突如其来的新冠肺炎疫情，对我国的社会管理体系和管理能力进行了严峻的考验。在这场疫情防控斗争中，大数据技术展现了广阔的应用前景，其与交通、医疗、教育等领域的深度融合，显著提升了疫情防控的组织和执行效率，成为科学抗疫的重要工具。然而，此次疫情应对过程中也暴露出大数据及其智能技术在发展中存在的诸多问题和局限。

大数据的核心在于多源数据的互联互通，但在此次疫情防控中，数据分散割裂、无法互通互联的问题尤为突出。数据共享不足，信息孤岛现象严重。虽然疫情防控期间产生了大量疫情大数据，但回顾过去，从各个渠道获取的疫情数据存在数据口径不规范、统计时间不准确、数据可信度低等问题，导致多源数据质量堪忧，管理效率低下。此外，疫情期间，中小型企业利用大数据技术研发的小型创新项目，如无感人体测温系统等，对疫情防控和复工复产起到了重要作用。然而，进入后疫情时代，这些小型技术如昙花一现，例如AI测温系统的软件升级滞后，严重影响了新技术的持续发展。数据产业规模虽有所完善，但“小”技术的韧性和可持续性仍需引起重视。

进入后疫情时代，数据呈现出多元化、高通量、分散随机等特点。作为一项复杂的系统性工程，大数据技术的发展亟需补齐短板、增强韧性。应加快打通多方数据壁垒，提升管理数字化水平。国家层面应给予数据汇聚充分授权，探索基于区块链技术的数据共享新模式，实现跨部门、跨平台、多源头数据的开放共享。结合数字身份标识技术，加强接入数据的可信认证，推动国家人口基础数据、法人单位信息数据、空间地理基础数据等后疫情相关数据的跨部门、跨区域开放共享。

要加快制定多维度标准体系，补齐数据标准化短板。系统梳理疫情防控过程中暴露出的大数据技术标准化建设的不足，围绕数据共享、流程再造、服务协同等方面的要求，规范数据口径、统计标准、数据可信度等。结合当前经济社会发展的形势及挑战，以国家标准、行业标准、地方标准为主体，以团体标准为补充，尽快制定疫情大数据收集和应用的标准体系。综合运用大规模异构数据融合、认知计算等技术，深化政府数据与社会数据的关联融合应用，提升后疫情时代的数据管理效率。

要加快培育和强化创新生态系统，增强技术产业化的韧性。借鉴疫情防控大数据技术应用的实际经验，加快大数据技术协同创新共同体的建设，建立创新要素开放共享机制，培育和强化后疫情时代的大数据技术创新生态系统。加快大数据创新链与产业链的深度融合，特别是加强大数据相关技术与防控物资智能物流、信息技术产业、人工智能与智能装备等后疫情产业的内嵌融合。围绕大数据关键技术在疫情防控中的实际进展，逐步完善大数据工具、平台和系统产品的体系，增强技术产业化的韧性。

要明确数据权责边界，落实大数据监管监督。清晰界定大数据存储、使用、传输、发布等方面的权责关系，提升大数据安全管理的水平，防范个人信息大规模收集、使用可能带来的数据泄露风险。重视信息安全与隐私保护，建立安全、可信的数据加密和认证保护技术，制定相应的原则和标准，完善大数据分类保护机制，筑牢后疫情时代大数据的安全韧性。