加快數據要素市場培育　有效激活數據潛在價值

蘇萌

要加強數據資源整合，探索建立統一規范的數據管理制度。

依托“政產學研用”合作機制，建立統一的數據標準。

數據已經成為政府和企業決策的重要手段與依據，近幾年來，推動數據治理體系建設一直是業界探索的熱點。而本次疫情，恰恰成為對國家現有數據治理能力的一次考驗，疫情期間，數據在預測疫情趨勢走向，輔助政府及時做出防疫策略調整中發揮的作用是巨大的，但部門間的數據孤島也暴露了數據治理中的一些短板。

在近日公布的《意見》中，數據作為一種新型生產要素首次正式出現在官方文件中。將數據作為第五大要素提出意義非同一般，但是與勞動力等生產要素不同的是，數據是無形的，且數據孤島林立，要想發揮數據價值，提升數據治理能力是必要舉措，此次《意見》的發布也成為推進數據治理體系完善的重要契機。

完善數據治理體系勢在必行

建立統一規范的數據管理制度。目前我國現行的管理模式和信息應用模式還多以“條塊分割碎片化”式為主，各部門在自上而下的高度集權和橫向的部門分立的雙重因素下，跨部門信息協同面臨重重阻力，導致數據治理結構與治理機制不健全，數據治理能力差。《意見》中提出要加強數據資源整合，探索建立統一規范的數據管理制度，這將有助于打破多部門、多機構間“數據信息孤島”，形成多制度、多部門機構間數據治理協同機制，實現人、政府、制度、數據等的資源融合，促進治理能力的提升，助力政府精準決策。按照統一標準規范進行匯聚和管理，提供數據源管理、轉換管理、作業管理、運維監控、日志管理、用戶管理和多租戶管理等。

依托“政產學研用”合作機制，建立統一的數據標準。數據治理，標準先行。數據治理體系是個復雜而龐大的系統工程，分散的數據涉及各個部門，因各個部門出臺的行業細分標準不統一，且需要結合業務理解標準，因此跨領域的知識儲備非常重要，建立數據治理體系需要共享標準詞典，基于“政產學研用”合作機制，構建多種學科背景的聯合實驗室。

建設可共享的知識圖譜。數據治理體系是整體關聯、動態平衡的系統工程，猶如一個智能生命體，需要政府、社會及企業分別構建云數據管理子中心，以點帶面，實現全面的肢體連接。建成基于八、地、事、物、組織的知識圖譜，最終讓數據連成一張網，形成數據分析、共享、協同的數據價值流動，按需提供數據同步、數據整合、數據分發等應用場景，為各部門提供統一高效的數據服務。

數據質量考核機制保障

構建高效數據治理鼓勵機制。數據治理的有效性不僅依賴于機制、專家和技術的支持，更重要的是數據質量考核機制，有效的激勵和考核機制是確保數據治理能力的關鍵。數據作為要素將成為強勁的數字經濟增長動力，需要加強建設數據治理的鼓勵機制，貫穿資源規劃、采集、提質、存儲、管理、統計、查詢等一系列處理環節，推動產業鏈、創新鏈、資金鏈和政策鏈深度融合。

建立數據質量考核機制。考核是保障制度落實的根本，以往缺乏明確的考核制度，未來需要根據具體情況建立相應的針對數據治理方面的考核辦法。《意見》中表示要提高數據質量和規范性。數據的價值集中體現于可用性，對于不同的可用性數據，也應建立不同的數據質量標準。同時，數據治理還要實現全生命周期治理。

推廣數據治理文化

提高數據共享意識。高質量的疫情數據治理是確保疫情決策有效性、降低疫情風險、捍衛生命健康，以及實現社會經濟協調發展的前提。在“疫情就是命令”驅動下，部門間數據共享更加及時主動。未來需要繼續推廣數據共享價值，提高常態治理和危機應對能力。《意見》提出要提高數據質量，也將有助于部門間共享核心數據，推動數據共享意識提升。

以試點方式推進數據治理體系落實。通過試點的方式確立成功標準，有助于衡量價值并推進數據治理體系落地。數據治理應該先在小范圍內推行，然后才在整個體制內實行。

釋放數據治理紅利

數據智能技術發揮數據價值。海量數據資源將會催生巨大的市場應用規模，但只有經過數據智能加工過的數據才能發揮更大作用，隨著技術進步、應用普及、成本降低和算法積累，數據價值逐步發揮出可量化的價值。通過全面、準確地收集和分析動態信息，有利于為政府和企業的決策部門提供科學決策、精準施策的依據。

加速培育數據應用。《意見》同時指出，要豐富數據產品。數據如何被使用對數據治理來說至關重要，通過數據智能技術從海量的文本、視頻、圖像等數據中365天、24小時永不停息地深度剖析挖掘數據之間的隱性關聯關系，揭示數據背后的規律，并進行趨勢預測，有助于實現知識創新服務與決策支持，釋放“數據紅利”。