一、政务数据汇集及其风险认知的必要性
二、政务数据汇集的主要场景及模式
三、政务数据汇集的法律风险
四、政务数据汇集风险控制的进路
五、结语
政务数据汇集既是数字政府建设的基础，也存在一定的法律风险，从数字政府与法治政府深度融合的要求出发，有必要厘清其法律风险并予以控制。基于数据提供机关与数据利用机关间的不同法律关系，可将政务数据汇集活动归纳为三种模式：以业务协同关系为基础的模块式汇集、以资源互助关系为基础的旋涡式汇集及以统筹指挥关系为基础的枢纽式汇集。根据数据汇集行为的类型化，可进一步分析政务数据汇集的法律风险：一是将权责法定异化为“权责数定”的越权风险；二是数据汇集诱发权力失控所带来的数据滥用风险；三是整合个人信息、妨碍公民人格自由发展的过度监控风险；四是责任归属模糊化、滋生“数字避责”的风险。控制这些风险，需遵循法治价值系统的指引，面向政务数据汇集的运作逻辑，对行政法治的控制技术进行转型升级。一方面，应建立数据汇集活动的合法性评价机制，确保采集的必要性、共享的必需性和程序的正当性，促进数据共享架构与法定职权配置之间的契合；另一方面，应完善行政内部监督机制和归责机制，同时为数据主体提供有效救济途径。
关键词：
数据共享；整体政府；数字法治政府 数字行政。
在国家治理中，面对空间、人口的巨大规模和事务的复杂性，政府治理始终面临“能力赤字”挑战。
相应地，补强治理能力的渴望构成行政权力运作及转型的重要指引。
当新的技术出现时，通过“技术赋能”便成为补强治理能力的重要选项。
当下，在新一轮技术革命风起云涌的背景下，将数字技术引入政府治理，成为治理变革的一个潮流。
我国的数字政府建设就是这种技术赋能逻辑的实践展开。
在数字政府建设中，政务数据汇集是一项基础工程。当下，“一网通办”“多码协同”“跨省通办”等政务数据共享实践层出迭生，《全国一体化政务大数据体系建设指南》明确强调，通过全国一体化的数据共享架构规制社会风险、提升公共服务质量。在数字行政背景下，机构之间的数据传输不再是个别、零散、偶尔为之的互动，而是呈现为大规模、持续化、自动化的数据共享集聚样态。基于大数据的政治与经济效益，各类数据资源的汇聚成为“数字赋能”乃至“数据赋财”的基础性要素，一个个大型的专门数据库与信息共享平台逐步建立，且具有实时更新、持续扩容的能力，不断将汇集后的大数据转化为治理绩效与财政资源。
政务数据汇集
（aggregation），
指各行政机关或部门将其收集的数据在不同行政机关之间传递、移转、汇集，使数据资源从分到合，构成整体性的政务数据。
对此，一些政策性文件使用的概念是“共享”；我国《个人信息保护法》使用的概念是“传输”和“提供”；国外一些法律文件使用的概念是“转移”（transfer）。本文主要采用“汇集”这一概念，目的在于突出这种传递、移转背后从分散化到整体化的结果特征。在具体阐述中，出于行文方便和讨论语境的考虑，不与其他近似概念作严格区分。此外，本文不区分“政务数据”和“政务信息”两个概念，亦不区分“个人数据”与“个人信息”子概念。
数据的汇集、共享和应用在对行政权进行赋能的同时，也塑造了日益庞大的数字技术系统。数据汇集活动虽然打破了数据孤岛，但也带来了数字化权力在不同机构间的复制、延伸和重组，改变了行政权运行的逻辑，很可能导致大数据的无节制使用乃至滥用。对此，已经有一些研究关注到了政务数据汇集的法律风险，对政务数据共享表达了担忧。不过，既有讨论仍存在一定的不足：第一，研究的精细化程度不够，往往将政务数据汇集活动作为一个宽泛的研究对象进行讨论，没有结合不同的组织法构造进行精准的类型化分析。第二，研究的全面性不够，主要关注政务数据汇集中的部分个人信息保护问题，对数据汇集活动带来的权责法定、权责一致等行政法问题缺乏关注。第三，分析框架的体系化不够，缺乏概念清晰、结构完整、体系融贯的法治分析框架，无法针对当下复杂的数据汇集实践制定有效的风险规制方案。
本文尝试为政务数据汇集活动的风险控制和法治约束提供一个规范性、整体性的分析框架。首先，从数据提供机关与数据利用机关的法律关系出发，对政务数据汇集的基本类型和实践特征进行梳理。其次，在类型化基础上，分析政务数据汇集活动的法律风险，总结政务数据汇集给行政法治带来的现实挑战。最后，针对数据汇集活动的风险，进一步探讨相应的风险控制方案。
促进政务数据汇集活动的规范化和法治化，首先要厘清一个关键性问题：政务数据汇集的权力基础到底是什么？相较于单个机关自行处理数据的行为，政务数据汇集行为具备多主体、交互性的特征。参与数据汇集的机关之间的法律关系不同，对应的职权依据和基础也存在差异。基于数据汇集的行政权基础，可以将政务数据汇集活动分为三种模式：一是“模块式”汇集，即多个行政机关基于任务履行上的相通性，在业务协同过程中展开数据汇集；二是“旋涡式”汇集，即在特定管理目标的驱动下，职能上并不交叉的多个行政机关围绕某项数据整合需求而进行数据资源的汇集，汇集后的大数据成为数据利用机关履职的资源；三是“枢纽式”汇集，即基于组织法上的层级关系，上级机关可以调整、分配下级机关数据资源的流向与利用，尤其是通过特定的指挥枢纽机构来控制前两种汇集模式的具体运作。以下分别对不同模式数据汇集的运行逻辑及实践样态进行简要分析。
随着社会生活的复杂化，在特定行政任务的驱动下，由多个行政机关参与、由多个分阶段行为组合而成的行政活动流程，已是现代行政的常态。这种多阶段的流程内含业务合作、权力制约、效果承接等行政协作关系。然而，组织的分散化设置在一定程度上导致了公共管理的碎片化、管辖权的叠床架屋和部门中心主义，削弱了公共部门的协同联动能力。当下“整体政府”建设的核心理念便在于：面向特定的行政任务和现实治理需求，对分散于不同部门和行政组织的职权进行统合，形成业务协作模块，使相关组织的政策产出保持一致。在这一过程中，政务数据汇集成为推动部门协作的关键因素。任务相通、职权关联的行政机关依照特定管理流程彼此协力、先后参与行政任务，各组织便可被视为一个整体性、一体化的模块的组成部分，此种场景下组织之间的数据传输便属于模块式汇集。此时，提供机关的数据处理活动与利用机关的数据处理活动具有高度的职责关联性，数据汇集可有效消除提供机关与利用机关间信息不对称、零散化等困境。
公共服务一体化改革是政务数据模块式汇集的典型场景。以解决问题为出发点，将政府组织的重点放在解决问题上，而不是划清部门分工上，必然要求以行政任务为导向的业务归口、职能整合与数据汇集。例如，在福利行政领域，以公众需求而非政府管理为中心的理念越发凸显，组织间数据流通模式亦发生变革。福利行政覆盖生活的方方面面，具有广泛性和复杂性。几乎所有社会保障项目都需要运用自然人个人信息，如项目开始时需要大量信息作为启动基础，项目运行中也要对个人信息进行整理分析。不过，同一社会保障事项往往涉及多个机关的权责，这可能带来组织分散化引发的分割、隔离和烦琐问题。又如，退休待遇的认定可能涉及疾病情况、工伤认定、户籍身份等方面的行政专业判断，保障性住房的审批涉及房管、民政、工会等多个部门。在传统业务工作流程下，公共服务部门各自的信息系统既不兼容，也不共享，申请人针对同一事项，往往需要请求不同机关进行调查核实、开具证明，这不仅低效，而且容易诱发不同机关间相互抵触的风险。
鉴于此，福利行政的一体化目标需要以机关间职能整合与数据汇集为手段。通过数据汇集和分析可以更精准地测算申请人的基本情况，帮助相关的行政机关作出更客观、理性的行政决定。在比较法上，德国《社会法典》（Das Sozialgesetzbuch）第十编第69条针对关联行政机关之间共同协力、先后阶段完成社会行政任务过程中的信息共享行为，进行了宽泛的授权。其背后的原理在于：虽然这些行政机关彼此之间不具有隶属关系，但其履行的社会任务具有相通性，相互之间的信息联通有助于提升公共服务质量、节约行政成本。因此，应当将履行社会行政任务的不同机关作为一个整体来看待，消除因为组织的零散化引发的信息碎片化。某一社会行政机关依照其法定职责收集储存的信息，若有助于其他行政机关的社会保障任务之达成，则不妨将信息收集与后续信息共享理解为整体目的之下而进行的处理活动，进而可避免个人信息保护法中目的限定原则的限制。从历史上看，20世纪80年代，德国联邦宪法法院曾提出“信息分立”的要求，强调政府不是由一个统一的“信息单位”而是由不同的部门组成的，应当强调信息权力划分的重要性，要求各个部门只能在自身权责范围内，基于特定的目的处理信息，从而约束政府的信息权力。但随着公共服务一体化与数字化进程的推进，“信息分立”不再是形式化地强调部门间的信息流通约束，而是允许跨部门、跨地域的行政机关基于相同的行政任务进行组织模块内的信息共享，以提高行政效率。
类似地，在风险规制领域也出现了模块式汇集的现象。在风险社会中，政府面临对“整体性风险”进行规制的任务。传统的行政管理以各职能部门为中心，官员倾向于在各自管辖范围内处理问题，很难以整体视角解决易于诱发连锁反应的风险，在治理方法上缺乏系统性和全局性。以零散的行政机关应对越发复杂的风险治理需求，必然造成越来越多的管理缝隙被忽略或者无法被填充，形成“有组织的不负责任”。这对行政系统的协调性、灵活性提出了更高要求。风险行政法涉及复杂的事实和利益关系网络，相关行政决定必然需要具备“跨部门协作”和“综合”的特性。以重大风险设施选址为例，行政任务的履行是以选址为中心的规划、建设、运营、维护、监督等环节构成的过程，这可能涉及规划、土地管理、环保、电力多个部门的审批与监管，需要各部门协同作出综合性的决策，由此也形成了相应的行为流程与数据汇集。
“行政一体”本身就蕴含了相互协助的理念。为了提升整体的行政效能，不同行政机关之间在必要的范围内共享资源，这符合效能原则。在数字化时代，政务数据越来越被认为是一种行政资源，而数据资源的非竞争性和非排他性，使不同行政机关可重复利用同一数据集。这一过程可以在整体上节约行政活动的数据收集成本。在此意义上，即便数据提供机关与数据利用机关并不存在直接的业务协同关系，基于行政资源共享和效率考量，也存在打破组织间数据壁垒的驱动。在行政实践中，这种汇集往往受到以实现特定管理目标为中心的任务驱动，将所有的相关数据尽可能汇集，以实现数字赋能目标。在这种数据汇集模式中，不同组织围绕作为中心的特定行政任务而“旋转”，不同组织的数据在模块式汇集基础上，可能出现跨模块传输，以服务于中心任务。相比于临时性、一事一议的行政协助场景中的信息分享，当下的旋涡式数据汇集呈现出整体化、日常化、规模化的数据传输样态。
例如，在大数据警务中，为了获取关于涉嫌从事非法活动的特定个人信息，警务部门被授权从税收、福利、市场监管等不同部门的数据库中调取数据，并对汇集后的数据进行分析挖掘，得到精准的个人画像，以提升执法的回应性。类似地，社会信用监管以公民个人身份证号码和组织机构代码为单元，建立统一的社会信用代码和数字化信用档案，通过数据汇集来降低监管者与被监管者之间的信息不对称性，提高风险规制效率。除此之外，通过在不同数据库之间建立自动比对程序，社会管控也变得更加精确与高效。一旦管制对象在某项行政活动中登记了其信息，自动比对程序便可以进行相应的风险提示与预警。在欧盟，《关于在边境和签证领域建立欧盟信息系统之间互操作性框架的条例》授权签证、旅游管理、犯罪记录等不同数据库之间可进行数据比对，并设置了搜索门户、生物识别信息比对服务等互操作性组件。在欧盟立法者看来，即便不同数据库设置的最初目标并不相同，但基于识别特定管制对象的需要，可以打破数据库之间的壁垒，实现数据库之间的互联互通。
又如，在行政许可领域，为了减轻相对人的负担、避免重复收集数据，很多职能上不存在交叉的行政机关之间也被明确要求进行数据传输。此类资源互助行为将原本散置于各处之政务数据迅速复制、移转、利用，提高了行政效率，同时减少了相对人数据提供之负担。我国很多的地方实践中，“一网统管”“最多跑一次”的管理和服务模式都隐含了政务数据汇集。以“一网通办”中的“无人秒批”系统为例，系统实现秒批的关键就是数据联通，可联通所有相关数据库，进行数据自动比对。各个部门虽然法定职责并不相通，但是仍通过数据汇集的方式进行协作。国外也存在此种数据汇集的趋势，例如，日本于2019年出台的《数字公共管理促进法》第2条第2项规定：“对于私营企业经营者和其他人员向行政机关等提供的信息，应通过相互合作，利用信息系统共享，不需要申请者提供与上述信息内容相同的信息。”
在前述两种汇集模式中，数据提供机关与利用机关之间并不存在层级隶属关系，政务数据汇集的目的是使数据利用机关更好地对外进行管理。然而，为了进行行政组织系统内部的管理和监督，实现行政内部系统的整体性和一贯性，也出现了政务数据汇集驱动力。这种情形下的政务数据汇集依赖于特定的指挥枢纽而展开，可称之为“枢纽式汇集”。
一方面，基于行政上下级之间的层级关系，上级机关可以要求下级机关向其提供数据，以便于上级机关的决策、指挥和监督。此时，上级机关直接对下级机关享有“数据汇集请求权”，下级机关则负有数据提供义务。例如，为了监督下级交通管理部门，上级交通管理部门可要求其实时或定期提供数据。又如，新冠疫情期间多个地方实现了“县—市—省”三级数据汇集，上级政府分析数据后进行指挥和监督。另一方面，对于上级机关下辖的多个下级机关，上级机关可以设定下级机关之间数据汇集和利用的权利义务关系。此时，上级机关享有“数据汇集形成权”。如果数据提供机关基于部门利益、安全隐患、无明确法律依据等考量拒绝向其他部门提供数据，上级机关可以通过命令、绩效考核、问责等方式进行督促。如果提供机关与利用机关对数据汇集的范围、方式、频率、技术标准等事项产生争议，上级机关可享有裁决权。
这种政务数据的枢纽式汇集，正成为各国关注的数字政府建设的“基础设施”。包括我国在内的很多国家都建立了专门负责政务数据治理的组织或机制，如数据局、大数据中心等，由这些组织作为权威的专责机构主导建立数据汇集技术标准，依法在政务平台上汇集、加工、管理各个渠道的政务数据。这些组织被赋予数据汇集事项上的考核权、裁决权，成为上级机关行使数据汇集指挥权的重要组织工具。在我国，各地区均在探索政务数据管理模式，建设政务数据平台，统一归集、统一治理辖区内的政务数据。通过政务数据枢纽式汇集，可以更好地实现政务数据“模块式汇集”“旋涡式汇集”的目标。就“模块式汇集”而言，通过“一网统管”的枢纽平台，在整合各业务关联部门数据基础上，上级机关可更好地确定处理跨部门复杂事件的负责部门（主办机关与协办机关），构建相应的操作流程，并发出处置指令。例如，针对群租房内食品经营的联合整治行动通常涉及城管、公安、市场监管、住建、市容绿化、卫生等多个专业职能部门的共同参与，以及街道、社区等基层工作队伍的配合，由“一网统管”在实时数据监测的基础上进行指挥和监督，有利于优化整体的流程衔接和部门协同。对“旋涡式汇集”而言，一些地方的“城市大脑”指挥中心要求各职能部门把数据接入指挥中心的信息共享平台，在此基础上，指挥中心对城市治理各方面大数据进行归集和整合，以特定的管理对象为中心建立相应的应用场景。例如，针对精神病患者底数难摸清、动态管理难、出事预警难等问题，一些地方的城市大脑指挥中心汇集卫健委、残联、民政、医保等部门的数据，形成个人画像后向警务部门发送预警信息，促进警务部门合理分配警务资源，排除安全隐患。当前，我国数字政府建设将政务大数据平台的建设作为重要任务，政务数据枢纽式汇集已成为数字政府建设中的一个基本趋势。
政务数据汇集以及在此基础上的数字化行政，将对行政带来巨大的“数字赋能”效应。但我们也应当充分意识到，作为一种新技术驱动下的行政活动，政务数据汇集对行政法治原则及其要求也带来了很多挑战，隐含着不可忽视的法律风险。这些风险主要表现在以下四个方面：首先，政务数据汇集可能会削弱组织法上的权责法定原则，对行政活动权限合法性与行政内部权责配置框架产生冲击，引发“权责数定”的越权风险；其次，数据汇集可放大行政组织的权力，导致行政权与相对人权利之间的关系进一步失衡，放大权力滥用风险；再次，数据汇集过程中，原本分散化的个人信息被整合与集中，可能加剧隐私风险以及过度监控风险；最后，不同部门的数据汇集，可能导致行政活动的责任的模糊化，冲击原有的权责统一机制，甚至引发“数字避责”的风险。以下对上述问题进行简要分析。
政务数据汇集对行政组织法上的权责法定原则带来了很大挑战，可能引发组织法上的越权风险。第一，组织超越管辖权获取数据的风险。依法行政原则首先强调的便是组织的权责法定，每一个职能部门享有特定的级别、地域、事务管辖权，组织的职权行使具有明确的边界。其中，“法定职责”既是对行政机关利用数据的授权，也是对行政机关如何收集和利用数据的法律控制。也就是说，行政机关只有基于“法定职责”，才能收集和利用数据。例如，《个人信息保护法》第34条规定：“国家机关为履行法定职责处理个人信息，应当依照法律、行政法规规定的权限、程序进行，不得超出履行法定职责所必需的范围和限度。”一些地方性法规，如《浙江省公共数据条例》明确规定：“公共管理和服务机构收集数据应当遵循合法、正当、必要的原则，按照法定权限、范围、程序和标准规范收集。”然而，受技术赋能与绩效激励等因素驱动，政府部门对数据汇集的需求和冲动与日俱增，超越“履行法定职责所必需”这一正当、必要目的而进行数据收集和处理的行为并不少见。学术界也有观点认为，政务大数据的管理和运营本身，很难说存在什么特定的行政目的。为将来可能的行政目的服务，似乎成为数据汇集行为的目的；但如果对每一个具体的信息管理行为预先设定目的限制，这不仅不现实，也将阻碍数字技术扩展优势的发挥。此种理念在实务中更为常见。一些地方和部门推动政府数据“应归尽归”“全面归集”，不同部门对归集后的大数据享有几乎不受限制的访问权和调用权限。在“模块式汇集”的场景中，行政机关可能仅以业务协同与配合为由，就进行数据汇集；在“旋涡式汇集”场景中，行政机关可能基于宽泛的风险防范和增进服务质量等理由而进行数据汇集。这些做法在很大程度上超越了部门法定职责的边界，冲击了权责法定原则。
第二，借由数据汇集，行政机关可能变相地越权作出决定。不同的行政机关有法定的事务管辖权，即便在行政协作关系中，也需要严格遵循权责法定原则。政务数据汇集不能改变行政管理权和管辖权配置。但在技术操作层面，由于数据汇集与算法行政往往是一体的，数据的提供事实上对算法决策产生影响，有时甚至是决定性的影响，这意味着数据提供机关对自动化决策拥有了事实上的决定权。例如，在以“健康码”为代表的“码治理”场景中，行政机关依靠算法技术对多方提供的数据进行处理，并将计算处理结果直接转化为行政决定，便存在这种越权决策的风险。具体而言，虽然基于《传染病防治法》第9条的规定，居民委员会、村民委员会等基层自治组织可参与疫情防控管理，并基于联防联控的任务要求提供数据，但它们并不享有行政强制措施的决定权。然而，在决策流程被算法高度控制的情况下，基层自治组织向疾控部门提供的数据，如个人行程轨迹、核酸检测、人员交互等信息，可成为影响算法决策的关键变量，直接影响到算法决策的结果。在这种情况下，居委会是否实际上拥有了在法律上并不享有的决定权，这在组织法上值得关注。
同样，在纵向关系上，上级机关或政务数据治理机构也存在超越指挥监督权边界，过度干预乃至取代受指挥机关的决定权的法律风险。行政一体下的层级分工，意味着上级机关的指挥监督并不能替代法定部门作出决策，而应通过制定工作流程、发布一般性指示、绩效考核等方式优化职能部门的行政决定，需要保留一线职能部门进行个案考虑和能动权衡的空间。然而，实践中的数据汇集机制在一定程度上制约了一线行政人员的情景化操作，束缚了行政人员依照法定权责分配而进行自由裁量的能力。例如，在城市大脑运行中，受指挥机关可能需要严格按照指挥中心事先设定的流程、标准和操作时限完成执法数据的共享与汇集，但由于前者提供的数据与后者设定的职权行使流程等直接挂钩，后者对数据汇集的指令本质上就可能成为指挥前者的具体行为，这在很大程度上会限制甚至剥夺前者的裁量权。由此可见，政务数据治理机构越过原有组织流程中裁量基准、执法指导性文件而制定的流程，可能将职能部门的决策权转移到自身，可能带来“名实不符”“权责不对应”等问题。
第三，就宏观层面的国家治理而言，数据汇集机制也可能对央地关系产生结构性影响。例如，美国学者罗伯特•米科斯（Robert A. Mikos）指出，州政府向联邦政府汇集数据，这对联邦与州的关系产生了很大冲击，带来了很高的政治成本。联邦政府借助数据汇集机制将原属于联邦政府的数据处理成本转嫁给地方政府，违背了原本的财政分权架构。同时，数据汇集机制实际上要求州变相地贯彻联邦的政策而非州的政策，这将冲击州的自主权，也可能导致问责对象的模糊化。而且，向联邦汇集数据超出了被收集信息的主体的预期。州根据自身的权限收集数据之后，超出原有目的向上汇集，将会削弱公民对州的信任。布里奇特•法黑（Bridget A. Fahey）指出，这种“数据联邦主义”（Data Federalism）理念下联邦与州政府之间的数据合作，面临法治与民主的双重拷问。州与联邦之间成立了大量协调机构以推进数据共享，但对这些机构的控制机制存在缺位；虽然数据本身是非竞争性的，但数据汇集制度存在一定的竞争性，将会与既有行政管理体系产生冲突，改变原有的权力配置关系。
虽然我国并非联邦制国家，但是宪法上和政府治理实践中同样存在此种央地关系，故应当考虑数据汇集机制对原有央地权责分配结构的影响。目前，《全国一体化政务大数据体系建设指南》《关于开展垂管对接数据落地使用情况统计工作的通知》都要求地方在纵向层面积极与中央数据库对接，以促进央地的数据联通。应当注意的是，基于权责法定原理，在组织法框架没有改变的情况下，上级政府既不应将自身事权单方面交由下级，也不应对下级政府的法定事权进行上收。虽然，在我国的单一制结构中，下级政府受上级政府领导，负有执行上级政府决定的相应职责，但对属于本地方的行政事务，上级政府的领导主要应体现为基于法定方式的督导，避免以直接方式干预。需要指出的是，全国政务数据一体化建设，可能对此种“地方政府双重负责”的宪法机制造成冲击。
作为治理技术的“大数据”和“算法”，对传统的行政权具有明显的赋能效应。数据聚合不仅增加了行政权可利用数据的“量”，也提升了数据的“质”。在此意义上，在行政系统内部进行规模化、日常化、系统化的政务数据汇集，使原本分散在各个部门的数据进入一个个“大数据池”，这将极大地放大行政权的效能，将放大原本存在的行政权—相对人权利之间的失衡，并诱发行政权滥用的风险。
首先，数据汇集机制存在数据污染和数据操控风险。在数据汇集机制中，如果数据利用部门可访问、获取与其职责无关的数据，那么其对可能影响其利益的数据就存在篡改、操控的冲动。尤其是，在目前比较普遍的政务数据枢纽式汇集场景中，存在可以管理所有政务数据的大数据机构，数据操控的风险具有转化为现实危险的可能性。由单一机构对政府治理方方面面的聚合数据进行管控，将放大数据操控等滥用风险，甚至诱发数字行政的系统性风险。例如，在“郑州部分村镇银行储户被赋红码”事件中，疫情防控部门之所以能够对储户赋红码，正是因为与疫情防控事务无关的金融管理领域的储户信息被汇集并且被滥用。
