数据资源变成数据要素的关键环节和技术

■78/2020年第54期/12月27日
［实体经济］
推动数据资源向数据要素转化，是一个多
维度、多学科的系统工程，需要在政策引导层面、行业标准层面、科研机构和企业执行层面共同发力，从而构建完善的公共大数据要素转换、管理、流通体系，助力数字经济高质量发展。

工学博士，二级教授，现任省部共建公共大数据国家重点实验室（筹）主任、贵州大学机械工程学院院长，获贵州省核心专家、省管专家等荣誉称号.
数据资源变成数据要素的关键环节和技术
2020年，党中央、国务院联合发布《关于构建更加完善的要素市场化配置体制机制的意见》，明确指出了土地、劳动力、资本、技术、数据五个要素领域的改革方向，正式将"数据要素”作为五要素之一。

推动数据资源向数据要素转化，是一个多维度、多学科的系统工程，需要在政策引导层面、行业标准层面、科研机构和企业执行层面共同发力，从而构建完善的公共大数据要素转换、管理、流通体系，助力数字经济高质量发展。

一是数据采集环节。

该环节中，需要从不同地区、不同单位（例如政府部门、事业单位、企业）、不同环境（例如互联网、物联网）进行离线或者实时的数据采集、传输，其核心技术难点是制定高效实用的数据采集规范、元数据标准、字段标准、数据质量标准、实时接口和协议，从而保证数据的完整性、时效性。

二是数据加工环节。

对于采集到的结构化、半结构化和非结构化数据进行智能化的整理、清洗、触合、标注等预处理操作，实现分布式、多源、异构数据的高效集成融合，从而保证数据的准确性、一致性。

三是数据存储环节。

随着数据复杂度和数据量的飞速増长，对数据存储环节的要求不断提高，该环节的核心技术包括大规模并行数据库集群技术、海量结构化、半结构化和非结构化数据的分布式存储技术、分布式图数据存储技术、分布式列式数据存储技术等。

四是数据处理环节。

为满足不同处理方式的需求，需要研发完善不同数据处理方法；为满足不同处理场景、性能、并发性等方面的要求，需要研究完善不同数据处理核心技术，从而不断提高数据处理环节的处理精准度、智能化程度和处理效率。

五是数据共享流通环节。

数据要素的共享流通是推动数据资源向数据要素转化的最终目标，该环节不仅与技术紧密相关，还与政策、法规、标准、流程等密切关联。

从技术角度考虑，数据共享流通涉及诸多技术子环节，首先是各类共享交换平台的研发，包括目录系统、对接系统、交换系统等；其次是国家、省、市、企业等多级大数据共享平台的逐级无缝对接相关技术；第三是构建数据安全保障体系，包括网络安全、信息安全、数据流向追踪溯源、涉密信息分级保护及公众个人信息隐私保护相关关键技术等。

数据要素的高效有序共享，对于我国抢占核心技术创新的制高点、把握关键科技产业发展的主动权均具有重要的时代意义。

贵州大学建设的省部共建公共大数据国家重点实验室针对公共大数据变成数据要素、公共大数据“聚、通、用”等关键核心问题，开展公共大数据融合与集成、公共大数据安全与隐私保护、块数据与区域治理等方面研究，提升贵州及我国公共大数据创新能力，推动了公共大数据服务高质量发展、公共大数据精准扶贫与乡村振兴、公共大数据现代服务业融合创新、大数据公共治理现代化。

数据变成数据要素，一是要加快研发一体化国家大数据中心平台体系，完善"政-政”数据共享、"政-企”数据开放、"企-政”数据汇集和"企-企”数据互通四个方向的数据要素流通公共服务体系；二是要推进数据确权，加快数据殳法进程，明确数据所有权、使用权、处理权、控制权、收益权等各种权利的种类和属性，明确各种数据权拥有者的相关权责；三是要推进数据与其他实体要素深度融合相关技术的研究，探索建立以数据链有效联动产业链、创新链、资金链和人才链的“五链协同”技术框架，促进建立实体经济、科技创新、现代金融、人力资源协同发展的产业体系。

（责任编轻/李冲）
回。