双重整合:基层数字减负的实现路径——以杭州市上城区“基层治理数据底座”建设为例

李 颖 王 潞 孙茂阳

一、导言

数字治理已经成为治理模式创新的共识。通过数据共享、融合和碰撞,可增强主体间协同能力,缓解因科层制和专业分工导致的业务碎片化难题,推动整体性政府建设和精准治理。(1)J. Ramon Gil-Garcia, Sharon S. Dawes &Theresa A. Pardo,Digital government and public management research: finding the crossroads[J]. Public Management Review,2018(05):633—646.这既有助于赋能政府公共主体,又有利于赋权社会和个体,实现赋能和赋权的双轮驱动。(2)孟天广.政府数字化转型的要素、机制与路径——兼论“技术赋能”与“技术赋权”的双向驱动[J].治理研究,2021(01):5—14+2.数据作为数字治理的基础要素和关键资源,其精准性、时效性、多维性程度直接影响着治理的最终成效。可以说,数据质量决定着治理质量,是现代治理中的战略资源和基础。(3)Kitchin,R.The Real-time City? Big Data and Smart Urbanism [J].Geo Journal,2014(79):1—14.

县(区)作为国家治理体系中的基础单元,对数字赋能有强烈需求,同时又在数据治理中承担着重要功能。但在数字化转型实践中,数据壁垒多,数据不精准,校验难度大,制约了治理能力的整体提升。基层不仅面临繁重的多头报表任务,同时又最受数据供给匮乏和质量不佳之困,向上“要数据难、好数据少”成为常态化难题。数据采集任务超载和数据资源匮乏并存,近年来正让基层陷入“越减越负”的悖论。(4)颜昌武,杨郑媛.加压式减负:基层减负难的一个解释性框架[J].理论与改革,2022 (01):76—86.2023年底,中央网络安全信息化委员会印发《关于防止“指尖上的形式主义”的若干意见》,所指向的正是上述困境带来的“数字化负担”。

这些困境产生背后的原因是什么?是否存在破解方案?杭州市上城区以拆分和重构数据背后的条块关系和权责关系为突破口,通过技术逻辑和组织机制的适配整合,打造基层治理所需的 “数字化基础设施”——基层治理数据底座,以期同时实现向上整合、向下减负和上下交互赋能等多重目标。本文通过解析此案例的演化过程与设计逻辑,提出基层数据赋能与治理减负的一种可行性路径,并就其成效与可复制性展开讨论。

二、基层治理中的数据困境成因分析

基层治理负荷重和数据赋能难并存,具体表现在三重困境上:一是数据填报多赋能少。台账和数据呈报繁复,临时表格多,考核任务重。基层减负难以真正落到实处,挤占了服务居民的时间和精力。(5)麦佩清.“基层减负年”减负了吗?——基于某直辖市A区259个社区的调研[J].公共管理评论,2020 (03):111—121.由于治理要求不能够贴合基层实践,导致执行异化,出现“数字悬浮”现象。(6)范炜烽,白云腾.何以破解“数字悬浮”:基层数字治理的执行异化问题分析[J].电子政务,2023(10):59—70.二是数据共享难整合度低。基层按要求采集的数据,直接传输和存储至上级条线部门的自建系统、端口,沿袭纵向协同逻辑。(7)叶战备.政务数据治理的现实推进及其协同逻辑——以N市为例[J].中国行管理,2021(06):44—49.基层人员很难留存所需的数据,数据的“生产者”无法获得“使用权”,义务与权利的不对等影响数据归集的积极性。三是数据不准核验难。随着城市异质性和流动性增加,人口流向、轨迹、工作及生活状态都在快速变化,底数不清、质量不高、更新不及时影响着治理成效。疫情期间一些地方因数不清人数而导致的管控扩大化,充分暴露出数据治理之困。三个问题密切关联,相互强化,导致数据不准、不动、不好用,进一步放大了基层和条线部门面临的数据困境。

从权力关系上看,数据“烟囱”的背后是“条强块弱“和“部门主义”的权力结构体现。条块体制强调“条”的权力集中和刚性命令,限制了“块”上的基层治理柔性和自主性。(8)具体参见郝宇青.条块关系适应柔性的基层社会治理[J].探索与争鸣,2022(11):49—51;徐勇,燕继荣,肖滨等.破解基层治理的结构性困境[J].探索与争鸣,2023(01):4+177.基层数据治理之所以受限,正是受到了结构的牵引,沿袭了科层层级制和压力型责任制的特点。若无权威主体强力主导,协调条块关系,则难以形成系统性的组织协同,达致整体性的治理目标。(9)具体参见夏义堃.试论基层政府数据治理模式的选择:吴中模式的建构与启示[J].电子政务,2019(02):17—26;叶战备.政务数据治理的现实推进及其协同逻辑——以N市为例[J].中国行政管理,2021(06):44—49.它会导致基层人员产生“逆选择困境”,只关注数据形式合规,向上负责,而无暇关注真正的社情民意数据。(10)黄晓星,丁少芬.基层治理结构与政府数据治理——以Z市T区网格化管理及其专项行动为例[J].公共行政评论,2022(03):21—39+196.数据治理的流程和设计呈碎片化、分散化状态(11)胡卫卫,陈建平,赵晓峰.技术赋能何以变成技术负能?——“智能官僚主义”的生成及消解[J].电子政务,2021(04):58—67.,导致数据成为部门的“专有资产”,属地难以共享(12)许鹿,黄未.资产专用性:政府跨部门数据共享困境的形成缘由[J].东岳论丛,2021 (08):126—135.。甚至在政府上下及横向之间出现共谋,产生技术执行的拼凑应对偏差。(13)董石桃,董秀芳.技术执行的拼凑应对偏差:数字治理形式主义的发生逻辑分析[J].中国行政管理,2022(06):66—73.

在治理机制上,缺乏明晰的治理主体和动力保障。在理论层面,打破壁垒实现数据共享已经成为共识。(14)Gil-Garcia, J. R., &Sayogo, D. S., Government inter-organizational information sharing initiatives: Understanding the main determinants of success[J]. Government Information Quarterly, 2016(03): 572—582.但在实践中,部门需求响应慢、数据孤岛多、服务协同性差、业务一致性弱等问题普遍存在。(15)沈费伟,诸靖文.数据赋能:数字政府治理的运作机理与创新路径[J].政治学研究,2021 (01):104—115+158.既有研究已经意识到这是一个体系性工作(16)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(02):2—16.,也强调大数据局、大数据中心等技术专业部门作为主要治理主体的重要性。(17)具体参见黄璜.中国地方政府数据治理机构的初步研究:现状和模式[J].中国行政管理,2018(12):31—36;张克.省级大数据局的机构设置与职能配置:基于新一轮机构改革的实证分析[J].电子政务,2019(06):113—120.然而,由于机制设置和权责边界不清晰,导致数据治理处于“无主”状态。管理制度缺失,缺乏适宜的激励机制,阻碍了数据共享和处理力度。(18)锁利铭.府际数据共享的双重困境:生成逻辑与政策启示[J].探索,2020(05):126—140+193.

在技术层面,治理闭环和适用工具缺失,制约了数据交互检验能力。治理流程不完善,缺乏对问题数据的发现、反馈、修正的完整闭环,闭环当中的数据治理方(数据部门)、提供方(源头单位)以及使用方(用户)如何参与,缺乏科学设计。(19)吴善鹏,李萍,张志飞.政务大数据环境下的数据治理框架设计[J].电子政务,2019 (02):45—51.数据源不完整,采集标准、存储标准、数据结构各异,数据名称和编码格式不一,数据颗粒度粗细不均。这些基础标准和规范性条件还未厘清,增加了清洗、筛选难度。数据共享交换平台建设的差异和技术体系的不完善,亦成为数据共享和治理的重要阻碍。(20)明承瀚,徐晓林,陈涛.政务服务数据共享研究——以武汉市为例[J].电子政务,2018(01):14—21.

研究者注意到,数据治理不仅是技术问题,而且兼具技术、政策与管理三重属性,需要注重系统性、整体性与协同性(21)鲍静,张勇进. 政府部门数据治理:一个亟需回应的基本问题[J]. 中国行政管理,2017 (04):28—34.,并从三个维度分别开出药方。在技术层面,强调共享平台和标准规范推动数据“聚”和“通”的作用。(22)具体参见熊瑰.浅谈政府数据共享交换平台建设[J].信息通信,2018 (02):254—255;王钦敏.统筹协调 共建共享 推进数字政府信息化系统建设[J].中国行政管理,2020(11):6—7;石庆波,黄其松.我国政府数据聚通用的难点与优化路径——以贵阳市为例[J].电子政务,2022 (03):88—100.还有从微观角度提出技术解法,例如利用联邦学习技术,实现数据价值共创和安全保护兼顾的目标。(23)胡业飞,陈美欣,张怡梦. 价值共创与数据安全的兼顾:基于联邦学习的政府数据授权运营模式研究[J]. 电子政务, 2022(10):2—19.在组织层面,建议通过完善大数据管理机构建设,增强统筹协调和体系建设能力。(24)孟庆国,林彤,乔元波等.中国地方政府大数据管理机构建设与演变——基于第八次机构改革的对比分析[J].电子政务,2020 (10):29—38.优化政府职责体系,顺畅运行机制。(25)朱光磊.构建政府职责体系是解决基层治理负担过重问题的根本出路[J].探索与争鸣,2023(01):18—21.在制度层面,通过制定法规和优化行政体制,保障数据有效共享。(26)张亚楠.政府数据共享:内在要义、法治壁垒及其破解之道[J].理论探索,2019 (05):20—26.

这些建议给出了解决问题的多维视角,提出了一些可行性方案,但未充分勾勒出制度架构、组织机制与技术选择之间的内在关联,没有提供整体性的方案。事实上,正是治理架构中的“条强块弱”传导,在组织机制上造成了数据治理的碎片化和治理主体的分散化,忽略了从基层的用户视角设计适用的工具。因此,要改变数据治理困境,需要在数据关系和组织机制上改变权力碎片化扩张和“条强块弱”的格局。从数据分散转向数据聚合,从多头治理转向整合治理,从而具备交叉验证能力和持续更新动力,全面提高数据质量。

三、基层数据治理的整合模式:技术逻辑与组织机制重塑

杭州市上城区将条块融合逻辑同时嵌入到技术体系和组织体系当中,展开数据治理探索,打造面向基层治理的“数字化基础设施”。围绕“治什么、如何治、谁来治”的问题,逐渐形成较为完整的数据治理体系。在技术路径上,通过对条线数据内容进行梳理、拆分、重组和清洗,打造多维、全量、集成的数据底座,形成辖区内和层级间的治理闭环,确保数据底座的权威性;增强共享程度,提升数据精度,加大基层减负力度。在组织机制上,由条线多头治理转变为属地聚合治理,形成“组织部主导+数据局主治+多部门协同+街社共治”的体系架构,在组织形态和动力理念上形成“治理共同体”。在数据权属上,从原来由条线部门“持有”的权属转变为条块“共有”的治理资源,实现“产权”的共有共治共享。

(一)打造全量多维数据底座,实现条块供需匹配

1.融合条块需求,打造多维标签体系

上城区对数据进行“解构”再“重构”,建立了“一表通”多维标签体系(图1),兼容纵向不同层级和横向不同部门的数据需求。通过2个多月的走访调研,征集政法、民政等8个业务主管部门及全区14个街道的需求,对治理所涉数据进行梳理、拆分和再融合。第一步,它将条线报表数据和基层所需数据进行“解构”,去重归并后,分解到最小颗粒。第二步,通过组合字段标签,“重构”为条线融合的多个主题库,形成包含130个人口标签及6个常用房屋标签的完整体系。

所构建的“1+N+X”的标签体系通过“以条带块”的形式,形成基层治理的主题框架。其中,“1”为基础标签,是与人相关的基础信息,例如年龄、性别、民族、国籍等。“N”为主题标签,主要依据条线部门的数据需求,将各个数据字段按照业务属性进行细分编码。设置了婚育与家庭主题、健康主题、救助主题、养老福利等12个固定主题,并细化到三级标签。由于标签对应到相应的数据字段和数据结果,部门自行勾选基础标签和主题标签中的对应字段,就能自由组合,生成所需的各类表格,从而免去基层重复填报之累。

图1 1+N+X标签体系:以数据为载体的条块融合治理

同时,与基层沟通后,将他们日常工作中所需的数据内容匹配到相应的主题框架中,即将块上的数据需求融入到条线逻辑中去。例如,基层反映,虽然各地建设了基层治理平台或者“一网统管”平台,但这些平台大多以“事件”为中心,只关注与“事件”属性有关的数据内容和字段。以浙江“基层治理四平台”的数据库为例,它只涵盖与综治任务有关的13个字段,不包含与民生服务等社区高频使用的字段内容,但街道、社区高频使用的字段有27个。于是,标签体系增添所需字段,放置到对应的主题库中,条块数据需求形成有机融合。“X”为临时标签,主要配合临时性重点工作产生的标签,如疫情管理、文明创城等,可依据需求进行增删。

标签体系的另一个功能是“以房定人”,通过建立“静态空间”与“动态个体”间的联系,为检验不同来源的数据质量打下基础。基层治理具体到日常工作中,就是和流动的个体打交道,数清底数是工作前提。当这些数据分散在不同系统时,彼此之间不能关联,对同一信息的采集结果很可能因时间、规范等因素产生差异。基层无权威数据可用,必然产生大量无效劳动。如何解决人员流动带来的底数校准难题?上城区将每个个体身上的所属标签及状态变化,落到固定的空间,与具体的房屋房号进行绑定。这样,不同的数据源落在同一空间后,后续不仅可以对应分发到相应的辖区,还有利于对同一空间中的多源数据进行交叉验证。此外,管理者还可通过圈定空间,一览本区域内的人员流动和分布情况。

标签体系的建立实现了“条—块”间对话,发挥了四个作用:一是明晰数据需求。通过调研访谈,将部门和基层的数据需求清单化、标签化。二是通过逻辑上的去重整合,兼容了条块数据需求。三是数据关联到相应标签后,通过弹性组合,可实现智慧报表。经过拆分重构,18个部门96张高频报表实现了自动生成,极大地减轻了基层报表之困。四是通过 “以静制动”,基层人员可快速定位所有的管理、服务对象,实现数据赋能。

2.汇集清洗全量数据,建立块上权威数据库仓

标签体系成型后,再通过“以块统条”的方式对数据进行清洗。区数据资源管理局将散落在省、市、区、街、社各个系统中的多源数据全量汇集,进行比对校验。它解决了“数出多源”产生的误差难题,实现了在块上检验条线数据质量的目标。例如,检验结果就发现,有两个不同源头的系统,数据重合率仅61%。经初步清洗后,数据重合率从原来的61%提升到93%,人户关联率达到100%,实现“人—房—事—物”的全映射。

数据清洗完成后,建立区级数据库,包含全区136万实有人口底数。当然,总库里的数据要发挥赋能作用,要让基层可见可读可用。因此,按照空间分布,结合网格化结构,总库数据会分别灌入到相应辖区,形成各个街道、社区、网格的数据分库——数据仓。同时,存疑数据也一并灌入,以便进行二次核实。数据仓库可视为“结果数据+标签体系”的集合体,是清洗和容纳全量数据的“平台”和“仓库”。它打破了因“条强块弱”导致的数据治理碎片化、封闭化困境,改变了数据生产和更新的流向,进而打造出块上的数据权威(图2)。

简言之,通过对全量、多维数据进行清洗碰撞,数据底座初步建成。它以数据为载体,在区(县)层面解构并重构了条块业务。以基层现实需求为导向,通过模型算法规则,最大程度完成了数据聚合及质量的初步检验。

图2 基层治理数据底座

3.实现线上—线下交互校准,构建数据更新闭环

如果说数据底座建设的上半场是完成“线上”整合,那么下半场则取决于“线下”维护。线上碰撞发现的存疑数据,需要通过线下人工走访完成二次校验。即使是当下准确的数据,也会随着时间变化和社会流动不断变更,需要动态维护,才能保持数据的鲜活度。因此,需要构建线上—线下的交互循环,形成“集成—清洗—核实—反馈”全链路闭环。既在条—块间保持数据变更的同频一致,又要防止多头采集,减少基层重复劳作,实现“采核一次 全网共享”。基于此逻辑,上城区构建了“内外双循环”的更新路径。先在区内完成 “小循环”,再通过省一体化智能化公共数据平台,完成市—区之间的“大循环”(图3)。

图3 数据更新循环:采核一次 全网共享

基于基层人员的用户导向,为他们开发易用、好用的数据采集工具,是确保双循环得以实现的重要条件。基层数据治理负荷之所以过重的原因之一,就在于各类数据采集APP或操作系统往往是自上而下开发的,较少顾及基层的使用反馈。基层干部面对操作复杂的软件工具,花费过多时间、精力,对数据质量的关注自然会打折扣。因此,要让基层愿意投入数据维护工作,减少重复劳动,就需在技术手段上提供助力。为此,上城区开发了一系列特色工具。其中,专为社工、网格员开发的“楼小通”,可实现“只输一次”的减负目标。

当基层人员对变化数据进行更新时,无需再像以往那样多头、多次输入到各个条线的系统或APP中。通过线下走访核验确认后,只需在“楼小通”上操作一次,变更内容即可直接沉淀在数据库中。基于用户体验,“楼小通”持续迭代优化,陆续添加了数据批量增删、走访提醒、闭环提醒等功能,可帮助基层人员了解数据维护进度。好用的工具增强了用户使用粘性,推动了线上线下交互核验的效率和质量。结果表明,全区人口数据准确率动态提升15%—30%。

区级完成“小循环”后,再通过浙江省一体化智能化公共数据平台(一体化平台),实现区与市级间的“大循环”。通过一体化平台,区里可将校准后的数据横向同步推给各个条线部门的业务系统,完成闭环检验和全网更新。如果市—区两级的比对中依然存在偏差,则大小循环会再次被触发,从而始终保持数据在市—区间的一致性。

数据底座的构建改变了数据流向。它既是捕捉、沉淀数据的平台,又是条块交互的“枢纽”,不仅缓解了基层采集的负荷,还实现了条线间和条块间的“对话”。同时,它还具备全量、准确、动态等特点,包含基层治理所需的所有维度,可同时满足属地和条线的多样化需求。在一定程度上缓解了条块间的内在张力,提供了条块均认可的权威“设施”,数据治理找到了从碎片化走向整合型的建设路径。

(二)建立统合治理架构,推动组织机制适配

将“基层治理数据底座”建设定位于区级层面的整体性工作,而非单部门、运动式任务,是上城区在组织机制安排上区别于以往的重要变化。数据即权力,数据底座建立后,各个部门系统不能再直插基层,意味着业务部门的权力让渡。同时,数据校准意味着对业务质量的检验,在很大程度上冲击了条线职能和权责边界的封闭性。近年来,随着数据管理部门的相继成立,各地往往将其视为数据治理的主导甚至唯一主体。然而,作为与其他部门平级的新生机构,它虽然可以在技术上提供支持,但面对政府内部的复杂架构和利益关系,无力凭借一己之力改变既有格局,需要有超越条线的权威提供领导力和协同力。此外,运动式治理虽然可以在短期内做到数据的全面摸排,但在缺乏常态化维护机制的情况下,时效性、准确性、关联性必然随着时间变化而快速下降。(27)黄晓星,丁少芬.基层治理结构与政府数据治理——以Z市T区网格化管理及其专项行动为例[J].公共行政评论,2022(03):21—39+196.针对上述问题,上城区在数据底座的建设过程中,逐渐探索形成了适配的组织机制。

1.“条抓块统”有机整合,形成“数据治理共同体”

对于复杂的交叉性治理难题,如何产生层级间和条线间的纵横协同动力?在既有的治理体系中,党和政府整合而成的“广义政府”兼具政党属性和政府属性双重特征,党委组织可以起到动员和粘合作用,具有整体性治理的特征。当议题的重要性得到确认后,就会进行提级,从功能性任务上升为政治性任务。一般而言,它带有政治动员特点,并通过成立常规性或临时性协调机制,弥合行政体系内部的治理“缝隙”问题。(28)陈国权,卢志朋.广义政府:当代中国公共管理主体及其双重性[J].公共管理学报,2023(01):1—9+169.党委以集权治理逻辑,超越条线的垂直刚性,形成了“条抓块统”的组织体系。研究发现,统合型数字治理模式可从结构力和能动力促成协同,提升治理效能。(29)宋潇,刘克,张龙鹏.统合型数字治理:基层治理效能提升的理论逻辑与实践机制——基于深圳市龙华区的案例研究[J].电子政务,2023(09):62—76.

上城区在推进过程中,逐渐形成了“区委主导+组织部主抓+数据局主治+条线协同+街社共治”的统合式组织体系。区党委作为主导者,意味着对数据问题的认知上升到了“政治任务”的高度。连续两年将数据底座建设列为全区八大“重点工作”之一,通过党组织的高位政治势能进行资源整合。区委组织部多次在会议上强调,随着数据底座的日趋完善,今后区里各类政策和行政资源将以此作为重要配置依据,从而增强各个主体的共治意愿。

需要强调的是,党委统领的理念共识与组织体系形成并非一蹴而就之举,而是一个逐渐演化成型的过程。哪些议题可以优先排序进入领导视野,成为决策议程,往往取决于问题、机会、参与者及方案四个条件的同时交汇。(30)John W. Kingdon. Agendas, Alternatives, and Public Policies, 2nd edition[M]. London: Pearson, 2013:165.数据治理难题虽然长期存在,但由于紧迫性和显性度不足,一直缺乏让问题“升级”的契机。转折发生在2022年底。当时正值疫情防控政策改变,为加强对重点人群的关爱,浙江省要求各地向60岁以上的老年人发放“防疫健康包”。区委、区政府为核实物资是否发放到位,基于数据底座随机进行电话回访。结果发现,几位受访老人并未收到“健康包”,原因在于社区是根据条线部门的数据进行发放的,因质量偏差导致服务不精准。属地决策者由此发现,建立全量、精准的数据底座,有助于判断基层和部门的真实工作成效。它改变了上下级信息不对称的劣势,上级获得俯瞰治理全貌的能力,从而成为区委将其定位提级的重要考量。

另一个契机则来自组织部的主动参与。2022年,按照浙江省委要求,各级组织部牵头,开展“强街优社”和党建统领的社区建设。其中涉及到为基层减负赋能,并要求加强党组织和条线部门聚合的组织体系优化。上城区组织部作为牵头部门,在调研中发现,盘清数据家底既是区里了解基层全景的路径,又是基层的强烈诉求。于是,区委决定由组织部作为主抓单位,统领协调具体的治理工作。

如果说机会产生和组织部参与是外因催化,上城区数据局在数据底座上的前期探索则属内因推动,提供了技术上的可行性方案。2020年,为解决基层报表负担,区数据局就已建设了“一表通”1.0版。2022年,杭州市数据资源管理局试点探索市—区两级与基层治理有关的人口数据共享回流机制与互通体系,上城区为试点区县之一。因此,利用既有基础与试点机会,设计技术路径,收集基层需求,数据底座的操作方案逐渐成型。但作为行政上的平级部门,缺乏推动其他部门参与的权威性,区委主导和组织部参与恰好弥补了这个难题。

在具体组织架构上,它表现为权力和业务的双重“条块协同”:首先,组织部代表区委牵头,在权力上行使块上统领协作职责,通过以块统条推动数据共享融合。其次,区数据局行使方案执行和“翻译”之责,收集条线和基层需求,提出具体要求。数据治理过程极为复杂细琐,不仅需要条线部门让出原来独占的信息,还可能要求它们付出额外的资源、人力协助检验工作。组织部和数据局分别从权力和业务两个维度推进,前者负责联动数据局,推动政法委、公安、人社、民政等各部门及街道社区的参与,制定和优化数据维护核查机制。后者将治理任务转化为工作语言,通过前者压实到各个部门,减少推诿阻力。通过定期召开碰头会,收集部门和基层需求,发现问题,及时做好沟通。区委在相关会议中,反复强调要把此项工作上升到“全区重点工作”的高度,而非将其视作“单个部门的事情”。(31)调研访谈(202303)在相互磨合、反馈的过程中,各个主体协同度得到提升,完善了“数据治理共同体”的组织体系和理念认知。

2.激励约束机制并举,生成数据治理常态化动力

如果说党委介入带有动员特质,那么机制的设置则为维持数据底座质量建立了常态化的运行规则。动员通常具有阶段性和时限性,产生的动能往往随着党委政府关注点的转移而变化,可持续性较差。机制相对更为稳定,可在较长时段内促使各个主体保持可预期的行动惯性。所以,动员为常态化机制的建立争取时间,提供政治支持,而机制则是将动员能量转化为内在动力的过程,两者相辅相成。数据治理是典型的跨层级、跨部门、跨领域的新生议题,在多跨过程中必然会突破传统的权责设定和“三定”方案(32)指对部门名称性质、机构职责、编制职数的认定。《“三定”规定制定和实施办法》,2020年9月10日中共中央政治局常委会会议审议批准,2020年11月23日中共中央办公厅发布。,各单位可能要承担超出传统范畴的新任务。因此,在新情境下,需要适配相应的压力和激励机制。上城区针对条线部门和基层单元分别设置了约束机制。面对条线部门,激励它们参与共享数据的同时,也对它们下沉基层的业务扩张进行限制,以减少基层负担。面对街道社区,通过科学、客观的评价机制,确保通过线下走访维护好数据质量。

首先,区级制定了条线任务下沉基层的准入机制。区级层面制定出台《上城区“一表通”专项考核办法》《上城区“一表通”高频报表立项管理办法》(以下简称两个《办法》),从源头上控制基层报表增量,并将目标细化量化为具体指标,以刚性约束确保运用实效。从基础数据、报表使用、数据协同、准入审核、优化报表“五大模块”,实现街社两级基层减负全流程监管。区里对条线部门设置了联合审核机制。今后业务部门新增的报表任务,根据上述两个《办法》,由区数据局和区纪委联合审核把关通过后,方可下派给基层。如果新报表中的所有字段内容都已收录在数据底座,则判定为不予准入。如果新表超出数据底座涵盖内容,则由纪委和数据局对重要性和必要性进行评估。区数据局从技术层面负责分析,区纪委从业务上进行评估。基于数据底座和联审机制的双重加持,从过滤报表任务入手,在一定程度上形成了块上对条上的制约,使得基层减负成为可能。据统计,规则制定后,区级层面共取消了444张重复和不合规范要求的报表,报表总数减少37%,为每名社工月均节省近30个小时的填表时间。

其次,设置数据常态化维护机制。数据底座作为基层智治的新型“基础设施”,与传统基础设施一样,需要花费精力、时间“养护”。制定合理、科学的维护机制,才能防止基础设施的“老龄化”。在维护工作上,基层工作人员是不可或缺的力量。设置合理、科学的维护机制,既要确保社工、网格员的有效投入,又不能额外增加他们的负担,否则就失去了数据底座建设的初衷。因此,维护机制注重业务融合性和标准化两个特点。在具体操作上,《网格工作指南及评价指数清单》和《人口数据更新机制》从两个维度推动基层投入:一是将数据维护任务嵌入到日常的走访工作当中,二是制定标准化操作规范。

区里整合了各条线的线下走访要求,根据数据类型和业务特点,明晰动态走访频次和内容。走访过程中发现所需更新的数据,在数据底座操作一次即可。例如,在走访和数据维护上实行“红黄绿”三色管理。可能违规分割和改变房屋使用功能的群租房,被标注为红色类型,网格员每周需要走访1次,其他出租屋则每月走访1次。有街道统计发现,经标准化操作后,平均1个街道每年可减少走访量约12.83万套。既为社区减负,又实现精准掌控,从“盲目扫楼”向“精准定位”转变。

再次,设计数据质量的监测机制和安全机制。数据维护嵌入走访机制后,如何检验真实的维护质量?为此区里设置了核查通报机制,具体采用后台数据直接监测与交叉验证间接监测两种方式。一方面,通过上线“数据质量校验工具”,对各个街道、社区的维护效度进行监测。通过逻辑算法,在数据采集录入时即触发监测功能,不符合要求的数据避免入库。同时,定期形成各个街、社数据维护的质量报告,提出改进方向。另一方面,探索不同街道之间的交叉校验机制,即间接监测。各个街道、社区互相抽取对方维护的数据结果进行验证。同时,还设置了严格的安保制度和运维机制,根据不同层级不同角色不同功能设置相应权限。所有操作实时留痕,全面提升系统安全性,确保敏感信息不外泄的底线。

常态化维护及监测机制的设计减轻了基层在面对临时性动员任务时的超载负荷。一般在重大活动前,属地均要集中进行隐患排查和情况摸排。例如,亚运会前夕,按照上级要求,上城区开展了“平安护航亚运 网格集中走访”百日攻坚行动,基层需在限定时间内完成对房屋信息、人员信息变化的走访更新,要求覆盖率和准确率达到100%。由于前期数据底座已经打好,字段、标签日常维护顺畅,基层压力明显减轻。原本各个条线分头下派的任务,现在通过数据底座去重整合后集中推送给社工、网格员。他们通过“楼小通”工具,可一次性采集更新完毕,节省了因碎片化任务下派和重复性采集导致的无谓损耗。

四、结论与讨论

通过三年多的迭代演化,杭州市上城区探索打造的数据底座逐步成熟,为数字时代基层治理 “基础设施”的建设提供了一种可能性方案和思路。其解决思路是从改变数据源头开始,将基层治理所需的数据采集和校准权责转至块上政府,由区里作为统一的源头数据出入口。如此一来,数据底座同时兼具了捕获数据、检验数据和分析数据的作用。捕获和检验能力在获得精准数据的同时,帮助部门“自助取数”,缓解了基层重复填报之困。分析能力则可辅助区委区政府管理决策,通过“一库总览”检验工作实效。由于成效较为明显,杭州正在市级层面逐步进行推广复制。

数据底座具备的整合力和开放性使其成为区级的“共有资产”,产生了激励相容的新动力,部门使用意愿开始增强。条线部门发现,对比之前各自开发的系统,数据底座的质量明显更高,且动态更新能力更强。因此,区委政法委、区卫健局、区民政局等陆续关停了各自的人口数据收集系统,相关业务数据直接取自底座。同时,它还产生了更多的正向溢出效应,改善了市级统一地址库的数据精准度。当各个部门将之视为开放性的共享平台后,数据也越用越准。多头采集导致的“数据打架”情形下降,“数字基础设施”的权威性随之提升。

基层的认知也在逐渐发生变化。数据底座在减轻社工、网格员报表负荷的同时,也因在线监测和评价机制的约束,对他们的工作质量提出了更高要求。所以,在数据底座建设初期,基层的接受度和积极性并不高,仍习惯沿用原有的excel表或条线系统。但随着底座的完善,基层发现“取数”确实变得更加便捷精准。只要勾选相应标签,就能获得“人—房—事”所需的信息,减少了执行中的疏漏、错误。例如,Y街道60岁以上的老年人数量多,占常住人口的40%以上。街道通过数据底座的多维标签,集成民政、卫健、社区卫生中心的数据,根据疫苗接种、自理能力、就诊情况等方面的信息,在获得同意的情况下,勾勒健康画像,为独居老人建立健康档案。只要相关数据出现异常,就会触发预警。任务网格员可主动感知,及时跟进,改变了以往被动式、粗放式的服务方式。截至2022年末,累计处理分析老人全量就诊记录15 709条、触发预警走访任务线数据1267条。使用体验的增强也带来了社工、网格员维护数据底座的自觉性,形成了新的数据使用习惯。即使不在考评、排名期间,他们主动打开的频率也在明显提高。(33)调研访谈(202304)

上城区通过数据治理,为基层减负增能打造了重要的基础能力。在数据底座建设中,组织机制与技术路径相适配,生成条块协同的双重治理动力。在基层治理中,所需的诸多数据并非自动生成,而是需要人力投入的精心维护。传统的组织体系和评价机制往往忽略这一点,导致数据治理动力不足。上城区的实践在一定程度上进行了修正,统合型的治理架构形成了工作推进的合力。通过在技术路径和组织机制上同步嵌入“条块协同”逻辑,调适了基层治理中的“条强块弱”困境。它同时满足了决策者获取“治理全貌”、部门获得“智慧报表”、基层“减负增能”等多重需求,数字时代基层治理的整体性政府雏形正在显现(图4)。

图4 基层治理数据底座:勾勒数字时代的整体性政府

当然,需要指出的是,上城区数据底座的探索是在区县空间内的有限创新。要在更大范围和更深层次提升数据质量与治理能力,还有待更高层级的共识建构和协同推进。首先,省市区(县)三级的数据同步路径还有待建设完善。作为试点,上城区在市级层面支持下,已经初步打通和市级各个业务系统之间的交互通道和沟通机制,可将经过检验后的无误数据推送到各个部门,完成市区两级的更新闭环。但数据治理作为一个全新议题,从国家到地方都未形成自上而下、层层对接的成熟体系和机制衔接,省市之间的数据交互机制还未确立,在省域范围内真正实现“采核一次 全网共享”的目标尚有距离。同时,如何分配省市区之间的数据更新权责和优先次序,解决数据同步过程中的堵点,都有赖于更为细致的安排,建立更为广泛的“数据治理共识”。

其次,有待在更高层面提炼数据需求的“最大公约数”。数据治理是复杂性和系统性特点都非常突出的基础性工作,决定着各类应用场景的智慧程度。但当下存在一种常见误区,决策者多关注场景,却忽略数据底座的能力建设。数据需求不明确、共享制度不完备、供给不积极、供需不匹配、共享不充分、异议处理机制不完善,极大制约着应用效能,同时也影响了创新的可复制性。因此,需要在更高层面提炼出普遍适用的数据需求,制定标准化清单方案,渐进推广复制。这样不仅可减少复用成本和阻力,也可避免后续因标准不统一、不兼容产生的新壁垒。

再次,需在更高层面形成“数据治理共同体”理念和架构。上城区在内外因各种条件的催化下,超越了行政定位和碎片化治理格局,将数据底座建设上升为区级的“一把手工程”,才能实质性地推动进展。这个理念共识和组织体系应当成为创新经验横向扩散和向上延伸的重要支撑。只有在更高层面凝聚统筹协调力,才能驱动“技术+业务”的双轮运转,实现数据管理部门和业务部门的有机合作。同时,尤其要注重在 “自上而下的考核”之外引入“自下而上”的反向评价反馈,加大基层在“共同体”中的自主权、评价权和话语权。作为数据治理不可或缺的参与主体,唯有基层切实体会到数字减负的便利,才会产生自觉的内生动力。而这,原本也是数据治理的重要初衷。