第2章 智慧政府设计方法论分析

智慧政府是一种开放的复杂巨系统。

智慧政府的职能与实体政府的职能相对应，涵盖了管理、决策和服务等职能领域。智慧政府是由G2G、G2B、G2C、B2G、C2G多种异构系统融合组成的复杂系统，其中具体包括虚拟政府内部协同系统、政府与政府之间的协作系统、政府和企业之间的双向服务系统、政府和个人之间的双向服务系统。

按照钱学森先生的系统论观点，根据组成系统的子系统以及子系统种类的多少和它们之间关联关系的复杂程度，把系统分为简单系统、简单巨系统、复杂系统和复杂巨系统。复杂巨系统是指子系统种类很多并有层次结构，它们之间关联关系很复杂。所谓开放性是指系统本身与系统周围的环境有物质、能量和信息的交换。如生物体系统、人脑系统、人体系统、生态系统、社会系统、星系系统等都是开放的复杂巨系统。智慧政府是由逐渐形成的大量多种类的子系统构成，这些子系统以政府、企业和公众为服务对象，相互之间是一种多层次的结构。这样一个复杂的巨系统必然和社会环境有物质、能量和信息的交换，所以智慧政府系统可以定义为“开放的复杂巨系统”。

2.1 复杂系统的传统设计方法

设计复杂系统有很多种方法，比较常用的有整体论、还原论、自组织理论、复杂适应理论、耗散结构理论、共同进化论。在此基础上，美国人总结出FEA理论。中国人喜欢用顶层设计，军方喜欢用以数据为中心的信息工程方法论，还有钱学森先生倡导的综合集成法。

2.1.1 整体论和还原论

如何设计实现一个开放的复杂巨系统？一般有两种常用的方法：整体论方法和还原论方法。

用系统的、整体的观点考察复杂系统的理论，通常说的统一规划、顶层设计都属于整体论方法。整体论方法的好处是从整体上把握事物，能够抽象出一些基本规则，把握系统的共性要素，如框架和标准。缺点是一旦涉及具体业务需求及需求变化，往往变得无能为力。

还原论是主张把高级运动形式还原为低级运动形式的一种哲学观点。它认为现实生活中的每一种现象都可看成是更低级、更基本的现象的集合体或组成物，因而可以用低级运动形式的规律代替高级运动形式的规律。现实中的政务电子化就是还原论的典型代表，例如把现实中的某个具体的业务从手工转化成信息化系统。还原论的优点是简单易操作，缺点是系统与系统之间的关联少，系统的整体目标很难出现，例如流程再造就谈不上实现。

2.1.2 复杂适应系统理论

复杂适应系统（CAS）理论方法可否实现复杂巨系统？所谓复杂适应系统，是指由大量的按一定规则或模式进行非线性相互作用的行为主体所组成的动态系统。行为主体通过“学习”产生适应性生存和发展策略，促进复杂系统进行创造性演化。这是一种带有技术体验色彩的理想模式。软件开发方法的发展经历了面向过程、面向对象和面向智能体（Agent）的实现方法。面向对象的实现方法是系统需要调用对象的方法，对象的功能才能发挥作用，目前是一种比较成熟的系统实现方法；面向智能体的实现方法是目前正在发展的一种方法，基于自主软件实体的设计和开发应用，这种实体位于某个环境中，可以通过高层协议和语言的交互来灵活实现其目标，具有自治性、异构性和动态性特点。在实际的复杂系统中这种自主软件体还不是很多，未来也许会发展地比较快。

2.1.3 耗散结构理论

耗散结构理论作为以揭示复杂系统中自组织运动规律的一门具有强烈方法论功能的学科，可表达为一个远离平衡态的非线性的开放系统，通过不断地与外界交换物质和能量，在系统内部某个参量的变化达到一定的阈值时，通过涨落，系统可能发生突变即非平衡相变，由原来的混沌无序状态转变为一种在时间上、空间上或功能上的有序状态。例如，人体就是耗散结构系统，人体是一个远离平衡的系统，它需要保持动态平衡才能存在。平衡就意味着生命的终止。人体各子系统之间、各层次之间存在着复杂的联系和相互作用。人既要吃、喝、吸气，又要拉、撒、呼气，因而是一个开放系统。人体时刻都处在有序—无序—有序的转化过程中，机体走向封闭，系统的正熵就会增加，系统内部就会无序，就会生病或死亡。人体通过开放，引入负熵流，输出正熵流，增加代谢和免疫，使人体内部从无序到有序，人体进入一个远离平衡的状态，人体就会恢复健康。耗散结构强调复杂系统通过引入强大的负熵流，促使系统从无序进入有序。系统的有效输入和输出，系统的代谢能力是关键。

2.1.4 共同进化理论

共同进化理论是指不同物种之间，生物与无机环境之间，在相互影响中不断进化和发展，这就是共同进化。通过漫长的共同进化过程，地球上不仅出现了千姿百态的物种，还形成了多种多样的环境。共同进化是一种自下而上的方法论，其主要观点是去中心化，去中心控制化，支持多样化涌现，这种方法比较符合复杂系统的演变规律。

如果想完全弄明白如此多的方法论，短时间内不是一件容易的事。结合东方人的思维，对照归纳一下，整体论讲的是天人合一，还原论讲的是科学精神，复杂适应理论讲的是易经中关于变化的哲学及儒家讲的主动个体的修身养性治天下的道理，耗散结构讲的是通则不痛、痛则不通的中医理论，共同进化论讲的是无为而治的道家思想。

2.2 智慧政府设计方法论分析

2.2.1 FEA方法论对构建智慧政府的启示

白宫管理与预算办公室（OMB）于2001年7月18日成立了“电子政务特别工作小组”，并于2001年8月9日正式运营。该小组由来自46个政府机构的成员组成，并由OMB负责信息技术和电子政务的副主任马克·福曼领导，其主要负责制定联邦政府的电子政务项目。该小组共从350多个候选项目中选取了24项电子政务项目，体现了在四类电子政务建设中的平衡（亦即G2C、G2B、G2G、IEE之间的平衡）。

“电子政务特别工作小组”2001年发布报告称，联邦政府缺乏统一的电子政府结构体系将是实现上述24大电子政务项目的最大障碍。为此，OMB于2002年6月成立了由其直接领导的“联邦企业架构管理办公室（FEA-PMO）”，主要负责建立联邦政府统一的电子结构体系——“联邦企业架构（简称FEA）”。

1．联邦企业架构

联邦企业架构详细描述了联邦政府与公民互动之过程、政府履行的各种功能与各类业务，以及关键的业务流程。FEA作为一个以业务为中心的框架，使得白宫管理与预算办公室和联邦各部门可以控制、分析、评估电子政府建设投资，同时有助于政府各部门间的横向整合以及各级政府间的纵向集成。

完整的FEA包括以下五大参考模型（Reference Model）（如图2-1所示）：绩效参考模型（简称PRM），其于2003年9月推出，并于2004年做出了较小修正；业务参考模型（简称BRM），其最早于2002年6月推出第一版，并于2003年6月做出较大调整并推出第二版，2004年之修正较小；服务组件参考模型（简称SRM），其于2003年8月推出了第一版，并于2004年做出了较小修正；数据参考模型（简称DRM）；技术参考模型（简称TRM）。

（1）总体绩效模型。总体绩效模型如图2-2所示。

（2）总体业务模型。“业务参考模型”于2002年6月22日推出第一版，于2003年6月22日推出了第二版，针对原第一版做了较大调整，在2004年则调整较小。故此，2003年第二版构成了美国电子政务“业务参考模型”之基础。

与第一版一样，第二版的“业务参考”模型同样分为从宏观到微观的3个层级：第一层级为4大“业务域（Business Areas）”；第二层级为39大“业务线（Business Line）”，包括内部的业务线和外部的业务线；第三层级则为“业务线”下具体涵盖的153项“子功能（Sub-function）”。

（3）服务组件模型。服务组件分为三个层次，有7大服务域，26大服务类型，178项组件。7大服务域包括客户服务域、流程自动化服务域、业务管理域、数据资产服务域、业务分析服务域、后台服务域和支持服务域。

（4）技术支撑模型。技术支撑模型是一个能够将各种技术、标准和规范按照业务模型中的不同需求进行分类整理的体系，主要包括：服务访问和交付，指用来支持服务的外部访问、交换、交付的标准和规范集；服务支撑平台和基础设施，指用于支持服务构建的应用支撑平台、基础设施及软、硬件；技术架构，指依照基于构件的、分布式的和面向服务的架构所建立的技术、标准和规范；服务接口和集成，指服务构件和各机构如何接口的一些技术、方法、标准和规范的集合。同时，还定义了与内部系统及遗留系统之间接口和集成的方式。

（5）数据模型。数据模型由数据分类、数据结构、数据交换来完成。数据分类是利用“业务关联（Business Context）”的概念，依据业务参考模型进行分类的一种方法，即沿着业务功能线分类、集成数据，从而提供清晰的数据所有者和管理者。

数据结构是DRM利用一个所谓的数据元素（Data Element）来给数据结构提供的一种逻辑方法。数据元素是结合业务关联的，它代表了一个特定事物的信息。因此，一个机构的数据用户可以理解数据的目的及其上下业务关联。

数据交换是由DRM的“标准信息结构”即“信息交换包”来进行的。“信息交换包”代表了一个实际数据集，它是由一个工作单位到另一个工作单位的需求所产生出来的。

一个通用的数据结构化方法是通过采用ISO/IEC11179标准作为指导来实现的。

总体上来看，绩效参考模型用来确定一套通用的绩效评估矩阵，帮助政府部门实现项目目标；业务参考模型用来描述联邦政府的主要业务流和业务活动，打破了部门和机构界限；服务参考模型用来确定和划分联邦政府的横向和纵向IT能力，有利于业务资源和服务在联邦政府部门间的重复利用；数据和信息参考模型用来从总体上描述支撑项目和业务流运作的数据和信息，有利于确定联邦政府同用户和合作者的信息交流类型；技术参考模型用来概括出政府部门应用和实施基于架构的技术组成。

2. FEA方法论分析

FEA从业务层、信息数据层、解决方案层、技术层对电子政务进行了规范，用系统思维构建了电子政务的总体框架，使对电子政务进行精细化管理成为可能。运用FEA的投资预算工具、绩效评估工具和沟通工具，强化了电子政务管理手段。FEA的评估和成熟度认证开辟了电子政务质量管理的途径，从而可导入实施战略管理的长效机制。

传统政府业务分类是以职能的逻辑合理性来界定业务如何分类，按这个分类去划分部门，并在实际业务运转中形成以部门为中心的业务模式。基于电子政务模式的业务分类是以企业和公众等政务的服务用户为中心，以接受服务和提供服务的逻辑合理性来界定业务如何分类，并按这个分类形成一条条跨部门的“业务线”，研究各“业务线”之间的关联和逻辑关系可形成集中的、集成的政府业务整体模型。以政府业务模型和“业务线”为驱动设计应用系统和技术框架会形成一整套总体设计思路。

将政府的操作分成类别，这些类别涉及政府的目的（如公共服务），政府用来达到其目的的机制（如交付模式），引导政务操作的支撑功能（如支撑服务的交付），以及支持所有政府业务域的资源管理功能（如政府资源管理）。

FEA核心出发点是业务线，业务线是政府为实现其公共管理和公共服务所形成的业务流程。业务线的实质是政府为特定的用户提供特定产品或服务所精心设计的一系列活动，它反映了政府向企业和公众及其他用户提供服务的基本结构。一条业务线不一定是由一个部门或机构来执行，因而实际的业务线是立体的、分层次展现的。

建立电子政务总体框架业务模型的核心工作就是梳理业务线和优化业务线。以业务线的子功能为导向设计电子政务的应用系统，可以合理规划电子政务系统建设的空间分布和优先顺序。同时可找出各业务线共同的子功能模块，统一开发应用构件，减少或避免重复投资。

研究业务线之间的关联，可建立统一的数据模型，以业务为中心进行数据标准化，可有效实现数据的重用和集成，实现跨部门的信息交换，提高信息共享能力。

运用业务线方法可有效实施政府部门内部和跨部门的以流程为中心的业务改进的设计、组织、协同和项目组合的管理。例如，对于在同一业务线中发挥作用的政府机构，可以主动发现与其他机构的合作机会，同时可记录他们的投资是如何支持统一的业务线和子功能的。

总之，FEA方法论站在政府战略发展目标的高度，概括出政府绩效参考模型，有利于回答为何要建设电子政府。FEA提出业务线概念，对实体政府的工作模式提出挑战，提出以业务线为主导，实现跨部门协作就有重要的流程再造的味道，以至于在服务参考模型、数据参考模型和技术参考模型等方面，看不到有什么明显的创新点。FEA方法论应该属于顶层设计方法，优点是整体架构清晰，自上而下分解。在我国国内有不少地方政府尝试FEA方法论，从实际成效来看，极少有成功案例，究其原因，这种方法论在如何适应变化方面有待时间验证。

2.2.2 IEM方法论对智慧政府建设的启示

20世纪80年代初，James.Martin等人提出信息工程理论（IE），主要解决现代管理中的问题。按照James.Martin的定义，信息工程作为一个学科，要比软件工程更为广泛，基本论题之一就是总体数据规划。

1．何为数据环境

数据库技术应用的本意就是要更加有效地使用数据，保证数据的准确性、一致性和安全性，便于管理及决策分析。数据库的管理系统就是为快捷地解决数据库的创建和存取而设计的，但实际的数据应用发展过程并不理想，数据环境（Data Environment）也经历着从低级到高级的发展阶段。

数据环境概念是源于数据库理论及其应用发展的过程中出现“数据处理危机问题”而提出的。

（1）“数据处理危机问题”的产生

数据处理危机是信息化建设过程中所经历的一个阶段。由于计算机应用的日益普及，应用系统的开发经历了批处理、日常数据处理、管理信息系统及决策支持系统等各个阶段。管理的要求越来越高，为满足日益增长的用户需求，需要对老系统进行修改或者重建，或是对一些简单的单项应用也要投入人力财务予以维护。同时，由于系统互连和资源共享的要求，进一步各个应用系统能够协同运作，并实时地提供全面的决策分析信息。这时发现，当初分散开发的应用系统就难以适应这些要求，修改与提升原系统的功能、重新组织其数据并形成互连要耗费大量的资金，甚至仅通过维护和修改等打补丁的办法已经根本行不通了，这就是所谓的“数据处理危机问题”。这种由于对信息化建设的认识不足、分散开发、数据混乱、标准不一所造成的孤岛丛生、信息难以共享的现状，在信息化起步较早水平较高的美国，也经历过这一阶段。根据美国80年代初的统计表明，全美每年软件维护费耗资达200亿美元。

（2）信息工程理论的产生

以詹姆斯·马丁为代表的美国学者，总结了当时数据处理危机发展的相关经验，在有关数据模型理论和数据实体分析方法的基础上，融入其发现的数据处理的基本原理——数据稳定性原理。在1981年出版了《信息工程》一书，提出了信息工程的概念、原理与方法，描绘出了用于建设大型复杂信息系统的一整套方法和工具理论体系。次年又出版了《总体数据规划方法论》一书，阐述了信息工程基础理论和奠基性工作——总体数据规划方法，从理论到具体实施上对信息工程加以阐述。20世纪80年代中期，詹姆斯·马丁又出版了《信息系统宣言》一书，对信息工程的理论与方法加以补充和发展，特别是关于“自动化的自动化”思想，最终用户与信息中心的关系以及用户在应用开发中的地位等论述都非常详尽，同时也涉及开发方法及开发工具方面的论述，为建设高效率、高质量的复杂信息系统提供了经验性的总结，标志着信息工程理论学科的成熟与发展。

詹姆斯·马丁所提出的信息工程理论的核心内容就是以主题数据库规划、设计和实现为主体的数据环境建设。但由于应用系统开发过程是由一些互不联系的系统分析和设计人员分散独立完成的，导致数据项和内容重复，最常见的就是出现“同义异名”或“同名异义”的现象，这种相互矛盾的数据库被不同的开发项目组创建，导致各部门间的信息共享非常困难，最终导致数据处理危机的出现。

（3）数据环境概念的提出

基于此，詹姆斯·马丁在《信息工程》和《总体数据规划方法论》提出了“数据环境”的概念。他将计算机的数据环境分为4种类型。

第一类数据环境，数据文件（Data Files）。早期的数据处理还没有出现数据库管理系统（DBMS），系统分析员和程序员根据应用的需要，用程序语言分散地设计实现各种数据文件。这是一种数据组织技术简单、相对容易实现的数据环境。但应用程序的增加，数据文件数目剧增，会导致极高的维护费用，并会因一些极小的应用的变化引起整个系统的全面修改，增加维护成本和周期，影响运行。

第二类数据环境，应用数据库（Application Data Bases）。虽然数据管理系统已经出现，但系统分析员和程序员仍是按照报表的原样“建库”，没有在数据分析和组织管理上下功夫，使分散的应用设计分散的“数据库”并不具备数据库的品质，不能支持数据的共享。这种数据环境同文件环境一样，随着应用的扩充，应用数据库也在剧增，维护费用更高，并没有发挥出使用数据库的优越性。

第三类数据环境，主题数据库（Subject Data Bases）。这是一种真正意义上的数据库，经过科学的规划与设计，其结构与使用它的处理过程都是独立的。各种面向业务主题的数据，如客户数据、产品数据或员工数据等，通过一些共享数据库被联系和体现出来。其优点是：经过严格的数据分析，建立模型需要花费时间，但其后的维护费用很低。最终会加快应用系统的开发，使用户直接与数据库交互使用数据。建立这种数据环境，彻底改变原有传统的系统分析方法和数据处理与组织管理方法，使企业信息化的基础数据环境得以彻底改善与提升。但如果管理不善，这类数据环境也会蜕变成第二类（或第一类）数据环境。

第四类数据环境，信息检索系统（Information Retrieval System）。这种数据环境的目的是保证信息检索和快速查询的需要，以支持高层管理和辅助决策，而不是传统意义上的大量的事务管理。20世纪90年代称这种数据环境为数据仓库（Data Warehouse），它是面向主题的、单一的、完整的和一致的数据存储。数据从多种数据源获取，经过加工成为最终用户在一定程度上可理解的形式。可以认为数据仓库是主题数据库的集成，是深加工的信息。

以数据文件或应用数据库为主体的数据环境，是低档次的数据环境。一个现代化管理水平较高的组织，应当具有第三类和第四类的数据环境，即高档次的数据环境，来适应信息化的需求，才能保证高效率、高质量地利用数据资源，才能在数据集成的基础上实现应用集成，达到真正的系统集成。因此可见，在数据环境的建设过程中，主题数据库是最为关键的核心内容，只有转变原有传统的系统分析和数据组织管理思维方法，建立科学的主题数据库，才能实现数据环境的提升。

现代企业/政府置身于数据的汪洋大海之中，每个企业/政府所产生、存储和使用的数据差不多也是一个“数据海湾”，因此企业/政府数据环境建设的任务非常艰巨。目前，我国大多数企业/政府的数据环境还是由数据文件和应用数据库构成的低档次数据环境。高档次的数据环境应该是由主题数据库和数据仓库构成的数据环境。企业/政府高档次数据环境中各种信息应存储在主题数据库或数据仓库之中，只有这样的数据环境才有真正意义上的信息快捷流通。近年来日益成熟的数据仓库技术，也为企业数据的深加工和辅助决策分析应用提供了有力的支持。

数据仓库是从数据库发展来的，明确地讲，是从主题数据库发展来的。如果信息管理环境混乱，缺少共享数据库和数据仓库，那么综合查询和决策分析是难以实现的。

数据环境治理前后的变化如图2-3所示。

（4）主题数据库的优越性

主题数据库是与各种业务主题相关联的，而不是与具体的系统应用程序相关联的。相关的系统应用是基于这些主题数据库之上的，有的应用系统需要存取一两个主题数据库，有的应用系统需要与多个主题数据库同时交换数据。

主题数据库的设计目标之一就是为了加快应用系统的开发速度。程序员将所用的数据存于主题数据库中，只需使用数据库报表生成软件、查询语言或高级应用开发工具，而不需使用编程语言进行编程。主题数据库创建得越多，应用开发的速度也越快。当新的应用系统项目提出时，许多数据库已经存在，尽管有些时候可能需要增加某些属性字段，但借助于相关的语言、软件工具可使应用系统的开发能非常迅速地完成，并确保一致性。

主题数据库的基本特征是面向业务主题的、信息共享的、一次一处输入的、由基本表（Base Table）所构成的。

作为一种集约化的数据库环境，主题数据库是独立于具体应用的数据资源。应用主题数据库，可实现数据与应用过程严格分开，采用面向数据开发的方法。这种方法比面向过程开发具有非常明显的优越性：面向数据方法可避免文件数目过多、维护工作量大、数据冗余和数据不一致等问题；主题数据库建成后，某些系统应用可直接利用相关数据库语言迅速开发；最终用户能够对数据库直接进行存取操作，可建立自己的报表管理和应用项目，提高效率和自主性。

（5）数据环境建设的主要内容

在四类数据环境之中，由低档到高档的建设过程，最为关键的环节是主题数据库的设计、创建、应用，以及在其基础上进行的应用系统研发。所以，数据环境建设是以主题数据库为核心内容，在系统科学全面的总体规划基础上，制定数据资源管理标准，并在基础标准的指导下进行应用系统的选型，达到在高档次的数据环境基础上建设高水平的应用，实现真正的应用集成——数据集成。

因此，在数据环境建设的过程中，要发挥高档次的数据环境建设的优势，必须要有全面的、整体性的、共享的数据管理思维，转变过去“数据拥有者”或“权力控制”等思想，在全范围内实施数据的标准化管理和全统一规划，即建立信息资源管理的基础标准和信息资源规划。

2．数据环境重建与提升

如何进行数据环境的重建与档次提升呢？如何确保主题数据库设计的科学性、实用性和有效性呢？这就需要进行信息资源规划，通过制定数据管理标准，即信息资源管理基础标准，建立科学的数据管理体系，用以指导、控制和协调数据环境建设以及在此基础上的应用系统的选型工作。

（1）建立数据管理标准（DMS）

信息资源管理源于威廉·德雷尔的数据管理标准化方面的著述，他早于1985年出版了《数据管理》一书，提出“没有卓有成效的数据管理，就没有成功高效的数据处理，更建立不起来整个企业的计算机信息系统”这一名言。没有数据结构的规范化、数据管理的科学化及标准化，信息化就无从谈及。他总结并提出了数据管理的相关标准，其中，数据管理的重要标准就是要确保数据的一致性，即数据命名、数据属性、数据设计和数据使用的一致性，这也是主题数据库的特征之一。

信息资源管理的基础标准是指那些决定信息系统质量的、最基本的标准，具体包括数据元素标准、信息分类编码标准、用户视图标准、概念数据库标准和逻辑数据库标准。

由这5大标准所构成的数据管理标准体系，可确保数据管理基础标准的一致性和严密性。并在专业的支撑工具软件的支持下，减化人工参预的工作量，在确保统一和一致性的前提下，大大提高数据管理标准工作的效率和质量。因此，正规的数据处理部门应严格要求程序员遵循数据管理的标准，保证企业各应用系统的标准一致性和产品内聚性，维持数据环境的高档水平，为应用系统的应用整合打下良好的基础。

（2）建立数据管理体系

建立数据管理的标准之后，围绕标准的宣贯和执行应当有一套完整的管理体系，来确保数据环境建设的成果，更好地在此基础上进行信息化建设。

首先，建立数据管理体系，要建立数据信息的收集、维护与发布的管理机制，即要建立数据字典（Data Dictionary），包含元数据信息。所有的元数据可存储在一个数据库中，即元数据库或中心元库（Central Repository）。数据字典根据信息系统开发的阶段性不同，可划分为概念数据字典、逻辑数据字典和物理数据字典。在规划阶段，只界定数据元素的标识和名称（即数据元素标准），我们称之为概念数据字典；在系统设计阶段，需界定数据元素的数据类型、长度等属性，我们称之为逻辑数据字典；在应用系统实施阶段，要说明数据元素在具体应用系统中是什么样的以及如何被使用的，我们称之为物理数据字典。

其次，建立数据管理体系，要明确数据管理制度。创建数据库和数据字典，是数据管理人员所要利用的资源和工具，但这只是数据管理中的一部分。数据管理的整个目标是规划、管理和控制信息资源，以数据库和数据字典作为资源和工具，利用其良好数据结构，来集中管理全企业范围内的信息资源。因此，需要建立数据管理部门，明确数据管理部门的职责，确定数据管理人员的职务、地位与作用。

数据管理部门的重要职责，是集中控制和管理数据定义，建立数据管理的基础标准和规范化的数据结构，协调计算机应用开发人员和用户实施数据管理标准规范。

最后，建立数据管理体系，特别要强调数据管理的长期性和复杂性。作为管理的重要组成部分，数据管理需要长期复杂的工作，化解各种困难，持之以恒才能见到效果。同时，寻求解决问题的科学的方法论也是关键。信息资源规划理论就是数据环境建设、数据标准化和系统应用整合的利器，着眼于全企业范围内的信息资源的总体规划的过程中，落实应用为主导的原则，形成数据管理的标准（即信息资源管理基础标准），规划设计出系列的主题数据库，从而指导应用系统的选型和整合优化，达到消除信息孤岛、实现数据集成的信息化目的。

（3）实施信息资源规划意义

信息资源规划的实施主要是建立数据管理的5类基础标准，并落实应用需求建立功能模型、数据模型和系统体系结构模型。在规划的同时对业务进行梳理与优化，进行数据分析，为应用系统集成提供全面的解决方案。

实施信息资源规划工作的意义主要有以下几方面：

第一，理清并表达需求，落实信息化建设的“应用主导”的原则。信息资源规划工作要求系统分析人员与用户业务人员密切合作，全面进行需求分析调研和整理工作，用规范化的文档来反映用户的真正需求。

第二，整合信息资源，消除“信息孤岛”，实现应用系统的集成。“信息孤岛”产生的技术原因，是缺乏信息资源管理基础标准。信息资源规划过程就是开始建立数据标准的过程，从而为整合信息资源，实现应用系统集成奠定坚实的基础，打造了高档次的数据环境。

第三，指导各种应用软件的选型并保证成功实施。通过信息资源规划搞清了用户需求，建立了信息资源管理基础标准，就有了应用软件选型与说话的主动权，否则，虽经过管理咨询、多方考察和论证，由于自己心中无“数”，容易犯“削足适履”的错误。

信息资源规划工作包括分析整理大量复杂的资料，吸纳众多人员的意见、经验和智慧，通过规划工具软件的支持，可以确保规划过程中定义与理解的一致性，可以确保信息资源规划的资源的存储、修改和后续应用开发的过程的连续性，使规划工作的质量、效率都得以提高，并可将规划成果固化到软件中，形成活化的、规范化的计算机文档资料，适应企业信息化建设的阶段性需求，实现信息资源规划的渐进提升。

（4）数据环境建设的阶段性与适应性

由于信息化应用和人们对数据环境认识的阶段性存在，导致各时期的应用系统数据结构的不关联和应用程序的堆积，这是客观现实。目前，许多信息化管理人员都期望通过数据接口来实现对现有应用系统的集成，但这只是一种期望。由于各个应用系统所存储、变换的冗余或重叠的数据非常复杂，并交织在一起，要修改或扩充系统的任何部分都是非常困难的且投入巨大。随着应用的越来越多、对信息分析和决策支持的要求越来越强烈，使数据环境的混乱进一步加剧，从而制约信息化发展。

信息系统集成的目的是将那些孤立运行的应用系统变为集成化的信息系统的过程，即由信息孤岛联成信息大陆的过程。全范围的信息系统的集成是一种应用系统的再造工程，其实质是数据的集成，其基础是信息资源规划。基于信息资源规划的应用系统集成的特点如下：内部的数据交换不使用数据接口，而是存取共享的主题数据库；少量的、过渡性的数据接口在系统集成发展的过程中是允许的；少量的、非过渡性的数据接口对连接成熟的应用系统是必要的；根据信息资源规划的成果进行共享数据库的重新设计，有步骤地实现数据环境的重建；最终建成高档次的数据环境——以主题数据库和数据仓库为主体的数据环境。

从以上我们可看出，数据环境的建设是有阶段性和适应性的，需要根据目前应用系统的现状及阶段性需求进行调整，在不影响应用系统建设的前提下适度超前，确保信息化建设的阶段性要求。

同时，也要注意到系统集成也是相对而言的。如把所有应用系统都建立在统一的高档次的数据环境之上称作“全域集成”的话，那么把人力资源系统建立在几个主题数据库之上就可称作“局部集成”。显然，实现全域集成的难度是非常大的，周期也是非常长的；而实现局部集成的难度较小，周期也短，见效也快。所以，如果人力资源、物资或设备检修系统等几个应用已经实现局部的集成，或再开发或外购一个成熟的具有集成特征的“安全监理系统”，为使这些应用系统能够数据交互，可以建立少量的数据接口，这不仅是必要的，也是推进企业信息化快速发展的需求。

在信息资源规划的基础上，建立了若干个成型的主题数据库，针对全域范围需求分析，创建的数据管理标准就可以指导、协调和控制集成过程中各应用系统内部、各应用系统之间及接口程序间的统一的数据标准和规范，为最终消除接口、整合应用打下良好的基础。随着信息化的深入和提高，可逐步对相关的不适合的应用进行整合，达到最终联成“信息大陆”的目的。

数据环境的建设，随着数据库管理水平的提升，可逐步步入到以数据仓库为主的第四类数据环境，应用数据挖掘、数据集市等数据分析技术，在高效的数据管理环境中实现信息化决策能力的提升。当然，只有通过信息资源规划工作，由低档的数据环境提升到以主题数据库为主要特征的第三类数据环境之上时，才可实现。高档次的数据环境建设并不是瞬间建成的，是需要在标准化的主题数据库之上进行数据抽取、数据挖掘、数据分析。

3．信息工程方法论给智慧政府建设带来的启示

信息工程方法论（IEM），强调以信息资源为基础，为核心构建复杂系统，类似强调大楼建设中的地基工程。地基工程是其他工程的基础，智慧政府要产生智慧，就离不开大数据，大数据的存在是建立在稳定的数据结构基础之上，所以IEM适合于智慧政府的基础数据环境设计。

2.2.3 协同进化论对智慧政府的建设方法论的启示

1．协同进化

协同进化（co-evolution）有时也称共同进化，最早由Ehrlich和Raven在讨论植物和植食昆虫（蝴蝶）相互之间的进化影响时提出来的。但他们未给协同进化下定义，不同的研究者对该词常有不同的定义。

Jazen给协同进化下了一个严格的定义：协同进化是一个物种的性状作为对另一个物种性状的反应而进化，而后一物种的这一性状本身又是作为对前一物种性状的反应而进化。这一定义要求特定性（即每一个性状的进化都是由于另一个性状）和相互性（即两个性状都必须进化）。

更严格的定义还要求同时性，即两个性状必须同时进化。但在协同进化是扩散型时就不具备同时性的标准，在这种情况下，协同进化只表明了物种对生物环境特征的适应。协同进化在广义上可等价于进化。

协同进化的研究内容极为广泛，包括竞争物种间的协同进化、捕食者与猎物系统的协同进化、寄生物与寄主系统的协同进化、拟态的协同进化和互利作用的协同进化等。从广义的概念来理解，协同进化指生物与生物、生物与环境之间在进化过程中的某种依存关系。可以从分子水平、细胞水平、个体水平、种群水平和生态系统水平上的协同进化进行研究。

在自然生态系统中，种群关系上的协同进化现象非常普通。在长期进化过程中，相互作用的种群间从单方的依赖性发展为双方的依赖关系；种群间互为不可缺少的生存条件。在长期进化过程中相互依赖、相互调节而协同进化。

2．协同进化的意义

协同进化必然是生物适应进化的结果，如果仅仅说协同进化的意义是适应，那么这是一个笼统的说法。结合不同的实例，归结协同进化应该有如下意义：

（1）促进生物多样性的增加。例如，很多植食性昆虫和寄主植物的协同进化促进了昆虫多样性的增加，遗传连锁性状有关基因在分子水平上的协同进化促进了遗传隔离并导致物种分化。

（2）促进物种的共同适应。该方面主要体现在众多互惠共生实例中，例如，传粉昆虫与植物的关系（昆虫获得食物，而植物获得交配的机会），蚜虫与蚂蚁的关系（蚜虫获得蚂蚁的保护，蚂蚁获得食物——蚜虫的蜜露），昆虫和内共生菌的关系（两者相互获得生活必须的特殊的营养物质）。

（3）基因组进化方面的意义。例如，细胞中的线粒体基因组的形成可能源于包内内共生菌的协同演化（内共生起源理论），核基因组中“基因横向转移”现象也可能来源于内共生菌协同进化的结果。

（4）维持生物群落的稳定性。众多物种间的协同进化关系促进了生物群落的稳定性。另外，众多并不是互惠共生的协同进化关系，例如，寄生关系、猎物—捕食关系的形成等，都维持了生态系统的稳定性。

3．协同进化机制

按照协同进化理论，物种间的相互作用引起协同适应（Coadaptation），在一定的条件下可导致协同物种的形成。物种间协同适应引起的物种形成是普遍存在的，Ehrlich和Raven甚至认为植物与植食动物间的相互选择反应可以说明热带地区物种高度多样性的原因。

协同进化论承认生物多样性，承认大自然的自我组织功能和维持能力，服从大自然的自我调节规律，生命多样性和协同进化具有巨大价值，正是这种多样性和协同进化造就了生物圈的千姿万态，维系了生物圈的持续演化发展，协调了全球生态环境的相对平衡，共同构成了人类赖以生存和发展的重要物质基础。

整个生物界是高等与低等生物同在，简单与复杂生物并存，多彩纷呈，协同进化。各种生物之间密切关联，相互依存，沿着协同进化的总趋势演化发展。协同进化包括生物之间、生物与环境之间相互受益和相互制约两种机制。优胜劣汰的生存斗争是制约机制中的一种，而非全部内容。生存斗争是在协同进化的总框架内进行而不违背协同进化的总趋势。

4．协同进化对智慧政府建设带来的启示

需求的不确定性，几乎要把顶层设计方法论完整地推翻掉。

如果系统需求是确定的，那么这个系统是一个简单系统，至多是一个简单巨系统。这类系统的设计与实现能够与需求吻合，充其量会多出现几次验证、修正和优化的过程，最后达到设计要求。

什么是需求的不确定性？开放的复杂巨系统的需求会带有整体性特点，例如效能提升、透明政府、开放政府、追求公平正义等都是整体性需求。当做系统需求分析的时候，通常设计者面对的是个体用户，要让个体用户明确提出完整需求是不可能的。即使把所有个体需求全部收集起来，通过分析明确概括出准确的需求也是一件非常困难的事，因为在设计与实现期间，需求是动态变化着的。例如，玩猜钢镚游戏，当你去猜对方那只手中有钢镚时，对方也会想你会如何去猜，当你猜一次时，逻辑过程是简单的，当你不停地重复这一游戏，双方的思维逻辑是无限递归的，目的都是为了得到精确的解。这一思路用在需求分析上，当你第一次了解用户需求时，用户会给你呈现他的基本诉求状态；当你提出设计思路时，用户会根据你的思路提出进一步诉求；当这一过程不断循环时，有时你会发现一切有可能又回到了起点。这还是局部需求的不确定性，所有局部需求累加起来并不能代表整体需求，这一切都是系统的不确定性。

另外，政府本身也处在社会发展的洪流之中，其自身发展的原始动力、终极目标也处在发展过程中。例如国家在一个时期会提出以经济建设为中心，另一个时期会提出建设和谐社会，稳定压倒一切，这就是整体目标的变化。如何要求这种需求是稳定的呢？这从整体的角度说明了系统需求的不确定性。

虚拟政府就是在这种需求不确定中发展进化的，而协同进化论的思路，在这方面吻合了智慧政府的进化发展。

总之，在做智慧政府的设计过程中，要充分采纳已有方法论的成果精华，特别是在实践中被证明了的设计方法。同时，协同进化论在互联网领域已经被现实充分地证实了。在十年多的电子政务建设中，我们从一些生命力顽强的政务系统及相关的服务开发商的实践中感觉到了协同进化方法论的力量，我们必须把顶层设计中的共性设计充分运用到智慧政府的云平台设计中，运用到智慧政府大数据基础设计中来，在面向最终用户的应用体验方面，应该毫不犹豫地引入互联网发展元素，引入协同进化理论，让智慧政府与用户在协同进化中共同成长。