【摘要】：通过对政府开放数据的协同监管研究，使其运行过程更规范统一，提升工作效率和数据利用率。将协同理论的相关思想运用到政府开放数据监管这一研究领域中，对数据自身和数据间共享的协同，以及数据监管过程中的主要矛盾进行了阐述。通过对数据协同和上述矛盾的分析，提出了3条可能的监管路径。
美国自2009年总统奥巴马签署开放政府备忘录，并在同年上线了美国政府数据开放门户网站后，开放政府数据运动逐渐在世界范围内兴起。我国自然也加入到了这个行列之中，2012年中国有了第一个政府数据开放网站———上海市政府数据服务网。自此，我国的开放政府数据计划也在稳步推进。
然而，开放政府数据所体现出的价值和功能不仅仅是数据本身的价值和功能，这些数据所形成的系统的价值和功能有时更具有意义。实现政府开放数据的监管，正是有助于形成这一系统的一种方式。数据监管可以通过一系列的方法或平台，对需要监管的数据对象实现存储、管理和维护，使其可以被再利用，从而扩大数据价值。而数据的协同监管则会使其运行过程更规范统一，从而提升工作效率和数据利用率。
1开放政府数据协同监管机理分析
政府数据即为政府及公共机构在履行其职责的过程中生产、创造、搜集、整理和储存的数据。开放政府数据即是把上述的相关数据进行公开，使公众能在线浏览和获取，并可对其再利用的一种行为，其目的在于提高政府的透明度，并通过对这类数据的再利用创造新的公共价值。基于协同理论和治理理论形成的协同治理理念，强调治理主体的多元性、平等性、协同性和有序性，对于开放政府数据的监管可以借鉴协同治理的思想，构建政府、社会、行业协会、公众等多元主体的监管机制。
政府开放数据监管指的是通过一系列的方法或平台，对政府开放的数据对象实现存储、管理和维护，使其可以被再利用，从而扩大数据价值。与其他类型数据的监管同理，在政府开放数据监管研究中，必然存在如政府自身、公众参与或第三方机构等多种监管主体。
本文主要就政府自身作为监管主体，对如何协同监管开放政府数据展开讨论。“协同学”是前西德着名理论物理学家哈肯教授首先提出来的一门系统科学理论，是研究由大量子系统组成的系统在什么样的条件下产生相变，以及相变的规律和特征的一门综合性学科。从最初的对激光理论的研究，到结合统计学和动力学建立的自组织理论，协同理论集百家之所长，形成了独具一格的崭新体系。
而后协同理论不断地被运用到各个学科使其从无序变得有序化，加速学科的发展。在监管开放政府数据时，笔者选择以协同的方法开展研究，原因在于监管作为管理的一个分支，本身就是一种协调多种行为，使其系统化的过程。西方国家社会性监管领域基本存在两种监管模式:对抗型和协同型(CollaborativeＲegulation)，总体发展趋势是协同型监管模式逐步增强，这种模式能够达成社会系统的结构耦合，而且越来越多地体现在政策制定过程。
而协同论指出:一个系统，在特定的条件下，其各个子系统经历非线性相互作用，可以产生协同现象，此时该系统在宏观上便会产生结构、空间和时空的结构，表现出新的有序状态。而这种从无序变为有序的系统，正是众多管理者所追求的、易于管理的系统。
本文阐述的政府开放数据协同监管是以政府为监管主体，针对开放政府数据的多元性，通过加速政府内顶层设计、更新数据挖掘技术、完善数据开放和数据安全的相关法律政策的监管路径，对数据自身协同及数据间共享协同两大方面进行监管(见图1)。
2开放政府数据的多元性
开放政府数据所体现出的价值和功能不仅仅是数据本身的价值和功能，而是各数据通过协同形成的一个完善的系统的价值和功能，结果必然遵循系统整体大于部分要素的规律。实现开放政府数据的监管，正是形成这一系统的一种方式。在这个过程中，理应先考虑数据主体、来源渠道和其价值的多元性。
2.1数据主体的多元性
大数据时代，数据呈现出了爆炸性增长趋势，政府数据也不例外。在开放政府数据的过程中，社会大众参与到使用政府数据行列的同时，也衍生出了大量新的政府数据。社会大众中涌现的多种利益相关体如企业、研究机构、技术部门，都通过多种多样的方式参与到开放政府数据中，例如技术创新、平台搭建、策略制定等。这就使得民众切身参与到了开放政府数据过程中，告别了过去假性参与的状态。在这种实质性的合作中，不同身份的社会大众都成了政府开放数据的生产者，这也是造就数据主体多元性的主要原因。
2.2数据来源渠道的多元性
在以往传统里，政府数据的来源一般为企业、政府本身或不同组织汇报的经过其加工整理的结构性数据。由于这些数据并不是原始数据，所以政府在利用这类数据做决策的时候往往会出现不及时或不精准的情况。而大数据时代，政府不再只依靠这类数据工作，它还可以通过网络上的各个门户网站和社交媒体、智能终端等获取需要的数据。在数据来源渠道不断多样化的今天，一个相对全面的数据库是监管开放政府数据所追求的重要方向。
2.3数据价值的多元性
开放政府数据追求的不仅仅是一种开放的数据，而是通过对这类数据的再利用创造新的公共价值。当然这些价值也是多种多样的。首先是经济价值，开放政府数据的精准性可以使政府减少治理成本，同时通过与各个社会组织加强数据共享，也能有效调动数据的潜在价值。其次，开放政府数据也可以带来一定的政治价值。
政府可借助网络平台中多种门户网站以及媒体等，把政府的主张传递给社会大众。还可以多渠道收集社会大众的反馈，及时对决策做出调整，并对社会舆论做出适当的引导。此外，开放政府数据还会带来部分社会价值。政府通过公开交通、环境、卫生医疗等类型的数据，使民众能随时了解与其生活息息相关的数据，民众的积极反馈能督促政府更准确高效地完成社会治理。针对上述多元的开放政府数据，笔者将结合图1，从该过程中面向的监管对象和涉及的监管途径两大方面进行阐述。
3监管对象的多方面协同
在开放政府数据监管的过程中，协同不能只考虑子系统本身的微观协同，还要着手于子系统相互关系的协同。笔者从开放数据自身的协同和开放数据间共享的协同两个方面给出解释。
3.1开放数据自身的协同
3.1.1数据属性的协同
数据自身属性的协同是开放政府数据协同监管的基本保障。在对数据进行处理时，从不同的角度对数据进行解析，数据便会拥有不同的属性。比如数据的类别、数据的归属、数据的专有性和数据的隐私级别等。建立详尽的数据标准，按照规范的数据标准对数据进行处理，统一其属性和格式等特征，能极大程度地冲破开放政府数据协同监管过程中的技术障碍。此外，可机读的结构化数据不仅能实现云存储和数据共享，还能便于多语言媒体对其进行识别，推动国际化的数据合作进程。
3.1.2元数据的协同
说到数据协同不得不提到元数据。元数据是描述数据及其环境的数据。作为数据的最初始形态元数据还没有被整理加工，也就避免了在整理加工过程中人为带入的偏颇含义。元数据在后续的政府数据利用中占有至关重要的位置，其对不同数据的描述、组织和分类让数据更容易被解释。在开放政府数据协同监管的过程中规范元数据标准，能有效改善不同政府部门数据的异构性，加速各单位之间的数据交换，与此同时也能改善软件的重复开发，提升我国软件开发水平和效率。
3.2开放数据间共享的协同
3.2.1部门间数据协同
在传统的电子政务中，政府各部门都是通过自己的信息收集渠道获取和处理数据，随后建立其私有的数据库。这种状态明显不符合开放数据的宗旨。究其原因，每个政府部门的预期收益与其拥有的数据库质量息息相关，优势信息的所有方不愿意把其占有的数据与其他人分享。
在这种情况下，上级政府或同级政府的最高领导者应该积极出台措施协同各部门利益，采取激励与约束机制，权衡成本的投入、部门的规模以及部门的贡献程度等方面因素，对收益进行公平分配。同时可以建立一个规范的数据资源管理部门，整合所有部门的数据后，各部门使用数据时通过其作为中心，根据相关的身份等级和权限调取数据。通过这种方式更便于标准的统一，增强了部门协同的水平，能有效削减信息孤岛现象的发生。
3.2.2多方技术协同
当下使用开放政府数据的不同人群不具备相同的能力水平，这促使数据的发布者在数据的发布阶段，就要考虑加入一些特定的技术手段和描述说明。例如数据网络平台上给出数据的使用范围和商用实例，便于各行各业人群使用并规避超出限制的数据使用所带来的风险。此外，要重视人力资源的协同。
政府应该设立数据管理机构，除了指导政府数据规划、完善数据信息标准外，还应利用其成员知识结构合理、专业素质高等优势，对开放政府数据使用者进行定期的使用技术培训，及时把各主体间交流形成反馈，增加政民互动。从而提升开放政府数据的使用率和价值，政府也能根据实时反馈及时调整以政府数据为基础的相关决策。
4政府开放数据协同监管的复杂性
面对及路径探索数据监管是一项系统工程，涉及数据对象及其完整性、数字监管的技术措施、法律和组织因素以及其他如政策标准、开放规范、元数据等要素。在对开放政府数据协同监管的研究中，除了要考虑监管对象的协同，还要对监管路径进行探索。而监管路径的选择，理应考虑其是否能避免和解决协同监管中存在的复杂矛盾。在开放政府数据协同监管的整个过程中，必然会存在多种矛盾的问题，例如下述的数据开放与数据安全的不协调，使用不同性质数据比例不协调等问题。
4.1协同监管中存在的复杂矛盾
4.1.1数据开放与数据安全的复杂性
数据开放是大数据时代的大势所趋，尤其是开放政府数据，调查显示约80%的数据都掌握在政府手中。但是有些政府数据包括健康医疗、环境、产业等，涉及个人隐私、国家安全方面的问题，这就使数据安全的问题逐渐浮出水面，包括数据访问权限、用户ID和密码、用户数据访问及日志、安全标准的数据访问权限、数据安全审计等数据库安全，以及信息技术带来的安全威胁，如无线网、蓝牙以及其他不需要物理的、强制性侵入的安全威胁。由于相关法律不够健全，政府在开放数据还是保护数据安全的复杂抉择中时常面临着困扰，需要防范政府数据开放风险，制定数据开放风险管控计划并建立相应的风险管理机制。
4.1.2使用不同性质数据比例的复杂性
海量政府数据日益积累产生的结果，使其带有不同的价值和性质。有价值的数据必须是真实的，往往需要从海量数据中进行挖掘，政府数据也是这样。但是在公民参与决策或表达诉求的时候，产生的数据大多数情况下都是重复的、低密度的甚至可能是虚假的。政府在治理社会的过程中，稍不留神就会使用这些低价值的或虚假的无用数据，使更有价值的数据被闲置。这种情况下冥冥之中会增加政府利用数据治理社会的难度。在开放政府数据的协同监管过程中，这些问题的出现也为监管路径的选择找到了方向。笔者认为，加速政府内数据管理系统顶层设计、更新数据挖掘技术、完善数据开放和数据安全的相关法律政策等监管路径，都能有效地改善开放政府数据协同监管中存在的复杂矛盾。
4.2协同监管中的有效途径
4.2.1加速政府内数据管理系统顶层设计
当下各地政府普遍存在数据管理系统缺乏顶层设计的问题。顶层设计指针对对象的核心目标，从全局着眼统筹考虑该对象的基本框架和各要素间的运行机制，对其进行全面的规划。政府数据管理系统顶层设计的薄弱，致使政府各部门间都无法及时和便捷地共享数据，产生了诸多的数据孤岛，更不必说是否能彻底有效地开放政府数据。
所以，加速政府内部数据管理系统顶层设计刻不容缓。事实上，张晓娟等人已经对政府信息资源标准化管理体系的顶层设计进行了研究，政府应该加强对该类研究的支持和鼓励，找到统筹兼顾且简洁可行的顶层设计方案，促使部门间数据协同，使开放政府数据更全面和高效。
4.2.2更新数据挖掘技术数据挖掘
即为运用相关技术在大量的、不规则的、模糊的数据中，挖掘出有价值和有规律的数据、信息及知识的过程。这一过程中所运用的相关技术统称为数据挖掘技术。政府开放数据，数据采集是基础环节。数据挖掘技术的提升更新，可以减少数据采集过程中数据的虚假、重复和低密度，提升数据质量。同时，经数据挖掘技术处理的数据更有序，便于数据标准化，助力上文所述的数据处理技术多方协同以及数据自身角度的协同。
4.2.3完善数据开放和数据安全的相关法律政策
在政府开放数据协同监管的过程中，完善数据开放和数据安全的相关法律政策是其中必不可少的一条途径。政策法律能够相对有效的，作为行动原则、明确步骤和具体措施以权威形式标准化地指导或强制行为人达到预期目标。政府应该高度关注其数据开放和数据安全之间的冲突与协调，进一步修改《政府信息公开条例》及《网络安全法》，明确公开和保密的界限，完善数据采集、加工、存储、传播和利用的程序和标准，提出数据保护措施。必要时出台以法律作为基石，并为例外适用和紧急措施提供法律依据的战略部署。以此应对政府数据开放和数据安全的复杂矛盾，同时促进数据间共享的协同。
5结语
数据成为当代社会经济发展的重要战略资源，受到包括情报学在内的诸多学科的密切关注，如《情报学与情报工作发展南京共识》提出:在国家创新驱动发展战略与总体国家安全观的指导下，加强对海量的多源数据的挖掘应用，用工程化的研究模式完成情报分析的全过程，为创新主题提供深层次的情报服务。
开放政府数据不仅为重塑电子政务体系提供新路径，而且为情报服务提供重要基础资源，也成为相关学科研究的新主题领域，并且这种新的研究视角已经呈现出多学科、跨领域的交叉态势，如行政管理、信息政策、科学评价等。其中，面向数据管理的政策科学的研究视角创新已引起学术界的关注与重视，并成为前沿研究领域，如有专家通过国外经验分析提出，在数据治理中一个突出的环节是应当明晰概念边界，明确政策目标、梳理政策任务、划分政策职责，以形成系统的政策概念体系。
但以协同理论、治理理论、整体治理理论为基础的协同研究，如政策协同、数据治理、数据跨境监管、协同监管、协同治理、开放数据与数据安全的协同共生等，还有很大的研究潜力和研究空间;另外，也可以从开放政府数据的生命周期视角，探索其不同环节中数据的协同监管。加强政府开放数据的协同监管及其学术探索，必将激发开放政府视域下的政府数据管理绩效增长，并在创新驱动、生产力促进、民生福祉提升等方面，有效释放数据的巨大潜力与社会经济价值。
