论文部分内容阅读
摘 要：政府数据开放政策在地方层面的实施落地是复杂的系统问题，尚不存在普遍适用的推广模式。为系统探讨我国地方政府数据开放的政策工具选择策略。文章基于政府数据开放生态系统的政策工具二维分析框架，利用内容分析法、层次聚类法、共现分析法，首先对地方政府数据开放政策文本进行工具编码和计量分析，了解工具维度和环节维度的地方政府政策工具运用现状和地区差异;其次，采用城市类组分析和工具组合共现分析，揭示地方政府的政策工具运用偏好和工具组合特性;最后，归纳出地方政府数据开放政策工具选择的典型策略。
关键词：政府数据开放;地方政府;政策工具;分析框架
Abstract The implementation of open government data policies at the local level is a complex system issue given no universally applicable promotion model. In order to systematically discuss the policy instruments selection strategy for local governments， based on the two-dimensional analysis framework of policy instruments of the open government data ecosystem， using content analysis， hierarchical clustering， and co-occurrence analysis， this paper first performed tool coding and quantitative analysis on the local government open data policy text， and differentiated the instruments application status and regional differences in terms of instrument and stage dimensions; secondly， it revealed preferences ofthe local government onpolicy instrument application and characteristics of instrumentcombination used by local governmentby means of city cluster analysis and tool combination co-occurrence analysis; finally， it summarized the typical strategy of how local governments select open data policy instruments.
Key words open government data; local government; policy instruments; analytical framework
在大数据时代，政府数据开放随着数据价值和变现能力的提升而逐渐成为全球性的开放运动。为了支持政府数据开放，国家积极打造政策工具，以推进政府数据开放的广度和深度，尤其自2015年国家大数据发展行动纲要发布以来，政府数据开放实践已逐渐下沉至地方层面。但从政策落实情况看，存在“欠充分、欠平衡、欠活跃”现象。究其根本原因是，我国地方政府数据开放的政策执行，具有鲜明的现行行政体制下“自上而下”推进的特点，地方政府作为中央政策落实的基础单元，肩负着执行上级行政任务和发展当地经济社会事业的双重任务。在此背景下，地方政府往往将数据开放融入大数据、政务服务、信息资源开发利用等建设任务中，以政策内容交叉的形式出现在信息化规划、产业发展、公共服务等综合性政策文件中，仅贵州、贵阳、北京、上海、浙江、天津、哈尔滨、青岛、重庆、深圳[1]等少数地方政府探索出台了专门性的政策法规。
可见，政府数据开放在我国地方层面的实施落地是复杂的系统问题，尚不存在普遍适用的推广模式，亟需从地方层面系统探讨政府数据开放的发展策略，为政府数据开放政策落地提供理论依据和实践参考。政策工具理论为地方政府数据开放策略研究提供了思路和方法，首先政策工具作为实现政策目标的手段和媒介[2]，能够有效反映政府部门行政的工具偏好;其次，政策工具的“结构论”认为公共政策能够解构成一系列相互联系又相对独立的政策工具，形成可被计量的内容单元[3]，通过与内容分析法、政策文献量化法、可视化工具等的结合运用，可揭示政策工具的属性和结构关系，进而归纳出公共政策的选择策略。因此，本文结合运用政策工具理论和政策文献计量方法研究地方政府数据开放政策工具选择策略，试图为地方层面的政府数据开放实践提供参考。
1 概念界定和分析框架
1.1 地方政府数据开放的相关概念界定
地方政府是由中央政府为治理国家部分地域及其社会事务而设置的政府单位”[4]，并在省、直辖市、县、市、市辖区、乡、民族乡、镇设立人民政府[5]。据此确定本文“地方政府”研究范围，即在我国制定了政府数据开放相关政策或建有开放平台的人民政府，对应行政级别为省级、副省级、地级市。截至2020年6月30日，确定28个省级政府和61个副省级/地级市政府为研究对象。
在我国地方政府实践中，政府数据开放与信息公开、政务公开等相关概念是继承和发展的关系，具体表现为：（1）政府数据开放用以满足公众和企业的数据使用权，是在信息公开满足公民知情权和行使监督权之后，公民权利的进一步拓展和深化;（2）政府數据开放效仿信息公开工作，逐渐成为政府部门政务公开的常态化工作内容，被纳入年度考核;（3）法律法规的参照执行，政府数据开放尚未出台专门法律法规时，在开放主体、开放范围、开放方式、相关权利保护等方面参照信息公开条例的相关规定来规范各个主体的行为; （4）地方政府信息公开发展阶段建成的基础数据库、共享交换平台，以及与促进信息公开配套的领导责任制、共享交换协调机制、保密审查机制、信息纠错机制等制度都在数据开放阶段被吸收和转化。 因此，为了更全面地揭示我国地方政府数据开放政策工具的运用情况，本文采用广义的政府数据开放概念和范围界定，即用以开放共享的数据是政府机构在法律法规范围内履行行政职责过程中产生、采集和存储的数据，是以一定技术和法律授权流通获取使用的数据资源，具体表现为具有一定地方标准和受政府统一管理的公共服务，包括但不限于信息公开、政务公开、数据开放、政府数据产品等为了改善政务服务、以便公众自由使用和企业开发利用的一系列公共服务。
1.2 政府数据开放的政策工具研究
政策工具的“结构论”认为，公共政策是“结构性”的，由“要素”或“模块”构成，这些“要素”和“模块”就是政策工具[3]。基于此，公共政策能够被解构成一系列相互联系又相对独立的政策工具，形成可被计量的内容单元，并与内容分析法、政策文献量化方法等结合运用，用于分析和评估公共政策的制定和执行情况。其核心内容是政策工具的类型和选择。
学者们根据政策案例研究的经验提炼出不同的分类标准，从基于政策主体、行动策略、行为渠道到政策目标、作用领域、强制程度，分类种类从三类到六十四类，种类纷繁复杂。分类种类的丰富性和灵活性，使得前人研究形成的经典分类模型可以根据实际情况进行调整，从而对现行具体政策案例具有更强的解释力。
目前在政府数据开放政策研究领域，运用最普遍的是罗斯韦尔和泽福德（Rothwell &Zegveld）根据工具影响和作用领域划分的“供给面、环境面、需求面”分类模型（也称R-Z模型）。在谭春辉[6]，范丽莉和唐珂[7]等国内学者研究政府信息公開、政府数据开放的公共政策时被采纳;也在构建二维分析框架时被采用，如研究中美开放政府数据政策[8]，研究我国国家层面的政府数据开放政策[9]，研究我国大数据政策[10]，以及构建政策目标-工具匹配模型研究我国地方大数据发展政策[11]等，普遍得出：“政策工具选择结构失衡”“需平衡供给型和环境型工具数量，以及增加需求型工具”结论和建议。
R-Z模型对产业政策有较强的解释力，但对于政府数据开放在我国主要涉及政府转型、公共服务、社会治理等综合性政策的情况，该模型的理论框架略显单薄，且解释较为笼统。因此，在揭示复杂性和多样性程度更高的城市级政府数据开放政策工具属性及其结构特征时，仍有改进和探索空间。
1.3 基于政府数据开放生态系统的二维分析框架
在政策工具结构论的基础上构建政策文本二维分析框架是政策文献量化研究的常用范式，我国地方政府数据开放的政策执行，存在中央对地方的战略引导、制度权威、法律法规、顶层设计等强制性、自愿性程度不同的推进办法;同时，从各地方政府的实施效果涉及社会治理、公共服务、产业发展等社会经济价值来看，又存在内部制度完善、公共服务机制、产业促进激励等方面的不同要求。因此，综合比较自愿程度维度和涉及内外面向维度，构建基于政府数据开放生态系统的二维分析框架（见图1）。
X政策工具维度，借鉴麦克唐纳（McDonald et al）等的四类工具[12]、施耐德和英格拉姆（Schneider & Ingram）后期的五类工具[13]，以及借鉴李樵在大数据发展政策工具研究中的分类方法[14]，形成X工具维度的五大类36个具体政策工具。之所以采用“命令型-激励型-能力建设型-劝导型-学习型”五类分类模型作为基础模型，原因之一是它在揭示政策自愿性和强制性程度方面有天然优势，有助于揭示不同层级政府部门的政策工具选择偏好;原因之二是该分类模型中的劝导型、学习型工具能够揭示政民互动、公众参与类政策工具的运用情况，这与政府数据开放强调政民互动的目标一致，能够更好地揭示地方政府执行的现状和问题。
Y政府数据开放生态维度中（见图2），在综合比较依据数据生命周期阶段划分[15]、数据治理主体划分[16-18]、数据价值创造过程划分[19]等不同数据生态系统组成要素和模型后，认为基于价值释放的生态系统模型最能反映地方政府数据开放的策略定位和价值取向，因此对已有政府数据开放价值释放生态系统模型进行细化和完善，构建本文Y环节维度要素，共有四大环节18个细节要素。
2 研究方法
2.1 政府数据开放政策文本收集
本文调研的政策范围涵盖28个省级和61个副省级/地级市的政府数据开放相关政策，包括法律、规章、指导意见、产业规划等专项性政策文本，也包括信息化建设的综合性政策文本。如以“北大法宝”为主辅以地方政府官网，截至2020年6月30日，获得省级652个有效政策文件，以及地级（含副省级）664个有效政策文件（示例见表1），筛选清洗后，共计1316篇4365项条款、约93万字作为分析样本。
2.2 政策工具选择分析策略
2.2.1 政策工具编码和信度效度检验
（1）政策工具编码。为适应我国地方政府数据开放政策与信息公开、信息资源开发利用、大数据发展、政务服务等相关政策存在交叉的情况，采用自下而上的政策工具编码方法，从相关政策文本段落中抽取可供描述的政策工具对象，即1316篇4365项条款进行编码以及政策工具子类和环节细节归类（样例见表2）。
（2）信度效度检验。首先，政策工具内容的信度检验，确保内容来源于权威渠道，并以条款内容为政策工具编码对象，能较大程度反映政策的真实含义;其次，二维分析框架的类目信度检验，将政策工具类型和生态环节的分类及其描述向3位政府数据开放领域专家征求意见，调整形成最终版本;第三，政策工具类目效度检验，利用LAD模型[20]对政策文本进行主题聚类，通过对约93万字的政策文本做主题聚类和内涵分析，确认能够与二维分析框架解释形成对应关系（见表3）。 2.2.2 聚类分析
为揭示地方政府运用的政策工具属性及选择偏好，根据由政策主体（地方政府）、政策工具特性与功能、制度环境、领域特性问题等要素构成的政策工具选择模型，利用SPSS22软件将28个省级政府和61个副省级/地级政府，首先分为A、B两个层级类组，而后以政策数量、政策力度平均值、力度标准差、政策工具总数量、“命令型、激励型、能力建设型、劝导型、学习型”政策工具分布比例，以及“开放、利用、公共价值、外部环境”环节分布比例，共13个指标（A组示例见表4）作为样本数据来表征工具属性、制度环境和领域特性，使用层次聚类分析方法，对地方政府的政策工具选择偏好进行城市分类和维度特征分析。
2.2.3 共现分析
为揭示政府数据开放政策在地方层面的多样性结构特征，依据政策工具具有组合性和差异性的工具特性，利用COOC9.9科学分析软件对每个城市类组中各政策工具之间的关系进行共现分析，根据共现图中的节点分布、横线连线关系及其粗细等，判断政策工具群中的核心工具和组合。通过观察各个类组的工具组合特点，进而讨论我国地方政府数据开放的政策工具选择策略。
3 基本结论与分析
3.1 聚类分析——地方政府的8个类组及政策工具分布特征
依据13个政策工具特征指标，利用SPSS22的Q聚类对A类和B类共89个地方政府进行分类，得出8个类组（见表5）：
从X工具维度看有以下特征：
（1）政策工具整体分布相似性程度較高，表现为命令型和能力建设型工具种类丰富且运用比例相当（A类：37.57% vs 44.79%，B类：35.80% vs 38.78%），命令型工具中多运用具有强制性和建立调整规则的工具（A类：46.77%，B类：50.17%），如计划规划、管理办法、体系建设、工作制度（权威），而由社会力量参与的市场策略、产业策略、贸易管制等工具则运用较少（A类：3.39%，B类：7.09%）。激励型工具中传统金钱给付类工具类型运用较多（A类：31.61%，B类：44.11%），并且鼓励社会力量参与资源前期建设和后期运维。劝导型和学习型工具运用普遍欠丰富（A类：2.26%&5.30%，B类：3.73%&6.53%），参与性工具中，以具备数据能力和素养的团队、专家、企业参与为主，而普通大众的文化普及和参与决策的公众参与工具运用较为落后。
（2）政策工具的差异性体现在命令型工具中单项政策工具的运用数量上。如A1类组对“体系建设”的重视程度较高，在数据共享交换、公共服务、数据安全保障、大数据产业发展等方面提供保障，得益于此A1类组数据开放平台实践排名始终名列前茅[21]。B1类组对“法规标准”的运用较多，自2017年出台《贵阳市政府数据共享开放条例》成为我国首部专门地方性法规后，相继在公共数据的分类、开放、共享、安全管理、交换共享等关键共性标准建设领域研究和参与制定地方标准和国家标准，在大数据管理规范和标准制定方面争得话语权。B2类组运用“管理办法”工具体现垂直管理和专业化特点，从2003年起每隔3至5年出台数据资源相关管理办法，涉及企业信用信息的采集和使用、健康医疗大数据资源、时空数据资源管理等方面，为城市数据资源建设打下基础。
从Y环节维度看（见图3）有以下特征：
（1）政策工具数量按环节排序基本一致：开放>利用>公共>外部。“开放”环节的工具运用占比较大（A类：59.68%，B类：55.81%），尤其在发布、共享、安全和基础设施建设方面，其次是“利用”环节的社会化利用和产业孵化（A类15.36%，B类24.62%），再次是公共价值环节的公共服务（A类：16.95%，B类：8.58%），以及“外部”环节的组织实施保障（A类：4.64%，B类：3.68%）。待加强的环节有：数据质量、数据描述、数据采集、市场培育、城市治理、相关权利保护、数字文化培养、国际交流影响（均不足3%）。
（2）“利用”和“公共”环节在A类B类之间存在分布差异。在“利用”环节中，B类组更具灵活性和创新性，尤其B1、B2类组政府在数据资源管理、产业孵化、社会化利用、公共服务等环节的工具运用总量（B1：66，B2：53）高于A类政府的平均水平（31）;而在公共价值的公共服务环节中，A类城市的政策工具运用数量和政策准备度更高（A类：48，B类：28）。分析原因是：在中央政策精神领会和传达方面，A类地方政府更具有行政层级和政策资源上的优势，而在政策执行或获知行动反馈方面，则是B类地方政府更具有优势。同时，数据开放的公共价值主要通过中央和上级政府部门统筹规划，以“自上而下”推进实施的方式实现，而数据“利用”则与地方经济产生紧密联系，地方政府具有一定的自主权和决定权。因此，在资源禀赋存在差异和资源相对有限的情况下，A类B类地方政府呈现出“公共服务”和“利用数据”环节的选择差异。
由上可见，我国地方政府在政策工具类型分布和环节分布上相似度较高，差异性仅体现在个别命令型工具的运用偏好，以及“利用数据”和“公共价值”的个别环节中，为进一步了解地方政策工具偏好和差异性，又从工具组合维度进行观察。
3.2 共现分析——地方政府的多种核心工具组合
共现分析是对同时出现在同一政策文本中的政策工具子类进行共现频次统计和可视化分析的过程，以此揭示地方政府偏向运用的政策工具组合。本文以“共现频次≥（政策文本样本数×1/2）”次数的政策工具组合为核心工具组合。
A1类组对应信息化布局较早、平台功能强大的城市，地方政府偏好“命令型-能力建设型-学习型”工具组合，以广东省、福建省为代表。表现出“指导指示-工作制度（组织）”处于核心位置，体系建设、多元化参与、科技支持和人才支持四大政策工具与之密切联系的结构特点（见图4）。 “指导指示-工作制度（组织）”核心组合在政府数据开放各个阶段发挥作用，如信息公开相关的工作考核、社会评议、追责制度，数据共享相关的共享绩效评价、统筹协调管理制度，数据资源的分类分级管理制度，信息安全相关的等级保护制度、应急处理和风险防范工作机制，公共服务相关的数据共享交换机制、跨地市跨部门电子证照互认共享制度、处理反馈制度、效能评估和监督考核制度，以及保障大数据产业发展的部门间联席会议制度等紧随“指导指示”工具所作用的环节逐一建立。
A2类组对应信息化建设起步较晚的城市，地方政府尚未出台专门政策，仍以指导指示的命令型工具为核心，作用于信息发布和数据共享细节环节，但政策试点和计划规划与之关联性较弱，尚未形成政策合力，政府数据开放发展处于信息公开向数据共享利用过渡阶段，以黑龙江为代表（见图5）。
A3类组对应政府数据开放及与之关系密切的信息公开、政务公开、政务服务创新、大数据产业支撑等均衡发展的城市，以直辖市居多，政策工具偏好“能力建设型-学习型”工具组合，在开放、利用、公共价值三个环节的6个细节发挥作用，典型代表为上海、重庆、天津、山东等。呈现出以能力建设型工具为核心，命令型和学习型工具处于中段圈层，外部由激励型和劝导型工具环绕的组合结构特征（见图6）。
能力建设型工具中工作制度（组织）、考核监督、科技支持、人才支持、信息支持等两两组合运用频次相当，以“工作制度（组织）-考核监督-信息支持”和“科技支持-人才支持-多元化参与”为最常规组合。如以第一组为例，工作制度（组织）处于核心位置，与信息支持、考核监督形成“一体两翼”相关关系。“一体”指在组织层面建立政府数据开放共享相关工作制度，“两翼”指由上级主管部门对开放共享提供内容信息和保障监督制度，该工具组合在信息公开和政务改革发展阶段运用广泛。
A4类组对应信息化建设中规中矩，省内地区开放水平差异性较大，但工具组合偏好较为一致的城市，以“命令型-能力建设型-激励型”工具组合，综合运用于政府数据开放生态系统为特征，尤其重视公开、共享和数据资源管理3个细节环节。典型代表为浙江、北京、贵州、江苏等。
命令型和能力建设型的多种组合居于核心位置（见图7），与A3类组略有不同，组合中强制性、权威性的传统工具组合形式占主导地位，以夯实数据资源共享开放的基础保障为主要任务，最为常用的工具组合为“工作制度（权威）-考核监督-处罚处分整改”和“管理办法-工作制度（组织）-专项资金/项目优先/财政预算”。
“工作制度（权威）-考核监督-处罚处分整改”可称之为行政管理工具“铁三角”贯穿各个发展阶段，构成了信息公开、公共数据管理、政务信息资源共享等条例和管理办法的基本内容，差异在于：受政策议题专业性和复杂性的影响，随着政府数据开放共享工作的深入，领导责任和主管部门分工、考核内容更顯专业性。“管理办法-工作制度（组织）-专项资金/项目优先/财政预算”工具组合则与“铁三角”组合形成传统政策工具的两个抓手——“钱”和“权”。其中，激励型工具相较于A3类组更灵活搭配专项资金、财政预算、优先项目等（见图8）。
B1类组对应集中资源由产业带动发展的信息化建设后发城市，在大数据产业发展和政务改革阶段集中运用政策工具，偏好“命令型-激励型”“命令型-能力建设型”以及“激励型-学习型-劝导型”工具组合（见图8），分别作用于共享安全、产业孵化/市场培育环节、基础设施建设等细节环节，典型代表为贵阳。
政策工具组合呈现出“多中心”特点，除传统命令型（指导指示、工作制度（权威））工具核心外，“法规标准”新中心和“激励型-学习型-劝导型”新组合出现，具体包括：法规标准-工作制度（权威）-激励型、法规标准-市场策略-人才支持、激励型-学习型-劝导型。
以“法规标准-市场策略-人才支持”为例：贵阳市提出大数据发展战略早于国家及其他各省市，2014年即提出“大数据全产业链”发展策略，经过规划布局（2014年）、云基础设施服务平台建成（2015年）、大数据资源集聚地形成（2017年）等阶段，已具备向全国大数据企业提供基础服务的硬件条件。法规标准工具用以明确政府数据开放生态各个环节的标准规范，强调“开放优先、安全例外、分类分级”的规范原则，包括采集、管理、共享、交易，以及安全开放技术标准，通过积极参与地方和国家标准的研究制定，在大数据开放利用和促进大数据产业发展方面争得话语权。人才支持工具则以大数据研发和产业化项目为载体，引进和培养领军人才、龙头企业和高校科研院所，鼓励高校大数据学院开展专项培训，实施“大数据青年学子创业计划”吸引优秀学子运用大数据创业。该工具组合体现了B1类组城市将数据开放共享融入大数据产业链的支撑体系中，将利用数据和价值实现内化为大数据产品和服务组成部分的策略特点。
B2类组对应数据资源丰富、质量管理能力较强的省会城市，主要运用“命令型-学习型-能力建设型”政策工具组合，重点运用于开放、利用和外部环境等7个具体细节环节。典型城市是成都和福州。核心组合有“行政管理工具铁三角”（同A4类组，不赘述），以及与“专家制度”和“研究探讨”等工具形成的“命令型-能力建设型-学习型”组合（见图9）。
以“管理办法-工作制度（权威）-专家制度/研究探讨”为例：管理办法工具亮点在于对“数据质量”提出专门性规范要求，如成都要求政府部门在政务信息资源共享网站的“数据校核”栏目根据待办事项提醒处理数据质量问题[22];工作制度（权威）工具赋予市公共数据主管部门统筹公共数据基础设施、制定管理制度和标准规范、组织目录编制、监督指导和协调推进工作的权力，并且创新推出“数长制”明确一把手在公共数据管理方面的职责;研究探讨工具则联合高校、教研机构、企事业单位等共同参与公共数据存储、清洗、分析、可视化、安全隐私等关键技术研究。
B2类组政府都是省会城市，自上而下的政策文件传递优势和数据资源集聚的地缘优势兼具，因此表现为权威性工具组合与省级政府的一致性，以及学习型等非强制性工具组合的自主性特点。 B3类组对应开放数据平台上线较早、发展较快经济水平较高的城市，主要运用“命令型-能力建设型-激励型”以及“能力建设型-学习型-激励型”政策工具组合，涵盖四大环节9个细节环节。典型城市是深圳、青岛、宁波等。以命令型工具工作制度（权威）居于核心位置（见图10），形成了“开放”数据各个环节领导责任分工，且与命令型工具体系建设、能力建设型工具中的考核监督等之间形成较强组合关系，“能力建设型-学习型-激励型”的组合特点明显，表现出政府部门与社会力量合作的趋势。
以“工作制度（权威）-体系建设-科技支持”工具组合为例：主要运用于政务信息系统整合共享和提供政务服务方面，体现大数据环境下电子政务和政务服务的较大转变。如为促进大数据发展工作领导小组统筹全市大数据管理、开放和应用工作的职能;体系建设工具围绕政务信息资源共享、公共数据资源管理、政务服务数据体系等内容建立，通常涉及基础数据资源建设、政务数据资源目录体系、大数据采集和利用、数据共享交换平台和机制、政务数据开放平台建设等;科技支持工具主要服务于政务数据汇聚共享和数据存储，确保电子政务外网纵向延伸至社区，横向覆盖市县政务部门及其所属单位，在政务云资源承载能力上提供支持。并且B3类组城市率先提出鼓励建立首席数据官（CDO）制度，在制度建设方面具有前瞻性。
B4类组对应数据开放起步较晚或发展较慢的城市，偏好“命令型-能力建设型-劝导型/学习型”政策工具组合，重点作用于开放、外部环境两大环节的5个细节环节。其中，大多数城市在2015年国家出台的《促进大数据发展行动纲要》后集中出台相关政策，以传统“命令型-能力建设型”工具组合居于核心，劝导型和学习型处于中间圈层，激励型工具处于外部圈层（见图11）为工具组合分布特点。
“管理办法&工作制度（权威）-工作制度（组织）-考核监督”在“命令型-能力建设型”传统组合上增加“管理办法”，达到新的组合平衡，以出台管理办法的形式跟进政府数据开放建设。另外，“计划规划-科技支持&人才支持-劝导型/学习型”工具组合主要运用于政府数据开放、大数据应用专项、政务公开、政务服务等领域，通过计划规划工具制定基础支撑体系建设和数据开放的任务时间表，科技支持工具通过建立服务平台、共享交换平台、公共数据开放平台等支撑数据管理和服务，人才支持工具通过工作培训会训练工作人员的数据资源分类梳理、业务流程和平台使用能力，劝导型工具引导和鼓励社会主体参与政府数据的增值加工和共享利用，学习型工具通过设立专家委员会、鼓励组建大数据研究机构等服务于大数据人才培育和发展培训。
B4类组的城市虽然政府数据开放工作起步较晚或发展较慢，但通过管理办法来规范数据开放共享各个环节的工作制度，同时以计划规划的形式对数据开放共享及服务利用做任务分解和时间管理，是地级市政府推进数据开放工作最为常规的路径。
4 相关讨论
从政策工具偏好、作用环节和阶段、核心组合等方面进行观察，可进一步归纳出我国地方政府数据开放政策工具选择存在三种典型策略：基础建设型、产业推进型和服务应用型（见表6）。表6能够作为地方政府关于政府数据开放的政策工具箱参照使用，根据标志特征、进入阶段判断本地政府数据开放所处的发展阶段和基础条件水平，根据重点建设环节、工具偏好和作用对象，选择适应本地发展的政策工具类型，根据核心组合和城市类组找到可参照的案例城市，综合以上内容确定各地政府数据开放的政策工具、运用策略和工具组合方案。
5 结语
我国地方政府数据开放政策执行具有较明显的“自上而下”行政任务推进的特点，从政策工具整体类型分布和环节分布高度一致性上可见一斑，普遍表现出“命令型和能力建设型工具种类丰富且运用比例相当”“激励型工具中传统金钱给付类工具类型运用较多”“环节分布基本遵循‘开放>利用>公共>外部’的順序分布特点”，以及存在“劝导型和学习型工具运用普遍欠丰富”和“数据质量、数据描述、数据采集、市场培育、城市治理、相关权利保护、数字文化培养、国际交流影响”等有待加强工具运用的细节环节。
地方政府的政策工具选择差异性则重点体现在三方面：第一，命令型工具中单项政策工具的重点运用;第二，“利用数据”和“公共价值”环节的政策工具倾向领域，存在A类B类政府之间的差异;第三，地方政府的核心工具偏好和工具组合的差异。通过观察讨论归纳出我国地方政府数据开放政策工具选择的三种典型策略，以供同类组地方政府选择更易嫁接的政策工具参考和对照。
本文是对我国地方政府数据开放的政策工具选择策略的特征研究，未来则可在对策性研究中继续探索，如按基础建设型、产业推进型和服务应用型三种策略，分别作政策工具运用的城市案例研究和比较研究，尤其是对深圳、青岛等近年发展较快但理论和实证研究较少的重要城市，并增加城市信息化发展指数、数字经济发展指数等数据和资料加以佐证，形成更具说服力和参考性的地方政府数据开放政策工具选择策略。
参考文献：
[1] 2020年哪些地方制定了专门针对数据开放的法规政策？[EB/OL].[2021-04-22].https：//mp.weixin.qq.com/s/1GlbQvpRizlz8axwbqPWug.
[2] Schneider A，Ingram H.Behavioral Assumptions of PolicyTools[J].The Journal of Politics，1990，52（2）：510-529.
[3] 黄萃.政策文献量化研究[M].北京：科学出版社，2016：80-81.
[4] 徐勇，高秉雄.地方政府学[M].北京：高等教育出版社，2005：32. [5] 宪法第九十五条的内容、主旨及释义[EB/OL].[2021-02-15].http：//www.baiven.com/d/134/413049.html.
[6] 谭春辉，谢荣，刘倩.政策工具视角下的我国政府信息公开政策文本量化研究[J].电子政务，2020（2）：111-124.
[7] 范丽莉，唐珂.基于政策工具的我国政府数据开放政策内容分析[J].情报杂志，2019，1（1）：148-154，53.
[8] 汤志伟，龚泽鹏，郭雨晖.基于二维分析框架的中美开放政府数据政策比较研究[J].中国行政管理，2017（7）：41-48.
[9] 唐珂，范丽莉.基于二维分析框架下的我国国家层面政府数据开放政策分析[J].中国行政管理，2018：272-281.
[10] 周京艳，张惠娜，黄裕荣.政策工具视角下我国大数据政策的文本量化分析[J].情报探索，2016（12）：7-10.
[11] 范梓腾，谭海波.地方政府大数据发展政策的文献量化研究——基于政策“目标-工具”匹配的视角[J].中国行政管理，2017（12）：48-55.
[12] McDonnell，Lorraine M，Richard F.Elmore.Alternative Policy Instruments[M].Santa Monica，CA：RAND Corporation，1987.
[13] Schneider A，Ingram H.Behavioral Assumptions of Policy Tools[J].The Journal of Politics，1990，52（2）：510-529.
[14] 李樵.我國促进大数据发展政策工具选择体系结构及其优化策略研究[J].图书情报工作，2018，62（11）：5-15.
[15] Deirdre Lee.Building an Open Data Ecosystem-An Irish Experience[C].ICEGOV2014，Guimar-aes：Portugal，2014：351-360.
[16] Ponte，Diego.Enabling an Open Data Ecosystem.2015[EB/OL].[2021-01-31].http：//aisel.aisnet.org/ecis2015_rip/55.
[17] 周众.数据生态理论研究综述[J].吕梁学院学报，2017，7（5）：68-71.
[18] 夏义堃.企业开放数据再利用的困境与对策分析[J].电子政务，2018（8）：69-80.
[19] 郑磊.开放政府数据的价值创造机理：生态系统的视角[J].电子政务，2015（7）：2-7.
[20] 綦然.基于LDA模型的国内人工智能政策对比研究[D].上海：上海社会科学院，2020.
[21] 复旦大学数字与移动治理实验室.中国地方政府数据开放报告（2018年-2020年每半年一次报告）[EB/OL].[2021-01-02].http：//ifopendata.fudan.edu.cn/report.
[22] 成都市推进公共数据资源向社会开放工作实施方案[EB/OL].[2020-10-03].http：//www.cddata.gov.cn/odweb/news/newsDetail.htm？news_id=24.
作者简介：夏蓓丽，女，南京大学信息管理学院博士研究生，上海社会科学院信息研究所助理研究员。
关键词：政府数据开放;地方政府;政策工具;分析框架
Abstract The implementation of open government data policies at the local level is a complex system issue given no universally applicable promotion model. In order to systematically discuss the policy instruments selection strategy for local governments， based on the two-dimensional analysis framework of policy instruments of the open government data ecosystem， using content analysis， hierarchical clustering， and co-occurrence analysis， this paper first performed tool coding and quantitative analysis on the local government open data policy text， and differentiated the instruments application status and regional differences in terms of instrument and stage dimensions; secondly， it revealed preferences ofthe local government onpolicy instrument application and characteristics of instrumentcombination used by local governmentby means of city cluster analysis and tool combination co-occurrence analysis; finally， it summarized the typical strategy of how local governments select open data policy instruments.
Key words open government data; local government; policy instruments; analytical framework
在大数据时代，政府数据开放随着数据价值和变现能力的提升而逐渐成为全球性的开放运动。为了支持政府数据开放，国家积极打造政策工具，以推进政府数据开放的广度和深度，尤其自2015年国家大数据发展行动纲要发布以来，政府数据开放实践已逐渐下沉至地方层面。但从政策落实情况看，存在“欠充分、欠平衡、欠活跃”现象。究其根本原因是，我国地方政府数据开放的政策执行，具有鲜明的现行行政体制下“自上而下”推进的特点，地方政府作为中央政策落实的基础单元，肩负着执行上级行政任务和发展当地经济社会事业的双重任务。在此背景下，地方政府往往将数据开放融入大数据、政务服务、信息资源开发利用等建设任务中，以政策内容交叉的形式出现在信息化规划、产业发展、公共服务等综合性政策文件中，仅贵州、贵阳、北京、上海、浙江、天津、哈尔滨、青岛、重庆、深圳[1]等少数地方政府探索出台了专门性的政策法规。
可见，政府数据开放在我国地方层面的实施落地是复杂的系统问题，尚不存在普遍适用的推广模式，亟需从地方层面系统探讨政府数据开放的发展策略，为政府数据开放政策落地提供理论依据和实践参考。政策工具理论为地方政府数据开放策略研究提供了思路和方法，首先政策工具作为实现政策目标的手段和媒介[2]，能够有效反映政府部门行政的工具偏好;其次，政策工具的“结构论”认为公共政策能够解构成一系列相互联系又相对独立的政策工具，形成可被计量的内容单元[3]，通过与内容分析法、政策文献量化法、可视化工具等的结合运用，可揭示政策工具的属性和结构关系，进而归纳出公共政策的选择策略。因此，本文结合运用政策工具理论和政策文献计量方法研究地方政府数据开放政策工具选择策略，试图为地方层面的政府数据开放实践提供参考。
1 概念界定和分析框架
1.1 地方政府数据开放的相关概念界定
地方政府是由中央政府为治理国家部分地域及其社会事务而设置的政府单位”[4]，并在省、直辖市、县、市、市辖区、乡、民族乡、镇设立人民政府[5]。据此确定本文“地方政府”研究范围，即在我国制定了政府数据开放相关政策或建有开放平台的人民政府，对应行政级别为省级、副省级、地级市。截至2020年6月30日，确定28个省级政府和61个副省级/地级市政府为研究对象。
在我国地方政府实践中，政府数据开放与信息公开、政务公开等相关概念是继承和发展的关系，具体表现为：（1）政府数据开放用以满足公众和企业的数据使用权，是在信息公开满足公民知情权和行使监督权之后，公民权利的进一步拓展和深化;（2）政府數据开放效仿信息公开工作，逐渐成为政府部门政务公开的常态化工作内容，被纳入年度考核;（3）法律法规的参照执行，政府数据开放尚未出台专门法律法规时，在开放主体、开放范围、开放方式、相关权利保护等方面参照信息公开条例的相关规定来规范各个主体的行为; （4）地方政府信息公开发展阶段建成的基础数据库、共享交换平台，以及与促进信息公开配套的领导责任制、共享交换协调机制、保密审查机制、信息纠错机制等制度都在数据开放阶段被吸收和转化。 因此，为了更全面地揭示我国地方政府数据开放政策工具的运用情况，本文采用广义的政府数据开放概念和范围界定，即用以开放共享的数据是政府机构在法律法规范围内履行行政职责过程中产生、采集和存储的数据，是以一定技术和法律授权流通获取使用的数据资源，具体表现为具有一定地方标准和受政府统一管理的公共服务，包括但不限于信息公开、政务公开、数据开放、政府数据产品等为了改善政务服务、以便公众自由使用和企业开发利用的一系列公共服务。
1.2 政府数据开放的政策工具研究
政策工具的“结构论”认为，公共政策是“结构性”的，由“要素”或“模块”构成，这些“要素”和“模块”就是政策工具[3]。基于此，公共政策能够被解构成一系列相互联系又相对独立的政策工具，形成可被计量的内容单元，并与内容分析法、政策文献量化方法等结合运用，用于分析和评估公共政策的制定和执行情况。其核心内容是政策工具的类型和选择。
学者们根据政策案例研究的经验提炼出不同的分类标准，从基于政策主体、行动策略、行为渠道到政策目标、作用领域、强制程度，分类种类从三类到六十四类，种类纷繁复杂。分类种类的丰富性和灵活性，使得前人研究形成的经典分类模型可以根据实际情况进行调整，从而对现行具体政策案例具有更强的解释力。
目前在政府数据开放政策研究领域，运用最普遍的是罗斯韦尔和泽福德（Rothwell &Zegveld）根据工具影响和作用领域划分的“供给面、环境面、需求面”分类模型（也称R-Z模型）。在谭春辉[6]，范丽莉和唐珂[7]等国内学者研究政府信息公開、政府数据开放的公共政策时被采纳;也在构建二维分析框架时被采用，如研究中美开放政府数据政策[8]，研究我国国家层面的政府数据开放政策[9]，研究我国大数据政策[10]，以及构建政策目标-工具匹配模型研究我国地方大数据发展政策[11]等，普遍得出：“政策工具选择结构失衡”“需平衡供给型和环境型工具数量，以及增加需求型工具”结论和建议。
R-Z模型对产业政策有较强的解释力，但对于政府数据开放在我国主要涉及政府转型、公共服务、社会治理等综合性政策的情况，该模型的理论框架略显单薄，且解释较为笼统。因此，在揭示复杂性和多样性程度更高的城市级政府数据开放政策工具属性及其结构特征时，仍有改进和探索空间。
1.3 基于政府数据开放生态系统的二维分析框架
在政策工具结构论的基础上构建政策文本二维分析框架是政策文献量化研究的常用范式，我国地方政府数据开放的政策执行，存在中央对地方的战略引导、制度权威、法律法规、顶层设计等强制性、自愿性程度不同的推进办法;同时，从各地方政府的实施效果涉及社会治理、公共服务、产业发展等社会经济价值来看，又存在内部制度完善、公共服务机制、产业促进激励等方面的不同要求。因此，综合比较自愿程度维度和涉及内外面向维度，构建基于政府数据开放生态系统的二维分析框架（见图1）。
X政策工具维度，借鉴麦克唐纳（McDonald et al）等的四类工具[12]、施耐德和英格拉姆（Schneider & Ingram）后期的五类工具[13]，以及借鉴李樵在大数据发展政策工具研究中的分类方法[14]，形成X工具维度的五大类36个具体政策工具。之所以采用“命令型-激励型-能力建设型-劝导型-学习型”五类分类模型作为基础模型，原因之一是它在揭示政策自愿性和强制性程度方面有天然优势，有助于揭示不同层级政府部门的政策工具选择偏好;原因之二是该分类模型中的劝导型、学习型工具能够揭示政民互动、公众参与类政策工具的运用情况，这与政府数据开放强调政民互动的目标一致，能够更好地揭示地方政府执行的现状和问题。
Y政府数据开放生态维度中（见图2），在综合比较依据数据生命周期阶段划分[15]、数据治理主体划分[16-18]、数据价值创造过程划分[19]等不同数据生态系统组成要素和模型后，认为基于价值释放的生态系统模型最能反映地方政府数据开放的策略定位和价值取向，因此对已有政府数据开放价值释放生态系统模型进行细化和完善，构建本文Y环节维度要素，共有四大环节18个细节要素。
2 研究方法
2.1 政府数据开放政策文本收集
本文调研的政策范围涵盖28个省级和61个副省级/地级市的政府数据开放相关政策，包括法律、规章、指导意见、产业规划等专项性政策文本，也包括信息化建设的综合性政策文本。如以“北大法宝”为主辅以地方政府官网，截至2020年6月30日，获得省级652个有效政策文件，以及地级（含副省级）664个有效政策文件（示例见表1），筛选清洗后，共计1316篇4365项条款、约93万字作为分析样本。
2.2 政策工具选择分析策略
2.2.1 政策工具编码和信度效度检验
（1）政策工具编码。为适应我国地方政府数据开放政策与信息公开、信息资源开发利用、大数据发展、政务服务等相关政策存在交叉的情况，采用自下而上的政策工具编码方法，从相关政策文本段落中抽取可供描述的政策工具对象，即1316篇4365项条款进行编码以及政策工具子类和环节细节归类（样例见表2）。
（2）信度效度检验。首先，政策工具内容的信度检验，确保内容来源于权威渠道，并以条款内容为政策工具编码对象，能较大程度反映政策的真实含义;其次，二维分析框架的类目信度检验，将政策工具类型和生态环节的分类及其描述向3位政府数据开放领域专家征求意见，调整形成最终版本;第三，政策工具类目效度检验，利用LAD模型[20]对政策文本进行主题聚类，通过对约93万字的政策文本做主题聚类和内涵分析，确认能够与二维分析框架解释形成对应关系（见表3）。 2.2.2 聚类分析
为揭示地方政府运用的政策工具属性及选择偏好，根据由政策主体（地方政府）、政策工具特性与功能、制度环境、领域特性问题等要素构成的政策工具选择模型，利用SPSS22软件将28个省级政府和61个副省级/地级政府，首先分为A、B两个层级类组，而后以政策数量、政策力度平均值、力度标准差、政策工具总数量、“命令型、激励型、能力建设型、劝导型、学习型”政策工具分布比例，以及“开放、利用、公共价值、外部环境”环节分布比例，共13个指标（A组示例见表4）作为样本数据来表征工具属性、制度环境和领域特性，使用层次聚类分析方法，对地方政府的政策工具选择偏好进行城市分类和维度特征分析。
2.2.3 共现分析
为揭示政府数据开放政策在地方层面的多样性结构特征，依据政策工具具有组合性和差异性的工具特性，利用COOC9.9科学分析软件对每个城市类组中各政策工具之间的关系进行共现分析，根据共现图中的节点分布、横线连线关系及其粗细等，判断政策工具群中的核心工具和组合。通过观察各个类组的工具组合特点，进而讨论我国地方政府数据开放的政策工具选择策略。
3 基本结论与分析
3.1 聚类分析——地方政府的8个类组及政策工具分布特征
依据13个政策工具特征指标，利用SPSS22的Q聚类对A类和B类共89个地方政府进行分类，得出8个类组（见表5）：
从X工具维度看有以下特征：
（1）政策工具整体分布相似性程度較高，表现为命令型和能力建设型工具种类丰富且运用比例相当（A类：37.57% vs 44.79%，B类：35.80% vs 38.78%），命令型工具中多运用具有强制性和建立调整规则的工具（A类：46.77%，B类：50.17%），如计划规划、管理办法、体系建设、工作制度（权威），而由社会力量参与的市场策略、产业策略、贸易管制等工具则运用较少（A类：3.39%，B类：7.09%）。激励型工具中传统金钱给付类工具类型运用较多（A类：31.61%，B类：44.11%），并且鼓励社会力量参与资源前期建设和后期运维。劝导型和学习型工具运用普遍欠丰富（A类：2.26%&5.30%，B类：3.73%&6.53%），参与性工具中，以具备数据能力和素养的团队、专家、企业参与为主，而普通大众的文化普及和参与决策的公众参与工具运用较为落后。
（2）政策工具的差异性体现在命令型工具中单项政策工具的运用数量上。如A1类组对“体系建设”的重视程度较高，在数据共享交换、公共服务、数据安全保障、大数据产业发展等方面提供保障，得益于此A1类组数据开放平台实践排名始终名列前茅[21]。B1类组对“法规标准”的运用较多，自2017年出台《贵阳市政府数据共享开放条例》成为我国首部专门地方性法规后，相继在公共数据的分类、开放、共享、安全管理、交换共享等关键共性标准建设领域研究和参与制定地方标准和国家标准，在大数据管理规范和标准制定方面争得话语权。B2类组运用“管理办法”工具体现垂直管理和专业化特点，从2003年起每隔3至5年出台数据资源相关管理办法，涉及企业信用信息的采集和使用、健康医疗大数据资源、时空数据资源管理等方面，为城市数据资源建设打下基础。
从Y环节维度看（见图3）有以下特征：
（1）政策工具数量按环节排序基本一致：开放>利用>公共>外部。“开放”环节的工具运用占比较大（A类：59.68%，B类：55.81%），尤其在发布、共享、安全和基础设施建设方面，其次是“利用”环节的社会化利用和产业孵化（A类15.36%，B类24.62%），再次是公共价值环节的公共服务（A类：16.95%，B类：8.58%），以及“外部”环节的组织实施保障（A类：4.64%，B类：3.68%）。待加强的环节有：数据质量、数据描述、数据采集、市场培育、城市治理、相关权利保护、数字文化培养、国际交流影响（均不足3%）。
（2）“利用”和“公共”环节在A类B类之间存在分布差异。在“利用”环节中，B类组更具灵活性和创新性，尤其B1、B2类组政府在数据资源管理、产业孵化、社会化利用、公共服务等环节的工具运用总量（B1：66，B2：53）高于A类政府的平均水平（31）;而在公共价值的公共服务环节中，A类城市的政策工具运用数量和政策准备度更高（A类：48，B类：28）。分析原因是：在中央政策精神领会和传达方面，A类地方政府更具有行政层级和政策资源上的优势，而在政策执行或获知行动反馈方面，则是B类地方政府更具有优势。同时，数据开放的公共价值主要通过中央和上级政府部门统筹规划，以“自上而下”推进实施的方式实现，而数据“利用”则与地方经济产生紧密联系，地方政府具有一定的自主权和决定权。因此，在资源禀赋存在差异和资源相对有限的情况下，A类B类地方政府呈现出“公共服务”和“利用数据”环节的选择差异。
由上可见，我国地方政府在政策工具类型分布和环节分布上相似度较高，差异性仅体现在个别命令型工具的运用偏好，以及“利用数据”和“公共价值”的个别环节中，为进一步了解地方政策工具偏好和差异性，又从工具组合维度进行观察。
3.2 共现分析——地方政府的多种核心工具组合
共现分析是对同时出现在同一政策文本中的政策工具子类进行共现频次统计和可视化分析的过程，以此揭示地方政府偏向运用的政策工具组合。本文以“共现频次≥（政策文本样本数×1/2）”次数的政策工具组合为核心工具组合。
A1类组对应信息化布局较早、平台功能强大的城市，地方政府偏好“命令型-能力建设型-学习型”工具组合，以广东省、福建省为代表。表现出“指导指示-工作制度（组织）”处于核心位置，体系建设、多元化参与、科技支持和人才支持四大政策工具与之密切联系的结构特点（见图4）。 “指导指示-工作制度（组织）”核心组合在政府数据开放各个阶段发挥作用，如信息公开相关的工作考核、社会评议、追责制度，数据共享相关的共享绩效评价、统筹协调管理制度，数据资源的分类分级管理制度，信息安全相关的等级保护制度、应急处理和风险防范工作机制，公共服务相关的数据共享交换机制、跨地市跨部门电子证照互认共享制度、处理反馈制度、效能评估和监督考核制度，以及保障大数据产业发展的部门间联席会议制度等紧随“指导指示”工具所作用的环节逐一建立。
A2类组对应信息化建设起步较晚的城市，地方政府尚未出台专门政策，仍以指导指示的命令型工具为核心，作用于信息发布和数据共享细节环节，但政策试点和计划规划与之关联性较弱，尚未形成政策合力，政府数据开放发展处于信息公开向数据共享利用过渡阶段，以黑龙江为代表（见图5）。
A3类组对应政府数据开放及与之关系密切的信息公开、政务公开、政务服务创新、大数据产业支撑等均衡发展的城市，以直辖市居多，政策工具偏好“能力建设型-学习型”工具组合，在开放、利用、公共价值三个环节的6个细节发挥作用，典型代表为上海、重庆、天津、山东等。呈现出以能力建设型工具为核心，命令型和学习型工具处于中段圈层，外部由激励型和劝导型工具环绕的组合结构特征（见图6）。
能力建设型工具中工作制度（组织）、考核监督、科技支持、人才支持、信息支持等两两组合运用频次相当，以“工作制度（组织）-考核监督-信息支持”和“科技支持-人才支持-多元化参与”为最常规组合。如以第一组为例，工作制度（组织）处于核心位置，与信息支持、考核监督形成“一体两翼”相关关系。“一体”指在组织层面建立政府数据开放共享相关工作制度，“两翼”指由上级主管部门对开放共享提供内容信息和保障监督制度，该工具组合在信息公开和政务改革发展阶段运用广泛。
A4类组对应信息化建设中规中矩，省内地区开放水平差异性较大，但工具组合偏好较为一致的城市，以“命令型-能力建设型-激励型”工具组合，综合运用于政府数据开放生态系统为特征，尤其重视公开、共享和数据资源管理3个细节环节。典型代表为浙江、北京、贵州、江苏等。
命令型和能力建设型的多种组合居于核心位置（见图7），与A3类组略有不同，组合中强制性、权威性的传统工具组合形式占主导地位，以夯实数据资源共享开放的基础保障为主要任务，最为常用的工具组合为“工作制度（权威）-考核监督-处罚处分整改”和“管理办法-工作制度（组织）-专项资金/项目优先/财政预算”。
“工作制度（权威）-考核监督-处罚处分整改”可称之为行政管理工具“铁三角”贯穿各个发展阶段，构成了信息公开、公共数据管理、政务信息资源共享等条例和管理办法的基本内容，差异在于：受政策议题专业性和复杂性的影响，随着政府数据开放共享工作的深入，领导责任和主管部门分工、考核内容更顯专业性。“管理办法-工作制度（组织）-专项资金/项目优先/财政预算”工具组合则与“铁三角”组合形成传统政策工具的两个抓手——“钱”和“权”。其中，激励型工具相较于A3类组更灵活搭配专项资金、财政预算、优先项目等（见图8）。
B1类组对应集中资源由产业带动发展的信息化建设后发城市，在大数据产业发展和政务改革阶段集中运用政策工具，偏好“命令型-激励型”“命令型-能力建设型”以及“激励型-学习型-劝导型”工具组合（见图8），分别作用于共享安全、产业孵化/市场培育环节、基础设施建设等细节环节，典型代表为贵阳。
政策工具组合呈现出“多中心”特点，除传统命令型（指导指示、工作制度（权威））工具核心外，“法规标准”新中心和“激励型-学习型-劝导型”新组合出现，具体包括：法规标准-工作制度（权威）-激励型、法规标准-市场策略-人才支持、激励型-学习型-劝导型。
以“法规标准-市场策略-人才支持”为例：贵阳市提出大数据发展战略早于国家及其他各省市，2014年即提出“大数据全产业链”发展策略，经过规划布局（2014年）、云基础设施服务平台建成（2015年）、大数据资源集聚地形成（2017年）等阶段，已具备向全国大数据企业提供基础服务的硬件条件。法规标准工具用以明确政府数据开放生态各个环节的标准规范，强调“开放优先、安全例外、分类分级”的规范原则，包括采集、管理、共享、交易，以及安全开放技术标准，通过积极参与地方和国家标准的研究制定，在大数据开放利用和促进大数据产业发展方面争得话语权。人才支持工具则以大数据研发和产业化项目为载体，引进和培养领军人才、龙头企业和高校科研院所，鼓励高校大数据学院开展专项培训，实施“大数据青年学子创业计划”吸引优秀学子运用大数据创业。该工具组合体现了B1类组城市将数据开放共享融入大数据产业链的支撑体系中，将利用数据和价值实现内化为大数据产品和服务组成部分的策略特点。
B2类组对应数据资源丰富、质量管理能力较强的省会城市，主要运用“命令型-学习型-能力建设型”政策工具组合，重点运用于开放、利用和外部环境等7个具体细节环节。典型城市是成都和福州。核心组合有“行政管理工具铁三角”（同A4类组，不赘述），以及与“专家制度”和“研究探讨”等工具形成的“命令型-能力建设型-学习型”组合（见图9）。
以“管理办法-工作制度（权威）-专家制度/研究探讨”为例：管理办法工具亮点在于对“数据质量”提出专门性规范要求，如成都要求政府部门在政务信息资源共享网站的“数据校核”栏目根据待办事项提醒处理数据质量问题[22];工作制度（权威）工具赋予市公共数据主管部门统筹公共数据基础设施、制定管理制度和标准规范、组织目录编制、监督指导和协调推进工作的权力，并且创新推出“数长制”明确一把手在公共数据管理方面的职责;研究探讨工具则联合高校、教研机构、企事业单位等共同参与公共数据存储、清洗、分析、可视化、安全隐私等关键技术研究。
B2类组政府都是省会城市，自上而下的政策文件传递优势和数据资源集聚的地缘优势兼具，因此表现为权威性工具组合与省级政府的一致性，以及学习型等非强制性工具组合的自主性特点。 B3类组对应开放数据平台上线较早、发展较快经济水平较高的城市，主要运用“命令型-能力建设型-激励型”以及“能力建设型-学习型-激励型”政策工具组合，涵盖四大环节9个细节环节。典型城市是深圳、青岛、宁波等。以命令型工具工作制度（权威）居于核心位置（见图10），形成了“开放”数据各个环节领导责任分工，且与命令型工具体系建设、能力建设型工具中的考核监督等之间形成较强组合关系，“能力建设型-学习型-激励型”的组合特点明显，表现出政府部门与社会力量合作的趋势。
以“工作制度（权威）-体系建设-科技支持”工具组合为例：主要运用于政务信息系统整合共享和提供政务服务方面，体现大数据环境下电子政务和政务服务的较大转变。如为促进大数据发展工作领导小组统筹全市大数据管理、开放和应用工作的职能;体系建设工具围绕政务信息资源共享、公共数据资源管理、政务服务数据体系等内容建立，通常涉及基础数据资源建设、政务数据资源目录体系、大数据采集和利用、数据共享交换平台和机制、政务数据开放平台建设等;科技支持工具主要服务于政务数据汇聚共享和数据存储，确保电子政务外网纵向延伸至社区，横向覆盖市县政务部门及其所属单位，在政务云资源承载能力上提供支持。并且B3类组城市率先提出鼓励建立首席数据官（CDO）制度，在制度建设方面具有前瞻性。
B4类组对应数据开放起步较晚或发展较慢的城市，偏好“命令型-能力建设型-劝导型/学习型”政策工具组合，重点作用于开放、外部环境两大环节的5个细节环节。其中，大多数城市在2015年国家出台的《促进大数据发展行动纲要》后集中出台相关政策，以传统“命令型-能力建设型”工具组合居于核心，劝导型和学习型处于中间圈层，激励型工具处于外部圈层（见图11）为工具组合分布特点。
“管理办法&工作制度（权威）-工作制度（组织）-考核监督”在“命令型-能力建设型”传统组合上增加“管理办法”，达到新的组合平衡，以出台管理办法的形式跟进政府数据开放建设。另外，“计划规划-科技支持&人才支持-劝导型/学习型”工具组合主要运用于政府数据开放、大数据应用专项、政务公开、政务服务等领域，通过计划规划工具制定基础支撑体系建设和数据开放的任务时间表，科技支持工具通过建立服务平台、共享交换平台、公共数据开放平台等支撑数据管理和服务，人才支持工具通过工作培训会训练工作人员的数据资源分类梳理、业务流程和平台使用能力，劝导型工具引导和鼓励社会主体参与政府数据的增值加工和共享利用，学习型工具通过设立专家委员会、鼓励组建大数据研究机构等服务于大数据人才培育和发展培训。
B4类组的城市虽然政府数据开放工作起步较晚或发展较慢，但通过管理办法来规范数据开放共享各个环节的工作制度，同时以计划规划的形式对数据开放共享及服务利用做任务分解和时间管理，是地级市政府推进数据开放工作最为常规的路径。
4 相关讨论
从政策工具偏好、作用环节和阶段、核心组合等方面进行观察，可进一步归纳出我国地方政府数据开放政策工具选择存在三种典型策略：基础建设型、产业推进型和服务应用型（见表6）。表6能够作为地方政府关于政府数据开放的政策工具箱参照使用，根据标志特征、进入阶段判断本地政府数据开放所处的发展阶段和基础条件水平，根据重点建设环节、工具偏好和作用对象，选择适应本地发展的政策工具类型，根据核心组合和城市类组找到可参照的案例城市，综合以上内容确定各地政府数据开放的政策工具、运用策略和工具组合方案。
5 结语
我国地方政府数据开放政策执行具有较明显的“自上而下”行政任务推进的特点，从政策工具整体类型分布和环节分布高度一致性上可见一斑，普遍表现出“命令型和能力建设型工具种类丰富且运用比例相当”“激励型工具中传统金钱给付类工具类型运用较多”“环节分布基本遵循‘开放>利用>公共>外部’的順序分布特点”，以及存在“劝导型和学习型工具运用普遍欠丰富”和“数据质量、数据描述、数据采集、市场培育、城市治理、相关权利保护、数字文化培养、国际交流影响”等有待加强工具运用的细节环节。
地方政府的政策工具选择差异性则重点体现在三方面：第一，命令型工具中单项政策工具的重点运用;第二，“利用数据”和“公共价值”环节的政策工具倾向领域，存在A类B类政府之间的差异;第三，地方政府的核心工具偏好和工具组合的差异。通过观察讨论归纳出我国地方政府数据开放政策工具选择的三种典型策略，以供同类组地方政府选择更易嫁接的政策工具参考和对照。
本文是对我国地方政府数据开放的政策工具选择策略的特征研究，未来则可在对策性研究中继续探索，如按基础建设型、产业推进型和服务应用型三种策略，分别作政策工具运用的城市案例研究和比较研究，尤其是对深圳、青岛等近年发展较快但理论和实证研究较少的重要城市，并增加城市信息化发展指数、数字经济发展指数等数据和资料加以佐证，形成更具说服力和参考性的地方政府数据开放政策工具选择策略。
参考文献：
[1] 2020年哪些地方制定了专门针对数据开放的法规政策？[EB/OL].[2021-04-22].https：//mp.weixin.qq.com/s/1GlbQvpRizlz8axwbqPWug.
[2] Schneider A，Ingram H.Behavioral Assumptions of PolicyTools[J].The Journal of Politics，1990，52（2）：510-529.
[3] 黄萃.政策文献量化研究[M].北京：科学出版社，2016：80-81.
[4] 徐勇，高秉雄.地方政府学[M].北京：高等教育出版社，2005：32. [5] 宪法第九十五条的内容、主旨及释义[EB/OL].[2021-02-15].http：//www.baiven.com/d/134/413049.html.
[6] 谭春辉，谢荣，刘倩.政策工具视角下的我国政府信息公开政策文本量化研究[J].电子政务，2020（2）：111-124.
[7] 范丽莉，唐珂.基于政策工具的我国政府数据开放政策内容分析[J].情报杂志，2019，1（1）：148-154，53.
[8] 汤志伟，龚泽鹏，郭雨晖.基于二维分析框架的中美开放政府数据政策比较研究[J].中国行政管理，2017（7）：41-48.
[9] 唐珂，范丽莉.基于二维分析框架下的我国国家层面政府数据开放政策分析[J].中国行政管理，2018：272-281.
[10] 周京艳，张惠娜，黄裕荣.政策工具视角下我国大数据政策的文本量化分析[J].情报探索，2016（12）：7-10.
[11] 范梓腾，谭海波.地方政府大数据发展政策的文献量化研究——基于政策“目标-工具”匹配的视角[J].中国行政管理，2017（12）：48-55.
[12] McDonnell，Lorraine M，Richard F.Elmore.Alternative Policy Instruments[M].Santa Monica，CA：RAND Corporation，1987.
[13] Schneider A，Ingram H.Behavioral Assumptions of Policy Tools[J].The Journal of Politics，1990，52（2）：510-529.
[14] 李樵.我國促进大数据发展政策工具选择体系结构及其优化策略研究[J].图书情报工作，2018，62（11）：5-15.
[15] Deirdre Lee.Building an Open Data Ecosystem-An Irish Experience[C].ICEGOV2014，Guimar-aes：Portugal，2014：351-360.
[16] Ponte，Diego.Enabling an Open Data Ecosystem.2015[EB/OL].[2021-01-31].http：//aisel.aisnet.org/ecis2015_rip/55.
[17] 周众.数据生态理论研究综述[J].吕梁学院学报，2017，7（5）：68-71.
[18] 夏义堃.企业开放数据再利用的困境与对策分析[J].电子政务，2018（8）：69-80.
[19] 郑磊.开放政府数据的价值创造机理：生态系统的视角[J].电子政务，2015（7）：2-7.
[20] 綦然.基于LDA模型的国内人工智能政策对比研究[D].上海：上海社会科学院，2020.
[21] 复旦大学数字与移动治理实验室.中国地方政府数据开放报告（2018年-2020年每半年一次报告）[EB/OL].[2021-01-02].http：//ifopendata.fudan.edu.cn/report.
[22] 成都市推进公共数据资源向社会开放工作实施方案[EB/OL].[2020-10-03].http：//www.cddata.gov.cn/odweb/news/newsDetail.htm？news_id=24.
作者简介：夏蓓丽，女，南京大学信息管理学院博士研究生，上海社会科学院信息研究所助理研究员。