我国数据治理研究领域的知识图谱可视化分析*

王妍晴 罗有敢 胡胜男

1 研究方法

数据治理是一种以“数据”为对象的深化管理模式,是提升数据管理效能的关键所在[1]。数据治理在保证数据安全性的基础上,建立健全数据生产和流通全过程的制度机制,明确各方参与者权责关系实现多元共治,指导数据的科学管理,最终实现数据价值的最大程度释放。加强数据治理领域研究、提升数据治理能力,可有效维护数据在自由安全环境中释放价值,驱动数字经济创新发展,全面降低数据安全风险,实现国家治理体系和治理能力现代化,推动数字中国战略的实施进程。

随着强调数据驱动的第四科学研究范式兴起,科学知识图谱分析方法被广泛运用于人文社科领域研究的主题聚类和研究趋势探索中,基于此,本文通过构建和解读国内数据治理研究领域的科学知识图谱,把握其发展脉络及研究趋势,为国内数据治理研究的科学发展提供参考。

研究数据集以CNKI 学术期刊数据库中的北大核心和CSSCI 收录期刊为目标期刊源,构建检索条件为“题名=‘数据治理’or 关键词=‘数据治理’”,检索结果807 篇,删除非学术类成果以及与研究主题关系不紧密的文献,最终得到国内数据治理研究文献800 篇,文献集数据截止时间为2023 年4 月30 日。

2 我国数据治理研究分布特征分析

2.1 成果数量与关键词分布特征

本研究对800 篇数据治理高质量文献集进行发表时间统计,并使用Citespace 构建关键词共现时区知识图谱(见图1)。从研究成果数量以及关键词年度分布情况可以看出,国内数据治理研究发展具体可划分为三个阶段。

图1 我国数据治理研究论文成果分布与关键词共现知识图谱

(1)研究探索时期(2012—2015 年)。国内学术界与数据治理密切相关的研究成果出现在2004 年,至2021 年出现数据治理高质量研究成果,主要对银行数据治理进行了论述[2],并开始探索大数据背景下政府工作的模式转变问题[3]。该时期“大数据”这一关键词出现在我国数据治理的研究成果中,研究者开始关注大数据环境下的数据治理问题。2015 年开始有研究者关注教育数据治理和高校图书馆数据治理。这一时期年发文量在10 篇以内。2015 年中国代表团在巴西圣保罗召开的IT 治理工作组第三次工作组会议上正式提交了《数据治理白皮书》[4]国际标准研究报告,表明数据治理模式创新发展成为今后我国数字经济发展的重要内容之一。此阶段已初步形成数据治理研究体系,为具体实践工作提供了一定指导。

(2)平稳发展时期(2016—2019 年)。随着开放科学运动与开放数据的兴起,2016 年“开放数据”这一关键词开始出现在数据治理研究领域中。基于大数据、人工智能技术、云计算技术等的创新发展,我国大数据战略[5]明确了今后数字经济发展的目标和方向,将提升数据治理水平确定为国家治理现代化发展的核心任务之一,为相关理论研究工作的深入开展奠定了良好基础,同时也明确了数据共享及数据治理在该战略中的重要地位。从2017 年开始,该领域逐渐形成“大数据治理”“政府数据治理”等研究主题,而“数字政府”“数字经济”“数据质量”“数据安全”则明确了数据治理的发展方向。这一时期产出的高质量研究成果逐年递增,至2019 年高水平成果达66 篇,凝聚中国经验的数据治理高质量研究体系已基本形成。

(3)快速发展时期(2020—2023 年)。2020年开始国内数据治理研究迎来爆发式增长,至2022 年达到207 篇。这一时期,我国数字经济迅速发展,先后制定颁发了许多方针政策,为数据治理工作的发展提供了科学指导,特别是《关于构建数据基础制度更好发挥数据要素作用的意见》《数字中国发展报告(2022 年)》等从国家层面出发明确了数据治理工作的目标和任务,为相关创新活动的开展提供了良好的政策环境。在数字中国发展需求以及新一代信息技术发展的双重驱动下,学术界对“数字化转型”“数据要素”“数据主权”“科学数据治理”“金融数据”等研究主题予以关注,在深化数据治理理论框架的同时,进一步拓展了数据治理的应用场景,并且更加关注数据价值以及数据治理效果评价。随着2023 年初《数字中国建设整体布局规划》的发布,数字中国国家战略进入全面实施阶段,数据治理研究和实践作为数字中国建设的重要保障之一,今后仍会是学术界研究重点所在。

2.2 作者分布特征

在整个研究周期内,我国数据治理领域研究学者高质量成果最大发文量为16 篇,根据普赖斯定律,发文量大于2.99 篇即为数据治理研究领域核心作者。对文献集作者分布分析发现,我国数据治理研究学者中有58 人产出了3 篇以上成果,其中安小米(16 篇,中国人民大学信息资源管理学院)、夏义堃(8 篇,武汉大学信息资源研究中心)、刘桂锋(7 篇,江苏大学科技信息研究所)、梅傲(7 篇,西南政法大学争端解决国际竞争力研究中心)、黄璜(7 篇,北京大学政府管理学院)、王伟玲(6 篇,中国电子信息产业发展研究院)等作者产出6 篇以上,为数据治理研究领域的高产研究者代表。从作者共现知识图谱观察到,该研究领域已形成“安小米-王丽丽-马广惠”“夏义堃-管茜”“刘桂锋-钱锦琳-张吉勇”等研究团队,数据治理研究已经初步形成团队关系(见图2)。但58 位核心作者发文量总和仅占成果总量的28.9%,表明该研究领域核心作者群未完全形成,且跨学科融合研究比较少见。

图2 我国数据治理研究领域作者共现知识图谱

2.3 研究机构分布特征

研究发现国内有913 个机构在数据治理研究领域做出了贡献,产出6 篇及以上的研究高产机构如表1 所示。成果产出排名前列的机构有高校信息管理学院、高校公共管理学院、信息资源相关研究中心和重点实验室、高校法学院等,这些是国内数据治理主题研究的主要阵地。

表1 产出6 篇及以上的研究高产机构情况

中国人民大学信息资源管理学院在领域研究带头人和团队共同努力下,主要围绕大数据治理体系和政府数据治理框架开展研究,在2017 至2023 年均有持续产出,发表高水平成果27 篇,并与多个研究中心及重点实验室保持着良好的研究合作,对我国数据治理领域的理论框架和实践路径做出了贡献。武汉大学信息资源研究中心在领域高产研究者带领下,2018 年开始探索数据治理的中国路径,主要就政府数据治理的理论框架、国内外实践经验以及科学数据治理等问题展开研究,发表高水平成果14 篇。数据工程与知识工程教育部重点实验室主要关注数据治理标准、技术与模式,并重点探讨了政府大数据治理的相关问题,产出高水平论文14 篇,为数据治理中国方案的形成提供参考。各研究高产机构代表结合自身学科优势,从多个角度开展数据治理的理论和实践研究,形成数据治理研究高质量发展的机构合力,如中国人民大学智慧城市研究中心主要针对智慧城市建设中的数据治理问题展开研究,北京大学法学院重点开展数据权利治理、金融数据治理研究,中国电子信息产业发展研究院则关注数字政府和产业数据治理问题并进行了系列探讨。

3 我国数据治理研究主题分析

在研究主题分析阶段,使用VOSviewer 提取共现词频为4 次以上的高频关键词69 个,构建国内数据治理研究主题聚类图谱(见图3)。

图3 我国数据治理研究主题聚类知识图谱

在分析国内数据治理研究主题聚类图谱的基础上,结合高频关键词和重要参考文献,得到5个语义相对独立的研究主题(见表2)。为验证主题聚类的科学性,将800 篇研究文献按照主题聚类结果进行分类,其中734 篇(91.8%)可划归到5 个研究主题的1—3 个主题当中,说明该主题聚类对研究文献集的覆盖程度较高,聚类结果可信。具体聚类主题分析如下。

表2 我国数据治理研究主题聚类

3.1 数据治理理论体系

经过数据治理相关研究者多年耕耘,凝聚中国经验的数据治理研究体系已日渐成熟,对我国政府及各行业开展数据治理有重要理论指导意义。聚类1 涵盖了数据治理理论体系相关研究成果219 篇。

(1)数据治理框架体系构建

数据治理框架体系构建是数据治理理论体系的根基。国外数据治理经验表明,数据治理的中心价值在于开放和利用,须进一步明确数据交易权属以及数据治理规则[6]。目前,我国已初步建成涵盖数据安全、数据确权以及数据价值释放三个方面的数据治理规则体系框架[7]。国内研究者对国内外数据治理内涵、要素、框架等进行了对比分析[8],结合国家战略需求和行业发展特质,形成了面向国家安全、政府治理、教育、图书馆、银行金融机构、电力企业等应用方向的多元数据治理体系。在政府数据治理维度,相关研究分析了数据开放下的政府数据治理概念框架[9],构建以数据治理提升公共文化服务效能的政府治理创新模式[10],形成涵盖目标、主体、对象、活动、工具等要素的政府大数据治理体系[11]。除此之外,学界还对智慧城市数据治理框架[12]、高校教育大数据治理框架与运行机制[13,14]、图书馆数据治理规范[15]等特定领域的数据治理框架体系建设问题进行了探索。

(2)数据治理制度政策探索

数据治理的顺利实施依赖制度政策保障。国内研究者主要运用系统分析法、内容分析法和比较分析法,针对数据治理全过程,研究和分析数据治理相关制度政策。数据治理政策应符合国家核心利益,适应数字经济发展,兼顾数据保护与利用,推动数据标准建设和数据要素价值共创[16]。关于数据治理制度,相关研究提出可从项目与技术互动视角对大数据治理的制度逻辑进行解释[17],而政府首席数据官制度可有效解决数据治理组织构建问题[18]。作为政策制定和监管者,政府在数据治理中应不断调整政策,以寻求不同利益间的动态平衡[19]。地方政府大数据治理政策变化可反映其对数据治理的关注程度,具体呈现主体多元化和内容分层性特征,以地方经济建设为聚焦点。地方政府在制订数据治理政策过程中应发挥职能部门首创精神,关注公共价值,以主体联动和价值共创促进数据治理政策制订的科学发展[20]。

(3)大数据治理

大数据治理是数字中国发展进程中政府和行业治理能力现代化的重要举措[21],备受数据治理领域研究者的关注。研究表明,在大数据治理过程中,地方政府面临着治理模式、驱动机制、央地关系、数字鸿沟、循证决策等系列问题[22]。目前,学界提出了大数据治理内涵、内部要素和应用场景,构建大数据治理模型,从多个维度对其运行机制进行了探讨,形成“概念—动议—路径”一体化的大数据治理体系框架[23,24]。在大数据治理创新发展过程中,大数据伦理开始受到研究者关注,通过失范归因构建大数据伦理研究框架,指出整体存在伦理与技术维度割裂现象,特别是大数据的国家伦理治理问题还需要深入探讨[25]。大数据治理对乡村教育治理现代化有重要促进作用,可通过优化环境、健全制度、人才培养等方式提高乡村教育治理的数治基础,实现乡村教育高质量发展[26]。

3.2 数据治理技术与模式

治理技术与模式创新是数据治理高质量实施和可持续发展的重要保障,聚类2 主要围绕此类问题进行分析研究,相关研究成果155 篇。

(1)数据治理技术

从知识图谱结果呈现可知,数据治理技术涉及云计算、大数据、区块链、数据分析、数据可视化等构成的多维技术体系。研究表明,基于治理成熟度的大数据HAO 治理模型可有效解决数据治理中数据清洗、交换和集成三者的智能协同问题[27]。在数据治理技术体系中,区块链技术能够增加数据价值创造和公开透明程度,解决数据治理中释放数据价值和实现数据公平的根本问题[28],在政府数据治理、区域教育治理、数字金融治理、档案馆数据治理、创新生态系统数据治理等场景中得到应用。随着元宇宙和强人工智能时代的来临,在数字技术赋能数字化转型过程中产生的新问题也需要通过数据治理进行解决。如元宇宙时代的去中心化会导致数字公民身份产生认同障碍,须从数字权利保护方面予以考虑,利用数据治理打破认同困境[29]。2022 年底出现的ChatGPT 是引发数据领域风险的焦点,同时也是健全完善我国数据治理制度体系的重要契机,应辩证对待[30]。

(2)数据治理模式

国内研究者在我国战略发展方向、应用场景需求以及特定数据内容优化等的导向下,提出了凝聚中国经验的数据治理模式。研究表明,基于数据价值动态联动的大数据治理模式可通过市场、传播、绩效、法律等维度实现数据科学治理[31]。而数据垄断问题本质为数据伦理问题,可通过强化数据透明程度的治理模式来解决[32]。基于数据文化、数据能力和组织体制的基层政府数据治理模式可有效解决基层政府数据治理问题[33]。为推动数据要素市场化国家战略的顺利实施,研究者开始探索相应数据治理模式,如探讨了科学数据权的治理模式,推动科学数据要素市场化,提出基于技术、标准和法律的数据交易流通多元治理模式[34]。个人数据治理也受到研究者关注,相关研究分析了国外个人数据跨境流动数据治理模式,指出可通过基于数据信托集体式数据治理模式实现个人数据科学治理[35,36]。此外,研究者对高校档案数据[37]、区域教育数据[38]等特定数据内容的优化治理问题进行探讨,丰富了数据治理的外延。

(3)数据中台与数据共享平台建设

数据中台和数据共享平台有利于实现数据价值提升和数据资产化管理。数据治理视域下的数据共享平台建设关注数据价值共享,让数据接入到数字经济大环境中,形成可在市场流通的数据要素。宁波市政府部门建构大数据平台的案例研究表明,跨部门和跨系统的政府数据平台治理应重点关注数据共享,且应遵循业务驱动的数据治理路径[39]。2019 年数据中台技术出现并进入数据治理研究领域,通过整合多元异构数据实现数据标准与质量统一以及多维数据融合与可视化呈现,改善长期存在的数据孤岛问题,推动数据资产化管理,实现数据高效利用与价值提升。相关研究表明,基于知识图谱的数据中台可以实现家谱数据的治理[40]。高校图书馆则可通过构建数据中台实现数据治理问题的改进优化[41]。当前,数据中台技术已应用在科技政务、教育信息化、智能电站、智能煤矿等场景的数据治理中,并已取得良好的治理效果。但也有研究指出须加强对平台运营和管理策略的关注,以提升平台数据治理效能[42]。

3.3 数字经济与数据治理

数据是数字经济发展的核心要素,数据治理以维护数据在自由安全环境中释放价值为目标,是数字经济发展的重要驱动力之一,聚类3 关注数字经济中的数据治理,覆盖127 篇文献。

(1)数据主权自主性与数据确权

国家层面的数据权属问题即为数据主权问题,体现了国家独立自主开展数据管理和利用的权力,是数字经济领域数据治理中的重要研究问题之一。当前在数据主权维系方面,主要依赖基础构建秩序方法,注重数字经济效率价值,同时将长臂管辖问题以立法阻断,实现要素间动态平衡[43]。对数据主权进行统筹研判过程中,应考虑国内数据市场发展现状,满足数字经济内在发展逻辑,形成国家数据主权治理的中国方案[44]。同时,在新时代国家数据主权发展战略实施过程中,须加强国际合作提升我国数据治理体系中域外话语权,提升国家数据主权自主性[45]。

(2)金融数据治理

在数据市场高速发展的同时,金融数据的规模迅速扩大,在表现出巨大应用价值的同时也引发日益严重的数据风险,如何健全完善治理体系确保金融市场数据安全稳定,缓解系统性风险,成为金融业关注的重点问题。相关研究表明,金融数据治理存在碎片化现象,须从数据安全、质量、技术和资产等维度完善金融数据治理体系[46]。目前我国在金融数据治理领域存在比较突出的问题,典型问题在于尚未构建起良好的数据共享机制,不利于金融数据的跨境流动[47]。为解决此问题,可参考国外先进治理经验,结合本国金融市场实际发展情况,针对数字经济创新发展的内在要求,构建更加科学完善的风险防控体系和治理模式,提升金融数据管理的规范化。同时,金融监管体系的创新发展应从加强数据治理工作的角度出发建立健全嵌入式结算治理工具,在提高数据共享和分析能力的基础上实现更好的治理效果[48]。有研究从数据空间视角出发提出优化金融数据治理体系的基本逻辑,为金融数据共享共治提供了参考[49]。

(3)平台经济与数字治理

目前,以平台经济为代表的数字经济正处于高速发展阶段,逐渐形成一种全新的经济发展模式。由此形成了规模日益庞大的数据,如何管理相关数据并确保良好的治理效果成为关键所在,而平台经济的发展状况很大程度上也影响了数字经济的总体发展水平。随着我国数字战略的持续推进,平台经济的重要性将进一步提升。研究者讨论了平台经济的信息安全规制[50],提出平台经济数字治理框架,认为主体多元共治以及数字技术赋能是平台经济治理的有效路径[51],而科学平衡平台数据竞争与保护将成为平台经济数据治理的法治方向[52]。当前,平台经济的泛金融化可能会导致数据安全等潜在系统性风险,而去中心化金融将会是平台经济数据治理的技术突破口之一[53]。

(4)数据要素与数据治理

数据治理作为数字经济核心组成部分,必然涉及到数据要素及其市场化的治理问题。研究表明,数据要素和数据治理对于数权世界发展有重要驱动作用,我国数据治理应在法律治理和技术治理间寻求平衡[54]。数据要素价值释放受制于产权归属,数据要素产权归属问题和数据要素治理逻辑问题开始逐步受到学界关注[55]。在数据要素市场创新发展过程中,须充分运用数据驱动型发展模式,加快数字平台建设和制度创新,发挥市场引导作用,逐步构建数据科学共享与利用的新型市场关系,在提升数据综合利用率的同时提高相关主体响应能力,形成科学高效的数据治理框架体系,指导数据要素市场升级转型,为我国数字经济的创新发展提供资源保障[56]。作为数据要素市场具体形态之一,数据知识产权交易市场建设受到研究者关注,其市场安全保障制度建设应体现数据要素治理的核心要求[57]。

3.4 政府数据治理

政府数据治理是国家治理能力现代化的核心要素,提升政府数据治理能力对解决政府层面的数据共享共治问题有重要意义。聚类4 覆盖246 篇文献,是覆盖文献量最多的聚类,可见学界对政府数据治理关注较多。

(1)政府数据治理框架构建

研究者对政府数据治理的理论与实践框架进行了大量探索,并有向各维度精细化发展的趋势,为政府数据治理的科学开展提供参考。相关研究构建了基于制度、技术、质量、安全多维导向的政府数据治理与利用能力框架[58],基于数据生命周期的政府数据资产管理要素框架和运行模式[59],基于价值链的政府数据治理模型[60],面向过程管理的政务大数据治理模式[61]以及政府大数据协同治理框架[62]。研究表明,政府对数据的价值认知、组织架构、技术赋能、人才队伍等是政府数据治理能力的重要影响因素[63],其中政府数据治理人才能力可从大数据能力、跨学科分析能力、沟通协调能力等方面进行提升[64]。

(2)政府数据开放中的数据治理

政府通过政务数据开放驱动数字经济创新发展,在政府数据开放战略深化实施过程中,须形成相应的政府数据治理理念和方法,提升政府数据治理能力,保障政府数据开放的科学开展。研究者探索了数据开放环境下政府数据治理的理论逻辑与概念框架,指出政府数据治理顶层设计应基于开放数据思维充分共享数据,并精准应用数据进行设计[65,66]。关于税务大数据开放共享实践案例的研究指出,政府数据治理能力建设可通过加强政府数据开放顶层设计、组织协同和阶段性推进能力来实现[67]。研究表明,可从标准化建设公共开放数据、制订数据开放法律、加强数据开放政策制定和行政执法等路径构建政府数据开放的治理框架[68]。而公共数据治理是政府数据开放高质量发展的重要路径,探索其法治问题并制定制度框架可推动政府数据开放法治化[69]。政府数据开放价值的实现取决于其数量质量、利益相关者以及环境因素,可从这三个方面入手形成政府数据开放的数据治理路径[70]。

(3)政府数据流通安全研究

政府数据呈现体量庞大性、功能复杂性、内容敏感性等主要特征,因此,政府数据在跨境流通、跨域流通、交易平台流通等流通场景存在数据安全风险,须通过建立政府数据安全治理体系,形成数据安全防范机制,降低政府数据流通安全风险。研究表明,以发挥数据要素价值为核心的数据治理模式可有效促进跨境数据安全流通,有利于形成国际数据治理的中国方案[71]。有研究从数据流动治理角度构建政府数据治理分类框架[72],建立数据流通交易规范,明确数据权属分配,确保数据交易市场的安全透明,以有序方式管理数据跨域流通[73]。也有研究通过对政府数据各项信息的分析,认为应对政府数据的开放持谨慎态度,强调应着力避免数据被滥用[74]。针对数据交易安全,可通过构建全生命周期的平台数据治理模式降低其潜在风险[75]。

3.5 科学数据治理

聚类5 主要关注科学数据治理问题,涵盖108 篇文献。随着数字技术不断深化发展,数字经济全球化与国际科学技术合作趋势愈发明显,各个行业对科学数据,在共享与利用层面的需求越来越高,科学数据全球治理是数字全球化创新发展核心驱动力。我国应根据国情探讨适合科学数据治理本土化发展的路径方向,具体涉及到科学数据政策和生态系统的有效完善、我国科学数据中心的全面建设、重大数据科学计划的参与和引领等。同时应考虑不同群体对科学数据的需求,引导各群体之间构成良性合作关系,以面向全球福祉的态势,增强社会科学数据在各个领域的应用成效[76]。

研究者主要关注科学数据开放共享中的数据治理问题,探讨科学数据开放共享中数据权利、数据质量和数据安全三个维度的数据治理问题[77-79],从治理要素、流程和规则三个方面讨论科学数据治理的机理[80],提出面向立法、制度和应用的科学数据知识产权治理框架[81],以及基于合作治理、信任建设、利益共同体的科学数据治理路径[82]。关于科学数据共享治理模式,学界关注面向开放服务的主流共享模式,重点对资源池、数据出版、数据交易等模式进行分析。研究表明,资源池模式为当前最重要的科学数据共享模式,数据出版和数据交易是其重要补充[83]。

作为科学数据生产、使用和管理的重要主体,高校图书馆和科研机构参与科学数据治理的方法路径受到研究者的关注,构建了学术研究机构数据治理模型,实证探索了科研机构参与科学数据治理的路径[84]。在开放数据环境中,数据馆员可通过实施数据质量监管以及数据权益保护等手段,支撑研究人员进行科学数据治理工作,实现学术图书馆的科学数据治理[85]。

4 我国数据治理领域研究展望

4.1 推进国家数据治理体系优化研究

学界应关注国家数据治理框架和体系的优化与完善,在目前研究成果基础上考量数据治理的敏捷治理模式,开展数据治理相关政策的实证检验与立法治理。今后国家数据治理中数据所有权归属、产权保护等问题将愈发复杂,为应对未来数字经济发展过程中数据资源问题,国内研究者应开展前瞻性研究,高屋建瓴考虑数据结构、数据应用、数据安全和保护政策法规等数据治理顶层设计,科学开展数据治理能力和效果评价,构建符合数字中国发展需求的治理框架,形成数据治理的中国体系。

4.2 探索数据多元协同治理框架和路径

人工智能与区块链技术获得的突破性进展使数据价值链分工细化,数据治理主体与模式愈发多元化,不再简单地归为人与人、人与机器的模式,机器与机器也成为重要的治理主体模式之一。在元宇宙、强人工智能背景下进行多元主体数据治理模式研究,具有深刻的理论意义。对于研究者而言,在进行数据治理研究和实践探索时,可以通过数据模型聚合方法封装细粒度的数据治理主体关联数据集,实现数据治理主体有效协同,通过多方利益的均衡发展实现治理效率和质量的有效提升,探索和构建主体协同、技术协同以及平台协同的多元协同治理框架及实现路径。

4.3 基于数据治理实现产业创新

在数字时代,数据积累日渐庞大,各个行业都面临着产业数据治理的难题。面对数字经济高速发展下的颠覆性创新性市场变化环境,通过数据治理推动产业转型符合经济发展趋势,对行业产业创新生态的升级有重要意义。研究者在探索现代产业创新生态系统时可将数据治理作为核心驱动力,剖析基于数据治理的产业创新生态系统的组成元素和运行机理,优化数据共享和开放的治理方法,进而实现生态系统效率全面提升,激发产业创新活力,推动数字技术创新体系的形成。

4.4 加强实证研究形成中国案例

数据治理实践持续深化发展,各个具体场域在数据治理效果和影响因素方面呈现出良好的发展态势。研究者在后续数据治理研究中应加强实证研究,并对治理过程中公众感知与行为进行有效性测度。这是数据治理政策完善的前提,也是数据治理效能优化的重要保障。同时,还应注重理论探索与案例分析相结合,通过对国内外数据治理案例全过程中科学方法和有益经验的总结,凝聚数据治理的中国方案和模式,推动数据治理理论优化与完善。

4.5 创新多元共治治理模式

数据治理属于多主体、跨学科综合性研究领域,对各项数字化技术的设计和运行均有所涉及,同时也须关注治理原则、主体、组织架构等治理方案的优化与完善。数据治理实践推进过程中,针对其可测算和嵌入式特征开展研究将愈发重要,需要“技术+管理”高素质复合型研究者推进数据治理的多元共治模式创新。通过不同研究机构在数据科学、算法技术、人工智能、公共管理、法学等多领域交叉合作,细化数据治理研究,推动数据治理研究的深化发展。学界应整合研究力量,倡议跨学科合作产出成果,创新数据治理的多元共治模式,以提升数据治理效能。