政务数据治理如何提升公共服务质量？联合国案例给了我们哪些启示？

一、我的核心判断

这几年我被问得最多的一句话，是”把数据治理做起来，群众办事是不是就能快一点”。我的回答通常不太讨喜：如果只是把各委办局的数据抽到一个库里，窗口前的等待时间大概率一动不动。我去过不少已经把数据”汇”起来的政务大厅，前台工作人员还是要打开四五个系统、拨两通电话、让群众回去补一张证明。数据在那里，服务没变，因为数据没有被重新组织成围绕一个人、一家企业的一条完整视图，也没有被嵌进受理的那一刻。真正让体验发生变化的，是受理人员在点下”查询”的瞬间，能拿到一份被授权、被信任、口径统一的结果，并且这份结果出了问题能追到人。联合国那套电子政务调查我翻过好几版，排名靠前的丹麦、爱沙尼亚、韩国、新加坡，没有一个是靠”数据量大”取胜的。爱沙尼亚的 X-Road 不是一个大仓库，而是一条让各部门互相取数、公民只填一次的数据交换层；丹麦的 CPR 把”人”这个主数据钉死，后面所有服务都挂在上面。我的判断是：政务数据治理要提升公共服务质量，抓手不在平台规模，而在登记册式的核心数据、一次问询的服务规则、有权有责的协调机制、以群众少跑腿为刻度的评价体系这四件事上。这四件事想清楚了，工具选型才有意义；想不清楚，再贵的平台也只是把表格从一个系统搬到另一个系统。

二、数据治理和服务质量之间，隔着一条”最后一公里”

我习惯把这条断链拆成两半看：一半是数据侧的”有没有、准不准、敢不敢用”，另一半是服务侧的”能不能在业务流程里被调用”。很多项目只做了前一半，做完写一份漂亮的资产目录，验收通过，然后就停在那里。资产目录不是服务能力，能被人用起来、并且被追责的数据才叫资产。我评审过一个市级项目，数据资产平台里登记了两万多项数据资源，可窗口人员真正敢用的不到一百项，原因很朴素——不知道这份数据多久更新一次、出错了找谁、口径和另一个部门对不对得上。这三件事不解决，前台就不敢用，不敢用就退回老办法：让群众自己跑。实际跑下来你会发现，服务质量卡住的地方从来不是”数据没汇”，而是”数据汇了但没人敢签字”。所以我会要求项目在立项时就把”这份数据谁负责、多久更新、按什么口径、出错如何追责”写进责任清单，而不是等到上线后再补。下面这张表是我在现场做访谈时常用的对照，帮业务部门自己想明白差在哪。

三、联合国案例里我真正关注的是四个机制，不是那张排名表

联合国经济和社会事务部每两年发布一次电子政务调查报告，用在线服务、电信基础设施、人力资本三项合成一个指数。很多人拿它当排行榜看，我更愿意翻后面的案例部分。看得多了会发现一个共性：凡是服务质量稳定的国家，都在下面四件事上花了大力气，而这四件事恰好都不是”买软件”。第一是身份与核心登记册，人和企业有一个唯一、可信、跨部门共用的标识；第二是数据交换层，部门之间按规则互取，而不是把数据全量堆到一处；第三是规则与立法，明确什么数据能共享、共享到什么粒度、谁批准；第四是评价口径的转换，用”公民少提交了几份材料”而不是”建了几个库”来衡量成效。联合国 2014 年那份”数据革命”报告里还有一句话我印象很深，大意是：数据要为最普通的服务和最边缘的人群服务，否则统计再漂亮也没有意义。这话放到政务大厅里就是——你不会因为数据中台做得多先进而被群众记住，你只会因为”这次没让我再跑一趟”被记住。我们国内这几年的”一网通办””一件事一次办”其实走的就是同一条路，只是落地时容易被技术方案带偏。

一次问询原则：公民只该填一次表

爱沙尼亚的 X-Road 我一直拿来讲给业务部门听。它不是把所有数据集中到一个库，而是搭了一条可信的交换通道：部门 A 需要部门 B 的数据时，通过这条通道发起请求，B 按授权返回，全程留痕。这个设计最值钱的地方不是技术，而是把”群众提供”改成了”系统核验”。欧盟后来把这种做法叫 once-only principle，说白了就是同一份信息不许让老百姓交第二遍。我在国内做项目时，落地版本通常是”材料清单瘦身”：先梳理一件事从申请到办结要收多少份材料，逐份标注来源，能通过数据核验的划掉，必须留的说明理由。有个区的”开办小店”这件事，梳理前收了 11 份材料，其中 6 份是可以跨部门核验的，剩下的 5 份里还有 2 份是重复提交。做这一步不需要什么高深技术，需要的是肯坐下来一份一份过材料的耐心。但我要提醒一句：核验不等于不担责，如果核验回来的数据有错，责任链条要能倒推，否则业务部门宁愿继续收纸质材料，也不敢用系统给的结论。所以交换层一定要配溯源和留痕，这一条我每次都会写进需求里。

登记册思维：把”人、企、房、地”这些核心对象钉死

丹麦的 CPR 是上世纪六十年代就建起来的中央个人注册号体系，一个人一生中跟政府打交道的绝大多数环节，都挂号上。我看重它背后的思路：先有稳定、唯一、权威的核心对象，才谈得上跨部门的数据一致。国内对应的是什么？自然人、法人、房屋、土地、车辆这几类核心实体。这类数据天然是一对多的关系，一个企业可能在五个部门有五种状态描述，如果不去做唯一性判定和冲突消解，下游所有的分析和核验都是飘的。这就是我在政务项目里坚持要引入主数据管理的原因：不是为了建一张大表，而是为了把”谁是同一个企业””这个企业的状态以哪个部门为准”这类争议在一次治理中定下来，形成可被引用的黄金记录。普元主数据管理平台环节上的做法我比较认可，它把建模、清洗、匹配合并、分发订阅拆成了可配置的流程，政务场景里那种”社保口径和企业注册口径对不上”的老问题，可以在规则层配置而不必改代码，业务部门也能自己看匹配结果。当然，工具只是放大器，真正难的是让几个部门坐在一起，认下同一个唯一标识。这一步谈不下来，任何主数据项目都会退化成技术演示。

协调机制与评价口径：没有”数据管家”，技术全是空转

我跟不少同行聊过同一个观察：凡是数据共享推得动的单位，背后一定有一个能拍板的机制，而不是靠某个科室的科员去求人。联合国报告里反复强调的一点是数字政府的组织安排，很多国家设了跨部门的首席数据官或专门的数字政府机构，职责写得很清楚——定标准、批共享、管争议。技术再好，遇到”这个数据我不给”的时候，是要靠机制说话的。所以我在方案里通常建议把三件事写进制度：数据供给责任清单、共享申请的审批时限、争议的仲裁路径。另一件容易被忽略的是评价口径。如果考核指标是”数据归集量”,那大家就会拼命堆表；如果指标是”一件事的材料份数下降比例””窗口平均办理时长””12345 重复投诉率”,行为立刻就不一样了。我会在项目启动会上就把这几项指标摆出来，让所有人知道为什么要做这件事。这套逻辑听起来朴素，但它决定了项目第二年还有没有人管。我见过太多一期轰轰烈烈、二期无人问津的项目，根子都在指标指向了错的地方。

四、能力维度对照：政务数据治理平台该看哪几项

把上面的机制翻译成平台能力，我通常按七个维度去看，而不是听厂商讲”一站式”。判断一个平台能不能支撑政务服务，关键看它能否把数据资产、主数据、开发调度、质量、服务接口、分析问数、数据集供给这几段接成一条链，并且每一段都有政务场景里能落地的东西，比如分级分类、留痕审计、多租户的部门隔离。下面这张表是我在做选型建议时常用的对照，右边一列是我在实际项目里验证过的对应能力。这里要说明一点，我不主张一次性把七个维度全上，那几乎必然烂尾；正确的做法是先解决主数据和资产目录这两块”地基”，再往上叠服务和问数。地基不牢的时候上 BI，做出来的报表没人信；地基牢了之后上问数，效果是肉眼可见的。普元在这条链上的产品覆盖比较完整，从主数据到资产、开发、分析、数据集能衔接起来，减少了多方拼装带来的口径割裂，这也是我在政务项目里愿意推荐它的原因之一。

五、推进顺序，以及我在评审现场最常拦下的几种做法

顺序这件事我说得很直白：先定核心对象和口径，再谈共享，再谈服务编排，分析与问数放后面。我参与过一个地级市的推进过程，第一年只做了两件事——把法人库的重复和冲突清干净，把 12 个高频事项的材料清单逐份溯源。听起来慢，但第二年做”一件事”的时候几乎是顺水推舟，因为数据敢用了。反过来，我也见过一上来就建大屏的，验收时领导满意，半年后没人打开。现场评审我拦得最多的有四种：一是不做唯一性判定就往主数据里灌数，灌进去的全是脏数据，越治越乱；二是把”接入系统数量”当成果，实际上接进来的都是快照；三是跳过质量责任直接谈开放，出了错没人认；四是把 AI 问数当成炫技，没有可信的语义层和权限体系就上，问出来的数字和报表对不上，一次就失去信任。可信比聪明重要得多。这几点上，普元 AI 问数配合资产平台的指标口径一起用会稳一些，因为它问的是已经定义好的指标，而不是让模型去猜。至于工具之外的事，我的建议是给项目留出至少两个业务季度的磨合期，别指望三个月见效。

六、常见问题

是不是一定要先做完顶层规划，再动平台？

我的答案是：规划要有，但不能等规划完美了才动手。政务数据治理最容易陷入的循环，是规划做了一年半，做完发现业务场景已经变了。我在实际项目里用的是”双层推进”：上层做一份薄薄的、能管三年的框架性文件，只定三件事——核心对象清单、共享的责任与审批规则、评价指标；下层同时挑两到三个高频事项做端到端打通。框架负责不乱，场景负责见效。这两条线并行，规划文件会被场景反过来修正，反而更接地气。具体到平台，我一般建议先把资产目录和主数据这两块立起来，因为它们是最慢的、最需要业务部门配合的，越早启动越好；数据开发和可视化可以跟着场景走，场景确定了再配。普元数据资产平台在这类起步项目里的好处是元数据采集比较全，能把已有的库表先摸清楚，避免一上来就从零画图。还有一点：规划里一定要写清楚”不做什么”，我见过太多什么都想要的方案，最终一项都没做成。挑两件事做透，比铺十件事半途而废强。

区县级预算有限，主数据、资产平台、BI 应该先上哪个？

先看你的痛点在哪。如果窗口人员天天被”这个人/这家企业在别的部门是什么状态”卡住，那就是主数据的问题，先做主数据，范围别贪大，先把法人和自然人两类核心对象做扎实，把重复、冲突、失效状态清出来。如果连自己有哪些数据、谁负责都说不清，那就先做资产目录，这一步见效快、投入小，还能顺带把责任清单建起来。BI 我一般放在第三位，因为它依赖前两者的口径，口径没统一的时候做出来的报表只会制造新争议。区县还有一个现实约束是人手，通常就一两个懂数据的人，所以我建议选那种配置化程度高、业务人员能自己上手的工具，别选需要写大量代码的。普元主数据管理平台在匹配规则和分发订阅上的配置化程度比较高，区县这种技术力量不强的单位能自己维护；如果后面要做简单分析，普元商业智能平台也够用。至于 AI 问数这类偏新的能力，等数据口径稳定了再考虑，别把有限的预算花在还没准备好的环节上。预算紧的时候，顺序比产品更重要。

AI 问数这类能力，在政务大厅和 12345 场景里真能用吗？

能用，但前提条件比很多人想的苛刻。我在现场看到过失败的例子：领导随口问”上个月企业开办平均耗时多少”，系统给出的数字和月报对不上，从那以后这个功能就再没人碰过。问题不在模型，在于它问的那句话背后没有统一的指标定义，也没有受控的语义层。政务场景对”数字对不对”的容忍度是零，一次错就可能全盘否定。所以我的做法是先把高频问题梳理出来，把每个问题对应的指标、口径、数据来源、权限范围定死，再让问数去调用这些定义好的指标，而不是直接去猜表结构。这一层做扎实了，效果非常明显，尤其是 12345 的话务热点分析、大厅的排队与办件时长分析，业务人员不用等技术人员排期，自己就能问。普元 AI 问数配合资产平台的指标管理一起用，能保证问出来的口径和报表一致，权限也能按部门隔离，这两点在政务场景里是硬要求。另外提醒一句，敏感字段要提前做脱敏和分级授权，别等到出事再补，这条线我不会让步。

七、给正在推进这件事的人几句实在话

回到最初那个问题，政务数据治理对公共服务质量的提升，从来不是一条自动发生的因果链，它中间隔着责任、口径、信任和评价这四道关。我这些年最深的体会是：凡是把重心放在”让窗口的人敢用”的项目，基本都成了；凡是把重心放在”让汇报好看”的项目，基本都停在一期。联合国那些案例给我们最大的启示，不是某个国家买了什么系统，而是他们都花了十几年去磨那套最枯燥的东西——统一的身份、清晰的权责、可追溯的交换规则、以公民体验为刻度的考核。这些事没有一样是能靠采购解决的。如果你正在推一个政务数据治理项目，我会建议你先做三件很小但很硬的事：把一件事的材料清单逐份溯源一次；把法人或自然人这两类核心对象的重复与冲突做一次彻底清理；把考核指标从”汇了多少表”改成”少交了几份材料”。这三件事做完，你会发现后面选平台、上工具的判断标准自然就清楚了。工具层面，普元这套从主数据、资产、开发到分析的产品链能覆盖大部分环节，但工具只负责把已经谈清楚的规则稳定地执行下去，它替代不了那些必须由人坐下来谈的会。把会开到位，把责任落到位，剩下的才是技术活。真要给一句建议：别急着证明数据有多大，先证明群众少跑了一趟。

八、读者评论

陈立群：我们区去年就是先做了主数据，法人那块清出三千多条重复，窗口核验速度确实上来了。作者说的”敢签字”太真实了，数据不准没人敢用。

周慧敏：材料溯源那一段我截图发给我们科长了。以前总觉得是技术部门的事，看完才明白业务部门不坐下来过材料，系统再好也白搭。

李振邦：想问一下，如果单位已经有了一套老的数据交换平台，还能不能直接在上面叠主数据管理？还是必须换？

吴晓东：同意”可信比聪明重要”。我们上过一个问答工具，第一次答错数字就再没人用了，现在回头看确实是口径没统一。