一、引言
随着快速推进的城市化进程，城市规模和人口急速增加，并伴随着城市社会群体利益格局的不断分化和城市公共事务不断增加，这要求传统的城市管理必然向新型的城市治理转变[1]。随着大数据技术的逐渐成熟，大数据为城市治理创新提供了新的工具和手段，在创新城市治理中的作用越来越明显。全球已有不少国家已经将大数据上升为国家战略，美国、日本、新加坡等发达国家相继制定实施大数据的战略性文件，与此同时，纽约、芝加哥、新加坡等全球的大都市率先推动大数据在城市治理中的应用。2015年8月，中国国务院印发了《促进大数据发展行动纲要》，要求各地方政府和部门建立“用数据说话、用数据决策、用数据管理、用数据创新”的管理机制，实现基于数据的科学决策，逐步实现政府治理能力现代化。运用大数据提升城市治理能力和政府服务水平正成为全球趋势。
然而，政府大数据存在数据格式多样化、数据来源复杂、大量数据冗余和不一致、数据收集难度大等问题[2]，大数据应用于城市治理创新过程可能面临诸多的挑战。纽约、新加坡、芝加哥等城市较早利用大数据进行城市治理创新，成绩显著，有效降低了治理成本，提升了治理效率，形成了一些成熟可借鉴的经验。因此，分析国外城市如何应用大数据进行治理创新，总结其成功的经验，可以为国内城市提供有益启示，具有重要的实践价值和意义。
二、纽约的经验及启示[3-4]
（一）纽约大数据治理的背景
纽约城市治理面临几个方面的压力：第一，公共服务压力增大。除了拥有850万的人口，纽约每年还有百万的游客，随着城市人口越来越多，纽约在住房、交通基础设施和公共服务上面临着越来越大的压力。第二，预算缩减。自2008年金融危机爆发以来，大都市纽约还面临着大规模的预算缩减，需要用有限的资金提供良好的服务。第三，城市发生突发事件风险增加。例如，2011年初，布朗克斯区和布鲁克林区公寓发生的火灾夺去了5个人的生命，此后的调查表明，火灾不是孤立意外事件，政府对群租房监管不力是主要因素，类似这种意外事件在人口密集的纽约时常发生，治理难度非常大。
（二）纽约的主要举措
第一，出台法律法规，保障政府数据开放和大数据应用顺利推进。2012年，纽约颁布了地方性开放数据法案——《纽约市开放数据法案》，通过法律促进政府数据开放，营造良好的数据开放环境，规定到2018年，除了涉及安全和隐私的数据之外，纽约市政府及其分支机构所拥有的数据都必须通过政府开放数据门户网站实现对公众开放，并且要求使用这些数据不需要经过任何注册、审批程序。2013年，纽约市长布隆伯格颁布了《306号行政命令》，提出数据驱动的城市服务目标，要求各政府部门必须配合政府首席数据分析官（CAO），确保城市机构实现开放数据法案的承诺，打破部门壁垒，开发和构建一个全市的数据交换平台，归集和更新来自不同机构的数据或其他来源的数据。
第二，组建完善的组织体系，领导协调推进大数据应用。纽约市成立了市长办公室数据分析团队(Mayor’s Office of DataAnalytics，下文简称MODA)，任命了城市首席数据分析官（CAO）和首席政府开放平台官，组建由纽约运营副市长牵头的纽约市数据分析指导委员会，制定全市数据分析的总体战略。与此前已经设立的CIO、CDO一起，形成了“三驾马车”式的技术管理架构（参见图1）。
图1 纽约市推进大数据应用的组织体制
第三，基于已有技术和平台，研发数据融合共享系统。由于纽约市各部门合计有几百个IT系统，储存着纽约不同类型和不同年代的城市数据。为了能够运行数据模型和挖掘数据价值，需要在数据隐私相关法律的约束下，汇聚来自40多个机构的数据，形成一个聚合的数据库。纽约市数据分析团队基于已有的技术和资源，建立了“DataBridge”和“DEEP”两大核心系统。其中，DataBridge系统是由刑事司法系统中用于跟踪囚犯的数据传输系统——DataShare和“311数据库”的闲置能力构建而成。DataBridge具有数据库管理以及统计分析工具，并向纽约市其他部门的分析师开放。DEEP系统将各部门的系统相互连接起来，使得城市机构能够安全地进行信息交换，取代费时又低效的电子邮件、传真等数据传输方法。
第四，制定推进大数据治理的最佳实践。在具备强有力的组织架构、技术和工具的基础上，纽约建立了运用大数据处理城市特定治理问题的工作流程和最佳实践，MODA团队还帮助各个部门建立自己的数据分析力量，使得各个部门能够独立、持续地开展相关数据治理创新。
（三）纽约利用大数据实现城市治理创新的主要成果
在市场监管领域，纽约环境部门负责维护纽约市多达6000英里的下水道，政府部门一直想找到向下水道非法倾倒食用油的人，因为半数以上下水道堵塞都由这些凝固油脂产生。但问题在于，如何找到这些“违法者”？传统的解决办法是由环境部门派出监察员，到各个街区路口守株待兔，以碰巧遇到某餐馆小工，向下水道倾倒废弃食用油。但纽约市有2.5万个餐馆，这样做显然成功率不高，效果不明显。纽约通过DataBridge从企业诚信委员会获得所有餐饮企业为合法处理废弃油脂所支付的服务费数据，比较得出那些没有支付服务费的企业在地图中所处的位置，将那些不在册的餐馆列入“重点怀疑对象”，排查准确率高达95%。
在灾害预防领域，“311城市热线”每年收到25000多条关于违规建筑的投诉，而纽约大约有100万幢建筑，政府从事建筑巡查的工作人员仅200名左右，基于传统的巡视预测准确率仅为25%。MODA团队通过与消防员、警察、巡视员等人员沟通，得到甄别危险的指标，根据房屋是否存在拖欠税款，是否有人投诉，是否是1938年后按建筑规范进行建造，以及房屋年龄、房屋污水排放量等建立预测模式，对每天需要排查的建筑列出优先级别，火灾预测的准确率从25%提高到70%，巡查人员的工作效率是此前的五倍。
在MODA的推进下，纽约的数据开放促进社会化应用也取得明显成效。到目前为止，纽约已经开放了12000多组数据，涉及健康、商业、公共安全、城市治理、教育、环境、住房与发展、创新等诸多领域，并基于此开发了大量社会化应用[5]。例如，开发了提示公众避免进入犯罪高发区域和提高警惕的APP应用，从而降低犯罪发生的概率。交通领域的APP应用为公众出行提供实时建议，并为地铁系统在客流高低峰时段、热点站和普通站之间的调配提出更优的方案。
（四）纽约的主要启示
第一，领导的重视和强有力支持。政府部门之间的数据共享和融合在技术上已经成熟，融合和共享的主要难度来源于部门的阻力。因此，基于大数据城市治理创新的前提是解除不同政府职能部门之间的制度藩篱与条块分割，实现分布在政府各个部门IT系统中数据的采集、更新、共享与融合。例如，纽约市长布隆伯格早期提出建立一个共享的数据中心以及部门间数据交换系统的计划，很快几乎所有人都在法律上、技术上和操作上提出质疑。律师们引用了大量法律条文（大多数来自联邦政府）反对数据共享；预算专家也畏葸不前，以成本为由挡回去；政府各个部门的首席信息官解释为什么只有他（或她）可以管理本单位复杂的数据库。因此，纽约成功推进大数据在政府应用，建设数据驱动的城市，重要原因是城市最高层领导人物的决心，若是缺少布隆伯格为求变而全力进行的自上而下的改革，纽约市不可能成为数据驱动政府的佼佼者。
第二，降低各个部门阻力，促进政府部门全面共享。为了降低各部门阻力，纽约尽可能使用城市现存的信息系统、数据库和网络，最大程度不改变各部门原有的系统。由于纽约政府的不同部门或机构曾使用几种不同的地理标签来标记他们的记录（如针对地理位置，一些记录可能使用街道地址信息，而其他机构可能使用网格坐标或邮政编码），导致数据聚合有相当的难度。而城市治理的数据分析过程依赖于地理位置数据，因此，要求来自不同部门的记录注上统一的地理标签。虽然采用公开标准能使得数据融合过程变得更加简单和直接，但纽约市数据分析团队为了降低各部门的阻力，并没有将此作为数据模型运行的必要条件。MODA付出了艰苦的努力，开发出一个能够将不同地理标签记录连接在一起的系统，这样来源于多个机构的数据更容易在分析中进行合并和共同使用，实现来自各部门数据的匹配和聚合。其中，DataBridge和DEEP技术允许政府部门和机构持续使用他们自己的系统，而不是安装昂贵的新信息系统来保持兼容，或迁移到政府云。此外，为了促进全面共享，纽约颁布了一条规则：任何部门想要得到其他部门的数据或MODA所收集的数据，就必须先共享自己的数据，而且必须是整个数据集。
第三，最大程度不改变一线工作人员的工作方式。大多数组织对变革都存在抵触情绪，大数据治理模式意味着新工作方式，因此其成功取决于受影响群体对新模式的接受程度。纽约大数据推进小组努力与一线工作人员合作，使他们的工作更加有效，从而提高员工的工作满意度，减少对新技术的抵触。
三、芝加哥的经验及启示[6]
（一）芝加哥大数据治理的背景
像许多大城市一样，芝加哥经常被下面问题所困扰：每年总有小孩会因为接触家装涂料或水管而铅中毒；总有一些餐馆的卫生环境不达标；总有这个或那个角落会突然冒出大量老鼠，没人能确切知道某个城市病将于何时何地爆发。面对这些城市治理难题，芝加哥市长RahmEmanuel希望城市管理者能够未雨绸缪、主动出击，通过应用大数据模型对这些风险进行分析预测，将其纳入日常城市管理，改变特大型城市面对顽疾“不定期发作”时束手无策的尴尬。
（二）芝加哥大数据治理的主要举措
第一，灵活的组织保障体系。芝加哥历来强调在城市治理中实施创新，并体现在政府的组织设计上。2008年，芝加哥将商业与信息服务部变更为创新与技术部（简称DoIT），将创新融入城市治理。创新与技术部的技术实力可以与市场上软件应用开发企业的实力相媲美。创新与技术部下面设置了数据科学、GIS、信息安全、软件开发等与大数据相关的运营团队。其中，数据科学团队以释放城市数据价值为目标，拥有高级分析、数据开放、商业智能以及数据管理四大职能，负责建设和开发“SmartData”、芝加哥数据开放门户网站，以及WindyGrid等产品。创新与技术部的各个团队分工明确，GIS团队负责高效低成本地利用基于地理位置的技术，提高政府决策质量和完善政府公共服务，信息安全团队则负责全市的信息系统与数据的安全，软件开发团队则帮助芝加哥拥有自己的技术团队，开发可扩展、可推广的大数据应用项目。此后，为突出数据在城市治理中的作用，2011年5月，芝加哥任命了第一位首席数据官（CDO）；2012年，又将DoIT局长、首席数据官（CDO）和首席信息官（CIO）三个职位合为一体，全力推进大数据在芝加哥城市治理中的应用。
第二，构建城市体征大数据平台——SmartData平台[7]。芝加哥市的管理者们认识到，开展大数据预测项目必须拥有大规模的足量数据。为此，在布隆伯格慈善基金会的100万美元赞助下，芝加哥的创新与技术部（DoIT）通过收集和分析曾经属于各个部门的数据，建立了SmartData平台。SmartData平台每天都会收集到各市政部门当日产生的700多万条数据，如天气、交通、学校、停车场等。SmartData将这些数据加以汇聚，包含从2001年至今的几乎所有的政府部门数据，数据非常全面，囊括了从每一个政府雇员的薪水到犯罪的报告，使得芝加哥拥有一个全美范围最大和最具鲁棒性的城市开放数据门户。SmartData的核心是建设数据驱动的政府决策模式，根本性地改变城市的运营模式。SmartData平台主要为城市高级数据分析提供IT基础设施服务，以软件即服务（Software-as-a-Service）的模式为城市各类应用提供服务。SmartData提供实时事故检测、历史数据检索和高级数据分析功能，允许用户基于时间、空间和距离等要素实时查询，不同类型的数据以一个友好的图形界面展现给用户，而且会自动更新数据并提出预警。SmartData为全市的雇员提供简单易用的接口，创建一系列商业智能工具，帮助城市雇员获得、使用和发现能够用于战略管理和日常运营的数据信息。通过强大的高级分析工具，可以帮助决策者作出更好的决策，面对城市挑战更早预测，将被动转为主动，将思想变成行动。
第三，构建城市安全管理利器——WindyGrid（风网）。WindyGrid是SmartData平台的第一阶段应用工具，是SmartData的图形化接口和基于GIS的决策支持系统，利用MongoDB（一个基于分布式文件存储的数据库）支持下的分析机制将数据整理并生成可视化地图。风网应用了芝加哥城几乎所有公共场所的时空数据，结合了结构化和非结构化数据的灵活数据模型，集成多重异构的数据源。例如，911报警电话，311服务电话，犯罪统计，建筑和业务经营许可证，城市车辆，建筑物的历史数据，公交车位置信息，推特（Twitter）等最新数据流。风网可以帮助管理者实时了解这座城市的运作状况，是城市安全管理的利器。
（三）芝加哥大数据治理创新取得的成绩
WindyGrid被成功地应用于芝加哥一些重大事件和活动管理，如2012年5月的北约首脑会议，2012年的同性恋游行，每年的圣帕特里克节游行、芝加哥美食节和航空水上表演等大型活动。WindyGrid可以帮助管理者了解城市任何一个地方的现状和过去所发生的事情，能实现对城市任意一个指定位置的查询，例如查询州大街和麦迪逊大街的交界处，用户就可以看到311和911的报警和投诉电话以及以往的犯罪报告，当前和历史上这两条街上发生的其他事情，如交通事故、拥堵、集会和游行等情况。
在暴风雨和其他极端天气事件后，WindyGrid亦被用于协助芝加哥防灾救灾。用于监测因灾害倒下的树木和电线，风暴和洪水破坏，以及其他重要信息。
此外，芝加哥不断扩展SmartData的应用。例如，针对311市政热线中名列前十的鼠患问题，通过基于大数据的分析，如管道漏水、垃圾投诉增多等相关数据，芝加哥可以提前7天预测鼠患爆发。环卫管理人员因此可以提前到达那些潜在的问题区域，采取治理行动，降低鼠患的危害。
总之，SmartData如今已经成为这座城市的中枢神经系统，帮助市政管理者们改善服务、降低成本并创造更加宜居的生活环境。
（四）芝加哥大数据治理的启示
芝加哥成功将大数据应用于城市治理的关键经验包含以下两个方面：
第一，领导的高度重视。与纽约一样，芝加哥市长是推动芝加哥大数据应用的关键人物，芝加哥提出了建设“大数据之城”的口号，将数据当成战略型资产，通过新的技术手段与数据融合，实现数据驱动的政府决策模式，根本性地改变城市的运营模式。芝加哥聘用IBM公司高级数据专家BrennaBerman为城市首席数据分析官（CAO）和首席信息官（CIO），并通过创新与技术部门强大的技术实力和推动能力，构建了整合全市数据的综合性大数据平台——SmartData。
第二，关注对城市基础数据的收集、融合与开放。芝加哥城市所有城市数据都加入了地理位置信息属性，这样使得所有数据可以非常好地展现在同一地图上，GIS平台具有300多个层的地理信息数据集，其中，250多个数据集可以通过芝加哥数据门户直接进行访问，为芝加哥城市开放数据的社会化应用提供了良好的支持。
第三，平台可复制和可移植。SmartData平台是基于开源软件开发的，美国其他城市，特别是缺乏技术实力的城市可以直接使用SmartData平台的预测算法，芝加哥还为其他城市快速建立相关分析提供实施指南和技术路线图。
四、新加坡的经验及启示
（一）新加坡大数据治理的背景
新加坡是较早将大数据应用于城市治理的亚洲国家。2003年2月，中国顺德暴发了重症急性呼吸综合征（SARS），病毒发现两周后，新加坡卫生部门虽然成立一个工作组，并采取了非常应对措施，但是到4月中旬，到访新加坡的游客急剧减少，酒店入住率直线下降，商店、餐馆、出租车司机收入锐减，这一事件导致新加坡经济收缩了4.2%。此后的调查发现，5位“超级传播者”造就了该国238个病例，如果政府早点发现这些人，就可以阻遏病毒的传播。这让新加坡政府意识到，小小的病毒仅用几个月时间就能危及国家的繁荣，而大数据对此类问题可以有所作为[8]。
（二）新加坡大数据治理的主要举措
第一，建立风险评估与扫描系统（RAHS）。SARS病毒退场后几个月，新加坡国防部利用美国的全景扫描系统（TotalInformation Awareness，TIA）思路进行了一次演练预测疫情，结果发现系统可以帮助新加坡在病毒抵岸前两个月便捕捉到疫情暴发迹象。为此，新加坡快速成立了RAHS项目推进办公室，迅速建立了风险评估与扫描系统，搜集并筛查大量数据，加以分析，创建模型，预测可能出现的事件，并在新加坡政府机构内分享。2006年后，新加坡除了将RAHS用于窃听和炸弹等政府安全问题，还利用RAHS分析Facebook、Twitter和其他社交媒体的帖子，评估国民情绪，预估可能出现的骚动。2009年后，新加坡决定将RAHS系统扩展到国家安全之外，将RAHS方法输出到整个政府系统。利用该系统应对各种国内社会和经济问题，包括“黑天鹅”事件、政府采购、预算、经济预测、移民政策发布、房地产市场研究、教育方案设计等。
第二，建立完善的数据开放法律和制度保障体系。在数据开放方面，新加坡建立了严格而清晰的数据开放规则，政府数据开放平台公布了8700多个政府数据集，公众可以免费获得超过60个政府部门的数据。此外，新加坡还颁布了《个人资料保护法》（2012年），防范对国内数据以及源于境外个人资料的滥用行为，并成立个人资料保护委员会，对不遵守《个人资料保护法令》的企业进行调查。
第三，实现四大库的整合和政府数据的全面开放。新加坡早在20世纪80年代就开始建立土地（地理信息）、人口、商业和公共安全四大数据中心，然而，四大数据中心只有土地数据中心是有空间信息的，而土地信息中心与其他三个数据中心之间没有联通，空间数据与非空间数据不能整合使用。2008年，新加坡政府提出了一项全国性计划——新加坡地理空间信息库（SingaporeGeospatial Collaborative Environment，简称SG-SPACE），将已有的土地、人口、商业和公共安全四大数据中心整合到统一的框架下，全面推进空间信息共享。SG-SPACE的愿景是创建一个“空间化的社会”，公众和企业都可获取并利用地理空间信息来更好地辅助决策，以大大减少新加坡公共部门采集、管理和更新地理空间信息的重复劳动。新加坡是较早实现政府数据开放的国家，为进一步鼓励社会公众参与数据开放运动，激发社会创新力，一方面，政府通过data.gov.sg开放来自60多个公共机构的8600多个数据集，并提高数据的机器可机读性；另一方面，政府提供专项资金举办“ideas4appschallenge”活动，提高社会公众参与的积极性，并为开发者提供技术支持和帮助。
第四，引进大数据人才。除了实施政府CIO制度，2014年，新加坡开始聘用数据科学家为政府服务，聘请埃森哲公司的首席数据分析专家作为政府CAO，以促进各个部门的数据智能化应用。
（三）新加坡应用大数据于城市治理创新的主要成绩
第一，政府开放数据和资源的价值获得最大化开发。基于SG-SPACE项目，新加坡政府16个政府部门和机构合作开发智慧地图平台Onemap，实现了地理空间数据的全面共享。Onemap拥有60种不同的地图主题，一方面，为公众提供了学校、商业、交通、住房等众多查询，让使用者随时搜索各种各样的地理空间信息；另一方面，为基于位置服务(LocationBased Services，LBS)的企业提供开放数据，提供API接口，允许用户在公共数据上开发自己的应用程序。新加坡政府开放数据平台公布的数据种类多、更新及时，数据开放的质量和数量在全球名列前茅。利用这些开放和共享数据，企业和部门已经开发了100多项应用，涉及停车信息、公共厕所、野猫管理等。
第二，为决策者提供了丰富的信息产品和服务。针对政府决策需求，RAHS提供了多层次的信息产品和服务，分别为Skan、Vanguard、Tech-Skan和Skoop（参见表1）。这些产品为不同级别的政府公职人员提供了多样化的决策参考。
表1 RAHS提供的主要产品和服务
数据来源：根据网站www.rahs.gov.sg/整理（2016-06-12）。
（四）新加坡大数据治理的主要启示
第一，需求导向下的政府大数据应用。不论是政府提供的Onemap空间地图，还是各个部门提供的开放数据，还是处于国家安全考虑的RAHS平台，新加坡政府都尽量从用户需求的角度，提供相关产品和服务，体现了新加坡政府以民众为中心、高效的政府服务理念。
第二，实现开放数据和基础平台的最大价值。为了实现开放数据价值的最大化，新加坡政府采取各种措施促进公众使用数据，例如，政府对一些数据进行了可视化，开发了100多个APP应用，鼓励和促进公众使用数据、发挥数据价值。此外，新加坡政府还将RAHS平台对社会开放，大学、研究机构和社会组织可以基于RAHS平台进行二次开发，用于分析各种问题，最大化利用平台价值。
第三，灵活扁平化的组织体系。新加坡资讯通信发展管理局（以下简称IDA）是推进大数据在新加坡政府应用的主要部门，在组织架构上，IDA更像一个IT企业，IDA员工有超过一半人并不在总部办公，而是被派驻到新加坡其他48个政府部门充当桥梁和纽带。这些外派IDA员工与总部保持着紧密联系，外派员工定期会有一些会议，不仅了解其他政府部门在做什么，同时推进跨政府部门之间协作，借助于他们从中的沟通，相关政府部门能够在一起进行更多的群体合作，共同分享彼此经验。
五、纽约、芝加哥和新加坡的比较分析
由于城市规模、政府技术能力、推进大数据治理的组织体制以及城市所面临挑战的不同，纽约、芝加哥和新加坡在应用大数据于政府治理中，选择了不同的模式。纽约和芝加哥虽然都是美国的特大城市，具有相同的国情，但是在促进大数据在政府治理创新应用方面选择了完全不同的模式，我们分别称之为纽约模式和芝加哥模式。
纽约模式可以理解为分散式治理模式，即鼓励各个部门相对独立展开面向城市治理的大数据开发和应用，以解决城市治理中面临的问题。纽约市成立市级大数据分析团队，统一协调、指导和推进各部门应用大数据实施城市治理创新，大数据分析团队提供核心技术支持和治理相关的融合数据，并全程提供技术指导。纽约模式的优点体现在以下几个方面：第一，资金和人员投入相对较少，纽约大数据分析团队共计9人，且信息化投入小；第二，实施大数据治理变革过程对各个部门的冲击比较小，受到的阻力也相对较小；第三，有利于政府各个部门大数据专业人才的培养。
芝加哥模式可以理解为集中式治理模式，即凭借市级政府强大的技术实力，以数据的融合集聚为核心，建立了全市统一的大数据基础平台，在此平台的基础上，根据各个部门的需要进行应用开发，解决城市治理中各种急需解决的治理难题。芝加哥模式的主要优点有：第一，政府能够全面掌握城市运营各类数据，有计划、有步骤地进行开发应用；第二，能够有效解决各个部门大数据人才不足的问题。
新加坡模式则是两种模式的混合，新加坡的RAHS系统采用集中式治理模式，由国防部主导开发该项目，但这一项目产品被应用于众多的政府部门，实现了平台价值的最大化。IDA采用扁平化的组织架构推进大数据在政府治理中的应用和数据开放，其优点是部门协同沟通的效率非常高，有利于跨部门的信息资源整合，能够实现政府开放数据价值的最大化。
以上三种模式并没有孰优孰劣之分，我国城市在推进大数据在政府中应用时，需要根据城市已有的信息化基础、技术能力、人才储备、组织架构以及资金预算等选择合适的模式。
六、对我国的启示
虽然各个城市可以选择不同的大数据治理模式，但是政府在应用大数据实现城市治理创新上具有一些共性。纽约、芝加哥、新加坡三个城市的主要经验可以为我国城市推进大数据在城市治理创新中的应用提供有益借鉴。
第一，健全数据共享和开放的软环境。基于大数据的城市治理创新，可能涉及众多的参与主体，除了城市领导强有力的支持，还需要政府数据公开、隐私保护等法律法规方面的制度保障。一方面，政府部门之间要破除数据分割的壁垒，实现城市数据的共享和融合；另一方面，实现政府数据向社会公众开放，为社会共治提供基础。
第二，明确推进和协调的主体单位。大数据治理涉及的部门广、系统多、技术复杂，尤其是在建设过程中多种思想意识、组织观念和群体利益之间容易发生冲突，平台建设难度大，仅仅凭借技术手段无法实施，必须由上级权威部门牵头强力推进、统筹兼顾。
第三，需要既懂业务又懂技术的高级大数据人才。政府大数据治理过程涉及数据采集、数据融合、业务理解和建模分析，需要既懂业务又懂技术的复合型人才。因此，为了促进大数据在城市治理中的应用，政府需要借鉴纽约、芝加哥、新加坡等城市的经验做法，引进具有丰富经验的大数据高级技术和管理人才。
第四，数据融合是重点和基础性工作。在大数据环境下，政府数据资源融合需要一个完整的基础体系，不仅仅是建立强大的网络通信设施、数据中心，更需要对已有部门或业务系统中的数据进行清洗、比对、关联和链接，实现政府不同数据库的有效融合。
