由 dawei 黄罡：非常高兴来这个论坛和大家分享我们北京大学在政府数据开放方面的一些工作。其实就大数据来说，我个人认为互联网，BAT搞大数据，实际上是垃圾数据里面去挖金子。但是，其实在中国，因为我们过去十年以部委为中心进行了政府信息化建设的提升，我们的政府信息过程政府数据实际上本身就是金子。所以，只不过这些金子藏在一个个以部门为中心的信息孤岛里面。所以，我个人认为政府做大数据考虑的不是像BAT这种互联网大数据，更多考虑怎么能够尽快的把这些已经是金矿的数据拿出来，怎么让这些金矿变成更大的辅助我们国家去做治理。
信息孤岛这个词大家听过了，去年国务院发布的《大数据行动发展纲要》，当然是举国欢庆，包括厂商，包括地方政府。但是，我们自己看这个纲要里面实际上藏着一些数字。我们通过对神州数码、中软、东软等这些有资质的企业进行调研，基本上一个典型的政府信息系统，如果是一个孤岛式的，它的开放成本一般是1000人/天。这意味着我们的政府信息系统现在至少十万个以上，这样开放下来，至少达到1亿人/天。政府给了时间点，在2020年对外开放。我们以2018年为时间点，短短两年半的时间，如果要利用1亿人/天实现政府数据开放，需要的中高端软件工程师20万。我们中国现在正儿八经的软件工程师也就是几十万。所以，抛开互联网、产业、物联网，光政府数据开放现在就需要20万个软件工程师给我们干活。这20万个软件工程师光工资就得一千亿。所以，在这个里面看上去，这个数字首先大家觉得比较耸人听闻，但是实际上在政府行动纲要里面，部委内部是算过账的，最高的一笔帐达到3000亿。所以，这个数字实际上是比较准确的。
但是，我们在欢庆的同时，我们具体看一下，这到底是一千个亿的市场机遇还是一个代价高达一千亿的政府的痛点？当我们真正要去把一个政府的信息化系统打开的时候会碰见什么问题？首先，很容易算出来显性成本，如果直接把后台数据库打开风险太大，而且对于政府来说，那就意味着所有的数据不加保留的暴露在所有其他人的面前，我为什么要这样？第二，即便我们做好了这两个，这时候原系统的开发商可能不在了，即这样可能给你开发的这个系统团队也都早就没在了，这意味着要花大量的时间把原来的系统重新补一遍才能准确无误没有风险的把数据开放出来。第三，系统开发商的锁定问题。所以，这些可以证明我们算出来的数据。
更关键的是我们现在的数据，所谓政府很多的数据开放平台，更多是说先把数据搞出来再说，怎么用，没想出来，或者说画几个漂亮的数字。所以，如果想不清楚数据开放出来怎么用，其实它的阻力就很明显，怎么去协调这些数据利益的相关者，怎么协调原来信息系统的相关者。因为我根本讲不明白，把数据开放出来到底干什么？所以，整个的沟通成本，基本上形成了一个系统。真正到了这边的真正开工，基本上要花半年到一年的时间进行沟通、交流、论证。所以，这么一算下来，其实真的用传统方式去实现大数据行动纲要的三个时间节点我个人是持比较悲观的态度。
能不能有一种方式去解决我们在政府打破信息孤岛实现数据开放领域的时间、空间成本。软件确实在大数据时代依然是非常重要的，为什么？所谓信息孤岛就是软件带，只不过因为我们做的系统软件太好了，90%以上的代码功能已经被我们系统软件给实现了，这个时候其实从我们做软件的角度来看，其实我要去理解这个信息孤岛非常简单，因为90%的东西我都是知道的，只是不知道由应用开发商写的不到10%的代码，而且那10%的代码往往是遵循我们定义的开发框架，比如MES，或者BS，或者CS。所以，基本上我们经过大量的实验发现其实我可以开发一套非常智能的软件的自动分析的工具和技术，给我任何一个系统，只要你在我的平台上操作一下，我基本上能够猜的八九不离十。因此，我们就可以自动的把这些系统生成一大堆的接口，把这些内部数据给开放。