开放科学(资源服务)标识码(OSID)：
This study follows the logical thread of "ecological transformation-generative logic-value analysis-transformation mechanisms". Grounded in a socio-ecological model, it employs theoretical deduction to analyze the evolutionary trajectory and ecological transformation of data openness. The research deconstructs the generative logic of open data ecosystems from three perspectives: constitutive logic, theoretical logic, and practical logic. Furthermore, by explicating the innovation value of open data ecosystems, it constructs an entity-element framework to reveal the mechanisms through which these ecosystems realize and translate innovation value.
Research findings are as follows: First, public data openness has evolved through four distinct phases: initial experimentation, the rise of open data platforms, infrastructure building, and finally, deep ecosystem integration.This evolution reconfigures three core relationships: participants become ecosystem builders, display platforms become interactive communities, and one-way linear models become multi-dimensional networks. Second, the generation logic of the open data ecosystem represents the unity of constitutive logic, theoretical logic, and practical logic. Among these, constitutive logic serves as the foundation, theoretical logic as the extension, and practical logic as the implementation. These three logics are interlinked, forming a complete system. From a theoretical perspective, the open data ecosystem comprises five levels: individual, interpersonal, organizational, community, and policy. While these levels remain relatively independent, they are interwoven and mutually influential. The individual level occupies the core position and is nested within the interpersonal level, which in turn is encompassed by the organizational level. The individual level is encompassed by all levels, and every level is constrained and shaped by the policy level. Third, entity and element are key drivers of innovation value in the open data ecosystem, promoting enterprise innovation, the emergence of new industries, and innovations in digital governance across multiple dimensions. The realization of innovation value in the open data ecosystem is a complex, dynamic, and non-linear co-evolutionary process. It is generated under the combined effects of shared mechanisms, market mechanisms, and incentive mechanisms, emerging across various fields at both micro and macro levels, and promoting value leapfrogging through a continuous spiral of iteration, steady value accretion, and gradual expansion. Fourth, the ecosystem enhances innovation value through three distinct lenses. From the perspective of the entity, it transforms cooperative and competitive inter-organizational relationships, converting external forces into synergistic momentum. From the perspective of factors, it elevates innovation value by optimizing data, empowering traditional factors, and promoting factor integration. Finally, from a dual perspective, the ecosystem boosts innovation value through industrial convergence, feedback coordination, and supply-demand matching.
This study combines the theoretical framework for mechanism analysis with the goal of realizing innovation value. The framework encompasses entity collaboration, element linkage, and the interaction between the two. Guided by this approach, we comprehensively connect all components in the open data ecosystem. This connection is achieved through diversified coordination, personalized adaptation, convenient services, and scenario-based deployment.The study designs pathways for realizing innovative value across three dimensions. First, entity collaboration serves as the core. Second, element linkage acts as the support. Third, entity-element interaction functions as the driving force. The ultimate aim is to promote a coordinated, orderly, and sustainably developed open data ecosystem. This approach effectively unleashes innovative value and propels data resources from simple openness toward deep innovation utilization.
开放科学(资源服务)标识码(OSID)：
公共数据开放强调数据的访问性、获取性、再利用性等,在促进居民参与、创新发展和经济增长等方面发挥着重要作用[1],是数字时代推动治理创新与信息共享的重要抓手,也是营造良好数字生态的关键。世界各国纷纷加快推进公共数据开放,欧盟颁布《数据法案》,英国发布《国家数据战略》。2012年,我国第一个公共数据开放平台“上海市公共数据开放平台”上线。各级地方政府陆续推进本地平台建设,不断扩展开放数据范围与深度。随着平台建设初具规模,其开放模式由单向静态线性转向多元互动网络,开放数据价值创造影响因素愈发复杂、相互交织和深度耦合,生态系统理论开始融入数据要素发展[2],以公共数据开放平台为基础的开放数据生态系统逐渐成型,且在提升国家创新体系整体效能[3]、驱动数据要素市场化发展[4]和支持城市治理[5]方面扮演着关键角色。因此,构建协调有序、可持续发展和有效释放创新价值的开放数据生态系统,不仅有助于提升开放数据价值,塑造更加透明、协同、有效的政府治理体系,还能推动数字中国建设,为创新型国家建设提供支撑。
从理论上看,既有文献聚焦于政府数据开放或公共数据开放等[6-9],主要从组成机制[10]、价值创造机理[11]、国际比较[12]等维度展开,其内涵呈现多元化特点。有学者认为,开放数据生态系统是在各种利益相关者创造的复杂价值网络中,各参与主体开展评估、清理、数据分析等多样化活动[1],是由提供数据的政府机构、向公众提供的数据和社会对数据的反馈等组成的闭环系统。也有学者认为,开放数据生态系统是以数据要素为核心,以公共数据开放平台这一链接各参与主体的主要基础设施为依托[13],从而形成多元主体参与、系统复杂交互、具有环境适应性的动态循环系统[3]。本文认为开放数据生态系统是多元主体围绕数据要素开展开放共享、场景拓展、价值交换等复杂交互活动,通过丰富数据服务应用、深化数据社区协作、构建数据规范体系等,推动开放数据价值创造,从而形成多元共生、协同共创和高效共治的动态调整系统。从实践看,开放数据生态系统构建与发展面临以下问题:第一,尽管各级政府持续推进公共数据开放,但不同地区在数据开放范围、质量和应用能力等方面存在显著差异,区域之间的数字鸿沟亟需前瞻性布局与系统性应对。例如,上海市通过政策引导、多元参与等推进公共数据开放平台建设,进而形成良性互动的数据生态圈;部分城市数据开放存在模式单一、交互性不足、应用场景缺乏等问题。第二,数据应用不足、场景设定有限等成为制约开放数据生态系统构建的关键因素。截至2024年7月,我国已有243个省级和城市的地方政府上线数据开放平台,但开放数据在广泛应用与深层利用方面存在一定不足。根据2022年《全球数据晴雨表》(Global Data Barometer,GDB)报告,中国在全球109个国家和地区中排名第44位(39.8分),其中影响度得分较低,表明开放数据在社会和经济影响方面有待提升。第三,开放数据生态系统中平台与用户共生逻辑不尽完善。数据服务网和平台用户共生演化模式不理想,多向竞争共生、寄生共生等模式演化,导致至少一方利益受损[14],因此需依托生态系统理论构建多元主体价值共创的转化机制。
综上,本文在解析公共数据开放演进脉络与生态转型的基础上,构建开放数据生态系统理论框架,解构开放数据生态系统的生成逻辑,揭示其创新价值转化机制,明确开放数据生态系统创新价值实现路径,以期打造协调有序、可持续发展、有效释放创新价值的生态系统,推动数据资源从简单开放走向深度利用。
1.1.1 萌芽探索阶段:从信息公开到数据开放的启蒙
公共数据开放始于政府信息公开,旨在促进政府透明、提高公众信任、改善公共服务等。这一理念起源于Harold Cross在1953年出版的《人们的知情权:公共记录和会议记录的合法获取》中的“开放政府”,即公民有权知晓政府事务的核心主张。1966年,美国颁布《信息自由法》,奠定了政府信息公开的法律基石。20世纪90年代,英国、法国等相继出台信息公开法案,但开放范围仅局限于政策文件、财政预算等静态内容。我国虽起步较晚但发展较快,2004年上海市出台《上海市政府信息公开规定》,这是全国最早关于政府信息公开的省级政府规章;2008年,国务院颁布《中华人民共和国政府信息公开条例》。随着互联网普及,各级政府门户网站相继建成,主动向社会公开政务信息。 2010年,《中国互联网状况》白皮书显示,截至2009年底,中国已建立政府门户网站4.5万多个,75个中央和国家机关、32个省级政府、333个地级市政府和80%以上的县级政府都建立了电子政务网站。可见,政府部门积累了大量一手数据,开放内容也由整合分析后的信息转向未经加工、可机读的原始数据。
1.1.2 开放兴起阶段:公共数据开放理念的全球扩散
2009年是全球公共数据开放兴起的元年,美国率先倡导构建开放政府,发布《透明与开放政府备忘录》《开放政府指令》等文件,同年5月建立政府开放数据网站。数据开放作为一种新治理理念获得广泛认同,数据开放进入主动、系统化推进的新阶段。2011年,巴西、印度尼西亚等8个国家联合发布《开放政府宣言》,正式成立开放政府伙伴关系(Open Government Partnership,OGP),旨在促进透明、参与、包容和负责任的治理。2013年,八国集团发布了《G8开放数据宪章》,提出加快推动数据开放利用。自2012年起,我国各级地方政府相继搭建公共数据开放平台,推动数据资源整合与共享[15]。2015年,国务院印发《促进大数据发展行动纲要》,提出“稳步推动公共数据资源开放”。
1.1.3 建设完善阶段:国家战略与立法保护升级
各国开始从顶层设计层面构建完整体系,将开放政府数据提升至国家战略高度[16]。2018年,美国颁布《开放政府数据法案》,确立数据开放地位,明确数据开放权责。2019年,欧盟通过《开放数据指令》,要求公共部门以机器可读格式、API接口免费或低收费开放数据,极大推动数据标准化、可发现性和再利用性。我国也加快开放数据相关工作推进。2016年,国务院颁布《政务信息资源共享管理暂行办法》,确立“以共享为原则,不共享为例外”的核心原则,规范政务部门信息共享。2019年国家政务服务平台上线,进一步推动跨地区、跨部门、跨层级政务数据共享。2021年,“十四五”规划将“加强公共数据开放共享”列为“提高数字政府建设水平”的首要任务。
1.1.4 要素深化阶段:安全保障与技术应用拓展
该阶段公共数据开放不断深入,人们对数据的认识从信息资源跃升为关键生产要素,开放重点从量的积累转向质的提升和效的释放。2022年,欧盟签署《数据治理法案》,鼓励个人和企业自愿提供数据,服务于公共利益需求,旨在建立可信的数据共享框架。我国强调安全与流通、运营与规范的深度平衡,通过建设一体化数据开放平台、提供更友好的API接口等,赋能产业升级和社会治理。2022年12月,《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》,提出“建立保障权益、合规使用的数据产权制度”,“建立安全可控、弹性包容的数据要素治理制度”。2023 年10月,国家数据局挂牌成立,标志着数据工作进入国家统筹推进、专业管理的新阶段。2025年1月,国家发展改革委等部门印发《关于完善数据流通安全治理 更好促进数据要素市场化价值化的实施方案》,明确“谁主管、谁提供、谁负责”的公共数据流通安全管理原则。综上,公共数据开放演进脉络如图1所示。
图1 我国公共数据开放演进脉络
Fig.1 Evolution of public data openness in China
生态系统理论源于生物学领域,随着学科间的深度融合和该理论的演变发展,逐渐被应用于各个领域,其中也包括数据治理、数字政府等。Pollock(2011)提出需将开放政府数据计划的“单行道”转换为“数据用户与供应商之间反馈循环的生态系统”。在数字技术快速迭代、数字经济发展和公共数据开放政策的共同推动下,数据开放模式逐渐从单一政府主导向多元生态系统转型。
(1)从数据参与者向生态建设者转变。随着公共数据开放平台建设不断完善,平台业务种类日益丰富化、复杂化,各参与主体从数据开放参与者向数据生态建设者转变。参与主体的角色定位由客体向主体转变,政府在公共数据开放初期扮演数据供给者、规则制定者角色,而后又成为数据合作者、平台监管者,现在已转变为生态建设者,主要维系开放数据生态系统的良性循环与稳定发展。参与主体的价值由数据本身向数据治理延伸,开放数据使用者的身份由数据开放对象向生态协同主体转变,参与主体之间的核心关系由单向索取转向双向共生共创。例如,贵州积极打造数据存储、交易、应用与算力的全生态系统,每个参与主体都是生态系统建设者。公共数据开放不再是单方面输出,而是强调多元主体互惠共赢。
(2)从数据展示平台向生态互动社区转变。公共数据开放平台发挥的作用日益多元化,对私人部门数据开放与交易起着关键引领作用,也是数据业务展示、典型应用、多元协调合作的平台。尤其是开放平台中互动中心、互动论坛等板块逐渐成熟,数据需求、应用反馈、数据纠错等互动机制常态化运作,有效促进各参与主体之间的动态交流与协作。公共数据开放平台已成为生态互动社区,该社区具有较强的包容性,所有利益相关方平等调用、使用和受益于开放数据。例如,深圳市政府数据开放平台打造丰富的互动交流区域,通过数据申请、反馈、评价等实现多元主体互动。
(3)从单向静态线性关系向多元互动网络转变。公共数据开放早期为单向供给模式,即数据使用者和供给者之间没有反馈循环、数据使用者之间并无关联,随后逐步演化为多方参与、协同共治网络模式。相较于单向模式的公共数据开放,开放数据生态系统中主体关系、数据业务愈发复杂,数据需求者、供给者之间的多元互动网络日益丰富,不同公共数据开放平台之间展开多种形式合作与共建。例如,上海、江苏、浙江、安徽建立数据专题合作机制,共同推进长三角在数据领域的一体化发展。同时,公共数据开放平台与高校、科研院所等深度融合,如上海市浦东新区人民政府与同济大学签署战略合作框架协议,以开放数据资源支持科研攻关。
本文从构成逻辑、理论逻辑和实践逻辑三方面,解构开放数据生态系统的生成逻辑。其中,构成逻辑阐明开放数据生态系统的静态要素与结构特征,决定系统的存在形态与运行基础,明确“是什么”的问题;理论逻辑聚焦系统的社会性互动与结构化过程,揭示系统动态运行与演化规律,明确“如何运作”的问题;实践逻辑锚定系统健康发展的执行体系与治理规则,构建平台交互促进数据应用、数据应用挖掘深层价值、价值推动治理、治理畅通交互的逻辑框架,连接构成逻辑的静态要素与理论逻辑的运行规律,明确“如何实现”的问题。构成逻辑是基础,理论逻辑是延伸,实践逻辑是落地,三重逻辑环环相扣,形成一个从认知到实践、从静态到动态的完整体系。
2.1.1 主要功能与构建目标
开放数据生态系统是通过加快数据要素流动与循环,激活数据要素市场,带动商业数据规范化开放与有序交易,全面提升数据资源配置效率、应用效能和价值转化水平,进而为经济发展提供动力。对于政府而言,开放数据生态系统的构建有利于实现公共利益,如提供就业岗位、提升居民生活质量等。对于平台而言,有助于实现从基础数据共享平台到合作共赢平台再到协同共创平台的功能性跃迁。对于企业而言,有助于其突破关键技术难关,获取更多经济利益,其创新成果还能反哺公共服务能力升级。
2.1.2 核心组件与主要结构
开放数据生态系统由数据资源、参与主体、运行机制保障体系等核心组件组成。其中,数据资源是开放数据生态系统运行的粘合剂。参与主体是系统运行的关键枢纽,包括数据需求者、供给者、服务者等。运行机制是系统运行的重要准则,包括数据供给机制、数据治理机制、价值实现机制等。开放平台链接内部业务与外部资源,获取海量数据与用户,是形成互联生态的基石。保障体系则由数字基础设施、制度政策环境、数字技术支撑体系等构成,确保平台安全稳定运行、数据高效流动等。开放数据生态系统各组件通过人际、社会、技术等关系相连,参与系统运作,维持生态平衡和发展,推动开放数据高价值应用和数据要素市场化配置。
2.1.3 生命周期与阶段特征
开放数据生态系统生命周期包括“萌芽期—成长期—成熟期—重构期”4个阶段。在萌芽期,数据供给和参与主体有限,主体之间建立低频率互动关系;数据要素开放范围有限、质量参差不齐;数字基础设施相对薄弱,创新性应用不足。在成长期,数据要素供给数量、种类越来越丰富;参与主体类型和数量逐渐增多,主体间协作关系逐渐正式化、规范化;开放平台功能趋于完善。步入成熟期后,系统运行状态稳定、开放度更高,呈现互利共生、价值共创与协同共治特征;多元主体间形成稳定生态关系,信任体系得以巩固;开放数据的可用性、可靠性和安全性得以大幅提升。然而,当技术迭代、公众需求等外部环境发生变化时,开放数据生态系统可能会重构,出现新的生态关系、开放模式和价值导向等。
本文基于社会生态模型,从个体层、人际层、组织层等维度,构建开放数据生态系统理论逻辑框架(见图2),主要基于以下考虑:第一,系统性契合。社会生态模型以多层级嵌套、动态互动、情境依赖等为特征[17],精准回应开放数据生态系统多元主体共生、技术社会交织、价值动态演化的复杂属性,映射从微观主体行为到宏观制度环境的完整谱系。第二,互动性契合。社会生态模型采用系统性、层级性视角解释个体或组织行为及其与复杂环境之间的互动关系,比较契合数据价值在多元主体之间流动、循环、共创的本质,能够揭示数据如何连接不同层级并激发创新行为。第三,健康性契合。社会生态模型源自公共健康领域[18],为理解并培育一个健康的复杂系统提供了经典范式,与构建健康、可持续开放数据生态系统的内在需求相契合。
图2 开放数据生态系统理论逻辑
Fig.2 Theoretical logic of open data ecosystem
2.2.1 个体层——主体多元参与和丰富化
开放数据生态系统由一系列利益相关者组成,从角色功能属性看,有供给者、需求者、服务者等[1];从角色社会属性看,包括政府、企业和公众三大生态主体[19]。结合数据开放关系,将开放数据生态系统个体划分为:①供给者。政府是数据的主要供给者,还有受政府委托或监管的公共企事业单位、私人组织等。②需求者。包括商业需求主体、科研需求主体、服务需求主体等,其中服务需求主体以数据消费者为主,利用数据解决自己关心的消费决策、安全出行等问题,并履行社会监督职责。③服务者。提供数据分析、方案设计、场景应用等服务,包括技术型、价值型、培育型等不同类型服务者。④使用者。数据产品的使用主体,消费数据产品。就某一个体而言,其身份是复杂的,如政府既是开放数据的供给者、平台运行的管理者,也是数据的使用者。
2.2.2 人际层——关系网络交纵与协同化
从复杂性角度看,生态系统是由各种关系构成的[20]。人际层在个体层的基础上,识别不同主体之间的合作关系、利益冲突等,包括供需关系、监管关系、服务关系等。在开放数据生态系统关系网络中,政府是复杂网络的核心协调者,主导生态系统自组织运行机制,助力建立、优化和维护系统关系。就数据需求者而言,他们之间存在合作、竞争和竞合等复合关系;就数据服务者而言,他们可提高数据可访问性、实用性和普遍性[21],使数据供给者、需求者、使用者之间开展无障碍协同合作。在数据要素的连接下,开放数据生态系统中多元主体形成复杂、相互依存的关系网络,通过共享、交易、合作等促进数据价值创造[22]。
2.2.3 组织层——数据价值共创与共治化
在个体层和人际层的基础上,开放数据生态系统形成不同组织,以维系生态系统平衡、拓展主体功能、强化主体关系。这些组织是推动数据价值创造的核心驱动者,一般由规则、结构、治理和文化等联结在一起,将数据价值创造与业务目标相融合,将分散性数据开放活动转化为系统性数据价值创造生态,推动数据要素向数据生产力跃迁。组织层是链接主体与环境的重要生态层,与其他层级均有交互,能参与社区活动、推动政策层升级。在不同生态关系下,通过组织之间、组织与个体之间、组织与环境之间的数据能量交换,寻求共生、共创和共治,共同维系生态系统平衡和价值创造。随着数据边界拓展到单个组织边界之外,跨组织管理变得日益复杂,组织间数据交互能显著提升流程执行和服务提供过程的协调性。
2.2.4 社区层——场景丰富多样与定制化
开放数据生态系统包含多个不同维度社区,如生产者社区、使用者社区等。社区层打造数据应用创新场景,参与者既可以是个体,也可以是组织,所有利益相关者开放参与、合作与创新。通过构建丰富的数据应用场景、个性化的数据应用服务和前沿性的数据保障技术支持等,建设良好的社区环境,为数据要素流动与价值转化提供支撑。从应用场景看,数据应用、服务创新和价值实现等均有赖于场景的丰富性与适配性。开放数据生态系统可根据用户需求、反馈等定制应用场景,提供差异化开放数据。从应用服务看,服务创新是活跃社区活动、连接各主体的关键部分,为数据应用提供新场景、跨场景应用服务。在文化理念、规制安排等因素的调节作用下,社区层通过构建开放数据生态系统的信任环境,提升个体层价值共创意愿,推动政策层制度升级与优化。
2.2.5 政策层——制度保障有效与规范化
政策层是推动开放数据安全运营、平衡参与主体实际利益的保障,可优化社区层环境,规范个体层、组织层行为,协调不同主体之间的利益关系,破解开放数据生态系统运行中的堵点和风险点问题,为其提供可实施的制度安排。例如,开放数据二次加工后被设为私有产品可能会引发新的数据垄断,同类企业依赖相同数据源提供同质类服务会加速行业竞争,这需要政策规范与保障。政策层保障开放数据生态系统顺畅运行,有助于高效激发数据价值。一方面,制度安排应与开放数据生态系统运行阶段相匹配,初级阶段制度安排侧重于系统建设、开放规则、隐私保护等;发展和成熟阶段则应充分考虑业务难度和主体关系。另一方面,制度安排应与系统运行特征相匹配,建立开放性制度反馈机制、数字人才支撑体系,注重跨部门、跨地区协同。
开放数据生态系统是一个嵌套系统,层级之间相对独立又彼此交织、相互影响。如图2所示,个体层处于核心位置,嵌套于人际层之中,人际层又被组织层所包含,个体层囊括在所有层级之中,所有层级都会受政策层的制约与影响。开放数据生态系统也是一个网络系统,各层级之间建立相邻层级和跨层级双向或多向互动机制,实现系统内部的全面互联与动态响应。
开放数据生态系统实践逻辑体现在围绕公共数据开放平台这一载体,强化人际层互动关系,发挥组织层引领作用,拓展社区层场景应用,完善政策层治理机制;通过各层级互动、多方参与促进数据流动;通过场景牵引、协同合作强化数据应用;通过规则共识、制度安排提升数据治理(见图3)。
图3 开放数据生态系统实践逻辑
Fig.3 Practical logic of open data ecosystem
(1)平台支撑交互。公共数据开放平台是开放数据生态系统运行的基座,其融合数据发布、数据服务、数据反馈等多个环节,有效统筹系统内部与外部环境的互动关系,协调多元主体与要素资源的联动关系,协同供给侧与需求侧的依存关系。平台资源丰富度、使能平台架构、服务完善度等是影响多元主体交互、创新数据应用的关键。其中,丰富的平台资源为用户提供广阔的选择集与创新可能性,资源越多越有利于激发数据创新价值[23]。健全的使能平台架构能促进多元主体协同,缩短产品和服务开发周期,有效降低交易成本与合作摩擦。完善的平台服务能提升开放数据可访问性、共享性,促进数据有效利用与创新。
(2)价值导向应用。开放数据的价值来源于应用而非开放[24],由价值导向的数据应用是“数据发布—数据开发—生成产品—消费体验”的过程,离不开数据的有效供给、丰富的场景创新和精准的服务支持。开放数据的准确性、完整性和安全性有利于推动数据要素无障碍应用,激发数据要素价值,而低质量数据则会导致效率和经济损失[25]。开放数据生态系统通过打造跨行业、围绕特定客户的创新场景,将数据转化为可复制、可推广的价值化应用产品;通过终端应用发出的信号,动态校准数据供给、迭代优化数据产品,确保数据应用与数据产品需求精准匹配。数据服务通过数据清洗、分析、开放等快速提取高价值信息,以便于数据应用。
(3)敏捷适应的治理。开放数据生态系统治理是政策层的延伸,政府作为主要管理者,根据不同数据类型、发展阶段采取差异化治理模式,如集中治理模式、平台治理模式和协同共治模式等。一般来说,开放数据生态系统治理具有敏捷性、自适应性等特征。从敏捷性看,开放数据生态系统通过适应性管理的动态调整、迭代升级,持续优化公共数据开放中面临的不确定性问题,建立“调研—制定—实施—反馈”闭环管理机制,统筹安排该过程中的所有活动并对其负责。从自适应性看,开放数据生态系统是一个强调多元主体反馈与调整的不断发展、自组织的系统[10,20],其在多样性治理规则指导下实现自我监管。从共治性来看,开放数据生态系统致力于打造以政府为主导、多元主体广泛参与、开放数据生态系统共治共享的治理格局。
创新价值是开放数据生态系统的核心目标。数据开放为价值创造提供潜力[26],通过优化决策[27]、提供新产品或服务等产生价值。在此过程中,开放数据生态系统构成逻辑是创新价值的基础支撑,理论逻辑为创新价值涌现提供机理阐释,实践逻辑是将构成逻辑与理论逻辑所界定的可能性转化为现实创新价值的重要指引。本文从生成、涌现和跃迁3个方面探讨开放数据生态系统的创新价值(见图4)。
图4 开放数据生态系统的创新价值
Fig.4 Innovation value of open data ecosystem
开放数据生态系统创新价值是在共享机制、市场机制、激励机制等共同作用下生成的。其中,共享机制强化数据流动,数据流是开放数据生态系统的神经网络,贯穿于生态系统各类活动,通过数据无障碍流动提升利用价值。市场机制作用于数据产品或数据服务阶段,通过交易价格、行业竞争、供需调节等对数据资源进行优化配置,激发数据要素创新[28]。激励机制则通过政府政策引导,调动主体参与积极性。不同主体贯穿于个体层、人际层、组织层等各个层级,通过人际层互联互通、组织层创新引领、社区层场景驱动、政策层制度保障,共同推动创新价值生成。各参与主体通过复杂网络关系的相互关联推动创新价值共创,实现共赢,任何竞争共生、寄生共生都会阻碍生态系统可持续发展。
开放数据生态系统催生的创新价值呈现多元化、融合性特质。从微观维度看,企业利用开放数据开发新产品、开拓新商业模式。例如,山西数据交易平台为没有甲级测绘资质的汽车厂商提供3D点云数据,助力其研发L4级自动驾驶技术,突破企业技术创新瓶颈。从中观维度看,开放数据生态系统汇集多元创新主体,形成活跃的数字创新生态系统,为农业、制造、能源等传统产业赋能,催生金融科技、精准医疗等新兴数字产业,打造智慧社区、数字乡村等创新场景。如厦门通过打造公共数据资源体系,在工业制造、交通物流、医疗健康等领域推动多元数据融合,健全数字化社会治理和数据辅助决策机制。从宏观维度看,开放数据生态系统强化政府透明治理、促进公众参与和社会监督,推动政府数字治理,引导数据要素市场化配置,降低数据要素交易成本,优化整体创新环境。
开放数据生态系统创新价值受自身稳定性、安全性、互动性等影响,受技术进步、社会文化、国际合作等外部因素制约,其创新价值跃迁是一个不断迭代、持续增值、逐渐扩大的螺旋式上升过程。一方面,创新价值实现是一个复杂、动态且非线性的协同演化过程,创新产品生产者在初始价值的基础上不断升级、完善;另一方面,不同参与主体通过反馈实现对前一阶段数据资源或创新产品的再完善与再塑造,各主体、层级之间的互动网络、组织形态与协作模式推动整个生态系统向更高阶方向演进。同时,开放数据生态系统创造的价值是经济、社会、政治等多重价值的复合体,这些价值可能在同一创新活动中协同产生、相互促进,且不同价值类型存在溢出效应,这种跨价值维度的溢出与融合构成创新价值层级跃迁的核心动力。
开放数据生态系统具有创新属性[1,29],其创新价值转化机制有利于激发数据要素价值。由开放数据生态系统的生成逻辑和创新价值可知,主体和要素是价值创造的必备条件,本文从主体、要素、主体—要素3个维度构建机制分析框架(见图5)。
图5 开放数据生态系统创新价值转化机制
Fig.5 Innovation value transformation mechanism of open data ecosystem
开放数据生态系统形成多边市场主体协作关系,实现创新价值共创。①合作关系。开放数据生态系统能实现突破时空距离限制,拓宽组织边界,增强以企业为核心的研发合作关系。尤其是在开放式创新格局下,合作成为创新的主要模式,但企业寻找合作对象往往会付出较高成本[30]。开放数据生态系统打造了参与者互联互通模式,促进不同创新主体通过资源互补、知识共享、联合研发等共同开发数据创新解决方案,将外部资源有效转化为内部资源。②产业关系。开放数据生态系统能促进供应链上下游不同主体之间信息共享、投资合作等,为企业研发创新提供信息、技术、资源支持,帮助企业选择合适、多元化的供应商,形成稳定可靠的上下游关系,打造互促共生的产业生态圈,实现创新资源有效整合,产生“1+1>2”的效果。③政企关系。开放数据生态系统能够激励建设更加开放、清正廉洁和响应迅速的公共机构[31],有助于提升政府效能,为企业提供精准的开放数据利用政策,强化政府与企业之间的引导、激励与合作关系,推动企业挖掘数据创新价值。
从数据要素看,开放数据生态系统打通了数据要素流通路径,实现数据收集与整理、发布与共享、应用与反馈等过程的有效融通,推动数据要素流向高生产效率、高边际产出行业,能够优化企业数字化决策,提升企业数字化治理;通过降低信息交互偏差和要素交易成本,打破“信息孤岛”和“数据壁垒”,促进数据深度挖掘和创新利用。从传统生产要素看,数据要素通过激发传统生产要素潜能可提升整体创新价值。尤其是在传统要素市场信息不对称、要素流通不畅等情况下容易产生创新要素供需错配问题,开放数据生态系统能强化数据对物理空间和社会空间的映射关系,改变人才、资本等传统要素的流动速度、方向等,重构要素组合方式,最大限度提高传统生产要素效能,激发其创新价值。从要素融合看,开放数据生态系统能打造开放性、交互性社区,开发者通过实时协同开展头脑风暴,可为企业创新赢取资金、技术和资源支持;通过降低要素结合的信息壁垒和交易成本,打造数据要素与传统要素深度融合的特殊场景,激发要素间协同创新潜能。
开放数据生态系统为人与人、人与物之间的联系创造了无限可能,在主体与要素双向协同发力的情境下,其创新价值转化机制体现在以下几个方面:①产业融通机制。开放数据生态系统可改变组织间合作与竞争关系、组织边界和价值创造方式,加强产业集群、产业链上下游之间要素流通,通过公共数据开放撬动企业数据开放交易,实现跨组织、跨行业数据流通,促进大中小企业融通创新。②反馈协同机制。在数据开放过程中,数据由供给者流向需求者,需求者在应用过程中会产生新的衍生数据,通过标记错误、提交更正等完善公共数据资源,实现数据由需求者向供给者回流。衍生数据或更新数据可为其他需求者提供新的数据支撑,多方参与主体通过数据交互实现生成、交换、利用和价值转化。③供需匹配机制。开放数据生态系统通过供需匹配机制加速数据流动和主体互动,构建以数字技术为基础的信任系统[32],强化数据合作利用的信任“桥梁”,降低数据开发利用过程中的信息传递不充分、价值不适配、成本增加等风险,为创新价值创造提供更多信息,进而推动技术创新。
(1)强化政府部门引领性。构建国家主导、分级联动的数据开放制度体系,制定覆盖数据采集、清洗、更新等全流程开放标准,在法律层面清晰划定强制公开、依申请公开和不予公开的边界。规范公共数据开放中各部门职责,建立透明的监督和管理结构,配套设置开放数据管理岗位,构建常态化跨部门数据协调机制,确保数据安全与合规。
(2)积极培育数据产业联盟。引导组建场景驱动型数据产业联盟并配套实质性支持政策,围绕智能制造、智慧医疗、绿色低碳等领域,组建若干国家级“数据要素×产业创新”联盟,广泛吸纳不同行业及企业参与,突出龙头企业、平台企业的数据引领性,尊重中小企业数据话语权;结合资源禀赋与产业特色逐步形成协同互补的产业格局,协同政府、企业、社会组织等合力推动开放数据生态系统发展。
(3)规范数据服务企业发展。将数据服务深度嵌入开放数据生态系统,由国家标准化管理委员会与国家数据局联合出台数据服务商能力评估与认证相关规范,创新数据中介模式,完善并拓展合规认证、安全审计、风险培训等服务项目,加强数据服务行业监管,提高数据服务商透明度。设立国家中小企业发展基金专项子基金,定向投资扶持中西部符合认证条件的优质数据服务企业,支持中小规模、中西部地区数据服务企业发展,均衡地域间数据服务商分布,助力中西部地区企业数据应用与创新。
(4)合力打造数据开放社区。协同多元主体打造线上与线下相结合、虚拟与实际相融合的开放数据生态社区体系。线上开放平台提供数据共享和技术帮助,线下通过数据竞赛、数据沙龙等活动为开发者、科研者提供常态化交流空间,形成问题共商、资源共享的社区协作模式。
(1)优化数据供给机制。供给者应定期关注开放数据使用跟踪、反馈和迭代等问题,多维优化高频使用数据、拓展应用低频使用数据;通过完善政务数据目录、源头责任制、自动化校验等提升数据质量;通过数据定制化服务、数据产品超市等响应个性需求。平台运营者应持续完善多元主体参与的市场平台,整合不同来源数据资源,提供多元化数据服务解决方案。监管者应完善数据管理政策法规,监督供给者、运营者行为,确保数据合规使用和安全运营。
(2)打通数据要素联通机制。构建双层市场架构,在原始数据流通层面提升供需双方透明度、降低数据搜集成本;在数据交易层面鼓励市场主体通过要素重组开发组合型创新产品。强化数据标准化建设,结合元数据规范、质量分级、价值评估等规则,将非标数据转化为可定价、可交割的标准化交易数据。规范数据基础设施标准,提升基础设施互联互通水平,形成可推广复用的技术方案和实施规范,为数据服务提供可扩展、稳定的基础设施。
(3)规范数据要素权属、使用范围、收益分配机制。从制度层面构建可信共享机制,完善数据权属和权益保护制度;加大数据确权监管执法力度,健全对企业和个人数据信息与产权的依法保护体系,制定严格的数据隐私保护和安全审查制度,打造涵盖技术、标准、方案的数据流通和安全防护体系。此外,推动公共数据授权运营,探索开放数据收益分配模式,加速数据要素市场化配置。
(1)丰富数据特色应用场景。以特色场景应用协同主体联动要素,通过购买服务、数创沙龙等方式,引导多元主体充分利用公共数据开展产品开发、科学研究等;通过定期发布开放数据典型应用案例、组织系统性认知培训等方式,促使企业开发新场景、新模式;通过公共数据授权运营提升专业机构对特色数据的加工能力,打造授权运营创新场景。
(2)建立数据应用示范机制。首先,深入推进国家数据要素综合试验区建设,通过分类指导、动态评估等形成具有地方特色的标志性成果,构建跨区域成果转化平台,将试验区经验向全国数据要素市场推广,促进国家数据要素市场一体化发展。其次,强化企业数据创新与示范引领。支持企业深度融入开放数据生态系统,鼓励企业对自身产生的特色数据进行合规清洗、加工与数据产品化开发,面向产业链上下游提供衍生数据产品,打造企业数字生态圈。
(3)创新数据开放协同模式。以数据创新活动为牵引,通过数据应用创新大赛、数据训练营、挑战赛等方式创新开放数据应用模式,提高开放数据利用效率;以开放平台社区为基础,持续扩大高质量开发者社区规模,积极引导企业和科研机构结合数据应用竞赛成果创新应用场景;以多组织联合参与为契机,促进跨企业、跨行业数据应用创新,推动大中小企业融通创新与产业链协同。
本文基于社会生态模型,采用理论推演方法,探讨开放数据生态系统的生成逻辑及其创新价值实现路径,研究发现:①在数字技术快速迭代、数字经济发展和公共数据开放政策的推动下,数据开放模式由单一政府主导向多元生态系统转型。②开放数据生态系统生成逻辑是构成逻辑、理论逻辑与实践逻辑的统一,其中构成逻辑是基础,理论逻辑是延伸,实践逻辑是落地,三重逻辑环环相扣,形成一个从认知到实践、从静态到动态的完整体系。③开放数据生态系统创新价值的实现是一个复杂、动态且非线性的协同演化过程,在共享机制、市场机制、激励机制等共同作用下生成,在中观、宏观等各个领域涌现,并在不断迭代、持续增值、逐渐扩大的螺旋式上升中推动价值跃迁。④开放数据生态系统通过强化多边市场协作关系、促进数据要素与传统生产要素深度融合,以及协同主体与要素双向发力等提升创新价值。
本文边际贡献主要体现在以下3个方面:第一,梳理公共数据开放的演进脉络,从构成逻辑、理论逻辑和实践逻辑三方面,阐释开放数据生态系统的生成逻辑,深化了对开放数据生态系统的认知,丰富了开放数据生态系统相关理论。第二,从创新价值视角着手,剖析开放数据生态系统创新价值源泉,绘制创新价值图谱,揭示创新价值跃迁规律;构建“主体—要素”框架,分别从主体、要素、主体—要素3个维度揭示开放数据生态系统创新价值转化运行机制。第三,依托公共数据开放平台,打造以主体协同为核心、以要素联动为支撑、以主体协同—要素联动为动能的开放数据生态系统创新价值实现路径。
本文存在如下不足:一是侧重于讨论开放数据生态系统及其创新价值,未来应探讨开放数据生态系统内部运行机制、阻滞因素等,提高研究结论的可靠性;二是主要从理论视角展开讨论,案例研究相对不足,未来可聚焦某一公共数据开放平台,探讨其生态运行体系;三是主要探讨开放数据生态系统创新价值,对利益分配与经济激励机制的分析较少,未来可展开深入探讨。
[1] ZUIDERWIJK A, JANSSEN M, DAVIS C. Innovation with open data: essential elements of open data ecosystems[J]. Information Polity, 2014,19(1-2): 17-33.
[2] 张晓娟, 莫富传, 王意. 政府数据开放生态系统的理论、要素与模型探究[J].情报理论与实践, 2022, 45(12):42-49.
[3] 李钊. 开放数据生态系统赋能国家创新体系效能提升——理论溯源、作用机制与实现路径[J].科技进步与对策, 2025, 42(19):23-34.
[4] 宋世俊, 王浩先, 钟慧. 政府数据开放生态系统如何驱动数据要素市场化发展——基于模糊集定性比较分析[J].情报资料工作, 2024, 45(3):78-85.
[5] LNENICKA M, NIKIFOROVA A, CLARINVAL A, et al. Sustainable open data ecosystems in smart cities: a platform theory-based analysis of 19 European cities[J]. Cities, 2024, 148: 104851.
[6] SAXENA S. Open Government Data (OGD) in six Middle East countries: an evaluation of the national open data portals[J]. Digital Policy, Regulation and Governance, 2018, 20(4): 310-322.
[7] GONZALVEZ-GALLEGO N, NIETO-TORREJON L. Government data openness and coverage.How do they affect trust in European countries? [J]. Journal of Data and Information Science, 2021, 6(1):139-153.
[8] 方锦程, 刘颖, 高昊宇, 等. 公共数据开放能否促进区域协调发展?——来自政府数据平台上线的准自然实验[J].管理世界, 2023, 39(9):124-142.
[9] 李泽宇, 王雪方, 陈新芳. 政府数据开放对企业创新的影响效应及机制研究[J].科研管理, 2024, 45(7):11-20.
[10] DAWES S S, VIDIASOVA L, PARKHIMOVICH O. Planning and designing open government data programs: an ecosystem approach[J]. Government Information Quarterly, 2016, 33(1):15-27.
[11] 王丹丹,马志强,许玲燕.数字化转型如何驱动企业价值创造——产品与服务创新双重视角[J].科技进步与对策,2025,42(14):93-105.
[12] STYRIN E,LUNA-REYES L F,HARRISON T M.Open data ecosystems: an international comparison [J]. Transforming Government: People, Process and Policy, 2017, 11(1):132-156.
[13] DING L, LEBO T, ERICKSON J S, et al. TWC LOGD: a portal for linked open government data ecosystems[J]. Journal of Web Semantics, 2011, 9(3): 325-333.
[14] 朱晓峰, 黄晓婷, 吴志祥. 基于种群演化的政府数据开放实证研究[J].情报科学, 2020, 38(7):123-131.
[15] 张世国, 李志军, 施玮. 公共数据开放与优化城市营商环境——来自政府数据平台上线的经验证据[J].中国行政管理, 2025, 41(5):25-38.
[16] 夏义堃. 国际比较视野下我国开放政府数据的现状、问题与对策[J].图书情报工作, 2016, 60(7):34-40.
[17] 王莉雅, 王树祥. 组态视角下社交型问答社区用户持续知识贡献的影响路径研究——基于社会生态框架[J].科技进步与对策, 2023, 40(17):129-138.
[18] ZHANG T, SOLMON M. Integrating self-determination theory with the social ecological model to understand students′ physical activity behaviors [J]. International Review of Sport and Exercise Psychology, 2013, 6(1):54-76.
[19] 赵龙文, 张国彬, 赵雪琦. 共生视角下政府开放数据应用生态系统演化研究[J].现代情报, 2022, 42(5):13-25.
[20] RUIJER E, DINGELSTAD J, MEIJER A. Studying complex systems through design interventions probing open government data ecosystems in the Netherlands [J]. Public Management Review, 2023, 25(1): 129-149.
[21] VAN SCHALKWYK F, WILLMERS M, MCNAUGHTON M. Viscous open data: the roles of intermediaries in an open data ecosystem [J]. Information Technology for Development, 2016, 22(sup1): 68-83.
[22] OLIVEIRA M L S, LIMA G F B, LOSCIO B F. Investigations into data ecosystems: a systematic mapping study [J]. Knowledge and Information Systems, 2019, 61: 589-630.
[23] 陈艳利, 蒋琪. 数据生产要素视角下开放公共数据与企业创新——基于建立公共数据开放平台的准自然实验[J].经济管理, 2024, 46(1):25-46.
[24] ZUIDERWIJK A, JANSSEN M, VAN DE KAA G, et al. The wicked problem of commercial value creation in open data ecosystems: policy guidelines for governments[J]. Information Polity, 2016, 21(3): 223-236.
[25] HAUG A, ZACHARIASSEN F, VAN LIEMPD D. The costs of poor data quality [J]. Journal of Industrial Engineering and Management, 2011, 4(2):168-193.
[26] KAZANTSEV N, ISLAM N, ZWIEGELAAR J, et al. Data sharing for business model innovation in platform ecosystems: from private data to public good[J]. Technological Forecasting and Social Change, 2023, 192: 122515.
[27] HUGHES-CROMWICK E, CORONADO J. The value of US government data to US business decisions [J]. Journal of Economic Perspectives, 2019, 33(1):131-146.
[28] 张贵, 钱钰. 数据要素市场化配置与城市间创新合作——基于数据交易平台设立的准自然试验[J].现代经济探讨, 2025, 44(6):1-15.
[29] HARRISON T M,PARDO T A,COOK M.Creating open government ecosystems: a research and development agenda [J]. Future Internet, 2012, 4(4):900-928.
[30] BELDERBOS R, CARREE M, LOKSHIN B. Cooperative R&D and firm performance [J]. Research Policy, 2004, 33(10):1477-1492.
[31] PIOTROWSKI S, KANG S, ROSENBLOOM D H, et al. Levels of value integration in federal agencies′ mission and value statements: is open government a performance target of US federal agencies? [J]. Public Administration Review, 2018, 78(5): 705-716.
[32] MORADI M, HEPSØV. Unlocking the potential of big data: establishing system trust through open innovation ecosystems[J]. R&D Management, 2025, 55(4): 1001-1019.