地方政府開放數據治理效能評估分析

劉園園　段堯清　俞寅天

關鍵詞： 地方政府； 開放數據； 治理效能； 評估

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．０６．００８

〔中圖分類號〕Ｇ２０３ 〔文獻標識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２４） ０６－００９２－０８

政府開放數據治理效能是指政府通過法律法規、管理制度、技術工具等一系列手段， 對數據開放過程中所需要與所產生的數據資源的全生命周期進行有效管控， 以滿足開放數據資源的數據管理、價值實現與民眾需求的成果體現， 是加快政府職能轉變，構建數字化政府、服務型政府、法治化政府的重要舉措， 有利于政府數據治理方式方法的細化與創新，形成大數據時代數字治理新格局［１－２］ 。政府開放數據治理是政府數據治理在“互聯網＋政務服務” 背景下的進一步演進與深化。黨中央提出， 在數字政府建設中， 要以數字賦能實現數據治理創新， 從而推進政府治理體系與治理能力現代化， 我國數字政府建設方向逐漸清晰， 政府數據開放與數據治理迎來新局面［３］ 。政府數據治理涉及政府內部數據與外部數據的方方面面， 這并不是各個要素之間的單純累加， 而是將數據治理理念嵌入到政府各項工作中。政府開放數據作為政府數據的一部分， 對政府開放數據進行治理， 一方面， 因為大數據、云計算等新興信息技術在政務服務中的廣泛應用， 促使政務系統中的數據數量與體量呈指數級增長， 政府數字化轉型速度加快， 與此同時， 數據協同開放、數據責權不明、數據基礎配套設施落后等問題凸顯， 對政府數據開放提出更高的要求與挑戰； 另一方面， 隨著政府機構的深化改革， 治理體系逐漸現代化， 民眾對政府開放數據的正確性、服務性、安全性、科學性等多方面提出了更高的要求。大數據時代無論是對民眾生產生活還是政務管理來說， 都會產生深遠影響， 政府與民眾之間的社會關系及政府本身的內部機構關系發生重構， 政府數據治理也必定會在大數據時代下發生新一輪的改革與創新， 深入細化是必然趨勢， 因此研究政府開放數據治理效能具有重要意義。那么一個有效地衡量政府開放數據治理效能體系如何構建？ 本文將嘗試對該問題做出解答。

１ 相關研究

２００４ 年， Ｗａｔｓｏｎ Ｈ Ｊ 等［４］ ， 首次在企業管理領域提出“數據治理” 的概念， “政府開放數據治理”是由“數據治理” 概念發展引申而來， 是指政府為了維護開放數據的安全和數據質量， 運用法律、政治等手段， 對行政與服務過程中所對外開放的數據進行多方面的分配與治理， 以更好地發揮政府數據價值［５］ 。目前學術界對于政府開放數據治理的理論研究較為豐富， 一方面從政府開放信息管理與開放數據治理概念辨析入手， 認為開放數據治理雖然是在大數據時代對信息管理的一種繼承與延續， 但是二者在參與主體［６］ 、關注對象［７］ 、所處環境［８］ 、目標側重點［９］ 等多方面均有所不同， 整體而言數據治理相較于信息管理來說更加微觀與細致； 另一方面是從政府開放數據治理本身入手， 專家學者從政府開放數據治理過程中的治理價值［１０］ 、治理模式［１１］ 、治理原則［１２］ 、系統特性［１３］ 、治理路徑［１４］等多方面展開研究， 認為開放數據治理要以政府為主導， 從當地數據發展特點入手， 因地制宜， 做到社會多元主體相互協同， 從而構建社會治理新體系， 提高政府數據服務精度與準度。在對政府開放數據治理理論研究的同時， 也有學者通過研究國外已有的數據治理框架實例， 來進一步提出適用于中國的數據治理框架［１５］ 。在深入研究政府數據治理之前， 先構建體系框架， 這有利于厘清不同數據治理對象與治理主體的邏輯關系［１６］ 。國外學者在政府開放數據治理體系構建領域傾向于對市場數據進行治理， 主要包括國際數據管理協會的數據治理框架［１７］ 與數據治理協會的數據治理框架［１８］ ， 意在滿足企業發展需求， 激發數據活力。國內有學者從數據融合的角度出發， 按照技術層、業務層、應用層等多個層次的發展周期， 結合數據發展與數據管理生命周期理論， 融合數據創新思想， 探討政府開放數據治理體系框架［１９－２１］ 。

從現有研究來看， 國內外對于政府開放數據治理的理論與實踐研究較為成熟， 集中在內涵概念、體系框架等方面。但從整體上來看， 無論是政府開放數據治理的概念內涵還是治理體系框架研究方面，均缺少了從數據本身的質量進行考量， 且目前的研究體系框架較為宏觀， 系統性研究不夠。因此， 本文從政府角度與數據角度兩方面構建評估指標， 使用熵權－ＴＯＰＳＩＳ 方法對地方政府數據治理效能進行測度， 得出城市數據治理的綜合得分， 利用秩和比法將樣本城市分為一般、中等、良好３ 檔， 然后將綜合得分作為母序列， 使用灰色關聯度模型找出在政府數據治理過程中起到關鍵性作用的因素。一方面將數據安全生態與數據質量納入評估體系中， 使得評估結果更加系統客觀； 另一方面分析政府開放數據治理過程中的關鍵因素， 為地方政府數據治理提供理論與實踐上的借鑒與指導。另外， 此次研究是在以往政府數據開放效率測度的基礎上進行［２２］ ，通過研究， 可以找出政府數據開放效率與數據治理能力不匹配的城市， 探究其中原因， 給出相應對策，有利于構建數字化時代政府數據治理新模式， 推動治理體系與治理能力現代化。

２ 實驗設計

２.１ 指標選取與數據來源

２０１８ 年， 國家標準委員會發布了ＤＣＭＭ 數據管理能力成熟度評估模型［２３］ ， 在評估模型中， 給出了數據治理整體框架， 在框架的數據治理域中包括數據管理體系與數據價值體系。其中管理體系著力于管理數據的現狀與能力， 分析數據管理成熟度，主要監控管理治理方案的實施， 滿足數據管理和數據戰略要求； 價值體系著力于數據價值轉化實現，體現數據價值的實現績效， 滿足社會數據資產的應用和實現要求。《數據治理標準化白皮書（２０２１）》［２４］結合ＤＣＭＭ 數據治理域中的管理體系與價值體系，給出了更加詳細的評估標準， 從基礎共性、數據基礎設施、數據資產管理、數據流通與數據安全５ 個方面進行評估。

因此， 本文的地方政府開放數據治理效能評估融合ＤＣＭＭ 中的管理體系與價值體系兩個數據治理域， 并結合《數據治理標準化白皮書（２０２１）》中給出的具體標準， 經由兩名專家具體論證后， 最終管理體系用數據基礎設施與數據資產管理進行衡量， 價值體系用數據流通與數據安全進行衡量。由于基礎共性主要是為了統一在數據治理領域的基礎概念， 為數據治理相關領域的建設提供參考架構、評測評估、通用要求等便利， 因此基礎共性作為一種事先擬定好的定性指標就不再納入本文的定量考察中來。

具體的指標選取依據如表１ 所示：

１） 數據基礎設施標準主要是用來規范在數據治理工作中所涉及的數據平臺、數據機構， 為數據流通、數據資產管理、數據安全等提供技術支撐。基礎設施的完善有利于推動國家治理體系與治理能力的現代化， 是提高政府數據治理水平的有效方式［２５］ 。本文選擇使用數字政府發展水平、數據治理平臺與系統建設數量以及是否設立專門的大數據管理平臺（沒有設立的賦值為０； 事業單位的賦值為１； 行政單位的賦值為２）作為數據基礎設施的三級指標。

２） 數據資產管理主要是針對政府的核心數據資源的應用、共享、質量等方面進行管理。政府數據具有體量大、類型多、增長速度快等特點， 面對龐大的數據， 政府首先要保證的就是數據的質量性與共享度， 政府開放數據的質量也是政府公信力的最直接體現［２０］ 。本文選擇使用數據應用數量、數據及時性（更新頻率）以及元數據完整性作為數據資產管理的三級指標。

３） 數據流通主要是對政府在數據開放過程中的數據開放量、數據開放效率等進行約束， 保證數據在需求方與供應方之間的合規有序流通。政府數據開放是政府進行數據治理的一個重要部分， 開放數據有利于保障公民知情權。數據時代， 政府數據治理現代化建設過程中， 需要多樣化主體的參與，政府數據開放有利于激發公民參與到數據治理過程中的主人翁意識［２６］ 。因此， 政府數據開放服務對政府開放數據治理具有正向化影響。本文使用政府開放數據量、政府開放數據效率與開放數據訪問量作為數據流通的三級指標， 其中政府數據開放效率是經由前期計算所得［２２］ 。

４） 數據安全指標主要是為了確保數據資產在開放、管理、共享、應用等環節的合規合法， 確保數據在任何環節都能夠得到有效保護。數據安全建設是政府進行數據治理的一個重要方面， 政府通過相關法律法規的制定， 建立健全數據要素市場規則，規范數據要素市場秩序， 將更有利于政府進行數字治理， 改善數據市場創新環境［２７］ 。本文使用數據安全法規數量與數據安全政策量作為數據安全的三級指標。

２.２ 模型構建

本文的主要模型構建步驟如下， 其中步驟１ 到步驟５ 是計算指標權重值的過程， 步驟６ 到步驟８是計算地方政府開放數據治理效能綜合得分的過程，步驟９ 到步驟１０ 是計算關聯度， 找出關鍵性指標的過程。

３ 實證分析

３.１ 樣本城市選擇及指標權重計算

３.１.１ 樣本城市選擇

本文選取上海、北京、貴陽、濰坊、寧波、江門、青島、濱州、福州、臨沂、濟南、廣州、哈爾濱、德州、成都、武漢這１６ 個地方政府作為研究對象， 主要原因如下： 其一， 通過現有研究發現，對政府開放數據治理研究多是以省級為粒度， 研究不夠具體， 因此文本選擇更細粒度的城市政府單位。其二， 這１６ 個城市中， 按照城市行政等級劃分， 包含省級城市、副省級城市、地市級城市； 按照城市規模劃分， 包括超大城市、特大城市、大城市、中等城市、小城市； 按照地理位置劃分， 包括東北地區、華北地區、華中地區、華南地區、華東地區等。本文選擇的樣本包含了全國不同城市規模、不同發展水平以及不同地理位置的城市， 因此具備一定的代表性。

３.１.２ 指標權重計算

本文中的指標均為正向化指標， 即指標與政府開放數據治理效能之間成正比， 指標數值越大越好。由于各個指標之間的單位不同， 因此在進行權重計算之前， 首先采用極差法進行矩陣標準化， 消除指標之間的量綱影響。如表２ 所示， 是使用熵權法計算出的各指標的差異系數及指標權重。使用熵權法確定指標權重能夠避免層次分析法等方法的主觀性，使結果更加科學客觀。

３.２ 城市開放數據治理效能綜合得分及分檔情況

３.２.１ ＴＯＰＳＩＳ 方法計算綜合得分

如表３ 所示， 是在熵權法的基礎之上使用ＴＯＰＳＩＳ 方法得到的樣本城市的開放數據治理效能綜合得分及排序。從表３ 中可以看出， 政府數據治理綜合能力為： 上海＞北京＞貴陽＞成都＞廣州＞福州＞江門＞濱州＞青島＞哈爾濱＞濰坊＞武漢＞濟南＞臨沂＞德州＞寧波。表明上海、北京等城市政府數據治理能力強， 在全國數據治理體系改革中發揮了良好的領先作用， 而德州、寧波等幾個城市的政府數據治理效能有待提高。上海市政府于２０２１ 年發布《２０２１年上海市公共數據治理與應用重點工作計劃》， 此后一直將數據治理作為政府工作重點， 并且打造了“數源工程” “亮數工程” “聚數工程” “聯邦數據治理” 四大數據工程， 推動數據創新， 強化數據治理能力。北京市作為我國的政治經濟中心， 著力打造全球數字經濟標桿化城市， 強調要建成超大城市政府數字化治理體系， 努力將北京打造成數字治理城市高地， 無論在數據治理、數字政府、智慧城市等數字化發展與治理中， 北京市位居全國領先位置。而反觀政府數據治理效能排名較為靠后的幾個城市， 根據政府每年的財政投入預算、政府數據開放平臺等數據可以看出這些城市在城市數字化建設中投入有所失衡， 不少地方政府在數字化建設中忽略了數據治理的重要性， 對數據治理方面的財政投入較少， 因此造成數據治理效能低下。

３.２.２ 秩和比法（ＲＳＲ）進行分檔

使用模糊聯合方法將ＴＯＰＳＩＳ 與ＲＳＲ 方法結合起來， 能夠解決ＴＯＰＳＩＳ 方法無法對結果進行分檔的問題， 提高結果的科學性與全面性。根據上文中計算得出的綜合得分Ｃ 值， 編秩計算ＲＳＲ 值， 并且進行分檔研究。首先將北京、上海、青島、哈爾濱等１６ 個城市的政府數據治理效能綜合得分以升序的方式進行排列， 計算累計頻率及Ｐｒｏｂｉｔ 值等。將Ｐｒｏｂｉｔ 值作為自變量ｘ， 將ＲＳＲ 值作為因變量ｙ，得到回歸方程： ｙ ＝－０.３６７＋０.１４１?Ｐｒｏｂｉｔ。進行Ｆ檢驗后得出： Ｆ＝ １９７.７６９， Ｐ＜０.００１， 這說明水平呈現顯著性； Ｒ^２＝ ０.９３４， 這說明擬合度高， 模型表現較為優秀。

如表４ 所示， 是樣本分檔結果。按照分檔最佳原則， 結合秩和法得出的第一檔、第二檔、第三檔進行科學劃分， 將地方政府數據治理效能分為一般、中等、良好這３ 個檔次。從表４ 中可以看出地方政府整體數據治理效能較好， 在第一檔中， 只有寧波１ 個城市， 而寧波市在政府數據開放與平臺建設方面表現較好， 這說明寧波市在政府數據開放過程中忽略了開放數據的治理問題， 這也是今后需要尤其注意的方面； 政府數據治理效能為良好的城市有上海、北京與貴陽這３ 個城市； 其余城市均為中等。

３.３ 灰色關聯度法確定關鍵因素

將測度出的地方政府數據治理效能綜合得分作為母序列， 將各個評價項作為子序列， 使用灰色關聯度模型， 計算得到各個評價項與數據治理效能綜合得分之間的關聯度， 由此找出影響本文效能評估的關鍵因素。如表５ 所示， 是各個指標與政府數據治理效能之間的關聯度大小及排序， 從表５ 中可以看出， 關聯度最高的是數字政府發展水平， 其次是數據開放效率， 最后是開放數據用戶權利。

４ 綜合結果分析

從表３ 的ＴＯＰＳＩＳ 綜合得分與表４ 的秩和比分檔排序中得到， 上海、北京、貴陽這３ 個城市的政府開放數據治理效能得分最高， 檔次為良好。從３個城市的基本情況可以分析出這３ 個城市綜合得分高的原因有： 首先， 數字政府發展水平較高。根據《中國數字政府發展指數報告（２０２２）》， 北京市數字政府發展水平為７８.５３、上海市７８.８７、貴陽市７４.０４， ３ 個城市的數字政府發展水平均位于全國前十。其次， 政府數據開放水平高。這３ 個城市均有獨立的政府數據開放平臺， 上海市的政府數據開放平臺在全國起步最早， 北京與貴陽市緊隨其后，政府在數據開放平臺公布數據量大， 透明度高， 元數據完整， 并且數據的及時性、準確性較高。最后，數據開放環境好。北京、上海、貴陽出臺的針對數據治理的數據安全法規數量分別為２７、１８、１９，數據治理政策文件數分別為３７６８、６３４、５０１， 無論是法規數量還是政策文件數量， 在全國均處于領先位置。政府使用自身的行政手段與立法手段為數據治理提供了一個良好的環境。

政府開放數據治理效能處于二檔即中等的城市有成都、廣州、福州、江門、濱州、青島、哈爾濱、濰坊、武漢、濟南、臨沂、德州這１２ 個城市。對這１２ 個城市進行分析發現， 這些城市能夠位于中等的共同原因有： 首先， 政府部門領導的重視。在這１２ 個城市中， 只有成都未設立大數據管理局，其余城市均設立了專門的大數據管理局， 并且只有哈爾濱的大數據管理局是事業單位， 其余均為行政單位， 隸屬國家機關， 更加有利于對數據的監管治理。其次， 政府積極探索政府開放數據治理方面的政策法規， 建設數據治理紅線。通過《北大法寶》以及政府官網， 檢索這些城市關于數據治理的相關政策與法律， 可以看到不少政府部門正在努力推進政府數據立法及發布相關政策， 指導本地的政府數據開放共享， 如《武漢市公共數據資源管理辦法》《青島市公共數據開放管理辦法》等。最后， 政府數據開放水平較高。根據《開放樹林指數（２０２２）》顯示， 這１２ 個城市的政府數據開放水平在全國整體城市中位居前列， 尤其是廣州、武漢、青島、濰坊、德州這幾個城市， 政府數據開放水平較高。

寧波的政府開放數據治理效能相較于樣本中的其他城市來說較低， 數據開放治理效能一般， 距離效能良好城市來說存在一定差距。在前期的研究中，發現寧波的政府開放數據效率在所有樣本城市中排名為１１， 比大多數的中等城市的政府開放數據效率要高， 但是寧波的政府數據開放治理效能較低。這可能是寧波政府在數據要素化資源分配過程中出現了資源失衡的狀況， 還沒有充分認識到數據治理的重要性， 在政府數字化建設中側重點有所偏差。

５ 結論與建議

盡管北京、上海、貴陽城市政府開放數據治理水平處于優檔， 但是存在著諸如數據治理創新度不夠， 部門協調不夠， 機制不夠完善等問題， 因此可以做出以下調整： ①在數據治理過程中堅持數據賦能實現治理創新， 構建數字化新時代數據治理創新模式。政府在開放數據治理過程中要進一步加強新興信息技術的應用， 將技術應用數據治理過程中的采集、組織、分析、提供應用等各個方面， 加強數據深入挖掘與共享， 以數字化技術帶動數據治理創新， 推動數據治理能力與治理體系現代化； ②加快構建數據要素市場， 推動數據確權。我國的數據要素市場發展處于高速階段， 但是數據作為生產要素在流通中仍存在各種問題， 如數據的權責使用不清晰。因此要深入推動數據確權， 政府要發揮領導、治理與規范的作用， 明確數據安全底線與數據監管紅線， 打造監管有效、安全可信的數據要素化市場環境； ③完善政府數據治理體制機制， 為政府數據治理提供制度保障。政府要建立健全數據治理過程中的數據使用機制、共享機制、保護機制等， 將數據治理作為諸多數據工作所串聯起來的一套完整的運行機制。

對于中等城市來說， 其政府數據開放治理效能仍有較大的改進空間， 因此作為中等城市來說， 應該做到： ①明確政府主導作用， 強化開放數據治理主客體之間的相互關系。在政府數據治理過程中，要始終堅持政府的監管者與立法者的身份， 地方政府作為數據治理的主體， 應該在制度、政策、法律、機制、標準等方面開展工作， 為數據治理建立健全規則秩序與框架體系； ②加強數據人才培養， 為政府數據治理提供人才保障。在中等城市中， 有類似于江門、濰坊、德州這類城市的數字化人才儲備量不足， 同時掌握數據統計、政府管理、現代技術的綜合型人才較少， 因此這類城市一方面要重視教育，加大人才培育力度； 另一方面， 要制定相關優惠政策， 進行人才引進； ③優化政府數據治理模式， 實現政民共治。數據治理并不是數據要素與政府職能的簡單結合， 而是在政府數據工作中， 要將數據治理相關理念融合嵌入進去， 激發社會力量， 以公民為治理中心， 以政府為治理主導， 建立多元主體治理模式。

對于政府數據治理效能一般的這類城市， 政府首先要做好數據治理相關基礎工作， 提高政府開放數據治理效能， 應該做到： ①優化打造政府數據開放平臺， 開通政務微博等官方賬號。政府數據開放平臺是數字政府建設的基礎， 政府數據治理效能的提升有賴于數字政府水平的提升， 因此對于數據治理效能一般的城市來說， 要以平臺為基礎， 提高政府數字化水平； ②增強政府開放數據治理認知理念， 突破原本數據治理認知局限。首先正確認識數據資源在經濟建設、社會發展、政府治理等方面的作用； 其次， 對政府工作人員進行數據知識培訓，加強政府工作人員數據知識建設， 加強數據知識建設有利于建設相關數據標準， 深入挖掘高質量數據信息， 釋放政府數據治理潛力； ③加大信息技術應用， 政府開放數據治理以信息技術為支撐如北京、廣州等數據治理效能較高的城市采用城市“數據資產” 整合的方式， 搭建跨應用、跨行業的數據底座， 為城市治理、科學建設等提供有力支持。對于這類城市來說， 要以數據治理效能高的城市為借鑒， 結合自身優勢，使用現代化新興信息技術， 促進政府數據治理。