世界经济论坛发布《数据赋能社会：以人为本的数据关系方法》

在数据使用管理相关的政策方案中，人们通常认为创新数据使用与保护数据隐私是“非此即彼”的选择。而在当今的“数据化”社会中，“二者皆准”的以人为本的数据使用管理方式对于构建数据赋能社会至关重要。对此，本文探讨了信任关系对于构建以人为本的数据生态系统的意义，提出了数据驱动的政策干预措施的关键触发点，探索了基于信任关系和政策干预的主动式服务的创新实践，并分享了赫尔辛基在建立以人为本的数据关系方法“蓝图”方面的实践经验。

信任对于数据的产生和采集至关重要，数据主体和数据收集者对彼此的期望及期望是否得到实现，决定了主体参与数据互动的程度，进而决定了可用的数据量。

（一）在数据关系中建立信任的重要性

信任的基础是过去和现在的表现、主张以及行为的整体一致性。期望在建立信任中起着关键作用。为了建立信任，各方必须找出共同点，建立了解，相信信任对等，并需要各方拥有共同利益或目标。同时，信任与“面子工程”紧密有关，当人们能够“保持面子”时，信任得以确认，而若形成“面子威胁”的数据公开，则会对脆弱性和信任造成最严重的影响。承担风险是信任的重要表现，能够接触到敏感数据的行为者是信任工程中的高风险伙伴。如果允许他人保持控制感，他们获得的信任程度就会提高。反之，如果主体控制权被破坏或“面子威胁”出现，信任将会瞬间消失。

鉴于信任的重要性，以人为本的数据关系方法强调了人们和社区对其自身相关数据进行授权代理的重要性。这种授权对于数据关系的发展和为个人、组织、社区等各方服务至关重要。

（二）在数据关系中建立信任的主要方法

1、完善法律机制，促进数据关系中的可信互动

数据可以被同时、重复和多样地使用，在这个过程中，人们越来越意识到他们的数据对组织的价值，以及相关的隐私和失去控制的风险。然而，出于方便，人们往往选择用“信任”来换取即时访问，比如在没有阅读相关的“通知和同意”声明的情况下就选择接受和同意。这种短期的战略信任往往是错位的，因为信任的人（数据主体）假设数据处理实体（数据收集者）在发生错误行为时会被追究责任。实际上，这在很大程度上取决于当地的立法、执法机制和数据主体提出索赔的能力。

2、鼓励数据最小化，限制过度信息采集

限制整体数据收集有助于更好地建立信任。通过调整目前依赖数据收集的商业模式，可以促进实现数据信任的共同目标。因此，除了制定针对基本要求和期望的法律规定外，还可以通过明智的数据最小化来进一步加强信任。实现这种明智的数据最小化的方法之一是通过将可识别的敏感数据视为“高毒性资产”，以及将在创建存储此类数据的用户账户时建立的数据关系视为“强迫婚姻”，从而摆脱默认的“数据权利”。人们应该以最谨慎的态度对待数据采集，并坚持倾向于促进数据聚合的匿名化。

3、构建数据治理框架，提升数字成熟度

整体的数字成熟度会影响以人为本的数据关系方法的实施。世界银行《2021年世界发展报告：数据让政策更完善》中指出，“低收入国家往往处于不利地位，缺乏获取数据并将其转化为价值的基础设施和技能；缺乏在数据系统中建立信任的体制和监管框架；以及缺乏公平参与全球数据市场及其治理的规模和机构。”在这种情况下，更有必要采用以人为本的方法，以确保数据具有包容性和代表性，能够反映当地的实际情况，并包含足够的细节以便发现任何极端情况。

（三）在数据关系中建立信任的政策建议

完善一致的并维护合理期望的立法，建立以人为本的数据信任机制，促进群众参与。数据收集实体应为数据权利人提供审查有关数据收集的目的和预期用途等细节问题的机会。此外，应该设立完善的补救和上诉机制，以便纠正和控制任何计划外或无意的数据暴露，并就与数据收集相关的法律设定明确的透明要求和可审查的控制措施。

采用监管沙盒机制，提供测试现有和新的法律机制的环境，以确定在扩大规模之前所需的适当监管量。立法的通过必须获得各方面利益相关者的全面反馈，以考虑对不同群体的实施效果。鉴于数据立法情况的复杂性，应通过工具包、标准协议和规则手册等方式提供更多指导，以简化数据共享过程并分享最佳实践。

数据生态系统在本质上是复杂和动态的，并受到监管要求和技术限制等其他因素影响。对此，通过系统观察这些因素之间的相互交叉和相互作用，可以确定政策设计的关键节点（“角力点”），从而通过有针对性的政策干预赋予用户权力并产生最大影响。

（一）数据授权流程

本节基于一个名为Aino的特定角色与政府失业服务机构接触的流程案例，来说明实现数据赋能的过程。Aino的经历从她参与公共部门服务的“前台旅程”开始，而这同时也是她在参与和提供服务过程中产生的数据的“后台旅程”。

通过将以人为本的设计元素分层，如角色画布、旅程图、数据流图（涵盖所有权、业务流程、应用程序、系统、硬件和基础设施等），以及找出相关的法律和政策叠加内容（如GDPR或服务提供商的条款和条件），我们可以确定数据收集实体向数据提供者授予权力的机会。随着这一多维系统的形成，我们利用“角力区”的概念来确定矛盾点或冲突点，将“角力区”作为加强信任机制的机会。通过这些关键节点的确定，可以帮助我们更好设计政策杠杆，促进个人的代理权与参与度，从而通过数据可用性

和数据运算来优化流程。

（二）交叉行程

1、前台旅程：Aino的经历

设计一个以人为本的方法始于一种叫做“用户旅程”的方法，即使用一个简单的视觉图来探索个人与产品或服务接触时的整个过程。这种方法有助于识别客户体验的关键时刻，而这些时刻又成为设计审视、差异化和创新的机会。

绘制Aino与公共部门服务接触的旅程图中产生了一些关键性的见解。如，Aino的就业经历始于她为满足需求而人工寻求援助；Aino必须与三个不同的政府服务项目互动，向每个项目提供不同程度的个人信息，而这些信息很可能是多余的。

2、后台之旅：关于Aino的数据

用户旅程反映了表面上发生的事情，为了对系统有一个全面的了解，需要看看“后台”的运作。

通过阐明幕后的利益相关者、流程和工具，政策制定者和服务提供者可以确定政策设计的“角力点”。我们使用了OBASHI方法来绘制数据流，研究了用于支持Aino前台旅程所需数据流的社会技术系统。图5展示了Aino与就业服务机构接触过程中的数据流图。

▲来源：基于Cloughley和Wallis的OBASHI方法论数据流图谱,2011.

需要注意的是，每个人都有自己的个人数据流，并以多种方式与数字世界互动。因此，政府和数据收集者的一个主要挑战是帮助他们所服务的人控制与其相关的数据流并产生控制感。

（三）生成多维系统

在图5中，前台和后台旅程与法律要求叠加在一起，并说明了潜在的角力点。形成法律和政策叠加的法律要求用数字1至11编号，角色历程点则用数字1至16编号。潜在的角力点出现在同时存在的权利和义务的集群中；非调解空间存在于这些权利和义务没有明确存在的地方。

数据关系是一个连续的过程，以反复的、非线性的和多边的方式发生，通过绘制图谱，我们就能得到一个形象的图示，使工作更容易管理。这种方法在以人为本的干预措施的初始设计阶段十分有效。

（四）将数据赋能纳入政策设计的相关建议

以人为本的政策设计应旨在沿着“角力点”将干预措施模块化，并确定角力的边界。例如，旨在消除多余数据输入的干预措施，不应因与所提供的服务无关的数据要求而产生法律责任。相应的政策必须尽可能具体地阐述相关要求和规定，同时避免过于狭隘。

基于以人为本的方式提供主动服务需要对数据生态系统的广泛参与，需要健康、信任的数据关系，对数据流的全面理解以及负责任、有针对性的政策设计。本节通过分析全球各地的几个主动服务案例并确定其共同要素，提出了以人为本的主动式服务的初步框架。

（一）政府在主动服务中的作用

传统的政府服务往往通过“被动”的方式提供，即公民必须主动寻求政府服务。然而，世界各地的政府，如芬兰的赫尔辛基市和中国台湾的地方政府，已经采取了战略承诺来提供“主动服务”，即政府首先采取行动来满足公民的需求、偏好和境遇。这些政府已然认识到数据在提高公共服务效率、改善政府决策质量以及提高社会和个人福祉方面的作用。

（二）个案研究

主动服务有三个组成标志：使用预测性模型来预测服务需求、自动提供服务、使用情境感知（或类似方式）来实现个性化服务。