论文部分内容阅读
摘 要：当前，大数据已成为国家基础性战略资源和无形资产，“数据边疆”“数字主权”在大国博弈中的重要作用越来越突显。我国积极推行大数据战略，抢占大数据发展先机，谋求数据新规则制定的话语权。要确保大数据战略顺利实施，促进大数据产业健康有序发展，必须构建以产业、技术、安全、人才、伦理等为基础的支撑系统，同时，还要充分发挥中国的制度优势、组织优势、资本优势、人力优势，从制度、组织、资本、人才等方面构建大数据战略实施的保障体系。这对于维护我国“数据边疆”的安全具有极其重要的意义。
关键词：大数据战略;支撑系统;保障体系
《货币战争3——金融高边疆》中阐述了主权国家边疆的概念，不仅仅包括陆疆、海疆、空疆所构成的三维物理空间，还包括新的第四维边疆即“金融边疆”。而在大数据时代，数据主权越发突显，形成了第五维边疆——“数据边疆”，因此，“数字主权”已是继边防、海防、空防、货币边疆之后，第五个大国博弈的空间。从“斯诺登棱镜门”到“2014年谷歌在欧洲四面楚歌”再到“Facebook数据泄露门”，似乎暗示着人类已置身于一个“全面监控”的时代，全球数据洪流给国家之间原本封闭的疆界和国家安全带来前所未有的冲击，国家主权面临诸多新的威胁与挑战。在中美贸易摩擦的背景下，美国动用国家政治强权以国家安全为由，禁售或限制出口高技术、高门槛的软件与芯片等零部件，并封杀或打压中兴、华为等中国公司。美国通过消除贸易逆差的幌子对“中国制造2025”的“芯片产业”进行精确打击。芯片作为处理海量信息、人工智能以及自动化的源头，如同石油一樣成为“中国制造2025”的战略物资。大数据战略安全保卫战似乎已经从“软体”战线延伸到了“硬件”战线。面对大国间在大数据领域的激烈角逐，要争夺产业制高点，我国需要构建大数据战略的支撑系统与保障体系，以确保和推进大数据战略的顺利实施。
目前，大数据的重要性已经得到普遍认可，但由于科技企业、研究学者、数据分析师以及技术从业者对大数据的关注角度不同，对大数据的定义仍有不同的看法。通常，大数据是指在规定的时间内传统IT技术和软硬件工具无法感知、获取、管理和处理的数据集[1]。早在2001年，Gartner公司分析师Doug Laney在一份研究报告中就已经用3V模型对大数据的概念进行了定义，认为大数据拥有海量的数据规模（Volume）、快速的数据流转和动态的数据体系（Velocity）、多样的数据类型（Variety）[2]。Apache Hadoop（2010）将大数据定义为“普通计算机无法捕获、管理和处理的数据集”。根据这个定义，全球咨询机构麦肯锡公司（2011）在《大数据：下一个创新、竞争和生产力的前沿》研究报告中提出，大数据是那些无法被传统数据库软件获取、存储和管理的数据集。可以看出，数据集的数量及大小并不是大数据的唯一标准，而是越来越大的数据规模及其管理无法由传统的数据库技术来处理，这是两个关键特性[3]。在大数据研究领域具有影响力的国际数据公司（IDC）则认为：“大数据技术描述了新一代的技术和架构，旨在通过实现高速捕捉、分析，从海量数据中提取可利用的价值[4]”，这个定义中归纳了大数据3V特征外的另一特征，即巨大的价值特征（Value），且具有低密度性，大数据的4V特征得到业界广泛认可。此外，大数据同时具有DPP三大基本功能：描述（Descriptive），通过对数据的统计分析，描述数据表现出的现象与规律;规定（Prescriptive），利用历史数据建立分析模型和规范化的分析流程，实现对连续数据流的实时分析;预测（Predictive），通过对数据的深层挖掘，构建预测模型，实现对未来状态的预测[5]。
众所周知，大数据在稳增长、促改革、调结构、惠民生中扮演着越来越重要的角色，其在经济社会发展中的基础性、战略性、先导性地位逐渐突出，大数据将重构产业格局和国家治理格局，为中国的经济和社会发展提供巨大机遇[6]。关于国家大数据战略细分，《大数据战略实施的实践逻辑与行动框架》一文对国家大数据战略的实施框架做了较为详细的划分，从政府治理、经济发展、社会服务及其他领域对大数据战略进行了细分，形成了较为完整的框架体系[7]。2017年12月8日，习近平在主持中共中央政治局就实施国家大数据战略第二次集体学习时，深刻分析了我国大数据发展的现状和趋势，对实施国家大数据战略提出了五个方面的要求[8]，构成了国家大数据战略框架，涵盖了大数据产业、数字经济、大数据治理、大数据民生、大数据安全五大方面。一是推动大数据技术在各产业领域中创新发展。集中各行业的优势资源突破大数据产业链、价值链和生态链中的核心信息技术，构建自主可控的大数据技术框架。二是打造以数字为驱动要素的经济增长新模式。利用互联网、大数据、人工智能实现传统经济结构的供给侧改革，推动传统经济与数字经济融合发展，促进制造业向数字化、网络化、智能化方向发展。三是利用大数据技术实现国家治理现代化。利用大数据技术完善现有决策机制、社会治理机制，实现大数据技术辅助决策科学化、精准化、高效化。四是运用大数据技术保障和改善民生。推进医疗、社保、就业、住房、交通等民生领域内大数据技术的应用，深度开发各类便民应用，有效促进公共服务均等化，提升公众的生活质量和效率。五是保障国家核心产业领域数据安全。加强基础信息资源和基础设施的保护，增强数据安全的预警和溯源能力，强化大数据安全顶层设计，促进相关政策、监管、法律的统筹协调，加快法规制度的建设。
大数据战略的顺利实施需要建立在产业、技术、安全、人才、伦理等大数据战略支撑系统上，因此，必须发展与大数据相关的新产业和新业态，加强大数据关键技术的研发和应用，完善大数据隐私保护体系，推进大数据人才储备政策的保障和实施[7]，提升应对大数据伦理问题。构建大数据战略实施的支撑系统，对加快实施大数据国家战略，促进大数据产业健康有序发展，维护我国“数据边疆”的安全具有极其重要的意义。 （一）大数据产业支撑
大数据产业是指以数据生产、采集、存储、加工、分析、服务为主的相关经济活动，包括数据资源建设、数据软硬件产品的开发、销售和租赁活动，以及相关信息技术服务。目前，大数据受到发达国家的高度重视，美国、日本、法国、韩国、澳大利亚等国家为抢占大数据产业发展的制高点，相继启动了推动大数据产业发展的政策改革，将大数据产业纳入国家发展规划中，通过营造良好的大数据行业生态环境，使得大数据产业成为经济增长的新动力。
在我国，大数据产业战略无论是在社会认知、政策环境，还是在市场规模、产业支撑能力等方面也已经具有了一定的战略基础。从大数据产业的市场规模来看，目前，大数据以爆炸式的发展速度蔓延至各行各业，涌现出一批新型企业，形成了上下游企业互动、核心产业融合发展的产业布局，加之社会资本的青睐，日趋成熟的产业生态逐渐清晰。中国大数据的市场规模保持了高速增长态势，总体来看，大数据进入了从概念到实际应用的关键转折期。根据贵阳大数据交易所统计的数据显示（如表1所示），2018年中国大数据增长速度为67.93%，市场规模达到5907亿元，较往年增长速度相比是增长幅度最大的年份。这主要得益于产业生态体系迈入成熟完善阶段，大数据相关政策的落地实施，以及更多创新性政策的加快出台，推动了大数据产业发展环境进一步优化，促进了大数据融合渗透效应向更深层次延伸，使得大数据产业集聚和技术创新程度加深，提升了大数据产业价值链。未来4年内，大数据产业规模将持续增长，虽然增长速度有所下降，但随着各项政策及配套措施的落实，到2020年中国大数据产值预计将达到13 626亿元。
从大数据产业分布格局来看，我国大数据产业聚集效应显著，聚集程度呈现出由东部沿海地区向西部内陆地区逐渐递减的阶梯状发展趋势。各地方政府为响应落实国务院发布的《促进大数据发展行动纲要》，加速了大数据融入经济社会各个领域的步伐。2015年9月，贵州启动全国首个大数据综合试验区建设工程。2016年10月，第二批获批建设国家级大数据综试区的省份名单正式发布，包括两个跨区域类综试区（京津冀、珠江三角洲），四个区域示范类综试区（上海、河南、重庆、沈阳），一个大数据基础设施统筹发展类综试区（内蒙古）。随着国家第二批大数据综合试验区的公布，包括第一批的试验区在内，国内一共有8个大数据综合试验区，将共同引领东部、中部、西部、东北地区等“四大板块”的大数据产业发展，实现数据共享、区域内协同发展、产业转型升级。
从大数据产业的竞争格局来看，初步形成了以百度、阿里巴巴、腾讯以及京东等互联网巨头引领的产业格局，在大量用户的基础上，用以支撑自身的电子商务、金融、影视、广告等业务的发展，形成了国家大数据应用基础的领头羊。同时，在互联网产业O2O的趋势下，互联网企业逐渐将业务延伸到金融、保险、旅游、健康、教育、交通服务等多个行业领域，这极大地丰富了互联网企业的数据来源，促进了其数据分析技术的发展，进一步奠定了我国大型互联网企业在大数据领域的地位，同时也拓展了大数据分析在诸多行业的应用。
从大数据产业的发展定位来看，除了国家战略层面出台的相关政策外，各地方政府也相继出台了符合本地特色的大数据发展规划，积极谋划本地区的大数据产业发展。在各地方政府已经发布的政策文件中，有20多个省市级地方政府明确提出了本地区大数据发展定位（如表2所示），涉及面向全球、面向全国、面向区域等三个层面，分别包括资源聚集中心、产业中心、人才发展中心、创新创业中心、应用示范中心等五个不同类型。从表2中可以看出，对北京、上海、广东、深圳这些地区而言，大数据定位属于复合型的产业定位，以广东省为例，广东作为改革开放的前沿，制造业发展迅猛，在制造业领域从“机器换人”到“数据换人”，形成了“數据驱动”的制造业新模式。同时，广东又是信息产业高地，在信息产业领域内“独角兽”企业林立，企业的聚集效应产生了针对政府数据开放的内在动力和需求。而坐拥两个国家级超级计算机中心，又让广东的大数据产业拥有了数据处理技术的独特优势。这让广东省成为全国数据应用示范区和大数据产业创新聚集区，抢占大数据产业高地，建成国内国际具有竞争力的大数据综合试验区已有足够的资本积累。
（二）大数据技术支撑
大数据技术是实施大数据战略的重要行动支点之一。习近平指出，只有把核心技术掌握在自己手中，才能真正掌握竞争和发展的主动权，才能从根本上保障国家经济安全、国防安全。在决定互联网基础设施安全的自主芯片等核心技术领域，我们没有别的选择，必须走自主创新道路不可。当下，随着各国大数据战略开展，数据开放共享意愿逐步增强，大量的结构型和非结构型数据需要基于大数据技术才能实现数据的价值。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对大数据4V特征进行专业化的处理，因此，大数据技术的研发创新对于推动大数据战略的实施至关重要。
当前，大数据技术已经成为推动经济社会发展的新一轮信息技术革命的发动机。由于人口和经济规模决定了数据资产的规模，我国大数据拥有广阔的应用场景。目前，国家已经启动了大数据技术在各领域的研究，正在逐步构建自主可控的大数据技术产业链、价值链和生态链。同时，中国同美国一样经历着从“旧硬件时代”到“新硬件时代”的过渡阶段，以软件、互联网和大数据技术为基础的“新硬件时代”需要同以极客和创客为主的参与群体对技术进行研发，叠加“大众创业、万众创新”的时代号召，大数据行业作为朝阳产业、创新产业，展现了更为旺盛的生命力和吸引力。此外，大数据时代的技术开源特征对中国大数据技术战略的实施非常有利。到目前为止，尚未形成绝对的垄断技术，即便是美国这样的科技大国也同样是大数据技术的整合者。由于技术产业化才可以形成经济效益，因此，对大数据技术的研发创新成为我国目前最为迫切的问题之一。 从大数据技术的创新指数来看，技术创新仍是各地方政府关注的焦点，在全国31个省（市、自治区）中研发总指数达到了109.25，技术创新指数均值为3.52，处于技术创新指数平均值以上的地区共有13个省市（如图1所示）。不难看出，创新指数与各省市本身投入研发的资本规模呈正相关的关系，各省市在大数据技术研发创新方面的投入是推动大数据产业发展的核心引擎，也是各省市关注的焦点。无论从各省市技术创新指数上看还是从创新资本投入上看，大数据技术的研发呈现明显的阶梯状分布结构。第一梯队与传统ICT较为发达的地区较为吻合，这些地区有一定的技术积淀，具有一定的领先优势，有广东、江苏、北京、山东、上海、浙江6个省市，研发投入指数均超过6，总研发投资达到了46.71亿元，占全国投入的总比例超过了42.76%。第二梯队、第三梯队的研发投入占全国总比例达到57.24%，追赶第一梯队的步伐也在不断加快，有很大潜力进一步助推我国大数据技术研发创新发展。
（三）大数据人才支撑
产业升温催生人才紧缺，大数据发展的关键在于人才，任何社会和行业的变革都是以人才的变革为核心推动力[9]。目前，我国对于大数据人才供给的缺口达到150万人，到2025年人才缺口将会达到200万人[10]。由于大数据技术及其应用基本理念和技术框架源于西方，加之我国大数据技术起步较晚，造成了在数据平台运维与开发、数据分析、数据安全等领域专业技术人才的供需矛盾，对大数据人才的培养和引进，成为当前推动大数据产业发展迫在眉睫的重要问题。基于长期的人才战略考虑，国家正在大力推进大数据人才培养计划。根据教育部2016年至2018年期间公布的《普通高等学校本科专业备案和审批结果》分析，从2016年起为应对我国大数据“人才荒”的现状，我国高校创设了第一批“数据科学与大数据”本科专业，获批此专业的仅有3所高校，分别是北京大学、对外经济贸易大学、中南大学。截至2018年第三批公布的数据分析，审批通过设置该专业的学校数量从2016年的3所增长到2018年的285所，形成了涉及数学、统计和计算机等多个学科的完整的专业课程体系，进一步满足了市场对复合型人才的需求[11]。对于培养方式而言，政府通过倡导“产教融合”“校企合作”等方式创新人才培养模式，以中国人民大学协同五校启动的“大数据分析硕士培养创新平台”为例，由中国人民大学、北京大学、中国科学院、中央财经大学和首都经济贸易大学五所院校发挥各自在数据领域的特色和优势，组建了由计算机学科、统计学、经济与管理学科构成的大数据分析硕士培养创新平台，其培养方案采用联合授课的方式，实行双导师制，由校内导师和来自实务部门的校外导师进行立体培养，培养内容主要着眼于大数据的统计分析和挖掘技术。此外，为提升学生的产业应用能力，培养平台通过打造实训基地让学生嵌入企业场景学习空间、云计算/大数据项目实训资源和工程案例，培养学生的大数据价值实践能力。在师资力量方面，由人民日报社、新华社、中央电视台、中国移动、中国联通、中国电信等在内的一批有迫切需求的相关部门和企业，为大数据分析硕士培养建立实习基地，并选派实战经验丰富的企业师资与高校师资共同组成师资队伍实施教学[12]。
（四）大数据安全支撑
从技术安全方面来看，实施大数据安全支撑的根本之道在于实现信息产品、设备和技术的自主可控[13]。目前，中国信息基础设施使用的网络、软硬件产品大都建立在采用国外的核心技术基础上，“中兴危机”“华为风波”以及“5G网络标准之争”无疑给中国的大数据安全战略敲响了警钟。大数据时代对于信息的主导权，在于谁书写了规则，谁就掌握话语权。当前，为打破国外厂商对我国产业技术的垄断地位，国家应从产业层面上加大对信息类行业的扶持力度。政府在采购市场上立足信息产业环境的基本现状，以重点领域重要信息平台建设为突破口，推进国产芯片、国产操作系统、国产网络设备等软硬件大规模的应用，培育国产软硬件市场阵地，形成样板示范效应，逐步实现普通用户使用自主软硬件产品。在中央政府2018—2019年度的采购公告——关于服务器的采购技术标准征求意见中，公布的服务器产品采购类别有了较大的调整，在原有服务器等类别的基础上，增设了“国产芯片服务器”这一新的类别，其中包括龙芯CPU服务器、飞腾CPU服务器以及申威CPU服务器，国内相关企业迎来了政策红利。此外，各地方政府为应对大数据安全诉求，组建了具有地方特色的信息安全公共服务平台、大数据安全开发与治理中心、大数据实验室等机构，如贵阳市政府与阿里巴巴签订的协议就明确合作双方将在贵州建立省部级大数据安全联合实验室;四川省绵阳市人民政府与360企业安全集团正式签署战略合作协议，双方将在智慧城市、军民融合、大数据安全、网络安全人才培养等领域开展全面合作;中国移动通信集团公司为促进中国移动大数据业务健康有序发展，开展了大数据安全保障体系建设，制定了《中国移动大数据安全管控分类分级实施指南》和《中国移动大数据安全运营管理合规评测方法》;贵阳大数据交易所等机构起草的《信息安全技术大数据交易服务安全要求》，即将成为中国首个大数据交易安全国家标准，推动中国数据交易机构安全建设，促进数据交易行为合法合规，使得全国数据要素有序流通，释放数据红利，助力“数字中国”建设。
从个人隐私方面来看，大数据涉及深层次的伦理问题即用户的隐私权，这就使得个人数据安全保障变得更为迫切。由于多数互联网产品用户只有以让渡部分隐私为代价才能获取相关服务，这就造成了“隐私边界”正在加速模糊化、缩小化。尤其是隨着智能时代的来临，这种边界的模糊化、缩小化更为显著，伴随而来的是用户隐私的妥协，一个“智能=开放”的逻辑趋势正在逐渐显现。而“被遗忘权”的缺失，使我们在智能化时代处在一个前所未有的数据收集和监控之中，在大数据技术作用下传统可识别的个人信息范围被大大扩展，个人海量低密度价值的数据在大数据分析技术下呈现出鲜明的个人特征，原本多个单独不具有辨识性的信息，在大数据技术的整合下联结在一起变成了可辨识的信息，原本和隐私看似并不相关的信息在大数据技术的作用下也变成了隐私的一部分[14]。社会公众正在重新认识大数据时代对于个人隐私信息的保护问题，大数据的共享和开放意味着必须强化对数据的安全管理，强化对个人隐私的保护[7]，因此，我国加快了在个人信息安全领域的立法、修宪的进程，基本形成了围绕宪法为核心的民法、刑法、行政法相结合的法律构架。虽然并没有出台一部专门保护个人信息安全的主体性法律，但与保护个人信息安全相适应的法律却有很多（如表3所示），包括我国各法律体系对个人信息保护的法律规定及修改内容[14]。此外，个人信息安全不仅需要相关法律法规的保护，更少不了行业自律来维护公众的信息安全。由于数据产业不可避免地出现“寡头现象”，部分大企业所拥有的数据涉及众多用户的信息安全，这就更需要企业强化自律意识，维护用户信息安全。
构建大数据战略实施的保障体系，需要在明确大数据关键技术的基础上，发挥我国的制度优势、组织优势、资本优势、人力资源优势等，建立自己的科学体系、政策框架、法理体系、技术框架和人才队伍，形成具有中国特色的行业、技术、框架标准[15]，实现国家和国民经济发展中有重大需求领域的产业优势和技术优势。
（一）制度保障
大数据产业引发了包括新型经济关系、社会秩序等在内的全方位的大变革，现有的政策制度面临着日益频繁的“破窗性”挑战和“创造性破坏”[16]。中国大数据战略实施的制度保障内容涉及大数据产业发展过程中的多个环节，因此，大数据战略的制度保障应跳出单个组织或区域的边界，从营造国家大数据发展环境的视角来进行全面和系统的设计。其理论和经验证据表明，大数据产业的创新扩散受制于制度环境以及创新特点的影响，因此，大数据战略的制度保障体系应有以下四种制度安排：
第一，构建大数据开放共享机制。数据开放共享是大数据产业发展的前置条件，为培育、引进企业创造了良好的发展环境。因此，大数据战略实施需要制定公共数据资源共享管理制度，整合公共部门和私人部门数据资源，促进互联互通，提高共享能力，提升各类应用数据的一致性和准确性，对涉及各行业领域内的数据资源进行收集整合，并在法律规范和交易规则下，实现信息资源的开放共享。
第二，完善大数据交易机制和定价机制。尽管国内已经出现大数据交易机构，但是受制于政策法规、体制机制等诸多盲点与不足，数据交易主体仅限于少数企业之间，并未完全市场化。因此，基于大数据资产评估标准，在定价机制上，需要规范市场交易规则和程序[17]，积极开展面向应用的大数据交易平台试点，探索开展大数据衍生产品交易，鼓励大数据产业链的市场主体进行数据交易，促进数据资源有序流通。
第三，构建知识产权保护体系。由于数据本身的可复制性和可重复利用性的特点，大数据与创新成果保护有着千丝万缕的联系，要激发各类创新主体活力，必须优化数字经济创新成果的保护、转化、分配机制。从法律层面，要切实做到保护数字知识产权，加强数字信息安全保护力度，使知识产权对权利人的保护具有及时性、有效性、便捷性，进而鼓励知识创新。
第四，加强数据安全保障机制建设。鉴于大数据战略的重要地位，应该建立和完善大数据安全法律法规体系，针对国内数据的所有权、自由流动、出境限制以及个人隐私等问题制定相应的法律法规，明确国家重点领域内共享数据和非共享数据清单，对大数据的应用和处理进行规范，切实保护大数据安全。同时，完善关键领域内数据安全监管和风险评估制度，在大型数据中心、重点领域行业内，信息系统应该深入落实数据安全的等级保护制度，以良好的法律制度促进产业的良性发展。
（二）组织保障
当前，各级政府根据自身的业务需求，设置了大量的业务系统，这些系统沉淀了海量的数据资源，由于技术和数据标准不统一，导致了各职能部门数据无法实时共享交换，数据利用效率低下。政务数据资源部门间分布流通不均衡、不充分已成为社会发展过程中的一个突出问题。盘活数据资源离不开强有力的组织保障，应通过建立高规格的领导机构，统筹和强化部门间协作，以确保大数据战略的顺利实施。为顺应大数据时代的发展，部分地方政府通过整合内部职能，探索性地设立了地方大数据管理机构——大数据管理局。大数据战略的组织保障体现在顶层设计上，以地方大数据管理局为例，地方大数据管理局主要负责地方大数据领域内的规章制度及条例的起草，拟定大数据、信息化行业技术规范和标准并组织实施。同时，大数据管理局可以统筹地方经济社会各个领域的数据资源采集、整理、共享、应用。建立跨部门、跨领域的数据共享机制，通过法律法规明确每个部门数据共享的权利和责任、业务和边界，以协调推进大数据“聚通用”工作，有效消除“数据烟囱”现象，促进大数据政用、民用、商用，从而培育大数据核心业态、管理业态、衍生业态。此外，大数据管理局还可运用大数据技术开展数据挖掘和决策支持服务，提升管理和服务的精准度。
（三）资本保障
为加快推进大数据战略实施，创新大数据发展环境，政府部门应采取社会资本和财政支持等手段，保障大数据战略的有效实施。由于大数据技术在商用和公共服务领域的研发往往伴随着高投入、周期长、高风险、低收益的特点，存在市场失灵的风险。因此，财政支持对治理大数据在公共服务领域内的市场失灵中扮演着重要角色，需要政府构建多元的投资渠道，建立政府财政投融资政策，完善政府税收优惠政策，从而提升政府扶持大数据技术发展的资金力度。产业领域可通过整合省直部门信息化专项资金，扶持大数据企业的发展，以企业经营状况为标准对大数据企业提供租金、企业所得税减免等优惠政策，对符合条件的大数据企业，可新增流动资金贷款贴息，或者以政府购买服务方式，对具有公共服务大数据示范效应的项目进行补助，也可以采用政府和社会资本合作的PPP模式（Public-Private Partnership），将社会资本引入国家关键产业领域，大幅度提高社会资源的配置效率和创新能力[18]。我国可以效仿欧盟大数据价值联盟的形式，在其发布的《欧盟大数据价值战略研究和创新议程》中，采取了合同制公私伙伴关系（CPPP）模式来提高研发创新效率，此模式既囊括了大数据企业，又形成了利益相关方、学术界、科技界的大数据技术价值链利益共同体[19]，同时规定任何项目必须确保至少有20%的创新型中小企业参与，这又在产业领域内形成了激励创新效应。
（四）人才保障
为了在国际上赢得竞争优势，应当依托中国丰富的人力资源，培育工业、能源、金融、电信、互联网等重点行业的大数据人才。第一，应优化人才培养、国际合作交流、市场运行机制等大数据发展环境，坚持人才引进与自主培养相结合，既要积极引进急需的高端大数据人才，又要组织专家评估我国的大数据产业发展体系，比较国内外产业体系发展差异，提出未来国家大数据人才培养规划，建立多层次多类型的大数据人才培养体系。第二，高等院校和科研机构是大数据人才培养的主要基地，代表着科技前沿和时代发展的风向，应在符合条件的高校开设与大数据相关的专业或基础学科，培养在大数据科学领域的交叉复合型人才，并以实践为导向与国内外知名企业合作教学，增强人才的实践能力。第三，通过“数据众筹、应用众包”理念以社会需求和热点为导向，通过政府搭台、政企合作、公众参与等模式，形成服务数据开放者、产品开发者、应用需求者三方的完整价值体系。政府部门和社会资本合作模式，不仅将政府、企业、高校和民间机构共同带入大数据生态建设，推动产业技术的成果转化，同时激发了大数据人才的创新培养。 参考文献：
[1] Chen M，Mao S，Zhang Y，et al. Big Data：Related Technologies，Challenges and Future Prospects [M]. Springer Publishing Company，Incorporated，2015，15 （3）：283-285.
[2] Min C，Mao S，Liu Y. Big Data：A Survey [J]. 2014， 19（2）：171-209.
[3] Manyika J，Chui M，Brown B，et al. Big data：The next frontier for innovation，competition，and productivity [J]. Analytics，2011.
[4] John Gantz and David Reinsel. Extracting value from chaos. IDC iView，2011：1-12.
[5] 陈潭.从大数据到大智库：大数据时代的智库建设[J]. 中国行政管理，2017（12）：42-45.
[6] 伊然.工信部印发《大数据产业发展规划（2016—2020 年）》[J].工程机械，2017（3）：65.
[7] 陈潭.大数据战略实施的实践逻辑与行动框架[J].中共 中央党校学报，2017，21（2）：19-26.
[8] 吴昊辰.习近平主持中共中央政治局第二次集体学习 [EB/OL].http：//www.gov.cn/xinwen/2017-12/09/content_ 5245520.htm，2017-12-09.
[9] 周梦洁.大数据时代日本IT人才培养研究[J].国际观 察，2016（5）：143-154.
[10] 陈煜波，马晔风.中国经济的数字化转型：人才与就 业——中国数字人才现状与趋势研究报告[M].清华大 学经管学院，2017.
[11] 周灿.浅析大数据专业技术人才的培养[J/OL].中国商 论，2019（01）：253-254.
[12] 许锦妹，熊旭.人大协同五校启动大数据分析硕士培养 创新平台[EB/OL].http：//edu.people.com.cn/n/2014/0519/ c1053-25037020.html，2014-05-19.
[13] 李國杰，程学旗.大数据研究：未来科技及经济社会发 展的重大战略领域——大数据的研究现状与科学思考 [J].中国科学院院刊，2012，27（6）：647-657.
[14] 刘岩，宋吉鑫.大数据伦理问题中的权利冲突及法律规 制——以个人信息权为中心[J].辽宁大学学报（哲学社 会科学版），2018，46（06）：123-130.
[15] 张锋军.大数据技术研究综述[J].通信技术，2014（11）： 1240-1248.
[16] Kshetri N. The emerging role of Big Data in key de- velopment issues：Opportunities，challenges，and concerns [J]. Acta Tropica，2014，1（2）：S80-S85.
[17] 杜欣.落实国家大数据战略的河北选择[J].经济论坛， 2018（12）：21-23.
[18] Hawes D P，Rocha R R. Social Capital in the Fifty States：Measuring State-Level Social Capital 1986-2004 [J]. Social Science Electronic Publishing，2010.
[19] 彭汐婷.从欧盟大数据规划中能学到什么？[N].人民邮 电，2017-04-19（06）.
Abstract：At present，big data has become a national basic strategic resource and intangible asset. The “data frontier” and “digital sovereignty” are playing an increasingly important role in the game of big powers. China actively promotes the big data strategy，seizes the opportunity of big data development，and seeks the right to speak in the formulation of new data rules. In order to ensure the smooth implementation of the big data strategy and promote the healthy and orderly development of the big data industry，we must build a supporting system based on industry，technology，security，talents，ethics，etc. At the same time，we must give full play to China’s institutional advantages，organizational advantages，capital advantages and human resources advantages，and build a guarantee system for the implementation of the big data strategy from the aspects of system，organization，capital，talents，etc. This is of great significance for maintaining the security of China’s “data frontier”.
Key Words：big data strategy;support system;guarantee system
责任编辑：傅建芬
关键词：大数据战略;支撑系统;保障体系
一、大数据与大数据战略
《货币战争3——金融高边疆》中阐述了主权国家边疆的概念，不仅仅包括陆疆、海疆、空疆所构成的三维物理空间，还包括新的第四维边疆即“金融边疆”。而在大数据时代，数据主权越发突显，形成了第五维边疆——“数据边疆”，因此，“数字主权”已是继边防、海防、空防、货币边疆之后，第五个大国博弈的空间。从“斯诺登棱镜门”到“2014年谷歌在欧洲四面楚歌”再到“Facebook数据泄露门”，似乎暗示着人类已置身于一个“全面监控”的时代，全球数据洪流给国家之间原本封闭的疆界和国家安全带来前所未有的冲击，国家主权面临诸多新的威胁与挑战。在中美贸易摩擦的背景下，美国动用国家政治强权以国家安全为由，禁售或限制出口高技术、高门槛的软件与芯片等零部件，并封杀或打压中兴、华为等中国公司。美国通过消除贸易逆差的幌子对“中国制造2025”的“芯片产业”进行精确打击。芯片作为处理海量信息、人工智能以及自动化的源头，如同石油一樣成为“中国制造2025”的战略物资。大数据战略安全保卫战似乎已经从“软体”战线延伸到了“硬件”战线。面对大国间在大数据领域的激烈角逐，要争夺产业制高点，我国需要构建大数据战略的支撑系统与保障体系，以确保和推进大数据战略的顺利实施。
目前，大数据的重要性已经得到普遍认可，但由于科技企业、研究学者、数据分析师以及技术从业者对大数据的关注角度不同，对大数据的定义仍有不同的看法。通常，大数据是指在规定的时间内传统IT技术和软硬件工具无法感知、获取、管理和处理的数据集[1]。早在2001年，Gartner公司分析师Doug Laney在一份研究报告中就已经用3V模型对大数据的概念进行了定义，认为大数据拥有海量的数据规模（Volume）、快速的数据流转和动态的数据体系（Velocity）、多样的数据类型（Variety）[2]。Apache Hadoop（2010）将大数据定义为“普通计算机无法捕获、管理和处理的数据集”。根据这个定义，全球咨询机构麦肯锡公司（2011）在《大数据：下一个创新、竞争和生产力的前沿》研究报告中提出，大数据是那些无法被传统数据库软件获取、存储和管理的数据集。可以看出，数据集的数量及大小并不是大数据的唯一标准，而是越来越大的数据规模及其管理无法由传统的数据库技术来处理，这是两个关键特性[3]。在大数据研究领域具有影响力的国际数据公司（IDC）则认为：“大数据技术描述了新一代的技术和架构，旨在通过实现高速捕捉、分析，从海量数据中提取可利用的价值[4]”，这个定义中归纳了大数据3V特征外的另一特征，即巨大的价值特征（Value），且具有低密度性，大数据的4V特征得到业界广泛认可。此外，大数据同时具有DPP三大基本功能：描述（Descriptive），通过对数据的统计分析，描述数据表现出的现象与规律;规定（Prescriptive），利用历史数据建立分析模型和规范化的分析流程，实现对连续数据流的实时分析;预测（Predictive），通过对数据的深层挖掘，构建预测模型，实现对未来状态的预测[5]。
众所周知，大数据在稳增长、促改革、调结构、惠民生中扮演着越来越重要的角色，其在经济社会发展中的基础性、战略性、先导性地位逐渐突出，大数据将重构产业格局和国家治理格局，为中国的经济和社会发展提供巨大机遇[6]。关于国家大数据战略细分，《大数据战略实施的实践逻辑与行动框架》一文对国家大数据战略的实施框架做了较为详细的划分，从政府治理、经济发展、社会服务及其他领域对大数据战略进行了细分，形成了较为完整的框架体系[7]。2017年12月8日，习近平在主持中共中央政治局就实施国家大数据战略第二次集体学习时，深刻分析了我国大数据发展的现状和趋势，对实施国家大数据战略提出了五个方面的要求[8]，构成了国家大数据战略框架，涵盖了大数据产业、数字经济、大数据治理、大数据民生、大数据安全五大方面。一是推动大数据技术在各产业领域中创新发展。集中各行业的优势资源突破大数据产业链、价值链和生态链中的核心信息技术，构建自主可控的大数据技术框架。二是打造以数字为驱动要素的经济增长新模式。利用互联网、大数据、人工智能实现传统经济结构的供给侧改革，推动传统经济与数字经济融合发展，促进制造业向数字化、网络化、智能化方向发展。三是利用大数据技术实现国家治理现代化。利用大数据技术完善现有决策机制、社会治理机制，实现大数据技术辅助决策科学化、精准化、高效化。四是运用大数据技术保障和改善民生。推进医疗、社保、就业、住房、交通等民生领域内大数据技术的应用，深度开发各类便民应用，有效促进公共服务均等化，提升公众的生活质量和效率。五是保障国家核心产业领域数据安全。加强基础信息资源和基础设施的保护，增强数据安全的预警和溯源能力，强化大数据安全顶层设计，促进相关政策、监管、法律的统筹协调，加快法规制度的建设。
二、大数据战略实施的支撑系统
大数据战略的顺利实施需要建立在产业、技术、安全、人才、伦理等大数据战略支撑系统上，因此，必须发展与大数据相关的新产业和新业态，加强大数据关键技术的研发和应用，完善大数据隐私保护体系，推进大数据人才储备政策的保障和实施[7]，提升应对大数据伦理问题。构建大数据战略实施的支撑系统，对加快实施大数据国家战略，促进大数据产业健康有序发展，维护我国“数据边疆”的安全具有极其重要的意义。 （一）大数据产业支撑
大数据产业是指以数据生产、采集、存储、加工、分析、服务为主的相关经济活动，包括数据资源建设、数据软硬件产品的开发、销售和租赁活动，以及相关信息技术服务。目前，大数据受到发达国家的高度重视，美国、日本、法国、韩国、澳大利亚等国家为抢占大数据产业发展的制高点，相继启动了推动大数据产业发展的政策改革，将大数据产业纳入国家发展规划中，通过营造良好的大数据行业生态环境，使得大数据产业成为经济增长的新动力。
在我国，大数据产业战略无论是在社会认知、政策环境，还是在市场规模、产业支撑能力等方面也已经具有了一定的战略基础。从大数据产业的市场规模来看，目前，大数据以爆炸式的发展速度蔓延至各行各业，涌现出一批新型企业，形成了上下游企业互动、核心产业融合发展的产业布局，加之社会资本的青睐，日趋成熟的产业生态逐渐清晰。中国大数据的市场规模保持了高速增长态势，总体来看，大数据进入了从概念到实际应用的关键转折期。根据贵阳大数据交易所统计的数据显示（如表1所示），2018年中国大数据增长速度为67.93%，市场规模达到5907亿元，较往年增长速度相比是增长幅度最大的年份。这主要得益于产业生态体系迈入成熟完善阶段，大数据相关政策的落地实施，以及更多创新性政策的加快出台，推动了大数据产业发展环境进一步优化，促进了大数据融合渗透效应向更深层次延伸，使得大数据产业集聚和技术创新程度加深，提升了大数据产业价值链。未来4年内，大数据产业规模将持续增长，虽然增长速度有所下降，但随着各项政策及配套措施的落实，到2020年中国大数据产值预计将达到13 626亿元。
从大数据产业分布格局来看，我国大数据产业聚集效应显著，聚集程度呈现出由东部沿海地区向西部内陆地区逐渐递减的阶梯状发展趋势。各地方政府为响应落实国务院发布的《促进大数据发展行动纲要》，加速了大数据融入经济社会各个领域的步伐。2015年9月，贵州启动全国首个大数据综合试验区建设工程。2016年10月，第二批获批建设国家级大数据综试区的省份名单正式发布，包括两个跨区域类综试区（京津冀、珠江三角洲），四个区域示范类综试区（上海、河南、重庆、沈阳），一个大数据基础设施统筹发展类综试区（内蒙古）。随着国家第二批大数据综合试验区的公布，包括第一批的试验区在内，国内一共有8个大数据综合试验区，将共同引领东部、中部、西部、东北地区等“四大板块”的大数据产业发展，实现数据共享、区域内协同发展、产业转型升级。
从大数据产业的竞争格局来看，初步形成了以百度、阿里巴巴、腾讯以及京东等互联网巨头引领的产业格局，在大量用户的基础上，用以支撑自身的电子商务、金融、影视、广告等业务的发展，形成了国家大数据应用基础的领头羊。同时，在互联网产业O2O的趋势下，互联网企业逐渐将业务延伸到金融、保险、旅游、健康、教育、交通服务等多个行业领域，这极大地丰富了互联网企业的数据来源，促进了其数据分析技术的发展，进一步奠定了我国大型互联网企业在大数据领域的地位，同时也拓展了大数据分析在诸多行业的应用。
从大数据产业的发展定位来看，除了国家战略层面出台的相关政策外，各地方政府也相继出台了符合本地特色的大数据发展规划，积极谋划本地区的大数据产业发展。在各地方政府已经发布的政策文件中，有20多个省市级地方政府明确提出了本地区大数据发展定位（如表2所示），涉及面向全球、面向全国、面向区域等三个层面，分别包括资源聚集中心、产业中心、人才发展中心、创新创业中心、应用示范中心等五个不同类型。从表2中可以看出，对北京、上海、广东、深圳这些地区而言，大数据定位属于复合型的产业定位，以广东省为例，广东作为改革开放的前沿，制造业发展迅猛，在制造业领域从“机器换人”到“数据换人”，形成了“數据驱动”的制造业新模式。同时，广东又是信息产业高地，在信息产业领域内“独角兽”企业林立，企业的聚集效应产生了针对政府数据开放的内在动力和需求。而坐拥两个国家级超级计算机中心，又让广东的大数据产业拥有了数据处理技术的独特优势。这让广东省成为全国数据应用示范区和大数据产业创新聚集区，抢占大数据产业高地，建成国内国际具有竞争力的大数据综合试验区已有足够的资本积累。
（二）大数据技术支撑
大数据技术是实施大数据战略的重要行动支点之一。习近平指出，只有把核心技术掌握在自己手中，才能真正掌握竞争和发展的主动权，才能从根本上保障国家经济安全、国防安全。在决定互联网基础设施安全的自主芯片等核心技术领域，我们没有别的选择，必须走自主创新道路不可。当下，随着各国大数据战略开展，数据开放共享意愿逐步增强，大量的结构型和非结构型数据需要基于大数据技术才能实现数据的价值。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对大数据4V特征进行专业化的处理，因此，大数据技术的研发创新对于推动大数据战略的实施至关重要。
当前，大数据技术已经成为推动经济社会发展的新一轮信息技术革命的发动机。由于人口和经济规模决定了数据资产的规模，我国大数据拥有广阔的应用场景。目前，国家已经启动了大数据技术在各领域的研究，正在逐步构建自主可控的大数据技术产业链、价值链和生态链。同时，中国同美国一样经历着从“旧硬件时代”到“新硬件时代”的过渡阶段，以软件、互联网和大数据技术为基础的“新硬件时代”需要同以极客和创客为主的参与群体对技术进行研发，叠加“大众创业、万众创新”的时代号召，大数据行业作为朝阳产业、创新产业，展现了更为旺盛的生命力和吸引力。此外，大数据时代的技术开源特征对中国大数据技术战略的实施非常有利。到目前为止，尚未形成绝对的垄断技术，即便是美国这样的科技大国也同样是大数据技术的整合者。由于技术产业化才可以形成经济效益，因此，对大数据技术的研发创新成为我国目前最为迫切的问题之一。 从大数据技术的创新指数来看，技术创新仍是各地方政府关注的焦点，在全国31个省（市、自治区）中研发总指数达到了109.25，技术创新指数均值为3.52，处于技术创新指数平均值以上的地区共有13个省市（如图1所示）。不难看出，创新指数与各省市本身投入研发的资本规模呈正相关的关系，各省市在大数据技术研发创新方面的投入是推动大数据产业发展的核心引擎，也是各省市关注的焦点。无论从各省市技术创新指数上看还是从创新资本投入上看，大数据技术的研发呈现明显的阶梯状分布结构。第一梯队与传统ICT较为发达的地区较为吻合，这些地区有一定的技术积淀，具有一定的领先优势，有广东、江苏、北京、山东、上海、浙江6个省市，研发投入指数均超过6，总研发投资达到了46.71亿元，占全国投入的总比例超过了42.76%。第二梯队、第三梯队的研发投入占全国总比例达到57.24%，追赶第一梯队的步伐也在不断加快，有很大潜力进一步助推我国大数据技术研发创新发展。
（三）大数据人才支撑
产业升温催生人才紧缺，大数据发展的关键在于人才，任何社会和行业的变革都是以人才的变革为核心推动力[9]。目前，我国对于大数据人才供给的缺口达到150万人，到2025年人才缺口将会达到200万人[10]。由于大数据技术及其应用基本理念和技术框架源于西方，加之我国大数据技术起步较晚，造成了在数据平台运维与开发、数据分析、数据安全等领域专业技术人才的供需矛盾，对大数据人才的培养和引进，成为当前推动大数据产业发展迫在眉睫的重要问题。基于长期的人才战略考虑，国家正在大力推进大数据人才培养计划。根据教育部2016年至2018年期间公布的《普通高等学校本科专业备案和审批结果》分析，从2016年起为应对我国大数据“人才荒”的现状，我国高校创设了第一批“数据科学与大数据”本科专业，获批此专业的仅有3所高校，分别是北京大学、对外经济贸易大学、中南大学。截至2018年第三批公布的数据分析，审批通过设置该专业的学校数量从2016年的3所增长到2018年的285所，形成了涉及数学、统计和计算机等多个学科的完整的专业课程体系，进一步满足了市场对复合型人才的需求[11]。对于培养方式而言，政府通过倡导“产教融合”“校企合作”等方式创新人才培养模式，以中国人民大学协同五校启动的“大数据分析硕士培养创新平台”为例，由中国人民大学、北京大学、中国科学院、中央财经大学和首都经济贸易大学五所院校发挥各自在数据领域的特色和优势，组建了由计算机学科、统计学、经济与管理学科构成的大数据分析硕士培养创新平台，其培养方案采用联合授课的方式，实行双导师制，由校内导师和来自实务部门的校外导师进行立体培养，培养内容主要着眼于大数据的统计分析和挖掘技术。此外，为提升学生的产业应用能力，培养平台通过打造实训基地让学生嵌入企业场景学习空间、云计算/大数据项目实训资源和工程案例，培养学生的大数据价值实践能力。在师资力量方面，由人民日报社、新华社、中央电视台、中国移动、中国联通、中国电信等在内的一批有迫切需求的相关部门和企业，为大数据分析硕士培养建立实习基地，并选派实战经验丰富的企业师资与高校师资共同组成师资队伍实施教学[12]。
（四）大数据安全支撑
从技术安全方面来看，实施大数据安全支撑的根本之道在于实现信息产品、设备和技术的自主可控[13]。目前，中国信息基础设施使用的网络、软硬件产品大都建立在采用国外的核心技术基础上，“中兴危机”“华为风波”以及“5G网络标准之争”无疑给中国的大数据安全战略敲响了警钟。大数据时代对于信息的主导权，在于谁书写了规则，谁就掌握话语权。当前，为打破国外厂商对我国产业技术的垄断地位，国家应从产业层面上加大对信息类行业的扶持力度。政府在采购市场上立足信息产业环境的基本现状，以重点领域重要信息平台建设为突破口，推进国产芯片、国产操作系统、国产网络设备等软硬件大规模的应用，培育国产软硬件市场阵地，形成样板示范效应，逐步实现普通用户使用自主软硬件产品。在中央政府2018—2019年度的采购公告——关于服务器的采购技术标准征求意见中，公布的服务器产品采购类别有了较大的调整，在原有服务器等类别的基础上，增设了“国产芯片服务器”这一新的类别，其中包括龙芯CPU服务器、飞腾CPU服务器以及申威CPU服务器，国内相关企业迎来了政策红利。此外，各地方政府为应对大数据安全诉求，组建了具有地方特色的信息安全公共服务平台、大数据安全开发与治理中心、大数据实验室等机构，如贵阳市政府与阿里巴巴签订的协议就明确合作双方将在贵州建立省部级大数据安全联合实验室;四川省绵阳市人民政府与360企业安全集团正式签署战略合作协议，双方将在智慧城市、军民融合、大数据安全、网络安全人才培养等领域开展全面合作;中国移动通信集团公司为促进中国移动大数据业务健康有序发展，开展了大数据安全保障体系建设，制定了《中国移动大数据安全管控分类分级实施指南》和《中国移动大数据安全运营管理合规评测方法》;贵阳大数据交易所等机构起草的《信息安全技术大数据交易服务安全要求》，即将成为中国首个大数据交易安全国家标准，推动中国数据交易机构安全建设，促进数据交易行为合法合规，使得全国数据要素有序流通，释放数据红利，助力“数字中国”建设。
从个人隐私方面来看，大数据涉及深层次的伦理问题即用户的隐私权，这就使得个人数据安全保障变得更为迫切。由于多数互联网产品用户只有以让渡部分隐私为代价才能获取相关服务，这就造成了“隐私边界”正在加速模糊化、缩小化。尤其是隨着智能时代的来临，这种边界的模糊化、缩小化更为显著，伴随而来的是用户隐私的妥协，一个“智能=开放”的逻辑趋势正在逐渐显现。而“被遗忘权”的缺失，使我们在智能化时代处在一个前所未有的数据收集和监控之中，在大数据技术作用下传统可识别的个人信息范围被大大扩展，个人海量低密度价值的数据在大数据分析技术下呈现出鲜明的个人特征，原本多个单独不具有辨识性的信息，在大数据技术的整合下联结在一起变成了可辨识的信息，原本和隐私看似并不相关的信息在大数据技术的作用下也变成了隐私的一部分[14]。社会公众正在重新认识大数据时代对于个人隐私信息的保护问题，大数据的共享和开放意味着必须强化对数据的安全管理，强化对个人隐私的保护[7]，因此，我国加快了在个人信息安全领域的立法、修宪的进程，基本形成了围绕宪法为核心的民法、刑法、行政法相结合的法律构架。虽然并没有出台一部专门保护个人信息安全的主体性法律，但与保护个人信息安全相适应的法律却有很多（如表3所示），包括我国各法律体系对个人信息保护的法律规定及修改内容[14]。此外，个人信息安全不仅需要相关法律法规的保护，更少不了行业自律来维护公众的信息安全。由于数据产业不可避免地出现“寡头现象”，部分大企业所拥有的数据涉及众多用户的信息安全，这就更需要企业强化自律意识，维护用户信息安全。
三、大數据战略实施的保障体系
构建大数据战略实施的保障体系，需要在明确大数据关键技术的基础上，发挥我国的制度优势、组织优势、资本优势、人力资源优势等，建立自己的科学体系、政策框架、法理体系、技术框架和人才队伍，形成具有中国特色的行业、技术、框架标准[15]，实现国家和国民经济发展中有重大需求领域的产业优势和技术优势。
（一）制度保障
大数据产业引发了包括新型经济关系、社会秩序等在内的全方位的大变革，现有的政策制度面临着日益频繁的“破窗性”挑战和“创造性破坏”[16]。中国大数据战略实施的制度保障内容涉及大数据产业发展过程中的多个环节，因此，大数据战略的制度保障应跳出单个组织或区域的边界，从营造国家大数据发展环境的视角来进行全面和系统的设计。其理论和经验证据表明，大数据产业的创新扩散受制于制度环境以及创新特点的影响，因此，大数据战略的制度保障体系应有以下四种制度安排：
第一，构建大数据开放共享机制。数据开放共享是大数据产业发展的前置条件，为培育、引进企业创造了良好的发展环境。因此，大数据战略实施需要制定公共数据资源共享管理制度，整合公共部门和私人部门数据资源，促进互联互通，提高共享能力，提升各类应用数据的一致性和准确性，对涉及各行业领域内的数据资源进行收集整合，并在法律规范和交易规则下，实现信息资源的开放共享。
第二，完善大数据交易机制和定价机制。尽管国内已经出现大数据交易机构，但是受制于政策法规、体制机制等诸多盲点与不足，数据交易主体仅限于少数企业之间，并未完全市场化。因此，基于大数据资产评估标准，在定价机制上，需要规范市场交易规则和程序[17]，积极开展面向应用的大数据交易平台试点，探索开展大数据衍生产品交易，鼓励大数据产业链的市场主体进行数据交易，促进数据资源有序流通。
第三，构建知识产权保护体系。由于数据本身的可复制性和可重复利用性的特点，大数据与创新成果保护有着千丝万缕的联系，要激发各类创新主体活力，必须优化数字经济创新成果的保护、转化、分配机制。从法律层面，要切实做到保护数字知识产权，加强数字信息安全保护力度，使知识产权对权利人的保护具有及时性、有效性、便捷性，进而鼓励知识创新。
第四，加强数据安全保障机制建设。鉴于大数据战略的重要地位，应该建立和完善大数据安全法律法规体系，针对国内数据的所有权、自由流动、出境限制以及个人隐私等问题制定相应的法律法规，明确国家重点领域内共享数据和非共享数据清单，对大数据的应用和处理进行规范，切实保护大数据安全。同时，完善关键领域内数据安全监管和风险评估制度，在大型数据中心、重点领域行业内，信息系统应该深入落实数据安全的等级保护制度，以良好的法律制度促进产业的良性发展。
（二）组织保障
当前，各级政府根据自身的业务需求，设置了大量的业务系统，这些系统沉淀了海量的数据资源，由于技术和数据标准不统一，导致了各职能部门数据无法实时共享交换，数据利用效率低下。政务数据资源部门间分布流通不均衡、不充分已成为社会发展过程中的一个突出问题。盘活数据资源离不开强有力的组织保障，应通过建立高规格的领导机构，统筹和强化部门间协作，以确保大数据战略的顺利实施。为顺应大数据时代的发展，部分地方政府通过整合内部职能，探索性地设立了地方大数据管理机构——大数据管理局。大数据战略的组织保障体现在顶层设计上，以地方大数据管理局为例，地方大数据管理局主要负责地方大数据领域内的规章制度及条例的起草，拟定大数据、信息化行业技术规范和标准并组织实施。同时，大数据管理局可以统筹地方经济社会各个领域的数据资源采集、整理、共享、应用。建立跨部门、跨领域的数据共享机制，通过法律法规明确每个部门数据共享的权利和责任、业务和边界，以协调推进大数据“聚通用”工作，有效消除“数据烟囱”现象，促进大数据政用、民用、商用，从而培育大数据核心业态、管理业态、衍生业态。此外，大数据管理局还可运用大数据技术开展数据挖掘和决策支持服务，提升管理和服务的精准度。
（三）资本保障
为加快推进大数据战略实施，创新大数据发展环境，政府部门应采取社会资本和财政支持等手段，保障大数据战略的有效实施。由于大数据技术在商用和公共服务领域的研发往往伴随着高投入、周期长、高风险、低收益的特点，存在市场失灵的风险。因此，财政支持对治理大数据在公共服务领域内的市场失灵中扮演着重要角色，需要政府构建多元的投资渠道，建立政府财政投融资政策，完善政府税收优惠政策，从而提升政府扶持大数据技术发展的资金力度。产业领域可通过整合省直部门信息化专项资金，扶持大数据企业的发展，以企业经营状况为标准对大数据企业提供租金、企业所得税减免等优惠政策，对符合条件的大数据企业，可新增流动资金贷款贴息，或者以政府购买服务方式，对具有公共服务大数据示范效应的项目进行补助，也可以采用政府和社会资本合作的PPP模式（Public-Private Partnership），将社会资本引入国家关键产业领域，大幅度提高社会资源的配置效率和创新能力[18]。我国可以效仿欧盟大数据价值联盟的形式，在其发布的《欧盟大数据价值战略研究和创新议程》中，采取了合同制公私伙伴关系（CPPP）模式来提高研发创新效率，此模式既囊括了大数据企业，又形成了利益相关方、学术界、科技界的大数据技术价值链利益共同体[19]，同时规定任何项目必须确保至少有20%的创新型中小企业参与，这又在产业领域内形成了激励创新效应。
（四）人才保障
为了在国际上赢得竞争优势，应当依托中国丰富的人力资源，培育工业、能源、金融、电信、互联网等重点行业的大数据人才。第一，应优化人才培养、国际合作交流、市场运行机制等大数据发展环境，坚持人才引进与自主培养相结合，既要积极引进急需的高端大数据人才，又要组织专家评估我国的大数据产业发展体系，比较国内外产业体系发展差异，提出未来国家大数据人才培养规划，建立多层次多类型的大数据人才培养体系。第二，高等院校和科研机构是大数据人才培养的主要基地，代表着科技前沿和时代发展的风向，应在符合条件的高校开设与大数据相关的专业或基础学科，培养在大数据科学领域的交叉复合型人才，并以实践为导向与国内外知名企业合作教学，增强人才的实践能力。第三，通过“数据众筹、应用众包”理念以社会需求和热点为导向，通过政府搭台、政企合作、公众参与等模式，形成服务数据开放者、产品开发者、应用需求者三方的完整价值体系。政府部门和社会资本合作模式，不仅将政府、企业、高校和民间机构共同带入大数据生态建设，推动产业技术的成果转化，同时激发了大数据人才的创新培养。 参考文献：
[1] Chen M，Mao S，Zhang Y，et al. Big Data：Related Technologies，Challenges and Future Prospects [M]. Springer Publishing Company，Incorporated，2015，15 （3）：283-285.
[2] Min C，Mao S，Liu Y. Big Data：A Survey [J]. 2014， 19（2）：171-209.
[3] Manyika J，Chui M，Brown B，et al. Big data：The next frontier for innovation，competition，and productivity [J]. Analytics，2011.
[4] John Gantz and David Reinsel. Extracting value from chaos. IDC iView，2011：1-12.
[5] 陈潭.从大数据到大智库：大数据时代的智库建设[J]. 中国行政管理，2017（12）：42-45.
[6] 伊然.工信部印发《大数据产业发展规划（2016—2020 年）》[J].工程机械，2017（3）：65.
[7] 陈潭.大数据战略实施的实践逻辑与行动框架[J].中共 中央党校学报，2017，21（2）：19-26.
[8] 吴昊辰.习近平主持中共中央政治局第二次集体学习 [EB/OL].http：//www.gov.cn/xinwen/2017-12/09/content_ 5245520.htm，2017-12-09.
[9] 周梦洁.大数据时代日本IT人才培养研究[J].国际观 察，2016（5）：143-154.
[10] 陈煜波，马晔风.中国经济的数字化转型：人才与就 业——中国数字人才现状与趋势研究报告[M].清华大 学经管学院，2017.
[11] 周灿.浅析大数据专业技术人才的培养[J/OL].中国商 论，2019（01）：253-254.
[12] 许锦妹，熊旭.人大协同五校启动大数据分析硕士培养 创新平台[EB/OL].http：//edu.people.com.cn/n/2014/0519/ c1053-25037020.html，2014-05-19.
[13] 李國杰，程学旗.大数据研究：未来科技及经济社会发 展的重大战略领域——大数据的研究现状与科学思考 [J].中国科学院院刊，2012，27（6）：647-657.
[14] 刘岩，宋吉鑫.大数据伦理问题中的权利冲突及法律规 制——以个人信息权为中心[J].辽宁大学学报（哲学社 会科学版），2018，46（06）：123-130.
[15] 张锋军.大数据技术研究综述[J].通信技术，2014（11）： 1240-1248.
[16] Kshetri N. The emerging role of Big Data in key de- velopment issues：Opportunities，challenges，and concerns [J]. Acta Tropica，2014，1（2）：S80-S85.
[17] 杜欣.落实国家大数据战略的河北选择[J].经济论坛， 2018（12）：21-23.
[18] Hawes D P，Rocha R R. Social Capital in the Fifty States：Measuring State-Level Social Capital 1986-2004 [J]. Social Science Electronic Publishing，2010.
[19] 彭汐婷.从欧盟大数据规划中能学到什么？[N].人民邮 电，2017-04-19（06）.
Abstract：At present，big data has become a national basic strategic resource and intangible asset. The “data frontier” and “digital sovereignty” are playing an increasingly important role in the game of big powers. China actively promotes the big data strategy，seizes the opportunity of big data development，and seeks the right to speak in the formulation of new data rules. In order to ensure the smooth implementation of the big data strategy and promote the healthy and orderly development of the big data industry，we must build a supporting system based on industry，technology，security，talents，ethics，etc. At the same time，we must give full play to China’s institutional advantages，organizational advantages，capital advantages and human resources advantages，and build a guarantee system for the implementation of the big data strategy from the aspects of system，organization，capital，talents，etc. This is of great significance for maintaining the security of China’s “data frontier”.
Key Words：big data strategy;support system;guarantee system
责任编辑：傅建芬