# 报告库
开放数据中国在过去几年中陆续出品的翻译本报告和原创报告如下：
### 原创报告
1. [中英开放数据发展与合作](/untitled-1)
### 翻译报告
1. [开放数据在政府：变革之路](/untitled)
# 中英开放数据发展与合作
## 关于本报告
《中英开放数据发展与合作》报告由中国工业设计研究院委托高丰博士编写，项目得到了英国联邦与外交事务部中国繁荣基金的资助。
本报告的所有观点均为作者本人所有，不代表委托方中国工业设计研究院及资助方英国联邦与外交事务部。
关于报告的任何事宜，请通过 [\[email protected\]](https://opendatachina.gitbook.io/cdn-cgi/l/email-protection) 联系
## 关于作者
高丰博士，独立开放数据咨询顾问，英国南安普敦大学计算机科学博士，北京邮电大学计算机科学与技术学士。
高丰自2013年起担任英国开放知识基金会(Open Knowledge)中国大使，于2014年发起开放数据中国(opendatachina.com)，一直致力于开放数据领域的倡导、研究和创新。他已先后与英国开放知识基金会、世界银行、瑞士Lift、中国工业设计研究院、复旦大学等国内外机构开展合作。他也是开放数据指数和开放数据晴雨表的贡献者。
## 关于中国工业设计研究院
中国工业设计研究院是由中国工业设计协会和上海市经济和信息化委员会共同筹建，得到了国家工信部和上海市政府的支持。中国工业设计研究院承办了上海市开放数据创新应用大赛（SODA）并在大数据领域提供创新开发和应用的咨询服务。
# 前言
## 1.1 背景
Open Data，开放数据，是全球各国政府面临的新挑战和机遇。
在2014年由澳大利亚 Lateral Economics 所发布的《Open for Business：How Open Data Can Help Achieve G20 Growth Target》报告中就明确指出，开放数据将能够帮助G20国家在5年内实现1.1%的GDP增长，而单这一项带来的增长就已占到了G20国家5年GDP增长总目标的50%。
面对开放数据所能带来的巨大潜能，中国也正推动全国范围的数据开放。2015年9月，国务院办公厅发布了《促进大数据发展行动纲要》，设立了2018年上线国家级开放数据平台，2020年逐步实现交通、医疗、卫生、环境、气象、企业登记监管等领域数据向社会开放的目标。
然而，与宏大目标相对的，是当前中国开放数据实践欠佳的现实。根据国际第三方评估「开放数据晴雨表(Open Data Barometer)」2014年版的结论，中国的开放数据实践仅排名46位（共86个国家）。而由开放数据中国和复旦大学数字与移动治理实验室共同开展的「开放数据探显镜」也反映当前开放数据总量低，可机读性比例不高，数据多静态，且更新不及时的问题。同时，当前政策和管理机制的不完善，隐私保护法律的缺失，数据权属不清，数据交易和数据开放间的博弈，也都使得中国开放数据发展的前景不明。
面对如此巨大的挑战，中国或许可以从其他国家的经验教训中获得启示和帮助。英国作为连续两年夺得世界开放数据绩效第一的国家，在开放数据领域有其独到的方法和经验。由其国家财政支持的开放数据研究院（ODI）更是在世界范围内催化开放数据文化，孵化开放数据企业。
在这样的背景下，中国工业设计研究院和英国驻华使馆开展了中英开放数据交流的项目。该项目得到了英国外交和联邦事务部中国繁荣基金的资助，涵盖了三次交流互访：
1. 邀请英国开放数据研究院前来上海与上海开放数据团队交流沟通，并作为评委出席上海开放数据创新应用大赛决赛。
2. 邀请英国开放数据研究院前往北京，会同国家信息中心、国家行政学院交流开放数据的发展问题，并探讨可能合作方向。
3. 由上海开放数据团队组团（2人）前往英国伦敦考察开放数据发展，拜访英国开放数据研究院、伦敦开放数据团队等。
项目期望通过这三次交流，建立起中英双方在开放数据上的合作基础，加深双方对各自在开放数据及相关应用领域上工作的了解，进一步推动上海开放数据的发展，加速成果转化和生态圈形成，并借助英国专家的经验，改善自身实践。同时，双方的交流也将确定一批可能的合作方向，在开放数据政策、开放数据项目实施、开放数据研究、开放数据商业等方向上加深双方的交流并促成实际的合作。
本报告也即在此背景下受中国工业设计研究院委托所写，希望能够对中英两国当前开放数据的整体情况和发展脉络予以一个简单明了的梳理，并基于此次中英交流项目开展的成果，展望未来中英两国在开放数据层面的可能合作。
## 1.2 方法
本报告中所指称的“开放数据”，采用了英国开放数据研究院（Open Data Institute）的定义，即开放数据是任何人可以自由获取、使用并且分享的数据。所谓“自由”，即指从技术层面而言，数据机器可读便于无技术限制使用，而从法律层面而言，则指数据授权在开放授权协议下，数据版权方不限制数据使用的目的和人群，以及不限制数据的再次传播。
同时，有鉴于目前中国开放数据发展的实际情况，在无特殊说明的情况下，本报告中所指的“开放数据”均为来自政府的开放数据。
本报告在编写过程中，采用桌面调研方式，查阅文献并梳理出报告中涉及中英两国开放数据发展的历程和现状，也囊括了本身由作者已完成的部分研究内容。而除此之外，本报告也借由2015年中英开放数据合作项目的渠道，对项目中涉及的中英两方人员进行了访谈和问卷调查。因此本报告中的部分内容和数据直接引自访谈和问卷结果，亦有部分内容由作者引自或总结自中英双方人员交流会议的会议记录。
# 中国开放数据发展概览
## 2.1 中国开放数据的发展动机
2015年8月30日发布的《促进大数据发展行动纲要》是中国第一个明确推动数据开放的国家层级政策文件。该文件中对中国政府开展数据开放的主要动因总结道：「推进数据资源向社会开放，增强政府公信力，引导社会发展，服务公众企业」，具体来看：
一是要通过数据开放进一步改革社会治理模式，提升公共服务模式，从而增强政府自身公信力。沿着这一路径，我们可以理解中国数据开放的将会进一步打造精准治理，促进政府监管和社会监督有机结合，有效调动社会力量参与社会治理的积极性，并通过数据的开放促进多方协作，形成共治共商的社会治理新模式。而从公共服务角度而言，数据开放可以进一步推动服务型政府的建设，用于构建以人为本、惠及全民的民生服务新体系。政府数据的开放将会充分调动市场力量，针对公用事业、市政管理、城乡环境、农村生活、健康医疗、减灾救灾、社会救助、养老服务、劳动就业、社会保障、文化教育、交通旅游、质量安全、消费维权、社区服务等领域提升服务的质量和覆盖能力。
二是要引导社会发展，建立运行平稳、安全高效的经济运行新机制。通过数据的开放，可以进一步提升信用、财政、金融、税收、农业、统计、进出口、资源环境、产品质量、企业登记监管等领域发展的透明性，实现社会对经济运行更为准确的监测、分析、预测、预警，提高决策的针对性、科学性和时效性，提升宏观调控以及产业发展、信用体系、市场监管等方面管理效能，保障供需平衡，促进经济平稳运行。
三是要开启大众创业、万众创新的创新驱动新格局。形成公共数据资源合理适度开放共享的法规制度和政策体系，通过率先开放信用、交通、医疗、卫生、就业、社保、地理、文化、教育、科技、资源、农业、环境、安监、金融、质量、统计、气象、海洋、企业登记监管等重要领域数据，带动社会公众开展大数据增值性、公益性开发和创新应用，充分释放数据红利，激发大众创业、万众创新活力。
## 2.2 中国开放数据的发展目标
《促进大数据发展行动纲要》将开放数据工程列为了十大关键工程之一，设定了如下目标：
一是要制定工作计划和发展标准。《纲要》明确指出，政府部门和事业单位等公共机构应梳理并发布数据资源清单，制定公共机构数据开放计划，落实数据开放和维护责任，从而统一汇聚公共数据资源，集中向社会开放。进一步而言，《纲要》也针对数据的标准提出了要求，指出应当提升提升政府数据的一致性和准确性，从而促进互联互通，提高共享能力。
二是要建设统一开放平台。《纲要》中明确设定了发展的时间节点，要求在2018年底前，建成国家政府数据统一开放平台，并在2020年底前，逐步实现信用、交通、医疗、卫生、就业、社保、地理、文化、教育、科技、资源、农业、环境、安监、金融、质量、统计、气象、海洋、企业登记监管等民生保障服务相关领域的政府数据集向社会开放。
三是要改革数据采集形成机制，引导非政府单位的数据开放。《纲要》指出，应当建立政府和社会互动的大数据采集形成机制，强调大数据时代，政府非唯一数据源，应当积极寻求以数据为要素的政府机构和社会力量的合作，优势互补，建立数据采集到汇流的机制。而更进一步，在推动政府数据开放的同时，塑造全社会数据开放文化，引导非政府机构例如企业、行业协会、科研机构、社会组织等主动采集数据并开放数据。
## 2.3 国家层面现有开放数据计划
#### **国家统计局**
国家统计局在2013年上线了其重新改版的网站「国家数据」(data.stats.gov.cn)，是国内第一个国家级公共机构推出的可自由下载、利用、传播数据的数据门户。
「国家数据」的数据内容涵盖了国家统计局职能范围内所采集汇总的各类统计数据，按照采集时间频度分为月度数据、季度数据、年度数据，按地域分为地区数据、部门数据和国际数据。平台除提供了数据下载之外，亦提供了数据的在线可视化和统计分析功能，便于使用者基于开放数据获取即时的洞见。
#### **国家气象局**
国家气象局所推出的「气象数据开放平台」面向开发者提供了2个API接口，一为普通气象接口，包含369个地级市的3天气象预报及三个气象指数（穿衣指数，舒适度指数，晨练指数），二为常规气象接口，包含国内全站2566个县级以上城市未来3天常规预报以及三个气象指数。
#### **国家林业局**
国家林业局的中国林业数据开放共享平台（data.forestry.gov.cn）于2016年上线，据相关新闻报道所称，其对国家林业局各司局各直属单位以及全国各级林业主管部门多年形成的各类数据成果资料、国内外各类公开的林业信息资源进行整合，同时开放数据上传平台，丰富各类林业数据，建成了中国林业数据开放共享平台。
#### **国家农业部**
国家农业部于2015年年底发布了《推进农业农村大数据发展的实施意见》，其中明确指出：
「推进数据共享开放。整合农业部数据资源，统一数据管理，实现数据共享。农业部各类统计报表、各类数据调查样本和调查结果、通过遥感等现代信息技术手段获取的数据、各类政府网站形成的文件资料、政府购买的商业性数据等在国家农业数据中心平台共享共用。通过项目资金安排带动数据资源整合，除国家规定保密的数据外，对不共享、不按规定开放数据的，严格控制安排相关项目资金。通过内部整合和外部交换，逐步推进部内司局之间、涉农部门之间、中央与地方之间数据共建共享。编制农业农村大数据资源开放目录清单，制定数据开放计划，推动各地区、各领域涉农数据逐步向社会开放，做到数据应开放尽开放，提高开放数据的可利用性。」
#### **国家环保部**
国家环保部于2016年发布了《生态环境大数据建设总体方案》，其中明确指出：
「推进生态环境数据开放。建立生态环境数据开放目录，制定数据开放计划，明确数据开放和维护责任。优先推动向社会开放大气、水、土壤、海洋等生态环境质量监测数据，区域、流域、行业等污染物排放数据，核与辐射、固体废物等风险源数据以及化学品对环境损害的风险评估数据，重要生态功能区、自然保护区、生物多样性保护优先区等自然生态数据，环境违法、处罚等监察执法数据。依托环境保护部政府网站建设生态环境数据开放平台，提高数据开放的规范性和权威性。」
## 2.4 地方层面现有开放数据计划
地方层面上，以上海、北京为代表的地方政府则从2011年起便陆续启动了自己的开放数据计划。截至到2015年年底，已至少有11个地方上线了开放数据门户。此外，亦有深圳、广东、威海、常德等地已经陆续启动了相应工作，只是正式的开放数据门户尚未上线。
从目前地方开放数据计划地域来看，目前普遍仍旧集中于沿海或长江流域地区。这些地方普遍有着较好的经济基础，较优秀的信息化底子，具备一定的资源和动力来开展相应工作。
地方政府开放数据计划
## 2.5 其他类型开放数据计划
#### **上海图书馆开放数据平台**
上海图书馆开放数据平台（data.library.sh.cn）于2016年上线，是目前中国第一个文化类非政府职能机构的数据开放平台。其所提供的数据为关联开放数据（Linked Open Data），以API形式对外开放。目前内容囊括中国历史纪年表、地理名词表和机构名录。
#### **海航数据开放平台**
海南航空公司旗下海航云科技技术研究院建设了海航数据开放平台（data.haihangyun.com），其有航空、旅游、物流、金融、商业等15个分类，以数据开放API为主要形式向社会进行数据开放。开放内容包括海航集团各成员企业可开放的各类数据，以及互联网其他数据开放平台上各企业组织网络免费数据开放资源，为企业和个人使用海航集团企业数据开展信息资源的社会化开发利用提供数据支撑。
#### **北京大学开放研究数据服务平台**
北京大学开放研究数据服务平台（opendata.pku.edu.cn）是由北京大学设立的旨在推进「开放科学」的科研数据开放平台。其目前囊括了北京大学中国调查数据资料库，北京大学可视化与可视分析研究组开放数据，北京大学生命科学学院生物信息学中心等跨学科的开放数据。
## 2.6 国际第三方评估
开放数据晴雨表 是由万维网基金会（Web Foundation）所启动的一项第三方独立评估。
### 评估方法
其评估针对国家级开放数据计划，从「准备度」、「关键数据」、「影响力」三个层面来评估每一个国家在开放数据上的进展。每一个国家的调研由一名研究人员独立完成，然后由一名审稿人审阅和研究主管复审。除此之外，晴雨表也联系各国家政府，期望由一名相应国家工作人员对所有调研问题进行回答，与研究人员的调研相结合，最后产出结果。
对于评估维度中的「准备度」而言，其主要考察了政府、社会团体、企业三个利益相关者对开放数据的准备程度。具体来说，对于政府，准备度意味着「是否有信息公开/隐私保护的法律」、「是否有国家层级的开放数据政策」、「地方政府是否开展开放数据计划」、「是否有竞赛等形式鼓励开放数据创新」；而对于社会团体和企业而言，则意味着「社会团体和企业是否积极参与开放数据的利用」、「是否有面向社会团体和企业的开放数据培训项目」等。
而对于「关键数据」，晴雨表则挑选了15个分别关于「政府公信力」、「社会发展」、「创新」的关键性数据集，评估该国家是否存在满足要求的数据，数据是否可机读，是否开放授权等。
最后从「影响力」角度来说，晴雨表要求基于已有的实证材料如媒体报道、论文等来评估该国家是否已经有因为开放数据而带来的「经济」、「政治」、「社会」的影响力。
### 评估结论
在2013年的开放数据晴雨表中，中国排位第61位（共77个国家），而在2014年的评估中，则上升了15位，位列第46位（共86个国家）。
从评估结果来看，中国排名上升，主要归功于2014年间，创业者和企业对开放数据的关注，且地方政府如上海、北京都先后开展了比赛来宣传开放数据并激励数据的创新使用。此外，2014年的评估中也体现了当前关键性数据集的开放性有所进步，且一些数据得到了一定程度的利用，有相关媒体报道了使用后所达成的初步影响力。
但从整体排名来说，中国尚处于中间位置，同西班牙、匈牙利、菲律宾等国家一样被归属于「正在崛起」的类别。此类别的特点是，虽在开放数据的进展中有所创新，结合本地特色开展工作，但仍旧面临诸多严峻的问题，例如体制机制的不完善，法律的缺失等。
而在从G20国家来看，中国的排名则仅仅优于沙特阿拉伯，排位第19。结合澳大利亚 Lateral Economics 所发布的《Open for Business：How Open Data Can Help Achieve G20 Growth Target》报告来看，中国若想要实现报告中所指的依靠开放数据增进GDP增长，那还有很长一段路要努力。尤其是，中国在15个关键数据的开放性上，仍旧需要进一步开放可以用于「创新」的数据，比如国家地图、企业登记注册信息等，这样才能更进一步地推动开放数据的利用，形成正向循环。
## 2.7 国内第三方评估
国内第三方评估由开放数据中国联合复旦大学数字与移动治理实验室在2015年启动。该项名为「开放数据探显镜」 [(http://opendatalens.cn/)](http://opendatalens.cn/)的项目致力于全面扫描发展动向，深度探测现状成果，细致显微问题经验。在第一期的评估中，该项目针对中国的7个地方开放数据计划展开工作。这7个地方分别是：北京、上海、武汉、无锡、湛江、宁波海曙、佛山南海。
中国开放数据探显镜的评估框架是基于「通用评估框架(Common Assessment Framework」的。考虑到中国国情及当前推进开放数据门户建设的迫切需求，评估团队建立了三层评估模型，围绕「平台层」、「数据层」、「基础层」开展评估，其中：
基础层，全面考察地方开放数据计划的组织架构和管理机制、政策和法律框架以及地方经济和社会发展水平。
数据层，则更为侧重已经发布的数据数量，基于开放知识基金会的「开放知识定义」评估数据的开放性（如是否可机读），并考察数据元数据完整性、时效性和易用性。
而针对平台层，评估则从平台的功能和体验两方面着手。一方面考察平台是否提供了完备的数据导引、数据获取、数据应用、互动交流的功能，另一方面基于这些功能考察其相应体验及门户整体界面体验。
### 基础层评估结果
从基础层来看，当前各地方开放数据计划中仅有上海、南海两地得到了行政长官的公开支持，上海副市长周波、南海（前）区委书记邓伟根都在公开场合发言支持开放数据并有媒体报道，而其他地方虽有相应主管单位领导的支持，但地方行政长官在公开场合的发言支持尚未体现。
而从地方开放数据工作计划角度来看，目前上海是唯一一个有明确公开开放数据工作计划的地方。其发布的《上海市政务数据资源共享和开放年度工作计划》不但明确了整体的战略部署和年度目标，也清楚列明当年的数据开放重点领域清单：2014年计划开放190项数据集，2015年计划开放428项数据集，这份工作方案同时明确了开放政府数据项目相关的配套项目建设（例如政府数据共享政策和平台的完善）。 而在其他地方，目前只有与智慧城市、大数据等相关的公开性的政策文件，并未对开放数据专门公开发布相应政策，也为公开相应工作方案。
从管理体制而言，目前各地方一般都由原有的信息化主管单位比如当地的经济和信息化委员会负责统筹和管理开放政府数据项目，其行政级别一般与其他部门（数据发布单位）相同。目前在管理体制上，南海和上海有一定的创新突破，其主要体现在两地都明确了主管单位的职能和权限，比如南海成立了数据统筹局统筹本地一切数据事宜（包括数据开放），而上海也在2015年初将原有经信委信息化推进处更名为大数据发展处，明确体现其在大数据时代的新定位和职能，统筹推进开放政府数据工作。
### 平台层评估结果
从平台层来看，当前各地方开放数据门户的建设普遍能够满足基本的数据导引和获取，但在与用户的互动交流上、数据获取的便捷性上、以及数据应用的展示上仍旧存在诸多问题：
在互动交流方面，虽然多数地方的开放数据平台都提供数据评价功能以及数据请求功能，但多数需要用户注册登录，缺乏便捷性。其次，平台的互动交流功能缺乏及时有效的回应，有些开放数据平台虽然提供了单个数据集的评价功能，但是经过评估团队实验，实际情况为可以提交评价、但一直没有在网页上显示，至于原因是审核尚未或未曾通过，还是评价功能“有名无实”，则不得而知。
而在数据获取方式方面，平台的数据获取普遍缺乏便捷性，大多都必须进行事先的注册登录，且平台注册难度较大，不利于民众快速、便捷地获取平台数据，由此对民众的积极性和满意度有一定的负面影响。而且，多数地方的开放数据平台都未提供数据内容的预览功能，有些开放数据平台即使提供了这一功能，也只是提供了部分数据内容的预览；有些开放数据平台则仅以图片形式或者站外链接的方式来实现这一功能，不利于为公众创造便利的数据获取体验。
而最后，对于数据应用而言，各地方的开放数据平台所提供的数据应用数量还较少。有些平台虽然开设了数据应用频道，但是平台上现存的“应用”并非可下载、可使用的数据应用，而仅仅是功能测试之后的结果；有些平台虽然提供了可下载、可使用的数据应用，但大多并未利用本站数据，或仅仅浅层次地运用了地理位置等基础数据，或即使利用了本站数据也并未对具体使用了哪个数据进行说明；有些平台提供的“数据应用”名不副实，实际上是地方政府部门的政务业务处理系统，是开放数据的来源，而非是数据开放后的实际应用。
### 数据层评估结果
从数据层来看，当前各地方存在数据数量整体偏少且可机读比例低、数据多为静态且不按时更新、数据授权协议条款模糊的问题：
就数据数量和可机读性而言，大量高价值，且不涉及到国家安全、商业机密和个人隐私的数据尚未能开放，截至2015年5月，受调研地区的总数据发布量仅为2000个数据集。而各地平均可机读比例仅81%，其中上海发布的可机读数据数量最多（398），北京海曙则发布可机读数据比例最高(100%)，而武汉所发布的数据中46%的数据为不可机读数据，其中大多以PDF或数据可视化截图代替可机读数据发布。
而从数据的更新频率来看，目前各地方所发布数据中平均86.25%的数据是静态数据（以年为单位更新，或按需更新）。在如此低比例的动态数据的前提下，各地数据更新情况仍旧无法令人满意，仅17.21%的数据按时得到了更新，大量数据虽然清晰标明了更新频率但是均未真正实现承诺。
最后从数据授权角度而言，目前各地方都采用了网站免责条款/用户协议的形式对所发布的所有开放数据进行了一次性整体授权。但在相应条款的编写上，则存在较为严重的问题，尚不符合开放数据的法律开放性的原则。主要体现在两个方面：一个是部分地方的授权协议中含有明显有违数据开放性的条款，比如“不得有偿或无偿转让在本网站中获取的各种数据资源”。二是协议中通常对用户的权利含糊不清，未能明确、清晰地赋予和保障使用者的相应权利，比如多个地方都没有条款来明确使用者拥有自由分享传播的权利
## 2.8 社会对开放数据之认知
社会对开放数据的认知和态度将会决定社会力量参与倡导并利用开放数据的程度。
2015年初，开放数据中国针对当前中国社会各界了解开放数据的程度进行了一次小规模的问卷调研。参与问卷的人群主要来自北京、武汉、上海三地，工作在政府、高校、规划院、NGO等。在收到的近200份答复中，80%的人认为数据免费等同于数据开放。从这一点来说，对于社会大众而言，现阶段的主要焦点还是在于是否能够访问到政府的数据，而不是关心这样的数据是否能够易用（可机读）、是否可以自由使用（开放授权性）。一方面是因为长久以来政府数据对于社会大众而言过于封闭，所以大众在现阶段最关心的是政府数据能否不那么封闭。另一方面，也说明开放数据作为一个新兴概念尚未在社会普及。
而在问卷调研中，开放数据中国关心的另一个问题则是对于现有的开放数据门户，社会大众是否了解他们的存在？问卷调研的结果显示，50%的人群从未听说过任何一个开放数据门户，但其中最早的开放数据门户（上海）早在2012年就已上线。这也暴露出目前政府在运作开放数据项目时，对社会大众的推广宣传的力度不足，不但开放数据这一概念尚未能够很好地得到普及，连作为项目核心用于提供数据资源的开放数据门户也未能得到足够的推广宣传，吸引社会大众的使用。
而在2015年下半年，开放数据中国针对SODA的参赛人群开展了二次调研。面向SODA的参赛选手，开放数据中国在SODA比赛后发放了比赛反馈问卷其中包含了2015年初的认知问题部分，参赛选手可自愿选择是否回答。在总计135份的答卷中，100%的参赛选手知晓datashanghai，60%的人明确知晓数据免费不等同于数据开放（较2015年初改善40%）。而这种变化的一种可能原因则是因为SODA作为一个文化改变的契机，使得更多人能够具象地了解到底什么是数据开放，从而更好地理解其概念并作出判断。
# 案例：上海开放数据发展
## 3.1 上海开放数据的发展路径
上海市政府长期以来在政府信息透明化和重利用的工作上都在寻求积极的前沿探索。
### **试点阶段（2011-2013）**
2011年，上海市政府启动了关于《加快推进公共信息资源向社会开放促进信息服务业发展》的研究，从理论层面论证上海开展数据开放工作的必要性、紧迫性和可行性。基于该项研究的成果，由市经济和信息化委员会与上海市政府办公室信息公开办牵头，推进上海市的开放数据工作。
2012年2月，市政府明确由市政府办公厅、市经济信息化委牵头，正式启动由市公安局、市规划局、市交通委等9家单位参与的开放数据试点工作，推开了上海数据开放工作的序幕。
试点工作的第一阶段，主要以各试点单位在原有政府机构官方网站开设数据服务专栏为主。通过在网站开设特定专栏，以网页表格形式提供数据清单，便捷利用方下载数据。
而与此同时，上海市经信委委托万达信息股份有限公司开发了综合性的开放数据门户，并于2012年6月上线了全国第一个开放数据门户 datashanghai.gov.cn。该平台的上线是中国在开放数据领域所迈出的第一步。
在对外开放的同时，上海市经信委同时搭建了上海市信息资源目录管理系统，以试点单位为基础，开始梳理并编目政府数据资源，基于各部门自行梳理并编制的数据资源目录，促进政府部门间的资源透明程度，激励部门间的数据共享，并在此基础上，进一步推动数据对社会开放。
### **推进阶段（2014-至今）**
而从2014年起，上海市经信委基于试点情况，开展了上海市开放数据工作的全面推进。在此阶段，经信委对其资源目录编制工作开展了全面深化推进，以4:3:3的分配比例要求各部门在2014-2016三年内有序梳理自己部门所掌握的数据资源，按照实际工作情况和需求确定数据共享和公开等级。同时，针对政府信息资源服务平台管理办法的立法开展调研，明确政府数据采集、发布、更新、安全保障等工作规范。并逐步将政府数据共享和开放工作纳入市信息化项目竣工验收和运维预算管理体系，作为市政府信息公开年度评估内容之一。
与此同时，上海市经信委公开发布了《上海市政府信息资源向社会开放工作计划》，明确年度工作任务和重点开放领域，确定年度数据开放的数量目标要求，以及数据内容类型要求，共涉及交通、教育、科技、金融、健康卫生、公共安全、公共文化等领域的政府数据。在2014-2015两年的工作推进中，上海开放数据门户的数据数量从原有200余条增至500余条再至800余条，且同时从原有静态数据开放突破至以应用程序接口开放的动态数据。
在底层建立工作机制推进数据资源梳理和开放的同时，上海市经信委同步推进了datashanghai门户的改版。该项工作全面改善了第一版网站的版面样式及数据分类方式，以信息展示、需求评价、数据产品开发、用户分析为重点重组了网站信息架构并开设了用户需求提交和App栏目。进一步，为了迎合当前用户群体移动浏览的特点，datashanghai网站也同时做了移动端优化，推出了移动版的datashanghai门户。
而针对上海开放数据的生态建设，上海市经信委也利用专项资金、应用竞赛等各类手段，建立鼓励各类社会主体利用开放数据的机制。
2014年，上海尝试举办了第一次应用竞赛，面向社会大众征集利用公共数据资源的创意。该项比赛吸引了17支队伍提交作品，最终由上海交通大学的参赛团队以一项改革垃圾回收服务的“金金回收”应用创意摘得桂冠。回顾此次大赛，并未能充分吸引社会力量参与，究其原因有三点：第一，并未能向参赛者提供有价值的参赛数据；第二，并未框定比赛主题，导致参赛主题的不明确与评审的困难；第三，并未能真正市场化运作，激励市场响应政府数据开放的新变革。
在2014年的基础上，上海市经信委联合上海市交通委于2015年共同主办了第一届上海市开放数据创意应用大赛（SODA，Shanghai Open Data Apps），聚焦于交通领域激活开放数据潜能。该项比赛不同与2014年的大赛，其由中国工业设计研究院承办，充分调动市场积极性，并吸纳社会力量如高校（复旦大学、上海交通大学）、企业（美蒽朗）、民间团体（开放数据中国）参与大赛的设计和运作。SODA大赛同时通过经信委和交通委的协调，获取了超过1TB的来自地铁、强生出租、微博、气象局等多个渠道的交通及交通相关数据。此次大赛吸引了近5000人的报名，共形成800多支队伍，收到参赛作品超过500件，不但进一步提升了社会参与并利用政府开放数据的意识和积极性，也同时真正通过政府数据开放为政府本身带来问题解决的新思路和做法。
## 3.2 上海开放数据发展的优秀实践
### **完善机制体制**
上海开放数据的发展离不开政府对相应机制体制的完善。
从体制上而言，上海市经信委下专门从政府数据战略考量出发，设立了大数据发展处，统筹大数据领域内的数据交易、共享和开放事宜，能够更好平衡交易、共享和开放间的博弈，并在推动宏观概念上的数据流通时，通过不同的方式加以探索路径，逐步向开放过度。
而从机制角度而言，上海市目前已经出台了《上海市政务数据资源共享管理办法》、《政务信息资源共享与交换实施规范 第1部分：目录元数据》等文件，加强对政府内部数据的标准化管理，建立起标准的数据流通机制，从而保障了政府数据能够更为轻易、有序地向社会开放。
### **公开透明发展**
上海开放数据工作中值得称道的一点是将其工作的计划内容予以公开发布。
在由上海市经信委拟定并公开发布的《上海市政府信息资源向社会开放工作计划》中，上海市经信委除了对社会公布其本年度的工作目标、工作任务以及工作要求外，也一并对社会公开本年度计划开放的数据清单，并要求各部门依据此清单进一步细化自身的数据释放计划，且细化后的数据清单也要公开发布。
### **调动市场活力**
上海的数据开放工作并不仅仅依靠政府单方面推进，通过市场合作、政府采购等方式，上海市经信委充分调动市场的积极性，让专业的人群来办专业的事，全面推进数据开放的进程。
从合作角度而言，上海市开放数据创新应用大赛便是最佳的案例。在承办单位中国工业设计研究院组建的组委会中，上海市经信委也占一席，与来自学界、企业、民间团体的组委们共同合作，商定比赛的目标、策略，并在充分讨论调研数据需求后，配合大赛需要，响应市场需求，通过发挥其本身行政力量，说服并推动相应部门和单位的数据开放。
从政府采购角度而言，上海市经信委管理下的信息化专项资金面向社会采购“政务数据资源共享和开放绩效评估”、“政务数据示范性应用”、“公共数据资源开发利用的宣传推广、技能培训”等服务。通过政府专项资金调动市场积极性，在特定专业问题上信任市场力量，将专业的事情交给专业的人群，通过「政府提供资金-市场提供服务-政府落实工作」的方式，进一步推进了上海市的数据开放工作。
## 3.3 上海开放数据生态圈初窥
### **复旦大学数字与移动治理实验室**
复旦大学数字与移动治理实验室（DMG）成立于2010年，致力于对政府治理在数字时代所面临的新机遇和新问题进行学术研究、应用实验与决策咨询。力求在开展理论研究的同时，推动信息化在政府治理中的应用。
在开放数据问题上，实验室主要针对政府数据开放展开了咨询和研究，具体成果有：
1. 承接2014国家自然科学基金面上项目：「大数据背景下开放政府数据的因素与机理研究：系统动力学建模与政策仿真」从开放数据生态角度解析并研究中国开放数据的发展，促进供需平衡和良性循环。
2. 协同开放数据中国及世界银行组织上海开放数据论坛，邀请国内外开放数据专家和政府机构探讨开放数据的生态圈建设，吸取同行及国外建设经验。
3. 承接上海市经信委课题，为其开展2016-2018年三年的数据开放规划工作。针对现有的数据编目目录及国家政策和民生需求，为上海市经信委产出了三年共15个不同主题的数据规划内容。
4. 作为SODA组委会成员之一，构思SODA的名称及使命，为SODA的选题和案例追踪评估提供咨询。
协同开放数据中国开展中国开放数据探显镜项目，作为独立第三方评估中国地方层级的开放数据绩效，并给出改进建议。
### **开放数据中国**
诞生于2014年的开放数据中国（opendatachina.com）一直从民间倡导数据开放，推动开放数据的生态建设。在近年内，借由上海市开放数据创新应用大赛和政府及其他利益相关者展开了合作。
开放数据中国起源于英国开放知识基金会，自2014年2月成立以来，主要从三个方向推动中国数据开放事业：
1. 推进中外开放数据交流，提升中国数据开放能力：开放数据中国在2014年和世界银行及复旦大学组织了第一届上海开放数据论坛，而在2015年又筹划了第二届上海开放数据论坛。论坛邀请了英国、美国、世界银行等国际机构代表，同与会的上海开放数据团队及其他省市开放数据团队进行了交流。
2. 追踪中国开放数据发展，评估开放数据绩效：开放数据中国长期追踪中国开放数据的发展，并整理汇总了“中国大陆开放数据发展时间线”。而在2015年，开放数据中国更是联合复旦大学数字与移动治理实验室对中国地方上的8个开放数据计划开展了第三方评估。
3. 宣传开放数据案例，组建开放数据社群：开放数据中国的一个主要目的是连接利益相关者形成良好生态，为此，开放数据中国推出了INSPIRE开放数据案例库，用于向政府和公众宣传开放数据所能带来的变化。同时，开放数据中国长期策划组织线下活动，凝聚关注开放数据的群体，开展黑客松、培训、共创活动来推进政府-公众的合作，并进一步推动数据的开放。
### **中国工业设计研究院**
中国工业设计研究院主要通过SODA大赛组织和项目孵化来推进上海开放数据的发展。
中国工业设计研究院是由中国工业设计协会和上海市经济和信息化委员会共同筹建的专注于工业设计、服务设计、大数据战略设计的企业。自2015年开始，中国工业设计研究院承办SODA大赛，着手推动上海开放数据的需求端建设，通过市场化运作，吸引社会人士特别是创业人群对开放数据的关注，从而加速开放数据的成果转化，提高利用率，并携手政府、孵化器等共同探索开放数据应用的落地方式。
围绕SODA大赛，中国工业设计研究院也与英国驻华大使馆开展合作，奠定了中英开放数据合作交流的基础。其积极与英国开放数据研究院、Digital Catapult等开展交流，探索适合于中国的开放数据孵化器模式，并借助这些合作关系让SODA大赛走出国门，更好地吸引英国的创业者，发现中国开放数据所能带来的市场机遇，引入英国成熟的技术方案，从而进一步促进两国间的科技交流和商业合作。
### **OMNILab**
上海交通大学 OMNILab 是上海开放数据生态圈中的技术支撑力量。
OMNILab 是中国最早一批使用 CKAN 架设数据门户，并对外开放自采集数据的。在 OMNILab 的数据平台上（data.sjtu.edu.cn）目前开放有上海交通大学的环境传感器实时数据、校园一卡通数据、气象数据等内容，虽非十分丰富，但在技术的探索和试用上，为其他感兴趣开放数据和 CKAN 的人做了很好的示范。
同时 OMNILab 也为上海的SODA大赛提供了技术支持，为大赛提供数据清洗、存储的服务，作为身份上相对中立的第三方（非政府、非营利企业），其很适合承担这样的任务来优化现有政府的供给，同时确保了数据本身的安全性。
OMNILab 亦和上海气象局合作，研发可穿戴的气象传感器，通过招募志愿者佩戴，测试大规模人群的移动气象感知，并逐渐探索可持续开展的方案。相应的数据未来也将通过开放数据的形式提供给社会加以分析利用。
# 中国开放数据发展的共性问题
## 4.1 如何界定开放数据的范畴
对于中国开放数据工作的决策者而言，如何基于现有的信息公开的工作进一步确定开放数据的范畴是最主要的问题。
这不仅事关于确定开放数据的工作范畴（哪些内容开放），也事关于主管部门如何确保在工作推进中本身不受到国家秘密、国家安全等因素的阻挠。唯有明确确定内容的范畴，才能更好的基于现有的法律框架来推进相关部门的配合。
从国际共通的开放数据基本原则来讲，开放数据的底线是排除个人隐私、国家秘密和商业秘密的数据，但在具体如何界定个人隐私、国家秘密和商业秘密的问题上，则是在过去近10年的信息公开工作中都未能明确的。这也就给中国的开放数据工作带来巨大的挑战，在数据交易、数据开放、数据共享三者之间如何清楚界定不同数据可以流通的准则和地方的时间标准，都将是地方的决策者和实践者都需要去探索，并需要具体的答案的。
同时，随着本身中国法律的逐步完善，以及科技的不断进步，对于同一数据内容的开放与否，可能在不同时间点都会有不同的态度和意见，而这也就相应带来更为复杂的决策过程。英国开放数据研究院所推出的「数据光谱（Data Specturm）」也就描绘出数据的本身流通属性（例如开放 v.s. 不开放）是十分多元的，很难静态地来决定一个数据本身的流通属性，而需要结合本身的发展需要、本地法律情况等多方面因素，来作出决策，甚至就此推动相应内容的尝试和突破。
## 4.2 如何激励或要求部门提供数据
另一多个地方政府及相关国家机构都感兴趣的问题是，如何才能更好激励或者要求掌握有数据的部门来提供数据。
目前在中国，开放数据的管理机制中通常是由本地负责信息化工作的职能单位来负责开放数据工作的政策制定和具体工作的协调开展。其行政等级多数情况下是平行于其他掌握数据的职能部门的，但有时也可能高于或低于其他部门。在这样的情况下，一般此类开放数据的主管部门仅能通过手中掌握有的信息化项目财政预算的审批权力来「推动」相应部门的配合，但这样的方式并非长久之计，也不能真正得到相应部门对开放数据的支持，并让他们愿意主动开放数据，保持稳定的数据供应和更新。
同时，除这种「利益交换」式的方式去推进相应部门提供数据之外，以「绩效考评」的方式引入同行竞争，也可以推动相应部门去改变原有政策从而更为配合相应数据开放的工作，但这一方式的开展在中国目前尚属初期，目前可能仅有上海已经设立了相应的考评机制来，是否能够有效还需要时间来验证。
但实际上除了上述两种相对「被动」的推动方式之外，如何引入「主动」推动的激励方式是目前中国开放数据发展急需去探索的。所谓「主动」推动的激励方式即是要让数据提供部门能够了解到数据开放之后对于该数据提供部门能够带来的具体的好处，比如数据开放帮助该部门能够切实解决某一问题，降低某类信息公开的请求率等，将这种具体开放数据的ROI（投资回报）引入，通过宣传教育的方式，更好地吸引相应部门在开放数据工作规划中的产于，将会是中国开放数据发展接下来值得探索的方向。
## 4.3 如何建设、运营开放数据门户？
如何建设并运营开放数据门户则是另一个受人关注的问题。
目前中国开放数据发展的目标是在2018年上线国家级的开放数据门户，但其应当由谁来负责建设则是目前尚未确定的。而对于不同的政府部门或者地方政府而言，是否应该投入资源建立开放数据门户又或者是基于自身现有的政府网站提供简单的数据索引即可，则也是未曾有确定答案的问题。
另一方面，建设开放数据门户是否应该交给企业来主导？如果是的话，通过一定的政府招标流程即可完成工程的建设。但在这个过程中，是否意味着政府需要将数据的管理等内容一并外包给企业？这当中如何确保数据的安全？如果不交给企业来做，政府自身又是否有能力来完成相应的工作？
同时，开放数据门户是否应该通过标准化的云端服务完成？还是应当尽可能由本地开发商来客制化自身的数据门户？又或者是通过开源的系统，比如CKAN, 来完成数据门户的建设？这些都是目前各级政府面临开放数据这一项新工作时需要思考的问题，也是切实摆在面前的难题。
而当我们谈论其数据门户的运营时，事情将会变得更为复杂。如果政府自身来运营政府的开放数据门户，那么如何协调不同的政府机构来运营内容，如何做资源推广并和开发者建立联系，则都是政府不熟悉且不擅长的内容。但如果将其交由企业来做，又如何保证该企业不应管理或者运营开放数据门户而变为某种新的寡头，并引起新的「权力寻租」问题。
# 英国开放数据发展概览
## 5.1 英国开放数据的发展路径
### **培育阶段（1998-2009）**
早在90年代末期，英国公务人员和社会活动人员就已开始推动政府数据的开放。而1998年所发布的《信息时代的皇家版权》绿皮书则第一次为开放数据奠定了至为重要的道路。在这份报告中首次提出了一种“即点即用”（Click-Use）的授权方式，而这一方式在2000年得到落实，使得任何人可以在接受署名条款的前提下，商业化或非商业化自由使用任何授权在皇家版权下的内容。
而在2003年，欧盟通过了《重用公共信息法令》，为整个欧盟国家提供了开放数据的基本法律支撑。而在2005年，英国信息公开法的正式生效（1月）和欧盟《重用公共信息法令》的生效（11）则为英国进一步开展开放数据彻底完善了法律上的基础架构。
除了政府努力外，社会各界也在积极投入开放数据的运动。其中英国开放知识基金会一直引领着数据开放的讨论，对政府本身的政策提出了批评。而卫报所发起的「解放我们的数据」运动，则进一步推动了社会大众对公共数据开放的关注。
而在2008年，英国政府成立了「信息的力量」工作组，此小组由内阁办公室和来自政府、企业、社会团体的代表构成，并基于此，发起了「向我们展示更佳的做法（show us a better way）」竞赛，将一批原本封闭的数据例如统计普查、学校地址和统计、医疗信息等对开发者开放，从而诞生了例如「我的钱去哪儿了（Where Does My Money Go）」这样的优秀应用。
### **推进阶段（2009-2011）**
而在2009年，因为美国奥巴马政府的强势推动，美国政府正式开启了开放数据的运动，上线了为人熟悉的data.gov 平台。与此同时，英国也上线了 data.gov.uk，并见证了开放数据运动的高速发展。
如果说2009年前，人们尚不熟悉开放数据而多以「重用公共信息」来讨论问题，那么2009年则是整个文化变革的元年。无论是政府还是社会活动人士，都已经开始使用开放数据作为他们讨论的术语，并且积极推动本行业对开放数据的认知。
在2009年9月上线 data.gov.uk 后，英国政府任命了万维网之父 Tim Berners-Lee 与时任英国南安普敦大学教授的 Nigel Shadbolt 作为政府顾问，指导数据开放工作，并在2010年1月正式对外启动 data.gov.uk。而在2010年的大选中，卡梅伦作为保守党领袖发布了「保守党技术宣言」，号召英国应当改革法律，从而能够确保人们「获取政府数据的权利」。而之后，时任首相布朗则发布了「国家数字战略」，提议建立万维网科学研究院（Web Science Institute），但该计划随后在卡梅伦获选后遭到取消，转而建立了透明化委员会（Transparency Board）。
2010年9月，英国政府正式发布了「开放政府授权协议（Open Government License）」用于取代原有的「即点即用（Click-Use）」，而此为随后英国开放数据生态圈的发展奠定了夯实的基础。
2011年，英国作为8个发起成员国，共同组建了「开放政府联盟（Open Government Praetorship），并推出了第一个国家计划。
### **成熟阶段（2012-至今）**
2012年，原有的万维网科学研究院提案再次被提起，此次卡梅伦政府决定改建其为「开放数据研究院（Open Data Institute）」，并于2012年9月正式成立。
2012年5月，英国政府依据「需求驱动」的原则，建立了「开放数据用户组（Open Data User Group）」，任命 Heather Savory 为主席，负责响应用户对数据的需求，并充分调研满足数据需求的可行性和价值。
同年6月，英国政府发布了极具影响力的「释放潜能——开放政府数据白皮书」，并要求各政府部门制定工作计划。而在12月，德勤公司发布了「开放增长」报告，对英国开放政府数据的供需两端情况进行了调研。而此报告也为2013年5月发布的著名的「莎士比亚评估」报告奠定了基础。
「莎士比亚评估」报告指出「开放公共数据以满足政府透明化之需要，与制定国家数据战略来满足经济增长是截然不同的两条路线。如何建立合理的数据战略则是目前重中之重的问题」，为此提议英国政府必须要清楚界定数据权属，制定国家级数据战略，加速工作的开展实施，对基础设施和研究进行投入，确保生态体系中的信任。而英国政府随后也基于该评估，对英国数字化战略进行了调整和实施。
2013年，英国开放数据研究院与英国国家科学技术与艺术基金会共同开展了为期3年的英国开放数据系列大赛，涉及「食品」、「社会治安和犯罪」、「文化遗迹」等7个主题，选拔并孵化了一批有价值的新兴创业企业，并进一步推动了政府数据的开放。根据普华永道所做的竞赛影响力评估，大赛所投入的每1英镑，都能带来10英镑的回报。而在大赛基础上，英国开放数据研究院也进一步领导组建了欧盟开放数据孵化器，将英国模式输出到欧盟范围内，并于2015年和马来西亚政府合作，将该模式引进了亚洲。
## 5.2 英国开放数据优秀实践
### **建立用户需求调研和可行性分析机制**
英国开放数据用户组（Open Data User Group，ODUG）是英国政府于2012年发起成立的独立机构。其主席由英国内阁办公室任命，任期三年，但其所有小组成员均来自企业、非营利机构、大学等非政府机构。ODUG 成员每年更新一次，公开招募，个人提出申请后将由遴选委员会选拔，一般倾向于有商业背景、有开放数据利用实际经验和需求的申请者。
ODUG 的主要职责在于两个方面，一方面是设立用户需求的采集渠道，即在 data.gov.uk 门户上开辟一个功能，允许任何人提交数据需求，并由管理员汇集需求，基于涉及部门、内容类型、需求理由等对需求进行整理。
在收集需求后，针对高需求数据，ODUG 担负的另一个责任即是针对该高需求数据，调研其是否真正是高价值数据，且如果开放，能够带来怎样的影响力。在2012-2015年间，ODUG 针对英国税收数据开放的价值、英国国家地址数据的价值、英国国家土地交易历史价格数据的价值、英国邮政编码数据的价值、英国家庭医生数据的价值等展开了详尽的研究。
其所做的研究结果都在之后深刻影响了政府推进开放数据的步伐。例如其对国家地址数据的调查，影响了英国政府在2015年决定出资38万英镑提供英国开放数据研究院启动一个全新的开放地址数据库项目，试图重头再建地址数据库从而替代已经被皇家邮政私有化的地址数据库。而在2016年，英国政府加大了投入，决心投入5百万英镑，进一步推动该数据库的建设，并使之开放.
### **建设开放性的数据基础设施**
数据基础设施（Data Infrastructure）意味着数字化时代，数据就像道路、桥梁一样是社会发展和商业发展必不可少的基础。在数据基础设施的建设上，英国政府启动了国家信息基础设施计划（NII），该计划将会确定纵向（垂直行业）和横向的关键数据，提供一套原则框架，使得数据能够共享或开放提供给社会使用，支撑各类社会发展和商业发展活动。
2015年，ODUG发布了《国家信息基础设施：为什么，是什么，怎么做》的政策报告。该报告指出，NII应当针对垂直行业，确定该行业的核心参考数据（Core Reference Data），对象数据（Subject Data），主题数据（Themantic Data）。比如，对于医疗而言，其核心参考数据包含了医疗诊断术语表、地址数据等，而对象数据则包含了机构、人等主语对象的名录，主题数据则是与医疗业务本身更为相关的例如999电话、医疗诊断记录等。
目前英国政府的NII计划完成了第二次迭代实施，确定了「安全、用户为中心、完善管理、可靠、良好维护、灵活」的六大原则，来推动NII数据的确定和释放。同时也已经对各不同行业主题进行了梳理，并在探讨如何界定这些基础数据的开放性。从最大化释放该NII价值的角度来说，除了部分涉及隐私和秘密的数据之外，整体NII都会以开放数据的形式提供给社会，并同时吸纳社会数据，进行多元数据的整合利用。
### **设立专项资金突破开放数据难题**
英国政府为了推动地方政府的数据开放，并协助突破一些开放数据发展过程中的难点问题，专门设立了两个专项资金：数据释放基金和突破基金。
数据释放基金由内阁办公室设立，提供了7百万英镑的基金池，用于支持能够推动数据进一步释放的研究或实践项目。研究机构、政府、企业均可以提出项目方案进行申报。往期的项目中包括了诸如前文提到的开放地址数据，其就是由数据释放基金资助（38万英镑），由英国开放数据研究院去试验地址数据的开放工作。而研究类项目也是该基金支持的对象，比如英国开放知识基金会推出的开放数据指数项目（城市级别），也曾得到该基金的资助，用于通过众包方式调查英国各城市的关键数据集的开放程度。
而突破基金则更多被用于协助突破阻碍某一数据开放的瓶颈。其由商业创新部设立，提供了250万英镑的基金池。该基金曾经资助了例如立兹市建设其开放数据门户Leeds Mill，谢菲儿德市建设其开放的空气质量监测网络等。
## 5.3 英国开放数据生态圈初窥
### **英国开放数据研究院**
英国开放数据研究院（ODI）是由英国创新署出资1000万英镑，Omydiar Network投资475万美金所创建的独立的、非营利的机构。其由万维网之父 Tim Berners-Lee 担任总裁， Nigel Shadbolt 教授担任董事会主席， Gavin Starks 担任 CEO。
ODI的业务共三个模块：咨询培训、商业孵化、研究技术。
其中咨询培训主要面向政府推出了国际开放数据领导者网络项目，组建领导者网络促进经验交流。并面向政府机构提供咨询服务，在开放数据的战略、策略、具体实践等不同层面上提供咨询。同时其也面向商业企业等提供培训服务，帮助理解开放数据理念，并探索开放数据的商业模式。
而在商业孵化上，ODI设立了一个实体孵化器，吸引创业企业入住，帮助工作在开放数据上的创业企业对接到数据、资金、宣传的资源，但本身并不投入任何资金。同时ODI也负责架设了一个虚拟的欧盟开放数据孵化器（ODINE），通过欧盟 Horizon 2020 的研究资金为选拔的创业企业提供初创资金，但并不占任何股权。
而对于研究技术模块，ODI目前为英国政府开发大量的小巧工具，帮助政府能够更快清洗、脱敏数据，亦有工具用于评估数据质量，及帮助政府自我诊断当前机构开放数据的准备度。同时，ODI也追踪开放数据的使用情况，调研开放数据的生态发展等，从研究角度为政府及企业提供咨询，促进整体生态的发展。
### **英国开放知识基金会**
英国开放知识基金会（Open Knowledge Foundation，OKF）是一家成立于2004年，由 Rufus Pollock 博士创建的非营利机构。英国开放知识基金会长期以来一直作为独立的开放数据的倡导者、监督者和推动者，为政府、社会团体、企业等提供咨询和研究服务，并为国际开放数据的发展提供了标准化的定义、授权协议及工具。
OKF的主要工作包含了开放数据指数（Open Data Index）、CKAN、及开放知识定义： 开放数据指数，是一个通过众包方式对全球各国政府开放数据现状开展评估的项目，其目前已经对全球122个国家开展了相应评估，每年更新一次。
CKAN，是由OKF推出的一套开源的开放数据门户解决方案。美国的 data.gov 和英国的 data.gov.uk 均采用了该套解决方案，目前至少有上百个国家、区域、地方政府或国际组织使用了该解决方案搭建自己的开放数据门户。
开放知识定义 （opendefinition.org）是OKF提出的对开放数据的标准化定义，其延请了国际专家组建顾问委员会对定义进行完善，并对不同政府、机构所提交的开放数据协议进行审核，验证协议是否符合开放知识定义，并提出相应修改建议。
### **Digital Catapult**
Digital Catapult 是2013年由英国创新署资助成立的，致力于推进数字经济增长的企业，同时也是一个非营利的研究机构。
Digital Catapult 的工作是开放数据的外延，触及更为广泛的数据共享，其工作重心为：
探索机构间封闭数据的共享 ，其先后探索了建筑行业数据共享平台、环境行业数据共享平台，试图搭建一个共享市场，将开放数据、共享数据、封闭数据放置在一个「市场」下，促进数据的流通。
探索个人数据的安全可信赖共享 ，其致力于研究个人数据可安全信任共享的技术和标准框架，其组建由 个人数据 & 信任网络 （personal data & trust network，pdtn.org）
探索如何简便共享需授权数据和内容 ，其利用开源技术为「Copyright Hub」搭建了技术平台，便捷数字数据和内容的授权，他们已经和包括大英图书馆，BBC等机构开展了合作。
探索共享不同物联网数据，通过设立诸如 Powering IoTUK 这样的网络来推动英国物联网的发展，并促成数据的流通。
### **Bristol Is Open**
Bristol Is Open 是由英国布里斯托市和布里斯托大学共同出资成立的企业。其致力于和科技、媒体、通信等企业及大学、社区还有政府合作，共同推动「开放城市」的建设。
所谓「开放城市」即「城市即平台」的延伸，通过开放数据的形式，将整个城市变为一个实验室，让城市创新者在其之上进行数字化创新和实验，改善公共服务，提升生活质量。
布里斯托市目前借由该公司的运作，自2015年秋已经启动了第一阶段的为期一年的实验。城市的传感器网络及政府原有采集的数据都将开放给社会重利用。
实验阶段的一个产出成果是「布里斯托数据穹顶（Bristol Data Dome）」，该项目通过3D形式，对布里斯托的数据进行虚拟现实形式的可视化，帮助人们能够通过这一非同寻常的方式发现城市数据的新模式。
而在2016年春，Bristol Is Open 将会进一步开放其物联网架构，允许更多呃物联网设备接入其数据平台，从而能够提供更多的数据给终端开发者利用，使得整个城市真正成为一个可读可写的「操作系统」。
# 中英开放数据合作机遇
## 6.1 合作资金
中英机构和企业若希望在开放数据及其相关领域：智慧城市、大数据等上开展合作，可寻求以下合作资金的支持：
### 中国繁荣基金
中国繁荣基金（China Prosperity Fund）由英国外交和联邦事务部所设立，其在2016-2020的5年内将预计投入1500万英镑。在2016/2017财年，该基金的总体目标是推动经济改革和增长，支持中国实施十三五规划。其覆盖了金融、国内及跨境投资、参与国际经济贸易事务、结构性改革、能源和资源安全、清洁和低碳转型六个主要战略目标。
其中结构性改革下的目标4.2「中国的科研政策朝着更加开放的方向发展,鼓励在能驱动未来经济增长的领域开展国际创新合作」支持「中国的开放数据的监管框架进一步开发并实施」的项目，其项目内容包含但不限于：帮助制定关键领域新的国内和国际法规,包括大数据和开放数据(如地理空间数据)标准，帮助中国开放市场,建立国际商业伙伴关系和平台(如地理空间数据、智慧城市、其他开放数据应用)
基金可以支持单年度项目或多年度项目，项目资金一般为100,000英镑上下。
关于中国繁荣基金的更多情况可以参阅：
### 中英研究与创新桥计划
中英研究与创新桥计划是英国科学委员会、英国创新署(Innovate UK)和中国科技部合作支持的一项旨在支持中英在科研成果转化领域的合作，为两国发展进程中所面临的具体挑战提供解决方案的资助项目。
2016年拟支持的重点领域与重点方向如下： （一）城镇化（智能交通、物联网、土壤及地下水修复） （二）医疗保健（老龄人口医疗保健、平价医疗技术和医疗设备） （三）农业技术和粮食生产（可持续集约化、农业遥感） （四）能源（可再生能源技术和设备）
工作在上述方向的数据驱动类项目均可以基于当前中英开放数据合作进一步探索相应的可能方向从而申请该项资助。该资助计划鼓励产学研结合，采取“2+2”合作模式，即项目参与方包括一中方企业和科研机构、一英方企业和科研机构，原则上要求企业提供至少与政府资助等额的配套出资。项目内容必须是应用研究而非纯学术研究。
资助金额方面，中方科技部最高支持500万人民币，而英方最高支持为100万英镑。
更多关于中英研究与和创新桥计划的信息，可参阅英国创新署官方网站或中国科技部发布的申报通知。
## 6.2 合作方向
#### **建设国家数据基础设施**
英国政府所推动的国家信息基础设施（NII）针对国家数据战略中各领域的关键数据进行了梳理，且在英国开放数据研究院、英国开放数据用户组等机构团体的倡导和推动下，NII将探索如何开放关键数据，从而建成开放的数据基础设施来助力商业和社会的发展。对此，中国的政府机构和智库可和英国政府及英国开放数据研究院展开更为深入的交流，合作定义中国的国家数据基础设施，确定其开放程度，并协力推动该战略的落地，促进双方基于数据基础设施的进一步合作。
#### **加重开放数据在G20经济发展中的角色**
正逢2016年中国作为G20主席国，G20峰会将在中国杭州召开，中英两国可借此机会进一步合作，加重开放数据在G20经济发展中的角色，结合国际开放数据宪章的工作，针对经济发展，共同探索、研究并倡导开放数据如何助力经济发展，具体落实到应当需要制定哪些数据标准，G20国家如何共同开放哪些关键数据，又如何确定数据流通的机制保障安全和信任，从而基于这些问题点的突破能够促进包括跨境投资、双边贸易、知识经济等经济行为。
#### **建立政府部门开放数据成熟度评测**
开放数据的供应依赖着每一个掌握数据的政府职能部门来完成，而这与该职能部门是否有成熟的管理架构、技术力量、数据标准等有关。如何去衡量一个部门在落实开放数据工作的成熟度将帮助部门自我诊断，找到阻碍其开放数据的难点和问题，从而更好推进工作。在这一点上，英国开放数据研究院曾受政府委托研究开发了一套开放数据成熟度模型，并开发了相应的在线应用用于任何政府机构的自我评测诊断。在这一点上，中国的研究机构和咨询机构可以向英国开放数据研究院学习，结合中国公共管理的具体情况，拟定一套适合中国公共机构的成熟度自评体系。
#### **跟踪评估开放数据的影响力**
为什么要开放数据？是否有证据标明开放数据的确带来不同？这就是影响力评估需要回答的问题，在英国，开放数据研究院已经开展了对全英国企业使用开放数据的调查，论证了开放数据的经济价值。而在2015年，由 Becky Hogge 所完成的开放数据影响力案例调查则揭示了包括伦敦地铁数据开放在内的6个开放数据影响力故事。对于中国而言，影响力可能谈之尚早，但仍需尽早探索跟踪评估开放数据影响力的可能路径。在这一点上，复旦大学数字与移动实验室已经开展了SODA大赛的影响力评估研究，而今后，中英两国研究机构间就这一话题应有更多的交流，共同探索方法论和交换影响力案例，从而能够助力两国的开放数据发展。
#### **探索开放数据的商业孵化模式**
开放数据的商业孵化并非一件易事。开放数据作为一种开放性的资源对企业传统垄断资源的商业模式提出了挑战，这不但需要对整个商业生态的文化进行重塑，亦需要给予不同的孵化支持来使得开放数据的企业得到成长和指引。在这一方面，英国开放数据研究院已有了充足的经验，不但运营了英国的开放数据孵化器，也运营有欧盟开放数据孵化器，更和马来西亚政府合作了马来西亚开放数据孵化器。由此，中国的政府或是专业孵化器应当尝试和英国开放数据研究院合作探索适合中国国情和商业环境的开放数据孵化模式。
#### **助力企业发现两国开放数据资源**
开放数据的发展将为企业带来不一样的商业模式和商业扩张能力。一家企业若能基于一个国家提供的开放数据开展其业务，那么当另一个国家也提供该数据时，该企业自然能够将业务扩展到该国家。比如Citymapper这款诞生于英国伦敦的应用，基于开放的交通数据，专注于出行规划业务，目前已经从英国伦敦扩张到西班牙、德国等国家，若中国城市也提供相应的开放数据，则其就能扩张业务到中国，从而为中国民众带来更好的业务，也带来新的就业机会和投资。但在这个过程中，如何能够更好帮助中英两国的企业发现相应数据资源则是需要探索的方向。中英两国的政府和企业可以探索如何提供更好的数据发现服务，建立更好的宣传渠道从而帮会组有需要的企业及时了解数据开放动态，发现数据资源，从而能更好促进两国的商业合作、跨境投资和贸易往来。
# 开放数据在政府：变革之路
“Open Data in Government: How to bring about change” 是由英国开放数据研究院（ODI）在2015年发布的一本白皮书。在这本白皮书中，ODI通过采访调研总结了政府推动开放数据计划过程中，如何实现组织改革、文化改革从而真正使得数据开放得以可持续化。
白皮书共分为3章，涵盖了：
1. 如何准备启动开放数据计划
2. 启动计划后，如何确保政府机构的动力
3. 如何将开放数据的工作常态化、持续化
这本白皮书由开放数据中国编译，因译者精力和水平均有限，难免会有所错漏，还请读者谅解。
英文版白皮书可由英国开放数据研究院网站下载，其授权在知识共享署名-以相同方式共享(BY-SA)的国际4.0版本协议下
该译文版本同样授权在在知识共享署名-以相同方式共享(BY-SA)的国际4.0版本协议下，请转载者转载时务必在清晰位置醒目添加以下文字：
「译文版本由开放数据中国，高丰([\[email protected\]](https://opendatachina.gitbook.io/cdn-cgi/l/email-protection))翻译，授权于知识共享署名-以相同方式共享(BY-SA)的国际4.0版本协议下」
# 开放数据的全球发展
当下，各国政府机构都已经视开放数据为其改革计划的关键一环。而在2011年9月成立的开放政府合作伙伴计划，更是将开放数据纳入了更为宽泛的开放政府体系中。在2013年，G8国家共同签署了开放数据宪章，承诺将公共部门的数据「默认开放」。而这份开放数据宪章，也自此成为了其他国家开展开放数据计划的参考依据，并为不同国际论坛推广开放数据准则奠定了基础，同时也为未来设立国际开放数据宪章埋下了种子。
伴随着开放政府合作伙伴关系的成长，一系列支持和评估国际开放数据计划的新项目得以启动，这当中就包括了开放数据合作伙伴计划。除此之外，世界银行开放政府数据工作组所编订的开放数据准备度评估框架则能帮助政府去评估他们是否已经具备了设计和实施开放数据计划的条件。而由万维网基金会和加拿大国际发展研究中心所主导的开放数据研究网络则致力于连接全球开放数据研究学者，助力他们的知识和经验的分享交流。开放数据晴雨表项目则为世界各国开放数据计划提供了一个对比评估的工具。
这些努力则助力开放数据在全球得到了更广泛的关注。而让开放数据从政府创新转变为政府常规，则是下一阶段的挑战。开放数据的巨大价值潜能是十分依赖于政府开放数据项目的可持续性的，而国际组织恰恰能为可持续的开放数据发展提供评估和支持，从而确保可持续化的收益。
# 执行摘要
如今，世界各国政府都在积极寻求新的方式来释放开放数据在改善政策以及带来社会、经济、环境效益上的潜能。不同机构已经做了大量工作去帮助政府熟悉开放数据这一新概念，并协助政府发布开放数据。然而如何让开放数据成为政府长期的、常规的工作标准则少有人去探索。**要知道，可持续发展的开放数据计划是全面释放开放数据潜能的必要条件。**
开放数据研究院（ODI）目前正在探索政府内部的组织改革能够如何支持并可持续化开放数据计划。通过大量的访谈和对组织改革相关文献的调研，ODI为具体落实开放数据计划的政策制定者们编写了一套指南。在实施开放数据计划之处，就去思考如何对组织改革进行管理是非常重要的，因为它是实现开放数据社会、经济、环境效益的必要条件。
**结论：政府可持续化开放数据计划及实现其影响力的12条建议**
**1. 清楚描述开放数据计划的愿景，重点列出希望开放数据计划带来的具体效益**
你希望开放数据为你解决什么样的问题或带来什么样效益？从这个问题出发来构想开放数据计划的愿景，而不是简单认为开放数据计划就是把数据发布出去就好了。要能够将一个特定数据的开放和一个具体效益想联系起来，这样才能帮助别人更好理解开放数据计划的价值并愿意贡献。
**2. 在开放数据项目初始，就寻求并确保得到上级领导和部门公务人员的支持**
在开放数据计划之处，就要深入现有政府行政体系，对公务人员宣传教育开放数据是什么，它能带来怎样的效益。这些为将来改革所做的必要支持性准备可以帮助你在启动开放数据计划时得到更好的支持。
**3.将由上而下的领导力和对一线公务人员的支持相结合**
虽然高层领导对开放数据计划的支持是非常重要的，但一线公务人员的支持也是必不可少的。一线公务人员能够更好从下至上地来推动数据的开放，并真正落实你对开放数据计划的愿景。
**4.在开放数据计划之初就建立起开放的沟通和反馈渠道，听取政府内外的声音**
可以通过建立正式的反馈沟通机制，比如顾问委员会，线上反馈意见表，定期线下会议等。也可以建立非正式的机制，比如通过社交网络帐号与外界互动交流。对于参与开放数据计划的部门要保持开放的态度，邀请他们对于现有改革（发布和使用开放数据)给予反馈，这样公务人员更有参与感，并更容易对进行中的改革感到满意。
**5.为开放数据计划制定短期内容易实现的目标：比如发布指定数量的数据集，支持一个特定的数据加值利用案例。但同时要确保这些短期目标是开放数据计划长期目标的一部分。**
将短期易实现目标和长期目标相联系起来可以帮助巩固改革的成效。
**6.灵活应对不同部门和团队的需求**
要有清晰的开放数据计划愿景，但也要注意避免在一开始就将自己捆绑到一个既定的改革方案中。尝试去发现管理改革的最佳实践，来推动开放数据的发布和使用，并将这些经验带给其他部门来帮助他们完成改革。开放数据项目所带来的改革要足够灵活以及对外界的反响足够敏锐，这才能确保开放数据计划带来的改革可以和其他政策改革和技术改革同步向前。
**7.巩固你改革管理的努力**
让你部门中的未来领袖们担任起创新者和布道者去巩固改革的努力。基于你不断达成的短期目标，稳步落实开放数据的长期策略。稳固改革管理的努力可以帮助你将所做的每一份努力都变得更为有效，并发现策略中的缺陷。
**8.确保开放数据团队中有人对改革管理负责：无论是对部门进行支持工作还是负责协调反馈**
通常，我们会期待有这么一个“改革团队”能够帮助实现开放数据项目的目标：建立数据门户，发布数据集，并推动数据的加值利用。而对改革的管理则是改革过程中同样重要的元素，并且可以提升各界对开放数据计划的信心，并且提升部门本身对开放数据计划的主人翁意识。
**9.寻找并助力开放数据影响力故事** ，去帮助诠释开放数据对政府价值
对于不同的部门，你需要用不同的故事去阐述开放数据所能带来的影响力和商业机会，因为这样做你的故事才能契合各部门本身的远景目标，能力和现有的工作流程。
**10.在企业、社会组织、科研单位内寻求外部支持，驱动对开放数据的长期需求**
外部支持可以坚定上层领导支持开放数据的政治意愿，并且可以提供长期的学习和交流机会。
**11.为公务人员提供继续学习开放数据相关知识和技能的机会**
这一目标可以通过为公务人员提供开放数据培训，提供临时借调到有丰富开放数据经验团队的机会，以及组织定期工作坊来达成。这将会帮助你不断提升和扩张现有的开放数据项目。
**12.为开放数据计划制定评估指标并定期评估**
这将会帮助你追踪开放数据项目的进展，衡量取得的成功，以及发现可改善的地方。
这些原则并非是绝对适用的，其中一些可能在不同背景下需要视情况调整。然而，本白皮书中提供的管理开放数据改革的基本原则可以为开放数据项目提供一个有助于长期策略思考的框架。
这本白皮书只是我们研究政府如何进行改革来支持开放数据的起点。在接下来的12-18月内，我们将会基于白皮书中的主题和范围，通过进一步的研究以及和各国政府领导的沟通交流，来进一步探索这一问题。
# 白皮书阅读指南
在这本白皮书内，我们仅讨论实施开放数据项目过程中的组织改革。即讨论在开放数据项目启动之后会发生什么，又需要做些什么。我们在这本白皮书里并不会讨论如何评估现有开放数据项目的影响力，也不会试图定制一套项目成功标准，因为在不同国家，对开放数据项目的成功会有不同的定义。
这本白皮书的内容将为ODI及其他同仁在这一组织改革问题上提供未来进一步讨论和研究的框架与基础。在将来，我们将会扩展我们调研的国家到10个以上，并且增加每个国家的访谈对象。我们也将在目前版本的白皮书基础上，基于反馈和建议来进一步提升研究质量。
通过我们的大量访谈，有一点是极为肯定的，那就是支持开放数据项目的组织改革在不同背景下需要以不同方式开展。在爱沙尼亚有效的方法，并不一定能够在智利有效。而这本白皮书所提供的组织改革指南也则相应需要考虑不同国家、不同机关的背景来适当采纳实施。
本白皮书本身是依照开放数据项目中改革管理所遇挑战来安排内容章节的。我们将首先介绍10条改革管理中的通用准则，这些准则是我们通过访谈和开放数据项目有关联的政府官员所提炼的。一些改革管理的通用准则可能在开放数据项目的不同阶段都有重要作用。而基于这些准则，我们将提出针对开放数据改革管理的建议。整本白皮书将会分成三个部分：
**第一部分 - 起步：准备启动你的开放数据项目**
**第二部分 - 起步之后：激发对开放数据的热情**
**第三部分 - 将开放数据与政府常规业务整合**
我们所做的访谈仅仅只能体现全球政府和机构内实施开放数据的一小部分情况。我们期望这份白皮书能够协助政策制定者的工作，并推动对于政府如何能够改革自身工作来支持开放数据的讨论。我们期待在2015年能够进一步延展该白皮书的工作。
## 我们是如何制定出使开放数据改革可持续化的指南的？
### 1. 我们先开展了文献回顾
在过去50年里，有大量文献探索了组织改革管理这一问题。在这些文献的基础上，这本白皮书期望能够建立起一套适用于政府开放数据项目的组织改革框架。
虽然过往文献中有记录大量如何成功转变大型机构文化的案例，但它们都来发生在私营企业中。而在公共机构中，情况和私营企业将会非常不同，也因此我们需要在我们项目中谨慎的去选用文献中的知识。
为了替公共机构的领导者们寻找到适合的改革指南，我们借鉴了不同领域的文献，包含商业管理模型，公共管理领域改革理论，以及过往公共领域技术改革的案例。
从这些文献里，我们挖掘出了10条改革管理的通过准则，并通过访谈来验证这10条准则是否的确能够在开放数据这个场景下适用。
### 2.通过访谈验证通用准则
所有参与我们访谈的人都是各国的政府官员，并且他们都参与进了开放数据项目去助力使用和发布开放数据的改革。作为我们选取访谈对象的标准，我们采用了开放数据晴雨表的数据，从中选取了每个地区排名最高的国家。此外，我们也额外选取了2-3个近期在开放数据项目上有活跃表现的国家，从而确保每个地区都能有代表的国家。在每一个国家，我们会采访一名「远景规划者」和一名「方案实施者」。「远景规划者」可能是政府内或政府外的一员，其负责启动了开放数据项目或者对开放数据项目的规划和实施有极大的正面积极影响力。而「方案实施者」则是政府内具体去实施开放数据计划的人。
在第一版白皮书中，我们访谈了7个国家的政府官员：
* 英国
* 爱沙尼亚
* 韩国
* 肯尼亚
* 墨西哥
* 智利
* 马其顿共和国
在英国，我们从两个角度来探索开放数据的改革：1）聚焦一个指定部门，例如公安部 police.uk 2）从政府整体来看英国内阁所协调的开放数据计划。公安部 police.uk 在开放数据上所做的尝试要早于英国政府正式将开放数据纳入其政府政策，也因此，police.uk 被视为早期的开放数据成功案例。
通过两个角度去探讨改革管理，使得我们得以去发现改革管理在不同情境下会如何不同。在我们未来延展这本白皮书的工作中，我们将会进一步对比police.uk和其他部门在开放数据尝试的故事。
#### 改革管理的10条准则
如前所述，我们在文献回顾的过程中挖掘了10条改革管理的通用准则，而这也成为我们探索开放数据改革管理的起点。这些准则之后又在我们访谈7过政府官员中一一得以验证。基于这些工作，我们进一步提出了针对开放数据计划组织改革的建议。
10条通用准则是：
**1.为改革奠定共识基础**
为改革寻找一批支持者，从而助力组织为改革做好准备。预期将会受到的阻碍，计划好需要的培训，并开展沟通寻求支持。
**2.达成共同的愿景和策略**
设定一个与组织本身使命所相符的愿景。充分吸引每一个员工参与愿景的设定，并积极在不同媒介和平台传播这一愿景。
**3.设立改革团队去引导改革过程**
改革团队的成员要多样化，既要考虑能力水平也要考虑本身他们能代表的群体，特别是这个团队一定要有政府机构中具有威信的公务员，从而加强组织内部对改革的支持，并广泛吸纳建议和反馈。而设定一个外部的顾问委员会也是很有帮助的。
**4.结合自顶向下和自底向上两种领导模式**
强势的领导力和来自顶层的背书能够驱动愿景的实现，并启动改革。而自底向上的知识分享和能力贡献则是另一大助力。
**5.确保改革的可持续性并设定短期可实现目标**
为了确保你的改革能够得到可持续的支持，你需要设定一系列短期可实现的目标来赢得他人的支持。
**6.人力资源和组织结构并非改革的阻力而是助力**
根据你改革的需要，去调整组织结构，嘉奖政策，人事的招募政策和员工技能要求等。对于组织内成员的行为变化和表现出的对改革有益的领导力要适当嘉奖，要给予成员们足够的创新自由，给予单个部门足够多的权利去开创自己的开放数据解决方案。
**7.确保开放的沟通机制，并保持信任**
为双向沟通机制建立良好的支持环境，从而确保支持者和批评者的声音都能被听到，同时组织内的成员也能更好了解开放数据计划的目标，从而为之作出持续的贡献。
**8.打造学习型组织**
对改革的承诺和进度要进行追踪，并为公开承认改革中的失败和错误做好准备。要遵循“失败来得越快，失败损失越小”的原则，不停迭代和作出改变，同时不断修正衡量成功的指标。
**9.保持敏捷，并对反馈灵敏响应**
不断实验，并通过快速设计来创新，以小规模测试为基础进一步推广可行方案。一切的项目设计都要以用户为中心，并且通过用户测试和评测来调整计划。
**10.关注长期变化**
从不同的第一线数据用户那听取他们的故事，从而调整你对开放数据所能带来效益的预期。借助外部助力从而实现长期吸引外部参与者对开放数据计划的关注和参与。
每一点的详细展开请参见附录 1。
### 3.基于我们的文献回顾和访谈，我们给出可持续化开放数据改革的建议
通过访谈已有开放数据计划的国家政府工作人员，我们得以验证了「改革管理的10条准则」，并编写了指南帮助政策制定者能够更好管理使用和发布开放数据的改革进程。而在关于组织改革管理的文献中，也对改革进程分为两派观点，一种认为其是线性的过程，一步步朝前推进，而另一种则认为改革是由多方向推进的，并非线性过程。
通过我们自身的访谈和文献回顾，我们相信可能最佳的方式是认为改革管理是由一系列互相相关的要素所组成的，比如高层领导的支持和内部的反馈机制两者都是改革中的要素，他们在不同改革阶段会通过不同组合方式发挥作用。考虑到公共机构的本质和规模，以及开放数据本身的独有特性（跨部门事务，需要一个中心机构长期统筹，对IT技术有高要求），我们很难给出一个既定的改革管理章程，去严格规定从A到B到C这样的线性顺序来推进改革。
# 7国开放数据项目概览
## 墨西哥
Datos.gob.mx，是墨西哥官方的开放数据门户。这个门户得到了由世界银行、开放数据研究院和开放知识一同开展的开放数据合作伙伴计划的帮助，并最终在2014年7月上线。门户上线时共发布了100个数据集：10个国家部门每个提供10个数据集。墨西哥在2013年版的开放数据晴雨表中世界排名25位，美洲排名第3位。国家社会发展政策评估中心(National Council for the Evaluation of Social Developmenet Policy)基于政府发布的开放地理和社会经济类数据开发了一款交互地图，其可以让人很容易对比墨西哥不同地区的贫穷和未发展程度。
## 爱沙尼亚
爱沙尼亚的公共信息条例要求自2015年1月1日起，所有数据必须提供在开放且机器可读格式下。爱沙尼亚的数据门户（opendata.riik.ee）目前正在测试中，它也将为大众提供访问开放数据的平台。虽然目前门户仍在测试且数据量很小，但爱沙尼亚政府数据库本身提供了大量数据。在2011/2012年，经济和宣传部(Ministry of Economic Affairs and Communication)预估这个数据库有20000个数据集。目前，该部门争负责建设数据门户，并统筹各部门的数据开放。在开放数据晴雨表2013年版中，爱沙尼亚全球排名14位，位列欧洲第9。
## 韩国
韩国的开放数据门户,data.go.kr，是由国家信息部(National Information Society Agency)管理的，并向公众提供了11000个数据集。该开放数据门户于2011年上线，同年韩国也加入了开放政府合作伙伴计划，致力於增强公众参与，提升政府透明度以及利用新技术来进行社会治理和创新。在开放数据晴雨表2013版中，韩国世界排名12位，位居亚太第三。
## 肯尼亚
2011年7月，肯尼亚总统 Mwai Kibaki 启动了肯尼亚开放数据计划，试图通过单一数据门户 opendata.go.ke 向公众提供免费、可自由使用的关键政府数据。截至同年11月，该数据平台已向公众提供了390个数据集。肯尼亚的开放数据计划由信息和通信部负责，主要目的是驱动创新，释放数据的经济和社会价值，帮助议会和政策制定者作出基于数据的决策，并提升政府的透明度和公信力。在2013年开放数据晴雨表中，肯尼亚位居非洲第一，世界第22.
## 智利
智利的护具门户 dataos.gob.cl 于2012年上线。同时出台的是规定国家所有数据都要发布在开放且可重用格式下的总统令。在那个时候，官员们谈论最多的是开放数据能够如何改善交通、医疗和教育服务，以及推动智利的民主进程。总统秘书处在这个过程中负责搭建数据门户并统筹数据释放工作。如今，智利的开放数据门户已经提供了1180个数据集。在2013年开放数据晴雨表中，智利位居世界第25位，美洲第4位。
## 马其顿共和国
作为马其顿共和国加入开放政府合作伙伴激活的一个环节，其开放数据门户 opendata.gov.mk 于2012年正式上线。政府官员们重点提及了开放数据将如何驱动创新，和创造经济价值。如今这个数据门户供释放了154个数据集，并由信息社会和管理部（Ministry for Information Society and Administration）进行管理。
## 英国（内阁办公室）
英国的开放数据们 data.gov.uk 在2009年便有当时的首相布朗启动，向企业提供新机会，并提升政府透明度和消费者知情权。 内阁办公室负责整个开放数据门户的搭建，并统筹协调各部门释放数据。如今，英国 data.gov.uk 平台已经释放了15888个数据集。在2013开放数据晴雨表中英国位列世界和欧洲第一。英国开放数据驱动的应用已经包含了交通地图应用，洪灾预警服务，公共服务（医院、学校）排名服务等。
## 英国（police.uk 和 data.police.uk）
2009年，英国国家警务改善局启动了 maps.police.uk 项目。这是警务相关数据第一次通过API形式提供给了开发者。而这个项目最终进化成了 data.police.uk，共提供了1900万行数据记录。内政部目前负责数据的发布，并协调英格兰，北爱尔兰和威尔士的43个警区以及司法部的数据释放。
# 第一部分 起步：做好启动开放数据计划的准备
启动开放数据计划的方式有很多中。比如作为开放数据合作伙伴计划的一部分，总理或总统可以下达行政命令去启动开放数据计划。它也可以通过开发者和创业企业倒逼政府去实现开放数据来创建新服务和应用。又或者，开放数据计划可以作为一个区域性或国际性共识/条约的一项义务，比如欧盟关于重利用公共信息的行政命令就要求各欧盟国家启动开放数据计划。
不论启动开放数据计划的原因是什么，作为负责推动政府部门或政府整体开放数据的政策制定者一定会遇到一些组织文化层面的抵触。虽然开放数据有着众多社会、经济和环境性的益处，政策制定者通常仍旧先要说服政府为什么开放数据如此重要。
在这一节里，我们介绍在开放数据计划伊始如何去融入改革管理的要素（译者注：参考白皮书之前提过的10条改革管理准则）。
## 为改革奠定共识基础
「为组织改革奠定基础」是一个贯穿组织改革管理文献的原则。这项原则指出要在一个组织中迈出改革的第一步就要先为就改革本身达成共识(Kelman,2005)。然而有意思的是，大多数我们调研过的开放数据计划都是由外部政治领导力所推动的。而这也造成在开放数据计划启动前，组织能就新的改革没有时间去奠定任何基础，作出准备。
> 「总统选举带来了对政府的改革。新总统相信开放数据是政府3.0的一部分。而这项开放数据政策意味着政府要分享自身掌握的信息从而实现更好的合作。」摘自韩国访谈
在我们对肯尼亚、马其顿共和国、韩国、智利和墨西哥的访谈中，官员们都提到是他们国家的总统或政府部长们决定启动开放数据计划。而在另一些国家，加入或了解开放政府伙伴计划则是推动开放数据的原因。而无论推动开放数据的理由是什么，所有被访谈的对象都同意高层领导对开放数据的支持是建立开放数据计划的最初也是最重要的一步。
> 「这一切都在于你是否能得到政府高层官员的支持」摘自肯尼亚访谈
> 「推动开放数据需要从不同层面去开展：你需要政治人物去作出承诺，你也需要懂得开放数据概念和其益处的部长或总统为开放数据计划开启绿灯。在这个基础上，你就能得到中层各个部门领导的支持，他们通常是最清楚部门有哪些数据的人。」摘自马其顿共和国访谈
自顶向下的方式通常不能在开放数据计划启动前，为各公共部门留下足够时间去作出改革准备。而这一问题通常无法避免，因为这就是政府改革的天性。但能够做到的是将顶层领导对改革的支持结合对政府各部门的改革教育宣传，从而确保改革的长期有效。在组织改革管理文献中，数位学者比如 Cameron，Kotter，Armenakis 等都指出为组织改革做好准备的重要一环是尽早明确改革的潜在阻碍，并针对此设计培训或动员项目去预防这些阻碍的诞生。
> 「有太多人不知道开放数据是什么了，所以简单一道行政命令去要求开放数据，并不能得到大多数人的理解。我们认为你应当要首先确保大家知道你在谈论的是什么，再发布行政命令可能更有效。」摘自智利访谈
而对于所有访谈对象而言，最常见的一项阻碍便是各部门对开放数据不理解或者不相信开放数据是有意义的， 而这正是缺乏改革的基础。
**建议：在启动开放数据计划之前，一定要确保得到高层领导和各部门公务人员对开放数据计划的支持。** 要在开放数据计划伊始，就建立针对政府官员开展开放数据相关培训的机制，并且向他们说明开放数据所能带来效益。开放数据计划成功的关键在于项目启动前便为其打下改革的基础。
## 达成共同的愿景和策略
在组织改革管理的相关文献中记述了一种常见的失败原因，那就是没有在组织中达成一个改革的长期愿景。这个愿景应当作为作绩效提升目标的依据，并用来制定具体的计划 (Ostroff 2006)。同时它也使得改革使命更为清晰，指引组织在特定转变上下功夫，并在改革开展过程中时刻提醒组织成员改革的使命。
通过我们的访谈，我们发现当开放数据计划作为解决某个特定问题的计划的一部分，或是某个政府发展规划的一部分，又或是某个政治目标的一部分，则更容易在开放数据计划开展中获得更多的支持。
在马其顿共和国，开放数据计划被包装为「刺激创新，增加就业机会，创造经济价值的推动者」。而在肯尼亚，开放数据计划则被包装为解决青年人就业问题和公众参与的良方。
> 「从我们的经验来讲，你一定要为政府找到一个开展开放数据计划的绝佳理由\[...]对于不同的利益相关者，组织的改革需要找到一个不同的切入点，而如何去为每个利益相关者找到一套漂亮的包装说辞，则就是你该思考的问题。」摘自肯尼亚访谈
> 「如果开放数据计划仅被认为是一项锦上添花的项目或者成为额外的负担，那么它终将失败。我认为我们需要把它和人们在做的事情关联起来，使其成为不可或缺的存在。\[...]在我看来，最有效的方法就是要求开放数据的部门自身一定要成为这些数据的用户，否则部门本身就没有动力去改善他们自己的开放数据项目\[...]」摘自英国内阁办公室访谈
有些时候，一些有具体愿景的短期项目可能将会进化成具有长期愿景的项目并带来更广泛的影响。随着政府本身工作重心发生变化，愿景也可能随之改变。作为支撑开放数据计划的愿景并非需要一成不变，但其应当对于开放数据计划中的不同利益相关体都显得有意义且可衡量。英国 police.uk 的进化历程久违此提供了一个有意思的案例。
### 案例：police.uk的开放数据计划进化史
> 「实际上，我们早在开放数据成为主流运动之前就开始了相关的工作。当 Twitter 还是新潮事物之时，我们注意到 人们使用 Twitter API 开发了众多有意思的应用。这对我们很有触动，如果我们也能够为 maps.police.uk 提供数据API，那么人们也能用我们的数据去创造很棒的应用\[...]
> 然而当时这个想法并没有得到组织内人员的积极回应，因为当时开放数据运动本身都不存在\[...]但我们当时还是从公众，特别是开发者和媒体（尤其是卫报），那里得到了积极的反馈，所以还是组织之外的人对这个想法更支持。
> 事情的转机来的很快，一位主管社区治安的警察部部长(chief constable)来和我们讨论如何将更多警务信息主动公开。众多研究已经表明大众对罪案有着某种恐慌感，而且即使当罪案率在实际下降时，人们的恐慌感都仍旧会上升。因此我们开始和警察部副部长讨论如何协调英格兰和威尔士的43个警区去公开更多罪案相关的信息。我们希望能够提供给公众更多有意义的罪案信息，帮助他们了解所在社区的罪案情况，从而去降低人们的恐慌。
> 我们的这个项目在最开始就不仅仅是提供人们更多的开放数据。早在开放数据概念诞生之前，我们思考的是这个项目的商业潜力，如何让开发者能够从中得益。而之后我们又考虑如何让人们能够正确解读罪案数据，并对人们进行必要的罪案相关教育。*那么政府最终在这当中要扮演怎样的角色？是只要提供信息给大众使用去创建应用就可，还是说政府也应当负责向公众解释数据的含义？* **police.uk的成功一部分是因为我们在项目伊始就认识到大众访问数据的重要性，并坚持着开放数据将会帮助人们的愿景。 而这样的数据服务也是未来标准化警务服务的基石。**」摘自英国（police.uk）访谈
从我们的访谈可知，当组织对于开放数据计划没有具体的愿景比如想要利用开放数据解决什么问题或希望开放数据带来怎样的效益，那么组织内对于开放数据计划就没有太多热情，并且会在发布数据过程中碰到诸多问题。而如果愿景只是简单聚焦在一年内要发布一个额定数目的数据集（即视开放数据是一个结果，而非达到某个结果的手段），那么同样会碰到问题。
> 「当总统下令要求任何公共机构都必须发布5个数据集时，开放数据门户上的数据集在6个月内很快成指数级增长。但总统令并没有要求公共部门必须更新所发布的数据，也因此大多数都没有这么做。如今的一个巨大挑战便是要协调这些已经发布过数据的公共机构去更新他们的数据，然而因为去年刚刚政府换届当时负责发布这些数据的人又都已经调换岗位或离职了，无疑又造成问题的艰巨」摘自智利访谈
**建议：清楚定义开放数据计划的愿景。思考开放数据可以解决怎样一个具体的问题或者带来怎样具体的效益，以此来制定计划愿景，而不仅是简单发布数据。** 当开放数据计划能够将开放数据带来的效益和数据发布联系起来时，人们自然能更好理解开放数据计划和它的价值，从而关注与参与进开放数据计划。
## 设立改革团队去引导改革过程
在所有我们调研的国家里，建立一个专门团队负责开放数据计划通常都被视作一项紧要任务。而这个团队的规模和职能范围则取决于它在整个组织朝开放数据方向转型中所需要扮演的角色。比如在智利，中央统筹团队是一个小型团队，其并不去负责具体的数据发布，这项任务由各职能部门自行负责，而它则主要负责制定开放数据政策和搭建开放数据门户。
在韩国，开放数据政策则由数个团队共同负责。开放数据中心有着三个团队：开放数据计划规划团队，开放数据计划技术核心团队，开放数据利用团队。同时韩国的大数据中心也参与开放数据计划。与智利类似的是，各个团队都起到协调统筹作用，而非负责具体数据的发布，这项工作也是由各部门自行负责的。
虽然我们调研的所有国家都建立了一支团队管理开放数据流程——从政策制定到门户建立到刺激开放数据的利用——但很少有国家要求这样的团队负责管理部门间关系。根据组织改革管理文献的建议，政府应当设立一个团队负责在政府内外征求针对改革的建议，时刻追踪绩效并发现阻碍，并参与具体改革中相关活动的设计和改进。
我们调研的国家中仅有英国提到了一些关系管理的工作：
> 「在一开始我们就建立了一支政府透明化和开放数据的团队。这支团队的结构并非一成不变，但从始至终都担负起类似的职责。由一群关系管理的专家组成，这支团队负责向不同政府部门提供支持。每一个团队成员都负责一个部门，并了解该部门的项目情况，因此他们每一个人都要确保自己能够追踪该部门的工作情况并实现该部门对开放数据计划的承诺。他们的工作包括了需要时刻待命，帮助部门应急处理事务，以及参与部门的透明化委员会会议等等。除了对部门关系进行管理之外，该团队也要负责政策制定，积极跟进开放政府合作伙伴计划的事务，以及作为技术专家工作在数据上。」摘自英国内阁办公室访谈
**建议：确保开放数据计划的核心团队内有负责改革管理的人员。** 这样的人员需要负责对各部门进行支持并与部门互动征求反馈。通常我们认为一个改革团队的设立是去完成开放数据计划的，比如搭建开放数据门户，释放特定数目的数据集以及刺激数据利用。但对改革本身进行管理也是同样重要的，这不但有利于在项目伊始增加人们对开放数据计划的信心和支持，也可以帮助各部门对开放数据计划建立起主人翁意识。
## 结合自顶向下和自底向上两种领导模式
通常而言，改革的方法可以分类为自顶向下（由顶层规划去回应外部影响因素，或为了实现某个期望目标的改革）和自底向上（由从现有实践和知识中浮现出的持续、动态的新兴趋势带动的改革）。我们调研的文献从宏观角度来说是支持将两种方法结合的。这不但能够鼓励各开放数据计划中的政府部门在第一线创新式地履行职责，也能够确保自顶向下的支持是可持续的。虽然在政府内进行改革，往往受到外部政治因素的影响，但这也不妨碍政府内部在改革实施过程中进行创新。
> 「整个改革过程可谓是极致的自顶向下过程。改革的方向和任务优先级都有各高层部门领导制定。但我们逐渐摸到了窍门，既然高层对改革方向有着话语权，那么我们不妨逆向去和高层互动，对他们进行教育、宣传并吸引他们在开放数据计划中的参与，从而使我们的一些计划得到高层的认同。（译者注：原文表述为reverse-engineer user engagement，user engagement意为吸引用户的参与，并对他们进行必要教育和宣传，而这里显然是要对这一工作进行逆向工程，将对象从用户变为高层领导。）」摘自英国 police.uk 访谈
police.uk 的开放数据计划团队在开始推动公众宣传和参与之前完成了很重要的工作，那就是去确保改革得到了自顶向下的支持。负责 police.uk 的警察部长专门负责和警队的高层领导建立联系，说服他们开展开放数据计划的重要性。而团队里再设置一名负责公共关系人员则能作为补充，去吸引第一线的员工参与进开放数据计划，鼓励每一个警察局、警队将他们的数据开放，并去了解阻碍、解决问题。
在政府内部找寻并培养开放数据领袖去发展开放数据计划并实现目标是极为必要的。所有被调研的国家都在访谈中表示仅有简单的自顶向下的领导力对于开放数据计划来说是不够的。要确保政府部门能够有足够的灵活性/敏捷性以自身自底向上的方式来落实开放数据计划，并调整项目的发展，将是开放数据计划长期可持续的关键。
> 「你需要想办法寻找自顶向下和自底向上两种方式的平衡，因为有时候自顶向下的行政命令或这政治意志是以法律或者总统命令形式出现的。这种情况下，你需要找到一个平衡才能更好地去与政府内不同层级的人协作共同推进目标，而这也正是我在做的。」摘自智利访谈
**建议：将自顶向下的高层领导力和来自第一线个人或者部门的支持相结合。** 虽然高层对开放数据计划的支持是确保开放数据计划重要性的关键，第一线的开放数据领导者却是自底向上发展开放数据计划去达成愿景的关键。
# 第二部分 上线之后：借助各方对开放数据的热情
## 确保开放沟通和彼此信任
在开放数据计划的初期，帮助公务人员在诸多公共服务事务中建立起对开放数据的兴趣和激情是一件很有必要呃事情，同时，让企业和公众对于开放数据感兴趣也是非常有必要的。在推进机构改革的时候，鼓励内部人员的参与以及面向内部人员进行咨询都是非常重要的方法，它们能够很好地帮助机构缓解内部对改革的抵触，并为内部员工树立起对改革事务的主人翁心态。 而在所有受访的国家中，他们都提到了催化一个开放沟通和彼此信任的环境对于开放数据计划是何等重要。
> 「如今，我们的社会对于公务人员有着更高的要求，希望他们不再仅仅是做在电脑前，而是能够走出他们的温床，变得更有创新意识。而很重要的一点，就是公务人员要走出去，了解现今的社会焦点在哪，知道人们将精力投放在哪，并掌握如今社会大众的思维方式。寻找或创建一个变革者和创新者组成的网络，能更好地帮助你完成机构改革的进程」摘自英国内阁办公室访谈
在数个开放数据计划中，都建立起了一套对话机制，将提供数据的公部门和数据利用方对接起来。此类对话机制能够帮助公部门基于用户需求来制定数据释放的优先级，回应对于数据质量和格式的反馈，并理解数据究竟被如何利用。在智利，一个原本计划只开展一次的对谈会议最终却变成了定期的活动：
> 「最近我们将不同公部门，记者，NGO和大学的代表召集到一起开了一次会，目的是让公部门了解不同数据需求这如今是怎样在利用开放数据，将来的潜力又在那里。从政府角度而言，通常并不知道数据释放在数据门户后到底被拿去做什么了。而在这个会议之后，我们调查了几名公务人员，他们对于有记者和大学在利用他们的数据表示惊讶，在会议前根本毫不知情也从未预料到。」
>
> 「\[...]而这样的交流则让他们觉得开放数据的工作的确是值得的且有所回报的，因为他们现在知道数据开放不只是一个形式化的工作，而是确确实实能够让其他人受益，利用起政府的数据。如今，我们已经决定将这个会议变成定期召开，每两个月一次，这样能够帮助政府继续了解到开放数据的潜力。」摘自智利访谈
在英国，内阁办公室于2012年为开放数据的使用者建立了一个正式的发声机制，名叫开放数据用户组（Open Data User Group，简称ODUG\[译者注：ODUG于2015年完成了原定计划的三年工作，但在政府换届选举后，新政府未增加后续拨款，ODUG宣告解散]）。它的成员来自营利和非营利机构，代表不同的数据使用者。ODUG的工作包括为内阁政府提供开放数据的资助计划建议，开展开放数据商业潜力的案例研究，以及为数据需求者提供数据请求的渠道，并帮助政府制定数据释放优先级。
**案例：英国开放数据用户组的数据请求流程**
数据请求机制于2012年10月建立，总计收到564条公开的请求，以及330条私密请求。公众或企业都可以提出请求，说明所需要开放的数据，他们过去访问或获取该数据的障碍，以及他们将会希望如何使用该数据。内阁办公室的政府透明化团队将会负责初审所收到的请求，并对其中明显误解请求内容的（比如，有些请求并非在请求数据集而是某个文档）或超出请求机制处理范围的（比如请求的数据并非是公机构掌握）进行答复。而对于那些已经释放为开放数据的，但请求中有指出数据问题的，透明化团队将会把相应问题转达给数据提供单位。数据问题可能包含，数据集陈旧缺乏更新版本，链接失效，或数据质量差等。如果请求的数据还未开放，则透明化团队将会把请求转发给ODUG和相应数据负责部门，讨论是否可以释放。
为政府和数据使用者搭建起类似数据用户组和数据请求流程的体系化沟通机制，有益于创建彼此信任和开放沟通的环境。而此类数据请求机制的公正透明，无论是决策过程的透明，讨论场所（线上或线下）的透明，公众参与机会的透明，都是成功的关键。
政府在建立此类正式机制之外，更应当考虑如何在开放数据计划的整套流程中嵌入开放沟通的文化。在听取外界声音和反馈的机制建设上，并不存在可以普遍适用的方法，正如英国受访人提到的：
> 「从我们的数据请求流程可以看出，在明确公众数据需求这一点上，政府并非最佳人选。在我们运营早期，收到了一个来自冲浪预报和海滩天气预报网站的数据请求，他们所要的数据是国防部征用海滩进行演习的时间表，而这一数据能够帮助他们为消费者提供安全建议，协助规划旅程，以及帮助国防部在演习之前就通知冲浪者离开海滩，从而节省时间。我们最终得以开放这个数据，而这也证明了建立一个沟通渠道供公众直接对话政府是多么重要，而且这也帮助政府了解公众的需求并且释放人们真正感兴趣的数据。」摘自英国内阁办公室访谈
同时，确保政府的大多数政策和服务都是鼓励外界提供反馈也是十分重要的。正如 Police.uk 所指出的那样：
> 「对于政府来说，一个挑战是政策往往成为了吸引公众通过不同渠道积极反馈（比如社交媒体）的障碍。我们需要确保的是部门所制定的政策绝不会变成这样的障碍，从而使得政府部门无从获取他们需要的反馈。」摘自英国 Police.uk 访谈
而另一个阻碍政府和数据利用者开展沟通的原因则是数据利用者对于政府究竟掌握有哪些资源一无所知。政府部门应当被鼓励在开放数据计划之处，就将自身的数据资源目录透明化，让人们了解自己掌握哪些资源，从而得以建立起信任关系。这样的话，潜在的数据利用者和开发者则更有可能清楚知道哪些数据是他们可以从政府那期望获得的，从而积极参与进开放数据计划。
在我们的访谈中，尽管所有受访对象都提到了建立开放沟通渠道来使得政府和数据利用者之间得以对话，但他们对于这样的开放沟通机制是否也存在于政府内部，以及是否跨部门存在，反而不那么清楚。Stewart 和Kringas 在对六个澳大利亚公共机构改革进行评估时发现，对改革开展公众咨询（对内或对外）的程度和改革的受接受程度有着相关性。建立起内部的指导委员会将有助于共享开放数据计划中的改革信息，并提供机制来收集反馈。
除了 Police.uk 之外，所有我们调研的开放数据计划都由中央部门协调实施。但这样的中央协调机制可能使得政府内部的跨部门反馈来得更为艰难。而在现下开展的访谈中，也无法确定这些中央部门是否同时建立了相应沟通机制，从而促进内部跨部门的沟通。在英国，不同的行业领域（医疗、司法、环境等）都有自身的透明化委员会，而这个委员会就会负责和相关的部门进行沟通。但是否还有其他机制则并未在此次访谈中谈及，我们也将在未来进一步探索这一问题。
**建议：建立起开放沟通的渠道及机制从而确保开放数据计划能在开展之处就得到来自政府内外的反馈。** 这种机制可以是非常正式的顾问委员会、在线反馈问卷、定期会议等，也可以是非正式的设立社交媒体帐号来达到沟通目的。 鼓励反馈，并对所有相关部门保持开放心态，让他们了解改革的进程及计划，以及整个改革事宜对他们现有工作会有何种影响，都可以帮助提升开放数据被加值利用的可能性，使每一个人都积极参与和关注改革，并提升改革的满意率。
## 确保改革的可持续性并设定短期可实现目标
正如文献所述，期望以「大爆炸」式的方式去实现开放数据计划可能并不会得到很好的结果。相反，以渐进式的方式去实现开放数据相关的组织改革，注重那些能够短期达成的实际目标，则是达成长期成功的关键。所有我们调研的开放数据计划都采取了这一方式，聚焦于短期可实现目标。
对于一些国家，短期可实现目标意味着搭建并上线开放数据门户，以及在门户上发布有用的开放政府数据。opendata.go.ke 是肯尼亚的开放数据门户，其由政府特别工作组在三个月内负责设计、开发和上线。
> 「那时候我们跑去见常务书记谈开放数据计划，他回应说数据就在那放着然后他又跑去请示总统，总统则说‘好吧，那我们就在5月7日上线数据门户’。可那时候其实离上线时间只剩6周时间，而我们还什么都没开始做呢。于是接下来一段时间，我们体验了一把地狱式的极限工作。」摘自肯尼亚访谈
在搭建政府开放数据门户的工作中有一项极具挑战的任务，那便是如何数据发布的持续性。这涉及到确保有新数据集不断被发布，原有数据集能够被持续更新，数据质量不断得到提升，并且最终形成一个活跃的数据利用开发社群来实现数据的社会，经济和环境价值。对于大多数受访者而言，建立开放数据门户是一个短期可实现的目标，不过从开放数据计划的整体策略来看，建立门户本身也足以是极具里程碑性质的重大突破了。
而在 police.uk 看来，「从小做起」是关键：
> 「从小做起，释放一些数据，并证明这样的数据开放是有效的，的确是有人使用的，从而从中听取建议并以此为基础推进可持续的数据发布。我唯一的建议就是从小做起，做一些很快便能完成的脏活来实验，而这并不需要一个大团队去完成。」摘自英国 Police.uk 访谈
在我们调研的国家中，那些一开始就试图调动整个政府投入开放数据门户建设的国家（「大爆炸」式做法），如今都面临了动力不足难以发布更多数据的困境，而不得不将工作重心放到如何提升现有数据质量，以及如何保持各部门积极性的问题上面。
> 「起初，大家的想法很简单，因为考虑到对于大多数政府机构，开放数据是个很新的概念（即使到现在仍旧是），所以就想先建立起一个开放数据门户并开始在政府内谈论起开放数据。事实上，我们也的确成功做到了这一点。门户建立了，数据发布了，在最初的那几个月里，近200个政府部门参会进来发布数据。但之后，就嘎然而至了。这是因为在这个过程中，我们没有试图去进行机构文化的改变，从而留有足够的时间来使其发酵，进而进化成一个真正有活力的开放数据门户（计划）。虽然在这个过程中，你总会看到几个优秀的政府部门持续性发布数据，但你也会碰到那些受迫于法律而不情愿地发布几个数据就停止不前的政府部门。」摘自智利访谈
对于开放数据计划，我们不仅需要一个宏观的阶段性计划，也需要将其细化成若干清晰的「短期可实现目标」。早早计划好一切，从那些伸手就可摘取的胜利果实开始，一步步向上爬。这种增进式的发展策略已经被墨西哥所采用。国家数位战略部就制定了这样一套体系化的方法来透过 墨西哥的数据特勤组 （Data Squads）实施开放数据计划。
**案例：墨西哥数据特勤组**
在墨西哥，由总统办公室组建了一个数据特勤组专门负责加速政府数据开放进程。特勤组成员负责开展集训营，在选定的政府部门内教授开放数据的原则并指导相关工作。在42天中，特勤组成功推动10个联邦部门开放了100个数据集，体现了集训营的强大效果。特勤组将工作重心放置在短期易实现的目标之上，这意味着他们需要为选定的部门设立有实现可能性的目标，从而能够有具体的实例去彰显成功。而如今，特勤组是否能够持续开展成为了墨西哥政府需要考虑的重要问题。国家数位战略部正在考虑培养更多教官，从而能够让特勤组工作模式推广到政府的各个部门，并有效控制人员的调整情况。
**建议:为开放数据计划设立短期可实现的目标，比如释放一定数目的数据集，上线数据门户，支持一个数据应用案例等，并确保它们能够为长期目标所服务，并引导部门不停向前，保持动力。**
## 敏捷并灵活应对反馈
精益敏捷的方法正逐步被政府所采纳，用于政府公共服务，特别是数字服务之中。所谓敏捷，意味着在计划中总留有空间给予创新和适应。英国政府研究院近期所发布的「白厅」(whitehall，译者注：代指英国政府）改革报告中就推荐了一种综合的方式去推进机构改革，即不但要坚持原有承诺将改革工作得以在不同部门间推广并促进跨部门合作，还要注重政府本身的灵活性和适应性（译者注：即能随外部变化而作出相应变化，能够创新）。而这两方面在我们所调研的开放数据计划中均有所体现。将开放数据计划推广到各个部门，这是所有我们调研的开放数据计划在工作之处就作出的承诺，并且他们都试图去建立机制促进部门内外的合作，从而推动开放数据计划的发展。
而这些计划都面临着一个简单却又十分关键的挑战：政府规模。改革是需要时间的，当政府体量巨大的时候，要想将每一个部门和机构的相关利益者都吸引进来支持开放数据计划则是近乎不可能的任务。
而对于那些由中央协调机构（例如总理或总统办公室）统筹协调的开放数据计划，灵活性从一定程度上来说，则是需要由其他参与在开放数据计划中的部门来鼓励和推动的。负责统筹协调的中央协调机构可能本身并没有发布数据的职责，而更多是作为关系管理者，鼓励各政府机构释放更多数据。同时以用户为中心，以敏捷的工作方式检视并鼓励政府部门迭代改善所释放的数据质量，同时回应数据利用者的反馈。然而这样的敏捷精益方式到底如何协助了机构改革去支持开放数据，则是很难给出具体案例的。但受访者们也表示，根据反馈去调整和改善他们的工作计划是很重要的。正如智利的一位受访者所说：
> 「工作计划总是在变的。我们刚刚制定完了明年的工作计划，而我现在已经知道，因为一些其他事情的变化，有好几件计划中的任务不可能被完成。因此你总是要做好临时应对的准备，找到新的解决方案。比如，如果部门的开放数据负责人告诉我们，跟数据利用者社群进行的沟通会议并没什么作用，那我们就必须要调整方法。不过幸运的，现实恰恰相反，那些部门都很喜欢这种方法并希望有更多的和数据利用者沟通的机会。在实际改革过程中，策略一定是有的，但我们得有时刻创造新策略的能力来应对变化。」摘自智利访谈
而对于 Police.uk 这一部门开展的开放数据计划，则能更好将敏捷性和灵活性直接整合进它提供的开放数据服务中。用户反馈，在开放数据计划之处，就已经是开放数据门户建设的重要模块。
> 「我们的开放数据门户上自第一天起，就有用户反馈问卷。我们也同时利用社交媒体，市民大会的机会来和数据利用者进行沟通。虽然我们不可能满足所有的需求，但我们已经尽可能去满足了。Police.uk 的建设大都是基于反馈的，无论是数据准确度还是精细度都是如此得到提升的。我们也开始整合不同数据集来提供兴趣点，比如商店、停车场和电影院等地理位置来丰富数据。我们同时也为数据提供更多支持服务，帮助人们更好理解和使用数据。」摘自 Police.uk 访谈
**建议：不要在一开始就把自己绑定在一套开放数据发展方案上。你要明确长期的发展目标，但不必死守一套方案，要更敏捷和灵活得针对不同部门团队的优势和需求调整方案。在改革过程中，要留心那些优秀的改革管理方法和举措，并将他们推广到其他部门。敏捷而灵活，能够确保开放数据计划的持续进行，并使它和现有政府机构的改革保持一致。**
# A Journey of Building A Fintech Innovation Data Collaboration
## About
This report is part of the outputs of the ODI-MS PLN program. It is written by Open Data China team led by Dr Feng Gao on behalf of Fintech Innovation Data Collaboration. Any question regarding this report should be sent to .
### About ODI-MS PLN Program
The ODI has partnered with Microsoft to launch its Open Data Campaign which aims to ‘help address the looming ‘data divide’ and help organisations of all sizes to realise the benefits of data and the new technologies it powers. More details are available at [the ODI website](https://theodi.org/project/microsoft-and-the-odi-helping-bridge-the-data-divide/).
### About Fintech Innovation Data Collaboration
The Fintech Innovation Data Collaboration is a conceptual project explored by a group of finance institutions coordinated by Open Data China with the aim to unlock and maximize the data values by allowing SMEs to access and benefit from those data.
### About Open Data China
[Open Data China](http://opendatachina.org/), founded in 2014, is a social enterprise aims to create an open digital future. Started as Open Knowledge Local Group, Open Data China has expanded its focus from Open Data to Open Governance, Digital rights and Open Economy.
## Executive Summary
The Fintech Innovation Data Collaboration is a conceptual data collaboration currently under design and is part of the ODI-MS Data Collaboration Peer Learning Work.
This report provides readers with an introduction to the collaboration: why it is set up and how currently it is designed. The report also summarizes key challenges and lessons learnt from the journey of designing and building up this data collaboration.
This report also offers a reflection on the participation in the ODI-MS PLN program with a focus on what impact PLN has on the data collaboration and what lessons are learnt from peers and ODI-MS teams during our time within the network.
Finally the report advises readers on how to best work on data collaboration:
1. Be sure to have inside Champions to win trust of key stakeholders
2. Combine technologies with right governance strategy to win trust
3. Act early and build upon failure
4. Find peers who can support your work
## Introduction to Fintech Innovation Data Collaboration
### Backgrounds
At Open Data China, we had long-term experience in building up different type of data access initiatives. One of our successful work was called SODA[\[1\]](broken://pages/-Max8utS6fQFBk63S_zG#footnote-0), which is a challenge-based data collaboration involving government agencies in offering selected groups of SMES archived urban data (e.g. taxi gps) to solve urban issues. Based upon the success of SODA, we also were involved in experimenting a telecommunication data collaboration which tried to build up a company to represent collective interest and convert data contribution to company shares. That collaboration failed because of a lack of clarity in purpose and got lost in searching possible usage scenarios.
In late 2020, Open Data China was engaged by AI Space, an AI Incubator to work with a group of finance institutes to explore different options to unlock data values. AI Space was tasked by the government on operating an AI challenge program called AIWIN which partnered with the group of finance institutions and started the conversation on jointly exploring data values.
### Objectives
One of the shared interests among finance institutions is how to build better machine learning models by putting data together. This is because finance institutions such as banks may only hold one piece or facet of data about a client (individual or organization) and by sharing data and putting data together it is possible to better assess credit of client or improve other services.
In addition to this internal objective, finance institutions also have interest in supporting SMEs who may already work in the finance sector or beyond. In this case, finance institutions are interested in how to make profits by enabling SME innovations.
The other possible objective as discussed by finance institutions is to create a shared data pool for education as many universities lack such a channel to access real finance data for skill training.
### Framework of the Collaboration
The framework of the data collaboration can be divided into three parts:
The green part is the group of data providers. In this Fintech innovation data collaboration, state-owned institutions are mainly involved though there are still two private banks. Data providers plan to sign an exclusive contract with the data collaboration in order to allow the collaboration to further operate data assets. There are two types of data are mainly covered by this data collaboration: the first is data held by finance institutions about client (individual or company) to assess credit and the second is data about product purchase history between clients and finance institutions.
The orange part is the infrastructure of this collaboration. We focus on three layers: legal layer where we are discussing how to create a license or agreement framework to define the relationship between data collaboration and data users; the tech layer where we are exploring different options of privacy-preserving techniques; gov-support layer where we are building up strong relationship with government which means a lot to state-owned institutions.
Finally it is the blue part, which proposes a possible operation model where the AI Space as an incubator will be responsible to interact with SMEs to understand their needs and negotiate with them on business terms. To provide seed-funding for daily operation, we also plan to engage an industry park who may have interest to fund this collaboration in turn to benefit SMEs residing in its park.
## Challenges and Solutions
### Challenge 1: A Sustainable and Profitable Business Model
The most important question asked by data providers is how this data collaboration can bring back benefits and how such benefits can pay back any investments such as operation cost and data cost.
To answer this question, our original approach is to explore a hierarchy charging model:
* Aggregate data that could be free of charge
* Data that is anonymized and provided in the form of API can be charged based upon how much is consumed
* Data that is highly sensitive and can only be accessed and used within a sandbox or safe environment can be charged based upon a 1:1 agreement terms. Possible options include considering data as investment into SME to exchange for an equity share, or exchange data for services that finance institutions can benefit from.
However, the ODI [sustainable data access workbook](https://theodi.org/article/introducing-the-odi-sustainable-data-access-workbook/) offers us a new perspective. The tool asks us to reflect upon the strength, weakness, threats and opportunities of the data collaboration and build possible revenue streams upon reflection.
In our case, we realized that our early exploration of data collaboration can be considered as a strength that means we may provide our experience and lessons learnt as consulting services to other organizations. We also realize that we may hold a rich log data about who accesses our data and what usage it is for, so we can dive into log data to generate new insights about the data application\&product market and report it back to the government as regulator or other marketing consulting firm who produces market reports. The other possible revenue stream as we think about is that the data collaboration can certify potential data users so we can prove they offer trustworthy data products and we can charge data users for the certification.
Those are possible new revenue streams we identified in a limited time workshop session and of course we can use this tool combined with data ecosystem mapping tool to identify more new stakeholders and associated new revenue streams.
### Challenge 2: A License framework Suitable to Modern Computational Use
The second key challenge we dealt with is how to create a license or agreement framework that can clearly define what data users can do with our data including how they may commercialize their models or products.
We studied a set of new data licenses made available by [linux foundation](https://cdla.dev/), [Microsoft](https://news.microsoft.com/opendata/) and [Element AI](https://www.montrealdatalicense.com/). One of the key best practices we learnt is to define so-called ‘computational use’ in the license, which means “activities necessary to enable the use of Data (alone or along with other material) for analysis by a computer”. and try to break it down into detailed specific sub-actions such as training model, creating representations, and outputting predictions upon models to make it clear about what data users can do and can commercialize.
### Challenge 3: A Governance Structure that is Trustworthy to Individuals
The last but the most complicated challenge we are still trying to address is how to design a governance structure that is trustworthy to individuals.
In our early design of the data collaboration, we do not include individuals directly in our data ecosystem though individual data are covered by our collaboration. The reason is that we believe finance institutions have their own ways in handling individual rights and as a data collaboration we do not necessarily to interfere.
The new draft release of China privacy protection law in May 2021 changes the situation. As the new law requires large data processing platforms to set up an independent body in representing individual rights and deal with privacy problems. At the current stage, we are exploring different options that individuals might be involved in governing our data collaboration, and we appreciated ODI for sharing internal research with us on guiding us develop the strategy.
Followings are key questions we are still working on:
* Whether the data collaboration shall set up such an independent body ? Or should It interact with independent bodies set up by finance institutions?
* What is the purpose of the independent body? Engage individuals in auditing and holding the collaboration accountable or Engage individuals in making decisions of data access along with the collaboration?
* How could we better use technology to facilitate the interaction between collaboration and independent bodies?
## Impact of ODI-MS PLN
### Motivate us to think out of box
We feel grateful to be part of this PLN program. Especially we got the chance to be exposed to many interesting and useful tools created by ODI and MS. For instance, the data ecosystem mapping tool helps us to further explore stakeholder groups we never thought about before; the sustainable data access workbook drives us to think about revenue streams beyond simply charging for data. Those tools are valuable as they not only ask key questions that enlighten you but also offer scaffolders and frameworks to assist exploring the answers.
### A sense of belonging to the network
During our journey of exploring data collaboration, we do feel quite lonely as there are no other similar initiatives as we know in China. This PLN puts us in touch with other data collaborations, among which we do find similarities. The regular workshop sessions and open forums create a space where we can feel being belonged to and seek not only knowledge exchange but also emotional support from peers .
### Got approached by like-minded organizations
By joining PLN and sharing learnings publicly through blog and public talk, we are also approached by other organizations who are considering building up data collaboration or who currently operate a data access initiative. For instance, one national data initiative offering application-based research-only data access approached us on the data ecosystem mapping tool to understand more how to use this tool to expand its targeted user group and cover other possible use cases beyond research.
## Lesson Learnt from PLN
### Put Trust at the core of your work
Throughout the workshops conducted during PLN, truth is the core theme. As participants of PLN, we now have an increased understanding of why trust is important in building up and operating a data collaboration. Through learning sharing and tool experiment, we and our finance institution partners all agree that we should put trust as the core of our data collaboration. That means not only we should define a clear strategy in building trust with all kinds of stakeholders but also how our business model can build upon such trustworthy relationships.
### Regularly Reflect upon the data ecosystem
The Data Ecosystem Mapping tool created by ODI is the most interesting tool we use during our journey of building up the collaboration. The tool itself offers a simple set of instruments to ask you to think about any kinds of stakeholders and possible data and value exchange between them. In our practice, we recommend that you revisit your old ecosystem map often to reflect upon whether any stakeholders or links between them are missing and invite new groups of partners or stakeholders to look at your map and give you new advice.
### Consider Early exploration of data collaboration as an opportunity
A great lesson we learnt from the sustainable data collaboration workshop is somehow as early pioneers on exploring data collaboration, our experience and lessons learnt during our journey of building data collaboration could be valuable and may become commercial services that other organizations will be willing to pay for.
## Recommendations
In the last section, we would love to offer our key recommendations to readers who may have interest in building their own data collaboration:
### Be sure to have inside Champions to win trust of key stakeholders
If you ever consider building up a data collaboration, please ensure you have inside champions within those key stakeholders especially those data owner organizations. Such inside champions should have clear understandings of why a data collaboration is needed and can mobilize resources to experiment before C-level leaders to give a green light on formally building the data collaboration.
### Combine technologies with right governance strategy to win trust
Do not overestimate the importance of technologies in building up a data collaboration. A common misunderstanding is that by using so-called privacy-preserving technologies such as a safe computing environment or federal computing a data collaboration can safely handle all privacy issues.It is, however, not true and many technologies are still at their early stage with few successful use cases. Right governance strategies around the core theme of trust and trustworthy is the most important work of setting up a data collaboration. We recommend that you can refer to ODI [Trustworthy Data Stewardship Guidebook](https://open-data-institute.gitbook.io/p22-trustworthy-data-stewardship-guidebook/-MW92wuAXMrYPE7sgA-M/) for more tools and strategies.
### Act early and build upon failure
In our case, we are dealing with several state-owned institutions and that means any decision making around the data collaboration no matter whether it’s about the design or real operation will take a very long and complicated process. We already realize the downside of this situation and start acting on some small experiment before formally asking for approval from the high leadership. It is suggested that other collaborations shall think about how to take a lean startup approach or philosophy to act early with small experiments and build upon failures.
### Find peers who can support your work
Finally, whenever it’s possible you should find peers who are working on data collaborations to support your journey. It is important to have peers to exchange experience but also get emotional support as well. ODI-MS maybe will launch a second call for the PLN in the future which we strongly encourage any data collaboration initiative shall apply.
1.