《计算机行业数据资产管理:数据要素价值释放的基石-231201(38页).pdf》由会员分享,可在线阅读,更多相关《计算机行业数据资产管理:数据要素价值释放的基石-231201(38页).pdf(38页珍藏版)》请在三个皮匠报告上搜索。
1、 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 Table_Info1 计算机计算机 Table_Date 发布时间:发布时间:2023-12-01 Table_Invest 优于大势优于大势 上次评级:优于大势 Table_PicQuote 历史收益率曲线 Table_Trend 涨跌幅(%)1M 3M 12M 绝对收益 4%-3%10%相对收益 6%5%19%Table_Market 行业数据 成分股数量(只)331 总市值(亿)39,034 流通市值(亿)32,758 市盈率(倍)113.18 市净率(倍)3.89 成分股总营收(亿)10,783 成分股总净利润(亿)312
2、成分股资产负债率(%)42.60 相关报告 “数据要素”大时代开启-20231126 数据要素顶层规划箭在弦上,OpenAI 变动凸显监管平衡-20231119 Table_Author 证券分析师:吴源恒证券分析师:吴源恒 执业证书编号:S0550522100004 证券分析师:马宗铠证券分析师:马宗铠 执业证书编号:S0550523080003 Table_Title 证券研究报告/行业深度报告 数据资产管理:数据要素价值释放的基石数据资产管理:数据要素价值释放的基石 报告摘要:报告摘要:Table_Summary 数据资产管理是数据要素发展
3、的前提,同时也是企业数字化转型的重要数据资产管理是数据要素发展的前提,同时也是企业数字化转型的重要推动力。推动力。数据资产管理是指对数据资产进行规划、控制和供给的一组活动职能,包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序,从而控制、保护、交付和提高数据资产的价值。数据资产管理包含数据资源化、数据资产化两个环节。数据资产管理包含数据资源化、数据资产化两个环节。数据资源化通过将原始数据转变数据资源,使数据具备一定的潜在价值,是数据资产化的必要前提。数据资产化通过将数据资源转变为数据资产,使数据资源的潜在价值得以充分释放。数据资产管理实践的通用步骤为:“统筹规划管理实施稽核
4、检查资产运营”,各步骤之间并无严格的先后顺序,组织可结合自身情况在各阶段制定合理的实施方案。数据治理市场规模迅速增长,数据治理市场规模迅速增长,2025 年我国市场规模将突破年我国市场规模将突破 350 亿元。亿元。我国数据资产化市场规模 2020 年为 280 亿元,预计 20212025 年将保持高速增长,CAGR 将达 40.7%,预计 2024 年市场规模将达到千亿量级。此外,从数据治理角度看,2022 年中国数据治理市场规模同比增长32.1%,市场规模达到 157.9 亿元,预计到 2025 年,数据治理市场规模将突破 350 亿元,2022 年2025 年 CAGR 为 30.39
5、%。数据资产管理包括数据模型管理、数据标准管理、数据质量管理等数据资产管理包括数据模型管理、数据标准管理、数据质量管理等 10 个个活动职能,覆盖数据资源化、数据资产化两个阶段。活动职能,覆盖数据资源化、数据资产化两个阶段。数据资产管理所处产业链的上游主要是计算机、网络设备等硬件设备行业以及软件行业。数据资产管理所处的产业链下游主要有检验检测信息化管理需求和数据资产管理需求的企事业单位和政府等机构,应用行业十分广泛。数据资产管理行业未来发展趋势主要体现在以下方面:数据资产管理行业未来发展趋势主要体现在以下方面:1.管理理念:从被动响应到主动赋能。2.组织形态:向专业化与复合型升级。3.管理方式
6、:敏捷协同的一体化管理。4.技术架构:面向云的 Data Fabric。5.管理手段:自动化与智能化广泛应用。6.运营模式:构建多元化的数据生态。7.数据安全:兼顾合规与发展。数据资产管理是数据治理的目标和结果。数据资产管理是数据治理的目标和结果。目前市场上数据治理方案的提供者主要分为三类:第一是 IT 咨询公司,第二是数据平台和数据中台公司,第三类则是专注于数据治理的厂商。央国企数据治理专业方案市场竞争格局目前仍呈散点状态,TOP3 市占率合计只有 27.6%,这与央国企数据治理专业方案市场由导入期转入成长期时间不长的发展阶段有关。目前,普元信息、美林数据、三维天地、数澜科技、东方国信、袋鼠
7、云、四方伟业等品牌厂商市场份额占比较大。相关标的:普元信息、三维天地、东方国信、绿盟科技(亿赛通)、中国相关标的:普元信息、三维天地、东方国信、绿盟科技(亿赛通)、中国软件国际、星环科技、美林数据软件国际、星环科技、美林数据 风险提示:风险提示:数据要素政策推进不及预期、宏观经济增长不及预期。数据要素政策推进不及预期、宏观经济增长不及预期。-20%-10%0%10%20%30%40%50%计算机沪深300 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 2/38 计算机计算机/行业深度行业深度 目录目录 1.数据资产管理:数据要素市场发展的前提数据资产管理:数据要素市场发展的前提.4
8、 1.1.数据资产管理定义.5 1.2.数据资产管理发展历程.6 1.3.数据资产管理实践步骤.6 2.数据资产管理行业现状及未来数据资产管理行业现状及未来.9 2.1.数据资产管理行业规模.9 2.2.数据资产管理现状及发展趋势.10 2.3.数据资产管理行业壁垒.14 2.3.1.技术壁垒:跨领域行业理解.14 2.3.2.人才壁垒:新领域人才向头部集中.14 2.3.3.客户壁垒:数据量提升难更换.14 2.3.4.品牌壁垒:决策错误后果严重.14 2.3.5.规模壁垒:纯软件边际成本低.15 2.4.数据资产管理产业链与竞争格局.15 2.4.1.数据资产管理产业链.15 2.4.2.
9、数据资产管理和数据治理市场竞争格局.15 2.5.数据资产管理活动职能.17 3.相关公司相关公司.23 3.1.普元信息.23 3.2.三维天地.26 3.3.东方国信.29 3.4.中国软件国际.30 3.5.星环科技.31 3.6.绿盟科技(亿赛通).32 3.7.美林数据.34 图表目录图表目录 图图 1:数据资产管理推动数据要素市场构建:数据资产管理推动数据要素市场构建.4 图图 2:数据资产管理助力企业数字化转型:数据资产管理助力企业数字化转型.5 图图 3:数据资产管理架构:数据资产管理架构.5 图图 4:数据资产管理实践步骤:数据资产管理实践步骤.7 图图 5:数据资产项目管理
10、要点:数据资产项目管理要点.8 图图 6:20222027 年全球与中国数据规模预测(单位:年全球与中国数据规模预测(单位:ZB).10 图图 7:中国数据资产化工具市场规模:中国数据资产化工具市场规模.10 图图 8:中国数据治理市场规:中国数据治理市场规模预测模预测.10 图图 9:敏捷协同的一体化管理:敏捷协同的一体化管理.13 图图 10:数据资产管理行业产业链数据资产管理行业产业链.15 图图 11:央国企数据治理咨询规划市场品牌份额:央国企数据治理咨询规划市场品牌份额.16 图图 12:央国企数据治理专业方案市场品牌份额:央国企数据治理专业方案市场品牌份额.16 图图 13:央国企
11、数据治理主数据管理产品服务市场品牌份额:央国企数据治理主数据管理产品服务市场品牌份额.17 图图 14:数据资产管理活动职能:数据资产管理活动职能.17 图图 15:华为一体化数据建模示例:华为一体化数据建模示例.18 图图 16:数据全流程质量校验管控:数据全流程质量校验管控.19 图图 17:数据安全分类分级流程与结果:数据安全分类分级流程与结果.21 图图 18:数据共享、数据开放、数据交易的区别:数据共享、数据开放、数据交易的区别.22 OAcUaZbWeY8XsQrRmNrPoObRaO9PpNnNpNmPlOoPnPeRnNtP7NmNpPuOoNmQwMpMsQ 请务必阅读正文后
12、的声明及说明请务必阅读正文后的声明及说明 3/38 计算机计算机/行业深度行业深度 图图 19:普元信息主要业务及:普元信息主要业务及核心能力示意图核心能力示意图.24 图图 20:2018 年年2023H1 普元信息营业收入与归母净利润情况普元信息营业收入与归母净利润情况.24 图图 21:2018 年年2023H1 普元信息毛利率与净利率情况普元信息毛利率与净利率情况.24 图图 22:普元数据资产管理平台产品特性:普元数据资产管理平台产品特性.26 图图 23:2018 年年2023H1 三维天地营业收入与归母净利润情况三维天地营业收入与归母净利润情况.27 图图 24:2018 年年2
13、023H1 三维天地毛利率与净利率情况三维天地毛利率与净利率情况.27 图图 25:三维天地数据资产管理平台功能架构图:三维天地数据资产管理平台功能架构图.27 图图 26:2018 年年2023H1 东方国信营业收入与归母净利润情况东方国信营业收入与归母净利润情况.29 图图 27:2018 年年2023H1 东方国信毛利率与净利率情况东方国信毛利率与净利率情况.29 图图 28:东方国信大数据治理平台功能:东方国信大数据治理平台功能.30 图图 29:2018 年年2023H1 中国软件国际营业收入与归母净利润情况中国软件国际营业收入与归母净利润情况.31 图图 30:2018 年年202
14、3H1 中国软件国际毛利率与净利率情况中国软件国际毛利率与净利率情况.31 图图 31:2018 年年2023H1 星环科技营业收入与归母净利润情况星环科技营业收入与归母净利润情况.32 图图 32:2018 年年2023H1 星环科技营业收入与归母净利润情况星环科技营业收入与归母净利润情况.32 图图 33:星环:星环 TDS 产品架构产品架构.32 图图 34:亿赛通核心产品:亿赛通核心产品.33 图图 35:2018 年年2023H1 美林数据营业收入与归母净利润情况美林数据营业收入与归母净利润情况.35 图图 36:2018 年年2023H1 美林数据营业收入与归母净利润情况美林数据营
15、业收入与归母净利润情况.35 图图 37:美林数据资源管理平台功能总体架构:美林数据资源管理平台功能总体架构.36 表表 1:普元信息智能化数据中台解决方案简要介绍:普元信息智能化数据中台解决方案简要介绍.25 表表 2:数据资产管理产品主要系统的功能介绍:数据资产管理产品主要系统的功能介绍.28 表表 3:亿赛通数据安全治理相关产品介绍:亿赛通数据安全治理相关产品介绍.34 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 4/38 计算机计算机/行业深度行业深度 1.数据资产管理:数据要素市场发展的前提数据资产管理:数据要素市场发展的前提 现今,现今,数据成为各国发展数字经济的重要
16、抓手。数据成为各国发展数字经济的重要抓手。在数字社会,数据成为了国家基础性战略资源,数字经济正在成为经济增长方式的强大创新动能,主要国家数字经济增速显著高于本国 GDP 增速,在 GDP 中贡献水平逐步提升。中国信息通信研究院发布的全球数字经济白皮书(2022 年)显示,截至 2021 年,测算的 47 个国家数字经济增加值规模为 38.1 万亿美元,占 GDP 比重为 45.0%,中国数字经济规模位列全球第二,总规模为 7.1 万亿美元。推动以数据为基础的战略转型成为各个国家和地区抢占全球竞争制高点的重要战略选择。良好的数据资产管理是释放数据要素价值、推动数据要素市场发良好的数据资产管理是释
17、放数据要素价值、推动数据要素市场发展的前提与基础。展的前提与基础。数据资产管理通过构建全面有效的、切合实际的管理体系一方面规范数据资产采集、加工、使用过程,提升数据质量,保障数据安全,另一方面丰富数据资产应用场景,建立数据资产生态,持续运营数据资产,为政府机构与企事业单位进行资产计量确认提供了良好的数据条件和能力基础,进一步推动数据要素流通,加速要素市场化。图图 1:数据资产管理推动数据要素市场构建:数据资产管理推动数据要素市场构建 数据来源:中国信息通信研究院,中国数字经济发展白皮书(2022),东北证券 此外,数据资产管理也能提高业务数据化效率,推动数据业务化,加速企业数字化此外,数据资产
18、管理也能提高业务数据化效率,推动数据业务化,加速企业数字化转型。转型。数据资产管理从数据的业务供给端出发,通过数据资源化设计业务流程与数据模型,提高业务从物理世界到数字世界的转换效率,并对线上业务的数据质量和安全进行管控,保障业务运转的高质量,降低业务的安全风险。数据资产化从业务的数据需求端出发,打通企业内部数据、引入企业外部数据,加深数据与业务线的融合,催生数据场景化,应用数据分析技术,实现数据赋能业务发展,推动企业精细化管理变革。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 5/38 计算机计算机/行业深度行业深度 图图 2:数据资产管理助力企业数字化转型:数据资产管理助力企业
19、数字化转型 数据来源:数据资产管理实践白皮书(6.0 版),东北证券 1.1.数据资产管理定义数据资产管理定义 参考数据资产管理实践白皮书(6.0 版),数据资产(Data Asset)是指由组织(政府机构、企事业单位等)合法拥有或控制的数据,以电子或其他方式记录,例如文本、图像、语音、视频、网页、数据库、传感信号等结构化或非结构化数据,可进行计量或交易,能直接或间接带来经济效益和社会效益。在组织中,并非所有的数据都构成数据资产,数据资产是能够为组织产生价值的数据,数据资产的形成需要对数据进行主动管理并形成有效控制。数据资产管理(数据资产管理(Data Asset Management)是指对
20、数据资产进行规划、控制和供给的)是指对数据资产进行规划、控制和供给的一组活动职能,包括开发、执行和监督有关数据的计划、政策、方案、项目一组活动职能,包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、流程、方法和程序,从而控制、保护、交付和提高数据资产的价值。方法和程序,从而控制、保护、交付和提高数据资产的价值。数据资产管理须充分融合政策、管理、业务、技术和服务,确保数据资产保值增值。数据资产管理包含数据资源化、数据资产化两个环节数据资产管理包含数据资源化、数据资产化两个环节。将原始数据转变为数据资源、数据资产逐步提高数据的价值密度,为数据要素化奠定基础。图图 3:数据资产管理架构:数
21、据资产管理架构 数据来源:数据资产管理实践白皮书(6.0 版),东北证券 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 6/38 计算机计算机/行业深度行业深度 数据资源化通过将原始数据转变数据资源,使数据具备一定的潜在价值,是数据资数据资源化通过将原始数据转变数据资源,使数据具备一定的潜在价值,是数据资产化的必要前提。产化的必要前提。数据资源化以提升数据质量、保障数据安全为工作目标,确保数据的准确性、一致性、时效性和完整性,推动数据内外部流通。数据资源化包括数据模型管理、数据标准管理、数据质量管理、主数据管理、数据安全管理、元数据管理、数据开发管理等活动职能。数据资产化通过将数据
22、资源转变为数据资产,使数据资源的潜在价值得以充分释放。数据资产化通过将数据资源转变为数据资产,使数据资源的潜在价值得以充分释放。数据资产化以扩大数据资产的应用范围、厘清数据资产的成本与效益为工作重点,并使数据供给端与数据消费端之间形成良性反馈闭环。数据资产化主要包括数据资产流通、数据资产运营、数据价值评估等活动职能。1.2.数据资产管理发展历程数据资产管理发展历程 数据资产管理伴随着数据理念与技术的演变而不断发展。数据资产管理伴随着数据理念与技术的演变而不断发展。数据管理概念主要诞生于上世纪八十年代,为方便存储和访问计算机系统中的数据,优化数据随机存储技术和数据库技术的使用,数据管理多从技术视
23、角出发。信息化时代,数据被视为业务记录的主要载体,数据管理与业务系统、管理系统(包括企业资源规划系统 ERP、自动办公系统 OA、管理信息系统 MIS、客户关系管理系统 CRM、人力资源管理系统 HRM 等)的建设和维护相结合,数据管理具备一定的业务含义,数据管理工作多集中于局部业务领域的流程改善。大数据时代,数据意识与数据价值的逐步提升,数据规模持续增加,技术成本投入下降,越来越多的组织搭建大数据平台,实现数据资源的集中存储和管理,组建数据管理团队,数据管理的重要性和必要性日益凸显,数据管理推动组织业务发展的作用逐步显现。数据要素化时代,数据作为资产的理念正在共识,数据管理演变为对数据资产的
24、管理,以提升数据质量和保障数据安全为基础要求,围绕数据全生命周期,统筹开展数据管理,以释放数据资产价值为核心目标,制定数据赋能业务发展战略,持续运营数据资产。数据资产管理的理论框架逐步成熟。数据资产管理的理论框架逐步成熟。国际上,麻省理工学院两位教授于 90 年代启动全面数据质量管理计划(TDQM),提出了聚焦于质量管理的数据资产管理框架。国际数据治理研究所(The Data Governance Institute,DGI)于 2004 年提出了数据治理框架(Data Governance Institute,DGI),国际数据管理协会(DAMA,Data Management Associ
25、ation International)于2009年发布了数据管理知识体系,并于2017年对数据管理模型进行了更新。此外,Gartner、IBM 等企业纷纷提出了数据管理能力评价模型。我国于2018年发布 数据管理能力成熟度评估模型(GB/T36073-2018)国家标准,是国内数据管理领域的第一个国家标准,该标准全面定义了数据管理活动框架,包含 8 个能力域、28 个能力项。整体来看,目前数据管理理论框架之间有很强的相似性,主要从数据管理的技术侧或管理侧出发,明确数据管理的活动职能和管理手段,并按照一定标准对组织的数据能力进行等级评定。但是,多数框架未特别强调数据资产价值性,忽略了数据资产价
26、值实现路径。1.3.数据资产管理实践步骤 数据资产管理实践白皮书(数据资产管理实践白皮书(6.0 版)版)定义了一种数据资产管理实践的通用步骤:定义了一种数据资产管理实践的通用步骤:“统筹规划统筹规划管理实施管理实施稽核检查稽核检查资产运营资产运营”,各步骤之间并无严格的先后顺序,各步骤之间并无严格的先后顺序,组织可结合自身情况在各阶段制定合理的实施方案。组织可结合自身情况在各阶段制定合理的实施方案。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 7/38 计算机计算机/行业深度行业深度 图图 4:数据资产管理实践步骤:数据资产管理实践步骤 数据来源:数据资产管理实践白皮书(6.0
27、版),东北证券 1)统筹规划统筹规划 数据资产管理第一阶段是统筹规划,包括评估管理能力、发布数据战略、建立组织数据资产管理第一阶段是统筹规划,包括评估管理能力、发布数据战略、建立组织责任体系三个步骤,为后续数据资产管理和运营锚定方向、奠定基础。责任体系三个步骤,为后续数据资产管理和运营锚定方向、奠定基础。第一步是盘点数据资产,评估数据资产管理能力。第一步是盘点数据资产,评估数据资产管理能力。利用技术工具从业务系统或大数据平台抽取数据、采集元数据、识别数据关系,可视化包含元数据、数据字典的数据模型,并从业务流程和数据应用的视角出发,完善包含业务属性、管理属性的数据资产信息,形成数据资产地图。此外
28、,从制度、组织、活动、价值、技术等维度对组织的数据资产管理开展全面评估,将评估结果作为评估基线,有助于组织了解管理现状与问题,进一步指导数据战略规划的制定。第一步的主要交付物包括:数据资产盘点清单、数据架构或数据模型、数据资产管理现状评估报告、数据资产管理差距分析报告。第二步是制定并发布数据战略。第二步是制定并发布数据战略。主要是根据数据资产管理现状评估结果与差距分析,召集数据资产管理相关利益者,明确数据战略规划及执行计划。同时,为适应业务的快速变化,采用相对敏捷的方式开展数据资产管理工作,定期调整数据战略短期规划与执行计划。第二步的主要交付物包括:数据战略规划、数据战略执行计划。第三步是建立
29、组织责任体系,制定并发布数据资产管理制度规范。第三步是建立组织责任体系,制定并发布数据资产管理制度规范。从数据战略规划出发,构建合理的、稳定的数据资产管理组织架构,以及具备一定灵活性的数据资产管理项目组,确定数据资产管理认责体系,并制定符合战略目标与当前实际情况的数据资产管理制度规范。第三步的主要交付物包括:数据资产管理组织架构图、数据资产管理认责体系、数据资产管理相关管理办法。2)管理实施管理实施 数据资产管理实施第二阶段的工作目标主要是通过建立数据资产管理的规则体系,数据资产管理实施第二阶段的工作目标主要是通过建立数据资产管理的规则体系,依托数据资产管理平台工具,以数据生命周期为主线,全面
30、开展数据资产管理各项依托数据资产管理平台工具,以数据生命周期为主线,全面开展数据资产管理各项活动,以推动第一阶段成果落地。活动,以推动第一阶段成果落地。第二阶段管理实施的开展主要包括建立规范体系、搭建管理平台、全流程管理、创新数据应用四个步骤。第一步是制定组织级数据资产标准规范体系,建立各活动职能的实施细则与操作规第一步是制定组织级数据资产标准规范体系,建立各活动职能的实施细则与操作规范。范。组织级数据资产标准规范体系指各活动职能下对数据技术设计、业务含义的标准化。以结构化数据为例,标准化的对象包括字段、表以及表间关系。此外,结合数据资产管理相关管理办法,形成各活动职能的实施细则、操作规范,为
31、数据资产 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 8/38 计算机计算机/行业深度行业深度 管理的有效执行奠定良好基础。第一步的交付物主要包括:数据资产管理活动职能相关标准规范、实施细则、操作规范。第二步是搭建大数据平台,汇聚数据资源。第二步是搭建大数据平台,汇聚数据资源。根据数据规模、数据源复杂性、数据时效性等,评估平台预期成本,自建或采购大数据平台,为数据资产管理提供底层技术支持;设计数据采集和存储方案,根据第一步的数据资产标准规范体系,制定数据转换规则,确定数据集成任务调度策略,支持从业务系统或管理系统抽取数据至大数据平台,实现数据资源的汇聚;结合云原生、AI 等技术提
32、升资源利用率,降低数据资产管理的资源投入和运维成本。第二步的交付物主要包括:大数据平台、数据汇聚方案与记录。第三步是依托统一管理平台,实现数据资产的全流程管理。第三步是依托统一管理平台,实现数据资产的全流程管理。构建统一的数据资产管理平台,使各活动职能相关工具保持联动,覆盖数据的采集、流转、加工、使用等环节;由数据资产管理团队组织开展数据资源化活动,对于每一项活动,在数据需求中明确和记录数据使用方的规范与期望,在数据设计中支持规则的落地与应用,在数据运维根据数据生产方业务和数据的变化,响应数据使用方规则与期望的调整,并及时发现和整改问题数据。第三步的交付物主要包括:数据资产管理平台、数据资产生
33、命周期操作手册、数据资产项目管理操作手册、数据资产管理业务案例。第四步是创新数据应用,丰富数据服务。组织应加强数据应用和第四步是创新数据应用,丰富数据服务。组织应加强数据应用和服务的创新,围绕服务的创新,围绕降低数据使用难度、扩大数据覆盖范围、增加数据供给能力等方面开展。降低数据使用难度、扩大数据覆盖范围、增加数据供给能力等方面开展。通过数据可视化、搜索式分析、数据产品化、产品服务化等角度降低数据使用难度;通过数据“平民化”(如自助式数据分析、数据应用商店、数据超市等),使更多一线业务人员直接参与数据分析过程;通过数据消费者、数据生产者之间灵活的角色转变,增加数据的供给能力(如形成数据众筹众享
34、模式)。第四步的交付物主要包括:数据应用产品清单、数据应用服务操作手册、数据应用服务用户指南。图图 5:数据资产项目管理要点:数据资产项目管理要点 数据来源:数据资产管理实践白皮书(6.0 版),东北证券 3)稽核检查稽核检查 组织在第二阶段基本完成由原始数据到数据资源的转变,第三阶段稽核检查关注于组织在第二阶段基本完成由原始数据到数据资源的转变,第三阶段稽核检查关注于如何评价数据资源化成果、改进管理方法,该阶段的主要目标是根据既定标准规范,如何评价数据资源化成果、改进管理方法,该阶段的主要目标是根据既定标准规范,请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 9/38 计算机计算机
35、/行业深度行业深度 适应业务和数据的变化,通过对数据资源化过程与成果开展常态化检查,优化数据适应业务和数据的变化,通过对数据资源化过程与成果开展常态化检查,优化数据资产管理模式与方法。资产管理模式与方法。标准规范是常态化检查的基础与前提,主要包括数据模型与业务架构和 IT 架构一致性、数据标准落地、数据质量、数据安全合规、数据开发规范性等。平台工具是常态化检查的有效方式,相较于人工操作,节约人力物力,确保检查结果准确性,提升检查效率。定期总结、建立基线是常态化检查的关键过程,对检查结果进行统计分析,形成检查指标与能力基线,评价数据资源化效果,与相关利益方、参与方确定整改方案,持续改进管理模式与
36、方法。第三阶段主要交付物包括:数据资产管理检查办法、数据资产管理检查总结、数据第三阶段主要交付物包括:数据资产管理检查办法、数据资产管理检查总结、数据资产管理检查基线。资产管理检查基线。4)资产运营资产运营 在前三个阶段的基础上,组织具备向数据资产转变的基础。数据资产管理的第四个在前三个阶段的基础上,组织具备向数据资产转变的基础。数据资产管理的第四个阶段是资产运营阶段,该阶段的主要目标是通过构建数据价值评估体系与运营策略,阶段是资产运营阶段,该阶段的主要目标是通过构建数据价值评估体系与运营策略,促进数据内外部流通,建立管理方与使用方的反馈与激励机制,推动数据资产价值促进数据内外部流通,建立管理
37、方与使用方的反馈与激励机制,推动数据资产价值释放。释放。构建数据运营中心,充分发挥数据团队对业务部门的辅助作用。数据团队提供包括自助式数据服务、AI 模型等在内的支持,并通过定期宣导与培训,提升业务部门的数字技术能力。此外,以场景化数据资产运营为出发点,鼓励业务部门的数据资产使用各方使用相关平台探索数据,共享探索成果,提出改进建议。建立用户视角下的 SLA(Service-Level Agreement,服务等级协议),并进行持续评估和改善。区别于传统分布式大数据平台视角下的 SLA,数据资产管理 SLA 的目标是为各数据使用方持续、及时提供高质量数据和服务,SLA 的核心指标包括可靠性、实时
38、性、质量要求等,贯穿数据资产管理全生命周期,覆盖数据资产管理各项活动职能,由保障措施提供基本支持,并通过采集和分析相关平台的运行日志,记录 SLA 的“断点”,改善数据资产服务的流程。数据、业务和技术部门协同确认投入产出比(Return on Investment,ROI)指标,测算数据资产管理的成本和收益,提高数据资产管理的投入产出比。第四阶段主要交付物包括:数据资产服务目录、数据资产价值评估体系、数据资产第四阶段主要交付物包括:数据资产服务目录、数据资产价值评估体系、数据资产流通策略与技术、数据资产运营指标体系。流通策略与技术、数据资产运营指标体系。2.数据资产管理行业现状及未来数据资产管
39、理行业现状及未来 2.1.数据资产管理行业规模数据资产管理行业规模 IDC 预测,中国数据量规模将从预测,中国数据量规模将从 2022 年的年的 23.88ZB 增长至增长至 2027 年的年的 76.6ZB,CAGR 达达 26.3%,其中政府、媒体、专业服务、零售、医疗、金融为主要分布领域。,其中政府、媒体、专业服务、零售、医疗、金融为主要分布领域。随着互联网,AI 等技术的发展,数据量呈现出爆发式增长。数据量的快速增长将进一步促进企业对于数据资产管理的需求,根据信通院2018 中国大数据发展调查报告 中的统计数据,60.4%的受访企业已经成立或者正在考虑成立企业数据管理委员会,从而加强对
40、企业级大数据的利用效率,促进企业发展。因此,在数据中心等核心大数据硬件环境日益成熟的背景下,发展数据资产管理能力已经成为大数据产业发展的下一个爆发点。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 10/38 计算机计算机/行业深度行业深度 图图 6:20222027 年全球与中国数据规模预测(单位:年全球与中国数据规模预测(单位:ZB)数据来源:IDC,东北证券 2021 中国数据资产化工具市场研究报告统计中国数据资产化工具市场研究报告统计中国数据资产化市场规模中国数据资产化市场规模 2020 年年为为 280 亿元,预计亿元,预计 20212025 年年将保持高速增长,将保持高速
41、增长,CAGR 将将达达 40.7%,预计,预计 2024年市场规模将达到千亿量级。年市场规模将达到千亿量级。从 2020 年细分市场情况看,数据存储 113 亿,决策应用 54 亿,以大中型企业需求为主,政府、金融行业是主市场;一二线城市占市场规模的八成以上,北京、上海、浙江、广东处于全国第一梯队。数据资产管理是数据治理的目标和结果,从数据治理角度看,2022 年中国数据治理市场依旧保持了较高的增长速度,同比增长 32.1%,市场规模达到 157.9 亿元,预计到 2025 年,数据治理市场规模将突破 350 亿元,2022 年2025 年 CAGR 为 30.39%。图图 7:中国数据资产
42、化工具市场规模:中国数据资产化工具市场规模 图图 8:中国数据治理市场规模预测:中国数据治理市场规模预测 数据来源:2021 中国数据资产化工具市场研究报告,东北证券 数据来源:赛迪顾问,东北证券 2.2.数据资产管理现状及发展趋势数据资产管理现状及发展趋势 数据资产管理发展现状:数据资产管理发展现状:1)数据资产管理政策环境持续优化。)数据资产管理政策环境持续优化。金融领域,2021 年 3 月,中国人民银行发布金融业数据能力建设指引,为金融业工作落地实施提供强力指导。2021 年 9 月,银保监会印发商业银行监管评级办法,将“数据治理”要求纳入商业银行监管评级要素并给予 5%的权重,进一步
43、要求商业银行加快建设数据治理体系。通信领域,2021 年 11 月,工业和信息化部发布了“十四五”信息通信行业发展规划,提出 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 11/38 计算机计算机/行业深度行业深度 加强数据资源管理,研究制定信息通信领域公共数据开放及数据资源流动制度规范,探索建立数据应用处理、数据产品标准化、数据确权、数据定价、数据交易信任、数据开放利用全流程的数据资源管理制度体系和数据要素市场,加强数据资源监管和行业自律。加快数据流通共享技术标准体系制定,提升数据质量和规范性。制造业领域,2021 年 11 月,工业和信息化部印发“十四五”信息化和工业化深度融合
44、发展规划,提出强化大数据在制造业各环节应用,制定制造业数字化转型行动计划,以制造业数字化转型为引领,培育专业化、场景化大数据解决方案。2)数据资产管理能力整体处于发展初期,发展态势稳中有进。)数据资产管理能力整体处于发展初期,发展态势稳中有进。中国电子信息行业联合会通过计算历年来 DCMM 评估企业的能力等级分布,大部分贯标企业的数据管理能力均在二级(受管理级)及以下水平,占全部贯标企业的 80.1%;三级(稳健级)占总量的 15.6%,四级及以上(量化级和优化级)不足 5%。随着企业数字化转型相关政策不断出台,企业自身数据意识持续提升,越来越多的企业参与到 DCMM贯标评估工作中,通过“以评
45、促建”的方式加快数据资产管理能力建设。3)行业间数据资产管理能力差异分布显著。)行业间数据资产管理能力差异分布显著。软件和信息技术业、工业和制造业、医疗行业、教育行业等传统行业仍处于初级阶段,数据资产管理的意识和动力不足,数据资产管理处于大数据平台建设阶段,尚未组建相对专业化的数据资产管理团队,主要针对核心业务开展数据标准化、数据质量管控等工作。金融行业、互联网行业、通信行业、电力、零售行业等较早享受到了“数据红利”,持续推进业务线上化,数据资产管理重要性随之提升,逐步发展数据资产管理部门,加大技术创新与应用,开展数据分析和数据服务。中国电子信息行业联合会将 DCMM 评估的统计数据按照行业进
46、行对比分析,发现通信、电力、银行三个行业处于相对领先水平,软件和信息技术业、制造业有较大提升空间。4)评估数据资产价值、创新数据资产商业模式逐步成为企业关注焦点,领先企业已评估数据资产价值、创新数据资产商业模式逐步成为企业关注焦点,领先企业已开展探索性实践。开展探索性实践。数据价值评估是量化数据资产价值的有效方式,推动企业持续投入资源开展数据资产管理,为企业参与数据要素流通奠定基础。2021 年光大银行发布了 商业银行数据资产估值白皮书,计算出光大银行数据资产超千亿元的货币价值,并与北京国际大数据交易所开展战略合作,探索数据要素多元发展模式。2022年光大银行在前期研究的基础上,以商业银行为研
47、究对象,开展数据资产入表和数据要素市场生态研究,发布了商业银行数据资产会计核算研究报告,为业界提供了参考。此外,光大银行发布的商业银行数据要素市场生态研究报告提出了商业银行在数据要素市场新生态中的两个新发展路径:一是作为数据商,以“4+2”的服务模式,深入参与数据要素市场大循环,开展数据商业务;二是作为第三方专业机构,充分发挥银行的现有优势,开放创新,拓展业务新场景。5)数据安全管理作为数据资产管理的数据安全管理作为数据资产管理的“红线红线”,日益受到国家行业的重视。,日益受到国家行业的重视。国家层面,逐渐明晰数据安全的监管红线,为企业数据安全建设提供政策引领。2022 年 7月,中央网信办公
48、布数据出境安全评估办法,为各行业企业规范数据出境活动、保护个人信息权益提出了更加具体的要求和措施,翻开了数据出境安全管理的新篇章。行业方面,工业和信息化部于 2022 年 10 月再次公开征求对工业和信息化领域数据安全管理办法(试行)的意见,明确了重要和核心数据在目录备案及出境等方面的工作要求,是对工业和信息化领域数据安全管理工作的进一步指导。数据资产管理发展趋势:数据资产管理发展趋势:(一一)管理理念:从被动响应到主动赋能管理理念:从被动响应到主动赋能 随着组织数字化转型的不断深入推进,数据资产管理占组织日常经营管理的比重日渐增加,传统以需求定制开发为主要模式的被动服务形式,已难以满足组织数
49、据服务响应诉求,组织逐步在各业务条线设置数据管理岗位,定期采集数据使用方诉求,请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 12/38 计算机计算机/行业深度行业深度 构建数据资产管理需求清单,解决数据资产管理难点,跟踪数据应用效果,加深数据人员对业务的理解和认识,主动赋能业务发展。此外,随着数据素养和数字技能的不断提升,数据使用者培养了主动消费意识和能力,以数据资产目录为载体、以自助式数据服务为手段、以全流程安全防护为保障的数据主动消费和管控模式正在形成,在提升数据服务水平的同时,进一步提升数据应用的广度和深度。(二二)组织形态:向专业化与复合型升级组织形态:向专业化与复合型升级
50、 区别于信息化阶段作为 IT 部门的从属部门,数据资产管理组织与职能已逐步独立化。对于政府,由专门的政府机构承担,在业务部门设立数据管理兼职岗位,首席数据官(Chief Data Officer,CDO)制度也出现在了深圳、浙江等地的规划中。深圳市印发的深圳市首席数据官制度试点实施方案提出在市政府和有条件的区、部门试点首席数据官制度,明确职责范围,健全评价机制,创新数据共享开放和开发利用模式,提高数据治理和数据运营能力覆盖决策、管理、设计、维护的数据资产管理专业组织形态已逐步显现。对于企业,广东、上海等地发布相关政策推动企业设置首席数据官。广东省工业和信息化厅于 2022 年出台了 广东省企业
51、首席数据官建设指南,鼓励在企业决策层设施 CDO 角色,以制度形式赋予 CDO 对企业重大事务的知情权、参与权和决策权,统筹负责企业数据资产管理工作,加强企业数据文化建设,提升企业员工数据资产意识,建立正确的企业数据价值观。数据资产管理组织形成以 CDO 或 CIO 主导、业务部门与 IT 部门协同参与的模式。Gartner2021 年报告显示,75%的公司将 CDO 视为与 IT、HR 和财务同样关键的职务。此外,在业务部门与 IT 部门设置专职或兼职数据管理员,推动数据资产管理有效开展。(三三)管理方式:敏捷协同的一体化管理管理方式:敏捷协同的一体化管理 传统的数据资产管理建设往往由多个分
52、散的管理活动和解决方案组成,造成数据资产管理各个环节之间的脱节(包括开发与管理、管理与运营)的脱节,使得数据从生产端到消费端的开发效率降低。例如,在开发阶段应遵循的数据标准规范,在管理阶段需要强依赖专业数据管理角色和过程监控才可能实现。同时,由于多数企业忽视了数据运营,使数据消费端未向数据资产生产端反馈有效的用户体验。DataOps 倡导协同式、敏捷式的数据资产管理,通过建立数据管道,明确数据资产管理的流转过程及环节,采用技术推动数据资产管理自动化,提高所有数据资产管理相关人员的数据访问和获取效率,缩短数据项目的周期,并持续改进数据质量,降低管理成本,加速数据价值释放。例如,通过标准设计、模型
53、设计指导数据开发,前置化数据质量管理,并建立 SLA 开展数据资产运维,实现开发与管理的协同;数据资产管理成果通过被业务分析人员、数据科学家等角色自助使用,支撑业务运营,同时,运营结果反向指导数据资产管理工作,实现管理与运营的协同。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 13/38 计算机计算机/行业深度行业深度 图图 9:敏捷协同的一体化管理:敏捷协同的一体化管理 数据来源:数据资产管理实践白皮书(6.0 版),东北证券 (四四)技术架构:面向云的技术架构:面向云的 DataFabric 随着数据技术组件日益丰富,数据分布日趋分散,Gartner 认为 DataFabric
54、 已成为支持组装式数据分析及其各种组件的基础架构,通过在大数据技术设计上复用数据集成方式,DataFabric 可缩短 30%的集成设计时间、30%的部署时间和 70%的维护时间。DataFabric 是一种新型、动态的数据架构设计理念,是综合利用元数据、机器学习和知识图谱等技术,打造一个更加自动化、面向业务、兼容异构的企业数据供应体系,以支撑更加统一、协同、智能的数据访问,有分析师称之为将“恰当”的数据在“恰当”的时间提供给“恰当”的人。目前,IBM、Informatica 和 Talend 等推出了针对 DataFabric 的解决方案。以 IBM 为例,其于 2021 年 7 月发布的
55、CloudPakforData4.0 的软件组合增加了智能化的DataFabric 功能,其中 AutoSQL(结构化查询语言),可以通过 AI 进行数据的自动访问、整合和管理,使分布式查询的速度提升 8 倍,同时节约 50%的成本。(五五)管理手段:自动化与智能化广泛应用管理手段:自动化与智能化广泛应用 随着数据复杂性持续增加,依靠“手工人力”的数据资产管理手段将逐步被“自动智能”的“专业工具”取代,覆盖数据资源化、数据资产化的多个活动职能,在不影响数据资产管理效果的同时,极大地降低了数据资产管理成本。具体来说,是指利用 AI、ML、RPA、语义分析、可视化等技术,自动识别或匹配数据规则(包
56、括数据标准规则、数据质量规则、数据安全规则等),自动执行数据规则校验,或是自动发现数据之间的关联关系,并以可视化的方式展现。此外,可利用VR、AR 等技术,帮助数据使用者探索数据和挖掘数据,提升数据应用的趣味性,降低数据使用门槛,扩大数据使用对象范围。(六六)运营模式:构建多元化的数据生态运营模式:构建多元化的数据生态 运营数据是持续创造数据价值的有效方式,多元化的数据生态通过引入多维度数据、多类参与方、多种产品形态,进一步拓展数据应用场景和数据合作方式,为数据运营提供了良好的环境。充分借力行业数据资源优势,创新数据生态多种模式。能源行业以广东电网能源投资为例,通过成为首批“数据经纪人试点单位
57、”,积极参与数据要素生态体系,打造 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 14/38 计算机计算机/行业深度行业深度 电力大数据品牌,实现电力数据资产合规高效流通,获取电力数据资产价值收益。对于银行业而言“开放银行”是数据生态的典型代表,“开放银行”的本质是一种平台化商业模式,以 API 作为技术手段,实现银行数据与第三方服务商的共享,从而为金融生态中的客户、第三方开发者、金融科技企业以及其他合作伙伴提供服务,并最终为消费者创造出新价值。随着开放银行的生态体系不断完善,银行将丰富与合作伙伴共建共享方式,充分运用数据智能,实时感知用户需求并精准匹配,有利于提供全方位、综合化、
58、泛金融服务。(七七)数据安全:兼顾合规与发展数据安全:兼顾合规与发展 首先,应意识到数据安全与数据资产合理利用并不冲突。两者之间存在着互相促进的关系。数据安全是合理利用的前提条件,合理利用是数据安全保护的最终目的。只有做好数据安全保护,才能让数据所有者愿意授予组织或其他主体对数据的使用权利,进一步推动数据资产流通。GDPR 倡导平衡“数据权利保护”与“数据自由流通”的理念,在赋予数据主体权利的同时,强调个人数据的自由流通不得因为在个人数据处理过程中保护自然人权利而被限制或禁止。其次,应从数据安全管理和数据资产流通两方面同步寻找平衡点。在数据安全管理侧,通过建立数据安全管理机制,制定数据安全分类
59、分级标准和使用技术规范,提升数据安全治理能力;在数据资产流通侧,将数据安全合规、个人信息保护等要求作为基本“红线”,将其潜在风险作为成本指标,在不触碰“红线”的前提下,进行数据资产流通的收益分析,探索数据安全与资产流通的均衡方案。2.3.数据资产管理行业壁垒数据资产管理行业壁垒 2.3.1.技术壁垒:跨领域行业理解 软件和信息技术服务业属于技术密集型行业,数据资产管理两个细分行业需要公司在具备软件行业的技术之外,拥有各下游应用领域的专业知识,故拥有跨领域专业技术团队与行业经验积累(如公共卫生、食品药品、环境监测、能源化工等)的企业将具有巨大优势。其次,出于易用性、安全性等技术相关因素考虑,下游
60、客户更倾向于选择具有技术优势的软件平台,核心技术储备以及相关专利成为行业内企业的竞争优势。2.3.2.人才壁垒:新领域人才向头部集中 公司需要为客户企业提供软件平台建设的一体化服务,因此销售人员、技术人员和售后服务人员等不仅需要拥有良好的沟通能力、先进的技术水平,还需要拥有丰富的行业经验和实践经验。故而人才的培养对于行业的不断发展起到至关重要的作用,完善的人才培养、激励、考核机制可以使企业不断吸引优秀人才,升级技术团队结构,不断提高技术水平。因此相对有限的高级技术人才、销售人才、管理人才等都已向行业头部企业流动集中,对后进入者形成了较高的人才壁垒。2.3.3.客户壁垒:数据量提升难更换 在长期
61、的合作中,软件企业会根据客户需求不断改进产品与服务,与客户业务特点、规模、战略规划等方面匹配,同时客户在软件产品的使用过程中,会不断衍生新的需求,客户经常会在原有产品的基础上进行多期的项目建设,而若更换其他品牌,则需付出整套软件系统重新实施、数据库匹配等额外成本。因此,下游客户一般会选择与企业建立长期战略合作关系,也提高了新进入者的门槛。2.3.4.品牌壁垒:决策错误后果严重 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 15/38 计算机计算机/行业深度行业深度 数据资产管理行业对数据的准确性与真实性要求较高,虚假或不完整的数据容易造成数据分析结果失真,严重的可能会导致客户决策失
62、误进而遭受损失,所以客户会选择具有品牌影响力、社会公信力以及资质丰富的大数据软件和服务提供商。本行业企业的品牌代表着数据质量与服务水平,直接决定了市场的接受程度。而良好的品牌无法在短期建立起来,优先进入市场并在行业内建立一定口碑的企业将进一步提高市场占有率,具有品牌溢价效应。2.3.5.规模壁垒:纯软件边际成本低 数据资产管理行业所提供服务具有低边际成本的特点,但前期技术团队构建、软件开发、数据池构建、大数据平台建立等步骤需要大量资本投入,而后期通过平台接口开放,可实现以近乎零边际成本服务更多下游客户。客户数量直接影响行业的利润水平,随着下游客户数量的增加,平均成本持续下降。因此,业务规模成为
63、行业的新进入壁垒。2.4.数据资产管理产业链与竞争格局数据资产管理产业链与竞争格局 2.4.1.数据资产管理产业链 数据资产管理所处产业链的上游主要是计算机、网络设备等硬件设备行业以及软件数据资产管理所处产业链的上游主要是计算机、网络设备等硬件设备行业以及软件行业。行业。主要厂商包括联想、华为、IBM、三星等硬件设备企业及微软、Oracle 等软件工具企业。上游行业竞争充分,硬件设备及软件质量可靠,且出货量充足,产品迭代快、价格变动小,总体实现稳定发展的特征。上游行业的稳定对本行业发展起到有利作用,可以避免采购价格与质量大幅波动,有利于提高行业内企业的盈利水平。数据资产管理所处的产业链下游主要
64、有检验检测信息化管理需求和数据资产管理数据资产管理所处的产业链下游主要有检验检测信息化管理需求和数据资产管理需求的企事业单位和政府等机构,应用行业十分广泛。需求的企事业单位和政府等机构,应用行业十分广泛。政府事业单位包括公共卫生、动物疫控、食药品检测、质量检测、环境监测等机构,企业包括生物制药、能源化工、汽车电子等制造业,均是国家质量发展规划内的重点行业,对检验检测信息化产品和服务的需求较高。图图 10:数据资产管理行业产业链:数据资产管理行业产业链 数据来源:数据资产管理企业营销趋势及策略制定与实施手册,东北证券 2.4.2.数据资产管理和数据治理市场竞争格局 请务必阅读正文后的声明及说明请
65、务必阅读正文后的声明及说明 16/38 计算机计算机/行业深度行业深度 数据治理和数据资产管理是两个密切相关的概念,它们同构成了个完整的数据管理数据治理和数据资产管理是两个密切相关的概念,它们同构成了个完整的数据管理体系。体系。数据治理是指在组织内对数据进行全面管理和控制的过程,旨在确保数据的准确性、完整性、一致性和安全性,以支持组织的决策和业务活动。而数据资产管理则是指对组织的数据资产进行有效管理和优化利用的过程,旨在最大化数据资产的价值和效益。数据资产管理是数据治理的目标和结果。从数据治理角度看,数据治理市场划分为平台市场和解决方案市场。从数据治理角度看,数据治理市场划分为平台市场和解决方
66、案市场。数据治理平台型厂商指的是以软件平台为战略、提供数据治理软件工具,依靠合作伙伴来实施数据治理服务的厂商。平台厂商又可进一步划分为偏咨询规划类的平台厂商和偏产品研发实施类的平台厂商。调查数据显示,在央国企数理治理咨询规划市场,华为以25.0%的市场份额位居首位,德勤、IBM、普元、御数坊、毕马威也取得了不俗的业绩。目前市场上数据治理方案的提供者主要分为三类:第一是目前市场上数据治理方案的提供者主要分为三类:第一是 IT 咨询公司,第二是数咨询公司,第二是数据平台和数据中台公司,第三类则是专注于数据治理的厂商(专业厂商,例如普元据平台和数据中台公司,第三类则是专注于数据治理的厂商(专业厂商,
67、例如普元信息和三维天地等)。信息和三维天地等)。专业数据治理解决方案市场是指由依托数据治理工具为用户提供数据治理方案的专业厂商构成的市场,简称为专业方案市场。央国企数据治理专业方案市场竞争格局目前仍呈散点状态,TOP3 市占率合计只有 27.6%,这与央国企数据治理专业方案市场由导入期转入成长期时间不长的发展阶段有关。目前,普元信息的市场占有率最高,达到 10.6%。美林数据、三维天地、数澜科技、东方国信、袋鼠云、四方伟业等品牌厂商也取得了骄人的业绩。此外,在央国企数据治理主数据管理产品服务市场,普元信息市场份额达到 16.7%,位居首位,其次是东方国信、美林数据、三维天地等企业。图图 11:
68、央国企数据治理咨询规划市场品牌份额:央国企数据治理咨询规划市场品牌份额 图图 12:央国企数据治理专业方案市场品牌份额:央国企数据治理专业方案市场品牌份额 数据来源:央国企数据治理市场发展白皮书(2023),东北证券 数据来源:央国企数据治理市场发展白皮书(2023),东北证券 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 17/38 计算机计算机/行业深度行业深度 图图 13:央国企数据治理主数据管理产品服务市场品牌份额:央国企数据治理主数据管理产品服务市场品牌份额 数据来源:央国企数据治理市场发展白皮书(2023),东北证券 2.5.数据资产管理活动职能 活动职能是数据资产管理
69、的基本管理单元。数据资产管理包括数据模型管理、数据活动职能是数据资产管理的基本管理单元。数据资产管理包括数据模型管理、数据标准管理、数据质量管理等标准管理、数据质量管理等 10 个活动职能,覆盖数据资源化、数据资产化两个阶个活动职能,覆盖数据资源化、数据资产化两个阶段。段。图图 14:数据资产管理活动职能:数据资产管理活动职能 数据来源:数据资产管理实践白皮书(6.0 版),东北证券 1)数据模型管理数据模型管理 数据模型是指现实世界数据特征的抽象,用于描述一组数据的概念和定义。数据模型是指现实世界数据特征的抽象,用于描述一组数据的概念和定义。数据模型管理是指在企业架构管理和信息系统设计时,参
70、考逻辑模型,使用标准化用语、单词等数据要素设计数据模型,并在企业架构管理、信息系统建设和运行维护过程中,严格按照数据模型管理制度,审核和管理新建和存量的数据模型。数据模型管理的关键活动包括:数据模型计划:确认数据模型管理的相关利益方;采集、定义和分析组织级数据模型需求;确定遵循数据模型标准与要求,设计企业级数据模型(包括主题域数据模型、概念数据模型、逻辑数据模型);数据模型执行:参考逻辑数据模型开发物理数据模型,保留开发过程记录;根据数据模型评审准则与测试结果,由数据模型管理的参与方进行模型评审,评审无异议后发布并上线模型;请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 18/38
71、计算机计算机/行业深度行业深度 数据模型检查:确定数据模型检查标准,定期开展数据模型检查,以确保数据模型与组织级业务架构、数据架构、IT 架构的一致性;保留数据模型检查结果,建立数据模型检查基线;数据模型改进:根据数据模型检查结果,召集数据模型管理的相关利益方,明确数据模型优化方案;持续改进数据模型设计方法、模型架构、开发技术、管理流程、维护机制等。图图 15:华为一体化数据建模示例:华为一体化数据建模示例 数据来源:数据资产管理实践白皮书(6.0 版),东北证券 2)数据标准管理数据标准管理 数据标准是指保障数据的内外部使用和交换的一致性和准确性的规范性约束。数据数据标准是指保障数据的内外部
72、使用和交换的一致性和准确性的规范性约束。数据标准管理的目标是通过制定和发布由数据利益相关方确认的数据标准,结合制度约标准管理的目标是通过制定和发布由数据利益相关方确认的数据标准,结合制度约束、过程管控、技术工具等手段,推动数据的标准化,进一步提升数据质量。束、过程管控、技术工具等手段,推动数据的标准化,进一步提升数据质量。数据标准管理的关键活动包括:数据标准管理计划:确定数据标准管理相关负责人与参与人,开展数据标准需求采集与现状调研,构建组织级数据标准分类框架;制定并发布数据标准管理规划与实施路线;数据标准管理执行:在数据标准分类框架的基础上,定义数据标准;依据数据资产管理认责体系,组织相关人
73、员进行数据标准评审并发布;依托平台工具,应用数据标准(包括数据模型设计与开发、数据质量稽核等);数据标准管理检查:对数据标准的适用性、全面性进行及时检查;依托平台工具,检查并记录数据标准应用程度;数据标准管理改进:通过制定数据标准维护与优化的路线图,遵循数据标准管理工作的组织结构与策略流程,各参与方共同配合进行数据标准维护与管理过程优化。3)数据质量管理数据质量管理 数据质量指在特定的业务环境下,数据满足业务运行、管理与决策的程度,是保证数据质量指在特定的业务环境下,数据满足业务运行、管理与决策的程度,是保证数据应用效果的基础。数据应用效果的基础。数据质量管理是指运用相关技术来衡量、提高和确保
74、数据质量的规划、实施与控制等一系列活动。衡量数据质量的指标体系包括完整性、规范性、一致性、准确性、唯一性、及时性等。数据质量管理的关键活动包括:数据质量管理计划:确定数据质量管理相关负责人,明确数据质量的内部需求与外部要求;参考数据标准体系,定义数据质量规则库,构建数据质量评价指标体系;制定数据质量管理策略和管理计划;请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 19/38 计算机计算机/行业深度行业深度 数据质量管理执行:依托平台工具,管理数据质量内外部要求、规则库、评价指标体系等;确定数据质量管理的业务、项目、数据范畴,开展数据质量稽核和数据质量差异化管理;数据质量管理检查/分
75、析:记录数据质量稽核结果,分析问题数据产生原因,确定数据质量检查责任人,出具质量评估报告和整改建议;持续测量全流程数据质量,监控数据质量管理操作程序和绩效;确定与评估数据质量服务水平;数据质量管理改进:建立数据质量管理知识库,完善数据质量管理流程,提升数据质量管理效率;确定数据质量服务水平,持续优化数据质量管理策略。数据质量管理遵循源头治理、闭环管理的原则。源头治理方面,主要是指在新建业务或 IT 系统过程中,明确数据标准或质量规则,采用“一数一源”原则,与数据生产方和数据使用方确认,常见于对于数据时效性要求不高或核心业务增量数据等场景。闭环管理方面,主要是指形成覆盖数据质量需求、问题发现、问
76、题检查、问题整改的良性闭环,对数据采集、流转、加工、使用全流程进行质量校验管控,持续根据业务部门数据质量需求优化质量管理方案、调整质量规则库,构建数据质量和管理过程的度量指标体系,不断改进数据质量管理策略。图图 16:数据全流程质量校:数据全流程质量校验管控验管控 数据来源:数据资产管理实践白皮书(6.0 版),东北证券 4)主数据管理主数据管理 主数据(主数据(Master Data)是指用来描述企业核心业务实体的数据,是跨越各个业务部)是指用来描述企业核心业务实体的数据,是跨越各个业务部门和系统的、高价值的基础数据。主数据管理(门和系统的、高价值的基础数据。主数据管理(Master Dat
77、a Management,MDM)是一系列规则、应用和技术,用以协调和管理与企业的核心业务实体相关的系统记是一系列规则、应用和技术,用以协调和管理与企业的核心业务实体相关的系统记录数据。录数据。主数据管理的关键活动包括:主数据管理计划:依据企业级数据模型,明确主数据的业务范围、唯一来源系统与识别原则;定义主数据的数据模型(或主辅数据源分布)、数据标准、数据质量、数据安全等要求或规则,并明确以上各方面与组织全面数据资产管理的关系;主数据管理执行:依托平台工具,实现核心系统与主数据存储库数据同步共享;主数据管理检查:对主数据质量进行检查,保证主数据的一致性、唯一性;记录主数据检查的问题;主数据管理
78、改进:总结主数据管理问题,制定主数据管理提升方案,持续改进主数据质量及管理效率。由于主数据具有数据价值高、稳定性强、数量少但影响范围广等特点,有“黄金数据”之称。随着参与业务活动的核心业务实体的种类逐步增多,主数据的管理范围将逐步扩大,主数据从“跨部门”拓宽至“跨组织”。例如,海尔集团主数据以“业态不同、请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 20/38 计算机计算机/行业深度行业深度 标准相同”为总体方针,以“标准一致、流程完整”为目标,遵循“流程可控、质量闸口、定期监控、流程前置”的管理原则,依托集团 MDM 主数据管理系统实现了全集团层面跨组织跨业态的主数据统一管理。随
79、着数字化转型进程的推进,在传统的产品/物料、供应商、客户等主数据的基础上,陆续将员工/组织、内部公司、银行机构、科目、链群、园区/建筑、工厂等数纳入集团主数据管理范围,目前已有 12 类标准化的主数据,由此打破了对主数据的传统认识,主数据的纳管将更注重业务场景和用户体验。5)数据安全管理数据安全管理 数据安全是指通过采取必要措施,确保数据处于有效保护和合法利用的状态,以及数据安全是指通过采取必要措施,确保数据处于有效保护和合法利用的状态,以及具备保障持续安全状态的能力。具备保障持续安全状态的能力。数据安全管理是指在组织数据安全战略的指导下,为确保数据处于有效保护和合法利用的状态,多个部门协作实
80、施的一系列活动集合。包括建立组织数据安全治理团队,制定数据安全相关制度规范,构建数据安全技术体系,建设数据安全人才梯队等。数据安全管理的关键活动包括:数据安全管理计划:理解组织内外部数据安全需求与监管要求;制定数据安全管理制度体系,包括数据安全工作的基本原则、数据安全管理规则和程序、内外部协调机制等,并且明确个人信息保护管理制度(包括处理规则、合规审计制度、跨境传输安全评估体系等);定义并发布数据分类分级标准规范;数据安全管理执行:依托平台工具,识别敏感数据,应用数据安全分类分级标准规范;根据数据的敏感级别,部署相应的数据安全防控系统或工具(如权限管控、数据脱敏、数据防泄露、安全审计等);数据
81、安全管理检查:监控数据在采集、存储、传输、加工、使用等环节的安全、隐私及合规状况等;组织进行内外部数据安全审计;数据安全管理改进:总结数据安全问题与风险,评估数据安全管理相关标准规范的适用性、有效性,持续优化数据安全管理过程。数据安全分类分级成为数据安全管理的基础性、关键性工作。2021 年发布数据安全法,提出“国家建立数据分类分级保护制度,对数据实行分类分级保护”,正式确立了数据分类分级的保护要求;同年发布的个人信息保护法,要求“只有在具有特定的目的和充分的必要性,并采取严格保护措施的情形下,个人信息处理者方可处理敏感个人信息”;网信办在网络数据安全管理条例(征求意见稿)中进一步明确,将数据
82、分为一般数据、重要数据、核心数据,国家对个人信息和重要数据进行重点保护,对核心数据实行严格保护;各地区、各部门按照国家要求,对本地区、本部门以及相关行业、领域的数据进行分类分级管理。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 21/38 计算机计算机/行业深度行业深度 图图 17:数据安全分:数据安全分类分级流程与结果类分级流程与结果 数据来源:数据资产管理实践白皮书(6.0 版),东北证券 6)元数据管理元数据管理 元数据(元数据(Metadata)是指描述数据的数据。元数据管理()是指描述数据的数据。元数据管理(Meta Data Management)是数据资产管理的重要基
83、础,是为获得高质量的、整合的元数据而进行的规划、实是数据资产管理的重要基础,是为获得高质量的、整合的元数据而进行的规划、实施与控制行为。施与控制行为。元数据管理的关键活动包括:元数据管理计划:明确元数据管理相关参与方,采集元数据管理需求;确定元数据类型、范围、属性,设计元数据架构,技术元数据与数据模型、主数据、数据开发相关架构一致;制定元数据规范;元数据管理执行:依托元数据管理平台,采集和存储元数据;可视化数据血缘;应用元数据,包括非结构化数据建模、自动维护数据资产目录等;元数据管理检查:元数据质量检查与治理;元数据治理执行过程规范性检查与技术运维;保留元数据检查结果,建立元数据检查基线;元数
84、据管理改进:根据元数据检查结果,召集相关利益方,明确元数据优化方案;制定改进计划,持续改进元数据管理的方法、架构、技术与应用等内容。元数据贯穿数据资产管理的全流程,是支撑数据资源化和数据资产化的核心。首先,元数据从业务视角和管理视角出发,通过定义业务元数据和管理元数据,增强了业务人员和管理人员对于数据的理解与认识。其次,技术元数据通过自动从数据仓库、大数据平台、ETL 中解析存储和流转过程,追踪和记录数据血缘关系,及时发现数据模型变更的影响,有效识别变更的潜在风险。最后,元数据可作为自动化维护数据资产目录、数据服务目录的有效工具。例如,广东电网依托元数据管理平台监控元数据分布情况,获取热门异常
85、应用表,并查看元数据表变更趋势、字段变更趋势等信息,实现对重点应用数据链路的实时在线监测、异常定位、预警分析、工单处理。7)数据开发管理数据开发管理 数据开发是指将原始数据加工为数据资产的各类处理过程。数据开发是指将原始数据加工为数据资产的各类处理过程。数据开发管理是指通过建立开发管理规范与管理机制,面向数据、程序、任务等处理对象,对开发过程和质量进行监控与管控,使数据资产管理的开发逻辑清晰化、开发过程标准化,增强开发任务的复用性,提升开发的效率。数据开发管理的关键活动包括:数据开发管理计划:制定数据集成、开发、运维规范;请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 22/38 计
86、算机计算机/行业深度行业深度 数据开发管理执行:建设集成了数据集成、程序开发、程序测试、任务调度、任务运维等能力的一体化数据开发工具;根据数据集成规范,进行逻辑或物理的数据集成;根据数据使用方的需求,进行数据开发;数据开发管理检查:监控数据处理任务的运行情况,并及时处理各类异常;数据开发管理改进:定期进行数据集成、开发、运维工作复盘,并以此为基础,对相关规范进行持续迭代。8)数据资产流通数据资产流通 对于组织而言,数据资产流通是指通过数据共享、数据开放或数据交易等流通模式,对于组织而言,数据资产流通是指通过数据共享、数据开放或数据交易等流通模式,推动数据资产在组织内外部的价值实现。推动数据资产
87、在组织内外部的价值实现。数据共享是指打通组织各部门间的数据壁垒,建立统一的数据共享机制,加速数据资源在组织内部流动。数据开放是指向社会公众提供易于获取和理解的数据,对于政府而言,数据开放主要是指公共数据资源开放,对于企业而言,数据开放主要是指披露企业运行情况、推动政企数据融合等。数据交易是指交易双方通过合同约定,在安全合规的前提下,开展以数据或其衍生形态为主要标的的交易行为。数据共享、数据开放、数据交易的区别在于交换数据的属性与数据交换的主体范围。对于具备公共属性的数据,在组织体系内部流通属于数据共享,如政府机构之间的数据交换,在组织体系外部流通属于数据开放,如公共数据向社会公众开放。对于具有
88、私有(商品)属性的数据,在组织内部流通属于企业数据共享,如企业部门间数据交换,在组织外部流通属于数据交易。并非所有的数据交易均以货币进行结算,在遵循等价交换的前提下,不论是传统的点对点交易模式,或是数据交易所的中介交易模式,由“以物易物”延伸的“以数易数”或“以数易物”同样可能存在。图图 18:数据共享、数据开放、数据交易的区别:数据共享、数据开放、数据交易的区别 数据来源:数据资产管理实践白皮书(6.0 版),东北证券 9)数据价值评估数据价值评估 狭义的数据价值是指数据的经济效益,广义的数据价值是在经济效益之外,考虑数据的业务效益、成本计量等因素,我们聚焦于广义的数据价值。数据价值评估是指
89、通过构建价值评估体系,计量数据的经济效益、业务效益、投入成本等活动。数据价值评估是数据资产管理的关键环节,是数据资产化的价值基线。当前业界对于数据价值评估主要聚焦于三个方面:一是数据资产估值,直接量化体当前业界对于数据价值评估主要聚焦于三个方面:一是数据资产估值,直接量化体现数据价值;二是数据资产会计核算,作为企业的核心资产进入资产负债表;三是现数据价值;二是数据资产会计核算,作为企业的核心资产进入资产负债表;三是多角色参与数据要素生态,进入数据要素流通的大循环中。多角色参与数据要素生态,进入数据要素流通的大循环中。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 23/38 计算机计
90、算机/行业深度行业深度 多数企业对于数据价值评估的认识和实践集中于第一个方面。以浦发银行为代表,通过编制数据资产经营报表,对数据资产的规模、价值、运营能力和管理水平进行全面度量,客观评价数据在典型业务场景下的贡献程度,清晰展示数据对于业务质效提升、经营模式变革的推动力,形成数据管理与数据应用的良性循环。目前数据价值评估的思路主要沿用传统资产评估方法(成本法、收益法、市场法),目前数据价值评估的思路主要沿用传统资产评估方法(成本法、收益法、市场法),但是注意到各评估方法的适用对象和可行程度存在差异。但是注意到各评估方法的适用对象和可行程度存在差异。对于成本法,考虑到成本难以分摊,其适用对象是企业
91、全部数据资产而非特定数据产品,测算结果是数据资产管理的总体投入成本,包括获取成本、加工成本、运维成本、管理成本、风险成本等方面。对于收益法,其适用对象是特定数据应用场景下的数据产品,测算结果是引入数据资产所带来的业务效益变化。市场法以数据定价和数据交易为主要目的,其适用对象同样是单一数据产品,通过对比公开数据交易市场上相似产品的价格,同时考虑成本和预估收益,对数据产品进行价格调整。10)数据资产运营数据资产运营 数据资产运营是指通过对数据服务、数据流通情况进行持续跟踪和分析,以数据价数据资产运营是指通过对数据服务、数据流通情况进行持续跟踪和分析,以数据价值管理为参考,从数据使用者的视角出发,全
92、面评价数据应用效果,建立科学的正值管理为参考,从数据使用者的视角出发,全面评价数据应用效果,建立科学的正向反馈和闭环管理机制,促进数据资产的迭代和完善,不断适应和满足数据资产的向反馈和闭环管理机制,促进数据资产的迭代和完善,不断适应和满足数据资产的应用和创新需求。应用和创新需求。建立可共享可复用的数据资产体系,构建多层级数据资产目录,是开展数据资产运营的基础和前提。3.相关公司相关公司 3.1.普元信息普元信息 公司是国内领先的软件基础平台产品与解决方案专业提供商,重点面向金融、通信、公司是国内领先的软件基础平台产品与解决方案专业提供商,重点面向金融、通信、政务、能源、先进制造等行业客户建设自
93、主可控软件基础设施的需求。政务、能源、先进制造等行业客户建设自主可控软件基础设施的需求。公司通过自主研发的云原生低代码平台、智能化数据中台、全栈式信创中间件等系列产品及解决方案,助力客户实现 IT 架构重塑,建立安全可信的信息技术应用底座与智能化数据中台体系,提升数字化转型能力。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 24/38 计算机计算机/行业深度行业深度 图图 19:普元信息主要业务及:普元信息主要业务及核心能力示意图核心能力示意图 数据来源:公司公告,东北证券 公司公司 2023H1 实现实现营业收入营业收入 1.81 亿亿元,较上年同期增长元,较上年同期增长 32.
94、18%;归母净利润;归母净利润-0.31亿元,亏损同比增加亿元,亏损同比增加 379.75 万元;万元;净利润亏损主要系公司业务存在显著季节性特征,上半年收入占比较低、下半年尤其是第四季度收入占比相对较高,而公司各项费用全年均衡发生,因此上半年的盈利状况与全年盈利状况可能存在较大的差异。图图 20:2018 年年2023H1 普元信息营业收入与归母净普元信息营业收入与归母净利润情况利润情况 图图 21:2018 年年2023H1 普元信息毛利率与净利率情普元信息毛利率与净利率情况况 数据来源:公司公告,东北证券 数据来源:公司公告,东北证券 在智能化数据中台方面,基于公司主数据管理、数据资源目
95、录、数据共享交换、数在智能化数据中台方面,基于公司主数据管理、数据资源目录、数据共享交换、数据资产管理等产品和解决方案,帮助客户打造数智化支撑体系,实现基于人工智能据资产管理等产品和解决方案,帮助客户打造数智化支撑体系,实现基于人工智能的数据开发治理运营一体化。的数据开发治理运营一体化。此外,公司与华为云联手打造了“元数据资产管理解决方案”,依托普元数据管理产品能力和大量实践经验,在多个应用场景中成功支撑合作项目规划与落地,加速客户数据资产化,提升数据管理效率和价值。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 25/38 计算机计算机/行业深度行业深度 表表 1:普元信息智能化数
96、据中台解决方案简要介绍:普元信息智能化数据中台解决方案简要介绍 主要产品主要产品/解决方案名称解决方案名称 简介 普元数据资产管理平台普元数据资产管理平台(PrimetonDAMP)为企业提供从数据源头形成一致化的数据架构;通过基础数据、业务数据、统计分析数据等的梳理与排摸,形成包含业务、管理与技术要素的数据资产管理体系。通过数据标准规划、定义与落地,按照数据质量六性要求,建立数据质量预警与检核机制,全面提升企业数据质量、数据管理能力,持续推动数据资产价值的开发利用。普元元数据管理平台普元元数据管理平台(PrimetonMetaCube)提供多种采集适配器,可快速对接企业各类元数据,建立统一、
97、集中的元数据资源库。通过对元数据自动化的探查、采集、帮助企业绘制数据地图、标明数据方位、分析数据关系、管理模型变更、统计分析元数据应用情况,全面实现企业级元数据管理。普元主数据管理平台普元主数据管理平台(PrimetonMDM)为企业提供从主数据建模、抽取清洗、配置维护、质量筛查、版本管理、服务化提供、订阅分发、权限管控、流程支撑等全生命周期能力,实现主数据的核心串联作用,推动企业信息化以及数字化革新,支撑数据化决策和数字化运营。普元数据质量管理平台普元数据质量管理平台(PrimetonQualityCube)以助力企业提升数据质量为目标,通过模板化的检核规则配置、自动化的检核任务调度、可视化
98、的数据质量报告生成、流程化的数据质量问题处理方式,为企业各类数智化应用提供高质量的基础数据,帮助企业建立统一管理的、可持续运营的数据质量优化机制。普元普元数据集成平台数据集成平台(PrimetonDI)实现对各种类型数据的访问、过滤、清洗、转换和加载等 ETL 过程。支撑实施过程中进行开发过程的规范化、代码自动化、代码和质量可控化、调度管理统一化和监控可控化。数据来源:公司公告,东北证券 普元数据资产管理平台可统筹管理企业核心数据资产,从企业 IT 项目全生命周期管控入手,融合管理数据模型和元数据,实现从数据源头落实数据资产规范要求,形成一致化的数据架构;通过基础数据、业务数据、统计分析数据等
99、的梳理与排摸,形成包含业务、管理与技术要素的数据资产管理体系。同时,通过数据标准规划、定义与落地,按照数据六性要求,建立数据质量预警机制,全面提升企业数据质量;通过建立自助式数据共享运营机制和自动化数据共享服务平台,为企业数字化转型下的业务变革与 IT 架构重塑提供多种共享形式,不同数据形态的数据服务,突破技术壁垒与业务藩篱,提升企业数据管理能力,持续推动数据资产价值的开发利用。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 26/38 计算机计算机/行业深度行业深度 图图 22:普元数据资产管理平台产品特性:普元数据资产管理平台产品特性 数据来源:公司官网,东北证券 根据央国企数据
100、治理市场发展白皮书(根据央国企数据治理市场发展白皮书(2023)调研,普元信息以)调研,普元信息以 10.6%的市占率位的市占率位居央国企数据治理专业方案市场品牌份额第一;以居央国企数据治理专业方案市场品牌份额第一;以 16.7%的市占率位居央国企数据的市占率位居央国企数据治理主数据管理产品服务市场品牌份额第一。治理主数据管理产品服务市场品牌份额第一。此外,国际权威研究机构 Gartner 发布了Hype Cycle for Data,Analytics and AI in China,2023报告。普元信息依托数据开发治理运营一体化能力入选报告,与阿里云、华为等共同被标注为“数据资产管理标杆
101、厂商”(SampleVendor)。普元普元信息信息携手华为云共同推广技术携手华为云共同推广技术共生、商业共赢的共生、商业共赢的“元数据资产管理解决方案元数据资产管理解决方案”,为企业数据资产化提供全新的解决方案。为企业数据资产化提供全新的解决方案。该解决方案基于华为大数据平台,具备超高性能和多项竞争力优势,在一站式数据资产管理、构建数据仓库和各主题数据库、打造一站式企业供数平台、各委办局部门共建的信息资源共享平台、搭建多级信息资源交换体系、建设多主体多维度的标签库体系等应用场景中成功落地,帮助企业提升数据管理效率和价值,加速企业数据资产化。3.2.三维天地三维天地 公司主营业务分为检验检测信
102、息管理业务、数据资产管理业务、供应链管理业务、公司主营业务分为检验检测信息管理业务、数据资产管理业务、供应链管理业务、技术服务四大类。技术服务四大类。公司产品应用领域广泛,先后为全国多个省市级的食品药品监管部门、环境保护部门、市场监督管理部门、疾控中心等政府机构,以及中国海油、五矿集团、光明集团、中兴通讯、比亚迪、隆基绿能、国药控股等大型企业集团提供检验检测信息化及数据资产管理等专业服务,在国内检验检测信息化与数据资产管理领域占据一定的市场地位。2023H1 公司公司实现营业收入实现营业收入 0.6 亿亿元,同比增长元,同比增长 31.38%;研发费用及销售布局加大;研发费用及销售布局加大投入
103、,实现归属于公司股东净利润投入,实现归属于公司股东净利润-0.58 亿亿元,较去年同期亏损扩大元,较去年同期亏损扩大 10.75%。主要原因是,公司上半年验收项目多为去年或之前遗留的项目,受当时外部环境影响,实施时间较长,人工成本相应较高,带来亏损扩大。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 27/38 计算机计算机/行业深度行业深度 图图 23:2018 年年2023H1 三维天地营业收入与归母净三维天地营业收入与归母净利润情况利润情况 图图 24:2018 年年2023H1 三维天地毛利率与净利率情三维天地毛利率与净利率情况况 数据来源:公司公告,东北证券 数据来源:公司
104、公告,东北证券 公司数据资产管理平台以“数据资产价值释放”为核心目标,覆盖 DAM 全域的 12 个数据管理职能,打通数据全生命周期的治理、开发环节,同时以知识图谱技术、机器学习、深度学习算法为智能化手段,解决企业中关键核心数据不可信、不可用、数据价值无法释放等痛点问题。图图 25:三维天地数据资产管理平台功能架构图:三维天地数据资产管理平台功能架构图 数据来源:公司公告,东北证券 公司数据资产管理平台协助企业客户从业务和技术双视角厘清数据资产,绘制企业公司数据资产管理平台协助企业客户从业务和技术双视角厘清数据资产,绘制企业级数据资产地图。级数据资产地图。在数据资产地图的基础上从数据质量、数据
105、价值、数据应用成熟度多个维度进行数据资产动态评估,形成合理、健全、有效的数据资产评估机制。提供全方位的数据治理支持,构建数据治理完整链条,奠定高质量数据基石。实现高质量数据资产的内部循环与外部流通,运用数据分析与挖掘获取新的信息,在公司内部形成数据流转与共享,在企业外部为社会提供数据资产的价值,也同时为企业谋取创新型的收益,实现数据的增值。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 28/38 计算机计算机/行业深度行业深度 表表 2:数据资产管理产品主要系统的功能介绍:数据资产管理产品主要系统的功能介绍 系统名称系统名称 主要功能与用途主要功能与用途 元数据和数据目录管理元数据
106、和数据目录管理 对数据资源进行描述、解释、定位并使其更方便检索、使用和管理。主要目标是将信息资源数字化,建立一种机器可理解的框架,形成清晰的数据资产目录,构建数据云图,实现数据资产管理可视化、透明化 数据标准管理数据标准管理 提供对企业数据执行标准的全方位管理,可以实现包括数据模型定义、数据模板管理、版本控制、主据编码定义、取值范围定义等数据管理的核心功能,规范数据资产格式,实现命名的准确性和口径的一致性 数据质量管理数据质量管理 对不同类型的数据模型配置相应的质量管控指标和分析参数,实现对不同类标准数据进行常态质量监控管理,保证企业数据标准库的数据质量,同时提供数据健康度分析,支持数据的唯一
107、性、完整性和一致性校验,为数据清洗和治理提供依据 数据安全数据安全 提供数据安全分级分类管理,建立敏感数据模型,实现信息自动识别,支持数据脱敏、加密、审计等全方位的管理能力,全面保障企业数据安全 主数据管理主数据管理 通过对主数据进行控制,使组织可以跨系统地使用一致的和共享的标准数据,提供来自权威数据源的协调一致的高质量主数据,降低复杂度,从而支撑跨部门、跨系统数据融合应用 数据价值管理数据价值管理 通过对数据内在价值的评估、数据成本和收益的管理,实现数据资产化管理。通过对各种数据分布分析和访问状态分析,协助数据管理人员有效发现和挖掘当前数据平台或者数据库中历史数据增长最快的关键数据 数据清洗
108、数据清洗 实现对数据进行重新审查和校验的功能,根据检测规则系统检测出不符合要求的数据,删除重复信息、纠正存在的错误,保证数据的一致性,支持通过逻辑条件和校验规则自定义清洗规则,并通过运行清洗规则实现数据的批量清理 数据交换服务数据交换服务 提供数据管控最基本的连接中枢,是进行“信息集成、上下贯通”的必备要素,消除不同应用之间的技术差异,实现多应用服务器协调运作,实现不同服务之间的自动通信与信息整合 数据生命周期管理数据生命周期管理 实现对数据生命周期的全方位管理,依据平台配置化生成的各类数据标准化执行规范,提供数据申请校验、数据审核管理、权限管理、数据维护管理、数据队列调度、归档管理等功能 大
109、数据分析引擎大数据分析引擎 提供基于分布式内存的大规模并行处理框架,提高大数据分析性能,并提供结构化、半结构化、非结构化数据的处理能力,对海量数据进行分析 指标计算引擎指标计算引擎 实现对指标的定义与开发,无需编写开发任务,自动生成指标相关的数据与计算任务,同时提供指标的预警监控能力、提供指标的根因分析、智能问答的能力。数据洞察与数据服务数据洞察与数据服务 通过数据分析和挖掘工具,清晰地展现数据的工作流程、数据之间的关系,为实现精确的业务决策提供强大的支持 数据来源:公司公告,东北证券 新版数据资产管理平台顺利推广。新版数据资产管理平台顺利推广。公司于 2022 年 11 月发布的数据资产管理
110、平台V12 版本,定位于数据管理全职能领域,覆盖从数据采集、传输、集成、加工、分析、应用等全方位内容,可帮助用户建立数据管理、开发、应用的完整闭环。数据资产管理平台 v12 以“数据资产价值释放”为核心目标,覆盖 DAMA 全域的 10 个数据管理职能,打通数据全生命周期的治理、开发环节,同时以知识图谱技术、机器学习、深度学习算法为智能化手段,解决企业中关键核心数据不可信、不可用、数据价值无法释放等痛点问题。截至 2023H1,已与市场监督管理总局、中国能源建设下属公司、立邦投资等多个客户签订协议,已形成良好的示范效应。同时,公司在广西持续推进数据要素化试点示范工作,探索新的商业模式。请务必阅
111、读正文后的声明及说明请务必阅读正文后的声明及说明 29/38 计算机计算机/行业深度行业深度 3.3.东方国信东方国信 公司主营业务是为客户提供企业级大数据、人工智能、云计算、工业互联网等平台、公司主营业务是为客户提供企业级大数据、人工智能、云计算、工业互联网等平台、产品、服务及行业整体解决方案。产品、服务及行业整体解决方案。在技术产品方面,基于大数据、云计算、人工智能、工业互联网、5G 和机器学习等前沿技术提供包括数据采集、数据存储计算、数据分析挖掘、数据应用、数据治理管控、云基础服务与应用开发平台相关技术产品;在行业解决方案方面,基于公司多年的业务经验积累为通信、金融、工业、政府与公共安全
112、等行业客户提供解决方案与技术服务,帮助客户形成高质量的数据资产、发掘数据深层次价值、提升 IT 资源利用率及服务能力,从而获得更高的生产效率和经营效益,助力企业数字化转型。2023H1 在研发端,公司实现了在 5G 通信技术、大数据技术、人工智能垂直大模型等方向上的突破创新,不断加强 IT/CT/OT 技术的全面融合,持续推动融合技术在各垂直领域应用落地。2023H1 公司实现营业收入 9.27 亿元,同比增长 3.87%;实现归属于上市公司股东的净利润 0.68 亿元,同比增长 14.62%。图图 26:2018 年年2023H1 东方国信营业收入与归母净东方国信营业收入与归母净利润情况利润
113、情况 图图 27:2018 年年2023H1 东方国信毛利率与净利率情东方国信毛利率与净利率情况况 数据来源:公司公告,东北证券 数据来源:公司公告,东北证券 东方国信大数据治理平台是目前国内深度的端到端一体化大数据治理平台,实现数东方国信大数据治理平台是目前国内深度的端到端一体化大数据治理平台,实现数据中心“模型标准化、关系脉络化、加工可视化、质量度量化、服务自动化”,实时据中心“模型标准化、关系脉络化、加工可视化、质量度量化、服务自动化”,实时监控全业务流程。产品优势在于监控全业务流程。产品优势在于:1)落地能力强)落地能力强:已覆盖 12 个大类行业,累计服务数百家企业。2)完整的数据治
114、理体系:)完整的数据治理体系:全面的数据治理一体化解决方案,涵盖整个数据中心端到端全链条的工具化支撑,从库表设计、数据采集数据加工、数据质量验证、数据安全、形成数据资产并对外提供数据服务。3)自主可控:)自主可控:整套大数据治理平台全部自主研发,实现数据全生命周期端到端透明化的安全管控。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 30/38 计算机计算机/行业深度行业深度 图图 28:东方国信大数据治理平台功能:东方国信大数据治理平台功能 数据来源:公司官网,东北证券 3.4.中国软件国际中国软件国际 中软国际有限公司是行业领先的全球化软件与信息技术服务企业之一,成立于 2000
115、年,为香港主板上市公司。中软国际在服务财富 500 强企业及大中型客户的近二十年里,在电信、政府、制造、金融、公共服务、能源等行业均取得了不斐的成绩。中软国际应用开发与管理专业沉淀深厚,企业数字化转型的最佳实践和专家人才充沛。公司与华为等战略伙伴一起,构建互联网信息技术服务平台。2023H1 公司业绩积极向好,实现公司业绩积极向好,实现营业营业收入收入 84.50 亿元亿元,同比降低,同比降低 15.71%;归母净;归母净利润利润 3.51 亿元亿元,同比减少同比减少 38.58%。公司溯源并强化商业内核;深入推进财质一体化及DSTE战略绩效激励闭环等变革,基于AIGC大模型赋能软件工程及科学
116、管理,不断回应并力求解决现实世界、客户存在的真实问题。2023H1 公司与华为云签署盘古大模型合作协议,作为华为云战略合作伙伴和最早参与华为盘古 NLP 大语言模型生态的能力型合作伙伴,在华为开发者大会2023荣膺盘古大模型技术领航者奖项。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 31/38 计算机计算机/行业深度行业深度 图图 29:2018 年年2023H1 中国软件国际营业收入与归中国软件国际营业收入与归母净利润情况母净利润情况 图图 30:2018 年年2023H1 中国软件国际毛利率与净利中国软件国际毛利率与净利率情况率情况 数据来源:公司公告,东北证券 数据来源:公
117、司公告,东北证券 中软国际具备行业内领先的数据资产规划、控制和提供数据及信息资产服务的能力,中软国际具备行业内领先的数据资产规划、控制和提供数据及信息资产服务的能力,提取、保护、交付和凝练数据资产的价值,并据此形成相应的数据资产管理产品和提取、保护、交付和凝练数据资产的价值,并据此形成相应的数据资产管理产品和实施方法论实施方法论。依托对数据资产领域业务和技术的深入研究,结合团队在证券行业深耕积累,中软国际提出围绕数据资产盘点、数据资产评估、数据资产运营的全面数据资产管理方案,涉及数据架构管理、数据质量管理、数据模型管理、元数据管理、数据标准管理、数据安全管理、主数据管理和数据生命周期管理,并形
118、成相应的产品解决方案。该解决方案具有以下优势:1)深度理解证券行业数据模型与标准。2)基于以元数据、数据质量、数据标准为核心的产品化实现。3)同步支持数据仓库、大数据数据资产管控与治理。4)华为大数据应用首选数据资产管理平台。3.5.星环科技星环科技 公公司是国内领先的大数据基础软件开发商,主要提供大数据与云基础平台、分布式司是国内领先的大数据基础软件开发商,主要提供大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具三大类基础软件产品及配套服务,助力客关系型数据库、数据开发与智能分析工具三大类基础软件产品及配套服务,助力客户实现数字化转型。户实现数字化转型。报告期内,公司积极应对以
119、 ChatGPT 为代表的人工智能带来的新机遇,秉承“自主研发、领先一代”的技术发展策略,加大研发投入,加强技术和产品创新,不断扩大市场规模,提升行业影响力,2023H1 公司实现营业收入 1.38 亿元,同比增长 41.38%,归母净利润-1.9 亿元,同比降低 14.71%。公司主要提供两大类的产品和服务:第一类是大数据基础软件业务,包含基础软件产品和与产品相关的技术服务;第二类是应用与解决方案,主要针对大数据应用场景,提供大数据存储、处理以及分析等相关场景下的咨询及定制开发等服务的解决方案;除上述两类业务以外,公司根据客户及项目需求销售少量第三方软件、硬件等其他业务。请务必阅读正文后的声
120、明及说明请务必阅读正文后的声明及说明 32/38 计算机计算机/行业深度行业深度 图图 31:2018 年年2023H1 星环科技营业收入与归母净星环科技营业收入与归母净利润情况利润情况 图图 32:2018 年年2023H1 星环科技营业收入与归母净星环科技营业收入与归母净利润情况利润情况 数据来源:公司公告,东北证券 数据来源:公司公告,东北证券 TDS 是公司研发的一款用于大数据开发的工具集。是公司研发的一款用于大数据开发的工具集。TDS 内置多个数据工具产品,为企业构建数据仓库、数据湖、数据中台,提供高效的数据集成、数据治理、数据资产管理、数据标签与服务、数据共享与交易等工具,提高开发
121、者对数据系统的建设效率,提升业务客户对数据资产的利用效率,帮助客户实现数据对业务的赋能。其中,公司产品 Governor 和 Catalog 用于企业的数据治理和资产管理,其中 Catalog 可支持字段级别的细粒度的数据血缘分析从而帮助提高数据质量,同时能够实时地更新血缘数据;支持通过机器学习技术来学习相关的数据规则和适用数据对象,为用户自动化匹配数据与质量规则,可以显著的降低人力成本。图图 33:星环:星环 TDS 产品架构产品架构 数据来源:星环 TDS 白皮书,东北证券 3.6.绿盟科技(亿赛通)绿盟科技(亿赛通)绿盟科技绿盟科技全资子公司亿赛通在赛迪研究报告中连续全资子公司亿赛通在赛
122、迪研究报告中连续7年稳居中国数据泄露防护市场年稳居中国数据泄露防护市场占有率第一,占有率第一,2022 年亿赛通数据安全核心领域的业务增长增长达年亿赛通数据安全核心领域的业务增长增长达 50.14%。北京亿赛通科技发展有限责任公司成立于2003年,公司以加密文档技术起家,2006年2018 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 33/38 计算机计算机/行业深度行业深度 年公司从专业文档加密厂商变为了数据安全防护厂商,2007 年开始就为中国人民解放军某部提供数据泄露防护综合解决方案,2008 年在国内提出数据泄露防护 DLP概念,与 IBM、华为结为战略合作伙伴;2019
123、 年至今公司扩大数据安全产品线,打造综合数据安全厂商,于 2022 年发布数据安全治理、数据安全防护、数据安全流转、数据库安全和安全服务等多系列新产品抢占新赛道。目前,公司全线产品覆盖云、网、端三大类应用场景,60 款+精细化产品模块,支持结构化、非结构化和半结构化数据安全管理,打造集数据安全合规、数据安全治理、数据安全防护、数据安全流转、数据库安全、安全服务为一体的数据安全领域综合解决方案。图图 34:亿赛通核心产品:亿赛通核心产品 数据来源:公司官网,东北证券 公司的数据安全治理产品以“人”和“数据”为中心,从技术到产品、从策略到管理,提供完整的产品与服务支撑,实现业务与安全的深层融合。整
124、个数据安全治理过程从决策层到技术层,从管理制度到技术支撑,将现有的各个独立的数据安全技术和功能整合,构建了自上而下、全流程、可闭环的完整链条。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 34/38 计算机计算机/行业深度行业深度 表表 3:亿赛通数据安全治理相关产品介绍:亿赛通数据安全治理相关产品介绍 主要产品主要产品 简介 数据安全运营管理平台数据安全运营管理平台 该平台是安全策略统一管理及整体运营分析的综合性平台,支持虚拟化及一体机部署。平台采用先进的大数据技术架构,通过人工智能算法,以数据和人员行为分析为主线,探测发现数据安全事件,并提供完整追溯数据链,全面保障客户数据安全
125、。数据安全态势感知平台数据安全态势感知平台 该平台对数据安全产品的数据及日志进行统一收集,通过人工智能算法分析网络、存储、终端、结构化和非结构化的各类事件日志,并将多种异构数据进行归一、聚合、关联分析,展示数据资产分布态势、数据流向态势、用户行为态势、风险事件态势,感知数据资产当前所面临的威胁,并预测数据资产风险,以整体态势感知当前企业数据安全。亿赛通数据安全分类分级亿赛通数据安全分类分级系统系统 该系统提供敏感数据识别规则和数据分类分级标准的管理功能,为资产敏感数据发现与分类分级打标提供依据。系统内置各行业分类分级标准,用户可根据实际业务,通过自定义的多层级类别进行数据分类管理。数据安全智能
126、管理平台数据安全智能管理平台 该平台是一款融合机器学习、关联分析、密码技术、访问控制、数据标识等多种技术的综合性数据安全防护产品,该产品以数据为中心,分类分级为基础,为用户数据资产提供事前主动防御、事中实时监测、事后追踪溯源、全程态势感知,基于数据的全生命周期提供全方位、立体化防护。数据安全检查工具箱系统数据安全检查工具箱系统 该系统是一款针对行业监管机构或被监管单位或有业务需要单位的敏感数据安全检查和自查自处理的工具型产品。数据安全检查工具箱系统主要针对终端电脑中存放的敏感内容文件进行主动检查、网络中传输敏感数据的监测以及云/存储(数据库)敏感数据检查,同时支持资产管理、终端敏感文件自处理、
127、报表分析等功能,助力客户满足合规检查或常态化自检自查,为后续的数据防泄露建设提供基础技术手段输入。数据血缘分析系统数据血缘分析系统 该系统支持对数据在产生与使用过程中对数据的引用关系及流向进行分析,通过对原数据、流动数据进行采集,从数据的归属性、多源性、可追溯、层次性等多方面对数据血缘关系特征进行分析,通过图形方式呈现数据的归属关系及数据的关联关系,帮助企业在数据安全治理时梳理数据的来源和去向、激发数据潜在价值、打下数据安全基础能力。数据来源:公司官网,东北证券 3.7.美林数据美林数据 美林数据美林数据专注数据价值发掘、深耕行业应用,是国内知名的数据治理和数据分析服专注数据价值发掘、深耕行业
128、应用,是国内知名的数据治理和数据分析服务提供商。务提供商。公司将大数据、人工智能、机器学习等前沿技术与传统工业深度融合,重点为工业领域客户提供包括数据资产管理、数据分析与挖掘、数据开发应用、工业互联网运营在内的数字化解决方案,赋能工业企业在产品研发创新、生产管理、销售服务等各环节的智能化转型以及产业链协同,实现对内降本增效,对外拓展创新,提升服务质量的目的,最终推动传统产业的数字化转型升级。2023H1,公司实现营业收入公司实现营业收入 5,701.48 万元,较上年同期增加万元,较上年同期增加 149.34 万元,实现归万元,实现归属于挂牌公司股东的净利润属于挂牌公司股东的净利润-2,096
129、.80 万元,较上年同期亏损减少万元,较上年同期亏损减少 134.72 万元万元。依托自主研发的可复制、高成熟度的软件产品、平台及行业知识,公司已为能源、电力、装备制造等众多领域客户提供数字化解决方案服务,并围绕工业密集产业区布局打造工业互联网应用平台。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 35/38 计算机计算机/行业深度行业深度 图图 35:2018 年年2023H1 美林数据营业收入与归母净美林数据营业收入与归母净利润情况利润情况 图图 36:2018 年年2023H1 美林数据营业收入与归母净美林数据营业收入与归母净利润情况利润情况 数据来源:公司公告,东北证券 数
130、据来源:公司公告,东北证券 2023H1,公司承接了“浙江省缝制设备行业产业大脑”运营服务项目,已实现台州市椒江区规上企业 100%入链。面向中小企业数据资产管理和数据价值化的“企业云仓解决方案”累计服务企业 600 多家。随着政府、行业、企业对产业高质量发展推进日益深化,公司正在积极推动多个区域工业大脑、龙头企业行业产业大脑项目落地。同时,工业互联网应用产品研发稳步推进,基于工业互联网平台化运营需求和中小企业共性需求,公司研发的“工业企业数字名片”、“企业一链通”等产品,强化产业链上下游企业间、产业间、企社间的连接和协同,促进市场资源要素的畅通流动、配置优化、打破产业领域数字壁垒,消除中小企
131、业数字鸿沟。产品上线运营以来,美林领航工业互联网平台新增 200 多家企业入驻平台。公司开发了公司开发了数据资源管理平台,面向企业数据的信息模型、质量服务、检索服务、数据资源管理平台,面向企业数据的信息模型、质量服务、检索服务、共享服务集中管理平台,提供企业级元数据管理、灵活的数据集成策略、自助式数共享服务集中管理平台,提供企业级元数据管理、灵活的数据集成策略、自助式数据同步与汇总策略、全面数据质量监控、多源数据统一服务。据同步与汇总策略、全面数据质量监控、多源数据统一服务。该平台支撑应用主要有:1.提供面向系统的数据质量管理、数据安全管理、流程管理、组织与权限管理;2.数据质量管理:从定义规
132、则到质量监控、进行质量分析与质量整改,实现数据质量的提升;3.数据安全管理:包括数据密级管理、数据访问控制、安全日志审计三部分,确保系统数据的安全管理及使用;4.流程管理:提供流程模板分类维护、流程模板定制、为编码业务指定流程模板及流程审核过程的管理功能;5.组织与权限管理:提供系统用户的组织模型和权限设置的管理,定义企业用户的组织结构、角色、信息,根据用户的组织和角色,为其分配相应的权限,通过人员的组织和角色对用户的权限进行控制。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 36/38 计算机计算机/行业深度行业深度 图图 37:美林数据资源管理平台功能总体架构:美林数据资源管理
133、平台功能总体架构 数据来源:公司官网,东北证券 请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 37/38 计算机计算机/行业深度行业深度 研究团队简介:研究团队简介:Table_Introduction 冯浚瑒:对外经济贸易大学硕士,北京邮电大学学士,曾就职于中国通信服务集团有限公司、爱立信(中国)有限公司、北京泓澄投资管理有限公司、恒越基金管理有限公司,具有五年行业研究经验,2022 年加入东北证券。吴源恒:武汉大学遥感工程学士,伯明翰大学国际商务硕士,曾在湖北省测绘局从事测绘地理信息数据处理、遥感地理信息解译等工作,对卫星遥感应用产业有较深的认识。2020 年加入万联证券 TM
134、T 团队,2022 年加入东北证券数字经济团队。目前主要研究 5G、卫星互联网、遥感、物联网、光通信等数字经济相关领域。陈俊如:伦敦大学学院经济学硕士,曾就职于浙商证券研究所,具有三年行业研究经验,2022 年加入东北证券。目前主要研究AI、信创、云计算等数字经济相关领域。王堃宁:美国威斯康星大学麦迪逊分校数据科学硕士,武汉大学统计学学士,曾就职于招商银行信用卡中心,从事数据平台建设、数据分析和建模等工作。2022 年加入东北证券数字经济团队,目前主要研究金融 IT、行业信息化等数字经济相关领域。马宗铠:伯明翰大学金融管理硕士,2021 年加入东北证券,现任数字经济组分析师,目前主要覆盖数据安
135、全、网络安全、电力IT 等领域。分析师声明分析师声明 作者具有中国证券业协会授予的证券投资咨询执业资格,并在中国证券业协会注册登记为证券分析师。本报告遵循合规、客观、专业、审慎的制作原则,所采用数据、资料的来源合法合规,文字阐述反映了作者的真实观点,报告结论未受任何第三方的授意或影响,特此声明。投资投资评级说明评级说明 股票 投资 评级 说明 买入 未来 6 个月内,股价涨幅超越市场基准 15%以上。投资评级中所涉及的市场基准:A 股市场以沪深 300 指数为市场基准,新三板市场以三板成指(针对协议转让标的)或三板做市指数(针对做市转让标的)为市场基准;香港市场以摩根士丹利中国指数为市场基准;
136、美国市场以纳斯达克综合指数或标普 500指数为市场基准。增持 未来 6 个月内,股价涨幅超越市场基准 5%至 15%之间。中性 未来 6 个月内,股价涨幅介于市场基准-5%至 5%之间。减持 未来 6 个月内,股价涨幅落后市场基准 5%至 15%之间。卖出 未来 6 个月内,股价涨幅落后市场基准 15%以上。行业 投资 评级 说明 优于大势 未来 6 个月内,行业指数的收益超越市场基准。同步大势 未来 6 个月内,行业指数的收益与市场基准持平。落后大势 未来 6 个月内,行业指数的收益落后于市场基准。请务必阅读正文后的声明及说明请务必阅读正文后的声明及说明 38/38 计算机计算机/行业深度行
137、业深度 重要声明重要声明 本报告由东北证券股份有限公司(以下称“本公司”)制作并仅向本公司客户发布,本公司不会因任何机构或个人接收到本报告而视其为本公司的当然客户。本公司具有中国证监会核准的证券投资咨询业务资格。本报告中的信息均来源于公开资料,本公司对这些信息的准确性和完整性不作任何保证。报告中的内容和意见仅反映本公司于发布本报告当日的判断,不保证所包含的内容和意见不发生变化。本报告仅供参考,并不构成对所述证券买卖的出价或征价。在任何情况下,本报告中的信息或所表述的意见均不构成对任何人的证券买卖建议。本公司及其雇员不承诺投资者一定获利,不与投资者分享投资收益,在任何情况下,我公司及其雇员对任何
138、人使用本报告及其内容所引发的任何直接或间接损失概不负责。本公司或其关联机构可能会持有本报告中涉及到的公司所发行的证券头寸并进行交易,并在法律许可的情况下不进行披露;可能为这些公司提供或争取提供投资银行业务、财务顾问等相关服务。本报告版权归本公司所有。未经本公司书面许可,任何机构和个人不得以任何形式翻版、复制、发表或引用。如征得本公司同意进行引用、刊发的,须在本公司允许的范围内使用,并注明本报告的发布人和发布日期,提示使用本报告的风险。若本公司客户(以下称“该客户”)向第三方发送本报告,则由该客户独自为此发送行为负责。提醒通过此途径获得本报告的投资者注意,本公司不对通过此种途径获得本报告所引起的任何损失承担任何责任。地址地址 邮编邮编 中国吉林省长春市生态大街 6666 号 130119 中国北京市西城区锦什坊街 28 号恒奥中心 D 座 100033 中国上海市浦东新区杨高南路 799 号 200127 中国深圳市福田区福中三路 1006 号诺德中心 34D 518038 中国广东省广州市天河区冼村街道黄埔大道西 122 号之二星辉中心 15 楼 510630