2026（第三届）新疆数字经济创新发展大会在乌鲁木齐开幕。9月16日上午，在“数据要素价值释放与数智政府建设研讨会”专题会上，国脉研究院智能应用评价中心主任邓北美作《政务高质量数据集建设路径与实践》主题演讲，从“为什么建、是什么、怎么建、案例实践”四个方面，系统拆解了政务高质量数据集建设的路径与方法。

01 从一个最小的事说起：新生儿落户

邓北美主任以一个具体场景开场：新疆新生儿落户，过去需要跑三个部门、耗时20天，如今一窗提交、1.5小时办结。

“这中间没有哪个部门加班加点。真正起作用的，是几个部门的数据围绕‘新生儿出生’这件事重新组织了一遍。”她指出，支撑这一变化的是三件事：数据共享——公安、卫健、医保的数据打通，字段互相调用；流程再造——从“跑三个部门”变成“窗口提交一次材料”；责任机制——一数一源，部门之间敢直接采信对方的数据。

但她同时指出，这三件事解决的是“数据通不通”的问题；“数据好不好用”还没有人管——这正是高质量数据集建设要解决的核心命题。

邓北美主任用三组数字呈现了当前现状。根据国家数据局2026年8月公开数据显示，全国年度数据生产总量已达52.26ZB，已建成高质量数据集超过12.6万个、规模超过1815PB，数量增长很快。但全国数据资源调查（2025年度）指出工业领域数据留存率仅为2.9%，即便基础最好的工业领域尚且如此，政务数据的沉睡只会更严重。此外，全国年度数据生产总量达52.26ZB，存储总量2.53ZB，活跃数据总量1.67ZB。可见，当前数据总量是充足的，真正短缺的是能够直接用于模型训练、直接解决具体业务问题的“数据集”。从“有数据”迈向“有高质量数据集”，正是当前这一阶段需要完成的核心任务。

随后，邓北美主任梳理了高质量数据集建设政策演进的三步：第一步，解决“数据是不是生产要素”，以“数据二十条”为标志；第二步，解决“政府手里的数据能不能用”，以中办、国办公共数据资源开发利用意见为标志；第三步，解决“数据好不好用、能不能直接给AI用”——随着国家数据局行业高质量数据集建设实施方案与建设指引出台，这一步刚刚起步，也正是当下的机会窗口。

国家政策文件中定义：高质量数据集是经过采集、加工等数据处理，可直接用于开发和训练人工智能模型，能有效提升模型性能的数据的集合。“说白了，以前我们建数据（报表、驾驶舱）是给人看的，现在建高质量数据集是给AI用的。这是本质区别。”邓北美主任强调，定义里核心要记住四个字——“直接用于”。

她还划了三条边界，针对的是当前工作中的惯性误区：

高质量数据集不是数据目录——1.3万条目录不等于1.3万个能用的数据集，目录只说明“有什么”，说明不了“能用”；

它不是数据仓库——存得下不等于用得上，归集进库只是把原料搬进了院子，离模型直接调用还差一整条加工线；

它也不是项目交付物——验收签字不等于它真正用起来了，建完没人调用就是闲置资产，数据集的价值从被使用那天才开始。

她强调，判断高质量数据集的标准只有一条：有没有具体场景会直接调用它。

邓北美主任提出政务高质量数据集建设的“五步法”：找场景、盘家底、立标准、管质量、优运营。

应先定场景再建数据，立项须满足“一个牵头主体、一个具体场景、一个可衡量效果”；

盘家底要做到一数一源、责任到人，以“数据资源清单”与“数据集需求清单”双向匹配推进；

立标准要统一字段口径、采用国家标准，且标准须在加工前定好；

管质量要静态守底线、动态验价值，引入代表性模型做基准测试，量化回答数据集到底让模型性能提升了多少；

优运营则要把飞轮转起来，通过政府、平台、市场、场景四方协同，实现上架、推送、反馈、整改、迭代整体闭环。

她同时强调，安全合规是横贯全程的门槛，确权授权前置，没有授权依据，加工得再好也出不了域。

在此基础上，邓北美主任进一步提炼了决定数据集“含金量”的四个关键环节：场景构建，从业务痛点出发识别高价值应用场景，以场景倒推数据集建设需求；一数一源梳理，摸清数据家底，明确每个数据项的唯一来源部门；宽表制作，以业务对象为核心跨部门数据关联融合，形成“全域视图”；数据质量检测，建立完整性、准确性、一致性、时效性四维度质检体系，自动化检测与人工复核相结合。

在实践层面，邓北美主任介绍了国脉互联的实践——最新打造的“场景构建智能体”。这款产品的出发点，是很多政府和企业的真实困境：手里攒了不少数据，却说不清到底能建哪些场景、该从哪儿下手。国脉互联把20余年承接的5000多个政务项目，以及每年年会评选出的优秀案例，都变成了它的“底料”。

第一步·锚定需求：从“有数据、却不知该建什么场景”这一痛点出发，先想清楚产品要帮用户解决什么问题。

第二步·汇聚底料：把国脉互联20余年承接的5000多个政务项目，与每年年会评选出的优秀案例全部纳入，作为后续拆解的底料。

第三步·逐一拆解：把每个项目、每个案例拆开来看——它解决什么问题、取得什么成效、需要什么数据、由哪些部门支撑、又产生什么数据。

第四步·形成数据集：按场景要求把上述要素逐项梳理、重新组织，沉淀为一份份高质量数据集。

第五步·喂养模型：将数据集喂给大模型训练，最终形成“场景构建智能体”。

训练完成后，这个智能体的用法很直接：只要告诉它“你手上有什么数据”，它就能告诉你“可以构建什么样的场景”——把国脉20余年的项目经验，变成政府和企业随手可用的场景参谋。

演讲最后，她用一句话收束：“数据的价值，是在场景里用出来的；锁在机房、停在报表，都不算数。”

来源：国脉研究院