浅谈“大数据”时代下公共行政价值与善治

《浅谈“大数据”时代下公共行政价值与善治》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、浅谈“大数据”时代下公共行政价值与善治　　1　大数据技术的社会初探　　经济商业领域大数据技术的成功引进，引起了公共行政领域学者的关注，并提出要转变公共行政的传统理念，构建大数据时代下的公共行政新模式。我国已经有一些学者提出自己的新看法，对大数据的公共行政发展前景给予了相对积极的预测。大数据在政府和公共服务领域的应用可有效推动政务工作开展，提高政府部门的服务效率、决策水平和社会管理水平，产生巨大社会价值。基于大数据的全面分析可以为政府决策提供咨询，降低决策风险，提高决策水平;为政府相关部门实时获取信息，及时处理突发、群体性问题提供可能;有利于提高政府部门整体决策管理水平，使决策

2、更加科学、高效、合理，管理更加公平、公正、公开，为建设文明、创新的社会主义和谐起到积极的作用。　　事实上，新事物在新领域实际运作中可能发挥的具体效用往往需要社会各界进行一定时间的论证，而非急于上马引进，否则可能会产生负面的效果。尽管我国公共行政学界对大数据技术有一定的展望，但目前学界并没有对大数据技术有一个统一的界定，相关的研究仍然处于起步阶段，能借鉴的西方经验也很有限。特别地，学界对大数据技术应用的负面效果探究相对较少，我们对大数据技术在公共行政领域中的认识相对片面。　　反观我国的政府，对大数据技术在公共行政领域的态度基本上肯定的，近年来，我国中央政府和部分地方政府高度关注

3、大数据技术并高速开展相关的建设工程。从中央政府的层面看，2015年8月，国务院发布了关于印发促进大数据发展行动纲要的通知，要求各省、自治区、直辖市人民政府，国务院各部委、各直属机构认真贯彻落实大数据在公共行政领域的实践应用，全面推进我国大数据发展，加快建设数据强国，为此中央给予巨大的人力、物力资源。　　从地方政府的层面看，广东省于2012年底提出《广东省实施大数据战略工作方案》，并在2014年初正式成立省大数据管理局，加快制定实施大数据战略政策措施，推进相关基础设施建设，并加强政务、企业、社会大数据的综合开发应用，借大数据之力实现发展的转型升级;从2015年2月开始，贵州省政

4、府也积极开展大数据的建设，力争将贵州大数据综合试验区建设成为汇集全国数据汇集应用新高地、综合治理示范区、产业发展聚集区、创业创新首选地、政策创新先行区。由此可见，在学界还没有对公共行政领域的大数据应用效果进行充分的探讨，政府部门已经先行大力开展尝试，大数据机构受到了我国政府部门的绝对重视。诚然，大数据技术在能在一定程度上促进决策水平科学性的提升，但是这并不意味着大数据技术在没有经过系统论证的前提下在公共行政领域扎下根并不断提升相关领域的建设投入。　　2　大数据技术的公共行政领域反思　　从已有的文献分析上看，目前学界对大数据技术在公共行政领域引进后可能产生的弊端探讨相对较少，这

5、给了我们对大数据技术进行深层次追问的空间，思考大数据时代下公共行政的未来发展方向应该何去何从。　　从理论上看，针对经济商业领域中大数据技术的引进成功，笔者尝试追问，这种有限领域的引进成功是否有普遍的可复制性，这是否意味着其引进公共行政领域也必然成功?和经济商业领域相比，公共行政领域是否有和大数据技术契合的困难点?是否真的如一部分学者所说的，大数据技术的引进必然改变公共行政领域的传统思维认识模式?　　从实践上看，针对政府近期开展的一系列大数据建设工程，笔者尝试追问，这种建设模式是否真的有助于政府部门长期推动民主决策、分析预测的发展?如果真的如政府部门设想的一样，大数据技术能推动

6、政府决策科学化，是否在同一时间也不可避免地有深层次的、短期内看不见的伴随公共行政体系运行而产生的结构性副效应?大数据技术在公共行政领域的快速发展背后，是否有政府部门进一步的考虑，其中包含更深层次的政治行动逻辑与政治动机?个人认为，以上的问题如果得不到深入的思考和妥善的回答，公共行政的发展模式很难实现从工业时代向信息时代的良性过渡，大数据时代下公共行政基本价值难以得到有效维护，最终导致社会的善治难以实现。　　3　大数据技术的公共行政领域引进适应性基于知识领域差异的理论分析　　首先，笔者暂且撇开大数据技术在现实生活中公共行政领域的具体运作情况，从理论上，就知识领域本身讨论大数据和

7、公共行政知识系统的关系。实际上，公共行政领域和经济商业领域之间有巨大的不可通约性。这种不可通约性的体现并不仅限于浅层的两者研究对象的不同，即经济商业领域学者研究的是不同经济主体的各种经济活动和各种相应的经济关系及其运行、发展的科学规律，而公共行政领域学者研究的是政府部门处理行政机关内部事务和社会公共事务的科学规律。两个学科之间的深层次不可通约性实际上深入到两者之间相对抽象的知识结构核心部分，这除了对两个学科本身的历史发展造成根本性的差异，也造成了它们和大数据技术理论上的契合度可能存在巨大的差异。为了深入