公共服务领域运用大数据的风险分析

祝阳 顾梓钰

摘 要：[目的/意义]平稳推进大数据在公共服务领域的应用，有必要明确其潜在风险，在保证价值理性的基础上增强大数据工具理性。[方法/过程]运用理论建构的方法，大数据在公共服务领域遵循“数据收集—数据分析—数据应用—数据公开”的应用循环，从成本精准、受众精准、效果精准3个维度，分析大数据引入公共服务领域存在的数据收集质量难以保证、数据分析结果难以把控、数据应用效果难尽人意、数据公开带来衍生问题等潜在风险。[结果/结论]旨在为公共服务领域理性运用大数据工具提供借鉴。

关键词：大数据;公共服务;精准化;潜在风险;风险分析

DOI：10.3969/j.issn.1008-0821.2020.05.013

〔中图分类号〕G250.76 〔文献标识码〕A 〔文章编号〕1008-0821（2020）05-0104-07

Analysis of the Risk of Using Big-Data in Public Service

Zhu Yang Gu Ziyu

（School of Economics and Management，Beijing University of Posts and Telecommunications，

Beijing 100876，China）

Abstract：[Purpose/Significance]To steadily promote the application of big data in public service，its necessary to clarify the potential risks and enhance the tool rationality on the basis of maintaining value rationality.[Method/Process]Using of methods of theoretical construction，big data in public service followed the application circle of“data collection-data analysis-data application-data open”，and from the three analysis dimensions of cost precision，audience precision and effect precision，introducing big data to public service field was difficult to ensure the quality of data collection，the results of data analysis，the effects of application，and would bring derivative problems in the data open stage.[Results/Conclusion]This study aims to provide reference for using big data tools rationally in public service.

Key words：big-data;public service;precision;potential risk;risk analysis

公共部门作为公共利益的集合体，实现公共服务与需求的精准匹配是其应有责任。在新一代信息技术蓬勃发展的当下，运用大数据技术实现公共服务的灵活性和精准化成为发展趋势。近年来学界提出政府由“精准化管理”向“精准化治理”的转变，为各级公共部门引入大数据工具、实现信息筛选和数据化“善治”提供了政策前提[1]。

尽管大数据发展前景广阔，但将其引入代表公意的公共服务领域仍需谨慎，防范大数据带来内部控制问题[2]。公共部门需要谨防海量数据处理、政府与公众互动、有效及时地整合与调动各类资源这三大挑战[3]，在引入大数据工具时需重点关注实施效果、把握潜在风险，以实现数据科学处理、民众良性互动、资源协调配置的目标，体现公共服务与技术成果的深入融合。

1 文献回顾与分析框架

1.1 文献回顾

依靠直觉与经验进行决策的优势急剧下降，大数据决策的时代已经到来[4]。但大数据作为一项新兴技术，其发展依然存在障碍。有部分学者已经认识到了大数据蕴含的潜在风险，在其各应用领域展开了分析。

余敏指出大数据带来的信息不对称扩大化风险[5];孙红梅等指出大数据为企业内部控制带来了隐私与道德安全、人才匮乏等风险[6];仇立平认为大数据+智能化下的社会治理可能以社会的“沦陷”为交换条件[7];王卫等从大数据本身交易出发，提出其交易业务流程中容易出现产品质量、信息、营销、监管风险[8];唐皇凤则提出大数据时代可能出现的数字利维坦现象为社会稳定、国家安全等带来挑战[9]。关于大数据的风险研究，目前学界达成的一个基本共识是：大数据在不同领域的应用会带来一些潜在风险，应辩证地认识大数据作为一种工具与资源的价值。

然而，即使学界对大数据的研究已经出现了从“创新式”到“风险式”的转变[10]，但受制于大数据引入公共部门的实践进程缓慢，将大数据视为一种创新工具分析其引入优势依然占据主流：蒋思等构建风险防控策略分析模型，认为大数据对政府购买行为的风险防控具有重要作用[11];贾楠等认为大数据平台是实现公共部門风险防范的基础支撑[12]。关于大数据可能给公共服务领域带来的风险研究目前仍缺少系统性成果。

1.2 分析框架

基于已有研究，运用辩证思维分析大数据引入公共服务领域的潜在风险尤为必要。精准治理指对治理底层的个体化信息精准把握和历史最佳政策集合的推理生成基础上的政策供给与需求的及时精准匹配[13]，大数据进入公共服务领域将以此为目的，实现新的应用循环。

学界提出了多种大数据生命周期模型，Ball A将其总结概括为8种不同的模型概念[14]，丁红发等构筑了政府开放数据的生命周期模型[15]，张洋等认为数据生命周期普遍包含科学数据从产生，经加工和发布，最终实现再利用的循环过程[16]，并提出了一个新的数据生命周期管理模型。

此模型较为清晰地展现了数据的生命周期，并概括出每个环节管理方所涉及到的工作。借鉴此模型并结合公共服务领域数据特点和分析要求，大数据在公共服务领域的应用主要包括从数据收集（有用数据的识别与采集）、数据分析（深挖数据价值）、数据应用（从理论到实践的过程）到数据公开（公共部门承担当然责任）的过程，数据公开后对受众反馈的数据收集使其构成单向运行但彼此承接的应用循环，其中每个节点都以实现公共服务的精准化为目标。但受制于大数据引入公共服务领域的经验不足，加之新兴技术的不确定性，这一循环可能会引发公共服务精准化领域的潜在风险。

成本精准、受众精准、效果精准是分析商业精准化水平时常用的3个维度，学者董丽荣运用这3个维度深入分析了大数据对互联网广告精准化程度的改变[17]。推及公共服务领域，这三者都要求目标与结果的高度一致，是大数据应用循环的发展目标。

成本精准是指为达成某一公共服务目标所投入的资源不可滥用或错用。目前中国的重复建设、面子工程等现象尚未消弭，成本滥投、错投现象较为普遍，影响资源利用效率。成本精准要求在明确预期效果的基础上适度、适量投入资源，确保正确的成本投入方向，并对成本执行过程进行跟踪，实现成本投入和利用的高效率与高质量。

受众精准是指公共部门服务对象包含且仅包含符合条件的人员。中国幅员辽阔，公共治理复杂，服务受众具有多层次、多样化特征，为精准定位服务对象带来困难。部分地区或领域存在服务与民众需求的不匹配，服务出现错供、缺供现象。受众精准要求公共服务的目标群体与实际受到影响的群体具有高度一致性，不存在个体丢失或不相关群体受到影响的现象，体现服务目的与受众的高度匹配。

效果精准可以从广义和狭义两方面来理解。广义的效果精准包含成本、受众精准等全方位要求，体现服务全过程的高标准;狭义的效果精准是指公共部门某一行为的目标与取得的实际效果要高度吻合，这一定义更符合风险分析逻辑。公共领域中存在着“生产率悖论”的困境，即政府在公共服务方面的资源投入并没有带来服务生产率的长期增长[18]。效果精准不仅要求预期目标具有方向正确性，还要求服务投放不存在结果偏差，体现公共部门由设想到现实的能力。

基于大数据应用循环与3个精准化分析维度，从应用循环各节点出发，分析其运行过程中对公共服务成本精准、受众精准、效果精准带来的潜在风险，为审慎推进公共服务精准化提供风险分析方向，分析框架如图2所示。

2 大数据引入公共服务领域的潜在风险

2.1 数据收集质量难以保证

数据收集指在海量的大数据中找到有价值的信息数据[19]，警惕数据收集过程中公共服务精准化面临的潜在风险，是后续各步骤得以施行的重要前提。

2.1.1 成本精准风险：技术利用与机制建设存在双重缺陷

大数据近年来虽然在商业领域得到较大发展，但在公共服务领域尚未普及，经验的不足使大数据缺乏技术和制度的双重保障，造成公共服务的投入成本多而滥，影响成本精准水平。

1）大数据工具利用科学性不足

数据客观性受到制约。为了实现服务投放的精准化，在运用大数据技术时必须保证数据来源的真实性与政策的靶向性。客观性与科学性是大数据赖以生存发展的基本特性，数据收集时的客观程度影响大数据进入公共服务领域的工具价值。公共部门由国家授予权力，普遍与政府利益保持高度一致，使其收集信息时倾向强制，可能给民众带来心理压力，所获信息具有主观色彩。同时，公共部门内可能出现为减轻工作量或维护自身利益而伪造数据的情况，出现误导性信息，造成资源浪费。

数据收集规范性不足。公共部门服务范围广泛，使其在信息爆炸的时代背景下难以处理诸多繁杂无序的信息，提升服务质量存在障碍。引入大数据技术虽然理论上有助于公共部门实现数据治理，但这需要治理方具备较强的全局观，明确如何收集数据可以精准定位需求。应选择何种时机才能准确匹配目标？收集范围应该限制在何种程度才能既保证全面性又减少无关性？收集周期为多久才能既满足数据需求又不产生冗杂？这些规范性问题对治理者的能力提出了较高要求，在数据收集阶段设置了较高的进入壁垒。

2）机制建设进程落后

建立良好的法律与协调机制，是数据收集过程中保证成本投入范围小而精的关键。数据收集是大数据应用循环的起点，需要政府明确技术边界，使数据收集的成本投入在制度框架内进行，提升精准化水平。近年来《促进大数据发展行动纲要》《关于运用大数据加强对市场主体服务和监管的若干意见》等政策文件陆续出台，大数据领域的制度建设逐渐引起重视。但聚焦数据收集环节，全国性立法薄弱[20]，关于数据收集的边界和具体实施方法的规定仍然不足，数据收集的法律边界模糊，制约技术发展。

建立完善的公共协调机制成为必需。大数据在技术和基础设施上的高要求为公共部门引入大数据带来困难，各部門间的协同治理成为必由之路[21]。解决小数据时代的“信息孤岛”是大数据应用的重要目的，但近年来数据保护主义盛行，公共部门拥有的数据呈现碎片化、零散化和割裂化[22]。“部门主义”不仅会使公共部门的数据收集重复率高，还可能导致片面性，降低成本精准水平。

2.1.2 受众精准风险：收集范围与服务对象存在匹配矛盾

数据收集与数据服务对象的高度匹配是该过程实现受众精准的必然要求。大数据在公共服务领域的应用大多停留于信息收集、展示层面，且覆盖面并不广泛，因此公共部门的经验略显不足，态度趋于保守。这一不足在数据收集阶段可能体现为数据挖掘缺乏深度，范围广而程度轻。但大数据应用于公共部门的目的就在于促进服务精准化，数据收集范围缺乏节制的扩散可能将服务对象以外的民众数据包含在内，降低有效数据与收集数据的比率，影响数据收集的受众精准水平。

2.1.3 效果精准风险：民众心理抵触且试错成本高

民众产生心理抵触。以大数据的商用效果来看，虽然它在一定程度上带来了服务体验的提升，但互联网时代普遍的隐私泄露问题使民众对这一新兴技术普遍保持谨慎。虽然以个人信息收集为代价可以获得公共部门服务质量的提升，但民众却会产生个人信息的剥夺感，信任和安全感难以保全，在心理层面上影响数据收集的效果精准。

公共部门试错成本高。公共部门作为社会利益的服务方，对民众的影响具有直接性，有关公共部门服务的调整变化具有较高的试错成本，应用大数据这一新兴技术则难免出现不确定性风险。数据收集是大数据应用与民众接触最为直接和频繁的一环，能否在满足需求的同时避免衍生问题的出现成为实现收集效果精准化、避免未来风险的关键。

2.2 数据分析结果难以把控

为使所获信息发挥应有作用，需要进行数据分析，运用大数据的信息分析技术，展现事物的具体状态或事物之间的因果关系[23]。传统的数据分析缺乏系统性和全局性，大数据分析可利用庞大的数据和资源把握全貌，但其所需人力与时间成本都较高。如何获取足够多的资源并提高精准化水平，成为制约该过程发展的主要因素。

2.2.1 成本精准风险：人才缺口使成本投入缺乏方向

实现公共服务精准化需要对服务对象的需求进行多角度精准化分析，方向把握起到决定作用，因此必须实现成本投入的方向精准。但中国教育与人才体系的发展与大数据产业状况不协调，为确定数据分析的成本投入方向带来障碍。根据数联寻英公司发布的《大数据人才报告》，中国大数据人才在未来几年内缺口将达150万。现有从业者经验相对不足，后备人才数量有限，使高端综合型人才短缺问题突出[24]。初级数据缺乏系统性，分析的及时性要求又带来时间资源的紧缺，人才匮乏的成本投入方向就更加难以把握，影响数据分析有效性和成本精准水平。

2.2.2 受众精准风险：分析范围与实际受众不匹配

数据分析的对象正确与否是决定分析价值的重要因素。为实现数据分析阶段的受众精准化，必须对受众需求进行全面、及时、准确的预测，使得受众的全部可能反应能够被及时预见[25]，这对数据分析的水平提出了较高的要求。大数据所需的大量人力与时间资源使公共部门精准分析受众需求存在一定困难。实现数据与受众精准匹配的路径、分析方法的确定、准确归类方法等都尚在探索中。在链接原始数据与分析目的的重要过程中若不能理清逻辑，匹配分析对象与实际受众，将为数据分析的受众精准化带来挑战。

2.2.3 效果精准风险：分析周期与数据迭代存在矛盾

数据分析结果与实际数据的匹配程度是分析效果的决定因素。大数据虽然具有较强的分析与预测能力，但缺乏人性化分析与服务，不具备完全的工具理性。公共部门内部的资源和经验不足，且受制于人才缺口，实现科学数据分析的周期普遍较长，但现实信息的更新速度非常快，正在分析的数据无疑会与实时数据存在一定差距，产生数据分析周期与数据迭代频率的矛盾冲突。对部分时效性要求较高的政策或服务来说，这种冲突可能影响公共部门服务提供的最終效果。

2.3 数据应用效果难尽人意

数据应用就是在数据收集、分析完成之后，将分析结果应用于实践中的过程，这是检验大数据分析成果的关键，种种阻碍难以避免。

2.3.1 成本精准风险：数据保护主义增加应用成本

数据应用与数据收集是大数据完整应用循环的终点与起点，在成本投入方面存在因果联系。沿袭小数据时代政府的行为传统，现今公众并不享有全部的信息权，政府与公众之间未建立完善的分享机制;部门主义使数据成果遭到垄断，公共部门内部的数据呈现割裂化。这些数据保护现象降低了数据利用率，为达到预期的数据应用效果，可能需要投入更多的协调成本，甚至重复投入成本建立新的大数据循环，造成资源浪费，使成本精准化目标难以实现。

2.3.2 受众精准风险：地区发展与总体公平难以权衡

大数据的高门槛与现实资源的匮乏相互制约，影响大数据应用普及化。大数据所依赖的物联网、云计算等技术对基础设施有着较高的要求。然而从中国发展程度来看，各地区发展水平存在较大差异，东部地区明显发达于西部地区。《中国大数据产业发展水平评估报告（2018年）》显示，2017年中国大数据产业已基本形成京津冀区域、长三角地区、珠三角地区、中西部地区和东北地区五大板块的集聚发展格局，使西部地区在大数据普及应用过程中处于不利地位。

即使同在东部地区，各公共部门搭建大数据基础设施的能力也有着明显差异，部分基层县乡甚至缺乏自助信息检索等数字化基础设备，这些差异都可能造成公共部门服务精准化水平参差不齐。能够拥有大数据技术且发展较好的公共部门可以更好地满足民众需求，提供有效服务，反之则可能在精准把握民众需求方面出现短板。这种地区差异化发展趋势一旦蔓延，后期公共部门服务就很可能出现“供给真空”现象，对实现公平服务的精准供给造成障碍。

2.3.3 效果精准风险：现实条件制约结果应用

实现数据应用的效果精准是大数据工具精准化与公共部门公共服务精准化的承接处和关键点。大数据并非结果，而是能够帮助实现收益的价值工具[26]，其输出结果可以为公共服务提供具备逻辑性和客观性的必要指导。然而在公共服务领域复杂的发展背景下，大数据的分析结果可能超越公共部门能力范围，或产生与公共部门发展方向不一致的服务要求，此时数据所展示出来的需求可能无法在应用中得到满足，数据结果与现实服务供给之间出现断层。因此大数据输出结果与公共服务的匹配性和相关性就成为技术领域之外，实践领域中面临的难以避免的问题，可能降低公共服务的效果精准水平。

2.4 数据公开带来衍生问题

在数据应用过程中，公众会产生了解公共部门工作细节的需求，公共部门需要进行数据公开以使在该数据影响下产生的各项调整更加透明。利益平衡与风险管理理念成为目前政府数据公开法治化、制度化的基本支撑，是维护大数据时代网络安全的基础[27]，分析数据公开面临的阻碍成为不可或缺的环节。

2.4.1 成本精准风险：平台建设与公开效果需谨慎匹配

数据公开的必要性与成本选择性的相互抵触成为影响数据公开成本精准化的不确定性因素。在大数据时代，数据资源日益成为人类社会重要的生产要素和战略资产，被誉为21世纪的“钻石矿”[28]，因此数据公开被认为是重要且必须的。近年来国外政府公开了许多数据集，但只有小部分为民众创造了价值，成本精准水平较低[29]。中国受制于数据保护的传统和对隐私泄露的恐惧，目前面临的问题是公开的数据不能准确测量其所代表的事务[30]，使数据在某种程度上不能完全发挥其作为资源的作用，公开过程成本较高。在执行上，数据公开的方式总体上可分为实质公开和形式公开两种。对公开方式的选择涉及到数据的公开效率，这一选择更直接地体现在数据公开平台的选择上：若平台多元，则民众精力被分散，实质上不能接受充足信息;若平台集中，则民众接收信息便利，享受实质公开。公共部门需要综合考慮基础设施、资源状况、民众需求等多方面因素，结合预期公开效果确定平台数量，成本投入与理想公开效果的匹配程度将影响到数据公开的成本精准化水平。

2.4.2 受众精准风险：民众认同与服务选择存在困难

1）民众心理难以认同

影响民众心理认同程度的因素复杂，成为数据公开过程中提高受众精准化水平的障碍。首先，中国具备较强的熟人社会色彩，民众在“熟人圈”中遵循着某些特殊规则，达成微妙的平衡。但随着人们以客观直接的方式接触到周围民众的相关信息，并同时暴露自身信息，熟人社会下形成的特殊规则逐渐被打破，可能引发民众的疏离感和淡漠感。其次，如果公共部门没有完善的信息公开机制或操之过急，隐私泄露、过度公开等问题将会带来反向效果。此类事件若持续发酵，可能使民众对公开数据的关注减少，不利于收集居民反馈，将降低受众精准化水平。

2）民众预期与实际效果难以匹配

公共部门行为与民众期待之间存在博弈。数据公开后，民众普遍会产生对数据的自我阐释，部分不良数据若不经解释直接披露，就可能为谣言滋生提供缺口。同时，民众会根据数据对公共部门产生期望，但公共资源的有限性使其满足需求的程度同样有限，难免有部分问题被忽视，此时民众已经建立的心理预设与公共部门实际行为出现矛盾。这些情况下的数据公开反而使受众精准化水平受到不良影响。

2.4.3 效果精准风险：公开范围与公开力度缺乏制度约束

1）隐私安全受到威胁

技术不确定性和制度设计滞后是实现数据公开效果精准的两大障碍。大数据时代数据的海量存在以及分布式处理都加大了数据信息的泄露风险，信息安全已成为大数据技术发展的主要瓶颈之一[31]，再加之大数据依托的非关系型数据库在数据维护方面较为薄弱，隐私保护风险成为大数据应用过程中不可避免的问题。除技术本身对隐私安全带来的潜在威胁以外，数据公开阶段这一风险更多出现在人为操作层面，一方面，公共部门缺乏大数据发展经验，数据公开的类型和程度难以把握，可能公开属于民众隐私的数据，带来信息泄露和安全问题;另一方面，政策层面完善的信息保护机制尚未建立，有关数据公开与隐私的条款多分散在《刑法》《网络安全法》等综合性法律条文中[32]，顶层设计不足使实际操作更显风险。

2）过度民主降低效率

公开程度把握失衡可能带来反向效果。大数据的自身属性使数据公开成为其完整执行职能的必然要求，扩大了公共部门数据公开的范围和程度，这有利于激发民众参与公共事务的积极性。但目前中国缺乏把控民主化程度的具体条文，公共部门对数据公开力度的把握不足，存在过度公开风险。而民众在拥有更多的民主权后会要求更为广泛和实质的参与，有可能产生过度民主的需求，降低行政效率，为公共服务效果精准带来风险。

3 结 语

离开基本价值的判断和引导，公共管理将成为缺乏灵魂的盲动[33]。如果只是单纯追求工具理性而在价值理性方面有所偏差，那么公共服务的创新也就丧失了本来意义。运用大数据实现富有成效的精准治理是社会治理的重要发展趋势[34]，但从数据收集到数据公开，大数据在其应用逻辑环的每个节点都会与公共部门运行机制产生一定矛盾，为公共服务精准化带来3类潜在风险。大数据究竟是否适合引入公共服务领域，如何实现大数据技术的高效利用等问题都需要审慎思考与选择。

只有在明确把握大数据风险的基础上权衡收益与挑战，运用大数据将公共部门规划各子系统与建设内容数据化[35]，才能推进大数据技术在公共服务领域的顺利发展，有条不紊地提升公共服务精准化水平。

参考文献

[1]吴韬.大数据治理视域下智慧政府“精准”决策研究[J].云南行政学院学报，2017，（6）：111-112.

[2]Omoteso K.The Application of Artificial Intelligence in Auditing：Looking Back to the Future[J].Expert Systems with Applications，2012，39（9）：8490-8495.

[3]邓念国.大数据时代政府管理服务创新研究——以杭州为例[J].天津行政学院学报，2016，18（5）：19.

[4]Steve Lohr.The Age of Big Data[N].The New York Times，2012-02-12，（1）.

[5]余敏.“大数据杀熟”可以避免吗？——电子商务逆向选择风险规避[J].价格理论与实践，2019，（4）：141-144.

[6]孙红梅，雷喻捷.大数据、人工智能环境下内控风险及防范探索[J].会计之友，2019，（13）：118-122.

[7]仇立平.大数据+智能化时代社会的“沦陷”与治理[J].探索与争鸣，2018，（5）：45-47.

[8]王卫，张梦君，王晶.大数据交易业务流程中的风险因素识别研究[J].情报理论与实践，2019，（9）：80-85.

[9]唐皇凤.数字利维坦的内在风险与数据治理[J].探索与争鸣，2018，（5）：42-45.

[10]张海波.大数据的新兴风险与适应性治理[J].探索与争鸣，2018，（5）：40.

[11]蒋思，张文璐，卢军强，等.基于大数据的政府采购风险防控策略探索[J].实验技术与管理，2019，（7）：277-281.

[12]贾楠，郭旦怀，陈永强，等.面向社区风险防范的大数据平台理论架构设计[J].清华大学学报：自然科学版，2019，（2）：122-128.

[13]李大宇，章昌平，许鹿.精准治理：中国场景下的政府治理范式转换[J].公共管理学报，2017，14（1）：6-11.

[14]Ball A.Review of Data Management Lifecycle Models[R].University of Bath，2012：1-14.

[15]丁红发，孟秋晴，王祥，等.面向数据生命周期的政府数据开放的数据安全与隐私保护对策分析[J].情报杂志，2019，（7）：152.

[16]张洋，肖艳珠.生命周期视角下《科学数据管理办法》解读及其启示[J].图书馆学研究，2019，（15）：37.

[17]董丽荣.大数据时代互联网广告的营销模式[J].传媒，2017，（8）：69-70.

[18]Corrigan P，Joyce P.Reconnecting to the Public[J].Urban Studies，2000，37（10）：1771-1779.

[19]李德滿，黄欣荣.大数据时代群体事件的精准治理[J].江西社会科学，2018，（2）：238.

[20]崔超.城镇化背景下大数据构建和谐公共部门的策略探索[J].广西社会科学，2017，（8）：159.

[21]吴韬.大数据治理视域下智慧政府“精准”决策研究[J].云南行政学院学报，2017，（6）：114.

[22]吴韬.大数据治理视域下智慧政府“精准”决策研究[J].云南行政学院学报，2017，（6）：114-115.

[23]李德满，黄欣荣.大数据时代群体事件的精准治理[J].江西社会科学，2018，（2）：239.

[24]黄丽秋，王媛玉.贯彻十九大精神 推动大数据与实体经济深度融合——大数据时代的供给侧精准化管理[J].商业研究，2018，（9）：6.

[25]秦健.群体性事件预防机制和处置对策的思考[J].中国特色社会主义研究，2010，（4）：88.

[26]Michael L Cargano，Bel G Raggad.Data Mining-A Powerful Information Creating Tool[J].OCLC Systems & Servies，1991，15（2）：82-91.

[27]何治乐，孔华锋.机遇与挑战：中国政府数据开放的法治化路径[J].计算机应用与软件，2018，（4）：4-5.

[28]Kshetri N.Big Datas Impact on Privacy，Security and Consumer Welfare[J].Telecommunications Policy，2014，38（11）：1134-1145.

[29]Luna-reyesal F，Chunb S A.Open Government Public Participation：Issues and Challenges in Creating Public Value[J].Information Pocity，2012，17（1）：77-81.

[30]Bannister F.The Curse of the Benchmark：An Assessment of the Validity and Value of E-Government Comparisons[J].International Review of Administrative Science，2007，73（2）：171-188.

[31]宁靓，赵立波.政府购买公共服务精准化的大数据应用模式研究[J].山东大学学报：哲学社会科学版，2018，（3）：157.

[32]丁红发，孟秋晴，王祥，等.面向数据生命周期的政府数据开放的数据安全与隐私保护对策分析[J].情报杂志，2019，（7）：152.

[33]张成福，党秀云.公共管理学[M].北京：中国人民大学出版社，2001：19.

[34]李德满，黄欣荣.大数据时代群体事件的精准治理[J].江西社会科学，2018，（2）：241.

[35]崔超.城镇化背景下大数据构建和谐社区的策略探索[J].广西社会科学，2017，（8）：158.

（责任编辑：郭沫含）