国外数据邻避困境及对中国数据治理的启示

一、加拿大多伦多“数据邻避运动”的成因思考

加拿大多伦多市Quayside项目是由谷歌子公司Sidewalk Labs联合Waterfront Toronto公司在2017年计划开发的智慧街区项目，该项目基于谷歌前沿科技和数据，意图打造以人为本的智慧社区。然而，仅时隔三年，该项目由于数据隐私保护问题备受多伦多市民质疑与抗议而宣布终止。Quayside项目失败的原因可归纳为三个方面。

1、缺乏健全的数据治理主体和规则体系

伴随着数据成为重要的生产要素，界定数据权益的主体和规则就成为关键问题。Quayside项目的失败在于，当利用公民数据建立、改善和优化城市治理秩序与促进经济发展时，数据的采集、存放、分析、应用的主体和规则没有在项目启动时予以保证，引发市民对由科技公司主导未来数据世界可能导致的“霸权”予以抗议。大型科技公司作为市场的主体，同时也是数据的持有者，若无法对数据权益问题给出一个合理的解决方案，就必然会引发市民对个人数据隐私权利的忧虑。可以说，数据资源利用问题早已不是技术问题，更是伦理问题与权利问题。因此，需要通过健全数据治理体系，厘清数据权属和利益划分问题，明确数据治理的主体和规则，才能避免可能蔓延的数据邻避运动。

2、缺乏数据治理的监督和协调机制

伴随着数字素养的提高，社会公众不再仅仅是数字服务的消费对象，而是越来越多地产生和使用数据，参与城市治理并担任社会监督者的角色。Quayside项目中，由独立的第三方收集并存储测试站点中收集的所有数据，任何要求获得数据的政府或私人实体都必须提交公开的“责任数据影响评估”，任何收集数据的设备都必须由信托机构披露，这种“数据信托”的数据治理方式没有真正将市民纳入到第三方的监督主体之中。实际上，在数据治理中，市民关注的重点其实并非“第三方”是否存在、是否公正透明，却关注我是否是“第三方”中的一员，或者说我的意见是否可以影响或左右“第三方”。因此，政府作为数据治理的管理者和利益协调者，应该充分对企业和民众利益进行协调，鼓励民众参与治理。

3、缺乏数据治理的开放共享与有效互动

数据驱动时代，无论是作为利用规范性技术设计的城市服务平台，还是对城市的大数据采集和分析服务，抑或是基于智能技术的城市移动服务场景，都是一种由技术赋权城市治理、社会服务与市场监管的手段与模式。Quayside项目的失败教训表明，仅仅依靠技术手段的乌托邦式数据治理方式，或许可以满足公众的想象，但可操作性尚待验证，而回归以人的生活、情感、意志为核心的数据治理框架，或许才是最本质的问题。比如，本次新冠肺炎疫情期间诞生的“健康码”就是一个形成城市、人、技术三者良好互动的正面案例。因此，数据的开放共享与有效互动将成为数据治理的一个重要方向，基于数字技术的价值将主要体现在如何最大限度地服务于人的发展与生活需求，并形成数字空间与现实空间的有效互动。

二、对中国数据治理的启示与建议

1、构建数据治理体系，提升数据治理能力

破解数据邻避困境的关键在于建立现代化的数据治理体系，要平衡政府、企业和个人三方利益，凝聚更多共识，共同促进数据治理的提升。其中，政府作为数据治理主体，处于核心主导地位，应首先进行顶层设计，完善数据治理管理机制，形成权责明确的组织架构和治理管理体制;强化数据资源管理体系，提升数据管理能力，包括数据架构、数据标准、数据质量、数据安全、数据隐私、元数据管理、数据全生命周期管理等多方面内容;强化数据监管，加强数据安全和信息安全，推动数据开放共享利用。

2、厘清数据权利责任，明确数据共享规则

由于数据具有多重属性，个人数据保护与商业秘密、数据库权、企业数据权益等可以共存，并非非此即彼。企业和个人作为数据的持有者和贡献者，企业对个人数据的获取及使用不能以牺牲个人隐私为代价，个人信息保护不能罔顾商业利益和公共利益而走向绝对化。企业数据与政府数据在数据产生、公共属性等方面存在实质差异，不能无差别地讨论数据开放，特别是不能无条件强制要求企业共享数据。

3、动员多方治理力量，强化数据伦理规范

所有的数据问题和技术问题最终都会回归为人的问题。数据驱动时代的数据开发利用应当具有正确的价值引导，因而在强化数据伦理规范时，应发挥政府、行业、公众三方力量。鼓励社会公众对数据伦理的监督和道德评价，注重数据道德伦理宣传;以行业自律来建立伦理约束机制，加强企业责任伦理意识培养，树立风险与利益相平衡的价值观;政府应当对数据的获取和应用过程进行严格的伦理评估，并构建数据伦理规范准则，强调权利与义务对等、自由与监管适度、诚信与公正统一、创新与责任一致。

4、完善协商沟通机制，保障多元利益诉求

借鉴欧美发达国家在共识会议、愿景工作坊、协商民意测验、公民陪审团、专题小组等集体协商机制进行开放式的决策沟通形式，从方案设计、选择、实施、监督的全过程贯穿多元主体参与，引导不同利益群体形成共识;建立决策信息公开机制，以信息公开取信于民，以透明的信息赢得公众的信任和支持;建立社会影响评估机制，通过社会影响评估来提前了解潜在的社会影响及阻力，以便提前做出应对和化解，避免遭遇严重的邻避效应。此外，还应建立及时高效的冲突应急响应机制，应对突发数据邻避冲突。

5、探索数据产权制度，加强数据保护

探索数据产权制度，就是要明确数据收集、管理、分析、利用的主体和规则，强化数据保护。数据产权不仅要考虑个人数据与非个人数据、政府数据与商业数据、公开数据与秘密数据等不同分类，而且要结合加密技术、区块链等技术控制措施的发展状况来具体构建。单一数据一般不能发挥出价值，需要数据持有者在对数据进行清洗、加工的基础上开发新产品创造价值。数据产权制度既是对个人数据隐私的保护，也是加强对企业收集、整理商业数据的保护，同时也为数字经济发展建立了竞争有序的数据流通环境。

6、强化数据过程管理，提升数据质量

对数据产生、采集、存储、流通、应用和销毁的全生命周期进行质量管控，是保障数据价值实现的现实需要。数据治理过程应涵盖前端管理、过程管理、全程管理三个方面。在前端管理中强化数据质量管理和数据标准构成，对数据从产生到消亡的全生命周期的每个阶段里可能引发的各类数据质量问题，进行风险识别和管理控制;在过程管理中强化对数据存储、数据传输、数据分析、数据共享和开发等方面的管理，尤其在新基建建设中，数据存储是完善信息基础设施的基础，数据传输的质量直接关系到数据治理的质量，数据分析和数据共享开发利用关系到数据价值的实现;全程管理需要在数据治理的整个过程对数据连续性以及数据隐私进行管理和保护，应建立一整套数据保护措施，对数据进行脱敏或分级等处理，实现对政府、企业以及个人隐私数据的保护。

中翰软件：专注数据治理17年（http://www.jobhand.cn）

免责声明：本网站所发布的文章为本网站原创，或者是在网络搜索到的优秀文章进行的编辑整理，文章版权归原作者所有，仅供读者朋友们学习、参考。对于分享的非原创文章，有些因为无法找到真正来源，如果标错来源或者对于文章中所使用的图片、连接等所包含但不限于软件、资料等，如有侵权，请直接致电联系，说明具体的文章，后台会尽快删除。给您带来的不便，深表歉意。