大数据背景下社会治理现代化——基于县域“最多跑一次”改革的思考

A c a d e m i c F o r u m /学术论坛
101
1 大数据背景下的社会治理现代化
大数据时代，数据成为了重要资源。

美国学者霍顿也提出“信息生态是在生态视角下，信息在组织内流动所产生的各种关系。

”社会治理现代化主要形式之一就是数据治理。

近些年来，世界各主要国家或组织也都制定了各自的大数据发展战略。

如美国政府数据库项目——。

日本将大数据作为其优化国家治理体系和新的经济增长点。

总而言之，各国期望通过政府社会治理的数据化，优化政府执政水平或重构政府业务结构或流程，提升治理能力和公共服务供给的效能和精准度，增加各社会主体参与社会治理的深度和广度。

党的十九届四中全会明确提出推进国家治理体系和治理能力现代化。

中国的发展越来越依靠对于数据的开发和运用，来推动政府决策和社会治理现代化。

数字社会，数据成为了重要的资源，谁掌握更多的数据，谁就拥有更多的优势。

但是，在某些方面，商业机构、社会组织等社会主体所拥有的数据量或采集数据的效能要高于政府部门。

因此，有学者担忧，这会使得政府部门处于被动地位，会给中国数据社会的健康发展带来不确定因素，甚至会导致“信息孤岛”“信息不对称”“数据鸿沟”等现象。

2 社会治理现代化与“最多跑一次”
（1）数据治理研究的三个层次。

理论层面，对相关要素及其构建的概念体系和框架进行了阐述，认为其是一个多元和多维度的体系，主要包含四个主要方面——治理目标、权力（限）设计、治理对象、效果反馈；中观层面，即有针对性的就某一方面进行分析研究，设计和研判某一治理方案的实效，并提出相应的意见建议，从而优化治理机制；微观上，即从某一要素或概念切入，探究治理的策略或方式等。

从这个角度看，县域“最多跑一次”改革分析属于中观层面的研究，即县域“最多跑一次”的改革现状、所面问题以及实际效果。

（2）传统社会治理到社会治理现代化。

综合文献
研究，将社会治理大致分为三个阶段：①传统阶段，即以线下面对面式互动式治理；②过渡阶段，即“政务服务+互联网”；③数字化阶段，即“互联网+政务服务”。

后两者主要区别在于信息的采集、传输、存贮与建模、分析与统计、研判与预测、反馈与可视化等方面。

前者在原有政府运行系统基础上，运用现代信息技术对流程和业务进行优化，而后者要求从思维上进行转变，以适应数字社会新趋势，建立精准、高效、科学的社会治理分析、研判和应对体系。

（3）社会治理现代化中的“最多跑一次”改革。

早在2003年，时任浙江省委书记习近平同志领导浙江谋划建设“数字浙江”。

2016年，浙江在全省上下开始推行“最多跑一次”改革。

其显著成效主要有以下几点原因：①起步早，从2003年至今积累了大量实践经验；②技术硬，浙江不仅拥有以浙江大学为首的高校，还有以阿里巴巴为代表的高科技公司作为技术支撑；③底蕴厚，各地政府跟科技公司有着良好的合作和互信，可充分利用其技术进行合作；④统筹强，浙江省委省政府成立专门的领导班子，协调各部门共同推进改革；⑤延续好，从“数字浙江”建设到“最多跑一次”改革，都是一脉相承，有着良好的政策延续性。

3 仙居县“最多跑一次”的实践
仙居县“最多跑一次”改革以来，全县已有超过33×104人次群众和1 450家个体工商户及企业享受“改革红利”。

全县33个部门入驻县办事大厅，除公安、出入境、司法公证、医保、社保、税务六大专窗外，其余部门事项都纳入综合受理窗口,基本实现“最多跑一次”事项标准化全覆盖，证明材料数减少95%以上。

虽然成果显著，但在实践过程中依旧发现不少问题：一是设计匹配程度。

由于各部门业务存在专业差异，同时侧重点也不一致。

因此，各部门根据自身特点而制定各自规范性文件，从而导致地方实践标准与省级设计标准出现匹配度偏差。

二是群众知晓程度。

群众对于“最多跑一次”改革事项清单与申报材料知晓度
摘要：近年来，得益于现代信息技术的迅猛发展和广泛应用，社会发展数字化趋势日趋明显。

大数据时代，数据是一种经济资源，也是一种社会资源和治理资源。

2016年，浙江在全省上下开始推行“最多跑一次”改革，以适应社会治理新趋势，基于此，文章就基层政府新服务模式进行分析，以期促进国家治理体系和治理能力现代化的实现。

关键词：社会治理现代化；大数据；数据治理瞿润程，周潇潇，赵王宁
大数据背景下社会治理现代化
——基于县域“最多跑一次”改革的思考
（中共仙居县委党校，浙江　台州　317300）
学术论坛 / A c a d e m i c F o r u m
102
不高，村民知晓率只有4.6%，同时，大部分群众办理业务还是采取传统的方式。

三是人才队伍建设。

由于工作任务繁重，工资待遇低且缺乏有效的激励机制，工作人员流动性大；而相关业务所需专业化程度较高，流动性导致业务培训不足，最终队伍素质提升缓慢。

县乡村三级平台发展不平衡，县级中心和乡镇一级存在大量临时工，而村级点还处于有名无实阶段。

四是部门协调整合。

一方面，不少部门拥有独立审批系统，甚至内部存在多个审批系统。

如市场监管部门由原工商、质监、食药监等合并组成，原各自有独立的审批系统。

另一方面，部门间的信息未能真正共享，相关部门已掌握的资料仍要求提交，部门间内部数据共享和流转机制待完善。

以上这些问题都不是独立存在的，而是相互关联，最终影响了“最多跑一次”改革的整体效果。

4 推进县域社会治理现代化的探讨
推动基层社会治理现代化，优化政府科学决策和治理能力，要从治理目标、治理主体、治理客体、治理行为、治理工具5个方面分别进行探讨。

（1）治理目标。

形式目标分为数据和部门两方面，有学者认为，组织的运行过程就是组织的决策、控制和操作的过程，信息是组织过程的重要因素。

“信息的数量和类型决定决策过程中的确定程度，即掌握的信息越确定，决策便越容易，决策做得也越好。

”因此，数据方面，一是要完善数据收集机制确保时效性；二是要控制好数据的质量确保有效性和标准化；三是操作好数据的流动以避免“信息孤岛”和“数据壁垒”。

部门方面，现阶段办事大厅已经初步完成部门的集约化。

接下来，要探索逐步将各部门相关业务进行数据化改造，并对各部门进行量化考核。

实质目标就是利用大数据完善社会治理体系，提升政府的公共服务能力和基层治理水平。

（2）治理主体。

部门机构方面，一是设立数据治理部门，进行统筹规划地方数据治理；二是强化业务沟通，横向强化与同级部门之间的业务数据化统筹整合程度，纵向强化上下级数据治理部门之间业务数据的标准化程度。

队伍建设方面，一是健全激励机制，如增加编制、提高待遇、畅通晋升渠道等；二是强化领导干部队伍，强化专业素养和数据思维以统筹区域社会治理数据化工作；三是建设专业化业务员队伍，强化业务培训，增强业务素养。

（3）治理客体。

数据方面，一是探索建立全覆盖的监管体系，对影响国计民生的数据实施有效监管，防止市场过度扩张带来的负面影响。

二是横向要打破各部门间“壁垒”，包括利益、业务流程等，纵向积极向上沟通，反馈基层遇到的问题，在基础数据上形成数据标准清单，由部门集合转向数据集合；三是数据收集机制，从随机抽查式收集转向及时、有序、规范、全覆盖的收集社会数据。

社会主体方面，通过线上互联网、移动终端以及线下渠道积极宣传，让办事清单
和业务流程上网，提高知晓度，引导群众线上预知和业务办理。

此外，推动机关单位相关业务数据化改革，理解治理现代化的逻辑。

（4）治理活动。

职能履职方面，一是职能划分上，从封闭的科层制转向扁平化、网络化，例如专门的部门业务窗口转向“一窗受理”的综合窗口；二是履职方式，从单一的线下履职或办理转向线上线下相融合，例如“网上办”和“掌上办”；三是业务流程，探索运用大数据对相关组织和业务流程进行重构，简化办事流程。

机制建设方面，一是坚持正确的政治导向，打破“数据壁垒”和“数据鸿沟”，依法公开部分群众所关心的社会数据，有条件分享部分经济数据。

二是对于影响国计民生或国家安全的数据必须实施严密监管，筑牢数据安全的防线。

三是制定考核激励机制，推动各部门业务数据化改造，运用大数据进行精准研判，提升政府公共服务能力。

（5）治理工具。

数字政府作为一个“信息节点”的平台，通过社区工作者，各类传感器终端，收集政府部门与社区及居民上传的数据，并通过对数据的分析和研判，来探测和感知社会态势，并进行针对性矫正与干预。

首先，打造“城市大脑”，通过数据中心整合各个部门的数据，形成区域社会治理大数据，并合理分配权限。

其次，基础设施方面，打造县乡村三级办事点，根据业务权限和群众便捷原则，做好业务清单分级分类工作，明确各级业务办理事项，减轻县办事大厅负荷。

再次，优化网格员制度，增加相关业务培训，以适应数据治理趋势。

同时，强化基层“四个平台”数据化建设。

最后，强化各部门“互联网+政务服务”软件系统方面的建设和整合，解决数据不共享和“二次录入”问题。

5 结语
从社会发展趋势和优化政府治理能力看，数据治理已成必然趋势。

县域治理是整个国家治理体系的重要基石，县域社会治理的现代化水平直接反映了治理体系的有效性。

因此，在推进县域“最多跑一次”改革时，必须以数据治理的整体性思维，通盘考虑每一个构成要素。

作者简介：瞿润程（1988-），男，籍贯：湖南，学历：硕士研究生，职称：讲师，研究方向：社会治理、传统文化。

课题项目：浙江省党校（行政学院）系统中国特色社会主义理论体系研究中心第二十二批规划课题（课题编号：ZX22287）；台州市党校系统第十七批规划课题（课题编号：tzdx2035）。

参考文献：
[1]杨孟辉,杜小勇.政府大数据治理:政府管理的新形态[J].大数据,2020,6(02):3-18.。