全要素清晰化:數據賦能基層治理的內在機制
——蘇州市姑蘇區“城運平臺”建設的經驗啟示

陳天祥, 黃 揚, 張 志, 劉紅波

(1. 中山大學 政治與公共事務管理學院,廣州 510275;2. 中山大學 中國公共管理研究中心,廣州 510275;3. 小康雜志社,北京 100009;4. 山東大學 生活質量與公共政策研究中心,青島 266237;5. 華南理工大學 公共管理學院,廣州 510641)

一、問題的提出

正如詹姆斯·斯科特(Scott)所指出的,“清晰性是國家機器的中心問題”[1]。清晰意味著國家對于社會事實相關信息的有效掌握。通過對所掌握的社會事實信息進行精細加工和科學運算,國家將能更精準地介入不同領域的社會事務,更及時地回應各類社會問題和需求。清晰掌握社會事實的有關情況是國家提升治理效能的重要前提[2]?；鶎又卫硎菄抑卫淼幕?。但隨著經濟社會的不斷發展,基層的社會結構日漸復雜、社會需求也日漸離散,這使得包括治理對象、治理主體、治理資源、治理過程和治理結果在內的基層治理諸要素的模糊性日益增強[3]。換言之,基層成了愈加模糊的治理場域。

事實上,基層社會的模糊性自古至今一直存在。面對模糊性帶來的治理挑戰,各個時期的政府也采取了不少指向將社會事實清晰化的治理工具。從編戶齊民到制圖技術[4-5],從衙門文書到人口普查[6-7],無不反映出不同歷史階段的政府對于社會事實清晰化孜孜不倦的追求。然而,因技術的局限性,傳統治理工具繪制出來的通常是“低像素、靜態化、局部性”的社會圖像[8]。隨著新一輪技術浪潮的到來,尤其是大數據、物聯網、云計算、5G和人工智能等數字技術的高速發展,政府能夠對以數據形式呈現的社會事實信息進行全面、動態汲取,對海量數據進行挖掘分析,從而可能實現對社會事實的精細刻畫和對社會需求的精準回應。

近年來,數據賦能也成為不少地方政府應對基層治理模糊性、撬動治理效能提升的重要策略?；谖锫摳兄膶崟r數據,街道社區可對獨居、孤寡老人的險情及時作出反應。借助電子巡航的視頻數據和人工智能的自動判別,城市管理部門可實現對違法主體的非接觸式執法。另外,當前在各地迅速鋪開的城市運行管理服務平臺,更是政府在整合海量數據和深度挖掘數據基礎上實現預警監測、聯動指揮和精準服務的典型范例[9]。對此,黨中央和國務院在2022年底發布的《關于構建數據基礎制度 更好發揮數據要素作用的意見》中敏銳地指出,“數據作為新型生產要素……深刻改變著生產方式、生活方式和社會治理方式”。那么,在數據已成為基層治理重要資源的今天,政府應如何利用數據資源來賦能基層治理?對于該問題的回答,有助于深入揭示數據賦能基層治理的內在機制。

與上述問題關聯緊密的研究主要集中于兩個方面。

一是結合數據賦能的相關實踐,肯定數據賦能對于基層治理效能提升的積極意義,并對數據賦能的基本邏輯進行初步提煉。首先,數據賦能驅動政府部門高效協同[10]。數據技術的進步使得政府部門業務數據的互聯互通成為現實?；诟咝Х€定的數據流轉,跨層級、跨部門和跨領域的協同聯動也將更為流暢[11]。其次,數據賦能驅動政府決策能力優化[12]。借助海量業務數據和人工智能算法,政府能夠以業務需求為牽引,深入挖掘數據背后隱含的社會信息、預測社會現象的變化規律,進而強化政府決策的前瞻性和預見性[13]。最后,數據賦能驅動公共服務精準供給[14]。通過匯集與服務對象關聯的多源異構數據,政府將能夠敏銳感知社會需求的變動趨勢,進而為服務需求高效匹配相應資源,實現“數據多跑路,群眾少跑腿”[15]。更進一步地,政府部門還能通過給重點群體或服務對象精準畫像[16],主動為其提供量身定制的個性化服務。

二是深入分析數據賦能基層治理所面臨的多重困境。首先,有研究對“數據決定論”展開反思,認為以數據形式對社會事實進行高效讀取的背后隱含的是“技術化簡的邏輯”[17],這同基層社會的多元性和復雜性形成沖突。例如,數據技術的充分應用將進一步壓縮基層工作人員的自由裁量權(Discretion),但復雜的基層社會本身卻需要自由裁量作為緩沖地帶[18]。其次,對海量數據的搜集和融通是數據賦能基層治理的必要前提。然而,這一過程容易出現對個人信息的過度搜集[19],如本為了捕捉沿街晾曬、占道經營等違規行為而設置的AI攝像頭會獲取其他市民的行動軌跡信息。對個人隱私的焦慮可能會降低公眾對于數據賦能的接納程度[20]。最后,有研究基于“技術—組織”互動的視角指出,在機制建設還不完善的背景下,不同部門出于政績和風險考量,會主動為數據流動設置壁壘,進而構筑起一個個數據“煙囪”,使得數據賦能成效不彰[21]。

既有研究初步勾勒了數據賦能基層治理的邏輯輪廓,對辯證審視數據賦能的高度和限度也有重要啟發,但仍存在以下局限:一是,基層治理諸要素之間存在緊密的邏輯關聯,基層治理的完整鏈條是由治理對象識別、治理主體匹配、治理資源調動、治理過程追蹤和治理結果監控等多個環節緊密相扣而成,但既有文獻大多基于數據賦能的零散實踐,碎片化地呈現數據賦能基層治理中某些方面或個別環節的成效和潛力,仍未能全面地揭示數據賦能基層治理的系統化機制。二是,數據利用的技術架構和數據賦能的具體機制之間并非完全對稱的“鏡像映射”關系[22],即數字技術應用和治理績效提升之間還存在著相應的“中間變量”,但既有研究大多著墨于數字技術的特征及其與治理成效的直接聯系,對于數據賦能基層治理的中間機制和過程尚語焉不詳。

總而言之,關于數據賦能基層治理的既有研究存在“機制碎片化”和“過程黑箱化”兩方面的局限性。有鑒于此,本文結合數據賦能的理論與實踐,緊扣基層社會治理的完整鏈條和基層治理中各項要素的模糊性困境,詳細闡述基層政府在借助前沿數字技術強化自身數據治理能力的基礎上,組合式運用各項數據治理能力來提升基層治理諸要素清晰度的具體機制,進而以整合式和系統化的視角打開數據賦能基層治理的過程“黑箱”。本文將數據賦能基層治理的核心機制概括為“全要素清晰化”,并結合數據賦能基層治理的一個典型案例——蘇州市姑蘇區“城市運行聯動指揮平臺”(下文簡稱“城運平臺”)的實踐,對這一機制及其深層邏輯進行細致呈現。

二、全要素清晰化:一個新的理論視角

(一)基層治理諸要素呈現強烈的模糊性

數據賦能基層社會治理有其特定的結構化背景。國家之所以持之以恒地追求社會事實的清晰化,是因為模糊性給有效的社會治理帶來了巨大的挑戰[23]。模糊意味著國家很難把握社會事實的基本情況,無法對社會事實的演變趨勢作出精準預測,更不可能作出具有前瞻性和預判性的科學化決策。黃仁宇曾指出,以“數目字管理”(Mathematically Manageable)為核心內容的清晰化是現代國家崛起的技術基礎[24]。同樣的,清晰化也是實現基層良好治理的必要前提。但近年來,隨著基層社會結構的復雜性和社會需求的離散性不斷增強,基層治理中的諸要素也表現出愈加強烈的模糊性[25]。

一是就治理對象而言,當前的基層社會充斥著規模龐大、類型復雜的“人、事、物、地、情、組織”。這些治理對象嵌入不同的時空之中,構成了一幅極為復雜的基層治理圖像[26]。在傳統的基層治理模式下,要高效錨定各類治理對象相當困難。二是就治理主體而言,隨著社會需求的復雜化,涉及跨部門、跨區域、跨政社的治理任務不斷涌現。在傳統的“條塊分割”格局下,這些多頭管理事項的治理主體如何確定也存在模糊性[27]。三是就治理資源而言,當前基層社會對治理資源的數量、類型和供給速度提出了更高的要求,但以往基層對組織內外資源常?！盎鶖挡磺?、底數不明”,對資源的配置以靜態為主[28],很難應對不斷涌現的治理問題和滿足愈發離散的社會需求。四是就治理過程而言,由于以往在技術上難以對治理活動開展全流程追蹤,基層人員在治理過程中擁有較大的自由裁量權,其工作軌跡和對具體事件的處理流程都存在明顯的模糊性[29]。五是就治理結果而言,由于監督手段和資源的局限,以往上級對基層工作的督查很容易被“蒙在鼓里”[30]。同時,社會參與的相對缺乏也強化了治理結果的模糊性。

(二)數據賦能基層治理要素清晰化

數字技術的高速發展和深度應用,使得基層政府能夠通過匯聚和分析海量數據來消解基層治理中諸項要素的模糊性,從而提升基層治理效能。在基層治理的語境下,數據賦能的具體含義可從兩個緊密關聯的方面來理解。

1.提升基層數據治理能力。其中最為關鍵的是借助數字技術強化基層政府對海量數據的汲取、感知和認知能力[31]。汲取能力是指基層政府通過數據采集、數據匯聚、視頻監控、物聯感知等多元渠道,動態獲取分散異構的海量數據的能力[32]。感知能力是指基層政府基于汲取的多源異構數據,對社會事實進行可視化呈現,進而直觀把握其整體樣貌的能力。認知能力是指基層政府以需求為牽引,通過對多源數據的深度挖掘,精確把握社會事實和預測社會變化趨勢的能力[33]。

2.為基層治理賦能。即基層政府在擁有數據汲取、感知和認知能力的基礎上,破解基層治理中的系統性難題,進而提升基層治理效能。面對基層治理中諸要素模糊性日益增強的系統性難題,基層政府可借助數據汲取能力、感知能力和認知能力的“組合式運用”,提升各項要素的“可讀性”(Legibility)[34],使其由模糊轉向清晰。一是,通過對動態汲取的治理對象相關數據進行可視感知和深度挖掘,基層政府不僅能描繪治理對象的整體輪廓,還能為個體對象精準畫像[35],并即時感知社會問題和需求,使得包括“人、事、物、地、情、組織”在內的治理對象清晰起來[36]。二是,基于對數據的動態汲取和對數據的深度認知,基層政府可以構建起“數據觸發事件—人事自動匹配”的智能化事件處置流程[37],使治理事項的責任主體變得清晰。三是,通過對組織內外各類資源的相關數據進行匯聚、融通,可實現對既有資源的清晰盤點和對閑散資源的高效整合[38]。更進一步地,借助對需求數據的精準感知和資源數據的深入挖掘,還可為基層治理搭建供需對接的橋梁,甚至引導資源主動匹配治理或服務需求。四是,結合對基層人員工作軌跡和事件工單流轉數據的動態汲取,可實現對具體事件處置流程、工作進度的實時化監控和全流程追蹤,使得治理過程變得清晰[39]。五是,基于對工單數據的汲取和對數據變化趨勢的深度認知,基層政府不僅能夠實時感知具體事件的處置結果,還能通過多維度的事件處置評估數據,對事件處置質量進行多角度的“回頭看”[40],從而提升治理結果的清晰度。

綜上所述,數據賦能基層治理源于對基層治理諸要素模糊性日漸增強的回應。數字技術的深度應用將為基層政府帶來數據汲取、數據感知和數據認知能力的迅速提升?；谶@三項能力的組合式運用,基層治理各項要素的清晰度將明顯提高,基層政府也得以繪制出一幅涵蓋基層治理全要素的清晰圖景(如圖1所示)。

圖1 數據賦能基層治理的基礎框架

三、數據賦能典型案例:蘇州市姑蘇區“城運平臺”

隨著城市化進程的加速,中國城市基層治理面臨著由愈加復雜的社會結構和日漸離散的社會需求所帶來的模糊性困境。面對這一困境,各地以數據賦能為抓手,積極建設城運平臺,如杭州“城市大腦”、廣州“穗智管”等。城運平臺是城市運行的智能中樞,其基于大數據、物聯網、云計算和人工智能等前沿技術,對業務數據、網格數據、民情數據、物聯數據和視頻數據等多源異構的海量數據加以匯聚,并以治理需求為牽引,對數據進行可視化呈現和深度挖掘分析,進而為監測預警、資源調配和協同聯動提供強力支持?？梢?城運平臺能夠對以數據形態呈現的基層社會事實信息進行匯聚和分析,使原本模糊的各項治理要素變得更為清晰,其運作過程也淋漓盡致地體現了數據賦能的治理思維。

姑蘇區為蘇州市轄區之一,總面積為83.4平方千米,下轄8個街道,常住人口95.8萬,是蘇州歷史悠久、人文積淀深厚的中心城區,同時作為老城區,也面臨著老舊建筑多、失管小區多、人口流動快、老齡化加劇、治理資源分布不均的復雜治理情境。這些復雜情境使得基層治理的對象、主體、資源、過程和結果等要素愈加模糊。例如,部分無物業小區由于缺乏物業管理,車輛亂停、垃圾亂丟、廣告亂貼、財物失竊等現象時常發生,僅依靠市民上報和投訴很難被及時發現和處置。2020年1月,姑蘇區基于“需求牽引、數據賦能”的建設理念,正式啟動城運平臺建設,以應對復雜情境帶來的模糊性挑戰,實現對基層治理要素的清晰掌握。此后,為滿足“一網統管”的新要求,姑蘇區于2021年啟動了城運平臺的二期建設。

為系統收集案例材料,課題組于2023年1月赴姑蘇區開展田野調查,其間曾前往城市運行聯動指揮中心(簡稱“城運中心”)對城運平臺的運行進行現場觀摩,對姑蘇區大數據管理局、政務信息中心、聯動中心和街道社區的相關領導和工作人員開展了深度訪談,并收集了包括政策文件、招標文件、宣傳文稿和統計報表在內的各類文本資料。姑蘇區城運平臺是一項復雜系統性工程,其建設工作緊密圍繞提升數據汲取、數據感知和數據認知能力的主線來展開。

(一)多源立體的數據汲取

首先,推進視頻平臺的提檔升級,觀望基層社會的“氣色”。在姑蘇區大數據管理局的積極協調下,城運平臺已接入公安、城管、應急、街道和社會等多種來源的高清視頻共計20 000余路,其中還包括各部門的無人機巡航監控和5G巡查車視頻,有效擴充了視頻感知資源。同時,借助對視頻資源的分組標簽、視頻輪巡和質量檢測,進一步保障視頻的質量優良和調用高效。其次,強化民情數據的多元匯聚,傾聽基層社會的聲音。將市、區兩級12345、寒山聞鐘、“惠姑蘇”隨手拍和社情民意、110非警情、數字城管、網格上報、微信平臺等多種來源的工單數據,全面匯聚至城運平臺,全方位、多角度地傾聽民聲、感知民情。再次,促進業務數據的交互融合,叩問基層社會治理的“癥結”。姑蘇區大數據管理局依托區數據共享交換平臺,根據《姑蘇區首席數據官制度建設實施方案》,穩步推進區各委辦局和8個街道政務數據的全量化匯聚和標準化治理。同時,基于需求牽引,建成了人口、法人、地理信息、電子證照、公共信用5大基礎庫,40個部門庫以及古城保護、文化旅游等12個重點領域主題庫,為城運平臺“一網統管”專題數據庫的建設和叩問重點領域的治理癥結提供了堅實有力的數據支撐。最后,延伸物聯設備的感知觸覺,切按基層社會的“脈搏”。城運平臺二期積極部署各領域的物聯感知設備,新建物聯設備12類2 808個,同時按需接入第三方物聯平臺數據,累計擁有物聯傳感設備8 000余路,構建起了龐大的城市運行智能感知網絡。對于所汲取的數據,城運平臺還內置了數據比對和校準功能,以保證數據的鮮活性與準確性。

(二)靈動可視的數據感知

在城運二期建設中,得益于姑蘇區大數據管理局的有效協調,區聯動中心順利向蘇州市自然資源和規劃局姑蘇分局訂閱了姑蘇區城市信息模型(CIM)平臺的三維底圖數據,對城運平臺的現有底圖進行了更新升級。在此基礎上,將街道基礎數據、人房關聯數據、感知監測數據和示范街區數據等專題數據進行上圖呈現,從而實現對轄區內多種治理要素的三維立體感知。城運平臺還提供了圖形化建模和向導式建模功能,支持各個部門根據業務需要,通過導入多源異構數據和按需靈活選擇場景卡片與圖表組件,高效構建可視化的數字駕駛艙。

(三)實戰導向的數據認知

除了對數據進行基本的可視化感知,城運平臺的算法中臺還植入了強大的算法倉,提供自助式、定制化的智能分析算法,并基于汲取的多源異構數據進行深度計算、分析和建模,滿足城市體征分析、城市指數測算、城市風險預警、事件智能派單等各類業務的實戰需求。

當然,除了區級城運平臺的建設,為了實現上下貫通、指揮有力的目標,姑蘇區還在下轄8個街道和部分重點街區搭建了分中心平臺和工作站平臺,構建了“1+8+N”聯動指揮體系。經過近3年的建設,姑蘇區城運平臺已具備協同聯動、決策支撐、感知監測和應急指揮等多樣化功能(如圖2所示),顯著提升了基層政府的數據汲取、數據感知和數據認知能力。得益于城運平臺的有效運行,2021年,姑蘇區的群眾訴求處辦時長比規定標準縮減了20%以上,投訴工單的整體數量也明顯下降。2022年,以姑蘇區城運平臺為核心的數字政府建設方案入選“世界智慧城市大獎·中國區優秀案例”?？梢哉f,城運平臺的建設已成為包括姑蘇區在內的諸多地方政府推進智慧城市和數字治理的“牛鼻子”工程。

圖2 姑蘇區城運平臺總體架構

四、數據賦能基層治理的多重邏輯

蘇州市姑蘇區通過城運平臺建設,顯著提升了政府對基層社會信息的數據汲取能力、感知能力和認知能力,其組合式應用為破解新時期基層治理面臨的多重模糊性困境提供了新的思路。

(一)治理對象的清晰化

數據賦能基層治理的第一重邏輯是推動治理對象的清晰化。通過數據認知能力的發揮,可對治理對象個體細節進行清晰刻畫,并對治理問題和需求進行即時感知和精準預測,使原本模糊的治理對象變得清晰。

1．對治理對象群體的輪廓勾勒

基層社會結構復雜,治理對象規模龐大、種類繁雜且變化迅速。在傳統治理模式下,基層政府難以高效鎖定治理對象、清晰掌握治理對象的動態信息。例如,面對古城區老齡化趨勢的加劇,姑蘇區各街道社區工作人員僅靠傳統的上門查看、電話詢問和居民上報等信息渠道,很難及時掌握轄區內獨居孤寡老人的安全狀況和生活需求。而基于多源立體的數據汲取和靈動可視的數據感知,基層政府可高效掌握各類治理對象多方面的信息,清晰勾勒治理對象的整體輪廓。例如,通過匯集民情訴求數據所構建的“網格與熱點問題”專題數據庫,城運中心可按需選擇應用場景的圖表組件,以散點圖、折線圖、柱狀圖、餅狀圖和雷達圖等多種形式對各類事件數量、比重、來源渠道、時空分布和處置率進行生動呈現。

2．對治理對象個體的細致刻畫

借助對治理對象相關數據的標簽化管理,基層政府可以快速鎖定分散化、原子化和無序化的治理對象,高效查詢關聯的指標數據。同時,對與重點對象有關的多源歷史數據進行融通勾連,并借助城運平臺的算法工具,構建關于重點對象的精算模型,自動匹配被標簽化的治理對象多維數據,并進行自動歸類和精準畫像。例如,在通過城管5G巡查車的AI攝像頭抓拍沿街鋪戶門前的視頻圖像后,城運平臺算法系統可自動判別視頻中的違規行為,如占道經營、亂擺亂放等,并精準繪制出個體鋪戶經營合規性畫像。另外,通過安裝在控保建筑和老舊公房的各類建筑監測器,城運平臺可實時接收相關建筑沉降、傾斜、位移、裂縫、煙霧濃度和可燃氣濃度等數據,并將多重數據投射到CIM三維地圖上,為每座房屋進行建筑安全的立體畫像。

3．對治理需求的即時感知與精準預測

多源立體的數據汲取也有助于基層政府對社會問題和治理需求形成即時感知。例如,姑蘇區城運中心的工作人員可通過“聞聲”,即通過民情數據的即時匯集,查看當前工單反映的具體問題。同時,工作人員還可通過“望色”,如通過城管部門的智能空地視頻系統,掌握轄區內違規停車、亂丟垃圾、沿街晾曬的實時情況。通過數據認知能力的充分發揮,姑蘇區有關部門還能提前對潛在的治理需求作出精確預測。例如,姑蘇區民政和衛生健康局和部分街道結合轄區內孤寡、獨居老人和殘障人士的健康狀況、活動范圍、用藥情況和其他消費數據,主動運用城運平臺的決策算法模型(如洞察模型、預測模型、風險模型等),預測他們在用餐、就醫和家政等方面的需求。另外,姑蘇區經濟和科學局通過對街道專屬企業數據庫的數據進行挖掘,為轄區內企業進行精準畫像,主動預測對其潛在有益的營商政策。

(二)治理主體的清晰化

數據賦能基層治理的第二重邏輯是推動治理主體的清晰化?；跀祿橙∧芰蛿祿J知能力的緊密結合,基層政府能夠通過數據的變動來觸發對應的事件。同時,在對原本實體化的治理主體進行模塊化重構的基礎上,對汲取的歷史數據進行深度挖掘,可構建起事件類型與治理主體之間的關聯規則,實現“數據觸發事件——人事自動匹配”的智能化事件派單,使具體事件對應的治理主體高度清晰化。

1．數據驅動事件觸發

在多源立體的數據汲取基礎上,基層政府可通過為相關事件設置特定的觸發閾值,構建基于數據驅動的事件觸發(Triggering)機制。姑蘇區城運平臺不僅匯聚了來自多種平臺和渠道的民情數據,還接入了8 000余路類型多樣的物聯傳感設備,包括煙感、溫控、智能水表、智能門磁、智能樓道燈和定位卡片等數字社區物聯傳感設備和沉降、傾斜、位移、裂縫等建筑物聯監測器。城運平臺為匯聚的相關數據設置特定的告警閾值,一旦民情數據、物聯數據達到閾值,便會觸發相關事件,自動生成事件工單,傳至姑蘇區城運平臺、對應區域的街道聯動中心和街區聯動工作站。例如,當智能水表檢測到60歲以上獨居孤寡老人的24小時用水量小于事先設定的0.01L閾值時,便會生成告警工單。另外,姑蘇區還為部分街道和養老院的失智老人配備了定位卡片,事先設定電子邊界,當老人的活動范圍超出邊界時,即時生成告警工單。

2．數據驅動主體重構

城運平臺通過多源立體的數據感知捕獲事件的觸發數據后,便會將事件信號即時傳至派單應用單元。城運平臺的派單應用單元由虛擬化的治理主體模塊和“事件類型—治理主體”關聯規則構成。其中,虛擬化的治理主體模塊是指借助城運平臺的智能算法對實體化治理主體(如部門、街道、社區、網格、第三方企業和物業管理公司等)進行編碼,使其轉化為城運平臺中的虛擬化模塊,如編碼為“08”的模塊對應區城管委、編碼為“106”的模塊對應與平江街道簽約的第三方智能安防企業,進而實現由數據驅動的治理主體模塊化重構。治理主體的模塊化重構對于實現智能化派單十分關鍵。如果將具體的社會問題和治理需求視為“接口”,虛擬化的治理主體模塊則有助于實現靈活、快捷的“按需接入”。尤其對涉及多頭管理的事件,如某些老舊小區內積存“無主垃圾”問題,可以通過城管、環衛、社區和物業等多個主體模塊的“組合式接入”來加以處置。

3．數據驅動人事匹配

當事件信號傳遞至城運平臺的派單應用單元后,已實現模塊化的治理主體需要一定的關聯規則的指引,才能真正實現人(即治理主體)、事(即具體事件)的匹配。對于出現頻率較高的結構化事件,姑蘇區城運平臺能夠通過平臺內置的智能分析算法,對已被汲取的事件工單歷史數據和部門(包括各類治理主體)權責數據進行深度挖掘,識別出事件類型和治理主體之間的具體關聯規則,進而確定各類事件的派單路徑。例如,當建筑監測器感知到姑蘇區某老舊民居的傾斜程度達到告警閾值時,便會即時觸發房屋傾斜事件,并將事件信號傳至城運平臺。城運平臺的派單應用單元在接收到事件信號后,依據數據挖掘確定的關聯規則,為該事件自動匹配(Matching)對應的治理主體,如該民居所在街道的城建辦、所在社區或物業公司,進而完成自動化派單。

(三)治理資源的清晰化

數據賦能基層治理的第三重邏輯是推動治理資源的清晰化。在新時期,基層社會對于治理資源的數量、類型和供給速度均有更高的要求,但以往科層機制對組織內外資源常?！盎鶖挡磺?、底數不明”,對既有資源只能實行靜態配置,對各類閑置資源難以精準調動。但借助數據汲取、感知和認知能力的運用,基層政府可以實現以數據呈現既有資源底數、以數據推動閑散資源整合、以數據搭建供需對接橋梁、以數據引導資源“主動服務”,使治理資源由模糊變得清晰。

1．以數據呈現既有資源底數

基于多源立體的數據汲取,姑蘇區城運平臺可以對跨層級、跨部門、跨區域和跨政社的各類資源進行數據化。同時,通過調用姑蘇區城市信息模型(CIM)平臺接口,可以將各類資源的相關數據投射到地理信息平臺提供的底圖上,繪制各類資源的三維分布圖,從而對各類資源的底數和分布一目了然。例如,姑蘇區城運平臺基于前期構建的街道實有力量專題庫、街道實有裝備專題庫等街道專題數據庫,以三維分布圖的形式對各個街道和社區人員、裝備、車輛等治理資源進行直觀呈現。另外,城運平臺還搭建了“民生服務”應用場景,將轄區內的社區衛生中心、24小時藥店、養老院、日間照料中心、文化場所、銀行網點和便利店等便民服務資源數據全部上圖,進行可視化呈現。

2．以數據推動閑散資源整合

除了既有的治理資源,以往還有諸多散布于科層內外的閑散資源未能得到充分開發和利用。借助于數據汲取和數據感知能力的提升,基層政府將能有效整合各類閑置和零散資源。例如,在城運平臺的建設過程中,姑蘇區大數據管理局開發了姑蘇區城市生活服務總入口——“惠姑蘇”APP,社區流動黨員可通過“社區黨建—流動黨員自助報到”功能模塊完成自助報到,黨員數據會即時匯集到社區的黨建信息資料庫、街道的三整合平臺黨員信息管理系統和城運平臺的“示范街區—黨建引領”專題數據庫,實現對零散的社區黨員資源的系統化整合?？梢?通過對各類閑散資源信息進行數據汲取,能及時掌握和高效整合轄區內人、財、物資源。

3．以數據搭建供需對接橋梁

基層治理需求和資源的精準對接是撬動基層治理績效提升的重要途徑,而數據汲取、感知和認知能力的提升為基層政府架設了供需高效對接的橋梁。首先,對數據的深度挖掘可以為公共服務資源的科學布局提供決策依據。例如,姑蘇區民政和衛生健康局便通過對街道人口數據和醫療資源數據的挖掘分析,為社區醫療機構布局提供選點參考。其次,借助于對社會問題和需求實時感知和已構建的“1+8+N”區、街、社三級聯動指揮體系,結合治理數據的實時變化,城運平臺可以精準調度相應的治理資源來滿足治理需求。例如,通過對重點點位人群進行24小時的感知監測和智能分析,可以實時掌握人群分布情況。在人群密度過高時,可通過三級聯動體系即時調度應急資源來應對風險。最后,基于治理主體的模塊化重構,城運平臺的智能派單系統不僅能夠為簡單事件自動匹配治理主體,還能對跨層級、跨部門、跨區域和跨政社的治理主體進行靈活組合,穿透式調動治理資源,以滿足更為復雜的治理需求(如圖3所示)。

圖3 城運平臺的穿透式資源調動機制

4．以數據引導資源“主動服務”

通過數據汲取和數據認知,基層政府不僅能即時感知治理需求,還能實現對需求的精準預測,在此基礎上,引導治理資源主動“尋找”服務需求。一是,借助自助式、定制化的數據建模功能,圍繞空氣、氣象、環境、交通、水質、特種設備、房屋和重點人群等重點數據,姑蘇區城運平臺可以對基層社會的風險隱患進行監測預警,提前配置相應的資源。二是,基于對轄區內的老年人、殘疾人、低保人員、社區矯正人員和各類企業等重點群體的精準畫像,相關部門可以精準預判治理對象的差異化需求,主動為其提供資源對接。例如,姑蘇區蘇錦街道便基于對轄區內重點群體的精準畫像,預判各類群體在就業、創業、社保查詢、檔案查詢和稅務辦理等方面的業務需求,并依托社區黨員隊伍為居民開展“紅色代幫辦”特色志愿服務;有關部門在對轄區企業進行精準畫像的基礎上,主動為企業推送相關的營商政策。

(四)治理過程的清晰化

數據賦能基層治理的第四重邏輯是推動治理過程的清晰化。過去在技術上很難對基層治理的具體細節進行實時監控,這使得基層人員在具體業務的處理過程中擁有較大的自由裁量空間,具體事件工作軌跡和處置進度存在明顯的模糊性。結合當前網格化工作“巡、辦分離”的機制創新,即將問題發現和問題處置環節分離,借助數據汲取和認知能力的組合式運用,基層政府可通過對網格巡查的實時監控和對辦理流程的閉環追蹤,提升治理過程的清晰度。

1．網格巡查的實時監控

網格化巡查是發現基層治理問題和治理需求的前端“探頭”。通過多源立體的數據汲取和實戰導向的數據認知,基層政府可以對網格巡查人員進行實時化監控。一是,姑蘇區的城運平臺、街道平臺均可以隨時調用、接入轄區內網格員單兵設備上的攝像頭,實時掌握網格員所在位置周圍情況,區和街道的聯動指揮部門均可以和網格員實時連線,確認其工作狀況。二是,通過源源不斷接收網格員單兵設備、車輛反饋的數據,并將其投射到城運平臺三維地圖上,城運中心可以實時掌握網格員的工作位置和移動軌跡。另外,結合事先為網格員劃定的巡查范圍,可對超出范圍的網格員進行自動化提醒,及時糾正其巡查路線。

2．辦理流程的閉環追蹤

以往囿于技術手段,基層政府很難對基層人員處理具體事務的細節和流程進行有效監控,這導致了基層人員在回應社會問題和治理需求時的不確定性。隨著數據汲取和數據認知能力的進步,基層政府對基層人員工作流程進行細致追蹤成為可能。例如,基于各類工單數據的即時流轉和匯集,在城運平臺上,姑蘇區有關部門可以實時查看事件工單的上報渠道、受理內容、訴求人、派單時間、接收時間、承辦人員(包括所屬單位、姓名、電話等信息)、處置意見和辦結情況等數據,實現對事件處置的全流程閉環追蹤。同時,借助城運平臺的智能算法,有關部門還可以實時查看待處理、超時未處理、已退回等不同狀態的事件工單,并基于此對相關的工單進行“一鍵督辦”。

(五)治理結果的清晰化

數據賦能基層治理的第五重邏輯是推動治理結果的清晰化?；鶎又卫肀旧硎且粋€解決各類具體問題、追求良好治理結果的過程。但對于具體問題的解決情況如何,傳統的督查模式和單一的評價來源限制了治理結果清晰度的提升。隨著數字化技術的應用和數據汲取、數據認知能力的提升,基層政府得以借助數據實現結果“即時看”和多維度“回頭看”,推進了治理結果的清晰化。

1．數據助力結果“即時查”

通過上下貫通的數據流動,具體事件處置結果數據可以及時、高效地匯聚到城運平臺相關數據庫中,實現事件處置結果的“即時查”。具體來說,在事件工單辦結時,作為治理主體的承辦人員必須在終端設備(如城管隊員、市場監管人員和專職網格員的單兵設備)上傳處置結果的視頻、圖像和文字等相關數據。在此基礎上,姑蘇區相關部門的監督人員可即時查看事件處置結果,有效掌握相關人員工作績效,并結合具體處置結果作出下一步的反應。對于某些重點的監管領域,城運平臺還可通過無人機等感知設備,對處置現場進行視頻監控,清晰掌握治理效果。另外,城運平臺也會將事件處置結果發送給訴求人,獲得對應工單處置的滿意度數據。

2．數據助力多維度“回頭看”

得益于城運平臺專題數據庫的建設,相關部門可以運用城運平臺的智能算法,如“工單事件追蹤”模型,對“網格與熱點問題”專題數據庫的工單歷史數據進行挖掘分析,進而通過事件處置及時率指標、事件熱點指標、投訴熱點指標、有效評價滿意度指標、虛假訴求指標、疑難工單指標、升級工單指標、重復退回指標和督辦指標等一系列評估指標,多維度地回顧和透視工單完成質量。

總之,通過對事件工單結果的“即時查”和多維度的“回頭看”,基層政府可以更為清晰地把握基層治理的結果與成效。

五、數據賦能的深層邏輯:數據驅動的無縫隙治理與敏捷治理

隨著基層社會結構的日漸復雜和社會需求的日漸離散,包括治理對象、治理主體、治理資源、治理過程和治理結果等在內的基層治理諸要素的模糊性日益增強,這給基層治理績效提升帶來了阻力和障礙。數字技術的高速發展使基層政府有可能通過海量匯集和深度利用數據資源來破解基層治理的模糊性困境。本文借助全要素清晰化的理論視角,結合蘇州市姑蘇區城運平臺建設這一數據賦能基層治理的典型案例,對數據賦能基層治理的具體機制進行了深入剖析。研究發現,通過對前沿數字技術的深度運用,基層政府的數據汲取、數據感知和數據認知能力顯著增強;在此基礎上,得益于基層政府對數據汲取、數據感知和數據認知能力的組合式運用,基層治理中的治理對象、治理主體、治理資源、治理過程和治理結果等各項要素由模糊轉向了清晰(如圖4所示)?；谘芯?可以從兩個方面進一步揭示數據賦能基層治理的深層邏輯。

圖4 數據賦能基層治理的具體機制

(一)基于事件牽引的無縫隙治理邏輯

基層社會結構和社會需求的日益復雜化給基層政府帶來了更多跨層級、跨部門、跨區域和跨政社的治理任務;換言之,各類事件常常不是遵循邊界清晰的分工邏輯而發生。對此,學界早已提出了針對性的治理思路,如林登(Linden)的“無縫隙政府”(Seamless Government)[41]、?？怂?Perri Six)的“整體性治理”(Holistic Governance)等[42]。這些理論強調在信息技術高速發展的背景下,政府應以公眾需求為核心,對治理層級、治理職能和公私部門之間的縫隙進行有機“黏合”,為服務對象提供銜接順暢、動態靈活的整體化服務。

借助于物聯感知和數據匯聚,基層政府能夠對各類社會事實進行“望色”“聞聲”“問癥”和“切脈”,做到全息感知事件數據,實現對治理問題與社會需求的全天候、全地域、全類型無縫隙識別。在此基礎上,為了“高效處置一件事”,基層政府借助數據認知能力的充分發揮,對治理主體進行了模塊化重構,對“事件類型—治理主體”的人事關聯規則進行智能化歸納,進而讓不同治理主體以事件為牽引,實現跨層級、跨職能、跨地區和跨政社的靈活組合和無縫銜接?？梢?得益于數據汲取、感知和認知能力的顯著提升,基層政府能夠在無縫隙識別治理對象的基礎上,為其無縫隙匹配對應的治理主體,實現以事件為牽引的無縫隙治理。

(二)基于數實融合的敏捷治理邏輯

基層社會復雜性的提高,要求基層政府擁有更為靈敏、快捷的問題感知和事件處置能力[43];換言之,基層政府需要走向敏捷治理。在傳統模式下,基層政府很難清晰掌握社會事實的相關信息,導致治理實踐以被動應對和經驗判斷為主導。盡管這一情況在引進信息技術后得到一定的改善,但受制于技術水平和組織剛性,早期政府信息化的過程中出現了較為明顯的“數實脫節”[44]。一是,數據和現實脫節。政府更多的是匯集靜態的、單一的和局部的數據,而沒有具備動態汲取多源異構數據的能力,更無法基于數據分析對社會事實的變動趨勢作出精準預判。二是,線上和線下脫節。多數信息化項目以技術引進為主,卻未給技術應用創造合適的組織和制度環境。上述情況也抑制了信息技術賦能基層政府敏捷治理的成效。

但隨著數字技術的進一步發展和應用,基層政府可以通過物聯感知、數據采集、數據交換和數據匯聚來汲取鮮活、動態的數據。換言之,基于強大的數據汲取能力,基層政府可以清晰掌握社會事實,并通過實戰導向的數據認知,精準預判社會變化趨勢。這也讓基層治理得以從被動應對走向主動預判、從接訴即辦走向未訴先辦。例如,通過深入挖掘城市體征指標的相關數據,基層政府可以及時評估城市各方面的“健康風險”,從而提前調配資源,做好預防工作,實現從“治疾病”到“防未病”、從經驗判斷到數據分析的敏捷化轉型。同時,在數據驅動下,基層政府也以治理需求為核心,對治理機制和工作流程作出相應調整,如姑蘇區建立“1+8+N”三級聯動指揮體系,進而通過數據和現實、線上和線下的緊密融合,最大限度地保證數據對于基層敏捷治理的賦能效果。

當然,關于數據賦能基層治理的機制和邏輯,仍存在進一步的研究空間。如各地在數據管理部門的組建方式上存在明顯的地方差異,而數據管理部門又是數據資源匯聚的核心協調機構,那么,組建方式不同的數據管理部門是否會影響地方數據匯聚的效率和水平,進而影響數據賦能基層治理的效果?另外,對社會事實的模糊性也需辯證地看待?！澳：辈⒎前俸Χ鵁o一利,其也蘊含包容并蓄的意味。因此,基層政府又該如何把握基層治理中“模糊”和“清晰”二者的平衡?我們也期待后續研究對上述問題作出進一步揭示。