大数据和全球风险社会背景下,数据驱动的治理创新成为重要议题,运用大数据重塑社会治理成为主流。我国将大数据发展与应用纳入国家战略,社会数据是表示和描述社会发展状况、发展程度与发展趋势的数据,既是国家大数据资源的重要部分,也在促进我国社会治理现代化目标实现中扮演着重要角色,其价值已得到确认并具有强烈需求。然而,社会数据应用于治理决策存在诸多风险和挑战,缺乏治理的社会数据会在增加决策成本的同时降低治理效益。针对我国当前数据治理效果不佳的现实情况,有必要在全面认识社会数据应用风险的基础上,结合我国社会治理现代化的目标内容及其对数据资源的需求,设计科学合理的数据治理机制,加强和完善社会数据治理,以有效降低和规避数据应用中的风险,促进数据资源价值充分发挥。梳理社会数据风险及其识别方法、数据风险维度、社会数据治理机制等方面的已有研究发现,已有许多学者针对大数据、企业数据、科学数据、政府数据等数据对象分析了数据风险类型,构建了治理模型,提出了系列数据治理机制。但缺少对社会数据风险和治理问题的系统专门研究。为此,本研究提出风险维度下的社会数据治理问题,使用理论分析与实证研究相结合的方法,依据风险社会理论、协同理论、数据生命周期理论、利益相关者理论等科学理论,系统性分析应用于治理决策的社会数据风险因素及其维度结构,并结合我国社会数据的应用需求与治理不足,面向社会治理现代化目标,设计提出改进我国社会数据治理机制的模型框架以及相应的治理机制完善策略。首先,从数据产生主体、数据所属领域两个不同的分类标准分析了我国社会数据的构成。将社会数据解构为政府、企业、事业单位和社会组织、个人等主体生成的,覆盖金融、医疗、交通、教育、农业等社会生产生活各个领域的数据内容,并认为社会数据具备社区性、关联性、时效性和复杂性特征,可以在治理应用中提供多维度分析视角和跨界关联,赋能前瞻性、智慧化和多主体参与的社会治理,社会数据风险维度认知将对治理的精准性、智慧化和协同性产生影响。其次,从政策与实践两个方面系统调查了我国社会数据治理机制的建设需求。将社会数据治理功能实现对数据属性的需求凝炼为数据可见性、可流动性、可用性、安全性和高质量,重点调查了社会数据开放共享政策、交易流动政策、质量管理政策和安全与隐私政策的建设情况,结合政策的落实情况、实践成效以及深圳市卫生健康数据治理实践的调查,发现需要对激励引导企业和社会组织等社会力量参与数据治理、数据质量认证与合规审查、元数据和生命周期管理、数据分类分级管理等治理内容投入更多关注,并对合作治理体系、数据一致性保障、数据可见性提升、数据伦理合规与风险评估等治理机制提出了建设需求。然后,基于文献、案例和统计数据分析,识别了社会数据风险并提取构建了社会数据风险维度。通过122份核心文献的内容编码分析和12个社会数据的典型案例分析,筛查获得了变量遗漏和样本偏差降低数据质量、数据缺乏一致性导致协作困难等60项社会数据风险;将风险视为风险因素和风险后果的组合,从60项风险中初步提取了多来源数据的结构不一致、数据开放程度不足等34个风险因素;基于589份社会数据风险因素评估调查问卷,利用探索性因子分析方法经五次因子分析后,提取出了社会数据风险因素的五个维度,即数据质量风险、数据伦理风险、数据获取风险、数据成本风险和数据安全风险。最后,将社会数据风险维度应用于社会数据治理原则和决策域的确定,并构建了社会数据治理机制改进模型。依据社会数据风险维度构成与内容阐释,社会数据治理中应关注利益相关者的合法权益、加强多主体协调并优化制度供给,围绕数据原则、数据质量、元数据管理、数据访问与获取以及隐私、安全与合规六个决策域开展治理活动。据此,在明确原则、目标、范围和实施等四个核心组成单元的内容及其相互关系的基础上,提出了基于风险维度的社会数据治理机制改进模型,阐释了模型的主要内容、特征与功能;并进一步结合我国社会数据治理现实需求,从治理结构、资源建设、运行保障、执行引导和公共利益五个方面描述了模型实施要素的细化内容,设计提出了国家元数据资源统筹整合机制、社会数据治理清单式管理机制等17个治理机制。基于以上研究内容,本研究得出四个有价值的研究结论:（1）社会数据治理应建立在良好的认知基础上,以提高社会数据治理中多元主体的协同水平和实践效益;（2）社会数据治理中应加强多维度风险把控,重拳出击引发风险的重点和本质性问题,丰富防控主体和手段;（3）社会数据治理中应将技术、管理与政策的协同理念纳入机制内容设计,使其彼此促进;（4）社会数据治理应重视治理成本的社会化分摊,发挥市场主体和专业机构的资源优势与主观能动性。本研究作为风险维度和社会治理应用场景下数据治理问题的系统性探索研究,可以为更加全面准确认识社会数据、更精准有效开展社会数据治理提供理论与实践、现实与未来的多维度参考,具有一定的学术与应用价值。（图7,表14,附录2）