市级政府大数据能力评价指标体系构建研究——基于平衡计分卡（BSC）模型

范逢春　王　彪

市级政府大数据能力评价指标体系构建研究——基于平衡计分卡（BSC）模型

范逢春王彪

（四川大学 公共管理学院，四川 成都 610065）

市级政府是具备大数据战略行动完整权能的基本单元，科学构建市级政府大数据能力评价指标体系有利于引导政府大数据战略行动方向，强化政府大数据战略行动效能。文章以平衡计分卡模型作为理论框架，构建了包含政府大数据基础资源、政府大数据业务流程、政府大数据学习成长、政府大数据场景应用4个一级指标、8个二级指标和36个三级指标的市级政府大数据能力评价指标体系，并采用层次分析法确定了单项指标的权重。市级政府大数据能力评价指标体系可以在政府大数据治理中发挥量化描述、科学评价等多重功能。

市级政府；政府大数据；大数据能力；平衡计分卡

“各种经济时代的本质区别，不在于生产什么，而在于怎样生产，用什么劳动资料生产”[1](p210)。伴随着以网络化、数字化、智能化为特质的信息技术的飞跃式发展，大数据以前沿技术、战略资源和全局思维驱动着国家治理向现代化转型。“技术的多样性发展意味着个体通过技术活动模式，与外部世界之间建立起了愈来愈广泛的联系，愈来愈按照多种技术规范行事”[2](p378)。大数据改变了社会能力的价值序列，政府大数据能力跃升为世界各国战略竞争的核心能力。当前，推进大数据治理已经成为我国远景发展规划的重要目标，同时也成为政府治理创新的重要内容。作为具备大数据战略行动完整权能的基本单元，市级政府是国家大数据战略行动的核心主体。由于缺乏清晰的评价标准，当前市级政府大数据战略行动存在运行目标不明确、策略选择不得当、效果判断不科学等问题。在准确界定市级政府大数据能力的前提下，科学设计市级政府大数据能力的评价指标体系，有利于解决困扰政府大数据战略发展推进中的诸多问题，进而强化政府大数据战略的行动效能。

一、研究回顾与概念界定

在海量数据与复杂技术交互影响的大数据时代，政府部门拥有理念革新[3]、职责履行[4]、治理转向[5]等重大机遇，但也面临着信息安全性[6]、政治合法性[7]、行政适应性[8]等现实挑战，培育政府大数据能力是大数据技术与官僚制结构交互交融的阶段动向。作为政府大数据能力的规范性指导和科学性标准，政府大数据能力评价指标体系代表行政实践及理论研究的纵深方向。开展政府大数据能力评价指标体系研究，有助于明晰政府大数据能力体系结构，加快形成政府大数据能力建设的统一标准。相关研究散见于政府信息化评估[9]、治理成熟度评测[10]、政府大数据赋能评价等方面[11]，还未全面深入到专门的整体能力评估层次。市级政府大数据能力评价指标体系研究，是政府大数据治理理论研究的前沿领域和纵深方向。开展市级政府大数据能力评价指标体系研究，能为政府大数据能力的规范发展提供理论支撑和技术指导，能为数据资源开发、智慧政府建设和信息国家竞争提供必要的知识积累。

现行行政管理体制下，市级政府是介于省、县之间的政府，处于五级行政管理体系的中层；从职能权限层次上细分，可将市级政府分为不设区的地级市、一般的地级市、具有一定立法权的较大的市、拥有部分省级政府权限的副省级城市。市级政府治理以强化城区驱动为重点，以促进城乡联动为目的，是我国行政体系中连接县乡基层的中间枢纽、落实顶层设计的中坚力量、推进基层治理的前沿阵地。市级政府在大数据治理活动中，“既强调中观治理功能、混合性治理工具和更强的算法，又直接面对社会主体，是数字技术渗透最为深入、治理效能最为直接的层级”[12]。市级政府同时发挥大数据战略行动的枢纽作用和回应职能，是借助大数据革新治理能力的完整权能单元。

既有研究从大数据应用[13]、大数据开放[14]、大数据管理[15]、大数据架构[16]等方面阐释了政府大数据能力的局部特性。政府大数据能力在场景应用、开放共享、过程管理、系统架构上的认知转向，客观反映了信息技术的发展走向、科层组织的基本面向及公共价值的最终指向。研究认为，政府大数据能力是政府在现代信息技术革命战略背景下，为有效回应社会需求、有力引领社会发展，通过发展变革掌握大数据技术、开发大数据资源、进行大数据治理的综合表现。这一概念从三个层面界定了市级政府大数据能力的内涵。从背景来讲，重大技术的发展突破会引发深刻的社会变革，政府大数据能力是由现代信息技术革命决定的新型战略能力；从性质来讲，权能是职责的伴生品，拓展政府能力的根本目的在于回应社会需求、引领社会发展，政府大数据能力是由政府职责决定的核心目标能力；从要素来讲，大数据由前沿技术、战略资源和全局思维组成，政府大数据能力是包含技术运用、资源开发和数字治理在内的综合场景能力。

二、构建原则与理论模型

市级政府大数据能力作为一个复合系统，存在着复杂的伦理结构、政治结构和管理结构。要全面、客观、科学地评价市级政府大数据能力，就必须建立一套能全面反映市级政府大数据能力各个方面特征的评价指标体系。构建市级政府大数据能力评价指标体系，既要在清晰的设计原则上准确把握其内容边界，又要在科学的分析框架中完整勾勒其内在逻辑。

（一）构建原则

市级政府大数据能力评价指标体系的构建需要遵循指标体系构建的一般原则，这些一般原则主要包括科学性原则、系统性原则、可行性原则与可比性原则。科学性原则要求市级政府大数据能力评价指标体系的构建需要完成概念构建的逆向过程，要从“概念”中提取关键点实现“维度”的构建，从“维度”中提取关键点实现“变量”的构建，从“变量”中提取关键点实现“指标”的构建；系统性原则要求把市级政府大数据能力评价指标体系视为一个大系统，以整体效果最佳为基本目标，协调“大系统”中各“子系统”的相互关系，使测评标准系统完整、平衡；可行性原则要求在构建市级政府大数据能力评价指标体系时，要做到理论与实践相结合，严格精选评价指标，挑选那些具有关键性的指标，以较少的评价指标真实地反映市级政府大数据能力的基本状况；可比性原则要求市级政府大数据能力评价指标体系具有较强的鉴别力，能够“共时性”或者“历时性”区分市级政府大数据能力的差异情况。

除此之外，市级政府大数据能力评价指标体系构建，还需要遵循基于市级政府大数据能力内在规定性的特殊原则，这些特殊原则主要包括质量导向原则、有限职能原则、公共利益原则与动态调适原则。质量导向原则要求在设计评价指标时，需要坚决贯彻市级政府大数据战略行动的质量要求，关注增长效能，促进存量优化，主动促成大数据相关项目的高质量发展；有限职能原则要求在设计评价指标时，体现出“适度而有力”的政府建设目标，追求政府职能与政府能力平衡；公共利益原则要求在设计评价指标时，以服务社会为出发点，以公众满意为落脚点，主动强化大数据技术资源的社会化导向，充分体现市级政府大数据战略行动的公益价值；动态调适原则要求在设计评价指标时，需要及时适应市级政府大数据战略行动的公益价值；动态调适原则要求在设计评价指标时，需要及时适应市级政府大数据战略行动的阶段动向，在大数据治理的不同发展阶段设置相应的评价标准。

（二）理论模型

市级政府大数据包含获取、存储、分析等环节，涉及资源、技术、思维等视角，涵盖理念、结构、技能等要素，其能力呈现在远景战略内，体现在底层逻辑上，表现在实践场景中。为保证市级政府大数据能力的准确开发和有效培养，必须将战略目标分解到实际行动环节，利用综合考评方式平衡战略目标与行动实效之间的张力冲突。平衡计分卡（the Balanced Score Card，BSC）包含战略执行绩效和绩效驱动因素双重结果，是由财务资源类、用户评价类、业务流程类、学习与成长类指标构成的综合考评体系，能使组织管理及时跟踪组织的运行状况，开发出对组织未来成长有利的无形资产。“平衡记分卡在改善政府管理效果上表现良好”[17](p212)，其战略思想、平衡理念、测量内容与市级政府大数据能力评价具有高度一致性。基于平衡计分卡理论模型与市级政府大数据能力评价指标体系构建之间的契合性，本研究采用平衡计分卡理论模型作为构建市级政府大数据能力评价指标体系的理论模型。

科学应用平衡计分卡理论模型，特别是把平衡计分卡理论模型运用到公共部门，必须结合公共部门的实际情况，对其维度做出合理调整。综合考虑市级政府权能定位、政府大数据能力概念内涵和平衡计分卡理论内容，我们认为：基础设施和数据资源是政府大数据战略行动的物质基础，应检视资源投入的多元形式，将“财务”扩展为“政府大数据基础资源”；标准设计和职能设置是政府大数据战略行动的组织保障，应审视政府组织的复杂结构，将“业务流程”推展为“政府大数据业务流程”；技能掌握和素养成长是政府大数据战略行动的人力条件，应正视知识经济的时代要求，将“学习与成长”延展为“政府大数据学习成长”；社会发展和需求回应是政府大数据战略行动的根本目标，应重视政府行为的效益导向，将“用户”拓展为“政府大数据场景应用”。

图1 市级政府大数据能力评估维度的逻辑关系

三、维度拆解与指标初选

市级政府大数据能力是基础资源、业务流程、技能素质、场景应用的综合体。基于前述的基本原则与理论模型，对市级政府大数据能力进行科学评价，需要按照“维度指标—要素指标—执行指标”树状结构，采用要素结构法的指标设计方法，进行市级政府大数据能力评价的要素指标与执行指标的初步选择。

（一）“政府大数据基础资源”维度的指标初选

“政府大数据基础资源”维度以基础设施建设和基础数据资源为主要内容，反映政府在大数据战略行动中基础设施和数据资源的就绪程度。基础设施是保证社会生产和公众生活正常进行的物质工程系统，大数据基础设施是区别于传统IT基础设施的先行性基础设施，强调政府在数据规模上对大数据进行集成发展，以数据采集、数据传输、数据存储、数据计算、数据管理为主要涵盖领域。市级政府大数据能力部分表现为大数据基础设施就绪程度，可以由公共设施物联网建设情况、IPv6（互联网协议第6版）全国占比、移动网络用户平均下载速度、固定宽带用户平均下载速度、云计算平台服务能力、数据中心规模质量等指标测量。

“只有保证政府大数据能够共享，且数据是准确、完整、标准的，政府大数据分析才能够表现出发现问题准确、关系脉络清晰、规律有迹可循等特点”[18]。时效性、真实性、衔接性等方面的质量保证，是大数据资源达成价值变现的前提条件，数据质量影响并代表着政府大数据能力的发展水平。基础数据资源强调政府在数据质量上对大数据进行统一开发管理，以数据清洗、数据规整、数据优化、数据共享、数据开放为主要工作流程。市级政府大数据能力部分表现为大数据基础数据资源就绪程度，可以由政务数据资源目录编制情况、数据分级清晰度、数据分类清晰度、可共享数据条目数、可开放数据条目数等指标测量。

表1 “政府大数据基础资源”维度初选指标

（二）“政府大数据业务流程”维度的指标初选

“政府大数据业务流程”维度以标准设计和职能设置为主要内容，反映政府在大数据战略行动中标准体系和职能部门的适配程度。标准体系是为了减少交易成本、加强行为规范而形成的工作要求，新兴行业的稳健发展离不开标准引领。大数据标准体系涵盖大数据产生到终止的完整过程，以生存周期处理技术为主要内容。政府部门在大数据领域的标准创新，能够有效减少行动冲突、有力整合社会资源，为大数据战略行动创造顺畅的工作流程和适宜的运行环境。市级政府大数据能力部分表现为大数据标准体系适配程度，可以由政务大数据采集标准、政务大数据预处理标准、政务大数据存储标准、政务大数据访问标准等指标测量。

“大数据要求把政务问题转换成数据问题，建立在工业化基础上的传统科层制政府架构无法适应数字化社会”[19]。职责同构、条块分割的大数据发展管理体制，容易产生横向整合困难、纵向汇聚不便、管理权责失衡等问题。成立专业、独立的大数据发展管理部门，统筹建设大数据组织架构，规范管理大数据职能业务，有效开展大数据治理活动，是确保大数据战略行动不间断保持能力建设的长效方法。市级政府大数据能力部分表现为大数据职能部门适配程度，可以由首席信息官（GCIO）设置情况、发展管理部门最高行政级别、政府大数据中心最高行政级别、政府大数据中心总数等指标测量。

表2 “政府大数据业务流程”维度初选指标

（三）“政府大数据学习成长”维度的指标初选

“政府大数据学习成长”以技能掌握和素养成长为主要内容，反映政府在大数据战略行动中人才储备和人才培养的响应程度。作为政府治理行为的微观具象，公务员是政府大数据资源和大数据技术的开发管理主体，其驾驭大数据的能力高低直接决定了政府利用大数据提升治理效能的可能性。大数据专业人才行政实践中的大数据思维和大数据技能，是推进政府大数据战略行动的关键抓手，公务员大数据能力是激烈的大数据治理效能竞争中最重要的比较优势。市级政府大数据能力部分表现为大数据人才储备响应程度，可以由大数据专业人才数量、大数据专业人才学历结构、外部合作团队数量、外部咨询专家数量等指标测量。

公务员大数据能力是大数据驱动政府治理转型的治理能力新问题，政府在公务员大数据能力培育过程中承担首要责任。公务员大数据能力养成是长期且复杂的系统工程，政府组织人事部门适当调整大数据工作绩效权重和专业人员待遇，党校培训系统及时开展大数据专题研究活动和专题培训课程，有助于引导公务员系统提升大数据知识技能、积极运用大数据创新创造，为政府大数据战略行动营造良好的学习氛围和必要的竞争环境。市级政府大数据能力部分表现为大数据人才培养响应程度，可以由大数据研究项目立项数量、地区党校大数据专题培训时长、大数据素养培训人均时长、大数据专业人才发展情况等指标测量。

表3 “政府大数据学习成长”维度初选指标

（四）“政府大数据场景应用”维度的指标初选

“政府大数据场景应用”维度以社会发展和需求回应为主要内容，反映政府在大数据战略行动中社会引领和公共服务的应用程度。政府在没有明确需求的情况下引进新技术，会使数据流、业务流与技术流三线分立，造成资源浪费和负担加重。围绕经济发展、政治建设、社会治理、生态保护、文化促进等职能场景进行大数据赋能，是有效转化大数据行动效能的必然要求。市级政府大数据能力部分表现为大数据社会引领应用程度，可由信息技术服务业经济增长值占GDP比重、大数据反腐监测平台建设情况、网络舆情应对不当事件数量、生态环境大数据平台建设情况、智慧校园建设情况等指标测量。

“大数据建设创新的主要来源之一是应用建设，大数据升级的动力也常常来自领域应用需求的推动”[20](p242)。社会应用是检验技术价值及其发展前景的关键标准，政府部门技术采纳行为只有回应社会需求才能获得合法性加持。大数据技术支撑下的政务服务平台建设和电子信息档案管理，能够减少公众获取公共服务的空间距离和时间成本，加强政府提供公共服务的信息比对和人性关怀。市级政府大数据能力部分表现为大数据公共服务应用程度，可以由政府网站“一网通办”事项占比、政府服务中可全程在线办理事项占比、12345政务服务便民网站建设情况、居民电子健康档案建档率、社会保障卡普及率等指标测量。

表4 “政府大数据场景应用”维度初选指标

四、指标筛选与权重赋予

初步选择的评价指标往往具有较强的学理推理性质和一定主观色彩，需要对初步选择的评价指标进行实证筛选，确保最后确定的指标体系既能全面衡量市级政府大数据能力，又能够把指标数量控制在一定范围内，使评价指标体系更加科学、合理和可操作。合理地分配权重也是评价指标体系构建的关键环节，权重赋予是否合理直接影响整个评价指标体系的使用效果。

（一）指标筛选

为了保证市级政府大数据能力评价指标体系的科学性，我们选择运用专家咨询法和重要程度分析法对初选指标进行筛选。筛选过程中进行了两轮专家咨询。以学术成果和工作岗位作为遴选标准，邀请了电子政务、数字政府领域的研究人员，以及政府部门从事信息化建设、大数据管理的专业人员参与专家咨询。第一轮专家咨询发放回收调查问卷28份，包含大学教授15人、政府人员13人，有效回收率为100%；第二轮专家咨询发放回收调查问卷25份，包含大学教授13人、政府人员12人，有效回收率为100%。调查问卷把每项指标的重要程度分为五个层次，用5分制来表示（1分、2分、3分、4分、5分依次表示“非常不重要”“不重要”“一般”“重要”“非常重要”），要求调查对象对各具体指标的重要程度做出判断。

第一轮专家修改意见要求对部分指标进行删除替换，修订完善后进行第二轮专家咨询。第二轮专家咨询结果显示，专家对各层评价指标认同度较高，未提出修改建议或意见。为深入分析各位专家对初步构建的市级政府大数据能力评价指标重要程度的总体看法，本研究对第二轮专家咨询回收的25份有效问卷进行隶属度分析。将每个维度的指标体系分别视为一个模糊集合，其中每个评估指标的总分数为a∈[25,125]，隶属度为R=a/25，隶属度R的临界值设为3（当单项指标隶属度低于临界值时，就将该单项指标删除，反之则保留）。如表5所示，经过两轮筛选所确定的市级政府大数据能力指标，各个具体指标的隶属度都位于3.52以上，可保留36个具体指标及其所属的各级指标，形成市级政府大数据能力评价指标内容。

表5 市级政府大数据能力具体指标隶属度汇总

（二）权重赋予

指标权重体现被测对象局部特性在整体中的重要程度，反映评价工作的价值导向，是指标应用的重要依据。综合考虑各种权重计算方法的优缺点，本研究采用层次分析法计算各项指标的具体权重。层次分析法（the Analytic Hierarchy Process）通过构造判断矩阵确定具体指标在指标体系中的相对重要程度，能够降低个人随意判断对指标权重造成的不利影响，使指标体系权重分配趋向客观合理。

1.构建层次结构模型。根据层次分析法要求，按照“维度指标—要素指标—执行指标”树状结构，将市级政府大数据能力评价指标分为目标层、准则层和方案层。评价指标层次结构模型中市级政府大数据能力为目标层，4个维度指标为准则层，8个要素指标为子准则层，36个执行指标为方案层（如图2所示）。

2.构造判断矩阵。层次分析法采用萨迪标度对评价指标体系同一要素的子要素进行比较，构造判断矩阵。重要程度分为1-9级，具体取值含义为：1表示后者与前者相比同等重要，3表示稍微重要，5表示明显重要，7表示强烈重要，9表示极端重要，2、4、6、8表示相邻重要程度的中间值。在此基础上，将第二轮专家咨询结果转换为层次分析法专家判断，构造各层次指标判断矩阵。根据本研究的四个层次，可获得13个判断矩阵，分别为G-A、A1-B、A2-B、A3-B、A4-B、B1-C、B2-C、B3-C、B4-C、B5-C、B6-C、B7-C、B8-C。

图2 市级政府大数据能力评价指标层次结构模型

3.一致性检验。一致性检验主要用于检定判断矩阵的可靠程度。当一致性比例C.R.≦0.1时，判断矩阵符合标准；当C.R.>0.1时，判断矩阵需要调整。YAAHP软件利用层次分析法和模糊综合评价进行辅助决策，在评价问题处理方面得到了广泛应用，本研究借助YAAHP12.0软件对市级政府大数据能力评价指标体系进行一致性检验。

层次单排序是判断矩阵相关因素对其准则相对重要性的排序计算，经YAAHP12.0软件运算，可求得专家1对各层级评价指标的一致性比例，其中一级指标C.R.=0.0227，二级指标C.R.=（0.0000、0.0000、0.0000、0.0000），三级指标C.R.=（0.0124、0.0000、0.0000、0.0163、0.0000、0.0163、0.0000、0.0124），各级指标C.R.值均小于0.1。同理可计算出其他24位专家对各层级评价指标的一致性比例C.R.值也都小于0.1，层次单排序计算结果具有满意的一致性。层次总排序是对整体层次结构由上而下逐层合并计算，求出方案层对目标层的重要性权重系数。经YAAHP12.0软件运算，25位专家对评价指标的层次总排序一致性比例C.R.值均小于0.1，层次总排序计算结果具有满意的一致性。

4.确定指标权重。通过前述分析可知，根据25份专家调查问卷构建的13个判断矩阵，在层次单排序和层次总排序上均具有满意的一致性，其权重结果可用于市级政府大数据能力评价。在此基础上，计算各层级评价指标权重系数的算数平均数，结果即为市级政府大数据能力评价指标体系各级指标所对应的权重系数（如表6所示）。

表6展示了市级政府大数据能力评价各层次指标的权重系数。一级指标中，权重降序排列为政府大数据基础资源、政府大数据业务流程、政府大数据场景应用、政府大数据学习成长，权重系数分别为0.3397、0.2379、0.2302、0.1922。专家对市级政府大数据能力评价主要维度的注意力分配格局，有效印证了资源投入和流程适应在技术嵌入中前期的主导性作用，客观反映了基础建设和职能调整在大数据战略行动中的阶段性优势。三级指标中，影响较大的前三位分别是政务大数据采集标准、政务大数据访问标准、数据分级清晰度，权重系数分别为0.045、0.0388、0.0388；影响较小的后三位分别是生态环境大数据平台建设情况、智慧校园建设情况、网络舆情应对不当事件数量，权重系数分别为0.0174、0.0165、0.0152。影响较大的前三位指标分布在标准体系适配度和数据资源就绪度两个二级指标上，影响较小的后三位指标均分布在社会引领应用度二级指标上，这一结果与二级指标所反映的状况相一致，进一步说明了研究结果的可靠性。

五、结语与展望

为形成评价市级政府大数据能力的科学标准和整体尺度，本研究构建了市级政府大数据能力评价指标体系。首先，通过基本概念界定，明确市级政府在大数据战略行动中的核心主体地位，明晰政府大数据能力的基本内涵与核心属性。其次，在平衡计分卡模型的价值指引和理论指导下，将市级政府大数据能力的核心维度拆解为政府大数据基础资源、政府大数据业务流程、政府大数据学习成长、政府大数据场景应用。在此基础上，通过理论分析对维度指标进行拓展，完成评价指标的初步选取。再次，在两轮专家问卷咨询意见的有力支撑下，通过重要程度分析完成具体指标的实证筛选。最后，运用层次分析法确立各层级指标权重，形成完整的市级政府大数据能力评价指标体系。

本研究为政府大数据能力提升提供了可量化的评价工具，有利于深化政府大数据战略行动的理论研究，推动政府大数据战略行动的实践进展。在政府大数据战略行动中前期，政府大数据技术价值推广覆盖政府通盘业务，但技术进步主义无限制扩张会造成组织目标迷失、行动效能失真、公职主体异化等严重问题，无益于政府大数据战略行动的健康发展。政府大数据战略行动行进至巩固拓展期后，政府大数据技术嵌入过程中的效能意识和结果上的效能评价劲升为实践主题，地方政府应在整体能力科学评价基础上系统推进政府大数据战略行动。由于本研究设计的市级政府大数据能力评价指标体系是科学评价标准而非行政技术标准，其主要目的是通过科学探索实现社会引导，具体应用还需根据实际情况对指标体系进行相应调整。同时，市级政府大数据能力评价指标体系是动态概念，体现的是市级政府大数据能力的动态发展趋势，为充分发挥指标体系对政府大数据能力建设的引导作用，应基于实践阶段性特点动态调整指标体系及其权重。基于本研究提出的指标体系，后续研究将对我国市级政府大数据能力实际水平进行科学评价，并基于实践发展过程中的具体要求和阶段特点合理调整指标内容，以实现政府大数据战略行动的有效反思和稳定推进。

表6 市级政府大数据能力评价指标体系

[1] 马克思. 资本论: 第1卷[M]. 北京: 人民出版社, 2004.

[2] 马克思恩格斯全集: 第23卷[M]. 北京: 人民出版社,1972.

[3] 王张华, 颜佳华. 人工智能驱动政府治理变革: 技术逻辑、价值准则和目标指向[J]. 天津行政学院学报,2020,22(06):3-11.

[4] 江小涓. 大数据时代的政府管理与服务: 提升能力及应对挑战[J]. 中国行政管理, 2018(09):6-11.

[5] 尹寒, 张德鹏. 论大数据背景下的政府治理模式转变[J]. 湖北社会科学, 2020(12):35-40.

[6] 董淑芬, 李志祥. 大数据时代信息共享与隐私保护的冲突与平衡[J]. 南京社会科学, 2021(05):45-52+70.

[7] 王向民. 大数据时代的国家治理转型[J]. 探索与争鸣, 2014(10):59-62.

[8] 许欢, 孟庆国. 大数据推动的政府治理方式创新研究[J]. 情报理论与实践, 2017, 40(12):52-57.

[9] 马云峰, 徐海. 基于层次分析法开展政府信息化评估指标及权重研究[J]. 中国电子科学研究院学报, 2020, 15(09):832-839.

[10] 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(01):28-32.

[11] 王芳, 阴宇轩, 刘汪洋. 我国城市政府运用大数据提升治理效能评价研究[J]. 图书与情报, 2020(02):81-93.

[12] 赵娟, 孟天广. 数字政府的纵向治理逻辑: 分层体系与协同治理[J]. 学海, 2021(02):90-99.

[13] 朱艳菊. 政府大数据能力建设研究[J]. 电子政务, 2016(07):123-129.

[14] 樊博, 陈璐. 政府部门的大数据能力研究——基于组织层面的视角[J]. 公共行政评论, 2017, 10(01):91-114+207-208.

[15] 蒋勋, 朱晓峰. 基于政府大数据能力建构的智库应急情报服务——以新冠肺炎疫情防控为例[J]. 图书与情报, 2020(01):64-74.

[16] 张艾荣, 吕娜. 大数据能力、服务链整合与政府智慧服务绩效关系研究[J]. 软科学, 2021(9): 1-11.

[17] [美]罗伯特·S·卡普兰, 大卫·P·诺顿. 平衡记分卡: 化战略为行动[M]. 广东: 广东经济出版社, 2004.

[18] 洪学海,王志强,杨青海. 面向共享的政府大数据质量标准化问题研究[J]. 大数据, 2017,3(03):44-52.

[19] 米加宁, 彭康珺, 章昌平. 大数据能驱动地方政府机构改革吗?[J]. 电子政务, 2020(01):13-19.

[20] 邓攀, 蓝培源. 政务大数据——赋能政府的精细化运营与社会治理[M]. 北京: 中信出版社. 2020.

D63

A

1008-4479（2022）05-0005-10

2022-08-23

国家社会科学基金重大研究专项项目“国家治理现代化场域中的社会治理问题研究”(17VZL007)

范逢春（1973-），男，安徽怀宁人，四川大学公共管理学院教授、博士生导师，主要研究方向为地方政府治理；

王 彪（1997-），男，贵州大方人，四川大学公共管理学院硕士研究生，主要研究方向为地方政府治理。

责任编辑 钱亚仙