大数据行业负功能区解读与矫正措施研究

陆岷峰

南京财经大学江苏创新发展研究院，江苏 南京210001

一、引言

当前在大数据社会中，大数据思维以及大数据技术对社会生活的渗透度非常深，其应用程度也越来越广。大数据的作用主要是对相关对象的数据进行收集、整理、分析并运用特定模型得出结论，从而将不确定性事件转变成为相对确定的事件。大数据的应用范围广泛，健康医疗、教育、制造、销售等行业均可利用大数据技术，挖掘客户的有效信息，进行精准获客、精准产品定制、精准营销。大数据还可以帮助金融机构降低交易成本，提高风险识别度，优化业务流程，弥补传统金融机构服务方式的不足，提高普惠金融群体金融的可获得性。目前，很多金融机构已经利用大数据技术实现在线申请、在线审批、在线放款等自动化的业务模式。

大数据不只在社会引起广泛关注，在政府部门也同样受到重视，国务院早在2015年就印发了 《促进大数据发展行动纲要》，对大数据未来的发展进行了规划；在“十三五”规划中又把大数据作为基础性战略资源，全面实施促进大数据发展行动，加快推动数据资源开发应用和开放共享，这将有助于我国产业转型升级和社会治理创新。目前，大数据已经度过了探索和市场启动两个阶段，其应用也日趋成熟，并且其巨大的商业价值推动了产业的发展规模。截至2018年，我国大数据市场整体规模达到6200亿元，比2017年增长32%，随着大数据在各个行业的不断渗透，市场整体发展规模可能会进一步提高。

虽然大数据应用技术日趋成熟，但是其运用过程中还存在不少问题，可能导致互联网金融风险进一步扩大，甚至会影响到整个金融行业的顺利发展，关乎金融行业的稳定。及时了解大数据在实际运用中的功能特征、分析大数据存在的主要问题、对大数据负功能进行矫正，将有助于促进大数据在各种业态中的顺利应用及金融行业的安全和稳定。

二、文献综述

当前，随着社会对大数据的应用不断提高，数据的挖掘技术、存储功能以及分析技术也在不断发展，实务界对大数据的关注度与日俱增，不少专家学者也对大数据展开了深入研究。在安全性方面，孟小峰等（2013）提出大数据的规模效应可能导致数据存储、管理等风险的产生，并对数据分析结果的有效性造成重大影响。林志刚等（2013）则从宏观角度对大数据管理风险进行研究，提出大数据管理不当将强化国家间的不均衡发展程度，也使得社会阶层力量失衡。田新玲、黄芝晓（2014）则主要介绍了数据开放和个人数据保护之间的矛盾以及产生这种矛盾的根源，并指出解决该矛盾的方案。蒋洁（2014）认为大数据轮动在推动新商业模式形成的同时也引发了严重的隐私风险，且在当前外部监管措施、用户隐私认知不足的情况下，隐私风险已成为制约行业发展的一大阻碍。同时，黄欣荣（2015）认为随着大数据技术的不断发展，人民的自由和责任观冲击了传统的伦理观，对个人隐私表示担忧。吴伟光（2016）则对个人数据的保护进行了深入研究，认为个人数据应该成为公共物品并且按照公共物品的规则进行规范，政府部门应该设立专业部门对个人数据信息进行管理。在应用发展方面，巴曙松等（2016）认为当前大数据风控虽取得了一定的进展，但仍然存在有效性不足等问题，其原因主要在于数据质量缺陷、理论性障碍以及制度障碍等。杨倩倩等（2016）通过分析对比全球大数据产业发展，发现目前大数据发展主要有三个矛盾：数据交易与数据主权之间的矛盾、数据洞见与隐私保护之间的矛盾、数据规模与利用率之间的矛盾。在积极性方面，陆岷峰，虞鹏飞（2015）认为大数据技术可以帮助商业银行完成转型升级，商业银行利用大数据技术帮助自身增强核心竞争力，占领市场，进行精准获客、营销、产品定制。

大数据的特性在于体量大、种类多、价值密度低，但数据本身没有价值，价值创造在于数据的处理与分析过程。大数据行业如何获取数据、处理数据、分析数据与传递数据价值是该行业运营发展的基础，而如何规避以上业务环节的潜在风险则成为行业可持续发展的关键。通过上述文献梳理，目前学者主要研究大数据产业发展本身存在的问题及大数据金融领域有哪些方面的研究。本文在前人研究的基础上，从微观视角介绍大数据实际运用过程中的特征，厘清大数据在各业态中运用存在的主要问题，并提出具体的解决方案。

三、大数据运用的特征分析

（一）大数据来源跨界性强

跨界性是大数据的一个重要特征，也是大数据不断发展的关键，当前政府部门掌握至少80%以上的静态数据，而且很多数据不会对外公布，这使得市场形成数据孤岛现象，也在很大程度上限制了数据的进一步应用。而大数据技术可以对不同行业、不同地区、不同部门、不同业态的数据进行挖掘并进行跨界整合，而且在云计算、区块链、人工智能、物联网等技术的影响下，大数据的跨界性可以更好地促进金融商业模式、商业产品不断创新，并提高各参与主体在市场中的核心竞争力。

（二）大数据运用迭代性快

迭代性是大数据的另一个特征，迭代性可以使大数据不断创新、数据价值被进一步挖掘。迭代作用主要表现在：①产品研发，大数据的迭代性表明企业需要以用户为中心，借助用户的数据对用户需求进行时实分析，然后根据用户的需求对产品进行研制或者对产品进行更新，在不断迭代中完善产品的功能，提高客户的产品依赖度；②精准营销，在大数据的作用下，平台企业会对市场数据进行分析，转变传统粗放式的营销模式，根据市场情况建立精准的销售渠道，找出合适的消费者，对客户进行精准营销，既能提高营销效率又能降低营销成本；③风险管理，大数据帮助互联网金融平台等新金融科技建立线上风险管理体系，改变传统线下定期或不定期的贷后跟踪，通过对客户的信息进行迭代，描绘出用户的画像，同时借助其它数据进行多方交叉验证，适时分析用户的信用水平，当客户出现信用水平下降时及时采取措施，降低损失。

（三）大数据建模相关性弱

长尾客户群体大部分信息匮乏，而且传统金融机构也因信息不对称等原因很难给予足够的金融支持。互联网金融平台等新金融机构借助大数据技术，可将海量化的客户信息建立大数据模型。但是长尾客户群体数据质量并不高，这极大地削弱了大数据模型的作用。国外著名的市场研究机构Forrester Research曾经对很多大型企业进行调研，发现这些企业对大数据的利用度只有12%。一方面，是因为用户的数据质量存在问题导致相关性较弱，使得因果关系的结论不成立；另一方面，这些数据集中在某个领域内，并没有拓展到整个宏观市场中，而且大数据模型是人为设计的，或多或少存在主观性，此外，网络上大量的虚假信息也影响了大数据模型，导致大数据模型精准度低，严重的还可能产生错误的结论，影响企业的发展。

（四）大数据交互传染性广

借助互联网，大数据提高了金融的可获得性，此外，用户之间的数据交互日益频繁，传统的界限发生改变，数据的交互传染使金融安全的边界产生模糊，导致互联网金融风险不断外溢，甚至会传染到其它领域。交互传染的特点表现在：①互联网无边界、网络化的特点使得风险传染速度非常快；②综合化的金融服务使得业务联系日益密切，不同业务的风险互相关联，而且缺乏有效的风险隔离墙，一项业务的风险很可能传染到其它业务；③不同行业、不同场景的综合性金融产品非常多，这些产品的风险被层层包装，很难被有效识别，也很难被有效衡量，导致其风险存在很大的隐蔽性。

四、大数据行业负面功能区的解读

当前，我国已经进入社会主义发展新时代，中国的经济与社会出现一系列新变化、新特征。大数据行业的出现，正是我国经济社会新变化、新特征的一种表现。大数据是金融科技的核心技术之一，通过数据挖掘技术在市场中搜索有价值的内容，再作用于各个行业，从而促进各行业的发展。目前媒介与传播、银行、服务业已经走在大数据产业投资的前列，交通、卫生、保险业也把大数据投资放在计划之中。大数据的发展为各个行业带来了许多发展机遇，但由于大数据行业发展还不够成熟，仍存在许多风险和挑战。

（一）大数据信息安全隐忧较多

在大数据时代，随着数据的不断增加及数据多样性，一些机构面临着数据被盗窃、滥用或者擅自披露的风险。大数据作为互联网金融的重要业态，作为金融科技的重要内涵，在信息安全方面存在如下风险：①大数据获取的渠道不正规，信息买卖问题严重，很多大数据企业都是从各个渠道、各个场景、各个领域非法获取数据，有的通过不法手段盗取个人信息，导致形成的大数据被非法使用甚至倒卖，特别是在现金贷火热时期，个人数据买卖现象非常严重，使得消费者经常会被骚扰。由于传统的数据保护手段很难满足大数据时代对数据安全保护的要求，这就导致消费者的个人信息存在安全隐患，甚至影响整个金融行业的发展及稳定；②数据在移动使用过程存在泄露隐患，大数据从获取到筛选再到处理过程中会经过很多次的数据转移、存储及运用，流程复杂，这些都会产生数据泄露，而且很难进行跟踪追查；③消费者个人信息保护意识不强，有些消费者个人信息安全意识薄弱，比如中西部偏远地区的很多人愿意以较低的价格泄露自己的个人信息，不法分子通过社交媒体借助他人身份从事网络诈骗，给整个新金融行业带来严重的信用风险，整个社会的诚信意识大大减弱；④传统的数据存储模式和存储技术落后，身份验证等较困难，随着大数据与云计算的深度融合，传统的以静态数据为主的防火墙已经无法满足现实的需求，大数据量大、多样、时效性强、价值高的特点无疑增加了数据储存的困难。近年来，由于移动互联网的广泛应用，传感器数据获取能力大幅提高，大容量的数据可达到PB级的规模，这就要求设计出更加合理的储存系统构架，而很多企业并没有合适的储存系统构架。同时数据存储技术存在许多不足，主要表现在大数据存储服务器软件没有内置足够的安全性，引起了身份验证、输入验证等方面的安全隐患；⑤现有法律不完善，个人信息保护差，我国现有的法律主要基于传统工作环境，针对网络环境信息保护的政策性文件缺失，而且个人信息保护主要镶嵌在各个行业的法规中，没有明确性，不利于保护个人信息安全。例如，国外知名网站CSDN就泄露了600万客户的用户名、密码和邮箱，但是遭受的处罚却仅仅是行政警告，惩处力度太轻。

（二）大数据发展缺乏成熟的行业秩序

在大数据时代中，哪家企业掌握数据优势就能在市场中掌握先机。纵观国内外知名的新金融机构无一不重视对大数据技术的研发，但是当前大数据市场混乱，很多机构在利用大数据过程中缺乏行业规则，行业表现为“三无”的局面：①无监管，大数据应用的范围很广，如金融领域、技术领域等，但业务边界的界定范围不明显，加之缺乏有效的政策监管，行业发展秩序混乱，导致大数据的发展面临政策风险；②无门槛，大数据的门槛很低，普通的技术公司、征信或者类征信机构、金融机构、放贷机构等都可以进入到大数据行业中来，大数据的获取要么基于自有场景，要么通过数据挖掘技术，要么利用商业购买，第一种一般是大型电商企业，这类企业的守法意识较强，第二三种可能面临着信息滥用的问题，给消费者造成侵犯；③无标准，当前数据任意共享或使用，行业处于鱼龙混杂时期，对大数据的应用缺乏行业的统一标准。“三无”局面造成大数据企业数量激增，但是大数据市场容量有限，而投入过量则会造成大数据行业过度竞争，各种行业报告泛滥但其准确性却不能得到保障。就当前整个行业发展状况而言，大数据行业仍然处于不成熟的初级阶段，大数据技术尚未被完全开发，当然这也是因为其它金融科技不成熟，与其他行业的结合模式相对混乱，其应用范围比较狭窄。众所周知，大数据行业对于数据的依赖性极强，而且对数据的数量及质量均有较高要求，海量且不同维度的数据资源能进一步促进大数据行业的发展完善，而单个企业在数据收集及处理方面力量有限，因此数据共享需要行业合作的支持。但在当前行业过度竞争的背景下，大数据企业持数据共享的观点，但对行业合作持保留态度，这在一定程度上抑制了行业进步。

（三）大数据法律制度滞后

新金融最重要的功能就是通过大数据的作用将长尾客户群体纳入服务对象，但是在大数据服务过程中，面临着法律滞后的约束，很多新金融机构必须在法律和利益方面权衡在获利的同时是否存在违法，而且大数据的运用是从产生、挖掘或者收集、传输、存储、分析、应用几个环节，这些环节都面临着数据的归属问题。在我国现有的法律体系中，至今没有一部完全针对大数据的法律法规，多是零零散散地存在其它法律当中。在大数据时代中，任何个体都会生产数据和使用数据，消费者在便捷地使用移动通信与社交媒体时，其数据也不断地被泄露，这些数据汇集到一起，如果保存不当，不仅会侵害消费者权益，甚至可能会影响到整个金融及国家安全。目前，我国的法律体系已无法适应行业的发展，也无法维护消费者的合法权益。此外，互联网金融大数据涉及到广大长尾用户的隐私信息，相关大数据企业特别是中外合资的平台企业未能将大数据安全提升到国家金融安全的层面，重视程度有待进一步增强。

（四）大数据人才供求矛盾

互联网起源于20世纪50年代，距今不到百年的历史，大数据的产生源于互联网。早在2005年，诞生了一个Hadoop项目，这个项目实现了对结构化和复杂数据的快速、可靠的分析。直到2008年末，大数据得到部分知名计算机科学研究人员的认可。大数据距今不到10年的发展历程，尚处于发展的初级阶段，从业人员可借鉴的经验几乎没有，且由于大数据平台尚不完善，可实践的机会并不多，这也造成了大数据从业人员的实践经验不足，难以最大限度地使用大数据。同时，一个合格的数据专家需要掌握多项技能，包括计算机知识、分析能力、数学统计、商业知识和沟通能力。普通人很难达到以上标准，这就造成了当前的人才短板：①供求缺口大，根据相关统计，当前的大数据人才只有46万，而且集中分布在一线城市以及大数据发达的城市，未来整个大数据市场将面临超过150万的人才缺口；②集聚效应差，大数据市场中，大数据企业高度分散，产品重复度较高，规模较小，很难产生集聚效应，人才需求较为分散；③匹配程度低，当前的大数据人才很多都是普通的技术人员，而在数据分析、云计算、数据挖掘等方面的人才严重短缺，很难匹配市场高精尖的人才需求。

（五）大数据质量管理困难

大数据的含义不仅仅是海量级的数据，最为重要的是数据价值的大小。只有有效运用高质量的数据进行分析决策才能使企业的商业价值最大化。然而，数据来源的复杂性和多样性使得数据整合难度凸显，对大数据的质量管理难度远超传统数据质量管理。各个数据在维度上保持一致是数据整合的基础，然而，在数据的应用中，同一个数据被无数次使用，导致相同数据在不同业务场景中的诠释存在差异，致使数据的一致性缺失。数据既有可能来源于组织内部也可能来源于组织外部，如果组织内外数据不一致那么就会对使用者产生困扰，如果在使用过程中修正数据与原始数据存在差异，那么可能会牺牲数据的质量而与原始数据保持一致，使得对数据质量的管理产生较大的困难。在大数据的应用中需要历史数据与实时数据能够有效地整合，在整合过程中关注各个不同阶段的重点无形中增加了数据质量管理的难度，加之，我国在数据管理方面的人才相当缺乏，从而降低了对数据质量有效管理的可行性。此外，大数据还存在审计风险、配套力量不足、数据源错综复杂导致获取难度较大以及数据质量不高等问题，这也使得大数据质量管理存在困难。

五、大数据运用的管理策略

积极解决大数据在各业态应用中存在的问题，维护大数据行业的稳定，引导大数据合理的运用，促进其为实体经济服务、为社会服务，矫正大数据负功能是重中之重。

（一）强化大数据信息安全管理，注重对个人、企业等隐私保护

搭建大数据信息安全管理平台，有效应对大数据运用发展中存在的安全挑战，将有助于整个互联网金融环境的净化，为互联网金融加固安全阀。①继续加快大数据产品的研发，大数据信息遭受泄露是因为大数据的安全防护未能做好，在数据认证、授权、加密、匿名等环节都需要做好数据防窃取方案；②研发大数据追踪功能，在大数据应用的几个环节中，在数据链条放上相关射频识别等技术，当数据被窃取时可以利用数据信息追踪窃取者，同时也可以识别不同环节数据产生问题时的相关责任人；③培养消费者的个人数据保护意识，只有消费者重视自己的个人隐私，知晓信息盗用的危害，信息安全才能得到有效管理，可以在网络社交媒体、线下社区等积极进行宣传教育，做好宣传常规化，培养消费者的个人数据保护意识，在使用软件填写个人信息时，对于涉及个人隐私的信息要仔细阅读，谨慎授权操作；④国家应积极采取相应的安全措施，加强对数据的收集和使用企业的监督管理，引导企业给予用户更多的个人数据控制权、选择权、知情权；⑤通过完善相关的法律法规对个人隐私信息进行保护，并进一步细化数据收集及使用的义务，对企业违法行为进行严厉处理。对于企业而言，企业可以将隐私级别划分成不同等级，实施不同级别保护机制，并完善本行业的自律公约；在收集用户行为和设备行为数据时，通过获取身份特征进而提高数据的可靠性；加强匿名保护技术、数字水印技术、数据确定性删除技术等，设置隐私保护程序。对于个人而言，要进一步提高隐私保护意识和信息安全程度，云储存做为大数据的基础储存平台，应该使云计算设计的每个环节都把隐私问题囊括进去。对隐私的保护应从初始环节做起，在数据发布时应做好信息的保护措施，要充分考虑信息应该何时发布、向谁发布。

（二）落实大数据企业分类管理，引导行业公平竞争

大数据市场的竞争较为激烈，同时市场发展无序，适当竞争有利于大数据市场发展，但是过度竞争则阻碍行业的发展。因此，对大数据企业进行分类管理、确定大数据监管部门、提高准入门槛及运用标准、推动产业结合十分必要。①明确监管部门，由哪个部门或者哪些部门具体监管大数据，哪些大数据可以公开，哪些大数据不得被企业滥用，对于违规使用大数据的企业应该如何进行处罚，而对于正确利用大数据、推动行业健康发展的优质企业如何进行奖励，这些都需要监管部门明确；②提高准入门槛，行业准入门槛低导致大数据行业鱼龙混杂，部分大数据企业资质低下，在数据收集、处理、分析等运营环节中专业性不强，不但阻碍行业的稳健发展，更于整体经济运行有害。政府在规范行业运营方面发挥着不可替代的作用，提高大数据行业准入门槛，对大数据企业的资质进行审核，提升行业整体运营水平。对于涉及个人隐私的大数据，在运用时需要进行前置审批，经过相关部门批准后方可使用；③明确运用标准，我国已经出台了大数据发展的纲领性文件，但是大数据的运用标准等详细的文件还未出台，应该明确大数据运用的详细标准；④推动产业结合，为缓解大数据行业的过度竞争风险，政府还应推动产业结合，挖掘大数据行业的潜在应用价值，创新行业发展，促进产业链的形成，利用大数据产业实现整体经济转型。具体而言，政府在引导行业发展时可利用“政用产学研”的系统合作模式，促进大数据行业以科研力量为基础、以政府政策为支撑、以用户需求为导向的运营模式的形成。

（三）完善大数据法制管理

大数据行业乱象在一定程度上反映出相关法律政策相对滞后、政府监管不到位，并未给予个人足够的信息安全保护，也并未对大数据行业的数据收集及处理工作作出明确的指导，难以支撑信息安全工作的开展。因此，有关部门应尽快落实法律政策，积极借鉴各个国家大数据法律，明确大数据行业的数据收集、处理规范，主要包括明确数据使用目的、确保个人对其信息使用情况的知情权、限制个人信息的留存期限、保障数据真实性等关键问题。从法律上规范数据的归属、保护等，明确商业应用和数据保护的界限，明确大数据在不同的应用中对应的主体权利和责任。此外，还需要提升对大数据安全的重视度，对于违法犯罪行为要严厉打击，影响严重的必须从法律上追究其刑事责任。

（四）优化大数据人才供求管理体制

大数据发展的关键在于人才，当前大数据人才的短缺严重影响了大数据行业的发展，政府部门应建立“人才引领产业，产业集聚人才”的理念，加强对大数据人才的培养。①优化高校人才培养结构，高校应适当调整部分专业的培养内容，对不同学科进行交叉式培养，还可与大数据企业进行合作，共同培养大数据应用人才，通过建立研究基地，加强人才专业化培养，为高校提供更多的实践操作的机会，将人才知识储备转化为大数据产业发展的真正动力；②增加在岗培养，企业可积极邀请大数据专家对企业员工进行培训，还可引进国内外高精尖大数据人才，并制定激励机制，只要经过审核认定的大数据人才可给予人才费、安家费等激励，对于有重大大数据课题项目的应给予奖励；③借助外脑、外智，邀请国外知名的金融科技巨头到企业进行工作，帮助企业发展壮大；④购买适用的急缺的大数据专利，并对其消化、吸收达到创新的目的。此外，政府应该投入更多的资金来推进大数据互联网的快速发展，尤其应积极推动大数据的研发工作，从长远的发展战略考虑，促进高新科技降低大数据的研发成本。可以为相关企业创造相对宽松的融资渠道，通过财政补贴等方式以鼓励大数据行业更好的发展。各大企业应勇于推进大数据分析工具创新，利用大数据进行情报采集和分析预测，加快大数据分析工具在金融、医疗、零售等领域的应用。

（五）加强数据质量管理

由于传统的数据分析工具已不能满足复杂多样的大数据的需求，这就需研发或引进先进的、专业的、适宜的、智能的分析工具对数据进行检测、整合，挖掘大数据中潜在的价值，使得数据资源能够被充分利用，真正的提高决策的准确性。①企业应提高数据来源的质量检测为后续程序打好坚实的基础；②面对庞大复杂非结构化的大数据，企业必须建立完善的数据库，并使其秩序化，保障数据的安全性，以防造成资源的浪费与经济的损失。同时，还需做好应急事件的预防措施，保证数据储存万无一失，进而提高数据质量的管理能力。在互联网及云计算的大背景下，数据无时无刻不在进行更新和传播，企业需要不断更新数据库，以掌握对企业决策最有价值的信息。当前，大数据在中国刚刚起步，数据管理人才的匮乏及部分高层管理者欠缺数据价值的意识，使得数据质量管理较弱。提高企业管理人员尤其是高级管理人员对大数据价值的重视程度是保证大数据价值得到发挥的基础和保证，大中型企业应设置专门的数据管理者对数据价值进行专业化的挖掘和研究，运用数据的潜在价值进行预测，以提升相关企业对数据质量的管理能力。

（六）加强大数据项目的投入

在大数据的背景下，只有联合推出更好的服务才能更好地谋利。资本雄厚、项目综合的行业、顶尖企业应当主动和项目特长企业联合作战，实时关注大数据创业者的动向，以达到紧跟时代发展的目标。可以以协助名义帮助创业，使之成为自己的创新实验项目。同时，企业也可以根据自身经济规模，设立专门的数据分析部门，开发出适合自身发展的数据分析模型，或通过查找相似的成功案例，提供可借鉴的模型，并在此基础上进行创新。对于国家而言，应加大对大数据创新创业项目的投资，相应地提高优先等级，对大数据创业投资的风险投资人进行奖励；采取适宜的措施鼓励大数据行业的发展，拓宽大数据行业的融资渠道，降低大数据行业融资的门槛；发挥各类产业投资基金的作用，设立大数据产业的创业投资基金；鼓励高学历高素质人员提供创业意向，进行审核后，再分级决定立项或给予援助的措施。同时，国家可以建立社会团体或者学者联盟，开发出更加适合金融、医疗卫生、信息技术等领域的模型。

（七）以行业协会为平台促进大数据企业协调发展

大数据行业的规范发展需要企业的稳健运营、政策的有力支撑及行业协会的积极引导。在当前大数据行业乱象频发而法律政策相对滞后的背景下，大数据行业协会应充当沟通的桥梁。①从行业主体层面对大数据企业的运营活动进行指导。规范大数据企业数据收集、处理等业务，降低数据安全风险对社会群体及大数据行业的侵害；组织会员开展培训与交流活动，促进数据共享与行业协作，降低过度竞争对行业造成的负面影响；②大数据行业协会应与有关政府部门保持信息畅通，利用自身的特殊地位为政府制定政策提供依据，并积极宣传法律法规，以提高大数据行业自律性。

六、结语

大数据是互联网、云计算和物联网技术发展的必然趋势，已经渗透到我国各行各业中。目前，大数据产业正迎来快速发展的“黄金时期”，大数据正在与各个产业加快融合，提高大数据科学的分析能力，为做大做强数字经济以及为传统产业结构转型升级提供新动力。但其风险隐患也在行业扩张的过程中不断放大，且风险因素相互影响、层层推进，为行业治理工作带来困难。积极做好大数据应用的配套设施建设，提供大数据良好的发展环境，加强大数据的审计治理，以促进大数据的健康发展。