劉新萍 董萬怡夢
上海理工大學 上海 200093
自2009年美國簽署《開放透明政府備忘錄》以來,數據開放在全球范圍內掀起浪潮。截至2020年,全球擁有開放政府數據門戶的國家數量為153個,其中,59%的國家制定了政府數據開放政策[1]。我國政府也致力于推進政府數據開放,在國家層面連續(xù)出臺系列法規(guī)政策文件,如2018年由中央網信辦、發(fā)展改革委、工業(yè)和信息化部聯合印發(fā)《公共信息資源開放試點工作方案》,在全國五省市開展公共數據開放試點工作[2];2020年中共中央、國務院《關于構建更加完善的要素市場化配置體制機制的意見》中明確數據是新型生產要素,并強調要推進數據開放[3];2021年頒布的《中華人民共和國數據安全法》中指出國家應制定政務數據開放目錄,構建政務數據開放平臺,推動政務數據開放利用[4]。除此之外,公共數據開放也被寫入《中華人民共和國國民經濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》,明確提出要擴大基礎公共數據安全有序開放,探索將公共數據服務納入公共服務體系[5]。在此背景下,地方政府也積極開展公共數據開放工作,上海、浙江、山東等多省市出臺專門針對政府數據開放的法規(guī)政策文件,探索多元開放方式,促進公共數據開放利用。
根據復旦大學和國家信息中心數字中國研究院聯合發(fā)布的《中國地方政府數據開放報告:指標體系與城市標桿》,截至2021年4月底,我國共有156個城市(含直轄市、副省級與地級行政區(qū),不含港澳臺)已上線城市數據開放平臺[6]。政府數據開放已經成為推動政府治理升級、經濟創(chuàng)新與社會發(fā)展的重要組成部分,但各地政府數據開放水平參差不齊。準備度是政府數據開放的基礎和支撐[7],其對政府數據開放水平的支撐性影響已經得到學界證明[8],但鮮有學者深度剖析準備度的各要素中哪些才是關鍵要素?各地在實踐中形成了哪些要素組合類型?為此,本研究從政府數據開放準備度切入,采用超越定性與定量研究結合的模糊集定性比較分析方法(fs/QCA),選取《中國地方政府數據開放報告:指標體系與城市標桿》準備度的十個評估指標作為條件變量,即文本效力、數據開放要求、數據利用要求、數據安全管理、保障機制、統籌管理體制、領導重視、年度工作計劃與方案、數據標準規(guī)范、平臺標準規(guī)范,選取報告綜合指數作為結果變量,以報告排名前15的城市為研究對象,分析地方政府準備度的關鍵要素,厘清不同要素的組態(tài)路徑,分析不同要素組態(tài)對政府數據開放水平的影響,并對各地開展政府數據開放的準備度要素供給提出政策建議。
政府數據開放一直是國內外該領域學者和實踐者研究的熱門話題,“數據開放準備度”是衡量一個地方在數據開放方面的政治、經濟和社會的準備程度[9],對政府數據開放具有重要影響。
“準備度”是進行政府數據開放的先決準備條件,其涵蓋范圍廣泛,被認為是數據開放的“基礎”[9]。國際組織將“數據開放準備度”作為單獨的分析框架或專門的分析維度進行評估,以衡量一個國家或地區(qū)進行數據開放的準備情況。例如,由萬維基金網發(fā)布的《開放政府數據:印度尼西亞準備度評估(Open Government Data Readiness Assessment Indonesia)》初步構建了針對準備度的六維框架,包括政治、組織、法律、社會、經濟和技術[10]?!堕_放數據晴雨表(Open Data Barometer)》在此基礎上改進了準備度的評估指標,包括政策法規(guī)、政府行動、企業(yè)家與商業(yè)、公民與市民社會四個方面[11]。世界銀行專門開發(fā)了針對準備度的評估框架(Open Data Readiness Assessment),包括政策/法律框架、體制結構、政府責任及能力、政府數據管理、政策及數據可用性、高級領導力、開放數據需求、公眾對于開放數據的參與和能力、開放數據項目融資、國家技術與技能基礎等[12]。此外,《歐洲開放數據成熟度報告(Open Data Maturity Report)》于2018年更新評估指標體系,將原先以“準備度”和“成熟度”為關鍵指標的評估范圍擴大到四個方面,即政策、影響、門戶和質量,更加關注開放數據的質量、開放數據的重復使用和影響[13]。
除了國際組織開展的“數據開放準備度”評估外,也有學者認識到開放數據準備度的重要性并試圖構建準備度的評估框架。如Zuiderwijk等[14]建立的開放數據政策評估框架,包括環(huán)境和背景、政策內容、績效指標和公共價值四方面。Nugroho等[15]在Zuiderwijk等研究基礎上,增加了對數據的可用性、可預測風險、效益與動機、公眾影響、文化價值等方面的評估。Nerurkar等[16]提出了開放數據準備度評估的12個關鍵要素,包括法律合規(guī)性、知識產權保護、互操作性、數據隱私、靈活性、安全、責任和所有權、合作潛力、開放后影響、效率、可持續(xù)性、數據整合開放的可能性,并對印度政府的兩個開放數據項目進行分析。劉新萍等[8]在借鑒國際數據開放評估指標體系基礎上,立足我國政府數據開放實踐,構建了包括法規(guī)政策效力與內容、組織與領導、標準規(guī)范的準備度評估指標體系。
準備度各要素及其對數據開放的影響也是學界關注的熱點話題。研究發(fā)現,法規(guī)政策是影響數據開放的重要因素[17]。法規(guī)政策是指對政府數據開放相關環(huán)節(jié)作出規(guī)范性要求的法律法規(guī)和政策文件,是推進政府數據開放的法治基礎和重要依據[8]。法規(guī)政策的指導作用體現在文本效力與政策內容兩方面,一方面,政策法規(guī)位階會影響數據開放監(jiān)管措施的落地,完善政府數據開放監(jiān)管法規(guī)政策體系過程中應明確政府開放數據范圍[18];另一方面,從法律和國家戰(zhàn)略層面明確政府開放數據的要求[19]與數據開放范圍[20,21],減少在數據開放法規(guī)政策中內容不夠細化的問題。同時,諸如數據質量[20]、公眾參與程度[22]、數據安全與個人隱私保護等方面[21,23],更需要從法律層面加以明確。
組織要素是數據開放的重要支撐[24],需要通過組織安排進一步明確“誰去做”與“如何做”。數據開放需要建立自上而下的行政管理機構和設置專門的數據管理人員[20]。趙玉攀[25]通過實證研究證明開放政府數據的組織制度越詳細,開放政府數據指數就越高,組織制度能夠為政府數據開放的實施提供基礎,如高層管理支持[26]、政府數據開放的領導和行政協調機制[26]、政府機構的技術能力與組織制度[27],有利于在數據開放政策執(zhí)行過程中明確權責,避免推諉。鄭磊[28]認為制定切實的行動計劃與年度方案是開放政府數據發(fā)展的重要支撐。
標準規(guī)范是在一定的范圍內大家共同且重復使用的一種規(guī)范性文件[29],是推進數據開放工作最常見的長效運行機制[30]。缺少統一的標準規(guī)范會制約政府數據開放進程,導致數據分散,難以整合利用[8]。
良好的開放數據生態(tài)環(huán)境有利于保障政府開放數據價值產生與增值[31]。開放生態(tài)主要包括社會、經濟、技術、文化環(huán)境等因素[32]。趙需要等[33]從需求端探究數據開放生態(tài)鏈形成機理,認為發(fā)現公眾需求有利于挖掘政府數據的價值。白獻陽等[34]指出,價值目標是數據開放生態(tài)系統的構成要素之一,并受到文化與其他要素的協同影響。同時,新興信息技術的發(fā)展,如大數據、人工智能等,也會對數據開放的技術生態(tài)帶來影響顯著[35]。
隨著我國數據開放實踐的發(fā)展,準備度對數據開放的影響不僅局限于單一要素的影響,在實踐中還出現多要素聯動的特征。朱玲玲等[36]以省級地方政府的數據開放為例,認為數據管理、數據利用、安全保障、部門職責的組合能夠提升數據開放效果。湯志偉等[37]從資源基礎視角出發(fā),探究省級政府數據開放績效的影響路徑,發(fā)現盡管在其他資源配置水平不佳的情況下,法律法規(guī)、組織執(zhí)行與標準規(guī)范的良好組合能夠生成較高的政府數據開放水平。上官莉娜等[38]發(fā)現省級政府通過領導高位推動開放政策執(zhí)行,發(fā)揮領導重視與政策法規(guī)聯動作用,能夠推動數據開放工作依法有序開展。
從前述分析來看,已有評估報告和研究文獻中所涉及的準備度要素可以總結為法規(guī)政策(關于數據開放利用和安全保護的要求、法律基礎等);組織管理(如體制結構、政府責任與能力、領導力、實施計劃等);標準規(guī)范(保障數據可用性、互操作性、數據可持續(xù)性等的標準);開放生態(tài)(經濟發(fā)展水平、文化價值、技術基礎、公眾需求與能力等)四大方面。考慮到開放生態(tài)的涵蓋范圍較廣,缺乏科學的衡量依據,且國內政府數據開放的總體大環(huán)境較為接近,故本研究中不再將開放生態(tài)作為一個維度進行研究。本研究認為,準備度各要素在對開放數據水平的影響中會呈現出不同的組態(tài)路徑,基于此,構建了“準備度要素、要素組態(tài)與開放數據水平”的分析框架,如圖1所示。
圖1 準備度要素、要素組態(tài)與開放數據水平
關于準備度要素對數據開放的影響,現有研究多為定性分析,較少引用定量研究方法去識別準備度要素及其組態(tài)關系,對地方政府準備度要素與數據開放水平差異之間的邏輯關聯的解釋不足。因此,本研究將利用模糊集定性比較分析方法(fs/QCA),對政府數據開放準備度的要素組態(tài)與數據開放水平的關系進行深入探究,進而為我國數據開放的準備度水平提高提供可靠且有效的推進路徑。
定性比較分析(Qualitative Comparative Analysis,下文簡稱QCA)由查爾斯·拉金(Charles C.Ragin)首次提出,是介于案例導向的質性分析與變量導向的定量分析之間的一種研究方法[39],能夠系統有效地處理多個案例,簡化各影響要素間的復雜互動關系,同時精準定位案例。QCA主要包括清晰集定性比較分析(cs/QCA)、多值集定性比較分析(mv/QCA)和模糊集定性比較分析(fs/QCA)三種操作方法[40]。其中fs/QCA適用于連續(xù)變量,相較于cs/QCA與mv/QCA能夠更充分的展示前因條件在不同水平或程度上變化產生的細微影響。fs/QCA能夠處理中小樣本的案例,且能夠解釋非對稱因果關系,因此,本研究將選取fs/QCA來解釋政府數據開放準備度要素間的關系,并采用fs/QCA3.0軟件進行分析。
《中國地方政府數據開放報告》和“中國開放數林指數”由復旦大學與國家信息中心數字中國研究院聯合發(fā)布,是我國首個專注于評估政府數據開放水平的專業(yè)報告和指數,已連續(xù)五年對地方政府數據開放進行綜合評價。該指數將評估對象劃分為省域和城市兩個層次,而城市是生活的重要場景,是一個復雜的“空間”和“聚落”,城市數據具有多樣性、動態(tài)性、高密度等特征,對城市數據的開放利用更易帶來巨大的社會經濟價值[6]。
因此,本研究以2021年7月發(fā)布的《中國地方政府數據開放報告:指標體系與城市標桿》為依據,選取市級綜合指數排名前十五的城市作為案例,分別包括上海市、青島市、福州市、貴陽市、濟南市、深圳市、煙臺市、日照市、寧波市、杭州市、溫州市、臨沂市、臺州市、德州市和濰坊市。之所以選擇排名靠前的案例,一方面由于這些案例在一定程度上代表了我國城市政府數據開放的水平,且這些城市準備度也體現出差異化特點,分析其背后的影響因素對其他地方具有較強的借鑒意義;另一方面,就當前的發(fā)展階段來看,排名靠后的多數城市總體數據開放水平和準備度水平均表現較弱,不易發(fā)現其內在關系。
本研究采用2021年7月發(fā)布的《中國地方政府數據開放報告:指標體系與城市標桿》的原始數據開展分析。該報告的準備度評估是通過門戶網站或其他公開渠道,將有關數據開放的法規(guī)與政策文本、標準規(guī)范、年度工作計劃、新聞報道、主管領導及公開講話、主管部門設置等信息進行人工收集。同時,為保證采集信息的準確與全面,部分指標也采用了向各地征集的方式。研究者按照評估指標體系對數據進行描述性統計與文本分析,基于各地在各項指標上的實際表現從低到高按0至5的分值評分,最終將每個單項指標的分值乘以相應權重得到各指標的得分[6]。
2.4.1 結果變量
數據開放水平是地方政府數據開放與利用情況的綜合體現,是本研究的結果變量。結果變量的測量選用了《中國地方政府數據開放報告:指標體系與城市標桿》的城市綜合指數得分。
2.4.2 條件變量
《中國地方政府數據開放報告:指標體系與城市標桿》的準備度評估包括法規(guī)政策效力與內容、組織與領導、標準規(guī)范三個一級指標,每個一級指標下設多個二級指標,這些二級指標共同構成了本研究的條件變量[6]。各條件變量及變量說明參如表1所示。
表1 條件變量與說明
校準是給案例賦予集合隸屬的過程,fs/QCA中隸屬度的概念拓展了定性比較分析(QCA),其中借鑒清晰集定性比較分析(cs/QCA)和多值集定性比較分析(mv/QCA)構建模糊集,包括二元校準(0、1)、三值模糊集、四值模糊集(0、0.33、0.67、1)和連續(xù)模糊集等,共同點在于0代表“完全不隸屬”該集合,1代表“完全隸屬”該集合。研究者需要根據原始的數據分布,將理論知識與實際案例相結合,選取合適的校準錨點。
數據校準包括直接校準與間接校準兩種方法。本研究采用直接校準法。對于結果變量與五個條件變量,即數據開放要求、數據利用、數據安全管理、數據保障機制、統籌管理機制,采用95%、50%、5%分別為變量的完全隸屬點、交叉點、完全不隸屬點[41],在fs/QCA的calibrate校準程序中輸入相應數值,能夠簡易高效的進行模糊集校準??紤]到在軟件校準當中,恰好在0.5隸屬度的案例會被從分析中刪除。為了克服這個問題,借Fiss[42]的建議,將隸屬度為0.5的值設定為0.501。變量校準詳細內容 見表2。
表2 變量校準表
在進行真值表分析之前,QCA需要對單個要素進行必要性檢驗。QCA使用一致性(Consistency)來衡量充分條件的非對稱性。當一致性大于臨界值0.9時,則認為該條件變量是結果變量的必要條件。QCA使用覆蓋度(Coverage)來衡量多大程度上保證條件變量集合是達到結果變量集合的唯一路徑[43]。
必要條件分析如表3所示。從表中結果為高數據開放水平的分析結果來看,數據開放水平的各個條件變量的一致性并未達到臨界值0.9以上,可見單個條件變量均不是影響結果變量的必要條件,即單個條件變量對結果變量的解釋力度不足,說明單一條件變量并不能決定市級政府的數據開放水平。
表3 必要條件分析
根據表3對低數據開放水平的分析結果來看,“~數據開放要求”、“平臺標準規(guī)范”的一致性高于臨界值0.9,表明“~數據開放要求”、“平臺標準規(guī)范”可能是解釋較低數據開放水平的必要條件,“~數據開放要求”的覆蓋度相對更高,達到0.775,其對低數據開放水平的解釋力度更大,也就是說,當地方政府的數據開放水平較低時,往往這些地方的法規(guī)政策中都可能缺乏對數據開放的明確要求,但數據開放要求不明確,并不必然導致數據開放水平低。
3.2.1 高政府數據開放水平的組態(tài)分析
在fs/QCA3.0軟件中選擇相應變量構建真值表,通過以下兩種標準進行案例定義,保證組態(tài)的解釋力度。第一個標準是確定一致性閾值,一致性門檻值(raw consist)設定大于等于0.80是可接受的[44]。第二個標準為PRI一致性(PRI consist)。
本研究將一致性閾值設定為0.80,案例閾值設定為1,保留所有案例后進行標準分析(Standard Analysis)可以得到三類解,分別是復雜解(Complex Solution)、中間解(Intermediate Solution)以及簡約解(Parsimonious Solution)。組態(tài)結果中展示中間解,將簡約解與復雜解嵌套對比來識別條件,即在簡約解和復雜解中同時出現的條件變量為核心條件,其余變量為邊緣條件[39]。中間解借鑒查爾斯·拉金(Charles C. Ragin)的QCA結果呈現形式[44](見表4)。
表4 高數據開放水平的分析路徑
由表4可知,高數據開放準備度的輸出路徑主要有5種,且每條路徑的一致性都高于0.85,總體一致性為0.949,說明這些路徑組合的解釋力較強,實證分析具備有效性,其總體覆蓋度為0.519,超過臨界值0.5。在五條路徑中,數據開放要求作為核心要素覆蓋了其中四條路徑,可見在法規(guī)政策中明確數據開放要求對數據開放實踐工作的重要性。
本研究根據各個路徑的特點進行歸納整合,各城市數據開放準備度各要素呈現出三種組態(tài),分別是要素均衡支撐型、法規(guī)政策驅動型、要素整體薄弱型。
(1)要素均衡支撐型:即準備度各要素均已達到一定水平,整體表現較好,能對政府數據開放提供有力支撐,滿足該特點的為路徑1,典型案例為青島市,且青島市在2021年上半年的開放數林指數排名為第二名。在法規(guī)政策效力與內容方面,青島市出臺了規(guī)范性文件《青島市公共數據開放管理辦法》[45],對數據開放范圍、數據利用、數據安全、保障機制等內容進行統一規(guī)定。在組織與領導方面,青島市設立青島市大數據發(fā)展管理局,明確了其在促進政務、民生、產業(yè)領域中各類數據資源共享開放的職責。在標準規(guī)范方面,青島作為山東省下設地市,執(zhí)行山東省省級政府制定的關于開放數據的標準規(guī)范,包括《DB37/T 3523.1-2019公共數據開放第1部分:基本要求》《山東省公共數據開放技術規(guī)范》《DB37/T 3523.3-2019公共數據開放第3部分:開放評價指標體系》[46]等。法規(guī)政策的完備、組織架構的明確、高層領導的支持以及標準規(guī)范的制定都使促成了青島市數據開放的領先地位。
(2)法規(guī)政策驅動型:即準備度中以法規(guī)政策為主要驅動力,促進政府數據開放的發(fā)展,滿足該組態(tài)的有路徑2、路徑3和路徑4。這說明數據開放法規(guī)政策的出臺對帶來地方政府數據開放的高水平有重要影響。符合路徑2的案例為貴陽市、溫州市。以貴陽市為例,在法規(guī)與政策層面,貴陽市自2016年開始相繼出臺了《關于貴陽市加快推進政府數據共享開放的實施意見》[47]、《貴陽市政府數據共享開放條例》[48]、《貴陽市政府數據資源管理辦法》[49]、《貴陽市政府數據共享開放考核暫行辦法》[50]、《貴陽市政府數據共享開放實施辦法》[51]等一系列法規(guī)政策文件,通過等級較高、專門性較強的法規(guī)政策來規(guī)范和推動政務數據資源開放工作,明確各數據開放相關部門的職責分工。符合路徑3的案例有上海市和福州市。以上海市為例,在法規(guī)政策方面,上海市出臺了《上海市公共數據和一網通辦管理辦法》[52]、《上海市公共數據開放暫行辦法》[53],對數據開放的各項工作等做出了細致要求。自2014年起,上海市開始發(fā)布公共數據資源開放年度工作計劃與方案,明確公共數據重點開放領域。2019年發(fā)布了《上海市公共數據開放分級分類指南(試行)》[54],對數據的分級分類開放等加以規(guī)范??梢娚虾J行纬闪讼鄬ν晟频墓矓祿_放法規(guī)政策體系,以促進和規(guī)范公共數據開放的發(fā)展。符合路徑4的案例為寧波市。寧波市出臺了規(guī)范性文件《寧波市公共數據管理辦法》[55],明確數據開放要求,強調數據開放過程中的安全管理。
(3)要素整體薄弱型:政府數據開放準備度各個要素整體薄弱,但政府數據開放水平表現卻較好,滿足該特點的為路徑5,典型案例為深圳市。截至2021年5月,深圳市尚未出臺過與數據開放有關的法規(guī)政策或年度工作計劃與方案(注:本研究的數據采集時間截止至2021年5月,深圳市于2021年6月出臺的《深圳市數據條例》未納入本研究的數據范圍)。在組織與管理方面,盡管深圳市成立了政務服務數據管理局,但在領導重視和年度工作計劃與方案方面表現較弱。在標準規(guī)范方面,深圳市落實廣東省發(fā)布的《DB44/T 2111-2018電子政務數據資源開放數據管理規(guī)范》《DB44/T2110-2018電子政務數據資源開放數據技術規(guī)范》[46],對深圳市數據分級分類、開放數據規(guī)范、開放平臺運維等進行管理。
盡管深圳的數據開放準備度各要素總體表現相對較低,但由于政府數據開放是一個生態(tài)系統[32],深圳市地處珠江三角洲城市區(qū)與粵港澳大灣區(qū),地理位置優(yōu)越,吸引新興產業(yè)、高新技術產業(yè)、金融業(yè)聚集,能夠吸引數據利用主體對數據進行創(chuàng)新利用。因此,也帶來了較高的數據開放水平和利用水平,但具體影響機制仍需在未來的研究中開展深度分析。
3.2.2 低政府數據開放水平的組態(tài)分析
本研究進一步對“高數據開放水平”的“否集”展開分析,探究導致“高政府數據開放水平”與“低政府數據開放水平”原因的“非對稱性”如表5所示。
表5 低數據開放水平的分析路徑
在“低數據開放水平”所展示的路徑中,總體一致性和總體覆蓋度分別為0.729和0.977,均高于臨界值0.5,表明實證分析結果有效。
在四種路徑中,核心條件分別包括數據利用要求、數據安全管理和平臺標準規(guī)范,其中數據利用要求和數據安全管理在四種組態(tài)中都有所缺失,可見二者是制約地方政府數據開放水平發(fā)展的重要因素。同時,平臺標準規(guī)范作為低政府數據開放水平的核心要素,說明了地方政府較好的貫徹執(zhí)行省級標準規(guī)范,但標準規(guī)范應當與其他條件變量相組合,才能發(fā)揮其作用,共同促進政府數據開放。
綜合來看,導致“政府數據開放水平”的條件要素具有“非對稱性”,“非對稱性”包括“條件作用的非對稱性”和“因果的非對稱性”。條件作用的非對稱性指某一組態(tài)中的核心要素,在另一組態(tài)中可能為輔助要素,如準備度中法規(guī)政策的完善能夠提高政府數據開放水平,但也存在準備度中法規(guī)政策薄弱且具備較高政府數據開放水平的案例。因果的非對稱性是指導致“高政府數據開放水平”的原因與其“否集”并非相互對立,即促使高政府數據開放水平的要素與低政府數據開放水平的缺失要素不是完全對立的。
QCA的穩(wěn)健性檢驗方式較多,主要通過合理調整相關參數的設定來檢驗結果的變化。常用的方法主要有4種,分別是提高一致性門檻值(raw consist)、提高PRI一致性(PRI consist)、改變最小案例數頻率(cases)、改變校準依據。
本研究在進行穩(wěn)健性檢驗時,將一致性門檻增加為0.85,最小案例數量為1,組態(tài)分析結果所展示的路徑與前文所討論的路徑基本一致,且總覆蓋率、總一致性相差不大,組態(tài)結果所對應的案例與前文一致。因此,可以判斷本研究的分析結果具有穩(wěn)健性。
本研究得出以下結論:第一,基于必要條件分析發(fā)現,單一要素無法促成高水平的政府數據開放。第二,通過對高政府數據開放水平的組態(tài)分析發(fā)現,法規(guī)政策明確數據開放要求往往更容易促成高水平的政府數據開放,但該要素并不是必要條件。第三,將組態(tài)路徑進行歸納整理后發(fā)現,政府數據開放準備度可以劃分為三種組態(tài),分別是要素均衡支撐型、法規(guī)政策驅動型、要素整體薄弱型。第四,通過對低政府數據開放水平的組態(tài)分析來看,數據利用要求、數據安全管理和平臺標準規(guī)范是低政府數據開放水平的核心要素,即如果地方政府在數據開放的法規(guī)政策中沒有明確對數據利用要求、數據安全管理做出規(guī)定,也未制定平臺標準規(guī)范,那么將不利于提高政府數據開放水平。第五,綜合兩類組態(tài)分析可知,政府數據開放水平具有“條件作用的非對稱性”和“因果的非對稱性”,不能簡單的從高政府數據開放水平的反面來解釋低政府數據開放水平的成因。
本研究的研究結論可以為從準備度層面提升政府數據開放水平帶來如下實踐啟示。
第一,制定法規(guī)政策,明確數據開放全生命周期的相關要求。法規(guī)政策是現階段推動政府數據開放的重要動力來源。當前,從總體上來看,政府數據開放普遍面臨概念定義不清晰,管理體制不順暢、數據開放范圍少、已開放數據質量低、數據開放風險大、有效利用成果少、標準規(guī)范不統一等問題,亟需建立健全數據開放領域的法規(guī)政策,特別是對數據開放體制機制、數據開放范圍、數據質量要求、數據安全與隱私保護、開放過程管理、數據利用要求等予以明確規(guī)定和要求,提升政府數據開放和利用水平,真正實現數據價值。
第二,加強準備度的要素聯動與協同。數據開放是一項持久且復雜的工程,準備度各要素互相聯動,環(huán)環(huán)相扣,不可或缺,就像一個木桶一樣,每個木板循環(huán)螺旋地拔高,從而提高總效用,而最短的木板會限制木桶的容水量。因此,對政府而言,政府一方面應審慎對待準備度的薄弱處,循序漸進加以完善,補齊木桶“短板”;同時,還要加強準備度要素之間的聯動與協同,粘合木桶“間隙”,以逐步提升政府數據開放的水平。
第三,國家或省級政府應加強對城市政府的準備度要素賦能,助力其改進準備度現狀,進而提高開放數據水平。地方政府在法規(guī)政策、標準規(guī)范等制定與執(zhí)行過程中,對上位法有高度依賴,亟待上級政府制定相關法規(guī)政策文件,明確數據開放工作的重要性,解決制約數據開放的瓶頸問題。在“上下對口、左右對齊”的地方政府部門設置的邏輯前提下,上級政府的機構設置也影響到下級政府數據開放主管部門的設置與分工,因此,各級政府應理順政府數據開放工作跨部門、跨層級的聯動關系,并立足地方本省特色,挖掘自身優(yōu)勢,探索適合本地的發(fā)展道路。
本研究運用fs/QCA方法從準備度角度分析了我國政府數據開放的影響要素與組合路徑,在一定程度上豐富了對政府數據開放水平影響因素分析的解釋層次,也為地方政府提升數據開放水平提出了建議,但本研究仍然存在一定的局限性。一方面,受制于當前數據開放工作總體發(fā)展階段的影響,本研究只選擇了排名靠前的15個案例進行分析,未來可以納入更多案例以得到更普遍性的結論;另一方面,本研究只關注了準備度中法規(guī)政策、組織與管理、標準規(guī)范三大核心維度對數據開放的影響,然而,準備度要素多元,開放生態(tài)要素對政府數據開放水平的影響,本研究卻未深入探究。同時,在政府數據開放生態(tài)系統中,數據開放和利用水平的高低還受到主體意愿與能力、平臺建設、數據特征、場景設計等多維度的影響,需要在未來予以探究。