十九大报告指出，要以供给侧结构性改革为主线，着力加快建设实体经济、科技创新、现代金融、人力资源协同发展的产业体系，其本质是产业链、创新链、资金链和人才链的协同发展。而上述四个链条的有机联动、有效呼应，有赖于在监管层推进以打破行业壁垒和区域壁垒为导向的“政策链”统筹协调，在实施层推进以互联网为基础、以大数据为主线、以人工智能为驱动的“数据链”穿插联动。

目前，我国可利用、可开发、有价值的数据80%左右都集中在政府。促进大数据发展，首先要推动政府数据的治理与运营。在此背景下，全国多地纷纷成立了大数据管理局、大数据发展局等数据管理部门，以统筹大数据资源管理。但是在实际运行中，大数据管理部门普遍存在着“重创造轻管理、重数量轻质量、重利用轻增值利用”的现象，大数据发展中的诸多本质问题还有待厘清和规范，比如数据权属不清、数据归集无序、数据治理粗放、数据共享开放程度低、数据应用缺乏等。

大数据管理部门亟需一套完整的方法论和工具集来开展政府数据治理与运营。为此，我们提出“政府数据供应链”体系，通过打造政府数据供应链，来进行政府数据治理与运营，将有利于数据权属明晰化、数据归集智能化、数据资源资产化、数据供给流程化、数据资产服务化、数据服务价值化、数据安全运营化、价值共享联邦化。

一、政府数据供应链理念

在政府数据治理和运营体系构建的过程中，数据是最关键的生产要素，打造数据链是政府数据治理运营的核心内容。数据链是指数据从生产、归集、存储、治理、共享、开放到最终应用到业务场景中的过程和机制。整合数据链，要以人民为中心，广泛应用云计算、大数据、人工智能、物联网等新兴技术，全面汇聚政务数据、社会数据、互联网数据等各类数据，并进行融合创新，激活数据价值，赋能治理变革、服务升级和经济转型。

在打造数据链的过程中，大数据管理部门是核心主体。大数据管理部门不是数据的生产者，而是数据的治理、运营和管理者；大数据管理部门一般而言也不是业务的创新者，而是业务创新的数据支撑者。因此我们认为，大数据管理部门最重要的职责，就是要为业务部门打造一条健全良性、价值闭环的政府数据供应链。

政府数据供应链是指围绕政府数据，以大数据管理部门为主体，通过制定统一数据标准、管理统一数据质量、保障数据全生命周期安全，从对供应部门数据的采集开始，到数据的存储、治理、共享交换、挖掘计算、开放，最后把数据供应到需求部门手中进行数据应用，将数据生产方、数据采集方、数据治理方、数据运营方、数据平台方、数据开发方、数据消费方等连成一个整体的功能网链结构，以实现政府数据资源资产化、政府数据资产服务化、政府数据服务价值化。

二、政府数据供应链技术架构

图 1政府数据供应链架构图

政府数据供应链的总体框架由五大功能体系、九大流程环节构成。五大体系由数据生产运营体系、数据质量管理体系、数据价值评估体系、数据安全风控体系、数据联盟协同体系组成。九大流程环节包括数据归集、数据存储、数据治理、数据开发、内部共享交换、数据应用、外部共享交换、数据开放、数据交易环节。五大体系对九大流程环节提供全面的流程、质量、价值、安全和联盟协同保障能力。不同的功能保障体系都有其重点流程环节。

数据生产运营体系，是完善的数据采集及快速响应的数据供给的方法论和工具集。数据生产运营体系涵盖了数据供应链从数据归集到数据交易的全部九大功能环节，是实现政府数据供应链的基础，为后续数据联盟协同提供数据资源和共享交换能力。因此，数据生产运营体系的建设目标是通过广泛的数据源采集和交换，经过数据治理和开发，按照政府内部和外部共享交换需要，形成数据资产，从而为整体数据供应链提供全面、高效、可靠的数据资源供给服务能力。数据生产运营体系通过全栈技术支撑体系，支撑一体化数据归集、一体化数据治理、智能编排数据清洗、一站式敏捷大数据开发、AI辅助数据标准化、全链路自动化数据血缘，从而建设全域数据资产体系。只有通盘掌控全域数据资产，才能最大化提升数据供应链的数据资源供给能力。

数据质量管理体系，是评估公共数据质量的方法论和工具集。数据质量管理体系的重点关注环节是数据归集、数据治理、数据开发、数据应用和数据交易。开展数据质量评估是保障政府数据供应链各环节数据质量水平的重要工作，有助于推动政府数据供应链高效运转。数据质量管理体系将打造数据质量评估指标体系及相应工具集，建立完善的制度体系及评估流程，对公共数据质量进行评估，以评提升数据质量，以改优化数据服务。数据质量评估主要对政府数据供应链上产生的数据和治理后的数据进行评估，有利于提高数据的标准化、准确率和实时服务性，为实现数据的质量控制和质量保障提供支撑。

数据价值评估体系，是评估公共数据价值的方法论和工具集。数据价值评估体系的重点关注环节是数据归集、数据治理、数据开发、数据应用、数据开放和数据交易。数据价值评估体系将建立数据价值评估指标体系，对政府公共数据的不同方面的价值进行评价。数据价值评估体系是政府数据供应链的重要内容，也是数据能够在政府部门内部及各部门之间流通的驱动力。该体系通过多维度价值评估方法对数据供应链上各环节数据进行价值评估，能够体现数据在供应链流通中的增值水平和最终市场（共享交换）价值。如果缺少价值评估，就无法体现价值增值。数据价值评估的目的是衡量数据整体生产运营过程的投入产出情况，明确数据价值优先级，衡量数据供应链总体价值水平，为政府数据管理提供决策参考。

数据安全风控体系，是保障政务数据安全的方法论和工具集。数据安全风控体系的重点关注环节是数据归集、数据存储、内部共享交换、外部共享交换、数据开放和数据交易。数据安全风控体系是以数据为中心的新安全体系，提供数据全生命周期的安全保障能力，是政府数据正常运营治理的保障。其技术架构包含数据安全日志采集处理、数据安全日志存储、数据安全风险感知、数据安全日志审计四个层次。数据安全风控体系应当具备数据流量风险分析检测、行为风险分析检测、基于区块链的审计溯源、风险控制系统四大关键能力。

数据联盟协同体系，是数据共享联盟和数据交易联盟的方法论和工具集。数据联盟协同体系将打造跨省区的政府数据共享和跨行业的数据交易，重点关注环节是外部共享交换、数据开放、数据交易。数据联盟协同体系的作用是统一组织和管理供应链中的数据供需各方，实现供应链健全良性、价值闭环、有序增长。在政府数据供应链层面，数据联盟协同体系就是要组织各级政府、政府各部门形成本区域的、跨区域的、纵向行业的政府数据联盟。基于此，数据联盟协同体系要组建质量联盟、价值联盟、安全联盟，并沉淀成员管理机制、数据管理制度、数据标准、数据质量标准、数据价值评估规范和标准、数据安全风控制度和技术方案等。

三、政府数据供应链实践探索

当前，“政府数据供应链”体系在多方努力下，已经形成了完整的理论、方法论和总体架构，并且在重庆市大数据发展局、重庆市两江新区以及潼南区、渝北区展开了落地试点，取得了良好的初步成效。未来希望能够在重庆建设全球数据供应链、交易链、联盟链，将重庆打造成国家数据区域样板点；将两江打造成国家级新区新型智慧城市典范；将潼南打造成智慧城市与美丽乡村融合发展的样板；将渝北打造成数字中国建设国家示范标杆。

重庆市为规范政务数据资源管理，2019年来先后出台“两方案一办法”：《新型智慧城市建设方案》绘制了“顶层设计架构”和“施工图”；《“云长制”实施方案》明确了推进机制和责任；《政务数据资源管理暂行办法》提供了推进工作的法制保障，构建了基于政府数据供应链的系统化顶层设计。重庆市大数据发展局正在规划建设的“城市大数据资源中心”，采用“2+4+N+N”的架构体系汇聚、治理、共享、开放数据，通过建立“三清单”（目录清单、需求清单、责任清单）机制打通数据供给端与需求端，推动数据的有序归集和高质量供给；通过建设基础库、主题库和部门数据资源池，支撑全市各类各领域的智慧应用。重庆市大数据发展局相关负责人称，作为“一带一路”的开放前沿，重庆将通过政府数据供应链的先行先试，打造“数字丝绸之路”的数据智能枢纽。未来，希望各省区一起共创政府数据供应链。

两江新区提出了“一数两江”的开放创新理念，构建了“一脑两掌一中心”的解决方案，即打造数据大脑、掌上办公、掌上办事和城市运营中心，通过应用驱动数据流通，实现数据归集、共享开放和融合创新。在此过程中，两江新区积极响应重庆市大数据应用发展管理局的号召，不仅与新区各部门形成数据共享与业务创新的数据供应机制，还基于“市级—区县”两级数据供应体系，通过数据共享共治开展业务创新。针对两江新区目前存在的数据共享不充分、体制机制不健全、平台建设待创新等问题，从制度、基础设施、平台、应用等方面采取了一系列措施，制定了长远的计划，通过数据智能赋能两江成为“智慧政务服务新区、智慧治理示范新区、智慧生活体验新区和智慧经济发展新区”。

潼南区以柠檬产业为抓手，基于城市数据大脑，发展“互联网+区域特色产业”，通过打造“柠檬指数”助力潼南柠檬产业发展，并在政务服务、城市治理、产业经济等方面不断延伸。未来，潼南将进一步通过政府数据供应链体系，打造“柠檬指数2.0”，实现柠檬产业资源与更多产业资源进一步融合，并逐步打通出行、交通、旅游、信用等行业；大力实施 “智慧潼南” “六个一”建设，即：一个数据大脑承载，一笔数据资产沉淀，一批智慧项目推动，一个城市APP服务，一个高效团队运营，一个数字生态圈形成，实现潼南“城市数据大脑”在政务、城市、产业等领域更广泛的应用，打造智慧城市与美丽乡村融合发展的样板。

渝北区依托仙桃数据谷积极构建整合数据链、激活创新链、培育人才链、配置资金链、汇聚产业链的数字经济“五链协同”发展体系。整合数据链，以数据归集为切入点，通过探索完善政务数据和社会数据平台化对接机制，实现渝北区信息化实现全方位数据感知；激活创新链，成立重庆西部大数据前沿应用研究院，推动打造面向西部地区的大数据协同创新体系；培育人才链，由北京大学等高校联合发起成立重庆市仙桃大数据与物联网职业培训学院，开展大数据智能化产业人才的培养；配置资金链，通过设立知识产权基金、产业创投基金和股权投资基金等相结合的方式，为渝北数字经济发展提供资金扶持；汇集产业链，围绕物联网、人工智能等技术和智能汽车、智能终端等产业，建立由N个企业组成的大数据产业链、价值链和生态系统。未来，渝北区将进一步打造数字政府治理体系、构建数字经济发展体系、完善数字社会服务体系，全面推进“数字渝北”建设。

四、结语

    建设健全良性、价值闭环的政府数据供应链，需要联合政府、企业、社会等多方力量，组建政府数据供应链开放工作组，探索研究政府数据供应链的建设和评价机制，推进政府数据供应链体系的完善和落地，挖掘政府数据供应链建设的优秀案例并总结经验进行推广，督促政府数据供应链相关标准规范实施，促进大数据及数据供应链人才建设，不断助力网络强国、数字中国、智慧社会建设。

参考文献

[1] Miha’ly Ormos*, Da’vid Zibriczky．Entropy-Based Financial Asset Pricing[J]．PLOS ONE，2014，DOI:10.1371：3-7.

[2] Mark Kelberta, Izabella Stuhlb, Yuri Suhov．Weighted entropy: basic inequalities[A]．AMCTA-2017[C]．VTeX，2017：234-237．

[3] Leo L. Pipino, Yang W. Lee, and Richard Y. Wang．Data Quality Assessment[J]．COMMUNICATIONS OF THE ACM，2002，45(No. 4ve)：212-216.

[4] Zhihong Lin, Yueqing Wu．Research on the Method of Evaluating the Value of Data Assets[A]．EEMT 2016[C]．Atlantis Press，2016：489-491．

[5] ISO 8000-8-2015，Data quality – Part 8: Information and data quality: Concepts and measuring[S]．IX-ISO，2015．

[6] Satoshi Nakamoto. Bitcoin: A Peer-to-Peer Electronic Cash System[R]. https://bitcoin.org/bitcoin.pdf, 2008.

[7] Gartner. Gartner Research: Market Guide for Data-Centric Audit and Protection[R]. https://www.gartner.com/en/documents/3645326, 2017.

[8] 刘彬芳，魏玮，安小米.大数据时代政府数据治理的政策分析[J].情报杂志,2019,38(1):142-147,141.

[9] 杨琳，高洪美，宋俊典，张绍华.大数据环境下的数据治理框架研究及应用[J].计算机应用与软件,2017,34(4).

[10] 刘桂锋，钱锦琳，卢章平.国内外数据治理研究进展：内涵、要素、模型与框架[N].图书情报工作，2017.

[11] 夏义堃.政府数据治理的国际经验与启示[N].信息资源管理学报，2018（3）.

[12] 黄璜，孙学智.中国地方政府数据治理机构的初步研究：现状与模式[J].中国行政管理,2018（12）.

[13] 黄莺.元数据质量的定量评估方法综述[J]．图书情报工作，2013，57(4)：143-146.

[14] 张驰.数据资产价值分析模型与交易体系研究[D].北京交通大学,2018.

[15] 张绍华，潘蓉，宗宇伟.大数据治理与服务[M].上海科学技术出版社，2016.

[16] 孟庆国.《数字政府转型的维度与逻辑——2019中国电子政务论坛》.清华大学国家治理研究院.

[17] 念灿华.《全球政府数字化转型经验及借鉴》[J].《数字中国建设通讯》，2019.

作者简介：国家信息中心数字中国研究院“政府数据供应链”研究联合课题组，本白皮书研究课题组由国家信息中心数字中国研究院发起，与重庆市大数据应用发展管理局、重庆市两江新区管委会等单位，清华大学、北京大学、北京师范大学、中央财经大学等高校，杭州数梦工场科技有限公司等企业共同进行研究。

本文发表于由国家信息中心数字中国研究院编辑出版的《数字中国建设通讯》2019年第3期

原文始发于：“政府数据供应链”理论研究与实践探索