公共服务数智化的数据基础：目标框架与实现路径

摘 要：数智化是增强基本公共服务均衡性和可及性的重要手段。准确、动态的数据基础是支撑公共服务数智化的现实保障与先决条件，然而现有研究忽略了对公共服务数智化的数据基础的讨论，这就要求构建数智化公共服务数据基础的目标框架，探究其实现路径。基于“数据生产－数据管理－数据使用”的框架，将公共服务数智化的数据基础划分为数据类型、数据来源、数据采集、数据存储和数据使用等目标环节。应超越传统统计思维，破解分散供给带来的碎片化数据与数据多元主体合作生产难题，突破数据管理的部门壁垒等机制梗阻，回应数据要素潜力挖掘难题，构建“整体智治－促进涌现－规范管理－价值共创”的公共服务数智化数据基础实现路径。

关键词：公共服务；数智化；数据基础；目标框架

一、相关文献回顾与问题提出

党的二十届三中全会指出要健全社会保障体系，增强基本公共服务均衡性和可及性[1]。然而传统的公共服务供给方式依旧存在资源配置非均衡、服务效率较低、响应速度慢等问题。随着现代ICT技术的发展，国家治理和公共服务的供给方式也在发生深刻变革，数智化成为公共服务供给的新方式。公共服务数智化不仅以数智技术的广泛采用为技术特征，更具备公共服务的组织、结构、流程和方式的全面升级与改造的组织制度特征。党的二十届三中全会进一步提出要“建设和运营国家数据基础设施，促进数据共享”[1]。由此可见，以国家数据基础设施为核心，以实现数据汇聚、数据流通、数据使用等功能为目标的数据基础体系是加快推进公共服务数智化的重要保障。因此，需要充分理解公共服务数智化的数据基础，推动公共服务数据基础管理标准化、高效化、法治化，提高数据基础的质量、安全性和时效性，筑牢公共服务数智化转型的根基。

公共服务数智化也是近年来学界研究的热点话题，相关成果多聚焦于服务供给、开放共享、监管机制等上层建筑领域[2-3]，主要围绕需求管理[4]、技术应用[5]等展开。然而这些研究似乎都遵循一种完成假定，即建立在公共服务数智化基础完备的基础之上，忽略了对公共服务数智化的底层数据基础的讨论。且当前学界关于公共服务数智化的底层数据基础的相关讨论主要见于公共数据体系建设，这一类研究大多从市场的角度开展探讨，如面向数字经济的数据开放、共享、交易等[6-7]，而数字时代的治理环境数据化、智慧化、动态化等特征明显，对公共治理提出了更高要求[8]，如果仅从市场的视角讨论数据基础的问题，公共服务数智化数据基础可能出现市场失灵的风险。此外，已有研究指出当前公共服务数智化转型面临着数据整合不足、信息安全风险、技术制度建设滞后等亟待解决的问题[9-10]，认为准确、时效的数据基础是支撑大数据驱动公共服务精准管理的现实保障与先决条件[11]。那么，为避免公共服务数智化数据基础出现市场失灵，有必要建构公共服务数智化的数据基础体系建设与实现路径的整体思路。基于此，本研究将解析公共服务数智化转型的数据基础内涵，构建公共服务数智化数据基础的目标框架，以此为依据，分析数据基础体系建设的现实梗阻，探讨数据基础体系构塑的未来进路，以期为相关研究探讨和政策实践提供理论参考。

二、构建公共服务数智化的数据基础：一个目标框架

公共服务数智化的数据基础是指在公共服务领域，为支撑公共服务全链条数智化转型，以人民为中心，以政府为主体，以多元参与共创为合力，涵盖结构化数据、非结构化数据、流数据等数据形态的一整套数据资源及其管理、应用体系。除了量化性、结构性、关联性、动态性和可处理性等一般性数据特征，公共服务作为满足民生保障和发展需要的公共产品，其数据基础因公共利益而采集，规模巨大，服务于公共利益的实现、赋能经济发展、提升公共服务治理现代化水平，具有适应公共服务领域快速变化的特点。

公共服务数智化数据基础的数据特性决定了其管理与应用体系理应是一个完整且贯穿数据全生命周期的流程架构。传统的信息生命周期理论将数据管理过程简单划分为采集、组织、存储、处理与使用五个环节[12]。而公共服务数智化的建设需要决定了其数据基础必须实现供需平衡、规模效益、处理科学、存储安全、产权明晰、使用多元等目标。基于此，在传统信息生命周期理论基础上，本研究构建了“数据生产－数据管理－数据使用”的理论框架，进一步结合合作生产理论和产权理论，将公共服务数智化的数据基础的管理、应用体系划分为数据类型、数据来源、数据收集、数据存储和数据使用五大环节。

图1 “数据生产－数据管理－数据使用”的基本框架

首先，为实现数据供需平衡，需从供给侧和需求侧对数据生产进行精细分类，保证数据的低颗粒度化平衡；同时，为实现数据生产的规模效益，需从数据生产上扩大数据收集的来源。基于合作生产理论，公共服务的提供需要吸纳多元主体参与，推动各主体合作共创[13]。公共服务数智化的数据基础，其收集同样需要吸纳数据要素产业链上的多元主体参与合作共创，以扩大数据来源、筑牢数据的合法性和公信力。其次，数据作为一种资源，只有充分汇聚并高效管理才能充分发挥其效应。因此在数据管理上，一方面需建立大型的数据存储基础设施，畅通数据传输，夯实数据规模化的基础；另一方面，基于产权理论，规模化数据的高效管理与价值实现需要实现数据产权明晰。因此，在数据存储中需对数据基础及其管理设施——数据仓库进行科学的产权界定，从而充分激发公民数据供给、保证数据科学管理、推进数据价值释放、实现数据效应共享。最后，数据使用是一个多元化且持续的过程，需要在明晰产权基础上，实现数据要素使用的多元化与数据收益共享，推动数据要素的价值转化，也发挥数据反哺算法、算力升级的作用，使得数据使用能够持续反哺数智化治理的整体效能。

基于上述分析，本文以数据类型、数据来源、数据收集、数据存储、数据使用为主要环节，构建满足公共服务数智化需要，覆盖全生命周期的公共服务数智化数据基础建设目标的分析框架，如图1所示：

在数据基础的目标体系中，数据类型不仅是整个体系的逻辑起点，更是确保数据质量和管理效率的重要前提。通过对数据进行低颗粒度的分类，确保数据的供需平衡和高效管理，为后续的数据收集、存储和使用提供指导；数据来源是整个公共服务数智化数据基础建设目标体系的“发动机”。其通过鼓励政府、企业、社会组织等多元主体积极参与到数据的提供和分享中，整合多方资源，丰富数据内容；数据收集则运用多项数据采集技术，提升数据收集的效率和范围，实现对各类数据的实时、准确捕获；数据存储作为整个数据基础建设目标体系的核心环节，旨在确保数据的安全性和可用性，促进数据的合理流通和有效利用；数据使用是整个数据基础建设目标体系的最终落脚点，通过建立短长期结合的数据使用策略，推动数据基础的多元化价值实现和迭代优化。

（一）数据类型：供需耦合的低颗粒度分类

确定数据类型是公共服务数智化转型中数据基础构建的首要环节。其通过科学、低颗粒度的数据分类，一方面，提高数据资源管理效率，为数据收集、存储、使用奠定基础；另一方面，有助于提升政府的透明度，化解数智化公共服务中的“塔西佗陷阱”。基于市场经济的供需理论，数据基础可分为供给端数据和需求端数据两大类型。

供给端数据涵盖了政府和公共服务机构在履行社会管理职能时所产生的各类基础性资源数据，对于评估公共服务提供能力至关重要。主要包括四类：一是政务服务供给数据，即政府各部门在履行职能过程中产生的数据，涵盖经济、社会、环境等多领域的基础信息与业务数据。二是公共事业供给数据，主要来源于教育、医疗、交通、能源等公共事业部门的履职活动，反映公共服务运行状况的变化。三是企业供给数据，特指企业在生产经营过程中积累的数据，尤其是与公共服务紧密相关的行业数据。四是科研供给数据，主要指科研智库机构通过严谨的科学研究获得的对于市场公共服务供给资源预测的专业数据，包括社会调查、环境监测、技术试验等数据。

需求端数据主要涵盖公众在教育、医疗、交通等公共服务领域的需求信息，深刻反映了公众的实际需求和偏好。主要包括三类：一是公众需求数据，即通过问卷调查、社交媒体分析等手段获取的公众对公共服务的需求偏好、满意度等数据。二是服务优化数据，这类数据产生于政府和公共事业部门提供公共服务的过程中，包括服务流程优化、资源分配调整等数据。三是企业预测数据，这类数据主要由相关企业在市场运作中通过整合和分析信息得出，具有高度的市场敏感性和前瞻性。

（二）数据来源：合作共创的供给动能体系

数据来源是公共服务数智化转型中驱动数据基础生命周期运转的动能。在数据来源中引入合作共创理念，由政府主导营造包容性的数字治理生态，构建政府、企业、社会组织、公民个人等多方参与的协同共创体系，促使多方共同参与到数据基础的生成。这一过程中，政府因其公共服务职能，应是数据汇集、整合与管理的主体，也是推动数据共创的核心力量。政府履行基本职能过程中产生的政务数据和凭借国家强制力获取的调查数据，构成了公共服务数智化的基础数据源。政府通过积极构建集中化数据平台，推动教育、医疗、交通等公共部门通过既定的数据共享机制与平台对接，以此加快跨部门、跨地区的数据流通，实现数据基础的统一与高效共享。此外，政府通过设立专职的数据管理机构，协调数据基础制度的建设工作，统筹规划数据的资源整合、共享及开发利用。借助国家数据共享交换平台，政府进一步将各部门的数据资源进行有效整合，进而构建统一的数据基础架构，为企业和个人对政务信息资源的社会化开发利用提供了坚实的数据支撑。

企业在公共服务数智化转型过程中，凭借其在技术实力、资金储备和市场资源方面的显著优势，成为数据基础合作共创中不可或缺的一环。作为市场经济中最具活力的组成部分，企业能够迅速捕捉市场动态，及时获取与公共服务息息相关的数据信息，不断完善数据资源体系。更重要的是，企业依托其技术专长和市场洞察力，积极参与公共服务数据架构的搭建与更新工作，不仅有助于充分释放商业数据的潜在价值，还能进一步夯实数据基础设施，显著提升数据的时效性和准确性[14]。因此，在公共服务数智化转型的征途上，企业为数据基础来源提供了重要的补充和助力。

在“以人民为中心”的发展理念指引下，公共服务数智化的数据基础来源相比于以往的各项数据来源，更加注重与公众的互动沟通。一方面，政府通过开放数据平台、推动社区参与项目等方式，使得社会组织和公民能够作为宝贵的数据提供者，积极贡献数据样本，共同参与到数据基础来源的共创过程中；另一方面，政府也充分利用个人和社会组织提供的宝贵反馈与经验分享，进一步拓宽公共服务数据基础的来源渠道，丰富数据内容，共同推动公共服务数智化转型的深入发展，为构建更加开放、透明和高效的公共服务数据治理体系奠定坚实的基础。

（三）数据收集：横纵交织的技术工具箱

数据收集是公共服务数智化转型中数据基础构建的重要环节。为保证数据的全面性和时效性，需要构建高效全面的数据收集技术工具箱。这一工具箱主要分为沿用时间较长的传统收集方式、人工智能和大数据赋能下的新兴技术手段收集方式两种类别，确保数据基础收集的全面、准确、及时。

传统数据收集方式作为数据收集的基石，确保了数据收集的连续性和可对比性。这一收集方式主要包括通过调查指定对象获取的填报数据和历史调查资料。一是通过调查问卷、统计报表等手段主动获取的填报数据，这些数据由相关单位和个人直接提供，操作简便且信息直接。二是从历史数据库或档案中提取的历史数据，这些数据经过时间的积淀，为公共服务构建了稳定、连续的数据保障。

新兴技术手段为数据收集带来了前所未有的潜力和可能性，从横截面和时间序列维度丰富了公共服务数智化的数据来源。人工智能的辅助使得将大量融合了交通流量、地理信息、人口迁徙等多重数据流的异构性数据转化为可供分析的标准化大数据成为可能。公共服务机构利用遥感探测、深度学习算法、仿真模拟等手段，一方面，能够实现对治理环境变迁的精准把控、对土地利用的动态监测、对公共服务能力的全面评估等传统数据收集方式无法实现的功能，突破了传统数据收集方式在空间上的边界局限，在实质上扩展了数据基础收集的覆盖范围；另一方面，大数据实时追踪与大模型全面信息提供的交融，更是在时间维度上对西蒙的有限理性决策理论进行了实质性的延展，使得决策过程更具理性与科学性[15]。特别是在公共服务数智化的过程中，生成式人工智能技术与大数据交融所赋予的时间预测能力，使得公共服务机构能够精准预测如人口流动趋势变化和资源要素禀赋结构变化等关键数据的未来趋势，为公共服务数据基础注入前瞻性元素，进一步拓宽了数据收集的视野，丰富了数据收集手段，助力公共服务机构更好地规划未来的数据收集路径，为后续数据的有效存储和科学利用提供坚实的支撑。