摘要：随着互联网技术的迅猛发展，大数据已然成为组织创新、产业升级、经济发展、社会进步及国家治理能力现代化的核心驱动力。作为国家治理函数中的重要技术变量，大数据能实时描述并解释人类行为和社会现象，能精准揭示国家治理规则和社会运行规律，能深刻诠释公共事务的关联性、公共决策的逻辑性和公共治理的复杂性。随着大数据思维和技术的嵌入与赋能，国家治理结构呈现数据平权、数据制衡、数据监察的基本样态，国家治理职能展现出精益决策、精细管理、精致服务、精确监管的基本向度，国家治理效能不断走向循数治理、智能治理、简化治理、协同治理的过程及状态。作为一种新型治理工具，大数据在驱动国家治理的过程中不可避免地遭遇数据垄断、数据壁垒和数据鸿沟等结构异化现象。正视并克服数据异化，有条不紊地建构数据秩序，能最大限度地推动数据文明建设，对推进国家治理体系和治理能力现代化具有重要的理论价值和实践意义。

关键词：国家治理；数据赋能；治理秩序；数字文明

大数据是信息时代的“新石油”、科学研究的“第四范式” 1 、各行各业的“生产要素”。 2 “大数据”一词得到学术界和实践领域的广泛关注，得益于三份重要文献，分别是2008年英国《自然》杂志推出的主题为“从大数据中提取意义”的大数据专刊 3 ，2011年国际数据公司发布的主题为“从混沌中提取价值”的大数据报告 4 和2011年美国《科学》杂志出版的主题为“处理大数据”的大数据专刊。 5 按照迈尔-舍恩伯格和库克耶的观点，我们正处在大数据时代的早期。 6 不可忽视的是，在国家治理层面，如何正确认识大数据的治理工具属性并充分发挥大数据的驱动作用，已构成当下公共管理实践面临的极为紧迫且极具挑战性的重要议题。近年来，西方国家围绕大数据的研究与应用陆续出台和发布了一些政策法规 7 ，涉及大数据发展与应用的价值、标准、开放、流程、保障等，推动了大数据在科学研究、商品生产、商业发展、社会生活和国家治理等领域的广泛应用。中国政府制定了国家大数据发展战略，颁布了一系列政策法规 8 ，为大数据在经济建设、社会发展和国家治理等领域发挥积极作用提供了有力的制度保障与技术支持。值得注意的是，虽然世界各国高度关注和重视大数据的治理作用，但就大数据作为一种新型治理工具而言，它在国家治理中的应用仍处于初步探索阶段。因此，从学理角度探析国家治理的数据逻辑和数据赋能，将有利于大数据在国家治理中发挥积极驱动作用，有效推进国家治理体系和治理能力现代化的实现。

一、大数据赋能国家治理的技术外溢

“大数据”的概念内涵十分丰富，具有很强的时代性和实践性，然而至今并未获得人们一致的认识。当前，比较常见的定义主要有三种：第一，技术视角的界定。在最基本层面，大数据是指不能被传统信息技术行业的软件与系统所管理、访问或处理的数据集 9 ；大数据是一个普遍使用的术语，它指那些从各种渠道所收集的、针对传统的关系型数据库技术而言，过于大且非结构化的原始数据。 10 第二，价值视角的界定。大数据不是一样东西（thing），而是动态的、跨越多个信息技术边界的活动，大数据技术是新一代的技术与架构，旨在通过高速捕捉、发现和分析从各种各样的大规模数据中获取的经济价值。 11 第三，资源视角的界定。大数据本质上是一种信息资源，已成为各行业生产发展的重要引擎，庞大的数据资源使各个领域开始了量化进程 12 ，并以此充分挖掘和利用现有的大数据资源。一般认为，大数据具有容量大、增速快、种类多、价值高四项基本特征：容量大（Volume），数据容量特别大，并呈现出指数级增长态势；增速快（Velocity），数据增长速度快，包括数据更新换代速度和数据运算速度；种类多（Variety），数据种类繁多，涵盖各种来源、形式和结构的数据；价值高（Value），通过数据挖掘服务实践应用。 13 大数据的基本功能体现为描述、规定和预测三个方面：描述（Descriptive），通过对数据的统计分析，描述数据表现出的现象与规律；规定（Prescriptive），利用历史数据建立分析模型和规范化分析流程，实现对连续数据流的实时分析；预测（Predictive），通过对数据的深层挖掘构建预测模型，实现对未来发展趋势的预测。 14 我们认为，大数据是一项全新的治理工具（或技术），经由数据采集、数据存储、数据管理、数据挖掘、数据传输和数据应用的运行周期，能多方位、多角度、动态地描述并解释人类行为和社会现象，能精准地探寻国家治理规则和社会运行规律。

数据是指对生产过程或社会事件进行记录并可以鉴别的符号或信息。任何一种生产过程或社会事件，都有可能产生大量的数据，但只有那些能够被生产者或行动者加以利用的数据才具有切实价值。那些不能为人所用的数据通常是人们没有意识或能力认识和使用的数据信息，遂被当成“噪音”过滤掉了。这些被滤掉的数据，事实上构成一种无效的数据。与此同时，即使被人们利用和处理的数据，其治理价值和实践意义也受人的认知偏好、处理目的等因素的影响。比如，在分析同一组中美贸易数据，有人强调合作，有人看到了危机。事实上，数据利用就是一种数据赋能的过程。从治理角度看，数据赋能就是大量数据被人们从无序而杂乱的事件或事实中收集和整理之后，呈现在决策者面前的特征性事实，经由特定的转化过程演变为决策，并构建特定的数据秩序。

在前现代社会的多数生产与社会事件中，数据生产的主体与数据利用的主体紧密相关，其场域具有同一性。比如，农夫根据水稻的长势数据采取除草施肥等行为，数据的生产和利用都发生在同一水稻种植场域。因此，其数据的生成和赋能过程是同一的。然而，前现代社会也存在数据生产与数据利用相脱节的情况，也存在数据独立赋能的可能性。在一个面积广袤的国家，国家治理组织的分化与复杂化使数据的生成与利用分属两种不同场域。从最初的个体数据生成到最高决策所需的加总数据之间，存在许多数据的传递与集成环节。决策能否有效解决问题，很大程度上取决于官僚系统所采取和整合的数据能否有效反映客观事实。从这个意义上讲，整个官僚系统履行着一种数据赋能的职责。但总体而言，前现代社会的数据赋能并未脱离数据的生产过程和社会事件，会随着生产过程和社会事件的结束而消失。

现代社会中的生产过程与社会事件极其复杂，生成的数据异常庞大。而且，许多数据的生产者与利用者完全脱节，数据开始独立于最初的生产场域，后来演变成一种独立的生产力量和社会力量。尤其是在现代信息社会，众多数据脱离了原始的生产过程与社会事件，汇聚成一个海量的大数据海洋。对这种海量大数据加以利用的过程实际上就是践行具有深远意义的数据赋能使命。从“结构-过程-功能”的角度看，数据赋能包括数据权能、数据动能和数据效能三个方面。

数据权能基本显示了数据本身与数据使用主体之间的权利归属关系，它涉及谁可以使用该数据，使用数据所应遵循的权利规则，使用数据的收益去向等问题。在自由主义的理想逻辑下，数据应归数据生产主体所用，数据生产主体可自主决定该数据是否公开，他人利用该数据应得到数据生产主体的同意。换言之，在自由主义看来，数据本身是一种私人物品，个人具有决定数据使用的全部权利。依据这种理论，个人的偏好和行动等数据都是私人的，他人无权在未获得其许可的情况下取得该数据并加以利用。比如，美国有些城市议会决定撤销某些路口的探头与监控，理由就是这些数据的公共获取侵犯了个人隐私。但由于个人的数据具有天然的外部性，这种私有化的数据结构往往会导致公共权力难以监测私人权利被侵犯的情形。“天眼”等公共监测系统虽一定程度上牺牲了个人隐私，但却保障了更多人的公共安全。另外，有些人意识到自由主义数据观的局限性，主张数据的公共性而否定数据的私人性，这种观点极易导致公共权力对个人权利的肆意侵犯。因此，数据既是个人的，也是公共的，具有一种可在公共与私人之间适当调整边界的多级所有属性。 15

数据在个体与公共之间、个体与个体之间、群体与群体之间的权利归属分布并非简单的平均分布，某些个体与群体能有效利用更多的数据，而另外一些个体和群体往往只能成为数据生产的主体，从而产生了一个数据权能的问题。数据生产主体和利用主体在经济收入、阶级地位、教育程度、社会坐标等方面存在差异，决定着数据在利用程度上存在的巨大差别。比如，同一行业内的高管对该行业的总体、趋势、特征、差异等重要数据具有更深刻的了解，因此相对于同行业的普通员工和其他行业人士拥有更多的数据优势，并在涉及利益分歧的谈判中拥有“敲竹杠”的可能。因此，从国家治理角度看，数据权能的首要问题就是数据平权，以确保不同群体在大数据面前有着较为平等的赋能机会。同时，为避免数据使用中的不公平现象及遏止数据的不当垄断和使用，数据制衡和数据监察成为数据权能的重要方面。

数据动能主要表现在数据使用主体对数据实行管理的全过程，主要包含数据的决策、管理、服务和监管这四个环节。在前现代社会，国家治理主体通常是在生产过程和社会事件发生后，针对具体事件所提供的数据进行分析，进而做出相应决策。然而，治理是针对具体事情而开展的，治理主体通过事后对数据的分析而实施行动。从国家层面看，治理主体（尤其是官僚系统）处理的是具有特殊性的重大事件，因而会忽视重大事件发生之前的众多平常的（trivial）事件所反映的平常而又海量的数据，而将这些数据当成噪声过滤掉。因此，传统社会的国家治理往往会出现这种情况：承平日久，皇帝与官僚系统对于重大隐患习焉不察，而一旦隐患爆发，就会出现治理系统崩溃的情况。而在数字化信息时代，数据可以独立于原初的生产过程和社会事件本身，人们可以将数据进行存储、移植并加以分析。原初的一阶事件本身只是极其平常的，甚至数据生产的主体本身也未必将这些数据视为一种重大事件的前兆。但是，现代信息技术可以收集和整理这些海量的一阶数据，并加总、分析而将有关总体与趋势的数据呈现在决策者面前，从而有助于国家治理主体的有效应对。因此，数据动能意味着，对于数据的操作已经脱离了一阶事件，它本身就可以构成一种完整而独立的操作过程。 16 从这个意义上讲，基于大数据的精准决策、精细管理、精致服务和精确监管就构成国家治理的数据动能的内在表达。

如果数据权能强调的是原初数据在数据生产主体和数据利用主体之间的权利归属问题，数据动能针对的是独立化的数据操作与运行过程，那么数据效能关注的则是数据操作与运行的效果，即从功能的角度追求数据利用的正确和有效。正确的治理效能必然要考虑治理的权能前提与动能操作，但基于治理对象本身的特殊性，治理的效能有必要考虑大数据本身呈现的一些规律特征，从而实现数据赋能的高效治理。当海量数据脱离众多原始的一阶事件，而在二阶层面独立并汇聚成海量的数据时，治理主体必须摆脱基于事件“发生-应对”的反应式治理模式，而应遵循数据本身的规律实施治理。

从当前大数据在经济社会领域中的应用经验看，国家治理的数据效能应遵循如下要求：第一，循数治理而非反应式治理。面临海量数据，应主动挖掘数据价值，不能停留在孤立事件上的“头痛医头，脚痛医脚”反应式治理。直觉和经验主导决策的时代已远去，大数据将若干国家治理变量变成可统计、可度量、可计算的对象，“用数据说话、用数据决策、用数据管理、用数据创新”的循“数”法则成为公共管理和国家治理的重要原则。大数据意味着人类在寻求量化和认识世界的道路上前进了一大步，过去不可计量、存储、分析和共享的很多东西都可被数据化，标志着人类认识和改造自身世界进入更客观、精准、全面的历史阶段。第二，智能治理而非拍脑袋式治理。现有的海量数据已超出单个人脑所能处理的能力极限，因此必须利用人工智能技术有效处理大数据。在大数据应用实践中，利用数学模型、仿真技术、数据融合可揭示原来难以展现或没有想到的非线性关联，能挖掘国家治理隐蔽的关联变量和相关关系，拓展政府决策和国家治理的信息边界，提高公共决策的正确性、科学性和国家治理的回应性、有效性。第三，简化治理而非创制复杂的治理。所有生产过程和社会事件呈现的数据是无序、复杂且海量的，大数据的治理目标就是将这些海量数据简化为直观而容易理解的现象模式，为有效决策提供依据。最早的大数据方法源于对面板多方程的解答，其本质是将多维度的数据集简化为低维的数据答案的过程。 17 同时，大数据思维更加注重相关关系，而非因果关系，不同来源的数据或数据集之间的相关关系构成大数据分析的重点。因为因果关系是解释普遍联系的事物先后相继、前因后果的线性关系，而相关关系是揭示事物普遍联系中的非线性关系。第四，协同治理而非单极化治理。在大数据时代，拥有了更加综合和全面的信息，过去那些建立在非公开、非完全信息假定基础上形成的相对闭塞的管理思维和方法将被彻底改变，国家治理领域将逐渐开放，企业、社会组织甚至民众个体都将在国家治理体系中游走。 18 因此，确保治理数据的流动畅通、获取快捷、阅读简便是提升国家治理数据效能的重要目标，协同治理是其必然结果。总之，大数据注重“全数据”“全样本”，而非“小数据”“小样本”，国家治理数据处理从样本数据变成全部数据，能更加全面、立体、系统地认识国家治理的总体状况。传统思维是“以小见大”，大数据思维是“以大见小”，我们从人口数据、财政数据、贸易数据、教育数据了解一个国家和地区经济、文化、社会、环境等各方面的全局，可以为具体的部门和行业决策提供精准的智慧支持。

众所周知，国家治理是一个治理主体应对公共事务的管理过程，也是一种秩序生产的过程。这种秩序生产在大数据方面表现得尤其突出，因为原初的大数据是无序、复杂而海量的，基于国家治理的数据赋能本身就意味着某种特定的数据秩序结果。在海量数据面前，逃避是无用的，大数据对国家治理的强大驱动作用不可避免。然而，大数据应用并不必然带来正确的或好的后果，错误的应用可能带来不可估量的恶果，国家治理的数据赋能可能走向数据逆化或恶化。因此，数据管理不能仅仅停留在大数据管理本身，还要上升到文明层面评估数据秩序。国家治理的各主体都应时刻警惕数据垄断、数据壁垒和数据鸿沟等数据异化现象，并大力促进实现数字国家、数字政府和数字社会这一更高层面的数据文明。

二、大数据赋能国家治理的权力嬗变

国家治理是一个包含若干变量的函数关系式，其结构随着信息分布变化引起的权力结构改变而不断变动。大数据作为推动时代变迁和社会发展的重要力量，通过重塑信息的生产、传播、消费模式，重构了国家治理的权力结构及其流动路径，以适应“社会的高度复杂性和高度不确定性”。 19 基于对人类社会及其行为的数字化刻画、标准化叙事和精细化演绎，大数据从价值、工具等维度深度嵌入国家治理的制度建构与动态实践，实现对主体地位、治理结构和用权行为的全方位影响。

（一） 数据平权

国家治理旨在回应民众诉求、增进公共福利，本质上体现为对多元利益的协调，是一个多方力量博弈均衡的过程，政府、企业、社会组织、民众及其他治理主体应居于平等地位。只有权力对等、地位平等，才能避免“以偏概全”“以点带面”，差异化诉求才能取得最大公约数，进而实现良善治理。作为权力“骨骼”的外在表征，主体地位的获得、巩固及治理职能的有效履行都有赖于信息的获取和应用，后者是新时代的关键资源，在赋予社会行动者诉求机会的同时，增强了他们参政议政、科学决策的能力。换言之，国家治理现代化需要消弭不同主体间的信息鸿沟，促进不同主体之间的信息流动，并确保各主体拥有同等规模、质量和时效的决策信息配置。

然而，在国家治理实践中，既得权力者倾向于设置各种壁垒以巩固权力、免受竞争者冲击。 20 改革开放前，计划经济体制下国家几乎垄断包括物质财富、发展机会、信息资源在内的全部重要资源。 21 在信息变成最重要战略资源后，政府主导了信息、知识的生产与传播，并抵制对外公开；政府内部则“地盘病”盛行，信息“烟囱”林立、“孤岛”遍地，各部门倾向于将职能范围和政策领域视为不允许其他部门插手的排他性地盘。究其根源：第一，理念上，“官本位”盛行。等级观念浓厚、服务意识淡薄，部分职能部门、公务员将辖区看作“自留地”，排斥部门合作和公共参与。第二，制度上，供给不足、执行不力。《中华人民共和国政府信息公开条例》直到2007年才通过、翌年5月1日才开始执行，该条例的颁布实施滞后于民众对其知情权和获取信息的需求。第三，技术上，缺乏能有效处理信息的手段。公共部门是信息内容、类型的把关者，限制政务信息的对外开放，创造出一个符合公共部门意志、服务权力行为、约束民众参与的信息环境，使信息的生产、传播与流动“偏帮”公共部门而非社会行动者。

作为一种资源、技术和思维方式，大数据在国家治理体系和治理实践中的深度嵌入，打破了“原有的公权力对信息传播流向和内容的独占” 22 ，清除了政府单边主义的生存土壤，建构起一个去中心化的世界图式，试图从理念与技术层面克服“信息鸿沟”“知识鸿沟”被逐渐拉大的问题。一方面，大数据鼓励开放、参与，强调不同主体间的平等、协商。大数据要求管理者认同并尊重其他主体的平等地位，并将开放、共享、合作、参与等理念贯彻、融入具体的政策决策；具备大数据思维的参与者则注重行使参政议政权利，珍惜参政议政机会，并试图通过表达诉求、提出申请、批评政府等方式捍卫政治参与权利。另一方面，大数据驱动人类社会从单向度线性传播转向多向度群体传播，改变了信息的生产、传播与消费模式，每一个普通人都成为信息的生产者和消费者，并从大众传播的科层化控制中解放出来，与政治精英、经济精英、文化精英共享表达权与传播权。 23

我们看到，广泛分布于政府、企业、社会组织与个体之间的大数据，决定了国家或政府不再是治理结构的唯一主体，传统的治理结构受到挑战，逐渐形成适应大数据分布的平权型治理结构。 24 第一，数据共享，驱动主体地位对等。信息的分散化存储、知识的分布式传播带来公共权力的扩散与蔓延，创造出大量微权力个体，对政府的传统主导地位造成冲击。尤其对行政区域内的政府而言，大数据技术带来的信息传播革命，规避了行政壁垒对信息生产、传播与消费方式的固化，在模糊传统行政边界的同时，创造了大量的线上参政议政主体，通过“用脚投票”躲避行政权力的干预和“打击”，更好地履行参政议政权利。而就决策信息地图而言，主体提供的信息、知识同等重要，在信息即权力的语境下，政府、企业、社会组织、普通公众都是信息的生产者和消费者，都拥有治理国家的资格，并都应具有发表意见、参与决策的权利。第二，数据开放，驱动权力公平运行。数据的价值在于流动、开放和共享，微信、微客、拍客、抖音等新兴媒体和平台的兴起打破了传统大众传媒对信息传播的垄断，群体传播、网络化传播时代来临。在为普通民众创造平台、提供机会的同时，网络课程、视频直播等在线教育的普及也丰富了其获取知识的渠道，既剥离了笼罩在公权力及政府部门履职行为上面的神秘面纱，也便利了平民大众对政务数据、决策信息、制度规范等的查阅和获取，某种意义上建构起围绕公权力运行的“玻璃房”，以监督权力的公平运行。第三，数据整合，驱动民众权利平等。权利是权力的来源，权力是权利的保障。宪法颁布实施的目的，很大部分就在于保障民众权利的有效实现。大数据通过搜集政策、制度的执行信息、记录权力运行轨迹，能够帮助决策者、管理者通晓具体执行情况，并监督权力运行过程中的越轨行为，以督促政策、制度目标的有效实现，即达到保障民众权利的目的。更为重要的是，大数据还能监督司法权力运行，记录司法部门在处理侵权行为、裁判权利冲突时的运行轨迹，以敦促司法部门公正执法、公平判决，以切实做到“法律面前人人平等”。

（二） 数据制衡

权力的产生及其作用源自对关键资源的不平等占有与支配。 25 当支配者与被支配者对资源的占有比例或力量对比发生改变时，原有的权力关系就会发生变化——颠倒乃至消失。据此，从管理转向治理，多元主体格局的建立及主体间平等地位的获得，根本上意味着政府、企业、社会组织、平民等主体间力量对比的变动，即国家治理语境下，企业、社会组织、平民等新兴治理主体获得了与政府等传统治理主体讨价还价的能力和力量。具体表现为，政府或职能部门在酝酿公共政策、制定公共决策、颁布规章制度时，将需要充分征求社会行动者的意见、建议，以确保政策和决策的合法性、权威性与代表性。

从传统意义上讲，政府机构几乎垄断了国家治理的一切权力，支配着包括信息资源在内的全部重要资源，以维系其对一切事物的管理。由此，其所带来的弊端也是显而易见的：首先，“官本位”盛行，官僚主义普遍，民众迷信并崇拜官位、权力，官民关系颠倒，社会被迫“臣服”于政府。其次，政府以控制新闻媒体、主流报纸杂志来塑造有利于单边主义的信息传播、分布模式，垄断知识的生产与消费路径，阻碍民众对政务信息的获取、运用，旨在掌控权力基础的稀释速度和程度，延缓权力的转移与扩散。基于对信息和知识的生产、传播与消费模式的控制，政府既控制了权力的授予、剥夺，还固化了中央与地方间、政府与社会间的力量对比。

大数据时代，大数据思维的渗透及大数据技术的嵌入，在创新信息和知识的产生、传播与消费模式时，通过赋权社会行动者、激励分权放权、鼓励公共参与驱动了公共权力的扩散。在思维层面，大数据思维强调公开透明、开放共享，鼓励多元主体协商合作、信息互动，充分发挥各治理主体的信息、专业、资源优势。在技术层面，大数据有多种信息来源，能采集并阅读结构和非结构数据，通过交叉复现、数据整合、信息拼图实现对权力结构、社会行为和现象的数字化表达；通过对传统媒体的数字化升级改造推动新旧媒体融合和多媒体发展，创新信息和知识的生产、传播、消费模式，改变信息的传播、分布路径，改变国家权力结构，重塑央地、政社、官民关系；大数据平台建设通过数据的集中、整合，突破治理主体间的时空限制，以线上方式保障治理主体的参与权在场，从而推动政务数据的开放共享。

具体而言，第一，克服上下级政府间的信息不对称，驱动权力制衡。大数据作为一种资源和新兴技术，基于对相关数据的采集、传递与分析，不仅能通过识别和处理源源不断的问题将社会清晰地呈现在国家面前，让事物的状态从“潜在”转变为“实在” 26 ；还克服了管理层级过多带来的信息失真问题。现有管理需求超出了决策者或管理者的生理机能极限，大数据则弥补了这一不足，通过技术手段让管理者同时与多个下属或管理对象进行对话，从技术上解决了管理层级过多的问题。一个更加重要的优势在于，大数据能实现对文本、语音、视频、图像等非结构化数据的“翻译”，为决策者、高层管理者创造多条信息通道，他们能够通过不同方式、路径采集信息，在对不同类型、来源、规模的信息进行整合的基础上，拼凑出有关政策执行者或下级政府、部门行为的图画，以达到监督公权力执行的目的。随着大数据技术的应用，原本小幅度、多层级的垂直型结构可能转换为宽幅度、少层次的扁平化结构。第二，提倡并支持数据开放共享，驱动社会制衡。一方面，拥有大数据思维的政府部门会充分重视社会需求、征求社会意见，并通过制度的方式将其固定下来，如2007年颁布的《中华人民共和国政府信息公开条例》、2016年发布的《国务院办公厅关于在政务公开工作中进一步做好政务舆情回应的通知》等，都为民众获取信息提供了政策依据。另一方面，大数据对信息传播路径、消费方式的改变，则改变了信息的分布模式，在赋权社会行动者同时，起到了遏制公权力滥用的作用。尤其重要的是，掌握大数据思维的社会行动者也会主动要求参与公共事务、理性表达诉求并对公共权力进行监督。第三，赋予民众新兴权利，驱动利益制衡。对民众个人而言，大数据时代的最大挑战是信息安全、隐私安全，一旦这些安全问题得不到控制和解决，智慧社会建设及国家治理的智能化推进将变得难以为继。因此，关于数据权限的归属问题，政府应做出明确规定。一旦数据的归属属于个人，个人就会以数据权限为依托，形成对政府行为的监督和制衡。

（三） 数据监察

“权力导致腐败，绝对权力导致绝对腐败” 27 ，不受限制的权力是权力运行风险的根源所在。 28 为确保国家治理能遵循并实践公共“善”、提升公共福利和利益，监督并遏制腐败成为维系执政合法性、权威性的关键议题。一方面，传统中国推崇“以德治国”，强调个体自律在克服权力滥用行为中的关键作用，试图把一切职务犯罪归因于掌权者的不合礼仪、道德沦丧；另一方面，西方世界则鼓励相互制衡，强调外部约束在监督权力运行、防止腐败行为中的重要价值，并建构起“三权分立”“依法治国”等现代意义上的治理体系。然而，各个时代、国家或地区的历史表明，只要权力运行的“黑箱”没有打开，“法治”与“德治”依然无法彻底清除腐败。换言之，规范与优化权力运行的重要前提，便是将权力运行的“黑箱”打开，不断加强对权力的监督，使国家治理空间不断走向透明化和清晰化。

一直以来，权力及其运行是一件非常神秘的事情。“萝卜招聘”“带病提拔”等滥权现象的普遍存在，都根源于权力流动及其运用的神秘性及其“黑箱化”。权力“黑箱”的长期存在根源于权力观念的陈旧以及监察信息采集技术的落后。一方面，掌权者为了维系既得利益，不愿意主动公开信息；平民大众出于对权力的恐惧，则很少提出质疑与批评。两者综合起来，共同建构起一个维持“黑箱”的理念体系、文化氛围。另一方面，信息采集、传播、分析技术落后，导致在央地、政社、官民之间普遍存在信息不对称。上级政府难以对下级政府进行有效监管，监督部门无法对被监督者的权力运用情况进行全面掌握，平民大众则缺乏途径去了解公权力的运行逻辑以及政府决策的议程设置。

作为一种信息采集、记录、分析的工具，大数据能在一定程度上弥补传统权力监督的不足与缺陷。首先，能够提升权力运行信息的采集水平。区别于传统的人工采集、现场确认方式，数据监察基于互联网、物联网、移动App等网络信息化技术的普遍渗入，建构起围绕监察对象的立体化、持续性远程监察系统，实现对监察对象及其行为的全流程、不间断监控，将所有监察数据上传并存储在全国、区域或部门统一的监察大数据库中。其次，能够提升监察信息的传递水平。一方面，监察大数据库的建立打破了传统行政壁垒对监察信息开放共享的束缚，提高了信息使用的效率和频率；另一方面，大数据时代数据的生产、传播和消费都是即时性的，能消除空间带来的时间距离，提高决策信息的新鲜度。并且，监察大数据开放平台的打造有助于不同监察主体、社会组织、民众个体对监察信息的查询、调阅和使用。再次，能够提升监察信息的分析水平。“信息噪音”是信息沟通面临的最大“敌人”，传统人工甄别信息取决于个人经验，信度和效度都有限；信息技术在监察数据挖掘和分析中的适用，则能够有效剔除个人主观意向、价值偏好对信息的“污染”；并且，从“因果关系”到“相关关系”的转变，能够发现更多被忽略的细节、更多信息碎片并进行自动整合，以降低监察主体分析、甄别信息的时间与管理成本。

由此可见，大数据在数据监察方面的驱动作用主要表现在：第一，数据多源驱动全面监察。一方面，大数据技术的普遍适用与深度嵌入创新了监察信息的采集途径和方式，其对结构化与非结构化数据的阅读，以及对监察对象及其权力行为全面的扫描和信息采集，能够确保监察者全面掌握监察对象的全部信息。另一方面，大数据及其延伸出来的人工智能技术，通过算法设计，能够实现对多源流信息的交叉验真，从而去除信息噪音，提高信息质量，减少信息不对称，以获得有关监察对象的真实状态，提高监察的科学性、精准性、针对性。第二，数据足迹驱动全程监察。通过结构化和非结构化数据，大数据技术能够记录权力运行的每一个环节、步骤和细节，通过溯源技术则能够刻画出权力运行的基本轨迹，人们可以经由大数据实现对权力行为的全过程监察。因此，借用大数据记录、溯源等技术，监察者能够从某一个权力行为的起点开始监督，历时地观察权力的流动是否符合标准、规范，是否存在可能的越轨行为，这有助于终身责任制追踪的有效实现。第三，数据全景驱动全员监察。2018年通过的《中华人民共和国国家监察法》提出，对所有行使公权力的公职人员进行监察，这为全员监察提供了法律依据。大数据技术的应用可以从技术层面助力全员监察目标的实现。以前由于人力物力财力的限制，很难对规模庞大的政府机构进行全面系统的监管，从而导致机会主义和侥幸心理的大量存在，而大数据技术的运用能够轻松地根据现有的监督清单对各个主体进行比对、匹配和分析，能够在短时段内完成以前无法完成的数量巨大的监督任务，这也超越了传统的抽样式监督，使监督更加全面系统。

三、大数据赋能国家治理的职能变革

国家治理是一个集物质资源、社会文化、组织结构和个体行为的互动连续统一过程，具有高度的复杂性、关联性、异质性和动态性特征。其中，信息流动承担着联结这一连续统一体的纽带作用。信息的精准性、实时性和完备性保障了联结效果的有效性，成为国家治理能力的关键考量。作为一种数字化信息记忆，大数据具有可存储、可移植和可分析的特征。与物理属性的再度拓展相比，大数据的社会价值属性得以空前释放，突出表现在潜在关系的精准挖掘、社会规律的深度总结以及未来趋势的预测研判 29 ，为解决现实的治理难题提供了全新治理工具，成为国家治理现代化的技术原动力。

（一） 精益决策

赫伯特·西蒙（Herbert Simon）认为，决策贯穿管理的全过程，这一行为是两大前提有机结合的结果：信息和信息的处理能力。 30 这意味着精准而有益的决策是信息充分化的结果，也受制于决策者能否将这些信息转化成有效的决策信息。传统治理系统的决策者通常面临信息不充分和决策信息转化有效性低的情形，遭遇问题认定不清、决策协同度不足、决策结果难以预见的困境。随着互联网、大数据、云计算等现代信息技术在国家治理中广泛应用，散布的数据采集系统记录着海量的物质变动和行为轨迹，这些全面感知的数据构成庞大的决策信息集。同时，伴随着以深度学习为代表的人工智能技术的跨越式发展，机器处理数据化信息的能力突飞猛进，潜藏在数据背后的隐性关系被精准揭示，大数据的价值属性得以充分挖掘。

在数据驱动的国家治理中，政府决策将日益精益化——逐步实现从模糊化决策向精细化决策、从试错式决策向研判式决策、从单面式决策向全员式决策的转变。首先，由于信息的数字化程度不高，传统决策模式长期面临信息模糊、信息滞后、信息偏差的威胁，最终决策表现出粗放化、大概化、模糊化倾向。但在大数据、云计算、人工智能等现代信息技术的支撑下，公共资源变动、社会环境状况及社会公众需求能被实时捕捉并得以精准分析，决策者能清楚且精细地掌握决策信息，从而更加深入地分析政策介入的条件和情境。 31 其次，以往决策的结果预判通常依赖于决策者的个体偏好、价值倾向和经验判断，带有浓重的主观臆断性，一旦判断失准往往会导致决策失败。在大数据时代，所有数据源自现实社会情境，这些真实数据使决策预测模型和仿真模型具有更加精准的预判能力，能协助决策者透视某项决策可能的执行结果和社会效应，进而完善或调整决策备选方案，达成“目的-手段”有机匹配。最后，大数据促进现实世界数字化的同时，也推动了扁平化、全员化、协商化的组织决策。当前，政治活动虚拟化，微信问政、视频问政、网络问政等互联网平台问政形式承载了“官民互动”的关键角色，这些信息以数字化形式被存储。对这些海量数据的聚类分析和情感挖掘，可以实现对某一政策议题利益相关群体认可度及社会接纳度的实时掌握，从而不断推进政府决策的全员化。

（二） 精细管理

任何一个国家的有序、稳定和高效运转都离不开各个政府层级的有效管理。因此，管理水平是国家治理能力在日常运行中的具体表征。管理活动通常是资源、环境、人员的复杂函数式，涵盖了资源的合理配置、管理手段与情境的动态匹配以及管理参与主体间的协同互动。在政府质量管理体系中，资源管理是基本要素，由人力资源和物质资源组成。 32 在科学管理理念下，传统政府管理中的人力资源往往浪费在大量的结构性、程式性的重复任务中。技术工具的限制使传统资源管理面临严重的资源错配现象，阻碍着信息反馈链的功能发挥。这既表现在管理主体难以即时获知客体的运行状况，无法达到因地制宜、因时制宜的管理效果；同时，也使得主体间的信息互动成本大幅提高，效果不如人意。因此，政府管理如何实现资源的优化配置和信息的畅通流动已成为革新传统管理模式的必然趋势。

以大数据为典型的新兴信息技术集群的嵌入式发展所释放的技术红利，促推政府管理走向精细化道路——促使资源管理集约化、管理过程调适化和管理主体协同化。首先，伴随物联网、5G技术、人工智能的快速应用，人类社会正由互联网时代步入智能时代，在“人人互联”的基础上，进一步推进了“人物互联”及“物物互联”，从而实现“万物互联”。这种互联克服了原先只能依据对影响管理核心变量进行信息采集、整合、分类和分析的局限，使决策者可借助数据处理工具精细掌握资源配置过程及其运行效率，据此制定资源优化政策。不仅如此，由大数据驱动的智能机器未来将大面积代替人工，成为从事程式化工作的主体，极大地释放人类在抽象能力、情感交流、创新思维等方面的独有特质，以“人机合智”的方式实现人力资源的有效配置。 33 其次，大数据实质是信息的海量性、多维性和实时性的集合，有可能将把信息不完全时本应外生化的参数进行内生化。 34 这些被数据化了的实物所产生的微小变动均能以数字形式被存储和传输，经过数据挖掘技术的整合、归类和分析后，主管部门可以全面、动态、精准地监控管理客体的运行过程并发现异常形态，从而帮助决策者及时采取应对策略并不断实现调适化管理。最后，协同治理建立在信息共享基础上，信息壁垒得以破除的前提是共享收益大于成本。大数据具有信息记录的精准性、可移植性和可挖掘性，条块化的政府机构通过共享各部门的独有数据，为其他部门提供更加全面、精准的决策信息，提高管理效率，以此应对日趋复杂和不确定的治理环境。另一方面，区块链技术的不断成熟极大地缩减了数据共享的经济和风险成本，能够在实现信息传递时效性的同时，保障共享参与的隐私以及共享信息的安全。 35 故而，大数据和区块链技术成为政府管理不断走向协同化的有力武器。

（三） 精致服务

进入21世纪，在机构改革和政府职能转变的探索中，中国逐渐确立服务型政府建设战略目标。党的十九大报告明确指出，“转变政府职能，是深化党和国家机构改革的重要任务。……建设人民满意的服务型政府” 36 ，将服务型政府建设的目标统一到“人民满意”的标准下，这是“升级版”的服务型政府。 37 满意是公众对比政府服务的实际体验与主观预期所形成的一种心理感受，反映了公众对政府服务需求的满足感和获得感。建设人民满意的服务型政府根本上就是政府服务能否满足公众需求，但这种需求不仅体现出巨大的个体异质性，而且会随时空变化而变化，并且不会单独存在，往往是以整体化和非标准化的形式呈现。在此背景下，传统的政府服务模式越发无法回应和满足主体间多样化需求，服务过程和结果凸显出个性化低、差异性不足、动态服务滞后、整体性缺失等问题。

显然，大数据对数字信息的智能获取与分析，为政府服务提供者探究公众的心理现象、问题及相关因素提供了便利与可能 38 ，进而推动政府服务更加精准地满足公众需求，体现出个性化、动态化和整合化的特性和趋势。一是个性化服务。个体行为的数字化是大数据的重要面向，社交媒体、移动终端、视频监控、射频传感器等数据采集系统能够全面、多维地采集个体的人际互动、网络行为、行动轨迹，通过对跨层次、立体化、混合结构的个体行为数据的深度学习和数据挖掘，全方位探知每个行为体的需求类别、等级和强度，进而实现差异化、个性化和定制化服务，有助于打破原有的单一化服务供给模式。二是动态化服务。公众的公共服务需求并非一成不变，是心理波动、具体情境等因素相互作用的过程，借助实时数据感知系统，大数据可以快速、全程、即时地采集涉及个体服务体验的海量信息，以可视化的方式动态反映公众的服务需求变化，管理者能据此更新和改进服务供给策略，有助于实现需求与服务的动态平衡。三是整合化服务。公众需求往往并不独立，是由连续、多维、细分的需求综合而成，通过采集和整合个体的“全”数据，对包括非结构化和半结构化等在内的多样态数据深度挖掘，能整体化考量个体需求的形成要素，并对其进行精准的类别划分和等级排序，以全方位研判为基础，有助于制定最优服务供给方案。

（四） 精确监管

政府监管是保障经济社会稳定运行的基础，是国家治理的重要构件。随着市场经济深入发展、产业结构升级及风险社会到来，政府、市场、社会的边界变得模糊，治理环境突显高度不确定性和复杂性，政府干预范围不得不随之扩大，推动政府角色由规则明确的管理型政府转向灵活动态的监管型政府。然而，作为弥补市场失灵的政府监管，其本身也面临失灵威胁，从而容易导致政府监管的有效性不足的出现，以“监管俘获”和“成本-收益”失衡最为突出。 39 “监管俘获”实质上是潜在的寻租空间使监管主体能为少数人谋求利益的过程，导致这一现象的因素众多，其中监管过程的人为操纵和非透明化操作是重要诱因。何以摆脱或降低监管过程中的“暗箱操作”，提升监管的透明度和公共性是政府监管的关键。与此同时，从社会整体的“成本-收益”角度看，政府监管是为弥补市场失灵的固有缺陷，维护社会经济秩序，但传统监管模式却长期面临“不管就乱，一管就死”的怪圈，致使政府介入有时无法发挥正向效应，反而导致负面效应频繁出现。

在人工智能和大数据技术支撑下，可供政府选择的监管工具更为多元、监管信息的采集和反馈更加快捷和精准、监管过程也更加透明和公正，不仅有利于规避“监管俘获”的产生，也大幅提升了政府监管能力和水平。具体表现在：一是智能监管。依托机器学习、人机交互的技术路径，以源自政府主体、监管客体和行为的海量真实数据作为训练样本，计算机可自行模拟和构建相应的模型，并自主完成对各类监管信息的分析、归类和预测，精准确定监管环境的异常变化，及时发现社会经济运行中的违法线索，通过智能化监管确保政府监管的精准聚焦，在提升政府监管能力同时，减少监管过程中的“人为干预”，提高监管的公平性和公信力。二是实时监管。作为一种新兴监管技术，大数据技术集群能即时完成对监管客体的信息收集、整合与报送。以这些海量数据作为训练样本，机器学习等人工智能技术能精准识别异常数据和违规行为，动态监测并实时反馈潜在的监管风险，进一步推动政府的实时化监管和预判式监管，强力提升政府监管有效性。三是全面监管。随着现代信息技术的嵌入式发展进入新阶段，大数据的价值功用将持续扩展，在不断升级自动处理、实时预警、动态监测及风险预测在事中、事后的监管赋能外，数据驱动型监管逐步向事前阶段推进，将监管规则数据化、电子化、标准化，推动监管政策的数字化和可读性，并内嵌于各个监管环节，使数据驱动型监管扩展至政府监管全过程，进而实现全面监管。 40

四、大数据赋能国家治理的实践图景

国家治理是一个复杂的系统工程，国家治理体系也是一个多层次多领域的复杂系统。大数据驱动的国家治理并非简单的物理反应，而是一种复杂的化学反应。大数据可渗透到国家治理的各个方面，以隐蔽的或公开的形式重塑国家治理诸领域，从而产生“大数据×”的乘数倍增效应。2017年12月8日，习近平总书记在中共中央政治局第二次集体学习时强调，要建立健全大数据辅助科学决策和社会治理的机制，推进政府管理和社会治理模式创新，实现政府决策科学化、社会治理精准化、公共服务高效化。大数据犹如一场革命，惊醒了“沉睡的数据”，给国家治理的价值、结构和场域带来全新改变。运用大数据技术能揭示公共事务的关联性、公共决策的逻辑性和公共治理的复杂性，利用数据融合、数学模型、仿真技术等技术可提高公共决策及国家治理的信息占有与数据分析能力，提高国家公共治理的精确度和靶向性。 41 作为一种价值、资源和技术，大数据必将对国家治理的方法、技术、程序和效果产生深刻影响。

（一） 循数治理

循数治理主要强调数据在政府决策、社会治理和公共服务中的重要作用，以此保证国家治理更加科学有效。大数据的发展正逐步促使政府决策从经验驱动转变为数据驱动，这与数据科学发展的使命相吻合，因为数据科学的最终目标是改进决策。数据驱动的决策（Data‑driven decision making）意味着决策是建立在对数据的分析上，而非仅仅靠直觉。 42 政府决策理论在发展早期存在完全理性与有限理性的争锋，一些学者提出了完全理性决策模型，该模型认为决策者在决策时，可了解到公共问题相关的一切信息，在此前提下，决策者能设计出所有公共政策，并能从这些备选方案中，选出效用最大化的方案。当然，这种完全理性的决策状态只是一种绝对理想的状态，于是出现了有限理性这一替代性选择。“在西蒙看来，有限理性主要被刻画为一个余类——缺乏全智全能的理性，就是受限制的理性。全智全能的缺乏，主要指的是：不能知道全部备选方案，有关外生事件具有不确定性，以及无力计算后果。” 43 显然，无论是完全理性还是有限理性，影响政府决策有效性程度的一个关键变量便是决策者对信息的占有程度。大数据从技术与思维上提升决策者的理性程度，从而实现从经验决策到数据驱动决策的转变。“数据驱动的决策（Data‑driven decisions）是更好的决策，这一点是显而易见的，这既要求大数据让管理者在事实而非直觉的基础上来决策。在这个意义上，大数据有促使管理革命化的潜力” 44

数据驱动的决策更需要大数据思维的支撑。“数字化不是独立发生的，我们的社会也不是由技术决定的，我们有必要认识到针对政府而言，大数据的应用背景是文化。” 45 大数据不仅仅是一种信息技术，更是一个时代背景，在这一背景下，数据成为一种战略性资源。大数据的发展，既是一种技术上的创新，更是制度与思维上的变革。大数据技术与文化必定会解构一些传统的思维与理念，“政府部门是大的科层制，习惯于一些传统的做法，而对变革加以抵制。组织惯性会阻碍新思想的生长与新技术的使用。然而，更多的支持者将会看到大数据作为工具，在改革政府方面的价值。” 46 要想真正让大数据驱动政府决策，还需要决策者们吸纳数据理念，只有大数据技术与大数据思维深度融合，才能更好地服务决策。可见，大数据驱动下的决策是一种“政策制定2.0（Policy‑Making 2.0）”，“组织文化与治理结构的充分转变，使得新一代数据与事实驱动的协同治理与决策得以实现。” 47 现代国家治理不能像传统国家管理时期一样，依靠模糊的决策信息，做出“大致”“大约”和“大概”经验型的决策。数据越来越成为政府决策和国家治理的重要战略资源，没有高质量的数据，就难以制定出高质量的公共决策。现代社会的竞争也开始转向数据治理的竞争，包括数据获取、数据储存、数据清洗、数据挖掘、数据预测等一系列数据治理能力将成为未来国际竞争的核心要素。总体而言，无论是从数据本身的价值考虑，还是从国家治理的外部环境考虑，大数据驱动的国家治理必将走向循数治理。

（二） 智能治理

智能治理强调机器通过大量数据获取知识，从而自动完成治理任务。“大数据是人类文明新的土壤，在这片土壤之上，人类将开始建设一个智能社会。” 48 大数据绝不止步于当前数据资源的作用，大数据的终极目标是智能化。相比传统的数据，大数据的“大”不仅体现在“大体量”“大存储”“大价值”，更体现在“大智能”方面。若花费巨大人力物力成本获取的大数据，仅仅只为证实或支撑某个决策和观点，其在本质上与传统抽样式数据分析并无差异。海量大数据的另一个重要价值在于，其能为治理智能化提供试验田，能通过海量数据的分析和挖掘寻找智能治理的规律与模型。在过去几十年，计算机的硬件性能、软件性能和运算速度得到质的提升，基于数学、统计学的算法与模型不断成熟，但在很长一段时间智能计算并未取得质的突破，关键在于数据瓶颈的限制，缺乏海量的数据资源供实验模型进行试验。换言之，智能治理的瓶颈在不断转移，从硬件到软件，再从软件到算法，最后从算法转向数据。另外，数据结构是未来走向智能治理必须突破的一个瓶颈。现实生活中很多数据并非以结构化和数字化形式存在，更多的、有用的信息是以图片、声音、文字等非结构和非数字化形式存在，在通往治理智能化道路上需要突破一定的数据处理技术，将非结构化、非数字化的数据转化为能分析和应用的信息。

智能化并非一个冷冰冰的追求，其与人性化高度契合。“数据”最容易让人联想到冷漠机械、公式模型等，而这只是对“数据”的初阶认识。当认识到“数据”可给工业带来智能化生产、给政府带来智能化决策、给个人带来智能化服务时，我们就对“数据”有了高阶认识。智能化是试图模拟人的行为、感知人的情感、预知人的需求，做出与人类行为、习惯、价值、利益等一致的决策，并试图融入人的生产和生活等多方面的一种自动化数据行为。随着经济社会的进步，人们对大数据驱动的智能化需求愈发强烈。在工业方面，“如果说‘工业1.0’是蒸汽时代、‘工业2.0’是电气时代、‘工业3.0’是信息时代，‘工业4.0’必将是智能时代”。 49 工业智能化是一种根据人的行为特征完成复杂工业程序的模拟行为，工业智能化既可节约大量劳动力资源、提高劳动生产率，也可让刻板化的工业流程变得更具趣味性和艺术性。就社会治理和公共服务领域而言，社会治理的核心是处理与人有关的各种社会关系，公共服务实质是为各类不同的人服务，因而社会治理和公共服务都包含人性因素。人类利用大数据是为了驯服大数据，使其越来越符合人性特征，让其能成为人类可靠的服务资源。由此，大数据驱动国家治理智能化实质上是对人性的一种认可和追求。

（三） 简化治理

简化治理强调通过数据资源整合减少治理的程序和层级，实现治理的简约化和高效化。程序或层级过多一直是阻碍国家治理绩效提升的关坎，通常可能会扭曲初始目标、渗入额外利益、增加运行成本、降低治理效率。既往历史告诉我们，从农业社会到工业社会再到信息社会，是一个不断追求简化治理的过程。农业社会由于生产力低下，受河流山川等自然因素阻碍，信息基本呈现相互隔离的弱联系状态，国家治理只能依靠更多的层级和程序来连接这些相互区隔和分散的信息，进而造成国家治理层级和程序的复杂化。进入工业社会，虽然电器、电话、铁路等工业化产物在一定程度上打破了农业社会的封闭状态，但信息传递仍处于高成本、低稳定的状态，国家治理的层级和程序仍十分繁冗。信息社会的来临打破了农业社会和工业社会的治理层级和程序复杂化的状态，“信息社会的人际互动直接以信息交换为中心，信息生产和信息传播日趋‘互动化’和‘扁平化’” 50 ，信息交换成为社会稳定的沟通方式，大大降低了传统的依赖组织和程序来传递信息的交易成本，使国家治理的层级和程序更加简化高效。显然，数据实质上是信息的一种独特类型，大数据驱动的国家治理是一种高阶信息治理，大数据时代是信息社会发展的高级阶段，依赖大数据进行国家治理是一种能促进治理层级和程序简化的治理模式。

与此同时，信息不对称也是加剧国家治理程序复杂化的一个关键因素。国家治理的主客体间的关系本质上是一种博弈关系，因信息不对称的存在，其为保障各自利益只有通过更多程序获得相对公平客观的结果。在大多数情况下，国家治理的主客体间是一种零和博弈或负和博弈，很少情况是正和博弈，双赢的局面很难产生。信息时代能利用互联网、物联网、云计算、大数据等减少这种信息不对称，提高国家治理中双赢局面出现的概率。“‘互联网+’的驱动将导致国家治理权力去中心化和权力结构重组；‘大数据×’的驱动则促使国家治理权力结构优化，带来了权力运行形态的开放化、透明化和可视化发展” 51 ，在信息相对对称的情况下，国家治理的主客体间用于相互猜忌的对抗性程序障碍减少，国家治理的程序变得更加简化。大数据驱动国家治理的另一重要特征是超越了一定的时空限制。传统的国家治理模式受时间和空间的限制，必须通过增加治理层级和程序来保障国家治理的有效性，而大数据驱动的国家治理改变了传统的信息传递方式，缩小了信息传递的时空幅度和范围，同时也大大压缩了国家治理的层级和程序。总之，随着大数据时代的到来，大数据驱动的国家治理也必将变得更加透明、开放、平等、互动和高效，而这些特征的汇集和聚焦最终会指向国家治理层级和程序的简化。

（四） 协同治理

协同治理强调多元主体间的平等互动与开放合作。伴随智能时代的来临与兴盛，民众的权利意识、参与意识、民主意识渐趋觉醒，诉求表达的欲望日益强烈，呼唤政府提供更多更有效的参政议政机会与平台。传统的官僚等级体制崇尚精英主义、鼓励阶层固化、强调等级秩序，在制度设计方面预留民众参政议政的弹性与空间不足，参与渠道狭窄、堵塞，非正式参与较为流行。在讨论政治参与、制度弹性与政治动乱的关系时，亨廷顿曾言，“一个国家在政治制度化方面的落后状态，会使对政府的要求很难——如果不是不可能——通过合法渠道得到表达，并在该国政治体系内部得到缓解和集中。因此，政治参与的剧增就产生政治动乱……大多数处于现代化之中的国家里，流动机会的缺乏和政治制度化程度的低下导致了社会颓丧和政治动乱二者之间的正相关关系。” 52 可见，政府需要正视并重视民众参与能力提升、参与欲望增长的事实，健全制度体系，完善内容体系，提升民众参与的“容积率”。制度的更新与实施离不开信息的传播与供给，信息规模与质量决定了制度目标的代表性、制度内容的针对性和制度实施的连贯性。信息采集、存储、传播、分析等技术的落后与匮乏，以及上级政府与下级政府之间、不同政府部门之间、政府与企业之间存在严重的信息不对称，数据信息流动受阻，妨碍了上级政府监督职能和非政府主体治理职能的正常履行，从而容易导致“黑箱操作”普遍，“地盘病”流行。

因此，流动畅通、获取快捷、阅读简便才是协同治理的信息基础与逻辑前提。大数据是对互联网络承继与超越的结果，其作为一种新的资源、技术与理念，从根本上就鼓励并支持民众参与、多元互动和协商合作。这是因为：第一，作为一种资源，大数据强调参与，鼓励互动，推进信息协同。大数据体量大、类型多、价值高、覆盖面广，能全面、可靠地反映客观事实，让管理者、决策者认识真实的治理对象和环境。并且，在大数据网络中，数据的生产者、传播者、分析者和消费者都既是数据的生产者，也是数据的消费者，能从不同的视角和立场对同一数据、事实提供不同的认知与解读，赋予其不同的价值和意义。只有他们共同参与、积极互动、联合起来，才能最大限度地挖掘数据的隐藏价值、发挥大数据的积极作用。第二，作为一种技术，大数据强调流动，支持合作，推进技术协同。纯粹的数据只是客观存在的、价值无涉的字符，通过主体建构和情境赋能才更具备意义。因此，数据价值的挖掘关键在于流动、开放和共享，并被不同主体广泛阅读、反复利用。大数据库的建立及治理大数据平台的运行，通过统一数据标准、数据格式、数据结构等技术方式，能缓解不同主体之间、不同部门之间、政府社会之间的信息不对称，为协商共治提供信息支持和技术支撑。第三，作为一种思维，大数据强调合作，鼓励协商，推进主体协同。拥有大数据思维的决策者、管理者将充分尊重其他主体的意见和建议，并在制度设计中充分保障非政府主体的参与权、话语权、决策权、监督权，并注重在决策实践、政策制定、制度实施过程中充分听取利益相关者的诉求，寻求最大公约数，以提升公共决策的代表性。总之，作为一种技术，如果信息是线，那么数据就是针，通过大数据的流动、开放与共享，不仅能为普通民众接触公共管理与决策信息、参政议政赋能并提供机会平台，还能串联政府、企业、社会组织、普通民众等多元主体，为其提供同质、同规模、同时效的决策数据，从技术层面为多元互动、合作治理提供支持。

五、大数据赋能国家治理的秩序异化

大数据刻画了社会存在，能够记录并存储有关权力流动的诸种细节，是治理主体使用的一种重要工具。大数据作为工具是价值无涉的，但是它会因为使用者的价值偏好而相应地产生不同的社会效应，也正是在这一意义上，大数据的“社会性”与“价值性”得以彰显。如果大数据被治理主体科学地、合理地使用，那么将会产生无限的正向效应，但是在现实情形中却存在国家治理的数据异化可能，比如数据霸权主义、保护主义、精英主义盛行，政府部门、头部企业、社会精英等对数据和信息的垄断与支配等。

（一） 数据垄断

数据霸权是霸权主义的“新变种”，旨在通过隐蔽或公开的方式控制并支配数据的流动与消费，诱导甚至左右民众的行为选择以实现目的。如2017年Google借助其在搜所引擎市场的支配地位实施竞价排名，让用户搜索结果的呈现以Google Shopping服务对象的信息为优先排序。 53 作为数据霸权的极端结果，数据垄断是一种新的资源占用模式，涉及数据资源、数据技术、数据价值、数据收益等多种形式，表现为对数据资源的“独占”或利用数据技术巩固垄断地位。

数据垄断和数据霸权奠基于“流动权力” 54 的崛起。众所周知，信息即权力，信息的扩散驱动权力的分散，赋能社会力量参政议政，削弱了传统官僚机构，孕育出一个开放式、扁平化的权力网络。在这一网络中，政府地位相对下降，企业、民众、社会组织等的地位则相对上升。然而，大数据渗透并不必然弥合阶层、人群、地区间的信息鸿沟。恰恰相反，受基础设施、个人认知、能力水平等限制，政府依然垄断着公共数据的生产、供给与消费，预测并监控社会参与者的言行举止，控制人类生活。

作为资源的权威分配者、公共利益的追求者及公共价值的实践者，政府部门和头部企业能以更低的成本、更高的概率更容易地搜集并占用数据信息。主要表现在：第一，独占数据技术。技术创新是一个试错过程，需要耗费大量资源，政府在技术研发投入方面更具优势，如美国的《大数据研发和发展计划》、德国的《人工智能德国制造》、日本的《迈向2020年的ICT综合战略》和中国的《中国制造2025》等，都试图以国家动员的形式谋求大数据、人工智能等新兴技术领域的突破与进步。第二，独占数据信息。在数据权利归属不明的前提下，各级政府部门通过参与制定颁布技术规则、标准制度、开放边界、共享门槛等，修建封闭的数据池 55 ，掌握了80%以上的信息数据资源。 56 第三，独占数据利益。尽管早在1995年欧盟已在相关法律中提出“被遗忘权”的概念，但相关论争依然未有定论，弱化了民众对数据受益权利的主张，数据寡头基于信息挖掘能力独占了收益。在中国，微信几乎将全部的互联网熟人关系圈社交资源控制在手 57 ；滴滴自收购Uber在华业务后，一度市场占有率达到93% 58 ；天猫、京东、拼多多、苏宁、唯品会等少数企业则构成网络零售业B2C市场交易的寡头生态。 59

而数据垄断作为一种破坏性力量，容易阻碍数据信息的流动、开放和共享，给国家治理带来一系列负面影响。一方面，遏制非政府主体的作用发挥。数据是决策的基础，当政府垄断公共数据并阻碍社会力量获取决策信息时，民众、企业、社会组织等社会力量将无法一窥公共事件的全貌与真相，也就无法有效行使治理职能并做出科学的、有针对性的决策，从而导致非政府主体参与治理的功能逐渐被边缘化。另一方面，恶化国家治理环境。数据寡头对数据资源、技术、价值和收益的垄断，将进一步扩大数据鸿沟，延后并抑制普通民众权利意识的觉醒以及大数据素养的提升，数据权利争议将悬而未决，数据寡头生态也将持久存在，对个人隐私、权力运作、社会治理、公共决策、军事行动等造成不同程度的冲击和危害。

（二） 数据壁垒

保护主义常见于国际贸易领域，旨在保护国内产业、产品生态不受外部力量“破坏”，是对全球化、自由贸易等现代化进程的否定与抵制，因而屡受质疑与诟病。数据保护主义则是保护主义在数据领域的映射。当数据作为一种资产并能带来利益时，数据的生产者、占有者或消费者会利用各种手段建构“篱笆”，控制外部性以排斥他人消费。而数据壁垒是一种具体的“篱笆”，是对限制数据流动、开放与共享的制度、命令、标准、规范等的统称。具体而言，数据壁垒的生成路径如下：一是因利益冲突直接拒绝信息开放与共享。因利益的分化和保护，不同地区、人群和行业的利益直接影响其数据开放的意愿和程度。二是借技术限制拒绝信息开放与共享。因数据的异质性、不一致性与不完备性，数据范围、数据时效性、隐私与数据所有权等问题 60 ，大数据技术在不同部门、行业和地区有不同的标准和制度，为不同部门、人群和行业等的利益分割与保护提供了重要的借口和托词，加剧了数据壁垒的形成。三是借安全保护拒绝信息开放共享。数据共享以数据隐私保护为前提，但目前社会对数据权的概念与归属界定标准并不清晰，大数据的隐私和机密保护往往可上升到道德层面和国家安全层面，也是各部门拒绝信息开放与共享的重要借口。

具有公共产品属性的数据作为一笔宝贵资源，能在很大程度上形成公共数据的部门化、部门数据的利益化，进而演化为无处不在的数据壁垒。第一，纵向地看，上下级政府间存在信息不对称，不同层级政府或部门间数据彼此割裂容易导致层级化的“条数据”壁垒。一方面，上级政府或部门掌握了大量的稀缺资源、关键信息，或根据保密原则不能告知所有下属、部门，或为了保持领导的神秘、权威故意选择性释放信息；另一方面，下级政府或部门掌握了大量情境信息，但为了谋取部门利益、职位升迁，会故意少报或不报，也会添加各种数据“噪音”，以干扰上级政府或部门对下属真实情况的获取。第二，横向地看，“国家权力机关之间、政府部门之间的利益冲突则是决策过程中最根本的冲突” 61 ，大数据作为权力的载体和部门利益的具体实现，很容易被“地盘”俘获，容易导致部门化的“块数据”壁垒。块数据旨在对各类条数据壁垒进行解构，但由于“条”“块”协作间普遍存在地方利益保护主义的数据封锁现象，将数据之间的价值关联做了物理区隔，使不同区域内的数据网络形成“围墙”，如若未形成领导部门“牵头式”的数据管理体制，则难以保障不同地区间横向部门展开合作。第三，综合地看，政府内部行政分割、系统分治，以及传统的科层制组织中横向部门与纵向部门设置过细、职能交叉的形式容易导致冗杂化的“融数据”壁垒。数据的条块分割、数据平台的标准不一与处理规范不统一等问题阻碍了跨部门的大数据集聚融合，人、事、物、组织、空间等彼此交织形成条块交叉的数据分布情形，使“大数据”变为“小数据”，数据的颗粒度、碎片化程度增加，进而容易出现数据冗杂的现象。

不论是条数据、块数据还是融数据，数据壁垒的普遍存在妨碍了数据的流动及其隐藏价值挖掘，束缚了上级政府、职能部门、决策机构对社会事实的客观观察，降低了治理决策的针对性和科学性，容易产生一系列负面影响。首先，当下大数据开放和共享存在技术短板、部门利益、安全陷阱、问责压力与产权纠结等障碍，增加了行政成本、制度成本和协调成本。 62 其次，开放和共享是大数据的本质特征和大数据战略实施的基本要求 63 ，但在职责同构、条块分割、部门保护、部门利益等因素的影响下，数据壁垒的消弭任重道远。最后，组织结构碎片化所带来的数据壁垒阻碍了“全数据”的形成，将原本具有整体性的大数据资源割裂成零碎的、小块的、分散的数据资源，给大数据价值功能的发挥埋下了巨大隐患。总体而言，数据壁垒的风险来源于组织结构的碎片化，同样其化解也依赖于部门之间的协作、条块之间的协同和组织结构的整合，需要社会协同治理予以化解。

（三） 数据鸿沟

精英主义形成于19世纪末20世纪初，主张精英观点应该更受重视，从而强调并认同某些特定阶级的成员或特定人群在历史进步、社会发展中的关键作用，是与平民主义、底层主义相对照的一个概念。尽管精英主义是一个中性概念，本质上则表现出一种等级化色彩，主张把人分为三六九等，并强调精英人群应该在社会资源分配、公共利益占有及公共职位任命方面拥有优先权或者特权，从而在社会精英与普通民众之间人为制造出一个地位差距，表现在信息占有或消费方面，就是所谓的数据精英主义。作为数据精英主义的直接后果，数据鸿沟是指不同社会群体之间在占有和使用现代信息技术方面的差距。 64 它的产生源于：一方面，作为既得利益者，传统精英不会主动放弃对权力的占有和公共福利的优先分享，并为此制定各种制度规范，加强对主流舆论的掌控，忽视或限制普通民众对重要数据的获取，营造一个契合精英统治的治理环境，从而延缓后者“启蒙”进程；另一方面，作为精英治理的对象，普通民众缺乏对数据更新的敏感性，也缺少获取数据的渠道，受主流宣传的影响，权利意识更是觉醒缓慢，从而在数据的生产、获取和消费方面，与社会精英之间的差距越来越大。

从一定程度上说，数据鸿沟主要表现为数据的社会分化。第一，阶层分化。拥有技术优势、受教育水平较高、经济发展状况较好的群体往往具有更高的专业技能与数据逻辑思维，从而对大数据技术的认知越高，享有数据增值服务的机会更大。能力强者能将数据转变为有用信息，能力弱者只能被动接受算法偏后的信息，数据池中呈现出明显的数据富有者与数据匮乏者之间的鸿沟。第二，城乡分化。来自《2018年第42次中国互联网络发展状况统计报告》显示，农村地区互联网普及率为36.5%，城镇地区互联网普及率为72.7%。众所周知，智慧城市、数字化城市的建设步伐远早于“数字乡村”建设，城市相较于乡村有着更丰富的经济产业、更多元的发展主体，集结了政府部门、公共机构、优质企业和社会精英，能够采用新一代的信息技术，收集并组织来自城市设施、组织及个人的大量动态和静态的主体与客体数据 65 ；而农村则面临空心化困境，由产业、人才、信息基础设施等形成的数据集成效应远低于城市。第三，区域分化。大数据技术应用在医疗领域中对人类疾病的诊断与预测、在教育领域中对学习行为的分析与教学方案的制订、在公安领域中对犯罪的侦查与跟踪、在应急管理中对风险的预警与响应、在智慧交通中对服务的规划与调整等都很好地证明了“数据驱动科学决策”这一事实，但这一趋势目前在全社会范围内暂未形成同一发展水平，而由于不同平台中的财政投入、技术优劣等因素，往往存在区域分化的数据鸿沟事实。

由此可见，数据鸿沟是一个客观事实，社会中某些群体被排除在大数据红利之外，数据阶级分化严重，不断呈现出强者越强、弱者越弱的马太效应。同时，数据鸿沟会降低数据质量，“糟糕的数据质量可能会也可能不会阻碍分析工具获得业务洞察” 66 ，但一定会影响工作效率，增加数据“噪音”的处理成本。因此，面向数据鸿沟的形态特征，可从外力与内因两方面进行路径消弭：一方面完善数据治理体制是解决数据鸿沟问题的外生推力，尤其需要注重发挥政府在规则制定中的主导与监管作用，数据鸿沟多由数据垄断和数据壁垒引起，因此必需重构数据权力，明确数据主体的职责定位，制定数据开放计划与共享规则，详细描述各领域或平台的开放范围、格式与共享进度、方式等内容；另一方面提升自身数据治理能力是内生动力。当前新的数据鸿沟是数据分化和数据战争的升级，是加剧市场竞争或国际竞争不公平的重要变量，在相关法律制度缺失的情况下，各界主体更需加强“数据战争”的应对规划，从技术开发、人才素养等硬实力培养或创新创意、合作共享等软文化塑造方面“双管齐下”，以利于在数据博弈中占据“一席之地”。

六、大数据赋能国家治理的场域文明

受数据垄断、数据壁垒和数据鸿沟的影响，国家治理会产生数据异化。因此，有效应对数据异化并实现数据文明，是大数据驱动的国家治理的目标追寻。

（一） 数字国家

随着大数据和人工智能技术的不断发展，国家成为数据文明的重要载体。国家作为大数据渗透和嵌入的主要治理空间，必然被赋予大数据的各种特征与功能。大数据将改变国家治理的运行基础、发展形态和变迁轨迹，而国家在这种变化中所做的调适将进一步促进新的语言、文字、符号、信仰、规则、道德等的产生，这将重塑国家治理的文明形态。由此可见，大数据改变的不仅仅是国家治理的手段和形态，更是国家治理的制度基础和上层建筑。但这种改变并非一蹴而就，而是在大数据快速发展和运用过程中无意识、非目的性地发展起来的。它促进了新的社会关系的产生，而这种社会关系的直观呈现就是文明形态。数据文明相对于传统工业文明而言更具适合未来社会发展的优势，如工业文明比农业文明更适应现代化进程一样，数据文明也是国家治理变迁发展的一个重要结果。数据文明在更优越的模式基础上，将形成新的法则、新的语言、新的公序良俗甚至新的文化和信仰。 67 现代社会的国家治理已与信息数据紧密融合，脱离数据进行的国家治理是低效的。现代社会中的国家已到处弥漫着数据，国家中的立法、司法和行政已被数据包裹，国家中的城市、农村和城郊已被数据缠绕，国家中的规则、制度和道德已被数据重塑。我们已生活在一个充满数据的国家，大数据的发展红利正驱动着国家治理形态的改变和国家文明形态的变迁。

然而，数字国家在发展变迁过程中也充满曲折和矛盾，其作为一种文明形态在与既有的工业文明形态对抗过程中必然产生矛盾冲突，这种矛盾与冲突不是短暂的和瞬间的，而是一种长时段的磨合和对抗，这种磨合和对抗的具体方式则取决于工业文明地位和作用在国家发展进程中所起的作用，以及数据文明在现代国家发展中所发挥的作用和价值。正如亨廷顿所言，“正在出现的全球政治主要和最危险的方面将是不同文明集团之间的冲突，引起了人们的各种反应，包括新奇、义愤、恐惧和困惑。” 虽然他是从空间角度强调不同国家间文明形态的冲突，而大数据驱动的数字文明更多地是从时间角度强调不同时期文明形态间的差异和冲突。因此，对于大数据驱动的数字国家，应着重从以下三个方面形塑其文明形态：一是数字国家中的数据语言。大数据的应用实际上是对国家治理的语言工具进行革新改造的过程，数据语言将超越文字语言成为未来国家治理的重要工具，这就需要在未来的国家治理中更加注重数据语言普及和认识；二是数字国家中的数据规则。数据规则是在大数据发展过程中因产生各种风险而逐渐形成的治理共识，即在既有规则世界形成一套能对数据发展具有制约和调节作用的规则体系；三是数字国家中的数据道德。数据道德是在使用大数据的过程中需维持人类社会进步和可持续发展的底线，是人类共同体对数据发展的软钳制，这也是未来数字国家建设和发展的伦理基础。

（二） 数字政府

数字政府是数据文明的重要体现，数据文明的发展必将促进数字政府的更新迭代。大数据已渗入政府部门的各个方面，对政府公共决策、公共服务、公共监督和行政执行等产生强烈影响，也深刻影响政务服务、城市管理、司法裁判、政府决策等诸多领域，在很大程度上提升了政府部门履行公共职能和完成行政任务的效率与质量。数字政府建设过程也是数据文明的发展过程，随着公众对政府决策、公共服务和政策执行质量的要求不断提高，政府机构进行数字化改革势在必行，数字化政府的进程也逐渐加快。而在这一过程中，大数据必将对政府部门既有利益产生强烈冲击，既有利益与数据治理间的冲突必然推动政府结构和政府制度的革新。同时，受既有格局影响，也会产生数据垄断、数据壁垒和数据鸿沟等数据异化问题。况且，在当前服务型政府面临“增量压力”和“提质压力”并存的“双重压力”下，地方政府大数据改革呈现“复式转型”的逻辑特征，这也使得政府数据管理愈加艰难，主要体现在数据共享与数据安全、数据所有权与数据使用权、数据公共性与部门利益性三对矛盾上。 69 这些都要求数字政府建设进入一种符合政府发展的基本原则，形成一种规则或制度来规范政府行为。

与此同时，数字政府建设是数据文明形成的重要影响因素。数字政府建设过程要注重数据文明建设，“把数据这个科技符号变成一个文化符号，将大数据这个高端精英的话题变成一个大众话题，使数据文化进入中国人的视野、融入中国人的意识和血液。” 70 由此，大数据驱动的数字政府重塑数据文明形态须着眼于四个重要方面：一是数据对政府权力的影响。权力运作在很大程度上受数据开放性的制约，数据治理相当于给原有政府权利增加一层监督，这种监督的力度强于过去以往任何时候。大数据实际上分散和削弱了政府权力运作空间，对政府权力运行产生钳制和束缚，数字政府建设过程要充分注意此变化带来的影响。二是数据对政府结构的影响。政府的幅度和层级也将会因数据带来的变革而使信息的流动性、对称性更加明显，而政府结构在一定程度上反映了政府办事的流程和运作架构，对政府制度和规则产生影响，因而需要注意大数据对政府结构的影响。三是数据对政府行为的影响。大数据在政府部门的运用还对政府行为产生影响，其不仅对政府雇员心态产生影响，而且对政府雇员的行为表现产生影响。在数据痕迹管理环境下，政府雇员做事将变得更加严谨，行为也更加谨慎。四是数据对政府文化的影响。大数据在以上方面的改变实际上已重塑着政府机构的内部文化，对政府文化产生潜移默化的作用。总之，大数据对政府权力、政府结构、政府行为和政府文化的影响最终将转化为数据文明的形成。

（三） 数字社会

数字社会是数据文明建设的更大场域。社会主体每天产生着大量数据和信息，这些数据和信息是大数据来源的天然场所。也正是这些大数据，不可避免地成为改善社会结构和社会发展的重要潜在资源。社会问题具有复杂性、多样性和重复性等特征，依靠传统管治手段，不仅成本大，而且治理效果有限。通过大数据的采集和收理，不仅可将复杂的社会现象联系起来，而且可从这种看似无关的联系中找到解决问题的突破口，从而不断提高解决问题的效率。从理性角度看，我们一般认为理性的社会群体通常会增进集体利益，但实际上并非如此，“有理性的、寻求自我利益的个人不会采取行动以实现他们共同的或集团的利益” 71 ，这就是外部性困境或集体行动困境，社会理性主体不会自动达成追求共同利益的行动；从情感角度看，个体行动往往受情感或氛围的影响，个人在不受渲染和情感影响的情况下做出的选择和行动可能完全不同于在渲染和蛊惑中所做的决定和选择，个体在脱离集体渲染环境中所做的决策和选择可能是理性的，但一旦进入这种环境则可能产生非理性决策和行为，因为“约束个人的道德和社会机制在狂热的群体中失去了效力……群体感情的狂暴，尤其是在异质的群体中间，又会因责任感的彻底消失而强化”。 72 社会群体无论是在理性上还是在情感上做出的选择，都有可能是不理性的，因而更需要借助大数据的潜力来弥补这一缺陷，让社会治理成为真正有据可依的数字文明社会。

数字社会建设是数据文明建设的大战场。毕竟文明是一种与社会个体息息相关的集合，脱离了社会个体行为的概念集合，很难称之为文明。大数据既来源于个体，同时又服务于个体，即数据治理依赖的资源来源于社会个体，同时数据治理的目标也指向广大社会群体。由此，大数据驱动的数字社会在重塑数据文明形态时必须做好四个方面的工作：一是注重数据对群体的引导。大数据虽然是一种全数据，但其收集和测量的维度也对数字社会发展方向和社会运行规则产生深刻影响，不同收集维度和测量角度将对社会规则与社会文化有不同的价值导向，因此数字社会建设应紧跟中央政策，并随时进行调整和修正。二是注意数据与伦理的冲突。数据本身是一种客观的记录工具，具有中立性，并不具有价值立场和行为倾向，但数据一旦为人类所利用，数据将渗透和附带各种价值倾向和感情色彩。况且，数据本身的迭代和发展也可能衍生出违背设计初衷的行为与结果，甚至超出设计者所能控制的范围，产生与人类社会伦理道德相悖的行为，这就需要提前进行预防和调适。三是注重数据与情感的融合。数据是一堆冷冰冰的符号，要想让它真正成为社会治理中的重要变量，就需要赋予数据相应的情感和意义，只有让数据与情感融合在一起才能真正有效发挥数字社会的作用，才能迈向数字文明社会。四是注意形式与实质之间的漏洞。数字是一种形式逻辑的代理工具，而人类社会是一种现实的真实世界，两者之间依靠数据来进行转换的治理可能存在转换过程中的漏洞，需要提前预防这些漏洞才能有效地迈入数字文明社会。

七、简短的结语

众所周知，我们熟悉而确定的世界，以其一致性、连续性、有序性给我们带来稳定、经验、环境、行为方式及其成果循环利用的有效性与自信心。 73 大数据的存在与应用赋予了身处变革时代的我们以诸多的技术红利和生活福利，能揭示变幻莫测世界背后的隐秘逻辑，能实时描述与解释人类行为和社会现象，能更精准地探寻国家治理规则和社会运行规律。大数据将使我们的世界变得“有数可取”“有规可依”“有章可循”，让政府管理、公共服务和国家治理变得更具确定性、具象性、可预期性和抗风险性。

大数据无疑是现代国家治理函数中重要的技术变量，已成为国家治理技术逻辑中的重要基石。随着数字化、网络化和智能化程度的提高，清晰化的流动性治理模式将会取代传统模糊化的静态性管理模式。大数据不断改善和优化国家治理结构，促进政府充分实现科学决策、精细管理、精准服务、精确监管、高效协同，不断推进国家治理体系和治理能力现代化进程。过去常说“没有调查就没有发言权”，今天我们会说“没有数据就没有发言权”。数据之于国家治理，犹如柴米油盐之于人类生存。当下中国正处于社会大转型时期，同时也是一个信息大爆炸的时代，更是一个社会风险隐藏较大的时段，若能够把握好大数据带来的机遇和挑战，将对国家治理产生长远而深刻的影响。

需要说明的是，大数据并非一堆冷冰冰的数字、算法和模型，大数据的终极目标是追求个体权利平等状态下的人文关怀，大数据驱动下的国家治理是一种智能化、简约化和人性化的治理。在政府决策方面，大数据技术可弥补人类有限理性的缺陷，尽可能全面地收集数据信息，形成更加全面的备选决策方案。在社会治理方面，大数据能从整体上把握资源分配结构，针对不同个体形成个性化操作方案，从而不断实现社会治理的个性化、专业化和精准化。在公共服务方面，大数据能缓解公共服务供需不匹配、供需结构冲突的状态，能有效整合碎片化的供需资源，降低公共服务成本，提高公共服务效率。大数据本质上是按照人类的习性和习惯来设置算法和模型，大数据分析从“人”的视角出发，以“人”的利益作为逻辑起点。因此，如何让数据更显智能、更有温度、更具人性，将是未来大数据时代国家治理需要进一步拓展和深化的。

不可忽视的是，在这个逐步认识、改造和运用大数据的时代，我们既要反对所谓的“数据自由”和“数据崇拜”，也要避免可能出现的“数据赤字”和“数据独裁”。大数据本身具有的价值中立性却并不能阻止数据获取者、分析者、运用者的“意识形态嵌入”“利益绑架”和“阶级殖民”。那种打着“数据自由”旗号推行“数据殖民主义”和“数据商业主义”的行径是危险的。诚如丹·席勒所指出，在美国跨国资本主义的现实世界中，信息自由绝非意在真正去维护人的权利，它们可以打着“信息自由”的旗号，使得自己的自私逐利行为显得冠冕堂皇。 74 同时，我们也反对任何形式的“数据崇拜”和“数据拜物教”，反对通过过度放大大数据价值来攫取垄断高额利润的任何形式的“数据资本主义”和“数据帝国主义”。同时，我们要避免信息不对称条件下城乡之间、区域之间、阶层之间“数据鸿沟”的过度拉大，特别要注意的是避免政府在“数据鸿沟”弥合过程中的“数据赤字”，真正做到数据基本公共服务供给的充分化、均等化和便利化。此外，我们要反对利用掌握数据垄断优势而制造的“数据独裁”，并防范任何形式的“数据专制主义”和“数据霸权主义”。可以相信，只要做到这些，大数据驱动国家治理的秩序生产必将导向“数据文明”的结果，由此大数据作为治理工具的真正价值将会得到充分彰显。

脚注

1. Tony Hey，Stewart Tansley and Kristin Tolle，“The Fourth Paradigm：Data‑Intensive Scientific Discovery，”Redmond，WA：Microsoft Research，vol.99，no.8，2011，pp.1334-1337.

2. James Manyika et al.，“Big Data：The Next Frontier for Innovation，Competition and Productivity，”May 1，2011，https：//www.mckinsey.com/capabilities/mckinsey-digital/our-insights/big-data-the-next-frontier-for-innovation，May 23，2023.

3. Felice Frankel and Rosalind Reid，“Distilling Meaning from Data，” Nature，vol.455，no.4，2008，p.30.

4. June Gantz and David Reinsel，“Extracting Value from Chaos，”June 1，2011， https：//fdocuments.in/document/idc-iview-extractingvalue-from-chaos-2011-data-storage-etc.html，May 23，2023.

5. Science Staff，“Challenges and Opportunities，”Science，vol.331，no.11，2011，pp.692-693.

6. 维克托·迈尔-舍恩伯格、肯尼思·库克耶：《大数据时代：生活、工作和思维的大变革》，盛杨燕、周涛译，杭州：浙江人民出版社，2012年，第172页。

7. 美国政府2012年至2014年先后发布了《大数据的研究和发展计划》《支持数据驱动型创新的技术和政策》和《大数据：把握机遇，守护价值》，2013年英国政府发布了《抓住数据机遇：英国数据能力战略》，2013年澳大利亚政府也发布了《公共服务大数据战略》，同年法国政府发布了《法国政府大数据五项支持计划》。

8. 中国政府先后出台了《促进大数据发展行动纲要》《关于运用大数据加强对市场主体服务和监管的若干意见》《关于推进农业农村大数据发展的实施意见》《关于积极推进“互联网+”行动的指导意见》《政府信息资源共享管理暂行办法》《关于加快推进“互联网+政务服务”工作的指导意见》《关于组织实施促进大数据发展重大工程的通知》《“十三五”国家信息化规划》等相关政策。

9. Damon A. Runion， “Big Data：A Technology Review，”International Journal of Computer Applications & Information Technology， vol.7， no.Ⅱ， 2015， p.158.

10. Gang‑Hoon Kim， Silvana Trimi and Ji‑Hyong Chung， “Big‑Data Applications in the Government Sector，”Communications of the Acm， vol.57， no.3， 2014， p.78.

11. June Gantz and David Reinsel，“Extracting Value from Chaos.”

12. Gray King，“Ensuring the Data‑Rich Future of the Social Ssciences，” Science，vol.311，no.11，2011，pp.719-720.

13. 陈潭等：《大数据时代的国家治理》，北京：中国社会科学出版社，2015年，第19页。

14. 李杰：《工业大数据：工业4.0时代的工业转型与价值创造》，邱伯华等译，北京：机械工业出版社，2015年，第46—47页。

15. 关于多级所有的概念，参见李风华：《纵向分权与中国成就：一个多级所有的解释》，《政治学研究》2019年第4期。

16. 在某种意义上，大数据的价值及其带来的困惑都与数据的二阶利用有关。如个人数据的隐私权冲突，当个人允许其私人数据被收集和二阶利用时，谁也无法预测二阶利用可能带来的利益或危害。在二阶利用过程中，只有对数据挖掘结果本身，才能得出完全不同于初始目的的结论。参见John Pavolotsky，“Privacy in the Age of Big Data，” The Business Lawyer，vol.69，no.1，2013，p.220.比如，2016年特朗普竞选团队用大数据对选民进行有效宣传就是一个出乎意料的结果。

17. Patrick J.Wolfe，“Making Sense of Big Data，”Proceedings of the National Academy of Sciences of the United States of America，vol.110，no.45，2013，p.18031.

18. 陈潭：《大数据驱动社会治理的创新转向》，《行政论坛》2016年第6期。

19. 张康之：《论社会运行和社会变化加速化中的管理》，《管理世界》2019年第2期。

20. 莫伊塞斯·纳伊姆：《权力的终结》，王吉美等译，北京：中信出版社，2013年，第13页。

21. 渠敬东、周飞舟、应星：《从总体支配到技术治理——基于中国30年改革经验的社会学分析》，《中国社会科学》2009年第6期。

22. 高小平：《借助大数据科技力量寻求国家治理变革创新》，《中国行政管理》2015年第10期。

23. 隋岩：《群体传播时代：信息生产方式的变革与影响》，《中国社会科学》2018年第11期。

24. 王向民：《大数据时代的国家治理转型》，《探索与争鸣》2014年第10期。

25. Rzghuram G.Rajan and Luigi Zingales，“Power in a Theory of the Firm，” The Quarterly Journal of Economics，vol.113，no.2，1998，pp.387-432.

26. 彭亚平：《技术治理的悖论：一项民意调查的政治过程及其结果》，《社会》2018年第3期。

27. 阿克顿：《自由与权力》，侯健等译，南京：意林出版社，2011年，第294页。

28. 胡税根、翁列恩：《构建政府权力规制的公共治理模式》，《中国社会科学》2017年第11期。

29. 陈潭、刘成：《大数据驱动社会科学研究的实践向度》，《学术界》2017年第7期。

30. 岳成浩、成婧：《危机能管理吗？——基于西蒙决策理论的视角》，《中国行政管理》2016年第2期。

31. Amanda Clarke and Helen Margetts，“Governments and Citizens Getting to Know Each Other？Open，Closed，and Big Data in Public Management Reform，”Policy & Internet，vol.6，no.4，2014，pp.393-417.

32. 尤建新、王家合：《政府质量管理体系建构：要素、要求和程序》，《中国社会科学》2006年第12期。

33. Aggeliki Androutsopoulou，et al，“Transforming the Communication Between Citizens and Government Through AI-guided Chatbots，”Government Information Quarterly，vol.36，no.2，2019，pp.358-367.

34. 何大安、许益怀：《大数据时代福利政策制定的理论分析》，《浙江学刊》2019年第3期。

35. 陈涛、马敏、徐晓林：《区块链在智慧城市信息共享与使用中的应用研究》，《电子政务》2018年第7期。

36. 《中国共产党第十九届中央委员会第三次全体会议文件汇编》，北京：人民出版社，2018年，第26页。

37. 谢新水：《从服务型政府到人民满意的服务型政府——一个话语路径的分析》，《探索》2018年第2期。

38. 郑建君：《大数据背景下的社会心理建设》，《哈尔滨工业大学学报》（社会科学版）2019年第4期。

39. 席涛：《法律、监管与市场》，《政法论坛》2011年第3期。

40. 陶峰、万轩宁：《监管科技与合规科技：监管效率和合规成本》，《金融监管研究》2019年第7期。

41. 陈潭：《大数据驱动国家治理的未来图景》，《光明日报》2018年4月9日，第11版。

42. Foster Provost and Tom Fawcett，“Data Science and Its Relationship to Big Data and Data-driven Decision Making，”Big Data，vol.1，no.1，2013，p.53.

43. 柴盈、何自力：《论完全理性与有限理性——对现代经济学理性假设的反思》，《华中师范大学学报》（人文社会科学版）2006年第5期。

44. Andrew McAfee and Erik Brynjolfsson，“Big Data：The Management Revolution，”Harvard Business Review，vol.90，no.10，2012，p.5.

45. Andy Williamson，“Big Data and the Implications for Government，”Legal Information Management， vol.14，no.4，2014，p.255.

46. Rhoda C.Joseph and Norman A.Johnson，“Big Data and Transformational Government，”It Professional，vol.15，no.6，2013，p.47.

47. Gianluca Misuraca，Francesco Mureddu and David Osimo，“Policy‑Making 2.0：Unleashing the Power of Big Data for Public Governance，” in M.Gascó‑Hernández eds.，Open Government，Public Administration and Information Technology，New York：Springer Science & Business Media，2014，p.186.

48. 涂子沛：《数据之巅：大数据革命，历史、现实与未来》，北京：中信出版社，2014年，第255页。

49. 陈潭等：《工业4.0：智能制造与治理革命》，北京：中国社会科学出版社，2016年，第2—3页。

50. 戴长征、鲍静：《数字政府治理——基于社会形态演变进程的考察》，《中国行政管理》2017年第9期。

51. 陈潭、杨孟：《“互联网+”与“大数据×”驱动下国家治理的权力嬗变》，《新疆师范大学学报》（哲学社会科学版）2016年第5期。

52. 塞缪尔·P.亨廷顿：《变化社会中的政治秩序》，王冠华等译．上海：上海人民出版社，2008年，第42页。

53. 杨东：《打破数据垄断困局，规范平台竞争秩序》，《中国知识产权报》2019年8月30日，第11版。

54. 曼纽尔∙卡斯特基于信息的关键作用，强调“流动的权力优先于权力的流动”。参见曼纽尔∙卡斯特：《网络社会的崛起》，夏铸九等译，北京：社会科学文献出版社，2001年，第569页。

55. 唐塔普斯科特、亚力克斯·塔普斯科特：《区块链革命：比特币底层技术如何改变货币、商业和世界》，凯尔等译，北京：中信出版社，2016年，第121页。

56. 《信息数据“深藏闺中”是极大浪费》，2016年5月13日，https：//www.gov.cn/xinwen/2016-05/13/content_5073036.htm？gs_ws=people_635988271485890267，2023年8月2日。

57. 《国内首份数据垄断报告发布，专家认为平台不能限制消费者权利》，2019年5月27日，https：//baijiahao.baidu.com/s？id=1634678215372745821&wfr=spider&for=pc，2023年8月3日。

58. 《网约车大战又掀高潮滴滴打车能否守住一哥宝座》，2018年3月29日，https：//www.ifeng.com/，2023年5月25日。

59. 参见电子商务研究中心编制：《2018年（上）中国跨境电商市场数据监测报告》。

60. H.V.Jagadish，et al.，“Big Data and Its Technical Challenges，”Communications of the ACM，vol.57，no.7，2014，pp.86-94.

61. 吕芳：《公共服务政策制定过程中的主体间互动机制——以公共文化服务政策为例》，《政治学研究》2019年第3期。

62. 陈潭：《政务大数据壁垒的生成与消解》，《求索》2016年第12期。

63. 陈潭：《大数据战略实施的实践逻辑与行动框架》，《中共中央党校学报》2017年第2期。

64. 《中国数字鸿沟报告2013》，2014年5月20日，http：//www.sic.gov.cn/News/287/2782.htm#_ftn1，2023年7月21日。

65. Yunhe Pan，et al.，“Urban Big Data and the Development of City Intelligence，”Engineering，vol.2，no.2，2016，pp.171-178．

66. 桑尼尔·索雷斯：《大数据治理》，匡斌译，北京：清华大学出版社，2014年，第98页。

67. 涂子沛：《数文明：大数据如何重塑人类文明、商业形态和个人世界》，北京：中信出版社，2018年，前言。

68. 塞缪尔·亨廷顿：《文明的冲突与世界秩序的重建》，周琪等译，北京：新华出版社，2009年，第1页。

69. 张翔：《“复式转型”：地方政府大数据治理改革的逻辑分析》，《中国行政管理》2018年第12期。

70. 涂子沛：《数据之巅：大数据革命，历史、现实与未来》，第338页。

71. 曼瑟尔.奥尔森：《集体行动的逻辑》，陈郁等译，上海：格致出版社，2014年，第2页。

72. 古斯塔夫·勒庞：《乌合之众：大众心理研究》，冯克利译，北京：中央编译出版社，2014年，第13—14页。

73. 胡潇：《社会行为不确定性的认识论解析》，《中国社会科学》2016年第11期。

74. 王建峰：《告别信息崇拜 解构数字资本主义——访美国伊利诺伊大学厄巴纳-香槟分校教授丹·席勒》，《中国社会科学报》2017年1月19日，第2版。

ABOUT

作者简介：陈潭，广州大学公共管理学院教授、博士生导师

基金信息： 国家社会科学基金重点项目“健全新时代互联网治理体制研究”（22AZD065）

中图分类号： TP18/D035

文章编号：1000-4769(2023)06-0012-19

文献标识码： A

出版日期：2023-11-01

声明：本文来自社会科学研究杂志，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。