一、引言

　　大数据时代的来临，为政府治理创新和公共服务绩效改善创造了巨大契机，但也提出了不容忽视的严峻挑战。2015年8月，国务院印发《促进大数据发展行动纲要》（国发〔2015〕50号，以下简称《行动纲要》），将大数据发展和应用提高到国家战略层面。这项动议几乎要把全社会的所有力量都动员起来，但是对地方政府的角色和定位却并没有明确和清晰的界定。《行动纲要》在两处专门提及地方政府，一处是“结合信息惠民工程实施和智慧城市建设，推动中央部门与地方政府条块结合、联合试点，实现公共服务的多方数据共享、制度对接和协同配合”，另一处是“加强中央与地方协调，引导地方各级政府结合自身条件合理定位、科学谋划，将大数据发展纳入本地区经济社会和城镇化发展规划，制定出台促进大数据产业发展的政策措施”。换句话说，地方政府要与中央部门协同配合，并被赋予“先行先试”的试点探索功能。

　　对中央政府而言，特别需要关注的是顶层设计（如战略布局）、政治议题（如数字安全和政权稳定）和法律问题（如隐私保护和知识产权）。对此，许多研究都进行了分析和讨论。然而，对于地方政府来说，如何因应大数据技术浪潮并从中受益，是一个值得关注的问题。在地方政府层面，大数据应用的挑战在哪里？在大数据治理时代，地方政府准备好了吗？本文基于政策文本的分析和实施过程的观察，对地方政府大数据治理面临的挑战与困境进行探讨。首先，介绍大数据治理的内涵及其挑战；其次，介绍使用的理论框架和研究方法；再次，重点考察大数据治理对地方政府提出的全方位挑战，并从多个方面进行探讨；最后，总结大数据治理的主要发展方向，以及本文的政策启示和研究展望。

　　二、大数据治理对地方政府的挑战

　　（一）大数据治理及其能力挑战

　　信息科学、计算科学、政治学、公共政策学、管理学等领域对大数据（bigdata）的定义不尽相同，而大数据又同数据分析学（dataanalytics）和数据科学（datascience）交换使用。如此看来，大数据好比是个“筐”，什么都能往里装。无处不在的互联网和物联网，都在实时产生海量数据。与其他领域相似，公共事务领域的大数据包括公民在线提供的数据，如官方网站、搜索引擎和社交媒体等产生的数据，以及建筑物、机动车、街道、移动终端等各种传感器自动捕捉和传输的数据。与其他领域不同的是，公共事务领域的大数据还包括独有的数据，即公共部门在其运营过程中自动收集的数据。所以，公共事务领域的大数据通常包括两种海量数据：“公共部门主动收集的高度结构化的行政数据，以及持续和自动收集的结构化和非结构化的实时数据，这通常是由公共和私营部门通过互联网交互而被动产生的。”

　　突飞猛进的大数据技术，以及由此而伴生的风险和不确定性，使大数据治理对政府部门和公共管理人员提出了严峻的挑战。尤为重要的是，大数据的收集、处理、分析和解释，将是未来公共管理人员的必备技能。公共管理者将需要具备能力去做如下工作：①管理和处理大量非结构化、半结构化和结构化的数据；②分析这些数据并为公共运营提供有意义的洞见；③解释这些数据，借以支持循证决策。尽管公共管理人员可以调动各种技术和人力资源，甚至通过外包去满足大数据治理在这些方面的能力需求，但是它仍然不同于过去公共部门的能力要求。即便是人才济济和资源富足的中央政府，也不会轻易满足这些能力要求，更遑论资源匮乏的地方政府和基层组织。因此，特别是对地方政府来说，大数据治理提出的能力挑战更是无法回避的。

　　对于中国地方政府而言，大数据治理的挑战还不仅限于公共管理者的能力欠缺，更重要的是治理体制、治理焦点和治理逻辑等方面的问题。首先，地方政府嵌入在央地关系和跨域治理的复杂格局中，有关大数据、相关技术及其应用的治理挑战就十分严峻。大数据治理不止是政府内部管理的狭隘问题，更牵涉到政府与其他政府之间、政府与市场、政府与社会之间的多重复杂关系。其次，中国地方政府不仅需要关注如何在公共管理和服务提供过程中收集、分析和利用大数据，而且需要平衡大数据产业发展的各方面诉求。与此同时，大数据治理对传统官僚体制与政民关系提出了挑战，并需要在治理逻辑上予以变革。为了对地方政府在大数据治理方面面临的挑战进行分析，我们将引入“动机—能力”框架。

　　（二）“动机—能力”框架

　　地方政府发展和应用大数据技术，同政府创新密不可分。政府创新的动机和能力，是最为关键的问题。政府愿不愿意创新，政府能不能创新，政府创新的动机和能力如何影响创新绩效？对这些问题的探讨，有助于我们认识和理解地方政府大数据治理的难题和出路。Christensen等（2004）提出的“动机—能力”框架（motivation/abilityframework），尽管是针对企业创新而言的，也同样适用于政府创新，并可以作为地方政府大数据治理的分析框架。

　　在该框架中，以政府为代表的许多非市场因素，都会影响潜在创新者的动机和能力。非市场力量塑造了创新所处的情境，特别是政府及其监管机构的“看得见的手”。它们为创新创造了条件，但也对创新提出了挑战。在创新发展的环境中有两个因素至关重要：动机和能力。动机指“创新的市场激励”，能力指“获取资源，将其转化为产品和服务，以及将这些产品和服务提供给顾客的能力”。换句话说，动机指“等待胜利者的一罐黄金”，即创新的动力来源；能力是“获取资源、将其导入商业模式并向顾客提供产品和服务的能力”，即将创意执行并奏效的能力。

　　在自由市场中，动机和能力比比皆是，并不是罕见的问题。而因为非市场因素的存在，创新的动机和能力却受到深刻影响。无论是行业标准、工会、文化规范、技术发展状态、国家知识产权基础设施，还是最重要的政府监管，都是影响创新动机和能力的关键非市场因素。只有在创新的动机和能力都很强的环境中，企业创新才会开花结果。而在动机匮乏或能力不足的环境中，企业创新很难发展。政府之所以有能力影响企业创新，就在于它有政策制定和监管权力，并可以影响企业的补贴和激励。

　　“动机—能力”框架是一个二乘二的理论框架，将创新者所处的情境分为四类：动机和能力都很强的创新“温床”；缺少创造或利用创新机会的能力，则属于“追求目标的状态”；缺少创造或利用创新机会的动机，则是“追求金钱的状态”；创新者既无动机也无能力，则处于“困境”。“温床”指无论是行业在位者和潜在进入者，都有动机和能力去创新，如过去的硬盘驱动器行业。“追求目标的状态”指受制于产权和贸易政策，创新者缺少必要的投入和顾客群体，如无线行业。“追求金钱的状态”指存在创新的机会，但是企业需要想办法将其变现。这往往是因为市场规模或增长前景受限所致，使行业的吸引力不足，如有赖于政府放松管制或增强竞争的电信行业。在“困境”状态，企业创新的动机和能力都很弱。

　　将“动机—能力”框架应用于地方政府，则反映了大数据治理的动机和能力。就动机而言，地方政府在执行中央政策时面临双重激励，即以地方官员的晋升压力为主的政治激励，以及地方政府汲取财政能力的经济激励（无论是上级中央转移支付还是本地财政增长）。陈玲等（2010）认为，“当中央政策对地方政府的政治激励和经济激励均十分有效时，地方政府官员会采取积极主动的实质行动策略，真实执行中央政府的产业政策，即‘实动’。如果中央政策仅具有较高的政治激励而缺乏足够的经济激励，地方政府官员会倾向于选择在表面响应、实质观望的执行策略，即‘伪动’。”并指出，“如果某项中央政策的政治激励较低而经济激励较高，例如一些产业规制性政策，地方政府官员有可能采取先行先试、先斩后奏的执行策略，即‘暗动’。最后，如果中央政策对地方政府的政治激励和经济激励都很低，地方政府则会采取搁置、观望的‘缓动’策略。”他们也认为，“政治激励和经济激励的交互影响事实上很难清晰分开，不仅如此，两者之间还存在着相互转化的关系。”

　　就能力来说，可以从资源禀赋和行为模式两个角度予以研究。资源禀赋与一个地区的既有基础设施和技术资源有很大关系，而行为模式则反映一个地区的政府行政程序和做事风格。因此，能力不完全指政府“有什么”，而是指政府允许或能够让企业和社会“做什么”。在大数据治理方面，政府发挥的应该是“四两拨千斤”的杠杆作用。甚至“拿来主义”也是值得推崇的，特别是利用一些大型互联网企业既有的网络基础、技术条件和数据资源，以及来自社会大众的集思广益。

　　首先，当政府既有动机又有能力去推动大数据治理时，就体现为右上角的“稳操胜券”状态。典型城市有浙江省杭州市，其依托阿里巴巴总部所在地的地缘优势发展大数据应用，并在智慧城市建设方面取得明显成效。其次，当政府有动机而能力不足时，则表现为“有心无力”。处在右下角的贵州省贵阳市就属于此类，虽然不具备类似杭州的地缘优势，但是“开门办事”的行动模式则可以“出奇制胜”。与之类似，广东省佛山市顺德区和南海区作为县级政府，也面临如何突围大数据治理的挑战。再次，当政府能力很强但是动机不足时，属于“力不从心”的状态，需要“歪打正着”才能走出困境。特别是对许多面临其他紧迫政策需求而难以专注于大数据治理的地区，或者无法采取开放模式发展大数据技术的地区，即便有能力也无法有效发展。最后，地方政府的动机和能力都不足，就处于左下角的“按兵不动”状态。目前，许多未启动（“缓动”）或者只发文却不行动（“伪动”）的地区都属此类情况。

　　（三）数据与方法

　　考虑到大数据治理仍然处于初步探索阶段，有关地方政府大数据治理的系统数据还难以收集，本文使用质性方法进行研究。为了对地方政府大数据治理面临的挑战与困境进行分析，我们主要依据如下方面的数据：

　　首先，是各级地方政府发布的有关大数据发展和应用的规划纲要和配套文件。这些政策文本囊括了地方政府的主要举措和施政要点，可以反映地方政府大数据治理的主要着力点和手段。

　　其次，是同业界人士和专家学者的非结构化访谈，以及对部分地方政府部门的实地调研和观察。这些受访者都对地方政府的大数据治理实践有深入认识，可以据此获取更深入的资料。

　　最后，是相关的新闻媒体访谈和报道、学术研究文献，作为本研究的二手资料。

　　三、地方政府的大数据治理困境

　　（一）央地关系与跨部门协同

　　⒈央地关系：中央千条线与碎片化治理

　　中国是典型的“碎片化的威权体制”（fragmentedauthoritarianism），在许多政策领域都是如此。一方面是自上而下的高度集权，存在很强的垂直性整合；另一方面是横向的部门分立乃至各自为政，使跨部门协同面临重重阻力。当前，各大部委都在争相分食大数据这块“肥肉”，期望从中“分一杯羹”，这导致“碎片化治理”的难题。

　　以大数据应用最广泛的智慧城市为例，中国至少有26个部委、国家局和办公室在推动和“授牌”。这包括发展改革委、工业和信息化部、科技部、公安部、财政部、国土资源部、住房城乡建设部、交通运输部、国家标准委、教育部、民政部、人力资源社会保障部、环境保护部、水利部、农业部、商务部、卫生计生委、旅游局、质检总局、食品药品监管总局、证监会、中国科学院、中国工程院、国家能源局、国家测绘地理信息局等25个部委，以及中央网络安全和信息化领导小组办公室（中央网信办）。中央部门从2012年以来在全国布局了近700个试点城市，有些城市同时争取到多块“牌子”。为此，国务院成立了国家新型智慧城市建设部际协调办公室，对智慧城市建设进行政策协调。

　　如果说国家战略层面的顶层设计需要落地，那么地方层面就要具体推进和实施。对于地方政府而言，可以说“上面千条线，下面一根针”。面对如此多的上级指导，地方政府如何因应发展？如果这些部门之间的政策“打架”，地方政府该听谁的？在“上行下效”的体制下，来自上级的政策要求会形成强大的激励，使下级政府有足够的动机去执行。然而，一个直接的结果就是，各地各级政府层出不穷地出台了各种各样的规划纲要和行动战略。因为上面有要求，不出台不行，否则会被视为不作为和不积极执行政策。但是，仓促出台和盲目上马，就很难结合实际情况，又会导致新的问题出现。

　　⒉哪个层级的地方政府？

　　大数据对数据基础设施的苛刻要求，使许多地方政府都独臂难支。任何一个地方政府都没有资源和能力去独立发展庞大的数据基础设施。即便是建设了这样一个数据基础设施，其运营、维护和利用则会提出更加严峻而难以回应的挑战。因此，一个值得关注的问题是，发展和应用大数据的地方政府，指的是哪个层级的？是省级、地级市、区县还是乡镇和街道？是不是各级地方政府都能（或要）使用大数据？不同层级的政府之间如何协调？不同辖区之间如何协同？不同部门之间如何对接？这些问题若得不到正视，笼统讨论“地方政府”，可能得出误导性的结论。

　　在大数据治理领域，不同层级的政府各有利弊得失，并主要表现为治理能力上的差别。省级政府尽管统筹协调能力突出，但不直接提供许多公共服务，不利于大数据的具体应用。地级市政府是较为合适的推进层，但是仅靠各个城市单打独斗可能还远远不够。区县政府特别是区政府是不完整的一级政府，在统筹协调方面面临局限性。乡镇政府和街道办事处作为基层政府，近些年存在涣散、溃退的迹象，出现了很多社会治理问题，是否能够将它们融入大数据治理范畴，仍然是一个关键问题。在乡镇和街道层面，非常缺乏大数据治理能力，可能是模块化应用的主要层级，而很难独立开展大数据应用。

　　如果不同层级的政府做到有差别的分工，有所为而有所不为，那么它们之间如何协调？以医疗保障为例，目前仍然以省市统筹为主，基于省市层面的大数据治理可能是较为适切的。上级政府可以设计和实施大数据平台，而乡镇和街道政府“傻瓜式”地利用这些平台产生的数据即可。这并不意味着基层组织只能被动地接受标准化的大数据产品和服务，而是说其主要职能是采用上级政府开发的接口输送数据，并据此获取定制化的大数据产品和服务。

　　⒊大数据治理与“大部门制”？

　　大数据治理并非某个部门的职能，而是牵扯许多部门。单靠某个部门的推动，也许其能力所不逮。以《行动纲要》为例，国务院就安排了数十个部门参与其中。但是，如此多的部门“齐上阵”，又会导致各自为政和难以协调的尴尬。对于地方政府而言，是依靠既有组成部门分工合作去推动大数据治理，还是建立综合性机构统筹协调？换言之，是否需要在大数据治理领域推动“大部制”？

　　目前，各地政府仍然以层层下派任务和按部门职责分工的模式推动大数据治理，这种将新型技术嵌套在传统官僚制内的做法，可能是不合适的。以北京市政府办公厅2016年8月印发的《北京市大数据和云计算发展行动计划（2016-2020年）》为例，该文件对各项具体任务明确了责任单位，几乎囊括了所有北京市直机关和各区政府。这种做法固然调动了所有相关部门的积极性，有利于大干快上地推动大数据治理，但是却可能进一步加剧“条块分割”和“碎片化治理”的恶果，使“数据孤岛”问题进一步凸显，反而会使大数据治理丧失其初衷。比如，每个职能部门都开发一套本业务系统的数据平台，可能让不同部门之间难以共享共用数据，对于大数据治理而言无法实现有效的统筹协调。

　　与之形成鲜明对比的是，2016年9月，贵阳市政府组建“大数据发展管理委员会”（市大数据委）这样一个单独设置的政府工作部门，旨在统筹推进大数据产业的发展和应用。大数据委下设5个机构，负责综合业务、产业发展和政策研究、应用推进、数据安全标准制定、基础设施建设与数据资源共享等职责。实际上，贵阳市政府并未另起炉灶设立一个全新的机构，而是把该市工信委的部分处室、事业单位和分管业务划归到大数据委。然而，这样一个“大部门”仍然只是把原有的市工信委进行了改组，并未实现“大部门制”。它是否有足够的权威和能力去统筹协调其他同级机构？这是否会让原本就叠床架屋的政府体系又平添一级机构并产生梗阻效应？尽管在“大部门制”的路上迈出了一步，贵阳市在这些方面仍然需要进一步探索。

　　（二）驱动机制

　　⒈政府主导、技术驱动还是市场引领？

　　大数据治理离不开政府的推动和参与，那么政府的重心在于营造环境，还是亲力亲为？政府是要率先垂范，还是事必躬亲？大数据治理是由政府部门去专门收集、整理和存储大数据，还是自动收集同政府运转和公共服务供需相伴而生的大数据？是对既有数据进行充分利用，还是重新收集数据？是政府“闭门造车”去封闭式开发大数据，还是将数据开放并鼓励众筹众创？对这些问题的回答，可以反映出地方政府推动大数据治理的价值取向和驱动机制。

　　一些地方政府在大数据治理中，存在重概念轻应用的倾向，以及重产业和经济而轻应用和民生的问题。许多政府官员对大数据存在错误观念，认为不“烧钱”就不算大数据，数据量不够大就不是大数据，不专门收集就不是大数据。这种错误的观念会严重误导大数据应用的方向，并可能让许多地方政府付出沉重的代价。其中，不排除政府打着大数据的幌子去招商引资、拉动投资和产业发展的经济动机在内。从更深层次的意义来说，这是开放与封闭、政府主导与市场主导、环境营造与硬件建设之间的差异。

　　大数据治理可以说是一个开放的生态系统，并需要来自社会各界的广泛参与和众筹众创。当现代的大数据治理同传统的官僚制组织结合在一起时，会产生方枘圆凿的不适感。与此同时，许多领域原有的数据碎片问题，又“新瓶装旧酒”而重装上阵。以智慧城市为例，它不完全意味着科技的创新和应用，还意味着城市治理模式的因应和转型。如果简单将其视为一场科技变革过程，而忽视了城市政府在其中扮演的管理变革和治理转型作用，就可能南辕北辙和本末倒置。

　　此外，一个不容忽视的问题是，如何摆正政府与企业之间的关系。对于地方政府特别是基层政府来说，“呼风唤雨”的互联网巨头与其处于极不相称的地位。对于缺少资金、人力、技术和平台的地方政府而言，互联网巨头提供了诱人的解决方案。企业需要营利和利润，政府则追求公共价值创造。二者固然可以在大数据治理上达成某种利益共识，但是却并不会一直如此和谐。一旦政府与企业深度关联乃至“你中有我，我中有你”以后，政府就很难摆脱商业利益的渗透和侵蚀。与此同时，恰如金融危机时政府出手救市一样，互联网巨头同样可能“大到不能倒”。地方政府对企业的严重依赖，可能让其和企业成为“拴在一条线上的蚂蚱”。因此，如何处理政企关系成为大数据治理的棘手问题。

　　⒉从数据开放到代码/算法共享

　　大数据治理的前提是数据的开放与共享，因为在一个部门和官员的眼里是“垃圾”和“废物”的数据，在另一个部门和人的眼里可能是“宝藏”和“金矿”。然而，地方政府的信息公开仍然有待提升，更遑论数据的公开、共享、共用和共治。当政府信息公开还在路上时，如何促成乃至推动数据公开？对中国主要城市的评估发现，它们同真正的数据公开还有很大差距。许多城市的开放数据可谓“欲遮还羞”和“貌合神离”，并没有为企业和社会的数据挖掘提供便利。值得注意的是，以上海开放数据大赛（SODA）、贵阳市“痛客平台”等为代表的数据开放活动，已经在这方面产生了积极影响，使政府部门意识到数据开放和集思广益的巨大潜能。

　　与数据开放相关的另一个问题是算法或代码的共享，后者比前者在大数据治理的过程中更为重要和关键。大数据时代的来临，使计算机领域兴起的开源（opensource）运动可能更为重要。恰如King所言，大数据本质上不是关于数据的问题，也不是数据大不大的问题。单单增加数据不能产生洞见，有时数据越多反而会让分析越难。数据是社会变革和组织变化的自动副产品，并正在日益商品化，人们可以非常低廉地收集和购买。因此，大数据革命不是数据的革命，而在于从数据中萃取洞见的统计方法和其他分析方法的革命。

　　大数据治理意味着从单纯的开放数据，转向开放算法和开放代码。只有这样，才能使数据可以得到开发利用，而不是沦为一堆无用的废料。与此同时，众包（crowdsourcing）和社会编码（socialcoding）日益兴盛，并在公共部门得到广泛应用。这些源代码管理平台都为开放式协同（opencollaboration）创造了机会，使不同部门和人员开发的程序代码得到再利用和再开发。例如，在某个地区和部门应用的代码，可以经过修改和定制化，而低成本甚至免费地在另一个地区和部门使用。与此同时，已有代码在复制和修改以后，可以反过来为原创者提供优化代码的机会。因此，这种开放、松散、互惠和共享的机制，为公共部门大数据治理提供了平台。令人担忧的是，各地热衷的大数据应用，可能会重演政府上网工程的老路。各地各级各部门各自为政，开发的软硬件互不匹配和对接，并使重复发包的企业赚得盆满钵盈。因此，能否建立像“美国代码”（CodeofAmerica）和GitHub等这样的代码和算法共享联盟，是关乎大数据治理成败的关键。比如，可以建立跨区域协同网络或城市联盟，使地方政府相互之间共享代码算法，并共同推动开放创新和协同发展。在这方面，省级政府或行业协会可以发挥巨大作用，能够在省域或会员之间建立共享联盟，推动地方政府大数据治理的协同创新。

　　⒊大数据治理的“人才荒”

　　当政府部门越来越依赖大数据治理时，对技术官僚的需求和重视就不可避免，而目前的人力资源构成显然无法匹配和适应。大数据治理亟需在数据收集、存储、处理、分析和解释方面的专业人才，特别是来自计算机学科、人工智能领域、心理学、工程学等学科领域的专家型人员。与此同时，政府部门的人才储备和知识更新也亟待提升。过去熟悉办公自动化（OA）、静态网站和社交媒体运营的政府部门IT人员，如何在大数据时代更新知识和武装技能，是值得关注的问题。

　　虽然中国社会一直延寻“学而优则仕”的传统文化，“士农工商”的职业次序也让人们对公职工作趋之若鹜。因此，中国各级政府部门通常不存在其他国家和地区面临的难以吸引优秀人才的问题。但是，近些年“考公务员热”在日渐消退，政府对优秀人才的吸引、培养和挽留日趋成为严峻挑战。特别是在信息技术行业，政府部门同互联网巨头相比仍然不占优势，并很难获得大数据治理的紧缺人才。尤其在地方政府层面，如何吸引和留住优秀人才，是大数据治理的关键课题之一。值得关注的问题是：大数据人才会首选政府部门吗？如何同互联网巨头竞逐人才？如果没有充足的技术人力资源作为支撑，就无法实现大数据治理的美好愿景。与此同时，政府部门的人力资源管理模式可能也很难适应大数据治理的要求。比如在薪酬计划、工作设计、绩效管理、职业生涯规划等方面，政府部门都需要因应调整，以满足大数据治理时代的人力资源管理需求。然而，在“体制内”激励这些人才谈何容易？因此，突破条条框框与繁文缛节的束缚，形成吸引和留住这些人才的特区环境，可能是大数据治理不得不面对的挑战。

　　（三）深层问题

　　⒈大数据的代表性与问责性

　　虽然数字鸿沟在日益缩小，但大数据的代表性问题仍然不容忽视。在许多国家和地区，数字鸿沟仍然存在，特别是弱势群体、农村和偏远地区更是如此。以美国市政服务热线311的使用为例，虽然它可以在一定程度上消弭数字鸿沟，但是也存在严重的种族区隔和贫富差距。再以中国各级政府大力推动的“精准扶贫”为例，虽然“互联网”被视为破解之道，但是在许多偏远山区连起码的手机上网都无法实现。当基于网页和社交媒体汇聚的大数据被用于政府决策时，这些恰恰最需要关注的人群可能就此“失声”。过去政府部门依靠实地走访了解民意和体察民情，现在和未来则可能经由大数据平台获取相关数据。当民众的心声被这些先进技术层层过滤和“净化”以后，它们能在多大程度上代表民意？所以，大数据可能让民意的代表性问题更为凸显，并挑战政府执政和决策的合法性。

　　信息技术的引入，使街头官僚的问责和监督问题得到了一定程度的缓解。然而，当掌握自由裁量权又得不到有效监督和控制的街头官僚，因为大数据技术而变为幕后操作的屏幕官僚、系统官僚，乃至退缩为“数据官僚”时，对他们的问责就是一个值得警惕的隐忧。信息技术固然极大地挤压了行政官僚的自由裁量权，但与此同时也将问题提升到了系统层面。假如信息系统的设计本身就出了问题，其系统性影响显然比单个街头官僚的胡作非为更加严重。目前，许多大数据应用背后的算法和程序都是“黑箱”，地方政府在使用时可能也无法参透其中的技术细节，这就可能为数据篡改乃至程序失真埋下伏笔。如果不能对此予以关注和应对，则可能使大数据的代表性乃至合法性都受到质疑和挑战。

　　⒉大数据治理与循证决策的融合

　　基于大数据技术而获得的知识，为政府决策提供了可靠的依据。因此，可以说大数据治理也同循证决策（evidence-basedpolicy-making）的理念密不可分，并有利于优化地方政府决策模式。循证决策效法循证医学，要求决策者基于证据作出科学决策。决策依据的证据主要是严格的随机对照实验或政策评估，因为它们可以说明哪些政策工具是有效或无效的。过去政府部门依靠“拍脑袋”而“简单粗暴”地进行决策，现在和未来则需要基于大数据分析得到的证据进行决策，即“拍数据”。但是，循证决策能否替代经验决策，循证决策如何与经验决策相结合，决策是数据驱动（data-driven）还是基于证据，这些都是值得探讨的课题。

　　政府花费巨资收集和处理大数据，并基于大数据分析和解释而得到证据，它们能否得到充分、合理和有效的利用，直接决定大数据治理的绩效高低。数据不等于证据，大数据不等于好数据，因为没有意义的数据就是一堆乱码。因此，只有将数据转化为证据，才能有力支持决策。但是，大数据可能对决策产生新的束缚，即政府有了数据用不用？用了数据管不管用？如果政府花费巨资建立了基于大数据的决策支持系统，却无法或有效使用，那么就可能面临有关合法性的追问。因此，尽管基于大数据技术的决策支持系统是值得推崇的美好前景，而在地方政府层面还有待更审慎的考量。

　　四、讨论与结论

　　从地方政府的动机和能力出发，对中国地方政府在大数据收集、处理、分析、解释和决策等方面所面临的治理挑战进行分析。研究发现，尽管地方政府大数据治理的动机很强，但是在能力方面还很欠缺。

　　首先，一些地方政府对大数据治理存在误读误解，认为上马项目和建设工程才是大数据。当然，这同固定资产投资可以拉动经济增长有关，也同有形实体可以吸引外界关注不无关系。事实上，大数据治理的许多经典应用都是基于巧妙的构思和设计，而并非“一掷千金”。在大数据领域也存在数据为王还是理论为王的争论，尽管许多人认为通过数据发现规律即可，而并不需要理论的支持。澄清大数据治理的本质和精髓，规避大数据治理的陷阱和误区，可能是地方政府应用的首要前提。

　　其次，我们发现地方政府在推动大数据发展和应用方面并不缺少动机和激励，甚至存在强烈的冲动乃至盲动。由于大数据技术可以带动许多关联产业的发展，为各地经济增长注入活力，因此得到地方政府的热切追捧。另一方面，作为国家大力推动的优先战略和政策重点，地方政府需要积极贯彻落实，否则可能被视为不作为而被问责。我们需要关注地方政府在推动大数据治理的过程中，是受到经济激励还是政治激励，是基于技术理性还是政治理性。不同的激励机制和行动逻辑，可能导致截然不同的大数据治理模式和绩效，因此值得特别关注。

　　最后，指出地方政府在大数据治理方面所面临严峻的能力挑战，而如何建设和提升大数据治理能力，是特别值得关注的议题。大数据治理能力不完全是资源禀赋和技术机遇，更与政府执政理念、管理模式、政企关系等密不可分。如果将能力简单视为资金、人力和基础设施，那么就可能使大数据治理误入歧途。大数据治理需要营造一个社会各方都融入其中的生态系统，使社会各界都能参与、合作和创新。只有如此，才能“点石为金”地激活大数据的巨大能量，并使大数据治理得到持续健康发展。比如，上下级政府之间可以实现能力互补，以满足不同层级政府的大数据治理需求。

　　通过对地方政府大数据治理面临的机遇和挑战进行的初步分析，并提出了多个值得关注的问题。至关重要的是，大数据治理不单单是数据问题，也不完全是技术问题，而是触及政府管理和公共治理的深层次问题。大数据治理该由哪级政府推动？各级政府和各部门之间如何协同？大数据治理是开放的生态系统，还是封闭的官僚体制？大数据治理能否代表民意、加强问责并支持决策？提出了这些大数据治理的“大问题”，并对它们的表征及其影响进行了讨论。许多问题都没有唯一的标准答案，甚至一些问题在当前可能是完全无解的。有鉴于这些问题的复杂性，本文无法对它们予以一一回答，只能有待于未来更深入的研究。

第三十八届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。