Global

数字经济框架下的政府数据治理逻辑、路径与实践

来源:国脉互联     作者:     时间:2018-06-12

6月2日上午,“2018数字政府与政务大数据建设高层研讨会”在北京国际展览中心召开,本次论坛由国脉数据研究院主办,北京国脉互联信息顾问有限公司、浙江蟠桃会网络技术有限公司承办,国脉海洋信息发展有限公司支持,来自国内政务大数据领域的管理者、研究者、实践者等200余人到场参会。

在研讨会上,国脉智慧城市研究中心主任孙泽红发表了题为“数字经济框架下的政府数据治理逻辑、路径与实践”的主题演讲。她将当前热门的“数字经济”与政府数据治理结合起来,指出要从政府、市场、社会三维角度,从政府数据纵横结构的复杂性逻辑、政府数据治理与市场经济发展的适应性逻辑、政府数据治理与社会治理体系的协同性逻辑三个层次来思考政府数据治理的逻辑框架;从实践角度出发,为加强政府数据治理,要实施大数据全生命周期管理,树立开放的数据思维,实现有效的数据共享,开展精准的数据应用。

以下是会议现场发言实录(根据现场速记和录音整理,已经本人审核):

今天汇报的是关于火热的数字经济与政府数据治理的一些思考。我主要是从数字经济发展的角度来看政府数据治理逻辑,为什么选这个题目?因为在各种场合,各位专家都提到数字经济的一些理念和问题,也提到关于政府数据治理的问题和挑战,我把这二者结合起来,目的是提出政府数据治理的重要性。

一、数字经济的演变

1.数字经济加速发展,处于从量变到质变的新阶段

在过去三年中,政策层面呈现了一个加速承认的态势。2016年,G20峰会上对数字经济予以确认;2017年,我国第一次将数字经济写入政府工作报告,并在当年互联网大会上再次强调;2018年4月,在福建数字中国峰会上,各方对数字经济形成了共识。这中间可能面临着一个深刻的转型,即我们对数字经济的理解已经完全不是原来的仅限于信息和通信产业领域,而是整个经济数字化的转型,因而它才能作为一个整体成为国家战略。

今年3月份中国信息化百人会的一个报告指出,数字经济正在迈向体系重构、动力变革与范式迁移的新阶段。“体系重构”主要表现在数字经济和实体经济的融合;“动力变革”主要表现在由“数字+软件”来定义新的逻辑;“范式迁移”主要表现在认知方式上的变化,过去主要依靠一些理论和实验的验证,现在主要依靠大数据的模拟和大数据的分析。

2.数字经济持续扩张,正在成为全球竞争新制高点

先来看两组数据,一个是中国信息化百人会发布的报告指出,2016年数字经济规模占我国GDP的30%左右;另一个是腾讯研究院发布的报告指出,2017年中国数字经济体量超过26万亿,GDP占比为32.2%,比上一个数据提高了2个多百分点,数字经济在国民经济中的地位进一步提升。这个结果如果加上对组织变革、商业模式的影响,体量应该还有所上升。被称为“数字经济之父”的唐·泰普斯科特在20年前的着作《数据时代的经济学》中,曾花大篇幅讨论了数字经济对组织变革和商业模式的影响,这种影响是超越我们现在看到的数据之外的。

3.数字经济治理升级,数据成为新生产要素

随着互联网,特别是移动互联网的发展,社会治理模式发生了三个转变:从单向管理向双向互动,从线下向线上线下融合,从单纯政府监管向更加注重社会协同治理。在整个逻辑层面,政府也在加大数据的运用能力或者是数字的生产能力。这三个转变是需要认真领会、认真学习的,这有可能是数字经济未来治理模式的重要方向。

在导向层面,国家明确提出要构建以数据为关键要素的数字经济。由于政府掌握着经济社会80%左右的数据,它的数据开放应用程度对发展数字经济起着关键作用,推动数字经济发展的一个关键要素是政府数据。政府数据与城市、民生和经济密切相关,政府部门除了要加强内部对数据的利用外,还要将政府大数据对外开放,形成政府数据的产业链和价值链。

以上是对数字经济发展阶段、体量和方向的一个粗线条理解。既然政府数据这么重要,接下来我们探讨政府数据治理逻辑和路径指向。

二、政府数据治理逻辑

思考政府数据治理的逻辑框架,不只是对于这个命题的思考,更主要的是对于我们所处的新时代,甚至是对未来发展的思考。在这个理论框架下,再来看政府数据治理,需要从政府、市场、社会三维角度来思考它内在的逻辑。

1.政府数据纵横结构的复杂性逻辑

政府数据的纵横结构是由行政结构决定的,通过纵向权力线和横向关系线组成的是网络状结构。随着互联网时空的压缩以及人机交互的影响,公众对政府管理行为复杂性的关注也要转移到对政府数据治理复杂性的关注上。

具体到数据治理,这个复杂性给我们什么启示?主要包括:

(1)数据治理框架:全面性管理。相对于信息管理而言,信息管理的要素可能更加宏观,数据治理是信息管理的延续和扩展,数据治理更加微观;相对于信息管理的要素来说,数据治理的要素是比较具像的,它是从文件命名约定到创建元数据和长期文档的统称,是对组织可用数据的完整性、可用性和安全性的全面管理。这种具体到数据标准、安全、主数据的管理,对政府数据治理本身提出了很高挑战,政府本身既要做好宏观的一些把控,也要做好微观数据的一些控制。

(2)数据治理与业务活动。整个数据治理的内容现在更加复杂,它涉及到数据所有环节,诸如数据架构管理、数据开发、数据库操作管理、数据安全管理、主数据管理、数据仓库管理、文件与内容管理以及数据质量管理等。政府的数据治理在业务层面首先要做到安全、许可、隐私保护,并要确定数据的开放格式、利用条件。简言之,通过对数据微观活动以及知识信息的一体化管理,建立完善的政府数据管理体系,借助数据流程优化与控制来提供标准化、高质量的政府数据,并借助信息共享机制和市场机制来降低数据维护与获取成本,避免不良数据对下游政府数据再利用的负面影响。

(3)治理主体:有所为有所不为。政府数据治理的复杂性决定了治理过程中需要吸收和注入多种治理主体,这里面要思考一破一立。首先破除全能型政府数据管制,说清楚政府在公共数据治理中的职能与作用边界;其次是建立好机制,要根据政府数据流程,基于不同类别的利益相关者的价值诉求与价值实现方式,建立多元数据治理与合作机制。

2.政府数据治理与市场经济发展的适应性逻辑

十八届三中全会提出“使市场在资源配置中起决定性作用和更好发挥政府作用”。市场经济的“基础性作用”意味着政府仍然扮演重要角色,“决定性作用”则意味着政府仅仅是弥补市场失灵的角色。这个话题比较大,下面仅从数据应用角度谈点浅显的看法。

(1)数据公平:政府与市场如何交易?这分两个层面理解,一个是数据交易的公平性,根据预估,目前国内正规数据交易市场的规模约100亿元,但数据黑市的交易规模比正规市场高出一个数量级,而且大多盈利情况良好;一个是政府公开数据的公平性,政府数据原则上经过脱敏以后,应该要向社会公开开放,变成公开数据集,然后大家在公开数据集的基础上完成市场活动,而不是变成一些大公司、大机构与政府数据之间的一种交易行为。

(2)数据安全:数据与市场如何交流?去标识化成为一个重要的步骤,主要是对一些个人隐私信息的脱敏,或者在不同的应用领域,对相关隐私信息的脱敏,俗称给我们的数据加一件衣服。在政府应用层面,公安部第三研究所与上海数据交易中心共研共建“数据流通xID标记技术”,实现个人数据去标识化,保证流通安全;在企业应用层面,京东集团信息安全部相关负责人介绍,京东专门制定了数据脱敏规范,要求使用数据前必须首先对敏感数据脱敏,避免因环境等不安全因素而导致用户隐私信息泄露。

(3)数据主体:政府与不同主体之间如何共融?除了提供开放数据的政府机构外,特定领域的专家和社区、软件和系统开发人员、内容和服务提供商、平台和应用程序管理人员、公共用户和社会团体等开放数据服务链中的利益相关者,都可以参与并分享政府数据的加工生产与再利用。这些多元主体的介入,对政府部门传统的信息垄断地位形成了挑战。

从国外的经验来看,在数据治理项目中,至少需要在领导层面设有数据治理指导委员会(开展数据治理规划与项目审核批准),在管理层面设有数据治理协商委员会(加强不同部门间的沟通协调)以及员工层面的数据治理工作组(负责界定、管理、控制和保存部门数据资源的完整性等)。这个对政府的数据治理也有一定借鉴意义。

3.政府数据治理与社会治理体系的协同性逻辑

一般来说,协同治理水平的程度首先来自于政府治理能力,然后才是发展的程度。按照这个逻辑,假设一:如果政府整体治理能力强、数据治理能力弱或者两者治理能力都弱,政府将顺其自然地或者竭尽全力地采取管控手段面对社会,价值判断主要是全社会数据的稳定与秩序。假设二:如果政府治理能力强、数据治理能力也强,那么,将出现政府与市场平等地位、对等对话,从而构成多元主体协作框架,形成协同治理的局面。

面向社会治理体系的政府数据治理,应该向一个什么方向演变?这里我们总结出两个转变。

(1)单一技术向技术辐射转变。首先很重要的一点,借用玛丽· 米克尔发布的《2018年互联网趋势报告》中的一句话,技术是为我所用的,政府数据治理要突破政府信息化建设早期在软件开发、系统维护等IT上的投入,借助数据流与业务流的紧密融合,涵盖从前端公共服务平台、后端数据仓库到终端数据分析与数据存储,需要多种技术支持,触及到各种数据分析工具和数据模型,并由此形式化为一系列包含数据全生命周期的技术工具、数据标准、应用程序软件、数据政策和API等。

(2)硬实力向软实力转变。政府数据治理能力的提升必须“软”“硬”结合,硬实力是支配力、控制力,软实力是影响力、感染力。

从影响政府数据治理能力的逻辑来看,最里层的是信息社会的核心价值:“互联网+”、大数据、智能终端。中间层是影响力要素,包括“互联网+”对机构与流程的改造,大数据对资源和技术的赋能,智能终端对主体和工具的作用。最外层是表现层,在机构要素中,政府横纵都在开展资源整合,实施机构再造;在流程要素中,主要是推进网上办理;在资源层面,包含数据中心、资源包等;在技术层面,实现数据采集、存取、处理、挖掘等。

三、政府数据治理的路径建议

1.开放的数据思维

大数据时代缺的不是数据,而是开放的思维。我们会发现在大数据时代,我们真的不再缺数据了,缺的是思维不够开放,思考问题A的时候不要一直看问题A的数据,其实会发现问题B和C的数据都可以拿来用,而且这个数据完全可以不是这个领域的数据。只有对这个问题理解深刻以后,才能把别的数据背后的知识拿过来做融合。

具体到政府数据治理层面,一是要改变传统思维模式,形成大数据思维,建立起用数据来说话、用数据来管理、用数据来决策、用数据来创新的数据文化和数据理念;二是引导和规范公众网络的有序参与。

2.有效的数据共享

一方面是要盘活信息资源,政府信息主管部门需完善基础性数据库,将公民资料、企业信息、生产经济以及公众普遍关心的民生热点、服务行业、民间文化、人才培养等重要领域的资料电子化,按照统一目录体系与交换框架,集中梳理、转化形成数据库。

另一方面是要逐步建立和完善政府部门间信息资源的交互转换和共享平台,建立跨部门调取应用数据的长效机制,实现治理资源共享,提高政府治理能力。

3.精准的数据应用

在2009年联合国发布的《“全球脉动”计划--大数据发展带来的机遇与挑战》中,便提出了要通过分析实时信息数据形成预测,即追求政府治理过程中的信息时效性。

一是优化数据质量。在数据大爆炸的时代,虽然政府拥有海量数据,但普遍感觉“数据不足”,可用可信的优质数据极端匮乏,要借助模型和算法优化数据质量,考量数据的精准度。

二是培养信息甄别能力。更加精准地应用数据挖掘、分析技术,能在庞大数据中剔除劣质、虚假信息,深入区分人类态度和行为的细微差别,形成精准的分析报告。

最后呈现了数据治理框架下国脉大数据全生命周期管理的一个逻辑,分享了新加坡公共资源开发共享网、加拿大政府信息管理顶层设计架构、贵州省政府数据资产登记、浙江省公共数据普查系统等四个国内外政府数据治理案例。

相关新闻