为什么我们看见了数据的规模，却没有看见数据的能力？——从“拥有多少、交易多少”，走向“能否持续把事情做好”

原创 住联科技（深圳） 2026-10-22 00:01 广东

我们习惯用“拥有多少”，理解“能力多大”

导读

数据规模为应用提供基础，市场机制有助于流通，但容易计数的规模与交易，不能替代持续使用能力。关键在于来源可追溯、语义可解释、使用有合法依据、状态可更新，以及跨主体接续使用，让数据持续帮助人们把事情做好。

谈到数据要素，我们很容易想到几个直观的画面：不断增长的数据量、汇集各类信息的大屏、上架的数据产品，以及一笔笔交易。

这些东西能够展示、统计、比较，也容易写进工作报告。

但还有一些不那么显眼的工作：弄清一条记录从哪里来，解释不同部门对同一个词的不同理解，更正已经失效的信息，确认资料可以用于什么目的，以及保证人员或单位更换以后，下一方仍然能够接着使用。

前者容易被看成“成果”，后者容易被看成“基础工作”。

问题恰恰可能出在这里：我们把容易看见、容易计数的形式，当成了真正起作用的能力。

因此，理解数据要素，需要把一个判断放回中心：

数据要素能力的核心，不是数据规模或交易形式本身，而是来源可追溯、语义可解释、使用有合法依据、状态可更新，以及跨主体持续使用。

这个判断不是否定规模和交易，而是要区分三个相关但不同的问题：

资源积累说明我们掌握了什么，流通方式说明资源怎样进入交换，使用能力则决定人们能否据此开展可靠的工作。

为什么我们容易把它们混在一起？这不仅与技术知识有关，也与我们理解资源、判断成绩和组织工作的方式有关。

一、我们习惯用“拥有多少”，理解“能力多大”

对于土地、厂房、设备等资源，人们容易形成一种直觉：掌握的资源越多，能够开展的活动就越多。

把这种直觉带到数据领域，就容易形成一条看似自然的推理：

数据越多，资源越丰富；资源越丰富，能力越强；能力越强，价值就越高。

这条推理并非完全没有道理，却省略了关键的中间环节。

数据与许多实物资源不同。同一份数据可以被多个主体使用，使用本身不会像消耗燃料那样，把原有数据耗尽。经济学家查尔斯·琼斯和克里斯托弗·托内蒂关于数据非竞争性的研究，正是从这一特点讨论数据使用、权利安排和社会收益之间的关系。[1]

但“不因使用而耗尽”，并不意味着采集、治理、保护和提供服务没有成本，也不意味着所有主体都能不受限制地使用。

它带来的重要启示是：数据的价值不仅取决于谁掌握它，还取决于它能否在适当条件下被理解、组合和使用。

同一份建筑图纸，对设计人员、造价人员、施工人员和维护人员，可以有不同用途。但一份没有版本、没有形成日期、无法判断是否对应现场的图纸，即使保存了很多副本，也不能因此增加判断的可靠性。

增加文件数量，不等于增加对现实的了解。

数据是否适用，还要结合具体任务判断。世界万维网联盟关于数据质量的讨论强调，应向使用者提供相关信息，使其能够判断数据是否适合自己的用途，而不是给所有数据贴上一个脱离情境的“优质”标签。[2]

这就像一座图书馆。藏书丰富是重要基础，但如果目录混乱、版本不清、资料无法检索，读者仍然找不到需要的知识。藏书量说明资源基础，服务能力却要看资源怎样进入读者的实际使用。

所以，对数据能力的提问，不能停在“我们拥有多少”，还要继续问：

面对这项任务，我们能否据此作出有根据的判断？

二、真正重要的问题太难，我们就容易换一个简单问题

判断一个单位的数据能力，需要了解业务、人员、流程、资料质量、使用权限和维护机制。这不是看一眼大屏就能完成的事情。

相比之下，统计数据条数、存储容量、产品数量和成交金额，要直观得多。

心理学家卡尼曼与弗雷德里克提出过“属性替代”的解释：面对难以直接判断的问题，人们可能不自觉地转而判断一个更容易获得答案的相关问题。[3]

借用这个视角看数据工作，就能识别一种风险。

原本要回答的是：“这些数据是否改善了决策和协作？”实际回答的却变成：“今年又增加了多少数据？”

原本要回答的是：“这项服务是否值得持续投入？”实际回答的却变成：“有没有完成一笔交易？”

问题看似得到了回答，实际上，问题已经被换掉了。

数据量和交易额可以是观察线索，但线索不是结论。它们可以帮助我们判断资源是否增长、交换是否发生，却不能独立说明使用者是否获得了帮助，以及这种帮助是否值得所付出的成本。

这不是反对量化。恰恰相反，好的量化需要先弄清：这个指标代表什么，又不能代表什么。

如果关注的是工作效率，就应解释工作时间和重复劳动发生了什么变化；如果关注的是服务质量，就应说明使用者遇到的问题是否得到改善。不能仅因某个数字容易取得，就让它替代所有难以判断的事项。

真正的认知进步，不是找到一个更好看的数字，而是始终记得自己究竟在回答什么问题。

三、当组织奖励“看得见的增加”，持续使用就容易被低估

认知偏差并不总是个人想得不够深入，也可能被组织的评价方式强化。

设想一个单位主要按新增数据量、平台上线数量和产品上架数量记录工作成绩。即使工作人员知道更新、纠错和交接很重要，也可能优先投入那些更容易被统计的事项。

因为新增一批数据，能够展示增长；更正一条错误记录，却未必让总量增加。

完成一次平台发布，有明确节点；持续维护一套准确目录，却很难通过一次活动展示。

管理学者史蒂文·克尔在《奖励A，却希望得到B》中讨论的，正是组织希望获得一种行为，却通过奖励机制鼓励另一种行为的错位。[4]

这一视角提醒我们：

如果希望得到的是持续可靠的使用能力，就不能只奖励一次性的收集、建设和成交。

解释一个字段、更正一项状态、保留一次变更依据、明确一项维护责任、防止同一对象在不同系统中被误认，这些工作未必增加数据规模，却可能直接影响后续使用。

它们不是数据价值之外的附属劳动，而是让数据进入实际任务的组成部分。

因此，新增资源和建设成果当然可以评价，但评价还应继续追问：新增之后，谁在使用？现实变化以后，谁来维护？出现争议以后，谁能解释？人员调整以后，工作能否接续？

只统计“建成了什么”，却不关心“以后怎样使用”，容易把能力建设做成成果陈列。

四、交易形成了价格，但价格不能回答价值的全部

交易形式具有吸引力，是因为它能够把抽象的数据讨论转化为具体的产品、合同、价格和收入。

这当然有意义。合理的市场机制可以连接供需，也可以为数据加工、治理和持续服务提供收入来源。

但需要区分：

成交说明某些主体在一定条件下达成了交换；使用价值则要看这种交换进入实际工作后，产生了什么作用。

购买方有没有真正使用？交付内容是否符合需要？是否减少了重复工作？后续维护成本有多大？这些问题，不能由成交金额直接回答。

反过来，没有发生出售，也不意味着没有价值。

例如，按照公共数据授权运营价格政策，在其适用范围内，用于公共治理、公益事业的数据产品和服务免费提供，用于产业发展、行业发展的可以收取运营服务费。这里的免费与收费，是不同的供给和成本承担方式，不能理解成“免费就没有价值，收费才有价值”。[5]

谈价值，还需要分清提供者、使用者和社会整体的不同结果。

提供者取得收入，首先说明其获得了一笔收入；使用者是否得到净收益，还要看实际用途、使用效果和全部相关成本。某个部门减少了支出，也可能只是把工作转移给另一个部门或居民，未必意味着社会整体消耗减少。

同一笔服务费，对提供者是收入，对购买者是支出，不能把两端都当作新增社会财富。工程节约、资产变化和经营收入之间，也可能包含重叠关系，不能简单相加。

因此，问题不在于要不要交易，而在于有没有把交易当成价值已经全部实现的证明。

交易可以连接供需、支持服务持续，但不能替我们回答价值究竟实现在哪里。

五、五种能力，为什么更接近数据要素能力的核心？

不妨用一个假设场景来理解。

一个老旧片区完成了改造，一台排水设备从建设阶段转入日常维护。设计人员、施工单位、建设方、设备服务方和运营人员，都可能接触它的信息。

现在，我们暂时不看系统里一共有多少数据，只看下一位维护人员能否把工作接下来。

1．来源可追溯：让结论能够回到依据

这台设备的参数来自厂家资料、设计文件、现场记录，还是后续人工补录？谁在什么时间修改过？维修判断依据的是哪一版资料？

能够追溯，意味着出现疑问时，可以回到形成信息的过程，而不只是接受屏幕上的一个结果。W3C的数据来源模型，也把数据、形成活动和责任主体之间的关系作为基本内容。[6]

这里的重点不是保证“有出处就一定正确”，而是让核查、解释和纠错成为可能。来源可以表明依据是什么，也可以暴露依据本身的限制。

追溯能力不是要求人无条件相信数据，而是让信任有依据、有范围。

2．语义可解释：让不同主体知道自己在说什么

设备状态写着“已完成”，究竟是安装完成、调试完成、验收完成，还是已经接管？

“设备数量”指设计数量、采购数量、现场安装数量，还是正在使用的数量？

如果不同主体对同一个词理解不同，接口连通可能只是让歧义传播得更快。

语义可解释，就是说明对象、状态、单位、范围和适用条件，使下一个使用者不必重新猜测。数据发布与复用的通用规范，也将描述信息、来源、质量和版本作为帮助使用者理解数据的重要内容。[7]

因此，真正的连接不只是文件能够打开、字段能够传递，还包括双方对信息含义的理解能够对应。

信息传过去了，不等于工作接上了。

3．使用有合法依据：让用途清楚，而不是让访问无限扩张

维护人员能够查看设备资料，不代表任何主体都可以将其中涉及个人、企业或公共管理的信息任意转交。

通常所说的“用途有授权”，更准确地说，是使用具有合法依据，范围和责任清楚。它不意味着所有使用都只能靠一份商业授权，也不意味着所有个人信息处理都只能基于个人同意；不同情形适用的法律依据需要分别判断。[8]

对于公共数据，平台承建、持有资料和获得登录权限，也不自动构成公共数据授权运营资格。[9]

所以，能打开一份文件、能调用一个接口，只说明具备某种技术访问条件，并不能回答是否可以跨用途使用、加工或提供给第三方。

技术回答“能不能访问”，制度还要回答“能不能这样使用”。

4．状态可更新：让数据保持与现实的联系

设备更换了，记录有没有更新？故障处理了，处理结果有没有依据？旧设备的历史是否仍然能够查清？

所谓状态可更新，不是要求所有数据都实时变化，而是根据用途明确更新触发、负责主体和版本关系。历史记录可以保持原样，但不能被误认为当前状态。数据复用规范同样强调版本标识和变更历史。[7]

还应注意，更新一条状态不等于完成了相应现场工作。系统中的工单关闭，与设备故障是否真正消除，需要各自的依据。

更新不应抹去必要历史，留痕也不意味着无限期保存所有个人信息。应保留的档案与到期需要处理的信息，仍需依据各自适用要求管理。[8]

数据不是采集完成就永远成立的描述，它需要随着现实变化和使用需要得到维护。

5．跨主体持续使用：让责任更替不导致知识中断

如果换了一家运营单位，新的人员还能否找到设备、理解历史、识别保修责任，并继续形成维护记录？

这才是持续使用的问题。

它不要求所有主体进入同一套软件，更不要求所有信息向所有人公开，而是让有相应职责和使用依据的主体，能够取得必要信息并理解其含义。国家关于可信数据空间的部署，也把共识规则、多方主体连接以及数据共享共用作为重要内容。[10]

跨主体接续还需要说明交付什么、谁负责维护、哪些权限随职责变化而调整，以及哪些历史责任不能因为换了账号或移交了文件就被视为消失。

回到这个假设场景，即使没有新建平台、没有增加大量数据、没有完成任何数据交易，只要上述关系变得更可靠，维护人员就可能更容易找到依据、减少反复询问、接续原有工作。

这说明，数据能力的变化，可能首先发生在协作质量上，而不是统计规模上。

六、不能从“迷信数量”，走向“否定规模”的另一个极端

强调这五种能力，不意味着数据规模不重要。

广泛覆盖、长期比较和复杂分析，可能确实需要更多样、更连续的数据。国家“数据要素×”行动计划既强调海量数据和丰富场景优势，也强调需求牵引、多主体复用以及数据与其他生产要素协同。规模与使用并不是二选一。[11]

更准确的关系是：

规模提供可能性，治理和使用能力影响这些可能性怎样实现，实际结果则需要回到具体任务判断。

同样，五种能力也不是一套自动产生价值的“打勾清单”。不能因为写了来源、设置了权限、建立了更新制度，就认定已经创造价值。

数据可能不适合当前任务，使用成本可能高于所得，原有文件、表格和专业服务也可能已经足够。技术和管理安排是否值得采用，需要结合实际用途，而不是为了满足新的形式要求。

另一方面，依法保存的历史资料、长期研究数据和应急信息，即使暂时没有高频调用，也不应仅凭当前使用次数被判断为没有意义。它们可能承担责任追溯、长期观察或未来风险处置的作用，需要解释保留目的及维护安排，而不是要求每份资料立即成交。

真正需要避免的，是在两个极端之间摇摆：先相信“越多越好”，后来又相信“少而精必然更好”；先相信“交易就是价值”，后来又认为“交易毫无意义”。

认知成熟，不是把旧的单一指标换成新的单一指标，而是能够解释不同条件怎样共同发挥作用。

七、从“占有资源”，走向“组织可靠协作”

如果把数据主要看成库存，工作的重点就容易落在收集和扩充。

如果主要看成商品，重点就容易落在包装、定价和成交。

但如果把数据看成支持判断与协作的生产要素，问题就会进一步改变：

这些资料进入了谁的工作？让什么判断变得更有根据？减少了哪种重复和误解？现实变化后由谁维护？责任更替后还能不能接续？

这并不是远离数据要素政策。“数据二十条”将促进数据合规高效流通使用、赋能实体经济作为主线，所强调的并不只是积累和交易。[12]

对于管理者，真正需要改变的，可能不是某一个技术选择，而是评价工作的顺序。

先问具体问题有没有被更好地处理，再看数据和技术在其中发挥了什么作用；先说明谁使用、谁受益、谁承担成本，再讨论规模与交易怎样支持这种作用持续发生。

这样，日常纠错、语义解释、权限管理和跨主体交接，就不再只是“不显眼的基础工作”，而成为能力建设本身。

评价也不必停留在某个单一数字上。资源是否充分、使用是否可靠、成本是否合理、责任能否接续、公共利益是否得到保护，都应放回各自的位置。

规模描述我们积累了多少，交易描述部分资源怎样流通，能力则体现我们能否在变化中持续把事情做好。

数据要素的价值，不只在于让信息更多、更快地流动，更在于让不同的人，在不同时间和职责之下，仍然能够理解依据、承担责任、接续行动。

从“我拥有多少数据”，走向“我们能否可靠地协作”，才是理解数据要素能力的一次重要认知转变。

跳转微信打开