大数据驱动下的公共服务供需匹配研究
宁靓 赵立波 张卓群
摘? 要： 面对大数据发展形势，如何引入新的管理理念和技术手段破解公共服务“生产率悖论”，实现服务投入与公众需求“精准匹配”，提升公共服务绩效成为亟需解决的重要问题。基于此研究目的，本文通过对国内外文献梳理与现实分析，分别从需求管理、决策制定、流程管理和绩效评价四个维度，阐释公共服务供需匹配中精准管理的内涵，并从技术支持保障、管理模式变革与管理思维创新揭示大数据对公共服务精准管理的作用关系，进而以“信息流”对服务供需匹配的作用为逻辑思路，设计并剖析了大数据驱动下公共服务全过程精准管理的实现路径，并分别从需求与反馈机制、信息安全制度、大数据基础设施建设、人才培养与智力支持和项目激励机制五个方面，构建确保该路径实现的保障体系。
关键词： 大数据;公共服务;供需匹配;精准管理
一、问题提出：公共服务“生产率悖论”
公共服务是现代政府的基本职能之一。党的十八届六中全会明确提出“增加公共服务供给，提高公共服务共建能力和共享水平”，十九大报告更将“完善公共服务体系，保障群众基本生活，不断满足人民日益增长的美好生活需要”作为改善民生与社会治理的重要目标。在实践中，从中央到地方各级政府逐年加大了对公共服务的财政支出，2017年仅地方财政一般公共预算支出就达到173471.14亿元，比2016年增长7.7%。然而，在公共服务供给领域，面对不同的服务对象及利益相关者，为了实现服务公平的结果，政府长期面临着公共服务“生产率悖论”的困境，即政府在服务基础设施和其他公共服务方面的资源投入，并没有带来服務生产率的长期增长[1]。我国的实践也相当程度上佐证公共服务“生产率悖论”问题。中国社会科学院发布的《中国城市基本公共服务力评价（2017）》[2]显示，2017年我国38个主要城市基本公共服务满意度为63.37分，较2016年略有提升（见图1）。但从整体看，各城市基本公共服务满意度总体得分较低且不够均衡。部分公共服务要素如基础教育，虽然财政支出持续增长（见图2），但服务满意度分值出现波动，2017年比2016年相比降低了0.5%（见图3）。也就是说，财政投入的大幅增长与公众对公共服务满意度提升相关性不明显，甚至存在部分公共服务评价下降问题。
图1、2、3数据来源：公共服务蓝皮书——中国城市基本公共服务力评价（2014，2015，2016，2017）。
面对上述问题，需要深思的是，如何顺应大数据发展形势，引入新的管理理念和技术手段破解“生产率悖论”，消除“供需错配”“低质低效”等现象，实现公共服务投入与社会公众需求“精准匹配”和“高质高效”，进而提升公共服务管理水平与公众满意度。为此，本文通过对公共服务供需匹配过程实现精准管理的多维度解析，厘清大数据驱动对公共服务精准管理的作用关系，并提出了大数据驱动下公共服务实现供需匹配精准管理的路径与保障体系。
二、公共服务供需匹配中的精准管理
“精准管理”在英文中可译为“precision management”，其最早应用于探讨企业管理模式变革问题。在服务运营管理理论中，精准管理被认为是通过有效的组织框架，减少决策制定时间，而且能够通过处理现存数据及时获取信息和知识的管理过程。Johnson等在公共管理领域提出了“精准治理”的概念，认为政府通过构建治理体系，利用数据信息技术的收集，来反映个体和公众集体的选择[3]。对于公共服务精准性的追求，将成为人类寻求自我行为提升及社会管理进步的一种内在需求[4]。随着公共服务市场化的推进，通过公共服务合同的精准管理，有利于实现政府公共财政支出的灵活性，改善公共服务质量和绩效。公共服务的精准，具体表现在供给行为的规范、流程的精细化、供给的精准性和绩效评估的标准化等[5]。在公共服务这一系统性过程中，如何实现公共服务需求表达、供给决策、操作流程、公共服务监督和绩效评估等供需匹配不同阶段的精准管理，达到稀缺资源的最优利用、服务质量的有效传递，破解公共服务“生产率悖论”，并最终达成满足公众对公共服务需求的目标，笔者认为应从以下四个维度进行具体解析：
1.精准的公共服务需求管理
作为公共服务的开端和依据，公共服务需求是民众个性化需求与普遍性需求的总和，是公共服务决策和服务供给的基础，其满足程度和满意度是公共服务绩效评价的重要指标[6]。不同于生产性服务的需求管理，公众对部分公共服务的需求决策通常是临时做出的，如医院急诊服务等，因此公共服务需求的波动更为剧烈和频繁，需求管理的难度更大。在精准管理中，服务提供者必须理解服务使用者的需求行为，通过研究需求的性质和模式，提前鉴别和分离需求的不同类型，进行有效的需求预测。这要求公共服务供给主体（包括公共部门和其他组织）了解目标群体的服务使用偏好，及时对服务需求发生的时间、地点，所需公共服务类型、数量等数据做出快速的收集，并对所接收的数据深入挖掘和梳理过滤，依据分析得出需求真实性的判断，防止过度需求、超前需求等无价值的需求信息进入服务的生产环节，进而依据需求分析结果，及时进行反馈，防止公众亟需的公共服务供给不足和错位。
2.精准的公共服务供给决策
精准的公共服务供给决策实质上是对公共服务需求精准回应的过程，其目的是要最大程度地实现公共服务供给的“物有所值”。“物有所值”强调的不是最低价格，而是在既有财力提供的约束条件下，通过最小的投入达成最大的产出，实现包括服务效率、服务质量和服务公平在内公共服务供给的社会总效益的产出。精准的公共供给决策包括：第一，依据不同层次的公共服务需求及不同类型公共服务产品的特性，确定服务供给的主体（政府、企业、社会组织等）和恰当的供给方式（政府直接供给、政府购买服务、特许经营、PPP等），在服务需求与服务供给方式之间建立科学的对应关系;第二，对服务生产所涉及的人、财、物、服务时间和信息等资源进行有效配置和合理规划，减少资源浪费和供给真空问题;第三，精准定位公共服务的重点对象，使在一定财政预算水平约束下的公共服务资源能够及时供给最需要的人群，保障弱势群体的利益，进而推进基本公共服务均等化。
3.精准的公共服务流程管理
精准的公共服务流程管理的目的是纠正和减少公共服务交付过程中所出现的“供需错配”“供需脱节”问题，有效避免公共服务资源的浪费。服务提供机构应在第一时间了解服务使用者对服务需求的变化，发挥市场信息在资源配置中的作用，及时调整公共服务的交付方式、时间和具体内容，增加服务供给资源调配的灵活性，提高公共服务的生产效率。同时，公共服务市场化运作过程中，政府职能要和市场功能实现互补，减少重复性财政支出，实现“政府—社会—市场”的多元公共服务供给主体间的协同合作和动态式的资源整合优化，最终实现公共服务供给在合作网络中的规模经济和政府财政绩效水平的提升。
4.精准的公共服务绩效评价
为了解服务需求与服务供给是否精准匹配，提供的服务项目是否已经达成设定的成效，达到让服务使用者满意这一公共服务的最终目标，精准的公共服务绩效评价不可或缺。其内涵应包括：一是服务资金成本收益率和床位、设备等基础设施资产的使用频率以及服务交付时间等服务资源的精确核算;二是以设定的公共服务质量标准和其他绩效指标为依据，及时了解并评价所提供的公共服务对公众所表达的需求期望是否做出及时回应，服务供给对公众期望的满足程度。同时，精准的公共服务质量绩效评价结果，也为下一阶段循环的公共服务需求管理、供给决策制定和流程控制改进提供重要依据。
综上所述，公共服务供需过程实现精准管理应以需求管理、决策制定、流程管理和绩效评价全过程四个维度的精确性与标准化为根本目标，以政府、企业、社会组织和服务使用者为参与主体，通过各维度间相互支持与配合，各主体间的交流互动，实现公共服务精准的“供需匹配”“高质高效”和“物有所值”，破解公共服务投入与產出不对等的“生产率悖论”难题。公共服务精准管理既是公共服务供给模式的创新，也是公共服务管理思维的重大变革。
三、大数据驱动对公共服务精准管理的作用
公共服务各领域如医疗卫生、教育和公共安全等都存在大量的信息处理任务，公共部门也早已开始运用信息通信技术（ICTs）进行信息处理。国内外研究表明，ICTs是提高公共部门效率和改善内部行政和管理的捷径， 能驱动公共服务扩大有效供给，同时也使公共服务供给的结构更加灵活[7]。Bekkers 和Zouridis将信息技术提高公共服务绩效的作用归纳为：更快的服务传递速度、更多的面向公众公开的服务信息、便利的远程通讯与交易，以及实现定制化的服务[8]。Cordella 和Tempini指出，随着福利国家的扩张，政府部门间整合需要的增加，更多的整合对公共服务供给中公众与公众之间、公众与政府间和政府与不同服务提供机构间的信息交流提出了更多的需求[9]，而且公共服务供给执行过程的复杂性和环境的不确定性也一定程度上降低了公共服务供给的有效性。这些挑战都要求重新考虑信息通讯技术在公共服务改革中的地位和作用，特别是在互联网迅猛发展的背景下，如何利用大数据应对和解决不断变化、日益复杂的社会经济问题，是当代公共管理者面临的难题，是保障公共决策科学性、民主性和公平性，为公众提供个性化、精准化公共服务的重要选择[10]。
“大数据”是近年来流行的概念，较普遍接受的界定是指大量的、复杂的可链接数据，通过合理时间内的整合和处理，帮助企业进行科学决策的资源[11]。有学者指出数字时代的公共治理模式下（Digital Era Governance， DEG），大数据作为一个有力的工具，能促进政府—公众之间的相互理解，将成为社会治理的核心原则[12]。政府可学习私营部门构建“智慧中心”和“大数据仓库”的方式，通过收集自身、服务用户以及市场的数据，辅助进行战略性决策、人员管理、资源分配规划等，以实现公共服务的及时传递[13]。Beresford认为大数据技术的开发实现了服务用户和他们（现在及将来）的需求数据的智慧化，支持了地方政府公共服务传递模式的变革[14]。胡键的研究指出，“并不是因为大数据提供了数据服务，而是因为大数据带来管理思维的变革、管理结构的变革、管理边界的进一步明晰，以及公共管理对象的变化和管理效能的重大变化”[15]。基于前文的分析，笔者认为大数据对公共服务供需过程精准管理的作用关系可以从技术支持保障、管理模式变革和管理思维创新三个方面予以深入阐释。
1.技术支持保障
实现公共服务供需过程的精准管理要求各参与主体面对公共服务复杂的环境，在有限的时间和资源条件下，协调互动做出科学合理的决策。相比传统的依靠抽样方法获得小样本数据进行决策的方式，大数据所具有的“数量（volume）、多样性（variety）、速度（velocity）和真实性（veracity）”的“4V”特征，使得大量各种类型的数据可呈现公共服务的需求和供给的真实情况，有助避免因信息不完全而导致决策失败和非理性决策。具体而言，其一，大数据相关技术的应用，能够对不同数据平台上关于公共服务需求的相关信息进行快速采集、提炼和分析，实现需求信息的实时化分层，有效解决公共服务需求管理中信息采集的问题;其二，大数据存储和数据挖掘技术，可实现不同组织之间数据与数据的链接，通过“关联式”“挖掘性”分析，探寻公共服务供需精准匹配的各相关因素，发现公众的需求偏好，了解政策执行的效果，为制定资源分配和公共服务交付的方案提供科学依据;其三，大数据分析与可视化工具的结合，能够将抽象的数据转换为直观的图形与图像，达成全天候、动态化的流程管理与绩效评价的实现。因而，大数据可在技术层面支撑公共服务供需过程各阶段达到精准管理的要求，实现公共服务供需的精准匹配。
2.管理模式变革
“精准”是一种新的管理模式，其所强调的“精准、精细以及标准性和及时性”的核心理念，不同于传统公共服务供给“粗放式、单一式和被动响应型”的管理模式。在决策方式上，大数据的普遍应用使得传统依靠经验和领导意志的直觉判断，让位于以精准数据分析为基础的管理决策，这也意味着公共服务管理问题的决策不再局限于领导的个人偏好或者个人能力限制，改变了传统以政府行政命令和责任机制为核心的决策模式和权力运作方式，顺应并支持国家治理现代化的需要。在大数据技术的驱动下，公共服务资源配置情况的信息不再局限于个别部门内部，而是通过数据平台在公共服务涉及的不同部门和组织间交互流动，有助于实现管理信息的协同共享。公共服务管理过程中所涉及的不同部门和组织，也可依据数据化、可视化的管理控制，由被动变为主动预测、响应的精准管理模式，使得跨部门跨组织的协商治理和风险的防范与共担成为可能。政府的角色不再是包办一切的“全能者”和唯一的决策主体，而是在大数据驱动下实现公共服务供需匹配精准管理模式的“规划者”或者“提供者”。
3.管理思维创新
管理思维是指在社会公共事务的管理中，以结果为导向，以便利性为目标的思维方式[16]。在大数据时代，随着数据收集、存储、分析技术的突破性发展，政府及服务提供机构可以更加方便、快捷、动态地获得公共服务市场和服务对象有关的所有数据，不再因受诸多限制不得不采用样本研究法，相应地，思维方式也从样本和条块化的管理思维转向总体思维，从而能够更加全面、立体、系统地把握公共服务供给的总体状况。而大数据技术所带来的“智能、智慧性”思维，为包括公众在内的多元主体提供了更多更便利参与公共服务的途径。公众通过网络平台与社交网络软件，能夠及时反馈其对服务使用效果的评价、参与公共服务供给方案的决策和财政资金使用及服务供给主体选择过程的监督，更多更便利的参与途径实现了公共服务决策的“社会化”，进一步促进管理思维的创新。
四、大数据驱动下公共服务精准管理的实现路径
公共服务“生产率悖论”困境的存在，要求我国公共服务管理模式需要由“投入型”向“效率型”转变，更高效、更高质和更精准地针对公众需求，实现公共服务供给的“真服务、服务真”。在大数据技术驱动下，公共服务精准管理具备了快速性、智慧性和高效性的特点，通过“政府—公众—服务机构”多元主体间的协同合作，破解公共服务“生产率悖论”。那么，技术上的可能性乃至管理思维变革如何转化为具有现实性、可行性的实现路径？笔者依据前文对公共服务供需过程精准管理内涵界定的四个方面，设计了大数据驱动下公共服务精准管理的实现路径（见图4）。
由上图可知，大数据驱动下公共服务精准管理的实现，是以“信息流”对服务供需匹配、协作协同的作用机理为逻辑思路，将“大数据技术”作为重要的环境和产能要素纳入公共服务传递过程中。通过需求管理阶段公共服务需求信息的收集、识别与传递，服务供给决策阶段对资源配置与服务方式选择的决策支持，服务流程管理阶段各主体间信息的交互共享，以及绩效评价阶段服务绩效信息的实时监督与反馈，将公共服务供给投入与公众需求有效匹配，实现公共服务管理的精准化、个性化和均等化。
1.大数据驱动下的精准公共服务需求管理
其一，通过收集大量来自公众社交媒体和网络平台渠道的结构化、半结构化和非结构化的多样性公共服务需求信息，利用如云技术、SQL等技术手段，对海量数据进行统计分析、整合需求类型。其二，通过对所涉及区域内公共服务的需求分布、需求层次、需求类型和需求数量等大容量信息挖掘分析及计算结果，提前告知政府与服务提供机构，协助其精准、实时预测服务需求的变动趋势。其三，依据分析结果精准定位公共服务的重点对象和弱势群体需求发生的实时位置，从而提供及时性的服务，进而提高对突发性服务需求的应急反应速度。
2.大数据驱动下的精准公共服务供给决策
其一，借助云计算的数据处理和分析技术有效提取关键信息，如服务使用者的年龄、人口分布密度、收入和消费水平以及服务提供机构资质、服务项目、人员和设施配备情况等，精确地掌握哪些地方公共服务提供机构和公共服务资源相对集中，哪些地方相对匮乏;哪些公共服务项目急需提供，哪些群众享受某项公共服务的等待时间较长等。其二，基于上述信息，相关政府部门进行决策时，可以针对公共服务匮乏地区公共服务发展水平落后这个短板，着重解决地区之间的差异化问题，优化公共服务资源要素的投入机制，推进养老、医疗卫生、公共安全、教育和社区治理等基本公共服务的均等化[17]，进而实现公共服务决策的科学化、民主化。
3.大数据驱动下的精准公共服务流程管理
其一，通过系统性分析，精准把握公共服务运行的流程，依托大数据与不同服务组织和政府部门合作网络的融合，加快服务运营信息在整个供给系统内的流动，促进各公共部门间的理解和沟通，降低协调时间成本，推进多元供给主体间公共服务的协同合作。其二，借助大数据，促使跨组织部门间市场供需信息的共享、公共服务闲置资源的充分利用和公共服务供给过程中面对突发应急性需求的灵活处理，通过有效的供需连接，保证在有限资源投入下提升公共服务生产率，通过精准的服务流程管理，实现“供需匹配”这一公共服务精准化的重要目标。
4.大数据驱动下的精准公共服务绩效评价
围绕“经济效益”和“公众满意”两个核心维度，设计精准实现公共服务绩效评价体系。其一，运用大数据技术及时追踪收集服务使用者关于服务效果反馈的信息，整理公众对当下公共服务满意度的真实评价与意见，作为评价整体性与个性化服务有效性的基础。其二，建立基于大数据管理平台的评估体系，将需求识别及时性、广覆盖，资源配置精确度、公平性等考核指标与数据评估体系相对接，运用动态、透明化的绩效评估方式，客观考察政府财力水平与财政实际投入条件下公共服务的供给成效，提高公共服务绩效评估结果的可信度和真实性。
以公共卫生服务为例，公共卫生服务的项目种类复杂，参与机构和服务对象众多，随着我国人民生活水平提高，老龄化和城镇化进程的推进，整个社会对公共卫生服务的需求明显增多。近几年，政府对公共卫生服务财政投入的力度不断加大，公共卫生服务资源总量快速增加，但是，由于资源配置存在的结构性失衡及其供给质量不高等问题的存在，某些地方供需矛盾较为突出，常常出现供给方一厢情愿而需求方的需求得不到及时满足的状况。在大数据技术的推动下，通过合理利用因特网资源，建立专用通信网络系统，可以将居民个人健康状况信息的采集和管理功能延伸至公共卫生服务的基层医疗机构，促使多部门信息联网联动。并且，基于连续监测所获取的公共卫生大数据的分析和实时运算，能够及时做出精准的需求预测和评估，优先安排公众急需和特殊人群的公共卫生服务需求，减少公众反应冷淡、实际效果差的项目的资源投入，实现大数据驱动下服务对象、服务空间、服务时间以及服务方式的个性化决策和精准管理。这样，一方面避免服务资源的持续性浪费，另一方面也可以促进公共卫生服务均等化。同时，在服务绩效评价阶段，运用大数据技术能够实时监督医院和其他卫生机构的服务质量，通过定期的数据对比核查，及时发现问题并制定纠偏措施，完整、准确评价公共卫生服务的绩效，让公共卫生服务质量监督更有理有据，保障公共卫生服务资源投入—产出的高质高效，促进居民健康需求与服务供给之间精准对接。另外，在传染病爆发等重大公共卫生危机事件中，应基于国家传染病监测数据，结合个人电子病历、电子健康档案等，借助网络信息处理、遥感技术以及数据挖掘技术等，对病原监测、患者时空轨迹等方面进行关键数据的提取，构建动态的传染病爆发早期预测预警系统并对疫情控制提供有效的决策支持，提高对突发公共卫生需求的快速反应能力。
五、大数据驱动下公共服务精准管理的保障体系
大数据技术为实现公共服务供需精准匹配奠定重要基础。但正如Kim等指出的那样，公共部门利用大数据的目的与私营部门追求利润、提高竞争力和满足消费者与股东需求不同，主要是为了保持社会稳定，实现可持续发展，保障公民的基本权利与促进社会福利和经济增长[18]。公共服务市场化环境下，大量公共服务信息涉及服务使用者的个人隐私，如何保障这些数据合法使用？在技术发展日新月异的今天，面对公共服务数据类型、标准和来源的多样性、复杂性，服务供给方如何有效利用所持有的不同数据、提高分析与预测能力，实现大数据驱动下的精准决策？这些都是亟须解决的问题。因此，需要从机制设计、制度安排和硬件设施配套等方面，保障大数据驱动下公共服务供需匹配，实现精准管理。
1.构建有效的需求表达与反馈机制
公众公共服务需求信息的充分表达，体现了社会中不同群体提出真实服务要求的过程，是公共服务精准管理的起点。而服务供给方对服务使用者需求信息的反馈，则是确保公众需求与服务供给协调一致，实现在服务传递不同阶段间循环有序的动态互动。因此，公共服务需求信息表达与反馈机制的构建，保障了大数据驱动下公共服务精准管理的“需求导向”。其一，要畅通公众公共服务需求表达的渠道，提升公众信息表达能力，确保需求数据采集的数量及质量。这要依靠政府联合第三方专业性机构，培养公众对大数据、云计算等信息技术的认知水平和互联网操作技能，通过定期的面向服务使用者的大数据知识宣讲，普及公共服务大数据相关的PC端和手机移动端的App操作应用。其二，利用媒体、公共网络平台等拓宽公众接收公共服务需求与供给反馈信息的渠道，提高反馈信息的时效性和准确性，进而促进服务需求方有效参与公共服务需求管理、供给决策、流程管理和绩效评价的全过程。
2.完善大数据信息安全制度
大数据背后代表的是整个社会不同利益相关者之间的关系网络，对于涉及国家核心安全和个人隐私的部分，为了规避数据开放带来的风险，需要明确公众数据所有权与使用权、政府和企业的数据收集权限、数据使用规范等。特别是在目前数据所有权界定不清的情况下，为保障公共服务使用者权益，预防数据滥用，应从顶层制度设计着手，构建数据共享的一般法律框架，明确哪些数据属于隐私数据，哪些可以共享和利用，加快大数据信息安全和个人隐私保护立法;完善公共服务提供机构服务资质审查制度，增加信息安全性、合规性要求。在审查主体方面，构建政府主导基础上，政府与独立第三方联合审查制度和公共服务数据使用程序的监管制度;服务提供机构应按照信息安全管理的制度要求，加强内部人员培训与管理。
3.加快相关基础设施建设
基础设施建设是保障大數据技术实施和发展的必要条件。为了避免公众需求信息传递的延迟，解决多来源数据标准不一致、兼容性差所产生的“信息孤岛”“信息碎片化”问题，除了加快制定大数据标准体系，各级政府还应顺应公共服务需求与供给方式纵向对应的精准管理要求，尽快推进移动通信、公共无线网络等网络基础设施建设，构建连接“政府—市场—社会组织—公众”多元主体协同的公共服务大数据平台，覆盖从公共服务需求管理到绩效评价全阶段的数据采集、存储和利用功能。通过完善大数据平台的“大脑”指挥系统，实现政府部门及服务提供机构数据的智慧化连接与整合。
4.健全人才培养与智力支持机制
人的素质和能力直接关系着大数据挖掘、分析等应用的水平与效果。建立健全多层次、多类型的大数据人才培养与智力支持体系，形成与大数据时代相适应的知识结构与思维方式，是基于供给端对公共服务生产组织内的相关人员提高技术能力及创新管理思维的必要措施。其一，加强高校、职业技术学院与大数据相关的学科建设，采用定向培养等方式，扩大对大数据人才的培养规模和支持力度。其二，当前应重视利用大数据行业内现有的专家及各类技术资源，可采用政府购买服务等方式，对政府及服务提供机构的现有工作人员进行专业性技能培训，尽快提升其大数据技术应用能力，从而为实现大数据驱动下的公共服务精准管理提供坚实的人才与智力支持。
5.建立大数据公共服务项目激励机制
Malomo和Sena认为对于很多大数据项目来说，来自高层管理者的支持是一个关键的成功因素，尤其涉及不同的“数据孤岛”（data silos）的工作[19]。在以政府为主导的我国公共服务供给模式中，要在公共服务供给决策与管理中融入大数据思维，运用大数据开展公共服务项目，要求政府制定激励措施和补助办法，引导企业、社会组织和个人参与公共服务大数据平台项目的建设，了解大数据技术对公共服务变革的价值，并鼓励不同组织公开服务资源信息，进行信息共享，实现相近区域内不同隶属关系资源的统一规划配置。通过正向激励机制的建立，消除公共服务大数据项目参与者的心理负担和顾虑，实现政策推动下服务供需的精准匹配和精细化治理。
参考文献：
[1] Corrigan P.， Joyce P. Reconnecting to the Public [J]. Urban Studies， 2000， 37（10）： 1771-1779.
[2] 钟君， 刘志昌， 吴正杲等. 中国城市基本公共服务力评价（2017） [M]. 北京：社会科学文献出版社， 2017.
[3] Johnson E.， Krishnamurthy R.， Musgrave T.， Vinze A. How Open Data Moves Us Closer to "Precision Governance"[M]. Washington DC： International City/Country Management Association， 2013.
[4] 王春城. 政策精准性与精准性政策——“精准时代”的一个重要公共政策走向[J]. 中国行政管理， 2018，（1）： 51-57.
[5] 邹凯. 精准扶贫背景下强化审计监督措施研究[J]. 中国乡镇企业会计，2016，（11）： 203-204.
[6] 何继新，李原乐. “互联网+”背景下城市社区公共服务精准化供给探析[J]. 广州大学学报（社会科学版），2016， 15（8）： 64-68.
[7] 马铮， 刁庶. 信息化视角下公共服务供给侧改革路径分析[J]. 领导科学， 2016，（12）： 4-6.
[8] Bekkers V.， Zouridis S. Electronic Service Delivery in Public Administration： Some Trends and Issues[J]. International Review of Administrative Sciences， 1999， 65（2）： 183-195.
[9] Cordella A.， Tempini N. E-government and Organizational Change： Reappraising the Role of ICT and Bureaucracy in Public Service Delivery[J]. Government Information Quarterly， 2015， 32（3）：279-286.
[10] 胡税根， 单立栋， 徐靖芮. 基于大数据的智慧公共决策特征研究[J]. 浙江大学学报（人文社会科学版）， 2015，45（3）： 79-89.
[11] Mckinsey. Big Data： The Next Frontier for Innovation，Competition and Productivity[R]. McKinsey Global Institute. 2011.
[12] Dunleavy P.， Margetts， S.， Bastow S.， Tinkler J. New Public Management is Dead-Long Live Digital-Era Governance[J]. Journal of Public Administration Research Theory， 2005， （16）： 467-494.
[13] Clarke A.， Margetts H. Government and Citizens Getting to Know Each Other？ Open， Closed， and Big Data in Public Management Reform[J]. Policy & Internet， 2014， 6（4）： 393-417.
[14] Beresford M. Demystifying Data： The Data Revolution and What It Means for Local Government[M]. London： New Local Government Network， 2015.
[15] 胡鍵. 大数据与公共管理变革[J]. 行政论坛， 2016， 23（06）： 32-35.
[16] 王阳. 从“精细化管理”到“精准化治理”——以上海市社会治理改革方案为例[J]. 新视野， 2016，（1）： 54-60.
[17] 张帆， 刘雨佳. 公共服务精准化绩效审计问题探讨——基于供给侧结构性改革视角[J]. 财政监督， 2017，（8）： 84-87.
[18] Kim G.H.， Trimi S.， Chung J.H. Big Data Application in the Government Sector[J]. Communications of the ACM， 2014， 57（3）： 78-85.
[19] Malomo F.， Sena V. Data Intelligence for Local Government？ Assessing the Benefits and Barriers to Use of Big Data in the Public Sector[J]. Data for Public Policy， 2017， 9（1）： 7-27.
Research on Big Data-driven Supply
and Demand Matching of Public Service
-with the Perspective of Precision Management
Ning Jing / Zhao Libo / Zhang Zhuoqun
Abstract： Faced with the development of big data， how to introduce new management concepts and technical means to solve the "productivity paradox" of public services， and to achieve "precise matching" between service input and public demand for improving public service performance has become an important issue to be solved urgently. In order to fulfill this research purpose， the definition of precision management in the process of supply and demand matching of public service has been explained on the basis of the literature review at home and abroad， which are centering on the four dimensions of demand management， decision making， process management and performance evaluation. It reveals the relations between the big data and the precision management of public service from the technical support， the reform of management mode and the innovation of management thinking. Taking the role of "information flow" in supply and demand matching as a logical thinking， the path to realize the big-data-driven precise management of public service is designed and analyzed. And the construction of the corresponding guarantee system is explained at last.
Keywords： Big Data; Public Service; Supply and Demand Matching; Precision Management
