[目的@@/意义@@]政府@@数据治理@@@@@@在治理@@主体@@@@、治理@@对象和@@治理@@模式@@@@，超越了传统电子政务@@的范畴@@，是政府@@信息化@@建设面临的新课题@@，分析当前政府@@数据治理@@@@@@中的主要问题并研究对策建议@@，对建设智慧型政府@@@@、促进国家治理@@现代化具有重要意义@@@@。[方法@@/过程@@]文章基于实地调研@@，采取扎根法开展研究@@，以上海为例分析了当前我国政府@@数据采集@@、共享@@、利用@@、开放和@@服务等环节中存在的问题@@，以及技术@@、能力@@和@@制度@@方面的原因@@，[结果@@/结论@@]提出我国应加强网络体系@@、人才队伍和@@制度@@标准建设@@，建立科学高效的政府@@数据治理@@@@@@体系@@。
1.政府@@数据治理@@@@@@的概念与内涵@@
1.1政府@@数据治理@@@@@@的概念界定@@
治理@@一词来自于古希腊语@@，本意是@@“掌舵@@”。该词往往相对@@“统治@@”而言@@，代表@@@@一种新的社会管理和@@运作方式@@。有别于集权化@@、科层化@@、自上而下色彩浓厚的@@“统治@@”，“治理@@”是一种联合行动的过程@@@@，它强调协调@@，而不是控制@@；治理@@是存在着权力依赖的多元主体@@之间的自治网络@@；治理@@具有非中心性@@、多元性和@@协同性等特点@@。
数据治理@@@@是社会深度信息化@@的产物@@，显示数据正从独占转为共享@@@@、从封闭走向开放@@、从权力变成资源的趋势@@。目前国内外对其有多种定义@@，如数据治理@@@@是对数据自然管理行使@@权利的活动集合@@，是信息相关过程@@的决策权和@@职责体系@@，是企业中与数据使@@用有关的决策权力和@@责任框架体系@@[8]，是关于企业数据资产的决策权分配@@，是为有效地使@@用机构的结构化或非结构化信息资产而组织@@和@@实施的政策@@、流程和@@标准的实践@@。
与数据治理@@@@类同的概念还有大数据@@治理@@@@@@。张绍华等认为大数据@@治理@@@@是对组织@@的大数据@@管理和@@利用@@进行评估@@、指导和@@监督的体系框架@@，通过制定战略方针@@、建立组织@@架构@@、明确责任分工等@@，实现大数据@@的风险可控@@、安全合规@@、绩效提升和@@价值创造@@，并提供不断创新的大数据@@服务@@；梁芷铭则认为大数据@@治理@@@@是不同的人群或组织@@机构@@在大数据@@时代@@，为了应对大数据@@带来的种种不安@@、困难与威胁而运用不同的技术工具对大数据@@进行管理@@、整合@@、分析并挖掘其价值的行为@@。
数据治理@@@@发源于企业领域@@，后来扩展到包括政府@@在内的所有社会部门@@。政府@@数据治理@@@@@@，就是以治理@@的思维方式改进传统政府@@信息管理@@，是综合运用数据管理法律制度@@@@、人员组织@@@@、技术方法@@以及流程标准等手段@@，对政府@@数据的可用性@@、完整性@@、安全性等进行全面管理@@，以确保政府@@数据资产的保值增值@@，进而推动政府@@数据从公共资产转换为现实的经济社会价值@@。具体而言@@其包含三层意义@@@@，一是治理@@主体@@是政府@@@@，二是治理@@目标是提升公共管理效率@@，增强政府@@管控能力@@@@，改善公共服务质量@@，促进数据资产保值增值@@；三是治理@@对象以政府@@数据为主@@，也包括部分与公共管理与服务相关的社会数据@@。
1.2政府@@数据治理@@@@@@的主要内容@@
国际数据管理协会@@（DAMA）认为数据治理@@@@包括数据构建@@、数据建模@@和@@设计@@、数据存储与操作@@、数据安全@@、数据集成与互操作@@、文档与内容@@、数据仓储与商业智能@@、元数据@@、数据质量@@；文献则认为应包括数据质量@@@@、数据建模@@、数据整合@@@@、模式@@（Schema）整合@@、数据结构整理@@、数据治理@@@@管理@@。
具体到政府@@数据治理@@@@@@@@，文献将@@其分为三个层次@@@@：一是微观层次@@@@，政府@@对在行政管理中产生或使@@用的尤其是在信息系统中存储数据的治理@@@@；二是中观层次@@@@，关注@@政府@@对与社会公共事务相关或涉及公共利益的数据@@资源和@@数据行为的治理@@@@；三是宏观层次@@关注@@政府@@对数据产业@@、数据经济乃至市场和@@社会数据化进程的治理@@@@。文献从三种大数据@@观着手将@@政府@@大数据@@治理@@@@分为@@：数据治理@@@@（数据质量@@控制@@、数据安全@@及数据开放情况@@）、技术治理@@@@（技术架构@@、基础设施@@、应用服务@@）和@@资源治理@@@@（资源开发@@、资源安全@@）。
综合上述观点@@@@，对政府@@数据治理@@@@@@可以有两种视角@@：一是技术视角@@，指政府@@数据全生命周期各个环节的治理@@@@，包括数据采集@@、数据归集@@、数据共享@@@@、数据利用@@@@、数据开放等@@；二是管理视角@@，指技术@@、组织@@、能力@@、法规等不同层面的治理@@@@。政府@@数据治理@@@@@@兼具技术与管理的双重属性@@，需要制度@@安排与技术保障有机配合@@，技术视角代表@@@@治理@@领域@@，管理视角代表@@@@治理@@内容@@，综合两种视角即可构成政府@@数据治理@@@@@@的全景描绘@@。
1.3本文研究方法@@@@
本文基于实地调研@@，主要采取扎根法@@（Grounded Theory）。扎根法直接从实际观察入手@@，从原始资料中归纳出经验概括@@，然后上升到系统的理论@@，有助于探寻社会现象背后的复杂原因@@。
本文以笔者所在的上海市为案例@@，先后走访了市级和@@部分区县的经济@@、信息化@@、交通@@、卫生@@、公安@@、住房和@@建设@@、综合治理@@部门@@，与其信息化@@工作人员座谈@@。为保证调研效果@@，笔者事先向其发放了调研提纲@@，要求对方梳理本部门在数据治理@@@@中面临的问题及原因@@。同时笔者还收集了各部门数据管理的工作总结@@、发展规划@@、调研报告等资料@@，以对问题及计划进行更详细掌握@@。
对收集的资料@@，本文先采用扎根法进行三级编码@@，构建影响关系模型@@，明确影响当前政府@@数据治理@@@@@@的主要因素@@；然后结合工作实际@@，探讨数据治理@@@@的主要对策@@。
2 基本扎根法的政府@@数据治理@@@@@@成效分析@@
由美国哥伦比亚大学社会学系@@A。 Strauss和@@B。 Glaser教授所提出的@@“扎根理论@@”，被学界认为是当前质性研究最前沿的完整方法@@论体系@@。扎根理论@@通过对研究问题的界定@@、广泛且系统的资料收集@@、三层次@@编码@@、多次@@比较分析调整以及理论生成与检验@@，自下而上建立实质理论@@，能够从经验事实中抽象出新的概念和@@思想@@。本文将@@对调研中获取的政府@@数据治理@@@@@@相关资料@@，采用扎根理论@@中的三级编码方法@@对其进行编码@@，从而发现影响政府@@数据治理@@@@@@成效的因素@@，为瓶颈问题与对策分析提供指引@@。
2.1开放性编码@@
开放性编码@@是对原始资料进行逐行编码@@，并实现逐层概念化和@@范畴化@@。本文对所调研的上海市区两级共@@21个政府@@部门所提供原始资料以及调研材料进行分析@@。这些资料中有不少是一般性工作描述和@@总结@@，本文着重对其中有关政府@@数据治理@@@@@@的经验@@、问题和@@建议部分进行逐字逐句分析@@，以确定其初始概念@@。由于开放性编码@@过程@@@@的工作量较大@@，为节省篇幅@@，本文仅列举对原始材料进行概念化和@@范畴化的几个典型过程@@作为示例@@@@，如表@@@@1所示@@。按此方法@@@@，本文对原始数据进行逐行编码@@，并进行逐层概念化和@@范畴化@@，最终形成@@的@@23个范畴编码结果@@@@， 如表@@@@2所示@@。
表@@1 开放性编码@@过程@@@@（示例@@）
表@@2 开放性编码@@结果@@@@
2.2 主轴编码@@
本研究根据前文有关政府@@数据治理@@@@@@的内容与环节@@，对上述开放性编码@@过程@@@@得到的@@23个范畴进行聚类@@，最终形成@@9个主范畴@@，分别编号为@@B1-B9；同时为便于分析@@，本文作进一步并归@@，将@@B1-B9纳入技术设施@@@@、人员感知@@、人力资源和@@法规制度@@共@@4个维度@@，分别用@@T、C、H、L代表@@@@，如表@@@@3所示@@。
表@@3 主轴编码@@结果@@@@
2.3选择性编码@@
选择式编码的主要目的@@是分析主范畴之间关系@@，特别是建立核心范畴与其它范畴之间的关联关系@@，从而构成理论主线@@。本文围绕政府@@数据治理@@@@@@成效这个核心范畴@@，分析和@@探寻其与上述主范畴的关联关系@@，结果@@如表@@@@@@4所示@@。
表@@4 选择性编码@@结果@@@@
2.4 政府@@数据治理@@@@@@的影响因素模型@@
根据上述分析@@，政府@@数据治理@@@@@@成效是技术设施@@@@、人员感知@@、人力资源和@@法规标准等要素交互作用的结果@@@@，其中技术设施@@和@@人力资源直接影响数据治理@@@@成效@@，而法规标准和@@人员感知@@则是通过影响技术设施@@和@@人力资源来间接影响数据治理@@@@成效@@。根据此故事线@@，本文可构建政府@@数据治理@@@@@@的影响因素模型@@@@，如图@@@@1所示@@。
图@@1：政府@@数据治理@@@@@@成效的影响因素模型@@
3.完善政府@@数据治理@@@@@@体系的对策建议@@
虽然本文仅调研了上海市@@，但考虑到该市信息化@@和@@电子政务@@处于全国领先水平@@，其政府@@数据治理@@@@@@体系尚很不完善@@，由此可推断全国整体应处于较低水平@@，还存在结构缺陷@@。从前述分析可知@@，技术设施@@、人员感知@@、人力资源和@@法规制度@@是影响政府@@数据治理@@@@@@成效的主要因素@@，而法规制度@@是最重要的自变量@@，其会直接或间接影响影响其它因素@@，最终对政府@@治理@@成效起到决定性作用@@。因此未来我国要加强法规制订和@@制度@@设计@@，进一步完善技术设施@@@@、人力资源和@@领导激励机制@@，促进政府@@数据治理@@@@@@体系的优化@@。
3.1构建支撑政府@@数据无障碍流动的网络体系@@
在技术层面上@@，当前我国应着重解决目前网络和@@设施按条线和@@环节分割的问题@@，加强政府@@大数据@@的顶层技术架构@@设计@@，加强数据标准研制与实施@@，打通政府@@数据生命周期各环节@@，构建让数据无障碍流动的网络体系@@。
一是加强统一的政务@@云和@@政务@@大数据@@@@平台@@建设@@。对于新建政府@@数据库和@@系统@@，应全部集中到统一的政务@@云和@@政府@@大数据@@平台@@之中@@；对于已有数据库和@@系统应逐步迁移归并@@，消除@@“数据孤岛@@”存在的硬件土壤@@。
二是推进数据采集的自动化与智能化@@，构建泛在感知的社会管理基础网络@@，加快人工智能@@、大数据@@、空间@@信息等新技术在社会基层部门和@@场所的布局应用@@，从源头上提升政府@@数据质量@@@@。
三是建设统一的数据@@交换平台@@@@，提供通用的跨部门和@@跨地域数据资源交换共享@@服务功能@@，由以前的点对点共享@@转为网状共享@@@@，既促进制度@@化数据共享@@@@机制形成@@，也实现对政务@@数据的申请@@、审核@@、交换和@@利用@@的全流程监管@@。
四是加快政务@@大数据@@@@技术创新@@。政府@@部门应与科研机构@@、信息技术企业合作@@，加强数据智能采集@@、数据智能清洗@@、数据智能应用等方面的技术和@@场景开发@@。
3.2建立统筹协调@@、权责对等的领导与激励制度@@@@
推进政府@@大数据@@治理@@@@还需要科学的制度@@安排@@。从调研结果@@来看@@，当前我国政府@@数据治理@@@@@@的政策法规@@、组织@@机构@@、标准规范等方面还存在结构性缺陷@@，需要加快制度@@和@@标准的创新@@。
一是健全大数据@@治理@@@@组织@@机构@@@@。建立高层领导牵头的大数据@@治理@@@@委员会@@，形成强有力的跨部门协调机制@@，消除@@既得利益对数据采集@@、共享@@、开放和@@利用@@等工作的干扰@@；建立政府@@部门的首席数据官@@@@（CDO）制度@@，专门负责本部门的数据@@治理@@@@以及跨部门的数据@@共享@@@@事宜@@，促进大数据@@与政务@@业务的深度融合@@。
二是建立大数据@@利益补偿机制@@。大数据@@价值往往存在感知差异@@。在一个部门眼里可能是@@“垃圾@@”和@@“废物@@”的数据@@，在另一个部门眼里却可能是@@“宝藏@@”和@@“金矿@@”。对前者而言@@@@，大数据@@工作投入多@@、回报少@@，但其数据有助于提升政府@@大数据@@工作整体效能@@。对这类部门和@@人员应给予一定的利益补偿或政绩激励@@，增强其工作积极性@@。
3.3形成与大数据@@治理@@@@相适应的人力资源体系@@
政府@@数据治理@@@@@@的关键在人@@，调研中几乎所有部门都反映人才不足问题@@。为此我国既要在政府@@中形成一支高素质的大数据@@人才队伍@@，也要促进政府@@工作人员大数据@@意识与能力@@的普遍提升@@。
一是提升政府@@工作人员的大数据@@意识@@。正如历史学家黄仁宇所指出的@@，传统中国社会缺乏@@“数目字管理@@”，造成国家与社会管理模糊杂乱@@。政府@@应通过培训@@、示范等方式@@，提升政府@@工作人员的大数据@@意识和@@互联网@@思维@@，消除@@传统文化对大数据@@工作的消极影响@@。
二是培养既懂政府@@业务又熟悉大数据@@的复合型人才队伍@@。一方面高校院所的公共管理@@、公共行政和@@电子政务@@等专业应增加大数据@@和@@人工智慧等内容的学习@@，加快培养复合型人才@@；另一方面政府@@部门可以通过与@@IT企业签订长期外包合同的方式@@，使@@IT人员与政府@@工作人员持续合作中形成复合型能力@@@@。
