国家数据局点名了「数据合成」

国家数据局印发了《关于推进行业高质量数据集建设行动的实施方案》（国数科基〔2026〕25号），围绕数据集供给、流通、应用全链条部署六大行动。

来源：国家数据局出台专项方案 六大行动推进行业高质量数据集建设

这份方案里有两句话，做数据生意的应该逐字读一遍。

第一句：「运用数据合成等手段破解数据采集难题」

这是国家层面第一次把「数据合成」写进行动方案，并且定位很明确——它是用来「破解数据采集难题」的手段。

换句话说，官方承认了真实数据采不到、拿不动这个问题，并把合成数据列为解法之一。过去两年风控团队最普遍的处境——想训模型却拿不到合规的欺诈样本——在这份文件里被正面回应了。

第二句：「培育数据有偿使用的市场共识」

这句话回答了一个很现实的问题：为什么数据可以卖钱。

方案明确要发展「订阅、定制」等多种模式，还要培育「有偿使用」的共识。也就是说，付费买数据集不是灰色地带，而是政策鼓励的方向。

这对买方意味着什么

质量测评体系还没建，怎么自己判断

方案提到要「加快数据集国家标准研制，建立全国互认的质量测评体系」——说明这套标准目前还在建设期。标准出来之前，买方只能自己判断。可用的抓手有这么几个：

• 字段对不对得上真实系统。数据里的字段，在你的风控系统里能不能找到对应的表？对不上就是白买。
• 有行为序列，还是只有孤立的行。真实欺诈的关键特征在时序里——入账后多久转出、经过几层账户。没有序列就训不出时序模型。
• 异常率是否接近真实场景。公开数据集欺诈率常在 0.1%~0.2%，与真实业务差一个量级，模型上线后阈值全会偏。
• 业务链路能不能追溯到真实案例。每一类异常背后有没有真实的监管通报或司法判例支撑，还是编出来的名字。

我们做了什么

FULUOLA 的每一个场景都是先研究真实资料——监管通报、法院判例、行业风控实践——把业务链路拆出来：有哪些环节、哪些字段、风控看什么、坏人怎么绕。然后把这份知识写成配置，交给统一的引擎产出数据。

所以生成出来的数据不只是「像数据」，而是每个字段、每类异常、每段行为序列都能对上一个真实业务环节。目前覆盖 6 大类 15 个场景，每个场景 5 档难度。