數據是一種客觀存在，是關于事物的事實描述，可通過測量、記錄、發(fā)現等方式去獲得。數據具有無限性、易復制性、非均質性、易腐性和原始性五個特征。數據和信息至關重要，但當下有三道難題困擾著數據健康有序發(fā)展，即數據確權、數據交易和數據要素，一起來看看文章的具體分析吧！

“數據是新石油”（Clive Humby，2006）。如果一定要找出一樣，數據最像的還真是石油。兩者都是重要的戰(zhàn)略資源，都是驅動世界的動力。但數據只是數據，它不是其它任何東西。

一、五個特征

數據是一種客觀存在，是關于事物的事實描述，可通過測量、記錄、發(fā)現等方式去獲得。數據具有無限性、易復制性、非均質性、易腐性和原始性五個特征。

1. 無限性

與實物不同，數據不會因使用而耗盡，反而是因使用而產生，會不斷被創(chuàng)造，會越來越多。“數據將成為最基本的客觀產物，無論做什么，我們都在產生數據”（Paul Sonderegger，2017）。根據DASA R&T《2016-2045年新興科技趨勢》，全球新產生的數據量大約每兩年翻一番。這堪稱大數據摩爾定律，數據大爆炸是必然。

2. 易復制性

數據可以快速地以近乎零成本的方式進行復制，可供多人同時使用，可多次循環(huán)使用，一個人的使用可以不排斥和妨礙別人對其使用，不同人之間在使用上不存在直接的利益沖突。易復制性使得數據具有一定程度的非競爭性和非排他性，但數據不是公共品，有公共數據、企業(yè)數據和個人數據之分。

3. 非均質性

《潛伏》中謝若林有句話：“現在兩根金條放在這兒，你告訴我哪一根是高尚的，哪一根是齷齪的？”這說明了一個道理——金條是均質的，兩根金條有著同等的價值表現。均質性普遍存在，例如出廠的商品、油電氣等能源。而數據是非均質的，一比特數據跟另一比特數據所包含的價值完全不同，同一份數據對不同人的價值也不一樣。正如王欽敏（2023）所說：“數據價值因使用對象而異，因應用場景而異，因專業(yè)化數據質量標準而異?！?/p>

4. 易腐性

數據是一種易腐品，會隨著時間的流逝而迅速貶值。根據IBM（2015）數據，60%的非結構化數據在幾毫秒內就失去真正價值。這意味著，數據的價值很大程度體現在時效性上，超過一半的數據在產生的那一刻就不再有價值，我們可稱之為“一秒鐘定律”。能得到分析處理并產生實際效用的數據則更少。全球90%的數據從未得到分析使用（IBM，2015；DASA R&T，2016）。2020年被創(chuàng)建或復制的數據中，只有不到2%被保存并保留到2021年（來源：IDC）。

5. 原始性

數據是原始的，本身并沒有意義，只有對它進行處理分析，才能轉變成對人們有用的信息。如果說數據是新石油，那么分析就是內燃機。信息是數據提煉后的產物；信息經人腦加工后形成知識，知識具有主觀性；數據、信息和知識是歷史的，而智慧是關于未來的，是人們運用知識做出決策和判斷的能力。

對數據、信息、知識和智慧之間的關系，福特漢姆大學Zeleny教授（1987）提出了DIKW金字塔模型（如下圖所示），從底層到頂層依次是：

1. 數據（Data）：Know nothing，一無所知；
2. 信息（Information）：Know what，知道是什么；
3. 知識（Knowledge）：Know how，知道怎么做；
4. 智慧（Wisdom）：Know why，知道為什么。

圖 DIKW金字塔模型

二、三道難題

一個人和周圍人的差距主要在于掌握信息、理解信息和運用信息的能力不同。數據和信息至關重要。但當下有三道難題困擾著數據健康有序發(fā)展，即數據確權、數據交易和數據要素。我們要迎難而上、敢于作為，以極大的勇氣和智慧破解一切困難。

1. 數據確權

關云長身在曹營心在漢。對物理存在的身體之歸屬，我們比較容易判斷；而內心和靈魂是縹緲不定的，具有不確定性、隱秘性和多元性，不乏同時屬于多個主體的情況。數據與之類似，人們很難清晰判定它屬于誰，很難對其進行有效的物理切割和合理的權利分配。確權的復雜性與數據本身的特征有關，也與權利主體的多樣性有關。數據鏈條涉及多個參與者，他們缺一不可且無法單獨發(fā)揮作用，具有不同的訴求。加之，數據的價值密度低，所產生的效益難以清晰衡量，這使得數據確權的成本極高。

2. 數據交易

交易是一種互利互惠的行為，是人類社會中最具自發(fā)性和最具積極性的活動。唯有雙方都從中獲益，交易才會發(fā)生。對數據而言，交易則是一個難題。聯合國貿發(fā)會議（2019）指出：“數據具有重要的使用（或濫用）價值，但不像大多數經濟商品那樣具有交換價值?！爆F實中的交易一般具有明確的價格，是可重復、可預期的。例如，商店把明碼標價的奶茶重復售賣給不同的消費者，消費者獲得的效用是可預期的——止渴、美味、社交。數據非均質、價值不易衡量、定價困難、預期效用難以管理、有“搭便車”風險……這都是數據交易中要面對的問題。

3. 數據要素

生產要素是人們用來生產商品和勞務所必備的基本資源。它促進生產，但不會成為產品和勞務的一部分，也不會因生產過程而發(fā)生顯著變化。新古典學派創(chuàng)始人馬歇爾在其名著《經濟學原理》（1890）中提出了生產要素四元論，即土地、勞動、資本和企業(yè)家才能。梅宏院士指出（2023）：“把數據確立為重要的生產要素是中國的首創(chuàng)?！比欢诮洕鷮W上定義數據生產要素是一件困難的事情，尚未看到有影響力和說服力的成果，迫切需要經濟學家們加緊研究。

三、避免大數據自大

提起數據挖掘的經典案例，很多人會想到“啤酒加尿布”和谷歌流感趨勢。實際上前者是一個故事，早在1992年就已出現，并沒有真正發(fā)生過；后者曾提前預測出流感到來，不過因后來的準確性太低而早已被關閉。

數據的重要性毋庸置疑。人們喜歡在“數據”之前加一個“大”字，以彰顯非同尋常。人們也時常陷入“大數據自大（big data hubris）”的誤區(qū)。數據能解決很多問題，但有局限性，通過數據難以預測突變。一只歲月靜好的豬，無法通過既往數據預測出春節(jié)的黑天鵝；馬車的出行數據，可以使人們獲得“一匹更快的馬”，但不能使人們發(fā)明出汽車。數據是企業(yè)的競爭優(yōu)勢，但不是萬能的。一個好的APP不會因有歷史數據就能高枕無憂，它時刻受到創(chuàng)新者的挑戰(zhàn)，只能“各領風騷僅幾年”；創(chuàng)業(yè)者哪怕沒有數據、沒有積累，也可以推出創(chuàng)新產品，獲得用戶，取得成功。從這個角度上說，沒有數據也不是不行。

大數據時代，“要相關，不要因果”被奉為圭臬?！瓣P鍵是人的分析推理找出為什么兩件事物同時或相繼出現，找對了理由才是新知識或新發(fā)現的規(guī)律，相關性本身并沒有多大價值”（李國杰，2015）。只信“數”不如無“數”。我們要綜合運用實驗觀察、邏輯演繹、歸納提煉等科學方法，探究事物之間的關系和規(guī)律，才能挖掘出有價值的信息和結論。

我們重視數據，根本上不是因為數據本身重要，而是尊重客觀世界和客觀規(guī)律的實事求是精神重要，數據即事實。正如李國杰院士（2015）所言：“重視數據就是強調用事實說話、按理性思維的科學精神?！?/p>