大数据时代的预算绩效指标框架建设

马蔡琛 赵 笛

一、引言

2018年9月，《中共中央国务院关于全面实施预算绩效管理的意见》正式发布，这充分彰显了建设现代财政制度的时代要求，其中明确要求预算绩效评价指标建设需要“创新评估评价方法，立足多维视角和多元数据，依托大数据分析技术，运用成本效益分析法、比较法等，提高绩效评估评价结果的客观性和准确性”。[1]预算绩效评价作为对政府资金运用、项目实施以及部门整体支出的考核和分析，是建立科学规范、透明公开、约束有力的现代预算制度的重要保障。绩效指标的设置不仅构成了预算绩效评价的根据，也体现了政府管理的价值导向。随着全面实施预算绩效管理的不断推进，指标内容和指标赋权逐步得以完善，但仍存在指标不够全面、定性指标比重过高、指标针对性不强等问题，而大数据时代的渐行渐近，在一定程度上有助于从技术角度改善这些问题。

大数据作为未来数据技术与科技发展的重要基础和趋势，深刻地改变着人们的生产和生活，同样也改变了人们看待事物的方式和思维。大数据的出现，在一定程度上，使得传统统计学的随机抽样前提不再成立，可以获得关于一个事物的全样本信息；不再一味地追求精度，而是从精确思维转向容错思维；不再一味地探寻事物之间的因果关系，而是接受了大数据带来的相关关系。[2]2019年5月，财政部发布了《关于推进财政大数据应用的实施意见》，要求各部门推进财政大数据应用，以支撑建立现代化财政制度，这也是第一次从顶层设计层面对财政大数据的应用做出要求。对于预算绩效指标来说，大数据从思维方式、技术创新、数据采集等方面，影响着预算绩效指标的设计。如何运用大数据为预算绩效管理服务，在海量数据中如何进行数据挖掘与分析，从而建立更加全面、具体、科学的预算绩效指标框架，成为当前全面实施预算绩效管理必须思考的问题。

二、基于技术进步视角的预算绩效指标设计

纵观各国预算绩效指标的发展，无论是从过程指标到结果指标的转变，还是指标原则和指标设计方法的优化，其总体发展方向呈现出指标体系不断完善、优化并且走向统一的过程。同时，在数据分析技术不断进步的过程中，伴随着数据公开制度化和强制性的提高，预算绩效指标的数据驱动趋势日益明显，在大数据风生水起的当代世界，简单且科学全面的指标体系受到更多青睐。

(一)预算绩效指标的全球发展历程

一方面，预算绩效评价指标体系的建设是一个逐渐丰富、量化并且走向法制化的过程。1973年，美国颁布了《联邦政府生产率测定法案》(The Federal Productivity Measurement Program)，形成了较为成熟的早期绩效评价指标体系。该方案设定了按照部门分类的2 500多个产出指标，涵盖了医疗卫生、财务审计、公共服务等多个部门。[3]20年后的1993年，美国绩效评估委员会(NPR)根据《政府绩效与结果法案》(GPRA)，正式从国家层面建立了一套较为完整的绩效评价指标体系。根据2010年颁布的《政府绩效与结果现代化法案》(GPRAMA)[4]，绩效指标作为衡量产出和结果的特定标准，具体包括这样几个方面：一是服务指标(customer service)，是机构提供服务的满意度指标；二是效率指标(efficiency)，是单位时间、单位成本或其他单位比例的量化指标；三是产出指标(output)，是商品或服务产出数量的量化指标；四是结果指标(outcome)，是利益相关方的结果量化指标。从GPRA法案、PART系统(1)PART系统，全称项目评估定级工具(The Program Assessment Rating Tool)，是2002年7月美国管理和预算办公室(OMB)开发的一种正式评估联邦计划有效性的工具。该工具基于问卷调查的方法，用于评估1 000多个联邦项目的绩效，在评估完成后，PART审核有助于为预算决策提供信息并确定改善结果的行动。PART调查问卷分为四个部分：(1)计划目的和设计，(2)战略规划，(3)计划管理，(4)计划结果。 根据每个问题的答案对项目进行打分，然后进行总体评价。评级结果共有五种：有效、中等有效、基本有效、无效、无法显示结果。到GPRAMA法案的提出，体现了联邦和州政府对数据驱动绩效管理不断努力的过程，体现出政府绩效评价客观性的不断加强。[5]

另一方面，预算绩效指标体系的建设也是一个不断精简、优化、统一以及指标体系愈发综合的过程。英国的绩效评估起源于20世纪80年代初的中央政府，负责公共卫生服务(NHS)的中央部门开始测量和报告下属机构(如医院)的绩效。[6]英国的最优价值绩效指标(Best Value Performance Indicators)源自2000年的英格兰和威尔士，是政府用来评价各职能部门公共服务质量、工作效率、竞争力以及问责的重要指标。最优价值绩效指标(BVPIs)的结果可用于职能部门之间的比较，并将指标结果向社会公布。从2007/2008版本的BVPIs指标体系来看，指标按照企业健康(corporate health)、住房(housing)、交通(transport)、环境(environment)等进行分类，共设84个一级指标以及142个二级指标。2008年4月，国家指标集合(National Indicator Set)取代了最优价值绩效指标，形成了一套含有198个指标的综合指标体系，包括最优价值绩效指标(BVPIs)和绩效评估框架(PAF)。类似地，在国际援助项目预算绩效指标的设置上，也从一开始的分散指标设置，走向了由OECD/DAC发展评价网络、评价联合小组等牵头设置的相对统一且可比性较强的指标体系。其中运用最广的是OECD/DAC发展评价网络为联合国、亚洲开发银行、美洲开发银行、世界银行等多边国际组织之发展评价而设置的，以相关性、成效、效率、影响和可持续性五大维度为一级指标的绩效指标体系。

(二)预算绩效指标的数据来源公开

数据来源是绩效指标设置的一个实用“原材料”，绩效指标的数据可以来自调研的内容、问卷调查、访谈、日志记录、量表信息和自我评估等诸多方面。[7]收集而来的数据可能是定性的也可能是定量的，而数据的完善以及准确性对于绩效指标的设置以及之后的评价过程，都具有十分重要的影响。各国通过相关的数据开放政策来促进相应的政府数据在门户网站上的公开，从而丰富绩效评价指标设立过程中的数据来源。

随着《透明和开放政府》总统备忘录(2009)、《联邦大数据研究与发展战略计划》(2016)等政府计划的不断发布，美国已然将大数据技术革命带来的机遇和挑战提升到国家战略层面。2016年，由大数据高级指导小组(SSG)报告的《联邦大数据研究与发展战略计划》强调，要不断研究新兴的大数据技术，加强网络基础设施建设，使大数据服务于联邦部门的任务和工作。[8]2017年3月发布的总统管理议程(PMA)的目标是利用数据作为战略资源，联邦政府需要一种强大的、综合的方法来使用数据。[9]面对预算绩效指标所需要的海量数据来源，开发了公共支出信息的开放门户网站——USAspending.gov——作为“政府搜索引擎”，按照政府部门、预算功能以及资金使用目的加以分类，可以对资金和项目进行跟踪、搜索、排序、分析和对比，以获得项目资金使用情况的全过程数据。同样，英国商业创新技能部发布的2014—2016年《数据开放战略》指出，政府认识到数据开放对公共部门以及经济发展的重要作用，保证公民和社会持有数据的质量，并逐步拓宽公民持有数据的领域。[10]2019年“数字、文化、媒体和体育部”(DCMS)将推出数据战略计划，和亚马逊、麦肯锡等大型企业合作，培养未来的顶级技术专家并致力于制定新的国家数据战略。同时，各部门在data.gov.uk网站上设立开放数据通道，向全社会开放政府管理、机构运营以及各部门项目资金使用情况等统计数据信息。

丰富的数据来源带来了更加详细和丰富的绩效指标。2008年4月，日本官方统计门户网站“e-Stat”上线，2013年12月启动了开放数据门户网站www.data.go.jp，提供来自各个部门的13 000 多个数据集[11]，该网站仅2018年12月就更新了4 016个相关数据。在世界银行的“开放数据”网站上，可以通过对指标、国别的搜索而得到相应的指标数据，同时可以获得各指标在不同年份以及地区的序列分析。在发展中国家中，哥伦比亚利用PPP的数据平台，公布政府开放的数据集，方便了农民更好地应对不断变化的气候。柬埔寨的开放发展数据(Opening Development Data)运用来自政府和非政府组织的数据，提供可视化的地图以及其他数据驱动的产品和工具。[12]

各国政府门户网站或平台的建设，在提高财政透明度的同时，也使得绩效指标的数据来源更加丰富。英国政府制定的部门绩效指标设计指南中明确指出，应从网络、用户反馈、数据中心等渠道获得绩效指标的数据来源，并使用软件对数据进行筛选、处理、统计和分析，从而确保数据准确并具有统计意义。[13]以大量数据内容和多渠道数据来源为基础，采用科学的指标设立方法，有助于形成完善的绩效评价指标体系。

三、大数据时代的预算绩效指标：有利条件

(一)提高指标全面性的数据来源

预算绩效指标的选择，一方面取决于绩效目标的要求和基础，另一方面也与绩效数据的可获得性息息相关，如果在评价中因无法获得数据而难以对指标进行测度，绩效指标的设置也就毫无意义。目前，我国预算绩效指标的设计存在着指标不够细化、定性指标多于定量指标等问题，这主要源于指标数据的可获得性较差，数据来源不够完整。

传统预算绩效管理的数据获取方式，主要来自被评价对象自身提供的数据，如项目管理资料、总结报告等，属于内部管理数据，其客观性、准确性和完整性往往难以得到有效保障，[14]并且此类数据只能满足部分绩效指标的设立之用，当指标涉及与其他部门关联、以往数据以及未来数据的时间序列关系等方面时，数据的可获得性就会受到严重的影响，导致指标测度难以进行。财政大数据的应用可以在更广泛的范围内获取关于绩效指标测量的更准确的数据资源。

数据的全面性和广泛性是大数据的一个主要特点，而数据获取也是大数据技术最基本的一部分。究其概念本身，大数据实际就是指那些传统数据处理应用软件不足以处理的大量数据。就像著名大数据专家舍恩伯格所指出的，大数据的出现带来了大量的数据，甚至可以获得关于某个调查对象的所有数据。[2]同时，互联网的普及促使各级政府加快推进网上信息公开，预算绩效评价既可从评价对象内部的信息公开平台获得数据，也可以通过互联网、推送信息等开放平台获取相关绩效数据，这在相当程度上拓展了绩效指标的覆盖度。此外，大数据技术作为科学可靠的数据获取方式，所获得数据的准确性也是不可忽视的一个方面。通过财政大数据对预算资金使用的全过程进行追踪，可以在绩效评价过程中监控甚至回溯资金的具体使用情况。

根据美国www.performance.gov 网站上报的23个部门绩效报告和绩效目标可以看出，随着数据可获得性的不断增加，各部门的预算绩效指标越来越丰富，指标的完善度更高。以农业部为例，2013年美国农业部预算绩效指标有34个，到2018年指标数量发展为60个，包括了处理直接贷款天数等多个指标。[15]从表1可以看出，从2013年到2018年，随着可获得数据的不断增加，预算绩效指标的个数不断上升。

表1美国商务部、农业部和劳动部的预算绩效指标数量

201320142015201620172018商务部384547505050农业部344347525860劳动部282933364154

数据来源：www.performance.gov。

基于数据公开的预算绩效指标设计，一方面，由于可以获得关于资金下拨、执行以及使用效果的全方位数据，绩效指标可以覆盖预算绩效管理的各个方面；另一方面，传统指标中因难以测量而无法设置的定量指标，通过大数据的应用有望得以实现，并能够提高预算绩效评价的客观性。同时，通过数据的处理和分析，可以进一步发现绩效指标设计中的数据缺口，进而促进全方位的政府数据公开。

(二)增强指标针对性的数据分析技术

目前，预算绩效指标的设计标准存在同一化的倾向，针对性不强，效益指标、业绩指标等既可以用于省级政府，也可以用于更为基层的政府。同时，对于同一层级的不同地方政府而言，现行指标的制定忽视了地方特色，降低了指标的针对性。这种问题的出现，是因为在传统的绩效指标设计中很难对每一个评价对象进行针对性分析，而统一化的标准更加容易制定。大数据分析技术可以有效解决绩效指标设立上的技术问题，数据来源覆盖到每一个评价对象的具体信息，并通过大数据技术将杂乱的数据进行整理、分类和分析，从而使得绩效指标能更加全面并充分体现不同项目和部门的特殊性。

数据采集过程获取的数据往往是混乱且复杂的，甚至存在重复的内容或缺失必要的数据，其中还会夹杂着各种无用信息和模糊数据，呈现出明显的随机性。而从这些杂乱的数据中提取出有用的部分，再通过数据分析变成有意义的信息，恰恰是数据挖掘的主要作用。数据分析技术中，Hadoop是最具代表性的一种处理大数据的技术工具，[2]MapReduce就是2004年由Google公司提出的用于并行处理和生成大数据的模型。[16]此外，一些数据挖掘和分析技术(如决策树算法、贝叶斯算法、人工神经网络、遗传算法等)的出现，[17]可以准确地识别各种数据所代表的绩效信息，分析评价对象的关键特征，从而设计出更加高效合理、针对性更强的预算绩效指标体系。

为体现财政大数据应用下预算绩效指标可能发生的变化，本文以A省《财政支出绩效评价参考指标库》中“生态城市建设”项目绩效评价指标中业务指标下的“项目效益”二级指标为例，分析大数据条件下不同指标可以如何完善和改进(参见表2)。

通过对评价标准的考察可以发现，其中部分指标是依照绩效目标而设定的，部分指标的设置存在主观判断的情况。例如“循环经济建设目标完成率”指标通过对各环境友好项目的“通过情况”进行考核，每通过一项得0.5分，加总得出此指标的最终分数。这种将每个项目的通过情况加总作为“循环经济建设目标完成率”的衡量方法，存在对“通过率和完成率”的主观判断情况。除此之外，“污染治理目标完成率”“重要生态区建设目标完成率”等指标的评价标准同样是以达标程度为衡量标准，这种衡量尺度存在较强的主观性。在大数据时代下，重新设计“循环经济建设目标完成率”等指标时，可以将考核循环经济目标完成的各方面条件设置为相应指标，获得数据之后对各方面的完成情况进行衡量，从而通过具体指标判断循环经济建设目标的完成情况。

表2生态城市建设绩效评价指标——项目效益指标

数据来源：A省财政厅《A省财政支出绩效评价参考指标库》。

(三)提高指标科学性的指标设置方法

预算绩效评价是多方面、多层次的过程，在评价指标设计中，需要采用多种设计方法来全面反映组织的绩效全貌。[18]预算绩效指标的设计过程包括指标选择和指标赋权。在选择指标的过程中，需要甄别出可以代表评价对象绩效水平的所有指标，主要方法有关键绩效指标法、平衡计分卡、层次分析法等。在确定指标权重的时候，需要依照每个指标对结果的影响大小加以选择，主要方法有德尔菲法、相关系数法、层次分析法等。在大数据时代，预算绩效指标的设计方法可以在此基础上运用云计算、人工智能等新型数据处理工具，一定程度上更好地剔除主观因素的影响，通过纯技术手段判断影响绩效结果的关键指标选择，在简化、优化指标设置的同时，确定更加科学、可以真正代表评价对象绩效水平的绩效指标。

例如，在20世纪60年代，美国交通部门就曾通过数据分析，选择出导致交通事故的“关键指标”来对事故产生的原因进行科学分析。随着美国20世纪60年代汽车保有量的持续增加，因交通事故死亡的人数也不断攀升，1960—1965年间以每年30%的速度增长，1966年死亡人数突破5万。交通安全管理局开始在全国范围内收集交通事故的死亡记录，建立了“交通事故死亡分析报告系统”。[19]这个系统通过对所有数据的比对和分析，选择了导致交通事故的“关键因素”并进行治理，这与选择“关键成功因素”绩效指标的道理是相同的。

此外，大数据分析过程中不再追求因果关系，而是关注相关关系。[2]在传统的预算绩效指标选择中，判断影响绩效结果的关键指标往往采用因果关系的归因分析，这存在着主观判断和先入为主的思维限制。但大数据分析不追求探寻事物之间的因果关系，而是直接寻找相关关系，就可以从中发现以前没有意识到的影响绩效评价结果的关键因素，从而设计出反映绩效结果的优选指标。(2)对于大数据带来的因果关系和相关关系的讨论，不同研究者有不同的看法。美国《连线》杂志的主编德森在文章中提到“相关性取代了因果关系，即使没有连贯的模型，统一的理论，或者根本没有任何机械解释，科学也可以进步。”[20]同样，在迈尔·舍恩伯格的《大数据时代》一书中也提出，我们无须再紧盯事物之间的因果关系，而应该寻找事物之间的相关关系，这会给我们提供非常新颖且有价值的观点。[2]但对相关关系的肯定并不代表对因果关系的否定。因果关系是人类理性行为与活动的基本依据，人类理性本身不可能否定因果关系。[21]董春雨(2016)[22]认为，相关性是统计学意义上的，它关注的是大量随机事件的整体规律性；而因果性关注的方面包含单个随机事件发生的原因，并以此来揭示事物整体发展的规律。

仍以前述A省生态城市建设项目中的“项目效益”二级指标为例(参见表3)。对于“可持续影响”指标的打分方式是“对社会经济和资源环境影响达到规划标准得5分，否则酌情扣分”，而其中对于“没有达到标准”的程度并未能进行量化评分。在大数据时代下，生态城市建设对社会经济和资源环境的影响可以通过图表以及影响指数的形式加以测算，得到具体的量化指标，进而确定可持续影响指标的具体分值，从而对这一指标的测度进行量化打分。同时，大数据技术可以通过判断各个指标重要程度的历史数据来明确各个指标的权重，从而确定每个指标的分值。例如，表3中的“循环经济建设目标完成率”“污染治理目标完成率”“重要生态区建设目标完成率”“监控能力目标完成率”“农村生态目标建设完成率”和“生态示范点创建完成率”六个指标的分值相同，但实际上，这六个指标对项目绩效结果的影响是不完全相同的。通过大数据对历史数据的总结分析，在实际操作上可以得到几个不同指标对绩效结果之具体影响的不同比重，从而细化指标的赋权数值，对以上六个指标设置不同的分值，更加科学规范地设置指标的衡量标准。

表3生态城市建设绩效评价指标——项目效益指标(部分)

(四)实现指标共享的预算绩效指标数据库

在部分领先部门建立预算绩效指标之后，指标的横向比较、共享和相互借鉴有助于后续各部门和各地区绩效指标体系的建立。针对类型繁杂且呈指数级增长的各类预算绩效指标，可以选择采用关系型数据库或者非关系型数据库的方式建立绩效指标数据库，作为对海量数据进行分析的核心物理构架。传统数据库专注于对结构化的数据集合进行分析和管理，而在大数据中既存在结构化数据也存在非结构化数据。非结构化数据是指那些数据结构不规则或不完整的数据形式，包括图片、视频、文本、音频等。大数据以非结构化数据为特点，为了适应这一数据结构的变化，很多非关系型数据库(NoSQL)随之出现。大数据及数据处理技术、数据库构建技术的发展，为预算绩效指标库的建设提供了技术基础。

目前，我国各省份的预算绩效指标及指标库建设存在指标分类、指标表述以及量纲确定上的差异，各省份之间的绩效评价指标难以进行横向比较。通过财政大数据设计出统一性、实用性更强的预算绩效指标库成为全面实施预算绩效管理中需要解决的重要问题，并通过指标使用过程中的数据分析，不断动态优化各指标的组成结构。

四、大数据时代预算绩效指标设计的主要挑战

(一)技术发展的约束

近年来，大数据和信息技术的快速发展催生出更多的新技术、新产品和新应用。根据中国互联网络信息中心(CNNIC)的最新报告显示，截至2018年12月，中国网民规模达到8.29亿人，互联网普及率为59.6%，在线政务服务用户规模达到3.94亿，占总体网民的47.5%。[23]我国的高新技术产业本身起步晚、底子薄，基本处于引进模仿阶段，[24]随着数据数量和种类的进一步增加，现有的数据分析技术可能无法处理更大规模或者新型结构的数据。就像在已有的数据进步过程中，单一的结构型数据发展为现有的视频、文本等非结构型数据，数据库技术突破了从SQL(关系型数据库)到NoSQL(非关系型数据库)的转换。相应数据技术若不能跟上数据体量和种类进步的脚步，将会限制数据的发展和使用。

在政府财政信息和互联网政务信息不断公开的基础上，可获得数据越来越多，若无法配套提升数据使用、分析和统计技术，则难以在绩效指标设计过程中有效使用大量数据，进一步限制了预算绩效指标的发展。因此，技术进步应与数据范围扩大相适应，时刻不能停止对相应大数据技术的探索与发展。在不断推进大数据技术革新的同时，对于数据共享平台的建设和完善依旧不能忽视。大数据平台作为纵向贯穿中央及地方政府，横向覆盖各地方政府的重要链接平台，可以将预算绩效评价数据进行统一归集，并进行整合和比较，对进一步形成统一协调的预算绩效管理模式具有重要的作用。

(二)大数据的公有化趋势

大数据的出现增加了数据的体量以及数据的可获得性，随之相应的数据产品不断涌现，其方便性、快捷性也使得人们越来越容易形成产品依赖。然而，相应数据终端的私有制在当前是普遍存在的现象，人们由于对数据产品的依赖，而被迫地“被获取”个人隐私数据，形成了大公司垄断数据平台的现实。[25]逐渐丰富的数据资源，需要政府意识到大数据所具有的某些公共产品属性，扭转大企业垄断公众数据信息谋取私利的局面，使得更多的数据信息被政府和公众有效利用，从而进一步提升有限财政资源的配置效率和使用效率。

在对于公共产品特征的描述上，经济学家斯蒂格里茨曾经提出，由公共部门提供对公共产品的监控使用是公共产品的重要特征之一，而这基本上是一个技术问题。[26]当政府拥有对数据的监控与使用的技术和能力时，大数据才能真正成为政府服务于公众的重要工具，这在一定程度上也有助于保护公众的数据安全。而大数据公有化的第一步，需要政府与大企业合作，获得相应数据的使用分析权限。2006年，美国OMB监督(OMB Watch)公司在整合数据的基础上，推出了民间版的政府支出开放数据平台fedspending.org。为了使用该平台关于联邦政府财政支出的相关数据，美国政府与OMB监督公司达成合作协议，建立USAspending.gov网站，与fedspending.org共享数据库、应用程序接口和在线文档，这是政府在数据获得和存储上与企业的一次合作，也节约了政府大量的行政经费。[27]政府与企业之间对于数据使用、数据平台共享以及数据分析技术的合作，有利于在低成本的情况下加强政府对大数据的充分利用，而政府对大数据这种公共产品的开发和技术投入，也将在公众层面获得更高的效益产出，是一种有效率的公共产品供给行为。

(三)信息安全与数据真实性

随着财政大数据的不断发展，更多公共财政支出的信息不断公开，其涉及的国家安全以及个人隐私问题需要高度重视，数据开放性和安全性的统一是十分重要的。根据数据泄漏来源中心的最新统计，美国信息数据泄漏事件呈上升趋势，从2005年的157起上升到了2017年的1 579起，提升了10倍左右，到2018年下降至1 244起，其中商业类数据泄漏占比最高。同时从数据泄漏的方式来看，来自黑客、钓鱼网站等方面的数据泄漏问题近年来增长更快，由2011年的占比26.1%增加到2017年的59.5%。[28]可见，大数据的不断发展给网络端个人数据泄漏带来了严峻的挑战。在信息化发展越来越迅速、数据泄漏问题日益显著的今天，各国更加重视大数据时代下维护国家安全的重要性。在2017年12月特朗普签署的《国家安全战略报告》中继续强调了网络安全的重要性，而英国则签订了《数据保护法》，法国提出了《强化信息安全国家计划》和《网络防御与国家安全报告》。这些国家的报告和法案，从国家层面保护了网络面的信息安全，应对越来越复杂的网络环境。我国也提出“雾计算”和“财政雾”(3)“雾计算”是近年来出现的针对数据安全威胁的一种新的计算模式，其核心理念是利用假信息保护真信息，并检测、追踪、诱捕信息滥用、窃取等行为。建设“财政雾”就是在财政数据存储和挖掘过程中运用“雾计算”技术保护数据安全。的概念，对财政数据尤其是敏感数据进行保护，并针对窃取、滥用财政信息的行为进行甄别、控制，进一步保障财政数据安全、国家安全和公民隐私。[17]

此外，数据的真实性也成为一个重要的方面，数据本身代表了事实，但数据同时也是可以被操控的。故意操纵的虚假信息、数据的“情绪分析”或者“带有意见性”的数据挖掘，都会影响数据分析的结果。当大数据进入预算绩效管理领域，虚假的数据信息、数据操控的现象也是不可避免的。从数据收集的源头到数据层层传递的过程中，对某一项数据的改变都可能带来很大的结果变化，导致预算绩效指标的错误设置，或者在评价过程中使用错误数据带来虚假的评价结果。因此，对信息安全进行分级保护，明确数据采集、传输、存储、开放等环节的安全范围边界，加强数据防范能力，是我国财政大数据发展需要同步推进的重要议题。

五、大数据时代预算绩效指标建设的制度安排与路径选择

(一)加快财政信息化的制度建设

大数据应用于预算绩效管理的第一步，就是要在绩效评价的整体操作中融入大数据思维，需要各级政府部门不局限于以往“小数据”条件下的传统思想，而是建立整体的、多样的、开放的大数据思维，利用数据挖掘技术，建立完善、科学、客观的绩效评价指标。在财政大数据的应用上，美国建立的“最小数据集”，已然从医疗部门的试点逐渐推广成为一般性概念。从财政角度来看，建立最小数据集就是以最少的数据掌握预算编制及执行、国库现金管理、债务管理、资产管理等状况，是获得部门绩效信息的有效手段。[16]美国管理和预算办公室(OMB)在其备忘录M-16-19中提出了数据中心优化技术(DCOI)，根据“联邦首席财务官法案”，机构每个季度都向OMB提交包含全部数据中心清单的数据。英国国家统计局也开始运用大数据及相关技术进行数据收集和处理。

大数据时代的预算绩效指标设计，需要财政部门建立相应的大数据思维和制度，加强预算绩效评价人员的互联网使用技能，以实现部门间的数据动态联系，从而实时获取实际预算收支、项目执行情况等信息，动态调整以完善预算编制和实现实时监管。[29]目前，财政部已出台《关于推进财政大数据应用的实施意见》，其中对财政收入、支出运行、预算绩效管理等11个大数据重点应用领域进行了规范和要求。同时，还应提高绩效评价本身的效率，降低评价成本，避免对不同规模与难度的项目投入相同的评价资源。在绩效指标的设计时，相比将各部门指标进行简单的加总，可以考虑“双重二八率”的划分方式，对于80%的财政支出项目采取简洁性评价方法，而对于简洁评价方法的绩效指标设计，可以考虑在综合性评价的指标数量基础上，仅保留20%的关键核心指标。[30]

(二)进一步推进数据公开

广泛的数据来源是预算绩效指标建设的基础，预算绩效的相关数据公开程度直接影响着绩效指标的设置。美国USAspending.gov 网站详细公开了25个政府部门将近2 000个联邦账户的财政资金收支和使用情况。我国中央和各省份也逐渐开放了预决算公开网络平台，中央预决算公开平台上公开了2016—2019年预算报告以及2015—2017年的财政收支决算表等资料，但在部分领域存在更新不及时的情况(如部分政府性基金之中央对地方转移支付信息)。[31]

数据作为预算绩效指标建设的基础，如果可以利用大数据技术详细跟踪每一笔预算资金、每一个项目的具体使用流程，对每一阶段的使用情况详细记录并展开分析，就可以得到绩效指标的有效信息。2018年，共有109个中央部门公开了年度决算，公开范围从一般公共预算项目扩大到政府性基金预算项目，项目绩效自评结果、重点项目绩效评价报告等的公开范围也进一步扩大，绩效报告的内容更加详细。[32]部分省份将部门预算的公开范围从预算主管部门进一步延伸到所属各预算单位。[33]公开资金的每一步使用情况及其效果，合理运用相应数据进行绩效指标的设计，是财政数据公开领域需要进一步发展的方向。

在政府数据的公开方式上，也应秉承简单、快速、易懂的原则，保证数据集公开过程中的交互性。例如，在按地区分类的相关数据公开过程中，地图的形式就比表格等形式更加直观，也更吸引人。英国国家测绘局(Ordnance Survey)使用免费的OS Open Data产品，使用真实数据在“我的世界(Minecraft)”游戏上设计了虚拟的英国地图，供3 300万活跃用户下载。以游戏、视频等新颖的形式开展数据公开，并以网站、公告牌等平台为依托进行展示。政府的数据公开可以更加贴近生活，同时注重对相关数据的更新和维护，保证公众的知情权及参与权，加强政府在数据应用过程中的服务性。

(三)构建预算绩效指标的基础性数据库

在完成了指标设计以及指标生成的工作之后，为方便指标的使用和共享，基于数据库技术、网络技术和软件开发技术，建立预算绩效指标库是非常重要的。同时，优化和升级指标库的基础运行平台是绩效指标生命周期内需要完成的重要工作。绩效指标数据库的建设应以共性指标结构为基础，按照项目支出、部门整体支出和财政预算三个方面作为大分类项。并依照评价对象类别递进展开(如医疗卫生、公共事务、社会保障等多个方面)，运用SQLServer、MYSQL、ORACLE、DB2、Sybase等数据库语言形成系统数据库。在对指标数据进行比较和筛选的时候，应按照项目功能类别进行选择，挑选符合评价对象特点并体现绩效评价结果的绩效指标。

鉴于目前预算绩效指标库的建设尚处于起步阶段，需要在部分地区、部门试用和完善后，再扩大应用范围，直到全国联网共享。2018年，广东省财政厅将历时1年多研究并制定的《广东省财政预算绩效指标库》印发给各级财政部门和省直各业务主管部门。该指标库共计收录20个行业大类、52个子类、277个资金用途、2 589个绩效指标，形成相对完整的指标体系。[34]广西壮族自治区推出了《广西预算绩效评价指标库——项目支出绩效指标》，以财政部印制的《预算绩效评价共性指标体系框架》为基础，从项目支出的投入—过程—产出—效果等四个逻辑环节入手进行编制。[35]但目前各省份和部门对于“指标库”的定义和设计尚处于起步与探索阶段，所设计的指标库仅以最基础的Excel数据库方式呈现，未能将数据库与互联网技术以及大数据技术相结合，因此并未实现“联网”的指标筛选与使用，这也是预算绩效指标库在内容设计完成之后，在技术实现层面需要破解的重要命题。

预算绩效指标库的建设与推广是一个渐推渐进的过程，通过从个别不断推广到一般，最终形成全口径、全过程、全覆盖的预算绩效指标数据库。目前在地方预算绩效指标库的建设实践中，预算绩效指标库的联网使用已经取得了一定的进展，但全国统一的预算绩效指标库建设仍然存在一些困难。这就需要依托大数据技术，动态推进预算绩效指标的确定、分类以及指标标准、历史值、平均值等方面的计算，同时加强预算绩效评价工作人员对大数据技术的理解和使用。此外，在指标库的使用过程中，还应不断通过大数据分析技术对指标的使用进行分析，对数据库实时更新监测，不断修改问题指标，删除“僵尸”指标，加强指标体系的动态调整与测量结果的共享应用。