論數據要素資產化發展中的數據質量

周志凱，張 超

（杭州數政科技有限公司，浙江 杭州 310012）

1 數據質量在數據要素資產化發展中的作用

1.1 數據要素的內涵和特征

2020年3月，國務院印發的《關于構建更加完善的要素市場化配置體制機制的意見》將數據正式納入主要生產要素的范疇，數據與土地、技術、勞動力、資本并列為生產要素。數據成為我國新型生產力，提升數據要素質量，發揮數據要素價值，培育數據要素市場，對于我國經濟高質量發展具有重大意義[1]。

數據要素具有如下特征：

（1）非排他性。排他性是指當一個主體在使用一個生產要素時，其他主體就不能同時使用。對比傳統的生產要素，數據具有非排他性的特征，即數據可以被多個主體同時使用[2]。

（2）時效性[3]。與傳統生產要素相比，數據要素具有較強的實時性。在一定時間內，數據是一種的資源，而過了特定時間點后，該數據可能就不是資源或者使用價值大幅降低。

（3）強滲透性[4]。數據要素與傳統生產要素相互滲透融合，發揮全要素生產的乘數作用，推動國民經濟發展。數據要素憑借其高度的流動性、無限的供應量，輻射到各生產部門，與傳統生產要素結合。數據要素結合互聯網技術，與其他傳統要素相互補充，提升傳統生產要素使用效率，對經濟增長產生乘數作用，為經濟發展注入新動能。

1.2 數據質量在數據要素資產化發展中的作用

目前，數據已經成為我國國民經濟發展的戰略資源，數據的質量在數據要素的資產化發展中起到關鍵的作用。數據要素形成資產必須基于一個重要前提：數據質量。高質量的數據是數據要素產生價值的基礎，數據要素的質量高低決定了數據的價值大小。只有確保數據的質量規范，才能進一步促進數據要素的價值形成，并逐步推動數據要素的資源化，在數據要素形成資源化的基礎上，才能逐步達成數據要素的資產化。數據質量的好壞直接決定數據的價值，沒有高質量的數據，數據的價值將無法確認，無法確認價值的數據就無法形成數據資源，進而數據要素的資產化發展將無法形成。

2 數據要素資產化發展中存在的數據質量問題

2.1 數據質量問題對數據要素資產化發展的影響

在微觀層面，數據質量的不合格將導致企業作出錯誤的數據價值分析，進而造成經濟損失。在中觀層面，低質量的數據將會對產業內的主體造成數據要素價值的傳導錯誤。在數字經濟快速發展的背景下，各個行業中產生的數據規模持續增長，但這些海量的數據因其質量問題，無法真正發揮數據本身的價值。在宏觀層面，低質量的數據將會制約國家的經濟發展。國家頂層缺乏統一的數據標準規范，各行業數據質量存在較大差異，使得國家宏觀層面決策分析數據時需要大量預處理，甚至某些國民經濟的運行情況無法被準確評估，無法有效助力國民經濟穩健發展。

2.2 數據質量問題產生的原因

2.2.1 技術層面的原因

在技術層面上，由于企業和政府不同主體采用的數據庫系統在技術設計上存在問題，導致了數據質量問題。具體表現為以下3點：

（1）頂層設計本身存在缺陷，導致數據源本身就存在質量問題；單數據源實例層的重復冗余、數據空值問題；多數據源模式層的命名沖突；多數據源實例層的時間不一致、數據重復問題。

（2）針對元數據、主數據等方面的規范設計，各行業、企業存在差異性，導致多源數據歸集到一起時，所呈現出的數據質量存在較大紕漏，需先行進行預處理。

（3）整個行業上，針對數據層存在大量的工具和平臺，各大廠商也均有自行開發的非開源項目，平臺本身也存在兼容性、時效性、及時性問題，所產生的業務數據從結構上存在差異、造成業務上不精準。

2.2.2 流程層面的原因

在流程層面上，由于企業和政府不同主體在業務流程中存在錯誤，導致了數據質量問題。主要表現為以下幾點：

（1）數據的創建過程中，因為數據錄入不規范，導致了數據的不完整。

（2）數據的傳輸過程中，由于數據傳輸對接、傳輸文件格式錯誤存在缺陷，導致了傳輸文件無法識別、傳輸數據缺失。

（3）數據的加載過程中，由于數據抽取流程不規范、轉換流程存在缺陷、數據加載流程錯誤，導致了數據的丟失、無效。

（4）數據的使用過程中，缺乏標準流程管理，導致了數據的不準確、不一致。

2.2.3 管理層面的原因

在管理層面上，由于企業和政府不同主體存在管理機制方面的不完善，造成了數據質量問題。主要表現為以下3點：

（1）缺乏數據管理意識。管理層缺乏數據思維，對于數據管理存在認知問題，沒有明確的數據管理規劃，沒有全員參與管理的意識，導致數據管理割裂。

（2）缺乏統一的管理規劃。管理層內部缺乏統一的數據管理規劃，沒有明確的數據質量目標，沒有制定規范的數據質量相關制度。

（3）缺乏專門的數據管理部門。管理層內部缺乏專門的數據管理部門，沒有建立管理數據質量的專門機構，出現數據質量問題后無專人負責。

3 數據質量問題的解決途徑

3.1 構建數據治理體系框架

以往單純依靠技術手段，以建設系統的方式難以有效解決數據質量問題。構建多層次的數據治理體系并保持治理體系長期運營是解決數據質量問題的有效途徑。

數據治理體系是一個多主體參與的、復雜的系統工程，應采用規劃先行的原則，制定合適的治理戰略和體系框架，選擇可行的技術方案和實施工具，明確數據治理的工作機制和工作內容，穩步推進數據治理各個階段工作。

多層級的數據治理體系的框架，包含了企業的戰略、治理流程、治理技術和數據生命周期管理等8個部分。

3.2 數據治理體系是解決數據質量問題的有效途徑

數據治理體系是一個多主體參與的、復雜的系統工程，涉及企業和政府的管理層的頂層架構設計、數據流程體系與數據技術標準體系和管理考核體系等多方面的工作。一個完整的數據治理體系應該由企業和政府的管理層面制定清洗的頂層設計和規范合理的治理制度，治理體系還需要高層領導的大力支持和推動，技術層面保持治理技術的不斷更新迭代，業務層面需要制定規范的業務流程，培養所有參與主體的數據管理思維和全員參與數據治理的意識。

建立“技術—流程—管理”三層級的數據治理體系是提升數據質量的有效手段。在技術層面上，建立業務協同、規范數據質量，提升部門數據處理和分析能力；在流程層面上，優化業務流程，建立業務協同機制，規范人員操作；在管理層面上，制定清晰的頂層設計和規范的管理制度、強化全員參與的數據治理思維。通過建立三層級的治理體系，有效提升數據要素的質量。

3.2.1 在技術層面上，使用迭代的治理技術提升數據質量

（1）針對頂層設計層面的問題，需要開展自上而下的系統工程，盡量與行業標準規范保持一致，統一應用數據標準規范，從源頭上進一步提高數據質量。

（2）針對數據源本身的問題，數據治理體系中的數據清洗系統是解決多源異構數據標準不一問題的有效途徑。在數據庫中利用數據清洗技術，依據定義的清洗規則對問題數據進行更正。

（3）針對平臺差異性，在開展平臺新建或擴容時，盡量選用同一體系架構的工具和產品；針對實時性問題，通過數據采集系統，使用實時數據分發服務（DataHub）對各類數據進行持續不斷的采集，并通過更多的大數據實時計算能力工具，提高數據的處理能力，加強數據傳輸時效性。

3.2.2 在流程層面上，構建規范的業務流程提升數據質量

（1）針對數據創建流程問題，一方面，強化數據的創建流程管理，從數據的創建源頭管理好數據質量；另一方面建立數據全生命周期的全流程監控，對數據的新增進行審核，并對流程全程跟蹤。

（2）針對數據的傳輸流程問題，標準的傳輸流程可提升數據質量。在業務部門與技術部門進行數據對接時，參照數據傳輸規范明確數據對接需求，建立數據對接清單。

（3）針對數據的加載流程問題，通過規范的數據庫質量規則，在數據庫進行數據抽取-轉換-加載流程時，嚴格執行數據庫質量規則，并建立全流程跟蹤監控。

（4）針對數據的應用流程問題，構建全流程監控機制。在每個應用流程中設置管控點，明確每個管控點的管控目標，強化數據質量預警機制。

3.2.3 在管理層面上，制定合理的管理制度提升數據質量

建立專業的數據管理體系和制度，明確數據管理的權責，制定數據問題的管理流程，規劃企業的數據治理戰略和實施路徑，分解數據治理體系各階段工作的目標，建立標準的考核機制，培養全員參與數據管理的數據思維。

在數據治理體系的建設過程中，由企業的管理層作為牽頭部門，技術部門和業務部門要做好相應的權責分工。

4 對數據要素資產化發展的展望

4.1 加快建立數據要素的權屬規則

未來，需要進一步建立明確的法律規則評估數據要素的權屬關系，明確可交易數據的范圍，確保數據產權清晰和確保數據要素的交易合法合規。

4.2 完善數據要素交易活動規則及交易市場建設

政府部門和立法機構加快建立數據要素市場配置中的交易定價機制，規范評估數據要素價值的標準，制定數據要素資產定價的工作機制。推動數據交易的標準化工作，對數據質量、交易合同文本、數據定價機制等制定統一的技術標準或參考規范。

4.3 加快強化個人隱私、數據信息安全法律法規

在國家層面，需要加快制定個人信息安全保護的相關標準，制定個人信息的分級分類標準，明確相應級別的保護措施。在企業層面，需要強化隱私條款政策的規范。企業需要明確告知用戶收集的個人信息類型、使用目的和使用范圍。