在我国各级政府推动“互联网+政务服务”的实践过程中，“一网通办”成为公共服务提供模式创新的最重要场景，正由地方探索创新走向推动国家善治的新动能。

为消解“一网通办”情境下服务事项现存无序化、碎片化的知识关联困境，提出了从知识图谱到政务图谱的演绎逻辑，构建了基于政务数据采集、政务信息抽取、政务知识融合和政务知识加工的政务服务知识图谱的主要架构，同时结合上海市的实践，从数据集中、外部性和动态最优的三维视角阐述了政务图谱在“一网通办”中发挥效能的理论基础。

政务图谱的实践和理论研究仍然处于初级阶段，未来的发展仍然面临着一些挑战，包括数据安全、民众需求导向与部门效率提高之间的权衡等问题。

一、引言

“一网通办”是近年来我国为了解决政务服务中存在的诸多问题而利用“互联网+”技术开展的政务服务创新。依托一体化在线政务服务平台，“一网通办”旨在通过业务流程再造和数据整合共享，减少办事主体提交材料的数量，如果是必须提交的材料，也只需办事主体提交一次，通过一次提交、多次复用，最大程度解决材料重复提交这一堵点问题。

从电子政务的发展实践来看，上海、浙江等多个地区取得了一定的成效，但仍存在着多方面的问题：

一是办事主体材料反复提交现象依然存在。2018年4月，国家发展改革委、新华社等单位联合开展了“群众办事百项堵点疏解行动”，行动中发现，群众反映最强烈的20个堵点问题，有13个问题涉及到材料重复提交。

二是未能充分共享，提交材料多。虽然通过建设实施了材料电子化，但由于部门之间依靠传统的数据资源共享目录方式进行数据共享，需要办事主体提交的材料依然较多。例如企业在办理“省际道路客运班线经营许可”的新增、班次变更、经营主体变更等业务时，均需办事企业到公安部门开具“已聘用或者拟聘用驾驶员3年内无重大以上交通责任事故的证明”。实际上，该项材料可以以应用为导向，向公安部门提出数据共享的需求，以数据核验方式核验驾驶员是否满足条件，申请人便无需提交该项材料。

三是业务部门缺乏关联统筹。目前许多地区虽然开展了“一网通办”服务，但是不同部门之间的业务仍然以职权划分为主，办事主体视角的一件事在“一网通办”中仍旧是单独的事项，难以一次性了解办理的全貌流程。此外，某个环节上政策的动态调整不能及时反馈到其他环节，导致各环节内容不一致、不准确、更新不及时，特别是线上政务服务网和线下行政服务中心的办事指南内容不一致情况较为突出。

针对上述问题，简单强调对大数据、人工智能、区块链、云计算等新兴技术的应用并不能很好地解决问题。以大数据技术为例，其基本理念是“开放”和“共享”，在这种思维方式下，社会中的每个成员都是重要的信息来源和信息接收主体，包括政府在内的所有社会主体都可以运用大数据资源与其他社会成员进行交流和互动。

但从“一网通办”的角度来看，仅强调对大数据技术的应用只能起到提高信息和数据获取能力以及开放程度的作用，并不能有效解决材料重复提交的问题。类似地，通过引入人工智能，政府可以在一定程度上缓解人力资源匮乏问题，同时显著提升政务服务管理效能、提高政府决策质量、构建推送式政务服务模式。但人工智能技术的核心作用也是有效收集信息、存储信息，针对政府服务供给中存在的数据所有权权责不清、各部门缺乏关联统筹等问题，人工智能技术的作用非常有限。总之，简单地通过建立一个无所不包的大数据库，实现信息资源的物理集中，本质上只是将分散的、小的信息孤岛变成了一个更加无序的、混乱的大型信息孤岛。因此，缺乏新理念支撑的技术应用并没有从根本上改变政务的供给方式，也难以有效解决“一网通办”中存在的多种问题。

从根本上讲，上述问题源于信息和数据的爆炸式增长，异质多元、组织松散的大量信息对政府和其他主体有效获取、处理和应用信息提出了挑战。而知识图谱（knowledge graph）以其强大的语义处理和开放组织能力，为信息时代数据向知识的转化以及智能应用奠定了重要基础。

基于知识图谱的基本框架，在综合运用数据图谱、事项图谱、材料图谱、权力图谱的基础上构建起的政务图谱能够在一定程度上解决“一网通办”过程中出现的上述问题。

二、政务图谱的由来及基本特征

互联网的广泛应用改变了公共管理的传统范式，从早期的强调碎片化（fragmentation）、竞争（competition）和激励（incentivization）的“新公共管理”（new public management，NPM）范式转变为“数字时代的治理”（digital-era governance，DEG）范式，即专注于整合公共服务，为民众提供一站式服务（providing holistic services），让数字治理深彻变革公共管理活动。

在我国各级政府推动“互联网+政务服务”的实践过程中，“一网通办”成为公共服务提供模式创新的重要场景。在上海市“一网通办”的发展过程中，探索尝试了将知识图谱应用于政务服务领域，通过“减材料”形成了“政务图谱”，有效地提高了政务服务的水平。

（一）知识图谱在电子政务中的应用

知识图谱的概念是由谷歌公司在2012年提出的，谷歌在发布知识图谱项目后宣布以此为基础构建下一代智能化搜索引擎，其中的关键技术是从互联网的网页中抽取出实体及其属性信息，以及实体间的关系[5]。知识图谱旨在描述客观世界中的概念（在认识世界的过程中人们形成的对客观事物的概念化表示，如组织机构）、实体（客观世界中存在的具体事物，如互联网企业）、事件（客观世界的活动，如市场交换活动）及彼此之间的关系，知识图谱的基本功能是将从互联网上获取的信息表达为更接近人类认知世界的形式，进而为人们提供一种更好地组织、管理和理解互联网海量信息的能力[6]。谷歌公司最初推出知识图谱项目是为了增强搜索的效果，改善用户的搜索体验，但知识图谱的应用范围不仅限于增强搜索的结果，按照应用方式来看，知识图谱的应用方式包括知识问答、个性推荐以及基于知识的大数据分析与决策等。

知识图谱因其能够揭示概念、实体的关系，在政务领域也得到了一定的应用，知识图谱在电子政务中的应用主要体现在两个方面：

第一，知识图谱用于揭示电子政务的理论研究进展。主要方法是应用知识图谱对电子政务研究进展进行分析，通过引文、共词和共被引关系的解析，利用数据统计方法和文献计量方法对研究论文中出现的关键词进行聚类分析，以确定电子政务领域的研究热点和发展趋势，主要包括电子政务总体情况研究、政府信息公开、政府治理、政府数据开放、政务微信等研究领域的知识图谱构建，以此明确这些研究领域的现状、热点、发展路径和发展趋势等。

第二，将知识图谱技术应用到电子政务各项业务工作中。例如，利用知识图谱技术建立主题图，通过主题图建立电子政务门户知识导航体系框架，可以实现电子政务门户资源的快速利用与服务；利用知识图谱开展政务知识库建设，如国家安监总局的“政府垂直行业知识库”、科技部知识库等。此外，近年来人们开始探索将知识图谱与人工智能结合起来，实现情报分析、案件调查、网站语义搜索、人工智能回答、舆情监控等功能，提高政府治理能力，提升政府信息服务水平。

从当前的应用现状来看，目前知识图谱在电子政务领域中的应用主要体现在对学科发展研究进展进行分析方面，对于如何利用知识图谱再造电子政务业务流程、优化电子政务服务、提升城市治理能力、提高政府管理水平等方面的研究与实践仍处于探索阶段。特别是在政务服务方面，知识图谱的应用仅局限于政府网站的改进，对“互联网+政务服务”的有效支撑还有待深入研究与探索。

（二）从知识图谱到政务图谱

政务图谱是将成熟的知识图谱技术应用于政务服务领域，通过利用可视化、结构化的图谱技术，形象地展示政务服务有关内容的内在关联及整体知识架构，实现政务知识内容相互融合的一种大规模语义网络。

政务图谱将无序化、碎片化的知识有效关联起来，以实体为基本单位对政务知识进行挖掘分析，揭示权力、事项、材料、数据之间的复杂关系，实现政务知识层面的数据融合与集成，从而充分释放政务知识的价值。

从政务图谱的结构来看，主要由数据层和模式层构成：

第一，数据层。数据层存储的是具体的数据信息，政务知识在数据层中以“实体-关系-实体”三元组的方式存储，构成图状知识库。实体指具体的权力名称、事项名称、材料名称、数据项名称等，关系指的是两个实体之间的语义关系。

第二，模式层。模式层是政务图谱的核心部分，是政务图谱的概念模型和逻辑基础，存储的是经过提炼的政务知识。模式层以本体库来对数据层的实体进行规范化、标准化、关联化处理。在政务图谱的模式层，节点表示本体概念，边表示概念间的关系。因此，政务图谱的本质是利用知识图谱技术对政务服务内容进行关系化、可视化研究的一种方法。

政务图谱除了具有知识图谱固有的特性以外，由于其与政务管理与服务实现了良好的融合，还具备了如下四个特性：

第一，系统性。政务图谱利用可视化、结构化的图谱技术，形象地展示政务知识内容的核心结构及相互关系，全方位、全流程、系统性地呈现政务知识领域中权力、事项、材料、数据等核心要素及其关系。

第二，关联性。政务图谱从数据维度把不同类型的政务信息连接在一起，形成一个以材料为中心的政务数据关系网络。政务图谱以连接数据节点的思路提升了政务知识之间的关联性，清晰展示了权力和事项、事项和材料、材料和数据、数据和权力之间的关系。

第三，动态性。随着“放管服”改革的深化，政府职能加快转变，政府权责处于持续的动态调整中，相对应的行政权力事项、申请材料、材料数据也会随之发生变化，政务图谱准确地展示了权力、事项、材料、数据四者之间动态调整的关系。

第四，拓展性。政务图谱遵循政务知识的内在联系和本质规律，将复杂的政务知识通过数据挖掘、信息处理、知识计量，并以可视化的方式展现出来，为政府效能提升与重塑政府组织结构提供基础能力，有效支撑“一网通办”向个性化、精准化、主动化、智能化的服务方式转型。

三、政务图谱的框架逻辑及效能分析

（一）政务图谱的一般性框架

政务图谱的构成与构建过程充分借鉴了知识图谱的构建过程，增加了政务服务的相关元素，适用于政务服务领域。政务图谱包括政务数据采集、政务信息抽取、政务知识融合和政务知识加工四个组成部分（参见图1）。

图1　政务图谱的运行架构

第一，政务数据采集。政务图谱数据源按来源渠道可分为两类：一类是政府本身所具有的以结构化方式储存在各部门数据库表中的数据，如事项库办事指南要素；另一类是文档、文本、图片、XML、HTML、各类报表等数据类型，包括非结构化和半结构化的数据。在高质量采集政务数据的基础上可以形成数据图谱，体现出办事数据的来源和使用关系，可以实现用户办事申请表单项的结构化、关系化和可视化过程。数据图谱旨在清晰反映办事申请表单项数据的来源、使用、所有权关系，特别是表单项重复使用的关系，以及表单项和表单项之间的同义关系。通过数据图谱分析，可以为数据如何归集、共享、治理，以及表单如何免填等方面提供辅助决策参考。

第二，政务信息抽取。信息抽取的目的是从政务数据（如办事指南文本、申请表格文本等）中实现信息的自动抽取，并获得政务知识单元。对于来源于政府部门的基础数据而言，只需进行简单的预处理即可作为后续知识系统的输入，对于非结构化和半结构化的数据则需要借助自然语言处理等技术提取出结构化信息。通过实体抽取、关系抽取和属性抽取等方式，政务信息的属性将由一般的信息转化为知识，准确反映出材料重复使用的情况，可以为证照归集、证照共享、材料免交等提供辅助决策参考。

第三，政务知识融合。不同的政务知识库对实体的描述往往具有一定的差异，通过知识融合可以对特定的实体实现完整和一致的描述。知识融合涉及的关键技术包括指代消解、实体消歧、实体链接、知识合并。指代消解通过构建分布相似性模型用于解决多个过程对应同一实体对象的问题。实体消歧注1主要采用聚类法以解决同名实体产生歧义的问题。实体链接是将半结构化和非结构化数据通过信息抽取出来的数据，通过相似度计算将其链接到正确的实体对象。知识融合是通过合并外部知识库或合并关系数据库，对结构化的数据进行知识融合。

第四，政务知识加工。经过信息抽取、知识融合得到的一系列基本的事实表达，还需对其进行加工，生成结构化、网络化的知识体系。知识加工主要包括三方面内容：本体构建、知识推理和质量评估。本体是一种描述术语及术语间关系的概念模型。通过实体并列关系相似度计算、实体上下位关系抽取，则可生成本体。完成本体构建之后，形成政务图谱的雏形。此时，政务图谱之间大多数关系是残缺的，还需进行知识推理。知识推理方法主要有基于逻辑的推理和基于图的推理，经过计算机推理，建立实体间的新关联，从而扩展和丰富政务知识网络。已经形成的政务知识网络最后还需经过人工和机器对知识的可信度进行量化，舍弃置信度较低的知识，将合格、正确的政务知识纳入政务知识体系。

（二）政务图谱的治理绩效分析

从在“一网通办”中的实施效果来看，政务图谱有效地推动了减材料、数据共享以及数据的动态更新。政务图谱的上述效果之间存在着一定的内在联系，以餐饮企业提交相关材料为例（参见图2），提交的各项材料以四类事项为核心，同时一项材料又与不同的事项联系在一起，例如，材料“公共场所卫生管理制度”连接着“公共场所卫生许可”与“旅游饭店星级评定”两个事项。在此基础上，政务图谱不仅实现了减材料的目标，同时各项数据材料还实现了共享，每个事项和每个材料都直接或间接联系在一起，这种可视化的关联关系推动了数据共享，而数据共享进一步推动了减材料。

图2　政务图谱的治理绩效

第一，政务图谱的应用在一定程度上实现了减材料的目标。通过信息抽取、实体消歧、聚类分类以及知识融合四个步骤，政务图谱基于事项、材料、数据的来源和使用关系，确定办事主体必须提交的材料，避免重复提交同一类材料。例如，政务图谱将“企业投资项目核准（民族宗教项目）”与其他有相似特征的事项建立关联关系，呈现该事项办理的全貌流程，明确哪些材料可以不交，哪些材料可以提交电子证照，哪些材料是必须提交的，减少了提交材料的数量，同时也有效避免了企业在办理“企业投资项目核准（民族宗教项目）”时因材料不齐而造成跑多次的问题（参见表1）。从政务图谱在上海市的实施效果来看，2019年上海市行政审批事项减少材料总数达到11469份，其中通过电子证照调用方式“减材料”4305份、通过数据共享或网络核验方式“减材料”1318份、通过无法律依据或对审批无实质作用方式“减材料”5556份，通过告知承诺方式“减材料”290份，大幅提高了线上线下用户办事的效率。

表1　建立核减的材料清单

第二，政务图谱推动了数据共享。数据图谱可以使我们清晰地观察到数据如何在各个政府部门之间实现共享。具体顺序是“数据的存储管理部门→部门数据库→数据字段名称→数据应用表单→表单应用的事项→事项的实施主体（部门）”，形成了数据从来源到应用的闭环，完整呈现出数据的来龙去脉。例如，在办理新生儿出生登记的“申报出生登记”业务时，原流程需要申请人自备或去窗口领纸质材料“申报户口事项申请表”，需要填写21项表单信息，通过数据图谱发现该项申请表大部分信息在办理“出生医学证明签发”前置事项时，就已填写过该项信息，且这些信息储存于卫生健康管理部门。通过以应用为导向，向卫生健康部门提出数据使用的需求，实现只需申请人填写三项信息即可。

第三，政务图谱推动数据动态更新。政务图谱本身是将部门、事项、材料、表单、数据、政策、法规等政务内容之间的内在关联关系进行了格式化、关系化、可视化，当办事指南的一处内容发生动态调整变化时，其他关联要素内容很容易自动跟随进行调整。当部门、政策、法律进行动态调整时，基于图谱关系也很容易按照事项、材料、表单、数据的归属关系，及时对相关内容进行动态调整，从而保证关联内容的一致性、准确性和及时性。例如，根据2019年实施《国务院关于取消和下放一批行政许可事项的决定》的有关精神，民政部门对行政审批等事项进行了新一轮集中清理，依据无法律法规依据的材料一律不需提交原则，取消了“殡葬服务证”。“殡葬服务证”被取消之后，民政部门对五个事项办事指南进行了及时更新，对申请材料中的目录信息、办理流程信息及时进行动态调整，提高了办事指南信息的准确性。

四、“一网通办”情境下政务图谱变革的三维视角

如上文所述，通过政务图谱在上海市“一网通办”中推动实现减材料目标、指导推动数据共享、推动数据动态更新、推动内部业务协同的具体实践，形成了以“信息集中、消除外部性、动态最优”为方法机制，以“关系挖掘、规律发现、决策辅助、业务实践”为应用流程的政务图谱上海模式，在“一网通办”建设和运营过程中发挥了积极作用。

随着政务图谱在应用中不断得到完善，我们可以预期政务图谱将有更广阔的应用空间，在政务服务领域发挥更大的作用。政务图谱之所以具有上述功效，在很大程度上得益于其具有的信息集中功能，应用技术手段以较低的成本解决了政务服务供给过程中的外部性问题，同时其具备的动态调整功能使得政务服务实现了“动态最优”。

（一）数据集中视角下的政务图谱

政务图谱在一定程度推动了数据资源的集中，这对于政府有效提供服务来说至关重要。从电子政务的发展趋势来看，资源集中、服务导向是基本的发展方向。以美国为例，早在1993年，美国就启动了“国家绩效评估”（NPR）计划，强调以信息技术提升政府的公共服务水平，为了实现这一目标，美国政府积极寻求信息资源集中与共享的途径。

从2005年开始，我国政府也开始了类似“数据大集中”的探索，期望通过“一体化”建设来解决系统重复建设、数据重复采集等问题，提高政府信息资源的共享水平和利用效率。以上海市为例，以“一体化”作为政府信息系统建设的基本导向，构建以区为单位的信息资源库和信息交换平台，实现了对上、对下和横向的“三维联合”，同时为未构建相关系统的政府部门提供应用支撑，使各单位都成为应用终端，与现有的市级系统实现衔接，打通各个部门间的业务流程，大大提高了跨部门间协同水平。

作为电子政务领域中的创新活动之一，政务图谱也需要以数据的集中作为前提。对于经济活动而言，信息是以分散的形式存在的，“我们所必须利用的关于各种具体情况的知识，从未以集中的或完整的形式存在，而只是以不全面而且时常矛盾的形式为各自独立的个人所掌握”。

与经济活动不同，非经济类型的社会活动，特别是政府提供的各类公共服务，必须以数据的集中作为重要前提。这是因为：

第一，有效的政府服务供给需要以掌握大量数据为基础。公共服务供给不是面向某个个体，而是面向整个社会，因此，掌握数据的多寡决定了政府服务可以在多大程度上代表和满足社会需求。

第二，快速变化的经济和社会环境要求政府必须及时获取和处理数据，进而才能有效提供服务。与市场提供经济物品不同，政府服务是一种“标准化”产品，必须把大量数据和信息集中起来，并及时更新，才能“生产”出反映最大多数人需求的服务。

第三，政府部门之间的分工深化导致数据在不同部门之间越来越分散，进而提高了“交易”成本，数据集中则可以在一定程度上解决这一问题。分工一方面可以提高经济效率，但另一方面随着分工的深化也将提高交易成本。政府部门之间的分工也是如此，分工虽然使得各部门可以提供更为专业化的服务，但也导致各个部门之间出现了“数据孤岛”。因此，将分散孤立的数据变成整合汇聚的数据是提高政府服务水平的重要举措。

（二）外部性视角下的政务图谱

政务图谱通过对信息和数据进行归集、融合以及动态调整，在一定程度上可以解决政府部门在分工过程中产生的外部性问题，并且这种方式既不是行政命令的方式，也不是谈判的方式，而是通过应用新技术的方式来解决外部性问题。

在经济学家看来，对外部性——一个主体的行为影响到了第三方但并没有进行相应的支付或获得相应的补偿——的处理通常是通过两种方式：

第一，政府方式。通过行政命令的方式来解决外部性问题。以企业污染为例，政府可以对污染企业征税，征税规模等于企业污染活动给其他主体带来的成本，这相当于企业在生产中考虑到了外部性影响，进而降低企业的污染水平。

第二，市场方式。“科斯定理”表明，在产权明确且不存在交易成本的情况下，相关主体可以通过谈判的方式来解决外部性问题。例如，当上游企业污染排放影响到下游企业的生产时，双方可以谈判来解决外部性问题。如果产权属于上游企业，下游企业可以通过“贿赂”上游企业使其降低排放水平；如果产权属于下游企业，则上游企业可以对下游企业进行支付，以补偿其损失。

与经济学提供的外部性解决方案不同，政务图谱通过对数据和信息的有效集中、融合、识别、分类、更新等，使得由不同政府部门之间存在的“数据孤岛”或者数据更新不及时等因素导致的外部性问题得到有效解决。

首先，政务图谱是消除部门之间“数据孤岛”的有力工具。“数据孤岛”分为两类：一类是物理意义上的“数据孤岛”，指的是数据在不同部门间独立存储、独立使用和维护，各部门的数据相互孤立，形成了物理意义上的孤岛；另一类是逻辑上的“数据孤岛”，指的是不同部门站在自身的角度对数据进行定义、存储，导致一些包含着相同信息的数据被赋予了不同的含义，提高了不同部门之间数据共享、分析和利用的难度。从作用机制来看，政务图谱主要是消除逻辑上的“数据孤岛”，在收集大量数据的基础上，通过知识抽取、知识表示和知识融合的过程，不仅使大量原始信息得以实现物理意义上的聚集，而且实现逻辑上的整合，将信息转化为知识。

其次，通过及时更新和分享数据，政务图谱避免了由个别部门不及时更新数据导致的外部性问题。政务图谱框架中的数据图谱包括两个组成部分，一是数据共享情况图谱，可以通过可视化的方式展现各个政府部门已共享数据和未共享数据；二是数据共享应用流程图谱，以应用为导向完整地展示数据从来源到应用的每一个节点。数据图谱可以辅助政府部门实时了解本部门数据共享情况，提高部门未共享的数据的共享速度，盘活政府部门数据资源，进而消除由于个别部门信息更新不及时给其他部门带来的负外部性。

（三）动态最优政策视角下的政务图谱

制定最优政策（或曰完美政策），并据此指导特定的政府部门向社会提供公共服务，往往是政策制定者的重要目标。而从社会公众的角度来说，也往往偏好政府出台完美的政策——一经推出就可以高效供给公共服务的政策。然而，正如知名发展经济学家Rodrik警告所言，政策制定者不应试图设计出一项完美政策。这不仅是由于制定完美政策是一项难以完成的任务，而且即使政策制定部门可以完成这一任务，但由于外部环境以及公共服务需求主体需求和偏好的变化，最初“完美”的政策措施也将失去效能而不再“完美”。

不论是对于产业政策等经济政策而言，还是对于一般的政府公共服务供给来说，在政策制定或提供公共服务之后，相关政府部门必须在政策实施过程中或公共服务供给过程中不断进行反思和检讨，不断地从私人部门获得相关信息，使公共服务供给部门与社会主体在不断互动和协调的基础上改进、完善政府服务。

显然，政务图谱并不致力于以某种“完美方式”来向社会公共提供公共服务。首先，政务图谱承认公共服务提供过程中存在的各种问题。包括材料重复提交、数据所有权权责不清、数据难以充分共享、各政府部门之间缺乏关联统筹等问题。其次，政务图谱并没有为自身设定任何静态政策目标，而是以向社会公众提供“动态最优”服务为核心目标，同时依据动态变化的数据或政策法规实时调整服务内容，实现公共服务供给的动态效率。正是因为政务图谱并不是一项“完美计划”，也从没有以提供静态最优服务作为政策目标，才获得了不断改进和完善的空间，使其具有了“动态最优”的特征，这是政务图谱在“一网通办”的应用中取得显著效果的重要原因。

（四）三维视角的协同互动机制

数据集中、消除外部性以及动态最优三种机制在政务图谱中各自发挥了一定的作用，是政务图谱推动“一网通办”减材料、数据共享以及数据动态更新的关键机制。必须指出，上述三种机制彼此不是孤立的，而是相互联系在一起，三种机制之间存在着相互作用，每种机制都为其他机制作用的发挥提供了重要的基础或前提条件（参见图3）。

图3　三维视角下政务图谱的协同机制

第一，数据集中与消除外部性之间具有相互促进的关系。一方面，数据集中通过消除“数据孤岛”为消除外部性奠定了重要基础。数据集中不仅有利于解决系统重复建设、数据重复采集等常见问题，提高政府信息资源的共享水平和利用效率，更为重要的是，在收集大量数据的基础上，政务图谱可以有效消除逻辑上的“数据孤岛”，大量分散的数据转化为集中性的知识，同时数据的集中也可以有效避免由个别部门不及时更新数据导致的外部性问题。另一方面，政务图谱通过对信息和数据的归集、融合和动态调整，可以在一定程度上解决不同部门在分工过程中产生的外部性问题，这将有效推动信息向知识的转化，推动信息集中的质量和效率的提高。

第二，数据集中与动态最优机制之间存在着相互促进的关系。一方面，数据集中将大大提高数据共享的效率，尤其是不同部门之间数据的实时共享是推动政务图谱实现动态最优目标的重要基础。在传统政务服务供给模式下，由于缺乏各类数据、信息和政策的动态更新和共享，因此只能实现一时一事的效率，即静态最优效率。相比之下，政务图谱的“三维框架”则以追求动态最优为目标。另一方面，动态最优机制可以有效提高数据质量和使用效率。一般来说，政务信息、政府政策等都不是静止不变的，其形式、内容、性质等往往具有动态变化的特点，因此，只有让各类信息和数据处于动态更新的过程中才能确保数据收集的质量，并进而提高数据的使用效率。

第三，消除外部性与动态最优机制之间也具有相互促进的关系。一方面，消除外部性有利于推动政务服务供给从静态最优走向动态最优。这是因为，对于个别部门而言，其政务服务的供给从自身的角度来说可能已经处于有效状态，但一项政务服务往往涉及到不同的部门和不同的环节，某个部门在实现自身效率的同时可能并未兼顾到对其他部门的影响，并产生了负外部性。因此，只有在消除外部性的基础上，部门效率才能走向整体效率，政务服务的供给才能实现动态最优。另一方面，动态最优机制可以在一定程度上避免新的外部性的出现。动态最优机制可以确保数据在部门之间的实时共享，同时提高未共享数据的共享速度，这将大大降低由于新的信息不断涌现以及共享不充分所导致的新的外部性出现的几率。

五、结论与未来研究展望

“十四五”规划中指出，我国要加快数字化发展，特别是加强数字社会、数字政府建设，提升公共服务、社会治理等数字化智能化水平。数字政府的建设不仅需要新技术的支撑，也需要以新的理念来推动电子政府服务的创新。

鉴于此，本文首次将知识图谱有关理论运用到政务服务中，基于上海“一网通办”的工作实践，构建了政务图谱的基本框架，从数据集中、外部性和动态最优三维视角阐述了政务图谱在“一网通办”中发挥作用的理论基础，将上海政务图谱的应用实践上升到理论层次加以阐释。

本文不仅在实践层面上展现了政务图谱广阔的应用前景，上海的相关经验可以为我国其他地区所借鉴，同时从理论上对电子政务创新活动提供了新的解释，这也将为政务图谱未来的发展提供重要的方向指引。

本文的研究表明，通过应用信息技术手段，政务图谱可以显著提高政务服务的供给效率，在一定程度上解决政务服务供给过程中存在的外部性问题，但由于政务图谱的实践和理论研究仍然处于初级阶段，未来的发展仍然面临着一些挑战，包括数据安全问题、民众需求导向与部门效率提高之间的权衡等问题。

第一，数据安全。数据安全事关国家安全，关涉经济社会发展的方方面面。政务图谱通过信息集中提高了政务服务供给的效率，但信息和数据的集中也会带来数据安全问题。技术进步往往是一把双刃剑，随着大数据等新兴技术的广泛应用，数据的大集中为政府的信息化建设带来了新的突破口，但同时也潜藏着一些问题，最为突出的便是如何确保数据的安全。例如，早在2002年中国人民银行就制定了《中国人民银行关于加强银行数据集中安全工作的指导意见》，旨在应对银行业的数据集中对计算机系统的可靠性和安全性提出的挑战。对于政务图谱而言，数据集中可能会带来风险的集中，而风险管理的基本原则就是“不要把所有鸡蛋放在同一个篮子里”，因此，政府面临着数据集中的收益与数据安全下降导致的成本之间的权衡。

第二，民众需求与供给脱离。电子政务的发展受到两方面驱动因素的影响：一是政府部门出于改进内部效率的考虑创新政务服务的提供形式，二是民众对政务服务的需求。从电子政府的实践来看，目前有关政府网站的评估和排名往往都是从供给侧出发，以客观指标为评估依据，对需求侧——用户使用体验方面的关注不够，办事主体的主观评价没有成为评价电子政务的重要指标。这导致电子政务的发展中存在着供给与需求、客观与主观相脱离的问题。特别是政务图谱等基于新兴信息技术的政务服务供给模式带有较强的“技术基因”，使得政府部门更加倾向于从供给侧来改进和创新电子政务的内容和形式，进而可能在一定程度上忽视民众的需求变化以及民众对电子政务的主观评价。

第三，部门推诿。政务图谱通过对数据进行归集、融合以及动态调整，在一定程度上解决了政府各部门之间存在的“数据孤岛”问题，为民众提供了统一的办事平台。但另一方面，相比分散化的政务服务供给模式，政务图谱在归集不同政府部门信息的同时，也可能会降低各个部门的责任感，当统一的政务服务平台发生问题时，部分政府部门可能会将责任推诿给其他部门或者是平台。这一点并不难理解，随着政务服务由分散化走向集中化，由提供差别服务走向提供标准化服务，各个政府部门之间的分工界限变得越来越模糊。因此，一方面，政务服务效率的改进很难归功于某一个部门；另一方面，在政务服务中一旦出现问题也很难准确地界定责任主体，进而导致部门之间的推诿。

针对上述三个潜在问题，政务图谱未来的发展应从如下几个方面着手：

第一，推动电子政务发展理念和指导思想的转型，从以提高部门效率为核心目标逐步转变为以公众和企业需求为核心目标，真正树立“以人为本”的政务服务理念，将政务图谱的应用普及率以及民众满意度作为评估政务服务供给质量的标尺。

第二，关注数据集中带来的风险，通过筑牢“管理、制度、技术”三道防火墙，确保政务数据在不断集中的同时安全性得到保障。可以通过物理隔离、病毒防护、加密脱敏、数据备份、身份认证、访问权限、区块链等多种技术手段来提高政务数据的安全性，有效阻断非法访问和攻击对政务数据系统的破坏，保障电子政务平台的有效运转[18]。

第三，对有关政府部门的政务服务定期进行评估。明确奖惩机制，对那些为政务服务平台做出突出贡献的部门和个人进行一定的奖励，为每个部门改进政务服务平台的运行质量提供必要的激励，同时对那些不积极、不作为的政府部门进行曝光，强化监督，建立起必要的约束机制。

注1：实体消歧（Entity Disambiguation）是专门用于解决同名实体产生歧义问题的技术。在实际语言环境中，经常会遇到某个实体指称项对应于多个命名实体对象的问题，例如“李娜”这个名词（指称项）可以对应于作为歌手的李娜这个实体，也可以对应于作为网球运动员的李娜这个实体，通过实体消歧，就可以根据当前的语境，准确建立实体链接。实体消歧主要采用聚类法。

来源《电子政务》2021年第4期

朱宗尧. 政务图谱：框架逻辑及其理论阐释——基于上海“一网通办”的实践[J]. 电子政务，2021(04): 40-50.

作者简介：

朱宗尧，男，博士，上海市大数据中心主任，主要研究方向为政府职能转变、公共数据治理、数字政府。

编辑：智慧城市行业分析 smartcity.team

【END】