《上海数据交易所：金融业数据流通交易市场研究报告（2022年）（54页）.pdf》由会员分享，可在线阅读，更多相关《上海数据交易所：金融业数据流通交易市场研究报告（2022年）（54页）.pdf（54页珍藏版）》请在三个皮匠报告上搜索。

1、金融业数据流通交易市场研究报告金融业数据流通交易市场研究报告上海数据交易所研究院2022 年 11 月编写人员：编写人员：汤奇峰黄丽华卓训方吴蔽余秦璇赵蔡晶夏飞计丽娜宋敏兰安然曾萍萍邱诗韵摘 要摘 要数据是开展金融业务的核心要素，在营销与风控领域发挥着基础性作用。由于金融业普遍存在逆向选择与道德风险，其天然属性决定了金融业是数据密集型投入行业。可以说，金融业自从诞生的那刻起，就在进行数据交易。基于近年来公开采购信息与企业工商数据，本报告分析了金融业作为数据需求方的数据交易行为。第一部分从数据交易规模、采购方式、细分行业交易、数据交易的空间分布等各方面对金融业数据交易进行了分析；第二部分站在金融

2、业数据交易供应商的视角，分析了供应商的基本情况、来源、行业动态。第三部分归纳总结了金融业数据交易的常见数据产品与定价信息；最后，结合数据给出政策建议。本报告发现，近年来数据采购信息披露的数量持续增长，银行业的数据需求最为旺盛，数据交易和数据供应商集中在北上广三地。以国有企业为代表的优质数据供应商虽然数量不大，但在资金规模、数据来源专有性、知识产权等方面占据主导地位。金融业交易的数据产品以征信类数据为主，包括个人征信与企业征信，近九成的数据产品来源于对公共数据的处理加工。鉴于此，本报告在数据要素市场建设、引导数据交易由场外转向场内、以及相关制度建设方面，提出了若干政策建议。目录目录一、交易概况一

3、、交易概况.8（一）采购项目数量规模年度趋势（一）采购项目数量规模年度趋势.8（二）采购项目地区分布（二）采购项目地区分布.9（三）细分行业数据采购分析（三）细分行业数据采购分析.12（四）采购项目月度分析（四）采购项目月度分析.14（五）金融业数据采购方式分析（五）金融业数据采购方式分析.16（六）金融业数据交易的区位分布（六）金融业数据交易的区位分布.19二、金融业数据供应商分析二、金融业数据供应商分析.21（一）数据供应商年龄分布（一）数据供应商年龄分布.21（二）数据供应商区位分布（二）数据供应商区位分布.22（三）数据供应商企业类型分布（三）数据供应商企业类型分布.25（四）金融业数

4、据供应商规模（四）金融业数据供应商规模.26（五）金融业数据供应商权属分析（五）金融业数据供应商权属分析.30（六）数据供应商多指标分析（六）数据供应商多指标分析.33三、金融业数据产品交易情况三、金融业数据产品交易情况.44（一）金融业数据交易产品（一）金融业数据交易产品.44（二）数据产品定价（二）数据产品定价.45（三）单一数据来源（三）单一数据来源.48四、政策建议四、政策建议.50图目录图目录图 1数据采购项目数年度趋势.8图 2数据采购项目金额分布.9图 3各实施地数据采购情况.10图 4不同地区金融业数据采购金额分布.11图 5各实施地数据采购次数逐年情况.错误！未定义书签。图

5、6代表省市数据采购项目数分年度占比.11图 7数据采购项目数量行业分布.12图 8数据采购金融分部门支出情况.12图 9各行业数据采购次数逐年趋势.13图 10分部门数据采购金额比例年度趋势.14图 11各金融行业数据采购次数占比逐年分布.14图 12数据采购次数季节性分析.15图 13月度数据采购金额比重.15图 14数据采购次数分年度季节性分析.16图 15采购方式分布（采购项目数）.17图 16采购方式分布（采购金额数）.17图 17采购方式年趋势.18图 18不同采购方式支出占比年度趋势.18图 19数据采购交易跨省与否.19图 20数据采购交易跨省与否年度趋势.19图 21跨省交易中

6、供方地区分布.20图 22数据供应商年龄分布及累计占比.21图 23年度新增数据供应企业数量.22图 24数据供应商省际分布图.23图 25数据供应商四大地区分布图.24图 26数据供应商公司类型情况.25图 27数据供应商上市情况省际分布.26图 28数据供应商注册资本分布.27图 29数据供应商实收资本分布.28图 30数据供应商人员数量分布.29图 31数据供应商参保员工数量分布图.30图 32不同权属数据供应商年龄分布.31图 33不同权属数据供应商省际分布图.32图 34数据供应商权属与规模.33图 35数据供应商行政处罚次数分布.33图 36不同权属数据供应商行政处罚数量分布图.3

7、4图 37数据供应商持有软件著作权数量分布.35图 38不同权属数据供应商持有软件著作权数量分布.36图 39数据供应商持有专利数量分布.36图 40不同权属数据供应商持有专利数量分布.37图 41数据供应商中立舆情数量分布.38图 42不同权属数据供应商中立舆情数量分布.38图 43数据供应商正面舆情数量分布.39图 44不同权属数据供应商正面舆情数量分布.40图 45数据供应商负面舆情数量分布.40图 46不同权属数据供应商负面舆情数量分布.41图 47数据供应商综合评分分布图.42图 48不同权属数据供应商综合评分分布图.43图 49金融业数据产品交易情况.44表目录表目录表 1各地区开

8、展金融业数据采购项目数.9表 2数据供应商年龄分布及累计占比.21表 3数据供应商省际分布.22表 4数据供应商四大地区分布表.24表 5数据供应商上市情况省际分布.25表 6数据供应商注册资本分布.27表 7数据供应商实收资本分布.27表 8数据供应商人员数量分布.28表 9数据供应商参保员工数量分布.29表 10数据供应商省际分布.31表 11数据供应商综合评分分布.41表 12工商数据与价格信息.46表 13公安数据与价格信息.46表 14航旅数据与价格信息.47表 15数据单一类来源供应商.48金融业数据交易流通报告金融业数据交易流通报告一、交易概况一、交易概况（一）采购项目数量规模年

9、度趋势（一）采购项目数量规模年度趋势金融业数据要素采购规模呈指数增长。公开的招投标信息显示，近五年来，金融业数据要素采购项目数量复合年均增长率达 40%，远超金融业采购总项目数量复合年均增长率 26%，显示出金融业数据交易市场规模发展迅速。图 1数据采购项目数年度趋势从数据采购金额规模看，数据采购金额主要分布在 10 万元至 100万元之间，此间的数据采购项目约占全部数据采购项目的一半；其次是百万级别的数据采购项目，约占总数据采购项目的三分之一，如图2 所示。图 2数据采购项目金额分布（二）采购项目地区分布（二）采购项目地区分布从数据采购项目的实施地分析，数据采购活动主要在北京市、上海市、广东

10、省、江苏省、河南省等地区进行，其中在北京市开展的数据采购次数最多，占比 27.18%；在北京市、上海市、广东省开展的数据采购次数合计占比 47.85%，如表 1 所示。表 1各地区开展金融业数据采购项目数省份采购项目数量省份采购项目数量北京2809湖北152上海1093重庆139广东1044山西135江苏574江西131河南462黑龙江122河北431广西120山东367吉林112浙江351陕西107湖南336新疆66天津290甘肃65贵州253内蒙古55四川242宁夏45福建208海南36云南192西藏27辽宁191青海27安徽154图 3各实施地数据采购情况从采购金额看，金融业数据采购金额

11、最多的地区有北京市、贵州省、广东省、上海市、河北省等；其中北京市发生的数据采购金额占全国数据采购金额的 29.47%；贵州省和上海市发生的数据采购的金额分别占去工商局采购金额的额 10.98%和 8.57%，如图 4 所示。图 4不同地区金融业数据采购金额分布对数据采购项目数最高的北京市、上海市、广东省的数据采购次数逐年分析，2016 年至 2018 年，北京市和上海市的数据采购次数占比都呈现下降态势，广东省的数据采购次数占比呈现上升态势，三个省市的数据采购次数合计占比也呈现下降态势；2018 年至 2021 年，北京市的数据采购次数占比相对稳定，上海市则经历了上升以后略微下滑，广东省在 20

12、21 年之前增长幅度较大，贡献了三地区合计占比上升的主要力量。如图 6 所示。图 6代表省市数据采购项目数分年度占比（三）细分行业数据采购分析（三）细分行业数据采购分析数据采购项目最多的行业是银行业，占全部数据采购次数的69.22%；保险和证券的数据采购次数占比分别为 14.74%和 7.7%，如图 7 所示。图 7数据采购项目数量行业分布数据采购金额方面，银行部门的数据采购金额最多，占数据采购金额总额的 76.86%；保险部门和证券部门的数据采购金额分别占数据采购金额总额的 12.22%和 4.38%；还有 6.54%的数据采购金额来自其他部门，如图 8 所示。图 8数据采购金融分部门支出情

13、况2016 年开始，银行业进行数据采购的规模逐年大幅增加，保险业、证券业及其他行业进行数据采购的规模也在不断增加，但总体还是呈现银行业数据采购规模大大领先，保险业和证券业次之的格局，如图 9 所示。图 9各行业数据采购次数逐年趋势从部门间数据采购金额的结构方面看，银行部门的数据采购金额占比呈现出逐渐下降的趋势，但仍为数据采购最主要的部门；保险部门的数据采购金额占比经历了从减小到增大到减小的过程，是除了银行部门以外最重要的部门；近年来其他非银保证部门的数据采购也在不断发展，数据采购的主体越来越多元化。图 10分部门数据采购金额比例年度趋势部门间数据采购项目数量的关系上，银行业的数据采购次数占比从

14、 84.38%减少到 65.03%，保险业的数据采购次数占比从 5.21%增长到 14.95%，证券业和其他行业的数据采购次数占比也在也呈上升态势，如图 11 所示。图 11各金融行业数据采购次数占比逐年分布（四）采购项目月度分析（四）采购项目月度分析金融业数据采购月度平均项目数在全年呈现出逐渐增加的态势，2 月与 10 月较为特殊。第四季度的平均采购次数最多，占数据采购次数的 33.32%，如图 12 所示。图 12数据采购次数季节性分析从数据采购金额的月度分布来分析，2-5 月数据采购金额较少，但总体呈增加趋势；6 月数据采购金额较多，位列全年第二；7-9 月数据采购金额呈现出与 2-5

15、月相似的趋势；10-12 月数据采购金额较多，但总体呈减少趋势，如图 13 所示。图 13月度数据采购金额比重如图 14 展示了不同年份采购项目数的月度规模，2016 年至 2021年的数据采购次数大致呈现 2 月和 10 月减少，4 月至 8 月增长，10月至 12 月增长的趋势，且都体现出第四季度的采购次数占比最多。图 14数据采购次数分年度季节性分析（五）金融业数据采购方式分析（五）金融业数据采购方式分析从数据采购方式分析，采用公开招标的方式进行数据采购的项目最多，占数据采购项目总数量的 67.03%；采用单一来源或竞争性的方式进行数据采购的项目分别占数据采购总额的 16.61%和 10

16、.99%；而通过询价或者邀请招标进行数据采购的项目最少，仅占 4.08%和1.30%，如图 15 所示。图 15采购方式分布（采购项目数）数据采购金额的 71.71%来自公开招标，17.22%来自单一来源，4.98%来自竞争性，3.55%来自询价，2.54%来自邀请招标，如图 16所示。图 16采购方式分布（采购金额数）2017 年至 2021 年，采用公开招标一直是数据采购的最主要方式，占比在 64.08%至 74.90%之间；单一来源、竞争性、询价、邀请招标的方式被使用的次数依此递减，如图 17 所示。图 17采购方式年趋势对不同采购方式下数据采购的逐年支出趋势进行分析，2017 年、20

17、18 年总体的数据采购金额较少，主要以公开招标为主；2019 年至2022 年的数据采购金额较多，2020 年采用单一来源进行数据采购的金额大幅增加，接近于采用公开招标进行数据采购的金额，可能是受到新冠疫情的影响，企业公开招标条件受限带来的结果。如图 18 所示。图 18不同采购方式支出占比年度趋势（六）金融业数据交易的区位分布（六）金融业数据交易的区位分布如果采购双方的注册地在同一省内，则定义此次交易为省内交易，反之则为跨省交易。在搜集到的数据采购交易信息中，有 46%的交易是跨省交易，54%的交易是省内交易，如图 19 所示。图 19数据采购交易跨省与否从数据采购交易跨省与否的年度趋势来分

18、析，2016 年至 2021 年，数据采购跨省交易与省内交易占比上相差不大，从 2019 年起，省内交易的数量略高于跨省交易，如图 20 所示。图 20数据采购交易跨省与否年度趋势跨省的数据交易中，数据供应商大部分集中于北京市、上海市、广东省三地区，分别占比 37.78%、23.09%、12.02%，三个地区合计占比 72.89%，如图 21 所示。图 21跨省交易中供方地区分布二、金融业数据供应商分析二、金融业数据供应商分析（一）数据供应商年龄分布（一）数据供应商年龄分布通过对招投标等公开信息的整理，我们搜集到金融行业的数据供应商共 2216 家。截至 2022 年，年龄在 10 年以下的数

19、据供应商共有987 家，占数据供应商总数的 44.54%；年龄在 20 年以下的数据供应商共有 1774 家，占数据供应商总数的 80.05%；年龄在 20 年以上、30 年以下的数据供应商共有 410 家，占数据供应商总数的 18.50%；而年龄在 30 年以上的企业有 32 家，占数据供应商总数的 1.44%。如表 2 所示。表 2数据供应商年龄分布及累计占比年龄区间供应商数量累计占比10 年98744.54%10-20 年78780.05%20-30 年41098.56%30-40 年3099.91%40 年2100.00%图 22数据供应商年龄分布及累计占比从年龄结构上看，接近半数的数

20、据供应商成立时间不超过 10 年，业态整体表现出欣欣向荣之势。对数据供应商年龄进行进一步分析，可得到数据供应商年度新增企业数量，如图 23 所示。图 23年度新增数据供应企业数量2014 至 2016 年，相关政策的出台叠加市场热度，金融数据供应商增量出现一段井喷期；2017 年，国家进行了对数据行业的严打，以整顿数据黑市。监管收紧、经济进入新常态，市场行情叠加政策因素，企业新增数量步入冷静期；2020 年新冠疫情致使企业新增数量持续走低。（二）数据供应商区位分布（二）数据供应商区位分布从数据供应商所属省份分析，数据供应商主要来自北京市、上海市、广东省、浙江省、江苏省等地区，其中来自北京市、上

21、海市、广东省的数据供应商数量最多，合计占比 55.43%，如表 3 所示。表 3数据供应商省际分布省份数据供应商数省份数据供应商数北京623陕西26上海329天津26广东273广西24浙江133云南24江苏103吉林16山东96黑龙江14四川66江西13福建54山西13湖南53甘肃10河北50海南9河南48内蒙古9湖北46新疆7辽宁41宁夏4重庆35西藏3安徽33青海2贵州27图 24数据供应商省际分布图从数据供应商所属地区分析，数据供应商主要来自东部地区，东部地区1的数据供应商数量共有 1691 家，占数据供应商总数的 76.74%。值得注意的是，西部地区的数据供应商数量有不俗的表现，占比1

22、0.72%，相对经济较发达的中部地区 9.32%的占比领先了 1.4 个百分点。如表 4 所示。“一带一路”建设的推进与数字经济政策的实施共振，是西部地区数据供应商占比逆经济梯度差的主要原因。根据中国信息通讯研究院的数据，贵州、重庆、江西、四川等地区的数字经济持续快速发展，增速超过全国平均水平，其中贵州、重庆数字经济同比增速超 20%。表 4数据供应商四大地区分布表地理区域供应商数量占比东部169676.74%西部23710.72%中部2069.32%东北713.21%图 25数据供应商四大地区分布图1参考国家统计局使用的东中西和东北地区划分方法，东部包括：北京、天津、河北、上海、江苏、浙江、

23、福建、山东、广东、海南。中部包括：山西、安徽、江西、河南、湖北、湖南。西部包括：内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。东北包括：辽宁、吉林、黑龙江。（三）数据供应商企业类型分布（三）数据供应商企业类型分布源于公网信息的数据供应商信息显示，2022 年数据供应商中，企业类型有四类，分别是有限责任公司（1594 家）、其他有限责任公司（267 家）、股份有限公司（237 家）、其他股份有限公司（119 家），占比分别为 72%、12%、11%与 5%。如图 26 所示。图 26数据供应商公司类型情况截至 2022 年 10 月，数据供应商中上市公司有 119 家

24、，非上市公司有 2100 家，这些公司主要来自北京市、上海市、广东省、浙江省等地区。其中，北京市有 41 家上市公司和 582 家非上市公司，分别占上市公司总数和非上市公司总数的 34.45%和 27.72%；北京市、上海市、广东省的上市公司数量合计占上市公司总数的 60.50%，非上市公司数量合计占非上市公司总数的 54.9%，如表 5 所示。表 5数据供应商上市情况省际分布省份上市公司非上市公司省份上市公司非上市公司北京41582陕西026上海15314广西024广东16257云南123浙江9124天津323江苏499吉林115山东789黑龙江014四川363山西112湖南152江西211

25、河北050甘肃010福建549内蒙古09河南147海南09湖北145新疆07辽宁338宁夏04重庆134西藏12安徽132青海02贵州027图 27数据供应商上市情况省际分布（四）金融业数据供应商规模（四）金融业数据供应商规模1.注册资本。注册资本。截至报告期，数据供应商注册资本主要分布于 100万元至 10 亿元之间，约占数据供应商总数的 92.90%；其中注册资本在 500 万元至 1 亿元元之间的数据供应商数量占总数的 67.00%，如表 6 所示。表 6数据供应商注册资本分布注册资本数量累计占比100 万元723.26%100 万-500 万元26115.06%500 万-1000 万

26、元41333.74%1000 万-5000 万元80370.06%5000 万-1 亿元26582.04%1 亿-10 亿元31296.16%10 亿-100 亿元6098.87%100 亿-1000 亿元1899.68%1000 亿元7100.00%图 28数据供应商注册资本分布2实收资本。实收资本。实收资本在 100 万元以下的数据供应商约占数据供应商总数的 10.93%；实收资本在 1000 万元以下的数据供应商约占数据供应商总数的 46.75%；实收资本在 1 亿元以上的数据供应商约占数据供应商总数的 15.72%，如表 7 所示。表 7数据供应商实收资本分布实收资本数量累计占比100

27、 万元21010.93%100 万-500 万元39531.49%500 万-1000 万元29346.75%1000 万-5000 万元53874.75%5000 万-1 亿元18384.28%1 亿-10 亿元23596.51%10 亿-100 亿元4899.01%100 亿-1000 亿元1399.69%1000 亿元6100.00%图 29数据供应商实收资本分布3.人员数量分布。人员数量分布。从供应商人员数量分析，2022 年，人员数量在50 人以下的数据供应商共有 996 家，占数据供应商总数的 49.16%；人员数量在 250 人以下的数据供应商共有 1536 家，占数据供应商总数

28、的 75.81%；人员数量在 1000 人以上的数据供应商共有 199 家，占数据供应商总数的 9.82%，如表 8 所示。表 8数据供应商人员数量分布人员数量企业数量累计占比50 人99649.16%50-100 人30664.26%100-250 人23475.81%250-500 人18685.00%500-1000 人10590.18%1000-2500 人11896.00%2500-5000 人4998.42%5000-10000 人2099.41%10000 人12100.00%图 30数据供应商人员数量分布4.参保员工数量分布。参保员工数量分布。2022 年，参保员工数量在 50

29、 人以下的数据供应商共有 971 家，占数据供应商总数的 50.60%；参保员工数量在 250 人以下的数据供应商共有 1526 家，占数据供应商总数的79.52%；参保员工数量在 1000 人以上的数据供应商共有 143 家，占数据供应商总数的 7.45%，如表 9 所示。表 9数据供应商参保员工数量分布参保员工数量企业数量累计占比50 人97150.60%50-100 人28265.29%100-250 人27379.52%250-500 人14587.08%500-1000 人10592.55%1000-2500 人7996.66%2500-5000 人2798.07%5000-1 万人

30、2099.11%1 万-5 万人1499.84%5 万-10 万人199.90%10 万-45 万人199.95%45 万人1100.00%图 31数据供应商参保员工数量分布图（五）金融业数据供应商权属分析（五）金融业数据供应商权属分析国有数据供应商的平均年龄为 16.48 年，非国有数据供应商的平均年龄为 12.58 年。老牌的数据供应商多为国有企业，非国有企业的年龄构成较为年轻；2000 年前后，成立了许多国有和非国有的数据供应商；2014 年至 2016 年间，非国有数据供应商大量成立，多为高新技术企业；近年来的国有数据供应商多为国有企业或政府部门全资直属或以国有企业或政府部门控股、高新

31、科技企业入股的模式成立。随着监管的强化，新进数据供应商更多采用国有控股、高新科技企业持股模式，一方面满足监管需求，同时技术水平得到保证。图 32不同权属数据供应商年龄分布非国有数据供应商主要来自北京市、上海市、广东省、浙江省等地区，其中来自北京市、上海市和广东省的非国有数据供应商最多，合计占比 55.14%；国有数据供应商主要来自北京市、上海市、广东省、山东省、浙江省等地区，其中来自北京市、上海市和广东省的国有数据供应商最多，合计占比 57.02%，如表 10 所示。表 10数据供应商省际分布省份非国有国有省份非国有国有北京513110陕西233上海28148云南222广东23637广西204

32、浙江11518天津197江苏8815吉林142山东7719黑龙江131四川5115江西103湖南467山西103河北455内蒙古90河南444海南81福建4311甘肃73湖北415新疆61辽宁365宁夏40重庆323西藏30安徽285青海11贵州234图 33不同权属数据供应商省际分布图从不同权属供应商数量、劳动力规模、资本规模等方面分析，国有数据供应商数量上仅占全体的 15%，但资金规模和人员规模分别达到了 69%与 88%，呈现出典型的二八法则，如图 34 所示。图 34数据供应商权属与规模（六）数据供应商多指标分析（六）数据供应商多指标分析1行政处罚数量分布。行政处罚数量分布。源于公网信

33、息的数据供应商信息显示，从数据供应商受到的行政处罚数量来分析，没有受到行政处罚的数据供应商有 1829 家，占比 82.43%；受到 1 次行政处罚的数据供应商有233 家，占比 10.50%；收到行政处罚数量 10 次及以上的数据供应商有 16 家，占比 0.72%，如图 35 所示。图 35数据供应商行政处罚次数分布对不同权属数据供应商收到的行政处罚数量作进一步分析，国有企业中，没有收到行政处罚的数据供应商占 69.59%，低于平均水平；受到 1 次行政处罚的数据供应商占 14.62%；而受到 10 次及以上行政处罚的数据供应商占 1.46%，高于平均水平。非国有企业中，没有收到行政处罚的

34、数据供应商占 84.76%，高于平均水平；受到 1 次行政处罚的数据供应商占 9.75%；而受到 10 次及以上行政处罚的数据供应商占 0.59%，低于平均水平，如图 36 所示。图 36不同权属数据供应商行政处罚数量分布图2软件著作权数量分布。软件著作权数量分布。源于公网信息的数据供应商信息显示，从数据供应商所持有的软件著作权数量来分析，持有少于 10 个软件著作权的数据供应商有 867 家，占比 39.07%；持有多于 50 个软件著作权的数据供应商有 432 家，占比 19.47%；数据供应商持有软件著作权数量呈现中间低、两边高的分布，如图 3-2-1 所示。图 37数据供应商持有软件著

35、作权数量分布对不同权属数据供应商持有的软件著作权数量作进一步分析，国有企业中，持有软件著作权数量少于 10 个的数据供应商占 25.73%，低于平均水平；持有软件著作权数量多于 50 个的数据供应商占28.95%，高于平均水平；国有数据供应商平均持有的软件著作权数量多于平均水平。非国有企业中，持有软件著作权数量少于 10 个的数据供应商占 41.50%，高于平均水平；持有软件著作权数量多于 50 个的数据供应商占 17.74%，低于平均水平；非国有数据供应商平均持有的软件著作权数量少于平均水平，如图 38 所示。图 38不同权属数据供应商持有软件著作权数量分布3专利数量分布。专利数量分布。源于

36、公网信息的数据供应商信息显示，从数据供应商所持有的专利数量来分析，持有少于 10 个专利的数据供应商有 1627 家，占比 73.32%；持有多于 100 个专利的数据供应商有 76家，占比 3.43%；总体而言，数据供应商持有的专利数量较少，如图39 所示。图 39数据供应商持有专利数量分布对不同权属数据供应商持有的专利数量作进一步分析，国有企业中，持有专利数量少于 10 个的数据供应商占 55.56%，低于平均水平；持有专利数量多于 100 个的数据供应商占 10.23%，高于平均水平；国有数据供应商平均持有的专利数量高于平均水平。非国有企业中，持有专利数量少于 10 个的数据供应商占 7

37、6.56%，于平均水平；持有专利数量多于 100 个的数据供应商占 2.18%，于平均水平；非国有数据供应商平均持有的专利数量低于平均水平，如图 40 所示。图 40不同权属数据供应商持有专利数量分布4中立舆情分布。中立舆情分布。源于公网信息的数据供应商信息显示，从数据供应商自身的中立舆情来分析，没有中立舆情的数据供应商有 792家，占比 35.70%；其余数据供应商自身的中立舆情数量从 1 个至 20个呈现逐渐减少的趋势，其中有1个中立舆情的数据供应商有290家，有 20 个中立舆情的数据供应商仅有 2 家，如图 41 所示。图 41数据供应商中立舆情数量分布对不同权属数据供应商自身的中立舆

38、情数量作进一步分析，国有企业中，数据供应商自身的中立舆情数量在 1 至 10 个之间分布差别不大，中立舆情数量多余 10 个的数据供应商较少；非国有企业中，没有中立舆情的数据供应商占 40.44%，且其中立舆情数量分布与整体数据供应商的中立舆情数量分布相似，如图 42 所示。图 42不同权属数据供应商中立舆情数量分布5正面舆情分布。正面舆情分布。源于公网信息的数据供应商信息显示，从数据供应商自身的正面舆情来分析，没有正面舆情的数据供应商有 674家，占比 30.37%；其余数据供应商自身的正面舆情数量从 1 个至 20个呈现逐渐减少的趋势，其中有1个正面舆情的数据供应商有227家，有 20 个

39、正面舆情的数据供应商仅有 13 家，如图 43 所示。图 43数据供应商正面舆情数量分布对不同权属数据供应商自身的正面舆情数量作进一步分析，国有企业中，数据供应商自身的正面舆情数量在 1 至 17 个之间分布差别不大，其中有 9 个正面舆情的数据供应商最多，占比为 7.60%；非国有企业中，没有正面舆情的数据供应商占 34.90%，且其正面舆情数量分布与整体数据供应商的正面舆情数量分布相似，如图 44 所示。图 44不同权属数据供应商正面舆情数量分布6负面舆情分布。负面舆情分布。源于公网信息的数据供应商信息显示，从数据供应商自身的负面舆情来分析，没有负面舆情的数据供应商有1680家，占比 75

40、.71%；其余数据供应商自身的负面舆情数量从 1 个至 20个呈现逐渐减少的趋势，其中有1个负面舆情的数据供应商有233家，有不少于 10 个负面舆情的数据供应商仅有 23 家，如图 45 所示。图 45数据供应商负面舆情数量分布对不同权属数据供应商自身的负面舆情数量作进一步分析，国有企业中，没有负面舆情的数据供应商占 65.79%，低于平均水平；非国有企业中，没有负面舆情的数据供应商占 77.52%，高于平均水平；国有企业和非国有企业的负面舆情数量分布均与整体数据供应商的负面舆情数量分布相似，如图 46 所示。图 46不同权属数据供应商负面舆情数量分布7企业综合评分。企业综合评分。从数据供应

41、商的企业综合评分来分析，数据供应商的企业综合评分主要分布在 85 分至 95 分之间，合计占比81.93%；其中企业综合评分在 85 分至 94 分之间的数据供应商分布较为平均，如表 11 所示。表 11数据供应商综合评分分布企业综合评分数据供应商数量累计占比6810.05%7820.14%7920.23%8070.54%81131.13%82744.46%831179.73%8414016.04%8516823.61%8617431.46%8716839.03%8816246.33%8917454.17%9016061.38%9118469.67%9216977.29%9317184.99%

42、9417592.88%9511397.97%964199.82%974100%图 47数据供应商综合评分分布图对不同权属数据供应商的企业综合评分进行分析，国有企业中，企业综合评分主要分布在 85 分至 95 分之间的数据供应商合计占比93.57%；企业综合评分在 90 分以上的数据供应商合计占比 62.57%。非国有企业中，企业综合评分在 83 分至 95 分之间分布较为平均；企业综合评分在 85 分至 95 分之间的数据供应商合计占比 79.81%。企业综合评分在 90 分以上的数据供应商合计占比 42.78%，如图 48 所示。图 48不同权属数据供应商综合评分分布图三、金融业数据产品交易

43、情况三、金融业数据产品交易情况（一）金融业数据交易产品（一）金融业数据交易产品金融业交易的数据产品可以分为个人信息类、企业信息类与其它信息个人信息类、企业信息类与其它信息。以个人征信、身份认证、不动产数据为代表的个人信息类数据产品交易占据主导地位，市场份额约占整个金融业数据交易的七成个人信息类数据产品交易占据主导地位，市场份额约占整个金融业数据交易的七成。企业信息类数据产品较为丰富，涵盖企业基本信息、企业经营活动、企业投融资、企业画像、关联企业、以及以企业为基础的行业资讯与产业链信息。根据综合测算，金融业交易的数据产品中，公共数据约占 90%金融业交易的数据产品中，公共数据约占 90%。图 4

44、9金融业数据产品交易情况以工商数据为例，其代表性的数据供应商有中数智汇、企查查、合合数据、安硕信息、视野智慧、数库和拥有央行企业征信业务牌照的 136 家征信机构。数据需求方则包括了商业银行、证券公司、保险机构、消费金融企业、小额贷款公司等种类繁多的金融企业。交易的工商数据包括：企业照面、集团关系、企业类型、企业组织架构、企业收益所有人、企业实际控制人、股权穿透、产业园区数据、招投标信息、企业综合信息等。（二）数据产品定价（二）数据产品定价数据产品交付方式主要为逐条查询和数据包两类。逐条查询的数据产品，包括工商、航旅、保险、反欺诈、动产、社保、地图、舆情、电力、不动产等数据产品。其中工商、航旅

45、、保险、反欺诈、动产、社保、地图、舆情类数据产品单次查询费用从 0.1 元到 1 元不等，电力数据价格略高，单次查询费用在数元左右，不动产数据单次服务费用在 300 至 500 区间，由于不动产数据涉及对房屋估价，需要相关人员现场勘探核实，存在较高的劳动附加，价格相对昂贵。逐条查询的数据产品也普遍存在非线性定价，根据买方单位时间（通常是一年）内查询次数的增加价格递减，例如公安数据，也即身份验证数据，按一年内查询次数，分为小于 1 万次、1 万至 10 万次、10 万至 20 万次、20 万至 100 万次、100 万次以上，按 80%的折扣率进行递减。数据产品也会根据买方利用数据创造价值的能力

46、进行定价，具有代表性的是央行的个人征信报告查询服务，对于商业银行单次查询价格为 4 元，而对农商行则低至 1 元。数据包的收费区间波动较大，根据服务内容、算法复杂度、数据覆盖范围等，从几万到几百万不等，资讯类数据产品多采取此种定价。综合来看，影响数据产品价格的因素包括：数据来源是否单一、数据产品模型复杂度与劳动密集度、数据产品可替代性、买方使用数据创造的潜在价值等。表 12工商数据与价格信息产品名称逐条查询（元）数据包（万元/年）企业照面0.05企业信息0.3集团关系0.7企业类型0.4企业组织架构0.8企业受益所有人0.7企业实际控制人0.7企业标签0.27股权穿透10.5产业园区数据50招

47、投标信息10企业综合150表 12 摘选自某银行的工商数据采购合同，其中企业照面、企业信息、集团关系、企业类型、企业组织架构、企业受益所有人、企业实际控制人、企业标签、股权穿透数据采用逐条查询的方式计价，价格从几分到十元不等。可以发现，较为原始的信息，如企业照面、企业信息等，收费较低，而股权穿透这种需要通过一定信息查询和推算的数据，收费较高。产业园区数据、招投标信息、企业综合信息则采取数据包的方式交付，价格从十万到百万元数量级不等。表 13公安数据与价格信息产品名称逐条查询（元）产品名称逐条查询（元）姓名、身份证号码核验0.1公安四要素认证0.32人像核验0.15公安二要素认证0.15及人像认

48、证证件有效期核验0.38公安四要素认证及人像认证0.64身份证芯片 NFC验证0.6公安二要素认证及活体认证0.1公安二要素认证0.06公安四要素认证及活体认证0.7表 13展示了某金融机构数据采购项目公示的公安数据产品信息，其中公安二要素认证指身份证与姓名认证，四要素认证则是身份证、姓名、银行卡号、手机号认证。公安数据的价格多集中在 0.1-0.7 元间。表 14航旅数据与价格信息产品信息逐条查询（元）产品信息逐条查询（元）航旅消费能力评分0.12航旅最高航段价格0.12航旅国内出行记录0.12航旅平均托运行李重量0.12航旅仓位里程评分0.12航旅提前订票的平均天数0.12航旅旅客评分0.

49、12航旅免票次数0.12航旅出行时度分析0.12航旅白日起飞次数0.12航旅仓位偏好0.12航旅夜间起飞次数0.12航旅飞行次数0.12航旅使用常客卡次数0.12航旅飞行总里程0.12航旅出行航段数0.12航旅头等舱次数0.12航旅出行航班延误次数0.12航旅商务仓次数0.12航旅出行平均延误时间0.11航旅经济舱次数0.12航旅出行延误 1小时次数0.11航旅到达一线城市次数0.12航旅出行延误 2小时次数0.11航旅平均票价0.12航旅出现延误 4小时次数0.11航旅平均折扣0.12表 14 给出了代表性航旅数据产品与价格信息。航旅数据包含了个人的飞行次数、里程、时间、目的地、仓位偏好、票

50、价和航班延误等信息，其勾勒的客户画像对金融机构精准营销和风控业务至关重要。可以看到，此采购合同中航旅数据价格非常集中。（三）单一数据来源（三）单一数据来源单一来源数据集中在电力、个人征信、公安、发票、保险、社保、司法、估值类数据。个人征信必须经央行个人征信业务授权持牌后方可开展业务，虽然企业征信同样必须经央行备案持牌经营，但由于全国持牌的企业征信类机构共 136 家，数据来源较为广泛，因此企业征信数据不存在来源单一的问题。表 15 列举了单一数据来源的数据产品与机构信息。表 15数据单一类来源供应商数据产品机构名称备注电力数据国家电网、南方电网、国国网征信时国家电网和网征信南方电网共同出资、央

51、行备案的企业征信机构个人征信中国人民银行征信中心、百行征信、朴道征信百行征信与朴道征信拥有央行个人征信业务牌照公安数据公安一所、公安三所发票数据百望股份国家税务总局税控设备牌照授权保险数据中国银行保险信息技术管理有限公司银保监会直管社保数据金保信社保卡科技有限公司公安部授权司法数据中国司法大数据研究院全国唯一官方司法数据合法授权机构估值数据中债资信评估有限责任公司中国银行间市场交易商协会出资四、政策建议四、政策建议（一（一）培育完善多层级数据要素市场建设培育完善多层级数据要素市场建设。从上面的分析可以看到，近一半的数据交易是在省内完成，另一半则是跨地区交易，且交易的供应商 70%聚集在北京、上

52、海、广东三地区。构建完善的数据要素场内交易市场，必须以国家级数据交易所为中心，统领各行业板块，区域间数据要素市场建设，培育完善多层级数据要素市场。具体而言，在北京、上海、广东建立国家数据交易所，承担全国性的数据交易与数据资产登记工作，结合各地区交易情况，在不同地区建立区域性的数据交易中心。（二（二）以金融业数据交易为切入以金融业数据交易为切入，带动数据交易从场外向场内过带动数据交易从场外向场内过渡渡。纵观我国场外数据交易市场，金融业数据交易市场存在的时间较长，交易产品和交付方式更加成熟。这是因为，金融业数据交易的需方大多为银行、保险、证券，有着金融业严格的监管程序，数据交易相对规范、交易信息披

53、露更加充分。交易的产品，多为个人、企业征信数据与资讯类数据，应用场景集中于营销与风控，相比其他行业，产品分类更加清晰、应用场景更加明确。类似电子市场的发展演进规律，数据交易市场也是一个从有偏市场向无偏市场过渡的过程，在有偏市场阶段，只有产品描述复杂性与资产专用性较低的产品，才会首先在交易所内交易，金融业数据交易产品正好符合这种特性，另一方面，我国金融业数据交易规模庞大，据保守估计，年交易量在百亿以上。因此，建设数据要素场内交易市场，引导企业在数据交易所内挂牌交易时，应优先引导鼓励金融业数据进入场内交易。（三）推动金融业数据交易入场，资讯类数据首当其冲。（三）推动金融业数据交易入场，资讯类数据首

54、当其冲。资讯类数据指有关市场行情、指数、宏观、产业类的经济金融数据，这些数据由权威部门发布，多从发布平台上爬取而得。资讯类数据的优点是将各种零散的数据集中起来，形成格式化的关系型数据，从而方便了相关分析、研究工作的开展。由于数据来源为网络爬取，这类数据供应商缺乏相应的资质，希望通过数据交易所这类平台，为自身业务的合规性找到可靠背书。另一方面，资讯数据供应商在原有的行业分类中，基本被划为软件与信息技术类企业，这并不能反映其主营业务的特征，数据交易所构建的数商生态，能帮助此类企业找到更精准的定位，在数字经济不断发展的背景下，更好创造数据价值。（四）发力增值类服务，让征信数据高效赋能金融业。（四）发

55、力增值类服务，让征信数据高效赋能金融业。从市场行情看，目前最活跃的金融数据交易市场集中在征信类业务，包括个人征信与企业征信，其中又以个人征信的比重最大，大约占征信类数据交易市场七到八成。这类市场在央行“断直连”改革下，已进入严监管状态，相应的数据交易有完整规范的流程2，企业类征信虽然严格程度不及个人征信，但从业机构必须在央行备案。由于已有中国人民银行的监管与合规性背书，且市场相对成熟，因此这类产品进入数据交易所交易的动力不足。若引导这类数据入场交易，必须从提升征信类产品的增值服务能力入手。目前，我国征信2在“断直连”改革前，互联网平台为金融机构引流推客，并同时把客户的个人信息直接传送给金融机构

56、，在一定程度上，这类互联网平台扮演了“准征信机构”的角色，也使得许多个人征信业务处于法律灰色地带。随着个人信息保护法的颁布，央行对这类征信活动进行了规范，要求市场上从事个人征信业务的企业必须在央行获得个人征信业务牌照，互联网平台在为金融机构引流的过程中，不可将用户的个人信息直接推送给金融机构，只能将相关数据上传持牌个人征信机构或央行个人中心，所有与客户相关的个人信息数据都必须经由持牌个人征信机构获得。目前获得央行个人征信业务牌照的仅百行征信与朴道征信两家。类产品多是基于原始数据的征信报告，虽然有利用替代数据和算法模型提高征信品价值的尝试，但市场规模依然不够，数据孤岛、数据壁垒等依然存在。数据交

57、易所，特别是国家数据交易所，应借助自身平台优势，发掘优秀的征信增值类服务产品入场交易，做大征信增值服务市场，让征信数据更好赋能金融业。（五（五）积极引导以电力数据为代表的公共数据入场交易积极引导以电力数据为代表的公共数据入场交易。电力数据在银行风控业务中有着重要的应用。从电力数据的特点和应用价值看，企业用电数据作为反映企业生产经营状况的重要变量，具有覆盖面广、连续性好、时效性强的特征，能够很好地预测宏观经济走势、行业发展趋势及用户需求变化，拥有巨大的政用、商用及民用价值。中国人民银行印发的金融科技（FinTech）发展规划（2019 2021 年）提出：“在切实保障个人隐私、商业秘密与敏感数据

58、前提下，强化金融与司法、社保、工商、税务、海关、电力、电信等行业数据资源融合应用，建立健全数据融合应用机制，实现数据资源有效整合与深度利用”。从目前市场交易情况看，电力数据市场存在“雷声大、雨点小”的困境：市场上讨论电力数据价值变现、推动电力数据赋能金融业的呼声很多，但实际的电力数据交易量（从公开数据看）却很少。主要原因有以下几点：（1）电力数据，特别是企业用电数据，属于商业机密，受到严格的法律保护。从现有的交易模式看，银行如果想通过电力数据对企业授信，必须经由企业授权方可进行。而授权的过程涉及到多方和复杂的法律程序，因此交易量相对较小。（2）电力数据持有者，如电网公司，对电力数据的价值认识不

59、足，而以输配电为主营业务的电网公司，往往忽视电力数据赋能各行业的潜在价值，交易动力相对不足。因此，数据交易所应积极引导电力数据入场交易，保证电力数据交易合规的同时，发掘电力数据的价值，丰富电力数据应用场景。（六）国有数据供应商率先入场，发挥场内交易模范效应（六）国有数据供应商率先入场，发挥场内交易模范效应综合上面的统计分析，国有数据供应商在综合评分、知识产权、舆论评价方面占有绝对的优势，企业数量占比不到二成，但资金和人员规模接近八成。让国有数据供应商率先入场，在做大场内市场规模、做好数据产品质量、扩大平台效应方面，有着四两拨千斤的效果。（七）鼓励公共数据入场交易，赋能金融业数字化转型（七）鼓励

60、公共数据入场交易，赋能金融业数字化转型公共数据占金融业交易数据的 90%，如何合规、有效使用这类数据一直是困扰金融业数据交易的最大难题。鼓励引导公共数据进入数据交易所内交易，并赋能金融业数字化转型，不仅可以保证交易的合规性，更有利于金融业公共数据的价值发现，充分发挥数据对金融业发展的放大、倍增、叠加效应。（八）构建数商生态，积极发展数据要素型企业（八）构建数商生态，积极发展数据要素型企业本报告研究的金融业数据供应商，在国民经济行业分类中多归为“软件和信息技术服务业”或“信息传输”类企业，这并不能反映出数据供应商的典型特征，不利于数据要素市场建设。数商生态的构建，不仅明确了各类数据交易主体的行业定位与市场功能，确定数据供应商“数据要素型企业”地位，更有利于培育新生数据供应商，在增量市场中做大做强数字经济。（九）完善金融业数据采购制度，加强信息披露（九）完善金融业数据采购制度，加强信息披露金融业数据采购信息披露明显存在不足，以银行业为例，6 大行均有数据交易信息披露，但披露额与实际交易额相差较大，14 家全国股份制商业银行与 128 家城商行，存在信息披露的银行仅占 60%。现阶段应将数据采购纳入金融业采购目录，方便信息披露与采购管理。