原文信息：McBride, K., Aavik, G., Toots, M., Kalvet, T., & Krimmer, R. (2019). How does open government data driven co-creation occur? Six factors and a ‘perfect storm’; insights from Chicago's food inspection forecasting model. Government Information Quarterly, 36(1), 88-97.

 

——基于芝加哥食品检测AI项目的案例研究

 

今天为大家带来一篇公共管理与政府信息领域的推文，没有定量，没有DID和RDD，只有一个鲜活的小案例，供有兴趣者在过年前的欢乐气氛中打发闲暇时光。

 

话说政府数据公开已经是善治体系中必不可少的一个部分，也是大数据时代政府自身建设的一项基本功，政府数据公开的益处多多，最显而易见的就是推动部门信息共享，克服数据孤岛与数据烟囱，促进部门间开展良好合作，从而提高公共服务质量。对非权力主体而言，政府数据公开也可以推动市场、社会和公民参与公共治理，甚至有助于政府与社会主体建立有效的合作共治，共同生产公共服务，这就是当前国际公共管理与政策学界最为流行的合作共建/共创（co-production/co-creation）的概念与实践。

 

那么，政府数据公开如何促进合作共建的形成，政府部门之间、私人部门和社会组织如何利用政府数据公开形成良好的合作关系?既有的文献对此研究较为欠缺，主要原因是现实世界里较少有政府数据公开推动合作共建的案例，学者们巧妇难为无米之炊。这不，美国作为政府数据公开和互联网+政务实践的佼佼者，政府数据公开驱动的合作共建案例不断涌现。芝加哥市餐饮机构食品安全检查的AI预测模型就是一个典型的案例。本文的作者以此作为个案，分析了这个AI项目中政府的数据公开是如何带动围绕食品安全检查开展合作的。

 

一、案例简介

 

在政府数据公开方面，芝加哥市是全美的领导者。芝加哥市政府2012年就开始组建开源的政府数据公开与分析技术平台，即“智慧数据”（SmartData Platform）,由城市创新与技术局运营管理，同时建立了城市首席信息官制度，负责全市的政府数据公开和整合工作。数据公开平台建立之后，芝加哥市市政当局，特别是首席信息官就想用这个数据平台搞事情。在大数据时代，数据就是黄金，数据就是石油。政府数据公开是AI应用与政府治理的前提条件。

 

按照芝加哥市食品安全法的规定，每个公共餐饮机构每年都需要检测两次，还要对新成立的餐饮机构进行额外的检测，另外还要处理顾客对餐饮机构的投诉案件。截止2015年，芝加哥全市有接近1.5万家的餐饮机构，而芝加哥市卫生部门的食品检测员只有28人，这就意味着每个检测人员每年要检测1065次，全年无休的情况下平均每天要检测3次，这些检测人员还要处理一些食品安全投诉案件，过于繁重的检测任务对检测人员而言是不可能完成的。实际上，卫生检测人员每人每年实际上的检测次数有631次，每人每年的检测缺口达到434次，而总的检测缺口超过1.2万次，这也就意味着可能至少有6000家餐饮机构可能没有受到食品卫生监测，存在潜在的食品卫生风险。然而，并不是每家餐饮机构存在食品安全问题的风险是一致的，总有些机构安全风险大，而有些风险低，不加区别的全部检测，不仅行政任务量超过实际行政能力，还产生机会风险问题，即那些食品卫生状况不佳的餐饮机构可能被遗漏。这时，如何准确地预测出那些食品卫生风险高的餐饮机构并优先检测，才是应对资源紧缺，提供行政效率的解决办法。在这个背景下，2011年，芝加哥市政府首席数据官Tom Schenk和食品安全部门负责人Gerrin Butler主导了这个食品卫生风险预测的AI项目。食品机构卫生监测的AI预测模型的直接提供者是芝加哥本地保险巨头Allstate Insurance保险公司的数据科学团队。技术团队利用利用历史上餐饮机构营业登记数据、餐饮机构检测数据、顾客卫生投诉数据、餐饮垃圾运输数据、餐饮机构周边犯罪数据以及芝加哥市天气数据等多类型数据建构了一个名为广义线性弹性网模型的（GLM Elastic Net model）机器学习预测模型。这个AI预测模型后来移交给了芝加哥市创新和技术局，政府内部技术团队并在2014年进一步改进了这一预测模型。

 

二、政府数据公开驱动合作共建的影响因素

 

介绍完这个案例后，让我们跟随作者基于深度访谈，分析芝加哥食品安全检查AI项目中，数据公开驱动合作治理的几个重要影响因素：被动员的利益相关方、创新领导者、适当的沟通、既有的数据公开平台、外部资助。

 

1.被激励的利益相关者

 

利益相关者被动员、受激励是合作共建的关键要素。在这个案例中，不同的利益相关者出于不同的动机参与AI项目建设。其中，Allstate Insurance保险公司的数据分析团队是AI预测模型的设计者，该公司几乎是志愿性地帮助政府创建这个预测模型，其目的主要是为了让芝加哥市拥有更好的食品卫生质量，而且通过这个机会把AI的预测模型应用到城市治理事务中去，这对公司来说也是一个重要的实践和学习机会。芝加哥市公共卫生局愿意使用这个AI项目的主要动机是为了减轻沉重的餐饮检查负担。公共卫生局食品检查部门的负责人Gerrin Butler一开始并不了解基于机器学习算法的AI是否真的可以预算可能出现的食品安全违法行为，也不懂这个预测怎么能够做到这一点。因此她对此持怀疑态度。但是在和Tom Schenk及其团队交流过程中，Gerrin Butler逐渐理解了AI辅助城市治理的价值，特别是了解到街道和卫生部门的鼠患预测AI项目这个成功案例，得知这个合作项目提高了20%的街道卫生部门生产率，公共卫生局的态度开始发生了改变。此外，芝加哥公共卫生局，比其他政府部门在工作中更多地接触过数据分析和相关研究，因此他们对数据分析和AI预测的态度相比其他城市公共服务部门更加开放一点。因此，经过和Tom Schenk团队沟通后， Gerrin Butler逐渐对此持开放态度，尽管他们仍然不确信这个项目可以帮助他们提高卫生监测的效率，但是也愿意尝试这个项目，终于使得这个AI合作项目达成。

 

总结起来，在这个多方合作共建的案例中，最主要的激励因素就是食品检测已经成为各方关注的老大难问题，各方都极为关注，都试图想办法解决这个可以称之为痛点的问题。由于这个AI预测模型为解决食品检测难题提供了一个创新的解决思路，因此受到各方的积极参与。

 

2.创新引领者

 

合作共建的实现离不开一个起着主导作用的创新引导者，他们起着政策企业家的角色。芝加哥市首席信息官Tom Schenk就是这个AI创新项目的领导者和政策企业家。担任首席信息官后，Tom Schenk一直在寻找机会去运用城市数据，使之在城市治理与公共服务中发挥最大效力，特别是利用AI预测技术运用于城市公共事务治理。在他的努力下，很快第一个试点的预测项目就成功落地了，这个项目就是和城市街道卫生部合作的鼠患治理项目，通过对鼠患密集街道和爆发地的AI预测，从而指导卫生部门进行精准治理和诱饵投放。受到这个项目成功的激励，Tom Schenk开始考虑AI预测和其他城市项目的结合，他把目光投向城市食品安全检测部门，和公共卫生局及其食品检测部门探讨食品安全检查的AI应用。在食品检测部门的负责人Gerrin Butler刚开始还对AI项目有疑虑的时候，是Tom Schenk的劝说最终促使其同意开启这项创新性工作。

 

3.适当的沟通

 

在作者对项目的利益相关方的访谈中，多次被提到的是适当的沟通对项目成功的重要性。在AI项目创建的开始阶段，不同的部门和利益相关者对彼此的思路、想法和一套话语体系都不了解，特别是Allstate公司的技术团队由于不太熟悉食品检查人员的工作方式，设计的第一版的AI预算模型完全不能适应检测工作实际需要，模型预测的结果也不够精确。后来这个AI这个模型移交给了创新与技术局，创新与技术局的技术团队对这个AI预测项目开始发挥决定性作用，政府内部技术团队不仅运营而且进一步改进了这一预测模型。此后，政府部门之间更加重视项目的沟通和交流，一个鲜活的例子就是，公共卫生局对创新与技术局提供的技术性信息，他会不断追问技术性信息的内涵和意思，并且认真地把它写下来。同样地，公共卫生局也会向创新与技术局细致地解释所传递信息，比如公共卫生局会解释本系统及其商业运作过程，还会告诉创新与技术局要注意的一些风险因素。公共卫生局和创新与技术局保持良好的沟通一个做法就是建立备忘录制度，备忘录保证了部门间有效沟通，避免相互间的误解。

 

4.既有的政府数据公开平台

 

芝加哥市的政府数据公开平台为餐饮检测的AI模型构建提供了充足的数据基础。模型中使用的所有数据都可以在数据公开平台中免费获取。正是由于这些高质量的政府数据，技术团队可以集中精力训练机器学习模型，而不用耗费精力搜集和清洗数据集。芝加哥市的行政令要求所有政府部门按照统一格式向这个数据公开平台上传部门数据，建立了一条部门数据对市政府数据公开平台的自动传输机制。目前这个数据公开平台包含至少550个数据库，为市民和全社会提供公开的数据可视化和分析服务，截止2018年已经受到3800万次访问，而且政府数据公开平台不断更新，具有很大的可持续性。

 

5.外部资金支持

 

尽管政府数据公开平台、AI预测模型的运营和技术团队管理都由芝加哥市政府部门负责，由创新与技术局提供资金支持，但是资金短缺问题依然是政府数据公开和AI项目运转的一个大挑战。在本案例中，一项外部资金对AI项目的建立和发展提供了绝佳的支持。美国彭博慈善基金会向芝加哥市政府提供了一笔可观的奖励资金，用以发展城市数据驱动的预测分析能力，为芝加哥市食品卫生检测的AI模型的构建提供了重要支持。

 

三、总结

 

作者通过一个独特的政府部门之间、政府与市场主体之间合作共建的AI预测模型案例，展示了政府数据公开推动的公共服务合作共建形成的条件与机制。研究表明，这一合作共建过程必须满足三个前提条件：一是公共服务必须是建立在政府数据公开基础上的，契合人工智能背景下互联网政务发展的最新趋势。二是政府部门与市场主体、社会组织以及政府部门之间必须建立合作机制。第三，合作共建的过程必须有助于提高公共服务供给效率，改善公共服务质量，从而创造了显著的公共价值。为了实现上述条件，还需要满足一系列政治、政策与组织要素。本文通过芝加哥市食品检测的案例，展示了政府数据公开驱动的公共服务合作共建的几个重要的条件，包括受激励的利益相关者、创新性领导者、适当的沟通交流、已经准备好的数据公开平台以及外部资金支持等。

 

Abstract

 

It is becoming increasingly clear that the concepts of open government data (OGD) and co-creation are related; however, there is currently only limited empirical material available exploring the link between the two. This paper aims to help clarify the relationship between these two concepts by exploring a recently coined phenomenon: OGD-driven co-created public services. These services 1) utilize or are driven by OGD; 2) are co-created by stakeholders from different groups; and 3) produce public value for society. Due to the relative newness of the phenomenon an inductive exploratory case study is undertaken on Chicago's use of OGD in the co-creation of their food safety inspection forecasting model. This model forecasts critical food safety violations at food serving establishments and sends inspectors to the highest risk establishments first. The results of this exploratory work led to the discovery of a ‘perfect storm’ of six factors that seem to play a key role in allowing OGD-driven public service co-creation to take place. These factors are motivated stakeholders, innovative leaders, proper communication, an existing OGD portal, external funding, and agile development.