公共安全数据协同治理的逻辑框架与网络形式——以兰州市食品安全领域为例ℸ

沙勇忠 陆 莉

(1.兰州大学管理学院,兰州,730000; 2.兰州大学应急管理研究中心,兰州,730000)

1 引言

公共安全数据治理是政府数据治理概念与实践面向专题决策领域的延伸与扩展，是以大数据驱动公共安全治理问题为导向、以数据资源为对象的公共事务治理活动，强调在公共安全治理活动情境中对产生或使用数据本身的管理和相关利益主体的协调[1]。 主要目的在于明确以政府为主导的治理主体应该承担的职责分工、决策权与角色分配、实施的管理任务与活动，通过政策体系建设、制度保障、流程重构、标准建设与技术支持等手段，保证数据资产的完整性、准确性、可访问性和可利用性，实现公共安全数据的重用与增值。

协同治理是公共安全数据的治道逻辑。①从公共安全数据治理的内涵范畴来看，作为政府数据治理的子范畴，公共安全数据治理也体现出了政府数据治理多层次协同性的典型特征[2]：一是宏观角度技术理念与管理理念的协同；二是数据治理的目标、主体、客体、工具等各个要素之间的协同；三是具体要素内部构成之间的协同，如主体要素中多元数据治理主体的协同。 ②从公共安全数据治理的情境场域来看，现代社会随着各类风险复杂性、关联性、衍生性特征的增强，跨时空范围与跨组织系统边界的突发公共安全事件使得组织之间的合作与协调问题凸显，多元主体共同参与的网络治理和协同治理成为破除风险治理与应急管理碎片化的关键。 ③从数据治理实践面临的普遍性挑战来看，数据治理作为一个集体行动问题，面临着价值感知、协作支持、数据概览和地方实践等多方面的挑战[3]。 虽然目前大数据技术在我国地方政府管理服务中得到了应用，但权属关系模糊导致的“数据壁垒”、条块分割的管理体制带来的“数据孤岛”和“数据烟囱”现象仍是制约数据价值最大化的主要障碍。 实现不同层级机构部门和行业领域之间的数据互联互通与共享应用，突破点也在于有效组织协同基础上的业务协同和数据协同。 ④从公共安全数据治理的关键实现路径来看，如何拓宽参与渠道，将非政府主体纳入政府公共决策的环节之中，进一步打破政府与企业、社会公众等非政府主体之间的数据孤岛[4]，也是公共安全数据治理形成以政府为主导的多元主体协作机制的关键。 概言之，协同治理能够通过建立、指导、执行和监督各类政府和其他组织的协同安排对公共事务开展合作共治，对数据治理领域具有解释力和契合性，也使得公共安全数据迈向协同治理，成为大数据时代贯彻整合协调各种资源，实现跨地区、部门与层级通力合作“总体国家安全观”[5]的应有之义。

目前相关研究重点关注公共安全治理大环境中的组织协同机制，从广义上来看，其包含了数据治理中组织协同的部分内容，但将数据协同治理作为独立议题进行探讨的研究较少。 本文将“协同治理”理论引入数据治理领域，重点关注公共安全数据协同治理的逻辑框架和作用机理，探索协同的含义及其在公共安全数据治理场域中的功能，并以兰州市食品安全数据治理为例，通过实证分析揭示公共安全数据协同治理过程中各主体之间相互关系的实际状态，为提升公共安全数据协同治理效能提供启示。

2 相关研究回顾

公共安全数据的协同治理，是将协同治理作为理论分析工具和关键实现路径来展开相关研究议题和部署实践活动。 已有研究中，无论是数据治理还是公共安全治理都将组织协同作为一个关键议题，为本文厘清公共安全数据协同治理的逻辑框架提供了理论基础。

一方面，随着政府数据治理研究兴起，关于数据治理主体及其之间的关系研究成为了该领域的重要议题[6]。 数据治理过程中政府组织内部各主体之间横向的跨部门协同、纵向的跨层级协同，以及交叉关联的跨行业领域协同，在主体构成、互动关系和行为表征等方面具有不同的内容特征[7]。 同时，公共数据的治理强调由政府主导、社会协同、公众参与的全面数据治理思维[8]，多元开放的治理结构要求国家在数据治理中更多地赋权社会主体[9]，这也使得政府组织与外部参与主体之间的协同同样具有重要意义。

另一方面，公共安全治理也强调组织协同机制建设和协同合作网络结构的研究。 如康伟等[10]通过采集关于“天津港爆炸事故”的新闻与微博数据，研究了城市公共安全应急协同治理网络结构和关系，重点得出了节点组织的性质和层级属性会影响组织内部和跨组织之间协同方式的结论；郭雪松等[11]通过梳理预案体系，构建了主体-危机事件隶属关系网络，强调提升组织协同网络中的关键节点能力和确定组织连接中的重点协同工作环节，以应对跨域危机整体性治理过程中信息和资源整合的“碎片化”问题。

此外，协同治理本身强调多个组织之间的资源交换整合与知识经验共享，信息共享、沟通和协作也是公共安全协同治理的关键问题[12-13]。 如樊博等[14]构建了涵盖资产、能力、行动和协作网络的突发公共事件协同治理的信息协同机制理论模型；陈婧等[15]则关注了应急管理众包模式下，受事件影响公众、社会网络公众和数据志愿者三类主体在进行信息提供、传播和使用活动中的协同架构与机制。 信息协同本质上来看，是随着电子政务和部门业务信息化发展，应急管理决策中的业务协同机制在信息流动空间中的呈现。

基于对相关文献的梳理，本文认为公共安全数据治理中的协同问题主要表现为，在公共安全数据全生命周期各个阶段，为实现数据流动共享和价值实现的目标，两个或以上不同类型的主体（包括政府和非政府主体）在参与相关数据活动过程中形成的行为交互。 关于这一问题目前国内仅有少量文献进行了探讨，如公共安全数据的集成框架与管理体系研究[16-17]、公共安全数据的生命周期与管理模型[18]以及公共安全数据治理本体模型[19]等。 现有文献从研究层面来看，多关注宏观层面的规划设计，中微观层面的具体数据治理问题研究欠缺；从研究对象来看，多关注公共安全数据本身属性与客体规律的探索，数据治理客体、主体、管理活动在研究层面存在分离，公共安全数据治理系统性研究不足；从研究方法来看，多为理论方面的探讨，缺乏基于实践案例的实证研究来剖析公共安全数据的领域特殊性与差异性治理问题。 本文在思考已有研究不足的基础上，试图从公共安全数据治理的具体实践和业务情境出发，通过理论构建与实证分析相结合，关注公共安全数据的全要素、多维度和全过程的协同治理。

3 公共安全数据协同治理的逻辑框架

3.1 公共安全数据协同治理的要素分析

活动理论（Activity Theory）是一种描述人类实践的概念性方法和哲学框架，最初由苏联学者维果斯基（Vygotsky）提出，可用于描述和分析人类社会中不同类型活动的核心要素、基本结构和演进过程[20-21]。 作为一种跨学科理论，活动理论对社会科学产生了广泛的影响，尤其适用于描述以信息技术为支撑的交互活动的结构、发展和情境，常被用来解决人机协作环境中的多样性问题、信息行为与信息资源管理的系统性和动态性问题等。 活动系统的主体、客体与工具等基本要素与数据治理体系关键要素的契合性和对应性，也使得活动理论在剖析公共安全数据协同治理的要素结构和作用机理方面具有应用潜力。

本文基于活动理论的基本结构模型，分析公共安全数据协同治理活动的关键要素，如图1所示。 由于公共安全数据具有明显的类型多样性和主体多元性特征，即公共安全数据涉及不同领域、来源和结构类型，且数据的生产、管理和使用过程中涉及政府组织、企业、公众等不同参与者，因而在具体的数据协同治理活动中，活动的主体定义为拥有某类数据资源所有权与管理权的核心政府或非政府参与者；客体是某类公共安全数据资源，主体和客体之间的互动受规则程序和任务分工的制约；工具包括概念、技术与管理类工具，是促进主体有效行动的手段和方法；共同体是除核心参与者之外的其他参与者构成的子群体，他们作用于相同的客体但又互相区别，并且与主体产生互动；规则体现活动的社会情境，包括日常业务情境和应急管理情境；任务分工是在公共安全数据全生命周期的各个阶段不同参与者所承担的数据活动和任务角色。 此外，公共安全数据协同治理活动还体现了动机和结果两个要素：动机即活动发生的原因和刺激因素，指在公共安全治理情境中，不同主体对自身所掌握的数据资源价值实现和风险控制的目标；结果则是主体不断作用于客体这一演化过程的最终产出或影响，即数据治理中不同的协同效应和水平。

总体来看，公共安全数据协同治理活动即不同类型的主体受实现数据价值与进行数据治理风险控制的动机驱动，对自身所掌握的以及关联机构的公共安全数据资源进行生产、分配、交流与消耗的行动[22]。 其行动既受相关工具的支持，也受社会情境中规则程序的限制和约束，并且在互动中形成了多个共同体，以体现协同的内容和决定参与者的任务分工与资源配置。

3.2 公共安全数据协同治理的协同框架

经济合作组织（OECD）将跨部门协同机制分为侧重组织载体结构性设计的“结构性协同”和侧重程序性安排与技术手段的“程序性协同”两类[23]。 经由活动理论分析，公共安全数据协同治理过程中体现出了这两种典型的协同类型。 除此之外，本文认为，强调公共价值和公共利益以化解部门利益冲突的“目标性协同”和强调公共安全治理活动的具体情境和需求变化的“情境性协同”也是不可或缺的两种协同类型。 目标性协同、情境性协同、结构性协同和程序性协同，分别体现了组织协同所对应的社会语境、时空语境、主体语境和任务语境[24]，对协同过程中的目标、环境、机构关系和任务等内容进行界定。

（1）目标性协同

协同强调不同主体为了共同目标实现而进行协作，在实现公共安全数据治理价值最大化与风险控制的共同目标时，由于不同组织机构有各自的利益诉求和具体目标，需要不同主体进行目标协同和整合以化解利益冲突。 目标性协同的关键在于既要强调数据治理过程中的公共价值和公共利益导向，又要深入理解和挖掘不同主体进行协同合作的差异化需求和动力，最终协调平衡多元治理主体之间的利益诉求与风险规避行为。

从宏观价值目标来说，是技术理念与管理理念的协同，既要充分发挥大数据驱动公共安全治理变革的价值，也要警惕“数字利维坦”的现实风险；从中观组织治理目标来说，要注重组织数据治理的利益诉求和需求分析，平衡组织所掌握数据资源的应用潜力挖掘与组织数据安全风险规避行为；从微观数据处理目标来说，要根据应用场景界定数据采集和分析的范围与粒度，注重价值最大化的“数据效率”（Data Efficiency）问题和旨在权利保护的“数据正义”（Data Justice）[25]问题之间的平衡。

（2）情境性协同

数据在形成对事物整体印象和反映事物发展变化的过程中体现出具体性、情境性特征，公共安全数据治理需要关注多元社会情境下的环境变量和需求变化，具体来说即日常业务情境和应急管理情境。 日常业务情境中的常量数据资源（如行政审批信息等部门业务数据）伴随着行政业务的展开而自动生成，价值实现过程是对数据资源进行挖掘从而发现有价值的信息和智慧。 应急管理情境中减缓、准备、响应和恢复阶段具有差异性和动态变化的数据需求，除要从常量数据中获得基本信息的支持外，各类安全风险监测与防控、应急信息资源准备、突发事件应急处置和善后恢复的规划决策等更注重增量数据（如传感器数据、群体行为数据和社会媒体数据）的实时主动采集和分析应用。

情境性协同本质上是数据资源的生产、分配、流动和消耗行动所处时空环境之间的关联，强调政府同时从“常量数据治理”和“增量数据治理”两个维度[26]出发推进数据活动。日常业务情境下常量数据的管理和维护，为应急管理情境中数据驱动的态势感知、动态监测、实时分析和精准决策提供基础信息；反之，应急管理不同阶段情境则为日常业务数据的产生和管理提出不断变化的要求和新内容。

（3）结构性协同

我国的应急管理强调“条块分割”式的职能部门负责制和区域化的属地管理，呈现出碎片化的管理特征[27]。 该特征映射到公共安全数据治理主体视角，打破条块分割的数据格局和权属不明的沟通障碍就需要进行结构性协同，即数据治理活动的参与者根据不同的情境事件形成一定的组合与关系结构，使政府部门的职能设计响应现实管理需求。

结构性协同的关键在于在明确不同类型机构数据生产者、归集者、使用者等角色的基础上，进行主体关系和权责结构安排，组建协调单位并进行任务分工以实现组织机构间的协同效应。 如宏观战略层面成立政府数据治理领导小组，进行相关政策和数据标准的制定与实施；不同层级政府设立大数据管理局等专门机构，对数据的准确性、标准性和安全性进行监管评估[28]；在不同行业领域系统内，一方面建立由领域专家和专业数据管理人员构成的数据治理专家咨询小组，另一方面以常设的应急管理部门和非常设的跨职能部门联合委员会为主要牵头部门，在突发公共安全事件时进行跨行业领域和跨职能部门的数据协调、沟通与整合；在各个安全监管职能部门中则可以设置如首席数据官等数据管理岗位。

（4）程序性协同

参与者的合作协同理应贯穿于公共安全数据生命周期的各个阶段和治理活动的全过程。 但目前实践中数据资源分级分类、数据质量控制与评估、数据长期保存策略、数据社会化应用的资格与用途审查等管理活动的薄弱环节，使得提升数据规范管理和开放共享的总体效能面临挑战。 因此，需要不同参与者围绕数据生命周期的各个阶段特征和规律，将数据活动与部门职能和业务进行整合，以实现数据采集生成、归集管理、处理分析和发布应用全流程中的程序性协同。

具体体现在数据采集时数据标准与采集方式的协同，以降低重复建设成本，保证领域数据子集的标准化和完整性；数据归集时对数据集分级分类管理标准的制定需要协调不同部门之间数据权属关系和不同类型用户使用权限分配；数据处理过程中发挥不同参与者的处理能力和优势，提升整体的数据处理分析效能，如适当引入具有大数据处理能力的互联网企业或通过众包等方式鼓励社会公众对数据进行标注和分析；数据发布和应用过程中，要明确数据收益和责任以协调部门利益冲突，在数据应用产品开发过程中促进不同主体之间的协同创新。

上述主要协同类型体现了实现公共安全数据协同治理的内部条件和外部环境，总体的协同框架如图2所示。 不同类型的协同内容在宏观战略层面、中观组织层面和微观数据层面产生作用，并通过互相之间的影响共同实现理想的协同效应。

4 食品安全数据协同治理的网络结构与特征分析

协作网络是协同治理的重要载体和表现形式。 本文以兰州市食品安全数据协同治理的协作网络为实证研究对象，通过分析网络的构成、节点特征及其之间的关系，为提升公共安全数据协同治理水平提出对策建议。

4.1 研究设计

4.1.1 研究方法与对象

（1）研究方法

Murphy等[29]认为活动理论和社会网络分析本质上均是对为实现同一目标而进行交互的个体间或网络间关系的理解与阐释，因此，活动理论可为社会网络分析提供定性的分析情境，而社会网络分析则为活动系统中具体要素的任务分工和子群识别提供定量的结构化解释。 本文在基于活动理论提出公共安全数据协同治理的逻辑框架之后，以兰州市食品安全数据治理为例，运用社会网络分析方法研究数据协同治理网络的结构和关系特征，重点关注对主体互动协同状态的抽取和量化，为深入理解公共安全数据协同治理逻辑框架提供实证分析证据。 基本步骤包括根据数据协同治理活动要素确定节点类型，通过实地调研、访谈与文献资料调研等质性研究策略生成节点数据关系，之后根据关系矩阵进行社会网络构建，对网络结构与关系特征进行分析解释。

（2）研究对象

本文以食品安全数据治理实践为例进行实证分析，主要原因在于强调社会共治的食品安全领域具有多主体协同治理属性，其数据治理主体包括政府、企业、公众、社会组织等，为剖析公共安全数据的多元主体互动和协同治理提供了典型情景。 具体来说，研究对象即食品安全数据协同治理网络，指由食品安全数据治理的主体及其在参与不同业务情境数据活动中形成的互动关系所构成的整体网，其网络结构与特征受所在社会语境与时空语境影响。 该协同网络既是体现组织内外部关系及沟通情况的社会网络，也是协同系统内部各个主体在实现目标流程中对目标进行分解和细化后形成的任务网络[30]。

4.1.2 数据获取与处理

（1）数据获取

本文通过多种渠道收集研究数据：一是访谈数据，对兰州市市场监管局、卫健委等单位进行了实地调研，并对业务主管领导、信息化部门技术人员等针对食品安全数据采集、管理、协调和应用等问题展开了访谈，获得了一手的访谈数据；二是参与式观察数据，在兰州市市场监管局进行工作督导等过程中，通过参与式观察获得了部门业务系统等信息系统平台应用信息、食品安全风险监测流程等相关数据；三是文献资料数据，收集了与食品安全数据治理活动、食品安全风险监测预警相关的计划方案、工作总结等文献资料数据。

（2）数据处理

数据处理需要进行节点列表数据集和节点关系数据集的抽取。 节点即数据治理主体，包括政府与非政府主体两大类，节点之间的关系主要体现在主体参与不同业务情境的数据活动中所形成的互动。 由于在公共安全数据治理过程中，关键数据活动如数据通过何种渠道收集采集、数据资源由谁来归集管理、机构内部数据流转的路径网络等往往由政府内部既定的权限和规则决定[31]，通过行政命令、制度建设和相关系统平台的搭建应用来解决，进而决定了不同类型主体所能够参与的数据活动和通过数据活动所体现出来的主体关系。 因此，可通过食品安全领域数据全景、部门业务系统平台调研以及重点工作部署与文件内容抽取，判断在不同业务情境下各类数据活动中主体的参与状况以确定节点关系数据。

具体操作为依据公共安全数据协同治理的逻辑框架，构建“数据主体—业务情境—数据活动”的分析框架来进行数据抽取与编码，编码维度与类目如表1所示。 通过编码生成行动者-参与事件的关系矩阵，其矩阵赋值如下所示：

表1 “数据主体—业务情境—数据活动”分析框架下的编码维度与类目

利用该关系矩阵构建的网络主要通过行动者共同参与的事件，用间接方法来推测其中的关联[32]。 将上述二部矩阵转化为一模邻接矩阵，运用Ucinet、Netdraw 软件对网络结构和关系数据进行分析与可视化展示。

4.2 整体网络的构成与可视化

首先根据相关矩阵信息分析并可视化展示兰州市食品安全数据协同治理的整体网络，如图3所示。 图中圆形和方形节点分别表示数据主体和参与事件，连线代表节点之间的关系。 可看到该整体网络由34个数据主体节点和8 个业务情境中的48 个数据活动事件构成。 在图中距离更近的数据主体之间因为有相似的数据活动事件截面，其关联度也更高，联系与互动更为频繁。 如兰州市市场监管局及其下属的县区、乡镇街道市场监管机构，兰州市商务局和被监管企业等，在行政审批、投诉举报等业务情境中的数据活动中联系较为紧密，而各级卫健行政部门、疾控中心等则主要围绕食品安全风险监测中的数据活动产生互动。 在后续分析中，将通过量化数据来揭示网络的深层次结构。

4.3 节点影响力分析

中心度常用来测量个体节点在整个网络中对其他节点的影响和所处地位，主要包括度数中心度、中间中心度和接近中心度等常用指标。 计算兰州市食品安全数据协同治理整体网络的节点中心度如表2 所示，结合不同指标可对关键节点及其影响力进行判断。

根据表2 中对数据主体节点中心度的计算结果发现，在食品安全数据治理过程中，A7（甘肃省市场监管局）、A11（兰州市市场监管局）节点的三种中心度均高，表明其不仅参与的数据活动数量多，在整个网络中与其他主体的互动频繁，处于网络的核心位置且对于数据资源的控制能力也较强。 A24（县/区市场监管局）、A29（被监管企业）、A27（乡镇/街道市场监管所）、A30（社会公众）、A34（科研机构）具有相对较高的度数中心度和接近中心度，但其中间中心度明显低于A7、A11，表明上述主体虽参与了较多的数据活动，但由于行政约束、数据处理能力等客观因素的影响，在整个网络中受其他数据主体尤其是层级较高政府主体的控制和影响较大。 总体来看，有限的数据主体占据网络核心位置，大部分主体是数据治理活动的必要参加者，虽然掌握了一定的数据资源，但在网络中的作用和影响力有限，不利于其掌握的数据资源在整体网络中的流动。

表2 整体网络中节点的中心度

其次，分析情境数据活动节点的中心度可发现，度数中心度较高的节点一方面集中在RME（食品安全风险监测）的数据创建、归集、分析和应用过程中，另一方面则包括了RE5（食品安全追溯）、RE7（舆情监测）、RE2（稽查执法）等日常业务情境中的数据应用活动，表明主体的互动主要发生在风险监测情境各类数据活动和日常业务情境的数据应用中。 且不论是风险监测情境还是日常业务情境，其数据使用和分析活动均具有较高的接近中心度，说明数据的分析和应用效果对数据创建、归集、管理维护和发布等其他活动的依赖性较大。 此外，仅RME的数据应用和创建活动具有相对较高的中间中心度，表明食品安全风险监测业务情境更强调对不同类型数据资源的归集与控制。

4.4 群体中心度分析

在我国现行制度安排和治理架构背景下，协同治理重视不同层级性质主体方向的一致性，而不强调地位的均等性[27]。 在食品安全数据协同治理过程中，不同类型主体之间的协同与合作关系也往往决定着数据活动的部署和实施效果，是明确组织协同机制建设、提升治理协同效应关注的重点。 因此，考察不同层级性质的主体子群在网络中的地位和作用，可帮助理解治理架构和优化整体网络。

群体中心度考察一系列行动者构成的小群体在社会网络中多大程度上居于网络的核心地位。 本案例中可通过对数据主体的组织属性对其进行群体划分，即政府主体与非政府主体，同时考虑到食品安全数据主体涉及的疾病预防控制中心、食品安全风险评估中心是卫健委等主管的实施公共卫生技术管理和风险评估服务的事业单位，与政府主体具有相应的行政级别划分且在食品安全数据治理中具有明显的互动，因而将群体划分为国家、省、市、区县、乡镇级的政府主体和事业单位构成的群体以及其他非政府主体群体。 通过计算上述不同类型群体的度数中心度，即某群体之外与该群体内部成员直接关联的节点数，来分析不同类型、层级的机构群体在食品安全数据协同治理过程中的影响力和互动形式。

通过表3并结合实地调研情况进行分析，国家级行政部门和事业单位由于在食品安全业务活动中进行任务部署、标准与政策制定等，与其他类型主体具有广泛的联系，处于网络中较核心地位；省级机构和部门处于网络的绝对核心地位，原因在于省级部门通过推动建设行业系统内部的各类系统平台和数据中心，在数据归集、管理和使用过程中处于控制数据资源的核心地位；市级机构和部门群体度数中心度较低，但标准化后的指标具有最大值，表明市级机构和部门也处于网络的绝对核心地位，但该群体内部的互动关联更为频繁，体现出了本级行政部门之间的跨部门协同；区县级机构的群体度数中心度高，但其标准化后的指标较低，表明与其他群体中的机构关联频繁但没有占据网络的核心地位，原因在于在食品安全风险监测、行政审批等业务情境中，区县级市场监管局、卫健局等机构负责具体业务的处理和基础数据的采集、归集与报送，但没有处于控制数据资源的核心地位；乡镇级机构的群体度数中心度指标最低，表明基层机构处于网络的边缘位置，其参与程度与影响力比较薄弱；非政府主体的群体度数中心度指标较低，表明其与政府主体之间的关联互动较少，没有占据网络的核心地位，也体现出了食品安全数据治理中以政府主体为主导的特征。

表3 群体度数中心度分析

4.5 凝聚子群分析

实际上，在数据治理过程中，不同层级类型机构并非只形成上述由组织属性决定的子群体。 在政府组织机构和数据格局的“条块分割”模式下，数据活动过程中易形成更多实存或潜在的互动关系。 因此，通过凝聚子群分析来进一步探索协作网络中存在的子结构及其形式成因。 凝聚子群分析基于互惠性、可达性、点度数等不同概念有不同的分析方法。 一方面互惠意愿和协作能力是应急管理跨界协同的基础[33]，另一方面实现数据在各个主体之间的共享流动也强调不同主体之间的双向互动。 因此，本文采用基于互惠性的派系（cliques）分析来探索子群体特征。 派系指网络中至少包含三个节点的点集中，任何两个节点都直接相关且该派系不能被其他任何派系所包含[34]。 规模为n的派系中，任何一个节点均与其他n-1个节点直接相连，充分体现了派系内部关联的紧密性和成员之间的互惠性。 通过限制派系的规模，可发现不同数量的派系组成，如表4所示。

表4 派系分析

分析上述派系抽取结果及相应的成员构成发现，当派系最小规模较小时，派系数量较多且存在大量重叠的派系，此时派系所体现的内容缺乏实质性意义。 通过派系成员判断凝聚子群的识别度，最终以派系最小规模为12时产生的四个典型派系为分析对象，其包含成员如表5所示。

表5 派系结构分析

对派系成员结构进行可视化（见图4），并结合派系重叠矩阵对其共享成员进行分析发现：①派系成员构成体现了食品安全数据治理过程中情境事件驱动的协同模式，如派系1和派系4 的成员共同参与食品安全风险监测中的数据活动，而派系2和派系3则共同参与了食品安全追溯中的数据活动。 ②通过派系中的共同成员和派系外成员，可区分数据治理主体中的核心关联机构、紧密关联机构和一般关联机构。 四个派系的共同成员如兰州市市场监管局、被监管企业等属于核心关联机构，作为食品安全治理活动的直接参与者，产生、管理和使用大量的直接相关数据；哨点医院、国家工信委、不同层级的疾控中心等则是未参与任何派系的“局外人”，即一般关联机构，其部分业务活动数据与食品安全治理活动相关；除此之外，其他机构或多或少分属于不同派系，是紧密关联机构，为食品安全治理提供关联数据和管理支持。 ③双向的数据活动和数据流动是派系形成的主要原因，也是派系成员之间互惠性的具体体现。 派系的共同成员如甘肃省、兰州市及县区等不同层级的市场监管局之间，依据工作职能的权威性和科层体系，通过行业内部的系统平台，可实现不同层级部门之间双向的数据归集、分析、发布和使用活动，因而易形成派系；而哨点医院、疾控中心等在数据活动中更多地表现为单向的数据创建、归集和管理活动，不易形成派系。

5 提升我国公共安全数据协同治理效能的启示

5.1 强化数据协同治理整体网络中关键主体影响力,形成目标引导协同

公共安全数据治理强调以政府为主导、多元主体共同参与的协同性。 实证分析结果表明，食品安全数据治理主体中，市场监管局等不同层级的政府职能部门占据整体网络的关键节点位置，通过行业系统内部的业务平台、数据中心等进行领域数据的创建、归集和保存，对数据资源具有较强的控制能力。 社会公众、被监管企业等非政府主体虽然未处于网络核心地位，但其参与了日常业务情境和风险监测情境中的数据创建、分析和应用活动，是实现数据生成和价值最大化的重要参与者。 因此，作为数据协同治理网络的关键节点，各个行业系统中负责安全监管和治理的政府职能部门应增强对其他节点的影响力，充分发挥核心部门在公共安全数据治理过程中促进不同层级性质组织机构关联协同和数据流动的重要作用，通过核心位置优势优化数据主体之间的连接关系，引导跨职能部门之间的数据共享和非政府主体积极参与高质量数据创建及分析工作，以实现公共安全数据资源在整体网络中的流动和价值最大化目标。

5.2 提升数据治理活动关键任务节点的协同水平,推进情境事件驱动协同

不同层级类型主体参与的数据治理活动在面向日常业务情境和风险监测业务情境时体现出了不同的侧重点。 派系分析结果显示出集中于食品安全风险监测情境和食品安全追溯情境所形成的不同派系。 而数据治理整体网络中的关键数据活动节点也表明，目前协同互动更多地发生在食品安全风险监测的数据创建、归集、分析、应用各个环节，以及日常业务情境中的数据使用环节。 应急管理情境需要结合风险与突发事件的动态变化不断采集新的数据资源并进行归集分析以支持政府决策[35]，其面临的不确定性和紧迫性强调不同主体在增量数据生命周期的各个阶段均需要高度协同与合作，以满足实时分析和精准决策对数据及时性和准确性的要求。 而日常业务情境由于业务的确定性和系统运行的连续性，常量数据的采集、归集、管理和分析由固定机构承担相应的工作，不同类型机构的协作更多体现在常量数据的应用阶段。因此，强调从常量数据治理和增量数据治理两个维度推进公共安全数据治理活动，需要针对不同情境事件将关键数据活动作为重点的协同工作环节，以提升公共安全数据治理的整体性协同水平。

5.3 优化数据共享和流动过程中双向互动的子群结构,推动机构跨界跨域协同

不同类型主体之间的协同与合作关系作为影响数据活动部署和实施效果的关键，一定程度上体现在网络的子群体结构。 群体度数中心度分析表明，政府内部不同层级的机构部门子群体由于所处科层体系和工作职能不同，在整体网络中处于核心或边缘的位置，与其他主体具有差异性的关联互动。 进一步通过派系分析发现，具有双向互动关联的机构之间更容易形成派系，促进数据资源在其成员内部的流动和共享。 但派系成员分析结果也表明，目前网络中形成的派系结构仍存在优化的空间。 如加强作为共同成员的核心关联机构在数据协调与归集过程中的控制能力，以提升子群体内部的关联度和凝聚力；不同子群体中跨层级、跨领域的成员构成增加了数据流动的阻碍，可通过组建协调单位进行跨行业领域和跨职能部门的数据协调整合等；省市级职能部门应加强与部分“局外人”如国家工信委、国家食品安全风险评估中心等机构的协同合作，将单向的数据创建、归集和管理活动扩展为双向的流动、应用和反馈协作，以优化基于互惠性的子群结构为目标进行组织的结构性设计和协同机制建设。

5.4 促进数据全生命周期客体导向的治理活动部署,实现基于数据权属的任务协同

数据活动节点中心度分析表明，不论是风险监测情境还是日常业务情境，数据的分析和应用效果对数据创建、归集、管理维护和发布等其他活动的依赖性较大，也体现了实现数据全生命周期治理的重要性。 目前从行业系统内部来看，不同层级和性质的机构所承担的数据活动具有不同的侧重点和行动特征。 如数据采集工作多由基层机构完成，并负责对采集的数据进行更新维护和质量控制；数据归集和分析活动体现层级递进性特征，层级越高的机构需要归集和分析的数据量和处理难度也越大；数据共享方面，由于对不同业务数据处理能力的差异性、多源数据对接的困难性、安全性及成本的考量，共享原始数据的情况较少，更多体现在数据分析结果同级跨部门的共享和上级部门的报送。 因此，公共安全数据的整体性治理需要不同组织机构在厘清工作职能和实现业务协同的基础上部署相应的数据活动，进而在明确数据归集权、管理权和使用权等权属基础上实现全生命周期治理过程中的任务协同。

6 结语

本文基于活动理论提出了公共安全数据协同治理的逻辑框架，并以兰州市食品安全数据治理为例对其整体网络结构和特征进行了分析，基于此，总结了提升公共安全数据协同治理效能的启示。 研究表明，兰州市食品安全数据治理作为公共安全数据协同治理的典型样例，体现出了公共安全数据协同治理过程中以政府组织为主导、多元主体共同参与的协同机制和特征，也反映了目前公共安全数据协同治理所面临的组织部门利益冲突、治理能力的差异性、数据权属不明、情境需求与任务分工细化不足等方面的共同挑战。 为应对上述挑战，需要不同类型层级主体共同发力，进行数据全生命周期客体导向的治理活动部署，这是实现公共安全数据在不同利益相关者之间互联互通与跨界融合的前提；需要明确数据协同治理的主体关系和权责结构安排，这是目前公共安全数据协同治理实践中的短板和难点，也是未来进行结构性协同设计和制度安排的关键突破点；需要关注以公共价值为导向的目标协同和强调公共安全治理不同情境特征和数据需求的情境性协同，这是提升公共安全数据协同治理效果和大数据价值实现的隐性抓手。

本文的研究存在以下局限性。 首先，总体国家安全观下公共安全治理涉及方方面面，本文以食品安全数据治理为例，虽具有代表性，可从中探析公共安全数据治理的共性问题，但不同类型的安全领域数据类型、参与主体及其职责任务具有一定的差异性，如自然灾害治理中的数据类型就包括传感器数据、卫星数据等，事故灾难治理中参与主体更凸显应急管理部门的重要作用，相关参与主体还包括非营利组织、军队等。 因此，在未来的研究中既要加强公共安全数据协同治理基础理论问题的探索，也要在此基础上根据不同安全领域的特殊性和差异性进行数据协同治理的细节剖析。 其次，本文以食品安全领域为例分析数据协同治理的整体网络，但食品安全领域数据具有典型的海量多源异构特征，虽力图描述和捕捉食品安全数据全景及其相应主体的数据活动，但受调研范围和资料获取程度所限，本文对这一复杂活动的完整性描述和长期跟踪研究方面仍有所欠缺，之后的研究中可在把握关键现状的基础上进一步进行细节补充和理论完善。