作者简介
周向红
周向红，法学博士，同济大学经济与管理学院教授、博士生导师；
姚轶力，同济大学经济与管理学院博士研究生；
刘雨欣，同济大学经济与管理学院研究生。
摘要
在政务服务“一网通办”和城市运行“一网统管”协同格局下，城市服务能力与部门协同效率的提升是以“数据要素重组城市要素、数据治理重塑城市治理”为核心的跃变过程。构建节点治理嵌入的组织权威研究框架，从动态视角考察数据共享形成的优势节点及其对城市治理职能部门权威的影响，对于现代城市治理具有重要意义。2021年，上海市M区的38个部门和J区的13个部门分别产生29.76亿次和1655.79万次流通数据，因此选取M区的2562条和J区的212条跨部门流通数据作为研究样本具有代表性。从“质”“量”“势”三个维度考察数据网络流转、数据调用和被调用、数据调用量和数据成长等多场景下的数据节点问题，对比分析数据的网络密度、综合用途与关键节点发现，区行政服务中心、区城运中心、区市场监管局等业务部门在政务数据的流通网络中更具节点优势。对数据要素流通背景下的公共数据资产的价值评估、授权运营机制设计等展开研究，在一定程度上拓展了数据要素流通交易机制构建的基本维度。
数据现已成为新的生产资源，对经济模式产生了深刻影响。2021年12月，《国务院关于印发“十四五”数字经济发展规划的通知》提出了强化高质量数据要素供给，加快数据要素市场化流通，创新数据要素开发利用机制等重点任务举措，这对于加快形成数据要素市场体系，促进数字经济高质量发展具有重要意义。
近年来，各地通过政府购买服务、协议约定、依法提供等方式引入社会机构开发应用，支持民生服务等。这些城市的服务型APP在证照办理、公共卫生、交通运输、教育与文化、社区民生等多样化服务领域，通过不断积累和开放公共数据资源，融合各大应用场景。随着数字化转型不断推进，数据要素日益和场景结合，不仅成为重要的生产要素，也成为政府治理重要域区。数据流动可以发生在内部或外部，可以产生于区域、国家甚至全球之间，也可以来自技术和应用系统、数据网络、物理和数据空间。任何系统都不可能无限制开放所有数据，因而会出现空间内数据流动、共享不均衡的现象，即是特定空间中节点的产生。随着技术的发展，参与主体中的组织权威在数据流通过程中不断突破行政边界，逐渐实现线下的行政权威和数据汇集融合，共同扩大供给范围、服务品质。本文在前人的研究基础上，将节点治理导入研究框架，从“质”“量”“势”三个维度考察数据网络流转、数据调用和被调用、数据调用量和数据成长等的情况。从2021年上海市M区38个部门间29.76亿次流通数据中选取2562条和J区13个部门间的1655.79万次流通数据中选取212条作为样本，通过数据网络密度、数据综合用途、关键节点比较和考察假设，识别城市治理部门的关键节点与中低权重节点，探究关键节点形成的影响因素，分析数据共享后形成的节点权威对城市治理职能部门的影响及传统行政权威金字塔结构的变化。
一
文献综述
数据治理是激活数据要素价值的关键着力点。随着智慧城市的兴起和发展，数据治理成为政府和学者的重要议题。现有文献关于城市治理关键节点的研究主要有节点及节点治理，管理权威、组织权威与组织结构、行政能力，节点治理及权威交互等三个方面。
一是关于节点及节点治理的研究。节点治理的英文为Node Governance或Nodal Governance，其中Node为节点的英文，通常译为网络或系统中的连接“桥梁”。目前，节点治理已应用于安全治理、能源治理、环境治理、移民等多个领域。Quéro Y C和Dupont B通过本地公共安全网络中创建的不同组织描述节点治理的运作，确定本地安全网络关键节点等不同级别类型的节点，并指出每个节点在网络中的需求和资本流入方面适应性不同，从而产生非等级均衡。Berg J和Shearing C对私人保安多元警务伙伴关系进行研究，发现各个节点具有连接和交流的特性。随着研究的推进，人们逐渐认识到，复杂网络中的关键节点会对网络结构与功能产生较大程度的影响。复杂网络中的关键节点识别是复杂网络研究领域的一个重要方向。对复杂网络中关键节点的判断已成为影响网络连通性的主要因素。节点之间通过关键节点传递信息，当关键节点失效后，网络中的部分信息传播也会随之中断。王斌、王亚云、盛津芳等提出节点相似性比例和相邻度比例，将节点信任度引入到Page Rank算法中，构建关键节点识别算法TPR。这是非常有价值的突破。
二是关于管理权威、组织权威与组织结构、行政能力的研究。维系权威体制的两个核心组织机制分别是科层制度和观念制度，前者涉及中央政府及其下属各级政府机构间的等级结构，后者则体现在政府内外、全国上下的共享价值。几乎所有行业主管部门对互联网上的相关业务都实施“密集分类、多层审批”的许可管理。从权力维度看，数据要素流通量所塑造的权威明显有别于传统权威。在传统语境下，权力作为一种强制力量镶嵌在科层制的组织结构之中，具有很强的控制色彩和管理特性，而数据要素所产生的流量权威遵从的是主体黏性。政府组织结构内部的各业务部门在数据要素流通平台上各负其职、各担其责，初步实现了共同治理、数据和信息共享。从以“政府为主体、自上而下”的单向垂直管理逐渐发展为“治理主体多元、权力趋于分散”的管理模式，治理主体各负其职、各担其责。张会平、宋晔琴运用模糊集定性比较分析方法开展研究，证实了高效政务数据协同治理需要的不仅是不同层级部门之间的纵向协同协调，还包括横向上的多元治理。Bäck H和Hadenius A认为，民主化与行政管理权威的关系呈J形曲线，是由上而下传导及由下而上推动两种形式共同作用的体现。李由君、韩卓希、乔天宇等人指出，技术并非引起治理变化的单一决定因素，由不同主体共同构建、共同参与的行动者网络才是理解社会要素变化以及数字变迁作用机制更全面且具体的场域。
三是关于节点治理及权威交互的研究。Burris S, Drahos P和Shearing C指出，节点具有思想、技术、资源和制度结构等特征，可调动资源、影响思想、推动技术。李威利认为，新单位制是以行政区为边界、以单位组织为节点、以资源补给为机制、以双轨制为结构、以国家中心为特点的治理体系。该机制在国家治理纵向结构和横向结构之间充当了“制度节点”的作用，与分包制、分类制、项目制共同构成了当代中国国家治理体系的核心机制。此外，还有学者指出，以连接社会资本为主导的节点作用是协助建立信任关系。如Huang C, Yi H, Chen T等运用二次分配程序（QAP）回归分析31个市政部门、32个镇政府、9个与水有关的私营企业和5个非政府组织相关数据，来验证正式网络中发挥关键作用的节点更有可能参与非正式的协作环境治理网络这一假设。随着信息技术对人类生活影响的不断扩大，无论是组织结构还是城市空间都呈现更加复杂的变化，节点概念和内涵被赋予更广阔的理解和研究。学者们根据不同的实际问题提出了各种方法与模型识别影响力节点。Wang B, Guan W和Sheng Y等提出了Attraction based on Node and Community（ANC）方法，计算节点间的吸引力和节点对社区结构的吸引力，对节点吸引力进行量化。Yang L, Lou J, Zhou J等研究武汉市各组织在新冠肺炎疫情暴发期间贡献的演变机制和宏观合作治理结构，运用NetMiner和Gephi建立基于时间跨度的四阶段复杂组织协作网络（CN）模型，得到具有有效大小和效率的节点具有更多的非冗余因素，更有可能成为结构洞的结论。
近年来，随着数据要素成为重要生产要素，数据主权也逐渐成为公共权威的重要组成，学术界对此问题的研究热度也不断上升。Casero-Ripollés A对1.273亿条推文的大数据样本进行特征中心性分析，确定个体的数字权威，其研究结果表明政治精英和媒体在数字环境中的领导作用和影响力较以往有所扩大。Goritz A, Schuster J，Jörgens H等采用了Robins指数随机图模型识别观察全球气候政策网络中的特征以确定国际公共行政中的数字权威，其研究结果表明，国际公共行政网络中IPA和国家行为者被赋予的数字权威与多边谈判中的“现实世界”权威基本对应。依据文献梳理，本文提出假设：在数据要素流通场景下，关键节点形成不仅和原有行政机构管理权威相关，还和数据流转过程的中心性、密度、互惠性等技术支撑能力、场景构建等变量相关。
二
研究设计
节点治理网络是一个不断演变的空间，随着内部（行为者的流动性等）和外部（新挑战、政治机会结构等）的发展而发生变化。网络和节点的角色可以在额外行动时更改、交换或添加。规制理论对此有比较成熟的框架，因此本文将数据流动置于规制理论框架内，观察节点在多个级别和地点动态形成的过程。该理论工具强调互动的持久性和可持续性，多层次、多节点、多行为者之间的内外协调及合作，并最终建立一个跨级（地方、国家、区域、部门）和不同类型的节点，即跨层级、跨部门、跨领域，融业务、融数据，形成可推广可复制的示范标杆。
（一）数据来源
政府数据流动的方式主要有三种类型：第一类是政府数据共享，即政府体系内部不同部门、不同层级之间数据流动；第二类是政府数据开放，即不同层级政府向社会开放公共数据，数据流通方向为政府内部向政府体系外部流动；第三类是政府数据授权运营，即一定市场主体在得到政府授权后通过市场流通运营，达到政府外部主体能够使用数据的效果。虽然这三类政府数据流动方式截然不同，但它们之间是相互促进、相互支撑的关系。
本文借助为区内各单位和业务部门提供公共数据流通和共享的大数据资源平台，得到2021年上海市M区38个部门的29.76亿次流通数据和J区13个部门的1655.79万次流通数据。根据两区《公共数据安全管理办法》《公共数据管理办法》《关于调整本区大数据管理体制机制的通知》和《信息化项目管理办法》等政策文件关于数据安全性、交互性、规范性、时效性和准确性的衡量维度，截取M区2562条跨部门流通数据和J区212条跨部门流通数据作为本文的分析数据源，确定数据产生源头部门、数据流转环节、数据使用部门、数据的增长情况和更新情况、数据的应用场景及各场景下的数据模型等信息，并将M区和J区数据流通所属场景、数据流转的节点部门、在该场景下的数据调用量以及数据在2021年内的可持续成长情况这四项数据基本信息列入表1。数据在节点部门流通过程中，各部门通过需求申请获得的数据资源共支撑了区内六大应用场景使用。以M区和J区数据流通量排名第一的两个场景为例，M区数据流通量最高的场景是经济发展下的实有企业登记，流转节点部门多达5个，数据调用总量达4462751，数据自区市场监督局流出后，分别流入区投促中心、区建设和管理委员会、区公安分局和区经济委员会等部门，在多个节点部门实现了7.94%的可持续成长；J区数据流通量最高的场景是城市应急下的防疫接种数据，流转节点部门达4个，数据调用总量为2103986，由区行政服务中心流出后向区城运中心、AT城运和JY街道等节点，流转后的再生数据量相较于初始数据调用量增长了2.12%。
上海市M区和J区的大数据资源平台由区大数据中心建设、运营和管理，为区内各单位和业务部门提供公共数据流通和共享，开通了数据资源和物联感知模块，可实现数据资源目录发布、数据查询、需求申请、线上审核、接口申请与数据调用的功能，以此支撑城市数字化转型。平台以数据流通的城市动态、城市交通、城市环境、防汛预警、应急数据、城管车辆、营商环境等应用场景为标识，包含场景名称、数据调用部门、数据被调用部门、数据调用量、数据成长量等信息，数据目录数、归集数据均以条为单位。
本文进行相关处理后实际分析所用数据为上海市M区38个部门和J区13个部门的流通数据，以此构造上海市办事材料和事项之间的关系网络: 业务部门间矩阵考虑数据流入和流出方向，社会网络分析图中的箭头指向为节点部门数据的流通方向。节点的入度表示对应部门对其他共享数据的需求量；出度则代表对应部门形成的数据被其他节点使用的数量。若一个部门从另一个部门调用数据，则视为两部门间存在关系，记为1，反之记为 0。业务部门之间的数据流动量越多，它们之间的关联程度就会越高。
（二）研究方法
1.网络复杂性测度
复杂网络结构特性和网络中所发生的动力学行为日益经成为引导经济、政策和社会活动的重要研究方向。哈佛大学心理学教授Milgram S于20世纪60年代提出了“六度分离”理论，认为在人际关系网络中，任何两个不认识的人均可通过“认识人的熟人”建立联系，这中间最多需要五个认识的人就能将两个陌生人联系在一起。20世纪末，美国康奈尔大学Watts D J 和Strogatz S H提出了小世界网络模型，证明了若向规则网络中加入少量的随机连边将显著影响网络拓扑结构，这一模型的引入进一步证实了“六度分离”理论。Barabási A L和Albert R等发现幂率分布对网络有某种普适性，且增长机制与有限连接机制对很多真实网络都是适用的，复杂网络既可能是有向网络也可能是无向网络，前者可以用基于一种相互关注的广泛社交媒体中个体的联系来佐证，后者则可以用QQ和微信等实名社交软件来加以证实。若只是确定节点之间是否存在关系，那么就是无权网络；若还需确定节点之间关系的强弱，则是有权网络。无权网络可采用邻接表和矩阵两种方式来表达，在采用矩阵的情况下，“1”代表相应的两个节点间有连边，“0”代表这两个节点间没有连边。而有权网络则需采用矩阵进行描述，节点间连接权重由矩阵相应要素的取值反映。鉴于该工具适配性，本文选用这一主流方法进行测度。
2.比较分析法
比较分析法是将两个或者多个相关可比对象加以对比，以揭示其共性或者不同点，比较分析后得出结论。本文将M区与J区的传统政府组织架构和经部门节点权重测量后的区政府部门结构进行比较，从横向上看，M区与J区政府组织均属于一种组织架构，节点权重计算选择的来源数据也同为2021年，具有可比性。
3.社会网络分析法
社会网络分析法（SNA）是从数学、图论中发展而来的社会科学定量研究方法，能用来对行为主体间的关系进行量化分析，近几年来在社会数字化、政府信息化领域得以广泛应用。文章以上海市M区和J区的数据应用场景所对应的数据流通量，来计算各业务部门作为信息节点的数据流入、流出量，借助社会网络分析软件UCINET绘制出矩阵表（表示各节点部门间的互动关系），并计算出密度、中间中心性分析等测量指标，在此基础上运用可视化工具NETDRAW生成跨部门的数据流通社会网络关系图。
三
实证分析过程及发现
（一）M区与J区基本情况与组织架构比较
M区和J区同为外省市连接上海中心城区的郊区，其基本情况有相似之处（见表2）。M区和J区地理位置和面积接近，经济发展水平相当，第二产业J区略强，人口M区略多，社会发展水平接近，具有比较价值。地方政府层级结构取决于人口、地域面积、民族、历史、体制安排、社会发展水平等，由于两区基本情况接近，两区政府的组织架构也十分接近。
两区的政府组织架构呈现金字塔式结构，具有自上而下的层级管理特征，以区政府为核心，按照区政府对于各部门和街镇的分工实施纵向式管理。区政府下辖各镇政府，区政府工作部门，街道、管委会、工业区等派出机构，区政府工作部门下辖区政府办、区发改委、经委、农委、建委等部门。
（二）业务部门节点关系网络等级性比较分析
节点之间的中心性与节点对资源的控制程度相关。如果一个节点是其他节点对的最短路径，表明该节点有高介数中心性。主要度量指标有程度中心度、中介中心度、接近中心度。程度中心度为节点部门关系个数之和。社会网络方向性分为外向程度中心度与内向程度中心度。这里需测量计算的是内向程度中心度，即这一节点部门对其他节点部门的重要程度。中介中心度则是一个节点控制网络中其他节点的能力，数据流动在一定程度上受到高中间中心度节点的控制。节点部门中心度的分析结果见表3。计算原理如下式所示：
其中，nbk表示节点k的中介中心性，最短路径数节点k在i和j之间的最短路径上，表示为pikj。接近中心度反映某一节点部门不受另一节点部门的控制程度。节点部门接近中心度是指这一社会网络内其他所有节点捷径距离的总和。其公式如下：
其中，dij是点i和j之间的捷径距离（即两点之间最短的线段数量）。
从表3中可以看出，M区大数据中心、区城运中心、区市场监督管理局、区绿化和市容管理局、区应急管理局、区人力资源和社会保障局等6个部门无论在数据流通量上还是在数据应用的场景类型上，均处于数据流通较为重要的位置。因此，这6个部门是M区政府数据流通网络的关键节点，位于数据流通中价值实现的优先级。其他未列出的区交通委员会、区文化和旅游局、区规划和自然资源局等23个与场景相关的业务部门中间中心度均为0，处于M区政务数据流通的边缘地位。区大数据中心、区城运中心、区市场监督管理局、上海市大数据中心、M镇的内向程度中心度都高于其均值9，表明这几个业务部门的重要性比较高，而表中其余部门的重要性相对较低，在网络中的权重较小。区绿化和市容管理局接近中心度虽位于前列，但其内向程度中心度为7，低于平均内向程度中心度（9），且中介中心度为3.280，高于平均中介中心度（3.278），表明区绿化和市容管理局在部门数据流通网络中处于弱势，主动性不足。由此可以验证本文假设，即关键节点的形成与数据流转过程中心性、密度和互惠性等技术支撑能力有关。而J区相较于M区，各业务部门中心性测度的三个指标数值均低于M区，各个部门的节点特征均尚未形成。
（三）实证研究过程及发现
1.跨部门数据流通情况
M区数据流通量的计算结果如图1所示。区城运中心，也称网格化中心，负责网格内城市动态、城市交通、城市环境、防汛预警、应急数据、城管车辆、营商环境等应用场景的数据治理工作。区应急管理局，负责本区应急体系建设规划、应急预案管理、应急资源协调调度工作，组织拟订本区应急管理安全生产的计划、方案、通知并指导、监督实施。区投促中心，全称区投资促进中心，负责投资促进相关的中长期规划、全区招商引资相关统筹协调和综合服务工作、企业服务相关工作等。区人力资源和社会保障局，负责对组织贯彻实施人力资源和社会保障方面的法律、法规和规章及政策提出方法和建议，促进就业、人才引进、事业单位改革等。区公安分局等是主要的数据流入部门，其中区城运中心是最大的数据流入部门。区绿化和市容管理局，结合本区实际，研究起草有关绿化、林业、市容环境卫生和城管执法方面的政策和措施，并组织实施。区行政服务中心，也称区大数据中心，负责网上政务、大数据基础工作、政务服务窗口工作等。区生态环境局，负责建立健全生态环境基本制度，编制生态环境保护中长期规划和工作计划，并组织实施等。区住房保障和房屋管理局，负责本区房地产市场调控政策执行，组织开展房地产市场监测分析、预判预报、市场监管等工作等，是主要的数据流出部门，其他部门数据流入和流出较少。
图1 M区跨部门数据流通情况
J区数据流通量的计算结果如图2所示，上海市大数据中心、区发改委负责组织编制本区国民经济和社会发展的中长期规划等，是主要的数据流入部门，其中区发改委是最大的数据流入部门，区投促中心和安亭城运(AT城运）是主要数据流出部门，而区城运中心、区行政服务中心、区应急局、区民政局（负责社会救助、居民经济状况核对、养老服务、残疾人权益保障工作等）、区经委（负责执行有关工业经济、商业商务、国内外贸易、粮食流通和物资储备管理的法律、法规、规章和方针、政策，拟订本区工业、服务业领域的专项规划和年度计划等工作）等部门数据流入量和流出量较少且流入流出基本相同。
图2 J区跨部门数据流通情况
2.跨部门数据流通社会网络分析
根据跨部门的数据流通情况做出M区业务部门数据流通社会网络图并进行分析，如图3所示。区城运中心、区大数据中心、上海市大数据中心、区市场监督管理局处于较为核心的地位，有较大的数据共享需求。J区业务部门数据流通社会网络图如图4所示，上海市大数据中心处于最为核心的地位，有较大的数据共享需求；区发改委处于次核心的地位，其他部门处于业务部门社会网络的边缘地位。
图3 M区业务部门数据流通社会网络图
图4 J区业务部门数据流通社会网络图
由上可知，J区的数据流通网络结构与行政组织结构呈现相近，其运作方式为根据分工不同实行纵向管理。而M区已实现较大规模的数据流通，其数据流通不仅体现在区级，也体现在市级部门与区级、区级部门与乡镇、街道之间，且三级之间的数据流通量较大，协同任务较多。根据数据流通的节点大小可以看出，M镇、W镇、PJ街道这类镇（街）一级的业务主体数据流通量也比较大，数据要素价值在反复流通中得以实现，而这种数据流通方式正在改变业务模式。无论是J区还是M区，数据要素流动量在街（镇）这一级少于在区级业务部门间的流动量，与原有行政机构垂直的管理模式相符，因而验证了关键节点的形成与原有行政机构管理权威有关的假设。
以M区数据流通量最大的实有企业登记信息为例，其数据提供单位为区市场监管局，可供调用的数据达到446.3万条。其数据调用单位为区投促中心、区建设管理委员会、区公安分局和区经济委员会。其数据流通情况显示，区投促中心等4家单位不仅调用信息，而且在自身业务运作中增加了数据要素价值，共返回数据3990.8万条，是调用数据的8.94倍，如图5所示。事实上，这种数据流通和数据要素增值改变了该项业务的运作模式，其中掌握原始信息的区市场监管局成了节点部门，如图6所示。
图5 M区企业信息数据流通增值图
图6 M区企业信息现有业务模式图
通过对M区实有企业登记信息这一数据流通场景的分析发现，区市场监管局之所以成为关键节点，与其部门服务和业务范围相关。此外，M区城运中心的服务范围与其他没有形成关键节点的业务部门相比更广更宽，包括明厨亮灶、防汛预警、环卫车辆、垃圾分类等，已形成“城运主题库”，下含32个共2735.9万条主题库数据目录，各类城市管理和服务数据联通。以上实例验证了在数据要素流通场景下，关键节点形成和场景构建有关的假设。
（四）M区和J区异步性比较分析
根据场景应用和数据流通计算业务部门节点权重从而得到的组织架构图与传统的大部门体制不同，如图7所示。
图7 节点权重测量后M区政府部门结构图
原有的组织架构中M区人民政府作为核心化的行政决策中枢，对政府战略决策具有领导权；经测量后的组织架构具有3个关键节点部门：区行政服务中心、区市场监管局、区城运中心。这些部门在数据流通网络中处于强势地位，发挥中心性作用。在原有的组织架构中，M区人民政府下属组成部门覆盖政府的基本职能，保证重大行业决策政令统一。组织架构中的中等权重节点部门和低权重节点部门仅由于数据要素流通量的不同而处于环状外端，其基本职能并未发生改变。传统的大部门体制是由核心化的行政决策中枢及其办事机构、综合化的政府组成部门、专门化的执行机构三个要素形成的政府组织架构。经过社会网络分析后，部门组织架构图由于数据要素流通量不同所赋予节点部门不同权重，形成由高权重节点部门（关键节点）—中等权重节点部门—低权重节点部门的政府部门结构图，显示出的并非为权力自上而下的架构，而是形成由高权重向低权重扩散的环状架构，将业务部门由内向外连接起来的是不断流通的数据要素。
相较于M区，J区经测量后的组织架构只有2个关键节点部门，分别为上海市大数据中心和区投促中心。这两个部门在数据流通网络中处于等级优先地位，发挥中心性作用。在原有的组织架构中，J区人民政府下属组成部门覆盖政府的基本职能，不仅有区政府工作部门和市政府部门、区政府双重管理机构，还有地方人民政府和区政府派出机构，以保证重大行业决策政令统一。而经测量后的组织架构中的中等权重节点部门（区经委、区卫健委、区投促中心）和低权重节点部门（区行政服务中心、区城运中心、JY街道、区应急管理局和AT城运），仅由于其数据要素流通量的不同而处于环状外端，但基本职能并未发生改变，如图8所示。
图8 节点权重测量后J区政府部门结构图
层层论证显示数据要素流通场景下，关键节点的形成不仅和原有行政机构管理权威有关，还和数据流转过程中心性、密度、互惠性等技术支撑能力及场景构建等变量有关。
四
主要结论与建议
目前关于数据与政府治理的研究主要分为三类：一是注重对政府在数据治理过程中所产生或者运用到的特别是信息系统所储存的数据进行管理；二是注重政府对社会公共事务中有关公共利益数据行为以及数据资源进行管理；三是注重政府在数据产业、数字经济、市场与社会数据化过程中的管理。这些内容共同构成政府数据治理的范畴。本文在实证研究基础上，结合数据流通场景进行梳理和分析发现，经济发展、城市应急、城市管理模块中的流转节点多、数据调用量大，并在此基础上构建了业务部门的数据流通网络，通过中间中心度计算结果和绘制出的社会网络分析图，进一步梳理数据要素在不同层级、不同部门之间流通路径，发现区行政服务中心、区城运中心、区市场监管局等业务部门在政务数据的流通网络方面处于价值实现的优先地位，成为城市治理数据网络中的关键节点。最后通过与原有行政权威进行异步性比较发现，行政权威形成了由高权重向低权重扩散的环状架构，数字经济下组织结构呈现扁平化发展。从动态维度观察发现数据流转过程中组织结构权威发生变化。本文的研究为进一步分析行政压力、法律权力、部门能力、部门利益、风险及问责以及信息精准需求等多重变量下部门之间协调及改善跨部门公共服务质量的路径奠定了基础。
世界正在飞速改变，各种规则、角色以及相互关系也在改变着，但社会科学尚未对其进行充分研究。研究数字经济学既需考虑古典、新古典的基本规则，也需要进一步回应数字化如何改变结构和市场行为。学术界大量研究指出数据缺乏共享的结果，并在此基础上提出诸多改善措施，这些都推动了实践发展。本文得益于“一网统管、一网通办”飞速发展和政府部门之间数据共享推动诸多措施。为了更好实现劳动、资本、知识、技术、管理和数据要素价值，目前各地都在培育大数据运营平台和交易市场，探索成立全国性数据交易中心。数据流动和共享产生的价值都是迫在眉睫的问题，未来政府应以“数据要素重组城市要素、数据治理重塑城市治理”为核心，借助区块链等新型技术逐步构建数据确权、数据信托、数据捐赠机制等，解决目前权属不清、价值不明等问题，加快数据要素市场化配置，释放数据要素活力。
原文见于《东南学术》
2023年第1期
转自：“东南学术”微信公众号
如有侵权，请联系本站删除！
