国内外政府数据治理研究进展及未来研究趋势

牛丽雪 白献阳

摘要：政府数据的利用与治理，对发展数字经济起着关键作用。通过对目前已有的文献进行系统的梳理，分析政府数据治理的研究现状，明晰未来的研究方向和趋势。目前国内外政府数据治理的研究主要集中在政府数据治理概念、体系框架、成熟度模型、政策和标准、数据质量等方面，现有的研究局限表现在：数据治理成熟度模型的建构、数据治理的政策和标准等方面研究有待完善和优化。未来应在政府数据治理的框架模型、成熟度评估体系、政策分析方面进行深入的研究。

关键词：政府数据治理;开放数据;数据政策;成熟度模型

中图分类号：G203   文献标识码：A

在大数据时代，数据已成为最宝贵的资产之一，成为驱动创新的新动力。由于政府拥有着经济社会80%左右的数据，政府数据的开放共享对发展数字经济起着关键作用，数据资产属性的凸显使政府数据成为数字经济重要的生产要素。政府数据关系到国计民生，与民众的生活密切相关，这些数据不仅有利于政府制定政策，提供公共服务，而且可以促进公民、企业以及其他组织和团体参与公共事务、开发新产品、提供创新服务。中国共产党十八届三中全会提出，“推进国家治理体系和治理能力现代化”，此后数据治理问题逐渐受到了学界的重视。政府作为最大体量的数据持有者和权威的数据使用者，必须抓住契机，提高管控运用数据的能力。政府数据治理是其数据资产价值发挥的前提和基础，能够保障数据质量，规范数据管理，提高决策质量，提升政府服务绩效，进而促进政府治理能力的提升[1]。目前有关政府数据治理整体内容的述评研究相对较少，本文通过对目前已有的文献进行系统地梳理，分析政府数据治理的研究现状，明晰未来的研究方向和趋势。  笔者选取中国知网、web of science数据库，在中国知网数据库中以 “政府数据治理”或者“政府信息治理”作为检索词进行主题检索，得到175篇文献。在WOS数据库中以TI=（government AND （data governance OR information governance））为检索式，检索到30篇文献。通过对检索结果的清洗筛选，剔除学术价值较低的会议报告、新闻简介和研究关联性不大的文献，再进行去重之后，得到162篇文献，作为本文的研究对象，对政府数据治理整体内容进行述评。

1 政府数据治理的概念研究

有关数据治理的概念界定尚未统一，目前最具有代表性和权威性的是由DAMA （Data Management Association International，国际数据管理协会） 、DGI （ The Data Governance Institute，国际数据治理研究所） 、IBM DG Council （ 数据治理委员会） 等机构提出的。DAMA认为数据治理是对数据资产行使权力和控制的活动集合，包括计划、监控

基金项目：本文受河北省社会科学基金项目“大数据环境下我国政府数据开放机制研究”（HB16TQ008）资助。和执行等[2]。DGI认为数据治理是包含信息相关过程的决策权及责任制的体系，根据商定的模型执行，描述谁在何时何种情况下采取什么样的行动、使用什么样的方法[3]。IBM认为数据治理是组织管理其信息知识并回答问题的能力，如数据来自哪里？ 数据是否符合公司政策及规则？数据治理实践提供了一个全面的方法来管理、改进和利用信息，以帮助决策者建立对业务决策和运营的信心[4]。国际标准化组织 （International Organization for Standardization，ISO）制定的数据治理国际标准，数据治理定义为IT治理的子集或域，在IT治理的原则和模型基础上给出了数据治理的原则和模型，旨在帮助数据治理主体指导并监督与数据相关的管理过程和决策[5]。然而，在国内使用概念相对较为混乱，有些学者将数据治理和数据管理混为一谈。自我国学者在IT治理和IT服务管理分技术委员会大会提出“数据治理”的概念之后[6]，不同的学者从不同的视角进行了阐述。国内学者包冬梅等[7]在其研究中厘清了数据治理和数据管理的区别，认为治理和管理是完全不同的活动，治理是对有关管理活动的指导、监督和评估，而管理则是根据治理制定的决策来执行具体的计划、建设和运营。

随着信息技术的发展，数据对政府部门业务工作的有效开展产生了明显的影响。伴随着企业数据治理体系的日益成熟以及电子政务的不断丰富，政府数据治理的概念逐渐被提出，政府数据治理已成为大数据时代的一个重要议题，它是大数据背景下政府信息管理的纵深发展。一些政府机构也在借鉴企业数据治理的模型、策略和技术，建立机构数据的治理模式[8]。目前，有关数据治理的概念相对清晰，而对政府数据治理没有进行明确的界定。黄璜等学者认为政府数据治理分为宏观、中观、微观三个层面，宏观主要是国家数据战略层面;中观是政府对在社会公共事务治理中所产生或需要的数据资源的治理;微观是对政府机构在行政管理过程中所产生和使用的数据的治理[9]。夏义堃认为政府数据治理基本集中在中微观层面，与企业数据治理相比，在作用对象、范围、方式与标准要求方面有明显差异，政府数据治理组织机构边界更为广阔、宏观，数据全社会共享[10]。它以治理的思维方式运用数据管理法律制度、人员组织、技术方法以及流程标准等手段，对政府结构化数据和非结构化数据进行全面管理，以提高数据价值，挖掘数据潜力[11]。安小米和毛春阳指出大数据背景下的政府信息治理应具有多学科综合集成管理视角，进行社会协同创新和共治，维护数据主权、挖掘数据价值、创新数据应用[12]。苏玉娟认为大数据时代，政府数据治理的过程是政府主导，民众、企业和社会等多元主体参与的过程[13]。

笔者根据已有的研究成果，認为数据治理是组织为实现资产最大价值化而进行的数据决策权的分配，通过有效的决策来确保规范有序的管理活动，它是一种政府主导、多方主体协同参与的合作机制。在大数据时代，以新视角和新范式提升政府治理能力，运用大数据技术平台促进政府数据的采集、挖掘与利用、开放与共享，最大程度释放数据资产价值，提高数据安全和隐私保护，进而提升数据的经济和社会价值。

2 政府数据治理的体系研究

“体系即系统，任何体系都是由一定要素及其相互关系构成的。”[14]政府数据治理体系是对政府数据治理过程中产生的要素所形成的有机整体。建立政府数据治理体系，是政府部门之间实现数据资源整合共享的基础，为实践活动提供指导，是大数据平台进行数据挖掘分析的前提。有些学者认为政府数据治理体系的建设包含管理和技术两部分[15]，完善数据治理体系，能够发现政府数据治理中面临的困难与挑战并及时解决。安小米[1]等学者提出政府大数据治理体系由治理目标、治理主体、治理客体、治理活动和治理工具等五个关键要素构成，并对其进行了验证。郑大庆[16]等学者从目标、权利层次、治理对象及解决的实际问题四个方面提出了数据治理的概念体系，认为大数据治理体系是鼓励“价值创造”和“风险管控”这种期望行为而建立的权利和责任的制衡体系。张绍华[17]等学者认为体系框架包括战略方针、组织架构、责任分工等。国外学者[18]认为数据治理体系构建是一种治理策略、治理程序。

数据治理框架是用于描述数据治理领域的基本组件（概念）以及组件（概念）间的逻辑关系[6]。整体框架与体系的概念比较相近，创建一个数据治理框架，可以确保数据质量的完整性和保密性， 帮助业界和学者更加全面、客观地分析和解决数据治理领域的问题。数据治理的整体框架旨在阐述数据治理所处的外部环境以及治理目标、决策机制。因此，开展政府数据治理工作时构建科学的框架显得尤为重要。2016年6月，澳大利亚国家档案馆以政府信息资产为核心制定了政府信息治理框架（Information Governance Framework）[19]，将多元治理、绩效评估和风险管理等理念贯彻落实到政府信息策略中。国内学者王露露[20]提出了基本PEST模型制定我国的政府信息治理的背景框架：政治环境、经济环境、社会环境和技术环境。向芳青[21]等学者提出了政府实施大数据治理的应用框架，以数据源为出发点，通过数据汇集和数据分析，在大数据平台有效利用，实现数据的利用价值，最后达到提升政府治理能力的目的。

由此可以看出，国外关于政府数据治理的框架体系主要包括了总体框架、政策、业务流程、标准规范、风险管理等方面，但是尚未形成标准化的框架体系。国内的研究主要是参考国外的经验启示，对政府数据治理整体框架的研究不够深入。

3 政府数据治理的成熟度模型研究

成熟度评估是组织数据治理状态和能力的一种衡量方式。成熟度这一概念是由1984年美国卡内基·美隆大学[22]的软件工程研究所提出的能力成熟度这一概念演变而来。随着对成熟度认识的不断加强，成熟度模型被广泛应用于计算机、管理和医疗等领域。美国卡内基·梅隆大学软件工程研究所（SEI） 构建了包含5个等级的能力成熟度模型（Capability Maturity Model for Software），用于软件开发能力的评估与改进;Data Flux[23]数据治理成熟度模型从人、政策、技术、风险四个方面形成可识别的、可监控的数据治理洞察;国外学者索雷斯[24]在其专著中系统研究了大数据治理的框架、成熟度、治理准则等内容;CMMI[25]协会在2014年发布了数据管理能力成熟度模型（Data Management Maturity，简写DMM）;IBM数据治理委员会提出数据治理能力成熟度模型，高阶能力体现在四个方面：成效、支持要素、核心准则、支撑准则。Gartner[26]设计的6阶段的成熟度模型中，给出了每个阶段的行动方案，并强调管理信息作为数据资产应得到高层重视。国外研究较为丰富，各种模型的共同点都是一个从混乱、规范再到优化的有序等級演绎过程，成熟度的不断升级就是数据治理水平逐步积累的过程，借助模型可找到组织数据治理的薄弱环节，针对性地形成改进策略，促使治理水平渐进提升。

目前国内学者对成熟度模型的研究不断丰富，涉及到企业、政府、高校、图书馆、医疗等领域，主要集中在企业或组织机构管理的成熟度模型、企业数据管理能力成熟度、城市治理成熟度、IT治理成熟度、政府数据开放、政府大数据治理成熟度、数据安全能力、数据质量管理成熟度等方面。张亚明[27]提出了我国数字城市治理成熟度体系，并对我国31个省市的数字城市进行了实证分析;程广明[28]提出了人与组织、策略和能力的三维架构大数据治理模型，并在此基础上提出了包括初始级、基本级、定义级、管理级和优化级五个评价等级的大数据治理成熟度评估模型。吴志刚[29]等学者提出了一种包含数据质量、组织建设、制度流程、技术支撑、实施能力五个要素的政务大数据成熟度模型;安小米[30]等学者借鉴智慧城市成熟度模型从战略规划、制度保障、组织保障、技术架构、数据管理、治理能力六个层面构建政府大数据治理成熟度模型;李克鹏[31]等学者从组织和人员、流程和操作以及技术和工具三个能力维度，针对组织的结构化数据的数据安全过程管理，提出规范性的大数据安全能力成熟度模型;迪莉娅[32]从政府主体的角度构建了我国政府数据开放成熟度的模型，分析了当前政府数据开放成熟度的状况。

目前国内有关数据治理成熟度的研究多为信息治理、大数据治理、数据治理项目的一部分，例如数据安全成熟度、数据质量成熟度、数据开放成熟度等，且企业和组织机构涉及较多，对政府层面的数据治理成熟度研究较少，缺乏系统深入的探讨。

4 政府数据治理的内容研究

有关对政府数据治理内容的理解，可以从宏观、中观、微观三个层面去分析。宏观层面是一种国家数据战略，对整个数字经济的宏观治理，体现为决策机制、激励与约束机制;中观层面主要集中在数据治理政策制度、数据生命周期管理、组织结构、治理能力等方面;微观层面集中在数据架构管理、数据开发、数据库操作管理、数据安全管理、主数据管理、数据仓库、文件与内容管理、元数据管理、数据质量管理等方面[10]。政府数据治理是一项系统的工程，不仅涉及技术，还涉及政策、法律法规、环境等多个方面;不仅包括在业务管理过程中的政府数据，也包括在经济社会生活中的非政府数据，面对海量的数据，政府在对数据进行处理、收集、开放以及使用等方面都面临着前所未有的挑战。目前政府数据治理主要集中在中微观层面，治理活动是数据治理的核心要素，是政府数据治理的实施过程和方法，本文将重点分析政府数据治理的政策和标准、数据质量管理、数据安全与隐私等主要问题。

4.1 政府数据治理的政策和标准

数据治理政策的实施制定，对政府数据治理具有良好的指导规范作用。数据政策和标准是首要的推进方式。国外数据治理的兴起很大程度上是由于对法案法规的遵循，旨在防止企业运营的不正当行为和数据欺诈[33]。Malik[18]谈到数据治理的关键领域时说明了战略和政策因素。一些文献也强调了政策和标准的支持作用[34

36]。国内关于政府数据治理政策的研究也引起了许多学者的关注，大部分研究都是对国外政府数据治理政策的介绍。黄璜[9]介绍了美国联邦政府数据的政策，指出美国政府形成了一整套数据（信息）资源存储、保护、利用和开放的治理政策体系和以直接服务于总统的行政部门为核心机构的治理结构，比如奥巴马总统备忘录《透明与开放政府》（简称 TOG）、管理与预算办公室（OMB）备忘录《开放政府指令》（简称 OGD）和 OMB 备忘录《开放数据政策》（简称ODP）、信息自由法（FOIA）等;张明英[37]在《数据治理白皮书》国际标准研究报告中提出数据治理体系的中层和基层缺乏可操作的数据治理标准;宋懿[38]等介绍了美国、英国、澳大利亚三国的数据治理专项政策，三个国家从战略层面对数据治理核心理念以及治理要素的关注，为我国制定政府数据治理政策提供了借鉴。郑磊[39]等以美国为背景，选择了有关开放数据与大数据的关键政策问题进行评论，并提出建议，以期推进数据驱动的创新。

信息政策法规是推行政府数据治理的重要工具与基本保障，现有信息政策法规的滞后已经成为许多国家推进开放数据战略的一个主要障碍，需要对政策和标准进行完善[11]。刘彬芳[40]等学者构建了二维政策分析框架，通过对国内政策样本进行统计分析，发现目前我国数据治理政策存在的问题，并提出改进建议。丁辉侠[41]从地方政府数据认知能力、数据处理能力、数据应用能力、政府回应能力、维护数据安全能力方面提出政府数据治理面临的挑战，同时表明应在制度建设上寻求国家顶层设计并加强自身建设，唯有智慧使用、直面挑战，才能让大数据为国家和人民创造福祉。范灵俊[42]认为我国政府大数据的共享和利用，最大的挑战在于缺乏政府数据共享的统一标准和规范，缺乏治理机制设计。

从目前的学术研究来看，国外数据治理领域政策的研究较为完善，国内有关数据安全、数据开放等方面的具体政策内容研究较多，而对政府数据治理整体和系统的政策分析较少，对数据治理内容的政策分析研究有待加强。

4.2 数据质量管理

在数据治理框架模型中，数据质量是重要的组成要素，对业务和数据的呈现具有重要的影响，也是其要实现的目标。数据质量是开放数据成功应用的基础，数据质量贯穿整个开放政府数据的生命周期，数据质量将直接影响用户对数据的利用体验。数据质量的改善涉及到数据生命周期管理的过程，数据治理是对数据质量长期进行完善和优化的过程，因此数据质量管理是政府数据治理活动中必不可缺的。

国内学者谭必勇[43]研究了开放政府数据平台的数据质量，指出我国目前已经提出了建成全国统一的政府数据开放平台的目标，但是地方政府开放平台数据质量良莠不齐;洪学海等学者研究了面向共享的政府大数据质量标准化问题，政府数据质量问题对于政府大数据共享至关重要;Oviedo[44]指出政府开放数据的可重复使用性和可再分配性极大地影响了其数据质量，构建了政府开放数据门户中的数据质量模型，并通过实证研究验证了模型中开放数据质量标准及其测量机制;文献[45

47]中提出了政府开放数据质量的評估方法;丁辉侠[41]等人提出大数据时代，要整合不同系统的数据，重点在于数据定义的一致性和数据质量，要在数据收集质量方面严格把关。

关于数据质量的研究都相对较为成熟，国外主要对数据质量评估的相关理论和方法进行了探索，从数据质量模型、测量标准、评估方法方面构建政府数据质量评价体系。国内关于数据质量的研究逐渐深入到技术层面，但是面对数据孤岛等全新问题的挑战，需要对政府数据质量进行深入研究。

4.3 政府数据的隐私与安全

随着政府数据的共享与公开，很容易出现政府数据安全威胁和隐私的泄露。数据隐私与安全是数据治理的重要保障，它们成为国内外多数学者关注的重点。

目前，美国通过修订完善政策体系促使政府数据安全管理的内容框架清晰全面;英国在中央政府各部配备了隐私保护专家;新西兰设立了政府首席隐私官[48]。Lourenco[49]提出数据安全和隐私保护是数据治理中的热点问题，现代民主和开放政府容易造成的错觉是仅仅通过大量政府数据集的披露和提供，就能使政府变得更加透明和负责任。丁辉侠[41]提出要通过政府立法等制度建设，对如何安全使用数据进行有效监管;夏义堃[50]提出建立数据安全标准体系和评估体系，提高政府数据利用的风险防范意识，采取技术、管理等多种手段加强数据主权维护和个人隐私保护，提高数据资产价值实现的安全性。开放数据的大批量使用，不可避免地会造成政府数据安全保护、知识产权保护、个人隐私保护、商业秘密保护等一系列重大数据安全问题，进而造成政府行政的合法性与权威性受到冲击[11]。在政府数据治理过程中，应构建合理的信息安全和隐私保护措施，加强对数据的处理与保护，构建合理的监督保护系统，制定不同的安全保护措施，提升政府数据治理能力。

此外，政府数据的开发使得机构的数据管理方式由封闭走向开放，需要跨部门跨系统的交流和合作，这就会面临不同利益相关者的利益平衡问题。一些学者[51]认为，实施数据治理项目最困难的方面可能是管理者参与数据管理作用的发挥。在数据开放环境下，需要加强政府数据治理跨部门领导体系[11]。大数据技术成为提高政府数据治理能力的重要技术支撑，苏玉娟[13]指出政府需要通过平台建设，采集社会对政府治理的需求，并结合大数据技术，实现对相应大数据的分析、挖掘和可视化，为政府、社会和民众决策服务。然而，在技术的推动下同样也面临着大量的数据冗余、应用脱节等问题。政府部门需要进一步明确职责定位，制定数据治理框架、数据质量的标准，加强政府数据治理能力建设，提高数据隐私和安全的风险防范水平，确保政府数据治理活动的有效实施。

5 结语

5.1 研究结论

回顾国内外政府数据治理的研究历程，大部分研究成果主要集中在理论层面，如数据治理概念研究、体系框架、数据质量、数据隐私与安全保护方面等。数据治理体系框架方面国内的研究相对较少，主要是介绍与借鉴国外的经验，在政府数据治理整体框架的研究上不够深入;成熟度模型方面企业和组织机构涉及较多，对政府层面的数据治理成熟度研究较少;国家有关数据治理的政策较为零散，没有形成统一规划，同时又缺少对相关政策的整体研究分析。

5.2 未来研究趋势

目前关于政府数据治理的框架模型、成熟度评估体系、数据治理政策分析与完善依然是未来研究的重点。政府数据治理要素和框架模型是政府数据治理的核心内容与重要保障。国内外学者虽然已经提出了一些数据治理框架或模型，但是，数据治理框架模型没有一成不变的。建立数据治理框架模型需要将不同部门和专家结合起来，根据政府数据的特点，建立公认的数据治理流程，准确把握数据治理要素，为政府数据治理工作开展提供指导。当前政府数据治理体系缺少覆盖宏观、中观、微观整体框架的研究，在未来的研究中需要协同多样化、多元主体合作、多维度联动，充分发挥数据治理的效能。

衡量是管理的基础，政府数据治理成熟度模型是对数据治理活動进行评估的工具和持续改进的方法。政府数据治理成熟度评估可以测度政府数据治理的现状水平和差距，识别数据治理的改进路径，为治理领导层提供决策依据，促进数据治理的改善。目前的政府数据治理成熟度研究过于宏观，缺少系统性和可操作性，需要结合政府数据治理的框架具体化数据治理要素，形成具有可操作性的等级评估指标，使其成为数据治理活动实施的指南针。

政策法规和标准规范是政府数据治理的基础和保障。目前政府数据治理的政策法规较为零散，整体系统的研究较少，也缺少对相关政策法规内容的研究分析。未来需要完善政府数据治理的政策法规和标准规范，明确数据的资产地位，促进政府数据的共享开放，规范数据管理;出台数据安全与隐私保护的政策法规，从多层面保障数据安全，为数据的共享开放奠定基础，从而促进数据的流通，真正发挥数据的价值。

此外，从政府层面需要加强领导对政府数据治理的认识和理解，强化数据资产意识;建立政府数据治理的组织机构和职位，如大数据管理局，首席数据官等，明确治理责任，协调政府数据治理活动，保障数据治理的落实。

参考文献

[1] 安小米，白献阳，洪学海.政府大数据治理体系构成要素研究——基于贵州省的案例分析[J].电子政务，2019 （2）：2-16.

[2] DAMA International.The DAMA Guide to the Data Management Body of Knowledge[M].New York：Technics Publications，2009：37.

[3] The Data Governance Institute. Definitions of Data Governance[DB /OL].[2017-11-30].http：//www.datagovernance.com/adg-data _governance_ definition.

[4] IBM Analytics. Data Governance[DB /OL].[2018-06-12].https：/ /www.ibm.com/analytics/data-governance.

[5] ISO International Organization for Standardization[EB/OL].[2017-04-20].https：//www.iso.org/standard/56639.html.

[6] 吴韬.大数据治理视域下智慧政府“精准决策”研究[J].云南行政学院学报，2017（6）：110-115.

[7] 包冬梅，范颖捷，李鸣.高校图书馆数据治理及其框架[J].图书情报工作，2015，59（18）：134-141.

[8] United States Department of Transportation.Data Governance Plan[EB/OL].[2019-03-15].http：//www.doc88.com/p-2397815831433.html.

[9] 黄璜.美国联邦政府数据治理：政策与结构[J].中国行政管理，2017，（8）：47-56.

[10] 夏义堃.试论政府数据治理的内涵、生成背景与主要问题[J].图书情报工作，2018，62（9）：21-27.

[11] 夏义堃.试论数据开放环境下的政府数据治理：概念框架与主要问题[J].图书情报知识，2018，（1）：95-104.

[12] 安小米，毛春阳.大据时代的政府信息治理[J].中国信息化建设，2015，（12）：58-59.

[13] 苏玉娟.政府数据治理的五重系统特性探讨[J].理论探索，2016，（2）：71-75.

[14] 丁志刚.如何理解国家治理与国家治理体系[J].学术界，2014，（2）：65-72.

[15] 卢乐天，阳梦华，邓樱文.政府数据治理体系研究[J].电信工程技术与标准化，2019，32（1）：29-33.

[16] 郑大庆，黄丽华，张成洪，等.大数据治理的概念及其参考架构[J].研究与发展管理，2017，29（4）：65-72.

[17] 张绍华，潘蓉，宗宇伟.大数据治理与服务[M].上海：上海科学技术出版社，2016：18-52.

[18] Malik P. Governing big data：Principles and practices[J].IBM Journal of Research and Development，2013，57（3）：1-13.

[19] Julian B.National Archives mandates new digital “information governance” frameworks for mid-2016[EB / OL].[2019-10-25].http：//www.Governmentnews.com.au/2015/10/national-ar-chives-mandates-new-digital-information-governance-frameworks-for-mid-2016 /.

[20] 王露露，徐拥军.澳大利亚政府信息治理框架的特点研究及启示[J].图书情报工作，2017，61（8）：33-42.

[21] 向芳青，张翊红.政府实施大数据治理的应用框架构建[J].凯里学院学报，2018，36（2）：32-38.

[22] Pennypacker J，Grant K. Project management maturity： an industry benchmark[J].Project Management Journal，2003（1）： 4-11.

[23] NASCIO.Data Governance Part II： Maturity Models-A Path to Progress[EB/OL].[2019-11-04].http：//www.docin.com/p-978629039-f2.html USA.

[24] 索雷斯.大數据治理[M].匡斌，译.北京：清华大学出版社，2014：8-35.

[25] 李冰，宾军志.数据管理能力成熟度模型[J].大数据，2017，39（1）：29-36.

[26] Newman D，Logan D.Gartner introduces the EIM maturity model [EB /OL]. [2019-11-01].http：//www.gartner.com/technology/about/policies/correction_2008.jsp.

[27] 张亚明，裴琳，刘海鸥. 我国数字城市治理成熟度实证研究[J].中国科技论坛，2010，（5）：70-76.

[28] 程广明.大数据治理模型与治理成熟度评估研究[J].科技与创新，2016，（9）：6-7.

[29] 吴志刚，廖昕，朱胜，等.政务大数据成熟度模型研究与应用[J].中国科技产业，2016，（8）：6-7.

[30] 张宇杰，安小米，张国庆.政府大数据治理的成熟度评测指标体系构建[J].情报资料工作，2018，（1）：28-32.

[31] 李克鹏，梅婧婷，郑斌，等.大数据安全能力成熟度模型标准研究[J].国际提案，2016，（7）：59-61.

[32] 迪莉娅.政府数据开放成熟度模型研究[J].现代情报，2019，39（1）：103-110.

[33] 张宁，袁勤俭.数据治理研究述评[J].情报杂志，2017，36（5）：129-134，163.

[34] Bhansali N. Data governance： Creating value from information assets[M].CRC Press，2013：28-122.

[35] Martijn N，Hulstijn J，Bruijne M，et al.Determining the effects of data governance on the performance and compliance of enterprises in the logistics and retail sector[C].International Federation for Information Processing，2015：454-466.

[36] Panian Z. Some practical experiences in data governance[J].World Academy of Science，2010：939-946.

[37] 张明英，潘蓉.《数据治理白皮书》国际标准研究报告要点解读[J].信息技术与标准化，2015，（6）：54-57.

[38] 宋懿，安小米，马广惠.美英澳政府大数据治理能力研究——基于大数据政策的内容分析[J].情报资料工作，2018，（1）：12-20.

[39] 郑磊， 徐慧娜，包琳达.大数据与开放数据的政策框架：问题、政策与建议[J].电子政务，2014，（1）：6-14.

[40] 刘彬芳，魏玮，安小米.大数据时代政府数据治理的政策分析[J].情报杂志，2019，38（1）：142-147，141.

[41] 丁辉侠.地方政府大数据治理：行动、挑战与应对[J].郑州大学学报，2018，51（1）：99-105.

[42] 范灵俊，洪学海，黄晁，等.政府大数据治理的挑战及对策[J].大数据，2016，28（1）：27-38.

[43] 谭必勇，陈艳.我国开放政府数据平台数据质量研究—以十省、市为研究对象[J].情报杂志，2017，36（11）： 99-105.

[44] Oviedo E，Mazon J，Zubcoff J. Towards a data quality model for open data portals[C].39th Latin American Computing Conference （CLEI），Naiguata， Venezuela，2013.

[45] Ceolin D， Moreau L， OHara K，et al.Two procedures for analyzing the reliability of open government data[M]//Laurent A， Strauss O， Bouchon-Meunier B， et al.Information Processing and Management of Uncertainty in Knowledge-Based Systems.Cham：Springer，2014：15-24.

[46] Yiu C.A Right to Data： Fulfilling the Promise of Open Public Data in the UK[EB/OL].[2019-06-30].http：//www.policyexchange.org.uk/images/publications/a%20right%20to%20 data%20-%20mai^2012.pdf.

[47] Charalabidis Y，Loukis E，Alexopoulos C. Evaluating second generation open government data infrastructures using value models[C]. Proceedings of the 47th Hawaii International Conference on System Sciences （HICSS）， Waikoloa， Hawaii， USA，2014： 2114-2126.

[48] New Zealand Government Internal Affairs.Privacy maturity assessmentframework：Elements，attributes，andcriteria（version2.0）[EB/OL].[2018-07-14].https：//www.ict.govt.nz/assets/Guidance and Resources /Privacy-Maturity-Assessment-Elements-and-Attributes-version-2-0.pdf.

[49] Lourenco R. An Analysis of Open Government Portals： A Perspective of Transparency for Accountability[J].Government Information Quarterly，2015，32（3）：323-332.

[50] 夏義堃.政府数据治理的国际经验与启示[J].信息资源管理学报，2018，（3）：64-72.

[51] Marsolo K，Kirkendall E.Data Governance and Strategies for Data Integration[M].Springer，2016：101-120.

[52] 周文泓，张宁，加小双.澳大利亚的信息治理能力构建研究与启示[J].情报科学，2017，35（8）：113-117.