| huozm32831 |
2022-03-27 17:56 |
政务大数据的重要价值和发展前景早已不言而喻。近年，全国各地不乏挖掘和利用政务大数据价值的探索实践。
但是，由于受惯性思维影响，项目模式仍被普遍套用到政务大数据工作上，从实际效果看并不理想，政务大数据成果的数量和质量都很不够，远远不能满足政府、企业和社会的发展需要，距离期待中的大数据产业相去甚远。这揭示了当前政务大数据工作的一个严重问题——创新力不足。
如何构建政务大数据生态，培育政务大数据创新力，早日迎来政务大数据的春天，使得政务大数据的价值源源不断地释放出来，已经成为一个重要问题和努力方向。
项目模式扼制了政务大数据的创新力
长期以来，项目模式一直是政务信息化采购和建设的默认方式，有力保障和推动了政务信息化水平大幅提升。但是，在政务大数据建设中如果继续简单套用项目模式，则会导致上述创新力匮乏的问题。分析原因如下：
01
项目模式的排他性与政务大数据的公共性存在根本冲突。
政务大数据具有天然的公共性，因此决定政务大数据必然要为政府决策服务，为社会治理服务，为便民利民服务，为产业经济服务。而且基于政务大数据的服务一旦开始输出，就需要持续地做下去，不能够中断或半途而废。
然而项目模式在合同期（譬如1-2年）内具有明显的封闭性和排他性，这跟政务大数据的公共性构成了根本性冲突。
02
项目模式严重束缚了政务大数据的创新力。
经过几十年的信息化建设，政务数据积累的资源规模足够庞大，增长速度足够迅猛，蕴藏价值足够丰富；与此同时，随着大数据时代来临，政务大数据的社会需求也足够深厚和宽广。数据之间进行跨时空的、高密度的碰撞、连接、融合、交互等相互作用，必将能够产生无可限量的经济价值和商业机会。
由此可见，要想做好政务大数据工作，就必然要求新的条件：创新的工作管理模式、持续的资源投入和广泛的社会参与。只有这样，才可能涌现出旺盛不竭的创新力，才可能挖掘出连绵不断的数据价值。
项目模式严重束缚了创新力。在浩瀚的政务大数据面前，项目模式下任何一家公司的力量都是微不足道的，无力应对业务场景的复杂多变，无力应对自身创新力的匮乏和技术人员的自然流动。由于在合同期内缺乏竞争，项目成效乏善可陈，客户体验普遍较差。这些问题必然会导致政务大数据项目陷入难以为继的困局。
03
项目模式下隐藏着多纬度风险。
政府部门承担的风险在于，一方面投入了宝贵的数据资源，支出了大量的资金成本和时间成本；另一方面却难以收获满意的成果，不断增长的迫切的决策需求、管理需求和服务需求得不到有效满足，开展大数据创新应用的意愿受挫。
创新公司面临的风险在于，处在合同里面的公司创新能力不足。这个不足有两层含意，一是由于合同期内缺少竞争，必然导致公司一定程度上的惰性，表现为创新力不足、成果不足；二是相对于庞大的大数据需求来说，一家公司的创新力必然是有限的。合同外面的大量公司在合同期内进不来，错过了大数据创新的窗口期。
社会层面的风险在于，基于政务大数据的服务能力输出匮乏，强烈的公共服务需求被“饿死”；区域大数据产业成为空中楼阁。
服务模式有利于创新力涌现出来
政务大数据呼唤旺盛不竭的创新力。然而创新力并不会凭空冒出来，它的不断涌现离不开良好的政务大数据生态环境。这需要在政府主导下，拓展思路，转换模式。
政府购买服务是现有的一种财政采购模式，过去在信息化建设中运用的比较少。现在正好适合用来构建政务大数据生态。
政务大数据生态的构成要素有：
1.服务模式。采取政府购买服务模式是构建政务大数据生态的核心机制。
2.政府主导。政府部门主导构建本部门的政务大数据生态，有序有限地开放政务大数据资源，提出大数据应用的需求和场景，同时与多家大数据创新公司合作，以服务模式购买和应用大数据创新成果。省政府大数据局是省内整个政务大数据生态的领导者、倡导者。
3.业务场景和创新课题列表。紧密结合工作发展需要，政府部门通过内外部征集，定期向社会公布本部门大数据创新课题列表。
4.大数据创新公司。设定合理的入围条件，选择一批有能力、负责任的大数据创新公司。公司从部门大数据创新课题列表中选择课题，投入专业力量，各尽所能，并行开展大数据创新活动。可以被要求交纳一定数量的风险保证金。
5.成果评价与激励机制。建立综合的政务大数据创新成果评价与激励机制。包括公司准入条件、退出条件，成果评价标准，服务费分配办法，大数据增值服务管理办法等。成果评价专家组构成多元化，包含部门内部的业务专家、技术专家，部门外部的大数据专家、经济学家、法律专家、企业用户代表、个人用户代表等。
6.数据保密协议。明确界定具体大数据创新课题所能访问数据的内容、范围、期限、用途、方式及违约责任等。
7.大数据技术支撑平台。在省政府建设的政务云当中，建设敏捷、先进、开放的大数据技术平台，足以容纳各政府部门的大数据，足以支撑众多创新主体在该平台上迸发出创新活力，持续输出大数据创新应用和服务。
以服务模式构建政务大数据生态的优势：
1.全程都有较高烈度的公平竞争。
2.催生政务大数据创新力的持续涌现，十分有利于大数据成果的研发、输出与迭代，更多、更好的业务场景持续得以落地和演进。
3.有利于平抑各方风险。政府投入了数据、资金、人力、时间，服务模式远比项目模式更有确定性地保障政府部门持续收割大数据成果。日益增长的基于大数据的公共服务需求不断得到满足。富于创新力的公司将得到稳定的资金收入，能够生存发展下去；缺乏创新力的公司则在每日持续的竞争中显出颓势，也能够及时出局和得到“止损”。
4.政务大数据创新活动可持续，有利于促进大数据产业的形成与发展。
政务大数据生态建设需要分两步走
01
推动政务大数据从部门开始是第一阶段。
各政府部门是政务大数据的生产者、维护者和应用者，是数据的直接责任主体，是公共服务的提供者。
政府部门有最直接的、旺盛的大数据应用场景需求，用于本部门的宏观决策、精细管理和公共服务，最熟悉本部门业务，最具有数据洞察力。
因此说，部门大数据是整体政务大数据的必要构成和基础。
部门在数据上的协作意识需要在具体的大数据实践中逐渐养成和提高，同时积累大数据工作的管理经验。
部门需要在实施大数据活动过程中持续开展内部数据质量治理。
02
开展跨部门的大数据应用是第二阶段。
在各部门成功开展大数据活动的基础上，协商建立跨部门的大数据协作机制，就比较顺理成章了。
跨部门协作应立足于“不拿走”数据，通过“数据沙箱”、系统接口服务等安全机制“访问”所需要的部门数据。这样易于推行，易于管理，易于划清部门责任边界。
综合性的大数据课题则可以分解为若干子课题，分派给相应部门分别完成或协作完成。由省大数据局或其授权的专业机构汇总来自各部门的分析结果，形成报告并对成果加以利用。
上述两个阶段可以有适度的重叠。
不容忽视的数据质量治理
数据质量问题是普遍存在的，并且一定会在大数据环节暴露出来，并有可能被放大，引起连锁反应，造成不良后果，严重影响政务大数据生态的健康发展。
不宜过度依赖数据清洗技术，因为数据清洗是对数据做“减法”，是权宜之计。
需要从数据生产环节入手，采取可行、有效、成本低、难度小、能够治本的数据质量治理方案。
结论：良好的政务大数据生态不是“硬造”出来的，而是在适合的机制-服务模式下，自然而然地“生长”出来的。 |
|