公共數據治理何以有效：基于38個國家的組態分析

摘" "要：公共數據是數字經濟背景下的重要新質生產要素，在公共數據治理方面，迫切需要制定一套獲得更多國家認同的治理方案，以促進資源數據，實現公共數據價值最大化。文章采用模糊集定性比較分析法對全球38個國家進行條件組態分析，探究技術、組織和環境三維結構因素對公共數據治理的聯動效應及驅動路徑，揭示了影響公共數據治理的核心條件和復雜交互的本質。研究結果表明，公共數據治理存在多條前因組態等效解釋路徑，可歸納為外部數字關系驅動和內部制度驅動兩種模式。該結果有助于探索出適應全球發展的多方共治的公共數據治理政策，在公共數據隱私權與開放之間的平衡的基礎上，推動構建開放共贏的公共數據治理新格局。

關鍵詞：公共數據；數據治理；定性比較分析；組態分析

中圖分類號：D63" "文獻標識碼：Ａ" "DOI：10.11968/tsyqb.1003-6938.2024057

Effective Public Data Governance： A Configurative Analysis of 38 Countries

Abstract Public data is a crucial new production factor in the context of the digital economy. In public data governance， there is an urgent need to develop a set of solution that gain broader international recognition to promote resource data and maximize the value of public data. This paper uses fuzzy-set qualitative comparative analysis （fsQCA） to conduct conditional combination analysis on 38 countries worldwide， exploring the synergistic effects and driving paths of technological， organizational， and environmental factors on public data governance. It reveals the core conditions and complex interactions that influence public data governance. The findings suggest that there are multiple equivalent explanatory pathways for public data governance， which can be summarized into two models： external digital relationship driven and internal institutional driven. These results help explore multi-stakeholder governance policies for public data that suit global development. Based on balancing public data privacy rights and openness， they promote the establishment of an open and mutually beneficial new framework for public data governance.

Key words public data; data governance; qualitative comparative analysis; configurative analysis

在數字經濟背景下，公共數據作為新型生產要素的重要性不言自明。美國在公共數據流通和保護機制探索上具有較強代表性和矛盾性，一方面發布各項政策文件推動公共數據自由流動和共享；另一方面通過制定嚴格的數據保護政策如《澄清境外合法使用數據法案》《國防部數據戰略》，消除其獲取域外數據的阻礙，卻對美國的數據進行嚴格保護［1］。基于公共數據保護的視角，巴西、泰國等國家，在歐盟《通用數據保護條例》（General Data Protection Regulation，GDPR）的框架上，先后出臺了《通用數據保護法》和《個人數據保護法》。與此同時，英國政府一直持續推進數據開放［2］。近幾年相繼出臺《國家行動計劃》《G8開放數據憲章：英國行動計劃》《開放數據白皮書：釋放潛能》，在強調保持隱私權與開放數據之間的平衡的基礎上，不斷推進開放數據評價體系建立［3］。與此同時，我國對公共數據開放與共享的實踐也在不斷探索，自2021年以來，上海、浙江、重慶、福建等多個省直轄市相繼出臺了公共數據開發利用的相關條例。可以說，各個國家在數據治理政策制定及國際合作方面提出策略，展現出了不同的數據治理實踐路徑［1］。雖然世界各國的行政體系和法律體系有所不同，且治理焦點各有側重，但其原則和理念對于全球公民個體而言，應是相對公平和普適的［4］，故此對于公共數據治理的初衷高度一致，其所遇到的問題也有很多共通之處。因此對公共數據治理模式應形成全球共識。正如習近平總書記所說，應將“共商、共建、共享”原則納入“聯合國與全球經濟治理”決議中。因此，在公共數據治理方面，迫切需要制定一套標準化的治理方案，使其獲得更多國家的認同，并促使不同國家間共享數據。只有通過這種方式，才能確保公共數據在國際范圍或各國之間無障礙流通，從而更有效地挖掘和利用數據資源。

作為一項系統工程，公共數據治理可以看作是一種人、事和物綜合作用下的系統產物。最終目的是實現全世界范圍內公共數據資源的價值最大化，這需要構建一個多方參與的協作網絡，其中包括各國政府、地區科研機構、商業企業、社會組織以及廣泛的公眾群體。這些不同角色通過互利合作和尋求共贏的方式來共同推動數據的價值發揮［5-6］。

為探究公共數據治理的影響因素，本研究將結合TOE理論，從技術（Technology）、組織（Organization）和環境（Environment）三個層面展開，將公共數據治理的影響因素研究置于系統性和整體性的視域下，并應用模糊集定性比較分析法，以38個國家為案例進行條件組態分析，探究技術、組織、環境三維結構及其因素影響公共數據治理的多組態路徑，從而揭示適應全球發展的多方共治的公共數據治理模式，在公共數據隱私權與開放之間平衡的基礎上，推動構建開放共贏的公共數據治理新格局，以實現公共數據價值的最大化。

1" "文獻綜述

對數據治理領域的探索始于2004年，H·Watson團隊較早開始了關于數據倉庫管理實踐的研究［5］。早期研究側重于對企業或各類組織的數據進行管理操作。相較而言，公共數據治理應側重于規則制度的建設。研究表明，公共數據的概念已擴展到了由行政主體在執行法定任務時創造或收集并以特定方式歸檔的多種數據資源之外，它包括更廣泛的數據資產，這些資產可能源于行政活動以外的其他渠道，包括由政府部門控制或與政府部門存在委托關系的外部機構（如私營企業）所創建的數據和信息［6-7］。

現有關于公共數據治理的研究，一方面聚焦于政府組織獲得的公共數據，認為政府應加強對基礎設施、網絡空間等數據的管理活動，聚焦數據治理的模型、框架和策略［8］。從這一角度出發，部分研究結合DAMA數據治理框架和DGI等數據治理框架，將數據治理的方向逐漸擴展到微觀層面，包括數據分工與職責、數據政策、數據流程和程序、數據標準、數據策略、數據技術、數據指南等，并試圖明確內容的具體內涵以及相互關系［9-11］。另一部分研究基于理論推導與實例分析，探索政府如何將公共數據治理操作化。在管理行動方面，面向數據質量和利用，數據制度與規則、數據組織協調架構等研究逐漸加強［12-13］。在工具應用方面，基于數據資產的管理視角，現有研究關注如何使用本體數據描述和關聯數據工具來提升數據管理水平［14］。還有研究強調倫理與法理風險，注重以數據治理協調和保障利益相關者的權益，如數據治理建立規則時應考慮全球的數字權利和自由［15］。

另有研究聚焦公共數據性質，探討公共數據的價值實現及風險防范，一方面，公共數據價值實現的關鍵在于通過集成使用來實現網絡效應和規模效應。通過將公共數據進行集成使用，才能獲得對事物的整體性和全景式認識，進而挖掘規律［16］。另一方面，公共數據投入生產、實現價值不一定要遵循傳統要素的產權制度體系。公共數據的非競爭性特質能夠使其與其他生產要素結合并多次利用，從而推動規模報酬的增加，這有助于解決公共資源常見的“公地悲劇”問題，轉而創造一個促進宏觀經濟增長的正面循環［17］。同時，用傳統產權保護的方式進行公共數據治理會導致公共數據規模下降，從而降低數據的利用效率并增加成本［18］。

綜上所述，盡管公共數據治理方面已有較多國家提出了各類政策規則，但數字技術發展日新月異，迄今尚未形成具有普遍適應性的公共數據治理規則，且眾多學者圍繞公共數據治理所展開的研究主要集中于理論框架層面的探討，只關注少數因素的影響，未能觸及影響公共數據治理的深層機理，忽視多變量間的協同效應。

2" "理論框架

2.1" " TOE理論的適用性分析

TOE（Technology-Organization-Environment）是一種以技術應用情景為基礎的綜合分析框架，是由Tornatizky和Fleischer兩位學者于1990年在《技術創新的流程》中提出的三維結構框架［19］。該框架不只關注技術層面的評估，它也考慮到了組織和環境因素。通過這種整合性的分析，突出了技術應用在技術、組織以及環境這三個不同層面上的綜合性影響［20］。技術層面主要包括了技術的固有屬性，這不僅涵蓋了目前技術的實際應用情況，還包括對未來技術發展趨勢的預測。這涉及到如何評估技術的實用性、易用性、相對于其他技術的優勢以及技術的成本效益等方面。組織層面則關注那些與組織內在特性相關的因素，如組織擁有的資源、組織的規模大小以及組織在市場上的定位等問題。環境層面則涉及到組織所處市場的外部條件，這包括政策和制度環境、政府的支持程度以及與合作伙伴的關系等方面［21］。

TOE框架為探索技術創新與采納提供了堅實的理論支持，近年來，該框架的應用范圍不斷擴展，包括電子商務、ERP系統實施、客戶關系管理、物流管理、電子政務云以及公共部門的開放創新等不同領域［22-24］。在不同的研究背景下，TOE框架所涉及的技術、組織和環境三個維度包括了不同的代表性因素，這些因素能夠對特定的研究場景進行分析，具備較強的系統性、靈活性和實用性。

結合公共數據治理的內涵與特點，一方面數據治理的本質是通過技術賦能管理提高組織效率［25］。另一方面公共數據治理的深層動因在于技術革新推動組織架構和相互關系的變革。因此，考察影響技術應用的組織和環境因素是必要的。因此TOE框架在公共數據治理方面具有較強的解釋力，符合公共數據治理發展的客觀規律。基于此，本研究在TOE框架下，結合各國具體的數據治理情境，在技術、組織和環境層面設置了影響公共數據治理發展水平的相關變量。

2.2" " 基于TOE的公共數據治理模式分析框架

本研究基于TOE理論框架對公共數據治理的影響因素進行系統分析，形成綜合理論模型框架（見圖1）以探索公共數據治理的復雜機制，主要考察技術、組織和環境維度的相互作用，并闡明這些因素之間的相互關聯。基于已有研究，本研究將結合物理-事理-人理思想，根據不同國家的數據治理實際情況，進一步細分物理環境、信息技術和社會組織條件，并探討這些細分條件下的具體影響過程。

2.2.1" "技術條件

技術條件指與數據治理相關的技術屬性，既包括現有技術設施，也包括未來技術創新趨勢［21］。數字時代，信息技術的發展對政府治理起到了關鍵的推動作用。政府對信息技術的理解和利用水平直接決定了數字化發展的質量和速度［26］。從物理視角來看，客觀物質現狀對公共數據治理水平的影響能夠支撐著特定區域數據治理系統內部要素間的相互作用和整體運行。其中，數字基礎設施作為客觀物質世界的載體能夠反映某個地區整體的技術資源稟賦，可以衡量該地區對數字技術和知識的整合能力［27］。相關研究表明，各國對信息系統設施的開發，有助于開放重要的數據，便于在科學、商業和政治過程中應用［28］。因此，本研究將數字基礎設施這一變量引入分析框架。

從事理角度來看，治理觀念和治理過程對公共數據治理具有重要影響。根據全球數字經濟發展指數報告，數字技術應用情況能夠反映數字研發產出、人力資本和創新水平［27］。在面臨共同的數據治理戰略目標時，數字技術的應用能力對完成數據治理目標的質量至關重要［29］。擁有充足的技術積累和保障措施，可以促進不同類型和行業數據的深度融合，提高對各種數據資源的識別、篩選和綜合分析能力，從而全面優化公共數據治理的過程。綜上所述，本研究選擇數字基礎設施和數字技術作為技術條件維度的重要因素。

2.2.2" "組織條件

組織條件指影響公共數據治理的組織結構、組織規模、制度規定等因素，涉及組織自身的各個方面［30］。Fountain在提出“技術的執行”概念時認為，技術本身不能決定其發展，而是會受到政治因素、組織管理和社會發展等因素的影響［31］。首先，從物理角度來看，數據可利用性體現為數據形態、特點、開放性和覆蓋區域等一系列特征，反映了相關主體能夠針對數據的可訪問性和可獲得性設定具體目標，并對數據進行有效運用的程度［32］。現有研究顯示，數據的可利用性是公共決策有效性的基本質量保障，應被視為公共數據治理中風險管理和變革創新管理績效和成效的關鍵要素［25］。因此，本研究將數據可利用性納入研究框架。

其次，從事理角度來看，強化公共數據治理過程中的能力不僅在于對數據資源的開發和識別，還體現為能有效利用資源達成服務目標的應用能力。研究表明，制定恰當的實踐方案與操作指南、明確責任領域與分工，從而統籌資源形成良性數據生態，有助于避免數據治理過程的離散與內耗。如澳大利亞和瑞典政府都通過成立專門的數據工作組來協調不同部門之間的數據流通與共享。中國實踐情況亦表明，由于多地區數據統籌工作由各地一把手決定，因此在資源協調方面存在較大障礙，使得公共數據治理效果未能充分發揮［33］。結合全球數字經濟發展指數報告［27］，本研究認為機構能力主要體現為協調基金會、政府數據機構、企業部門及民間組織的能力。因此，將數據機構協調能力納入研究框架。

最后，從人理角度來看，公共數據治理相關的人的認知、心理和態度對治理效能會產生重要影響。因此，為了增強社會參與的意識、培養社會參與的能力和推動社會參與的行動，各國在數據治理相關的配套原則、流程、標準、方法、指南和工具中都強調了采取多種措施［34］。再者，數據管理團隊素養也是治理的關鍵力量。實踐證明，首席數據官等人力資源在提升公共部門數據治理能力、優化數據資源配置、推動數字政府建設等方面都發揮了積極的作用［35］。因此，參考聯合國電子政務調查報告對人力資本的研究［34］，本研究將電子政務人力資本納入研究框架。

2.2.3" "環境條件

環境因素涉及與公共數據治理相關的社會和經濟背景，包括政策和制度環境、政府的支持程度、市場結構、行業環境、競爭壓力以及合作伙伴關系等因素。因為公共數據治理是與政策過程等多元要素相關的復雜過程，需要結合環境特點采取系統性的治理舉措以提高治理水平［36］。一方面，就物理角度而言，數字經濟體現了信息技術革命的產業化和市場化，這對選擇和實施治理策略產生了顯著影響［37］。市場化指數的提高表明，區域內的市場實體更頻繁地參與市場活動，這促進了多方共治環境的建立［38］。因此，參考全球數字經濟發展指數報告從需求側、供給側和國際市場等方面評價數字市場的觀點［27］，本研究將數字市場納入研究框架。

另一方面，就事理角度而言，制度是一系列社會構建的約束，它們規定了個人和群體的選擇及行為模式，這包括必須遵守或被期望遵循的規則、角色和規范等［39］。一個健全的制度環境能顯著地影響組織的績效，并對組織的運作產生廣泛的影響。并且公共數據治理的實施需要以法律為依據，沒有法律和政策規定，數據共享和利用等活動就缺少約束，數據利用過程中的安全保護也得不到支持。因此，參考全球網絡安全指數對數據安全法律制度的測量觀點［40］，本研究將數字法律制度納入研究框架。

與此同時，公共數據治理因關系到國家的數字化轉型、社會治理能力提升以及經濟發展的多個方面，將成為各國重要戰略合作重點。未來，數字經濟的國際合作將開辟新的合作領域和競爭前沿，對數據治理效果產生影響。正如胡媛和黃思慧的研究認為，積極參與國際接軌并推動國內標準與國際組織一致，可以向合作伙伴傳遞積極信號，并有助于制定更具融合性和互操作性的數據治理規范［41］。鑒于此，參考《全球數字經濟發展指數報告（TIMG 2023）》，本研究將數字關系納入研究框架，用以描述不同地區間的數字經濟合作數量。

3" "研究設計

3.1" " 樣本來源

本研究參考《UN E-Government Survey 2022》中電子政務發展指數（EGDI）的取樣方式進行選擇。參考該報告，結合《Global Digital Economy Development Index Report（TIMG Index 2023）》《First Edition Report-Global Data Barometer》《Global Cybersecurity Index》等變量數據的完整性，共選取38個國家作為樣本，具體如下：

美國、新西蘭、丹麥、英國、法國、加拿大、巴西、愛沙尼亞、智利、韓國、意大利、拉脫維亞、德國、澳大利亞、芬蘭、荷蘭、烏克蘭、克羅地亞、西班牙、烏拉圭、斯洛伐克、阿根廷、瑞典、以色列、保加利亞、秘魯、葡萄牙、捷克共和國、愛爾蘭、泰國、中國、俄羅斯聯邦、哈薩克斯坦、哥斯達黎加、希臘、立陶宛共和國、馬耳他、白俄羅斯。

3.2" " 研究方法適用性分析

本研究主要引入模糊集定性比較分析方法（fsQCA）對公共數據治理分析框架進行量化分析，以探索技術、組織和環境三維影響因素在影響公共數據治理的聯動效應，揭示不同影響因素之間的相互作用關系。

相較于傳統的統計方法，應用fsQCA進行組態分析具備兩大優勢。首先，傳統統計方法通常適用于大樣本數據分析，而fsQCA能夠有效處理10個-80個中小樣本的數據。鑒于此，本研究選取了38個國家作為樣本來評估各地區的公共數據治理情況，樣本數量適宜采用fsQCA方法。其次，fsQCA從整體上進行案例間的比較分析，專注于識別哪些條件因素的組合可能導致預期結果的出現，以及哪些組合可能導致結果的缺失或不存在，以探討因果復雜性。因此，本研究基于探索公共數據治理的組合路徑需求，選擇了fsQCA。

3.3" " 測量與校準

本研究的結果變量是公共數據治理。條件變量包括數字基礎設施和數字技術為核心的技術條件；數據可利用性、數據機構協調能力和電子政務人力資本為核心的組織條件；數字市場、法律制度和數字關系為核心的環境條件。模糊集定性比較分析中，每個條件和結果都被視為獨立的集合，并且每個案例（即每個國家的公共數據治理情況）在這些集合中都被分配了一個隸屬分數。這個過程，即將案例指派到集合并賦予隸屬分數的步驟，稱為校準。參考Ragin和Fiss的研究［42-43］，本研究將采用直接校準法將數據轉換成隸屬分數。

數字基礎設施通過“活躍的固定寬帶用戶”和“人均國際互聯網帶寬”等變量進行測量；數字技術通過“數字專利規模”“數學和計算機發表論文數量”和“國民數字素養”等進行測量；數字市場通過“數字消費者規模”“數字企業數量”和“數字服務出口規模”等進行測量。數字基礎設施（排名前20校準為1，其余為0）、數字技術（排名前20校準為1，其余為0）、數字市場（排名前20校準為1，其余為0）和數字關系測量數據來源于《Global Digital Economy Development Index Report（TIMG Index 2023）》。

電子政務人力資本測量數據來源于《UN E-Government Survey 2022》；數據可利用性、數據機構協調能力和政府數據治理的測量數據來源于《First Edition Report-Global Data Barometer》；數字法律制度的測量數據來源于《Global Cybersecurity Index》。電子政務人力資本、數據可利用性、數據機構協調能力、政府數據治理、數字法律制度和數字關系等變量，參考先前的研究［43-44］，本研究設定了三個校準點：完全隸屬、交叉點和完全不隸屬，分別對應于案例樣本描述性統計的上四分位數、中位數和下四分位數。基于此統計出各變量的校準錨點和描述性數據（見表1）。

4" "數據統計與結果分析

4.1" "必要性分析

為了理解單個條件變量對結果變量的解釋力度，本研究進行了必要的條件分析。通過單變量必要性分析發現，現有的八個變量中，沒有任何一個變量的一致性指標值超過0.9（見表2），意味著這些變量均不能被視為結果變量的必要條件。這一結果表明，數據治理的構成非常復雜，技術、組織和環境條件需要相互配合才能有效發揮作用。因此，要提升數據治理水平，必須同時考慮技術、組織和環境三個方面下多重條件的并發協同效應。

4.2" " 組合因素分析

進行單變量必要性分析之后，分析是否是由于多個不同條件變量的組合所引發，對此進行科學合理的解釋是研究的另一個重點。因此，采用中間解和簡單解的運算結果進行具體分析，得到四種組合路徑（見表3）。

上述四種路徑可歸納為兩種模式：第一種為外部數字關系驅動；第二種為內部制度驅動。

（1）外部數字關系驅動模式

該模式中包括兩種路徑：路徑1為數字法律制度*數字關系，路徑2為電子政務人力資本*數據可利用性*數字關系。在這兩種路徑中，數字關系的存在均發揮了核心作用，意味著此兩種路徑較多依賴國家之間在數據治理方面合作。通過數字化手段增強國與國之間的互動，這不只助力合作國家基于共同利益構建協作治理機制，還促進了成員國間的溝通與協作，確保公共數據治理措施的一致性。如歐盟為加強數字聯系并提升數據治理效果，在其內部成立了數據創新委員會和數據保護委員會。數據創新委員會由各領域專家組成，涉及歐洲數據保護委員會、歐盟委員會及其他相關數據領域和部門，旨在就跨領域標準化的策略、治理及要求提出建議；而數據保護委員會則專注于監督數據保護工作，每個成員國均設有獨立數據監管機構，這些機構與數據保護委員會進行溝通，討論數據保護議題并交流經驗。

除此之外，數據可利用性在路徑2中作為核心條件出現，說明保障數據資源的來源范圍、價值和質量在提升公共數據治理效能中具有重要作用。因此，在積極推動各國和各地區建立合作伙伴關系的基礎上，應當深入挖掘數據的資源價值。這意味著不僅要將數據作為分析的技術支持，更要關注數據自身的資源價值，注重提高數據的質量和數量。綜上所述，在該類組態下，數字關系對提高全球數據治理效能發揮了重要作用，因此我們將該組態命名為“外部數字關系驅動”模式。表明提高公共數據治理的關鍵在于加強各國家、地域的合作，擴大共同利益，在此基礎上保障數據質量，提高數據利用率，從而提升公共數據治理效能。

（2）內部制度驅動模式

該模式中包括兩種路徑：路徑3為數字基礎設施*數據可利用性*數字關系*數字法律制度，路徑4為數字技術*電子政務人力資本*數據機構協調能力*數據可利用性*數字法律制度*數字關系。在這兩種路徑中，數字法律制度和數據可利用性的存在均發揮了核心作用，意味著此兩種路徑較多依賴公共數據治理制度的建設。因為數據具有類型化，不同種類的數據治理規則也會有所差異，構建多層次、全過程、多要素的公共數據治理制度，可為多個國家的共同或緊急問題的數據支持決策提供針對性的方案。除此之外，數字基礎設施和數字關系在路徑3中也發揮著重要作用，表明堅實的數字基礎設施和高水平的數字關系能夠提高公共數據治理效能。通過強化數據基礎設施的建設，確保設施層在計算、存儲和網絡方面的綜合能力，以及基于這些硬件設施構建的網絡平臺的運行能力，從而為公共數據治理的實施提供支持和新的途徑。而數字關系說明在規范內部制度、數據質量和基礎設施以外，提高國家之間的數字化合作也具有重要作用。

另外，數字技術、電子政務人力資本和數據機構協調能力在路徑4中也發揮著重要作用，表明在數字法律制度和數據可利用性的內部制度驅動下，加強數字技術建設，促進相關數據產品持續迭代并打破產業邊界，有利于實現融合創新［45］，為公共數據治理奠定技術基礎。如美國由于立法障礙及利益相關主體認識觀念沖突等問題，導致聯邦政府很難從國家層面推出公共數據治理框架和政策，一直以來強調從科技和商業的視角看待數據治理的問題，其加利福尼亞州作為高技術企業聚集地，已經在數據治理領域走到了聯邦政府的前面。

此外加強機構協同，通過組織和實施相關數據流程和實踐標準，能夠使數據治理有序、規范，數據決策科學合理，提高治理效率。最終，為了提升公共數據治理的效率，需要提高相關人員的數據素養。同時，必須擴大收集民意的途徑，構建一個政府與公眾之間積極互動、共同參與的公共數據治理體系。

綜上所述，在該類組態下，數據可利用性和數字法律制度對提高全球數據治理效能發揮了重要作用，因此我們將該組態命名為“內部制度驅動模式”模式。表明國家內部制度體系建設應為公共數據治理重點方向，以數字技術和數字基礎設施為基礎優化數據流通利用具體規則，并加強機構協同，逐步搭建公共數據治理空間體系框架。

5" "結論與展望

本研究運用fsQCA方法以38個國家為案例進行條件組態分析，探究技術、組織和環境因素對公共數據治理的聯動效應及驅動路徑，揭示了影響全球數據治理的核心條件及其復雜互動本質。首先，融合TOE技術應用情景理論構建分析框架。在此基礎上梳理了前人研究中關于全球數據治理的影響因素并進行定量綜合分析，研究發現數據可利用性、數字關系、數字法律制度、數字技術、電子政務人力資本等因素皆對全球數據治理產生正向影響，其中數字關系和數字法律制度在多條路徑中發揮重要作用。其次，采用組態視角和QCA方法發現了TOE視角下的公共數據治理的四條行動路徑。這四條行動路徑展示了多種公共數據治理類型之間的協同合作組合路徑。從總體上看，技術、組織、環境因素都不能單獨作為公共數據治理的必要條件，說明單個要素并不促進高水平的公共數據治理，高水平公共數據治理存在四條組合因素的驅動路徑。研究發現公共數據治理的四個組態主要包含數據可利用性、數字關系、數字法律制度，這反映出影響公共數據治理的因素可主要分為內部治理和外部治理兩條主線。結合數字關系和數字法律制度的內容和特點，具體可歸納為外部數字關系驅動模式和內部制度驅動模式。

本研究也存在以下不足，值得未來進一步研究。一方面，樣本數據來源較少，主要是受到所選變量的限制，現有公共數據治理案例較少能完整覆蓋本研究涉及的所有變量，導致數據來源不足，樣本取樣不足。隨著未來研究的不斷深入，應繼續監測相關案例，以尋求更穩定和可靠的結果。另一方面，本研究進行組態路徑研究時，受限于樣本案例所選的區間或處于2022年，或處于2023年，未能在同一個時間節點或區間進行橫向比較分析，這在一定程度上影響了結論的可推廣性。未來可以收集更多的相關案例，對同一時間段產生的公共數據治理組態路徑進一步精準分析。

參考文獻：

［1］" 李成熙，吳新年.美歐日數據治理政策及實踐的比較分析與啟示［J］.數字圖書館論壇，2024，20（7）：11-18.

［2］" 陳統.歐盟數據治理中的“一站式”監管：運行機制、實施困境及啟示［J］.學術探索，2024（1）：51-63.

［3］" 李重照，黃璜.英國政府數據治理的政策與治理結構［J］.電子政務，2019（1）：20-31.

［4］" Zygmuntowski J J，Zoboli L，Nemitz P F.Embedding European Values in Data Governance：A Case for Public Data Commons［J］.Internet Policy Review，2021，10（3）：1-29.

［5］" Watson H，Fuller C，Ariyachandra T.Data warehouse governance： Best practices at blue cross and blue shield of North Carolina［J］.Decision Support Systems，2004，38（3）：435-450.

［6］" 范佳佳.公共數據進入數據要素市場模式研究［J］.信息資源管理學報，2024，14（2）：68-81.

［7］" 童楠楠，楊銘鑫，莫心瑤，等.數據財政：新時期推動公共數據授權運營利益分配的模式框架［J］.電子政務，2023（1）：23-35.

［8］" Safarov I.Institutional Dimensions of Open Government Data Implementation：Evidence from the Netherlands，Sweden，and the UK［J］.Public Performance ＆ Management Review，2019，42（2）：305-328.

［9］" Alhassan I，Sammon D，Daly M.Data governance activities：a comparison between scientific and practice-oriented literature［J］.Journal of Enterprise Information Management，2018，31（2）：300-316.

［10］" Mao Z，Wu J，Qiao Y，et al.Government data governance framework based on a data middle platform［J］.Aslib Journal of Information Management，2022，74（2）：289-310.

［11］nbsp; Nik T，Ravi R，Salvatore N.Government data does not mean data governance：Lessons learned from a public sector application audit［J］.Government Information Quarterly，2015，32（3）：316-322.

［12］" 周文泓，代林序，文利君，等.我國政府數據治理的政策內涵研究與展望［J］.現代情報，2023，43（10）：85-96.

［13］" Korhonen J J，Melleri I，Hiekkanen Kari，et al.Designing Data Governance Structure：An Organizational Perspective［J］.GSTF Journal on Computing，2013，2（4）：11-17.

［14］" Castro A，Villagra VA，Garcia P，et al.An Ontological-Based Model to Data Governance for Big Data［J］.IEEE ACCESS，2021（9）：109943.

［15］" Linnet T.What is data justice？The case for connecting digital rights and freedoms globally［J］.Big Data amp; Society，2017，4（2）：1-14.

［16］" Abraham R，Schneider J，Brocke J V.Data governance：A conceptual framework，structured review，and research agenda［J］.International Journal of Information Management，2019，49（12）：424-438.

［17］" OECD.Data-Driven Innovation for Growth and Well-Being：Interim Synthesis Report［R］.Paris：OECD Publishing，2014.

［18］" Jones C I，Tonetti C.Nonrivalry and the economics of data［J］.American economic review，2020，110（9）：2819-2858.

［19］" Tornatzky L G，Fleischer M.The Processes of Technological Innovation［M］.Lexington，MA，Lexington Books，1990.

［20］" Ahmadi H，Nilashi M，Ibrahim O，et al.Exploring potential factors in total hospital information system adoption［J］.Journal of Soft Computing and Decision Support Systems，2015（2）：52-59.

［21］" Zhu K，Dong S，Xu S X，et al.Innovation diffusion in global contexts：determinants of post-adoption digital transformation of European companies［J］.European Journal of Information Systems，2006，15（6）：601-616.

［22］" Lin C Y，Ho Y H.Determinants of green practice adoption for logistics companies in China［J］.Journal of Business Ethics，2011，98（1）：67-83.

［23］" Liang Y，Qi G，Wei K，et al.Exploring the determinant and influence mechanism of e-government cloud adoption in government agencies in China［J］.Government Information Quarterly，2017，34（3）：481-495.

［24］" Zhang N，Zhao X，Zhang Z，et al.What factors drive open innovation in China’s public sector？A case study of official document exchange via microblogging （ODEM） in Haining［J］.Government Information Quarterly，2017，34（1）：126-133.

［25］" 安小米，王麗麗，許濟滄，等.我國政府數據治理與利用能力框架構建研究［J］.圖書情報知識，2021，38（5）：34-47.

［26］" Patrick D.Digital era governance：IT corporations，the state，and e-government［M］.Oxford， Oxford University Press，2006.

［27］" Zhang M，Wang Z，Chen Y M.Global Digital Economy Development Index Report（TIMG Index 2023）［EB/OL］.［2024-09-01］.https：//www.waitang.com/report/704027.html.in Chinese.

［28］" Alexopoulos C，Loukis E，Charalabidis Y.A methodology for determining the value generation mechanism and the improvement priorities of open government data systems［J］.Computer Science and Information Systems，2016，13（1）：237-258.

［29］" Zeynep E，Philip T.Algorithmic Government：Automating Public Services and Supporting Civil Servants in using Data Science Technologies［J］.The Computer Journal，2019，62（3）：448-460.

［30］" 湯志偉，王研.TOE框架下政府數據開放平臺利用水平的組態分析［J］.情報雜志，2020，39（6）：187-195.

［31］" Fountain J E.Building the virtual state：Information technology and institutional change［M］.Washington D.C，Brookings Institution Press，2001.

［32］" Global Data Barometer.First Edition Report-Global Data Barometer［EB/OL］.［2024-09-01］.https：//doi.org/10.5281/zenodo.6488349.

［33］" 孟慶國，林彤，喬元波，等.中國地方政府大數據管理機構建設與演變——基于第八次機構改革的對比分析［J］.電子政務，2020（10）：29-38.

［34］" United Nations Department of Economic and Social Affairs.UN E-Government Survey［EB/OL］.［2024-09-01］.https：//desapublications.un.org/sites/default/files/publications/2022-11/Report%20without%20annexes.pdf.

［35］" Fruehauf J，Al-Khalifa F，Coniker J.Using the Bolman and Deal’s Four Frames in Developing a Data Governance Strategy［J］.Issues in Information Systems，2015，16（2）：161-167.

［36］" Al-Ruithe M，Benkhelifa E，Hameed K.Data Governance Taxonomy：Cloud versus Non-Cloud［J］.Sustainability，2018，10（1）：95.

［37］" Goldfarb A，Tucker C.Digital Economics［J］.Journal of Economic Literature，2019，57（1）：3-43.

［38］" Alvaro C-C，Luis A D.Structural Reform and Firm Exports［J］.Management International Review，2009，49（4）：479-507.

［39］" Frederickson H G，Smith K B，Larimer C W，et al.The public administration theory primer［M］.West view Press，2015.

［40］" International Telecommunication Union Development Sector.Global Cybersecurity Index 2020：Measuring commitment to cybersecurity［M］.Geneva，ITUPublications，2021.

［41］" 胡媛，黃思慧.美國政府數據治理戰略與行動研究分析及啟示［J］.情報雜志，2023，42（10）：48-55.

［42］" Ragin C C.Redesigning Social Inquiry：Fuzzy Sets and Beyond［M］.Chicago，University of Chicago Press，2008.

［43］" Fiss P C.Building Better Causal Theories：A Fuzzy Set Approach to Typologies in Organization Research［J］.Academy of Management Journal，2011，54：393-420.

［44］" Greckhamer T.CEO Compensation in Relation to Worker Compensation across Countries：The Configurational Impact of Country-level Institutions［J］.Strategic Management Journal，2016，37：793-815.

［45］" Yoo Y，Boland R J，Lyytinen K，et al.Organizing for innovation in the digitized world［J］.Organization Science，2021，23（5）：1398-1408.

作者簡介：鄒純龍（1991-），男，黑龍江大學信息管理學院副教授；馬海群（1964-），男，黑龍江大學信息管理學院教授，博士生導師；王旭（1991-），男，燕山大學經濟管理學院講師。

*本文系國家社會科學基金重大項目“面向數字化發展的公共數據開放利用體系與能力建設研究”（項目編號：21＆ZD336）與國家社會科學基金青年項目“面向科技自立自強的創新情報嵌入式服務模式研究”（項目編號：23JHQ084）研究成果之一。

收稿日期：2024-09-26；通訊作者：王旭（1542746344@qq.com）責任編輯：柴若熔