最近几年,各地政府大力推进信息化建设,使得政府的工作效率有了较大程度的提高,营商环境有了较大程度的改善。
随着地方主要领导人认识的不断深化,改革力度也不断加强,逐步由最初为了改善营商环境的“最多跑一次”,转变为更加广泛的政府数字化转型,并到现在的更加系统性的数字改革工作。
各地的信息化建设也由最初的系统开发,到平台建设,到现在各种“大脑”的建设开始如火如荼地开展起来,城市大脑、工业大脑、经济大脑、企业大脑……等层出不穷。
但是,在这些时髦名称的背后,却鲜有人能够说清楚“什么是大脑?”以及“如何建设大脑?”这些最基本的问题。
数字改革的目标是清晰的,即提高政府的治理能力和治理的现代化。但是,要提高到怎样一个水平,以及如何提高,对这些问题的理解并不是特别清晰。
我的理解是,可以用无人驾驶技术进行类比。无人驾驶技术可以分为L1、L2、……L5,五个层级,L1-L3只能说是辅助驾驶系统,只有到L5层级才能真正实现无人驾驶的程度。
那么,类似的,数字改革的初级目标其实应该理解为政府的辅助决策系统,我们现在打造的是L1级别的辅助决策系统。
所谓辅助驾驶,即是通过数字系统来帮助人类进行驾驶,甚至在局部功能上替代人类进行驾驶。同理,辅助决策也一样,应该理解为在某些情况下可以通过数字系统来辅助政府工作人员进行决策,甚至在局部领域中实现替代决策的作用。
按照这个思路,我们需要建立一套逻辑自洽的政府决策环。也就是,首先要明白政府的决策目标是什么?其次是政府有哪些可以选择的决策工具?政府通过运用可选的决策工具,并经过一系列的传导,最终影响决策目标,然后通过对决策效果的评估,反馈校准决策工具,这就是一个封闭的决策环。
这个过程非常复杂,可以想象一下摆在商场里的抓娃娃机器,我们在箱子外操纵一根杆子,并通过传送装置去控制箱子里的爪子,以便能抓到我们想要的娃娃。
通常,要抓到一个娃娃是很难的,因为我们无法精准地了解力的传递中所发生的每一个变化,如果我们能够了解全部的变化,那么,理论上我们就可以每一次都能精准地抓到娃娃。
政府治理是一个更加复杂的过程,和抓娃娃一样,我们所能动用的政策工具是有限的,而这些工具往往并不能直接影响我们的政策目标,工具和目标之间会经过无数次传导、异变,并且,中间的所有传导过程对我们而言完全是个黑箱。
更加困难的是,很多政策工具是需要我们去设计的,而我们并不清楚,这些政策和目标之间会存在怎样的一种关系。
相比驾驶技术,政府治理显然在难度上要高几十个量级,好在我们并不指望能够马上建立一套L5级别的政府治理系统出来,我们只要能够在某些领域里面实现L1级别的数字治理,那就是一个巨大的进步。
因此,要理解数字改革的逻辑,我们首先要明白政府治理的目标体系。
当前中国政府治理的两大目标可以总结为满足人民美好生活的需要和中华民族的伟大复兴。前者是着眼于微观个体,后者是着眼于宏观总体,两者相辅相成。
围绕这两大目标可以进行不断地分解,比如满足人民美好生活的需要可以分解为居民收入、健康安全、精神生活等层面;中华民族伟大复兴也可以分解为GDP总量、国土安全、文化繁荣等方面。
每一个子目标又可以分为若干个孙目标,比如居民收入可以分为收入的增速、水平和分布等。通过层层分解,我们可以将政府的目标体系制作成一张思维导图。
有了目标体系之后,我们还需要梳理政府决策的工具箱,政府能够动用哪些工具来影响我们的目标?
其实,政府能够动用的工具并不多,主要有政府强制力、财政资金、资源分配(如土地、矿山等)、规则制定、公信力、税收政策、货币政策等。省一级政府可动用的工具会更少。
每一项工具可以拆分成更加细分具体的工具,比如财政资金可以直接转移、间接补贴、制定消费券等,补贴可以针对特定产业,或特定技术等。
通过这种层层分解,我们可以将决策工具建立像目标体系一样的思维导图。
困难在于,这些决策工具是如何传递到目标的。传统上,政府制定一项政策往往会经历很长时间的调查研究,并征求专家意见,或召开听证会,但即便所有这些程序都完成了,我们仍然无法保证政策的效果。
因此,政策的制定依赖后续对政策效果的评估,就像人工智能依赖于后期数据来校准自己的算法一样,政策也需要数据的校准,然而传统上政府在这一环是缺失的。
数字改革就是要补上这一缺失的部分,采集数据、评估效果、校准政策。
网友评论