作者简介
姜晓萍，四川大学公共管理学院教授、博士生导师，教育部长江学者特聘教授；
郭宁，四川大学公共管理学院博士研究生。
摘 要
价值与工具是健康医疗大数据政策的核心要素，深刻影响着政策制定的科学性与政策执行的方向性。本研究构建了“健康医疗大数据价值链—政策工具”二维分析框架，通过政策文本分析探究了政策注意力分配与聚焦、政策工具影响策略与手段，以及价值链与政策工具的匹配性问题。本研究认为政策工具通过影响价值链过程达到政策价值目标；目前“强供给”的工具选择策略与基础建设阶段的价值链相匹配，为健康医疗大数据的价值转化创造了可能并奠定了基础；但是面向标准规范与高质量发展的趋势需要以制度建设为抓手、以人民需求为根本进行政策工具的选择与调整，进一步提升政策的精准性和有效性。
文章结构
一、文献回顾与问题提出
二、分析维度与框架
（一）价值维度：健康医疗大数据价值链
（二）工具维度：健康医疗大数据政策工具类型
（三）分析框架
三、政策文本分析与发现
（一）健康医疗大数据价值链中政策注意力分配与聚焦
（二）健康医疗大数据政策工具的影响策略与手段
（三）健康医疗大数据价值链与政策工具的匹配性分析
健康医疗大数据作为国家重要的基础性战略资源，其应用对于变革健康医疗模式、提升服务效率、提高服务质量、满足人民需求具有巨大价值和重要意义。党的二十大将“面向人民生命健康”作为创新驱动发展战略的重要方向之一，强调要增进民生福祉推进健康中国建设。作为健康中国建设的题中之义，健康医疗大数据将迎来应用发展的新时期，政策体系也将进入完善优化的新阶段。这就要求我们关注在推进健康医疗大数据应用发展过程中政府采取了什么样的策略与手段、政策注意力如何分配与聚焦等问题，深入探究在政策演化过程中价值与工具的匹配性问题，建构健康医疗大数据政策的理论分析框架，并从价值与工具匹配的视角探讨政策体系的优化路径。学界目前针对健康医疗大数据的研究主要集中在理论建构、应用拓展和技术创新方面。在理论建构方面，重点是对健康医疗大数据的概念、特征、性质发展状况等基本问题进行体系化的梳理和理论化的阐述；在应用拓展方面，重点关注健康医疗大数据应用的场景构建、现状分析、风险与挑战等关键问题；在技术创新方面，重点关注数据汇聚与共享、数据挖掘与分析、数据安全与隐私保护等重点难点问题。也有一些学者从公共政策视角开展健康医疗大数据研究，主要聚焦健康医疗大数据政策比较、政策特征、政策主题等，探索性地提出了健康医疗大数据政策比较分析的要点，包括国家战略、基础设施、关键技术、人才培养、产业扶持、资金保障和隐私保护等。有的文献通过对国家层面健康医疗大数据进行政策分析与政策文本质量评价，描述了健康医疗大数据国家战略的实施概况；有的文献分析了健康医疗大数据政策的外部特征与政策主题；有的文献构建了健康医疗大数据政策工具分类维度、系统论维度的二维分析框架；有的文献进行了基于PMC指数模型的健康医疗大数据政策文本质量量化评估。还有研究从我国地方层面健康医疗大数据政策比较分析的角度，分析区域健康医疗大数据应用发展政策在整体内容和结构方面的趋同以及在具体细节上的差异。通过对文献的梳理发现，有关健康医疗大数据的政策分析研究是一个值得深入挖掘的领域，目前的研究集中在政策梳理统计、政策内容比较、政策主题聚类等方面，以描述性分析为主，但解释性和建构性不足。针对健康医疗大数据价值链的研究较少，对于健康医疗大数据价值链的关键环节、价值目标以及在价值链上的政策聚焦点还比较模糊，尤其缺乏对价值链与政策工具匹配性的深度研究。本文以政策文本为分析对象，以健康医疗大数据价值链与政策工具为分析维度，一方面从价值和工具两个维度厘清政策注意力分配与聚焦以及政策工具的影响策略与手段，另一方面从价值与工具的匹配性视角探讨政策工具的选择如何与动态发展的价值链进行匹配的问题，从而为健康医疗大数据政策体系的优化提供理论支持。价值链模型是研究价值创造活动的理论，1985年由迈克尔·波特（Michael E.Porter）在其著作《竞争优势》中提出。波特将企业运行中从资源投入到价值产出的全过程构成的价值创造活动体系定义为价值链。在此基础上，学者们关注到大数据的特征，探究了数据如何为科学决策创造价值，提出了包含数据挖掘、数据整合、数据利用在内的大数据价值链；提炼出数据生成与获取、数据存储、数据应用三个关键环节；系统分析了数据生成、获取、预处理、存储、分析、可视化及使用与交易等核心要素；并从大数据的公共价值挖掘的角度构造了以数据汇聚、数据分析、数据应用为核心的政务大数据发展和应用价值链模型；归纳了透明度维度、参与维度、技术维度、社会维度、经济维度及合法性维度等公共部门大数据分析的关键维度，构建了包含七大主要利益相关者和六大关键环节的大数据价值链理论模型。综上所述，价值链理论在已有研究中得到不断深化，已经成为比较成熟的理论体系。特别是大数据价值链模型为大数据价值创造的过程分解、阶段划分起到了理论奠基的作用。但通过对已有大数据价值链模型的比较可以发现，现有模型更多关注“过程”，认为“价值”本身是不辩自明的；尽管有少量研究指出公共部门的大数据价值链分析应回归公共价值，但对于具体公共服务领域的价值链目标解释性不足，更鲜有研究聚焦于健康医疗大数据价值链的价值目标。因此，本文构建了健康医疗大数据价值链模型，如图1所示，一方面在大数据价值链理论模型的基础上根据健康医疗大数据的特征将价值创造过程进行了阶段划分，另一方面对健康医疗大数据价值链生成的价值目标进行了剖析。
健康医疗大数据价值链是指健康医疗数据作为一种原始资源被主体不断加工赋值，从数据采集到价值产出的全过程链接，以实现人民满意、安全可控、协同高效、高质量发展的价值目标。健康医疗大数据的赋值过程体现为从散点到集合、从静态到动态、从资源到价值的三次转化；价值创造过程可以分为数据采集、数据处理、数据汇聚、数据分析、数据共享、数据应用六项活动。在价值目标层面，人民满意是指以人为本，通过探索大数据赋能的健康医疗服务新应用和新模式进一步满足人民日益增长的多层次多样化的健康需求；人民满意是国家和地方政府推行健康医疗大数据应用发展的根本出发点和落脚点，是健康医疗大数据价值链的根本价值目标。安全可控是指对健康医疗大数据全生命周期的安全性进行保障，是对国家战略安全、群众生命和个人隐私的安全防护；安全可控是健康医疗大数据应用发展的生命，是健康医疗大数据价值链的基本运行原则，也是最基本的价值目标。协同高效是指通过推进健康医疗大数据流动与流程优化实现健康医疗数据资源的高效利用；协同高效是健康医疗大数据应用发展的必要手段，是健康医疗大数据价值链的核心价值目标。高质量发展是指以健康医疗大数据应用为抓手建设健康医疗大数据产业发展体系，培育新业态和新的经济增长点；高质量发展是健康医疗大数据实现经济价值的重要途径，是健康医疗大数据价值链的重要价值目标。在价值创造过程层面，数据采集是指通过机器设备、人力、算法等方式对分散的健康医疗数据进行收集、记录和获取，包括生理指标数据、医疗数据、诊疗支付及医疗保险数据、公共卫生数据、行程轨迹数据、社交媒体数据等。数据处理是对多源异构的健康医疗大数据进行清洗、过滤、合并、分类、转换、存储，从而解决数据源多样、工具干扰和冗余杂量等问题，提高数据质量。数据汇聚是将纷繁复杂的健康医疗大数据分门别类地汇聚在统一的平台上，主要包括健康医疗大数据平台等基础设施搭建、数据资源目录梳理数据资产登记等。数据分析是运用大数据分析方法或工具对健康医疗数据进行检查、变换和建模提取价值的过程，数据分析是数据共享和应用的前提，数据分析的深度决定了未来数据共享和应用的程度。数据共享是各主体基于健康医疗大数据共享平台实现数据的跨组织、跨部门、跨层级流动，其中包括共享平台建设、数据交换共享机制的建立以及对于数据共享动机和能力的激发。数据应用是将数据应用于医保监管、精准医疗、疫情防控、药物研发、慢病管理等健康医疗场景，达到数有可为，从而实现其应用价值。政策工具是公共政策分析中相对成熟的研究路径，伴随公共管理主体多元化、公共政策复杂化而兴起。国内外学者通过对政策工具概念的建构、内涵的解读以及类型的划分等为政策工具成为一种有效的政策分析路径奠定了坚实的理论基础。政策工具的分类有多种方式，例如可以按照目的划分为命令型、激励型、能力建设型和系统变化型四种类型；可以按照强制性程度划分为自愿性工具、强制性工具和混合性工具三种类型；可以按照政府利用的资源和技术划分为市场化工具、工商管理技术和社会化手段等。其中，在技术创新政策中，较为成熟并得到大量应用的是罗伊·罗斯书尔（Roy Rothwell）和洪尔特·泽格维尔德（Walter Zegveld）提出的分类方式，他们按照政策对技术产生影响的层面不同，将政策工具划分为供给面、环境面和需求面三种类型；国内学者在此基础上进一步细分了三类政策工具的内容要素，并据此构建了科技政策分析框架，为后续以政策工具为路径的政策研究奠定了规范的研究基础。通过对这些理论的比较分析，我们认为供给—环境—需求的政策工具划分方式更适用于健康医疗大数据政策研究。一方面，就政策类型的适配性而言，该分类方式在科技创新类政策中产生并得以广泛应用，而健康医疗大数据政策本质上是运用大数据等科技手段创新健康医疗服务的政策体系，具有很强的技术创新特征；另一方面，就研究目标的适配性而言，该分类方式以政策工具对政策目标不同的影响方式为分类标准，能够助力本研究找寻政策工具对政策目标的影响逻辑。因此，结合中国健康医疗大数据政策的特色，本文构建了以影响力为基础的政策工具类型。如图2所示，本文将健康医疗大数据政策的政策工具划分为推动政策目标达成的供给型政策工具驱动政策目标达成的环境型政策工具和拉动政策目标达成的需求型政策工具。具体政策工具及其内涵如表1所示。
通过上述对健康医疗大数据价值链、健康医疗大数据政策工具两个维度的讨论，本文构建基于价值—工具的健康医疗大数据政策分析框架。如图3所示，政策文本分析将从两个维度和一个焦点展开，分别是价值维度、工具维度和价值与工具的匹配性。在价值维度，围绕健康医疗大数据价值链，通过呈现政策注意力在价值链过程不同环节的分布状况、识别各环节内部的具体政策目标，得出健康医疗大数据价值链的政策注意力分配与聚焦。在工具维度，围绕健康医疗大数据政策工具类型，通过呈现政策工具不同类型的分布状况、统计各类型内部的具体政策工具使用频率，得出健康医疗大数据政策工具的影响策略与手段。本分析框架揭示了政策工具通过影响健康医疗大数据价值链过程的各个环节来达成政策价值目标，因此本文将研究重点锚定在健康医疗大数据价值链与政策工具匹配性分析。聚焦价值与工具的匹配性，采用由表及里、从现象到本质的分析策略，分析过程分为两个部分：一是匹配性现状描述，二是匹配性动态分析。在匹配性现状描述部分，从平面的视角，以现有政策体系为横截面，以价值维度中价值链过程的六个环节作为纵坐标，以工具维度中三种类型的十一个具体政策工具作为横坐标，将政策文本的编码片段对应到二维坐标体系中进行频数统计；通过频数统计的结果得出不同类型政策工具在价值链不同环节的分布情况，描述现有政策体系中工具与价值的匹配现状。在匹配性动态分析部分，从发展的视角，将健康医疗大数据政策体系回归到发展演变的动态过程中，进行动态匹配性的考察。由于在政策变迁的过程中，价值链也随之呈现出阶段式变动规律，因此需要对政策工具做出调整以达成匹配；通过对政策工具调整策略与价值链变动规律之间的匹配性判断和分析，解释健康医疗大数据政策中价值链与政策工具的匹配逻辑，并讨论末来进路。本文以中国政府网、国家卫生健康委员会网站以及各省政府门户网站、各省卫生健康委员会网站为资料来源，以“健康医疗大数据”为检索词进行文件检索；制定纳入排除标准对检索结果进行筛选，出于相关性和针对性的考虑，去除宏观层面的战略型政策和微观层面的执行与配套型政策，将19份中观层面的指导型政策作为文本分析的对象。在编码环节，按照政策序号—章节/条款对政策进行编码，并将编码片段依据价值维度的六个环节、工具维度的三大类型十一个工具进行归类和统计。然后基于分析框架开展文本分析，在价值维度探讨政策注意力分配与聚焦，在工具维度探讨影响策略与手段，并聚焦于二者匹配性进行现状描述与动态分析。健康医疗大数据价值链是过程环节与价值目标的集合，其中蕴含两个层次的政策目标，一是政策价值目标，二是具体政策目标。政策价值目标等同于价值链的价值目标，是价值链过程的最终指向，即人民满意安全可控协同高效高质量发展。健康医疗数据经过价值链各环节的赋值增值活动，实现从数据资源到价值目标的转化，体现出价值理性。具体政策目标是政策在价值链各环节的聚焦点，需要通过文本分析进行识别。对应分析框架中的“价值维度”，分析过程分为环节分布和具体政策目标识别两部分，其中政策内容在价值链各环节上分布的差异体现政策注意力分配状况，对价值链环节内部具体政策目标的识别体现政策聚焦。在价值链过程各环节的整体分布上，国家级政策涉及“数据应用”的编码片段最多，共29条（33.3%），其次是“数据共享”和“数据汇聚”，分别有18条（20.7%）和12条（13.8%），而“数据处理”“数据分析”和“数据采集”分别仅有11条（12.6%）、9条（10.3%）和8条（9.2%）；省级政策也呈现相同的趋势，“数据应用”共349条（39.0%），“数据共享”有181条（20.2%），“数据汇聚”有136条（15.2%），而“数据采集”“数据处理”和“数据分析”分别仅有88条（9.8%）、71条（7.9%）和71条（7.9%）。如图4所示，价值链各环节的政策注意力分配呈现出竖立状的“水滴型”结构，呈现出当前政策注意力集中于“数据应用”“数据共享”和“数据汇聚”三个环节，表明以数据的汇聚、共享和应用为价值链的关键性核心活动，以采集、处理和分析为价值链的支持性辅助活动。
在价值链过程各环节内部，具体政策目标也有不同侧重。“数据采集”环节，政策目标重点关注的是数据采集的范围、主体及规范等。例如，浙江省明确对数据采集行为进行了规范说明，对责任主体行为、数据的要求等做出相应的规定；重庆市强调了基于新技术与新产品的数据采集方法与接口规范，以及数据采集与开发的标准。“数据处理”环节，政策目标重点关注的是数据处理中包括传输、存储等环节的智能性、安全性和可用性。“数据汇聚”环节，政策目标重点关注的是平台层的建设，包括数据库的整合、数据平台的建设等，通过这类基础设施的建设实现各类数据在平台层的汇聚。例如广东省的一网“三平台三数据库”建设、青海省基于“全省健康保障一体化信息服务平合”的“六网合一”工程等。“数据分析”环节，政策目标重点关注的是数据分析产生的应用价值。目前专门针对数据分析环节进行指导、规范的文本内容非常有限，大多是全周期的理念性指引，仅有广西等部分省份在政策制定中关注这一活动的应用导向，强调其在疫情预测与防控、智能辅助诊疗等方面的应用价值。“数据共享”环节，政策目标重点关注的是共享平合、共享机制与共享能力之间的协调与匹配。区别于数据汇聚环节对于平台建设的关注，数据共享环节所涉及的平合更多强调的是如何通过平台消除数据壁垒，畅通共享通道。例如云南、陕西等省份探索构建的“社会化健康医疗数据信息互通机制”等一系列健康医疗大数据资源共享机制建设以及基于“统一归口”“结果互认”等行动的共享能力建设，其目标是实现数据资源在共享平台的跨部门、跨区域、跨领域、跨层级共享。“数据应用”环节，政策目标重点关注的是应用领域的拓展与应用能力的提升，既包括各种类型数据的应用价值纵深挖掘，还包括塑造业态、开发设备、赋能服务等应用领域范围拓展，目标是通过数据的应用实现健康医疗服务的普惠化、便捷化和优质化。作为政府将政策目标转化为具体行动的路径和机制，政策工具是为实现政策目标而采取的手段和方式，在政策工具影响或作用于政策目标的过程中强调手段的合适性和有效性，体现工具理性。从分析框架可以得出，政策工具通过影响健康医疗大数据价值链过程的各个环节来达成政策价值目标，而不同类型政策工具的使用与组合本质上代表了政府采取何种策略、运用何种手段影响价值链过程以达成政策价值目标。政策工具对应分析框架中的“工具维度”，分析过程分为类型分布和具体政策工具使用频率统计两部分，其中政策工具类型的分布状况体现政策工具的影响策略，具体政策工具使用状况体现方式和手段。在政策工具的类型分布上，国家级政策中供给型政策工具的编码片段共有54条，占比62.1%，环境型共有18条，占比20.7%，需求型共有15条，占比17.2%；省级政策呈现相同的分布状况，供给型有464条，占比51.8%，环境型有267条，占比29.8%，需求型有165条，占比18.4%。如图5所示，从分布结构上可以发现供给型政策工具占比达到一半以上，呈现“强供给”的特征，体现出以供给型工具为主、环境型与需求型政策为辅的影响策略。
在政策工具的各类型内部，具体工具的使用频率也有显著差异。在供给型政策工具中，政府主要采取直接提供相关公共服务、进行基础设施建设的手段推进政策价值目标的达成。具体而言，“公共服务”的使用频率达到51.5%，表明政府最倾向于通过制定目标规划建立与完善相关机制等方式直接提供各种配套服务。同时，对“基础设施建设”（29.3%）尤为关注，既包括建设数据汇集、共享、开放、管理平台，也包括建设面向数据应用的应用平台，这体现了以“平台”为重要载体，实现数据汇聚、资源共享、业务办理、决策支撑的发展理念和推进路径。对“人才培养”（13.9%）的关注不足，尽管绝大多数政策都涉及了相关内容，但人才培养所涉及的目标定位、学科建设培养体系激励机制等具体内容尚不明确。在“资金投人”（5.2%）方面涉及较少，这表明政府更多是以专项项目的方式进行资金投入，例如贵州省的“大数据发展应用专项资金”“高新技术产业发展基金”“创业投资引导基金”等。在环境型政策工具中，政策工具主要采取营造法治环境、重视产业发展环境的手段，驱动政策价值目标的实现。具体而言，“法治环境”的使用频率高达48.4%，通过权利与责任划分标准制定、行为规范等方式，为健康医疗大数据安全、可靠地运营和管理提供了法治框架。其次是“产业发展环境”（29.1%），通过建设“健康医疗大数据中心与产业园”建设“健康医疗大数据产业体系”发展“健康医疗大数据产业链”促进“健康医疗智能装备产业升级”等一系列手段，为健康医疗大数据产业培育创造条件。而“政策背景环境”（11.9%）和“金融税收环境”（10.5%）涉及较少，“政策背景环境”更多是远景目标层面的，体现健康医疗大数据政策的目标定位。例如四川省在健康四川的战略下提出打造“‘互联网＋医疗健康’示范省”，重庆市提出要建设“国内领先的健康医疗大数据应用示范城市”，山东省提出要争取建设“国家健康医疗大数据中心”。关于“金融税收环境”，尽管政策文本中有所提及，但并没有做出深入的具体性的部署。需求型政策工具主要采取推广健康医疗大数据应用通过公私合作的手段促进社会资源向健康医疗大数据行业流动，拉动政策价值目标的实现。具体而言，“应用推广”的使用频率高达41.7%，目标是通过应用推广打造健康医疗大数据的应用场景，例如“疫情防控”“健康医疗行业治理”“互联网健康医疗”等；“公私合作”（37.2%）主要通过“PPP模式”“政府采购”“社会众包”等方式，引导社会资本、技术、服务向健康医疗大数据行业流动；而“示范引领”（21.1%）使用频率并不高，目前主要是建设“区域临床医学数据示范中心”等健康医疗大数据示范工程。对应分析框架中的“价值—工具匹配性”，本文首先基于健康医疗大数据价值链—政策工具二维坐标体系进行频数统计，得出我国健康医疗大数据政策的价值链—政策工具二维分布状况。如图6所示，价值链的各个环节都采用了多类型的政策工具，以供给型政策工具为主，其使用频率在45.0%~61.8%。但是根据不同环节的特征及发展状况，具体政策工具的选择策略及组合搭配具有一定的差异性。
在数据采集环节，现有政策采用最多的是供给型的“公共服务”和环境型的“法治环境”两个政策工具。由于数据采集是健康医疗大数据价值创造的前提，必须首先回答“什么是健康医疗大数据”、“采集哪此类型的数据”、“由谁负责采集”以及“如何采集”等一系列问题。现有政策主要是运用上述两个政策工具来搭建健康医疗大数据框架、划定数据类型、界定责任主体、制定采集标准，解决“有没有数据”的问题。在数据处理环节，现有政策采用最多的是供给型的“公共服务”、环境型的“法治环境”和“产业发展环境”。数据处理是健康医疗大数据价值创造的技术基础。海量的健康医疗数据具有多源异构的特征，未经过处理的数据犹如一盘散沙。数据必须经过清洗、过滤、合并、分类、转换、存储等一系列技术处理才能进入价值创造的后续流程。现有政策主要运用上述三个政策工具对数据处理的主体进行界定和对数据处理过程涉及的有关数据安全的风险与责任进行规定，并通过营造适宜的产业发展环境鼓励相关技术主体更好地在数据处理方面有所作为，多措并举来解决“数据能不能用”的问题。在数据汇聚环节，现有政策采用最多的是供给型的“公共服务”和“基础设施建设”。数据汇聚是健康医疗大数据价值创造的平台基础，必须回答“整合哪些数据”“由谁负责整合”“数据在哪里汇聚”等问题，因此现有政策主要是运用上述两个政策工具来规划数据库类型、构建数据整合的相关机制以提高多元主体的参与度，以及构建以人口健康信息平台为代表的数据平台。数据汇集通过数据在平台汇聚来解决“数据够不够用”的问题，实现“有数可用”。在数据分析环节，现有政策采用最多的是供给型的“公共服务”“人才培养”以及环境型的“法治环境”，但所涉及的政策编码片段仅有80条，是价值链中最少的环节。在文本中鲜有专门对数据分析进行指导、规范的内容，大多是与其他环节共同提及，是全周期性、普遍性的阐述。在文本中，政策工具大多是从相关的配套服务、人才体系法规制度方面提供保障与支持进行相关约束与规范，但是针对性较低，效力较弱。在数据共享环节，现有政策采用最多的是供给型的“公共服务”和“基础设施建设”以及环境型的“法治环境”。数据共享是健康医疗大数据价值创造的关键环节，只有打通健康医疗数据共享通道，实现数据在行政部门、医疗机构以及相关组织与个人之间的流动才能使数据从静态汇集的“资源”变成价值创造的“燃料”。围绕“谁参与共享”“在哪里共享”“如何共享”等问题，现有政策主要运用上述三个政策工具界定共享主体的责任与权利、共享的范围与标准、搭建数据共享平台并构建数据共享机制以及激发共享动机。数据共享环节通过数据从静态到动态的转化解决“数据流动”的问题，实现“数据好用”。在数据应用环节，现有政策采用最多的是供给型的“公共服务”“基础设施建设”以及需求型的“应用推广”。数据应用是健康医疗大数据价值创造的重要场域和目标，是应用价值得以实现的环节。围绕“谁推进应用”“在何处应用”“如何应用”等问题，现有政策主要运用上述三个政策工具构建应用框架、拓展应用场域、规定主体责任、构建面向数据应用的平台系统、推广应用成果。该环节通过数据从生产要素到应用产品的转化解决“价值生成”的问题，实现“用好数据”。政策体系处于不断变化发展的社会环境中，因此探讨工具与价值的匹配性问题也必须回归真实的“具体情况”，将研究视角置于“动态适应过程”。对应分析框架中的“价值—工具匹配性”本文进一步开展动态分析，将健康医疗大数据政策体系回归到动态发展演变的系统中，分析随着政策体系的阶段式发展，政策工具类型的调整策略与价值链的变动规律如何匹配。从总体上看，健康医疗大数据政策演化分为三个阶段，一是基础建设阶段，二是标准规范阶段，三是应用发展阶段（如图7所示）。在此过程中价值链特征呈现出“基础性—精细化—便捷化”的转变，价值链目标的重心呈现出“从无到有—由粗到精—以制促智”的转移，价值链主体呈现出“政府主导—公私合作—市场决定”的转化，为与之匹配，政策工具类型的调整也应当遵循“强供给—重环境—促需求”的转型逻辑。
在基础建设阶段，以2016年6月国务院办公厅出台《国务院办公厅关于促进和规范健康医疗大数据应用发展的指导意见》为开端，据公开渠道检索，已有14个省相继在2016—2018年间出台相对应的实施意见，对健康医疗大数据应用发展进行谋篇布局、统筹规划。在此阶段，价值链呈现出“基础性”的特征，各环节的运转依赖于数据库、数据平台等基础设施的建设。要实现“丛无到有”的目标，亟须政府发挥其主导作用。这就需要“以供给推动为主”的政策工具与价值链的现实需求进行匹配，一方面重点加强“基础设施建设”工具供给力度，另一方面大力推进“公共服务”工具供给，通过制定目标规划、搭建发展框架、确立责任主体等方式为基础建设提供各项配套服务。从已有政策体系以及现状描述来看，价值目标明确，政策工具重点突出，基础建设阶段的政策工具与健康医疗大数据价值链基本匹配。在标准规范阶段，以2018年7月国家卫生健康委员会规划发展与信息化司印发的《国家健康医疗大数据标准安全和服务管理办法（试行）》为开端，目前已有四川山东、江苏3个省在2020—2021年间发布了相应的管理办法，为健康医疗大数据建立标准化、规范化的管理制度。在此阶段，价值链呈现出“精细化”的特征，面临的主要问题是各环节的运转已有一定基础但管理仍比较粗放，因此要实现“由粗到精”的目标，亟须进一步明确健康医疗大数据价值链中的主体责任，区分卫生健康行政部门、医疗卫生机构和相关企事业单位的责任定位。这就需要“以环境驱动为主”的政策工具与价值链的需求进行匹配。一方面进行健康医疗大数据相关制度建设，明确标准、强化安全、规范服务；另一方面对健康医疗大数据相关的政策背景环境、金融税收环境、产业发展环境、人才培养环境等进行更加明确、具体的规范。从现状来看，尽管国家层面和个别示范省已经采取了一定的“环境型”政策工具匹配精细化的发展趋势，为政策工具的转型定了基调，但从整体上看标准规范阶段的政策工具与健康医疗大数据价值链转变趋势的匹配性还不强，难以满足现阶段的发展需求。以基础建设和标准规范为基石，围绕健康医疗大数据政策“人民满意”的根本价值目标，未来政策将走向应用发展阶段。在应用发展阶段，价值链将以“便捷化”为特征，各环节在基础平台运转能力、制度规范等方面已有相对坚实的基础，价值链目标的重点也将“由制到智”，从制度建设转向数据价值的成果转化，着力解决健康医疗大数据发展成果如何惠及人民的问题。在此阶段，从价值—工具的匹配性视角，需要“以需求拉动为主”的政策工具与之匹配，通过政策工具对需求侧进行激励，激发相关医疗机构和相关企事业单位的技术开发应用活力，在健康、规范的产业环境下积极发挥市场的决定性作用，使人民具有更高的获得感和满意度。
