【数据治理】解锁数据要素，驱动数据深度治理（文末附下载）

　　数据要素是指在信息化时代，用来组成信息系统的各种数据单元，包括数据项、数据记录、数据文件等。数据要素是信息化时代的重要概念之一，它们的组合和使用可以实现信息的传递、共享、处理和应用。

　　在过去的计算机应用中，数据要素往往是由程序员或数据库管理员定义和构建的，这需要一定的专业知识和技能，并且缺乏灵活性和可扩展性。随着信息技术的不断发展，以及大数据、人工智能等新兴技术的兴起，数据要素的概念逐渐得到了广泛应用和推广。

01 数据要素的定义

　　数据要素是指为参与社会生产经营活动、为使用者或所有者带来经济效益的数据资源，是与土地、劳动力、资本、技术等并列的生产要素之一。数据要素可划分为供给、流通、应用三大环节，覆盖数据采集、数据存储、数据处理加工、数据流通、数据分析、生态保障等环节。

　　 数据采集 是数据要素市场的基石。企业在经营过程中，需要针对不同的数据类型进行采集，并进行分析处理训练。企业数据采集主要包括内部数据采集、外部数据采集和定制化数据采集等=种类型。

　　 数据储存 是指企业在完成数据采集环节后，需对有价值的数据进行有效存储，以便进一步对数据进行加工和处理。在进行数据存储过程中，企业主要会从数据敏感度、数据时效性、企业硬件水平等维度考虑，选择不同的数据存储服务。现阶段，我国数据存储主要包括公有云、私有云以及混合云等方式。

　　 数据加工 是指对企业采集和存储的数据进行筛选和处理，提高数据可用性，为数据资源的挖掘和分析奠定基础，主要包括数据清洗、数据标注、数据审核以及数据融合处理等方式。

　　 数据流通 在提升公共决策效率、扩展商业应用场景等方面有着显著的作用。数据流通根据技术方式的不同，可以分为数据开放共享、数据交易、API技术服务、“数据可用不可见”模式、“数据可算不可识”模式、数据跨境流动等形式。

　　 数据分析 主要是指最大化地开发数据的功能，发挥数据的作用。从数据来源来讲，主要包含内部数据分析和外部数据分析。

　　 数据标准化： 数据要素可以通过固定的规范和标准方式进行定义和组织，使得不同数据源之间可以进行有效的交互和对接，从而实现数据的标准化和统一。

　　 数据可管理： 在信息化应用中，数据量越来越大，需要有效地管理和处理。数据要素将数据的各个方面进行分解和组合，可以更加精细地管理和控制数据，提高数据的有效性和安全性。

　　 数据分析： 数据要素包括了数据的各个单元，这些单元之间可以自由组合和转换，从而实现数据的分析和应用。通过对数据要素的组合和处理，可以挖掘数据的价值和潜力，帮助企业和组织做出精准的决策。

　　 数据共享： 数据要素的定义和组织可以实现数据的共享和交流，在不同的系统和平台之间实现数据的无缝对接，从而方便用户获取和使用数据，减少重复投入。

　　 规范和标准化数据： 数据要素实现数据的统一和规范化，提高数据质量和可靠性。

　　 提高数据管理效率： 数据要素可以帮助管理员更加精细地管理和控制数据，提高数据的管理效率和安全性。

　　 促进数据分析和应用： 数据要素的灵活组合和处理，可以实现数据的更加深入的分析和应用，帮助企业和组织做出精准的决策。

　　 促进数据共享和交流： 数据要素的标准化和规范化，可以实现数据在不同系统和平台之间的共享和交流，促进信息的互通和流通。

　　2019年10月，十九届四中全会首次将数据列为生产要素。

　　2020年4月，中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》明确将数据列为五大生产要素之一，强调要加快培育数字要素市场；

　　2022年12月，《国务院关于构建数据基础制度更好发挥数据要素作用的意见》发布，提出加快构建数据基础制度体系，从数据产权、数据要素流通和交易、收益分配、安全治理等方面提出二十条政策。我国数据要素制度体系逐渐完善，数据要素市场加速构建。

　　数据要素是数字经济的重要组成部分，数据要素在我国经济中发挥着越来越大的作用。当前，在国家政策引领、地方试点推进、企业主体创新、关键技术创新等多方合力作用下，我国数据要素市场不断探索和创新。随着数字要素和数字经济发展动能加速释放，预测2024年行业整体将进入群体性突破的快速发展阶段。

　　中国信通院《数据要素白皮书》探讨数据要素理论认识，聚焦数据要素探索过程中不断涌现的新模式、新业态、新热点，基于业务需求支撑数据要素发展的技术体系。期望研究成果能为社会各界进一步参与数据要素实践探索提供有价值的参考。