大數據時代公共服務下沉的多案例比較分析

摘要：以大數據技術為代表的數字要素為政府公共服務下沉的技術創新與理念升級提供了重要契機。大數據賦能公共服務下沉是一個下沉方式優化、下沉過程重塑、下沉通道拓寬，最終實現下沉質量提升的層層遞進的過程。多案例分析表明，大數據在下沉通道、下沉方式、下沉技術、下沉績效、下沉平臺多個維度體現出獨特的比較優勢，并逐漸成為解決基層公共服務“懸浮”，提升公共服務可及性與均等化程度的關鍵抓手，同時也可能存在公民數據隱私泄露、數據濫用、“數據碎片化”“數據孤島”等應用風險。公共服務供給主體應積極把握大數據帶來的重要機遇，并直面其潛在風險，充分利用大數據技術的數字稟賦優勢，提高公共服務下沉能力與下沉績效。

關鍵詞：公共服務下沉；大數據；基層治理；數據平臺

作者簡介：陳嘉時，廣州大學南方治理研究院助理研究員，碩士（郵政編碼 510000）

中圖分類號：D63 ? ? ?文獻標識碼：A ? ? ?文章編號：1672-6359（2023）01-0058-07

公共服務既是提升人民幸福感、獲得感和安全感的題中之義，也是回應廣大群眾生活需求，營造共建共治共享社會治理格局的重要抓手。隨著現代化進程的不斷加快，大數據技術嵌入公共服務下沉已經成為實現公共服務供給體系和供給能力現代化的關鍵抓手與未來趨勢。大數據何以驅動公共服務下沉績效提升成為學界關注的熱點，而基于多案例分析視角，探索大數據賦能公共服務下沉具有十分重要的學理價值與實踐意義。

一、大數據驅動公共服務下沉的研究現狀

《“十四五”公共服務規劃》明確指出：“健全完善公共服務制度體系、推動公共服務發展，對增強人民群眾獲得感、幸福感、安全感，促進人的全面發展和社會全面進步，具有十分重要的意義。”[1]黨的二十大報告進一步指出：“堅持盡力而為、量力而行，深入群眾、深入基層，采取更多惠民生、暖民心舉措，著力解決好人民群眾急難愁盼問題，健全基本公共服務體系，提高公共服務水平，增強均衡性和可及性，扎實推進共同富裕。”[2]公共服務下沉是公共服務從服務供給方到服務需求方之間的傳輸過程，也是公共服務資源配置從“懸浮”到“落地”的轉變。隨著公共服務多元化、個性化、跨區域以及跨群體需求的不斷增加，對于公共服務下沉能力、質量、效果提出了更高標準。在此背景下，大數據成為破解公共服務下沉難題的“關鍵之鑰”。大數據憑借其龐大性（Volume）、時效性（Velocity）、多樣性（Variety）、真實性（Veracity）和價值性（Value）等多元技術特征與比較優勢，在滲透社會生產方式、生活方式與治理方式的同時，也為完善公共服務下沉過程，提升公共服務供給能力提供了“技術——服務”新視域。

（一）大數據重塑原有公共服務供給組織結構

一些學者研究認為，大數據賦能公共服務下沉的本質是對科層結構依賴的消解與改變，并在此基礎上推動公共服務供給結構與供給模式更加具有多元化、扁平化和彈性化特征。[3]依靠大數據技術，政府治理主體得以整合各職能部門的職能結構與界面環境，并構建協同聯動、資源整合以及權責清晰的公共服務供給平臺，[4]從而實現公共服務供給端與需求端在網絡空間中的直接交互。

（二）大數據降低公共服務下沉信息與交易成本

進入數字時代，政府決策信息的傳遞過程不再是科層部門內部以權力層級主導的、自上而下的單向層層傳遞，而是將社會整體性數據的采集、整合與分析作為公共服務供需分布、供需程度及供需質量的決策支撐，[5]并以此減少對數據收集的資源損耗，緩解條線部門之間的信息不對稱，最大程度避免由政府決策失誤而造成的數據失真、資源浪費、經濟損失等問題。[6]公共服務下沉信息與交易成本的下降也就意味著下沉績效的提升。

（三）大數據憑借算法優勢驅動治理效能提升

一方面，大數據分析有效規避傳統抽樣分析中內生的主觀性與偏好性的同時，還能通過對數據資源的實時跟蹤與反饋提高數據分析的效率和精準度，[7]進而精準預估公共服務需求的總體數量和范圍分布，提升公共服務匹配和下沉的精準化、多樣化和個性化。另一方面，算法優勢有利于避免依靠單一數字技術形成的民意集聚而可能產生的群體性偏差，[8]進而識別民眾服務的真實需求，提升民眾公共服務體驗與總體滿意度，驅動治理效能提升。

（四）大數據帶來一系列風險與隱患

有學者認為，大數據在超過法律規定之外的不當使用會引發“大數據鴻溝”與“信息孤島”等問題的產生并加重社會不穩定，沖擊正常社會治理的秩序和合法性。[9]此外，因數據瞞報、數據留痕和數據造假等現象導致的數據可用性與實用性不足，以及“數據沉睡”等治理問題不斷涌現，[10]嚴重影響了數據治理效能。

可見，將大數據驅動公共服務下沉的技術價值最大化仍有待深入研究，對于大數據技術在公共服務下沉通道、下沉方式、下沉容量以及下沉過程中的多維實踐邏輯缺乏整體性的學理分析與模型構建。本文將通過多案例比較分析，發掘大數據驅動公共服務下沉的實踐邏輯和優化策略，更好地推動公共服務的均等化及其高質量發展。

二、大數據驅動公共服務下沉的模型構建

公共服務下沉的本質是以公共利益與公共價值為前提，并通過不同方式滿足公共服務需求。在數字信息技術迅速發展的背景下，大數據已經成為驅動公共服務下沉的核心動力，具有重要的理論研究價值。本文將大數據時代公共服務下沉的基本內涵界定為：以政府作為供給主體，通過發揮大數據技術的工具與技術價值，將政府部門內部的公共服務資源進行重組整合，并通過重塑下沉流程加強供給方與需求方的參與度，進而以更精準、更便捷、更高效與更公平的方式實現公共服務無縫隙落地的過程。本文從下沉方式、下沉過程、下沉通道和下沉質量四個維度出發，構建大數據驅動公共服務下沉的理論模型。見圖1

圖1 大數據時代的公共服務下沉模型

（一）從單一傳遞到平臺整合：大數據賦能下沉方式的創新

在我國，政府代表了公共服務供給的主體責任與絕對權威。傳統的公共服務下沉方式呈現為以科層體系主導的，將資源和權責向基層一線執行主體下移的單向簡單下沉，并通常以制度結構調整與跨部門協作等路徑實現公共服務下沉方式的優化與創新，存在著合作效率偏低、合作主體責任邊界不清等問題與缺陷。

大數據技術為賦能公共服務下沉方式的多元化、整體化與平臺化創新提供了關鍵技術支撐，有助于突破傳統公共服務供給主體的自利性局限以及多元主體的差異性。一方面，將數據視為公共服務供給主體的合作媒介，通過數字應用終端這一網絡載體能夠實現供給端與需求端之間的遠程交互與反饋，進而實現公共服務的遠程下沉。另一方面，通過由多方數據交換與共享而構成的服務數據平臺，單一職能部門得以實現重心下移、資源下沉、權益配置等。公共服務領域內政府與外部主體間的數據共享，還有利于不同主體間建立高效聯動的公共服務數據網絡，以此實現基于政、企、社統合基礎之上的整體性公共服務價值創造。

（二）從行政吸納到流程精簡：大數據賦能下沉過程的重塑

公共服務下沉并非簡單的權力、責任與資源的下放過程，會受到科層結構、責權關系、配套建設以及制度技術應用等多重因素的影響。傳統公共服務下沉過程通常由上級政府作為主要供給主體進行服務決策并給予相關配套資源。由于上下級信息交換不對稱、激勵設置偏差、部門協作失效等消極影響因素，造成資源下放“層層減碼”與責任傳遞“層層加碼”共存的困境，導致權力與責任無法同步，基層部門難以實現有效的公共服務供給。

大數據的廣泛運用為公共服務下沉的流程重塑提供了重要機遇與技術支持。基于數據互聯、數據共享、分層協作的服務網絡構建，大數據能夠將不同職能部門進行有機結合，實現信息實時化、清晰化和集約化管理與資源有效性分配，進而有效削減公共服務下沉的冗余流程，緩解上下級職能部門間的信息不對稱問題，從而縮短下沉時間。同時，通過系統性數據分析，大數據能夠實時把控公共服務下沉過程中不同階段，依托大數據構建政府部門與社會部門相融合的組織網絡，能夠加快公共服務下沉信息在整個供給系統內的流動，進而促進各公共部門間的協作與聯動。此外，通過利用大數據技術實行跨部門的網上并聯式公共服務供給，能夠極大地降低群眾和企業的辦事成本、人力成本和社會交易成本，保證在最低成本投入下靈活調配公共服務供給資源，提高公共服務下沉效率。

（三）從科層依附到空間轉移：大數據賦能下沉通道的拓寬

公共服務下沉通道是指社會治理主體將公共服務資源經縱向科層鏈條層層銜接與遞進并最終傳達至公共服務需求端的重要通道，也是連接公共服務供給端與需求端的關鍵節點，對于公共服務供給數量、容量以及質量產生根本影響。公共服務供給體系轉型升級的關鍵在于拓寬公共服務下沉通道，進而擴大公共服務供給總量，并以此解決公共服務供需錯位、提升公共服務的均等化和可及性水平。

傳統公共服務下沉依附于壓力型體制下的科層制結構，并通過任務、項目等行政縱向發包方式，將人、財、物、權等基本公共服務供給所需的資源層層傳遞至基層末梢，衍生出策略主義、共謀應對和推諉甩責等形式主義表現，擠壓甚至堵塞了公共服務下沉通道，使得處在通道末端的基層供給主體獲得資源、配套授權與對應供給職能嚴重不匹配，無法有效提供高質量的公共服務。于供給端而言，跨地區、跨層次和跨部門數據的共享打破了部門間的職能壁壘，共享數據之間的關聯性、挖掘性分析讓不同公共服務類別的專屬下沉通道實現了并聯互通，為公共服務下沉的協同合作創造了良好條件。就需求端而言，大數據技術突破了傳統公共服務需求管理在需求獲取、需求統計以及需求反饋中面臨的瓶頸。對基于公共服務需求的海量數據進行感知、捕獲、測量等數據化和結構化處理，供給端能夠有效甄別需求服務信息，進而實現公共服務需求的有效感知與精準供給。

（四）從碎片供給到精準下沉：大數據賦能下沉質量的提升

大數據賦能公共服務下沉，通過內容甄別與精準下沉雙向驅動公共服務下沉質量的提升，實現公共服務下沉提質增效，而非單純增“量”。

一方面，大數據對海量公共服務數據信息進行實時性批量處理后實現抽象化再組織，并對存儲信息進行多樣化清洗和發掘，使復雜數據得到邏輯重組，進而對不同公共服務供給客體之間的相關性和存疑性信息進行邏輯處理與甄別，以此提升公共服務下沉決策的科學性。

另一方面，依靠海量數據的搜集和挖掘，不同地區因資源稟賦、經濟發展水平以及公共財政支出等差異而產生的不同程度的公共服務需求被精準識別，以此作為資源下沉的依據與標準，做到公共服務資源的精準下沉，提升公共服務質量。

此外，大數據通過數據溯源把握公共服務供給客體因時間、空間等客觀條件發生變化時的數據使用習慣和趨勢變化，做到提前識別，解決公共服務供給滯后問題，優化公共服務下沉的時效性。

三、大數據驅動公共服務下沉的典型案例

近年來，大數據驅動公共服務下沉的典型案例不斷涌現，推動公共服務下沉創新進入新常態。按照代表性、典型性以及可獲得性原則，本文選取貴州遠程醫療機制、廣州黨員“雙報到”機制、北京“吹哨報到”機制和佛山智慧生態網格化管理進行案例分析。

（一）遠程醫療：技術驅動的治理資源下沉

治理資源下沉是指通過權力、財政和人事等資源下沉來實現公共服務有效供給的方式。依靠大數據技術打破點對點的傳統醫療束縛，便捷、高效的遠程醫療服務體系逐漸成為現實。2016年，貴州省衛健委牽頭搭建“遠程醫療大數據監管平臺”上線，醫療大數據平臺接入醫療機構共計1800余家，遠程醫療中心1500余家，率先實現了省、市、縣、鄉四級公立醫院遠程醫療體系與醫療服務的全方位覆蓋。遠程醫療服務包括但不限于遠程會診、遠程教學培訓、遠程門診、遠程手術示教、區域遠程診斷及遠程緊急救治等重要醫療服務，群眾還能通過大數據平臺在鄉鎮基層衛生機構向上級醫院直接申請遠程會診，數據平臺通過設置特定的數據算法、分析方式與回應機制，保證急重癥半小時響應、普通會診24小時響應。超時遠程申請進入平臺預警區域，以確保及時會診。

大數據醫療平臺實現了“大病不出縣、小病不出鄉”的優質醫療資源借“網”下沉，打破醫療資源下沉的區域限制，讓不同地區的群眾在家門口獲得了共享優質醫療服務資源的機會。可見，大數據技術大大提升了優質公共服務資源下沉的可及性與下沉效率，對打破地區間、城鄉間資源分布不均衡，促進優質公共服務資源均衡惠民發揮了關鍵作用。

（二）黨員“雙報到”：技術驅動的治理精英下沉

黨員“雙報到”是機關與企事業單位黨組織到所在地區鎮街黨（工）委報到，接受統一安排，將黨員下沉至鎮街或下轄社區（村）黨建工作協調委員會工作，協助基層公共服務供給的一項創新制度安排。下沉黨員擁有專業知識和能力，扮演治理精英的角色，在嵌入基層治理時代表著自身知識技能、社會關系等優勢資源的下沉，可以助推治理精英更有效地解決問題，為基層公共服務資源聚集以及相關政策下傾作出積極貢獻。大數據和黨員“雙報到”制度的融合為基層“服務之手”與“需求之手”的精準對接提供了關鍵技術支撐。

2021年，廣州市政務服務數據管理局與市委組織部聯合在“穗好辦”APP上線“黨員雙報到”專區，為基層黨組織與街道、黨員與社區之間搭建了快速連接平臺，有效推動了基層黨組織對接街道、基層黨員對接社區提供零距離服務。黨員通過“穗好辦”APP報到審批后，通過實時數據的更新查看報到社區居民發布的公共服務需求以及現實困難，并為黨員提供一鍵報名、掃碼以及簽到等功能選項，以便在職黨員就近提供便捷高效的“點對點”服務。基于數據平臺的“居民需求清單”與“黨員供給清單”的雙向推動，需求端與供給端得以精準對接。后臺管理人員能夠在線查看黨員和黨組織服務記錄與歷史數據，對黨員數量、參與服務主題、服務次數等情況做到悉數掌握。

簡言之，大數據時代黨員“雙報到”實現了國家對基層公共服務供給的增權賦能，發揮了黨員這一治理精英下沉的優勢增幅作用，建構起了國家與基層群眾的對話與信息反饋機制。

（三）“吹哨報到”：技術驅動的治理權力下沉

“權力下沉”這一概念最早由杜贊奇提出，是“中央及地方政府通過征用文化網絡中的組織及規范，以國家權力下沉的形式成功達到控制農村的目標”。[11]公共服務領域中權力下沉通常體現為壓力型體制下，上級政府將公共服務供給職能與權責的層層傳遞和下放，并從層級結構、人財物資源、技術手段等方面強化自上而下的權力下沉機制，釋放基層公共服務供給活力，實現公共服務有效落地。國家公權主體通過各類信息技術手段汲取數據信息并掌握數據權力，公民各類行為與活動信息作為不同的需求數據，經匯總、整合與分析后被賦予智能化、個性化與數字化特性，為治理權力下沉至基層服務供給主體提供了有效的信息基礎。

2018年，北京市通過了“街鄉吹哨、部門報到”實施方案，作為基層治理創新典型模式向全市推廣。所謂“吹哨報到”，是指將權力下沉至鎮街一級，當鎮街遇到棘手難題時通過技術手段“吹哨”以發出集結令，相關部門收到指令之后隨即“報到”并配合處理治理問題。“吹哨報到”按照“區屬、街管、街用”原則將城管、治安等適合鎮街一級的職能部門及其派出機構下沉到街鄉，并通過執法力量下沉實現了執法召集權、意見建議權、統籌督辦權、考核權等多項權力下沉，以此促進條塊管理能力聚合，解決基層治理力量不足的問題。海淀區通過融合城市管理、社會服務、社會治安等多個大數據網絡體系，將區、街道、社區在三級信息系統中基礎數據的深度交互融合，并在區、鎮街層面設置綜合數據平臺，整合各信息系統、指揮體系與數據資源，實現“吹哨”“報到”與治理之間的精準對接、協調統籌與資源共享。此外，海淀區還打造了全感知、全互聯、全分析、全響應的“城市大腦”綜合指揮平臺，通過大數據、物聯網和人工智能等關鍵技術，從被動回應群眾服務需求到主動收集并實現治理資源的精確對接和公共服務的高質量供給。

（四）智慧化網格管理：技術驅動的治理重心下沉

治理重心下沉是以基層為治理中心，通過對基層治理結構的重塑調適和機制變革，使公共服務資源實現自上而下的重新調整和優化配置，以充分保障基層公共服務供給的物質條件。網格化管理正是一種融技術創新與制度變革于一體的治理機制，將基層治理區域劃分為若干網格單元，通過對網格內治理對象的實時化、動態化管理和服務，形成全方位、多維度的現代基層治理體系，推動人財物等治理資源下沉至網格內。

2021年，佛山市禪城區利用大數據構建起“天網+地格”數據治理體系，將全區劃分為478個智能網格。“天網”是由網格員對各網格中人、物、組織等數據采集和相互關聯而形成的集成式數據庫，歸集沉淀了96個部門32億余條數據，融合了全區不同治理網格中的移動終端、物聯網終端與傳感器，通過云計算、人工智能等多元化技術實現對各終端感知平臺的對接，以“數據跑路”代替“人力跑腿”，實現對網格居民公共服務需求的精準研判與迅速“對癥下藥”。此外，禪城區還破除了各部門之間的數據壁壘，以數據聯動實現部門協同，開拓更豐富的應用場景，提供更多社會民生服務，實現“用數據說話、用數據決策、用數據供給”的網格化管理與數字賦能相融合的創新模式。

四、大數據時代公共服務下沉的五維價值

以上四個案例分別從公共服務的下沉通道、下沉方式、下沉技術、下沉績效、下沉平臺等不同維度，充分印證了前文所構建的理論模型，可以總結出極具價值的研究發現。見表1

（一）下沉通道的優化

四個案例分別從通道延伸、通道擴展與通道整合等不同維度優化了公共服務下沉通道。一是在貴州遠程醫療案例中，互聯網醫療平臺突破了原有醫療服務的下沉通道，實現了醫療服務供給通道的云端延伸。不同層級之間的醫療數據得以精準銜接，省級公立醫院診療服務通過相應的數據應用機制將其服務通道延伸至基層鄉鎮村衛生院，縮短了群眾與公共服務之間的距離。二是在黨員“雙報到”與“吹哨報到”案例中，利用大數據技術建構的智能報到系統和助推治理權力賦能基層鎮街一級的數據信息系統，是在不破壞現有組織結構的前提下，優化和完善供給機制的最佳解決方案，實現了政務服務下沉通道的有效擴展。三是在智慧網格化管理案例中，智慧化網格綜合平臺將原由不同職能部門劃分的業務網格整合成一個生態網絡，網格員通過智能應用實現一網管理，作為不同公共服務下沉通道的整合機制，實現了公共服務下沉與可及。

（二）下沉方式的改變

四個案例共同反映了大數據驅動公共服務下沉的獨特優勢。一是通過對遠程患者的健康狀況數據、過往病歷數據的溯源分析，大數據技術將傳統面對面供給的重大醫療資源轉化為網絡輸送，以網絡化渠道作為下沉方式為需求者提供不間斷的醫療服務資源，有效解決了公共服務下沉過程中的空間與時間限制。二是通過對社區黨員數據的收集與分析，大數據不僅有助于整合社區治理精英的力量，發揮基層黨建引領公共服務下沉的驅動力，還能將居民日常服務需求進行數字化搜集、統籌與分析，有利于供給端的治理精英作出精準回應、反饋和解決需求，并以“看單點菜”式下沉方式提升公共服務下沉的回應度和精準度。三是通過大數據將上級部門下放的各部門職能進行統一整合與協同共享，突破傳統科層體制條塊分割以及“供給碎片化”限制，使基層公共服務供給重心轉移至供給結果與群眾的獲得感，推動形成“資源、組織、信息與下沉通道”融合的高集成化公共服務下沉方式。四是通過構建智慧化生態網格平臺，將原本依據專業職能分工劃分的治理網格整合成一個生態網格，創新形成了“千格一網”的多數據、多網格、多服務、多人員相融合的智慧化服務下沉方式。

（三）下沉技術的深化

四個案例表明，大數據是提高公共服務下沉能力的前沿技術，深刻重塑基層公共服務供給機制。一是依托大數據技術優勢構建的多級聯動型醫療服務體系為推動優質醫療資源下沉，實現“城鄉互聯+全民共享”的醫療服務下沉提供了重要的技術支持。二是黨員“雙報到”通過大數據技術對民眾需求進行實時搜集與匯總，以數目字清單方式進行清晰化呈現，有利于供給端“照單行事”，也有助于對黨員上報數據進行統籌與整合，科學制定黨員服務職能，確保黨員報到科學有效。三是“吹哨報到”案例通過大數據網絡體系助力城市管理職權向鎮街一級下沉與整合，以此構建權責清晰、條塊聯動的管理機制，有助于打通基層公共服務供給的“最后一公里”。四是智慧化網格管理案例通過打造高效協同的大數據網格化平臺，有效實現了網格化管理從被動服務到主動追蹤需求的管理理念與模式轉型。

（四）下沉績效的改進

上述案例均以大數據技術作為推動公共服務下沉的重要載體，下沉績效顯而易見。一是在遠程醫療案例中，大數據下沉鏈接了公共服務的供給端與需求端，極大提升了公共服務下沉的物理可及性。截至2022年9月底，貴州遠程醫療服務總量達325.2萬例，其中遠程會診13.1萬例，遠程影像診斷224.2萬例，心電診斷87.9萬例，有力提升了基層醫療服務能力。二是在黨員“雙報到”案例中，大數據提高了不同下沉治理精英之間的信息交換與溝通效率，破解公共服務供給碎片化問題，提升公共服務供給績效。[12]截至2021年4月22日，依托“穗好辦”APP“雙報到”專區累計已完成報到的黨組織近7000個，已報到黨員超17萬名。三是在“吹哨報到”案例中，基于大數據治理平臺與體系賦能的治理權力有助于實現公共服務的高標準、高定位以及高質量下沉。

（五）下沉平臺的拓展

基于不同類型服務建立相應的大數據平臺，對于滿足大數據時代下的多元服務需求至關重要。貴州省為實現醫療服務資源的遠程下沉，利用大數據技術為醫療機構、醫療中心與醫療資源的融合互通搭建了大數據醫療監管平臺與綜合管理平臺。廣州市通過“穗好辦”移動政務服務終端，為黨員統一下沉與精準報到搭建了網絡下沉平臺。北京市在區、鎮街層面設置綜合下沉數據平臺，對各部門職能下沉與權力下沉進行實時匯總和綜合監管。佛山市以地理信息系統作為底圖基礎，通過設置社會綜合治理云平臺搜集各項管理數據，針對性地滿足網格居民的服務需求。

參考文獻：

[1]國家發展改革委等部門聯合印發《“十四五”公共服務規劃》[EB/OL].http：//www.gov.cn/xinwen/2022-01/10/content_5667490.htm.

[2]習近平：高舉中國特色社會主義偉大旗幟 為全面建設社會主義現代化國家而團結奮斗——在中國共產黨第二十次全國代表大會上的報告[EB/OL].http：//www.gov.cn/xinwen/2022-10/25/content_5721685.htm.

[3]李利文，王磊.公共服務下沉創新：理論框架、實踐樣態與支撐邏輯[J].新視野，2021（6）：36-42.

[4]邵娜，張宇.政府治理中的“大數據”嵌入：理念、結構與能力[J].電子政務，2018（11）：93-100.

[5]鄭會霞.運用大數據提升市域社會治理能力的路徑探析[J].學習論壇，2022（5）：96-103.

[6]丁利.大數據時代下提升政府公共服務能力建設研究[J].電子商務，2015（12）：41-42.

[7]呼連焦，劉彤.大數據視域下社會治理：機遇、挑戰與創新[J].湖湘論壇，2018（4）：63-70.

[8]郁建興，黃飚.超越政府中心主義治理邏輯如何可能——基于“最多跑一次”改革的經驗[J].政治學研究，2019（2）：49-60.

[9]劉能，馬俊男.數據生產和數據造假：基于社會學視角的分析[J].江蘇行政學院學報，2019（3）：62-69.

[10]陳少暉，陳冠南.公共價值理論視角下公共服務供給的結構性短板與矯正路徑[J].東南學術，2018（1）：113-121.

[11]【印】杜贊奇（王福明譯）.文化、權力與國家[M].南京：江蘇人民出版社，2008.68.

[12]李利文.城市基層公共服務供給碎片化形成的組織邏輯——基于混合研究方法的實證分析[J].中國研究，2020（2）：154-180.

（責任編輯 楊新欣）