随着数字经济浪潮席卷全球，大数据产业“炙手可热”。在大数据产业蓬勃发展的同时，伴随着数据释义与内容格式不规范、数据标准难统一等问题，严重制约了大数据资源整合和规范发展。3月3日，记者从中国电科大数据院获悉，他们正在打造国内首个大数据领域词典，让数据资源标准化、规范化，能够直接使用，提高数据的利用率。

打造数典工程势在必行

3月3日，贵阳高新区中国电科大数据研究院，技术人员正在围绕如何开展数典工程展开激烈地讨论。“数典工程简单来说就是打造一本大数据领域的词典，就像我们经常使用的新华词典一样，是用于规范大数据技术发展与融合应用的一种基础工具。”大数据院刘汪洋博士介绍到。

俗话说，没有规矩不成方圆。“中文有辞海，药学有药典，但大数据却没有类似的系统性词典。大数据词典的缺失，为数据规范定义、统一标识以及数据融合应用等带来巨大的困难，造成数据‘难用、滥用、混用’等现象。”刘汪洋表示，打造数典是一项承前启后的基础性工程，对巩固大数据成果、引导大数据规范发展具有重要的意义。

创新方式，逢山开路遇水搭桥

2019年，“数典”这一概念首次在数博会上被提出，同年5月，大数据院启动“数典”策划论证工作，针对数据释义与内容格式不规范、数据标准难统一等问题，提出了打造国内最大规模的数据基础资源集智平台——数典工程，秉承“工具化、平台化、开放化”的建设理念，构建以数典理论为基石、以大数据词典为核心、以数典平台为载体，以标准规范为保障并拓展多项数据服务的“4+N”体系架构。

“目前，我们在使用数据资源进行融合应用时，有大量的资源和精力都花费在数据清洗上面，这很大程度上降低了数据利用效率。就相当于一个句子，你用英语说了前段、我用德语说中段、他用中文说尾段一样，虽然含义上是那个意思，但却组合不起来，需要先翻译成同一种语言。”刘汪洋说，数典工程建设最突出、最直接的作用在于让数据资源标准化、规范化，能够直接使用，提高数据的利用率。

如今，大数据院采用“理论研究+工具研制”相结合的工作思路，已累计收录了术语词条约1.8万条，涵盖了信息技术、大数据技术及其大数据行业领域，同时构建了通用领域数据描述模型约200个，以及公安、检务等行业领域描述模型50余个。目前，正积极梳理构建“互联网+政务服务”领域数据描述模型。为了更好地开展数据描述模型构建和管理，大数据院已完成数据模型管理及可视化工具研制，有力地支撑大规模数据模型存储与管理。

下一步，大数据院将持续推进“数典工程”理论研究和相关工具的研制工作。同时，计划与社会各界一起打造“数典”开源社区，提供在线权威性解释、专业化推荐、用户在线交流等服务，提高政府、企业、社会组织、个人等各方在大数据领域的用词规范性和共识度，并以“众包”模式持续推进数典的更新维护和优化完善，最终实现社会资源集智和知识赋能，助力升华贵阳大数据建设成就，扩大“中国数谷”影响力，引领大数据发展再上新高度。