在本次疫情防控的信息公开中，各地区新冠病毒感染的疫情情况、新冠病毒感染确诊病例信息、线上发热门诊医疗机构、医疗救治定点医院名单等信息是公众最为关注的数据。由于疫情的突发性、快速传播性等特征，如何对重要数据快速建立统一、清晰、完整的数据标准，是考验政府数据治理能力的基本要求，也是面向公众数据开放的基础。

基于我国政府分级管理的现状，疫情数据采取层层上报汇总的模式管理，并适时向公众发布。而数据的时效性在公共突发事件中的需求最为迫切，各级政府可以合理借助第三方产品及服务，建立数据实时共享机制及汇总校验机制，从而保障此类事件中的数据时效性、准确性。

在本次政府疫情数据开放的过程中，一些互联网平台及自媒体利用开放数据进行了很多成功的可视化展现，成为公众欢迎的高频便民查询服务，如丁香园的疫情实时播报、腾讯看点的新冠肺炎小区查询等。这充分证明在政府数据开放的前提下，第三方对数据的良好利用能够释放出巨大的公共价值。这也启发政府管理部门应加强数据分析应用能力，提高数据采集和分析效率，正确引导公共领域对政府数据信息的价值挖掘。

政府网站及政务新媒体作为最权威的信息发布及回应关切平台，其内容的原创性、措辞的严谨性、数据的准确性，都直接关系到政府的公众形象与公信力。在抗击疫情的过程中，科学有效传递信息、提振公众士气，需要以政府数据治理中对内容的严谨核实校验作为保障。除传统的错敏信息检查外，内容的自动标引、分类、关键词提取、多维度统计等智能化服务亦是刚需。

在这场全民参与的疫情防控战争中，中央及各级政府多次作出重要的指挥决策。从应急响应机制、到疫情防控措施、中小微企业优惠政策，再到复工复产安排，每一次正确高效的决策，背后都需要政府掌握大量数据信息，并能够借助专家团队及专业数据服务对数据进行科学分析，为决策提供数据支撑。因此，需要从制度层面、管理层面和工具层面保证数据采集的深度与广度，从而为数据治理决策提供足够丰富的“材料”。

在各地落实中央指示，制定地区防控措施的过程中，“抄作业”一词意外走红，特指防控政策及时、接地气，防控措施积极、精准、有效的地方政府，赢得了公众的高度赞扬与配合，更自豪地欢迎其他地方政府参考借鉴。这些散落在各地政府网站的政策与防控信息，以及散落于媒体的公众心声，也应纳入政府数据治理的研究范畴，为各地各级政府执政过程的相互学习提供纵向与横向对比分析，为正确地“抄作业”提供科学依据。

每一次公共突发事件都伴随着谣言的滋生传播及错误信息对公众行为的误导。从政府管理的角度，若不能牢牢掌控舆论阵地及时发现并纠偏，其负面效应将如疫情般爆发式增长，甚至导致公共聚集事件的发生。各级政府可以从数据治理的角度出发，从互联网海量数据发现舆论传播热点，发现真实公众诉求，及时回应公众关切，动态调整舆论引导策略，持续传播正能量。本次疫情防控中，国家借助互联网+监督平台直接征集公众诉求及举报信息，就是一次成功的主动掌控民生数据并予以回应的数据治理创新实践。 

本次疫情防控是各级政府数据治理实力的一次集中展示，也是数据治理价值的集中体现，从以上供给侧与需求侧对政府数据治理需求的分析中，我们对未来政府数据治理的发展提升提出以下建议：

政府是推动国家治理体系和治理能力现代化的重要主体力量，其自身的结构和能力水平既是检验国家治理体系和治理能力现代化水平的重要标识，又是影响国家治理效能发挥的重要因素。

随着越来越多的信息以数字化方式存在于政府、企业、团体的不同业务系统之中，对数据的掌控范围意味着政府治理可触达的广度与深度，意味着治理领域的主动权和话语权。

政府应通过政策指导，推进各部门数据的汇聚整合、及互联网数据的沉淀，为数据治理能力提供政策帮助。如政府集约化建设过程中，通过统一信息资源库建设，为政府网站及政务新媒体数据的汇聚管理提供了明确方法，在一些集约化试点单位的探索实践中取得了初步成效。

自1999年“政府上网工程”启动以来，近二十多年时间，政府积累了海量历史数据信息。但长久以来，政府网站信息资源并未形成清晰的数据标准，集约化建设前，网站分散建设，技术参差不齐，信息孤岛问题突出。政府网站对海量政务数据的管理也缺乏长效运营机制，许多有价值的政府数据长期封存或散落在不同的业务系统，无法有效利用。随着政府数据的多元化发展，统一数据标准、统一格式、统一监管、统一利用的要求越来越强烈。政府可通过购买产品及服务方式，激发数据活力，借鉴互联网运营运维思路，建设政务数据中台，通过专业团队持续梳理挖掘数据价值。

2017年《政府网站发展指引》对政府网站信息发布、信息资源共享共用、政府网站间的协同联动机制提出了明确要求。2019年《政府信息公开条例》第一次被修订完善。在大数据时代背景下，对政府信息公开必须严谨、高效的要求不断被媒体放大，也成为政府自身管理的有效监督渠道。而严谨高效的要求，需要以内部全面精准的数据治理为基础，这就需要政府各级管理部门将数据的精细化管理纳入数据治理体系，持续不断深耕。