包括項目立項用地

前期的工作已經取得了階段性成果，實現了業務類型全覆蓋、業務全流程監管、市區一網通辦。以廣州為例，事項覆蓋率網上辦理率已經達到了100%，并且有10%的事項可以實現即辦審批。然而，不同歷史時期，目標和任務不同，要想更進一步提高效率，縮減時限，推廣更多的事項可以實現馬上辦完、立即辦完的時候，數據質量不高，有“數”不好用的問題逐漸暴露出來。

分析原因，主要是由于不斷變化的管理需求和應用需求，以及歷史技術手段約束、系統使用人員素質等原因，造成數據質量良莠不齊，具體表現為以下幾個方面，如圖2。

1、數據要素尚未開展采集。前期系統設計重點關注在全過程電子化、全流程監管、互聯互通、協同共享，對于與流程無關的數據要素未能準確、及時采集，面對數據的深入應用，無法提供相關信息。

2、數據要素未結構化。審批結果已經電子化，但多個審批要素聚合成在一起，計算機無法從一堆文字中，獲取到準確信息，指標的顆粒度需要細化。

3、數據缺乏權威性。系統未進行邏輯檢測，自身產生的數據，或不同系統之間產生的數據存在相互矛盾，一數多源。例如用戶申報事項選擇了政府投資，但實際項目代碼中記錄對應的項目類型為企業投資；部分用戶的發文中描述為不同意許可，但上傳的環節結果確為同意，各類矛盾造成數據缺乏權威性。

圖1 工程建設項目審批服務階段

圖2 當前存在的問題

圖3 泊位數息填寫不規范

圖4 項目全生命周期一棵樹的管理圖

圖5 數據治理方法與路徑

4、數據內容不完整。與審批結果不是強關聯，不是必須填寫項目，由于辦理時間關系，未填報；或者是審批結果指標要求不明確，填寫的內容不符合規范、內容不準確等等，造成數據不完整。（如圖3）

5、缺乏上下文關聯。工程建設審批各環節的數據各自為政，雖然形成了項目全生命周期一棵樹的管理，但在不同環節的審批結果內容不統一，無法實現上線文關聯比對，沒有形成知識體系。例如發改注重項目類別、規劃重用地性質、國土使用重視土地用途，相互標準不一致。（如圖4）

數據質量是服務與創新的重要根基，數據治理的好壞直接影響數據應用的價值，是精準施策的關鍵前提，從以上分析，我們可以看出，開展數據治理工作刻不容緩。

三、數據治理方法路徑

數據治理是一個復雜的系統工程，涉及到多個領域，既要做好頂層設計，又要解決好數據標準制度、系統運行機制等體系問題。針對當前工程建設項目審批過程中存在的數據問題，我們提出以下數據治理方法路徑。（如圖5）

1、構建審批結果數據要素表單，做好數據源頭治理

以既要滿足當前的業務和管理需求，也應滿足未來的發展需求為原則，對工程建設項目審批結果進行全面分析，在梳理調查的基礎上構建審批結果數據要素表單。

一是對在審批過程中未起到關鍵作用，但在后期數據使用中會起到關鍵決策作用的信息，進行數據要素指標化。

二是對已經電子化的復合要素進行要素拆分，實現數據要素解耦，并設計出標準化的表單，實現審批結果數據要素表單化。通過以上工作，讓隱含的數據要素，從復雜的文字描述轉變為可以讓機器能夠輕松理解和處理的數據，做好數據源頭采集。

2、優化審批系統智能應用，做好數據實施治理

應用系統是產生數據的搖籃，通過優化審批系統的智能應用，從數據產生源頭，做好數據治理的實施。

一可以通過設置必填項、配置數據字典選項、增加數據邏輯檢測，消除邏輯不一致性，數據不完整性，數據不規范問題，形成高質量的權威可用數據。

二是確保一數一源，例如用戶在申報事項的時候，可以先錄入項目代碼，系統從項目代碼庫中直接獲取投資類型，并填充表單，這樣既省卻了用戶的二次錄入，提高了用戶體驗，同時也減少了人為產生的數據錯誤，確保了數據質量。

三是提升系統智能應用，通過對歷史數據及新產生數據的整合治理，完善不同環節審批事項結果的數據建設標準，構建數據要素逐層傳導與約束機制，根據上一環節對本環節的約束，以及本環節對下一環節的擴展要求，建立數據流動通道，通過增加系統智能應用，提高數據的應用深度。

3、建立監管長效機制體制，打造數據智能生態

維護數據質量是一個長期而艱巨的任務，數據治理應當提前預測需求變化，不斷吸收新的數據來源，同時在系統的使用過程中，做好數據質量評價，及時發現數據問題，并通過問題改進跟蹤，反復迭代、持續優化，形成良好的數據生態，確保在長期運行過程中，持續穩定保障數據質量，最終形成高效可靠的數據資產。

四、實例研究

廣州市規劃和自然資源局從2019年開始，通過本文提出的數據治理方法與路徑，已在廣州市規劃和自然資源局一體化平臺業務審批系統中得到了應用，主要應用如下：

1、將規劃條件表單化、標準化、結構化，對批出的文字信息內容描述模板化。（如圖6）

2、結合GIS空間分析和數據倉庫、數據挖掘等手段，落實了數據要素傳導體系，將控制性詳細規劃中的可傳遞剛性指標實現自動填充表單，自動比對上下環節的審查指標、智能生成審查報告，交給“機器”。實現快速審批，進一步壓縮了環節和時間，提升審批質量和審批效率。截止2020年8月1日，已實現個項目的合規性審查、20余宗項目的智能審查項目。（如圖7）

圖6 廣州市建設用地規劃條件表單化模板

圖7 基于空間的智能比對

五、結論和建議

以上實踐證明，通過對工程建設項目審批數據治理，提高了數據質量，支撐數據智能應用，提升了數據的應用價值，賦能工程建設項目審批政務服務。

然而數據治理不是一蹴而就，面對數據種類多、需求千變萬化，我們不可能一次性完成對所有數據資源治理。為了更好的服務于工程建設審批管理，只有充分認識到數據的重要戰略意義，要有一定的前瞻性，將數據治理納入政府中長期發展規劃，分階段、分批次、遞進實施，數據治理永遠在路上。

注釋：

“并、放、減、優、調” 業務優化模式，其中，“并”指業務事項合并、并聯審批；“放”指審批權權限下放；“減”指減少事項、減少環節、減少申報材料；“優”指事項優化、提升服務水平；“調”指事項調整、提高服務效率。