大数据下的公共服务递送：技术禀赋及其不确定性的克服
吴新叶 江荣荣
摘 要：公共服务是关乎居民公共生活质量的关键领域，大数据为精准递送提供了技术保障，因而成为技术治理拥趸的政策倡导议题。随着公共服务智能化的推进，大数据的应用空间将进一步扩大，而“用户本位”理念、关键技术的针对性应用、云计算、虚拟建模等，则塑造着公共服务精准递送的新模式。在技术治理的角度，大数据同样也会带来服务递送的不确定性。克服技术僭越公共性的有效选项有：树立技术服务于公共价值的定位、采取有序而渐进的行动策略、挖潜技术“倒逼”公共服务体制改革的动力机制、对技术应用加以规制等。
关键词：大数据;公共服务递送;技术治理;风险
一、问题的提出
公共服务递送（public service delivery）是指公共服务到达服务使用者“终端”的多元合作生产过程，也是公共服务政策落实过程中相关方（stakeholder）的互动过程。其中，服务产品的供给者、使用者、工作者以及潜在的服务目标对象间的互动程度、方式和特征，特别是“终端”使用者的参与状况，直接影响到公共服务递送的绩效水平。[1]目前，我国的公共服务递送在制度设计上初步显示出“三支柱”框架特征：一是政府主导的核心支柱，旨在提供非排他性的公共服务，多以自上而下的方式实现;[2]二是针对社会弱势群体的选择性福利供给支柱，有似于世界银行关于养老保障修正版的“零支柱”模型，[3]政府扮演公共服务递送的“保底”角色;三是基于多样化和差异化公众需求的服务递送支柱，以满足非均衡状态下的服务需要，社区、市场等形成了多边互动的递送伙伴关系。[4]一定程度上，这三种递送模式是迁就国家财政能力与需求差异化的交叉产物，力求全面实现国家倡导的“基本公共服务均等化、普惠化、便捷化”目標。在这些模式中，政府集公共服务付费者（payer）、供给者（provider）、监管者（regulator）等多重角色于一身，对递送方式及其实施质量更为重视。《国务院办公厅关于政府向社会力量购买服务的指导意见》（国办发〔2013〕96号）明确了公共服务供给改善和公共服务质量提升的改革发展目标。从制度供给的角度看，政府已经推进了公共服务递送的多向度改革，问题的关键是如何提供优质、高效、便捷的公共服务？
当前，我国正在推动公共服务供给侧改革，其中倡导的“精细化”原则同公共服务递送的便捷化目标是契合的。事实上，这一改革也是对传统科层制递送模式的反思和再调适。一方面，传统公共服务递送方式以政策执行效率为绩效标准，并不关注“终端”公众的服务体验，因而并不清楚公众对公共服务的所需、急需和特需是什么。比如，很多地方的“农家书屋”长期处于闲置状态，实质上是不清楚农民的公共文化服务需求造成的。再比如，由于针对残疾人的“上楼、下楼”服务缺位，残疾人“出门难”导致城市盲道和建筑物的辅助设施利用率低下。另一方面，传统公共服务供给者（付费者）偏好普惠原则，多以“大水漫灌”方式落实政策，缺乏对差别化服务需求的精准识别与瞄准，导致大量公共服务资源投入“失准”和浪费。媒体披露的“低保户开豪车”“经适房住大款”[5]等现象并不是个案，这都足以证明公共服务瞄准出现了偏差。再一方面，传统公共服务递送多侧重于满足现实需求，而针对未来发展趋势的服务递送选项则十分有限，因此相关部门长期陷于事务主义漩涡而难以抽身，只能采取“头痛医头、脚痛医脚”的策略来被动应对。
理论上，如上问题并非无解，在技术治理的诸多选项中，大数据因其技术禀赋而成为热烈推崇的方案。这是因为大数据能够以特定的方法和技术，精准靶向公共服务递送的相关难题。比如，精准预判人们对公共服务的需求，有助于提高公共服务决策的科学性和服务递送的有效性。值得一提的是，在大数据日益渗入公共管理领域的背景下，一些地方已经在公共服务递送环节采用了大数据技术，积累了技术治理的初步经验和地方性知识。总之，以大数据为代表的技术治理及其应用前景既是可期的，也是可控的。
在工具理性的角度，大数据本质上不过是一种治理手段，正如大数据概念提出者舍恩伯格所言：“大数据是……采用所有数据的方法”，[6]要想为人类创造更多的经济价值、科学价值以及社会价值，人们必须在使用数据过程中，通过数据获取、存储、分析、实时处理等技术应用，找到关联事物之间的相关关系，进而帮助人们捕捉现在和预测未来，从而达到善治目标。比较而言，公共服务在价值属性上所彰显的是公共性，公众唯有在公共政策与公共服务获得了效用，其价值才能得到体现。[7]借助大数据的技术优势，公共服务如果能够被精准识别与精准预测，理论上存在“倒逼”政府转变服务递送方式的可能，即从被动响应转向“创造公共价值”的主动服务。[8]这种转变折射出公共服务的价值导向，同建设服务型政府的目标是一致的。然而，所有科学技术对现实世界和现实生活的改造都可能引发新的不确定性，美国政治学家汉娜·阿伦特就曾不无担心地写道：“这一改变是如此激烈，以至于可以说，那些仍然信任常识和用日常语言交流的外行和人文主义者，已经触及不到实在了。”[9]作为科学技术大家庭的一员，大数据也在事实上改变着我们的生活世界，公共服务递送只是其中的领域之一，其潜在的风险既存在于数据可靠性方面，同时也有数据垄断、数据霸权等方面的不确定性。[10]大数据的工具理性影响着公共服务递送方式及其发展趋势，是否也会改变公共服务的价值属性和公共性定位呢？这是本文要关注的另一个问题，即：在大数据应用过程中，技术工具是否存在被滥用和无限放大的可能，这会为公共服务递送带来哪些不确定性？
基于如上反思，结合我国公共服务递送实践经验，本文试图揭示大数据的技术禀赋是如何促进精准递送的，同时探讨中国公共服务递送模式的变革方向，以及针对技术治理不确定性的应对策略。
二、精准递送：大数据技术禀赋及其在公共服务中的利用
公共服务递送是一个多元主体合作的互动过程，因此越是精准对接，越是有助于彼此间互动的展开。在这个递送过程中，决策科学是精准对接的前提，而在政策执行、服务合作以及“终端”（公众）的体验与享有等方面，大数据的精准性能够为公共服务递送提供支撑。
1.数据分析技术的应用：精准识别
精准递送的前提是对公共服务进行精准识别，包括识别服务需求、识别服务产品类型及其属性、识别服务对象及其诉求、识别服务方式及其适用领域等。大数据在商业应用中已经验证了需求识别的准确性与应用的可行性，最为典型的就是亚马逊应用大数据开发的商品推荐系统。基于用户在网站购买行为的数据，亚马逊进行了有效的采集和计算，利用相关分析技术找到用户与其购买产品之间的强相关关系，继而进行精准化的产品推荐。至于为什么推荐这些产品，则是人们在前大数据时代比较关心的问题。可以认为，在大数据时代，人们已经不太留意事物之间的因果关系，即“为什么”已经不是大家的兴趣所在，而是更加关注事物之间的相关性关系，致力于寻找事物之间“是什么”。从精准识别的角度看，大数据提供的相关关系能够帮助人们更好地了解我们所生活的世界。关于公共服务的精准识别，可以顺此外推到大数据对公共服务需求、产品类型、服务对象、服务方式、服务领域等递送要件与递送的关键环节。
随着数据量不断激增甚至无限接近总体，人们对于公共服务（“是什么”）的判断越来越自信。换句话说，利用大数据挖掘公共服务的相关性及其结果也会越来越准确，对于公共服务“是什么”也就越来越接近精准。并且，这一分析过程的周期远远短于利用因果关系解决问题的时间，更有助于便捷、高效地发现不同公共服务之间的内在关联，为人们急需解决公共服务的相关问题提供更加科学的答案。在这一点上，大数据相关分析（“是什么”）可以有效满足公共服务递送环节对服务效率和质量的要求。显然，作为数据的清洗与挖掘等关键应用技术，相关性分析不仅能够精准识别公众的真实服务需求，形成以居民需求为导向的公共服务供给模式，而且还能够为公共服务的多维度内容分析和预测提供技术支持。当然，技术理性也表明，这并不意味着大数据中的因果分析（“为什么”）完全可以被相关关系（“是什么”）所取代，[11]如果能够实现二者之间的契合，则大数据的技术禀赋将在公共服务递送应用中得到进一步的发掘。
2.数据建模技术的应用：精准决策
一般认为，大数据的技术特征可以概括为多样（variety）、规模（volume）、高速（velocity）、价值（value）等四个方面。有学者从治理的角度赋予了大数据更多的特征，如数据挖掘实时性、容错性、应用价值高等特征。[12]从管理学的视角出发，大数据作为一种重要的战略资源，上述特性给管理者带来机遇的同时，也带来了诸多挑战，如数据存储、清洗、挖掘、分析、管理和应用等技术层面的问题不解决，将无助于大数据的有效应用，甚至可能对公共服务决策产生干扰作用。作为一项极为关键的技术，数据建模能够将一系列纷繁复杂的数据化繁为简：从大数据的固有属性出发，对相关的各类数据信息进行抽象组织，形成整体逻辑结构图，从而准确表现和描述数据信息之间的关系。
数据建模提高了决策的精准性，那么应用于公共服务递送是否仍然具备这种禀赋呢？答案是肯定的：一方面，大数据对海量（volume）公共服务信息进行抽象化再组织，以多样化（variety）的视角对存储的信息进行清洗和发掘，使纷繁复杂的数据得到逻辑重组，从而揭示公共服务不同面向之间的相关关系;另一方面，大数据的高速（velocity）技术禀赋使分析和管理公共服务相关信息变得更为全面、深刻和准确，为公共服务递送决策提供了有价值（value）的参考依据。比如，公共服务递送的效率和准确率是检验大数据价值的两个重要指标，而数据建模解决了这一技术难题。总之，数据建模的技术禀赋在公共服务递送中有可发掘的空间。
具体而言，大数据建模对于解决目前我国公共服务信息体系建设中存在的“碎片化”问题，[13]就有很强的针对性，在技术上完全可行。具体体现在两方面：一方面，以数据建模解决信息来源（即原始信息）碎片化问题。公共服务系统内部所收集的信息具有来源多样化的特征，数据建模技术对于跨区域、跨部门和跨系统的原始信息管理有针对性。另一方面，以数据建模解决信息内容管理碎片化难局。作为涉及广大人民群众利益的公共服务信息，不但存在原始数据来源不精准的问题，而且在海量数据中也不乏重复信息和冗杂的垃圾信息，而数据建模恰恰能够甄别信息内容，并对存疑信息进行逻辑处理，以整合信息内容，提高决策的科学性。总之，将分散、复杂、无序的信息整合起来，大数据的建模技术不但解决了信息来源问题，而且能够解决信息内容问题，继而为寻找公共服务递送规律或趋势提供技术支撑、为公共服务精准递送决策科学化提供方案、为决策者调整政策和修改方案提供依据。
3.云计算技术的应用：精准驱动
云计算技术的核心是数据平台，集分布式计算和虚拟资源管理等信息技术为一体，重点解决产品成本和扩展中的实际问题。比如，参与、共享、协同与创新等，都能够从云服务平台上得到技术支持。从以往的应用经验上看，云计算的平台技术已经在医疗、物流、教育、社区、政府管理等领域取得了共识，基于云计算的云服务正在成为下一代智慧城市建设的重要内容。因此有理由相信云服务平台有助于驱动公共服务递送的应用空间。比如，在社区公共服务递送方面，云计算平台的应用有效改善了服务信息系统的多主体格局的掣肘效应，平台尝试集成多源异构的信息服务和跨平台协作，驱动信息共建、共享与协同共治，[14]挖掘了社区作为公共服务递送伙伴的合作治理能力，为“终端”居民便捷享有公共服务增加了另一层保障。
概括起来，云计算平台对于驱动公共服务递送的作用集中在两个方面：一方面，以治权开放的技术秉性驱动公共服务递送。云计算平台由于集成了多主体动力资源，为公共服务递送的利益相关者提供了技术前提和动力资源。[15]综合判断，平台对于服务递送供给侧的资源動员具有提升效用。其中，突出的作用是驱动多主体进行资源匹配、促进交流互动，有效拓展公共服务的供给规模。另一方面，平台对政府公共服务改革的驱动，特别是在“放管服”改革背景下，平台能够降低公共服务交易成本，缓解公共服务公平与效率之间的紧张关系，改善服务质量等。表面上看，是平台驱动了政府在公共服务递送方面的主动性，而本质则是数据技术驱动政府实现了社会公平的价值，成为政府善治的一种手段或途径。
4.虚拟技术的应用：精准体验
虚拟体验是大数据的另一项技术应用，通过创建虚拟情境和体验真实世界来实现。虚拟体验应用于公共服务递送，需要关注服务“终端”（公众）的目标群体，他们是公共服务递送的服务对象，而虚拟体验既强化了服务递送的“终点”目标设定，又突出了公众作为公共服务的价值理性与定位的“起点”原则。
从技术契合的角度审视，虚拟体验对于居民享有公共服务开拓了新空间：一方面，虚拟技术使公共服务体验成本大为降低，尤其是规模化体验的人均成本幾乎可以忽略不计。根据刘易斯拐点论推断，公共服务需求一旦出现指数级增长态势，人们对公共服务多样化、个性化需求矛盾便会出现。如果这种态势同便捷化的诉求叠加，公共服务的递送矛盾就更加突出。“先体验后选择”模式提供了矛盾解决的可行性选项之一，只要成本可控，就能够在根本上控制公共服务的递送成本。另一方面，虚拟体验强化了公共服务递送“参与”的职能，使公众有效参与到递送环节中来，避免了单向递送带来的诸多问题。毕竟，公共服务递送的终极归宿是公众，只有得到居民认同，才能实现政策制定者预设的价值目标。必须承认，我国公共服务递送模式突出了政府在政策制定与实施环节的主导地位，却忽视了公众在公共服务过程中的主体性建构功能，这是引发基层公共服务中公民参与不足、获得感不强等一系列问题的根本肇因。虚拟体验让公众在体验中模拟参与，在技术上彻底改变了公众的角色，客观上有助于提升公民主动参与的积极性。同时，公民还可以在虚拟环境下表达自身的服务需求、开展服务评估、反馈服务改善意见，等等，这对于未来的公共服务精准递送提供了良好的铺垫。
三、“用户”本位的服务递送及其不确定性
在大数据技术运用中，“用户”用来泛指所有拥有账号的人，经过系统的身份验证后即可获得相关授权或进行身份识别。在大数据应用于公共服务的场景下，“用户”有两个基本范畴：一是需求导向。面向公共服务的目标群体及递送主体，组建一个个实施单元，将公共服务的资源信息采集、加工、重组、计算等，整合进入服务递送环节，为“终端”公众提供高质量的服务，即“为用户解决问题”。二是任务导向。通过数据过滤与清洗建立用户兴趣模型、通过计算与文本的匹配程度建立推荐系统、通过用户记录建立用户生成内容（UGC）、通过用户认可度建立服务反馈机制，即“为用户代言”。大数据之于公共服务递送，其基本效用是精准，“精准解决问题”“精准代言”无疑是目标导向的集合。然而，过犹不及，一旦公共服务递送出现大数据的放大甚或滥用现象，便不可避免地会带来治理的不确定性。
1.市场化与技术合流：公共服务递送的潜在风险
相比于传统服务模式而言，大数据服务面向“用户”递送方式是一项重大的治理范式变革。这是因为大数据技术下的“用户”逻辑被嵌入到公共服务递送中的“公众”框架之下，传统治理中的科层制运转方式便需要做出调整或转变以顺应这种变化。但是，公共服务不是一般的市场化商品，[16]在科层制尚无替代方案的背景下，有可能出现技术异化的风险。
技术具有反自然性的禀赋，因此公共服务递送越是嵌入技术，则越有可能对公共部门科层制治理造成冲击。比较而言，大数据形成的冲击可能是颠覆性的，破坏和干扰科层制固有秩序是大概率事件。如果技术嵌入叠加了市场机制，则这种风险更加显著。在利益导向的市场化驱动下，大数据技术如果助力了非公共性的成分，便客观上证明技术异化必然会发生在公共服务领域。诚然，包括大数据在内的所有技术能够重塑政府治理结构和管理流程，如信息技术使扁平化结构替代了传统的金字塔治理结构，使得原本处于政策塔尖的政府决策者更接近公共服务发生的现实场域或生活场景，而无需再身临其境地获得。[17]无论大数据技术本身具备多么强大的功能，它对于公共服务的递送还不能脱离市场经济的历史形态，即便是当下实行的政府购买方式，也没有改变社会主义制度下的市场特征。一旦大数据被应用于追求市场利益的极端化，便背离了公共服务的主导价值，市场主体成为“用户”，真正的公共服务主体的“用户”身份则被忽略。主要表现在以下三个方面：
第一，公众“用户”的数据被市场利用。这里，问题的关键还不在于“隐私”等个人信息数据的“被利用”，此类问题可以在法律的框架下找到解决方案。[18]比较而言，公共服务的公众数据质量至关重要，否则将可能导致公共服务递送南辕北辙。一般情况下，市场机制所偏好的数据多来源于社交数据和交易数据，大量的垃圾信息可能会对公众的真实需求有所失真，于公共服务递送无益。比如，美国的出借俱乐部（Lending Club）曾经和脸书（Facebook）就社交数据有过合作，最后得出的结论是垃圾信息无价值。即便是那些交易信息也存在失真现象，较为知名的证据是电商平台中的“刷单”现象，虚假交易数据是无法真实反映交易状况的。可以想象的是，一旦这些市场化的“大数据”被市场用户所利用，并获得政府资源的配置优先权，那么对于公共服务递送的消极影响可想而知。
第二，公共服务递送的理论效度被质疑。因理论依据指向“民”以及理论边界触及政府与市场关系，公共服务为越来越多的国家政府所接受，并以公共政策途径加以落实。然而，一旦出现大数据技术异化问题，则可能颠覆人们的理论认同：一方面，异化的技术治理会颠覆公共服务的目标锚定与目标瞄准。比如，针对老年群体的公共服务目标瞄准上，异化的大数据可能导致服务溢出。在国内，有些城市出现过市场滥觞现象，有些公司为老年群体提供免费的“求助腕表”产品，结果老人们经常收到相关药品广告信息。这些“附加”广告才是市场主体利用老年“用户”的初衷，因此可以认为是服务溢出导致了市场失序的发生。另一方面，在供给侧是不充分的前提下，服务递送现实的方案多实行比例配置的方式。大数据的技术异化会放大需求或者过滤需求信息，因而供给侧无论采取减量供给策略，还是推迟公共服务供给，所面临的潜在风险都十分严峻，严重者可能会导致公众对公共服务制度产生质疑。再一方面，突发风险状态下的公共服务递送具有“例外论”特征，这是大数据的技术短板。尤其在重大突发事件侵袭的条件下，大数据的预测与模型能力都十分无力：在突发事件发生之前，数据信息是匮乏的，不能为公众提供恰当的预警方案，也无法在短期内快速地进行信息收集、分析和反馈，应急状态下的数据利用无法体现全面、充分和完整，对于政府应急服务的决策帮助不多。[19]
第三，“用户”的实时性数据被漠视。市场化的数据收集与处理基本能够实现数据库的连续性建构，但是，建立在技术异化基础之上的数据建构往往会偏离公共服务的方向。可以想见，方向一旦偏离公共目标，则数据越“大”就越会漠视实时性数据，直接后果就是导致市场行为的滥觞。更为重要的是，一旦出现市场绑架政府现象，这种数据将成为政策出台的依据，对于公共服务递送的危害更为深远。
2.消解公共性：对公共治理生态的伤害
开放的“用户”系统是治理生态形成的前提和基础。在本质属性上讲，公共服務要解决的是社会公正问题，公平性和合法性特征是“用户”响应公共治理的结果，也是对政治系统“社会权威性价值分配”能力的检验。大数据为公共服务精准递送提供了可能性，然而放大了精准递送的技术治理就必然淡化甚至替代政治（政府）的定性决策，其潜在风险和可能衍生的次生灾害最终会消解公共服务递送的公共性，对公共治理生态造成伤害。具体有三：
第一，大数据对公共属性的影响是即时的，立竿见影，体现出硬约束的短板效应。在“用户”思维下，大数据在理论上能够克服信息采集“样本即总量”的技术瓶颈，全数据分析模式能够有效克服大规模样本处理过程中因技术条件限制、时间时效性要求等所引发的“需求失真”困境。[20]以社区公共服务为例，一个社区云服务平台理论上就能够解决社区服务供需匹配错位问题，为社区“用户”服务精细化提供可能，但无法解决“用户”在服务共享、共同体建设等方面存在的问题。具体而言，基于大数据、云计算与移动通信等一系列新技术于一体的社区云服务平台能够通过实时追踪社区区域范围内用户的网络信息行为，获取全体用户完整而真实的服务需求数据，但是，算法技术发展的有限性则可能加剧社区“用户”的猜忌与疏离。比如，算法偏见、区域与群体差异、递送过程的不确定性等，都具备消解精准递送的技术风险，有可能导致公共服务递送的公共属性南辕北辙。可以想象的是，建立在算法偏见之上的大数据辅助决策，政治伦理清算将如影随形，任何政府都无法承受这样的政治代价。
第二，在基本公共服务领域，大数据可能会消解政府维护社会公正的努力，导致“用户”资源丧失。一般认为，在公共服务递送的多元主体结构中，政府的利他动机远超其他主体，因此政府更能够提供高效、公正的公共服务。[21]正如有研究所指出的那样，“统计分析的目的，是通过认识样本进而认识总体，样本必须是总体的忠实代表。”[22]因此传统的统计技术应用于公共服务递送，必然存在“需求失真”的弊端，那种技术无法在样本获取与筛选上达到满意，公共服务需求分析与结果预测的准确性与样本数据的代表性难以自洽。在公共服务递送过程中，大数据的应用的确解决了传统定量分析中的样本收集极限难题，但无助于促进和提升公共服务供给的非中立性和价值多元性。较为典型的是基本公共服务领域，在事关人民群众的生存、尊严和公共卫生等方面，政府的均等化主张就是非中立性立场，能够有针对性地提供“定点”“定群体”“定时”等非中立性的递送服务，显然要比以精准递送为特征的大数据技术中立性更具治理价值，更容易提升“用户”对政府治理合法性的水平。在上海，针对残疾人公共服务的需求调查，大数据并不能代替残联的专项调查数据，“每2～3年全区大规模的需求普查、一年两次的组团调研和每周的家庭走访”，[23]这些数据是政府购买服务决策的直接依据，而非其他方式。此外，大数据的不透明、难以审查、技术鸿沟等特征也会招致质疑，[24]削弱政府的合法性基础，进而造成“用户”群体的割裂，殃及治理共同体建设。
第三，在非基本公共服务领域，大数据的工具理性存在技术被泛化的风险。比较而言，大数据在非基本公共服务领域的“用户”数量更为庞大，因此构建治理生态的难度更高。在我国，准基本公共服务、经营性公共服务和混合型公共服务领域实行了准入开放政策，更多的主体获得公共服务递送的合法资格，社会组织和企业等“社会力量”也参与到合作生产过程之中，“进一步放开公共服务市场准入，改革创新公共服务提供机制和方式，推动中国特色公共服务体系建设和发展，努力为广大人民群众提供优质高效的公共服务。”[25]公共服务递送同时赋予了“用户”（服务享有者）参与其中的权限，因此“线下”递送客观上体现了双向互动的特征。在实践中，多元主体为了争取“用户”而采取的各种竞争策略和措施丰富多彩：以互联网、新媒体为主要技术手段，几乎所有主体都开发了难以计数的各类服务App，再加上政府信息服务门户网站、政务微博、微信公众号等工具产品，有助于增加服务产品与“用户”之间的黏性，并能够根据后台数据的分析报告和线上反馈意见，使处于竞争中的多元主体及时优化自己的服务，密切“用户”的关系。但是，这种竞争关系一旦在大数据应用中失去对主体行为的监管，特别是算法监管失控的情况一旦发生，企业等社会力量追逐利润的冲动将碾压公共服务的软约束机制，利益最大化必将凌驾于公共理性和企业社会责任（CSR）之上，非但不利于形成共同体的治理生态，反而会对“用户”权益、政治生态造成伤害。
四、风险克服：公共服务递送不确定性的应对
大数据对公共服务递送的改变仅仅处于起步阶段，但是所引发的变革却是多维度的。大数据不但改变了公共服务递送的方式与模式，同时也拓展了公众对公共服务的认知与态度。目前，人们还难以预判其最终的影响结果，但我们对大数据固有的不确定性却不能选择无视或假装不存在。毕竟，公共服务递送的终极价值目标是让公众直接享有特定的公共资源或利益，以满足生存、生活与发展需要。因此，公共服务的价值理性不能被技术的工具理性所替代，利用大数据驱动服务递送必须服从和服务于这个公共性的价值指向。就技术治理的惰性而言，这些问题并非无解。具体的对策有以下几个方面：
1.渐进推动，有序安排
任何技术应用都是人主动选择的结果，不可能一蹴而就，需要逐步完善。当前，应用于公共服务递送的大数据技术依然处于探索阶段，尽管人们有着理想的技术期待，但实践缺乏持续而稳固的技术选择与服务资源配套。比如，大数据技术能够对公共服务需求做出精准预测，但社会可支持的专业人员、配送体系与服务能力并不充分，再加上物联网技术的跟进较慢，大数据对公共服务递送的作用远未得到充分发挥。“在许多失败的技术植入案例中，人们往往可以发现，由于技术并未度过‘扎根期，因此其刚性的一面也就无法呈现出来。”[26]就认知的有限性而言，人们还很难对大数据之于公共服务未来的互动形式与方向做出定论。即便是那些取得成功的地方创新案例中，人们对于大数据技术的理解和接受也是千差万别的，地方政府的政策安排与资源投放也多维持在可控范围之内。在这个意义上，大数据支持下的公共服务递送有着充分的技术纵深，需要政府根据技术应用规律有序安排和渐进推动，切忌盲动与冒进。
2.以大数据技术应用“倒逼”公共服务体制机制改革
在政府体制改革中，技术是一个根本性的动力。大数据技术的初步应用已经验证了这一判断。比较而言，大数据有不同的技术面向和应用空间，因此对公共服务体制的诉求和应答存在差异性，有使命感的政府通常采取主动回应的策略，而不是回避。一般情况下，技术“倒逼”政府公共服务体制改革有两条途径：一是主动建立虚拟治理体系。当有些公共服务在线上完成的条件具备时，政府便应当尝试建立一个相对完整的虚拟组织结构以应对，资源配置、物流安排和基础设施等递送系统，都要沿着这一虚拟结构的逻辑来运转。二是从结构到流程对政府公共服务体制机制进行再造。一旦大数据技术被全面应用到公共服务的所有领域，就得及时启动对组织结构和制度结构的再造程序。比如，当下以“被动应对”为特征的项目制公共服务递送，是以财政转移支付和地方各级组织层层转包等不同方式实现的，在运转过程中难免存在服务递送不精准，甚至可能导致资源的浪费。[27]政府主体要主动嵌入大数据技术，各级组织的项目管理就有了精准监管的技术支撑，居民日常性公共服务更是有机会得以重新界定，对其他组织也能够产生有效的制约作用，甚至跟项目制有关的既有治理体系都有被替代的可能，这就是“倒逼”效应。
3.有效监管大数据应用的“灵活性”
大数据及其平台的治权开放造就了技术治理的“灵活性”，具体表现在两个方面：一是技术自身层面应该以公共价值为旨归。在适应现有组织结构体系过程中，大数据技术表现出了可延展、可收缩的特征。比如，在商业领域应用甚广的、针对选择偏好所提供的精准推送服务，大数据技术的延展效应及其两面性正在显现，需要在公共服务递送过程中引起警惕和加以解决，尤其是要加强针对非基本公共服务递送主体的监管，切实保护“用户”的合法权益。二是在大数据技术应用上，政府组织在选择上的主观灵活性应该有所约束而不是相反。限于主客观条件的约束，选择性使用技术无可厚非，但需要警惕技术异化的后果。这一问题在政府组织对大数据技术的理解与安排方面已有反馈。技术异化颠倒了公共服务的价值指向，但并非是不可克服的，技术规制提供了一个切实可行的解决方案。就公共服务递送而言，这一制度监管方案需要同时解决三大问题：提供法律和正式制度的行动依据、设定技术应用的标准、确立奖惩的权威框架等。总之，当下的大数据只是满足公共服务精准递送的可选择工具，而不是唯一工具。技术治理被赋予过高甚至无限的期待，势必会有更多的资源将被动员起来，一旦出现本末倒置或者技术异化，就应该设立有效的策略以规避风险。
五、结语
我们正处于技术更新十分迅速的新时代，大数据只是日新月异的技术应用之一。在公共服务递送实践中，大数据以新的技术禀赋赋予了精准递送的可能性与可行性。学术界的既有研究和实务部门的政策倾向多集中于大数据的积极性领域，对市场私人产品的技术逻辑应用甚至移植到公共服务领域多持肯定态度。本文是基于“用户”思维的研究，区分了公共产品属性及其递送渠道的选项差异性，分析了合作生产的公共治理生态建设应该规避的可能风险，对于技术治理的公共服务递送政策供给具有针对性。
比较而言，当前非基本公共服务领域的大数据应用更为开放，因而技术治理的风险在政府部门和社会力量两个主体的递送实践过程中都有体现。好在这一问题已经引起决策部门的注意，并尝试在改革中加以克服。比如，浙江省近年来实施的“最多跑一次”改革正在走向技术风险克服的新阶段，要求各级政府依托事务受理信息服务平台，秉持人民本位的治理原则，打破条块之间信息壁垒，整合信息链条，优化为人民服务的质量。浙江经验体现了政府部门应用大数据的技术“自觉”，以及“倒逼”政府改革的决心。还有一些地方正在尝试以政府监管方式对技术风险进行约束，但仅限于局部领域，尚未形成模式。可以前瞻，随着大数据技术的不断发展与应用开发，以“用户”为本位的技术应用如何全方位地规避技术治理风险，将成为未来治理生态建设的重点。
参考文献：
[1]MANDELL M B.Modeling effectiveness-equity trade-offs in public service delivery systems[J].Management science，1991（4）：467-482.
[2]黃新华，李松霖.论深化公共服务供给侧结构性改革[J].中国高校社会科学，2019（2）：51-58.
[3]HOLZMANN R，HINZ R.Old age income support in the 21st century：an international perspective on pension systems and reform[R].World bank，2005.
[4]王郁，魏程瑞，王艳等.超大城市公共服务承载力的差异与提升对策研究——以北上广深四城（2005-2015）为例[J].上海行政学院学报，2018（5）：18-26.
[5]练洪洋.定向经适房涉嫌“定向腐败”[N].广州日报，2013-06-22（2）.
[6]迈尔舍恩伯格 V，库克耶 K.大数据时代：生活、工作与思维的大变革[M].盛杨燕，周涛，译.杭州：浙江人民出版社，2013：39.
[7]莫尔 M.创造公共价值：政府战略管理[M].伍满桂，译.北京：商务印书馆，2016：30.
[8]包国宪，王学军.以公共价值为基础的政府绩效治理——源起、架构与研究问题[J].公共管理学报，2012（2）：89-97.
[9]阿伦特 H.过去与未来之间[M].王寅丽，张立立，译.南京：译林出版社，2011：250.
[10]唐皇凤.数字利维坦的内在风险与数据治理[J].探索与争鸣，2018（5）：42-45.
[11]梁吉业，冯晨娇，宋鹏.大数据相关分析综述[J].计算机学报，2016（1）：1-18.
[12]高奇琦，陈建林.大数据公共治理：思维、构成与操作化[J].人文杂志，2016（6）：103-111.
[13]周易.公共信息服务的供给侧结构改革研究[J].情报理论与实践，2017（5）：1-9.
[14]聂磊.“互联网+”背景下的社区云服务的核心和趋势[J].上海行政学院学报，2017（6）：14-18.
[15]刘家明.政府多边平台模式的动因、功能与实践价值[J].广东行政学院学报，2019（2）：5-17.
[16]邓锁.社会服务递送的网络逻辑与组织实践——基于美国社会组织的个案研究[J].社会科学，2014（6）：84-92.
[17]吴新叶，赵挺.建设性空间：党员干部联系点的运转及其不确定性的克服——以基层治理为视角[J].政治学研究，2018（2）：66-76.
[18]周汉华.探索激励相容的个人数据治理之道——中国个人信息保护法的立法方向[J].法学研究，2018（2）：3-23.
[19]马奔，毛庆铎.大数据在应急管理中的应用[J].中国行政管理，2015（3）：136-141.
[20]陈潭.大数据驱动社会治理的创新转向[J].行政论坛，2016（6）：1-5.
[21]PERRY J L，HONDEGHEM A .Motivation in public management[M].Oxford：Oxford University Press，2008：33–55.
[22]李连江.戏说统计：文科生的量化方法[M].北京：中国政法大学出版社，2017：23.
[23]赵挺.地方残联购买服务的探索与思考——基于上海市W区的调研[J].科学发展，2019（1）：112-116.
[24]朱剑红.打破信用信息“孤岛”（政策解读）[N].人民日报，2015-06-26（2）.
[25]国务院办公厅关于政府向社会力量购买服务的指导意见（国办发[2013]96号）[EB/OL].中国政府网，（2013-09-30）[2020-05-10].http：//www.gov.cn/zwgk/2013-09/30/content_2498186.htm.
[26]黄晓春.技术治理的运作机制研究——以上海市L街道一门式电子政务中心为案例[J].社会，2010（4）：1-31.
[27]桂华.项目制与农村公共品供给体制分析——以农地整治为例[J].政治学研究，2014（4）：50-62.
Abstract：Public service is a key area related to the quality of public life.Big data provides technical guarantee for accurate delivery，so it has become a policy advocacy topic for supporters of technology governance.With the development of smart public services，the application space of big data will be further expanded.The concept of “user-oriented”，targeted application of key technologies，cloud computing，virtual modeling，et al，have shaped a new mode of precise delivery of public services.From the perspective of technology governance，big data will result in uncertainty of service delivery.Setting up the positioning of technology service in public value，taking orderly and gradual action strategies，tapping the potential technology to “force back”the public agencies and public service system reform，and regulating the application of technology are effective options to overcome the uncertainty of technological governance.
Keywords：Big Data;Public Service Delivery;Technology Governance;Risk
（責任编辑 方 卿）
