研究背景与问题

随着生成式人工智能技术的快速发展，数据价值评估成为学术界和产业界共同关注的热点问题。然而，在数据价值的概念界定与衡量方式上，计算机科学与管理科学之间存在显著分歧。一方面，计算机科学领域强调数据本身的技术属性，倾向于从数据质量、可用性等方面评估数据价值；另一方面，管理科学领域则更关注数据的经济效益，强调数据在决策过程中的作用。这种分歧导致了数据价值评估方法的多样性和不统一，影响了数据资源的有效利用。

研究方法

本文采用构建逻辑链的方法，从“数据+模型”出发，逐步推导出数据价值创造的过程。首先，通过数据与模型的结合，实现数据的不确定性消除；其次，不确定性消除的过程有助于提升数据的经济效益；最后，通过对经济效益的提升，进一步验证数据价值的实现。本文以计算机科学与管理科学为研究对象，通过文献综述、案例分析等方法，对数据价值评估的分歧进行深入剖析。

核心结果

本文构建的“数据+模型”→“不确定性消除”→“经济收益”的数据价值创造逻辑链，揭示了计算机科学与管理科学在数据价值评估上的分歧。研究发现，计算机科学领域的数据价值评估方法主要关注数据的技术属性，而管理科学领域则更注重数据的经济效益。此外，本文还发现，数据价值评估的分歧源于两大学科对数据价值的理解差异，以及数据应用场景的不同。

结论与意义

本文的研究结果表明，数据价值评估是一个复杂的过程，涉及多个学科和领域。为了消除数据价值评估的分歧，本文提出了一个基于“数据+模型”的逻辑链，为数据价值评估提供了新的思路。本文的研究成果对于促进计算机科学与管理科学的交叉融合，提高数据资源的利用效率具有重要意义。同时，本文的研究也为数据价值评估的理论研究和实践应用提供了有益的参考。

文章来源：《经济问题探索》 网址: http://www.nmgsyhgzz.cn/qikandaodu/2026/0707/331.html