加快数据要素市场培育，激活数据要素潜能

我国已经正式实施《数据安全法》和《个人信息保护法》，为数字经济发展提供了底线保障。为加快数据要素市场培育，还需进一步研究推进数据确权、交易流通、跨境流动等相关制度法规制修订工作，厘清政府、行业、组织等多方在数据要素市场中的权责边界。同时加强理论研究和技术研发，为数据确权、互操作、共享流通、数据安全、隐私保护等提供有效技术支撑。

当前，打破信息孤岛、盘活数据存量是一项紧迫任务，特别是在政务数据领域，应逻辑互联先行，物理集中跟进，完善数据注册、分类分级、质量保障等管理制度和标准规范，在一定层级上构建物理分散、逻辑统一、管控可信、标准一致的政务数据资源共享交换体系，在不改变现有信息系统与数据资源所有权及管理格局的前提下，明晰责权利，确保数据资源高效共享和利用。鼓励在有条件的地区开展数据要素化的探索性实践，鼓励数据运营加工的新业态尝试，以市场化方式推进数据要素市场培育。

2021年，福建省福州市鼓楼区西河智慧体育公园向公众开放。公园内设置30台智能竞赛健身车、椭圆漫步机、体质监测器、智能健身驿站等智慧健身设备，采用太阳能供电，市民锻炼时可看到时间、步数、卡路里等数据，有效提升市民参与运动的互动感和热情度。

推进各行各业的数字化转型。习近平总书记指出，数字经济具有高创新性、强渗透性、广覆盖性，不仅是新的经济增长点，而且是改造提升传统产业的支点，可以成为构建现代化经济体系的重要引擎。当前，信息技术已从助力其他行业提质增效的“工具、助手”角色，转向“主导、引领”角色，深入渗透各个行业，对其生产模式、组织方式和产业形态造成颠覆性影响。然而，面对数字化转型的要求，一些企业却存在“不想、不敢、不会”的“三不”现象。

大数据治理时代，由于算法似乎越来越具有自主的、难以控制的力量，带来了监视一切、预测一切的可能，容易引发公众的信任危机。

但刘永谋告诉《中国科学报》，在已经展开的大数据算法与社会信任之间的博弈中，公众并非是完全被动的。

上海交通大学科学史与科学文化研究院助理教授沈辛成在《人工智能与价值观》一书中分享了一个案例。

早在2014年，亚马逊开发了一套人力资源管理系统。这套系统用人工智能来分析筛选求职简历，通过给求职者打分，在一百份简历中筛选出“最好”的五位，直接录用。

但一年以后问题就出现了，这套算法工具基于的数据是亚马逊此前十年的员工资料，基础数据本身存在性别不平衡，于是算法分析归纳后得出了一个带有偏见的结论：男员工比女员工更可靠。

缺陷一经暴露，立刻引起了人们的道德不适，引发了社会的强烈质疑和反思。而这种公共情绪和舆论反抗，也随之产生了积极的意义。

亚马逊的“翻车”使得这项技术停止在公司使用，还有咨询公司在相关报告中提出了技术改进方式，比如，不向算法提供员工个体生理、文化属性等，避开带有倾向性的价值判断。

对于新出现的技术与应用，政府需要有比较深入和准确的了解，需要对它的社会影响有比较全面的评估。要达成这样的目标，学界可以发挥很好的沟通和桥梁作用，还可以为企业在商业视角之外提供一个更为全面和客观的社会视角。

不过，就现状而言，他也指出，“第一是科技企业没有对外开放，第二是学界对这些领域的研究还不太重视，不认为这是他们的责任。

其实，很多新问题是理论创新的源泉。无论是理论创新还是解决实际问题，这样的研究都非常值得去做”。

数据质量，面向数据管理和使用人员，通过配置各类数据稽核规则实现对数据规范性、完整性、及时性和准确性等方面进行严格的监控，保障数据质量，形成由问题发现、问题分析、问题跟踪处理，到质量知识沉淀的全链路数据质量审计体系。

数据质量管理模块支持源端/数仓各层数据生命周期全过程的质量管控，事前、事中、事后全覆盖，嵌入数据设计开发运维过程中;采用可视化、批量配置、自动质量推荐等手段，通过质量策略的定义与管理，降低质量规则配置的复杂与繁琐;质量规则全，支持实例数据与元数据的稽核，支持规范性、及时性、完整性、一致性、准确性、逻辑性、自定义等类型的质量规则配置;低碳化质量稽核，智能化规则合并，降低质量管理的资源消耗。

数据安全，面向数据管理和使用人员，通过对数据进行资产梳理、分级分类、数据打标，提取通用的数据安全防护策略，帮助数据运营者摸清数据家底、简化授权流程、细化数据访问粒度、建立完整数据隐私保护、实现数据访问行为审计，提供全面的数据安全事件分析报告，构建起大数据平台数据全生命周期安全防护体系。