理论基础：新公共管理理论、整体性治理理论、数字治理理论在数字政府中的应用

数字政府建设并非单纯的技术堆砌，其背后有着深刻的公共管理理论演进脉络。从20世纪80年代的新公共管理运动，到21世纪初的整体性治理反思，再到近年来伴随数字技术崛起的数字治理理论，三大理论分别回答了“政府如何更高效”“政府如何更协同”“政府如何更智能”三个核心命题。理解这些理论的逻辑起点、核心主张及其在数字政府场景中的映射关系，是设计政务服务流程、搭建数据共享体系、评估治理效能的前提。本章将逐一拆解三大理论的内核，并结合我国数字政府建设的典型实践，帮助学员建立“理论—机制—工具”的贯通式分析框架。

4.1 新公共管理理论：效率导向与用户思维

4.1.1 核心原理

新公共管理理论（New Public Management, NPM）兴起于20世纪80年代，以撒切尔政府的“雷纳评审”和美国的“重塑政府运动”为代表。其核心主张包括：引入市场竞争机制、强调结果导向、将公民视为“顾客”、拆分大部门并建立执行机构。该理论认为，政府低效的根源在于垄断和缺乏激励，因此需要通过民营化、合同外包、绩效考评等手段再造行政流程。

在数字政府语境下，NPM的映射非常直接：“一网通办”本质上是将政务服务视为“产品”，以用户（企业和群众）的办理体验为衡量标准，通过压缩环节、减少材料、限时办结来提升行政效率。其背后的逻辑是“流程再造”——将原本以部门为中心的审批链条，重构为以用户事件为中心的服务链条。

4.1.2 判断方法与操作流程

判断一个数字政府项目是否体现NPM理念，可依据以下四个维度进行检验：

操作流程上，NPM导向的数字政府建设通常遵循“体验调研→流程拆解→去冗删减→标准固化→线上迁移→持续迭代”的路径。例如，某市在推进“开办企业”一件事时，首先通过用户访谈绘制出原流程的12个步骤、涉及4个部门、需提交23份材料；随后通过法律授权和系统对接，将步骤压缩至3个、材料精简至5份，并全部实现电子化提交。

4.1.3 案例拆解：浙江“最多跑一次”改革

浙江“最多跑一次”是NPM理论在中国最典型的实践样本。改革初期，浙江省政府并未急于开发新系统，而是先对全省办事事项进行地毯式梳理，共梳理出省市县三级办事事项1412项。其核心动作包括：

• 事项标准化：统一事项名称、申请材料、办理流程、办理时限，消除各地“同名不同办”的乱象。
• 数据归集：打通省级数据平台，归集58个省级部门、3600余个系统数据，实现“一次采集、多方复用”。
• 窗口整合：将部门分设窗口整合为“无差别全科受理”窗口，前台综合受理、后台分类审批、统一窗口出件。

改革效果显著：群众办事平均少跑腿67.8%，办事材料减少54.3%，办事时间缩短51.6%。但复盘中也发现，部分事项因法律规定的现场核验环节无法取消，导致“最多跑一次”在个别场景下退化为“最多跑一次是例外”。这提示我们：NPM的效率追求必须受法律底线约束，不能以牺牲程序正义为代价。

4.2 整体性治理理论：破解碎片化困境

4.2.1 核心原理

整体性治理理论（Holistic Governance）由英国学者佩里·希克斯（Perri 6）于1997年提出，是对新公共管理导致的“碎片化”问题的直接回应。NPM改革后，政府被拆分为众多执行机构，虽然提高了单项效率，却造成了服务割裂、责任真空、政策冲突等问题。整体性治理强调：以公民需求而非部门职能为组织原则，通过跨部门协同、信息系统整合、预算合并等手段，提供“无缝隙”的公共服务。

在数字政府中，整体性治理的核心载体是数据共享与业务协同。其关键不在于建设了多少个系统，而在于系统之间能否实现数据流动和业务联动。例如，低保认定涉及民政、人社、住建、车管、税务等多个部门的数据核验，只有通过数据共享交换平台实现自动比对，才能真正做到“居民零材料申请”。

4.2.2 操作流程与关键机制

实施整体性治理导向的数字政府项目，通常需要建立以下四项机制：

1. 组织保障机制：成立由主要领导牵头的“数字政府改革领导小组”，赋予其跨部门协调的权威。
2. 数据治理机制：制定数据共享责任清单（无条件共享、有条件共享、不予共享三类），明确数据提供方和需求方的权责。
3. 业务协同机制：以“一件事”为最小单元，建立跨部门联合审批流程，实行“牵头部门负责制”。
4. 考核问责机制：将数据共享率、协同办件量纳入部门绩效考核，对“不共享、慢协同”进行通报。

4.2.3 案例拆解：上海“一网统管”的协同实践

上海“一网统管”是整体性治理在城市运行管理中的典型应用。其建设背景是：城市管理涉及城管、住建、交通、环保、应急等数十个部门，传统模式下各部门“各管一段”，导致“看到管不到、管到看不到”的问题频发。例如，一处井盖缺失，可能涉及市政、通信、电力等多个权属单位，传统模式下需人工逐一确认。

“一网统管”的解决方案是：

• 统一事件受理：整合12345热线、网格巡查、视频AI发现、市民上报等渠道，形成统一的事件入口。
• 智能派单：基于地理信息（GIS）和权属数据库，自动识别井盖权属单位并派发工单，平均派单时间从2小时缩短至5分钟。
• 协同处置：对于涉及多部门的事件，启动“联合处置”模式，由平台指定牵头单位，其他单位限时响应。
• 闭环考核：处置结果自动回传平台，未按时办结的自动升级督办。

该平台上线后，城市管理类工单的按时办结率从78%提升至95%，平均处置时长缩短40%。但复盘也发现，部分跨部门事件仍存在“牵头单位不愿牵、配合单位不配合”的情况，根本原因在于部门间的考核权重和利益分配尚未完全理顺。这提示我们：整体性治理不仅是技术问题，更是组织权力和利益再分配的政治过程。

4.3 数字治理理论：数据驱动的智能决策

4.3.1 核心原理

数字治理理论（Digital Governance Theory）是21世纪以来随着大数据、人工智能、物联网等技术成熟而兴起的新范式。其代表人物邓利维（Patrick Dunleavy）指出，数字时代治理的核心在于“重新整合、基于需求的整体主义、数字化变革”。与传统理论相比，数字治理理论更强调：

• 数据作为生产要素：治理决策不再依赖经验判断，而是基于实时、全量、多维的数据分析。
• 算法辅助决策：通过机器学习模型预测需求、识别风险、优化资源配置。
• 平台化治理：政府从“直接生产者”转变为“平台规则制定者”，开放数据接口，引导社会力量共同参与治理。
• 敏捷迭代：数字系统采用“小步快跑”的迭代模式，快速响应环境变化。

4.3.2 应用场景与判断框架

数字治理理论的应用场景主要集中在以下三类：

判断一个项目是否真正属于“数字治理”而非“信息化”，可参考以下标准：是否具备数据自动采集能力？是否使用算法模型进行决策？是否形成“数据—决策—行动—反馈”的闭环？如果仅是将线下表格搬到线上，则仍停留在信息化阶段。

4.3.3 案例拆解：深圳“秒批”服务的算法逻辑

深圳市的“秒批”服务是数字治理理论的标杆案例。以“高龄老人津贴申请”为例，传统模式下老人需提交身份证、户口本、银行账号等材料，社区人工审核后报街道、区级审批，全程需5-7个工作日。而“秒批”模式实现了“无感申办”：

1. 数据自动获取：系统通过公安户籍数据自动识别年满70周岁的老人，主动推送办理提醒短信。
2. 资格自动核验：后台调用公安（年龄、户籍）、人社（退休金发放）、银行（账户有效性）等数据接口，自动比对是否符合条件。
3. 算法决策：若所有条件满足，系统自动审批通过并生成发放指令，全程无人工干预。
4. 异常转人工：对于数据缺失或存在疑义的申请，自动转入人工复核队列，确保兜底保障。

该服务上线后，津贴发放从“申请制”变为“免申即享”，惠及全市约12万老人。但复盘也发现，部分老人因银行账户信息不完整而无法通过自动核验，需要社区工作人员上门协助。这提示我们：算法决策必须设计“人工兜底”通道，避免数字鸿沟导致服务排斥。

4.4 三大理论的融合应用与常见误区

4.4.1 融合应用框架

在实际的数字政府建设中，三大理论并非彼此替代，而是形成互补。一个成熟的数字政府项目通常需要经历三个阶段：

需要强调的是，三个阶段并非严格线性推进，而是螺旋式上升。许多地区在“服务上线”阶段就同步启动“数据打通”，甚至在局部场景直接尝试“智能升级”，这需要根据地方基础条件灵活把握。

4.4.2 常见误区与规避策略

• 误区一：重技术轻业务。认为上了新系统就完成了数字政府建设，忽视了业务流程再造和组织变革。规避策略：坚持“业务部门提需求、技术部门做支撑”的双轮驱动模式。
• 误区二：重建设轻运营。项目验收后缺乏持续运营投入，导致系统使用率低、数据更新滞后。规避策略：建立“建设+运营”一体化模式，按年度拨付运营经费并考核使用效果。
• 误区三：重效率轻公平。过度追求“秒批”“零材料”，却忽视了老年人、残障人士等数字弱势群体的需求。规避策略：保留线下窗口和人工服务，推行“帮办代办”机制。
• 误区四：重数据轻安全。为追求数据共享而忽视个人信息保护和数据安全。规避策略：实施数据分级分类管理，建立“最小够用”原则，强化隐私计算技术应用。

4.4.3 总结复盘：理论如何指导实践

回顾本章内容，可以提炼出以下行动指南：

1. 立项时：用NPM的“用户旅程”方法梳理业务痛点，明确效率提升目标。
2. 设计时：用整体性治理的“协同矩阵”方法识别跨部门依赖关系，确定数据共享需求。
3. 实施时：用数字治理的“数据闭环”方法设计系统架构，确保数据可采集、可分析、可反馈。
4. 评估时：建立“效率指标+协同指标+智能指标”的三维评估体系，避免单一维度评价。

最后需要强调的是，理论的价值不在于“记住定义”，而在于“提供视角”。当你在工作中遇到“数据共享推不动”“系统建设不实用”“智能应用不落地”等问题时，不妨回到三大理论中寻找根源：是效率激励不足？是协同机制缺失？还是数据能力薄弱？找准病根，才能对症下药。