[论文解读] Moving the Needle: What Works Cities and the use of data and evidence

Simone Brody, Andel Koester+2 more|arXiv (Cornell University)|Sep 28, 2016

demographic modeling and climate adaptation被引用 3

一句话总结

本文通过 What Works Cities 计划评估了67个美国城市的数据与证据使用情况，发现领导层对数据驱动治理的承诺是表现最强的预测因子，而任何单一数据实践的技术熟练度均与其他实践表现正相关——除了开放数据，其普及程度在更大城市中更高，与整体表现无关。

ABSTRACT

Bloomberg Philanthropies launched What Works Cities (WWC) in 2015 to help cities better leverage data and evidence to drive decision-making and improve residents' lives. Over three years, WWC will work with 100 American cities with populations between 100,000 and 1,000,000 to measure their state of practice and provide targeted technical assistance. This paper uses the data obtained through the WWC discovery process to understand how 67 cities are currently using data to deliver city services. Our analysis confirms that while cities possess a strong desire to use data and evidence, government leaders are constrained in their ability to apply these practices. We find that a city's stated commitment to using data is the strongest predictor of overall performance and that strong practice in almost any one specific technical area of using data to inform decisions is an indicator of strong practices in other areas. The exception is open data; we find larger cities are more adept at adopting open data policies and programs, independent of their performance using data overall. This paper seeks to develop a deeper understanding of the issues underlying these findings and to continue the conversation on how to best support cities' efforts in this work.

研究动机与目标

• 评估中型美国城市在公共服务提供中应用数据与证据的情况。
• 识别限制城市采用数据驱动决策的结构性与组织性障碍。
• 研究特定数据实践与城市治理整体表现之间的关系。
• 探讨城市规模差异对开放数据采纳的独立影响，与整体数据成熟度无关。
• 为政策制定和技术援助策略提供依据，以增强城市实施基于证据治理的能力。

提出的方法

• 在67个城市中开展探索性调研，评估其当前的数据与证据使用状况。
• 收集城市各部门与职能中10项关键数据与证据实践的相关数据。
• 使用回归分析识别整体数据表现的预测因子，包括领导层承诺与技术能力。
• 比较不同人口规模城市之间的开放数据采纳率，以分离出规模相关的影响。
• 利用技术援助互动中的定性洞察，为定量发现提供背景解释。
• 分析不同数据实践之间的交叉相关性，以评估相互依赖性与溢出效应。

实验结果

研究问题

• RQ1 哪些因素最能预测城市在利用数据与证据进行治理方面的整体表现？
• RQ2 在某一数据相关领域表现强劲，能在多大程度上预测其他领域的表现？
• RQ3 城市规模在多大程度上影响开放数据政策与项目的采纳？
• RQ4 为何开放数据采纳与整体数据表现无关，而其他数据实践则有关？
• RQ5 哪些结构性或组织性约束限制了城市在规模上实施数据驱动决策的能力？

主要发现

• 城市在数据与证据使用上的公开承诺是其在数据驱动治理中整体表现的最强预测因子。
• 在任一单一数据实践（如绩效管理或数据共享）上的精通，与在其他数据实践中的优异表现显著相关，表明存在协同效应。
• 开放数据采纳在较大城市（人口 >50万）中显著更普遍，且与整体数据成熟度或表现无关。
• 即使在控制其他表现指标后，大城市拥有正式开放数据政策的可能性仍超过小城市的两倍。
• 尽管开放数据采纳率高，但开放数据项目表现强劲的城市并不一定展现出更高的整体数据表现，表明透明度与有效使用之间存在脱节。
• 组织与结构性障碍（如技术能力有限、数据系统碎片化）限制了城市在领导层表达强烈承诺的情况下，仍无法充分利用数据。