百分点公司苏萌关于“数据被纳为五大生产要素之一”的文章刊登《中国电子报》

　　4月17日，《中国电子报》刊发百分点公司董事长兼CEO苏萌署名文章，该文针对数据被纳为五大生产要素之一这一政策进行了解读。苏萌认为，要想发挥出数据的价值，首要任务是完善数据治理体系，不断加强数据资源整合能力，建立统一规范的数据管理制度，依托“政产学研用”合作机制，建立统一的数据标准。

　　数据已经成为政府和企业决策的重要手段与依据，近几年来，推动数据治理体系建设一直是业界探索的热点。而本次疫情，恰恰成为对国家现有数据治理能力的一次考验，疫情期间，数据在预测疫情趋势走向，辅助政府及时做出防疫策略调整中发挥的作用是巨大的，但部门间的数据孤岛也暴露了数据治理中的一些短板。

　　近日，《中共中央、国务院关于构建更加完善的要素市场化配置体制机制的意见》公布，其中数据作为一种新型生产要素首次正式出现在官方文件中。将数据作为第五大要素提出意义非同一般，但是与劳动力等生产要素不同的是，数据是无形的，且数据孤岛林立，要想发挥数据价值，提升数据治理能力是必要举措，此次《意见》的发布也成为了是推进数据治理体系完善的重要契机。

　　一、完善数据治理体系势在必行

　　(1)建立统一规范的数据管理制度

　　正如疫情数据治理，实现从源头到终端的零散数据的系统化与规范化，才能最终实现及时准确地全面收集数据，并进行分享与保护。但目前我国现行的管理模式和信息应用模式还多以“条块分割碎片化”式为主，各个部门在自上而下的高度集权和横向的部门分立的双重因素下，跨部门信息协同面临重重阻力，导致数据治理结构与治理机制不健全，数据治理能力差。

　　《意见》中提出要加强数据资源整合，探索建立统一规范的数据管理制度，这将有助于打破多部门、多机构间“数据信息孤岛”，形成多制度、多部门机构间数据治理协同机制，实现人、政府、制度、数据等的资源融合，促进治理能力的提升，助力政府精准决策。按照统一标准规范进行汇聚和管理，提供数据源管理、转换管理、作业管理、运维监控、日志管理、用户管理和多租户管理等。

　　(2)依托“政产学研用”合作机制，建立统一的数据标准

　　数据治理、标准先行。数据治理体系是个复杂而庞大的系统工程，分散的数据涉及各个部门，因各个部门出台的行业细分标准不统一，且需要结合业务理解标准，因此跨领域的知识储备非常重要，建立数据治理体系需要共享标准词典，基于“政产学研用”合作机制，构建多种学科背景的联合实验室，同时需要发挥民营企业的技术力量，以“数据标准模型+面向对象的标准工具”的合作模式，通过API接口等方式，推广数据交换共享的“普通话”。

　　(3)建设可共享的知识图谱

　　数据治理体系是整体关联、动态平衡的系统工程，犹如一个智能生命体，需要政府、社会及企业分别构建云数据管理子中心，以点带面，实现全面的肢体连接。建成基于人、地、事、物、组织的知识图谱，最终让数据连成一张网，形成数据分析、共享、协同的数据价值流动，按需提供数据同步、数据整合、数据分发等应用场景，为各部门提供统一高效的数据服务。

　　二、数据质量考核机制保障

　　(1)构建高效数据治理鼓励机制

　　数据治理的有效性不仅依赖于机制、专家和技术的支持，更重要的是数据质量考核机制，有效的激励和考核机制是确保数据治理能力的关键。数据作为要素将成为强劲的数字经济增长动力，需要加强建设数据治理的鼓励机制，贯穿基础数据、主题数据、互联网数据、多媒体数据等的资源规划、采集、提质、存储、管理、统计、查询等一系列处理环节，推动产业链、创新链、资金链和政策链深度融合。

　　(2)建立数据质量考核机制

　　考核是保障制度落实的根本，以往缺乏明确的考核制度，未来需要根据具体情况建立相应的针对数据治理方面的考核办法。《意见》中表示要提高数据质量和规范性，以政务共享交换平台为例，通过数据调用频次、系统稳定性等硬性考核指标来衡量，有助于提升数据质量和规范。数据的价值集中体现于可用性，对于不同的可用性数据，也应建立不同的数据质量标准。同时，数据治理还要实现全生命周期治理，强化实现数据准确性、完整性、一致性、可用性和可追溯性。变“模糊治理”为“精细化治理”，数据治理不再是主观主义、经验主义等“模糊治理”，需要向着精准治理迈进。

　　三、推广数据治理文化

　　(1)提高数据共享意识

　　高质量的疫情数据治理是确保疫情决策有效性、降低疫情风险、捍卫生命健康，以及实现社会经济协调发展的前提。“疫情就是命令”驱动下，部门间数据共享更加及时主动。未来需要继续推广数据共享价值，提高常态治理和危机应对能力。《意见》提出要提高数据质量，也将有助于部门间共享核心数据，推动数据共享意识提升。

　　(2)以试点方式推进数据治理体系落实

　　通过试点的方式确立成功标准，有助于衡量价值并推进数据治理体系落地。数据治理应该先在小范围内推行，以便发现计划、框架和基础设施的缺陷，保证数据安全可控，然后才在整个体制内实行。然而试点是个长期的过程，需要央企等来组织各方力量共同推动试点，制定数据治理目标，确保数据治理策略朝着正确的方向前进。

　　四、释放数据治理红利

　　(1)数据智能技术发挥数据价值

　　海量数据资源将会催生巨大的市场应用规模，但只有经过数据智能加工过的数据才能发挥更大作用，随着技术进步、应用普及、成本降低和算法积累，数据价值逐步发挥出可量化的价值。通过全面、准确地收集和分析动态信息，有利于为政府和企业的决策部门提供科学决策、精准施策的依据。

　　(2)加速培育数据应用

　　《意见》中同时指出，要丰富数据产品。数据如何被使用对数据治理来说至关重要，通过数据智能技术从海量的文本、视频、图像等数据中365天、24小时永不停息地深度剖析挖掘数据之间的隐性关联关系，揭示数据背后的规律，并进行趋势预测，有助于实现知识创新服务与决策支持，释放“数据红利”(注：本文首发于《中国电子报》，更多信息请点击阅读原文)。