拓尔思文雅：以“数据治理”推动政府服务创新

11月23-24日，“2017互联网+智慧中国年会”在北京召开。本届年会以“智绘城市 数造未来”为主题，以数字政府、智慧城市、互联网+政务服务、数据治理、信息社会等为主要议题。会议由中国社会科学院信息化研究中心、北京国脉互联信息顾问有限公司联合主办，国脉海洋信息发展有限公司、浙江蟠桃会信息技术有限公司协办，共有来自全国部委、省、市、区县电子政务、智慧城市、大数据主管领导、行业专家、企业代表、主流媒体千余人参会。

拓尔思副总经理 文雅

在24日上午举行的“数据治理与大数据局发展定位研讨会”上，拓尔思副总经理文雅发表了《以“数据治理”推动政府服务创新》的主题演讲，以下是主要内容（根据现场速记和录音整理，未经本人审核）：

一、数据治理与数据管理的区别和联系

我认为数据治理跟数据管理有很大的联系和区别。这张图足以说明，数据治理是贯穿数据管理的全过程，注重战略规划、组织以及后续绩效监管等，所以从这个角度来看，两者之间紧密不可分。如果数据治理仅仅只是通过技术手段去做，我认为可能是不成功的，所以数据治理必须有一套体系框架，今天不详细讲了。

二、地方政府的大数据治理困境

下图是我们拓尔思在最近三至五年间遇到的困难，包括在市场上宣传很好的案例，深入进去会发现大家遇到的问题有很多的共性。

第一个是央地关系与跨部门协同。由于国家每个层级的政策分布不同，造成了在数据治理领域里的差异化，比如说省级政府的统筹特别突出，但在实际的公共服务办理、数据治理应用层面、创新层面上，应该怎么定位？部委、上级单位每天发了很多的文件和行动大令，把战略制定的高、大、远，对于地方政府来讲应该听谁的？部门之间文件打架的时候听谁的？

第二个是驱动机制。数据治理是一个生态系统，需要社会上很多不同角色的功能机构厂商和政府共同建设，最核心的是如何处理好政企关系。在大数据产业链里，最早介入的应该是国脉互联，那在这个领域，需要做很多基础性工作，会有很多的互联网巨头、应用公司、技术公司等。政府最怕的是什么？渡过蜜月期，大家形成一条链上的蚂蚱，这个时候如何处理政企关系显得尤为重要，最好要避免数据绑架。

数据开放前几年很热，现在很多政府已经做了基础的数据开放，但从质量和价值方面来看，还是值得探讨的。因为数据治理要取得所谓的最大价值化，是要通过数据对决策产生帮助，所以会提出从数据开放到代码或算法共享，这势必会带来一些改革。如果还没有实现算法共享，必须让相关区域机构一起来共同推动。

第三个是深层问题。大家举了很多的例子，比如精准扶贫，但是精准扶贫的数据从哪里来？由现有的信息系统汇聚而来？但在实际生活当中，最需要扶贫的是山区，是根本没办法上网的那些人，我们系统里采集的数据能真正代表哪个群体？产生出来的结果对扶贫有哪些真正的改进？

另外，你们的决策、结论可靠吗？科学吗？合理吗？当计算、架构、算法开始算了才发现有缺陷或者出了事，问责谁？这些问题可能是很多领导会考虑的。我之前有接触过一个用户，他们想在产业经济方面做一个数据创新应用，现在很多的大数据应用都是偏向宏观经济类或者比较弱势的民生类，我们后来讨论到宏观经济分析，发现一个问题，用什么模型？国内、国外的？国内哪个专家和大学的？不行，中国的体制下本身公布的数据都不敢用，怎么还敢用模型？如果得出错误的数据，是没办法承担责任的。

数据并不等于证据，学医的做任何决策，都要有一个证据，大数据治理一样，怎么去评估？能不能用？这些才是整个大数据治理面对的需要去破壁的深层次的问题。

三、拓尔思参与的政府数据治理实践

拓尔思这几年有很多的实践，今天只是分享一点我们的心得。第一个要强调的是建立与完善数据标准是数据治理的基础。

第二个要强调的是数据质量管控是政务数据治理的核心，这个方面有足够的经验，前两天央视播报的新闻提到公安部有一个云搜索，目前在全国整个公安体系产生了很大的效应。

我们在数据治理的整个过程共花了3年时间，汇聚了大量政府内部数据、公共类数据，包括个人网络社交数据等。最早接触这个项目的时候有300多个种类、400多张表，很复杂，最后只剩下150多张表，经历了很多考验。数据的质量是最核心的，因为在这个环节遇到不少问题，即使你说谁报的数据谁负责，但仍然负不了责。数据的质量，除了技术手段，还需要一些业务模式去辅助，这个是我们做的一些分析，有基于人，有基于案件的，有基于组织的。

第三个要强调的是数据开放与共享是数据治理的生态关键。我们享受了政府开放数据的红利，承接了国家企业信用信息公示系统项目。

第四个要强调的是业务创新是实现数据治理的最大价值化，这里从三个层次，第一是全球数据，我们投的公司，它的平台可以做很多的全局决策，看上去都很美好，其实都遇到过很多问题，比如说给企业建档案，做企业画像，大家会发现，对于企业来讲，很关键的指标是税收，我们会发现，所有汇集起来的税收数据是标头数据，这是大项目里遇到的共同问题。第二个层次，在某一个垂直领域进行创新，面对大量数据，通过模型对数据进行一系列处理、加工，最后把整个模型输出。目前互联网PPP金融企业监控的占有率是非常高的。

拓尔思案例：金融大数据平台

最后一个层次，面向公众的政务服务方面。这是2014年做的案例，是跨部门的应用融合。由教育部牵头，我们做了一个“积分入学”系统，涉及到多个部门，花费上百万，现在基于共享机制，大概三个星期就可以把它做出来，后期则是大量的数据梳理工作。

拓尔思案例：“i厦门”

政府数据治理这项工程，不是一个资源禀赋和机遇的问题，更多的是涉及到政府的理念，包括管理模式、政企合作模式，最后我们希望，拓尔思不仅是在这个领域里和大家共同成长，接下来的成长阶段，也希望能和大家共同前行。