一、问题的提出：良善数据治理何以实现？

随着互联网技术的快速发展，流动的数据已经成为连接全世界的载体，也成为促进经济社会发展、便利人们生产生活的原动力。各类组织，尤其是公共部门，越来越多地收集和使用“海量而开放的关联数据”（Big and Open Linked Data，BOLD）。

政府创新就是为了寻找新的方法来改善社会发展、政府自身运作以及政府和公众之间的关系，诸多此类创新都是由“海量而开放的关联数据”（BOLD）之“可用性”（availability）驱动的。“海量而开放的关联数据”与机器学习、其他形式的人工智能相结合，导致“大数据算法系统”（Big Data Algorithmic Systems，BDAS）被广泛运用于个人和组织的决策中。

2016年，美国数学家凯西•奥尼尔（Cathy O’Neil）在《算法霸权》一书中阐述了“大数据算法系统”无处不在的运用场景：从评估教师的教学成果、在线推销大学课程，到提供民间借贷、预测回到社会的犯人再次犯罪的可能性等。

利用“大数据算法系统”来改善政府的社会治理，提高政府应对未来不确定性的能力，受到各国政府的普遍重视。在“新冠肺炎”（COVID-19）疫情防控中，“大数据算法系统”在追踪隔离、医疗救治、交通管理、物资调配等防疫活动中便发挥了独特作用[5]。然而，“大数据算法系统”在很大程度上依赖于使用各种不同来源的综合数据，其中一些数据是由组织自身控制，另一些数据是由“伙伴组织”控制，还有一些数据则是由未知实体控制。换言之，数据是“大数据算法系统”得以有效运行的基础。如果不对这些数据进行控制以确保质量和合规性，那么“大数据算法系统”将可能因为存在各类隐含风险而无法做出相应的决定。因此，许多组织均将“数据治理”（data governance）作为一种手段，对其数据的质量以及对相关法律和伦理要求的遵守情况进行控制，以保证可信决策的实现。

良好的数据治理对于数据驱动型政府的建构是必不可少的，它作为政府数据战略的一部分，可以帮助从数据资产中提取价值，在更大范围内实现更多的数据访问、共享和整合，并提高整体效率和问责制。数据治理通常包含角色与组织、数据线路、政策与标准、架构、合规、问题管理、项目与服务等核心要素[6]。由于数据使用和组织结构之间的不匹配很容易导致数据孤岛、数据重复、数据缺失、数据错误、责任不明确等问题，进而影响数据治理的成效。因此，数据治理方法的选择至关重要。数据治理的方法主要有规划与控制方法（planning and control approach）、组织性方法（organizational approach）、基于风险的方法（risk-based approach）三类。其中，数据治理的组织性方法强调结构、责任、问责和报告，这种方法采用顶层设计的原则，为数据治理设置了组织结构，并将数据治理作为一种明确的权威（defining authority）。

政府首席数据官（Chief Data Officer，CDO）制度是数据治理的组织性方法的具体实践，成为公共部门提升数据治理能力、优化数据资源配置、权衡各方利益冲突、推动数字政府建设的一项重要举措。

尽管该制度引发了我国社会舆论的广泛关注，但尚未引起学术界及时、有效、广泛的理论回应，仅有少数学者从比较视角对政府首席数据官制度展开初步研究。

对于政府首席数据官制度在整个数据治理体系中到底处于何种地位，政府首席数据官制度在理论上是否具备理论基础，政府首席数据官制度在我国是否具备引入的必要性和可行性等问题，仍然有待研究。

有鉴于此，本文拟以行政组织法的一般原理为指引，以政府首席数据官制度为主要参照领域，考察数据治理的行政机关设置情况，探究数据治理的组织法构造，为推动“良善数据治理”的实现提供参考建议。

二、数据治理与数据行政组织的基本要求

数据治理是应对数字社会、信息社会、智能社会的重要方式之一。这些新型社会形态与传统的工业社会、农业社会之间存在较大的区别，若完全延续或照搬既有的行政组织，套用传统的行政组织法原理，可能难以为数据治理提供有效的组织保障，因为数字时代的（大）数据有其独特性。

（一）数字时代的（大）数据特性

在信息与通信技术（ICT）尚未广泛使用之前，数据便以各种形式存在于人类社会之中。从旧石器时代晚期的棍棒、石头和骨头上的“计数标记”，到1854年英国流行病学家约翰•斯诺通过统计居民数据绘制霍乱疫情图，再到许多国家进行的人口普查，均体现了数据的产生、收集与分析[12]2-4。正如有学者所指出的，“人类的一切生产、交换活动，可以说都是以数据为基础展开的”[13]297。在传统意义上，数据意指“有根据的数字”，即“是对客观世界测量结果的记录，而不是随意产生的”[13]298。进入信息时代之后，“数据”二字的内涵开始扩大，不仅代指“有根据的数字”，还统指一切保存在计算机中的信息，包括文本、图片、视频等。本文所指的“数据”主要是指人类社会进入数字时代后所出现的“大数据”。不理解数字时代的（大）数据特性，就难以准确把握数据治理的应有之道。

在数字时代，数据由“小数据”发展为“大数据”，其背后的成因归结起来主要有三点：一是摩尔定律，人类保存数据的能力增强；二是社交媒体，人类生产数据的能力增强；三是数据挖掘，人类使用数据的能力增强。

“大数据”并非一个确切的概念，在传统意义上，这个概念意指“需要处理的信息量过大，已经超出了一般电脑在处理数据时所能使用的内存量”；如今，这个概念可以泛指“人们在大规模数据的基础上可以做到的事情，而这些事情在小规模数据的基础上是无法完成的”。

为了描述大数据的关键特征，从而达到定义该术语的目的，高德纳分析员道格•莱尼（Doug Laney）在2001年的文章中提出使用“3V”来表征大数据：

一是数量大（volume）,大数据是传统小数据与现代大记录进行融合的产物，“数量”指的是收集和存储的电子数据量，而且数据一直在持续增加中。

二是种类多（variety）,大数据是由结构化数据、非结构化数据或半结构化数据组成，数据源既有可靠的，也有令人生疑的，重复和讹误的数据随处可见。

三是速度快（velocity）,在万维网、智能手机和传感器等技术或设备的推动下，不仅大数据的生成速度加快，而且传播速度也越来越快，数据的处理速度以及可变性都前所未有地提高。

（二）数据行政组织的基本要求

大数据的出现颠覆了传统的数据治理方式，在数据来源、数据处理方式、数据思维等方面均发生了革命性变化。为了适应数字时代的（大）数据特性，数据治理在组织上不仅应当遵循传统行政组织的一般原则，如依法组织原则、行政分权原则、组织效率原则等，而且还要符合数据治理对协作性、权威性、参与性等特别要求。

第一，协作性原则。传统的行政组织主要体现为韦伯意义上的“官僚制”，即建立在高度分工和专业化基础之上的，通过横向和纵向明确分工来完成相应职能。然而，在信息化、数字化、智能化的冲击下，跨部门问题越来越多，这种僵化体制不断受到挑战，“综合执法”“协同治理”越来越成为行政组织改革的重点方向。就数据治理而言，在大数据时代，数据来源变得更加广泛和复杂，搜索引擎数据、医疗数据、消费数据、天文数据、环境数据、实时数据等不同类型的数据通常产生于不同行业或领域的组织和个人，进而形成一个个“数据孤岛”，要充分发挥大数据分析在组织和个人决策中的作用，就要打破“数据孤岛”，加强政府内部各部门之间的协作，推动数据的有序、安全共享。因此，在数据治理的组织构造上，应当坚持协作性原则，通过完善协同治理的机制，鼓励部门之间通过合作来完成目标。

第二，权威性原则。“组织结构是权力结构的具化形态，也是管理体制的载体”[16]。组织的有效运行必须解决权威性的问题，权威性来源于组织的合法性和职能的成功履行。在行政治理中，行政组织的权威性至关重要。一方面，行政组织的权威性首先来源于合法性，即必须有法律的保障，为此，需要制定相关的法律对行政组织的地位、性质、职能等问题进行界定。另一方面，行政组织的权威性还取决于其职能的有效履行，如果不能有效履行职能，则组织也不能存续，其权威性也无从保证。在数据治理中，由于数据通常是分散在不同公共部门，在“数据即权力”的发展趋势下，公共部门由于“利益取向”“竞争效应”等因素，通常会通过各种博弈来谋求本部门的“利益”，为数据治理人为设置各种隐性或显性障碍。因此，数据治理组织必须具有权威性，一方面要通过立法来对数据治理组织的地位、职能、权力等方面予以确立，另一方面应当完善权力行使机制，确保数据治理组织的职能得以有效履行。

第三，参与性原则。马克斯•韦伯曾指出，“任何官僚制组织都力求通过对知识和意图的保密来增加其专业上的优势地位”，“职业机密亦是官僚制的独特发明”[17]。传统官僚制组织的控制会产生对权力的妄想，这种控制欲容易遮蔽理性的取向，导致行政组织对民间的呼声非常迟钝，其信息系统缺乏对社会的回应性及环境的适应性。数据不同于石油等传统资源，其价值在于流动。无论各种主体以何种方式开展数据治理，其核心都是要推动数据自由安全流动，以便最大限度地挖掘释放数据价值。在数据治理中，对于纯粹的科技问题应当由数据科学专家去解决，而对“数据归谁所有”“谁可以用数据”“数据权益如何分配”等问题则要常态化地听取社会公众的意见，并且接受社会公众的监督。因此，在数据治理中，应当坚持参与性原则，让数据科学家、社会公众代表等参与者与行政机关形成一个整体，弥补数据治理组织民主性不足的问题。

三、数据治理的组织框架模式及其实践现状

数据治理本身并不是目的，它需要直接与组织的战略相结合，它越有可能清晰地帮助解决组织的问题，人们越有可能改变行为并采取治理实践。按照数据治理的一般经验，数据治理需要传统的行政组织进行一定程度的变革。数据治理组织既要符合行政组织法的基本原则，也要契合数字时代（大）数据的特性。

（一）数据治理的组织框架模式

每个组织都应采用一种支持其业务战略的治理模型，并在其自身的文化背景下取得成功。模型因各个组织的结构、重视程度和决策方法的不同而各异。一些模型是集中化治理，其他的则可能是分布式治理。所有的数据治理模型均应当具有一定的灵活性和适应性[18]。数据治理组织的设计和选择取决于公共部门现有的架构、数据治理目的和组织对集中与协作的文化倾向。数据治理的组织框架模式大致可以分为三种基本类型[19]。

第一种是集中式治理（centralized model），即一个数据治理组织监督所有主题领域中所有与数据治理相关的活动。由一个数据治理组织统一负责识别、定义、升级和解决与数据安全、数据访问、数据质量、合规性、数据所有权、策略、标准、术语或数据治理程序相关的问题（参见图1）。

第二种是分布式治理（replicated model），即由多个数据治理组织，它们分别负责各自业务领域的数据治理活动。尽管每个业务领域的数据治理操作模型和标准基本上趋于一致，但也会受到不同业务领域所面临的具体问题、组织文化等因素的影响而有所不同（参见图2）。

第三种是联合式治理（federated model），即一个数据治理组织与多个业务单元进行协调，以维护定义和标准的一致性。在这种组织模式框架中，由一个数据治理组织统一确定数据治理的策略、框架、标准等，然后再由不同业务单元结合自身的实际情况，去完成数据治理任务（参见图3）。

（二）我国数据治理的组织模式

自党的十八大以来，数据治理一直受到我国政府部门的高度重视，尤其是数据成为重要的市场要素后。从已有的治理实践看，我国政府数据治理组织模式尚处于探索发展中，其现状既有“集中式治理”的特征，也有“分布式治理”的特征，可以称之为“混合式治理”。

⒈中央层面：以分布式治理为主

目前，在中央层面，我国尚未建立统一的政府数据治理组织。不过，国务院的一些政府部门也通过职能改革，对政府数据治理的组织体系进行了初步探索。例如，国务院直属事业单位“中国气象局”专门设立了直属单位“国家气象信息中心”，该中心的一项重要职责便是“承担气象数据存档管理与服务，负责国家级气象数据存储检索系统建设、运行，负责向应用部门和用户提供气象数据和信息服务，以及相关技术支持”。国家发展改革委的直属事业单位“国家信息中心”，其主要工作职责便包括“开展大数据决策支持服务，研究大数据发展战略与总体规划，推动数据共享、开放与应用；开展大数据领域关键共性技术、核心算法模型等基础研究”。总体而言，在中央层面，政府数据治理组织模式主要以“分布式治理”为主。

⒉地方层面：以集中式治理为主

目前，一些地方性法规或政府规章规定由“大数据主管部门”来承担政府数据治理的主管责任，统筹协调政府数据治理工作。在具体的制度建构方面，目前已经有很多地方政府通过设立专门的“大数据管理局”来承担政府数据治理工作。截至2021年4月，在全国31个省级行政区中，共有21个省（直辖市、自治区）设立了省级大数据管理机构，占比67.74%。从这些地方大数据管理机构的成立路径来看，大致可以分为两种：一种是通过职能整合新设立机构；另一种是赋予其他机构数据治理职能并挂牌[20]。对于那些通过新设立机构来主管政府数据治理的地方，一般通过“三定方案”来对“大数据管理局”的职能配置、内设机构和人员编制进行具体规定。例如，根据《河南省大数据管理局职能配置、内设机构和人员编制规定》的规定，河南省大数据管理局的主要目标是对政务服务和数据管理工作进行集中统一领导。总体而言，在地方层面，我国政府数据治理组织主要以“集中式治理”为主。

总体而言，我国政府数据治理组织模式主要是一种“混合式治理”，从其实际运行效果来看，尚存在以下问题：

第一，政府数据治理机构的职能定位与国家数据治理战略、数据市场要素地位不相匹配。自2015年8月国务院印发《促进大数据发展行动纲要》（国发〔2015〕50号）和2020年3月中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》以来，数据治理成为国家大数据战略的重要组成部分，数据成为重要的市场要素之一。从目前政府数据治理机构的职能定位来看，一些政府数据治理机构热衷于扶持各种“新项目”或“相关企业”，没有从规范、政策、体制、机制等层面去着力解决数据治理所面临的基础性难题。

第二，政府数据治理机构的行政级别与数据治理所要求的统筹性、协作性、权威性等特征之间不匹配。在我国的政府治理运行中，“行政级别决定了资源和权力的配置方式”。从目前政府数据治理机构的行政级别来看，大部分政府数据治理机构仍很难承担起“推进政府数据开放共享”“提升社会数据资源价值”“加强数据资源整合”等数据治理重任。

四、数据治理的组织结构优化：政府首席数据官制度

从域外政府数据治理经验来看，“联合式治理”融合了“集中式治理”和“分布式治理”的优势，越发成为各国政府数据治理组织模式的主要选择。其中，“政府首席数据官制度”（Chief Data Officer）能够很好地契合“联合式治理”的基本特征，在很多国家已经成为政府数据治理的重要组织性保障。

（一）政府首席数据官制度的一般原理

“首席数据官”作为一个以数据为中心的组织高层管理角色最早出现在产业界。

早在2002年，美国第一资本金融公司（Capital One）就任命了第一位首席数据官。随着数据在私营企业的战略制定和日常运营中发挥着越来越重要的作用，很多企业均在其组织架构中设置了“首席数据官”一职，我国产业界亦于2015年9月由华为、联想、海尔等企业事业单位成立了“首席数据官联盟”。

根据美国NewVantage Partners发布的《2020年大数据高管调查报告》，57%的《财富》1000强企业表示，它们已经任命了一名首席数据官。

IBM商业价值研究院（IBM Institute for Business Value）通过对企业首席数据官制度进行考察，将“首席数据官”界定为：负责创建和执行数据与分析战略以推动商业价值的业务领导者，具体而言，这一角色负责确定、制定和执行本组织获取、管理、分析和治理数据的战略和方法，承担着通过更有效和更具创造性地使用数据来推动确定新的商业机会的战略责任。

简而言之，对于私营企业而言，首席数据官实际上是企业中负责数据资产管理的“C级管理人员”（C-level position）。

随着企业首席数据官有效地改善和加强了私营企业的数据资源管理，一些政府部门也将“首席数据官”这个职位引入政府的数据资源管理和数据治理中。因此，政府首席数据官制度也深受企业首席数据官制度的影响，当然也包括对首席数据官内涵的界定。

国际首席数据官协会（International Society of Chief Data Officers）对首席数据官作出了一个相对较为中立的定义：首席数据官是组织中负责数据愿景、使命及文化传播的高层管理者，通过提高组织数据能力支持组织战略。

哈佛大学肯尼迪学院高级研究员简•怀斯曼（Jane M. Wiseman）通过实证研究发现，尽管没有两个政府部门的首席数据官之工作职责是完全相同的，但也存在很多相似之处，大部分政府首席数据官均负责政府数据开放共享、政府数据治理和数据资源管理（参见表1）。

综上所述，我们可以将“政府首席数据官”界定为：在政府部门中负责数据战略的制定与执行，并通过提高政府部门的数据能力支持行政监管、公共服务、行政决策等行政活动的数据管理者。相应地，“政府首席数据官制度”则是对于政府首席数据官管理规范的总称，包括政府首席数据官的权、责、利、能关系，以及录用、考核、培训、薪酬、退出等管理规定。

需要说明的是，本文所指的“政府首席数据官”，既指那些被正式任命为“首席数据官”的人，也包括那些在没有这一头衔的情况下履行相同职责的数据领导者；既包括参与组织决策和数据战略的高层管理者，也包括主要负责组织数字基础设施架构和数据库系统建设的中低层管理者，这样或许才能更为真实地反映政府首席数据官制度的现实状况。

（二）政府首席数据官制度的理论基础

政府首席数据官的兴起，除了受到供给侧和需求侧的各种因素影响外，还有坚实的理论基础。笔者主要从国家能力理论、权利保护理论和资源配置理论三个方面对政府首席数据官的理论基础进行阐述。

1 国家能力理论

“国家能力”（state capacity）一直是政治学、经济学研究的重要命题。基于不同的研究视角，学界对这一概念的归纳，也是各有侧重，难以形成统一的结论。检视国家能力研究的相关文献，大致可以梳理出三类具有代表性的国家能力观：一是国家中心主义的国家能力观；二是社会中心主义的国家能力观；三是国际体系维度的国家能力观。其中，前两类主要是以国家与社会关系为理论视角；第三类则是以国家间关系为理论视角[28]。王绍光和胡鞍钢认为，国家能力是指国家将自己意志、目标转化为现实的能力。具体而言，国家能力大致可以概括为四种能力：汲取能力、调控能力、合法化能力和强制能力[29]。英国学者马丁•洛奇（Martin Lodge）和凯•韦格里奇（Kai Wegrich）认为，现代国家解决问题至关重要的四种核心能力是提供能力、协调能力、监管能力和分析能力[30]。

政府首席数据官制度实际上是国家能力理论的延伸和具体实践，它与现代国家解决问题的核心能力是相契合的。政府首席数据官制度的核心是政府通过专门的机构或专门的人员来负责政府数据治理工作，它有助于提升政府在数字时代的治理能力。

首先，政府首席数据官制度有助于增强政府的服务提供能力。在大数据时代，随着社会数字化进程不断加深，政府提供公共服务的方式也在发生变化，其基础性工作是激活政府数据，优化公共服务的提供。政府首席数据官制度通过促进政府自身的数字化转型，不断优化公共服务提供的方式和成本，同时加快政府数据开放进程，不断增强政府的服务提供能力。

其次，政府首席数据官制度有助于增强政府的协调能力。在大数据时代，行政权力的运行机制也在发生变化，碎片化的部门执法已经难以满足社会经济的发展需要，亟待消除不同部门之间的隐性壁垒，加强行政权力运行系统的整合与协调。政府部门之间行政权力协调运行的基础是信息的沟通和流动，然而，等级制的职位设置、专业化分工、集中决策等官僚结构特性在一定程度上阻碍了信息的流动，不利于行政权力运行的协调。政府首席数据官制度通过任命高层次的数据领导人员或高级别的数据治理机构，可以在一定程度上促进数据在政府部门内部的流动，增强政府的协调能力。

最后，政府首席数据官制度有助于增强政府的分析能力。在大数据时代，分析能力集中体现为政府从海量数据中获取信息和知识的能力，以及政府通过“数据开放”提升第三方分析政府数据的能力。政府首席数据官的一个重要职能就是推进大数据技术的发展与应用，制定和执行大数据战略，同时促进政府数据开放，因此，有助于提升政府部门的大数据能力，将各类数据分析工具应用于政府决策中，提升政府的分析能力和循证决策能力。

2 权利保护理论

基本权利保护或人权保护一直是各国公法理论的核心命题，是近代以来的宪法所努力追求并积极实践的方向。一般认为，基本权利的功能可以大致分为两种：一种是基本权利的防御功能，即基本权利主要是人民对抗国家的防御权，避免个人自由领域受到国家公权力的不当干预；另一种是基本权利的受益功能，即基本权利要求国家以积极的行为为公民基本权利的实现提供一定的给付。

数字时代的来临，基本权利功能的作用范围也随之发生变化，一些新型权利要求国家履行新的消极义务或积极义务，尤其是“数字人权”的保护。在数字时代，公民权利保护领域遭遇前所未有的威胁，尤其是个人隐私、算法歧视、数据产权、数字鸿沟、公众知情权等方面遭遇很多挑战，因此，需要在公共政策中注入“数字人权”的价值，强化“数字人权”的保护机制。

政府首席数据官制度符合大数据时代“数字人权”保护对政府部门提出的新要求，有助于更好地实现“数字人权”的保护。

一方面，政府首席数据官可以通过加强对政府部门自身的数据处理行为的规范，将个人信息保护和数据安全的法律要求融入政府的行为活动中，从政府部门内部强化对“数字人权”的保护。

例如，随着自动化算法系统在公共行政中的广泛运用，自动化行政决策也逐渐普遍，在提高行政效能的同时，也面临算法决策黑箱化、算法歧视、数据安全风险等问题。对此，理论和实务提出了“技术制衡技术”的监督理念，要求政府部门实施“数据保护影响评估”“算法影响评估”“通过设计保护隐私”等机制，而要让这些机制落到实处，需要政府部门提供一种稳定、持续的制度予以实施，政府首席数据官制度恰好可以承担这一职责，让诸多应当由政府部门实施的“技术制衡技术”机制得以有效实施。

另一方面，政府首席数据官可以通过加强对其他数据控制者的行为监督，促使政府部门外部的数据控制者落实“数字人权”保护要求。从我国个人信息保护的立法趋势来看，由政府职能部门分散实施个人信息保护的行政监管将成为我国个人信息保护执法的主要模式。

在此情况下，如何让政府部门能够及时跟上产业界的发展步伐，对产业界的诸多新问题作出适度回应，这需要提升政府部门的执法能力。政府首席数据官制度通过吸收专门的数据科学人才进入政府部门，能够在一定程度上缓解政府部门与产业界之间的信息不对称，可以根据产业界的发展状况，及时调整政府的大数据战略及政策工具，增强政府部门的执法能力，在促进产业、技术发展与“数字人权”保护之间取得适当平衡。

3 资源配置理论

在新古典经济学看来，正是由于资源的稀缺性，导致人类社会面临三大基本经济问题：生产什么、如何生产以及为何生产。作为经济发展的基本条件和表现形式，资源优化配置是指为最大限度减少宏观经济浪费和现实社会福利最大化而对现代技术成果与各种投入要素进行的有机组合。

经济学对于资源配置机制的讨论主要涉及三个方面的问题：一是资源配置的组织形式，即解决由谁来进行资源配置的问题；二是资源配置的方式和路径，即解决资源如何配置的问题；三是资源配置的绩效，即对资源配置中的公平和效率进行评价。

从政府首席数据官的角色来看，数据资源的配置是政府首席数据官必须具备的一项重要职责，其主要是通过数据资源的集成、共享和开放来实现的。随着信息化和数字化的不断推进，数据已经成为一种新的市场要素。在我国，政府部门作为信息化和数字化的倡导者，无疑成为数据的最大生产者和拥有者。通过多年的政府信息化建设，各级政府及相关部门积累了大量的数据。其中，大多数来自履行国家事务、开展政府业务工作及管理各项公共事务过程中，所积累的政府内部和外部的相关数据。

如今，这些数据资源尚待进一步开发和利用，正如李克强总理所指出的，“目前我国信息数据资源80%以上掌握在各级政府部门手里，‘深藏闺中’是极大浪费”。

政府数据资源与传统的物质资源相比，具有特殊性，原因在于，数据是参与资源配置的配置要素，这意味着数据既是资源配置的主体，也是资源配置的客体。因此，对于数据资源的配置主要通过数据资源的集成与共享来实现。

政府数据资源的集成有助于消除目前政府数据中出现的“数据孤岛”，有利于实现数字资源的开放共享。为此，不仅需要建设可供开放共享的数据基础结构和系统，而且还需要改造政务流程的数据组织，形成合理的数字化组织机构。在此背景下，政府首席数据官可以统筹整合政府数据资源，将政府数据资源配置到那些最重要的需求部门、需求领域和需求行业，促进政府数据资源的合理配置。

（三）政府首席数据官制度的域外实践

政府首席数据官制度最早起源于美国，如今从联邦政府机构到州政府机构，政府首席数据官制度已经初步实现了法制化，并在美国数据战略制定和执行中发挥着重要作用。因此，通过对美国政府首席数据官制度的实践现状进行考察，一方面，可以加深我们对政府首席数据官制度的认识，另一方面，也可以为完善我国的政府数据治理提供参考和借鉴。

1 将政府首席数据官制度作为数据战略的组成部分 

在美国，政府首席数据官制度的兴起和发展与美国数据战略的制定和执行密切相关。在联邦层面，联邦数据战略是一个重要的框架，它将许多不同的立法和行政举措结合在一起，形成一个连贯的整体，具体包括《2010年GPRA现代化法》、开放数据倡议、《数字问责和透明度法》和《2018循证决策基础法》等。在这些有关联邦数据战略的不同倡议或立法中，均不同程度地提及政府首席数据官制度，尤其是《2018年循证决策基础法》更是对政府首席数据官制度作出了具体规定。在州层面，美国很多州也结合本州的实际情况，制定了州一级的数据战略，其中，政府首席数据官制度仍然是州数据战略的组成部分。例如，康涅狄格州通过立法要求政府首席数据官与其他部门的数据官以及机构负责人进行协商，负责制定州数据计划，而州数据计划应当建立数据管理的标准，提出数据治理的具体目标及长期目标，同时注重政府间内部共享数据的障碍，包括数据安全和隐私问题。

2 通过立法确立政府首席数据官制度的基本架构 

在美国，政府首席数据官制度的基本架构主要是通过立法、行政命令等形式确立的。其中，以法律形式确立政府首席数据官制度又显得尤为重要，这意味着立法机关和行政机关均认为政府首席数据官这一角色对政府的运作至关重要，并可以确保这一角色能够持续到未来的政府。在联邦层面，美国《2018年循证决策基础法》对政府首席数据官的建立、资格、职能、责任划分、报告、协调网络等进行了原则性规定。根据《2018年循证决策基础法》的规定，每个联邦机构的负责人应当在该机构中指定一名非政治性任命的雇员担任该机构的首席数据官；每个联邦机构的首席数据官应当向参议院国土安全和政府事务委员会以及众议院监督和政府改革委员提交一份关于该机构遵守《2018年循证决策基础法》要求的年度报告。在州层面，很多州也通过立法对政府首席数据官制度进行明确规定。例如，康涅狄格州通过立法大致确定了政府首席数据官的角色、权限和责任，俄勒冈州则通过法律阐明特定的职责和责任，更加明确了政府首席数据官职位的角色。

3 明确政府首席数据官的任职条件与工作职责

如前所述，美国联邦和许多州均通过立法对政府首席数据官制度予以明确规定，其主要立法内容便是政府首席数据官的任职条件和工作职责。

就任职条件而言，《2018年循证决策基础法》规定，政府首席数据官除了应当是非政治性官员外，还应当根据其在数据管理、治理（包括创建、应用和维护数据标准）、收集、分析、保护、使用和传播等方面所具有的统计和相关技术方面的培训及经验。

就工作职责而言，《2018年循证决策基础法》规定，政府首席数据官应当承担下列职责：

第一，负责全生命周期数据管理；

第二，与机构中负责使用、保护、传播和生成数据的任何官员进行协调，以确保满足机构的数据需求；

第三，管理本机构的数据资产，包括依法推动数据格式的标准化、共享数据资产和开放数据资产；

第四，在适当的时候咨询本机构的任何统计官员；

第五，根据《2018年循证决策基础法》根据第3506条、第3507条和第3511条（B）至（D）、（F）和（I）款执行机构的要求；

第六，确保机构数据在可行范围内符合数据管理最佳实践；

第七，让机构雇员、公众和承包商参与使用公共数据资产，并鼓励以合作方式改进数据使用；

第八，支持本机构的绩效改进官员确定和使用数据，以履行美国法典第31章第1124(a)(2)条所规定的职能；

第九，支持本机构的评价官员获取数据，以执行美国法典第5章第313（D）条所规定的职能；

第十，审查机构的基础设施对数据资产可获取性的影响，并与机构的首席信息官协调，以改善此类基础设施，减少阻碍数据资产可获取性的障碍；

第十一，确保在切实可行的范围内，机构最大限度地使用本机构的数据，包括用于形成证据、网络安全和改进机构业务；

第十二，确定与开放数据的使用和实施有关的角色和责任的联络点；

第十三，担任机构与其他机构及管理和预算办公室的联络人，就如何以最佳方式将现有机构数据用于统计目的进行沟通；

第十四，遵守依法制定的条例及指南，包括获得和保持必要的认证和培训。

4 建立政府首席数据官的沟通协调网络 

为了促进不同政府部门之间的首席数据官进行沟通、交流和协调，美国还对政府首席数据官的沟通协调网络进行了建构。

在联邦层面，主要是通过设立“首席数据官委员会”（Chief Data Officer Council）来实现的。

根据《2018年循证决策基础法》的规定，由管理和预算办公室设立首席数据官委员会，主要履行如下职责：

①为数据的使用、保护、传播和生成建立政府范围内的最佳实践；

②促进和鼓励各机构之间的数据共享协议；

③确定各机构可以改进证据以供决策使用的方法；

④与公众协商，并与政府数据的私人用户和其他利益攸关方接触，讨论如何改善联邦政府数据资产的获取；

⑤确定和评估新的技术解决方案，以改进数据的收集和使用。

在州层面，则成立了“州首席数据官网络”（State Chief Data Officers Network），它是各州政府信息和数据行政领导的自愿合作，其主要目的是为联邦数据战略提供支持和反馈。

五、我国引入政府首席数据官制度的基础与路径

我国政府数据治理的体制和机制尚处于探索发展中。政府数据治理的组织建构虽然取得了初步成效，但仍然存在诸多亟待完善的地方，尚有改进的空间。政府首席数据官制度是实现良好数据治理的重要组织性方法，其既具有深厚的理论基础，同时也拥有丰富的实践经验。为了推动数据要素市场的培育，完善数据治理组织结构，我国应当以当前的数据治理实践为基础，引入“政府首席数据官制度”，迈向“联合式治理”，实现可持续的数据治理。

（一）我国引入政府首席数据官制度的基础

一个新兴的领导角色（机构）是否能够有长久的生命力需要考虑两个方面的因素：一是外部环境是否提供了适宜的“气候”条件；二是内部环境的发展现状是否提供了肥沃的“土壤”条件[26]37。国家的数据治理战略、地方的数据治理立法、社会的数字化转型、政府决策模式的数字化等均为我国引入政府首席数据官制度奠定了基础。

1 国家的数据治理战略

目前，我国政府数据治理的内容主要集中于政府数据的开放共享，这从国家层面出台的一系列政策可以看出。2014年11月，国务院办公厅印发了《关于促进电子政务协调发展的指导意见》，首次对政府数据开放利用进行了规定，并明确提出“有序推进政府数据开放和社会化利用”。

此后，国家层面相继出台了一系列政策，包含政府数据治理的政策，对我国政府数据治理进行了顶层设计，从规范目的的角度看，主要包括以下几类：

第一，提高政府的服务和监管能力。2015年6月，国务院办公厅印发《关于运用大数据加强对市场主体服务和监管的若干意见》，提出“各地区、各部门要切实加强对大数据运用工作的组织领导”。

第二，推动大数据发展与应用。2015年8月，国务院印发《促进大数据发展行动纲要》，提出“建立国家大数据发展和应用统筹协调机制，推动形成职责明晰、协同推进的工作格局”。

第三，推动经济高质量发展。2020年3月，中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》，将“数据”作为市场要素之一，并明确提出“推进政府数据开放共享”“提升社会数据资源价值”“加强数据资源整合和安全保护”。

上述政策的出台，为我国政府数据治理指明了方向，也为政府数据治理制度的建构作出了总体部署。

2 地方的数据治理立法

按照中央对政府数据治理的规划和部署，一些地方政府结合本地的实际情况，开始进行政府数据治理探索，并通过地方立法的形式，对政府数据治理予以规范，这在一定程度上推动了我国政府数据治理制度的建构。

贵州、天津、海南、山西、吉林等地方先后通过地方性法规对政府数据治理予以规范，如《贵州省政府数据共享开放条例》《吉林省促进大数据发展应用条例》《山西省大数据发展应用促进条例》等。这些地方性法规几乎均对政府数据治理的组织机构、职责权限、法律义务、法律责任、监督管理等内容进行了规定。

不过，对于政府数据治理的组织机构却存在较大的差异，有的地方遵循了以往政府信息化建设的组织机构路径，规定由“工业和信息化主管部门”承担主管责任，对政府数据治理进行统筹协调；有的地方则规定由新设立的“大数据主管部门”承担主管责任，对政府数据治理进行统筹协调。地方层面有关政府数据治理的立法，为推动地方政府数据治理步入制度化、法制化发展发挥了积极作用，相关立法经验也为国家层面的政府数据治理立法奠定了坚实基础。

3 社会数字化程度加深

数字化是对人类社会和生活产生深远影响的大趋势。美国学者尼葛洛庞帝在《数字化生存》一书中首次提出了“数字化生存”，随着数字、网络技术的快速发展和广泛应用，它正成为现代人的一种生存方式和生存状态，并正在改变我们的学习、工作和生活方式。

网络已经成为现代人获取信息、办公娱乐的重要工具，对于某些人群而言，上网甚至成为他们了解信息、与外界沟通的最重要渠道。当我们通过互联网获得信息和服务的同时，我们也留下了诸多“数字足迹”，通过数字的转换、存取、处理、传输、控制、压缩等技术，可以将我们的生物特性转化为可处理的数字信息，使人与数字融为一体。

“数字化”已经成为众多国家的行动计划，社会的数字化进程将不断加深。在此背景下，对大数据技术的广泛应用和数据资源的深层开发提出了更高的要求，需要对技术和资源设置专人和专门的职位进行管理。

⒋政府决策模式数字化

随着科学技术的快速发展和社会环境的急剧变化，政府部门面临的治理任务和所处的治理环境均发生了重大变化，充满了不确定性因素。与传统的决策问题相比，现代决策问题具有一定的复杂性和风险性，传统的决策方法已经无法满足，必须依靠现代科技作为支撑。大数据应用于动态决策过程能够使政府决策主体摒弃经验和直觉，通过及时获取的大量实时信息，掌握决策对象的发展趋势或进展，并对未来做出更准确的预测，从而做出更科学的决策。

《促进大数据发展行动纲要》明确指出，建立“用数据说话、用数据决策、用数据管理、用数据创新”的管理机制，实现基于数据的科学决策，将推动政府管理理念和社会治理模式进步。

然而，由于思维习惯、资金以及技术等方面的原因，在政府决策过程中引进大数据还存在诸多困难。在此背景下，通过设置专门的机构或任命专门的人员负责政府数据治理，不仅可以有助于在政府决策中树立大数据思维，而且还有助于推进政府循证决策机制的建立和运行。

（二）我国建立政府首席数据官制度的路径

通过对中美政府数据治理制度的现状进行考察，我们可以发现，作为政府数据治理组织模式的创新载体，政府首席数据官制度与大数据管理局模式在机构的目标使命、职能权限、运行方式等方面存在诸多相似之处，基本上遵循了数据治理整体性、全局性规律。

总体而言，相比于美国政府首席数据官制度，我国的政府数据治理制度还存在一定差距，主要体现在以下两个方面：一是职责目标有待优化；二是权限结构有待整体布局。为了能够提升我国政府数据治理能力，实现“良善数据治理”，我国可以充分借鉴美国政府首席数据官制度的实践经验，在当前“大数据管理局模式”的基础上，建构符合我国国情的政府首席数据官制度。

1 明晰政府首席数据官的权责配置

数据已经被认为是组织的一项重要资产，而政府数据远比企业数据更加丰富、庞大，所蕴含的价值更是惊人，政府数据也会面临与企业数据类似的治理问题。因此，政府应当逐渐以企业视角来审视和处理其所拥有的数据，政府数据治理的体制机制也应当符合数据治理的基本规律。如前所述，公共部门内的信息流动容易受到等级制、专业化分工、集中决策等官僚制特征的阻碍，数据治理亦不例外。为了避免出现上述问题，应当加强政府首席数据官的权责配置。

第一，应当强化政府首席数据官的组织地位。政府数据治理本身是一个系统工程，需要统筹整合同一部门不同机构之间以及不同部门不同机构之间的数据开放共享难题，这意味着政府首席数据官及其领导下的政府大数据主管部门在整个政府序列中应当具有一定的权威性，这样才能打破部门之间存在的隐性壁垒。从我国政府信息化建设经验来看，除了政府部门“一把手”的重视外，还要有既懂政府业务又懂信息技术的人来担任信息主管。因此，在今后的制度安排中，政府首席数据官不仅要具有特殊地位和身份，还应当参加政府数据治理与战略规划的制定，同时拥有一定的资源配置权。在当前的实践中，有的地方政府已经在这方面进行了一定的探索，并取得了良好效果。例如，2015年10月，贵州省大数据发展管理局挂牌成立时，便是贵州省政府直属的正厅级事业单位，由贵州省政府副秘书长兼任局长，以此来增强对其他政府部门的协调能力。

第二，应当处理好政府首席数据官的责任关系。数据已经成为一种重要的市场要素和“战略资源”，这意味着数据治理并不是中央层面的事情，也不是地方层面的事情，而是事关整个国家战略以及社会经济的全局发展。在此背景下，政府首席信息官制度较为适宜采用“矩阵型结构”。中央层面的政府首席数据官直接向国家数据治理决策机构的首脑负责，向其汇报工作，参与国家数据治理战略的制定。省级层面的政府首席数据官直接对省级政府数据治理机构的首脑负责，参与省级政府数据治理决策。与此同时，上级政府首席数据官对下级政府首席数据官存在领导或被领导关系。此外，政府部门的首席数据官应当向本级政府或本部门的行政首长负责。这样通过建构一套“纵横交错”的责任体系，推动全国政府数据治理水平和能力的整体性提升，逐渐缩小政府部门之间的数字化差距，这也有助于间接解决地区之间存在的“数字鸿沟”。

2 完善政府首席数据官的管理制度

政府首席数据官的管理是一项系统工程，既包括选拔任用这一基础制度，也包括沟通协调这一核心制度。在未来的制度建构中，我国应当结合已有的制度实践，充分吸收其他国家的经验，完善政府首席数据官的管理制度。

第一，完善政府首席数据官的选拔任用制度。在设定政府首席数据官的选拔任用制度时，需要结合政府首席数据官这一职位的特殊性，同时遵循我国现行有关政府人事管理制度的基本规律。具体而言，可以采取以下措施：一是明确要求政府首席数据官的资格要求。凡是担任各级政府首席数据官的公务员应当具有相应的专业技术资格。在初始阶段，作为一种过渡方式，可以着重考察是否具备数据管理、数据治理相关的教育、培训或任职经历。二是可以采取竞争上岗和面向社会公开招聘的方式选拔政府首席数据官。对于上级政府部门的首席数据官，可以通过竞争上岗的方式从下级政府的首席数据官中选拔；对于企业事业单位的首席数据官，可以采用面向社会公开招聘的方式进行选拔。三是建立政府首席数据官借调或挂职制度。可以从科研单位、高校等机构中选拔数据治理方面的专家学者进入政府数据治理机构，担任政府首席数据官，在数据治理的理论和实践之间搭建沟通桥梁。

第二，建立政府首席数据官的沟通协调制度。不同的政府部门，由于职能的差异，导致其所拥有的数据类型和面临的数据治理任务均存在差异。为了减少不同政府部门之间的信息不对称，打消部门之间的隐性壁垒，提高政府首席数据官的业务能力和水平，有必要建立沟通协调网络，这也是我国相关制度实践积累的经验。具体而言，可以采取以下两种方式：一是建立政府首席数据官委员会，在中央层面，可以由国务院召集组建中央层级的首席数据官委员会，由国务院各部门的首席数据官组成，定期召开会议，就各部门的数据治理经验和问题进行沟通交流，同时协商制订国家数据治理战略。在地方层面，可以由各省级政府的首席数据官建立首席数据官委员会，定期召开会议，就各地区数据治理的经验和问题进行沟通交流，共同提升地方政府数据治理能力和水平。二是建立政府首席数据官联席会议。由上级政府部门的首席数据官通过联席会议的方式定期与下级政府部门的首席数据官进行沟通协调，了解下级政府部门在执行上级政府部门的数据治理决策与规划时取得的经验或面临的挑战。

3 明确政府首席数据官的治理目标及路线

在数字经济全面推进的时代背景下，培育发展数据要素市场，需要充分发挥数据作为关键生产要素的价值。政府首席数据官是政府数据治理任务的主要承担者，应当将数据治理作为释放数据价值的有效途径，明确数据治理目标，确定适当的治理路线。

第一，通过数据开放共享，保证数据源头供给充分。数据开放共享是释放数据价值的基础条件，也是政府首席数据官的首要工作职责。公共部门将其数据资源进行开放共享，能够有效激发数据资源的活力，打破“数据孤岛”，带动社会整体数据流通的氛围。在未来的制度完善中，需要进一步明确和强化政府首席数据官对政府数据开放共享的推动作用。具体而言，可以采取以下措施：一是通过立法明确政府部门数据开放共享义务，为政府首席数据官推动政府数据开放共享提供法律依据。二是不断丰富开放共享的数据类型。政府首席数据官可以通过清单管理、肯定列举等方式不断扩大政府开放的数据范围。三是升级优化数据开放共享技术平台。政府首席数据官应当积极与社会公众、政府用户、私营企业用户等利益攸关方进行沟通协调，坚持以“用户友好型”为原则，搭建政府数据开放共享平台，提高政府数据的可获得性。

第二，通过数据质量管理，保证数据要素资源质优。数据质量管理是释放数据价值的关键环节，数据的结构、可靠性、完整性、及时性等特征对于开发数据价值至关重要。例如，美国2019年《开放政府数据法》便规定，联邦政府应在机构内指定联络部门回应公众关于数据质量、数据可用性的相关问题，受理公众的建议和开放数据要求，创建并实施关于评估和改善开放政府数据及时性、完整性、准确性、实用性的流程等。政府首席数据官应当积极与政府标准化部门、社会公众、私营企业、科研单位等主体进行充分沟通，制定和出台政府部门应当遵守的数据质量指南，推动政府数据的标准化，尤其应当强调政府数据的“可机读形式”，确保政府数据的真实性、准确性、完整性和可用性。

第三，通过数据交易流通，保证数据市场供需活跃。数据交易流通是释放数据价值的动力源泉。在数据交易层面，我国从国家层面鼓励合法的数据交易，地方层面则已经开始了初步探索，贵阳、武汉、上海等地的大数据交易中心相继成立。2021年《数据安全法》《深圳经济特区数据条例》等立法均对数据交易进行了规定。政府首席数据官及其所属的政府数据治理机构是政府部门中对于数据治理最为了解的部门，因此，有必要通过发布官方指引、数据共享框架等方式帮助和引导企业间构建数据共享机制。

第四，通过数据风险规制，保证数据市场秩序稳定。数据风险规制是释放数据价值的安全保障，其目的是解决数据相关的风险和问题，从规制层面为数据价值释放提供保障。在未来的制度完善中，政府首席数据官及其所属的政府数据治理机构应当按照《数据安全法》《个人信息保护法》等数据保护法律之规定，完善数据风险规制体系。

具体而言，可以采取以下措施：

一是推动政府部门建立数据泄露通知制度。在已有的个人数据保护立法中，大多将“数据泄露义务”聚焦于私营企业，事实上，政府数据的泄露同样也可能对个人、企业数据权益甚至国家安全造成威胁。因此，政府首席数据官及其所属的政府数据治理机构应当按照相关法律的规定，推动政府部门建构数据泄露通知制度，明确数据泄露通知的触发条件、政府的通知义务以及相关法律责任等具体规则。

二是强化个人信息保护力度。在已有的个人信息保护研究和立法中，大多将目光聚焦于私营企业的个人信息收集、存储、处理等行为，而较少关注政府部门作为信息控制者应当遵守的行为规则和承担的法律义务。政府首席数据官及其所属的政府数据治理机构应当积极与政府保密部门、安全部门等进行充分沟通，强化政府部门的个人信息保护义务，细化政府部门在政府数据开放共享过程中应当遵循的个人信息保护义务、保密义务和数据安全义务。

六、结语：迈向整体的数据驱动型政府

在推动国家治理体系和治理能力现代化的背景下，政府数据治理本身就是国家治理现代化的组成部分。良好的数据治理有助于确定共同的愿景，是国家数据战略的组成部分，也是整个公共部门改革的重要支撑。

因此，如何建构一套科学合理的政府数据治理体制，对于提升国家治理能力至关重要。政府首席数据官制度是当前政府数据治理组织架构的重要载体形式，其与我国的大数据管理局模式存在高度吻合。为了推动我国政府数据治理能力和水平，可以在大数据管理局模式的基础上，建构符合我国国情的政府首席数据官制度，推动政府部门迈向整体的数据驱动型政府。

作者简介：张涛（1991—），男，法学博士，清华大学法学院博士后、助理研究员，研究方向：行政法学、数据法学、计算法学。

*基金项目：国家社会科学基金重大项目“大数据、人工智能背景下的公安法治建设研究”（项目编号：19ZDA165）。