王鹏 蒋翔宇 钟书丽 张瑶瑶

（1.北京市社会科学院，北京 100101；2.成都市智慧蓉城研究院有限公司，四川成都 611130）

数据是城市数字化转型的基础，而数据治理是数据价值挖掘、赋能数字化转型的根本前提和关键支撑。数据治理有狭义和广义之分，狭义的数据治理专注于数据本身，以数据归集、数据处理、数仓开发、数据分析和挖掘等技术手段来提高数据质量、确保数据安全；广义的数据治理还包含“依据数据的治理”，围绕数据全生命周期管理开展价值共创、场景驱动、安全与隐私保护等活动，最大限度实现数据共享开放利用，推动城市治理体系和治理能力现代化。本文旨在深入分析国内外城市数据治理的先进经验、治理现状与问题，提出城市数据治理体系建设的对策与建议。

一、数据治理体系是数字经济高质量发展的必要保障与重要前提

党的十八大以来，党中央、国务院从推进国家治理体系和治理能力现代化全局出发，围绕实施数字中国、网络强国、大数据战略等作出了一系列重大部署。2022年12月，中共中央、国务院先后发布了《关于构建数据基础制度更好发挥数据要素作用的意见》和《数字中国建设整体布局规划》，系统性部署了数据基础制度体系的“四梁八柱”和“2522”数字中国整体规划布局，强调打通数字基础设施大动脉，畅通数据资源大循环，促进数据高效流通使用、赋能实体经济，把安全贯穿数据治理全过程，构建政府、企业、社会多方协同治理模式，为数据要素治理和数据要素赋能社会经济发展指明方向。当前，数据治理已成为撬动数据要素市场、助推数字政府建设的必要保障，意味着从“以数据治理”向“对数据治理”的全面升级。通过数字技术的应用，加强数字基础设施建设，推进数字产业创新发展，深化数字政务改革等，推动经济社会高质量发展。同样，一个完善的数据治理体系也代表着实现数字经济高质量发展的成果。在政府部门、企业和社会多方的共同努力下，数据治理不仅能提高数据资源的利用效率，还将赋能实体经济，挖掘应用创新与效益增长的无限可能。因此，为实现数字经济的高质量发展，构建完善的数据治理体系至关重要。

二、城市数据治理体系构建：理论探索与实践经验

（一）城市数据治理体系的理论探索

目前，国内外学者对数据治理的研究正从过去对数据本身的治理向对政策体系、治理结构、框架模型、技术实现等全方位治理的研究转变，形成了深刻和前瞻性的认知，为城市数据治理提供理论指导。

国外的数据治理起源于企业数据资产管理。为了更精确地管理数据资源，确保数据质量，搭建数据治理模型的需求应运而生[1]。Cheng等学者构建起数据策略、数据管理、数据质量、数据运营、数据架构和数据安全六个维度的云数据治理成熟度评估指标体系[2]；Harwanto和Hidayanto基于斯坦福大学数据治理成熟度测量工具测量了数据治理计划的成熟度[3]；IBM数据治理委员会将数据治理要素划分为支撑域、核心域、促成因素和成果四个层级[4]；Petter Kvalvik等从智慧城市治理角度提出城市数据治理要基于明确定义的机制、程序和角色，平衡多元利益相关者[5]。通过相关学者对数据治理成熟度模型的研究，国外数据治理从多维度支持企业数据资产管理出发，已逐步拓展和延伸至政府数据治理阶段。

在国内，学者从宏观和微观两个角度探索数据流通和治理方式，从数据治理本身出发，将其拓展至针对社会转型、政策协调，模式流通等多重领域的建构完善。张康之从社会转型和社会治理变革角度，提出数据治理的概念包含双重内涵：一是依据数据的治理，二是对数据的治理[6]；梅宏也持类似观点，提出了数据治理“344”模型，包括协调好国家、行业、组织3个主体层次关系，资产地位确立、管理体制机制、共享和开放、安全和隐私保护4大数据治理内容，应用制度法规、标准规范、应用实践和支撑技术4大数据治理工具和手段[7]；安小米等提出了宏观层面的多元主体合作联盟共治、中观层面的多层次活动流程联通共生、微观层面的多维度要素联结共赢的大数据治理体系框架[8]；张会平则从微观层面提出数据治理体系中的四种数据流通模式，即政府数据免费进入市场、政府数据有偿进入市场、企业数据有偿用于治理、企业数据免费用于治理，在政企共建生态、政企合作共赢、政企议价博弈与政府统筹引领等方面，构建更加开放的城市数据治理体系[9]。

（二）国内外先进城市数据治理体系构建的实践经验

纵览全球，由于各国数字治理关注重点不同、发展程度有所差异，全球数字治理体系呈现出多元层次、多机制共存的格局。一是欧盟建立起一个庞大的政策法规框架，以支撑数据治理与数据资源流通。2018年，《通用数据保护条例》（General Data Protection Regulation，GDPR）生效，强调加强保护个人数据方面的基本权利；2022年，表决通过的《数据治理法案》（Data Governance Act，DGA）通过对公共部门的数据再利用制度、数据中介及通知制度和数据利他主义制度三大数据共享制度，形成从欧盟委员会、成员国、行业领域到企业的垂直治理模式。欧盟各法案条注重多层次推动城市数据治理。从个人层面看，在数据经济发展过程中，各法案条例注重保护个人基本隐私权利；从政府层面看，加强制度联动，推进垂直治理，以提高治理效率和有效性。二是美国发布的《数据治理手册》（Federal Data Strategy——Data Governance Playbook）要求各级组织建立数据治理机构，并出台《开放政府数据法》（Open Government Data Act）等多个法条，皆聚焦数据治理意识和协调机制，构建数字生态系统。从政策方向可以看出，美国政府在数据治理方面重在打造以标准赋能、平台建设、AI治理为手段，集目标协同、主体协同、客体协同、过程协同和要素协同“五位一体”的“嵌入式”数据治理协同生态体系。三是新加坡通过固有治理方式进行深层次改革，形成以数据驱动城市治理、以用户为中心的“智慧国”特色数据治理路径，将“数据治理”贯穿新加坡数字政府运行全过程，重视数据开放共享，搭建地理空间信息库（SGSPACE）来整合土地、人口、商业和公共安全四大数据中心。

国内城市同样贡献了有关数据治理的重要经验。例如，上海市以城市数字化转型倒逼数据治理能级提升。《上海市数据条例》明确了公共数据完整归集和按需共享机制，建立“三清单一目录”数据共享应用场景授权机制；基于“块数据”管理的市、区两级协同治理，围绕应用场景需求开展治理，打造数据治理四大工程；成立全国首个公共数据标准化技术委员会，发布标准化体系。北京市侧重于对数据的全生命周期管理，利用区块链等创新技术，保障数据与职责的强关联、数据变化的实时探知及数据访问的全程留痕[10]。浙江省打造一体化数字资源系统IRS，将数据资源纳入“一本账”管理，结合数据目录的全域性动态化管理、数据资源治理以及“数据高铁（数据的实时归集系统）”等创新举措，实现数据资源管理的智能化、自动化。成都市以“智慧蓉城”建设为牵引，推进数据资源“一网通享”。数据资源贯穿智慧蓉城“王”字型架构的“三级平台、五级应用”，实现多跨事件联勤联动处置；建设“报表通”平台，整合基层信息采集终端并融入城市数据资源底座。由此可见，国内重视建立数据治理标准，致力于打造数据共享机制，利用区块链等数字化技术创新管理手段，使数据治理的自动化和标准化水平得到进一步提升，提高数据资源治理质量，构建良性循环、动态更新的整体化数据治理体系。

总体而言，国内外领先城市的数据治理体系构建经验提供了如下几点启示。

（1）将数据治理理念深入贯穿于城市数字化转型中。数字城市的核心是在“以人为本”的基础上加强数据驱动，数据治理发展可以依托于城市已有资源体系，实现多平台、全生命周期的数据信息联动循环，从而在各个环节的分工协作上彰显主体治理价值，进而为城市数字化建设转型持续赋能。

（2）统一法规制度标准，清晰数据治理要求。相关部门需要以地方立法的形式，出台相关数据条例以支撑数据治理与数据资源流通。规范化体系的发布可以使数据治理相关标准得到确认，进一步规范了数据治理的相关行为，为后续治理要求、治理路径及治理工作的开展提供保障基础。

（3）建立技术支持体系，完善有效监督机制。数据治理体系的稳定实施需建立在完备的技术基础上，通过大数据、云计算、区块链等数字化技术，不断完善和优化从数据收集到处理应用的管理机制，提高数据质量，从而实现广泛的数据共享，使数据价值最大化。同时，政府需依据法律法规对数据治理行为进行持续性监督，解决数据安全和数据要素市场化的难题。

（4）构建政府主导、多方参与的数据治理体系。在场景建设牵引背景下，面向公民搭建开放数据库，增强基层获取数据的即时性、动态性，实现各类治理主体之间的良性互动。数据驱动城市治理重视多方用户的互动共建，引导高校院所、企业和个人融入城市治理和民生服务的数字场景建设，激发各类主体创造力，进一步释放经济活力。

三、当前城市数据治理体系中存在的问题

增强数据治理能力是提升城市治理水平的关键，从“对数据的治理”上升为“基于数据的治理”已成为理论界与地方实践的共识。同时，协同高效、治理精准、决策科学、人民满意的数字政府建设也离不开高效的数据治理作为基础支撑。然而目前，多地数据治理体系尚处于起步阶段，存在以下不足：

一是数据治理理念欠缺。数据治理理念贯穿城市数字化转型，但是除个别先进城市以外，国内整体对数据治理的认知不强，尚未建立起系统化的数据治理理念。而且，数据治理理念的欠缺弱化了采集、管理等环节对于数据质量的专注力，加之部分部门尚有较多历史数据未完成数字化，数据采集标准不统一、数据采集信息基础平台水平不一致等问题，使数据治理过程中存在的问题难以在短期内完全解决。

二是公共数据共享机制不畅，影响数据治理的工作效率与实施效果。一方面，部分城市已有的数据治理管理法规细节尚未厘清，例如因未能明确界定数据机制要求中有关数权责任、考核机制、质量评估的标准规范，导致各部门缺乏共享数据的动力，数据汇集治理成效不高、共享不及时，难以形成有效的治理闭环。加之公共数据共享安全性缺乏一定的保障，受制于有限技术，各级部门若想推进数据治理落地，就不得不承担一定程度的数据泄露风险，后者更进一步降低了相关部门数据共享的积极性与主动性。另一方面，部分地方已出台的管理办法难以与实际业务相匹配，从而造成执行层面的实施效果大打折扣。此外，在数据进行收集的初始阶段，当前仍存在基层对数据进行采集却无法将其归集、数据难以回流的棘手问题，从根源上影响了数据治理效能的发挥。

三是数据管理机制尚不健全，公共数据全生命周期管理机制尚未充分建立。公共数据采集、传输、存储、处理、使用、退役的全过程都需要有效地管理。公共数据管理机制在广义上涉及政策、标准、工具和技术等诸多方面，其目标是确保公共数据的质量、一致性、安全性和可用性。然而，当前国内公共数据管理机制尚不健全，相关标准规范匮乏。例如，虽然内蒙古自治区制定了《政务数据生命周期管理规范》这一地方标准，但更多地区、更高层次的标准仍待探索。公共数据全生命周期管理机制尚未充分建立的状况可能导致公共数据的质量、安全性、准确性和完整性不能得到有效保障，进而影响数据的共享、开放与利用。

四是应用场景开发不足，公共数据赋能城市治理场景的广度和深度有待进一步提升。面向社会的数据开放范围不够，普遍存在公共数据下载转化率不高、更新不快、覆盖部门不全等共性问题。短时间内纵深跨业务、跨部门的数据协同和场景落地还需要结合精细化治理的思路逐步开展。数据对传统生产要素的融合、倍增价值难以充分释放。此外，社会力量参与不足，产业孵化、示范带动不强，新场景新模式新应用开发薄弱，对数字经济的促进作用有待提高。

四、推进城市数据治理体系建设的对策与路径

面对上述问题，需要以系统化思维推进城市数据治理体系化建设，将数据治理融入政府决策、政务服务、城市治理。以业务数据化、数据资产化、资产要素化、要素价值化为目标，以城市数字化转型实际发展诉求为驱动力，完善数据治理制度设计，释放数据要素赋能价值，推动多方协同治理，构建科学、敏捷、优质的城市数据治理体系。

（一）加强数据治理理念与业务培训，提升数据治理能力

定期举办干部队伍数据治理培训、研讨活动，常态化运用跨部门、跨层级协同工作方式，提升“数据治理”思维，打破“不愿共享、不敢共享、不能共享”的传统观念。推行基层“一套表”制度，解决基层数据多次采集、重复填报等问题。重视基层工作人员在数据收集及应用层面的基础能力与实操能力培训，提升基层数据资源整合水平，从源头保障数据质量。

（二）加快推进数据汇集共享与开放利用，夯实数据资源底座

以地方性法规推动数据治理机制建设，加强数据治理工作的统筹协调。增加共享评估机制，评估内容应包括数据的规范性、完整性、准确性、时效性、可用性和稳定性等。工作人员在此基础上对评估结果进行定期通报，实现对数据共享工作情况的督促落实。具体而言，一是政府可着力构建国家－省－市－区（县）－基层数据回流机制，梳理形成基层所需高频数据目录清单，将数据分类后批量化、分地域回流基层，在减轻基层负担的同时赋能数据汇集的活力潜能。二是针对部门协同领域，公共数据共享机制与通道有待优化。只有打破“数据孤岛”，才能更为广泛地听取社会“声音”，推动政务部门和公共企事业单位数据资源集中向社会开放，重点推动信用、交通、医疗、卫生、就业、社保、教育、金融等民生保障服务相关领域的数据向社会开放，提高公共数据社会化利用水平。同时，可以通过公共数据开放创新应用大赛等方式，鼓励企业、社会组织、个人参与数据价值挖掘和应用创新[11]。三是从社会公众的使用便捷度入手，优化公共数据开放平台功能，提高用户获取开放数据的数量。

（三）建立数据质量全周期管理机制，强化数据安全保障

编制数据全生命周期质量管理标准细则，全面规范公共数据采集、归集、整合等全过程、各环节的质量管理细则。同时，要建立数据质量反馈纠错机制，落实数据提供单位数据质量的主体责任，依法依规纠正数据错误。此外，要建立数据安全评估制度、安全责任认定机制和重大安全事件及时处置机制，完善数据共享开放全周期安全保障措施，做好隐私保护。加强公共数据风险感知和监测预警能力建设，实施动态管理、持续监测和主动防控。

（四）加强场景驱动的数据治理，促进数据赋能场景

坚持政府、市场、社会、公众等多元主体参与和共建共享的原则，推动多元主体之间的协同治理。搭建政企数据、算法、场景供需对接平台，通过政企数据、企企数据融合创新场景开发，广泛吸纳企业、科研机构、高校智库积极参与到城市数据治理工作中，形成共建共治、共享共赢的数据治理空间，用治理生态赋能城市精细化管理与数字化转型。