摘要：文章針對政府大數據治理的現狀、能力和發(fā)展路徑不清晰等問題, 提出評估和優(yōu)化政府數據治理計劃和策略的成熟度測評指標體系。通過對成熟度概念、信息治理、數據治理和大數據治理等核心概念界定, 對政府大數據治理的成熟度研究現狀及成果進行歸納, 總結形成大數據治理的成熟度要素, 結合《關于促進大數據發(fā)展行動綱要》的實踐需求, 構建出政府大數據治理成熟度評測指標體系, 提出政府大數據成熟度評測模型, 可以作為當前政府大數據發(fā)展自我測評和改進的工具, 同時還可以作為不同地區(qū)之間政府大數據治理能力的比較基準。

　　成熟度模型作為一個解釋型或標準化的概念, 被廣泛應用于計算機領域、管理領域、醫(yī)療領域等多種不同領域。其中軟件領域各類成熟度模型如Nolan成長階段模型, CMMI能力成熟度模型, SPICE軟件過程改進和能力提升模型, 管理領域如企業(yè)管理成熟度模型、項目管理成熟度模型、質量管理成熟度模型、知識管理成熟度模型、數據管理成熟度模型, 醫(yī)療領域如醫(yī)療信息成熟度模型、醫(yī)療連續(xù)性成熟度模型。隨著大數據時代數據驅動理念席卷全球, 推動人們思維價值觀念、經濟生活方式乃至國家信息治理模式的巨大變革, 大數據領域成熟度的研究初現端倪。

　　本文通過對相關代表性文獻的內容分析, 系統(tǒng)梳理了成熟度模型和大數據治理的相關概念, 對大數據成熟度及模型構建的研究成果進行了歸納, 在此基礎上結合《關于促進大數據發(fā)展行動綱要》的實踐需求, 提出了一套政府大數據治理成熟度評測指標體系。

　　一、成熟度模型概念界定

　　成熟度通常指特定能力從最初到期望達到目標的過程中的演化進度。成熟度模型是一種對關注領域進行評估的工具和持續(xù)改進的方法, 用于把成熟度要素分成若干不同階段, 評估領域現狀和所處發(fā)展階段。目前成熟度模型主要分為組織、技術、文化三類視角, 現將不同領域視角下的成熟度模型定義、描述與應用進行簡單梳理, 如表1所示。

表1 成熟度模型概念描述及應用

　　成熟度要素可以是人、物或者社會系統(tǒng), 其關注領域可以是過程、數字資源、人的能力等成熟程度。成熟度模型基本構成要素通常包括等級、等級符號、等級特性描述、維度、維度元素或活動、等級各元素或活動描述。模型通常定義3~6個等級, 且每個等級的多個維度具有共同屬性。

　　二、信息治理、數據治理、大數據治理涵義辨析

　?。ㄒ唬┬畔⒅卫砗x

　　信息治理是信息資源管理計劃的重要組成部分, 也是信息資源管理項目成功實施的關鍵因素。英國國民健康服務組織基于信息生命周期管理視角, 經濟學人智庫基于信息經濟視角, Gartner基于組織戰(zhàn)略視角, 一些學者基于信息技術、信息活動、過程協(xié)同視角等均對信息治理進行過描述, 提出相應治理途徑, 如HORUS信息治理模型, 企業(yè)級戰(zhàn)略框架和執(zhí)行機制, 責任框架, 最終成果體現為政策、原則、標準、流程等頂層設計項目。有學者認為, 信息治理的學科領域涵蓋組織、元數據管理、安全和隱私、數據質量、業(yè)務流程集成、主數據集成和信息生命周期管理, 其中不少學者對數據質量、數據管理和數據安全與隱私論述較多, 且在數據治理和大數據治理中依然適用。

　?。ǘ祿卫砗x

　　數據治理和信息治理是兩個較為相近的概念, 甚至有時學者互換使用。實際上信息和數據這兩個核心關鍵詞決定其概念差別, 信息治理是基于信息化問題研究視角更為廣義的定義, 數據治理重點采集不同來源的實際數據元素進行研究。DGI、TWDI、MD、IBM等各類數據研究機構和企業(yè)基于企業(yè)數據資產、信息權、數據管理等視角均對數據治理進行過定義, 也有學者基于IT治理、數據資產管理、數據質量管理、組織戰(zhàn)略等視角對數據治理進行過闡述。治理主體通常是數據治理委員會或其他組織機構, 數據治理的客體是組織信息、組織數據和信息權, 數據治理采取指定模型、業(yè)務技術、組織要求、協(xié)同方法、最佳實踐等手段, 其成果形式體現為決策過程、職責描述、組織政策、質量控制原則等具體執(zhí)行層項目成果。

　?。ㄈ┐髷祿卫砗x

　　對于大數據治理, 使用最廣泛的是桑尼爾·索雷斯的定義。他認為, 大數據治理是廣義信息治理計劃的一部分, 通過調整多種功能目標, 制定與大數據有關的數據優(yōu)化、隱私保護與數據變現的政策。大數據治理的領域基礎主要來源于傳統(tǒng)信息治理學科領域, 信息治理的學科、工具、平臺依然可以應用于大數據治理, 但數據多樣性導致多類型數據管理工具和平臺的多樣性。國外大數據治理研究層面呈現出以下特點:多元化的治理原則和法律規(guī)范, 多維度的治理框架、方法和活動, 多行業(yè)的治理功能應用。國內大數據治理研究處于起步階段, 多為表示方法、信息融合、高效低成本存儲、結構化和半結構化數據分析技術等技術視角。無論是信息治理、數據治理還是大數據治理, 企業(yè)和數據機構實踐相對較多, 政府層面實踐研究相對缺乏。大數據治理實踐主要包括數據治理戰(zhàn)略、方法, 大數據應用的人員、技術、流程, 大數據領域業(yè)務管理, 大數據價值案例, 大數據項目測度指標, 數據治理政策、標準和數據集等。

　　三、政府大數據治理的成熟度研究

　?。ㄒ唬┐髷祿卫沓墒於妊芯渴鲈u

　　當前, 大數據治理成熟度的研究多為信息治理、數據治理項目的一部分, 并非單獨一個項目, 且企業(yè)和組織機構涉及較多, 政府層面較少, 研究零散分布在信息治理、數據治理、企業(yè)信息管理領域, 專門進行大數據成熟度研究的文章很少, 且均借鑒以上領域的研究成果。目前大數據治理成熟度模型主要從組織、技術、政策、管理等視角定義一系列大數據成熟度要素, 并制定不同成熟度等級, 如表2所示。

表2 大數據成熟度等級與要素

　?。ǘ┱髷祿卫沓墒於仍u測指標體系構建

　　1、政府大數據治理概述

　　政府大數據是政府部門業(yè)務活動中產生積累的數據, 如人口數據、社保數據、交通數據、教育數據等, 目前存在諸多問題和挑戰(zhàn), 政策層面多涉及共享、開放與安全等問題, 缺乏覆蓋數據資源全生命期關鍵信息活動和過程管理的法律法規(guī), 尤其是缺乏大數據融合、共享和治理機制層面的法律法規(guī)和技術標準, 亟待大數據治理實現政府數據資源可持續(xù)管理, 支持政府信息公開和部門信息共享, 支撐政府治理創(chuàng)新和治理能力現代化。我國有30多個省市制定了大數據行動計劃, 但對于目前政府大數據的認知能力、應用能力、發(fā)展路徑和階段目標均沒有清晰界定, 建立政府大數據發(fā)展水平和治理評估體系就顯得尤為迫切。