先百度了一下，看看老美的情况，信息很少：
白宫管理与预算办公室（OMB）于2001年7月18日成立了“电子政务特别工作小组”，并于2001年8月9日正式运营。
该小组由来自46个政府机构的成员组成，并由OMB负责信息技术和电子政务的副主任马克·福曼领导，其主要负责制定联邦政府的电子政务项目。
该小组共从350多个候选项目中选取了24项电子政务项目，体现了在四类电子政务建设中的平衡（亦即G2C、G2B、G2G、IEE之间的平衡）。
“电子政务特别工作小组”2001年发布报告称，联邦政府缺乏统一的电子政府结构体系将是实现上述24大电子政务项目的最大障碍。
为此，OMB于2002年6月成立了由其直接领导的“联邦企业架构管理办公室（FEA-PMO）”，主要负责建立联邦政府统一的电子结构体系——“联邦企业架构（简称FEA）”。
1．联邦企业架构
联邦企业架构详细描述了联邦政府与公民互动之过程、政府履行的各种功能与各类业务，以及关键的业务流程。
FEA作为一个以业务为中心的框架，使得白宫管理与预算办公室和联邦各部门可以控制、分析、评估电子政府建设投资，同时有助于政府各部门间的横向整合以及各级政府间的纵向集成。
完整的FEA包括以下五大参考模型（Reference Model）：
联邦企业架构
绩效参考模型（简称PRM），其于2003年9月推出，并于2004年做出了较小修正； 业务参考模型（简称BRM），其最早于2002年6月推出第一版，并于2003年6月做出较大调整并推出第二版，2004年之修正较小； 服务组件参考模型（简称SRM），其于2003年8月推出了第一版，并于2004年做出了较小修正； 数据参考模型（简称DRM）； 技术参考模型（简称TRM）。 |
（1）总体绩效模型，如下图：
总体绩效模型
（2）总体业务模型：
“业务参考模型”于2002年6月22日推出第一版，于2003年6月22日推出了第二版，针对原第一版做了较大调整，在2004年则调整较小。
故此，2003年第二版构成了美国电子政务“业务参考模型”之基础。
与第一版一样，第二版的“业务参考”模型同样分为从宏观到微观的3个层级：
第一层级为4大“业务域（Business Areas）”； 第二层级为39大“业务线（Business Line）”，包括内部的业务线和外部的业务线； 第三层级则为“业务线”下具体涵盖的153项“子功能（Sub-function）”。 |
（3）服务组件模型：
服务组件分为三个层次，有7大服务域，26大服务类型，178项组件。
7大服务域包括：
|
（4）技术支撑模型：
技术支撑模型是一个能够将各种技术、标准和规范按照业务模型中的不同需求进行分类整理的体系，主要包括：
|
服务支撑平台和基础设施，指用于支持服务构建的应用支撑平台、基础设施及软、硬件；
技术架构，指依照基于构件的、分布式的和面向服务的架构所建立的技术、标准和规范；
服务接口和集成，指服务构件和各机构如何接口的一些技术、方法、标准和规范的集合。
同时，还定义了与内部系统及遗留系统之间接口和集成的方式。
（5）数据模型：
数据模型由数据分类、数据结构、数据交换来完成。
数据分类是利用“业务关联（Business Context）”的概念，依据业务参考模型进行分类的一种方法，即沿着业务功能线分类、集成数据，从而提供清晰的数据所有者和管理者。
数据结构是DRM利用一个所谓的数据元素（Data Element）来给数据结构提供的一种逻辑方法。
数据元素是结合业务关联的，它代表了一个特定事物的信息。
因此，一个机构的数据用户可以理解数据的目的及其上下业务关联。
数据交换是由DRM的“标准信息结构”即“信息交换包”来进行的。
“信息交换包”代表了一个实际数据集，它是由一个工作单位到另一个工作单位的需求所产生出来的。
一个通用的数据结构化方法是通过采用ISO/IEC11179标准作为指导来实现的。
总体上来看，绩效参考模型用来确定一套通用的绩效评估矩阵，帮助政府部门实现项目目标；
业务参考模型用来描述联邦政府的主要业务流和业务活动，打破了部门和机构界限；
服务参考模型用来确定和划分联邦政府的横向和纵向IT能力，有利于业务资源和服务在联邦政府部门间的重复利用；
数据和信息参考模型用来从总体上描述支撑项目和业务流运作的数据和信息，有利于确定联邦政府同用户和合作者的信息交流类型；
技术参考模型用来概括出政府部门应用和实施基于架构的技术组成。
2. FEA方法论分析
FEA从业务层、信息数据层、解决方案层、技术层对电子政务进行了规范，用系统思维构建了电子政务的总体框架，使对电子政务进行精细化管理成为可能。
运用FEA的投资预算工具、绩效评估工具和沟通工具，强化了电子政务管理手段。
FEA的评估和成熟度认证开辟了电子政务质量管理的途径，从而可导入实施战略管理的长效机制。
传统政府业务分类是以职能的逻辑合理性来界定业务如何分类，按这个分类去划分部门，并在实际业务运转中形成以部门为中心的业务模式。
基于电子政务模式的业务分类是以企业和公众等政务的服务用户为中心，以接受服务和提供服务的逻辑合理性来界定业务如何分类，并按这个分类形成一条条跨部门的“业务线”，研究各“业务线”之间的关联和逻辑关系可形成集中的、集成的政府业务整体模型。
以政府业务模型和“业务线”为驱动设计应用系统和技术框架会形成一整套总体设计思路。
将政府的操作分成类别，这些类别涉及政府的目的（如公共服务），政府用来达到其目的的机制（如交付模式），引导政务操作的支撑功能（如支撑服务的交付），以及支持所有政府业务域的资源管理功能（如政府资源管理）。
FEA核心出发点是业务线，业务线是政府为实现其公共管理和公共服务所形成的业务流程。
业务线的实质是政府为特定的用户提供特定产品或服务所精心设计的一系列活动，它反映了政府向企业和公众及其他用户提供服务的基本结构。
一条业务线不一定是由一个部门或机构来执行，因而实际的业务线是立体的、分层次展现的。
建立电子政务总体框架业务模型的核心工作就是梳理业务线和优化业务线。
以业务线的子功能为导向设计电子政务的应用系统，可以合理规划电子政务系统建设的空间分布和优先顺序。
同时可找出各业务线共同的子功能模块，统一开发应用构件，减少或避免重复投资。
研究业务线之间的关联，可建立统一的数据模型，以业务为中心进行数据标准化，可有效实现数据的重用和集成，实现跨部门的信息交换，提高信息共享能力。
运用业务线方法可有效实施政府部门内部和跨部门的以流程为中心的业务改进的设计、组织、协同和项目组合的管理。
例如，对于在同一业务线中发挥作用的政府机构，可以主动发现与其他机构的合作机会，同时可记录他们的投资是如何支持统一的业务线和子功能的。
总之，FEA方法论站在政府战略发展目标的高度，概括出政府绩效参考模型，有利于回答为何要建设电子政府。 FEA提出业务线概念，对实体政府的工作模式提出挑战，提出以业务线为主导，实现跨部门协作就有重要的流程再造的味道，以至于在服务参考模型、数据参考模型和技术参考模型等方面，看不到有什么明显的创新点。 FEA方法论应该属于顶层设计方法，优点是整体架构清晰，自上而下分解。 在我国国内有不少地方政府尝试FEA方法论，从实际成效来看，极少有成功案例，究其原因，这种方法论在如何适应变化方面有待时间验证。 |
3.IEM方法论对智慧政府项目建设的启示
20世纪80年代初，James.Martin等人提出信息工程理论（IE），主要解决现代管理中的问题。
按照James.Martin的定义，信息工程作为一个学科，要比软件工程更为广泛，基本论题之一就是总体数据规划。
（1）何为数据环境
数据库技术应用的本意就是要更加有效地使用数据，保证数据的准确性、一致性和安全性，便于管理及决策分析。
数据库的管理系统就是为快捷地解决数据库的创建和存取而设计的，但实际的数据应用发展过程并不理想，数据环境（DataEnvironment）也经历着从低级到高级的发展阶段。
数据环境概念是源于数据库理论及其应用发展的过程中出现“数据处理危机问题”而提出的。
（2）数据环境重建与提升
如何进行数据环境的重建与档次提升呢？
如何确保主题数据库设计的科学性、实用性和有效性呢？
这就需要进行信息资源规划，通过制定数据管理标准，即信息资源管理基础标准，建立科学的数据管理体系，用以指导、控制和协调数据环境建设以及在此基础上的应用系统的选型工作。
<1>建立数据管理标准（DMS）
信息资源管理源于威廉·德雷尔的数据管理标准化方面的著述，他早于1985年出版了《数据管理》一书，提出“没有卓有成效的数据管理，就没有成功高效的数据处理，更建立不起来整个企业的计算机信息系统”这一名言。
没有数据结构的规范化、数据管理的科学化及标准化，信息化就无从谈及。
他总结并提出了数据管理的相关标准，其中，数据管理的重要标准就是要确保数据的一致性，即数据命名、数据属性、数据设计和数据使用的一致性，这也是主题数据库的特征之一。
信息资源管理的基础标准是指那些决定信息系统质量的、最基本的标准，具体包括:
|
由这5大标准所构成的数据管理标准体系，可确保数据管理基础标准的一致性和严密性。
并在专业的支撑工具软件的支持下，减化人工参预的工作量，在确保统一和一致性的前提下，大大提高数据管理标准工作的效率和质量。
因此，正规的数据处理部门应严格要求程序员遵循数据管理的标准，保证企业各应用系统的标准一致性和产品内聚性，维持数据环境的高档水平，为应用系统的应用整合打下良好的基础。
<2>建立数据管理体系
建立数据管理的标准之后，围绕标准的宣贯和执行应当有一套完整的管理体系，来确保数据环境建设的成果，更好地在此基础上进行信息化建设。
首先，建立数据管理体系，要建立数据信息的收集、维护与发布的管理机制，即要建立数据字典（Data Dictionary），包含元数据信息。
所有的元数据可存储在一个数据库中，即元数据库或中心元库（Central Repository）。
数据字典根据信息系统开发的阶段性不同，可划分为概念数据字典、逻辑数据字典和物理数据字典。
在规划阶段，只界定数据元素的标识和名称（即数据元素标准），我们称之为概念数据字典；
在系统设计阶段，需界定数据元素的数据类型、长度等属性，我们称之为逻辑数据字典；
在应用系统实施阶段，要说明数据元素在具体应用系统中是什么样的以及如何被使用的，我们称之为物理数据字典。
其次，建立数据管理体系，要明确数据管理制度。
创建数据库和数据字典，是数据管理人员所要利用的资源和工具，但这只是数据管理中的一部分。
数据管理的整个目标是规划、管理和控制信息资源，以数据库和数据字典作为资源和工具，利用其良好数据结构，来集中管理全企业范围内的信息资源。
因此，需要建立数据管理部门，明确数据管理部门的职责，确定数据管理人员的职务、地位与作用。
数据管理部门的重要职责，是集中控制和管理数据定义，建立数据管理的基础标准和规范化的数据结构，协调计算机应用开发人员和用户实施数据管理标准规范。
最后，建立数据管理体系，特别要强调数据管理的长期性和复杂性。
作为管理的重要组成部分，数据管理需要长期复杂的工作，化解各种困难，持之以恒才能见到效果。
同时，寻求解决问题的科学的方法论也是关键。
信息资源规划理论就是数据环境建设、数据标准化和系统应用整合的利器，着眼于全企业范围内的信息资源的总体规划的过程中，落实应用为主导的原则，形成数据管理的标准（即信息资源管理基础标准），规划设计出系列的主题数据库，从而指导应用系统的选型和整合优化，达到消除信息孤岛、实现数据集成的信息化目的。
<3>实施信息资源规划意义
信息资源规划的实施主要是建立数据管理的5类基础标准，并落实应用需求建立功能模型、数据模型和系统体系结构模型。
在规划的同时对业务进行梳理与优化，进行数据分析，为应用系统集成提供全面的解决方案。
实施信息资源规划工作的意义主要有以下几方面：
第一，理清并表达需求，落实信息化建设的“应用主导”的原则。
信息资源规划工作要求系统分析人员与用户业务人员密切合作，全面进行需求分析调研和整理工作，用规范化的文档来反映用户的真正需求。
第二，整合信息资源，消除“信息孤岛”，实现应用系统的集成。
“信息孤岛”产生的技术原因，是缺乏信息资源管理基础标准。
信息资源规划过程就是开始建立数据标准的过程，从而为整合信息资源，实现应用系统集成奠定坚实的基础，打造了高档次的数据环境。
第三，指导各种应用软件的选型并保证成功实施。
通过信息资源规划搞清了用户需求，建立了信息资源管理基础标准，就有了应用软件选型与说话的主动权，否则，虽经过管理咨询、多方考察和论证，由于自己心中无“数”，容易犯“削足适履”的错误。
信息资源规划工作包括分析整理大量复杂的资料，吸纳众多人员的意见、经验和智慧，通过规划工具软件的支持，可以确保规划过程中定义与理解的一致性，可以确保信息资源规划的资源的存储、修改和后续应用开发的过程的连续性，使规划工作的质量、效率都得以提高，并可将规划成果固化到软件中，形成活化的、规范化的计算机文档资料，适应企业信息化建设的阶段性需求，实现信息资源规划的渐进提升。
<4>数据环境建设的阶段性与适应性
由于信息化应用和人们对数据环境认识的阶段性存在，导致各时期的应用系统数据结构的不关联和应用程序的堆积，这是客观现实。
目前，许多信息化管理人员都期望通过数据接口来实现对现有应用系统的集成，但这只是一种期望。
由于各个应用系统所存储、变换的冗余或重叠的数据非常复杂，
并交织在一起，要修改或扩充系统的任何部分都是非常困难的且投入巨大。
随着应用的越来越多、对信息分析和决策支持的要求越来越强烈，使数据环境的混乱进一步加剧，从而制约信息化发展。
信息系统集成的目的是将那些孤立运行的应用系统变为集成化的信息系统的过程，即由信息孤岛联成信息大陆的过程。
全范围的信息系统的集成是一种应用系统的再造工程，其实质是数据的集成，其基础是信息资源规划。
基于信息资源规划的应用系统集成的特点如下：
|
从以上我们可看出，数据环境的建设是有阶段性和适应性的，需要根据目前应用系统的现状及阶段性需求进行调整，在不影响应用系统建设的前提下适度超前，确保信息化建设的阶段性要求。
同时，也要注意到系统集成也是相对而言的。
如把所有应用系统都建立在统一的高档次的数据环境之上称作“全域集成”的话，那么把人力资源系统建立在几个主题数据库之上就可称作“局部集成”。
显然，实现全域集成的难度是非常大的，周期也是非常长的；
而实现局部集成的难度较小，周期也短，见效也快。
所以，如果人力资源、物资或设备检修系统等几个应用已经实现局部的集成，或再开发或外购一个成熟的具有集成特征的“安全监理系统”，为使这些应用系统能够数据交互，可以建立少量的数据接口，这不仅是必要的，也是推进企业信息化快速发展的需求。
在信息资源规划的基础上，建立了若干个成型的主题数据库，针对全域范围需求分析，创建的数据管理标准就可以指导、协调和控制集成过程中各应用系统内部、各应用系统之间及接口程序间的统一的数据标准和规范，为最终消除接口、整合应用打下良好的基础。
随着信息化的深入和提高，可逐步对相关的不适合的应用进行整合，达到最终联成“信息大陆”的目的。
数据环境的建设，随着数据库管理水平的提升，可逐步步入到以数据仓库为主的第四类数据环境，应用数据挖掘、数据集市等数据分析技术，在高效的数据管理环境中实现信息化决策能力的提升。
当然，只有通过信息资源规划工作，由低档的数据环境提升到以主题数据库为主要特征的第三类数据环境之上时，才可实现。
高档次的数据环境建设并不是瞬间建成的，是需要在标准化的主题数据库之上进行数据抽取、数据挖掘、数据分析。
3．信息工程方法论给智慧政府建设带来的启示
信息工程方法论（IEM），强调以信息资源为基础，为核心构建复杂系统，类似强调大楼建设中的地基工程。
地基工程是其他工程的基础，智慧政府要产生智慧，就离不开大数据，大数据的存在是建立在稳定的数据结构基础之上，所以IEM适合于智慧政府的基础数据环境设计。
