设为首页  |   加入收藏  |   无障碍浏览  |    语言: 繁体中文  |   English
当前位置: 首页 > 绩效研究 > 理论研究

大数据时代的政府绩效管理

发布时间:2021-03-25  作者:马亮

摘 要大数据分析技术为政府绩效管理提供了契机,同前大数据时代的传统政府绩效管理模式相比,大数据时代的政府绩效管理模式在许多方面有显著优势。大数据时代的政府绩效管理模式实现了以民为本和数据驱动,有力推动了政府绩效持续改进。但是,大数据时代的政府绩效管理也面临如何高效运行和可持续发展的挑战。因此,要加强政府绩效管理的制度化建设,加快政府绩效管理体系的数字化转型,提升政府绩效管理人员的大数据分析能力,推动数据开放和公众参与。

〔关键词〕大数据,政府绩效管理,数字化,数据开放

 

一、引言

进入 21 世纪初,以大数据分析技术、人工智能技术、区块链技术等为代表的新兴信息技术催生了“第四次工业革命”的到来,并对经济增长、社会发展和政府治理的方方面面产生了深刻的影响。特别是大数据分析技术的广泛应用,对政府管理带来了不容忽视的影响。大数据分析技术为政府改革创新提供了机遇,也对政府管理提出了多方面的挑战。公共事务的大数据包括三类海量数据:公共部门在运营过程中主动收集的高度结构化的行政数据;互联网数据,如官方网站、搜索引擎和社交媒体等;物联网数据,如建筑物、机动车、街道、移动终端等各种传感器。这些海量数据为政府改革创新提供了契机,但是公共部门在大数据收集、处理、分析、解释和决策等方面都面临着治理挑战〔 1〕。这是因为政府部门和公务员相对于企业而言缺乏信息技术能力,难以充分利用大数据分析技术进行治理创新。

大数据在城市治理的应用核心是打破政府部门的信息孤岛,从而推动公共事务的共享共治〔 2〕182-183。比如,在大数据服务公共管理方面,杭州市城市大脑与数字驾驶舱的创新实践引人入胜。在阿里集团的技术支持下,杭州市政府提出“一部手机治理一座城”的超前理念,提出城市治理的算力时代,推动城市治理的中枢化,将数据打通并实现可视化,探索跨层级、跨部门、跨系统的系统平台与应用场景,为城市管理者开发数字驾驶舱〔 3〕5-7。

目前,大数据分析技术越来越多地用于国家治理体系与治理能力现代化,但是关于它如何赋能政府绩效管理却还缺少深入研究。《国际行政科学评论》(IRAS)发表了有关大数据、公共政策与公共管理方面的论文集,从多个方面探究大数据如何推动公共管理。2017 年 10 月,《公共政策与行政》(PPA)发表了专辑“大数据分析及其在公共组织绩效与效率测量中的应用”,探究高等教育机构如何利用社交媒体数据来评估公共服务绩效〔 4〕。但是,总体来说,对大数据如何应用于政府绩效管理的研究还远远不足。

政府绩效管理迫切需要大数据技术的有力支撑,而大数据技术也将在政府绩效管理领域获得广泛的应用和长足的发展。如果回顾政府绩效管理的历史,可以看到大数据分析技术的应用并非新鲜事。美国巴尔的摩市 1990 年代开发的 CitiStat等 PerformanceStat,都可以视为这方面的先驱〔 5〕9-11。北京市 2019 年以来推动的“接诉即办”也可以视为大数据时代的政府绩效管理探索。但是,大数据分析技术如何发挥作用并帮助改进政府绩效管理,却还没有得到系统研究。

本文研究的核心问题是:大数据时代的政府绩效管理如何才能运转自如并发挥作用?我们期望探究大数据时代的政府绩效管理有何特征,在哪些方面和多大程度上有别于传统政府绩效管理。与此同时,我们还会探讨将大数据技术应用于政府绩效管理会面临哪些障碍、需要在哪些方面进行变革。最后,本文讨论了大数据时代的政府绩效管理的理论启示,并探讨了如何进一步推动大数据时代的政府绩效管理。

二、大数据分析技术与政府绩效管理

将大数据分析技术应用于政府绩效管理,会带来许多值得关注的影响,并使大数据时代的政府绩效管理同传统政府绩效管理出现多方面的实质性差异。本部分将分析传统政府绩效管理模式所存在的主要症结和突出问题,并将其同大数据时代的政府绩效管理进行比较,探讨大数据分析技术应用于政府绩效管理而产生的主要影响。

(一)传统政府绩效管理模式的主要问题

政府绩效管理是指政府部门收集绩效数据,将其转化为绩效信息,进而基于绩效信息进行绩效改进的过程。政府绩效管理的核心是绩效信息,这是因为政府绩效管理的所有活动都是围绕绩效信息的收集、分析和使用而展开的〔 6〕25-30。本质而言,政府绩效管理意味着政府绩效信息的使用,即将政府部门采集的绩效信息用于问题诊断、决策支持、组织学习、绩效改进等目的〔 7〕。

政府绩效管理的传统模式包括目标管理(目标责任考核)、公众满意度调查、第三方评估等,但是这些政府绩效管理模式存在的问题也非常突出。本文主要探讨目标责任考核、公众满意度调查和第三方评估所面临的主要问题,以及大数据分析技术将如何会重塑这些传统政府绩效管理模式。

目标责任考核是目前各级政府的主流绩效管理模式,采取自上而下的目标分解和任务考核,并主要依据官方统计数据进行绩效管理〔 8〕。由于统计数据存在滞后性和失真性情况,加之其同民众的真实感受尚有距离,政府绩效管理往往难以真正回应民意,也无法为政府绩效改进提供决策参考。与此同时,目标责任考核容易诱发“数字出官、官出数字”,使“上有政策、下有对策”扰乱了政府绩效管理秩序。实践中,目标责任考核强化了一些政府部门“眼睛向上”的执政理念,相反的是,“以人民为中心”的执政理念难以真正兑现。

公众满意度调查是自下而上的民意测评,旨在通过普通民众、企业等外部利益相关者的感知和评价来衡量政府绩效,并使各级政府部门树立“以人民为中心”的执政理念和服务意识。但是,公众满意度测评的主体往往不是政府部门的直接服务对象,对政府部门的绩效表现知之甚少,无法客观公允地进行评价 〔 9〕。在实际操作过程中,公众满意度测评往往委托第三方机构具体执行,在抽样、调查、分析等环节可能被操纵,使测评结果的可信度不高。与此同时,各个政府部门的职责和管理或服务对象不同,这使满意度测评的可比性欠缺〔 10〕125-136。2019 年全国开始推行的“好差评”制度,使服务对象可以对其接受的具体服务事项进行评价,而这将使每个服务事项、每个工作人员都能得到精准评价。但是,目前来看其实际推行情况还有待观察,这同民众的评价习惯有关,也同政府部门的执行能力有关。

第三方评估是近些年来国务院及各级政府普遍重视的一种测评模式,旨在邀请独立、专业、客观、公正的第三方机构对政府绩效进行评估,打破政府内部封闭评估诱发的各种问题。但是,第三方评估在推行过程中也难以尽善尽美,而在独立性、群众认可度等方面出现了“局部失灵”〔 11〕。这同第三方机构对政府部门的认知不足和信息匮乏有关,也同第三方评估市场发育不健全不无关系。比如,一些第三方机构往往在政府部门的“授意”下进行评估,评估结论早已事先确定,评估过程往往流于走形式,第三方评估的“共谋”问题令人担忧。

最后,尽管新兴信息技术发展迅猛,但是政府绩效管理却很少加以利用。这使很多地方政府的绩效管理仍然停留在“手工作坊”阶段,即便采购或开发了绩效管理软件,但是也仅限于信息化、可视化和自动计算等功能,尚未进入大数据分析阶段。这使既有政府绩效管理模式在绩效数据的采集、汇总、积累、挖掘、分析等方面存在十分明显的不足和缺陷,也亟待加快大数据分析技术的引入。

综上所述,可以看到传统政府绩效管理的几种主流模式都迫切需要进行深刻转变,否则就难以适应国家治理体系和治理能力现代化的需求,同人民对美好生活的追求也相去甚远。与此同时,大数据分析技术为政府绩效管理转型提供了技术准备和机会窗 (对事件发展干预的最佳时期),需要尽快推动大数据分析技术在政府绩效管理中的应用。

(二)大数据时代政府绩效管理的特征

总体来说,传统政府绩效管理的问题反映在管理目标、数据来源、数据分析方法和绩效信息利用等多个方面。相对来说,大数据时代的政府绩效管理在绩效信息的收集、分析和使用方面会有显著差异。至关重要的是,大数据分析技术使政府绩效管理人员认识到政府绩效的信息来源可以更加多元,信息收集、存储、处理、使用等环节都可以引入大数据分析,并使政府绩效管理体系发生根本改变。

表 1 大数据时代的政府绩效管理特征

维度

前大数据时代

大数据时代

管理目标

问责与激励

绩效预测与改进

数据来源

为考核而专门收集

公告管理的伴生物或副产品

数据类型

结构化的小数据

非结构化的大数据

数据分析

简单线性计算

复杂建模

管理周期

年度或半年

每月、每周、每日乃至实时

评估对象

部门或辖区

人、事、点位

公众参与

信息可视化

信息使用

排名和奖惩

实时诊断、调适和绩效改进

信息公开

信息失真

表 1 刻画了大数据时代的政府绩效管理特征,并将其同传统政府绩效管理模式进行比较。这些方面的比较表明,两种政府绩效管理模式在如下问题上差异明显:为什么进行绩效管理,绩效管理的数据来自哪里,如何分析绩效数据,如何使用绩效信息。

第一,两种政府绩效管理的出发点和目的不同。出发点和目的决定了政府绩效管理体系将如何设计和实施,因此具有举足轻重的地位。政府绩效管理的核心目的是改进,但是也会用于评估、控制、预算、激励、宣传、庆祝和学习等活动〔12〕。当然,我们也可以将政府绩效管理的目的分为学习(改进政策或管理)、指挥与控制(监督并确保政策得以执行)和问责(结果导向的奖惩和绩效沟通)。传统政府绩效管理的目标主要是为了进行问责和激励,其次才是为了绩效改进。相对来说,大数据时代的政府绩效管理目标首先是绩效改进,这同大数据分析技术所赋予的能力有关,也同基于大数据的政府绩效管理的价值取向有关。更为重要的是,大数据分析技术使政府绩效管理的预测能力实质性增强,不仅使其可以面向过去进行回溯、针对当下进行诊断,而且可以面向未来进行预测。

第二,两种政府绩效管理的数据来源不同。传统政府绩效管理是为考核而专门收集绩效数据,而大数据时代的政府绩效管理所使用的绩效数据则是公共管理的伴生物或副产品。大数据的典型特征在于,为了某个目的而收集的数据也可以用于其他目的。比如,大学生使用的一卡通和学号关联,将其在校园内的生活“一网打尽”,收集了学生在食堂、宿舍、教室、图书馆、校医院、健身房等各个场所的学习、考试、上网、出入、消费和使用等数据,可以用于对学生的学习成绩、心理健康状况等进行预测和管理〔 13〕98。换言之,我们不必专门为了绩效管理而收集数据,而是可以将公共部门日常管理中自动产生和积累的数据用于绩效管理。在大数据时代,互联网、移动终端、物联网等随时随地和无时无刻地收集了海量数据,而这些细颗粒度的行为数据为政府绩效管理提供了可以二次利用和深度挖掘的数据资源〔 14〕。这意味着政府绩效管理可以“为我所用”地使用许多日常管理数据,以及企业采集和积累的各类数据。这样一来,既能使政府绩效管理的数据来源更加丰富多元,也能使政府绩效管理的成本显著降低。比如,过去为了衡量民众对公共服务质量的满意度,政府部门需要专门委托第三方机构进行抽样电话调查,而由此带来的成本也较高。在大数据时代,民众的各类投诉和反馈可以通过社交媒体、政务热线等各种渠道采集,而不需要专门为了考核而采集,这就大大降低了绩效数据采集成本。

第三,两种政府绩效管理使用的数据类型有本质不同。传统政府绩效管理主要使用结构化的小数据,特别是来自统计部门的统计数据。这些统计数据往往是加总到一级辖区或部门的汇总数据,而以公民个人或企业为统计单位的原始数据则无法获取并纳入政府绩效管理。这使政府绩效管理所使用的数据比较粗糙,仅用于政府部门或辖区政府之间的横向比较和历时纵贯比较,很难进一步深入到更细颗粒度和更小时间段。这样一来,被评估的政府部门很难真正找到自己的问题和差距所在,也不利于政府绩效改进。相对来说,大数据时代的政府绩效管理主要使用非结构化的大数据,这使政府绩效数据呈现出巨量、多变、高频、细颗粒度、高价值等特征。比如,大数据分析技术使政府绩效评估对象的颗粒度进一步细化,可以精确到每一个工作人员,以及每一项具体职能或事项。与此同时,大数据分析技术也使政府绩效管理的周期压缩,可以近乎实时地反映政府运行的状态。

第四,两种政府绩效管理模式的数据分析方法不同,并对政府部门提出了不同要求。传统模式的政府绩效管理主要采取简单线性计算方法,比如通过加权平均等统计方法进行指标合成,算法、运算量及对机器算力的要求不高,甚至大量是通过手工操作完成的。这使政府绩效管理的技术含量不高,但也有其优点,即政府绩效信息的易懂性较强。在大数据时代,政府绩效形成机理的非线性、不确定性和复杂性可以得到刻画,政府绩效管理更加依赖复杂建模和高深算法,并使绩效数据分析模型更接近于真实状况。由于受大数据本身的技术特征所影响,传统政府绩效管理的数据分析方法将难以适用,取而代之的是更加复杂的算法及据此形成的政府绩效信息。比如,通过社交媒体、政务热线等渠道获取的海量数据都是非结构化的,采集、存储和运算所需要的算力是一般计算机所无法胜任的。对这些非结构化数据进行整理和分析,也需要更加复杂的算法支撑,而很难使用传统手工方式进行。这使政府绩效管理对信息技术人员和数据分析人员的依赖性更强,并对政府绩效管理人员提出了不同的胜任素质要求。

第五,两种政府绩效管理模式的周期有很大不同。传统模式往往是每年或半年进行一次政府绩效管理,这同政府绩效数据采集的成本和周期有关。传统政府绩效管理所依赖的原始数据是专门为绩效管理而收集的,往往是由统计部门和相关职能部门提供。如果政府绩效管理频繁进行,则绩效信息采集的成本将直线上升,而这是普遍财政紧缩的政府部门难以承受的。与此同时,统计部门披露的统计数据往往存在一定的滞后性,难以满足更短周期的政府绩效管理需求。比如,政府部门期望每周或每月进行一次政府绩效管理,但是统计部门却难以支撑这种高频次的数据提取。大数据时代的政府绩效管理周期不断缩短,可以每月、每周、每日乃至实时进行。由于数据的采集来源多元,大量数据是实时更新的,将原始数据转化为政府绩效信息的过程是自动化的,所以政府绩效管理可以近乎实时地进行。这意味着大数据时代的政府绩效管理可以像天气预报或汽车仪表盘一样更及时地更新数据并实时可视化,从而使政府绩效管理更加有效。

第六,两种政府绩效管理的对象不同。传统模式的评价对象主要是部门或辖区,而大数据时代的政府绩效管理则可以进一步细化到人、事、地理点位。比如,传统政府绩效管理体系收集了大量绩效信息,但是这些数据并没有得到充分利用,而往往仅限于考核和排名。对于接受考评的政府部门而言,难以获取进一步的细颗粒度数据,也无法精准诊断和及时把握绩效动态,这进而影响了政府绩效改进。在大数据时代,政府部门可以将绩效评分落在更细颗粒度的分析单位和时间段,这可以使政府绩效管理更加精准化。与此同时,大数据的互联互通也使政府绩效诊断和归因更加精准,并使政府部门更容易按图索骥地查找问题根源,进而提出更加有针对性的绩效改进方案。

第七,两种政府绩效管理的开放度不同。大数据时代的政府绩效管理将会进一步拓宽公众参与渠道,丰富公众参与形式,使政府绩效管理更加“以人民为中心”。传统政府绩效管理的封闭性较强,尽管公众参与政府绩效评估越来越广泛地开展,但是主要是将公众作为信息提供源,且公众参与的环节有限、深度不够。在大数据时代,公众可以通过直接或间接、主动或被动的方式参与政府绩效管理,公众所发挥的作用也会有很大不同。公众既可以在接受调查时主动向政府部门披露偏好和态度,也会在日常生活及同政府部门打交道的过程中自动披露相关信息。公众在接受公共服务的过程中会“留痕”,而这些痕迹的数字化将使政府部门可以采集其偏好、态度和意愿,并用于政府绩效管理。公众还会和政府部门通过“合供”的方式共同设计和提供各类公共服务,并在这个过程中扮演更加重要的角色〔 15〕。

第八,两种政府绩效管理的可视化程度不同。相对于传统政府绩效管理而言,大数据时代的政府绩效信息可视化程度更高,并有利于决策者和民众更好地理解政府绩效变动情况。目前政府绩效管理在可视化方面还有较大的提升空间,政府绩效信息往往只是以排名或排行榜的方式出现,缺乏动态的图表、形象的形式和直观的呈现。这使政府绩效信息的内涵无法得到进一步释放,也影响了政府绩效信息使用情况。相对来说,大数据时代的政府绩效管理会全面提升政府绩效信息的可视化,使人们可以通过大屏幕、计算机、智能手机等多种工具 360 度地浏览政府绩效。与此同时,人们可以根据自己的需求来定制化政府绩效信息的可视化,比如选定某个区域、部门和时间段,对某个绩效维度进行分析。

第九,两种政府绩效管理模式的绩效信息使用方式有很大不同。传统政府绩效管理主要进行排名和奖惩,而大数据时代的政府绩效管理则会进行实时诊断、调适和绩效改进。过去有关政府绩效的大量数据未能用于政府绩效管理,存在部门割裂的信息孤岛,也使政府绩效管理面临“知其然而不知其所以然”的尴尬,即可以评估优良中差,但却难以解释和预测为何会存在绩效差距。在大数据时代,由于绩效数据的丰富性和实时性,可以使其利用价值进一步凸显,并使绩效信息使用更加顺理成章。因此,政府绩效信息使用的频次、强度和多样性都会得到显著提升,并使政府绩效管理真正发挥作用。

第十,两种政府绩效管理模式的绩效信息公开程度有很大不同。传统模式的政府绩效信息公开程度低,往往仅限于内部公示,而对外披露的信息量也较少。人们可以获悉某个部门在某年度的绩效处于什么相对位置,但是具体在各个方面的进一步表现却无从得知。在大数据时代,政府绩效信息公开程度会较高。随着政府数据开放日益深入人心,不仅政府绩效信息会向社会公开,而且政府绩效的原始数据也将越来越广泛地公开〔 16〕59-78。这会使任何感兴趣的个人和组织都能够据此测量和评价政府绩效,而不仅限于政府部门“垄断”政府绩效管理。因此,同过去的“黑箱”相比,政府绩效会更像“金鱼缸”一样透明,并为政府问责和社会监督创造了更好的条件。

第十一,在应对弄虚作假(gaming)方面,两种政府绩效管理模式也存在明显差别。传统政府绩效管理模式饱受欺上瞒下、弄虚作假等博弈策略的负面影响,这同自下而上的报告绩效信息有关,也同绩效数据容易遭受扭曲和篡改有关。比如,在强激励和强问责的绩效管理体制下,有关GDP、空气污染、安全生产等方面的绩效数据容易被篡改,往往出现“数字出官,官出数字”的现象,成为绩效信息失真的重灾区〔 17〕7-10。在大数据时代,处处留痕、时时留迹的海量数据使弄虚作假无所遁形,大大挤压了地方政府博弈的空间,使政府绩效评估更加准确可靠。与此同时,大数据分析使一切数据和信息都可以回溯和校验,这会使政府部门更加不敢弄虚作假,也使弄虚作假更容易被揭发。对于同一个指标的多个数据来源或不同数据处理环节可以进行三角校验,很容易就可以发现数据造假的蛛丝马迹。比如,遥感卫星返回的夜间灯光数据,可以用于衡量空气污染程度;“蔚蓝地图”、社交媒体等提供了人们户外拍摄的图片以及对空气质量的评论,据此可以提取能见度等数据;每家每户安装的家用空气净化器,也提供了海量监测数据。这些数据打破了政府环境监测站对空气污染数据的垄断性,并为校验数据的真实性提供了依据。

三、大数据时代政府绩效管理的问题与隐忧

上述分析表明,将大数据分析技术应用于政府绩效管理有较大的潜在价值。但是,要认识到目标与手段、价值与工具之间的张力和关系,明确大数据分析技术服务于绩效管理的目的与定位,避免陷入技术决定论的窠臼。将大数据分析技术应用于政府绩效管理,仍然是为了实现政府绩效管理的核心目标,这包括问责、激励、学习、改进等。换句话说,要将政府绩效管理的目标同手段相匹配,使大数据分析技术可以服务于政府绩效管理目标。

近年来,有关技术治理的研究日益增多,反映了学者们高度关注大数据分析技术等新兴信息技术在国家治理中的应用潜力及其诱发的问题。与此同时,越来越多的研究引入行为科学和实验方法,期望探究政府绩效管理中的认知偏误、行为偏差及其解决之道〔 18〕6-9。至关重要的是要避免工具主义和技术决定论,即为了使用大数据分析技术而使用,否则就可能导致政府绩效管理目标和手段的本末倒置。从政府绩效大数据分析来看,需要认识到大道至简,厘清巨量数据的分解与归因,使大数据帮助政府部门刻画和解释绩效信息形成机理,进而为绩效问题诊断和绩效改进提供决策依据。具体来说,大数据时代政府绩效管理容易产生以下问题和隐忧:

(一)数据有时会被人为操纵,导致绩效扭曲

虽然大数据分析技术可以降低政府绩效管理普遍面临的博弈问题,但是这个问题可能仍将继续存在。大数据分析容易发生“见物不见人”的问题,即虽然大数据分析技术可以帮助政府部门采集海量数据,但是这些数据的真实意涵和具体指向可能会被错误解读。被评部门可能会采取一些弄虚作假的方式制造用于政府绩效管理的绩效数据,甚至产生绩效改进的假象。与此同时,政府绩效管理领域存在一个被称为“坎贝尔定律”的规律性现象,即绩效监测必然会导致数据扭曲和腐败。一旦一项数据被用于政府绩效管理,就可能使其陷入被操纵的风险〔 19〕。因此,作为工具的大数据分析技术可以缓解政府绩效管理面临的博弈和造假问题,但是只要强激励和强问责的压力型体制不进行相应转变,大数据分析技术的应用就可能会进一步助长而不是消弭这些问题。加强大数据分析技术对数据失真、弄虚作假、目标偏差等博弈问题的识别和应对,使政府绩效管理能够推动绩效改进而不是助长弄虚作假,可能是未来特别需要强化的实践方向。

(二)算法比较复杂,容易导致“黑箱”现象

由于大数据的复杂性和算法的神秘性,政府绩效管理进一步“黑箱化”,绩效数据向绩效信息的转化过程不可见和不可测,这使政府绩效管理进一步神秘化〔 20〕。如果说传统政府绩效管理所产生的绩效信息是一目了然和通俗易懂的话,那么大数据时代的政府绩效管理则变得令人费解和难懂。基于海量数据和复杂算法而得出的绩效分值或绩效指数,是对政府绩效的高度浓缩和抽象,可能无法对应公共管理人员的实际感知。与此同时,掩藏在算法背后的主观故意和偏见,也可能被算法“封装”而难以察觉,并使政府绩效信息失真问题进一步凸显。对于绝大多数人而言,他们往往很难进入大数据分析的“黑箱”,也很难参透其背后所隐含的秘密,而这会使政府绩效管理趋于神秘化。大数据时代的政府绩效管理使具备大数据分析的技术人员处于更加核心的位置,而作为“消费者”或用户的公共管理人员,则失去了对政府绩效管理过程的控制。如何加强对大数据分析算法的监管,避免算法本身带来的歧视和错讹,是大数据时代政府绩效管理需要特别关注的问题。

(三)绩效管理体制变革滞后,加剧造假风险

既有的政府绩效管理体制及其所处的组织模式,可能难以适应大数据时代的客观要求。政府绩效管理是公共组织管理的功能模块之一,需要同其他功能模块相匹配,并适应其所处的公共组织环境。大数据技术不仅要求政府绩效管理体制发生根本性变革,而且对政府组织模式会产生摧枯拉朽的影响。大数据时代的政府绩效管理在上述许多方面都迥异于传统政府绩效管理,并反过来要求政府绩效管理体制和政府组织模式进行深刻的组织变革和管理革命。比如,政府绩效信息的产生方式和流动方向会发生变化,而这有赖于官僚制自身的规则转变,否则就可能阻碍政府绩效管理的转型。如果其他功能模块和组织环境无法同政府绩效管理相适应,那么就会极大地限制政府绩效管理可能发挥的作用,并使大数据时代的政府绩效管理前景沦为空想。因此,在“社会运行和社会变化加速化、社会高度复杂性和高度不确定性”的后工业社会,迫切需要建构全新的组织模式,推动官僚制组织加快向合作制组织转变〔 21〕。

(四)数据挖掘有待深化,质性分析比较欠缺

在大数据时代,人们普遍关注的是大数据,但是还有同样重要的深数据,需要将大数据与深数据同时用于政府绩效管理。“深”数据意味着“深描”,是通过对日常生活的观察或互动而获得的,有关用户的价值观、目标和消费行为等的丰富质性信息。大数据可能是“浅”的,这样的数据对于用户而言意义不大,或者没有抓住最关键的问题。深数据则是基于访谈、观察等获得的深度解读,能够有力补充大数据,形成对政府绩效的完整刻画。因此,大数据时代的政府绩效管理仍然离不开深数据,需要采用混合分析法(mixed analytics),将大数据与深数据结合起来使用〔22〕7-10。对于领导干部而言,不能寄希望于坐在办公室“读屏”来获取绩效信息并进行决策,而仍然要通过调查研究和深入基层来了解生动鲜活的实际情况。大数据和深数据各有不同的优势并可以服务于不同的目的,而大数据时代的政府绩效管理也需要加强对二者的同时使用。

四、推进大数据时代政府绩效管理的策略

大数据分析技术为加速政府绩效管理创新提供了技术条件,但是政府绩效管理能否进入大数据时代,则取决于领导者的观念和决心、政府数字化转型和公众参与等因素。至关重要的是,大数据时代的政府绩效管理绝不仅仅意味着大数据分析技术在政府绩效管理中的应用,而且预示着政府绩效管理价值观、思维方式和组织模式的深刻转变。针对大数据时代政府绩效管理所面临的问题和隐忧,我们提出相应的对策建议,使大数据分析技术能够更好地应用于政府绩效管理。

(一)加强政府绩效管理的制度化建设

政府绩效管理的制度化至关重要,并决定数据驱动的政府绩效管理能否可持续发展。基于大数据的政府绩效管理有赖于问题、数据与领导的交互融合,即数据驱动、问题导向和领导力推的三者结合〔 5〕268-270。数据驱动的政府绩效管理可以说是一种绩效领导体制,强调来自高层领导者的强力支持。但是,“成也萧何败萧何”,只有推动政府绩效管理从人治走向法治,使之脱离高层领导者的过度影响,不断使特定高层领导者的个人烙印淡化,才能确保其能够在长期可持续发展,并推广应用到更大范围。与此同时,随着政府绩效管理周期的日趋缩短,类似于丰田公司等企业的“日日清”将成为可能,而绩效管理本身的价值也将式微。

(二)加快政府绩效管理体系的数字化转型

政府绩效管理是政府管理体系的模块之一,其对大数据分析技术的应用在很大程度上取决于政府整体的数字化转型进程。如果政府其他管理模块的数字化转型不够,那么政府绩效管理也很难充分利用大数据分析技术。比如,大数据分析依赖海量数据的互联互通,但是如果政府部门的数据难以汇聚和共享,那么政府绩效管理就将“巧妇难为无米之炊”。当然,大数据分析技术在政府绩效管理中的应用将倒逼其他管理模块的数字化转型,但是这些管理模块之间的相互依赖关系则使任何改革都可能“牵一发而动全身”。这要求政府确立数字化转型的整体战略,推动各个管理模块的数字化转型,并为大数据分析技术在政府绩效管理的应用提供有利条件。

(三)提升政府绩效管理人员的大数据分析能力,加强同相关企业和机构开展合作

在大数据分析技术方面,政府部门同企业有很大差距,特别是公务员普遍缺乏大数据分析意识和能力,难以适应大数据时代政府绩效管理的迫切要求。从公务员的信息技术能力而言,大数据分析是主要短板,并可能制约政府绩效管理在大数据时代的发展〔 23〕。进而言之,大数据时代的政府绩效管理同数字领导力有关,也即领导干部在互联网环境下进行领导的能力。如何吸引和培养能够胜任大数据分析的人员,是未来持续推进政府绩效管理转型的关键课题。与此同时,政府部门要认识到企业和机构掌握了大数据及其分析技术,可以通过多种形式加强政府与企业的合作和协同。这可能会使政府部门对企业的数据和技术依赖性进一步加剧,并需要构建和维护亲清新型政商关系,避免政府被企业“牵着鼻子走”。

(四)推动数据开放和公众参与

大数据分析技术在助力城市政府加强绩效管理的同时,也需要“取之于民,用之于民”,通过政府数据开放来推动公众参与、合作提供公共服务。政府部门积累了海量数据,但是这些大数据能否通过适当渠道和方式进行公开和可视化,让更多的民众、企业和学术机构利用这些数据进行商用、民用和研究,是未来应该考虑的重要课题。目前政府绩效管理仍然是公民、基层组织和各级政府部门之间垂直方向的数据流转,而缺乏跨部门和跨系统的横向数据共享,以及不同地区、层级和部门之间的“斜交”共享〔 24〕62-67。各级政府部门仍然是被动接受绩效考核和问责,但是却无法基于其所收集的大数据进行进一步的挖掘、分析和利用,一定程度上限制了大数据的潜在开发价值。未来应考虑加强政府绩效大数据的共享共用,使之服务于政府部门绩效改进,并使民众、企业等利益相关者可以获取这些数据并用于公共治理目的。

五、更深一些的思考

大数据分析技术蕴藏着无限的潜力,并在政府管理和公共服务的各个领域广泛应用。但是,大数据分析技术在政府绩效管理领域的应用还远远不够,相关研究也甚少,这同其在其他领域的高歌猛进形成了鲜明对比。毫无疑问,大数据分析技术为政府绩效管理创新提供了契机,但是真正将大数据分析技术运用于政府绩效管理的却还不多见。与此同时,少有研究考察大数据分析技术如何赋能政府绩效管理。之所以政府绩效管理领域还没有受到大数据分析技术的强有力冲击,就在于政府绩效管理本身具有较强的政治敏感性,并同各个政府部门及其工作人员的利益攸关。当各级政府的整体绩效管理模式仍然是以目标责任考核、公众满意度测评、第三方评估和绩效预算等为主流模式时,大数据技术在政府绩效管理领域的应用就很难一步到位。通过政策试点和学习来加快大数据分析技术在政府绩效管理中的应用,使越来越多的公共管理人员能够接受并拥抱大数据时代的政府绩效管理,是推进其进一步发展的关键所在。

本文探究大数据时代的政府绩效管理如何才能运转自如并发挥作用,具体比较了大数据时代前后政府绩效管理模式的根本转变。研究显示,同前大数据时代的传统政府绩效管理模式相比,大数据时代的政府绩效管理模式在管理目标、数据来源、数据类型、数据分析、管理周期、评估对象、信息使用、信息公开、信息可视化、信息真实性等许多方面有显著差别。大数据时代的政府绩效管理模式实现了以民为本和数据驱动,有力推动了政府绩效持续改进,可以说将带来政府绩效管理的一场深刻革命。但是,大数据时代的政府绩效管理也面临如何高效运行和可持续发展的挑战,这同算法的神秘性、数据的真实性和有效性等有关,也同政府组织模式的整体转型有关。

本文讨论了大数据时代的政府绩效管理面临的挑战,并探讨了如何进一步推动大数据时代的政府绩效管理。但是,这些探讨仍然是初步性的,大量问题还有待于进一步深化。与之相关的重要问题,包括但不限于如下方面:第一,影响大数据分析技术在政府绩效管理中应用的主要障碍是什么?这些障碍如何才能加以克服?在推进大数据分析技术的应用方面,应该采取自上而下还是自下而上的推进方式?第二,大数据分析技术同互联网企业提供的解决方案有关,这意味着大量政府绩效管理业务将不得不外包给企业,但是如何处理好政府与企业之间的微妙关系?第三,大数据分析技术将使政府绩效评估过程更趋复杂和难懂,政府部门如何对内和对外沟通绩效评估结果?领导干部和公众会如何认知大数据时代的政府绩效管理?第四,大数据时代的政府绩效管理会在多大程度上影响政府部门、领导干部和公众的哪些行为?我们期待更多的政府部门可以尝试和探索大数据分析技术在政府绩效管理中的应用,并希望有更多学者能够加强对大数据时代政府绩效管理的研究。

 

参考文献:

〔1〕Mergel I,Rethemeyer RK,Isett K.Big Data in Public Affairs〔J〕.Public Administration Review,2016(06):928-937.

〔2〕史蒂芬•戈德史密斯,苏珊•克劳福德.数据驱动的智能城市〔M〕.杭州:浙江人民出版社,2019.

〔3〕张建锋.数字政府2.0 M〕.北京:中信出版社,2019.

〔4〕Rogge N,Agasisti T,De Witte K.Big data and the measurement of public organizations’performance and effi原ciency:The state-of-the-art〔J〕.Public Policy and Adminis原tration,2017(04):263-281.

〔5〕Behn RD.The PerformanceStat Potential:A Leader原ship Strategy for Producing Results〔M〕.Washington:Brook原ings Institution Press,2014.

〔6〕唐纳德•P.莫伊尼汗.政府绩效管理:创建政府改革的持续动力机制 〔M〕. 北京:中国人民大学出版社,2020.

〔7〕马  亮.政府绩效信息使用:理论整合、文献述评与研究展望〔J〕.电子科技大学学报(社科版),2014(05):1-11.

〔8〕Gao J.Governing by goals and numbers:A case study in the use of performance measurement to build state capacity in China〔J〕.Public Administration and Develop原ment,2009(01):21-31.

〔9〕马  亮.公众参与的政府绩效评估是否奏效:基于中国部分城市的多层分析〔J〕.经济社会体制比较,2018(03):113-124.

〔10〕周志忍.政府绩效评估中的公民参与:中国地方政府的实践与经验〔M〕.北京:人民出版社,2015.

〔11〕尚虎平,孙  静.失灵与矫治:我国政府绩效“第三方”评估的效能评估〔J〕.学术研究,2020(07):50-58.

〔12〕Behn RD.Why Measure Performance Different Pur原poses Require Different Measures〔J〕.Public Administration Review,2003(05):586-606.

〔13〕周  涛.为数据而生——大数据创新实践〔M〕.北京:北京联合出版公司,2016.

〔14〕马  亮.大数据技术何以创新公共治理?——新加坡智慧国案例研究〔J〕.电子政务,2015(05):2-9.

〔15〕Ma L,Wu X. Citizen engagement and co-produc原tion of e-government services in China〔J〕.Journal of Chi原nese Governance,2020(01):68-89.

〔16〕郑  磊.开放的数林:政府数据开放的中国故事〔M〕.上海:上海人民出版社,2018.

〔17〕马  亮.目标治国:官员问责、绩效差距与政府行为〔M〕.北京:社会科学文献出版社,2018.

〔18〕James O,Olsen AL,Moynihan DP,et al. Behav原ioral Public Performance:How People Make Sense of Gov原ernment Metrics〔M〕.Cambridge:Cambridge University Press,2020.

〔19〕Hood C. Public Management by Numbers as a Performance -Enhancing Drug:Two Hypotheses〔J〕.Public Administration Review,2012(S01):85-92.

〔20〕Andrews L.Public administration,public leadership and the construction of public value in the age of the algo原rithm and “big data”〔J〕.Public Administration,2019(02):296-310.

〔21〕张康之.论社会运行和社会变化加速化中的管理〔J〕.管理世界,2019(02):102-114.

〔22〕Ang YY. Integrating Big Data and Thick Data to Transform  Public  Services  Delivery〔R〕.Washington:IBM Center for The Business of Government,2019.

〔23〕马  亮.公务员的信息技术能力与数字政府建设:中国城市的调查研究〔J〕.广西师范大学学报(哲学社会科学版),2020(02):34-44.

〔24〕马  亮.加强大数据视角下的疫情防控信息管理〔M〕//杨开峰,等. 统筹施策——疫情之后的公共卫生之治.北京:中国人民大学出版社,2020.

智能小助手智能小助手

会话开始
头像 效效

您好!我是智能小助手,为您提供智能查询服务。您可以在这里输入关键词查询相关栏目或内容,也可以根据我的提示输入身份类型或相应数字,让我为您推荐常用链接。
请问您是: