日前，《Nature》期刊發文稱：5％的研究經費應用于確保科研數據可重復利用（鼓勵重復性研究和無效結果）。荷蘭 Barend Mons教授認為只撥經費支持研究而不負責數據管理是不負責任的。目前對科研數據管理有著迫切需求。應該對 科研數據管理投入部分管理經費，并且聘用專業的數據管理人員，利用專業的數據管理工具對科研數據進行科學管理 ，這不僅能解放科研人員獲得更多的時間，以便更加投入研究工作，并且使得科研人員具有進一步利深入挖掘實驗數 據進行科學分析。

Nature 578, 491 (2020)

Barend Mons教授提出了FAIR法則（即可找到，可訪問，可互操作和可再利用）作為科研數據管理的基本準則。并且其 同仁和荷蘭政府制定了相關政策，目前正處于初步實施階段。國際上其他國家也開始逐漸在科研數據管理領域加大投 入。Barend Mons教授還呼吁，利用項目研究經費的5%作為項目管理經費，并且項目負責人在申請項目時必須提交詳細 的科研數據管理方案。項目資助方也應該要求項目實施方進行此項管理，否則不予以資助。這種科學的管理方式將使 得科研的產出比更高。

這種管理方式特別適用于目前高校和研究所的實際情況。高校中學生們自己管理自己的實驗和研究數據，這不僅分散 了學生的經理，不利于深入開展研究工作。并且導致學生往往只關注對自己實驗結果有利的部分數據，缺乏對實驗數 據的深層次挖掘，一定程度上造成實驗研究的不全面。因此，專職的數據管理人員在科研中十分必要。

許多棘手的問題只有通過數據密集型計算機輔助研究才能解決。絕大多數研究數據從未發布過。因為無法重復使用這 些數據而浪費了巨額研發資金。 數據再利用的相關政策已經有了，但是解決該問題所需要的資源可能是科學界難以面 對的。

2013年，Barend Mons教授作為荷蘭專家小組的一員并且呼吁國家科學研究資助支持數據管理。七年后，協助起草的相 關政策開始實施。要求設備和研究人員創建的數據需滿足FAIR原則。 目前Barend Mons教授主導一個國際全球開放展 覽會（FAIR）辦公室，負責幫助研究團隊實施這一準則。并且認為這個舉措將需要大量的專業數據管理人員，估計約 每20名研究人員中就需要一個數據管理人員。

即使數據共享，也缺少重復使用所需的原始數據、專業知識、技術支持以及基礎設施。大多數已公開發表的數據集分 散在“補充文件”中，而補充文件中的數據是難以找到并且重復利用。這種做法使研究人員之間無法互相借鑒。例如 ，在疾病暴發的情況下，數據的確實可能造成死亡人數增加。

Barend Mons教授認為研究經費的5％應該用于數據管理。歐盟有3000億歐元（3250億美元）的公共資金用于研究，因 此在數據管理上應話費150億歐元。而研究人員，尤其是經驗更豐富的科學家認為這使得研究經費減少了5％。

首先，妥善保管數據是一項道德責任，應成為良好研究實踐的一部分。第二，如果數據得到適當處理，研究人員將有 更多時間進行研究。攻讀博士學位的學生最多將80％的時間花在“數據處理”上，不應將時間浪費在修改格式等小錯 誤使數據適合分析。如果有400名這樣的學生，那將至少相當于200名全職雇員的薪水。因此，雇用20名專業數據管理 員來減少因數據爭用而浪費的時間將提高有效的研究能力。許多頂級大學開始意識到不共享數據的代價是巨大的，并 且要大于相關的風險。而科學的數據管理可提供可觀的投資回報。

歐盟委員會2018年的一份報告估計，僅在學術領域，數據再利用問題每年就給歐盟造成至少100億歐元的損失，以及 160億歐元的創新機會損失。 

如今，FAIR指導原則每天被引用3次，但引用并不等同已經應用于實踐。Barend Mons教授和她的同事們以及歐洲開放 科學云（European Open ScienceCloud）是一項旨在促進開放科學實踐的計劃，其范圍涉及整個大陸范圍的數據共享 基礎架構的要求。據估計，在歐洲的7000萬科技專業人員和170萬研究人員中，歐洲將至少有1000萬嚴肅數據生成者。 因此，我們將需要教育大約500,000種各種類型的數據管理員，以通過實驗設計和數據捕獲，管理，存儲，分析，發布 和重用為研究人員提供支持。

由于數據管理太過于繁雜且耗時，不能留給研究人員去做。很少有研究人員將數據管理作為他們的核心業務，特別是 當前的激勵機制不鼓勵數據共享，并鞏固了古老的和幾乎完全基于敘事的學術交流文化。幸運的是，世界各地的研究 機構正在建立數據競爭力中心以提供幫助，其中包括荷蘭的瓦赫寧根大學和意大利都靈大學的數據中心。但是這個運 動還處于起步階段。

研究資助機構應堅持：如果沒有經過適當審查和預算的數據管理計劃，就不再撥付研究經費。 而FAIR數據可以提供更 有效的人工智能（FAIR也可以意味著“完全AI就緒”），這將開創前所未有的研究機會并提高可重復性。

一些數據密集型組織正在數據管理方面加大投入，例如制藥公司和醫療中心。（注意FAIR與“公開”不同；保密規則 仍然適用。）在萊頓大學，一個計算腫瘤學程序可為患者體內分析的每個腫瘤創建一個機器可操作的信息文件，無需 手動干預。該項目預算的大約10％用于這些文件的設計和管理，我們稱之為FAIR數字雙胞胎。

更多的研究機構和項目資助方必須做出類似的承諾。關鍵是數據管理能力的建設，使各個研究團隊能夠在國內和國際 上進行合作并共享好的實踐，以便使得數據管理成為良好的規則，而非負擔。