中宏网北京1月17日电 （记者 王镜榕 视频报道 周子怡） 1月17日，聚焦“发挥数据要素乘数效应，赋能经济社会高质量发展——释放‘数据要素×’三年行动计划发展新动能”主题，中宏论坛第四十五场在线研讨会召开。江苏大学科技信息研究所所长刘桂锋应邀出席论坛并作了主题发言。

　　以下是刘桂锋的发言：

　　党的十九届四中全会《决定》指出：“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制”，首次将数据增列为生产要素。2022年12月，中共中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》，为释放数据要素价值指明了方向。2023年12月海南省印发《海南省培育数据要素市场三年行动计划（2024—2026)》，围绕数据要素实施9大行动，提出24条具体解决措施。2023年12月，国家数据局等17部门联合印发《“数据要素×”三年行动计划（2024—2026年）》（以下简称《行动计划》），旨在发挥数据要素的乘数效应，释放数据要素价值，着力解决数据供给质量不高、流通机制不畅、应用潜力释放不够等问题。《行动计划》34处提到了融合，其中15处提到了数据融合，体现在现代农业、商贸流通、交通运输、文化旅游、医疗健康、绿色低碳等重点行动。数据融合是解决当前存在的“数据孤岛”问题的良药秘方，不是把不同来源、不同类型、不同维度的数据进行简单的组合或整合，而是通过一定的理论、方法、技术或手段，实现知识增值、管理决策或产业增值的过程。

　　一是探寻数据融合影响要素。以识别数据融合影响因素为出发点，有力推动数据融合进程，充分释放数据要素价值。数据要素价值充分释放的关键在于畅通的数据流通体系，而数据流通的关键在于扫清制约数据融合的影响因素。《行动计划》特别强调提升数据供给水平是落实“数据要素×”三年行动计划的首要保障支撑，而在其中数据供给质量不高就是非常突出的问题。数据供给质量是贯穿于整个数据融合进程中的一个要素，而这个要素就能够直接决定数据融合的效果。制约数据融合的因素有很多，因此，首要问题就是识别影响数据融合因素的类型有哪些，哪些是关键影响因素，这些影响因素之间的作用机制是什么。

　　加强理论调研，在数据供给侧和需求侧双向互动的视角指导下，从政策制度、体制机制、基础设施、利益相关方、数据本身等方面构建数据融合影响因素的体系，根据其在数据内容采集、加工、流通、应用等不同环节中发挥作用的大小，从而识别关键影响因素。就数据自身而言，数据权属、数据质量和数据安全是影响数据融合的三大重点。数据供给质量取决于数据提供方和数据需求方之间的利益匹配。数据供给离不开各种类型数据平台的支撑，当前我国主要有国家基础学科公共科学数据中心的20余个科学数据中心，以及省市地方的政府数据平台或公共数据平台，高校院所或企业数据平台。这些数据平台为数据融合提供了丰富的数据资源，但是缺乏一定的数据质量评价标准，造成数据供给质量难以判断。

　　选取数据供给质量等关键影响因素在重点行业、重点领域进行理论与实践的检验，构建并完善数据供给质量的评价指标体系，为其他因素的识别与确定提供范例。加强对单一因素或组合因素之间的作用机理的剖析与探讨，提出适合不同行业领域的共性与个性并存的作用机制，为畅通数据融合进程奠定坚实的理论基础，进而为充分释放数据要素价值构筑理论大厦。

　　二是探析数据融合模式类别。以健全数据融合模式设计为着力点，大力撬动数据融合动能，充分释放数据要素价值。数据融合模式是实现数据融合的基本方式、基本途径和基本手段。由于数据来源不同，涉及利益相关方众多，以及数据应用场景的丰富性，因此数据融合模式的确定不是一个简单的科学问题。数据融合模式的设计是一个难点，可以根据同类就近的原则，首先实现同类型的数据融合，然后按照跨类型、跨领域、跨行业、跨区域、跨语言的逻辑不断向纵深推进，探索丰富的数据融合模式类型。因此可以按照理论与实践相结合、定性与定量相结合、归纳与演绎相结合的原则，由小到大，由近到远，由特殊到一般，循序渐进来设计数据融合模式。

　　以数据要素为主线，根据数据生命周期理论的基本步骤，按照从数据采集到组织、分析、应用等环节建设数据资源体系，遵循从原始数据集到衍生数据集，再到数据产品和数据商品的逻辑，构建数据要素融合的线性模式。数据要素价值的释放过程和原理是极其复杂的，数据要素价值的有效、高效释放，单靠数据要素本身难以完成，需要与其他生产要素结合形成全要素，依靠算法、算力、软硬件、产业等共同作用完成。换句话说，数据要素自身的融合只停留在理论层面，只有在其他生产要素的加持作用下，才能实现实践层面的价值增值。深化数据要素与其他生产要素的结合、倍增和叠加效应，构建数据要素与其他要素融合的平面模式。所有生产要素推动的数据价值实现离不开具体行业领域，上述融合模式与不同行业的交叉形成了融合的立体模式。从线性模式到平面模式，再到立体模式，这是数据融合模式的新探索，也是数据要素价值释放的新跃迁。由于目前尚未有成熟的数据融合模式可以借鉴和参考，因此需要在理论中设计，在实践中检验。

　　三是探索数据融合应用场景。以丰富数据融合应用场景为落脚点，强力拉动数据融合需求，充分释放数据要素价值。《行动计划》10多次提到了应用场景，涉及场景需求、典型场景、多场景应用等，充分表明数据要素价值的实现需要依托丰富的应用场景。比如在工业制造重点行动中，提到了推动制造业数据多场景复用，在其他领域中虽然没有直接提及，实际上都是在强调数据融合的多场景应用。《行动计划》提供了12个领域的重点行动，实际上描述了数据要素在12个领域的不同应用场景，每个场景的数据类型不同、产业链不同、专业领域不同，数据要素的融合模式不同，价值释放方式不同。以现代农业为例，既有农作物生产环节的遥感、气象、土壤等数据，也有农产品的加工、销售、流通、消费等数据，这些数据共同组成了一条完整的数据链，融合程度与模式需要由具体的场景类型和场景需求来决定。首先通过对相关领域进行调研或实地调查，精准识别应用场景需求，对于构建应用场景理论框架奠定基础。其次聚焦典型应用场景，探索数据融合模式和数据要素价值释放方式，如在现代农业等领域形成一批典型案例，细分场景类型、细分产业类型、细分数据类型，打造一系列数据产品和商品，为构建应用场景体系积累实践经验。之后系统总结12个领域的应用场景共性和特色，深入剖析数据融合模式的本质规律，拓展新的场景类型，并理论推演适合的数据融合模式。在此基础上，探索多场景组合的数据复用标准、数据融合模式和数据价值释放机理，建立数据与产业的二维矩阵，打造彰显“新模式、新应用、新业态”理念的数智化应用场景。

　　最后是探求数据融合治理体系。“强资源、大融合、广应用、善治理”的数据要素发展新格局基本形成。高质量的数据供给、立体化的数据融合模式、丰富的数据应用场景构成了数据融合治理体系的主干。数据融合生态体系涉及供应链、产业链、数据链、创新链、价值链等各种链条，正确处理好它们之间的关系及矛盾，是决定数据治理体系能否成功的关键。因此抓好治理体系的重点，必须把数据质量治理和数据安全治理摆在优先治理的突出位置，统筹推进数据资源体系，数据融合模式体系以及应用场景体系一体化治理，以期达到数据治理体系和治理能力现代化。在协同治理、敏捷治理、柔性治理等“善治理”理念的加持下，数据融合创新会更加繁荣，数据要素价值释放会更加充分，数字经济与实体经济会更加融合，实现经济社会高质量发展和可持续发展。

中宏网版权申明：凡注有“中宏网”或电头为“中宏网”的稿件，均为中宏网独家版权所有，未经许可不得转载或镜像；授权转载必须注明来源为“中宏网”，并保留“中宏网”的电头。