德国高校科研数据管理服务现状和启示

周 雷 杨 萍 燕 娜 吴晨生

(1. 北京市科学技术情报研究所 北京 100044；2.北京科技战略决策咨询中心 北京 100044)

科研数据是科学技术研究、试验开发等研究过程中产生的原始及其衍生数据，是支撑研究论文和科研项目的重要依据。随着科学研究“第四范式”的到来，科研数据已成为信息化时代推动科技发展、社会进步的重要战略资源。目前各国科研机构都围绕这一战略资源开展了从基础设施建设到数据管理服务的研究与实践。检索re3data[1](检索时间：2020年9月21日)，注册数据知识库的最多的国家是美国，已达1086个，排名第二的就是德国，共423个，并大幅领先于第三名的英国288个，表明在国际科研数据管理领域德国占有重要地位。因此，分析德国高校科研数据管理的现状对于我国相关机构开展科研数据管理服务具有重要参考价值。

1 国内高校科研数据管理研究现状

由于国外机构，特别是国外大学图书馆在科研数据管理服务领域开展的比较早，所以国内对这方面的研究较多。李晓辉[2]基于国外高校图书馆开展科研数据管理服务实践认为，图书馆应从技术支撑、科研数据组织、科研数据服务、用户信息素养教育等方面进行科研数据管理服务。此后众多学者从整体服务内容或是某项单独服务能力两方面进行了大量研究。王婉[3]调研了澳大利亚三所高校图书馆的科研数据管理服务，并从服务机构、数据类型及服务内容进行分析；刘桂锋等[4]采用网络调查的方法对美国50所高校图书馆的科研数据管理服务进行了内容比较和特征总结；张萍[5]针对英国高校科研数据管理服务在专业指导、实施办法、技术工具和合作机制等方面进行了总结；阎婷婷[6]、韩金凤[7]分析了加拿大高校图书馆在数据管理计划、数据组织、数据备份与存储、数据获取与共享、数据出版等科研数据管理服务的经验；刘莉[8]、崔涛[9]则分别针对新西兰和荷兰的部分高校也进行了服务介绍和经验特定总结。而具有代表性的专题研究有：陈大庆[10]从数据访问、数据保存、数据共享、数据管理政策执行和监督等方面分析英国主要科研资助机构数据管理与共享政策；丁培[11]简述美国、澳大利亚、英国等国高校科研数据管理政策的制定实践和策略；胡卉等[12]从英美等国20所高校开展的科研数据管理培训和相关素养教育出发，分析其特点总结其经验；孟祥保等[13]通过对荷兰3TU.Datacentrum的建设模型分析了构建数据联盟的经验；顾立平等[14]分析了国外机构对于科研数据的奖励机制；崔涛等[15]分析了在科研数据管理服务中的激励因素及作用机制，促进科研数据的绩效提升。从以上研究不难看出，一方面从数据来源看，我国目前科研数据管理服务的借鉴研究还主要来自英语国家，虽然也有部分如荷兰等非英语国家的研究，但毕竟科研体量不大。另一方面从借鉴内容看，主要集中于政策角度和服务内容角度，往往对一些基础能力、基础工具的研究还有所欠缺。而德国2011 年就开始了国家级科研数据基础实施的框架项目“Radieschen”，在机构层面，比勒菲尔德大学、柏林洪堡大学等德国高校自2013年也逐渐开始科研数据管理服务，积累了较为丰富的实践经验。经过多年发展，德国在re3data注册的科研数据知识库位居全球第二，因此，分析德国高校科研数据管理的现状和发展趋势具有重要现实意义。

2 研究分析框架

机构科研数据管理服务主要包括3个层面的建设。机构策略、组织运营和服务内容。首先，从服务项目来说，科研数据管理服务具有较为清晰的内容，研究也较为充分[2,9,16,17]，基本都是从数据生命周期的角度开展相关服务，如数据管理计划的制定、数据的收集、数据的分析、数据的保存、数据的发布和数据的归档等。其次，科研数据管理策略、组织运营是机构从事科研数据服务能力的重要指标。德国RISE-DE模型是评估机构执行科研数据管理运行能力的重要框架，相比现有的雪城大学研究数据管理能力成熟度模型(SDM-CMM)、英国巴斯大学社区成熟度模型框架等，更加关注机构数据战略规范、运行组织效率等管理方面内容[18]。因此，用该模型分析机构策略和组织运营更为合适。RISE-DE认为机构策略主要包括战略发展规划、责任和激励和数据政策等；而组织运营则主要包括机构人员组成、财务概算、公共关系等[19]。整体分析框架如图1所示。

图1 本研究分析框架

3 样本选取及概述

本研究的样本来自德国比勒菲尔德大学、哥廷根大学、柏林洪堡大学、海德堡大学、基尔大学等8所高校。这8所高校中，比勒菲尔德大学、哥廷根大学、柏林洪堡大学、海德堡大学、基尔大学在2012、2013年左右开始实施科研数据管理服务，是德国第一批提供该服务的高校，而卡尔斯鲁厄工业大学、亚琛工业大学、马尔堡大学是德国工业大学和文理大学的典型代表，而且开展科研数据管理服务也有近5年的历史，因此也纳入本研究样本中。

通过访问这8所高校的官方网站，查找科研数据管理服务的导航设置，发现8所高校都有单独设置的科研数据管理服务主题网页。同时，除哥廷根大学的科研数据管理服务列入eResearch Alliance(e科研联盟)外，其余7所高校开展的服务都以“forschungsdaten/科研数据或Forschungsdaten management/科研数据管理”命名，具体如表1所示。

表1 德国高校科研数据管理服务栏目设置

4 德国高校科研数据管理服务现状

4.1机构数据策略

4.1.1 机构战略发展 德国高校的科研数据管理策略较为类似(见表2)。在发展战略层面，8所高校都认为，良好的科研规范是科研数据发展的内在驱动机制，这和德国高校的科研数据管理历史有关。德国科学基金会(DFG)1998 年出台了《确保良好科学实践的建议》，认为科研数据管理是保证科学研究严谨和规范的重要手段。之后随着科技的发展和信息时代的到来，科研数据有了更多用途，因此，DFG在2013 年又发布了《确保良好科学实践的建议》补充版，文件中解释了什么是良好的科学实践，并规定了对科研数据的要求[20]。此外，基尔大学和马尔堡大学分别组建了战略管理机构，从建立目的上看，也是加深优良的科学数据管理是良好科学实践保障这一战略。以马尔堡大学的Kommission Forschung und Verantwortung(研究和责任委员会)为例，该委员会由教师代表(每个学院/系一名教授)、科研人员代表(非教授的普通科研人员)、学生代表和管理人员代表组成，其主旨就是明确“研究过程的每个阶段都要意识到研究人员的责任，特别是在研究的过程中，加深所有参与人员对此责任感的认识”。

表2 德国高校科研数据管理战略、政策和激励机制

4.1.2 机构数据管理政策和责任激励机制 由于科研项目依来源、学科的不同，数据管理要求、共享汇交都不同，所以，德国高校科研数据管理政策并未强调数据的共享、收集办法等细则，而是与责任激励机制合二为一，就是明确在管理过程中的责任，而且也较为类似。本研究以亚琛工业大学(RWTH Aachen)科研数据管理政策为例详细说明。首先高校有责任提供科研数据管理的支撑服务，而科研人员有义务执行良好科研规范。围绕科研数据的生命周期，学校支持科研人员制订数据管理计划(DMP)，学校的研究信息基础设施和IT-中心有责任为科研人员提供(内部或外部)数据保存/归档服务，并提供全程培训。由于这种职责划分，使得德国高校在科研数据管理中处于监督和服务的地位，其自身并没有相关的奖励机制。德国科研数据奖励主要来自科研资助方，如Open Data Impact Award(开放数据影响力奖金)由德国基金会协会颁发，奖励公开高质量数据的科研人员。而对于院系级的专门科研数据政策，主要围绕一些具有特定性、综合性的特色学科而制定。如基尔大学位于德国北部港口城市，该校KMS(基尔海洋科学中心)、KLS(基尔生命科学中心)等4个综合性研究中心有更加细分的科研数据政策。

由于政策规范性较强，德国洪堡大学基于德国教研部(BMBF)的国家级科研数据管理项目FDMentor，联合地区内高校联合开发了科研数据政策工具(forschungsdaten-Policy-Schema)。该工具将科研数据政策分为总则、适用范围、法律、数据处理、相关责任和有效期等6个部分，设置相应的文本模块，使用者可以较为便利的根据自身情况采用搭积木的方式形成自身机构的科研数据政策。

4.2数据管理服务的组织运营科研数据管理服务的组织运营主要包括机构人员组成、财务概算、公共关系等(见表3)。首先，治理和组织发展上，德国高校都建立专门的科研数据管理服务机构，虽然名字各不相同，但是从组成上看，基本由图书馆和计算中心为组成核心。有些高校如亚琛工业大学、马尔堡大学还有校级管理办公室的介入，有些高校如卡尔斯鲁厄工业大学有校档案馆的加入。从人员上看，也和组织相对应，基本由数据管理人员、IT-技术人员和协调人员为主，部分机构有专业人员和法律人员的加入。这主要是因为，科研数据管理需要不同机构的不同能力，如图书馆信息组织能力，计算中心的软、硬件支撑技术，而服务之中还可能涉及数据的产权、隐私包含等法律问题等，如果由多部门联合执行，协调成本会较高，因此，联合不同人员组成工作专班可以有效避免沟通协调成本，提高办事效率。

表3 德国高校科研数据管理组织与运营

其次，在运营资金方面，目前还没有检索到各机构的账务情况，因此很难说建设以来的人力、物力投入和常规运营费用。当然资金概算只有将科研数据管理服务所需配置齐全之后，计算才有意义，否则只是进行数据管理的某一部分或者服务程度不一，也使得资金投入产出边界绩效计算意义不大。哥廷根大学e研究联盟是为科研人员搭建一个整体的e科研平台，不仅涉及科研数据，还包括如Endnote、Reference Manager等文献管理工具、LimeSurvey开放问卷工具、Projectmanagemen-Service项目管理软件、Statistik Programme统计工具集等50余种开放软件的使用等，因此，目前承担涉及科研数据管理资金投入概算的项目，依托该项目将构建一个与数据量、投入人力、数据管理经验、数据质量、数据异质性、自动化程度、计算能力等相关因素资金投入模型。

最后，在公共关系领域，调研中的大部分德国高校主要还是通过传统的咨询和课程宣传科研数据管理服务。其中，授课对象一般区分研究人员的层级，因为不同职级的研究人员在整个科研过程中扮演的角色不同。而形式上多种多样，包括讲座、研讨课、路演、工作坊和在线课程等。值得注意的是，比勒菲尔德大学开设的数据管理课程经过PEP认证。从教学材料上看更加注重知识的普及性、全面性和规范性，在媒介上注意网络资源的应用。如海德堡大学联合州其他院校开发出德国科研数据知识百科网站forschungsdaten.info，编写并对网络上众多培训材料、资料进行规整，供科研人员自学使用。洪堡大学开发E-Learning教学视频。马尔堡大学联合州内高校承担了科研数据培训教材编制项目FOKUS，该项目由德国教研部(BMBF)资助，开发特定学科主题的模块化科研数据培训单元。作为试点，目前已经开发了经济学、德语研究和教育科学模块，具体包括如学科领域内良好数据管理实践、数据管理计划、元数据和元数据标准、FAIR原则、数据质量、数据组织、数据存储、备份和存档、数据保护和版权等。

4.3数据管理服务内容科研数据生命周期指数据从收集、加工、保存、传播、检索、存取和利用，到数据归档的全过程[21]。本研究从数据生命周期角度调研这8所德国高校开展的相关服务，具体如表4所示。发现各高校开展的服务较为齐备，项目也较为类似，同时，一方面，不同高校在服务中使用的部分工具较为统一，另一方面，各自高校还在服务中积极开发相关技术工具，提升服务质量。因此，本研究在这部分以海德堡大学为主线简述德国高校科研数据管理服务的基本流程，具体如图2所示。同时，如上节所述，德国高校对于“软件”技术的投入较大，所以，在介绍各服务的同时还将介绍部分特色工具和技术。

表4 德国高校科研数据管理服务内容一览表

4.3.1 项目启动阶段 海德堡大学的科研数据管理服务由学校组建的科研数据能力中心组织实施。在项目的开始阶段，德国高校针对科研数据管理的服务核心主要就是数据管理计划(DMP)。数据管理计划不仅包括如何收集、分析、保存和发布数据，还包含数据管理中的法律道德、敏感隐私数据的处理。与一般DMP制定使用DMP-Tool或者DMPonline不同，德国高校普遍使用卡尔斯鲁厄工业大学主导开发的数据管理工具RDMO依资助方或研究机构要求制定计划。一方面可以防止由于原有工具集中式部署可能带来的科研信息外泄，另一方面RDMO并非按照传统资助方要求模板进行数据管理计划的制定，而是将数据全生命周期中所有该考虑的因素，以问卷的形式引导科研人员回答，之后通过实体关系映射到资助机构的模板之中。通过该软件德国高校在项目之初就明确了数据管理各部分的责任人和时间。同时，RDMO具有两种操作模式，科研人员在编写的过程中，数据管理人员也可以进行参与，以便对计划进行审查，并及时向科研人员进行反馈。

图2 海德堡大学科研数据能力中心服务结构流程图

4.3.2 项目执行阶段

a.数据的发现。项目执行阶段的首要问题是确定所需数据是否存在或有类似数据可以重用。德国高校图书馆一般以提供科研数据库门户网站的方式来帮助研究人员收集与发现数据。海德堡大学建有HeiBIB机构数据知识库网站，科研人员一方面可以检索本机构的相关研究，另一方面由于数据知识库注册系统re3data.org本身是德国科学基金会资助建设，德国大部分研究机构的数据知识库都在上面注册，因此，通过该平台还是可以查找其他相关科研数据。

b.数据的存储。在项目开展过程中，德国高校为科研人员提供多种数据存储方案。海德堡大学为科研人员在文件备份上提供由计算中心支持的本地heiBOX，以及州存储服务器bwFile Storage，这些存储服务大多对外不共享，主要用于保存较大文件和数据主副本。而对于一些重要、关键数据，大学则提供SDS@hd服务器，该服务是州政府提供的存储基础设施，专门存储所谓的热点数据(“hot data”)，提供较高的安全等级。同时，大学提供了bwSync&Share、Filetransfer等数据同步工具、文件传输工具等，方便科研人员进行内部数据共享和传递。

c.数据的记录分析。元数据标准化是项目分析利用的重要环节。在数据描述、合并分析过程中，标准化的元数据既有助于科研人员理解不同学科领域的数据含义，方便数据重用，也有利于自身数据的规范描述，从而提升自产数据的价值。海德堡大学主要是通过咨询服务为科研人员提供元数据方案的支持服务。其实，在元数据领域，大量学科现在还没有较为成熟的元数据方案，因此，德国高校普遍开展学科元数据的研究，如亚琛工业大学图书馆参与NFDI4Cat、NFDI4Chem等催化领域、化工领域国家科研数据基础设施项目的建设，建设内容中学科元数据标准就是核心任务之一。斯图加特大学建有德国高性能计算中心，该校图书馆就开发出计算科学领域的元数据方案EngMeta，其由描述性元数据、学科特定元数据、过程元数据、技术性元数据等4部分组成，元素上又大量参考整合如：DataCite、ExptML、PROV/ProvOne等多个现有元数据方案，以实现较好的元数据互操作特性。

在数据分析方面，海德堡大学为科研人员提供heiCloud系统，即IaaS(基础设施即服务)，包括处理CPU、内存、存储、网络和其它基本的计算资源，用户能够部署和运行，包括操作系统和应用程序在内的任意软件。

4.3.3 项目结束阶段

a.数据合规、隐私保护。在项目结束阶段，科研数据管理的主要工作是出版发布和长期归档。但首要面临的问题是数据的合规性、敏感隐私等涉及法律法规的问题。科研数据的法律问题较为复杂，不同阶段涉及的法律问题又不一样。德国德累斯顿工业大学承接联邦教研部相关课题DataJus，开发出科研数据管理法律框架条件决策树工具，将数据内容与众多法律条目相关联，便于服务时找出数据可能涉及的法律条款以及相关的解决方案。

b.数据发布和归档。在数据出版时，海德堡大学为原始数据按照数据类型的不同分别存储在HeiData和HeidlCON中。其中HeiData主要存储和归档科研数据，同时添加如DOI永久标识符等，为了便于再利用，还支持规范字典的使用。HeidlCON则主要存储图像、图片等多媒体文件。当然海德堡大学也提供数据在其他专业领域数据知识库发布的服务。而数据所对应的出版物可以发布在如HeiDok、学校开放期刊系统Open Journal Sys里，对于发表于商业期刊的数据、文献，海德堡大学建有OA出版基金，提供标准化的APC费用支持服务。HeiDok中的论文和HeiData等数据知识库建有链接，同时，这些数据以及由本校发表在其他专业数据知识库的元数据收集到大学HeiBIB中，并建立索引供查询。而这个知识库又在如re3data中注册，也被WoS 的Data Citation Index、Google Dataset Search检索，供第三方使用，亦可提高影响力。

在其他高校中，比勒菲尔德大学图书馆在数据发布出版阶段开发了CONQUAIRE工具，采用持续集成(Continuous Integration)的办法实现科研数据可再现性的质量控制。该工具既可以针对数据格式、数据缺失等进行一般性测试，也可以借助XML文件核查帮助监测人员理解科研系统I(nput)/O(utput)，从而实现结果的可再现性。而通过核查的数据给予相应可信任徽章，提给传播影响力，提升服务价值。

5 德国高校科研数据管理特点

5.1数据政策强调科研规范和明细的职责划分从战略和政策文本上看，德国高校科研数据管理的激励机制在外部更加强调科研的规范性，而内部则体现明确的责任划分。调研的8所高校都认为良好的科研规范是各自科研数据管理的战略指导，而高校和科研人员则应当承担各自的基本义务。其中，高校为科研人员提供良好的数据管理支持，8所高校都基本以图书馆和计算中心为主要组成，单独建立相关责任部门进行科研数据管理，并针对技术、管理问题开展科研项目。而科研人员则要保证科研过程的良好规范，并在数据的产生、使用、保存中实施。

5.2科研数据管理硬件配置齐全从科研数据管理服务的基础设施配置上看，德国高校为数据全生命周期提供了多元的硬件支持。首先在项目申请阶段，布置了分布式数据管理计划工具RDMO。在项目执行阶段，不同学校都利用不同类型的存储设备和辅助工具为科研人员提供包括科研数据文件的保存、同步、传输等保障。在项目结束阶段，搭建出版发布服务系统，并匹配相关基金予以资助。同时，构建与内外部数据、出版物相关链接的检索系统，建立注册机制，提升数据影响力。

5.3科研数据管理研究投入大，知识外溢明显德国高校普遍承担国家级科研数据管理项目，开发相关工具和软件，如上文提及的E-Learning教学视频、数据管理知识bwFDM-Info、RDMO数据管理计划、数据管理培训课程FOKUS、可再现性验证工具CONQUAIRE等。而在项目执行之后，这些工具和软件都形成了全德国高校开展科研数据管理有力“帮手”，bwFDM-info项目成果forschungsdaten.info、FDMP-Werkzeug项目成果RDMO等都已经广泛使用。国家级科研项目在科研数据理论到实践过程中发挥了重要作用，知识外溢效果显著。

5.4高校协作开展技术研发德国高校开展科研数据管理相关技术的研发主要采用合作的模式进行。比如FOKUS项目，由马尔堡大学牵头，联合州内其他4所高校联合完成；bwFDM-Info则由卡尔斯鲁厄大学负责，联合巴符州内海德堡大学、斯图加特大学等高校实施。而2019年刚刚启动的国家科研数据基础设施项目NFDI，更是由图书馆/信息机构联合专业学科，从国家层面不同研究机构联合承担，开发出不同学科的如数据质量、元数据标准等基础性技术。同时，不难看出，不同类型的技术多为单一项目开展，如包含科研数据管理资金投入绩效的项目GRAcE就由基础设施较为全备的哥廷根大学承担，其他高校不再实施。因此，科研数据管理项目规划重复性小，有效利用公益性项目，最大发挥知识溢出效应，减少了资金浪费。

6 借鉴和启示

目前，我国科研数据管理在研究层面，有了较为广泛的开展，论文数量大幅增加，管理内容和范围也逐渐清晰，提供全面的数据分析、数据保存服务和科研数据管理平台建设将成为机构实施的重点[22]。但在执行层面，除了国家科学数据平台和个别高校外，绝大部分机构还未开展实质工作，数据还主要存在于项目组或个人手中。即便是现有平台也存在重建轻用、标准不一等问题，致使科研数据价值提升有限。所以，参考德国高校科研数据管理服务对我国相关机构开展数据服务具有重要参考价值。

6.1加强科研数据管理的激励机制建设2018年国务院办公厅印发 《科学数据管理办法》后，国家层面有了顶层设计，但机构层面自主性科研数据管理政策还不多。目前，科学数据政策法规导向日趋温和，自上而下“一刀切”的行政命令作用往往较为有限。所以，激励机制建设是科研数据管理的基础。科研数据管理的激励机制建设主要包括两个方面：1.强化科研人员的学术规范化教育；2.建立权责分明的科研数据政策。德国在科研数据实施战略中也只是强调良好的科研规范是科研数据管理的战略目标。因此，图书馆/信息机构可以将自身打造为科学规范教育的普及者，加大对于学术规范的教育，重视公开关系建设，利用不同媒介和形式宣传开放科学、科研数据管理。其次，机构的科研数据管理政策是具体服务工作的指导文件。权力、责任和利益是一切过程中实施管理的“三要素”，缺一不可。其中责任是传导层，也是关键环节。离开了责任，权力就会落空，当然利益也就丧失了。因此，权责分明是工作能够运行，组织协调推进的核心关键。德国高校科研数据政策都较为简单，大多只有一页，其核心就是说明各方的权力、义务和享受的服务。同时，还应注意权责分明要与相应管理者的能力相匹配，因此，德国高校都是组建单独机构进行科研数据管理服务。在具体工作中，图书馆/信息机构应联合相关部门组建科研数据管理机构，发挥自身在信息组织上的优势，主导科研数据管理服务的开展。

6.2全生命周期建设增值科研数据管理服务目前，国内高校开展科研数据管理服务主要依托数据平台建设，往往没有将科研数据管理服务嵌入到科研过程之中，往往只是关注了存储功能和平台建设，从而普遍造成重建轻用，形成大量“静态”平台，其核心问题就是未形成有效的服务增值。而增值的首要问题就是提高科研人员效率，降低科研数据管理的工作量。Peters C等在调查休斯顿大学科研数据管理时就发现，科研人员对数据管理实际上需要的不仅是物理存储能力，还有资助机构的数据管理要求、学校可能有用的数据管理相关服务、出版支持等全方位服务[23]。而一体化的服务可以提升服务的投入产出已经是普遍的公理。德国高校进行科研数据管理服务时，提供全方位的软硬件服务，特别是哥廷根大学，整合了所有与学术研究相关的开放或者商业资源，打造一体化的e科研平台，既提升科研效率，又降低数据管理难度。因此，图书馆/信息管理机构在进行科研数据服务时，要构建内容包括数据管理计划、数据的收集、存储、分析、发布、出版，形式从咨询到应用的一整套服务，才能吸引科研人员参与科研数据管理，实现科研工作过程的规范，加快数据共享进程。

6.3科研数据管理增值重在“软件”建设科研数据服务的增值和最终目标在于数据的复用。数据的高质量、数据间的互操作、数据的可靠性、数据论文的关联都有效提升数据价值的手段，而这些都需要技术能力为保障。因此，科学数据管理的成功核心是“软件”建设。“软件”建设微观上包括科研数据管理培训、元数据规范、软件工具，宏观上包括数据管理联盟和国家科研数据基础设施的建设。主要由于科研数据资源与传统文献资源相比，首先，资源来源方式不同。科研数据大多掌握在科研人员的手里；其次，资源属性和形式各异。不同学科之间数据资源从规模到格式差异明显；最后，资源价值提升途径复杂。需要不同数据、不同类型资源的有效关联。而同时“软件”的缺失还导致科研数据管理平台和用户之间缺少有效插件和接口，无法发挥应有作用，服务人员也无从下手。德国高校在进行科研数据管理时，非常重视“软件”建设，从实体的数据管理工具、规范的培训教材，再到信息组织技术、数据知识网站，都有较为系统的开发。同时，科研数据从管理到利用仍有大部分研究空白，因此，我国相关机构也应从自身使用出发，开展科研数据管理的相关主题研究，才能真正提升自身服务的吸引力，适应开放科学的大趋势。

6.4科研数据管理需要大范围的协同科研数据管理虽然从硬件角度看，基本需要各个高校单独进行建设或部分条件较好的高校为中心，以地区联盟的形式构建。但从整个科研数据管理建设而言，特别是“软件”建设，仍然需要大范围的协同发展。而大范围的协同应具有两层含义：一是技术上要广泛布局，不同机构依照自身特点和实力，开发科研数据管理中所需要的产品，进而通过产品推广实现知识外溢；二是整体上又要协同合作，尽量在一个统一的框架中完成。这主要是因为，科研数据管理涉及的方面众多，数字化标准、数值质量、研究工具、元数据标准、专用术语等技术众多，又涉及不同学科不同专业技术繁复，同时，还又有如数据的法律和版权、道德和隐私，以及数据治理领域，如数据文化、奖励机制、出版资助等具有广泛共性的框架问题。具体工作中，可以参考重大专项设立科研管理科研项目基金，让有资质、有意愿的图书馆、信息机构进行申请，开发科研数据管理中的重要技术，解决实际工作中遇到的问题，在国际交流中也可以显示科研数据管理中的中国元素。