> For the complete documentation index, see [llms.txt](https://blog.opendatachina.org/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://blog.opendatachina.org/blogs/mai-ken-xi-bao-gao-zheng-fu-ru-he-shi-fang-kai-fang-shu-ju-jing-ji-qian-neng.md).

# 麦肯锡报告：政府如何释放开放数据经济潜能

***该报告原文出自麦肯锡研究院，原作者: Michael Chui 和 Diana Farrell，编译者: 高丰***

***注：本文不采用本刊默认的 CC-BY 协议，禁止一切转载。编译内容仅供个人学习使用。***

该报告是麦肯锡研究院之前发布的「Open Data: Unlocking innovation and performance with liquid information」报告的延展。前述报告曾指出，全球每年因开放数据释放的经济价值可以达到3万亿美金，这其中包含了因开放数据创造的新财富也包含了因开放数据节省的开支。

这份新报告将探讨政府在开放数据经济价值实现过程中应当扮演怎样的角色：如何释放开放数据潜能，如何管理风险，以及如何吸引利益相关者参与。

报告由五个模块组成：

1. 什么是开放数据以及为何它那么重要
2. 政府如何促进开放数据价值的实现；
3. 政府如何控制开放数据项目的风险；
4. 政府如何吸引利益相关方参与；
5. 政府可以如何展开，评估并进一步扩展其开放数据项目。

在这份摘要中，将高度简述报告中的要点，报告中本身的图表以及具体案例都未包含在此，请感兴趣的读者自行下载原报告阅读。

**政府如何促进开放数据价值的实现**

报告指出，开放数据的价值实现主要通过三个途径：

1. 更好的决策

   开放数据能为决策提供事实基础从而作出更为客观、思虑周密的决策。
2. 创新的产品和服务

   开放数据使不同机构和企业能够更好了解用户和情境从而设计新的服务和产品
3. 透明度提升

   开放数据可以让人了解更多关于行为、决定、开支的情况和问题从而让市民和决策者作出新的改变

而政府在释放开放数据经济价值的过程中可以扮演4种不同的角色：

*数据提供者*

政府应当更快实现数据电子化，并将数据尽早、频繁地发布给公众使用。政府也需要考虑如何设计有效的方案来提升自己的数据质量。

政府在确定数据开放的优先级时需要同时考虑该数据集所能带来的价值以及开放该数据集的难易程度。

通常来说，一些很容易就开放的数据并不能吸引利益相关方来使用。政府应当与利益相关方进行紧密地沟通，了解社会到底需要怎样的数据，数据的相关标准（格式，包含的内容）需要如何设计，数据的更新频率需要多高，数据集的元数据需要包含哪些必要的说明信息（例如数据采集方法，编码方法等等）。

政府也可以通过发布一份数据清单，来帮助大众了解哪些数据是政府拥有的，从而可以通过浏览相关数据的元数据信息，进一步确定并反馈他们需要怎样的数据，从而帮助政府确定优先级。

政府内的公务人员需要转变他们的思维，将开放数据作为部门工作的默认方式。这不单是说政府部门要把将部门数据开放给公众使用作为常规事务，而且要转变自己是政府服务提供方的心态，通过开放数据，使更多的第三方参与进政府服务的建设，让第三方做专业的事情，创造更好的、更创新的服务和产品。

*催化者*

另一方面，政府可以为整体开放数据生态作出贡献。政府可以做推动开放数据文化的建设，与各利益相关者互动，召开会议促进数据使用。政府更可以领导整个开放数据运动的发展，指引整体生态建设的方向。

政府应当善用媒体来进行开放数据的推广。同时一个非常流行且有效的方式是举办开放数据相关的研讨会和黑客松活动。通过对创新应用的奖励和公众宣传，吸引更多利益相关方来使用开放数据。此类活动不单是促进开放数据创新的机会，也是政府收集反馈的机会。特别是当某个部门想要新开放一些数据的时候，可以通过此类活动来进行小规模实验，听取参与者对数据格式、数据质量、数据隐私控制等方面的建议。

政府在催化开放数据生态时也可以通过培养开放数据领袖来引领整个生态的建设。比如，在美国，政府就设立了「白宫数据布道者」的职位来监管与推广政府 data.gov 项目。美国政府也设立了总统创新奖 (Presidential Innovation Fellow)，提供半年到一年的全额资助供新兴科技领来和政府机构进行合作，利用开放数据进行创新，引领政府开放数据项目，并记录和推广最佳实践。

*用户*

政府并不单单发布数据供他人得益，其本身也可以通过开放数据项目打通部门间的数据壁垒。通过大数据的分析手段，提升自身决策能力以及公信力。政府也能在这过程中了解自身能力不足，进而在人力、设备、工具上进行长远的投资，提升数据搜集、分析、使用的能力。

政府在投资开放数据项目时要考虑到雇佣足够的数据专家、统计专家来服务各级政府与机构。这当中不单包括雇佣新专家，也包括提升原有员工待遇，从而让他们继续为政府作出贡献。

除了雇佣专家外，政府应当在教育项目上进行投资。这涉及到整体开放数据理念、概念、操作方式、利益相关方沟通与吸引参与策略的培训，也包括数据能力（数据搜集、分析、可视化技能）的培养。

*政策制定者*

政府需要为开放数据的使用，无论政府内部还是外部，制定法则。进一步，政府需要为开放数据的质量控制、数据格式制定统一的评价体系和标准。

在开放数据这个特定背景下，政府应当提供一定的法律、条例来进行管理和约束：

1. 定义访问和获取相关敏感信息和数据的权利：比如医疗记录，税收退免记录，驾驶记录等等
2. 决定哪些数据是个人和企业必须共享出来的
3. 为政府数据采集、管理、分发定下规则和指南
4. 为数据共享定下奖励措施

政府也需要严格保护隐私和机密信息。

数据质量控制和数据格式的标准需要进行统一制定。决策者需要向技术专家进行请教，共同确定相应的标准。一些科技企业早已使用的数据标准可以在审议后复用到政府开放数据项目中。

**政府如何控制开放数据项目的风险**

开放数据项目的风险有两大类：

个人层面的风险

1\. 个人隐私：个人隐私信息可能被不恰当地开放和分享

2\. 数据安全：数据保护能力的不足

3\. 数据滥用：开放的数据可能被滥用而危及个人

企业层面的风险

1\. 保密信息：企业保密数据可能被泄漏

2\. 潜在责任：因数据安全做的不到位而面临的罚款和损失

3\. 知识产权：没有数据所有权的判定标准

针对以上两类分线，相应的措施有：

1. 移除细化数据：通过数据整合，移除可能的隐私或机密信息
2. 安全能力建设：进一步投资加强数据安全的技术能力并对员工加强培训
3. 吸引参与互动：与利息相关方进行互动与交流了解担忧并听取建议

**政府如何吸引利益相关方参与**

*市民和消费者*

市民和消费者都能从开放数据带来的透明化（不单是政府透明，更是价格、消费透明）中获益，政府可以考虑召开公众论坛来吸引市民和消费者了解开放数据的益处，了解开放数据过程中的隐私保护，了解开放数据怎样提升政府服务。

消费者本身也可以反向为通过共享自身数据来为开放数据项目作出贡献。比如，共享自身健身数据可以帮助医疗机构更好了解市民健康情况，有针对性制对以特定地域制定医疗方案。

*商业*

不同的企业，无论是跨过公司，新兴数据公司，创业公司又或政府合约企业都想了解政府的开放数据政策和规则，并试图对政策制定施加影响。但更重要的是，这些商业公司都通过利用开放数据，设计了诸多创新的服务和产品。这些都是极好的案例，能够帮助政府更好吸引其他企业参与进开放数据计划。

*媒体*

新闻记者使用开放数据集来识别值得关注的趋势、模式、行为。相应，开放数据使得媒体有了新的数据源来创建可视化产品供读者进行探索。

媒体也是开放数据成功案例的推广者。政府应当吸引媒体的参与，通过他们让公众了解开放数据可以如何改变生活，通过媒体让公众及早了解新的政策变化，从而收集相关的反馈来完善开放数据计划。媒体对开放数据计划的报道也将更好激发公众参与，通过众包方式来给予政府反馈和帮助。政府也能通过媒体进行人员招募，活动宣传，加强开放数据计划的能力建设和扩大影响力。

*NGO*

开放数据为NGO（公益机构，学校，智库等等）提供了丰富的数据源。无论是本国自己政府发布的数据，还是国际机构、政府发布的数据，这些数据都能帮助NGO更好地展开业务工作。NGO除了使用数据，也能更好影响政府机构发布数据的优先级和相应政策制定。

特别的，对于专注于教育的NGO，也可以开始着眼于数据通识能力培养的问题。因为随着数据越来越开放，我们的普罗大众的数据能力还很弱，相应的培训是非常需要的。

**政府可以如何展开，评估并进一步扩展其开放数据项目**

报告建议任何开放数据计划的启动应该着眼于三个元素：人，工具 (toots) 和系统 (systems)。

相应的诊断包含5个方面：

1\. 确认目前掌握哪些数据，并评估价值

2\. 评估现存的开放数据计划

3\. 评估目前在知识上、能力上、技术基础架构建设上、管理上、吸引参与上等方面的问题

4\. 确认各类行动和投资的优先级

5\. 评估第三方如何使用某一个机构开放的数据集，是否完全实现了它的价值


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://blog.opendatachina.org/blogs/mai-ken-xi-bao-gao-zheng-fu-ru-he-shi-fang-kai-fang-shu-ju-jing-ji-qian-neng.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.