数据，被誉为第四次科技革命的“石油”。从IT时代迈入DT时代，无论是疫情影响下全球经济放缓加快了5G、大数据、物联网、人工智能等新技术、新应用为代表的新型基础设施建设布局，还是技术加载下数字经济向更高级别的数据智能经济发展，纵览当下，利用数据要素全面构筑经济社会数字化转型已经成为全社会的共识。在此过程中，除了借助法律条文破数据应用之局之外，如何识势避“坑”，也尤为重要。

识数据安全之“势”

7月3日，《数据安全法(草案)》（以下简称《草案》）全文在中国人大网公开征求意见，引起社会广泛关注。《草案》与4月10日工信部发布的《网络数据安全标准体系建设指南（征求意见稿）》形成呼应，明确提出维护国家数据主权，保护个人、机构数据权益，将成为数据要素国家战略重要的法制基础，也是数据要素国家战略的基本法。

数据“硬拷贝”“物理迁移”等现象将得到缓减。《数据安全法（草案）》《网络安全法》《网络数据安全标准体系建设指南（征求意见稿）》和尚在制订中的《个人信息保护法》，通过法律条文的形式，推动了数据时代的快速发展，让数字经济产业的良性发展迎来曙光。从《草案》第八条、第二十九条来看，可以看到《金卡生活》之前提到的“分离数据的所有权和使用权”的趋势，能持续自我产生数据的企业将会变得重要，企业或个人作为数据的拥有者，将切实得到经济价值，数据使用“硬拷贝”“物理迁移”等现象将得到缓减，数据从源头上将杜绝被误用、滥用甚至盗用，确保数据使用合规、范围可控。

数据在分级分类中看得见、说得清。《草案》第十九条提出的数据分级分类的要求，其实是与《金融数据安全数据安全分级指南》进行了呼应。在数据的应用中，很多大型组织与机构往往存在数据库数量不清，敏感数据分布不明，访问权限不详等情况，这就需要对数据进行分类，确保数据合理合规使用。比如，针对用户敏感数据从隐私安全与保护成本的角度出发，笔者认为从数据重要程度上来分级大致可以分为敏感数据、重要数据、一般数据等三个等级。而行业参与者则可以为用户动态梳理敏感数据被哪些人、哪些业务系统、通过何种途径、在什么时间所访问等维度进行分类，让数据看得见、说得清，减少“踩红线”的几率。

数据作为推进国民经济发展的长期“燃料”。从长期来看，数据是全行业转型升级的基础保障，也是实现经济高质量发展的核心支撑。因此，以创新为主要引领和支撑的数字经济就需要完善的数据安全治理体系予以保障，从而支撑如数字智能生态下的智慧城市建设等数据应用在全行业合理合规地落地生根。所以，大数据被赋予“基础性战略资源”定位的同时，未来大数据的价值会愈加凸显，重视数据安全也必将是应用于发展的大趋势。

精金融科技应用之“术”

随着金融科技的快速发展，其规模和交易量的不断上升，对金融科技的数据信息技术安全提出了更高的要求和标准。当前，金融科技发展面临着网络安全、平台安全和信息与数据安全等多种信息技术安全风险隐患，一旦发生安全风险，不但威胁到用户的利益，也会给金融科技企业本身带来巨大的损失，破坏整个行业的发展，甚至还会带来系统性金融风险。因此，针对金融科技，行业要懂得通过《草案》等法律法规，精于金融科技应用数据之“术”。

打造金融科技实现数据共享。DT时代的持续发展，离不开数据的交易和共享，首先要保证数据来源真实可靠，数据要全链条覆盖，层次多、维度多才能尽可能满足市场需求。从中国人民银行建立的金融基础数据中心职责来看，其要为社会提供高价值数据信息服务，就需要打通国家宏观调控部门、金融监管机构、各类金融机构、研究机构等数据孤岛，保证数据足够多、足够好的同时，根据法律规定，开启金融数据共享时代，可以预见的将会加快我国金融科技的进步，促进我国数字经济的发展。

利用金融科技加强金融行业数据监管。中国人民银行成立的新事业单位金融基础数据中心，负责建设国家级金融基础数据库。金融基础数据中心定义为：我国权威的金融数据聚集枢纽和领先的数据信息服务平台，连接国家宏观调控部门、金融监管机构、各类金融机构、研究机构的数据信息枢纽。结合《草案》，我们可以看到，监管在未来也会成为数据化的管理机构，它会变成金融体系中最大的数据中心，未来会要求所有的金融机构平台要有监管的接口，监管机构要有权力进入金融科技的数据平台。

比如，中国银联针对营销恶意套利行为率先建成了银行业首批黄牛党名单库以及自动化黄牛侦测和拦截系统。2019年通过系统成功实时拦截了1000多万笔套利交易。2020年以来，银联携手各地警方破获多起利用“云闪付”优惠恶意套利的违法案件，有效遏制了惠民活动中的黄牛套利等违法行为，是银联通过金融科技配合行业监管的具体体现。

明数字转型之“道”

中国信息通信研究院于7月3日发布的《中国数字经济发展白皮书（2020年）》显示，2019年，我国数字经济增加值规模为35.8万亿元，占GDP比重高达36.2%，已超过1/3。2019年，我国数字经济在GDP的占比同比提升1.4个百分点，按照可比口径计算，2019年我国数字经济名义增长15.6%，高于同期GDP名义增速约7.85个百分点，数字经济在国民经济中的地位进一步凸显。

一方面，新冠肺炎疫情像一次压力测试般倒逼全行业加速向数字化轨道转型。另一方面，数据本身肯定比业务跑得快，因此在产品、业务拓展前，通过《草案》等法律法规，以及行业自律明确数据应用在正确的轨道上尤为必要。而数字化转型的基础，就是以5G、人工智能、数据为代表的信息数字化新基建。在这样合规的轨道行进，我们可以很明确的看到数据产业、数据智能经济，将迎来重大制度性红利。

一是降低数据使用成本，包括搜寻成本、复制成本、追踪成本、验证成本等；二是数据流通和商业变现变得规范；三是牌照化趋势下，奖罚将分明；四是行业针对数据安全将迎来新业务拓展蓝海。

显然，数据要素、创新科技加持下的数字经济持续高速增长正成为经济高质量发展轨道上的新引擎。

避数据应用之“坑”

用好数据的价值，有两个要点，一是把数据治理好，二是要有丰富的数据应用场景。而在此过程中，无论是行业、企业还是个人，都要能明确地避开数据应用在可见、可懂、可用、可运营四方面可能遇到的“坑”。

坑1：大而全，不聚焦，赋能效率低。出于投资回报的考虑，用户往往倾向于了解覆盖全业务和技术领域的、大而全的数据。从数据的产生，到加工、应用、销毁，数据的整个生命周期都想要了解；从业务系统，到数据中心，到数据应用，里面的每个数据都希望都能被纳入到数据应用的范围中来。

避坑建议：数据包括很多维度，想“一口吃成个胖子”通常是不可能的，很容易导致最后哪个也做不好，用不起来。分期分批地实施，遵循“二八原则”——80%的问题产生于20%的系统和数据——从最核心的需求、最重要的数据、最容易产生问题的数据开始着手。

坑2：数据跟风。数据应用与企业的战略直接相关，最忌讳竞品搞什么数据分析，就盲目跟风，造成资源浪费。

避坑建议：在准备利用数据，并建立数据应用系统之前，一要明确数据用在哪里，二要基于第一步对内和对外的咨询，对现有数据进行“数据审计”，并根据结果做评估；三要前两个步骤进行规划，展开数据应用各环节工作。

坑3：对数据抱有过高期望。数据不是万能的，首先，你手里的数据不可能是全面的；其次，由于数据对象和数据本身的可变属性，你手里的数据也不一定是最准确的；再者，你手里的数据也不会是都有价值的，因为数据之多，导致其具有离散、随机的获取可能，挖不倒数据背后的价值并不罕见。

避坑建议：聚焦需求，降低期望，现实一点。

坑4：轻视小数据。很多时候，行业、企业和用户都轻视小数据，殊不知大数据也是由小数据汇集而成，也许你放过的小数据比握在手里的大数据，更管用、更好用。

避坑建议：精准使用数据时，有时候大数据鱼龙混杂模棱两可，小数据更加精准优质；大数据可能早已过了保质期，但小数据却更实时更鲜活，可借鉴参考分析的价值更高。因此，尝试脱掉有色眼镜，只要对的数据，不分大小。