什么是数据场景，数据场景评价20个维度-ag九游会app

什么是数据场景，数据场景评价20个维度

数据唯有和场景结合，才能更好体现其数据价值。场景既是数据要素的“土壤”，又是数据“价值天花板”。

什么是场景？

比如：我们在日常生活中进入某一个地方，某一个环境形成场和景的结合，我们进入场景目的是什么？是需要解决我们什么问题？场景设置是可以解决无数个问题，但这些问题需要我们去发现。因此出现了一对一，一个问题对应一个场景；一对多，既多个问题对单个场景。

数据场景在于数据用于解决各种问题的场景，数据容易得到，从数据出发的场景难寻，或者从问题出发既场景出来，来找数据比较难。

数据场景就是帮助数据找适合的各种场景，实现数据价值的最大化，场景帮助物理世界或虚拟世界主体解决各类痛点，难点问题，数据场景从物理或虚拟世界去找寻，找出的场景如何进行评价，如何进行场景价值评估，是数据交易行业最紧要问题。

行业共识数据是资产，但是具体讲应该是可用于数据场景的数据，解决实际问题的数据是资产。没有认为数据场景是资产，数据场景可以认为是解决的实际问题，这一实际问题所需要的各种数据要素和算法结合形成数据场景。

数据直接或间接运用于场景，间接运用经过隐私计算，数据计算运用于场景。

数据交易，谁掌握了场景，谁将拥有数据的财务利益。谁掌握的数据场景专利越多，谁将巩固自己的数据场景地位。

余行专利事务所结合与企业，科研单位，高校等算法合作，独创数据场景评价20个维度如下：

价值性，创新性，实用性，迁移性，时间性，空间性，完整性，生态性，操作性，复用性，分割性，演化性，量化性，归一性，算法性，交易性，指数性，融合性，原始性，渠道性。

第一是价值性，即该数据场景能否解决相关痛点、难点、堵点，能否创造经济价值。如果场景没有价值，那么对应的数据应用也无必要开展；

第二是创新性，即该数据场景是否具有创新，是否是新场景，是不是专精特新、战略新兴产业、消费高新领域的新问题；

第三是实用性，即该数据场景能解决现实生活中、工作中实际问题；

第四是迁移性，即数据场景是否可迁移在其他企业环境或组织主体中，可迁移主体越多，场景的价值也就越大，可整体迁移或部分迁移。

第五是时间性，即数据场景时间标签是依据实时数据或历史数据或者二者结合，数据场景有效期是多久，依据历史数据计算未来价值较高，实时数据计算未来价值精准，数据场景有效期内计算未来，价值较高。

第六是空间性，即数据场景是否跨时空，是否横跨物理世界、虚拟世界？数据场景实现虚拟和物理世界结合，价值高，数据场景适合不同地理位置使用，价值高。

第七是完整性，即该数据场景结合解决实际问题，综合考虑，评价场景完整性，数据场景需求是否明确，数据场景功能指向是否可验证。强调完整性是把问题具体化、精细化；

第八是生态性，即该数据场景是否考虑到生态友好，是否绿色环保，是否会对作用环境或相关生态带来负面影响。

第九是操作性，即该数据场景是否可操作，主要考虑场景的数据来源，数据算法，数据效果是否可实现。

第十是复用性，即该数据场景是否可应用于其他的环境或其他数据场景中，主要指数据要素，数据场景，数据算法等复用。

第十一是分割性，即该数据场景是否可分割，根据实际解决技术问题，数据场景是否可分割，分割的数据场景解决某单一问题。可分割的数据场景价值高。

第十二是演化性，即该数据场景是否借助数字技术自行演化，在ai技术指导下，数据场景依据采集解决技术问题改变而进行数据场景演化，实现解决新的技术问题，从而在原数据场景基础上产生新的数据场景。

第十三是量化性，即该数据场景是否可得到具体的数据来源支撑，如果数据场景找不到可以支撑的数据，则场景无量化。如果数据场景在运用后无法在解决实际问题效果上量化，则场景无量化。

第十四是归一性，即该数据场景是否简单，是否容易理解，是否可归纳为数据场景的同一性，使用主体是否理解。具有归一性数据场景价值高。

第十五是算法性，即该数据场景是否具备数据场景所需要的算法设计、算法是否可智能化演化，算法对于场景解决的技术问题是否具有促进作用等

第十六是交易性，即该数据场景是否可进行交易，数据场景交易带来数据场景的价值提升，数据场景不单独属于主体使用者，属于数据场景创造者，数据场景交易需要进行可专利化实现。

第十七是指数性，即该数据场景是否可进行指数化的设计，数据场景众多，进行指数化设计，可快速批量进行数据场景交易。数据场景交易背后是基于算法的专利交易。

第十八是融合性，即该数据场景是否可融合主体自身数据，以及融合市场的传统观点，理念，技术，多个数据场景之间是否可融合。

第十九是原始性，即该数据场景是否从最终端消费出发，向产业上游传递场景，从终端到产业最上游的场景传递，确保数据场景来源可追溯，从最原始的终端需求出发，建立数据场景。

第二十是渠道性，即该数据场景是否解决数据来源方向，以及数据场景是解决客户的渠道还是产品、工艺。

20个维度不仅可以作为场景评价的参考，也可以用于数据场景建设、数据场景优化、数据场景交易等。