当前，我国已经全面进入数字时代，有效提升大数据发展水平对我国在数字时代的持续发展具有重要意义，但实现这一目标受到诸多因素影响，因此有必要分析大数据发展水平的影响因素。国外与“大数据发展指数影响因素"相关的研究成果很少，如麦瑞·简森（Marijn Janssen）等撰文分析了大数据决策质量的影响因素；^①塞西莉亚·阿德里安（Cecilia Adrian）等分析大数据分析成功实施的影响因素。^②国内与此相关的成果同样较少，如钟瑾认为有必要优化实践应用政策、数据治理方式政策、政府数据信息公开政策以提升大数据时代政府的数据治理水平；^③计方等基于贵州实例探究国家产业政策对大数据产业投资行为的影响，认为政府有必要强化对企业的政策优惠力度；^④李辉认为应该优化数字经济、大数据基础设施、大数据文化与融资等领域的政策，使大数据有效推动我国经济高质量发展。^⑤这些研究成果涉及优化政策以提升大数据发展指数，却并非在严格意义上研析政策与大数据发展指数的相关性。

基于现实和理论两个层面的考量，有必要在统计全国31个省市区人均GDP、大数据发展指数具体数据、大数据发展环境指数的基础上，分析经济与环境这两大因素是否会对大数据发展水平产生显著影响。

一、经济发展水平与大数据发展水平的研究假设与数据

（一）研究假设

马克思主义认为，经济基础决定上层建筑，上层建筑反作用于经济基础。一方面，雄厚经济基础，能够为先进制度的存在及有效运行创造良好条件，而先进制度的存在及有效运行则能够助推数字治理进程；另一方面，人均GDP是经济发展水平的重要呈现，而大数据发展水平是数字治理水平高低的重要呈现。由此可以做出假设：经济发展水平与大数据发展水平具有正相关性，即经济发展水平的提高能够助推大数据发展水平的提升。

验证上述假设需要全国31个省市区大数据发展指数和人均GDP这两类数据。中国电子信息产业发展研究院分别于2017年和2018年发布《中国大数据产业发展评估报告》，其中含有2016年和2017年全国31个省市区大数据发展指数。2019年，该报告改为《中国大数据产业发展白皮书》，却未呈现2018年全国31个省市区大数据发展指数。因此，只能选取2016年和2017年的相关数据展开分析。

（二）全国31个省市区人均GDP的数据

2016年和2017年全国31个省市区人均GDP数据如表1、表2所示。

从表1中可以看出：第一，数值高于11万元的有天津、北京和上海；数值在9万元至11万元之间的仅有江苏；数值在8万元至9万元之间的仅有浙江；数值在7万元至8万元之间的有福建、内蒙古和广东；数值在6万元至7万元之间的仅有山东；数值在5万元至6万元之间的有重庆和辽宁等5个省市；数值在4万元至5万元之间的有宁夏和江西等9个省市区；数值在3万元至4万元之间的有四川和云南等7个省市区，数值最低的甘肃省低于3万元。第二，全国31个省市区的人均GDP数值差异较为明显，最大数值为天津的11.5613万元，最小数值为甘肃的2.7508万元，两者之间差值为8.8105万元，前者为后者的4.2倍。第三，31个省市区的均值为5.3680万元，12个省市区的数值高于均值，19个省市区的数值低于均值，在一定程度上表明这些省市区之间的数值差异较大。第四，前7名均为东部省份，最后7名中既有西部也有中部省份，东部省份中排名最低的是海南（第17名），西部省份中排名最高的是内蒙古（第8名）。

从表2中可以看出：第一，数值高于12万元的有北京和上海；数值在11万元至12万元之间的仅有天津；数值在10万元至11万元之间的仅有江苏；数值在9万元至10万元之间的仅有浙江；数值在8万元至9万元之间的是福建和广东；数值在7万元至8万元之间的仅有山东；数值在6万元至7万元之间的是内蒙古、重庆和湖北；数值在5万元至6万元之间的有陕西和湖南等5个省区；数值在4万元至5万元之间的有海南和山西等11个省区；数值在3万元至4万元之间的有西藏、贵州和云南；数值低于3万元的仅有甘肃。第二，全国31个省市区的人均GDP数值差异较为明显，最大数值为北京的12.8927万元，最小数值为甘肃的2.9326万元，两者之间差值为9.9601万元，前者为后者的4.4倍。第三，31个省市区的均值为6.1331万元，11个省市区的数值高于均值，20个省市区的数值低于均值，在一定程度上表明这些省市区之间的数值差异较大。第四，前8名均为东部省市，最后8名中既有西部省区也有中部省份，东部省市中排名最低的是海南（第17名），西部省份中排名最高的是内蒙古（第9名）。将表2与表1进行对比能够发现：绝大部分省市区的人均GDP均有所上升，但河南等极少数省份的这一数值有所下降（主要归因于新增人口较多）；大部分省市区的排名出现变化，但变化幅度不大。

（三）全国31个省市区大数据发展指数

与2017年相比，2018年的《中国大数据产业发展水平评估报告》调整和删除了部分二级指标，因此31个省市区2017年大数据发展指数数值均低于2016年的这一数值。2016年和2017年全国31个省市区大数据发展指数如表3、表4所示。

从表3中可以看出：第一，从数值上来看处于“第一层级"（高于70）的是北京和广东；数值在60至70之间的有上海和山东等4个省市；数值在50至60之间的有贵州和湖北等7个省市；数值在40至50之间有河北和云南等7个省市；数值在30至40之间的有海南和宁夏等9个省区；数值在20至30之间仅有青海；数值低于20的仅有西藏。第二，全国31个省市区大数据发展指数差异较为明显，最大数值为北京的78.22，最小数值为西藏的15.75，两者之间差值为62.47，前者是后者的近5倍。第三，31个省市区的均值为47.14，数值最接近这一均值的省份是安徽（47.12），安徽在31个省市区中排第15名，这表明17个省市区的数值低于均值，也表明这些省市区之间的数值差异明显。第四，前6名均为东部省份，最后6名中既有西部也有中部省份，东部省份中排名最低的是海南（第21名），西部省份中排名最高的是贵州（第7名）。

从表4中可以看出：第一，从数值上来看处于“第一层级"的是北京、江苏和广东；数值在50至60之间的是浙江和上海；数值在40至50之间是山东和湖北等4个省份；数值在30至40之间的是重庆和天津等6个省市；数值在20至30之间的是江西和吉林等14个省市区，数值低于20的是青海和西藏。第二，全国31个省市区大数据发展指数差异较为明显，最大数值为北京的63.21，最小数值为西藏的15.23，两者之间差值为47.98，前者是后者的4倍多。第三，31个省市区的均值为35.09，数值最接近这一均值的省份是辽宁（35.19），其数值在31个省市区中排第12名，表明一半以上的省市区的数值低于均值，也表明这些省市区之间的数值差异明显。第四，前6名均为东部省份，最后6名中既有西部也有中部省份，东部省市中排名最低的是海南（第20名），西部省份中排名最高的是四川（第7名）。将表4与表3进行对比能够发现：绝大部分省市区的大数据发展指数明显下降，这一现象主要归因于2018年测算过程中调整和删除了部分二级指标；大部分省市区的排名出现变化，但变化幅度不大。

二、经济发展水平与大数据发展水平的相关性检验与解释

（一）经济发展水平与大数据发展水平的相关性检验

在呈现2016年和2017年全国31个省市区人均GDP和大数据发展指数这一基础上，通过SPSS 21.0皮尔逊相关值测算两类数据的相关性，能够验证前述假设正确与否。分析情况如表5和图1、表6和图2所示：

如表5所示，通过SPSS 21.0皮尔逊相关值计算（2016年全国31个省市区的人均GDP与大数据发展指数相关性），得到结果相关系数为0.622，呈显著（正）相关，即人均GDP变大时与大数据发展指数随之变大，如图1所示。

经济发展水平与大数据发展水平的皮尔逊相关系数图（2016年），暗含上升曲线，表明全国31个省市区2016年的经济发展水平数据与大数据发展指数存在明显的正相关性。值得注意的是：极少数点所处位置明显偏离大多数点所在区域，如正上方居中的点是天津市，这表示天津市的人均GDP很高但大数据发展指数较低；右下方最靠右的一个点是贵州省，表示贵州省人均GDP较低但大数据发展指数较高。

如表6所示，通过SPSS 21.0皮尔逊相关值计算（2017年全国31个省市区的人均GDP与大数据发展指数相关性），得到结果相关系数为0.731，呈显著（正）相关，即人均GDP变大时与大数据发展指数随之变大，如图1所示。

经济发展水平与大数据发展水平的皮尔逊相关系数图（2017年），暗含上升曲线，表明全国31个省市区2017年的经济发展水平数据与大数据发展指数存在明显的正相关性。值得注意的是：极少数点所处位置明显偏离大多数点所在区域，如左上方的点是天津市，表示天津市的人均GDP较高但大数据发展指数较低；右下方中有一个点是贵州省，表示贵州省人均GDP较低但大数据发展指数较高。

将表5与表6进行对比能够发现：2016年全国31个省市区的人均GDP与大数据发展指数的相关系数为0.622，呈显著（正）相关，2017年全国31个省市区的人均GDP与大数据发展指数的相关系数为0.731，呈显著（正）相关，两个结果十分相似。将图1和图2进行对比同样能够发现二者十分相似。

（二）经济发展水平与大数据发展水平的组合分类

以经济发展水平与大数据发展水平对全国31个省市区进行分类，其结果见图3所示。

从图3可以看出31个省市区经济发展水平与大数据发展水平的组合可分为四类：

第一类（Ⅰ）：成熟应用型。这是在人均GDP与大数据发展指数两方面“双强"的类型，北京和浙江等省市（绝大部分是东部省市）属于这一类型，这些省市的经济发展水平较高，基于此实现了大数据的有效发展，大数据发展水平因而较高。

第二类（Ⅱ）：偏重经济型。这是一种人均GDP排名较高但大数据发展指数排名稍低的类型，天津、吉林、内蒙古和湖南等省市区是典型代表，这些省市区近年的发展偏重于经济领域，而对大数据发展的重视程度相对较低，呈现出“偏重经济"的状态。

第三类（Ⅲ）：“后知后觉"型。这是一种大数据发展指数和人均GDP情况均较差的“双弱"类型，黑龙江、广西、云南和西藏等省区即为代表。这些省区的经济以农牧业或工业产业为主，人口密度相对较小，经济发展水平相对较低；由于开展大数据领域建设的回报率较低，故大数据发展指数较低。另一方面，由于这些省区在较长时间内致力于解决工业时代的某些发展问题，而对数字时代组织建设、政策环境和信息化发展等领域的重视程度相对较低，亦即大数据发展环境相对较差，因此在大数据发展指数方面也就表现较差。

第四类（Ⅳ）：变革驱动型。这是一种大数据发展指数排名明显高于人均GDP排名的类型，这一类型数量较小，贵州省是代表。这类型的省区尽管经济发展水平相对较低，但通常拥有具备良好信息素养的居民、大量专业技术人才及诸多大数据企业，因而大数据发展指数较高。

由此可见，第一类（Ⅰ）和第三类（Ⅲ）省市区明显呈现经济发展水平与大数据发展水平的正相关性；而第二类（Ⅱ）和第四类（Ⅳ）省市区则呈现经济发展水平与大数据发展水平不具明显相关性。

（三）经济发展水平与大数据发展水平的相关性解释

对于第一类（Ⅰ）和第三类（Ⅲ）省市区的情况，由于经济基础决定上层建筑，故经济基础雄厚的省市区无疑能够为先进制度的构建及有效运行创造良好条件，进而助推大数据发展水平的提升；如此，经济基础薄弱的省市区大数据发展较为乏力也就不难理解了。

至于第二类（Ⅱ）和第四类（Ⅳ）省市区的情况，由于上层建筑对经济基础具有反作用但非决定作用，这就意味着上层建筑的形态不一定完全与经济基础的“塑造方向"相符，也即意味着上层建筑即时呈现的状态不一定与经济基础具有明显相关性。

以第二类（Ⅱ）的省份内蒙古为例：内蒙古的人均GDP在全国31个省市区中排名较高（2016年和2017年分别为第7位和第9位），但其大数据发展指数却排名较低（2016年和2017年分别为第24位和第22位），两个领域的排名差异较为明显。其实，内蒙古人均GDP排名高主要归功于实体经济而非数字经济的发展。如2017年内蒙古对实体经济的依赖度明显高于我国很多省市区。^⑥因此，尽管内蒙古的人均GDP在全国排名较高，但数字时代的现代化水平并不高，表现为大数据发展指数在全国排名偏低，故其大数据发展水平在全国排名也就较低。

以第四类（Ⅳ）省份贵州为例：贵州的人均GDP很低（2016年和2017年在全国31个省市区中都是第29位），这一情况在很大程度上归因于贵州的工业产业较弱，如2017年贵州的第二产业增加值为5428.14亿元，在全国排第23位，足以表明其工业产业较弱。但由于贵州近年来在数字治理领域取得显著成绩，其大数据发展指数全国排名却很高。

引入政治现代化理论可以对这两类情况进行解释。美国政治学家亨廷顿（Samuel P. Huntington）在《变化社会中的政治秩序》中指出：“现代性产生稳定性，而现代化却产生不稳定性。"^⑦他认为现代化是指一国通过构建现代制度、良好的政治秩序以提升政治制度化水平；现代性是指一国政治秩序良好、政治制度化水平高而呈现出的整体状态。^⑧从这两者存在的状态来看，现代化是一种动态呈现，现代性是一种静态呈现。经济发展水平（以人均GDP加以衡量）与大数据发展水平（以大数据发展指数加以呈现）是现代化水平的重要展现。在数字时代，与经济发展水平相比，由大数据发展指数呈现的大数据发展水平能够更真实地反映现代化水平。而与经济发展水平和大数据发展水平相比，大数据发展环境指数呈现的则是静态存在情况的良好与否，因此其高低水平是数字时代现代性强弱的重要表现。

具体而言，人均GDP未必能准确反映数字时代这些地方的真实经济水平。目前通行于全球的GDP核算体系构建于工业时代中期（20世纪），大量国家均采用基于这一核算体系生成的人均GDP衡量国家经济发展水平。在当前从工业时代向数字时代全面演进的形势下，明显具有工业时代特征的GDP核算体系已经较难准确反映数字时代各国的经济发展水平（尤其是难以准确衡量数字经济规模）。^⑨即反映大数据发展指数展现的是数字时代的现代化水平，但以人均GDP呈现的经济发展水平则反映的是工业时代的现代化水平，由于两者属性的不同而导致我国各省市区经济发展水平与大数据发展指数之间不具有显著相关性。

三、环境与大数据发展的相关性分析

经济发展水平与大数据发展水平的相关性分析能够解释Ⅰ和Ⅲ，却无法解释Ⅱ和Ⅳ，诸多影响因素中最有可能的就是环境因素。

（一）大数据发展环境指数

大数据发展指数高低是衡量某地或某国数字治理水平高低的重要标准，这一指数由发展环境、大数据产业和大数据应用等3个一级指标和10个二级指标共同构成。大数据发展环境指数则包括三个指标：1、组织建设，即各省市区是否设置了管理大数据的机构。2、政策环境，即各省市区是否出台与大数据相关的专项政策。3、信息化发展，即各省市区的区域信息化发展水平（基于宽带用户数量和移动网络用户数量进行测算）。^⑩这意味着环境因素主要包含以上三者。2018年出台的《中国大数据产业发展水平评估报告》（2017）并未呈现2016年的数据，但公布了2017年全国31个省市区的大数据发展环境指数，如表7所示。

从表7中可以看出：第一，数值在13至14之间的有浙江和广东等4个省市；数值在12至13之间的有福建和辽宁等5个省市；数值在11至12之间是湖北和北京等9个省市；数值在10至11之间的是云南和内蒙古；数值在9至10之间的是天津和江西等4个省区；数值在8至9之间的是广西和新疆等7个省区。第二，与大数据发展指数相比，全国31个省市区大数据发展环境指数差异较小，最大数值为浙江的13.6，最小数值为新疆的8.0，两者之间差值为5.6，前者仅为后者的1.7倍。第三，31个省市区的均值为10.9，18个省市区的数值高于均值，13个省市区的数值低于均值，一定程度上表明这些省市区之间的数值差异较小。第四，前5名均为东部省份，最后5名中既有西部也有中部省份，东部省份中排名最低的是海南（第23名），西部省份中排名最高的是重庆（第6名）。将表7与表4的数据进行对比分析，能够直接看出这两组数据具有明显的正相关性。

（二）大数据发展环境与大数据发展水平的相关性解释

首先，经济基础决定上层建筑，上层建筑反作用于经济基础。但值得注意的是，雄厚的经济基础并非“先进制度的存在及有效运行"的必备前提，在某些情况下，或许经济基础尚不够雄厚，但上层建筑中的制度却已较为先进，而先进制度的有效运行无疑能推进经济等领域的发展，这是“上层建筑反作用于经济基础"的表现。将上述观点运用于环境与大数据发展的相关性分析中可以验证并发现：基于制度运行生成的发展环境必然对大数据发展水平高低具有一定影响。

其次，整体与部分二者不可分割、相互影响。整体的性能状态与变化会对部分的性能状态与变化产生影响，部分也会对整体产生影响。在某种条件下，部分的性能状态甚至会对整体产生决定性影响。将上述观点运用于大数据发展环境与大数据发展水平的相关性研究能够验证并发现：大数据发展环境指数较高时，大数据发展指数较高的可能性较大。即大数据发展环境指数对大数据发展指数具有直接影响，与此相应，环境对大数据发展水平也具有直接影响。

大数据发展环境指数与大数据发展指数呈现正相关性重要原因是：环境是本质，指数是表象，前者通过后者表现出来，且二者所展现的都是数字时代而非工业时代的内容。

具体来看，天津和湖南等省市区是第二类（Ⅱ）的典型代表，在较长时间内致力于解决工业时代的某些发展问题，而对数字时代组织建设、政策环境和信息化发展等领域的重视程度相对较低，大数据发展环境相对较差，因此在大数据发展指数方面表现较差。贵州省是第四类（Ⅳ）变革驱动型的典型代表，尽管经济发展水平不高，但由于拥有诸多大数据企业及大量专业技术人才，其大数据发展指数较高。

四、结论与建议

（一）经济与环境均是大数据发展水平的影响因素

1.研究假设大致得到证实。即以人均GDP为表现形式的经济发展水平与大数据发展指数二者之间存在明显正相关性。通过“全国31个省市区的经济发展水平与大数据发展水平分类"分析能够发现：北京和浙江等省市人均GDP与大数据发展指数均较高；黑龙江、广西、云南和西藏等省区的人均GDP和大数据发展指数均较低；天津、吉林、内蒙古和湖南等省市区的人均GDP排名较高但大数据发展指数排名稍低；贵州省的大数据发展指数排名明显高于人均GDP排名。前两种情况较为普遍，说明以人均GDP为表现形式的经济发展水平与大数据发展指数两者之间存在明显（正）相关性。

2.环境对大数据发展水平具有重要影响。天津、吉林、内蒙古和湖南等省市区的经济发展水平排名较高，但大数据发展水平的排名较低；以贵州省为代表的部分省市区的经济发展水平排名较低，但大数据发展水平的排名较高。对这种情况的最有力解释是：除经济要素之外，环境也是大数据发展水平的重要影响因素。天津、吉林、内蒙古和湖南等省市区较长时间内致力于解决工业时代的某些发展问题，对优化大数据发展环境的重视程度相对较低，导致大数据发展水平较低；贵州省尽管经济发展水平相对较低，但大数据发展环境良好，这是其大数据发展水平较高的重要原因。

（二）各经济与大数据发展水平组合类型均会继续发展

第一类（Ⅰ）省市区会继续基于大数据发展环境的进一步优化、大数据发展指数的进一步提高而实现全面发展。第二类（Ⅱ）省市区只要在提升对大数据发展重视程度的基础上优化大数据发展环境，就能够较快地跻身第一类（Ⅰ）省市区，第四类（Ⅳ）省市区发展的关注点与第二类（Ⅱ）明显不同：第四类（Ⅳ）省市区想要跻身成为第一类（Ⅰ）省市区，需要有效提升经济发展水平。

第三类（Ⅲ）省市区在短时间内演进为第一类（Ⅰ）省市区的难度比较大。原因在于第三类（Ⅲ）省市区在经济发展和大数据发展方面的根基不扎实，其成为第一类（Ⅰ）省市区可选择的途径主要有三条：一是在优化大数据发展环境的基础上提升大数据发展水平，这是一条短期内成效明显但问题可能较多的道路——大数据发展水平的提升缺乏经济支持，实质上是先成为第四类（Ⅳ）之后才可能演进为第一类（Ⅰ）；二是在提升经济发展水平的基础上实现大数据发展指数的提升，这是一条稳健道路，实质上是先成为第二类（Ⅱ）之后才演进为第一类（Ⅰ）；三是同时提升经济发展水平和大数据发展水平（“齐头并进"模式），实质上是直接从第三类（Ⅲ）演进为第一类（Ⅰ）。

从宏观上来看，各省市区须在经济发展和大数据发展之间保持大致平衡，两者中的任何一个发展较慢，都会出现“长短足"状态，给数字时代的治理带来诸多隐患（如“新型数字鸿沟"的出现），从而阻滞我国数字治理水平的稳步提升。

（三）不同类型省市区的发展前景和主要任务不同

依照发展前景从好到差的排序是：第一类（Ⅰ）、第二类（Ⅱ）、第四类（Ⅳ）、第三类（Ⅲ）。这四类省市区的发展前景及主要任务分述如下：

1.第一类（Ⅰ）省市区现状良好，基于现在的状态继续发展就能在较长时间内领先于其它省市区。21世纪初，以英国学者邓利维（Patrick Dunleavy）为代表的一些学者构建了数字时代治理理论，据这一理论所划分的数字治理等级来看，第一类（Ⅰ）省市区已经处于数字治理2.0时代。数字时代治理理论认为处于数字治理2.0时代的政府需要完成的任务如表8所示。

虽然数字时代治理理论产生于西方学界，其生成背景与我国的实际情况存在一些差异，但这一理论指出的“数字治理2.0时代政府的任务"值得借鉴。第一类（Ⅰ）省市区已经完成表8中诸多任务，除继续提升经济发展水平之外，今后的任务主要有：

（1）权力结构的重塑。第一，重新整合。进一步整合功能相近的部门或机构，实现重新整合外包、基于统一的智能中心有效分散交付、构建单一的数字化税收和福利系统。第二，整体主义。基于整合主义实现福利领域单一利益的整合、单一公民账户的构建、审批与支付两大领域的联合。第三，进一步强化数字化。减少不必要的政府网站，构建政府超级网站；强化联系和交易的在线水平；构建“政府云"；免费并全面地存储数据。

（2）实现形式的设计。第一，重新整合。省级政府更多地将供给数字公共服务的职责交予基层政府承担；完善数字公共服务供给过程中的多元参与机制。第二，整体主义。强化对公共服务效能的在线综合评估；强化公民监督和政府开放性；有效降低“非网民"的数量，终结传统“数字鸿沟"。第三，数字化。用先进技术提升“社交网络"效能，强化公共信息的开放性，扩大普适计算和零接触技术的覆盖面。

2.第三类（Ⅲ）省市区是一种“后知后觉"的类型，此类型在经济发展和大数据发展两方面都弱，这种情况受多种因素影响。如地理位置不占优势、自然环境和气候不佳，致使某些数字企业不愿意在这些省市区“落户"或开展某些业务；人口分散，数字治理效能得到全面展现的难度较大；等等。在此环境中，工业时代的现代化难以推进，较难为数字时代的现代化创造有利条件——数字时代的现代化并非纯粹的虚拟空间现代化，而是实体和虚拟空间的共同现代化，这种现代化的实现有赖于实体条件尤其是基础设施的完善，即基于某些工业时代的现代化成果才能实现。在尚且未能完成工业时代任务的情况下，这类省市区难免陷入“后知后觉"状态：大量人群仍极度依赖工业时代甚至农业时代的“旧技术"生存，短时间内无法借助数字时代的“新技术"解决生存问题，即无法快速融入数字时代。由此可见，第三类（Ⅲ）省市区数字治理进程受到环境及人群等因素的负面影响较大，很难在短时间内演进为第一类（Ⅰ）省市区，是发展前景最差的类型。

根据数字时代治理理论，第三类（Ⅲ）省市区尚处于数字治理1.0时代，当前的任务是尽快实现向2.0时代过渡。这类省市区的经济发展水平较低，大数据发展水平也较低。数字治理1.0时代，政府需要完成的任务如表9所示。

第三类（Ⅲ）省市区已完成表9所列的很多任务，但仍有些任务尚未完成。除了有必要强化经济，为大数据发展创造有利条件之外，当前的任务主要有：

（1）权力结构重塑层面。第一，重新整合。在其他主体已经充分发展的领域，政府有必要收缩边界，将数字公共服务交由其他主体供给；在其他主体尚未充分发展的领域，政府须保持甚至扩张边界；在政府采购领域进一步提升集中化和专业化程度。第二，整体主义。进一步提升多元主体之间的互动效能，为信息的准确、全面收集创造条件；普遍构建数据库，并基于数据库的有效使用实现对客体需求的准确判定；提高政府程序的灵活性。第三，数字化。在详细划分客体、减少中间层的基础上更为有效地供给数字公共服务。

（2）实现形式的设计。第一，重新整合。将政府无力供给或只能低效供给的数字公共服务“外包"给其他（有能力的）主体；强化多元主体之间的合作效能，有效简化网络并更多地提供共享服务。第二，整体主义。准确判定客体的需求，在此基础上展开组织变革；优化数字公共服务的供给流程，进一步强化服务的可持续性。第三，数字化。扩张数字公共服务的覆盖面；在采购信息技术的过程中强化政府作用；强化政府的开放性和治理效能。

3.第二类（Ⅱ）省市区是在有效提升大数据发展水平的基础上实现向第一类（Ⅰ）的演进，这一举措是“制度发展"的典型代表，即在现实需求出现之后才展开相关制度的变革。

根据数字时代治理理论，第二类（Ⅱ）省市区已经完成数字治理1.0时代政府的绝大部分任务以及数字治理2.0时代政府的少部分任务，因此处于数字治理1.0时代向2.0时代过渡的阶段。而处于过渡阶段的重要原因是大数据发展水平而非经济发展水平较低，因此，这类省市区今后须更多地着力于完成大数据发展任务而非全力提升经济发展水平，其任务主要有：

（1）权力结构重塑层面。第一，重新整合。进一步优化多元主体供给数字公共服务的流程；有效整合基础设施；重新进行整合外包。第二，整体主义。在信息的提供和搜索过程中进一步强化主客体之间及内部的互动效能；进一步整合社会保障系统；借助综合服务商店供给数字公共服务。第三，数字化。减少中间层和受控的渠道；构建“政府云"，免费和全面地存储数据。

（2）实现形式的设计。第一，重新整合。供给数字公共服务的过程中，减少“中间商"，有效降低过程成本；倡导多元主体参与供给。第二，整体主义。促进多元主体共同供给数字公共服务；在实体和虚拟公共服务中开发“社会网络"程序；对“任务承诺"的驱动程序进行重新评估。第三，数字化。基于网络展开公共服务的效用计算；革新自动化过程；强化自我管理的效能以及公共信息的开放性；扩大普适计算和零接触技术的覆盖面。

4.第四类（Ⅳ）省市区是在保持大数据发展水平的基础上关注经济发展水平的提升，助推整体向第一类（Ⅰ）演进。这类省市区在发展过程中可能面临一些不容忽视的问题，如近年贵州致力于借助数字治理实现“弯道超车"，其诸多举措备受热捧，但也存在明显问题——贵州的数字治理仅惠及部分人群，并未真正在各群体中实现公共价值。从长远来看，随着时间的推移，贵州推进数字治理惠及的人群会不断扩大，表现为掌握“旧技术"（农业和工业技术）的人群会不断缩小，其在总人群中所占比重也会变小。这一情况既归因于“新技术"（数字技术）教育及培训等实现扩张，也归因于仅掌握“旧技术"人群中自然人的消亡。这是一个长期过程，意味着在较长时间内仅掌握“旧技术"人群将在数字治理过程中被“隔离"，即数字治理的推进催生治理客体中的裂隙（可以称之为“现代性鸿沟"），而未能在数字治理过程中获益的人群会产生诸多不满，从而催生各种社会问题。

从数字治理等级来看，第四类（Ⅳ）省市区与第二类（Ⅱ）省市区相同：已经完成数字治理1.0时代政府的绝大部分任务以及数字治理2.0时代政府的少部分任务，均处于数字治理1.0时代向2.0时代过渡的阶段。但两类省市区已经完成及尚未完成的任务并不完全相同，而且与第二类（Ⅱ）省市区同处过渡阶段却又不同的重要原因是第四类（Ⅳ）省市区经济发展水平较低而非大数据发展水平较低。因此，第四类（Ⅳ）省市区首先需要十分关注经济水平的提升，尤其是要关注发展数字经济（与数字时代相对应），其次才是采取诸多举措进一步提升大数据发展指数。这些省市区今后的大数据发展任务主要有：

（1）权力结构重塑层面。第一，重新整合。继续整合职能相近的部门，夯实数字经济的发展基础；促进多元主体参与发展数字经济、提供数字公共服务；有效整合基础设施。第二，整体主义。发展数字经济、提供数字公共服务过程中，强化信息的获取和分析，并基于这种分析准确判定客体需求和数字经济发展趋向；进一步提升社会保障系统的效能。第三，数字化。减少中间层；准确划分客体并判定需求；使所有联系和交易实现在线；构建“政府云"。

（2）实现形式的设计。第一，重新整合。基于政府部门的整合提升其在数字经济领域的领导力；有效降低过程成本；在发展数字经济的基础上提供共享服务，并有效简化网络。第二，整体主义。在确定经济发展需求、治理客体需求的基础上革新组织；优化治理流程和服务流程，强化公民监督和政府开放性；在多元主体已经发展起来的环境中逐渐收缩政府边界；强化对“非网民"的教育和帮助，逐渐消除传统“数字鸿沟"。第三，数字化。优化数字经济和数字公共服务的发展环境；用先进的数字技术提升“社交网络"效能；强化公共信息的开放性。