数字经济的发展，离不开大数据产业基础。中国要综合运用互联网、大数据、人工智能等技术，发挥数据的最大作用，有效促进政府治理体系和治理能力的提升。
当前，以大数据、人工智能、区块链等为代表的信息技术变革日新月异，我国相继印发<<国家信息化发展战略纲要>>和<<促进大数据发展行动纲要>>，国内科研院所与地方企业相关研发应用蓬勃发展，国内互联网企业巨头抓住机遇，在大数据建设方面成为弄潮儿。在这种情况下，我国大数据建设能否借势发力，提质增速？
就目前我国大数据的情况来看，尽管取得了一定成绩，但是依然有些问题待解。
首先是认识问题。相当一部分机构和人员认为，发展大数据就是安装服务器和摄像头，一旦部门认为建好，就各自为政、万事大吉。这其实是把大数据发展带入了误区。
贵阳大数据交易所执行总裁王叁寿告诉记者，其在参与超过60个地区（省、自治区、直辖市、地级市）的数字经济建设进程中发现，并不是所有城市在开展大数据产业建设时充分理解大数据。大数据产业分为六大板块：数据源、大数据硬件支撑层、大数据技术层、大数据应用层、大数据衍生层、大数据资产运营。“数字经济的发展，离不开大数据产业基础。理解了中国大数据产业的细分板块，在发展数字经济的道路上就不会走弯路。注重数据源开放融合、设置大数据硬件支撑、研发大数据场景、落地大数据应用、发展大数据衍生服务、路径化大数据价值释放，都是发展数字经济的必要步骤。”
王叁寿称，我们对于数据资产的管理水平还有待提高。当前，我国数据建设与数据应用存在一定程度的脱节。一方面，数据体系要素多、头绪杂，数据量大而繁琐，需要采集什么数据、数据采集了有什么价值等问题一直困扰着数据建设者。另一方面，在一些教学科研单位，建模与应用研究虽然紧跟世界前沿，但没有大量真实、新鲜的数据做支撑，在很大程度上制约了大数据建设的发展步伐。
着眼应用需求牵引，倒逼数据建设。阿里巴巴、腾讯、百度、京东等企业的大数据建设之所以能够不断超前，主要是因为有具体应用需求的牵引，并能够迅速转化为成果效益。数据建设不是最终目的，对数据的高效合理利用，才是其最终归宿。应以模拟仿真、方案推演、能力评估、需求预测等具体应用需求为牵引，建立相应的反馈与激励机制，让数据应用需求倒逼数据建设，数据建设与应用有机融合，进而形成良性循环。
以金融行业为例，金融行业的数据资产管理仍存在数据质量不足、数据获取方式单一、数据系统分散等一系列问题。首当其冲的是金融数据质量不足，主要体现为数据缺失、数据重复、数据错误、数据格式不统一等多个方面。与此同时，金融行业数据来源相对单一，对于外部数据的引入和应用仍需加强。另外，金融行业的数据标准化程度低，分散在多个数据系统中，现有的数据采集和应用分析能力难以满足当前大规模的数据分析要求，数据应用需求的响应速度仍不足。
与此同时，行业标准和安全规范仍待完善。金融大数据缺乏统一的存储管理标准和互通共享平台，在个人隐私的保护上还未形成可信的安全机制。顶层设计和扶持政策还须强化。体现在金融机构间的数据壁垒较为明显，各自为战的问题突出，缺乏有效的整合协同。同时，行业应用缺乏整体性规划，分散、临时、应激等特点突出，信息价值开发仍有较大的潜力。数据共享也是个问题。大数据的应用，前提是要有大数据，而对很多金融机构而言，并没有所谓的大数据，何谈应用呢？
一般来讲，盈利性质的商业公司和企业都不会轻易泄露自己的数据、建模方法和分析过程，这个无可厚非，但客观上便产生了一种效果，几大互联网巨头变成了数据黑洞，用户的数据进得去、出不来，可以为企业自身而用，但不能为整个行业或社会而用。此外，散落在税务、公积金、海关、工商等领域的数据梳理和整合，也是漫长的过程。而就政府数据而言，需要纠正的是，不是在所有部门平均用力、全面铺开大数据应用就是最好的资源分配方式，也不要以为大数据高科技只适合于解决大问题。
王叁寿认为，应该用大数据解决小问题，实现一点一滴的应用，逐渐才能形成波涛之势。通过充分挖掘数据价值、精准落地大数据应用，使政府数据价值最大化，使大数据应用持续发挥服务政府监管、服务经济转型、服务民生福祉的作用。在一个领域纵深潜下去。以九次方大数据研发的气象大数据为例，挖掘出除天气预报服务之外的另外三种价值：可用于指导农业生产，农民不再看天吃饭；可用于指导金融行业，全球很多炒农业期货的公司，都会购买气象数据；星云数据甚至会协助保险业产生价值预测和判断——从气象大数据入手，推动了农业、金融业、保险业等多行业实现预警、预测、智能分析、辅助决策。
清华大学党委常务副书记姜胜耀日前指出，中国要建立政府治理科学决策体系，使得跨行业、跨部门、跨领域的大数据得到深度融合，并综合运用互联网、大数据、人工智能等技术，发挥数据的最大作用，有效促进政府治理体系和治理能力的提升。
目前，中国还不是数据强国，如何运用数据资源助力政府科学决策、助力经济持续发展、助力社会全面进步，是当前面临的重要任务。
