下载掌阅APP，畅读海量书库
立即打开
对政务数据资产化的研究是一个复杂的课题，政务数据资产化过程是一个复杂的过程，涉及经济学、管理学及计算科学等学科，因此也涉及各学科的部分基础理论，本节将详细梳理这些基础理论。
1996年，数字经济之父Don Tapscott从范式转变的角度描述了新的经济形态对传统商业模式的冲击，意味着数字经济时代即将来临。“数字经济”的定义由经济合作与发展组织在20世纪90年代首次提出，1998年4月，美国商务部在所公布的《新兴的数字经济》（ The Emerging Digital Economy ）中指出，信息通信技术产业与电子商务构成了数字经济的两个重要分支，并公开使用“数字经济”这一定义。美国政府对数字经济概念的解读更偏向于电子政务的概念，这种观点与Don Tapscott等专家所关注的视角一致，将其视为数字经济在狭义方向上的解读。何枭吟（2005）从辨证的、动态的角度，具体分析了数字经济形态是“创造性”与“破坏性”共存、技术进步与制度变迁互动发展的过程。2016年，参加20国集团（G20）国际经济合作论坛的各国领导人，以广义的视角解读了数字经济的含义，认为数字是一系列经济活动的组合，其中包括以现代信息作为重要载体、以数字化的信息和知识作为关键生产要素、经济结构优化和经济效率的提高均依靠信息通信技术的有效使用。数字经济这一定义覆盖了生产要素、数字经济所依靠的活动载体及经济结构的变化。刘雅晴（2018）认为，2016年G20会议对数字经济所下的定义是目前最全面、最准确的，数字经济是一种全新的经济形态，与以往的农业经济、工业经济具有明显的区别，数字经济中包括的“数字”二字，暗含了在数字经济系统中，一切信息、事物均可数字化。
国内外相关学者深入研究和分析了电子政务治理理论，并基于不同的视角给出了电子政务治理的概念。美国电子政务治理协会将电子政务治理定义为一种结构，这种结构的主要功能是引导和控制企业的各种关系和流程，通过这种结构安排，可以平衡信息技术及其流程中的风险和收益，实现企业预期的目标，增加企业的价值。周贺来（2008）认为，在电子政务建设中引入完善的电子政务治理机制，有利于正确处理各利益方、近期与长远、局部与全局及政府与市场的关系，有利于合理制订适当的电子政务决策模式、运行机制和管理体制。孙宝文、王天梅（2012）介绍了电子政务成熟度模型、钻石模型、技术执行框架和利用相关者理论，提出了电子政务理论的相关概念及定理，分别研究了电子政务的治理模式、结构和机制。Hannu Larsson（2014）探讨了可持续性的定义和要素，以及可持续性的概念在电子政务研究中的应用，并对eGov文献进行了结构化审查，调查了如何解决诸如社会、经济、环境和技术等各种可持续性领域面临的问题。Osman等（2014）找出在提供电子政务服务时用户满意度的最关键因素及其表现出来的变量，将变量放到COBRA分析框架中，该框架由四个主要结构组成：成本、效益、风险和机遇，COBRA用来探寻已识别结构、关联变量和用户满意度之间的关系。结果表明，COBRA框架是从公民的角度评估电子政务服务成功与否的有用方法，并且可以推广到其他观点和衡量环境。Savoldelli等（2014）认为，一个明智的产生公共价值的政府应建立在由政治、价值观和证据所定义的良好决策的三角形中，而要实现这一目标，公共部门应该超越传统的服务创新概念。它应该引入与新思维方式、利益相关者和公民互动相关的概念和系统创新，作为合法性和证据的来源。毛万磊（2017）认为，电子治理的未来发展应该坚持以提高公众满意度为核心，完善电子化信息的公开，优化一站式在线服务，大力发展电子参与。李良成、李莲玉（2019）运用扎根的理论，将影响政府成效等绩效的影响因素分为内驱力影响因素和外驱力影响因素，其中，内驱力影响因素包括信息技术的开发与应用和为人民服务的理念与能力；外驱力影响因素分为制度、业务和信息层面。
共享协同理论是研究不同事物共同特征及其协同机理的新兴学科。Dawes（1996）分别从技术、组织和政治三个方面研究政务数据的共享，其中技术包括基础设施和应用系统；组织包括操作层面；政治包括顶层设计等。李卫东（2008）提出用公共数据中心（PDC）法、虚拟数据中心（VDC）法及开放式的WEB服务法三种方法实现政府信息资源共享，同时需要建立政府信息资源共享的良好机制和政策环境。Klievink等（2009）认为，信息通信技术的重组和变革将推动电子政务的协同发展，使政府进行从内而外的管理转型。Yang等（2011）认为，打破数据孤岛，实现数据共享可以有效提高政府的公共服务。白俊红、蒋伏心（2015）发现各主体之间在协同创新过程中，金融机构资助对区域创新绩效有显著的负向影响，即提升金融机构的资助，在平均意义下会显著降低区域创新绩效；而政府科技资助对区域创新绩效有显著的正向影响，即提高政府科技资助，在平均意义下会显著提升区域创新绩效。安小米（2019）基于协同创新理论，提出推动跨级别、跨地区、跨部门的复杂工程成功的关键因素之一就是协同创新共同体。他认为政务数据共享协同是一个复杂的系统工程，包含技术、制度及管理等多个维度。王见敏、赵飞（2019）以协同治理理论的视角，分别从供需协同、管理协同、技术协同三个层面对地方政务数据开放管理进行了思考，并提出了“构造供需协同是核心，打造管理协同是关键，完善技术协同是重点，构建联动型数据开放系统是保障”的策略。
电子政务是指各级政府部门在政务活动中运用计算机、网络和通信等现代信息技术手段，优化工作流程，重组组织机构，全面地向社会和人民提供具有国际水准、公开透明的管理与服务，将政府转变为廉洁、精简、高效的政府。自1978年我国改革开放以来，电子政务发展迅速，根据信息化发展的不同程度，可以分为四个不同的阶段，如表2-1所示。
表2-1 我国电子政务的发展历程
Chun等（2010）强调电子政务不仅改变了人们的日常生活，也改变了政府与公民之间的关系，他将电子政务发展分为三个阶段：第一个阶段着眼于“数字政府的存在”；第二个阶段提供政府之间基于Web的简单交流；第三个阶段提供在线交易服务，例如许可证更新、申请和纳税。刘柳等（2015）将价值共创理论运用到电子政务服务领域的研究中，从不同角度对利益相关者、附加价值等战略要素进行分析，探讨了在基于价值共创的基础上政府与企业合作挖掘和分析电子政务服务价值的方法。Ruhode（2016）将政府视为包含一系列信息孤岛的大型体系，认为这些信息孤岛为获取信息设置了障碍，并使服务创新变得困难。Ølnes等（2017）研究区块链技术在电子政务中的潜在用途，例如，数字ID管理和安全文档处理，基于区块链技术展示出验证多种类型文档的潜力，将区块链技术用作电子政务中各种应用程序的平台，并进一步将其用作新兴的支持基础架构。寿志勤等（2019）以安徽模式为例，阐述如何重构电子政务行政生态环境与绩效管理模式。
通过对以上文献进行归纳总结，可知技术、制度和模式是电子政务服务创新的主要方面，这三者是互相关联、互相辅助的关系，技术、制度与模式的融合发展使普通民众可以公开、透明地参加到政务活动中，有助于电子政务的快速发展和普及。
信息技术理论主要涉及区块链技术及大数据理论，下面分别介绍区块链技术和大数据理论。
（1）区块链技术。
区块链本质上是一个共享数据库，具有去中心化、开放性、自治性、信息不可篡改和匿名性等特征，上述特征使区块链技术具备坚实的信任基础，创造了可靠的“合作”机制。2019年，国家互联网信息办公室发布《区块链信息服务管理规定》，为区块链信息服务的提供、使用和管理等提供有效的法律依据。我国要想实现核心技术的自主创新，应将区块链技术作为一个重要的突破口，因此，要推动区块链技术和产业创新的快速发展。Feld等（2014）、Greenspan（2016）和Ziegeldorf等（2018）基于技术的视角对区块链进行了深入的研究，分别从底层技术、自身技术、协议算法及以太坊等方面对区块链进行研究。Swan（2015）和Tapscott等（2017）基于价值的视角对区块链的应用进行了深入的研究，他们认为身份认证等功能将由区块链所代替，互联网之间传递的不再是信息，而是价值。Ojo等（2017）认为，区块链或分布式账本技术具有分布式和开放数据的基础结构，可实现安全交易而无须Internet上的集中信任方，具有与Internet相当的破坏性潜力，必将推动全球各经济体进行数据革命。英国、美国、爱沙尼亚、新西兰和以色列“数字5国”把该项创新技术上升为国家重大战略和政策行动。Walch（2018）认为，由于区块链技术的发展，现行的法律体系将不再适用。Park（2018）认为，区块链技术使传统的客户端服务器可信第三方中介系统成为基于P2P的智能合约系统，此系统定义了在区块链背景下数据共享的价值，为参与者之间共享数据提供了逻辑条件，只有在共享数据的价值定义下，这种基于对等的数据共享才可能实现，如果这个定义不明确，那么在参与者之间共享数据将非常困难。陈晓静（2018）认为，可以基于区块链技术建立政务数据平台，并基于区块链技术进行政务数据服务应用。王毛路等（2018）梳理了区块链技术在政府治理和公共事务中的应用方向，并基于这两个方向具体分析了在具体政务事务中区块链技术所起的作用，认为在政务数据管理模式升级及快速定义治理规则等方面，区块链技术将会起到积极的推动作用，提出了有关改革成本等方面的思考。张夏恒、李豆豆（2020）认为，区块链技术已经成为全球科技发展的前沿阵地，并覆盖到数字经济、跨境电商与数字贸易等多个领域，我国需要依托区块链技术，推动数字经济、跨境电商与数字贸易的发展，以此抢占新经济制高点，最终实现“弯道超车”。肖风（2020）认为，技术基础、数据资产化和密码学三个方面对数字经济具有帮助作用。基于区块链技术可以建立数字账户，数字账户里面的数据可以非常方便地进行资产化。
（2）大数据理论。
麦肯锡全球研究院指出，大数据具有四个特征：①从数据的规模来看，大数据的数量显著大于普通的数据，具有海量数据的特征；②从数据的流转来看，大数据的流转明显快于普通数据；③从数据的类型来看，大数据的类型多种多样；④从数据的价值密度来看，其价值密度明显低于普通数据。因此，大数据在收集、存储、挖掘及管理等方面远远超过了传统数据库软件的能力范围。IBM公司总结归纳了大数据的五大特质，包括Volume（海量）、Velocity（高速）、Variety（多样）、Value（价值）和Veracity（精确），简称为5V。大数据技术的战略意义不是控制和拥有数量巨大的数据，而在于对这些庞大的数据进行挖掘和分析，挖掘大数据背后的经济价值和社会价值。换句话说，若将大数据比喻成一种产业，提高对大数据的处理和分析能力，通过对大数据的深入挖掘，使大数据的价值增值，这是大数据产业实现盈利的关键所在。在与大数据相关的技术生态体系中，Map Reduce、Spark、Storm为计算的分布式。Spark是加州大学伯克利分校的AMP实验室开发的通用并行框架，Spark与Map Reduce、Storm相比，Spark在计算速度、使用效率、数据挖掘及对大数据的分析等方面均具有明显优势。究其原因，Spark在内存中存储计算中间结果，避免硬盘对中间结果的反复读取，节省了大量的时间，提高了计算效率。目前，大数据技术在实际生活中的主要应用之一是为特殊顾客推荐其关心且感兴趣的内容，由于推荐系统的大数据具有稀疏性的不足，要求具有高效的计算框架，采用Spark技术可以弥补这一不足。国内很多学者针对Spark的推荐系统做了深入的研究。缪雪峰等（2017）提出在Spark平台下基于上下文信息的影片混合推荐方法，利用分布式并行计算技术Spark进行加速，来提高系统对海量数据的检索与计算速度，从而减少了系统响应时间。贾晓光（2018）提出了一种基于协同深度学习的改进模型——协同深度推荐（CDL-i），通过对传统CDL中的自编码网络进行改进，并对改进后的协同深度推荐进行并行化研究。通过对CDL-i进行并行化，将其迁移到Spark分布式平台，使算法运算时间极大缩短。李昌盛等（2019）设计有序模式森林，将存储频繁模式进行压缩，提出高效的单机路径搜索算法和负载均衡的数据分割策略，同时降低分布式规则挖掘与推荐计算中的任务最迟完成时间，研究结果表明基于有序模式森林的推荐计算比传统穷举匹配策略降低六倍以上时间，同时所提出的分布式计算框架可使计算节点数量达到近线性扩展。