摘要：数据作为一种新变量正在嵌入政府治理过程, 打破旧有权力关系平衡, 为解决政府治理顽疾、提升政府治理能力提供新视角。在数据技术驱动下, 政府数据治理作为一种新型公共治理模式应运而生。政府数据治理模式, 是人工智能时代政府治理体系的新范式, 同时也是数字时代政府治理现代化的新趋势。探讨政府数据治理模式构建, 可以为政府数据治理中的决策者和参与者提供一个多角度、多层次的行动指南和价值评价体系。依据权力定位、结构安排、运行规则、外部环境, 政府数据治理模式构建框架可分为:以政府数据资产和数据权为中心的核心层;基于政务逻辑优化基础上政府数据资源体系结构层;数据开放共享与应用的运行层;系统外环境与文化因素组成的外围层。
一、政府在数据治理实践中面临的挑战
随着大数据、云计算、人工智能技术的蓬勃发展, 数据治理为政府治理提供了新视角与新范式。近年来, 中共中央、国务院多次出台运用新技术重塑政府, 提升政府治理能力的重要战略部署。继党的十八届三中全会提出“推进国家治理体系和治理能力现代化”全面深化改革总目标之后, 2015年8月国务院发布《促进大数据发展行动纲要》提出, 大力推动政府部门数据共享、公共资源开放, 提升治理能力;紧接着“十三五”规划纲要提出“实施国家大数据战略”;再到2017年12月中共中央政治局就实施国家大数据战略进行集体学习, 习近平总书记明确要求“实施国家大数据战略加快建设数字中国, 强调要运用大数据提升国家治理现代化水平”。
从政府治理实践看, 运用大数据改变政府治理模式和服务方式正在成为趋势。各地涌现的政府治理创新实践, 如数据共享的“最多跑一次”, 基于“聚通用”基础上的“服务到家”等, 其治理能力提升的关键都离不开庞大的政府数据治理体系及其运行机制的支撑。尽管政府数据治理的动机很强, 甚至存在强烈的冲动乃至盲目, 但是当前政府在数据治理的实践中还面临着严峻的能力挑战和“成长的烦恼”, 主要集中在政府数据治理的建设模式和实施路径还存在着思维认识碎片化与应用水平不高等问题。具体表现为:一是在政府数据汇集过程中, 存在“数据烟囱”林立, “数据孤岛”丛生等现象;二是政府数据分析中, 结构化数据与非结构化数据混杂, 数据质量不高, 数据标准不统一;三是政府数据应用过程中, 数据管理无序, 重概念建设轻民生应用等问题, 都在困扰着政府数据治理的可持续发展。如何认识政府数据治理?如何构建新时代政府数据治理的行动框架和价值评价体系?纵观学界研究, 政府数据治理在理论研究和实践操作层面尚存在不足, 以上种种都在呼唤“政府数据治理模式”的理论研究与创新。
二、数据治理的核心资源：数据
(一) 数据与大数据
研究数据治理, 我们绕不开其核心资源——数据这一话题。回顾人类近万年的发展历史, 数据可以说贯穿在任何一个国家或者社会治理过程中。从结绳记事到维基百科, 从泥版印刷到激光照排, 从极少数人具备的能力到数十亿人和更多数量的设备参与数据记录, 数据与人类历史进程相伴而生, 当今数据发展已进入到大数据发展新阶段。
大数据本质是数据。对于数据的理解, 目前具有代表性的观点有“数据是对客观世界进行量化和记录的结果”;“数据是客观事实经过获取、存储和表达后得到的结果, 通常以文本、数字、图像、图形、声音和视频等表现形式存在。”我们可以这样理解数据, 它是对客观世界记录、量化、分析、重组后再现的结果。
大数据是数据存在和发展的新阶段。由于计量和分析技术在不断提升, 人们测量、记录和分析世界的渴望被极大地释放, 大数据在现代快速走进了人类社会治理的视野。有关大数据的内涵在不断发展和实时更新。20世纪90年代大数据概念多指“大量数据和数据集”等字面意思, “运用一般技术难以处理的大规模、复杂结构数据集”, 从规模大小、速度、关联性、价值等方面对大数据的定义。21世纪初大数据概念演进到应用阶段, 尤其强调在多样和大量数据中, 迅速获取信息的能力, 进而把握应用数据背后的逻辑并应用到对未来发展的研判上。这就将大数据的概念扩展到“能力范畴”, 其含义远远超出了“参照数据”意义。维克托·迈尔-舍恩伯格在其《大数据时代》中指出, “建立在大数据的基础之上的, 当今社会所独有的一种新型能力:以一种前所未有的方式, 通过对海量数据进行分析, 获得有巨大价值的产品和服务, 或深刻洞见。”从中反映出大数据不仅仅是因为数据存储、传感和采集技术的发展而带来的巨大数据规模, 更关键的是依托新的处理模式, 对海量数据的快速深入分析和挖掘, 实现决策支持、知识发展为代表的持续不断的数据增值服务, 进而为组织和个人创造不可估量的商业和社会价值。现阶段, 数据发展的核心在于对数据价值挖掘和运用, 促进数据在政用、商用、民用领域的服务创新和价值创造。
(二) 数据发展的最新阶段性特征及其实现条件
大数据的兴起和广泛应用, 代表着数据发展的最新阶段。我们认为大数据是在web3.0技术、移动互联网和人工智能不同技术的作用下, 非生物体等智能技术可记录读取、可分析预测、可再利用的高增长率信息形态。其主要特征体现在:数据可记录读取、可分析预测、可再利用、呈现高增长率等方面。
要想真正呈现数据的主要特征, 使得数据价值变现, 还需满足一定的条件:首先, 数据可记录、读取, 但其效率的提升需要数据的标准化、量化。数据本质是一种记录态信息。大数据、云计算、人工智能等技术发展, 标志着以非生物体为主体的认知能力摆脱了人类的生理约束。数字化完成了计算机等非生物体记录数据的问题, 而数据化过程通过将数字化图像转换为可被识别、分析和处理的数据化文本内容, 解决了非生物体的读取、分析和认知能力问题。而数据化过程的关键在于建立一套量化、标准化收集工具体系。这关系到数据的一致性和数据质量。当计算机能够利用某种数据提炼出的规律做出自动判断, 它会为提升整个社会运行效率奠定技术支撑。人工智能发展的基础就是数据有质量的积累, 当人类拥有足够多高质量、可读取的数据时, 数据就成为新的能源和燃料, 使人类智能的发动机快速运转起来。
其次, 数据可分析、预测, 但其精准判断依赖于数据的系统、动态。在对某一客观存在进行描述时, 大数据会在时间、空间维度上显示“全息”效果, 这是传统数据时代所无法比拟的。当今世界许多国家政府、社会组织、商业领域试图把“凭借数据治理”的模式推向极致, 其原因就在于通过挖掘数据价值, 在全社会范围内发挥数据的分析、预测功能。依靠分析部门、实地调研、决策者个人经验所做出的分析和预测, 或具有孤立性, 或以“静态数字”呈现, 缺乏宏观性、系统性与及时性, 难以适应纷繁复杂、瞬息万变的社会发展变化。不论是政府、企业和个人, 都需要借助于更为科学、系统、成片、动态的数据流, 宏观感知洞察社会发展的实时脉搏, 深入分析和科学预测未来社会发展的方向, 以便做出较为合理的决策。
再次, 数据可重组、再利用, 但其高增长率价值的实现需要数据的流动与共享。数据是具有高增长率价值的新型信息资源, 其高增长率体现在:数据可反复使用、多人同时使用、与其他数据整合共同使用, 进而产生新的价值和效用。数据记录存在多个源头, 不同方向对同一个对象进行数据记录, 数据之间可以互相印证, 使得数据在交流、移动中, 可信度和质量会不断提高。因此, 只有数据流动, 用于记录、反馈和提升互动体验的效果才会更好, 能够用于更好的量化决策。而数据不流动容易导致数据壁垒下的业务程序的繁琐。通过数据流动和共享, 一方面能有效避免数据重复采集, 降低交易成本, 达到提升效率的目的, 另一方面也可便于人们对数据进行再利用。
三、数据治理研究的兴起
当我们获得前所未有的数据生产资料, 而它正以史无前例的速度和数量进行传输、储存和处理信息符号时, 我们最需要做的是使我们的认知能力跟上它的发展步伐。如何有效运用数据资源;如何传输、组织以便储存和获取数据信息;如何设计高效信息分析处理、应用系统供组织使用, 继而成为国内外各界关注的重点, 数据治理研究应运而生。
(一) 数据治理的提出
对于数据治理的研究, 国外最先提出并形成了一系列有代表性的观点。国际数据管理协会 (DAMA) 提出数据治理是对数据自然管理行使权利的活动集合。国际数据治理研究所 (DGI) 指出, 数据治理是指数据相关事务的决策和权限的行使。具体来讲, 数据治理是处理信息和实施决策的一个责任体系。它根据约定模式运行, 这个模式规定了谁可以在何种情境下, 何时, 采用何种信息, 由谁, 运用何种方式进行处理, 即明确实施者、实施步骤、实施时间、实施情境以及实施途径与方法。可以看出, 国外对于数据治理概念的关键要素包括:组织体系, 规则标准, 决策权, 责任体系, 人员和信息管理的实施方法等方面, 尤其强调基于数据相关事宜的管理基础上, 所做出的相应决策和实施的行动。
(二) 数据治理与数据管理
数据管理强调对数据集合自身内容的具体管理, 它是基于整个数据生命周期的管理, 包括收集、组织、描述、共享和保存数据, 属于被动式管理。DGI从职能角度出发, 认为数据管理是确保通过数据治理制定的政策和实践能有效地帮助数据相关工作开展的一系列活动。数据治理贯穿数据管理的全过程, 它更注重战略规划、组织以及后续绩效评估和监管等, 强调“决定如何做出决定 (decide how to decide) ”。从以上看, 数据治理与数据管理的区别主要体现在:首先, 数据治理既包括对数据管理, 也包括对相关利益主体主动式的管理, 管理范围更广, 体系更完善。数据治理人员通常由组织的决策者和高级别管理人员及其代表组成。其次, 数据治理具有方向性, 以数据为研究对象, 围绕治理内容开展的组织结构、体制机制、人员配置等决策及其行动。再次, 通过数据治理, 组织能够承担数据责任, 解决技术问题, 从而进一步提高数据管理的能力。从这个角度看, 两者之间密不可分。数据管理是数据治理的子功能和展开治理工作的前提。
笔者认为数据治理是基于数据管理基础上所采取的决策及其行动, 主要研究:如何正确履行数据管理职责, 通过一种什么样的组织体系, 设立何种规则、标准, 才能做出正确的决策, 进而展开相关执行活动。
四、数据驱动下的公共治理新模式:政府数据治理
复杂性时代下政府治理的权力运行、治理体系、治理效能往往无法满足复杂多变的时代需求与公众需求。政府数据治理新模式的构建, 将通过数据治理全面嵌入政府治理过程, 消解政府在治理结构、治理过程和治理效果方面的不足。
(一) 数据治理与政府治理结合的基因
数据治理之所以能与政府治理过程相结合, 在于数据治理作为一种新模式, 同市场化改革、参与式治理、顾客导向、多中心治理等模式一样, 直面政府在权力运行、治理结构、治理效能上的痛点, 为亟待解决的政府治理问题, 提供了相对合理的解决思路和工具。
首先, 数据驱动下的政府决策机制, 可以适应复杂性治理需要, 降低传统决策风险的同时, 推动科学化、理性化决策机制的形成。行政决策问题的复杂性又决定了决策主体相对单一的传统行政决策机制存在较大的风险和不确定性。传统政府决策机制是建立在信息匮乏的传统社会之上的, 主要依赖小数据、个人的思维过程和直觉。在信息时代, 信息的共享开放增加了社会互动的不确定性, 政府的行政决策风险性将大大提高。如今政府决策机制可以由人类和人机系统的机械化组件共同进行, 大大降低传统决策风险。依靠数据来驱动决策的方式在管理活动中将变得越来越重要。
其次, 数据驱动下的政府治理结构, 跨越政府层级鸿沟, 重构碎片化的治理格局, 推动协同服务治理结构的形成。分散化、碎片化的政府治理结构, 会分解一个整体性政府, 犹如“九龙治水”般, 影响最终治理效果。一旦在政府治理过程中真正发挥出数据作用, 其自身潜在的系统性、流动性、共享性特征, 会弥合政府的层级和部门之间的鸿沟。通过高度发达的政府数字化建设, 将数量庞大的行政机构和单位连接起来, 更好提供协同性、整合性、一体化服务。借助数据治理体系, 形成“中央+地方+服务型政府”扁平化结构的治理框架, 为政令通达与因地制宜高度统一, 政府全面向服务转型提供坚实基础。
再次, 数据驱动下的政府治理效能, 利于提升政府治理绩效。由于高效治理手段的赋能, 形成精准化、个性化治理结果供给。针对冰冷、僵化的服务流程如何更好的契合互联网“驯化”下民众的应用习惯和心理这一问题, 精准化、个性化的政府服务转型成为必然趋势。数据治理平台的建设, 形成社会力量参与治理的有效途径, 为政府与社会的共治提供了技术平台, 同时可协助政府提供与技术变化相匹配的以“客户”为中心的服务战略, 形成多元主体参与的形式丰富且多样的公共服务供给机制。
(二) 公共治理新模式:政府数据治理模式
政府数据治理可以看作是互联网、信息化与政府治理融合的最新发展阶段, 其本质是一种数据技术驱动下的新型组织范式, 是政府治理系统内部的新增板块。从历史回顾看, “互联网+”与政府建设, 经历了从电子政府1.0, 到网络政府2.0再到智能政府3.0的发展变化过程。仔细分析, 其本质是不同数据价值的爆发阶段, 对“互联网+政府”建设的再定义。当信息化基础设施建设、数据资源积累、数据应用承载平台等已经发展到一定阶段之后, 数据就成为了撬动政府治理能力全面提升的关键支点, 在嵌入政府治理过程后逐渐构建出提升政府社会管理能力、公共决策能力以及公共服务水平的新范式。公共治理新模式———政府数据治理模式由此诞生。政府数据治理模式是在WEB3.0技术、移动互联网和人工智能不同技术的作用下, 政务数据化基础上逐渐生成的政府治理新形态。这不是公共事务中大数据相关技术的简单应用, “它是一种政治权力与社会权力的组织与利用方式相关联的社会、政治组织及其活动的形式。”具体来讲, 政府数据治理是运用数据思维和数据方法改革和优化政府治理体系, 提升政府治理能力, 其背后涉及立法、行政、监督以及对公共治理活动影响等一系列活动。
对于政府数据治理的认识, 可以从以下四点加以理解:首先, 政府数据治理的范围和内容包含数据驱动下政府对于自身、对于市场以及对于社会实施的公共管理活动。政府数据治理内容:一是确保公权力运行的规范化、科学化、高效化, 解决的是行政系统效率和流程优化问题;二是公权力对社会资源配置的影响, 即指政府与市场、社会互动中, 政府在公共服务、公共管理、公共决策等方面所采取的治理行动。其次, 政府数据治理过程, 是包括数据资源的管理和由此所采取的行动 (决策、治理、服务) 的一个系统过程。再次, 政府数据治理的目标, 是通过数据全面嵌入政府治理过程, 提升行政效率, 以实现政府科学化、精准化和高效化的职能实现。最后, 政府数据治理价值评估是治理民主性和有效性的集中体现。
五、政府数据治理模式框架的构建
政府数据治理, 通过实现数据价值, 最终提升政府治理能力。这一过程需创建一个有效的政府数据治理框架, 确保应用的合法性, 保障数据质量的完整性、保密性, 减少风险, 降低数据治理的成本与复杂性。政府数据治理框架可以为政府数据治理过程中的决策者和参与者提供一个多角度、多层次的行动指南和价值评价体系。依据价值--结构--功能--环境四个维度构建治理框架, 政府数据治理模式应该是一个相互关联、有序组合的多层次结构体系 (见图1) , 体现为
核心层:政府数据治理权为核心的数据治理法律关系及社会关系, 这部分牵涉政府数据治理的定位问题。
结构层:政府数据治理体系构建, 基于优化政府治理运行的逻辑, 围绕数据的获取、管理和利用体系建设, 打通政府数据治理体系纵横向关系, 构建系统、动态的治理结构体系。
运行层:政府数据治理运行机制建设, 建立可供政府治理主体操作的具体准则和运行领域, 构建共享、开放的数据治理运行体制。
外围层:互联网时代政府数据治理系统的外部环境和文化因素对政府治理的影响, 营造符合数据治理文化的外部支撑环境。
图1 政府数据治理模式框架图
(一) 政府数据治理核心层:数据资产与数据权
政府数据治理需要得到国家权力的授权。在全面依法治国提升国家治理能力现代化水平背景下, 从立法和制度设计上明确数据资产以及数据治理权法律地位等关键概念, 这应成为政府数据治理模式构建的核心问题。政府数据资产, 是由政府拥有或者控制的, 能够为政府治理赢得合法性, 并提高政府治理效率, 以物理或电子的方式记录的数据资源。政府数据权, 是基于数据资产之上的控制权和管理权, 可以依据其进而采取行动的权力。本质上它是政府通过法律授权所获得的运用、分析和重组政府数据资产的支配性力量, 其目的在于维护数据安全, 保护数据主体合法权益, 规范数据参与者行为, 为政府治理目标的实现, 提供重要保障的权力。
数据权的权力运行边界需予以明确。数据权的客体主要是特定的数据集。政府所拥有数据集上存在着不同比例的“公”与“私”属性。“公”体现在数据集合体为公共事务的决策和服务;“私”反映在公民隐私权益保障。在推行数据治理过程中, 需要明确国家数据主权的存在, 应以维护个人数据权利为前提, 保障数据被合理使用, 既防止数据滥用和侵权, 也防止出现权力天然扩张性的禁锢 (代码固化) 而使得数据无法被高效利用。
同时, 规范政府数据治理的法律关系, 即政府进行数据治理活动而因此产生的社会和经济关系, 建立数据应用法律体系。从国家层面出台政策, 明确政府部门在不同层级、不同类别对于数据治理建设的定位和职责体系;建立数据安全与风险管控机制, 以立法引领制度创新, 逐步完善以“数权法”为核心的与数据治理相关的法律体系建设。
(二) 政府数据治理结构层:逻辑优化基础上政府数据资源体系建设
政府数据治理结构层, 主要是基于政府治理事务逻辑优化之上, 以政府数据资源体系建设为核心, 重塑政府治理结构。
政府数据治理结构层产生于政府治理事务的逻辑优化基础上。政府数据治理结构是基于政府治理的需求而生, 是为政府治理赋能的重要基础和保障。它不仅仅是基于简单的行政流程再造和工作作风改造, 更多是基于政府治理内容自身的逻辑框架, 即公共治理需求导向下的业务流程优化重组的根本性转变。浙江省以数据聚变治“最多跑一次”堵点, 开展“1253”公共数据共享技术体系建设, 通过建设全省公共数据平台, 有效支撑全省“最多跑一次”改革重点事项相关数据资源全面整合、按需共享和有效利用, 并按照事项名称、办事材料、工作流程、数据流程“四统一”的要求, 浙江政务服务网全面梳理权力运行业务流。这个过程就是基于政府治理内容自身的逻辑框架和政府权责等现实规则之下, 倒逼政府转变职能, 重构政务流程, 重塑政府数据基本架构体系。
数据治理资源体系建设是数据时代实现政府现代化的重要基础设施和关键任务。从治理的内在需求出发, 建立系统集中、标准规范、安全有序、运行高效的数据资源体系, 提升政府数据资源活化和管理能级, 为实现数据跨系统共享交换、创新应用提供好底层逻辑框架和规则体系, 乃是结构层建设的重中之重。任何信息积累的速度和质量都是获取能力、管理能力和利用能力之函数。基于此, 政府数据资源体系建设可以进一步分为政府数据获取、政府数据资源管理和政府数据资源利用体系建设 (见图2) 。
首先, 建设政府数据获取体系, 汇集和统筹数据资源, 最终形成“数据湖”“数据仓”等数据资源中心。数据要发挥价值的核心在于汇集数据。建设中需要关注二点:一是理顺政府获取数据来源, 盘活政府自身所拥有的“数据”:包括政府业务数据、公共设施的物联网数据与社会化政务服务数据。二是政府数据的获取方式。通过共享、交换、采集等不同的数据手段, 把能利用的数据收集和聚集起来。
图2 数据资源体系的一般架构
其次, 建设政府数据管理体系, 提升已获取数据的管理能力, 包括存储能力、组织能力和安全保障能力。关键要做好数据资产的质量建设。一是数据存储的标准化建设。建立准确的数据标准体系, 降低数据使用方较高的数据质量风险和数据分析难度。实现一数一源, 避免未来多部门间数据比对。二是数据统筹协调组织建设。传统基于部门间数据交换的点对点式的行政协调成本较高, 建设数据统筹协调中心, 汇集统筹各方数据, “随用随取”保证数据效益的实现。三是数据安全建设。大量来自不同政府系统的数据资源, 融入数据湖中, 对于这些数据如何进行安全、高效、有序的管理, 以方便查询、创造、维护和储存的需要, 也需重点关注。
再次, 数据资源服务体系建设, 编制数据目录, 为结合政府治理需求, 进行数据应用体系基础管理。需要结合政府治理的需求, 根据获取的不同类目的数据, 编制数据资产目录体系, 对数据进行分类分级管理, 为数据治理应用打好坚实基础。按照数据的用途和开放程度, 现有创新做法是将政府数据目录分为, 政府数据资源目录、共享目录、开放目录等。
(三) 政府数据治理运行层:数据的开放共享与应用
政府数据治理运行层探讨政府数据治理权力的运行机制, 可供数据治理的具体准则, 如政府数据治理途径, 方式与手段。政府的数据资源的开放共享及其应用, 本身将成为一种有效的治理运行机制。
开放共享是政府数据治理运行的关键。数据的开放和共享, 是发挥政府数据治理乘数效应的关键策略。众多地方实践证明开放共享是政府数据治理运行的关键。浙江省在全国率先推出的“最多跑一次”改革, 为推进改革, 浙江省分两批制定了《省级公共数据共享清单》, 其中开放的省级单位达到57个, 数据共享权限3600项。根据《2017中国地方政府数据开放平台报告/平台体验》显示, 2012年以来, 我国已有近20个地方政府陆续推出数据开放平台。数据利用者在这些平台上公开检索、浏览、获取和利用政府数据, 展示应用成果, 并与政府部门进行良性互动, 可以有效促成治理的终极模式的实现, 即公民社会的成熟与自组织, 主动有效参与社会公共事务并分担责任。
构建政府数据应用体系, 可谓是对政府传统治理过程的创新。一般来说创新基于需求动因不同, 可以分为两种应用类型
第一种类型:基于事务需求驱动, 嵌入治理流程的数据支持功能。数据治理的应用可以政府治理活动范围分为:一是面向公共管理的应用。包括部门业务流程, 运行状态、监督管理等, 便于及时获取、分析、控制、调整和备查。二是面向公共决策的应用。如审批部门可以通过数据平台, 在审批时随时调用企业监管数据, 为审批提供决策依据。三是面向公共服务的应用。以浙江“最多跑一次”、贵州“服务到家”、广东省佛山市禅城区“数字公民:市民画像与信用评级”以及“互联网法院”为代表的地方改革创新都是在政府数据治理开放共享的运行机制构建中的先行者。
第二种类型:基于数据内在驱动, 以数据为驱动的治理流程场景重塑。从数据出发, 发现数据价值, 推广到实体事务或业务的应用中。数据分析人员通过对数据进行研究, 发现数据间的关联关系, 提出新发现的业务域分析方向和应用方向, 并提供给业务部门。浙江省湖州市公安局自主研发并全国首创的“民意预警AI系统”就是一个典型的应用案例。PS：详情请查看数据基因
值得注意的是, 在实际应用中往往两类应用方式是交织在一起的:数据部门在处理业务部门提出的需求中, 往往会有更深一步的数据探索;而业务部门基于数据分析的结果, 也往往会调整分析目标, 不断改进, 并提出进一步分析的需求。
(四) 政府数据治理系统外层:环境影响及文化因素
如果把政府数据治理体系构建独立看作一个行为系统的话, 它是处于一定的环境之中, 本身受到环境的影响, 又对环境产生反作用。信息时代要改变的不仅是信息技术与政府传统管理体制的融合问题, 还需要考虑政府组织制度、内部组织文化等非信息技术的因素的影响。其关注的焦点在于政府等公共组织面临的体制机制等环境影响及文化因素。首先, 政府数据治理模式, 可以看作是用数字技术服务公共治理, 这本应是政府的本能, 但是因为会涉及由技术引发的资源配置、组织形式、权力分配的重构, 现实中可能还需面对如何突破固有格局, 为治理创新赋权等现实问题。二是在以数据为驱动的新型治理框架下, 海量的数据资源和能量能否有效地为政府治理所用, 不仅考验着政府治理者盘活数据价值和挖掘的能力, 更受制于数据治理模式中潜在影响人们行为的认知、情感和评价等心理文化等因素。数据文化和数据治理文化的普及, 是在Web3.0技术、移动互联网和人工智能等技术背景下, 转变行政文化乃至政治文化的一个新契机, 同时也为自身前行发展奠定外部环境基础。
