一、政府履职具备更多数据支撑

国家公共治理体系和市场体系是影响经济发展、社会秩序和人民福利的两支主要力量。政府是公共治理体系的重要组成部分。在我国，在党中央的统一领导下，政府承担着管理政治、经济、文化、社会、环境生态等方面事务的职能。其中，经济调节、市场监管、社会管理和公共服务是四项基本职能。大数字技术为政府更好履职提供了更加有利的条件。

(一)多维多层数据支撑经济调节

首先，更多指标印证宏观经济形势。宏观经济变量如增长、投资和消费等，与许多实物指标、运行指标等有确知的相关性，如用电量、货运量等。现在，大数据技术提供了更多能够利用的指标，如工程机械制造企业能够通过物联网得知全球各地用户设备的实时使用状况，并能够与投资、工程建设、房地产建设等指标及时有效地相互验证。再如居民消费价格指数(CPI)是重要的调控指标，现在一些平台性网络企业也发布与之高度相关的指数，例如“1号店快速消费品价格指数”，“阿里巴巴网购价格指数”(aSPI)和“阿里巴巴网购核心商品价格指数”(aSPI-core)等。由于这些指数直接从网络产生的海量实时数据中挖掘产生，真实性、实效性都较好，为政府相关决策提供了有效的信息。[1]这方面的研究国内外有许多，例如利用网络搜索指数或其它大数据技术对就业形势、增长率、通胀预期、房价趋势、投资指数等问题所做的研究，均取得了有意义的结果。

其次，结构性数据呈现行业特点。互联网、物联网的广泛应用，能够反映出许多产业、企业、产品的生产、销售和运转情况。例如各种原材料的市场价格、各种产品的出厂价格，各种设备的开工情况、各种商品的销售情况等等，这些信息更加实时、定向和颗粒化，而不仅仅是CPI、PPI、开工率这种汇总指标。因此，政府在继续实施总量调控的同时，有可能更多地采用结构式、分布式政策，在差异化调控的基础上实现总量目标。

第三，新经济形态提供新的经济指标。近几年，电子商务交易量、用云量、上网时长等等全新的指标呈现出来，反映出这些新经济形态的规模和趋势。以用云量为例，数据是驱动数字经济发展的第一生产性要素，而云就是存储、运输、加工、应用数据的基础设施。“用云量”本质上衡量的是数据这个新要素投入和消耗的关键指标，反映了数字经济的热度和规模。近年来年全国“用云量”呈现出快速增长的特点：2017 年下半年全国“用云量”总量较上半年环比增长66.5%，年度化增长率 133.1%。2018年一季度增速再上台阶，较去年同期同比增长138.6%，表明了云经济的活跃与增长。[2]

再以上网时长为例。网络上B2C的交易如购物、玩游戏、看视频、听音乐、社交媒体插入广告等，都需要消费者花费时间上网。因此，网民数量和人均上网时长是这类经济活动活跃程度和增长潜力的重要指标，两者构成上网总时长。最近几年，我国这几个指标增长趋缓，2017年网民上网总时长出现下降。这个变化提示，网络B2C交易的增速可能下降，需要寻找新的增长点和动力源。

这里需要强调一点，大数据虽然提供了有关市场运转的海量信息，乐观者甚至认为有望解决计划经济所需的信息问题，但是，大数据并不能解决同样重要的激励相容、企业家风险偏好和预算软约束等问题。所谓基于信息技术的计划体制不具备现实意义，因此政府的经济调控仍要谨慎，不能随意干扰市场机制正常发挥作用。

(二)市场监管更加及时有效

当信用和监管缺失时，交易过程中会出现大量欺诈、造假行为，干扰市场正常运行，降低经济整体效率。我国市场经济体制尚不完善，违背诚实守信原则的行为不断发生。有研究指出，由于诚信缺失致使我国企业每年损失超过6000亿元;还有研究估计，诚信问题导致我国市场交易成本居高不下，带来的损失约占GDP的20%。[3]虽然这些测算的方法和数据也许有需商榷之处，但问题突出是不争的事实。然而，监管本身也有成本，传统的监管手段如针对市场主体的审批、检查等过程，可能产生不作为、寻租和腐败行为，有些时候，不当监管带来的问题比解决的问题可能还要多，管与不管成为两难。

新的信息技术为政府监管市场提供了新的手段。通过对市场活动中大量信息的收集和处理，能够快速发现许多原来不易被察觉的失信行为，并将之记录或曝光，从而增加了失信行为的成本。政府有大量日常监管中所获得的产品质量、消费投诉、货物价格、行政处罚等相关信息，在此基础上可以筛选出需要进一步跟踪的企业和产品，并与更多的已知信息如注册、纳税、社保、医疗、信用卡纪录、驾驶纪录等信息比较对比，识别出异常现象，及时发现那些涉嫌违法可能性较高的市场主体，有针对性地加强监管，提高市场监管能力并降低监管成本。

再如，医疗保险行业支出金额巨大，各国都存在大量的骗取医疗保险的行为，严重影响医保体系的正常运转。2011年，IBM针对各国医保机构的需求推出了一套智能化程度较高的医疗防欺诈系统，这套系统中的数据涵盖了20多个学科，定义了2000多种分析指标，利用先进的大数据技术有效地帮助了多国医保系统识别和预防医疗欺诈，降低了医疗成本，为政府医疗服务和医保管理水平的提高发挥了作用。[4]以前我们讲“人在干、天在看”，通过敬畏心来约束不法不端行为，有了大数据，就能实现“人在干、网在看，云在算”，此时真得能看得见、看得透了。

(三)提升社会管理水平

现代社会管理任务复杂繁重。现在，数据采集设备的大量使用，使得人们的社会活动形成海量、多维、真实的数据，为政府加强社会管理提供了新的积极因素。在大城市，交通管理是政府的重要职能， 2016年12月，杭州市政府和阿里集团共同发布了杭州“城市数据大脑”交通治堵项目。以城市各类交通关联数据的整合利用为基础，以云计算、大数据、人工智能等前沿技术为驱动，通过对城市交通运行多维状态的实时感知、分析和预警，以及机器智能对交通管理人工经验的提取、学习和固化，为城市交通治理提供全面、科学、精准的辅助决策依据。运行一年多来，治堵效率显著，试点道路平均延误分别下降15.3%。2017年，杭州城市拥堵排名已降至第48位，缓解城市拥堵趋势位列全国第一。在执法效能上，杭州市利用监控视频图像二次应用等技术，大幅提升执法效率和总量，2017年7月至今，全市交通违法月查处量一直位居全国36个大中城市首位，高压严管的氛围进一步提升了治堵实效。[5]

对社会事件的及时预测是提高管理效能的重要基础。大数据技术可以发挥重要作用。例如，一些流行疾病传播速度快，传统方法很难快速掌握。利用大数据技术对海量的搜索记录进行数据分析，就有可能快速准确地进行预测。一个经典的案例是Google公司的研究人员从数量上分析特定词条被检索的频率和流感疫情传播状况之间的关联关系，在对数亿个不同的数据模型进行分析后，找到了一个预测精度很高的模型，Google公司利用该模型得到了与政府疾病控制中心所做调查十分接近的结果，而且时间提前了很多。[6]

我国也有研究人员做过类似研究。以往我国流感监测由分布在全国的流感样病例监测哨点医院向国家流感中心上报，经进一步检测、统计并发布流感监测周报。这种监测办法通常比实际流感流行趋势晚1-2周。有课题组针对2013-2014年的一次流感疫情，选出最有代表性的五个关键词，分别为“流感”、“发热”、“咳嗽”、“头痛”、“感冒”。使用百度指数和微指数热点趋势和热词趋势，以天为时间单位采集数据，结果表明这种方法可以实时反映出流行状况，比疾控系统更加及时。国内外还有更多针对其它传染病进行大数据预测的研究。[7]-[9]

在环境保护方面，物联网可以实现不间断的环境观测和数据分析，并对治理方案进行模拟测试。2016年6月，无锡环境监控物联网应用示范项目试运行，以“全面感知、标准引领、平台支撑、智慧应用”为主线，以水体、大气、土壤、噪声、放射源、危险品、废弃物等几类典型环境载体为监测对象，数据采集点包括23个空气站、79个水站、18个浮标站、4个噪声自动站、170个摄像头、348个污染源、650个放射源、3163家固废单位，实现了对全市主要环境质量要素、污染排放要素和环境风险要素的全面感知、动态监控和科学解析。数据显示，2017年底太湖无锡水域水质总体已恢复到1997年以前的水平。[10]

(四)提高公共服务水平和效率

以往多年，由于信息不完备不对称，有些公共服务供给未能与服务需求准确匹配，效率不高。网络的广泛渗透，使得差别化、个性化的公共服务需求更容易识别，为政府提高公共服务的效率创造了有利条件。

流动人口的服务一直是公共服务的薄弱环节，信息缺乏是一个重要原因。近些年一些地方借助信息技术提升服务水平颇有成效。义乌市流动人口数量约130万，为户籍人口的两倍，近年来市政府搭建起智能化管理框架，提高了服务的便利性和时效性。例如，2016年三季度上线的“新义乌人家园”公众平台，专门建立微信申报后台系统，办理居住登记手续只需在租住房屋前扫下二维码，在公众号里填好信息提交就行了，解决了空间时间限制，高效便捷。义乌流动人口信息分析决策预警系统是义乌市公安局依托政府大数据共享交换平台形成的跨部门数据资源共享共用系统，不仅涵盖了流动人口登记内容，还包含一些单位在流动人口服务管理工作中获得的其它数据信息，包括学历、户籍、年龄段、行业等不同类型。它既可以用来比对流动人口个人信息真伪，亦可根据数据及时通知个人登记信息，还能为流动人口变化趋势做出分析。[11]

依托网络，政府能够低成本及时响应那些种类繁多的公众“小事”。北京市昌平区提出要迎合“微时代”人民群众对政府服务的要求，通过网络打通联系服务群众的“最后一公里”。网络反应的问题，既有诸如小区环境脏乱差，道路坑洼出行不方便、私搭乱建等较为普遍存在的问题，也有“地铁昌平线部分站点无手机信号”、“龙乡小区的锅炉房改成群租房”等五花八门的具体问题。不借助网络了解、沟通和反馈，仅仅从工作量上看，政府就无法提供有效的管理和服务。到2015年底，昌平全区所有镇(街道)均已开通政务微博，越来越多的单位开通微信公众号，互动服务渠道更加多元多样。[12]

二、推动解决积弊和难题

(一)增强数据的真实性

长期以来，政府主要依靠纵向行政层级获取信息。比如由下而上层层填报数据，进行各种调研等。往往出现失真、延时等问题。网络中的数据是扁平结构，决策者可以快速有效地获取数据。大数据技术能够对数据进行整合，“通过交叉复现，展示事态真相”。所谓“交叉复现”就是当一件事情发生时，会产生不同维度的信息，这些信息之间存在显著关联，如果这些高度相关的指标发生冲突，就可以怀疑其中某些数据的真实性。交叉复现利用多维度的海量数据保证了信息的真实性，克服了传统信息来源可信度偏弱的问题，提高了数据信息的决策价值。

(二)发现新的规律和相关性

信息不对称是导致市场机制失灵的一个重要原因。特别是超经验商品和服务的质量信息是一个长期的难题。①大数据可以通过对海量数据的分析，探究出新的规律和相关性。例如，通过比较某些药品在网上的交易次数和数量，能够判别出疗效更好的药物：治疗同一种疾病的有A药和B药，如果网上交易数据显示A药服用数天后多数患者不再购买，B药服用相同天数后多数患者会重复购买，再辅之以其它信息并处理好控制变量，就能判断A药治疗此病的疗效比B药好。再如，某年促进大学生就业的政策是否有明显效果并不易直接判定，然而，如果网络搜索信息显示“政府对未就业毕业生相关政策”的查询热度明显下降，就能察觉到大学生未就业的压力相对较低。

(三)开放公共数据创造新的生产力

政府部门积累了海量的公共数据，这些数据涉及社会生活的方方面面，是一种典型的大数据。开放这些数据，让那些拥有先进技术和服务经验的组织有机会对公共数据的价值进行挖掘，释放其价值，创造新的生产力。更多机构和个人能够利用这些数据，共同参与社会治理过程。当今世界，越来越多的政府开始实行“数据开放”计划。2011年9月20日，巴西、印尼、墨西哥、挪威、菲律宾、南非、英国、美国等八个国家联合签署了《开放数据声明》，并成立开放政府合作伙伴组织(Open Government Partnership，GOP)，发布了《开放政府宣言》，明确了政府需承担公开所拥有数据的责任。截至2017年11月，全球已经有75个国家加入了开放政府合作伙伴组织。[13]英国政府通过高效使用大数据技术每年可节省约330亿英镑行政开支，相当于英国每人每年节省约500英镑。日本积极谋划利用大数据改造国家治理体系，2020年原则上将所有政府信息云计算化，预计可减少三成运行成本。[14]

我国政府也在积极推进公共数据的开放。2007年国务院颁布了《中华人民共和国政府信息公开条例》，明确规定了政府信息公开的相关要求。2014年8月国务院发布了《企业信息公示暂行条例》， 2016年2月中办、国办印发《关于全面推进政务公开工作的意见》。2016年11月国办印发《〈关于全面推进政务公开工作的意见〉实施细则》。2017年2月，中央全面深化改革领导小组审议通过了《关于推进公共信息资源开放的若干意见》，要求着力推进重点领域公共信息资源开放，释放经济价值和社会效应。2018年1月，中央网信办、国家发改委、工信部联合印发《公共信息资源开放试点工作方案》，确定在北京、上海、浙江、福建、贵州五地开展公共信息资源开放试点。地方政府也快速行动。2012年6月，上海首先推出了地方性开放数据平台。截至2017年上半年，中国已有19个地方政府陆续推出数据开放平台。2017年4月，我国首部政府数据共享开放地方性法规《贵阳市政府数据共享开放条例》发布;2018年1月，《贵阳市政府数据共享开放实施办法》发布。根据复旦大学发布的2018中国地方政府数据开放报告》，截至2018年4月，我国省级以下地方政府已经建立了46个互联网政府数据开放平台，其中地级市数量最多(31个)，贵阳开放的数据集最多，开放了超过2000个有效数据集与接口;其次是上海、青岛和武汉，开放的有效数据集均超过1000个。[15]

政府数据开放中还存在不少问题。尤其是“信息孤岛”现象即部门化、单位化、碎片化的问题，以及数据形态异构问题，都降低了海量数据的作用。在一定程度上，部分政府系统数据整合程度和利用程度滞后于同样庞大规模的巨型企业和社会组织。今后，继续打破部门之间的数据分隔，部门之间使用统一格式的数据平台，不同部门的数据形成结构相同、完整一体的数据集等要求，都是长期和艰巨的任务。

三、问题与挑战

(一)“民主”决策与“科学”决策的冲突可能增加

民主决策是让公民能够参与决策过程，让群众充分表达对决策选择方案的意见和建议，使决策符合民愿、尊重民意。科学决策是指依据科学理论和运用科学方法进行决策的过程，典型的形态就是组成专家委员会进行决策前研究并提出方案。民主决策强调的是合乎民意，而科学决策强调的是以最小成本达到决策目标，两者的利益导向并不一致。有时专家们提出了“科学”的决策建议，但在民主决策过程中却不被认同。在传统决策理论中，解决民主决策中的利益牵制问题要靠所谓的“无知之幕”，即当事人并不了解决策会对其自身利益产生哪些不利影响，从而使决策过程能够推进。在当前网络广泛渗透、信息无所不在的情形下，“无知之幕”在很大程度上已不存在，个体在作出决策时已经难从“无个人利益”的立场出发给出公允判断。这就造成了决策中的两难：如果民主决策不到位，有可能无法准确了解公众的诉求，决策也无法有效执行;而如果让民众广泛参与决策过程，则有可能会很大程度上背离“科学性”。需要针对不同情况，在两者之间寻求积极平衡。

(二)垄断问题性质变异及其监管难题

大数据时代，平台型大企业具有明显的直接网络效应和间接网络效应，具有显著的市场优势和影响力。然而，用传统的反垄断理论对其进行监管碰到难题，因为无论是定价还是获利，一些巨型企业并不符合垄断企业的行为特征。例如搜索引擎巨头不会利用其市场影响力向消费者高收费，而是免费提供使用，同时加载广告来获利。由于资本市场的深度参与，有些平台企业对当下是否盈利并不敏感，可以极具“耐心”地等待，其行为甚至近似于“软约束”。即使有些企业收入可观，也更多的是技术和创新收益而非垄断收益。因此，虽然有些企业的确具有较高的市场份额和市场控制力，但其产生的负面影响却难于识别和量化。总之，对垄断的传统定义无法判断免费市场中大企业控制力对消费者福利的影响。这些都为政府管控垄断行为带来困难。

(三)数据产业发展和个人隐私保护的矛盾日益突出

网络时代，每个人的大量信息都会自觉不自觉地上传至互联网，即使不被商家拿去谋利，绝大多数人也不愿意自己的私事被公诸于众。例如个人医疗信息就有高度的私密性，患者不会愿意被他人共享，更不能容忍用这些信息不当牟利。国内曾有平台企业将一些病友互助贴吧的吧主位置出售给医药企业，后者在吧中发布相关医疗和药品信息，引起了广大吧友和社会的强烈不满。特别是大数据技术，其特点是“挖掘”，原本的零散信息通过大数据的整合很可能变成了对个人隐私“挖掘”很深的数据。比如私人侦探并不需要违法窃听公民个人的通话内容，却能通过掌握呼入呼出号码、通话人、通话时间以及通话人的行踪、职业、收入、资产等多种信息，“挖掘”出大量隐私。因此，大数据时代如何保障国家安全、商业机密和公民隐私，是政府的职责，也是全社会共同的挑战。

欧盟于2016年制定了《欧盟通用数据保护条例》(GDPR)并已经于2018年5月生效，这个条例堪称有史以来最严苛的针对数字经济环境下个人数据保护的专门立法。然而，该条例一经发布就引起不少争论，法学界、互联网企业、有关专家和社会各相关方面观点不一，争论激烈。谷歌、脸谱等一些国际互联网巨头和一些专家学者认为，大数据价值相当一部分来自于数据共享，抓取数据和汇总巨量数据中的信息是大数据的本质，不允许数据收集，大数据无从谈起。例如药品制造商需要了解服药者的查询和购买信息以把握疗效，卫生部门需要了解民众网上查询行为从而得知某种传染病症状的流行程度等等，这些都是当事人并不知情的“数据抓取”行为。总之，是强调隐私保护还是强调数据利用是一个两难选择。无论如何，GDPR出台并生效实施，反映了现阶段社会公众和监管机构给予隐私保护更大的权重。在我国，公民信息保护问题特别突出，全国人大常委会已经出台了《关于加强网络信息保护的决定》，其中一些措施还需要细化，以真正能够对那些收集公民信息却又不能安全存储的企业进行追责，对非法获取并倒卖个人信息的行为施以重罚，保护公民的合法权益。

从长期看，要寻求多种价值目标的平衡。由于数据保护问题是我们目前的弱项和短板，因此加大力度很有必要。但是，如果采取不切实际、难以操作的严苛规则和措施，就有可能沦为一纸空文。近些年，中国网络和数字产业的蓬勃发展、突出贡献和强大竞争力有目共睹，与此同时，个人信息的保护也日益受到重视，但是从GDPR的角度来看，不合规之处很多，对中国数字企业涉欧业务带来不确定性和多方面压力。因此，要立足我国实际情况，积极稳妥推进数字产业规范发展和个人数据保护工作，统筹考虑个人信息保护、技术和商业模式创新、竞争效率和产业安全等多个目标，同时要积极寻求与国外相关机构的沟通，促进形成公平公正公认的国际竞争规则。由于GDPR已经实施，这方面的工作迫在眉睫。

(四)网络空间公私边界的重构和“共治”需求

传统公共管理理论认为，公共物品、外部性、自然垄断和信息不对称等市场经济的固有缺陷，是政府干预经济的正当理由。然而在网络空间，公共治理的需求远远超出了传统边界。我们仅举几个方面。首先，网络空间中的市场主体通达范围极广，可以不受限制地干扰他人。传统产业中商家和消费者的互动，不会明显干扰非买家的生活，互联网则不然，页面上时常不可控地弹跳出让人毫无需求并心生不悦的画面，就是对他人生活的不当干扰。其次，不实网络信息对社会秩序产生冲击。大型平台上人数众多，利益关系复杂，又是匿名为主的系统，必定关联公共利益，由于任何人都可以编写信息并发布到网页上，与讲求公信力的媒体和需要同行评审的专业刊物相比，网络对信息并无筛选功能，那些有误解、有偏见甚至故意造谣和煽动的观点也有可能得到广泛传播，从而带来无法预期的社会影响。网络社交媒体还有一个传统媒体所没有的重要性质，即实时的信息反馈。一个倡议通过报纸或广播电视传播，只起到传递消息的作用，每个受众并不知道有多少人以什么方式响应这个倡议。但是在网络社交媒体上，受众的反应和准备采取的行动可以被及时反馈，当人们相信有较多的人会响应时，就会有更多的人响应，因此群体性事件的策划组织更加容易。第三，网络空间没有物理的国界、海关和边防，容易被国外机构和组织攻击和利用。被控未经许可获得5000万Facebook用户数据、操控美国大选选情的数据分析公司剑桥分析(Cambridge Analytica)的丑闻就是一个案例。

总之，网络空间上的私人领域与公共领域的边界出现模糊和交错，“庙堂”与“江湖”边界相互交叉，部分融合，需要打破政府和企业原有的责任边界，共同进行治理。一方面，互联网企业创造了这个无处不在无所不包的网络空间并从中获利，就需要承担经济目标之外的部分社会责任，例如阿里巴巴在牵头成立的全球首个“大数据打假联盟”、腾讯推出的防止未成年人沉溺于网络的“成长守护平台”等，都是巨头企业做出的努力。另一方面，政府介入网络空间的治理，深入到企业层面甚至产品和服务层面进行管制，也不能一概视为政府对市场和私人领域的不当干预，而是承担社会治理职责的需要。科技界、企业、消费者和政府等共同构建了网络新世界，都应共同担负起治理责任。

本文最后一点感悟是：大数据时代，政府面对海量资讯来源和多种意见通道，在利用新技术进一步做好管理与服务的同时，还需要探讨适应新形势的理念、机制和程序，做到平衡各种信息来源，恰当解读数据意义，明示社会公共利益，权衡比较各种选项。这些需要经济理论、社会理论、公共管理理论等提供学理支撑，理论研究需要立足国情、立足时代，与时俱进，创新发展。

参考文献：

[1][4]陈潭等.大数据时代的国家治理[M].北京：中国社会科学出版社，2015.

[2]腾讯研究院.用云量与数字经济发展报告(2017)[EB/OL]. http://www.sohu.com/a/232626895_353595.

[3]刘武.企业每年因诚信缺失损失6000亿[J]. 瞭望东方周刊，2014(7).

[5]徐继华，冯启娜，陈贞汝.智慧政府：大数据治国时代的来临[M].北京：中信出版社，2014.

[6]邹晓辉，朱闻斐，杨磊，舒跃龙.谷歌流感预测——大数据在公共卫生领域的尝试[J].中华预防医学杂志，2015(6).

[7]鲁力等.百度指数和微指数在中国流感监测中的比较分析[J].计算机应用研究，2016，33(2).

[8]董晓春等.特定关键词及百度指数与流感病毒活动相关性分析[J].中国公共卫生2016(11).

[9]王若佳.融合百度指数的流感预测机理与实证研究[J].情报学报，2018(2).

[10]无锡环境监控物联网应用示范项目首次揭开面纱[EB/OL].中国化工仪器网http://www.chem17.com/news/detail/93450.html.

[11]流动人口管理的义乌启示录：搭智能化框架显社会化要义[EB/OL]. http://www.cankaoxiaoxi.com/china/20170228/1725972.shtml.

[12]推行网络行政　打通政府联系服务群众的“最后一公里”[EB/OL].http://www.bjchp.gov.cn/wza/tabid/6336/InfoID/406263/settingmoduleid/11362/frtid/6337/Default.aspx.

[13]“开放政府合作伙伴”(OGP)：开放数据提升治理质量[EB/OL]. http://www.sohu.com/a/202425611_505884.

[14]张茉楠. 大数据战略重新定义国家竞争[EB/OL].http://finance.sina.com.cn/roll/20150701/235522565867.shtml

[15]复旦大学提升政府治理能力大数据应用技术国家工程实验室、国家信息中心数字中国研究院[Z]. 2018中国地方政府数据开放报告.

注：

① 按照消费者可获得信息的程度，可以将商品和服务分为搜索商品、经验商品和超经验商品。搜索商品是事先可以通过搜索相关信息或直接观察得知其质量的商品和服务，例如水果的新鲜程度、某种品牌产品的质量等。经验商品是指只能通过消费过程才能得知其质量的商品和服务，例如餐厅菜品、老师教学水平等。超经验商品是指存在多个影响因素和个体差异、即使亲身使用也无法判定其质量的商品和服务，例如药品的疗效不好，就难以判断是疾病严重还是药品质量问题;再如对政府某项政策的效果判定，有时也属于超经验类问题。