开放数据平台：为何成了科研圈破圈的核心密钥

上个月去参加一场生命科学的青年论坛，邻座的青椒倒了一肚子苦水。说自己攒了三年转录组数据，发完文章就躺在移动硬盘里落灰，想找同领域的公开数据集合并做差异分析，要么得挨个给通讯作者发邮件，等半个月回不回全看对方心情，要么就是对方一句“数据太大你自己去拷”，拿回来一看命名混乱格式不对，光整理就花了整整一个月。

这种糟心事儿，做过科研的谁没遇上过？

科研圈的老顽疾：数据躺在保险柜里发霉

现在但凡做点带点规模的研究，哪一个离得开前人积累的数据？做生物信息的要突变数据集，做气候研究的要几十年的观测数据，做城市研究的要人口流动数据，全靠自己攒，十年都不一定能出成果。

可早些年，哪有什么靠谱的开放数据渠道？大多是作者随便传个压缩包到期刊的附属服务器，下载速度慢到龟爬不说，过个三五年期刊换服务器，链接直接404。还有不少高校院所的自建数据库，只对内开放，校外研究者想调数据，托关系都不一定给你。

我之前帮一个博士师弟找长三角最新的土壤重金属监测数据，托了三层关系才拿到五年前的旧版，最新版人家一句“内部资料不方便外流”就给打发了。你说气不气？

很多外行觉得，开放数据不就是把文件传上网吗？能有什么难度？

你懂个屁。不同领域的数据格式天差地别，做基因组测序的是fastq，做遥感观测的是tiff，做社会调查的是带编码说明的csv，没有统一规范的元数据标注，你拿到一堆文件都不知道哪个样本对应哪组实验，哪个字段代表什么含义，和拿了一堆乱码没区别。更别说版权和权益的问题，早年有团队把原始数据公开，结果被别人抢发了核心成果，打官司打了两年才扯清楚，从那之后谁还敢随便把自己的家底放出去？

真正好用的开放数据平台，到底解决了什么真问题？

去年国内多所顶尖高校和中科院共建的国家开放科学数据平台正式上线，我抱着好奇上去逛了一圈，说实话，真的惊着我了。

它根本不是那种把文件堆上去就完事的僵尸仓库。每个学科都有统一制定的元数据标准，上传数据的时候必须按照要求填清楚实验设计、样本信息、试剂批次、分析软件版本，甚至连原始实验记录的扫描件都可以一并上传，后来的研究者拿到数据就能直接用，根本不用花大把时间整理格式、补全信息。

更关键的是，它从规则层面解决了数据提供者的权益问题：每个数据集都分配唯一的DOI，和学术论文一样可以被检索、被引用，别人用你的数据发成果必须标注引用，相当于给数据提供者多算了一份学术产出，完全不是之前那种“白白给别人做嫁衣”。

我认识一个做古气候研究的老教授，之前花了十年跑遍西北各大冰川钻取冰芯，攒出来的同位素数据只发了三篇论文，剩下大半都没用上。去年他把所有原始数据整理好上传到开放数据平台，不到一年时间，数据被引用了快三十次，比他自己发三篇普通SCI的影响力还大。他跟我说，原来这些数据死在我硬盘里，现在放在平台上，几十年后还有人能用，我的研究相当于多活了几十年。

不过话说回来，现在国内的开放数据平台也不是没毛病。不少年纪大的研究者还是转不过弯，觉得这是自己攒了一辈子的“学术私房钱”，凭什么免费给别人用？还有人担心，把原始数据放上去，被别人挑出错误，岂不是坏了自己的名声？其实做错了改了就是，真金不怕火炼，数据做得扎实，引用多了名气只会更大。还有部分地方平台，审核流程慢得离谱，新数据传上去要等两三个月才能上线，确实耽误事。

开放数据平台，正在悄悄改变科研的底层逻辑

你知道现在科研圈最大的浪费是什么？就是重复投入，重复收集数据。同一个方向，十个团队各花大价钱做一遍，最后得到差不多的结论，数据全都自己藏起来，多少科研经费就这么打了水漂。

开放数据平台普及之后，最直接的变化就是打破了大机构的资源垄断。普通高校的年轻学者刚起步，没有大经费支持攒大样本大数据，直接从开放平台拿数据就能做研究，做出不错的成果。前阵子我看到一个双非高校的青年教师，用开放平台上的全球肿瘤基因组数据集做了一个罕见突变的分型研究，发了十分以上的顶刊，放在十年前，他根本拿不到几百上千例的临床样本，根本做不出这个成果。

跨学科研究现在这么火，没有开放数据平台根本玩不转。做人工智能的想做医疗AI，不可能自己去医院攒十年临床病例吧？做计算机的想做气候模拟，不可能自己去建一堆观测站吧？有了开放数据平台，不同领域的研究者各出各的力，各拿各的成果，双赢的事儿。现在很多出圈的AI成果，背后用的不都是公开的开放数据集吗？

我之前也觉得，开放数据就是喊喊口号的政治正确，这么多年都没见真的落地。这两年亲眼看到实实在在的平台建起来，看到年轻学者靠着这些数据做出成果，才反应过来，这真的是能改变整个科研生态的东西。

路当然还很长。不同领域的标准还没完全统一，不少机构的开放意愿还不够，数据的长期存储和维护也还需要持续投入，没人能保证十年二十年之后平台还能正常访问对吧？但至少，我们已经走在对的路上了。总比让一堆能创造价值的数据，躺在个人硬盘里慢慢发霉强。

昨天刷朋友圈，看到一个刚读博的小朋友说，现在找数据不用天天蹲大佬邮箱了，真好。

这句话，就是对开放数据平台最好的背书。