数据管理平台集成多源异构数据融合功能，正在成为释放数据要素市场增长潜力的关键技术路径。数据要素市场的增长空间，核心取决于企业数据能否从“沉睡资源”转化为“可用资产”——多源异构数据融合正是打通这一转化链条的枢纽环节，其价值释放逻辑将驱动市场持续扩容。

数据融合：从“存数据”到“用数据”的关键一跃

数据加工是数据资源化的第一步，而数据融合是其中最具战略意义的环节。官方资料指出，数据融合是将多源、多模态的数据互相融合，形成可以被挖掘分析数据集的技术过程。目前，不同的数据管理平台都开始在平台中集成多源异构数据融合和多模态数据挖掘的功能，使企业数据可以被分析和利用，充分释放数据价值。

这一趋势的实质，是帮助企业跨越“数据孤岛”障碍。过去，企业采集和存储的数据往往分散在不同系统、不同格式中，难以统一调用。数据融合技术的集成，让原本割裂的结构化与非结构化数据得以整合，为后续的数据分析奠定基础。而数据分析环节，正是利用工具、手段和方法，从海量和异构数据中发现规律、揭示真相，为决策提供依据，真正释放数据作为生产要素的价值。

多模态数据需求爆发，标注产业高增先行

数据融合能力的提升，直接带动了多模态数据（图片、语音、文本、视频等）的处理需求。在数据加工全流程中，数据标注环节因人工智能技术的崛起而增速尤为突出。官方资料显示，根据 Grand View Research 的统计，全球数据标注工具的市场规模在 2021 年约为 6.3 亿美元，到 2030 年将超过 50 亿美元，年均复合增长率接近 27%。

这一数据从侧面印证了数据要素市场底层需求的旺盛：AI 模型训练需要大量带有特征标签的高质量数据，而多模态数据的爆发式增长，又反过来要求更强大的数据融合与挖掘能力。两者互为驱动，形成了数据要素市场扩容的良性循环。

政策与产业双轮驱动，市场空间持续打开

数据要素市场的增长，还受益于数据资源化和产品化两个阶段的同步推进。在数据加工端，清洗、标注、审核、融合等环节已较为成熟，多数数据运营商可自主完成，降低了企业参与数据要素市场的门槛；在数据分析端，以自然语言处理（NLP）等技术为代表的数智化能力，正在为政府、媒体、金融、公安、商业等多行业主体赋能，将数据价值从单一场景扩展到跨行业应用。

从产业格局看，数据要素市场已形成清晰的参与者梯队：既有提供专业训练数据的第三方服务商（如海天瑞声，在人工智能基础数据服务领域具备较强国际竞争力的国内头部企业），也有专注大数据与人工智能技术平台的数据分析公司（如拓尔思，A股第一家上市的大数据技术公司，在自然语言处理领域处于业内领先地位）。多元主体的参与，意味着数据要素市场的服务供给将更加丰富，市场边界也将随应用场景的拓展而不断外延。

常见问题

多源异构数据融合具体解决什么问题？

主要解决企业数据“不能用”和“不好用”的问题。通过将不同来源、不同格式（多模态）的数据互相融合，形成可被挖掘分析的数据集，让分散的数据资源具备统一的调用和分析基础，从而支撑后续的数据价值挖掘。

数据要素市场的增长主要由哪些因素驱动？

驱动因素包括三方面：一是数据融合与多模态挖掘技术的平台化普及，使企业数据可被分析和利用；二是AI产业对训练数据的旺盛需求，带动数据标注等上游环节高速增长；三是数据分析技术（如NLP）在政府、金融、媒体等多行业的落地，持续拓宽数据价值的释放场景。

企业如何评估自身数据要素的价值释放空间？

可从两个维度评估：一是数据资源化程度，即现有数据是否完成清洗、标注、融合等加工步骤，具备可用性；二是数据产品化能力，即能否通过数据分析工具从数据中发现规律并指导业务决策。两者成熟度越高，数据要素的价值释放空间越大。