▍没有数据，我们是否无能为力？
首先，数据的来源是否清晰？无论是学术还是商业，在所有正式场合，使用数据都需要对来源做出说明；如果涉及到他人的研究，还需要注明引用的文献。数据来源关系到数据质量，当我们使用的是一份未经加工的原始数据，那么即使数据存在缺失、异常值，我们都可以通过对数据进行清洗和必要的修补，来满足使用需要。但假如我们拿到手的数据已经是经过他人处理的了，那么数据质量就是必须考虑的问题。
如果数据是来自于正规学术研究，一般都会有非常详细的数据说明文档和代码，但这种情况出现的比例并不算很高。更大的可能是，数据爱好者从各类自媒体或免费或付费，获取了处理好的数据包，比如下面这样的：
（某公众号的数据分享，在后文明确给出了原始的数据来源和具体的处理方法，以及使用数据需要标注出处时的引用格式）
对于这样的数据包，数据质量是否“可信”？很多人都会遇到这样的情况：分享者对原始数据的处理我并不满意，或者不适合我要做的分析，但我又找不到原始出处，最后只能在“使用处理不当的数据得到可能错误的结论”和“缺少数据无法开展分析”之间二选一。
此外，数据处理是否“可查”。你使用的数据真的能反映你想知道的问题吗？举个例子，收入数据非常难以统计，需要依赖一定规模的调查，同时还可能遭遇低报瞒报等问题。因此，不少研究者会用“招聘薪酬”这类高频数据，替代统计局发布的详细分位数家庭收入。但是，如果不进行复杂的去偏性矫正的话，这种替代在有些情况下是不合适的。比如说：“是不是所有岗位都会选择在网上发布招聘呢？”
基于以上种种问题，即使是互联网巨头公司发布的数据，也偶尔会遇到尴尬。
某知名互联网企业BK曾发布了一个住宅空置率研究，由于“填写人的主观判断存在的偏差，调研样本和程序不够规范，覆盖范围不够全面，部分调研问卷数据采集有误，导致数据不准确。空置率口径无法定标准，本次调研以“房屋是否存在连续三个月无人居住”为判断指标，不能充分反映真实情况。“等原因，上线仅6天就不得不主动撤回。
▍对“能用”的数据，我们有什么期待？
去除上节所谈到的”不可用“的数据，在现实中，“可用”的数据其实非常非常多，既有统计局官方定期发布的各类数据报告，也有知名学术机构定期完成的各类调查，部分有条件的研究者，还可以获取部分高频数据进行补充。那么为什么还是有非常多的数据使用者感到，数据常常不能合乎使用者的心意呢？
使用者对于一份数据的期待是怎样的？
首先是及时性，这代表了数据在时间维度上的滞后程度。例如，我们在证券交易平台上看到的各类金融产品的实时价格，仅以秒或分钟计算。而统计局提供的各类国民经济指标，往往是月度、季度或是年度更新。而一些更加复杂的数据，比如经济普查、人口普查等，每5-10年才会进行一次，而且从普查执行到最终详细数据的发布，中间也要间隔2-5年的时间。
第二是全面性，这代表数据在覆盖群体方面的广度。各种普查可以涵盖全体国民，而更多的调查数据，则基本只针对了某些特定的群体，例如流动人口监测数据，就只针对常住地与户籍地不一致的流动人口；又例如失业率调查，则主要针对劳动年龄段且本身有就业意愿的人群。
第三个角度是深入性，这代表了数据所包含的信息丰富程度。如果我们把一份数据理解为一张表格，每一行都是一条观测值，每一列都是一个字段的话，字段的数量大体可以代表数据信息的丰富度。
当然，并不是时滞越短、覆盖人群越广、字段数量越多的数据，就一定更合适。数据及时性、全面性和深入性，需要和使用数据的场景适配。例如，金融产品实时成交价格，以分或秒为单位更新，对于一般用户的查询来说足矣，但对于量化交易等场景，可能还远远不够。又例如，当我们的目标是反映一个城市16-24岁青年的就业情况时，全口径调查失业率未必合适，反而一些针对性的调查数据更有启发。
▍对数据“提要求”，还得摸摸自己的腰包
寻找合意的数据，其实就是在可接受的预算内，去寻找及时性、全面性和深入性更加符合需求和应用场景的数据。
去年知名杂志《Nature》刊发了两篇关于社会资本的研究，研究者使用了210亿对脸书用户好友关系，涉及到大约7000多万用户（25-44岁），并识别了用户的社会经济特征、所在地等信息。更令人惊叹的是，这两篇研究的数据收集于2022年5月底，距离论文公开仅仅只有2个月左右。
如果从及时、全面、深入的维度来说，这份数据堪称完美。但这份研究，其背后付出的成本也非常可观：参与这两篇论文工作的作者就有二十多位，其中有很大一部分来自脸书公司，提供数据支持，更不要提背后没有署名的无数数据工程师们的努力投入。
马克思说过，价值是凝结在商品中的无差别的人类劳动，这也是数据具有价值的本质原因。尽管人们谈起数据这一生产要素时，总是聚焦于其可复用性带来的便利上，但使用者们也绝不能忽略获取数据的成本。无论是及时性、全面性、还是深入性，在任意一个维度上的哪怕一点微小的数据质量的提升，都需要投入资源，并产生额外的成本。因此数据可以被认为是一种”资产“。
对于绝大多数数据工作者来说，对数据提要求之前，还得摸摸自己的腰包。
▍公共数据供应的尴尬：任务or服务?
回到最初的问题，数据从哪来？无非是两个来源：公共数据和商业化数据。
就全社会而言，数据像土地一样，是一种基础设施；但同时又因为其高度可复用的性质，具有一定公共品的特征。因此，在世界上大部分国家，政府或公共部门提供的公共数据，都是大众主要的数据来源。
当然，各个国家的公共数据提供的怎么样呢？这个话题就一言难尽了。
感兴趣的话，可以参看这篇推文。
（美国国家统计局与中国国家统计局官网）
由于我国国情的特殊性，和西方国家横向对比并不完全合适。
但相信很多读者和数据团一样，在使用我国的公共数据时，总会遇到各种尴尬。
比如，总得一遍一遍汇总整合不同来源的公共数据。
举个例子，数据团曾经做过一次研究，目标是了解房屋供给是不是能够满足需求，从而进一步对房价走势形成自己的判断时，这个过程需要至少三个来源的数据：
1. 这个城市的人口情况、结构、空间分布，这可以从该城市的统计部门查询当地的统计年鉴。
2. 这个城市的土地出让情况，这可以从当地规划和国土资源部门去找相应数据。
3. 这个城市的房屋出让和存量等数据，可能需要去住房与建设部门去找相应数据。
1. 国家统计局的各种数据和公报的空间颗粒度较粗，需要地级市层面的数据，往往还是要去各地市自己的统计局官网查询。 2. 不同地方的统计局，其官网架构和查询数据的路径并不存在一个完全一致的模板，这使得看上去是重复的操作，在每个城市都有不尽相同且难以描述的体验。
3. 有些部门的网页最初设计的时候没有充分考虑实际使用情况，导致一些信息显示不全的问题。
（上海市统计局在网页设计的时候，肯定没有想过一个列表会这么长，以至于没法拖拽页面看到后面的内容。）
▍市场能为数据供应做些什么？
（2022年，各城市房产数据的“冠军们”）
▍数据服务商业化：高昂的交易成本
对卖方来说，是否有客户了解自身数据的真实价值，达成真实成交？交易过程会不会很复杂，需要额外的商务和售前团队介入？成交后钱款是不是能及时到账？ 对买方来说，数据是不是有高可用性，性价比不错？交易过程中卖家会不会跑路？数据交易过程和使用体验是否便捷？数据交易完成后，卖家是否有后续的服务？ 在整个交易中，买卖双方还共同关心交易的隐私性，是否会被竞争对手知晓自己正在进行一项数据交易？