◎ 王千文 （淡江大學公共行政系助理教授/淡江大學協力治理研究中心主任）
在目前數據密集的政府運作環境中，資料治理已成為確保政府成功運作的關鍵支柱。Otto和Weber (2018) 將資料治理定義為一個全面的過程，涉及組織對其資料的管理、監督、控制和政策制定，以保障資料的質量、合規性和安全性。Androutsopoulou和Charalabidis (2018) 強調，對於政策制定來說，全面的數據分析，尤其是在大數據和公眾意見分析的背景下，對政府來說是寶貴的工具，可以增進政策模擬的準確性。有效的政策預評估質量，很大程度上取決於機構能否有效整合內部和外部的數據來源。OECD的研究也表明，實現有效的跨部門資料治理對於提升政府效能至關重要。多數OECD成員國已開始建立各自的資料治理框架，但通常這些措施存在分散和不連貫的問題，這限制了資料的有效整合與共用。碎片化的治理不僅帶來數據標準和技術問題，而且還可能損害不同政府部門間資料的互操作性（OECD, 2019）。Martin (2023) 指出，跨域協作能夠提升組織內大數據分析的利用率，加快問題解決的速度，並促進創新思維的發展。透過跨部門的資料共享，組織可以更有效地識別並解決業務挑戰，同時增強競爭力。
資料治理的主要目的是確保資料在整個生命週期中的質量、可訪問性、一致性和安全性。這包括了設定資料標準、建立資料負責人角色、確保法律和法規遵循，以及監控資料使用情況。然而，當涉及跨不同部門或機構的資料共享和協作時，資料治理面臨著更複雜的挑戰。這些挑戰包括不同組織間資料標準和流程的一致性，資料所有權和使用權的界定，以及資料共享的隱私和安全問題。組織需要確保資料的品質和一致性，這要求技術上的整合，更需要在組織文化層面推廣資料共享的價值觀(Benfeldt et al., 2020)。Weber, Otto和Österle (2009) 的見解表明，建立統一的資料標準和流程對於確保資料一致性和可靠性至關重要。此外，管理層的支持和資料治理策略的明確制定，對於跨域管理的成功同樣不可或缺。隨著大數據和數位化轉型的發展，資料治理與跨域管理成為組織實現數據驅動決策制定的關鍵。透過實施有效的策略和措施，組織能夠更好地利用資料資源，促進創新，並提高業務效率。未來的研究和實踐需要更深入地探索如何在保障資料安全和隱私的同時，有效地整合和利用來自不同來源的數據。
參考文獻
Androutsopoulou, A. & Charalabidis, Y. (2018). Α Framework for Evidence Based Policy Making Combining Big Data, Dynamic Modelling and Machine Intelligence. In Proceedings of the 11th International Conference on Theory and Practice of Electronic Governance, Galway, Ireland, April 2018 (ICEGOV’18), 9 pages. DOI: 10.1145/3209415.3209427.
Benfeldt, O., Persson, J.S. & Madsen, S. (2020). Data Governance as a Collective Action Problem. Information Systems Frontiers, 22, 299–313.
Martin, C. (2023). Big Data Analytics in the Public Sector: Uses and Challenges. Understanding ModernGov. Retrieved December 8, 2023, from https://blog.moderngov.com/big-data-analytics-in-the-public-sector-uses-and-challenges.
OECD (2019), The Path to Becoming a Data-Driven Public Sector, OECD Digital Government Studies, OECD Publishing, Paris, https://doi.org/10.1787/059814a7-en.
Otto, B., & Weber, K. (2018). Designing a Data Governance Framework for Platform Ecosystems. MIS Quarterly Executive, 17(2).
Weber, K., Otto, B., & Österle, H. (2009). One Size Does Not Fit All—A Contingency Approach to Data Governance. ACM Journal of Data and Information Quality, 1(1).