政治学系

数据化与政府治理创新： 北京案例

张小劲博士 清华大学政治学系教授/主任

清华大学数据治理研究中心学术委员会主任

2019年8月

政治学系

目录

政府治理最新动态的比较

从理念驱动、危机应对到问题引导

从条块分割、强化协调到赋权街道

从城市感知、问题认知到精准施策

大数据与社会治理现代化

大数据与数字政府

问题引导

赋权街道

数据治理

政治学系

现代资源：机制+技术

传统资源：家族+

文化

传统复兴：乡贤族老+大院守则

现代再造：办事大厅+热线电话

党建引领下的治理优化路径

党建引领

一、政府治理创新的最新动态

政治学系

便利服务：浙江“最多跑一次”

最大难点——“信息孤岛”，关键在跨部门协调

最大特征——“人民中心”，让数据跑代替百姓跑

• 政府权力/责任清单

• 企业投资负面清单

• 省级部门专项资金管理清单

2013 • 政务服务网

• 四张清单一张网

2014 • “最多跑一次”

• 一窗受理、集成服务

2016

流程再造——互联网实现跨部门协同办公

信息共享——大数据推进多部门信息共享

一、政府治理创新的最新动态

政治学系

北京：有求必应，接诉即办

机制创新

跨域服务

一网通

一卡通 服务社区居民，解忧解难，得利得便

提升居民满意度，获得感和幸福感

体现制度的优越性

展现党和政府的初心和善意

有事易办=便民机制

接诉即办=响应机制

便利服务

浙江：最多跑一次

流程优化

一、政府治理创新的最新动态

政治学系

党建引领，吹哨集合，部门报到：阶段发展

201701

典型成长

平谷案例

201801

试点铺开

167/331

201902

全面启动

201811

中央肯定

深化发展

全国学习 北京经验

街道标杆

街道样板

先进工作法

配套工具箱

数据治理

大数据时代的数据治理

数据描述=》排列问题

数据分析=》热点问题

党建引领的治理创新

书记挂帅=责任担当机制

组织协调=新型治理机制

一、政府治理创新的最新动态

政治学系

中央肯定：党建引领，吹哨集合，部门报到

201811，中央深改委第五次会议：《“街乡吹哨、部门报到”：北京市推进党

建引领基层治理体制机制创新的探索》——把基层党组织建设成为领导基层

治理的坚强战斗堡垒。

201902，“北京市街道工作会”，市委书记蔡奇强调，践行以人民为中心的

发展思想，以首善标准加强新时代首都街道工作。同月，市委、市政府正式

印发《关于加强新时代街道工作的意见》。吹哨报到改革全面铺开，并进行排序考察。

201902，北京市委办公厅、市政府办公厅印发了《对市民热线反映通报问题

“接诉即办”的工作方案(试行)》。

201905，北京市各区，各委办局，街乡镇的工作方案陆续出台

一、政府治理创新的最新动态

政治学系

一、“接诉即办”的由来与发展

党建引领，吹哨集合，部门报到：北京一号改革课题

201812，新成立北京政务服务局考察清华大学数据治理研究中心，就“吹哨

报到”中的12345热线电话数据进行深度分析作业达成合作意向。

201901，清华大学数据治理研究中心组建精干团队，开始就12345热线电话

数据提交月度报告和专项报告，为市委市政府的督办、核查和决策提供数据依据。

数据特征

巨量=2018，700万；2019，1000万

可靠=有事有难投诉，办事干事回应，督察监查回访

多样=

党建引领，问题导向

底线思维，专项改进

赋权赋能，增效增益

政治学系

理念驱动的治理运动 IDG

领导者的深远意图与发展判断

领导者的问题认知与现实判断

领导者的直接启动与上位驱动

“双顶驱动”模式

危机应对的治理调整 CDG

重大危机之于积累性问题的突破性解决

重大危机之于疑难性问题的创新性解决

“危与机”的转化模式

问题引导的治理创新 PDG

感知问题，确定问题

多层互动，多元参与

二、从理念驱动、危机应对到问题引导

政治学系

平谷教训：“看得见的管不着，管得着的看不见”

金矿盗采中的条块关系

三、从条块分割、强化协调到赋权街道

管理体制 管理主体 管理内容 管理效果

属地管理 村委会 协助政府监管

看得见管不着 街乡镇政府 属地（监管）责任

垂直管理

国土部门 矿产资源管理/空间规划管理

管得着看不见

城建部门 控违/韦建拆违

农业部门 农用地盗采监管

林业部门 林业用地盗采监管

水务部门 河道盗采监管

黄金管理部门 黄金盗采监管

公安部门 执法保障

政治学系

北京市委、市政府《关于加强新时代街道工作的意见》201902 • 街道是城市管理和社会治理的基础，是巩固基层政权、落实党和国家路

线方针政策的依托，是联系和服务群众的纽带，在超大城市基层治理体

系中发挥着不可替代的中枢作用。

• 以深化“街乡吹哨、部门报到”改革为重点，以增强街道统筹协调能力

为抓手，做强街道、做优社区，构建简约高效的基层管理体制，为推进

首都治理体系和治理能力现代化、建设国际一流的和谐宜居之都夯实基

础。

市政府

区政府 委办局

居委会

社工组织

居民

在地企事业单位

物业公司

业主组织

街道办事处

三、从条块分割、强化协调到赋权街道

• 在加强基层党建、推进街道体制改革、保障和改善民生、优化社区管理等六个方面，提出30条改革措施。

政治学系

数据治理=科学化与精细化

面对数据的治理= address to Data

整合43条热线

整合相关数据

基于数据的治理= based on Data

日报

周报

月报

季报

专报

经由数据的治理 （201907）= through Data

排行=街乡绩效

排序=关键部门

排名=难点问题

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

热线电话数据的大数据特性，即数量大、多样态、速生成和低赋值，+政务决策数据特征

用户生成特征：热线电话属于百姓日常生活的非紧急求助，遇难求助有事即拨是其基本特点，因此产生的相关数据是用户生成的，是以真实诉求为指向的。

社会基础特征：热线电话投诉的广泛性、开放性和分散性，因而是社会真实状态的拟态，其全景呈现和个体聚焦实际上体现了北京市社会问题的地域分布和聚合状态。

民生倾斜特征：热线电话诉求的主题性和指向性，大多集中于百姓的日常生活和公共服务，在空间序列上往往呈现出逐层扩散特征，在主题序列上通常体现为民生问题的连续扩展特征，因此，热线电话数据更加聚焦于百姓所感知和求助的民生问题。

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据描述为主的日报、周报和月报。 基于热线电话的求助和投诉性质，数据描述集中于特定时间段的投诉问题排序，投诉发生属地排名和投诉指向部门排行； 基于热线电话的处理结果和评估结果，数据描述还涉及了解决率和满意率的属地和部门排列。 根据大数据的技术特点，这些数据描述应用了清华数据治理中心专项开发的 “民情地图” “问题-区域热力图”

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据穿透

=》从北京市直接穿透街乡镇

依据大数据技术的创新应用

全量样本=328/331个街道乡镇

时空穿越

=》从区、到街道、到乡镇，任一区域比较；

年度、月度、日度，前后5年的任一时段比较

颗粒缩放

=》从楼宇，小区、社区到街道，到区，到全市

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据穿透

2019年1季度诉求量空间分布情况

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据穿透

2019年1季度满意率空间分布情况

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据穿透

2014-2019物业管理诉求的季节分布

四、从城市感知、问题认知到精准施策

春夏诉求区域多

冬季北部来电少

南多北少

东多西少

政治学系

数据治理=科学化与精细化

数据穿透

2014-2019年物业管理日夜间投诉分布情况

日间>夜间；西/北夜间较少

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据穿透

2019年4月日间投诉分布情况

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据穿透

2014-2019年第1季度诉求量前20问题变化情况

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据穿透

2019年2月前十类每日变化情况

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据穿透

2019年2月前十类诉求各区分布

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据分析

专项聚焦=取样条件下的问题聚焦

城市管理类

物业管理类

市场管理类

违法建设类

基础民生类

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据分析

问题导向的数据挖掘 特指依据热线电话投诉者的问题导向对数据展开深度解读。必

须承认，热线电话数据在记录存档和派单处理时，不能不着重于街乡镇属地规则和政府部门权限规则，但在热线投诉者一侧却未必知晓政府部门分工和属地管辖的界限，通常是根据自身的理解和感受指明求助对象或提出投诉问题。两者之间确有一定的区别。 为此，基于热线电话数据的数据分析，更强调依据热线投诉者

的问题逻辑进行新的归类处理，并在归类处理的基础上提出跨属地和跨部门的综合治理方向。这既包括针对涉及多个街乡镇的地域组合型综合治理，也包括涉及需要多部门协同工作的问题领域如民生问题、物业问题等等。

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据分析

多维判断的主题深化 特指根据热线电话数据所提示的线索展开进一步的数据分析工

作，并试图从中重要的公共治理提示和政策启发。例如投诉者数据的深入发掘可以得到投诉者的特征素描，包括私利敏感者、公益热心人、情绪发泄者，也可考虑到沉默观望者的存在并尝试从其他信息源解读其需求；又如对投诉问题的深入分析，可以发现更精准的难点堵点所在，北京市生态环境部门根据街乡镇空气质量排名情况，有意选取排名靠后的10个街乡镇进行

“点穴式”的专项检查行动，发现了疑难问题的“点位”所在。

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据分析 逻辑延伸的决策关联 特指在数据分析中引入政治学、行政学和公共管理学的理论知识和最新发现，结合热线电话数据进行分析和判断，从而对时间序列的治理问题可以进行预测预研，对危机问题进行预警预示，对问题序列的深层涵义可以进行探讨探究。

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据分析：投诉者类型画像

私利敏感者

情绪发泄者

公益热心者

沉默观望者

投诉表达

清晰 模糊

投诉原由

公益 A B

私利

C D

四、从城市感知、问题认知到精准施策：小结

政治学系

数据治理=科学化与精细化

数据分析：“哨型分析” 社会治理的新型差序格局

哨型 事态属性 解决难度 解决策略

急哨 急事 快办

短哨 小事

长哨 难事 积案/悬案 催办

响哨 大事 合办

杂哨 琐事

能办必办，难办催办；

办不清楚要说清楚；

说不清楚要查清楚。

四、从城市感知、问题认知到精准施策：小结

优化接哨、传哨、处哨、回哨全流程

政治学系

数据治理=科学化与精细化

智慧治理

数据驾驶仓2.0版

数据动态投放

可视化呈现

治理结构呈现

解决方案呈现

重点行动=回天行动+马上清（西）行动

=物业管理

层级挑战

区委区政府

街道=工作量压力/排名指标压力/投诉压力

社区

四、从城市感知、问题认知到精准施策：小结

政治学系

数据治理=科学化与精细化

数据分析 2019年7月群众投诉的前20位诉求问题

28768

15851

13589 11970

11072

9078 8833 8597 7747 7638 7020

6161

4360 4055 3831 3758 3525 2835 2549 1586

0

5000

10000

15000

20000

25000

30000

35000

来电量

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据分析 七月主要问题的解决率和满意率

85.71% 84.99%

63.54%

76.34% 75.12% 75.17% 69.98%

58.46% 59.50%

49.20%

42.24%

92.06% 90.04% 88.54% 87.90% 86.68% 85.67% 84.21% 81.99%

77.43%

71.00%

64.37%

0.00%

10.00%

20.00%

30.00%

40.00%

50.00%

60.00%

70.00%

80.00%

90.00%

100.00%

解决率 满意率 平均解决率 平均满意率

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据分析 七月份主要问题解决率/满意率的同比变化

74.84% 71.44%

63.07%

56.17% 60.62%

43.85%

78.02%

43.14%

56.87%

56.86%

85.71%

84.99%

80.83% 76.34% 75.12%

72.42% 67.36%

62.07% 59.04%

49.20%

0.00%

10.00%

20.00%

30.00%

40.00%

50.00%

60.00%

70.00%

80.00%

90.00%

100.00%

卫生

健康

供水

供电

施工

管理

市容

环卫

城市绿化

公共

安全

环境

保护

市场管理

市政

群租

房

交通管理

住房

修缮

劳动

和社

会保

障

小区

配套

物业

管理

农村

管理

老楼

改造

拆迁

违法

建设

18年7月解决率 19年7月解决率

18年7月平均解决率 19年7月平均解决率

85.90%

80.80% 79.27% 76.38%

72.18%

66.63% 66.42%

59.94%

65.69%

47.80%

92.06% 90.04% 88.54% 87.90% 86.68% 85.67% 84.21%

81.99% 77.43%

71.00%

64.37%

0.00%

10.00%

20.00%

30.00%

40.00%

50.00%

60.00%

70.00%

80.00%

90.00%

100.00%

卫生

健康

供水

供电

施工

管理

劳动

和社

会保

障

城市

绿化

公共

安全

市容

环卫

市场

管理

市政

环境

保护

群租房

交通

管理

住房

修缮

老楼

改造

农村

管理

物业

管理

小区

配套

拆迁

违法

建设

18年7月满意率 19年7月满意率

18年7月平均满意率 19年7月平均满意率

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据分析 2014-2019年五年来基础民生诉求

主要问题分布与总量变化趋势

677395

201497

168126

52793

8783

0

100000

200000

300000

400000

500000

600000

700000

800000

供暖 供水 供电 供气 供热水

来电

量

25108

39416

88574

139089

66073

0

20000

40000

60000

80000

100000

120000

140000

160000

来电

量

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据分析 基础民生诉求各主要类别占比的月度变化

供气

供热水

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

1 2 3 4 5 6 7 8 9 10 11 12

来电

量所

占百

分比

月份

供电

供水

供暖

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据分析 基础民生诉求的主要承办单位分布

362635

113408

92347

38004 34837

962 541 532 279 259 0

50000

100000

150000

200000

250000

300000

350000

400000

来电量

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据穿透 基础民生类问题的的主要细类分布

170118

132138

120585

77253

63729

45424

35475

24982

4494 3197

0

20000

40000

60000

80000

100000

120000

140000

160000

180000

来电量

122354

23514 22671 16520

8688 3921 2668 1161

0

20000

40000

60000

80000

100000

120000

140000

停水 突发事故 水质 水压 一户一表 自备井 计划检修 欠费

来电量

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据穿透 基础民生类问题的的主要细类分布

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据穿透 基础民生诉求的来电量及解决率和满意率变化——供暖

2726

1024

640 348 241 237 335

550 875

1803

4582

1333 1499

1268

720 435 100 413

75.94% 73.91%

71.78%

66.27% 70.74%

76.98%

70.65%

65.56%

50.00%

69.11%

60.31%

52.28%

68.36% 69.94%

78.13%

58.31%

40.97%

36.00%

0

500

1000

1500

2000

2500

3000

3500

4000

4500

5000

0.00%

10.00%

20.00%

30.00%

40.00%

50.00%

60.00%

70.00%

80.00%

90.00%

来电

量

解决

率/满

意率

投诉总量 满意率 解决率

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据穿透 基础民生诉求的季节特征与群众满意率

9208

11903

10352

11780

2579 2790 2824

3592

78.12%

81.01%

78.57%

76.63%

74.00%

75.00%

76.00%

77.00%

78.00%

79.00%

80.00%

81.00%

82.00%

0

2000

4000

6000

8000

10000

12000

14000

春 夏 秋 冬

满意

率

满意

/不满

意频

数

满意量 不满意量 满意率

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据分析 2018年前十位城市管理类群众诉求分布

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据分析 2018年前十位城市管理类群众诉求各市辖区分布

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据分析 2018年城市管理类主要群众诉求

在前十六位街道乡镇分布

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据分析

2018年城市管理类群众诉求 每日来电量与回复量变化趋势

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据分析 2018年城市管理类群众诉求回复时效分布

四、从城市感知、问题认知到精准施策

政治学系

数据治理=科学化与精细化

数据分析 2018年城市管理类群众诉求30天内回复数量分布

四、从城市感知、问题认知到精准施策

政治学系

十九大报告论大数据

推动互联网、大数据、人工智能和实体经济深度融合;

建设网络强国、数字中国、智慧社会;

提高社会治理社会化、法治化、智能化、专业化水平。

习近平总书记强调要以推行电子政务、建设智慧城市等为抓手，以数据集

中和共享为途径，推动技术融合、业务融合、数据融合，打通信息壁垒，

形成覆盖全国、统筹利用、 统一接入的数据共享大平台，构建全国信息

资源共享体系， 实现跨层级、跨地域、跨系统、跨部门、跨业务的协同

管理 和服务。

五、大数据与社会治理现代化

2017年12月，十九大以来新一届中央政治局专门就实施大数据国家战略的第二次集体学习:“大数据发展日新月异，我们应该审时度势、精心谋划、超前布局、力争主 动”，要“运用大数据升国家治理现代化水平”，要“利用大数据平台，分析风险因素，提高感知、 预测、防范能力”;要“运用大数据促进保障和改善民生，利用‘互联网+N’推进教育、就业、社保、

医药卫生、住房、交通等领域大数据普及应用 。

政治学系

十九大报告论历史交汇期

五、大数据与社会治理现代化

历史交汇期

改革与N的交汇

农村家庭联产承包制+特区建设

分权改革

De-centralization

邓公南巡+

14大市场经济体制

De-centralization

加入WTO

De-regulation

国务院机构改革

De-regulation

个人计算机问世 国际互联网形成 智能手机普及

政治学系

大数据时代的治理模式创新

数据密集型治理模式

数据治理对于数据的依赖性

用数据说话

用数据决策

用数据改革

用数据创新

数据治理建立在开放数据的基础上:

大数据应用需要整合和利用来自政府、企业、社会组织和公众等多来源数据

政务大数据开发是实现大数据战略的重要前提;

大数据时代，政务大数据向社会第三方开放，供其开发利用有助于提升政务

数据开发利用效率、 开展创新应用，产生积极社会经济效益。

五、大数据与社会治理现代化

政治学系

社会治理科学化

数据采集能力+大数据分析技术

民情数据：热线、微博、 微信、论坛等平台的民情民意

可视化观测：民情地图

优势:预测预警、 精准化治理、诊断式

治理、智能化治理、动态式评估

五、大数据与社会治理现代化

政治学系

大数据驱动社会治理现代化的五个机制

数据=》

整合数据资源，构建数据文化，革新治理理念

信息=》打破信息碎片化、不对称，解决信息困

境

协作=》构建业务/信息流共享协同机制，破解合

作困境

平台=》创建开放参与平台，促进协商民主

安全=》社会安全风险预警，保障信息安全

五、大数据与社会治理现代化

数据

信息

协作 平台

安全

政治学系

五、大数据与社会治理现代化

社会治理系统化

将庞大的社会运行体系纳入到数

据化体系之中；目标：社会运行规

律、公共舆论关注热点变化趋势及

规律观测；积累社会运行的数据特

征以应对公众关注议题与突发社会

事件。

社会治理各领域的整体认知

跨地区、跨层级的动态把握

智能化社会治理（iSG）

政治学系

政府回应

民情民意

社区治理

居民参与

政/产/研/学 广泛整合

理/工/社/文 深度融合

智能社会治理 网络化/数字化/智能化

动态感知 危机预知 诉求洞知

决策科学 对策精准 施策高效

技术创新 从智慧城市到智慧社区 D&R 核心模块

五、大数据与社会治理现代化

政治学系

五、大数据与社会治理现代化

iSG

政府回应精准

化

社会治理系统

化

社会治理科学化

智能化社会治理体系：以推进社会治理决

策和风险防范的科学化、精准化、高效化、

提升基于大数据的社会治理监测、评估和应

对能力。

智能化社会治理（iSG）

政治学系

数字政府

数字经济、数字社会和数字政府所构成的数字中国的体系中，数字政府建设是重中之重，是整个体系中具有指导性、引领性和引导性的主要成分。

如果说数字政府是指政府机构的日常办公、信息收集与发布、政策决策、公共服务和评估反馈等事务在数字化、网络化和智能化环境下所创新的国家行政管理形式，那么，数字政府就是实现政府治理体系和治理能力现代化目标的重大战略举措。因此，推出必要措施，打造数字政府已经成为各级政府的战略选择。

六、大数据与数字政府

政治学系

数字政府

就其实质而言，数字政府建设的要义是在现代信息科技发展的大背景下对政府履职理念、观念、方式、流程、手段、工具的全局性、系统性和根本性重塑；最终目的是践行以人民为中心的发展思想，增强政府履职的整体效果，打造统一的“数据+管理”共享平台，实现以数据为核心的业务协同，进而构建“政府有为、市场有效、企业有利、百姓受益”的体制机制新优势；突破口是围绕经济运行、

市场监管、公共服务、社会治理和环境保护等政府职能，实现数据平台、政务服务、公共管理和支撑保障的一体化。。

六、大数据与数字政府

政治学系

数字政府

就其形式而论，数字政府是实体政府的数字化呈现，是现代实体政府的底层建构和支撑保障，因而包含多方面的内容,如政务办公自动化、政务数据开放、政府（机构）间数据融合及业务协同、商事与公共服务在线化、智能化决策辅助、政务信息实时发布与舆论引导等等。

六、大数据与数字政府

政治学系

数字政府

归根结底，数字政府的核心就是数据治理，是贯穿在实体政府的治理活动全过程、全领域和全要素的联结带。这不仅是因为政府掌握着最多的经济社会数据和公共服务数据，也是因为政府与社会互动产生了大量民情民意数据，更是因为政府可以利用自身拥有的政务大数据与更广泛的社会大数据、经济大数据融合，以构建服务于决策咨询、政策评估和绩效评价的数据治理体系。

六、大数据与数字政府

从粗放型管理向精细型管理

转型 从单一运作型向协作交互型

管理转型

从窗口式管理向自助式全天候管

理转型

从被动响应型向主动预见型

管理转型

从风险反应型管理向风险防范型

管理转型 政府通过大数据发生的治理

转型

政治学系

清华大学政治学系

数据治理研究中心

计算社会科学平台

与清华数据研究院的合作

与中国知网的合作

政务大数据能力提升研修班=》政务数据分析师

政府数据治理联盟

结语