如何有效開展政務大數據治理
張靖笙
總書記去年（2018年）在視察廣東重要講話中指出，要全面推進法治建設，提高社會治理智能化、科學化、精準化水平。新一輪《廣東省機構改革方案》提出，新組建省政務服務數據管理局，統籌推動“數字政府”建設，促進政務信息資源共享協同應用，廣東要以“數字政府”建設為契機，促進社會治理體系和治理能力現代化，不斷提高社會治理智能化水平。社會治理智能化是在大數據時代背景下，以網絡化和網絡平臺為基礎，運用大數據、云計算、物聯網等信息技術，實現社會治理精準分析、精準服務、精準治理、精準監督、精準反饋的機制和過程。社會治理智能化的關鍵要素在于數據信息。
數據是“數字政府”建設的基礎，也是社會治理智能化的基礎，沒有高質量的政務數據資源，沒有實現政府部門專業數據、政府部門管理數據、公共服務機構業務數據、互聯網社會數據的互聯互通和數據共享,則無法有效實現數字政府的各項建設目標。政府政務數據是海量的，政府也是社會最大的公共數據源，充分利用政務大數據，使大數據在社會治理過程中發揮作用是打造數字政府面臨的一個最核心關鍵問題。
盡管政府對政務大數據治理的動機很強, 但是當前政府在數據治理的實踐中還面臨著嚴峻的能力挑戰和“成長的煩惱”，主要集中在政府數據治理的建設模式和實施路徑還存在著思維認識碎片化與應用水平不高等問題。具體表現為：
一是由于歷史原因，龐大的政府機構都是各部門各自為政獨立開展本單位信息化建設的，政務大數據無論是邏輯上還是物理上都是非常分散的，大量相同的信息還在不同的部門都被重復采集和存儲，但格式各異，內容不一，所以在政府數據匯集過程中, 存在“數據煙囪”林立,“數據孤島”叢生等現象，雖然當前政府各部門積累的數據資源已經很多了，實現統一和完整的數據匯聚也是必須的，而聚哪些、怎么聚、去哪些、留哪些，在實際開展政務大數據治理工作中會遇到很多兩難局面，各種難點也會很多；
二是政府各項決策的數據分析過程中，由于需要綜合匯總的結構化數據與非結構化數據混雜，數據質量不高，數據標準不統一，所以難以用統一的數據模型或者數據算法完成，在目前的政務數據資源分散局面上，社會治理所需要的簡單統計指標可能都難以完全靠計算機自動化生成，仍然需要大量的人工上報和匯總工作，客觀存在政務數據分析過程中內外融合難、上下對接難等問題，這是對構建網絡化、數據化、智能化的全天候在線的數字政府發展方向的巨大堵點；
三是政府數據管理和應用過程中,數據管理工作無序化現象嚴重,各政府部門重本單位需要輕跨部門統籌要求，這困擾著政府數據治理的可持續發展,要打破利益固化的體制壁壘，推進跨區域、跨層級、跨部門的數據平臺建設在實施數字政府過程中，必然會對各部門的思維習慣和工作習慣造成巨大沖擊，統一的數據標準和規范的數據管理也必需得到各部門上下的全力配合才能有效落地，治理則不可避免會讓各部門感受巨大的陣痛，而不治理則讓社會治理智能化和數字政府無法落地而長痛，長痛短痛都是切切實實存在的痛點。
政務大數據規模龐大、數據關系錯綜復雜、數據利益牽一發而動全身，有效治理的難度是很大的，政府如何有效開展政務大數據治理工作?
各地政府在實施數字政府戰略過程中，我們認為首當其沖要“數據治理、思想先行”，首先要解決的是政府各級領導干部對數據治理工作的思想認識問題，對于政府數據治理工作，等不得，也急不得，更馬虎不得，必須從一盤棋的角度周密部署、統籌考慮、長遠謀劃，雖然當前政務數據治理的要求非常迫切，但我們必須認識到數據治理工作的長期性和復雜性，在盡快解決當前政務大數據應用所亟待處理的堵點、痛點、難點的同時，形成長效機制久久為功，實現標本兼治的良好發展態勢，才是政府數據治理工作合適的指導思想和發展思路。
接下來就是“數據治理，法器并進”，從方法路徑和技術路線上，需要研究具體如何部署實施的問題。目前數據治理工作和成熟度評價研究多局限于企業，我們可以在回顧與參考企業產業界多年的數據治理工作最佳實踐經驗做法的基礎上，再融合政府數據治理的特殊要求提出具體的路徑和計劃。
作為信息技術領導者，IBM公司在總結自身多年開展數據治理工作經驗的基礎上，在2010年發布了《IBM數據治理統一流程》的藍皮書，IBM這本出版物雖然已經有些年頭了，不過里面很多內容仍然非常適合當前大數據時代的數據治理指導工作。在我國，2015年，工信部電子技術標準化研究院制定《數據治理白皮書》國際標準研究報告。2017年，工信部信息通信研究院發布《數據資產管理白皮書》。2018年3月15日，中國國家發布了國家標準《數據管理能力成熟度評估模型GB/T 36073-2018》。IBM 數據治理成熟度模型和我國的《數據管理能力成熟度評估模型GB/T 36073-2018》內容上一脈相承，也均采用了由Software
Engineering Institute（SEI）所描述的五個等級的成熟度發展路徑：
企業組織和機構的數據治理成熟度工作的推進者通常為組織的信息管理者，他們關注需要跨職能、跨流程、跨功能邊界的標準化，考慮信息生命周期中數據質量、數據安全的需求，針對組織級數據治理規程開展成熟度評估和管理，進而通過管理實現有效的協同一致性。IBM 數據治理委員會提出數據治理能力成熟度模型，高階能力體現在四個方面：
l 成效(Outcomes)
l 支持要素(Enablers)
l 核心準則(Core Disciplines)
l 支撐準則(Supporting Disciplines)
這四個方面的能力分別體現了自上而下的需求和提升，以及自下而上的支撐關系。
u 數據風險管理（Data Risk Management & Compliance），數據風險管理涉及的風險識別、量化、規避、接受和減輕等；
u 價值創造（Value Creation），對數據資產進行的評估和量化過程，使得企業能夠最大化利用數據資產所創造的價值；
u 組織結構與文化(Organizational Structures & Awareness)，描述業務、IT、數據之間的相互責任和組織結構，針對組織不同層級上的管理提出受托責任且做出承諾；
u 數據管理(Stewardship)，旨在確保組織獲得高質量數據資產，開展行之有效的數據管理，以降低風險和提升數據資產利用價值；
u 政策(Policy)，政策是組織期望獲得數據治理方面的行為、規范的書面化；
u 數據質量管理(Data Quality Management)，提供數據質量完整性、一致性、規范性等方法、測量和評估，進行改進和驗證；
u 信息生命周期管理（Information Life-cycle Management），基于生命周期的信息收集、加工、使用、保留和退役等；
u 數據安全與隱私(Information Security & Privacy)，描述組織風險防范和保護數據資產的策略、實踐和控制等；
u 數據架構(Data Architecture)，企業及數據模型管理，提供完整的數據源接入、分類、存儲、流轉管理，提供可用的數據資產和數據共享開發；
u 分類與元數據(Classification & Metadata)，用于業務和IT構建一致的可理解的術語、定義、分類和元數據管理、數據類型和存儲庫方法和工具。
u 信息審計、日志記錄與報告（Audit Information Logging & Reporting），用語度量和評估數據價值、風險和治理的有效性的過程。
企業組織需要針對上面四個層面數據治理能力所具體包括的數據風險管理（Data Risk Management & Compliance）、價值創造（Value
Creation）、組織結構與文化(Organizational Structures &
Awareness)、數據管理(Stewardship)、政策(Policy)、數據質量管理(Data Quality Management)、信息生命周期管理（Information
Life-cycle Management）、數據安全與隱私(Information Security
& Privacy)、數據架構(Data Architecture)、分類與元數據(Classification & Metadata)、信息審計-日志記錄與報告（Audit Information Logging & Reporting）等11個方面工作水平按照SEI的五個等級成熟度定義進行客觀評估，確認當前存在數據問題，明確下一個發展階段性目標，才能開展有效的數據解決措施，從而對數據管理能力提升演進路線和行動計劃建立整個企業的共識：
ü 當前狀態：我們目前處于什么位置？
ü 未來狀態：我們希望在未來什么位置？
ü 演進路線和行動計劃：我們需要哪些人員、流程、技術和策略來填補當前和未來狀態的差距呢？
下面給出某個企業組織的數據治理工作三年行動計劃路線定義示例：
雖然企業組織和機構的數據治理工作已經擁有比較豐富的實踐經驗，工作方法和技術也比較成熟了，而單個企業組織和機構的數據環境、數據規模、數據多樣性和復雜度、數據分布和應用的集中度相對于一個地區政府或者城市整體的政務大數據來說怎么說都是小池塘和大海洋的區別，企業組織和機構的數據治理是微觀層面的工作，其影響范圍也很有限，而政府的數據治理則是會影響全社會的宏觀層面問題。今天我們要發展數字和智能經濟，建設智慧城市，改善人民群眾的生活，都離不開數字政府的能力建設和效率提升，因此，針對政府如何開展全方位的數據治理工作，肯定不能直接生搬硬套企業組織和機構級的數據治理成熟度模型和行動計劃。
因此，我們提出“數據治理、以評促行”的政務大數據治理實施策略，針對數字政府的發展要求，在吸收企業組織和機構級數據治理成熟度實踐經驗和研究成果的基礎上，結合國家2015年頒布的《促進國家大數據行動綱要》的政策要求和相關政府大數據治理實踐需求，建立政務大數據治理行動計劃和成熟度評價模型，可在政務大數據治理工作中，作為各級政府部門自我測評和改進的工具，以客觀了解和評價當前政務活動中涉及的數據應用和治理工作開展現狀以及所處的發展階段、存在問題，根據當前成熟度評估狀態和未來預期要求之間差距，制定改進計劃和策略，并根據計劃優先級制定治理路線圖和行動計劃。
我們提出的政務數據治理成熟度模型參考企業數據治理成熟度模型，從三個方面11個工作領域逐一細化政府開展數據治理工作所需要涉及的工作內容和工作要求。
對于這三個方面11項的政府數據治理能力評價要素，具體的事情情況評價內容解釋如下：
在工作成熟度評價標準方面，可以在參考和拓展SEI五個等級成熟度定義方法的基礎上，借鑒國際領域適用最為廣泛的智慧城市成熟度及基準模型的階段劃分準則，該準則 認為智慧城市的智慧維度評估比較復雜，體現在城市生活運用數據智能的不同領域，且每個城市達到智慧的路徑不同，其成熟度涵蓋領導力和治理、利益相關方參與度和市民關注度、數據有效利用、集成的信息通信技術基礎設施等等，智慧城市和數據治理從成熟度領域、實現路徑、技術手段等方面均有相同之處，鑒于此，對于整體評價一個城市或者地區的數據治理成熟度，我們可以將政府數據治理成熟度分成下面7個階段：
1. 未啟動: 政府部門尚未進行大數據治理有關的會議討論;
2. 非正式: 政府部門進行數據治理的相關探索性實踐;
3. 有文件: 政府部門已出臺大數據行動計劃或相關戰略性指導文件;
4. 有計劃: 政府部門已制定相應的政府大數據治理計劃；
5. 有部署: 政府部門已制定實現大數據治理目標的解決方案；
6. 有影響: 政府部門制定的大數據治理方案產生了一定的影響和價值；
7. 有重大影響：政府部門制定的大數據治理方案產生了重大的影響和價值。
我們可以針對上面細分的政府數據治理各項工作均從這七個階段加以評價，確認當前各政府機構組織在開展政務活動中存在數據問題，明確各項數據治理工作根據數據政府建設要求所要達到的下一個發展階段性目標，并且因地制宜地根據各地方社會發展水平和治理要求研究出有效的數據解決措施，從而對本地區政務大數據管理能力提升演進路線和行動計劃建立政府乃至全社會的普遍共識。
這些階段劃分是從宏觀層面的總體評價，而在微觀層面，可以針對5-有部署、6-有影響、7-有重大影響這三個階段所提出的解決方案和影響效果，再在具體負責數據治理某個專項工作的政府部門內部，采用企業數據成熟度SEI五級模型進一步細化評價解決方案成熟度要求。
這種從整體衡量政府數據治理工作成熟度的評價方法，既能客觀反映政府數據治理的實際現狀，揭示經驗做法，發現亟須改進的地方，也能及時對標數字政府和智慧城市建設進程中全球最佳實踐經驗和適宜做法；又能很好地和局部單位、部門內部的組織級數據治理工作部署和工作要求有效銜接，從而讓數字政府的整體戰略能清晰分解到最基層執行單位的日常工作部署和考核要求之中。
(本稿完成于2019年6月21日，如需引用請注明出處)
參考文獻
[1]國務院.關于促進大數據發展的行動綱要[EB/OL].[2015-0831].http://www.gov.cn/zhengce/content/2015-09/05/content
_10137.htm.
[2] 張宇杰,安小米,張國慶. 政府大數據治理的成熟度評測指標體系構建. 情報資料工作.2018年第1期.
[3]IBM公司出版. IBM 數據治理統一流程. 2010年9月
[4]中華人民共和國國家標準GB/T36073—2018數據管理能力成熟度評估模型.2018年3月15日發布
浙公網安備 33010802003509號
杭州講師網絡科技有限公司
