（一）城市精细化治理的数据技术推进

在数据技术的快速发展和推动下，世界各国城市精细化实践在公共治理领域是先于理论发展起来的。各地以“智慧”为主题，在医疗、教育以及政务等领域积极实行精细化治理。这些实践都是在数据驱动下实现的传统治理领域的成功提升，数据驱动本身并没有一个规范的学术定义，我们认为数据驱动是相对于其他要素驱动的一种新的驱动方式，国务院发布的《促进大数据发展行动纲要》^[27]，将建立“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，这是对传统城市治理的全面创新，也是数据驱动较为完整的诠释。

数据是实现精细化治理的根本，大数据是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合。大数据具有“4V”特征：巨量的数据规模（Volume）、快速的数据流转（Velocity）、多样的数据类型（Variety）、较低的价值密度（Value）。^[28]其中，前三个特征反映了大数据的技术属性，第四个特征反映了大数据的价值属性。以信访为例，“数据多跑路，群众少跑腿”，基于网络信访的大数据分析可以为社会矛盾的预警提供支持；^[29]以食品安全监管为例，大数据可以实现对食品生产、加工、销售的全程监控和可追溯；以传染病防治为例，不仅有谷歌公司预测H1N1流感爆发的成功先例，政府也可以利用药店销售数据作为监测流感爆发的辅助手段。

数据驱动的前提是数据采集，城市治理主体试图通过对海量大数据的挖掘处理，从被动接受转变为主动挖掘，即主动获取数据、识别数据、分析处理数据，从中发现城市的典型问题，并依据分析结果进行决策。基于大数据的分析，能对社会现象进行更加全面、精准的描述。^[30]技术治理范式路径依赖的重要表现是借助现代信息技术的基础，使得我国城市治理的基本图景能够以一种更加技术化的面目呈现。^[31]于是，城市精细化治理的本质就是运用大数据分析的技术力量，一方面通过对不同行为主体的全程数据监控，精准把控公众的动态特征，从而促进政府的精细化治理；另一方面是从服务供给上来看，信息通信技术的应用有助于实现城市公共服务的个性化、差异化和智能化。^[32]大数据分析通过个人行为的全程记录的挖掘，能识别其个性化行为偏好以及对公共服务的个性化需求。因此，数据驱动不是指政务服务信息化、公共服务信息化，其重点是如何能够实现人与人之间的连接和数据获取的方式创新，从而促进城市的精细化治理。

从技术角度而言在城市治理的各个领域，精细化治理是对治理对象行为特征的精准把握，同时结合历史最佳政策进行推理，达到对治理对象需求的及时、精准匹配。在城市治理单元微观个体化的趋势下，决策依据不论是以小样本统计为基础的群体性需求，还是以大数据为基础的个性化需求，都将体现出“人口为本”的小数据驱动和“以人为本”大数据驱动的区别。在以人为本的基础上，精细化治理应具有“可预知”“可追踪”“可测量”和“可标准化”等特点。^[33]数据科学的研究表明，大数据除了海量的规模外，其存在的特征蕴含了文本、图片、视频、音频、邮件、交易信息、社交网络信息等结构化、非结构化数据。^[34]公共领域的大数据通常主要包含与互联网公共话题相关的用户创造内容、政府部门业务运作过程中产生的大量政策、法规及其相关的文件与文档数据、政府信息化过程中建设的包括物联网系统在内的各类信息系统在运行中生成的大量数据（如交通、环境监测、网上办事数据）等三类，^[35]其非结构化、人性化的数据形式，更有利于还原人的需求和个性。因此，大数据为实现“精细化”治理提供了工具性条件。

数据获取技术的突破必然带来治理方式的改革，也可以推动治理机制的创新，最终变革城市治理范式。^[36]首先，面对海量数据的精细化分析使得城市异质性得以体现。用同一套方法、同一种思维解决问题的做法不再适用，而是应用精细化治理，针对不同的城市问题采用不同的解决方案。^[37]例如，日本的“智慧日本战略2015”通过人口数据的采集实现了电子政务、医疗健康和教育人才培养三大公共事务领域的全面精细化治理。其次，大数据使得“数据—量化分析—预判—预防措施”这一关口前移，源头治理的模式有了运用基础，治患于未然成为可能，治疗型政府得以向预防型政府转变。^[38]例如，新加坡的“智慧国2015”成功实现了数据优先，为居民提供预测性、先见性的可查数据，从而优化资源配置，节约了大量的治理成本。最后，数据网络的去中心化、对等性和民主性等设计在一定程度上克服了“制度—技术型”社会中城市治理因主体多元化、权力分散化、静态整体式治理困难以及时空矛盾而带来的种种困境。数据网络为城市治理提供了较有力的技术支撑，打破了以往一刀切、条块分割管理体系，对各部门信息等资源加以综合。^[39]以北京为例，智慧城市战略通过互联网平台实现了分散治理和全局把控的高效结合，成功打造了点对点的精准服务。

（二）城市精细化治理的数据驱动要素

移动终端、物联网和云计算等技术的广泛应用，使得可采集的数据呈现出知识增长（PB级）的同时，数据计算、分类和处理能力也得到提升，让大数据成为重要的工具和资源。

当数据技术为精细化治理做好了数据准备后，治理过程对数据的筛选和应用就成为实现精细化的关键。^[40]为了分析数据驱动带来城市精细化水平提升，根据上述大数据的“4V”特征，本文提出驱动力三要素，即驱动源、驱动强度和驱动阈值，他们共同决定了城市治理的精细化水平（如图1所示）。

1.驱动源

驱动源是数据的来源和属性，它是实现数据驱动的基础性要素。首先，数据来源的多样化水平和差异化水平是治理精细化的重要决定因素。多样化的数据来源可以还原治理对象，同时数据形式可以是结构化或非结构化数据，这样就可以从不同侧面揭示数据背后的整体情景。不同来源的数据实现了从现象挖掘数据，再从数据还原现象的过程。比如在大气污染治理中，如果将政府气象环境部门的监测作为唯一数据源，将带来严重的信息不对称与治理失灵，多样形式的数据源可以考虑对公众社交媒体感知数据、医院呼吸道病例数据、电商平台防治大气污染设施设备的购买等多种数据源进行整合，从而揭示环境污染的真实影响。(www.daowen.com)

图1　城市精细化治理的数据驱动的作用机理

其次，数据源的属性多元化能够扩大数据的应用领域。具体而言，从属性角度可以将数据细分为整体型数据、关系型数据和行为型数据。整体型数据强调来自个体行为的加总数据，如政务微博平台的粉丝数和信息转发评论数量等；关系型数据是从不同数据之间的连接入手，关注不同参与主体的互动方式，主要包括单向与双向互动等，比如政务微博平台中的网民与政府之间、网民和网民之间以及政府和网民之间的互动，强调的是内部结构性；行为型数据旨在刻画个体行为的差异，通过个体行为大数据分析的治理将强调个性化差异。城市精细化治理中数据驱动主要基于对这三种数据的收集和分析，从而根据实际需求与公众体验提出相应的决策信息反馈机制、决策调控纠偏机制。^[41]例如，各城市逐渐上线的公交实时路况查询平台，利用物联网、移动互联网等技术实时向乘客展示公交车路线信息；上海、广州、北京、南京、湖北、江苏等省市公安部门也纷纷开展了地区性DNA数据库项目的建设工作，并建立了各自的地区性DNA数据库，利用数据库技术实现治理对象数据的集中管理。

2.驱动强度

驱动强度刻画了数据支撑行动者决策的能力。首先，强度指数来自数据开放程度，以政府数据开放为例，政府将拥有的各种数据向社会开放，社会组织和个体可以自由使用数据，以实现数据效用的最大化；而数据的使用能够创造公共价值，并反过来推动政府转型，督促政府继续开放更多数据。比如郑磊等人构造了“开放数据晴雨表”^[42]，涵盖了准备度、执行度和影响力三个维度的政府数据开放评估。在数据驱动的城市精细化治理中，政府数据开放程度只是其中一个方面，城市治理所有行动者的公共数据都应该在不同程度进行开放，使得政府和行动者相互之间能够形成数据共享机制。其次，驱动强度来自计算水平，即城市治理各主体对数据的分析、挖掘和使用能力，而各种可视化工具的开发、数据分析工具的普及等都会影响数据分析能力。再次，驱动强度也决定于数据传输频率与方式，数据采集从被动走向主动及实时性的传输也是决定数据转换成决策能力的重要因素。如青岛市市北区利用智慧化、信息化平台，形成了真正智能化的指挥中心和决策参考体系，将城管、安监、环保、司法等十多个部门各自设立的14个政务热线平台、6个网络平台，统筹整合为1个综合业务平台，实现了政府管理资源的聚合与共享。同时，破除了“数据壁垒”，完成了19个单位167类2575项1.1余亿条数据的归集，实现了150余个数据图层的可视化展示与查询，基础数据年更新量达9.7%，通过大数据挖掘及地理信息可视化，对苗头性、倾向性问题及时分析预判、提前预警，为政府决策提供了更加直观、高效、准确的参考依据。^[43]

3.驱动阈值

驱动阈值是数据驱动城市治理演化的临界点，城市治理的结构变迁不是一个连续的图谱，而是会在某一个阶段的治理结构出现新数据源、新组织方式、新分析工具时发生改变。当数据源的数据数量和种类累积到某个阶段后，数据网络才开始呈现出近似零边际成本和递增的边际效应。比如，随着移动智能终端的市场达到一定规模后，开始出现规模效应，数据价值开发的成本变化，使得数据变成了稀缺资源，于是以“数据价值”为核心目标的组织出现，推动了社会分工。例如，2015年以来，广州、沈阳、成都等城市分别成立大数据管理局，主要负责城市大数据战略政策制定与实施、大数据平台建设、政府数据共享开放等。这类组织出现以后，数据驱动方式、效率和效果又将呈现出新变化。此外，当接入数据源的主体数量大幅度增加（比如超过50%）时，数据网络开始自我增益地产生效果，以及成为数据源的主体结构发生变化时（比如60岁以上的老年人、中低收入人群等大量进入互联网空间），城市治理的对象和目标也将发生重大变化。比如，贵州“扶贫云”平台融数据采集、数据分析、数据挖掘、数据管理、数据运用等功能为一体，借助Web后台管理端、手机App端、大数据监控系统和客服坐席等多种终端和手段，使扶贫工作做到24小时不间断、360度全覆盖，用大数据甄别贫困人口、管理扶贫项目和资金、开展贫困监测和评估。通过扶贫攻坚贫困人口监测，实现贫困人口的精准定位，全面监测贵州省贫困人口状况。^[44]

（三）数据驱动的城市精细化治理体系

数据驱动型的城市精细化治理区别于抽象性的经验统计，能够根据个体间的交互活动，在短期之内做出一个整体性判断，最后回归个体需求。大数据时代的到来促使政府改变传统指令导向的公共管理模式和供给导向的公共服务模式，开启以人为本、需求导向的管理和服务型模式，为公众提供更优质、高效、个性化的公共服务。^[45]精细化城市治理强调数据驱动的基础条件是“个人”“机器”和“网络”的有机统一（如图2所示）。治理对象从单一孤立个体及线性加总转变为网络中的每一个可能连接所构建的关系，即对于N个个体的治理对象从N转变为N（N-1）：“个人”是大数据的供给主体和使用主体，数据驱动以对公众个体数据的识别为核心，区别于基于非精细化治理方式，能够实现城市公共服务的精细化供给。大数据的本质是每个数据都来自人的活动，不同于工业化时代规模化和标准化的逻辑，强调数据尊重人的价值；“机”是指大数据时代的数据载体，包括各种硬件设施，比如移动互联的智能硬件、智能终端机和智能手机等，以此实现对人的行为的捕捉；“网”是强调智能社会的连接方式，把具有不同偏好的人连在一起，而不是个体的创新，城市精细化治理的智慧来自网络连接方式不断地改变，以实现N（N-1）的网络效应，即个体之间交互产生的效应，不同于传统的线性相加数据。因此，数据驱动型城市精细化治理应该尊重并利用个人价值，通过大数据分析提供政府的决策依据，并通过网络形态的构建与网络行为来认定不同偏好，构建以人为本的城市。

数据驱动的过程需要把握数据的三个特征，即数据供给的大规模、数据内容的有效性以及数据分析的可视化。数据的规模性是大数据的基本特征，基于对海量数据的分析才能为政府决策提供有效的依据；数据有效性是指能剔除无用的数据，实现数据对应治理领域的精准性；数据的分析是指能通过相关分析及可视化挖掘获取数据价值。传统社会治理的数据供给不足、有效性不足和分析成本高，从而无法实现数据驱动。数据驱动的三大特征带来治理对象的改变，由传统的单个个体到以网络效应为连接基础的治理单元，实现政府、公众与治理领域之间的信息双向互动，以及自身的信息交替，构建数据驱动的基本连接，并有效与多样化地治理领域互通。

图2　数据驱动的城市精细化治理体系