王 焘 李 阳

（1.南京大学数据智能与交叉创新实验室 江苏南京 210023）

（2.南京大学信息管理学院 江苏南京 210023）

《“十四五”数字经济发展规划》指出数字经济作为我国当前新型经济形态，在新一轮科技革命和产业变革机遇期，正面临形势的深刻变化，要不断拓展数字经济新空间，形成发展新优势［1］。数字经济在促进科研要素流动、推动产业结构优化、加快政府和社会治理变革等方面作用显著，能够为区域高质量发展提供有力支持。作为数字经济的核心生产要素，数据被视为数字经济深化发展的关键引擎，“数据二十条”的出台旨在以数据治理之规，夯实数据要素的新动能作用。与此同时，如何高效实现数据治理，筑牢数据要素动能释放的保护屏障是当前学界关注的重要课题。

区域大数据指在特定地理区域范围内（按行政区划可划分为省级行政区、地级行政区等；按自然地域可划分为长江经济带、黄河经济带等；按都市圈可划分为上海都市圈、深莞惠都市圈等；按国家区域重大战略可划分为京津冀、长三角等）所产生、收集、存储、加工等的大规模数据资源集合，涵盖政府、科技、产业、社会等多源数据。随着信息技术与经济社会的加速融合，这些数据正在成为推动区域数字经济发展不可或缺的动力因子，其价值性日益凸显。从供给角度看，区域大数据作为战略性生产要素，围绕数据要素价值化目标不仅能够催生出一大批新产业、新业态和新模式，还能凭借自身的乘数效应提升区域各行业在生产活动中创造的价值，深化区域数字经济发展［2］；从需求角度看，人工智能、区块链等新兴技术的崛起，使区域对于大数据的需求变得更加迫切，如运用大数据推动区域产业融合与创新发展、识别和预测前沿科技方向等，从而助力区域数字经济做大做强［3］。然而，受限于跨领域数据链割裂、数据质量良莠不齐等普遍治理“顽疾”，加上不同区域间由于经济、人口、资源差异，带来的治理水平参差不齐，区域大数据治理问题现已成为产业数字化和数字产业化过程中亟需解决的痛点和堵点，一定程度上阻碍了区域数字经济的纵深发展。在此背景下，本文以行政区划中的省级行政区为例，聚焦我国31 个省域（港澳台除外），探究面向数字经济发展的区域大数据治理影响因素及其路径并进一步剖析影响路径异质性特征，具有重要的现实意义。

1 文献综述

1.1 大数据治理内涵相关研究

数据治理概念的提出最早可追溯至20 世纪80年代。随着信息化的深入发展，多源数据呈现出爆炸式增长态势，数据治理重心逐渐从企业数据资产管理向规模庞大、场景丰富的大数据上转移。关于大数据治理内涵，有学者将其解释为包括目标、权利层次、治理对象和实际问题在内的大数据治理［4］，还有学者聚焦数据治理生命周期定义其内涵［5］。此类研究多基于宏观概念体系对大数据治理进行界定。随着研究的深入，从中观管理规划和微观具体行为视角出发考量大数据治理问题引起了学者的重视。如Soares提出大数据治理是信息治理规划的重要组成部分［6］；梁芷铭认为大数据治理是人或组织利用技术工具挖掘大数据价值的行为［7］。

从应用领域上看，大数据治理研究还涉及政府大数据、企业大数据、科研大数据等，对于各领域大数据治理的内涵，学者们给出了较为灵活的定义。其中，政府大数据治理内涵界定是目前学界关注较多的话题。如Liu 等从场景化决策视角出发，认为政府大数据治理是服务、问题、环境和解决方案及其关联关系构成的系统［8］；白文琳基于协同创新理论指出政府大数据治理是由目标和愿景、参与者、流程等组成的复杂系统［9］。同样，在数字化背景下企业和科研大数据内涵阐释，也是学者们关注的重点所在。如陆兴凤和曹翠珍以利益相关者理论为基础提出企业财务大数据治理是研究企业财务大数据采集、开发和应用的管理机制，该过程涉及众多利益相关者［10］；佟泽华等构建了多螺旋联动模型，认为人员旋、服务旋、管理旋等多维旋是科研大数据治理的重要组成部分［11］。

1.2 大数据与区域治理相关研究

随着数据要素市场的逐步壮大，大数据治理的应用场景正在从政府、企业、社会等拓展到整个区域层面，相关研究也逐渐兴起，主要包括两个方面：一是关于大数据对区域治理赋能作用的研究。已有研究聚焦不同领域展开探讨，如在区域教育治理方面，郑旭东等提出要重视构建汇集不同教育场景数据的数据生态，以更好地提升区域教育治理的精细化及智能化［12］。在城市政府治理方面，王芳等对我国75个城市开展评价研究，发现各城市政府在运用大数据提升治理效能方面存在区域间不平衡［13］。还有研究聚焦于城市低碳治理［14］、长江流域生态环境治理［15］等探究大数据在此过程中的赋能作用；二是针对区域大数据治理本身的研究。这部分研究主要从区域大数据治理影响因素和治理路径方面进行探究。就前者而言，徐晓锋和王娟娟提出区域信息社会基础环境、区域信息社会发展需求等是我国西部大数据治理的重要影响因素［16］。曾桢等发现区域公共安全大数据治理成效受元数据标准缺乏、数据利用率低等影响［17］。此外，数据开放法律法规、互联网医疗平台建设等是区域医疗大数据体系构建的支撑要素［18］。就后者来看，马广惠和安小米对大数据治理实施路径开展探讨，发现省级和市级的治理路径存在差异，分别为重构式和探索式路径［19］。Li 等通过搭建医疗大数据治理框架，提出驱动领域、能力领域、支持领域是区域医疗大数据治理的主要路径［20］。此外，魏明珠等基于组态分析发现，结构优化型、用户需求牵引下资本和技术驱动型等5 条路径是全域产业数据治理能力提升的关键［21］。

既有研究聚焦大数据治理内涵产出了丰富的研究成果，但相关研究并未充分关注区域大数据治理方向，而区域大数据治理实际上涉及到各领域数据的治理，有必要进一步展开探究。此外，在大数据与区域治理相关方向，目前研究多集中探讨大数据对区域治理的赋能作用，而忽视了赋能过程中数据治理问题；针对区域大数据治理本身的研究尚未重视对区域大数据治理过程中多要素“联动效应”的揭示，且鲜有关于区域大数据治理路径异质性的讨论。鉴于以上分析，本文尝试提出如下研究问题：（1）哪些因素对区域大数据治理能力提升产生影响?（2）不同因素之间存在怎样的协同联动效应?（3）区域大数据治理协同联动效应在不同情境下是否存在异质性?围绕这些问题，本文拟在社会技术系统理论的基础上，提出面向数字经济发展的区域大数据治理分析框架，运用fsQCA 方法探寻区域大数据治理提升路径，并进一步剖析路径的异质性特征。

2 理论基础及分析框架

社会技术系统理论由英国学者Leavitt 首次提出，用以探究煤炭开采组织中技术变化与社会需要之间的关系，社会系统、技术系统及其相互作用关系是该理论关注的重点［22］。既有研究指出组织变革可以被看作是复杂多元系统，系统中包括两个子系统（社会系统、技术系统）和四个关键要素（人员、结构、技术、任务），子系统之间和要素之间既相互独立又交互共生［23］。当前，社会技术系统理论已被信息资源管理领域学者引入并应用于城市智能治理、替代信息搜索等研究情境中，多用来搭建理论模型或框架，为本研究构建面向数字经济发展的区域大数据治理分析框架提供了有益参考和借鉴。

从社会技术系统理论视角出发，本文认为面向数字经济发展的区域大数据治理可以被看作是以治理主体、组织结构、信息技术、数据赋能等为基础要素，社会和技术子系统在大数据治理能力提升过程中相互作用，共同致力于数据价值释放的复杂多元系统。在社会子系统方面，为释放数据要素价值，区域大数据治理主体通过转变治理理念，做出科学决策与规划，采取设立并健全治理组织、培养和引进治理人才等措施，借助技术手段赋能提升数据治理水平，持续释放数据要素价值；在技术子系统方面，通信网络、算力等新型基础设施建设以及人工智能、区块链等新兴技术应用，尤其是数智化的发展，赋予了大数据治理任务新的内涵，即以数智化为方式和手段，逐步完备区域数据开放、应用和服务等全流程价值链，培育与壮大区域数据产业体系，促进区域数字经济高质量发展。进而反馈于治理主体，激发其数据治理主观能动性并适当调整、改造相关技术以更好地提升数据治理水平。其中，子系统和要素的不健全以及彼此之间的不联通都会导致复杂多元系统的稳定性受阻。

基于上述分析，本文认为社会技术系统理论能够为讨论区域大数据治理问题提供合适的理论分析框架，并尝试从“人员-结构-技术-任务”维度确定面向数字经济发展的区域大数据治理提升路径分析框架（见图1）。

图1 面向数字经济发展的区域大数据治理组态分析框架

2.1 人员维度

（1）地方主要领导支持。面向数字经济发展的区域大数据治理不仅是“对数据的治理”，还是“依数据的治理”，后者将其导向为社会治理变革的新动力［24］，也就意味着区域大数据治理必须由地方政府牵头和领导。因此，地方主要领导支持被视为区域大数据治理的关键因子［25］，对决策规划生成落地、治理工作顺利开展产生直接影响［26］。

（2）地方数据人才支撑。跨学科、专业化的复合型人才队伍是数字经济时代区域大数据治理的重要保障。具体而言，公共管理、金融经济等管理型人才能够为大数据治理提供管理支持，数据科学、社会计算等技术型人才则是大数据治理的智力保障。此外，区域大数据治理各个环节需要依靠高质量人才队伍作用的发挥［27］，以实现数据治理的提质增效。

2.2 结构维度

（1）区域数据治理规划。宏观层面的战略规划和政策制定能够为区域大数据治理提供科学有效的行动指南。国外发达国家大数据治理实践经验表明［28］，数据治理的有效实施离不开相关战略规划和政策法规的指导和保障。数字经济时代，我国数据治理相关政策已完成向公共数据、行业数据等大数据治理主题的过渡，这些政策的颁布和实施将在规范数据治理过程、提升数据治理水平等方面发挥出关键作用，进而助力数字经济高质量发展的实现。

（2）区域数据治理组织。区域大数据治理目标的实现，需要有专门的组织结构对相关工作进行负责、指导、协调、监督以及评估。架构合理、职责明晰的组织结构能够为面向数字经济发展的区域大数据治理工作的开展“护航”［27］。国外数据治理先行国家拥有着系统的治理体制，尤其在数据治理机构建设上经验丰富［29］，如欧洲数据创新委员会、美国联邦首席数据官委员会等，在很大程度上提升了当地的大数据治理效能。

2.3 技术维度

（1）区域数据基础设施。数据基础设施是面向数字经济发展的区域大数据治理持续进行的“土壤”。区域数据基础设施以信息基础设施、融合基础设施等为基础，通过技术驱动赋能大数据治理，成为区域大数据治理水平提升的重要一环。既有研究指出，数据基础设施建设是数据治理措施的关键组成部分［30］，完备的数据基础设施能够为数据治理提供充分的保障，是数据治理作用发挥的关键。

（2）新兴信息技术应用。新兴信息技术是面向数字经济发展的区域大数据治理开展的技术基础。一方面，区域大数据对数据治理技术手段提出了更高的要求，而新兴技术的投入和使用，则有助于建构面向大数据全生命周期治理的技术支撑体系；另一方面，数据安全和隐私保护风险“居高不下”，而基于新兴技术开发的联邦学习、安全多方计算等数据保护和隐私计算技术的出现，与数据安全相关政策规范共筑数据治理的“安全堤”。

2.4 任务维度

（1）区域数据开放共享。在面向数字经济发展的区域大数据治理过程中，数据开放既是实现数据要素乘数效应发挥的方式，又是数据治理活动存在的意义所在。以数据产业发展为目标，区域大数据治理的关键任务在于以技术应用为手段，保障数据开放共享，实现数据红利最大化。此外，“深藏闺中”的数据并不能释放本身所蕴含的价值，开放共享才是目的，但海量数据中也充斥着数据“垃圾”，数据治理的存在即为了疏通数据“管道”，令其畅通无阻的开放和共享。

（2）区域数据产业发展。不断扩大数据产业规模，是面向数字经济发展的区域大数据治理的核心目标。不可否认，在政策环境、新兴技术等利好因素的共同作用下，我国大数据产业发展迅速，但区域间数据产业发展不平衡现象依旧存在。不同区域可能因为经济发展水平、技术应用能力等相对落后，而导致区域大数据治理效果不佳。那么此时的数据产业发展反而从目标转化为推力，倒逼数据治理主体开始重视并反思数据治理成效，进而通过宏观政策优化、技术手段升级等方式进一步提升数据治理水平。

3 研究设计

3.1 研究方法

定性比较分析方法（QCA）以案例研究为导向，基于集合论方法和布尔代数逻辑，架起案例研究涉及变量之间联系的“桥梁”，是一种兼顾定性与定量研究优势的组态分析方法［31］。模糊集定性比较分析方法（fsQCA）作为定性比较分析方法的主要类别之一，不仅能够揭示案例研究中的目标结果和前因条件之间存在的非线性、多重并发的因果关系，还可以刻画出不同案例中连续且模糊的变量特征，为变量精准赋值［32］。目前，该方法被广泛应用于管理科学、信息资源管理等领域，以探究促使复杂社会问题发生的典型原因组合。鉴于面向数字经济发展的区域大数据治理是不同子系统和要素之间交互共生形成的复杂多元系统，存在人员、结构、技术、任务维度在内的复杂协同关系，且部分前因条件为连续变量，需要借助“隶属度”模糊集赋值刻画其属性特征。因此，fsQCA 方法更适用于开展面向数字经济发展的区域大数据治理提升路径研究。

3.2 案例与数据来源

本研究选取我国31 个省市区域大数据治理情况作为研究案例。数据来源方面，结果变量“区域大数据治理能力”来源于中国电子信息产业发展研究院等发布的《中国大数据区域发展水平评估报告（2022 年）》，该报告提供了2022 年我国31 个省市在大数据基础环境、产业发展以及融合应用3 个关键维度的评估指数；前因变量的数据来自《数字生态指数2022》《2022 中国数字政府发展指数报告》等研究报告以及北大法宝、政府网站等渠道。

3.3 变量测量与校准

3.3.1 结果变量

区域大数据治理能力（ABILITY）。区域大数据治理目标在于引导和促进大数据相关产业的高质量发展，以持续增强其驱动数字经济发展的“引擎”作用。本研究选取区域大数据治理能力作为结果变量，具体以《中国大数据区域发展水平评估报告（2022年）》中大数据区域发展水平总体指数进行测量，该指数包括基础环境、产业发展、融合应用3 个一级指标以及若干个二级、三级指标，能够综合反映各地大数据发展水平。该指数越大，说明该区域大数据治理能力越强。

3.3.2 前因变量

（1）地方主要领导支持（LS）。领导关注和支持是面向数字经济发展的区域大数据治理必不可少的条件。研究以《中国政务数据治理发展报告》中一把手关注度得分为核心参考，即各地区党政主要领导在数据治理方面开展工作部署、出席相关活动等综合情况，并辅以政府网站、新闻报道等渠道信息得到领导支持情况。

（2）地方数据人才支撑（TS）。面向数字经济发展的区域大数据治理离不开数据人才支撑，数字领域的高素质人才、跨地域人才流动等是建构数据人才体系的重要组成。本研究采用北京大学大数据分析与应用技术国家工程实验室发布的《数字生态指数2022》中数字人力指数测量数据人才支撑情况。

（3）区域数据治理规划（GP）。各地区通过制定和实施大数据治理相关战略规划和政策法规为区域大数据治理指明方向，助力区域数字经济发展。本研究以各省市发布的涉及大数据治理的规划与政策等为判断依据，通过北大法宝数据库、政府官网、新闻报道等途径手动检索得到区域数据治理规划制定和实施情况。

（4）区域数据治理组织（GO）。设立专门的大数据治理组织机构能够有效提升面向数字经济发展的区域大数据治理能力，如省级大数据局、数据治理领导小组等组织机构。本研究以《2022 中国数字政府发展指数报告》中组织结构得分情况作为测量指标。

（5）区域数据基础设施（IC）。区域数据基础设施是面向数字经济发展的区域大数据治理基石，其发展离不开信息基础设施、融合基础设施以及创新基础设施的综合保障。本研究选取新型基础设施竞争力指数进行测量，数据来源于《中国新型基础设施竞争力指数报告（2022）》。

（6）新兴信息技术应用（TA）。新一代信息技术与区域大数据治理的深入融合应用，有利于形成面向数字经济发展的区域大数据治理新优势。参考于长钺等研究中的测量标准［33］，以信息技术服务业的年收入测度新兴信息技术应用情况，相关数据来源于《2022 年软件和信息技术服务业年度统计数据》。

（7）区域数据开放共享（OD）。区域大数据治理面向的是数据开放共享的全生命周期，数据采集、处理、开发利用等环节中出现的“数据烟囱”、数据安全等问题将影响面向数字经济发展的区域大数据治理成效。本研究以《2022 年中国公共数据开放省域报告》中我国各省市开放数林综合指数作为衡量指标，评价区域数据开放共享程度。

（8）区域数据产业发展（ID）。面向数字经济发展的区域大数据治理是数据产业发展的需求，区域数据产业规模增长与大数据治理体系的构建和完善关系密切。本研究选取《中国大数据区域发展水平评估报告2022》中的区域大数据产业规模指数测度区域数据产业发展情况（变量测量及数据来源见表1）。3.3.3 变量校准

表1 变量测量及数据来源

变量校准旨在为案例的原始数据赋予集合隶属度，是必要性分析前的重要步骤［32］。根据所收集样本数据的特征，借鉴现有研究［34］，采用直接校准方式进行校准，并将各变量样本统计按照四分位法设置校准锚点，即上四分位数（75%）、中位数（50%）、下四分位数（25%）分别作为完全隶属、交叉点、完全不隶属的锚点。其中，区域数据治理组织（GO）的统计数据按照样本统计数据的90%、50%、10%作为校准锚点［32，35］（具体变量校准情况及描述性统计见表2）。

表2 变量校准及描述性统计

4 实证分析

4.1 必要性分析

必要性分析的目的在于判断前因变量中是否存在促使结果发生的必要条件，通过分析得到结果（见表3）。根据Ragin 的研究可知，当必要性分析结果中某一变量一致性数值大于0.9 阈值时，可判定该变量为结果发生的必要条件，否则该变量即为结果发生的非必要条件［36］。为更直观地观察一致性数值大小，将其可视化呈现（见图2），其中显示包括缺失状态（～）在内的区域大数据治理前因变量的一致性数值均低于0.9 阈值。这表明，研究涉及前因条件中不存在产生高区域大数据治理水平的必要条件，即面向数字经济发展的区域大数据治理水平的提升是多重条件协同联动的结果，有必要进一步对此联动效应开展组态分析。

表3 必要性分析结果

图2 必要性分析结果可视化图

4.2 组态分析

为探究面向数字经济发展的区域大数据治理影响因素的协同联动效应，本研究对产生高水平的区域大数据治理前因条件开展组态分析。根据既有研究建议［32，37］，在真值表构建时将原始一致性阈值设置为0.8，PRI 一致性阈值设定为0.7，并结合至少保留75%观察案例的原则，将案例频数阈值设定为1，开展标准化分析。对于分析结果中的简单解和中间解，采用QCA 图示法予以展示：当简单解和中间解中同时包含某一条件时，将该条件视为核心条件，并用“●”表示；仅有中间解中包含时，则视为边缘条件，并用“●”表示；此外，“”表示核心或边缘条件不存在，空白则表示条件无关紧要。最终得到影响面向数字经济发展的区域大数据治理的提升路径汇总（见表4）。

表4 区域大数据治理提升路径

由表4 可知，面向数字经济发展的区域大数据治理提升路径共有5 条，路径一致性分别为0.927138、0.954442、1.000000、1.000000、0.993703，总体一致性为0.962086，总体覆盖度为0.623687，意味着在满足这5 条路径的所有面向数字经济发展的区域大数据治理案例中，约96%的区域大数据治理案例呈现出较高水平状态，且上述5 条路径能够对62%的区域大数据治理高水平原因进行解释。接着，根据Furnari等提出的组态命名要点［38］，依次将表4 中的路径命名为：“任务-规划联动型”“技术-结构主导型”“社会-技术全能型”“结构-技术赋能型”“组织-技术联动型”。总的来看，这些路径的核心构成要素均匀分布在社会和技术子系统中，说明单一系统无法推动区域大数据治理朝高水平方向发展，只有系统之间交互作用才能提升区域大数据治理效能。进一步，将上述路径按照各自特征提炼为3 种模式，即结构主导型（路径1+路径2）、技术主导型（路径5）、“社会-技术”全能型（路径3+路径4），并结合案例省市实际情况，阐释各模式的深层含义。

（1）结构主导型。结构主导型模式中，区域数据治理规划、数据治理组织等为核心条件，地方主要领导支持、非区域数据基础设施为边缘条件的区域大数据治理路径能够产生高水平的治理成效。这说明对于地方数据人才支撑、数据基础设施等仍需着重加强的省级政府而言，在地方政府的积极配合下，特别是数据治理规划和组织的强有力地支持下，能够实现面向数字经济发展的高水平区域大数据治理。该模式的典型案例省份为贵州、江西和广西。以贵州省为例，贵州高度重视大数据发展与治理，省政府领导班子亲自挂帅成立贵州省大数据发展领导小组，在行政、政策、组织等方面为大数据发展与治理提供了全方位保障。战略规划上，作为全国首个大数据综合试验区，贵州省紧抓发展机遇，推动了包括《贵州省大数据战略行动》等在内政策规划精准落地。另外，“云上贵州”等项目的深入推进以及地方性法规的不断出台，助力贵州省大数据共享开放连续多年走在全国前列。多重条件优势全面提升了贵州省区域大数据治理能力。

（2）技术主导型。技术主导型模式中，区域数据治理组织、新兴信息技术应用等为核心条件，区域数据治理规划、数据产业发展等为边缘条件的区域大数据治理路径能够产生高水平的治理成效。这表明一些领导大数据治理认知和意愿不够、数据人才资源相对落后等地区，如果在新一代信息技术应用方面保持现有的关注和投入，并继续加强数据治理组织在治理过程中的作用，也会获得较高的面向数字经济发展的区域大数据治理水平。该模式的典型案例省份是辽宁。作为传统工业大省，数字经济时代，辽宁省委、省政府高度重视技术与工业的融合发展，将以制造业与工业软件为代表的新兴技术作为重点发展目标，通过加大财政投入、扶持企业上市等方式助力新兴信息技术产业规模不断扩大，为区域大数据治理提供了充分的技术保障。此外，辽宁省大数据管理局的成立又对全域大数据治理的规划协调和指导监督形成强而有力的支持，进而促使辽宁省成为高水平区域大数据治理省份之一。

（3）“社会-技术”全能型。社会技术全能型模式中，区域数据治理规划、数据治理组织等为核心条件，地方主要领导支持、数据人才支撑等为边缘条件的区域大数据治理路径能够产生高水平的治理成效。说明若能够加快大数据治理人才、大数据产业高质量发展，并继续保持和巩固现有优势，部分省份将迎来更高水平的面向数字经济发展的区域大数据治理。该模式代表省份为浙江、上海、江苏、广东等。如浙江省作为全国区域大数据治理的“尖兵”“领雁”，在社会系统方面，政府积极主导，先后设立省大数据管理局、省数据管理中心，并成立领导小组承担相应工作。与此同时，《浙江省公共数据条例》等大数据治理促进政策亮点纷呈，依托优良的人才环境、创新型人才政策、以及浙江大学、阿里达摩院等人才平台，浙江省大数据人才队伍强大。在技术系统方面，浙江省政府牵头成立数字基础设施产业技术联盟，聚焦数据中心、工业互联网等基础设施建设，印发《关于支持信息服务业稳进提质的实施意见》布局新兴信息技术新赛道，培育相关技术应用新产业。依托浙江·数据开放等平台，融汇数据力量，释放数据价值。

4.3 稳健性检验

为评估组态分析结果的可靠性，本研究通过调整一致性阈值、PRI 阈值的方式，比较原组态与调整后所产生新组态之间的变化，开展稳健性检验［32］。（1）调整一致性阈值。将一致性阈值从0.8 上调至0.85，所得到的新组态与原组态相同，继续上调至0.9 时，原组态中的路径1（L1）被剔除，其余组态保持一致。（2）调整PRI 阈值。将PRI 阈值从0.75 下调到0.70，得到的新组态仍与原组态相同。综上，调整相关阈值后的新组态未发生变化或变化后仍为原组态的子集，且一致性和覆盖度对于结果的解释性未受影响。因此，可以认为已得分析结果较为稳健。

5 进一步讨论

面向数字经济发展的区域大数据治理是否会因区域特征、政策试点、数字经济发展水平的不同而呈现出差异化特征?为回答这些问题，本文从区域特征、试点效应以及数字经济发展水平3 个视角开展异质性分析（见表5），以更好地服务于区域大数据治理对策的制定。

表5 区域大数据治理路径的异质性分析

（1）区域特征的异质性。参考既有研究［39］，将案例样本按照区域特征划分为东部地区和中西部地区。从表5 中“区域特征”列的组态分析结果看，东部地区的E1 路径与社会技术全能型路径较为相似，在人员、结构、技术等方面均衡发展且优势显著，所涉及的浙江、上海等省市也多为全国区域大数据治理的领跑者。中西部地区的MW1 路径驱动条件均匀分布在社会和技术系统中，且没有出现核心条件；MW2 和MW3 路径以高治理规划和高基础设施建设为核心条件，领导支持、数据开放等为边缘条件，代表省份为重庆、江西、贵州等。对比发现，高治理规划和高基础设施建设是推动东中西部地区大数据治理成效提升的关键共通点，但东部地区在此基础上还存在显著技术优势且更加优质均衡，而中西部地区更依赖于社会技术系统的均衡发展且在部分条件上存在明显不足。

（2）试点效应的异质性。根据国家发改委等多部门批复的国家大数据综合试验区名单，将案例样本划分为国家大数据综合试验区和非国家大数据综合试验区。表5 中的“试点效应”列的分析结果显示，试点省份的Y1 路径以高领导支持和高技术应用为核心条件，辅以社会技术系统全要素支持实现高水平区域大数据治理，典型案例省份为上海。非试点省份N1 和N2 则以高人才支持和高产业发展为核心条件，治理组织、基础设施建设等为边缘条件，典型案例省份为湖北、湖南、浙江、江苏等。相比较发现，试点省份与非试点省份在治理规划、治理组织等边缘条件上存在相通点，这些条件均是助力产生高水平区域大数据治理的重要基础。然而，试点省份在领导支持和技术应用方面更具优势且辅助条件完备，原因在于作为试点省份，主要领导高度重视大数据相关工作开展，加上本身的人才、政策等固有优势，加剧了技术要素优势集聚，进而驱动区域内大数据治理更高水平路径的形成。

（3）数字经济发展水平的异质性。结合《中国数字经济发展指数报告》［40］将案例样本按照数字经济发展水平划分为数字经济发展高水平地区和数字经济发展非高水平地区。从表5 中的“数字经济发展水平”列的分析结果发现，高水平地区的H1 路径以高领导支持、高基础设施建设为核心条件，人才支持、治理组织等为边缘条件，代表省份为上海、浙江等。非高水平地区的NH1、NH2 和NH3 路径在社会系统不完善的情况下，依赖于高领导支持和高技术应用，并辅以基础设施建设、产业发展而产生高区域大数据治理水平，典型案例省份为贵州、辽宁、河南等。相比较而言，非高地区在社会子系统方面表现欠佳，其大数据治理的高水平发展更加依赖技术子系统的支撑。原因在于此类地区领导为促进数字经济发展，表现出数据治理的积极意愿，鼓励为数据治理营造良好技术环境，囿于组织机构、治理规划等工作落实不到位，尽管数据治理水平有所提升，但数字经济发展仍有待提升。

6 结论与启示

6.1 研究结论

本研究基于社会技术系统理论框架，采用fsQCA 方法挖掘“人员-结构-技术-任务”多维要素与面向数字经济发展的区域大数据治理的复杂因果关系，并结合数字经济背景下我国区域大数据发展的特定情景，进一步讨论了面向数字经济发展的区域大数据治理提升路径的异质性特征。研究发现：（1）地方主要领导支持、区域数据治理规划、区域数据基础设施等是影响区域大数据治理效果的主要因素，但单一因素并不是促使高水平区域大数据治理路径形成的必要条件；（2）产生面向数字经济发展的高水平区域大数据治理多元路径分别是“任务-规划联动型”“技术-结构主导型”“社会-技术全能型”“结构-技术赋能型”“组织-技术联动型”，进一步提炼为结构主导型、技术主导型以及“社会-技术”全能型3 种治理模式；（3）异质性分析发现：面向数字经济发展的区域大数据治理提升路径具有明显的区域特点、试点效应以及数字经济发展水平差异性特征，即东部地区、试点地区以及数字经济发展高水平地区的路径更加优质且均衡，而中西部地区更依赖于社会技术系统的协调发展、非试点地区更依赖于人才支撑和产业发展联动作用、数字经济发展非高水平地区则离不开领导支持和技术应用的交互协同。整体来看，各类型路径中社会技术系统的联动效应均较为显著，且技术子系统要素作为核心条件的赋能优势明显，尤其是新兴信息技术应用。相应地，在社会子系统中结构维度同样举足轻重。

6.2 启示建议

（1）重视社会与技术系统的深度融合。促进社会与技术系统的深度融合，将是推动面向数字经济发展的区域大数据治理实现提质增效的关键性举措。各地区应以数字经济发展为基础，秉持系统观念和全局视角，通过加强顶层设计、夯实融合基础、规范融合发展等系列措施，推动人员、结构与技术、数据的不断交互协同，并生成极具地区特色的数据治理赋能路径，提升数据治理效率，加强数据治理能力。

（2）充分发挥新兴信息技术赋能优势。研究结论表明新兴信息技术是面向数字经济发展的高水平区域大数据治理的重要支撑。数字经济发展过程中积累了海量的产业数据、科技数据、金融数据等，各地区需充分发挥以人工智能、元宇宙等为代表的技术优势，通过拓展和丰富技术应用场景、培养和壮大技术人才队伍、加快各行业数据治理同新兴技术融合发展等方式，为高效推进区域大数据治理，筑牢新兴技术底座。

（3）着力优化数据治理的规划及组织。不断健全和完善数据治理规划和组织，将为面向数字经济发展的区域大数据治理能力提升注入强劲动能。各地区需综合考虑本地数字经济发展及数据治理的实际情况，制定并细化与大数据发展行动、数据权益保护等相关的战略规划及法律法规。同时，应加快推进架构合理、职责明晰的组织机构建设进程，不断完善区域内各级政府间的沟通与合作机制，统筹推进大数据治理工作，以加强治理规范和引导。

本研究仍存在一些不足：第一，基于社会技术系统理论框架并结合既有文献关于区域大数据治理影响因素的探讨，确定组态分析开展的前因条件，从而限制了疏漏因素的纳入，后续将选择合适的理论框架拓展影响因素的广度和深度；第二，仅以全国31个省级行政区为案例样本，故研究结论对于其它区域是否具有普适性还有待验证，未来将通过扩大案例范围，更换数据来源的方式，尝试以城市层面为研究对象，提高结论的可推广性。此外，将异质性分析引入到组态分析中的研究发现，其适用性、合理性仍有待进一步探索。