问题：数据成为关键生产要素后，质量与流通两端的"卡点"日益凸显。质量端，高质量数据集作为模型训练和行业应用的重要基础，仍存在重复建设、复用效率不高、管理服务薄弱等问题；在流通端，企业跨境经营对数据合规流动的需求持续增长，但负面清单执行、合规指引和服务便利度仍需改进。两会期间，全国政协委员、德勤中国董事会主席蒋颖针对这些问题提出了系统性建议，引起广泛关注。 原因：业内分析指出，高质量数据集建设主要受"三个不统一"制约。首先，采集口径与数据结构不统一，不同行业和地区在分类体系、元数据描述、质量评估诸上差异大，导致数据清洗、整合和标注成本高企。其次，治理流程与工具不统一，不少企业缺乏规范的数据治理能力和可复用工具，难以建立可持续、可迭代的数据资产管理机制。再次，建设目标与应用需求不统一，一些项目侧重"建库"而忽视"用库"，场景牵引不足，导致数据集"建而不用""用而不畅"。跨境流动上，企业普遍反映规则透明度不够、清单更新滞后、合规服务供给不足，不同地区执行标准差异大，企业对可流通范围、申报材料和处置要求缺乏稳定预期，影响国际业务效率和成本。 影响：数据基础不牢固，直接制约了数字技术向产业深度渗透。高质量数据集供给不足或质量参差不齐，会降低模型训练效率和行业应用可靠性，进而影响研发周期、产品迭代和产业竞争力。同时，跨境数据流动不畅，增加了企业合规成本和运营不确定性，影响全球供应链协同、跨国研发与客户服务，制约企业国际合作与高水平开放的步伐。业内人士指出，我国数据规模优势明显，但只有把"规模"转化为"质量"和"可用性"，才能形成新质生产力的重要支撑。 对策：针对高质量数据集建设，蒋颖提出从标准、支撑、应用三方面联合推进。一是构建统一标准体系。建议由全国数据标准化技术委员会牵头，多部门跨行业协同推进，制定覆盖数据分类分级、元数据规范、质量评价、采集标注与安全管理的全链条标准，既推动存量数据标准化改造，也为增量数据采集奠定基础，从源头降低整合成本、提升复用效率。据悉，全国数标委已将高质量数据集列入重点标准研制计划，政策层面的衔接有利于标准尽快落地。二是完善支撑体系。通过建立专项协调机制，为企业提供流程指引、工具模板、测试验证与技术咨询等公共服务，结合财政激励和项目支持降低治理成本，提升企业参与度。三是强化应用导向。建议在立项阶段明确应用场景和需求范围，完善评审与过程监督机制，推动数据集建设与制造、金融、交通、医疗等实体经济场景紧密对接，通过公共平台促进共享复用，避免"为建而建"。 针对数据跨境流动，蒋颖建议提升监管透明度与便利化水平，推动负面清单动态更新与完善，明确企业的合规路径；同时优化合规服务供给，强化咨询辅导与流程协同，帮助企业在安全可控前提下实现数据合规出境，支撑国际化经营与跨境创新合作。 前景：业内人士认为，数据治理正从"立规矩"向"强执行、重应用"转变。随着标准体系逐步统一、公共服务能力增强、应用牵引更加明确，高质量数据集有望从分散供给转向规模化、体系化供给，提升数据要素市场化配置效率。跨境数据流动规则的深入明确与服务的完善，将在守住安全底线的同时增强企业全球资源配置能力，为高水平对外开放提供数字支撑。围绕数据"可用、好用、管得住、流得动"的制度与能力建设，将成为推动数字经济与实体经济融合的重要抓手。
数据已成为新时代的战略资源，高质量数据集建设关系到我国在全球数字经济竞争中的地位。蒋颖委员的建议抓住了问题的核心，提出的方案优势在于系统性、操作性和前瞻性。当前，有关部门应加快推进标准体系建设——完善数据治理的政策环境——为数据要素价值释放创造条件。只有建立科学规范的数据管理体系，才能运用我国海量数据，为人工智能产业升级和经济高质量发展提供有力支撑，这对我国抢占全球科技竞争制高点具有重要战略意义。