一.   问题的提出

2009年美国政府推出全球首个开放数据平台，倡导通过政府数据开放提升透明、参与、合作，创造更多价值^[1]。政府数据开放在政治、经济、社会等方面所蕴藏的巨大价值，吸引了许多国家投入大量资源进行建设，开放所掌握的数据资源^[2]。然而，各国在实践中普遍面临的问题是不断开放的政府数据并没有产生预期价值^[3]。利用政府数据开放创造价值，有赖于利益相关者之间有效合作^[4]，但利益相关者之间合作的结果不一定是价值共创（Value Co-creation），也可能发生价值共毁（Value Co-destruction）。供需失衡、信任缺乏、行为不当等因素都会导致至少一方的福利减少引发价值共毁。政府数据开放领域的文献默认宏观政策目标被参与价值生产的行动主体严格执行并直接作用于最终效果的预设，忽视政府数据开放所引发的资源短缺与行为不当可能会导致价值创造的目标无法实现。

现有文献多从治理体系、实践特征等方面对政府数据开放价值创造面临的困境与存在的不足展开讨论，尚未有研究对政府数据开放价值共毁的产生原因进行剖析，以至于我们并不清楚政府数据开放价值共毁为何不断发生，更不知如何有效应对。党的十九届四中全会《决定》首次将“数据”增列为生产要素，明确了数据要素作为推动各领域价值创造的新动能。我国各级政府掌握着众多的数据资源，如何更好地利用政府数据开放创造更多价值，也是亟需回应的现实问题。因此，不论是理论还是实践，都呼唤对政府数据开放价值共毁产生的原因展开深入研究。

二.   从价值共创到价值共毁：文献回顾

一   概念定义

价值共创与价值共毁都是用户与组织互动的结果，区别在于价值共创是积极面，而价值共毁是消极面。理解价值共毁需要先从什么是价值共创开始。价值共创这一概念诞生于商业领域，是指供应商与消费者之间的资源整合过程，消费者通过互动与组织共同创造价值，改善系统福利^[5]。价值共创打破了生产导向论认为生产者是唯一价值创造者，把消费者视为重要资源引入到价值创造过程中，与生产者共同创造价值^[6]。价值共创自提出以来就引起了广泛关注，学界对价值共创的研究基于消费者体验主导和服务主导两种逻辑展开，前者关注价值共创各方的价值实现，后者强调价值共创系统的价值实现^[7]。这两种逻辑都承认无论是生产者还是消费者均不具有创造价值所需的全部资源和条件，它们之间存在天然的相互依存关系，这种互依关系是推动价值共创的基础。在此理论逻辑下，私营组织、公共部门展开了价值共创实践，一些案例显示尽管生产者和消费者进行互动，却没能成功实现价值共创。这引起学界关注，越来越多的研究发现互动效用绝非单向，在产出正面效应的同时也为价值共毁的出现埋下了伏笔。

价值共毁概念，是指服务系统之间的交互过程导致至少一个系统的福利下降^[8]。所指的服务系统既可以是商业领域，也可以是来自公共、营利和非营利部门的一系列利益相关者之间的跨部门合作^[9]。价值共毁的英文表达有Value co-destruction和Co-destruction of value，中文常译为价值共毁、价值共同破坏与价值共同生产失败，所表达的概念内涵一致。价值共毁被提出后，大量研究围绕其产生的原因展开分析，总结现有发现可以分为两个视角。资源视角的研究认为价值共毁是由于失败的资源集成所致；行为视角则聚焦服务系统中参与者的不当行为，包括顾客、员工和组织的不当行为。例如，Yin等人发现顾客故意损坏、丢弃和偷盗共享单车的不当行为，降低了企业效率和信任，引发价值共毁^[10]。Smith以服务型组织为例，讨论了组织的人力资源、财务资源、信息资源等资源短缺会引发价值共同破坏^[11]。学界意识到无论是资源因素还是行为因素，都会引发价值共毁。

二   既有研究

现有研究围绕政府数据开放价值创造的机制形成“技术论”与“生态论”两种主流解释。具体而言，“技术论”强调技术特征对政府数据开放价值创造的主导性影响，技术作为一种结构嵌入组织中，外部因素无法决定、支配和影响技术^[12]。在此预设下，政府数据开放及其平台所具有的特征属性自然与利用效果、价值创造等建立关联。例如，徐慧娜、郑磊^[13]发现公众对政府数据开放平台的感知有用性、感知易用性显著正向影响政府数据开放的利用效果。鲍静等^[14]指出元数据标准、平台质量等技术准备层面的因素决定着数据使用的效果。“技术论”可以解释价值创造为何成功，却无法解释同一项技术缘何有的价值创造成功，有的却出现价值共毁。过于强调技术自身特质对结果产生的单向因果影响，容易陷入“技术决定论”的窠臼，从而忽视技术所处环境的结构条件、制度安排、行动者互动等复杂过程。

“生态论”受社会技术系统理论的影响，从整体主义看待技术，指出技术只是价值创造的触发性因素，而非决定性因素。决定政府数据开放价值创造结果的关键不在于社会结构或文化是否构成阻碍，也不在于技术是否先进，取决于社会因素与技术因素在互动过程中是否吸收更多的利益相关者加入价值创造的网络之中。换言之，技术应用的效果取决于其获得的支持。正如，樊博^[15]指出增设首席信息官推动政府数据开放，提升政府大数据能力实现治理变革。赵需要等^[16]从生态链视角对政府数据开放的生产、处理、利用和消费等环节进行了阐述，指出政府数据开放生态链的形成对价值创造的积极作用。政府数据从开放、利用到价值创造是一个动态循环的过程，政府数据开放的质量越高，社会参与程度就越高；利益相关者数据利用水平越好，创造的公共价值也就越多，如此能促进政府开放更多高质量的数据集，形成良性生态循环。“生态论”为理解政府数据开放何以实现价值创造提供了新思路，但总体而言，该视角对政府数据开放价值创造过程关注不足，忽视了科层逻辑对政府数据开放的影响。

上述两种研究视角对政府数据开放价值创造做出了富有洞见的解释，将两种视角叠加后，发现有一些问题尚需要进一步探索。第一，对政府数据开放价值创造的讨论仅停留在“价值如何产生”的层面，没有回答“价值为什么会产生或没有产生”的核心问题。第二，政府数据开放通过合作生产方式创造价值，现有研究假定利益相关者都是遵守制度规范，忽略了政府数据开放价值创造作为一种松散合作，在缺乏有效监督条件下行动者的自利行为及其对价值创造的负面影响。第三，既有研究遵循“各方通过合作生产实现价值创造”的假设逻辑对政府数据开放价值创造展开应然分析。然而，事实上，如果价值可以被成功地合作创造出来，那么价值也可能通过失败的合作被破坏。遗憾的是，对价值共毁产生原因的知识贡献大多来自商业领域，当研究目光转向公共服务领域讨论政府数据开放中的价值共毁问题时，我们对已知的影响因素扮演什么角色，如何发挥作用的理解极为有限。正如了解顾客不满原因对于提升服务质量至关重要一样，分析价值共同破坏的前因也是非常重要。鉴于此，本文尝试从价值共同破坏这一视角，对政府数据开放价值创造失败的发生原因、触发机制进行解释，以便在理论上更好地厘清政府数据开放价值创造缘何失败这一现实问题，弥补现有研究对该问题的回应不足。

三.   研究设计过程

一   研究方法

本文关注政府数据开放价值共毁产生的原因，聚焦于价值共毁现象涉及的影响因素及其作用机制，适合采用过程追踪法（Process-tracing Methods）分析案例中的因果机制^[17]。过程追踪遵循“案例内”研究逻辑，对案例过程进行检查，使研究者拥有一个“对调查现象详细了解的好机会”。过程追踪法根据因变量选择案例，通过追溯影响因素对案例结果产生的作用进行因果解释。其有两点优点：（1）使用这种方法可以确立特定的因果机制；（2）可以对自变量进行分类，较传统案例研究更合理地评估自变量在多大程度上对因变量产生了影响。过程追踪法从必要性和充分性两个维度建立了检验标准：风中稻草（straw in the wind）、环箍（hoop test）、冒烟的枪（smoking gun）和双重决定（doubly decisive）（见表1）。鉴于在社会科学研究中，很难找到和获得能够进行双重决定检验的经验证据类型。故本研究不涉及双重决定检验，只对前三种检验类型进行讨论。

表  1  过程追踪的因果推断检验分类—充分条件与必要条件检验的四种类型

风中稻草（最弱）	冒烟的枪（稳健）	环箍（稳健）	双重决定（最强）
通过：肯定假设的相关性，但不能证实。 不通过：假设没有被排除，但被稍微削弱了。 对竞争假设的影响：通过会削弱它们，反之则加强。	通过：证实假设。 不通过：假设没有被消除，但被稍微削弱了。 对竞争假设的影响：通过会大大削弱它们，反之则加强。	通过：肯定假设的相关性，但不 能证实。 不通过：排除假设。 对竞争假设的影响：通过稍微会 削弱它们，反之会稍微加强它们。	通过：证实假设并排除其他假设。 不通过：排除假设。 对竞争假设的影响：通过会排除它们，反之则实质上加强了它们。

下载: 导出CSV 

| 显示表格

二   案例选择与资料收集

本文基于理论检验和判断抽样，选择L市政府数据开放价值创造项目作为案例研究对象，对L市政府数据开放从价值创造到价值共毁这一过程展开实地调研与资料搜集，积累了与研究相关的丰富研究素材，为因果推断提供了可靠的资料保证。研究资料的收集主要源自半结构化访谈，访谈内容涉及不同参与方对价值共毁产生原因的回答，访谈对象涉及政府部门领导与工作人员、企业管理者与员工以及市民。资料收集过程分为三个阶段：第一阶段，根据访谈提纲与受访者进行座谈，主要针对L市政府数据开放平台总体状况、发展历程、日常工作内容、计划进行价值共创的项目以及价值共毁案例的基本情况等方面；第二阶段，向访谈对象提出针对性问题，以搜集检验研究假设的证据；第三阶段，随着访谈的推进，解决、明确访谈过程中的疑问和模糊信息，查漏补缺。在上述三阶段的访谈过程中，每位受访者访谈时间控制在60分钟内，访谈结束后当天对访谈内容进行整理，形成分析材料。

四.   理论模型

一   定义因变量

笔者将政府数据开放价值共毁定义为“在政府数据开放价值创造的合作生产过程中，服务系统之间的合作无法生产出预期价值的产品与服务，并导致至少一方福利下降”。

二   影响因素

根据价值共毁的分析框架，研究将政府数据开放价值共毁的潜在影响因素分为两类：来自资源层面的影响因素与行为层面的影响因素，并根据这两类影响因素对因变量的作用机制构建一个解释政府数据开放价值共毁何以发生的理论模型。通过前期调研和文献梳理，本文获得资源层面的三个主要影响因素：避责的行政文化、数据治理权不足、数据平台建设滞后。它们直接导致失败的资源集成并引起价值共毁发生。

避责的行政文化不仅对政府数据开放产生阻碍，还对价值创造产生显著负面影响^[18-19]。在“做对事情”与“别出事情”的支配逻辑下，地方政府及部门具有强烈的避责动机，一方面政府数据开放不是地方政府的中心工作，实践政府数据开放在短期内不仅不会带来经济效益，还会消耗地方政府有限的财政资源和人力资源。另一方面，由于数据开放供社会利用后，其潜在的不确定性被放大，在“谁公开谁负责”的问责制度下，一些政府部门抱着“多做多错，少做少错，不做不错”的心态，消极应付政府数据开放工作。这也给政府数据开放价值创造带来了巨大阻碍。虽然存在避责的行政文化，但还是有成功的价值共创，要想完全消除避责文化几乎不可能。据此，避责的行政文化既不是政府数据开放价值共毁的必要条件，也不是充分条件。故将其放在“风中稻草”进行检验，提出研究假设1。

H1：政府数据开放价值共毁会受到避责的行政文化影响。

参考文献对治理权的定义^[20]，本文将数据治理权界定为“在数据业务管理过程中的规则制定、资源调配、工作安排和检查考核方面的权力”。权力结构和制度安排决定着主管部门对政府数据开放的治理权。数据治理权的高低具有明显的行政层级分布特征，行政层级越高，数据治理权也就越高。这导致数据治理权与价值创造之间出现张力，即数据治理权向上集中，而政府数据开放的价值是通过基层实践来创造的。上层掌握着海量数据资源，但不清楚它们可以做什么，基层有大量实践场景却缺乏可供实现的数据，这种张力可能会导致价值创造的失败。高质量的数据供给是保证政府数据开放价值创造的关键，而高质量的数据生产依赖于主管部门的数据治理权。数据治理权不足被视为引发政府数据开放价值共毁的必要条件，但不是充分条件。因此，本文将数据治理权假设放在“环箍”检验，提出研究假设2。

H2：主管部门数据治理权不足会造成政府数据开放价值共毁。

数据价值不会随着数据开放而自动产生，需要社会广泛利用才能产生价值。政府数据开放平台是政府数据开放的第一阵地，也是第一窗口，其建设水平直接影响使用者的感知有用性、感知易用性与使用意愿，制约着价值共创的互动效果^[21]。政府数据开放平台建设滞后会对数据利用造成负面影响，导致政府数据开放的价值无法实现。政府数据平台建设滞后似乎是引发政府数据开放价值共毁的必要条件。正如郑磊^[22]强调“数据开放和数据利用的动态互动关系共同决定着开放数据的价值创造”。而政府数据平台正是连接这种互动关系的关键。为此，将该假设放在“环箍”检验之下，并提出研究假设3。

H3：数据平台建设滞后会造成政府数据开放价值共毁。

行为层面则聚焦用户的参与意愿缺乏、数据利用能力不足、机会主义行为是造成政府数据开放价值共毁的主要影响因素。利益相关者积极地参与意愿是政府数据开放成功实现价值共创的前提条件^[23]。在政府数据开放情境中，用户（包括企业用户、个人用户、非政府组织用户等）既可以与政府数据开放平台互动进行价值共创，又可以与其他用户通过数据使用体验的共享来进行价值共创，用户成为价值共创互动行为的核心主体。由是观之，当用户参与意愿不足时，导致有效互动行为缺失将会造成价值共毁。如果缺乏参与意愿，用户就没有动力去进行价值创造。另一方面，如果用户愿意参与价值创造，也不意味着价值创造就一定会成功，还存在其他因素在发挥重要作用。可知，用户参与意愿不足不是充分条件，是价值共毁的必要条件，故对该假设进行“环箍”检验，提出研究假设4。

H4：缺乏参与意愿会导致政府数据开放价值共毁。

政府数据开放自身没有价值，价值是由它的使用者创造的。政府数据的复杂性决定了不具备数据分析能力的公众无法利用数据，需要经过专业人员的分析、开发才能被公众理解与使用。由于技术人员的稀缺与非均衡分布，导致组织间数据利用能力的不平衡。公众、非营利组织、非政府组织等往往缺乏充足的数据利用能力。研究指出，数据利用能力（搜索、分析、开发等）直接影响着政府数据开放价值共创的效果。就目前而言，绝大部分组织和公众缺乏这方面的知识素养，对数据的利用能力较弱^[24]，也无法对数据进行充分、有效地利用，意味着数据所蕴含的价值无法被生产出来，价值共创的实践也将滑向价值共毁。由此可见，数据利用能力不足是价值共毁的充分条件，将这一假设放在“冒烟的枪”类型下进行检验，并提出研究假设5。

H5：数据利用能力不足会导致政府数据开放价值共毁。

当参与价值创造的行动者在互动过程中出现不当行为时则会引发价值共毁问题。在一个信息不对称、监管不充分的外部环境中，政府将数据开放后，即无法选择数据去向和使用者，也无法确保数据使用者行为的合规性，这会导致在价值创造过程中参与者根据自身利益而非整体利益做出机会主义行为的潜在风险。笔者在调研中发现，个别缺乏竞争力的科技企业会通过与政府合作，寻求政府资源的支持或借着合作增加自身商誉、信用，为融资提供便利等等，但无法实现政府数据开放价值共创的最终目标。还有一些企业索要关键数据为真，进行价值共创为假，拿到数据后就以各种理由搪塞不履行自身义务，或者利用数据进行涉及隐私的违规操作。这些机会主义行为，放大了潜在风险，扭曲了价值共创行为，造成价值共创的失败。由是观之，机会主义行为是造成政府数据开放价值共毁的充分条件，不是必要条件。因此，将该假设置于“冒烟的枪”检验之中，提出研究假设6。

H6：机会主义行为会导致政府数据开放价值共毁。

综上所述，我们根据所提出的六项研究假设绘制了理论模型（图1）。

图  1  政府数据开放价值共毁的理论模型

下载: 全尺寸图片 幻灯片

五.   分析发现

一   “风中稻草”检测

一些受访者已经认识到避责的行政文化对政府数据开放实践所造成的阻碍。正如一位政府官员所言：“政府数据开放作为一项新工作，意味着有许多潜在的创新机会，同时也面临着缺乏参考标准，如果事情做砸了要被问责。所以，我们情愿慢一点，不去争先，等一等其他城市实践成功，成为学习标准或上级对此项工作有了指示和部署，我们再去行动，这样风险要小得多。”（访谈资料 2020-031）^①。由于政府机构天然的保守倾向，以及对开放后对数据控制权的让渡和风险规避等考虑，一些职能部门倾向部分公开或不公开。避责动机让政府部门趋向被动等待命令，对来自社会公众的数据诉求反应迟缓，这可能会造成高质量数据短缺和价值创造空间不足，增加价值共毁发生的概率。基于此，有理由相信避责的行政文化是政府数据开放价值共毁的影响因素之一，通过检验（见表 2）。

表  2  “风中稻草”检测避责的行政文化

步骤	核心内容
假设	H1：政府数据开放价值共毁可以用避责的行政文化来解释。
线索	政府数据开放后政府对数据的控制权减弱，潜在风险增加，政府领导按照“不出事”逻辑对待政府数据开放及其价值创造。
推断	在避责的行政文化下一些部门倾向部分公开或不公开数据。
结果	研究假设通过检验。

下载: 导出CSV 

| 显示表格

二   “环箍”检测

在案例研究中，数据治理权被视为价值共创发生的先决条件。来自L市一家科创企业的受访者表示：“政府是数据的释放者，政府数据开放主管部门则是数据的水龙头，它来协调、指挥和汇总各个部门的数据，如果没有足够的管理权力是做不成事的。”（访谈资料 2020-006）。由于政府数据分散在各个部门，条块结构成为数据统一获取的巨大阻碍，要全面推进政府数据开放，必须建立专门的数据管理机构，并为其克服组织结构的挑战提供匹配的权力。正如L市大数据管理局局长的表述：“上面让搞政府数据开放，没有把政府数据开放工作放到对各部门的考核中，导致很多之前的工作安排无法完成；作为一个成立时间不长的机构，我们部门有很多工作要做，一些是清理存量，另一些是增量业务，但我们的资源和权力是不足以完成这些工作。”（访谈资料 2020-015）。透过访谈可知，数据治理权作为决定政府数据开放的基础要素，影响着其价值创造的结果。需要注意的是，价值共毁不仅仅是由数据治理权不足引起的。因此，关于数据治理权的假设通过检验（见表 3）。

表  3  “环箍”检测数据治理权

步骤	核心内容
假设	H2：政府数据开放价值共毁可以通过主管部门数据治理权不足来解释。
线索	案例显示，这种基于规则制定、资源调配、工作安排和检查考核方面的权力可以帮助主管部门克服权威性不足、跨部门协调无力等阻碍，实现高质量的政府数据开放及其价值创造。
推断	数据治理权不足是政府数据开放价值共毁的必要条件。
结果	研究假设通过检验。

下载: 导出CSV 

| 显示表格

作为面向用户的第一窗口，政府数据开放平台的建设不能忽视用户体验。目前平台缺乏用户友好的设计、操作便捷的界面是影响政府数据开放效果的重要原因^[24]。笔者在访谈中发现，L市政府数据开放平台建设存在两点主要问题：一是平台一些数据更新维护不及时，数据集大多集中在教育领域，而涉及经济领域的数据寥若晨星，部分数据集存在无法下载的窘境。二是平台上提供的APP和应用数量有待进一步丰富，目前只有不到10个。相比国内领先城市，广东省政府数据开放平台上有近百个数据应用，为社会提供了更加丰富的服务和更加广阔的价值共创空间。正如来自L市新经济局的工作人员所说：“政府数据开放平台作为生态系统的重要组成部分，虽然不是决定性因素，但如果它不能发挥优质数据的供给、广泛诉求的回应、海量资源的对接等功能，利用数据创造价值的目标将会打折扣或者无法实现。”（访谈资料 2020-077）。由是观之，政府数据开放平台扮演着“枢纽”角色，将供给与需求连接起来，推动价值共创的实现，该研究假设通过检验（见表 4）。

表  4  “环箍”检测政府数据开放平台

步骤	核心内容
假设	H3：政府数据开放价值共毁可以被数据平台建设滞后来解释。
线索	平台数据和应用的短缺无法满足社会需求，缺少活跃用户与有效参与。
推断	供给与需求无法有效建立连接，造成价值创造资源与动力不足。
结果	研究假设通过检验。

下载: 导出CSV 

| 显示表格

政府数据开放的主要目的是吸引社会公众利用数据，推动成功的价值共创。用户特征，如知识结构、网络位置、创新意识、价值观等因素很大程度上决定着参与意愿。但在本案例中，发现了一些不同之处，即用户参与政府数据开放价值创造的意愿很大程度上取决于用户对价值创造结果的预期。

正如本案例中的一位公众所言：“如果参与的结果会给我带来利益，我可能会去，但与我无关，我不会理。”（访谈资料 2020-054）。来自L市政府的工作人员说：“我们不定期开放一些数据和场景，吸引潜在用户参与价值创造，也会出现参与效果不好的时候，这时我们会反思，对数据和场景进行调整，有时也是项目本身的原因。”（访谈资料 2020-018）。可见，在本案例中，用户缺乏参与意愿是对价值创造预期判断的反应，这使得我们无法判断是因为缺乏参与意愿导致价值共毁，还是这原本就是一个必然失败（或不太吸引人）的项目，才会出现参与者寥寥无几。因此，无法证实参与意愿缺失会造成价值共毁的发生这一假设（见表 5）。

表  5  “环箍”检测参与意愿

步骤	核心内容
假设	H4：政府数据开放价值共毁可以被参与意愿缺乏来解释。
线索	案例表明，参与意愿与政府数据开放价值创造存在关联，但参与意愿不足是否会导致价值共毁，很大程度取决于用户对价值创造预期的判断。
推断	无法判断是因为缺乏参与意愿引发价值共毁，还是一个必然失败的项目本来就无法吸引到更多的参与者。
结果	研究假设没有通过检验。

下载: 导出CSV 

| 显示表格

三   “冒烟的枪”检测

目前一些研究显然对用户运用自身知识技能处理海量、复杂的数据过于乐观。数据挖掘与分析的知识技能并非一般性能力，能熟练掌握它的用户是稀缺的。一位受访者表示：“能够真正利用政府开放数据的人或组织只是少数，他们受过这方面的教育、有时间以及有想法去探索数据价值，从中发现机会。”（访谈资料 2020-010）。如果大部分利益相关者缺乏理解、分析数据的能力，他们也无法加入价值创造的过程之中。这种“知识鸿沟”可能会进一步加剧“数字鸿沟”，少数人才能从中获益。越多人具备数据利用能力，将推进价值创造参与的广度和深度，有利于价值共创目标的实现。但案例也提供了另一面的信息，即大多数用户缺乏数据利用能力的情况下，只要政府或其他组织根据数据制作了应用，免费提供使用，价值共创的部分目标也能实现，并不必然引发价值共毁。来自L市大数据管理局的受访者讲道：“去年疫情期间，我们利用汇集的数据将患者与其行动轨迹进行关联，制作了疫情地图。一方面咱们的群众可以通过微信小程序查看这个地图，根据风险等级，调整自身的行动并做好防疫措施。另一方面也为咱们市抗疫溯源工作提供了有力的数据支持。”（访谈资料 2020-016、017）。据此，判断假设通过检验（见表 6）。

表  6  “冒烟的枪”检测数据利用能力

步骤	核心内容
假设	H5：政府数据开放价值共毁可以被数据利用能力不足来解释。
线索	数据挖掘与分析能力不被公众普遍掌握，熟练掌握它的用户是稀缺的。
推断	这种“知识鸿沟”可能会进一步加剧“数字鸿沟”，阻碍了社会公众、组织利用数据实现价值共创的目标。
结果	研究假设通过检验。

下载: 导出CSV 

| 显示表格

用户的机会主义行为是造成价值共毁的原因之一。当用户的机会主义行为超出了政府预期时，这种行为会给政府带来压力与担忧，从而导致政府对价值创造的感知效益下降。在调研中，“目标偏移”和“隐私侵犯”是发生最多了机会主义行为。一位政府管理者对此进行了解释：“有些企业与我们合作，我们提供数据，他们开发应用。拿到数据后，他们就开始提条件，说数据质量不行，得再补充一些数据；或者说公司资金周转不开，技术骨干跳槽，遇到经营困难要我们给予资金帮扶，放宽验收标准等。其实，他们拿到数据后，就在挖掘（数据价值）。可以拿它挣钱时，精力不在这个（合作项目）上面了。”（访谈资料 2020-021）。如果用户选择不正确地利用数据，那么价值共毁就会发生，因为发生不良后果，首先被质疑的是数据提供者。这位政府管理者无奈地表述说：“我们都强调隐私保护的重要性，在数据开放前我们都先脱密处置过，但是随着关联数据信息不断增多，可能会有小部分个人隐私面临潜在风险，虽然我们很重视这个问题，但隐私侵犯问题归结为用户实际如何使用和利用数据。”（访谈资料 2020-021）。毕竟，“脏数据”往往导致公民平等权保护受到威胁^[25]。作为数据供应主体的政府需要引导用户在利用数据时合规，如果用户出于机会主义原因不这样做，那就导致价值共毁的发生。可是，实践中无法避免机会主义行为，同时，我们也只有在问题出现时才能发现存在其中的机会主义行为，而那些成功实现价值共创的案例可能也存在机会主义行为。据此，该假设通过检验（见表 7）。

表  7  “冒烟的枪”检测机会主义行为

步骤	核心内容
假设	H6：政府数据开放价值共毁可以被机会主义行为来解释。
线索	机会主义行为超出了政府对价值共创的风险预期。
推断	这种行为会给政府带来压力与担忧，从而导致政府对价值创造的感知效益下降。但这种行为在没有被政府发现时，可能不会引起价值共毁发生。
结果	研究假设通过检验。

下载: 导出CSV 

| 显示表格

综上内容，除假设4参与意愿没通过检验外，其余五项研究假设均通过检验，根据研究发现绘制了政府数据开放价值共毁的发生机制（图2）。从图中可见，在利益相关者使用政府数据开放进行价值共创的过程中，诸如避责的行政文化、数据治理权等影响因素或是造成资源集成失败，或是出现行为不当，从而对参与价值共创的行动者福祉造成损害，即发生价值共毁。而价值共毁出现后，如果不加以遏制或纠正，价值共毁会对互动过程、参与者行为产生负面反馈，降低参与者预期效用、滋生负面情绪、诱发利己主义等等，这些负面反馈会对后续的价值创造产生持续影响。

图  2  政府数据开放价值共毁的发生机制

下载: 全尺寸图片 幻灯片

六.   结论与讨论

奥斯本（Stephen P Osborne）^[26]指出新公共管理主导的政府改革带来了基于福特主义，存在明显缺陷的公共服务模式，这导致公共服务改革的失败。他建议通过价值共创来改变这一困境。政府数据开放具有的开放性、互动性，成为价值共创理想的实践对象。国内外学界围绕对政府数据开放价值创造从组织结构、制度建设、行动者认知等角度贡献了许多精彩的作品。在此基础上，本文进一步提出一个现实困惑：是什么原因导致政府数据开放实践出现“价值共毁”现象？围绕该问题，本文展开研究分析，不同于以往研究，本文强调应该更重视那些常规的、过程性的、具备决定性的变量，从资源集成和互动行为入手探索导致政府数据开放价值共毁的因果机制。根据研究发现，初步得出以下结论。

第一，数据利用能力不足和机会主义行为是造成政府数据开放价值共毁的最重要条件。正如研究案例所揭示的，数据利用能力是稀缺的，这种“知识鸿沟”可能会进一步加剧“价值鸿沟”，即个体或组织掌握的数据利用技能越少越会阻碍价值创造的实现。无论是个体还是组织都厌恶风险，在共同创造价值中出现机会主义行为会导致参与者的感知效益下降，感知风险上升，引起价值共毁发生。现有研究大多关照政府数据开放实践的不良后果，如隐私泄露。忽视了政府数据开放中存在的机会主义行为对价值创造产生的负面影响。这一发现，有助于制度、管理方面的进一步完善。

第二，数据治理权不足、数据平台建设滞后是引起政府数据开放价值共毁的必要前提。通过过程追踪分析证实了主管部门的数据治理权不足，地方政府数据平台建设滞后是滋生价值共毁的温床，这为政府提供了实践工作改进的具体方向与建设内容。相较现有文献，更多是聚焦数据平台建设，没有专门针对数据治理权与价值创造的关联进行分析。本研究对数据治理权进行了界定，阐明数据治理权从规则制定、资源调配、工作安排和检查考核方面对政府数据开放价值创造产生影响。

第三，用户缺乏参与意愿不是政府数据开放价值共毁发生的必要前提。与现有文献强调的不同，本文的分析并没有证实用户缺乏参与意愿是引发政府数据开放价值共毁发生的必要前提。这把我们的视角从外部带回了内部，政府数据开放价值共毁并不是必然都是由用户缺乏参与意愿所导致，有可能是因为项目本身存在明显缺陷，用户认为其是一个必然失败的项目，所以无法吸引更多地参与。

第四，避责的行政文化与政府数据开放价值共毁存在关联，但它不是必要条件，也不是充分条件。根据本文的分析发现，避责的行政文化对政府数据开放价值共毁的影响并不强，这与以往研究相反^[27]。避责的行政文化就像空气一样，存在世界各个政府组织之中，要想消除它几乎是不可能的事情。同时，它虽然会对政府数据开放价值共毁产生影响，但其实并不是那么关键。

最后，本项研究存在一些局限有待后续进一步探索。首先，在研究中解释变量都是单独作用于因变量，没有讨论解释变量之间的交互效应，未来研究可进一步探索。例如，避责的行政文化可能会对数据平台建设滞后发挥作用，构成对因变量的另一种解释。其次，本文通过文献阅读选择出了上述解释变量，但这可能是不全面的，存在主观判断，一些未知因素可能具有更大的解释力，后续研究将进一步关注。