基于耗散結構理論的政府數據治理研究*

付學敬，陳 珍，章君玉

(上海市市場監督管理局信息應用研究中心，上海 200032)

0 引言

數據作為新型生產要素，是數字化、網絡化、智能化的基礎，深刻改變著生產方式、生活方式和社會治理方式[1]。政府數據作為一種重要的公共數據，在數字政府建設和治理數字化轉型中具有重要的基礎支撐作用，有助于實現政府決策科學化、公共服務高效化、社會治理精準化，從而進一步推進國家治理體系和治理能力現代化。

數字化時代，經濟社會發展對高質量數據存在廣泛需求，而高質量數據的供給也存在不平衡不充分的問題，數據要素市場建設仍處于前期推進階段，數據要素價值未能充分發揮。提高數據質量和規范性，推進政府數據開放共享，是加快培育數據要素市場的重要基礎工作[2]。加強數據治理，依法依規促進數據高效共享和有序開發利用，充分釋放數據要素價值，是構建開放共享的數據資源體系的重要任務[3]。政府數據治理是應對政務信息化過程中信息孤島、數據壁壘等問題的解決方案和促進政務信息系統整合共享目標實現的有效保障[4]。在數字中國建設背景下，政府數據治理是國家治理體系和治理能力現代化的重要內容[5]。

本文針對政府數據利用中的突出矛盾和典型問題，分析數據治理中的目標與任務，進一步研究政府數據治理的理論基礎和相應的實踐路徑，從理論上探究政府數據治理的邏輯機理并從實踐上提出相應的實施策略與技術方法，旨在從基礎層面強化數據標準、提升數據質量、促進數據利用，提升政府數據治理效能。

1 政府數據治理的相關研究

1.1 數據治理的概念與數據治理成熟度模型

基于不同的業務目標，數據治理在國際標準和國家標準中存在多種定義。

國際標準組織在相關文件[6-11]中將數據治理定義為組織為實現數據資產價值而對數據管理活動開展的評價、指導和監控的戰略協同活動，包含數據相關政策的制定與實施、確立數據所有權、明確數據管理責任等宏觀層面的統籌規劃[12]。國際數據管理協會(DAMA)將數據治理定義為對數據資產管理行使權力和控制的活動集合，而國際數據治理研究所(DGI)將數據治理定義為通過一系列根據共識模型執行的信息相關的過程來實現決策權和職責分工的系統[13-17]。

我國的國家標準從不同角度將數據治理定義為“數據資源及其應用過程中相關管控活動、績效和風險管理的集合”“對數據進行處置、格式化和規范化的過程”“基于數據生命周期，進行數據全面質量管理、資產管理、風險管理等統籌與協調管控的過程”[18]。

綜上，數據治理可以概述為組織為實現信息資產有效使用，對數據從采集、歸集、整合到分析、利用進行管理、評估、指導和監督的過程。數據治理是獲得高質量數據不可或缺的核心管理和控制規程，通過數據治理可以提升數據的可用性和可靠性。

數據治理要取得好的成效，需要高的數據治理成熟度。數據治理成熟度是指一個組織進行數據治理所達到的階段，核心衡量指標包括數據質量、數據訪問管理和數據素養。為了達到高的數據治理成熟度，相關組織需要引入數據治理成熟度模型以度量數據治理活動，并通過該方法學習如何有效地管理數據從而確保數據的高質量。目前具有代表性的數據治理成熟度模型主要有IBM公司的5級成熟度模型、Gartner公司的6級成熟度模型以及我國的國家標準《數據管理能力成熟度評估模型》(DCMM)等[16]。DCMM定義了8個核心能力域及28個能力項445條標準，用于建立和評價組織的數據管理能力。數據治理是一種自上而下的系統性工作，負責指導、監督和評價數據管理；數據管理則側重于執行數據治理形成的決策，是數據治理在執行層的具體細化[19]。DCMM聚焦數據管理能力并更加注重數據標準的作用，是面向行業應用的數據治理成熟度模型。

1.2 政府數據治理體系與治理能力

1.2.1 政府數據治理體系

數據治理體系是數據治理的承載系統，廣義上由組織體系、制度體系、運行體系、評價體系和保障體系構成，是一個涉及戰略目標、組織架構、數據標準、管理規范、技術工具的綜合體。

安小米等[20-23]認為數據治理體系是一個具有社會建構和技術建構雙重建構屬性的復雜體系，并提出由大數據治理主體、治理客體、治理活動、治理工具、治理目標等要素組成的政府大數據治理體系和基于戴明環(PDCA，計劃-執行-檢查-處理循環)的綜合集成框架，以及融合宏觀、中觀與微觀三個層次體系構成要素的政府大數據治理實現路徑，包括通過業務驅動對元數據和主數據進行管理以保證數據的完整性、一致性和準確性。堯淦等[24]研究構建了由組織結構、規則標準、技術支持三個關鍵域組成的政府大數據治理體系，從頂層設計、過程管控、基礎保障三個方面把握政府大數據治理的框架和內容，從而滿足數據的完整性、一致性、合規性要求。宋懿等[25]依照“治理挑戰識別—治理要素提煉”思路構建了由“戰略、保障和工具”三個維度及若干要素構成的“面向共享和開放的政府數據治理體系”分析框架。蔣敏娟[26]從狹義層面提出了政府數據治理的三個主要內容模塊：數據標準及質量管理、數據共享與開放、數據安全與風險，構建基于治理主體、治理流程、治理層次、治理機制的數據治理行動框架。胡媛等[27]對美國政府數據治理進行了結構性分析并得出以下結論：(1)構成要素日臻全面，包含微觀層面上對數據質量和數據安全隱私的要求，中觀層面對運用生命周期理論維系全要素過程管理的要求和宏觀層面的協同管理規劃要求；(2)過程管理更高標準，主要體現為風險管理和全生命周期良性循環；(3)技術體系構建更加完備，突出表現為新增元數據管理要求，并將其視為數據治理的基礎。黃靜等[28]按照信息生命周期管理理論構建了政府數據治理框架，更加強調數據的標準化、真實性及準確性，并重點關注元數據管理、數據集成、數據安全管理等關鍵環節。左美云等[17]在綜合研究國內外數據治理框架的基礎上，提出我國跨部門政府數據治理框架，強調政府數據治理的特殊性決定了統一數據標準、保障數據質量的重要性。

綜上，政府數據治理體系是一個具有多屬性、多要素、多視域、多過程、多層次的復雜體系，包括治理目標、組織架構、制度流程、標準規范、信息架構、技術工具等，更加重視基礎層面的數據標準與質量以服務數據共享和開放，元數據管理在其中發揮越來越重要的作用。

1.2.2 政府數據治理能力

政府數據治理能力可以劃分為數據采集能力、數據分析能力和數據應用能力三個部分[29]。從根本上說，數據治理的目標就是提高數據質量、促進數據利用，因此數據應用能力在政府數據治理能力中具有重要地位。安小米等[18，30]從政府數據依法治理、源頭治理、精準治理和長效治理國家戰略需求出發，提出由政府數據依法治理與數據可用能力、政府數據源頭治理與數據有用能力、政府數據精準治理與數據易用能力、政府數據長效治理與數據善用能力構成的多維政府數據治理與利用能力框架。楊智勇等[31]從“對數據的治理”和“依數據去治理”兩個角度出發，通過政府數據質量治理、政府數據倉庫建設、數據共享平臺搭建提高治數效能，通過“賦智”“賦能”“賦權”實現數治能級的提升。

面向數據應用，政府數據的有效流通是數據治理能力的重要體現，它內含了數據治理中最基本的標準、質量、安全、服務等要素。因此，數據模型與數據指標的構建和管理能力是數據治理的兩項重要的基礎能力。

1.3 本文工作

學術界關于政府數據治理已有較多研究，并從不同的視角形成了一系列的理論成果，這些研究成果對于政府數據治理具有重要指導意義。與此同時，政府數據治理在理論和實踐上仍有進一步研究和探索的空間：一是進一步豐富和完善基礎理論體系，從而給予實踐更堅實的理論支撐；二是在基礎理論框架下，進一步突出實踐路徑的起始原點與實施重點。本文分析政府數據治理的目標與任務，在基礎理論層面，從系統科學的角度進一步探究數據治理的內在邏輯機理，旨在更好地指導政府數據治理實踐；在應用實踐層面，基于現有政府數據治理體系與治理能力框架，圍繞數據治理基礎層面的數據標準規范，研究在系統科學理論指導下的更具實踐意義的政府數據內生治理機制。

2 政府數據治理的目標與任務

政府數據治理具有系統要素的多元性、多層次的協同性、數據邊界的開放性、過程的動態性、矛盾的復雜性五重系統特性，提升政府數據治理水平，需要提高政府數據治理的整合能力、協同能力、開放能力、預測能力及解決復雜問題的應對能力[32]。

2.1 政府數據治理面臨的主要問題

隨著政務信息化建設的不斷推進，政府機構積累和沉淀了海量、多源、異構的公共數據，同時也不同程度地產生如下問題：

(1)數據孤島：各部門信息化系統各自獨立建設，形成了事實上的系統煙囪和數據孤島，如果不對這些業務數據進行整合融合一體化管理，數據的關聯分析和深度挖掘將很難展開。

(2)數據冗余：因為缺乏統一的數據規劃，造成各業務部門重復采集數據，同時數據的含義和規格也不盡相同，不僅造成存儲浪費，而且對數據的完整性和一致性造成損害。

(3)質量低下：政務信息化系統是政府數據產生的源頭，建設部門對數據質量的責任意識以及開發團隊對數據質量的管控能力不足，造成數據質量低下，利用價值降低。

(4)使用困難：數據的各自定義、各自存儲、各自管理造成數據標準不一、數據質量低下等問題，對業務人員理解和利用數據造成了巨大的障礙。

這些問題的解決有賴于數據治理工作的實施；數據治理已成為大數據時代數字政府建設的核心任務，也是政府數據價值實現的重要前提[25]。

2.2 政府數據治理的基本目標

數據資產是數據治理的對象，它決定了數據治理的范圍和邊界。數據治理的目標旨在構建一套完善的數據管理機制，對指導、規劃、執行、監督等數據管理活動進行規范和激勵，具有保障數據質量、防控數據風險、提升數據價值等多元價值訴求[33]。

從政府數據治理的角度看，曹惠民[5]提出政府數據治理目標應包括數據和信息等核心資源能夠被安全、有效地利用和整合，公眾能夠享受到政府數據治理改革技術所帶來的高品質公共服務。實踐上，政府數據治理的基本目標可以概括為兩個：一個是“可供給”，一個是“可獲得”?！翱晒┙o”主要解決數據規范和數據質量問題，實現數據更廣泛更充分的共享和開放利用，更好地滿足各類業務場景的數據應用需求?！翱色@得”主要解決數據安全性和訪問便利性問題，讓各類用戶能夠自主地、便捷地找到所需要的數據。

2.3 政府數據治理的主要任務

作為數據治理的一個特定領域，政府數據治理具有一般數據治理的特征，同時由于政府數據具有更為突出的共享與開放屬性，因而政府數據治理的任務又突出體現在以下三個方面：

(1)提升數據質量：數據質量不僅是業務工作價值的體現，也能夠反向賦能業務工作，高質量的數據底座是支撐數字化轉型的重要基礎。數據規范是數據質量的基礎依托，需要從數據采集、數據標準、模型建設、指標體系等方面建立完整的數據規范，通過設定標準或規則，實現異常數據的及時發現和依規處置。

(2)保障數據安全：只有在保障數據安全的前提下才能更好地開發數據價值，作為最基本的治理要求，數據安全治理貫穿于數據的全鏈條全生命周期，包括分類分級定義以及相應的配套措施，如數據加密、數據脫敏、訪問控制、數據審計、數據監控等。

(3)優化數據服務：政府數據治理的最終目標是數據利用，包括利用各種技術方法進行數據挖掘以提升數據價值和實現輔助決策。提升數據質量和保障數據安全，從根本上說也是為了促進數據被更好地利用，優化數據服務是提供優質數據供給不可或缺的手段。

3 耗散結構理論與政府數據治理

數據治理是一項復雜的系統工程，因此系統科學的相關理論對于指導數據治理實踐具有內在的邏輯統一性。

3.1 耗散結構理論

耗散結構理論認為：一個遠離平衡態的開放系統，通過不斷與外界進行物質、能量與信息的交換，在系統參量變化達到某一特定閾值時，系統在某些非線性動力學過程作用下，通過漲落變化實現非平衡相變，由原來的混亂無序狀態轉變為一種時間、空間或功能上新的有序狀態，這種有序狀態需要不斷地與外界進行物質、能量和信息交換才能維持，這種遠離平衡態的、達到有序狀態的穩定結構被稱為“耗散結構”[34-37]。這里的平衡態是指系統內部運動過程中推動力無限小的狀態，在這種狀態下，系統由于發展動力喪失而表現為靜止或無序狀態[34]。熵是系統無序性的表征，根據熱力學第二定律，自然條件下系統的熵值總是趨于不斷增大，即系統總是向著混亂的方向發展。當熵值達到最大時，系統的無序程度也最高，此時系統達到了平衡態[38]。根據耗散結構理論，在開放體系中，影響系統結構和穩定性的系統熵模型為：

dS=diS+deS

(1)

其中，diS是內部熵，為系統內部在自然運動過程中以不可逆的方式產生的熵的變化，適用熱力學第二定律，因此內部熵恒為正值，也稱為熵產。deS是外部熵，是系統與外部環境進行物質、能量交換引起的熵的變化，為非自然運動過程，不適用熱力學第二定律，因此外部熵可為正值、負值或零，也稱為熵流。dS是系統的總熵，是內部熵與外部熵共同作用的結果，如果系統的總熵趨于增大，系統趨于混亂；如果系統的總熵趨于減小，則系統趨于有序，因此系統的總熵反映系統質的變化，也稱為熵變。

耗散結構理論是研究系統耗散結構的性質及其形成、穩定和演化規律的科學，從有序和無序相互轉化的機制和條件問題揭示自組織系統的機制和規律，同時耗散結構特征可將不同的風險因素用熵進行統一的表達[39]。通過耗散結構理論可以分析系統的耗散結構特征演化規律，也可以通過構建系統熵模型和相應的指標體系，通過計算關聯熵和運行熵對系統的耗散結構特性進行實證分析或有序性評價[37]。熵和耗散結構理論已成為研究系統由無序狀態變為有序狀態的重要理論基礎[36]，該理論可以回答開放系統如何從無序走向有序的問題，對物理系統、化學系統、生物系統、生命系統、社會系統和思維系統的研究具有普遍指導意義[34]。

3.2 政府數據系統的耗散結構特征

維系政府數據的采集、歸集、整合、分析、利用等工作開展的機構人員、制度規程、軟硬件設施以及各類公共數據，共同構成了政府數據系統。

3.2.1 開放性

政府數據系統作為政府部門履行公共管理與公共服務職能的重要支撐載體，具有數據的采集、歸集、管理、加工、共享和開放等功能，其投入要素包括人力資源、數據資源、技術工具、系統設備等，產出為經過治理的規范的數據和經過優化的便捷服務。政府數據系統的職能定位，決定了其必然與外部環境進行常態化的高頻次的物質、能量、信息的交換，天然具有開放性特征。開放性為數據系統提供運行能量和發展動力，同時運行良好的數據系統也必然以數據為載體向外界輸出更高級別的信息和能量。

3.2.2 非線性作用

在數據治理過程中，外部環境的政策法規、標準規范等會通過管理體制、運行機制的調整以及資源投入、要素配置的變化等對數據系統施加結構性或功能性影響。對數據系統而言，人的主觀能動性在數據治理活動中始終具有突出的作用，深刻影響著數據治理活動開展和數據治理工作效能；技術工具作為人的能力延伸手段，在數據治理活動中則發揮效能倍增器的作用，這些都會促使各子系統或者系統要素之間發生協同、相干效應，具有典型的非線性作用。

3.2.3 遠離平衡態

數據系統的管理體制和運行機制與政府的公共管理與服務職能緊密相關，體現了政府在履行公共責任、實現公共目標、向社會提供公共物品和服務過程中所體現出來的功能與效用，因此對數據系統具有至關重要的影響力。同時，系統各要素作用機制不同，運行勢能也不同，其中人員隊伍、操作規程、技術工具發揮著關鍵性作用。在上述內外部因素的共同作用下，數據系統具備遠離平衡狀態的條件。

3.2.4 存在漲落

數據系統作為復雜開放系統，系統各要素相互關聯、相互制約、相互促進。一方面數據系統與外部環境進行物質、能量、信息的交換，數據交互、技術更新、監管要求、外部反饋等都會影響系統內部運行；另一方面，管理人員、運維人員、技術方法、平臺工具、操作規程等各要素或各子系統之間相互作用，使得數據系統在運行過程中存在諸多動態指標的漲落現象，體現了系統在不斷運動和變化情況下的宏觀狀態。

3.3 基于耗散結構的政府數據內生治理機制

數據治理的過程是數據系統對抗熵增的過程。數據系統是典型的管理系統，任佩瑜[40]提出并證明了管理系統內部產生的管理總熵并不恒大于零的結論，其管理系統熵增公式為：

dMS=diS+dimS+deS

(2)

其中，dMS為管理系統的管理總熵，概念內涵同式(1)的dS；diS、deS的概念內涵同式(1)；dimS為系統內部人工干預或管理活動所產生的熵增，由于這是非自然條件下的運動過程，因此不遵循熱力學第二定律，數值上可以是正數、負數或零，具有不確定性。

自然條件下，系統內部要素或子系統之間通過相干、協同作用而自發產生特定結構或功能的過程叫“自組織”[34]?；诤纳⒔Y構理論與熵增原理，要使數據治理具有持久的生命力，從而產生可持續的治理效果，必須對數據的生產、加工進行規范化、秩序化管理和控制，通過系統自組織功能建設有效減少內部熵的增加，減少數據沖突和混亂，增強數據治理的內生動力，從而形成數據內生治理機制。

實踐上，政府數據治理一般通過責任部門聯合專業機構開展實施，采取自上而下的治理路徑，是一種外生型數據治理。單純的外生型數據治理模式會造成數據治理與數據生產的割裂與脫節，治理成本高昂，治理效果有限。而內生型政府數據治理基于數據系統的自身運行，以數據生產和數據加工作為過程控制的關鍵環節，采取自下而上的治理路徑，強調數據生產與數據治理的整合、融合、一體化，將數據生產和數據加工與數據治理邏輯、治理機制融為一體。

基于耗散結構理論，政府數據治理需要從技術方法和管理機制上構建數據系統的負熵流和內部管理負熵，特別是要聚焦數據系統關鍵要素和數據處理關鍵環節，從標準規范層面夯實數據治理基礎，通過構建內生型數據治理的自組織功能實現“生產即治理”[41]的目標，避免“先生產后治理”的弊端。在這種數據治理形態下，外生型數據治理為數據系統提供負熵流，內生型數據治理作為外生型數據治理負熵流的作用“靶點”，為數據系統提供管理負熵，從而形成雙向治理路徑的協同運行機制和動力保障機制。政府數據治理的耗散結構概念模型如圖1所示。

圖1 政府數據治理的耗散結構概念模型

4 政府數據內生治理的邏輯機理與技術實踐

政府部門在履行公共管理和服務職能的過程中采集和產生了大量數據，這些公共數據資源對于促進經濟社會高質量發展具有重要價值。數據治理是充分激發數據價值的一項基礎性、系統性工作，同時也是一項艱巨、繁雜和具有挑戰性的工作，政府數據治理在理論和實踐上都需要進一步的研究和探索。

數據治理涉及組織體系、標準體系、流程體系、技術體系和評價體系五方面的工作領域，包括數據標準、數據質量、主數據、元數據、數據安全等多個方面內容[42]。實踐上，在數據系統建設過程中，實質性過程管控的缺乏導致不能對模型設計活動進行有效規范，信息架構設計與信息系統實現不能有效貫通，數據需求、模型設計、物理實現相互脫節，不僅造成基礎層面數據資源的缺失，同時也造成數據的冗余、交叉、不一致等數據質量問題，影響數據資產價值。

基于耗散結構理論，為有效實現政府數據治理目標，可以采取以下措施：通過應用層面廣泛的數據共享與開放利用，進一步拓展數據系統的開放性；通過基礎層面強化元數據管理和一體化建模增強數據序化勢能，使數據系統遠離平衡態；通過組織層面加大人員和技術要素投入，使數據系統保持非線性作用；通過管理層面加強運維監測和監督檢查，保持數據系統的漲落機制。通過上述治理活動，使數據系統因應外部環境變化和內部功能需求而形成新的耗散結構，并具備維持這種穩定有序結構的能力。其中，元數據管理和一體化建模是具有核心地位的基礎性工作，可有效增強數據系統的自組織功能，推進內生型數據治理，形成內外協同效應，提升政府數據治理效能。

4.1 元數據管理

數據共享和開放是政府數據的突出屬性和鮮明特征?？捎眯允菙祿蚕砗烷_放中影響數據價值實現的首要因素。元數據可以從基礎層面夯實數據標準規范建設，增加數據系統的序化勢能而使其遠離平衡態，為數據共享和開放提供有力支撐。利用元數據，數據供給方可以支持數據的分類分級和共享開放，數據需求方可以理解數據的業務含義和技術規格。

元數據是對信息資源的結構化描述，可以幫助用戶發現、識別、確認、記錄數據，具有管理、檢驗和保障數據等功能[43]。元數據通常分為三類：業務元數據，用于記錄數據的業務屬性，對數據的業務含義、業務規則進行描述；技術元數據，用于記錄數據的技術屬性，包括物理模型的表與字段、ETL規則、集成關系等；管理元數據，用于明確數據所有者、數據安全等級、共享開放屬性等內容。以元數據為基礎，在數據處理過程中進行完整性、有效性、一致性、唯一性、正確性、準確性等數據質量管理，能夠充分有效地夯實數據價值基礎[44]。

元數據是數據共享利用的基礎，廣泛存在的數據可查找、可理解、可使用問題，底層原因在于業務元數據與技術元數據未能有效統一，導致用戶無法對數據進行快速搜索、理解和獲取。通過具有約束力的元數據管理辦法和操作規程，連通數據的業務屬性與技術屬性，形成的高質量元數據可以支撐數據地圖等可視化工具對數據目錄、數據標準、數據模型、數據分布等信息架構進行集中展示，使數據的來源、數量、分布、標準、流向、關聯關系得以清晰呈現，讓用戶能夠高效地查找數據和正確地理解和使用數據。

作為數據治理的基石，元數據管理[45]貫穿數據生產、匯聚、加工、利用的全鏈條，主要功能包括：承載業務規則落地，增強數據業務屬性，從源頭夯實數據質量基礎；發現沉淀的數據，提高數據曝光和利用率，有效激活數據價值；支撐數據指標和業務報表的高效構建；助力敏捷開發，快速響應需求等。

在關鍵的元數據生產環節，對于增量數據場景，邏輯建模時需要逐層建立業務對象、邏輯實體、屬性等的對應關系，并將實體的屬性映射為數據標準，物理建模時需要將物理表、數據視圖與邏輯實體一一對應，數據表的字段與邏輯實體的屬性一一對應，從而實現業務元數據與技術元數據的統一；對于存量數據場景，可以利用元數據采集工具，按照統一的元模型從數據源中獲取元數據。元數據管理概念模型如圖2所示。

圖2 元數據管理概念模型

4.2 一體化建模

政府數據突出的共享與開放屬性決定了標準規范的特殊重要性。雖然行業主管部門會制定數據規范加強數據的標準化建設，但政務信息化建設任務的外源性和實施主體的多元化，為數據標準規范的落地實施增加了難度和風險。在依托政務信息化系統進行的數據采集、流轉、加工等操作中，需要更加注重實質性過程控制，強化自組織功能，從而增大管理負熵，使數據系統遠離平衡態。

一體化建模[45-46]旨在維護信息架構與數據資產的一致性，實現數據定義、模型設計、數據生產的內在統一，確保數據規范得到有效執行并為數據利用提供元數據的基礎支撐，避免因數據標準未能得到有效執行而造成數據系統混亂。在一體化建模中，模型管理是核心，元數據貫穿整個流程。

數據標準管理是一體化建模的基礎和前提。在政務信息化建設中，通?？梢岳脭祿幏兜幕A數據元構建數據標準池，在數據建模過程中約束實體屬性只能從數據標準池中選擇，從源頭加強數據標準落地。

對系統開發涉及的數據生產活動，開展源頭數據治理，對數據設計過程進行實質性管控，即首先對業務指標進行數據的結構化定義完成邏輯模型設計，形成業務元數據；然后基于邏輯模型設計，在業務元數據的規范和約束下完成物理模型設計，建立物理數據表與數據資源目錄的映射關系、物理字段與數據指標的映射關系，形成技術元數據。通過上述過程，確保數據需求、模型設計、物理實現的統一，在形成高質量模型資產的同時產生高質量的元數據，達到“設計即開發，生產即治理”的一體化效果。

對數據倉庫建設等數據生產活動，開展鏈路數據治理，對落地數據進行標準核驗，即定期自動采集生產系統的技術元數據并進行模型驗證，依操作規程對數據的物理實現與模型設計不一致的情況進行核查處理；隨模型發布同步完成元數據、數據資產目錄及數據標準的更新，確保數據模型的實際落地，實現對數據的全生命周期管理。

一體化建?？蚣苋鐖D3所示。

圖3 一體化建?？蚣?/p>

通過一體化建模的規范機制，數據系統進一步完善了保障數據完整性、準確性和一致性的自組織功能。

4.3 內生型治理

基于耗散結構理論，政府數據治理一方面需要通過持續的數據共享和開放，保持數據系統的開放性，并借由要素投入、外部反饋和監管要求，對數據系統持續注入負熵流；另一方面，需要通過數據系統自身的有序化管理和自組織功能建設，持續產生管理負熵，實現內生型的數據治理，確保數據系統穩定、有序運行。

實現政府數據內生型治理，技術上需要建設相應的平臺工具系統，對數據生產與數據加工等關鍵環節加強過程控制，通過以元數據為基礎支撐的一體化建模，實現數據模型的一體化設計以及數據模型與元數據的融合管理，形成完善、有效的數據架構；管理上需要建立責任監督機制，完善數據治理的管理體制與運行機制，對數據質量進行實時監測和定期評估，加強數據質量管控；制度上需要制定業務流程和操作規程，對數據治理活動加以規范，保障制度的有效執行和機制的有效運轉。通過技術、管理、制度三位一體的協同作用，在保持數據系統的開放性和遠離平衡態的同時，強化非線性作用和漲落機制，使數據系統始終在耗散結構下穩定運行。

5 結論

數據治理是激發數據要素價值的重要手段，政府數據治理在數字政府建設和治理數字化轉型中具有重要的基礎支撐作用。數據治理是一項系統工程，需要從數據戰略、組織架構、制度流程、技術系統等多個層面開展工作。傳統的“先生產后治理”模式，不僅數據治理成本高昂，而且數據質量也難以得到有效保障。從系統科學的角度看，數據治理的過程就是避免數據混亂、對抗系統熵增的過程?；诤纳⒔Y構理論，建立數據內生治理機制，實現“生產即治理”的數據系統運行態勢，對于提升數據治理效能具有重要意義?；谠獢祿寗拥囊惑w化建模，通過有效的過程管控規范數據生產，實現數據定義、模型設計、物理實現的內在統一以及元數據和數據模型管理的有效融合，有助于形成穩定有序的數據系統，實現基于耗散結構理論的政府數據內生治理機制。