随着风险社会的来临和社会复杂程度的不断提高［1］，以复杂、交互影响与争议性为基本特征的“棘手问题（wicked problem）”大量涌现［2］，使得传统社会治理模式普遍陷入治理效果不彰的境遇，单独依靠政府、市场或者社会的任何一方都无法有效解决公共问题［3］。这要求政府部门不断提升治理能力，以应对不断变化的环境与挑战。
大数据应用为政府部门解决棘手问题、提升治理能力、应对外部挑战提供了新思路。在技术革命引发时代变迁的视域下，大数据被视为一种积极的治理资源，提供了全面提升公共治理能力的契机，驱动着公共治理体系、治理结构、治理绩效、治理形态的改革和完善［4］。当前，大数据所蕴含的战略价值已经引起多数发达国家重视，各国相继出台大数据战略规划和配套法规以促进其应用与发展［5］。在政策支持的基础上，目前世界各国政府都在大数据计划方面投入大量资金，并将其应用于税收、医疗卫生、国防建设、公共安全、社会服务、交通运输等众多政策领域［6］。
除了引起各国政府的高度重视外，大数据在学界也成为研究热点。从研究的侧重点来看，学者们主要关注大数据如何应用于政府管理实践中。基于大量实证研究，学者们指出大数据在社会舆情治理、政府应急管理、政府治理体系和治理能力现代化等方面的应用潜力［7-10］。也有学者认为，大数据的应用并不总是乐观的，政府部门往往缺乏收集、处理、分析和解释大数据的能力［11］。此外，大数据也使政府的数据管理能力和个人信息保护工作面临前所未有的挑战［12］。
由此可见，大数据所蕴含的价值与潜力已得到各国政府和科研领域的广泛关注。但大数据的应用既是机遇也是挑战，只有克服挑战才能更好地把握住机遇。因此，探析大数据在我国的政府治理实践中如何得到合理应用、有效推动治理能力的提升，需要从机遇和挑战两个维度进行理解。本文将结合国内外成功经验，对大数据推动政府治理能力提升的三个方面进行论述，并提出针对性的对策建议。
理解大数据与政府治理能力提升的衔接关系，首先需要明晰大数据的概念。关于其概念的界定，学界至今没有形成广泛共识，目前学者在研究中使用较多的定义主要以特征为视角。Gartner公司的分析师Laney最早提出关于大数据特征的3V模型，即规模性（volume）、高速性（velocity）和多样性（variety）［13］。随后各大信息技术公司和研究者在3V的基础上进行扩展，衍生出价值低密度性（value）、高可变性（variability）和低准确性（veracity）等特征，进一步丰富了对于大数据的认识。而在公共管理领域，学者们认为大数据的概念远超过对于数据特征的描述。如Boyd指出大数据是一种文化、技术和学术现象，它不仅仅是关于数据，而是关于搜索、聚合和交叉引用大数据集的能力［14］。McNeely和Hahm认为，大数据是一个包含技术、决策和公共政策的多重概念［15］。由此可见，在公共管理视阈下，大数据的内涵并不局限于数据集的特征，更是一种超乎技术范畴的多维概念，包括数据生成和收集、数据使用能力以及应用数据进行决策等多个方面。
那么，大数据如何使政府治理能力的提升得以实现？从主体关系的角度来看，传统行政管理模式下政府是话语权的掌控者，政府外部的主体多处于从属地位。而大数据时代来临后，基于互联网与日常生活及行为的实时交互，企业、社会组织以及公民跃升为数据收集、储存、管理的主体，迫使政府由单向度的思维和观念转向协同治理，通过数据的共享和流通平台，建立各主体之间的对话和协作机制。从决策方式来看，以规模性、高速性为特点的大数据可以克服传统科层内部由于信息不对称而产生的各种治理困境，信息传递更趋扁平化，对问题的了解更为准确和全面，从而提升科学决策的水平和精准度［16］。从基本载体来看，数据作为最基本的单位，其规范化管理在由非数字化转型为数字化的政府治理模式中愈加凸显出其重要作用。
综上所述，大数据是一种超乎技术范畴的多维概念，在助推政府治理能力的提升上表现为政府治理协同化、政府决策科学化以及数据管理规范化三个维度。这三个维度并不是相互割裂的，而是紧密相关的，作为协同化治理和科学化决策中的基本要素，数据扮演着举足轻重的角色，数据管理的规范化程度关乎利用大数据进行治理的效能与效果。下文将从机遇和挑战两个方面，对大数据推动政府治理能力提升的作用展开论述。
长期以来，在“国家本位”“政府本位”等观念的指导下，政府治理形成了以政府为主导的单中心、单向度模式。政府通过层级节制的科层制度，对法律法规、组织结构、政策制定与执行进行全方位把控。但随着社会复杂程度的提高，单中心、单向度的治理模式越来越难以解决趋向复杂的治理难题，要求政府持续提升治理能力。
随着信息技术的不断发展，大数据的应用改变了知识分享的模式，进而瓦解了社会治理固有的权力格局基础，使信息资源在政府、企业、社会组织与个体之间重新分布，决定了国家或政府不再是治理结构中的唯一主体［17］，为政府治理走向协同化发展道路提供了新机遇。大数据的应用，为私营企业、非营利组织、高校及科研院所等社会力量共同参与治理行动扫除了一定技术障碍，提供了更多的发展机会。政府通过与外部主体的合作，可以在协同中获得“1＋1＞2”的治理成效。以哥本哈根市为例，政府为解决碳排放问题，与IBM公司合作收集能源数据，通过在停车位、交通路段、垃圾桶、自来水系统等处设置传感器，IBM对这些传感器收集的实时数据进行提取和分析，为政府减排决策提供基础［18］，这极大地解决了由政府部门收集、获取、存储和分析数据导致的行政成本浪费和治理低效的问题。同时，大数据也推动政府各部门之间走向协同。以我国“互联网＋政务服务”改革的实践来看，通过业务平台的构建，使各部门数据资源在平台内进行共享与流转，有效地强化了部门之间的协同能力，形成合力提供更加高效和便捷的公共服务。
大数据助推政府治理走向协同化，其实现以各主体之间数据充分共享为前提。但由于政治体制的限制和部门利益的保护，各主体之间共享和互通数据存在诸多壁垒，阻碍了政府治理协同化的有效运行。一方面，跨部门、跨组织的数据交互与共享受到政府部门政治体制的制约。由于长期以来条块分割的体制，政府信息资源在开发上缺乏统一规划，重复投资、重复建设，呈现明显的“部门化”格局，形成了一个个的“信息孤岛”［19］。分散化的信息系统使得政府部门即使收集了大量数据，也往往是碎片化、割裂化的。林立的“数据烟囱”使得各部门之间数据的流动和交互极为困难，难以形成共享格局。另一方面，出于自身利益保护的目的，政府部门主动进行数据共享的意愿较低。部门在日常管理与服务过程中获取、采集甚至开发的信息资源，与部门的职权密切相关，是部门心血的凝结，故而往往习惯于将本部门的信息资源封闭起来，而不愿与其他部门共享［20］。实时集成的数据资源往往被视为部门内的私有财产，数据的共享意味着资源垄断地位的丧失，部门掌控的权力会因此大打折扣，进而影响部门利益。如果政府官员在数据的开放共享方面追求形式主义，或局部开放，或低关联度开放，敷衍了事，则会在数据流通中形成分割壁垒，难以实现数据最大红利［17］。此外，一些部门和地区出于强化自身利益的考虑，还会主动设置门槛，加大数据共享的难度。
随着信息技术的发展，大数据可以提供比以往更好的信息，被视为有潜力改善政府部门和私人组织决策的工具［21］。通过从海量数据中提取关键信息，大数据改变了发现、分析和解决问题以及辅助执行政策方案的方式［17］，使循证决策在实践中成为可能，推动政府决策走向科学化。
循证决策的理念可以追溯至英国内阁办公室于1999年发布的名为《21世纪的专业化决策制定》的报告。该报告指出：“使用证据是决策专业化的标准之一，而信息是证据的原始要素，高质量的决策有赖于高质量的信息。”［22］循证决策要求决策者基于证据为决策制定提供依据［23］，这为政府过去基于经验的决策提供了变革方向。以斐济为例，通过对定位在当地的各社交网站的用户大数据进行收集和分析，地方政府能够全面了解游客的活动、兴趣、参观地点以及出行体验。相较于以往仅依靠政府内部数据的决策，社交大数据可以提供个人偏好、时间节点等细节，结合社交大数据进行的决策对于促进当地旅游业发展更有成效［24］。
此外，基于实时数据的收集与分析，大数据可以用来分析以前难以把握的事物发展趋势，通过预测未来行为来支持循证决策［25］。传统数据无论多么真实、系统、整齐和有代表性，相对于被观测的社会行为，永远都是事后构拟的结果［26］。由于多种因素影响，拟态数据对社会现实的观测总是存在误差。而大数据可以实现数据与行为的同步，提供更加贴合实际情况的信息，并且更有利于对行为的预测。例如，在公共卫生领域，大数据可以用来分析疾病模式并跟踪疾病的暴发和传播情况，改善公共卫生监测和反应速度［27］。
但政府部门真正实现用数据说话、基于数据决策并非易事，从数据收集、分析再到决策产生并不是一个简单的线性过程，专业能力的短缺成为在政府内部应用大数据的挑战。随着数据集变得越来越复杂——从结构化到非结构化，收集、管理和分析数据所需的能力要求显著提高，尤其是对非结构化数据的识别需要更加专业的能力［28］。与私营部门相比，政府部门的能力短缺问题更加突出。
一方面，以价值密度低、类型多样化为特点的大数据使得政府部门难以从海量数据中提取有用信息并转化为决策依据。通常来说，大数据在有用的“信号（signal）”中包含了更多的“噪音（noise）”，而在寻求有用信息的过程中必须对“噪音”进行排除［29］。这对数据处理能力提出了更高要求，因为清洗数据本身就是在引入误差（不可能完美地区分信号和噪音）［30］。而且数据处理仅仅只是诸多环节中的一个。事实上，大数据的应用需要一个能够捕获、存储、处理、管理、传输和共享数据的生态系统。从整合数据到政策制定的过程中，政府的决策水平与数据质量、数据分析、关系治理、协作水平、工作人员、决策者水平等多个因素都息息相关［31］。由此可见，以大数据助推政府决策科学化，还需要政府专业能力的提升以及决策环节各要素的配合才能得以实现。
另一方面，虽然运用大数据技术可以对各种信息资源进行有效整合和分析，然后从海量数据中获取关键信息，为后续公共管理工作提供良好的支持和决策依据，但管理者未必愿意在决策中予以使用［32］。通常来说，管理者很难摒弃长期以来基于个人阅历和经验作出决策的思维模式，尤其是数据分析结果与自身经验相矛盾时，这种转变会更加困难。
大数据的开发和利用以及管理和监督，与数据的安全性、保密性问题息息相关，需要在严密的法律框架下操作才能有据可依，避免对部门或公民利益的侵害。但相关法律法规的缺位，成为规范化数据治理上的一大挑战。
一方面，规范化的数据共享需要法律法规指导。目前数据资源产权界定模糊，在数据的采集、使用、共享过程中如何既能发挥数据的价值又能兼顾数据的产权，也是法律上亟待明确的问题［20］。正是由于相关法律法规的滞后，而在实际工作中尺度又难以把握，因此政府部门往往倾向于规避风险。一些政府部门出于数据安全的考量，常常以“不宜共享”为由抵制数据共享［33］。这反而树立起另一层数据壁垒，为部门间协同增加了难度。
另一方面，涉及个人身份信息的数据需要通过法律法规进行保护。隐私问题一直是信息技术发展过程的关键问题之一，在大数据的使用过程中，如果没有以可靠的数据治理原则来确立收集数据的目的和使用数据的方式，就有可能在未经数据收集者同意的情况下，将看似不相关的数据点连接起来，从而掌握个人的完整身份信息，对个人隐私保护形成极大的挑战［34］。传统上，将数据去识别化是保护个人隐私的主要方法。管理和使用用户数据的组织通常使用消除身份识别的方法，这使他们既能获得数据利益，又能避免操作风险和满足法律要求［35］。但当前这种匿名化、去识别化的方式，已经无法应对大数据带来的多源数据集成与融合的风险。因此，个人数据隐私的保护需要制定更加严格的标准，以及利益相关者的共同协商。
大数据的出现和应用暴露了政府在数据治理规范化上的短板和不足，甚至一定程度上加剧了这一风险，但也为长期以来数据治理相关法律法规的滞后和缺失问题提供了完善和改进的机遇。从数据共享这一角度来看，2016年我国制定了《政务信息资源共享管理暂行办法》，旨在加快推动政务信息系统互联和公共数据共享，但该办法倾向于纲领性、原则性指导。与全球政府数据共享比较成功的美国、英国、法国、加拿大、日本等国政府的数据共享政策与法律法规相比，我国还存在政策覆盖面不够广、政策法规相互关联较弱、用户参与重视不足、共享数据重复使用、多层式机构管理架构亟待建立等问题［36］。
在未来的数据共享法规制定过程中，应注重对覆盖范围、用户参与、共享细则、管理架构等的完整规划。从隐私保护这一角度来看，虽然国家在宪法和基本法中涉及关于保护个人隐私的说明，但是规定较为零散，不成体系。缺乏专门的个人信息保护基本法，成为制约我国个人隐私保护的最大瓶颈［37］。以欧盟的经验来看，2016年欧洲议会批准了《通用数据保护条例》（General Data Protection Regulation），在个人数据处理时提出了数据最小化、储存限制、目的限制以及透明度原则，对保障数据隐私作出了更加严格的规定。这些原则旨在处理个人数据时，既保障用户对数据处理和使用的知情权，也为数据拥有者正确使用数据提供法律规范和指导。因此，在未来关于个人隐私的法规制定过程中，应注重体系化的法规建设，对隐私数据的使用和处理作出明确规定，保障用户知情权。
近年来，无论是各国政府的战略层面，还是学者们的理论研究层面，都对大数据在政府部门的应用表现出较高的关注度。本文从大数据在我国政府治理实践中推动治理能力提升的机遇和挑战两个维度进行分析，得到以下结论：
首先，大数据助推政府治理走向协同化。大数据的发展和应用，为政府与外部主体合作形成协同格局、政府部门内强化协作能力扫除了一定技术障碍，极大提升了治理效能。但条块分割的政治体制与共享意愿的低下形成了数据壁垒，阻碍了各主体之间通畅的数据流转与共享，影响到政府治理协同化。
其次，大数据助推政府决策科学化。大数据可以提供比以往更好的信息，通过关键信息的提取，使循证决策在实践中成为可能，能够以科学化的方式为政府决策提供支持。但政府部门真正实现用数据说话、基于数据决策并非易事，收集、管理和分析各种类型的数据需要政府部门具有极强的专业能力。因此，专业能力不足成为政府依托大数据实现决策科学化的挑战。
最后，从大数据的开发和利用，再到管理和监督，与数据的安全性、保密性问题息息相关，需要在严密的法律框架下操作才能有据可依，避免对部门或公民权益的侵害。相关法律法规的缺位，成为规范化数据治理的一大挑战。但这也为解决长期以来数据治理相关法律法规滞后和缺失问题，提供了机遇。
为进一步提升我国政府现代化治理能力，更好地应用大数据技术，本文提出如下建议：
首先，协同化的政府治理模式建设需要政府摒弃以往单中心、单向度的治理理念，加强政府内部各部门、政府与外部各主体的交流和互动［38］。政府要主动打破部门间的数据壁垒，不断整合分散的数据资源，通过建立信息互联互通的基础平台，建立各主体之间的协调机制，促进数据的流转与利用。
其次，科学化的政府决策依赖于专业能力的支持。数据是继土地、劳动力、资本和技术之外的新要素，政府部门要提高认识，注重提升数据收集、处理、分析等多个环节的能力。政府应通过学习教育、知识培训深化工作人员对大数据的科学认识；通过对专业技术人才的培养，实现专业化人才队伍的扩展；以开放的态度通过与企业、高校的合作来弥补能力不足。
最后，政府在数据治理规范化上的短板和不足，需要通过数据治理相关法律法规建设来完善和改进。政府要通过个人隐私信息专项法律法规设计，规范和指导政府和企业对公民隐私信息的使用和处理准则，完善和保护公民的个人隐私，保障其知情权。此外，政府还要通过在数据共享方面出台具体实施细则，厘清数据资源产权边界，为实施数据共享扫除障碍。
目前来看，大数据已经开始应用于政府部门实现治理目标和提供公共服务的实践中。但机遇与挑战并存，大数据究竟能产生多大价值，取决于治理者对大数据的理解以及赋予其何种意义，因为大数据本身无法自动发展出一套有价值和意义的制度安排［39］。但在抓住大数据浪潮带来的机遇时，如何结合我国国情对政府治理行为作出恰当的调整，还有待于在未来的实践和研究中进一步探讨。
［1］Van B E，K lijn E H，Koppenjan J．Dealing w ith wicked problems in networks：analyzing an environmental debate from a network perspective［J］．Journal of Public Adm inistration Research＆Theory，2003（2）：193-212．
［2］Benington J，Moore M H．Public value［M］．London：Palgrave M acm illan，2011：1-30．
［3］于水，杨杨．“棘手公共问题”及其治理之道［J］．理论探索，2020（2）：68-75．
［4］马海韵，杨晶鸿．大数据驱动下的公共治理变革：基本逻辑和行动框架［J］．中国行政管理，2018（12）：42-46．
［5］张勇进，王璟璇．主要发达国家大数据政策比较研究［J］．中国行政管理，2014（12）：113-117．
［6］Gamage P．New development：leveraging“Big Data”analytics in the public sector［J］．Public Money＆Management，2016，36（5）：385-390．
［7］蔡立辉，杨欣翥．大数据在社会舆情监测与决策制定中的应用研究［J］．行政论坛，2015，22（2）：1-10．
［8］宁鑫．政府应急管理：基于大数据视角的探析［J］．沈阳工业大学学报（社会科学版），2017，10（4）：347-350．
［9］陈之常．应用大数据推进政府治理能力现代化——以北京市东城区为例［J］．中国行政管理，2015（2）：38-42．
［10］张述存．打造大数据施政平台提升政府治理现代化水平［J］．中国行政管理，2015（10）：15-18．
［11］马亮．大数据治理：地方政府准备好了吗？［J］．电子政务，2017（1）：77-86．
［12］董妍．政府数据开放背景下个人信息知情同意权的行政法架构［J］．沈阳工业大学学报（社会科学版），2018，11（4）：307-311．
［13］Laney D．3-D data management：controlling data volume，velocity and variety［EB／OL］．［2020-05-14］．http：／／blogs．gartner．com／doug-laney／files／2012／01／ad949-3D-Data-Management-Con-trolling-Data-Volume-Velocity-and-Variety．pdf．
［14］Boyd D，Craw ford K．Critical questions for Big Data［J］．Information Communication＆Society，2012，15（5）：662-679．
［15］McNeely C L，Hahm J．The Big Data bang：policy，prospects，and challenges［J］．Review of Policy Research，2014，31（4）：304-310．
［16］胡税根，王汇宇，莫锦江．基于大数据的智慧政府治理创新研究［J］．探索，2017（1）：72-78，2．
［17］陈潭．政务大数据壁垒的生成与消解［J］．求索，2016（12）：14-18．
［18］Giest S．Big Data analytics form itigating carbon em issions in smart cities：opportunities and challenges［J］．European Planning Studies，2017，25（6）：941-957．
［19］陈兰杰，王丽英，付鸿彦，等．论电子政务信息共享的障碍及对策［J］．经济论坛，2006（20）：4-5，53．
［20］邓念国．“放管服”改革中政务大数据共享的壁垒及其破解——以“最多跑一次”改革为考察对象［J］．天津行政学院学报，2018，20（1）：14-21．
［21］Power D J．Using‘Big Data’for analytics and decision support［J］．Journal of Decision Systems，2014，23（2）：222-228．
［22］UK Cabinet Office．Professional policy making for the Twenty First Century［EB／OL］．［2020-05-14］．https：／／dera．ioe．ac．uk／6320／1／profpolicymaking．pdf．
［23］Heinrich C J．Evidence-based policy and performance management：challenges and prospects in two parallel movements［J］．The American Review of Public Administration，2007，37（3）：255-277．
［24］M iah S J，Vu H Q，Gammack J．A Big-Data analytics method for capturing visitor activities and flows：the case of an island country［J］．Information Technology and Management，2019，20（4）：203-221．
［25］Van der Voort H G，K lievink A J，ArnaboldiM，et al．Rationality and politics of algorithms：will the promise of Big Data survive the dynam ics of public decision making？［J］．Government Information Quarterly，2019（36）：27-38．
［26］冯仕政．大数据时代的社会治理与社会研究：现状、问题与前景［J］．大数据，2016，2（2）：3-16．
［27］RaghupathiW，Raghupathi V．Big Data analytics in healthcare：promise and potential［J］．Health Information Science＆System s，2014，2（1）：3-21．
［28］Desouza K C，Jacob B．Big Data in the public sector：lessons for practitioners and scholars［J］．Adm inistration＆Society，2017，49（7）：1043-1064．
［29］Lacus SM．Big Data or big fail？the good，the bad，the ugly and the missing role of statistics［J］．Electronic Journal of Applied Statistical Analysis，2015，5（1）：4-11．
［30］Simon V，Bram K．Techno-optim ism and policypessim ism in the public sector Big Data debate［J］．Government Information Quarterly，2019，36（4）：310-321．
［31］Janssen M，Haiko V D V，Wahyudi A．Factors influencing Big Data decision-making quality［J］．Journal of Business Research，2017，70（2）：338-345．
［32］Tian J．Advances in social science education and humanities research［M］．Paris：Atlantis Press，2015：200-203．
［33］翁列恩，李幼芸．政务大数据的开放与共享：条件、障碍与基本准则研究［J］．经济社会体制比较，2016（2）：113-122．
［34］Irina P，Marc E，Jenkin M S．Big Data and AI：a transformational shift for government：so，what next for research？［J］．Public Policy and Administration，2020，35（1）：24-44．
［35］Goroff D，Polonetsky J，Tene O．Privacy protective research：facilitating ethically responsible access to adm inistrative data［J］．The Annals of the American Academy of Political and Social Sciences，2018（1）：46-66．
［36］“国内外统计数据共享研究”课题组．全球政府数据共享模式研究——对中国的启示［J］．统计学报，2020，1（1）：14-25．
［37］张晓娟，王文强，唐长乐．中美政府数据开放和个人隐私保护的政策法规研究［J］．情报理论与实践，2016，39（1）：38-43．
［38］冯传祥．大数据整合运用中的逻辑问题研究——以侦察和与预防职务犯罪为例［J］．沈阳工业大学学报（社会科学版），2019（5）：460-465．
［39］郭建锦，郭建平．大数据背景下的国家治理能力建设研究［J］．中国行政管理，2015（6）：73-76．
Big data and im provem ent of government governance capacity：opportunities，challenges and prospects