从传统治理到数据治理：高层次人才队伍的协同治理逻辑

李志峰， 沙尼达·阿斯哈提

(武汉理工大学 法学与人文社会学院， 湖北 武汉 430070)

国内学界对“高层次人才”还未有权威、统一之界定，但基本共识认为：高层次人才是相对于一般人才而言，在一定范畴内具有较强业务能力、科研水平及战略眼光的高端领军人才[1]。本文所指的高层次人才队伍主要是指在高等教育各个领域内从事创造性劳动，带领专业快速发展，推动学科体系的建设，为所在领域培养更多的专业人才，能对社会做出突出贡献的优秀人才。目前，中央、地方和其他相关行业部门在人才集聚、评估、运用和激励等方面进行了点上攻坚、线上带动、面上协同的优秀人才体制改革，取得了一系列重要成果[2]。经过不断的制度改革和管理模式创新，我国在高层次人才政府治理过程中形成了多层级、多中心的治理模式，总体效果不错，对于形成中国特色的高层次人才治理体系、推进人才强国战略发挥了重要作用。但是，随着信息技术的不断革新，传统的治理模式面临着新的挑战。大数据时代，政府治理也越来越体现了“智能”化特征。显而易见的是，大数据技术将改变政府组织模式和治理模式，对于消解传统治理模式存在的制度桎梏，提升治理效能将发挥重要的作用。高层次人才治理作为政府治理的重要内容，在大数据时代同样面临着重要转型。

一、高层次人才队伍治理的传统模式及局限性

20世纪90年代，治理作为公共管理领域一种理论范式和分析工具在西方国家兴盛并被广泛应用于各类公共事务管理过程，也对我国公共治理领域产生了深刻影响。在我国高层次人才队伍治理领域，初步形成了多层级、多中心的治理模式。

1.多层级联动治理的实践模式

自改革开放以来尤其是进入21世纪后，我国制定和出台了关于高层次人才培养、引进、使用、流动、激励、管理等多方面的政策，形成了一个比较完善和系统的高层次人才政策体系。如在2003年，中共中央提出人才强国战略并推出了一系列人才引进政策，2010年颁布实施了《国家中长期人才发展规划纲要(2010—2020年)》。在中央政策的引导下，各级人民政府根据地方需求，也纷纷制定各个地方的人才引进策略，如上海市制定了《上海市2010—2020中长期人才发展规划纲要》，上海市浦东区在2016年印发了《浦东新区人才发展“十三五”规划》。由此看来，我国高层次人才的政府治理模式初步形成了多层次的治理结构。1993年，美国学者盖里·马克斯提出多层级治理理论，旨在阐述多个维度上的政治和多个主体的不断互动的现象[3]。他认为多层级治理意味着“一种在超国家、国家、区域以及地方等几个层级上的既定政府之间进行持续协商的制度”[4]。强调存在着的主体是多中心的、不存在等级分类的、相互依存的，多元行动者和多层级利益相关者都是在相同的价值理念上参与治理[5]。多层级治理就是各层级政府间实行权力的共享，国家与地方通过合作参与各种政策的形成、实施和评估。通过处理公共事务并链接不同的管理实体，使治理从严格的分级管理体系下的“扁平化”转变为不同层次之间的合作和互惠互利的“三维”层次，使人们能够在复杂化和动态化的世界进行合作。从多层级治理理论出发，高层次人才政府治理同时涉及中央和地方政府、基层组织的多层级治理。中央政府对高层次人才的治理职责集中在决策、指导、组织协调、监督考核等方面，负责制定相关高层次人才的宏观政策并对人才标准、引进和管理方式、人才引进协调工作等进行规定；此外，还直接组织高层次人才的引进和管理工作。地方政府也相应地制定地方政策支持和引进、管理高层次人才，具有直接性、操作性和属地性管理的特点。基层组织以执行和落实国家和地方政府的指令和政策的方式来承担治理责任，同时还负有及时反映人才需求的责任。

总的来说，由于不同权力主体的工作职责和权限不同，高层次人才队伍治理呈现出多层级联动治理的显著特征。不同的主体在人才治理的过程中有不同的角色定位，并承担不同的责任，形成了多元主体“共治”的特征。其优势在于：一是多层级联动治理模式强调了国家、地方以及基层之间的互动关系，并显示了各级权力之间的上下流动，有助于从纵向理解高层次人才队伍治理的复杂程度，并且在出现复杂问题时，可以及时找到负责主体并沟通解决。二是高层次人才的治理是我国重要的公共事务，需要多元主体之间的参与和协调。这与多层级联动治理强调的层级间合作互动的内在要求高度契合，有利于相关治理工作的开展。三是国家是多层级联动治理主体的最高层次行为主体，赋予了其他各主体参与治理的合法性，有助于吸引更多的社会资源参与到高层次人才的治理中，从而缓解国家信息滞后、资源匮乏的压力，弥补了国家在能力发挥有限的领域治理的不足。

尽管具有显著优势，但是这种高层次人才多层级联动治理模式也存在两个局限性：

第一，多层级联动治理体系难以形成合力。高层次人才治理体现出了国家-地方-基层的治理层级关系，主要是以中央政府为中心的组织体系引导着地方和基层积极参与治理。近年来，多层级联动的治理体系受到挑战。一是缺乏高层次人才多层级联动治理的法律体系，妨碍了人才政策的长期性和连续性发展，各地制定的地方性政策法规各行其是，难以形成政策合力。二是多层级联动的公共政策执行力度不足。受到各地经济情况、区位因素等影响，高层次人才政策各具特点，在执行力度上也存在较大的差距。各层级治理主体在自己的权限范围内采取不同的政策，使得高层次人才政策的协调性不够，不能够形成政策“合力”，影响我国人才强国战略实施的效果。

第二，各层级治理主体的合作机制不稳定。治理合作一般指的是基于不同的国家、行政区共同面临的公共事务问题和经济方面的难题，因单一政府没办法解决而通过一些政府签订协议或合同的形式，将各种资源在地区之间进行重新整合，从而获得最大的经济效益和社会效益的一种治理模式[6]。这客观上要求政府间达成稳定的合作共识。但是各地政府在高层次人才治理方面往往缺乏合作意识，由于政策数据的隔离性和地方政策的差异性也无法实现有效的合作治理。除中央政策的权威性以外，各个层级的地方政府大都是以自己的利益为出发点去制订相关的政策，一定程度上造成了高层次人才的无序流动。除此之外，针对高层次人才的特殊专项规划和优秀人才计划也都是各个行业部门和各个地区根据自己的需要和偏好而制订的政策，存在碎片性和趋同性等问题。缺乏有效的合作治理机制，造成了人才头衔多、待遇叠加、激励过剩等一系列新问题。

2.多中心联动治理的实践模式

除了高层次人才的多层级联动治理模式之外，还有一种模式是多中心联动治理模式。迈克尔·博兰尼在《自由的逻辑》书中第一次说到“多中心”一词。随后埃莉诺·奥斯特罗姆与文森特·奥斯特罗姆夫妇基于严谨的理论分析以及大量的实证分析，逐步创立了多中心治理理论[7]。该理论提到“多中心自主治理结构和以多中心为基础的新的‘多层级政府安排’是经过社群组织自由发展的秩序而慢慢形成的，该政府具有权力分散和交叠管辖的特征，多中心的公共论坛、多元化的制度和公共政策安排能够很大程度地约束共同行动中的机会主义，并实现公共利益的不间断发展”[8]。显然，对于高层次人才治理来说，政府、市场、社会力量、个体是多个治理主体，治理的中心依据不同的内容、阶段在各主体间转变，从而达到最优的效果。政府、市场主体、社会组织、个体等多元主体组合形成了共治结构，具体可以分为四种形态：一是“政府-市场-人才”形态，例如公私合作、股权产权转让等模式，强调政府与市场共同合作给人才提供公共服务，主要是由政府通过采购方式，让市场去给人才和用人单位生产公共服务产品或项目。二是“政府-社会-人才”形态。由社会机构组织完成意见征询、民意集中的工作，政府通过海外联谊组织和社团等社会组织联系人才、进行信息交流等。三是“市场-社会-人才”形态，例如投资行业、创业组织等支持创新创业人才的发展，就是市场和社会的结合。四是“政府-市场-社会-人才”形态，即政府、企业、社会和人才等多方合作形成工作机制。

我国目前正逐步由单一的中央管理向多个中心的过渡——由政府主导的社会资源向市场分配转变，由政府提供的公共服务向多方协作的转变。但长期以来，我国治理的政策有效性主要依赖于政府领导和其他主体的监督，这就造成了政府的“越位”或“缺位”现象，以及与此相关的社会多元化主体发展缓慢[9]。多中心联动治理的执行方式和逻辑对于解决具有强关联性、强流动性特征的高层次人才队伍在政策方面的问题具有特殊的效果，也具有明显的优势。具体表现在：一是我国的高层次人才队伍建设是由各地政府针对当地发展需求，去制定相应的引才育才政策，多中心治理促使政府、社会和市场通过协商制定更适合本地需求的培训、评审方式等，从而降低监督成本，减少资源的浪费。二是多中心联动治理主要运用于涉及主体多、程序复杂、单靠政府的力量很难解决的问题。高层次人才队伍涉及多学科、多领域人才的整合，其队伍建设不仅关系到当地政府，还涉及人社局、组织部等多部门的联动协作，多中心联动治理有助于政府与其他主体共同承担风险并为人才提供多样化的服务。三是多中心联动治理注重建立在多个主体交互作用下产生的自发秩序之上，在协调和合作的过程中实现共赢。高层次人才的培养因其准公共产品的属性，使其提供供给、保障的主体接受多个权力主体参与，有利于激活高层次人才队伍培养机制的发展动力。

但是，高层次人才队伍的多中心联动治理模式在政策的理念和执行上存在两个方面的局限性：

第一，在政策理念上，多中心主体体现为行政驱动。“多中心治理”涉及多重主体，各主体在治理中各自发挥着重要作用。多中心治理不只是代表着参与治理的主体的“多”，还表达了多元主体的“中心”地位，即奥斯特罗姆所谓“相互独立地做出决策”[10]。但实际运行中，多重主体的支配和治理力量并不一致，社会力量在高层次人才治理中的地位十分重要但相当薄弱，多中心治理又说明了社会力量在高层次人才治理和提供服务中的重大作用，这种矛盾性体现我国高层次人才队伍治理本质上还是行政力量驱动。政府依赖行政力量来推进社会服务已经成为一种习惯[11]。原因在于，理念上缺乏多中心治理的思维，技术上缺乏多样化数据的支持，难以实现有效链接，市场驱动高层次人才队伍治理政策改进难度较大。

第二，在政策行动策略上，多中心主体“貌合神离”。在高层次人才多中心实践模式中，由于存在不同的利益诉求，主体之间缺乏有效配合，各中心治理主体在政策行动策略上表面一致，但在实际运行中并非如此。对政府来讲，鼓励社会组织和市场积极去参与高层次人才队伍的治理工作，不仅可以有效缓解财政压力，还可以发挥各主体的优势，提升治理质量。对市场来讲，通过制定符合实际的高层次人才治理政策，介入高层次人才队伍的治理过程，可以为高层次人才队伍提供政策和资源的支持。文森特·奥斯特罗姆认为，多中心治理的条件要求包括以下几点：参与治理的个体之间有互惠共识、参与治理的个体之间有很高程度的相似性、参与治理的个体对于公共资源有很高程度的依赖性[12]。因此，在高层次人才治理的外部环境中，参与者需要选择一样的或者是相似的解决方案，但在实际的人才建设环境中这些条件可能并不完全具备，在实践层面上难以形成政策执行力。其核心原因在于面对高层次人才治理的普遍问题，传统的多中心治理模式缺乏统一的协调、合作与共赢，缺乏整体的、基于大数据分析的政策支持，很容易形成只关心部门利益的政策行动策略。

通过对上述两种模式的分析，可以看出，我国目前已形成了相对成熟、稳定的高层次人才治理模式。但这两种模式都存在着一定的局限性。多层级治理主体之间的合作机制不稳定等问题容易导致政策目标的偏离和政策资源的浪费；多中心治理具有权力分散和交叠管辖的特征，在政策理念和政策行动策略等方面存在政策效益不高的缺陷。如何消解治理的局限性，提升高层次人才的治理效能也就成了大数据时代需要研究的课题。

二、高层次人才队伍数据协同治理的概念框架

1.数据协同治理的内涵及理论解释

数据治理的概念最先是出自企业界，指用以确保重要的数据资产能够得到规范管理的一整套数据流程[13]。由于数据治理是基于大数据分析技术而产生的治理方式，有大数据分析技术固有的特点和优势，因而数据治理的理念和方法在社会各领域得到了广泛的运用。协同是系统要素或子系统之间相互作用和合作，在时间、空间以及功能上形成一定的自组织结构，是从无序逐渐走向有序的过程[14]。协同学理论创始人赫尔曼·哈肯认为，管理协同是利用协同理论的思想和方法总结管理对象的协作规律，对其进行研究从而实现管理，有效地实现了系统的整体功能效果[15]。而进入互联网时代，如何实现高效率的协同，数据治理无疑是促进多主体协同最有效的工具。因此，本文提出的数据协同治理是一个涉及多部门数据流通的系统性、综合性的过程，其本质是要以网络为基础，对数据整个生命周期及其各个子系统进行管理，从而实现数据的横向流动和纵向协同，实现多个部门、多个层级以及多个系统之间数据的流通和使用，继而促进高层次人才的高效协同治理。

在科技与经济发展日益密切的今天，协同思想也逐渐被应用到创新系统理论中，并以“官产学研合作”为目的研究政府、企业、高校、科研机构等主体如何通过要素互动形成创新合力[16]。Dubberly指出，协同创新包括知识、技术、信息、人才等多种资源的综合和共享，各主体协同创新的过程是一个包含沟通、协调、合作的过程[17]。协同创新理论是指各主体或利益相关者在实现共同的目标和愿景，在促进创新资源共享，在实现整体利益的过程中的共赢，从而获取协同方的价值和利益的过程。协同创新理论的实质就是通过合作创造更多的价值。从研究对象来说，协同创新研究和数据价值产生所涉及的主体有关联性，主体间的合作机制也具有相似性；从数据价值的实现过程来说，协同创新理论是一个跨主体、跨领域的协同创新过程，需要数据资源的融合才能实现。

我国高层次人才队伍治理是一个系统工程，包含引进、培养、评价等多个子系统。各个子系统有许多制度体系，是多个影响要素有机融合的过程。而当前我国高层次人才队伍的传统治理模式存在一个共同的问题——多元主体间的合作和利益的协调不足，治理成效不高。在多层次、多中心的治理体系下，每个主体都有自己的资源优势，这就需要主体之间用合作来共同促进资源优势的发挥。正如库伊曼所说：“无论是公共行为者还是私人行为者，没有任何一个参与者拥有解决复杂、动态和多样化问题的所有知识和信息；没有任何参与者具有足够的概述能力来确保所需的工具有效运行；没有哪个参与者有采取行动的全部潜能，以确保它可以像独特的治理模型一样单独运作”[18]。如何解决这个问题，不仅需要合理的合作治理结构，而且还需要智慧的政策工具包。协同创新理论强调通过连接不同管理或者服务主体分散化的数据并进行互动，发挥数据效能。这不仅可以自动分配公共资源，还可以对整个人才队伍开展全面的在线分析，分享多元主体的利益。因此，有效调整互联网时代高层次人才队伍的治理结构，有效解决多元主体间的合作和利益的协调问题，需要通过数据治理来完成。

2.协同创新理论的目标愿景

协同创新理论强调创新目标和愿景的协同。认为创新目标和愿景的协同是推动各方参与协同创新活动的先决条件，也决定其发展的目的与方向。政府基于大数据的高层次人才治理涉及多个政府部门，核心目标是解决协同问题，因此如何共同推进政府大数据的高层次人才的有效治理，共同提高政府对高层次人才的管理效能，共同实现高层次人才建设的总体目标是数据治理需要解决的核心问题。对于高层次人才队伍的协同创新治理需要确立以下四个目标：

第一个目标是多主体构建高层次人才队伍协同治理的预测机制。大数据分析技术的核心就是预测判断，借助大数据的预测功能可以为高层次人才队伍的规模结构提供较为准确的预测数据；通过大数据分析和预测高层次人才的实际需求和供求关系，为政府治理提供合理设置和调整各地区高层次人才的布局、调整高层次人才资源的供需结构，整合优化高层次人才资源、创新资源共享机制等方面政策建议。

第二个目标是多主体构建高层次人才队伍联动联治的决策机制。大数据技术在分析决策、创新思维模式方面取得了重大突破，其最突出的特点是：通过对数据进行科学的研究，发现数据背后蕴涵的价值，从而为政府的决策提供理论依据。在高层次人才治理过程中，运用大数据相关技术开展可视化分析与呈现，再配合其他主体的辅助决策，可实现联动联治，确保政策的规范性和合理性，有效带动政府科学决策，最大限度地提高高层次人才治理决策的效率和合力。

第三个目标是多主体构建高层次人才队伍互联互通的监测机制。大数据具有公开化的特点，利用大数据的这一特征，各层级主体可以共同监测和优化高层次人才队伍治理过程。基于对大批多源数据的挖掘和分析，多主体能够对高层次人才队伍发展趋势进行准确预测，准确把握高层次人才队伍的发展动态，对于急需人才的地区，可及时通过政策调整促进高层次人才有序流动，从而保证各地区的协同发展。监测机制还可以监控高层次人才队伍治理工作中的各个环节，程序分明地对其进行监督和管理。

第四个目标是多主体构建高层次人才队伍共通共融的评估机制。运用大数据技术可以对高层次人才政府数据协同治理过程中信息协同、资源协同、决策协同、行动协同等关键环节产生的数据进行整体分析，从中挖掘出关键指标，评估高层次人才治理的信度和效度；利用大数据对协同治理的薄弱环节进行数据相关性分析，可以找出主要影响因素，及时破解难题，为协同治理机制的优化提供决策参考。

三、我国高层次人才政府数据协同治理的运行逻辑

大数据不仅是一种新技术，还是一种突破传统治理的思维范式，冲击了在工业社会发展形成的多层级、多中心的结构。这意味着“未来将是一个去中心化的世界，这个世界在不断地从科层制之中去中心化”[19]。通过大数据的广泛运用，以政府为中心的管理型治理模式会逐步瓦解，呈现出去中心化、去层级化的发展模式，有利于协同治理的预测机制、联动联治的决策机制、互联互通的监测机制以及共通共融的评估机制的实现。基于以上理解，高层次人才政府数据协同治理的运行逻辑是通过理念、主体、客体方面的协同去实现数据化时代高层次人才队伍的有效治理。其实践运行逻辑体现在如下几个方面。

1.理念协同：树立数据驱动的协同治理理念

大数据时代日益复杂的高层次人才治理政策问题，使高层次人才治理面临巨大挑战。创新高层次人才治理思维和决策方式，打破原有的经验性决策理念，建立以客观事实为核心的高层次人才治理数据驱动决策十分重要。客观事实包含在大量的数据之中，这是由数据的原始性决定的。因此，树立数据驱动理念是高层次人才有效协同治理的基础。理念是理性化的思想活动模式，它是客观事实的本质性反映，是事物本质的外在表征[20]。在理念协同的精神层，也就是最核心层，涉及高层次人才治理的价值观和理念。在理念协同的制度层，涉及对高层次人才队伍的协同治理准则。只有各主体树立起数据化的理念和准则，才能够建立起高层次人才队伍建设协同治理的决策机制。

具体来说，在高层次人才数据协同治理的过程中，政府需要始终遵守合作、协商的原则，逐步完成从“管理”理念向“治理”理念的转变。在大数据时代来临之际，各个层级治理主体应转变理念，主动学习大数据思维方式，改变传统治理的习惯和决策方式，形成高层次人才的数据驱动治理理念。一方面，政府作为高层次人才治理政策的执行者，需要运用系统化的思维方式，推动数据驱动式管理模式的建设。如加大投入高层次人才数据的云平台；利用云计算、大数据、物联网等技术，优化高层次人才行政服务质量；要加强服务人员的数据技术水平和数据观念的培育。另一方面，其他行动者也要转变观念，自觉践行高层次人才治理数据驱动治理的理念。

2.主体协同：构建扁平化的协同治理机制

大数据技术的发展，提高了社会组织参与高层次人才治理的意识和自治能力，使得他们更加踊跃地加入高层次人才治理中来；同时面对高层次人才治理的问题，大数据技术的发展也促使政府逐渐减少控制，从而谋求与其他治理主体的数据合作。大数据技术的嵌入使管理型政府对于高层次人才的治理中心地位开始发生变化，并逐步呈现出去中心化、去层级化的趋势，各主体也逐渐认识到构建高层次人才治理数据协同治理机制的重要性。这对于建立联动联治的决策机制和互联互通的监测机制提供了机遇。

数据治理可以通过大数据实现高层次人才多元治理主体平等协商、信息互通、权责明确、分工配合和优势互补，形成最大化协同效应，以共同应对高层次人才治理中的挑战。在政府高层次人才数据协同治理机制中，分工仍旧存在，但通过信息共享，在网络般链接的系统中，每个层级、中心节点的能力会得到最大的了解和发挥，去中心化、去层级化管理模式的组织结构更加稳固，由此带来的是扁平化和网络化的高层次人才治理结构。组织结构扁平化增加了管理幅度，政府对于各个层级、各个中心的控制幅度减少了，而高层次人才治理的数据共享恰好弥补了控制幅度的不足。由于高层次人才治理的数据共享，政府对各主体仍然可以形成有效控制，而不必担心出现高层次人才治理的重大决策时由于管理幅度过宽而对实时信息的掌握失控的现象。本质上，加强了高层次人才治理各主体间的链接，增加了各主体间的信任，提升了各主体间的协作，构建了更为健康、良好的高层次人才治理合作机制。同时，构建良好的高层次人才队伍的协同治理机制，还可以通过数据系统分析高层次人才治理多主体相关政策的协同并进行筛选和勘误，在法律法规咨询、起草、征求意见的环节中，相关人员可以对高层次人才治理的大数据信息实现共享与交流，保障各层级主体、各部门之间能够充分共享高层次人才治理信息，提高决策的效能。除此之外，各治理主体还可以通过数据共享高层次人才的具体需求，评价高层次人才的付出和回报，及时进行政策改进，促进制度的完善。

实现高层次人才治理的主体互动和协同不仅是各层级、各部门一体化的制度创新，还是打破各层级合作碎片化现状，加强高层次人才治理主体协同的必要路径。

3.客体协同：完善数据协同治理的政策体系

在高层次人才队伍的数据治理中，政府、市场、机构等通过具体的职责分工，依据大数据分析技术，可以对高层次人才队伍的治理提供更加专业化、精细化的指导，有效解决“福利叠加”、资源浪费等现象，大大提高各个层级管理的工作效率。政府高层次人才数据治理协同机制是多主体联动协作过程，多主体如何实现联动协同还缺乏制度化、规范化和法治化环境的支持，而数据治理很好地解决了这个问题。虽然我国陆续出台了《“十三五”国家信息化规划》《国家信息化发展战略纲要》和《促进大数据发展行动纲要》等一系列政策法规文件，对政府数据的开放和利用起到很好的规范作用，但相关政策法规还没有明确涉及高层次人才队伍多主体协同治理中的核心问题。

因此，在宏观层面，需要注重数据协同治理的顶层设计，在政策供给力度上，聚焦高层次人才持续发展完善相关政策体系，逐渐提升政策的质量以及对于解决问题的实际效果；在政策行动上，各主体之间建立协调机制及工作规则，平衡协调好所有层级的利益诉求。在中观层面，构建综合的高层次人才数据协同治理体系框架和政策体系框架，健全数据协同治理的基础设施和技术支撑体系。在微观层面，重视高层次人才数据协同治理对隐私安全和数据安全的保护，强化对隐私安全和数据安全的保障政策措施的支撑。对于高层次人才数据治理政策需要从数字化的发展趋势、安全、隐私保护、电子政务等多个角度来制定，以确保高层次人才能够方便地获得和利用公共信息，享受智能化服务，提升高层次人才治理效能。

四、结语

随着信息技术的不断革新，数据治理成为高层次人才治理的一种新的、重要的手段，大数据分析技术所带来的相关性建模和决策功能，已经改善了高层次人才治理主体处理事件的行动力和有效性。在企业内部，各部门在海量数据源中利用数据共享方式来获取价值数据，进而推动业务流程再造[21]。在高层次人才队伍的治理中，传统意义上的治理模式由于现代信息技术的发达已慢慢开始瓦解，基于信息数据的治理必然会成为高层次人才队伍协同创新治理的发展趋势，数据治理也必然会成为高层次人才队伍治理流程再造的重要制度设计。