TOE框架下的省級政務大數據發(fā)展水平影響因素與發(fā)展路徑
——基于fsQCA實證研究

黎江平 姚怡帆 葉中華，

(1.中國科學院大學中丹學院 北京 100190；2.中國科學院大學公共政策與管理學院 北京 100190)

0 引 言

黨的十八屆三中全會將推進國家治理體系和治理能力現代化提上政策議程之后，其內涵日益豐富，相關的頂層設計也在不斷完善。與此同時，以大數據為代表的新一代信息技術方興未艾，也為加速推動國家治理體系和治理能力現代化提供了新契機。經過實踐的檢驗，大數據憑借大容量、高速性和多樣性等特點，在提升政府治理的效率以及精確度方面表現出了顯著的優(yōu)勢?；诖耍鞯卣娂妼Υ髷祿l(fā)展給予了充分的重視，以期通過政務大數據建設提升省級政府數字治理的能力。截至2020年底，省級政府共出臺了254份與大數據發(fā)展相關的地方性法規(guī)、政府規(guī)章和規(guī)范性文件。其中，22個省(自治區(qū)、直轄市)設立了專業(yè)化的大數據管理機構，用以監(jiān)督和管理與大數據發(fā)展相關的各項事務[1]。實際上，各地區(qū)的政務大數據發(fā)展水平并不同步，“數字鴻溝”和“數字煙囪”依然是阻礙數據開放與共享效率和水平的關鍵性問題。2017至2019年，中國社會科學院發(fā)布的《大數據藍皮書：中國大數據發(fā)展報告》顯示，大數據政用指數最高的廣東省領先排名末尾的西藏27.44分(總分為30分)，東部地區(qū)大數據政用指數高出中西部地區(qū)近6分，表明我國政務大數據發(fā)展水平地區(qū)差異明顯，呈現“東強西弱”的格局[2]。那么，這一差異產生的原因是什么？換言之，影響政務大數據發(fā)展水平的因素有哪些？對該問題的回答有助于協(xié)調政務大數據發(fā)展的地區(qū)差異，進而促進我國政務大數據的整體水平提升，因而亟需大數據領域的研究者和實踐者給予關注。

當前，學界對影響大數據發(fā)展的因素進行了卓有成效的探討，按研究對象可劃分為三大類：整體大數據發(fā)展的影響因素研究、大數據產業(yè)發(fā)展的影響因素研究、政務大數據發(fā)展的影響因素研究。有關整體大數據發(fā)展的影響因素的研究較少，王少泉[3]從經濟發(fā)展水平和環(huán)境兩個維度探討了影響大數據發(fā)展水平的因素并建議因地制宜發(fā)展大數據。在大數據產業(yè)發(fā)展的影響因素研究方面，Abawajy[4]指出信息技術基礎設施是制約大數據產業(yè)發(fā)展的關鍵因素。雷庭[5]認為技術、高端人才、商業(yè)模式、政策環(huán)境等因素對大數據產業(yè)的發(fā)展至關重要，而基礎設施因素和市場規(guī)模因素的影響較小。周瑛、劉越等[6]則主張技術因素、行業(yè)競爭因素和經濟因素是影響大數據產業(yè)發(fā)展的最主要因素。也有研究基于fsQCA方法得出經濟發(fā)展水平、信息化發(fā)展水平及兩化融合水平是經濟較發(fā)達地區(qū)發(fā)展大數據產業(yè)的關鍵因素，而信息技術創(chuàng)新能力和信息資源開發(fā)利用能力則是經濟欠發(fā)達地區(qū)發(fā)展大數據產業(yè)的關鍵因素的結論[7]。在政務大數據發(fā)展的影響因素研究方面，劉銀喜等從宏觀層面指出，政府數據治理能力受政府系統(tǒng)內外部諸多因素的影響。Sejahtera Surbakti等[8]則通過文獻回顧的方法從微觀視角識別出組織、技術等7大類41個影響政府部門有效使用大數據的因素。總體上看，當前研究仍停留在理論層面，多采用文獻分析的研究方法，實證研究較少。在研究內容方面，偏重于關于大數據產業(yè)發(fā)展的影響因素的研究，對政務大數據發(fā)展的影響因素的關注不足。此外，有關大數據發(fā)展影響因素的選取略顯宏觀，缺乏對影響因素產生作用的機理以及影響因素之間的相互關系進行深入探討。

綜上，本文將目光聚焦在政務大數據的發(fā)展水平上，借鑒政策工具創(chuàng)新的TOE框架(Technology-Organization-Environment)，采用模糊集定性比較分析法(fsQCA)對全國31個省(自治區(qū)、直轄市)政務大數據的發(fā)展水平展開實證研究，識別影響省級政務大數據發(fā)展水平的因素及其作用機理。在實證分析結果的基礎上，提出縮小政務大數據發(fā)展地區(qū)差異，促進我國政務大數據整體發(fā)展的政策建議。

1 理論基礎

作為信息時代的衍生產物，大數據不只是一項單一的技術，而是一個概念，一套技術系統(tǒng)，具有規(guī)模性、多樣性和高速性的特征[9]。這意味著需要將大數據發(fā)展的相關研究置于系統(tǒng)性和整體性的視域下，納入除技術之外的其他因素，進行多維度和多層面的全面考察。在中國地方政府數字化轉型的眾多議題研究中，基于技術應用情境的綜合性分析框架——TOE框架應用較為廣泛。TOE框架(technology-organization-environment)最早由Tornatizky和Fleischer兩位學者提出，Tornatizky和Fleischer將影響技術應用條件的討論放在技術(Technology)、組織(Organization)和環(huán)境(Environment)三個層面下展開[10]。該分析框架不僅聚焦于技術層面的考察，還將組織因素和環(huán)境因素納入到考量范圍之內。其中，技術層面強調技術本身的特征以及其他相關的技術因素；組織層面關注與技術相匹配的組織結構特征，譬如制度、機制、資金投入等因素；環(huán)境層面聚焦在會對技術能力產生影響的情境因素，如資源、需求、基礎設施等因素。已有學者基于TOE框架考察了中國地方政府網站建設的績效差異[11]、省級政府數字治理影響因素與實施路徑[12]、政務服務數據協(xié)同治理水平[13]以及政府在電子服務能力方面的影響因素[14]。以上研究表明TOE框架在我國數字治理和電子政務領域具有較強的解釋力和適用性。鑒于地方政府數字變革的深層次因素在于通過技術變革促成組織結構和組織關系的變革，因此需要將影響技術應用的組織因素納入考察范圍。習近平總書記在“實施大數據戰(zhàn)略 加快建設數字中國”的重要講話中強調，“全面實施促進大數據發(fā)展行動，完善大數據發(fā)展政策環(huán)境”[15]，說明了科技的昌明進步離不開環(huán)境層面關鍵性因素的支持?？梢姡琓OE框架的內涵符合中國政務大數據發(fā)展的客觀規(guī)律，基于此，本文在TOE框架下，結合現有研究和中國具體的治理情境，在技術、組織和環(huán)境層面設置了影響中國省級政府政務大數據發(fā)展水平的相關變量。

1.1技術層面因素政務大數據發(fā)展能力的研究屬于數字治理的研究范疇，數字治理理論是治理理論與技術論的整合，從理論特質上看，數字時代信息技術嵌入政府治理，技術是數字治理理論相較于其他治理理論的最大特點，強調通過技術賦能組織變革，重塑公共部門管理流程，進而產生治理效能，實現治理模式的轉變。率先提出數字治理理論的英國學者Patrick Dunleavy[16]認為，信息技術的發(fā)展是推動數字時代政府治理的重要力量之一，對信息技術的理解與應用是影響數字化進程的重要因素。關于技術層面，TOE框架更加強調基于技術應用場景的綜合性因素，其中，技術創(chuàng)新基礎條件反映了一個地區(qū)整體的技術資源稟賦，它衡量了某一地區(qū)對技術和知識的聚合能力，以及將知識和技術轉化為新觀念、新產品和新應用的能力。因此，本文將技術創(chuàng)新基礎這一變量引入分析框架，分析它對政務大數據發(fā)展水平的影響。

1.2組織層面因素組織與技術是能夠產生相互作用的兩個因素，大數據作為新興信息技術，能夠推動組織框架和組織模式的變革；同時，組織作為技術發(fā)展的結構性保障，也會對政務大數據發(fā)展的效果產生深遠的影響。美國著名學者Jane·Fountain[18]提出了“技術的執(zhí)行”概念，認為技術不能自行決定它的前程，而是會受到政治、組織、社會安排等中介性影響，換言之，信息技術變革需要關注到組織體制、內部組織文化等作用因素[19]。另外，政府的行為選擇取決于政府的注意力分配[20]，因此，政務大數據發(fā)展水平會受到政府注意力的影響。具體到中國情境，政府在制度保障和機構建設兩個方面的舉措是影響一個政策或項目推進落實的重要因素。其中，政策文件是政府行為和意識的物化載體，政策文本的數量直接反映了領導者對大數據發(fā)展相關議題的重視程度。另外，機構建設是提高大數據發(fā)展水平在組織層面的重要保障，通過設置大數據管理和發(fā)展機構，能夠加速專業(yè)化技術人才、知識和技術的集聚，形成技術創(chuàng)新的合力。因此，本文選擇政策關注度和組織機構支撐度為組織層面的影響因素。

1.3環(huán)境層面因素“在技術革命到來之際，人與環(huán)境的互嵌性，人在自己制造的嶄新環(huán)境中如何求存，已經是一個現實驅動人們去面對的新問題”[21]。在中國，與電子政務階段不同，新時代的數字政府建設旨在通過信息技術賦能公共部門管理，實現業(yè)務重組和流程再造，進一步推動國家治理體系和治理能力的現代化發(fā)展。大數據時代的政府應該是以公民需求為導向，以公眾響應為目標的服務型政府。這驅使政府運用大數據夠精準感知用戶需求并快速作出回應。在中國的政治體制中有一個有意思的現象—“晉升錦標賽”[22]，即政府官員對經濟增長的追求源于中央政府所采取的錦標賽式的績效考核機制，這種觀念深刻地形塑著同級政府間的競爭行為。如果經濟發(fā)展接近且地理相鄰的同級政府在政務大數據發(fā)展方面表現優(yōu)異，將會影響本省政府對政務大數據發(fā)展的重視程度。綜上，從環(huán)境層面來講，公民需求以及同儕競爭壓力都會對政務大數據發(fā)展水平產生深刻的外部影響。

2 研究設計

2.1研究方法：模糊集定性比較分析法定性比較分析法(QCA)是一種基于集合論與布爾代數的研究方法。該研究方法由美國學者Charles C.Ragin在20世紀80年代創(chuàng)立，經過多年的發(fā)展與完善，已被廣泛應用于政治學、經濟學、社會學領域的研究[23]。QCA方法綜合了案例分析和定量分析的優(yōu)點，從整體視角關注條件組態(tài)與結果之間的復雜因果關系，兼顧了結論的廣泛適用性和研究的深入性[24]。依據變量的類型，QCA還可細分為確定集定性比較分析法(csQCA)、多值集定性比較分析法(mvQCA)和模糊集定性比較分析法(fsQCA)[25]。

本文采用fsQCA方法主要基于以下考量：a.相較于其它2種定性比較分析法，fsQCA方法并不要求變量為二分變量，而在本研究中連續(xù)性變量居多，因此更適合采用fsQCA方法以避免數據轉制造成的信息失真；b.政務大數據發(fā)展水平是多重因素并發(fā)的結果，其影響過程錯綜復雜，同時線性與非線性影響機制交織，fsQCA方法適合處理此類問題；c.fsQCA方法對案例數量的要求較低，并且在10-60個案例數量的中小樣本分析中具有突出優(yōu)勢[26]。本文所選取的省級層面的政務大數據研究案例數量為31個，符合fsQCA方法對案例數量的基本要求。綜上，fsQCA方法與本研究是十分匹配的，它的使用能夠為本研究提供很好的指導。

2.2案例選擇與變量設計

2.2.1 案例選擇 本文選取中國省級行政單位作為政務大數據發(fā)展的影響因素的研究對象，理由有三點：a.省級政府兼有中央政策的執(zhí)行者和地方政策的制定者的雙重角色，是縱向政府層級中承上啟下的關鍵一環(huán)。對省級政務大數據的發(fā)展水平的考察，不僅有助于領會中央層面的政策意圖，也能對更低層級的政府推進政務大數據發(fā)展帶來啟示。b.政務大數據發(fā)展門檻高，要求具備較好的資金、人員、技術和基礎設施條件。相較于市級政府和基層政府，省級政府的政務大數據發(fā)展更為成熟和完善。c.省級層面數據的可獲取性更高。當前，已有針對省級政務大數據發(fā)展的評估報告出爐，但完整的地市級和基層政務大數據發(fā)展水平的評估報告尚未問世。

2.2.2 變量設計 本文的結果變量為省(自治區(qū)、直轄市)級政務大數據的發(fā)展水平。政務大數據發(fā)展水平涉及數據資源存量、數據開放質量、數據互聯共享等多個維度，評估較為復雜。中國社會科學院大數據發(fā)展戰(zhàn)略重點實驗室自2017年起定期發(fā)布《大數據藍皮書：中國大數據發(fā)展報告》對省級大數據發(fā)展水平進行排名，其權威性受到業(yè)界的廣泛認可，因而選取該報告中“大數據政用指數”這一指標，來衡量各省政務大數據發(fā)展水平。需要指出的是，2020年發(fā)布的《大數據藍皮書：中國大數據發(fā)展報告No.4》評價體系與2017-2019年報告的評價體系差異明顯，為保持結果變量的數據一致性，只選取2017-2019年的報告結果。

如理論基礎部分所述，技術創(chuàng)新基礎、政策關注度、組織支撐度、公民需求和同儕壓力等5個因素為本文的條件變量。技術層面包括“技術創(chuàng)新基礎”，由于研發(fā)強度(研發(fā)投入占GDP的比重)是衡量一個地區(qū)技術創(chuàng)新能力和氛圍的關鍵指標，因此，本文采用研發(fā)強度表征技術創(chuàng)新基礎，數據來源是各省(自治區(qū)、直轄市)統(tǒng)計年鑒。組織層面包含“政策關注度”和“組織機構支撐度”兩個條件變量。其中，“政策關注度”通過有關大數據的規(guī)范性政策文件數量進行衡量，該數據來源于北大法寶網站?！敖M織機構支撐度”則采用各省大數據管理機構的設置情況進行衡量，通過查詢各省人民政府官網以及其他權威網站，核實各省大數據管理機構的設置情況。具言之，截至2018年底，設置了省級大數據管理機構的省份賦值為1，未設置省級大數據管理機構的省份則賦值為0。環(huán)境層面則包含“公民需求”和“同儕壓力”兩個條件變量?！肮裥枨蟆辈捎没ヂ摼W網民比例(互聯網普及率)進行衡量，數據源自國家統(tǒng)計局官網以及各省統(tǒng)計年鑒?！巴瑑妷毫Α暗木唧w衡量指標則為與該省處于同一經濟地帶(國家統(tǒng)計局劃分的八大經濟地帶)且接壤的省份的大數據政用指數平均得分，數據來源與結果變量一致，均為《大數據藍皮書：中國大數據發(fā)展報告》。需要指出的是，除組織機構支撐度之外的條件變量指標均采用2016-2018年數據的平均值(見表1)。

表1 變量選取概況

2.3數據校準數據校準是實施模糊集定性比較分析的前提，fsQCA中的數據校準是指將各變量的原始數值轉化為其在集合中的隸屬程度。為完成校準，需要為每個變量設定3個錨點：完全隸屬(賦值=1)、交叉點(賦值=0.5)以及完全不隸屬(賦值=0)。參照學界慣例，將樣本數據的95%、50%和5%分位數分別設定為完全隸屬、交叉點和完全不隸屬，具體校準錨點如表2所示。

表2 數據校準錨點

3 fsQCA分析

模糊集定性比較分析主要包括必要條件分析和條件組態(tài)分析兩個步驟。前者用來衡量單一條件變量對結果變量的解釋程度，后者分析條件變量組合對結果變量的解釋程度。分析結果用總體一致性與總體覆蓋率兩個指標來衡量。前者表示條件組態(tài)對結果變量的解釋程度，后者表示條件變量可以解釋的案例數量[27]。

3.1必要條件分析在進行條件組態(tài)分析之前，首先需要明確各條件變量是否為構成結果變量的必要條件。利用fsQCA3.0軟件對所有條件變量的一致性和覆蓋度進行了檢驗(參見表3)，結果顯示，各變量一致性均低于臨界值0.9，說明各條件變量均無法單獨構成結果變量的必要條件[20]。這體現了政務大數據建設的復雜性，因此需要綜合考量各條件變量的聯動對省級政務大數據發(fā)展水平的影響。

表3 必要條件分析

3.2條件組態(tài)分析通過真值表分析，得到了政務大數據高水平發(fā)展的七種條件組態(tài)，表4清晰地展現不同組態(tài)的解釋力和各條件變量在不同組態(tài)中的相對重要性。其中，每一列代表了一種可能的條件組態(tài)。表4中，總體一致性為0.873，表明在滿足這7種條件組態(tài)的省級政府案例中，有87.3%政務大數據發(fā)展良好?？偢采w度為0.856，表明這7種條件組態(tài)能夠解釋85.6%的政務大數據發(fā)展較高水平的案例。由于總一致性與總覆蓋度均高于臨界值，表明本研究的實證分析有效。根據核心條件的不同，7種組態(tài)可以歸納為黃牛型(組織主導型)、脫兔型(技術主導型)與雄師型(技術-組織共同主導型)三種模式，以下分別對三種發(fā)展模式加以分析。

表4 省級政務大數據發(fā)展良好的條件組態(tài)分析

3.2.1 黃牛型 從政務大數據發(fā)展水平的條件組態(tài)來看，組織層面的相關條件變量在組態(tài)1、2、3中發(fā)揮了巨大的作用，使得具備該類條件的省級政府在政務大數據發(fā)展中呈現出了良好的態(tài)勢。這一類條件組態(tài)中，組織機構支撐度和政策關注度為核心條件，此類省級政府在政務大數據發(fā)展的過程中主要采取設置專門的大數據組織機構和出臺有關大數據政策等策略，在大數據發(fā)展的推進中成績突出。這種發(fā)展模式下的省級政府注重頂層設計，重視組織變革和財政支持，抓住了政府數字化變革的組織要素，遵循政府治理的客觀規(guī)律，勤勤懇懇。本文將具有此類特征的條件組態(tài)統(tǒng)稱為黃牛型(組織驅動型)。通過進一步分析，3種不同的條件組態(tài)表現出一定的差異性。

在條件組態(tài)1中，政策關注度為核心條件，這意味著，組織層面的注意力分配對省級政務大數據的發(fā)展十分重要。這類路徑能夠解釋約33.9%的擁有較高大數據發(fā)展水平的省級政府案例，且有2.0%的案例僅能被這一路徑解釋。條件組態(tài)1表明，當組織對大數據的政策關注度較高且公民需求旺盛時，即使技術創(chuàng)新基礎較弱，同時也未設置大數據管理機構，其政務大數據亦可保持較高的水準。結果分析發(fā)現，四川省的大數據發(fā)展模式與該條件組態(tài)較為貼合。具體而言，四川省政府的技術創(chuàng)新基礎并不突出，研發(fā)強度排在全國第14位，也未成立省級大數據專職管理機構，缺乏組織機構支撐。然而，在2016至2018年期間，四川省有關大數據的規(guī)范性文件年均數量位列全國第7，該省對大數據發(fā)展的重視程度可見一斑。此外，四川省人口眾多、移動互聯網普及率較高，因而公民需求較旺盛。綜上，憑借高政策關注度和旺盛的公民需求，四川省的政務大數據獲得了長足的發(fā)展。

在條件組態(tài)2中，組織機構支撐度為核心條件，同儕競爭壓力為邊緣條件。該組態(tài)表明對于技術創(chuàng)新基礎和政策關注度處于中等水平但同儕競爭較大的省級政府而言，如果能夠較早地組建大數據管理機構，則可獲得較高的政務大數據發(fā)展水平。38.3%的省級政務大數據發(fā)展案例可被這一組態(tài)路徑所解釋，其中，4.0%的案例僅能夠被這一路徑解釋。作為這類條件組態(tài)的典型代表，與北京、天津毗鄰的河北省面臨著較高程度的同儕競爭壓力，鑒于此，河北省于2018年11月組建了河北省政務服務管理辦公室，統(tǒng)籌推進全省的“互聯網+政務服務”工作，承擔起政務大數據一體化平臺建設的重任。得益于機構支撐度和同儕競爭壓力，河北省大數據政用指數位居全國前列。

條件組態(tài)3表明，當省級政府成立了大數據管理機構且面臨高同儕競爭壓力時，即使不具備突出的技術創(chuàng)新基礎和政策關注度，也不論公民需求如何，其政務大數據發(fā)展水平依舊較高。這一路徑可解釋24.3%的省級案例，其中，2.3%的案例僅能夠被該路徑所解釋。條件組態(tài)3的典型代表是重慶市。重慶市于2018年11月5日組建了大數據應用發(fā)展管理局，負責全市大數據資源的建設和管理。此外，由于得天獨厚的氣候條件和政府高度重視，臨近的貴州省已經成為中國政務大數據發(fā)展的“領跑者”之一，另一鄰省四川省的政務大數據發(fā)展水平也較高。因此，重慶市還面臨較高的同儕競爭壓力。

綜上，三種條件組態(tài)雖同屬于由組織層面因素驅動的黃牛型，但不同條件組態(tài)仍有所差異。與組態(tài)1相比，雖然組態(tài)2和3在政策關注度方面的表現沒有那么突出，但專業(yè)的機構設置所帶來的組織結構變革與同儕競爭壓力和公民需求所帶來的協(xié)同效應，仍然可以保障較高發(fā)展水平的省級政務大數據。

3.2.2 脫兔型 該發(fā)展模式以技術層面的要素為主導，所隸屬的案例盡管在組織層面沒有給予足夠的重視，但憑借較為優(yōu)越的技術創(chuàng)新基礎，其政務大數據發(fā)展仍處于中上水平。因而，本文將具有此類特征的條件組態(tài)稱為脫兔型(技術驅動型)。脫兔型發(fā)展模式以組態(tài)4為典型代表。

組態(tài)4表示一個省份如果具備強大的技術創(chuàng)新基礎，加之旺盛的公民需求，即使未設立大數據管理機構，亦不論公民需求和同儕競爭壓力如何，均能產生較好的政務大數據發(fā)展效果。這一路徑能夠解釋37.8%的較高政務大數據發(fā)展水平的案例，其中，4.6%的案例僅能被這一路徑解釋。此路徑下的典型案例是江蘇省。例如，雖然江蘇省并未設立專門的數字治理機構，在大數據領域出臺的規(guī)范性政策文件也相對較少，但在強大的技術創(chuàng)新基礎與旺盛的公民需求的雙重加持下，其政務大數據發(fā)展水平依舊較高。

3.2.3 雄獅型 條件組態(tài)5、6和7表明，組織層面和技術層面的相關條件變量推動了省級政府大數據建設的高水平發(fā)展。在這一類條件組態(tài)中，相較于其他條件，技術創(chuàng)新基礎、政策關注度以及機構支撐度是最為核心的變量。這類省份經濟發(fā)達，研發(fā)強度較大，重視科學技術的全局性突破作用，較早地抓住了技術變革的機遇，因而具備了較高的技術創(chuàng)新基礎；與此同時，省級政府還認識到組織層面對技術變革的支撐作用，在財政資源供給和機構設置等方面都賦予了足夠的支持，因而在組織和技術因素的共同驅動下，具備了較高的大數據發(fā)展水平。為了凸顯省級政府如同雄獅一般，對先進技術的敏感和高超的領導與組織能力，本文將具有此類特征的條件組態(tài)統(tǒng)稱為雄獅型(組織-技術驅動型)。

組態(tài)5表示，公民需求較旺盛的省份，在具備較完善的技術創(chuàng)新基礎條件時，如果省級政府能夠給予較多的政策關注度，則該省份將會擁有較高的大數據發(fā)展水平。有49.6%的省份可以被這一路徑解釋，其中，有3.2%的案例僅能被這一路徑所解釋。從實踐來看，作為改革開放的排頭兵，廣東省在數字化轉型進程中先行一步，在具備較高公民需求和技術創(chuàng)新基礎條件的前提下，省級政府對大數據發(fā)展給予了充分的關注度，先后發(fā)布了《2015年廣東大數據行動計劃》以及《廣東省促進大數據發(fā)展行動規(guī)劃(2016-2020年)》，指導廣東省大數據的發(fā)展與應用。這一系列的措施，促使廣東省成為全國政務大數據發(fā)展的高地之一。

組態(tài)6表明，在一個技術創(chuàng)新基礎較完備且公民需求旺盛的省份，若能較早成立省級大數據管理機構，其政務大數據均可達到上佳水平。這一路徑能夠解釋39.7%的政務大數據發(fā)展水平高的案例，并且有4.2%的案例僅能被這一路徑解釋。北京市是這一發(fā)展路徑的典型代表。作為高科技企業(yè)和人才分布最密集的地區(qū)之一，北京市的大數據技術創(chuàng)新基礎在全國首屈一指，2016-2018年平均科技研發(fā)強度為5.92%，高居全國第一。其次，北京市移動互聯網普及率高、公民需求旺盛，要求政府提供更為便捷高效的政務服務。不僅如此，北京市還較早地組建了大數據管理機構，為政務大數據的發(fā)展提供有力的組織機構支撐。綜上，在技術創(chuàng)新基礎、組織機構支撐度和公民需求共同作用下，北京市的政務大數據發(fā)展水平已躋身全國一流行列。

組態(tài)7表明，若一個省份技術創(chuàng)新基礎好、對政務大數據關注度高，同時面臨較大的同儕競爭壓力時，無論機構支撐度和公民需求條件如何，其政務大數據發(fā)展水平較高。這一路徑能夠解釋44.3%的政務大數據發(fā)展水平高的案例，并且有5.5%的案例僅能被這一路徑解釋，唯一覆蓋度為所有路徑中最高。山東省屬于該發(fā)展路徑。該省大數據技術創(chuàng)新基礎較好，2016-2018年平均科技研發(fā)強度處在2.30%的高位。近年來，山東省政府深刻把握大數據等新興信息技術的變革意義，注重將大數據運用于政府治理，出臺一系列政策文件推動“數字山東”建設。此外，山東省地處發(fā)達的北部沿海經濟地帶，臨近省份的政務大數據發(fā)展水平較高，因此，該省面臨較大的同儕競爭壓力。

進一步比較雄獅型的三種路徑，可以發(fā)現，組織和環(huán)境層面的條件變量之間存在替代效應。具體而言，通過對比組態(tài)5和組態(tài)6可以發(fā)現，政策關注度和機構支撐度可以相互替代。另外，對比組態(tài)6和組態(tài)7可以發(fā)現，公民需求和同儕競爭壓力對于政務大數據的高水平發(fā)展具有同等效用。

4 結論與政策啟示

4.1研究結論當下技術革命席卷而來，大數據作為其中的先進信息技術代表正從根本上改變人類的生活方式和政府的治理模式。與之相對，政務大數據發(fā)展水平的提高也需要技術、組織以及環(huán)境因素的強有力支持。首先，從技術層面來看，技術賦能的力量驚人。盡管雅斯貝斯對第二軸心時代的到來秉持著謹慎的態(tài)度，但現如今科學技術的極速發(fā)展已經成為第二軸心期的主要特征。“人類已經無法脫離技術的重大影響，回到誕生時期的狀態(tài)”[28]。技術創(chuàng)造了新的工具和機器，不僅改進了人們的生產方式，提高了勞動的效率和質量，還極大地推動了組織關系的變革。其次，在組織層面上，政府仍然是引導技術良性發(fā)展的無可替代的組織實體，政府通過機構改革、資源供給和政策把控等方式，使技術在可控的狀態(tài)下保持長足的發(fā)展和整體的創(chuàng)新。從治理情境來看，政府數字化轉型是一場系統(tǒng)性、全方位和持續(xù)化的技術變革和組織變革，任何積極作為和有效競爭仍是基于客觀的外部需求和資源做出的，環(huán)境因素是技術變革能夠穩(wěn)健推行的重要外部條件。

基于此，本文以TOE理論為分析框架，應用模糊集定性比較分析方法(fsQCA)，探索影響省級政務大數據發(fā)展的因素及其實施路徑。研究發(fā)現：a.省級政務大數據發(fā)展水平受到政府的技術創(chuàng)新基礎、政策關注度、組織支撐度、公民需求和同儕壓力等因素的綜合影響。其中，技術創(chuàng)新基礎、政策關注度以及組織支撐度是核心要素，但是這些條件變量均無法單獨構成省級政務大數據高水平發(fā)展的必要條件。b.共有7種建設高發(fā)展水平的省級政務大數據的路徑，依據主導因素的差異，本文將其歸納為黃牛型(組織驅動型)、脫兔型(技術驅動型)和雄獅型(技術-組織驅動型)三大發(fā)展模式，各路徑均涉及不同條件變量的共同作用，且不同路徑中條件變量的協(xié)同機制有所差異。c.隸屬于黃牛型發(fā)展模式的省級案例，缺乏較強的技術創(chuàng)新基礎，其政務大數據的發(fā)展主要受到組織因素驅動。d.其中，以高政策關注度為主要驅動力的省份需要關注公民需求，用以取得更好的政務大數據發(fā)展績效；單純依靠機構支撐度驅動的省份則需同時兼顧公民需求和同儕壓力等環(huán)境因素對政務大數據發(fā)展水平的外部影響。e.脫兔型發(fā)展模式對政策注意力分配和組織機構建設重視不足，但依托強大的技術基礎和創(chuàng)新能力，政務大數據發(fā)展水平較高。f.與其他兩種模式相比，隸屬于雄獅型發(fā)展模式的省級政府的政務大數據發(fā)展水平最高，該類案例不僅擁有卓越的技術創(chuàng)新基礎，在組織層面也對政務大數據發(fā)展給予充分的政策關注、重視大數據專門管理機構的設置。在這一類型中，組織層面的高組織機構支撐度與高政策關注度兩個因素對政務大數據建設所起的作用可相互替代；類似的替代效用在環(huán)境層面的高公民需求和高同儕競爭壓力兩個因素之間也同樣存在。

4.2政策啟示在中國，隨著大數據發(fā)展日新月異，實施國家大數據戰(zhàn)略，加快建設數字中國已經是不諳的事實。習近平總書記在中共中央政治局第二次集體學習時強調，大數據是信息化發(fā)展的新階段，應實現跨層級、跨地域、跨系統(tǒng)、跨部門、跨業(yè)務的協(xié)同管理和服務，運用大數據提升國家治理現代化水平[29]。本文旨在最大限度彌合各地區(qū)政務大數據發(fā)展鴻溝，提升我國政務大數據發(fā)展整體水平，進而助力國家治理體系和治理能力現代化。從結論來看，公民需求并非影響政務大數據發(fā)展的核心要素，表明當前政務大數據建設未完全遵循以人民為中心的價值導向。此外，政務大數據三種發(fā)展模式中，雄獅型的省級政務大數據發(fā)展水平最高且后勁十足，因而該類案例應為脫兔型和黃牛型政務大數據先進地區(qū)以及政務大數據后發(fā)地區(qū)學習的標桿。不過，由于在資源稟賦、技術基礎和公民需求等方面存在差異，各省份在制定政務大數據建設的策略時需因地制宜。

對于黃牛型政務大數據發(fā)展高水平的省級政府來說，技術早已成為地方政府數字化轉型過程中最為靈活的變量，如何將技術融入組織變革是數字政府治理無法跳脫的關鍵性問題。為此，在“互聯網+政務服務”的背景之下，地方政府應轉變治理理念，認識到大數據、人工智能、區(qū)塊鏈等新型技術在不同治理場景中提供技術應用的重要性。其次，應夯實技術治理的基礎，建立統(tǒng)一的政務大數據管理與應用平臺，打破地區(qū)、部門以及組織之間的“數字煙囪”和“數字鴻溝”，實現跨地區(qū)、跨部門、跨組織、跨層級的數據開放與共享。最后，為了避免“技術賦能”淪落為“技術負能”的悲劇，還應提高行政部門的公職人員對技術的應用能力，明晰有關部門與行政人員的基本職能，加強對政務服務全方位、全流程和全部門的監(jiān)督與管理，確保政務大數據的長足發(fā)展，進而驅動政府數字化轉型的良性運作。

對于脫兔型政務大數據先進省份而言，應對政務大數據建設給予更多的組織層面的支持。一方面，應盡快成立省級大數據管理機構，整合各方資源，為政務大數據發(fā)展提供機構支撐；另一方面，應分配更多的組織注意力，加大資金投入，配備專業(yè)化人員隊伍，同時以“新基建”為契機加強大數據基礎設施建設，鞏固和提升大數據的技術創(chuàng)新基礎。脫兔型發(fā)展路徑適合少數政務大數據發(fā)展水平較低的東部省份。這些省份盡管經濟較發(fā)達，但由于未給予政務大數據充分重視或未及時轉變觀念接納新興技術，而在政務大數據建設領域暫時落后。因此，政務大數據處于后發(fā)地位的東部省份可通過轉變守舊的觀念、擁抱新技術，激活良好的技術基礎和應用能力，在短期內促進政務大數據的發(fā)展。

隨著“數字中國”和“智慧社會”戰(zhàn)略的推進，信息技術助力政府數字化轉型不僅在于實現政務大數據的開放與共享，其核心旨歸是實現“公共服務供給側”向“公共服務供給側與需求側并重”的轉變。特別是數字治理相關議題的復雜性和不確定性日益凸顯，政府更應該采取一種整體性策略以助推信息技術對政府治理結構的根本性變革。在大數據發(fā)展的過程中，應以公民需求為導向，建設一個承認公民地位、尊重公民訴求、注重需求回應的回應型政府。其次，省級政府還應提高自身的技術應用能力，建設一個將信息技術作為有效治理手段，能夠整合數據資源，協(xié)調治理責任的智慧型政府。最后，在政府數字化轉型的過程中，最根本的挑戰(zhàn)不是對技術手段的創(chuàng)新能力，而是對這些先進信息技術進行應用和管理的能力，需要建設一個能夠協(xié)調組織利益、加大大數據建設投入力度和重視程度的服務型政府。