数据的敏捷治理：价值重塑与框架构建

推荐语

在当前，数据已成为第五大生产要素。对数据进行治理，关系到国家治理能力和治理体系的建设。作者将敏捷方法引入数据治理， 从内涵特征、价值目标和发展趋势等不同维度探讨了敏捷方法对于数据治理重要价值。本文的主要贡献在于，构建了数据敏捷治理的理论分析框架，提供了一种新的思路。（政治学人编辑部）

专题文章推荐：

数字治理中的权力控制与权利破茧

数字时代的流量城市：新城市形态的崛起与治理

作者简介

于文轩，厦门大学公共政策研究院教授，博士生导师，闽江特聘教授；

魏炜，厦门大学公共政策研究院博士研究生。

数据业已成为国家治理能力和治理体系现代化的重要战略资源。当前我国数据治理体系尚未健全，治理模式线性单一，治理效能不彰。近年来兴起于软件工程中的敏捷方法，以动态高效、回应性强等特点在业内获得成功，为解决当前数据治理难题提供了理论依据和经验借鉴。因此，本文从数据治理的内涵特征、价值目标和发展趋势等维度出发，探讨敏捷方法对数据治理的理论和实践意义，构建数据敏捷治理的理论分析框架，为更好实现数据治理提供理论基础和政策指引。

数据是21世纪的“新石油”。2012年，我国开始数据开放方面的实践，以促进社会资源的整合和利用，对国家治理体系和治理能力现代化起到显著的推进作用。近年来，随着大数据、人工智能等新兴技术迅速发展，国家对于数据要素的使用和发展也给予高度重视，《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》首次明确提出，数据是继土地、劳动力、资本、技术之后的第五大新型生产要素。2022年国务院《政府工作报告》进一步提出，“完善数字经济治理，培育数据要素市场，释放数据要素潜力，提高应用能力，更好赋能经济发展、丰富人民生活。当前，政府作为最权威的数据拥有者和管理者，掌握了社会治理所需的近80%的数据信息。面对如此庞大的数据量，各地政府不断加快出台公共数据管理条例和办法，数据服务衍生品在社会基层治理中也开始发挥重要作用。

数据治理是政府为强化构建“无缝隙政府”的创新公共服务模式而进行的一种由内而外的政务流程再造与组织重构。数据治理过程不仅仅是一个技术采纳和提升问题，更是一个政治问题。理论上数据的高效共享需跨越部门边界，不受任何组织机构、功能和流程约束，然而，在实际技术运行和制度调适过程中，政府数据管理的制度和管理能力与水平还远远无法跟上大数据改革的发展进程。传统政府线性管理在行政体制受到新技术冲击时，为确保制度运行的平稳性，会对其进行相应的制度性约束。在这种情况下，缺乏有效的组织创新和治理能力，不仅会从本质上影响数据要素潜力的发挥和价值实现，而且会进一步加剧数据权属和隐私安全的混乱无序。

为尝试解决治理体系与技术迭代之间不匹配问题，近年来兴起于软件工程领域的敏捷方法，开始受到各界学者的广泛关注。敏捷方法源于20世纪90年代软件工程业，起初其发展理念是为了应对不断复杂变化的软件开发环境，改变以往固定、没有弹性，以及缺乏互动的瀑布管理模式，强调在动态变化的环境下，通过积极的深度合作、快速响应和适度干预，来增强程序员同用户之间的契合度。随着大数据时代信息技术的崛起，2018年世界经济论坛正式提出“敏捷治理”概念，为公共治理创新发展提供了新的发展方向。敏捷治理不仅继承了传统科层制专业分工和技术理性的特点，还综合了多中心治理、协同治理等理论优势，凸显了其快速决策和领导执行力，注重公众需求的特点。数据开放作为软件工程技术在社会治理中的创新应用，相较于传统程序化的治理原则而言，是没有一蹴而就的执行和监管方案的，需要以动态发展思维去应对现有的复杂治理环境。而敏捷治理通过非线性多头增量模式进行数据管理，不仅保证了数据的时效性，而且也为创新合作共治提供了一种新的发展可能。

一、数据治理：内涵、价值与发展

|（一）数据治理的内涵

数据治理是一个新兴管理范式，实质是对“数字治理”的继承，传统数字治理强调以技术为导向的运作模式，是以数字排列方式引入社会治理模式中。而当大数据时代到来，数据开始作为一种社会资源开始受到人们的重视，因此，本质上看数据治理包含了数字治理，在技术手段变革的基础上，还增添了思维观念的转变。当前，对于数据治理的概念还尚未明晰，总的来看，现有研究主要集中从工具要素和权利价值两个视角阐释数据治理的内涵。

从工具要素方面来看，数据是一种创新组织模式的工具要素，其本身蕴含着巨大的经济价值和社会价值。一方面，作为决策型工具，数据改变了传统组织的发展理念与结构模式，使管理者从决策程序、执行、监管等全过程提高组织决策质量，进而提升组织绩效管理水平。另一方面，作为构建政府信任的制度型工具，政府通过开放数据使用，搭建互动式公共平台，汇集社会问题的解决方案，通过高效解决社会问题来增加公众对于政府的信任度，缩小政府和公民之间的距离。因此，作为一个多主体、跨部门的工具要素，为了明确数据在组织中的决策分配与使用责任，需要对数据的主体认定、运作模式、使用规则等加以规范治理。

从权利价值视角来看，在大数据时代来临之前，生产者、收集者、使用者等多方主体相互间维持着良好的道德关系，数据权利关系较为明晰。随着数据爆炸式增长，技术理性至上的价值嵌入，使得数据主义倾向愈发严重，加之制度伦理尚未完善，掩盖了人文主义的基本诉求，公民应有的隐私权、所有权、名誉权等人文关怀让位于技术效率，加剧了内在伦理失范。不仅如此，理论上公共数据具有非排他性和共享性特点，对传统组织行政程序作出了实质性改变，要求行政人员放弃其部门公共数据的访问控制权，然而，放弃这种控制权可能会产生各种不确定性。在一些特定情境下，公共数据依旧可以被某些外部主体制造出人为垄断局面，进而影响公民和企业的基本权利。因此，数据本身具有一种新型法律民事权利，对其使用需进行相应的权利规范和有效保护，以保障受众相应的民事权利。

综上，数据治理概念可以定义为在公共数据的实际应用过程中，对数据发生主体、运作模式、使用规则、权利规范等加以认定与管理的活动集合，旨在通过数据管理活动创新组织模式并实现价值增益。

|（二）数据治理的价值

政府数据信息管理长期以来受到条块分割的壁垒影响，政府数据信息管理过多偏重审批流程化和经济效益化。近年来，随着城市规模不断扩大，数字技术赋能城市群发展驱动着治理场域迈向数字化转型，其中北京、上海、杭州、贵州等地积极探索城市大脑建设，以“最多跑一次”、“接诉即办”、“一网通办”等为代表的典型案例成功实施，标志着数据开放运用打破了传统城市治理在发展规划过程中存在的服务低效和场域限制等问题。在取得一定成功的同时，数据治理引发的价值问题也得以开始重视。实质上，政府任何治理活动都是价值嵌入的过程，数据本身具备有公共性特征，数据治理也不单纯只是政府对于数据的简单加工再运用，在治理模式发生转变的同时也是公共价值体系的创建过程。

20世纪90年代摩尔提出的“公共价值”理论表达了对传统公共行政和新公共管理所忽略的的民主价值和过程关切。不同于传统公共行政以专业公共行政人员专业知识作为价值确立的依据，亦不同于新公共管理倡导的以市场导向的以效率和效益为主要价值目标，公共价值倡导寻求一个多方参与互动治理，依据所属环境实现“公共域”的创造价值过程。政府作为公共服务的提供者，其数据治理实践是通过提供海量公共数据，促进公共数据的流动何使用，将其作为有效治理工具进行公共政策制定和进行社会管理。通过数据开放和以此为基础的数据治理活动，政府可以优化组织流程、进行制度创新，加快政府治理理念和实践的数字化转型，最终实现公共价值。作为政府数据治理的平台依托和第三方价值创造主体，数据导向型企业其价值目标是利用数据资源提升组织学习能力，组织结构的调适与更新，进而提升企业竞争优势，从而提供更好的公共服务，服务于公民社会。而公民在数据开放实践中，其目标是在享有更加便捷高效的公共服务，更加安全舒适的居住环境的同时，实现民主、公民和社会责任等公共价值。

因此，从价值目标层面来看，政府、企业和公民的价值目标既有重合，也有差异。数据治理作为国家治理体系和治理能力现代化的重要内容，就是要在多元主体的价值需求之间寻求平衡，求同存异，协同多主体间价值冲突，统筹公共价值的实现。

|（三）数据治理的发展

数据不是一般性自然或者社会资源，事物的数据化赋予了人更大的主动性，促使自我认知发生转变，从传统纸本数据转向电子化数据过程中，数据治理不是直接对于传统工具价值的更替，而是对治理范式和组织模式的一个价值完善过程。

1.从“针对数据”到“围绕数据”

数据最早是作为一种企业或私人组织的资产进行控制和管理，是企业未来战略发展的基础保障。随着数据助力于企业创新发展地位提升，政府开始通过借鉴企业组织经验，关注如何针对数据对组织内部进行有效治理，进而提升组织运作效率。而当信息时代加速发展，数据治理开始关注内部与外部的要素动态互动，着力于制度建设、绩效提升、多元主体协同参与等，形成一个开放可持续的生态系统时，政府组织关注焦点便由以往针对内部组织数据管理，向外部围绕数据实现社会治理。根据强化理论，数据资源强化了政府组织权力结构，作为一种新型的社会治理方式，有效的促进政府部门间协作，以及提供公共服务供给效率。因此，从“针对数据”向“围绕数据”的范式转变，更多的在于营造出数据生态治理环境，创造更大社会价值。

2.从“科层主导”到“合作共治”

传统政府以科层制为基本治理原则，其特点在于等级分工明确，强调形式化规则与程序化办事。但在传统科层制主导的治理模式下，由于部门间相互存在着严格的组织边界，导致数据孤岛现象严重，诸多部门各自为政，部门管理者也没有清晰的大局观，将数据开放进行统筹规划。当进入大数据治理时代，管理者开始意识到数据开放与共享的重要性。由于组织边界逐渐开始模糊，管理者开始建立合作网络体系，通过建立起制度性框架，开始逐步引入多元主体合作共治的范畴中来。相较于传统的科层式治理，不仅破除了政策“黑箱”效应，唤醒公民对于数据的权属意识，而且也驱使政府对数据治理发展更加朝向精细化治理方向拓展与迈进。

3.从“限定所有权”到“共享使用权”

在大数据发展起步初期，数据信息化建设还尚未完善，数据所有权属较为明晰，主要包含公民、信息平台、公民与信息平台共有三种所有权属模式。而当伴随数字经济日渐成熟，数据内在价值被唤醒，由共享所带给社会转型发展机遇，驱使着不同主体间数据信息开始交互传递。美国学者保罗·S·戈麦斯提出了“知识共享理论”，主张为了实现知识价值最大化，应淡化所有权的概念，在应有权利得以保障的基础上，让渡部分权利使数据流动起来，发挥其最大价值。政府通过技术工具手段让数据在部门组织间开放共享，实现精细化治理，而在监管下公民也能够有序使用数据，避免有无序使用所造成“公地悲剧”发生。

4.从“工具理性”到“价值理性”

技术工具是数据治理的支撑载体，早期治理阶段单纯依靠技术手段实现数字治理，在设计者眼中技术应用是完美无瑕的，技术理性所带来的效率至上理念对社会治理产生了一定的正面作用，政府部门也因此获得治理效能提升。然而技术发展带来了一系列伦理和价值问题，在数据治理时代管理者开始意识到技术并非决定社会的关键，应当更加注重价值要素的存在内涵，平衡技术与价值两者间的关系，通过组织制度来体现数据治理价值价值，才能避免产生“数据利维坦”困境。

二、数据治理与敏捷治理

在过去一百多年的时间里，公共行政学的理论和实践从早期传统公共行政到新公共管理再到新公共服务经历了几大范式的变迁。这一范式不断变迁的核心是对科层制的完善和发展。早期科层制因其产生机构臃肿、效率低下等问题备受指责，甚至有学者预言科层制必将走向衰败，新型组织形态会替代科层制。然而科层制不但没有走向衰败，反而成为后续治理理论发展的构建基础。在治理理论创新发展的进程中，政府试图寻求以市场化和民主化的回归来克服科层制所带来的治理缺陷。但是伴随着利益主体关系复杂和治理难度增大，将市场或民主简单地带回公共行政于事无补。政府需要更进一步加大治理创新力度，借助新的治理工具手段对传统工具进行变革，来保障服务能力和填补治理盲区。大数据时代的到来，数字技术通过技术赋能的形式解决了传统科层制部分结构性矛盾，增强了科层制运作的韧性。但是数据治理仍然是依赖传统遵科层制的权力和结构体系来运作的。数据治理强调的开放、共享和高速变化与流动与科层制制的保守、封闭和稳定之间存在着矛盾。因此在数据治理的动态性和官僚制的稳定性之间，需要尝试寻求一种新的治理思维与管理范式

|（一）治理的灵活性

数据治理的最终目标是创造公共价值，加快实现政府数字化转型和治理能力现代化。数据不同于传统的要素资源，其本身不会产生任何价值，只有将数据开放流动，通过相应的技术手段对其加工应用才能够体现数据的内在价值。数据治理是多主体参与的系统性工程，涉及到产生、存储、开放等全流程周期性管理，数据治理本身主要包含两种不同的范式内涵，其一是依据数据进行治理，是通过借助数据，实现对组织、社会进行流程管理；其二是对数据本身进行治理，是运用管理、技术等手段，整合以往相互分割的条块数据，通过分级分类、统一标准等处理后，最终目的是将其开放以服务于社会经济发展。然而，数据治理的特殊性在于其运行环境是以线上为主，而管理方式却是透过线下方式进行运作。虽然数据治理简化了政府现实流程中的复杂性，但正是由于线上和线下环境存在差异，导致其平台运行和管理方式上存在着不对称性，这就使得不能再以稳定的程序化治理去看待问题，而是应当灵活应对快速变化的治理环境，在灵活性和程序化之间寻求恰当的平衡。

|（二）容错与问责并举

在数据治理转型过程中，为进一步提升治理效能和集约化水平，政府通过加强对数据的集中整合和开放挖掘来实现对社会有效的精细化治理和管理流程的持续性改进。数据作为新型生产要素，具有体量大、变动快、多样性等特点，会发展出新的权利关系，传统治理工具面临相当大的挑战。例如，政府部门所掌握的数据多是未经加工的原始数据，而运用到社会治理中数据必须是通过算法技术整理和分析过的数据。虽然政府通过算法治理拓展和提升了政府行政管理的水平和能力，但政府、公民、企业等主体间原有的权利结构也因此发生了重大变化。数字鸿沟的出现对于强权利意识以及信息弱势群体均会产生极大不公平。并且，不同于现实世界的组织运行，虽说算法技术是人为设计，可以探究其内部运作机制，但是算法技术的应用全在虚拟计算机世界运转，缺乏相应的专业技术指导和监督机制，全凭设计者的主观意志对数据进行分门别类，即使将其以简化方式呈现，公众也难以看清其内在机理。而一旦算法权力无限制扩张，将有可能陷入“数字独裁”的境地当中，进而反噬社会发展。

可以看出，新工具要素带来科技进步的同时，也会给社会发展带来一些不可预知的影响，受制于有限理性的认知水平下，人和组织对其产生的技术迭代关系还处在探索阶段，而传统治理工具的局限在于政策手段往往较为强硬，规制措施力度大，不利于组织创新。实质上，对于数据及其技术关系的规范与完善并非是一蹴而就的，在有限理性情况下，治理试错是应对不确定性的有效手段，由数据治理所引发的负面效应，也需要通过技术革新和制度创新予以不断的反复试错。与此同时，政府管理者需要坚守法律底线和共识性法理要求，在不断优化行动过程中，对于跨越法律底线的行为也应当落实问责。

|（三）治理的共识合作

早期公共行政强调以政府为主导的治理体系，其意在通过科层制的组织体系，提升行政效率和行政管理的专业化，然而科层制自身的组织机构悖论、协调性不足、回应性弱等问题也日渐凸显。此后，新公共管理运动尝试透过行政放权，重新塑造政府同社会、公众间的关系。然而照搬私人部门经验所引发的管理主义倾向、公共价值的缺失等问题依旧困扰着政府治理实践。大数据时代到来，数据治理作为政府实践改革的创新探索，在获取数据红利的同时，也促使传统组织开始转向更加扁平化方向发。与以往变革不同的是，数据要素引发的新型权利在治理框架内不断催生和演化新的主体关系，在缺乏新的与之相应的制度和管理机制和手段的情况下，科层制自身的运作惯性很难处理好数据使用和数据主体之间的关系。

从政府内部关系来看，数据资源一定程度上体现着数据权属所在部门的话语和权力，可以说是作为其立身之本的关键，与部门利益密不可分。由于现有部门权责和组织协调关系同数据治理发展水平不匹配，在缺乏有效的激励和监管绩效测评机制情况下，数据开放程度并未明确列入地方政府部门绩效考核当中。然而成本和效益对于传统政府部门治理改革必须是明确的，如果在数据采集、处理、发布等流程中成本大于收益，且无其他明确的利益补偿机制，数据跨部门、跨地域合作的积极性必然不高。一旦迫于行政要求无条件开放，不仅会导致部门的存在感降低，造成部门地位边缘化，而且还会形成“加压式减负”，无益于组织发展。从政府外部关系来看，数据开放也同政府信息公开一样，具备有社会监督属性，公众和企业有权利对相关部门公开的数据进行监督反馈，然而正是由于这种社会监督机制的约束，使得在缺乏试错机制的情境下部门对数据开放流动后在社会造成的潜在风险难以准确量化，部门不敢为此承担相应职责，更不会吸纳其他主体参与。

|（四）治理对象的精准

数据治理是数据本身及围绕其所对应主体的关系集合。虽然当前各地大数据平台建设如火如荼，但现有公共数据大多还分散于不同的政府部门，导致数据权属和质量标准诸多问题还尚未明晰。从数据权属方面来看，厘清数据来源是界定数据权属的前提条件。政府所掌握的数据中存在两类数据，一类是与公权力相关的行政数据，其主要源自于日常公共服务所汇集的数据，另一类是与公民个人相关的隐私数据。然而，一些地方政府部门并没有区分主客体、责任、价值等方面差异，容易将政府信息公开和数据开放等概念相混淆。政府信息公开主要指被多次处理后的信息，是政府在行使职权和服务民众过程中所形成的信息制度体系，其重点以保障公民知情权作为价值目标。而数据公开的本质是数据应当是原始数据，可以被处理加工后依序在部门间共享，在有条件情况下逐步向社会开放。由于数据管理者和使用者在认知方面存在偏差，难以看出数据内在因果联系，数据治理中往往汇集着诸多权属争议，究竟属于公共资源还是个人隐私难以清晰界定。

其次，不同部门的数据格式与标准大相庭径。就数据格式而言，数据格式需要兼容机读和人读，然而在现实中政府部门依旧习惯于PDF、RAR、XLS、WORD等传统格式，虽然有利于部门内部整理汇总，但是由于机器识别需要依靠CSV、JSON、WMS等新型开源项目格式，政府数据集合和共享在转换和导入上都有很大的困难。在数据标准方面，需要以什么标准进行开放，是收费还是免费公开，如果收费要怎么收费，价格要如何界定，各级地方政府部门还尚未有统一的标准。在数据质量方面，现在还存在完整性、准确性、时效性等诸多问题，数据质量参差不齐为数据开放增加了不小的难度。更为糟糕的是这些问题在现有的法律法规方面还尚未有较为明晰的界定。

|（五）监管模式场景的变化    

数据开放共享的价值不言而喻，政府部门已清晰地认识到数据资源对社会总体发展价值所在，信息安全领域中的马赛克理论也强调，孤立的信息数据本身可能并不存在相关安全问题，但是同其他公开信息数据相互结合，经过算法模型推演后，就有可能为不法分子利用对国家安全和公民隐私构成巨大威胁。大数据时代的海量信息在数据平台交融汇聚，使得公民隐私泄露和数据脱敏问题也造成潜在性风险。一方面，人是作为社会公共系统运行要素而存在的，不可避免需要对个人信息进行识别和使用。另一方面在数据时代，个人信息又不完全属于个人所有。虽然个人信息数据使用需要遵循合法性原则，在个人同意之后才能依法处理和使用，但是现实中同意规则在平台应用遭到泛化。现有《民法典》对个人信息保护主要采取的是行为规范，而非权利规范，同意只是合法性的依据之一而非全部，“同意”不等于“授权”。组织使用个人信息不能因此而不受约束，使“同意”成为滥用个人信息的保护伞，公民隐私难以有效保障。此外，大量早期核心数据还处在纸本保存状态，对其进行电子化加密的工作量大且难度高，同时，现有数据脱敏传输与保存方式主要有对称加密、非对称加密、同态加密等方式，采取加密手段往往会在一定程度上破坏原始数据价值，对基层工作人员业务能力要求较高。

因此，面对多元化的平台场景和敏感数据电子化传输，完善平台监管机制是确保数据治理体系平稳运行的重要保障。数据治理不同于传统政府信息公开，政府和其他主体间不再是单向监管关系。传统逐级审批再公示的申报方式很难实现有效监管。为适应复杂的网络场域，政府监管模式需要适应应用场景的变化，不仅应针对数据平台，而且对其所涉及的主体监管也应遵循差异化原则进行监管。

三、数据治理的敏捷思维

数据开放对于建设阳光型政府具有积极推动力，但现有的数据治理可能还过多依赖于技术效能提升，忽视政府部门关系与组织制度存在复杂性，造成实际数据治理同政府运行发生价值偏离，进而产生“创新悖论”效应。传统层级治理已经难以适应数字化发展转型需要，迫切需要重新审视当前数字治理发展模式，以一种新的理念范式打造数据生态治理体系，而敏捷治理概念的提出则为政府治理理念带来了全新变革视角。

敏捷性概念起源于软件工程领域，政府将其概念运用于重塑组织文化和协作策略，来面对政府现实治理中所面临的各项风险挑战。由于数据流动必然要涉及到跨部门和跨地区合作，而不同部门和地域的法规政策存在相当大的差异，这需要由领导层牵头实施，推动建立敏捷文化生态，才能避免治理过程中产生的问题和矛盾。敏捷性思维引入政府治理过程对改变部门分割的现状，对治理过程中所产生的风险予以高效快速作出反应，可显著提高政府治理的响应速度和应变能力。数据治理的敏捷思维有以下几个层面：

|（一）目标层：重塑公共价值

大数据时代更加注重数据间的相关关系，将原本政府、企业、公民等在现实世界中发生的行为数据，转换到虚拟线上网络空间中进行管理。虽然现有主流文献多在表明数据开放有利于创造公共价值，但却忽视了三点：一是由于受到政府各级组织制度和监管因素限制，一些基层政府面临技术、资金短缺，为了完成上级绩效考核疲于“补漏”，使得实际目标和行为存在偏差。二是企业作为数据实际运作平台主体，本质是以盈利为目的，不可避免存在机会主义的趋利行为，各级部门如若不愿公开数据或者开放标准不一，极易破坏项目本身的价值实现。三是由于公民实际数据需求反馈渠道不畅，对决策过程的参与不足，公民合法公共利益诉求无法准确表达，可能导致公共价值创造过程被破坏。

数据作为新型要素与旧要素之间需要经历一个相互磨合的过程，不同主体在接纳新要素的同时，对于各自价值诉求表达非常容易产生分歧。从不同主体的预设价值实现来看，政府的价值表达是希望能够通过数据共享，强化组织内部组织协作，提供高质量公共服务进而实现以人为本的公共价值；企业的价值诉求在于通过创新深化数据公私合作模式，在实现企业经济效益最大化的同时帮助政府创造公共价值；公民的价值期许在于同政府和企业数据互动过程中，在确保个人隐私信息安全前提下，获得优质公共服务的同时且自身的民主利益诉求能够得到及时有效的回应。

数据要素所驱动的不同主体价值差异需要形成一定的共识基础，才能更好使不同主体在治理生态体系中实现数据要素价值的最大化。共识价值是治理价值的最终体现，引领着不同阶段的实体价值变化，不同主体间如不能形成有效统一的共识价值，数据治理所预设的公共和社会价值也难以实现。敏捷治理的价值核心正在于强化组织弹性、适应性和回应性，重新设计和调整治理流程与服务，破除对于技术效率的片面追求。在实现价值共生的过程中，一方面，以政府为主导注重营造开放、共享、安全的数字生态体系，以动态模式处理好不同阶段实体价值之间的差异关系，调和不同主体价值冲突、缩小价值差异。另一方面，通过积极推动政府组织、企业和公民三方治理协作制度变革，提高风险决策适应能力，主动发现数据治理过程中存在的问题，而不是被动的等待问题反馈。

|（二）制度层：灵活协同机制

数据治理不同于传统政府治理，需要对制度环境需加以变革和重新定义。实质上，虽然数据治理有面向开放化发展趋向，但是依旧受制于传统官僚制的影响。这使得部门组织在当前体制结构和权力配置下，存在着一定的结构性约束。数据开放作为新兴公共服务，对部门而言也存在一定的风险性，在“压力型体制”之下，由权责分立所产生的风险避责行为会不断增加。由于避责行为的存在，缺乏灵活高效的协调机制会使公众参与和数据使用受到阻碍。一方面，受条块分割和科层制的影响，组织与职能依然分散，甚至一些部门还处在完全封闭化模式，特别是在数据开放中的各项环节，需要依靠不同层级政府间的密切配合协作，然而协同能力不足往往导致实际效果不佳，加之受到一些部门坚持保守、集中化的治理原则，使得企业和公民在参与过程中协同效力也被大大削弱。另一方面，不同主体对于数据的使用需求有所不同，倘若数据经由以往组织层级制度加以限制，会使数据原本价值失真，而一旦绕过组织限制直达使用者手中，会使数据源头组织、企业平台和公民承受不必要的风险。因此，这就促使政府对于数据不能仅仅一次开放了事，对于数据从采集到最终转化为数据服务使用，这之间的不同环节应当厘清设定不同治理机制，确保数据在不同主体间具有追溯性和互动性。

当前数据协同面临着一个重大挑战是数据开放和制度运行层面存在冲突。在僵化的组织结构中，数据项目受到逐级行政审批制的影响，通常管理者为规避风险，没有足够重视公民和企业的实际需求，往往忽视个性和情景偏好。数据开放的目标在于尽可能的实现数据流动价值最大化，然而在现有制度框架下，一旦场域条件发生变化，就容易面临追责、权属、隐私等问题，难以与其有效兼容，这就需要构建一套新的制度体系来保障目标实现。

敏捷治理不以确定和线性方式进行项目运作，旨在增强组织弹性和变革领导思维，改变以往僵化的科层制，打破自上而下严格的层级控制模式，强调避免错误的“零失败”治理文化。敏捷治理也假设组织环境是不稳定的，会随着时间变化而变化，需要根据数据场域的不同，塑造与其相适应的运行环境，构筑灵活的协同机制和自律准则，赋予不同主体更大的自主权。在国家治理现代化进程中，大数据所赋予社会发展机遇，使得多数实践已经走在立法实践之前。相较于以往只依靠强制法律约束（硬法）而言，由组织内部和组织与组织间所制定的自律规则（软法）更加具有灵活性。数据治理的敏姐思维要坚持硬法托底软法先行原则，便于在数据治理中快速制定、修改，适应不同治理场域下的数据条件变化。

|（三）主体层：包容性合作共治

数据治理不同于以往以国家为中心的治理模式，数据治理是对传统流程化治理模式的全面变革，由于治理场域主要依托于虚拟互联网世界，不再仅仅只局限在现实政府组织内部，治理过程中较以往更具不可预知性和潜在风险性，而光靠政府单一主导不仅难以有效治理，而且容易产生治理危机。数据治理的根本在于调和多元主体间的利益矛盾，满足不同群体间的价值诉求，以往政府对主导事项回应只有“回应”和“不回应”两种情形，即使回应及时，往往更多的也是采用“万能模板”流于表面形式，不仅未能有效解决实质性问题，反而因相互推诿增加其他部门后续处理难度。数字技术所引发治理形态变迁，虽然改变了程序化回应，减少各方在互动方面产生的信息阻滞和理解性偏差，但由于治理环境改变和参与主体增加，使得利益关系变得更加复杂，导致主体间行为规则需要重新确立。因此，为了确保系统运行的适应性，就需要系统能够随着环境的变化而变化。

具体来看，政府作为原始数据保管和共享发起方，其主要任务在于搭建参与互动平台，提升数据服务水平与服务质量提升。在此过程中，政府不仅要强化组织能力和塑造灵活的组织形态，而且对于基层部门和企业的实际需求也应当及时倾听和反馈。对于企业而言，作为政府数据委托和技术平台转化主体，相较于政府而言更具有较强的数据分析和处理能力，是公共数据开放后的实际处理者，企业依据的是从政府部门手中能够获得数据模块的情况进行相应开发，但是在实际运作中，企业平台作为数据服务的中间环节，时常在面对政府项目流程管理相对僵化和公民服务诉求个性化时难以积极应对。敏捷治理则旨在塑造灵活的学习型组织，在引导企业参与数据治理建设的同时，不断适应外部环境变化并及时作出响应，通过协调各方建立起必要的工具和规则来完善数据平台的需求和供应，对于需要合作变动的再通过合同规则来动态调整平衡。对于公民来说，公民是隐私信息授权和数据转化服务的使用主体，公民有参与数据治理事务的意愿，希望通过参会与数据治理过程得到政府和平台服务企业更多的诉求回应。因此数据治理要想真正提升效率，必须引导公民参与数据治理其中，只有让公民觉得自己是治理体系环节中不可缺少的一员，与政府和企业共同思考解决方案，才能够积极构筑良性数据生态。

|（四）客体层：精确的动态数据清单

在数据标准制定方面，英国作为数据开放先行者之一，采用“政府即平台”的治理模式，率先打造了政府数据跨部门信息化平台。2007年包括英国在内的G8集团率先对数据开放原则进行了尝试性探索。在美国，加州的塞瓦斯托波尔确立了包括完整、原始、及时、可访问、可处理、非歧视、非专有、免许可八项基础性指导原则。此后，蒂姆·伯纳斯-李进一步提出五星评价标准模型，通过对数据有针对性的分级分类，实现政府与公民之间有针对性的平台数据交互使用，并成为现阶段各国衡量数据开放质量的重要依据。该标准模型旨在突出开放数据的质量，而非开放数据的条目数量。模型根据五个不同星级来划分数据开放格式和标准情况，即：可在网络上获得（1星）、机器可读数据（2星）、非专业机器可读数据（3星）、使用W3C开放标准（4星）、提供链接数据（5星）。

就我国公共数据标准制定的情况来看，自2015年《促进大数据发展行动纲要》公布以来，国务院就针对公共数据资源缺乏统一标准质量和安全保障等问题，陆续在北京、上海、浙江、福建、贵州开展公共信息资源开放试点工作，探索有效可复制经验，逐步向全国推广。虽然目前已经初步形成动态调整“重点领域+重点目录”的立法模式，对于界定相关领域的数据开放范围标准也逐渐清晰，但是国内绝大多数数据质量仍然只能达到二星水平，并且由于目录制定权分散，加之部门数据统计口径和分级分类情况不一，数据敏感性和隐私安全问题层出不穷。

设定完善数据目录清单，不仅是对数据开放的范围、标准进行界定，更是对多元主体间的利益关系的调整。虽然许多省份已经陆续建立起政务大数据中心，负责统筹汇总行政区划单位内的各部门数据，但是整体数据开放情况同预期依旧存在差距。之所以难以界定数据标准和提升数据质量，很大程度上在于制定主体过于宽泛、随意性大，以及受制于惯性思维惯性约束，在缺乏上位法和明细规则界定下，所列举的清单过程是依照程序固定不变的，使得政府开放的数据不能满足于企业和公民的实际需求。而敏捷治理则强调集体共识和合作，透过数据清单制定过程来调整组织间的结构关系，一方面，通过数据合作强化彼此间的相互理解和信任，及时倾听部门和企业的困境诉求，不剥夺任何主体的核心利益，形成长效互动机制和目标共识，有针对性根据数据类属和部门实际进行清单动态调整。另一方面，改变依赖于传统数据项目管理的瀑布思维模式，可使数据清单制定跟随应用场景的需求变化而具有弹性，而不再像以往需要待技术、资金、政策等方面都万事俱备后才开始进一步行动，摆脱被动依附于数字技术本身的状况。

|（五）监管层：持续性调整监管

数据治理本质上是依托于以算法基础的新型数字技术，将分散在不同部门的公共数据统一融合于综合数据平台，再进一步将原始数据经由加工转化形成增值效应，提供更加精细化和多元化的公共服务。在完善数据治理体系过程中，政府也同步向平台型数字化方向发展，致力于打造“政府即平台”的数字发展模式，积极吸纳技术企业和第三方组织平台参与到数字服务平台建设和业务延伸拓展当中。这个过程使数据治理过程充满着复杂得的社会关系和更多的不确定性因素。

首先，从宏观层面看，我国数据开放平台的制度体系还尚未完善，数据目录和内容依旧存在着“政出多门”情形。由于不同主体监管侧重点各有不同，隐私安全和标准质量不能有效保障，监管部门在风险研判如若不及时，会造成较大隐患。此外，政府数据需要经由企业平台处理转化之后才具有社会和实践价值。企业需要在在公共性和商业变现之中做出权衡，倘若没有相应规制约束，企业会追求经济效益，忽视自身企业社会责任的实现。政府需要在平台建设监管当中平衡各种利益和价值诉求。从微观层面看，数据赋能须建立在相应配套社会制度基础之上，在宏观层面制度不完善的情况下，虽然短期内技术嵌入会产生集聚正效应，但长远来看，必将产生监管缺位问题。例如，数据平台的底层运算分析需要依靠算法技术进行支撑，但算法技术本身具有专业性和不透明性，会将非专业的公民排除在平台建设之外，由此所产生的利己排他性，容易造成主体间权力异化，也给监管带来巨大挑战。

在传统治理范式中，由于遵循程序化的监管模式，在问题造成一定影响后，才会通过监管手段采取相应规制措施。此时为了及时止损，监管机构很容易采取强制一刀切的监管手段，忽略不同主体的不同利益需求，从而打击不同主体间的积极性。数据治理需要新的治理范式，从监管对象、发展目标、技术手段、判罚依据等诸方面进行动态调整，迅速应对出现的新问题和新情况。数据治理不仅仅需要应对速度快，更需要随时根据新情况，设计和变革项目流程。敏捷治理所强调的持续灵活性正适应了数据治理的需求。

四、结语

当前数据治理所面临的困境本质是技术驱动与制度变革之间的衔接问题。新兴技术的引入容易带来多方利益冲突，这对传统的相对封闭的依赖科层组织的政府管理带来了极大的冲击。以往行政管理的科层线性思维虽然能够发挥一定的成效，但是仅局限于各个子系统内部控制建设，不利于对数据开放生态环境进行综合治理。敏捷治理是适应大数据时代数据治理的治理模式，旨在摒弃“零失败”的行政文化，通过改变僵化的自上而下管理体制，寻求一个上下互动的动态平衡点。于文轩将敏捷治理归纳为一个拥有包括以下十大要素在内的治理框架：（1）兼具稳定性与灵活性、集权与分权的二元组织的建立；（2）快速动员利益相关方合作的能力；（3）跨部门合作；（4）自我组织能力和组织的培养；（5）复杂性的分解；（6）灵活的基础设施；（7）拥抱变化；（8）充分沟通；（9）信息的开放与共享；（10）容错的组织学习。这一框架对传统政府行政管理的哲学、文化、机构、制度、机制和管理手段都产生了相当大的冲击。这一框架不仅可以应用在数据治理中，在后现代化风险社会特别是后疫情时代，对于我们思考如何提升中国国家治理体系和治理能力亦有启发和帮助。

责任编辑：亢玉静  

一审：张杨子涵  二审：肖伟林  终审：王智睿 

文章来源：《广西师范大学学报(哲学社会科学版)》2022年第5期