编委会编委会学术顾问学术顾问：王春晖、钟宏、王闯主主编：编：陈双、董宁、张虎学术学术指导指导单位单位：浙江大学网络空间安全学院、清华大学技术创新研究中心、浙江理工大学数据法治研究院、中山大学信息管理学院、青岛胶州市大数据和智慧城市建设中心编写单位：编写单位：深圳竹云科技股份有限公司、浙江垦丁（广州）律师事务所、中国软件评测中心、中国联合国采购促进会、中国电信研究院、清华大学技术创新研究中心、浙江大学网络空间安全学院、中山大学信息管理学院、浙江理工大学数据法治研究院、杭州数据交易所、杭州国际数字交易中心、广州市标准化研究院、DAMAChina、国际数据管理高级研究院、长三角大数据研究院、盟拓软件（苏州）有限公司、数据要素社、青岛上合世世云科技有限公司、数据交易网主要主要编写编写专家专家：麻策、黄迪、漆晨曦、杨晓峰、肖翔、段炼、郭兵、宋婉瑜、潘凯伟、毛江英、熊婷、刘鹏、于大川、夏君、佟辉、陈振华、江杰、汤炼、石超、张军朋、马欢、彭国超、吴大有、崔雪峰、张连夺、唐杰才、高海亮、刘嘉华、林盛佳、李嘉茵、张瑶前前言言当前，数字经济正在成为重组全球要素资源，重塑世界经济结构、转变全球竞争格局的关键。以大数据、云计算、5G 网络、人工智能等为代表的新一代信息通信技术的快速发展，正在加速全球数字化转型和国际数字贸易发展，推动国际经贸规则发展进入数字贸易规则时代，数据要素已经成为全球和区域经济重要战略资源。为贯彻落实习近平总书记上合组织撒马尔罕峰会重要倡议精神，上合示范区正积极促进上合组织区域经济发展战略对接，提升区域产业链供应链韧性。推动上合组织国家在深化产业合作、扩大贸易往来、科技创新、打造物流通道等方面加强合作，推进产业链供应链等重点领域合作走深走实，构建更加紧密的上合组织命运共同体，推动经济全球化朝着更加开放、包容、普惠、平衡、共赢的方向发展。本白皮书内容充分贯彻中央提出的关于构建数据基础制度更好发挥数据要素作用的意见（“数据二十条”），结合上合组织数字经济合作共识，积极探索上合组织数据基础制度体系建设。本白皮书梳理了上合组织各国数据立法情况，数据流通现状、挑战与对策，聚焦数据要素跨境流通监管、数据产权、数据交易流通体系建设、数据安全治理等方面，率先在上合示范区创新实践经贸物流数据要素资产化配置，是业内首份国际间合作组织经贸物流数据要素流通的行业白皮书。白皮书立足上合示范区区位优势和经济特点，聚焦国际经贸、国际物流、工业互联网等重点领域，探索行业数据要素的流通及应用场景。为深化上合组织在数字领域的合作与交流提供政策制定的价值判断和建议，提出上合组织数据要素流通的可行性与必要性，为促进区域一体化和共同高质量发展提供战略指引。对于促进上合组织国家在数字领域的合作与互信，构建开放、包容、平衡、共赢的数字治理体系，利用数据赋能产业和经济发展，具有重要的理论和实践意义。版权声明版权声明本白皮书版权受法律保护。转载、编撰或利用其他方式使用本白皮书文字或观点，应注明来源。违反上述声明者，将被追究相关法律责任。目目录录一、上合组织数据要素流通概述.11.1 研究背景与意义.11.1.1 数据要素成为全球和区域经济重要战略资源.11.1.2 数据要素流通的重要意义.21.2 上合组织数据要素流通的现状及主要挑战.31.2.1 上合组织数字经济合作政策基础.41.2.2 上合组织数据要素流通现状.101.2.3 上合组织数据要素流通的主要挑战.121.3 上合组织数据要素流通合作展望.13二、上合组织各国的数据立法概况及合作展望.162.1 上合组织各国数据领域的立法现状.162.1.1 上合组织成员国数据领域的立法现状.162.1.2 上合组织观察员国数据领域的立法现状.302.1.3 上合组织对话伙伴数据领域的立法现状.332.2 上合组织数据流通的法律基础及建议.392.2.1 通过区域化数据保护承诺，趋平个人信息保护水平.402.2.2 制定区域数据传输标准合同，破除绝对本地化限制.402.2.3 建立上合组织大数据交易中心，助力数字丝绸之路.422.3 上合组织数据要素流通国际成熟经验与借鉴.42三、上合组织数据要素市场化配置的框架.473.1 上合组织数据要素市场化配置的总体目标和愿景.473.2 上合组织数据要素市场化配置面临的难点和挑战.513.2.1 数据标准不统一.513.2.2 数据产权制度差异化.533.2.3 基于数据主权下的数据跨境流通监管规则不统一.543.2.4 缺乏统一的数据交易流通监管体系.583.3 上合组织数据要素市场化配置顶层设计方案建议.633.3.1 数据要素市场化配置目标.633.3.2 数据要素市场化配置的路径.643.3.3 培育多元化的数据交易服务生态.703.3.4 完善数据资产登记制度.73四、上合组织数据要素流通基础设施建设.794.1 上合组织数据基础设施建设现状与挑战.794.1.1 上合组织数据基础设施建设现状.794.1.2 上合组织数据基础设施建设面临的挑战.894.1.3 上合组织数据要素流通基础设施建设目标.904.2 上合组织数据要素流通基础设施建设技术框架与能力要求.924.2.1 资源管理层.934.2.2 功能需求层.944.2.3 服务应用层.964.3 上合数字融合产业化示范平台数据要素流通基础设施建设实践案例.974.3.1 上合数字融合产业化示范平台.974.3.2 上合数字底座.984.3.3 上合组织产业链供应链创新生态的数字化路径.99五、上合组织经贸行业数据要素流通方案.1015.1 上合组织经贸行业数据要素流通发展概述.1015.1.1 上合组织经贸行业发展现状.1015.1.2 上合组织经贸数据分类分级参考指引.1035.2 上合组织经贸数据流通应用场景与价值链分析.1155.3 上合组织经贸数据要素流通实现路径.118六、上合组织物流行业数据要素流通方案.1216.1 上合组织物流行业发展概述.1216.1.1 上合组织物流行业发展现状.1216.1.2 上合组织物流数据类型及特征.1236.2 上合组织物流数据标准和分类分级建议.1256.3 上合组织物流数据流通应用场景.1306.4 上合组织物流数据流通价值链.1336.4.1 物流数据价值链构建.1336.4.2 物流数据要素流通配置模式.1356.5 上合组织物流数据流通应用实施路径及保障措施.1366.5.1 实施路径.1376.5.2 保障措施.138七、上合组织工业互联网数据要素流通应用.1407.1 上合组织工业互联网行业发展概述.1407.1.1 上合组织工业互联网发展现状和趋势.1407.1.2 上合组织工业互联网数据类型及特征.1437.1.3 上合组织工业互联网数据要素流通挑战.1457.2 上合组织工业互联网数据应用场景.1477.2.1 上合组织示范区工业互联网数据流通应用场景.1487.2.2 其它工业互联网数据流通应用场景建议.1507.3 上合组织工业互联网数据流通应用实施路径及保障措施.1527.3.1 实施路径.1527.3.2 保障措施.1551一、上合组织数据要素流通概述1.11.1 研究背景与意义研究背景与意义1.1.1 数据要素成为全球和区域经济重要战略资源21 世纪以来，数字经济正在成为重组全球要素资源，重塑世界经济结构、转变全球竞争格局的关键。在全球经济复苏乏力的背景下，数字经济伴随信息革命浪潮快速发展、逆势上扬，数字经济发展速度之快、辐射范围之广、影响程度之深前所未有。当前，以大数据、云计算、5G 网络、人工智能等为代表的新技术快速发展和跨界融合，加速全球数字化转型和国际数字贸易发展，推动国际经贸规则发展进入数字贸易规则时代。数字经济的发展催生了新型生产要素的诞生数据要素，这是人类历史上一种前所未有的新型生产要素，改变原有经济、政治、文化的实践逻辑，也搅动了资本、土地等工业革命以来的生产要素格局，推动新经济模式和制度结构的诞生，成为各国发展的重要战略资源。当下，世界各国不断通过数字信息技术推动生产力发展，通过数据治理和数据应用促进产业融合优势互补，数据要素也伴随着经贸全球化的步伐不断深化跨境流动，在支撑国际贸易活动、促进跨国科技合作、推动数据资源共享方面的作用越来越凸显。在数据要素市场的发展激励之下，越来越多的国家和地区已将在数据要素市场的发展激励之下，越来越多的国家和地区已将数字经济作为国家和地区的顶层经济设计，这也从侧面彰显了数据数字经济作为国家和地区的顶层经济设计，这也从侧面彰显了数据要素的重要战略意义。要素的重要战略意义。以中国为例，自 2019 年首次将“数据”列为生产要素以来，在 2022 年提出要“加快培育统一的技术和数据市场”的顶层设计，在关于构建数据基础制度更好发挥数据要素作用的意见（简称“数据二十条”）中围绕促进数据合规高效流通使用、赋能实体经济这一主线，以数据产权、流通交易、收益分配、安全治理为核心，明确了数据要素市场制度建设的基本框架。欧盟通过2陆续颁发数字服务法案（Digital Services Act）数字市场法案（Digital Markets Act）数据治理法案（Data GovernanceAct）和数据法案（Data Act），意图形成极具区域特色的数据大一统市场。美国通过在联邦层次颁发信息安全港框架协议（Safe Harbor Framework）隐私盾协议（Privacy Shield）澄清境外合法使用数据法案（Clarifying Lawful Overseas Use ofData Act,简称 CLOUD Act）等法案，并协同各州的数字立法，形成独树一帜的数字市场。数据要素流通是指数据作为新型生产要素，通过市场化配置实现价值的过程。数据要素流通是数据要素市场化建设的核心环节。在国际间合作组织中，数据要素在流通中释放价值，是激发全球和区域性数字经济活力，加强国际合作的重要保障，对于促进区域间经济合作、产业发展，技术创新、提高效率，增强区域经济竞争力和实现可持续发展具有重要意义。加强数据跨境流动探索，已成为打造区域经济发展格局优势的关键。加快推动数据要素流通和价值实现，成为推动区域间各国数字经济发展的新引擎。1.1.2 数据要素流通的重要意义就就宏观层面而言，宏观层面而言，数据要素的经济价值，建立在数据要素的有效流通基础之上。只有有效实现数据要素的流通，才能实现更好的资源配置效果，才可以激发数据创新活力，培育新的业态模式，推动数字技术与实体经济的深度融合，提高经济社会发展的质量和效益并体现市场竞争的价值。就就中观层面而言，中观层面而言，全球数据交易和数据流通将会促进跨国合作和发展，国际间组织通过促进数据互联互通、开放共享、跨境合作等方式，可以增强数据的经济价值，提升各国的数字经济竞争力。就就微观层面而言，微观层面而言，数据要素的流通为企业和组织提供了更多的资源和信息，可以用于企业市场研究、业务决策和产品创新，形成新的生产资料，为企业创造新的经济价值。3正是认识到了数据要素流通的意义，目前已经形成了美国数据经纪人、欧盟数字空间、日本数据银行以及中国数据交易所/交易中心等不同的数据要素交易和有效流通模式。反向而言，数据要素的固化和本地化，也将“凝固”现有全球经济不平衡的现状。在新冠疫情肆虐全球的三年期间，数字经济得到了加速发展的机会。有关报告显示，2021 年全球 47 个主要国家的数字经济增加值规模达到 38.1 万亿美元，占 GDP 比重为 45.0%，中国数字经济规模达到 7.1 万亿美元，仅次于美国，位居世界第二位1。然而，同步来看，尽管在 2020 年全球数字经济增加的 32.6 万亿美元中，有近三分之二的增加值都由数字服务构成2，但数字经济加速繁荣发展的背后，放眼全球仍然充满数字鸿沟且愈发难以弥合，数字技术并未带来共同繁荣，而数据要素的流通将为这种发展不平衡带来前所未有的机会，发展中国家能够借力数据要素创造新的社会福祉。1.21.2 上合组织数据要素流通的现状及主要挑战上合组织数据要素流通的现状及主要挑战数据流通是数据要素流通的前提和基础数据流通是数据要素流通的前提和基础，数据是否能够形成要数据是否能够形成要素形态进而转化成生素形态进而转化成生产产力，面临着数据产权、交易、收益等基础制力，面临着数据产权、交易、收益等基础制度和标准规范度和标准规范的问题的问题。因此，研究上合组织数据要素流通的现状、挑战、问题和对策，对于促进上合组织国家在数字领域的合作与互信，构建开放、包容、平衡、共赢的数字治理体系，利用数据赋能产业和经济发展，具有重要的理论和实践意义。为此，本报告将梳理上合组织区域间各国家数据立法情况，数据流通现状、困境与挑战，探讨并提出上合组织区域间数据要素跨境流通的规则建议和展望。同时，立足上合示范区区位优势和自身特点，聚焦国际经贸、国际物流、工业互联网等重点领域探索行业1工业互联网产业联盟.中国信通院院长余晓晖解读全球数字经济白皮书（2022 年）EB/OL.2022-07-30.http:/www.aii-alliance.org/index/c184/n3287.html2王俊.服务贸易的新特征、新趋势及中国应对策略J.人民论坛,2022(21).4数据要素的流通及应用场景。为深化上合组织成员国在数字领域的合作与交流提供政策制定的价值判断和建议，提出上合组织数据要素流通的可行性与必要性，为促进区域经济一体化和共同高质量发展提供战略指引。1.2.1 上合组织数字经济合作政策基础上海合作组织（Shanghai Cooperation Organization，简称“上合组织”或“SCO”）成立于 2001 年 6 月 15 日，创始成员国为中国、俄罗斯、哈萨克斯坦、吉尔吉斯斯坦、塔吉克斯坦、乌兹别克斯坦。2017 年上海合作组织阿斯塔纳峰会签署了关于给予印度和巴基斯坦成员国地位的决议；2023 年 7 月 4 日，在上海合作组织成员国元首理事会第 23 次会议上，伊朗被确定为上合组织的正式成员国，至此，上海合作组织成员国增加至 9 个。另有阿富汗、白俄罗斯、蒙古 3个观察员国，阿塞拜疆、亚美尼亚、柬埔寨、尼泊尔、土耳其、斯里兰卡、埃及、卡塔尔、沙特阿拉伯、巴林、马尔代夫、阿联酋、科威特、缅甸 14 个对话伙伴。上海合作组织秘书处已经同联合国、东盟、独联体、集安条约组织、亚信、红十字国际委员会、欧亚经济联盟等建立了合作关系。此外，上海合作组织还同阿富汗建立了副外长级联络组1。上合组织涵盖了欧亚大陆的大部分地区，拥有世界上近一半的人口和近四分之一的国内生产总值（GDP）。据世界银行公布的数据测算，2021 年上合组织成员国国内生产总值总和约为 23.3 万亿美元，占全球 GDP 的近 25%，比成立之初扩大了 13 倍多，成员国之间在政治、经济、安全、文化等领域有着广泛的合作。作为创始成员国之一，中国始终致力于推动上合组织发展，并以理念和行动丰富着“上海精神”的时代内涵。据最新的统计数据，2022 年中国与各上合成员国贸易额达 4118 亿美元，是 2001 年上合1上海合作组织秘书处.上海合作组织简介.EB/OL.http:/chn.sectsco.org/about_sco/20151209/26996.html5组织成立之初的 34 倍，同比增长 20%；截至 2022 年 6 月，中国对各成员国直接投资逾 375 亿美元。随着上合组织成员国之间的多元合作加深以及各成员国对本国数字经济建设的重视，2022 年 9 月 16 日上合组织发布上合组织成员国元首峰会撒马尔罕宣言，提出关于发展数字经济的倡议，为扩大区域数字经济与科技创新合作提供指南，对数字化转型、数字全球化与数字善治产生深远影响。为弥合数字经济鸿沟、破除数字经济壁垒、保障数字经济公平，上合组织撒马尔罕峰会提出一系列促进数字经济发展的倡议与措施。2022 年 11 月 1 日，上合组织各国政府首脑在上海合作组织成员国政府首脑（总理）理事会第二十一次会议联合公报中再次就数字经济与数字技术领域合作达成共识，公报指出：“各代表团团长支持加强数字经济和数字技术领域合作，实现成员国包容性经济增长和联合国 2030 年可持续发展目标。团长们注意到上合组织成员国信息通信技术发展部门负责人会议（2021 年 11 月 25 日，塔什干）成果，认为有必要确保上合组织成员国关于数字化和信息通信技术领域合作构想（2019 年 6 月 14 日，比什凯克）的行动计划得到落实。”“数字化和创新技术在促进上合组织地区经济增长和可持续发展方面的作用日益上升。团长们强调，有必要落实上合组织成员国关于数字化和信息通信技术领域合作的构想（2019 年 6 月14 日，比什凯克）上合组织成员国元首理事会关于加强科技创新领域合作的声明（2021 年 9 月 17 日，杜尚别）建立上合组织科技园区库和创新集群的构想（2021 年 11 月 25 日，努尔苏丹）和上合组织成员国授权部门数字素养发展合作纲要（2022 年 9 月16 日，撒马尔罕）。”共同着力推动上合组织地区数字化与信息化对经济可持续发展的促进作用。表表 1 1 近年上合组织关于数字经济领域合作的声明及宣言（近年上合组织关于数字经济领域合作的声明及宣言（20182018 年年-20222022 年）年）6文件名称文件名称重点概要重点概要年份年份上海合作组织成员国元首理事会关于维护供应链安全稳 定 多 元 化 的 声明开展电子商务经验和最佳实践交流；加强数字经济领域投资合作，按照各国国家自主贡献要求推动产业供应链数字化和低碳转型。2022上海合作组织成员国元首理事会撒马尔罕宣言加强数字素养领域合作，消除数字鸿沟；启动新数字项目，重点落实上合组织成员国科技园区库和创新集群构想；加强数字经济领域合作，支持数字技术发展；开展数字化医疗领域合作。2022上海合作组织成员国政府首脑（总理）理事会第二十一 次 会 议 联 合 公报支持加强数字经济和数字技术领域合作，实现成员国包容性经济增长和联合国 2030 年可持续发展目标；加强跨境货物和交通工具信息的电子数据交换，深化海关领域合作；加强互相协调和协作，利用数字经济和科技创新增强成员国发展新动能；支持电子商务发展。2022上海合作组织成员国元首理事会关加强普及数字知识合作，消除数字鸿沟；20217于加强科技创新领域合作的声明持续落实上合组织成员国元首理事会关于数字经济领域合作的声明。上海合作组织二十 周 年 杜 尚 别 宣言加强制定和实施国家发展战略、数字经济规划、引进创新技术经验交流，弥合成员国间的数字技术鸿沟；开展农业数字化，“智慧农业”合作；深化数字经济领域互利合作，利用数字技术促进发展。2021上海合作组织成员国元首理事会关于 粮 食 安 全 的 声明利用现代信息通信技术发展成员国间农产品和粮食产品互利贸易。2021上海合作组织成员国政府首脑（总理）理事会第二十次会议联合公报重点扩大和深化数字经济等领域合作；继续就上合组织成员国工业投资项目数据库开展工作，深化本组织地区合作关系；注重跨境货物和交通工具信息的电子数据交换，深化海关领域合作；切实落实上合组织成员国关于数字化和信息通信技术领域合作的构想和上合组织成员国元首理事会关于加强科技创新领域合作的声明；深化数字经济领域经验和知识的交20218流，克服数字鸿沟对经济社会影响。上海合作组织成员国元首理事会关于保障国际信息安全 领 域 合 作 的 声明加强数字化领域全面合作，缩小经济发展数字鸿沟；开展工业、交通、农业、卫生、教育、旅游、能源、贸易、金融和海关领域数字化和信息通信技术合作；研究建立新型数字化企业项目的可能性；研究在顶端数字技术、人工智能、机器人、物联网、创新集群和科技园区开发、初创企业孵化和发展的可能性；广泛交流数字经济领域的经验和最佳实践。2020上海合作组织成员国元首理事会莫斯科宣言加强数字经济领域互利合作和经验交流，按照公平竞争原则发展数字技术；实施新数字项目。2020上海合作组织成员国元首理事会比什凯克宣言强调在互利基础上开展服务贸易和电子商务合作。2019上合组织成员国关于数字化和信息通信技术领域合作重视创新和数字经济对中长期经济增长和可持续发展的重要性；确定主要合作领域为：数字和电信基20199的构想础设施、信息安全、电子政务、智慧城市、物联网、大数据处理技术、人工智能、区块链技术、智能控制系统、新制造技术、机器人技术、量子计算技术等。上海合作组织成员国元首理事会会议 新闻公报推动贸易便利化，促进电子商务合作。2018上海合作组织成员国元首理事会青岛宣言发展并深化互利合作，加强数字经济领域开展知识、信息以及先进实践方法的交流。2018上海合作组织成员国政府首脑（总理）理事会第十七次会议联合公报扩大经贸和投资合作，发展高科技产业，促进工业产业现代化；深化电子商务领域合作；建立统一高效的过境系统。2018在近年上合组织数字经济领域的合作宣言中，多次提到要“消除数字鸿沟”“加强跨境货物和交通工具信息的电子数据交换”等。可见，顺应全球数字技术的发展，上合组织区域间经济数字化发展与合作意愿增强，上合组织成员国之间的数据要素流通需求和实践也日益增多，为推动区域一体化共同发展提供了新的机遇和动力。数据要素流通是数据价值释放，赋能数字经济发展的重要基础，将为上合组织区域间乃至世界的信息安全、和平稳定、繁荣兴盛注入新动能。101.2.2 上合组织数据要素流通现状数据要素是数字经济的基础和核心，也是提高生产效率和创新数据要素是数字经济的基础和核心，也是提高生产效率和创新能力的关键因素能力的关键因素。数据要素是数字经济中最重要的资源和资产，通过对不同类型和层次的数据要素进行流通、交易、开发、利用等活动，可以实现数据价值的释放和增值，促进数字技术与实体经济深度融合，推动数字经济发展。随着紧密经贸合作的发展，上合组织成员国之间产生了海量的经贸数据，需要将这些海量的原始数据转化为数据要素从而促进上合组织国家间数字经济的发展。但总体而言，上合组织国家间虽有数字经济的合作强烈意愿，但受限于各国间数字经济建设能力的参差不齐，并未能深度实现国家间的数据要素流通，无法使数据要素价值得到有力释放，掣肘了数字经济合作发展。上合组织数据要素流通现状主要体现为以下几个方面：上合组织成员国之间的数据要素跨境流动需求迫切。首先，上合组织成员国之间的数据要素跨境流动需求迫切。首先，上合组织成员国之间的经贸往来日益频繁，为数据要素跨境流动提供了强大的需求驱动。据统计，2020 年上合组织成员国间贸易总额达6.06 万亿1，占全球贸易的比重达 17.5%2；据联合国贸发会议数据库统计，2021 年，上合组织成员国外国投资流量总额达 2715.8 亿美元。另据统计，截至 2021 年 7 月底，中国对上合组织成员国各类投资总额超过 700 亿美元3。这些经贸活动都需要大量的数据交换和传输，如订单信息、物流信息、支付信息、税务信息等。其次，其次，上合组织成员国之间的人文交流日益密切，为数据要素跨境流动提供了广泛的社会基础，据统计，2020 年中国同其他成员国人员往来超 700 万人次4，这些人文交流涉及大量的个人信息、社交信息、文化信息等数据传输和共享。再次，再次，上合组织成员国之间的数字基础设施建设1胡耀杰.上海合作组织成立 20 年贸易发展报告出炉 全球贸易影响力持续增强EB/OL.2022-02-16.http:/ 20 年增长 100 倍EB/OL.2022-02-22.https:/ 1-7 月我与上合组织成员国贸易增幅达 41/OL.2021-09-16.https:/ 上合组织数据要素流通的主要挑战虽然上合组织成员国之间在数据要素流通方面有着巨大的潜力和一定基础，但仍存在着一些挑战和困难，主要包括以下几个方面：（1 1）数据法律法规存在差异和分歧。）数据法律法规存在差异和分歧。上合组织成员国在数据保护和网络安全方面有不同的法律法规体系。在数据定义、分类分级、保护路径、监管方式等方面有着或宽松灵活或相对严格的政策，甚至相互冲突的规定，为成员国间的跨境数据传输与合作带来阻碍和不确定性。（2 2）数据难以互联互通互认。）数据难以互联互通互认。上合组织成员国在数据技术方面有着不同的技术标准和规范，如数据格式、编码规范、脱敏方式、加密技术等。这些技术标准和规范在不同平台或系统之间可能存在不兼容或难以转换的问题，给跨境数据共享带来较大的技术障碍和成本。（3 3）基础设施差异大安全保障不充分。）基础设施差异大安全保障不充分。由于上合组织各国数字经济基础设施建设的情况和数字化程度存在较大差异，成员国在数据安全方面有着不同的安全需求和能力，如数据备份、防护、监测等。这些安全需求和能力在不同国家或地区之间可能存在不平衡或不匹配的问题，给跨境数据交换带来了一定安全威胁和损失。（4 4）利益诉求仍有待进一步协调。）利益诉求仍有待进一步协调。上合组织成员国在数据利用方面有着不同的利益诉求和期待，如数据价值、流通权益、数据安全责任等。这些利益诉求和期待在不同主体之间可能存在不协调或不一致，将给跨境数据利用带来一定的利益冲突和纠纷隐患，需要探讨研究跨境数据纠纷解决机制。（5 5）上合组织成员国同时参与多个国际间经济合作）上合组织成员国同时参与多个国际间经济合作组织组织，增加，增加了上合组织合作了上合组织合作协商和协调的难度和复杂性。协商和协调的难度和复杂性。上合组织除了在成员国和观察国及对话伙伴国家中有数字经济的合作需求外，同时也与国际间多个数字经济合作组织有着合作的需求。不同的合作机制会13导致不同规则间的相互矛盾产生，增加了在区域性组织合作机制协调上的复杂性，同时这也可能使上合组织成员国在数字经济领域受到其他国际间经济合作组织的影响和制约。上合组织若想吸引成员国在本组织内数字经济合作上投入更多精力，可能需要付出较高的合作成本。1.31.3 上合组织数据要素流通合作展望上合组织数据要素流通合作展望2023 年 5 月，联合国发布的全球数字契约为所有人创造开放、自由、安全的数字未来报告指出：“虽然随着数据被收集并用于数字应用，它们产生了巨大的商业和社会价值。虽然每月的全球数据流量预计到 2026 年将增长 400%以上，但活动却集中在少数全球参与者之中。许多发展中国家有可能仅仅成为原始数据的提供者，同时不得不为其数据帮助提供的服务付费。”也正是在全球各国和地区数字经济差距一时难以弥合的形势下，区域间数字经济合作正成为一种新的尝试路径。2022 年 9 月 16 日上海合作组织成员国元首理事会撒马尔罕宣言，成员国重申将加强各国主管部门在数字素养领域的合作，以消除数字鸿沟。成员国主张开展各种形式的区域经济合作，为促进贸易和投资创造便利条件，逐步实现商品、资本、服务和技术的自由流通。为落地各项数字经济合作，2022 年 11 月中国上海合作组织地方经贸合作综合服务平台正式上线运行；2023 年 5 月，“中国-上海合作组织大数据合作中心”也正式启用，将有效助力“数字丝绸之路”建设。虽然上合组织国家间数字经济的合作意愿日趋强烈，也有良好的合作基础，但是受限于各国数字经济建设的水平差距，数字经济合作要实现可持续的发展，仍有很长一段路要走。而数据要素流通是数字经济发展的核心，也是未来上合组织加强数字经济合作的重要方向，完善以下关键要素是上合组织数字经济合作实现可持续性14发展的必要条件。一是加强成员国间的数字经济能力建设，提高数据要素流通的一是加强成员国间的数字经济能力建设，提高数据要素流通的供给和需求。供给和需求。为了缩小成员国间的数字经济发展差距，促进数据要素流通的平衡和公平，上合组织应该加强成员国间的数字经济能力建设，特别是对中亚等欠发达地区和国家提供更多的技术、资金、人才等支持。例如，可以通过建立数字经济培训中心、开展数字技能培训项目、提供数字经济援助资金等方式，帮助中亚等国家提高数字经济基础设施的覆盖率、数字技术研发和应用的水平、数字人才培养的质量等。同时，也要激发成员国间的数据要素流通需求，通过开展数字经济示范项目、建立数字经济合作平台、促进数字经济创新创业等方式，增加成员国间的数据交换、共享和利用。二是二是协调成员国间的数字经济政策和法律法规，建立数据要素协调成员国间的数字经济政策和法律法规，建立数据要素流通的规则和标准。流通的规则和标准。为了消除成员国间的数字经济政策和法律法规差异，促进数据要素流通的顺畅和高效，上合组织应该协调成员国间的数字经济政策和法律法规，建立数据要素流通的规则和标准。例如，可以通过制定上海合作组织数据保护公约上海合作组织经贸数据分类指南上海合作组织数据认证协议等文件，明确数据保护和隐私的范围、标准、责任、制裁等内容；确定数据分类的原则、方法、程序等内容；规定数据认证的方式、条件、机构等内容。同时，也要推动成员国间在数据加密、存储、传输等技术方面的交流和协作，形成统一或兼容的技术规则和标准。三是三是平衡成员国间的数字经济利益，实现数据要素流通的协商平衡成员国间的数字经济利益，实现数据要素流通的协商和共赢。和共赢。为了解决成员国间的数字经济利益分歧，促进数据要素流通的协调和协商，上合组织应该平衡成员国间的数字经济利益，实现数据要素流通的协商和共赢。例如，可以通过建立数据要素流通合作机制、制定数据要素流通合作原则、开展数据要素流通合作项目等方式，增进成员国间的政治互信和沟通交流；明确数据要素流通合作的目标、范围、方式等内容；推动数据要素流通合作的实施15和评估。同时，也要尊重成员国在全球数字治理方面的立场和诉求，维护成员国在数字经济领域的主权和安全。四是四是改善成员国外部的数字经济环境，降低数据要素流通的风改善成员国外部的数字经济环境，降低数据要素流通的风险和压力。险和压力。为了应对成员国外部的数字经济环境不确定性，降低数据要素流通的风险和压力，上合组织应该改善成员国外部的数字经济环境，提高数据要素流通的安全和稳定。例如，可以通过加强与其他区域和国际组织的对话和合作、参与全球数字治理规则的制定和完善、构建开放包容的数字经济伙伴关系等方式，增加上合组织在数字经济领域的话语权和影响力；推动全球数字经济秩序的公正和合理；拓展上合组织在数字经济领域的朋友圈。同时，也要提高成员国对外部干扰和威胁的防范和应对能力，保障数据要素流通的安全和稳定。总之，上合组织数据要素流通合作是一项有利于促进区域数字总之，上合组织数据要素流通合作是一项有利于促进区域数字经济发展和创新、有利于增进区域人民福祉和利益、有利于维护区经济发展和创新、有利于增进区域人民福祉和利益、有利于维护区域安全和稳定的重要事业。上合组织应该充分发挥自身优势，积极域安全和稳定的重要事业。上合组织应该充分发挥自身优势，积极应对挑战，推动数据要素流通合作向更高水平发展，构建应对挑战，推动数据要素流通合作向更高水平发展，构建“上合组上合组织数字经济共同体织数字经济共同体”。16二、上合组织各国的数据立法概况及合作展望2.12.1 上合组织各国数据领域的立法现状上合组织各国数据领域的立法现状数据要素流通是指数据作为新型生产要素，通过市场化配置实现价值的过程。数据要素流通是数据要素市场化建设的核心环节，而要实现数据作为生产要素流通，前提是数据本身能够合法合规的进行交换共享，即即数据流通是实现数据要素数据流通是实现数据要素价值价值的基础和手段，而数的基础和手段，而数据要素流通是实现数据价值的目标和结果。据要素流通是实现数据价值的目标和结果。基于此，在本章节，我们梳理了上合组织各国进在数据保护立法、执法，以及跨境数据流通中的现实状况，以期为上合组织开展区域性数据要素市场建设提供有益参考。2.1.12.1.1 上合组织成员国数据领域的立法现状上合组织成员国数据领域的立法现状2.1.12.1.1.1.1 中华人民共和国中华人民共和国基于中国庞大的人口基数，以及近 10 年来移动互联网的迅速普及与应用，中国互联网用户的规模得以迅速增长，相关互联网产业规模、平台企业数量也呈现出蓬勃发展的态势。根据中国互联网信息中心的数据显示，截至 2022 年 12 月，中国网民规模已达 10.67 亿，互联网普及率达 75.6%，同比增长 2.6%1。近年来，中国陆续制定并实施了网络安全法数据安全法个人信息保护法，并以此为数据治理的“三驾马车”，标志着数据领域的顶层制度设计初步形成。同时配套政策、法律、规章、实施细则等，共同构成中国数据治理的大厦。2022 年 12 月 2 日，中共中央国务院公布的关于构建数据基础制度更好发挥数据要素作用的意见（“数据二十条”）是中国构建数据基础制度的顶层设计文件。意见指出要探索数据产权结构性1中国互联网络信息中心发布第 51 次中国互联网络发展状况统计报告J.国家图书馆学刊,2023,32(02).17分置制度，建立公共数据、企业数据、个人数据的分级分类确权授权制度。建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制，推进非公共数据按市场化方式“共同使用、共享收益”的新模式，为激活数据要素价值创造和价值实现提供基础性制度保障。在促进数据跨境流通方面。近年来，伴随着数字经济的蓬勃发展，数据跨境活动日益频繁，数据处理者的数据出境需求快速增长。2017 年 6 月 1 日，网络安全法正式实施，其中第 37 条明确规定，关键信息基础设施的运营者在中华人民共和国境内运营中收集和产生的个人信息和重要数据应当在境内存储。因业务需要，确需向境外提供的，应当按照国家网信部门会同国务院有关部门制定的办法进行安全评估。随后，配套法规个人信息和重要数据出境安全评估办法（征求意见稿）和配套标准信息安全技术数据出境安全评估指南（草案）相继出台，但均未正式公布实施。2019 年数据安全法正式施行。数安法在网安法的上述关于本地存储规定的基础上，进一步对其他数据处理者在中华人民共和国境内运营中收集和产生的重要数据的出境安全管理进行了授权性立法。同时根据数安法第 36 条的规定，境内组织、个人向外国司法或执法机构提供储存于中华人民共和国境内的数据，需经主管部门批准。2021 年 11月 1 日，个人信息保护法施行，该法第 38 条中规定了个人信息处理者向中华人民共和国境外提供个人信息应当具备的条件。在上述法律的基础上，相应配套法规、标准的制定颁布也有条不紊地开展，相继颁布制定了数据出境安全评估办法（及申报指南等）、个人信息保护认证实施规则、个人信息出境标准合同办法等。2.1.2.1.1.21.2 印度共和国印度共和国印度共和国（简称“印度”）数字经济的腾飞，最初开始于2006 年5 月 18 日通 过的“国家 电子政 务计划”(National18eGovenance Plan，NeGP)，该计划由电子和信息技术部（MeitY）负责，其使命旨在促进电子治理并增强公民权能，加强印度在互联网治理中的作用，通过数字服务提高效率并确保安全的网络空间。印度目前尚无专门的数据监管机构（DPA），有关数据的事项由印度政府电子和信息技术部（MeitY）主管，在涉及安全事件的事项中由 MeitY 组建的印度计算机应急响应小组（“CERT”）充当接收和响应所有违规通知的节点机构。2022 年出台的2022 年数字个人数据保护法案草案提出了“中央政府应设立印度数据保护委员会”作为数据治理机构的想法。在数据跨境流动规则中在数据跨境流动规则中，印度对数据本地化，长期坚持较为严格的限制性态度。2019 年，20 国集团大阪峰会中，印度是唯一拒绝签署大阪数据经济宣言关于数据跨境自由流动宣言的参与国。直至 2022 年，印度仍然决定不参与印度洋-太平洋经济框架（IPEF）中关于跨境数字经济和贸易的谈判。针对政务数据，印度早在 20 世纪 90 年代便予以了关注，1993年的印度公共记录法（The Public Records Act,1993）即禁止在未经中央政府事先批准的情况下将公共数据记录转移出印度领土，除非此类转移是出于官方目的。在“Government of Indias GI Cloud”计划(“Meghraj”计划)，针对政务类云服务提供商的硬性要求即包括“数据中心设施以及物理和虚拟硬件应位于印度境内”，印度科技部已于 2012 年 3 月发布的国家数据共享和访问政策（NDSAP）为政府相关数据的本地化要求提供了另一种手段，NDSAP 规定要求共享印度政府不同部委和机构使用公共资金生成的所有非敏感数据。因此，就政府记录和来自政府来源的公共资助数据而言，相关法律和政策已经规定了全面的数据本地化要求。印度数据原则上强制本地化的问题也引发了其国内较大的争议和讨论，在由 B.N.Srikrishna 法官主持的专家委员会报告（A Freeand Fair Digital Economy Protecting Privacy,Empowering Indians）19中，详细列示了建议将个人数据本地化的详细理由，最后提出了“除关键个人数据外，个人数据的跨境数据传输将通过包含关键义务的示范合同条款进行，转让人应对受让人的任何违规行为对委托人造成的损害负责。”的立法建议。也正是基于这些诸多讨论，不同于 2019 年的数字个人数据保护法案法案草案提出的“每个数据受托人应确保在位于印度的服务器或数据中心上存储至少一份本法适用的个人数据副本”规则，2022 年的数字个人数据保护法案法案草案采取了与欧盟 GDPR 类似的充分性认定，即不再要求数据绝对本地化存储，不再一刀切限制敏感和关键数据在印度境外的传输和存储。而是允许数据受托人在满足印度政府规定的条件下，可在获通知后，将个人数据转移到可信赖的国家或地区，这标志着印度对数据本地化的强硬立场的放松。2.1.2.1.1.1.3 3 哈萨克斯坦共和国哈萨克斯坦共和国在中亚国家中，哈萨克斯坦共和国（“哈萨克斯坦”）数字经济起步最早，发展也最快。2020 年，哈萨克斯坦电商市场交易规模超过 1.2 万亿坚戈（合 29 亿美元），较上年几乎翻了一番。预计未来 5 年哈电商市场将继续保持增长态势，预计 2022 年将达 1.9 万亿坚戈（合 45 亿美元），2025 年达到 3.5 万亿坚戈（和 82 亿美元）1。2018 年 11 月，中哈双方签署了中华人民共和国国家发展和改革委员会与哈萨克斯坦信息和通信部关于加强数字经济合作的谅解备忘录，双方将加强在智慧城市、电子政务、大数据等领域的合作，共同推动中哈“数字丝绸之路”建设。2019 年 9 月，中哈双方还签署了中华人民共和国和哈萨克斯坦共和国联合声明，约定“加强跨境电商合作，建立电商合作机制，打造合作新业态和新模式，促进两国数字经济发展规划对接”。哈萨克斯坦对个人数据的立法保护，主要体现于宪法纲领性条1中国驻哈萨克斯坦共和国大使馆经济商务处.哈萨克斯坦电商市场未来发展趋势分析EB/OL.2021-07-27.http:/ 18 条规定国家保障保护公民个人信息与数据不被侵犯的权利。2013 年，哈萨克斯坦通过了个人数据及其保护法（On Personal Data and theirProtection，No.2013 年 5 月 21 日的第 94-V 号法令），用 31 个条款明确了个人信息保护框架，包括个人数据的收集和处理、个人数据的保护、数据主体权利、处理者权责以及哈萨克斯坦共和国政府职权等条款。2022 年 5 月，哈萨克斯坦共和国政府还颁布了关于保护儿童权利、教育、信息和信息化的一些立法法案的修正和补充法，也称为网络欺凌法或保护儿童权利法。根据 2020 年 6 月对哈萨克斯坦个人数据及其保护法的修订，哈萨克斯坦数字发展、创新和航空航天工业部（MDD）已成为个人数据保护领域的授权机构。在此之前，该国没有单一的数据保护机构。MDD 的主要职责包括在监管领域执行和实施国家政策，确保信息化领域的安全，实现数据及其保护领域的国家政策，形成和发展信息和通信价值、测量制图和地面数据、国家科技发展、通信服务市场的快速发展和影响，并参与在个人数据及其保护领域国家政策的实施。在跨境数据流通规则上在跨境数据流通规则上，哈萨克斯坦原则上提出了数据本地化规则，其法律要求个人数据应由所有者和/或运营商以及第三方存储在位于哈萨克斯坦共和国境内的数据库中。但是，数据保护法也明确，在确保第三国能够根据哈萨克斯坦法律保护个人数据的情况下，仍可以将个人数据跨境转移到外国领土。目前，哈萨克斯坦数据保护立法没有考虑数据传输协议的作用，监管机构也没有批准任何跨境传输行为的先例。在哈萨克斯坦实践中，企业可以借助知识产权法保护数据库。2.1.2.1.1.1.4 4 吉尔吉斯共和国吉尔吉斯共和国根据统计机构的测算，截至 2023 年 1 月，吉尔吉斯斯坦共有互联网用户 521 万人，占总人口的 77.9%，在经过 2013-2017 年和2019-2021 年（受新冠疫情影响），两个增长高峰，增速已趋于放缓，21同比增长 1.6%。其中活跃的社交媒体用户的数量达 275 万，占互联网用户总数的 52.8%。在 15 岁以上网民中，约有 26%使用电子支付，11.9%使用电子转账，10%参与网络购物1。2023 年 5 月 18 日，中国与吉尔吉斯共和国共同发表的中华人民共和国和吉尔吉斯共和国关于建立新时代全面战略伙伴关系的联合宣言中声明：“双方积极商签数字经济领域投资合作文件，双方愿积极开展合作，促进数字贸易发展。双方愿研究加强两国邮政部门合作，促进跨境电子商务发展”。2中国吉尔吉斯斯坦政府间经贸合作委员会召开第十五次会议上，中方指出要加快中吉商签数字经济领域投资合作备忘录，深化产业链供应链合作；继续加强地方间、健康产业以及多边领域合作，推动双边经贸合作提质升级。3对于个人信息的保护，吉尔吉斯共和国宪法明确规定了未经同意禁止收集、存储、使用和传播个人信息。此外，经吉尔吉斯共和国 2021 年 11 月 29 日颁布的第 142 号法律个人数据法修订后，在公认的国际原则和标准基础上，对个人数据有关事项进行了规定，以确保与收集、处理和使用个人数据有关的权利和自由得到保护。吉尔吉斯共和国设有专门的数据监管机构，2021 年 9 月 14 日，吉尔吉斯共和国通过法令宣布成立国家个人数据保护局，但目前尚未通过相关的配套条例和附则，也暂未任命授权国家个人数据保护局官员。就数据转移和数据跨境就数据转移和数据跨境流通流通而言而言，吉尔吉斯共和国个人数据法允许在经个人数据主体同意和通知个人数据主体的情况下在吉尔吉斯共和国境内和国外传输数据。对于根据国家间的国际条约进行的将个人数据转移到吉尔吉斯共和国境外的数据跨境，个人数1Simon Kemp.Digital 2023:KyrgyzstanDB/OL.2023-02-14.https:/ 24 条要求接收方应为个人数据提供充分的保护，但在满足特定条件下个人数据可以被转移到未提供足够保护水平的国家或地区，该条还规定了个人数据的持有者在将个人数据传输到全球信息网络（互联网等）时必须提供必要的保护手段并保持所传输信息的机密性1。在数据交易领域方面在数据交易领域方面，吉尔吉斯共和国鲜有明确的立法和政策，国内及跨境交易中的数据交易也并不活跃。于 2014 年 11 月 25 日发布并于 2020 年 7 月 22 日修订的吉尔吉斯共和国关于信用信息的交换法规，对持牌信用局、供应商和信用信息用户之间在信用信息保护，以及基于信用记录提供信用报告的共享进行了规定。在国家层面，吉尔吉斯政府有意通过在各级政府中采用电子政务系统来改善整个公共行政，自 2018 年以来，政府政务数据共享“Tunduk”系统一直运作，已经发生了 1.65 亿笔数据交易，旨在连接所有国家机构并完成国家服务向电子格式的转移。在公共数据应用领域在公共数据应用领域，吉尔吉斯数据立方体项目（KDC）是其国家数据交易领域的典型应用，KDC 包含了 2018 年以来关于植被指数、牧场、雪和干旱的卫星数据和衍生产品，可为用户提供有关吉尔吉斯斯坦各地环境状况的最佳数据信息。例如，通过 KDC 的数据共享，相关主体可用于监测和合理利用土地。另外，在外部交流领域，出于控制大量跨境业务以及提高可靠信息交换效率的需要，联合国欧洲经济委员会和亚洲开发银行发起了吉尔吉斯斯坦和塔吉克斯坦之间电子数据交换统一自动信息系统项目，实现了塔吉克斯坦和吉尔吉斯斯坦通过共同的电子数据交换系统在海关当局之间交换数据2。2.1.2.1.1.1.5 5 巴基斯坦伊斯兰共和国巴基斯坦伊斯兰共和国巴基斯坦伊斯兰共和国（以下简称“巴基斯坦”）正在向数字1Data Guidance.Kyrgyzstan-Data Protection OverviewDB/OL.2023-06.https:/ Paperless Trade Database.Uniform Automated Information System for electronic data exchange betweenKyrgyzstan and Tajikistan DB/OL.https:/www.digitalizetrade.org/projects/uniform-automated-information-system-electronic-data-exchange-between-kyrgyzstan-and23化转型，其数字经济市场广阔、开发潜力巨大。近年，中国和巴基斯坦共同致力于高质量的数字合作。在数据立法方面，巴基斯坦并没有专门的数据立法来规范与个人数据处理有关的事项，且相关立法较少。巴基斯坦伊斯兰共和国宪法规定了基本的隐私权。2016 年电子犯罪预防法（“PECA”）是目前主要的立法，它提供了与各种电子犯罪相关的法律框架，并且还扩展到未经授权访问个人数据1。巴基斯坦数据保护的主要监管机构为基于 PECA 规定成立的委员会。该委员会负责保护数据主体的利益并加强对个人数据的保护，防止滥用个人数据，增强数据保护意识，同时负责调查与 PECA 下的任何违法行为有关的任何投诉。同时，联邦调查局（“FIA”）也被政府指定为 PECA 下的调查机构2。2021 年发布的个人数据保护法案也规定，在该法案生效后的六个月内，联邦政府应通过官方公报的通知，成立巴基斯坦国家个人数据保护委员会，以实现个人数据保护及监管目的。在数据跨境问题上，在数据跨境问题上，巴基斯坦涉及数据跨境的法律法规要么是为了管理电子交易而颁布的，要么是针对特定行业的，其并没有专门的立法来规范数据跨境。具体而言，该国涉及数据跨境的法律法规有：2016 年电子犯罪预防法（“PECA”）2002 年电子交易条例（“电子交易条例”）。2021 年个人数据保护法案（“法案”）对数据跨境问题提出了约束性要求，拟规定：“若将个人数据转移到位于巴基斯坦领土以外的任何系统或不受巴基斯坦政府或巴基斯坦实体直接控制的系统，则应确保数据被传输的国家提供的个人数据保护法律制度至少与本法案规定的保护相当，并且应根据本法案以及数据主体的同意（如适用）对如此传输的数据进行处理。但是，关键个人数据只1Data Guidance.Pakistan-Data Protection OverviewDB/OL.https:/ 2021 年 9 月 22 日，提交材料建议巴基斯坦取消法案中的所有数据本地化措施。在数据交易流通领域，不管是立法还是商业实践中，巴基斯坦总体上仍呈空白领域。2.1.2.1.1.1.6 6 俄罗斯联邦俄罗斯联邦在当前数字经济时代，俄罗斯联邦（以下简称“俄罗斯”）在不断强化信息基础设施、新一代信息技术、ICT 产业、人力资源、信息安全保障、数字环境监管等数字经济核心能力的同时，聚焦电子商务、数字交通、电子政务、数字金融和“智慧城市”等重点领域，努力探索数字化转型，取得积极成效，在数字服务民生、数字安全保障、数字资源共享等方面走到了全球前列1。中俄两国高度重视数字经济发展，并不断探索数字技术研发与应用合作、数字基础设施建设合作、数字人才培养合作、IT 行业投资合作、创新电子商务合作模式、数字经济治理规则方面的交流合作2。俄罗斯有关数据保护的规定最早体现在 1993 年 12 月 12 日俄罗斯联邦宪法第 23 和第 24 条，而在专门的数据立法方面起步较晚。俄罗斯的数据保护法律体系，很大程度上由法案、法规、法令、公约及相关判例塑造。在成文法层面，俄罗斯民法典第 128 条和第 150 条规定，不允许将个人数据视为商品。俄罗斯通过颁布关于自动处理个人数据的个人保护公约、关于信息、信息技术和信息保护的第 149-FZ 号联邦法律和关于俄罗斯联邦关键信息基础设施安全的第 187-FZ 号联邦法等规范对数据保护领域提出合规要求。1高际香.俄罗斯数字经济发展与数字化转型J.欧亚经济,2020(01)2高 际 香.【“三 大 体 系”建 设】中 俄 数 字 经 济 合 作 六 大 领 域 EB/OL.2023-03-16.https:/ 的主要权力、职责是1：通过系统的监控措施以及在计划和计划外检查过程中检查数据控制者的数据处理活动；检查数据控制者在其向Roskomnadzor 的通知中提交的信息；要求数据控制者指定、阻止、停止处理和销毁不准确或非法接收的个人数据；限制访问违反俄罗斯有关个人数据保护的法律处理的信息；采取旨在暂停和停止处理违反俄罗斯数据保护立法的个人数据的措施；向法院提出索赔以保护数据主体的利益并在法庭上代表数据主体；与俄罗斯联邦安全局（FSB）交换信息，监督加密技术的使用；与俄罗斯联邦技术出口管制局（FSTEC）交换信息，监督信息保护技术工具和软件的使用；对违反俄罗斯个人数据保护立法的人追究行政责任；考虑公民和法律实体关于个人数据处理的要求，并在考虑此类要求时通过与公民和法律实体联络的决定；维护数据控制器的注册表；监控数据控制者在互联网上的处理活动；采取旨在完善个人信息主体权利保护的措施。在数据跨境层面，在数据跨境层面，俄罗斯通过制定一系列的法律法规等对数据跨境行为进行规范。例如，2005 年 12 月 19 日第 160-FZ 号联邦法，关于批准在自动处理个人数据方面保护个人的欧洲公约；联邦政府2008 年 9 月 15 日第 687 号决议，关于批准不使用自动化的个人数据处理条例；2014 年 7 月 21 日第 242-FZ 号联邦法，关于修订俄罗斯联邦关于更新信息电信网络中个人数据处理程序的一些立法行为等。值得注意的是，2022 年 7 月 14 日，俄罗斯对个人数据法的跨境数据传输规则进行了修订。相关的新规则将于 2022 年 9 月 1 日生效（某些规则，特别是那些需要获得 Roskomnadzor 许可才能进行转让的规则将于 2023 年 3 月 1 日晚些时候生效）。在数据本地化层面在数据本地化层面，由数据本地化法引入地对个人数据法的某1Irina Anyukhina.Russia-Data Protection OverviewDB/OL.2022-12.https:/ 2015 年 9 月 1 日生效。根据数据本地化法，俄罗斯公民的个人数据必须在位于俄罗斯的服务器上强制存储和处理。Roskomnadzor 已确认在 2015 年 9 月 1 日之后，仍然允许跨境传输个人数据，前提是遵守上述数据传输限制部分中的跨境传输相关要求，并且主要包含个人数据的数据库位于俄罗斯。因此，从 2015年 9 月 1 日起，在将俄罗斯公民的个人数据转移到俄罗斯境外之前，需要确保包含此类个人数据的主要数据库位于俄罗斯（例如，在俄罗斯数据中心或任何其他计算机或服务器上）。迄今，已经有一些公司因不遵守数据本地化法而被追究责任。在数据交易在数据交易流通流通层面层面，俄罗斯数据中心市场规模较小且地域发展并不平衡。近几年来，俄罗斯云服务和计算能力快速增长，以及外国公司的数据本地化存储法令造成数据中心市场供不应求。俄罗斯在国际地缘政治中受到的制裁影响也体现在了数据中心设备进口替代和国产化需求上。但是，俄罗斯对于大数据交易市场充满了信心，2023 年 4 月 18 日，由俄罗斯大数据协会主办的首届俄罗斯数据论坛认为，到 2024 年，俄罗斯大数据市场可能增长 90%，达到 319亿卢布。2.1.2.1.1.1.7 7 塔吉克斯坦共和国塔吉克斯坦共和国对于数字经济建设，塔吉克斯坦曾以政府令、总统令的形式批准和发布过一系列发展战略和构想，如 2003 年 11 月 5 日 1174 号总统命令批准的国家信息通信技术发展战略，2011 年 12 月 30 日政府 643 号命令通过的塔吉克斯坦共和国电子政府建设构想等。2019 年 1 月，塔吉克斯坦政府通过关于塔吉克斯坦 2018 年社会经济发展的结果和 2019 年任务决议，要求制定本国数字经济发展构想并在社会经济部门引入数字技术。12019 年 12 月 30 日政府 642 号命令通过的塔吉克斯坦共和国数字经济发展构想，旨在推动塔吉克斯坦利用现代数字技术构建信息化社会，实现社会经济数字化1王海燕.中国与中亚国家共建数字丝绸之路：基础、挑战与路径J.国际问题研究,2020(02):107-133 136.27转型。2017 年 8 月，中塔双方签署中塔合作规划纲要，以共建“一带一路”倡议为契机，扩大和深化安全、基础设施建设、投资、经贸、能源资源、农业、金融、人文、生态环保等领域合作。2023年 5 月 16 日至 19 日，塔吉克斯坦共和国总统埃莫马利拉赫蒙对中国进行国事访问，两国元首就各领域互利合作及共同关心的问题交换了意见。双方肯定就建设“数字丝绸之路”建立机制加强合作的必要性，愿共同推进数字经济合作，鼓励两国企业、园区等加强在数字贸易、人工智能、大数据、电子政务、区块链领域的合作。塔吉克斯坦愿继续同中国大型企业合作，引进现代科技和方案，发展高速互联网和移动通信1。2018 年以前，塔吉克斯坦对于数据主体的权利保护规定散见于各法律条文中，例如，1994 年宪法第 23 条、第 37 号关于许可某些类型活动的法律、第 55 号信息法、第 574 号刑法典、第 455 号行政违法法典。2018 年 8 月 3 日，塔吉克斯坦通过了第 1537 号个人数据法2，符合宪法数据保护的原则，而数据主体权利仅涵盖数据隐私法的基本规定。塔吉克斯坦又于 2021年 7 月 2 日通过了第 2.21-11 号关于所有者、运营商和第三方保护个人数据措施的命令。在数据保护方面，在数据保护方面，塔吉克斯坦政府下属通信服务部门履行监管职责。根据个人数据法，该部门拥有颁发符合性证书以保护个人数据和信息安全，落实国家个人信息保护政策，制定个人数据保护条例并提交塔吉克斯坦共和国总统确认，考虑自然人和法人实体保护个人数据的方法等职权。1中华人民共和国外交部.中华人民共和国和塔吉克斯坦共和国联合声明EB/OL.2023-05-18.https:/ .DB/OL.2020-01-11.http:/ncz.tj/content/-28当前，塔吉克斯坦没有关于数据本地化的规定。根据个人数据法中关于数据跨境流动的规则，塔吉克斯坦数据出口仅限于具有充分保护的国家，数据跨境没有特定行业的限制。根据由联合国亚太经济社会委员会（ESCAP）牵头的跨境无纸贸易(CBPT)数据库，塔吉克斯坦已有国际数据交易经验。为解决邻近国间海关数据交换（C2C，Customs to Customs）相关问题，阿富汗与塔吉克斯坦间在贸发会协助下开展海关数据交换项目，1便利了数据贸易。2.1.2.1.1.1.8 8 乌兹别克斯坦共和国乌兹别克斯坦共和国乌兹别克斯坦位于中亚腹地，是古丝绸之路的关键枢纽。近年来，数字经济成为乌兹别克斯坦政府大力发展的领域。乌兹别克斯坦于 2018 年 7 月颁布“关于发展数字经济措施”总统令。22020 年，总统多次召开会议，鼓励数字经济发展。2020 年 10 月，获总统令批准的“数字乌兹别克斯坦 2030”战略包含了乌兹别克斯坦共和国的数字化议程。该战略包含到 2022 年底将每个居民点连接到互联网等目标，以及在塔什干、布哈拉和浩罕启动三个新数据中心的计划3。乌兹别克斯坦在数据保护方面的立法可以大致分为两个阶段。第一阶段始于 1994 年 4 月 24 日第 400-I 号乌兹别克斯坦关于保障和自由获取信息的法律（“信息法”），第二阶段开启于 2019 年 7月 2 日第-547 号个人数据法（“个人数据法”），间隔十余年。当前乌兹别克斯坦关与数据保护有关的法律、法令主要为个人数据法信息法信息自由法信息化法电子文件管理法，另有相关规定可见于电子商务法、第 RK-764 号网1Cross-Border Paperless Trade Database.Customs data exchange between Tajikistan and Afghanistan DB/OL.https:/www.digitalizetrade.org/projects/customs-data-exchange-between-tajikistan-and-afghanistan2ON MEASURES TO DEVOLEP THE DIGITAL ECONOMY AND THE SPHERE OF CRYPTO-ASSETSTURNOVER IN THE REPUBLIC OF UZBEKISTANDB/OL.2018-07-04.https:/lex.uz/docs/60543673Uzbekistan Transition Report 2021-22DB/OL.https:/www.mineconomy.gov.uz/uploads/Uzbekistan Transition Report 2021-22.pdf29络安全法、第 660-II 号关于打击犯罪收益合法化、资助恐怖主义和资助大规模杀伤性武器扩散、第 ZRU-30 号关于自动银行系统中的信息保护、第 ZRU-578 号支付和支付系统法、第ZRU-649 号乌兹别克斯坦共和国国家基因组注册法等。内阁及其下属的国家个性化中心（The State Center forPersonalisation under the Cabinet of Ministers，简称为“SPC”）为乌兹别克斯坦数据保护领域的主要监管机构。个人数据法经2021 年 1 月 14 日第-666 号法律修订，其中第 27-1 条引入了新的数据本地化规则，数据所有者、运营商在使用信息技术（包括通过全球信息网络）处理乌兹别克斯坦共和国公民的个人数据时，应确保使用位于乌兹别克斯坦共和国境内的技术手段收集、系统化和存储此类数据的数据库，以法定方式在国家个人数据库登记册中登记此类数据库。2021 年 2 月 25 日，最高人民法院发表声明，确认将出台有关数据本地化实施和技术条件的规范性文件。数据跨境数据跨境流通流通方面，方面，根据个人数据法，在外国确保个人资料主体的权利得到充分保护的情况下，可以进行个人资料出境。如果没有此种保护，则只有在数据主体已同意跨境传输其个人数据，需要保护宪法秩序、公共秩序、公民的权利和自由，人民的健康和道德，或者基于国际条约的规定等情况下，才允许跨境传输个人数据。尽管如此，为保护乌兹别克斯坦共和国的宪法制度、公民的权利和合法利益或确保国家安全，个人数据的传输依然可能被禁止或限制。乌兹别克斯坦共和国曾参与由世界银行牵头，由联合国贸易和发展会议（UNCTAD）和联合国欧洲经济委员会（UNECE）实施的海关数据交易项目。1该数据交易项目的目的是加强对过境业务的控制和监测，打击毒品贩运、走私。UNCTAD 和 UNECE 协助各国就协议签署1UNECE Project Proposal 2_Customs Data ExchangeDB/OL.https:/unece.org/fileadmin/DAM/SPECA/documents/gc/session9/ProjProp2_CustomsDataExchange.pdf30进行谈判，商定需要流通的海关数据，由 UNCTAD 构建数据交易系统（数据自动化系统数据处理系统）。2.1.22.1.2 上合组织观察员国数据领域的立法现状上合组织观察员国数据领域的立法现状2.1.2.1.2.12.1 伊朗伊斯兰共和国伊朗伊斯兰共和国由于长期受到国际制裁，伊朗的数字经济起步相对较晚，但这也为伊朗独立发展数字化提供了机会。伊朗有受过良好教育的年轻一代，他们对互联网非常感兴趣、非常努力发展数字化。在数据立法层面，在伊朗没有一个全面的数据隐私法的情况下，数据隐私的法律框架将来自处理隐私和数据保护以及其他事项的法律法规。伊朗伊斯兰共和国宪法第 25 条保护个人信息的隐私。宪法隐私权通过多项法律法规得到部分实施，其中主要的是 LPAD、2004 年电子商务法和 2009 年网络犯罪法。电子商务法规范电子信息交换，包括适用于此类交换的数据隐私和保护规定。伊朗没有单一的数据隐私机构负责跨部门执行拼凑的隐私法律法规。根据 LPAD，委员会由几位政府部长以及议会和司法机构的代表组成，对 LPAD 下数据保护规则的执行负有监督责任。此外，公开可用的隐私法案草案要求设立一个监督委员会，负责执行隐私法案的数据保护条款。伊朗中央银行(CBI)（针对银行系统）、伊朗中央保险公司(CII)（针对保险业）和 SEO（针对资本市场）等行业监管机构负责执行数据各自部门内的隐私规则1。2.1.2.1.2.22.2 白俄罗斯共和国白俄罗斯共和国近年来，白俄罗斯国家信息基础设施领域取得显著成就，建立了国家信息体系和资源，政府各部门间实现了文件电子化流转，统计部门开始进行统计数据自动化传输，电子票据、税务登记系统、电子商品标签等广泛运用到国家和商业等各领域。截至 2023 年初，1DataGuidance.Iran:Data Protection in the Financial SectorEB/OL.2021-09.https:/ 827 万互联网用户，互联网普及率达 86.9%，移动电子支付普及率达 69.3%1。2021 年 2 月 2 日，白俄罗斯开始实施2021-2025 年白俄罗斯数字化发展国家规划，旨在引进信息通讯和先进生产技术等，规划确定该领域的政府牵头部门为白俄罗斯信息和通信部2。中国和白俄罗斯在数字经济领域达成合作共识，在上海合作组织成员国元首理事会第二十二次会议期间中白双方发表了中华人民共和国和白俄罗斯共和国关于建立全天候全面战略伙伴关系的联合声明。白俄罗斯规范个人数据保护的基础性法律是 2021 年 5 月 7 日颁布的第 99-3 号个人数据保护法（PDP 法），这是白俄罗斯第一部专门针对个人数据保护问题的法律。此外，作为 EAEU 成员国，白俄罗斯受到欧亚经济联盟框架内实施法案的约束，例如 2014 年 5 月29 日欧亚经济联盟条约附件3欧亚经济联盟内信息和通信技术及信息互动议定书。国家个人数据保护中心 NPDPC 作为白俄罗斯的数据保护机构，其主要任务是采取措施保护个人信息主体处理其个人数据的权利，并组织有关个人数据保护问题的培训。此外，白俄罗斯共和国总统下属的业务和分析中心（“OAC”）和白俄罗斯共和国通信和信息化部也可能参与监管数据和数据保护问题4。就数据跨境而言，就数据跨境而言，根据 PDP 法规定，白俄罗斯一般禁止将个人数据跨境传输到个人数据保护措施不充分的国家（白名单由 NPDPC确定），但是在告知可能存在的风险并征得个人信息主体的同意或取得 NPDPC 签发的跨境传输个人许可证的情况下，允许传输到不在白名单中的司法管辖区。此外，白俄罗斯共和国国家保护个人数据1Simon Kemp.Digital 2023:BelarusDB/OL.2023-02-13.https:/ 年版）DB/OL.http:/ PROTECTION LAWS OF THE WORLD-BELARUS DB/OL.2022-12-23.https:/ Laptev.Belarus Data Protection OverviewDB/OL.2023-01.https:/ 114 号命令补充了向白名单以外的地区传输数据的例外情况，包括：为履行立法规定的职责（权力）所必需；当国家机构、国家组织以及白俄罗斯共和国或拥有股份（法定资本股份）的行政领土单位可以决定这些商业实体作出的决定时，有关其在全球计算机网络互联网中的活动的信息1。2.1.2.1.2.32.3 蒙古国蒙古国伴随之中国的“一带一路”战略的扶持，蒙古国积极响应，不仅发展采矿业，还引进了现在世界热度较高的区块链技术，从而达到让国内经济飞速发展的目的。蒙古国拥有众多交易所，比如中央政府力推国家交易所-蒙古国国家贵金属区块链交易所。因此，项目在蒙古国发展，商业环境优渥，并且得到法律支持。蒙古国在数据方面的立法较为单薄，相关立法主要体现为蒙古个人信息保护法(2021)。该法第三条对个人、法人和非法人实体对个人数据的收集、处理、使用和安全进行了规定。蒙古国有不同的授权组织负责保护个人数据2。其一，蒙古国家人权委员会拥有以下保护个人数据的权力：监督个人数据保护立法的实施，组织公众意识和宣传活动，向相关组织提出要求和建议，并对相关法规提出意见；在收集、处理过程中，认为受法律保护的人权和自由受到侵犯或可能受到侵犯的，接受、审查和解决投诉和信息，或自行调查解决、使用和保护个人数据，以及向相关组织提供命令和建议；在敏感数据的收集、处理、使用和保护领域向相关组织提供命令和建议；接收和审查数据控制者提交的关于为消除在收集、处理和使用信息中发现的违规行为及其负面后果而采取的应对措施的报告，并就需要考虑的进一步问题提出建议；提供建议，以防止在使用不受任何人为干预的在线处理技术1 .EB/OL.2022.12.28.https:/cpd.by/dopolneny-pravila-transgranichnoj-peredachi-personalnyh-dannyh/2DataGuidance.Mongolia:An overview over the Law on the Protection of Personal InformationEB/OL.2022-05.https:/ 14 条第 1 款，“禁止将个人数据传输给个人、法人和国际组织，除非法律和蒙古加入的国际条约有规定，或经蒙古国同意数据主体”1。在蒙古国数字交易流通方面，最有代表性的是蒙古国国家区块链数字资产交易所（MDE）。2021 年 6 月 6 日，以蒙古国国家信用银行为依托的全球支付落地应用系统 MDCP（蒙信资产）上线，同年 7月 7 日 MDCP 登陆蒙古国国家区块链数字资产交易所（MDE），成为其重要生态应用组成2。2.1.32.1.3 上合组织对话伙伴数据领域的立法现状上合组织对话伙伴数据领域的立法现状2.1.2.1.3.13.1 卡塔尔国卡塔尔国卡塔尔政府重视数字经济发展。卡塔尔政府于 2015 年制定了国家 ICT 规划 2015，推进数字化进程。该规划分为五个战略重点（提高链接、提升能力、促进经济发展、加强公共服务、提升社1DataGuidance.Mongolia:An overview over the Law on the Protection of Personal InformationEB/OL.2022-05.https:/ MDCP 区块链支付引领蒙古国新经济EB/OL.2021-05-24.https:/ 年，卡塔尔成立了国家通信管理署（CRA），其主要职责是对卡塔尔电信和信息技术、邮政以及数字媒体领域进行监管，鼓励和支持信息和通信技术（ICT）部门提供先进、创新和可靠的通信服务。该部门 2019 年底发布了CRA 战略 2020-2024，列出了该部门支持卡塔尔向数字国家转型采取的主要措施1。卡塔尔是第一个通过国家数据隐私法的海湾国家，2016 年卡塔尔颁布了第 13 号关于个人数据隐私保护法（“PDPPL”）。PDPPL 建立了一定程度的个人数据保护，提供了数据主体权利，并为组织在卡塔尔境内处理个人数据规定了指导方针。个人数据隐私保护法规定了数据控制者在处理敏感个人数据、数据主体隐私通知、违规通知、数据主体权利和跨境传输等方面的义务。个人数据隐私保护法（PDPPL）适用于卡塔尔境内以电子方式处理或需要处理的所有个人数据，但卡塔尔金融中心自由区除外。卡塔尔金融中心（QFC）位于卡塔尔境内的商务中心，适用于卡塔尔国不同的数据保护法规，QFC 适用的数据立法主要包括数据保护条例（DPL）和数据保护规则（DPR）。总的来说，QFC 的数据立法更符合 GDPR 的立场，这有助于国际企业采取相对统一的方法进行数据合规活动。国家网络治理和保障事务局（NCGAA）负责个人数据隐私保护法（PDPPL）的实施与监管，可以采取一切其认为合适的措施来执行 PDPPL 的规定并监督其遵守情况。此外，国家网络治理和保障事务局（NCGAA）还发布了一系列指南对 PDPPL 做出进一步阐释和补充2。根据 PDPPL 规定，数据控制者应当在数据主体同意的情况下收集、处理和转移个人数据，除非被认为是控制者或接收个人数据的第三方实现 合法目的 所必需。在向数据处理者披露和传输个人数据时，数据控制者必须证明传输是出于合法目的，并且数据传输是根据 PDPPL 的规定进行的。对于数据跨境问题，对于数据跨境问题，不同于其他国家的1商务部国际贸易经济合作研究院、中国驻卡塔尔大使馆经济商务处、商务部对外投资和经济合作司.对外投资合作国别（地区）指南-卡塔尔（2021 年版）DB/OL.http:/ PROTECTION LAWS OF THE WORLD-QATAR-FINANCIAL CENTRE DB/OL.2022-12-17.https:/ 不仅没有对数据本地化提出要求，同时 PDPPL第 15 条还规定了除非违反了本法或者可能对个人数据或个人隐私造成严重损害，否则数据控制者应不能采取任何可能限制跨境数据流动的决定或措施1。2.1.2.1.3.23.2 沙特阿拉伯王国沙特阿拉伯王国沙特阿拉伯王国在 2016 年发布的2030 愿景国家转型计划中提到要“为数字化转型及其可持续发展营造良好环境,设定数字经济占国内生产总值的比例由 2017 年的 13%提升至 2025 年的 19.2%,初创数字企业规模由 2019 年的 10 家提升至 2023 年的 150 家等目标”。在国家数据和人工智能战略提出“扩大数据和人工智能的应用范围,使沙特成为数据和人工智能产品和服务的输出者”2。受新冠疫情的影响，沙特电商得到了爆发式增长的机遇。据媒体报道，沙特某电商平台 2020 年 3 月平均销售额增长 200，平均订单价值和 APP 安装量分别增长 50和 400，居民对电商消费依赖度大幅提高。政府层面，2022 年，沙特商务部共签发了 3 万多张电商运营许可3。同时，直播、网红经济等模式也日益成为沙特互联网消费中的主流。根据研究机构 Tortoise 发布的全球人工智能指数显示，在全球人工智能指数（The Global AI Index）排名中，沙特在阿拉伯世界排名第一位，在全球排名第 26 位，其“运营环境”4单项指标居全球第一，“政府战略”5指标排名全球第三。全球人工智能指数以 143 个指标为基础，这些指标分为七个子项目：人才、基础设施、运营环境、研究、发展、政府战略、商业，关注 62 个世界主要国家的人工智能发展情况，并综合测算，给出排名6。1Securiti Research Team.Qatar Personal Data Privacy Protection Law(PDPPL)EB/OL.2023-05-02.https:/securiti.ai/qatar-personal-data-protectionlaw/#:text=In 2016, Qatar enacted Law no. 13 Concerning,for organizations to process personal data within Qatar.2郭晓莹.中国与海合会国家 数字经济合作的现实与路径选择J.阿拉伯世界研究,2022(05).3管克江.中东电商市场规模不断扩大N.人民日报.2023-06-07(15).4“运营环境”指标，重点关注围绕人工智能的监管背景和舆论。5“政府战略”指标，关注国家政府对人工智能的承诺深度；调查支出承诺和国家战略。6参见 Tortoise Media 发布的“全球人工智能指数”，https:/ 年 6 月 16 日。36沙特阿拉伯王国的有关数据保护的专门立法有个人数据保护法（PDPL）（未生效）和国家数据管理办公室（NDMO）发布的个人数据保护暂行条例（PDPIR），主要包含对控制者处理个人数据的要求，包括要求在所有处理活动中获得数据主体的同意。PDPIR 和 PDPL 都具有域外效力，适用于在沙特阿拉伯以任何方式对与个人有关的个人数据进行的任何处理，包括沙特阿拉伯以外的任何实体以任何方式对居住在沙特阿拉伯的个人有关的个人数据进行的处理。为解决 PDPL 中未详细说明的一些关键问题，2022 年 3 月沙特阿拉伯数据与人工智能管理局 SDAIA 与国家数据管理办公室 NDMO发 布 了 有 关 PDPL 的 执 行 条 例 草 案（the DraftExecutiveRegulations）。PDPLPDPL 对沙特的数据跨境设置了严格限制，对沙特的数据跨境设置了严格限制，控制者不得将个人数据传输到沙特境外，除非该数据跨境符合第 29 条的规定的以下要求：遵守王国加入的协议；为沙特的最大利益服务；或为了执行条例中规定的其他目的，且同时满足四个条件，即数据传输不得损害国家安全或沙特王国的重要利益；传输实体必须提供足够的保证，以保护将被传输或披露的个人资料，并保持其机密性，以便数据保护标准不低于 PDPL 和行政法规中规定的标准；传输必须限于其目的所需的最低限度的个人数据；主管部门必须批准该传输。对于上述要求，PDPL 及执行条例的草案均设置了具体豁免情形。PDPL 规定主管部门可以根据具体情况在主管部门本身或与其他机构合作，评估个人数据在沙特王国境外将得到足够的保障，且不包括敏感个人数据的传输时免除控制者遵守第 29 条规定的义务。此外，PDPL 执行条例草案第 28 条另外规定了出于公共利益的目的以及为直接向个人提供服务而取得其同意两项豁免情形。在不满足前述例外情况时，数据控制者必须向主管部门申请批准，方可将个人数据传输到沙特王国之外1。1SDAIA.Personal Data Protection LawDB/PL.https:/sdaia.gov.sa/en/SDAIA/about/Documents/Personal Data English V2-23April2023- Reviewed-.pdf;Draft of the Executive Regulation of Personal Data Protection Law(PDPL)DB/OL.https:/istitlaa.ncc.gov.sa/en/transportation/ndmo/pdpl/Documents/Draft of the Executive Regulation of Personal Data Protection Law - MARCH 9.pdf37为了实现透明度原则并使王国公民能够访问大量政府数据，沙特阿拉伯王国提出开放数据战略并建立了开放数据共享平台，通过在政府机构开放数据门户上公开传播各部委和政府机构的数据，公民可以查看、下载和使用该国各部委和政府实体生成的数据集1。但目前尚未找到资料显示沙特阿拉伯有明确的官方数据交易平台。2.1.2.1.3.33.3 土耳其共和国土耳其共和国2022 年 12 月 29 日，土耳其中央银行(Trkiye CumhuriyetMerkez Bankas,TCMB)在官网发布新闻稿称，央行领导下的数字土耳其里拉(Digital Turkish Lira)项目第一阶段，已成功执行了首批数字土耳其里拉网络支付交易(the first payment transactions on theDigital Turkish Lira Network)。TCMB 表示，2023 年将扩大数字土耳其里拉的合作平台，包括特定的银行和金融科技公司，并将公布试点研究的高级阶段，进一步扩大试点参与范围。新闻稿称，对数字土耳其里拉法律方面的研究表明，数字识别(digital identification)至关重要。2023 年，TCMB 将优先研究数字土耳其里拉的经济、法律框架及其技术要求2。在颁布数据保护法之前，数据保护受土耳其共和国宪法以及一般和部门法律法规的约束。土耳其共和国宪法没有专门针对数据保护。但是，土耳其共和国宪法第 20 条关于私人生活隐私的部分可以找到保护个人权利和隐私权的权利3。2016 年 4 月，土耳其完成了颁布第 6698 号个人数据保护法的长期过程的最后一步。数据保护法获得总统批准，其最终文本于2016 年 4 月 7 日在第 29677 号官方公报上公布。在此之前，土耳其没有针对个人数据保护的具体立法。自 2016 年 4 月 7 日起，1GOV.SA.Open Government DataDB/OL.2023-07-22.https:/www.my.gov.sa/wps/portal/snp/eParticipation/openData/!ut/p/z0/04_Sj9CPykssy0 xPLMnMz0vMAfIjo8zifT2dPQ38TQz9DUzDjA0CHV39TEy8XIwMzI31g1Pz9AuyHRUBP_kdag!/2王蕙蓉.土耳其央行数字货币网络成功完成首批支付，明年将扩大试点EB/OL.2022-12-30.https:/ 2016 年 4月 7 日之前持有个人数据的公司将获得两年的宽限期，以确保数据符合新的立法要求。从关于自动处理个人数据的个人保护公约（“第 108 号公约”）的执行开始，地方数据保护法的制定过程已经持续了 35 年多。土耳其于 1981 年 1 月 28 日与其他成员国一起执行了第 108 号公约，但直到 2016 年 5 月 2 日才将其批准为国家法律，并于 2016 年 9 月 1 日生效。数据保护法在以下框架内概述了与欧洲数据保护系统类似的框架：数据保护指令（指令95/46/EC）（“指令”）、通用数据保护条例（条例（EU）2016/679）（“GDPR”）、与执法有关的数据保护指令（指令（EU）2016/680）。数据保护法设立了监管机构来监督其规定，即 KVKK 和委员会。KVKK 主要扮演行政和政府关系角色，而董事会是该机构的决策机构。KVKK 是一个独立的监管机构，具有机构和财务自主权，其任务是确保个人数据保护并增强这方面的意识。委员会应在其职责范围内独立履行和使用数据保护法和其他法律赋予的职责和权力。此外，任何机构、部门、办公室或个人不得就属于其职责和权限范围内的事项向董事会发出命令或指示1。在数据跨境方面，在数据跨境方面，KVKK 发布了承诺模板（控制者-处理者模板和控制者-控制者模板），允许数据控制者向委员会提交表格，以请求授权将数据传输到国外。此外，为了就跨国公司社区之间的数据传输提供切实可行的解决方案，委员会发布了具有约束力的公司规则申请表和数据控制者的辅助文件数据控制者的辅助文件，涉及促进集团公司之间跨境数据传输的公司规则。该法和其他二级立法包括与所有形式的数据处理和传输活动有关的详细规定。该法颁布后，土耳其境内和向境外第三方的数据传输受到这些新规定的约束，土耳其的数据控制者被迫修改其在土耳其境内外传输数据的方法1。1Begm Yavuzdogan Okumus.Turkey Data TransfersDB/OL.2022-09.https:/ 2013 年支付和安全协议系统、支付系统和电子货币组织法）要求金融机构将其主要和次要系统保留在土耳其境内。此要求可防止将此类数据系统地传输到国外。此外，根据 2020 年 2 月 25 日对第 5411 号银行法（“银行法”）第 73 条的修订，未经请求或指示，不得向位于土耳其或国外的任何第三方披露或转让客户机密，即使客户明确同意是根据数据保护法收集的。还有一项新规定于 2021 年 1 月 1 日生效，详细说明了银行法第73 条规定的新要求，这些规定规范了客户机密的传输，其中包括有关将数据（客户机密）传输到国外的规定。另外，2008 年银行法为因职位和任务而掌握与银行或其客户有关的秘密信息的人员规定了具体的保密义务。2006 年银行卡和信用卡法也对该行业规定了类似的义务。这些规定有时被解释为阻止将此类数据传输到国外。2.22.2 上合组织数据流通的法律基础及建议上合组织数据流通的法律基础及建议2023 年 4 月，中国政府发布关于全球数字治理有关问题的立场，并作为制定“全球数字契约”向联合国提交的意见，认为：“面对数字化带来的机遇和挑战，各方应坚持多边主义，坚守公平正义，统筹发展和安全，深化对话合作，完善全球数字治理体系，构建网络空间命运共同体应以事实为依据全面客观看待数据安全问题，促进数据依法有序自由流动；反对利用信息技术破坏他国关键基础设施或窃取重要数据，以及利用其从事危害他国国家安全和社会公共利益的行为。”不容否认，上合组织之间形成数据要素流通的现有条件并不十分充分。但是，在数据跨区域流通大趋势下，上合组织可以先行先试，探索区域性数据要素流通市场的建设经验。data-transfers402.2.1 通过区域化数据保护承诺，趋平个人信息保护水平上合组织 9 个成员国、3 个观察员国及 14 个对话伙伴国所处政治、地理、经济和历史环境均不相同，映射至国内个人信息保护立法时更是差别巨大。放眼全球，不管是欧盟还是英国 GDPR，都对数据跨境传输的“对等保护”提出了严格的要求，“对等保护”体现在了基于充分性决定的白名单国家传输，以及提供适当保障措施的传输等方式。上合组织相关成员国，也不乏制定了对等保护的个人信息保护原则。我国数据出境安全评估以及个人信息出境安全评估也提出，必须评估“境外接收方所在国家或地区的网络和数据安全法律法规情况”，这些评估须进一步考虑到更多因素，包括该国家或者地区现行的个人信息保护法律法规及普遍适用的标准，加入的区域性或者全球性的个人信息保护方面的组织，以及所做出的具有约束力的国际承诺，以及该国家或者地区落实个人信息保护的机制，如是否具备个人信息保护的监督执法机构和相关司法机构等。基于我们对上合组织相关国家的调研排摸，部分国家未有统一基于我们对上合组织相关国家的调研排摸，部分国家未有统一数据立法、相关国家未设置专门的数据保护主管部门，个人信息保数据立法、相关国家未设置专门的数据保护主管部门，个人信息保护水平难以达护水平难以达至至同一水平。因此，上合组织可以通过会谈形成上合同一水平。因此，上合组织可以通过会谈形成上合组织数字经济伙伴关系协定等类似区域性国际承诺，承诺对个人信组织数字经济伙伴关系协定等类似区域性国际承诺，承诺对个人信息实施严格保护。息实施严格保护。2.2.2 制定区域数据传输标准合同，破除绝对本地化限制2023 年 5 月 10 日至 12 日，联合国在日内瓦召开并发布“如何让数据为2030 年可持续发展议程服务”的报告，报告称“过去三年，在疫情的影响下，跨境数据流动加速增长。在此背景下，各国正在制定更多关于数据流动的政策，以实现国家政策目标。然而，国家设法控制跨境数据流动可能导致互联网碎片化，从而大大削弱41数据共享对发展和实现2030 年议程的潜在益处。”在这种国际大形势大背景下，我国“数据二十条”的提出可谓十分应景，其要求积极参与数据跨境流动国际规则制定，探索加入区域性国际数据跨境流动制度安排，推动数据跨境流动双边乃至多边协商，推进建立互利互惠的规则等制度安排，鼓励探索数据跨境流动与合作的新途径新模式。目前，区域性的数据跨境合作正在势能之外，包括非洲联盟数据政策框架及网络安全和个人数据保护公约，亚太经济合作组织（APEC）提出的互联网和数字经济路线图，东南亚国家联盟关于跨境数据流动示范合同条款等专题的倡议，并于 2021 年 1 月东盟首届电子部长会议（ADGMIN）上批准东盟数据管理框架（DMF）和跨境数据流通模范合同条款（MCCs），以及拉丁美洲促进使用数字技术的数字议程。此外，APEC 通过 2015 年修订的APEC 隐私框架指导亚太地区的数据跨境自由流动，而 OECD（经济合作与发展组织，简称经合组织）在 1980 年就发布了关于保护隐私和数据跨境流动的准则，这是国际第一套商定的隐私原则，是全球第一个提出数据跨境流动原则的国际组织。由此可见，虽然数据完全本地化对国家安全有强大吸引力，但相比于全球经贸发展，以保护个人隐私为由，限制数据的自由流动始终不是明智之举。在数据传输标准合同之上，欧盟和英国已修订并进一步细化了不同主体性质下所适用的 SCCs 类型，中国也于 2023 年 2 月发布个人信息出境标准合同办法及标准合同示范文本。这些数据传输标准合同有利于各国锚定数据传输标准合规体系，让全球数据治理标准趋于同一保护水平。上合组织在加大经贸和科技领域融合合作之际，也可以寻求制定上合组织区域性数据传输标准合同并由各国实现预批准，从而破除数据绝对本地化的“魔咒”，这更能加强中国在数据领域全球规则和标准制定的国际话语权地位。422.2.3 建立上合组织大数据交易中心，助力数字丝绸之路2023 年 1 月，中国国家发改委、商务部发布关于深圳建设中国特色社会主义先行示范区放宽市场准入若干特别措施的意见，指出“放宽数据要素交易和跨境数据业务等相关领域市场准入探索建设离岸数据交易平台，以国际互联网转接等核心业态，带动发展数字贸易、离岸数据服务外包、互联网创新孵化等关联业态，汇聚国际数据资源，完善相关管理机制。”在数据交易所市场的建设经验中，从 2015 年至今，我国地方数据交易所（中心）如雨后春笋般建立，截至 2022 年底，全国数据交易机构共计约 80 余家。2023 年 4 月 24 日，国际数商合作交流会（Data Eco-system Partnership Conference）在新加坡举办，上海市在会上宣布上海数据交易所国际板已启动建设。区域性数据交易中心的筹备建设，是跨境数据传输落地的第一步。上合组织基于数据交易市场建设经验、组织成员国参与意愿等多重因素考虑下，在中国西部地区或者国家现有区域级数据交易所建立上合组织大数据交易中心，以此探索区域化数据交易的经验。2.32.3 上合组织数据要素流通国际成熟经验与借鉴上合组织数据要素流通国际成熟经验与借鉴上合组织成员国均为具有较大发展潜力的发展中国家，数字经济相关技术、产业发展仍有较高的提升空间。数字经济产业发达的欧洲、北美、亚太地区，在数据要素流通等领域也有较为成熟的制度与经验。这些成熟的国际制度与经验能够给相对区域经济地带提供良好的示范效应。在本章节，我们主要援引欧盟及亚太经合组织APEC 作为“国际经验”论述的对象，欧盟及亚太经合组织 APEC 的成熟“国际经验”，核心在于不断深入的经贸往来和大一统市场为数据要素创造了稳定的流通基础，快速完善的数据立法共识弥合了对数据要素的价值认同，都是值得借鉴的宝贵经验。43（1 1）欧盟数据要素市场）欧盟数据要素市场早在 2015 年，为了打破欧盟境内的数字市场壁垒，打击美国互联网企业限制市场竞争的行为，欧盟发布单一数字市场战略，旨在推动欧盟数据资源的自由流动。另外自 2016 年通用数据保护条例颁布以来，欧盟陆续制定了欧盟非个人数据在欧盟境内自由流动框架条例、数字服务法案（Digital Services Act）、数字市场法案（Digital Markets Act），以及围绕数据共享、开发利用而制定的数据治理法案（Data Governance Act）和数据法案（Data Act）。通过这一系统法案的制定，欧盟一方面对个人数据实施最严格的保护，也开辟了跨境数据传输的新型多路径范式，更意指形成统一有效的数字市场，以便在未来形成强有力的市场竞争优势。也正是基于欧盟统一数字市场的吸引力，越来越多的国家开始寻求和欧盟之间的数字合作，例如，2023 年 2 月 1 日，新加坡和欧盟正式签署数字合作伙伴关系，全面促进双边在数字领域的合作。在数据跨境传输规则上，欧盟主要有以下做法：首先，建立了跨境数据传输的一般性规则，包括通过充分性要首先，建立了跨境数据传输的一般性规则，包括通过充分性要求、标准合同条款或有约束力的公司规则等。求、标准合同条款或有约束力的公司规则等。在上述立法中，不得不提的是欧盟通用数据保护条例（GDPR），其以地理区域为基准的充分性保护原则实施数据保护的预先防范，对于欧盟内部和外部的数据流动采用了统一标准。只要同欧盟公民的个人数据发生关联，GDPR 均有权利加以管制。GDPR 限制数据传输到地理范围的欧盟外部，要求提供充分性的数据保护。其次，在欧盟内部成员国数据流动方面，减少成员国间数据流其次，在欧盟内部成员国数据流动方面，减少成员国间数据流动的障碍。动的障碍。2018 年欧盟通过了一项关于非个人数据在欧盟自由流动框架的条例。该条例规定，除非出于公共安全理由，公司和公共管理机构可以在其选择的欧盟任何地方存储和处理非个人数据，禁止其成员国施加数据本地化要求，即在国内存储数据的义务。欧盟还在 2020 年发布了欧洲数据战略，提出了建立欧洲数据空间44的愿景，旨在促进数据在欧盟内部的自由流动和共享，为公共利益和社会福祉提供数据赋能，为欧洲数字经济提供竞争优势。再次，通过立法积极培育数据中介，促进数据流通和使用。再次，通过立法积极培育数据中介，促进数据流通和使用。2022 年，欧盟数据治理法案(DGA)生效。DGA 对电子数据的处理进行监管，无论是个人数据还是非个人数据，目的是协调成员国之间的数据治理，从而确保所有类型的数据在成员国之间自由流动。该法案旨在培育数据中介服务，倡导数据利他主义，增强整个欧盟数据共享机制来提升数据的可用性，具体措施包括在保障个人权利的前提下使公共部门数据可重复利用，推动企业间有偿共享数据，允许个人在数据中介帮助下使用数据，促进以公共利益为目的的数据使用等。欧盟作为一个整体市场，具有较大的规模优势和经济整合效应。这使得欧盟内的企业能够更有效地利用资源、扩大市场份额，并更好地竞争国际市场。同时，欧盟内的企业也能够更容易地在不同国家之间扩展业务，实现跨境合作和创新。这些无障碍的跨国界的合作和协调，使得欧盟成员国可以通过协商和共享最佳实践来解决数字市场中的问题和挑战，有助于减少不同国家之间的壁垒和障碍，推动数字经济的一体化发展。（2 2）亚太经合组织（）亚太经合组织（APECAPEC）亚太经合组织（亚太经合组织（APECAPEC）的数据要素市场经验）的数据要素市场经验显显然超越了区域经然超越了区域经济的范畴，成为济的范畴，成为“准国际经验准国际经验”的典范。的典范。亚太经济合作组织（Asia-Pacific Economic Cooperation，APEC）于 1989 年由 12 个亚太地区经济体成立，是全球最大的区域性经济合作组织，其成立目的是促进区域经济的发展和繁荣。APEC 于 2021 年扩展到 21 个经济体成员，其中包括美国、中国和日本等全球和区域主要经济体。APEC 的主要目标是为促进亚太地区的工业化经济体和发展中经济体之间达成自由和开放的投资和贸易。随着各成员经济体之间经贸往来不断增强，跨境贸易不断发展，基于经贸往来产生的数据也在不断增长，必然45伴随着大规模的数据要素跨境流通。为确保充分实现经济体间的数据安全流动，APEC 也关注如何在跨境交易中实现不同国家和地区数据保护规则和标准的协调和统一，从而让各经济体能够充分享受当今 全 球 数 字 经 济 的 利 益。在 APEC 隐 私 框 架（APEC PrivacyFramework）中提出了对数据跨境问题的解决方案。APEC 隐私框架在促进 APEC 经济体之间的数据跨境合作之外，将制度设计重点集中于对数据传输主体（如数据控制者）隐私保护情况的认证，而非对数据保护能力和机制的宏观评价，这将方便有数据跨境需求的企业更容易地满足合规需求，提升透明度和可预见性，降低合规成本。在保障安全的情况下促进数据跨境自由流动。主要有以下值得参考借鉴的经验做法：A.A.鼓励成员经济体之间互相共享数据鼓励成员经济体之间互相共享数据。APEC 隐私框架提出设立专门机构，用于支持数据跨境合作和经济体之间的隐私保护和数据共享。框架还提出建立国际标准，以方便国际隐私和个人信息流动的政策制定。B.B.建立经济体主管部门之间调查和执法的协同机制建立经济体主管部门之间调查和执法的协同机制。例如违法行为通报机制、信息共享机制、协助调查机制、合作案件处理的优先处理机制以及信息交换的保密机制等。C.C.建立保持个人信息跨境流动和隐私安全平衡的机制。建立保持个人信息跨境流动和隐私安全平衡的机制。基于责任制建立由政府背书、遵循自愿原则、可执行的隐私保护认证机制CBPR 体系。通过数据隐私小组的联合监督小组（Joint OversightPanel）进行统一管理，实施经济体、责任代理（AccountabilityAgent）和申请组织等三级认证制度，并通过经济体间隐私执法机关的合作提供强制效力保障。APEC 经济体中的数据控制者可以在满足认证要求后加入该认证体系，以向境外交易相对方证明自身的数据保护水平。在 CBPR 体系“问责制”的基础上采取类似美国的行业自律模式从事跨境数据传输活动。这一模式与欧盟的“充分保护”原则相比，节省了漫长而繁琐的充分性标准审查，减轻了对数据自由46流通的限制，政府及其机构更多的则是在数据控制者违反相应义务后才介入。D.D.要求成员经济体在非必要情况下减少对数据跨境的限制性规要求成员经济体在非必要情况下减少对数据跨境的限制性规定。定。在其他数据跨境目标经济体已通过立法或监管工具落实隐私框架并具备充分的隐私保障措施时，减少数据跨境限制。即使有限制应当遵循比例原则，与数据跨境的风险等级相当，并考虑数据的类型、传输目的等。通过上述对上合组织各个国家间的数据立法现状以及对各国数据流通的监管政策进行梳理，可看出上合组织国家数字经济政策和法律法规存在较大差异，导致数据要素流通的规则和标准不统一。由于各国对数字经济的认识和态度不同，对数据要素流通的管理和监管也有所区别，给数据要素流通带来了障碍和成本。此外，在数据交易流通方面，各国也没有形成统一的规则和标准，影响了数据要素市场化建设，掣肘了数字经济合作的推进。因此在上合组织区域内制定能平衡各国利益的数据流通政策、数据要素市场化建设政策将是数字经济发展的重要目标。47三、上合组织数据要素市场化配置的框架3.13.1 上合组织数据要素市场化配置的总体目标和愿景上合组织数据要素市场化配置的总体目标和愿景数据要素是指在数字经济中具有价值的信息资源，包括数据本身、数据处理能力、数据应用能力等。数据要素市场化配置就是将尚未完全由市场配置的数据要素转向由市场配置的动态过程，形成以市场为根本的数据资源体系，实现以数据促进生产、分配、流通、消费各个环节高效贯通。1包含了数据资源开放共享、交易流通、跨境传输等领域的内容。数据要素流通是数据要素市场化配置的重要手段和前提。一方面数据要素流通需要有健全的数据要素市场规则和标准，明确数据的产权、交易、安全等方面的制度和技术保障，促进数据的有序、高效、安全的流通。另一方面，数据要素市场化配置需要有充分的数据要素流通，增加数据的供需匹配度、质量和价值，促进数据的创新、竞争和合作。上合组织成员国中，各国重视数据要素市场化建设，将其作为发展数字经济的主要方式之一，通过制定数字经济相关政策制度，鼓励本国数据要素市场化发展，积极构建数字经济市场体系。中国发布了关于构建更加完善的要素市场化配置体制机制的意见，提出建立健全数据要素市场规则，统筹数据开发利用、隐私保护和公共安全，加快建立数据资源产权、交易流通、跨境传输和安全保护等基础制度和标准规范；制定十四五数字经济发展规划，提出加快推进数据要素市场化建设，充分发挥数据要素作用，构建以政策法规为依归、技术创新为特征、绿色发展为目标、数字要素为核心、安全可信为基础的数据要素市场化配置新体系。俄罗斯制定了俄罗斯联邦数字经济发展计划，开放满足经济发展需求的通信网络，以收集和传输来自国家、企业和公民的数1中华人民共和国国家发展和改革委员会.“十四五”数字经济发展规划解读加快推进数据要素市场化建设充分发挥数据要素作用EB/OL2022-01-21.https:/ 2020-2025 年、2026-2030 年和 2031-2040年。塔吉克斯坦希望在第二阶段，启动符合塔吉克斯坦信息安全规范和要求的区域、城市和地区的数字公共服务的项目，通过创建数据中心、平台，开发数字服务，努力在内部和机构间转变公共服务的提供方式，通过促进数据要素更合理的配置，提高政务和公共服务水平，并追求高于服务本身数字化的服务全程数字化。从以上可看出，虽然各国的数字经济政策中，并没有像中国直接提出了构建数据要素市场化配置的统一方案，但是各国均将数据要素视为了数字经济的核心引擎和基础资源，通过多种方式促进数据要素流通，进而释放数据价值赋能数字经济发展。上合组织成员国在 2020 年 11 月发表了上合组织成员国元首理事会关于数字经济领域合作的声明，于 2021 年 11 月批准了上合组织成员国政府首脑（总理）理事会关于促进数字经济发展的决议，这些声明与决49议的落地，为构建上合组织统一数据要素市场化建设提供了政策支撑。然而，数据要素市场是一项极其复杂的系统工程，世界各国均处于初期探索阶段，通过大范围的区域性组织探索统一的数据要素市场化建设，更是一项艰巨的历史性工程，但一旦探索成功，这将具有里程碑式的重大意义。中国从 2014 年开始，就开始积极的在探索数据要素市场建设，并从 2015 年起开始将数据要素市场的建设上升到中央战略规划，更是在 2020 年发布的关于构建更加完善的要素市场化配置体制机制的意见中，首次提出将数据视为新的生产要素，并明确扩大数据要素市场化配置范围，健全要素市场体系，推进要素市场制度建设。随后，连续制定发布了多项关于数据要素市场化建设的政策，提出加快培育建设数据要素市场。随着多项政策的落地，各地积极贯彻中央文件精神，持续推动数据要素市场建设的探索。数据产权制度的研究、数据交易所的建设、数据中介、数据服务商、数据资产登记、数据资产入表、数据经纪人等新型制度的探索为构建更加完善的中国数据要素市场夯实了基础。表表 2 2 中国关于推动构建数据要素市场建设政策一览表（部分）中国关于推动构建数据要素市场建设政策一览表（部分）国家标准化发展纲要提出要“建立健全大数据与产业融合标准，推进数字产业化和产业数字化”及“数据资源产权、交易流通、跨境传输和安全保护等标准规范”。2021-10-10“十四五”大数据产业发展规划提出要加快培育数据要素市场，建立数据要素价值体系，健全数据要素市场规则，提升数据要素配置作用。发挥大数据特性优势，驱动2021-11-3050产业高质量发展。要素市场化配置综合改革试 点 总 体 方案提出要建立数据要素流通规则，完善公共数据开放共享机制，健全数据流通交易规则。持续推进公共资源交易平台整合共享，规范发展大数据交易平台。2022-01-06“十四五”数字经济发展规划明确提出要加快数据要素市场化流通，创新数据要素开发利用机制。充分释放数据要素价值，实现 2025年初步建立数据要素市场体系的发展目标。2022-01-12关于加快建设全国统一大市场的意见加快培育数据要素市场，建立健全数据安全、权利保护、跨境传输管理、交易流通、开放共享、安全认证等基础制度和标准规范，深入开展数据资源调查，推动数据资源开发利用。2022-04-10国务院关于数字经济发展情况的报告提出要完善数字经济治理体系，加快出台数据要素基础制度及配套政策，推进公共数据、企业数据、个人数据分类分级确权授权使用，构建数据产权、流通交易、收益分配、安全治理制度规则，统筹推进全国数据要素市场体系。2022-11-16中共中央国 提出了以产权制度为基础、以流通2022-12-1951务院关于构建数据基础制度更好发挥数据要素作用的意见制度为核心、以收益分配制度为导向、以安全制度为保障的数据基础制度顶层框架，以及创造性提出数据资源持有权、数据加工使用权、数据产品经营权“数据三权分置产权制度”，为激活数据要素价值创造和价值实现提供基础性制度保障。从以上政策可看出，中国在数据要素市场化建设的决心与力度。通过多年的探索，中国在数据要素市场化建设上积累了丰富的实践经验，可为上合组织在构建数据要素市场化配置体制机制中提供良好的“中国经验”借鉴。因此，借鉴中国经验并结合上合组织的合作宗旨，提出上合组织数据要素市场化配置的总体目标与愿景建议：打造以打造以“上海精神上海精神”为指引、以为指引、以“一带一路一带一路”倡议为纽带、以倡议为纽带、以“四四个共同体个共同体”为目标的上合组织数字经济合作新模式，形成上合组织为目标的上合组织数字经济合作新模式，形成上合组织内部数字经济互联互通、互利共赢的良好局面，为地区稳定与繁荣内部数字经济互联互通、互利共赢的良好局面，为地区稳定与繁荣贡献贡献“上合力量上合力量”。3.23.2 上合组织数据要素市场化配置面临的难点和挑战上合组织数据要素市场化配置面临的难点和挑战当前，加强数字经济合作在世界范围内已成为了各国推动经济高质量发展的核心抓手，在上合组织实现数据要素化市场配置，可以激发数据创新活力，提升数字经济竞争力。然而数据要素市场化的建设，各成员国国内尚处于基础制度探索阶段，要在上合组织大体系框架下实现数据要素市场化的建设更是面临巨大困难和挑战，具体来说主要集中在以下几个方面：3.2.1 数据标准不统一上合组织成员国在数据要素的定义、分类、采集、存储、加工、52流通、分析等方面存在不同的规范和标准，这给数据要素的互通和互认带来了障碍，降低了数据要素的可用性。如，上合组织成员国之间，由于数据的格式、编码不统一，数据在成员国之间流通会造成一定程度上的障碍。比如，不同的数据格式可能导致数据的解析、存储、转换和传输的难度和成本增加，影响数据的质量和效率以及兼容性。以数据表示为例（Data Representation），巴基斯坦的官方语言为乌尔都语和英语，当使用英文字符和阿拉伯数字作为数据表示方式时，应当限定为表示以英文为基础的数据。而巴基斯坦另有一套乌尔都语文字和数字，表示这些文字所产生的数据时，应当是使用乌尔都字符和乌尔都数字（类似于波斯数字），但是表示这些文字产生的数据，就需要使用到其他的数据编码系统。至于编码方式，由于巴基斯坦使用英语，故英语的常见通用编码方式均可使用，如ASCII，Unicode 等，当然 ISO 8859-1（Latin-1）作为一种将拉丁字母、数字和标点符号转换为计算机可读的编码方式，英语自然也可以适用。但对于乌尔都语，则需要使用 UTF-8 编码才能实现机读编码的转换。再例如，俄罗斯在数据表示中，由于通行俄语并以俄语为官方语言，则其国内产生的数据多以俄语形式表示。俄语的基本构成元素即西里尔字母（包含 33 个基本字母和一些附加符号），而国际通行的阿拉伯数字在俄罗斯也是通用的，因此俄罗斯的数据表示形式是基于西里尔字母和阿拉伯数字组成的。至于编码方式，通行 UTF-8（Unicode 的一种），在 Unicode 未通用前，KOI8-R 是最为广泛使用的俄语编码。Windows-1251 同理，用作表示使用西里尔字母的文字，一般转为斯拉夫语言设计的编码，但在当今互联网上大多数的网站使用 UTF-8 编码。这些差异都可能导致在上合组织成员国之间交换数据时出现一些障碍，比如数据的显示错误、乱码、转换错误、排序错误等。因53此，为了保证数据在成员国之间的流通，需要采取一些措施，比如制定统一的数据标准、规范和协议，使用通用的数据格式和编码方式，进行数据的清洗、校验和转换，使用专业的数据交换平台和工具等。3.2.2 数据产权制度差异化数据要素产权制度是数据要素市场化配置的重要内容，是数据主体实现收益分配、数据要素市场稳定运行的前提。数据确权，至今来说在世界各国仍是世界性难题，尚未形成统一的认知。在上合组织成员国间，各国数据产权制度的立法水平和实施效果也存在差距，部分国家还没有完善的数据产权制度，不利于构建统一的数据要素市场。如，在上合组织成员国中既有传承大陆法系传统的（如中国、俄罗斯等），也有继受普通法系规定的（如印度、巴基斯坦），对于财产权或物权的制度规定各有不同，大陆法系将一般意义上的财产分为物权和债权，其中物权又有所有权、用益物权和担保物权三类，每一类又有具体的种类和内容，形成了一个封闭但完整的体系。而普通法系则没有物权这一概念，而是使用财产权来统称所有的财产权利，来指代对于特定财产的相对优先的利益或所有权，具体包括有形财产和无形财产，其中又根据不同财产对象和利益关系设计了各种制度，如土地保有、共有、信托、抵押、留置、质押等。而基于大陆法系与普通法系存在的一些差异，在数据产权制度的顶层设计中可能也会存着不同，对实现上合组织区域间数据要素市场化配置的统一架构可能也会面临着挑战：其一，大陆法系更倾向于将数据产权制度纳入成文的法典中，明确规定数据的定义、分类、归属、保护、转让、使用等方面的内容，形成一个系统化、逻辑化的概念体系。而普通法系则更倾向于通过判例法来解决具体的数据产权问题，根据不同的情境和利益关54系来确定数据的性质和权利范围，形成一个灵活化、实证化的规则体系。其二，大陆法系更倾向于将数据产权制度作为民法或财产法的一部分，借鉴物权或财产权的概念和制度来规范数据的权利关系。而普通法系则更倾向于将数据产权制度作为知识产权或信息权的一部分，借鉴版权或隐私权的概念和制度来规范数据的权利关系。其三，大陆法系更倾向于从数据所有者或生产者的角度来保护数据产权，强调数据的排他性和可转让性，以促进数据的流通和利用。而普通法系则更倾向于从数据使用者或消费者的角度来保护数据产权，强调数据的公共性和可共享性，以促进数据的创新和发展。以上不同法系的差异，可能导致了上合组织成员国本国的法律制度体系设计中，对数据产权制度存在不一样的认知，上升为区域性组织制度时更是可能难以形成统一的规则和机制。3.2.3 基于数据主权下的数据跨境流通监管规则不统一数据主权是指一国对本国数据及本国国民跨境数据拥有的所有权、控制权、管辖权和使用权，是国家数据主权和个人数据权利的总和，它代表了国家掌控本国数据的权力和正当性，是维护国家安全、经济发展和社会稳定的重要基础。数据跨境监管协同规则是上合组织之间数据要素市场化建设的重要基础，尽管上合组织成员国共处同一国际组织框架下，但一些成员国之间仍存在一些不同的发展战略和利益诉求，各国会在考虑自身国家安全和数据主权等多重因素下，对于数据的跨境流动持谨慎态度，这也在一定程度上成为了数据要素流通的阻碍。如俄罗斯涉及数据跨境流通的主要是关于信息、信息技术和信息保护法和俄罗斯联邦个人数据法这两部法律。在 2014 年时俄罗斯的数据本地化立法在第 242-FZ 号联邦法中确定，1根据该法1“Processing and Storage of Personal Data in the Russian Federation.Changes since September 1,2015,”Ministry of55律规定，任何存储俄罗斯国民信息的组织，无论是客户还是社交媒体用户，都必须将该数据移至俄罗斯服务器。俄罗斯在 2022 年进一步修改了俄罗斯联邦个人数据法，增加了通报作为个人数据跨境传输的前置程序，即运营商在跨境传输个人数据之前，必须向主管机构 Roskomnadzor 提交通报，并根据接收方所在国是否提供充分性保护，遵循通知模式或许可模式。其中，通知模式适用于接收方所在国或地区被认定为提供充分性保护的情况，即该国或地区的个人数据保护水平与俄罗斯相当或更高。许可模式适用于接收方所在国或地区未被认定为提供充分性保护的情况，即该国或地区的个人数据保护水平低于俄罗斯。在通知模式下，运营商在跨境传输个人数据之前，必须向主管机构 Roskomnadzor 提交通报，并提供相关信息，如运营商的姓名、地址、联系方式，个人数据的类别、目的、目的地国等。提交通报后，运营商即可进行数据跨境传输，除非 RKN 出于保护公民权利或国家安全等理由禁止或限制该传输。在许可模式下，运营商在跨境传输个人数据之前，也必须向Roskomnadzor 提交通报，并提供相关信息，如运营商的姓名、地址、联系方式，个人数据的类别、目的、目的地国等。但是提交通报后，运营商必须等待 Roskomnadzor 完成审议，在 Roskomnadzor 审议期间，运营商无权进行数据跨境传输，除非传输数据是为了保护个人数据主体或其他人的生命、健康、其他切身利益所必须。Roskomnadzor将在 10 个工作日内完成审议，并根据审议结果决定是否许可或禁止该传输。中国出于维护国家安全、公共利益和个人权益的角度，于 2022年 9 月 1 日正式生效了数据出境安全评估办法，并提出了具体的数据出境安全申报要求，如下图。表表 3 3 中国数据出境申报概要中国数据出境申报概要Telecom and Mass Communications of the Russian Federation,February12,201656中国数据出境申报向谁申报所在地省级网信办国家网信办申报数据出境安全评估的情形1.数据处理者向境外提供重要数据重要数据；2.关键信息基础设施运营者关键信息基础设施运营者和处理 100100 万人以上个人万人以上个人信息的数据处理者信息的数据处理者向境外提供个人信息；3.自上年自上年 1 1 月月 1 1 日起累计向境外提供日起累计向境外提供 1010 万人个人信息万人个人信息或者 1 1 万人敏感个人信息万人敏感个人信息的数据处理者向境外提供个人信息；4.国家网信办规定的其他需要申报数据出境安全评估的情形。数据出境行为1.数据处理者将在境内运营中收集和产生的数据传传输、存储输、存储至境外；2.数据处理者收集和产生的数据存储在境内，境外的机构、组织或者个人可以查询、调取、下载、导出查询、调取、下载、导出；3.国家网信办规定的其他数据出境行为。57申报流程申报材料1.统一社会信用代码证件影印件2.法定代表人身份证件影印件3.经办人身份证件影印件4.经办人授权委托书5.数据出境安全评估申报书6.与境外接收方拟订立的数据出境相关合同或者其他具有法律效力的文件影印件587.数据出境风险自评估报告8.其他相关证明材料数据处理者对所提交材料的真实性负责，提交虚假材料的，按照评估不通过处理，并依法追究相应法律责任。以上仅是列举了中国与俄罗斯在数据跨境流通中的一些监管要求，可看出两国之间在数据跨境流通中的监管要求上仍有较大的差异，其他上合组织成员国中各国对数据跨境也有不同的监管要求。在此背景下，数据处理者需了解和遵守各国不同的法律法规和标准要求，以及不同的审批机构和流程，通过一系列审批程序后，方可进行跨境数据的流通工作。3.2.4 缺乏统一的数据交易流通监管体系数据要素市场化配置是指把数据作为一种新型的生产要素，让市场机制来决定数据的供给、定价、流通和分配，从而最大化数据的价值和效益。简单来说，就是把数据当作一种商品，按照市场的规则和机制进行交易，由市场需求来确定其价值及收益分配。市场机制具有独特的激励机制，可以通过市场主体对利益的追求，及时地捕捉市场上供求关系的变化，通过价格信号来激励和引导市场主体进行生产、消费和投资等经济活动。数据要素市场作为一种新兴要素市场，需要一套符合数据要素特征的市场配套机制，才能保障数据要素市场的高效、合规、稳定运行。数据交易流通作为数据要素市场化配置的重要手段及途径，更是急需建立一套完善的配套机制，才能真正使其创造市场价值。但纵观全球的数据交易流通体系建设，国际社会虽然已经意识到数据流通带来的巨大利益价值，各国、各区域经济合作组织也在纷纷布局数据交易流通市场，但整体均处于初期探索阶段，数据确权难、定价难、估值难、监管难等问题仍是世界性难题。在中国，尽管数据交易市场已逐渐呈现欣欣向荣的态势，但是通过各地兴建的数据59交易机构来看，各地对于数据交易的监管政策都不统一，如数据产品上架规则，数据资产登记规则均各有差异，难以形成统一的数据交易流通监管体系。回看上合组织，在各成员国、观察国以及对话伙伴国家之间，对于数据交易市场配套机制政策中，各国对于数据交易的支持政策均不一致，甚至仍有部分成员国国内甚至尚未开始起步探索数据交易流通。而统一的数据交易流通监管体系建设却是数据要素市场化建设的重点内容，也是深化上合组织成员国合作，激发数字经济合作的新目标，故急需各成员国统一认识，并积极参与探索建设符合上合组织的数据要素流通监管体系。表表 4 4 上合组织成员国、观察员国、对话伙伴国家数据交易相关政策上合组织成员国、观察员国、对话伙伴国家数据交易相关政策规定规定国家国家数据交易相关规定数据交易相关规定印度共和国数据交易市场建设研究报告表明：“由于（印度）监管缺乏明确性，数据交易经纪市场在印度处于初级阶段，因此，印度老牌私营企业不会直接将个人数据出售给第三方。”1印度政府的重要经济规划文件2019 年印度经济调查（2019 Economic Survey of India）在第一部分规定了数据市场相关内容。该节将数据与自然资源进行比较，强调印度需要利用数据的经济价值，并指出匿名化处理的数据附有公共利益，应用于公共利益目的。2哈萨克斯坦暂无1Deloitte.UnlockingthepotentialofIndiasdataeconomy:Practices,PrivacyandGovernanceEB/OL.https:/ Kak,Samm Sacks.Shifting Narratives and Emergent Trends in Data-Governance Policy:Developments in China,India,andtheEU）DB/OL.2021-08-08.https:/law.yale.edu/sites/default/files/area/center/china/document/shifting_narratives.pdf60吉尔吉斯共和国吉尔吉斯共和国鲜有明确的立法和政策，国内及跨境交易中的数据交易也并不活跃。2014 年 11 月 25 日发布并于 2020 年 7 月 22 日修订的吉尔吉斯共和国关于信用信息的交换法规，对持牌信用局、供应商和信用信息用户之间在信用信息保护，以及基于信用记录提供信用报告的共享进行了规定。巴基斯坦伊斯兰共和国暂无俄罗斯联邦俄罗斯数据中心市场规模较小且地域发展并不平衡。近几年来，俄罗斯云服务和计算能力快速增长，以及外国公司的数据本地化存储法令造成数据中心市场供不应求。俄罗斯在国际地缘政治中受到的制裁影响也体现在了数据中心设备进口替代和国产化需求上。但是，俄罗斯对于大数据交易市场充满了信息，2023年 4 月 18 日，由俄罗斯大数据协会主办的首届俄罗斯数据论坛认为，到 2024 年，俄罗斯大数据市场可能增长 90%，达到 319 亿卢布。2021 年，俄罗斯数字发展部提议创建国家大数据运营商，以有偿向人工智能的商业开发者提供部委和部门的匿名大数据，但该构想仍处于概念的初步版本阶段。塔吉克斯坦共和国根据由 ESCAP 牵头的跨境无纸贸易(CBPT)数据库，塔吉克斯坦已有国际数据交易经验。为解决邻近国间海关数据交换（C2C，Customs to Customs）相关问61题，阿富汗与塔吉克斯坦间在贸发会协助下开展海关数据交换项目，便利了数据贸易。乌兹别克斯坦共和国乌兹别克斯坦共和国曾参与由世界银行牵头，由联合国贸易和发展会议（UNCTAD）和联合国欧洲经济委员会（UNECE）实施的海关数据交易项目。该数据交易项目的目的是加强对过境业务的控制和监测，打击毒品贩运、走私。UNCTAD 和 UNECE 协助各国就协议签署进行谈判，商定需要流通的海关数据，由UNCTAD 构建数据交易系统（数据自动化系统数据处理系统）。1伊朗伊斯兰共和国暂无白俄罗斯共和国暂无蒙古国最有代表性的是蒙古国国家区块链数字资产交易所（MDE）。2021 年 6 月 6 日，以蒙古国国家信用银行为依托的全球支付落地应用系统 MDCP（蒙信资产）上线，同年 7 月 7 日 MDCP 登陆蒙古国国家区块链数字资产交易所（MDE），成为其重要生态应用组成。2据媒体报道，MDCP 有着得天独厚的发展条件与优势。一方面，MDCP 背靠蒙国所，蒙国所是全球第一家以国家命名的交易所，自创立之初就带有浓厚的国家政府色彩。蒙古国国家区块链数字资产交易所1UNECE Project Proposal 2_Customs Data ExchangeDB/OL.https:/unece.org/fileadmin/DAM/SPECA/documents/gc/session9/ProjProp2_CustomsDataExchange.pdf2商讯直通车.蒙信银行力推 MDCP 区块链支付引领蒙古国新经济EB/OL.2021-05-24.https:/ 的发行方依托蒙古国国家信用银行，该银行前身由俄罗斯金融大鳄控股，而蒙国所 MDE 则可以将为所有在其交易所注册的会员提供一个蒙古国国家信用银行的银行账户，实现资产的自由流转与互通，同时蒙古国国家信用银行即将在蒙古国扎门乌德国际自由贸易特区设分行与中国二连浩特自由特区范围内建立代表处，为中蒙两国贸易发展做出贡献，也为 MDCP 的国际支付系统及区块链的落地应用提供金融支持。MDCP 就是依托蒙古国国家信用银行发行的全球支付通证。该通证以蒙古国国家信用银行为依托，借助区块链 3.0 技术，使 MDCP 在支付领域中具有绝对的优势。2022 年 19 日蒙古国正式成立蒙古国区块链研究所，计划对区块链技术进行多元化的研究将应用于更多的现实使用场景。1卡塔尔国暂无尼泊尔暂无沙特阿拉伯王国暂无土耳其共和国暂无斯里兰卡民斯里兰卡电信（SLT）公司在距其首都科伦坡 40 公里1区块财经.蒙古国正式成立蒙古国区块链研究所，将应用于更多现实使用场景EB/OL.2022-08-22.https:/ 500 个机架的国家数据中心。该数据中心设施是在斯里兰卡电信和数字基础设施部的帮助下建成的，并获得了 UptimeInstitute 的三级设计认证。斯里兰卡电信（SLT）公司称这个数据中心设施是斯里兰卡第一个专门建设的Tier 3 级数据中心。1此外，2021 年，Dialog Axiata 在斯里兰卡科伦坡附近开设一个新的 Tier 3 级数据中心。该设施位于皮利安达拉，将主要为电信运营商所用，以使其能够通过该数据中心扩大其向企业和其他客户提供的云与IT 服务。23.33.3 上合组织数据要素市场化配置顶层设计方案建议上合组织数据要素市场化配置顶层设计方案建议为解决上述提出的困难与挑战，实现上合组织数据要素市场化配置目标进程及展望，上合组织可以形成共识，在尊重各成员国数据主权和法律制度的基础上，制定一个统一的数据要素市场化配置的顶层设计，为各成员国数据要素市场化配置以及上合组织统一数据要素市场配置提供参考。本节将借鉴中国较为成熟的经验及结合上合组织的特点，尝试提出上合组织数据要素市场化提出总体的配置方案框架建议，供后续研究参考。3.3.1 数据要素市场化配置目标数据要素市场化配置目标上文已提出了关于上合组织在数据要素市场化配置中的目标及愿景，此处不再赘述。值得一提的是，今年正值共建“一带一路”倡议提出十周年之际。十年来，中国秉承共商共建共享原则，与1维科网_资讯.斯里兰卡电信公司国家数据中心正式开通运营EB/OL.2018-01-24.https:/ Axiata 启动位于斯里兰卡的新数据中心EB/OL.2021-06-22.https:/ 年，在推动共建国家基础设施互联互通方面，“一带一路”建设可谓硕果累累。雅万高铁作为东盟第一条高速铁路试验运行，柬埔寨第一条高速公路正式通车；2022 年开行中欧班列 1.6 万列、发送 160 万标箱，同比分别增长 9%、10%，充分发挥中欧班列战略通道作用；西部陆海新通道班列发送货物 75.6 万标箱，同比增长 18.5%。2同时，中国积极推进共建“一带一路”国家标准领域对接合作，已有超过三分之一“一带一路”沿线国家和地区在建重点基础设施项目采用中国标准，中国行业或企业在全球市场主导能力显著提升。3在此背景下，上合组织可以在原有的合作声明的基础上，达成共识，加快数据要素的互联互通，抢占数字经济新高地。3.3.23.3.2 数据要素市场化配置的路径数据要素市场化配置的路径明确上合组织数据要素市场化配置的具体路径，如建立统一的数据标准、规范和协议，推动数据跨境流通和交易，构建完善的数据交易平台和服务体系，培育多元化的数据交易主体和模式等。（1 1）制定统一的数据标准、规范和协议。）制定统一的数据标准、规范和协议。上文提到，各成员国之间的数据标准不统一，在数据共享交换流通时，则可能因为数据显示错误、排序错误、传输错误等情形，阻碍数据流通。例如，如果接收方将发送方提供的按照 UTF-8 编码进行传输的中文文本按照ASCII 编码进行传输，就可能会出现字符丢失或变形的情况。为解决此类问题，提出如下建议：一是可参考国际通用或先进的数据标准、规范和协议。结合成1央广网.【每日一习话】推动共建“一带一路”高质量发展EB/OL2023-03-27.http:/ 年开行中欧班列 1.6 万列、发送 160 万标箱EB/OL.2023-01-04.http:/ 共建“一带一路”：十年征程再出发N.光明日报.2023-01-11(12).65员国实际情况和需求，制定适合上合组织合作范围内统一的数据标准、规范和协议，并进行定期更新和完善。二是上合组织应该推广使用通用或兼容性强的数据格式和编码方式。在保证数据质量和效率的前提下，尽量减少因为使用特殊或私有的数据格式和编码方式而造成的障碍和损失。例如，使用 XML、JSON 等通用格式来表示结构化或半结构化的数据；使用 UTF-8 等通用编码来表示多种语言字符。三是上合组织应该建立专业的数据交换平台和工具。在发送或接收方之间进行有效的数据清洗、校验和转换，消除数据中的错误、冗余或不一致，保证数据的准确性和完整性。例如，使用 ETL（Extract,Transform,Load）等技术或工具来提取、转换和加载数据。四是建立统一的数据流通协议。数据跨境协议是指在数据跨境流动过程中，数据提供方和数据接收方之间签订的关于数据处理范围、保护措施、安全事件处置等方面的约定，以保障数据的安全和合规性，促进数据的开放共享和流通。在上合组织制定统一的数据跨境协议，有利于明确双方的权利义务，增强上合组织成员国之间的信息安全信任和合作，防止数据泄露、滥用、篡改等风险，维护各国的国家安全、公共利益和个人隐私；有利于展现上合组织在国际信息安全领域的影响力和话语权，为构建和平、安全、公正和开放的信息空间贡献“上合智慧”和“上合方案”。制定统一的数据跨境协议，可以参考中国在 2023 年 6 月正式施行的个人信息出境标准合同办法等相关标准文件，确定数据分类分级、数据处理范围、数据保护措施、数据安全事件处置等内容，并根据不同类别和类型的数据采取相应的保护措施和使用规范。同时，也可以借鉴其他国际组织或机构在数据跨境方面的经验和做法，如欧盟的通用数据保护条例（GDPR）、亚太经合组织（APEC）的跨境隐私规则（CBPR）等经验。66（2 2）构建上合组织统一数据交易流通监管体系及数据交易平台。）构建上合组织统一数据交易流通监管体系及数据交易平台。数据要素交易流通是数据要素市场化配置的重要手段和途径，而正如上文所述，上合组织成员国之间在数据规则制度、技术标准、安全保障等方面存在差异和障碍，数据流通和交易效率不高，数据价值未能充分释放。因此，在当前形势下，有必要建设统一的数据交易流通监管体系引导上合组织成员国安全合规地进行数据交易流通，并通过多层次数据交易平台实现数据资源的市场化配置，对于上合组织具有重要意义。我们在第二章详细介绍了上合组织成员国及各观察国间的数据跨境流通监管规则，可看出各个国家之间出于数据主权、国家安全的考虑，对数据跨境流通总体上来说是持谨慎的态度。而要在区域性组织中实现统一的数据流通规则体系，是一个复杂漫长的过程，需要取得各个成员国的统一认识，并通过制定多边协议进而达成可落地的实施方案，本处不再赘述。在上合组织地方经贸合作示范区内构建数据交易平台是完善在上合组织地方经贸合作示范区内构建数据交易平台是完善数据要素市场化配置的重要途径。数据要素市场化配置的重要途径。目前，在中国区域内已经为服务上合组织而建设的涉及数据领域的平台，如上海合作组织国家多功能经贸平台、中国上海合作组织大数据合作中心、中国上海合作组织地方经贸合作综合服务平台等多个平台，但这些平台的类型、形式、内容、服务等方面也存在较大差异，且这些平台目前均没有涉及开放数据交易的功能。数据交易流通是数据要素价值释放最直接、最有效的途径之一，在上合组织构建数据流通交易平台可以为上合组织国家间提供多元化、个性化、智能化的数据服务，满足各类主体的不同需求，激发数字经济活力和创新力。为此，在上合组织间构建完善的数据交易平台变得具有必要性和紧迫性。2018 年 6 月 10 日，习近平总书记在上海合作组织成员国元首理事会第十八次会议上宣布，“中国政府支持在青岛建设中国上海合作组织地方经贸合作示范区”。上合示范区是国务院批准设立的67全国首个面向上合组织国家的地方经贸合作示范区，旨在打造“一带一路”国际合作新平台，拓展国际物流、现代贸易、双向投资、商旅文化交流等领域合作。1在此背景下，上合示范区内建设数据交易平台具有可行性，具体有以下几个方面：其一，地理位置优势。上合示范区位于中国东部沿海的山东省青岛市，是连接亚欧大陆的重要枢纽，是“一带一路”建设的重要节点，是上合组织国家间经贸往来的重要通道。上合示范区内建立数据流通交易平台，可以充分利用其地理位置优势，打造陆海空多维度的数据物理通道，实现数据的高效流动和交换。其二，政策支持优势。上合示范区是习近平主席在上合组织峰会上宣布的重大倡议，是国家战略层面的重大举措，享有国家级的政策支持和优惠。上合示范区内建立数据流通交易平台，可以充分利用其政策支持优势，探索制定更加开放、灵活、创新的数据政策和法规，为数据流通交易提供更加有利的制度环境。其三，市场需求优势。上合示范区涵盖了港口、物流、贸易、金融、旅游等多个领域，涉及了海关、税务、检验检疫等多个部门，聚集了众多的企业、机构和个人，对数据资源和服务有着旺盛的需求。上合示范区内建立数据流通交易平台，可以充分利用其市场需求优势，整合各方面的数据资源和服务需求，形成规模化、多样化、高质量的数据市场。其四，国际合作优势。上合示范区是面向上合组织国家的开放平台，是促进“一带一路”沿线国家经贸合作的桥梁纽带，是推动构建人类命运共同体的实践载体，具有广阔的国际合作空间和潜力。上合示范区内建立数据流通交易平台，可以充分利用其国际合作优势，加强与上合组织国家及其他相关国家和地区在数据领域的对接和沟通，拓展数据合作的广度和深度。1中国上海合作组织地方经贸合作示范区EB/OL.https:/ A.建立统一的数据管理平台建立统一的数据管理平台。上合示范区内应建立一个统一的、开放的、高效的、安全的数据管理平台，作为各方进行数据流通交易的主要载体和窗口。该平台应具备以下功能：一是提供全面、及时、准确的经贸信息，包括政策法规、市场动态、行业分析、项目推介等；二是提供多元化、个性化、智能化的数据服务，包括报关报检、物流运输、金融保险、税收政策等；三是提供公开透明的数据治理规则和机制，包括数据定义、分类、编码、格式、协议等；四是提供先进可靠的数据技术和服务体系，包括隐私计算、云存储、算力服务等。2022 年 11 月 25 日，中国上海合作组织地方经贸合作综合服务平台正式上线运行，该平台是上合示范区推出的全国首个面向上合组织国家地方经贸领域的一站式公共服务平台，依托中国国际贸易“单一窗口”，打造成为中国与上合组织国家间经贸资讯服务中心和数据交互中心，为上合组织国家间经贸开放融通提供示范方案。1基于该平台覆盖了上合国际经贸交易、通关、物流、金融各环节服务功能，未来将会沉淀海量有价值的数据。在解决了数据产权制度及数据收益分配的前提下，可考虑依托该平台作为数据提供方输出一批有价值的数据产品，也可考虑就该平台内开发具有数据交易的功能，供上合组织成员国企业之间实现数据资产的流通交换。B B.推进数据互联互通。推进数据互联互通。上合示范区内数据交易平台应推进与上合组织国家及其他相关国家和地区在数据领域的互联互通，打造数据的“丝绸之路”。具体措施包括：一是建立数据物理通道，利用陆海空多维度的通信基础设施网络，实现数据的高效流动和交换；二是建立数据标准对接，通过协商和融合，实现数据的互通互认和兼1央视新闻.全国首个面向上合组织国家地方经贸领域一站式公共服务平台上线启用EB/OL.2022-11-25.https:/ E.深化国际数据合作交流。深化国际数据合作交流。上合示范区内应深化与上合组织国家及其他相关国家和地区在数据领域的合作交流，增进各方的相互了70解和信任，促进各方在共同利益和关切下达成共识和协调。具体措施包括：一是举办定期或不定期的数据合作交流会议或论坛，邀请各方政府、企业、机构、专家等参与讨论交流；二是建立常态化或专项化的数据合作交流机制或平台，为各方提供沟通协商的渠道和窗口；三是开展多层次或多领域的数据合作交流项目或活动，为各方提供合作学习的机会和平台；四是建立互惠互利或共建共享的数据合作交流原则或理念，为各方提供合作共赢的目标和动力。总之，上合示范区内建立数据流通交易平台是一项具有重要意义、优势、机遇、难点和挑战的战略任务，需要各方共同努力，积极探索，不断实践，以期为上合组织国家间数据合作提供示范方案和引领作用。3.3.33.3.3 培育多元化的数据交易服务生态培育多元化的数据交易服务生态参考中国目前的数据交易市场现状，场内交易市场仍处于初期探索阶段，交易市场仍不是太活跃，甚至多个地方数据交易场所尚未正式开展业务。而几个比较活跃的数据交易机构，如贵阳大数据交易所、深圳数据交易所、北京数据交易所以及上海数据交易所，能够发现这些数据交易所均在积极构建自己的数据交易生态，通过积极发展数商、数据中介机构、数据经纪人、第三方专业服务机构等方式有效联动各方数据资源，推动数据要素市场形成一种新的多元化的数据商业模式。在上合示范区内培育多元化数据交易服务生态，可以为数据提供更多的流通渠道和收益机制，为数据需求方提供更多的选择空间和应用场景，为数据交易双方提供更多的信任保障和风险防范，为社会公众提供更多的共享利益和发展机遇。培育多元化数据交易服务生态应该围绕以下几个方面来实现：培育专业化的第三方服务机构。培育专业化的第三方服务机构。中国在“数据二十条”中对数据交易服务生态提出了要围绕促进数据要素合规高效、安全有序流71通和交易需要，培育一批数据商和第三方专业服务机构。其中重点鼓励要有序培育数据集成、数据经纪、合规认证、安全审计、数据公证、数据保险、数据托管、资产评估、争议仲裁、风险评估、人才培训等第三方专业服务机构。建立数据商和第三方专业服务机构的培训和评价体系，提供数据交易相关的知识、技能、规范等培训，建立数据商和第三方专业服务机构的信用评价等机制，提升数据交易的质量和效率。建立数据商和第三方专业服务机构的激励和支持政策，提供税收优惠、财政补贴、金融扶持等政策措施，鼓励数据商和第三方专业服务机构创新发展，提升数据交易的活力和竞争力。在上合组织中，应重视培育一批熟悉上合组织多个国家国情政策的第三方专业机构，如探索构建具有“上合特色”的数据经纪人、数据信托制度促进数据要素的流通价值实现。加强数据供给方的培育和激励。加强数据供给方的培育和激励。鼓励上合示范区内的政府、公共事业机构，企业、个人等提供高质量、高价值的数据资源或数据产品，建立数据确权、评估、认证等制度，保障数据的安全和合规。在数据流通交易市场，数据权属是直接影响数据供需双方交易意愿的重要因素之一，只有明确了数据权属，数据供需双方权利实现才得以保障，才更愿意进入交易流通。但是数据确权一直都是一个国际性难题，中国在“数据二十条”中，率先提出了数据三权分置的产权制度，是一个重大的理论创新，可成为一种国际经验借鉴。由中国提出的“数据三权分置产权制度数据三权分置产权制度”，主要内容为淡化数据的所主要内容为淡化数据的所有权，建立公共数据、有权，建立公共数据、企业数据企业数据、个人数据的分类分级确权授权制、个人数据的分类分级确权授权制度，根据数据来源和数据生成特征，分别界定数据生产、流通、使度，根据数据来源和数据生成特征，分别界定数据生产、流通、使用过程中各参与方享有的合法权利，建立数据资源持有权、数据加用过程中各参与方享有的合法权利，建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制。工使用权、数据产品经营权等分置的产权运行机制。关于公共数据，从国际层面看，目前还没有一个统一的公共数据的定义和分类，不同的国家或地区对于公共数据的理解和界定也有所差异。一般来说，公共数据可以理解为由政府或具有公共事务72管理职能的部门在管理公共事务过程中收集的数据。从国内层面看，以中国为例，目前从法律层面也并未对公共数据做出明确的定义，其相关定义及规定目前更多的是出现在各地的地方立法层面中。“数据二十条”中明确提出，对各级党政机关、企事业单位依法履职或提供公共服务过程中产生的公共数据，加强汇聚共享和开放开发，强化统筹授权使用和管理，推进互联互通，打破“数据孤岛”。这一政策精神的提出具有引领性和前瞻性。但由于区域性组织不同于单一主体的国家，在制度上可由一国的中央机关自主决定即可制定相关的政策规定，而区域性组织之间在对某一法律事件定义时，通常需要经过漫长的多边协商过程。聚焦到作为“一带一路”地方经贸合作的先行区的上合地方经贸合作示范区来说，因其平台面向的是为上合组织国家提供多功能的综合服务，在管理过程中可能会汇聚各个国家各种类型不同的数据，是否可以按照公共数据进行定义？是否可以按照“原始数据不出域”的方式开放共享？如何定义“域”的边界？是以上合组织之间共同打造一个全新的公共数据开放平台还是在原有平台中实现公共数据的开放？这是一个极其复杂的问题，本白皮书仅是抛砖引玉，不在此详细展开，留待下一步的研究探讨。对于企业数据对于企业数据，如是其通过合法收集，并采取了访问管控措施的，同时满足了其所在国以及中国数据流通监管政策的数据，应赋予数据资源持有权数据资源持有权，承认和保护其对持有数据资产的经济利益；而对于已经取得数据主体合法授权或者数据资源持有者合法授权的情况下，可以赋予其对这些数据享有加工使用权加工使用权；对于数据处理者经合法收集或合法授权的数据，经其投入了创造性劳动和进行实质性加工，并形成具有一定价值和功能的数据集合或数据产品、数据应用，可对数据产品进行开发、使用、交易和支配的权利。数据产品经营权还包含了对自己研发的数据产品进行使用或授权他人使用的权利、根据市场规则和公平原则，对自己研发的数据产品进行出售、73转让、许可或以其他方式交易的权利、对自己研发的数据产品享有排他性的支配和处分的权利，可以决定数据产品的生命周期、更新频率、维护方式等。对于个人数据，对于个人数据，基于上合组织是一个区域间国际组织，在上合组织尚未形成统一的数据跨境流通监管政策时，各成员国数据产品中若包含个人信息的，首先需要满足所在国的数据监管政策，这是数据能够在中国享有相关数据权利的前提。其次，由个人持有或数据处理者按个人授权范围采集、持有和使用数据，明确个人信息数据的采集目的、授权方式、使用期限等，保障个人隐私和数据安全。在个人信息保护上，各国监管政策均保持严谨的态度（详见第二章），如进入流通的数据产品违反中国个人信息保护法的，则无法进入流通交易。值得一提的是，中国目前对于数据跨境流通的政策均侧重于数据出境的监管，而在上合示范区内可能涉及各个成员国数据入境的问题，如何保障数据入境的安全风险管控，这也是需要考虑的地方。建议在条件成熟时，可考虑在等特定区域打造跨境大数据存储处理基地和国际数据枢纽港，利用国际互联网专用通道，让数据和信息实现上传/下载自由流动，并与国内互联网物理隔离，以防范数据入境的一些不可控风险。3.3.43.3.4 完善数据资产登记制度完善数据资产登记制度（1 1）完善数据资产登记制度是数据资源转变为数据资产的重要）完善数据资产登记制度是数据资源转变为数据资产的重要途径。途径。数据资产登记是数据要素市场化配置的基础性制度，是保障数据权利主体合法权益、促进数据流通交易、实现数据价值共享的重要前提。但目前，国内外均未形成统一的数据资产登记制度和标准。从中国的政策及实践层面来看，数据资产登记的目的主要有以下几个方面：确定数据权属。确定数据权属。数据资产登记可以明确数据资源和数据产品的来源方、持有方、开发方、需求方等各方主体的权利义务，为数据74权属争议提供依据，为数据侵权赔偿提供证据，为数据安全保护提供保障。发现数据价值。发现数据价值。数据资产登记可以对数据资源和数据产品进行标准化、规范化、可视化的展示，提高数据可信度、可用度、可比度，为数据价值评估和定价提供参考，为数据市场化和商业化提供条件。促进数据流通。促进数据流通。数据资产登记可以对数据资源和数据产品的流通交易进行记录、存证、追溯，提高交易透明度、效率、安全性，降低交易成本、风险、壁垒，激发交易活力、创新力、竞争力。推动数据合作推动数据合作。上合组织涉及多个国家和地区的多种类型和形态的数据资源和产品，涉及多个层次和领域的多个主体和利益相关者，如何界定和保护各个数据主体的数据权利和义务，是一个重要而紧迫的问题。通过建立健全数据资产登记制度，可以明确各方主体在数据价值链中的地位和角色，规范各方主体在数据采集、加工、开发、交易等过程中的行为和责任，维护各方主体在数据资源和产品中所投入的劳动和其他要素的合法权益，防止和解决可能出现的数据侵权、纠纷和风险。数据资产登记可以构建上合组织国家间的数据信任机制、协作机制、共赢机制，促进各国在政策法规、标准规范、技术应用等方面的沟通协调，加强在经贸投资、科技创新、社会治理等领域的深度融合。随着上合组织成员国未来合作的加强，尤其是在经贸领域的合作将会产生海量的数据，而这些数据通过整合汇聚、加工分析后，将会使数据价值得以释放，对促进数字经济产生巨大作用。从中国目前的实践探索来看，对于数据资产登记既存在市场行为也存在政府行为。即部分地方的数据交易平台为流通至本平台的数据资产进行登记并颁发相应的资产登记凭证，部分地方由政府数据主管部门进行登记并颁发相应的数据资产登记证明。而从整体来看，由申请人向数据交易机构申请登记并最终由政府数据主管部门颁发数据资75产凭证是目前主要的做法。（2 2）探索以多功能服务平台作为载体完善数据资产登记。）探索以多功能服务平台作为载体完善数据资产登记。在上合组织区域内，可以考虑将具有数据交易功能的平台作为资产登记的承载平台，由数据权利主体将数据完成市场化行为后再由政府相关数据主管部门进行登记。但鉴于上合组织毕竟是区域性国际组织，在数据资产登记上可能与国内目前的登记方法有所不同。本白皮书以上合组织地方经贸综服平台（下称综服平台）为例，尝试提出以下解决方案，供后续研究参考。数据资产的登记应涵盖数据资源到数据交易流通的全过程，即应设计给予数据资源、数据资产、数据交易流通各个环节的登记，以满足不同阶段形态的数据权利实现。数据资源登记。数据资源登记。数据资源是指具有潜在使用价值的数据集合，是数据资产的基础形态。综服平台将对各类数据资源进行统一登记，包括数据资源的名称、类型、简介、应用场景描述、数据来源、使用限制、数据用途等内容，以及数据资源的来源方和持有方等主体信息。数据资源登记的目的是确定数据资源的持有权，为下一步的数据资产确权、确认和交易准入提供依据。数据资源登记的申请人一般是数据资源的持有方。数据产品登记。数据产品登记。数据产品是指经过特定算法或模型加工处理后的数据集合，是数据资产的高级形态。综服平台将对各类数据产品进行统一登记，包括数据产品的名称、类型、应用场景、使用说明、交付方式、更新时间及频率、编码格式等内容，以及数据产品的开发方、需求方等主体信息，以及数据产品所用的数据资源相关信息。数据产品登记的目的是确定数据产品的使用权和经营权，并提供数据产品所基于数据的溯源功能。数据产品登记的申请人一般是数据产品的开发方，同时需获得数据资源持有方和来源方的确认。数据资产流通登记。数据资产流通登记。数据资产流通登记存证是指利用区块链等76技术对数据资源和产品的交易行为进行存证的过程。示范平台将对各类数据资源和产品的流通交易进行记录、存证、追溯，包括流通标的名称、成交日期、成交金额、标的内容简介、用途、使用期限、使用次数、使用限制、安全等级、保密要求等内容，以及流通标的相关主体信息。数据资产流通登记存证的目的是记录和证明数据资源和产品流通的来龙去脉，也是向外界展示数据权利的证明，确保交易行为的真实性和合法性，并为市场价值评估和监管提供有效凭证。1（3 3）探索构建特色的数据资产登记制度）探索构建特色的数据资产登记制度。上合地方经贸示范平台作为一个区域性国际组织的地方经贸合作服务平台，其数据资产登记也将面临着一些特殊的困难与挑战，主要是以下几个方面：法律法规不统一。法律法规不统一。上合组织国家涉及不同的法律体系和法律文化，其对于数据产权的界定和保护有着不同的规范和标准，如何协调和统一各国的法律法规，是上合示范平台数据资产登记的重要前提。此外，上合组织国家在数据安全、隐私保护、跨境流通等方面也有着不同的要求和限制，如何在尊重各国主权和法律的基础上，实现数据资源和产品的互认和互通，是上合示范平台数据资产登记的重要难题。技术标准不兼容。技术标准不兼容。上合组织国家在数据采集、加工、开发、交易等方面采用了不同的技术标准和系统，如何实现技术标准的对接和兼容，是上合示范平台数据资产登记的重要条件。此外，上合组织国家在数据质量、格式、结构等方面也存在着差异和差距，如何实现数据资源和产品的规范化和标准化，是上合示范平台数据资产登记的重要任务。市场需求不明确。市场需求不明确。上合组织国家在经济社会发展水平、文化习惯、消费偏好等方面有着较大的差异，其对于数据资源和产品的需求也有着不同的特点和规模，如何准确把握各国市场需求，是上合1于施洋、王建冬、黄倩倩.论数据要素市场M.北京:人民出版社,202377示范平台数据资产登记的重要依据。此外，上合组织国家在数据交易市场的发展程度、交易模式、交易规则等方面也有着不同的现状和问题，如何有效促进各国市场发展，是上合示范平台数据资产登记的重要目标。为此，我们建议：一是在探索上合经贸综服平台数据资产登记中，应该以尊重主权、互利互惠、开放包容、创新发展为原则，建立健全上合示范平台数据资产登记的法律法规体系，协调和统一各国的法律法规，保障数据产权的界定和保护，促进数据安全、隐私保护、跨境流通等方面的合作；二是建立健全上合示范平台数据资产登记的技术标准体系，对接和兼容各国的技术标准和系统，实现数据资源和产品的规范化和标准化，提高数据质量和可信度；三是建立健全上合示范平台数据资产登记的市场需求体系，把握和满足各国市场需求，实现数据资源和产品的匹配和对接，提升数据价值和竞争力；四是建立健全上合示范平台数据资产登记的监督管理体系，记录和存证数据资源和产品的来源，实现数据交易和流通的透明化以及可追溯性，防止和解决可能出现的数据侵权、纠纷和风险。在登记模式上，我们建议可探索建立分级分类登记模式。根据数据资源和产品的来源国、类型、形态、规模、敏感性等特点，将其分为不同的级别和类别，采用不同的登记标准和流程，实现数据资产登记的科学化和精细化。联合协作登记模式。根据数据资源和产品的来源、提供者、权利人、使用者等主体，建立各方的联合协作机制，可允许不同国籍的数据主体采用共同申请、共同确认、共同存证等方式，实现数据资产登记的合法化和有效化。线上线下登记模式。根据数据资源和产品的特性、需求、风险等因素，建立线上线下相结合的登记渠道，采用网上申请、网下审核、网上存证等方式，实现数据资产登记的便捷化和安全化。78动态更新登记模式。根据数据资源和产品的变化、交易、流通等情况，建立动态更新的登记机制，采用实时记录、定期报告、随机抽查等方式，实现数据资产登记的及时化和准确化。79四、上合组织数据要素流通基础设施建设4.14.1 上合组织数据基础设施建设现状与挑战上合组织数据基础设施建设现状与挑战4.1.1 上合组织数据基础设施建设现状上文分析了数据要素市场化的总体目标及困难挑战，并提出了上合组织数据要素市场化配置的方案建议。但数据要素市场化配置需要依赖于完善的数据基础，数据基础设施和平台是数据要素流通的物理载体和技术支撑，可以为数据要素提供安全可信的存储、传输、处理和交易等服务，提高数据要素流通的质量和效率从而促进数据要素市场化配置的发展。上合组织作为一个涵盖政治、经济、安全、人文等多个领域的综合性区域组织，拥有丰富的数据资源和广阔的数据应用场景，加强数据基础设施建设，有利于促进上合组织成员国之间的数字技术合作、数据要素流通、数字产业发展和数字治理创新，为构建人类命运共同体提供新动力。尤其是近年，上合组织成员国国家意识到数据基础设施对发展数字经济的重要性，分别基于各自的国情制定了一系列的支持本国数据基础发展的政策。表表 5 5 上合组织成员国关于加强数据基础设施建设的政策、构想、规上合组织成员国关于加强数据基础设施建设的政策、构想、规划一览表划一览表俄罗斯联邦数字经济国家规划俄罗斯联邦数字经济国家规划实施时间2019 年-2024 年目标消除数字鸿沟、加速技术发展到 2024年所追求（1）以牺牲国内生产总值中所有来源为代价发展数字经济的内部成本由 2019 年的 1.7%增长到 5.1%；80的目标（2）宽带互联网接入的社会重要基础设施的份额由2019 年的 34%提升到 100%；（3）俄罗斯参与全球数据存储和处理容量的份额由0.9%提升到 5.0%；（4）联邦区域内基础数据中心增加至 8 个。俄罗斯发展数字经济的五大方向（1）规范性管理；（2）人才和教育：（3）培育研发能力和技术储备；（4）信息基础设施；（5）信息安全重点聚焦领域国家管理、“智慧城市”和医疗卫生-2030 年俄联邦信息社会发展战略年俄联邦信息社会发展战略通过时间2017 年 5 月主要措施1.为保障数字经济领域的国家利益，应当为信息和通信技术行业的大型企业发展创造条件；2.在俄罗斯大型互联网公司、银行、通信运营商、支付体系运营商、金融市场参与者、国有公司的基础上建立数字经济领域的跨行业联盟；3.支持俄罗斯公司进入国外的商品与服务市场；4.在数字经济领域进行经营的俄罗斯公司与外国公司均必须遵守反垄断法，并实行同等的税收条件；5.为在俄罗斯本土生产信息通信产品或者使用通信信息81产品的外国公司进行本地化创造条件；6.为俄罗斯生产或销售公司提供产品和服务设立非歧视性规则；7.修改俄罗斯相关法律，使数字经济发展速度与法律法规调控相匹配并消除行政性障碍；8.保障俄罗斯国家机关和组织在数字经济领域的国际条约或其他文件的编制中具有参与权。“数字印度数字印度”计划计划批准时间2014 年 8 月 20 日主要目标聚焦改革，使技术成为变革的核心。以三大关键领域为中心1.人人受益的数字基础设施建设2.基于需求的政府治理与服务3.公民的数字化赋权“数字印度”9 大支柱1.高速宽带：为印度 25 万个村庄提供宽带接入2.普及移动连接：使印度的移动网络覆盖全国3.公共网络接入项目：在全国范围内建立公共物联网接入点4.电子政务：利用数字技术提高政府的透明度和效率5.电子化服务：通过电子平台提供各种公共服务，如教育、医疗、金融等6.全面信息化：通过“阿达尔”电子生物识别系统为每82个居民提供独一无二的数字身份，与手机号和银行账号绑定7.发展电子制造业：鼓励本土和外资投资印度的电子制造业，提高印度在全球制造业供应链中的地位8.IT 就业岗位：通过培训和教育提高印度人的数字技能，为印度创造更多的 IT 就业机会9.早期示范项目：通过一些具有示范效应的项目，展示数字技术在不同领域的应用和价值新版数字哈萨克斯坦数字哈萨克斯坦国家规划通过时间2020 年 10 月（上一版为 2013 年通过的数字哈萨克斯坦 2020 计划）10 个优先方向1.社会关系数字化2.建立能源和产业“工业 4.0”技术平台3.建立农业科技平台（AgriTech）4.建立电子政务技术平台（GovTech）5.保障高质量信息通信技术基础设施和信息安全6.打造“智慧城市”技术平台（Smart City）7.开发公共安全数字化工具8.发展金融科技（FinTech）和电子商务9.发展人工智能10.建立创新生态体系83聚焦改进聚焦改进国家机关工作、改善医疗和教育体系、开发金融科技、打造智慧城市、建设信息通信基础设施等。建立系统建立警务数字化统一信息分析系统，完成内务部应急中心现代化改造，实现公民投诉受理一体化和中心城市视频监控全覆盖，实施“数字警务”项目，建立刑事执法部门综合安全系统。创建国家土地和房屋数据库，建立“统一国家房产地籍信息系统”，开发国家空间数据基础设施和数字农业地图。在土地资源数字化基础上，建立在哈全境开放使用的数字化地图，提供土地和建筑领域电子服务，将土地审批时限由 1 年缩减为 20 天。目标2025 年前，哈所有行政服务将全部转为线上模式，数字化领域投资将达到 5000 亿坚戈，信息电子产业出口额达2000 亿坚戈，创建超过 1000 家创新企业，培养 10 万名IT 专家。来源：商务部、中国驻哈大使馆经济商务处http:/ KoomKoom）国家智能计划）国家智能计划时间2017 年 6 月84内涵“Taza Koom”是 2040 年前国家可持续发展战略的一个关键组成部分，该战略的基础是人力资本的发展，以及与环境和谐的创新，计划内容涵盖人类的生命、权利、自由、健康、教育、提高公民的生活水平和改善商业环境等方面。主要短期项目1.电子政务服务的电子门户2.电子签证3.合法（外国）实体的电子注册4.电子公证5.国家信息系统“支付网关”6.地方政府管理部门的信息亭7.儿童教育机构的电子排队8.犯罪记录的电子注册9.电子档案10.电子专利11.边境管制自动化系统“电子门户”12.电子市场13.数据开放平台14.人力资源管理信息系统15.混合信函等愿景实施数字化转型，使吉尔吉斯斯坦成为信息发达的国家，以创新、知识、数字内容为经济驱动力，构建高效、透明和负责任的公共行政，扩展公民的数字参与85塔吉克斯坦数字经济构想塔吉克斯坦数字经济构想发布时间2019 年 12 月 30 日分阶段实施分 2020-2025 年、2026-2030 年和 2031-2040 年三个阶 段，且 必须 在 数字 中 亚-南 亚项 目（DigitalCASA）框架下实施该构想。主攻方向发展数字基础设施；优先以可负担得起的价格为国内所有人提供宽带接入服务；向数字政府过渡；关键行业数字化；保障信息安全和网络安全；发展人力资本；建立创新生态系统。度，确保公民无处不在地获取信息，确保数字基础设施和数字服务成为数字经济的基础，激发国家的竞争力，增加人民的福利，减少腐败。来源：中俄工业创新大赛官网：https:/www.chinarus- 20302030 战略战略主要目标1.在 20202022 年各地区和各行业数字转型中要将居民点互联网接入率由 78%提高至 95%，增加 250 万个宽带接入端口，铺设 2 万公里光纤线路，发展移动网络；2.在各地区社会经济发展领域推广 400 多个信息系统、电子服务和其他软件产品；在生产、物流等实体经济企业中推广 280 多种自动化管理软件；3.对 58.7 万人进行计算机基础编程培训，包括在“百万程序员”项目框架下吸引 50 万年轻人参与上述培训；4.提高各地方政府负责人、权力机关和机构工作人员数字素养与技能，教授其信息技术和信息安全知识，对 1.2 万名政府工作人员进行数字技术培训。其他措施乌政府将在 2020 年至 2021 年一季度末对首批 29 个区（市）进行数字转型，在 2020 年底完成所有学前教育机构、医疗卫生机构和公立学校的数字转型，向其提供必要的 IT 基础设施、电脑、信息系统，相应机构工作人员将前往 13 个示范区接受培训；乌驻外外交代表机构将对口帮助相应区（市）和行业进行数字转型，帮助其学习先进技术，引入 IT 解决方案，并吸引先进企业共同参与实施数字经济项目。来源：商务部、中国驻乌兹别克斯坦大使馆经济商贸处http:/ 2020 年最新出台的关于采取措施在电子政务关于采取措施在电子政务和数字经济框架下进一步完善管理体系的总统令和数字经济框架下进一步完善管理体系的总统令和关于采取措施广泛推广数字经济和电子政务的总关于采取措施广泛推广数字经济和电子政务的总统令统令，乌政府计划在 2023 年前将数字经济占 GDP比重提高 1 倍，软件和服务出口规模由 2019 年的1580 万美元提高至 1 亿美元，20202022 年将在数字经济和电子政务领域实施 268 个项目。乌信息技术发展和通信部是数字经济、电子政府发展的主要执行部门。乌政府正研究将信息技术发展和通信部改组为数字经济发展部，主要负责发展并推广现代化数字基础设施，实施电子政务发展计划，在实体经济中推广数字技术，为扩大数字产业创造有利环境等。来源：http:/ 年 5 月主要内容在政策层面，完善国家法治、发展基础设施、培养数字人力资源和创新人才、促进软件出口、在女性中普及信息技术、互联网内容增加本地语言、帮助残疾人士掌握信息技术、开放资源、IT 硬件国产化、数字治理等；88在经济层面，优先发展数字农业、数字卫生、数字能源、电子商务、数字司法、信息技术教育等八大关键领域。为了推进数字政策，巴基斯坦政府指定由 14 个部委对口负责落实。来源：http:/moib.gov.pk/Downloads/Policy/DIGITAL_PAKISTAN_POLICY(22-05-2018).pdf虽然上合组织成员国均意识到数据基础设施建设的重要性，但是受限于各国经济发展的差异，成员国在数据基础设施的建设成熟度上来说参差不齐。而数字经济发展依赖着数据收集、处理、应用能力，这些能力均属于数据基础设施的范畴，这些基础设施都与互联网速度密切相关，从下图可以看出，各成员国在数据基础设施必要的互联网接入能力上差异还是较大。表表 6 6 上合成员国互联网连接速度上合成员国互联网连接速度移动互联网连接平均速度（单位：MBPS）同比移动互联网年均增长率（%）固定互联网平均连接速度（单位：MBPS）同比固定互联网平均连接速度增长率（%）印 度36.35156.17Q.126.30%哈萨克斯坦30.6247.92.7318.75%中 国110.1036.71!5.8032.60吉尔吉斯斯坦25.8333.14P.952.42%巴基斯坦16.34-5.00.2219.23%俄罗斯24.9015.92y.4414.75%塔吉克斯坦11.3845.15 .51-1.11%乌兹别克斯坦20.9052.89G.8420.32%注：注：（1）图表参考：肖斌.上海合作组织数字经济合作前景基于成员国禀赋效应的分析https:/ SpeedTest 全球指数是由全球网络测速平 SpeedTest 统计和发布的全球互联网速度及比较指数（2）SpeedTest 全球指数统计数据截至 2023 年 4 月，暂未含新加入上合组织的伊朗。（3）固定互联网是指用固定通信设备接入互联网从上图可看出在移动互联网速度方面，中国互联网速度处于中高水平发展阶段，印度、哈萨克斯坦、吉尔吉斯斯坦、俄罗斯、乌兹别克斯坦处于中等水平发展阶段，巴基斯坦和塔吉克斯坦处于低水平发展阶段。在固定互联网速度方面，中国处于绝对领先地位，俄罗斯、印度、吉尔吉斯斯坦、乌兹别克斯坦、哈萨克斯坦处于中等水平，塔吉克斯坦和巴基斯坦处于低水平。4.1.2 上合组织数据基础设施建设面临的挑战上合组织成员国在数字基础设施的发展水平和覆盖范围上存在较大的差异，正如前文的分析，一些国家的互联网接入速度、数据中心规模、云计算能力等仍然较低，在与其他成员国进行数据交换共享时，数据难以高效流通；部分上合组织成员国的互联网普及率、90数据中心建设等方面还有待提高，影响了数据的有效收集、存储和传输。同时，由于地理位置和地形条件的限制，部分上合组织成员国的网络连接依赖于第三方国家或地区，增加了数据流通的风险和成本。由于部分成员国数据基础设施的建设能力不足，导致遭受网络攻击和网络威胁的风险性增大，上合组织成员国的数据安全面临着来自内部和外部的挑战。内部方面，部分上合组织成员国缺乏有效的数据安全法律法规、监管机制和技术能力，导致数据泄露、滥用或篡改等问题。外部方面，部分上合组织成员国受到个别大国的网络霸权主义、单边主义和保护主义的影响，遭受网络制裁等干扰。基于此，针对上合示范区重点行业、重点公共数据开发利用、数据交易流通等新兴业务需求，需要推进开发数据交易流通平台等数据基础设施建设，不断提升数据基础设施整体存力水平，有力支撑数据要素市场发展。加快推动数据要素市场各类数据基础设施产业链与创新链融合，打造面向上合组织统一数据要素大市场的数据要素流通数据基础设施。4.1.34.1.3 上合组织数据要素流通基础设施建设目标上合组织数据要素流通基础设施建设目标目前，上合组织在数据基础设施建设方面已经取得了一些积极进展。一是加强了顶层设计和规划引领。2021 年 9 月 16 日，习近平主席在出席上海合作组织成员国元首理事会第二十二次会议并发表重要讲话时提出，“建立中国-上海合作组织大数据合作中心，打造共同发展的新引擎”。这是上合组织首次提出建立数据领域的合作机制，为推动上合组织数据基础设施建设提供了重要指引；二是加强了技术交流和能力建设。中国-上海合作组织大数据合作中心，作为中国与上合组织国家之间开展数字技术领域的能力建设、应用创新、联合研究和产业合作的国际交流合作平台，已经开展了创新论坛、成果发布、人才培养和示范园区等多项工作，为提升上合组织91成员国的数字技术水平和应用能力做出了贡献；三是加强了数据共享和流通。上合组织成员国在一些领域已经实现了数据共享和流通，如在反恐怖主义领域建立了区域反恐怖机构数据库，在航天领域开展了卫星数据服务，在气象领域开展了气象信息交换等。2022 年 11 月 25 日，位于青岛胶州市的中国上海合作组织地方经贸合作示范区(简称“上合示范区”)的中国上海合作组织地方经贸合作综合服务平台(简称“上合经贸综服平台”)正式上线启用。该平台是中国国内首家面向上合组织国家地方经贸领域的一站式公共服务平台。上合经贸综服平台以区域性国际贸易单一窗口建设及功能拓展为核心，支持跨国、跨部门、跨行业、全单证、全流程的信息共享交换与协同作业，逐步实现上合组织成员国全区域贸易、物流等信息的可交换、可查询、可追溯，构建联通上合组织成员国贸易企业与政府监管部门的国家级数据共享交换枢纽。1上合经贸综服平台的上线，也意味着上合组织在数据基础设施上又取得新的进展和突破，预示着上合组织成员国经济合作有了进一步交流合作的新窗口，为实现上合组织成员国之间的数据流通共享交换提供了坚实的基础。面向未来的数字化发展，目前上合组织信息安全合作水平亟待提高，成员国数字治理和信息安全监管水平差异大，互联网快速发展给信息安全合作带来巨大挑战，而通过数据要素流通平台可以有效对接数字发展规划和信息安全相关法律法规，积极落实成员国提出的一系列新的务实合作倡议，推进信息融合共享、数字治理和信息安全合作，加强区域网络基础设施建设领域合作，能够在一定程度上有效应对信息安全挑战并促进成员国之间实现数字经济规模增长。结合中国中共中央国务院关于构建数据基础制度更好发挥数1中 国 新 闻 网.中 国 上 海 合 作 组 织 地 方 经 贸 合 作 综 合 服 务 平 台 正 式 启 用 EB/OL.2022-11-25.https:/ 上合组织数据要素流通基础设施建设技术框架与能力要求上合组织数据要素流通基础设施建设技术框架与能力要求上合组织数据要素流通基础设施建设技术框架致力于构建一个安全、高效、可靠的数据要素流通基础设施，以促进上合示范区数据要素的共享和流通。为了实现这一目标，该框架涵盖了资源管理层、能力需求层和服务应用层，并采用了标准和协议、数据交换格式、接口和集成、安全和身份验证以及监控和管理等关键要素，以满足数据要素流通技术标准需求，进而推动数据共享和协同创新。该技术框架旨在实现上合组织内部及与合作伙伴之间的数据要素共享与流通，遵循“数据二十条”以促进合规高效的数据流通与应用，进而推动数据要素在不同系统、平台和组织之间的高效交互。通过对上合组织数据要素流通基础设施建设核心技术框架的深入分析，为数据要素流通领域提供有益的技术框架参考，助力实现上合组织国家之间的数据共享与协同创新。934.2.1 资源管理层资源管理层作为一种综合性架构，致力于保障数据隐私、安全性和系统稳定性。在当前信息化快速发展的背景下，数据安全和隐私问题愈发突出，资源管理层正是解决这一关键问题的重要技术手段。它包含多种安全技术，以确保数据隐私、安全性和系统稳定性为核心目标。资源管理层通过多方安全计算（MPC）、可信执行环境（TEE）、空间管理、区块链浏览管理以及系统与数据管理功能的紧密配合和协同，既保障了数据隐私和安全，又提升了系统效率，从而优化了用户体验。在这一综合性架构中，各项技术相互支持，共同为上合数据要素流通基础设施建设提供了坚实的技术支撑框架。（1）多方安全计算（MPC）技术在保障数据隐私方面具有重要的作用。它采用多个参与方共同计算的技术栈，从根本上确保了数据在计算过程中不会暴露给任何一方。在金融、物流、经贸等领域，MPC 技术展现出广泛的应用前景，为保护数据隐私提供了坚实基础，以及强有力的支持。（2）可信执行环境（TEE）是资源管理层的另一重要组成部分，它通过硬件隔离技术为用户提供一个安全可靠的运行空间，将可信与不可信的程序分开，确保系统内部数据和操作的安全性，有效防止恶意程序对系统的攻击。在云计算、物联网等领域，TEE 技术发挥着至关重要的作用，为保障数据安全及用户隐私提供了有力支持。（3）空间管理功能则关注数据存储空间的管理，以确保数据的安全性和可靠性。通过对存储资源的合理配置和调度，提高系统的存储效率，防止数据丢失和破坏。在大数据时代背景下，空间管理的重要性不言而喻，系资源管理层的关键组成部分。（4）区块链浏览管理则为用户提供了一个便捷的途径，查询数据交易记录。通过区块链浏览器，用户可以轻松地查询、验证数据94的真实性和完整性，提高了系统的透明度。此外，区块链技术还为数据安全和隐私提供了额外的保障，使得资源管理层在保护数据方面更加强大。（5）系统与数据管理功能则负责对整个资源管理层进行管理和维护，确保系统稳定运行。从资源调度、系统监控到数据备份、恢复等方面，系统与数据管理为资源管理层提供了全方位的支持，为用户提供了可靠的服务保障。4.2.2 功能需求层功能需求层是数据要素流通基础建设技术框架的重要组成部分，主要包括数据登记模块、数据主体认证模块、数据储存模块、数据交换模块、多种翻译及支付系统模块和数据安全模块。这六个模块各自承担着不同的任务，但共同致力于保障整个系统的功能性和安全性。（1）数据主体认证模块是数据要素流通框架的关键组成部分，该模块融合了身份与访问控制（IAM）与去中心化身份标识（DID）技术，通过(1)DID 注册与管理、(2)IAM 集成、(3)跨链身份验证、(4)访问控制与权限管理、(5)电子签名与电子身份、（6）身份审计与日志记录这六大关键技术，为上合组织成员国企业提供了统一、安全、高效的身份认证和权限管理服务。该模块的设计与实现，有力地促进了各国企业间数据共享与协同创新，为推动各上合组织成员国的数据流通身份认证发展贡献了重要力量。（2）多语种翻译及支付系统模块是数据要素流通技术框架的核心组成部分，满足了上合组织不同国家企业在数据交易过程中面临的语言沟通和支付挑战。本模块的设计和功能更能够满足成员国企业的需求，为他们的交流与合作提供坚实支持。该模块集成了多项关键技术，包括神经网络翻译技术（例如谷歌的 Transformer 模型）、深度学习语音识别技术（如谷歌的 DeepSpeech 或百度的 Deep95Voice）、本地与跨境支付技术，分布式账本、智能合约以及外汇管理等。同时，模块还融合了各国主流支付方式，如中国的支付宝、微信支付，俄罗斯的 Yandex.Money 和 Qiwi 等，并与第三方支付服务商（如 PayPal、Stripe 等）以及各国主要银行和外汇服务机构合作，实时提供汇率信息。这种高度融合的技术方案使得企业间的沟通更顺畅，跨境支付更安全高效，为全球化和区域一体化发展提供了强大支持。（3）数据登记模块是数据要素流通系统的基础，其中包括数据要素管理、数据分类与标准化、区块链技术应用、数据授权流转与验证以及数据标准与元数据管理。这些功能都是为了保证数据的准确性、完整性和可靠性，从而提高数据的使用价值。例如，区块链技术应用可以保证数据的安全性和可信度；数据授权流转与验证可以确保数据的使用权限和合法性；数据标准与元数据管理可以提高数据的标准化水平和管理效率。（4）数据存储模块。原始数据需要进行统一格式化和标准化处理，并通过网络或其他方式传输到数据中心，随后以标准接口等形式对外提供。（5）数据交换模块是数据要素流通系统的核心，其中包括分布式数据存储技术、对象存储技术、数据保护与访问控制、数据处理与分析技术、数据建模与集成、数据质量管理、数据要素流通 API 以及数据要素流通 SDK。这些功能都是为了方便数据的交换和共享，提高数据的利用效率和价值。例如，分布式数据存储技术可以提高数据的可靠性和可用性；数据处理与分析技术可以对数据进行深入挖掘和分析，发现其中的价值信息等。（6）数据安全模块是数据要素流通系统的重要保障，其中包括任务调度与资源分配、性能与运维监控、多租户支持与管理、加密算法、安全传输协议、数据访问控制、身份认证与授权策略以及安全审计与日志记录。这些功能都是为了保障系统的安全性和稳定性。96例如，加密算法和安全传输协议可以保障数据在传输过程中的安全性；身份认证与授权策略可以确保用户的身份合法性和权限合规性；安全审计与日志记录可以帮助管理员对系统进行监管和管理。4.2.3 服务应用层服务应用层包括数据服务与应用模块。数据服务与应用模块涵盖数据处理与分析、数据标准化与管理以及数据共享与授权。数据处理与分析包括数据处理和分析技术、数据建模和集成以及数据质量管理。数据标准化与管理包括数据要素管理、数据分类和标准化以及数据标准和元数据管理。数据共享与授权包括区块链技术应用和数据授权流转与验证，以确保数据安全性和可控性。服务应用层在数据要素流通基础建设技术框架中发挥着重要作用，通过数据服务与应用模块的多样化功能，使得数据在不同场景下得到了高效、安全、可靠的处理和应用服务。通过数据处理与分析、数据标准化与管理以及数据共享与授权等功能的紧密协作，服务应用层助力企业和组织实现数据价值的挖掘和利用，推动各行业的数字化发展。（1）数据处理与分析功能是数据应用的核心环节。它包括数据处理和分析技术、数据建模和集成以及数据质量管理等方面，旨在实现数据的高效处理、分析和挖掘。通过先进的数据处理技术和分析方法，企业和组织可以从海量数据中提取有价值的信息，为决策提供有力支持。同时，数据建模和集成以及数据质量管理的应用，确保了数据处理与分析过程的准确性和可靠性。（2）数据标准化与管理功能则关注数据的规范化处理和管理，以确保数据在整个生命周期内的合规性和一致性。它包括数据要素管理、数据分类和标准化以及数据标准和元数据管理等方面，通过对数据进行精细化管理，为后续的数据应用和共享提供了有力支持。数据标准化与管理功能在大数据时代背景下显得尤为重要，为数据97价值实现奠定了基础。（3）争议解决机制。设立有关数据交易的解决中心，配置跨国争议解决委员会，解决数据交易争端，将存在争议的数据产品交易方案或者评估报告提交委员会审议。最后，交易中心应当采取必要的安全审计记录，宜引入跨国仲载等解决机制，避免争议事项悬而不决。（4）数据共享与授权功能则侧重于数据在不同主体之间的流通和共享，同时确保数据安全性和可控性。它包括区块链技术应用和数据授权流转与验证等方面，通过引入区块链技术，实现数据的安全、可追溯的流通，为数据共享提供了坚实的保障。此外，数据授权流转与验证的应用，使得数据在流通过程中的合规性得到了保证，避免了数据滥用和泄露风险。4.34.3 上合数字融合产业化示范平台数据要素流通基础设施建设实践案上合数字融合产业化示范平台数据要素流通基础设施建设实践案例例4.3.1 上合数字融合产业化示范平台基于上合新区业务需求，依托数字身份能力底座、上合“数据银行”、上合产业智能招引服务中心、数据安全保障体系，为数字上合、数字胶州、超级港等场景提供高效共享的数字身份连接能力、“数据银行”流转能力、安全体系保障能力、产业公共服务能力等四个融合能力，探索上合组织产业链、供应链新生态的数字化路径，支撑上合策源和国家输出。（1 1）数字身份能力底座）数字身份能力底座打造面向上合示范区沿线一带一路国家的数字共享能力底座。向下连接数据资源层，向上赋能上合综合服务平台、上合超级港、智慧城市、工赋上合等上合新区业务应用，通过身份连接能力，打通信息系统壁垒，实现上合示范区业务应用一体化。98（2 2）上合）上合“数据银行数据银行”上合“数据银行”以区块链、数字身份等关键技术为支撑构建数据资产登记体系，以“登记即确权”的方式打造地方政府数字经济发展所需的数据“资源底座”；通过对数据资源访问、使用的授权控制，实现数据加工价值，进一步通过数据利益分配机制实现数据资源持有者、数据资源加工者、数据产品经营者等多方共赢。（3 3）上合产业智能招引服务中心）上合产业智能招引服务中心上合产业智能招引服务中心旨在对区域内经济数据进行汇总分析，深度洞察区域经济运行、产业发展、重点项目推进及产业资源利用等情况，并结合区域自身定位及发展对标，明确区域发展优势及短板、识别发展方向与机会，推动资源的合理高效配置，支撑区政府形成区域经济发展的指导思想和基本思路。（4 4）数据安全保障体系）数据安全保障体系建设体系化的数据安全建设方案，从战略、管理、产品&技术、运维、服务多个方面考虑，指导落实数据安全建设工作，保障数据不被攻击和泄露。实时监测数据安全事件，全面风险分析研判，对安全风险及时预警、安全事件及时处置。全流程多方位保障数据资产安全，为业务应用保驾护航。4.3.2 上合数字底座数字底座，简单地理解，就是信息化通用基础设施。如同修路搭桥，我们可以将数字底座理解为一种城市“新基建”。是数字化发展到一定阶段，需要的一个城市级的操作系统，而“上合数字底座”就是这个系统的载体。它将以数据为“燃料”，以数字技术为“发动机”，驱动上合新区要素实现最优配置、最精细重组、最高效运营，从而推动上合新区数字化转型。按照胶州市数字底座建设方案，上合数字底座的建设目标是，实现城市“慧思考”、社99会“慧协同”、产业“慧融合”、设施“慧感知”。上合示范区将联合国家级云计算应用示范基地新疆克拉玛依市云计算产业园，统筹中国移动、中国联通等头部企业在“一带一路”沿线和黄河流域部署的算力资源，共同组建上合算力联盟，将共同构建国家算力聚合、智能共享、立体融合格局和产业链。上合算力联盟将打造上合组织国家大数据合作创新先行区，促进算力资源统筹和集约化应用，加快构建“东西双向互济、陆海内外联动”开放格局，培育上合数字底座数字化生态。作为上合算力联盟的重要组成部分，上合数字底座首先服务的是胶州智慧城市所需的算力服务。目前，上合数字底座一期云平台已完成，初步具备“工赋上合”能力。城市云脑已完成二期迭代升级，全面应用于智慧交通、智慧治理、执法监督等场景，具备感知预警、决策支持、协同联动、应急指挥等功能，有力提升了治理体系和治理能力现代化水平。上合新区在 240 处路口启用智慧交通指挥系统，实施单路口、干线、区域实现综合智慧调控，成功实现道路通行效率提升 30%以上，年人均可节省通行时间 60.8 小时。上合算力联盟更重要的价值还在于，为企业、高校和科研机构提供普惠公共算力服务。包括工业互联网、物流和港口领域的自动驾驶，都是算力的重要应用场景。上合示范区借此集聚更多数字经济上下游的龙头企业。比如竹云科技“统一数字身份管理体系”和华傲“分布式数据蜂巢统一供数平台”，都在保障上合数字底座数据治理和数据安全中发挥重要作用。上合还提出依托竹云科技上合“数字银行”和胶东供应链数据资产交易等项目，探索建设上合数据交易平台。4.3.3 上合组织产业链供应链创新生态的数字化路径生产和贸易、国内和海外等不同环节的合理设计分工，需要基于海量的经贸物流数据要素，并通过实现数据要素的价值，最终为数据赋能产业的愿景保驾护航。在这探索产业链供应链创新生态的100数字化路径的过程中，需要基于对上合数字融合产业化示范平台构建的设想，并结合上合示范区多年以来产业链供应链数字化所做的创新和努力，坚持打破多种所有制市场主体之间的体制壁垒，同时要坚持上合元素，最终形成以中国制造为基础的供应链产业链创新生态。（1）探索构建数字法人社群，通过数据贡献和增量来建立数字组织和数字股权。各国的多种所有制主体以平等身份参与进上合产业链供应链创新生态的构建当中，打破不同所有制企业之间的壁垒，以央企为引领、地方国企为支撑、民企为先锋、外企为伙伴的融合发展，并在此基础上形成数字法人社群，通过各个法人对于生态构建当中的数据贡献和数据增量增值，从而搭建起数字组织矩阵，实现以数字股权为形式的激励手段，推动生态不断丰富。（2）通过项目协同形成数据资产，推动产业与产业间数字化互联，形成产业互联网平台化和数据资产平台化。要探索建立标准化、开放化、共享化的数字化基础设施和服务，实现同产业、不同产业之间的数据流通、交换与协作，打破信息孤岛。构建以数据为核心的产业互联网平台和数据资产平台，为各类企业提供全方位的数字化产业升级解决方案，包括生产管理、供应链协同、市场营销、金融服务等。积极推动数据资产评估、认证、交易和证券化，激发数据资产的增值潜力，促进数据资本市场的发展。（3）实现资源、制造、科技等因素与数字股权之间的对价，从易货买卖到数字结算，再到数字资产证券化。使用数字化手段，将各种实体资源、制造能力、科技创新等要素转化为可量化、可交易、可增值的以数据为形式基础的数字股权，为各方提供更多的合作机会并形成激励机制。并且通过数字化市场，实现各种数字股权的证券化，将其打包成具有流动性和收益性的金融产品，吸引更多的投资者和资本参与，提升数字股权的价值和影响力。11本小节内容参考引用自上合组织国家多功能经贸平台秘书长文继旭先生 2023 年 6 月 16 日在上海合作组织产业101五、上合组织经贸行业数据要素流通方案5.15.1 上合组织经贸行业上合组织经贸行业数据要素流通数据要素流通发展概述发展概述5.1.15.1.1 上合组织经贸行业发展上合组织经贸行业发展现状现状随着上合组织成员国之间的合作不断加深，双边及多边贸易额随之逐年增长，2021 年，上合组织国家（加上伊朗）之间的贸易总额超过 7760 亿美元，比 2020 增长 25%；而在过去五年中，增长幅度达到了惊人的 31.5%（2017 年，上合组织国家之间的贸易额为 5750亿美元）。1其中，吉尔吉斯斯坦和塔吉克斯坦与上合组织国家的贸易额占本国贸易总额的比重分别为 75.9%和 67.5%。1这些数据体现了上合组织成员国之间的经贸合作规模不断扩大，领域不断拓展，水平不断提高，为区域内的稳定和发展做出了积极贡献。上合组织成员国经贸领域合作发展总体呈现出多层次、多样性和互补性的特点。各成员国之间的贸易往来日益紧密，同时也在数字经济和高新技术产业等新兴领域中探索进一步的加强合作。在经济领域，上合组织成员国有着广泛的贸易联系和经济合作，成员国间还积极推动区域间的投资和基础设施建设合作，为地区的经济发展做出了重要贡献。未来，随着数字经济和互联网技术的快速发展，成员国将进一步加强经济合作，并在数字化、智能制造、农业等领域开展更多的合作。此外，随着“一带一路”倡议的不断推进，上合组织成员国将有更多的机会深入参与区域经济一体化和全球化进程，实现共同繁荣。一些主要经贸行业的发展情况如下：（1）能源产业：上合组织成员国中，俄罗斯是世界最大的石油和天然气出口国之一，同时中国也在能源领域取得了重要进展。因此，上合组织成员国之间的能源合作非常活跃，包括油气管道建设、能源投资等多方面。链供应链论坛物流与贸易平行论坛上的主旨发言。1【塔吉克斯坦】拉希德阿利莫夫.上海合作组织撒马尔罕峰会将聚焦经济发展EB/OL.2022-08-16.http:/ 2022 年服贸会期间举办的中国-上海合作组织数字贸易圆桌研讨会，以“加强数字合作，促进贸易畅通”为主题，旨在加强上合组织成员国间数字贸易交流，凝聚共识、促进合作。过去几年，上合组织各成员国紧抓数字化发展大势，在智慧城市、远程医疗、智能制造等领域不断深化合作，取得了积极成效。据联合国贸发会议数据库统计，2021 年，上合组织成员国可数字化交付的服务贸易规模达到 7082.1 亿美元，同比增长19.3%。1在数字贸易领域，中国具有良好的产业基础和巨大的市场空间。2021 年，中国可数字化交付的服务贸易额达到 3596.9 亿美元，规模居全球第五。21通 过 联 合 国 贸 发 会 议 数 据 库 公 布 的 数 据 统 计 得 来。数 据 来 源：联 合 国 贸 发 会 议 数 据 库https:/unctadstat.unctad.org/EN/#2中华人民共和国商务部服务贸易和商贸服务业司.中国数字贸易发展报告(2021)DB/OL.2023-01-17.https:/ 上合组织经贸数据上合组织经贸数据分类分级分类分级参考参考指引指引经贸数据是指反映国家或地区之间进行的经济贸易活动的数据，是数字经济和数字贸易的重要基础和依据。随着上合组织的贸易往来日益频繁，在上合组织成员国之间沉淀了海量的经贸数据。经贸数据从数据来源来看，可以分为官方数据和非官方数据。官方数据是指由政府部门或国际组织发布的经贸数据，如海关、商务部、统计局、世界贸易组织等。非官方数据是指由私营机构或个人发布的经贸数据，如平台网站、研究机构、媒体等。为实现经贸数据为实现经贸数据要素在上合组织区域间要素在上合组织区域间的的高效高效流通利用，需要流通利用，需要建立建立区域间区域间的经贸数据目录的经贸数据目录，统一明确经贸数据的定义及其分类分，统一明确经贸数据的定义及其分类分级标准级标准。数据分类分级是数据安全管理的基础，根据不同数据分类及其的重要性、敏感性和风险等级，制定相应的保护措施，防止数据泄露、篡改、损毁等风险。并且，通过对数据的分类分级可以明确数据的使用范围、权限和责任，规范数据的传输与流动，降低数据冲突和误用的风险，提高数据的流通价值和利用效率。然而，上合组织中大部分国家在本国内尚未建立相应的数据分类分级标准，对数据跨境流通在一定程度上造成阻碍。但数据的跨境流通已经成为了各国参与国际数据治理的重要方式。全球主要经济体均在积极布局国际间的数据治理活动，强化数据资源的掌控和利用，抢占全球数字经济价值实现的新高地。在此背景下，建议可在此背景下，建议可以先在上合组织特定区域内以先在上合组织特定区域内试点试点形成一套通用性的数据标准和分类形成一套通用性的数据标准和分类分级分级指引。对于指引。对于尚未制定数据分类分级标准的成员国，在该尚未制定数据分类分级标准的成员国，在该示范示范区区域内域内开展开展数据流通时也可以参照，从而促使经贸数据要素的价值数据流通时也可以参照，从而促使经贸数据要素的价值能能够高效够高效释放。释放。（1 1）宏观维度）宏观维度从广义的经贸数据类型标准上来看，上合组织在制定经贸数据的分类标准时，可以采用或借鉴国际通行标准，比如采用国际货币104基金组织（IMF）和世界贸易组织（WTO）等机构的统计方法和标准，以确保数据的准确性、可比性，并可在同其他经济体的数据流通中保持标准的一致性。IMF 主要负责监测全球经济情况、提供政策建议以及协调国际货币体系。IMF 采用标准统计方法，包括制定统一的数据分类标准和报告标准，并要求各成员国向其提供官方数据。世界贸易组织（WTO）则主要关注国际贸易和相关政策的发展情况。WTO遵循国际统计学原则，通过与各成员国合作，收集和汇总数据。WTO也会根据不同的统计指标，制定相应的标准和方法。WTO 发布的统计数据主要包括进出口贸易额、关税水平、贸易壁垒、服务贸易额、直接外国投资额等。尽管上合组织在经贸领域也有一定的数据统计和发布工作，但其数据标准与 IMF、WTO、联合国等国际组织的标准还存在一些差异。具体来说，上合组织在商品和服务贸易统计方面并未采用兼容度更高的经济贸易分类的数据标准，此举不利于跨境贸易比较和分析。在投资统计方面，上合组织并没有形成统一的标准，难以进行跨国投资和企业统计。因此建议上合组织可以从不同维度参照以下指引对经贸行业数据进行分类：（1）商品贸易数据：使用商品名称及编码协调制度（HS）1，将商品按照不同种类和用途进行分类，并根据各个国家或地区之间的进出口情况，统计和发布跨境商品贸易数据。（2）服务贸易数据：使用世界贸易组织服务贸易总协定（GATS，全称为 General Agreement on Trade in Services）服务部门分类（GNS/W/120）作为服务贸易的统计分类标准，部门的内容参1商品名称及编码协调制度，通常称为”HS 编码表”或简称为协调制度，是由世界海关组织开发和维护的对贸易商品进行分类的 6 位标准化数值方法。我国从 1992 年开始采用协调制度编制对外贸易统计，并根据我国对外贸易商品结构的实际情况，在协调制度原 6 位编码的基础上增加了第 7 位编码和第 8 位编码，以便于计税、统计及贸易管理；同时，中国进出口商品统计目录扩充为 22 类 99 章。参考资料：宁波海关.中国对外贸易指数编制说明EB/OL.2022-06-01.http:/ Nations ProvisionalCentral Product Classification），该标准体系包括 12 个大类（11个具体大类加 1 个其他分类）和 1150 多个子部门，覆盖了服务领域的各个方面。（3）投资数据：可以根据国际货币基金组织（IMF）发布的国际收支和国际投资头寸手册（BPM6）为参考标准，编制国际收支和国际投资头寸表，并参考 IMF 发布的协调直接投资调查（IMF Coordinated Direct Investment Survey，CDIS）、协调组合投资调查（IMF Coordinated Portfolio Investment Survey,CPIS）等标准来进行对外直接投资和证券组合投资数据统计。（4）关税和非关税措施壁垒数据：世界贸易组织在其官网数据库当中发布关税与非关税措施的统计数据，对于上合组织内部收集、统计、分析经贸活动具有重要的价值。同时，在收集相关数据时，也应当以联合国贸发会议所形成的官方非关税措施数据收集准则非关税措施国际分类等为参考标准，为分析成员国之间的贸易壁垒提供指引。（5）贸易便利化数据：贸易便利化数据是指反映国家或地区对外贸易活动的效率和成本的数据，如通关时间（customs clearancetime）、物流成本（logistics cost）、跨境电商发展指数（cross-border e-commerce development index）、数 字 基 础 设 施 水 平（digital infrastructure level）等。上合组织可以参照经济合作组织（OECD）贸易便利化指标（Trade Facilitation Indicators,简称 TFI），构建一套适用于上合组织各国的贸易便利化数据评价体系，对各国在贸易便利化方面的进展和改善情况进行量化评估与排名，以帮助各国政府改善贸易流程，降低贸易成本，提高贸易量并从国际贸易中获得更大利益。（6）贸易政策数据：贸易政策数据是指反映国家或地区对外贸易活动实施的法律法规和措施的数据，如关税水平（tariff level）、106非关税壁垒（non-tariff barriers）、自由贸易协定（free tradeagreement）、数字经贸规则（digital trade rules）等。可以定期汇总成员国的贸易政策，便于对区域间贸易规则做出评估和建议。（7）争端解决数据：可以建立区域内司法数据库平台，对各国发布的国际贸易争议解决相关数据进行汇总。包括诉讼、仲裁、调解等一系列争端解决程序发生的时间、地点、结果、数量等信息，便于加强对区域间数据违法行为的执法协作与数据犯罪预防。对于以上类型的数据进行宏观层面的研究，可以增进对一个国家或地区的经济和贸易状况的了解，评估其经济和贸易发展水平、潜力、问题等，为制定经济和贸易政策、规划、目标等提供数据依据。另一方面，通过不同的维度对这些数据进行分类后，可以根据分类结果进一步进行数据分级，从而对不同敏感性、重要性的数据采取不同程度的保护措施，保障数据主权和数据安全。例如，中国于 2022 年 9 月 14 日由全国信安标委发布信息安全技术 网络数据分类分级要求（征求意见稿）中明确给出了核心数据、重要数据、一般数据的分类分级方法。其中，重要数据被定义为“特定领域、特定群体、特定区域或达到一定精度和规模的数据，一旦被泄露或篡改、损毁，可能直接危害国家安全、经济运行、社会稳定、公共健康和安全的数据”。以“可能危害经济运行”的定义为例，该标准在附表中明确为“可能影响社会总供给和总需求、国民经济总值和增长速度、国民经济中主要比例关系、物价总水平、劳动就业总水平与失业率、货币发行总规模与增长速度、进出口贸易总规模与变动等宏观经济形势。”基于此，部分经贸数据可能属于重要数据级别，因为这类数据反映了国家或地区的总体经济规模和增长情况，对国家安全和公共利益有重大影响，如果在国家相关部门未予公布的情况下泄露、滥用、篡改等，可能会造成国家形象、信誉、竞争力等方面的损害。因此，通过对于经贸数据的分类，进而参考相关的分级标准，便于制定针对不同数据的安全管控措施。107（2 2）微观维度）微观维度从微观层面看，在具体经贸活动中，经贸数据又可分为物流数据、金融数据、监管数据、资讯数据等。这些数据主要展示了上合组织国家间的经贸过程及其微观参数，具有实时性和预测性。从数据价值的维度来看，对这类型的数据进行深层次的逻辑分析和利用，可以促进上合组织国家间的贸易便利化，降低贸易成本和风险，提高贸易效率和质量，增加贸易收益和效益。例如，通过建立统一的跨境电子商务平台，可以实现商品信息、交易信息、支付信息、物流信息等多种贸易数据的共享和交换，从而简化贸易流程，加快贸易速度，提升贸易水平；建立统一的金融数据平台，可以促进上合组织国家间的金融互联互通，拓展金融渠道和优化产品，降低信贷门槛和难度，满足贸易企业需求，提高金融支持和保障，增加区域间贸易活力。另外，对这些数据的分析和利用还可以促进上合组织国家间的监管协同，统一监管政策和标准，降低监管冲突和差异，提高监管效果和公信力，增加监管信任和合作。例如，通过建立统一的跨境电子商务监管平台，可以实现海关、检验检疫、商务部门等多种监管数据的共享和交换，从而实现电子检测，及时协调监管措施，提升智能化监管水平。从数据安全的角度来看，上文分析，可根据不同的数据分类结果，进而对数据进行分级，以便确定数据的安全保护级别。如未按照规则对这些数据进行分类分级，不加以区分地对数据进行加工、分析、处理、共享则可能造成重大安全隐患。例如，在贸易过程中收集的包含个人信息的数据，这些个人信息可能包含了如银行账号等金融类敏感个人信息以及一般个人信息，只有对这些数据进行识别并分类分级后才能保障数据的安全及激发数据的利用价值。从数据要素市场化的角度来看，促使经贸数据合规的流通，方从数据要素市场化的角度来看，促使经贸数据合规的流通，方可真正释放经贸数据可真正释放经贸数据要素要素价值，促进其优化配置和高效利用，为经价值，促进其优化配置和高效利用，为经108济发展提供更多的数据支撑和智能服务。济发展提供更多的数据支撑和智能服务。在“上合组织数据要素市场化配置的框架”一章，详细阐述了将数据要素通过市场化配置的重要意义，随着上合组织近年来贸易合作不断深化，产生了海量的经贸数据，如果这些数据能够在符合法律法规和商业道德的前提下，在市场主体之间自由流动和有效利用，将提高经济社会运行的效率和效益，激发经贸数据的创新潜力和价值增长，推动经贸数据的深度挖掘和广泛应用，为产业升级和经济高质量发展提供更多的数据驱动和智能支撑。例如，通过运用大数据分析、人工智能等技术手段，可以对经贸数据进行深入挖掘，发现消费者需求、市场趋势、竞争优势等隐藏信息，从而为产品设计、营销策略、服务创新等提供更多的数据驱动；通过运用云计算、物联网等技术手段，可以对经贸数据进行广泛应用，实现产品追溯、库存管理、物流配送等智能化，从而为生产制造、供应链管理、物流服务等提供更多的智能支撑。此外此外，在上合组织间通过将经贸数据市场化配置，可增强经贸，在上合组织间通过将经贸数据市场化配置，可增强经贸数据的安全性和可信度，完善经贸数据的标准规范和监管机制，数据的安全性和可信度，完善经贸数据的标准规范和监管机制，推推动动数据安全数据安全合规建设合规建设。经贸数据是反映经济和贸易活动的数据，包含了多种类型，其中一些数据涉及国家安全、商业秘密、个人隐私等敏感信息，如果这些数据被泄露、篡改、滥用等，就会给国家利益、企业利益、个人利益造成损害。而如果要实现这些数据合规地在市场主体之间自由流动并被有效利用，前提是需要完善经贸数据要素跨境流动的标准规范和监管机制，反过来也会推动上合组织更加重视数据的合规安全建设。例如，为实现经贸数据的流通利用，可能需要通过建立统一的经贸数据分类目录，明确经贸数据的类型、属性、敏感程度等，从而为经贸数据的流动和利用提供依据；通过建立统一的经贸数据安全标准，可以规定经贸数据的收集、存储、传输、处理等过程中的安全要求，从而为经贸数据的流动和利用提供保障；通过建立统一的经贸数据监管平台，可以实现经贸数据的109实时监测、及时预警、快速处置等功能，从而为经贸数据的流动和利用提供防护。从狭义的经贸数据以及经贸数据市场化配置角度来看，可考虑在特定城市区域内，或某个具有对外统一服务和汇聚数据功能的平台开展相关试点工作。例如，可以在上合示范区和上合组织地方经贸综服平台内率先开展数据分类分级的探索。但由于数据的分类分级是个系统性的复杂工程，通常需要根据行业的特性制定至少是地方标准甚至国家标准，会更具参考价值。目前，中国作为上合组织成员国，在数据分类分级标准文件制定中有较为成熟的经验，下表是中国目前在各行业应用的数据分类分级标准，其中部分的标准文件可为上合组织区域内或上合组织成员国制定相关标准时提供参考。表表 7 7 中国中国各行业各行业数据分类数据分类分分级标准级标准标准或指南标准或指南发布部门发布部门发布时间发布时间行业行业类型类型证券期货业数据分类分级指引（JR/T 0158-2018）证监会2018-09-27金融数据金融数据安全 数据安全分级指南JR/T0197-2020中国人民银行2020-09-23金融数据工业数据分类分级指南（试行）工信厅信发【2020】6 号工业和信息化部办公厅2020-02-27工业数据110网络安全标准实践指南 网络数据分类分级指引TC260-PG-20212A全国信息安全标准化技术委员会秘书处2021-12网络数据信息安全技术 网络数据分类分级要求征求意见稿国家市场监督管理总局、国家标准化管理委员会2022-09-14网络数据信息安全技术 健康医疗数据安全指南GB/T39725-2020国家市场监督管理总局、国家标准化管理委员会2021-07-01医疗行业基础电信企业数据分类分级方法YD/T 3813-2020工业和信息化部2020-12-09通信信息技术 大数据数据分类指南国家市场监督管理总局、国家标准化管理委员会2020-04-28/政府数据 数据分类分级指南贵州省质量技术监督局2016-09-28政府数据政务数据分类分级要要求DB14/T2442-2022山西省市场监督管理局2022-03-30政务数据111政务数据安全分类分级指南DB2201/T 17-2022长春市市场监督管理局2022-01-14政务数据数字化改革 公共数据分类分级指南DB33/T 2351-2021浙江省市场监督管理局2021-07-05公共数据政务数据分类分级DB3301/T0322.3-2020杭州市市场监督管理局2020-10-31政务数据如前所述，上合组织经贸数据价值巨大，要进一步释放数据价值，可以考虑在上合组织特定区域内开展试点，建设统一的数据流通平台来实现数据的高效合规流转。目前，中国-上海合作组织地方经贸合作综合服务平台是上合示范区推出的全国首个面向上合组织国家地方经贸领域的一站式公共服务平台，目标是打造成为中国与上合组织国家间经贸资讯服务中心和数据交互中心，为上合组织国家间经贸开放融通提供示范方案。其中，跨境采购、一站通关、全链物流、智税引擎、特色金融、全景服务、新区之窗、数字上合等八大模块是上合经贸综服平台的核心功能。要实现该平台上的经贸数据价值最大化，则可考虑在该平台所属的区域范围内制定相关标准，供上合组织国家通过该平台开展贸易活动时，作为通用的适用标准。数据分类分级标准需要在一定区域内形成具有指导性和参考性甚至强制性的标准文件，而标准制定是一个系统性复杂性的工程，故本文仅提出建议，供未来制定相关文件时参考指引之用。在对这些数据进行分类分级前，需要先根据经贸数据的属性、112特征、敏感程度、安全风险等因素，按照开放共享、科学实用、稳定可扩展、边界清晰、就高从严、动态更新等原则和方法，对数据进行区分和归类，并利用数据分类分级工具，对数据资产进行自动发现、智能分析、敏感识别等操作，形成数据分类分级清单和全景图，实现数据分类分级可视化管理并定期审核动态更新，根据不同级别的数据采取相应的保护措施，保障数据安全和利用效率。根据该平台可能产生的数据提供以下分类分级维度供参考适用：（1）贸易数据：包括供应商、采购商、商品、订单、发票、清关等相关数据，综合反映了上合组织国家间的贸易规模、结构、流向、活跃度等情况。该项下的数据又可以按照数据的来源或归属进行分类，如按照国家、地区、部门、机构、平台等进行分类，例如中国贸易数据、俄罗斯贸易数据等。也可以按照数据的类型或内容进行分类，如按照供应商、采购商、商品、订单、发票等进行分类，例如供应商数据、商品类型数据等。贸易数据的级别可以按照数据的价值或重要性进行分级。如按照核心数据、重要数据、一般数据进行分级，例如核心数据是指涉及国家安全或战略利益的贸易数据，如军工、能源等领域的贸易数据；重要数据是指涉及国家经济或社会利益的贸易数据，如国家核心技术、新兴产业等领域的贸易数据；一般数据是指涉及个人或企业利益的贸易数据，如日用品、服装等领域的贸易数据。（2）物流数据：包括运输方式、路线、费用、时间等在经贸运输过程中产生的数据，体现上合组织国家间的物流效率、成本、便利度分布等情况。该项下的数据也可以按照数据的来源或归属进行分类，如按照国家、地区、部门、机构、平台等进行分类，例如中国物流数据、俄罗斯物流数据等。也可以按照数据的类型或内容进行分类，如按照运输方式、路线、费用、时间等进行分类，例如海运数据、陆运数据等。物流数据的级别可以按照数据的敏感性或风险性进行分级，按113照“公开”“内部”“机密”等进行分级。例如，公开数据是指不涉及任何敏感信息或风险因素的物流数据，如运输方式、路线等；内部数据是指涉及一定敏感信息或风险因素的物流数据，如费用、时间等；机密数据是指涉及高度敏感信息或风险因素的物流数据，如货物名称、数量、价值等。（3）金融数据：包括银行、保险、支付等相关数据，反映上合组织国家间的金融支持、风险管理、信用保障等情况。该项下的数据同样可以按照上述数据来源或归属进行分类，也可以按照数据的类型或内容进行分类，如按照银行、保险、支付等进行分类，例如银行数据、保险数据等。金融数据的级别可以按照数据的价值或重要性进行分级，如按照核心数据、重要数据、一般数据等进行分级。例如核心数据是指涉及国家安全或战略利益的金融数据，如外汇储备、金融制裁数据等；重要数据是指涉及国家经济或社会利益的金融数据，如贸易融资、信用保险等；一般数据是指涉及个人或企业利益的金融数据，如支付方式、账户余额等。但需要注意的是，金融数据往往都会包含敏感个人信息，在对该项数据进行分类分级时应予以重点考量。（4）监管数据：包括海关、检验检疫、商务部门等政府机构的贸易监管要求和执法行为产生的相关数据，能综合反映上合组织国家间的监管政策、标准、协定等情况。该项下数据可以按照数据的类型或内容进行分类，如按照海关、检验检疫、商务部门等进行分类，例如海关数据、检验检疫数据等。监管数据的级别可以按照数据的敏感性或风险性进行分级，按照“公开”“内部”“机密”等进行分级，例如公开数据是指不涉及任何敏感信息或风险因素的监管数据，如各国公开的监管政策、标准、协议等；内部数据是指涉及一定敏感信息或风险因素的监管数据，如执法行为、处罚结果等；机密数据是指涉及高度敏感信息或风险因素的监管数据，如贸易违规、走私偷税等信息。114（5）资讯数据：包括市场动态、政策法规、投资机会等相关数据，反映上合组织国家间的经贸环境、趋势、需求等情况。同样的，该项数据除了按照数据的来源或归属进行分类，如按照国家、地区、部门、机构、平台等进行分类，也可以按照数据的类型或内容进行分类，如按照市场动态、政策法规、投资机会等进行分类，例如招投标数据、政策法规数据等。资讯数据的级别可以按照数据的价值或重要性进行分级，如按照核心数据、重要数据、一般数据等进行分级。例如核心数据是指涉及国家安全或战略利益的资讯数据，如特殊能源储备分布、军工数据等；重要数据是指涉及国家经济或社会利益的资讯数据，如经济增长指数、社会稳定指数等；一般数据则是除核心数据、重要数据以外的其他领域内更为广泛的各类资讯数据。由于数据分类分级是个复杂的系统性工程，尤其是对于经贸数据这类数量庞大、实效性和准确性要求高的数据来说，传统的人工识别并打标签方式可能会耗时耗力甚至捉襟见肘。目前，有条件的组织基本会通过半自动化或全自动化的工具进行数据分类分级的辅助工作，如数据自动发现：即通过扫描平台中各个系统或模块中存储或传输的各种类型和格式的数据文件和流量，自动识别并收集平台中存在的所有数据资产，并通过对收集到的各种类型和格式的数据资产进行解析、清洗、转换等预处理操作，提取各种类型和格式的数据资产中包含的属性或特征信息，并进行标准化处理。通过对提取并标准化的属性或特征信息进行匹配、评估、打分等操作，根据数据分类分级的标准和规则，对各种类型和格式的数据资产进行分类打标和分级标注。完成分类分级工作后，如平台有条件，还可通过对分类标记和分级标注的数据资产进行统计、汇总、展示等后处理操作，形成数据分类分级清单和全景图，对平台中的数据源数量、字段类型、文件容量，对贸易、物流、金融、监管、资讯等数据的来源、归属、115价值、敏感性等建立评价体系，形成可视化图谱，以便有效管理和利用数据资产。5.25.2 上合组织经贸数据流通上合组织经贸数据流通应用场景与应用场景与价值链价值链分析分析随着上合组织经贸往来的日益频繁和各国间贸易额的逐年提升，经贸数据的交换、共享和流通是推动区域经济一体化和高质量发展的重要举措。结合经贸活动和跨境贸易的可持续发展需求，上合组织经贸数据流通主要有以下应用场景：（1 1）提升提升跨境电子商务跨境电子商务水平。水平。现代跨境电子商务通过互联网等信息网络平台进行跨境交易活动，涉及商品、服务、知识产权交易等多种形式。上合组织跨境电子商务需要依赖经贸数据要素流通，实现商品信息、订单信息、支付信息、物流信息、海关信息等各环节的无缝对接，提高跨境电子商务的效率和安全性，降低交易成本。（2 2）提高区域能源互补合作效益。）提高区域能源互补合作效益。能源合作是上合组织区域经济合作的重要内容，涉及石油、天然气、电力、可再生能源等多个领域。能源贸易的数据要素流通将促进能源供需信息、价格信息、市场信息、技术信息等在各环节的有效传递和交换，降低信息成本，提高能源合作的效益。例如，上合组织成员国之间已经开展了多个能源合作项目，如中俄原油管道、中哈天然气管道、中巴经济走廊能源项目等，为区域内能源互补和信息共享提供了有力保障。（3 3）推动金融科技创新推动金融科技创新。金融科技是指利用互联网、大数据、人工智能、区块链等技术手段，实现金融服务的创新和优化，提高贸易金融服务的普惠性和便捷性。上合组织经贸数据要素流通，实现客户信息、信用信息、交易信息、风险信息等各环节的精准识别和智能处理，提高金融科技的安全性和透明度，推动创新金融科技产品开发利用。（4 4）降低国际贸易融资成本）降低国际贸易融资成本。经贸数据流通应用可以通过区块链、互联网等技术，实现运单、票据、保险、海关等多方信息的交116叉验证和共享，提高贸易融资的可信度和安全性，降低银行的风险溢价，从而降低国际贸易企业的融资成本。经贸数据流通应用可以促进上合组织国家间的商品、资本、服务和技术信息的自由流通，创新互动合作新方式，为跨境贸易企业拓展更广阔的融资市场和机遇。（5 5）开发经贸数据产品优化跨境投资决策开发经贸数据产品优化跨境投资决策。通过将上合组织经贸活动中收集和产生的经济、贸易、投资数据进行合法的整合、分析和开发利用，根据市场需求形成经贸数据产品。可以为跨境投资者提供及时、准确、全面的投资信息分析，帮助投资者了解各国的投资环境、政策、机遇和风险，为跨境投资决策提供参考和依据，优化区域内投资策略、调整投资结构、提升投资水平。同时，还可以为跨境投资者提供便捷、高效、低成本的投资合作和项目对接服务，帮助投资者寻找到合适的合作伙伴、项目和渠道，促进区域内的投资互联互通和资源优化配置。数据要素流通价值链描述了数据从原始数据到数据资源、数据产品和数据资产的流动、价值创造和价值增值的过程。为实现区域经济效益最大化，建议在价值链构建过程中，将上合组织作为一个价值链整体，通过加强建设数字基础设施，建立数据流通协议和数据标准、规范，并加强数据保护。在此基础上构建贯穿数字贸易全过程的供应链数据价值链体系，保证数据合法、可信、安全、高效地流通。在数据价值链当中，从原始数据到最终实现数据利用，共经历四个环节，形成四种形态或状态。以下围绕数据的形态与状态为中心，简要介绍经贸数据要素流通价值链：（1）原始数据（初始状态）：这些数据的来源方通常为各成员国的统计部门、商业组织和研究机构，其通过各种方式收集形成经贸物流数据，如贸易总额、进出口额、贸易伙伴、物流规模、投资规模和基础设施建设情况等数据，并在此基础上通过数字化形式转117化成可被计算机识读，符合计算机语言逻辑并能够被传输的原始数据。（2）数据资源：数据持有主体从数据来源方取得原始数据后，根据其战略需要，将数据进行必要的加工清洗和独立部署存储，形成具有潜在使用价值的数据资源。具体而言，在上合组织经贸数据要素流通价值链上，将与经贸活动相关的原始数据在剔除与实际需求不相关的数据后，并根据规划的使用目的从前述方法中按照一定的维度进行分类分级和标注处理，使其具备被加工成数据产品的先决条件。（3）数据产品：在被加工处理后形成的数据资源已初步具备了进一步实现数据价值的基础。这一阶段数据资源的利用有两条路径，即直接转化为数据产品参与市场流通，或按照市场需求进一步开发设计成为集成度更高、更复杂的数据产品。在上合组织数据要素流通价值链上，数据产品开发可以根据各国经贸发展的不同特点和需求，坚持以合法合规为前提，以市场需求为导向，单种类型数据或多种类型数据交叉分析开发。（4）交易流通：作为数据产品，无论是从数据资源直接转化而成的，还是由数据资源开发设计衍生形成的，在进入交易流通环节前，都应当完成数据产品或数据资源的确权登记。由于作为产品加入到交易流通当中，必然涉及多方的权利义务关系，其中最基础的就是数据产品其本身的权利归属。交易流通环节本质上是一个数据权利发生流转的过程，倘若数据产品不经确权，在交易流通特别是在不同国家主体间流通，极有可能由于潜在的权属风险而产生交易纠纷；即便未产生纠纷，权利归属不确定的情况下，数据需求方为了避免潜在的合规风险，完成数据产品交易的积极性也会大大降低。因此，作为价值链上这一环节的驱动主体，数据产品开发方应当积极完成数据产品的确权登记，而前提是上合组织数据流通合作的框架内，先建立起数据权属登记的系统，以取得登记证书来证明数据118产品的合法来源。（5）合约交付：数据供需双方进行了供需互动匹配达成流通或交易的意向后，正式签署合约，随后进入交易交付和需求方的使用阶段。在交付环节为了保障数据价值的真实、透明、不可篡改，同时保存交易记录，为潜在可能产生的纠纷保存证据，可以通过区块链等技术对交易行为进行存证。根据交易标的不同，数据流通交易存证可分为数据资源流通存证和数据产品流通存证，以保障数据按照协议用途使用，使数据保持稀缺性，从而提升数据可持续价值。通过经贸数据要素流通价值链，一方面大量的经济、贸易、投资等方面的数据得以被分析、加工、利用，从中挖掘隐藏在数据背后的贸易规律和趋势，为成员国之间的经济合作提供更有针对性的数据支持，充分释放数据的价值；另一方面利用区域内经济合作的贸易数据开展高级分析，围绕商业价值形成数据产品，对外通过数据共享、流通、交易提供数据产品及数据服务，从而提升数据要素对于促进经济发展的价值。5.35.3 上合组织经贸数据上合组织经贸数据要素要素流通流通实现路径实现路径数字化技术的快速发展已经使得数字化贸易成为各国现代经济的重要组成部分。但在数字化贸易中，数据流通面临着许多挑战和障碍，包括数据主权、数据安全、数据隐私和跨境数据流动限制等。因此，针对这些挑战和障碍，建议上合组织兼顾政策、制度、技术、标准、合作机制、人才培养等多方考虑，探索经贸数据要素流通应用的实施路径，并在此基础上制定实施纲要。促进区域数字化贸易的可持续发展和数字经济的共同繁荣，并以数字经济的发展赋能传统产业，从而实现上合组织各国多领域、高质量、可持续的发展。（1）建立数据基础制度：制定上合组织区域内经贸数据要素流通的规范和标准，包括数据格式、接口标准、安全保障标准、数据产品交易标准、监管标准等方面，确保数据的交换、共享和流通在119透明、可信、安全的环境下进行。同时，法律规范是数字化贸易的制度保障，也是数字化贸易规则的承托载体。为了促进数字化贸易的健康有序发展，上合组织应协调各方意见，在各国达成共识的基础上，签订数据流通的多边协定，明确数据流通过程中各方应遵守的原则、权利义务和责任规则，保障数字化贸易中各方的合法权益和公平竞争。各成员国自身也应当加强数据立法工作，建立符合国际惯例和各国国情的法律框架，与上合组织规范框架积极衔接，以保证数字化贸易中的数据流通行为能够在健全的法律规范和制度下开展。（2）加强基础设施建设：搭建符合国际通用标准的数字化贸易基础设施，在保证满足上合组织国家间数字化贸易需要的前提下，为日后其他国家或组织按照国际标准接入预留接口。同时也应当注重新技术在数字化贸易当中的应用，包括 5G、物联网、云计算、人工智能、大数据等技术。打造上合组织经贸数据中心，为数据使用和交换提供配套工具和基础设施，满足区域内国家在数据存储、处理、分析、挖掘、可视化等方面的需求。数据中心应保障数据的互操作性和安全性，建立完善的数据安全保障体系，包括更先进的数字加密技术、防火墙系统、身份认证机制、访问控制策略、数据备份及恢复方案等。（3）建设经贸数据专区：在统一的数据流通基础设施平台上打造上合组织数据空间，促进上合组织各国的信息共享，提高数据的可用、可信、可流通、可追溯水平。在数据空间中建设经贸数据专区，挖掘和聚合经贸数据应用场景，实现经贸数据要素流通的全过程动态管理。通过专区运营进一步提供数据资产登记、数据产品开发、数据资产交易等服务，发挥数据价值，降低交易成本，促进数据流通。（4）鼓励跨境数据流动：通过建立数字化贸易中的跨境数据流动机制，在确保数据安全的前提下，完善数据分级分类管理的机制，120在特定领域内减少数据流通的现实阻碍。例如对上合示范区跨境贸易中参与数据共享和流通试点的企业给予优惠政策，从而激发经贸活动中的商事主体对参与数据要素互联互通的积极性。（5）加强监管与合作：深化数字化贸易的监管协调机制，加强上合组织各国间的数据违法跨境监管合作，在条件允许的情况下探索建立上合组织区域间数据跨境合作监管执法机构或国际工作组，确保数字化贸易的健康发展和有序运行。同时，还应当建立数据安全应急响应机制，及时发现和处置突发的数据安全事件，减少数据安全事故造成的损失及其对国际经贸活动的影响。（6）加强数字贸易和数据人才培养：为了提高上合组织地区数字化贸易的水平和竞争力，各国应当达成共识，积极开展数字化贸易领域的人才培养工作，提高相关人员的专业素质，为数字化贸易的可持续发展提供有力的人才支撑。开展针对不同层次和类型人才的培训计划、建立与国际接轨的人才评价和认证体系、建立人才交流与合作平台、设置激励和保障机制等，如积极推动包括数据合规师在内的职业认证体系的建立。同时，还要加强人才创新能力的培养，鼓励数据分析、数据合规等类型人才参与到数字化贸易的研究和实践中，推动数字化贸易的技术进步和模式创新。121六、上合组织物流行业数据要素流通方案6.16.1 上合组织物流行业发展概述上合组织物流行业发展概述上海合作组织作为一个国际区域性组织，一直在促进其成员国之间的经济合作，而物流行业是所有国际贸易活动的重要支撑和保障。上合组织物流行业的发展在过去几年取得了显著的进步。随着成员国经济的增长和区域经济一体化发展，物流行业在促进贸易和经济发展中发挥了重要作用。6.1.1 上合组织物流行业发展现状上合组织涵盖了全球近 40%的人口、大量的地区经济生产总值，以及广袤的陆上疆域。长期以来，上合组织将地区互联性和基础设施发展作为重点关注领域。2013 年习近平总书记提出“一带一路”国家倡议，强调通过完善“一带一路”沿线国家基础设施建设，推动沿线国家更紧密的经贸往来以实现互利共赢。其中，作为陆上“丝绸之路经济带”的重要组成部分，中亚地区是连接起亚欧大陆两端及非洲的重要通道，实施覆盖这一区域的基础设施建设项目，通过构建穿越中亚的陆上交通网络，将中国与欧洲、非洲市场连接起来，这对于上合组织各国的发展也是难逢的契机，上合组织的发展某种程度上也被嵌入到“一带一路”倡议的发展大局当中。“一带一路”倡议和其他相关的倡议对于提高上合组织国家间的物流互通能力至关重要，为整个国际区域内的货物运输提高了效率。2022 年 9 月 16 日，上合组织发表了上海合作组织成员国元首理事会关于维护供应链安全稳定多元化的声明，其中明确提出“推动经验交流，保持国际物流通道良好不间断运行，强化物流基础设施建设，提升物流周转效率”“推动减少贸易壁垒和简化贸易程序，保障重要生产要素、必需品等商品顺畅流通”“加强数字经济和绿色可持续发展领域投资合作，按照各国国家自主贡献要求推122动产业链供应链数字化和低碳转型”等发展愿景。上合组织区域内的物流运输量日益增长。俄罗斯铁路公司总经理别洛格别洛泽罗夫在参加上合组织成员国铁路部门领导人会议时通报，2022 年上合组织成员国通过俄铁路网运输的货运总量为2.02 亿吨，较 2021 年增加 8.1%。2023 年第一季度，货运总量为7000 万吨，较 2022 年同期增长 47.5%。上合组织成员国的铁路干线总长超过 34 万公里，全球四分之三的铁路运输经过这些国家。1在这一背景下，上合组织的物流行业正在经历一场由数字化和自动化驱动的革命。其中，中国政府建设了中国-上海合作组织地方经贸合作示范区。上合示范区的多式联运综合服务平台通过基于卫星星座的多式联运综合服务平台建设，以上合示范区中欧班列为骨干联运网，打造了覆盖“一带一路”的“金融（CIFA 多式联运提单）、冷链、跨境电商”等特色多式联运体系，以平台提升物流效能，以物流提升商贸规模，形成了大市场、大交易、大物流的格局。全面利用卫星星座、大数据、物联网、云计算等技术，实现了灵活、易扩展的一体化综合物流服务平台，有效支撑了国际运输业务扩张。在数字化方面，上合组织各国的物流机构正在采用先进的信息技术来优化运输和仓储流程。物流机构通过海陆空铁高效协同、卫星赋能联运监管、全程跟踪实现监管可视化，可以实时监控货物的运输状态和位置，并与供应商、客户等各方进行实时沟通。这样的实时可视性有助于提高物流的准确性和效率，减少延误和错误。此外，大数据分析在上合组织物流行业中也扮演着重要的角色。物流机构可以通过分析运输数据、库存数据和销售数据等来识别运营瓶颈，改善物流过程。同时，大数据分析还有利于洞察市场趋势，帮助企业制定更精准的供应链战略。区块链技术在物流行业中的应用也越来越广泛。通过区块链，1俄 罗 斯 卫 星 通 讯 社.一 季 度 上 合 组 织 国家经俄铁路货运总量同比增 长 47.5/OL.2023-05-11.https:/ 上合组织物流数据类型及特征在上合组织的物流行业中，数据是一项重要的资源。物流数据可以分为几种类型，包括运输数据、库存数据、销售数据以及客户数据等。这些数据都有自己的特点和应用价值。（1）运输数据包括货物的起始地、目的地、运输方式、运输时间等信息。通过运输数据的分析，物流机构可以评估运输效率，优化运输路线和资源配置，提高运输准时率和客户满意度。（2）库存数据包括物流机构的库存水平、库存周转率、库存成本等信息。通过库存数据的分析，物流机构可以优化库存管理，减少库存积压和滞销，提高资金利用率和供应链的敏捷性。（3）销售数据包括销售额、销售渠道、产品需求等信息。通过124销售数据的分析，物流机构可以了解市场需求的趋势和变化，及时调整供应链策略，提高产品的市场竞争力。（4）客户数据包括客户需求、购买偏好、消费行为等信息。通过客户数据的分析，物流机构可以精准地定位客户需求，提供个性化的物流解决方案，提升客户满意度和忠诚度。总体而言，上合组织物流数据主要具备以下特征：（1）物流数据规模庞大。由于上合组织国家间经贸往来日益密切，交易量多，跟踪详细程度高，需要保留历史记录，物流运输全过程会产生大量数据，数据规模呈指数级增长。（2）物流数据来源和结构复杂。数据在格式、来源和结构方面可以有很大的变化和差异。例如，数据可以来自内部系统、供应商、客户或第三方物流提供商，可以是结构化的（例如，数据库）或非结构化的（例如，电子邮件，文档）。（3）物流数据价值内涵丰富。大数据时代的物流数据可以直接或间接地反映国家各区域的人口分布、商业分布、人口流动、货物流动、企业经营等情况。物流数据蕴含着丰富的商业价值。（4）物流数据具有时间敏感性。物流数据具有很强的动态性和时效性，随着物流活动的进行和市场环境的变化，物流数据不断更新和变化。例如，客户需求、货物状态、车辆位置、路况信息等都是实时变化的。物流数据要求及时采集、处理和分析，以保证信息的准确性和有效性。总的来说，上合组织物流行业正朝着数字化、智能化和可持续化方向发展。通过利用新的技术并充分运用数据，上合组织物流行业有望克服挑战，提升行业整体的效率和效益。同时，加强合作、推动基础设施建设和新技术普及也是促进上合组织物流行业发展的重要举措。1256.26.2 上合组织物流数据标准和分类分级建议上合组织物流数据标准和分类分级建议随着物流行业的数字化发展，数据已经成为了物流管理的关键要素。然而，考虑到上合组织各国之间的制度、技术和其他现实差异，如成员国中的印度、中国、俄罗斯幅员辽阔，但物流能力、物流设施发展极不均衡，具有各自的特点，现实差距较大。这需要通过基础设施的建设补足，同时也应当注重各类物流数据的整合，推动物流综合能力的建设和提高。但由于当前上合组织区域间还缺乏统一的数据标准和分类分级规范，数据的管理和利用在实践中面临着很多挑战。根据近年来上合组织各成员国共同发布的联合宣言和公报，其中加强区域互联互通、数字经济和数字技术领域合作是上合组织重点关注并将深化推进的重点。为能有效推进物流领域实体和数字经济的融合发展，制定符合可持续发展的适用标准势在必行。首先，上合组织应当制定统一的区域物流数据相关标准。首先，上合组织应当制定统一的区域物流数据相关标准。在各国主管部门的合作推动下，加强物流数字化领域的合作，通过标准联通兼容是消除数字鸿沟的有效途径。当前，结合上合组织各国特点，制定区域数据标准以支撑供应链数字化发展是迫切和必要的。关于区域标准的制定，中国在这方面有较为系统、完备的经验，可以借鉴中国的成熟经验，参考相关的物流信息平台建设和数据开发利用等国家和行业标准。表表 8 8 物流数据相关的中国国家、行业标准一览表物流数据相关的中国国家、行业标准一览表标准编号标准编号标准名称标准名称发布日期发布日期GB/T 17703.1-2002国际物流政府管理报文 第 1 部分：联合国标准国际物流政府管理报文2003-04-01GB/T 17703.2-国际物流政府管理报文 第 2 部1999-10-011261999分：一般原产地证明书报文GB/T 17703.3-1999国际物流政府管理报文 第 3 部分：普惠制原产地证明书报文2000-01-01GB/T 22263.1-2008物流公共信息平台应用开发指南第 1 部分：基础术语2009-01-01GB/T 22263.2-2008物流公共信息平台应用开发指南第 2 部分：体系架构2009-01-01GB/T 22263.7-2010物流公共信息平台应用开发指南第 7 部分：平台服务管理2011-05-01GB/T 22263.8-2010物流公共信息平台应用开发指南第 8 部分：软件开发管理2011-05-01GB/T 23830-2009物流管理信息系统应用开发指南2009-11-01GB/T 26821-2011物流管理信息系统功能与设计要求2011-12-01GB/T 26318-2010物流网络信息系统风险与防范2011-05-01GB/T 36088-2018冷链物流信息管理要求2018-10-01GB/T 37017-2018物流公共信息平台应用开发指南信息编码规则2019-07-01127GB/T 42013-2022信息安全技术 快递物流服务数据安全要求2023-05-01JT/T 919.1-2014交通运输物流信息交换 第 1 部分：数据元2014-11-01JT/T 919.2-2014交通运输物流信息交换 第 2 部分：道路运输电子单证2014-11-01JT/T 919.3-2014交通运输物流信息交换 第 3 部分：物流站场（园区）电子单证2014-11-01SB/T 11181-2016国际物流信息系统数据接口规范2017-05-01SB/T 11155-2016电子商务物流服务信息系统成熟度等级规范2017-05-01WB/T 1113-2021应急物流数据交换格式2021-07-01WB/T 1114-2021应急物流数据交换通用要求2021-0701WB/T 1123-2022应急物流基础数据元2022-0701WB/T 1124-2022应急物流公共数据模型2022-0701从上表中可以看到，上合组织物流数据区域标准的重要关注点128应包括数据的格式、质量、安全性以及互操作性。数据的格式标准可以确保数据的一致性和可读性。例如，制定统一的数据编号、命名规则、数据单位、时间格式等，以便不同系统和平台之间能够顺利共享、兼容读取数据。数据的质量标准可以确保数据的准确性和可靠性。包括数据采集、整理、清洗、校验等环节，确保数据的完整性和一致性。数据的安全性标准可以保护数据的隐私和安全。制定数据安全策略、权限管理规范、数据加密和身份验证等措施，确保数据在存储、传输和使用过程中的安全。数据的互操作性标准可以促进数据的共享和交换。例如，制定统一的数据接口标准、数据交换格式等，降低不同系统之间的兼容难度，提高数据流通的效率。其次，上合组织需要为物流数据制定可控的分类分级区域标准。其次，上合组织需要为物流数据制定可控的分类分级区域标准。物流数据的分类分级应在上合组织成员国政府间关于建立和运行交通运输一体化管理系统框架协定的框架内，深化交通运输领域多边合作，结合数据的类型、来源、用途以及敏感性进行，通过政府制定跨境数据传输的示范或标准合同条款，作为一种“预先授权的保障”机制，保障可信数据的传输。在这个框架下，可以借鉴的中国的国家、行业标准：表表 9 9 物流数据分类分级相关的中国国家、行业标准一览表物流数据分类分级相关的中国国家、行业标准一览表标准编号标准编号标准名称标准名称发布日期发布日期GB/T 23831-2009物流信息分类与代码2009-11-01GB/T 24361-2009社会物流统计指标体系2009-12-01GB/T 26820-2011物流服务分类与编码2011-12-01GB/T 29184-2012物流单证分类与编码2013-06-01129WB/T 1122-2022应急物流基础信息分类与代码2022-07-01（1 1）基于物流流程维度基于物流流程维度的分类的分类。可以根据不同国家主体，基于可以根据不同国家主体，基于数据使用能力构建面向运输数据、库存数据、销售数据、客户数据数据使用能力构建面向运输数据、库存数据、销售数据、客户数据等等维度进行维度进行分类。分类。运输数据包括货物的运输轨迹、运输工具的状态等信息；库存数据包括物料的入库、出库、库存量等信息；销售数据包括销售额、销售渠道、产品类别等信息；客户数据包括客户名称、客户偏好、购买频率等信息。根据不同的数据类型，可以制定相应的数据采集、存储和分析的规范。（2 2）基于物流基于物流数据的来源分类数据的来源分类。可以包括内部数据和外部数据。可以包括内部数据和外部数据。内部数据是指业务主体自身产生的数据，如机构内部的运输记录、库存记录、销售记录等。外部数据是指来自于外部合作伙伴、第三方平台或政府机构的数据，如供应商提供的运输数据、市场研究机构提供的市场数据、政府统计机构发布的公共数据等。对于不同来源的数据，应当制定数据获取和整合的规范，确保数据的准确性和一致性。（3 3）基于物流基于物流数据的用途分类数据的用途分类。可以包括运营管理、市场分析、可以包括运营管理、市场分析、客户服务以及决策支持等。客户服务以及决策支持等。根据不同的用途，可以制定相应的数据分析和应用的规范。例如，针对运营管理，可以制定运输效率评估的指标和方法，帮助物流机构优化运输路线和资源配置。对于市场分析，可以制定市场需求预测的模型和技术，帮助业务主体了解市场趋势和竞争环境。针对客户服务，可以制定客户数据分析和关系管理的规范，提供个性化的物流解决方案。对于决策支持，可以制定数据可视化和决策分析的规范，提供准确、及时的决策支持信息。（4 4）基于物流基于物流数据的敏感性分级数据的敏感性分级。根据数据的隐私和安全性要求对每类数据划分敏感性等级。根据数据的敏感程度，制定数据访问权限控制的规范，确保数据只被授权人员访问和使用。例如，对于智慧物流建设过程中的公开数据，可引入无访问限制模式；对于130物流数据开放共享中存在商业秘密保护价值的数据，可引入保密协议机制；对于物流数据开放共享中存在的个人隐私，可引入数据匿名化技术。通过制定区域标准，形成统一物流相关数据规范和构建分类分级体系，上合组织可以提高物流数据的管理和利用效率，促进物流行业的数字化进程。统一的数据标准和分类分级体系能够降低数据交换和共享的成本，提高数据的准确性和一致性，促进跨国家、跨系统、跨组织间的数据流通与合作。这将为上合组织的物流行业提供更大的发展空间和潜力，推动区域内物流行业的创新和提质升级。6.36.3 上合组织物流数据流通应用场景上合组织物流数据流通应用场景物流数据的流通在上合组织的物流行业中有着广泛的应用场景和巨大价值。根据上合组织各国达成的共识，未来合作方向将新建和改造现有国际线路，并在交通基础设施建设和物流运输采用数字创新和节能技术，同时借鉴国际先进做法优化货物通关手续。在此基础上，要实现上合组织国家间物流数据应用场景的充分扩展，就应当积极推动物流数据跨境流通。这对繁荣数字经济和发挥社会潜力至关重要，同时有助于促进创新商业模式的发展，将为区域内整体物流行业带来广泛和更深层次的价值。物流数据要素流通的典型应用场景如下：（1 1）优化优化供应链管理。供应链管理。物流数据的互联互通可以帮助产业链上的相关企业更好地管理供应链。通过分析运输数据和库存数据，国家和企业可以优化供应链部署。通过整合铁路、公路、水路、航空、港口等业务流、数据流、资金流、货物流，实现海陆空铁联运订单、作业、通关、跟踪、支付、融资等环节全覆盖、高效协同，真正实现一站托运、一份单证、一次打印、一次申报、一次通关、一次结算。运输数据可以提供货物的实时位置和运输状态，帮助企业监控供应链的可靠性和及时性。131库存数据可以帮助企业进行库存管理，预测需求和避免库存积压。通过分析销售数据和客户数据，企业可以了解市场趋势和客户需求，从而制定更有效的生产计划和供应链策略。通常，在一个典型的供应链管理场景中，物流数据的流通可以帮助企业实现以下功能：A.实时可视化供应链。通过物流数据的实时监控和数据分析，企业可以及时获得供应链各个环节的关键指标和状态，包括货物的运输位置、库存水平、订单状态等。通过跟铁路、公路、船舶、卫星的对接，形成全程物流轨迹的可视化展示，为客户提供多终端、实时的多式联运全程物流的监管跟踪，实现对公路、铁路、水路和物流等信息的运输、堆放、装卸等全过程实时、可视化呈现，提高供应链的可靠性和时效性。B.预测需求和库存优化。通过分析销售数据、客户数据和库存数据，企业可以预测市场需求的变化趋势，并根据需求的变化调整库存水平和供应链计划。物流数据的流通可以帮助企业实现准确的需求预测，减少库存积压和滞销，提高资金利用率和供应链的敏捷性。（2 2）提升提升物流服务物流服务水平水平。物流数据要素的流通可以帮助物流服务提供商提高服务质量和客户满意度。将卫星、5G、物联网、大数据、云计算等新一代信息技术与多式联运业务深度融合。借助卫星星座广覆盖、大连接以及 5G 网络大带宽、低时延等技术特性，实现多式联运各场景物流信息的实时传输、各环节运输工具的动态定位跟踪和各环节信息的高效互通，提升多式联运智慧化水平。通过分析运输数据，物流服务提供商可以动态优化运输路线和运输计划，减少运输时间和成本，提高运输效率。物流服务提供商还可以通过分析客户数据了解客户的需求和满意度，提供更加个性化的服务。在物流服务过程中，物流数据的流通可以带来流程优化和服务改善，实现以下效果：A.动态优化运输方案。通过物流数据的实时监测和分析，物流132服务提供商可以根据实际情况调整运输路线和运输计划，选择最优的运输方式和运输路径。减少运输时间、降低成本，并提高物流服务的效率和准确性。B.个性化服务。通过分析客户运输服务数据，物流服务提供商可以了解客户的需求、偏好和行为，为客户提供个性化的物流服务。例如，根据客户的交付时间要求，物流服务提供商可以提供快速配送服务或定制化的配送方案，选择更加便捷的空铁联运、水陆联运等，提升客户的满意度和忠诚度。（3 3）推动推动跨境物流跨境物流便利化便利化。物流数据要素流通在跨境物流中也有重要的应用。上合组织不同国家和地区之间的货物运输和贸易活动，需要满足复杂的法律和政策要求。物流数据的流通可以帮助企业实现跨境物流的便利和合规。在跨境物流的场景中，物流数据的流通可以帮助规避风险，做出更好的商业决策。A.跨境运输方案选择。通过分析运输数据和关税数据，企业可以评估不同的跨境运输方案的成本和收益。物流数据的流通可以帮助企业选择最经济、最快速的跨境运输方式和路线，提高运输效率和降低运输成本。B.跨境贸易合规。通过分析海关数据、边检（出入境）数据、动植物检验检疫信息等，企业得以更明晰海关放行及查扣罚没的详细信息，出入境管理机关对货物进出关的执法信息，以及动植物检验检疫部门对货物检验检疫的实施情况信息，从而便于遵守跨境贸易的法规，避免贸易风险和法律纠纷。物流数据的流通可以帮助企业确保货物出入境的合法性和可追溯性，提高贸易的安全度、透明度和可信度。（4 4）提高提高物流物流智能化水平智能化水平。物流数据要素的流通是实现智能物流的基础。通过分析物流数据，企业可以应用人工智能、大数据和物联网等技术，实现物流全流程的自动化和智能化。在智能物流中，133顺畅流动的物流数据是有效支持决策、支撑过程自动化的重要因素。A.智能预测和决策支持。通过分析历史运输数据和市场数据，企业可以应用机器学习和数据挖掘技术，预测未来的需求和趋势。物流数据的流通可以帮助企业进行准确的需求预测和供应链规划，支持决策的制定和执行。B.自动化仓储和配送。通过物流数据的实时监控和分析，可以实现仓储和配送过程的自动化。物流设备和系统可以根据物流数据的指示自动完成货物的仓储、拣选和配送任务，提高物流操作的效率和准确性。综上所述，物流数据要素的流通在上合组织的物流行业中有着广泛的应用场景。通过分析和应用通过分析和应用区域内各国的区域内各国的物流数据，企业可物流数据，企业可以优化供应链、提升物流服务质量、实现跨境物流便利和合规、推以优化供应链、提升物流服务质量、实现跨境物流便利和合规、推动智能物流的发展。这些应用场景将帮助上合组织内各国物流行业动智能物流的发展。这些应用场景将帮助上合组织内各国物流行业提高效率、降低成本、提升竞争力，促进区域经济一体化提高效率、降低成本、提升竞争力，促进区域经济一体化发展发展进程。进程。6.46.4 上合组织物流数据流通价值链上合组织物流数据流通价值链物流数据要素的跨境流通，对于促进上合组织各国经济贸易、货物往来、安全合作等方面具有十分重要的战略价值和现实意义。上合组织各国也应当就此达成共识，在物流领域建立更紧密的合作，共同推动区域内经济繁荣和可持续发展，并通过物流数据要素的跨境流通，实现物流领域基础设施的更新与升级，从而使上合组织区域内的经济合作成果能够更广泛地在“一带一路”倡议中得到应用。6.4.1 物流数据价值链构建在推动上合组织数据进一步共享、流通与应用的过程中，数据安全合规的流通理念应贯穿到从物流数据原始形态到最终发挥价值的整个价值链路中。物流数据物流数据要素流通要素流通价值链描述了从物流原始数价值链描述了从物流原始数据，到数据资源、数据产品和数据资产的流动、价值创造和价值增据，到数据资源、数据产品和数据资产的流动、价值创造和价值增134值的动态过程，它展示了物流数据自身及其流通的过程在物流行业值的动态过程，它展示了物流数据自身及其流通的过程在物流行业发展发展中的重要价值。上合组织物流数据中的重要价值。上合组织物流数据要素要素流通价值链的重要性在流通价值链的重要性在于提升物流效率、优化供应链管理、支持决策制定、促进跨境贸易于提升物流效率、优化供应链管理、支持决策制定、促进跨境贸易和推动物流创新发展。和推动物流创新发展。2022 年上海合作组织成员国元首理事会关于维护供应链安全稳定多元化的声明中提及“加强数字经济和绿色可持续发展领域投资合作，按照各国国家自主贡献要求推动产业链供应链数字化和低碳转型。”通过充分发挥物流数据要素流通的作用，上合组织各国能够实现物流行业的数字化转型，提升整体效能，推动经济的可持续发展。以下从价值链的各种形态、状态展开，介绍物流数据要素流通的价值链构建：（1）原始数据（初始状态）：物流原始数据主要产生于物流活动的各个环节中，如运输、仓储、装卸、配送等。这些活动通过各种设备和系统（如 GPS、RFID、WMS、TMS 等）大量生成、收集物流过程中的信息并转化成数字化形式呈现的原始数据。通过这些设备和系统，数据控制者可以直接获取关于货物位置、运输状态、运输路径、仓储信息等数据，同时，收集数据的过程中需要保障数据的完整性、准确性、及时性和安全性。（2）数据资源：物流数据的持有主体从数据直接采集者（数据来源方）取得原始数据后，根据其商业需要，对这些采集的原始数据进行必要的加工清洗和独立部署，形成具有潜在应用价值的数据资源。在上合组织物流数据要素流通价值链上，这些采集的原始数据在加工清洗后，参照前述对物流数据的分类分级方式进行处理和排列，使其具备可以合法合规使用的基础，并建立数据资源目录为之后开发数据产品做好准备。（3）数据产品：遵循数据流通价值链发挥价值的一般规律，物流数据资源与经贸数据资源类似，可以直接转化成数据产品，或是按照市场需求进一步开发加工成集成度更高、更复杂的物流数据产品。需要指出的是，物流数据相较于经贸数据，由于其所涉及的领135域相对有限，相较于经贸数据所涉及的产业维度而言，物流数据能够进一步根据不同种类交叉开发数据产品的空间可能没有经贸数据大。（4）交易流通：在完成物流数据产品确权登记后，数据产品即可进入交易流通的环节。物流数据产品的交易流通实际上也涉及到权利流转的过程，而物流数据的来源主体复杂，为避免潜在的风险和纠纷，数据产品的开发方应当积极完成数据产品的确权登记。数据需求方在购买数据产品的前中后各个环节也应当注意核查数据产品的登记情况，以免产生合规风险和权属纠纷。（5）合约交付：数据产品开发方与数据需求方进行了供需互动匹配并达成交易的意向后，将签署流通交易协议，随后进入交易交付和需求方的使用阶段。这一环节中数据需求方同样须注意通过如区块链等技术或其他手段保存交易记录，为潜在的可能产生的纠纷保存证据。6.4.2 物流数据要素流通配置模式在上合组织的物流数据要素流通中，根据各国达成的共识，数字化和创新技术的应用在促进上合组织各国经济增长和可持续发展方面的作用日益上升。在新技术充分应用的基础上，物流数据要素的流通可以根据物流产业实际发展情况采用不同的配置模式，这些配置模式根据数据管理和控制的方式来划分，可以划分成集中式、分散式和混合式等。（1）数据要素流通集中式配置模式。集中式配置模式强调数据的统一管理和控制。在这种模式下，物流数据的生成收集、加工处理、开发设计、交易流通、合约交付、实施利用等环节由一个中央机构或组织协调并监督。这种模式适合大型企业和政府机构，可以确保数据的一致性和安全性。集中式配置模式能够实现数据的集中存储和管理，便于进行综合分析和决策制定。136（2）数据要素流通分散式配置模式。分散式配置模式强调数据的自主管理和灵活利用。在这种模式下，物流数据的生成收集、加工处理、开发设计、交易流通、合约交付、实施利用等环节由各个参与方自行负责。这种模式适合小型企业和创新项目，可以根据自身需求和能力进行数据管理和应用。分散式配置模式能够实现数据的本地化存储和处理，便于灵活应用和快速决策。（3）数据要素流通混合式配置模式。混合式配置模式结合了集中式和分散式配置模式的优点。在这种模式下，物流数据的生成收集、加工处理、开发设计、交易流通、合约交付、实施利用等环节既有集中管理，也有灵活自主。这种模式适合复杂和动态的环境，可以根据具体情况灵活配置数据管理和应用的模式。混合式配置模式能够实现数据的部分集中和部分分散，既满足整体数据管理的需求，又保留各参与方的自主权。综上所述，上合组织的物流数据要素流通包括数据的生成收集、加工处理、开发设计、交易流通、合约交付、实施利用等环节，构成了一条完整的流通价值链。在物流数据要素的流通中，可以根据实际应用场景和需求采用集中式、分散式和混合式等不同的配置模式，以满足不同组织和企业的需求和特点。这样的流通价值链和配置模式将促进物流行业的数字化升级，提升区域物流整体效能。6.56.5 上合组织物流数据流通应用实施路径及保障措施上合组织物流数据流通应用实施路径及保障措施2022 年上海合作组织成员国政府首脑（总理）理事会第二十一次会议联合公报中提到，“加强相互协调和协作，利用数字经济和科技创新增强成员国发展新动能，提升本地区经济竞争力和发展潜力十分重要，反对以任何借口采取歧视性做法，阻碍数字经济和通信技术发展。”这为实施物流数据要素流通应用设定了范围、框架和原则。上合组织应当从更高的战略布局上重视并引导区域内物流基础设施、数据资源的利用，合理管控数据安全风险，确保数据质137量和可靠性，实现“数据资源动起来，实体产业跑起来”让数字经济反哺传统产业的目标，最终实现上合组织各国多领域、高质量、可持续的发展。主要可以参考以下实施路径：6.5.1 实施路径（1 1）区域合作需求分析。）区域合作需求分析。首先应当对进行区域合作的实际情况及对物流产业的需求进行分析，调研了解各国企业的业务需求和数据需求。这包括与各合作国家管理部门和利益相关方的积极沟通，从而确定物流数据要素流通应用的目标和范围，从而为后续的部署实施提供有针对性的信息支持。（2 2）信息技术协同）信息技术协同建设建设。根据需求分析结果，选择与应用场景相匹配的技术或工具来支持物流数据流通应用。包括建立数据平台、配置数据接口、选择合适的数据分析工具等。技术准备阶段需要确保所选技术和工具能够满足跨境企业的需求，并具备良好的可扩展性和兼容性。（3 3）可流通数据整合。）可流通数据整合。整合来自不同国家的物流业务源头的数据，将其集成在统一的数据中心或综合服务平台上进行统一存储和管理。在数据采集、清洗、转换和整合的过程中要确保数据的准确性、一致性和完整性。数据整合的关键是构建一个可靠的数据基础池，为后续的数据分析和应用提供可靠的数据源。（4 4）综合性数据分析。）综合性数据分析。对整合后的物流数据进行分析，以提取有价值的信息和洞察。数据分析可以采用各种技术和方法，如数据挖掘、机器学习、统计分析等。通过数据分析，可以发现潜在的商业问题、趋势和机会，为商业决策提供支持和指导。（5 5）平台化产品开发。）平台化产品开发。基于数据分析结果，在统一标准的基础上，结合上合组织各国的实际情况开发相应的物流数据产品。包括数据包、数据报告、数据仪表盘、数据服务等。产品开发的关键是根据可能相关的企业和组织的具体需求及用户使用习惯，设计友好138的可视化图形界面和功能。（6 6）

0人已浏览 2023-12-15 166页 5星级

数据资产政策汇编二二三年十一月数据作为数字经济时代的关键生产要素，逐步融入生产生活各方面，深刻影响并重构着经济社会运行和社会治理，已成为影响未来发展的关键战略性资源。近年来，我国高度重视发展数字经济、数据要素及其市场化配置改革，发布了一系列重要政策，推动数据要素市场快速发展，进一步明确了大循环背景下数据资源畅通的方向。为帮助各方更深入了解我国的数据资产政策导向，全球数据资产大会组委会对2022 年-2023 年期间出台的部分国家及地方层面的相关政策、法规和标准进行了整理和汇总。1A.核心篇核心篇.11.温州市财政局关于探索数据资产管理试点的试行意见（2023-11-09）.12.广西数据要素市场化发展管理暂行办法（2023-11-07）.33.关于规范和促进数据跨境流动规定（征求意见稿）（2023-09-28）.64.关于印发数据资产评估指导意见的通知（2023-09-08）.75.关于 个人信息保护合规审计管理办法（征求意见稿）(2023-08-23）.116.关于印发企业数据资源相关会计处理暂行规定的通知（2023-08-01）.127.关于构建数据基础制度更好发挥数据要素作用的意见(2022-12-02）.158.广西数据要素市场化发展管理暂行办法（2023-11-07）.20B.法律法规篇法律法规篇.23一、一、国家篇国家篇.231、会计师事务所数据安全管理暂行办法（征求意见稿）.232、关于进一步规范银行间市场货币经纪报价及数据展示有关事项的通知（2023-09-12）.263、关于规范货币经纪公司提供数据服务有关事项的通知（2023-08-31）.274、中国人民银行业务领域数据安全管理办法（征求意见稿）（2023-07-24）.285、数字中国建设整体布局规划（2023-02-27）.396、个人信息出境标准合同办法（2023-02-22）.417、关于促进数据安全产业发展的指导意见（2023-01-03）.438、关于印发工业和信息化领域数据安全管理办法（试行）的通知（2022-12-08）.469、互联网信息服务深度合成管理规定（2022-11-25).5210、关于印发全国一体化政务大数据体系建设指南的通知(2022-09-13）.5511、数据出境安全评估办法(2022-09-01）.6812、关于印发要素市场化配置综合改革试点总体方案的通知（2021-12-21）.7013、中华人民共和国数据安全法（2021-06-10）.8314、中华人民共和国网络安全法（2016-11-07）.882二、二、地方文件地方文件.90（一）（一）北京市北京市.901、2023 年北京市高精尖产业发展资金实施指南（第三批）（2023-11-17）.902、北京市公共数据专区授权运营管理办法（征求意见稿）（2023-07-20）.913、2023 年数据要素市场示范奖励申报说明.954、北京市发展和改革委员会关于印发进一步加强数据中心项目节能审查若干规定的通知（2023-07-05）.1015、中共北京市委北京市人民政府印发关于更好发挥数据要素作用进一步加快发展数字经济的实施意见的通知（2023-06-20）.1036、北京市数字经济促进条例（2022-11-25）.1087、北京市数字经济全产业链开放发展行动方案（2022-05-30）.115（二）（二）天津市天津市.1201、天津市数据知识产权登记办法（试行)（2023-09-12).1202、天津市数据交易管理暂行办法（2022-01-25）.1243、天津市加快数字化发展三年行动方案（2021-2023 年）（2021-08-19）.128（三）（三）上海市上海市.1401、上 海 市 促 进 浦 东 新 区 数 据 流 通 交 易 若 干 规 定（草 案）(2023-07-27）.1402、立足数字经济新赛道推动数据要素产业创新发展行动方案（2023-2025 年）（2023-07-22）.1433、中国（上海）自由贸易试验区专项发展资金支持数据要素市场发展实施细则（2023-6-14）.1474、上海市数据交易场所管理实施暂行办法（2023-03-15).1495、上海市公共数据开放实施细则（2022-12-31）.1536、上海市数据条例（2021-11-25）.1617、青浦区公共数据运行服务管理办法（试行）（2021-06-03）171（四）（四）重庆市重庆市.1731、重床市数据条例（2022-03-20）.1732、重庆市数据治理“十四五”规划（2021-2025 年）（2021-12-16）1813、重庆市数字经济“十四五”发展规划（2021-2025 年）.191（五）（五）广东省广东省.2121、深圳市公共数据开放管理办法（征求意见稿）（2023-09-26).2122、深圳市企业数据合规指引（2023-09-11).2223、广州市数据条例（征求意见稿）（2023-07-01）.2364、深圳市交易场所监督管理暂行办法的通知(2023-06-21).2425、深圳市数据产权登记管理暂行办法(2023-06-15).2476、广东省人民政府关于加快建设通用人工智能产业创新引领地的实施意见.2527、广东省数据资产合规登记规则（试行）（2023-04-25）.2568、广州市公共数据开放管理办法(2023-04-11).26139、广东省数据流通交易管理办法（试行）（2023-04-04).26710、广东省数据流通交易监管规则（试行）（征求意见稿）（2023-04-04).27211、广东省数据经纪人管理规则（试行）（2023-04-04）.27712、深圳市数据商和数据流通交易第三方服务机构管理暂行办法（2023-02-24）.28113、汕尾市首席数据官制度试点工作实施方案(2022-09-05).28414、深圳市数据交易管理暂行办法（2022-11-18）.28715、广东省数据要素市场化配置改革白皮书（2022-11）.29116、深圳经济特区数字经济产业促进条例(2022-09-05).32717、广东省数字经济促进条例（2021-07-30）.32818、广东省数据要素市场化配置改革行动方案（2021-07-05）.336（六）（六）浙江省浙江省.3391、杭州市公共数据授权运营实施方案(试行)（2023-09-01）.3402、温州市公共数据授权运营管理实施细则（试行）（2023-08-05）3443、浙江省公共数据授权运营管理办法（试行）（2023-08-01）.3494、浙江省数据知识产权登记办法(试行)（2023-07-01）.3535、浙江省推进产业数据价值化改革试点方案(2022-10-19）.3566、浙江统计大脑数据安全管理暂行办法（2022-04-26）.3607、浙江省高质量推进数字经济发展 2022 年工作要点（2022-03-21）3628、浙江省公共数据条例（2022-01-21）.369（七）（七）山西省山西省.3761、太原市政务数据资源共享实施办法（2023-11-01）.3762、山西省政务数据安全管理办法的通知（2023-05-22）.3803、山西省数字经济促进条例（2022-12-09）.3834、山西省“十四五”大数据发展应用规划（2021-10-20）.3885、山西省政务数据资源共享管理办法（2021-09-29）.404（八）（八）河南省河南省.4091、河南省人民政府关于印发河南省加强数字政府建设实施方案（2023-2025 年）的通知（2023-04-26）.4092、2023 年河南省数字经济发展工作方案（2023-01-25）.4173、河南省数据条例（草案）（征求意见稿）（2022-12-24).4224、河南省数据交易管理办法（试行）（2022-12-15）.4285、河南省人民政府办公厅关于印发河南省大数据产业发展行动计划（2022-2025 年）的通知（2022-09-15）.4336、河南省政务数据安全管理暂行办法（2022-04-21）.4397、河南省“十四五”数字经济和信息化发展规划（2021-12-31）.4418、河南省数字经济促进条例（2021-12-18）.467（九）（九）湖北省湖北省.4751、湖北省数据要素市场建设实施方案（2023-08-28）.4752、湖北省 2023 年新型融合领域网络和数据安全“荆楚护航”专项行动方案（2023-05-06）.4763、湖北省医疗保障局关于印发 湖北省医疗保障信息平合数据安全管理办法的通知（2022-10-19）.48144、湖北省人民政府办公厅关于印发湖北数字经济强省三年行动计划（2022-2024 年）的通知（2022-08-03）.485（十）（十）山东省山东省.4911、山东省数字基础设施建设行动方案（20242025 年）（2023-11-14）.4912、山东省数据知识产权登记管理规则（试行）（2023-10-27）.5113、山东省人民政府办公厅关于印发数宇强省建设 2023 年工作要点的通知（2023-06-17).5154、数字青岛发展规划（20232025 年）（2023-05-08）.5215、青岛市公共数据运营试点管理暂行办法（2023-04-25）.5406、烟台市激活数据要素潜能发挥数据要素作用行动方案（2023-2025年）（2023-04-07）.5457、济南市公共数据授权运营数据（征求意见稿）（2023-03-02）.5508、山东省数字政府建设实施方案（2023-01-29）.5539、威海市公共数据管理办法（2022-11-04）.56610、山东省大数据局关手印发 山东省公共数据开放工作细则（试行)的通知（2022-10-21）.57011、山东省公共数据开放办法（2022-01-31）.57412、山东省大数据发展促进条例（2021-09-30）.578（十一）（十一）江苏省江苏省.5841、姜堰区首席数据官工作实施细则（2023-04-13）.5842、江苏省政府关于加快统筹推进数字政府高质量建设的实施意见（2022-05-31）.5873、江苏省数字经济促进条例（2022-05-31）.5924、苏州市数据条例（送审稿）(2022-04-13).6025、江苏“十四五”数字经济发展规划（2021-08-10).6126、江苏省公共数据管理办法（2021-12-18).636（十二）（十二）辽宁省辽宁省.6451、辽宁省遥感彩像数据共享使用管理规定（试行）（2023-01-11）6452、辽宁省大数据发展条例（2022-05-31).6463、辽阳市数字经济发展规划（2021-2025 年）(2022-05-02）.652（十三）（十三）安徽省安徽省.6731、宿州市首席数据官试点工作方案(2023-09-07).6732、马鞍山市公共数据开放管理暂行办法（2023-02-09）.6743、关于征询公众对 安徽省公共数据开放管理暂行办法（征求意见稿意见的公告(2022-11-09）.6774、安徽省人民政府办公厅关于印发加快发展数字经济行动方案（2022-2024 年（2022-08-18）.682（十四）（十四）四川省四川省.6871、成都市智慧蓉城促进条例（草案）（2023-11-08）.6872、四川省数据条例(2022-12-02).6933、德阳市数据要秦管理暂行办法(2022-09-01）.701（十五）（十五）湖南省湖南省.7041、湖南省“十四五”数字政府建设实施方案（2023-03-23）.70452、湖南省“十四五”信息化发展规划(2021-09-06）.7133、常德市公共数据管理办法（2020-08-24）.737（十六）（十六）陕西省陕西省.7411、陕西省大数据条例(2022-09-29).7412、陕西省加快推进数字经济产业发展实施方案【20212025 年】(2022-04-22).750（十七）（十七）黑龙江省黑龙江省.7551、黑龙江省支持数字经济加快发展若干政策措施（2023-11-12）.7552、黑龙江省“十四五”数字经济发展规划（2023-11-12）.7583、黑龙江省促进大数据发展应用条例（2022-05-13）.7864、哈尔滨市公共数据开放管理办法(2022-12-15).793（十八）（十八）甘肃省甘肃省.7961、中共甘肃省委甘肃省人民政府关于促进数据要素市场发展的实施意见（2023-05-28）.7962、甘肃省“十四五”数字经济创新发展规划（2021-09-21）.800（十九）（十九）江西省江西省.8181、江西省数字化项目建设管理办法（2023-09-26）.8182、南昌市首席数据官制度工作方案(2023-09-18).8243、江西省数字政府建设总体方案（2023-07-20）.8254、江西省 2023 年数字政府建设工作要点（2023-04-13）.8415、江西省一体化政务大数据体系建设工作方案（2023-02-09）.8446、江西省推进大数据产业发展三年行动计划（2023-2025 年）（2023-01-11）.8517、江西省数据应用条例（草案）（2022-11-30）.8558、江西省信息通信业促进数字经济发展三年行动计划（2022-2024 年）（2022-09-08）.8629、江西省“十四五”数字经济发展规划（2022-05-25）.87810、江西省公共数据管理办法（2022-01-12）.897（二十）（二十）河北省河北省.9031、河北省政务数据共享应用管理办法（2022-10-25）.9032、河北省数字经济促进条例（2022-05-27）.9073、陕河北省大数据产业创新发展提升行动计划（2020-2022 年）（2020-07-06）.918（二十一）（二十一）福建省福建省.9241、厦门市中小企业数字化转型试点城市工作方案（征求意见稿）（2023-11-21）.9242、厦门市公共数据授权运营管理暂行办法（征求意见稿）（2023-11-09）.9293、福建省一体化公共数据体系建设方案（2023-09-30）.9334、福建省加快推进数据要素市场化改革实施方案（2023-09-19）.9405、厦门经济特区数据条例（2022-12-27）.9436、福建省数字政府改革和建设总体方案（2022-12-26）.9507、福建省公共数据资源开放开发管理办法（试行）.967（二十二）（二十二）云南省云南省.97161、大理州数据资产登记管理办法（2023-10-17）.9712、大理州数据资产评估管理办法（2023-10-17）.9763、大理州公共数据授权运营管理办法（2023-10-17）.9804、大理州数据分类分级管理办法（2023-10-17）.9845、大理州数据流通交易管理办法（2023-10-17）.9876、大理州数据交易服务规则（2023-10-17）.9927、云南省公共数据管理办法（征求意见稿）（2023-09-28）.9968、云南省数字政府建设总体方案（2023-03-02）.10029、云南省行业级大数据中心建设指南（2022-11-04）.101310、云南省数字经济发展三年行动方案（20222024 年）（2022-04-27）.1016（二十三）（二十三）海南省海南省.10291、海南省大数据人才发展规划(2023-2025)（2023-01-18）.10292、海南省政府数字化转型总体方案（2022-2025）（2022-07-26）10363、海南省公共数据产品开发利用暂行管理办法（2021-09-15）.10474、陵水黎族自治县促进数字经济产业发展专项资金管理暂行办法（2022-12-13）.1053（二十四）（二十四）青海省青海省.10581、青海省人民政府关于加快数字政府建设的实施意见（2023-07-18）.10592、青海省支持大数据产业发展政策措施（2023-04-04）.10683、青海省数字经济发展三年行动方案（20232025 年）（2023-04-03）.10724、2022 年青海省促进数字经济发展工作要点（2022-02-18）.1076（二十五）（二十五）广西壮族自治区广西壮族自治区.10811、广西数据要素市场化发展管理暂行办法（2023-11-07）.10812、广西构建数据基础制度更好发挥数据要素作用总体工作方案（2023-08-14）.10843、广西壮族自治区大数据发展条例(2022-11-25).10874、广西数字经济发展三年行动计划（2021 年-2023 年）（2021-12-29）.1098（二十六）（二十六）宁夏回族自治区宁夏回族自治区.11211、自治区人民政府办公厅关于印发宁夏回族自治区教育数字化战略行动计划(2023-2027 年)的通知（2023-09-25）.11212、自治区人民政府关于加强数字政府建设的实施意见（2023-05-16）.1124（二十七）（二十七）内蒙古自治区内蒙古自治区.11351、内蒙古自治区推动数字经济高质量发展工作方案（20232025 年）（2023-10-10）.11352、遂宁市公共数据运营管理办法（2023-07-11）.11473、内蒙古自治区人民政府办公厅关于印发全区一体化政务大数据体系建设工作方案的通知(2023-04-14).1151（二十八）（二十八）新疆维吾尔族自治区新疆维吾尔族自治区.11581、新疆维吾尔自治区公共数据管理办法（试行）（2023-02-17）11587（二十九）（二十九）西藏自治区西藏自治区.11671、西藏自治区加强数字政府建设方案(2023-2025 年)（2023-04-16)1167（三十）（三十）贵州省贵州省.11791、贵州省数据要素登记服务管理办法（试行）（2023-11-15）.11792、贵州省数据流通交易促进条例（草案）（2023-08-21）.11843、贵阳贵安推进数据要素市场化配置改革支持贵阳大数据交易所优化提升实施方案（征求意见稿）（2023-08-04）.11894、贵州省政务数据资源管理办法（2023-06-08）.11935、贵州省数据流通交易管理办法(试行)（2022-12-23）.12006、安顺市公共数据资源授权开发利用试点实施方案(2022-08-26).1204（三十一）（三十一）吉林省吉林省.12101、长春市公共数据授权运营管理办法(2023-08-28).12102、吉林省大数据产业发展指导意见（2023-05-04）.1214三、三、标准标准.12201、2023 年数据经纪人服务质量管理体系实施指南（征求意见稿）12202、2023 年数据经纪从业人员评价规范（征求意见稿）.12303、2023 年数据交易流通活动术语（征求意见稿）.12394、产权交易行业数据要素交易规范（2023-08-30）.12485、统计数据分类分级标准规范（2022）（2023-06-19）.12566、工业领域数据安全标准体系建设指南（2023 版）（征求意见稿）（2023-05）.12597、信息安全技术个人信息去标识化效果评估指南 2023-03-07）.12678、2022 年数据产品登记业务流程规范（征求意见稿）.12739、2022 年数据产品登记信息描述规范（征求意见稿）.127910、资产管理-数据资产运营人员能力要求（2022-12-27）.128611、资源管理-数据资产确权登记导则（2022-12-27）.129112、资源管理-数据资产建设通用要求（2022-12-27）.129713、资源管理-数据资产管理指南（2022-12-27）.130214、电力数据脱敏实施规范（2022-11-04）.130415、数据资产登记、存证、确权业务标准(2022-11-01).131716、信息安全技术 网络数据处理安全要求（2022-04-15）.132617、信息安全技术 网络数据安全规范（征求意见稿）（2022-09-14）.133318、基于区块链的数据资产交易实施指南（2019-12-31）.135319、电子商务数据资产评价指标体系（2019-06-14）.135920、珠海机场数据安全分级管理系统项目 技术需求.136721、广东省数据流通交易技术安全规范（试行）（征求意见稿）137622、上海市公共数据开放分级分类指南（试行）.138123、重庆市公共数据分类分级指南 2.0（试行）.138924、数据确权风险控制通则（征求意见稿）.140625、数据资产确认工作指南.14151A.A.核心篇核心篇1.1.温州市财政局关于探索数据资产管理试点的试行意见温州市财政局关于探索数据资产管理试点的试行意见（2023-11-092023-11-09）一、指导思想一、指导思想以习近平新时代中国特色社会主义思想为指导，全面深入贯彻党的二十大精神，认真落实中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见和上级财政部门关于探索数据资产管理、推进三个“一号工程”相关部署精神，根据 中华人民共和国网络安全法 中华人民共和国数据安全法 中华人民共和国个人信息保护法中华人民共和国会计法中华人民共和国资产评估法和国有资产、企业财务等监管要求，结合“中国（温州）数安港”建设情况，借助“政、企、学、研”多方力量，选择符合条件的试点企业和相关单位（指行政事业单位，下同）先行先试数据资产管理，为推进我市数字经济创新提质和营商环境优化提升作出贡献。二、基本原则二、基本原则（一）坚持党建引领。以深入开展学习贯彻习近平新时代中国特色社会主义思想主题教育为指引，促进党建和财政业务深度融合，依托会计财务、资产评估、数据分析等专家力量，发挥会计税务专家服务团作用，开展“红专惠企行”等党建活动，为企业和相关单位探索数据资产管理提供暖心服务、增值服务。（二）坚持安全合规。统筹发展与安全，正确处理数据资产安全合规、个人信息保护与数据资产价值实现的关系。以保障数据安全合规为前提，对需要严格保护或权属不清的数据，严禁推进数据资产化；对可开发利用能产生价值的数据，坚持以需求为导向，支持推进数据资产化，进一步发挥数据资产价值。（三）坚持改革创新。围绕数字经济发展迫切需要，强化改革思维，探索创新容错机制，结合温州实际，坚持问题导向，加强与院校合作，依托专家力量指导工作实践。正确认识数据、数据资源和数据资产之间的关系，争取在地市财政探索数据资产管理方面，总结提炼可复制、可推广的经验和做法。（四）坚持稳步推进。在目前国家数据产权体系尚未形成，数据确权法律依据缺乏，数据资产登记、会计处理和价值评估等研究有待深化的情况下，要按照“市场主导、政府引导、部门指导”的原则，聚焦企业和单位关注关切问题，以点带面，先易后难，加强部门协作，稳步推进数据资产管理工作。三、工作重点三、工作重点（一）有序推动数据资产化。企业和相关单位根据 中华人民共和国会计法、相关会计准则和数据资产确认相关标准，按照业务和技术相结合的原则，运用一定方法，对自主生产、交易获得或经合法授权，符合数据资产定义和确认条件的数据资源，可确认为数据资产。涉及公共数据授权运营（包括授权加工使用，下同）的，公共数据授权运营单位可按规定做好数据资产化工作；公共管理和服务机构按照浙江省公共数据条例要求对数据实行目录式等基础管理。市财政局2参与起草浙江省地方标准数据资产确认工作指南，指导试点企业和相关单位开展数据资产确认工作。（二）确保数据资产来源和权属清晰。企业和相关单位可借助数据资产管理相关应用平台，结合数据资产确认相关标准，探索做好数据资产登记等工作。相关部门和机构可探索通过统一的底层区块链等技术做好存证记录，进一步明晰数据资产权属关系。数据资产产权登记按相关规定实施。符合浙江省数据知识产权登记办法（试行）（浙市监知20235 号）申报要求的，鼓励企业和相关单位申请数据知识产权登记，推进数据知识产权保护和运用，维护自身合法权益。（三）稳步推进数据资产入表。数据资产入表有助于真实反映企业资产状况，显化数据要素价值，规范数据资产对外服务和交易流通，促进数据安全管理和培育数据产业健康生态。企业使用的数据资源,符合企业会计准则第 6 号无形资产(财会20063 号)规定的定义和确认条件的,应当确认为无形资产。企业日常活动中持有、最终目的用于出售的数据资源,符合企业会计准则第 1号存货(财会20063 号)规定的定义和确认条件的,应当确认为存货。具体根据财政部企业数据资源相关会计处理暂行规定（财会202311 号）执行（该文件从 2024 年 1 月 1 日起施行）。企业要基于中华人民共和国会计法和相关会计准则制度要求，做好数据资产确认、初始计量、后续计量及信息披露等工作，合理反映数据资产价值。执行政府会计准则的单位数据资产入表，结合政府会计准则有关要求执行。企业和相关单位应建立健全数据资产内控机制，提高会计信息质量，自觉接受财会监督。（四）探索开展数据资产价值评估。执行数据资产评估业务，应当遵守法律法规、资产评估准则和数据资产评估指导意见（中评协202317 号）有关要求。数据资产评估应当关注数据资产质量,并采取恰当方式执行数据质量评价程序或者获得数据质量的评价结果,必要时可以利用第三方专业机构出具的数据质量评价专业报告或者其他形式的数据质量评价专业意见等。鼓励市注册会计师协会成立工作专班，研究制订数据资产评估操作指引（试行），探索用于指导本地资产评估机构开展数据资产评估业务，加强数据资产评估能力建设和信息化建设，满足标准化、规范化和便利化的数据资产评估业务需要。企业和相关单位按规定需要对数据资产价值进行评估的，应当依法委托资产评估机构开展。（五）支持推动数据资产交易流通。结合数据资产交易相关应用平台，依托物联网、区块链和隐私计算等技术，配合相关部门和机构共同推动建设权责清晰、来源可溯、范围明确、过程透明和安全风险可控的数据资产交易流通体系。加强行政事业单位数据资产交易审批管理，单位对外授权有偿使用数据资产的，应按照资产管理权限，严格履行审批程序，并按照国家规定对资产相关权益进行评估。行政事业单位按预算管理和政府采购有关要求依法购买社会数据，激发各方参与数据资产交易流通的积极性。相关部门可探索支持数据资产质押融资、作价入股等数据资本化路径。（六）逐步建立公共数据授权运营收益收缴机制。财政支持根据不同行业、业务场景需要，推进公共数据产品开发，丰富公共数据应用场景，推动公共数据发挥更大价值。在探索公共数据授权运营先行先试的基础上，根据浙江省公共数据条例和温州市公共数据授权运营管理实施细则(试行)（温政办202377 号），协同公共数据主管部门，研究完善公共数据授权运营方式、范围和管3理机制。按照“谁投入、谁贡献、谁受益”原则，依法依规维护数据资产权益。探索逐步将公共数据授权运营纳入政府国有资源（资产）有偿使用范围，形成公共数据开发利用良性循环。（七）切实加强数据资产安全管理。企业和相关单位按照数据分类分级管理要求，落实数据资产安全管理责任，确保数据资产安全。行政事业单位数据资产处置应严格履行审批程序，严禁擅自处置，造成数据资产流失或泄露。公共数据授权运营单位按浙江省公共数据条例和公共数据授权运营有关规定落实安全管理要求。相关部门可按有关规定对数据资产安全合规情况组织评审论证。执行数据资产评估业务，也应关注数据资产的安全性和合法性,并遵守保密原则。四、实施步骤四、实施步骤市各主管部门和相关行业管理部门应加强对企业和相关单位的宣传，进一步提高各企业和相关单位对数据资产化重要意义的认识，准确把握政策精神，对符合条件的企业和单位动员其做好试点申报工作，并做好审核推荐。试点企业和单位一般不超过 3 家，根据申请时间和条件确定。其他有意愿开展数据资产管理的企业和单位，由市各主管部门、相关行业管理部门和财政根据各自职责做好相关指导和服务。各主管部门、相关行业管理部门可分别牵头部署开展各归口企事业单位和相关行业企业的数据资产化工作；相关条线上级部门有部署要求的，结合其部署要求开展工作。五、其他事项五、其他事项本试行意见自 2023 年 12 月 7 日起施行。法律法规和党委政府、上级财政部门对数据资产管理有新的要求的，本试行意见可视情做相应调整完善。财政部门对行政事业单位数据资产管理另有规定和要求的，按相关规定和要求执行。各县市区（功能区）财政部门可参照执行。2.2.广西数据要素市场化发展管理暂行办法（广西数据要素市场化发展管理暂行办法（2023-11-072023-11-07）第一章第一章 总则总则第一条 为保护自然人、法人和非法人组织与数据有关的权益，规范数据要素市场活动，保障数据安全，促进数据要素开发利用和流通交易，推动数据要素市场化配置，根据有关法律法规，结合广西实际，制定本办法。第二条 广西壮族自治区内数据要素市场化发展及其相关活动，适用本办法。国家和自治区法律法规另有规定的，从其规定。第三条 自治区层面统筹实施大数据战略，推进数据基础设施建设，鼓励和支持数据在各行业、各领域的创新应用。县级以上人民政府应将数据要素市场化发展纳入本级国民经济和社会发展规划，建立健全工作协调机制，完善政策措施，保障数据要素市场化发展和管理工作经费，深化数据要素市场化配置改革，培育公平、开放、有序、诚信的数据要素市场。第四条 自治区大数据主管部门负责统筹规划、综合协调全区数据要素市场化发展和管理工作，组织推进数据确权登记、流通交易、收益分配、安全治理等重点工作，促进数据要素开发利用。4市、县两级大数据主管部门负责本行政区域内数据要素市场化发展和管理工作。在数字广西专家咨询委员会下设数据专家委员会，为全区数据要素市场化发展和管理工作提供专业意见。第五条县级以上发展改革、工业和信息化、财政、市场监管、国资监管等行业主管部门在各自职责范围内推进数据要素市场化发展工作。县级以上网信、公安、国安等部门在各自职责范围内承担数据要素市场的安全监管职责。各级政务部门、财政资金保障运行的公共服务组织承担收集、产生、加工、使用、销毁数据的安全管理责任。第二章第二章 数据处理数据处理第六条建立健全覆盖自治区、市、县、乡、村五级的公共数据资源体系。全区的公共数据采集应遵循“一数一源、一源多用”原则，可以通过共享方式获取或确认的，一律不得重复采集、多头采集。第七条各级政务部门和各类公共服务组织应当依托全区统一的数据资源基础设施所提供的服务功能来实现本地区、本单位公共数据资源归集、存储、交换、共享和开放等大数据应用活动。第八条各级政务部门和各类公共服务组织按照“应归尽归、有条件使用”原则，通过物理汇聚与逻辑接入两种方式，及时向自治区公共数据资源平台归集公共数据。第九条县级以上大数据主管部门应当建立健全公共数据全流程质量管控体系，强化数据质量事前、事中和事后的监督检查，实现问题数据可追溯、可定责，保证数据的及时性、准确性、完整性。第十条县级以上大数据主管部门应当根据当地经济社会发展需要，会同同级政务部门和各类公共服务组织制定年度公共数据开放重点清单，优先开放与民生紧密相关、社会迫切需要、行业增值潜力显著或产业战略意义重大的公共数据。第十一条县级以上大数据主管部门可以通过应用创新大赛、补助奖励、合作开发等方式，支持利用公共数据开展科学研究、产品开发、数据加工等活动。市、县人民政府和自治区有关部门应当围绕就业、产业、投资、消费、贸易等重点领域，促进公共数据和社会数据深度融合应用。第三章第三章 数据权益数据权益第十二条探索建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制，推进公共数据、企业数据、个人信息数据分类分级确权授权使用和市场化流通交易。第十三条按照急用先行、循序渐进的原则，探索建立统一高效的数据产权登记制度，规范数据产权登记管理。自治区大数据主管部门规划建设全区统一的数据产权登记平台，推动实现与国家和省级数据产权登记平台的系统互通、结果互认。县级以上大数据主管部门负责组织实施管辖区域内的数据产权登记工作。第十四条探索数据产权流通模式，建立基于法律规定或合同约定的数据产权流通体系，规范数据产权流通监管。第十五条建立健全体现效率、促进公平的数据要素收益分配制度，发挥市场在资源配置中的决定性作用和政府在数据要素收益分配中的引导调节作用，平衡数据要素收益在不同环节相关主体间的共享分配，保护各数据要素参与方合法5权益。探索公共数据运营收益合理分享方式，政务部门、财政资金保障运行的公共服务组织开展公共数据授权运营，获得的相关收益扣除成本后由政府统筹分配，专项用于支持保障公共数据治理和流通应用等相关领域。对公共数据来源部门，可按照公共数据市场化利用贡献，进行一般公共财政倾斜。第四章第四章 数据流通交易数据流通交易第十六条数据流通交易应当遵循合规高效、公平自愿、诚实守信、开放包容、安全可控的原则。自治区按照国家规定设立数据交易场所，建立和完善数据流通交易规则，政务部门、财政资金保障运行的公共服务组织应当通过依法设立的数据交易场所开展数据交易。鼓励数据处理者在依法设立的数据交易场所开展数据交易，培育壮大场内交易。支持数据处理者依法依规开展场外数据流通交易活动，建立健全场外交易规则，规范场外交易管理。第十七条强化数据交易场所的公共属性和公益定位，突出合规监管和基础服务功能。支持广西数据交易场所发展壮大，推动与其他区域性数据交易场所、行业性数据交易平台互联互通，打造面向东盟的国家级数据交易场所。自治区大数据主管部门作为广西数据交易场所的行业主管部门，负责指导、协调、监督数据交易场所建设运营，会同相关部门共同维护行业秩序。自治区地方金融监管部门作为广西数据交易场所的金融监管部门，负责数据交易场所的金融规范管理，风险监测、防范和处置等工作。第十八条自治区规划建设统一的公共数据运营平台，制定出台相关运营管理规范。依托公共数据运营平台，推动用于产业发展、行业发展的公共数据，以模型、核验等产品和服务的形式向社会提供。支持国有企业和行业龙头企业带头探索企业数据授权使用新模式。鼓励社会各界创新技术手段，推动个人信息匿名化处理，促进个人信息数据合理利用。第十九条 建立完善数据资产评估工作机制，推动数据资产入表，支持企业对数据资产进行确认、评估、计量、披露等。从事数据交易活动的数据处理者可以依法自主定价，执行政府定价、政府指导价的除外。支持探索多样化、符合数据要素特性的定价模式和价格形成机制，推动用于数字化发展的公共数据按政府指导价有偿使用，企业数据与个人信息数据由市场自主定价。第二十条鼓励和支持区内外企业及组织依托中国东盟信息港、中国（广西）自由贸易试验区等平台，探索安全规范的数据跨境流动方式，有序发展面向东盟的数据跨境流通和交易。第二十一条围绕促进数据要素合规高效、安全有序流通和交易需要，聚焦重点领域和关键环节，引进和培育一批贴近业务需求的行业性、产业化数据商和第三方专业服务机构，提升数据流通和交易全流程服务能力。支持社会各界围绕数据可信流通开展产学研深度合作，推动关键技术突破和成果转化。第五章第五章 数据安全监管数据安全监管第二十二条自治区大数据主管部门应当建立健全数据安全保障体系，完善协调机制以及安全预警、安全处置机制。第二十三条自治区大数据主管部门应当会同网信、公安、国安等部门，完6善数据分类分级安全保护制度。各级各部门应当按照国家和自治区数据分类分级要求，对本级本部门以及相关行业、领域的数据进行分类分级管理。第二十四条 各级大数据主管部门应当会同网信、公安、密码管理等部门定期或不定期检查数据处理者和数据流通交易场所履行数据安全责任等情况，对在监督检查中发现存在安全风险的，应当提出改进要求并督促整改。第二十五条自治区大数据主管部门应当会同有关部门完善数据流通交易监管制度，建立健全跨部门协同监管机制，对数据交易、信息披露行为等数据市场相关活动组织实施监督管理。第二十六条推行面向数据商和数据交易服务中介机构的数据流通交易声明和承诺制。加强对数据交易服务中介机构的监管，规范从业人员的执业行为。第二十七条 自治区发展改革部门应当会同大数据、人民银行等有关部门，推动建设数据要素市场社会信用体系。第六章 法律责任第二十八条 各有关部门在履行数据安全监管职责中，发现数据处理活动存在较大安全风险的，可依法依规对有关组织和个人进行约谈，责令整改，消除隐患。第二十九条 构建允许试错、包容出错、及时纠错的工作机制。对有关方面在推动数据要素市场化配置改革发展中出现偏差失误或者未取得预期成效，但符合国家和自治区改革方向、决策程序符合法律法规规定、已履行诚信和勤勉义务、未牟取私利的，以及未造成严重后果或主动挽回损失的，可按照有关规定从轻、减轻或免予追责。第七章第七章 附则附则第三十条 本办法由自治区大数据发展局负责解释。第三十一条 本办法自印发之日起施行。3.3.关于关于规范规范和促进数据和促进数据跨境跨境流动流动规定规定（征求意见稿）（征求意见稿）（2023-2023-0 09-289-28）为保障国家数据安全，保护个人信息权益，进一步规范和促进数据依法有序自由流动，依据有关法律，对数据出境安全评估办法、个人信息出境标准合同办法等数据出境规定的施行，作出以下规定。一、国际贸易、学术合作、跨国生产制造和市场营销等活动中产生的数据出境，不包含个人信息或者重要数据的，不需要申报数据出境安全评估、订立个人信息出境标准合同、通过个人信息保护认证。二、未被相关部门、地区告知或者公开发布为重要数据的，数据处理者不需要作为重要数据申报数据出境安全评估。三、不是在境内收集产生的个人信息向境外提供，不需要申报数据出境安全评估、订立个人信息出境标准合同、通过个人信息保护认证。四、符合以下情形之一的，不需要申报数据出境安全评估、订立个人信息出境标准合同、通过个人信息保护认证：7（一）为订立、履行个人作为一方当事人的合同所必需，如跨境购物、跨境汇款、机票酒店预订、签证办理等，必须向境外提供个人信息的；（二）按照依法制定的劳动规章制度和依法签订的集体合同实施人力资源管理，必须向境外提供内部员工个人信息的；（三）紧急情况下为保护自然人的生命健康和财产安全等，必须向境外提供个人信息的。五、预计一年内向境外提供不满 1 万人个人信息的，不需要申报数据出境安全评估、订立个人信息出境标准合同、通过个人信息保护认证。但是，基于个人同意向境外提供个人信息的，应当取得个人信息主体同意。六、预计一年内向境外提供 1 万人以上、不满 100 万人个人信息，与境外接收方订立个人信息出境标准合同并向省级网信部门备案或者通过个人信息保护认证的，可以不申报数据出境安全评估；向境外提供 100 万人以上个人信息的，应当申报数据出境安全评估。但是，基于个人同意向境外提供个人信息的，应当取得个人信息主体同意。七、自由贸易试验区可自行制定本自贸区需要纳入数据出境安全评估、个人信息出境标准合同、个人信息保护认证管理范围的数据清单（以下简称负面清单），报经省级网络安全和信息化委员会批准后，报国家网信部门备案。负面清单外数据出境，可以不申报数据出境安全评估、订立个人信息出境标准合同、通过个人信息保护认证。八、国家机关和关键信息基础设施运营者向境外提供个人信息和重要数据的，依照有关法律、行政法规、部门规章规定执行。向境外提供涉及党政军和涉密单位敏感信息、敏感个人信息的，依照有关法律、行政法规、部门规章规定执行。九、数据处理者向境外提供重要数据和个人信息，应当遵守法律、行政法规的规定，履行数据安全保护义务，保障数据出境安全；发生数据出境安全事件或者发现数据出境安全风险增大的，应当采取补救措施，及时向网信部门报告。十、各地方网信部门应当加强对数据处理者数据出境活动的指导监督，强化事前事中事后监管，发现数据出境活动存在较大风险或者发生安全事件的，要求数据处理者进行整改消除隐患；对拒不改正或者导致严重后果的，依法责令其停止数据出境活动，保障数据安全。十一、数据出境安全评估办法、个人信息出境标准合同办法等相关规定与本规定不一致的，按照本规定执行。4.4.关于印发数据资产评估指导意见的通知（关于印发数据资产评估指导意见的通知（2023-2023-0 09-9-0 08 8）第一章第一章 总则总则第一条 为规范数据资产评估行为，保护资产评估当事人合法权益和公共利益，根据资产评估基本准则及其他相关资产 评估准则，制定本指导意见。第二条 本指导意见所称数据资产，是指特定主体合法拥有 或者控制的，能进行货币计量的，且能带来直接或者间接经济利益的数据资源。第三条 本指导意见所称数据资产评估，是指资产评估机构 及其资产评估专业人员遵守法律、行政法规和资产评估准则，根 据委托对评估基准日特定目的8下的数据资产价值进行评定和估算，并出具资产评估报告的专业服务行为。第四条 执行数据资产评估业务，应当遵守本指导意见。第二章第二章 基本遵循基本遵循第五条 执行数据资产评估业务，应当遵守法律、行政法规和资产评估准则，坚持独立、客观、公正的原则，诚实守信，勤勉尽责，谨慎从业，遵守职业道德规范，自觉维护职业形象，不 得从事损害职业形象的活动。第六条 执行数据资产评估业务，应当独立进行分析和估算 并形成专业意见，拒绝委托人或者其他相关当事人的干预，不得 直接以预先设定的价值作为评估结论。第七条 执行数据资产评估业务，应当具备数据资产评估的 专业知识和实践经验，能够胜任所执行的数据资产评估业务。缺 乏特定的数据资产评估专业知识、技术手段和经验时，应当采取 弥补措施，包括利用数据领域专家工作成果及相关专业报告等。第八条 执行数据资产评估业务，应当关注数据资产的安全 性和合法性，并遵守保密原则。第九条 执行企业价值评估中的数据资产评估业务，应当了 解数据资产作为企业资产组成部分的价值可能有别于作为单项资 产的价值，其价值取决于它对企业价值的贡献程度。数据资产与其他资产共同发挥作用时，需要采用适当方法区 分数据资产和其他资产的贡献，合理评估数据资产价值。第十条 执行数据资产评估业务，应当根据评估业务具体情 况和数据资产的特性，对评估对象进行针对性的现场调查，收集 数据资产基本信息、权利信息、相关财务会计信息和其他资料，并进行核查验证、分析整理和记录。核查数据资产基本信息可以利用数据领域专家工作成果及相 关专业报告等。资产评估专业人员自行履行数据资产基本信息相 关的现场核查程序时，应当确保具备相应专业知识、技术手段和经验。第十一条 执行数据资产评估业务，应当合理使用评估假设 和限制条件。第三章第三章 评估对象评估对象第十二条 执行数据资产评估业务，可以通过委托人、相关 当事人等提供或者自主收集等方式，了解和关注被评估数据资产 的基本情况，例如:数据资产的信息属性、法律属性、价值属性等。信息属性主要包括数据名称、数据结构、数据字典、数据规 模、数据周期、产生频率及存储方式等。法律属性主要包括授权主体信息、产权持有人信息，以及权 利路径、权利类型、权利范围、权利期限、权利限制等权利信息。价值属性主要包括数据覆盖地域、数据所属行业、数据成本信息、数据应用场景、数据质量、数据稀缺性及可替代性等。第十三条 执行数据资产评估业务，应当知晓数据资产具有 非实体性、依托性、可共享性、可加工性、价值易变性等特征，关注数据资产特征对评估对象的影响。非实体性是指数据资产无实物形态，虽然需要依托实物载体，但决定数据资产价值的是数据本身。数据资产的非实体性也衍生 出数据资产的无消耗性，即其不会因为使用而磨损、消耗。依托性是指数据资产必须存储在一定的介质里，介质的种类 包括磁盘、光盘等。同一数据资产可以同时存储于多种介质。可共享性是指在权限可控的前提下，数据资产可以被复制，能够被多个主体共享和应用。9可加工性是指数据资产可以通过更新、分析、挖掘等处理方式，改变其状态及形态。价值易变性是指数据资产的价值易发生变化，其价值随应用 场景、用户数量、使用频率等的变化而变化。第十四条 执行数据资产评估业务，应当根据数据来源和数 据生成特征，关注数据资源持有权、数据加工使用权、数据产品 经营权等数据产权，并根据评估目的、权利证明材料等，确定评估对象的权利类型。第四章第四章 操作要求操作要求第十五条 执行数据资产评估业务，应当明确资产评估业务 基本事项，履行适当的资产评估程序。第十六条 执行数据资产评估业务，需要关注影响数据资产 价值的成本因素、场景因素、市场因素和质量因素。成本因素包括形成数据资产所涉及的前期费用、直接成本、间接成本、机会成本和相关税费等。场景因素包括数据资产相应的使用范围、应用场景、商业模式、市场前景、财务预测和应用风险等。市场因素包括数据资产相关的主要交易市场、市场活跃程度、市场参与者和市场供求关系等。质量因素包括数据的准确性、一致性、完整性、规范性、时效性和可访问性等。第十七条 资产评估专业人员应当关注数据资产质量，并采取恰当方式执行数据质量评价程序或者获得数据质量的评价结果，必要时可以利用第三方专业机构出具的数据质量评价专业报告或 者其他形式的数据质量评价专业意见等。数据质量评价采用的方法包括但不限于:层次分析法、模糊 综合评价法和德尔菲法等。第十八条 同一数据资产在不同的应用场景下，通常会发挥不同的价值。资产评估专业人员应当通过委托人、相关当事人等 提供或者自主收集等方式，了解相应评估目的下评估对象的具体 应用场景，选择和使用恰当的价值类型。第五章第五章 评估方法评估方法第十九条 确定数据资产价值的评估方法包括收益法、成本 法和市场法三种基本方法及其衍生方法。第二十条 执行数据资产评估业务，资产评估专业人员应当 根据评估目的、评估对象、价值类型、资料收集等情况，分析上 述三种基本方法的适用性，选择评估方法。第二十一条 采用收益法评估数据资产时应当:(一)根据数据资产的历史应用情况及未来应用前景，结合 应用或者拟应用数据资产的企业经营状况，重点分析数据资产经 济收益的可预测性，考虑收益法的适用性;(二)保持预期收益口径与数据权利类型口径一致;(三)在估算数据资产带来的预期收益时，根据适用性可以 选择采用直接收益预测、分成收益预测、超额收益预测和增量收 益预测等方式;(四)区分数据资产和其他资产所获得的收益，分析与之有 关的预期变动、收益期限，与收益有关的成本费用、配套资产、现金流量、风险因素;(五)根据数据资产应用过程中的管理风险、流通风险、数 据安全风险、监管风险等因素估算折现率;(六)保持折现率口径与预期收益口径一致;10(七)综合考虑数据资产的法律有效期限、相关合同有效期 限、数据资产的更新时间、数据资产的时效性、数据资产的权利 状况以及相关产品生命周期等因素，合理确定经济寿命或者收益 期限，并关注数据资产在收益期限内的贡献情况。第二十二条 采用成本法评估数据资产时应当:(一)根据形成数据资产所需的全部投入，分析数据资产价 值与成本的相关程度，考虑成本法的适用性;(二)确定数据资产的重置成本，包括前期费用、直接成本、间接成本、机会成本和相关税费等;(三)确定数据资产价值调整系数，例如:对于需要进行质 量因素调整的数据资产，可以结合相应质量因素综合确定调整系 数;对于可以直接确定剩余经济寿命的数据资产，也可以结合剩 余经济寿命确定调整系数。第二十三条 采用市场法评估数据资产时应当:(一)考虑该数据资产或者类似数据资产是否存在合法合规 的、活跃的公开交易市场，是否存在适当数量的可比案例，考虑 市场法的适用性;(二)根据该数据资产的特点，选择合适的可比案例，例如:选择数据权利类型、数据交易市场及交易方式、数据规模、应用 领域、应用区域及剩余年限等相同或者近似的数据资产;(三)对比该数据资产与可比案例的差异，确定调整系数，并将调整后的结果汇总分析得出被评估数据资产的价值。通常情 况下需要考虑质量差异调整、供求差异调整、期日差异调整、容 量差异调整以及其他差异调整等。第二十四条 对同一数据资产采用多种评估方法时，应当对 所获得的各种测算结果进行分析，说明两种以上评估方法结果的 差异及其原因和最终确定评估结论的理由。第六章第六章 披露要求披露要求第二十五条 无论是单独出具数据资产的资产评估报告，还是将数据资产评估作为资产评估报告的组成部分，都应当在资产 评估报告中披露必要信息，使资产评估报告使用人能够正确理解 评估结论。第二十六条 单独出具数据资产的资产评估报告，应当说明 下列内容:(一)数据资产基本信息和权利信息;(二)数据质量评价情况，评价情况应当包括但不限于评价 目标、评价方法、评价结果及问题分析等内容;(三)数据资产的应用场景以及数据资产应用所涉及的地域 限制、领域限制及法律法规限制等;(四)与数据资产应用场景相关的宏观经济和行业的前景;(五)评估依据的信息来源;(六)利用专家工作或者引用专业报告内容;(七)其他必要信息。第二十七条 单独出具数据资产的资产评估报告，应当说明 有关评估方法的下列内容:(一)评估方法的选择及其理由;(二)各重要参数的来源、分析、比较与测算过程;(三)对测算结果进行分析，形成评估结论的过程;11(四)评估结论成立的假设前提和限制条件。第七章第七章 附则附则第二十八条 本指导意见自 2023 年 10 月 1 日起施行。5.5.关于个人信息保护关于个人信息保护合规合规审计管理办法（征求意见审计管理办法（征求意见稿稿）(2023-(2023-0 08-238-23）第一条 为指导、规范个人信息保护合规审计活动，提高个人信息处理活动合规水平，保护个人信息权益，根据 中华人民共和国个人信息保护法 等法律、行政法规和国家有关规定，制定本办法。第二条 个人信息处理者定期开展个人信息保护合规审计，或者按照履行个人信息保护职责的部门要求委托专业机构对其个人信息处理活动进行合规审计，以及对个人信息保护合规审计活动的监督管理适用本办法。第三条 本办法所称个人信息保护合规审计，是指对个人信息处理者的个人信息处理活动是否遵守法律、行政法规的情况进行审查和评价的监督活动。第四条 处理超过 100 万人个人信息的个人信息处理者，应当每年至少开展一次个人信息保护合规审计；其他个人信息处理者应当每二年至少开展一次个人信息保护合规审计。第五条 个人信息处理者自行开展个人信息保护合规审计，可根据实际情况，由本组织内部机构或者委托专业机构按照本办法要求开展。第六条 履行个人信息保护职责的部门在履行职责中，发现个人信息处理活动存在较大风险或者发生个人信息安全事件的，可以要求个人信息处理者委托专业机构对其个人信息处理活动进行合规审计。第七条 个人信息处理者按照履行个人信息保护职责的部门要求开展个人信息保护合规审计的，应当在收到通知后尽快按照要求选定专业机构进行个人信息保护合规审计。第八条 个人信息处理者按照履行个人信息保护职责的部门要求委托专业机构开展个人信息保护合规审计的，应当保证专业机构能够正常行使下列权限：（一）要求提供或者协助查阅相关文件或资料；（二）进入个人信息处理活动相关场所；（三）观察场所内发生的个人信息处理活动；（四）调查相关业务活动及所依赖的信息系统；（五）检查、测试个人信息处理活动相关设备设施；（六）调取、查阅个人信息处理活动相关数据或信息；（七）访谈与个人信息处理活动有关的人员；（八）就相关问题进行调查、质询和取证；（九）其他开展合规审计工作所必需的权限。第九条 个人信息处理者按照履行个人信息保护职责部门要求委托专业机构开展个人信息保护合规审计的，应当在 90 个工作日内完成个人信息保护合规审计；情况复杂的，报经履行个人信息保护职责的部门批准后可适当延长。12第十条 个人信息处理者按照履行个人信息保护职责部门要求委托专业机构开展个人信息保护合规审计的，应当按照本办法要求组织实施个人信息保护合规审计，在实施必要合规审计程序后，及时将专业机构出具的个人信息保护合规审计报告报送履行个人信息保护职责的部门。个人信息保护合规审计报告应当由合规审计负责人、专业机构负责人签字并加盖专业机构公章。第十一条 个人信息处理者按照履行个人信息保护职责的部门要求委托专业机构开展个人信息保护合规审计的，应当按照专业机构给出的整改建议进行整改，经专业机构复核后将整改情况报送履行个人信息保护职责的部门。第十二条 执行个人信息保护合规审计的专业机构应当保持独立性和客观性，连续为同一审计对象开展个人信息保护合规审计不得超过三次。第十三条 国家网信部门会同公安机关等国务院有关部门按照统筹规划、合理布局、择优推荐的原则建立个人信息保护合规审计专业机构推荐目录，每年组织开展个人信息保护合规审计专业机构评估评价，并根据评估评价情况动态调整个人信息保护合规审计专业机构推荐目录。鼓励个人信息处理者优先选择推荐目录中的专业机构开展个人信息保护合规审计活动。第十四条 专业机构在从事个人信息保护合规审计活动时，应当诚信正直，公正客观地作出合规审计职业判断。专业机构不得转包委托第三方开展个人信息保护合规审计。专业机构在履行个人信息保护合规审计职责中获得的信息，只能用于个人信息保护合规审计的需要，不得用于其他用途；专业机构应当对获得的信息承担保密责任；专业机构应当采取相应技术措施和其他必要措施，保障数据安全。专业机构在履行个人信息保护合规审计职责时不得恶意干扰个人信息处理者的正常经营活动。专业机构有出具虚假、失实报告等违规行为的，个人信息处理者及相关方可向履行个人信息保护职责的部门进行投诉，经履行个人信息保护职责的部门核实的，永久禁止列入个人信息保护合规审计专业机构推荐目录。第十五条 违反本办法规定的，依据中华人民共和国个人信息保护法等法律法规处理；构成犯罪的，依法追究刑事责任。第十六条 本办法由国家互联网信息办公室负责解释。6.6.关于印发企业数据资源相关会计处理暂行规定的通知关于印发企业数据资源相关会计处理暂行规定的通知（2023-2023-0 08-8-0 01 1）一、关于适用范围一、关于适用范围本规定适用于企业按照企业会计准则相关规定确认为无形资产或存货等资产类别的数据资源，以及企业合法拥有或控制的、预期会给企业带来经济利益的、但由于不满足企业会计准则相关资产确认条件而未确认为资产的数据资源的相关会计处理。二、关于数据资源会计处理适用的准则二、关于数据资源会计处理适用的准则13企业应当按照企业会计准则相关规定，根据数据资源的持有目的、形成方式、业务模式，以及与数据资源有关的经济利益的预期消耗方式等，对数据资源相关交易和事项进行会计确认、计量和报告。1.企业使用的数据资源，符合企业会计准则第 6 号无形资产(财会20063 号，以下简称无形资产准则)规定的定义和确认条件的，应当确认为无形资产。2.企业应当按照无形资产准则、企业会计准则第 6 号无形资产应用指南(财会200618 号，以下简称无形资产准则应用指南)等规定，对确认为无形资产的数据资源进行初始计量、后续计量、处置和报废等相关会计处理。其中，企业通过外购方式取得确认为无形资产的数据资源，其成本包括购买价款、相关税费，直接归属于使该项无形资产达到预定用途所发生的数据脱敏、清洗、标注、整合、分析、可视化等加工过程所发生的有关支出，以及数据权属鉴证、质量评估、登记结算、安全管理等费用。企业通过外购方式取得数据采集、脱敏、清洗、标注、整合、分析、可 视化等服务所发生的有关支出，不符合无形资产准则规定的无形资产定义和确认条件的，应当根据用途计入当期损益。企业内部数据资源研究开发项目的支出，应当区分研究阶段支出与开发阶段支出。研究阶段的支出，应当于发生时计入当期损益。开发阶段的支出，满足无形资产准则第九条规定的有关条件的，才能确认为无形资产。企业在对确认为无形资产的数据资源的使用寿命进行估计时，应当考虑无形资产准则应用指南规定的因素，并重点关注数据资源相关业务模式、权利限制、更新频率和时效性、有关产品或技术迭代、同类竞品等因素。3.企业在持有确认为无形资产的数据资源期间，利用数据资源对客户提供服务的，应当按照无形资产准则、无形 资产准则应用指南等规定，将无形资产的摊销金额计入当期 损益或相关资产成本;同时，企业应当按照企业会计准则第14 号收入(财会201722 号，以下简称收入准则)等规定确认相关收入。除上述情形外，企业利用数据资源对客户提供服务的，应当按照收入准则等规定确认相关收入，符合有关条件的应当确认合同履约成本。4.企业日常活动中持有、最终目的用于出售的数据资源，符合企业会计准则第 1 号存货(财会20063 号，以下简称存货准则)规定的定义和确认条件的，应当确认为存货。5.企业应当按照存货准则、企业会计准则第 1 号存货应用指南(财会200618 号)等规定，对确认为存货的数据资源进行初始计量、后续计量等相关会计处理。其中，企业通过外购方式取得确认为存货的数据资源，其采购成本包括购买价款、相关税费、保险费，以及数据权属鉴证、质量评估、登记结算、安全管理等所发生的其他可归属于存货采购成本的费用。企业通过数据加工取得确认为存货的数据资源，其成本包括采购成本，数据采集、脱敏、清洗、标注、整合、分析、可视化等加工成本和使存货达到目前场所和状态所发生的其他支出。6.企业出售确认为存货的数据资源，应当按照存货准则将其成本结转为当期损益;同时，企业应当按照收入准则等规定确认相关收入。7.企业出售未确认为资产的数据资源，应当按照收入准则等规定确认相关收入。三、关于列示和披露要求三、关于列示和披露要求14(一)资产负债表相关列示。企业在编制资产负债表时，应当根据重要性原则并结合本企业的实际情况，在“存货”项目下增设“其中：数据资源”项目，反映资产负债表日确认为存货的数据资源的期末账面价值;在“无形资产”项目下增设“其中：数据资源”项目，反映资产负债表日确认为无形资产的数据资源的期末账面价值;在“开发支出”项目下增设“其中：数据资源”项目，反映资产负债表日正在进行数据资源研究开发项目满足资本化条件的支出金额。(二)相关披露。企业应当按照相关企业会计准则及本规定等，在会计报表附注中对数据资源相关会计信息进行披露。1.确认为无形资产的数据资源相关披露。(1)企业应当按照外购无形资产、自行开发无形资产等类别，对确认为无形资产的数据资源(以下简称数据资源无形资产)相关会计信息进行披露，并可以在此基础上根据实际情况对类别进行拆分。具体披露格式如下：项目外购的数据资源无形资产自行开发的数据资源无形资产其他方式取得的数据资源无形资产合计一、账面原值1.期初余额2.本期增加金额其中：购入内部研发其他增加3.本期减少金额其中：处置失效且终止确认其他减少4.期末余额二、累计摊销1.期初余额2.本期增加金额3.本期减少金额其中：处置失效且终止确认其他减少4.期末余额三、减值准备1.期初余额2.本期增加金额3.本期减少金额4.期末余额15(2)对于使用寿命有限的数据资源无形资产，企业应当披露其使用寿命的估计情况及摊销方法;对于使用寿命不确定的数据资源无形资产，企业应当披露其账面价值及使用寿命不确定的判断依据。(3)企业应当按照企业会计准则第 28 号会计政策、会计估计变更和差错更正(财会20063 号)的规定，披露对数据资源无形资产的摊销期、摊销方法或残值的变更内容、原因以及对当期和未来期间的影响数。(4)企业应当单独披露对企业财务报表具有重要影响的单项数据资源无形资产的内容、账面价值和剩余摊销期限。(5)企业应当披露所有权或使用权受到限制的数据资源无形资产，以及用于担保的数据资源无形资产的账面价值、当期摊销额等情况。(6)企业应当披露计入当期损益和确认为无形资产的数据资源研究开发支出金额。(7)企业应当按照企业会计准则第 8 号资产减值(财会20063 号)等规定，披露与数据资源无形资产减值有关的信息。(8)企业应当按照企业会计准则第 42 号持有待售的非流动资产、处置组和终止经营(财会201713 号)等规定，披露划分为持有待售类别的数据资源无形资产有关信息。7.7.关于关于构建数据基础制度更好发挥数据要素作用的意见构建数据基础制度更好发挥数据要素作用的意见(2022-12-02(2022-12-02）一、总体要求一、总体要求（一）指导思想。以习近平新时代中国特色社会主义思想为指导，深入贯彻党的二十大精神，完整、准确、全面贯彻新发展理念，加快构建新发展格局，坚持改革创新、系统谋划，以维护国家数据安全、保护个人信息和商业秘密为前提，以促进数据合规高效流通使用、赋能实体经济为主线，以数据产权、流通交易、收益分配、安全治理为重点，深入参与国际高标准数字规则制定，构建适应数据特征、符合数字经济发展规律、保障国家数据安全、彰显创新引领的数据基础制度，充分实现数据要素价值、促进全体人民共享数字经济发展红利，为深化创新驱动、推动高质量发展、推进国家治理体系和治理能力现代化提供有力支撑。（二）工作原则遵循发展规律，创新制度安排。充分认识和把握数据产权、流通、交易、使用、分配、治理、安全等基本规律，探索有利于数据安全保护、有效利用、合规流通的产权制度和市场体系，完善数据要素市场体制机制，在实践中完善，在探索中发展，促进形成与数字生产力相适应的新型生产关系。坚持共享共用，释放价值红利。合理降低市场主体获取数据的门槛，增强数据要素共享性、普惠性，激励创新创业创造，强化反垄断和反不正当竞争，形成依法规范、共同参与、各取所需、共享红利的发展模式。四、账面价值1.期末账面价值2.期初账面价值16强化优质供给，促进合规流通。顺应经济社会数字化转型发展趋势，推动数据要素供给调整优化，提高数据要素供给数量和质量。建立数据可信流通体系，增强数据的可用、可信、可流通、可追溯水平。实现数据流通全过程动态管理，在合规流通使用中激活数据价值。完善治理体系，保障安全发展。统筹发展和安全，贯彻总体国家安全观，强化数据安全保障体系建设，把安全贯穿数据供给、流通、使用全过程，划定监管底线和红线。加强数据分类分级管理，把该管的管住、该放的放开，积极有效防范和化解各种数据风险，形成政府监管与市场自律、法治与行业自治协同、国内与国际统筹的数据要素治理结构。深化开放合作，实现互利共赢。积极参与数据跨境流动国际规则制定，探索加入区域性国际数据跨境流动制度安排。推动数据跨境流动双边多边协商，推进建立互利互惠的规则等制度安排。鼓励探索数据跨境流动与合作的新途径新模式。二、建立保障权益、合规使用的数据产权制度二、建立保障权益、合规使用的数据产权制度探索建立数据产权制度，推动数据产权结构性分置和有序流通，结合数据要素特性强化高质量数据要素供给；在国家数据分类分级保护制度下，推进数据分类分级确权授权使用和市场化流通交易，健全数据要素权益保护制度，逐步形成具有中国特色的数据产权制度体系。（三）探索数据产权结构性分置制度。建立公共数据、企业数据、个人数据的分类分级确权授权制度。根据数据来源和数据生成特征，分别界定数据生产、流通、使用过程中各参与方享有的合法权利，建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制，推进非公共数据按市场化方式“共同使用、共享收益”的新模式，为激活数据要素价值创造和价值实现提供基础性制度保障。研究数据产权登记新方式。在保障安全前提下，推动数据处理者依法依规对原始数据进行开发利用，支持数据处理者依法依规行使数据应用相关权利，促进数据使用价值复用与充分利用，促进数据使用权交换和市场化流通。审慎对待原始数据的流转交易行为。（四）推进实施公共数据确权授权机制。对各级党政机关、企事业单位依法履职或提供公共服务过程中产生的公共数据，加强汇聚共享和开放开发，强化统筹授权使用和管理，推进互联互通，打破“数据孤岛”。鼓励公共数据在保护个人隐私和确保公共安全的前提下，按照“原始数据不出域、数据可用不可见”的要求，以模型、核验等产品和服务等形式向社会提供，对不承载个人信息和不影响公共安全的公共数据，推动按用途加大供给使用范围。推动用于公共治理、公益事业的公共数据有条件无偿使用，探索用于产业发展、行业发展的公共数据有条件有偿使用。依法依规予以保密的公共数据不予开放，严格管控未依法依规公开的原始公共数据直接进入市场，保障公共数据供给使用的公共利益。（五）推动建立企业数据确权授权机制。对各类市场主体在生产经营活动中采集加工的不涉及个人信息和公共利益的数据，市场主体享有依法依规持有、使用、获取收益的权益，保障其投入的劳动和其他要素贡献获得合理回报，加强数据要素供给激励。鼓励探索企业数据授权使用新模式，发挥国有企业带头作用，引导行业龙头企业、互联网平台企业发挥带动作用，促进与中小微企业双向公平授权，共同合理使用数据，赋能中小微企业数字化转型。支持第三方机构、中介服务组织加强数据采集和质量评估标准制定，推动数据产品标准化，发展数据分17析、数据服务等产业。政府部门履职可依法依规获取相关企业和机构数据，但须约定并严格遵守使用限制要求。（六）建立健全个人信息数据确权授权机制。对承载个人信息的数据，推动数据处理者按照个人授权范围依法依规采集、持有、托管和使用数据，规范对个人信息的处理活动，不得采取“一揽子授权”、强制同意等方式过度收集个人信息，促进个人信息合理利用。探索由受托者代表个人利益，监督市场主体对个人信息数据进行采集、加工、使用的机制。对涉及国家安全的特殊个人信息数据，可依法依规授权有关单位使用。加大个人信息保护力度，推动重点行业建立完善长效保护机制，强化企业主体责任，规范企业采集使用个人信息行为。创新技术手段，推动个人信息匿名化处理，保障使用个人信息数据时的信息安全和个人隐私。（七）建立健全数据要素各参与方合法权益保护制度。充分保护数据来源者合法权益，推动基于知情同意或存在法定事由的数据流通使用模式，保障数据来源者享有获取或复制转移由其促成产生数据的权益。合理保护数据处理者对依法依规持有的数据进行自主管控的权益。在保护公共利益、数据安全、数据来源者合法权益的前提下，承认和保护依照法律规定或合同约定获取的数据加工使用权，尊重数据采集、加工等数据处理者的劳动和其他要素贡献，充分保障数据处理者使用数据和获得收益的权利。保护经加工、分析等形成数据或数据衍生产品的经营权，依法依规规范数据处理者许可他人使用数据或数据衍生产品的权利，促进数据要素流通复用。建立健全基于法律规定或合同约定流转数据相关财产性权益的机制。在数据处理者发生合并、分立、解散、被宣告破产时，推动相关权利和义务依法依规同步转移。三、建立合规高效、场内外结合的数据要素流通和交易制度三、建立合规高效、场内外结合的数据要素流通和交易制度完善和规范数据流通规则，构建促进使用和流通、场内场外相结合的交易制度体系，规范引导场外交易，培育壮大场内交易；有序发展数据跨境流通和交易，建立数据来源可确认、使用范围可界定、流通过程可追溯、安全风险可防范的数据可信流通体系。（八）完善数据全流程合规与监管规则体系。建立数据流通准入标准规则，强化市场主体数据全流程合规治理，确保流通数据来源合法、隐私保护到位、流通和交易规范。结合数据流通范围、影响程度、潜在风险，区分使用场景和用途用量，建立数据分类分级授权使用规范，探索开展数据质量标准化体系建设，加快推进数据采集和接口标准化，促进数据整合互通和互操作。支持数据处理者依法依规在场内和场外采取开放、共享、交换、交易等方式流通数据。鼓励探索数据流通安全保障技术、标准、方案。支持探索多样化、符合数据要素特性的定价模式和价格形成机制，推动用于数字化发展的公共数据按政府指导定价有偿使用，企业与个人信息数据市场自主定价。加强企业数据合规体系建设和监管，严厉打击黑市交易，取缔数据流通非法产业。建立实施数据安全管理认证制度，引导企业通过认证提升数据安全管理水平。（九）统筹构建规范高效的数据交易场所。加强数据交易场所体系设计，统筹优化数据交易场所的规划布局，严控交易场所数量。出台数据交易场所管理办法，建立健全数据交易规则，制定全国统一的数据交易、安全等标准体系，降低交易成本。引导多种类型的数据交易场所共同发展，突出国家级数据交易场所合规监管和基础服务功能，强化其公共属性和公益定位，推进数据交易场所与数据商功能分离，鼓励各类数据商进场交易。规范各地区各部门设立的区域性数据交18易场所和行业性数据交易平台，构建多层次市场交易体系，推动区域性、行业性数据流通使用。促进区域性数据交易场所和行业性数据交易平台与国家级数据交易场所互联互通。构建集约高效的数据流通基础设施，为场内集中交易和场外分散交易提供低成本、高效率、可信赖的流通环境。（十）培育数据要素流通和交易服务生态。围绕促进数据要素合规高效、安全有序流通和交易需要，培育一批数据商和第三方专业服务机构。通过数据商，为数据交易双方提供数据产品开发、发布、承销和数据资产的合规化、标准化、增值化服务，促进提高数据交易效率。在智能制造、节能降碳、绿色建造、新能源、智慧城市等重点领域，大力培育贴近业务需求的行业性、产业化数据商，鼓励多种所有制数据商共同发展、平等竞争。有序培育数据集成、数据经纪、合规认证、安全审计、数据公证、数据保险、数据托管、资产评估、争议仲裁、风险评估、人才培训等第三方专业服务机构，提升数据流通和交易全流程服务能力。（十一）构建数据安全合规有序跨境流通机制。开展数据交互、业务互通、监管互认、服务共享等方面国际交流合作，推进跨境数字贸易基础设施建设，以全球数据安全倡议为基础，积极参与数据流动、数据安全、认证评估、数字货币等国际规则和数字技术标准制定。坚持开放发展，推动数据跨境双向有序流动，鼓励国内外企业及组织依法依规开展数据跨境流动业务合作，支持外资依法依规进入开放领域，推动形成公平竞争的国际化市场。针对跨境电商、跨境支付、供应链管理、服务外包等典型应用场景，探索安全规范的数据跨境流动方式。统筹数据开发利用和数据安全保护，探索建立跨境数据分类分级管理机制。对影响或者可能影响国家安全的数据处理、数据跨境传输、外资并购等活动依法依规进行国家安全审查。按照对等原则，对维护国家安全和利益、履行国际义务相关的属于管制物项的数据依法依规实施出口管制，保障数据用于合法用途，防范数据出境安全风险。探索构建多渠道、便利化的数据跨境流动监管机制，健全多部门协调配合的数据跨境流动监管体系。反对数据霸权和数据保护主义，有效应对数据领域“长臂管辖”。四、建立体现效率、促进公平的数据要素收益分配制度四、建立体现效率、促进公平的数据要素收益分配制度顺应数字产业化、产业数字化发展趋势，充分发挥市场在资源配置中的决定性作用，更好发挥政府作用。完善数据要素市场化配置机制，扩大数据要素市场化配置范围和按价值贡献参与分配渠道。完善数据要素收益的再分配调节机制，让全体人民更好共享数字经济发展成果。（十二）健全数据要素由市场评价贡献、按贡献决定报酬机制。结合数据要素特征，优化分配结构，构建公平、高效、激励与规范相结合的数据价值分配机制。坚持“两个毫不动摇”，按照“谁投入、谁贡献、谁受益”原则，着重保护数据要素各参与方的投入产出收益，依法依规维护数据资源资产权益，探索个人、企业、公共数据分享价值收益的方式，建立健全更加合理的市场评价机制，促进劳动者贡献和劳动报酬相匹配。推动数据要素收益向数据价值和使用价值的创造者合理倾斜，确保在开发挖掘数据价值各环节的投入有相应回报，强化基于数据价值创造和价值实现的激励导向。通过分红、提成等多种收益共享方式，平衡兼顾数据内容采集、加工、流通、应用等不同环节相关主体之间的利益分配。（十三）更好发挥政府在数据要素收益分配中的引导调节作用。逐步建立保障公平的数据要素收益分配体制机制，更加关注公共利益和相对弱势群体。加大政府引导调节力度，探索建立公共数据资源开放收益合理分享机制，允许并鼓励各类企业依法依规依托公共数据提供公益服务。推动大型数据企业积极承担社会19责任，强化对弱势群体的保障帮扶，有力有效应对数字化转型过程中的各类风险挑战。不断健全数据要素市场体系和制度规则，防止和依法依规规制资本在数据领域无序扩张形成市场垄断等问题。统筹使用多渠道资金资源，开展数据知识普及和教育培训，提高社会整体数字素养，着力消除不同区域间、人群间数字鸿沟，增进社会公平、保障民生福祉、促进共同富裕。五、建立安全可控、弹性包容的数据要素治理制度五、建立安全可控、弹性包容的数据要素治理制度把安全贯穿数据治理全过程，构建政府、企业、社会多方协同的治理模式，创新政府治理方式，明确各方主体责任和义务，完善行业自律机制，规范市场发展秩序，形成有效市场和有为政府相结合的数据要素治理格局。（十四）创新政府数据治理机制。充分发挥政府有序引导和规范发展的作用，守住安全底线，明确监管红线，打造安全可信、包容创新、公平开放、监管有效的数据要素市场环境。强化分行业监管和跨行业协同监管，建立数据联管联治机制，建立健全鼓励创新、包容创新的容错纠错机制。建立数据要素生产流通使用全过程的合规公证、安全审查、算法审查、监测预警等制度，指导各方履行数据要素流通安全责任和义务。建立健全数据流通监管制度，制定数据流通和交易负面清单，明确不能交易或严格限制交易的数据项。强化反垄断和反不正当竞争，加强重点领域执法司法，依法依规加强经营者集中审查，依法依规查处垄断协议、滥用市场支配地位和违法实施经营者集中行为，营造公平竞争、规范有序的市场环境。在落实网络安全等级保护制度的基础上全面加强数据安全保护工作，健全网络和数据安全保护体系，提升纵深防护与综合防御能力。（十五）压实企业的数据治理责任。坚持“宽进严管”原则，牢固树立企业的责任意识和自律意识。鼓励企业积极参与数据要素市场建设，围绕数据来源、数据产权、数据质量、数据使用等，推行面向数据商及第三方专业服务机构的数据流通交易声明和承诺制。严格落实相关法律规定，在数据采集汇聚、加工处理、流通交易、共享利用等各环节，推动企业依法依规承担相应责任。企业应严格遵守反垄断法等相关法律规定，不得利用数据、算法等优势和技术手段排除、限制竞争，实施不正当竞争。规范企业参与政府信息化建设中的政务数据安全管理，确保有规可循、有序发展、安全可控。建立健全数据要素登记及披露机制，增强企业社会责任，打破“数据垄断”，促进公平竞争。（十六）充分发挥社会力量多方参与的协同治理作用。鼓励行业协会等社会力量积极参与数据要素市场建设，支持开展数据流通相关安全技术研发和服务，促进不同场景下数据要素安全可信流通。建立数据要素市场信用体系，逐步完善数据交易失信行为认定、守信激励、失信惩戒、信用修复、异议处理等机制。畅通举报投诉和争议仲裁渠道，维护数据要素市场良好秩序。加快推进数据管理能力成熟度国家标准及数据要素管理规范贯彻执行工作，推动各部门各行业完善元数据管理、数据脱敏、数据质量、价值评估等标准体系。六、保障措施六、保障措施加大统筹推进力度，强化任务落实，创新政策支持，鼓励有条件的地方和行业在制度建设、技术路径、发展模式等方面先行先试，鼓励企业创新内部数据合规管理体系，不断探索完善数据基础制度。（十七）切实加强组织领导。加强党对构建数据基础制度工作的全面领导，在党中央集中统一领导下，充分发挥数字经济发展部际联席会议作用，加强整体工作统筹，促进跨地区跨部门跨层级协同联动，强化督促指导。各地区各部门要20高度重视数据基础制度建设，统一思想认识，加大改革力度，结合各自实际，制定工作举措，细化任务分工，抓好推进落实。（十八）加大政策支持力度。加快发展数据要素市场，做大做强数据要素型企业。提升金融服务水平，引导创业投资企业加大对数据要素型企业的投入力度，鼓励征信机构提供基于企业运营数据等多种数据要素的多样化征信服务，支持实体经济企业特别是中小微企业数字化转型赋能开展信用融资。探索数据资产入表新模式。（十九）积极鼓励试验探索。坚持顶层设计与基层探索结合，支持浙江等地区和有条件的行业、企业先行先试，发挥好自由贸易港、自由贸易试验区等高水平开放平台作用，引导企业和科研机构推动数据要素相关技术和产业应用创新。采用“揭榜挂帅”方式，支持有条件的部门、行业加快突破数据可信流通、安全治理等关键技术，建立创新容错机制，探索完善数据要素产权、定价、流通、交易、使用、分配、治理、安全的政策标准和体制机制，更好发挥数据要素的积极作用。（二十）稳步推进制度建设。围绕构建数据基础制度，逐步完善数据产权界定、数据流通和交易、数据要素收益分配、公共数据授权使用、数据交易场所建设、数据治理等主要领域关键环节的政策及标准。加强数据产权保护、数据要素市场制度建设、数据要素价格形成机制、数据要素收益分配、数据跨境传输、争议解决等理论研究和立法研究，推动完善相关法律制度。及时总结提炼可复制可推广的经验和做法，以点带面推动数据基础制度构建实现新突破。数字经济发展部际联席会议定期对数据基础制度建设情况进行评估，适时进行动态调整，推动数据基础制度不断丰富完善。8.8.广西数据要素市场化发展管理暂行办法（广西数据要素市场化发展管理暂行办法（2023-11-072023-11-07）第一章第一章 总则总则第一条 为保护自然人、法人和非法人组织与数据有关的权益，规范数据要素市场活动，保障数据安全，促进数据要素开发利用和流通交易，推动数据要素市场化配置，根据有关法律法规，结合广西实际，制定本办法。第二条 广西壮族自治区内数据要素市场化发展及其相关活动，适用本办法。国家和自治区法律法规另有规定的，从其规定。第三条 自治区层面统筹实施大数据战略，推进数据基础设施建设，鼓励和支持数据在各行业、各领域的创新应用。县级以上人民政府应将数据要素市场化发展纳入本级国民经济和社会发展规划，建立健全工作协调机制，完善政策措施，保障数据要素市场化发展和管理工作经费，深化数据要素市场化配置改革，培育公平、开放、有序、诚信的数据要素市场。第四条 自治区大数据主管部门负责统筹规划、综合协调全区数据要素市场化发展和管理工作，组织推进数据确权登记、流通交易、收益分配、安全治理等重点工作，促进数据要素开发利用。市、县两级大数据主管部门负责本行政区域内数据要素市场化发展和管理工作。在数字广西专家咨询委员会下设数据专家委员会，为全区数据要素市场化发21展和管理工作提供专业意见。第五条县级以上发展改革、工业和信息化、财政、市场监管、国资监管等行业主管部门在各自职责范围内推进数据要素市场化发展工作。县级以上网信、公安、国安等部门在各自职责范围内承担数据要素市场的安全监管职责。各级政务部门、财政资金保障运行的公共服务组织承担收集、产生、加工、使用、销毁数据的安全管理责任。第二章第二章 数据处理数据处理第六条建立健全覆盖自治区、市、县、乡、村五级的公共数据资源体系。全区的公共数据采集应遵循“一数一源、一源多用”原则，可以通过共享方式获取或确认的，一律不得重复采集、多头采集。第七条各级政务部门和各类公共服务组织应当依托全区统一的数据资源基础设施所提供的服务功能来实现本地区、本单位公共数据资源归集、存储、交换、共享和开放等大数据应用活动。第八条各级政务部门和各类公共服务组织按照“应归尽归、有条件使用”原则，通过物理汇聚与逻辑接入两种方式，及时向自治区公共数据资源平台归集公共数据。第九条县级以上大数据主管部门应当建立健全公共数据全流程质量管控体系，强化数据质量事前、事中和事后的监督检查，实现问题数据可追溯、可定责，保证数据的及时性、准确性、完整性。第十条县级以上大数据主管部门应当根据当地经济社会发展需要，会同同级政务部门和各类公共服务组织制定年度公共数据开放重点清单，优先开放与民生紧密相关、社会迫切需要、行业增值潜力显著或产业战略意义重大的公共数据。第十一条县级以上大数据主管部门可以通过应用创新大赛、补助奖励、合作开发等方式，支持利用公共数据开展科学研究、产品开发、数据加工等活动。市、县人民政府和自治区有关部门应当围绕就业、产业、投资、消费、贸易等重点领域，促进公共数据和社会数据深度融合应用。第三章第三章 数据权益数据权益第十二条探索建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制，推进公共数据、企业数据、个人信息数据分类分级确权授权使用和市场化流通交易。第十三条按照急用先行、循序渐进的原则，探索建立统一高效的数据产权登记制度，规范数据产权登记管理。自治区大数据主管部门规划建设全区统一的数据产权登记平台，推动实现与国家和省级数据产权登记平台的系统互通、结果互认。县级以上大数据主管部门负责组织实施管辖区域内的数据产权登记工作。第十四条探索数据产权流通模式，建立基于法律规定或合同约定的数据产权流通体系，规范数据产权流通监管。第十五条建立健全体现效率、促进公平的数据要素收益分配制度，发挥市场在资源配置中的决定性作用和政府在数据要素收益分配中的引导调节作用，平衡数据要素收益在不同环节相关主体间的共享分配，保护各数据要素参与方合法权益。探索公共数据运营收益合理分享方式，政务部门、财政资金保障运行的公共服务组织开展公共数据授权运营，获得的相关收益扣除成本后由政府统筹分配，22专项用于支持保障公共数据治理和流通应用等相关领域。对公共数据来源部门，可按照公共数据市场化利用贡献，进行一般公共财政倾斜。第四章第四章 数据流通交易数据流通交易第十六条数据流通交易应当遵循合规高效、公平自愿、诚实守信、开放包容、安全可控的原则。自治区按照国家规定设立数据交易场所，建立和完善数据流通交易规则，政务部门、财政资金保障运行的公共服务组织应当通过依法设立的数据交易场所开展数据交易。鼓励数据处理者在依法设立的数据交易场所开展数据交易，培育壮大场内交易。支持数据处理者依法依规开展场外数据流通交易活动，建立健全场外交易规则，规范场外交易管理。第十七条强化数据交易场所的公共属性和公益定位，突出合规监管和基础服务功能。支持广西数据交易场所发展壮大，推动与其他区域性数据交易场所、行业性数据交易平台互联互通，打造面向东盟的国家级数据交易场所。自治区大数据主管部门作为广西数据交易场所的行业主管部门，负责指导、协调、监督数据交易场所建设运营，会同相关部门共同维护行业秩序。自治区地方金融监管部门作为广西数据交易场所的金融监管部门，负责数据交易场所的金融规范管理，风险监测、防范和处置等工作。第十八条自治区规划建设统一的公共数据运营平台，制定出台相关运营管理规范。依托公共数据运营平台，推动用于产业发展、行业发展的公共数据，以模型、核验等产品和服务的形式向社会提供。支持国有企业和行业龙头企业带头探索企业数据授权使用新模式。鼓励社会各界创新技术手段，推动个人信息匿名化处理，促进个人信息数据合理利用。第十九条 建立完善数据资产评估工作机制，推动数据资产入表，支持企业对数据资产进行确认、评估、计量、披露等。从事数据交易活动的数据处理者可以依法自主定价，执行政府定价、政府指导价的除外。支持探索多样化、符合数据要素特性的定价模式和价格形成机制，推动用于数字化发展的公共数据按政府指导价有偿使用，企业数据与个人信息数据由市场自主定价。第二十条鼓励和支持区内外企业及组织依托中国东盟信息港、中国（广西）自由贸易试验区等平台，探索安全规范的数据跨境流动方式，有序发展面向东盟的数据跨境流通和交易。第二十一条围绕促进数据要素合规高效、安全有序流通和交易需要，聚焦重点领域和关键环节，引进和培育一批贴近业务需求的行业性、产业化数据商和第三方专业服务机构，提升数据流通和交易全流程服务能力。支持社会各界围绕数据可信流通开展产学研深度合作，推动关键技术突破和成果转化。第五章第五章 数据安全监管数据安全监管第二十二条自治区大数据主管部门应当建立健全数据安全保障体系，完善协调机制以及安全预警、安全处置机制。第二十三条自治区大数据主管部门应当会同网信、公安、国安等部门，完善数据分类分级安全保护制度。各级各部门应当按照国家和自治区数据分类分级要求，对本级本部门以及相关行业、领域的数据进行分类分级管理。23第二十四条 各级大数据主管部门应当会同网信、公安、密码管理等部门定期或不定期检查数据处理者和数据流通交易场所履行数据安全责任等情况，对在监督检查中发现存在安全风险的，应当提出改进要求并督促整改。第二十五条自治区大数据主管部门应当会同有关部门完善数据流通交易监管制度，建立健全跨部门协同监管机制，对数据交易、信息披露行为等数据市场相关活动组织实施监督管理。第二十六条推行面向数据商和数据交易服务中介机构的数据流通交易声明和承诺制。加强对数据交易服务中介机构的监管，规范从业人员的执业行为。第二十七条 自治区发展改革部门应当会同大数据、人民银行等有关部门，推动建设数据要素市场社会信用体系。第六章 法律责任第二十八条 各有关部门在履行数据安全监管职责中，发现数据处理活动存在较大安全风险的，可依法依规对有关组织和个人进行约谈，责令整改，消除隐患。第二十九条 构建允许试错、包容出错、及时纠错的工作机制。对有关方面在推动数据要素市场化配置改革发展中出现偏差失误或者未取得预期成效，但符合国家和自治区改革方向、决策程序符合法律法规规定、已履行诚信和勤勉义务、未牟取私利的，以及未造成严重后果或主动挽回损失的，可按照有关规定从轻、减轻或免予追责。第七章第七章 附则附则第三十条 本办法由自治区大数据发展局负责解释。第三十一条 本办法自印发之日起施行。B.B.法律法规篇法律法规篇一、一、国家篇国家篇1 1、会计师事务所数据安全管理暂行办法（征求意见稿）会计师事务所数据安全管理暂行办法（征求意见稿）第一章第一章 总则总则第一条 为保障会计师事务所数据安全，规范会计师事务所数据处理活动，根据中华人民共和国注册会计师法、中华人民共和国数据安全法、中华人民共和国网络安全法等法律法规，制定本办法。第二条 在中华人民共和国境内依法设立的会计师事务所开展下列审计业务相关数据处理活动的，适用本办法：（一）为上市公司以及非上市的国有金融机构、中央企业等提供审计服务的；（二）开展跨境审计业务的。第三条 本办法所称数据，是指会计师事务所执行审计业务过程中，从外部获取和内部生成的任何以电子或者其他方式对信息的记录。数据安全，是指通过采取必要措施，确保数据持续得到有效保护和合法利用。24第四条 会计师事务所承担本机构的数据安全主体责任，履行数据安全保护义务。第五条 国务院财政部门会同国家网信部门负责全国会计师事务所数据安全监管工作，省、自治区、直辖市人民政府财政部门会同省级网信部门负责本行政区域内会计师事务所数据安全监管工作。第六条 注册会计师协会应当加强行业自律，指导会计师事务所加强数据安全保护，提高数据安全管理水平。第二章第二章 数据管理数据管理第七条 会计师事务所应当在下列方面履行本所数据安全管理责任：（一）建立健全数据安全管理制度，完善数据运营和管控机制；（二）健全数据安全管理组织架构，明确数据安全管理权责机制；（三）实施与业务特点相适应的数据分类分级管理；（四）建立数据权限管理策略，按照最小授权原则设置数据访问和处理权限，定期复核并按有关规定保留数据访问记录；（五）组织开展数据安全教育培训；（六）法律法规规定的其他事项。第八条 会计师事务所的首席合伙人（主任会计师）是本所数据安全负责人。第九条 会计师事务所应当按照相关法律法规的规定和被审计单位所处行业数据分级分类标准确定核心数据、重要数据和一般数据。会计师事务所应当通过业务约定书等方式与被审计单位明确审计资料分级分类要求，审计资料分级分类的要求应当与被审计单位相关资料分级分类的要求保持一致。第十条 针对核心数据，会计师事务所应当建立核心数据保护机制，通过专用服务器或者会计师事务所私有云平台设置内部专门空间存储，使用加密虚拟专用网络等技术手段传输，对核心数据的存储、读取、转移应当建立授权与记录机制并保证有效运行。针对重要数据，会计师事务所应当制定和执行规范的处理流程，将其存放于和互联网逻辑隔离的信息系统中，并严格控制接触人员范围。针对一般数据，会计师事务所应当采取基于用户角色的授权访问控制，并且按照最小权限原则授权。第十一条 会计师事务所的审计工作底稿及相关数据应当存储在境内，不得在境外备份。会计师事务所应当对审计业务相关的信息系统、数据库、网络设备、网络安全设备等设置并启用访问日志记录功能。日志应当存放境内，其中，日志中的用户登录及访问日志保存期限不得少于十年，其他日志保存期限不得少于六个月。第十二条 会计师事务所应当明确数据传输操作规程。核心数据、重要数据传输过程中应当采用加密技术，保护传输安全。第十三条 审计工作底稿和相关数据的加密设备应当设置在境内并由境内团队负责运行维护，密钥应当存储在境内。第十四条 会计师事务所应当建立数据备份制度。会计师事务所应当确保在审计相关应用系统停止使用、被限制使用等情况下，仍能访问、调取、使用相关审计工作底稿。第十五条 会计师事务所不得在业务约定书或类似合同中包含会计师事务所向境外监管机构提供境内项目资料数据等类似条款。第十六条 会计师事务所应当采用网络隔离、用户认证、访问控制、数据加密、病毒防范、非法入侵检测等技术手段，及时识别、阻断和溯源相关网络攻击25和非法访问，保障数据安全。第十七条 会计师事务所应当建立数据安全应急处置机制，加强数据安全风险监测。发现数据外泄、安全漏洞等风险的，应当立即采取补救、处置措施。发生重大数据安全事件的，应当及时向省级以上财政部门报告。第十八条 会计师事务所在境内形成的审计工作底稿应当存放在境内。需要出境的，按照国家有关规定办理审批手续。第十九条 会计师事务所对于审计工作底稿出境事项应当建立逐级复核机制，采取必要措施严格落实审计工作底稿涉密敏感信息管控责任。第三章第三章 网络管理网络管理第二十条 会计师事务所应当建立完善的网络管理治理架构，建立健全内部网络管理制度体系，建立内部决策、管理、执行和监督机制，确保网络管理能力与提供的专业服务相适应，为数据安全管理工作提供安全的网络环境。第二十一条 会计师事务所应当按照业务活动规模及复杂程度配置具备相关职业技能水平的网络管理技术人员，确保合理的网络资源投入和资金投入。第二十二条 会计师事务所应当做好信息系统安全管理和技术防护，根据存储、处理数据的级别采取相应的网络物理隔离或者逻辑隔离等措施，设置严格的访问控制策略，防范未经授权的访问行为。第二十三条 会计师事务所应当拥有其使用的审计业务系统中网络设备、网络安全设备的配置和管理的最高权限，统一管理、维护系统管理员账户和工作人员账户，不得设置不受限制的超级账户。加入国际网络的会计师事务所使用所在国际网络的信息系统的，应当采取用户隔离和数据隔离等措施。第四章第四章 监督检查监督检查第二十四条 省级以上财政部门与同级网信部门加强会计师事务所数据安全监管信息共享。第二十五条 省级以上财政部门、省级以上网信部门（以下简称相关部门）对会计师事务所数据安全情况开展监督检查。在监督检查过程中，相关部门可以委托国家、行业有关专业机构采用渗透测试、漏洞扫描及信息技术风险评估等方式，协助对会计师事务所开展监督检查。相关部门和机构工作人员对监督检查中知悉的核心数据、重要数据、个人隐私等数据应当依法严格保护，不得泄露或者非法向他人提供。第二十六条 对于承接金融、能源、通信、交通、科技、国防科工等重要领域审计业务的会计师事务所，相关部门应当开展全覆盖监督检查，并持续加强日常监管。第二十七条 会计师事务所对于相关部门依法实施的数据安全检查，应当予以配合，提供符合要求的相关数据资料和工作便利，不得拒绝、拖延、阻挠。第二十八条 承接关系国计民生、重要领域审计业务的会计师事务所开展数据处理活动，影响或者可能影响国家安全的，按照网络安全审查相关机制进行网络安全审查。第二十九条 相关部门在履行数据安全监管职责中，发现会计师事务所开展数据处理活动存在较大安全风险的，可以对会计师事务所及其责任人采取约谈、责令限期整改等监管措施，消除隐患。26第三十条 会计师事务所及其从业人员违反本办法规定的，由相关部门依照中华人民共和国数据安全法、中华人民共和国网络安全法、中华人民共和国注册会计师法等法律、行政法规的规定进行处理处罚。第三十一条 对会计师事务所及其从业人员违反本办法规定，涉及其他部门职责权限的，依法移送有关主管部门处理；构成犯罪的，移送司法机关依法追究刑事责任。第五章第五章 附则附则第三十二条 会计师事务所及其从业人员开展涉及国家秘密的数据处理活动，适用中华人民共和国保守国家秘密法等法律、行政法规的规定。第三十三条 会计师事务所开展涉及个人信息的数据处理活动，应当遵守有关法律、行政法规的规定。第三十四条 会计师事务所的非审计业务数据管理可参照本办法执行。第三十五条 本办法由财政部、国家网信办负责解释。第三十六条 本办法自 年 月 日起施行。2 2、关于进一步规范关于进一步规范银行银行间市场货币经纪报价及数据展示有关事间市场货币经纪报价及数据展示有关事项项的的通知（通知（2023-2023-0 09-129-12）一、本通知所称经纪数据，是指各货币经纪公司（以下统称“经纪商”）开展银行间市场货币经纪业务产生的报价和撮合成交信息。货币经纪报价及经纪商通过金融信息服务商等机构平台（以下统称“经纪数据展示平台”）展示经纪数据，应当遵守本通知要求。二、经纪商应当确保经纪数据的使用符合监管规定。经纪商仅能根据交易机构的委托发布报价信息，不得私自修改交易机构报价，不得发布虚假报价，或在开盘等时点发布已失效的历史报价。三、交易机构应当健全报价相关内控制度，对交易人员报价权限进行明确授权，或对交易人员报价进行审批，避免因内部授权问题引发交易纠纷。四、交易机构应当明确影响执行交易的各项条件，并对执行交易意向以“*”进行标识：（一）对于实盘报价即可执行报价，交易机构对交易价格、交易数量均不作意向性标识，报价被交易对手方接受的，交易机构应当按照报价要素执行交易；（二）对于可部分执行报价，交易机构仅对交易数量作意向性标识或未明确交易数量，不对交易价格作意向性标识，报价被交易对手方接受的，交易机构应当按照所报价格及不低于市场惯例的最小交易量执行交易；（三）对于意向性报价，交易机构对交易价格作意向性标识，交易双方可对报价进行协商；在协商过程中交易机构提供新报价的，应为更优报价。经纪商仅能按照交易机构委托进行标识，不得自行标识。报价通常应当为实盘报价，任何机构不得利用报价扰乱市场交易秩序，不得在交易双方确认关键交易要素后拒绝执行交易。五、经纪商通过经纪数据展示平台展示报价，应当遵守以下规则：27（一）国债、政策性金融债、地方政府债的实盘报价、可部分执行报价可展示全部报价要素，意向性报价仅展示交易标的、交易方向、交易数量等信息，不得展示交易价格；其他债券可按照第四条规定展示全部报价要素；（二）经纪商应当按照时间优先、价格优先的原则展示报价，同等条件下优先展示实盘报价、可部分执行报价；经纪数据展示平台应当具备按照实盘报价、可部分执行报价、意向性报价进行筛选展示的功能。六、交易机构交易需求或报价要素发生变化，包括但不限于已在其他渠道达成交易的，应当及时通知相关经纪商修改或撤销报价，确保报价实时反映真实交易需求。经纪商应当在收到交易机构通知后立即执行，避免无效报价影响市场交易。七、经纪商应当在撮合完成后及时公布撮合成交价格等信息，不得通过选择性公布撮合成交信息、公布虚假撮合成交信息、重复公布同一笔撮合成交信息、直接或间接控制信息公布时间等方式影响市场行情，但监管部门、自律组织另有规定或要求的除外。八、经纪商应当对现券交易不同清算速度的报价和撮合成交信息进行标识，对晚于次一工作日交割的交易应当另行展示。九、经纪商应当加强信息科技建设，持续对所合作经纪数据展示平台的技术管理和安全保障情况进行跟踪评估，确保数据内容的准确性以及展示服务的稳定性。十、经纪商不得要求经纪数据展示平台利用算法等技术手段为自身在数据展示中获得优势地位，或实施其他不正当竞争行为。十一、经纪商应当与所合作经纪数据展示平台就数据安全、数据用途、权限管理等事项进行约定，并于每年 4 月 30 日前向交易商协会报送上一年度与经纪数据展示平台的合作情况。合作事项发生重大变化的，经纪商应当在合同订立、变更或终止后的五个工作日内将具体情况报告交易商协会。十二、交易机构出现实盘报价、可部分执行报价被接受后拒绝执行交易，滥用意向性报价扰乱市场交易秩序，或在经纪撮合达成交易后未在交易平台履行交易约定的，交易机构可向交易商协会反映，经核实情况属实的将记入交易行为信息档案。经纪商应当对交易机构报价成交情况加强监测，发现异常情况的及时报送交易商协会。十三、交易商协会对银行间市场货币经纪报价及数据展示进行自律管理，组织制定相关行业标准或自律规则，并根据需要开展业务检查。十四、交易机构、经纪商违反相关自律规则及本通知有关要求的，交易商协会可根据违规情形实施自律管理措施或自律处分。十五、本通知未尽事宜以银行间市场货币经纪业务自律指引相关规定为准。十六、本通知自发布之日起生效。实施第五条、第八条涉及调整内控制度或改造系统的，过渡期为 9 个月。3 3、关于关于规范货币经纪公司提供数据服务规范货币经纪公司提供数据服务有关事项的通知有关事项的通知（2023-2023-0 08-318-31）28一、加强数据治理，确保数据安全一、加强数据治理，确保数据安全（一）货币经纪公司进行数据处理、向市场提供数据服务，应当遵守法律法规和商业道德，尊重社会公德和伦理，履行数据安全保护义务，不得危害国家安全、金融安全和公共利益，不得损害金融机构的合法权益。（二）货币经纪公司应当将数据治理纳入公司治理范畴，建立与业务发展目标相适应的数据安全治理体系，健全数据安全管理制度，加强经纪人员执业规范性管理，构建覆盖数据全生命周期和应用场景的安全保护机制，开展数据安全风险监测评估，保障数据服务安全稳健开展。（三）货币经纪公司应严格落实信息科技监管要求，加强信息科技风险管理体系建设，提升信息科技外包风险管控能力，严格控制生产系统访问权限，加强数据安全保护，确保网络和数据安全。二、规范提供数据标准，提高数据服务质量二、规范提供数据标准，提高数据服务质量（四）经交易机构授权同意后，货币经纪公司可向市场提供交易机构的报价数据和成交意向数据，数据标准应秉承“最小必须、保护客户隐私、促进信息共享”的原则，涉及能够识别交易双方主体的信息不得提供。（五）货币经纪公司应加强对交易机构、交易员资质的审核，不得接受不符合银行间市场、交易所市场准入条件的机构和个人的报价，不得将其报价纳入数据服务范围。（六）货币经纪公司发现交易机构的报价要素错误或明显背离市场行情的，应在发布报价前向交易机构进行确认，避免对外发布错误报价，减少异常数据对市场的影响。（七）货币经纪公司应严格落实数据报备的监管要求，按规定向金融监管部门和有关自律组织报送相关业务数据。三、明确可接受数据服务的机构范围，加强合作管理三、明确可接受数据服务的机构范围，加强合作管理（八）金融监管部门商国家网信办确定可接受货币经纪公司数据服务的金融基础设施、金融信息服务商等机构名单，并根据实际情况对机构范围进行动态调整。（九）货币经纪公司按市场化原则与金融信息服务商等商业机构开展数据服务合作，对数据服务合作方建立并实施准入、评估和退出机制，确保其依法合规使用和管理数据。四、签订服务协议，规范数据使用四、签订服务协议，规范数据使用（十）货币经纪公司应与金融基础设施、金融信息服务商等数据使用方签订协议，明确双方的权利义务，对数据安全、数据展示、加工使用、再次分发、服务费用等事项进行明确约定。（十一）对于金融信息服务商，以及将数据用于行情展示、增值服务等商业用途（不以盈利为目的、不向其服务对象收取费用的除外）的金融基础设施，货币经纪公司可按照商业化原则向其收取合理的数据服务费用，覆盖提供数据成本，促进市场公平交易。（十二）金融监管部门加强对货币经纪公司数据服务的监督管理，对存在违反法律法规和本通知规定的，依法采取监管措施或者实施行政处罚。4 4、中国人民银行业务领域数据安全管理办法中国人民银行业务领域数据安全管理办法（征求意征求意见见稿稿）（2023-2023-0 07-247-24）29第一章第一章 总则总则第一条(目的和依据)为规范中国人民银行业务领域数 据的安全管理，根据中华人民共和国网络安全法中华 人民共和国数据安全法中华人民共和国中国人民银行法 等有关法律、行政法规，制定本办法。第二条(适用范围)数据处理者在中华人民共和国境内开展的中国人民银行业务领域数据相关的处理活动，适用本办法。法律、行政法规或者中国人民银行另有规定的，从其规定。本办法所称中国人民银行业务领域数据，指根据法律、行政法规、国务院决定和中国人民银行规章，开展中国人民银行承担监督管理职责的各类业务活动时，所产生和收集的不涉及国家秘密的网络数据，以下简称数据。第三条(管理原则与目标)数据安全工作遵循“谁管业务，谁管业务数据，谁管数据安全”基本原则。开展数据处理活动应当履行数据安全保护义务，采取有效措施防范数据被篡改、破坏、泄露、不当获取与利用等风险，确保不损害国家安全、公共利益、金融秩序、个人及组织合法权益，遵守社会公德伦理、商业道德和职业道德。第四条(协同监督管理)在国家数据安全工作协调机制统筹协调下，中国人民银行及其分支机构，依据本办法开展 数据安全监督管理工作，积极支持其他有关主管部门依据职 责开展数据安全监督管理工作,必要时可以与其他有关主管部门签署合作协议，进一步约定数据安全监督管理协作模式。中国银行间市场交易商协会、中国支付清算协会、中国互联网金融协会等金融行业协会应当加强自律管理，建立便捷的投诉、举报渠道，反映会员合理的数据安全意见建议。第二章第二章 数据分类分级数据分类分级第五条(数据分类分级保护总体规划)中国人民银行负责组织制定数据分类分级相关行业标准。指导数据处理者开展数据分类分级各项工作，统筹确定重要数据具体目录并实施动态管理。第六条(数据分类分级制度规程)数据处理者应当建立健全本单位数据分类分级实施制度，规范分类分级工作操作规程。数据分类分级过程实施和结果审批，应当严格遵循操作规程。第七条(数据分类要求)数据处理者应当参考行业标准，根据业务开展情况建立业务分类，梳理细化数据资源目录，标识各数据项是否为个人信息、数据来源(生产经营加工产生、外部收集产生等)、存储该数据项的信息系统清单和应用的业务类别。第八条(数据分级要求)数据按照精度、规模和对国家安全的影响程度，分为一般、重要、核心三级。在中国人民银行组织下，数据处理者应当准确识别判定本单位信息系统存储的全量数据是否属于重要数据、核心数据，并填写报送重要数据目录内容，由中国人民银行汇总后确定重要数据具体目录。数据处理活动中，数据处理者还应当及时准确识别判定所涉及数据是否属于重要数据、核心数据。第九条(数据敏感性分层级)在数据分级基础上，数据处理者应当参考行业标准，根据数据遭到泄露或者被非法获取、非法利用时，可能对个人、组织合法权益或者公共利益等造成的危害程度，将数据项敏感性从低至高进一步分为一至五共五个层级。结构化数据项应当逐一标识层级;非结构化数据项应当优先按照可拆分的各结构化数据项所对应最高层级，标识其层级。30第十条(数据可用性分层级)数据可用性分层级工作纳入信息系统业务连续性分级保障体系统一考虑。数据处理者应当评估信息系统存储数据遭到篡改、破坏后可能对业务连续性造成的影响程度，明确恢复点目标要求。恢复点目标越严格，数据的可用性层级越高。在此基础上，鼓励数据处理者识别用于支撑最基本业务运转、无法承受彻底灭失风险、需要进一步进行容灾备份的数据。第十一条(动态更新要求)数据处理者应当根据数据和信息系统变化情况，每年组织更新数据资源目录，避免信息系统所涉及数据项未在数据资源目录中记录、数据项标识信息不完整等情形发生。第三章第三章 数据安全保护总体要求数据安全保护总体要求第十二条(责任落实总体要求)数据处理者应当明确其数据安全管理相关内设部门职责分工，配备足够数量的数据安全管理人员，并细化各类违规数据处理活动的定责问责规程，压实数据安全保护责任。重要数据的处理者还应当书面明确数据安全负责人和数据安全牵头管理内设部门。第十三条(全流程安全管理制度要求)数据处理者应当建立健全全流程数据安全管理制度，结合数据分类分级结果，明确差异化的安全保护管理和技术措施要求，并制定数据处理活动操作规程，规范各类内部审批和授权流程。第五层级数据项应当在第四层级数据项对应的安全保护管理和技术措施基础上进一步从严管理。不同敏感性层级数据项在同一个数据处理活动中被处理，且难以采取差异化安全保护管理和技术措施的，应当统一采取最高敏感性层级数据项对应的安全保护管理和技术措施。与母公司、子公司、关联公司或者附属公司等具有关联关系的数据处理者合作开展数据处理活动时，不得降低安全保护管理和技术措施要求。第十四条(安全培训总体要求)数据处理者应当根据岗位分工，制定数据安全年度培训计划，组织开展相关教育培训，并对培训结果进行评价。培训内容应当包括:(一)数据安全相关法律、行政法规、部门规章、国家 和金融行业标准、内部规定、行为准则和职业操守;(二)不同岗位的数据安全责任，失职失责或者违法违 规数据处理活动应当承担的后果;(三)针对性的数据安全保护管理和技术措施要求，以 及对应的操作规程;(四)数据安全事件应急处置规程。第十五条(鼓励创新)鼓励数据处理者积极开展数据安全技术创新应用，在保障安全合规前提下，积极促进数据的高效流通和创新应用，鼓励优秀创新成果申报行业表彰奖励。第四章第四章 数据安全保护管理措施数据安全保护管理措施第十六条(人员管理要求)数据处理者应当按照最小必要和职责分离原则，严格管理信息系统各类业务处理账号、数据库管理员等特权账号的设立和权限，人员变动时应当及时调整权限或者收回账号。数据处理者应当加强账号身份认证管理，可使用第二层级以上数据项的账号应当支持身份验证。可使用第三层级以上数据项的账号应当支持多因素认证或者实现二次授权，相关账号使用人员应当签署保密协议。第十七条(数据收集保护管理措施要求)数据处理者收集数据应当遵循合法、31正当原则，并采取下列安全保护管理措施:(一)除法律、行政法规明确无需说明的情形外，应当在隐私政策协议或者合同协议中以显著方式、清晰易懂的语言说明数据收集的目的、范围、方式、存储期限，以及数据来源不合法、数据不真实情形对应的违约责任;(二)接受其他数据处理者委托协助收集数据时，应当通过合同协议与其约定，是否需要代其向相关个人、组织说明委托关系;(三)非直接面向个人、组织收集数据时，应当要求数据提供方依照法律、行政法规取得个人、组织的同意，对于非书面同意情形，应当要求其出具数据来源说明材料，并依据材料评估其合法性、真实性;(四)应当针对数据合法性、真实性存疑等情形，明确业务暂停使用相关数据时的应急处置方案;(五)应当优先采用数据提供方直接录入或者信息系 统间交互的方式收集数据;(六)因履行无障碍义务或者客观条件限制，采用纸质文件、影像或者代为手工录入等方式收集数据时，应当采取自动识别、人工核验等措施，保障数据录入的及时性和准确性，并按照档案管理要求保存原始数据收集凭证;(七)停止提供其产品服务，合同协议履约终止或者响 应个人、组织合法权益要求时，应当主动停止数据收集活动;(八)保存数据收集行为对应的合同协议、内部审批记录、数据提供方出具的数据来源说明材料和对应评估结论等信息至少三年。第十八条(数据存储保护管理措施要求)数据处理者应当根据业务需要，明确数据存储期限。除履行法定职责或者法定义务所必需外，第三层级以上数据项原则上不得在终端设备和移动介质中存储。确需存储的，数据处理者在履行内部审批程序基础上，应当统一明确需在终端设备和移动介质中存储的特定场景、支持此类场景的必要性、应当采取的风险防范措施，并据此开展。风险防范措施至少应当包括仅在授权的终端设备和移动介质中存储，存储期限不得超过审批允许的期限。数据处理者应当保存终端设备、移动介质中存储第三层级以上数据项行为的目的说明、内部审批记录、授权设备或者介质识别编号、允许存储期限等信息至少三年。第十九条(数据使用保护管理措施要求)第三层级数据项原则上不提供导出使用方式，第四层级以上数据项原则上仅提供核验使用方式，确需提供其他使用方式时，应当说明相关必要性，经内部审批并明确对应的风险防范措施后，据此开展。涉及第三层级以上数据项导出使用的风险防范措施，原则上应当优先采取加密、数字水印或者脱敏处理等安全保护措施，确需未经安全保护即导出的，数据处理者应当统一明确相关导出需求场景，并据此开展。除面向个人、组织展示其数据，履行法定职责或者法定义务必需展示数据的两类情形外，信息系统界面展示第三层级以上数据项时，原则上应当优先实施脱敏处理后再展示。确需明文展示的，数据处理者应当统一明确相关展示需求场景、支持此类场景的必要性和应当采取的风险防范措施，并据此开展。第二十条(数据加工保护管理措施要求)数据加工前，数据处理者应当审查加工目的与收集约定是否一致，确保数据加工不以垄断经营和不正当竞争为目的，不发生误导、欺诈、胁迫或者干扰等限制个人或者组织正当选择与决策的行为，遵循社会公32德伦理。第四层级以上数据项加工，应当经内部审批并明确对应的风险防范措施后，据此开展。基于加工生成的数据项面向个人提供自动化决策服务 时，应当以适当方式说明加工目的、加工依赖数据基本情况 和加工基本逻辑，提升决策的透明度。数据处理者应当保存数据加工行为目的说明、内部审查审批记录、审查对应的加工应用程序源代码、新产生数据项列表等信息至少三年。第二十一条(促进数据开发利用)使用第三层级以上数据项加工后产生的数据项，经评估确认无法识别至特定个人、组织，或者反映信息敏感程度明显低于原数据项时，数据处理者履行内部审批手续后，可视情降低敏感性层级，促进数据依法合规开发利用。第二十二条(数据传输保护管理措施要求)除履行法定 职责或者法定义务所必需外，数据处理者原则上不得采用互 联网邮件、即时通讯、在线文件传输、交互性信息服务等互 联网信息服务或者通过移动介质交换传输第三层级以上数据项，确有需要的，数据处理者应当统一明确相关传输需求 场景、支持此类场景的必要性和应当采取的风险防范措施，并据此开展。第二十三条(一般性数据提供保护管理措施要求)数据处理者应当针对自身业务开展所需的数据提供行为采取下列安全保护管理措施:(一)涉及个人信息的数据提供行为，应当评估确认遵守有关法律、行政法规的规定。其他数据提供行为，应当评 估确认不违反与相关组织间事前约定的有关保守商业秘密要求;(二)通过合同协议方式与数据接收方约定数据提供 的目的、方式、范围、规模、允许存储时限、将数据再转移 提供至第三方的限定条件，要求接收方及时告知可能发生的 数据泄露事件，明确各方数据安全保护责任和至少应当采取 的安全保护措施;(三)向个人、组织提供其数据时，可视情简化合同协议签订和对应内部审批要求，但应当先行核实其身份的真实性;(四)对于委托处理情形，在合同协议中进一步明确委托处理受托人重要事项报告、及时返还和删除数据的实施方式、接受并配合数据处理者监督其委托处理活动等义务;(五)有效监督委托处理受托人履约情况，定期评估确认其数据处理活动符合事前约定，并已采取承诺的全部安全保护措施;(六)对于委托处理以外情形，第三层级数据项应当优 先通过查询、固定报表和核验方式向其他数据处理者提供，第四层级以上数据项应当优先通过核验方式向其他数据处理者提供，确需以其他方式提供的，在履行内部审批程序基础上，数据处理者应当统一明确相关提供需求场景、支持此类场景的必要性和应当采取的风险防范措施，并据此开展;(七)切实保障提供数据的质量，对提供数据真实性作必要核验，按照约定格式做好数据清洗转换，不得提供虚假数据误导数据接收方、合作方;(八)保存数据提供行为评估记录、内部审批记录、对应的合同协议内容、监督过程中识别的风险及整改处置情况等信息至少三年。第二十四条(特殊性数据提供保护管理措施要求)数据处理者向其他数据处理者提供重要数据前，应当依照法律、行政法规要求，说明重要数据的具体信息，从数据接收方数据处理目的方式和范围的合法正当必要性、潜在安全隐患、数据接收方诚信守法和背景情况、合约协议完备性和拟采取的安全保护管理和技术措施等方面做好风险评估并保存报告至少三年。在此基础上，数据处理者还应当通33过法律、行政法规明确规定的安全评估。数据处理者向其他数据处理者提供核心数据前，还应当提请国家数据安全工作协调机制办公室批准。除履行法定职责或者法定义务所明确情形外，数据处理者不得通过拆分等方式规避上述义务。数据处理者因合并、分立、解散、被宣告破产等原因需要转移数据的，应当通过公告等方式将数据接收方信息告知相关个人、组织，并评估确认不违反与相关组织间事前约定的有关保守商业秘密要求。重要数据的处理者发生合并、分 立、解散或者申请重整、和解以及破产清算等情况时，法律、行政法规有明确要求的，应当事前向中国人民银行报告数据处置方案和数据接收方基本情况。第二十五条(数据融合创新应用管理措施要求)数据处理者采用隐私计算等技术促进数据融合创新应用时，应当确认原始数据未离开自身控制范围，且多个数据提供行为关联后，暴露约定范围外信息的风险可控。第二十六条(数据出境限制管理措施要求)数据处理者在中华人民共和国境内收集和产生的数据，法律、行政法规有境内存储要求的，应当在境内存储。数据处理者因自身需要向境外提供数据，存在国家网信部门规定情形的，应当严格遵守其有关规定事前开展数据出境风险自评估并申报数据出境安全评估。数据处理者不得有意拆分、缩减出境数据规模以规避申报数据出境安全评估。对于因自身需要的数据出境提供行为，数据处理者应当于每年 1 月底前测算或者估算其上两年内累计出境数据规模 与范围，并保存测算估算结果和对应的境外接收方联系方式至少三年。涉及数据出境安全评估的，数据处理者还应当保存有效期内的数据出境风险自评估报告、数据出境安全评估 申报书和评估结果。第二十七条(国际组织和外国金融管理部门数据调取)中国人民银行根据有关法律和中华人民共和国缔结或者参加的国际条约、协定，或者按照平等互惠原则，处理国际组织和外国金融管理部门关于提供数据的请求。非经中国人民银行和其他有关主管部门批准，数据处理者不得向其提供境内存储的数据。第二十八条(数据公开保护管理措施要求)数据处理者应当履行内部审批手续，审核数据公开行为的目的、数据内容范围、渠道、时限和脱敏处理情况，分析研判可能产生的负面影响，并核验数据的合法性、真实性与有效性。数据公开渠道原则上应当为本单位统一明确的官方渠道。确有需要通过其他渠道公开的，应当经内部审批并明确对应的风险防范措施后，据此开展。第二层级以上数据项公开时，数据处理者应当保存数据公开行为目的说明、日期、公开渠道、数据范围和内部审批记录等信息至少三年。第三层级以上数据项原则上应当实施脱敏处理后再公 开，数据处理者应当统一明确第三层级以上数据项确需未经 脱敏处理即允许公开的特定需求场景、支持此类场景的必要 性和应当采取的风险防范措施，并据此开展。第二十九条(数据删除保护管理措施要求)涉及个人信息的数据，满足法律、行政法规规定应当删除情形时，数据处理者应当主动删除数据。其他数据已超过与组织约定的存储时限，或者组织提出符合法律、行政法规规定的正当请求时，数据处理者应当主动删除数据。删除数据从技术上难以实现的，数据处理者应当停止除存储和采取必要的安全保护措施之外的处理。数据处理者应当每年至少对信息系统业务处理账号、特权账号实施一次核验，确认已停止除存储和必要安全保护措施之外处理的数据，不可被访问使用。数据处理者发生解散、被宣告破产等情况时，合法合规完成自身需要的数据转移处理后，应当及时销毁全部数据存储介质。中国人民银行或其住所地分支机构依据法律、行政法规另有数据转移要34求的，还应当按照要求将数据转移至指定接收方后再销毁数据存储介质。第五章第五章 数据安全保护技术措施数据安全保护技术措施第三十条(账号权限保护技术措施要求)数据处理者应当采取有效技术措施，从严管控业务处理账号的数据使用权限，鼓励建设技术平台，采取统一认证、统一授权策略进一步加强管控。数据处理者应当统一明确特权账号的使用场景，并通过内部审批授权，严格限定其使用。可使用第三层级以上数据项的特权账号，涉及人工操作的数据库表删除、修改等操作应当逐一进行事前审查和事后审计。第三十一条(数据处理活动日志保护技术措施要求)数据处理者应当建立统一的日志规范，明确数据处理活动日志应当完整记录的溯源所需信息。第三层级数据项如需在数据处理活动日志中记录原则上应当实施脱敏处理，第四层级以上数据项原则上不记录。确有需要的，数据处理者应当统一明确相关日志记录需求场景、支持此类场景的必要性和应当采取的风险防范措施，并据此开展。数据处理者应当将数据处理活动日志纳入数据分类分 级管理，并落实对应的管理和技术措施要求。数据处理者应 当妥善保存数据处理活动日志至少六个月。向其他数据处理 者提供涉及个人信息的数据或者重要数据的行为，相关日志应当保存至少三年。第三十二条(数据收集保护技术措施要求)采用直接录入方式收集第二层级以上数据项，应当核验录入人身份。采用信息系统间交互方式收集第三层级以上数据项，应当对数据提供方身份进行认证，并保障收集数据的完整性。数据处理者应当采取关联信息交叉核验等技术措施，识别并规避数据项同一内容不合理映射至多个个人或者组织、不同数据项信息相互矛盾等问题，尽可能保障收集数据的准确性，避免损害个人、组织的合法权益。数据处理者面向个人直接录入方式收集数据时，应当建立健全技术措施，识别法律、行政法规禁止发布或者传输的信息。数据处理者采用自动化搜集方式从其他数据处理者收集数据时，应当遵守其数据访问控制协议，不得干扰其网络服务正常运行，不得侵害其原有网络服务合法运营权益。第三十三条(数据存储保护技术措施要求)数据处理者应当针对数据存储行为采取下列安全保护技术措施:(一)有效隔离开发测试环境与生产环境数据存储设施设备;(二)存储重要数据或者一百万人以上个人信息的信息系统应当落实三级以上网络安全等级保护要求，存储核心数据的信息系统应当落实四级网络安全等级保护要求或者 关键信息基础设施保护要求;(三)除因业务影响、产业制约，并可提供详细分析报 告情形外，应当优先采用商用密码技术对信息系统中第三层 级以上数据项实施加密存储，结构化数据项在对数据库文件 整体实施加密基础上鼓励进一步采用更细粒度的加密方式，非结构化数据项可仅对拆分的第三层级以上结构化数据项 单独实施加密;(四)按照业务连续性保障等级，加强信息系统数据冗余备份管理，对于恢复点目标要求小于十分钟的信息系统，每天至少验证一次最新冗余备份数据可被正常加载使用;对于其他信息系统应当逐一明确验证频率要求，据此定期验证最新冗余备份数据可被正常加载使用。鼓励数据处理者针对需要进一步容灾备份的数据，采取独立于信息系统灾难备份体系以外的备份技术措施。35第三十四条(数据使用保护技术措施要求)数据处理者应当统一明确第三层级以上数据项的脱敏处理策略，降低脱敏数据仍可识别至个人、组织的风险。数据处理者应当采取数字水印等措施，标识信息系统当前数据使用账号、时间等信息，并在展示后及时清除缓存信 息，提升数据展示、打印等使用过程的安全防护和溯源能力。数据处理者应当建立终端设备安全管控策略，鼓励针对使用第三层级以上数据项的终端，采取安全沙箱、终端行为管控等安全保护措施。生产环境第二层级以上数据项原则上应当经授权并实施脱敏处理后才能用于开发测试，确需不经脱敏处理即用于 开发测试的，数据处理者应当履行内部审批手续，并采取与 生产环境一致的安全保护管理和技术措施，确保开发测试数据安全。第三十五条(数据加工保护技术措施要求)数据处理者应当建立统一的加工算法风险评估和控制策略，明确可解释性、脆弱性等风险对应的缓释措施以及退出算法自动化决策的替代方案。第三十六条(数据传输保护技术措施要求)数据处理者应当针对数据传输行为采取下列安全保护技术措施:(一)通过运营商网络传输第二层级以上数据项时，采取专用线路、虚拟专用网络、安全通信协议等安全保护措施;(二)动态更新记录不同网络安全区域间正常数据传 输对应的网络地址、网络协议通信映射关系，加强安全隔离 与终端设备准入控制;(三)第三层级以上数据项传输至其他数据处理者、传输至不同数据中心或者传输至运营商网络时，应当优先使用商用密码技术保障机密性，并根据业务需要使用商用密码技术加强完整性和抗抵赖性保障，未使用商用密码技术进行传输保护的，数据处理者应当统一明确相关传输需求场景、支持此类场景的必要性和应当采取的风险防范措施，并据此开展;(四)在传输失败或者传输完成后，及时删除不必要的缓存数据;(五)及时评估调整网络线路的传输承载容量，加强网络线路和相关软硬件设备的冗余备份。第三十七条(数据提供保护技术措施要求)数据处理者应当针对数据提供行为采取下列安全保护技术措施:(一)针对持续性数据提供行为建设较为集中的技术 平台，并采用前置网关或者应用程序接口方式向其他数据处 理者提供数据;(二)提供从其他数据处理者收集获得的数据项，中国人民银行有明确需公开数据来源要求的，应当以显著方式标识来源;(三)提供第三层级以上数据项时应当对数据接收方 身份进行认证;(四)采用隐私计算技术提供数据时，应当建立统一的技术风险评估和控制策略，明确安全可验证性、性能可接受性等风险对应的缓释措施;(五)对于委托处理情形的数据提供行为，应当纳入信息科技外包管理体系统一管理。第三十八条(数据公开保护技术措施要求)数据处理者应当明确自身已公开数据是否可被自动化搜集的数据访问控制协议，并采取有效技术措施，保障公开数据不被篡改。第三十九条(数据删除保护技术措施要求)删除数据涉及数据存储介质销毁工作时，数据处理者应当建立统一的数据存储介质销毁策略，明确销毁技术方式和36过程监督措施。存储第三层级以上数据项的存储介质不再使用并且离开数据处理者控制范围时，应当及时销毁。数据处理者应当保存数据存储介质销毁日期、销毁介质识别编号、采取的销毁技术方式、操作执行及复核人等信息至少三年。第六章第六章 风险监测、评估审计与事件处置措施风险监测、评估审计与事件处置措施第四十条(数据处理活动风险监测)数据处理者应当采取有效措施，强化数据处理活动安全风险监测和告警，推进违规数据处理活动阻断技术措施建设，及时做好风险隐患的溯源排查处置，并核验技术措施的有效性和可靠性。监测告警规则应当重点关注下列事项:(一)收集、提供的数据存在恶意程序或者法律、行政法规禁止传输的信息;(二)危害数据安全的漏洞;(三)终端设备和移动介质未经授权存储第三层级以 上数据项;(四)识别到不明用途的数据存储网络地址;(五)未授权的数据使用行为，发生时间、网络地址、频率、总量存在明显异常的数据使用行为;(六)用户身份认证强度较弱;(七)开发测试环境中使用未授权或者未经脱敏处理 的生产环境数据;(八)对第四层级以上数据项实施加工、提供等行为;(九)异常的网络通信行为和非授权终端设备接入内 部网络的行为;(十)未经商用密码技术加密传输第三层级以上数据 20 项;(十一)终端设备使用互联网邮件、公共即时通讯、互联网文件传输工具传输第三层级以上数据项或者打印第三 层级以上数据项;(十二)网络线路数据传输承载能力不足;(十三)使用前置网关或者应用程序接口方式提供超 出合同协议约定范围数据的异常行为;(十四)违反数据访问控制协议的公开数据异常访问 行为。第四十一条(数据安全风险情报监测)数据处理者应当加强数据安全风险情报的监测，及时核实并做好必要的数据安全防范处置工作。监测规则应当重点关注下列事项:(一)本单位非公开数据泄漏至互联网的情况;(二)兜售本单位数据的情况;(三)假冒本单位身份非法收集、公开数据，或者对本单位管理的数据进行造谣传谣的情况;(四)与本单位或者具有关联关系的数据处理者相关 的数据安全负面舆情信息;(五)与本单位合作的数据接收方、委托处理受托人相关的数据安全负面舆情信息。第四十二条(数据安全通报预警监测)数据处理者应当及时接收、核查和处置中国人民银行或其分支机构通报的数据安全风险情报，并根据要求按时反馈核查处置结果。鼓励数据处理者积极向中国人民银行或其分支机构提供可共享的数据安全风险情报，提升联防联控效能。第四十三条(数据安全风险评估)重要数据的数据处理者应当自行或者委托检测机构，每年组织开展一次全面的数据安全风险评估工作，于下年度一季度末前向中国人民银行或其住所地分支机构报送风37险评估报告，并按照行政法规要求向对应的网信部门报送。除法律、行政法规已明确的内容外，风险评估报告还应当重点评估下列风险，并提出改进应对措施:(一)数据分类分级实施制度、违规数据处理活动定责规程和问责处罚措施、数据处理活动全流程数据安全管理制度和相关操作规程的建设情况;(二)数据安全决策、管理、执行、监督各层面职责划分和对应岗位设置是否明确、合理，实际职责落实情况;(三)人员培训和日常管理情况;(四)重要数据识别判定情况，处理重要数据的目的、范围、规模、方式、类型、存储期限和存储地点等情况;(五)重要数据相关的数据处理活动记录信息的真实 性与完整性;(六)重要数据相关的数据处理活动全流程管理和技 术措施执行情况及其有效性;(七)存储重要数据信息系统的网络安全等级保护测 评和问题整改落实情况;(八)重要数据相关的数据处理活动风险监测预警和 溯源排查情况;(九)数据安全事件定级判定标准建设情况，应急预 案、应急处置流程设计与演练实施情况，以及本年度发生的 数据安全事件及处置情况;(十)向其他数据处理者提供重要数据的风险评估报 告。第四十四条(数据安全审计)数据处理者应当围绕全流程数据安全管理制度和相关操作规程执行情况、数据安全相关投诉处理情况，每年至少开展一次与数据安全相关的合规审计。发生重大以上数据安全事件后，应当及时开展专项审计，督促数据处理活动过程留痕，安全保障责任落实到人。第四十五条(数据安全风险评估与审计的安全保障)数据处理者应当细化管控数据安全风险评估人员和审计人员使用数据的权限，并采取有效措施确保实施过程安全。鼓励数据处理者建立技术平台，统一建立数据安全风险评估与审计的安全管控策略。数据安全风险评估报告和审计报告不得记录第四层级以上数据项。报告保存期限不得短于实施过程中使用数据的 存储期限，且最短不得低于三年。委托检测机构、审计机构开展数据安全风险评估或者审计工作时，数据处理者应当在合同协议中明确其数据安全保护责任，并指定本单位人员全程参与评估。第四十六条(数据安全事件定级判定)数据处理者应当按照国家网络安全事件应急预案有关事件分级要求，综合考虑影响范围和程度，细化明确各等级数据安全事件对应的定级判定标准:(一)对于数据被篡改、破坏的事件，定级标准应当考虑不同业务连续性保障等级信息系统无法正常服务的时长、影响的业务笔数与金额、影响的个人或者组织数量、损失的各敏感性层级数据项情况和对应数据规模、带来的舆情影响等;(二)对于数据泄露事件，定级标准应当考虑涉及的个人或者组织数量、泄露的各敏感性层级数据项情况和对应数据规模、带来的舆情影响等;(三)涉及核心数据、重要数据的安全事件，应当分别定级为特别重大事件、重大事件。第四十七条(数据安全事件响应处置)数据处理者应当将数据安全事件纳入网络安全事件应急响应机制统一管理，制定相关应急预案，做好事件定级、处置、总结、报告、整改工作，按照规程向中国人民银行或其住所地分支机构、其他有关主管部门报告事件信息。38数据处理者应当每年至少开展一次针对数据安全事件 的应急演练，确保应急处置措施的效率和效果。合作的数据接收方、委托处理受托人发生与本单位所提供数据相关的数据安全事件时，数据处理者应当立即开展调查评估，督促其及时采取补救措施。第七章第七章 法律责任法律责任第四十八条(监督管理责任履行)中国人民银行及其分支机构，按照管辖权对数据处理者数据安全保护义务落实情况开展执法检查。必要时可以与其他有关主管部门联合组织对数据处理者的执法检查。中国人民银行及其分支机构在执法检查过程中发现数据处理者的数据处理活动存在较大安全风险时，依照中华人民共和国数据安全法第四十四条予以处理;发现影响或者可能影响国家安全的数据处理活动线索时，应当及时报国家数据安全工作协调机制办公室，研判是否启动国家数据安全审查。第四十九条(违反数据安全保护义务行为的处理)在本办法适用范围内，数据处理者未履行数据安全保护义务，有下列情形之一的，中国人民银行及其分支机构依照中华人民共和国数据安全法第四十五条规定予以处理:(一)未按照本办法第十二条规定，明确或者压实数据安全保护责任;(二)未按照本办法第十三条规定，建立健全全流程数据安全管理制度;(三)未按照本办法第十四条规定，制定数据安全年度培训计划，未组织开展相关教育培训;(四)除本办法第五十条、第五十一条规定情形外，未对应采取本办法第四章和第五章所规定的数据安全保护管 理措施或者技术措施;(五)未按照本办法第四十条、第四十一条规定，做好数据处理活动风险监测或者数据安全风险情报监测;(六)未按照本办法第四十二条规定，接收、核查、处置和反馈中国人民银行或其分支机构通报的数据安全风险 情报;(七)重要数据的处理者未按照本办法第四十三条规 定，每年组织开展一次全面的数据安全风险评估并按时报送 风险评估报告;(八)发生数据安全事件时，未按照本办法第四十七条规定，做好响应处置各项工作。数据处理者未履行本办法提出的数据安全保护义务，其他有关法律、行政法规作出规定的，中国人民银行及其分支机构依照相关规定予以处理。第五十条(违反规定数据出境行为的处理)中国人民银行及其分支机构执法检查发现数据处理者未履行本办法第二十六条规定的数据境内存储义务，按照中华人民共和国网络安全法第六十六条规定和有关法律、行政法规的规定予以处理;发现数据处理者未履行本办法第二十六条规定的数据出境安全评估申报义务，将相关案件信息移送同级网信部门，并配合其依法依规予以处理。第五十一条(违反规定向国际组织或者外国金融管理 部门提供数据行为的处理)数据处理者未履行本办法第二十七条规定，未经中国人民银行和其他有关主管部门批准，向国际组织或者外国金融管理部门提供境内存储的数据时，中国人民银行及其分支机构依照中华人民共和国数据安全 法第四十八条第二款规定予以处理;所提供数据涉及个人 信息的，依照中华人民共和国个人信息保护法第六十六 条规定予以处理。第五十二条(非法获取数据行为的处理)中国人民银行及其分支机构执法检查39发现数据处理者存在窃取或者以其他非法方式获取数据的行为时，将相关案件信息移送同级公安机关、国家安全机关，并配合其依法依规予以处理。第五十三条(处理数据损害合法权益行为的处理)中国 人民银行及其分支机构执法检查发现数据处理者开展数据 处理活动排除、限制竞争，或者损害个人、组织合法权益的,依照中华人民共和国反不正当竞争法中华人民共和国反垄断法中华人民共和国消费者权益保护法等法律，将相关案件信息移送承担执法职责的有关主管部门，并配合其依法依规予以处理。第五十四条(监督管理人员违反规定行为的处理)中国人民银行及其分支机构人员在监督管理过程中存在玩忽职守、滥用职权、徇私舞弊情形的，按照法律、行政法规规定给予处分;涉嫌犯罪的，依法移送监察机关或者司法机关处理。第八章第八章 附则附则第五十五条(名词定义)术语定义:(一)网络数据，是指通过网络收集、存储、传输、处理和产生的各种电子数据，表现形式为由一条或者多条信息记录组成的集合;(二)数据项，是指描述网络数据结构最基本的、不可分割的单位;(三)结构化数据项，是指具有预定义的抽象描述数据 类型，通常使用数据库二维逻辑表中单一字段指代的数据项;(四)非结构化数据项，是指没有预定义的抽象描述数据类型，并且不适宜用数据库二维逻辑表展现的数据项，如图像、视频、音频、文档文件等;(五)数据处理活动，是指数据收集、存储、使用、加工、传输、提供、公开、删除等活动;(六)数据处理者，是指开展数据处理活动的金融机构和其他机构;(七)本办法所称“以上”均含本级。第五十六条(解释权)本办法由中国人民银行负责解释。国家外汇领域数据安全管理由国家外汇管理局负责，具体制度可另行制定。第五十七条(生效期)本办法自 2024 年月日起施行。5 5、数字中国建设整体布局规划数字中国建设整体布局规划（2023-2023-0 02-272-27）规划指出，建设数字中国是数字时代推进中国式现代化的重要引擎，是构筑国家竞争新优势的有力支撑。加快数字中国建设，对全面建设社会主义现代化国家、全面推进中华民族伟大复兴具有重要意义和深远影响。规划强调，要坚持以习近平新时代中国特色社会主义思想特别是习近平总书记关于网络强国的重要思想为指导，深入贯彻党的二十大精神，坚持稳中求进工作总基调，完整、准确、全面贯彻新发展理念，加快构建新发展格局，着力推动高质量发展，统筹发展和安全，强化系统观念和底线思维，加强整体布局，按照夯实基础、赋能全局、强化能力、优化环境的战略路径，全面提升数字中国建设的整体性、系统性、协同性，促进数字经济和实体经济深度融合，以数字化驱动生产生活和治理方式变革，为以中国式现代化全面推进中华民族伟大复兴注入强大动力。规划提出，到 2025 年，基本形成横向打通、纵向贯通、协调有力的一体化推进格局，数字中国建设取得重要进展。数字基础设施高效联通，数据资源40规模和质量加快提升，数据要素价值有效释放，数字经济发展质量效益大幅增强，政务数字化智能化水平明显提升，数字文化建设跃上新台阶，数字社会精准化普惠化便捷化取得显著成效，数字生态文明建设取得积极进展，数字技术创新实现重大突破，应用创新全球领先，数字安全保障能力全面提升，数字治理体系更加完善，数字领域国际合作打开新局面。到 2035 年，数字化发展水平进入世界前列，数字中国建设取得重大成就。数字中国建设体系化布局更加科学完备，经济、政治、文化、社会、生态文明建设各领域数字化发展更加协调充分，有力支撑全面建设社会主义现代化国家。规划明确，数字中国建设按照“2522”的整体框架进行布局，即夯实数字基础设施和数据资源体系“两大基础”，推进数字技术与经济、政治、文化、社会、生态文明建设“五位一体”深度融合，强化数字技术创新体系和数字安全屏障“两大能力”，优化数字化发展国内国际“两个环境”。规划指出，要夯实数字中国建设基础。一是打通数字基础设施大动脉。加快 5G 网络与千兆光网协同建设，深入推进 IPv6 规模部署和应用，推进移动物联网全面发展，大力推进北斗规模应用。系统优化算力基础设施布局，促进东西部算力高效互补和协同联动，引导通用数据中心、超算中心、智能计算中心、边缘数据中心等合理梯次布局。整体提升应用基础设施水平，加强传统基础设施数字化、智能化改造。二是畅通数据资源大循环。构建国家数据管理体制机制，健全各级数据统筹管理机构。推动公共数据汇聚利用，建设公共卫生、科技、教育等重要领域国家数据资源库。释放商业数据价值潜能，加快建立数据产权制度，开展数据资产计价研究，建立数据要素按价值贡献参与分配机制。规划指出，要全面赋能经济社会发展。一是做强做优做大数字经济。培育壮大数字经济核心产业，研究制定推动数字产业高质量发展的措施，打造具有国际竞争力的数字产业集群。推动数字技术和实体经济深度融合，在农业、工业、金融、教育、医疗、交通、能源等重点领域，加快数字技术创新应用。支持数字企业发展壮大，健全大中小企业融通创新工作机制，发挥“绿灯”投资案例引导作用，推动平台企业规范健康发展。二是发展高效协同的数字政务。加快制度规则创新，完善与数字政务建设相适应的规章制度。强化数字化能力建设，促进信息系统网络互联互通、数据按需共享、业务高效协同。提升数字化服务水平，加快推进“一件事一次办”，推进线上线下融合，加强和规范政务移动互联网应用程序管理。三是打造自信繁荣的数字文化。大力发展网络文化，加强优质网络文化产品供给，引导各类平台和广大网民创作生产积极健康、向上向善的网络文化产品。推进文化数字化发展，深入实施国家文化数字化战略，建设国家文化大数据体系，形成中华文化数据库。提升数字文化服务能力，打造若干综合性数字文化展示平台，加快发展新型文化企业、文化业态、文化消费模式。四是构建普惠便捷的数字社会。促进数字公共服务普惠化，大力实施国家教育数字化战略行动，完善国家智慧教育平台，发展数字健康，规范互联网诊疗和互联网医院发展。推进数字社会治理精准化，深入实施数字乡村发展行动，以数字化赋能乡村产业发展、乡村建设和乡村治理。普及数字生活智能化，打造智慧便民生活圈、新型数字消费业态、面向未来的智能化沉浸式服务体验。五是建设绿色智慧的数字生态文明。推动生态环境智慧治理，加快构建智慧高效的生态环境信息化体系，运用数字技术推动山水林田湖草沙一体化保护和系统治理，完善自然资源三维立体41“一张图”和国土空间基础信息平台，构建以数字孪生流域为核心的智慧水利体系。加快数字化绿色化协同转型。倡导绿色智慧生活方式。规划指出，要强化数字中国关键能力。一是构筑自立自强的数字技术创新体系。健全社会主义市场经济条件下关键核心技术攻关新型举国体制，加强企业主导的产学研深度融合。强化企业科技创新主体地位，发挥科技型骨干企业引领支撑作用。加强知识产权保护，健全知识产权转化收益分配机制。二是筑牢可信可控的数字安全屏障。切实维护网络安全，完善网络安全法律法规和政策体系。增强数据安全保障能力，建立数据分类分级保护基础制度，健全网络数据监测预警和应急处置工作体系。规划 指出，要优化数字化发展环境。一是建设公平规范的数字治理生态。完善法律法规体系，加强立法统筹协调，研究制定数字领域立法规划，及时按程序调整不适应数字化发展的法律制度。构建技术标准体系，编制数字化标准工作指南，加快制定修订各行业数字化转型、产业交叉融合发展等应用标准。提升治理水平，健全网络综合治理体系，提升全方位多维度综合治理能力，构建科学、高效、有序的管网治网格局。净化网络空间，深入开展网络生态治理工作，推进“清朗”、“净网”系列专项行动，创新推进网络文明建设。二是构建开放共赢的数字领域国际合作格局。统筹谋划数字领域国际合作，建立多层面协同、多平台支撑、多主体参与的数字领域国际交流合作体系，高质量共建“数字丝绸之路”，积极发展“丝路电商”。拓展数字领域国际合作空间，积极参与联合国、世界贸易组织、二十国集团、亚太经合组织、金砖国家、上合组织等多边框架下的数字领域合作平台，高质量搭建数字领域开放合作新平台，积极参与数据跨境流动等相关国际规则构建。规划强调，要加强整体谋划、统筹推进，把各项任务落到实处。一是加强组织领导。坚持和加强党对数字中国建设的全面领导，在党中央集中统一领导下，中央网络安全和信息化委员会加强对数字中国建设的统筹协调、整体推进、督促落实。充分发挥地方党委网络安全和信息化委员会作用，健全议事协调机制，将数字化发展摆在本地区工作重要位置，切实落实责任。各有关部门按照职责分工，完善政策措施，强化资源整合和力量协同，形成工作合力。二是健全体制机制。建立健全数字中国建设统筹协调机制，及时研究解决数字化发展重大问题，推动跨部门协同和上下联动，抓好重大任务和重大工程的督促落实。开展数字中国发展监测评估。将数字中国建设工作情况作为对有关党政领导干部考核评价的参考。三是保障资金投入。创新资金扶持方式，加强对各类资金的统筹引导。发挥国家产融合作平台等作用，引导金融资源支持数字化发展。鼓励引导资本规范参与数字中国建设，构建社会资本有效参与的投融资体系。四是强化人才支撑。增强领导干部和公务员数字思维、数字认知、数字技能。统筹布局一批数字领域学科专业点，培养创新型、应用型、复合型人才。构建覆盖全民、城乡融合的数字素养与技能发展培育体系。五是营造良好氛围。推动高等学校、研究机构、企业等共同参与数字中国建设，建立一批数字中国研究基地。统筹开展数字中国建设综合试点工作，综合集成推进改革试验。办好数字中国建设峰会等重大活动，举办数字领域高规格国内国际系列赛事，推动数字化理念深入人心，营造全社会共同关注、积极参与数字中国建设的良好氛围。6 6、个人信息出境标准合同办法个人信息出境标准合同办法（2023-2023-0 02-222-22）42第一条 为了保护个人信息权益，规范个人信息出境活动，根据中华人民共和国个人信息保护法等法律法规，制定本办法。第二条 个人信息处理者通过与境外接收方订立个人信息出境标准合同（以下简称标准合同）的方式向中华人民共和国境外提供个人信息，适用本办法。第三条 通过订立标准合同的方式开展个人信息出境活动，应当坚持自主缔约与备案管理相结合、保护权益与防范风险相结合，保障个人信息跨境安全、自由流动。第四条 个人信息处理者通过订立标准合同的方式向境外提供个人信息的，应当同时符合下列情形：（一）非关键信息基础设施运营者；（二）处理个人信息不满 100 万人的；（三）自上年 1 月 1 日起累计向境外提供个人信息不满 10 万人的；（四）自上年 1 月 1 日起累计向境外提供敏感个人信息不满 1 万人的。法律、行政法规或者国家网信部门另有规定的，从其规定。个人信息处理者不得采取数量拆分等手段，将依法应当通过出境安全评估的个人信息通过订立标准合同的方式向境外提供。第五条 个人信息处理者向境外提供个人信息前，应当开展个人信息保护影响评估，重点评估以下内容：（一）个人信息处理者和境外接收方处理个人信息的目的、范围、方式等的合法性、正当性、必要性；（二）出境个人信息的规模、范围、种类、敏感程度，个人信息出境可能对个人信息权益带来的风险；（三）境外接收方承诺承担的义务，以及履行义务的管理和技术措施、能力等能否保障出境个人信息的安全；（四）个人信息出境后遭到篡改、破坏、泄露、丢失、非法利用等的风险，个人信息权益维护的渠道是否通畅等；（五）境外接收方所在国家或者地区的个人信息保护政策和法规对标准合同履行的影响；（六）其他可能影响个人信息出境安全的事项。第六条 标准合同应当严格按照本办法附件订立。国家网信部门可以根据实际情况对附件进行调整。个人信息处理者可以与境外接收方约定其他条款，但不得与标准合同相冲突。标准合同生效后方可开展个人信息出境活动。第七条 个人信息处理者应当在标准合同生效之日起 10 个工作日内向所在地省级网信部门备案。备案应当提交以下材料：（一）标准合同；（二）个人信息保护影响评估报告。个人信息处理者应当对所备案材料的真实性负责。第八条 在标准合同有效期内出现下列情形之一的，个人信息处理者应当重新开展个人信息保护影响评估，补充或者重新订立标准合同，并履行相应备案手续：（一）向境外提供个人信息的目的、范围、种类、敏感程度、方式、保存地点或者境外接收方处理个人信息的用途、方式发生变化，或者延长个人信息境外保存期限的；（二）境外接收方所在国家或者地区的个人信息保护政策和法规发生变化等43可能影响个人信息权益的；（三）可能影响个人信息权益的其他情形。第九条 网信部门及其工作人员对在履行职责中知悉的个人隐私、个人信息、商业秘密、保密商务信息等应当依法予以保密，不得泄露或者非法向他人提供、非法使用。第十条 任何组织和个人发现个人信息处理者违反本办法向境外提供个人信息的，可以向省级以上网信部门举报。第十一条 省级以上网信部门发现个人信息出境活动存在较大风险或者发生个人信息安全事件的，可以依法对个人信息处理者进行约谈。个人信息处理者应当按照要求整改，消除隐患。第十二条 违反本办法规定的，依据中华人民共和国个人信息保护法等法律法规处理；构成犯罪的，依法追究刑事责任。第十三条 本办法自 2023 年 6 月 1 日起施行。本办法施行前已经开展的个人信息出境活动，不符合本办法规定的，应当自本办法施行之日起 6 个月内完成整改。7 7、关于促进数据安全产业发展的指导意见（关于促进数据安全产业发展的指导意见（2023-2023-0 01-1-0 03 3）一、总体要求一、总体要求（一）指导思想。以习近平新时代中国特色社会主义思想为指导，全面贯彻落实党的二十大精神，立足新发展阶段，完整、准确、全面贯彻新发展理念，构建新发展格局，坚定不移贯彻总体国家安全观，统筹发展和安全，把握数字化发展机遇，以全面提升数据安全产业供给能力为主线，以创新为动力、需求为导向、人才为根本，加强核心技术攻关，加快补齐短板，促进各领域深度应用，发展数据安全服务，构建繁荣产业生态，推动数据安全产业高质量发展，全面加强数据安全产业体系和能力，夯实数据安全治理基础，促进以数据为关键要素的数字经济健康快速发展。（二）基本原则。坚持创新驱动，强化企业创新主体地位，优化创新资源要素配置，激发各类市场主体创新活力。坚持以人为本，维护人民数据安全合法权益，依靠人民智慧发展产业，发展成果更多更公平惠及人民。坚持需求牵引，以有效需求引领产业供给，以深度应用促进迭代升级。坚持开放协同，注重更大范围、更宽领域、更深层次的开放合作，协同推进全产业链深度融合、共创共享。（三）发展目标。到 2025 年，数据安全产业基础能力和综合实力明显增强。产业生态和创新体系初步建立，标准供给结构和覆盖范围显著优化，产品和服务供给能力大幅提升，重点行业领域应用水平持续深化，人才培养体系基本形成。产业规模迅速扩大。数据安全产业规模超过 1500 亿元，年复合增长率超过 30%。核心技术创新突破。建成 5 个省部级及以上数据安全重点实验室，攻关一批数据安全重点技术和产品。应用推广成效显著。打造 8 个以上重点行业领域典型应用示范场景，推广一批优秀解决方案和试点示范案例。产业生态完备有序。建成 3-5 个国家数据安全产业园、10 个创新应用先44进示范区，培育若干具有国际竞争力的龙头骨干企业、单项冠军企业和专精特新“小巨人”企业。到 2035 年，数据安全产业进入繁荣成熟期。产业政策体系进一步健全，数据安全关键核心技术、重点产品发展水平和专业服务能力跻身世界先进行列，各领域数据安全应用意识和应用能力显著提高，涌现出一批具有国际竞争力的领军企业，产业人才规模与质量实现双提升，对数字中国建设和数字经济发展的支撑作用大幅提升。二、提升产业创新能力二、提升产业创新能力（四）加强核心技术攻关。推进新型计算模式和网络架构下数据安全基础理论和技术研究，支持后量子密码算法、密态计算等技术在数据安全产业的发展应用。优化升级数据识别、分类分级、数据脱敏、数据权限管理等共性基础技术，加强隐私计算、数据流转分析等关键技术攻关。研究大数据场景下轻量级安全传输存储、隐私合规检测、数据滥用分析等技术。建设和认定一批省部级及以上数据安全重点实验室，鼓励产学研用多方主体共建高水平研发机构、产业协同创新中心，开展技术攻关，推动成果转化。（五）构建数据安全产品体系。加快发展数据资源管理、资源保护产品，重点提升智能化水平，加强数据质量评估、隐私计算等产品研发。发展面向重点行业领域特色需求的精细化、专业型数据安全产品，开发适合中小企业的解决方案和工具包，支持发展定制化、轻便化的个人数据安全防护产品。提升基础软硬件数据安全水平，推动数据安全产品与基础软硬件的适配发展，增强数据安全内生能力。（六）布局新兴领域融合创新。加快数据安全技术与人工智能、大数据、区块链等新兴技术的交叉融合创新，赋能提升数据安全态势感知、风险研判等能力水平。加强第五代和第六代移动通信、工业互联网、物联网、车联网等领域的数据安全需求分析，推动专用数据安全技术产品创新研发、融合应用。支持数据安全产品云化改造，提升集约化、弹性化服务能力。三、壮大数据安全服务三、壮大数据安全服务（七）推进规划咨询与建设运维服务。面向数据安全合规需求，发展合规风险把控、数据资产管理、安全体系设计等方面的规划咨询服务。围绕数据安全保护能力建设与运行需求，积极发展系统集成、监测预警、应急响应、安全审计等建设运维服务。面向数据有序开发利用的安全需求，发展数据权益保护、违约鉴定等中介服务。（八）积极发展检测、评估、认证服务。建立数据安全检测评估体系，加强与网络安全等级保护评测等相关体系衔接，培育第三方检测、评估等服务机构，支持开展检测、评估人员的培训。支持开展数据安全技术、产品、服务和管理体系认证。鼓励检测、评估、认证机构跨行业跨领域发展，推动跨行业标准互通和结果互认。推动检测、评估等服务与数据安全相关标准体系的动态衔接。四、推进标准体系建设四、推进标准体系建设（九）加强数据安全产业重点标准供给。充分发挥标准对产业发展的支撑引领作用，促进产业技术、产品、服务和应用标准化。鼓励科研院所、企事业单位、普通高等院校及职业院校等各类主体积极参与数据安全产业评价、数据安全产品技术要求、数据安全产品评测、数据安全服务等标准制定。高质高效推进贯标工作，加大标准应用推广力度。积极参与数据安全国际标准组织活动，推动国内国际协同发展。45五、推广技术产品应用五、推广技术产品应用（十）提升关键环节、重点领域应用水平。深度分析工业、电信、交通、金融、卫生健康、知识产权等领域数据安全需求，梳理典型应用场景，分类制定数据安全技术产品应用指南，促进数据处理各环节深度应用。推动先进适用数据安全技术产品在电子商务、远程医疗、在线教育、线上办公、直播新媒体等新型应用场景，以及国家数据中心集群、国家算力枢纽节点等重大数据基础设施中的应用。推进安全多方计算、联邦学习、全同态加密等数据开发利用支撑技术的部署应用。（十一）加强应用试点和示范推广。组织开展数据安全新技术、新产品应用试点，推进技术产品迭代升级，验证适用性和推广价值。遴选一批技术先进、特点突出、应用成效显著的数据安全典型案例和创新主体，加强示范引领。开展重点区域和行业数据安全应用示范，打造数据安全创新应用先进示范区，集中示范应用并推广数据安全技术产品和解决方案。六、构建繁荣产业生态六、构建繁荣产业生态（十二）推动产业集聚发展。立足数据安全政策基础、产业基础、发展基础等因素，布局建设国家数据安全产业园，推动企业、技术、资本、人才等加快向园区集中，逐步建立多点布局、以点带面、辐射全国的发展格局。鼓励地方结合产业基础和优势，围绕关键技术产品和重点领域应用，打造龙头企业引领、具有综合竞争力的高端化、特色化数据安全产业集群。（十三）打造融通发展企业体系。实施数据安全优质企业培育工程，建立多层次、分阶段、递进式企业培育体系，发展一批具有生态引领力的龙头骨干企业，培育一批掌握核心技术、具有特色优势的数据安全专精特新中小企业、专精特新“小巨人”企业，培育一批技术、产品全球领先的单项冠军企业。发挥龙头骨干企业引领支撑作用，带动中小微企业补齐短板、壮大规模、创新模式，形成创新链、产业链优势互补，资金链、人才链资源共享的合作共赢关系。（十四）强化基础设施建设。充分利用已有资源，建立健全数据安全风险库、行业分类分级规则库等资源库，支撑数据安全产品研发、技术手段建设，为数据安全场景应用测试等提供环境。建设数据安全产业公共服务平台，提供创新支持、供需对接、产融合作、能力评价、职业培训等服务，实现产业信息集中共享、供需两侧精准对接、公共服务敏捷响应。七、强化人才供给保障七、强化人才供给保障（十五）加强人才队伍建设。推动普通高等院校和职业院校加强数据安全相关学科专业建设，强化课程体系、师资队伍和实习实训等。制定颁布数据安全工程技术人员国家职业标准、实施数字技术工程师培育项目，培养壮大高水平数据安全工程师队伍，鼓励科研机构、普通高等院校、职业院校、优质企业和培训机构深化产教融合、协同育人，通过联合培养、共建实验室、创建实习实训基地、线上线下结合等方式，培养实用型、复合型数据安全专业技术技能人才和优秀管理人才。推进通过职业资格评价、职业技能等级认定、专项职业能力考核等，建立健全数据安全人才选拔、培养和激励机制，遴选推广一批产业发展急需、行业特色鲜明的数据安全优质培训项目。充分利用现有人才引进政策，引进海外优质人才与创新团队。八、深化国际交流合作八、深化国际交流合作（十六）推进国际产业交流合作。充分利用双多边机制，加强数据安全产业政策交流合作。加强与“一带一路”沿线国家数据安全产业合作，促进标准衔接46和认证结果互认，推动产品、服务、技术、品牌“走出去”。鼓励国内外数据安全企业在技术创新、产品研发、应用推广等方面深化交流合作。探索打造数据安全产业国际创新合作基地。支持举办高层次数据安全国际论坛和展会。鼓励我国数据安全领域学者、企业家积极参与相关国际组织工作。九、保障措施九、保障措施（十七）加强组织领导。充分发挥国家数据安全工作协调机制作用，将发展数据安全产业作为提高数据安全保障能力的基础性任务，央地协同打造数据安全产业链创新链。各部门要加强统筹协调，形成发展合力，确保任务落实。各地有关部门要强化资源要素配置，推动产业发展重大政策、重点工程落地。（十八）加大政策支持。研究利用财政、金融、土地等政策工具支持数据安全技术攻关、创新应用、标准研制和园区建设。支持符合条件的数据安全企业享受软件和集成电路企业、高新技术企业等优惠政策。引导各类金融机构和社会资本投向数据安全领域，支持数据安全保险服务发展。支持数据安全企业参与“科技产业金融一体化”专项，通过国家产融合作平台获得便捷高效的金融服务。（十九）优化发展环境。加快数据安全制度体系建设，细化明确政策要求。加强知识产权运用和保护，建立健全行业自律及监督机制，建立以技术实力、服务能力为导向的良性市场竞争环境。科学高效开展数据安全产业统计，健全产业风险监测机制，及时研判发展态势，处置突出风险，回应社会关切。加强教育引导，提升各类群体数据安全保护意识。8 8、关于印发工业和信息化领关于印发工业和信息化领域域数据安全管理办法（试行）数据安全管理办法（试行）的通知的通知（2022-12-082022-12-08）第一章第一章 总则总则第一条 为了规范工业和信息化领域数据处理活动，加强数据安全管理，保障数据安全，促进数据开发利用，保护个人、组织的合法权益，维护国家安全和发展利益，根据中华人民共和国数据安全法中华人民共和国网络安全法中华人民共和国个人信息保护法中华人民共和国国家安全法中华人民共和国民法典等法律法规，制定本办法。第二条 在中华人民共和国境内开展的工业和信息化领域数据处理活动及其安全监管，应当遵守相关法律、行政法规和本办法的要求。第三条 工业和信息化领域数据包括工业数据、电信数据和无线电数据等。工业数据是指工业各行业各领域在研发设计、生产制造、经营管理、运行维护、平台运营等过程中产生和收集的数据。电信数据是指在电信业务经营活动中产生和收集的数据。无线电数据是指在开展无线电业务活动中产生和收集的无线电频率、台（站）等电波参数数据。工业和信息化领域数据处理者是指数据处理活动中自主决定处理目的、处理方式的工业企业、软件和信息技术服务企业、取得电信业务经营许可证的电信业务经营者和无线电频率、台（站）使用单位等工业和信息化领域各类主体。工业和信息化领域数据处理者按照所属行业领域可分为工业数据处理者、电信数据处47理者、无线电数据处理者等。数据处理活动包括但不限于数据收集、存储、使用、加工、传输、提供、公开等活动。第四条 在国家数据安全工作协调机制统筹协调下，工业和信息化部负责督促指导各省、自治区、直辖市及计划单列市、新疆生产建设兵团工业和信息化主管部门，各省、自治区、直辖市通信管理局和无线电管理机构（以下统称地方行业监管部门）开展数据安全监管，对工业和信息化领域的数据处理活动和安全保护进行监督管理。地方行业监管部门分别负责对本地区工业、电信、无线电数据处理者的数据处理活动和安全保护进行监督管理。工业和信息化部及地方行业监管部门统称为行业监管部门。行业监管部门按照有关法律、行政法规，依法配合有关部门开展的数据安全监管相关工作。第五条 行业监管部门鼓励数据开发利用和数据安全技术研究，支持推广数据安全产品和服务，培育数据安全企业、研究和服务机构，发展数据安全产业，提升数据安全保障能力，促进数据的创新应用。工业和信息化领域数据处理者研究、开发、使用数据新技术、新产品、新服务，应当有利于促进经济社会和行业发展，符合社会公德和伦理。第六条 行业监管部门推进工业和信息化领域数据开发利用和数据安全标准体系建设，组织开展相关标准制修订及推广应用工作。第二章第二章 数据分类分级管理数据分类分级管理第七条 工业和信息化部组织制定工业和信息化领域数据分类分级、重要数据和核心数据识别认定、数据分级防护等标准规范，指导开展数据分类分级管理工作，制定行业重要数据和核心数据具体目录并实施动态管理。地方行业监管部门分别组织开展本地区工业和信息化领域数据分类分级管理及重要数据和核心数据识别工作，确定本地区重要数据和核心数据具体目录并上报工业和信息化部，目录发生变化的，应当及时上报更新。工业和信息化领域数据处理者应当定期梳理数据，按照相关标准规范识别重要数据和核心数据并形成本单位的具体目录。第八条 根据行业要求、特点、业务需求、数据来源和用途等因素，工业和信息化领域数据分类类别包括但不限于研发数据、生产运行数据、管理数据、运维数据、业务服务数据等。根据数据遭到篡改、破坏、泄露或者非法获取、非法利用，对国家安全、公共利益或者个人、组织合法权益等造成的危害程度，工业和信息化领域数据分为一般数据、重要数据和核心数据三级。工业和信息化领域数据处理者可在此基础上细分数据的类别和级别。第九条 危害程度符合下列条件之一的数据为一般数据：（一）对公共利益或者个人、组织合法权益造成较小影响，社会负面影响小；（二）受影响的用户和企业数量较少、生产生活区域范围较小、持续时间较短，对企业经营、行业发展、技术进步和产业生态等影响较小；（三）其他未纳入重要数据、核心数据目录的数据。第十条 危害程度符合下列条件之一的数据为重要数据：（一）对政治、国土、军事、经济、文化、社会、科技、电磁、网络、生态、资源、核安全等构成威胁，影响海外利益、生物、太空、极地、深海、人工智能等与国家安全相关的重点领域；48（二）对工业和信息化领域发展、生产、运行和经济利益等造成严重影响；（三）造成重大数据安全事件或生产安全事故，对公共利益或者个人、组织合法权益造成严重影响，社会负面影响大；（四）引发的级联效应明显，影响范围涉及多个行业、区域或者行业内多个企业，或者影响持续时间长，对行业发展、技术进步和产业生态等造成严重影响；（五）经工业和信息化部评估确定的其他重要数据。第十一条 危害程度符合下列条件之一的数据为核心数据：（一）对政治、国土、军事、经济、文化、社会、科技、电磁、网络、生态、资源、核安全等构成严重威胁，严重影响海外利益、生物、太空、极地、深海、人工智能等与国家安全相关的重点领域；（二）对工业和信息化领域及其重要骨干企业、关键信息基础设施、重要资源等造成重大影响；（三）对工业生产运营、电信网络和互联网运行服务、无线电业务开展等造成重大损害，导致大范围停工停产、大面积无线电业务中断、大规模网络与服务瘫痪、大量业务处理能力丧失等；（四）经工业和信息化部评估确定的其他核心数据。第十二条 工业和信息化领域数据处理者应当将本单位重要数据和核心数据目录向本地区行业监管部门备案。备案内容包括但不限于数据来源、类别、级别、规模、载体、处理目的和方式、使用范围、责任主体、对外共享、跨境传输、安全保护措施等基本情况，不包括数据内容本身。地方行业监管部门应当在工业和信息化领域数据处理者提交备案申请的二十个工作日内完成审核工作，备案内容符合要求的，予以备案，同时将备案情况报工业和信息化部；不予备案的应当及时反馈备案申请人并说明理由。备案申请人应当在收到反馈情况后的十五个工作日内再次提交备案申请。备案内容发生重大变化的，工业和信息化领域数据处理者应当在发生变化的三个月内履行备案变更手续。重大变化是指某类重要数据和核心数据规模（数据条目数量或者存储总量等）变化 30以上，或者其它备案内容发生变化。第三章第三章 数据全生命周期安全管理数据全生命周期安全管理第十三条 工业和信息化领域数据处理者应当对数据处理活动负安全主体责任，对各类数据实行分级防护，不同级别数据同时被处理且难以分别采取保护措施的，应当按照其中级别最高的要求实施保护，确保数据持续处于有效保护和合法利用的状态。（一）建立数据全生命周期安全管理制度，针对不同级别数据，制定数据收集、存储、使用、加工、传输、提供、公开等环节的具体分级防护要求和操作规程；（二）根据需要配备数据安全管理人员，统筹负责数据处理活动的安全监督管理，协助行业监管部门开展工作；（三）合理确定数据处理活动的操作权限，严格实施人员权限管理；（四）根据应对数据安全事件的需要，制定应急预案，并开展应急演练；（五）定期对从业人员开展数据安全教育和培训；（六）法律、行政法规等规定的其他措施。工业和信息化领域重要数据和核心数据处理者，还应当：49（一）建立覆盖本单位相关部门的数据安全工作体系，明确数据安全负责人和管理机构，建立常态化沟通与协作机制。本单位法定代表人或者主要负责人是数据安全第一责任人，领导团队中分管数据安全的成员是直接责任人；（二）明确数据处理关键岗位和岗位职责，并要求关键岗位人员签署数据安全责任书，责任书内容包括但不限于数据安全岗位职责、义务、处罚措施、注意事项等内容；（三）建立内部登记、审批等工作机制，对重要数据和核心数据的处理活动进行严格管理并留存记录。第十四条 工业和信息化领域数据处理者收集数据应当遵循合法、正当的原则，不得窃取或者以其他非法方式收集数据。数据收集过程中，应当根据数据安全级别采取相应的安全措施，加强重要数据和核心数据收集人员、设备的管理，并对收集来源、时间、类型、数量、频度、流向等进行记录。通过间接途径获取重要数据和核心数据的，工业和信息化领域数据处理者应当与数据提供方通过签署相关协议、承诺书等方式，明确双方法律责任。第十五条 工业和信息化领域数据处理者应当按照法律、行政法规规定和用户约定的方式、期限进行数据存储。存储重要数据和核心数据的，应当采用校验技术、密码技术等措施进行安全存储，并实施数据容灾备份和存储介质安全管理，定期开展数据恢复测试。第十六条 工业和信息化领域数据处理者利用数据进行自动化决策的，应当保证决策的透明度和结果公平合理。使用、加工重要数据和核心数据的，还应当加强访问控制。工业和信息化领域数据处理者提供数据处理服务，涉及经营电信业务的，应当按照相关法律、行政法规规定取得电信业务经营许可。第十七条 工业和信息化领域数据处理者应当根据传输的数据类型、级别和应用场景，制定安全策略并采取保护措施。传输重要数据和核心数据的，应当采取校验技术、密码技术、安全传输通道或者安全传输协议等措施。第十八条 工业和信息化领域数据处理者对外提供数据，应当明确提供的范围、类别、条件、程序等。提供重要数据和核心数据的，应当与数据获取方签订数据安全协议，对数据获取方数据安全保护能力进行核验，采取必要的安全保护措施。第十九条 工业和信息化领域数据处理者应当在数据公开前分析研判可能对国家安全、公共利益产生的影响，存在重大影响的不得公开。第二十条 工业和信息化领域数据处理者应当建立数据销毁制度，明确销毁对象、规则、流程和技术等要求，对销毁活动进行记录和留存。个人、组织按照法律规定、合同约定等请求销毁的，工业和信息化领域数据处理者应当销毁相应数据。工业和信息化领域数据处理者销毁重要数据和核心数据后，不得以任何理由、任何方式对销毁数据进行恢复，引起备案内容发生变化的，应当履行备案变更手续。第二十一条 工业和信息化领域数据处理者在中华人民共和国境内收集和产生的重要数据和核心数据，法律、行政法规有境内存储要求的，应当在境内存储，确需向境外提供的，应当依法依规进行数据出境安全评估。50工业和信息化部根据有关法律和中华人民共和国缔结或者参加的国际条约、协定，或者按照平等互惠原则，处理外国工业、电信、无线电执法机构关于提供工业和信息化领域数据的请求。非经工业和信息化部批准，工业和信息化领域数据处理者不得向外国工业、电信、无线电执法机构提供存储于中华人民共和国境内的工业和信息化领域数据。第二十二条 工业和信息化领域数据处理者因兼并、重组、破产等原因需要转移数据的，应当明确数据转移方案，并通过电话、短信、邮件、公告等方式通知受影响用户。涉及重要数据和核心数据备案内容发生变化的，应当履行备案变更手续。第二十三条 工业和信息化领域数据处理者委托他人开展数据处理活动的，应当通过签订合同协议等方式，明确委托方与受托方的数据安全责任和义务。委托处理重要数据和核心数据的，应当对受托方的数据安全保护能力、资质进行核验。除法律、行政法规等另有规定外，未经委托方同意，受托方不得将数据提供给第三方。第二十四条 跨主体提供、转移、委托处理核心数据的，工业和信息化领域数据处理者应当评估安全风险，采取必要的安全保护措施，并由本地区行业监管部门审查后报工业和信息化部。工业和信息化部按照有关规定进行审查。第二十五条 工业和信息化领域数据处理者应当在数据全生命周期处理过程中，记录数据处理、权限管理、人员操作等日志。日志留存时间不少于六个月。第四章第四章 数据安全监测预警与应急管理数据安全监测预警与应急管理第二十六条 工业和信息化部建立数据安全风险监测机制，组织制定数据安全监测预警接口和标准，统筹建设数据安全监测预警技术手段，形成监测、预警、处置、溯源等能力，与相关部门加强信息共享。地方行业监管部门分别建设本地区数据安全风险监测预警机制，组织开展数据安全风险监测，按照有关规定及时发布预警信息，通知本地区工业和信息化领域数据处理者及时采取应对措施。工业和信息化领域数据处理者应当开展数据安全风险监测，及时排查安全隐患，采取必要的措施防范数据安全风险。第二十七条 工业和信息化部建立数据安全风险信息上报和共享机制，统一汇集、分析、研判、通报数据安全风险信息，鼓励安全服务机构、行业组织、科研机构等开展数据安全风险信息上报和共享。地方行业监管部门分别汇总分析本地区数据安全风险，及时将可能造成重大及以上安全事件的风险上报工业和信息化部。工业和信息化领域数据处理者应当及时将可能造成较大及以上安全事件的风险向本地区行业监管部门报告。第二十八条 工业和信息化部制定工业和信息化领域数据安全事件应急预案，组织协调重要数据和核心数据安全事件应急处置工作。地方行业监管部门分别组织开展本地区数据安全事件应急处置工作。涉及重要数据和核心数据的安全事件，应当立即上报工业和信息化部，并及时报告事件发展和处置情况。工业和信息化领域数据处理者在数据安全事件发生后，应当按照应急预案，及时开展应急处置，涉及重要数据和核心数据的安全事件，第一时间向本地区行51业监管部门报告，事件处置完成后在规定期限内形成总结报告，每年向本地区行业监管部门报告数据安全事件处置情况。工业和信息化领域数据处理者对发生的可能损害用户合法权益的数据安全事件，应当及时告知用户，并提供减轻危害措施。第二十九条 工业和信息化部委托相关行业组织建立工业和信息化领域数据安全违法行为投诉举报渠道，地方行业监管部门分别建立本地区数据安全违法行为投诉举报机制或渠道，依法接收、处理投诉举报，根据工作需要开展执法调查。鼓励工业和信息化领域数据处理者建立用户投诉处理机制。第五章第五章 数据安全检测、认证、评估管理数据安全检测、认证、评估管理第三十条 工业和信息化部指导、鼓励具备相应资质的机构，依据相关标准开展行业数据安全检测、认证工作。第三十一条 工业和信息化部制定行业数据安全评估管理制度，开展评估机构管理工作。制定行业数据安全评估规范，指导评估机构开展数据安全风险评估、出境安全评估等工作。地方行业监管部门分别负责组织开展本地区数据安全评估工作。工业和信息化领域重要数据和核心数据处理者应当自行或委托第三方评估机构，每年对其数据处理活动至少开展一次风险评估，及时整改风险问题，并向本地区行业监管部门报送风险评估报告。第六章第六章 监督检查监督检查第三十二条 行业监管部门对工业和信息化领域数据处理者落实本办法要求的情况进行监督检查。工业和信息化领域数据处理者应当对行业监管部门监督检查予以配合。第三十三条 工业和信息化部在国家数据安全工作协调机制指导下，开展工业和信息化领域数据安全审查相关工作。第三十四条 行业监管部门及其委托的数据安全评估机构工作人员对在履行职责中知悉的个人信息和商业秘密等，应当严格保密，不得泄露或者非法向他人提供。第七章第七章 法律责任法律责任第三十五条 行业监管部门在履行数据安全监督管理职责中，发现数据处理活动存在较大安全风险的，可以按照规定权限和程序对工业和信息化领域数据处理者进行约谈，并要求采取措施进行整改，消除隐患。第三十六条 有违反本办法规定行为的，由行业监管部门按照相关法律法规，根据情节严重程度给予没收违法所得、罚款、暂停业务、停业整顿、吊销业务许可证等行政处罚；构成犯罪的，依法追究刑事责任。第八章第八章 附则附则第三十七条 中央企业应当督促指导所属企业，在重要数据和核心数据目录备案、核心数据跨主体处理风险评估、风险信息上报、年度数据安全事件处置报告、重要数据和核心数据风险评估等工作中履行属地管理要求，还应当全面梳理汇总企业集团本部、所属公司的数据安全相关情况，并及时报送工业和信息化部。第三十八条 开展涉及个人信息的数据处理活动，还应当遵守有关法律、行政法规的规定。第三十九条 涉及军事、国家秘密信息等数据处理活动，按照国家有关规定执行。52第四十条 工业和信息化领域政务数据处理活动的具体办法，由工业和信息化部另行规定。第四十一条 国防科技工业、烟草领域数据安全管理由国家国防科技工业局、国家烟草专卖局负责，具体制度参照本办法另行制定。第四十二条 本办法自 2023 年 1 月 1 日起施行。9 9、互联网信息服务深度合成管理规定互联网信息服务深度合成管理规定（2022-11-25)2022-11-25)第一章第一章总则总则第一条 为了加强互联网信息服务深度合成管理,弘扬社会主义核心价值观,维护国家安全和社会公共利益,保护公民、法人和其他组织的合法权益,根据中华人民共和国网络安全法、中华人民共和国数据安全法、中华人民共和国个人信息保护法、互联网信息服务管理办法等法律、行政法规,制定本规定。第二条 在中华人民共和国境内应用深度合成技术提供互联网信息服务(以下简称深度合成服务),适用本规定。法律、行政法规另有规定的,依照其规定。第三条 国家网信部门负责统筹协调全国深度合成服务的治理和相关监督管理工作。国务院电信主管部门、公安部门依据各自职责负责深度合成服务的监督管理工作。地方网信部门负责统筹协调本行政区域内的深度合成服务的治理和相关监督管理工作。地方电信主管部门、公安部门依据各自职责负责本行政区域内的深度合成服务的监督管理工作。第四条 提供深度合成服务,应当遵守法律法规,尊重社会公德和伦理道德,坚持正确政治方向、舆论导向、价值取向,促进深度合成服务向上向善。第五条 鼓励相关行业组织加强行业自律,建立健全行业标准、行业准则和自律管理制度,督促指导深度合成服务提供者和技术支持者制定完善业务规范、依法开展业务和接受社会监督。第二章第二章一般规定一般规定第六条 任何组织和个人不得利用深度合成服务制作、复制、发布、传播法律、行政法规禁止的信息,不得利用深度合成服务从事危害国家安全和利益、损害国家形象、侵害社会公共利益、扰乱经济和社会秩序、侵犯他人合法权益等法律、行政法规禁止的活动。深度合成服务提供者和使用者不得利用深度合成服务制作、复制、发布、传播虚假新闻信息。转载基于深度合成服务制作发布的新闻信息的,应当依法转载互联网新闻信息稿源单位发布的新闻信息。第七条 深度合成服务提供者应当落实信息安全主体责任,建立健全用户注册、算法机制机理审核、科技伦理审查、信息发布审核、数据安全、个人信息保护、反电信网络诈骗、应急处置等管理制度,具有安全可控的技术保障措施。第八条 深度合成服务提供者应当制定和公开管理规则、平台公约,完善服务协议,依法依约履行管理责任,以显著方式提示深度合成服务技术支持者和使用者承担信息安全义务。53第九条 深度合成服务提供者应当基于移动电话号码、身份证件号码、统一社会信用代码或者国家网络身份认证公共服务等方式,依法对深度合成服务使用者进行真实身份信息认证,不得向未进行真实身份信息认证的深度合成服务使用者提供信息发布服务。第十条 深度合成服务提供者应当加强深度合成内容管理,采取技术或者人工方式对深度合成服务使用者的输入数据和合成结果进行审核。深度合成服务提供者应当建立健全用于识别违法和不良信息的特征库,完善入库标准、规则和程序,记录并留存相关网络日志。深度合成服务提供者发现违法和不良信息的,应当依法采取处置措施,保存有关记录,及时向网信部门和有关主管部门报告;对相关深度合成服务使用者依法依约采取警示、限制功能、暂停服务、关闭账号等处置措施。第十一条 深度合成服务提供者应当建立健全辟谣机制,发现利用深度合成服务制作、复制、发布、传播虚假信息的,应当及时采取辟谣措施,保存有关记录,并向网信部门和有关主管部门报告。第十二条 深度合成服务提供者应当设置便捷的用户申诉和公众投诉、举报入口,公布处理流程和反馈时限,及时受理、处理和反馈处理结果。第十三条 互联网应用商店等应用程序分发平台应当落实上架审核、日常管理、应急处置等安全管理责任,核验深度合成类应用程序的安全评估、备案等情况;对违反国家有关规定的,应当及时采取不予上架、警示、暂停服务或者下架等处置措施。第三章第三章数据和技术管理规范数据和技术管理规范第十四条 深度合成服务提供者和技术支持者应当加强训练数据管理,采取必要措施保障训练数据安全;训练数据包含个人信息的,应当遵守个人信息保护的有关规定。深度合成服务提供者和技术支持者提供人脸、人声等生物识别信息编辑功能的,应当提示深度合成服务使用者依法告知被编辑的个人,并取得其单独同意。第十五条 深度合成服务提供者和技术支持者应当加强技术管理,定期审核、评估、验证生成合成类算法机制机理。深度合成服务提供者和技术支持者提供具有以下功能的模型、模板等工具的,应当依法自行或者委托专业机构开展安全评估:(一)生成或者编辑人脸、人声等生物识别信息的;(二)生成或者编辑可能涉及国家安全、国家形象、国家利益和社会公共利益的特殊物体、场景等非生物识别信息的。第十六条 深度合成服务提供者对使用其服务生成或者编辑的信息内容,应当采取技术措施添加不影响用户使用的标识,并依照法律、行政法规和国家有关规定保存日志信息。第十七条 深度合成服务提供者提供以下深度合成服务,可能导致公众混淆或者误认的,应当在生成或者编辑的信息内容的合理位置、区域进行显著标识,向公众提示深度合成情况:(一)智能对话、智能写作等模拟自然人进行文本的生成或者编辑服务;(二)合成人声、仿声等语音生成或者显著改变个人身份特征的编辑服务;(三)人脸生成、人脸替换、人脸操控、姿态操控等人物图像、视频生成或者显著改变个人身份特征的编辑服务;54(四)沉浸式拟真场景等生成或者编辑服务;(五)其他具有生成或者显著改变信息内容功能的服务。深度合成服务提供者提供前款规定之外的深度合成服务的,应当提供显著标识功能,并提示深度合成服务使用者可以进行显著标识。第十八条 任何组织和个人不得采用技术手段删除、篡改、隐匿本规定第十六条和第十七条规定的深度合成标识。第四章第四章监督检查与法律责任监督检查与法律责任第十九条 具有舆论属性或者社会动员能力的深度合成服务提供者,应当按照互联网信息服务算法推荐管理规定履行备案和变更、注销备案手续。深度合成服务技术支持者应当参照前款规定履行备案和变更、注销备案手续。完成备案的深度合成服务提供者和技术支持者应当在其对外提供服务的网站、应用程序等的显著位置标明其备案编号并提供公示信息链接。第二十条 深度合成服务提供者开发上线具有舆论属性或者社会动员能力的新产品、新应用、新功能的,应当按照国家有关规定开展安全评估。第二十一条 网信部门和电信主管部门、公安部门依据职责对深度合成服务开展监督检查。深度合成服务提供者和技术支持者应当依法予以配合,并提供必要的技术、数据等支持和协助。网信部门和有关主管部门发现深度合成服务存在较大信息安全风险的,可以按照职责依法要求深度合成服务提供者和技术支持者采取暂停信息更新、用户账号注册或者其他相关服务等措施。深度合成服务提供者和技术支持者应当按照要求采取措施,进行整改,消除隐患。第二十二条 深度合成服务提供者和技术支持者违反本规定的,依照有关法律、行政法规的规定处罚;造成严重后果的,依法从重处罚。构成违反治安管理行为的,由公安机关依法给予治安管理处罚;构成犯罪的,依法追究刑事责任。第五章第五章附则附则第二十三条 本规定中下列用语的含义:深度合成技术,是指利用深度学习、虚拟现实等生成合成类算法制作文本、图像、音频、视频、虚拟场景等网络信息的技术,包括但不限于:(一)篇章生成、文本风格转换、问答对话等生成或者编辑文本内容的技术;(二)文本转语音、语音转换、语音属性编辑等生成或者编辑语音内容的技术;(三)音乐生成、场景声编辑等生成或者编辑非语音内容的技术;(四)人脸生成、人脸替换、人物属性编辑、人脸操控、姿态操控等生成或者编辑图像、视频内容中生物特征的技术;(五)图像生成、图像增强、图像修复等生成或者编辑图像、视频内容中非生物特征的技术;(六)三维重建、数字仿真等生成或者编辑数字人物、虚拟场景的技术。深度合成服务提供者,是指提供深度合成服务的组织、个人。深度合成服务技术支持者,是指为深度合成服务提供技术支持的组织、个人。深度合成服务使用者,是指使用深度合成服务制作、复制、发布、传播信息的组织、个人。训练数据,是指被用于训练机器学习模型的标注或者基准数据集。55沉浸式拟真场景,是指应用深度合成技术生成或者编辑的、可供参与者体验或者互动的、具有高度真实感的虚拟场景。第二十四条 深度合成服务提供者和技术支持者从事网络出版服务、网络文化活动和网络视听节目服务的,应当同时符合新闻出版、文化和旅游、广播电视主管部门的规定。第二十五条 本规定自 2023 年 1 月 10 日起施行。1010、关关于于印发全国一体化政务大数据体系建设指南的印发全国一体化政务大数据体系建设指南的通知通知(2022-(2022-0 09-139-13）一、建设背景一、建设背景（一）建设现状。1.政务数据管理职能基本明确。2016 年以来，国务院出台 政务信息资源共享管理暂行办法（国发 201651 号）、国务院办公厅关于建立健全政务数据共享协调机制加快推进数据有序共享的意见等一系列政策文件，加强顶层设计，统筹推进政务数据共享和应用工作。目前，全国 31 个省（自治区、直辖市）均已结合政务数据管理和发展要求明确政务数据主管部门，负责制定大数据发展规划和政策措施，组织实施政务数据采集、归集、治理、共享、开放和安全保护等工作，统筹推进数据资源开发利用。2.政务数据资源体系基本形成。目前，覆盖国家、省、市、县等层级的政务数据目录体系初步形成，各地区各部门依托全国一体化政务服务平台汇聚编制政务数据目录超过 300 万条，信息项超过 2000 万个。人口、法人、自然资源、经济等基础库初步建成，在优化政务服务、改善营商环境方面发挥重要支撑作用。国务院各有关部门积极推进医疗健康、社会保障、生态环保、信用体系、安全生产等领域主题库建设，为经济运行、政务服务、市场监管、社会治理等政府职责履行提供有力支撑。各地区积极探索政务数据管理模式，建设政务数据平台，统一归集、统一治理辖区内政务数据，以数据共享支撑政府高效履职和数字化转型。截至目前，全国已建设 26 个省级政务数据平台、257 个市级政务数据平台、355 个县级政务数据平台。3.政务数据基础设施基本建成。国家电子政务外网基础能力不断提升，已实现县级以上行政区域 100%覆盖，乡镇覆盖率达到 96.1%。政务云基础支撑能力不断夯实，全国 31 个省（自治区、直辖市）和新疆生产建设兵团云基础设施基本建成，超过 70%的地级市建设了政务云平台，政务信息系统逐步迁移上云，初步形成集约化建设格局。建成全国一体化政务数据共享枢纽，依托全国一体化政务服务平台和国家数据共享交换平台，构建起覆盖国务院部门、31 个省（自治区、直辖市）和新疆生产建设兵团的数据共享交换体系，初步实现政务数据目录统一管理、数据资源统一发布、共享需求统一受理、数据供需统一对接、数据异议统一处理、数据应用和服务统一推广。全国一体化政务数据共享枢纽已接入各级政务部门 5951 个，发布 53 个国务院部门的各类数据资源 1.35 万个，累计支撑全国共享调用超过 4000 亿次。国家公共数据开放体系加快构建，21 个省（自治区、直辖市）建成了省级数据开放平台，56提供统一规范的数据开放服务。（二）取得的成效。1.经济调节方面，利用大数据加强经济监测分析，提升研判能力。数字技术在宏观调控决策、经济社会发展分析、投资监督管理、数字经济治理等方面应用持续深化，政府经济调节数字化水平逐步提高。各地区运用大数据强化经济监测预警，加强覆盖经济运行全周期的统计监测和综合分析，不断提升对经济运行“形”和“势”的数字化研判能力。2.市场监管方面，通过数据共享减轻企业负担，提升监管能力。利用前端填报合并、后端数据共享等方式，推进市场监管与人力资源社会保障、海关、商务等多部门业务协同，实现企业年报事项“多报合一”，减轻企业负担，助力优化营商环境。充分利用法人基础信息，支持地方和部门开展企业违规行为监管、行业动态监测和辅助决策分析，防范企业经营风险。3.社会管理方面，推进城市运行“一网统管”和社会信用体系建设。以大数据算法建模、分析应用为手段，推进城市运行“一网统管”，提高治理能力和水平。通过数据融合支撑突发事件应急处置，开展危化品、矿产等重点企业风险态势分析和自然灾害监测预警等工作，提升社会治理、应急指挥的效率和质量。推进社会信用体系建设，通过信用状况分析，揭示社会主体信用优劣，警示社会主体信用风险，整合全社会力量褒扬诚信、惩戒失信。4.公共服务方面，促进政务服务模式创新，提升办事效率。各地区各部门深入挖掘、充分利用数据资源，促进政务服务办理方式不断优化、办事效率不断提升，创新个税专项扣除、跨省转学、精准扶贫、普惠金融等服务模式，企业和群众的满意度、获得感不断提升。目前，政务服务事项网上可办率达到 90%以上，政务服务“一网通办”加速推进。5.生态环保方面，强化环境监测和应急处理能力。建设生态环保主题库，涵盖环境质量、污染源、环保产业、环保科技等数据，通过跨部门数据共享，支撑环境质量监测、突发环境事件应急处置等 23 类应用，为打赢蓝天、碧水、净土保卫战，服务保障碳达峰、碳中和目标实现提供了数据支持。特别是在新冠肺炎疫情防控中，及时响应并解决各地区提出的数据共享需求，推动各类防疫数据跨地区、跨部门、跨层级互通共享，目前 31 个省（自治区、直辖市）已共享调用健康码、核酸检测、疫苗接种、隔离管控等涉疫情数据超过3000 亿次，为有效实施精准防控、助力人员有序流动，坚决筑牢疫情防控屏障，高效统筹疫情防控和经济社会发展提供了有力支撑。（三）存在的主要问题。1.政务数据统筹管理机制有待完善。目前，国家层面已明确建立政务数据共享协调机制，但部分政务部门未明确政务数据统筹管理机构，未建立有效的运行管理机制。各级政务部门既受上级主管部门业务指导，又归属于本地政府管理，政务数据管理权责需进一步厘清，协调机制需进一步理顺。基层仍存在数据重复采集、多次录入和系统连通不畅等问题，影响政务数据统筹管理和高效共享。2.政务数据共享供需对接不够充分。当前政务数据资源存在底数不清，数据目录不完整、不规范，数据来源不一等问题，亟需进一步加强政务数据目录规范化管理。数据需求不明确、共享制度不完备、供给不积极、供需不匹配、共享不充分、异议处理机制不完善、综合应用效能不高等问题较为突出。有些部门以数据安全要求高、仅供特定部门使用为57由，数据供需双方自建共享渠道，需整合纳入统一的数据共享交换体系。3.政务数据支撑应用水平亟待提升。政务云平台建设与管理不协同，政务云资源使用率不高，缺乏一体化运营机制。政务数据质量问题较为突出，数据完整性、准确性、时效性亟待提升。跨地区、跨部门、跨层级数据综合分析需求难以满足，数据开放程度不高、数据资源开发利用不足。地方对国务院部门垂直管理系统数据的需求迫切，数据返还难制约了地方经济调节、市场监管、社会治理、公共服务、生态环保等领域数字化创新应用。4.政务数据标准规范体系尚不健全。由于各地区各部门产生政务数据所依据的技术标准、管理规范不尽相同，政务数据缺乏统一有效的标准化支撑，在数据开发利用时，需要投入大量人力财力对数据进行清洗、比对，大幅增加运营成本，亟需完善全国统一的政务数据标准、提升数据质量。部分地方和部门对标准规范实施推广、应用绩效评估等重视不足，一些标准规范形同虚设。5.政务数据安全保障能力亟需强化。中华人民共和国数据安全法、中华人民共和国个人信息保护法、关键信息基础设施安全保护条例等法律法规出台后，亟需建立完善与政务数据安全配套的制度。数据全生命周期的安全管理机制不健全，数据安全技术防护能力亟待加强。缺乏专业化的数据安全运营团队，数据安全管理的规范化水平有待提升，在制度规范、技术防护、运行管理三个层面尚未形成数据安全保障的有机整体。二、总体要求二、总体要求（一）指导思想。以习近平新时代中国特色社会主义思想为指导，坚持以人民为中心的发展思想，立足新发展阶段、贯彻新发展理念、构建新发展格局，建立健全权威高效的政务数据共享协调机制，整合构建全国一体化政务大数据体系，增强数字政府效能，营造良好数字生态，进一步发挥数据在促进经济社会发展、服务企业和群众等方面的重要作用，推进政务数据开放共享、有效利用，构建完善数据全生命周期质量管理体系，加强数据资源整合和安全保护，促进数据高效流通使用，充分释放政务数据资源价值，推动政府治理流程再造和模式优化，不断提高政府管理水平和服务效能，为推进国家治理体系和治理能力现代化提供有力支撑。（二）基本原则。坚持系统观念、统筹推进。加强全局性谋划、一体化布局、整体性推进，更好发挥中央、地方和各方面积极性，聚焦政务数据归集、加工、共享、开放、应用、安全、存储、归档各环节全过程，切实破解阻碍政务数据共享开放的制度性瓶颈，整体推进数据共建共治共享，促进数据有序流通和开发利用，提升数据资源配置效率。坚持继承发展、迭代升级。充分整合利用各地区各部门现有政务数据资源，以政务数据共享为重点，适度超前布局，预留发展空间，加快推进各级政务数据平台建设和迭代升级，不断提升政务数据应用支撑能力。坚持需求导向、应用牵引。从企业和群众需求出发，从政府管理和服务场景入手，以业务应用牵引数据治理和有序流动，加强数据赋能，推进跨部门、跨层级业务协同与应用，使政务数据更好地服务企业和群众。坚持创新驱动、提质增效。坚持新发展理念，积极运用云计算、区块链、人58工智能等技术提升数据治理和服务能力，加快政府数字化转型，提供更多数字化服务，推动实现决策科学化、管理精准化、服务智能化。坚持整体协同、安全可控。坚持总体国家安全观，树立网络安全底线思维，围绕数据全生命周期安全管理，落实安全主体责任，促进安全协同共治，运用安全可靠技术和产品，推进政务数据安全体系规范化建设，推动安全与利用协调发展。（三）建设目标。2023 年底前，全国一体化政务大数据体系初步形成，基本具备数据目录管理、数据归集、数据治理、大数据分析、安全防护等能力，数据共享和开放能力显著增强，政务数据管理服务水平明显提升。全面摸清政务数据资源底数，建立政务数据目录动态更新机制，政务数据质量不断改善。建设完善人口、法人、自然资源、经济、电子证照等基础库和医疗健康、社会保障、生态环保、应急管理、信用体系等主题库，并统一纳入全国一体化政务大数据体系。政务大数据管理机制、标准规范、安全保障体系初步建立，基础设施保障能力持续提升。政务数据资源基本纳入目录管理，有效满足数据共享需求，数据服务稳定性不断增强。到 2025 年，全国一体化政务大数据体系更加完备，政务数据管理更加高效，政务数据资源全部纳入目录管理。政务数据质量显著提升，“一数一源、多源校核”等数据治理机制基本形成，政务数据标准规范、安全保障制度更加健全。政务数据共享需求普遍满足，数据资源实现有序流通、高效配置，数据安全保障体系进一步完善，有效支撑数字政府建设。政务数据与社会数据融合应用水平大幅提升，大数据分析应用能力显著增强，推动经济社会可持续高质量发展。（四）主要任务。统筹管理一体化。完善政务大数据管理体系，建立健全政务数据共享协调机制，形成各地区各部门职责清晰、分工有序、协调有力的全国一体化政务大数据管理新格局。数据目录一体化。按照应编尽编的原则，推动各地区各部门建立全量覆盖、互联互通的高质量全国一体化政务数据目录。建立数据目录系统与部门目录、地区目录实时同步更新机制，实现全国政务数据“一本账”管理。数据资源一体化。推动政务数据“按需归集、应归尽归”，加强政务数据全生命周期质量控制，实现问题数据可反馈、共享过程可追溯、数据质量问题可定责，推动数据源头治理、系统治理，形成统筹管理、有序调度、合理分布的全国一体化政务数据资源体系。共享交换一体化。整合现有政务数据共享交换系统，形成覆盖国家、省、市等层级的全国一体化政务数据共享交换体系，提供统一规范的共享交换服务，高效满足各地区各部门数据共享需求。数据服务一体化。优化国家政务数据服务门户，构建完善“建设集约、管理规范、整体协同、服务高效”的全国一体化政务大数据服务体系，加强基础能力建设，加大应用创新力度，推进资源开发利用，打造一体化、高水平政务数据平台。算力设施一体化。合理利用全国一体化大数据中心协同创新体系，完善政务大数据算力管理措施，整合建设全国一体化政务大数据体系主节点与灾备设施，优化全国政务云建设布局，提升政务云资源管理运营水平，提高各地区各部门政务大数据算力支撑能力。标准规范一体化。编制全面兼容的基础数据元、云资源管控、数据对接、数59据质量管理、数据回流等标准，制定供需对接、数据治理、运维管理等规范，推动构建全国一体化政务大数据标准规范体系。安全保障一体化。以“数据”为安全保障的核心要素，强化安全主体责任，健全保障机制，完善数据安全防护和监测手段，加强数据流转全流程管理，形成制度规范、技术防护和运行管理三位一体的全国一体化政务大数据安全保障体系。三、总体架构三、总体架构全国一体化政务大数据体系包括三类平台和三大支撑。三类平台为“1 32 N”框架结构。“1”是指国家政务大数据平台，是我国政务数据管理的总枢纽、政务数据流转的总通道、政务数据服务的总门户；“32”是指 31 个省（自治区、直辖市）和新疆生产建设兵团统筹建设的省级政务数据平台，负责本地区政务数据的目录编制、供需对接、汇聚整合、共享开放，与国家平台实现级联对接；“N”是指国务院有关部门的政务数据平台，负责本部门本行业数据汇聚整合与供需对接，与国家平台实现互联互通，尚未建设政务数据平台的部门，可由国家平台提供服务支撑。三大支撑包括管理机制、标准规范、安全保障三个方面。图 1全国一体化政务大数据体系总体架构图60（一）国家政务大数据平台内容构成。国家政务大数据平台是在现有共享平台、开放平台、供需对接系统、基础库、主题库、算力设施、灾备设施的基础上进行整合完善，新建数据服务、数据治理、数据分析、政务云监测、数据安全管理等系统组件，打造形成的国家级政务大数据管理和服务平台。其内容主要包括国家政务数据服务门户，基础库和主题库两类数据资源库，数据分析系统、数据目录系统、数据开放系统、数据治理系统、供需对接系统、数据共享系统六大核心系统，以及通用算法模型和控件、政务区块链服务、政务云监测、数据安全管理、算力设施、灾备设施等相关应用支撑组件。（二）国家平台与地方和部门平台关系。国家政务大数据平台是全国一体化政务大数据体系的核心节点。地方和部门政务数据平台的全量政务数据应按照标准规范进行数据治理，在国家政务大数据平台政务数据服务门户注册数据目录，申请、获取数据服务，并按需审批、提供数据资源和服务。图 2国家平台与地方和部门平台关系图国务院办公厅统筹全国一体化政务大数据体系的建设和管理，整合形成国家政务大数据平台，建立完善政务大数据管理机制、标准规范、安全保障体系。国务院有关部门要明确本部门政务数据主管机构，统筹管理本部门本行业政务数据，推动垂直管理业务系统与国家政务大数据平台互联互通。已建设政务数据平台的国务院部门，应将本部门平台与国家政务大数据平台对接，同步数据目录，支撑按需调用。尚未建设政务数据平台的国务院部门，要在国家政务大数据平台上按照统一要求提供数据资源、获取数据服务。各地区政务数据主管部门要统筹管理辖区内政务数据资源和政务数据平台建设工作。可采用省级统建或省市两级分建的模式建设完善地方政务数据平台，并做好地方平台与国家政务大数据平台的对接，同步数据目录，支撑按需调用；同时，应当按照统分结合、共建共享的原则，统筹推进基础数据服务能力标准化、集约化建设。各县（市、区、旗）原则上不独立建设政务数据平台，可利用上级平台开展政务数据的汇聚整合、共享应用。61图 3国家平台与地方和部门平台有关系统关系图（三）与相关系统的关系。1.整合全国一体化政务服务平台和国家数据共享交换平台等现有数据共享渠道，充分利用全国一体化政务服务平台和国家“互联网 监管”系统现有资源和能力，优化政务数据服务总门户，构建形成统一政务数据目录、统一政务数据需求申请标准和统一数据共享交换规则，为各地区各部门提供协同高效的政务数据服务。2.涉密数据依托国家电子政务内网开展共享，推进政务内网与政务外网数据共享交换，建设政务外网数据向政务内网安全导入通道，以及政务内网非涉密数据向政务外网安全导出通道，实现非涉密数据与政务内网共享有效交互、涉密数据脱密后依托国家政务大数据平台安全共享、有序开放利用。3.全国一体化政务大数据体系具备对接党委、人大、政协、纪委监委、法院、检察院和军队等机构数据的能力，应遵循互联互通、资源共享的原则，结合实际情况采用总对总系统联通或分级对接。4.全国一体化政务大数据体系按需接入供水、供电、供气、公共交通等公共服务运营单位在依法履职或者提供公共服务过程中收集、产生的公共数据，以及第三方互联网信息平台和其他领域的社会数据，结合实际研究确定对接方式等，依法依规推进公共数据和社会数据有序共享、合理利用，促进公共数据与社会数据融合应用。5.推进全国一体化政务大数据体系与全国一体化大数据中心协同创新体系融合对接，充分利用云、网等基础资源，发挥云资源集约调度优势，提升资源调度能力，更好满足各地区各部门业务应用系统的数据共享需求，为企业和群众提供政务数据开放服务。62图 4国家平台与相关系统关系图四、主要内容四、主要内容充分整合现有政务数据资源和平台系统，重点从统筹管理、数据目录、数据资源、共享交换、数据服务、算力设施、标准规范、安全保障等 8 个方面，组织推进全国一体化政务大数据体系建设。（一）统筹管理一体化。1.建立完善政务大数据管理体系。国务院办公厅负责统筹、指导、协调、监督各地区各部门的政务数据归集、加工、共享、开放、应用、安全、存储、归档等工作。各地区政务数据主管部门统筹本地区编制政务数据目录，按需归集本地区数据，形成基础库、主题库，满足跨区域、跨层级数据共享需求，加强数据资源开发利用。国务院各有关部门统筹协调本部门本行业，摸清数据资源底数，编制政务数据目录，依托国家政务大数据平台，与各地区各部门开展数据共享应用，不得另建跨部门数据共享交换通道，已有通道纳入国家政务大数据平台数据共享系统管理。2.建立健全政务数据共享协调机制。各地区各部门要建立健全本地区本部门政务数据共享协调机制，明确管理机构和主要职责，确保政务数据共享协调有力、职责明确、运转顺畅、管理规范、安全有序。加强政务数据供需对接，优化审批流程，精简审批材料，及时响应数据共享需求，非因法定事由不得拒绝其他单位因依法履职提出的数据共享需求。积极推动政务数据属地返还，按需回流数据，探索利用核查、模型分析、隐私计算等多种手段，有效支撑地方数据资源深度开发利用。（二）数据目录一体化。1.全量编制政务数据目录。建设政务数据目录系统，全面摸清政务数据资源底数，建立覆盖国家、省、市、县等层级的全国一体化政务数据目录，形成全国政务数据“一本账”，支撑跨层级、跨地域、跨系统、跨部门、跨业务的数据有序流通和共享应用。建立数据目录分类分级管理机制，按照有关法律、行政法规的规定确定重要政务数据具体目录，加强政务数据分类管理和分级保护。国务院办公厅负责政务数据目录的统筹管理，各地区各部门政务数据主管部门负责本地区本部门政务数据目录的审63核和汇总工作，各级政务部门应按照本部门“三定”规定，梳理本部门权责清单和核心业务，将履职过程中产生、采集和管理的政务数据按要求全量编目。2.规范编制政务数据目录。实现政务数据目录清单化管理，支撑政务部门注册、检索、定位、申请政务数据资源。政务部门在数据资源生成后要及时开展数据源鉴别、数据分类分级以及合规性、安全性、可用性自查，完成数据资源注册，建立“目录数据”关联关系，形成政务数据目录。政务数据资源注册时，政务部门应同时登记提供该数据资源的政务信息系统，建立“数据系统”关联关系，明确数据来源，避免数据重复采集，便利数据供需对接。各地区各部门政务数据主管部门要根据政务数据目录代码规则、数据资源编码规则、元数据规范等检查目录编制，落实目录关联政务信息系统、“一数一源”等有关要求，将审核不通过的目录退回纠正，切实规范目录编制。各地区在编制本地区政务数据目录时，要对照国务院部门数据目录内容、分类分级等相关标准，确保同一政务数据目录与国务院部门数据目录所含信息基本一致。3.加强目录同步更新管理。各地区各部门调整政务数据目录时，要在国家政务大数据平台实时同步更新。政务部门职责发生变化的，要及时调整政务数据目录；已注册的数据资源要及时更新，并同步更新“数据系统”关联关系。原则上目录有新增关联的政务数据资源，应在 20 个工作日内完成注册；目录信息发生变化的，应在 20 个工作日内完成更新。（三）数据资源一体化。1.推进政务数据归集。国家政务大数据平台以政务数据目录为基础，推动数据资源“按需归集、应归尽归”，通过逻辑接入与物理汇聚两种方式归集全国政务数据资源，并进行统筹管理。逻辑上全量接入国家层面统筹建设、各部门联合建设以及各地区各部门自建的数据资源库；物理上按需汇聚人口、法人、信用体系等国家级基础库、主题库数据，建立国家电子证照基础库，“一人一档”、“一企一档”等主题库。各地区应依托政务数据平台统筹推进本区域政务数据的归集工作，实现省市县三级数据汇聚整合，并按需接入党委、人大、政协、纪委监委、法院、检察院等机构数据。行业主管部门做好本行业政务数据的归集工作，实现行业数据的汇聚整合，并按需归集公共数据和社会数据，提升数据资源配置效率。2.加强政务数据治理。国家政务大数据平台建设覆盖数据归集、加工、共享、开放、应用、安全、存储、归档等各环节的数据治理系统，明确数据治理规则，对归集的数据进行全生命周期的规范化治理。各地区各部门按照国家标准规范，细化数据治理规则，开展数据治理工作。按照“谁管理谁负责、谁提供谁负责、谁使用谁负责”的原则，建立健全数据质量反馈整改责任机制和激励机制，加强数据质量事前、事中和事后监督检查，实现问题数据可反馈、共享过程可追溯、数据质量问题可定责，推动数据源头治理、系统治理。强化数据提供部门数据治理职责，数据提供部门要按照法律法规和相关标准规范严格履行数据归集、加工、共享等工作职责，确保数据真实、可用、有效共享；数据使用部门要合规、正确使用数据，确保数据有效利用、安全存储、全面归档；数据管理部门要会同数据提供、使用部门，完善数据质量管理制度，建立协同工作机制，细化数据治理业务流程，在数据共享使用过程中不断提升数据质量。加强政务数据分类管理，规范数据业务属性、来64源属性、共享属性、开放属性等。运用多源比对、血缘分析、人工智能等技术手段，开展数据质量多源校核和绩效评价，减少无效数据、错误数据，识别重复采集数据，明确权威数据源，提升政务数据的准确性、完整性和一致性。3.建设完善数据资源库。加大政务数据共享协调力度，协同发展改革、公安、自然资源、市场监管等国务院部门持续建设完善人口、法人、自然资源、经济、电子证照等国家级基础库，协同人力资源社会保障、生态环境、应急、自然资源、水利、气象、医保、国资等部门加快优化完善医疗健康、政务服务、社会保障、生态环保、信用体系、应急管理、国资监管等主题库，统一纳入全国一体化政务大数据体系管理，对各类基础数据库、业务资源数据库实行规范管理，建立健全政务数据归集共享通报制度，支撑各地区各部门政务数据共享、开放和开发利用。各地区要依托本级政务数据平台，积极开展疫情防控、经济运行监测等领域主题库建设，促进数据资源按地域、按主题充分授权、自主管理。（四）共享交换一体化。1.构建完善统一共享交换体系。依托全国一体化政务服务平台和国家数据共享交换平台，提升国家政务大数据平台数据共享支撑能力，统一受理共享申请并提供服务，形成覆盖国家、省、市等层级的全国一体化政务数据共享交换体系，高效满足各地区各部门数据共享需求，有序推进国务院部门垂直管理业务系统向地方政务数据平台共享数据。各地区各部门按需建设政务数据实时交换系统，支持海量数据高速传输，实现数据分钟级共享，形成安全稳定、运行高效的数据供应链。2.深入推进政务数据协同共享。国家政务大数据平台支撑各省（自治区、直辖市）之间、国务院各部门之间以及各省（自治区、直辖市）与国务院部门之间的跨部门、跨地域、跨层级数据有效流通和充分共享。各地方政务数据平台支撑本行政区域内部门间、地区间数据流通和共享。各部门政务数据平台支撑本部门内、本行业内数据流通和共享。以应用为牵引，全面提升数据共享服务能力，协同推进公共数据和社会数据共享，探索社会数据“统采共用”，加强对政府共享社会数据的规范管理，形成国家、地方、部门、企业等不同层面的数据协同共享机制，提升数据资源使用效益。（五）数据服务一体化。1.优化国家政务数据服务门户。依托国家政务大数据平台的政务数据服务总门户，整合集成目录管理、供需对接、资源管理、数据共享、数据开放、分析处理等功能，为各地区各部门提供政务数据目录编制、资源归集、申请受理、审核授权、资源共享、统计分析、可视化展示和运营管理等服务，实现对各地区各部门政务数据“一本账”展示、“一站式”申请、“一平台”调度，支撑各地区各部门政务数据跨地区、跨部门、跨层级互认共享，推动实现数据资源高效率配置、高质量供给。各地区各部门可按照国家政务数据服务总门户管理要求和相关标准规范，统筹建设政务数据服务门户，并做好与国家政务数据服务总门户的对接，实现纵向贯通、横向协同。2.加强政务大数据基础能力建设。加强国家政务大数据平台和各地区各部门政务数据平台的共性基础数据服务能力建设。建设大数据处理分析系统，具备数据运算、分域分级用户管理和数据沙箱模型开发等能力，为多元、异构、海量数据融合应用创新提供技术支撑。充分运用大数据、人工智能等技术手段，构建集成自然语言处理、视频图像解析、65智能问答、机器翻译、数据挖掘分析、数据可视化、数据开放授权、数据融合计算等功能的通用算法模型和控件库，提供标准化、智能化数据服务。建设全国标准统一的政务区块链服务体系，推动“区块链 政务服务”、“区块链 政务数据共享”、“区块链 社会治理”等场景应用创新，建立完善数据供给的可信安全保障机制，保障数据安全合规共享开放。3.加大政务大数据应用创新力度。聚焦城市治理、环境保护、生态建设、交通运输、食品安全、应急管理、金融服务、经济运行等应用场景，按照“一应用一数仓”要求，推动各地区各部门依托全国一体化政务大数据体系建立政务数据仓库，为多行业和多跨场景应用提供多样化共享服务。依托高性能、高可用的大数据分析和共享能力，整合经济运行数据，建立经济运行监测分析系统，即时分析预测经济运行趋势，进一步提升经济运行研判和辅助决策的系统性、精准性、科学性，促进经济持续健康发展；融合集成基层治理数据，建立基层治理运行分析和预警监测模型，通过大数据分析，动态感知基层治理状态和趋势，预警监测、防范化解各类重大风险，切实提升社会治理水平；汇聚城市人流、物流、信息流等多源数据，建立城市运行生命体征指标体系，运用大数据的深度学习模型，实现对城市运行状态的整体感知、全局分析和智能处置，提升城市“一网统管”水平。同时，围绕产业发展、市场监管、社会救助、公共卫生、应急处突等领域，推动开展政务大数据综合分析应用，为政府精准施策和科学指挥提供数据支撑。4.推进政务数据资源开发利用。基于全国一体化政务大数据体系，建设政务数据开放体系，通过国家公共数据开放平台和各地区各部门政务数据开放平台，推动数据安全有序开放。探索利用身份认证授权、数据沙箱、安全多方计算等技术手段，实现数据“可用不可见”，逐步建立数据开放创新机制。建立健全政务数据开放申请审批制度，结合国家公共数据资源开发利用试点，加大政务数据开放利用创新力度。各地区各部门政务数据主管部门应当根据国家有关政务数据开放利用的规定和经济社会发展需要，会同相关部门制定年度政务数据开放重点清单，促进政务数据在风险可控原则下尽可能开放，明晰数据开放的权利和义务，界定数据开放的范围和责任，明确数据开放的安全管控要求，优先开放与民生紧密相关、社会迫切需要、行业增值潜力显著的政务数据。重点推进普惠金融、卫生健康、社会保障、交通运输、应急管理等行业应用，建立政务数据开放优秀应用绩效评估机制，推动优秀应用项目落地孵化，形成示范效应。鼓励依法依规开展政务数据授权运营，积极推进数据资源开发利用，培育数据要素市场，营造有效供给、有序开发利用的良好生态，推动构建数据基础制度体系。（六）算力设施一体化。1.完善算力管理体系。开展全国政务大数据算力资源普查，摸清算力总量、算力分布、算力构成和技术选型等，形成全国政务大数据算力“一本账”。强化全国政务云监测分析，汇聚国家、省、市级云资源利用、业务性能等数据，掌握政务云资源使用情况，开展云资源分析评估，完善云资源管理运营机制。推进政务云资源统筹管理、高效提供、集约使用，探索建立政务云资源统一调度机制，推动建设全国一体化政务云平台体系。2.建设国家主备节点。合理利用全国一体化大数据中心协同创新体系，建设国家政务大数据平台算66力设施，强化云平台、大数据平台基础“底座”支撑，提供数据汇聚、存储、计算、治理、分析、服务等基础功能，承载数据目录、治理、共享等系统运转，按需汇聚、整合共享政务数据资源，构建电子证照等数据库，保障国家政务大数据平台运行。整合建设国家政务大数据平台灾备设施，完善基础设施高可用保障体系，基于“两地三中心”模式建立本地、异地双容灾备份中心，面向业务连续性、稳定性要求高的关键业务实现本地“双活”、重要数据本地实时灾备、全量数据异地定时灾备。3.提升算力支撑能力。合理利用全国一体化大数据中心协同创新体系，推动各地区各部门政务云建设科学布局、集约发展。提升各地区各部门政务大数据云资源支撑能力，推动政务数据中心整合改造，提高使用低碳、零碳能源比例，按需打造图像显示处理器（GPU）、专用集成电路芯片（ASIC）等异构计算能力，构建存算分离、图计算、隐私计算等新型数据分析管理能力。（七）标准规范一体化。1.加快编制国家标准。重点围绕政务数据管理、技术平台建设和数据应用服务等方面推进国家标准编制，明确各地区各部门提升政务数据管理能力和开展数据共享开放服务的标准依据。编制政务数据目录、数据元、数据分类分级、数据质量管理、数据安全管理等政务数据标准规范；编制政务数据平台建设指南、技术对接规范、基础库主题库建设指引、运行维护指南、安全防护基本要求等平台技术标准；按照数据共享、数据开放、数据回流等不同业务模式，编制数据服务管理、技术、运营等制度规范；编制政务云建设管理规范、政务云监测指南等规范。2.协同开展标准体系建设。根据国家政务大数据标准体系框架和国家标准要求，各地区各部门、行业主管机构结合自身业务特点和行业特色，积极开展政务数据相关行业标准、地方标准编制工作，以国家标准为核心基础、以地方标准和行业标准为有效补充，推动形成规范统一、高效协同、支撑有力的全国一体化政务大数据标准体系。3.推进标准规范落地实施。完善标准规范落地推广机制，各地区各部门制定出台标准实施方案，依据相关标准规范建设完善政务数据平台，提高数据管理能力和服务水平。政务数据主管部门定期对标准执行情况开展符合性审查，强化标准规范实施绩效评估，充分发挥全国一体化政务大数据标准体系支撑作用。（八）安全保障一体化。1.健全数据安全制度规范。贯彻落实中华人民共和国数据安全法、中华人民共和国个人信息保护法等法律法规，明确数据分类分级、安全审查等具体制度和要求。明确数据安全主体责任，按照“谁管理、谁负责”和“谁使用、谁负责”的原则，厘清数据流转全流程中各方权利义务和法律责任。围绕数据全生命周期管理，以“人、数据、场景”关联管理为核心，建立健全工作责任机制，制定政务数据访问权限控制、异常风险识别、安全风险处置、行为审计、数据安全销毁、指标评估等数据安全管理规范，开展内部数据安全检测与外部评估认证，促进数据安全管理规范有效实施。2.提升平台技术防护能力。加强数据安全常态化检测和技术防护，建立健全面向数据的信息安全技术保67障体系。充分利用电子认证，数据加密存储、传输和应用手段，防止数据篡改，推进数据脱敏使用，加强重要数据保护，加强个人隐私、商业秘密信息保护，严格管控数据访问行为，实现过程全记录和精细化权限管理。建设数据安全态势感知平台，挖掘感知各类威胁事件，实现高危操作及时阻断，变被动防御为主动防御，提高风险防范能力，优化安全技术应用模式，提升安全防护监测水平。3.强化数据安全运行管理。完善数据安全运维运营保障机制，明确各方权责，加强数据安全风险信息的获取、分析、研判、预警。建立健全事前管审批、事中全留痕、事后可追溯的数据安全运行监管机制，加强数据使用申请合规性审查和白名单控制，优化态势感知规则和全流程记录手段，提高对数据异常使用行为的发现、溯源和处置能力，形成数据安全管理闭环，筑牢数据安全防线。加强政务系统建设安全管理，保障数据应用健康稳定运行，确保数据安全。五、保障措施五、保障措施（一）加强组织实施。充分发挥国家政务数据共享协调机制作用，建立全国一体化政务大数据体系规划、建设、运维、运营的领导责任制，统筹推进国家和各地区各部门政务数据平台纵向贯通、横向联动。国务院各有关部门要指导、协调、监督本部门本行业做好政务数据管理工作。各地区要加强政务数据管理，研究制定配套措施，推动相关法规规章立改废释，确保数据依法依规共享和高效利用。各地区各部门要合理安排项目与经费，加大对全国一体化政务大数据体系建设运行的支持力度，相关项目建设资金纳入基本建设投资，相关工作经费纳入部门预算统筹安排。各地区各部门要加强宣传引导和培训，不断提升全国一体化政务大数据体系应用成效。（二）推进数据运营。按照“管运适度分离”原则，加大政务数据运营力量投入。加强专业力量建设，建立专业数据人才队伍，提升其数字思维、数字技能和数字素养，补齐运营主体缺位、专业能力不足短板，创新政务数据开发运营模式，支持具备条件、信誉良好的第三方企事业单位开展运营服务。建立健全政务数据运营规则，明确数据运营非歧视、非垄断原则，明确运营机构的安全主体责任，研究制定政务数据授权运营管理办法，强化授权场景、授权范围和运营安全监督管理。（三）强化督促落实。国务院办公厅牵头制定全国一体化政务大数据管理和应用评估评价体系，指导各地区各部门加强政务数据管理和应用，督促各地区将相关工作纳入政府绩效考核，并对未按要求完成任务的进行重点督查。各地区各部门要研究制定本地区本部门政务大数据工作监督评估办法，积极运用第三方评估、专业机构评定、用户满意度评价等方式开展评估评价。各地区各部门要对相关经费进行全过程绩效管理，把绩效评价结果作为完善政策、改进管理和安排预算的重要依据，凡不符合全国一体化政务大数据体系建设要求的，不予审批建设项目，不予安排运维运营经费。各地区各部门如有违规使用、超范围使用、滥用、篡改、毁损、泄露数据等行为，按照有关规定追究责任。（四）鼓励探索创新。鼓励各地区各部门开展制度创新，完善数据要素法治环境，构建数据要素市场化配置体制机制，规范数据权属、数据定价、交易规则，建立权责清晰的数据要素市场化运行机制，推动各类机构依法依规开展数据交易，加强数据产品和数据服务产权保护。鼓励各地区各部门开展应用创新，在普惠金融、卫生健康、社68会保障、交通运输、应急管理等领域开展试点，推进重点领域政务数据深度应用。鼓励各地区各部门推进数据基础能力建设，积极构建数据安全存储、数据存证、隐私计算等支撑体系，推动大数据挖掘分析、智能计算、数据安全与隐私保护等核心技术攻关。1111、数据出境安全评估办法数据出境安全评估办法(2022-(2022-0 09-9-0 01 1）第一条 为了规范数据出境活动，保护个人信息权益，维护国家安全和社会公共利益，促进数据跨境安全、自由流动，根据中华人民共和国网络安全法、中华人民共和国数据安全法、中华人民共和国个人信息保护法等法律法规，制定本办法。第二条 数据处理者向境外提供在中华人民共和国境内运营中收集和产生的重要数据和个人信息的安全评估，适用本办法。法律、行政法规另有规定的，依照其规定。第三条 数据出境安全评估坚持事前评估和持续监督相结合、风险自评估与安全评估相结合，防范数据出境安全风险，保障数据依法有序自由流动。第四条 数据处理者向境外提供数据，有下列情形之一的，应当通过所在地省级网信部门向国家网信部门申报数据出境安全评估：（一）数据处理者向境外提供重要数据；（二）关键信息基础设施运营者和处理 100 万人以上个人信息的数据处理者向境外提供个人信息；（三）自上年 1 月 1 日起累计向境外提供 10 万人个人信息或者 1 万人敏感个人信息的数据处理者向境外提供个人信息；（四）国家网信部门规定的其他需要申报数据出境安全评估的情形。第五条 数据处理者在申报数据出境安全评估前，应当开展数据出境风险自评估，重点评估以下事项：（一）数据出境和境外接收方处理数据的目的、范围、方式等的合法性、正当性、必要性；（二）出境数据的规模、范围、种类、敏感程度，数据出境可能对国家安全、公共利益、个人或者组织合法权益带来的风险；（三）境外接收方承诺承担的责任义务，以及履行责任义务的管理和技术措施、能力等能否保障出境数据的安全；（四）数据出境中和出境后遭到篡改、破坏、泄露、丢失、转移或者被非法获取、非法利用等的风险，个人信息权益维护的渠道是否通畅等；（五）与境外接收方拟订立的数据出境相关合同或者其他具有法律效力的文件等（以下统称法律文件）是否充分约定了数据安全保护责任义务；（六）其他可能影响数据出境安全的事项。第六条 申报数据出境安全评估，应当提交以下材料：（一）申报书；（二）数据出境风险自评估报告；（三）数据处理者与境外接收方拟订立的法律文件；（四）安全评估工作需要的其他材料。69第七条 省级网信部门应当自收到申报材料之日起 5 个工作日内完成完备性查验。申报材料齐全的，将申报材料报送国家网信部门；申报材料不齐全的，应当退回数据处理者并一次性告知需要补充的材料。国家网信部门应当自收到申报材料之日起 7 个工作日内，确定是否受理并书面通知数据处理者。第八条 数据出境安全评估重点评估数据出境活动可能对国家安全、公共利益、个人或者组织合法权益带来的风险，主要包括以下事项：（一）数据出境的目的、范围、方式等的合法性、正当性、必要性；（二）境外接收方所在国家或者地区的数据安全保护政策法规和网络安全环境对出境数据安全的影响；境外接收方的数据保护水平是否达到中华人民共和国法律、行政法规的规定和强制性国家标准的要求；（三）出境数据的规模、范围、种类、敏感程度，出境中和出境后遭到篡改、破坏、泄露、丢失、转移或者被非法获取、非法利用等的风险；（四）数据安全和个人信息权益是否能够得到充分有效保障；（五）数据处理者与境外接收方拟订立的法律文件中是否充分约定了数据安全保护责任义务；（六）遵守中国法律、行政法规、部门规章情况；（七）国家网信部门认为需要评估的其他事项。第九条 数据处理者应当在与境外接收方订立的法律文件中明确约定数据安全保护责任义务，至少包括以下内容：（一）数据出境的目的、方式和数据范围，境外接收方处理数据的用途、方式等；（二）数据在境外保存地点、期限，以及达到保存期限、完成约定目的或者法律文件终止后出境数据的处理措施；（三）对于境外接收方将出境数据再转移给其他组织、个人的约束性要求；（四）境外接收方在实际控制权或者经营范围发生实质性变化，或者所在国家、地区数据安全保护政策法规和网络安全环境发生变化以及发生其他不可抗力情形导致难以保障数据安全时，应当采取的安全措施；（五）违反法律文件约定的数据安全保护义务的补救措施、违约责任和争议解决方式；（六）出境数据遭到篡改、破坏、泄露、丢失、转移或者被非法获取、非法利用等风险时，妥善开展应急处置的要求和保障个人维护其个人信息权益的途径和方式。第十条 国家网信部门受理申报后，根据申报情况组织国务院有关部门、省级网信部门、专门机构等进行安全评估。第十一条 安全评估过程中，发现数据处理者提交的申报材料不符合要求的，国家网信部门可以要求其补充或者更正。数据处理者无正当理由不补充或者更正的，国家网信部门可以终止安全评估。数据处理者对所提交材料的真实性负责，故意提交虚假材料的，按照评估不通过处理，并依法追究相应法律责任。第十二条 国家网信部门应当自向数据处理者发出书面受理通知书之日起45 个工作日内完成数据出境安全评估；情况复杂或者需要补充、更正材料的，可以适当延长并告知数据处理者预计延长的时间。评估结果应当书面通知数据处理者。70第十三条 数据处理者对评估结果有异议的，可以在收到评估结果 15 个工作日内向国家网信部门申请复评，复评结果为最终结论。第十四条 通过数据出境安全评估的结果有效期为 2 年，自评估结果出具之日起计算。在有效期内出现以下情形之一的，数据处理者应当重新申报评估：（一）向境外提供数据的目的、方式、范围、种类和境外接收方处理数据的用途、方式发生变化影响出境数据安全的，或者延长个人信息和重要数据境外保存期限的；（二）境外接收方所在国家或者地区数据安全保护政策法规和网络安全环境发生变化以及发生其他不可抗力情形、数据处理者或者境外接收方实际控制权发生变化、数据处理者与境外接收方法律文件变更等影响出境数据安全的；（三）出现影响出境数据安全的其他情形。有效期届满，需要继续开展数据出境活动的，数据处理者应当在有效期届满60 个工作日前重新申报评估。第十五条 参与安全评估工作的相关机构和人员对在履行职责中知悉的国家秘密、个人隐私、个人信息、商业秘密、保密商务信息等数据应当依法予以保密，不得泄露或者非法向他人提供、非法使用。第十六条 任何组织和个人发现数据处理者违反本办法向境外提供数据的，可以向省级以上网信部门举报。第十七条 国家网信部门发现已经通过评估的数据出境活动在实际处理过程中不再符合数据出境安全管理要求的，应当书面通知数据处理者终止数据出境活动。数据处理者需要继续开展数据出境活动的，应当按照要求整改，整改完成后重新申报评估。第十八条 违反本办法规定的，依据中华人民共和国网络安全法、中华人民共和国数据安全法、中华人民共和国个人信息保护法等法律法规处理；构成犯罪的，依法追究刑事责任。第十九条 本办法所称重要数据，是指一旦遭到篡改、破坏、泄露或者非法获取、非法利用等，可能危害国家安全、经济运行、社会稳定、公共健康和安全等的数据。第二十条 本办法自 2022 年 9 月 1 日起施行。本办法施行前已经开展的数据出境活动，不符合本办法规定的，应当自本办法施行之日起 6 个月内完成整改。1212、关于印发要素市场化配置综合改革试点总体方案的通知关于印发要素市场化配置综合改革试点总体方案的通知（20212021-1212-2121）一、总体要求（一）指导思想。以习近平新时代中国特色社会主义思想为指导，全面贯彻落实党的十九大和十九届历次全会精神，弘扬伟大建党精神，坚持稳中求进工作总基调，完整、准确、全面贯彻新发展理念，加快构建新发展格局，充分发挥市场在资源配置中的决定性作用，更好发挥政府作用，着力破除阻碍要素自主有序流动的体制机制障碍，全面提高要素协同配置效率，以综合改革试点为牵引，更71好统筹发展和安全，为完善要素市场制度、建设高标准市场体系积极探索新路径，为推动经济社会高质量发展提供强劲动力。（二）基本原则。顶层设计、基层探索。按照党中央、国务院统一部署，在维护全国统一大市场前提下，支持具备条件的地区结合实际大胆改革探索，尊重基层首创精神，注重总结经验，及时规范提升，为全国提供可复制可推广的路径模式。系统集成、协同高效。突出改革的系统性、整体性、协同性，推动各领域要素市场化配置改革举措相互配合、相互促进，提高不同要素资源的组合配置效率。问题导向、因地制宜。牢牢把握正确的改革方向，聚焦要素市场建设的重点领域、关键环节和市场主体反映最强烈的问题，鼓励地方结合自身特点开展差别化试点探索。稳中求进、守住底线。从实际出发，坚持以安全可控为前提，尊重客观规律，科学把握工作时序、节奏和步骤，做到放活与管好有机结合，切实防范风险，稳步有序推进试点。（三）试点布局。围绕推动国家重大战略实施，根据不同改革任务优先考虑选择改革需求迫切、工作基础较好、发展潜力较大的城市群、都市圈或中心城市等，开展要素市场化配置综合改革试点，严控试点数量和试点范围。党中央、国务院授权实施以及有关方面组织实施的涉及要素市场化配置的改革探索任务，原则上优先在试点地区开展。试点期限为 20212025 年。（四）工作目标。2021 年，启动要素市场化配置综合改革试点工作。2022年上半年，完成试点地区布局、实施方案编制报批工作。到 2023 年，试点工作取得阶段性成效，力争在土地、劳动力、资本、技术等要素市场化配置关键环节上实现重要突破，在数据要素市场化配置基础制度建设探索上取得积极进展。到2025 年，基本完成试点任务，要素市场化配置改革取得标志性成果，为完善全国要素市场制度作出重要示范。二、进一步提高土地要素配置效率（五）支持探索土地管理制度改革。合理划分土地管理事权，在严格保护耕地、节约集约用地的前提下，探索赋予试点地区更大土地配置自主权。允许符合条件的地区探索城乡建设用地增减挂钩节余指标跨省域调剂使用机制。探索建立补充耕地质量评价转换机制，在严格实行耕地占补平衡、确保占一补一的前提下，严格管控补充耕地国家统筹规模，严把补充耕地质量验收关，实现占优补优。支持开展全域土地综合整治，优化生产、生活、生态空间布局，加强耕地数量、质量、生态“三位一体”保护和建设。（六）鼓励优化产业用地供应方式。鼓励采用长期租赁、先租后让、弹性年期供应等方式供应产业用地。优化工业用地出让年期，完善弹性出让年期制度。支持产业用地实行“标准地”出让，提高配置效率。支持不同产业用地类型合理转换，完善土地用途变更、整合、置换等政策。探索增加混合产业用地供给。支持建立工业企业产出效益评价机制，加强土地精细化管理和节约集约利用。（七）推动以市场化方式盘活存量用地。鼓励试点地区探索通过建设用地节约集约利用状况详细评价等方式，细化完善城镇低效用地认定标准，鼓励通过依法协商收回、协议置换、费用奖惩等措施，推动城镇低效用地腾退出清。推进国有企事业单位存量用地盘活利用，鼓励市场主体通过建设用地整理等方式促进城镇低效用地再开发。规范和完善土地二级市场，完善建设用地使用权转让、出租、72抵押制度，支持通过土地预告登记实现建设用地使用权转让。探索地上地下空间综合利用的创新举措。（八）建立健全城乡统一的建设用地市场。在坚决守住土地公有制性质不改变、耕地红线不突破、农民利益不受损三条底线的前提下，支持试点地区结合新一轮农村宅基地制度改革试点，探索宅基地所有权、资格权、使用权分置实现形式。在依法自愿有偿的前提下，允许将存量集体建设用地依据规划改变用途入市交易。在企业上市合规性审核标准中，对集体经营性建设用地与国有建设用地给予同权对待。支持建立健全农村产权流转市场体系。（九）推进合理有序用海。探索建立沿海、海域、流域协同一体的海洋生态环境综合治理体系。统筹陆海资源管理，支持完善海域和无居民海岛有偿使用制度，加强海岸线动态监测。在严格落实国土空间用途管制和海洋生态环境保护要求、严管严控围填海活动的前提下，探索推进海域一级市场开发和二级市场流转，探索海域使用权立体分层设权。三、推动劳动力要素合理畅通有序流动（十）进一步深化户籍制度改革。支持具备条件的试点地区在城市群或都市圈内开展户籍准入年限同城化累计互认、居住证互通互认，试行以经常居住地登记户口制度，实现基本公共服务常住地提供。支持建立以身份证为标识的人口管理服务制度，扩大身份证信息容量，丰富应用场景。建设人口发展监测分析系统，为重大政策制定、公共资源配置、城市运行管理等提供支撑。建立健全与地区常住人口规模相适应的财政转移支付、住房供应、教师医生编制等保障机制。（十一）加快畅通劳动力和人才社会性流动渠道。指导用人单位坚持需求导向，采取符合实际的引才措施，在不以人才称号和学术头衔等人才“帽子”引才、不抢挖中西部和东北地区合同期内高层次人才的前提下，促进党政机关、国有企事业单位、社会团体管理人才合理有序流动。完善事业单位编制管理制度，统筹使用编制资源。支持事业单位通过特设岗位引进急需高层次专业化人才。支持探索灵活就业人员权益保障政策。探索建立职业资格证书、职业技能等级证书与学历证书有效衔接机制。加快发展人力资源服务业，把服务就业的规模和质量等作为衡量行业发展成效的首要标准。（十二）激发人才创新创业活力。支持事业单位科研人员按照国家有关规定离岗创新创业。推进职称评审权下放，赋予具备条件的企事业单位和社会组织中高级职称评审权限。加强创新型、技能型人才培养，壮大高水平工程师和高技能人才队伍。加强技术转移专业人才队伍建设，探索建立健全对科技成果转化人才、知识产权管理运营人员等的评价与激励办法，完善技术转移转化类职称评价标准。四、推动资本要素服务实体经济发展（十三）增加有效金融服务供给。依托全国信用信息共享平台，加大公共信用信息共享整合力度。充分发挥征信平台和征信机构作用，建立公共信用信息同金融信息共享整合机制。推广“信易贷”模式，用好供应链票据平台、动产融资统一登记公示系统、应收账款融资服务平台，鼓励金融机构开发与中小微企业需求相匹配的信用产品。探索建立中小企业坏账快速核销制度。探索银行机构与外部股权投资机构深化合作，开发多样化的科技金融产品。支持在零售交易、生活缴费、政务服务等场景试点使用数字人民币。支持完善中小银行和农村信用社治理结构，增强金融普惠性。（十四）发展多层次股权市场。创新新三板市场股债结合型产品，丰富中小企业投融资工具。选择运行安全规范、风险管理能力较强的区域性股权市场，开73展制度和业务创新试点。探索加强区域性股权市场和全国性证券市场板块间合作衔接的机制。（十五）完善地方金融监管和风险管理体制。支持具备条件的试点地区创新金融监管方式和工具，对各类地方金融组织实施标准化的准入设立审批、事中事后监管。按照属地原则压实省级人民政府的监管职责和风险处置责任。五、大力促进技术要素向现实生产力转化（十六）健全职务科技成果产权制度。支持开展赋予科研人员职务科技成果所有权或长期使用权试点，探索将试点经验推广到更多高校、科研院所和科技型企业。支持相关高校和科研院所探索创新职务科技成果转化管理方式。支持将职务科技成果通过许可方式授权中小微企业使用。完善技术要素交易与监管体系，推进科技成果进场交易。完善职务科技成果转移转化容错纠错机制。（十七）完善科技创新资源配置方式。探索对重大战略项目、重点产业链和创新链实施创新资源协同配置，构建项目、平台、人才、资金等全要素一体化配置的创新服务体系。强化企业创新主体地位，改革科技项目征集、立项、管理和评价机制，支持行业领军企业牵头组建创新联合体，探索实施首席专家负责制。支持行业领军企业通过产品定制化研发等方式，为关键核心技术提供早期应用场景和适用环境。（十八）推进技术和资本要素融合发展。支持金融机构设立专业化科技金融分支机构，加大对科研成果转化和创新创业人才的金融支持力度。完善创业投资监管体制和发展政策。支持优质科技型企业上市或挂牌融资。完善知识产权融资机制，扩大知识产权质押融资规模。鼓励保险公司积极开展科技保险业务，依法合规开发知识产权保险、产品研发责任保险等产品。六、探索建立数据要素流通规则（十九）完善公共数据开放共享机制。建立健全高效的公共数据共享协调机制，支持打造公共数据基础支撑平台，推进公共数据归集整合、有序流通和共享。探索完善公共数据共享、开放、运营服务、安全保障的管理体制。优先推进企业登记监管、卫生健康、交通运输、气象等高价值数据集向社会开放。探索开展政府数据授权运营。（二十）建立健全数据流通交易规则。探索“原始数据不出域、数据可用不可见”的交易范式，在保护个人隐私和确保数据安全的前提下，分级分类、分步有序推动部分领域数据流通应用。探索建立数据用途和用量控制制度，实现数据使用“可控可计量”。规范培育数据交易市场主体，发展数据资产评估、登记结算、交易撮合、争议仲裁等市场运营体系，稳妥探索开展数据资产化服务。（二十一）拓展规范化数据开发利用场景。发挥领军企业和行业组织作用，推动人工智能、区块链、车联网、物联网等领域数据采集标准化。深入推进人工智能社会实验，开展区块链创新应用试点。在金融、卫生健康、电力、物流等重点领域，探索以数据为核心的产品和服务创新，支持打造统一的技术标准和开放的创新生态，促进商业数据流通、跨区域数据互联、政企数据融合应用。（二十二）加强数据安全保护。强化网络安全等级保护要求，推动完善数据分级分类安全保护制度，运用技术手段构建数据安全风险防控体系。探索完善个人信息授权使用制度。探索建立数据安全使用承诺制度，探索制定大数据分析和交易禁止清单，强化事中事后监管。探索数据跨境流动管控方式，完善重要数据出境安全管理制度。七、加强资源环境市场制度建设74（二十三）支持完善资源市场化交易机制。支持试点地区完善电力市场化交易机制，提高电力中长期交易签约履约质量，开展电力现货交易试点，完善电力辅助服务市场。按照股权多元化原则，加快电力交易机构股份制改造，推动电力交易机构独立规范运行，实现电力交易组织与调度规范化。深化天然气市场化改革，逐步构建储气辅助服务市场机制。完善矿业权竞争出让制度，建立健全严格的勘查区块退出机制，探索储量交易。（二十四）支持构建绿色要素交易机制。在明确生态保护红线、环境质量底线、资源利用上线等基础上，支持试点地区进一步健全碳排放权、排污权、用能权、用水权等交易机制，探索促进绿色要素交易与能源环境目标指标更好衔接。探索建立碳排放配额、用能权指标有偿取得机制，丰富交易品种和交易方式。探索开展资源环境权益融资。探索建立绿色核算体系、生态产品价值实现机制以及政府、企业和个人绿色责任账户。八、健全要素市场治理（二十五）完善要素市场化交易平台。持续推进公共资源交易平台整合共享，拓展公共资源交易平台功能，逐步覆盖适合以市场化方式配置的自然资源、资产股权等公共资源。规范发展大数据交易平台。支持企业参与要素交易平台建设，规范要素交易平台运行。支持要素交易平台与金融机构、中介机构合作，形成涵盖产权界定、价格评估、流转交易、担保、保险等业务的综合服务体系。（二十六）加强要素交易市场监管。创新要素交易规则和服务，探索加强要素价格管理和监督的有效方式。健全要素交易信息披露制度。深化“放管服”改革，加强要素市场信用体系建设，打造市场化法治化国际化营商环境。强化反垄断和反不正当竞争执法，规范交易行为，将交易主体违法违规行为纳入信用记录管理，对严重失信行为实行追责和惩戒。开展要素市场交易大数据分析，建立健全要素交易风险分析、预警防范和分类处置机制。推进破产制度改革，建立健全自然人破产制度。九、进一步发挥要素协同配置效应（二十七）提高全球先进要素集聚能力。支持探索制定外国高端人才认定标准，为境外人才执业出入境、停居留等提供便利。支持符合条件的境内外投资者在试点地区依法依规设立证券、期货、基金、保险等金融机构。探索国际科技创新合作新模式，支持具备条件的试点地区围绕全球性议题在世界范围内吸引具有顶尖创新能力的科学家团队“揭榜挂帅”。支持行业领军企业牵头组建国际性产业与标准组织，积极参与国际规则制定。（二十八）完善按要素分配机制。提高劳动报酬在初次分配中的比重，强化工资收入分配的技能价值激励导向。构建充分体现知识、技术、管理等创新要素价值的收益分配机制。创新宅基地收益取得和使用方式，探索让农民长期分享土地增值收益的有效途径。合理分配集体经营性建设用地入市增值收益，兼顾国家、农村集体经济组织和农村居民权益。探索增加居民财产性收入，鼓励和引导上市公司现金分红，完善投资者权益保护制度。十、强化组织实施（二十九）加强党的全面领导。坚持和加强党对要素市场化配置综合改革试点的领导，增强“四个意识”、坚定“四个自信”、做到“两个维护”，充分发挥党总揽全局、协调各方的领导核心作用，把党的领导始终贯穿试点工作推进全过程。（三十）落实地方主体责任。各试点地区要把要素市场化配置综合改革试点75摆在全局重要位置，增强使命感和责任感，强化组织领导，完善推进落实机制，在风险总体可控前提下，科学把握时序、节奏和步骤，积极稳妥推进改革试点任务实施。试点过程中要加强动态跟踪分析，开展试点效果评估，重要政策和重大改革举措按程序报批。（三十一）建立组织协调机制。建立由国家发展改革委牵头、有关部门作为成员单位的推进要素市场化配置综合改革试点部际协调机制，负责统筹推进试点工作，确定试点地区，协调解决重大问题，加强督促检查。国家发展改革委要会同有关方面指导试点地区编制实施方案及授权事项清单，按程序报批后组织实施；在地方自评估基础上，定期开展第三方评估。对取得明显成效的试点地区，要予以表扬激励，及时总结推广经验；对动力不足、执行不力、成效不明显的试点地区，要限期整改，整改不到位的按程序调整退出试点。重要情况及时向党中央、国务院报告。（三十二）强化试点法治保障。建立健全与要素市场化配置综合改革试点相配套的法律法规与政策调整机制，统筹涉及的法律法规事项，做好与相关法律法规立改废释的衔接。试点地区拟实行的各项改革举措和授权事项，凡涉及调整现行法律或行政法规的，经全国人大及其常委会或国务院依法授权后实施；其他涉及调整部门规章和规范性文件规定的，有关方面要按照本方案要求和经批准的授权事项清单，依法依规一次性对相关试点地区给予改革授权。中华人民共和国个人信息保护法（2021-08-20）第一章总则第一条为了保护个人信息权益，规范个人信息处理活动，促进个人信息合理利用，根据宪法，制定本法。第二条自然人的个人信息受法律保护，任何组织、个人不得侵害自然人的个人信息权益。第三条在中华人民共和国境内处理自然人个人信息的活动，适用本法。在中华人民共和国境外处理中华人民共和国境内自然人个人信息的活动，有下列情形之一的，也适用本法：（一）以向境内自然人提供产品或者服务为目的；（二）分析、评估境内自然人的行为；（三）法律、行政法规规定的其他情形。第四条个人信息是以电子或者其他方式记录的与已识别或者可识别的自然人有关的各种信息，不包括匿名化处理后的信息。个人信息的处理包括个人信息的收集、存储、使用、加工、传输、提供、公开、删除等。第五条处理个人信息应当遵循合法、正当、必要和诚信原则，不得通过误导、欺诈、胁迫等方式处理个人信息。第六条处理个人信息应当具有明确、合理的目的，并应当与处理目的直接相关，采取对个人权益影响最小的方式。收集个人信息，应当限于实现处理目的的最小范围，不得过度收集个人信息。第七条处理个人信息应当遵循公开、透明原则，公开个人信息处理规则，明示处理的目的、方式和范围。第八条处理个人信息应当保证个人信息的质量，避免因个人信息不准确、不完整对个人权益造成不利影响。第九条个人信息处理者应当对其个人信息处理活动负责，并采取必要措施76保障所处理的个人信息的安全。第十条任何组织、个人不得非法收集、使用、加工、传输他人个人信息，不得非法买卖、提供或者公开他人个人信息；不得从事危害国家安全、公共利益的个人信息处理活动。第十一条国家建立健全个人信息保护制度，预防和惩治侵害个人信息权益的行为，加强个人信息保护宣传教育，推动形成政府、企业、相关社会组织、公众共同参与个人信息保护的良好环境。第十二条国家积极参与个人信息保护国际规则的制定，促进个人信息保护方面的国际交流与合作，推动与其他国家、地区、国际组织之间的个人信息保护规则、标准等互认。第二章个人信息处理规则第一节一般规定第十三条符合下列情形之一的，个人信息处理者方可处理个人信息：（一）取得个人的同意；（二）为订立、履行个人作为一方当事人的合同所必需，或者按照依法制定的劳动规章制度和依法签订的集体合同实施人力资源管理所必需；（三）为履行法定职责或者法定义务所必需；（四）为应对突发公共卫生事件，或者紧急情况下为保护自然人的生命健康和财产安全所必需；（五）为公共利益实施新闻报道、舆论监督等行为，在合理的范围内处理个人信息；（六）依照本法规定在合理的范围内处理个人自行公开或者其他已经合法公开的个人信息；（七）法律、行政法规规定的其他情形。依照本法其他有关规定，处理个人信息应当取得个人同意，但是有前款第二项至第七项规定情形的，不需取得个人同意。第十四条基于个人同意处理个人信息的，该同意应当由个人在充分知情的前提下自愿、明确作出。法律、行政法规规定处理个人信息应当取得个人单独同意或者书面同意的，从其规定。个人信息的处理目的、处理方式和处理的个人信息种类发生变更的，应当重新取得个人同意。第十五条基于个人同意处理个人信息的，个人有权撤回其同意。个人信息处理者应当提供便捷的撤回同意的方式。个人撤回同意，不影响撤回前基于个人同意已进行的个人信息处理活动的效力。第十六条个人信息处理者不得以个人不同意处理其个人信息或者撤回同意为由，拒绝提供产品或者服务；处理个人信息属于提供产品或者服务所必需的除外。第十七条个人信息处理者在处理个人信息前，应当以显著方式、清晰易懂的语言真实、准确、完整地向个人告知下列事项：（一）个人信息处理者的名称或者姓名和联系方式；（二）个人信息的处理目的、处理方式，处理的个人信息种类、保存期限；（三）个人行使本法规定权利的方式和程序；77（四）法律、行政法规规定应当告知的其他事项。前款规定事项发生变更的，应当将变更部分告知个人。个人信息处理者通过制定个人信息处理规则的方式告知第一款规定事项的，处理规则应当公开，并且便于查阅和保存。第十八条个人信息处理者处理个人信息，有法律、行政法规规定应当保密或者不需要告知的情形的，可以不向个人告知前条第一款规定的事项。紧急情况下为保护自然人的生命健康和财产安全无法及时向个人告知的，个人信息处理者应当在紧急情况消除后及时告知。第十九条除法律、行政法规另有规定外，个人信息的保存期限应当为实现处理目的所必要的最短时间。第二十条两个以上的个人信息处理者共同决定个人信息的处理目的和处理方式的，应当约定各自的权利和义务。但是，该约定不影响个人向其中任何一个个人信息处理者要求行使本法规定的权利。个人信息处理者共同处理个人信息，侵害个人信息权益造成损害的，应当依法承担连带责任。第二十一条个人信息处理者委托处理个人信息的，应当与受托人约定委托处理的目的、期限、处理方式、个人信息的种类、保护措施以及双方的权利和义务等，并对受托人的个人信息处理活动进行监督。受托人应当按照约定处理个人信息，不得超出约定的处理目的、处理方式等处理个人信息；委托合同不生效、无效、被撤销或者终止的，受托人应当将个人信息返还个人信息处理者或者予以删除，不得保留。未经个人信息处理者同意，受托人不得转委托他人处理个人信息。第二十二条个人信息处理者因合并、分立、解散、被宣告破产等原因需要转移个人信息的，应当向个人告知接收方的名称或者姓名和联系方式。接收方应当继续履行个人信息处理者的义务。接收方变更原先的处理目的、处理方式的，应当依照本法规定重新取得个人同意。第二十三条个人信息处理者向其他个人信息处理者提供其处理的个人信息的，应当向个人告知接收方的名称或者姓名、联系方式、处理目的、处理方式和个人信息的种类，并取得个人的单独同意。接收方应当在上述处理目的、处理方式和个人信息的种类等范围内处理个人信息。接收方变更原先的处理目的、处理方式的，应当依

0人已浏览 2023-12-14 1430页 5星级

联合体成员单位联合体成员单位（排名不分先后）北京易华录信息技术股份有限公司北京中企华资产评估有限责任公司清华大学技术创新研究中心普华永道中国北京大成律师事务所中电科网络安全科技股份有限公司深圳数据交易所专家指导组专家指导组林拥军梁敏燕李纪珍钱卫清李永刚张立钧王冠参编人员参编人员（排名不分先后）林镇阳王雅萱郑佳惠赵蓉陈荣源路兴吴义明刘睿智王贺娜李辉陈星宇李孟隆赵然吴娜王硕孙兆璐王骥超韩清飞陈徽因詹睿符文娟侯建赵佳杨英苏琦萌李颖张帅聂怗李夷苒裴新郭潇陈星儒王晓维钟宏崔婧亲爱的读者：欢迎阅读本数据资源入表白皮书。在数字经济蓬勃发展的今天，数据要素已成为基础性生产要素和市场主体核心竞争力重塑来源。数据资源入表是显化数据资源价值的重要手段，也是当前各级政府和数据富集性企业关注的焦点。今年 8 月，财政部正式印发企业数据资源相关会计处理暂行规定，为企业数据资源入表提供了行动指南，即将于 2024 年 1 月 1 日起施行。这一规定的出台标志着数据资源会计处理和信息披露进入了新的阶段、新时代，对数字经济的发展具有重要意义。然而，数据资源入表仍然面临一系列重大挑战，例如数据确权、数据资源价值计量、数据资产审计、数据安全与合规等，这些挑战可能给企业数据资源会计处理带来阻碍。这份白皮书聚焦于数据资源入表，旨在为您提供深入的洞察，引导您在数据资产的世界中航行。从国家政策和市场趋势来看，数据资源入表能够有效反映企业对经济资源的拥有或控制，促进数据资产入表成为推动数据要素市场发展、探索数据财政创新模式的重要抓手。对企业而言，数据资源入表实现了企业资产边界的拓展，使得数据成为一种新型资产，在资产负债表中体现，增厚企业资产、提高利润水平，进而提升企业估值。在未来，企业可以进一步探索利用金融创新工具，实现数据的资产化和资本化。对于政府而言，从短期来看，公共数据授权运营及公共数据资源入表路径探索具有创新示范作用，可以显化数据资源价值，实现公共数据资产盘点、价值挖掘和融通交易；从长远来看，数据资源入表是打造数字政府、激发数据要素新动能的重要环节，有助于推动地方数据要素流通、培育数据产业生态、推动数据财政转型。然而，在这数据资源入表倒计时的关口，我们必须清晰地认识到：数据资源入表并非一日之功，企业需要完成一系列准备动作，包括确认数据资源权属、加强数据质量管理、打造数据安全合规体系、分析数据资源预期经济利益、实现相关成本的合理归集和分摊等，以保障数据资源符合资产确认条件，最终能够实现资产的列报与披露。由此可见，数据资源入表是一个系统性工程，涉及法律、财会、大数据等业务交互，只有在专业机构的指引下，企业才能有效实现相关数据资源的入表，为业务发展提供新动能。我们围绕数据资源入表各环节，打造了一支数据资源入表尖兵团队，团队成员包括会计事务机构、律师事务所、数据安全厂商、大数据厂商、数据资产评估机构和相关科研院所，为客户提供一站式数据资源入表解决方案，全方位助力数据资源入表。联合体以数据资源入表路径研究和创新实践为驱动，精心编制本白皮书，从数据治理到隐私保护，从资产评估到入表“五步法”，从案例实践到未来趋势，为推进数据资源入表贡献集体智慧。我们相信，通过更好地理解和利用数据资源入表规则，政府和企业将能够更充分地释放数据资源价值，灵活地适应不断变化的数据要素市场环境，取得可持续的数字经济竞争优势。数据要素万亿元蓝海市场已经打开，价值链上各环节能量亟待释放。响应数据要素市场化趋势不能只靠口号，而需要在跟踪国际会计领域对数据资源研究的基础上，结合我国数据经济发展的实际情况，深化数据资源会计的研究，完善数据资源管理制度，搭建规范完善的数据要素市场体系，充分激发数据价值与活力。通过构建数据资源入表范式，用入表行为贯穿数据资产内外循环，使数据要素成为地方经济发展的新引擎。感谢您选择阅读这份白皮书，希望它能为您提供有价值的见解，启发您在数据资源入表方面的思考。让我们一同迎接数据要素时代的挑战，并共同创造更加繁荣的未来。祝阅读愉快！数据资源入表服务联合体2023 年 12 月 8 日目 录目 录1.引言.11.1 数据资源入表总体现状.11.2 数据资源入表的法律意义.21.3 数据资源入表面临的机遇与挑战.31.4 数据资源入表的效益分析.52.数据资源入表理论基础.92.1 数据价值化理论基础.92.2 数据资产确权理论基础.203.数据资源入表及资产评估服务生态联盟体系.243.1 数据资源入表技术路线.243.2 数据资源入表生态联盟体系.264.探索数据资产确权与登记体系，夯实数据资源入表产权基础.284.1 数据确权的法律规范依据.284.2 数据确权的实践路径.334.3 数据确权的工作流程.354.4 数据资产确权的适用.364.5 数据资产登记业务.374.6 数据资产登记流程.384.7 数据资产线上登记.395.提高数据治理能力，保障高品质、高价值数据资源供给.415.1 治理的目标与价值.415.2 数据治理资源管理体系.435.3 数据资源入表治理路径.476.注重数据质量评价，确保数据资源入表的质量和可靠性.506.1 数据质量评价的目的和意义.506.2 数据质量评价方法.516.3 数据质量评价流程.536.4 数据质量智能评价.547.构建数据资产评估体系，显性化数据资源资产合理价值.567.1 数据资产评估.567.2 数据资产评估的评估目的.577.3 数据资产评估主要工作过程.577.4 评估依据.607.5 评估方法及适用条件.618.规范会计核算方法及路径，解决数据资源资产化判断难题.658.1 企业遵照暂行规定可能出现的误区.658.2“五步法”入表路径.678.3 会计计量与核算内容分解.709.建构可信低碳存储设施，筑牢数据资源入表的底座支撑.759.1 数据资源入表存储痛点.759.2.解决思路与潜在优势.769.3.数据资源入表存储解决方案.7610.打造安全合规体系，构建数据资源入表的安全监管机制.8010.1 数据资源入表的法律风险.8010.2 数据资源入表的权属审查和权属论证.8110.3 数据资源入表的全流程合规.8210.4 数据资源入表的安全监管技术.8311.衍生入表后服务：数据资产授信融资，释放数据资产价值.8611.1 数据资产授信融资的概念.8611.2 数据资产贷前准备.8611.3 数据资产贷中审查审批.8811.4 数据资产贷后管理与处置.8812.数据资源入表的实践案例.9112.1 数据资产评估案例.9112.2 数据资源模拟入表案例.9413.未来展望.97参考文献.9911.引言引言1.1 数据资源入表总体现状数据资源入表总体现状2023 年 8 月 21 日，财政部发布企业数据资源相关会计处理暂行规定（下称暂行规定），自 2024 年 1 月 1 日起开始施行，标志着企业数据资产入表事宜正式提上日程。也意味着数据要素作为数字经济时代的五大生产要素之一，在符合条件的情况下有可能被确认为企业资产负债表中的“资产”项，在财务报表中可显性化相关投入。2023 年 9 月 8 日，在财政部指导下，中国资产评估协会印发数据资产评估指导意见（下称指导意见），自 2023 年 10 月 1 日起施行，明确了数据资产价值的评估方法，为数据资产评估方式指明发展方向，引导市场主体积极参与数据资源入表的探索。指导意见和暂行规定两份推动数据资产化财会文件的出台，是对“数据二十条”的进一步落实，标志着我国数据要素资产化迈出了实质性一步，将极大推动数据资产化进程，为数据要素市场培育按下“加速键”，也为数据资产转化为具有可持续性的经济增长点提供了强劲动力。数据资产评估入表作为推动数据资产化的重要前置工作，有助于提升企业数据资产运营及变现能力。数据资源入表后，将在财务报表中直接反映企业数据资产状况，为企业在数字经济时代的价值发现提供新思路，同时，数据要素的重要性将进一步被各方关注，引导政府和企业更加重视数据资产的价值挖掘和应用。东吴证券报告显示：全国数据资产市场总规模 8.6 万亿，带动相关产业数字化潜在收益 34.4 万亿，叠加数据资产衍生市场，其潜在总规模可能超过 60 万亿，且未来的增长空间非常大。企业数据资源入表后拥有的庞大市场空间，为产业数字化和数据资源入表相关行业的发展提供了广阔的前景，数据厂商应围绕数据资产评估入表的各个环节积极规划布局，通过为客户提供高质量、2高可信的全生命周期服务，全方位助力企业数据资源入表，把握数据要素时代新机遇。1.2 数据资源入表的法律意义数据资源入表的法律意义数据资源入表缘起于数据作为新的生产要素参与社会分配的国家创新战略。2017 年，习近平总书记主持中共中央政治局第二次集体学习时就指出，“要构建以数据为关键要素的数字经济”。2019 年 10 月，党的十九届四中全会首次将数据确立为生产要素。数据作为参与社会价值分配的生产要素，其重要程度与土地、资本、劳动力、技术要素并列。数据资源合规入表是企业凭借数据资产参与社会经济分配的基础和依据。数据资产入表是对数据资源进行价值评估，记载入财务报表的行为。入表后，数据资源变为资产，数据资产是所有者权益的体现，将扩大企业的资产总额。目前在立法、司法层面对于数据的定义较为宽泛，对数据资产没有明确的定义。在 2019 年 9 月 21 日实施的中华人民共和国数据安全保护法中对数据的定义非常广泛。该法第三条从数据承载的形式进行了限定：数据是指任何以电子或者其他方式对信息的记录。部分行业标准、地方标准中针对数据资产的概念做了尝试性解读。任何一种资源成为资产、并成为参与国民经济分配的前提是权益。从立法层面说，我国尚未对如何保护数据权益进行专门立法；在实践中，数据权益也并未给出直接定性。目前，对数据权益认定的探索包括以下几方面：1、人格权利益说。建构数据产品及服务的认定和权益保护无法回避对个人信息的保护。个人信息作为数据流动中的重要组成部分，部分法学家主张应当予以个人信息财产权益属性，使个人在参与数字活动中能有所收益。2、知识产权说。数据与知识产权具有无形特征和时效性，学术界尝试将数据信息作为知识产权进行保护，但二者的权利架构模式却不尽相同。知识产权的权益体现在人身权利3和财产权利，而数据权益却体现在来源者的权利、加工使用的权利和数据衍生品的经营权。3、物权说。数据具有经济价值，属于财产范畴，财产是属于经济学概念。在法律上对财产进行保护，还需对财产的法律属性进行界定。部分学者提出采用类物权的方式对数据权益进行保护，物权享有占有、使用、收益、处分等行为权利。而数据的上述权利在现实生活中属于不同的主体，无法完全适用。数据资源入表可为数据权利的现实实践提供“摸石头过河”的机会。从法律效果来讲，数据资源入表可达到证据固定的效果。入表之后，数据作为企业权益，其价值从隐藏在主体内部到公开于企业资产中。该步骤为企业资产保护提供依据，一旦涉及到企业数据被破坏的情况，资产负债表可以为相关争议提供证据支持。在解决法律纠纷中，通过对入表的数据受损害的程度进行分析和鉴定，可以作为证据来支持各方的主张，并对争议解决起到重要的作用。1.3 数据资源入表面临的机遇与挑战数据资源入表面临的机遇与挑战新一轮数字经济变革的号角已然吹响。国家政策从宏观规划、微观实践等层面，积极探索数据要素和数字经济的新计量和评估方式，帮助市场更可靠、更真实、更准确地获得数据资源信息，为市场宏观管理调控、投资者精准决策提供支持。企业作为关键市场主体，在响应国家政策、追随市场趋势的同时，也将面临诸多机遇与挑战。1.3.1 数据资源入表带来的机遇数据资源入表带来的机遇数据资源入表将从经营管理、财报融资、业务拓展等多方面为企业发展带来数字经济时代的新机遇。第一，推进数据资源入表的实施过程，将带动企业数据管理水平提升。企业需梳理其数据资源构成，开展数据治理，提高数4据资源管理水平，进而基于优质的数据资源，全方位提升企业业务运营、经营管理水平，推动企业数字化转型。第二，企业数据资产价值准确计量与列示披露，将有助于企业优化财务报表，提高企业的投资吸引力。企业资产规模的提升，将会间接提高企业的信用评级和融资能力，进而提高企业在资本市场的核心竞争力，凸显企业优势。拥有丰富数据资源的企业财务报表质量将大幅提高，从财务角度和业务角度都将提升数据资产密集型企业的估值，进而有利于数据资源密集型企业及相关产业链的发展。资本市场将更倾向于对拥有丰富数据资产的企业提供融资支持。第三，数据资产评估也赋予了企业数据资源合理变现的机会，有助于企业进行数据要素相关业务的拓展。企业可在优质数据资源的基础上形成数据产品，合理评估及定价，在市场中流通交易，形成创新业务模式和增量利润来源，帮助企业提升市场价值和竞争力，吸引更多的投资者和合作伙伴。1.3.2 数据资源入表面临的挑战数据资源入表面临的挑战由于数据自身的特殊属性，数据资产评估和数据资源入表工作依旧面临可预见的实施挑战与困难。第一，对于数据资产的精确估值依然存在难度。虽然现在已有较为成熟完善的无形资产估值方法和模型，但是对于数据资产的价值评估仍存在诸多问题和难点，不同的估值方式均存在局限性。目前来看，通用的估值方法在进行数据资产价值评估时，仍需要结合数据资产的特点不断进行探索与发展。第二，在数据资源的会计确认层面，依旧存在数据资产确权困难、界定不明的问题。需要专业人员进行梳理和辨析，定义“数据资产”与普通数据资源的划分界限，识别哪些数据产生了价值，产生了多少的价值，能够作为数据资产进入财务报表。会计计量层面则是入表面临的下一个难题。从初始计量阶段开始，就需要5考虑如何更加准确地衡量不同来源的数据资产的初始确认金额以及其适用的计量属性。在后续计量的过程中，也存在数据作为无形资产时难以确定其使用寿命、摊销方法不明确、数据资产的经济价值易波动等问题。较之其他诸多无形资产，数据资产受应用场景和大环境影响较明显，如何合理衡量无形资产价值的变化，需要企业对数据资产相关理论进行深刻理解。1.4 数据资源入表的效益分析数据资源入表的效益分析1.4.1 企业侧效益分析企业侧效益分析数据资源入表工作在企业侧的经济效益主要体现为：第一，改善企业资产负债结构及整体估值，数据资源入表工作将会提升企业会计信息质量和真实性，同时倒逼企业更好的优化数据治理，推动数字化转型，将企业数据的价值科学、量化地在财务报告中进行反映，系统性量化数据资源为企业带来的收益和未来预期收益，长期来看，可有效提高企业的韧性及整体估值。第二，提升企业数据全链条管理能力，促进企业数字化新业务拓展。数据资产入表的过程，可帮助企业摸清数据家底，以数据资源入表要求为抓手，科学、持续、系统性管理企业数据，有助于形成以数据要素为核心的企业经营决策方式，进一步推动企业数字化转型。同时，将促进企业围绕数据设计相关业务和商业模式，归集数据要素领域投入产出，拓展数字化相关新业务。对于最终形成的数据产品，可进入数据交易市场，将数据作为商品进行定价、流通和买卖，获得收益。据相关机构统计，2021 年中国数据交易市场规模可达 463 亿元；短期预测将达到 5 千到 1万亿；中长期中国数据资产及其衍生市场的总规模将超过 30 万亿。第三，在法律允许的范围内，以数据资产为新设企业出资，数据资产评估的结果为参考作价入股。对用于出资的非货币财产进行评估作价，数据资产可替代货币作为新设立企业的出资，且6数据资产符合相关法律规定入股标准。北京市数字经济促进条例明确提出，支持开展数据入股；2023 年 8 月 30 日，青岛三家公司进行全国首例数据资产作价入股签约。第四，利用数据资产开展相关金融服务。对数据资产进行评估后，可开展股权债权融资、数据信托、质押融资、数据资产保险、数据资产担保、数据资产证券化等活动。北京市数字经济促进条例明确提出，支持开展数据信贷、数据信托和数据资产证券化等。2022 年 10 月，北京银行成功落地首笔 1000 万元数据资产质押融资贷款。在社会效益方面，推动数据资源入表和数据资产评估工作，可以有效提升数据资产市场的运作效率及公允性。通过鉴证性财务报告对企业的资产和业务价值进行背书，可缓解信息不对称，消除资本对于企业核心竞争力的理解焦虑，提升市场估值效率。1.4.2 政府侧效益分析政府侧效益分析数据资源入表工作在政府侧的经济效益主要体现为：第一，促进数据流通使用，实现按市场贡献分配的需要。建立数据资源入表机制有利于提升企业数据资产意识，有效激活数据市场供需主体的积极性，增强数据流通意愿，有效减少“死数据”，对数据进行深度开发利用提供动力。同时，数据只有进行科学有效的核算计量，才可能基于市场的原则进行分配，即数据会计核算体系是实现按市场贡献分配的前置条件，是实现数据要素市场化配置的关键所在。第二，培育数据产业生态，提高就业率和收入水平。建立数据资源入表机制能够有效带动数据采集、清洗、标注、评价、资产评估等数据服务业发展，深化数字技术创新应用、激发数字经济发展活力，营造繁荣发展的数字生态。产业发展等将产生大量的就业岗位，这些岗位将为求职者提供多样化的就业选择，也将7带动相关产业的培训和教育发展，提高劳动者的职业技能和素质。这将有助于提高劳动者的市场竞争力，提高个人收入水平。第三，加速推进数据要素转化，反哺地方产业发展。推动数据资源入表和数据资产评估工作，为盘活地方政府的国资平台公司数据产业发展集团的资产提供了可能性。在公共数据授权运营的基础上，可尝试探索新型数据资产价值创造模式，如数据资产的授权经营、数据资产作价入股、数据资产融资、数据信托等数据资产资本运作形式。同时，创新公共数据服务模式，发展场景驱动数据要素资产化，为经济活力的提升注入新动力。数据资源入表工作在政府侧的社会效益主要体现为：第一，积极探索数据资源入表机制，打造试点创新示范标杆。共同助力企业探索数据资源入表的可行路径，推动释放数据要素价值和市场潜力，鼓励各行业企业开展数据资源入表试点工作，鼓励引导企业加强数据资源信息披露，通过树立一批创新能力突出、应用效果良好、示范作用明显的企业先行先试标杆，促进地方数据要素市场高质量发展。第二，显化数据资源价值，实现政务数据资产盘点。数字经济的演变和发展从根本上推动商业模式变革，对以工业经济为基础的国民经济核算和会计核算体系提出新挑战。建立数据资产核算和入表机制，一方面能够为数字化转型背景下客观反映经济发展态势、做好宏观调控提供支撑，有利于更加系统科学的评价数据要素对经济社会发展的贡献度；另一方面有利于盘活数据资产价值，展示数字竞争优势，为依据政务数据资产化提供依据，有效促进内外部会计信息使用者提升决策水平，优化市场资源配置。第三，提升政府公信力，实现数据安全可控发展。伴随我国数字经济高速发展，数据安全引发的新问题层出不穷。从市场角度看，建立数据资产核算体系，在提升数据资产价值的同时能够有效促进提升数据安全意识，加强数据使用的规范性，提升数据8交易过程中的安全监管。有利于防止公共数据资产流失，推进建立数据市场安全风险预警机制和数据跨境流动风险防控机制。数据资源入表工作在政府侧的政治效益主要体现为：第一，激发数据要素新动能，推动数字政府建设。数据赋能是数字政府建设的关键和发展方向，一是通过数据资源入表“五步法”，创新数据资源管理机制，明确数据归集、共享、开放、应用、安全、存储、成本归集等责任，加快推进全国一体化政务大数据体系建设；二是加强数据汇聚融合、共享开放和开发利用，高度重视公共数据质量，依法依规促进数据高效共享和有序开发利用，充分发挥数据的基础资源作用和创新引擎作用。第二，建立健全数据资产评估体系，促进国有资产保值增值。随着我国经济体制改革的持续深化，资产评估在企业重组购并、资金流动、资源配置、利益分配、产权转让等方面的作用也变得更加凸显，因而有效建立资产评估体系，健全资产评估制度，完善资产评估措施，加强资产评估工作，对国有企业在深化改革过程中保障资产的保值增值起到关键作用。第三，加强数据要素市场培育，推动数据财政转型。根据相关测算，全国数据资产市场总规模 8.6 万亿，带动相关产业数字化潜在受益 34.4 万亿，叠加数据资产衍生市场，其潜在总规模可能超过 60 万亿。当前公共数据授权持有主体，特别是地方政府成立的大数据集团，迫切需要思考和探索如何实现数据价值显性化的路径，通过推动数据资源的有效汇聚、数据登记确权、数据资源入表和数据资产评估的工作，加快公共数据和社会数据的有效融合和交易变现，积极探索数据要素价值化的创新模式，逐步实现从土地财政迈进数据财政。92.数据资源入表理论基础数据资源入表理论基础数据资源入表的概念涵盖法律、知识产权、会计、数据价值论、数据资产管理、数字经济等多个领域，它们共同构成了指导数据资源入表的理论支撑和实践支持。本章将重点从数据价值化和数据资产确权两方面梳理数据资源入表相关基础理论，可引导企业高效挖掘数据资产价值，合规开展数据使用和管理，推动企业实现数据资产价值显化和我国数字经济的可持续发展。2.1 数据价值化理论基础数据价值化理论基础数据资源入表是实现数据价值化的前提和基础，只有对企业数据资产进行有效记录和管理，才能对其进行深入分析和挖掘，从而实现数据价值化。数据价值化是推动数据资产入表的动力。随着大数据时代的到来，企业越来越重视数据的管理和利用，会不断优化和完善数据资产入表的路径和方法，以提高数据质量和数据价值。本节将从理论视角出发，重点阐述数据的社会属性、数据价值的形成条件、实现路径、实现方式和生态运行逻辑等内容。2.1.1 数据数据数据数据“5I”社会属性社会属性首先要认识到，数据要素价值化的前提是建立起对数据要素超越其自身自然属性的社会属性特征的充分认知与相应挑战的准确把握，这也是理解和构最大化释放数据要素价值的理论和现实逻辑基础。本研究将其总结和提炼为大数据的大数据的“5I”社会属性，即数据整合（社会属性，即数据整合（Integration）、数据融通（）、数据融通（Interconnection）、数据洞察（）、数据洞察（Insight）、数据赋能（）、数据赋能（Improvement）以及数据复用（）以及数据复用（Iteration）。数据整合）。数据整合是对数据的重组、抽取、聚合、清洗标准化，将原本独立的信息片段整合为有序的信息条目。其本质是数据“熵减”的过程，是数据实现从无序到有序、混乱到规则、低价值到高价10值的转变。因此通常的数据整合会面临多个数据源中字段的语义差异、结构差异、字段关联关系以及数据的冗余重复等问题的挑战。数据融通数据融通则是释放大数据的规模效益和边际效应递增效益的重要前提。数据具有使用价值而本身并无价值，随着数据聚合规模的增大，数据的潜在使用价值会呈现出明显的规模效益和边际效用递增效益。但只有打通当前数据融通的壁垒，才能联通各行各业，增强信息的活力，降低信息不对称带来的负面影响，极大地释放信息红利，创造新的社会经济价值。数据洞察数据洞察是大数据时代对数据“石油”的开采之后的进一步深度“提炼”，是对数据“化学能”的开发和利用。数据整合和数据融通是数据发生的“物理”层面的变化，即数据的汇聚、过滤、重组，但仅以该数据库系统层面的录入、查询、统计等功能操作，无法发现数据中存在的关系和规则，无法根据现有数据预测未来的发展趋势，更缺乏挖掘数据背后隐藏知识的手段。因此，更好地挖掘大数据价值，需要对数据进行“化学”反应，即通过利用先进的数据治理及数据挖掘等技术，对数据进行完整且优质的诠释，提取处数据内部的深层价值，进而提高“数据洞察”的成效，发现潜在的新规律，进而做出相对准确的战略预测及推断。如果说数据整合、融通是“物理”层面的组合，数据洞察是“化学”层面的解构，那么数据赋能数据赋能是真正发挥数据“核能”的价值激活和价值创造。一方面，运用大数据的赋能作用，为传统行业及新兴行业提供内容传播、数据营销、舆情分析、大数据采集研究分析及解决方案等服务，助力产业数字化和国家治理的数字化智慧化转型；另一方面，数据本身作为全新的生产要素，数据资产化、证券化和产业化将催生全新的数字经济新业态，是培育未来产业的重要抓手。11数据复用数据复用是数尽其用原则的体现。大数据相比于传统的土地、劳动力等生产要素，具有无限复制性和重复使用的特性，其边际成本几乎为零，但由此带来的数据规模效益却是巨大的。除此之外，旧的数据在新的使用场景、新的处理方式以及重复的迭代中，会不断迸发出新的信息成果和价值产物，数据资源的价值开发生生不息。在数字空间内，数据资源的永恒成为了现实。简言之，数据要素社会属性是数字文明下科技与社会不断共演的产物，数据价值化本质上是充分利用数据要素的社会属性，将数字化的知识和信息转化为新的生产要素的过程，进而通过信息技术创新和管理创新、商业模式创新融合，不断催生新产业、新业态、新模式，最终形成数字经济产业链和产业集群，进而助力新发展阶段高质量发展目标的实现数据价值化本质上是充分利用数据要素的社会属性，将数字化的知识和信息转化为新的生产要素的过程，进而通过信息技术创新和管理创新、商业模式创新融合，不断催生新产业、新业态、新模式，最终形成数字经济产业链和产业集群，进而助力新发展阶段高质量发展目标的实现。2.1.2 数据价值化的形成条件数据价值化的形成条件数字经济时代，数据同土地、劳动、资本、技术一样已经成为独立的生产要素。数据价值可以通过以下两种形式得以体现：一方面，当经过治理的数据用于交易时，是以数据产品的形式存在；当数据成为商品生产和流通过程中的价值载体时，数据本身就成为了商品。另一方面，当数据作为资源赋能其他生产要素时，则将数据的价值转移到其他产品中，通过企业生产过程提高其他产品的价值。此时，数据价值通过其他商品的价值增值而得以体现。数据要素价值形成是一个动态演化过程。数据的社会属性使得数据要素的价值实现方式有别于传统生产要素，但同为生产要素，其价值实现过程也有相似之处，比如都需要经历要素流通、投入和产品产出三个阶段。首先是数据要素流通阶段数据要素流通阶段，数据要素的自由流通并成为可投入生产的独立生产要素是实现价值化的前提条件，由此逐渐完善的数据要素市场为下一阶段的数据交易奠定了基础。在这个阶段，12数据以生产要素的形式在市场中自由流通，使得企业通过市场手段获取数据并加以利用，最终得以实现数据价值。其次是数据要素投入阶段数据要素投入阶段。在此阶段，数据要素与劳动力、资本、技术等其他生产要素同时投入生产，成为企业重要的生产资料。在生产过程中，通过持有权、控制权和收益权等权属关系使要素所有者获得相应收益和报酬。在这个阶段，数据要素以资产形态参与数据价值实现，企业的核心任务是完成数据要素确权动作，为数据赋能企业生产做出合规、合法性准备。最后是数据产品生产阶段数据产品生产阶段。数据要素的价值实现和增值在此阶段得到充分释放。数据产品以及数据赋能的其他产品在商品市场被出售，通过交易行为实现价值变现。在这个阶段，数据要素和其他生产要素通过企业组织生产成为产品，以产品的形态体现出数据要素价值，并最终通过市场“供需关系”实现价值。2.1.3 数据要素价值化动态实现过程数据要素价值化动态实现过程在实现数据要素价值化创造的过程中，可将其中的动态过程机制提炼为低成本汇聚、规范化确权、高效率治理、资产化交易和全场景应用五部分。（1）低成本汇聚。）低成本汇聚。数据的收集汇聚是数据要素开发利用的前提。数据的海量性和多样性是导致数据价值密度低的重要因素。海量信息的产生不断稀释单一数据的价值，同时数据的多样性意味着数据所包含的不对称信息越多，使得零散的数据要素价值密度低，融合难度大。要使数据达到价值可用的程度，需要以足够低的成本实现足够的数据积累汇聚，才能分析还原出事物的全貌。因此，汇聚的低成本是数据要素价值增益的基础。大数据时代的到来，伴随着 5G 的超级链接、物联网的万物互联和云计算的超级计算等一系列技术的突飞猛进，使得数据产生的维度、广度和数据量都呈现出“核爆”式增长，同时大数据科学的快速发展，基于数据驱动的科技发展对数据量的需求也愈加迫切，对数据是汇13聚存储必然提出了绿色、经济、安全、高效的基本要求，只有数据的汇聚成本低于其潜藏的价值，数据要素的收集存储成为新常态，才能为数据科学、数据产业、数字经济提供源源不断的数据生产要素。（2）规范化确权。）规范化确权。数据要素确权是优化数据要素资源配置的基础，是实现数据价值化和数据要素融通增值的前提。科斯定理指出当交易成本为零或极低，只要初始产权界定清晰，就可以形成最优资源配置，促成帕累托最优。由于数据要素具有虚拟性、数据的传输复制成本几乎可以忽略不记，使得数据要素的确权不同于传统物权。数据要素权属界定需要基于法律制度和人工智能技术并行，以保障数据要素融通的总体效率和安全性，是数据价值生产、数据资产评估、数据融通交易以及最终实现数据要素价值最大化的前提与基础。其中数据权属界定的规范化是数据合法获取、隐私保障的核心。源源不断的合法、完整、全面的数据源是数据价值化的基础，也是国家发展大数据产业基础性战略资源的全局性关键因素。同时，数据要素的规范化确权需要保障数据拥有者主体的隐私安全、权属收益和明确数据使用者的权利边界、侵权责任，以更好地促进数据要素的合法获取、开发共享、开发利用，形成“数据权益保护和数据产业激励”双层维度平衡性制度，促进高质量数据的生成和价值实现。（3）高效率治理。）高效率治理。数据治理是一个组织中关于数据使用相关的管理行为体系，是在综合过程、技术和责任等因素下的数据管护过程或方法，以实现数据资产的合理使用，也是国家治理能力现代化的应有之义。基于数据银行实现的数据高效率治理是以海量数据资源为基础，以云计算、AI、大数据、容器服务等技术为支撑，提供统一便捷的数据获取、存储、管理、治理、分析、可视化等服务，通过对数据的生命周期的管理，提高数据质量，促进数据在“内增值，外增效”两方面的价值变现。14（4）资产化交易。）资产化交易。资产化交易模块是数据价值化新业态的积极探索。数据经过的统一汇聚、存储，实现数据资产化、商品化后的交易和融通，并基于此模式吸纳更多、更新的高质量数据聚集，最大化发挥平台的工具属性，赋能“数据资源”向“数据资产”的转变过程。同时，在存储层实现数字孪生，在数据价值层实现数据的共享和红利释放，进而吸纳更多、更新的有价值数据汇聚，实现业务的闭环。数据交易是数据要素流动的重要通路，数据在不同主体之间流通从而表现为包括持有权、使用权、收益权等在内的数据权利的让渡，主要交付形式有 API、数据集、数据报告及数据应用服务、咨询服务等。数据资产化通过数据存储、确权、治理以及融通的一系列流程，最终目的在于数据要素落地于各个产业一线，实现数据融通之后的全场景应用，赋能行业产业发展。（5）全场景应用。）全场景应用。全场景应用模块是提升数据价值化效率的落脚点。在合法、合规、安全的前提下，为多种用户角色提供数据权属确认、数据质量评估、数据定价、数据商品发布、数据交易结算等产品或服务，建立全场景数据应用业务闭环，是提升数据资产化效率，探索数据资本化过程的重要实践。2.1.4 数据价值化生态运行逻辑数据生态圈是实现数据要素全周期流转和构建创新生态系统的核心载体，理清其商业运作逻辑是解析数据价值化过程的基础。数据价值化生态运行逻辑数据生态圈是实现数据要素全周期流转和构建创新生态系统的核心载体，理清其商业运作逻辑是解析数据价值化过程的基础。数据价值化的参与者可以概括为数据持有方、数据需求者和数据服务商三类，并构成了以数据流动为主线的数据价值化体系，如图 1 所示。数据持有方数据持有方是经过审核，能够为各类数据运营平台提供合法、合规、安全数据的政府部门、企事业单位或个人，其在数据价值化过程中的主要职能基本对应源出层。但是在实际操作过程中，数据持有者向数据平台提交的数据不单单局限于原始数据，有可能是经过加工、处理后的数据集合、数据资源或数据资产。经数15据平台审核数据的来源、内容及其权限之后，数据所有者可以将所拥有数据存储于平台并进行确权，将数据变为“固定资产”，再通过发布数据产品等形式参与价值分配活动。当涉及定制化数据产品时，数据所有者可以通过平台响应数据需求者，或对数据服务商发起对数据的进一步加工、处理等服务需求。图 1 数据价值化的生态运行逻辑数据服务商数据服务商是经过数据运营平台鉴定具备合法、合规、安全服务资质的企事业单位或个人，其在数据价值化过程中的主要职能基本对应增值层。数据服务商以通过平台响应数据需求者或数据所有者的形式，提供算法、解决方案等数据融通或赋能服务。数据需求者数据需求者是经过数据运营平台审核，可合法取得平台上数据产品并按照规定使用的用户。数据需求者可直接购买由平台审核后发布的数据产品，也可直接在平台上进行数据的融通业务，即通过平台寻找数据集、数据资源或数据资产，或向数据服务商发布需求。数据运营平台数据运营平台主要提供数据融通相关业务的信息服务，以第三方的身份参与数据所有者、数据服务商、数据需求者之间数据产品的交易，其在数据价值化过程中的主要职能基本对应基础层和流通层。原则上，平台可以开展与数据价值化过程相关的所有16存储和交易业务，对参与各方进行资格审查、交易监管、数据存储等一系列保障措施，保障各方合法权益，是数据实现资产化、探索资本化重要的合法、合规、安全场所。政府通过对数据运营平台所有业务流程的监管，可以确保平台上每个操作均符合相关法律规定。通过上述形式，政府可以切实做到对数据全生命周期的监管，履行其监管职能，维护数据要素市场体系中参与各方的基本权利，最大化保障数据价值的涌现。2.1.5 数据要素市场价值化过程与机制数据要素市场价值化过程与机制数据要素市场是数据交换或流通过程中形成的市场，是数据通过全生命周期建设实现价值转化的重要场所。图 2 数据价值化的过程与机制框架从数据要素市场体系不同的职能来看，可细化为数据源出层、数据基础层、数据增值层、数据流通层和数据监管侧五类构成主体。数据在市场化体系中遵循“源出层-基础层-增值层-流通层”的流动方向，实现从“原始数据”逐步转变为“数据集合”、“数据资源”、“数据资产”、“数据资本”的价值化过程。数据价值化的过程与机制框架如图 2 所示。（1）数据源出层）数据源出层17数据源出层对应数据的生产过程，是数据在市场体系中流动的起点，主要包含数据生产者和数据持有者。源出层的参与主体包括个人、企业与政府等，通常进行主动或被动式的数据创造或生产作业，是原始数据的产出或拥有方。此时，由于数据处于无序、混乱的状态，通常价值密度较低。（2）数据基础层）数据基础层数据基础层由数据收集和数据存储两个模块组成。其中，数据收集对应数据搜寻与获取的过程。由于数据具有极易复制、传播、篡改等特征，需要对数据搜寻与获取的过程单独处理，适配特殊的技术方案；数据存储对应数据汇聚、关联和更新的过程。需要以成熟且足够低成本的技术实现足够量级的数据汇聚，并不断完善高效、安全的关联和更新作业，才能进一步分析、还原出数据本应表达的全貌，为数字科学、数字产业、数字经济提供源源不断的支撑。此时，数据由无序、混乱的状态逐步规整为有序的“数据集合”，数据质量得到提升，涌现统计价值。（3）数据增值层）数据增值层数据增值层对应数据从整理到能力匹配的过程。其主要功能是对接基础层，通过算法开发、资源配置、安全管控等措施，实现对数据的清洗、脱敏、加密、挖掘等整理工作，和对应的算力、资源、网络等能力匹配工作。此时，数据由基础层流向增值层，经过处理后其质量得到更大幅度的提升，由“数据集合”转变为“数据资源”，开始与企业内部的业务或管理等需求对接，具备在组织层面发挥价值的基础，涌现商用价值。（4）数据流通层）数据流通层数据流通层由数据交易和数据配置两个模块组成。其中，数据交易是数据资产化的重要表现，对应数据通过流通交易给应用者或所有者带来经济利益的过程。通常伴随 API、数据库、数据报告及数据应用服务等各种可交易的数据产品与服务。此时，“数18据资源”基于交易中介在市场体系中所发挥的作用，具备在行业内不同组织间或跨领域发挥价值的基础，开始转变为“数据资产”，涌现交换价值。数据配置是数据资本化的重要表现，对应数据实现要素社会化配置的过程。此时，“数据资产”通过商业化运营开始逐渐变为“数据资本”，整个过程主要分为两个步骤：第一步，基于在行业内不同组织间或跨领域的市场交易情况，不断完善数据产品或服务质量，提升“数据资产”在市场中的交换价值，使其具备对某领域未来发展更大的赋能作用；第二步，对数据产品或服务进行资本化赋能，通过诸如信贷融资、证券化等形式，将“数据资产”转变为“数据资本”，涌现资本价值。（5）数据监管侧）数据监管侧当前，数据要素市场监管体系需要明确政府主管部门的“元监管”角色。从组织的视角来看，政府相关部门能够联合数据要素市场体系中的关键参与者，共同履行监管、治理职能。通过上述方式，可以更有效的确保市场中流通数据的完整性、一致性和真实性，更好的保证数据在采集过程中不被泄露，进一步加强对数据生产、治理、交换、应用整个过程的合法、合规、安全监管。从市场的视角来看，政府相关部门具有数据价值化过程全周期监管的基础能力。政府可以通过诸如建立、健全信用制度，督促要素市场体系关键环节的实施者主动做出信用承诺；建立全面的数据使用记录，及时、准确的记录数据使用行为，做到可查、可核、可控、可溯；建立针对数据流转过程中安全泄露、违规使用等行为的纠正举措等多种方式，对相关问题进行实时监控、追根溯源和实施阻断，保证数据要素市场体系的合法、合规、安全运行。综上，按照上述关于数据社会属性、数据要素机制形成方式以及实现路径的整合，结合中国信通院的研究思路以及部分学者的研究，可将数据价值化过程明确为数据资源化、数据资产化、可将数据价值化过程明确为数据资源化、数据资产化、19数据产品化、数据商品化和数据资本化五个递进层次数据产品化、数据商品化和数据资本化五个递进层次，如图 2所示。数据资源化数据资源化的主要目的是提升数据质量，即按需求对原始数据进行标准化、结构化处理，整合出高质量、有潜力的数据，以可采、可见、标准、互通、可信的形式管理、存储和共享这些数据的过程。即当数据能够被理解和利用时，原始数据就成为数据资源。数据资产化数据资产化是价值化的核心，通过将数据与劳动、资本、土地、知识、技术、管理等传统生产要素相结合，赋能战略导向、营销管理、业务流程管理、人力资源管理、数字技术创新等业务场景，将数据潜在的的价值通过实际场景来实现和变现，从而将可量化、可变现的数据资源转化为可以数据资产。数据产品化数据产品化是将数据资产包装和升级为数据产品、实现标准化输出的过程，可利用区块链、隐私计算等技术，自发或通过数据服务商机构将政府公开数据、企业内部数据、数据供应方提供数据、网页爬虫数据和合作伙伴数据进行脱敏，包括脱敏、清洗、分析、建模、可视化等步骤，形成可供出售的一系列的 API、数据包、数据定制服务以及数据产品等，数据商品化数据商品化是数据资产升级为数据商品的过程，使有需求的企业能够在数据市场上以相对公允的价格获取所需的数据产品。当数据能够以各种形式灵活交易时，数据资产就成为数据商品。通过卖出或买入获得收益和补充企业数据池，包括数据打包、数据定价、数据交易等关键数据行为。数据资本化数据资本化是数据商品为数据资本的过程，本质是按照市场化手段对数据要素进行金融层面的升级，使数据能够通过资本运营实现增值，将数据作为金融资产进行投融资，但该阶段现仍处于初级探索阶段。数据资本化阶段的目标是实现数据投融资，包括数据资本运营和数据资本收益分配等关键数据行为，从而实现20生产要素优化配置和产业结构的动态重组以及数字经济的高质量升级。由此可见，数据价值化的实现过程和机制模式，是提高数据要素资源配置效率、促进公共数据与社会各类海量数据的数据协同、资源整合、高效利用，完成数据要素从要素到生产力价值实现的重要理论支撑与核心实践议题。2.2 数据资产确权理论基础数据资产确权理论基础2.2.1 数据属性界定理论数据属性界定理论数据作为资产入表的前提在于数据权属的清晰界定，确权的前提在于讨论数据属性的界定。目前，数据在我国法律体系中，被界定为民事权利的客体。根据中华人民共和国民法典（以下简称“民法典”）第一百一十条、第一百一十一条，分别规定了“隐私权”以及“个人信息受法律保护”。同时，第一百二十七条进一步规定，“法律对数据、网络虚拟财产的保护有规定的，依照其规定”。从法律层面将“个人信息”、“隐私”以及“数据”进行了一定区分。正式将“数据”纳入民事法律领域进行权利的保护，作为民事权利的客体。进一步为后续数据权利的保护以及相关立法的提出，提供了民事基本法的依据。根据中华人民共和国数据安全法第三条规定，“本法所称数据，是指任何以电子或者其他方式对信息的记录”。在法律层面，明确了数据的定义。数据，系对信息的记录。数据与信息之间的相互呈现是记录与被记录，形式与实质之间的关系。数据系为信息的记录载体，信息体现了数据的实质内容。目前在民事领域范畴，存在作为有形资产权利保护的物权以及作为无形资产权利保护的知识产权。数据作为一种新型的权利客体，兼具物权以及知识产权的一定特性，故而无法单纯地适用物权及知识产权的相关法律进行权属的界定。21作为新兴生产要素，数据基于自身的独到特性，具有以下属性特性：数据具有多元主体性。数据具有多元主体性。就数据的生产和利用过程而言，数据要素常常从一开始就是多方主体围绕数据网络平台共同参与、协作生产的结果。区别于实体的物，数据具有虚拟性，故而数据无法直接通过外在实体权利归属界定其所有权；同时，数据不完全等同于知识这一创造性的智力成果，数据很多时候具有被动产生性和衍生性，由多个主体共同参与创造，且很多时候为无意识行为之下所产生，如消费者浏览的购物记录。多元主体意味着不同主体之间存在权益的相关性，需要进一步明晰界定权属，数据权属的界定也为数据生产和流通之中的核心议题。数据是可无限复制的客体。数据是可无限复制的客体。数据在流通和生产上具有非消耗性，在使用上是非竞争性的，可以多方主体同时加工、使用数据而又不互相影响。同时，基于数据在流通过程中具有使用价值和交换价值，数据客体符合经济学意义上“公共产品”的两个特征：非竞争性的消费；杜绝搭便车的成本很高。故而需要进一步厘清产权归属。数据同时具有非排他性的特点。数据同时具有非排他性的特点。尽管数据来自于数据主体的生成和开发，但本身具有非独占性，无法直接通过排他性占有而独占使用。但数据的非排他性并不排除企业通过技术或市场赋予一定的“排他性”。数据从产生到流通交易的过程中，可以受到相关主体的实际管领控制。企业使数据“排他性”的主动战略，往往会引致不同企业关于特定数据控制权的争执。故而需要明确数据在法律意义上的权属地位。2.2.2 数据确权制度的不同理论数据确权制度的不同理论通过归纳总结数据财产法律制度的确权理论研究，我国目前对于支持数据财产权确权的学说制度理论中，数据产权制度设计主要存在三种思路：“赋权论”“实用论”以及“结构论”。22“赋权论赋权论”的核心在于赋予数据新的财产权利类型。的核心在于赋予数据新的财产权利类型。认为基于数据具有前述区别于物权及知识产权的独到特性，单纯适用现行法律界定数据的权利归属存在困难，故而在现有的制度框架内无法满足数据这一新兴客体的流通交易需求。典型而言，主张创设性地主张赋予数据资产权、数据权、数据知识产权等。为数据创设新的资产权利类型或知识产权权利类型。“实用论实用论”的核心在于实用主义。的核心在于实用主义。“实用论”同样认可现行法律无法明确界定数据权利归属，但实用论区别于额外赋予新的权利，其观点回避了数据所有权归属的复杂问题，将关注重点置于产权制度的设计目的，即制度本身所期望达成的效果之上通过确权实现流通使用中的降本增效、提高数据利用效率的经济目的。如戴昕所提出的数据界权的“关系路径”，致力于调整社会主体间围绕数据价值开发利用而形成的具体利益互动关系；熊丙万等所提出的“财产权标准化”一般原理，区分财产权人与非交易当事人、财产权人与交易当事人、财产权人内部适用不同标准1。“结构论结构论”则认为现有数据确权之所以难度高，原因在于概念纠缠的平面化思维。则认为现有数据确权之所以难度高，原因在于概念纠缠的平面化思维。数据产权制度应采取层级性思维，通过横向和纵向分级实现从原始数据到应用数据的解耦跃迁。如申卫星所提出，通过横向和纵向，对于数据进行不同权益内容的切分，将所有权与用益权进行分离，进一步建构数据权利2。张宝山则认为应通过分类分级分类，建立结构性分置制度，除部分数据构成知识产权外，其他数据通过“所有权 用益权”的数据权利结构，赋予处置、收益的权利3。王利明认为数据权益中常常包含个人1在财产权人和非交易当事人之间，适用“持有权、使用权、经营权”；在财产权人和交易当事人之间适用“排他性使用权、排他性经营权”；在财产权人内部适用“平行使用权”、“平行经营权”2通过对于数据的切分，横向维度进行三层分离：从主体、客体、内容角度进行区分，主体区分数据来源者与处理者，客体区分信息与数据，内容区分所有权与用益权；纵向维度进行三层分离：数据资源、数据集合、数据产品三级市场结构：数据资源阶段确定：所有权 持有权；数据集合阶段确定：数据加工使用权；数据产品阶段确定：所有权 经营权。3在人格与财产二分的基础上，以主体为标准划分个人、企业、公共数据，依风险对个人数据进行分级，除部分数据构成知识产权外，其他数据通过“所有权 用益权”的数据权利结构，赋予处置、收益的积极权利以及排除妨害的消极权利等财产权。23信息权益，故难以通过以所有权为基础的权利分离理论来解释，因而应借鉴“权利束”理论进行分析，数据权益是信息之上产生的多项集合的“权利束”，无法简单地将其看作某一类单一的权利。2022 年 6 月，中共中央总书记、国家主席、中央军委主席、中央全面深化改革委员会主任习近平主持召开中央全面深化改革委员会第二十六次会议，召开审议通过关于构建数据基础制度更好发挥数据要素作用的意见（以下简称“数据二十条”），并由中共中央、国务院于 2022 年 12 月进一步对外发布（全称：中共中央、国务院关于构建数据基础制度更好发挥数据要素作用的意见），迈出了建立数据产权制度关键的一步，具有着“举旗定向”的作用和意义。“数据二十条”文件要求建立“数据资源持有权”、“数据加工使用权”、“数据产品运营权”等分置的产权运行机制。根据我国“数据二十条”的颁布，数据产权结构性分置体现了“实用论”“赋权论”和“结构论”相结合的思路：基于实用主义精神，回避了所有权概念的争议，淡化所有权，创设“数据资源持有权”，并进一步聚焦数据使用权流通，创造性提出建立数据资源持有权、数据加工使用权和数据产品经营权“三权分置”的数据产权制度框架，构建中国特色数据产权制度体系。通过三权分置的结构分层确权制度，进一步充分发挥数据要素作用，赋能实体经济，推动数据市场高质量发展。243.数据资源入表及资产评估服务生态联盟体系数据资源入表及资产评估服务生态联盟体系3.1 数据资源入表技术路线数据资源入表技术路线本白皮书围绕数据资产评估及入表的全过程，借鉴了数据资源入表“五步法”4，重点从数据合规与确权、数据治理体系、预期经济利益可行性分析、相关成本的合理归集与分摊、列报与披露和安全监管保障体系等环节，分析了数据资源入表的技术路线，如图重点从数据合规与确权、数据治理体系、预期经济利益可行性分析、相关成本的合理归集与分摊、列报与披露和安全监管保障体系等环节，分析了数据资源入表的技术路线，如图 3 所示。所示。第一，数据合规与确权。确保数据资产来源和权属明晰，并出具合规确权报告。第二，数据治理体系。通过数据可信存储、数据标准管理、数据质量管理、数据血缘分析等方式，提升数据资产质量，盘活数据资产价值，提高数据要素市场供给品质。第三，预期经济利益可行性分析。企业需进行资产确认，研判数据预期应用场景，梳理待入表的数据资产范围。第四，相关成本的合理归集和分摊。将数据资产按照用途划分为无形资产或存货，并进行成本归集、分摊和计量，计量包括初始计量和后续计量。第五，列报与披露。将数据资产反映在资产负债表中，并进行相应信息披露，披露方式包括强制披露和自愿披露。除了以上环节以外，全流程的数据安全监管也是保障数据资源入表的核心命题之一。数据安全监管保障体系包括法律和技术两个方面，需要在法律制度、监管标准的指引下，建立统一高效、协同联动的数据安全管理体系，并依托区块链等先进技术，提供数据要素入表全流程安全保障。4普华永道.新要素大市场-企业数据资源入表提示及“五步法”入表路径解析EB/OL.https:/ SArsAXZJd-4w8g.20225图 3 数据资产评估入表各阶段流程图自愿披露自愿披露数据质量情况重大涉数据交易企业可以根据实际情况，资源披露数据资源相关信息：显性数据隐性数据合规审查合规审查数据来源合规数据内容合规数据处理合规数据管理合规数据经营合规权属认证数据合规与确权数据合规与确权完善数据标准数据血缘分析数据质量管理数据治理体系数据治理体系预期经济利益可行性分析预期经济利益可行性分析企业内部价值评价体系企业内部价值评价体系应用价值相关成本的合理归集与分摊相关成本的合理归集与分摊历史成本减值测试资产摊销归集机制分摊机制初始计量初始计量后续计量后续计量列报与披露列报与披露强制披露强制披露企业对数据资源进行评估且评估结果对企业重要的，应当披露：数据资产评估信息评估方法、参数、假设等企业合并、产品定价、减值测试等数据应用场景数据资源投入后续计量后续计量安全监管技术保障体系安全监管技术保障体系安全监管法律保障体系安全监管法律保障体系数据合规性其他权利限制数据资产评估场景数据可信存储活跃应用场景外部流通价值应用风险质量成本内部赋能价值数据应用深度价值实现影响因素263.2 数据资源入表生态联盟体系数据资源入表生态联盟体系图 4 联盟角色分工图数据资源入表是一项系统工程，涉及环节多、专业度高，本白皮书建议通过组建生态联盟组建生态联盟的方式，发挥各家所长，为企业提供一站式、专业化的数据资源入表服务，如图 4 所示。按照数据资源入表技术路线，可对联合体各方服务内容进行合理划分：大数据厂商大数据厂商主要围绕数据全生命周期管理，主要能力将聚焦数据存储、治理、登记确权及质量评价等全流程核心工作，例如数据脱敏、清洗、标注、整合、分析、可视化等加工过程，以及数据权属鉴证、质量评估、登记结算等入表前的附加服务。数据质量评价通过在数据项的定义、口径、格式、单位等方面发布标准化的数据规范，建立统一的数据标准，提升数据资产质量和可用性。出台数据质量评估规范，基于数据准确性、一致性、完整性、规范性、时效性和可访问性等维度选取可量化指标进行评价，为价值评估做好基础。数据资产评估机构数据资产评估机构将会从专业角度出具价值评估报告，结合大数据厂商出具的数据质量评价结论形成完整的数据资产评估报告提供咨询服务。价值评估将综合运用成本法、收益法、市场法评估数据资产的公允价值以及其对企业整体价值的贡献度，并27在三种方法基础上，兼顾严谨性和实用性，推动价值评估方法延展创新，以符合数据要素特征，适应数据经济发展需要。制定数据资产价值评估业务操作指南，明确数据资产价值评估实施的总体框架，建立数据评价与价值评估评价体系。律师事务所律师事务所通过从数据权属和法律属性进行数据合规审查，制定数据合规评估指南。通过建立数据分级分类评估标准等方式，保障数据资产的合规性。同时，坚持具体问题具体分析，针对不同类别、不同级别的数据资产采取不同的审查和评估方式，以确保数据资产的安全和合规。综合调查、论证、咨询综合服务可以为企业提供专业的指导和服务，降低数据资产入表过程中的合规风险发生。数据安全厂商数据安全厂商将从安全监管角度助力数据资产安全性评估，明确提出数据安全管理和隐私保护要求，按照“不安全不核算”的原则开展安全评估，严守数据安全底线。会计事务机构会计事务机构将从财务角度进行入表核查，厘清数据资产确认的条件和方式，划定数据资产边界，明确数据资产的会计核算范围，从财务核算以及价值计量角度，帮助企业进行数据资源入表就绪程度能力评估-价值计量与列报披露能力评估，以及提供初始计量、后续计量，列报披露以及案例实证四个模块的全生命周期价值计量模型。同时，数据资源入表服务将由国家发改委大数据主管单位及各地市大数据局作为核心监管机构，由相关科研院及各行业协会组成联合体智库联合体智库，从政府监管机构至行业协会、科研院所进行全方位区位监管，确保理论到实践的平稳过渡。284.探索数据资产确权与登记体系，夯实数据资源入表产权基础探索数据资产确权与登记体系，夯实数据资源入表产权基础习近平总书记在中央全面深化改革委员会第二十六次会议上强调，数据基础制度建设事关国家发展和安全大局。对于数据资产入表而言，数据产权制度是其制度根基。数据确权涉及个人生活、企业运作以及国家安全等各个方面。如果没有明晰数据财产规则，则各类数据融合融通将缺乏信任基础。数据控制者（政府、企业、个人）在没有财产权依据和预期的情况下不敢轻易开展数据共享、交易，且容易陷入违法和权利滥用的困境。数据要素市场将可能步入一个缺乏信任和预期的死循环之中，在获取和利用数据的需求和难度日益增多的发展趋势下，市场各方需要明确且及时的确权规则来破解僵局。因此数据资产确权是数据有序流通、有效利用的前提。基于确权而构建的数据财产权规则更是匹配中国数据要素市场发展的必然要求。只有完善数据产业链中各劳动主体的权益配置，做好利益分配，促进数据的应用，加快数据资产入表，才能确保数据经济在公平、透明的规则下可持续的发展。4.1 数据确权的法律规范依据数据确权的法律规范依据4.1.1 法律规范侧重于保护数据权利法律规范侧重于保护数据权利当前我国的法律更多强调从数据保护层面进行针对性规制：（1）民法典强调“数据”“隐私权”以及“个人信息”受民事法律保护。民法典强调任何组织和个人需要获取他人个人信息的，应当依法取得并确保信息安全。民法典将个人信息保护归入人格权编，并要求除法律、行政法规另有规定的外，处理个人信息应征得该自然人或者其监护人同意。（2）刑法将侵犯公民个人信息行为纳入刑事制裁，强调对于公民个人信息的保护。并且将非法获取计算机系统数据、侵犯知识产权也纳入刑事制裁。29（3）消费者权利保护法在我国公法中首次构筑以知情同意为基础的个人信息保护基本制度；网络安全法、个人信息保护法 进一步完善了以知情同意为基础的个人信息保护制度，强调数据主体所享有的保护知情权、同意权、查询权、更正权、拒绝权和删除权，以及相应侵犯个人信息的民事、行政责任。数据安全法亦规范了数据的处理活动，明确数据的安全保护和权利人的合法权益，以及相关的民事、行政责任。但对于数据财产权属确定方面，我国现行法律并未明文就数据财产权利归属进行界定。4.1.2“数据二十条数据二十条”的数据确权制度内容的数据确权制度内容虽然“数据二十条”当前仅为中共中央、国务院的政策建议文件，尚未通过立法被正式确立为法律。但确立了“三权分置”制度的“数据二十条”，仍具有数据确权制度纲举目张的作用和意义。在可预期的情况下，后续的立法、执法实践将会向“数据二十条”所规划的方向靠拢，“数据二十条”会成为法律法规制定、执法活动进行的参考基准。“数据二十条”的核心是四项数据基础制度，包括：数据产权制度、数据要素流通和交易制度、数据要素收益分配制度、数据要素治理制度。对于数据产权制度而言，“数据二十条”的核心内容和重要创新在于：一是建立数据产权的结构性分置制度，建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制。二是基于结构性分置制度，进一步建立公共数据、企业数据、个人数据的分类分级确权授权制度。（1）三权分置的数据产权结构制度）三权分置的数据产权结构制度“数据二十条”根据数据来源和数据生成特征，分别界定数据生产、流通、使用过程中各参与方享有的合法权利，建立数据资30源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制。对于“三权分置”的制度模式，目前还有待法律和具体规范进行细化落实，在此针对性做出法律学理上的探讨归纳：数据资源持有权数据资源持有权，即数据资源持有者对其持有的数据所享有的在事实上进行管领控制并排除他人擅自使用的权利。无论是原始采集数据还是经继受取得数据的处理者，首先享有数据持有权，有权依照法律规定或合同约定的方式自主管控所取得的数据资源。如不存在法定正当事由，且未经持有人同意，他人不得侵扰权利人对数据的稳定持有状态和秩序。对于“数据资源持有权”，“数据二十条”针对性地淡化了“所有权”的表述，仅强调数据主体对数据资源占有、持有的合法性；同时，基于“数据资源”的表述，进一步强调数据资源的流动性，强调持有系对数据资源的动态持有，避免基于数据承载的确定而影响数据本身的流动性。数据加工使用权数据加工使用权，即数据处理者对数据进行加工使用的权利。加工使用权强调面向既有信息、数据的加工或使用，兼有“加工成数据”和“对数据进行加工”的含义。根据“数据二十条”第二条之（七）规定，“在保护公共利益、数据安全、数据来源者合法权益的前提下，承认和保护依照法律规定或合同约定获取的数据加工使用权，尊重数据采集、加工等数据处理者的劳动和其他要素贡献，充分保障数据处理者使用数据和获得收益的权利。”数据加工使用权强调数据采集、加工等处理者的使用收益权能，不管其权能取得来源系基于法律规定还是基于合同约定。一般而言，数据加工即对数据进行清洗、整理、算法重构等技术手段进行加工。“数据二十条”明确了数据加工者对于原始数据加工之后的使用权，以及可以通过使用获得收益，激励企业等市场主31体进一步进行数据挖掘、数据分析、开发数字衍生产品等价值创造。数据产品经营权数据产品经营权，即从数据“产品”角度赋予数据产品所有者的权利。数据产品经营权聚焦于数据被加工成产品的阶段。根据“数据二十条”第二条之（七）规定，“保护经加工、分析等形成数据或数据衍生产品的经营权，依法依规规范数据处理者许可他人使用数据或数据衍生产品的权利，促进数据要素流通复用”。数据产品经营权本质上即对数据产品的支配经营权利，包括自己进行经营以及许可他人使用经营。各地政府的实践操作规范中对于数据产品的要求较高，要求投入“实质性加工和创新性劳动”之下所形成的产品。参照上海市数据条例，第四章“数据要素市场”，第四十九条规定，“本市制定政策，培育数据要素市场主体，鼓励研发数据技术、推进数据应用，深度挖掘数据价值，通过实质性加工和创新性劳动形成数据产品和服务”。当前对于可交易的数据产品要求相对较高，要求经过“实质性加工和创新性劳动”。同样的，根据深圳市数据产权登记管理暂行办法第二条规定，“数据产品，是指自然人、法人或非法人组织通过对数据资源投入实质性劳动形成的数据及其衍生产品，包括但不限于数据集、数据分析报告、数据可视化产品、数据指数、应用程序编程接口（API 数据）、加密数据等。”对于数据产品也要求是投入“实质性劳动”所形成的数据或数据衍生产品。（2）分级确权授权制度）分级确权授权制度从“数据二十条”的确权制度结构来看，除了权属结构的分层确定之外，同时明确了基于不同产权主体的分级确权授权制度。根据不同的数据持有主体，“数据二十条”区分了公共数据、企业数据和个人数据，分别制定政策规定如下。32对于公共数据对于公共数据，“数据二十条”要求推进实施公共数据确权授权机制：加强开放共享，统筹授权使用，打破“数据孤岛”。按用途加大供给使用，推动用于公共治理、公益事业的公共数据有条件无偿使用，探索用于产业发展、行业发展的公共数据有条件有偿使用。根据“数据二十条”第二条之（四）规定，“公共数据”意指对各级党政机关、企事业单位依法履职或提供公共服务过程中产生的公共数据。对于公共数据明确要求开放共享，按用途加大供给使用。同时鼓励公共数据在保护个人隐私和确保公共安全的前提下，按照“原始数据不出域、数据可用不可见”的要求，以模型、核验等产品和服务等形式向社会提供。其次，对于企业数据其次，对于企业数据，“数据二十条”鼓励探索企业数据授权使用新模式，引导行业龙头企业、互联网平台企业发挥龙头作用，促进与中小微企业双向公平授权。“数据二十条”第二条之（五）规定，市场主体享有依法依规持有、使用、获取收益的权益，保障其投入的劳动和其他要素贡献获得合理回报，加强数据要素供给激励。对于企业数据而言，更多强调其商业价值以及市场经济属性。第三，对于个人数据第三，对于个人数据，“数据二十条”要求要按照个人授权范围依法采集、持有、托管和使用。涉及国家安全的特殊个人信息数据，由主管部门依法授权使用。“数据二十条”第二条之（六）规定，对承载个人信息的数据，推动数据处理者按照个人授权范围依法依规采集、持有、托管和使用数据，规范对个人信息的处理活动，不得采取“一揽子授权”、强制同意等方式过度收集个人信息。对于个人信息的收集要依法依规，探索强调合理利用和对个人信息的保护。最后最后，“数据二十条”承认和保护数据要素各参与方的合法权益，合理界定数据要素市场各参与方的权利和义务，通过权利分33割的方法实现数据分类确权与授权，充分凝聚了当前最大共识，也为未来国家立法机关出台数据产权的法律制度开拓了道路、营造了社会基础。4.2 数据确权的实践路径数据确权的实践路径在“数据二十条”出台之后，国家出台了系列制度方案措施，进一步推进数据产权制度建设，如表 1 所示。表 1“数据二十条”颁布以来，党和国家对数据产权制度的方案举措2023.2.27中共中央、国务院印发数字中国建设整体布局规划规划明确，数字中国建设要求畅通数据资源大循环。构建国家数据管理体制机制，健全各级数据统筹管理机构。推动公共数据汇聚利用，建设公共卫生、科技、教育等重要领域国家数据资源库。释放商业数据价值潜能，加快建立数据产权制度，开展数据资产计价研究，建立数据要素按价值贡献参与分配机制。2023.3.16中共中央、国务院印发党和国家机构改革方案组建国家数据局。负责协调推进数据基础制度建设，统筹数据资源整合共享和开发利用，统筹推进数字中国、数字经济、数字社会规划和建设等，由国家发展和改革委员会管理。推进数据要素基础制度建设、推进数字基础设施布局建设等职责划入国家数据局。2023国务院知识加快数据知识产权保护规则构建，34.7.28产权战略实施工作部际联席会议办公室印发2023 年知识产权强国建设纲要和“十四五”规划实施推进计划探索数据知识产权登记制度，开展数据知识产权地方试点。2023.8.21财政部引发企业数据资源相关会计处理暂行规定明确：数据资源相关会计处理的适用范围；数据资源会计处理适用的准则，以及列示和披露要求。自 2024 年 1 月 1日起施行。北京、上海、深圳、江苏等各地政府部门先后进行了一系列的数据确权积极尝试举措及制度实践。鉴于“数据二十条”对于数据财产确权内容规定较为笼统，目前地方政府存在两种数据产权的登记方式：一种是依托数据知识产权登记制度进行数据登记（如北京、江苏、天津等地），一种是构建新型数据产权登记方式进行数据登记（如贵州、深圳）。同时，各地积极推进大数据交易所进行数据产品的交易推动。借鉴传统生产要素交易市场的经验，希望进一步分享数据要素发展所带来的红利。目前，大数据交易平台的交易模式可分为交易中介模式、大数据分析结果交易模式、数据产品交易模式三种。但目前各地交易所平台发展水平良莠不齐，数据权属界定登记较为粗糙，暴露出数据要素流通困难、行业应用需求挖掘难、市场生态发育不良、相关技术支撑不足等问题。有待出台相关规范进一步系统性整合，包括：构建三权分置数据产权制度登记框架；完善数据登记规范标准体系；统一数据交易平台确权交易模式；开拓数据确权交易应用场景等。354.3 数据确权的工作流程确定确权委托：数据确权的工作流程确定确权委托：针对市场主体的数据资源入表需求，明确市场主体对数据资源入表的意向、用途，双方建立正式的法律服务委托关系。组织团队：组织团队：根据入表需求，律师将组建专业项目工作组。项目工作组由项目总负责人、主协调律师、专业律师组和行政支持组四个部分组成。项目总负责人负责整体项目进度把控、风险控制，协调配备项目所需人员；负责协调本所资源和相关部门沟通。项目主协调律师负责与专业组带头律师沟通，向上对项目总负责人形成报告机制，协调法律服务项目整体运作情况。项目专业律师组由专业带头律师、专业律师和律师助理组成。项目组成员全程参与项目中各专业事项，分工协作，根据项目需求负责法律尽职调查、法律文件起草和审核、争议解决、风险控制、法律培训、出席会议等；专业律师及律师助理全员配合带头律师完成上述工作；律师助理进行辅助工作。行政支持小组由行政助理、风险控制人员、IT 人员组成。行政做好行政工作与后勤服务工作，为项目的进行提供全程支持；行政助理负责所有文件的合规及风险控制，确保所有文件集中统一，根据项目进程做好文件、档案管理。前期尽调：前期尽调：面向企业提出数据合规需求清单，收集数据来源资料，包括并不限于数据持有主体、渠道、授权和被授权体系、拟入表方向等。现场调查：了解数据存储、分类、分级处理情况，数据保护软硬件情况及数据整体运行情况；入表确权方案设计：将根据需求设计并提供完全符合企业数据资源入表项目的合规方案，包括数据确权、数据处理流程合规、个人信息保护、数据安全保护机制等。访谈及调查：访谈及调查：律师在确权过程中根据先期材料的审查，制定对数据获得、控制流程的访谈和调查目标：明确访谈和调查的目36的和研究问题，确定所需的信息和访谈对象。根据访谈对象在企业内外部的角色差异，制定访谈、调查计划。通过访谈、调查进行证据的交叉核对。团队内部讨论及论证团队内部讨论及论证:律师团队内部的论证是为了有效处理和解决法律问题，并为客户提供准确的法律建议和意见。内部就比对、访谈、调查中发现的问题进行研究、分析法律问题。确权报告出具确权报告出具:根据调研、论证情况，出具针对数据合规的法律意见书。根据意见书的用途，可分别出具确权意见书、合规建议书、风险提示意见、整改清单等内容。4.4 数据资产确权的适用数据资产确权的适用数据资产确权报告的价值在于锁定证据和提供合法性参考和背书。市场主体在涉及到数字资产授权、转让、纠纷解决、法律合规或金融交易等方面，可以借助数据资产确权报告提供可靠的证明和支持。一是提供参与分配的依据：一是提供参与分配的依据：数据资产的确权为市场主体参与经济分配提供了依据，让原本隐藏于企业内部的资源显示出明确的经济价值。二是数字资产交易和融资：二是数字资产交易和融资：在数字资产交易和融资领域，数字资产确权报告可用于证明特定数字资产的权利和价值，以便协助市场主体更好地获得资金。三是证据锁定：三是证据锁定：数字资产确权报告还可以基于资产保护层面确保数据资产合法性和许可使用。数据资产的确权报告与数据资产的登记行为之间存在一定关系：数据资产的确权报告与数据资产的登记行为之间存在一定关系：两者都涉及到了数据资产的权益体现。前者是通过法律方法将内部的数据资源进行论证，为其外显提供法律依据。后者直接通过登记形式达到外显的目的。两个方法不同，目的一致。数据资产的确权报告由律师事务所基于对事实的调查、证据的核对，用于证明主体对数据资产具有所主张的权益。数据资产的登记是指将数据资产的权益信息记录在相关的官方或权威机37构的资料中，以达到对外宣示的作用。登记通常需要提交一定的证明和文件。数据资产确权和数据资产登记之间并不矛盾：数据资产确权和数据资产登记之间并不矛盾：一是确权报告可以作为登记的依据之一：在没有证据直接证明市场主体对数据资产具有拥有或控制权的情况下，提交确权报告是进行登记的先决条件之一。确权报告提供了资产权属和权益的详细证明，可以为登记机构提供必要的信息，以确保登记的准确性和可靠性。二是数据资产登记可以作为确权报告的附加证明：数据资产的登记作为宣示记录的存在，可以为确权报告提供支持。登记机构的记录与律师进行确权过程中的调查信息交叉核实，进一步证明资产的权属和权益的合法性和有效性。需要注意的是，律师事务所提交给市场主体的确权报告系律所尽调结果的交付行为。该行为不代表市场主体完成了数据的权属公示。针对数据资产的登记需要由市场主体向登记机关发起登记申请，并提供相关材料予以证明。律师对数据尽调并出具确权报告的目的在于为企业提供避免侵权、合理收益、争议解决提供依据。4.5 数据资产登记业务数据资产登记业务4.5.1 数据资产登记与入表的关系一方面，数据资产登记是数据资源入表后实现数据价值变现的前提。数据资产登记与入表的关系一方面，数据资产登记是数据资源入表后实现数据价值变现的前提。经过数据资产确权、评估、入表后，企业往往希望通过数据资本化、数据流通交易等方式实现数据价值变现，而数据资产登记就是对数据的合法合规性进行审核及登记认证，为企业数据进入流通市场颁发“入场券”。另一方面，数据资产登记可以推动企业重视并开展入表工作。另一方面，数据资产登记可以推动企业重视并开展入表工作。通过数据资产登记，企业提升了数据资产意识，调动了参与市场积极性，而数据资源入表就是显化数据资产价值，提升企业信用评级和融资能力的重要途径。因此对于计划或已经进行数据资产38登记的企业而言，数据资源入表有助于企业打通数据资产化、资本化全环节，实现数据价值最大化挖掘与变现。4.5.2 数据资产登记的目标数据资产登记的目标数据资产登记可以实现数据资源和数据产品登记管理，清晰梳理数据权益主体、权益属性、权益范围，实现“非登记不交易，非法数据不入场”，为数据在合法合规的前提下实现价值挖掘开发奠定坚实基础。具体而言，数据资产登记的目标包括：一是界定保护产权。一是界定保护产权。即在确权的基础上，通过登记界定数据资产的基本信息和权利归属；二是促进高效流通。二是促进高效流通。即在流通环节，通过为数据资源和产品提供交易存证，促进市场供需撮合，加速数据价格发现；三是变革要素分配。三是变革要素分配。即在分配环节，通过登记提供数据资产凭证，作为数据资产收益分配的前提；四是维护市场秩序。四是维护市场秩序。即依托登记制度健全数据市场准入体系和管理规则，为解决数据权益纠纷提供保障；五是支撑行业管理。五是支撑行业管理。依托登记体系倒推开展数据要素统计和会计核算等工作，摸清行业家底，将登记凭证作为数据要素型企业认定的依据，支撑行业扶持政策。4.6 数据资产登记流程数据资产登记流程4.6.1 数据登记数据登记数据登记分为数据要素登记和数据产品登记，程序为申请、受理、审查、公示和发证。登记申请主体为数据资源或数据产品的持有人，公示无异议后可授予登记主体数据资源持有权或数据产品经营权。4.6.2 授权登记授权登记授权登记是数据登记主体授予其他主体产权，可授予其他主体数据加工使用权和数据产品经营权。4.6.3 转移登记转移登记转移登记是登记主体发生转移，由一方转移给另一方，可由原登记主体发起，也可由新登记主体发起。转移审核通过需等待39公示期，公示期内无异议，原登记主体将不再拥有享有数据资源的数据资源持有权或数据产品经营权。4.6.4 变更登记变更登记变更登记是当数据资源的登记信息发生重大改变时，由登记主体发起的登记，经审查、公示通过后即可完成登记。4.6.5 注销登记注销登记注销登记分为主动注销和被动注销。主动注销是当主体不再享有登记的权利时，可主动发起注销登记，注销审核通过需等待公示期，公示期内无异议，将注销该证书。被动注销是该登记的数据资源有纠纷或者涉及侵犯他人隐私或国家安全等影响时，由运营后台人员直接注销。4.7 数据资产线上登记数据资产线上登记图 5 数据资产登记平台示例图通过建设数据资产登记平台（如图 5 所示），以线上服务的方式，实现对数据资产相关权利进行形式审查、登记认证和信息公开，为数据进入市场流通交易颁发“入场券”。数据资产登记平台的建设，不仅能有效解决政府、企业由于担心触犯隐私保护和数据安全相关法律法规，而导致“想用数据解决问题，又怕使用数据产生问题”的困境，又能确保数据主体互信难题，避免因数40据资产在后续流通交易中在权属可靠性和内容合法合规性方面出现纰漏。为了全面支撑数据资产登记业务，我们建议该平台提供以下功能：1.全流程管理。全流程管理。数据资产登记平台可用于实现对数据登记的全流程管理，包括数据权属的申请和审核、资产登记和记录、登记结果的查验等环节。同时对数据登记业务进行监管，包括数据采集、使用和共享的合规性审核和管理，数据隐私的保护和安全控制等。通过对数据登记整个流程进行管理和控制，以确保登记过程的透明、公正、高效和合规，同时也保障了数据的合法性和隐私保护的有效性。2.全场景覆盖。全场景覆盖。数据资产登记平台应当支持数据资源持有权、数据加工使用权、数据产品经营权三大权利进行权属登记。同时提供分别为数据登记、授权登记、转移登记、变更登记和注销登记等类型的登记业务，覆盖用户的使用场景，能够应用于各种不同的业务领域和场景，满足不同行业和企业的数据登记需求。415.提高数据治理能力，保障高品质、高价值数据资源供给提高数据治理能力，保障高品质、高价值数据资源供给数据治理是数据资产入表前的重要环节之一。企业需要建立一套完整的数据治理体系，包括数据采集、存储、处理、分析、共享等环节，以此保障高品质、高价值数据资源供给。在数据治理过程中，企业需要明确数据的来源、目的、质量标准、使用权限等，以确保数据的合规性和规范性。建立和维护数据血缘有助于后续数据资产评估和入表过程中实现精准的成本分摊，有望从数据资产角度助力业务财务精细化管理。5.1 治理的目标与价值治理的目标与价值5.1.1 数据治理的定义数据治理的定义数据治理是企业中涉及数据使用的一套管理行为。它由企业数据治理部门发起并推行，数据治理旨在制定和实施针对整个企业内部数据的商业应用和技术管理的一系列政策和流程。根据国际数据管理协会（DAMA）的定义，数据治理是对数据资产管理行使权力和控制的活动集合。而国际数据治理研究所（DGI）则将其定义为，通过一系列信息相关的过程来实现决策权和职责分工的系统。简单来说，数据治理主要涉及到数据的整个生命周期管理、数据质量管理、数据安全性和合规性管理等多个方面，它确保了企业能够有效地管理和控制数据资产，以便最大限度地发挥其价值并降低潜在风险。5.1.2 数据治理的目标数据治理的目标数据治理的目标是使企业能够将数据作为资产进行有效管理。它提供了一套治理原则、制度、流程和整体框架，设立了管理指标，以监督数据资产的管理，并在数据管理过程中指导各层级的活动。数据治理的目标主要包括以下几个方面：42一是提高数据质量：一是提高数据质量：通过规范数据采集、存储、处理等流程，建立数据清洗、去重、校验等多种机制，以提高数据的准确性、完整性和一致性。二是促进数据共享：二是促进数据共享：在保障数据隐私和安全的前提下，打破不同部门间的信息孤岛，促进数据共享，实现跨部门、跨领域、跨企业的数据互通，提升业务流程效率和数据应用价值。三是保障数据安全：三是保障数据安全：通过建立完善的数据安全体系和安全策略，降低数据泄露、数据丢失等风险，提高数据的安全性和可靠性。四是优化业务流程：四是优化业务流程：通过数据治理，规范各项业务流程和数据标准，简化流程，提高效率，降低成本，从而实现业务运营的顺畅和高效。五是符合法规要求：五是符合法规要求：遵守相关法规和合规要求，确保数据的合法合规使用。通过数据治理，实现提高数据的质量、保障数据安全、确保数据合法合规、促进数据共享等目标，为数据资源入表提供前提条件。5.1.3 数据治理的价值数据治理的价值数据治理的主要价值在于确保数据在企业中得到有效的管理、利用和保护，从而支持企业的战略目标、提高效率、降低风险，并推动创新和竞争优势的实现。这些价值因企业的特定需求和行业而异，但数据治理通常被认为是数据管理的核心组成部分，对企业的长期成功至关重要。数据治理价值主要包括以下几个方面：一是数据合规性和法律遵守：一是数据合规性和法律遵守：数据治理有助于确保企业的数据处理活动符合法律法规和行业标准。这可以降低法律风险，避免潜在的罚款和法律诉讼。43二是数据质量提升：二是数据质量提升：数据治理通过定义数据质量标准和规范，有助于提高数据的准确性、完整性和一致性。三是决策支持：三是决策支持：数据治理确保数据可用并易于访问，以支持企业内的决策制定过程。高质量、高一致性的数据有助于制定更明智的决策，从而降低了因不准确或不完整数据导致的风险。四是效率提升：四是效率提升：数据治理有助于消除数据冗余、提高数据利用率和降低数据存储和管理成本。五是创新和竞争优势：五是创新和竞争优势：通过更好地理解和利用数据，数据治理可以促进创新，并帮助企业更好地适应市场变化，增强企业的竞争优势。六是风险管理：六是风险管理：数据治理有助于识别和管理数据相关的风险，包括数据泄露、数据丢失和不当使用等风险，同时可提高企业的数据安全性。七是数据共享和合作：七是数据共享和合作：通过明确数据的定义、规则和权限，数据治理可以促进数据在企业内和与合作伙伴之间的共享。八是提高数据文化：八是提高数据文化：数据治理有助于在整个企业中建立数据意识和数据驱动的文化，使员工更好地理解数据的价值和用途。5.2 数据治理资源管理体系数据治理资源管理体系5.2.1 数据资源盘点数据资源盘点通过对数据资产盘点，可以全面了解企业所拥有的各类数据资源的数量、类型和分布情况，进而明确各类数据的属性和与其他数据的关系。在此基础上，企业可以进一步确定各类数据资源的价值，结合数据质量、业务需求、数据安全性等多方面因素进行评估。例如，对于某些高度敏感的数据，如财务数据、人力资源数据等，其价值可能较高，因为它们对于企业的业务发展和决策制定具有重要意义。44通过数据资源盘点，还可以明确每类数据资源的业务归属和责任人，这有助于在后续的数据治理过程中更好地管理和维护数据。同时，还可以了解数据的存储位置和访问权限情况，从而更好地控制数据的安全性和合规性。数据资源盘点的步骤主要包括以下几个方面：一是确定盘点的目的和范围。一是确定盘点的目的和范围。首先需要明确数据资源盘点的目的和范围。例如，是为了了解数据的现状、发现新的数据资源、评估数据质量还是其他目的。同时，还需要明确数据资源的范围，包括数据的类型、所属部门、地域等信息。二是制定盘点计划和时间表。二是制定盘点计划和时间表。根据盘点的目的和范围，制定相应的盘点计划和时间表。需要明确盘点的方法、人员分工、时间节点等信息，并选择合适的技术和工具来支持盘点工作。三是收集和整理数据资源信息。三是收集和整理数据资源信息。对每一种类型的数据资源进行详细的收集和整理。例如，对于数据库资源，可以通过访谈数据库管理员、查阅数据库文档等方式来收集数据资源的名称、类型、访问地址等信息。同时，还需要了解每类资源的访问状态、使用情况等信息。四是数据资源的清点和记录。四是数据资源的清点和记录。对每一种类型的数据资源进行详细的清点和记录，例如数据库中的表数量、数据量、数据文件的大小和个数等。需要确定数据资源的数量和状态，并对数据进行必要的分类和分层管理。5.2.2 数据资源目录数据资源目录数据资源目录是数据资源管理体系中的重要环节，是为了清晰地展示企业或组织内部的各种数据资源的信息，为用户提供方便快捷的数据访问和查询服务。数据资源目录通常伴随数据资源盘点而产出。主要包括以下几点：一是数据资源目录的构建。一是数据资源目录的构建。通过数据资源盘点，收集并整理出企业或组织内部的各种数据资源信息，包括数据的类型、名称、45访问地址等，构建数据资源目录，并对数据进行分类和分层管理，例如按照数据的来源、处理过程、主题等进行分类，或者按照数据的层级结构进行分层管理。二是数据资源目录的存储和维护。二是数据资源目录的存储和维护。数据资源目录需要存储在一个方便访问的位置，例如企业内部网络、云存储等。同时，还需要对数据资源目录进行定期的更新和维护，例如当数据资源发生变化时及时更新目录信息，以确保其准确性和完整性。三是数据资源目录的访问方式。三是数据资源目录的访问方式。数据资源目录应该支持多种访问方式，例如通过浏览器、命令行、API 接口等访问方式进行查询和访问。同时，还需要设置相应的访问权限和安全性控制，例如身份认证、授权控制等，以保证数据资源目录的安全性和稳定性。四是数据资源目录的元数据管理。四是数据资源目录的元数据管理。数据资源目录中可以包括数据的元数据信息，例如数据的来源、数据的格式、数据的主题等。这些元数据信息可以帮助用户更好地了解和掌握数据的含义和作用，同时也可以用于数据的分析和挖掘。因此，数据资源目录还需要支持元数据的管理和维护。（1）数据资源属性）数据资源属性数据资源属性有助于我们更好地了解和掌握每种数据资源的具体情况，例如数据的来源、数据的处理过程、数据的格式等。同时，数据资源属性还可以用于管理和控制数据的访问和使用，例如设置数据的访问权限、数据的共享范围等。数据资源属性可以从不同的角度进行定义和分类。不同的应用场景下可能会有不同的划分方式和标准。同时，数据资源的属性也可能随着技术的进步和应用场景的变化而发生变化。以下主要以三种常见的角度来对数据资源属性进行定义和分类：46一是根据数据的特征和维度。一是根据数据的特征和维度。结构化数据资源和非结构化数据资源。结构化数据资源是指具有固定格式和有限可变性的数据，例如数据库中的数值型数据、字符型数据等。非结构化数据资源则是指没有固定格式或可变性更高的数据，例如文本、图像、音频、视频等。静态数据资源和动态数据资源。静态数据资源是指相对稳定、不经常变化的数据，例如历史数据、基础数据等。动态数据资源则是指经常变化、不断更新的数据，例如实时监测数据、用户行为数据等。二是根据数据的处理过程和方式。二是根据数据的处理过程和方式。数据采集、存储、传输、处理等环节的属性，例如数据的来源、数据的格式、数据的处理方式、数据的存储方式等。数据挖掘、分析、可视化等环节的属性，例如数据的挖掘算法、数据的分析模型、数据的可视化展现方式等。三是根据数据的价值和作用。三是根据数据的价值和作用。涉及数据资源的业务属性和技术属性。业务属性包括数据的业务定义、业务规则等，技术属性则包括数据的计算机存储和处理方式等。涉及数据资源的经济属性和非经济属性。经济属性是指可以通过市场交易或商业化运营创造价值的数据资源，例如共享单车骑行数据可以成为企业的经济资源。非经济属性则是指不涉及市场交易或商业化运营的数据资源，例如个人信息、政府公开信息等。（2）数据资源血缘关系）数据资源血缘关系数据资源血缘关系是指各种数据资源之间的依赖关系和连接方式，即数据的来源、处理过程和结果之间的关系。通过了解数据资源之间的血缘关系，可以更好地理解数据的流向和转换过程，从而更好地管理和使用数据资源。数据资源血缘关系主要分为血缘关系的建立、维护管理和应用。一是数据资源血缘关系的建立。一是数据资源血缘关系的建立。47识别数据资源的源头。某个数据资源可能是由多个数据源整合而来，需要找出这些数据源并了解它们之间的关系。分析数据资源的处理过程。某个数据资源可能经历了多个数据处理过程，需要找出这些处理过程并了解它们之间的关系。确定数据资源的输出结果。某个数据处理过程可能产生了多个输出结果，需要找出这些输出结果并了解它们之间的关系。基于上述信息建立数据资源血缘关系图。可以使用各种图表工具来建立数据资源血缘关系图，例如 ER 图、流程图、组织结构图等。二是数据资源血缘关系的维护和管理。二是数据资源血缘关系的维护和管理。确保数据资源血缘关系的准确性。当数据源、数据处理过程或输出结果发生变化时，需要相应地更新数据资源血缘关系图。保证数据资源血缘关系的完整性。当新增或删除数据源、数据处理过程或输出结果时，需要相应地更新数据资源血缘关系图。对数据资源血缘关系进行定期审计和检查。定期对数据资源血缘关系图进行检查和审计，以确保其准确性、完整性和一致性。将数据资源血缘关系图集成到数据资源管理体系中。将数据资源血缘关系图作为数据资源管理体系的一部分，与其他数据资源管理环节进行集成和整合。5.3 数据资源入表治理路径数据资源入表治理路径5.3.1 治理路径数据资源入表的治理路径主要围绕治理路径数据资源入表的治理路径主要围绕“理理”，“制制”，“洗洗”，“存存”，“维维”五步进行。五步进行。即理清数据资源、制定治理规范、数据清洗整合、数据资源存储、数据维护监控。理清数据资源：理清数据资源：首先要明确企业内部的各类数据资源，包括结构化数据和非结构化数据等，以及这些数据的来源、质量和使用情况。该步骤可以通过对业务部门的需求调研、对现有系统的了解和分析、以及对数据质量进行评估来完成。48制定治理规范：制定治理规范：针对确认过的数据资源，需要制定相应的治理规范，包括数据清洗和整合的规则、数据格式和类型的定义、数据存储和备份的方式等。需要考虑数据的完整性、准确性、一致性、可读性和可维护性等方面的要求，同时还需要考虑数据的安全性和可靠性等方面的要求。数据清洗整合：数据清洗整合：根据治理规范，对原始数据进行清洗和整合，包括去除重复和错误的数据、补充缺失的数据、将不同来源的数据进行合并和关联等。数据清洗和整合可以提高数据的质量和可用性，同时还可以减少数据的冗余和重复。数据资源存储：数据资源存储：将清洗和整合后的数据按照规定的格式和流程录入到数据库或数据仓库中，同时进行数据的质量检查和完整性验证。并需要考虑数据的准确性、完整性和一致性等方面的要求，同时还需要考虑数据的可扩展性和可维护性等方面的要求。数据维护监控：数据维护监控：在数据存储后，需要进行数据的维护和监控，包括定期的数据备份和恢复、数据质量的监控和管理等，以确保数据的安全性和可靠性。同时还需要对数据进行分类、分主题地进行整合，形成主题化的数据表，方便后续的数据分析和应用。5.3.2 入表知识库入表知识库入表知识库是一个综合性的资源库，它提供了与数据入表相关的全面、系统和实用的知识和经验，以支持数据治理和数据管理的顺利进行。通过不断丰富和完善知识库，企业可以更好地应对不断变化的数据环境和业务需求，提高数据治理的效果和价值。以下是对入表知识库的详细说明：一是规范指南。一是规范指南。描述如何根据企业的业务需求和数据标准，制定相关的规范和流程。规范指南包括了数据的格式、类型、精度、表达方式等方面的规定，以及数据清洗、整合、验证的规则和方法。例如，指南应明确数据的格式是 CSV、JSON、XML 等，数据的精度应符合企业业务需求，数据表达应清晰易懂等。49二是操作手册。二是操作手册。包括数据的准备、采集、传输、存储、备份等步骤。操作手册应提供详细的步骤、流程图、示例代码等，以帮助操作者理解和执行数据资源入表的操作。例如，手册应明确数据的来源和获取方式，数据的清洗、整合和验证方法，数据的存储位置和备份策略等。三是知识库。三是知识库。主要包含了与数据资源相关的知识和经验，例如，数据资源入表的历史案例、经验总结、常见问题及解决方案等。知识库应提供方便的查询和检索方式，以便使用者快速找到所需的知识和经验。例如，知识库应包括不同数据源的数据采集方法、不同数据格式的转换方法、数据清洗和整合的技巧等。四是工具和方法。四是工具和方法。主要描述了入表过程中所使用的工具和方法，例如数据处理软件、数据转换工具、数据分析工具等。入表工具和方法应提供相应的文档和教程，以便使用者能够快速掌握和使用这些工具和方法。例如，工具应具备自动化、智能化数据处理的功能，方法应具备高效、可靠的数据处理流程等。506.注重数据质量评价，确保数据资源入表的质量和可靠性注重数据质量评价，确保数据资源入表的质量和可靠性数据质量直接影响数据资源的真实价值和业务贡献，进而影响企业财务报表。因此，客观、准确的数据质量评价将有助于提升数据资产的价值,使各方获得高质量可靠的数据,避免数据质量问题带来的负面影响,是数据资产管理中的关键环节。充分认识质量评价的目的和作用,制定科学的评价方案,将大大推动数据资源的有效利用。6.1 数据质量评价的目的和意义数据质量评价的目的和意义6.1.1 数据质量评价的目的数据质量评价的目的数据质量是指数据在指定条件下使用时，其特性能够满足明确的或者隐含的要求的程度。数据质量评价的主要目的有:一是提高数据的可信度和有效性。一是提高数据的可信度和有效性。通过评价可以检验数据的质量,找出存在的问题,然后采取措施改进,确保数据真实可靠。二是为数据应用提供质量保障。二是为数据应用提供质量保障。高质量的数据才能带来有效的分析和决策,否则会导致错误的结果。质量评价可以防止低质量数据的误用。三是评估数据资产的价值。三是评估数据资产的价值。数据的质量直接影响其价值和功效。质量评价可以给出数据质量的定量指标,为数据资产的定价和管理提供依据。四是指导数据管理工作。四是指导数据管理工作。质量评价可以判断出数据质量存在的问题,从而针对性地改进数据采集、存储、处理等环节,指导数据管理。五是评估数据项目的进展。五是评估数据项目的进展。定期开展质量评价,可以监测数据质量的变化,考核数据管理工作的效果。六是建立数据质量意识。六是建立数据质量意识。将质量评价作为常规工作,可以使企业重视数据质量,形成良好的数据治理文化。6.1.2 数据质量评价的意义数据质量评价的意义数据质量评价的意义主要体现在以下几个方面:51一是判断数据质量好坏一是判断数据质量好坏,找出存在的问题。找出存在的问题。质量评价可以检查数据的准确性、完整性、一致性等指标,发现数据错误、缺失、冗余等问题。二是为数据治理和管理提供依据。二是为数据治理和管理提供依据。评价结果可以定位出数据质量管理工作的不足,提出改进措施,指导后续的数据采集、处理、存储等过程。三是引导重视数据质量。三是引导重视数据质量。将质量评价作为常规工作,会推动企业形成质量意识,管理层重视数据质量。四是评估数据价值四是评估数据价值,支持决策。支持决策。高质量的数据更有价值,可以支持数据驱动的决策。质量评价提供了判断数据价值的定量依据。五是监控质量变化五是监控质量变化,考核工作效果。考核工作效果。定期开展质量评价,可以监测数据质量变化情况,评估数据管理工作成效。六是遵守相关规范要求。六是遵守相关规范要求。某些行业或政府部门会要求进行数据质量评估,这是遵守法规的需要。七是为数据治理提供技术支持。七是为数据治理提供技术支持。评价可以验证治理规则的执行效果,优化治理策略。数据质量评价在提高数据质量、价值、治理水平方面起到关键作用,质量评价结果会直接影响到数据资产的价值评估。6.2 数据质量评价方法数据质量评价方法6.2.1 数据质量评价指标数据质量评价指标指标设计原则包括科学性原则、系统性原则、通用性原则、可操作性原则、协调性原则、引导性原则。科学性原则是指采用科学的指标体系设计和计算方法；系统性原则指评价指标架构完整、结构、层次清晰；通用性原则指能够满足多行业、各阶段的数据质量评价要求，适用于数据全生命周期；可操作性原则指设计概念明确、定义清楚，计算方法简明，评价方式可行；协调性原则指复合法律法规，与相关标准相协调；引导性原则指可引导评估单位和被评估单位快速选择针对性的指标进行评价。指标体系参考GBT36344-2018 信息技术数据质量评价指标、LYT2922-2017 林业数据质量评价方法等数据质量评价文档，从数据的规范性、完整性、准确性、一致性、时效性、52可访问性 6 个维度，20 个二级指标，然后通过特定指标规则和数据的形态格式与数据处理的具体环节紧密相关,在不同的实际环境中,会根据使用的数据接口、数据处理技术和功能的不同有不同的三级、四级评价指标，如图 6 所示。图 6 数据质量评价指标框架图6.2.1 数据质量评价方法分类数据质量评价方法分类目前关于数据质量评价方法的研究，主要包括定性评价、定量评价以及定性定量相结合的三种评价方法。一是定性评价。一是定性评价。定性评价是依据专业领域知识和个人经验理解，按照一定的评价标准进行估计和推断的一种评价方法。目前的定性评价方法主要是数据质量指标量化法，许多学者认为数据质量是一个多维度的概念，因此从不同角度提出了数据质量评价的定性指标。早期，有些学者提出了数据质量评价的最基本的 4个指标，即准确性、时效性、完整性和一致性，在此基础上，现在有些学者将各个现有指标归类，分为直接指标体系和间接指标体系，并采用 GQM(目标一问题式)的方式构建数据质量评价指标。二是定量评价。二是定量评价。定量评价主要通过把评价指标量化，并采用模型和数学统计方法对评价对象作出判断和分析评价。这种方法能够较好地保证评价结果的科学性和客观性，使其具有较好的信度，多数情况下，定量评价用于结构化数据库的评价，例如在针53对关系数据库数据质量的精确性和完整性这两个重要指标进行评价时，通过关系代数操作进行量化，通过数据和“最近似”间的信息量差异来定量分析；基于概率论，对数据质量的时效性指标建立评价体系。三是定性定量相结合的评价。三是定性定量相结合的评价。定性定量相结合的评价，其主要做法是在定性评价方法的基础上引入数学手段，定性问题通过人工设定的标准进行评分并做出量化处理，评分的过程都是针对事先建立的指标体系，具有部分数理统计的特征，如德尔菲法、模糊综合评价法、层次分析法等。定性评价主要是用于满足数据用户的需求，主要是采用数据质量调查的方式构建评价指标体系。定量评价是一种客观评价方法，但一般缺少上下文的情景知识，仅是依赖于应用程序的规则或约束判断，除了常用于结构化数据的评价外，部分自动化评价技术也被应用于网络数据资源的质量评价。在数据质量的多维度评价上，定性定量相结合的评价是目前较为常见的评价方法。6.3 数据质量评价流程数据质量评价流程6.3.1 分析需求，明确目标分析需求，明确目标对具体业务数据的数据质量评价是以业务需求为中心进行的，首先必须了解具体业务针对特定数据资源的需求特征才能建立针对性的评价指标体系。同时，同一份数据在不同的生命周期中，其质量的关注点是存在差异的，因此需要明确当前阶段数据质量管理的目标。有了明确的目标，才能开始对数据进行合理的评价。6.3.2 确定评价对象及范围确定评价对象及范围确定当前评价工作应用的数据集的范围和边界，明确数据集在属性、数量、时间等维度的具体界限。需要说明的是，评价对象既可以是数据项也可以是数据集，但一定是一个确定的静态的集合。546.3.3 选取质量评价维度及评价方法选取质量评价维度及评价方法数据质量维度是进行质量评价的具体反映，如正确性、准确性等，它是控制和评价数据质量的主要内容。因此，首先要依据具体业务需求选择适当的数据质量维度和评价指标。另外，要选取可测、可用的质量维度作为评价指标准则项，在不同的数据类型和不同的数据生产阶段，同一质量维度有不同的具体含义和内容，应该根据实际需要和生命阶段确定质量维度。数据质量评价在确定其具体维度和指标对象后，应该根据每个评价对象的特点，确定其测度及实现方法。对于不同的评价对象一般是存在不同的测度的，以及需要不同的实现方法支持，所以应该根据质量对象的特点确定其测度和实现方法。6.3.4 进行质量评价进行质量评价根据前面四步确定的质量对象、质量范围、测量及其实现方法开展质量评测工作。评价对象的质量应当由多个质量维度的评测来反映，单个数据质量测量是不能充分、客观评价由某一数据质量范围所限定的信息的质量状况，也不能为数据集的所有可能的应用提供全面的参考，多个质量维度的组合能提供更加丰富的信息。6.3.5 出具数据质量评价报告出具数据质量评价报告经过抽样、度量、评价之后，就可以得到评价结论，并撰写数据质量评价报告。在这份报告当中，应当包括数据质量目标、范围、结论、分析以及质量改善建议，并通过可视化方式展现在报告当中。数据质量评价报告不是最终的目的，这份报告对后续数据质量的管理，数据治理等都具有重要参考意义。6.4 数据质量智能评价数据质量智能评价通过智能化、标准化、一体化的数据质量评价，基于行业领域知识和数据质量评价专业方法，实现全方位数据质量评价，有55助于企业发现数据质量问题并进行系统性质量改善，提高数据质量评价效率，提升数据资产价值，如图 7 所示。图 7 数据质量智能评价报告示意图数据资产质量智能评价可以围绕国家标准、行业标准、技术规范等标准体系，从规范性、完整性、准确性、一致性、时效性、可访问性六大维度进行数据质量评价。在数据探查、规则库配置、智能任务调度、评价体系定制、评价报告生成、质量归因分析等六个方面实现自动化分析和处理，从而轻松实现科学、全面、专业的数据质量评价。567.构建数据资产评估体系，显性化数据资源资产合理价值构建数据资产评估体系，显性化数据资源资产合理价值作为一项资产，数据应当拥有可计量的实际价值。然而数据资产评估不同于传统评估，由于其非实体性的特点，在评估过程中，需充分结合评估目的，结合其自身的特点及所处阶段恰当选择评估方法及适当的评估路径，合理定价。数据资产评估是发现数据资产市场价值的一种方法，有助于提高企业管理数据资产的能力和效率。7.1 数据资产评估数据资产评估7.1.1 数据资产评估的概念数据资产评估的概念数据资产评估指导意见 对数据资产评估的定义进行了明确。数据资产评估是指资产评估机构及其资产评估专业人员遵守法律、行政法规和资产评估准则，根据委托对评估基准日特定目的下的数据资产价值进行评定和估算，并出具资产评估报告的专业服务行为。7.1.2 数据资产评估的意义数据资产评估的意义资产评估是促进资产交易公平合理进行的市场中介行为。数据资产评估是通过评估数据资产的价值，对数据资源配置进行优化的重要工具，是维护数据市场交易秩序，促进数据市场公平竞争不可或缺的环节。我国是以公有制为主体、多种所有制经济共同发展为基本经济制度的社会主义国家。随着国有企业改革的深化和其他所有制经济混合所有制经济的发展，各种经济体制企业之间的资产转让、并购、重组、股权交易比较频繁。而数据作为新的生产要素，早已广泛存在于各企业当中。科学、合理地量化数据资产的价值，能够有效的保护各个经济体、市场参与者的经济利益等合法权益。577.2 数据资产评估的评估目的数据资产评估的评估目的数据资产评估的评估目的通常是指数据资产评估报告和数据资产评估结论的预期用途，由数据资产评估委托人拟实施的经济行为决定。数据资产评估常见的经济行为有：1.以数据资产对外投资；2.数据资产转让、置换；3.数据资产处置；4.以数据资产偿还债务；5.数据资产涉讼；6.收购数据资产；7.接受数据资产出资；8.接受数据资产抵债；9.以数据资产引投引战；10.数据资产授信融资；11.数据资产抵质押；除以上经济行为外，当数据持有人有提高内部管理水平、量化资产价值等需求时，也可对数据资产进行评估。7.3 数据资产评估主要工作过程数据资产评估主要工作过程7.3.1 前期沟通交流前期沟通交流首先应明确数据资产评估业务的基本事项。需明确的数据资产评估业务基本事项如下：1.委托人、产权持有人和委托人以外的其他资产评估报告使用人；2.评估目的；3.评估对象和评估范围；4.价值类型；5.评估基准日；586.资产评估项目所涉及的需要批准的经济行为的审批情况；7.资产评估报告使用范围；8.资产评估报告提交期限及方式；9.评估服务费及支付方式；10.委托人、其他相关当事人与资产评估机构及其资产评估专业人员工作配合和协助等需要明确的重要事项。在明确上述基本事项后，还需进一步明晰被评估数据资产的基本情况，例如：数据资产的信息属性、法律属性、价值属性等。信息属性主要包括数据名称、数据结构、数据字典、数据规模、数据周期、产生频率及存储方式等。法律属性主要包括授权主体信息、产权持有人信息，以及权利路径、权利类型、权利范围、权利期限、权利限制等权利信息。价值属性主要包括数据覆盖地域、数据所属行业、数据成本信息、数据应用场景、数据质量、数据稀缺性及可替代性等。在明确基本事项的基础上，评估人员与委托人、数据持有人及相关当事方共同协商制定评估工作方案，完成数据资产申报和数据资产评估资料准备。7.3.2 对数据资产进行核实验证对数据资产进行核实验证根据数据基本情况和客观条件，制定适当的清查核实方案；按照方案，对数据资产的真实性、有效性、完整性等进行核验。根据评估业务具体情况和数据资产的特性，对被评估数据资产进行具有针对性的现场调查。现场调查手段通常包括询问、访谈、核对、监盘、勘查等。由于数据资产具有非实体性、依托性等特征，核对、监盘、勘查等手段通常采用技术手段实现。7.3.3 收集数据资产评估相关资料信息收集数据资产评估相关资料信息相关信息包括数据资产基本信息、权利信息、相关财务会计信息和其他资料。调查方式包括核查验证、分析整理及记录等。59对于数据资产基本信息的核查，还可能通过利用数据领域专家工作成果及相关专业报告等多种方式方法。在此阶段，需重点关注影响数据资产价值的各项因素，并收集包括数据资产基本信息、权利信息、相关财务会计信息在内的相关资料。（1）影响数据资产价值的因素）影响数据资产价值的因素通常，影响数据资产价值的因素包括成本因素、场景因素、市场因素和质量因素。成本因素包括形成数据资产所涉及的前期费用、直接成本、间接成本、机会成本和相关税费等。场景因素包括数据资产相应的使用范围、应用场景、商业模式、市场前景、财务预测和应用风险等。市场因素包括数据资产相关的主要交易市场、市场活跃程度、市场参与者和市场供求关系等。质量因素包括数据的准确性、一致性、完整性、规范性、时效性和可访问性等。根据工作方案，对数据资产的收益状况、成本构成、市场表现等方面进行现场调研和访谈，收集相关资料。（2）收集相关资料）收集相关资料需收集的资料包括数据资产基本信息、权利信息、相关财务会计信息和其他资料等，资料来源包括数据持有人、相关当事方，以及公开市场、政府部门、各类专业机构和其他相关部门等公开渠道。在完成对信息和资料的核查验证后，对其进行分析、归纳和整理，作为评定估算和编制资产评估报告的依据。核查验证的方式通常包括观察、询问、书面审查、实地调查、查询、函证、复核等。607.3.4 评定估算和撰写评估报告评定估算和撰写评估报告以上述过程中明确的评估目的、评估对象、价值类型，以及信息和资料收集等情况为依据，分析市场法、收益法和成本法三种资产评估基本方法的适用性，选择评估方法，建立适当的评估模型，选取相应的公式和参数进行分析、计算和判断，对数据资产价值进行评定估算，形成测算结果。在对形成的测算结果进行综合分析后，形成合理评估结论。在评定、估算形成评估结论后，撰写并形成初步数据资产评估报告。7.3.5 向相关当事人征求意见向相关当事人征求意见在不影响对数据资产评估结论进行独立判断的前提下，与委托人或者委托人同意的其他相关当事人就数据资产评估报告有关内容进行沟通，对沟通情况进行独立分析，并决定是否对数据资产评估报告进行调整。7.3.6 出具数据资产评估报告出具数据资产评估报告在完成上述资产评估程序后，出具并提交正式数据资产评估报告。数据资产评估报告样例见附件。7.4 评估依据评估依据评估依据是指数据资产评估所采用的法律法规依据、准则依据、权属依据及取价依据等。7.4.1 法律法规依据法律法规依据通常包括与数据资产评估有关的法律法规等。常见的法律法规依据有中华人民共和国民法典、中华人民共和国数据安全法、中华人民共和国个人信息保护法等。在数据资产评估业务中，还应关注数据资产的应用场景以及数据资产应用所涉及的地域、领域方面的法律法规。617.4.2 准则依据准则依据包括本数据资产评估业务中依据的相关资产评估准则和相关规范。常见的准则依据有资产评估基本准则、资产评估执业准则资产评估报告、数据资产评估指导意见、GB/T36344-2018 信 息 技 术 数 据 质 量 评 价 指 标 、GB/T40685-2021信息技术数据资产管理要求国家标准等。7.4.3 权属依据权属依据通常包括数据资产相关登记证书、知识产权证、转让合同、投资协议、其他权属证明文件等。7.4.4 取价依据取价依据通常包括数据持有人提供的财务会计、经营方面的资料，国家有关部门发布的统计资料、技术标准和政策文件，以及评估机构收集的有关询价资料、参数资料等。7.5 评估方法及适用条件评估方法及适用条件确定数据资产价值的评估方法包括收益法、成本法和市场法三种基本方法及其衍生方法。评估方法的选择，将根据评估目的、评估对象、价值类型、资料收集等情况，对上述三种基本方法的适用性进行分析确定。7.5.1 收益法收益法收益法是基于预期收益评估资产价值的方法，其核心思路是估计未来数据资产产生的业务收益，并考虑资金的时间价值，将各期收益加总获得数据价值。收益法的基本模型为P=i=1nRi（1 r）i?式中：P被评估数据资产价值；Ri未来第 i 年的预期收益；62r折现率；n收益年限；i年序号。分析收益法的适用性，应据数据资产的历史应用情况及未来应用前景，结合应用或者拟应用数据资产的企业经营状况，重点分析数据资产经济收益的可预测性、数据资产应用过程中的风险等因素。该方法能够通过预期未来收益直接体现数据价值实现过程，适用于数据资产已经实现商业化，或数据资产已具有较为明确的应用场景，且预期收益能可靠获得、预期收益期限和风险能够合理估计的数据资产。根据不同数据资产所实现的应用场景商业模式的不同，可选择直接收益预测、分成收益预测、增量收益预测、超额收益预测等不同模型进行收益预测。直接收益预测模型通常适用于被评估数据资产的应用场景及商业模式相对独立，且数据资产对应服务或者产品为企业带来的直接收益可以合理预测的情形。分成收益预测模型通常适用于软件开发服务、数据平台对接服务、数据分析服务等数据资产应用场景。增量收益预测模型通常适用于可以使应用数据资产主体产生额外的可计量的现金流量或者利润的情形，或者使应用数据资产主体获得可计量的成本节约的情形。超额收益预测模型通常适用于被评估数据资产可以与资产组中的其他数据资产、无形资产、有形资产的贡献进行合理分割，且贡献之和与企业整体或者资产组正常收益相比后仍有剩余的情形。7.5.2 成本法成本法成本法以形成资产的成本为基础计量资产价值，其核心思路是通过重新形成数据资产所需的全部投入加上合理利润及相关63税费确定数据资产的重置成本，考虑各项价值调整因素对资产价值的影响后得到数据资产价值。根据数据资产的特点，成本法可修正为重置成本乘价值调整系数。基本模型为P=C 式中：P被评估数据资产价值；C数据资产的重置成本，主要包括前期费用、直接成本、间接成本、机会成本和相关税费等。前期费用包括前期规划成本，直接成本包括数据从采集至加工形成资产过程中持续投入的成本，间接成本包括与数据资产直接相关的或者可以进行合理分摊的软硬件采购、基础设施成本及公共管理成本；价值调整系数。价值调整系数是对数据资产全部投入对应的期望状况与评估基准日数据资产实际状况之间所存在的差异进行调整的系数，例如：对数据资产期望质量与实际质量之间的差异等进行调整的系数。分析成本法的适用性，应根据形成数据资产所需的全部投入，分析数据资产价值与成本的相关程度。成本法适用于缺乏活跃的交易市场，未来预期收益暂不确定，仍处于开发阶段的数据资产。7.5.3 市场法市场法市场法是在有效、活跃市场基础上，选取可比案例对数据资产进行修正从而得到委估数据资产价值的方法。对于数据资产，使用市场法时应根据该数据资产的特点，选择合适的可比案例，对比该数据资产与可比案例的差异，确定调整系数，并将调整后的结果汇总分析得出被评估数据资产的价值。数据资产市场法的具体模型为：64P=i=1n（Qi Xi1 Xi2 Xi3 Xi4 Xi5）?式中：被评估数据资产价值；被评估数据资产所分解成的数据集的个数；被评估数据资产所分解成的数据集的序号；参照数据集的价值；1质量调整系数；2供求调整系数；3期日调整系数；4容量调整系数；5其他调整系数。分析市场法的适用性，应考虑该数据资产或者类似数据资产是否存在合法合规的、活跃的公开交易市场，是否存在适当数量的可比案例。该方法适用于具有公开且活跃的交易市场的数据资产。对案例可比性的判断，通常可从数据权利类型、数据交易市场及交易方式、数据规模、应用领域、应用区域及剩余年限等方面进行分析。7.5.4 衍生方法衍生方法基于上述三种基本方法，适用于数据资产评估的衍生方法还包括数据资产价值指数、梅特卡夫定律、大数据合作资产估值模型、实物期权模型等。658.规范会计核算方法及路径，解决数据资源资产化判断难题规范会计核算方法及路径，解决数据资源资产化判断难题财政部发布了企业数据资源相关会计处理暂行规定（财会202311 号，以下简称暂行规定），自 2024 年 1 月 1日起开始实施。这一规定的颁布对规范企业数据资源相关会计处理和加强相关会计信息披露具有重要意义，旨在落实党中央、国务院有关数字经济发展的决策部署，为数字经济健康发展提供制度性支持。暂行规定明确了适用范围、会计处理标准以及披露要求等内容，涵盖了对无形资产或存货中数据资源的各种会计处理情况,秉持了法律合规、实用性、指导性和创新性的原则。本章将重点从暂行规定的误区、入表路径以及会计计量与核算内容分解三方面梳理数据资源入表的相关会计核算基础，可引导企业有效发挥数据资源潜力，有力推动数字经济的持续健康发展。8.1 企业遵照暂行规定可能出现的误区企业遵照暂行规定可能出现的误区8.1.1 误区一：暂行规定实施后，大规模的数据资源将确认为表内资产误区一：暂行规定实施后，大规模的数据资源将确认为表内资产暂行规定 出台的目的是解决当前会计实务中数据资源能否确认为会计上的资产、入表的类型及其计量基础的疑虑能否确认为会计上的资产、入表的类型及其计量基础的疑虑，促进企业在数字化转型及数据资产管理的成效，合理合法地通过财务语言进行反映合理合法地通过财务语言进行反映。具体而言，在暂行规定中提及地资产确认条件，与现行企业会计准则基本准则中资产确认的条件一致；在计量层面，暂行规定根据数据资源的持有目的、形成方式、业务模式，引入存货与无形资产准则对符合资产确认条件的数据资源进行计量和列报。因此，企业不会因为暂行规定的实施而确认此前不符合会计准则规定的资产，也不会因为是否执行暂行规定而对实现数据资源的会计入表得出截然不同的结论。66值得注意的是，值得注意的是，虽然暂行规定并没有提出有关资产确认和计量的新条件和方法，但该规定的依然给市场和企业释放了积极的信号，推动企业稳妥论证和推进数据资源的会计入表工作。由于过往在缺乏明确规定的情况下，企业往往不敢轻易引用无形资产和存货准则进行会计处理，并倾向于简单费用化处理所有的数据资源投入。暂行规定的出台为市场主体提供了有效的规则指引，有利于引导企业加快梳理其数据资源构成，并对数据资源相关交易和事项进行会计确认、计量和报告。8.1.2 误区二：暂行规定实施后，即可以把开发应用场景之前发生的费用一起资本化误区二：暂行规定实施后，即可以把开发应用场景之前发生的费用一起资本化暂行规定采用未来适用法，明确指出在暂行规定施行前已经费用化计入损益的数据资源相关支出不再进行调整。例如，企业在暂行规定实施后通过数据资源盘点摸牌，识别出已且满足无形资产确认条件的数据资源（如：商业银行某为精准营销形成的高净值客户标签），这些数据资源对应的前期开发费用计入当期损益。因此，即使该项数据资源在暂行规定的首次施行日满足无形资产的确认条件，企业也不应再将以前已经费用化的数据资源重新资本化。8.1.3 误区三：既然称为 暂行规定，那么企业可以自行选择误区三：既然称为 暂行规定，那么企业可以自行选择“费用化费用化”还是还是“资本化资本化”暂行规定适用于所有执行会计准则的企业和单位，其本身是企业会计准则体系的一部分，要求所有企业从财务合规视角必须遵循规定。即企业不能完全不加以论证和分析，就简单将当期所有研发投入和生产投入全部费用化。同时，在暂行规定施行后，企业应根据数据资源的持有目的、形成方式、业务模式，以及与数据资源有关的经济利益的预期消耗方式等对数据资源进行分类，并根据无形资产或者存货准则对数据资源相关交易和事项进行会计确认、计量和报告。即使经判断暂不符合入表条件，67暂行规定也引入了相关披露要求。例如，暂行规定要求企业应当披露计入当期损益的数据资源研究开发支出金额。8.1.4 误区四：常见的误区四：常见的“数据交易数据交易”理解为日常持有以备出售的数据资源，计入存货科目理解为日常持有以备出售的数据资源，计入存货科目因数据资源具有典型的非排他性，多数企业进行数据交易的商业实质是为利用数据资源提供服务，即数据服务。例如，典型的场景有：某企业通过收集、采购各类数据并进一步加工形成了行业典型数据库，并对需要该类数据的客户提供服务。在该场景中，企业的数据（产品）可以提供给多个客户，客户一般只有数据（产品）的使用权，其所有权并未发生转移，企业对上述数据资源仍应确认为无形资产。企业对上述数据资源仍应确认为无形资产。因此，数据资源入表到底是计入无形资产科目还是存货科目，本质上要看企业在对外服务或者交易的过程中，数据产品权属是否发生转移或是否形成买断式交易。本质上要看企业在对外服务或者交易的过程中，数据产品权属是否发生转移或是否形成买断式交易。8.1.5 误区五：当期发生的所有的和数据资源有关的投入都可以资本化误区五：当期发生的所有的和数据资源有关的投入都可以资本化企业自创的数据资源类无形资产，在其整个生命周期，可能会出现很多支出，往往不能与企业主体运营分开。比如，企业生产过程中获得的伴生数据，按照规定这些原始伴生数据需要进行储存，并按照合规的要求投入相应的成本。这些储存与合规相关的成本属于企业主体运营所应当投入，在此并不满足相关成本可以可靠归集的要求。此外，对于当期已发生的费用，应严格区分日常维护性质的支出还是有新的或实质性改进的支出才可符合资本化的条件。8.2“五步法五步法”入表路径入表路径8.2.1 合规与确权合规与确权2022 年 12 月数据十二条提出建立保障权益、合规使用的数据产权制度，探索数据产权结构性分置制度，建立数据资源持有权、数据加工使用权、数据产品经营权的“三权分置”的数据68产权制度框架。由此可见，数据资源的合规与确权是数据资源入表的首要步骤。数据资源的合规和确权可从数据合规及数据授权两个方面展开梳理：（1）数据合规主要包括：一是数据来源合规。一是数据来源合规。企业获取数据行为不违反任何法律法规、国家政策和社会公共道德，不侵犯任何第三方合法权利。二是数据内容合规。二是数据内容合规。企业存储数据的内容需真实、合法、合规，不得存储法律法规不允许采集或存储的违法数据。三是数据处理合规。三是数据处理合规。企业处理数据行为不违反法律相关规定，符合合法、正当、必要原则。四是数据管理合规。四是数据管理合规。企业需按照法律、法规、规章和国家标准等要求，建立数据合规相关管理制度，开展包括合规管理体系搭建、风险识别、风险评估与处置等管理活动，对数据分类分级管理、数据跨境，个人信息保护等领域建立相应的全链条监督管理机制。五是数据经营合规。五是数据经营合规。企业需依法开展数据经营业务，获得相应的资质、行政许可及充分授权，建立完善的内控体系，保障数据经营业务不危害国家安全、公共利益以及侵犯个人、组织合法权益。（2）数据授权主要包括：一是在进行数据入表前，一是在进行数据入表前，企业应基于数据资源来源，梳理其完整授权链条。例如，企业自行采集个人数据时，应获得数据主体的恰当授权；企业采买个人数据时，应获得数据供应商及数据主体的恰当授权。二是企业应建立数据权属监督管理机制，二是企业应建立数据权属监督管理机制，日常维护数据资源的权属变更情况。例如，企业获取数据授权存在期限，应在资产使用寿命估计中予以合理反映和披露。8.2.2 有效治理与管理企业会计准则有关资产确认的两个条件包括有效治理与管理企业会计准则有关资产确认的两个条件包括：一是，相关经济利益很可能流入企业，一般认为经济利益流入的可能性应大于50%；二是，相关成本能够可靠地计量。上述两个条件看似简单，实则需要企业建立相对完善的数据治理和管理流程才有机会实69现。企业应尽快建立相应的数据资源管理体系，为后续持续可靠的会计计量和披露提供底层保障。其中，主要治理与管理内容界定包括如下内容：数据资产体系数据资产体系主要是指建立顶层的数据资产管理体系，明确各方职责、建立数据资产相关标准和机制，以有效承接与推动数据资源入表工作。同时数据资产管理也应与企业自身的数据管理体系充分结合。数据资源目录数据资源目录主要是指建立企业级数据资源目录，盘点具有经济利益的数据资源，通过目录、标签化、元数据属性等方式准确描述数据资源，为后续估值与会计计量提供基础。数据资产账户数据资产账户主要是指对于数据资源规模丰富、价值含量高、可精细化管理的企业，建议开设数据资产账户体系，引入内部分户账，有效管理数据资产因持续开发、应用、内外部流通带来的账面价值变化。数据资产血缘分析数据资产血缘分析主要是指为了有效支持后续数据资产成本法、收益法的不同价值分摊，实现数据资产视角的业财精细化管理，精确衡量数据资源的投产比分析等，应加强重要数据资产的血缘分析能力，形成准确的数据血缘图谱。数据资源运营数据资源运营主要是指通过数据资源入表与披露为抓手，形成企业级的数据资源内外双循环的运营能力，以财务资产视角推动各业务和技术部门的数据运营，数据运营的成果真正与企业财务表现挂钩，成为业务数字化建设的催化剂。8.2.3 预期经济利益的可行性分析预期经济利益的可行性分析如前所述，资产确认条件之一是经济利益很可能流入企业（一般指可能性大于 50%）。在数据资源预期经济利益的可行性分析层面，企业应结合不同的数据资源分类、业务交互需求和商业应用场景（数据产品和服务）分类，通过建立企业内部数据资70产价值评价体系对数据资源投入产出效益的评价，夯实经济利益的分析基础。8.2.4 相关成本的合理归集与分摊相关成本的合理归集与分摊数据资源的成本不仅包含外购过程中发生的购买价款、相关税费，还可能包括数据合规成本、治理成本、权属鉴定、登记成本以及需要分摊的间接成本等。数据资源典型的特征是具有伴生性，如何进行合理的成本分摊以确保数据资源成本的完整性是当前的实务难点。例如，信息系统在支撑主业经营的同时也产生经营数据，企业后续利用这些伴生性经营数据进行加工形成有价值的数据应用时，如何定义成本的边界。如何定义成本的边界。8.2.5 列报与披露列报与披露暂行规定要求企业根据重要性原则，结合实际情况增设报表子项目，并通过表格方式细化披露。同时，暂行规定对于入表的数据资源的一般性强制披露要求与现有无形资产和存货准则要求基本一致。此外，暂行规定还提出企业可根据实际情况自愿披露数据资源的应用场景或业务模式、原始数据类型来源、加工维护和安全保护情况、涉及的重大交易事项、相关权利失效和受限等相关信息，引导企业主动加强数据资源相关信息披露。新增披露要求尽管会给企业带来一定的披露成本，但是适当的披露有利于将企业已经费用化的数据投入显性化，将企业的隐形价值可视化、透明化，有利于驱动企业价值的提升。此外，根据数据资源评估的参数、假设与模型的披露要求，也将倒逼企业建立更加精细的内部管理流程，帮助企业厘清数据资源价值的构成、来源和实现方式。8.3 会计计量与核算内容分解会计计量与核算内容分解8.3.1 会计核算范围会计核算范围根据企业会计准则中对于资产的定义，资产是指过去的交易或者事项形成的、由企业控制的、预期会给企业带来经济利71益的资源。企业将一项资源确认为资产，需要符合资产的定义，同时还要满足另外两个条件：与该资源有关的经济利益很可能流入企业，该资源的成本或者价值能够可靠地计量。8.3.2 初始计量一方面，主要是内部产生数据资产的初始计量。初始计量一方面，主要是内部产生数据资产的初始计量。对于企业在日常经营的业务场景中生成并获取的数据，满足合规和确权的条件下，经过有效的治理，可以考虑类比无形资产准则下关于内部研究开发形成的无形资产确认标准，即区分研究阶段支出与开发阶段支出，研究阶段的支出应当与发生时计入当期损益，开发阶段的支出则需满足下述五个条件才可以确认为无形资产：一是从技术上来讲从技术上来讲，完成该无形资产以使其能够使用或出售具有可行性；二是具有完成该无形资产并使用或出售的意图具有完成该无形资产并使用或出售的意图；三是产生未来经济利益的方式产生未来经济利益的方式，包括能够证明运用该无形资产生产的产品存在市场或者无形资产自身存在市场，无形资产将在内部使用的，应当证明其有用性；四是有足够的技术，财务资源和其他资源支持有足够的技术，财务资源和其他资源支持，以完成该无形资产的开发，并有能力使用或出售该无形资产；五是归属于该无形资产开发阶段的支出能可靠计量归属于该无形资产开发阶段的支出能可靠计量。比如，企业大多数数据资产的内部形成过程可分为四个环节：数据采集、导入以及预处理、统计分析以及数据挖掘，其中前三个环节尚处于初期的整理归集阶段及研究阶段，不确定性较大且风险高，应直接费用化处理；数据挖掘涉及开发及价值挖掘，这个阶段已经可以让数据产生一定的价值。在满足条件下，可以考虑开始进行资本化。因此，上述信息可以判断，现行会计准则对于内部研发形成的无形资产的确认条件非常严苛，也将导致可资本化的金额远小于费用化的金额。另一方面，包括外购形成数据资产的初始计量。另一方面，包括外购形成数据资产的初始计量。对于外购的数据资产，相关成本包括购买价款、相关税费以及直接归属于使该资产达到预定用途所发生的其他支出，其中购买价款可能涉及72到相关资产评估工作。如果企业合并中取得的无形资产,其公允价值能够可靠计量的，应单独确认为无形资产。第三方面，主要是后续计量。第三方面，主要是后续计量。在我国会计准则下，无形资产初始确认后，后续应减去累计摊销额和累计减值后的余额计量。使用寿命不确定的无形资产不应摊销但应每年进行减值测试。企业选择的摊销方法应当反映于该无形资产有关经济利益的预期消耗方式。无法可靠确定预期实现方式的，应当采用直线法摊销。有别于其他资产，数据资产在使用的过程中，不仅可以被重复利用，还可能随着时间的积累挖掘出新的价值。因此传统的直线法等摊销方式可能不适用，这也是数据资产对准则提出的一个新的挑战。后续计量中还有一个核心因素是减值迹象的判断，考虑到上述数据资产的特点，减值迹象判断过程可能较传统无形资产更为复杂。第四方面，主要是列报和披露。第四方面，主要是列报和披露。入表不是显示数据资源价值的唯一途径，合理披露可以让企业充分展示数据的价值。包括两个方面：一是强制披露-基于单项数据资源特点的信息披露。1）无形资产）无形资产使用寿命的评估及摊销方法摊销期限、方法及残值率的变更及影响所有权或使用权受限情况，及用于担保的无形资产变动费用化和资本化的研发支出单项披露重大的数据资源原值、折旧、摊销及减值变动2）存货）存货发出存货采用的方法存货可变现净值的确定依据及存货跌价准备计提方法、当期计提及转回情况所有权或使用权受限情况及用于担保的73单项披露重大的数据资源原值、跌价准备变动3）估值信息）估值信息企业对数据资源进行评估且评估结果对企业重要的，应当披露：信息的来源；评估结论成立的假设前提和限制条件评估方法的选择各重要参数的来源、分析、比较与测算过程涉及重大数据资源价值评估的场景的包括但不限于：企业合并对价分摊数据产品定价使用数据资产入股/融资以及其他创新场景二是自愿披露-充分展示有价值的信息。企业可以根据实际情况，自愿披露已确认和未确认的数据资源相关信息：形成数据资源的原始数据的类型、规模、来源、权属对数据资源的加工维护情况，以及相关人才、关键技术等的持有和投入情况数据资源的应用情况重大交易事项中涉及的数据资源对该交易事项的影响及风险分析数据资源相关权利的失效情况及失效事由、对企业的影响及风险分析74数据资源的应用场景、对企业创造价值的影响方式数据资源转让、许可或应用限制其他有必要披露的信息其中，数据资源资源披露信息要点可以分为如下几个方面展开，如图 8 所示。图 8 数据资源资源披露信息要点759.建构可信低碳存储设施，筑牢数据资源入表的底座支撑建构可信低碳存储设施，筑牢数据资源入表的底座支撑可信数字底座旨在打造以可信数据为基础的、从数据采集到储存交换到计算赋能都嵌入可信技术、并最终实现可信数据资产化的数据要素价值闭环的系统架构。可信数字底座具有完备的激励与治理体系，能鼓励数据流转、交易，更好的发挥数据要素价值。本章节将从数据资源入表存储的痛点、优势及解决方案三部分介绍数据资源入表的可信存储，论证了蓝光存储支撑数据资源安全可靠的技术保障，阐述了“可信数字底座”在数据资源入表及数字经济建设中的价值。9.1 数据资源入表存储痛点数据资源入表存储痛点数据是数字经济的关键要素，是国家重要的战略性资源，伴随数据资源入表规定相继出台，数据的可信存储成为实现数据资源入表的物理基础。数据如何实现资产化、价值化需要安全可靠的存储作为底座支撑，数据资产化的前提是数据价值化，而数据价值化的基础是海量数据应存尽存，只有将数据资源长期、安全存储下来，才能实现数据价值的长期挖掘，最终实现数据资产化。当前普遍使用的磁存储架构无法保障数据资源入表的海量数据应存尽存、长期安全存储，主要面临以下三点存储痛点：一是数据资源入表数据的真实完整存储。一是数据资源入表数据的真实完整存储。实现数据资产化，保障数据资源入表数据的安全，面对当前如勒索病毒、数据泄露之类的数据安全挑战，需要技术手段有效保障数据资产的真实、完整、不可篡改的可信存储。二是数据资源保存时长受限。二是数据资源保存时长受限。数据资源入表需要实现数据长期甚至永久的存储，传统存储往往采用磁存储介质，寿命较短，无法覆盖入表数据保存周期，数据需频繁进行介质更换和数据迁移，不仅运维成本高而且无法保障数据迁移过程的安全。三是数据资源入表缺少可靠的有形化载体。三是数据资源入表缺少可靠的有形化载体。在会计准则下，将数据资源作为企业资产进行确认和计量，数据需要满足具备可辨认形态、排他性数据产权、可预期经济利益流入76等条件。所以需要将无形的数据资产有形化，通过更加安全的有形载体存储数据资产，让数据交易更为可信、可控、可计量。9.2.解决思路与潜在优势解决思路与潜在优势数据资产具有非实体性、依托性、可共享性、可加工性等特征，其中依托性指数据资产必须存储在一定的介质中，磁光电混合存储系统利用分布式存储架构，融合 NVMe、SSD、HDD、TAPE、蓝光等存储介质的优势，为用户提供高效读写、超长寿命、安全可靠、绿色节能、分级数据存储服务，为数据资产化赋能，为数据资源的开发应用提供基础保障，保证数据安全的同时降低TCO。其潜在优势可分为以下四点：一是全介质分级存储，一是全介质分级存储，为数据量身定制。磁光电混合存储系统采取数据分级分层存储策略，热数据磁存储，冷数据蓝光存储。二是介质超长寿命，二是介质超长寿命，充分挖掘数据价值。磁光电混合存储系统融合蓝光介质寿命长的特性，满足数据资源长期存储的需求，保存数据可达到 50-100 年。三是多重数据保护之道三是多重数据保护之道，打造安全存储底座。磁光电混合存储系统通过数据冗余、数据恢复、灾难恢复等技术保证热数据的安全可靠。对于“冷数据”，通过蓝光技术抗电磁干扰、防病毒攻击、防人为篡改等特性，将海量数据安全归档。四是低碳节能，四是低碳节能，推动数据存储降碳环保。相比于全磁，存储同样体量的数据，磁光电混合存储系统可以在运行时降低 70%以上的能耗，待机时降低 95%以上的能耗。9.3.数据资源入表存储解决方案数据资源入表存储解决方案9.3.1 可信存储之蓝光存储技术数据存储首先要解决的是存储介质的问题。可信存储之蓝光存储技术数据存储首先要解决的是存储介质的问题。存储介质是数据存储的载体，是数据存储的基础。面对数据资源入表面临的不可篡改、保存时长的痛点，蓝光存储是企业数据资产长期保存的最佳介质，在容量、周期、安全方面具有非常大的优势。77企业数据资产在企业不断发展过程中规模逐渐增大。蓝光存储容量大，易扩展，适合企业不断增长的数据存储需求。蓝光存储已实现单张光盘容量 300GB，一个标准机柜容量接近 2PB。根据企业数据资产存储需要可通过增加盘匣、扩容机柜等方式进行扩展。企业数据资产无论是已被评估的还是未被评估的，长期保存并保证有效访问是资产入表的前提与保障。蓝光存储具有很长的存储寿命。目前高质量光盘可靠保存时间已达 50 年以上，据测算，专业常温常湿条件下光盘寿命可达 100 年。在企业数据评估、入表过程中，都可以采用蓝光存储作为数据资产流转交易、抵押融资的一个主要形式，可有效保障数据资产生命周期中的长期保存。企业数据资产需要保证其真实性、唯一性，数据资产不可被篡改。蓝光存储记录信息是通过激光对存储介质形成物理形变实现的，这种存储原理具有天然的防篡改、防电磁干扰优势。数据一经写入便不能被人为修改和删除，能够有效防止数据被篡改，也能防止数据误删除和以删除数据为威胁手段的勒索病毒威胁。并且，蓝光存储所记录的数据信息可以抵御战争中强电磁干扰，以及部分极端自然灾害的破坏，在企业数据资产长期保存中具有独特的安全优势。企业数据资产低成本的长期保存，对企业有重要意义。蓝光存储寿命长，可减少数据资产全生命周期中的转存、迁移、介质更换支出；设备每小时能耗仅为磁存储的 5.28%，无需依赖空调环境，可节省大量电能。蓝光存储可作为企业数据资产的长期保存更低成本的一种方式。9.3.2 可信存储之磁光电混合存储方案可信存储之磁光电混合存储方案在保障数据资产安全可信存储过程中，存储介质并不是越贵越好、越先进越好，要根据不同的应用环境，合理选择存储介质。78数据价值化以数据资源化为起点，其基础是数据的应收尽收、应存尽存，数据存下来才能实现数据价值长期开发，保证数据价值可被释放。磁光电混合存储技术通过对磁、光、电不同存储介质进行统一管理，结合电磁存储性能优、光存储寿命长、高安全的优势，为企业数据资产的统一存储提供了最佳方案。（1）分级存储，海量数据应归尽归）分级存储，海量数据应归尽归磁光电混合存储技术对企业数据进行分级存储，新产生的数据存储于电磁介质中保障高效读写，已被评估入表需要归档长期保存的数据放在光介质中，利用光存储容量大的优势，保障企业规模化增长的数据可以应归尽归，做到数据不删除、资产不流失。（2）价值归档，充分保护企业资产）价值归档，充分保护企业资产无论是已被评估的数据，还是未被评估的数据，对于企业来说都有着一定的价值，每一个数据都应该被完好保存，以待价值释放。（3）统一管理，筑牢数据安全防线）统一管理，筑牢数据安全防线光电磁混合存储技术，依托于蓝光存储天然防篡改、防病毒攻击、不可删除的特点，有效保护企业数据安全，保障数据资产在全生命周期过程中的统一存储与管理，筑牢数据存储坚实底座与安全防线。（4）节能降耗，有效降低企业成本）节能降耗，有效降低企业成本光电磁混合存储技术，在数据长期保存过程中无需数据迁移、介质更换，并且设备能耗低，充分发挥不同存储介质的特性，优势互补，实现资源的最合理分配和利用，有效降低企业存储数据的成本。磁光电混合存储技术能够实现数据的可信存储，目前该技术已经广泛应用于遥感、金融、医疗等行业，并实现了海量数据的长期安全可靠存储。数据资源入表之后，磁光电混合存储可以为各行各业赋能，实现海量数据存储，结合磁性存储和光学存79储的优点有效提高数据的安全性、可用性、持久性，并优化存储成本，支撑数据资源入表准备阶段。8010.打造安全合规体系，构建数据资源入表的安全监管机制打造安全合规体系，构建数据资源入表的安全监管机制暂行规定的出台，为企业开展数据资产化实践，参与数据要素市场流通，踩下了“加速键”。为了规范数据资源入表的流程，避免数据资产管理与经营过程中出现数据来源不合规、数据被篡改或发生数据泄露等事件，需要企业构建安全合规数据安全环境。本章节主要是数据资源入表的法律风险、权属审查和权属论证、全流程合规和安全监管技术四个方面展开论述，以期帮助企业合规处理并运营数据资产。10.1 数据资源入表的法律风险数据资源入表的法律风险数据资源入表处理不当可能会产生一定的法律风险。这些法律风险会成为企业发展的隐患。本章节将数据资源入表的法律风险进行梳理，以满足需要的企事业单位进行风险识别。10.1.1 数据隐私和合规在确保个人数据的隐私和安全是非常重要的，数据隐私和合规在确保个人数据的隐私和安全是非常重要的，将涉及个人数据相关入表的个人信息保护十分重要。完成对个人信息的处理，主要是涉及到姓名、身份证号码、电话号码等需要匿名化或者可用不可见等方式进行脱敏处理，以便减少对个人身份的识别，并保证数据的安全。针对个人信息保护的处理可以减少对企业数据资源入表后的困扰。因此，企业可以根据具体业务需求和法规要求制定个人数据脱敏策略。脱敏策略应确保脱敏后的数据无法直接重新识别出个人身份。在进行个人数据脱敏处理之前，对脱敏方案进行合规审查，以确保符合相关的法律法规和隐私保护要求。10.1.2 数据的权利边界数据的权利边界企事业单位在使用第三方数据时，需要确保获得数据资源的许可和授权。可能需要审查包括许可协议、合同或其他形式的授权文件，明确了解对数据的使用条款和限制。同时，一些数据许可可能会限制数据的使用时间范围。在使用数据之前，务必了解许可协议中的使用期限或其他类似限制。需要遵守合同中的规定，81不要超出许可范围。如果数据是通过开源软件采集的，需要留意该开源软件的许可协议。一些开源软件可能要求对派生数据的共享或相关代码的开放。当数据从第三方收集并纳入企事业单位的业务中时，可能涉及到知识产权问题。在这种情况下，确保在合法范围内使用数据，并遵守知识产权法规。在使用数据之前，建议咨询法律专家以确保符合相关法律法规和合同要求。遵守所有适用的法律，尊重和保护知识产权。10.1.3 投融资并购的法律风险数据的入表归属存在问题会影响到企业的投融资业务。投融资并购的法律风险数据的入表归属存在问题会影响到企业的投融资业务。对外投资的企业对被投企业的数据情况展开尽职调查。在尽职调查过程中，律师事务所针对被投企业的数据处理进行详尽的梳理。其中，尽职调查旨在盘点被投企业的数据情况，审查数据是否符合适用的法律和法规。相关法律法规包括个人数据保护法规和相关隐私法律，同时审查被投企业的数据处理的透明度和合规性。审查内容涉及被投企业在数据收集、存储、传输、使用和删除等方面的工作是否符合现行法律规定。10.2 数据资源入表的权属审查和权属论证数据资源入表前的权属审查和权属论证。数据资源入表的权属审查和权属论证数据资源入表前的权属审查和权属论证。从数据资产的来源角度来看，数据资源入表面临两种情况：一是数据资产属于外购数据资产属于外购，具有外部依据。二是数据资源属于业务伴生数据资源属于业务伴生，没有外部依据。基于外购数据资产的入表，需要完成对其权利范围、权利时间等因素的审查。基于业务伴生数据，则需要进行权属的论证。权属论证旨在确定数据资源的权益、权益的归属主体、权益的限制条件。10.2.1 权属引发的法律风险问题权属引发的法律风险问题数据资产的可复制性、成果加工的不可分性导致必然存在某项数据资产存在权属争议问题。我国中华人民共和国个人信息保护法和中华人民共和国数据安全法明确了涉及个人信息82的数据不得随意披露，在数据资产进行会计确认的过程中，可能存在因权属争议引发的权属争议、报表错报等法律风险。10.2.2 价值确认引发的法律风险问题价值确认引发的法律风险问题价值确认引发的法律问题会在企业的数据资产入表工作完成之后逐渐体现出来。数据资产价值的判断和确认是在投融资尽调、股权投资、并购实务中的关键环节，对于企业价值的准确评估具有至关重要的意义。如果资产价值的核定存在判断争议或错误，可能导致投融资决策失误，引发各种法律风险问题，包括但不限于证券虚假陈述行为。企业应加强内部审查和管理，建立针对数据资产透明、合规和可持续的价值确认机制，从而降低不存在明确裁量标准的诉讼和法律风险的发生。10.2.3 数据资产信息披露引发的合规风险数据资产信息披露引发的合规风险数据资产并入资产负债表会对企业的数据资产管理模式和披露要求带来新的挑战。将数据资产纳入资产负债表后，企业需要建立合适的数据资产管理模式，包括数据资产的采集、整理、加工、存储、维护和更新等环节，以确保数据的完整性、安全性和准确性。同时，在披露数据资产信息时，应当准确判断应该披露的内容和自愿披露的范围，避免超过法定要求或涉及商业敏感信息的披露，引发合规风险。10.3 数据资源入表的全流程合规数据资源入表的全流程合规2020 年 3 月，国务院印发 关于构建更加完善的要素市场化配置体制机制的意见，首次将数据与土地、劳动力、资本、技术等传统要素并入生产要素之中，成为市场主体参与分配的依据。2023 年 8 月 21 日，财政部会计司公布暂行规定，为市场主体如何锁定依据提供了操作路径。市场主体在操作路径全流程中进行合法合规的安排，为实现后续的经济价值扫除障碍。数据资源入表全流程合规主要体现在以下两个问题：一是确定入表的数据资源范围。确定入表的数据资源范围。选择数据资源是市场主体启动数据资源83入表的前提。数据二十条提出的三权分置机制为解决数据权属问题提供了初步路径。企业在实际数据资源入表的过程中依然需要重点关注企业对数据的拥有、控制的情况。同时需要厘清数据资源的自持与对外合作中的交织。用于入表的数据资产需要有体现拥有或者控制的外部特征：如存储的控制、访问权限的控制等。二是数据资源的法律风险评估。数据资源的法律风险评估。在数据安全法、个人信息保护法、网络数据安全管理条例（征求意见稿）、数据出境评估办法等相关法律法规中，对开展数据安全风险评估工作都提出明确要求。在数据资产管理过程中，还应从数据合规与安全角度，按照数据生命周期的不同阶段开展数据风险评估，如数据采集、数据传输、数据跨境、数据存储、数据处理、数据分享和数据销毁。10.4 数据资源入表的安全监管技术数据资产入表中的数据安全监管非常重要数据资源入表的安全监管技术数据资产入表中的数据安全监管非常重要，因为数据安全问题可能导致数据泄露、数据损坏或数据滥用等风险。数据资产作为新型生产资料，其在流通和使用过程中不断产生新的价值，但其受数据价值的提升、流动性的加剧、防护边界模糊以及数据自身海量无序、类型繁杂、场景多样等诸多内外复杂因素的影响，数据安全风险异常突出，传统以边界防护为主的网络安全手段已经难以有效应对，数据安全正在面临前所未有的挑战。总之，数据安全监管是数据资产入表过程中的重要环节。数据安全监管是数据资产入表过程中的重要环节。通过建立数据安全政策和程序、实施访问控制、加密和脱敏处理、数据备份和恢复、数据审计和监控以及合规性监管等措施，企业可以有效地保护数据资产的安全性和完整性，从而为数据资产入表提供有力的支持。10.4.1 安全监管的技术服务特点一是风险识别。安全监管的技术服务特点一是风险识别。通过数据安全风险评估，客户能够更清楚地了解其数据生态系统中存在的潜在风险。有助于客户认识到可能84的威胁和漏洞，从而能够更及时地采取措施来降低风险。二是应对合规。二是应对合规。针对特定的法律法规和行业标准，数据安全风险评估可以帮助客户确保他们的数据处理方式符合法规要求。这有助于避免不必要的罚款和法律问题，维护良好的商业声誉。三是降低损失。三是降低损失。通过提前识别潜在的风险，客户可以采取相应的措施来降低风险事件发生的可能性，从而减少可能的数据泄露、滥用、篡改等风险带来的损失和成本。四是建立信任。四是建立信任。在当今数字化时代，数据安全是客户信任的基础。通过进行数据安全风险评估，并在合规和风险管理方面取得良好表现，客户可以向其合作伙伴、客户和利益相关者展示他们对数据保护的承诺，建立信任关系。五是应对挑战。五是应对挑战。随着技术的不断发展和法规的变化，数据安全风险也会不断变化。客户通过持续的风险评估，能够更好地应对新的安全挑战，保持对风险的敏感性和适应性。10.4.2 技术监管的数据安全风险评估服务体系技术监管的数据安全风险评估服务体系为了协助企业应对监管层面对数据安全风险评估和合规的要求，协助企业对数据泄露、数据滥用、数据篡改等各类数据安全风险可知、可控，参考数据安全法、个人信息保护法等相关法律和监管要求，以合规检查为重点，提供安全风险评估配套的工具和专业人工服务对企业数据安全进行风险评估，协助企业全面且有针对性的掌握数据安全风险详情，规避数据安全合规风险，并针对风险提供整改建议和意见，促进科学数据安全治理和安全管控体系建设，如图 9 所示。在全面、客观评价企业数据安全保护工作现状、合规满足性、执行有效性的基础上，由一支经验丰富的数据安全专家团队提供高度定制化和深度分析的数据安全风险评估，尤其对于复杂的业务场景和安全挑战提供了更具专业性的咨询服务，深入挖掘数据安全保护领域相关风险，帮助客户识别和应对可能的数据安全威胁，确保数据安全的持续改进和保护。85图 9 数据安全风险评估框架图8611.衍生入表后服务：数据资产授信融资，释放数据资产价值衍生入表后服务：数据资产授信融资，释放数据资产价值数据资产化是企业实现数据价值的核心，是在实现数据使用价值的基础上向实现交换价值迈进，进而逐步释放数据生产力的过程。本章从数据资产授信融资概念、贷前准备、贷中审查审批以及贷后管理与处置四方面阐述了数据资产授信融资的过程。知道企业通过深入挖掘数据价值，实现数据的资产化，明确数据资产价值实现路径，推进商业模式变革。11.1 数据资产授信融资的概念数据资产授信融资的概念数据资产授信是指基于传统贷款流程，结合数据资产在权属认定和价值评估方面的特殊性，通过数据资产认定、数据资产评估、数据资产贷后管理等过程，完成数据资产的贷前准备、贷中审查和贷后处置。11.2 数据资产贷前准备数据资产贷前准备与传统信贷流程相比，数据资产贷前准备有以下特殊工作：一是引入第三方服务机构（公证、律所）对数据资产进行合规审核，并形成审核意见书；二是结合数据交易所作相关数据产品的流通交易情况，对数据资产的定价、处置形成参考依据；三是引入第三方服务机构（资产评估机构等）对企业数据资产价值进行评估，并形成资产评估报告；四是通过引入第三方数据来源（如公共数据）、开展尽职调查等方式，辅助银行对企业状况进行审核。11.2.1 数据资产认定数据资产认定数据资产认定主要是包括两个部分，一是由申请贷款的企业发起，将数据资产打包后提交第三方服务机构（公证机构、律师事务所等），第三方服务机构对申请方的数据资产进行权属和合规审核并出具数据资产审核意见书（公证/法律意见书）。二是企业向银行提交数据资产贷款申请材料，包括但不限于数据资产87登记信息、数据来源情况说明、数据交易授权书、知情同意相关佐证材料、数据合规承诺声明等。11.2.2 数据资产审查数据资产审查银行对企业提交的数据资产贷款申请材料进行审查，重点对数据权属、数据分级分类进行认定，对数据权属不清晰、涉及国家安全的数据资产予以驳回。数据权属重点关注数据资产授权链是否清晰。对于外采数据重点关注需提供明确的交易合同和授权链；对业务活动自行产生的数据或自行采集的数据，需提供清晰的数据来源说明，涉及个人数据的需有明确的个人授权。11.2.3 数据资产上市数据资产上市企业可将通过审查的数据资产在数据交易所上市交易。企业获取相关机关出具的数据资产审核意见书后，可以选择将数据资产以数据产品的形式上市数据交易所，数据交易所对企业申请上市的数据产品进行登记、审查，并对相关材料进行存档。11.2.4 数据资产评估数据资产评估由银行委托第三方资产评估机构开展数据资产评估，评估结果作为贷款额度确认参考，贷款额度评估模型由银行和第三方机构共同确认。具体流程包括：一是选择数据资产评估方法与评估模型：一是选择数据资产评估方法与评估模型：结合数据资产特性，设计用于数据资产评估的评估方法与评估模型。评估方法包括成本法、收益法与市场法；评估模型基于不同评估方法，在确定相关重要参数设置基础上进行开发。二是数据质量评价：二是数据质量评价：通过对数据完整性、数据准确性和数据有效性三方面设立约束规则，利用统计分析数据是否满足约束规则完成量化。基于统计学的思想，数据质量为满足要求的数据在数据系统中的百分比。数据质量的评价办法由数据模块、规则模块和评价模块三者组成。88三是资产评估机构出具数据资产评估报告：三是资产评估机构出具数据资产评估报告：由第三方资产评估机构结合其他同类数据资产评估结果，基于评估指标体系和数据质量评价提供数据资产评估报告（包括数据资产质量评价报告和数据资产评估报告两部分），为银行贷款提供辅助参考。四是银行完成授信报告四是银行完成授信报告：银行将数据资产评估结果作为贷款额度的依据，最终授信额度确认，并形成授信报告。11.2.5 数据资产尽职调查数据资产尽职调查通过引入第三方数据来源（如公共数据）、实地走访等形式开展尽职调查，辅助银行对企业状况进行审核。11.3 数据资产贷中审查审批数据资产贷中审查审批在贷款调查、审查意见的基础上，按授权权限进行审批，决定贷与不贷，贷多贷少以及贷款方式、期限和利率。对于符合条件的企业，银行与其签订贷款合同并完成放款。11.4 数据资产贷后管理与处置数据资产贷后管理与处置基于银行传统的贷后管理模式，主要在贷后检查环节新增对于企业“数据资产全生命周期”的监督管理：一是对数据资产采集、保存、应用和销毁等数据资产全生命周期环节进行日常监控与贷后检查；二是通过数据交易所、贷款企业及关联企业等渠道对数据资产进行日常监控；三是对贷款企业数据资产的质量、完整性、应用价值以及权属转换情况进行持续监查管理。11.4.1 日常监控日常监控通过数据交易所、贷款企业及关联企业等渠道对数据资产进行日常监控。1.监控贷款额度使用情况和贷款投向。2.跟踪企业账户往来及利息清偿情况。3.监控数据资产的权属变更、权利限制、价值变动等情况。11.4.2 贷后检查贷后检查全面跟踪检查借款人、抵(质)押物等相关因素：891.检查企业经营状况:相关国家产业、税收政策及外部经济环境、生产经营活动及生计划、财务状况等。2.检查企业内部管理:经营方针及经营策略、法定人代表人及其他核心管理人员组成等。3.检查抵(质)押物:抵(质)押物完好程度、变现能力以及状态。4.检查融资及还款能力:企业资金用、现金流量还本付息能力及落实还款计划情况、借款人关联企业。5.检查数据资产生命周期:数据资产盘点情况数据资产质量变动、应用价值变动以及权属变更等情况进行持续管理.11.4.3 贷后评估与预警报告贷后评估与预警报告评价贷款风险，完成贷后检查报告，并反馈影响贷款安全的预警信号。贷款风险评价主要包括对借款人的信用评估、还款能力分析、贷款用途及还款来源的审查等。在评价贷款风险时，银行需要运用综合分析方法，全面了解借款人的财务状况、信用记录、经营状况和市场环境等因素，以确定贷款的安全性和可行性。在完成贷后检查报告时，银行应详细记录检查过程、检查结果以及相关风险防控措施，以确保贷款安全。一旦发现预警信号，银行应立即启动风险防控措施，包括但不限于加强与借款人的沟通、调整贷款利率、增加贷款担保等，以确保贷款安全。11.4.4 风险资产处置风险资产处置制定并调整风控措施和策略，对风险资产进行及时处置。可行的模式包括：1.银行自用：银行获取数据持有权、使用权及经营权，基于同类企业数据资产进行融合计算，赋能其他业务。2.通过数据交易市场交易回笼资金：银行与数据交易所合作，通过数据交易所出售数据资产并直接将收入划拨银行作为还款来源。903.数据资产拍卖：由企业通过拍卖等形式将数据资产转让第三方使用，产生的收益作为还款来源。9112.数据资源入表的实践案例数据资源入表的实践案例各地已经对于数据资产入表开展探索，但从国内总体实践情况来看，数据资产入表仍属于新领域，其通用的实现路径仍有待探索。本文列举了近年来国内数据资产化的相关案例，为数据资源入表的进一步探索提供参考。12.1 数据资产评估案例数据资产评估案例企业 A 是一家能源行业企业，其主营业务为向经营范围内的 90 万余户居民及 3 万余企业用户持续供能。在能源计量和能源费结算的过程中，企业所使用的智能计量设备采集和生成了大量的底层数据。企业通过对该部分底层数据进行筛选、治理、加工，于 20X0 年完成了数据资产基础开发建设。随着底层数据的自然增长，现状数据资源逐渐成形，企业在此基础上陆续开发出一系列数据产品。委估数据资源权属清晰，拥有该项数据资产的数据资源持有权、数据加工使用权、数据产品经营权，取得了数据资产登记证书。数据资源所产出的产品深度应用于城市治理、综合能源管理、双碳管理、绿色金融及 ESG 评估等场景。自上线以来，已签订多项数据服务合同，在开拓数据盈利新模式的同时，收获了诸多成效及好评，实现了经济效益和社会效益的“双丰收”。1.估值程序估值程序估值程序主要包括前期准备、现场调查、评定估算、汇总审核和呈送报批五大环节。各环节主要工作内容如图 10 所示：92图 10 估值程序及工作内容2.估值方法估值方法数据资产的估值方法包括成本法、收益法和市场法三种基本方法及其衍生方法。本项目根据估值目的、估值对象、价值类型、资料收集等情况，对上述三种基本方法的适用性进行了分析，最终选择了收益法对委估数据资产进行估值。分析过程如下：收益法是通过预测未来数据资产的收益额并将其折现来确定技术类无形资产价值的方法。经分析，估值标的数据资产的未来相关收益合理预期、风险程度相对应的折现率可以通过适当的方法合理估算。因此本项目采用收益法进行估值。成本法是根据形成资产的成本进行估值，是从构建角度反映估值对象价值。由于委估数据资产是数据资产持有单位多年研究及生产经营积累贡献形成，其管理人员、研发人员、服务器等费用难以与主营业务分割，数据资产形成的直接投入和间接投入在形成过程中未作单独核算，本次未采用成本法进行估值。市场法是根据相同或者相似的数据资产的近期或者往期成交价格，通过对比分析，对数据资产的价值进行估值方法。目前正值数据资产市场建设期，数据相关资产缺乏充分、活跃的交易市场，无法从市场交易中选择参照物，估值基准日前后也难以找到相似数据资产交易案例，本次未采用市场法进行估值。3.估值模型及思路估值模型及思路93本项目从收益途径对委估数据资产进行估值，具体采用了分成收益预测法。基本技术思路是通过对数据资产应用的产品带来的未来年期的收益进行预测，并用适当的折现率折现成现值后加和，得到数据资产的价值。其基本计算公式如下：P=t=1nFt k(1 i)t?其中：P：数据资产的估值Ft：数据资产相关业务第 t 年的收益额k：数据资产在收益中的分成率t：未来第 t 年i：折现率4.项目分析与总结项目分析与总结本项目基于委估数据资产所产生的数据产品已实现的应用场景及商业模式，对数据资产未来经济利益的实现方式进行了分析和预测，对数据资产未来经济利益的可实现性进行了判断；对影响经济利益实现的相关风险进行了估计；在充分考虑法律期限、合同期限、相关产品生命周期以及数据资产的更新时间、数据资产的时效性等因素的基础上，综合确定了数据资产未来经济寿命等影响数据资产价值的关键指标，最终实现了对数据资产在特定的应用场景下的公允价值进行价值估算。本项目的实施，为企业判断该项数据资源预期是否会给企业带来经济利益、与该资源有关的经济利益是否很可能流入企业、数据资源的摊销年限难以估计等问题提供了参考，同时也为企业提供了财务报告附注披露所需的信息，如应用场景或业务模式、创造价值的影响方式、宏观经济和行业领域前景等。9412.2 数据资源模拟入表案例数据资源模拟入表案例A 为某医疗物流商贸公司，具有有效的数据治理体系，多年来通过自身的业务合法积累了海量的数据，结合部分外部购买的数据，经过加工和清洗逐渐形成了区域性居民用药数据库。上游药品销售公司有意向订阅该数据库用于库存管理和定价参考使用。A 公司于 20 x3 年 9 月 30 日完成该数据库的开发，拟根据 暂行规定将该数据库入表，A 公司根据如下步骤确认入表金额：1、确认数据资源的范围确认数据资源的范围，A 公司该无形资产涉及很广泛的数据，包括 1）业务过程中自然沉淀的原始数据，比如个人客户信息，企业客户信息以及其他正常业务数据等，2）在该无形资产的研发过程中，通过对数据的清洗、分析，标记，脱敏，A 公司获得了可用于最终可供数据库使用的数据；3）同时在 A 公司在收集和处理数据中，建立数据质量管理系统相关算法，自动核对和存储数据，完成数据质量监控，以便及时发现和处理问题。根据企业会计准则基本准则（“基本准则”）第二十条 资产是指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源，判定符合资产定义的数据资源范围锁定在第 2 和第 3 类数据资源；2、确认资产类别，确认资产类别，根据分析，数据库符合数资产的定义，且以不转让数据权属或非排他性的形式对外提供服务，故该数据库可以确认为无形资产。3、成本的归集，成本的归集，无形资产根据历史成本计量，包含直接成本和间接成本，其中直接成本为形成数据资产直接相关的活动的重置成本，间接成本包括贴源层和共享层的数据成本，根据血缘分析和适用成本归集因子比如引用频次等分摊后的成本，一般情况下包含相关人工成本，设备使用成本等。基于上述分析，A 公司于 20 x3 年 9 月 30 日确认数据资产无95形资产人民币 500 万元，按照 10 年以直线摊销法进行摊销，残值为 0，当月计提摊销人民币 4.17 万元，假设不考虑税费，入表前后财务数据变化见图 11。图 11.A 公司入表前后财务数据变化通过对比入表前后的财务数据可以看出，通过数据资源入表，利润率、权益净利率和资产净利率均有所增加，资产负债率下降。96另外由于无形资产入表并未产生额外的现金流动，在现金流量表中相当于是经营活动现金流和投资活动现金流的重新分类，故对现金流量净额无影响。A 公司管理层认为该数据库未来仍可以继续为公司带来现金流，其价值应高于历史成本金额，且未来可以考虑以该无形资产作为标的进行入股或者融资，故聘请资产评估机构对该无形资产进行了评估。评估机构根据该数据库的实际情况选择了收益法进行评估，评估基准日为 20 x3 年 12 月 31 日，评估价值为人民币 800 万。在 A 公司 20X3 年的财务报表中，该数据库相关的无形资产应当按照其账面净值 483.3 万元进行列示，虽然通过评估该无形资产产生了增值，但由于在企业会计准则中明确规定该无形资产应以成本模式进行计量，故 A 公司不能根据评估结果调增该无形资产的账面价值。虽然不能影响会计报表，但 A 公司管理层认为评估结果对企业未来的经营有着重大影响，故根据暂行规定的要求讲评估主要假设，限制条件，参数等相关信息在财务报表附注中进行了披露。9713.未来展望未来展望随着数字基础设施的不断完善以及数字经济的快速发展，数据作为新时代重要的生产要素之一，其核心价值和赋能效应日益凸显。各级市场围绕数据资源化、资产化和资本化的价值化探索显著加速，促使数据成为资产已成为各类市场主体面向未来发展的追求，数据流通交易需求也将更加旺盛。特别是，随着财政部企业数据资源相关会计处理暂行规定的印发，标志着我国数据资产化迈出了实质性一步，为数据要素市场培育按下“加速键”，这也为数据资产转化为具有可持续性的经济增长点提供了新动能为数据资产转化为具有可持续性的经济增长点提供了新动能。展望未来展望未来，数据要素相关领域可从以下几方面进行趋势研判、机制探索和制度设计：（1）加强数据资源的开发指导和监督管理）加强数据资源的开发指导和监督管理数据资产入表涉及到数据来源确认、收集、存储、治理、评估、运营等多个环节，且专业性和创新性要求很高。大多数公司不具备独立开展数据资产化工作的能力，需要政府、协会等机构对传统企业特别是中小型企业进行数字化转型和数据资产管理方面的能力提升指导，进一步明确数据资产的定义、分类、计量方法和披露要求等，使企业能够准确地评估和核算数据资产的价值。同时，需要建立健全数据资产入表的监管和管理机制，加强对数据治理的指导和监督，防止数据造假和舞弊行为的发生。（2）细化数据资产的估值体系和定价方法）细化数据资产的估值体系和定价方法数据资产的准确估值，涉及数据权属、数据质量、数据安全、应用场景和市场需求等多方面因素。传统的成本法、市场法和收益法并不完善，无法完全适应数据资产的特性，因此需要探索新的估值模型，进一步从权益视角去审视和评估数据资产的公允价值。同时，定价方法也需考虑数据的特有属性、使用价值和潜在风险。同时，在推动数据要素市场化发展过程中，进一步探索建98立合理的数据资产估值理论与定价方法，将既有助于企业充分认识和利用数据资产，又能为投资者提供决策依据，推动数据经济健康发展。（3）关注数据市场的社会价值和生态建设）关注数据市场的社会价值和生态建设政府可以积极引导和支持不同领域和行业之间的合作和交流，搭建跨界合作平台，推动数据资产入表的跨界合作和共赢。对政府而言对政府而言，数据资产入表将促进地方政府进一步探索“数据财政”，为地方政府平台公司的数据运营带来新发展思路，将进一步激发全社会重视数据资产的价值挖掘和使用，带动数据要素相关产业全面发展。对企业而言对企业而言，可重新整合内部数据资源，为推动数字产业化和产业数字化以及高质量数据要素市场培育注入新动能。对社会而言对社会而言，数据涉及的领域和行业较广泛，以数据资源开发和利用所形成的数据资产价值化路径为核心，可以助推数据要素赋能实体经济发展目标的实现。特别是特别是在医疗、交通、金融、农业等具体应用场景的细化和深化，可有效提高生产效率、优化资源配置、改善社会民生，将推动中国式现代化进程、实现数据强国目标。99参考文献参考文献1 王紫敬.数据要素全知道系列 1：数据要素市场空间有多大?EB/OLhttps:/ 尹西明,林镇阳,陈劲等.数据要素价值化动态过程机制研究J.科学学研究,2022,40(02):220-229.3 赵蓉,林镇阳,聂耀昱等.数据财政的市场化运营方案设计与思考 J.科技管理研究,2023,43(09):183-190.4 聂耀昱,尹西明,林镇阳等.数据基础设施赋能碳达峰碳中和的动态过程机制 J.科技管理研究,2022,42(18):182-189.5 尹西明,林镇阳,陈劲等.数据要素价值化生态系统建构与市场化配置机制研究 J.科技进步与对策,2022,39(22):1-8.6 林镇阳,侯智军,赵蓉等.数据要素生态系统视角下数据运营平台的服务类型与监管体系构建 J.电子政务,2022,(08):89-99.7 聂耀昱,赵蓉.数据要素驱动城市级数字中国建设机制及实践探索 J.河南社会科学,2023,31(10):20-26.8 朱秀梅,林晓玥,王天东等.数据价值化：研究评述与展望J/OL.外国经济与管理,1-16.9 曲亮,许塬杰.“要素资本产品”三态耦合视角下数据市场治理体系研究 J.理论学刊,2023,(03):123-130.10张宝山.数据确权的中国方案：要素市场语境下分类分级产权制度研究 J.北方法学,2023,17(05):146-160.11申卫星.论数据产权制度的层级性：“三三制”数据确权法J.中国法学,2023,(04):26-48.12熊丙万,何娟.数据确权：理路、方法与经济意义 J.法学研究,2023,45(03):54-72.13黄丽华,杜万里,吴蔽余.基于数据要素流通价值链的数据产权结构性分置 J.大数据,2023,9(02):5-1510014王利明.论数据权益：以“权利束”为视角 J.政治与法律,2022,(07):99-113.DOI:10.15984/ki.1005-9512.2022.07.01015戴昕.数据界权的关系进路 J.中外法学,2021,33(06):1561-1580.16崔国斌.大数据有限排他权的基础理论 J.法学研究,2019,41(05):3-24.17孟涛.基于“丰鸟数据之争”的数据财产的法律属性与保护路径 J.大连理工大学学报(社会科学版),2019,40(02):77-84.DOI:10.19525/j.issn1008-407x.2019.02.01018徐实.企业数据保护的知识产权路径及其突破 J.东方法学,2018,(05):55-62.DOI:10.19404/ki.dffx.2018.05.00619龙卫球.再论企业数据保护的财产权化路径 J.东方法学,2018,(03):50-63.DOI:10.19404/ki.dffx.2018.03.00620许可.数据保护的三重进路评新浪微博诉脉脉不正当竞争案 J.上海大学学报(社会科学版),2017,34(06):15-27.21龙卫球.数据新型财产权构建及其体系研究 J.政法论坛,2017,35(04):63-77.22中国资产评估协会.数据资产评估指导意见EB/OL.http:/

0人已浏览 2023-12-14 110页 5星级

点击查看更多飞轮科技：Apache Doris 精选用户案例集（2023）（86页）.pdf精彩内容。

0人已浏览 2023-12-11 86页 5星级

 SaaS软件 数据引领品牌出海新风向2023 Cyber 5CPC数据报告

0人已浏览 2023-12-11 22页 5星级

四川省大数据产业白皮书（2023）四川省大数据产业联合会2023 年 12 月四川省大数据产业白皮书（2023）导 读大数据产业是以数据生成、采集、存储、加工、分析、服务为主的战略性新兴产业，是激活数据要素潜能的关键支撑，是加快经济社会发展质量变革、效率变革、动力变革的重要引擎。近年来，我国的大数据从基础设施、技术路线到应用场景日趋完善，数据作为新型生产要素在宏观决策、市场调配和民生保障领域发挥了巨大的作用。数据具有无形性、非消耗性等特点，可以接近零成本无限复制，对传统产权、流通、分配、治理等制度提出新挑战，亟需构建与数字生产力发展相适应的生产关系，不断解放和发展数字生产力。如今，数字中国建设如火如荼，其内涵日益丰富，包含数字经济、数字社会、数字政府和数字生态，成为了大数据产业发展的新动能。根据 2023 中国国际大数据产业博览会新闻发布会上公布的数据，2022 年我国大数据产业规模达 1.57万亿元，同比增长 18%，成为推动数字经济发展的重要力量。数字的背后，是近年来国家重大战略高瞻远瞩的布局和实施。2022 年 2 月，国家发改委、中央网信办、工业和信息化部、国家能源局联合印发通知，同意在京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏等 8 地启动建设国家算力枢纽节点，并规划了 10 个国家数据中心集群。至此，全国一体化大数据中心体系完成总体布局设计，“东数西算”工程正式全面启动，这对于推动数据中心合理布局、优化供需、绿色集约和互联互通等意义重大。2022 年 6 月 22 日，中央全面深化改革委员会第二十六次会议审议通过关于构建数据基础制度更好发挥数据要素作用的意见。12 月 19 日，中共中央、国务院印发关于构建数据基础制度更好发挥数据要素作用的意见，又称“数据二十条”。“数据二十条”提出构建数据产权、流通交易、收益分配、安全治理等 4 项制度，共计 20 条政策措施，初步形成我国数据基础制度的“四梁八柱”。“数据二十条”的出台，有利于充分激活数据要素价值，赋能实体经济，推动高质量发展。2023 年 3 月，中共中央、国务院印发了党和国家机构改革方案。组建国家数据局。国家数据局由国家发展和改革委员会管理，负责协调推进数据基础四川省大数据产业白皮书（2023）制度建设，统筹数据资源整合共享和开发利用，统筹推进数字中国、数字经济、数字社会规划和建设等。密集出台的重大政策，让大数据产业发展不断规范，更凸显大数据对于国民经济无可估量的价值和举足轻重的地位。2022 年，随着 ChatGPT 的横空出世，各行各业的生产力似乎都得到了显著提升。大模型的发展不仅带动了消费电子等行业进入新一轮发展周期，部分面向C 端（消费者端）的应用已开始收费，而且对 B 端（企业商家端）的渗透也正不断加深，相关企业数字化业务快速发展。大数据为大模型的发展提供了基础，使得大模型有了更多的数据源和样本，为模型的训练和优化提供了更多的机会和可能性。通过分析大数据，可以发现其中的规律和趋势，从而构建更加准确和可靠的模型。另一方面，大模型可以对大数据进行深入地挖掘和分析。大模型通常包括多种算法和模型，可以对大数据进行多维度、多角度的分析，从而发现其中的隐藏信息和关联规律。四川历史悠久，人口众多、物产丰富，地处西南内陆，交通资源发达、经济增长速度迅速，在发展大数据等数字经济支柱产业方面优势明显。我省电力资源丰富，清洁能源占比高；数据信息资源丰富，应用场景众多；特色工业发达，工业自动化普及率较高；信息基础设施良好，电子信息产业比较发达。2022 年，时任四川省人民政府副省长罗强同志在第五届大数据应用实践大会暨“东数西算中国雅云”主题大会上强调，四川大数据产业发展具有可再生能源富集、科教实力雄厚、信息基础设施完善、数字产业基础坚实等优势。近年来，我省大数据产业产值快速增长，基础设施不断完善，企业创新成果丰硕。省第十二次党代会对构筑数字经济发展高地进行了深远谋划，下一步，一是抓实存量企业培育和产业招商，二是推动大数据与实体经济融合发展，三是营造大数据产业良好发展氛围。经过近年来的摸索发展，四川已经成为引领西部大数据发展的“头雁”，在大数据发展环境、产业实力、行业应用等方面均已形成领先优势。全省重点打造“一核四区”大数据产业集群、“一核”即以成都为核心、“四区”即以东（达州）、南（宜宾）、西（雅安）、北（德阳）为支撑的产业集聚区；积极推广DCMM 数据管理能力成熟度国家标准落地，已完成16 家大数据领域企业贯标。2022年，我省大数据产业发展不断攀高的同时，产业快速发展过程中的挑战也日益明四川省大数据产业白皮书（2023）显，与国内领先的京津、长三角、珠三角等地区相比，我省大数据产业发展还存在差距。区域发展不平衡，成都周边是我省大数据产业的核心区域，其他地区产业基础相对比较薄弱。数据中心布局还有待优化，数据中心计算资源利用率低、规模化绿色化程度还不够高（老旧数据中心 PUE 平均为 1.35，个别达到 1.6）。缺少有重要影响的大数据龙头企业，还未形成龙头企业带动形成产业集群的格局。为此，编撰 2022 年度四川省大数据产业白皮书是为摸清家底做大做强产业。四川省大数据产业联合会鼓励会员单位和社会各界关注关心数字经济的企业、高校、科研院所的生态合作伙伴共同参与大数据产业的发展，推动我省大数据与各行各业深度融合，充分发挥大数据的乘数效应和倍增作用，为建设数字中国贡献四川力量！四川省大数据产业白皮书（2023）编写组名单（排名不分先后）编写组名单（排名不分先后）主要主要参与单位参与单位成都数之联科技股份有限公司（主笔）中国电信股份有限公司四川分公司中国移动通信集团四川有限公司中国联合网络通信有限公司四川省分公司四川通信科研规划设计有限责任公司参与单位参与单位成都信息工程大学成都市智慧蓉城研究院有限公司四川瑞利恒律师事务所四川省电子信息产业技术研究院有限公司四川省产业大数据应用研究院编写组成员（排名不分先后）编写组成员（排名不分先后）朱小军、武志学、才虹丽、于永斌李鑫、李奕、吴锦熤、施开波、赵阳、王雨婷四川省大数据产业白皮书（2023）目 录第一章第一章 大数据产业发展现状大数据产业发展现状.1一、国内外现状与趋势.1（一）国际层面.2（二）国家层面.4二、政策支撑.6三、标准法规政策.7四、产业生态.9（一）产业发展情况.9（二）行业集聚情况.11五、技术、平台与工具.11（一）技术语言.11（二）大数据平台.13（三）大数据处理工具.14（四）大语言模型.15第第二二章章 四川省大数据产业区域发展情况四川省大数据产业区域发展情况.16一、政策支撑.16二、产业布局.17三、人才培养.18四、基础设施.19五、项目建设.20第三章第三章 四川省大数据产业链图谱四川省大数据产业链图谱.22一、产业链图谱介绍.22二、典型公司介绍.25第四章第四章 四川省大数据企业成长性评价指数四川省大数据企业成长性评价指数.29一、指标体系建立.29二、计算方法说明.32第五章第五章 产业典型场景与案例产业典型场景与案例.33一、数字政府领域.33（一）典型应用场景.33（二）优秀应用案例.33二、智能制造领域.38（一）典型应用场景.38（二）优秀应用案例.39三、智慧金融领域.41（一）典型应用场景.41（二）优秀应用案例.42四、智慧物流领域.43（一）典型应用场景.43（二）优秀应用案例.43五、城市治理领域.44（一）典型应用场景.44（二）优秀应用案例.44四川省大数据产业白皮书（2023）第六章第六章 产业发展建议产业发展建议.47一、持续统筹强化顶层设计，形成产业发展集聚效应.47二、加大重大项目投资力度，铸牢算力基础设施底座.47三、推动算力统一平台建设，提升算力供给服务能力.48四、推动重大载体平台建设，促进应用创新规模效应.48五、加快培育数据要素市场，提升数据应用赋能水平.49六、打造特色数字产业集群，助力成渝双城协同发展.49七、加强产业生态联盟建设，扩大开放合作力度深度.50附录附录一一 企业分类表企业分类表.51附录附录二二 层次分析法（层次分析法（AHPAHP，AnalyticAnalytic HierarchyHierarchy ProcessProcess）.57（一）AHP 层次分析法的基本原理.57（二）AHP 层次分析法的结构模型.58（三）九分位比例标度.58（四）判断矩阵.59（五）层次单排序及其一致性检验.60（六）判断矩阵的权重计算.61四川省大数据产业白皮书（2023）第 1 页第一章 大数据产业发展现状一、一、国内外现状国内外现状与趋势与趋势随着社会信息化水平的大幅提升，全球数据总量进入爆发式增长状态，数据应用不断深化发展，政府、企业等组织机构和个人对大数据的价值越来越认同、对海量数据的挖掘和运用需求与日俱增，以数据生成、采集、存储、加工、分析、服务为主的大数据产业在世界范围内逐渐兴起，成为引领经济社会创新驱动发展的关键动能。总体来说，国内外大数据产业的发展趋势显示出持续增长和多元化的特点，同时技术发展和政策支持也在不断推动大数据产业的进步和发展。技术方面，未来大数据发展将呈现一系列新的特征，包括人工智能（AI）和机器学习（ML）的影响力日益增加、组装式数据和分析架构将成为一种通过云市场以及低代码和无代码解决方案构建分析应用的更敏捷方式、通过数据编织使用分析技术保持对数据管道的监控、从“大”数据到“小”而“宽”的数据（FromBig to Small and Wide Data）、采用 XOps（数据、机器学习、模型和平台）实现利用 DevOps 最佳实践实现效率和规模经济的目标、采用工程化决策智能（Engineering Decision Intelligence）、数据和分析成为核心业务功能（Dataand Analytics as a Core Business Function）、通过图技术使一切产生关联（Graph Relates Everything）扩展日益增多的增强型数据消费者（The Rise ofthe Augmented Consumer）和数据和分析正在向边缘计算环境移动（Data andAnalytics at the Edge）。从市场规模来看，全球大数据行业呈现出快速增长的趋势。根据尚普咨询的数据，2016-2022 年期间，全球大数据支出保持了 19.55%的年复合增长率，从280 亿美元增长到 572 亿美元。预计到 2023 年，全球大数据行业市场规模将达到 800 亿美元，同比增长 25.5%。同时，亚太地区是增长最快的地区，主要受益于中国、日本、韩国等国家在数字化转型、智慧城市、工业互联网等领域的积极投入。从行业应用来看，金融、制造、零售、政府和专业服务等行业是全球大数据支出最高的行业，合计占据了近 70%的市场份额。这些行业通常面临着海量复杂多样化的数据来源和处理需求，并且对于数据质量、安全性和实时性有较高要求。从政策支持来看，多个国家都在加强数据跨境流动管理体制机制的建设，同四川省大数据产业白皮书（2023）第 2 页时工业大数据为实现制造强国提供强大支撑。（一）（一）国际国际层面层面预测，全球数据规模将从 2021 年的 82.47ZB 增长至 2026 年的 215.99ZB。为有效应对数据价值利用、数据质量、数据素养、网络安全等方面的挑战，美国、欧盟、英国、澳大利亚、日本、韩国等持续深化大数据战略，不断完善大数据产业相关政策及法律法规（见表 1），以期促进并规范数据产业发展。表 1 国外大数据相关政策及法律法规国家国家时间时间大数据相关政策及大数据相关政策及法律法规法律法规重点内容重点内容美国2019 年 6 月联邦数据战略与2020 年行动计划建立 10 项原则，40 项具体的数据管理实践；确立 2020 年 20 项具体行动方案，为联邦数据战略的未来的实施落地奠定基础。2021年10月联邦数据战略 2021行动计划在 2020 年行动计划的基础上加强了数据治理、规划和基础设施方面的行动。2022 年 6 月美国数据隐私和保护法案考虑了增强个人数据权利的国际趋势，也考虑了数据价值的释放。欧盟2020 年 2 月欧洲数据战略建立跨部门治理框架、加强投资、增强个人、中小企业能力、发展共同欧洲数据空间的四大支柱。2020年11月数据治理法建立了促进数据发展的流程和结构，以促进整个欧盟和各部门之间的数据共享，并增强公民和公司对其数据的控制等。2022 年 2 月数据法通过一系列措施为公司、公民和公共行政部门提供更多数据，保留对数据生成投资的激励措施，从而最大限度地发挥数据在经济中的价值四川省大数据产业白皮书（2023）第 3 页英国2020 年 9 月国家数据战略设定了五项“优先任务”，涉及释放数据的价值、数据体制、转变政府对数据的使用、基础架构的安全性和韧性、国际数据流动。2022 年 6 月英国数字战略在数字基础领域将推出世界级的数字基础设施，释放数据的力量，并将支持通过数据流塑造一个可访问、可互操作的国际数据生态系统，创建全球数据流动基础设施、标准和规则框架。澳大利亚2021 年数据和数字政府战略通过世界级数据和数字功能为所有人和企业提供简单、安全和互联的公共服务的愿景。2022 年 4 月国家数据安全行动计划将致力于建立一个全国性的方法来保护公民数据，保护公民的数据免受侵害，同时构建政府、企业、个人的数据安全要求。预计 2023年底数据和数字政府战略的实施计划支撑最终的数据和数字政府战略的实现。日本2021 年 6 月综合数据战略“综合数据战略”的一大特点是设计了全日本所有涉及数据的参与者共享的整体数据生态架构，包括基础设施、数据、协作平台（工具）、利用环境、规则、组织、战略和政策的七个基本阶层，以及人才和安全的两个跨阶层元素。韩国2021年10月数据产业振兴和利用促进基本法该数据产业基本法通过对数据的开发利用进行统筹安排，进而促进数据产业发展和振兴数据经济。四川省大数据产业白皮书（2023）第 4 页2022 年 4 月数据产业振兴综合计划并成立了“国家数据政策委员会”“国家数据政策委员会”作为国家数据和新产业政策的管理机构，由国务总理作为委员长，各主管部门代表和个人信息保护机构代表共同组成，负责制定数据和新产业相关的制度，并放开相关限制2022 年 9 月国家数据政策委员会第一次委员会8 个数据领域、5 个新产业领域、共计 13 个领域的改善计划2022 年 9 月大韩民国数字战略提出形成数据利用环境：整合公共和民间数据、保护数据资产、确立交易秩序与标准化体系等，实现数据价值认可和流通的基础（二）（二）国家层面国家层面随着发展大数据产业的宏观环境不断优化、市场需求不断释放、市场条件不断完善，我国大数据产业发展已经逐步形成规模，并呈现出良好增长态势。根据“十四五”大数据产业发展规划，我国大数据产业在“十三五”时期快速起步发展，产业规模年均复合增长率超过 30%。同时数字中国发展报告（2022年）显示，截至去年底，我国大数据产业规模达到了 1.57 万亿元，同比增长了 18%。从总体来看，我国大数据产业发展水平已经明显提高，在产业基础、产业链条和产业生态建设等方面均取得显著成效。1.基础设施建设方面，算力、网络等基础设施规模能级不断提升，数据存储、计算、传输等能力大幅增强。工信部统计显示，截至去年底，我国算力总规模达到 180EFLOPS（百亿亿次浮点运算/秒），年增长率近 30%，位居全球第二，存力总规模超过 1000EB（1 万亿 GB）；根据中国算力指数发展白皮书（2022），我国在全球算力总规模中的占比达到 33%、仅低于美国 1%，其中通用算力占比为26%、智能算力占比为 28%、超级算力占比为 18%，整体上与美国的差距正在逐步缩小。截至 2023 年 3 月底，我国累计建成 5G 基站 264 余万个，具备千兆网络服务能力的端口数 1793 余万个，5G 移动电话用户达 6.2 亿户，千兆光网用户突破1 亿户；移动物联网终端用户数达 19.84 亿户，“物”连接数占比超过 53%，是四川省大数据产业白皮书（2023）第 5 页全球首个实现“物超人”的国家；IPv6 活跃用户数超 7 亿，移动网络 IPv6 流量占比近 50%。2.数据资源体系建设方面，根据数字中国发展报告（2022 年），我国去年的数据产量达到 8.1ZB，同比增长 22.7%，全球占比达到 10.5%，位居世界第二位；全国一体化政务数据共享枢纽发布数据资源 1.5 万类，累计支撑共享调用超过 5000 亿次。公共数据授权运营方面，管理规则逐步完善、运营体系加快建立，广东、江苏、浙江等省份陆续发布针对性的公共数据管理办法或条例，上海、苏州、成都、福建等省市陆续成立实体，积极探索专业化运营新模式。数据交易市场培育方面，2022 年我国数据交易机构数量达到 48 个，平台的注册资本多数介于 5000 万至 1 亿元间，华东、华南、华中地区为主要的集聚地，各大平台探索形成佣金收取、会员制、增值式交易服务等多种盈利模式。3.产业链条发展方面，围绕“数据资源、基础硬件、通用软件、行业应用、安全保障”的大数据产品和服务体系已经基本形成。大数据产品和服务方面，复用性高、通用性强、可规模化部署的大数据产品和解决方案不断涌现，大数据在用户画像、舆情分析、风险识别等方面的服务专业化水平不断提升，数据建模、品牌洞察、业务优化等方面的服务范围不断拓展。行业应用方面，当前我国在政务、电信、金融以及互联网等数据资源基础较好的领域大数据应用发展较为成熟，工业、健康医疗、空间地理信息等领域的相关应用因受政策大力扶持潜力较大，整体上大数据融合应用重点已经着重向实体产业和民生服务转变。安全保障方面，国家和各省市高度重视大数据安全问题，持续推进数据分级分类管理工作；随着联邦学习、多方安全计算、可信执行环境等技术的快速发展和应用，数据安全技术屏障更加坚实；数据安全产业市场规模逐渐扩大，大数据安全分析、隐私保护以及数据脱敏细分领域发展前景良好。4.关键技术研发方面，陆续成立国家级大数据相关实验室，不断强化大数据领域相关技术研发与创新能力。涉及大数据核心技术，组建了大数据分析与应用技术国家工程实验室、模式识别国家重点实验室、计算机辅助设计与图形学国家重点实验室、信息安全国家重点实验室、光纤通信技术和网络国家重点实验室等，加快补齐技术短板，支撑大数据产业发展与创新；涉及大数据融合应用，组建了流程工业综合自动化国家重点实验室、综合交通大数据应用技术国家工程实验室、四川省大数据产业白皮书（2023）第 6 页医疗大数据应用技术国家工程实验室、电力大数据灾害预警国家重点实验室等，加快交通、医疗、电力等细分领域的技术突破；涉及大数据关联技术，组建了虚拟现实与系统国家重点实验室、机器人学国家重点实验室等，推动大数据与虚拟现实、人工智能等技术的交叉融合；涉及公共大数据领域，2021 年 9 月，国家正式批准建设省部共建公共大数据国家重点实验室，围绕公共大数融合与集成、公共大数据安全与隐私保护、块数据与区域治理等方向开展系统研究。5.制度环境优化方面，“十四五”时期，大数据领域的法律法规和政策文件密集发布，制度环境整体向好。出台了数据安全法个人信息保护法等相关法律法规，通过立法保障大数据产业的可持续健康发展，努力消除产业野蛮生长过程中可能产生的消极影响；通过了“十四五”大数据产业发展规划要素市场化配置综合改革试点总体方案 关于构建数据基础制度更好发挥数据要素作用的意见数字中国建设整体布局规划等政策文件，明确了数据要素价值释放的必要性和迫切性，指明了我国大数据产业发展的具体方向；发布了工业、医疗、通信等行业大数据政策，推动大数据与重点细分行业领域进行深度融合。6.专业人才供给方面，社会侧和政府侧共同发力，政产学研各方通力合作，人才供给能力显著增强。教育部公开数据显示，2017-2022 年全国共有 3086 所高职院校成功备案大数据技术专业，专业热度不断提升，为大数据产业发展提供了丰富的应用型和技能型人才储备。同时，各省市越来越重视大数据相关人才队伍建设，积极探索“政产学研”人才培养模式，通过与国内知名高校、行业龙头企业合作培养大数据相关专业人才。例如贵州省先后落地“清华-贵州大数据研究生实践教育基地”“上海交大-贵州专业学位研究生联合培养基地”，逐步完善大数据人才队伍开发机制；广东省人力资源社会保障厅与华为技术有限公司合作打造智慧型技工院校，引入 5G、云计算、大数据、人工智能等培训课程，深化校企合作，加快高素质技能人才培育。二、二、政策支撑政策支撑大数据在 2014 年首次写入政府报告后，逐步成为各级政府及社会各界的关注热点。2015 年至 2022 年期间，促进大数据发展的行动纲要中共中央关于坚持和完善中国特色社会主义制度 推进国家治理体系和治理能力现代化若干四川省大数据产业白皮书（2023）第 7 页问题的决定中共中央 国务院关于构建更加完善的要素市场化配置体制的意见相继出台，“十四五”大数据产业规划再次明确要加快培育数据要素市场，构建数据价值体统，发挥大数据特性优势，将大数据特性优势转化为产业高质量发展的重要驱动力，激发产业链各环节潜能，完善大数据标准体系建设。2023年 2 月，中共中央、国务院正式发布数字中国建设整体布局规划，从全局的角度对数字中国建设进行布局和规划，指出建设数字中国是数字时代推进中国现代化的重要引擎，是构筑国家竞争力新优势的有力支撑。值得注意的是，工信部等 16 部门在 2023 年 1 月发布了关于促进数据安全产业发展的指导意见，提出数据安全产业是新兴业态，要统筹发展和安全，把握数字化发展机遇，以全面提升数据安全产业供给能力为主线，发展数据安全服务，构建繁荣产业生态，推动数据安全产业高质量发展。除了上述领域外，在金融、人工智能、数字乡村等领域，相关部门也出台了有关专门的政策文件。三、三、标准法规标准法规政策政策2016 年至今，网络安全法数据安全法和个人信息保护法相继颁布，共同构成了我国网络安全与数据保护领域的基础性顶层立法的“三驾马车”，对促进我国数据开发利用，保障数据和个人信息安全，推动我国数字经济发展，建设数字中国具有重要意义。为了落实上述法律及相关法规的要求，国家市场监管总局、国家互联网信息办公室分别在 2022 年 6 月、11 月出台数据安全管理认证实施规则和个人信息保护认证实施规则，鼓励企事业单位和有关机构规范数据处理活动，加强数据安全保护，取得有关认证。同时，国家互联网信息办公室分别 2022 年 7 月、2023 年 2 月出台数据出境安全评估办法和个人信息出境标准合同办法，并发布了数据出境安全评估申报指南（第一版）和个人信息出境标准合同。除了综合的法律法规外，针对不同行业或领域，相关部门出台了相应的法律法规，如在工业领域，工信部出台了工业和信息化领域数据安全管理办法（试行）（2022 年 12 月）；在交通运输领域，国家互联网信息办公室、交通运输部等部门出台了 汽车数据安全管理若干规定（试行）（2021 年 8 月）；在医疗健康领域，国家卫健委、国家中医药局、国家疾控局出台了医疗卫生机构网络安全管理办法（2022 年 8 月）；在快递领域，国四川省大数据产业白皮书（2023）第 8 页家邮政局出台了寄递服务用户个人信息安全管理规定（2023 年 2 月）。特别值得关注的是，针对当前人工智能和 AIGC 领域等热点行业和领域，国家互联网信息办公室、科技部等部门也快速作出了响应，在 2021 年 12 月出台互联网信息服务算法推荐管理规定，在 2022 年 11 月出台互联网信息服务深度合成管理规定，对互联网信息服务中算法推荐和深度合成进行规制，并在 2023 年4 月发布科技伦理审查办法（试行）（征求意见稿）、生成式人工智能服务管理办法（征求意见稿），对类似 Chatgpt 的服务可能引发数据安全风险、侵犯个人信息权益以及科技伦理等问题进行了规制。除上述法律法规外，我国近年还出台了多个大数据、数据安全有关配套标准指南，如信息安全技术 个人信息安全规范信息安全技术 大数据服务安全能力要求信息安全技术 大数据安全管理指南信息安全技术 个人信息安全影响评估指南信息安全技术 个人信息去标识化指南信息安全技术 数据安全能力成熟度模型信息安全技术 大数据交易服务安全要求信息安全技术 数据出境安全评估指南等。除国家层面的法律法规和标准指南外，我国多个地方省市在 2022-2023 年期间也相继出台了大数据、数字经济有关的法律法规，促进本地区的大数据产业和数字经济发展。经统计，包括深圳、上海、江西、厦门、重庆、四川在内的多个省市均已出台数据条例，对本区域数据安全和数字经济发展作出详细规定，包括山东、福建、广州、黑龙江、河北、江苏、辽宁、深圳、北京、广西、山西在内的多个省市已出台大数据发展条例（或大数据发展促进条例）或数字经济促进条例。此外，我国大部分省市也已出台了有关公共数据或政务数据开放、共享的条例或办法，对公共或政务数据的开放、共享、安全等问题作出规定。值得特别关注的是，天津、上海、深圳、贵州四地均出台了数据交易有关的管理办法，如深圳出台的深圳市数据交易管理暂行办法、贵州出台的贵州省数据交易流通管理办法（试行）。2022 年 12 月，四川省出台本省第一部数据领域基础性法规四川省数据条例，条例共八章七十条，以促进数据利用和产业发展为基本定位，紧扣以规范促发展、以保护促利用的立法主线，聚焦数据资源体系建设、数据流通利用、数据安全管理三大环节，针对四川省数字化发展的瓶颈问题，在满足安全要求的前四川省大数据产业白皮书（2023）第 9 页提下，最大程度促进数据流通和开发利用，赋能数字经济和社会发展。条例包括：完善数据交易规则，明确禁止滥用大数据技术进行消费者“杀熟”；强调个人信息保护，规定在公共场所不得以人脸识别作为出入唯一验证方式；加快建设数字四川，推动以数据为关键要素的数字经济发展；设置区域合作，实现川渝地区数据资源落地共享等六大方面内容，对主导编制国际、国家、行业或地方大数据标准的企业或机构分别给予 100 万元、50 万元、30 万元的一次性奖励。除条例外，四川省德阳市还出台了德阳市数据要素管理暂行办法德阳市数据要素安全管理暂行办法 和 德阳市数据要素市场管理暂行办法 等规定，作为目前省内唯一的市级数据交易机构德阳市数据交易中心的配套支持政策法规。四、四、产业生态产业生态（一）（一）产业发展情况产业发展情况根据北京大数据研究院发布的2022 中国大数据产业发展指数报告，从产业政策与环境、产业规模与质量、头部企业情况、产业创新能力以及产业投资热度 6 大维度来看，在全国 31 个省级行政区（不含港澳台地区）范围内，大数据产业发展综合得分排名前十五的省份包括：北京、广东、浙江、上海、江苏、山东、四川、天津、福建、安徽、重庆、湖北、辽宁、河南、湖南。其中东部省份多于西部省份，南方省份多整体呈现出“东西差距较大、南北分布不均”的发展特征，其中东部地区整体领先于西部地区、南部地区整体优于北部地区。大数据产业发展入围前 10 强的城市包括：北京、深圳、上海、广州、杭州、南京、天津、成都、苏州、合肥。从区域发展情况来看，在前 10 强中，长三角地区 5 个城市入围、珠三角地区 2 个城市入围、京津冀地区 2 个城市入围、成渝地区双城经济圈 1 个城市入围。总体上，我国大数据产业向长三角、珠三角、京津冀、成渝等区域集聚发展态势明显，但是各区域间的发展状况存在一定差异，整体呈现出“东西差距较大、南北分布不均”的发展特征，其中东部地区整体领先于西部地区、南部地区整体优于北部地区。具体而言，东北地区和西北地区发展较为落后，未有城市进入全国前列；长三角地区整体发展水平较高，且各城市间的发展较为均衡；珠三角地区四川省大数据产业白皮书（2023）第 10 页由深圳和广州“双头驱动”，整体发展态势良好；京津冀地区发展不协调问题突出，虽然北京在全国范围内领跑，天津指数排名显著上升，但是河北地区发展仍较为滞后；成渝地区双城经济圈近年来在数字领域发展步伐也明显加快。京津冀、长三角、珠三角、中西部等地区大数据与区域经济协同发展、融合发展日益深化，已成为大数据产业发展的桥头堡，将持续引领全国大数据整体发展。未来大数据行业的发展趋势将围绕着数据治理、人工智能、云计算、物联网、区块链、数据伦理等方面展开，同时也需要加强对数据人才的培养和引进，创新应用场景和商业模式。数据量的爆炸式增长：随着互联网、物联网等技术的不断发展，数据量将会呈现出爆炸式增长的趋势。这将为大数据产业提供更多的数据来源和应用场景。人工智能与机器学习的广泛应用：人工智能和机器学习技术的应用将会越来越广泛。未来的大数据产业将更加注重这些技术的应用，以便更好地理解和分析数据，提高业务效率和决策质量。云计算技术的普及：随着云计算技术的不断发展，未来大数据产业将更加注重云化。云计算可以提供更加灵活、可扩展和安全的计算环境，使企业可以更好地利用资源。自动化和智能化的趋势：未来大数据产业将越来越注重自动化和智能化，以减轻人力负担并提高工作效率。例如自动化数据分析、自动化建模等。开放性和安全性的重要性：未来的大数据产业需要具备高度的开放性，以便与其他系统和应用程序集成。同时，数据安全和隐私保护也将成为重要的发展趋势。产业生态的完善：未来的大数据产业将逐渐形成完善的产业生态。这包括数据采集、存储、处理、分析、应用等各个环节的整合和发展，以及相关技术和标准的制定和推广。总之，未来的大数据产业发展将趋向于数据量的增长、人工智能与机器学习的应用、云计算技术的普及、自动化和智能化的趋势、开放性和安全性的重要性以及产业生态的完善等方面。这些趋势将推动大数据产业的不断创新和发展，为企业带来更好的业务价值和竞争优势。四川省大数据产业白皮书（2023）第 11 页（二二）行业集聚情况行业集聚情况2015 年以来，陆续推出系列大数据产业相关政策。2021 年，部分省市已经发布大数据产业相关的“十四五”规划。例如，2021 年 6 月，浙江省发布数字经济发展“十四五”规划，其中提出要做优云计算、大数据、人工智能、物联网、区块链、虚拟现实等新兴产业，大数据产业将围绕数据全生命周期，重点发展数据清洗、脱敏、挖掘分析、可视化等大数据服务，拓展社会信用、舆情监管、金融风险评估等应用领域。探索开展数据价值评估、数据交易、数据确权和追溯等服务；2021 年 9 月，江苏省“十四五”大数据产业发展规划正式发布，规划提出到 2025 年江苏省大数据核心业务收入突破 2500 亿元，推动江苏成为积极融入长三角、面向全国、在优势特色领域具有国际竞争力的先进算力支撑区、数据要素高效配置先导区、大数据产业创新发展区、大数据融合应用示范区。在全国各地公开发布的大数据发展政策中，有 14 个地区明确提出了大数据产业的目标定位和方向，主要以大数据产业聚集区、产业中心和产业高地为主。其中，上海、河南、重庆作为国家区域示范类大数据综合试验区，以引领东部、中部、西部的大数据发展为主要目标。北京、广东等地凭借较强的技术创新能力、较好的数字设施基础和已初步形成大数据产业集群的先发优势，提出面向国际或国家的大数据产业高地定位。部分数字基础设施建设较为薄弱的地区也勇于发挥后发优势，力争在大数据发展竞争中实现弯道超车。比如，贵州提出成为“全国数据汇聚应用新高地、综合治理示范区、产业发展聚集区、创业创新首选地、政策创新先行区”。各地将大数据产业作为发展数字经济的重要抓手。“十三五”以来，京津冀、上海、贵州等 8 个国家大数据综合试验区先行先试，布局建成了 11 个大数据领域国家新型工业化产业示范基地，有力推动了大数据产业集聚，行业集聚示范效应显著增强。五、五、技术、平台与工具技术、平台与工具（一）（一）技术语言技术语言大数据分析是包括计算机科学在内的多个领域的集合，技术的融合实现最终四川省大数据产业白皮书（2023）第 12 页通过软件工程来进行输出。尽管大多数语言都可以满足软件开发的需求，但大数据分析编程的不同之处在于它可以帮助用户对数据进行预处理，分析和生成预测。现今，大数据开发语言总的来说呈现百花齐放的发展态势。其中，SQL 语言（编写 Flink/Blink、Hive 任务）在数据仓库建设和数据分析领域应用广泛，JVM 语系（Java、Scala 为主）在 Hadoop 生态中举足轻重并且是数据平台开发的首选，Python 在人工智能方向极为受宠，R 语言则是数据建模和数据可视化的利器。图 1 大数据技术图谱主流的流式计算框架有 Storm/Jstorm、Spark Streaming、Flink/Blink 三种，未来针对流数据 批数据的计算框架 Flink/Blink 将随着非结构化数据应用场景的主流化成为流式计算领域的主流框架。离线计算领域目前主要有 Hadoop MapReduce、Spark、Hive/ODPS 等计算框架。其中，建立在 Hadoop 文件系统上的数据仓库架构 Hive 由于和 SQL 语言的兼容性更为便利，以及更低的学习成本，未来可能将更为广泛地被接受。列式存储 NOSQL 数据库包括键值（Key-Value）数据库、面向文档（Document-Oriented）数据库、列存储（Wide Column Store/Column-Family）数据库、图（Graph-Oriented）数据库等，随着对数据处理需求、处理效率的不断增长，未来能够为海量数据提供在线服务的分布式数据库 Lindorm 将会应用更加广泛。四川省大数据产业白皮书（2023）第 13 页总的来说，经过十几年的发展，大数据生态圈涌现出一大批优秀的组件和框架对底层技术进行封装，提供给程序员简单易用的 API 接口。在大数据分析和处理领域，Hadoop 已经发展成为一个非常成熟的生态圈，涵盖了很多大数据相关的基础服务，Spark 和 Flink 主要针对大数据计算，分别在批处理和流处理方向建立了自己的优势。随着大数据技术、机器学习和深度学习的不断迭代和国产化信创的不断深化，大规模的数据集和计算能力的提升使得大模型训练，主要通过特征模型参数来编程。在这个阶段，程序员需要设计和训练复杂的神经网络，例如使用 TensorFlow 或 PyTorch 这样的框架，来构建人工智能应用，如图像识别、语音识别、自然语言处理等。它的主要特点是使用大规模的数据和计算资源，通过机器学习算法来训练出具有智能的模型。在未来相当长一段时间内，Python、Java、Scala、SQL 等语言仍将保持其重要性和应用价值。2023 年初，随着 chatGPT大模型算法的兴起，未来大数据技术将和软件技术一同，进入提示工程阶段，以自然语言的提示工程为代表。通过大型语言模型，如 GPT 和 GPT-3，程序员可以通过给出一些关键词或者示例，让模型自动生成代码。这种方式不需要具体的编程语言知识，使得程序员能够更加高效地实现想要的功能。例如，使用 OpenAI的 Codex 平台可以通过自然语言描述来生成代码。（二二）大数据平台大数据平台大数据平台是对应大数据的五大特征，针对大容量、高并发的数据量，以存储、运算、展现作为目的的平台。它的出现伴随着业务的不断发展，数据的不断增长，数据需求的不断增加，数据分析及挖掘的场景而逐步形成，它能够提供采集、计算、存储、分析、可视化等多方面的能力，保障各系统之间数据的互通与共享，让数据透明化，更好地为分析及决策提供有价值的依据。随着云计算技术的不断发展，越来越多的企业将数据和应用程序迁移到云端。因此，大数据技术平台也将更加云化，提供更加灵活、可扩展和安全的云服务。AI 和机器学习技术的快速发展将会推动大数据技术平台的发展。这些技术可以帮助企业更好地理解和分析数据，从而提高业务效率和决策质量；容器技术可以帮助企业更轻松地部署和管理应用程序，提高平台的灵活性和可伸缩性，降低运维成本；提供更加安全的数据存储、传输和处理能力，以保护企业的数据资产；具备高度的开放性，以便与其他系统和应用程序集成。开放性可以帮助企业更好四川省大数据产业白皮书（2023）第 14 页地利用现有的技术和资源，同时也可以促进创新和发展。总之，随着大数据技术的不断发展，大数据技术平台也将不断演变和完善。未来的大数据技术平台将更加云化、智能化、安全化、容器化和开放化，以满足不同企业的需求。（三三）大数据处理工具大数据处理工具近些年，随着越来越多的企业对数据价值的认识不断提升，数据分析工具得到了前所未有的关注，特别是以自助式 BI 为代表的分析产品。据知名调研机构Gartner 预计，到 2019 年，使用自助式 BI 产品的用户将超过专业的数据分析人员。与此同时，在人工智能、机器学习等前沿技术的推动下，数据分析工具也正在向着自动化、智能化的方向发展，未来，数据价值也势必会得到更好的挖掘和体现。Excel 由于简单易用，曾经在世界范围内拥有最广泛的用户群，但面临海量数据的处理和分析，Excel 无法胜任。随着 Python 和多种数据处理工具的普及，大部分数据处理人员基本放弃了 Excel 作为数据分析工具，转而使用第三方工具或 Python、R 等开源工具的受访用户分别占到了 26%和 21%。根据应用统计，在数据处理过程中，数据清洗、整理过程花费时间最长，全维度数据钻取等分析功能需求明显，简单、智能是未来数据分析工具的发展方向。图 2 大数据处理工具概览图四川省大数据产业白皮书（2023）第 15 页经过十余年的发展，受益于开源、国内外互联网大企业的引领和创业公司不断创新，数据工具也是层出不穷，每一个数据处理环节都有大量可选工具。现在至未来，多云和混合云架构也是企业的主流选择，这给大量独立的数据工具提供了广阔的生存空间。跨云数据产品也将成为未来企业需要考虑的重点。无论是公有云还是非公有云，数据产品能兼容于各类异构云/云原生基础设施，将成为用户采用的前提。随着大数据应用范围的拓展，未来的大数据分析工具必须要适应任务多样化的需求，除了最基本大数据分析能力，可视化、智能化、可定制化等属性也将逐渐正成为我们考量大数据分析工具性能的指标。（四四）大语言模型大语言模型大语言模型（Large Language Model,LLM）是利用大规模语料数据进行预训练的预训练语言模型（Pre-trained Language Models,PLMs），是自然语言处理（NLP）的一种方式。大语言模型的发展经历了从基于循环神经网络（RNN）和卷积神经网络（CNN）等基础模型的早期大型语言模型，到引入生成式模型的现代大型语言模型，如 Transformer 等。大语言模型的主要特征在于其具备涌现能力，即模型可以通过学习语言的概率分布，生成与训练数据相似的新文本。此外，大语言模型还具有多语言提取能力，可以在不同语言之间进行转换和生成。大语言模型的应用领域非常广泛，包括但不限于自然语言处理、机器翻译、对话系统、文本生成等。例如，GPT-3、BERT 和 XLNet 等著名大语言模型已经被广泛应用于这些领域，并且取得了显著的成果。四川省大数据产业白皮书（2023）第 16 页第二章 四川省大数据产业区域发展情况2022 年，我省全面贯彻落实省委关于以实现碳达峰碳中和目标为引领推动绿色低碳优势产业高质量发展的决定，以大数据和实体经济深度融合为核心，以打造大数据产业集群为目标，以建设天府数据中心集群为重点，加快培育数据要素市场，不断推动我省大数据产业高质量发展。2022 年全省大数据产值规模约 1400 亿元左右，比上年增长约 17.6%，其中省会城市成都大数据产业规模达823 亿元，同比增长 35.89%。预估 2023 年全省大数据产值规模达 1700 亿元，同比增长约 21%，完成产值增长约 25%。一、一、政策支撑政策支撑近两年，地方各省市相继出台了“十四五”大数据或数字经济发展规划，对本地区十四五间的大数据或数字经济发展作出统一布局规划。经统计，在 2021年到2023年1月期间，相关部门已发布27余份细分行业或领域有关大数据产业、数字经济的政策文件。为加快四川省大数据产业和数字经济发展，四川省也出台多个大数据、数字经济有关的产业政策。其中，出台四川省“十四五”数字经济发展规划，明确到 2025 年，全省数字经济总量超 3 万亿元、占 GDP 比重达到 43%，建成具有全国影响力的数字经济科技创新中心和数字化转型赋能引领区，高水平建成国家数字经济创新发展试验区，初步建成全国数字经济发展新高地。同时，四川省配套编制四川省“十四五”软件与信息服务业发展规划四川省“十四五”信息安全产业发展规划四川省“十四五”存储产业发展规划3 个产业发展规划，推动全省重点优势产业加快发展。出台了四川省“十四五”数字政府建设规划提出到 2025 年，我省数字政府建设整体水平迈入全国先进行列，全面建成协同高效、治理精准、决策科学、人民满意的数字政府，开启数据驱动政务服务和政务运行新模式。在数据要素市场化配置改革方面，出台了中共四川省委四川省人民政府关于构建更加完善的要素化配置体制机制的实施意见 关于开展四川省数据要素市场化配置改革试点的通知等文件。出台了关于支持四川省数字化转型促进中心建设的政策措施，加快推动数字经济更好服务和融入新四川省大数据产业白皮书（2023）第 17 页发展格局，加快推动我省数字化转型促进中心建设，加速促进数字技术赋能传统产业转型升级，打造数字经济新优势。此外，还在政务领域出台了四川省“一网通办”三年行动方案 四川省一体政务服务平台电子证照管理暂行办法 四川省一体化政务服务平台电子印章管理暂行办法 四川省政务信息资源目录编制指南等文件。此外，四川省还出台了四川省大数据与人工智能专业职称申报评审基本条件关于加快发展新经济培育壮大新动能的实施意见关于开展 2023 年川渝区域数据标准应用试点的通知等政策文件，推动和加快本省大数据和数字经济产业发展。省级层面外，省内各市州也都编制了“十四五”数字经济（产业）发展规划，对本地区的大数据或数字经济产业进行布局规划。近年来，我省通过“贡嘎培优”“专精特新”“小巨人”等计划支持大数据企业创新发展。国星宇航、中科大旗等一批企业脱颖而出。四方伟业等 4 家公司入围赛迪发布的“2022 中国大数据企业 50 强”。认定高新技术企业 100 家、科技中小企业 800 余家、瞪羚企业 6 家。川投、川发展、能投等省属国企均成立大数据（数字经济）公司，加大大数据领域业务拓展。推动 5G 医疗健康应用等重点项目试点示范。推动“中德合作智能网联汽车项目”“基于人工智能技术的个人和小微企业信贷风险管控应用”“基于区块链技术的知识产权融资服务平台”等国家重点项目应用。此外，“天府健康”“天府通办”使用活跃，注册用户超6000 万、便民服务应用 7000 个。二、二、产业布局产业布局四川省凭借丰富的水电资源及人力资源优势，吸引大数据产业企业到西部落户，以及在成都、绵阳、雅安、宜宾、遂宁等十个地市设立大数据专门管理机构，统筹推进大数据产业发展。创意信息、四方伟业、中电九天、成都路行通、长虹、国能大渡河等单位申报的 6 个项目入选工信部大数据产业发展试点示范项目。根据中国大数据网发布的中国大数据产业白皮书（2021 年）显示，其中处于高质量发展阶段的企业数量达 12432 家，占比超过了 20%。我省处于健康发展阶段及以上阶段的优质大数据企业数量有 770 家，占比约 5%，高于全国平均水平，位列全国大数据企业数量的第六位，是全国大数据产业发展的较为领先省份，且大部分优质企业主要集中在信息传输、软件和信息技术服务业，地区则主要集中四川省大数据产业白皮书（2023）第 18 页在成都市。我省优质企业数量大数据企业的地域分布，主要与相关产业园区有关。今年来，我省稳步推进国家数字经济创新发展试验区（四川）、国家人工智能创新应用先导区、国家人工智能创新发展试验区等建设。雅安经开区成功申报国家新型工业化产业示范基地（数据中心），祟州经济开发区通过国家新型工业化产业示范基地（大数据）发展质量评价。成都国家级互联网骨干直联点网间带宽扩容至1030G。提升大数据企业创新发展能力，评选了一批省级企业技术中心，网阔信息、美幻科技等 8 家企业入选。打造大数据企业的服务载体，建设了一批省级数字化转型促进中心，成都大数据公司、四方伟业 2 家企业分获区域型和企业型促进中心。培育了近 40 个省级工业互联网平台，截至 2021 年“企业上云”累计超29 万。区块链可信服务联盟（BTSI）主办的区块链产业知识服务平台BTSI信链学院上线，成立了文旅可信区块链服务联盟。数据要素市场化配置改革方面，通过试点工作积累数据要素市场建设实践经验，形成一批可复制、可推广、可借鉴的试点成果，破解数据要素市场建设中的体制机制障碍，推动数据要素重点领域发展，向全国输出“四川方案”。2022年，31 家单位被授予四川省数据要素市场化配置改革试点单位，其中数据要素基础制度 1 家、数据要素交易流通 4 家、公共数据开放共享 4 家、数据要素生态构建 5 家、数据要素场景打造 17 家。三、三、人才培养人才培养为贯彻落实四川省委省政府关于加快构建“5 1”现代产业体系推动工业高质量发展的意见，加快建设网络强省、数字四川、智慧社会，四川省大数据中心及时跟进省委省政府人才工作部署，主动谋划数、智、云、物、链、管等新兴职业人才评价工作。在全面摸清全省大数据相关领域人才底数基础上，组织高层次专家团队，精心起草标准条件，会同人力资源社会保障厅正式印发四川省大数据与人工智能专业职称申报评审基本条件，成为继天津人工智能专业、贵州大数据专业后全国第 3 个正式建立数智领域职称评价标准的省份。四川省大数据产业白皮书（2023）第 19 页四、四、基础设施基础设施信息基础设施建设方面，截至 2023 年 6 月，累计建成 5G 基站 14.3 万个，5G 个人用户普及率达到 44.8%，5G 网络接入流量占比 45.3%，5G 用户数达到 3751万户，规模西部第一。截至 2023 年 6 月，10G-PON 端口达到 116 万个，千兆光网具备覆盖 4500 万户家庭能力，实现所有乡镇 5G 和千兆光网 100%通达，省级以上工业园万兆光网全覆盖，初步形成“千兆城市群”。累计建成物联网基站近5 万个，物联网终端用户数超 4000 万。网络支撑能力得到显著提高，成都至北京（京津冀）、上海（长三角）、广州（粤港澳）国家枢纽节点省际带宽分别为3000G、6100G、4400G，端到端网络单向时延低于 20 毫秒；成都至西部地区贵州、内蒙古、甘肃、宁夏国家枢纽节点省际带宽分别为 6000G、800G、860G、840G，端到端网络单向时延低于 15 毫秒。成渝两地之间直联网络实现优化，新建成安渝等传输干线，推进成都国家级互联网骨干直联点扩容和成都国际数据直达通道升级。成都至重庆直达带宽 6200G，端到端网络单向时延低于 10 毫秒。省内重点城市直达网络完善，天府数据中心集群与省内重点城市边缘数据中心网络高效供给对接和协同发展。成都国家级互联网骨干直联点带宽 2000G；成都互联网国际数据直达通道扩容 8 倍达到 360G，服务范围从成都高新区扩大至 66 个产业功能区。截至 2022 年底，全省算力规模约 8EFlops（占全国的 4.4%），其中智算规模约 350PFlops，存力总规模约为 30EB（占全国的 3%），算力核心产业规模约 1000 亿元（占全国的 5.5%）；全省数据中心总耗电量约 70 亿千瓦时，约占四川全社会用电量的 2.2%。根据中国信息通信研究院发布的中国算力发展指数白皮书（2023），四川算力综合发展指数居全国第 7 位，前三分别是广东、北京、江苏。算力规模分指数排名 13，前三分别北京、广东、上海。成都在算力 20 强市榜单中排名 11 位。截至 2023 年 9 月底，全省数据中心规模达 36 万标准机架，（在用 19 万标准机架、在建 17 万标准机架），平均上架率约 55%，平均 PUE 值约 1.3；全省纳入统计的数据中心共 132 个，已建成 3 个超大型数据中心，15 个大型数据中心。超算方面，成都超算中心（一期）170PFlops 算力平台，算力性能居全球前十。四川已建成都智算中心（一期）300PFlops 人工智能算力平台。中国雅安大数据产业园成为全国首个“碳中和”绿色数据中心，天府数据中心集群起步区内新建数据中心绿色低碳等级均达到 4A 级以上。在算力结构四川省大数据产业白皮书（2023）第 20 页方面，我省通用算力占比超 95%，对新技术、新场景、新应用起到支撑作用的超算、智算算力还需加大发展力度。融合基础设施建设方面，获批建设成渝地区国家级工业互联网一体化发展示范区，全省累计建成 14 个二级节点，标识注册总量超 100 亿个，注册与解析量均居全国前列。培育 2 个国家级跨行业跨领域工业互联网平台，近 40 个省级工业互联网平台，推动超 35 万户企业上云用云，打造重点行业近 150 个 5G 全连接工厂。创新基础设施建设方面，已建和在建国家大科学装置 10 个，居全国第 3 位。建成国家重点实验室 16 个、国家工程研究中心 9 个、国家工程技术研究中心 16个、国家地方联合工程研究中心（工程实验室）44 个，认定 13 家省级制造业创新中心，国家级制造业创新中心实现“零的突破”。安全保障设施建设方面，基本建成覆盖网络安全、信息安全、数据安全等功能的一体化信息安全管理平台。建成基于主流国产芯片和国产软件的全要素信创平台，成都、泸州、内江等 6 市已建成信创云，完成全省 164 个应用系统的信创适配改造。公共数据资源体系建设方面，2022 年，全省着力推动公共数据资源建设，数据开放规模持续扩大，数据开放质量逐步提升。“四川公共数据开放网”汇聚48 个省级部门数据，截至 2022 年底，开放数据集增至 33696 个，同比增长223%，数据总量增至 30.1 亿条，同比增长 11.48%。五、五、项目建设项目建设2022 年 2 月，国家“东数西算”工程正式启动，布局建设 8 个全国一体化算力网络国家枢纽节点，成渝是 8 个枢纽节点、10 个集群之一。四川积极响应国家战略，编制印发了全国一体化算力网络成渝国家枢纽节点（四川）实施方案，明确了总体目标、建设布局、重点任务和保障措施等内容，综合考虑产业布局、能源结构和地质、气候等条件，全省将重点建设天府数据中心集群，适度建设若干城市内部数据中心，形成“群城”互补、“云边”协同的全省一体化数据中心体系。2022 年，四川省 6 个项目共荣获工信部“2022 年大数据产业发展试点示范四川省大数据产业白皮书（2023）第 21 页项目”，分别为创意信息技术股份有限公司的“基于全栈国产化的大数据治理平台”、成都四方伟业软件股份有限公司的“数字孪生可视化分析平台”、中电九天智能科技有限公司的“基于工业大数据的高端电子制造企业智能制造平台建设与应用”、四川长虹电子控股集团有限公司的“基于数据驱动的数字化工厂建设”、成都路行通信息技术有限公司的“基于百万级智能网联汽车时空大数据的智慧交通大数据平台”，以及国能大渡河大数据服务有限公司的“基于工业互联网的水电安全管控平台研发及应用”。2023 年，4 个项目入选工信部“国家物联网典型应用案例”，分别为中电九天智能科技有限公司“基于工业物联网和边缘计算的实时数据管控系统”、成都千嘉科技股份有限公司“城镇燃气安全预警管理平台”、川开电气有限公司“特智汇低碳能源云赋能新型电力系统典型案例”和成都秦川物联网科技股份有限公司“面向智能燃气表的物联网系统助力燃气行业升级”；3 个项目入选工信部“国家区块链典型应用案例”，分别为攀枝花钛网互联科技有限公司“钛融易钒钛产业互联网平台”、四川数字出版传媒有限公司“知信链区块链版权服务平台”和德阳市政务服务和大数据管理局“基于区块链技术的“零材料提交”平台”；1 个项目入选工信部“国家新型数据中心典型应用案例”，即峨眉山旅游股份有限公司“智慧文旅大数据中心边缘数据中心”；3 个项目入选工信部“国家绿色数据中心”，分别是绵阳市公安局数据中心机房、长江上游区域大数据中心（一期）和成都超算中心。四川省大数据产业白皮书（2023）第 22 页第三章 四川省大数据产业链图谱一、产业链图谱介绍图 3 四川省大数据产业链图谱四川省大数据产业白皮书（2023）第 23 页大数据产业链呈现链路长、覆盖面广的特点，底层是大数据基础层底层是大数据基础层，主要包括基础设施基础设施和数据服务数据服务。其中，基础设施基础设施包含云计算服务平台、数据库、数据储存、硬件&服务器等软硬件支持；数据服务数据服务包含地理位置服务、空间环境服务、交易平台服务、企业商务服务、数据生成与标注服务和数据处理服务等利用大数据海量、高速、多样、真实的特性持续挖掘价值的服务；中间层为大数据技术层中间层为大数据技术层，连接基础设备、服务与实际应用，提供技术支撑，常见的大数据产业相关技术包含计算机视觉技术、语音识别技术、知识图谱技术、自然语言处理技术、搜索技术、日志分析技术、社交网络分析技术等，此外，大数据分析平台与数据科学平台的搭建也应当被归类于此。下游是大数据应用层，下游是大数据应用层，面向广大的实际应用市场。根据情景不同，将其分为企业应用与行业应用，企业应用指广告营销、销售运营、人力资源、法务、财税、协同及客服等企业内部工作业务，行业应用则针对某一行业整体设计，通常在综合治理（如智慧城市）、金融、征信、零售、医疗卫生、运动健康、教育、交通出行、物流、旅游、政务、安防、工业、农业、能源、环保环境、文娱、家居、通信、社区气象、食品等行业发力。数据安全和数据标准数据安全和数据标准贯穿大数据产业链全链，数据安全贯穿大数据产业链全链，数据安全指保护数据免受未经授权访问、使用、披露、修改、破坏或丢失的风险和威胁的一系列措施和实践；数据标准数据标准是为了实现数据的一致性、互操作性和可持续性而制定的规范、规则或指南。前者旨在确保数据的保密性、完整性和可用性，以防止数据泄露、篡改、损坏或无法访问；后者主要目的是确保数据在不同系统、组织和应用之间能够无缝地交流和共享，以支持数据的一致性和有效性。四川大数据产业发展迅猛，多数企业在近十年成立或开启数字换转型。截至2023 年，已有百余家企业被各级政府、相关社会组织等认定为优秀大数据企业1，多数为注册地与经营地均归属四川省内的企业，少部分为国内著名企业在四川省内的分公司或分支机构。二者竞争互助，为四川省大数据产业建设与发展贡献了卓越的力量。从地域分布来看从地域分布来看，四川省大数据企业分布呈现由成都市为中心，逐渐向外辐射的态势。成都市企业数量和质量远高于省内其他地区，且其他地区企业部分为分公司或分支机构，自主培育的企业较少，主要分布在川东的绵阳市、眉山市、1详情请见附录一 企业分类表四川省大数据产业白皮书（2023）第 24 页南充市等经济较为发达的地区。另外，由于攀枝花市具备全省最成熟的钢铁产业，因此也有一定数量的工业大数据企业在此建设。从链路分布来看从链路分布来看，四川省大数据企业分布呈现“头重脚轻”的缺陷。与国内发展更早、根基更稳的省市相比，四川大数据企业的发展站在巨人的肩膀上，致使其更擅长在已有成熟的基础与技术上探索企业与行业痛点，针对具体化问题开发定制化应用，而非从底层开始研制服务器、架设厂房等。基于此，目前不少大数据企业正设法与高校和研究所交流，产、学、研结合，激发企业能力，倒逼产业向更底层、更源头的方向延伸。在技术研发层面已初见成效。从技术与行业分布来看从技术与行业分布来看，四川省大数据企业分布呈现多样化、细分化的特点。虽然四川省大数据企业仍存在基数不足的问题，但并不影响已有业务在各行各业全面开花。如在政务领域，既有企业提供政府业务处理全流程的一体化应用服务，也有专门针对审计、纪检、事件管理的专精化应用服务。四川省一方面是西部地区大数据产业发展最迅猛的地区，另一方面又仍处于上升膨胀期，可谓是一片蓝海，抢占市场，开发核心能力，掌握独家技术是企业与产业进步的密匙。四川省大数据产业白皮书（2023）第 25 页二、典型公司介绍（排名不分先后）金蝶软件金蝶软件（中国中国）有限公司成都分公司有限公司成都分公司是金蝶国际软件集团有限公司的全资子公司，集销售、市场运作、产品研发、技术支持、产品实施、售后服务等诸多职能于一身，与四川地区上万家客户保持着良好的合作关系，行业覆盖率高达到 100%。四川乐为科技有限公司四川乐为科技有限公司是一家专业从事大数据存储检索、云存储平台建设、人工智能服务、军民融合服务的国家高新技术企业。作为国内从事网盘研发和运营的先行者，率先提出网盘定制与网盘服务理念，运用领先掌握的多终端同步、断点续传、增量备份技术。成都国星宇航科技有限公司成都国星宇航科技有限公司是一家全球领先的卫星互联网科技公司。通过攻克单星智能化、多星网络化、运控自动化等关键技术，构建了完全自主可控的全球领先全栈 AI 卫星网络技术体系、THz 星间通信网络技术体系，形成了城市级、行业级、消费级等多层级产品。成都数之联科技股份有限公司成都数之联科技股份有限公司是一家以计算机视觉技术、多维数据分析挖掘技术和自然语言处理技术为核心的大数据与人工智能产品及解决方案服务商。公司聚焦“智能制造、智慧城市”两大领域，依托“一体化云原生数智服务平台”，为政府、企业和国防单位提供数智化技术服务，助力客户实现降本、增效、提质。创意信息技术股份有限公司创意信息技术股份有限公司是国内领先的数字化转型服务提供商，已形成基于数字化转型的全栈核心能力，拥有操作系统、数据库、大数据等自主可控核心技术与软件产品。迅鳐成都科技有限公司迅鳐成都科技有限公司是由电子科技大学网络空间安全团队和国家信息中心联合创建的国家级高新技术企业，直接服务于国家级、地方级重点筹备的政务、金融等各类数据支撑平台。四川骏逸富顿科技有限公司四川骏逸富顿科技有限公司是一家专业从事互联网 医疗及提供远程药学、医学服务和电子处方流转的高新技术企业，已形成“用户 药店 医院 药师/医四川省大数据产业白皮书（2023）第 26 页师 监管机构”的完整产业链服务模式。成都网阔信息技术股份有限公司成都网阔信息技术股份有限公司主要产品是利用现有资源自主研发的智慧交通安全治理与服务平台，通过获取各类数据，完成数据集中分类储存、管理各类数据资源，实现系统内数据资源实时共享及分析。四川知行志诚科技有限公司四川知行志诚科技有限公司是一家专注于公有云和混合云平台咨询、部署、迁移、运维和软件开发的高科技企业，立志成为全球领先的云计算管理服务提供商，让企业上云变得更简单。成都中科大旗软件股份有限公司成都中科大旗软件股份有限公司是一家集“咨询规划、技术研发、建设实施、运维运营”业务于一体的国家高新技术企业，立足国内智慧文旅行业领域，具有涵盖智慧文旅管理、智慧文旅营销、智慧文旅服务、智慧文旅体验全业务链的业务能力。中通服创立信息科技有限责任公司中通服创立信息科技有限责任公司是中国通信服务股份有限公司四川分公司旗下全资专业子公司，依托大数据、物联网、5G 等前沿信息技术，为党政机关、电信运营商、能源及各社会企业提供一体化信息服务。成都优易数据有限公司成都优易数据有限公司是国家信息中心与成都市政府共同投资组建的高科技 IT 企业，主要负责运营国家信息中心大数据创新创业基地，研发的数据交易平台、大数据共享与创新服务平台、可视化数据分析处理平台等产品已成功应用到不同行业，为政府、基地和企业等用户提供优质服务。成都博高信息技术股份有限公司成都博高信息技术股份有限公司是一家具有自主知识产权，以 LoRaWAN、电力载波、NB-LOT 物联网技术为基础，提供物联网整体解决方案的高新技术企业。致力于融合 5G 和 LPWAN 物联网通信技术，拓展和完善智能电表、智能充电等垂直市场的应用场景解决方案。四川慧威仕科技有限公司四川慧威仕科技有限公司隶属于四川慧实通达集团有限公司，致力于各政企信息化建设，切实推进与各大企业、政府合作；专注于技术研发领域，结合物联网、大数据、区块链等，为政府与企业打造一站式专业化整体解决方案。成都积微物联集团股份有限公司成都积微物联集团股份有限公司是西南大型的大宗商品全产业链服务平台，致力于为用户提供钢铁、钒钛、化工等大宗商品的在线交易、支付结算、智能仓储、智慧物流、高端加工、供应链金融、跨境贸易、资讯技术、商务配四川省大数据产业白皮书（2023）第 27 页套等一站式服务和整体解决方案。四川格瑞特科技有限公司四川格瑞特科技有限公司是四川省重点支持的高新技术企业和软件企业。业务覆盖软件产品研发、电子与智能化工程、系统集成及安防工程，专注于物联网、智能安防、大数据等技术在智慧教育、政法综治、雪亮工程、智慧监所、智慧社区等行业的应用。迅鳐成都科技有限公司迅鳐成都科技有限公司是由电子科技大学网络空间安全团队和国家信息中心联合创建的国家级高新技术企业，西南地区最早从事区块链、大数据、人工智能融合发展、多领域科技赋能的领军企业，首批大数据安全和区块链基础设施制造商和服务商。成都万维科技有限责任公司成都万维科技有限责任公司经过多年年稳健发展，成为四川有一定实力的新一代物联网络设计开发商、新时代网络能源整体方案制造商、汽车新能源应用方案建设商，同时也是智慧网络、云计算和大数据基础设施全解决方案供应商。成都思维世纪科技有限责任公司成都思维世纪科技有限责任公司是国内数据安全、内容安全、安全服务的先导企业。目前有着三大产品线：数据安全系列产品、内容安全系列产品、数据安全治理服务，覆盖了通信、政务、能源、金融、医疗等行业用户。腾讯科技腾讯科技（成都成都）有限公司有限公司是腾讯在川子公司，腾讯一直秉承科技向善的宗旨。通信和社交服务连接全球逾 10 亿人，帮助他们与亲友联系，畅享便捷的出行、支付和娱乐生活。还提供云计算、广告、金融科技等一系列企业服务，支持合作伙伴实现数字化转型，促进业务发展。目前开展的业务包括：大型网络游戏开发、手机应用及游戏产品开发、互联网及桌面软件开发、呼叫中心及在线客户服务、搜索技术服务、地方网络媒体及生活门户（大成网）、产品测试等领域。电信科学技术第五研究所有限公司电信科学技术第五研究所有限公司隶属中国信息通信科技集团有限公司，是国务院国资委直属中央企业的二级企业，是我国最早从事通信技术研究和设备开发的权威研究机构，属国家转制院所。四川兴政信息技术有限公司四川兴政信息技术有限公司发轫于“互联网”大潮，运用大数据、云计算、物联网等先进信息技术，与政府形成合力，在智慧城市和平安城市领域，四川省大数据产业白皮书（2023）第 28 页全力构建“大联动”创新模式，共同推进与大数据时代相适应的治理体系和治理能力现代化。成都明途科技有限公司成都明途科技有限公司是国内最早的工作 AI 技术研发厂商，专注于工作目标管理产品、数据服务平台、AI 数字人平台。在数字政务建设、企业经营管理、行业领域创新等方面日益彰显出巨大价值。滴滴出行科技有限公司成都分公司滴滴出行科技有限公司成都分公司是滴滴集团在川分公司，滴滴集团是全球卓越的移动出行科技平台，在亚太、拉美、非洲等市场提供网约车、出租车召车、代驾、顺风车等多元化出行服务，并运营车服、外卖、货运、金融业务。绿盟科技集团股份有限公司成都分公司绿盟科技集团股份有限公司成都分公司是绿盟集团在川分公司，绿盟集团为政府、金融、运营商、能源、交通、科教文卫等行业用户与各类型企业用户，提供全线网络安全产品、全方位安全解决方案和体系化安全运营服务。成都万江港利科技股份有限公司成都万江港利科技股份有限公司定位为人工智能构架下的水科技全链条服务商。公司坚持做细做精做专的企业理念，专注水信息、水调度、水处理三大技术板块，致力为客户打造水科技整体解决方案。四川生学教育科技有限公司四川生学教育科技有限公司作为国有控股的国家高新技术企业，是“双减”以来唯一通过工信部、教育部评选的利用大数据、人工智能技术构建区域教师综合评价改革体系的国家级示范企业，与顶尖医院合作研发出了国内首套体系化中小学生急救（自救 互救）、营养膳食健康等课程体系。成都蓉通微链科技有限公司成都蓉通微链科技有限公司是攀钢集团旗下成都积微物联集团股份有限公司倾力打造的科技互联网公司。蓉通微链以“共生、共享、共赢”为发展理念，通过技术赋能，深耕服务能力，打造“链接 协同”全产业链的服务型互联网开放生态圈，为用户提供从原材料采购到终端的一站式服务。成都市高博汇信息科技有限公司成都市高博汇信息科技有限公司是一家技术驱动和服务创新型国家高新技术企业，立足于富媒体和时空大数据技术的研发，服务于应急、水利、卫生和能源、电信等政府及企事业单位。成都中嵌自动化工程有限公司成都中嵌自动化工程有限公司是国家高新技术企业、四川省专精特新企业、成都市新经济百家重点培育企业、工业控制系统信息安全技术国家工程实验室理事会理事单位，以及成都市工业互联网十佳解决方案企业。四川省大数据产业白皮书（2023）第 29 页第四章 四川省大数据企业成长性评价指数企业成长性，即企业在未来一段时间内的持续发展能力，其成长性可以通过几个维度去描述，从企业的营收角度出发可以将成长性分为盈利能力，经营能力，从企业的信用角度出发可以分为信用水平和风险水平，从行业角度出发还可以分为产业特点与创新能力等等维度。不同维度代表企业不同的能力，综合各个维度的价值判断，可以得出企业总的成长性评价。本白皮书提出我省大数据企业成长性评价指数，旨在帮助企业更好地认识和理解自身的成长情况，比对同行分析竞争优劣势。以下体系的建立以大数据企业的企业基本信息、财务状况、企业数据管理能力、创新能力和荣誉五大类信息数据定位为出发点，设计综合评价指标体系。其指标建立依据遵循以下原则：科学性原则，即选取最能反映企业成长性内涵的代表性指标；一致性原则，企业成长性评价与企业经营状况、财务状况、综合实力、创新能力等战略既有联系又有区别，关联指标之间要具有一致性，不相互矛盾；独立性原则，即指标之间互不包含，相对独立；可操作性原则，即指标体系的选取充分考虑数据的可获得性和计算的便利性。一、指标体系建立根据实地调研及专家意见基础上，指标权重依照层次分析法的原则，通过专家对各指标的重要度进行排序以及构造判断矩阵，计算确定各指标的权重。经过调研分析针对四川省的实际情况，并充分考虑了大数据企业的真实性和实用性，设计了大数据企业成长性评估指标体系。然后，利用 AHP 层次分析法确定了评价指标的权重。通过 10 位专家，基于 AHP 层次分析法的原理，独立对每级相关的各个指标通过两两比较重要程度而逐层进行判断评分，然后利用计算机程序检验判断矩阵的一致性，再利用计算机程序使用特征法计算判断矩阵的权重向量，确定下层指标对上层指标的贡献程度，从而得到下层指标对上层指标的权重。最后，对基于 10 位专家数据计算出的权重向量求平均值得到大数据企业成长性评估指标体系中各级指标的权重，最终结果如表 3。四川省大数据产业白皮书（2023）第 30 页表 3 大数据企业成长性评估指标体系指数权重表一级指一级指数数权重权重二级指数二级指数权重权重三级指数三级指数权重权重四级指数四级指数权重权重企业基本信息指数 B10.13C11 成立时间0.39C12 人员规模0.20C13 所处大数据产业链领域0.41D131 企业应用0.09D132 行业应用0.12D133 智能技术服务0.20D134 数据服务0.16D135 基础设施0.11D136 数据安全0.13D137 数据标准0.19财务状况指数B20.20C21 经营规模0.49D211 2018 年0.13D212 2019 年0.13D213 2020 年0.16D214 2021 年0.24D215 2022 年0.34C22 复合增长率0.51D211 2018 年0.12D212 2019 年0.12D213 2020 年0.17D214 2021 年0.26D215 2022 年0.34企业创新能力指数 B30.30C31 知识产权情况0.52D311 发明专利0.57E3111 近 3 年拥有量0.58E3112 近 5 年拥有量0.19E3113 近 10 年拥有量0.24D312 实用新型专利0.15E3121 近 3 年拥有量0.58E3122 近 5 年拥有量0.20E3123 近 10 年拥有量0.27D313 软件著作权0.09E3131 近 3 年拥有量0.66E3132 近 5 年拥有量0.32D314 论文0.19E3141 近 3 年拥有量0.66E3142 近 5 年拥有量0.34C32 重大科研项目情况0.48D321 横向总经费0.57D321 横向总经费0.43荣誉指数 B40.15C41 国家级荣誉0.60D411 近 3 年获奖数0.57D412 近 5 年获奖数0.21D413 近 10 年获奖数0.23C42 省级荣誉0.23D421 近 3 年获奖数0.55D422 近 5 年获奖数0.23D423 近 10 年获奖数0.22C43 地市级荣誉0.11D431 近 3 年获奖数0.57D432 近 5 年获奖数0.21四川省大数据产业白皮书（2023）第 31 页C43 地市级荣誉0.11D433 近 10 年获奖数0.22C44 区县级荣誉0.06D441 近 3 年获奖数0.56D442 近 5 年获奖数0.24D443 近 10 年获奖数0.22数据管理能力指数 B50.22C51数据管理能力成熟度评估模型（简称 DCMM）0.36D511 已贯标0.77E5111 1 级0.28E5112 2 级0.11E5113 3 级0.15E5114 4 级0.19E5115 5 级0.27D512 未贯标0.23E5121 进行中0.55E5122 有意向0.27E5123 无意向0.18C52数据服务企业能力评估（简称DSCA）0.20D521 已贯标0.76E5211 A 级0.22E5212 AA 级0.12E5213 AAA 级0.16E5214 AAAA 级0.20E5215 AAAAA 级0.30D522 未贯标0.24E5221 进行中0.51E5222 有意向0.31E5223 无意向0.19C53 首席数据官（CDO）制度0.25D531 有0.76D532 没有0.24C54 CDO 或同等数据管理相关人才资质0.20D541 2020 年0.23D542 2021 年0.29D543 2022 年0.48一级指标包括企业基本信息指数、财务状况指数、企业创新能力指数、荣誉指数和数据管理能力指数，分别着重反映了企业的经营状况、财务状况和创新能力的发展程度。企业基本信息指数是判断企业规模和所在行业领域的重要指标，由成立时间、人员规模和所处大数据产业链领域三个二级指标构成。其评价维度和数据来源主要分为两个方面：一是反映企业基本状况的成立时间和人员规模，另一个是反映企业所在行业的产业链领域。企业所处行业链领域与企业未来发展前景密切相关。因为人员规模和所处行业链领域都是真实的数据，所以可以真实描绘出企业未来可持续发展的空间。财务状况指数是指能够通过企业一定年度内的营收情况相关数据来显示企业经营状况的指数，是衡量企业运营状态的重要指标，包括营收规模和复合增长四川省大数据产业白皮书（2023）第 32 页率两个方面。财务状况指数越高，说明这个企业运营状态越好，企业未来可持续发展的可能性越高。营收规模是企业发展的重要引擎，对推动企业发展具有重要支撑作用。企业复合增长率指标则通过 2018 年-2022 年五年的环比指数。企业创新能力指数，反映了大数据企业创新基础、创新产出、创新管理和创新投入等几个方面的情况。评价企业创新能力的维度很多，我们选取了其中两个最直观的维度组成算法，从企业知识产权拥有量和科研经费投入数量两个方面进行评价。荣誉指数是指能够通过企业一定年度内获得各级奖励的情况相关数据来显示企业获得外界认可程度的参考指数，是衡量企业得到外界评价的重要指标。荣誉指数越高，说明这个企业获得外界的认可度越好，企业未来可持续发展的可能性越高。数据管理能力指数是指通过我们设定的 4 个维度（数据管理能力成熟度评估模型、数据服务企业能力评估、首席数据官制度、CDO 或同等数据管理相关人才资质）判断企业对数据进行有效的收集、存储、处理、分析和应用的能力的参考指数。二、计算方法说明基于企业综合信息的大数据企业成长性评估指标体系，利用层次分析法（AHP，Analytic Hierarchy Process）2来确定评价指标的权重。基于专家对每级相关的各个指标通过两两比较重要程度而逐层进行判断评分，并利用计算机判断矩阵的特征向量，确定下层指标对上层指标的贡献程度，从而得到下层指标对总体目标或综合评价指标重要性的排列结果。2详情请见附录二 层次分析法（AHP，Analytic Hierarchy Process）四川省大数据产业白皮书（2023）第 33 页第五章 产业典型场景与案例一、一、数字政府领域数字政府领域（一一）典型应用场景典型应用场景数字政府是指以新一代信息技术为支撑，重塑政务信息化管理架构、业务架构、技术架构，通过构建大数据驱动的政务新机制、新平台、新渠道，进一步优化调整政府内部的组织架构、运作程序和管理服务，全面提升政府在经济调节、市场监管、社会治理、公共服务、生态环境等领域的履职能力，形成“用数据对话、用数据决策、用数据服务、用数据创新”的现代化治理模式。数字政府蓝皮报告业务场景视图与先锋实践（2023 年）按照指导意见有关政府数字化履职能力体系的工作要求，将典型数字政府业务场景归纳总结为六类：经济调节类、市场监管类、社会管理类、公共服务类、环境保护类、政务运行（含政务公开）类，进而支撑构建多场景融合的综合场景，并以数字基础设施和数据资源体系为支撑，以体制改革、安全管理和标准规范为保障，全面推进政府数字化转型。当前，数字政府建设的重点正逐步从“建系统”转向“谋场景”，从“技术驱动”转向“场景牵引”，从“重视建设规模”转向“注重场景效果”。（二二）优秀应用案例优秀应用案例1、四川一体化政务服务平台大数据系统四川一体化政务服务平台大数据系统该案例系统统一数据规范，建立完善的指标管理体系，确保数据口径的统一，以及对外应用的数据一致性。建设自主看数分析工具，基于一体化政务服务平台的数据分析，通过整合各个子系统子模块的数据，对各系统进行数据采集、经过清洗、规整、关联，将数据汇聚到大数据平台中，然后经过对数据的加工处理，对外提供统一标准口径的数据支撑，结合业务梳理的分类、维度、指标，以自由选择组合的方式，快速生成报表数据，支撑省和地市、乡镇及各部门等多种报表取数需求。建设可视化分析，满足宏观看数需求。通过建设四川一体化政务服务平台大数据系统，改变目前业务系统自采自用的现状，以现有的“一体化政务服务平台”数据为基础，以“服务”为工作重心，四川省大数据产业白皮书（2023）第 34 页在信息化运行、管理、服务及决策的智能支持基础上，全面梳理现有内外部网络资源，紧跟“互联网 ”发展新步伐，以满足“服务群众 领导决策”的需求为导向，着眼于“服务办件、服务管理、服务决策、服务群众、服务社会”的信息化工作重心，通过全面提升基础、强化内外服务、突出专业运维、持续革新技术、深度协同共享，打通各个业务模块之间的数据通道，为业务平台提供强有力的数据支撑。2、四川省文化和旅游公共服务平台四川省文化和旅游公共服务平台四川省文化和旅游公共服务平台着眼于增强“服务公共性、文旅融合性、应用开放性”，着重于推动“共建共享、共创共赢”，着力于实现“管用、实用、好用”的目标，按照“一中心、三板块”进行建设，即文旅大数据中心，综合管理、公众服务、宣传推广，通过“云 中台 应用”的设计理念，构建了一个面向政府企业、公众提供一站式服务的、纵贯省、市（州）、县（市、区）及文化旅游相关产业群体的开放性平台。同时，借助平台建设，承建方成都中科大旗软件股份有限公司制定了 16 个关于智慧文旅建设的相关标准，形成智慧文旅标准体系，指导和推动全省智慧文旅建设。通过“云 中台 应用”技术框架，打造以“文旅产业生态操作系统”为底座的开放性技术体系解决政府、企业、公众共性需求。出台全省文化旅游公共服务平台建设指南，按照区域的标准和架构进行统一建设和有机联动，保证全省“一张网”。该案例通过平台的建设，构建了开放性、综合性、生态性的文旅生态系统，形成了全省文旅产业数字化开放生态体系，实现了四川“文旅服务的总入口、文旅管理的总枢纽（大脑）、文旅宣传的总展馆、文旅产销的总平台”的目标，打造了全省政务服务云的重要内容，培育了四川文旅数字经济生态的新引擎，形成了全省文旅产业“一张网”，促进了全省文旅产业融合、创新发展。目前，平台已汇集全省文旅数据 4617.5 万条，文旅服务企事业单位 23897 家，公共厕所、停车场等公共服务类场所近 1.4 万个：汇聚文化六大类资源数据 271.02 万条，旅游八大类资源数据 24.55 万条；与交通厅、省市场监督局、省信用中心、部分市州等进行共享交换数据约 67.3 万条；完成日常办公协同等七大类服务 38 个业务系统整合，汇聚全省 144 家 4A 级及以上正常营业的封闭式景区门票和 43 家重点图书馆、33 家重点博物馆预约预订数据及 303 家 4A 级及以上旅游景区 2000四川省大数据产业白皮书（2023）第 35 页多路视频监控；目前公众端用户数已近 95 万人，提供云展播、慢直播、预约预订、活动参与、志愿者服务等公共服务上千万人次。3、“智慧丽晶港智慧丽晶港”智慧社区数字基座智慧社区数字基座成都市温江区涌泉街道丽晶港社区与成都交子数字金融投资集团、温江兴蓉西城市运营集团三方合作完善并“输出”丽晶港智慧治理“样板间”，共同塑造智慧治理“涌泉品牌”。智慧丽晶港是按照智慧蓉城运行管理平台“王”字型架构建设指导意见下，在“联勤联动，高效处置”理念基础上拓展延伸搭建智慧服务系统及特色场景应用，整合了区域人、地、物、情.事、组织和房屋等信息，统筹公共管理、公共服务和商业服务等资源，通过打通“数据孤独”完善处置事件流转，有效提升了社区治理和社区管理现代化，促进公共服务和便民利民服务智能化。该案例系统通过采用前端感知设备，实时感知管控区域（门户、单元门、小区过道、电瓶车停放区域、车闸）动态静态数据，通过门岗设备、智能摄像头、电子感知元件等一系列 IOT 物联感知设备，基于“智慧蓉城”整体框架，围绕着市民云的“社智在线”“综合信息平台”做到统一平台，统一管理，统一处理。“数字基座”联动智慧社区综合信息平台，部署的每一个点位都可以为平台丰富数据、每一个时刻都可以展现其通行数据，减少社工网格人员工作量的同时，确保了实时性和真实性，具备了统计分析、查询追溯，实现了数字化管理，提高工作效率，也为领导层作决策时提供丰富的数据依据。4、成都青羊成都青羊智慧云菜市智慧云菜市智慧云菜市在成都青羊区已开展试点 4 年，在青羊区完成改造 30 余家农贸市场。“智慧云菜市”的上线，为青羊区市场监管局在农贸市场和食品安全的管理上“排忧解难”食用农产品准入做到了全覆盖；快检数据、溯源信息有了输出终端，及时对外公示；食品安全信息和科普知识覆盖更广。该系统通过智能分析、数据挖掘等大数据分析技术，面向政府监管部门、市场管理方、经营商户、消费者等多个群体，构建多方参与、协同的多元共治模式。通过智慧快检、智慧溯源、智慧巡查、智慧冷链等多种场景应用服务，降低食用农产品流通输入性风险，提高食品安全风险管理能力，为政府的科学决策提供重要的参考和依据，确保广大人民群众“舌尖上的安全”。四川省大数据产业白皮书（2023）第 36 页该项目被成都市、拉萨市纳入传统农贸市场向新型农贸市场转型升级的试点，在 2019 年推进质量工作成效突出获得国务院办公厅的行政嘉奖。目前，青羊区、城关区已完成改造 40 余家农贸市场，部署云平台发布机 100 余台，采集溯源、快检和经营户等数据 280 余万条；实时公示溯源信息、快检信息 40 余万条；完成抽检 12 万余批次，制作并发布食品安全科普宣传视频 2000 余条，完成安装公示牌 1000 余块。5、四川省高级人民法院智慧法院大数据平台四川省高级人民法院智慧法院大数据平台智慧法院大数据平台结合全省法院实际情况，在解决数据标准化和一致性的基础上，持续拓展司法数据价值发现领域，提升业务服务能力，系统规划、建设了四川法院大数据平台。该平台建成一年多的时间，已经取得了初步成效，为服务办公办案、服务公正司法、服务人民群众、服务审判管理提供了坚实的数据基础。与此同时，积极探索人工智能与大数据技术在法院的应用落地，逐步构建基于数据的新型智慧法院应用生态体系，创造性地开拓和发展了法院数字化转型的应用领域，为四川法院的智慧法院发展提供了有力技术支撑。该案例目前应用于四川省高级人民法院，利用四川法院大数据平台实现对全省的关键数据、关键环节进行统一标准管理。通过构建统一支撑管理平台，实现对全省的关键数据、关键环节进行统一标准管理，以此真正实现全省法院信息系统在数据层面和管理层面的一体化，减少数据层、用户层和交换层的交易成本，让全省法院和干警有意愿、有能力、有办法开展各类业务化的创新工作。通过数据、算法、知识和场景的集合，将数据标签化改造为场景标签化，全省法院相关仅需要在大数据平台上利用业务知识读取业务场景标签，即可通过简易的点击操作，实时形成对外的应用功能输出，完成复杂的数据分析和展示工作，将平台能力转化为个人能力、组织能力，进而推动全省法院智慧法院建设的发展。6、面向纪检领域的跨网数据融合分析智能办案平台面向纪检领域的跨网数据融合分析智能办案平台该案例聚焦“智慧纪检监察”，按照统一规划，坚持“全方位智慧监督、全业务智慧办案、全要素智慧管理、全领域智慧支撑”原则，基于大数据技术开展面向智慧特检领域。该平台方案总体架构可分为两个部分进行设计，其中第一部分为协查网业务；四川省大数据产业白皮书（2023）第 37 页第二部分为纪检专网业务，纪检专网业务是本方案解决的核心；第一部分主要完成对外单位数据信息接入、协同工作，接入的数据通过安全数据交换系统进入纪检专网业务系统；第二部分从下至上分别分为基础设施层、数据层、支撑软件层以及应用软件层；通过服务器资源、存储资源、网络资源以及 KVM 等设备，加上虚拟化软件、操作系统、数据库等基础软件，再辅以运维管理、机房管理等体系架设整个基础设施层，作用于系统最底层，打好平台建设的地基。该系统成熟度已达到九级。在四川、湖北、湖南、安徽、青海、甘肃贵州、海南、广东等全国 9 个省 40 余个地市州实现了项目落地。通过项目系统实施，为城市各级管理者打开了一扇近距离观察城市、触控城市的“窗口”，使城市管理者借助大数据和智能技术转变工作模式，推动城市管理决策向数字化、智能化转型，为各级领导对城市进行精细化管理和实施精准调控提供数据支持服务。7、凉山彝族自治州三农大数据平台凉山彝族自治州三农大数据平台该案例建设三农数字底座，保障防返贫数据安全可靠：建设三农云平台，通过云主机计算、云存储、云基础服务、云管控平台、云安全和云运维内容，为防返贫监测系统提供统一的云化的计算、存储、安全、运维和管控等基础设施服务。建设数据中台，通过对内部、外部数据的采集、储存、管理与共享，实现各行业部门数据的汇聚，对各类信息化系统的结构化数据、半结构化数据、非结构化数据进行数据的汇聚和交换，建立统一的数据标准，把分散的、独立的信息资源整合为统一的数据中心，达到行业部门数据互联互通，实现防返贫监测资源共享，形成集监测对象基本信息、经济状况、务工就业等于一体的防返贫监测预警信息库。建设智能中台，提供原子算法能力、视频接流、算法调度管理、视频智能感知分析和算法 AI 模型等内容，将视频等非结构化数据的业务价值利用 AI 技术充分挖掘出来，为防返贫监测业务应用提供智能化的解决方案。建设区块链平台，通过主机管理、区块链网络、通道管理、智能合约、区块链浏览器、区块链监控、证书管理和用户管理内容，建立起基于区块链的数据防篡改、数据可追溯等数据安全能力，保障防返贫监测数据使用链路的安全可靠。同时，该系统还提供特色应用，助力防返贫任务高效开展：打造“一村一码一户一码”。通过开创性地对每户农户及每个村落建立防返贫监测二维码，对每户农户进行精准监测精准施策。一个村生成一个二维码，一户生成一个二维码，四川省大数据产业白皮书（2023）第 38 页通过手机小程序扫码进行数据登记及查看，包括：村：基本情况、检测户统计情况，防返贫工作开展情况；户：基本信息、家庭成员信息、收支情况、帮扶责任人、帮扶措施、三保障和饮水安全情况、风险情况等。建设指挥中心，统筹指挥调度建立指挥调度中心，通过防返贫监测可视化大屏，提供监测帮扶过程中的动态数据。大屏主要展示指标包含“监测对象规模”“预警规模”“返贫致贫风险”“安置点情况”“收入数据”“帮扶情况”等领导关心的指标。通过点选地图，可实现州、县、乡、村四级防返贫监测数据下钻。点击不同模块，支持联动及下钻功能，最细可展示到每户监测对象的人员画像。8、政务云政务云数据安全监管平台数据安全监管平台该案例中的成都市互联网信息中心政务云数据安全监管平台截至 2022 年 9月，共完成 300 个业务系统梳理，使得政务云中数据资产分布更加清晰。截至2023 年年中，该系统共发现 116 个业务系统存在 214 条数据安全风险问题，其中数据泄露风险告警 198 条，违规操作行为 16 条，风险类型为账号密码明文传输、敏感信息未模糊化展示、敏感信息明文传输、密码弱口令、无认证访问敏感信息、无认证批量访问敏感信息、弱加密、MYSQL 公网访问数据库违规行为等。数据安全风险涉及教育、建筑、政务、服务、医疗等行业。通过问题的通报和整改，政务、建筑、教育行业的风险问题数分别降低了 50%、65.5%、46.15%。该系统在一定程度上有效降低发生数据安全和个人信息泄露事件的几率，减少了数据泄露的风险，提升了成都市互联网信息中心的数据安全监管能力。二二、智能制造领域智能制造领域（一一）典型应用场景典型应用场景工业大数据应用将带来工业企业创新和变革的新时代。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析，信息技术和全球工业系统正在深入融合，给全球工业带来深刻的变革，创新企业的研发、生产、运营、营销和管理方式。这些创新不同行业的工业企业带来了更快的速度、更高的效率和更高的洞察力。工业大数据的典型应用包括产品创新、产品故障诊断与预测、工业生产线物联网分析、工业企业供应链优化和产品精准营销等诸多四川省大数据产业白皮书（2023）第 39 页方面。（二二）优秀应用案例优秀应用案例1、数字孪生可视化平台数字孪生可视化平台钢铁智慧运营中心钢铁智慧运营中心该案例基于工业互联网平台，打造全流程、一体化、数字孪生的生产智慧运营中心，实现信息共享、统一筹划、协同高效、敏捷响应；以“生产管控、异常响应”为主线，追踪管控原料进厂、生产制造、成品出库全流程，结合生产、能源、物流、设备、环保、安全、质量、安防、营销、成本、研发、采购的“八 四”运行与经营管理业务模块进行协同联动；面对各类应急事件对接现场视频、应急预案等，实现安全应急流程完整闭环；面向不同类别和层级的调研、考察、参观人员提供影视级三维可视化数字工厂场景导览。本案例已经在南京钢铁实现试点应用，后续面向全国钢铁生产管理系统进行推广应用。该平台为钢铁公司打造的智慧运营中心，将原料、炼铁、铁调、炼钢、轧钢、成品 6 大业务集群，12 大业务模块融合贯通，打通由原料进厂到产品交付的全流程，推动用户实现全工序、全流程的智能化升级。根据相关媒体报道，项目完成后，用户企业生产稳定性大幅提升，产量提升 2%，工序能耗降低 3%，降低质量成本 10%，有效的监控了工厂能源消耗，保持物流、资金流、信息流和交通流的畅通、协调，提高了企业生态文明建设的规划、管理与发展水平。2、积微物联大数据应用分析平台积微物联大数据应用分析平台该案例积微物联大数据应用分析平台依托积微物联的信息化建设系统、互联网技术、大数据技术，以解决业务数据需求为导向，以企业实现优化、升级、转型为目标，建设的一套具备数据接入、数据治理、数据存储、数据分析、数据服务的完整流程的数据管理与应用体系，实现了积微物联各业务模块数据共享，建立了积微物联从上到下的数据标准体系，提升数据质量，解决了积微物联各业务环节的数据分析需求，促进了数据指导业务决策、业务作业等的高效性和精准性。该平台为攀钢集团建设了基于仓储、加工、运网、钢铁、循环等业务的数据指标体系，为各业务环节提供了丰富维度的数据分析结果、自主查询功能、数据功能应用，其中数据功能应用有产品销售预测与需求管理、产品质量管理与分析、四川省大数据产业白皮书（2023）第 40 页库存吞吐量预测、经营与生产指标分析、客户画像、达海园区安全生产监控管理、达海园区车辆分析等应用。该平台为仓储、加工等业务提供了数据决策指导价值，优化了业务服务和客户管理，控制经营风险，提升了利润空间，并获评企业管理现代化创新成果一等奖（2019 鞍钢集团）、四川企业信息化建设优秀成果（2019 四川省企业联合会）、大数据产业发展试点示范项目（2020 国家工信部)、冶金企业管理现代化创新成果三等奖（2020 中国钢铁工业协会）。3、智能智造生产信息化系统智能智造生产信息化系统智能智造生产信息化系统包括 AIOT 系统、Andon 系统、ESOP 系统、Kanban系统、数据分析管理平台（SIM 系统），自下而上地分布在环境支持层、业务执行层、企业管理层、分析决策层。中嵌自动化工程有限公司以该系统为场景应用基础，在深入理解制造业技术特点和场景需求的基础上，以天宝集团控股有限公司惠州创能工业园“博世电动工具车间/产线及配套的仓库”为对象，提出了适合现代电子类企业生产场景的智能制造平台系统，建设了基于工业物联网的数据采集及其数字化产线上层应用的解决方案，有效地结合面向业务管理的传统信息系统，并以此为基础实现了整个产线的精益运营管理体系。系统不仅仅解决了企业物料配送、仓储运维、信息流转及人机配合等方面面临的具体问题，更为企业建立了成本更低的柔性化生产线，满足了客户智能化定制需求，提高了企业资源的使用效率和企业生产的管理效率。该系统上线以来，实现了制造型企业的设备互联互通、设备稼动率大大提升；表单无纸化，作业指导电子化；产线作业人员预计减少 15%，按照电动工具产线，产线 8 人，改半自动线为 6 个人；年人均成本：4605*12*8*2=884160，人员成本减少：132624；产能由每小时产出 90 个，提升至每小时产出 270 个；人均小时产出由：11.25 提升至 45，生产效率提升 4 倍，或是用 1 条线的人力及产能，替代原有 4 条线的人力及产能。4、AI Camera 智能检测装备智能检测装备该案例中数之联研发的 AI Camera 智能检测装备是一款基于深度学习、核心采用自研深度学习目标检测与异常监测框架的产品。产品所使用的 AOI 通过高速四川省大数据产业白皮书（2023）第 41 页高分辨率的工业成像模块，搭载高稳定高精度的机械结构，对待检物进行稳定成像。依托智能检测算法，对待检物的错、漏、反、虚焊等缺陷进行有效检出。使用基于深度学习的 AOI 可有效发现生产过程中的缺陷，提升工艺品质，为工厂降本增效。AI Camera 智能检测装备旨在构建“检测”-“分类判级”-“返修”-“良率分析”的工艺控制流程，该设备是一款基于深度学习目标检测与异常检测框架的软硬一体化产品，通过收集的海量缺陷图片数据高效训练模型，使得模型可自动从图片中提取缺陷特征，有效解决传统图像算法无法提取复杂缺陷特征的问题。研究内容主要包括：（1）整机硬件研发。包括：整机外观设计、可自动上下料的机械结构设计、光学模块设计、电气模块设计、电控开发，实现本机控制以及与产线上下游自动协同作业。（2）AOI 软件研发。包括：AOI 文件管理模块、运动控制模块、元件管理模块、检测库模块、自动运行模块、人工复判模块等内容。可帮助产线工程师快速调试，以满足产品的自动检测、检测结果查看、报表查看等需求。（3）AI 算法研发。研发一整套适用于电子产品制造行业的 AI 制程缺陷检测算法系统，基于千万级的行业缺陷库数据，提取缺陷的纹理、形态、颜色、大小、位置等多层次特征。对缺陷进行精细化分类，减少人员复判时间和提升缺陷检测一致性，提升生产效率。（4）云边端统一平台协同研发。借助云端算力优势补充 AOI 的智能化程度，实现 AOI 在线推理、云端模型训练更新、训练推理云边端服务联动。未来 3-5 年数之联优先从 FPD 和 PCB 行业的龙头企业开始推广，预计 ADC产品覆盖 100 个工厂，良率分析系统覆盖 20 个工厂，相关研究成果将带来直接经济效益 10 亿-15 亿元，每年为泛半导体客户降低约 5.76 亿人力成本，年净利润增加约 10 亿元。三三、智慧金融领域智慧金融领域（一）（一）典型应用场景典型应用场景大数据有助于与提升风控能力。金融机构通过建立大数据风控模型，精准地四川省大数据产业白皮书（2023）第 42 页分析、预测金融交易中的各类风险，减少经济损失，丰富金融产品；利用大数据技术对顾客群进行精准画像，有针对性地开发创新金融产品，满足投资者需求，辅助投资决策。金融投资机构利用虚拟机器人，通过算法和产品大数据分析，为投资者提供符合其风险、收益偏好的专属投资组合。大数据技术可以帮助金融机构更好地了解客户需求，提高风险控制能力，优化投资组合，提高效率和降低成本。大数据在智慧金融领域的应用场景包括但不限于：金融大数据分析、风险控制、投资决策、客户关系管理、反欺诈、信用评估等。（二）（二）优秀应用案例优秀应用案例1、企业并购融资大数据平台企业并购融资大数据平台企业并购融资大数据平台，定位产权市场，以并购融资类项目信息为切入点，补充、丰富与完善资本市场的企业并购与重组信息；加之“企业并购时间轴”和“并购图谱”功能，加强了平台技术优势，形成了企业并购融资数字化服务体系；辅以企业和项目评价，将项目智能推送给有效投资人，解决项目寻找与中小企业融资问题；通过商业用户端、项目推荐排名、项目定向投送、项目招商、投资人匹配、数据服务等形式，形成平台的一个全流程服务体系。该案例是全国最全的并购融资项目信息平台，汇聚了全国所有产权交易所的项目信息；智能搜索，一键定位；投资人推荐，打破了国有产权企业找投资人难、投资人找项目难的局面；“时间轴”“并购图谱”，进行数据强关联，用户利用平台达到“决策智能化”问题得到实质性改善。平台是典型的数据采集、处理分析、到应用的全生命周期管理。采用了先进的爬虫采集技术，实现数据汇集；数据治理，让数据有效结合相互协同和依赖，包括建设：数据标准、元数据、数据模型、数据分布、数据存储、数据交换、数据生命周期管理、数据质量、数据安全以及数据共享服务；知识图谱、数据可视化，让数据能够起到真正意义上的决策作用。企业并购融资大数据平台是一个基于大数据云平台为基础、数据仓库为核心依托，提供多维度评估评价的信息检索与服务，网站、APP、小程序等多终端入口的综合大数据服务平台。平台分为三个逻辑层，即数据层、业务层和展示层，四大功能版块，即大数据平台、搜索系统、推荐系统（项目推荐、投资人推荐）四川省大数据产业白皮书（2023）第 43 页和评价系统（企业评价、项目分析）。四四、智慧物流领域智慧物流领域（一）（一）典型应用场景典型应用场景智慧物流是通过运用各种智慧化技术手段，如智能软硬件、物联网、大数据等，达到实现物流各环节精细化、动态化、可视化管理的目的。通过智慧物流，物流企业可以提高物流系统智能化分析决策和自动化操作执行能力，搭建现代化物流模式。基于大数据、云计算、智能感应等一系列现代科技，智慧物流能针对多数物流企业出现的“散、乱”等痛点，实现物流服务的实时化、可控化和便捷化管理，大幅提升物流运作效率。智慧物流的应用场景包括但不限于：智能运输、智能仓储、智能配送、智能决策等。（二）（二）优秀应用案例优秀应用案例1、荔枝荔枝运输运输大数据平台大数据平台该案例依托数字化、大数据、云计算、物联网等科技能力以及遍布全国的交付基础设施网络，运荔枝向客户输出冷链供应链优化及仓干配交付解决方案，以数智化方式整合赋能冷链交付全场景，提升服务体验与交付效率。本项目使用了亚马逊云科技湖仓一体的架构，该架构将数据仓库和数据湖两者之间的差异进行融合，并将数据仓库构建在数据湖上，从而有效简化了企业数据的基础架构，提升数据存储弹性和质量的同时还能降低成本，减小数据冗余。该平台运行于亚马逊云，构建了运荔枝大数据湖仓一体、存算分离架构，提升数据处理效率，降低大数据系统运行成本，实现企业发展降本增效。2、基于大宗产业数字转型的智慧物流平台基于大宗产业数字转型的智慧物流平台基于大宗产业数字转型的智慧物流平台运用互联网 、物联网大数据、云计算等技术，采用微服务架构并适配国产化服务器环境，实现厂内物流贯通，整合重构优化物流信息系统，实现物流智能化、数字化升级；优化现有物流业务流程，将仓储物流数据、信息、资源及业务进行整合，实现整体物流信息前置，由人工四川省大数据产业白皮书（2023）第 44 页开单、线下纸质化运营管理模式向无人化、无纸化、电子化、一体化线上运营管理模式的转变，推动企业物流环节降本增效，加强物流管理部门对车辆、库房的管控力度。该案例平台是以工业互联网和大数据分析为依托，通过上下游协同和边缘设备集成等智能先进技术，重塑产业分工，转变智慧园区发展方式平台整合运输和仓储管理业务，提供了厂内外业务协同的渠道。配合智能设备的集成，支持多种管控方式，提高业务办理效率。该平台应用于西昌钢钒厂，上线以来使该厂彻底告别了厂内循环物资、外发物资、外购物资汽车验配登记时物资验配人员连轴转的历史。实现了业务流程转无纸化、无人化，开启了“智慧物流”的新时代。五五、城市治理领域城市治理领域（一）（一）典型应用场景典型应用场景党的二十大报告指出，坚持人民城市人民建、人民城市为人民，提高城市规划、建设、治理水平，加快转变超大特大城市发展方式，实施城市更新行动，加强城市基础设施建设，打造宜居、韧性、智慧城市。新时代新阶段，城市治理面临新形势、新挑战、新要求，以智慧城市建设提升城市治理现代化水平已成为必由之路和战略抉择。大数据在城市治理领域的应用场景包括但不限于：数据的价值挖掘功能降低了城市精细化管理的成本、高效智能功能提升城市服务的效率、精准分析功能提升城市人性化管理水平、模拟预测功能提升城市管理科学决策水平，以及网络互动功能推进城市治理创新。例如，通过大数据技术，可以实现对城市交通、环境、安全等方面的全面监控和管理，从而提高城市治理的精细化程度和科学性。（二）（二）优秀应用案例优秀应用案例1、天地一体化地质环境智能监测服务平台天地一体化地质环境智能监测服务平台成都国星宇航科技股份有限公司依托自行构建的低成本快响应的卫星研制技术体系、星地协同全栈 AI 技术体系和面向未来的空间网络技术体系，基于自主设计研制新体制卫星和卫星数据的增值服务，建设天地一体化地质环境智能监四川省大数据产业白皮书（2023）第 45 页测服务平台实现了“卫星上天、应用落地”。该案例系统通过卫星、航空等平台多源观测信息的集成处理，结合区域尺度上的“普查”、重点区域的“详查”和重大隐患点的“核查”，动态监测地质灾害隐患分布，构建基于形态分析、形变监测到形势判断的天地一体智能化地质灾害监测服务技术体系，最终形成集遥感影像智能化识别、InSAR 地质灾害形变分析、多源异构数据融合分析、隐患综合分析研判与结果定制化展示于一体的地质灾害监测全生命周期服务平台，为相关部门进行灾害决策管理和社会服务提供技术保障。2、基于物联网技术的智慧河湖管理平台基于物联网技术的智慧河湖管理平台基于物联网技术的智慧河湖管理平台采用物联网技术、传感技术、数据库管理、应用程序开发等多种技术手段融合，创新创制多机理的物联网传感和数据采集设备，针对现有河湖管理监测方法效率低、数据源多类型复杂、数字化管理难等问题，以自主研发全要素的水文信息采集传输设备为基础，以多元水务数据为引擎，以智能物联为抓手，以智能模型和算法为核心，构建基于物联网技术的实时感知监测和管理体系，用于河湖水质、流量、水位等信息采集、监测和智能化管理。该平台将数据实时转换为数字化信息并存储在云服务器中，用户通过简便的操作即可在基于 Web 或移动的平台上进行数据的可视化展示和掌握，为河湖管理部门、涉水企事业单位和广大公众提供一种高效、实时、准确、全面的河湖管理模式，已成功应用于四川省智慧河长河湖管理信息平台、成都市河长制信息系统管理建设服务项目、甘孜河湖长制信息化平台建设项目、内江市河长制湖长制管理信息系统项目等多个区市县。该平台目前已成功升级为成德眉资河长制一体化 E 平台，联合德阳、眉山、资阳 3 市河长办共同建设的智慧化河湖规范化保护管理平台，推动成德眉资流域间“系统共融、信息共享、问题共决”，助力成德眉资同城一体化发展、成渝双城经济圈信息化建设。3、智慧交通安全治理与服务平台管理系统智慧交通安全治理与服务平台管理系统该案例中的智慧交通安全治理与服务平台是利用北斗和 GPS 技术建立的交通大数据服务平台，可以通过安装在营运车辆上的智能设备获得汽车行驶过程中的安全业务数据、视频图像数据、卫星定位数据、GPS 信息等规范化的数据，完四川省大数据产业白皮书（2023）第 46 页成数据集中分类储存和管理各类数据资源，实现系统内数据资源实时共享及分析。项目将道路运输车辆的安全监管与成本监控优化集合到一起，实现了运输车辆多手段定位、跨平台应用、多范围报警、全面监控管理、公安系统报警联动等诸多功能，为打造一个具有安全、远程、即时、科学的道路交通工具管理体系奠定了坚实基础。平台改进了车辆运营方式和监管模式，提升了车辆行业管理水平和服务水平，促进了车辆行业健康、稳定、有序发展，为公众提供了更安全、更便利、更优质的车辆服务，达到了国内领先水平。4、青羊区事件管理平台青羊区事件管理平台该案例中平台以事件为驱动，事件处理和转派能够跨街道、跨部门、跨委办局的办理和流转，并实时反馈过程信息和结果信息与平台进行同步；同时事件的转派和处理可多入口接入，来源于青羊区自有官方公众号平台；对所需的公众号平台进行升级改造使之适应事件转派和处理；建设街道级处置，使之适应区级事件转派和处理；事件管理平台所留存事件全量过程与结果数据，以可视化看板的方式呈现。当事件管理平台数据沉淀及数据维度较为丰富之后，根据数据多维度分析来达到预测、预警目的。该平台秉行“智慧蓉城”建设精神，打造了一套从事件发现、调度、处理、分析为一体的事件全生命周期平台，按照事件来源（“市城运派发”“区城运上报&派发”“系统对接”“AI 感知”“基层上报”“青言亲语”）进行分类，市-区-部门（街道）-社区-网格进行流转，真正的践行了“三级平台五级应用”的理念。同时，为了保障平台的高可用性，青羊区建立了本区的“事件标准库”，所有的数据都按照标准进行输入输出，以达到“业务数据化，数据业务化”的目标。上线以来，青羊区事件枢纽的平台累积流转事件共计 18.16 万条，帮助城运中心工作人员更好地实现对各场景事件的快速处置，真正实现“高效处置一件事”的最终目的。四川省大数据产业白皮书（2023）第 47 页第六章 产业发展建议一、一、持续统筹强化顶层设计，形成产业发展集聚效应持续统筹强化顶层设计，形成产业发展集聚效应结合“数据二十条”，根据省委要求和省政府立法计划，积极制订大数据局建设规划，加快完成数据管理相关立法。进一步优化大数据产业园区布局，促进制造业数字化转型。加速推动 DCMM 数据管理成熟度贯标，制定地方和行业大数据相关标准规范，为大数据产业发展提供强有力的政策引导和支撑。持续打造大数据产业集群，依托超大型、大型数据中心和大数据园区推动大数据产业集聚发展，重点打造“一核四区”大数据产业集群，即发挥成都大数据产业的领先优势，打造以成都为核心，辐射带动周边发展，形成集聚效应，持续打造川东（达州）、川南（宜宾、泸州）、川西（雅安、乐山）、川北（德阳、绵阳）大数据产业集群，形成大数据集聚发展格局。二、二、加大重大项目投资力度，铸牢算力基础设施底座加大重大项目投资力度，铸牢算力基础设施底座加快全国一体化算力网络成渝国家枢纽节点建设，抢抓“东数西算”工程国家级算力枢纽节点建设新机遇，落实省政府支持绿色低碳优势产业高质量发展若干政策，发挥冷凉气候条件和丰富清洁能源优势，推动数据中心规模化建设，拓展数据存储、数据标注、数据清洗、算力服务等市场空间，引导超大型、大型数据中心布局天府数据中心集群，推进西部数据中心到国家枢纽节点和东部数据源之间的高速直联网络建设，打通高速直达数据通道，提升算力供给质量。引导和支持绿色数据中心建设，对绿色低碳优势产业高质量发展园区和一体化算力网络成渝国家枢纽节点内符合要求的数据中心给予专项资金支持，强化数据中心能源管控，降低 PUE 值。基于已建成区域数据中心基础，科学有序建设川南、川北、川西、川东和川中片区若干城市内部数据中心。通讯基础设施方面，加强千兆光网、5G 网络、卫星互联网等推广普及，深化农村地区、边远地区网络覆盖，重点建设工业互联网、车联网及相关网络节点建设；结合省内水电消纳优势，就近建设人工智能边缘计算节点；加快“星火 链网”成都超级节点和骨干节点建设，推动建设工业互联网标识解析国家顶级节点四川省大数据产业白皮书（2023）第 48 页（成都托管与灾备节点）。三、三、推动算力统一平台建设，提升算力供给服务能力推动算力统一平台建设，提升算力供给服务能力加强新基建跨行业统筹布局。加强数据中心集群建设规划与城市基础设施规划、新能源发展规划、电网建设规划、应用场景规划的衔接。研究数据中心清洁能源使用综合评价指标体系、落实 PUE 等相关指标纳管。推动数据中心使用效率提升。建设全省数据中心运行监测平台，形成全省数据中心运行台账和算力清单。加强引导鼓励算力纳入平台。从政策引导、补贴激励、应用场景等方面进行统筹考虑，实现“我有算力、我给算力、我用算力、我评算力”的全流程贯通。重视算力设施标准规范制定。从底层架构、技术路线，异构互通标准方面进行标准规范制定工作。重点聚焦固化算力对外服务目录和调用接口标准，便于算力统一调度和管理工作的推进。鼓励有条件的地市进行标准制订的先行先试。提前布局跨域算力网络建设。算力平台建设的最终目标是实现云资源和网资源的一体化供给、一体化服务与一体化运营，满足用户多样化的需求。“产、学、研、用”多方合作，聚焦跨域算力网络建设进行布局探索，在标准制定、设备实现、平台研发与部署应用等方面大力推动算力网络发展。重点突破跨域算力资源汇聚。算力汇聚是指通过插件技术实现对异构云、网等资源进行接管调度，实现在一定范围内的算力资源汇聚，以达到融合调度，统筹运营的目的。采用“产、学、研、用”的形式，研究面向全社会、全类型算力资源汇聚的应用场景和实施方案，将超算算力、智算算力和基础算力资源等异构算力并网，形成一体化云网资源平面，解决各类型算力资源彼此独立，用户选择单一受限等难题，满足未来多类型业务的多样化算力需求。四、四、推动重大载体平台建设，促进应用创新规模效应推动重大载体平台建设，促进应用创新规模效应聚焦重点产业研发创新需要，探索重点领域区块链、人工智能创新平台，探索“AIGC 模型 算力”的四川模式，加快 GPT 等人工智能新技术场景应用。加快雅安经开区国家新型工业化产业示范基地（数据中心）、德阳天府数谷产业园区等重点产业载体建设。加快培育工业互联网平台，推动企业上云。加强重点实验室、技术创新中心、工程（技术）研究中心等创新平台建设。引导各类四川省大数据产业白皮书（2023）第 49 页资本投入大数据技术创新，围绕数据生成、采集、存储、加工、分析、安全与隐私保护、高性能计算等开展基础研究、关键技术攻关。重点强化自主基础软硬件的底层支撑能力，发展大数据开源社区，全面提升市场培育能力，推动大数据、区块链、边缘计算等新一代信息技术集成创新。建设大数据应用创新推广中心等载体，引进有能力的主体运营技术转移交易平台，服务大数据领域创新技术成果转化；推进大数据产业试点示范，开展大数据解决方案服务商能力评价，推广优秀产品名录和示范应用清单。组织参加各类国家级试点应用，促进大数据与实体经济深度融合创新发展。持续打造大数据典型应用场景，支持在医疗、文旅、交通、金融、政府治理等数据资源丰富、应用需求迫切的重点领域开展应用，培育大数据应用新模式。积极开展工信部工业大数据分类分级应用试点和工业领域数据安全管理试点。五、五、加快培育数据要素市场，提升数据应用赋能水平加快培育数据要素市场，提升数据应用赋能水平深化数据要素创新应用，提升数据要素配置作用，推动建设四川数字资产交易中心，培育新型数据流通服务主体。出台支持政策，政府、行业协会、企业组织等协同推进 DCMM 贯标工作，推广企业首席数据官制度。引导企业重视数据资产，深刻认识数据管理生命全周期，以市场为牵引探索数据资源定价机制和数据交易模式。探索建立数据资源产权、交易流通、跨境传输和安全保护等基础制度和标准规范，健全数据要素市场规则，鼓励社会资本和社会力量进行数据增值开发利用。探索数据资源权属界定数据生态构建路径，鼓励企业参与数据要素流通交易平台建设。持续推动省级政务信息资源共享，支撑跨部门、跨地区、跨层级的数据共享与业务协同。探索建立“数据应用场景交易仓”，实现数据共享和应用方案的“规范入仓、按需出仓、有价用仓”。建立数据资源目录动态更新和线上申请审批机制，建立数据批量化和分地域回流机制，提升数据共享比例和数据融通价值。六、六、打造特色数字产业集群，助力成渝双城协同发展打造特色数字产业集群，助力成渝双城协同发展全面贯彻成渝地区双城经济圈建设规划纲要，立足成都、重庆大数据产业发展实际和资源禀赋，加强统筹布局和协同创新，打造成渝双城经济圈数字产四川省大数据产业白皮书（2023）第 50 页业集群，加快算力基础设施一体化建设，做强做优大数据、5G、智能终端、北斗导航、虚拟现实等重点产品产业化，逐步拓展教育、医疗、养老等领域应用空间，以超大城市数字化协同治理应用助推大数据产业能级提升。推动数据、存储、传输和计算资源协同布局，建设成渝地区大数据产业基地。共建共享共用中新（重庆）国际互联网数据专用通道，建设川渝国际数据门户。组织川内大数据企业赴重庆考察，联合开发大数据领域团体标准，推动川渝贯标和互认。举办成渝区块链相关论坛，推进供应链、金融、版权等领域成渝区块链应用生态互通。推动成德眉资、川南渝西大数据产业协同发展，支持大数据产业链分工协同，引导差异化发展。积极开展大数据重点园区招商推荐活动，主动承接东部地区大数据产业向我省转移。七、七、加强产业生态联盟建设，扩大开放合作力度深度加强产业生态联盟建设，扩大开放合作力度深度充分发挥省大数据产业联合会、省大数据发展联盟等作用。持续办好中国信息通信大会、数字四川创新大赛、区块链创新与产业发展峰会等活动。发挥大数据优势企业的资源优势和带动效应，形成有序、集约、健康、高效发展的生态圈体系，鼓励开展数据中心维护培训、省区块链职业技能大赛等活动。开展大数据创新交流、产学研用招商对接等活动，主动承接东部、中部大数据相关产业转移和产业要素溢出红利，推动建立与先进、优势园区合作的机制和平台，以领军企业为主体开展重大合作示范项目建设。支持西部地区企业和有基础的园区联合，发挥产业链协同竞争优势，加强在技术、数据、场景等方面的合作，集群化“走出去”，输出优质产业服务能力。紧抓“一带一路”发展契机，布局对外开放平台，打造西部地区信息枢纽、数据枢纽、贸易枢纽和通道，扩大对东盟、中亚、中东欧、非洲国家等地的数字贸易开放合作，推动大数据优势产品、技术“走出去”，加强数字技术供应链安全合作。四川省大数据产业白皮书（2023）第 51 页附录一 企业分类表分类分类类别类别企业名称企业名称基础设施工业互联网成都秦川物联网科技股份有限公司成都佳华物链云科技有限公司成都纵横智控科技有限公司成都万创科技有限公司用友网络科技股份有限公司四川分公司金蝶软件（中国）有限公司成都分公司车联网四川智能交通系统管理有限责任公司成都网阔信息技术股份有限公司成都亿盟恒信科技有限公司成都路行通信息技术有限公司能源互联网四川中电启明星信息技术有限公司四川川能智网实业有限公司中国石油天然气股份有限公司西南油气田数字智能技术分公司成都千嘉科技股份有限公司物联网数据收集成都纵横智控科技有限公司四川华体照明科技股份有限公司四川金麟新智慧城市科技有限公司成都海康威视数字技术有限公司成都大华智联信息技术有限公司成都博高信息技术股份有限公司基础电信中国铁塔股份有限公司四川省分公司中国移动通信集团四川有限公司中国联合网络通信有限公司四川省分公司电信科学技术第五研究所有限公司四川省大数据产业白皮书（2023）第 52 页基础设施基础电信中国电信股份有限公司四川分公司中国广电四川网络股份有限公司四川蜀天信息技术有限公司乐山宝德未来城科技园管理有限公司宽带接入中通服创立信息科技有限责任公司成都网科巨力时代科技有限公司中国电信股份有限公司四川分公司鹏博士电信传媒集团股份有限公司卫星互联网成都新橙北斗智联有限公司成都星联芯通科技有限公司成都天锐星通科技有限公司成都瑞迪威科技有限公司成都恪赛科技有限公司成都国星宇航科技股份有限公司成都九天微星物联网技术有限公司四川中星科脉通信技术有限公司成都振芯科技股份有限公司成都天奥电子股份有限公司CDN（内容分发网络）成都网宿科技有限公司成都驿风铃信息科技有限公司天翼云科技有限公司四川分公司云计算/智能计算成都精灵云科技有限公司成都云祺科技有限公司四川知行志成科技有限公司四川乐为科技有限公司四川浪潮信息技术有限公司成都超算中心运营管理有限公司万国数据服务有限公司成都分公司成都字节星云科技有限公司四川省大数据产业白皮书（2023）第 53 页基础设施云计算/智能计算新华三云计算技术有限公司成都盛世云图技术有限公司数据中心中国移动通信集团四川有限公司中国联合网络通信有限公司四川省分公司中国电信股份有限公司四川分公司四川浪潮信息技术有限公司成都网新积微云数据科技有限公司成都数据集团股份有限公司乐山宝德未来城科技园管理有限公司万国数据服务有限公司成都分公司成都万维科技有限责任公司成都超算中心运营管理有限公司成都盛世云图技术有限公司成都云祺科技有限公司智慧中枢百度智能云（成都）科技有限公司华为数字技术（成都）有限公司腾讯科技（成都）有限公司阿里云西南信息科技有限公司天翼云科技有限公司四川分公司创意信息技术股份有限公司成都数之联科技股份有限公司智慧应用智慧政务成都明途科技有限公司四川兴政信息技术有限公司成都华迈通信技术有限公司政通智慧城市运营科技有限公司成都分公司中科院成都信息技术股份有限公司成都弘信科技股份有限公司四川广软高科有限公司成都智政数据科技有限公司四川省大数据产业白皮书（2023）第 54 页智慧应用智慧医疗成都数联易康科技有限公司成都启迪数字医疗科技发展有限公司成都博恩思医学机器人有限公司四川爱迪讯科技有限公司成都医云科技有限公司中电健康云科技有限公司成都智信电子技术有限公司成都成电医星数字健康软件有限公司四川惠宜康科技有限公司成都琅瑞医疗技术股份有限公司四川骏逸富顿科技有限公司四川卫宁软件有限公司智慧教育成都寻道科技有限公司四川生学教育科技有限公司成都康赛信息技术有限公司智慧交通成都滴滴出行科技有限公司成都智元汇信息技术股份有限公司易停车物联网科技（成都）有限公司成都网阔信息技术股份有限公司成都交通信息港有限责任公司成都臻识科技发展有限公司成都四为电子信息股份有限公司智慧应急四川浪潮信息技术有限公司四川慧威仕科技有限公司智慧农业成都博韵通科技有限公司四川天府大弘科技有限公司智慧文旅四川川大智胜软件股份有限公司成都弘信科技股份有限公司成都中科大旗软件股份有限公司四川省大数据产业白皮书（2023）第 55 页智慧应用成都携程旅行社有限公司智慧金融成都中科大旗软件股份有限公司蚂蚁蓉信（成都）网络科技有限公司四川享宇金信金融科技有限公司佳缘科技股份有限公司智慧物流成都网阔信息技术股份有限公司四川顺丰速运有限公司京东物流运输有限公司成都分公司智能制造成都中嵌自动化工程有限公司成都思源智慧航空科技有限公司成都数之联科技股份有限公司成都蓉通微链科技有限公司全智光讯（成都）科技有限公司智慧水务成都市高博汇科信息科技有限公司四川格瑞特科技有限公司成都弘信科技股份有限公司成都万江港利科技股份有限公司智慧社区政通智慧城市运营科技有限公司成都分公司成都小步创想慧联科技有限公司成都秦川物联网科技股份有限公司成都智慧城市信息技术有限公司空间信息产业发展股份有限公司成都边界元科技有限公司成都优易数据有限公司网络安全中国电子科技网络信息安全有限公司四川安信息技术有限公司成都卫士通信息产业股份有限公司四川精容数安科技有限公司神州绿盟成都科技有限公司四川省大数据产业白皮书（2023）第 56 页网络安全成都思维世纪科技有限责任公司成都启明星辰信息安全技术有限公司成都网安科技发展有限公司迅鳐成都科技有限公司中科院成都信息技术股份有限公司成都市肆零肆网络科技有限公司北京安华金和科技有限公司四川省大数据产业白皮书（2023）第 57 页附录二 层次分析法（层次分析法（AHPAHP，AnalyticAnalytic HierarchyHierarchy ProcessProcess）（一）（一）AHPAHP 层次分析法的基本原理层次分析法的基本原理层次分析法是一种定量与定性相互结合的多目标决策分析方法。它是 70 年代初由美国运筹学家、匹兹堡大学萨迪教授提出的决策分析方法。层次分析法是一种人们的思维过程和主观判断实现规范化、数量化的方法，在降低不确定因素和简化系统分析和计算工作的同时，有助于决策时保持思维过程和决策过程的一致性。该方法是将决策者的经验判断加以量化，从而为决策者提供定量形式的决策依据。该方法是于 1982 年引入我国，因其定性与定量相结合地处理各种决策因素的特点及系统、灵活的优点，迅速在我国城市规划、能源系统分析、经济管理等领域得到运用。层次分析法的基本原理是：对将要进行评价系统的相关参考方案的各种要素分解成若干层次，并将同一层次上的各要素按照上一层要素为准则，进行两两比较判断，之后计算出各要素的权重，根据综合权重按最大权重原则确定最优的方案。其基本思路为：（1）将所要分析的问题进行层次化，根据问题的性质和要达到的总目标，将问题分解成不同的组成因素，并按照因素间的相互关系及隶属关系，将因素按不同层次聚集组合，构造一个多层分析结构模型；（2）通过专家意见并结合综合分析，构建两两判断矩阵；（3）求解矩阵，进行层次排序；（4）进行一致性检验，如果不满足一致性，则修改判断矩阵；（5）得出相关权重；（6）权重传递，进行归一化层次总排序，得出最低层各指标对最高层目标的相对重要程度的权值；（7）通过计算和比较，确定最优方案。图 1 层次分析法流程四川省大数据产业白皮书（2023）第 58 页（二）（二）AHPAHP 层次分析法的结构模型层次分析法的结构模型AHP 层次分析法的第一步骤，是需要把复杂问题分解为若干要素，并将这些要素按属性不同分成若干组，形成递阶层次，同一层次的要素作为一级指标层对下一层次的某些要素具有支配作用，同时它又受上一层次要素的支配。在同一层次中的不同要素，关系相对独立，而对于每一个要素下的子要素，在概念上则具有包含和被包含的关系，其典型的层次分析模型如图 2 所示。图 2 AHP 层次分析法模型结构如图 2 所示，AHP 层次分析模型是由指标体系层和方案层两部分构成，其中目标层、一级指标层和二级指标层构成 AHP 的评估体系层。它包括了目标层 A所涉及的范围、包含的因素以及各因素之间的相互关联隶属关系。而方案层，它是 AHP 评估的方案。应用层次分析法构造分析模型时，所选的要素必须合理，如果含义混淆不清，或要素间的关系不正确，就无法确保 AHP 层次分析法的结果质量。为保证递阶层次结构的合理性，需把握以下原则：（1）分解简化问题时把握主要因素。（2）注意相比较元素之间的强度关系，相差太悬殊的要素不能在同一层次比较。（三）（三）九分位比例标度九分位比例标度决策判断矩阵用以表示同一层次各指标要素相对重要性的判断值，它由若干四川省大数据产业白皮书（2023）第 59 页专家来判定，考虑到专家对若干指标直接评估权重的困难，根据心理学家指出的“人对信息等级的极限能力为 72”的研究结论，AHP 方法在对指标的相对重要程度进行测量时，引入了九分位比例标度，其含义如表 4 所示。表 4 重要性标度标度标度含义含义1表示两个因素相比，两者具有相同的重要性3表示两个因素相比，前者比后者稍重要5表示两个因素相比，前者比后者明显重要7表示两个因素相比，前者比后者强烈重要9表示两个因素相比，前者比后者极端重要2、4、6、8表示上述相邻判断的中间值倒数因素之间的反向对比（四）（四）判断矩阵判断矩阵根据层次分析模型图和九分位比例标度，对准则层中各指示的重要性作相对比较，比较结构用一个判断矩阵 A 来表示，如表 5 所示。表 5 判断矩阵AA1A2AjAnA1a11a12a1ja1nA2a21a22a2ja2nAjaj1aj2ajjajnAnan1an2anjann矩阵 A 中的各元素 aij表示行指标 Ai对列指标 Aj相对重要性的比例标度，根据判断矩阵 A 中指标两两比较的特点，显然有 aij0，aii=1，aij=1/aji，（i，j=1，2，.，四川省大数据产业白皮书（2023）第 60 页n）。如果 aij1，表示 Aj比 Ai重要；如果 aij=1，表示 Ai与Aj同样重要；如果 aij1，表示 Ai比 Aj重要。（五）（五）层次单排序及其一致性检验层次单排序及其一致性检验所谓层次单排序是指对于上一层某因素而言，本层次各因素的重要性的排序。虽然在构造判断矩阵 A 时并不要求判断具有一致性，但判断偏离一致性过大也是不允许的。与其他确定指标权重系数的方法相比，AHP 方法的最大优点是提供了一致性检验，以保证专家思想逻辑的一致性。所谓判断思维的一致性是指专家在判断重要性时，当出现 3 个以上的指标互相比较时，各判断之间协调一致，不会出现内部互相矛盾的结果，如指标 a,b,c 之间两两比较，a 比 b 略重要，b 比c 略重要的情况下，如出现 c 比 a 略重要的评估，则称专家思维非一致性，出现矛盾，出现这类不一致性的矛盾在多指标.多层次判断中极易发生，只不过不一致性的过程不同而已。（1）计算一致性指标：（2）计算相对一致性指标：CR=CI/RI式中 RI 为平均随机一致性指标，是足够多个根据随机发生的判断矩阵计算的一致性指标的平均值。110 个阶段的 RI 取值如表 6 所示。表 6 平均随机一致性指标000.580.901.121.241.321.411.451.49一般而言，CR 的值越小表明判断矩阵越好，通常认为 CR0.1 时，判断矩阵具有满意的一致性，或其不一致程度是可以接受的；否则就调整成对比较矩阵A，直到达到满意的一致性为止。四川省大数据产业白皮书（2023）第 61 页（六）（六）判断矩阵的权重计算判断矩阵的权重计算判断矩阵的权重计算有三种方法：算数平均法、几何平均分和特征值法。1.算数平均法第一步：将判断矩阵按照列归一化，每一个元素除以其所在列的和；第二步：将归一化的各列相加，按行求和；第三步：将相加后得到的向量中的每个元素除以元素的个数 n，即可得到权重向量。2.几何平均法第一步：将 A 元素按照行相乘得到一个新的列向量；第二步：将新的列向量的每个分量开 n 次方；第三步：对该列向量进行归一化即可得到权重向量。3.特征值法第一步：求出矩阵 A 的最大特征值和以及其对应的特征向量第二步：对求出的特征向量进行归一化即可得到所求的权重

0人已浏览 2023-12-09 68页 5星级

践行深度用云政务数据之道白皮书编写单位及作者P R E P A R A T I O N C O M M I T T E E编 写 单 位编制委员会安徽省大数据中心华为云计算技术有限公司编委主任：钱 海 胡玉海编委委员：龚 炜 叶佳鹏 陈文权 王 飞编委成员：柏 君 程 菲 邓 东 胡雨亭 胡艺馨 胡忠媛 何洁和 霍卫峰 江 南 金智功 刘翔羽 卢 翔 倪海波 宋晔志鹏 孙长森 向嘉维 徐 航袁军红 殷润悦 赵丙文 陈士星 王慧敏 唐政府杨芳文（排名不分先后）前言 今时代，“大数据”已经不是一个概念名词，它已经真实 地渗透到每一个行业的业务领域，从业务活动的“衍生品”逐步转变为业务决策的“必需品”，“数据”深度参与到各行各业的生产业务中，为数字化转型提供当代石油。政府行业尤其典型，各级政府在从管理型向服务型转变的过程，我们都能感觉到政府机构内部权力运行和对外优化服务的衔接越来越依赖数据和信赖数据，无论是我们现在坐在家里动动指尖就可以办成的某项政务服务事项，还是已经成为过去的科技抗疫联防联控机制的施行，政府部门统筹推进重点工作已经离不开政务数据的有效支撑，“数据”变得越来越重要。政务数据逐步汇聚融合开始呈现出爆发式增长，在对政务数据进行采集、存储、计算、管理和使用过程中，在政务数据逐步融合更多元的数据产生更高价值越来越开放的探索中，我们也越来越发现政府部门需要建立完善体制机制、管理规范、平台能力以保障政务数据的有效性、安全性和可靠性。我们希望通过本白皮书，就如何更合规、更有效地挖掘政务数据价值与业界专家同仁共同探讨，共同推动政务数据充分共享和有序开发利用。本白皮书由华为公司联合政府行业领军的机构共同编制，充分融合了各方在数字化转型和数据管理体系构建等方面的理论和实践成果。聚焦政府行业在数据汇聚、治理、应用方面的发展现状和当前挑战，总结出了政务数据之道十步进阶，并将相关工程案例和实践经验进行总结，以为政务领域的数据治理提供方法论指导和实践探索参考。F O R E W O R D当02目录D I R E C T O R Y1.1 畅通数据资源循环，打通数字中国的“数据经脉”1.3 促进公共数据开发，激活数字经济的“增长引擎”1.2 构建政务数据体系，构筑数字政府的“基础工程”数据成为时代最强音012.1 演进脉络：在政策要求和场景需求的双轮驱动下，数据应用不断创新迭代2.2 面临挑战：数据的应用效果面临挑战，需理论和实践结合不断螺旋上升政务数据发展现状023.1 内涵：推动政务领域数据管理转型的方法论和实践指引3.2 体系框架：以架构梳理为抓手，构建数据域整体政府3.3 核心价值：家底全面厘清、资产分布有序、源头治理有效、共享服务高效政务数据之道概述0305-0708--3940-4344-454.1 总体框架 4.2 定机制：建立适配的机制体制4.3 立规范：制定统一规范制度4.4 建平台：统一规划数据平台4.5 理架构：构建统一数据架构4.6 推治理：推行数据源头治理4.7 通共享：提升共享服务水平4.8 提质量：完善质量评估能力4.9 重服务：构建数据服务体系4.10 保安全：保障数据全周期安全4.11 助流通：数据要素可信流通探索政务数据之道十步进阶045.1 安徽省5.2 上海市5.3 深圳市优秀实践05未来展望0605数据成为时代最强音2023年2月27日，中共中央、国务院印发了数字中国建设整体布局规划（以下简称“数字中国”），“数字中国”按照“2522”的整体框架进行布局，提出夯实数字基础设施和数据资源体系两大基础，明确将畅通数据资源大循环作为夯实数字中国建设基础的关键一环，打通数字中国的“数据经脉”被提到了前所未有的高度，重点强调通过健全数据管理体制机制，强化数据资源储备，实现数据资源规模和质量的快速提升；通过加快构建一体化政务大数据体系，形成常态化供需对接机制，推动公共数据汇聚利用；通过加快建立数据产权制度、收益分配机制等，促进数据要素商业潜能有效释放，促进数字经济发展效益大幅增强。“数字中国”提出了通过夯实数字基础设施和数据资源体系，赋能数字技术与经济、政务、文化、社会、生态五大领域，形成五位一体的深度融合。数据是数字化、网络化、智能化的基础，通过与各环节的融合，深刻改变着人们的生活方式、生产方式、和社会治理方式。夯实数据资源体系，畅通数据资源大循环的核心，是数据资源的跨领域、跨组织域、跨区域的汇聚利用，数据跨域互联互通是高质量数据资源供给的保障。这一点在数字政府建设过程中尤为突出，通过“十三五”时期在政务领域的整体规划，诸如全国政务云基础设施、数据共享交换体系、数据资源目录体系、一体化政务服务平台等基础能力已形成布局和广泛应用，在数字基础设施和数据资源体系方面已有一定的建设基础。可以说，通过数字政务领域的先行先试，带动和构建了政务数1.1 畅通数据资源循环，打通数字中国的“数据经脉”据体系的雏形，吹响了带动数字中国建设的先锋号。国务院关于加强数字政府建设的指导意见（国发202214号）作为在数字政府建设方面的顶设指导，同样强调了“数据”对政府治理能力提升的重要作用，在“数据资源体系”构建方面提出了相关要求，突出强调加快“一体化政务大数据体系”的建设，从创新管理机制、深化高效共享、促进开发利用三个方面提出了要求。一是建立健全权威高效的政务数据共享协调机制，整合构建全国一体化政务大数据体系，增强数字政府效能，营造良好数字生态；二是推进政务数据开放共享、有效利用，加强数据资源整合和安全保护，同步构建完善数据全生命周期质量管理体系；三是促进数据高效流通使用，充分释放政务数据资源价值，推动政府治理流程再造和模式优化。全国一体化政务大数据体系建设指南（国办1.2 构建政务大数据体系，构筑数字政府的“基础工程”06函2022102号）作为全国一体化政务大数据体系建设的“工程图纸”，对“十三五”时期我国政务数据体系建设进行了充分总结，同时面向未来发展演进提出了统筹机制、数据共享、应用支撑、标准规范、安全保障等方面的现状问题以及八个一体化的建设思路，也将一体化政务大数据的建设目标和实施路径一并提出。一是强化政府部门数据管理职责，明确数据归集、共享、开放、应用、安全、存储、归档等责任；二是强调数据治理，依法依规促进数据高效共享和有序开发利用，充分释放数据要素价值；三是建立全国标准统一、动态管理的政务数据目录，实行“一数一源一标准”，实现数据资源清单化管理。闻令而动，各级政府陆续推动政务大数据体系的建设，整合过去“散、乱、小、杂”的数据平台和工具软件，开始用一体化的思路推动政务大数据体系建设，打造数字政府的“基础工程”，为后续公共数据、社会数据的融合开发奠定坚实基座；为充分发挥数据价值，构筑新的数字经济增长极蓄势储能。“数据”作为新型生产要素，具有无形性、非消耗性等特点，可以接近零成本无限复制，在数据生产、流通、使用等过程中，个人、企业、社会、国家等相关主体对数据有着不同利益诉求，且呈现复杂共生、相互依存、动态变化等特点。同时，“数据”从汇聚共享、开发利用到要素流通，正在逐步从幕后走向台前，在经济发展、城市治理、政务服务等越来越多的领域发挥决定作用。恰逢其时，中共中央、国务院印发关于构建数据基础制度更好发挥数据要素作用的意见（以下简称“数据二十条”），为数据要素市场化发展解决了制度空白，提供了良好环境。“数据二十条”提出以促进数据合规高效流通使用、赋能实体经济为主线，以推进数据产权、流通交易、收益分配、安全治理为重点，整体性构建数据基础制度，充分实现数据要素价值、释放价值红利。随着“数据二十条”的发布，今年公共数据授权运营、数据要素开发成为行业热词，各地结合属地特点创新发展，在上海、南京、广州、深圳、北京等先进地市纷纷出台相关地方制度规范，有些地方同步进行了机构建设和开展实践探索。包括城市治理模式创新，通过数字化技术和数据资源的运用，提高城市治理效率和服务水平；数字金融服务创新，发挥数据在金融领域的作用，推动数字金融的发展，包括数字货币、数字支付、数字化金融服务等；数字文化推广创新，挖掘数字文化价值，推动数字文化产业的发展，以数字媒体、数字艺术、数字游戏、数字出版等为重点，推动文化创意产业的数字化转型。政务数据作为政府履职过程中产生的生产数据，具有基础性和权威性，属于重要的数据要素类型，是公共数据、社会数据的融合开发过程中的主数据，发挥了“度量衡”作用。政务数据的汇聚治理是否充分、共享机制是否健全、质量情况是否达标将直接关系我国数据要素市场化是否能够繁荣发展的关键。相信随着政务数据共享和公共数据授权运营内外双循环的相互牵引，我国“数据产业”必将迎来蓬勃发展。1.3 促进公共数据开发，激活数字经济的“增长引擎”0709政务数据发展现状092006-2020年国家信息化发展战略（中发办 2006 11号）初步提出以资源共享为战略方针政务信息系统整合共享实施方案（国发办 2017 39号）要求各部门地方加快信息系统整合共享，构建数据共享交换体系加快推进“互联网 政务服务”工作的指导意见（国发 2016 55号）启动“互联网 政务服务”建设，打通数据壁垒，实现各级各部门信息互联互通全国一体化政务大数据体系建设指南（国办函 2022 102号）提出统筹管理、数据目录、数据资源、共享交换、数据服务、算力管理、标准规范、安全保障八个一体化建设要求中共中央、国务院印发了数字中国建设整体布局规划，畅通数据资源共享，推动公共数据汇聚利用，释放商业数据价值潜能政务信息资源目录编制指南（试行）（发改高技 2017 1272号）明确政务信息资源目录编制标准“互联网 政务服务”技术体系建设指南（国办函 2016 108号）为全国一体化政务服务平台提供了“工程图纸”，明确建设路径国务院印发关于加强数字政府建设的指导意见（国发 2022 14号）提出加快推进全国一体化政务大数据体系建设，加强数据治理中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见（数据二十条）促进数据合规高效流通使用，实现数据要素价值中共中央、国务院印发了党和国家机构改革方案，组建国家数据局。负责数据要素基础制度建设，推进数字基础设施布局建设。从数据孤岛到整合共享从数据按需汇聚到数据资产管理关注授权运营和交易流通2015年，国务院印发促进大数据发展行动纲要（国发201550号），明确指出大数据成为提升政府治理能力的新途径，大数据应用能够推动政府数据开放共享，促进社会事业数据融合和资源整合，推动政府管理理念和社会治理模式进步。2016年，国务院先后印发政务信息资源共享管理暂行办法（国发201651号）、加快推进“互联网 政务服务”工作的指导意见（国发201655号）、“互联网 政务服务”技术体系建设指南（国办函2016108号）等一系列政策文件。对整合构建统一的数据共享交换平台体系，打通数据壁垒，实现各部门、各层级数据信息互联互通提供了顶层规划和政策要求。在此期间，国家开始从打通数据壁垒、构建数据共享基础设施的角度出发，结合紧迫业务需求构建了国家、省、地市、区县四级的共享交换体系，通过前置机级联的方式初步实现了构建跨层级跨部门的数据传输，修筑了政务数据未来融合“十三五”期间，通过全国一体化政务服务平台、“互联网 监管”、全国信用信息系统、投资项目在线审批等业务需求驱动，逐步扩大到政府部门间的政务信息资源整合共享，在数据域初步实现了各行政层级行业数据的横向联通，以及跨层级数据的向上汇聚、基层回流和跨域流通。各地也因地制宜，一手治数据，一手抓应用，形成了各具特色的政务数据的应用场景。进入“十四五”，政务数据的共享开放更加体系化，一体化政务大数据体系被正式提出，各地建设脉络基本清晰，政务数据面向未来的发展演进大致可分为数据共享交换、数据按需归集、数据资产管理、数据要素授权运营与交易流通四个阶段，每个阶段均有相关政策出台，指导全国各部门地方开展政务数据体系建设。1、数据共享交换阶段2.1 演进脉络：在政策要求和场景需求的双轮驱动下，数据应用不断创新迭代图1 政务大数据体系演进脉络10共享的“公路”基础设施，在国家层面关键信息化工程中发挥了重要作用。2、数据按需归集阶段在“放管服”改革实施过程中，一体化政务服务平台和“互联网 监管”等业务快速发展，各级政务服务主管部门根据业务需要开始归集行业部门数据。2017年5月，国务院印发政务信息系统整合共享实施方案（国办发201739号）、政务信息资源目录编制指南（试行）（发改高技20171272号）等政策文件，要求各部门地方加快消除“僵尸”信息系统，整合部门内部信息系统，按照要求编制、完善政务信息资源目录。同时，基础信息资源库的构建也初步完成，针对具有共性需求的基础数据也启动了清洗和治理。在此期间人口、法人、空间地理、电子证照、社会信用等基础信息库实现了数据归集，并在应用场景中初步发挥了数据资源的支撑作用。比较典型的应用场景是在政府服务的出生证、社保等高频事项办理中，通过整合形成电子证照库，实现了指尖办、无感办、最多跑一次等创新场景，极大提升了人民群众的服务体验和获得感。3、数据资产管理阶段随着人工智能、大数据、区块链等新兴技术的发展，政府部门对数据的需求已不仅限于共享交换，数据资源价值挖掘需求不断增加，数据资产的概念逐渐明确。2021年3月，十三届全国人大四次会议通过中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要，明确提出加强公共数据开放共享、推动政务信息化共建共用、提高数字化政务服务效能。2022年6月国务院印发加强数字政府建设的指导意见（国发202214号），同年10月国务院办公厅印发全国一体化政务大数据体系建设指南（国办函2022102号），提出了“全国一体化政务大数据体系”的新概念，要求加强数据治理，依法依规促进数据高效共享和有序开发利用，充分释放数据要素价值，确保各类数据和个人信息安全。当前，各地政府也在积极探索数据资产价值挖掘新路径，以源头数据治理为抓手，从源头解决数据标准不一、质量低下等问题，高效推动数据的开发利用。结合人工智能、大数据、区块链等新兴技术，充分与政务服务、城市治理、普惠金融、经济运行等业务应用融合，持续的发挥数据价值，促进数据资源向数据资产快速转变。4、数据要素授权运营与交易流通阶段政务大数据经过多年的发展，国家已越来越重视“数据”，数据已与土地、劳动力、资本、技术一样，成为第五大生产要素。2022年12月，中共中央、国务院联合印发关于构建数据基础制度更好发挥数据要素作用的意见，要求促进数据合规高效流通使用，实现数据要素价值。2023年2月，中共中央、国务院联合印发数字11中国建设整体布局规划，要求畅通数据资源共享，推动公共数据汇聚利用，释放商业数据价值潜能。并在同年3月，在国家层面组建国家数据局，主要负责数据要素基础制度建设，推进数字基础设施布局建设。数据要素蓬勃发展正当其时，各地积极推动数据交易所、大数据集团/公司的建设，不断探索数据要素授权运营与可信交易流通。运用隐私计算实现数据可用不可见、数据不出域等新模式，促进政务数据、公共数据、企业数据进行不同维度的融合，数据要素价值逐渐展现，为我国数字经济不断注入新动能。结合政务大数据体系建设现状，我们能够看到其发展仍然存在体制机制不健全、政务数据家底不清、数据底座存在断点、数据共享不高效、数据要素流通难、数据安全难保障等问题。1、体制机制有待健全国家层面以及各地方未明确省政府、大数据主管部门以及业务部门之间的数据管理责任，在数据治理工作中，大数据主管部门与各业务部门协同难，省市两级政府也未建立相关体制机制、标准规范协同开展一体化政务大数据体系建设，导致省市两级工作开展思路与方式犹如百家争鸣。并且传统中心治理仅由大数据主管部门执行，业务部门未参与其中，导致数据治理工作成效甚微，数据质量问题难以解决，数据价值难以挖掘。2、政务数据家底不清政务信息化建设历经多年，各级各部门拥有众多政务信息系统，数据体量巨大，但大数据主管部门在梳理政务数据目录时，仅围绕行政权力事项行权结果进行梳理，并未对全量数据进行盘点，导致大数据主管部门对政务数据的分布情况无法全盘掌握。目前各地均按照政务信息资源目录编制指南进行梳理，政务信息资源梳理各地的方法不尽相同，形成全国统一的政务数据“一本账”难度较大。3、数据底座存在断点政务大数据由数据共享交换演变而来，基本上各地都是从共享交换平台向政务大数据平台进行建设，数据采集、数据存储、数据治理、共享交换、数据开发、可视化展示、挖掘分析、数据开放等工具可能存在由多家厂商建设的情况，导致工作人员需要进行多次登录，无法提供一站式数据管理，且各厂商之间可能存在工具不兼容、需定制开发等问题，增加建设运营维护成本。4、数据共享不高效各级各部门政务信息系统由不同厂商建设，数据2.2 面临挑战：数据的应用效果面临挑战，需理论和实践结合不断螺旋上升10标准不一，数据质量参差不齐。由于传统数据共享交换平台大多以离线批量集成，并且用数部门需向供数部门提交申请，供数部门审核通过后，用数部门才能拿到数据，流程周期冗长，导致数据难以高效的进行跨系统、跨部门、跨层级、跨地域流转，进而对各部门业务协同产生影响，造成政务服务事项办理难、电子证照应用难等问题频现，拉低政府服务效能，延缓数字政府建设进程。5、数据要素流通不畅数据要素流通处于起步阶段，对于来源于不同业务部门的政务数据，无法制定出完善的数据产权制度，导致各部门间数据所有权不清晰；数据交易的商业模式也尚未形成完善的体系，导致数据在交易过程中缺乏相关的交易标准。6、数据安全保障难政务数据体量大，且分布于政府部门各业务系统中，数据中包含高价值隐私信息，一旦发生泄露或篡改等事故，将会造成巨大的影响与损失。当前政务数据安全保障存在以下问题，一是在政务数据采集、传输、存储、使用、共享、销毁整个生命周期中，各环节的安全责任体系难以划分，安全保障手段措施亦不同。二是政务数据安全通用基础技术能力如数据分类分级、身份认证、访问控制、日志管理等有待加强。三是安全运营管理力度急需提升，监控审计、应急响应、攻防演练等重要系统数据安全运营重点事项流程仍需改进。四是工作人员存在安全意识不强，工作技能不足等问题。11政务数据之道概述12政务数据共享开放经历了多年发展已初成体系，各级政府都已建成数据共享交换、数据资源目录以及共享和开放门户等基础能力，政务数据在支撑政府运转，尤其是在政务服务领域的应用已经初具规模并显现成效。同时，我们也发现，目前政务数据的价值挖掘还远远不够。据统计，政府行业数据在各行业数据产量中占比22.4%，规模上占据优势。然而，政府数据的应用与体制机制、标准规范、数据质量、场景需求等因素密切相关，政务数据在支撑政府、赋能产业、服务社会等方面仍然有巨大潜力，更大价值的挖掘依然任重道远。“政务数据之道”是从制度规范、平台建设、架构梳理、治理规划等多个维度系统性提出推动政务领域数据管理转型的方法论和工程实践。作为优秀实践的总结，基于数据底座支撑政务领域数据治理实践，通过构建管理架构、厘清数据目录、提升数据质量、促进数据共享、保障数据应用流程，将政务数据管理的方法论与实践融合，让政务数据不再深藏闺中，充分释放社会价值。政务数据来源于业务，最终服务于业务，不断融合迭代，通过统一平台联通数据价值的不断升华和持续释放，践行数据之道，绽放数据之美。实践证明，一个组织只有构筑一套适配组织特点的数据管理体系，才能确保关键数据资产有清晰的业务管理责任；才能保证IT建设有稳定的原则和依据，作业人员有规范的流程和指导；才能当争议出现时，有裁决机构和升级处理机制；才能确保数据管理的持续性，人才、组织、预算有充足的保障。3.1 内涵：推动政务领域数据管理转型的方法论和实践指引3.2 体系框架：以架构梳理为抓手，构建数据域整体政府15“政务数据之道”打造了一套适应政务业务的架构体系，通过适配政府部门的政策、组织、流程体系，对数据架构、数据质量进行有效管理，最终目标是实现以业务场景为核心的政务数据的综合治理。“政务数据之道”需要通过一体化平台建设统一承载，确保数据应用成效。图2 政务数据之道体系框架政务数据之道体系框架以架构梳理为抓手，构建数据域整体政府以源头治理为核心，保障数据高质量赋能价值链4 数据流通外循环：数据服务、数据产品 价值链2 数据质量提升：源头治理、入湖标准价值链1 数据资产一张图：数据架构、数据Owner数据共享开放管理政策数据架构管理政策数据治理管理政策政务数据管理总纲数据架构管理流程政策指引流程数 据架 构标 准管 理数 据治 理质 量管 理组织平台数据源管理流程数据质量管理流程技术安全价值链3 数据共享内循环：资源目录、供需对接 业务对象在履职过程打通维度数据在决策过程打通数据挖掘分析平台统一数据湖一站式数据治理平台管理安全运营安全建设领导小组首席数据官业务专员数据专员安全是底线16政务数据之道体系框架是在政务数据管理总纲和政策细则的整体牵引下，按总纲和细则要求适配组织、规范流程以及构建安全防护能力。基于统一平台提供的存算、治理、分析等能力，开展数据架构梳理和数据源头治理工作。在此过程中，形成了2个纵向打通和4条价值链横向延伸，驱动政务数据管理体系在价值牵引下完成自我迭代和优化完善。2个纵向打通主要面向政务数据支撑业务场景的应用过程。一是“业务对象在履职过程中打通”，即以“业务对象”为核心开展数据治理，并将业务对象应用于在政府履职的全过程，贯穿于政府运行的生产业务，确保业务对象的质量和数据清洁，为业务顺畅开展和数据持续增值保驾护航；二是“维度数据在决策过程打通”，即面向支撑政府决策分析的场景，通过数据治理形成一系列的数据集市，并实现数据的实时更新保障鲜活，在决策分析过程中，实现维度数据的灵活调用，以集约化、平台化的理念开展数据分析挖掘。4条价值链主要面向政务数据在核心场景中的增值过程。一是数据资产一张图。按照政府L1-L5的方法论进行政府数据域架构梳理，是数字政府在数据域的骨骼框架；二是数据质量提升。通过在制度、标准方面进行规范，将质量争议处置环节前置，确保数据高价值和应用成效；三是数据共享内循环。通过完善数据归集的时效性需求，提升共享交换的一站式能力，保障资源目录完整和供需对接顺畅；四是数据要素外循环。在数据产权明晰和安全保障前提下，为政务数据在社会面进行要素流通做好积累和沉淀。在此数据管理体系基础上，本白皮书提出建立适配的机制体制、制定统一制度规范、统一规划数据平台、构建统一数据架构、推行数据源头治理、提升共享服务水平、构建数据服务体系、完善质量评估能力、保障数据全周期安全、数据要素可信流通探索的政务数据之道“十步进阶”。“十步进阶”以体制机制为抓手，以业务对象为核心，重塑政府数据架构，厘清数据家底，从源头开展数据治理，解决业务目标不明确、数据源头不清晰、数据语言不统一、数据质量不合格等问题，并以此加强数据汇聚融合、共享开放和开发利用，促进数据依法有序流动，充分发挥政务数据在提升政府履职能力、支撑数字政府建设以及推进国家治理体系和治理能力现代化中的重要作用。本白皮书旨在助力各级政府构建一套“家底全面厘清、资产分布有序、治理完备、共享服务高效”的政务数据管理体系，通过加强基础能力建设，加大应用创新力度，推进资源开发利用与挖掘分析，不断发挥政务数据价值。本白皮书提出四个“一”的目标。1、助力厘清政务数据家底，梳理数据架构“一本账”本白皮书倡导以统一的方法论进行政务数据编目，盘点全量政务数据家底，形成统一政务数据架构，建立全量覆盖、互联互通的高质量数据资产一本账，配套政务数据架构同步更新机制，实现政务数据“一本账”管理。3.3 核心价值：家底全面厘清、资产分布有序、源头治理有效、共享服务高效152、政务数据归集，构建政务数据资产分布“一张图”本白皮书倡导按照“按需归集、应归尽归”的原则，将政务数据归集至政务大数据平台，由平台统一对政务数据进行管理，同时牵引应用架构设计，合理规划数据分布，实现数据流向可追溯、质量问题可定责，打造政务数据资产分布“一张图”。3、推行数据源头治理，形成治理路径的“一标准”本白皮书倡导数据治理按照“一数一源一标准”的原则，从中心治理到源头治理，让业务部门参与数据治理，从源头解决数据质量低下、数据标准不一、数据源头不清等问题，助力政务数据高质量数据支撑各类应用。4、优化共享交换体系，实现共享服务的“一站式”本白皮书倡导从共享流程、授权时限、供需对接、成效评价等角度提升共享交换体系的能力，高效满足各地区各部门数据共享需求，助力各级各部门一网通办、跨区域通办、全省通办、跨省通办等业务顺利开展，持续提升政府服务效能与履职能力。政务数据之道十步进阶政务数据之道基于当前政务大数据建设现状，对准当前阶段建设目标和面临的痛点难点，结合华为数据管理经验，总结全国多个省、市政务大数据建设经验，在管理机制、标准规范、平台技术、共享交换、数据架构、数据治理、数据服务、数据流通、数据质量、数据安全多个方面阐述政务大数据管理中的工作方法。政务数据之道方法论形成十项创新举措，包括：建立适配的体制机制、制定统一规范制度、统一规划数据平台、构建统一数据架构、提升共享服务水平、推行数据源头治理、构建数据服务体系、保障数据全周期安全、完善质量评估能力、数据要素可信流通探索。“政务数据之道”以体制机制为抓手，业务对象为核心，重塑政府数据架构，厘清数据家底，从源头开展数据治理，解决业务目标不明确、数据源头不清晰、数据语言不统一、数据质量不合格等问题，并以此加强数据汇聚融合、共享开放和开发利用，促进数据依法有序流动，充分发挥政务数据在提升政府履职能力、支撑数字政府建设以及推进国家治理体系和治理能力现代化中的重要作用。4.1 总体框架图3 政务数据之道十步进阶19助流通 数据要素可信流通探索10可信计算流通数据API流通可信交换流通授权运营平台合规监管平台重服务 构建数据服务体系7面向业务自助分析数据服务体系规划数据服务设计与实现推治理 推行数据源头治理6通共享 提升共享服务水平5统一共享平台共享流程标准化供需对接精准化授权时限规范化交换任务自动化理架构 构建统一数据架构4统一数据架构确定数据Owner数据分级分类数据源认证确定数据标准建平台 统一规划数据平台3政务云底座数据湖数据仓库数据治理平台数据分析挖掘平台2定机制 建立适配的体制机制保安全 保障数据全周期安全立规范 制定统一规范制度提质量 完善质量评估能力189数据入湖准备数据入湖治理统一入湖标准数据质量改进数据管理体系的构建是一项系统性工程，其有效运转离不开一套健全的数据管理组织体系。政务数据管理组织体系应该重点解决三个主要问题，一是组织机构的定位与职责，定义好相关组织的职能分工；二是如何理顺在政府条块化管理中的数据协同关系，无论是国、省、市、区（县）的纵向关系，还是数据管理单位、数源部门、用数部门数据需求单位之间的关系，以匹配相应的流程机制；三是面向制度和流程的落地，要设置什么样的专职岗位来统筹好各部门的协调和分工，来保障政务数据管理工作的有效性。以问题为导向，体制机制设计的目标是形成纵横贯通的组织体系，行之有效的流程体系和任务明确的职能体系。主要包括以下两个方面：首先立足实际，合理构建机制流程大数据主管部门代表本级政府制定相关的数据管理办法、流程、方法和支撑系统，制定数据管理的战略规划和年度计划并监督落实；建立并维护数据架构，保障数据质量；披露重大数据问题，提升数据管理能力；推动数据文化的建立和传播等。各领域的数据管理专业组织，向业务领域的最高主管汇报，承接并落实业务领域最高主管的数据管理责任；同时遵从本级大数据主管部门发布的统一数据管理办法、流程和规则要求。双向汇报的机制确保数据工作能充分融入业务，同时能够在应用系统中有效落地的关。4.2 定机制：建立适配的机制体制20图4 建立适配的体制机制 一体化政务大数据体系建设领导小组省级数源部门市级数源部门县级数源部门省级用数部门市级用数部门县级用数部门省级大数据主管部门市级大数据主管部门县级大数据主管部门跨 部 门 联 合 工 作 机 制跨层级联合工作机制数据汇聚共享清单数据汇聚需求清单数据汇聚需求清单数据服务需求清单数据服务需求清单数据服务需求清单业务指导事务汇报业务指导事务汇报业务指导事务汇报省政府市政府县政府统筹指导统筹指导统筹指导在组织机构设置的基础上，需要构建跨层级联动和跨部门协同的流程机制，确保政务数据管理工作有序开展。一是构建跨层级联动机制。省级大数据主管部门需要指导地市制定数据质量评估机制、编制通用和行业数据标准等；市级数据管理单位需参照省级管理办法明确本市数据治理组织和协同工作，基于全省通用数据标准补充编制本市所需的数据标准，各市牵头梳理市级及以下建设的应用系统和数据资产，补充完善全省统一数据架构，协同推进数据治理实施；省内协同可采用“省级集中部署”或“省市两级部署”。二是构建跨部门协同机制。明确大数据主管部门对政务大数据体系的统筹规划责任和各业务部门对业务数据质量管理责任，是确保政务大数据管理体系发挥作用的基石。业务即行为，行为即记录，记录即数据。每一个数据必须由对应的业务部门承担管理责任，且必须有唯一的数据负责人。各级业务部门主要负责本部门的数据治理工作，解决本部门当前存在的各种数据问题，如重复录入问题、数据多头管理问题、数据不一致问题等，梳理所有的应用系统及数据、业务架构和业务流程梳理、行业数据标准编制、数据资源编目、数据共享等工作。二是坚持创新，持续健全工作机制。以问题为导向，坚持持续创新。各地政府积极探索数据管理创新举措，据统计，截至2023年10月，全国已有13个省级单位发布首席数据官制度相关建设方案，构建省、市、县多级首席数据官体系。在原有组织架构和制度保障基础上，进一步完善数据管理工作机制。一方面，通过明确数据管理专业领域职责，细化数据管理任务，增强目标的趋向推力，为数字政府改革建设和数据要素市场体系建设提升动能；另一方面，统筹数据汇聚治理、共享开放、开发利用、人才队伍建设战略规划和实施工作，创新设立部门首席数据官、数据官、数据专员等角色，进一步畅通决策、管理、执行的任务传导和横纵向协同联动，增强各项工作的一体化管理，保障公共数据资源价值有效释放，实现数据要素安全有序流通。通过践行首席数据官制度，建立健全数据管理统筹机制，构建数据架构，实现统筹管理一体化。191、数据架构管理政策数据架构管理政策完成政务数据架构的内容和规范的定义，统一政务数据的度量衡，推动数据在各行业的统一认识。包括数据架构管理规范、业务对象管理规范、数据标准管理规范、数据指标管理规范、数据源认证规范。1）数据架构管理规范数据架构管理规范统一政务数据的定义，明确对数据架构的管理要求、责任分工、编码规范和管理流程，指导各行业政务数据的统一管理，实现业务与物理世界的紧密联系，形成政务数据统一规范、统一编码、统一架构的“一本账”管理。数据架构管理应遵循关键数据应被识别、分类、定义及标准化，数据的定义在全域范围内应唯一，数据标准制定要考虑跨业务要求；数据资产目录须反映各部门履职的业务过程，遵循统一的分类和编目规范，为政务数据“一本账”管理服务，同时须满足各使用场景的技术理解和管理对接，保障互连共享的通畅性。此外，数据架构驱图5 政务数据管理总纲22政 务 数 据 管 理 总 纲数据架构管理政策政策指引数据治理管理政策数据共享开放管理政策数据架构管理规范业务对象管理规范数据标准管理规范数据指标管理规范数据源认证规范数据湖分层技术规范数据入湖技术规范数据质量技术方案数据开发技术方案数据服务技术方案数据共享开放管理规范数据安全管理规范数据分类管理规范数据分级管理规范标准规范指导实施规划设计入湖治理共享开放应用4.3 立规范：制定统一规范制度以政务数据管理办法为总纲，发布数据架构、数据治理和数据共享开放管理政策，实现政务数据管理按照规划设计、入湖治理和开放利用的路线稳步推进，促进政务数据有效管理、质量提升、安全开放，实现数据管理标准规范一体化。动应用架构设计，合理规划数据分布；应用系统数据库的设计和开发要遵循数据架构，减少数据冗余，实现接口标准化。2）业务对象管理规范业务对象管理规范明确业务对象的定义、识别原则和管理方法，指导各部门有序开展业务对象识别工作，明确各业务对象的责任主体，确保数据资产目录有效构建以及数据治理工作的顺利实施。业务对象承载了业务运作和管理涉及的重要信息，是信息架构中最重要的管理要素。定义业务对象遵循：业务对象是指政府日常运行和履职过程中不可缺少的重要人、事、物等实体；业务对象有唯一身份标识信息；业务对象相对独立并有属性描述；业务对象可实例化。3）数据标准管理规范数据标准管理规范规定了数据标准设计的职责分工、设计原则、设计规范以及管理流程的要求。数据标准是为了定义政府业务层面需共同遵守的属性层数据含义和业务规则，是政府各行业对某个数据的共同理解，这些理解一旦确定下来，就应作为政务数据的标准在政府内被共同遵守。4）数据指标管理规范数据指标管理规范明确了指标、复合指标、衍生指标、原子指标的定义、梳理规范、拆解规范与编码规范，实现数据指标的系统化管理。指标是衡量目标总体特征的统计数值，是能表征某一业务活动中业务状况的数值指示器。指标一般由指标名称和指标数值两部分组成，指标名称及其含义体现了指标在质的规定性和量的规定性两个方面的特点；指标数值反映了指标在具体时间、地点、条件下的数量表现。数据指标体系将技术指标划分为原子指标、衍生指标和复合指标。5）数据源认证规范数据源认证规范明确了数据源的定义，数据源认证的职责分工、管理流程等内容，规范化数据源认证工作，确保数据源头的统一，以及跨流程、跨系统数据的唯一性和一致性，为实现一数一源打下坚实基础。数据源认证需要遵循以下原则：所有关键数据必须认证数据源，关键数据是指影响业务运行、关键数据统计的数据；数据Owner为关键数据指定源头，数据源必须遵从数据架构和标准；所有关键数据仅能在数据源录入、修改，全流程共享，其他调用系统不能修改，下游环节发现的数据源质量问题，应当在数据源进行修正；数据Owner确保数据源的数据质量，对不符合数据质量标准的数据源，必须限期整改。2、数据治理管理政策数据治理管理政策明确了数据治理过程中各阶段工作需要遵守的技术规范，确保政务数据治理过程中整体架构一致性。包括数据湖分层技术规范、数据入湖技术规范、数据质量技术规范、数据开发技术规范、数据服务技术规范等。1）数据湖分层技术规范数据湖分层技术规范明确了数据入湖之后的统一组织方式，结合数据治理流程形成数据湖多层管理的结构，更清晰的展示数据治理的过程。数据湖分为贴源层、整合层、报告层和集市层。2）数据入湖技术规范数据入湖技术规范是数据应用的基础，数据入湖技术规范明确了满足入湖的6项标准，包括明确数据Owner、符合数据标准、定义数据密级、明确数据源、数据质量评估、元数据注册。233）数据质量技术规范数据质量技术规范以提升政务数据质量为核心目标，明确数据在创建、维护、应用过程中的规则及质量要求，确保数据真实可靠。4）数据开发技术规范数据开发技术规范的目的是规范数据治理过程中涉及大量的数据开发工作，数据开发技术规范明确了数据开发过程中应遵循的库表组织形式、脚本组织形式等，统一政务各行业对数据治理的开发规范。5）数据服务技术规范数据服务技术规范明确了数据服务的管理原则、管理流程以及数据服务开发需要遵守的命名方式、接口格式等，明确数据服务接口开发的流程和形式，形成统一的数据服务体系。3、数据共享开放管理政策数据开放管理政策明确了数据对外共享和开放需要遵循的流程，定义政务数据的分类分级以及全生命周期管理流程，保证政务数据共享及开放的合规、安全、可靠。包括数据安全管理规范、数据分类管理规范、数据分级管理规范和数据共享开放管理规范：1）数据安全管理规范数据安全管理规范明确政务数据各阶段的数据安全管理技术、措施和流程，保障数据在采集、传输、存储、处理、交换和销毁全生命周期过程中的使用安全，形成完善的数据安全体系。2）数据分类管理规范数据分类管理规范明确政务数据的分类形式、分类原则以及管理流程，所有政务数据应该参照数据分类管理规范对数据进行分类，同时根据不同的分类提供相应的管理措施，通过数据分类提升整体数据共享开放的效率。3）数据分级管理规范数据分级管理规范明确政务数据的安全分级、分级原则以及管理流程，所有政务数据应该参照数据分级管理规范对数据进行安全分级，同时根据不同的安全级别进行相应的数据共享开放限制，保障数据在共享开放过程中的安全性。4）数据共享开放管理规范数据共享开放管理规范明确政务数据共享、开放的原则以及管理流程，规定各方在数据共享、开放过程中的责任和工作，保证各政府部门之间的数据共享的流程畅通，政务数据对社会公众、企业开放的安全可靠。一体化政务大数据体系建设需构建政务大数据平台，实现数据跨层级、跨地域、跨系统、跨部门、跨业务进行汇聚、融合、治理、服务等功能。因此政务大数据平台的建设包括统一平台运营、统一数据湖、一站式数据治理平台、数据挖244.4 建平台：统一规划数据平台掘分析平台等，面向数据提供者、数据开发者、数据管理者和数据使用者打造集数据存算、数据治理的政务大数据平台，快速构建从规范设计、数据汇聚、数据开发、数据质量、数据资产、数据安全、数据服务的端到端运营能力。1、运营平台政务大数据平台提供统一运营服务，为管理者和使用者提升数据管理的体验与效率。1）统一管控为平台管理者和使用者提供统一用户鉴权、单点登录、角色分配，确保用户以合理的权限自动访问系统且操作空间互相隔离；基于数据治理业界成功经验，为使用者提供数据治理流程导航与子系统入口，同时提供指标视图，使得数据治理过程更清晰更高效；为管理者提供统一日志告警、公告、菜单、资料管理等功能，从而高效率进行平台管理。2）流程贯通提供统一框架，支持各子系统间业务流程贯通。管理层面，要求数据源、数据湖仓等运维管理信息同步，确保一致性，支撑自动化维护工作；数据层面，数据标准、数据模型等全流程拉通，保障数据规范端到端一致性。图6 一体化政务大数据平台25一体化政务大数据平台一站式数据治理平台数据服务数据开发数据资产数据安全统一数据湖数据湖对象存储数据仓库数据汇聚数据挖掘分析平台BI可视化运营平台统一管控流程贯通资产共享数据运营数据源外部数据省级数据市级数据标签画像AI人工智能规范设计区级数据数据质量3）资产共享资产管理可将数据治理过程产生的数据资产进行沉淀，通过归档形式进行共享，同时也可复制其他行业资产。其中数据资产类型包含：调研模版、流程设计、主题设计、数据码表、数据标准、关系模型、维度模型、业务指标、原子指标、衍生指标、复合指标、时间限定、开发脚本、开发作业、开发资源、质量指标、质量规则、规则模版、服务API和BI报表等。4）数据运营通过友好的可视化界面展示数据治理全过程的概要情况，涉及数据湖仓、数据源、数据作业、数据共享等各类信息，让数据和平台管理者对数据资源中心具有全局视角分析，拉通供需，有力支撑各业务的数据需求。2、统一数据湖构建统一数据湖，避免多部门重复建设，按照“按需归集、应归尽归”原则将省市区全量政务数据采集入湖，实现数据跨层级、跨地域、跨系统、跨部门、跨业务汇聚融合，最终以统一标准在湖内完成政务数据治理和全生命周期管理。1）数据湖从省市区各种数据源，以批量和实时的方式将全量业务数据汇聚到数据湖，利用数据湖内丰富的计算引擎对数据进行加工，根据业务需要形成面向业务的专题集市。数据湖需要具有批流一体的数据加工能力，加快湖内数据的流转，更快的呈现数据价值，同时也要支持传统批量加工业务，实现数据入湖、数据存储、批流一体数据加工、多样性数据集市、数据智能、数据湖平台管理等功能。2）数据仓库为各类基础库、主题库、专题库等建设提供软硬件支撑，更好支撑上层高并发应用。数据仓库需要支持MPP大规模并行处理引擎，通过分布式集群构成数据仓库，实现业务数据在多节点分散存储，数据分析任务可以被推送到数据所在位置就近执行，高效完成大规模数据处理任务，实现对数据分析应用的快速响应。3）对象存储针对文件、图片、视频等非结构化海量数据的存储，通过对象存储的低成本特性进行存储，实现存算分离，满足高伸缩性和高扩展性；为后续随业务扩展支持容量与性能的线性扩展，可以与数据湖和数据仓库搭配使用，实现存算能力的多样化。3、一站式数据治理平台一站式数据治理平台是政务数据形成最终可使用的数据资产的关键平台，利用一站式数据治理工具，进行政务数据规范设计、架构梳理、源头治理、服务构建、共享交换等工序，最终实现政务数据高效治理、一本账管理、质量可控、便捷开放、安全流通。一站式数据治理平台主要涉及如下功能模块：1）规范设计为数据治理提供前期数据架构梳理、业务对象设计、数据标准构建、可视化数据建模、数据指标管理等5类规范设计，让数据治理工程得以高效实施。2）数据汇聚支持全量数据采集入湖进行汇聚融合，需要建设数据采集汇聚系统，对接多类型数据源进行多部26门、下级及外部数据采集，并对数据集成作业进行统一监控管理，实现统一数据源管理、统一集成管理、数据集成作业监控、批量数据集成、实时数据集成、实时数据同步、接口数据集成、IOT数据集成。3）数据开发按照数据入湖标准，各部门对采集入湖后的数据进行一系列开发动作，首先完成数据源头治理，继而进行全量数据融合治理，实现政务基础库、主题库、专题库等的持续完善。数据开发工具需要支持一站式编排、调度、运维管控，实现数据集成、脚本开发、工作流编排、作业调度、运维监控、数据管理等一站式操作；支持组件化设计，适配云平台及主流数据库，提供统一的抽取、整合插件和准实时监控组件，满足作业流程的快速配置方案构建，具备高吞吐、高可用、高扩展特性，为海量数据的超大规模数据仓库建设提供抽取、整合、清洗、入库等集成业务。4）数据质量数据质量提升是政务大数据体系建设的关键目标，影响最终数据服务效果，同时也是体现数据治理的成效之一。数据质量功能模块需要支持设计质量和执行质量的落地，包括数据质量稽核规则管理、数据质量问题管理、数据质量稽核作业、数据稽核运维功能。例如，数据质量实施过程中系统发现数据质量问题，需产生质量告警，并通过工单通知数据Owner进行处理。完成数据质量工程后，数据质量报告要提供对系统核心数据、系统监控、数据稽核等过程积累的各种信息进行汇总、梳理、统计和分析的功能；同时支持一个窗口集中展示数据质量状况，支持管理人员分析通过讨论总结经验、沉淀知识改进方法，不断提高数据质量问题的处理能力。5）数据资产通过对数据资产进行盘点，形成数据资产一张图，为业务应用和数据获取夯实基础。利用数据地图，可以帮助快速精确查找业务所需的数据，并成为对数据资产管理进行有效监控的手段。通过数据地图的多级多类的资产目录，形成全面完整的数据资产体系，帮助梳理盘点数据资产，掌握数据资产现状。6）数据安全数据安全是政务大数据体系建设的重中之重，需要提供数据生命周期内统一的数据使用保护能力，通过敏感数据识别、分级分类、隐私保护、资源权限控制、数据加密传输、加密存储、数据风险识别以及合规审计等措施，建立安全预警机制，提升整体安全防护能力，让数据可用不可得，实现全程安全合规。7）数据服务完成统一治理后，数据应用的最后一公里是提供灵活高效的数据服务能力，进而支撑上层政务应用的调用。数据服务需要支撑数据服务体系的构建，提供数据服务API，对上层应用对API的接入和调用进行统一管理；此外，数据服务能力还274.5 理架构：构建统一数据架构应提供实时接口服务、批量作业服务、文件传输服务，从数据定义、服务开发、服务应用、运行管控等，实现数据资源的闭环管理。4、数据挖掘分析平台政务数据具备权威性、公共性、专业性、广覆盖、高价值的特点，因此对完成汇聚和治理后的大体量政务数据进行数据挖掘是一项必不可少的工程，从而发现政务数据的潜在价值并进行最大化利用。1）BI可视化BI智能是大数据应用的重要一环，通过对政府业务数据进行展示、分析和挖掘，为政府业务决策提供指导，从而释放数据价值。2）标签画像数据标签是基于业务分析应用为驱动，支撑政府内外部的各类应用场景，将数据价值赋能政务经营。通过体系化的标签全生命周期管理功能，支持标签和字段自由的条件组合，将具有某一特性的标签群体进行筛选，显示群体的标签画像特征；提供标签服务功能：在分析层，标签服务数据包含API名称、API描述、输入参数、返回值等数据存储在分析层中，将API注册到数据中台的统一数据服务，用于统一的对外提供标签服务。3）AI人工智能数据的深度应用离不开AI的加持，通过提供涵盖AI开发全流程，提供可编排、定制化的AI训推基础能力，使数据 AI高效落地。数据架构是政务数据统一定义，形成政府各行业对同一数据的统一认识，是业务和物理世界的关系纽带，是业务流打通、消除信息孤岛和提升业务流集成效率的关键要素。通过明确对数据架构的管理要求，规范数据架构的建设和遵从原则，使政务数据资产得到有效管理和重用，实现政务数据目录一体化。数据架构定义的目的是构建政府业务层面需共同遵守的属性层数据含义和业务规则，是政府各行业对某个数据的共同理解，这些理解一旦确定下来，就应作为政务数据的标准在政府内被共同遵守。其构建过程包括三个方面：业务视角要求：用于统一业务侧语言和理解，明确定义每个属性所遵从的业务定义和用途、业务规则、同义词，并对名称进行统一定义，避免重复。技术视角要求：对IT实施形成必要的指引和约束，包括数据类型、长度，如果存在多个允许值，则应对每个允许值进行明确的限定。28管理视角要求：明确各业务部门在贯彻数据标准管理方面应承担的责任，包括业务规则责任主体、数据维护责任主体、数据监控责任主体，因为很多情况下这些责任并不是由同一个业务部门来负责，所以必须在标准制订时就约定清楚。1、数据架构定义L1是业务域，是描述政务数据管理的最高层级分类。业界通常有两种数据资产分类方式：基于数据自身特征边界进行分类和基于业务管理边界进行分类。根据政府业务及政务组织的特点，采用基于业务管理边界进行分类，将不同业务部门定义为对应业务域，实现各业务之间的独立表示。L2是主题域，是互不重叠的数据分类，管辖一组密切相关的业务对象，通常同一个主题域有相同的数据Owner。L3是业务对象，是数据架构的核心层，用于定义业务领域重要的人、事、物，架构建设和治理主要围绕业务对象开展。业务对象是5层架构的核心，其梳理应遵循如下原则：业务对象是指企业运作和管理中不可缺少的重要人、事、物。业务对象有唯一身份标识信息业务对象相对独立并有属性描述业务对象可实例化L4是逻辑数据实体，是指描述一个业务对象在某方面特征的一组属性集合。L5是属性，是信息架构的最小颗粒，用于客观描述业务对象在某方面的性质和特征。图7 数据架构定义 29数 据 架 构定 义示 例L1业务域L2主题域L3业务对象L4逻辑实体L5属性业务域是政务数据顶层分类，通过数据视角体现政府最高层面关注的业务领域主题域是互不重叠数据的高层面的分类，用于管理其下一级的业务对象业务对象是业务领域重要的人、事、物承载了业务运作和管理涉及的重要数据逻辑实体是描述业务对象某种业务特征的属性集合属性是描述所属业务对象的性质和特征民政税务殡葬管理婚姻管理残疾人权益保护离婚登记结婚登记结婚登记业务表出具婚姻登记证明业务表登记证字号男方身份证号女方身份证号婚姻登记业务标识是否补办婚姻登记2、数据架构梳理以业务对象为核心，梳理各级各部门业务流程，从业务流程中各环节的输入输出数据中识别出业务对象，并根据库表信息梳理出逻辑实体与属性，最终确定数据架构五要素（数据Owner、数据源、数据分类、数据分级、数据标准），以此方法全量盘点政务数据家底，构建L1-L5的政务数据目录，梳理流程见下图：数据架构梳理应遵循如下要求：关键数据应被识别、分类、定义及标准化，数据的定义在全省范围内应唯一，数据标准制定要考虑跨业务要求。数据目录须满足各业务环节的使用需求和报告分析最小粒度的要求。数据架构驱动应用架构设计，合理规划数据分布。应用系统数据库的设计和开发要遵循数据架构，减少数据冗余，实现接口标准化。3、数据架构五要素1）定数据Owner 数据Owner负责本领域数据管理体系建设、数据架构建设、数据质量管理。根据三定方案完成L1业务域定义，在业务域下根据部门职能划分主图8 数据架构梳理流程30按 照 政 务 数 据 之 道，重 塑 数 据 架 构L1L3L5L2L4数据特征/业务管理边界按照部门职能划分定数据Owner梳理业务流程整理流程活动识别业务对象梳理逻辑实体定数据分类定数据源定数据标准定数据分级关联属性形成数据架构业务域主题域逻辑实体属性业务对象4.6 推治理：推行数据源头治理图9 数据源头治理31存量数据新生产数据省级各部门数据存量数据新生产数据市级数据互联网数据社会数据外部数据批量数据入湖实时数据入湖明确数据Owner发布数据标准认证数据源定义数据密级制定质量方案注册元数据制定入湖标准与管理机制，评估源头质量与治理目标发改数据池民政数据池教育数据池数据分层管理数据标准清单数据建模方案数据质控规则数据开发规范数据质量改进数据质量目标规划数据质量控制数据质量改进数据质量度量数据入湖治理数据入湖标准数据入湖准备题域，并在主题域完成数据Owner定义。各级流程Owner就是该流程域的数据Owner，在大数据主管部门的统筹下负责所管理流程域的数据管理体系的建设和优化。各业务部门是执行规则，保证数据质量，进而推动规则优化的关键环节。2）定数据分类不同分类的数据，其治理方法有所不同，对数据管理要求也不一样，做好数据分类能够实现对各类数据的清晰管理。从数据来源来分，主要分为内部数据和外部数据。从数据组织形式来分，主要分为结构化数据和非结构化数据。同时结构化数据又可分为主数据、基础数据、事务数据、报告数据、观测数据和规则数据。3）数据源认证关键逻辑实体需要进行数据源认证，以明确数据的唯一来源。数据源认证主要遵循以下标准：数据源是在信息链上正式发布数据的第一个数据存储系统；数据源是某项数据唯一的录入点；数据源必须是数据维护最为及时、正确、完整的数据存储系统；数据源所在系统的性能和可用性应当满足其他调用系统的数据访问需求。4）定数据标准对关键属性定数据标准，确保关键属性数据符合业务要求，保证流程上下游对数据合法性有统一定义，支撑流程高效率运转。5）定数据分级完成对应属性的数据分级定义，明确各属性的数据安全级别，为数据开放提供有力保障。全国一体化政务大数据体系建设指南中明确要求按照“谁管理谁负责、谁提供谁负责、谁使用谁负责”的原则推进数据治理，数据治理是一个长期的过程，中心式的数据治理存在不清楚数据家底、不了解业务标准、数据治理工作量大等问题，因此需要在政务数据统一制度规范的指导下，推行数据在源头治理，数据质量在源头提升，根据业务实际情况和需求，有针对性的提升数据治理。321、数据入湖准备各业务部门作为数据源头管理责任方，需要根据数据架构梳理方法论的指导，完成数据资产目录梳理、业务标准设计、数据源认证、数据Owner定义以及数据分类分级等工作，完成数据摸底，形成本部门的数据架构，为数据入湖做好准备。2、数据入湖标准数据入湖是数据应用的关键，大数据主管部门需在数据入湖前严格按照入湖6项标准（明确数据Owner、发布数据标准、定义数据密级、明确数据源、指定质量方案、元数据注册）检查各部门满足情况，全部满足即可入湖，若不满足，则告知相关部门进行补充。通过这6项标准保证入湖的数据都有明确的业务责任人，各项数据都可理解，同时都能在相应的信息安全保障下进行应用。1）明确数据Owner数据Owner由数据产生对应的流程Owner担任，是所辖数据端到端管理的责任人，负责对入湖的数据定义数据标准和密级，承接数据应用中的数据质量问题，并制定数据管理工作路标，持续提升数据质量。2）发布数据标准入湖数据要有相应的业务数据标准。业务数据标准描述需共同遵守的“属性层”数据的含义和业务规则，是对某个数据的共同理解，这些理解一旦明确并发布，就需要作为标准在政府内被共同遵守。3）认证数据源通过认证数据源，能够确保数据从正确的数据源头入湖，认证数据源应遵循数据源管理的要求。数据源是指业务上首次正式发布某项数据的应用系统。认证过的数据源作为唯一数据源头被数据湖调用。当承载数据源的应用系统出现合并、分拆、下线情况时，应及时对数据源进行失效处理，并启动新数据源认证。4）定义数据密级定义数据密级是数据入湖的必要条件，为了确保数据湖中的数据能充分地共享，同时又不发生信息安全问题，入湖的数据必须要定密。数据定密的责任主体是数据Owner，数据Owner有责任审视入湖数据密级的完整性，并推动、协调数据定密工作。数据定级密度在属性层级，根据资产的重要程度，定义不同等级。不同密级的数据有相应的数据应用要求，为了促进政务数据的应用，数据湖中的数据有相应的降密机制，到降密期或满足降密条件的数据应及时降密，并刷新密级信息。5）制定质量方案数据质量是数据应用结果的保证，数据入湖需要对数据指定数据质量方案、对数据进行评估，让数据的应用人员了解数据的质量情况，并了解应用该数据的质量风险。同时数据Owner可以根据数据质量评估的情况，推动源头数据质量的提升，满足数据质量的应用要求。336）元数据注册元数据注册是指将入湖数据的业务元数据和技术元数据进行关联，包括逻辑实体与物理表的对应关系，以及业务属性和表字段的对应关系。通过联接业务元数据和技术元数据的关系，能够支撑数据应用人员通过业务语义快速地搜索到数据湖中的数据，降低数据湖中数据应用的门槛，能让更多的业务分析人员理解和应用数据。3、数据入湖治理满足6项入湖标准的数据可以将数据入湖到各业务部门的数据池中，并按照数据湖分层技术规范进行数据分层建模（贴源层、整合层、报告层、集市层），各部门在本部门数据池中对各自业务领域的数据进行清洗、转换、对比、加工等治理操作。数据入湖可根据不同业务场景分为批量数据入湖和实时数据入湖。1）贴源层：存储的是各部门各类系统入湖数据，入湖数据的物理模型和源系统模型保持一致，业务数据不做清洗转换。2）整合层：存储的是基础资产数据，是各部门经过初步治理后的数据资产，对入湖数据进行标准化，在确保数据可信可靠基础上，按照数据标准规范进行清洗、转换，形成初步的数据资产，并按照数据资产目录组织存放。3）报告层：是根据业务应用需要，按照对象、事件（流）等融合汇总后的数据模型4）集市层：是为了直接满足各业务单元应用展现的需要而设计的数据模型。4、数据质量改进数据质量指“数据满足应用的可信程度”，数据质量管理是动态、持续的循环过程。构建数据质量持续改进体系，推动数据质量不断优化。数据质量改进我们从以下六个维度对数据质量进行描述。1）完整性：指数据在创建、传递过程中无缺失和遗漏，包括实体完整、属性完整、记录完整和字段值完整四个方面。完整性是数据质量最基础的一项。2）及时性：指及时记录和传递相关数据，满足业务对信息获取的时间要求。数据交付要及时，抽取要及时，展现要及时。数据交付时间过长可能导致分析结论失去参考意义。3）准确性：指真实、准确地记录原始数据，无虚假数据及信息。数据要准确反映其所建模的“真实世界”实体。4）一致性：指遵循统一的数据标准记录和传递数据和信息，主要体现在数据记录是否规范、数据是否符合逻辑。5）唯一性：指同一数据只能有唯一的标识符。体现在一个数据集中，一个实体只出现一次，并且每个唯一实体有一个键值且该键值只指向该实体。6）有效性：指数据的值、格式和展现形式符合数据定义和业务定义的要求。4.7 通共享：提升共享服务水平提升政务数据共享服务水平是推动政府数字化转型的关键一环，建立覆盖省、市、县等层级的省市一体化政务数据共享服务体系是未来提升共享服务能力的必然要求；同时，支持海量数据高速传输，实现数据分钟级、秒级共享，形成安全稳定、运行高效的数据供应链，是未来政务数据共享服务的建设目标。在数据共享开放管理规范的指导下，数据主管部门建设的政务大数据平台，需要实现数据申请流程的标准化。同时提供政务人员指尖办公体验，方便政务人员通过移动端查数、看数、申数、审数。提升政务数据共享服务水平，除了构建完备的数据共享服务平台，提供传统数据共享交换能力基础上，还需在共享流程标准化、供需对接精准化、授权时限规范化、交换任务自动化、共享成效能闭环等方面提供差异化竞争力。1、共享流程标准化编制标准作业指引，实现数据运营流程标准化。提供数据共享指标监管的功能，并提供参阅材料、运营报告等自动化生成的能力，能够定期自动推送至单位/人。2、供需对接精准化为最大程度的保障用数安全和用数体验，提供数据项的列级共享（按数据项）、行级共享（按区域、时间等）的精细化授权功能，落实用数最小授权原则，相较整表共享，供需对接更精准、数据安全更有保障。图10 数据共享申请流程 34申请部门数源部门主管部门运营中心数据申请数源审核主管部门备案需求实施数据签收/评价获取数据（单位用数）成效反馈有条件审核通过实施完成无条件，数源、主管部门备案例如：政务大数据平台可以参照“购物车”模式，提供“选数车”功能，用户将数据直接放入“选数车”，完成接口类型、数据项等关键配置勾选后，一键提交申请，实现供需双方精准对接。3、授权时限规范化通过建立数据Owner机制，指定经办人明确数据管理责任，通过简化流程，提升共享效率。同时配套移动端办公的便捷体验，上线移动端，查数、看数、申数、审数随时办理。例如：政务大数据平台可根据相关管理制度，设置审批时限，并匹配电子监察制度。根据先进省份的管理经验，超过5天未审核自动视为超时拒绝，同时根据数据申请的紧急程度（普通、加急、紧急）设置催办消息（24小时、12小时、6小时）。4、交换任务自动化交换任务的自动化程度是影响政务数据共享时效性的关键一环。将数据资源目录中挂接的元数据自动映射至需要共享交换的物理数据，并持续维护映射关系。这样能够实现数源部门在完成授权后，第一时间通过交换引擎自动将数据汇入，用数部门在政务大数据平台申请获批后，无需人为干预，系统将自动实施数据推送。对于数据服务，同样可建立自动化构建以及订阅管理模式，实现服务调用精准授权。5、成效评价促迭代用数部门获取数据后，进入用户用数评价和成效反馈环节，可通过短信、通知等多种方式告知数源单位。通过对数据进行评价，释放用数部门参与数据治理活力，促进源头治理和多方共治，实现数据越用越优的目标。35数据质量提升是政务大数据体系的核心价值之一。以提升数据质量为目标，通过构建政务大数据的考核评估机制，促进政务大数据良性发展。数据质量的持续提升覆盖政务数据管理的全生命周期，需要在建设领导小组的指导下有序开展。本白皮书建议，数据质量提升从质量设计、质量实施、质量运营三方面开展。一是质量设计。通过明确组织职责分工和数据质量规则，从而高效指导后续数据质量的实施。质量设计主要包含：1）定职责分工。质量管理组负责定期针对数据资源质量或者服务质量进行检测，保证数据的高可用性；考核评估组负责梳理出政务数据资源全生命周期的考核评价指标，建立起考核体系，通过考核提升优化。2）定质量标准。确立数据五要素，即数据Owner、定数据分类、定数据分级、定数据标准、做好数据源认证，从而有效指导数据质量检核规则的制定。3）定检核规则。按照业务需求定义数据质量管理的规则，可对规则按不同维度进行分类管理。二是质量实施。按照质量设计中定义的标准进行数据质量规则开发，实现数据质量的有效实施，继而为下游应用或下游数据使用者提供高质量数据。具体来看，可定义数据质量规则大类，并基于大类进一步拓展小类。大类主要涉及数据完整性、4.8 提质量：完善质量评估能力1、数据服务体系规划数据服务体系的建设应面向数字政府建设的需求构建，主要包括以下几个方面：1）复用性。数据服务要满足可复用性，减少数据多次“搬家”。数据服务在长周期内会被多个用数部门消费，因此在数据服务消费需要面向场景进行设计，尽量避免重复建设，多次开发。2）可靠性。数源部门在规划服务时应明确服务的用户是谁，并针对用户的场景和需求进行服务设计，同时定义SLA服务水平承诺，服务要有业务Owner负责服务规划和设计。3）规范性。应用只能通过服务接口向其他应用开放其数据和功能，服务接口要稳定，应用间的通信也必须通过这些服务接口进行，所有的服务需在统一的服务管控平台中进行注册和发布。大数据主管部门负责提供服务管控平台的注册和发布功能，通过服务管控平台可查询到发布的所有服务。4）集约化。应根据不同场景选择合适的服务化架构。服务化要采用合适的架构粒度，不是越“微”越好，也不是越“灵活”越好；服务规划需考虑价值，并优先将高价值的服务纳入立项预算；服务规划和设计人员在规划和设计任何服务时，都应考虑到服务可能会被重用。2、数据服务的设计与实现对于政务系统用数，以提供数据API服务为主。首先，统一技术标准，数源部门的IT系统承建厂商在统一接口框架和标准下开发数据服务。然后，数源部门将数据服务编目和入湖至政务大数据平台，满足用数部门的实时数据需求，实现数据高效、复用、安全。1）在服务设计与实现阶段，要定义服务契约和数据契约，重点明确服务契约所涉及的服务责任主体、处理逻辑，并以数据契约规范服务的数据格式与数据的安全要求。包括服务契约和数据契约。服务契约包括服务的基本信息（数据服务提供方、数据服务的类型）、能力要求（服务的时效性、服务的处理逻辑、服务的安全策略、服务的SLA要求）等；数据契约包括契约描述、输入和输出参数、业务数据资产编码、物理落地资产编码等。2）数据服务设计中应强调数据服务的颗粒度，数据服务颗粒度的合理设计直接影响着服务的复用性，细粒度设计合理的服务更容易被重用。同时，如果我们只考虑复用性，将导致产生大量颗粒度很小的数据服务，这将对数源系统的整体性能带来严重的影响，因此必须在服务粒度设计上保持可复用性和可用性的一种平衡。3）为确保服务设计后能快速、有序落地，要建立数据服务的开发、测试、部署流程，通过技术、自动化工具、管理协同机制，确保数据服务敏捷交付，缩短数据服务建设周期。3、打造业务自助分析的关键面向数字政府层面不同的用户受众统一构建数据服务能力，面向不同的用户提供了差异性的能力和工具支撑：1）面向政务部门管理人员政务部门管理人员是政府典型的数据消费群体，可使用数据可视化工具获取数据分析结果，通过数据分析结果识别问题和风险，支撑政务决策。如近年来各级政府部门建设的可视化大屏。2）面向政务部门业务人员由于政务部门业务人员对数据缺乏加工能力，需要的更多是治理加工后的结果数据，鉴于此，政务部门业务人员可使用轻应用工具、可视化工具，辅助日常政务工作开展。3）面向数据分析师与数据科学家数据分析师与数据科学家运用数据分析、数据标注、数据训练、隐私计算等工具，可对结构化数据、文本、图片、音频或视频等数据进行数字化重现与认识，并能进行新的数据洞察。4）面向IT开发人员面向承建政务系统的IT开发人员，提供云端数据开发、计算、分析、应用套件，支撑海量数据的分析与可视化，实现组件重用。本白皮书倡导安全要“人防 技防 物防”相结唯一性、有效性、一致性、准确性、及时性；小类主要包括非空约束、唯一性约束、代码值域约束、长度约束、取值范围约束、存在一致性约束、逻辑一致性约束、取值准确性约束、及时性约束等内容。三是质量运营。通过数据质量持续运营，促进数据质量不断提高，相互借鉴与改进。数据质量运营主要包含：1）指标体系。建立高质量数据认证体系，通过数据质量（及时性、标准性、准确性、完整性等）和服务质量（数据易用性、服务保障、共享成效等）两个维度评估，实现高质量数据质量评估。2）质量报告。建立数据质量评分模型及报告模板，基于检核结果自动生成相应的质量报告。3）整改机制。建立下游数据使用者反馈整改责任机制，通过问题工单处理，实现数据问题全收集、处理全闭环、过程全监控。政务数据服务是指通过整合政府各部门的数据资源，为政府决策、公共服务和社会管理提供数据支持和服务。一方面是体现高效，数源部门建设政务系统时，需尽可能快速获取各种所需的数据，以支撑政务应用；另一方面要体现便捷，用数部门消费数据时，需要能够有更加灵活甚至是自助式地取数、用数方式。4.9 重服务：构建数据服务体系361、数据服务体系规划数据服务体系的建设应面向数字政府建设的需求构建，主要包括以下几个方面：1）复用性。数据服务要满足可复用性，减少数据多次“搬家”。数据服务在长周期内会被多个用数部门消费，因此在数据服务消费需要面向场景进行设计，尽量避免重复建设，多次开发。2）可靠性。数源部门在规划服务时应明确服务的用户是谁，并针对用户的场景和需求进行服务设计，同时定义SLA服务水平承诺，服务要有业务Owner负责服务规划和设计。3）规范性。应用只能通过服务接口向其他应用开放其数据和功能，服务接口要稳定，应用间的通信也必须通过这些服务接口进行，所有的服务需在统一的服务管控平台中进行注册和发布。大数据主管部门负责提供服务管控平台的注册和发布功能，通过服务管控平台可查询到发布的所有服务。4）集约化。应根据不同场景选择合适的服务化架构。服务化要采用合适的架构粒度，不是越“微”越好，也不是越“灵活”越好；服务规划需考虑价值，并优先将高价值的服务纳入立项预算；服务规划和设计人员在规划和设计任何服务时，都应考虑到服务可能会被重用。2、数据服务的设计与实现对于政务系统用数，以提供数据API服务为主。首先，统一技术标准，数源部门的IT系统承建厂商在统一接口框架和标准下开发数据服务。然后，数源部门将数据服务编目和入湖至政务大数据平台，满足用数部门的实时数据需求，实现数据高效、复用、安全。1）在服务设计与实现阶段，要定义服务契约和数据契约，重点明确服务契约所涉及的服务责任主体、处理逻辑，并以数据契约规范服务的数据格式与数据的安全要求。包括服务契约和数据契约。服务契约包括服务的基本信息（数据服务提供方、数据服务的类型）、能力要求（服务的时效性、服务的处理逻辑、服务的安全策略、服务的SLA要求）等；数据契约包括契约描述、输入和输出参数、业务数据资产编码、物理落地资产编码等。2）数据服务设计中应强调数据服务的颗粒度，数据服务颗粒度的合理设计直接影响着服务的复用性，细粒度设计合理的服务更容易被重用。同时，如果我们只考虑复用性，将导致产生大量颗粒度很小的数据服务，这将对数源系统的整体性能带来严重的影响，因此必须在服务粒度设计上保持可复用性和可用性的一种平衡。3）为确保服务设计后能快速、有序落地，要建立数据服务的开发、测试、部署流程，通过技术、自动化工具、管理协同机制，确保数据服务敏捷交付，缩短数据服务建设周期。3、打造业务自助分析的关键面向数字政府层面不同的用户受众统一构建数据服务能力，面向不同的用户提供了差异性的能力和工具支撑：1）面向政务部门管理人员政务部门管理人员是政府典型的数据消费群体，可使用数据可视化工具获取数据分析结果，通过数据分析结果识别问题和风险，支撑政务决策。如近年来各级政府部门建设的可视化大屏。2）面向政务部门业务人员由于政务部门业务人员对数据缺乏加工能力，需要的更多是治理加工后的结果数据，鉴于此，政务部门业务人员可使用轻应用工具、可视化工具，辅助日常政务工作开展。3）面向数据分析师与数据科学家数据分析师与数据科学家运用数据分析、数据标注、数据训练、隐私计算等工具，可对结构化数据、文本、图片、音频或视频等数据进行数字化重现与认识，并能进行新的数据洞察。4）面向IT开发人员面向承建政务系统的IT开发人员，提供云端数据开发、计算、分析、应用套件，支撑海量数据的分析与可视化，实现组件重用。本白皮书倡导安全要“人防 技防 物防”相结374）集约化。应根据不同场景选择合适的服务化架构。服务化要采用合适的架构粒度，不是越“微”越好，也不是越“灵活”越好；服务规划需考虑价值，并优先将高价值的服务纳入立项预算；服务规划和设计人员在规划和设计任何服务时，都应考虑到服务可能会被重用。2、数据服务的设计与实现对于政务系统用数，以提供数据API服务为主。首先，统一技术标准，数源部门的IT系统承建厂商在统一接口框架和标准下开发数据服务。然后，数源部门将数据服务编目和入湖至政务大数据平台，满足用数部门的实时数据需求，实现数据高效、复用、安全。1）在服务设计与实现阶段，要定义服务契约和数据契约，重点明确服务契约所涉及的服务责任主体、处理逻辑，并以数据契约规范服务的数据格式与数据的安全要求。包括服务契约和数据契约。服务契约包括服务的基本信息（数据服务提供方、数据服务的类型）、能力要求（服务的时效性、服务的处理逻辑、服务的安全策略、服务的SLA要求）等；数据契约包括契约描述、输入和输出参数、业务数据资产编码、物理落地资产编码等。2）数据服务设计中应强调数据服务的颗粒度，数据服务颗粒度的合理设计直接影响着服务的复用性，细粒度设计合理的服务更容易被重用。同时，如果我们只考虑复用性，将导致产生大量颗粒度很小的数据服务，这将对数源系统的整体性能带来严重的影响，因此必须在服务粒度设计上保持可复用性和可用性的一种平衡。3）为确保服务设计后能快速、有序落地，要建4.10 保安全：保障数据全周期安全立数据服务的开发、测试、部署流程，通过技术、自动化工具、管理协同机制，确保数据服务敏捷交付，缩短数据服务建设周期。3、打造业务自助分析的关键面向数字政府层面不同的用户受众统一构建数据服务能力，面向不同的用户提供了差异性的能力和工具支撑：1）面向政务部门管理人员政务部门管理人员是政府典型的数据消费群体，可使用数据可视化工具获取数据分析结果，通过数据分析结果识别问题和风险，支撑政务决策。如近年来各级政府部门建设的可视化大屏。2）面向政务部门业务人员由于政务部门业务人员对数据缺乏加工能力，需要的更多是治理加工后的结果数据，鉴于此，政务部门业务人员可使用轻应用工具、可视化工具，辅助日常政务工作开展。3）面向数据分析师与数据科学家数据分析师与数据科学家运用数据分析、数据标注、数据训练、隐私计算等工具，可对结构化数据、文本、图片、音频或视频等数据进行数字化重现与认识，并能进行新的数据洞察。4）面向IT开发人员面向承建政务系统的IT开发人员，提供云端数据开发、计算、分析、应用套件，支撑海量数据的分析与可视化，实现组件重用。本白皮书倡导安全要“人防 技防 物防”相结图11 数据安全能力建设整体设计思路38政务数据安全体系建设全周期安全【1个目标】以一体化数据安全为目标【3个聚焦】人防 技防 物防【3个体系】管理安全、运营安全、技术安全安全管理体系安全运营体系安全技术体系数据安全常态化运营数据安全运营培训、安全检查、安全迎检、安全整改等数据安全一体化防控数据安全管理、数据审计、数据加密、数据脱敏等制度体系建设数据安全组织建设、数据安全管理制度、数据安全管理规范等合，动态构建端到端安全防护能力。整体来看，数据安全能力建设的思路应以法律法规监管要求和业务发展需要为输入，在充分识别组织业务场景、风险现状的基础上，制定组织数据的分类分级标准，同时结合组织数据安全在管理、技术、运营维度的能力要求，满足数据生命周期各个过程域的安全。数据安全方案应以国家的相关政策和国内外数据安全的标准规范和最佳实践为指导，以“数据、人、场景”为核心，结合实际业务场景进行规划和设计，通过数据安全管理、数据安全运营和数据安全技术三个体系的服务内容，全方位实现数据防泄漏、防篡改、防滥用。数据安全管理体系包括成立数据安全工作领导小组，负责统筹、协调、指导、监督和检查政务数据全生命周期安全工作；打造专业的数据安全运营团队，设置数据库管理员、安全审计人员、安全运维人员、数据备份管理人员、数据恢复管理人员等数据安全关键岗位，开展日常数据安全管理工作。数据安全运营体系需要形成以元数据及数据分类分级为基础，业务流数据流为主线的数据安全运营方法。具体包括建立接口调用对账机制，加强对外部系统异常调用监控能力，实现安全风险“早发现”；开展数据资产梳理、数据分类分级、人员账号核查、数据加密脱敏、数据备份恢复演练、数据库审计和接口审计、数据安全风险评估及应急处置等常态化数据安全运营工作，保障数据业务持续稳定运行；同时重视建设和完善数据运营安全场所建设运营，为数据运营人员提供集中管控、安全受控的操作环境，对场所内的人员行为、操作情况进行安全监控与审计。图12 数据要素整体框架图39文旅医疗能源金融政府交通运营管理平台供应中心用户中心运营中心统一门户合规监管平台授权存证资产存证流通存证授权管理平台备案管理场景授权管理数据授权管理可信计算流通机密计算TEE可信交换流通参与方认证中心交换参与方-连接器数据策略控制中心数据流通审计中心数据API流通多方计算MPC联邦学习API管理API分析API调用TICSROMA ConnectEDS登记管理平台资产目录资产凭证资产审批计算存储网络平台安全边缘计算数据底座数据存算数据湖（MRS）数据仓（DWS）云基础设施数据库（GaussDB）云平台（华为云Stack）数据智能开发体系数据开发（DataArts）AI平台（ModelArts）一站式数智融合集成平台（DataArk）数据存证（BCS）数据安全（DSC）应用开发（CodeArts）低代码开发（Astro）一站式应用技术集成平台（AppArk）软件工具链开发体系数据安全技术体系包括以数据资产梳理与数据流转监测为基础，采用云原生数据安全技术，通过对业务系统中的数据进行分级分类安全治理，结合访问控制、数据加密、数据脱敏等技术手段对不同用户角色、不同的数据访问行为进行管控、防护、脱敏、审计、分析等。通过数据安全管控平台对接管理各数据安全产品，保护云-管-端的全链路数据安全，实现在数据采集、传输、存储、使用、共享、销毁等阶段的全生命周期的安全覆盖。数据要素作为数字经济时代的核心生产要素，其流通是数据价值实现的关键。政务数据与社会数据融合激发数据要素市场活力，成为发展数字经济的重要一环。在数据要素流通的建设中，一体化政务大数据平台需要具备的能力包括数据可信流通、高效运营开发和全流程的安全审计。数据要素流通方案体系结合可信智能计算、可信数据空间、数据安全、区块链等核心技术，打造“1”个底座 “2”套开发体系 “3”类流通 “4”大平台的一站式数据要素解决方案，为支撑数据要素各类创新应用场景孵化和繁荣生态构建提供有力保障。4.11 助流通：数据要素可信流通探索优秀实践安徽省围绕数据采集、汇聚、治理、共享、开放等全生命周期，建设全省统一的数据标准规范，打造全国政务数据管理标杆。编制全省数据架构总体设计方案，出台首席数据官制度文件，形成跨部门数据协同机制，建立完善数据工程评估评价体系，总结推广数据工程实施经验，对相关部门数据工程实施情况进行评估评价。推进省有关部门高质量开展数据架构设计、数据资产梳理、数据治理、数据融合和数据开发利用工作，实行省市联动，开展数据工程试点。目前初步梳理业务对象4000 。安徽省制定数据战略愿景，基于政务数据之道方法论体系，梳理数据架构、建立组织保障运作机制、搭建统一数据湖：1.梳理数据架构：统建全省数据架构，打破部门边界，厘清省直单位4000 业务对象和与之对应的库表信息，形成数据资产一张图，认定源头，一数一源多源校核，指定数据Owner；2.建立组织保障及运作机制：编制印发首席数据官制度、数据管理规范、数据治理实施指南等，从数据架构、机制建立、资产梳理、方案设计、治理实施、评估评价等方面，指导各部门按要求开展数据工程；3.搭建统一数据湖：提供数据服务能力、在全省数据基础平台上各部门进行数据采集、汇聚、治理等数据管理动作，解决数据多头汇聚、重复采集、流通不畅等问题。支撑场景创新应用在数据高质量汇聚治理的基础上，基于全省盘点的数据架构，重构人口、法人等公共业务对象，丰富数5.1 安徽省据模型。在便民利企、金融服务、助力乡村等方面深化数据赋能。数据要素流通成为驱动数字经济的核心引擎。围绕公共数据授权运营和交易过程中遇到的“流通可信”、“开放效率”、“过程合规”等重大挑战，华为与上海数据集团有限公司合作，围绕数据要素市场化、价值化，基于数据要素流通交易创新方案，打造上海“城市数据空间”的关键基础设施“天机智信”平台。该平台具有数据采集、汇聚、存储、安全等基础功能，能够实现公共数据与行业数据、社会数据之间的有效整合。结合区块链、隐私计算和数据空间技术，平台可提供高质量的数据集和算法模型，充分挖掘并释放数据要素价值，赋能城市数字化转型。该平台包括：1.数字新底座：基于业界领先的湖仓一体架构，提供一站式的数据产品开发平台。通过自主研发的隐私计算加区块链可信存证方案，确保敏感数据的可用不可见，全流程可查可追溯。5.2 上海市41务服务”、“织网工程”、商事主体登记及许可审批信息公示平台等应用提供数据支撑。同时深圳积极推动公共数据“一网共享”。一是健全统筹协调机制，成立市级公共数据共享协调专项小组，建立规则、统筹推进。二是构建多级共享通道，畅通省市区三级数据共享通道，促进跨层级、跨地域、跨系统、跨部门、跨业务的公共数据共享，赋能基层创新。三是优化完善数据中枢，推动49家数源单位在市公共数据开放平台向互联网开放数据。（来源深圳蓝皮书：深圳智慧城市建设报告（2022）、“深圳市政务服务数据管理局”）深圳市信息化建设起步较早，发展较好，通过政务信息资源共享平台实现全市统一的数据共享交换；通过基础库和主题库的建设实现了人口、法人、房屋、公共信用、电子证照、事件等数据的整合；通过数据质量管理系统对政务数据进行质量管理；通过数据开放平台实现政府数据对公众的开放；通过数据服务支撑平台、决策分析应用支撑平台、资源共享服务对比平台支撑全市委办局、各区的数据共享和应用需求。深圳市在数据的建设上已有大量的实际基础和实施经验，只是由于独立立项分散建设的原因，造成各种数据管理系统、数据治理过程分散独立，大数据平台的建设，将以集约化、一体化、共享共治的思路，在这些已有建设成果的基础上进行设计和建设。为提升政务大数据的平台能力，构建全市统一的政务大数据平台，更好的为各部门提供数据管理能力，启动深圳市大数据平台（一期）项目建设。深圳政务大数据基于四纵（数据资源管理系统、数据安全保障体系、数据标准规范体系、数据运2.数据开发平台：提供安全可信、高效敏捷的数据管理和开发平台，为数据开发商打造“拎包入住”的开发环境。3.授权运营平台：打造了一体化数据授权运营平台，为数据开发利用过程中的各市场主体提供统一的供需对接和交互平台，在数据交易场景中，实现数据、工具、算力、数据商品的授权和合规使用。4.繁荣应用生态：华为深度参与数据要素场景化链路打通，联合30余家生态伙伴、行业数商、第三方机构以及发达省市客户共同探索设计数据要素场景应用，如普惠金融、联合征信、保险审核、商贸流通等，持续释放数据要素价值。未来华为将在上海深化区块链、隐私计算、AI大模型等先进技术的融合应用，以公共数据开发利用为牵引，促进各类多源数据的汇聚和供给，持续开展公共数据、企业数据及行业数据要素价值的突破与探索，打造更为丰富的数据产品服务各行业场景，推动数据要素的价值挖掘和深度开发利用。深圳市已建立全市统一的包括管理制度、信息资源库、信息共享平台和监督考核机制等方面在内的信息资源共享体系。其中，公共信息资源库包括人口、法人、房屋等六大基础库，社会建设等三大主题库以及相关业务库，数据总规模在全国各级城市中位居前列。政务信息资源共享平台已接入全市86家单位和全市11个区（新区、合作区），资源目录累计8018类，为“互联网政5.3 深圳市422.构建全市统一大数据平台：政数局构建全市统一的政务大数据平台，包含数据采集工具、统一数据湖、数据治理工具、数据开放平台、BI工具、数据资源管理系统、数据安全平台、数据服务门户等整体政务大数据体系；各委办局不再分散建设。形成政数局建平台委办局用平台的建用分离模式，实现市大数据平台的一体化建设。3.构建多租户能力：委办局申请政务大数据资源后，拥有独立的使用体验，相互之间资源隔离，互不干扰。形成物理建设一套、逻辑使用多套的使用体验。4.多产品集成：通过一站式数智融合服务平台，将数据汇聚工具、数据湖、数据开放平台、BI报表工具、数据安全工具等集成到一个界面，通过导航式菜单一站式完成数据治理，数据开发人员无需多次切换登录众多工具界面。5.建设统一数据湖：摸清数据资产家底，健全数据资源目录，建设城市级统一数据湖。6.构建统一安全保障体系：保障大数据资源在汇聚、清洗、融合、分析、使用的全流程中安全可控。营运维体系）四横（数据服务、数据融合、数据集成、数据算力）打造政务大数据底座，为政府各部门提供大数据门户、大数据商城、数据资源目录、数据汇聚、数据治理、数据开发、数据湖、数据开放服务、数据分析、数据可视化、数据资源管理、数据安全保障服务。后续，也将基于政务数据之道理念初步构建起市直机关单位互联互通的数据共享流转体系，为后续的全市一体化大数据平台打下坚实基座。基于大数据底座，建立数据服务统一门户，统一应用接口、数据接口，为用数单位提供数据获取、分析、加工、处理等相关服务。深圳政务大数据平台建设，具备如下特色：1.构建数据商城：提供一站式服务（数据资源、工具、API），平台即服务，大数据基础资源服务化，平台工具服务化，实现各委办局按需订阅，分级运维；数据即服务，统一数据目录，构建城市数据湖，数据以服务的方式进行使用；应用即服务，提供互联网化应用服务能力，通过应用超市、应用API等形式提供服务。支撑各委办局快速建设主题库、开发大数据应用。43未来展望4443未来，数据成为我国经济发展的基础性、战略性资源已是大势所趋，数字政府建设将越来越重视政务数据价值的挖掘，以应用场景为牵引，以提升政府治理能力为目标，持续推动政务数据质量提升，保障精准高效共享成为必然趋势。本白皮书认为政务数据管理将更加注重以场景为牵引，不断驱动业务和运营模式创新。无论是以一网通办、一网统管为抓手的智慧城市建设，还是以数据回流赋能基层为代表的治理精细化能力提升的要求，都将基于一体化的城市数据底座进行构建，华为云将持续做好政务领域、城市治理领域的黑土地，在“黑土地”之上通过“政务数据之道”牵引政务数据不断融合治理，不断繁荣上层应用，形成场景和数据相互促进、持续迭代的正循环。同时，我们也看到随着数据要素市场化的不断繁荣，创新型技术应用的不断普及，一方面政务数据逐渐走出政务服务、数字政府的领域，开始在公共服务、城市治理、产业发展等更加丰富的场景里发挥价值。例如：数据 隐私计算促使政务数据与社会数据能够更好地融合，面向未来真正发挥数据“生产要素”的价值；另一方面数据与人工智能、区块链、云原生等创新能力进一步融合，碰撞出新的创新模式。例如：政务数据 人工智能将被更深度地利用于风险管理和城市场景的预测预警中，将事中事后处置变为事前告警预警。在未来，我们相信通过“政务数据之道”理念加持，匹配创新技术能力和商业模式组合，政务数据价值将得到充分释放，助力数字政府更加运转有序，数字经济不断繁荣发展，为数字中国的宏伟蓝图实现贡献力量。在场景 技术协同创新下促进数据融合流通增值版权所有 华为技术有限公司2023。保留一切权利。非经华为技术有限公司书面同意，任何单位和个人不得擅自摘抄、复制本手册内容的部分或全部，并不得以任何形式传播。免责声明商标声明 、华为、是华为技术有限公司商标或者注册商标。在本手册中以及本手册描述的产品中，出现的其它商标，产品名称，服务名称以及公司名称，由其各自的所有人拥有。本文档可能含有预测信息，包括但不限于有关未来的财务、运营、产品系列、新技术等信息。由于实践中存在很多不确定因素，可能导致实际结果与预测信息有很大的差别。因此，本文档信息仅供参考，不构成任何要约或承诺，华为不对您在本文档基础上做出的任何行为承担责任。华为可能不经通知修改上述信息，恕不另行通知。扫码了解更多扫码获取电子版

0人已浏览 2023-12-08 47页 5星级

关于构建数据要素市场体系的几点思考关于构建数据要素市场体系的几点思考王闯 博士中国软件评测中心数据治理中心副主任2023.11.20目目 录录0101对数字经济时代本质的思考0202对数据要素市场发展的认识0303对数据要素市场发展的建议数字数字经济时代的本质经济时代的本质生产力生产力“数化万物、智化生存数化万物、智化生存”的数字经济时代，由数据所构建的数字空间，为人类认识和改造世界提供了颠覆性手段的数字经济时代，由数据所构建的数字空间，为人类认识和改造世界提供了颠覆性手段数字数字经济时代的本质经济时代的本质生产力生产力物理空间物理空间社会空间社会空间认认识识世世界界改改造造世世界界知识（数据）知识（数据）数据治理数字孪生认识世界改造世界数化世界治理世界“数化万物、智化生存数化万物、智化生存”的数字经济时代，由数据所构建的数字空间，为人类认识和改造世界提供了颠覆性手段的数字经济时代，由数据所构建的数字空间，为人类认识和改造世界提供了颠覆性手段将劳动、土地、资本、技术、管理、知识将劳动、土地、资本、技术、管理、知识等各类要素数字化及数据化，发挥数据对等各类要素数字化及数据化，发挥数据对提高生产效率的提高生产效率的乘数倍增作用乘数倍增作用文明之初：文明之初：结绳记事结绳记事文字诞生：文字诞生：文以载道文以载道信息时代：信息时代：数据建模数据建模数字时代：数字时代：智能决策智能决策企业数字化转型的本质企业数字化转型的本质数字化转型就是使用先进的数字技术或解决方案来转变业务的模式、流程、人员和运营数字化转型就是使用先进的数字技术或解决方案来转变业务的模式、流程、人员和运营 ，优，优化资源配置效率，构建企业新型竞争优势，进而为企业创造新的价值。化资源配置效率，构建企业新型竞争优势，进而为企业创造新的价值。核心：为企业创造价值核心：为企业创造价值提质增效提质增效提升生产效率优化设备管理提高企业产能完善质量管理节本降耗节本降耗节约生产成本降低企业库存降低物流成本降低能耗水平生态体系生态体系新技术新技术新产品新产品新模式新模式新业态新业态数字数字经济时代的本质经济时代的本质生产力生产力数字数字经济时代的本质经济时代的本质生产力生产力平台平台(数据数据加工方加工方)以组织内部数据共享交换和分析使用为主的内循环以组织内部数据共享交换和分析使用为主的内循环 以运营加工和交易流通为主的外循环以运营加工和交易流通为主的外循环数据数据提供方提供方数据数据使用方使用方交易流通交易流通（二级）（二级）数据汇聚数据汇聚（一级）税收要素供给市场市场监管方监管方销售收入采采集集汇汇聚聚治治理理融融合合加加工工应应用用产品供给要素收入产品供给成本 支出要素需求消费支出产品需求 内循环内循环外循环外循环监管 数据管理能力数据管理能力 即即 数据从业者数据从业者 使用使用 数据技术数据技术 管理和应用管理和应用 数据要素数据要素 的能力的能力数据从业者数据技术数据要素数据生产力数字数字经济时代的本质经济时代的本质生产关系生产关系价值再分配场景依赖性风险不可控数据要素市场发展的阻力和问题数据要素市场发展的阻力和问题数字数字经济时代的本质经济时代的本质生产关系生产关系管理体系与制度体系管理体系与制度体系国办国办发改委发改委网信办网信办其他行业其他行业主管部门主管部门工信部工信部公安部公安部数字数字经济时代的本质经济时代的本质生产关系生产关系管理体系与制度体系管理体系与制度体系我们的赛道在哪里？我们的赛道在哪里？运营生产流通汇聚使用 淘金者?服务者?监管者?规则制定者?咨询解决方案产品监管部门主管部门数字数字经济时代的本质经济时代的本质产业生态产业生态数字数字经济时代的本质经济时代的本质产业生态产业生态政府合规监管数据合规可信检测平台数据合规符合性诊断数据合规风险识别与评估数据合规管理体系认证个人信息保护影响评估DCMM评估DSMM评估数据安全风险评估信息安全等级保护测评商用密码应用安全性评估数据合规风险审查数据合规审计APP隐私合规检测政务APP安全可规检测数据质量测试数据资产价值评估数据产品合规审查数据系统测试数据安全合规测评数据治理工具测评隐私计算产品测试知识体系标准规范技术产品应用场景市场经济守门人信用评级机构律师事务所会计师事务所评估认证机构司法合规监督产业合规发展数据全生命周期收集传输存储加工使用退役目目 录录0101对数字经济时代本质的思考0202对数据要素市场发展的认识0303对数据要素市场发展的建议数据要素与数据要素市场的特点数据要素与数据要素市场的特点数据要素市场存在的四类典型经营主体数据要素市场存在的四类典型经营主体数据要素市场面临的问题数据要素市场面临的问题供需问题流通问题合规问题数据要素市场的建设思路数据要素市场的建设思路以公共数据运营为例以公共数据运营为例数据要素市场的建设思路数据要素市场的建设思路以公共数据运营为例以公共数据运营为例数据要素市场的建设思路数据要素市场的建设思路以公共数据运营为例以公共数据运营为例数据资源持有数据资源持有数据加工使用数据加工使用打造数据产品打造数据产品数据产品经营数据产品经营数据产品价值数据产品价值交通事故报警数据交通事故现场数据交通事故裁定数据数据清洗数据脱敏标准接口数据授权第一现场通知反欺诈报告院内首勘院内追踪理赔调解费用解决伤残预评跑赢黄牛提升满意度降低诉讼率精细理赔服务实现降赔减损车辆碰撞报警数据人伤紧急救援数据伤情数据公共数据公共数据企业数据企业数据第一现场第一现场eFNOLeFNOL合规数据合规数据 最佳实践最佳实践数据产品运营数据产品运营数据产品营销数据产品营销财险公司财险公司数据化平台能力本地化服务运营数据产品推广数据产品宣传数据产品销售 数据要素的合规可信流通数据要素的合规可信流通数据要素市场的发展前景数据要素市场的发展前景产业重构创新应用新兴业态目目 录录0101对数字经济时代本质的思考0202对数据要素市场发展的认识0303对数据要素市场发展的建议措施建议措施建议数据合规可信综合服务体系数据合规可信综合服务体系数据合规可信综合服务体系数据合规可信综合服务体系数据合规可信综合服务体系数据合规可信综合服务体系政府合规监管数据合规可信检测平台数据合规符合性诊断数据合规风险识别与评估数据合规管理体系认证个人信息保护影响评估DCMM评估DSMM评估数据安全风险评估信息安全等级保护测评商用密码应用安全性评估数据合规风险审查数据合规审计APP隐私合规检测政务APP安全可规检测数据质量测试数据资产价值评估数据产品合规审查数据系统测试数据安全合规测评数据治理工具测评隐私计算产品测试知识体系标准规范技术产品应用场景市场经济守门人信用评级机构律师事务所会计师事务所评估认证机构司法合规监督产业合规发展数据全生命周期收集传输存储加工使用退役数据合规可信综合服务体系数据合规可信综合服务体系

0人已浏览 2023-12-04 25页 5星级

数据交易 PDCA 模型 The PDCA Model for Data Transactions 版权声明 本报告版权属上海数据交易所有限公司所有，并受法律保护。转载、编撰或其他方式使用本报告文字或观点，应注明来源数据交易 PDCA 模型。违反上述声明者，将追究其相关法律责任。数据交易 PDCA 模型 The PDCA Model for Data Transactions 编写组（排名不分先后）刘业政、姜元春、蔡浴泓、薛德、柴栋、孙、孙春华、袁昆、钱洋、宗兰芳、周芦娟、。编写单位（排名不分先后）合肥业学 上海数据交易所 数据交易 PDCA 模型 The PDCA Model for Data Transactions 录 Contents 报告要点.?、前.?.?数据要素流通交易中建信任机制的意义.?.?国内外数据要素流通交易信任机制的研究现状.?、数据要素流通交易中的信任理论及概念.?.?信任的本质及相关理论.?.?数据要素流通交易过程中信任关系的形成机制.?三、数据要素流通交易中的可信险识别.?.?业务命周期视的主体可信险分析.?.?数据命周期视的客体可信险分析.?.?流通使环境视的环境可信险分析.?四、基于 PDCA 的数据要素可信流通交易评估指标和测度体系.?.?“PDCA”信任模型.?.?评估指标体系.?.?指标测度体系.?五、基于全国数据交易链的 PDCA 模型实现路径.?.?全国数据交易链.?.?向场景的数据要素安全交易体系设计.?.?向数据要素流通全过程的追溯体系设计.?六、基于 PDCA 模型的保障体系.?.?向制度与规范约束的 PDCA 监管策略分析.?数据交易 PDCA 模型 The PDCA Model for Data Transactions?.?向理论与技术撑的 PDCA 监管策略分析.?.?管理与技术协同的数据要素可信流通机制.?参考献.?数据交易 PDCA 模型 The PDCA Model for Data Transactions 1 报告要点 数据作为数字经济的核心生产要素和创新动力源泉，蕴含着事物的关联性及其发展规律，对提升国家安全管理能力、社会治理能力、经济发展质量等各方面具有重要的价值。然而，数据要素流通使用环境复杂，承载多方主体利益，流通使用过程环节众多，容易引发多重安全风险和隐私泄露问题，威胁个人隐私、商业秘密、国家安全以及各参与主体的合法权益，严重制约数据要素大规模流通使用。近年来，政府组织、学术界和产业界围绕数据要素在产权分配、数据治理和数据资产等方面的问题，很少有研究在中观或者微观层面关注数据流通交易、数据市场可持续发展的基础条件市场信任。由于数据要素市场的双向信息不对称性，供需双方存在信任壁垒问题一方面导致了供需双方对另一方道德风险和资质风险的感知，降低其市场参与的信心，另一方面导致参与主体间高昂的信任沟通成本，降低了市场运行效率。建立数据要素市场可信生态，构建诚实、守信和公平的营商环境不仅可以避免“劣币驱逐良币”，还可以促进数据要素市场的可持续发展。因此，构建数据要素流通使用的信任理论基础，建立数据要素流通使用全过程合规信任机制，对破解数据要素市场信任壁垒，促进数据要素高效流通使用、推动数据要素市场化配置、健全完善数据要素市场、加快数据要素价值释放具有重要意义。本报告以数据要素如何高效可信流通使用为主线，综述了数据要素可信流通使用理论与方法。首先辨析了信任的概念和相关理论，界定了数据要素可流通交易信任的概念,并通过文献调研，对数据要素流通交易中的关键主体、关键客体和流通环境进行风险识别分析。综上，本报告面向数据要素流通交易过程涉及道德关键主体和客体，提出了 PDCA可信模型，即主体可信（Participant）、数据可信（Data）、合约可信（Contract）和算法可信（Algorithm）。其依据数据要素流通交易全流程可信的要求，即事前审查阶段需要保障主体资质可信、数据质量可信和合约内容可信，在事中监控阶段要保障主体行为和算法行为可信，在事后审计阶段，要对数据流通使用过程进行追溯，更新主体和数据的信用评估。此外，本报告还给出了基于PDCA 模型的数据可信流通交易评估指标和测度体系，以及数据交易 PDCA 可信模型的实现路径和保障体系。数据交易 PDCA 模型 The PDCA Model for Data Transactions 2、前 近年来，随着我国一系列政策的出台，数据要素市场建设已经取得了重要进展，也受到了国内外学者和业界的广泛关注。这些关注主要是在产权分配、数据治理和数据资产等方面，很少有研究在中观或者微观层面关注数据流通交易、数据市场可持续发展的基础条件市场信任。1.1 数据要素流通交易中建信任机制的意义 数据要素的可信流通使用是数字经济可持续发展的客观要求。数字经济即将进入创新发展阶段，促进高质量数据要素供给、流通以及开发利用，实现数据要素流通和利用的制度创新是数字经济高质量发展的内在要求1。数据作为新型生产要素，只有经过市场可信流通，才能彰显数据要素的价值，实现数据产品化2。另外，推动数据要素在国际上的可信流通，可以进一步引领全球化数字经济的发展3。数据要素的可信流通使用是破解主体间信任壁垒，提高市场运行效率的重要举措。在数据要素市场，供需双方存在信任壁垒问题，深层次的原因在于：供需双方对数据价值的双向不确定性，在传统商品中，一般来讲产品的价值决定了产品的价格，但是数据产品的价值检验和产品使用是重叠的，供需双方都无法确定数据产品相对于对方的价值4。现有研究关注较多的另一个问题是数据使用过程中的不可证实性，数据供方无法得知自己的数据将被如何使用以及数据需方是否具有数据保护的能力，数据需方也很难向第三方证实自己是否滥用了供方数据5。这种信息不对称性和不可证实性所导致的问题是供需双方对对方道德风险和资质风险的感知，一方面降低了其市场参与的信心，另一方面参与主体间存在高昂的信任沟通成本，降低了市场运行效率。数据要素的可信流通使用是促进数字产业与传统产业融合的有效途径。数据要素作为一种新兴生产要素，只有与传统要素相结合才能更好的发挥价值6。而当前主要存在的问题是除了传统企业在进行数字化转型方面的动力不足，数据要素的供给和流通还缺乏成熟的服务生态。一方面，数据要素市场缺乏成熟的数商生态，同时传统的中小企业很少具备专业的数据治理能力和数据管理意识。因此，数据资源向数据产品转化成本较高，市场供给动力不足。另一方面，第三方数据交易机构与传统企业在发展中的协调程度不高，中小企业对数据价值认知不足，无法准确描述数据产品需求，亟需数据交易平台搭建双边市场，提供智能匹配和数据推荐服务。通过专业的数据处理服务、精准的供需匹配和细心的数据管理辅导等方式实现数据产品的可信流通使用，才能促进传统产业与数字产业的深入结合以及协同创新。数据要素的可信流通使用是合规高效释放数据要素潜在价值的核心引擎。数据要素的可信流通并不是单方面保证数据流通使用的安全，而是兼顾隐私保护、数据安全和数据流通使用效率。随着算法技术的不断发展，不断衍生出更多种类、更加智能的数据加工及处理服务，以透过数据发现知识。但是算法本身是一个“黑匣子”，很难检测算法是否安全合规、公平透明。目前学术界已经致力于解决 AI算法的治理问题，例如关于算法的安全性7、公平性8和可解释性9等算法要求受到国内外学者越来越多的关注。因此，实现数据要素的可信使用才能促进释放数据要素价值，推动产业数据流通。数据交易 PDCA 模型 The PDCA Model for Data Transactions 3 1.2 国内外数据要素流通交易信任机制的研究现状 2022 年我国数据产量达 8.1ZB，同比增长 22.7%，数据要素市场的交易规模得到明显提升，构建数据要素的可信流通交易体系已经成为数据要素市场未来发展的方向。面向数据要素流通的关键节点，构建数据要素流通使用的可信模型及评估方法，为建立数据要素可信生态体系提供理论基础，是当前数据治理研究中的重点目标。然而数据要素市场涉及多级数据产品、多元市场主体以及多种交易方式对我们认识数据要素可信流通的本质特征和内在逻辑带来了巨大的挑战。不同区域、不同机构的数据管理制度、数据交易规范和数据治理技术相互割裂，对实现全国一体化的数据要素可信流通带来挑战。因为数据要素易复制、易传播和难确权等特征，数据窃取、数据泄露等安全事件频发，为解决数据要素价值挖掘和风险防范之间存在的天然矛盾，实现数据要素的“可信流通”，成为学术界、产业界和政府组织关注的热点问题。1.2.1 政府组织 近年来，国内外数据要素流通使用领域涌现大量意见和战略（如图 1），在国内，2022 年 12 月，中共中央、国务院印发的关于构建数据基础制度更好发挥数据要素作用的意见（以下简称“数据二十条”）中，多次强调要促进数据可信流通。例如，在基本原则部分提出“建立数据可信流通体系，增强数据的可用、可信、可流通、可追溯水平”。在建立流通和交易制度部分提出“有序发展数据跨境流通和交易，建立数据来源可确认、使用范围可界定、流通过程可追溯、安全风险可防范的数据可信流通体系”，2023 年，围绕“数据二十条”各地各部门纷纷出台了数据要素流通交易的相关细则，例如北京市委政府印发了关于更好发挥数据要素作用进一步加快发展数字经济的实施意见的通知（以下简称意见），意见中提出了关于加强分类分级、数据安全和治理、数据监管模式创新等一系列措施和政策，被称为北京版“数据二十条”。2023 年 2月中共中央 国务院印发数字中国建设整体布局规划，明确了强化数字中国的关键能力，包括构筑自立自强的数字技术创新体系和筑牢可信可控的数字安全屏障两大方面。随之在 2023 年 3 月，中共中央、国务院印发了党和国家机构改革方案，提出组建国家数据局。在 2023 年 10 月，国家数据局正式揭牌，国家数据局的成立有助于规范数据要素市场交易；有助于加强数据安全和隐私保护，降低数据滥用、数据泄露的风险，从近年来有关数据要素国家政策和法律法规的颁布，可以看出“国家安全”仍是数字中国发展的主线。在国际上，2018年 5月欧盟正式推出通用数据保护条例（GDPR）用于保护欧盟公民个人数据。2018年德国成立国际数据空间协会（IDSA）1致力于建立一个开放、安全、可信赖的数据生态系统，目前IDSA 在全球范围内拥有来自 28 个国家和地区的 140 多个会员单位。2019 年德国和法国又相继联合推出基于身份识别和可信认证的数据基础设施信任平台：GAIAX项目。2019年日本首次提出“基于信任的数据自由流动体系”（DFFT），提倡在保护个人隐私的基础上，打造安全、共享、互信的数据自由流动空间，试图打造美欧日数字流通圈。英国在 2021年和新加坡启动了数字贸易协议的谈判，致力于促进数据要素自由和可信的跨境数据流动。同年日本发布了综合数据战略，以“可用、可控、可信、互联”与“共创价值”为指导方针挖掘数据价值。2022 年 4 月欧洲议会通过了数据治理法希望可以通过可信的数据中介机构打破信任壁垒，促进欧 1 国际数据空间协会官站 https:/internationaldataspaces.org/数据交易 PDCA 模型 The PDCA Model for Data Transactions 4 洲数据高效流通共享。不同于欧盟宏观数字战略的制度导向模式，美国则是选择市场导向模式，在美国的数据交易流程中，主要是通过数据经纪人（Data Broker）作为可信第三方，构建一种“信用许可”体系进行数据交易。如同电商平台，当交易双方不具备可交易的信赖关系时，数据经纪人作为可信第三方，为双边履约提供了“担保”，从而纾解了双边数据交易的信任困境问题。图 1 关于数据的政策布局 1.2.2 产业界 产业界也正在积极从技术支撑和规范管理入手，探索数据要素的可信流通交易范式，帮助数据要素市场建立可信生态。在可信环境技术研究上，北京国际大数据交易所结合隐私计算、区块链及智能合约技术、数据确权标识技术、测试沙盒等技术构建数据交易系统，为数据供需双方提供可信的数据融合计算环境。华为和中信银行为促进金融数据的可信流通提出了由数据可信流通管控中心、具有安全可信执行环境的可信数据空间连接器、安全存储资源池、以及安全的数据流通网络构成的金融数据可信流通解决方案2。在数据可信计算研究上，华控清交3推出了 PrivPy 多方安全计算平台，允许多个数据所有者在互不信任的情况下进行协同计算，输出计算结果。蚂蚁集团基于多方安全计算、联邦学习、可信执行环境、区块链等技术构建了蚂蚁链摩斯隐私计算平台4，通过计算前分级授权、计算中算法 规则双重保护，计算后日志审计，解决了数据流通使用过程中的数据安全和隐私保护问题。在数据可信学习技术研究上，腾讯基于联邦学习框架推出了“腾讯神盾沙箱”，能够让联邦学习各参与方在不披露底层数据和底层数据加密（混淆）形态的前提下，通过交换加密的机器学习中间结果，保证数据不出本地即可完成联合建模，最大化各个合作企业的数据价值。BaseBit.ai 自主研发了联邦学习框架 XFL5，XFL 不仅运用多种加密计算技术保护用户的原始数据不泄露，还使用了安全通信协议保护通信安全，实现人工智能模型的安全开发。在数据可信交付研究技术上，中国信息通信研究院则提出根据合约需求构建可信数据空间的框架，面向数据流通协议确认、履行和维护，解决多方 2 融数据可信流通技术书，中信银和华为技术有限公司.3 https:/ https:/ 5 https:/www.basebit.me/sys-nd/21.html 数据交易 PDCA 模型 The PDCA Model for Data Transactions 5 主体之间的信任问题。上海数据交易所面向数据要素流通的全过程，研究构建数据可信交付框架，以构建内生安全的数据交易可信平台。数据要素流通中的风险更多的来自参与者的机会主义行为，因此仅依靠可信流通技术还不足以保障数据要素市场的长期稳定，还需要管理规定来规范交易流程。在 2021年上海数据交易所发布了数据交易配套制度，并确立了“不合规不挂牌，无场景不交易”的基本原则。北京国际大数据交易所也相继发布了北京数据交易服务指南，并积极探索建立监管沙盒、市场风险防控、交易规则等政策体系。贵阳大数据交易所在2022 年发布了包括数据交易安全评估指南在内的数据交易规则体系，主要从交易主体登记、交易标的上架、交易场所运营、交易流程实施和监督管理保障五个方面进行了规定，以规范数据交易市场秩序。截止目前数据交易机构已有 60家，随着各地数据交易机构在科学技术上的研发和管理制度上的创新，数据要素市场正在向诚信、互信和可信的数据交易生态有序发展，如图 2 所示。图 2 数据要素市场生态 1.2.3 学术界 数据要素可信流通也在学术界引起广泛关注，在市场制度建设方面，文献10从政府层面研究了政府数据资产管理的要素框架和运行模式，提出可信数据生态，但缺乏对企业数据、个人数据可信管理的探讨。文献11基于场内交易视角，从制度层面构建数据事前可信交易体系，重点关注交易前的合规审查与合法性确认，交易过程透明等问题。黄京磊等人12提出一种新型可信的数据流转模式数据信托，通过设计数据信托运行机制和相关制度，提出数据信托的组织结构、特征、功能和监管方案等，有效隔离参与者的市场风险，从而增进数据要素市场的可信性。包晓丽和杜万里13从场内交易视角，构建数据要素可信流通制度体系，重点回答数据进场交易的功能意义、交易前的合规审查与合法性确认、交易过程的公示公信等问题。林镇阳等人14提出从“数据要素、数据业务主体和制度规范”三个维度，构建包括“数据流业务流信任流”在内的价值驱动的可信数据要素市场化生态系统，并从生态系统视角构建数据运营平台的监管体系，动态持续监管整个数据生命周期，保障数据进行长期保存、组织、维护、利用等。在业务管理制度层面，相关研究主要围绕数据流通使用的业务环节制度设计展开。例如在交易申请环节，范文仲15指出，一个合规可信的交易模式，需要实现“上市有审核、采买有资质”，建立数据源的合法性审核制度和售后管理制度等。在交易磋商环节，Rohn等人16提出，数据交易平台不仅要构建资产交易的撮合、交割和清算机制，还要能够为数据供方和数据需方数据交易 PDCA 模型 The PDCA Model for Data Transactions 6 创造价值并实现价值交付或分配。在交易实施环节，很多研究者提出通过安全计算技术实现数据的流通交易和价值释放。窦悦等人17指出不同的隐私计算平台的算法原理和系统设计不一致，使得异构平台间难以进行信息的交互，容易形成数据壁垒，如何构建异构隐私计算平台间的互联互通方案亟待进一步的研究。在交易结束环节，安全审计作为一种监督手段，有效迎合了数据要素市场合规可信的管控需求，面对数据要素流通安全风险的复杂性，需要建立一套成熟的交易安全审计策略18。在数据要素可信流通的影响因素研究方面，文献19面向主体可信进行了讨论，认为不同主体在交易中扮演的角色、市场能力、交易行为以及他们之间的相互作用是影响数据要素可信流通使用的关键因素，但缺乏对市场其他要素可信的探讨，如数据可信。文献20认为不可信数据带来的风险会在数据价值链中所有关键环节传播，强调了数据可信的重要性，但是缺乏对数据可信属性的进一步研究。综上所述，虽然学术界围绕数据要素流通使用的可信问题，在管理制度、技术体系等方面已经开展了大量研究，取得了丰富的研究成果。但现有对管理制度与支撑技术的研究是两条独立的研究路径，也多是从主体可信或数据可信单方面讨论数据要素的可信流通问题，缺乏对数据要素可信流通使用整体的刻画。数据要素流通与其他传统商品流通具有显著差异，且数据要素流通使用过程涉及参与主体多元、数据类型多样、交易合约复杂、使用算法多变等特点，有关不同类型可信因素间的相互联系，以及不可信因素对数据要素可信流通使用的作用机制需要开展深入研究，以建立数据要素流通使用的可信模型，揭示数据要素流通使用的可信机制。数据交易 PDCA 模型 The PDCA Model for Data Transactions 7、数据要素流通交易中的信任理论及概念 2.1 信任的本质及相关理论 2.1.1 信任的本质 数据要素市场一直以来存在双向信息不对称问题，即在数据交易前买方无法掌握数据质量、数据来源等信息，相比数据卖方，买方处于信息劣势地位。在数据交易中后期，数据卖方则无法得知买方的数据使用行为、是否转卖等信息，此时卖方处于信息劣势地位。数据要素市场的双向信息不对称会带来道德风险、数据泄露风险等问题，影响数据安全、人民隐私安全，甚至国家总体安全，这些问题在现实中往往表现为信任问题。信任作为行为学、心理学、管理学和经济学等多个领域共同关注的话题，学者们也从多个角度给出了信任的不同定义。心理学家从认知、情感、经历和人格特征等因素出发，认为信任是一种期待心理或预期行为的个人化反应21。经济学家则是将信任看作个体在风险与收益之间博弈的一种理性选择22。在行为学领域普遍认为信任是基于对对方表现出行为的预期，而愿意处于受对方行动影响的薄弱状态23。而在管理学领域中更多的是用参与、控制、制度及合约等内容去建构信任的涵义24。Rousseau 等人25整合了不同学科的观点，将信任定义为一种自愿将自己放在易被伤害地位的心理状态，这种状态是基于个体对他人意图和行为的一种积极期望。在数据要素流通交易情境下，即期望被信方的交易意图和交易行为不会损害信任方的利益。2.1.2 信任理论 随着信任理论的不断发展，学者们将信任根据不同的标准将信任划分成多种类型。我们对信任理论进行了简要的梳理，并识别出数据要素流通交易中的信任应当包括哪几种类型。Zucker 根据信任的来源不同，将信任分为三类：经验信任、特征信任和制度信任26。经验信任是主体根据以往交易历史，对市场其他主体有初步的了解，从而建立起来的信任关系。特征信任是指个体之间的信任建立在对对方具备特定特征或属性的信念之上，这种信任也可以是来源于群体规范，因为规范对成员行为的约束作用，从而不同的群体在市场上具有不同的可信度。制度信任则是在给定制度下，主体迫于制度惩罚带来的违约成本，不得不采取守信的决策行为。在社会学领域，Luhmann 的社会系统理论将信任分为人际信任与系统信任，人际信任则表示信任个体与被信个体之间的信任关系，而系统信任则是主体对群体、机构、市场或者是制度的信任，Luhmann 认为系统信任取代人际信任是市场不断发展的必然结果27。Sako28研究了在买卖活动过程中的信任关系，提出了合同信任、能力信任和声誉信任。合同信任来源于对另一方道德水准的依赖，相信对方会信守既定的协议，无论是这个协议是口头协议还是书面协议；能力信任是指一个人在对他人或者某个系统的信任中，主要基于对其能力和技能的评估和信赖，能力信任建立在认为对方具备足够的知识、经验、技能和资源来完成某个任务或者达成某个目标的基础上。声誉信任是指在与他人互动时，基于对其良好意图和善良行为的信任和依赖，这种信任是建立在我们认为对方有良好动机和诚实行为的基础上。数据交易 PDCA 模型 The PDCA Model for Data Transactions 8 2.2 数据要素流通交易过程中信任关系的形成机制 信任在数据要素流通交易中起着重要的作用，普遍认为，信任可以降低数据评估成本、简化交易流程，是数据要素市场得以良好运行的润滑剂，但是数据交易的盲目信任不仅会给企业带来经济损失，严重的还会危害国家安全。虽然信任在各个学科中已经得到了充分的研究，但对数据要素流通交易框架下的信任问题还缺乏系统性的探讨。本报告将通过对已有的信任理论与数据要素市场的信任困境相结合，阐述数据要素可信流通交易过程中信任关系的形成机制。Zucker26认为信任来源于：经验、特征和制度。数据要素市场的经验信任来源于过去双方的交流和交易，由经验建立起来的信任关系往往是有限的，尤其对于首次参与数据交易的主体。特征信任则是在对方客观事实基础上的一种主观认知，在数据要素市场，不同类型主体的可信任特征有所不同，例如数据需方可能基于以下几方面对数据供方的可信任特征做出评价：数据供方的资质条件、数据处理水平、沟通服务能力等，但是数据供方可能是基于另外几个方面对数据需方的可信任特征做出评价：数据保护能力、行为可靠性、合同的履行等。其中由于制度产生的信任来源于对公开透明、有公信力的社会规章制度的信赖，如资质证书、信用证明和各种法律法规的保证产生的信任。Sztompka29认为信任的重要基础是强制性的监督和惩罚机制。但我国包括数据产权制度、数据要素流通和交易制度、数据要素收益分配制度等内容在内的数据基础制度体系还有待建设。Sako28则从企业采购与销售活动中的信任关系出发，提出了三种新的信任来源：合同信任、能力信任和信誉信任。在数据要素流通使用中充满数据滥用、数据泄露和攻击等诸多风险的情况下，签订合约是预防双方机会主义行为的有力手段。因为合约可以起到约束行为的作用，可以降低主体数据交易的不确定性，提高交易的可信任水平。但是由于风险的不可预测性，交易双方无法通过合同对所有风险做出详尽的约定。进而提出了能力信任，一般会通过观察或企业履约能力测评认证证书获取对方履约能力和技能的信息，以建立能力信任关系。在数据要素流通交易的场景中，数据供方普遍会关注数据需方是否具有良好的数据保护能力以应对外部攻击风险，而数据需方可能会更加关注供方的数据采集、数据处理等能力以降低数据质量风险。声誉信任来源于对方履约动机的评估，是一种相信对方会履行约定、不会侵犯和泄露隐私的善意信任。声誉可以分为基于过去双方长期交往或交易的直接声誉和基于信用评价和信息传递的间接声誉，Bohnet 和 Huck30通过实证研究发现这两种声誉都对市场的信任水平和可信水平产生积极影响。数据要素市场作为一个双向信息不对称的市场，声誉机制的引入（如资质评估、交易评价等）可以有有效缓解市场中的道德风险问题。Lucy31从博弈的角度提出了策略信任。策略信任主要指数据供方只有在需方通过数据交易产生的价值大于违约带来的风险收益，或者交易违约成本大于数据滥用、转卖的收益时，才会选择建立信任关系，是一种通过理性博弈后形成的信任。从上述对数据要素市场中信任关系的分析，建立数据要素可信流通交易机制不仅需要明确的惩罚机制以约束不可信的行为，还需要建立信用体系提高整个市场的可信水平，使诚实、守信和公平交易成为数据要素市场参与主体的行为准则。数据交易 PDCA 模型 The PDCA Model for Data Transactions 9 三、数据要素流通交易中的可信险识别 数据要素流通使用环境复杂，参与主体类型多、交易过程环节多。如何有效识别数据要素流通使用中存在的可信风险？本报告从主体（业务生命周期）、客体（数据生命周期）和环境（流通使用技术）视角，对可信风险进行了系统识别。3.1 业务命周期视的主体可信险分析 业务生命周期指数据要素流通使用的全过程，本报告根据文献32将数据要素业务生命周期划分为交易申请、交易磋商、交易实施和交易结束四个阶段。交易申请阶段的安全风险可归纳为交易主体资质安全风险、数据准入安全风险和产品质量风险。数据要素流通使用过程涉及供方、需方、交易服务机构等多方主体，主体资质直接关系到数据来源和流通使用的合法合规性33，肖建华等人认为不同交易主体应有不同的资质审核要求，对于法人主体，交易平台需要审核其法人信息、营业执照、税务信息等；对于个人主体，交易平台需要审核其身份信息、交易目的、数据使用范围等34，确保数据交易参与主体不存在法律、法规禁止或限制的任何情形；数据是流通与使用的标的物，如果出现不合规的数据流入市场有可能严重影响个人隐私安全、商业安全和国家安全，数据准入安全风险需重点关注数据产品是否包括禁止交易数据、未授权的个人数据、商业机密数据等；参与流通使用的数据要素除需满足准入的安全要求外，还要考虑数据质量风险。若因审核不严而使伪造或错误的数据上线，可能导致基于数据的分析结果无效，给需方造成巨大损失。交易磋商阶段主要存在供需匹配风险、交易公平风险和交易透明风险。在供需匹配上，数据市场中充斥着大量的数据，面对丰富的、不同规模、不同重点的数据供给，如何找到最适合需求的数据非常困难，匹配在时间和质量上能否契合成为供需匹配的最大风险；在交易公平性上，由于大多数的数据流通使用通过既充当交易的组织者又充当裁判的数据交易平台进行，如果出现平台与买方或卖方合谋，交易的公平性将难以保证，此外，由于数据产品边际成本接近于 0，使得卖家具备了实施价格歧视的更大弹性；在交易透明性上，供方往往面临着数据如何出售、哪些数据更有价值的挑战，需方无法获得数据的透明访问，了解原始数据的真实性；供需双方在支付细节、上市、数据发现和存储等方面缺乏透明度保证。交易实施阶段的安全风险主要体现在权限分配、定价和交易清结算方面。在数据交易中，交易的不仅是数据本身，更是与之相关的各项权限，数据产品交割后所有参与者主张的排他性权限能否得到保障，关系到数据要素流通交易能否顺利进行。数据作为一类特殊产品，相较于传统商品，在成本上以及消费单位、聚合性、消费方式、再利用和转售上存在着巨大的差异，导致了在定价原则和方法上的不同考虑，版本控制成为设计和定价数据要素的常用机制，不同版本的价格可以与不同客户群体的价值相关联。这对数据要素的定价提出了一系列新要求，其中包括公平性35、无套利36、真实性37、隐私保护38以及计算效率39等要求；与此同时，数据要素定价还面临着与传统市场类似的操纵风险，即恶意打压或哄抬价格等。在交易清结算时，供需双方均可能面临交易违约风险，需方付款后所收到数据的真实性、时效性和完整性是否与供方声称的一致，供方是否会因为需方发生拒不交付、抵赖等行为导致其无法得到约定的款项。交易结束阶段违规使用、转卖、再识别等安全风险。在交易结束阶段，安全风险主要来自于需求方。当数据交付给需方后，面临着不诚实的数据需方没有按照约定而是超范围地使用数据，从而侵犯供方的合法权数据交易 PDCA 模型 The PDCA Model for Data Transactions 10 益，甚至威胁多方安全，面临着需方将其购买的数据产品进行二次流转、转卖的风险。尽管在数据交易前，已对涉及用户身份信息的数据进行清洗、加密、匿名化等操作，但是随着公开资料的不断增多和互联网信息技术的不断发展，经过匿名化处理的数据都有可能被再识别。3.2 数据命周期视的客体可信险分析 数据生命周期指数据从产生或获取到销毁的全过程。本文按照数据要素流通使用的相关操作流程，将数据生命周期划分为采集存储、交付传输、加工使用、备份销毁四个阶段。采集存储的安全风险主要有采集安全风险、侵权风险和存储安全风险。数据采集的质量标准会影响整个链路的数据质量，原始数据的真实性、完整性、可靠性直接关系着后续的数据挖掘和分析工作40；如果采集的原始数据无法反映客观真实的情况，在此基础上的模型预测结果就会出现偏差，影响数据产品的可用性41。数据采集时还需要严格遵守用户知情同意和最小必要等相关法律原则，但在实际中不少智能设备厂商和app公司为了精准营销，得到更准确的用户画像，而过度收集用户个人信息，甚至“监听”用户的智能设备，使用户在网络空间中变为透明人，严重侵犯了个人知情权、隐私权等。数据一般存储在云端或分布式文件系统中，云端直接加密会带来巨大计算开销，增加密钥管理风险，而分布式存储中一个节点或多个节点遭受攻击，可能直接影响计算结果。交付传输的安全风险主要源自网络硬件风险和外部攻击风险。数据在长距离网络传输过程中，面临着网络不稳定导致的数据包丢失风险、网络带宽不足导致的传输时效风险，特别是面临大规模数据传输时网络硬件风险将更加突出；数据在多路径中快速集群和转发，容易遭受病毒植入和攻击，大规模数据的汇集与传输会降低外部攻击成本，提高单次攻击的收益，从而引起黑客的攻击，用户与服务器间共享和生成密钥是数据传输中的重要风险点，社会工程已经成为外部攻击和窃取数据的一种重要手段。加工使用的安全风险突出表现在隐私泄露风险、安全攻击风险和数据滥用风险。从原始数据得到可流通交易的脱敏数据、模型化数据，必须借助大数据技术进行脱敏、分析、测试等加工操作39，但大数据技术在学习训练过程中面临着两类隐私泄露风险，即非授权用户直接获取数据的隐私泄露风险和攻击者通过一定方式推断数据集中敏感信息的隐私泄露风险。在数据加工使用时，还容易遭受来自多方面的攻击，如伪造数据或修改数据、攻击模型参数、恶意攻击服务器等。由于数据要素的使用用途和用量难以监控和衡量，受利益驱动，在数据使用过程中往往存在超权限使用现象，甚至滋生出非法数据交易产业链，对个人隐私、国家安全造成严重危害。备份销毁的安全风险有备份审计安全风险和销毁安全风险。数据流通交易结束后需要生成相关交易日志并进行备份，但备份过程可能存在未经授权擅自更改或删除、异机备份等情况，无法为交易过程的查询、分析、审计和争议仲裁等提供可靠依据。数据销毁安全是指在监管业务和服务所涉及的系统及设备中清除数据时，通过建立针对数据的删除、销毁、净化机制，防止数据被恢复而采取的一系列防控措施。不及时、不彻底的销毁给内部人员和黑客提供可乘之机，可能产生数据泄露、个人信息重新识别、数据二次转售等恶性影响，特别是当数据存储在云端时，云服务商可能拒绝按照用户的删除指令销毁数据，而是恶意保留数据，从而使其面临被泄露的风险。数据交易 PDCA 模型 The PDCA Model for Data Transactions 11 3.3 流通使环境视的环境可信险分析 流通使用环境是指数据要素在流通使用的整个业务生命周期中所涉及的环境。具体而言，可分为流通交易平台、软件环境、硬件环境三大部分。数据要素流通使用过程中，从交易申请到交易结束的全过程都在流通交易平台中完成，检测、脱敏、挖掘等各个具体操作都依赖于流通交易平台的大环境实现；同时，数据要素的汇集整理、建模分析等计算操作是依靠软件环境的相关算法实现的；而软件中算法的运行需要硬件基础设施提供算力资源才能完成。流通交易平台的安全风险主要表现在访问控制能力、环境应变能力、运行能力和内容交换控制能力。访问控制能力是指有益用户都应能访问系统，而有害用户都应被拒绝，体现了平台的可扩展性和安全性；环境应变能力是指平台对内外部变化应具有的灵活性和可靠性，一方面体现了平台可以在不同的环境下运行，另一方面体现了平台内部结构的相对稳定性；运行能力是指平台有效实现数据要素流通利用的性能，有用性体现了平台的事务处理能力，易用性是指实现业务功能时占用最小系统资源的能力从而保证系统的运行性能，如访问速度快、操作方便等；内容交换控制能力是指平台的连通性和隐私性，要求既能够保障正常内容的交换，又能保护隐私内容。软件环境的安全风险体现在系统软件风险和应用软件风险。数据要素流通使用过程中需要各类系统软件和应用软件的支撑，这些软件存在着各种各样的漏洞甚至隐含着恶意代码，而检测此类软件中存在的恶意代码非常困难，给数据要素流通使用带来了巨大的潜在风险。算法是数据要素流通应用中的一类特殊应用程序，随着各类深度学习模型、协同学习模型的应用，算法的计算逻辑、交互逻辑日益复杂和多样化，使得算法结果的可解释性差强人意，算法自身的安全性也难以控制，此外很多算法的设计基于某种安全假设，例如，假设多个参与方之间均遵守指定规则及协议流程且不存在同谋等，这额外地增加了一种安全假设风险，即当算法的安全假设不能被满足时，算法结果可能会难以预料6。硬件环境安全风险指数据存储、运行等所需要的关键信息基础设施安全风险，主要分为计算机物理安全和计算机网络安全。计算机物理安全风险包括计算机的异常损毁、被盗、非法使用等；计算机网络安全风险包括对计算机网络设备、计算机网络系统、数据库等的攻击行为。此外，供应和搭建硬件环境的厂商是否可信任、是否曾发生未经允许自动读取设备信息和产品质量不合格事件、设备是否存在故障、传输是否存在延迟、是否存在硬件木马等都是与硬件环境相关的安全风险。如果硬件设备易遭受攻击、频频出现故障，将严重影响数据要素相关产业的健康发展。6 云程发轫，精耕致远 中国隐私计算业研究报告C/.艾瑞咨询系列研究报告（2022 年第 3 期），2022:1026-1110.数据交易 PDCA 模型 The PDCA Model for Data Transactions 12 四、基于 PDCA 的数据要素可信流通交易评估指标和测度体系 4.1“PDCA”信任模型 本报告依据数据要素流通交易全流程可信的要求，即事前审查阶段需要保障主体资质可信、数据质量可信和合约内容可信，在事中监控阶段要保障主体行为和算法行为可信，在事后审计阶段，要对数据流通使用过程进行追溯，更新主体和数据的信用评估。本报告面向数据要素流通交易过程涉及道德关键主体和客体，提出了 PDCA可信模型，即主体可信（Participant）、数据可信（Data）、合约可信（Contract）和算法可信（Algorithm）。（如图 3 所示）图 3 数据要素可信流通使用体系（1）主体可信（1）主体可信 主体是数据要素市场运行的引擎，包含了个人、企业和政府等多元主体，各主体之间的信任关系和相互合作构成了数据要素可信流通的底层逻辑。不同主体在交易中扮演的角色、市场能力、交易行为以及他们之间的相互作用是影响数据要素可信流通使用的关键因素。不可信主体可能会造成数据要素市场的瘫痪，加大市场的数据质量风险、交易道德风险和违约风险。例如，由于数据要素具有易复制性的特点，不可信的数据供方可能会转售他人数据，侵害数据实际拥有者的合法权益；而不可信数据需方可能滥用数据，包括未经授权的数据访问、数据滥用、数据泄露等行为。因此，拥有数据的企业出于对其他主体道德风险的感知，为维护自身的利益，往往不愿意甚至不敢将数据出售给其他企业，极大阻碍了数据要素价值的释放。此外，由于数据要素在流通使用过程中数据供方无法得知自己的数据将被如何使用以及数据需方是否具有数据保护的能力，数据需方也很难向第三方证实自己是否滥用了供方数据。这种信息不对称性和不可证实性造成了主体间的信任壁垒问题。因此，保障主体可信可以降低主体间信任沟通的成本，提高数据要素流通的效率。（2）数据可信（2）数据可信 数据交易 PDCA 模型 The PDCA Model for Data Transactions 13 数据是数据要素市场发展的血液。可信的数据供给可以促进数据跨区域、跨行业配置，降低企业的数据获取和科技创新的边际成本，提升数字经济产业链供应链的质量。数据是数据驱动分析和预测的基础，低质量的数据可能会导致错误的业务判断和预测，损害企业的利益，可能造成“劣币驱逐良币”的现象。此外，不规范的数据可能存在数据泄露和安全威胁的风险，甚至危害国家总体安全。另一方面，由于数据要素具有易复制和可分割等特征，不合规数据带来的风险会在数据价值链中所有关键环节传播，例如数据产品化过程中的不合规风险会传播到数据服务、数据应用的开发过程中。此外，数据要素还具有确权难、难估值的特征，来源不真实的数据可能会损害数据拥有者的合法权益，从而损害数据要素市场可持续发展的动力。可信数据的流通可以提高数据利用效率、提升数据要素价值，扩大市场需求，实现数据要素市场发展的正向反馈。（3）合约可信（3）合约可信 合约是数据要素市场稳定的保障。虽然数据要素市场的交易机制具有多样性，但是供需双方签订合约可以就数据的使用量和使用方式、数据所有权和使用权及个性化数据服务等内容做出约定，规范数据交易流程，保障数据要素流通使用的可信可控。不可信的合约往往难以有效约束市场参与主体的交易行为，例如。因为数据要素市场存在反向信息不对称问题，在数据交易过程中是由买方占据信息优势，买方比卖方则是掌握更多关于数据用途、未来收益和风险程度等信息，此时卖家可能会减少出售数据，甚至不出售，进而导致从供给侧引起市场失灵，导致“有数无市，有市无数”的现象。由于数据具有非竞争性的特点，同一数据可以同时被其他主体使用，这意味着即使合约中规定了数据禁止转售、重复利用等条款，也无法完全让数据供方相信，因为数据需方一旦购买数据，就可以不依赖数据供方自由支配数据用途。可信的合约可以为数据交易合作的双方带来互惠和双赢，例如在合作初始阶段建立信任关系，降低双方的交易成本。根据关系契约理论，交易合约考虑的是双方在将来某个时刻进行某种行动所许下的承诺，由于无法预见数据使用过程的各种风险，再加上不能完全预测到签订合约时可以预见的全部信息，所以需要一份可信的交易合约使双方可以更好的应对数据泄露、数据滥用等各类风险。同时也增加了双方连续合作的可能，从而形成良性循环。（4）算法可信（4）算法可信 算法是数据要素价值释放的工具。任何学习算法没有绝对的安全，算法协议安全和算法性能优化是数据价值挖掘面临的两大挑战。例如，联邦学习虽然只需要较少的性能开销，但是在传递梯度信息过程中，可以根据梯度信息推测出原始数据，存在数据泄露的风险。因此，不可信的算法可能存在安全和隐私风险，对个人隐私造成威胁。其次，不可信的算法可能会带来算法公平性问题，由于训练数据或者特征选择的偏差，算法决策可能会存在歧视或偏见，例如在招聘、贷款审批等领域，因性别、种族等敏感属性特征产生不公平的结果。最后，不可信的算法即使耗费了大量的算力和数据资源，也有可能提供错误的数据处理结果，进而导致错误的决策。因此，算法可信可以更好的解决数据要素流通使用过程中隐私保护和价值挖掘之间的矛盾，让数字经济的安全和发展可以并驾齐驱。4.2 评估指标体系 结合上述分析，本报告从构成数据要素可信流通使用的关键要素，即主体可信、数据可信、合约可信和算法可信 4 个方面来构建数据要素可信流通使用的评价指标体系。如图 4 所示。数据交易 PDCA 模型 The PDCA Model for Data Transactions 14 图 4 数据要素可信流通使用评估指标体系(1)主体可信指标的选取(1)主体可信指标的选取 主体可信（Trusted Participant，TP）是衡量数据要素流通使用过程中各类参与主体（数据供给方，数据需求方和第三方数据服务商等）的身份资质、交易行为、履约能力等各项指标的可信度，参与主体具备一定的可信度是参与场内数据供给、数据使用和数据服务的前提。国家标准企业信用评价指标GB/T 237942023 在履约意愿、履约能力和履约行为三个方面规定了企业信用的评估的基本指标，履约意愿指的是企业的价值理念与品牌形象等内容，主体的身份信息与标准规定的企业履约等内容息息相关。依据国家标准，结合数据要素流通使用领域对可信主体的普适要求，可以将主体可信的指标分为三类：身份可信、行为可信和能力可信（如表 1 所示）。表 1 主体可信评价指标 一级指标 二级指标 指标描述 主体可信（TP）身份 主体资质的合法性、真实性、有效性。行为 流通使用历史行为中的合规合法水平，履约成功率、履约效率、履约质量等。能力 采集存储、交付传输、加工使用、备份销毁及数据保护等技术能力，健全的内部管理制度及作业流程。(2)数据可信指标的选取(2)数据可信指标的选取 数据可信（Trusted Data，TD）是指在数据要素市场流通使用的数据集在形式规范、内容完整、内容准确等各项指标的可信度，数据作为数据要素市场交易标的物，保障数据的真实可信是数据要素市场可持续发展的基础。从数据产品使用者角度来看，使用者更加关注数据量是否丰富、数据来源是否权威、数据准确性、数据一致性、数据时效性以及元数据信息等。从监管者的角度来看，监管者更加关注数据内容的合规性、可溯源性和明确的应用场景。数据可信的评估是一个多维度的概念，既有不因场景和消费者的差别影响评价的客观方面（如准确性、及时性），也有与使用数据的决策者的感知有关的情景方面（如相关性和可用性）。例如，对于图片数据更加关注对比度、清晰度、亮度等质量特征，对于文本数据可能更加关注准确性、完整性等质量特征。基于先前的交易实践，对数据质量的要求可以分为内容要求和形式要求，因为本报告将内容可信和形式可信作为评价数据可信的二级指标（如表 2 所示）。数据交易 PDCA 模型 The PDCA Model for Data Transactions 15 表 2 数据可信评价指标 一级指标 二级指标 指标描述 数据可信(TD)内容（1）合规性：数据来源真实程度、敏感数据去标识化程度。（2）完整性：数据的属性、数据项、时空覆盖率等数据内容的完整程度。（3）准确性：数据准确表示其所描述的真实实体的程度。形式 数据的属性覆盖率、数据项完整度、时空覆盖率等 (3)合约可信指标的选取(3)合约可信指标的选取 合约可信（Trusted Contract）是指数据要素市场参与主体之间建立的契约或合同的合法性、完整性等指标的可信度，确保合约可信可以有效约束市场主体的交易行为，减少违法违规数据交易事件的发生，促进数据要素市场健康发展。合约作为一种完全契约机制，基础要求是就双方的权力和义务做出约定。合约一个明确的、可约束的、保证实施的约定，内容包括明确合理的监督与奖惩机制，即合约要保证完整性，除此之外，合约作为具有法律约束力的两方或多方之间的书面协议，需要保证内容的合法性。现有的合同治理策略是从合同条款的明确性、适应性和履行的严格性三个维度进行评估。合约是否被严格履行与可约的可追溯性密切相关，合约的适应性也反映了合约的可执行性。基于此，本报告从合约的合法性、完整性、可执行性和可追溯性 4 个指标作为合约可信的评价指标。（如表 3 所示）表 3 合约可信评价指标 一级指标 二级指标 指标描述 合约可信（TC）合法性 合同是否具有法律约束力，是否符合相关法律法规的要求。完整性 明确界定了合约双方的责任、权利、义务，特别是数据交付、使用范围以及隐私条款和保护措施。可执行性 是否考虑了价值约束、风险约束和成本约束。可追溯性 可以跟踪合约履行过程并能进行有效核验。(4)算法可信指标的选取(4)算法可信指标的选取 算法可信（Trusted Algorithm）从算法价值的角度，算法的应用应该促进数据流通和使用，带来技术上的变革和管理效率上的提升。同时从算法伦理的角度，算法应该在社会伦理的约束下被开发以及被使用。在学术界和商界已经有了很多关于可信 AI、可信模型的讨论，有学者提出了公平性、隐私性、可解释性、可问责性和可接受性 5 项可信 AI 的要求，也有学者从算法的可解释性、公平性和透明性等指标讨论了用户对互联网平台算法的信任。本报告从法律方面的合规信任、技术使用方面的功能信任和社会价值方面的伦理信任定义了算法可信。合规信任包括安全可靠、过程可控、责任明确等影响因素；功能信任包括功能适用、性能效率、准确稳健等影响因素；伦理信任包括公平性、可解释性和鲁棒性等影响因素。基于此，本报告选取了代表算法合规信任的安全性、算法功能信任的高效性和伦理信任的公平性作为算法可信的评价指标，如表 4所示。数据交易 PDCA 模型 The PDCA Model for Data Transactions 16 表 4 算法可信评价指标 一级指标 二级指标 指标描述 算法可信（TA）高效 算法执行过程中的资源占用、计算效率、计算结果的准确性等。安全 算法输入鲁棒性及抗攻击鲁棒性。公平 算法决策的无偏向性、无套利性、可解释性。4.3 指标测度体系 客观全面的评价是建立数据要素可信流通体系的关键，为构建数据要素可信流通体系，应设计相应的可信度量方法。本文从国家政策制度、国家标准和国内外文献获取到数据要素可信流通使用的关键指标测度方法，如表 5 所示。表 5 数据要素可信流通使用的关键指标测度方法 一级指标 二级指标 审查对象 测度方法 主体可信 身份（TP1）注册登记、营业执照、资质证书、有无违法记录等 人工查验 行为（TP2）履约效率、数据服务质量、数据交易客户评价等 主题分析 能力（TP3）专利、技术报告、年度报告等涉及到的数据保护技术、数据处理技术等 主题分析 数据可信 内容（TD1）数据来源、敏感数据、数据实体、数据域、数据引用和数据定义等 基于学习的数据评估 形式（TD2）数据项命名、数据格式、数据类型、数据长度和数据结构等 基于规则的数据评估 合约可信 合法性（TC1）合约条款是否符合数据出境安全、人民信息保护安全等 法律知识图谱 完整性（TC2）数据内容、数据用途、交付质量、交付方式和参与方安全责任、保密条款 合同信息抽取技术 可执行性（TC3）经济价值范围、风险的分担和责任的规定、成本的限制等 合同信息抽取技术 可追溯性（TC4）关键追溯点（CTPs）关键追溯点的数量 算法可信 高效（TA1）准确性、精确度、召回率、F1 评分、时间复杂度和空间复杂度等 算 法 执 行 时间、CPU GPU占用率、准确度等 安全（TA2）异常输入、数据偏差、噪声容忍度、对抗攻击等 鲁棒性测试方法 公平（TA3）算法预测或分类的结果在不同群体中的差异 差异影响、人口均等、机会均等、个体公平等 数据交易 PDCA 模型 The PDCA Model for Data Transactions 17(1)主体可信指标测度(1)主体可信指标测度 对于主体的身份可信，可以根据国家标准信息安全技术-数据交易服务安全要求对数据供需方和平台的要求，对主体的资质进行一一查验，例如一年内无重大数据类违法违规记录的合法组织机构，以及具备相应的数据安全保障能力等内容，但是标准中并未指出主体数据保护能力的测度方法。对于行为可信和能力可信可以采用基于动态主题模型方法，将主体的所有历史交易评价数据看作一个文档，通过动态主题模型训练得出服务态度、履约效率和数据质量等文档主题的分布，根据主题出现的概率测度主体的行为可信。同理，可对主体的专利、技术报告、年度报告等文档进行主题分析得到主体的管理能力、数据保护能力等相关主题的概率分布，使用不同能力主题的概率分布测度主体能力可信水平。(2)数据可信指标测度(2)数据可信指标测度 数据内容可信测度，依据数据内容与数据交易标准规范的契合度评估数据的合规性，可以考虑采用区块链溯源技术度量数据来源的真实程度，还可以使用敏感数据识别技术检测敏感数据去标识化的程度。在数据完整性上，从数据的属性覆盖率、一致性、可获取性等维度测度数据内容的完整性。国家标准数据质量 第8 部分：信息和数据质量：概念和测量从数据的实体、引用、域和用户定义的完整性四个维度度量。在数据形式的可信指标测度方面，可以从数据项命名、数据格式、数据类型、数据长度和数据结构是否符合既定规范来度量数据的语用质量。(3)合约可信指标测度(3)合约可信指标测度 在合约合法性测度方面，应依据数据安全法、网络安全法和个人信息保护法等法律法规，审查合约内容是否符合数据出境安全、人民信息保护安全等要求。在合约完整性测度方面，需要根据国家标准信息安全技术-数据交易服务安全要求审查主体之间签订的三方合同是否涵盖了数据内容、数据用途、交付质量、交付方式和参与方安全责任、保密条款等内容。使用人工一一审查合约条款的合法性，不仅效率低下，还增大了合约评估的成本，可以考虑采用法律知识图谱审查合同的相关条约，对合约条款给予合法性测度。因此，在智能合约撮合过程中，推荐算法成本约束、价值约束和风险约束的权重占比可以用来测度合约的可执行性。合同的可追溯性指的是能够准确地追溯和回溯合同的履行过程和相关事项，可根据合约中规定的关键追溯点（CTPs）的数量来测度合约的可追溯性。(4)算法可信指标测度(4)算法可信指标测度 算法的高效性即包括算法的性能评估，还包括资源的占用情况。常见的性能测度包括准确性（Accuracy）、精确度（Precision）、召回率（Recall）和 F1 评分，在资源占用方面常见的测度包括算法的时间复杂度和空间复杂度。在算法安全性方面，Katzir 等人42提出了一种模型鲁棒性评分测度方法，该方法是通过量化应用于网络安全的各种机器学习分类器的弹性来评估算法的鲁棒性。还可以通过设计测试用例的方法测度算法的输入鲁棒性，如异常输入测试、噪声容忍度测试、数据偏差测试等。文献43介绍了在预测任务中算法公平性的测度：差异影响（disparate impact），该测度表示阳性预测的比例在不同群体中应该是相似的，如果一个阳性的预测结果表示贷款批准，那么被批准的贷款人的比例在不同的群体中应该是相似的。差异影响测度的计算方式见式（1）。数据交易 PDCA 模型 The PDCA Model for Data Transactions 18!#$=1(1*!#$=1 (=1*1 -(1)其中，(=1表示受保护属性的特权组，(1表示非特权组，#$=1表示预测结果是积极的，差异影响的值越大表示算法越公平。与差异影响相似的公平性测度还有分类任务中的人口均等（demographic parity），但是判断的标准是两类群体预测概率的差值，而不是比率。除此之外，算法公平性的常见测度还包括监督学习任务中的机会均等（Equal opportunity）、个体公平（Individual fairness）等。值得注意的是，在算法设计过程中，算法公平性安全性的提升会带来算法高效性的下降，无法实现多目标同时优化。因此，可信算法需要在多个评估指标中取得平衡。数据交易 PDCA 模型 The PDCA Model for Data Transactions 19 五、基于全国数据交易链的 PDCA 模型实现路径 5.1 全国数据交易链 全国数据交易链是指基于区块链技术的一种数据交易平台。它通过将数据商品化，实现数据的交易和流通，从而推动数据资源的优化配置和价值挖掘。全国数据交易链的核心理念是利用区块链技术的去中心化、安全、可追溯等特点，构建一个公平、透明、可信的数据交易环境。具体而言，各地业务系统将各种业务数据传递、存储到地方数据中心，通过数据交易链，数据流转于区域数据交易所、行业数据交易所、数据资产交易中心以及上海市数据交易所等区域节点和行业节点，数据提供商在数交所平台登记确权，对数据进行链上授权，数据需求方在数交所平台通过链上查询进行数据交易。打造“平等互信、可信交易、自主可控、安全高效、监管追溯、绿色交易”的数据产品智能交易服务市场新模式。全国数据交易链的主要应用场景包括数据确权、数据交易、数据安全等方面。通过区块链技术的应用，全国数据交易链能够解决数据交易中的信任问题，降低数据交易的成本，提高数据交易效率，保护数据所有者的权益，推动数据资源的流通和共享。总体而言，全国数据交易链是我国在区块链技术应用方面的一次重要尝试，规划以数据交易所为枢纽的标准化全国数据产品智能交易服务新市场，有助于推动我国数据资源的发展，提升我国在全球数据交易市场的影响力。图 7 全国数据交易链 5.2 向场景的数据要素安全交易体系设计 2022 年 12 月 19 日，中共中央、国务院发布关于构建数据基础制度更好发挥数据要素作用的意见（“数据二十条”），要求建立数据可信流通体系，增强数据的可用、可信、可流通、可追溯水平，实现数据流通全过程动态管理，在合规流通使用中激活数据价值。为了响应国家对于数据要素价值释放的要求，数据要素信任交易体系由智能撮合中心和安全学习与计算算法资源池两部分组成。其中，数据要素智能撮合中心在数据要素市场信息异质不对称性限制下实现供需双数据交易 PDCA 模型 The PDCA Model for Data Transactions 20 方最优匹配，提升买卖双方合约订立的可信性。安全学习与计算中心为数据要素的合约履行提供攻击鲁棒性、防窃取能力和结果公平性的多方安全学习与计算方法支撑。（1）撮合数据要素的提供方和潜在需求方是实现数据市场价值的重要途径。（1）撮合数据要素的提供方和潜在需求方是实现数据市场价值的重要途径。图 8 数据交易平台智能撮合中心框架 不同于传统商品要素，数据要素具有情景性、多态性、动态性以及内部结构复杂等特点，这些特点的交织导致数据价值评估难。随着数据交易体系的不断完善，互联网以及大数据技术的不断发展，以数据价值评估、数据风险评估、数据供需匹配以及数据选择与推荐方法等为代表的一系列相关理论与方法已经在数据智能撮合中得到了应用，极大提高了数据流通效率，促进了数据共享与数据价值发挥。基于此，智能撮合中心由数据价值评估中心、数据风险评估中心、数据供需匹配器和数据选择与推荐系统构成，提高数据要素流通撮合效率，促进数据共享与数据价值发挥。数据价值评估中心提供场景驱动的多数据聚合的价值适应性评估功能，是数据匹配和推荐的基础。在不同场景下数据价值具有相对性，各项数据之间的交互和耦合关系将影响数据聚合价值。考虑离散数据、文本数据、图结构数据和图像数据等复杂异构数据之间的相关性和冲突性，识别不同数据集特征之间的交互和耦合关系。基于特征之间交互和耦合关系，实现多视角学习的多数据集可解释性表征。通过识别数据之间的共识信息和互补信息，提供面向场景的数据聚合价值适用性评估功能。针对交易场景中平台提供样本数据少等问题，提供针对性的小样本场景下多数据特征组合价值映射评估功能。总体实现基于多数据集聚合的数据价值形成、数据价值实现、数据价值评估等数据价值化路径。数据风险评估中心提供多数据集聚合时风险涌现及风险传导现象评估功能，能够有效预警隐私泄露等问题，切实保障数据聚合的准确性、高效性和稳定性。针对多数据集聚合时各属性之间的互补式协同交互，识别产生隐私泄露风险、商业秘密风险及国家安全风险等的致因属性微观交互机制与宏观风险涌现间的关联关系，提供多数据特征组合数据风险诱因识别方法。针对同领域交易和跨领域交易情境下多数据集聚合时多类型风险耦合性和外溢性，提供基于解耦学习的多数据集聚合的风险传导评估。考虑数据风险的动态特征，从短时性风险和持续性风险视角，识别多数据集聚合产生的多元数据的风险演化规律，评估和管控“数据化合反应”产生的潜在风险。数据交易 PDCA 模型 The PDCA Model for Data Transactions 21 数据供需匹配器实现考虑供需双方效用的数据要素供需智能匹配，促进供需双方交易撮合。数据交易平台中存在海量的数据集以及各种类型的需求者，而平台的目标是为需方匹配满足其需求的数据集。利用供方数据集的元数据、标题、描述、在线评论等以及需方需求描述等文本信息，从语义层、表示层以及情景应用层三个维度提取数据集和需方的表征，达成预算和风险控制边界约束下的数据要素供需匹配。其中，考虑供需双方信息时变性的特点，动态评估需方数据需求与供方服务能力，提供最大化价值、最小化成本、最小化聚合风险多元目标组合约束情景下数据要素智能匹配优化功能。数据选择与推荐系统针对买方数据需求不确定或模糊的情形，提供多元目标约束下的数据精准推荐功能，是提高买卖双方交易意愿的重要数据交易服务。考虑数据产品各维度属性的价格、需求方预算约束、供给方风险约束、以及需求方的偏好，提供基于需方偏好和数据组合的数据精准推荐框架。具体包括，面向需方偏好预测，基于需方和数据交易平台之间查询、点击和购买等多类型交互行为数据以及数据产品的元数据、标题、描述等信息，提炼需方多维度偏好的知识图谱表示，分析需方感兴趣的数据类型、属性以及规模等。面向属性组合推荐，结合数据要素各属性的价值、风险、价格特征，基于群组变量选择方法，提供不同成本和风险边界范围内的数据属性组合与表示功能，联合需方偏好表征与数据属性表征的属性组合推荐功能。面向样本组合推荐，考虑数据样本的多样性、代表性、价值性、风险性，利用高阶关联和迭代寻优等策略，提供不同成本和风险边界范围内的数据子集选择和表示功能，联合需方偏好表征与数据子集表征的样本组合推荐功能。（2）数据要素使用过程中的安全学习与计算是激活数据价值的关键手段。（2）数据要素使用过程中的安全学习与计算是激活数据价值的关键手段。图 9 安全学习与计算算法资源池 数据要素流通涉及的场景复杂，常面临有效数据样本不足以及参与主体非法攻击、窃取与合谋等情景，引发准确性、安全性、隐私性和公平性等方面的严重缺陷，从而为数据要素的可信流通带来极大挑战。按照“无场景不交易”和“数据可用不可见”的现实要求，以联邦学习、多方安全计算为代表的隐私计算技术是一类数据交易 PDCA 模型 The PDCA Model for Data Transactions 22 能够保障数据要素隐私和安全，实现数据要素流通使用的典型技术。因此，具有攻击鲁棒性、防窃取能力、公平性的安全学习与计算算法资源池是保护数据安全学习与计算的技术基石。具有攻击鲁棒性的多方安全学习与计算方法保障了算法的安全性。数据要素流通的过程中涉及多方主体参与，参与学习的恶意主体可能通过对学习模型或是计算过程发起对抗性的攻击，导致学习模型的性能下降。在应对不法参与主体的攻击时，大多数多方安全学习与计算方法针对某一种特定攻击方法进行防御，而在真实数据交易场景中，非法参与主体的攻击行为通常是未知的且不同参与主体的行为、数据及模型可能均有差异，这可能导致防御方法无法同时保障参与主体应对各种可能攻击的鲁棒性。针对投毒攻击、后门攻击、拜占庭攻击等不同攻击形式及攻击强度对模型完整性的影响，提供基于参数偏差效应的样本级多方安全学习与计算方法的鲁棒认证半径，划分多方安全学习与计算方法的安全边界。利用客户端参与多方学习和计算的历史行为数据，基于生成式对抗网络分析历史梯度特征，基于融合同态哈希函数映射与梯度相似度识别恶意客户端。基于鲁棒认证半径与客户端恶意水平，提供不同客户端模型梯度在服务端的聚合策略，包括权重更新策略、梯度压缩策略和噪声引入策略，同时基于非法攻击在模型参数中的累积效应，确定模型梯度的最优迭代策略和最佳聚合时机。具有防窃取能力的多方安全学习与计算方法提升了算法的隐私保护能力。在数据要素流通的过程中，在交易实施环节，好奇的参与主体可能发动隐私窃取攻击，通过逆向工程等手段获取数据要素的信息或是模型的参数等敏感信息，导致数据交易参与主体的利益损失。利用多方安全学习与计算主要通过多轮交互收集的模型参数数据的特点，推理出拟窃取的机密信息的攻击策略，基于训练样本的统计特征、分布规律、样本规模等与模型参数之间的关系，归结模型参数规模及交互次数对样本统计特征、分布规律的推理能力的影响。以此为突破口，从模型参数和训练样本两个视角提供有效的防窃取策略。一是面向模型参数的防窃取策略，选择模型参数的压缩策略以减少交互参数的规模，采用最优训练策略以降低参数交互的次数，优化模型参数的分配策略以控制客户端对全部参数的访问，利用基于差分隐私技术的参数扰动方法以减少真实参数信息的泄露。二是面向训练样本的防窃取策略，寻找数据样本和数据属性的最优分割策略，以降低恶意方分析数据分布、数据统计特征的能力，基于不同样本和属性分割策略，提供本地迭代与多方迭代的优化功能，减少客户端之间的交互次数。输出结果公平的多方安全学习与计算方法实现了数据要素交易公平性。在数据要素可信流通过程中，由于大多数的数据流通使用通过既充当交易的组织者又充当裁判的数据交易平台进行，如果出现平台与买方或卖方合谋，交易的公平性将难以保证。针对算法歧视与合谋套利等危害交易公平性的行为，现有方法主要考虑到数据要素本身作为一种特殊的商品具有易复制性和易追踪性等特点，通过因果关系、人机协同、贡献度量等方法实现决策无歧视和算法无套利，然而忽视了数据持有方的数据成本和模型可解释的问题，从而制约了数据要素流通场景下交易公平性的保障效果。针对算法的黑箱性以及算法决策结果可能存在的不公平性，提供有效的决策结果无歧视策略、数据交易无套利策略和决策结果透明化策略，增强了买卖双方互信程度。根据模型结构与训练数据对决策结果有偏性的影响机制，提供人机协同的模型参数分发、预测结果重标定策略，实现最小决策偏差的迭代优化。针对数据要素交易中的算法恶意合谋套利问题，最小化多方安全学习与计算方法的合谋机制、潜在套利类型及风险，提供有效控制合谋的算法参数约束策略，并进行典型套利威胁数据交易 PDCA 模型 The PDCA Model for Data Transactions 23 下的算法选择与优化。针对多方安全学习与计算方法的透明性问题，结合注意力机制、生成式对抗网络、反事实推断学习等技术，实现可解释性及事后可解释性的多方安全学习与计算方法。5.3 向数据要素流通全过程的追溯体系设计 图 10 数据要素流通全过程追溯体系 2021 年 3 月发布的“十四五”规划和 2035 年远景目标纲要中明确提出，要培育规范的数据交易平台和市场主体，发展数据资产评估、登记结算、交易撮合、争议仲裁等市场运营体系。然而，随着数据要素市场化发展提速，数据要素呈现形态多源异构、流转链条增长、参与主体多样等特点，叠加自身的可复制性、非排他性等属性，带来了数据来源难确认、数据流向难追踪、使用范围难控制、流通互信难保障等可信流通问题。对数据要素可信流通全过程进行有效审查、监督、跟踪、追溯，成为保障各参与主体合法权益、激发数据要素市场活力的关键。面向数据要素可信流通全过程的追溯体系包括事前审查中心、事中检测器和事后审计追溯网。事前审查中心提供入场交易的主体身份认证、数据可溯管理、算法安全评估三大功能，确保进入市场的主体、数据、算法安全合规。面向主体审查，针对参与主体身份多元和资质参差等特点，利用“数字 生物”主体身份认证技术和社会信用体系，提供“机器审查 人工复核”的双重协同主体安全审查，保障入场主体可信。面向数据审查，能够基于去标识化与敏感属性识别技术管控敏感数据，基于数据标识技术实现多源异构数据产品互认连通，提供数据产品质量动态管理能力，确保数据产品的合规性、完整性、可追溯。面向算法审查，根据算法本体、设计过程和决策结果等维度，评估面向全生命周期过程的算法影响，提供基于逻辑分析与仿真测试多路协同的算法审计功能，确保算法产品的合规性、高效性和负责任。事中检测器能够有效监控合约签订与履行中的失信行为，确保数据要素流通使用过程安全可信。对于数据买方，存在非法滥用和越权访问数据等风险。针对数据非法复制、窃取、备份等数据滥用行为，提供面向计算资源用量异常检测的自动感知功能，实时监控数据再次流转。针对买方二次转卖、共享数据等数据越权访问行为，根据数据访问权限范围，实现身份认证和智能访问控制相耦合的交易主体访问权限管理。对于数据卖方，存在异常供给数据的风险。针对卖方在履行合约时可能提供低质量数据、污染数据，甚至恶意窃取其他参与方数据等行为，提供数据质量和算法训练过程智能化监控功能，具体包括首先利用数据标识技术等数据交易 PDCA 模型 The PDCA Model for Data Transactions 24 数据溯源方法验证数据真实性，随后根据“各方日志审计-每轮攻击检测-交付性能验证”路径实现全方位算法训练安全性实时检测。交易合约作为约束买卖双方的重要凭证，合约履行监控是保障交易合规安全的关键，提供基于计算日志与资源用量协同的计算用量异常检测，利用计算合约自动审核执行，实时感知计算全流程数据流通态势。事后审计追溯网能够定位异常节点，为数据要素流通使用全过程提供溯源凭证，确保交易完成后的不可抵赖性。以全国数据交易链为核心，提供面向事前审查和事中检测的数字存证策略，实现基于数字存证技术的数据要素可信流通事后审计与追溯。对于过程审计，面向数据流通事前审查、事中检测等全过程日志信息，提供基于区块链的数字存证策略，利用存证信息审计主体、数据、合约和算法安全合规。对于数据追溯，面向流通数据本体，实现基于数据标识和关联技术的数据溯源追踪，应用数据水印、数据血缘追踪等技术对数据二次流通、转卖等侵权行为进行查验取证。对于主体追溯，面向交易主体信用行为，结合社会信用体系与区块链技术，实现市场主体交易行为信用评价的链上存证，提供数据信用综合评估服务，确保交易主体信用等级信息可追溯。数据交易 PDCA 模型 The PDCA Model for Data Transactions 25 六、基于 PDCA 模型的保障体系 数字经济逐渐进入高质量发展时期，数据要素市场对数据安全愈加重视。数据要素在入场前的合规审查、流通使用过程中的用途用量控制、流通使用后的争议解决等问题，对数据要素的安全治理和安全保护提出更高要求。因此，本文从“事前审查事中监控事后审计”的视角，对国内外现有数据要素可信流通监督监管策略的制度与政策和理论与技术进行总结梳理。目前国内外相关工作主要集中在制度与规范建设和理论与技术保障两个方面：一方面通过政策、制度、标准制定明确数据流通使用安全风险管理要求，另一方面通过理论与技术手段解决数据流通使用安全风险管控问题。6.1 向制度与规范约束的 PDCA 监管策略分析 近年来，我国数据要素市场发展态势十分迅猛，市场规模迅速扩大。中国数据要素市场发展报告（2021-2022）7表明，2021 年我国数据要素市场规模达 815 亿元，预计“十四五”期间市场规模复合增速将超过 25%。为防范数据要素市场安全风险事件，国家出台一系列政策文件和规章制度统筹数据要素安全风险管理。2021年 3月发布的国民经济和社会发展第十四个五年规划和 2035年远景目标纲要8中明确提出，要培育规范的数据交易平台和市场主体，发展数据资产评估、登记结算、交易撮合、争议仲裁等市场运营体系；2021 年11 月，工业和信息化部发布的“十四五”大数据产业发展规划9中不仅再次提到了有关数据要素市场建设的内容，还围绕加快培育数据要素市场、发挥大数据特性优势、夯实产业发展基础、构建稳定高效产业链、打造繁荣有序产业生态、筑牢数据安全保障防线六个方面提出了重点任务；2022 年 12 月 2日，中国中央 国务院印发关于构建数据基础制度 更好发挥数据要素作用的意见，强调完善数据全流程合规与监管规则体系，从全流程治理与创新监管机制等方面入手，提出底线可守的数据要素安全治理制度。6.1.1 事前审查 事前审查是数据要素流通使用安全风险管控的前提，主要是指市场或市场管理者在交易前对数据交易市场的参与者和数据产品依照相关的法律法规进行审查，实现数据“上市有审核，采买有资质”。在国家层面，数据安全法中明确规定了数据交易服务机构应审核交易双方的身份、交易数据内容、数据安全风险，并留存审核、交易记录。在地方层面，天津市出台了天津市数据交易管理暂行办法，其中第二章和第三章分别对数据交易主体和交易数据做出一系列明确要求。在行业内部，通过制定措施保证数据来源合规可信、数据质量安全可控，例如，贵阳大数据交易所发布的数据交易规则体系10，就包含了数据交易合规性审查指南、数据交易安全评估指南、数据商准入及运行管理指南等，以保障数据要素流通使用过程中交易主体、交易对象可信可控。但在数据分级分类管理、数据确权授权等方面的法律制度有待进一步完善。例 7 国家业信息安全发展研究中，北京学光华管理学院，苏州业园区管理委员会，上海数据交易所，中国数据要素市场发展报告（2021-2022），2022 年 11 25 发布 8 中华共和国国经济和社会发展第四个五年规划和 2035 年远景标纲要，2021.3.11，http:/ 2023.2.7 9 国家业和信息化部（信部规2021179 号），“四五”数据产业发展规划，2021.11.15 10 贵州全国发数据交易规则体系，2022 年 5 27，http:/ 2023.2.18 数据交易 PDCA 模型 The PDCA Model for Data Transactions 26 如，数据安全法虽然明确提出国家将对数据实行分级分类保护，但仅作出了一般性规定，缺乏详细的分级分类体系和相关的实施细则，不同区域、不同部门不统一的程序标准容易导致数据准入与监管产生冲突；在立法层面数据安全法和个人信息保护法虽然解决了数据的国家主权和人格权的问题，但是数据的财产权问题尚未在法律层面有明确定义，其中数据要素的可复制性、不确定性等独特特征是数据产权制度体系建立的难点，使对参与交易的数据源的审查带来了操作上的困难。6.1.2 事中监控 事中监控是数据要素流通使用安全风险管控的基础，目的是对数据使用的用途、用量加以控制，约束交易主体行为，监督交易订单合规履行。在中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见中，提出要建立合规高效的数据要素流通和交易制度，完善数据全流程合规和监管规则体系，建设规范的数据交易市场。各地方政府已陆续出台相关政策，促进数据要素安全可信流通。北京发布北京市数字经济促进条例11，要求完善数据分级分类、安全风险评估和安全保障措施，建立数据治理和合规运营制度，结合应用场景对匿名化、去标识化技术进行安全评估，开展数据安全方面的标准认证。上海市出台上海市数据条例12，支持数据交易服务机构有序发展，要求数据交易服务机构应当建立规范透明、安全可控、可追溯的数据交易服务环境，制定交易服务流程、内部管理制度，并采取有效措施保护数据安全。贵阳大数据交易所发布的数据交易合规性审查指南也包含了对交易合同内容、交付方式进行合规审查，同时还提供了数据产品成本评估指引 1.0、数据产品交易价格评估指引 1.0、数据资产价值评估指引 1.0，为数据交易提供价值评估和价格依据。但在定价机制、数据交易立法上还存在明显的欠缺。目前不同的数据交易平台的价格机制不透明，例如，某平台“省级业务平台数据服务”标价 351.56 万元/次，而“算力资源服务（云计算服务）”标价 0.01元/次。因此，需要完善、统一数据流通定价规则，规范数据消费单位和消费方式，防止定价过于随意。在立法方面，有关数据要素流通使用的法律散落在民法典 个人信息保护法数据安全法 网络安全法 反垄断法 反不正当竞争法，还没有一部关于数据要素流通交易的法律，相比之下，美国 2014 年就通过了数据经纪商问责制和透明度法案，2019 年通过了2019 年数据经纪商法案，要求数据经纪商明确数据来源和类型，使用、保存和分发数据的方式，允许消费者访问和修改数据的范围，消费者退出数据销售或共享的方式等。6.1.3 事后审计 事后审计是数据要素流通使用安全风险管控的关键，目的是解决交易后的争议问题。中共中央 国务院印发关于构建数据基础制度 更好发挥数据要素作用的意见中就数据要素市场的信用体系，提出需要配套建设交易仲裁机制，对数据交易主体的信用进行管理和评价，在数据要素市场形成诚信、互信、可信的交易生 11 北京市数字经济促进条例，2022 年 11 25 北京市第五届代表会常务委员会第四五次会议通过，http:/ 2023.2.7 12 上海市数据条例，2021 年 11 25 上海市第五届代表会常务委员会第三七次会议通过，https:/ 2023.2.7 数据交易 PDCA 模型 The PDCA Model for Data Transactions 27 态。在企业内部，北京国际大数据交易所发布北京数据交易服务指南13，推行数据交易保护义务衍生的原则，就交易中规定的使用范围和禁止用途进行保障，并设立数据要素产权知识保护体系，建立买卖双方争议解决机制。贵阳大数据交易所发布的数据交易合规性审查指南也包括交易后对场景应用、新增衍生数据产品进行合规审查。但在数据泄露通知制度、数据监管权限方面还需持续完善。虽然网络安全法制定了数据泄露通知制度的相关要求，但是需要向用户告知的特定情形、告知用户的时限和方式、数据泄露的补救和惩戒措施、制度适用的主体范围等制度要素没有做出明确规定，缺乏一定的可操作性。在我国，数据监管由网信部统筹，行业各部门分别监管，但实践中各数据监管部门、纠纷仲裁机构权责划分不明确、责任互相推诿的问题屡见不鲜，应完善数据监管、纠纷仲裁相关制度，明确相关权力与职责，形成行业自律与政府监管双重安全保障。6.2 向理论与技术撑的 PDCA 监管策略分析 6.2.1 事前审查 在参与者资格审核方面，通常使用身份认证与控制技术保障交易主体的资质安全，确保数据供方和需方提供的身份信息真实可靠。传统的身份认证主要有基于标记识别的身份认证、基于生物特征的身份认证和基于密钥的身份认证等方式，但存在着密码泄露、伪造生物特征等风险。近年来，区块链技术开始应用于身份认证领域，区块链具有去中心化、不可篡改的优势，可为主体资质安全提供技术支撑。例如，在物联网数据市场，利用区块链、分散标识符（Decentralized Identifier，DID）进行主体验证，其中每个主体持有一个独特的 DID，通过在客户端验证 DID，确保平台上的交易主体身份得到认定；在权限访问控制上，TID-MOP 安全体系框架44在技术保障方面实施数据交易申请的安全管控，通过集中监控运维和访问权限管理重点关注交易主体合规资质的评估。在审核数据要素的合法性、合规性、真实性方面，去标识化技术、敏感数据探测技术、完整性技术为数据产品的安全准入提供了技术保障。去标识化技术通过对原始数据进行去标识化处理，降低数据集中的信息与信息主体的关联程度，主要包括数据统计技术、抑制技术、匿名化技术、假名化技术、泛化技术、随机化技术等，不同的去标识化技术具有不同的特点，数据供方可以根据不同交易数据的特点、保密级别，选择合适的数据去标识化技术，从而确保数据产品可以进入数据要素市场。针对数据产品中包含敏感信息的问题，采用面向结构化数据集的敏感属性自动化识别与分级算法，利用信息熵定义属性敏感度，通过对任意结构化数据集的敏感属性进行识别和敏感度量化，可以实现敏感属性的分级分类。针对数据质量问题，数据完整性技术一方面可以保障参与交易的数据质量，另一方面可以保障数据不被恶意篡改，其中密码学技术和数据副本策略是两种传统的数据完整性技术。密码学技术利用消息认证码和哈希树等生成数据签名信息，防止数据被伪造；数据副本策略则是通过损失存储空间来保障数据完整性。实践中，一般综合利用两种方法确保数据质量安全。13 北京国际数据交易联盟，北京数据交易服务指南，2021.3.31 数据交易 PDCA 模型 The PDCA Model for Data Transactions 28 6.2.2 事中监控 区块链技术和隐私计算技术体系是保障数据流通使用过程中计算环境安全、算法安全和数据隐私的有力手段，也是监控交易撮合可信的可行技术。例如，在监控交易撮合可信方面，Tan等人45提出了一种考虑信用管理的基于区块链的分布式交易机制，只有当用户的信用评分不低于阈值时，才能允许用户参与分布式交易；Gupta 等人46提出了一个新的区块链框架 TrailChain，该框架使用水印生成可信交易跟踪，通过建立检测市场内和市场间任何未经授权的数据转售的机制，实现对跨越多个分散市场的数据所有权的溯源跟踪。在保障计算环境安全方面，可信执行环境(Trusted execution environment，TEE)可将敏感计算与其他进程（包括操作系统、BIOS 和 hypervisor）隔离开来，通过芯片等硬件技术并与上层软件协同对数据进行保护，且同时保留与系统运行环境之间的算力共享，主要代表性产品有 Intel 的 SGX、ARM 的 TrustZone 等；基于可信执行环境和区块链技术，Dai 等人47构建了一种新的数据交易生态系统，其中数据代理和需方都无法访问供方的原始数据，而只能访问所需的分析结果，安全执行环境起着保护数据处理、源数据和分析结果的作用。在算法安全及隐私保护方面，已经取得了丰富的研究成果，例如，区块链中可以采用同态加密、零知识证明等技术对隐私数据进行加密以达到保护隐私数据的目的；Zheng 等人48针对供应链金融信用体系中的征信数据隐私保护问题，提出了一种基于区块链的共享交易信息访问控制和管理模型，通过共识机制，实现了共享数据链的访问控制和可追溯性管理；Zhang等人49提出了一种基于移动边缘计算的联邦学习框架FedMEC，将模型划分技术和差分隐私技术集成在一起，防止局部模型参数的隐私泄露；郑婷一等人50还提出了一个由监管体系、核心技术和模式创新三部分组成的保障平台数据与算法安全的技术生态体系架构。6.2.3 事后审计 事后审计主要包括交易信用审计和交易安全审计。交易信用审计主要对是否存在侵权和违规行为进行认定、追责,并建立一种有效的信用评价机制。例如，可以利用区块链可溯源、抗抵赖等技术特性,提出参与者向智能合约支付一定数量的押金作为对潜在违约者的惩罚和对被违约者的补偿，在规定期限后，由智能合约根据合约履行情况执行交易结算，并根据参与者本次的表现自动刷新其信用评分。还可以利用边合约机制，建立一种基于区块链技术的交易纠纷仲裁机制，不仅可以解决交易双方的合同争议问题，还能验证、追溯交易数据的完整性和价值。可以设计一种信誉机制设计方案，以鼓励供方尽可能多地降低机会主义，防止交易对需方没有价值的数据产品。区块链技术的应用不仅能保障每笔交易的记录安全，还为交易安全审计提供了便利。例如，Kefeng等人51设计了一个基于区块链的云数据审计方案，提出了一个分散的审计框架来消除对第三方审计者的依赖，保障了数据审计的稳定性、安全性和可追溯性的同时，还能更好地协助用户以验证云数据的完整性。表 6 简要汇总了国内外数据要素流通使用安全风险及其主要应对策略。数据交易 PDCA 模型 The PDCA Model for Data Transactions 29 表 6 数据要素流通交易使用安全风险应对策略 业务周期 应对策略 交易申请 交易磋商 交易实施 交易结束 政策、制度 交 易 主 体 资 质 审核、数据产品合规性审查 交易合同审核 交易环境安全风险评估、算法安全风险评估、交易服务管理制度 登记结算、争议仲裁 理论、技术 身份认证技术、数据去标识化技术、敏 感 数 据 探 测 技术、数据完整性技术 区块链智能合约、分布式交易机制 P2P 网络技术、区块链、智能合约、安全多方计算、差分隐私、可信执行环境、联邦学习 分布式交易机制、云数据审计、边合同机制 6.3 管理与技术协同的数据要素可信流通机制 图 11展示了本文提出的事前事中事后全链路数据要素流通使用安全风险应对策略框架，从数据要素流通使用全过程视角，针对事前、事中、事后三个不同阶段，分别制定事前审查体系、事中监控体系和事后审计体系，规范数据安全有序流通使用。图 11 事前事中事后全链路数据要素流通使用安全风险应对策略流程图 6.3.1 事前事中事后全链路监管机制(1)基于人机协同的事前审查体系(1)基于人机协同的事前审查体系 事前审查的目的是期望在交易申请阶段能够确保参与交易的主体可信、数据可信、合约可信等，如图 12所示。交易主体审查旨在审查数据流通使用主体资质的安全风险和合规性，构建交易主体账户注册登记流程，设计面向账户登记信息真实性的机器审核与人工复核配套验证方案，保证交易平台、流通交易过程中的经手方以及机构或个人等市场主体信息可追溯，实现交易主体可信。交易数据和算法审查即检验采集存储的数据要素安全风险，包括数据完整性、真实性、可交易性，数据获取渠道的合法性，以及数据是否对个人信息进行去标识化处理，保障数据的可交易以及合法合规。交易合约审查目的在于审查数据要素的使用场景、数据交易 PDCA 模型 The PDCA Model for Data Transactions 30 数据质量、数据价值、可定价要求和数据更新能力，需要面向不同应用场景制定禁止交易数据目录，建立数据产品上架交易标准规范，构建规范化的交易合约上架流程和合规审查流程，实现交易合约可信。图 12 事前人机协同审查体系(2)基于智能监控管理的事中监控体系(2)基于智能监控管理的事中监控体系 事中监控的目的是保障数据要素流通交易在磋商阶段和实施阶段安全可信，包括交易主体监控管理、合约磋商监控管理、算法行为监控管理和订单履行监控管理，如图 13所示。交易主体监控管理聚焦于交易主体识别管理，通过设计基于智能识别技术的交易主体身份与合约核验机制，确保合约双方的签名信息、合约内容的哈希值信息、私钥管理信息等合约信息的可追溯，实现数据使用者可控。合约磋商监控管理，基于公平交易原则、供需匹配效率最大化原则，通过设计具有隐私保护的自动匹配技术和智能合约技术，保障交易双方的合约符合市场预期和国家相关政策法规。算法行为监控管理，通过构建模型算法评估体系，设计算法行为监控方案，确保数据导入、数据预处理、模型训练、结果发布等流程规范可信、使用过程可追溯、资源消耗可度量，实现数据用途、用量与合约一致，保障数据加工使用安全风险可控。订单履行监控管理，建立数据传输接口备案制度，通过动态监控交易主体履约行为，包括感知监控数据流转、验证数据完整性和一致性、资金流审核，保证订单完全履行，并能对订单信息、供需方及交易平台信息、交付结算信息等履约过程产生的数据信息的可追溯。数据交易 PDCA 模型 The PDCA Model for Data Transactions 31 图 13 事中智能监控管理体系(3)基于区块链存证的事后审计体系(3)基于区块链存证的事后审计体系 事后审计是防止数据在交易结束后可能面临的安全风险，集中在防止数据滥用、数据侵权和主体失信三个方面，如图 14所示。在防止数据滥用方面，设计基于数据链上存储信息的交易审计机制，以交易结束后链上存储的合约信息和交易信息为基础，构建智能交易审计核验指标测算体系，设计链上资源滥用情况的监控和识别方案；制定数据销毁审查机制，杜绝数据产品倒卖风险，保证交易数量、异常交易用户、异常合约部署、数据销毁过程等审计信息可追溯。在防止数据侵权方面，制定数据交易侵权行为的举证流程机制，基于数据侵权行为链上链下线索搜寻，构建数据侵权的链上链下查验体系，保证对侵权行为信息来源的可追溯。在防止主体失信方面，建立数据交易结束后的链上存储信息的信用管理机制，构建基于数据市场主体的信用评价指标体系，设计市场主体交易行为信用评价的链上存证方案，保证对数据供方、数据需方、交易平台等数据市场主体信用等级信息的可追溯。图 14 事后区块链存证审计体系 6.3.2 管理与技术协同的监管体系 支持数据要素安全有序流通使用需要构建一个全流程合规可信体系，其建设过程是一个复杂的系统工程，实现路径有赖于管理制度与技术支撑的相互保障和综合作用。图 11展示了本文提出的管理与技术相互协同的数据要素流通使用合规可信体系及实现路径。图 15中，表示交易申请阶段参与主体注册及对应的管理机制、技术支撑。类似地，表示交易撮合阶段，表示交易实施阶段，表示交易结束阶段，以及各自对应的管理机制和技术支撑。数据交易 PDCA 模型 The PDCA Model for Data Transactions 32 图 15 管理与技术相互协同的数据要素流通使用合规可信体系及实现路径(1)管理制度与技术支撑相互协同的数据要素流通使用全流程合规可信体系(1)管理制度与技术支撑相互协同的数据要素流通使用全流程合规可信体系 管理制度与技术支撑相互保障的数据要素流通使用全流程合规可信体系包括合规可信制度体系、合规可信技术体系以及管理制度与支撑技术协同方案。数据要素可信流通使用制度体系包括事前审查制度、事中监控制度、事后审计制度等；技术体系包括数据交易系统技术、区块链系统技术、跨隐私平台的联邦学习系统技术以及可信执行环境技术等；图 15中标记的展示了数据要素流通使用不同阶段的管理制度和技术支撑的协同方案。具体而言，在数据流通使用的事前审查阶段，制定针对交易主体、交易数据和交易合约的审查制度，应对参与主体和数据采集安全风险；在技术上采用“机器审查 人工核验”方式保证审查流程合规可信，即对于资质信息、数据质量、交易条目等标准信息，如企业法人信息、营业执照、数据规模与量级、禁止交易数据清单等，采用基于机器学习算法进行自动审查与人工抽验方法；对于交易目的、数据来源等主观性较大的数据属性，采用人工核验方法。在数据流通使用的事中监控阶段，针对流通使用涉及的平台系统及软硬件、数据、云、网、端等环节制定安全保障制度，构建交易主体监控管理体系、算法行为监控管理体系和订单履行监控管理体系；在技术上设计基于智能算法支撑的保障体系，如基于智能识别技术的参与主体身份认证，保证参与主体可信；基于标识技术的数据权限管理方法，实现交付数据访问可控；面向数据用量异常检测的自动感知技术，监控数据合规加工使用；基于区块链技术的数据流通使用过程信息存证，保证数据流通使用全过程可追溯。在数据流通使用的事后审计阶段，制定数据滥用审计制度、数据侵权审计制度、主体失信审计制度，旨在确保数据流通使用全过程合规、争议可裁决、权益可保障；在技术上设计基于区块链存证信息的再审计体系，对数据流通使用全过程进行安全审计；基于数据标识和关联技术的数据追踪体系，对数据二次流通、转卖等侵权行为进行查验取证；融合交易主体信用评估制度体系与区块链可追溯技术，构建数据信用综合评估服务，推动数据流通市场公正可信发展。(2)数据要素流通使用全流程合规可信体系建设方案(2)数据要素流通使用全流程合规可信体系建设方案 脠窗筰箞孿颂跷颏裤述谸捹曀椬蓌整蚕捹曀舨樥刘晭忌莪啐螬迯媊箥箞螭媵辆莪盔六枕搞吼箥龆践P2P枈暼荟忌輈嶐筬惢椬蓌整蚕媵螬蹒鲸龆鳍脠窗筰箞孿颂跷颏舨樥刘晭忌莪螬媵辆莪怢敝颦蹒鲸呕媵螬捹曀媵螬荖潻捹曀媵逇颦常椬枈掷虹蹒鲸让掷虹焱列掷虹梁圞爺槁霁蹸葯卫轰冬廢嚶嬾壔箙闲媵螬惾厐捹曀媵叼颦淋敦椹痵勥为歮銺窿必誊箁澢终壋姎歮掎窿弊虹蓖胆靠梯嬄箙虮对輙龆践常椬常菨螬龆鳍梯嬄箙虮惾厐践掾槁霁疬铨掷虹重筬践掾媵翟嘂壋惾践掾螬晥暋触盌践掾 螬暱鲔蹾訊塟产聋重筬践掾盎聋对輙龆践 媵剞颊忌践掾媵盅椽壋惾践掾媵抽壋姎践掾 螬尐呕臂终虮蹾訊塟产柄壋煜践掾盎螬詵厐龆践螬媵重纏践掾螬勃胆縍緟筰盅践掾 螬嘕篸蹾訊产讲重践掾盎敦串鳍哞龆践数据交易 PDCA 模型 The PDCA Model for Data Transactions 33 数据要素流通使用全流程合规可信制度体系既有指导全国一体化实施数据要素流通使用的宏观基础制度，又有地方政府指导本地区实施数据要素流通使用的中观制度，同时还有数据要素交易机构实施数据要素流通使用的微观制度。在国家和地方层级的宏观制度、中观制度建设方案上，采用“自顶向下”的思路构建数据要素流通交易全流程合规可信基础制度体系。在地方和交易机构的微观制度、中观制度建设方案上，采用“自底向上”的思路，构建数据要素流通交易全流程合规可信运营制度体系。在安全可信制度的实施保障上，制定数据要素流通使用全流程合规可信制度体系培训政策、落实保障政策以及制度执行的监管政策，保障数据要素流通交易全流程合规可信制度有效落地。数据要素流通使用全流程合规可信技术体系既包括国家支撑数据要素流通交易的全国一体化基础设施，又包括各类数据交易机构支持数据要素可信可控可计量流通交易的基础设施。在全国一体化基础设施建设上，基于“东数西算”等国家基础实施建设战略，厘清全国一体化数据中心、算力中心、算法中心、安全中心等安全可信基础设施与流通环境的建设需求，提出相应的建设方案，为数据要素流通使用提供安全可信流通环境、共性公共服务、绿色高效的算力保障。在数据交易机构基础设施建设上，构建面向集合运算、联合建模及风险防控等功能的隐私协同计算平台，设计面向交易主体互信、数据登记互联、失信名单互通的跨链协同交易平台，为数据要素安全可信流通使用提供安全可信技术保障。在安全可信技术建设保障与互联互通上，建议国家开展相关技术攻关、基础理论探索等重点工程项目与专项行为计划立项工作，以重点工程项目与专项行动计划为牵引，建立国家、地方政府与交易机构共同投资建设的协同机制以及各类基础设施互联互通机制，建立安全可信、集约高效的全国一体化数据要素流通使用环境。数据交易 PDCA 模型 The PDCA Model for Data Transactions 34 参考献 1欧阳日辉 and 荆文君,数字经济发展的“中国路径”：典型事实、内在逻辑与策略选择J.改革,2023(08):26-41.2曹明星,数字经济下的数据要素治理与数字税收改革基于“信用价值集聚生产”创新经济理论的初步探讨J.税务研究,2022(11):36-42.3洪永淼,张明 and 刘颖,推动跨境数据安全有序流动 引领数字经济全球化发展J.中国科学院院刊,2022.37(10):1418-1425.4Turow J.,Hennessy M.and Bleakley A.,Consumers understanding of privacy rules in the marketplaceJ.Journal of consumer affairs,2008.42(3):411-424.5Kole S.R.,Measuring managerial equity ownership:a comparison of sources of ownership dataJ.Journal of corporate finance,1995.1(3-4):413-435.6徐翔 and 赵墨非,数据资本与经济增长路径J.经济研究,2020.55(10):38-54.7Kallus N.,Mao X.and Zhou A.,Assessing algorithmic fairness with unobserved protected class using data combinationJ.Management Science,2022.68(3):1959-1981.8Liu B.,Pavlou P.A.and Cheng X.,Achieving a balance between privacy protection and data collection:A field experimental examination of a theory-driven information technology solutionJ.Information Systems Research,2022.33(1):203-223.9Monga V.,Li Y.and Eldar Y.C.,Algorithm unrolling:Interpretable,efficient deep learning for signal and image processingJ.IEEE Signal Processing Magazine,2021.38(2):18-44.10夏义堃 and 管茜,政府数据资产管理的内涵、要素框架与运行模式J.电子政务,2022(01):2-13.11曾铮 and 王磊,数据要素市场基础性制度:突出问题与构建思路J.宏观经济研究,2021(03):85-101.12黄京磊,李金璞 and 汤珂,数据信托：可信的数据流通模式J.大数据,2023.9(02):67-78.13包晓丽 and 杜万里,数据可信交易体系的制度构建基于场内交易视角J.电子政务,2023(06):38-50.14林镇阳,侯智军,赵蓉,et al.,数据要素生态系统视角下数据运营平台的服务类型与监管体系构建J.电子政务,2022(08):89-99.15范文仲,完善数据要素基本制度 加快数据要素市场建设J.中国金融,2022(S1):14-17.16Rohn D.,Bican P.M.,Brem A.,et al.,Digital platform-based business modelsAn exploration of critical success factorsJ.Journal of Engineering and Technology Management,2021.60:101625.17窦悦,易成岐,黄倩倩,et al.,打造面向全国统一数据要素市场体系的国家数据要素流通共性基础设施平台构建国家“数联网”根服务体系的技术路径与若干思考J.数据分析与知识发现,2022.6(01):2-12.数据交易 PDCA 模型 The PDCA Model for Data Transactions 35 18王会金 and 刘国城,大数据时代电子政务云安全审计策略构建研究J.审计与经济研究,2021.36(04):1-9.19宋方青 and 邱子键,数据要素市场治理法治化：主体、权属与路径J.上海经济研究,2022(04):13-22.20黄科满 and 杜小勇,数据治理价值链模型与数据基础制度分析J.大数据,2022.8(04):3-16.21Robinson S.L.,Trust and breach of the psychological contractJ.Administrative science quarterly,1996:574-599.22Burt R.S.and Knez M.,Kinds of third-party effects on trustJ.Rationality and society,1995.7(3):255-292.23Mayer R.C.,Davis J.H.and Schoorman F.D.,An integrative model of organizational trustJ.Academy of management review,1995.20(3):709-734.24周怡,信任模式与市场经济秩序制度主义的解释路径J.社会科学,2013(06):58-69.25Rousseau D.M.,Sitkin S.B.,Burt R.S.,et al.,Not so different after all:A cross-discipline view of trustJ.Academy of management review,1998.23(3):393-404.26Zucker L.G.,Production of trust:Institutional sources of economic structure,18401920J.Research in organizational behavior,1986.27Luhmann N.,Trust and power.2018:John Wiley&Sons.28Sako M.,Price,quality and trust:Inter-firm relations in Britain and Japan.1992:Cambridge University Press.29Sztompka P.,Trust:A sociological theory.1999:Cambridge university press.30Bohnet I.and Huck S.,Repetition and reputation:Implications for trust and trustworthiness when institutions changeJ.American economic review,2004.94(2):362-366.31Gilson L.,Trust and the development of health care as a social institutionJ.Social science&medicine,2003.56(7):1453-1468.32全国信息标准化技术委员会,信息安全技术-数据交易服务安全要求.2019,中国标准出版社:北京.33Hutchings A.and Holt T.J.,The online stolen data market:disruption and intervention approachesJ.Global Crime,2017.18(1):11-30.34肖建华 and 柴芳墨,论数据权利与交易规制J.中国高校社会科学,2019(01):83-93 157-158.35Agarwal A.,Dahleh M.and Sarkar T.A marketplace for data:An algorithmic solution.in Proceedings of the 2019 ACM Conference on Economics and Computation.2019.36Li C.,Li D.Y.,Miklau G.,et al.,A theory of pricing private dataJ.ACM Transactions on Database Systems(TODS),2014.39(4):1-28.37刘小霞,张嘉熙,王申,et al.,基于多方计算技术的 数据交易机制研究J.Big Data Research(2096-0271),2022.8(3).38Acquisti A.,Taylor C.and Wagman L.,The economics of privacyJ.Journal of economic Literature,2016.54(2):442-492.数据交易 PDCA 模型 The PDCA Model for Data Transactions 36 39Balazinska M.,Howe B.and Suciu D.,Data markets in the cloud:An opportunity for the database communityJ.Proceedings of the VLDB Endowment,2011.4(12):1482-1485.40Kourid A.and Chikhi S.,A comparative study of recent advances in big data for security and privacyJ.Networking Communication and Data Knowledge Engineering:Volume 2,2018:249-259.41Goel P.,Patel R.,Garg D.,et al.A review on big data:privacy and security challenges.in 2021 3rd International Conference on Signal Processing and Communication(ICPSC).2021.IEEE.42Katzir Z.and Elovici Y.,Quantifying the resilience of machine learning classifiers used for cyber securityJ.Expert Systems with Applications,2018.92:419-429.43Feldman M.,Friedler S.A.,Moeller J.,et al.Certifying and removing disparate impact.in proceedings of the 21th ACM SIGKDD international conference on knowledge discovery and data mining.2015.44杜自然,窦悦,易成岐,et al.,TID-MOP：面向数据交易所场景下的安全管控综合框架J.数据分析与知识发现,2022.6(01):13-21.45Tan W.,Li L.,Zhou Z.,et al.,Blockchain-based distributed power transaction mechanism considering credit managementJ.Energy Reports,2022.8:565-572.46Gupta P.,Dedeoglu V.,Kanhere S.S.,et al.,TrailChain:Traceability of data ownership across blockchain-enabled multiple marketplacesJ.Journal of Network and Computer Applications,2022.203:103389.47Dai W.,Dai C.,Choo K.-K.R.,et al.,SDTE:A secure blockchain-based data trading ecosystemJ.IEEE Transactions on Information Forensics and Security,2019.15:725-737.48Zheng K.,Zheng L.J.,Gauthier J.,et al.,Blockchain technology for enterprise credit information sharing in supply chain financeJ.Journal of Innovation&Knowledge,2022.7(4):100256.49Zhang J.,Zhao Y.,Wang J.,et al.,FedMEC:improving efficiency of differentially private federated learning via mobile edge computingJ.Mobile Networks and Applications,2020.25(6):2421-2433.50郑婷一,庞亮 and 靳小龙,平台经济中的数据与算法安全J.大数据,2022.8(04):56-66.51Kefeng F.,Fei L.,Haiyang Y.,et al.,A BlockchainBased Flexible Data Auditing Scheme for the Cloud ServiceJ.Chinese Journal of Electronics,2021.30(6):1159-1166.

0人已浏览 2023-12-04 41页 5星级

数据要素市场发展指数 Data Factor Market Development Index 版权声明 本报告版权属上海数据交易所有限公司所有，并受法律保护。转载、编撰或其他方式使用本报告文字或观点，应注明来源数据要素市场发展指数。违反上述声明者，将追究其相关法律责任。数据要素市场发展指数 Data Factor Market Development Index 编写员（排名不分先后）夏、沈婧怡、卢勇、陈淑真、陈紫 编写单位（排名不分先后）数据流通与交易技术国家程实验室 上海数据交易所有限公司 数据要素市场发展指数 Data Factor Market Development Index 录 Contents 报告要点.?、数据要素市场城市?指数.?.编制背景.?.编制案.?.?城市选择.?.?计算指标设计法.?.?指数计算.?.?指数样本调整.?.?指数发布与更新.?.观察结果.?.?综合引领型城市：线领跑，新线.?.?加速成型城市：起步较晚，加速赶超.?.?机会潜型城市：产业基础薄弱，发展潜较强.?.数据要素分项发展现状.?.?数据要素治理.?.?数据要素供给.?.?数据要素流通.?.?数据要素保障.?.结语.?、数据要素市场景指数.?.编制案.?数据要素市场发展指数 Data Factor Market Development Index?.?景指数计算法.?.?景指数样本选择法.?.?景指数解读.?.?景指数更新和调整.?.数据要素市场景状况（?第?季度）.?附录：问卷调查表.?数据要素市场发展指数 Data Factor Market Development Index 1 报告要点“数据要素市场发展指数”由“数据要素市场城市 30 指数”与“数据要素市场景气指数”组成。“数据要素市场城市 30 指数”以“数据二十条”为编制指导，从“数据要素治理”、“数据要素流通”、“数据要素供给”、“数据要素保障”四个维度，聚焦城市数据要素市场发展成熟度。“数据要素市场景气指数”以 200家数据要素型企业为对象，利用季度问卷调查的方法，从业务、需求、价格、人员、利润、研发、预期等维度动态监测数据要素行业景气度，致力于打造数据要素领域的晴雨表。数据要素市场发展指数 Data Factor Market Development Index 2、数据要素市场城市 30 指数 1.编制背景 自 2022年关于构建数据基础制度更好发挥数据要素作用的意见（简称“数据二十条”），确立了数据要素市场作为国家重点培育对象的地位，2022 年被视为数据要素市场化元年。2023 年 2 月，国务院发布数字中国建设整体布局规划，为数据要素市场的顶层设计定调。数据要素市场的制度建设、地方实践高楼渐起，成果初现。与中央政策要求呼应，各地积极落实设定数据要素市场发展目标。2023 年 7 月，北京市印发关于更好发挥数据要素作用进一步加快发展数字经济的实施意见，提出力争到2030 年数据要素市场规模达到2,000亿元，基本完成国家数据基础制度先行先试工作，形成数据服务产业集聚区；2023 年 8 月，上海市人民政府办公厅印发立足数字经济新赛道推动数据要素产业创新发展行动方案（2023-2025 年），提出到2025 年，数据要素市场体系基本建成，数据要素产业动能全面释放，数据产业规模达 5,000 亿元，年均复合增长率达15%。“数据二十条”提出从数据产权、流通交易、收益分配、安全治理等方面构建数据基础制度的发展方向，各地区政府纷纷响应号召，加快数据要素市场建设的步伐。为对比中国各主要城市在数据要素市场的发展状况，指数编制组发布数据要素市场城市 30 指数（以下简称城市 30 指数），以“数据二十条”为评价标准，建立数据要素市场科学的指标体系。本报告根据各样本城市的指数，将三十个样本城市划分为综合引领型城市、加速成长型城市及机会潜力型城市三种类型，并对各类型城市的数据要素市场发展现状进行分析。2.编制案 2.1 城市选择 综合对比不同城市的经济发展水平，数据要素市场发展的自由度，本指数编制方案以中国境内（不含港、澳、台）主要城市为分析样本。直辖市和省会城市是我国大部分地区发展引擎，是各地区内经济发展水平的最高代表、经济社会活动最活跃的城市，企业产生的数据资源越丰富，越有可能形成数据生产要素。但部分省份经济发展相对落后，数据要素市场仍属于发展初期，因此本次指数编制选择直辖市和东部、中部、西部三个区域内经济水平发展较高的省会城市为样本，最终上海、北京、广州、杭州、南京、武汉、天津、贵阳、成都、合肥、重庆、南宁、济南、兰州、福州、长沙、海口、郑州、南昌、呼和浩特、昆明入选。此外，补充苏州、无锡、珠海、汕头四个经济发展潜力型城市。较高的发展自由度有利于推动数据要素市场加速发展。计划单列市有更大的决策自主权，可以获得更多政策和资金支持，因此补充深圳、宁波、青岛、大连、厦门五个计划单列市为入围城市。数据要素市场发展指数 Data Factor Market Development Index 3 2.2 计算指标设计法 综合考虑国家对数据要素市场的发展思路，本方案依据“数据二十条”中对数据要素市场四大基础制度的建设要求，设计了三层指标体系，包含 4 项一级维度指标、15 项二级维度指标、34 项三级细分衡量指标。通过分层拆解一、二级评价维度，保证对城市数据要素市场发展的评价全面性与科学性；对三级衡量指标分类汇总，平衡指数呈现结果清晰度与易理解程度。表 1 “城市 30 指数”指标体系#一级维度 一级维度 指标 指标#二级维度 二级维度 指标 指标#三级细分衡量指标 三级细分衡量指标 1 数据要素治理 1.1 政府数据治理 1.1.1 是否出台涉及数据流通监管机制的相关政策 1.1.2 是否出台涉及建立数据治理体系的相关政策 1.2 企业数据治理 1.2.1 提及要求企业进行数据治理的政策数量 1.2.2 提出建立数据要素登记及披露的政策数量 1.2.3 是否组建大数据产业联盟 1.2.4 是否组建数据相关协会 2 数据要素供给 2.1 数据权属保护 2.1.1 提及数据产权保护的政策数量 2.1.2 是否正在推动数据立法 2.2 公共数据供给 2.2.1 是否建立公共数据开放平台 2.2.2 是否形成了公共数据管理办法 2.2.3 是否形成公共/政务数据分类分级指南 2.2.4 是否开展公共数据授权运营探索 2.3 企业数据供给 2.3.1 是否建立数据采集/质量评估标准 2.3.2 提及数据交易/资产化/数字化转型的政策数量 2.3.3 大数据企业 50 强数量 2.3.4 数据相关赛道独角兽企业数量 2.4 个人数据供给 2.4.1 提及个人数据的政策数量 3 数据要素 流通 3.1 数据合规 3.1.1 数据合规管理办法数量 3.2 交易场所 3.2.1 是否形成数据交易场所标准/管理实施办法 3.2.2 是否设立数据交易机构 3.3 流通生态 3.3.1 是否有数据要素交易/流通利用激励性政策 3.3.2 是否进行数据生态探索（如建立生态样板区/建立生态产业链）数据要素市场发展指数 Data Factor Market Development Index 4 2.3 指数计算 城市 30 指数对 34 个三级细分衡量指标根据各城市发展差异从低到高进行 0 至 3 分打分。三级细分衡量指标具体包含进行“是/否判断”、“数量比较”两种类型。其中，对进行“是/否判断”的衡量指标根据“是”得 3 分，“否”得 0 分的标准赋分。对进行“数量比较”的衡量指标根据该城市表现与样本三分位数大小关系进行赋分。三分位数根据以下公式进行计算：样本三分位数=最小值 三分位点!#最大值 最小值%例如：第一三分位数=最小值 !#最大值 最小值%若“该城市表现第二三分位数”，赋3 分；若“第一三分位数该城市表现第二三分位数”，赋2 分；若“最小值该城市表现第一三分位数”，赋 1 分；若“该城市表现=最小值”，赋 0 分。二级衡量指标根据其对应的三级衡量指标分值加总形成：二级衡量指标分值=(其下属三级指标分值)一级衡量指标根据其对应的二级衡量指标分值加总，并调整为 0 至 100 分区间形成，以提高受众对一级指标的理解程度：一级衡量指标分值=其下属二级衡量指标分值加总其下属二级衡量指标满分 100 3.4 跨境流通 3.4.1 是否进行数据跨境流通探索 3.5 收益分配 3.5.1 提及数据定价相关的政策数量 3.5.2 提及数据资产评估相关的政策数量 3.5.3 提及政府对数据收益进行调节的政策数量 4 数据要素 市场 保障体系 4.1 组织建设 4.1.1 是否设有大数据管理局/大数据中心/数据集团 4.1.2 是否试验首席数据官制度 4.2 财政支持 4.2.1 是否有财政专项资金支撑数据发展 4.2.2 数据应用激励/补贴政策数量 4.2.3 是否有数字经济相关财政金融扶持政策 4.3 创新探索 4.3.1 是否建立数据创新示范区 4.4 理论/立法研究 4.4.1 是否设有国家级大数据实验室 4.4.2 数据研究机构数量 数据要素市场发展指数 Data Factor Market Development Index 5 最终，城市数据要素市场发展指数根据对应城市的一级衡量指标计算算数平均数形成：城市 30 指数=(一级指标分值)&2.4 指数样本调整 方案建议根据指数编制的不同阶段，阶梯型优化运营机制，并同步进行指数样本调整。伴随指数编制工作逐步成熟运行，城市 30指数将每年对中国境内城市进行筛选，基于前述样本选取方法筛选、更新合适指数的样本城市，并适当考虑扩充样本数量以提高指数对中国境内城市的整体覆盖范围。2.5 指数发布与更新 城市 30指数每年计算、更新并发布。更新依据各样本城市在各三级细分衡量指标的最新表现，综合考虑该城市相关政策出台、探索运营、激励补贴等情况计算。数据要素市场发展指数 Data Factor Market Development Index 6 3.观察结果 本期样本城市的数据要素市场发展指数分值集中在 40-100 分之间，呈现为综合引领型（大于 75 分）、加速成长型（60-75 分）、机会潜力型（小于 60 分）三个梯队：第一梯队：综合引领型（大于 75 分）上海、深圳、北京、广州、杭州、珠海、苏州、宁波、南京；第二梯队：加速成长型（60-75 分）武汉、天津、汕头、贵阳、成都、无锡、合肥、重庆、南宁、济南、青岛；第三梯队：机会潜力型（小于 60 分）厦门、兰州、福州、长沙、海口、郑州、大连、南昌、呼和浩特、昆明。表 2 城市 30 指数排名及总得分 排名 排名 城市 城市 总积分 总积分 排名 排名 城市 城市 总分 总分 1 1 上海 96.8 16 合肥 68.9 2 2 深圳 90.7 17 重庆 66.9 3 3 北京 88.3 18 南宁 66.7 4 4 广州 85.7 19 济南 62.7 5 5 杭州 81.6 20 青岛 60.4 6 6 珠海 81.2 21 厦门 58.4 7 7 苏州 78.9 22 兰州 58.3 8 8 宁波 77.7 23 福州 57.6 8 8 南京 77.7 24 长沙 57.3 10 10 武汉 74.4 25 海口 57.2 10 10 天津 74.4 26 郑州 53.5 12 12 汕头 73.5 27 大连 50.1 13 13 贵阳 71.8 28 南昌 46.0 14 14 成都 71.0 29 呼和浩特 45.7 15 15 无锡 69.3 30 昆明 42.5 数据要素市场发展指数 Data Factor Market Development Index 7 图 1 城市 30 指数三梯队城市分布 总体来看，各城市数据要素市场指数与本地的数字经济正相关，部分新一线城市表现亮眼。数据作为数字经济时代具有基础性战略资源和关键性生产要素，是发展数字经济的关键抓手。对比各地的数字经济发展指数，各城市数据要素市场的发展程度与各地数据经济实力呈正相关性。这一方面体现了有价值的数据要素是催生和推动数字经济新产业、新业态、新模式发展的基础。在数据挖掘、脱敏、分析的基础之上对数据资源实现高效利用，将极大地推动创新、加速产业升级。另一方面，数据对经济活动中的其他生产要素也具有倍增作用，可以利用数据流通中各利益相关方的对接，放大劳动力、资本等要素在社会各行业中的价值。此外，部分城市对比本地的数字经济发展水平，数据要素市场发展程度有亮眼表现。武汉、宁波、苏州、贵阳等城市数据要素市场发展超水平发挥，得益于其所在省市政府积极推动数据要素市场发展，力图抓住数据要素市场建设这一关键抓手，实现数字经济的“弯道超车”，形成了自身数据要素市场特色。以贵阳为例，其数据要素市场发力公共数据，打造明星气象数据产品，在交易、应用场景等方面均有创新探索。有力的政策支持成为这些城市数据要素市场发展的加速剂。数据要素市场发展指数 Data Factor Market Development Index 8 图 2 数字经济指数与城市 30 指数呈正相关关系 信息来源：H3C中国城市数字经济指数，指数编制研究组 3.1 综合引领型城市：线领跑，新线 综合引领型城市均为东部沿海地区的经济发达城市，数字经济发展水平高，除北京、上海、广州、深圳四大一线城市外，还包括杭州、南京等新一线城市，数据要素治理、数据要素供给、数据要素流通、数据要素市场保障体系四项指标均处于全国领先水平，为数据要素市场发展的排头兵。表 3 综合引领型城市 30 指数一级指标分数 排名 排名 城市 城市 数据要素治数据要素治理得分 理得分 数据要素供数据要素供给得分 给得分 数据要素流数据要素流通得分 通得分 数据要素保障数据要素保障体系得分 体系得分 总分 总分 1 1 上海 100.0 90.9 96.3 100.0 96.8 2 2 深圳 94.4 87.9 88.9 91.7 90.7 3 3 北京 94.4 81.8 85.2 91.7 88.3 4 4 广州 83.3 87.9 92.6 79.2 85.7 5 5 杭州 77.8 75.8 85.2 87.5 81.6 数据要素市场发展指数 Data Factor Market Development Index 9 6 6 珠海 83.3 81.8 88.9 70.8 81.2 7 7 苏州 77.8 72.7 77.8 87.5 78.9 8 8 宁波 77.8 78.8 66.7 87.5 77.7 8 8 南京 83.3 72.7 63.0 91.7 77.7 3.1.1 上海：数据要素先行者，各指标位列第一 上海雄厚的经济基础和数字经济规模为数据要素市场的建设提供了雄厚的产业基础。上海近年来持续推进国际经济、金融、贸易、航运和科技创新“五个中心建设”，夯实建设中国特色的超大规模城市和枢纽的战略定位。上海市国民经济和社会发展第十四个五年规划和二三五年远景目标纲要中，多次强调提高数据要素高频流动、高效配置、高能增值，鼓励数据跨境流动，及数据的跨领域、跨行业的数据融合与协同创新，依托超大城市海量数据、市场规模和应用场景优势，以数字技术创新带动科技变革、产业变革和城市治理方式变革，实现整体性转变、全方位赋能、革命性重塑。上海城市发展纲领性文件为数据要素市场的发展奠定了基调。上海对数据要素市场建设的政策支持力度领跑全国。2022 年正式生效的上海市数据条例是国内首部省级人大制定的数据条例，上海出台了数量最多、覆盖最广的数据要素相关政策，全面推动和保障数据要素市场的发展。例如，上海出台上海市“元宇宙”关键技术攻关行动方案（20232025年）促进数据资源技术基础设施建设，出台上海国际金融中心建设“十四五”规划推动上海大数据在金融行业的应用。上海在数据要素治理方面表现尤为突出。上海推进数据服务企业引培，培育涵盖数据收集、治理、加工等业务的数据中介、数商和数据运营管理机构，并协同行业协会、科研院所等多方力量参与数据治理，同时不断推进长三角数据要素治理技术标准和数据标准统一。上海经济发展水平和企业数字化水平领先，大量企业不断加入数字化转型的队伍中，为数据创新融合应用提供了丰富的应用场景。上海已打造了大数据、普惠金融等一批标杆性示范应用。丰富的数据应用场景也为数据流通提供了良好的发展机会，上海的数据流通与交易市场活跃。上海正积极打造数据交易生态，加速将数据要素发展转化为数字经济增量。在数商生态培育方面，上海正加速推动数据要素型企业的认定。同时，上海也积极推动国际数据港和国家级数据交易所两项重点工程的建设，促进数据高效合规流通。上海数据交易所牵头启动国内首个数据交易链建设，并加快构建数据要素流通标准体系，同时逐步完善数据交易合规服务生态、数据交易存证链条与数据交易国际板，促进跨境数据合规安全流通。3.1.2 北京：国央企数据资源丰富，科研水平领先 北京是我国的政治文化中心，对数字经济发展高度重视，是国家数字经济创新发展试验区，有利于加快试点示范和政策创新。北京市国民经济和社会发展第十四个五年规划和二三五年远景目标纲要中提到系统化构建数字发展新生态，深度挖掘数据资源内在价值，推动多行业、多领域、跨部门、跨层级数据有序数据要素市场发展指数 Data Factor Market Development Index 10 流通，推动企业数字化转型。在纲领性政策的引领下，北京的数据要素治理、数据要素供给、数据要素保障体系发展成熟。北京市数据要素资源优势显著。北京是各类央企、国企和民营企业的总部聚集地，具有较高的数字化水平，汇聚了种类丰富、规模庞大的商业数据资源。同时，北京积极推动智慧城市、数字政府、智能制造等重点行业率先进行数字化建设，沉淀和汇聚更多更高价值的数据资源。北京拥有国内最丰富优质的科研资源，数据要素市场保障水平较高。北京拥有数量最多的国家级大数据实验室和数据研究机构，理论研究水平先进，数据要素人才丰富，这些因素均为北京数据要素市场发展奠定了基础，推动数据要素市场加速发展。相比上海和深圳，北京的数据要素流通水平提升空间较大，其中主要是关于促进数据收益分配的政策较少，仅在“十四五”大数据产业发展规划等五条政策中提及了探索数据资产评估，在北京市数字经济促进条例中提及调节数据收益，对收益分配的政策推动力有待加强。3.1.3 广深珠：把握数据跨境优势，积极创新数据应用 广东省将建设高标准数据要素市场体系列为新阶段创造型、引领型改革任务，2022 年印发的广东省数据要素市场化配置改革行动方案旨在充分发挥海量数据资源和丰富应用场景优势，打通数据从资源到资产的全环节，“全省一盘棋”推进高质量新型数据要素市场体系建设。为全面推动数据要素市场建设，广东加快政策先行，出台的政策覆盖数据要素治理、数据要素供给、数据要素流通、数据要素保障体系中的多个细分领域，为数据要素市场提供制度保障，驱动数字经济发展。作为数字经济大省，广东有深圳、广州和珠海三个城市入围综合引领型城市。2020 年 10 月，中共中央办公厅国务院办公厅印发深圳建设中国特色社会主义先行示范区综合改革试点实施方案（20202025 年），在方案中，数据要素市场化配置被重点提及。作为我国经济特区，深圳始终注重数据要素市场的全方位体系化发展，数据要素治理、数据要素供给、数据要素保障体系均水平较高。凭借金融、高新技术产业等坚实的产业基础，深圳市拥有丰富的数据资源及应用场景，大力发展数据应用为企业发展赋能，推动深圳优势产业发展。相对而言，深圳的数据要素流通水平仍存在提升空间，其中对数据合规的政策推动力与上海存在差距，针对跨境数据交流，应更加注重完善相关监管机制，加强政府机构指导作用。广东省是数据跨境流动的先行者。广东凭借独特的地理位置优势，对我国粤港澳地区数据要素发展，对我国数据要素走向世界发挥着重要作用。其中，珠海持续深化珠澳合作，深圳则致力于打造深港数据跨境交易中心，体现深圳作为我国改革开放前沿阵地的主体地位。广东省也注重丰富的数据要素创新探索和实践经验积累。例如在深圳成立粤港澳大湾区大数据研究院及数据交易流通实验室，并将实践经验汇编成广东省数据要素市场化配置改革白皮书进行发布。3.1.4 杭州、宁波：发挥产业优势，提供丰富应用场景 浙江省把数字经济高质量发展作为奋力推进共同富裕先行和省域现代化先行的关键力量，通过数据要素赋能，扩大其他产业要素连接范围，促进市场公正公平竞争，提高全要素生产率，实现经济发展的效率变革。其中，杭州与宁波作为浙江省表现较好的两个城市，均在数据应用方向上各自发挥产业优势。数据要素市场发展指数 Data Factor Market Development Index 11 杭州市强化高质量数据要素供给。杭州的互联网产业飞速发展，集聚了阿里巴巴、网易等众多数字经济头部企业，促进数据要素供给水平的提升，也培育形成了智能制造、数字营销等数据应用场景。借助数字经济的产业基础，杭州市在高新区（滨江）成立了“中国数谷”，以数据要素市场化改革为突破，促进数据合规高效流通使用，赋能实体经济。杭州市的数据要素流通水平较高，在交易场所、流通生态方面尤为突出。2016 年，浙江大数据交易中心在杭州成立，并出台了数据知识产权交易指南（浙江省杭州市地方标准）指导数据交易场所管理，为数据要素的流通提供规范的平台。同时，杭州市注重流通生态建设，在浙江省数字经济促进条例、杭州市公共数据授权运营实施方案的推动下，不断激励数据要素交易和流通，通过“规则市场生态场景”四位一体推进数据价值化，力求形成在全国范围内可复制的“杭州模式”。但是，杭州在数据要素治理方面有待提高，主要是针对企业数据治理、数据要素登记及披露的相关政策指引相对薄弱。促进企业数据治理方面，主要在浙江省推进产业数据价值化改革试点方案中提及了围绕数据采集、存储、加工、交易、传输等全链条培育企业与数商，但缺乏具体的指引；促进数据要素登记及披露方面，除少部分浙江省出台的政策有提及外，只有杭州市数字经济发展“十四五”规划提及建立健全信息披露制度的发展目标。自宁波市数据要素市场化配置改革行动方案发布以来，宁波数据要素市场化配置改革工作进入快车道，逐步形成了以产品化为核心，市场化为路径，政府监管，国资引领，行业推进的发展模式，推动数据要素成为社会经济发展的战略性资源。宁波市积极抢抓数据要素市场机遇，发挥特色产业优势，数据要素供给发展水平较高。在数据要素供给方面，宁波市精准对接数据供给与需求，加强数据资源的高效利用，发挥宁波在港口物流、工业制造等方面的产业优势，激活数据要素发展潜能。宁波的数据要素市场保障体系发展成熟。宁波市全面加强组织建设，成立宁波市大数据发展管理局，并于 2023 年 1 月正式上线运营人工智能超算中心，为气象、科研等领域提供基础设施建设，为宁波市打造“全球智造创新之都”提供动力。与杭州相同，宁波对企业数据要素治理的政策推动作用有待加强，仅在宁波市数据要素市场化配置改革行动方案中提及促进企业进行数据的集中融合治理，仅在宁波市信息化发展“十四五”规划中提及进一步完善数据资产挂牌与登记制度的工作目标。3.1.5 南京、苏州：经济基础坚实，科研氛围浓厚 围绕国家“十四五”规划纲要中关于打造数字经济新优势的要求，江苏省出台了江苏省“十四五”大数据产业发展规划，以形成省内数据基础设施支撑有力、数据治理能力显著提升、数据要素流通规范有序、技术产品创新日趋活跃、融合应用不断深化的大数据新格局为发展目标。江苏省拥有坚实的制造业和实体经济基础，为培育数据要素市场提供了肥沃土壤。同时在大数据、工业互联网、人工智能等政策的推动下，江苏的数字要素市场的发展始终走在全国前列，拥有南京、苏州两座数据市场发展成熟的城市。数据要素市场发展指数 Data Factor Market Development Index 12 江苏的数据要素市场保障体系发展突出，凭借江苏的经济基础，在财政支持、组织建设、创新探索、理论研究等方面都有充足的保障举措。尤其是在数据研究方面，南京集中了江苏省雄厚的科研资源，拥有南京大学大数据服务与应用研究院等多个数据研究中心。但南京的数据要素流通水平则相对较低，在交易场所建设方面，南京市缺少市级大数据交易中心（所），只能依赖位于盐城的华东江苏大数据交易中心，因此也没并未形成专门的交易场所管理办法。在流通生态建设方面，南京也并未进行数据生态的探索，有待在未来进一步加强。相对来看，苏州的数据要素治理水平、数据要素供给水平相对薄弱，主要需加强推动企业数据要素治理的政策力度，提高企业数据质量以增加数据要素供给；并针对苏州的装备制造产业等优势产业整合公共数据资源和社会数据资源，提高数据要素供给水平。3.2 加速成型城市：起步较晚，加速赶超 加速成长型城市包含 11个城市，区域分布均匀，有东部地区的天津、汕头、无锡、济南、青岛，中部的武汉、合肥，以及西部地区的贵阳、成都、重庆、南宁。加速成长型城市虽在培育数据要素市场方面起步相对较晚，但均密集出台激励政策，鼓励数据要素市场发展。普遍来看，加速成长型城市在数据要素治理、数据要素供给、数据要素流通、数据要素保障体系四大方面往往各有所长，但发展不平衡，有待进行针对性突破，加速追赶综合引领型城市的发展水平。表 4 加速成长型城市 30 指数一级指标分数 排名 排名 城市 城市 数据要素治数据要素治理得分 理得分 数据要素供数据要素供给得分 给得分 数据要素流数据要素流通得分 通得分 数据要素保数据要素保障得分 障得分 总分 总分 10 10 武汉 88.9 72.7 44.4 91.7 74.4 10 10 天津 83.3 60.6 70.4 83.3 74.4 12 12 汕头 83.3 78.8 77.8 54.2 73.5 13 13 贵阳 66.7 63.6 77.8 79.2 71.8 14 14 成都 72.2 69.7 63.0 79.2 71.0 15 15 无锡 77.8 60.6 55.6 83.3 69.3 16 16 合肥 77.8 66.7 51.9 79.2 68.9 17 17 重庆 72.2 60.6 55.6 79.2 66.9 18 18 南宁 61.1 63.6 63.0 79.2 66.7 19 19 济南 72.2 48.5 59.3 70.8 62.7 20 20 青岛 55.6 48.5 66.7 70.8 60.4 数据要素市场发展指数 Data Factor Market Development Index 13 武汉位于我国中部地区，对于周边城市具有辐射带动作用，在中部地区崛起重要战略支点中具有引领地位，因此是国家重点支持的培育数据要素市场的城市之一。得益于武汉市数据要素市场化配置改革三年行动计划（20232025年）等政策的保障，以及光电子等高新技术产业的基础，武汉正着力推进数字产业化、产业数字化、数字化治理和数据要素价值化等工作。目前武汉的数据要素治理、数据要素保障体系已达到较高水平，出台了针对数据应用的激励和补贴政策，加大数字经济发展的人才激励、企业补贴力度，促进数据要素市场的加速发展。武汉的数据要素流通水平较低，数据合规和跨境流通探索、交易场所和流通生态构建都相对落后。武汉市目前出台的数据相关政策中并未提及数据合规管理，也并未对数据跨境流通进行探索。在交易场所建设的过程中，目前已成立华中大数据交易所、武汉东湖大数据交易中心，但并未形成针对数据交易场所的管理实施办法。针对数据生态的探索，目前尚未开始建立数据生态示范区、数据生态产业链等数据生态聚集区。我国西部数据中心的占比正稳步提高，贵州、成都、重庆都是东数西算的国家算力枢纽。其中，贵州拥有适合建设数据中心的气候和地理条件，是发展大数据产业的最大优势。虽然贵州数字经济的总规模不及第一梯队的城市，但每年的增速较快，正加速在实施数字经济战略上抢新机。贵阳大数据科创城已招引数据要素、数字阅读等新赛道的优质企业，全力打造区域数字产业聚集区。为促进数据要素流通，贵阳成立了首个以大数据命名的交易所贵阳大数据交易所，在全国率先探索数据要素流通交易价值和交易模式。相比之下，贵阳的数据要素治理水平较低。贵阳并未组建大数据相关的产业发展联盟，政策对数据要素登记和披露的推动力较弱，仅在贵州省政府数据共享开放条例和贵州省数据流通交易管理办法（试行）中提及数据登记，贵阳的数据要素治理水平有待全方面加强。山东省也出台了推动数据要素市场发展的政策。2022 年山东发布的关于加快推动平台经济规范健康持续发展的实施意见提到，将试点推进重点行业数据要素市场化进程，研究制定数据交易、应用开发的规则和流程，探索数据要素市场发展新机制。3.3 机会潜型城市：产业基础薄弱，发展潜较强 在三十个样本城市中，厦门、兰州、福州、长沙、海口、郑州、大连、南昌、呼和浩特、昆明十个机会潜力型城市相比其他城市数据相关产业基础薄弱，目前数据要素市场的发展水平较低，政策保障有待强化，数据要素各个领域的研究和探索亟需加强，期待进一步释放发展潜能，促进数字经济发展，高效赋能各城市的实体经济。表 5 机会潜力型城市 30 指数一级指标分数 排排名 名 城市 城市 数据要素治理积数据要素治理积分 分 数据要素供给积数据要素供给积分 分 数据要素流通积数据要素流通积分 分 数据要素保障积数据要素保障积分 分 总总分 分 21 21 厦门 61.1 57.6 48.1 66.7 58.4 数据要素市场发展指数 Data Factor Market Development Index 14 具体来看，厦门、福州、长沙、海口、郑州已有一定促进数据要素市场发展的举措，通过总结和借鉴综合引领型城市数据要素市场的发展经验，结合本地发展特色，正逐步开启培育本地数据要素市场的探索。福建省按下了数据要素市场建设的加速键，将深化数据要素市场改革，探索构建数据流通交易体系，丰富健全数据交易方式手段。湖南省的数据产业发展迅猛，数据要素市场已初现规模，但与高标准市场体系相比仍有较大差距。海南省则总结了北京、上海、广东等省市的经验做法，探索具有自由贸易区特色的数据产品开发利用与交易新模式。河南省通过打造地市数据要素市场培育试点城市，培育基于公共数据运营为主的数据要素市场，探索可复制、可推广的河南区域特色数据要素市场新路径。而大连、南昌、呼和浩特、昆明四个城市仍在观望中，省级和市级出台的与数据相关政策均较少。由于经济发展水平相对较低，数字经济基础薄弱，因此缺乏发展数字要素市场的先天条件，未来应以公共数据资源为抓手推动数据要素市场的建设。4.数据要素分项发展现状 三十个样本城市在数据要素治理、数据要素供给、数据要素流通、数据要素保障体系各有所长，通过对分项一级指数的分析，可以观察出各个城市在数据要素市场建设中的短板与长板，针对性扬长避短。22 22 兰州 77.8 36.4 48.1 70.8 58.3 23 23 福州 61.1 60.6 29.6 79.2 57.6 24 24 长沙 61.1 60.6 40.7 66.7 57.3 25 25 海口 77.8 45.5 55.6 50.0 57.2 26 26 郑州 44.4 39.4 59.3 70.8 53.5 27 27 大连 72.2 45.5 37.0 45.8 50.1 28 28 南昌 61.1 48.5 37.0 37.5 46.0 29 29 呼和浩特 61.1 36.4 18.5 66.7 45.7 30 30 昆明 61.1 27.3 48.1 33.3 42.5 数据要素市场发展指数 Data Factor Market Development Index 15 4.1 数据要素治理 表 6 30 城市数据要素治理水平排名及分数 数据要素治理是释放数据价值的有效路径，也是数据要素化的起点。在数据要素治理领域，上海凭借较高的公共数据治理水平位居第一，深圳则紧随其后。深圳肩负着促进跨境数据流通交易，探索建立全球数据融通机制的使命，坚持数据安全与发展并重的原则，构建“新型数据治理”体系。但总体来看，除一线城市领先外，其余城市尤其是新一线，在数据治理上表现未形成显著差异。这主要是由于目前数据治理集中于公共数据和国央企的企业数据治理，北、上、广三地由于政务、国企数字化走在前列，表现突出；其他城市近年来开始出台政策，推动政务数据统一归集，建设地方大数据中心，但完成数据治理仍需时日。排名 排名 城市 城市 数据治理得分 数据治理得分 排名 排名 城市 城市 数据治理得分 数据治理得分 1 1 上海 100.0 10 海口 77.8 2 2 深圳 94.4 17 成都 72.2 2 2 北京 94.4 17 重庆 72.2 4 4 武汉 88.9 17 济南 72.2 5 5 广州 83.3 17 大连 72.2 5 5 珠海 83.3 21 贵阳 66.7 5 5 南京 83.3 22 南宁 61.1 5 5 天津 83.3 22 厦门 61.1 5 5 汕头 83.3 22 福州 61.1 10 10 杭州 77.8 22 长沙 61.1 10 10 苏州 77.8 22 南昌 61.1 10 10 宁波 77.8 22 呼和浩特 61.1 10 10 无锡 77.8 22 昆明 61.1 10 10 合肥 77.8 29 青岛 55.6 10 10 兰州 77.8 30 郑州 44.4 数据要素市场发展指数 Data Factor Market Development Index 16 4.2 数据要素供给 表 7 30 城市数据要素供给水平排名及分数 数据要素供给的主要影响因素是数字经济发展水平。上海数字经济发展领跑全国，加之近年来长三角推动建设科技创新共同体，提出在长三角加强国科平台、各省市相关平台的数据共享，极大丰富了公共数据的供给。广东省的企业数据、公共数据供给丰富，拉动了以广州、深圳为核心的珠三角地区的数据供给水平。截至 2023 年 4 月，广东省向社会开放 57138 个数据集，累计开放超过 10.66 亿条政府数据。同时，广东省也是 GDP 大省，丰厚的经济基础也为数据供给提供了肥沃土壤。排名 排名 城市 城市 数据供给得分 数据供给得分 排名 排名 城市 城市 数据供给得分 数据供给得分 1 1 上海 90.9 16 天津 60.6 2 2 深圳 87.9 16 无锡 60.6 2 2 广州 87.9 16 重庆 60.6 4 4 北京 81.8 16 福州 60.6 4 4 珠海 81.8 16 长沙 60.6 6 6 汕头 78.8 21 厦门 57.6 6 6 宁波 78.8 22 济南 48.5 8 8 杭州 75.8 22 南昌 48.5 9 9 武汉 72.7 22 青岛 48.5 9 9 南京 72.7 25 海口 45.5 9 9 苏州 72.7 25 大连 45.5 12 12 成都 69.7 27 郑州 39.4 13 13 合肥 66.7 28 兰州 36.4 14 14 贵阳 63.6 28 呼和浩特 36.4 1414 南宁 63.6 30 昆明 27.3 数据要素市场发展指数 Data Factor Market Development Index 17 4.3 数据要素流通 表 8 30 城市数据要素流通水平排名及分数 公共数据授权运营的不断探索，推动了数据流通的活跃。北京、上海、广东等地纷纷制定公共数据授权运营基本规则，加速推动落地实践。北京建设运营公共数据金融专区，金融领域的数据流通得到极大活跃，数据支撑金融服务已形成成熟应用场景；上海授权开展公共数据运营业务，推动以公共数据为牵引，加快实现公共数据、行业数据、社会数据资源的整合布局。此外，数据流通与交易的发展离不开各地交易所、交易机构的推动。上海数据交易所积极引导各类数据供需方参与数据交易，积极构建数商生态。利用大湾区优势，深圳数据交易所以深港数据交易合作机制为抓手，积极推动数据跨境流通交易。排名 排名 城市 城市 数据流通得分 数据流通得分 排名 排名 城市 城市 数据流通得分 数据流通得分 1 1 上海 96.3 16 济南 59.3 2 2 广州 92.6 16 郑州 59.3 3 3 深圳 88.9 18 无锡 55.6 3 3 珠海 88.9 18 重庆 55.6 5 5 北京 85.2 18 海口 55.6 5 5 杭州 85.2 21 合肥 51.9 7 7 汕头 77.8 22 厦门 48.1 7 7 苏州 77.8 22 兰州 48.1 7 7 贵阳 77.8 22 昆明 48.1 10 10 天津 70.4 25 武汉 44.4 11 11 宁波 66.7 26 长沙 40.7 11 11 青岛 66.7 27 南昌 37.0 13 13 南京 63.0 27 大连 37.0 13 13 成都 63.0 29 福州 29.6 13 13 南宁 63.0 30 呼和浩特 18.5 数据要素市场发展指数 Data Factor Market Development Index 18 4.4 数据要素保障 表 9 30 城市数据要素保障体系水平排名及分数 数据要素保障体系主要与本地是否有交易所或交易机构、以及各个城市的科研资源相关。以高校资源为依托，由各地交易所、数据类企业牵头或参与，已成为推动数据要素市场理论演进、构建保障体系的典型模式。以上海为例，上海数据交易中心牵头承接大数据流通与交易技术国家工程实验室，协同浪潮软件、中国联通等企业，依托复旦大学等优质高校科研资源，在数据流通、数据资产等前沿问题上不断构建理论体系，为市场提供指引。因此，本地有交易所或交易机构、有优质的科研高校资源的上海、深圳、北京三地，在数据要素保障方面有显著优势。5.结语 积极推进数据要素市场建设已成为各城市促进数字经济发展的共识。虽然当前数据要素市场还处于发展初期，存在诸多待解难题和挑战，但是未来随着企业理论贡献与实践创新、政府政策支持与规划引导，将逐渐形成破局之道，推动数据要素产业动能全面释放。排名 排名 城市 城市 数据保障得分 数据保障得分 排名 排名 城市 城市 数据保障得分 数据保障得分 1 1 上海 100.0 11 合肥 79.2 2 2 深圳 91.7 11 福州 79.2 2 2 北京 91.7 18 珠海 70.8 2 2 南京 91.7 18 青岛 70.8 2 2 武汉 91.7 18 济南 70.8 6 6 杭州 87.5 18 郑州 70.8 6 6 苏州 87.5 18 兰州 70.8 6 6 宁波 87.5 23 厦门 66.7 9 9 天津 83.3 23 长沙 66.7 9 9 无锡 83.3 23 呼和浩特 66.7 11 11 广州 79.2 26 汕头 54.2 11 11 贵阳 79.2 27 海口 50.0 11 11 成都 79.2 28 大连 45.8 11 11 南宁 79.2 29 南昌 37.5 11 11 重庆 79.2 30 昆明 33.3 数据要素市场发展指数 Data Factor Market Development Index 19、数据要素市场景指数 1.编制案 数据要素市场景气指数旨在度量和评估数据要素市场的整体景气状况。通过对企业内从事数据交易相关业务的主管人员进行问卷调查，景气指数不仅可以揭示整个数据要素市场的发展趋势，还能够洞察市场的机遇、风险和潜在挑战。这为企业、投资者和政府提供了更为客观和全面的决策基础，为相关市场主体把握数据要素景气状况服务。编制组采用对企业内从事数据交易相关主管人员进行问卷调查的方式来评估数据要素市场的景气情况。问卷调查的内容包括但不限于：1.企业基本情况（包括企业名称、联系电话、详细地址）等。2.与数据交易相关的业务量、从业人员、价格、利润、研发投入等情况的判断和预测。3.企业数据交易从业难点与相关建议。景气指数的编制依据 2 构建 8 个分类指数，分别为：业务活动指数：企业参与数据交易业务总量季度变化指标。新订单指数：企业数据产品新订单季度变化指标。在手订单指数：企业尚未完成的数据产品订单季度变化指标。产品价格指数：企业主要数据产品销售平均价格季度变化指标。从业人员指数：企业从事数据交易业务人员数量季度变化指标。营业利润指数：企业从事数据交易业务获得利润季度变化指标。业务预期指数：企业对下一季度数据交易业务情况的判断指标。产品研发指数：企业对数据产品的研发投入季度变化指标。针对这 8 个分类指数，采用五分量表问卷法，让被调对象在（1）明显增加/上升、（2）有所增加/上升、（3）基本不变、（4）有所减少/下降、（5）明显减少/下降，进行选择。详细的问卷设计请参考附录部分。?.?景指数计算法 数据要素市场景气指数采用扩散指数法编制。针对上述每个问题，赋予各选项不同权重（明显增加/上升选项为 1，有所增加/上升选项为 0.5，基本不变为 0，有所减少/下降选项为-0.5，明显减少/下降选项为-1），将各选项的占比与权重相乘，进行系数调整后，得出该指标的指数。具体的计算过程如下：分类指数计算：!=() 0.5)#0.5)$)%)0 1 其中!为第2个分类指数的取值，)为该单项回答明显增加（明显上升）的比重，)#为回答有所增加（有所上升）的比重，)$为回答有所减少（有所下降）的比重，)%为回答明显减少（明显下降）的比重。0、1为标准化系数，将景气指数范围由1,1变换为1 0,1 0，荣枯线为1（以采购经理人指数PMI 为例，其0=50、1=50，变动范围为0,100，荣枯线为 50），这里取0=50、1=50，因此景气指数取值范围 0-100，荣枯线为 50。数据要素市场发展指数 Data Factor Market Development Index 20?.?景指数样本选择法 我们采用PPS 抽样调查方法。PPS 通常根据总体单元的规模大小确定其入样概率，限于数据可得性，这里使用企业的参保人员数量作为企业规模的度量。PPS 作为典型的不等概率抽样，可以减少抽样误差，使样本更具有代表性，能够实事求是地反映数据要素市场的总体情况。?.?景指数解读 景气指数取值0-100，荣枯线为50，当景气指数取值高于50 时，表明当前季度数据要素市场处于景气状态，且数值越大越景气。低于 50 则说明市场萧条，取值越低表明市场越不景气。?.?景指数更新和调整 方案建议根据指数编制的不同阶段，阶梯型优化运营机制，并同步进行指数样本调整。伴随指数编制工作逐步成熟运行，数据要素市场景气指数将每年对相关企业进行跟踪筛选，基于前述样本选取方法筛选、更新合适指数的样本企业，并适当考虑扩充样本数量以提高指数的整体覆盖范围。同时，我们的前期研究表明，数据要素市场具有明显的季节性。年初与年底的交易规模有显著差别，由春节假期导致数据交易环比走弱的效应尤其明显。因此，只有将季节效应剔除，得到的最终指数才能真正反映数据要素市场的真实景气水平1。2.数据要素市场景状况（2023 第 3 季度）根据 2023 年第 3 季度的统计数据显示：业务活动指数为 50.87%，其中 36.99%的企业认为本季的业务总量比上季度“有所增加”，34.68%认为“基本不变”，23.12%认为“所有减少”，5.20%认为“明显减少”。新订单指数为 47.11%，其中 4.62%的企业认为本季度的数据产品新订单比上季度“明显增加”，31.21%认为“有所增加”，24.86%认为“基本不变”，26.59%认为“有所减少”，12.72%认为“明显减少”。在手订单指数为 50.43%，其中 9.83%的企业认为本季度目前尚未完成的数据产品订单比上季度“明显增加”，24.86%认为“有所增加”，32.95%认为“基本不变”，21.97%认为“有所减少”，10.40%认为“明显减少”。产品价格指数为 51.73%，其中 10.40%的企业认为本季度主要数据产品销售平均价格比上季度“明显上升”，27.75%认为“有所上升”，30.64%认为“基本不变”，20.81%认为“有所下降”，10.41%认为“明显下降”。从业人员指数为 50.04%，其中 9.24%的企业认为本季度从事数据交易业务的人员数量比上季度“明显增加”，26.00%认为“有所增加”，32.37%认为“基本不变”，20.23%认为“有所减少”，12.04%认为“明显减少”。营业利润指数为 49.42%，其中 8.09%的企业认为本季度从数据交易中获得的营业利润比上季度“明显增加”，29.48%认为“有所增加”，26.59%认为“基本不变”，23.70%认为“有所减少”，12.14%认为“明显减少”。业务预期指数为 50.58%，其中 8.09%的企业认为下个季度的数据交易活动整体水平会“明显上升”，26.01%认为“有所上升”，33.53%认为“基本不变”，24.86%认为“有所下降”，7.51%认为“明显下降”。产品研发指数为 48.99%，其中 6.94%的企业认为本季度对数据产品研发的投入比上季度“明显上升”，27.75%认为“有所上升”，31.79%认为“基本不变”，21.39%认为“有所下降”，12.14%认为“明显下降”。1 前发布的数据要素市场景指数未经季节调整。数据要素市场发展指数 Data Factor Market Development Index 21 上面 8 个分类指数中，最有代表性的是“业务活动指数”，它整体反映了数据要素型企业参与数据交易相关的业务总量变化情况。因此可以断定，2023 年第 3 季度数据要素市场整体处于景气区间。表 1 与图 1 具体展示了业务活动、新订单、在手订单、产品价格、从业人员、营业利润、业务预期、产品研发 8 个分类指数的取值情况。表 10 数据要素市场景气指数表（单位：%）业务活动指数 新订单指数 在手订单指数 产品价格指数 从业人员指数 营业利润指数 业务预期指数 产品研发指数 2023.Q3 50.87 47.11 50.43 51.73 50.04 49.42 50.58 48.99 图 3 2023Q3 数据要素市场景气指数 50.8747.1150.4351.7350.0449.4250.5848.9846474849505152业务活动指数新订单指数在手订单指数产品价格指数从业人员指数营业利润指数业务预期指数产品研发指数数据要素市场发展指数 Data Factor Market Development Index 22 附录：问卷调查表 问卷调查表 1：企业基本情况表 问卷调查表 1：企业基本情况表 01 单位详细名称 02 组织机构代码 03 单位所在地区及详细地址 省（自治区、直辖市）市（地、州、盟）请于下列各选项 中打“”04 是否有数据交易业务 是 否 05 是否为上市公司 是 否 06 登记注册类型 国有 与港澳台商合资经营 中外合资经营 集体 与港澳台商合作经营 中外合作经营 股份合作 港澳台独资 外资企业 国有联营 港澳台商投资股份有限公司 外商投资股份有限公司 集体联营 其他港澳台投资 其他外商投资 国有与集体联营 其他联营 国有独资公司 07 是否有数据交易业务 是 否 08 是否为上市公司 是 否 09 单位规模 大型 中型 小型 微型 10 行业代码 11 从业人员期末人数 人 12 主要经济指标（不保留小数位）上年末营业收入 万元 上年末贷款余额 万元 上年末资产总计 万元 13 主要业务活动（或主要产品，填写营业收入）数据要素市场发展指数 Data Factor Market Development Index 23 问卷调查表 2：数据业务问卷调查表，调查对象为数据业务部门主管级以上人员问卷调查表 2：数据业务问卷调查表，调查对象为数据业务部门主管级以上人员 统一社会信用代码 组织机构代码-单位详细名称：20 年 月 01、业务总量：贵企业完成的数据交易业务总量比上季度 明显增加 有所增加 基本不变 有所减少 明显减少 02、新订单（客户需求）：贵企业的数据产品新订单（业务需求量）比上季度（不考虑完成）明显增加 有所增加 基本不变 有所减少 明显减少 03、未完成订单（业务）：贵企业目前尚未完成的数据产品订单（业务）比上季度 明显增加 有所增加 基本不变 有所减少 明显减少 04、收费价格：贵企业目前的主要数据产品销售平均价格水平比上季度 明显上升 有所上升 基本不变 有所下降 明显下降 05、从业人员：贵企业目前从事数据交易业务的人员数量（含在岗职工、劳动派遣人员及其他从业人员）比上季度 明显增加 有所增加 基本不变 有所减少 明显减少 06、营业利润：贵企业本季度从数据交易中获得的营业利润比上季度 明显增加 有所增加 基本不变 有所减少 明显减少 07、业务活动预期：您对贵企业下个季度数据交易活动整体水平的判断和预测 明显上升 有所上升 基本不变 有所下降 明显下降 08、数据产品研发：贵企业本季度对数据产品研发的投入比上季度 明显上升 有所上升 基本不变 有所下降 明显下降 09、竞争能力：贵企业本季度在同行业的竞争能力比上季度 明显提升 有所提升 基本不变 有所下降 明显下降 10、贵企业数据交易业务占全部业务的比重为：80%-100P%-800%-50%-30%不足 10、贵企业交易的数据产品主要赋能于哪些行业？（可多选）金融 医疗 交运 零售 贸易 制造 互联网 农业 高校与研究机构 其他（请具体说明）12、贵企业目前在数据交易业务中遇到的主要问题或困难是什么？（可多选）合规成本高 交易程序复杂 数据产品价格确定困难 缺乏优质数据源 拓客难度大 相关人才缺失 其他（请具体说明）13、您对本行业或企业发展如何评价？有何建议？填表人姓名：职务：电话：报出日期：20 年 月 日 说明：1.本表由被调研企业主管运营的负责人、数据业务部门或采购经理填报。2.本表为季度报表，报送时间为每年 1、4、7、10 月的第 3-5 工作日填写。3.选项的界限：对“基本不变”选项的界限由企业填表人根据经验进行选择判断。

0人已浏览 2023-12-03 28页 5星级

拥抱未来！数据库技术的最新发展与创新趋势章颖强(江疑)阿里云数据库资深技术专家个人简介章颖强，花名江疑。阿里云资深技术专家（P9），PolarDB事务引擎和新架构研发负责人。q 浙江大学本科、研究生，十年以上的数据库研发经验，AliSQL的创始研发之一。q 14-18年阿里双十一数据库内核负责人，主导集团数据库架构从MySQL演进到基于Paxos的X-DB架构。q 目前负责阿里云主营战略产品PolarDB的内核研发和架构演进，并担任ICDE 等数据库顶级国际会议的程序委员。同时多个技术架构突破在 SIGMOD/VLDB/ASPLOS 等顶会发表。Outlines 传统数据库架构和云的本质 云原生数据库的最新发展 新一代云原生数据库的趋势传统数据库架构MemoryCPUDatabaseStoragePhysical MachinePhysical MachineVMVMVMMemoryCPUDatabaseStorageMemoryCPUDatabaseStorageMemoryCPUDatabaseStorage传统IT架构下的传统数据库云架构下的传统数据库传统数据库架构Physical MachineVMVMVMMEMCPUDatabaseStoragePhysical MachineVMVMVMMEMCPUDatabaseStorage 多种资源规格耦合 弹性困难云的本质和云原生数据库 Cloud computing is the on-demand availability of computer system resources,especially data storage(cloud storage)and computing power,without direct active management by the user.Cloud computing relies on sharing of resources to achieve coherence and economies of scale.For system builders,it is imperative to purposely optimize system design and implementation explicitly for the underlying cloud infrastructure to achieve the best elasticity,cost,and efficiency.These purpose-built cloud systems are called cloud-native systems.Ref:https:/en.wikipedia.org/wiki/Cloud_computinghttps:/www.cs.purdue.edu/homes/csjgwang/cloudb/云原生数据库 Storage DisaggregationMemoryCPUDatabaseStorageMemoryCPUDatabaseStorageData migration happenedwhen scaling upMemoryCPUDatabaseMemoryCPUShared StorageScale up withoutdata migrationDatabase On-demand storage Fast scale up for compute node Fast scale out for read replicaOutlines 传统数据库架构和云的本质 云原生数据库的最新发展 新一代云原生数据库的趋势云原生数据库架构 计算存储分离架构MemoryCPUDatabaseShared StorageMemoryCPUDatabaseMemoryCPUDatabaseRead-write nodeRead-only nodes Amazon Aurora(2014)Alibaba PolarDB(2017)Azure Hyperscale(2018)Tencent CynosDB(2019)Huawei TaurusDB(2020)阿里云数据库的历史和发展Gartner 2022 全球数据库魔力象限PolarDB阿里自研云原生数据库 17年国内首个云原生数据库 支持1写16读，最大100TB存储 软硬件一体化设计 高性能一致性协议阿里云数据库的历史和发展去IOE时代20092013AliSQL时代20132017PolarDB时代2017PolarDB在云数据库中的位置PolarDB的创新点 PolarFSPolarFS:An Ultra-low Latency and Failure Resilient Distributed File System for Shared Storage Cloud Database(VLDB 2018)OS-bypass and zero-copy -by RDMA ParallelRaftPolarDB的创新点 ParallelRaftPolarFS:An Ultra-low Latency and Failure Resilient Distributed File System for Shared Storage Cloud Database(VLDB 2018)Out-of-Order Ack/Commit/Apply Fast CatchupPolarDB的创新点 基于共享内存的一写多读TransactionB TreeBuffer PoolRedo LogServerInnoDBQueryBinlogTransactionB TreeBuffer PoolServerInnoDBQueryBinlogRedo ApplyPhysical ReplicationDataRedoRWROACL CacheSP CacheCacheQuery CacheTable StatsParser/Optimizer/ExcutorACL CacheSP CacheQuery CacheTable StatsParser/Optimizer/ExcutorCacheUpdate34568lwmhwm21118trx_idsACL CacheSP CacheQuery CacheTableStatistics1.B 树正确性2.事务 MVCC 隔离3.Server Cache 同步QueryPolarDB的创新点 库表级多写STOSTOSTOMEMMEMMEMRWRW全局ROScale OutRWRW 库表级多写库表级多写l支持不同库/表在不同RW节点并发写入l秒级横向扩展，极大提升整体的并发读写能力l多主互备，秒级切换，无需热备，成本降低一半l支持全局只读节点，高效执行汇聚库请求Scale UpPolarDB的创新点 无感Serverless基于热备技术秒级切换连接、事务跨机续传快速CPU 弹降无感BufferPool Resize高效的远程内存池支持 智能决策本地 ScaleUp跨机 ScaleUp集群维度高性能全局一致性热资源池秒级横向弹性跨机 ScaleOutPolarDB的创新点 IMCI大容量、更低成本的CXL内存可提供更多的数据缓存空间，进一步减少磁盘I/O列存节点支持多机并行执行，共享同一份数据，横向伸缩能力再度加强RWHTAP-RO MPP ClusterHybrid DataPolarProxyRow-indexSQL Parser/OptimizerRow-ExeColumn-ExeColumn-indexSQLCacheExedispatcherSQLCacheExedispatcherSQLCacheExedispatcherCXL mem clusterShared Column Index DatadatacmddatacmdScale In/OutScale In/Out更大数据量、更高性能TPCH-1TB单节点性能再提升10倍多机执行性能实现近线性加速比Outlines 传统数据库架构和云的本质 云原生数据库的最新发展 新一代云原生数据库的趋势云原生数据库的发展方向staticscaleelastic云原生数据库的发展方向 Memory Disaggregation The End of Slow Networks:Its Time for a Redesign,VLDB16.Accelerating Relational Databases by Leveraging Remote Memory and RDMA,SIGMOD16 Efficient Memory Disaggregation with Infiniswap,NSDI17 LegoOS:A Disseminated,Distributed OS for Hardware Resource Disaggregation,OSDI18 Best Paper Understanding the Effect of Data Center Resource Disaggregation on Production DBMSs,VLDB20新一代云原生数据库架构 PolarDB三层解耦基于高速RDMA的三层分离架构分布式共享存储分布式共享内存计算节点代理层主节点SQL事务本地BP分布式提交时间戳分布式缓存一致性分布式全局锁行存索引 Buffer Pool列存索引-IMCI行列索引同步RDMA networkChunkServerAbcPolarFS PolarStoreChunkServeraBcChunkServerabCParallel Raft主节点SQL事务本地BP主节点SQL事务本地BPRDMA networkPolarProxy分析节点Vectorized Execution EngineExpression Framework（SIMD)Table ScanSchedulerGroup ByAggregationHash JoinNested Loop JoinOtherOperatorSchedulerSchedulerScheduler新一代云原生数据库架构 行级多写 利用全局事务ID和提交时间戳确定事务提交序和可见性 利用多级别不同粒度的全局锁实现高效的跨节点的并发控制 通过Page锁实现跨节点缓存一致性 支持多个master节点的行级并发行级并发写入，突破单点写入瓶颈Buffer fusionMEMTRX fusionLock fusionMEMPolarFusion ServicesPROXYScale OutRWRWRWRWPolarStore行级并发写入PolarFusion 实现事务、锁、缓存信息全局协调 实现高速的跨节点的信息协调高度融合RDMA新一代云原生数据库架构 Polar4AI05000ResNet-50BERTEfficientNet-B7GPT-2GPT-3!#$%&%()* ,%&%-!#$%&数据加工模型评估模型训练模型部署数据清洗、特征计算模型选择、参数选择稳定、高效在线部署、离线推理模型和数据的交互涉及多个系统，越来越复杂通过扩展的通过扩展的AIAI SQLSQL和和AIAI节点，节点，PolarDBPolarDB支持支持大模型：阿里通义千问等大模型开箱即用MLOps：模型训练，模型推理，模型部署等操作NL2SQL：自然语言驱动的数据查询ID Mapping：便捷的实体对齐AIGC：模型产生数据与数据库数据互操作在Polar4AI覆盖场景下，能够：帮助用户节省50%以上的AI硬件成本，节约80%以上AI模型开发时间一个系统PolarDB一种语言SQLAIAI写在最后 工业和学术的GAPWhat are we doing with our lives?nobody cares about our concurrencycontrol research.Pavlo,Andy SIGMOD 2017 Keynote

0人已浏览 2023-12-02 26页 5星级

1?|?2023?xxx?1?|?2023?xxx?&?2?|?2023?xxx?1 1.?.?4 4?2.2.?.?8 8?3.3.?.?1313?4.4.?.?1515?5.5.?.?2929?.?3232?.?3333?.?3434?.?3535?3?|?2023?xxx?4?|?2023?xxx?1 1.?研?研?研?研?研?模?纸?研?研?研?研?务?研?研?研?研?研?务?撑?撑?撰?研?撰?1?研?2?研?纸?研?3?研?模?4?研?研?研?研?研?确?研?务?研?务?研?务?研?务?务?研?研?研?务?研?研?研?研?纸?研?研?够?5?|?2023?xxx?1?研?送?务?研?研?研?研?6?|?2023?xxx?2022?4?2022?4?7?|?2023?xxx?8?|?2023?xxx?2.2.?2 2.1?2023.1?2023?1 1198198.5 5?2?2022-2026?研务?研?2023?研?1198.5?2025?研?2046?研?2022?12?研?研?研?2023?8?研?研?研?研?9?|?2023?xxx?2.22.2?8?研?研?2024?研?研?研?研?模?研?研?研?务?研?研?研?IT?/?研?研?研?研?研?撰?撰?研?研?务?研?研?研?DataOps?研?税?研?研?研?研?撰?研?研?务?覆?研?覆?研?务?务?研?研?研?研?研?务?研?研?确?研?务?研?务?研?研?务?研?研?研?10?|?2023?xxx?3?研?11?|?2023?xxx?2.32.3?研?务?研?研?研?研?研?研?纸?研?研?研?研?研?研?研?研?研?研?研?研?研?告?研?模?纸? IoT?研?研?研?研?4?研?12?|?2023?xxx?13?|?2023?xxx?3.3.?14?|?2023?xxx?15?|?2023?xxx?4.4.?4.14.1?研?研?研?研?研?研?研?研?研?研?研?研?研?研?研?研?纸?研?研?研?研?研?研?撰?研?务?研?研?撰?研?研?研?研?税?研?匹?撰?研?研?研?研?研?研?研?研?研?研?研?研?研?撰?研?研?撰?研?研?研?研?研?研?研?纸?研?研务?16?|?2023?xxx?研?5?研?研?研?研?研?研?模?研?研?纸?研?研?研?研?研?研?研?研?研?研?模?研?研?匹?研?研?NLP?研?研?研?研?研?研?研?研?包?研?研?模?研?研?研?研?研?撰?研?研?研?纸?17?|?2023?xxx?研?研?研?研?研?名?研?研?研?研?研?研?务?纸?研?研?研?研?研?研?6?研?1.?研?2.?2022?研?5?3.?2022?研?1000?18?|?2023?xxx?2006?研?研?研?纸?研?研?研?研?研?研?研?研?AnyFabric?DataFabric?AI?研?务?研?研?研?研?研?研?研?空?研?研?务?研?AnyFabric?Exchange?研?研?AnyDATA?AnyFabric?研?研?研?AnyFabric?Exchange?研?务?研?研?研?研 api?研?研?研?研?研?研?研?研?研?19?|?2023?xxx?研?研?研?研?研?务?研?研?研?研?研?研?研?AnyFabric?研?务?研?研?AnyDATA?空?撰?纸?AnyDATA?社?空?社?研?研?务?撰?研?模?研?研?模?研?研?研?务?研?务?名?研?够?研?研?务?研?研?务?研?研?尽?研?尽?26?研?研?务?研?务?务?20?|?2023?xxx?4.24.2?研?研?研?研?API?Web?研?研?匹?研?IT?研?研?研?务?研?撰?务?研?研?税?研?研务?撰?匹?研?告?研?纸?研?研?研?研?7?研?务?研?务?研?务?21?|?2023?xxx?撰?研?告?研?研?纸?研?研?研?研?研?研?税?研?研?研?研?研务?研?研?研模?撰?研?研?研?研?研?研?研?研?研?研?务?研?研?研?研?纸?研?研?研?尽?研?研务?研?税?研?研?研?研?研?研?研?研?NLP?研?研?研?研?研?研?研?研?研?研?研?纸?研?模?模?研?务?22?|?2023?xxx?研?研?研?8?研?研?2022?研?20?2022?研?500?23?|?2023?xxx?尽?1993?务?社?研?NLP?研?研?研?2010?研?务?SaaS?研?研?研?纸?研?撰? ?撰?撰?研务?税?研?空?空?研?撰?研?研?研?研?研?研?研?24?|?2023?xxx?研?2000?3?30?研?研?165?撰?研?研?匹?研?研?研?研?研?研?研?撰?研?研?研?研?研?TRS?研?研?研?务?研?NLP?模?研?研?撰?研?研?研?模?匹?OCR?研?研?务?研?SAASSAAS?DAASDAAS?KAASKAAS?MAASMAAS?撰?研?撰?研?撰?研?撰?研?研?研?SAAS?DAAS?研?KAAS?研?研?告?MAAS?研?研?务?务?25?|?2023?xxx?务?务?26?|?2023?xxx?尽?2015?尽?送?研?研?研?研?尽?撰?API?Web?研?研?研?确?研?研?研?研?AI?研?研?研?研?研?研?研?尽?撰?10000?研?研?研?纸?27?|?2023?xxx?研?模?研?研?模?研?研?研?研?研?NLP?AI?务?务?研?研?研?研?研?研?研?研?研?纸?研?确?研?研?模?模?研?研?研?务?研?研?研?研?务?研?研?研?空?撰?28?|?2023?xxx?29?|?2023?xxx?5.5.?30?|?2023?xxx?31?|?2023?xxx?32?|?2023?xxx?l?务?够?研?税?l?l?研?33?|?2023?xxx?务?够?10?撰?34?|?2023?xxx?workshop?纸/?135-2162-2835?35?|?2023?xxx?务?撑?撑?告?模?务?尽 2023?36?|?2023?xxx?37?|?2023?xxx?

0人已浏览 2023-12-02 38页 5星级

数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 版权声明 本报告版权属上海数据交易所有限公司所有，并受法律保护。转载、编撰或其他方式使用本报告文字或观点，应注明来源数据资产入表及估值实践与操作指南。违反上述声明者，将追究其相关法律责任。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 1 编写组（排名不分先后）赵丽芳、刘小钰、林、吕正英、蓉、刘峰、王晨、钟英才、蒋骁、明、谢佳妮、郭韵瑆、谢刚凯、李业强、郝坤鹏 编写单位（排名不分先后）上海数据交易所有限公司、复旦学、厦学、上海国家会计学院、证资产评估有限公司、东洲资产评估有限公司、信会计师事务所、天职国际会计师事务所、天健会计师事务所、中联资产评估有限公司 数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 录 Contents 报告要点.?第部分 数据资产化路径.?.前.?.数据要素理论.?.数据资产化路径.?第部分 数据资产表实践.?.数据资产表理论成果.?.数据资产表案例研究.?.数据资产表小结.?第三部分 数据资产估值操作.?.数据资产评估基础理论.?.数据资产评估法.?.数据资产估值案例研究.?.数据资产估值小结.?第四部分 附录.?.附录：企业数据资源相关会计处理暂规定.?.附录：数据资产评估指导意.?.附录三：企业数据资源表会计处理例.?参考献.?数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 1 报告要点 上海数据交易所紧密围绕“数据二十条”关于“探索数据资产入表新模式”的政策精神，以有效提升财政部颁布的企业数据资源相关会计处理暂行规定（简称暂行规定）执行效果为目标，开展了企业数据资产入表和估值相关的理论和实践研究，并结合场内交易实践探索数据资产市场价值体系构建等多项工作。本指南由上海数据交易所组建专业的研究团队，遴选一批有代表性的企业，以真实的财务数据和业务数据为基础进行数据资产入表模拟和价值估测，提炼形成数据资产入表及估值的理论和实践方法。通过多个企业案例研究发现，企业对数据资产认知有限、对数据资产形成路径理解不足、数据资产会计处理存在困难、企业数据资产披露规范和机制不明确、专业服务机构对数据资产认识和理解不足等是目前推进企业数据资产入表和估值的最大挑战。为了应对这些挑战，本报告将从数据要素、数据资产等基础概念的分析开始，以企业数据产品赋能实体经济的具体应用场景为基础，以企业数据资源开发利用形成数据资产的路径为核心，探讨企业数据资产入表和估值的实践与操作。本指南的主要成果可以概括为以下几点：1.本报告通过深入研究案例企业数字化转型和数据产品运营的商业模式，以“战略规划 运营管理”的思路重新设计企业数据资源到数据资产的形成路径，优化企业数据产品运营管理模式，深入探讨数据资产入表过程中成本归集难、摊销年限确定难等十大关键性难题，并提出一些可行的处理办法。在此基础上，本指南将为暂行规定自愿披露部分形成详细的披露指引。2.数据资产入表的十大难题及处理办法为：成本归集难的原因在于企业组织架构和数据产品开发条线匹配度较低，企业首先需要科学规划业务流程来应对，从数据采集、清洗、建模、存储、销售一系列生产经营活动的高效管理做起；收入与成本匹配难的核心原因在于数据产品销售模式和研发模式不协调，企业需要重新调整数据产品销售模式和定价方式来应对；数据资产资本化标准确认难的原因是企业研究和开发数据产品的时间点判断不确定，建议企业应该重新调整产品立项和管理流程；公共数据授权期限确认难针对企业与公共部门联合运营的场景，建议企业跟有关部门洽谈授权合约时充分考虑自身商业模式和渠道管理能力；数据研发和使用场景差异过大导致资产确认条件满足难针对部分金融日频数据的使用的场景，建议企业认真分析高频数据使用场景是否符合资产确认条件，秉承不高估资产的准则，对不符合的部分可能只能列入主营业务成本；数据资产摊销方法选择难，建议企业合理评价自身的业务场景，选择合适的方法并一致运用于会计期间；摊销年限确认难的核心痛点在于数据产品使用时效性导致企业也很难判断该产品的使用寿命，建议企业提高数据产品管理能力，加强对市场和业务模式的研究并合理判断数据资产的摊销年限；数据资产税会政策差异应对难的核心在于税法对于数据资产摊销年限的要求和会计准则不一致，建议企业合理选择摊销年限并对认真分析税会差异，并形成一些可行建议；数据资产时效性强导致部分资产可能存在即时失效的可能，从而导致数据资产报表规模波动较大，企业应该审慎确认数据资产并提高数据资产全生命周期的管理能力；数据资产在集团层面的会计核算难的核心在于集团公司和子公司特殊的关系，建议集团建立和完善数据资源相关的成本核算。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 2 3.对于企业数据资产信息披露，本报告根据暂行规定自愿披露的内容指引，结合案例研究的成果进一步形成了企业相关数据资源的披露细则和展示方式，通过详细分析自愿披露指引性文件中每一条可以包含的具体信息，为企业形成披露规范模板，有助于引导企业数据资源披露机制和未来披露规范形成，也有助于企业信息披露实践操作。企业可以参考本指南列报与披露细则部分来推进数据资产的披露。4.企业数据资产评估的核心难点在于资产权属的确认以及评估方法选择的依据，为了应对这些挑战，本报告提出数据要素价值链模型，并基于此推出基于数据资源分类分级、数据产品生命周期、数据资产经济行为的数据资产评估方法的选择逻辑，为企业和资产评估机构选择合理的估值方法提供可靠依据。5.本指南在企业数据资产形成、列报、披露等一系列实践操作研究成果的基础上，进一步探讨了数据资产入表与数据资产创新应用的关系。数据资产估值是数据要素交易与流通价值释放的基础。从更长远的角度来看，数据要素市场的发展将推动数据资产创新应用的新局面，也就是说，进入企业资产负债表的数据资产，将像其他类型的资产一样，以其质量、公信力、收益预期作为偿付基准来发行证券产品。目前，数据资产的市场法还没有形成统一的衡量指标，也没有足够多的可比案例支持市场法评估。但目前国际上已经有多起以数据资产作为核心标的的并购案例，国内也开始探索数据资产计价入股、融资和出资相关金融业务模式，各地数据交易所也挂牌了很多数据产品，这些将成为数据资产市场法估值的基础支撑。数据资产创新应用的方向包括：数据资产增信、转让、出资、质押融资、保理、信托、保险、资产证券化等，这些场景一般都需要主体提供标的资产预期现金流测算结果或者资产评估报告等。本报告可以成为企业数据资产入表和估值的实践操作指南。本报告不仅有助于规范企业数据资产的会计处理、信息列报与披露，还为数据资产的形成路径以及相关管理制度的构建提供了支撑。随着大众对数据要素的认知提升，企业也会逐渐开始形成一定规模和体量的数据资产，国家数字经济的具象化和报表化程度会逐步提升。数据资产入表和估值应该服务于国家数据要素市场战略，积极推动数字经济的发展。从我国建设与繁荣数据要素市场的角度出发，数据资产入表应该从鼓励披露、加强排摸开始，通过企业实践和案例研究相结合的方式，形成入表一般路径，并通过强化数据交易所基础设施功能，提高数据资产入表的效率，提升数据资产管理工作的效率。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 3 第部分 数据资产化路径 1.前 1.1 数据与数据资源 2023 年 10 月 25 日，国家数据局正式揭牌。根据党和国家机构改革方案，国家数据局负责协调推进数据基础制度建设，统筹数据资源整合共享和开发利用，统筹推进数字中国、数字经济、数字社会规划和建设等，由国家发展和改革委员会管理。显然，数字经济正成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。而数据则是数字经济发展的核心要素和“石油”（Nolin，2020），对推动技术和商业创新有积极作用，是现代新兴权利客体（申卫星，2020）。2019 年，党的十九届四中全会首次将数据与劳动、资本、土地、知识、技术和管理并列作为重要的生产要素，“反映了随着经济活动数字化转型加快，数据对提高生产效率的乘数作用凸显，成为最具时代特征新生产要素的重要变化”。2021 年 3 月，中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要中将“加快数字化发展，建设数字中国”作为国家战略发展目标、政府工作重点及人民的行动纲领，充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，壮大经济发展新引擎，发挥数据在产业发展中重要作用。据国家工业信息安全发展研究中心统计，2021 年我国数据要素市场规模达 815 亿元，这一规模预计在“十四五”期间的复合增速将超过 25%。数据（data）是以电子或其他方式对信息的记录，在计算机系统中，数据是以二进制编码序列显示的信息。数据的价值本质就是其所蕴含的信息，而信息是一种在认知层面降低未来不确定性的重要经济资源（Farboodi and Veldkamp,2021；Stigler,1961）。作为经济活动副产品的数据如不经由劳动收集整理，难以作为决策分析的投入品创造价值，因此“数据资源”（data resources）概念是一种价值判断，指经由加工后能够在现时或未来带来经济价值的数据。党的十九届四中全会在明确提出将数据作为一种新型的生产要素的同时，要求健全数据要素由市场评价贡献、按贡献决定报酬的机制，这是一项重大的理论创新。中央全面深化改革委员会第二十六次会议审议通过中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见（简称“数据二十条”），指出要以促进数据合规高效流通使用、赋能实体经济为主线，以数据产权、流通交易、收益分配、安全治理为重点，有序培育资产评估、风险评估等第三方专业服务机构，提升数据流通和交易全流程服务能力，并在其中重点提及探索数据资产入表新模式，标志着我国开始摸索企业数据实现资产化的具体路径，同时探索企业数据资产在财务报表中进行确认、计量和披露的具体方式。2023 年 8 月，财政部会计司正式发布企业数据资源相关会计处理暂行规定（简称暂行规定），为企业数据资产“入表”提供了操作指引，标志着我国数据资产入表完成了 0 到 1 的关键一步，数据资产入表已从原先“箭在弦上”转为“势在必行”。“入表”是“会计核算”的通俗称法，指通过确认、计量、记录和报告等环节，对满足资产确认条件的数据资源进行记录，以满足内外部决策者所需的会计信息。9 月，中国资产评估数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 4 协会正式印发了数据资产评估指导意见（简称意见），以规范数据资产评估执业行为。“入表”是“会计核算”的通俗称法，指通过确认、计量、记录和报告等环节，对满足资产确认条件的数据资源进行记录，以满足内外部决策者所需的会计信息。而“价值评估”在规范准则、服务场景、价值形态等方面都与“会计核算”有所区别。会计核算遵循财政部发布的暂行规定，在初始计量时记录资产的成本作为账面价值；价值评估主要依据中国资产评估协会发布的资产评估准则，服务于企业融资、出资入股、并购重组、破产清算等多样商业场景中的多种经济活动，所选取的价值类型视评估目的而定。随着企业数据资产化理论与实践的推进，基于全国大统一数据要素交易与流通市场的数据资产应用场景也将越来越丰富，无论是银行增信、质押等非标准化服务，还是数据信托、数据保险等标准化产品，都需要依赖于数据资产评估结果。一言以蔽之，数据资产评估技术方法研究及准则制定将是数字经济发展的必然要求，也是数据资产评估相关工作的重要参考。明确数据要素、数据资产的概念和定义边界，识别数据资产的权利和权属特征，确定数据资产的价值和评估路径，作为探索数据资产评估的重要步骤，也是学术界和企业界未来需要持续研究和探讨的课题。本报告将从数据的基本概念、数据如何成为一种生产要素的理论内涵开始，通过论述数据要素化的实践路径，展开讨论数据资产入表与评估相关的理论、方法等等。表 1 数据要素重要政策时间节点与要点梳理 时间 政策名称 内容要点 2019.10.28 中国共产党第十九届中央委员会第四次全体会议公报 首次将数据纳入生产要素 2019.11.26 审议；2020.04.09 颁布 关于构建更加完善的要素市场化配置体制机制的意见 首次提出培育数据要素市场 2021.03.13 中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要 提出建立健全数据要素市场规则 2021.11.30 工业和信息化部“十四五”大数据产业发展规划 推动建立市场定价、政府监管的数据要素机制 2021.12.21 成文；2022.01.06 发布 国务院办公厅以国办发202151 号印发通知公布要素市场化配置综合改革试点总体方案 要求探索建立数据要素流通规则 2022.01.12 国务院“十四五”数字经济发展规划 鼓励市场主体探索数据资产定价机制 2022.03.25 中共中央 国务院关于加快建设全国统一大市场的意见 要求加快培育统一的技术和数据市场 2022.06.22 中央全面深化改革委员会第二十六次会议审议通过关于构建数据基础制度更好发挥数据要素作用的意见 创新数据产权观念，淡化所有权、强调使用权，提出“三权分置”的数据产权制度 2022.12.01 关于征求企业数据资源相关会计处理暂行规定（征求意见稿）意见的函财办会202242 号 数据资源会计计量办法指引 2023.08.21 财政部发布企业数据资源相关会计处理暂行规定 正式推进企业数据资源入表 资料来源：上海数据交易所根据公开资料搜集 数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 5 2.数据要素理论 2.1 数据产要素 我国是国际上率先提出将数据作为一种生产要素的国家，这是一项基于经济运行原理和企业实践的重大理论创新。在经济学中，生产要素（production factor）是指包括人、物及其结合因素在内的，社会生产经营活动所需要的各种社会资源，是维系国民经济运行及市场主体生产经营必须具备的基本因素。生产要素的判断标准有：与其他生产要素结合时能增加产出、有要素价格、供给来源、需求来源与成体系的要素市场，一般情况下，该生产要素满足边际效用递减的规律。数据要素的全称是数据生产要素，有两方面的含义，一方面是数据作为生产要素参与企业生产经营活动并发挥重要作用，另一方面是这部分数据应该满足经济学中生产要素的判断标准。简而言之，数据要素与其他生产要素结合时能够帮助企业增加产出。数据作为生产要素，反映了随着数字化转型加速发展，数据对提高生产效率起到乘数的凸显作用，是具有时代特征的新型生产要素。数据作为关键生产要素，其乘数效应的发挥离不开数据要素保有量的丰富程度、数据要素市场的发展成熟度以及数据要素应用路径的清晰度。为什么数据能成为一种生产要素？本研究尝试回答这一问题，首先要从全球经济实践来观察。工业时代的供给规模经济的主要特征是企业依赖生产效率的提升来获得成本优势，进而形成规模经济的基础，也造就了一大批如福特汽车、巴斯夫、通用汽车等传统行业的龙头企业。而随着互联网技术的发展，很多平台型企业脱颖而出，他们利用技术的进步在需求侧取得了优势，进一步依赖网络效应、需求集聚和应用开发等提升网络价值，最终形成了目前全球可见的需求规模经济形态。而平台型企业之所以能打败传统管道型企业，主要原因还在于借助基于数据的工具创造了积极和正向的反馈回路。综合以上全球经济新实践，我们认为，数据驱动商业的三大变革体现在：数据 AI X 已经成为各行各业的典型模式，其中 X 指的是行业知识；各行各业开始涌现出不同种类的平台型企业，他们依赖于数据驱动，取代了传统寡头企业的地位；对于全球来说，数字经济的占比提升，技术颠覆行业格局逐渐形成。从数据要素的价值形成来看，与传统的土地、资本等的生产要素不同，数据要素不是以实物形式参与生产活动来创造价值，与技术类似，数据要素是以实物形式来提升其他要素的配置效率而间接创造价值。从资源化的过程来看，数据要素与其他要素也不一样，表现出复杂度高，原始积累和后期归集、治理等环节繁琐细致的特点，并且数据治理环节一般都有较强的技术和专业壁垒。从企业数据产品化的角度来看，数据要素的供需主体多元性高，参与主体包括各行各业的企事业单位、政府部门以及各类数商，需要各方共同完成数据要素的产品化。此外，数据要素作为流通标的物时，形态多样性更高、重塑性更强、可以基于不同应用场景和交付要求呈现出不同形态。数据要素参与实体经济运行的方式主要是通过计算方式在具体场景中帮助企业降低风险或者提高产出。企业通过对获得的数据资源进行创新性劳动或者实质性加工，最终形成数据产品对外提供服务或者支持内部使用场景。传统经济学的产品一般是指企业跟用户价值交换的媒介，数据产品是指以数据集、数据信息服务、数据应用等为可辨认形态的产品类型。数据产品是数据要素参与实体经济运行的重要载体。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 6 2.2 数据要素化的理论内涵 一般来说，市场配置生产要素是市场经济的本质特征，数据作为生产要素只有通过市场来配置才能够真正地让数据要素流通起来，更好地释放数据要素地价值，创造更大地经济效益。我国是最早探索数据要素化的国家之一。关于构建更加完善的要素市场化配置体制机制的意见就首次明确“数据”成为五大生产要素之一，之后国家更是密集出台了多项与数据要素相关的政策。完善的要素市场化配置是建设高标准市场体系的重要组成，2021 年 1 月中共中央办公厅、国务院办公厅印发了建设高标准市场体系行动方案提出要“推进要素资源高效配置”。从我国供给侧改革的实践经验中可知，要素市场流动性的改善和市场价格机制的成熟有助于促进经济结构调整、提高资源利用效率、改善资源错配现象等等。数据要素是一个名词，数据要素化是一个动词。所谓“要素化”，指的是使其对象成为生产要素。也就是说，数据要素化指的就是指要将数据变成一种新型生产要素，使其满足生产要素的判断条件，成为驱动企业生产经营活动的一种重要输入1。数据要素化一方面表达了国家对数据作为战略性资源的重视程度，另一方面也体现了我国要将数据按照生产要素的运作方式来运营的决心和态度。数据要素化是一个从量变到质变的过程，从数据的积累到实现数据要素化，对产业侧到行业侧的改变会是突飞猛进的。“只有数据动起来才有价值。”在第五届数字中国建设峰会数字城市分论坛上，中国科学院院士、中国计算机学会理事长梅宏认为，大数据时代，价值的发挥就是多元数据碰撞、融合、共享、流通。数据要素化的内涵是探讨数据资源如何赋能实体经济。数据要素市场化配置是指数据要素供需通过市场交易和流通的方式来实现，数据要素价格在价值决定基础上通过市场化的方式来发现。数据要素化配置的理论框架包含多个维度，比如数据要素、市场主体、流通载体、制度机制等。数据的特殊性使得其要素化之路比其他生产要素要更加复杂，本身具有天然的非竞争性和规模经济效应，如数据不能直接产生价值，必须经过算力和算法提炼才能够指导和调节社会生产与再生产过程；如企业的数据产品在导入期不需要耗费额外的劳动就能实现低成本、大规模复制，与传统产品呈现完全不一样的特征。目前，我国数据要素市场建设尚处于起步阶段，国家将数据提升为第五生产要素，意味着我国建设数据要素市场的步伐会显著加快，打通供需渠道，保障数据要素生产、分配、流通、消费各环节循环畅通，同步推进数据确权、定价、交易、流通等多项配套机制。在数据基础制度的框架之下，根据“数据二十条”的要求，我国推进数据要素市场建设的目标是构建全国统一的数据要素市场培育建设和健康运行，以数据要素流通国家标准体系作为基础，以国家层面和地方性法规规章和其他规范管理的制度体系作为保障，构建数据要素市场制度和标准体系。全国统一的多层次数据要素市场是指在全国范围内各交易机构对数据要素资源确权与登记、可交易数据产品挂牌、数据产品流通交易和交付等流通诸环节，按照统一的秩序和规则，将数据要素流通管理、交易服务规则和标准、技术平台、市场监管等相关的组织与技术系统有机地融合为一个整体，形成全国多层次要素市场的协同效力和整体效能，以实现可信的数据要素流通体系。1资料来源：国家数据局 梅宏：夯实数字经济发展的基础 https:/ 数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 7 在多层次数据要素市场中，一般有四类建设主体：国家级数据交易所、地方数据交易中心、行业数据交易平台和企业交易机构。这些交易机构应该遵循一致的秩序和规则，确保体系的一致性。这包括建立一体化的业务规则和统一关键领域的标准。多层次数据要素市场的目标是建立可信的数据要素流通体系，增强数据的可用、可信、可流通和可追溯水平，并实现数据流通全过程动态管理，在合规流通使用中激活数据价值。2023 年10 月19 日，上海市政府印发上海市进一步推进新型基础设施建设行动方案（2023-2026 年）2，将重点领域进一步拓展为“新网络、新算力、新数据、新设施、新终端”五个方面。根据该方案，在上海数据交易所建设产品交易、资产凭证服务、交易合规监管等业务系统，为场内交易提供高效率、低成本、可信赖的流通环境；建设产业数据、政府采购、国际采购等交易板块，满足跨行业、跨区域数据产品流通交易需求，打造“上海交易、全球交付”新模式。上海支持创建国家级数据交易所，加快完善数据要素市场运行机制，基于区块链技术构建统一可互联的场内交易根架构，开发新一代数据交易平台，开展数据资产化路径探索。试点开展数据知识产权登记工作。上海数交所数据交易额不断攀升，2023 年 8 月单月交易额已超 1 亿元，预计 2023 年全年交易额突破10 亿元；目前，上海数据交易所数据产品挂牌数超 1600 个，涵盖金融、航运交通、国际等板块，依托上海数交所在合规、可信、效率和资产化方面发挥的重要作用，日益活跃的市场交易生态正逐步形成，将在全国数据要素市场建设中发挥更积极的引领作用。2 上海市政府官：市政府新闻发布会介绍上海市进步推进新型基础设施建设动案（2023-2026 年）有关情况https:/ 数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 8 3.数据资产化路径 上海数据交易所根据企业数据资产形成路径的研究，结合场内登记挂牌的业务实践，创新性提出企业数据资产化三部曲：数据资源化、资源产品化和产品资产化，并认定数据产品可以进入数据资产凭证有三个条件，又称之为“三步蒸馏法”。第一步是数据产品的认定要有条件的；第二步需要认定成为可交易的数据产品；第三步是数据产品要入资产凭证。经过三个蒸馏形成的数据资产凭证，其可清晰辨认、应用场景明确、价值可以计量，更好赋能数据资产化。数据作为生产要素，在政府、企业、社会、个人之间有序流通，实现与其他生产要素的有机融合，提高生产效率，通过对内服务或共享和对外流通交易实现数据资产价值流通变现，为企业等各方创造更高的价值与收益。黄丽华和吴蔽余等（2023）提出的数据要素流通价值链模型，结合数据资源到数据产品，再到可交易数据产品和数据资产凭证的演进过程，总结了数据资产运营的三个阶段和相应的可操作性流程，以保证数据要素流通价值实现的规范性和统一性。图 1 数据要素流通价值链模型 数据资产凭证是一种用于记录数据资产交易、交付、权属等信息的电子凭证，该凭证依托于全国数据交易链，基于不同的应用场景发挥相应的作用，可用于各层次数据要素市场。依托全国数据交易链的数据资产凭证生成标准化协议与智能合约，结合交易链上数据产品挂牌、数据产品交易存证，实现数据资产凭证发放“智能生成，全链共识”的全国统一的认证、发放与验证机制。数据资产凭证通常包括记录数据产品登记；每一次链上交易信息，并将电子订单、数字签名、发票等信息上链保存；同时包含价格、交易量、复购率、使用场景、用户评价等参数的指标清单。数据资产凭证的内容可以追踪数据的来源、类型、权属、质量等关键信息，同时凭证与数据产品关联起来，真实记录了数据产品交易合同、交付情况以及清结算情况，提供可追溯的证据，确保数据产品交易的完整性、真实性和相关性，为数据交易参与者提供信任和保障。数据资产凭证是上海数据交易所在数据资源确权方面的探索，也有很多学者参与探讨数据资产凭证的应用场景和功能定位。首先，数据资源持有权的确权途径是数据资源登记，数据资产凭证登记了数据资源用于形成数据产品或服务的相关信息，可作为数据产品经营权的确权凭证。数据资产凭证包含了数据资源的来源，通常可分为公共数据、企业数据两类，采集这两类数据后进行加工可以形成具有资产价值的数据资源。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 9 对于授权运营的公共数据，凭证记录了被授权企业进行数据资源登记，并与公共机构分享数据资源持有权的情况。对于企业相关业务自主生产的数据，可以进行数据资源登记，由企业取得数据资源持有权。其次，对于通过爬取的公共数据，不宜登记取得数据资源持有权，企业只要遵循行业规则，没有采用非法侵入计算机信息系统和非法获取计算机信息系统数据等非法方式，就可以获得数据加工使用权。对于通过交易市场采购的数据，在签订数据交易合约时，便赋予数据购买方数据加工使用权。对于企业间委托加工的数据，要求在合约允许范围内加工数据，形成数据产品，可以获得数据加工使用权。由于数据加工使用权是一种灵活的、有限的“防御性权利”，不能作为资产性权益，也无需登记机构颁发确权凭证。最后，企业对数据资源需要付出了实质性加工和创新性劳动，从而形成可交易的数据产品。数据资产凭证记录企业加工使用数据的过程，可以作为企业可以登记取得数据产品经营权的重要依据。综上所述，数据资产凭证有可能成为企业数据资产化应用场景的基础要件，并进一步加速推进数据交易市场互联互通的实现。从企业数字化转型角度去规划企业数据资产形成的路径，最重要的工作是做好前期的业务流程规划，一方面要明确数据产品开发管理流程，为合理归集开发阶段成本奠定基础，另一方面要明确数据产品的应用场景，合理定价并推进市场相关工作。3.1 数据资源化 暂行规定作为一般性的会计准则，使用“数据资源”一词确定企业数据资产入表的范畴是一种审慎的做法，与中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见（简称“数据二十条”）保持高度一致。从数据资源的来源来看，企业可能通过公共数据授权、自身运营产生、交易市场采购等多种渠道获得数据资源，因此，推进以数据分类分级确权授权制度为基础的数据资源入表，是有效提高数据要素市场化流通效率、促进数据使用价值充分释放的起点。数据资源化的过程是企业通过上述一种或多种方式结合获取的原始数据，经过脱敏、清洗、整合、分析、可视化等加工步骤，在物理上按照一定的逻辑归集后达到“一定规模”，形成可重用、可应用、可获取的数据集合后，形成数据资源的过程。原始数据是经济社会活动产生的附属品，数据资源并不是生产出来的，而是企业通过安排相应的人力、组织、技术、系统等对原始数据进行系统性梳理整合加工出来的。数据资源化是企业挖掘原始数据使用价值的过程，也是企业数据资源实现资产化的第一步。一般来说，数据资源化的过程可能是企业数据产品的研究阶段，也有可能是企业数据资产的开发阶段，取决于企业在具体产品研发之前有没有针对目标场景进行深度的调研学习。以下将从企业实践角度分析数据资源化过程。中债金融估值中心有限公司（简称“中债估值中心”）是中央结算公司的全资子公司，是中央结算公司基于中央托管机构的中立地位和专业优势，历经二十多年精心打造的中国金融市场定价基准服务平台。1999年，中债估值中心编制发布中国第一条国债收益曲线，之后不断完善数据产品服务体系，围绕定价基准服务职能，打造出中债价格指标、中债指数、中债 ESG产品、中债分析工具、中债咨询解决方案等数据产品体系，覆盖标准化债权资产、非标资产、权益类资产及金融衍生品四大类资产的数据服务，为超过 150 万亿金数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 10 融资产提供定价参考基准数据服务，建立了中国最完整最连续的债券市场数据库、中国债券市场定价模型库、高效支持海量数据运算的算法库，形成差异化竞争优势。金润征信的数据由外部采集和内部加工两部分组成。外采来源的数据包括全国ETC 车辆高速通行数据、重卡全路段通行数据（北斗 GPS）、车联网数据、主机厂数据等四类，其中全国ETC 车辆高速通行数据为相关部门第一源合法授权该企业并且独家加工处理输出的数据，已投放市场实践运用两年，很受相关行业欢迎，调用量近两千万次。内部采集的数据主要是由企业自身多年交通行业经营积淀形成的车辆运营相关数据。该企业及其下属商业保理公司拥有十年的客货车 ETC记账卡金融服务运营经验，并与超过十个省份的高速方合作开展 ETC发行服务，其中包括山东、江苏、福建、云南、浙江、广东、江西、贵州等，所服务的全国车辆已近百万。以上海合合信息科技股份有限公司（简称合合信息）旗下全资子公司生腾的数据产品启信宝为例。启信宝是一款企业商业信息查询 APP，其汇集境内 3.1 亿家企业等组织机构的超过 1,000 亿条实时动态商业大数据，提供包括工商、股权、司法涉诉、失信、舆情、资产等超过 1,000 个数据特征标签；可对数据进行深度挖掘，为客户提供企业关联图谱、舆情监控（情感及语义分析等）、风险监控（经营异常、司法涉诉等）、商标及专利信息、深度报告（信用报告、投资及任职报告、股权结构报告）等多种数据查询、挖掘和智能分析服务。某上市公司的数据团队约 3,000 人，该公司通过对原始数据的采集、编制、发布三大流程，每日发布近千种商品、400多座城市和港口、10万条基准价格及数万条调研数据，覆盖黑色金属、有色金属、能源化工、建筑材料等八大板块百余条产业链。该公司数据资源化环节必须经过八步标准化数据采编流程，通过市场调研、建议样本库、采集与入库、验证与分类、样本标准化、离群值处理、数据编制、数据发布几个步骤，最终形成符合公司标准化的数据资源。某案例企业基于机器学习技术实现数据自动化量产，将数据提取、清洗、标准化、质检等流程无缝衔接。公司通过 DAS 智能化数据工厂、SmartTag 实时资讯解析以及利用 NLP 对信息进行智能提取，形成可分析的结构化数据，形成数据资源。该公司凭借数据自动化量产、精准实时资讯解析、数据有效编制三大可相互反哺的核心能力，以人工智能驱动的数据自动化生产体系针对多种决策场景提供数据服务。目前公司形成的数据资源包括 SAM 产业链图谱数据，企业图谱数据和 SmarTag 舆情及标签数据。如标签数据，公司精准高效地对各类资讯进行实时解析，把资讯中蕴含的主体，事件及情绪精准提取，并经过公司、人物、事件、行业、产品、概念、地区等直观精细的多维度标签，加工成高价值的定制化数据资源。最后一家案例企业的数据主要来源于加密脱敏后的业务数据。通过使用自研的数据中台，实现数据的采集、元数据管理、大数据计算、数据检查、数据加解密、数据流转、数据备份等工作，基于数据规范、生产规范、安全及数据治理等领域的实战经验自主研发的一站式数据开发、治理体系。通过标签管理平台，实现新标签开发、标签优化等功能。标签分为画像特征及基础特征两类，画像特征包括用户属性、风险类标签、预测类标签，基础特征包括用户信息、用户行为、营销活动等。搭建了超过 500 台高性能服务器组成的大数据运算集群，通过一系列数据清理的方法对业务数据进行了治理，分析数据源特征，实现 T 1准确及时更新。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 11 3.2 资源产品化 资源产品化是企业数据资产化的第二步，是数据资源为企业创造交换价值的核心环节。企业通过对数据资源赋予创新型劳动和实质性加工，形成满足特定应用场景需求的数据产品。数据产品是指以数据集、数据信息服务、数据应用等为可辨认形态的产品类型。数据产品是数据要素参与实体经济运行的重要载体。任何一个产品都会经历从产生到消亡的过程，数据产品也不例外。与传统产品类似，数据产品也会经历导入期、成长期、成熟期和衰退期。由于数据本身具有高重塑性的特点，数据产品在导入期和成长期即可批量生产，边际成本几乎为零，不受限于传统产品规模经济的特点，因此数据产品的生命周期较传统产品会呈现跳跃式、价值时变性等特点。数据资源化后，在明确的应用场景中，将有价值的数据内容通过与服务终端或算法等相结合，以数据产品作为载体，通过内部使用或对外交付客户使用。在这一个阶段，企业根据产品的应用场景，梳理数据集的形式、分类等，并根据应用场景开发相应的服务终端或算法程序等。根据数据产品持有目的不同，数据产品一般会通过自用、共享、开放以及对外交易方式实现其价值。企业形成的标准化数据产品可重复使用，能满足不同客户的需求；企业为某个客户开发定制化的数据产品将向客户整体出售，其服务客户的数量有限。基于需求特征和服务方式不同，可以将数据产品形态分以下三类。形态一：数据集，即以数据库的形式提供，以满足客户模型化需求的数据产品。形态二：数据信息服务，即以数据资源库为基础，为客户提供满足其特定需求的信息类服务；形态三：数据应用，即指以应用程序的方式，基于统一的用户界面，提供基于数据资源和模型应用的数据产品。需求特征包括模型化需求以及非模型化需求。模型化需求:数据用于训练和优化使用者的模型或算法，提高模型算法的性能。非模型化需求:使用者利用分析(模型)形成的结果(信息或知识)，支持企业的日常生产经营决策。服务方式包括界面类方式和非界面类方式。界面类方式;界面类方式通常是用户主动操作的界面，实现人机交瓦的过程来获得数据或信息，例如搜索软件、SaaS等应用。非界面类方式;通过某个软件程序的功能，实现程序间交互方式例如 API、文件配送、受控沙箱、联邦学习等。表 2 数据产品分类 服务方式 需求特征 界面类(查询终端、SaaS 应用)非界面类(接口调用、数据库传输等)非模型化（查询等）数据应用（功能服务）数据信息服务 模型化需求(机器学习等)数据应用（联合建模功能服务）数据集 以中债估值中心的中债指数数据产品服务为例，中债指数是中国境内历史最为悠久、应用最为广泛、产品数量最多的人民币债券市场代表性指数品牌。中债指数数据产品服务包含 12大指数族系数据，目前已突破 1500只，实现了境内人民币债券全覆盖，并拓展至权益资产与境外资产指数数据领域。为响应国家战略需求，紧随市场发展，中债估值中心先后推出了碳中和、ESG、长三角、京津冀、科创主题等指数，为投资数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 12 人提供债券市场价格走势的检测数据指标、表征和预测宏观经济运行的参考数据、债券投资组合业绩评估的参考基准数据以及指数化投资产品跟踪标的数据等应用服务。金润征信的数据产品按产品内容可分为高速通、车辆通、路径通、核验通、司法通、工商通、税务通等，按运用类型可分为查询类、核验类、模型类。上述产品主要的应用场景包括：（1）物流，如车队运力综合评估、单车运力情况分析；（2）交通管理，如稽查打逃高速费、车流量分析等；（3）金融，包括银行信贷业务、非银行金融业务（商业保理、融资租赁等)；（4）保险，如保险定价（网约车识别、货车识别）、理赔的补充等。公司产品均采取按次收费方式，根据不同的查询内容定价不同。启信慧眼是基于公司商业大数据平台，结合人工智能技术，融合多种细分业务场景，打造的标准化 SaaS云平台，覆盖“拓客-尽调-风控-管理”为企业客户实现商业调查、风控管理、营销拓客等多场景数字化管理，帮助企业进行快速智能地发展业务、管控风险。启信慧眼金融版，服务于银行、融资租赁、商业保理等金融行业的垂直版 SaaS产品，遵循“数据信息商业智能价值”转型路径，构建数字金融服务模式，助力解决“营销拓客、尽职调查、风险预警、客户管理”等问题。启信慧眼客商版针对生产制造、贸易经销、能源化工等行业，为国企、央企、私企、外企等企业多部门提供风险自主可控的数字化客商管理。公司还为客户提供商业全景数据库服务，采用先进的数据库设计技术，为客户在企业尽调、信用审核、风险监控、智能拓客、供应链管理、企业数据大屏等方面提供全面的数据支持。某案例企业的数据产品主要包括数据订阅以及研究咨询服务。其中数据订阅服务下分黑色金属（包括钢材、铁合金、焦煤、废钢、铁矿石等）、有色金属、能源化工、建筑材料、农产品、新能源、新材料和再生资源八大类别，通过网页端、移动端、终端数据服务三种界面对外提供服务。研究咨询服务主要系通过定制化加工形成的的数据产品，为用户提供战略规划、经营管理、市场研究、投资可研等定制化的决策支持服务，其产品形式主要是定制化报告。另外一家案例企业通过对数据资源的进一步加工、整合和分析，推出了以下几大类数据产品，包括产业链、企业图谱等产品。公司通过打造标准化产品组件，并根据客户的需求开发不同的系统界面，公司按数据接口收取年费；或者公司将数据资源加上算法一并交付客户，由客户结合自身的数据资源进一步加工处理形成自己的数据产品，公司一般按项目收取年费。最后一家企业经过十年的应用实践，对原始业务数据的内容、质量及行业应用的延展性都非常熟悉，积累了丰富的产品、服务及合作模式经验，在应用产品及咨询服务中有能力最大化发挥数据资源的优势。目前企业的产品类别可分为风险类数据产品、营销类数据产品。企业通过综合自然语言算法（TF-IDF提取、朴素贝叶斯等）、神经网络技术等技术，对全量商户数据进行了清洗和治理，完成商户名称、行业标准化处理。企业的数据产品包含十一个维度 1000多个特征。通过形成标准化的基础数据库，可供客户自由组合选择，满足不同客户对不同标签、不同特征的多元化需求。企业的产品一般分为按年包收费或按条计费两种方式。3.3 产品资产化 产品资产化是企业运用数据资产开展经济活动的过程，充分体现了数据资产的金融属性，也是数据产品从账面价值转向市场价值的重要一步，是探索数据资产公允价值的重要环节。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 13 促进数据要素市场的交易与流通，市场主体一方面沿着数据要素价值链，正向推动数据资源化过程，提升数据资源的使用价值和交换价值，推进以数据产品为载体的数据资产入表；另一方面要积极研究数据资产创新应用，以数据资产经济价值的显性结果反向推动产业链各主体积极参与市场各项规则的建设。中债估值的多种数据产品已形成公司稳定收入来源，客户覆盖境内各类大中型金融机构，服务包括境外央行、国际金融组织、主权基金和商业银行等境外客户。在数据产品开发过程中，估值公司在产品数据模型开发、自动化生产系统建设等方面大量投入，包括数据采集、清洗、加工流程、架构设计，计算公式开发，系统建设所需的数据、人工、系统资源等“数据产品生产线”的开发费用，均为数据产品成为资产前的必要投入，符合资本化条件。公司在管理数据产品时，在公司“数据血缘”、“公式血缘”等基础上，形成了“作业消耗资源，产品消耗作业”的“两步法”归集分摊原则，与上海数据交易所所提“三步蒸馏法”高度契合。金润征信在物流运输、供应链管理、信贷、保险等行业不断深挖客户需求，在快速实现产品市场化的同时，不断实现产品的价值化。2022 年 2 月，金润征信的产品“高速通”正式在上海数据交易所挂牌，是首批挂牌的数据产品之一。截至目前，该企业已经在上海数据交易所挂牌了高速通、路径通两个系列共计 58个产品，其中高速通产品 48 个。合合信息自主研发的领先的智能文字识别及商业大数据核心技术已形成了丰富且广泛的产业化应用成果，C 端产品覆盖了全球百余个国家和地区的亿级用户，B 端服务覆盖了近 30 个行业的企业客户。公司的数据产品已经形成稳定的收入并持续为公司带来现金流入，从会计确认的角度看，合合信息在数据产品启信宝和启信慧眼开发过程中的投入，包括数据采集、购买、清洗、加工、算法等等相关的人力投入、设备投入、维护投入、安全投入，是属于该数据资产达到预定可使用状态的直接相关且必须投入，均符合资产化条件。最后一家案例企业的产品可广泛应用于包括银行、持牌消费金融等各类型金融机构的贷前贷中风险识别及授信管理、存量客户经营、客户价值细分等多维场景，充分补充金融机构内部数据信息量及数据维度，有效提升金融机构风险管理水平及客户运营能力。在实际应用中，在风险层面上，多家金融机构贷前风险模型的模型效果平均提升 30%左右，贷中风险模型的模型效果平均提升 25%左右。营销层面，丰富的客户画像体系有效提升金融机构的客户精细化运营能力，基于消费偏好及消费能力的精准营销效果提升近 20%。3.4 数据资产理论内涵 多数时候，人们习惯称某一项对企业有经济价值的资源为“资产”，这其实对应着会计准则中资产“经济利益有可能流入企业”的判断条件。除此之外，会计准则的资产还应该满足：企业过去的交易或者事项形成、企业拥有或者控制、成本或者价值能够可靠计量这些条件。毫无疑问，数据资产的本质依然是资产，它指的是以数据为主要内容和服务的、满足资产确认条件的数据资源。值得注意的是，在暂行规定出台之前，市场上大多数的“数据资产”并不一定满足会计准则的资产确认条件，换句话说，不一定能“入表”。在暂行规定之后，我们应该更多从能否入表的角度来判断相关数据资源是否可以称之为数据资产。根据企业会计准则的相关规定，资产是指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 14 将一项资源确认为资产，需要符合资产的定义，还应同时满足以下两个条件：(1)与该资源有关的经济利益很可能流入企业(2)该资源的成本或者价值能够可靠地计量 数据资源要确认为一项资产亦应满足上述条件。本报告将数据资产定义为：指企业拥有或控制的，预期会给企业带来经济利益（内部价值或外部收益），以数据为主要内容和服务的可辨认非货币资产。值得注意的是，数据产品不一定满足资产的确认条件，如有的数据产品可能不能给企业带来经济利益流入，有的数据产品使用方式与无形资产类似，但生命周期可能不超过一年，而会计上不超过一年一般不计入无形资产。但企业实践中确认数据资产往往以数据产品作为载体。基于数据产品确认数据资产的优势主要在于：数据产品的可使用状态或者可交易状态更容易辨认，可以更直观地判断该资产是否达到预定用途；数据产品也更方便企业进行内部管理。从数据资产入表的角度看，基础会计工作的重要性体现在以下几个方面：第一是审慎的从成本的角度梳理数据资产的规模，一方面提升全社会对数据要素的认知，另一方面又不至于引起数据资产泡沫；第二是提高企业数据资产信息披露的质量，企业可以通过梳理内部满足资产确认条件、真正有发展潜力的数据产品来提高数据资产的管理水平；第三是提升报表质量，减少数据要素型企业与投资者之间信息不对称，进一步推进数据资产化创新应用，帮助企业吸引投资、优化财务结构、提升公司估值等等。数据资产入表可以显著提升大众对数据要素的认知，促进数据要素的交易与流通，进而对数据交易所提出更高的合规性、便利性等要求，有助于繁荣数据要素市场。数据资产具有多样性，包括数据来源的多样性以及使用主体的多样性。数据来源包括企业、政府、个人等主体形成的身份数据以及其日常行为记录收集形成的数据。从数据使用者的角度看，数据资产的使用者包括采集、编辑加工形成新的数据产品自用或对外提供服务的单位，也包括利用数据资产进行分析、决策，达到提高决策的准确性，如广告商通过数据资产形成广告精准推送、政府通过数据资产精准招商、企业通过数据资产精准获客、新闻媒体通过数据资产精准快速提供信息报导等。数据作为新的生产要素，由于其来源、使用者的多样化亦决定了其有以下特点：第一，数据资产具有非排他性。数据资产具有可复制性，一个数据资产可以被多个主体、应用、算法同时使用，导致其具有非排他性。第二，数据资产具有高重塑性。数据资产具备高重塑性，数据产品之间的组合、整合与聚合，能够呈现新形态与新价值。第三，数据资产具有价值时变性。不同数据产品在不同应用场景下呈现多样化价值生命周期。其价值亦随着应用场景、时间的推移、数据产品的供给情况发生较大变化。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 15 第部分 数据资产表实践 4.数据资产表理论成果 4.1 暂规定解读 2023 年 8 月 21 日，财政部发布了企业数据资源相关会计处理暂行规定（财会202311 号，简称暂行规定），自 2024 年 1 月 1 日起开始实施。暂行规定根据中华人民共和国会计法和企业会计准则等相关规定，首次明确了数据资源的适用范围、会计处理标准以及披露要求等内容。资源（Resources）一般是指可被开发和利用且能给人带来财富的物质、能量和信息的总称，其经济学内涵是“生产过程中所使用的投入”，显然资源的本质是生产要素。从这一角度出发，数据资源其实就是数据生产要素。暂行规定作为一般性的会计准则，将“数据资源”定义为企业数据资产入表的范畴是一种审慎的做法，与“数据二十条”保持高度一致。暂行规定所提数据资源是一种广义的概念，可以代表所有具有使用价值的数据或者基于数据形成的数据产品。对于可以纳入资产负债表具体科目的数据资源，企业在实践操作中以“数据产品“作为载体，完全符合暂行规定的要求。从暂行规定的适用范围看，两种类型的数据资源可以推进入表，第一种是满足资产确认条件，可以确认为无形资产或存货的数据资源，可以纳入资产负债表；第二种是不满足资产确认条件，但企业拥有或控制、预期能给企业带来经济利益流入的数据资源，可以在企业财务报告中予以披露。从数据资源的来源来看，企业可能通过公共数据授权、自身运营产生、交易市场采购等多种渠道获得数据资源，因此，推进以数据分类分级确权授权制度为基础的数据资源入表，是有效提高数据要素市场化流通效率、促进数据使用价值充分释放的起点。暂行规定按照数据资源有关的经济利益的预期消耗方式，根据企业持有对客户提供服务、日常持有以备出售等不同业务模式，将数据资源分类为无形资产和存货科目进行确认、计量和报告。此外，暂行规定对数据资源的列示与披露均做出了细化规定。列示方面，企业需根据重要性原则和企业实际情况在资产负债表中以报表子项目的形式单独列示；披露方面，暂行规定创新性地对数据资源采取“强制披露加自愿披露”方式，企业需强制披露数据资源的取得方式、期间变动情况与相关会计政策、会计估计，还可根据实际情况自愿披露数据资源（含未作为无形资产或存货确认的数据资源）的应用场景或业务模式、原始数据类型来源、加工维护和安全保护情况、涉及的重大交易事项、相关权利失效和受限等相关信息。暂行规定还对相关披露提出了具体的格式要求。这一规定的颁布对规范企业数据资源相关会计处理和加强相关会计信息披露具有重要意义，旨在落实党中央、国务院有关数字经济发展的决策部署，为数字经济健康发展提供制度性支持。微观层面，暂行规定首次从政策角度将数据资产明确确认入表，使得原先只能费用化处理的数据资源开发成本在满足一定条件后得以确认为资产，为报表使用者提供决策有用信息，同时帮助数据驱动型企业吸引外部融资、优化财务结构、提升公司价值。宏观层面，暂行规定是党的二十大报告中提出的“加快建设数字中国，加快发展数字经济”的具体举措，是贯彻落实党中央、国务院关于发展数字经济的决策部署。我国关于企业数据资源的数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 16 相关探索不仅有助于监管部门完善数字经济治理体系，还有助于我国在国际会计准则制定等工作中贡献中国智慧、提供中国方案。政策发布当天，数据要素板块大涨。截止当日收盘，国家发改委数据合作平台上海钢联、数据分析与决策支持服务机构零点有数、大宗商品价格指数提供商卓创资讯等多只个股涨停，人工智能 大数据服务商汇纳科技、数据智能服务商每日互动、数据资产化服务商易华录等涨幅超 15%。随后一周，A 股数据要素板块持续领涨。从资本市场对数据资产入表与披露政策出台的热烈反响中，我们可以看出投资者预期政策落地后相关企业数据要素价值将进一步释放、数字经济发展将进一步加快3。通过分析数据资产入表政策出台窗口期数据要素型公司与其他公司的市场反应差异情况发现，数据要素型公司股票相比于其他公司股票在政策出台窗口期呈现出显著的正向累计超额回报，说明投资者认为数据资产入表对于数据要素型公司而言是利好消息。其次，通过模拟企业入表实践，以对比分析的方法研究数据资产入表给企业带来的经济后果，并重点分析对企业经济利益的影响，发现公司资产负债率、流动比率以及利润率等指标均会受到一定影响。表 3 数据资产入表的主要特点 类别 特点 是否涉及会计政策变更 否 入表涉及的资产科目 无形资产：使用的数据资产 存货：日常持有以备出售的数据资产 初始计量原则 历史成本观 后续计量原则 数据资源无形资产：使用寿命有限的需要摊销；期末计量按照账面价值与可收回金额孰低原则 数据资源存货：如果可变性净值低于成本则需计提存货跌价准备；期末计量按成本与可变现净值孰低原则 处置或出售计量原则 数据资源无形资产：直接计入当期资产处置损益 数据资源存货：确认营业收入和营业成本 披露方式 表内披露 表外披露，存货、无形资产和开发支出科目下设数据资源二级科目，并在附注中列示具体情况 披露模式 强制 自愿模式，对报表有重要影响的强制披露 是否需要追溯调整 否，采用未来适用法 资料来源：赵丽芳，吕梦，钟英才.数据资产入表的价值效应及经济后果初探，2023.4.2 费化与资本化的区别 数据资产入表实质是数据资产会计核算。在暂行规定出台之前，很多企业的数据产品研究和开发阶段所产生的支出大都是费用化，直接计入损益表，但企业有一部分数据产品本质是满足会计准则资产确认条件的，那么在暂行规定出台之后，企业就可以把这部分资产在资产负债表相关科目进行列报和披露。具体到数据资产入表的实践层面，企业应当以识别并计量相关价值创造过程为核心。首先，企业以数据资源使用价值为基础，从内部组织架构、台账管理开始，研究与开发数据产品，并将数据产品满足资产确认条件的 3 复旦学蓉教授：激活数据要素价值，“数据资产表”解读 数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 17 部分推进入表，形成会计报表层面的无形资产或者存货，实现企业数据产品交换价值的会计计量。之后，企业应当积极探索数据资产的经济价值（金融价值），以发现数据资产的公允价值并提高数据资产的流动性。图 2 企业数据资产费用化与资本化的主要区别 现有会计理论及会计准则框架下，企业内部使用的数据资源及对外交易的数据资源，均在相关成本发生时费用化，数据资产入表，即对数据资产相关成本予以资本化，形成无形资产、存货等数据相关资产。在数据资源入表的框架下，企业使用的数据资源，符合企业会计准则第 6号无形资产定义和确认条件的，确认为无形资产。企业日常活动中持有、最终目的用于出售的数据资源，符合企业会计准则第 1 号存货（财会2006 3 号，以下简称存货准则）规定的定义和确认条件的，应当确认为存货。按照企业研发活动形成的数据资产的形成方式，可分为企业为定制化产品开发形成的数据资产以及企业内部前瞻性研发活动形成的数据资产。企业定制化产品开发形成的数据资源，系企业按照客户需求进行数据资产产品设计与研发，最终形成研发成果。企业应综合考虑历史经验、行业惯例、法律法规等因素，在有充分证据表明能够控制相关研发成果，并且预期能够带来经济利益流入后，按照无形资产准则相关规定将符合条件的研发支出予以资本化。企业为定制化产品开发形成的的无形资产，采用与该资产相关的收入确认相同的基础进行摊销，计入当期损益。若企业无法控制相关研发成果，如研发成果仅可用于该合同、无法用于其他合同，应作为对外交易的数据资源，按照企业会计准则第 1 号存货进行确认、计量、报告及披露，在出售时将其成本结转为当期损益，同时按照收入准则等规定确认相关收入。企业通过内部研发活动形成的数据资源，应根据企业会计准则第 6 号无形资产进行确定是否形成无形资产。企业内部研究开发项目的支出，应当区分研究阶段支出与开发阶段支出。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 18 研究是指为获取并理解新的科学或技术知识而进行的独创性的有计划调查，探索性的，为进一步开发活动进行资料及相关方面的准备，已进行的研究活动将来是否会转入开发、开发后是否会形成无形资产等均具有较大的不确定性。比如，意在获取知识而进行的活动，研究成果或其他知识的应用研究、评价和最终选择，材料、设备、产品、工序、系统或服务替代品的研究，新的或经改进的材料、设备、产品、工序、系统或服务的可能替代品的配制、设计、评价和最终选择等，均属于研究活动。企业内部研究开发项目研究阶段的支出，应当费用化，于发生时计入当期损益。开发是指在进行商业性生产或使用前，将研究成果或其他知识应用于某项计划或设计，以生产出新的或具有实质性改进的材料、装置、产品等，相对于研究阶段而言，开发阶段应当是已完成研究阶段的工作，在很大程度上具备了形成一项新产品或新技术的基本条件。比如，生产前或使用前的原型和模型的设计、建造和测试，不具有商业性生产经济规模的试生产设施的设计、建造和运营等，均属于开发活动。企业内部研究开发项目开发阶段的支出，同时满足技术可行性、利用意图、有用性、资源支持、成本可靠计量五个条件后予以资本化，不能同时满足以上五个条件发生的支出予以费用化，于发生时计入当期损益。某案例企业的数据资源资本化形成的数据资产包括为开发定制化产品形成的数据资源与企业内部前瞻性研发活动形成的数据资源，其分别确认为存货及无形资产。公司形成存货的数据资源为公司研究咨询服务，其研发成果仅可用于该合同、无法用于其他合同，公司形成的数据资产最终对外出售，满足存货准则规定的定义和确认条件；形成无形资产的数据资源为公司的数据订阅服务，公司已形成成熟、标准化的数据产品。由于数据产品具有时效性，公司每天需要采集、加工形成新数据资源，对原数据资源有实质性的改变，其后续的投入是保持数据产品核心竞争力的重要方式，因此符合开发阶段的定义，相关支出予以资本化。如在开发阶段难以同时满足无形资产准则规定的技术可行性、利用意图、有用性、资源支持、成本可靠计量的条件，相关发生的支出予以费用化。数据资源产品一般为经过按一定逻辑整理的数据集并结合服务终端、界面或算法等整体交付客户并对外提供服务或出售，但在数据资源开发前期，可能由于种种原因不一定能满足上述资产确认条件，如经济利益流入的可能性不够高，公司没有持续的资源支持，数据产品的成本无法单独归集等情况。因此，数据产品化搭建起数据资源向数据资产转变的桥梁。金润征信数据资源资本化形成的数据资产为企业开发的保险类数据产品、信贷类数据产品及交通类数据产品。在产品研究阶段，公司主要进行市场需求分析，该部分支出应予以费用化。需求分析定稿后，进入产品开发阶段，经过数据采集、数据调度、数据清洗、数仓建模、数据标签化、统计分析及机器学习建模、数据服务发布以及数据安全体系搭建等环节，最终形成可重复对外提供服务的数据产品，并预期能够带来经济利益流入。开发阶段支出可根据无形资产准则相关规定，将符合技术可行性、利用意图、有用性、资源支持、成本可靠计量这五个条件的支出予以资本化。某企业数据资源资本化形成的数据资产为企业开发的风险类数据产品、营销类数据产品。企业产品开发主要基于客户不同运用场景下的需求进行的研发，产品研发成功后，企业能控制相关的研发成果，能将研发成果为其他客户重复提供服务，并预期能够带来经济利益流入。案例企业履约合同发生的研发支出可根据无形资产准则相关规定将符合条件的研发支出予以资本化。在产品开发前期发生的数据规划阶段属于产品研究数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 19 阶段，相关成本予以费用化计入当期损益，产品建设阶段，数据采集、数据开发、产品应用开发阶段数据产品开发阶段，如满足技术可行性、利用意图、有用性、资源支持、成本可靠计量五个条件的，相关开发支出予以资本化，否则相关支出予以费用化。产品开发完成后，企业发生的运维支出、数据安全、间接支出等可分摊至数据产品的支出，满足无形资产确认条件的，相关支出予以资本化。4.3 会计处理难点 上海数据交易所以企业真实的财务数据和业务数据为基础，开展数据资产入表模拟研究。根据前期案例研究成果，总结形成数据资产入表的操作实践和一些主要挑战，并针对每一种挑战形成相对科学合理的处理办法。图 3 数据资产入表操作实践 如图所示，数据资产入表的步骤主要可以分为初始计量、后续计量、列报与披露。其中，初始计量包括成本归集、收入与成本匹配、按成本进行初始计量列示三步，后续计量主要是计入为数据资源无形资产的摊销，财务报表列示和其他自愿披露的信息参考暂行规定操作指引。案例研究发现企业推进数据资产入表如成本归集困难、收入成本匹配困难、摊销期难确定等普遍性困难，本研究将总结困难点并提出一些可行的处理办法。l 数据资产成本归集难 以企业真实数据推进数据资产入表模拟研究发现，企业虽然在数据资源的开发利用方面投入很多，形成满足资产确认条件的数据资产，但是由于组织架构不合理，部门之间资源重复利用或者人员调配复杂，导致数据资产成本归集存在困难，即数据资产确认条件中的成本与价值可靠计量这一条不能满足。数据资产入表伴随着数字经济的发展应运而生。数据要素市场在有条不紊的建设的同时，数据资产入表的核算方法亦在同步研究论证阶段，但目前企业对数据资产的定义，数据资产入表范围、入表的路径、入表计量方法、信息披露等方面均存在不同的理解。为了顺利形成报表的数据资产，企业应针对数据资产的采集、编制（或加工）、发布部门建立相关组织架构、规定数据资产相关部门人员的职责，存在人员既从事存在数据资产的采编工作又从事其他非数据资产相关的工作，导致数据资产无法准确归集。为提高数据资产入表核算的准确性，避免企业过多将与数据资产不相关的成本费用资本化。本报告建议：第一应该从头开始规划业务流程，对数据产品研发中涉及的部门和人员做合理分配，提高管理能力和效率；第二应组织相关会计专业人员向数据资产企业提供专业培训，加强对数据资产入表规范要求的培训讲解；第三，增加数据资产涉及的组织部门及相关技术人员披露，披露针对存在人员兼职情形下，建立数据资产核算内部控制流程。l 数据资产收入成本匹配难 数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 20 因数据具有非排他性、高重塑性的特点，导致企业利用内部使用的数据资源在对外提供服务时，不同的业务线、产品线之间，数据资源存在重复调用、重复组合的情形，在归集不同种类业务数据资产的成本时，存在如何将通用数据资源成本合理分摊到各个业务中的问题。实务中，企业一般根据对外提供的业务线或产品种类平均分摊，但不同业务种类的数据资产在资产价值、使用方式、服务对象、利用频次等可能均存在显著差异，数据成本平均分摊可能导致成本归集不准确，导致收入成本不能匹配，不能真实反应数据资源的经济利益实现方式。本报告建议：公司可结合历史情况，如数据调用频次情况、对外提供服务的频次、服务收费规则、预计对外提供服务的频次、形成数据资产的价值等多维度对重复使用的数据资源成本进行更加合理的分摊。l 数据资产资本化与费用化的区分标准统一难 根据企业数据资源相关会计处理暂行规定，企业内部数据资源研究开发项目的支出，应当区分研究阶段支出与开发阶段支出。研究阶段的支出，应当于发生时计入当期损益。开发阶段的支出，满足无形资产准则第九条规定的有关条件的，才能确认为无形资产。除企业在持有确认为无形资产的数据资源期间，利用数据资源对客户提供服务的情形外，企业利用数据资源对客户提供服务的，应当按照收入准则等规定确认相关收入，符合有关条件的应当确认合同履约成本。目前上市公司，对于自创形成的无形资产核算要求非常严格，市场上通过自创形成无形资产的企业并不多。如今出台了数据资产入表的暂行规定，表明政府支持与鼓励满足条件的数据资产入表。鉴于过去实践中，普遍认为研发费用资本化有着非常严格的规定，因此如数据资产三步蒸馏法中的第一步由原始数据变成数据资源，原始数据经过采集、简单的加工、整合、排序变成数据资源，是否应作为开发阶段的一部分，目前未有较为明确的指引。如果不满足企业内部数据资源研究开发项目的定义，企业利用数据资源对客户提供服务的，应当按照收入准则等规定确认相关收入，符合有关条件的应当确认合同履约成本。由于数据资源的高重塑性、价值时效性等特点，确认为合同履约成本的，其摊销期限同数据资产的摊销年限分析。本报告建议：随时经济的发展，数据作为生产要素，数据资产在市场中发挥的作用越来越大。数据资产作为一个新的名词，成为当前经济增长的焦点。建议出台对数据资产资本化与费用化的区分标准案例，为企业执行企业数据资源相关会计处理暂行规定提供更详细的应用指南。l 取得公共部门数据授权期限的稳定性确认难 当前，有相当一部分数据要素型企业与公共部门进行商业化联合运营，通过取得公共数据授权对数据资源进行加工，并形成数据产品对外提供服务。在持续性授权前提下，企业通过支付固定授权费取得公共数据加工使用权，将固定授权费作为数据资产入表，并按照经济利益的预期消耗方式进行摊销。若公共部门中断授权可能性较大，授权协议终止后，企业不能再使用公共部门的数据资源，则会严重影响企业摊销方法和年限的选择，甚至对企业日常经营产生重大不利影响。本报告建议：公司根据自身经营特点和业务模式合理约定数据授权期限，并在授权期限到期前，预留足够年限与公共部门协商续约事项，避免由于数据授权期限不确定对公司日常经营以及数据资产摊销年限的影响。l 金融行业成本确认难 数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 21 金融数据使用场景较为特殊，企业需要每天输入当日市场交易、报价等数据，通过前期研发的数据产品输出估值报价结果。金融数据产品的时效性较一般产品更强，数据价值呈现更强的边际效用递减的特征，与资产“能够长期带来稳定收入”的确认条件不符。以大量数据输入和模型研发作为开发基础的数据产品本质是企业在后期形成数据使用结果的“数据产品生产线”，其使用和交换价值明确，符合资产确认条件。因此，对这种数据研发和使用显著差异的场景，从产品研发角度和使用角度去区分数据资源的投入成本是有必要的。建议将企业开发数据产品模型的部分计入数据资产，而日常输入的数据资源购入成本计入主营业务成本。l 数据资产的摊销方法选择难 数据资产的摊销方法应当能够反映经济利益的预期消耗方式，在当前数据资产尚未形成活跃市场的情形下，对摊销方法的选择很大程度依赖会计职业判断，目前学术上针对摊销方法有三种观点：第一，考虑到数据资产在时间上不会随使用而发生实质性损耗，数据价值变动并无固定规律可循，数据资产无需进行折旧或摊销。第二，考虑到数据资产的经济利益流入十分依赖于市场供求关系，属于预期实现方式无法可靠确定的无形资产，应当采用直线法摊销。第三，考虑到数据更新较快，对于使用者具有一定程度时效性，建议采用年数总和法、双倍余额递减法等加速折旧的方法进行摊销。本报告建议：各种摊销方法均具有其合理性，企业应当根据不同业务的特点和市场情况，选择最适用于本企业业务的摊销方法，并一致地运用于不同会计期间。l 数据资产的摊销年限确认难 数据资产的摊销主要根据使用年限的不同，分为使用年限确定和使用年限不确定两种。如果使用年限确定，应当将其价值在使用年限范围内进行合理摊销，直至资产不能达到使用状态为止；使用年限不确定的数据资产不进行摊销。在确定无形资产使用寿命时，企业应当考虑以下因素：（1）该资产通常的产品寿命周期、可获得的类似资产使用寿命的信息；（2）技术、工艺等方面的现实情况及对未来发展的估计；（3）以该资产生产的产品或服务的市场需求情况；（4）现在或潜在的竞争者预期采取的行动；（5）为维持该资产产生未来经济利益的能力预期的维护支出，以及企业预计支付有关支出的能力；（6）对该资产的控制期限，使用的法律或类似限制，如特许使用期间、租赁期间等；（7）与企业持有的其他资产使用寿命的关联性等。按照上述方法仍无法合理确定无形资产为企业带来经济利益期限的，该项无形资产应作为使用寿命不确定的无形资产。针对使用年限确定的数据资产，目前税法上规定无形资产的摊销年限不得低于 10年，但根据调研情况，企业无法提供较为合理的无形资产摊销期限依据，主要系数据资产具有价值时变性，数据价值会随时间推移而衰减，导致数据价值变小，但无法确定其于哪个时点彻底丧失价值。针对使用寿命不确定的数据资产，企业应当在在每一会计期末进行减值测试。一方面，由于目前不存在活跃的数据资产市场，对数据资产进行减值测试存在诸多困难。另一方面，由于该部分数据资产不进行摊销，对外提供服务并不会减少其在供方财务报表中的账面价值，需方购买后又会在需方财务报表中体现，从而容易导致整体经济层面数据资产价值总量虚增，当公司业务发展不及预期，或受外部负面因素影响，数据资产将会面临非常巨大的减值压力。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 22 本报告建议：如果为外部购入的数据资产，其使用寿命及残值率应当按照购买协议、合同中的规定进行处理；如果为内部研发挖掘数据，交易平台有类似数据的相关摊销年限的，可以参照数据交易平台进行确认；如果交易平台无此类数据资产相关信息的，企业应当结合对外提供数据资产服务时涵盖历史数据的期数或客户期望使用的历史数据期数等情况合理估计。一般情况下，如果没有第三方承诺在使用寿命结束后购买该资产，或者在交易平台上没有相似资产残值信息的，数据资产的残值应当视为零。另外，公司应当每年年终对数据资产的使用年限进行复核，如果有明确证据证明使用年限发生重大变化的，应当按照会计评估结果对使用年限进行调整。l 数据资产的税会差异应对难 一方面，以某企业为例，会计上数据资产在 3-10 年内加速摊销，但税法规定无形资产在不低于 10 年的摊销期限内，按照直线法计算的摊销费用准予扣除。由此产生的税会差异会使得企业前期需要调增应纳税所得额，支付较高的当期所得税费用。另一方面，该企业数据资产入表前部分数据资产当期支出基本费用化计入研发费用，并于企业所得税前加计扣除。入表后数据资产需要在 10年的摊销期内摊销计入营业成本，若无税务局不出台其他所得税优惠政策，无法在企业所得税前加计扣除，导致应纳税所得额和当期所得税费用大幅上升,较高的当期所得税费用会占用企业现金流，甚至影响企业正常经营。另外，由于公司的研发费用减少，对于公司申请高新技术企业或 IPO 申请上市是否能满足研发费用占收入的比例要求造成较大影响。本报告建议：在数据资产会计准则落地的同时，建议税法也应进行配套政策更新，例如灵活化数据资产摊销方法选择、扩大加计扣除范围，增加研发费用的核算范围等。l 数据资产时变性导致报表规模确认难 数据资产由于其价值更多依赖其应用场景，当应用场景改变或竞争对手或政府将数据资产对外共享时，数据资产的价值将产生巨大的波动。在极端情况下，如某类数据资产受政策因素等影响导致其无法对外提供服务时，将导致数据资产完全失效，相关数据资产账面价值直接变为零，当期财务报表的营业外支出大幅增加。数据资产失效产生的营业外支出符合非经常性损益的相关定义，因此数据资产的失效并不会导致公司扣非后的归母净利润增加，因此数据资产在早期出现失效将不利于对上市公司的监管。为降低数据资产入表的对现有财务报表的冲击，降低 IPO 企业或上市公司对财务报表操控的可能性，本报告建议：首先在现阶段数据要素市场仍未健全的情况下，建议企业在确定数据资产使用寿命或摊销期限时，应根据可观察的事实情况，合理确定数据资产的摊销年限。其次，定义数据资产失效的条件应属于不可抗力因素导致的，如受国家法律法规因素影响，尽量避免受人为因素干预；最后要重视数据资产的信息披露，满足不同报表使用者的需求，充分反映数据资产的相关重要信息。l 数据资产在集团层面的会计核算难 对于集团公司与子公司之间以数据授权方式进行加工处理形成数据资产的情况，集团公司层面的会计计量方式与子公司报表的会计计量方式需要重点关注。如果子公司依托于母公司的数据资源，通过授权的方式取得数据资源加工使用权，并形成数据产品对外经营，支付的授权费可以作为数据资产入子公司的报表。如果母公司并未严格对其数据资源成本进行单独核算和计量，则内部交易授权费收入与数据资产在集团合并报表层面抵消后，集团数据资产成本否能准确归集、计量将受到较大的挑战。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 23 本报告建议：对于通过集团内部授权方式进行数据资源加工经营的企业，集团应建立及完善与数据资源相关的成本核算制度，严格归集核算与数据资源相关的成本，使得内部合并抵消后的数据资产仍能准确完整地在集团财务报表中披露与列示。4.4 列报与披露细则 企业应当按照会计准则相关规定，根据数据资源的持有目的、形成方式、业务模式，以及与数据资源有关的经济利益的预期消耗方式等，对数据资源相关交易和事项进行会计确认、计量和报告。(一)确认为无形资产的数据资源相关披露：1.披露主体使用的的数据资源，符合企业会计准则第 6 号无形资产（财会【2006】3 号，以下简称无形资产准则）规定的定义和确认条件的，应当确认为无形资产，并根据取得方式，按照外购无形资产、自行开发无形资产、其他方式取得的无形资产类别，分别披露相应资产的期初、期末余额，以及报告期内的变动情况。2.企业应当按照无形资产准则、应用指南（财会【2006】18号，以下简称无形资产准则应用指南）等规定，对报告期内确认为无形资产的数据资源进行初始计量，初始计量的方法可以选择实际成本法。实际成本指的是企业取得无形资产并使之达到预定用途而发生的全部支出，通过外购方式取得确认为无形资产相关数据资源的成本，成本部分包括购买价款、相关税费，以及直接归属于使该项无形资产达到预定用途所发生的数据采集、脱敏、清洗、标注、整合、分析、可视化等服务所发生的有关支出，以及数据权属鉴证、质量评估、登记结算、安全管理等费用。3.披露主体在内部数据资源研究开发项目的支出，应当区分研究阶段支出与开发阶段支出。研究阶段的支出，应当于发生时计入当期损益。开发阶段的支出，披露主体应当按照企业会计准则第 6 号无形资产（财会【2006】3号）的规定，判断相应数据资源是否满足以下无形资产确认条件：（一）完成该无形资产以使其能够使用或出售在技术上具有可行性；（二）具有完成该无形资产并使用或出售的意图；（三）无形资产产生经济利益的方式，包括能够证明运用该无形资产生产的产品存在市场或无形资产自身存在市场，无形资产将在内部使用的，应当证明其有用性；（四）有足够的技术、财务资源和其他资源支持，以完成该无形资产的开发，并有能力使用或出售该无形资产；（五）归属于该无形资产开发阶段的支出能够可靠地计量。4.披露主体在对相关无形资产进行后续计量、处置和报废等相关会计处理时，应当充分考虑数据资源相关业务模式、权利限制、数据时效性、有关产品或技术迭代等因素，披露不同类别无形资产后续计量方法：对于使用寿命有限的数据资源无形资产，企业应当披露其使用寿命的估计情况及摊销方法；对于使用寿命不确定的数据资源无形资产，企业应当披露其账面价值及使用寿命不确定的判断依据。5.披露主体应当按照企业会计准则第 28号会计政策、会计估计变更和差错更正（财会【2006】3 号）的规定，披露对数据资源无形资产的摊销期、摊销方法或残值的变更内容、原因以及对当期和未来期间的影响数。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 24 6.披露主体应当单独披露对企业财务报表具有重要影响的单项数据资源无形资产的内容、账面价值和剩余摊销期限。7.披露主体应当披露所有权或使用权受到限制的数据资源无形资产，以及用于担保的数据资源无形资产的账面价值、当期摊销额等情况。8.披露主体应当披露计入当期损益和确认为无形资产的数据资源研究开发支出金额。9.披露主体应当按照企业会计准则第 8 号资产减值（财会【2006】3 号）等规定，披露与数据资产无形资产减值有关的信息。10.披露主体应当按照企业会计准则第 42 号持有待售的非流动资产、处置组和终止经营（财会【2017】13 号）等规定，披露划分为持有待售类别的数据资源无形资产有关信息。(二)确认为存货的数据资源相关披露：1.披露主体日常活动中持有、最终目的用于出售的数据资源，符合企业会计准则第 1 号存货（财会【2006】3 号，以下简称存货准则）规定的定义和确认条件的，应当确认为存货，并根据取得方式，按照外购存货、自行开发无存货、其他方式取得的数据资源存货类别，分别披露相应资产的期初、期末余额，以及报告期内变化的原因。2.其中，企业通过外购方式取得确认为存货的数据资源，其采购成本包括购买价款、相关税费、保险费，以及数据权属鉴证、质量评估、登记结算、安全管理等所发生的其他可归属于存货采购成本的费用。企业通过数据加工取得确认为存货的数据资源，其成本包括采购成本，数据采集、脱敏、清洗、标注、整合、分析、可视化等加工成本和使存货达到目前场所和状态所发生的其他支出。3.对于存货，披露主体应当披露主要的存货类别及相应金额，如原材料、在研产品等，并披露发出数据资源存货成本所采用的方法。4.披露主体应当披露数据资源存货可变现净值的确认依据、存货跌价准备的计提方法、当期计提的存货跌价准备的金额、当期转回的存货跌价准备的金额，以及计提和转回的有关情况。5.披露主体应当单独披露对企业财务报表具有重要影响的单项数据资源存货的内容、账面价值和可变现净值。6.披露主体应当披露所有权或使用权受到限制的数据资源存货，以及用于担保的数据资源存货的账面价值等情况。(三)其他自愿披露：1.披露主体应当披露数据资源的应用场景或业务模式、对企业创造价值的影响方式，与数据资源应用场景相关的宏观经济和行业领域前景等。建议披露主体应当披露所属行业的基本特点、发展状况、公司在行业中的地位等，并结合主体商业模式、竞争优势等进行分析和讨论。(1)数据资源的应用场景或业务模式：披露主体需说明数据资源在交易流通方面的应用场景、应用模式、业务模式等。(2)数据资源对企业创造价值的影响方式：披露主体需说明数据资源为企业创造价值的方式，具体包括相关数据业务的经营模式、主要客户特征、服务内容、销售模式、盈利模式等。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 25(3)宏观经济和行业领域前景等：披露主体需说明数据资源相关产品或服务应用场景的行业发展情况以及新发布的法规对行业的影响情况。2.用于形成相关数据资源的原始数据的类型、规模、来源、权属、质量等信息。(1)原始数据类型：披露主体需说明原始数据的类型，类型可分为结构化数据与非结构化数据，其中结构化数据包括表格、数据库或电子表格形式的数据；非结构化数据包括文本、图像、音频、视频、空间等形式的数据。(2)原始数据规模：披露主体需说明原始数据的规模，具体内容可包括数据库个数、数据品种个数、数据指标量、数据条数、数据覆盖范围、存储大小、数据时间跨度等。(3)原始数据来源：披露主体需说明原始数据的来源，按照公共数据开放/授权、企业系统生成、交易市场采购三个类别进行说明。公共数据开放/授权是指通过相关公共服务单位数据开放或授权运营获取数据；企业系统生成是指经营活动中，通过企业的信息化系统采集记录的数据；交易市场采购是指通过数据交易市场采购获取数据。(4)原始数据权属：披露主体需说明原始数据的权属，可依照原始数据的来源类别进行说明。(5)原始数据质量：披露主体需说明原始数据质量的管控体系，对于数据来源为企公共数据开放/授权，可披露主体的组织架构、专业人员和设施、行政许可审批或者备案管理等，以及原始数据的采编流程、管理模式、采集平台建设情况等；对于数据来源为交易市场采购的，可描述出售方相关信息。3.企业对数据资源的加工维护和安全保护情况，以及相关人才、关键技术等的持有和投入情况。(1)企业对数据资源的加工维护情况：披露主体需说明对数据资源的采集和加工情况，具体内容可包括数据采集加工的颗粒度、更新频率、加工技术、采集渠道、采集标准等。(2)企业对数据资源的安全保护情况：披露主体需说明对数据资源的安全保护情况，具体内容可包括数据安全风险的应对机制、管理模式、软硬件层面情况、相关资质证明等。(3)相关人才的持有和投入情况：披露主体需说明对数据资源相关的团队建设情况，具体内容可包括团队结构、技术水平、人员数量等。(4)关键技术的持有和投入情况：披露主体需说明对数据资源相关的关键技术以及专利的基本情况，具体内容可包括在各个环节使用的核心技术以及企业拥有的相关专利内容。4.数据资源的应用情况，包括数据资源相关产品或服务等的运营应用、作价出资、流通交易、服务计费方式等情况。(1)运营应用：披露主体需说明数据资源相关产品或服务的运营情况，包括：企业可按相关领域通用指标，披露数据产品或服务的运营数据，比如产品的使用情况、收入情况、注册用户数量、活跃用户数量、付费用户数量、每用户平均收入等；企业应对数据资源相关产品或服务的形态进行分类并披露，可基于需求特征和服务方式，按以下表格中的四类进行描述：数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 26 服务方式服务方式 需求需求特征特征 界面类（用户主动操作的界面，实现人机交互的过程来获得数据或信息，例如 SaaS 应用）非界面类（通过某个软件程序的功能，实现程序间交互方式，例如 API）非模型化（数据用于训练和优化使用者的模型或算法，提高模型算法的性能）数据应用（功能服务）数据信息服务 模型化（使用者利用分析模型形成的结果，支持企业的日常生产经营决策）数据应用（联合建模功能服务）数据集(2)作价出资：披露主体需根据数据资源相关产品和服务的用途来说明相关产品或服务作价出资的情况。(3)流通交易：披露主体需说明数据资源相关的产品或服务的交易收入情况，并分别披露在数据交易所挂牌的产品或服务收入情况和未挂牌的产品或服务收入情况。(4)服务计费方式：披露主体需说明数据资源相关的产品或服务的计费方式，计费方式包括但不限于预付款方式、按用量计费、按时间计费等等。5.重大交易事项中涉及的数据资源对该交易事项的影响及风险分析，重大交易事项包括但不限于企业的经营活动投融资活动、质押融资、关联方及关联交易、承诺事项、或有事项、债务重组、资产置换等。其中重大事项可以参考审计报告中的披露说明。6.数据资源相关权利的失效情况及失效事由、对企业的影响及风险分析等，如数据资源已确认为资产的，还包括相关资产的账面原值及数据资源无形资产的累计摊销、失效部分的会计处理。7.数据资源转让、许可或应用所涉及的地域限制、领域限制及法律法规限制等权利限制。披露主体可以按表格形式说明相关情况：8.企业认为有必要披露的其他数据资源相关信息。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 27 5.数据资产表案例研究 上海数据交易所推出了 20家典型企业数据资产入表案例研究工作计划，并纳入金融、能源、科技、制造业、医疗、交通等细分行业龙头企业作为研究对象，以探索形成数据资产入表的一般路径。结合前期案例企业的研究成果，我们初步总结了企业推进数据资产入表的主要挑战，并基于一些可行的处理办法来部署下一阶段的工作。5.1 主要挑战 根据企业真实财务数据和业务数据展开数据资产入表模拟研究，我们发现 2024 年 1 月 1 日之后，企业以暂行规定为指引推进数据资产入表的挑战主要是以下几点：1.企业对数据资产认知有限。上海数据交易所在推进企业数据资产入表案例研究和组织举办数据资产入表研修班的过程中发现，企业对数据要素认知不到位、对数据资产的定义不清晰、对数据资产确认范围不明确是目前暂行规定执行的最大挑战。2.企业对形成数据资产的路径理解不足。企业有很多的数据资源，如何确认权属、如何开发利用形成企业的数据资产，如何从计算机语言转换为会计语言，这一路径不明确是企业推进数据资产入表的第二大困难。3.会计处理存在困难。上海数据交易所在以企业真实业务数据和财务数据为基础，组织专业团队推进数据资产入表模拟的研究工作，发现企业前期的组织架构不利于数据资产形成路径中成本归集，进而导致企业数据资产入表会计处理存在挑战。暂行规定的指引是企业以实际成本法推进数据资产入表，必然要求企业对前期数据资产达到预定可使用状态的成本投入进行清晰记录和准确计量。4.数据资产信息披露规范和机制不明确。暂行规定虽然就企业数据资产信息披露提出了一些框架性的指引，但上海数据交易所在研究中发现，企业面对数据资产信息披露依然存在很大困惑。披露平台、披露规范、披露机制、披露内容如何编制，是目前企业数据资产入表的一大困难。5.专业服务机构对数据资产评估方法实践标准不统一。上海数据交易所一直致力于培育专业数商生态，通过组织专家研讨会、企业调研会等提升数商服务能力，加快推进企业数据资产入表。我们发现，专业机构对数据资产的认识不统一、数据资产评估方法标准不统一、数据资产市场价值难以有效发现和释放是企业数据资产入表的一个挑战。5.2 研究计划与标 上海数据交易所围绕“提升全社会对数据要素认知、推进企业数据资产入表和创新应用”为核心开展数据资产入表案例研究工作，具体包括以下方面：继续加强典型企业入表案例研究，形成企业数据资产形成的一般路径。一是聚焦重点领域、选择具有行业影响力的典型企业继续推进企业数据资产入表研究，并重点探索数据资产入表模式、路径、会计处理、披露形式以及金融创新应用等。二是明确企业数据资产形成条件，首先明确数据资产权属，以数据资产可确权为核心，以上海数据交易所数据资产登记凭证为依据，进一步确保数据要素流通市场各相关方的数据资源持有权、数据加工使用权、数据产品经营权及衍生权利获得方式的合法性，对于数据来源有权属争议的，可以数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 28 暂不进行资本化，沿用之前费用化的会计处理。之后按照“数据资源-数据产品-数据资产”的途径确认报表数据资产。三是明确数据产品为数据资产的计量载体，形成以数据产品开发投入为主要构成的初始计量、以数据产品使用场景为主要依据的后续计量方式。以此为基础推动数据要素交易市场的发展，推动标准化数据产品的价格生成、清结算等核心交易环节，探索数据产品公允价值形成与入表模式，并开展数据资产凭证服务及应用探索。建立数据资产披露规范和机制，形成数据资产入表统一手势。一是统一数据资产的披露方式。对于确认为无形资产或存货的数据资产，在资产负债表相关科目予以列报和披露；对于不符合资产确认条件的数据资源，协同上海数据交易所统一企业数据资源财务信息披露的规范和标准，并鼓励企业在财务报告的管理层讨论与分析部分以应批尽批为指导原则主动披露，有效支持国家数据要素战略落地。二是明确数据资产的披露内容。可以重点披露数据资源基本情况和加工情况，包括来源、属性、规模、加工投入等；可以重点披露数据产品的流通交易情况，以上海数据交易所的数据资产凭证为关键依据，通过观察周期内的合约记录形成数据资产公允价格；重点披露数据资产创新应用情况，以及企业涉及数据资产的重大事项，建立健全上海数据交易所依法监管体系下数据资产的披露规范。三是建立数据资产的披露机制。建立日常、重大事项、周期等披露机制，切实保护投资者及其他相关方的权益。四是推动形成入表编制的统一手势。继续加强培育数据资产入表和评估机构的数商生态。严守合规安全底线，统筹利用各类相关交易服务场所、机构和平台披露的数据资产相关信息，推进数商形成体系化、标准化、规范化、便捷化的数据资产入表、评估和监督工作流程，提升数据资产价值可信度，探索数据资产登记凭证应用于基础工作的可行性路径。此外，以数据资产凭证为关键信息来源推动数据资产市场法估值的理论与实践创新，探索形成数据资产市场价值评价体系，并与金融机构一起开发数据资产创新应用模式。5.3 数据资产表与创新应 类比传统资产的创新应用，我们认为，数据资产先形成报表资产，之后再以报表资产为基础推进数据资产市场价值评定与测算，进而进入交易与流通市场去发挥金融属性，将是一条清晰和简单的路线，也是数据要素市场繁荣的基础。如果数据资产游离于报表之外，必将损害交易与流通的效率。数据资产创新应用是指释放数据资产作为核心标的物经济价值的过程，一般包括数据资产增信贷款、出资融资、资产证券化等多种方式。在数据资产创新应用的过程中，一般涉及主体数据资产权属问题和预期收益问题，金融机构都会要求提供数据资产评估报告，需要审慎评估数据资产为企业带来预期现金流的业务模式，并估算收益现金流发生的情况。目前数据资产主要的创新应用的方向有：（1）数据资产增信（2）数据资产转让（3）数据资产出资（4）数据资产质押融资（5）数据资产保理（6）数据资产信托（7）数据资产保险（8）数据资产证券化。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 29 6.数据资产表小结 从国家层面来说，我国将数据作为一种新型的生产要素纳入经济体系之中，这是一项重大的理论创新。近几年，平台型企业逐渐取代传统寡头型企业的位置，标志着全球的经济形态早已经从人力密集型或者资本密集型转为技术驱动型或者数据驱动型，可是从生产函数的形态上或者从投入要素的角度看，我们并没有将技术、数据等实体经济的主要驱动力纳入生产函数的考量。从“数据二十条”的内容我们可以看到，我国将数据确认为生产要素的主要目标是为了促进数据合规高效流通使用，推进数据赋能实体经济，一方面是加速企业数字化转型的速度，另一方面是探索企业数据资产化的应用场景。从社会层面来看，企业数据资产化意味着三个方面：第一方面企业可以通过获取公共数据授权来激活公共数据流通使用，真正实现数据取之于民用之于民，让数据要素造福人民，提高社会效率和社会福利。第二方面企业可以通过采集使用自己运营生成的或者外部数据，通过赋予数据资源创新性劳动和实质性加工，输出至社会生产经营活动之中，最终提高整个社会的运营效率。第三方面金融机构可以推进数据资产化应用场景的研究，探索数据资产增信贷款、数据资产抵押等等企业直接或者间接融资的方式，有效赋能数字经济的发展。从企业的角度来看，虽然数据资产入表可能给自由裁量权较高的管理层提供了弹性的会计处理空间，但瑕不掩瑜，数据资产入表一方面数据赋能企业数字化转型，可以有效提高企业自身的生产运营效率；另一方面数据资源审慎入表可以有效提升企业资产规模、提升估值水平。以数据资产入表为起点，数据资产化的价值能通过数据资产的交易、金融创新应用等各种方式有效助力企业实现可持续发展。目前各地交易所已经在推进相关数据资产创新应用的研究，并且已经有很多“首单”记录产生，这也是数字经济蓬勃发展的象征之一。从个人角度来看，数据要素市场交易与流通的合规性提高有助于更好的保护个人数据资产。“数据二十条”指出要建立健全个人信息数据确权授权机制，探索由受托者代表个人利益，监督市场主体对个人信息数据的采集加工和使用机制。企业数据资产化方面理论和实践的成熟有助于更好地践行“数据二十条”对于个人信息数据相关应用的高层指引。数据资产入表应该服务于国家数据要素市场战略，积极推动数字经济的发展。从我国建设与繁荣数据要素市场的角度出发，数据资产入表应该从鼓励披露、加强排摸开始，通过企业实践和案例研究相结合的方式，形成入表一般路径，并通过强化数据交易所基础设施功能，提高数据资产入表的效率，提升数据资产管理工作的效率。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 30 图 4 数据资产入表政策建议 6.1 励披露，加强数据资产排摸 暂行规定以强制披露与自愿披露相结合的方式推进数据资产入表，一方面从企业使用数据资源方式的角度将数据资源分类为无形资产和存货科目进行确认、计量和报告，另一方面还对数据资源的列示与披露做出了细化规定。从这个角度看，暂行规定将助推数据要素报表化、显性化，推进数据资产化创新应用。归根结底，暂行规定最大的的亮点其实还是强调数据资源相关信息披露。数据资源打破了传统资源的特征，如主体多元性、高重塑性等，进而导致数据资源的确权和收益分配存在挑战，更进一步，数据相关的资源按照多少价格去可靠计量、计量的方法和属性，在财务报表上按照摊销还是减值处理等等关键实践操作，都存在着挑战。从服务于国家数据要素战略的角度出发，暂行规定的首要目标是排摸全国范围内的数据资产规模，因此鼓励企业加强披露是第一步。6.2 加强指引，形成表可路径 针对数据资产入表的实践挑战，国家应该加强研究并形成一般性的入表路径。针对不同数据来源的市场主体，如何结合分类分级授权确权机制确定企业数据资源入表也是一个重要课题。推进公共数据授权运营前提下的数据资产入表，可以有效发掘公共数据的使用价值，并促进公共数据合规高效流通使用。推进企业运营伴生数据在加工使用形成数据资产的前提下入表，可以有效支持数据要素型企业发展，改善拥有大量具备可使用价值数据的市场主体的财务报表，进一步发挥数据要素的二次甚至多次使用价值。推进个人数据依法合理采集并在特定使用场景发挥作用，可以有效保护个人数据隐私安全，促进个人数据合理合规交易与流通。6.3 数据资产凭证赋能国家数据资产管理作 数据资产凭证是上海数据交易所在数据资产登记与交易方面的理论与实践创新。该凭证记录数据产品成本、权属、交易价格等多项信息，依托全国数据交易链生成，实现数据资产凭证发放“智能生成，全链共识”数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 31 的全国统一的认证、发放与验证机制，打造数据资产生成器，为探索数据资产入表、资产估值以及数据资产创新应用提供基础。企业对数据资源加工和处理之后形成可供登记的数据产品，交易所进行登记时首先要求企业提供权属法律文件，其次提供成本信息，帮助企业进行成本梳理与确权登记，会计师事务所可以根据该信息进行数据资产的入表工作。数据资产凭证还可以记录企业数据资产在交易所平台的交易信息，包括价格、场景、交易时间等等多个维度标签，从而支持企业数据资产市场法估值工作。对于企业主体来说，数据资产凭证可以支持数据资产相关的管理工作。国家也可以通过交易所平台来管理全国范围内的数据资产，可以有效推进数据分类分级授权确权机制研究。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 32 第三部分 数据资产估值操作 7.数据资产评估基础理论 7.1 数据资产权利权属 数据资产评估第一步就是确认评估标的，即确权。数据资产的价值建立在相应的权利基础之上。数据资产的权利与权利主体之间存在权属问题，在面对不同来源的数据，需要厘清各主体之间的权利关系，通过法律制度、政策制定等方式明确数据产权的归属。从数据资产权利内容的研究来看，曹磊（2013）认为数据权利包括数据主权和数据权利两方面。其中，数据主权的主体是国家，是一个国家独立自主地对本国数据进行管理和利用的权力；从实施方式来看数据主权可以分为数据所有权和数据管辖权两方面：数据所有权是国家对其本国数据排他性占有的权利；数据管辖权是国家对其本国数据享有的管理和利用的权利。肖冬梅和文禹衡（2015）提出构建一种新的数据权利模式，基本框架可分为数据主权和数据权限两种模块。张毅菁（2016）认为个人数据权主要包括个人数据财产权、个人数据、人身权，其中个人数据人身权包括了隐私权、知情权和使用权、被遗忘权和删除权。朱扬勇等（2020）对数据资产的权利细分为探索权、使用权和所有权，认为针对数据资产不同权利的交易，会产生不同的费用。关于数据资产确权，国内外均进行了一定程度的探索。美国司法中针对近年来出现的一些与数据权属具有一定关联的案件中，法官和律师均回避了数据在企业之间的确权问题，而是从现行合同法的角度给予回应，类似于通过具体合同“一事一议”的形式来界定和分配不同主体的权利。这种对数据资产权属确定的灵活态度，在一定程度上促进了美国互联网和数字经济的发展。欧盟确定了“个人数据”与“非个人数据”二元架构。2016 年欧盟通过并于 2018 年 5 月正式生效的通用数据保护条例（GDPR）明确了个人数据的数据主体与数据控制者之间的严格界定，针对任何已经识别或者可以识别的自然人相关的个人数据，其权利归属于该自然人。该自然人享有包括数据知情权、访问权、拒绝权、纠正权、可携带权、删除权/被遗忘权、限制处理权、免受数据画像影响权等一系列权利。同时，欧盟委员会在建立欧盟数据经济这一政策性文件中呼吁，应当针对非个人的机器生成数据设立数据产权，规范市场和交易。针对非个人数据，企业享有“数据生产者权”。欧盟委员会希望通过“数据生产者权”鼓励并在特殊情况下强制企业授权第三方访问其数据，从而促进数据的流通和增值。我国民法典中规定了个人信息主体对个人信息的查阅权、复制权、更正权和删除权，同时明确了信息处理者对个人信息的安全保障义务，以及公权力机关及其工作人员相应的个人信息保密义务等。2022 年 6 月 22 日，习近平主持召开中央全面深化改革委员会第二十六次会议，会议指出，要建立数据产权制度，推进公共数据、企业数据、个人数据分类分级确权授权使用，建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制，健全数据要素权益保护制度。数据资产的权利和权属问题，关系着数据资产价值的发挥以及数据要素市场的培育，目前数据确权方面对数据资产所有权均采取了一定程度的搁置，明确了数据主体对数据享有的查阅权、复制权、更正权、删除权等，同时在合法、正当、必要且征得同意的前提下，也允许数据处理者（数据控制者）享有对数据处置和收益的权利。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 33 显然，“数据二十条”在数据产权方面的主要设计师基于搁置争执、避免侵权、合规拥有、合理受益的目标。从社会经济运行规律以及要素资源交易流动的本质来看，明确的权属认定和划分标准是保障市场主体利益、维护市场有序发展之根本。特别是对于数据资源来讲，确权始终是数据资产化无法逾越的第一步。以资产评估为例，本质上是对资产的某项权利/权益价值的测算，这一点在指导意见第十二条、第十四条中也有明确的规定。在评估实践中，如果评估报告没有特别强调一项资产的权利，那可以明确是基于所有权这项基本权利。一旦资产出现分权/授权的特性（例如土地使用权、著作权的授权等），那么明确主体对其拥有的权利就成为了评估的前提。“数据二十条”中指出，要“根据数据来源和数据生成特征，分别界定数据生产、流通、使用过程中各参与方享有的合法权利，建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制，推进非公共数据按市场化方式共同使用、共享收益的新模式，为激活数据要素价值创造和价值实现提供基础性制度保障。”实际上，产权分置的概念并不是从数据要素才出现的。2016 年 11 月，中共中央 国务院印发了关于完善农村土地所有权承包权经营权分置办法的意见，意见中要求做好农村土地集体所有权、农户承包权以及土地经营权的“三权分置”工作。随后，国务院新闻办公室在新闻发布会中对文件精神作出进一步解读，强调推动农村土地“三权分置”是新的历史条件下关于农村改革的重大制度创新，主要目的之一是促进土地资源优化配置，让土地作为要素流动起来，从而培育新型经营主体发展适度的规模经营，推进农业的供给侧结构性改革。从这个意义上讲，数据要素的“三权分置”与土地要素有很多相似之处，其意义都是在于通过权益的细分并分散权益承载主体，充分发挥要素的使用和经营作用，促进要素流转。农村土地的“三权分置”本质上是基于农村土地集体所有权的创新，产权与治权关系紧密，权利的派生和分置路径清晰。相对而言，数据要素的“三权分置”则在理论和实践中仍然有很多亟需达成共识的问题，如三权的明确定义到底是什么，包含哪些具体的权利权属问题，企业和第三方服务机构到底应该如何确认相应权属边界以及所对应的投入成本，这既是数据资产入表的前提，又是数据资产评估的关键一步。7.2 数据资产三重价值 价值链理论由迈克尔波特（Michael Porter）于 1985 年提出。该理论从价值创造的角度出发，运用现代管理理论和方法，识别和重构企业价值链，确定企业的竞争优势。本报告以价值链理论为基础，基于企业数据资源创造价值的过程，提出数据要素价值链理论4，探索数据资源形成数据资产的一般路径，如图所示。促进数据要素市场的交易与流通，一方面应积极推动数据资源化过程，推进以数据产品为载体的数据资产入表，推动数据资源使用价值和交换价值的充分释放；另一方面应通过数据资产创新应用，以数据资产经济价值结果显性化反向推动产业链各主体积极参与市场各项规则的建设。4 赵丽芳，林，李璞.基于数据要素价值链的企业数据资产评估法，2023.数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 34 图 5 数据要素价值链 从评估的角度来看，数据资产的价值来源主要从数据资产的成本构建、收益获取和市场供需的角度考虑。拥有数据资产的主体可以通过对数据的分析和加工，深度挖掘数据资产的价值。在有活跃交易市场的情形下，可从市场角度对结合类比数据资产特征对数据资产的价值进行分析。数据资产的构建成本，即数据资产形成过程中各环节投入的成本，反映的是投入视角下的数据资产价值，与数据资产的规模及结构、数据获取难度、数据更新周期及频率、安全级别及措施等因素具有较强的关联性。数据资产的成本属性是从数据资产所花费的成本的思路对形成数据资产花费的成本进行归集的一种思路，一般体现了处于开发初期的数据资产的价值，因为这类数据资产尚未形成显著的社会及经济价值，采用成本思路评估其价值存在一定的合理性。影响数据资产的价值主要从数据资产的收益和应用角度考虑，通常情况下数据资产都需要依托于特定的数据应用场景发挥经济效益，因此同一数据资产在不同的应用场景下体现的经济价值可能存在较大的差异。由于数据资产本身存在的可复制、可共享、可协同、可再加工等特点，具备可商业化应用场景的数据资产能够在购建成本基础上，以极低的边际成本获得收益的倍增，从而实现更大的社会和经济价值。7.3 评估与数据产品定价 传统经济学中，价格的本质是一种从属于价值并由价值决定的货币价值形式。价格需要遵循市场经济的一般规律，它反映企业的品牌形象、市场地位，直接影响企业盈利目标的实现，也是企业市场竞争的重要手段。一般来说，影响定价的因素多种多样，从宏观和微观的角度分析，包括不限于如产品的市场需求状况、产品成本、竞争状况、政府对价格的干预、货币价值与货币流通量、社会经济状况和消费者的心理因素等等。数据产品或者数据资产的定义，依然可以参考传统产品的定价方式。在传统产品定价研究中，有几种普遍的方式：数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 35 成本加成定价法：一般指的是将生产投入作为定价的基本依据，特点是简单、方便，能够保证企业不亏损。需求导向定价法：一般是以市场需求强度和消费者感受作为主要依据来定价的方法，比如认知定价法和反向定价法。竞争导向定价法：指的是市场上相互竞争的同类产品价格作为定价的基本依据，随着竞争状况的变化来确定和调整价格水平的一种定价方法，如随行就市定价法和密封投标定价法。目标利润定价法：指的是根据企业总成本、预期销售量、目标利润率，并以此作为定价的基础。数据产品相关的定价问题和信息产品相关的定价相似度较高，和传统产品又有显著区别，如数据的高重塑性导致数据产品和传统产品生命周期的演进上存在显著差别，导入期不能实现规模经济的特征不复存在。数据产品的使用依赖场景需求，不同使用主体、不同场景中数据的作用是完全不一样的，所以导致数据产品的定价具备较强的差异性。从数据资产三重价值出发，数据资源和产品的定价关系到其价值的充分挖掘和释放，如资源阶段的使用价值到底怎么定价，取决于供给方的成本和需求方的收益。供给方需要投入大量的人力和设备去采集、整理、加工等等，形成可进一步加工、可信任、有规模的数据资源，才有可能进入流通应用环节。从竞争规律和价值规律来看，供给方如果不能实现保本，那这种交换活动是不可持续的，所以数据资源的定价依赖于供给方的成本。需求方在某些收益场景中需要购买数据去降本增效或者提高收益，如银行购买很多数据去降低坏账率，如保险购买核验类的数据去规避风险，所以需求方对于不同的数据的需求程度和愿意付出的价格是具有显著差异性的。目前，供需双方都有惯性的一事一议定价法，即通过谈判来确定价格，那随着数据要素市场的发展，数据要成为一种生产要素，必然需要具备低成本、大规模可得的特点，也同时需要实现赋能实体经济的效果。数据产品和数据资产层面的定价，一方面依赖于企业投入开发的成本，另一方面也依赖于企业的品牌策略、渠道策略、营销策略，以及市场竞争程度等等。不同的竞争环境下，不同的市场地位，不同的营销诉求，会导致企业在定价决策方面做出不一样的选择，比如金融行业的 wind和数库虽然研发出应用场景相似、客群相似的产品，但两家公司不同的市场地位导致他们定价也不一样。而企业征信类产品，如合合、企查查、天眼查等，由于市场竞争激烈，目前三家产品的基础款几乎是同一价位。所以，结合企业层面的定价策略，我们也可以推广到公共数据的定价策略。“数据二十条”对公共数据的定价指引做了说明，对各级党政机关、企事业单位依法履职或提供公共服务过程中产生的公共数据，加强汇聚共享和开放开发，强化统筹授权使用和管理，推进互联互通，打破“数据孤岛”。鼓励公共数据在保护个人隐私和确保公共安全的前提下，按照“原始数据不出域、数据可用不可见”的要求，以模型、核验等产品和服务等形式向社会提供，对不承载个人信息和不影响公共安全的公共数据，推动按用途加大供给使用范围。要求推动用于公共治理、公益事业的公共数据有条件无偿使用，探索用于产业发展、行业发展的公共数据有条件有偿使用。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 36 对于有条件有偿使用的公共数据，我们需要借助数据产品估值技术来合理定价，即首先梳理数据资源的开发成本，其次根据特定使用场景预期现金流的测算，来辅助公共数据产品定价。这种定价方式本质上是数据资产评估成本法和收益法的结合。从更长远的角度来看，数据要素市场的发展将推动数据资产创新应用的新局面，也就是说，进入企业资产负债表的数据资产，将有可能像其他类型的资产一样，以其质量、公信力、收益预期作为偿付基准来发行证券产品。目前，数据资产的市场法还没有形成统一的衡量指标，也没有足够多的可比案例支持市场法评估。但目前国际上已经有多起以数据资产作为核心标的的并购案例，各地数据交易所也挂牌了很多数据产品，这些将成为数据资产市场法定价的基础支撑。8.数据资产评估法 资产的价值评估主要基于三大路径，即成本途径、收益途径和市场途径。数据资产与传统资产比较尤其独特的特征，但资产形成和价值实现的路径与传统资产也基本类似。目前对数据资产价值评估的方法研究中，主要为在成本法、收益法、市场法三大基本方法的基础上，考虑数据资产的特殊因素对评估模型加以修正和改进。成本法是以待估资产实际成本为基础的一种评估方法。德勤评估（2019）认为，基于成本法的数据资产价值应为重置成本扣除贬值因素，对数据资产而言，贬值因素主要来源于数据资产丧失时效性带来的经济性贬值。林腾飞（2020）认为贬值因素除了经济性贬值外还应包括功能性贬值，功能性贬值为功能性贬值率与重置成本的乘积。普华永道（2021）提出将数据资产价值形成的过程分为三个阶段，对于初探应用场景和进一步深度开发实现商业价值的数据，定义为处于数据价值势能向动能转化的阶段，基于数据系统的构建成本，通过潜在经济价值呈现因子、潜在社会价值呈现因子进行修正。中国资产评估协会综合考虑数据资产的成本与预期使用溢价，加入数据资产价值影响因素，建立成本法的修正模型，基本公式为：评估值=数据资产总成本（1 数据资产成本投资回报率）数据效用。收益法是基于数据的应用场景，通过数据资产预期带来的经济效益并考虑相关风险后折现计算的价值。胥子灵（2022）等人以某通讯企业为例，研究了多期超额收益法在数据资产评估中的应用，并根据通讯行业企业的特点，加入客户留存率参数对数据资产的价值进行修正。孙文章（2023）等人以互联网金融企业为例，使用多期超额收益法进行评估，并通过梳理互联网金融行业企业数据资产的特征、价值来源及价值影响因素，运用层次分析法提出互联网金融企业数据资产价值变化系数及影响权重。陈星（2022）在运用层次分析法的基础上，引入了熵权法对层次分析法得出的因素进行二次修正，以尽可能减少层次分析法中的不足。权忠光（2022）等人基于数据资产的生命周期探讨分析了不同阶段的数据资产适用的评估方法，将数据资产划分为开发阶段、赋能阶段、活跃交易阶段和处置阶段，结合数据资产评估目的和实现价值的商业模式探索分析了各种评估方法的适用性。因数据要素交易市场尚未完善，评估中难以获得公开的价值参数，基于市场法的研究较为少见。数据资产凭证是上海数据交易所在数据资源确权方面的探索，也有很多学者参与探讨数据资产凭证的应用场景和功能定位。数据资产凭证是一种用于记录数据资产交易、交付、权属等信息的电子凭证，该凭证依托于全国数据交易链，基于不同的应用场景发挥相应的作用，可用于各层次数据要素市场。依托全国数据交数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 37 易链的数据资产凭证生成标准化协议与智能合约，结合交易链上数据产品挂牌、数据产品交易存证，实现数据资产凭证发放“智能生成，全链共识”的全国统一的认证、发放与验证机制。数据资产凭证通常包括记录数据产品登记；每一次链上交易信息，并将电子订单、数字签名、发票等信息上链保存；同时包含价格、交易量、复购率、使用场景、用户评价等参数的指标清单。首先，数据资源持有权的确权途径是数据资源登记，数据资产凭证登记了数据资源用于形成数据产品或服务的相关信息，可作为数据产品经营权的确权凭证。数据资产凭证包含了数据资源的来源，通常可分为公共数据、企业数据两类，采集这两类数据后进行加工可以形成具有资产价值的数据资源。对于授权运营的公共数据，凭证记录了被授权企业进行数据资源登记，并与公共机构分享数据资源持有权的情况。对于企业相关业务自主生产的数据，可以进行数据资源登记，由企业取得数据资源持有权。其次，对于通过爬取的公共数据，不宜登记取得数据资源持有权，企业只要遵循行业规则，没有采用非法侵入计算机信息系统和非法获取计算机信息系统数据等非法方式，就可以获得数据加工使用权。对于通过交易市场采购的数据，在签订数据交易合约时，便赋予数据购买方数据加工使用权。对于企业间委托加工的数据，要求在合约允许范围内加工数据，形成数据产品，可以获得数据加工使用权。由于数据加工使用权是一种灵活的、有限的“防御性权利”，不能作为资产性权益，也无需登记机构颁发确权凭证。最后，企业对数据资源需要付出了实质性加工和创新性劳动，从而形成可交易的数据产品。数据资产凭证记录企业加工使用数据的过程，可以作为企业可以登记取得数据产品经营权的重要依据。文献对于数据资产评估的理论逻辑讨论已比较充分，基本上基于传统的评估思路，并考虑数据资产的特征，通过衍生方法或创新模型加以修正，以弥补传统评估模型在数据资产评估中的不足。综上所述，数据资产在估值方法层面与传统评估不存在重大差异，主要还是基于成本法、收益法及市场法进行测算。其中市场法由于现有数据资产的研究正处于初期阶段，目前形成的市场交易主要针对的还是单一数据产品或是特异性很高的数据资产相关合同权利等，因此短期内无法提供流通性较强的市场案例作为对比。此外成本法及收益法的适用性均较为充分。成本法选用历史投入归集的角度，分析相关的数据标注、整合、分析、可视化加工等生产过程，汇总其前期规划成本、建设成本、运维成本和其他成本，此外还需包括与数据资产直接相关的或者可进行合理分摊的软硬件采购、基础设施成本及公共管理成本，合理利润和相关的税费。收益法可根据数据资产未来的收益期限和收益预计，确定合适的折现率，选用收入分成法、利润分成法或多期超额收益等等评估模型进行计算。8.1 数据资产评估指导意解读 指导意见是继财政部 2023 年 8 月 21 日发布企业数据资源相关会计处理暂行规定（以下简称暂行规定）后的又一部推动数据资产化的财会文件。暂行规定的正式发布意味着推进数据成为一种新型生产要素从会计上开始显性化，一方面为企业披露数据资源形成强有力的指引，另一方面更是为推进数据要素市场交易与流通奠定基础，标志着我国正式迈出了数据资源入表从 0 到 1 的关键一步。指导意见则是数据资产评估执业人员的行动准则，一方面从微观层面推进数据资产价值的计量，能更加充分反映出数据资产对实体经济的赋能作用，另一方面能为数据资产的交易与流通奠定基础，进而发现数据资产公允价值，真正助力全国大统一数据要素市场的发展建设。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 38 数据作为一项新型的生产要素，要想实现大规模、低成本可得，真正赋能实体经济发展，还需要依赖高效合规的交易与流通市场。这就意味着，一方面企业要充分利用国家数据交易所的官方途径去披露和交易数据资产，另一方面国家需要培养一批数商去为企业提供相关审计、评估等的服务。指导意见既在微观层面界定了数据资产价值的测算方式，充分反映出数据资产对实体经济的赋能作用，也在宏观层面为数据资产的价值发现、价值释放、价值流动提供了操作指引，真正助力于全国数据要素市场的全面建设和统一发展。但关于数据资产评估，早在 2019年年底，中国资产评估协会就曾以专家指引的方式，构建了关于数据资产评估的整体执业框架（中国资产评估协会专家指引第9 号：数据资产评估（以下简称“专家指引”）。中国资产评估协会此次将数据资产价值评估的相关执业要求以准则形式发布，既是为了适应数字经济时代的加速到来，也是为了在后续进一步发掘数据资源价值，提前做好规范性布局，为暂行规定的实施做好充分的衔接工作。指导意见为专业资产评估机构提供数据资产评估工作提供了指引，但在具体实践中更加强调数据资产应用场景，而基于应用场景的评估与其他资产评估存在较大不同，给评估师带来很多挑战。从内容来看，指导意见分为七章二十八条，分别从基本原则、评估对象、操作方法、评估方法、披露要求等方面对数据资产评估执业做出了规定。与其他指导意见类准则的一般结构不同，数据资产评估的指导意见特别增加了对于评估方法的描述，从另一个角度体现出数据资产具有一定的特殊性。指导意见中对于数据资产的定义，与暂行规定基本保持一致，即“特定主体合法拥有或者控制的，能进行货币计量的，且能带来直接或者间接经济利益的数据资源”。这个定义，与“专家指引”中的相关内容有所不同，但更加贴合了会计学意义上对于资产的认定。指导意见中的基本遵循一章，强调了资产评估机构在执行数据资产评估业务时，应当秉持的职业操守以及一些原则性的专业判断，总体上与其他指导意见类的准则相似。但同时，指导意见也重点强调了资产评估专业人员应当关注数据资产的安全性和合法性，遵循保密原则；提醒资产评估专业人员应当具备相应的专业知识、技术手段和经验，具备开展数据资产评估业务的胜任能力。从评估对象一章开始，指导意见开始围绕数据资产的特性逐条规范相关资产评估业务的基本要素和具体操作要求。指导意见首先明确了数据资产的三个基本属性：信息属性、法律属性和价值属性，以及数据资产的五个特征：非实体型、依托性、可共享性、可加工性和价值易变性。三个属性和五个特征，既是对数据资产有别于其他资产的高度抽象，也是对特定数据资产作为评估对象的限定标准。资产评估专业人员在执业过程中应当充分关注数据资产的属性和特征，掌握数据资产的基本信息并意识到相关属性和特征对界定评估对象的影响。需要说明的是，与“专家指引”中所描述的数据资产特征相比，“指导意见”不再提及“多样性”的概念，同时新增了数据资产的“可共享性”，这说明资产评估行业对于数据资产基本特性的认知，尤其是如何比较准确的界定数据资产，也在不断地更新迭代。不可忽略的是，评估对象一章中，也特别强调了数据要素的“三权分置”，并与“数据二十条”的表述完全保持一致。在此基础上，指导意见要求资产评估专业人员在确定数据资产评估对象时，应当根据评估目的、权利证明材料等，确定评估对象的权利类型。在操作要求一章，指导意见进一步提出影响数据资产价值的四个因素，包括成本因素、场景因素、市场因素和质量因素。其中比较值得关注的是场景因素和质量因素。指导意见认为，场景因素包含了数据资产的使用范围、应用场景、商业模式、市场前景、财务预测和应用风险等维度，并强调同一数据资产在数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 39 不同的应用场景下，通常会发挥不同的价值。场景因素实际上是一个比较综合的概念，既包括了数据资源在不同分级分类下的应用，也包括了数据产品生命周期的演进，更包括了针对数据资产的经济行为/评估目的，而不同的经济行为/评估目的又与数据资产评估结论的价值类型密切相关。将数据质量纳入数据资产价值的考量因素之一，是指导意见在所有资产评估准则系列中的独创和亮点。指导意见认为，数据质量因素，包括数据的准确性、一致性、完整性、规范性、时效性和可访问性等，对数据资产价值具有比较重要的影响，要求资产评估专业人员采取恰当方式执行数据质量评价程序或者获得数据质量的评价结果，必要时可以利用第三方专业机构出具的数据质量评价专业报告或者其他形式的数据质量评价专业意见等。对于数据资产的评估方法，尽管指导意见单设一章，但本质上与资产评估执业准则无形资产并无本质区别。也就是说，对于纳入数据资源无形资产的价值评估，其理论框架和模型并未超出无形资产的范围。指导意见中重点列举了收益法、成本法以及市场法在数据资产价值评估中的应用，并要求资产评估专业人员在采用该些评估方法时注意其适用性、合理性及各类参数的科学性。关于数据资产的评估方法，有两点值得注意，一是指导意见中要求在采用成本法和市场法时应当考虑数据质量对价值的影响，将数据质量评价结果作为成本法和市场法的调整参数，但是对收益法并无此类要求，也未说明理由。二是指导意见对于三种评估方法的介绍具有一定的先后顺序，这也代表了在当前情况下三种评估方法的使用优先度。由于目前尚未形成活跃的数据资产交易市场，市场法的使用相对劣后也在情理之中，但是这并不意味着是数据资产价值评估的常态。自第一次工业革命以来，人类社会通过发掘生产要素、创新生产工具，极大地提高了生产效率。从蒸汽到电力、核能，再到互联网通讯，人类社会工业化的路径归根到底是在开发资源禀赋，并将其广泛运用于生产经营过程中。如今，数据作为一项实际上一直伴随着人类发展历史的客观存在，由于算法和算力的突飞猛进，正日益展现出强大的生命力，人类生产效率的提升也逐渐从产能产量角度向解决信息不对称过度。数据要素在时代的催生下，无论是在宏观层面还是在微观层面，均被赋予了重要的经济乃至金融属性。虽然不可否认的是，数据资产化依然处于前期探索阶段，包括指导意见在内的一系列制度还需要在未来的实践中不断完善优化，基于指导意见的数据资产评估执业对于资产评估行业而言，依然存在一定的挑战和疑虑，如数据资产权属问题、收益年限问题、质量评价实践问题、市场法适用范围问题等。但更加不可否认的是，指导意见的出台对于深入贯彻“数据二十条”的顶层设计，构建数据基础制度，充分发挥我国海量数据规模和丰富应用场景优势，激活数据要素潜能，做强做优做大数字经济，增强经济发展新动能，构筑国家竞争新优势等方面具有重要的意义：一是规范数据资产评估。指导意见将数据资产定义为特定主体合法拥有或控制、能进行货币计量，且能带来直接或间接经济利益的数据资源，这与暂行规定中的定义保持一致，有利于统一数据资产的专业认知。指导意见还详细规范了数据资产的评估对象、操作要求、评估方法和披露要求，为数据资产评估提供了专业的指导和标准，有助于资产评估机构在开展数据资产评估时有可遵循的准则依据，降低了执业行为的随意性，增加了评估结论的可信度和可比性。二是促进数据要素流通。生产要素的流动，是体现要素价值的核心，数据要素也是如此。从“数据二十条”中设计数据要素“三权分置”的本意来看，也是为了强调在加工使用和经营过程中盘活数据资源价值。指数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 40 导意见的出台，首先在数据具有价值这个基本问题上释放了明确的信号，同时也通过专业的价值判断标准鼓励数据资源的拥有者或控制者发现数据潜在价值，开发数据产品，推动数据开放共享，促进数据要素合法合规的跨领域、跨行业、跨境流动，形成活跃的数据资源交易市场，最大程度发挥数据要素价值。三是引导资源合理配置。按照暂行规定的要求，数据资源按照历史成本入表，特别是对于企业内部生成的数据资源，资产评估值不能作为入表依据。尽管如此，数据资产评估依然可以在入表前的历史成本归集、数据资源价值了解、预期收益分析等方面提供专业咨询建议。数据资产评估的核心作用体现在数据资源入表后的后续计量以及交易、融资、出资、证券化等经济行为中，这些都需要从市场价值/公允价值的角度衡量数据资源的潜在经济利益，从而实现数据资源价值属性的切换。指导意见的出台，使得数据资源的价值具备了切实可行的量化标准，有利于维护市场交易的公平、繁荣、稳定，也有利于帮助市场主体意识到数据资产的重要性，在战略规划和经营决策过程中获得透明有效的参考信息，为优化资源配置、引导生产要素有序流动提供重要依据。四是加强数据治理能力。数字经济的可持续发展和数据要素价值的合理体现，离不开全社会数据治理体系的建设。数据治理，不仅是制度建设、流程建设和系统建设，更依赖于数据治理意识的根本提升。指导意见中对于执行数据资产评估业务提出了较为严格的程序要求，对于数据资产作为评估对象的关注要点涉及到了信息技术、法律、财务、管理等方方面面，实际上是倒逼拥有或控制数据资源的市场主体扎实做好数据治理体系建设，努力提升数据治理能力，在数据资产化过程中保障数据合规和数据安全，在遵循数据伦理的基础上维护社会责任。五是打造国际竞争优势。中国拥有庞大的数据资源，这为数据资产化以及数字经济发展提供了强有力的基础资源保障。特别是近几年来，中国政府在数字基础建设方面投入巨大，包括 5G 网络、宽带互联网和数据中心的建设高速发展，人工智能、工业物联、电子商务等领域不断涌现出新的科技企业和创业公司，数据要素的活力绽放和数据资源的沉淀积累，为我国参与和主导新的国际竞争格局奠定了一定的先发优势。任何投入和产出，均需要进行价值量化；竞争实力的大小，也需要具备衡量标准。指导意见的出台，恰逢其时。通过规范数据资产的价值评估，有利于提升国内企业的数据管理和利用能力，有利于了解数据要素市场的容量和潜力，有利于统计数字经济对国民经济发展的贡献程度，有利于我国在国际合作及一带一路过程中加强与世界多个国家的合作联系，推动信息基础设施建设和数据跨境服务，扩大数字经济的全球影响力。8.2 基于数据资源分类分级的数据资产评估法 根据“数据二十条”，我国将推进数据分类分级确权授权使用和市场化流通交易，主要指的是公共数据、企业数据、个人数据的分类分级。从数据要素型企业实践来看，有些企业是以公共数据授权运营作为业务基础，如上海随申行智慧交通科技有限公司在上海数据交易所挂牌的“城市智慧泊车”的数据产品，通过输入坐标定位数据可以查询周边的公共停车场信息及停车场可用泊位空余度；如上海金润联汇数字科技有限公司深耕交通行业，构建了人、车、路、卡等多维数据融合服务于交通生态的数据科技服务平台。有些企业则是基于公开市场自行采集的数据开展业务，如恒生电子股份有限公司（简称恒生电子）、万得信息技术股份有限公司（简称万得资讯）和数库（上海）科技有限公司（简称数库科技）等都是基于采集上司公司年度报告等公开数据来构建核心业务；也数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 41 有些企业是基于在运营过程中自行生成的或者外部市场采购的数据来开展业务，如商业银行和证券公司等金融机构，一方面会购置大量企业征信或者工商等多种数据，另一方面在己方业务运行过程中也会生成大量数据。目前，数据要素型企业的数据来源大多是公共数据授权、公开市场采集或者企业自身业务运营生成。企业在进行数据资产评估工作时，需要根据自身数据资源的来源来选择适合的评估方法。来源为公共数据 根据“数据二十条”，公共数据运营的宗旨是“推动用于公共治理、公益事业的公共数据有条件无偿使用，探索用于产业发展、行业发展的公共数据有条件有偿使用”，因此公共数据具有显著的公益属性和共享属性。公共数据部门一般不会以垄断形式对企业进行授权，但数据开发利用是一个长期的过程，因此更换合作企业可能面临更高的重置成本。各个部门的公共数据呈现差异性，基于公共数据开发的数据产品很难在市场上找到可比类型，故不适用市场法。基于公共数据的公益属性以及企业与有关部门长期合作的关系，本文建议企业以授权合作协议为评估对象，以成本法为主，并将收益法作为参考。其中，收益法可以发现公共数据授权合约的真实价值，体现公共数据赋能实体经济的真实效果。来源为公开采集或者企业业务运营 企业通过公开市场合法采集数据形成的数据资源显然不具备排他性，且供需市场呈现竞争对手多、市场竞争激烈的特征。企业的战略水平、市场运营能力、渠道治理能力、目标顾客群开发与维护能力存在较大差异，这些能力是决定企业在市场竞争中能否形成比较优势的关键。因此，在评估这一类型企业的数据资产时，本文认为收益法和市场法更能反映企业的商业价值。例如，在评估万得资讯和数库科技的数据资产时，相比于底层数据资源，资产评估机构应该侧重于对他们技术赋能能力的评估。如果企业的数据资源是业务运营中衍生出来的，那么一方面这些数据资源具有一定的排他性，另一方面企业的技术和市场能力也会对数据资产的价值释放产生重要影响，所以企业在评估数据资产时应该以成本法和收益法综合评估的结果为主，同时在企业在应用场景中加入市场价值调节变量。这种类型的案例有以商业银行、证券公司、基金公司为代表的金融行业企业，也有以中国移动、中国电信、中国联通等运营商为代表的企业。8.3 基于数据产品命周期的数据资产评估法 产品生命周期是市场营销学的传统概念，指产品在市场竞争中的经济寿命，是产品从准备进入市场开始到被淘汰退出市场为止的全部过程，一般分为导入期、成长期、成熟期、衰退期四个阶段。产品生命周期存在的原因主要是在市场流通过程中，消费者需求发生变化，或者其他影响产品市场竞争的因素产生，如出现竞品等。数据产品具有传统产品生命周期的特征，叠加数据价值时变性的特点，数据产品的生命周期可能会呈现阶段跳跃性或者各个阶段生命周期更短的特征。假设企业相关数据产品满足暂行规定资产确认的条件，那么对于生命周期阶段区分比较明确的数据产品，本文认为不同阶段的数据资产评估应该选取不同的方法。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 42 本文将数据产品生命周期阶段分为导入期、成长期、成熟期和衰退期，分别分析数据资产不同生命周期阶段适用的评估方法。导入期 导入期是指数据产品进入市场的初始阶段。导入期的数据产品存在顾客群画像不清晰、应用场景不明确等特征。企业为了挖掘用户需求、拓展数据产品的销路，需要进行宣传和促销等一系列的活动，进而会导致数据产品相关的运营费用增加。需要注意的是，数据产品与传统产品不同，数据产品本身具有高重塑性和可复制性的特点，不存在传统产品在导入期不能大批量生产的技术问题。因此，本文认为导入期的数据产品更适合选择成本法进行估值。成长期 成长期指的是数据产品已经有比较成熟的应用场景，已经被大多数消费者所熟悉，同时市场竞争加剧的阶段。对于成长期的数据产品，顾客群相当稳定、销售量持续上升、企业相关的费用投入也出现明显下降，企业应该结合各个渠道产品的销售情况来合理预计数据产品给企业带来经济利益流入的情况，并采用收益法或者市场法进行数据资产估值。成熟期 成熟期是指企业数据产品经过成长期的快速增长之后，销售量增速放缓的阶段。成熟期是数据产品生命周期中持续时间最长、由顶峰转入低谷的转折时期。企业在成熟期可能采用的市场策略有市场开发、产品应用场景开发等等。综合来看，企业如果要评估处于成熟期的数据资产，应该优先选择收益法或者市场法。衰退期 进入衰退期的数据产品可能面对应用场景饱和、市场竞争激烈、顾客使用习惯发生变化等问题，进而导致企业原来的销售渠道和销售额出现下降。企业对这一类型的数据产品再去开发新的应用场景可能投入小于产出，因此，企业可能会一方面维护老顾客群体，另一方面放弃继续投入该产品。从这个角度看，该类型产品预期流入原企业的现金流是明确可计量的，因此对企业来说采用收益法评估更合理。如果市场上有其他企业需要基于该类型产品进行其他类型的研发活动，也就是直接购买该数据产品包，意味着原先产品的适用场景发生变化、适用人群也可能发生变化，此时就需要基于活跃的交易与流通市场来为该产品定价，那么企业应该优先选择市场法评估。8.4 基于数据资产经济为的数据资产评估法 1.不同经济行为类型下数据资产评估方法的选择 数据资产评估涉及的经济行为类型主要包括转让、许可使用、出资、质押融资、企业清算、司法诉讼、司法执行财产处置、财务报告、资产证券化。以下对不同经济行为类型下数据资产评估方法的选择进行具体分析。（1）转让 数据资产转让是指转让数据资产的数据资源持有权、数据加工使用权或数据产品经营权等权利。以下分卖方视角和买方视角分别探讨数据资产转让中评估方法的选择。卖方视角 数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 43 卖方即将转让数据资产，转让后数据资产在新的企业利用方式和产生收益的模式均会发生变化，通常难以预测转让后数据资产未来的收益，故从卖方角度采用收益法评估可能存在一定困难。而卖方掌握数据资产的成本信息，因此可采用成本法评估，作为转让价格的下限参考。若卖方认为其数据资产盈利能力较强，实际价值远高于成本法评估值，也可在假设数据资产不转让情况下编制未来收益预测并采用收益法得出评估值，作为转让价格的参考。买方视角 买方收购数据资产主要着眼于数据资产能为企业未来收益产生贡献，并且在进行收购决策时已对拟收购的数据资产未来利用方式和收益模式有明确规划，因此从买方角度首选采用收益法评估。另外，若市场中存在类似数据资产的交易案例信息，也可同时采用市场法评估作为价格参考。最后，由于买方并不掌握数据资产的成本信息明细，一般不采用采用成本法评估。（2）许可使用 企业可通过普通许可、独占许可、排他许可等方式将数据资产许可其他单位使用，此时可通过评估确定许可费率。许可费率可参考类似数据资产许可案例中的许可费率分析调整确定。（3）出资 中华人民共和国公司法第二十七条规定，“股东可以用货币出资，也可以用实物、知识产权、土地使用权等可以用货币估价并可以依法转让的非货币财产作价出资；但是，法律、行政法规规定不得作为出资的财产除外。对作为出资的非货币财产应当评估作价，核实财产，不得高估或者低估作价。法律、行政法规对评估作价有规定的，从其规定”。股东若采用数据知识产权作价出资，需进行资产评估。采用数据资产出资的意义主要在于数据资产能为企业的未来收益产生贡献，出资人通常也会对数据资产出资到新公司后的利用方式有明确规划，因此作价出资情况下数据资产评估方法首选收益法。若数据资产未来收益难以合理预测，也可考虑采用市场法或成本法。（4）质押融资 在我国，数据知识产权可以用于质押。中华人民共和国民法典第四百四十条规定，“债务人或者第三人有权处分的下列权利可以出质：（五）可以转让的注册商标专用权、专利权、著作权等知识产权中的财产权”。数据知识产权的价值通常难以直接从市场取得，金融机构等质权人通常会要求对数据资产质押物价值进行评估。关于加强知识产权评估管理工作若干问题的通知（财企2006109 号）第一条规定，“知识产权占有单位符合下列情形之一的，应当进行资产评估：（二）以知识产权质押，市场没有参照价格，质权人要求评估的”。由于质权人对于质押物最看重的是其可变现价值，而市场法采用数据资产实际的市场交易案例（或挂牌价）进行计算，能较好地反映数据资产的可变现价值，因此在可收集到数据资产交易案例的前提下，首选市场法作为数据知识产权质押物的评估方法。若不具备开展市场法评估条件，由于出质人通常可提供数据知识产权未来的收益预测，也可对数据知识产权采用收益法进行评估，计算数据知识产权未来收益可支撑的价值，近似作为可变现价值。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 44 对于一些盈利能力一般甚至较差的数据知识产权，其成本可能会超过实际可变现价值，因此数据资产质押融资评估中应慎用成本法。（5）企业清算 企业清算是指企业按章程规定解散以及由于破产或其他原因宣布终止经营后，对企业的财产、债权、债务进行全面清查，并进行收取债权，清偿债务和分配剩余财产的经济活动。企业清算情形下，数据资产将不再被企业使用，数据资产未来的归属、利用方式和经营规划通常尚不明确，通常难以编制数据资产未来的收益预测，采用收益法评估存在较大障碍。企业清算中数据资产将被处置变现，而市场法采用数据资产实际的市场交易案例（或挂牌价）进行计算，能较好地反映数据资产的变现价值，因此在能够收集到数据资产交易案例的前提下，企业清算情形下数据资产的评估方法首选市场法。若不具备采用市场法评估的条件，由于清算组或破产管理人可掌握企业的财务资料，也可采用成本法进行数据资产评估，此时需关注企业清算对数据资产功能性贬值和经济性贬值的影响。（6）司法诉讼 司法诉讼的数据资产侵权损害赔偿案件中涉及数据资产价值损失的，可通过数据资产评估确定侵权损失金额。此类案件中数据资产评估可分为人民法院委托和当事人委托两种情形。人民法院委托评估情形：根据人民法院委托评估工作规范（法办2018273 号）第九条，具有下列情形之一，人民法院应当委托评估机构进行评估：（一）涉及国有资产或者公共利益等事项的；（二）企业国有资产法、公司法、合伙企业法、证券法、拍卖法、公路法等法律、行政法规规定必须委托评估的；（三）双方当事人要求委托评估的；（四）司法网络询价平台不能或者在期限内均未出具网络询价结果的；（五）法律、法规有明确规定的。人民法院委托评估中，数据资产评估通常直接用于确定赔偿金额。当事人委托情形：数据资产评估通常作为当事人提供的证据之一用于佐证产生了数据资产侵权损失或证明数据资产拥有较高价值，但一般不会被法院直接用于确定赔偿金额。由于此类评估中数据资产产权持有人通常为被侵权人，配合提供数据资产未来收益预测，且通过收益能较好地刻画侵权行为带来的损失，故评估方法首选收益法。而市场法和成本法一般难以反映侵权行为对数据资产价值的直接影响，此类评估中一般不适合采用。（7）司法执行财产处置 人民法院对需要拍卖、变卖的财产确定财产处置参考价时，标的可能涉及数据资产。根据最高人民法院关于人民法院确定财产处置参考价若干问题的规定（法释201815 号），人民法院查封、扣押、冻结财产后，对需要拍卖、变卖的财产，应当在三十日内启动确定财产处置参考价程序。人民法院确定财产处置参考价，可以采取当事人议价、定向询价、网络询价、委托评估等方式。双方当事人议价无法达成一致，且定向询价不能或者不成，全部司法网络询价平台均未在期限内出具或者补正网络询价报告，且未按照规定申请延长期限的，人民法院应当委托评估机构进行评估。数据资产处置案件中，双方当事人议价通常难以达成一致，且数据资产通常难以定向询价或网络询价，需要借助评估确定处置参考价。由于数据资产即将被处置，未来利用规划通常尚不明确，通常难以取得数据资产未来的收益预测并采用收益法评估。而市场法采用数据资产市场交易案例计算，能较好地反映数据资产的变现价值，因此在能够收数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 45 集到数据资产交易案例的前提下，首选市场法进行数据资产评估。若不具备采用市场法评估的条件，由于产权持有人可提供企业的财务资料，也可采用成本法评估。（8）财务报告 根据财政部企业数据资源相关会计处理暂行规定（财会202311 号），企业使用的数据资源，符合企业会计准则第 6 号无形资产规定的定义和确认条件的，应当确认为无形资产；企业日常活动中持有、最终目的用于出售的数据资源，符合企业会计准则第 1 号存货（财会20063 号，以下简称存货准则）规定的定义和确认条件的，应当确认为存货。以下分别讨论无形资产性质和存货性质数据资产在财务报告目的下的评估方法选择。数据资产为无形资产性质的情形 数据资产为无形资产性质情形下，财务报告目的评估主要涉及减值测试评估、非同一控制下企业合并时合并对价分摊评估。根据企业会计准则第 8号资产减值要求，若作为寿命不确定的无形资产，应每年进行减值测试；若作为寿命有限的无形资产，应在出现减值迹象的资产负债表日进行减值测试。减值测试时需要借助数据资产价值评估确定数据资产的可收回金额。根据企业会计准则第 8号资产减值，可收回金额应当根据资产的公允价值减去处置费用后的净额与资产预计未来现金流量的现值两者之间较高者确定。资产的公允价值减去处置费用后的净额，应当根据公平交易中销售协议价格减去可直接归属于该资产处置费用的金额确定；不存在销售协议但存在资产活跃市场的，应当按照该资产的市场价格减去处置费用后的金额确定。资产的市场价格通常应当根据资产的买方出价确定；在不存在销售协议和资产活跃市场的情况下，应当以可获取的最佳信息为基础，估计资产的公允价值减去处置费用后的净额，估值技术根据企业会计准则第 39 号公允价值计量，可采用成本法、收益法或市场法。预计未来现金流量现值根据其定义仅可采用收益法评估。另外，根据企业会计准则第 20 号企业合并，非同一控制下的企业合并中，购买方在购买日应当对合并成本进行分配，确认所取得的被购买方各项可辨认资产、负债及或有负债。根据企业会计准则解释第 5号，非同一控制下的企业合并中，购买方在对企业合并中取得的被购买方资产进行初始确认时，应当对被购买方拥有的但在其财务报表中未确认的无形资产进行充分辨认和合理判断，满足以下条件之一的，应确认为无形资产：（一）源于合同性权利或其他法定权利；（二）能够从被购买方中分离或者划分出来，并能单独或与相关合同、资产和负债一起，用于出售、转移、授予许可、租赁或交换。数据资产属于可辨认的无形资产，企业合并中若被购买方的可辨认资产中含有数据资产，需要对数据资产进行评估，并在购买方合并报表中确认为无形资产。根据 企业会计准则第 20号企业合并应用指南，企业合并中取得的无形资产的公允价值确定方法如下：存在活跃市场的，应以购买日的市场价格为基础确定其公允价值；不存在活跃市场，但同类或类似资产存在活跃市场的，应参照同类或类似资产的市场价格确定其公允价值；同类或类似资产也不存在活跃市场的，应采用估值技术确定其公允价值。其中估值技术根据企业会计准则第 39 号公允价值计量，可采用成本法、收益法或市场法确定。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 46 数据资产为存货性质的情形 数据资产为无形资产性质情形下，财务报告目的评估主要涉及会计期末可变现净值评估、非同一控制下企业合并时合并对价分摊评估。根据企业会计准则第 1号存货，资产负债表日，存货应当按照成本与可变现净值孰低计量。可变现净值的评估方法为：在日常活动中，存货的估计售价减去至完工时估计将要发生的成本、估计的销售费用以及相关税费。另外，根据企业会计准则第 20 号企业合并，非同一控制下的企业合并中，购买方在购买日应当对合并成本进行分配，确认所取得的被购买方各项可辨认资产、负债及或有负债。根据 企业会计准则第20号企业合并应用指南，企业合并中取得的存货的公允价值确定方法如下：对其中的产成品和商品按其估计售价减去估计的销售费用、相关税费以及购买方出售类似产成品或商品估计可能实现的利润确定；在产品按完工产品的估计售价减去至完工仍将发生的成本、估计的销售费用、相关税费以及基于同类或类似产成品的基础上估计出售可能实现的利润确定；原材料按现行重置成本确定。（9）资产证券化 数据资产证券化是以数据资产未来产生的现金流为偿付支持，发行数据资产支持证券的过程。数据资产证券化中，评估机构的角色为预测数据资产未来现金流量，通常采用收益法，市场法和成本法不适用。表 4 基于数据资产经济行为的评估方法选择 经济行为类型 评估方法选择优先度 转让 卖方：成本法、收益法 买方：收益法 许可使用 市场法 出资 收益法市场法/成本法 质押融资 市场法收益法 企业清算 市场法成本法 司法诉讼 收益法 司法执行财产处置 市场法成本法 财务报告 数据资产为无形资产 减值测试：公允价值减去处置费用后的净额与资产预计未来现金流量的现值孰高。合并对价分摊：收益法/成本法/市场法 数据资产为存货 期末计价：可变现净值 合并对价分摊：产成品、在产品、库存商品按市场法，原材料按成本法。资产证券化 收益法 数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 47 9.数据资产估值案例研究 上海数据交易所组建专业研究团队，以企业真实财务数据和业务数据为基础，以企业数据资产模拟入表为起点，研究数据资产评估方法实践操作。一般来说，资产评估就是资产评估机构对评估基准日特定目的的资产价值进行评定和估算，并出具专业资产评估报告的服务行为，但本报告出于研究目的，以企业历史线形成报表数据资产，再对该项资产进行评定和估算，形成以下路径。其中，明确评估对象、梳理业务模式和产品、成本归集、收入成本匹配是资产评估成本法的基础步骤，也是企业未来收入预测的基础。评估阶段，我们以前期的基础数据作为支撑，先与管理层讨论得到未来收入预测，接着用成本法和收益法对数据资产的市场价值进行测算。图 6 数据资产评估操作步骤 对于内部使用的数据资产，在成本法评估时，数据资产的边界可能会较为模糊。如经营过程中伴生的数据进行加工后形成的数据资产，其日常经营投入的部分成本是否可作为数据资产的投入。同时在收益法评估时，也大多选用许可费节约等模型进行计算，此时如何确定资产对企业的成本节约，对于目前市场数据交易尚不成熟的前提下，也成为了较大的难点。在采用收益法进行数据资产评估时，我们需分析数据资产与其他资产对企业现金流的贡献程度，避免资产价值上的重复确认。而数据资产对于不同行业的价值会有所不同，目前业内尚无成熟的数据标准，更多的需要依赖于专家的评价与分析，建议未来在数据资产评估业务推广后，可建立成熟的数据库及分析框架。本报告根据前期数据资产评估案例研究，总结了企业进行资产评估时的主要挑战和处理办法，并以评估方法为基础，讨论数据资产可能的创新应用场景与评估方法的选择。9.1 主要挑战与处理办法 数据资产估值的难点主要在于权属和权利确认、投入成本归集和匹配、收入预测、市场法适用难度较高，以下将通过展开论述数据资产评估的主要挑战，并对可行的处理办法进行探讨。数据资产的高重塑性导致数据资产确认存在困难。数据资产与一般的存货不同，可以重复销售或使用，因此在单次实现销售并结转销售成本时，需将存货的初始成本按照预计可销售的情况进行分摊。另外，虽然可重复售卖，但数据资产还具备较强时效性特点，随着时间推移，其价值会相对下降。因此在销售初期，该数据产品的整体销售量、销售周期、未来的降价幅度都无法准确估计，分摊标准也难以合理确定。因此现有的存货计量模式可能更适用于销售情况较为明确的数据产品。数据资产的多重用途导致成本归集存在困难。企业的数据资产多在其自身日常经营中积累，除了将部分标准化数据对外销售以外，可能还会将相关数据再次进行加工整理，应用于其他的非标准化服务中。上述业务基于的底层数据资产可能是大致相同的，因此会计处理时，如何拆分资产的持续使用及对外销售价值即是数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 48 否要将其拆分至无形资产或存货科目也将成为问题。因此，对于企业来说，首先应当建立完善的数据资产管理核算体系，可以将数据资产的生产、加工与未来业务收入、产品情况进行合理对应。这样即可根据自采、外购、或者作为存货、作为无形资产等多种方式对其进行拆分，并合理进行会计处理。数据资产的预计可使用寿命难确定导致预计流入企业现金流测算困难。数据资产的使用寿命与传统无形资产也存在差异。虽然数据资产的时效性十分重要。但历史的数据积累也存在较大的价值，特别是对于分析预测类数据产品，历史沉积的数据时间越长，覆盖的特殊情形越多，预测的准确性就越高。因此若采用摊销模式进行会计处理，则需合理判断使用寿命。同时，也需要确认是否适用于加速折旧或摊销的方法。例如对于案例企业一数据资产的网页端及移动端的用户来说，他们主要关注的是价格情况对当下决策的影响，因此现行数据资产是最具有价值的，之后随着时效性的减弱，数据资产的价值会有较大的衰减。对于这种情况，数据资产评估时首选还是应当按照相关数据对应的使用频率统计情况，合理的确定不同期间数据在基准日的时效性。在资料缺乏的情况下，也可采用年数总和法等加速折旧方法来进行折现。同时，由于对于同一类数据的使用情况不同，可能导致对数据的时效要求不同。如案例企业一有两种类型客户分别是网页端/移动端的客户，更关注当下时效性，但数据终端/数据对接的用户研究及预测性的需求较高，对于他们来说历史的数据可能更为重要。另外，不同类别的商品的行业周期也会存在一定差异，进而影响到对于客户对于数据周期的需求情况。因此在对不同使用类型的数据进行未来会计计量时，也应当区分业务特点，考虑按照不同的方式确定折现期。数据资产评估市场法适用的有限性。目前上海数据交易所正稳步推进场内登记、挂牌、交易相关业务，随着未来数据资产场内交易市场的逐步成熟，企业数据资产的交易记录会更为丰富。因此，企业在数据资产入表估值时，也可以进行市场法估值的探索，或将相近行业数据资产的交易对价纳入分析考虑，使得数据资产的价值在财务报表上能得到更加合理的反映。9.2 数据资产创新应 数据资产评估服务于数据资产应用，数据资产创新应用是指释放数据资产作为核心标的物经济价值的过程，一般包括数据资产增信贷款、出资融资、资产证券化等多种方式。在数据资产创新应用的过程中，一般涉及主体数据资产权属问题和预期收益问题，金融机构都会要求提供数据资产评估报告，需要审慎评估数据资产为企业带来预期现金流的业务模式，并估算收益现金流发生的情况。目前数据资产主要的创新应用的方向有：（1）数据资产增信。基于现有银行信用贷款体系，以数据资产价值及其运营产品的能力作为企业增加信用的手段，提升企业可申请的贷款额度。数据资产增信将数据资产的货币价值提前变现，帮助企业获得再生产所需的资金，降低企业的融资成本。一般来说，授信主体会参考数据资产预期现金流状况来决定授信额度。（2）数据资产转让。市场主体也可以转让数据资产相关权益来获得收益，数据资产转让从买方视角和卖方视角来看，都需要主体重新评估标的资产的市场价值。（3）数据资产出资。根据公司法，股东可以用货币出资，也可以用实物、知识产权、土地使用权等可以用货币估价并可以依法转让的非货币财产作价出资。企业将其合法拥有的数据资产，作为财产作价出资，数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 49 参与其他企业的股权合作，将数据的货币价值转换为股权价值，激励企业挖掘数据内在价值，加速数据流通，促进数据共享共创。显然，数据资产作价入股一定要以数据资产市场价值作为基础，而这一价值需要资产评估公司参考足够多的市场可比案例，基于企业运营情况和收入预测情况来审慎合理计算。（4）数据资产质押融资。在现有质押体系下，企业将基于数据产品交易合约的应收账款或数据资产作为信用担保质押给银行，以获取银行贷款，发挥数据要素的资产属性，助力企业基于优质数据资产而非主体信用拓宽融资途径。数据资产质押融资涉及数据资产权属、现金流等多种问题，主体一般需要提供数据资产评估报告。（5）数据资产保理。企业将基于数据交易合约形成的现有应收账款转让给保理机构，以获得及时的资金融通，帮助企业释放数据资产价值，实现低成本、高效率的融资，降低坏账风险。（6）数据资产信托。数据所有者以信托模式委托市场主体对其数据资产进行管理。委托方既可以是自然人，也可以是政府部门或者企业。数据资产信托是一项可以提高数据要素市场可信性的制度创新。（7）数据资产保险。围绕数据资产在流通、交易、应用方面风险管理需要，开发相应的数据资产保险产品。数据资产保险业务模式中，保险机构一般都要估测标的资产投入成本和预期现金流状况。（8）数据资产证券化。数据资产证券化是以数据资产未来产生的现金流为偿付支持，发行数据资产支持证券的过程。数据资产证券化可以将分散的数据资产打包形成更优质、更具规模的底层资产，盘活存量数据资产，将企业融资需求对接到金融市场，提升资源配置效率。数据资产证券化中，评估机构通常需要为双方主体提供数据资产未来现金流量预测服务，通常采用收益法进行。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 50 10.数据资产估值小结 2023 年 9 月 8 日，中国资产评估协会推出数据资产评估指导意见，该意见是在财政部的指导下完善的，是数据资产评估执业人员的行动准则，一方面从微观层面推进数据资产价值的计量，能更加充分反映出数据资产对实体经济的赋能作用，另一方面能为数据资产的交易与流通奠定基础，进而发现数据资产公允价值，真正助力全国大统一数据要素市场的发展建设。数据作为一项新型的生产要素，要想实现大规模、低成本可得，真正赋能实体经济发展，还需要依赖高效合规的交易与流通市场。这就意味着，一方面企业要充分利用国家数据交易所的官方途径去披露和交易数据资产，另一方面国家需要培养一批数商去为企业提供相关审计、评估等的服务。指导意见为专业资产评估机构提供数据资产评估工作提供了指引，但在具体实践中更加强调数据资产应用场景，而基于应用场景的评估与其他资产评估存在较大不同，给评估师带来很多挑战。本报告根据对数据资产理论内涵的探索，在实践中从确权、入表、估值的路径中研究数据资产估值技术和方法，并以此为基础探讨数据产品和数据资产的定价问题，并形成以下主要结论：数据资产评估的实践挑战主要是：企业对数据资产认知不足、对数据资产形成路径理解不足、数据资产的会计计量存在挑战、专业服务机构包括资产评估公司对数据资产的理解不足。为了应对这一挑战，本报告将从数据要素和数据资产的基础概念梳理开始，从数据要素化的理论内涵理解企业数据资产的形成路径，结合“数据二十条”三权分置的指引明确数据资产评估的步骤和实践操作。数据资产评估应该从明确数据资产的概念和边界，识别数据资产的权利和权属特征，确定数据资产的价值和评估路径等维度去推进。数据资产评估第一步就是确认评估标的，即确权。数据资产的价值建立在相应的权利基础之上。数据资产的权利与权利主体之间存在权属问题，在面对不同来源的数据，需要厘清各主体之间的权利关系，通过法律制度、政策制定等方式明确数据产权的归属。资产的价值评估主要基于三大路径，即成本途径、收益途径和市场途径。数据资产与传统资产比较尤其独特的特征，但资产形成和价值实现的路径与传统资产也基本类似。目前对数据资产价值评估的方法研究中，主要为在成本法、收益法、市场法三大基本方法的基础上，考虑数据资产的特殊因素对评估模型加以修正和改进。本报告在解读数据资产评估指导意见的基础上，结合数据资产评估方法，对于不同数据资源来源、不同数据产品生命周期、不同数据资产经济行为的数据资产评估方法进行深入探讨，为资产评估公司日后进行数据资产评估提供理论依据和实践指引。数据产品的定价一方面依赖于企业投入开发的成本，另一方面也依赖于企业的品牌策略、渠道策略、营销策略，以及市场竞争程度等等。不同的竞争环境下，不同的市场地位，不同的营销诉求，会导致企业在定价决策方面做出不一样的选择。本报告通过研究发现，企业可以借助数据产品估值技术来合理定价，即首先梳理数据资源的开发成本，其次根据特定使用场景预期现金流的测算，来辅助公共数据产品定价。这种定价方式本质上是数据资产评估成本法和收益法的结合。公共数据形成的数据产品定价的基础是投入成本和基于场景的预期现金流测算结果，本质是数据资产评估成本法和收益法结合。根据“数据二十条”，对于有条件有偿使用的公共数据，我们需要借助数据产品估值数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 51 技术来合理定价，即首先梳理数据资源的开发成本，并推进相关数据产品入表形成报表数据资产；其次根据特定使用场景预期现金流的测算，来辅助公共数据产品定价。公共数据形成的数据资产在入表时如何操作，取决于公共数据运营模式，尤其是参与主体之间的协议约定等等。显然，公共数据形成的数据产品定价本质上是数据资产评估成本法和收益法的结合。企业内部使用的数据资产估值依赖于场内交易的数据资产。目前，企业推进数据资产入表和评估相关的研究，其中最大一个挑战就是内部使用的数据资产如何估值的问题。一方面，企业需要数据资产达到预定可使用状态的历史投入，形成数据资产入表的基础成本构成；另一方面，企业需要参考场内交易的数据产品形成的数据资产，来确定其资产的公允价值，并以此为基础来支持数据资产入表的后续计量实践操作。数据资产估值是数据要素交易与流通价值释放的基础。从更长远的角度来看，数据要素市场的发展将推动数据资产创新应用的新局面，也就是说，进入企业资产负债表的数据资产，将像其他类型的资产一样，以其质量、公信力、收益预期作为偿付基准来发行证券产品。目前，数据资产的市场法还没有形成统一的衡量指标，也没有足够多的可比案例支持市场法评估。但目前国际上已经有多起以数据资产作为核心标的的并购案例，国内也开始探索数据资产计价入股、融资和出资相关金融业务模式，各地数据交易所也挂牌了很多数据产品，这些将成为数据资产市场法估值的基础支撑。数据资产创新应用的方向包括：数据资产增信、转让、出资、质押融资、保理、信托、保险、资产证券化等，这些场景一般都需要主体提供标的资产预期现金流测算结果或者资产评估报告等。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 52 第四部分 附录 11.附录：企业数据资源相关会计处理暂规定 为规范企业数据资源相关会计处理，强化相关会计信息披露，根据中华人民共和国会计法和企业会计准则等相关规定，现对企业数据资源的相关会计处理规定如下：一、关于适用范围本规定适用于企业按照企业会计准则相关规定确认为无形资产或存货等资产类别的数据资源，以及企业合法拥有或控制的、预期会给企业带来经济利益的、但由于不满足企业会计准则相关资产确认条件而未确认为资产的数据资源的相关会计处理。二、关于数据资源会计处理适用的准则企业应当按照企业会计准则相关规定，根据数据资源的持有目的、形成方式、业务模式，以及与数据资源有关的经济利益的预期消耗方式等，对数据资源相关交易和事项进行会计确认、计量和报告。1企业使用的数据资源，符合企业会计准则第 6 号无形资产（财会20063 号，以下简称无形资产准则）规定的定义和确认条件的，应当确认为无形资产。2企业应当按照无形资产准则、企业会计准则第 6号无形资产应用指南（财会200618 号，以下简称无形资产准则应用指南）等规定，对确认为无形资产的数据资源进行初始计量、后续计量、处置和报废等相关会计处理。其中，企业通过外购方式取得确认为无形资产的数据资源，其成本包括购买价款、相关税费，直接归属于使该项无形资产达到预定用途所发生的数据脱敏、清洗、标注、整合、分析、可视化等加工过程所发生的有关支出，以及数据权属鉴证、质量评估、登记结算、安全管理等费用。企业通过外购方式取得数据采集、脱敏、清洗、标注、整合、分析、可视化等服务所发生的有关支出，不符合无形资产准则规定的无形资产定义和确认条件的，应当根据用途计入当期损益。企业内部数据资源研究开发项目的支出，应当区分研究阶段支出与开发阶段支出。研究阶段的支出，应当于发生时计入当期损益。开发阶段的支出，满足无形资产准则第九条规定的有关条件的，才能确认为无形资产。企业在对确认为无形资产的数据资源的使用寿命进行估计时，应当考虑无形资产准则应用指南规定的因素，并重点关注数据资源相关业务模式、权利限制、更新频率和时效性、有关产品或技术迭代、同类竞品等因素。3企业在持有确认为无形资产的数据资源期间，利用数据资源对客户提供服务的，应当按照无形资产准则、无形资产准则应用指南等规定，将无形资产的摊销金额计入当期损益或相关资产成本；同时，企业应当按照企业会计准则第 14 号收入（财会201722 号，以下简称收入准则）等规定确认相关收入。除上述情形外，企业利用数据资源对客户提供服务的，应当按照收入准则等规定确认相关收入，符合有关条件的应当确认合同履约成本。4企业日常活动中持有、最终目的用于出售的数据资源，符合企业会计准则第 1 号存货（财会20063 号，以下简称存货准则）规定的定义和确认条件的，应当确认为存货。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 53 5企业应当按照存货准则、企业会计准则第 1 号存货应用指南（财会200618 号）等规定，对确认为存货的数据资源进行初始计量、后续计量等相关会计处理。其中，企业通过外购方式取得确认为存货的数据资源，其采购成本包括购买价款、相关税费、保险费，以及数据权属鉴证、质量评估、登记结算、安全管理等所发生的其他可归属于存货采购成本的费用。企业通过数据加工取得确认为存货的数据资源，其成本包括采购成本，数据采集、脱敏、清洗、标注、整合、分析、可视化等加工成本和使存货达到目前场所和状态所发生的其他支出。6企业出售确认为存货的数据资源，应当按照存货准则将其成本结转为当期损益；同时，企业应当按照收入准则等规定确认相关收入。7企业出售未确认为资产的数据资源，应当按照收入准则等规定确认相关收入。三、关于列示和披露要求（一）资产负债表相关列示。企业在编制资产负债表时，应当根据重要性原则并结合本企业的实际情况，在“存货”项目下增设“其中：数据资源”项目，反映资产负债表日确认为存货的数据资源的期末账面价值；在“无形资产”项目下增设“其中：数据资源”项目，反映资产负债表日确认为无形资产的数据资源的期末账面价值；在“开发支出”项目下增设“其中：数据资源”项目，反映资产负债表日正在进行数据资源研究开发项目满足资本化条件的支出金额。（二）相关披露。企业应当按照相关企业会计准则及本规定等，在会计报表附注中对数据资源相关会计信息进行披露。1确认为无形资产的数据资源相关披露。（1）企业应当按照外购无形资产、自行开发无形资产等类别，对确认为无形资产的数据资源（以下简称数据资源无形资产）相关会计信息进行披露，并可以在此基础上根据实际情况对类别进行拆分。具体披露格式如下：数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 54 （2）对于使用寿命有限的数据资源无形资产，企业应当披露其使用寿命的估计情况及摊销方法；对于使用寿命不确定的数据资源无形资产，企业应当披露其账面价值及使用寿命不确定的判断依据。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 55（3）企业应当按照企业会计准则第 28 号会计政策、会计估计变更和差错更正（财会20063 号）的规定，披露对数据资源无形资产的摊销期、摊销方法或残值的变更内容、原因以及对当期和未来期间的影响数。（4）企业应当单独披露对企业财务报表具有重要影响的单项数据资源无形资产的内容、账面价值和剩余摊销期限。（5）企业应当披露所有权或使用权受到限制的数据资源无形资产，以及用于担保的数据资源无形资产的账面价值、当期摊销额等情况。（6）企业应当披露计入当期损益和确认为无形资产的数据资源研究开发支出金额。（7）企业应当按照企业会计准则第 8 号资产减值（财会20063 号）等规定，披露与数据资源无形资产减值有关的信息。（8）企业应当按照企业会计准则第 42 号持有待售的非流动资产、处置组和终止经营（财会201713 号）等规定，披露划分为持有待售类别的数据资源无形资产有关信息。2确认为存货的数据资源相关披露。（1）企业应当按照外购存货、自行加工存货等类别，对确认为存货的数据资源（以下简称数据资源存货）相关会计信息进行披露，并可以在此基础上根据实际情况对类别进行拆分。具体披露格式如下：数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 56 （2）企业应当披露确定发出数据资源存货成本所采用的方法。（3）企业应当披露数据资源存货可变现净值的确定依据、存货跌价准备的计提方法、当期计提的存货跌价准备的金额、当期转回的存货跌价准备的金额，以及计提和转回的有关情况。（4）企业应当单独披露对企业财务报表具有重要影响的单项数据资源存货的内容、账面价值和可变现净值。（5）企业应当披露所有权或使用权受到限制的数据资源存货，以及用于担保的数据资源存货的账面价值等情况。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 57 3其他披露要求。企业对数据资源进行评估且评估结果对企业财务报表具有重要影响的，应当披露评估依据的信息来源，评估结论成立的假设前提和限制条件，评估方法的选择，各重要参数的来源、分析、比较与测算过程等信息。企业可以根据实际情况，自愿披露数据资源（含未作为无形资产或存货确认的数据资源）下列相关信息：（1）数据资源的应用场景或业务模式、对企业创造价值的影响方式，与数据资源应用场景相关的宏观经济和行业领域前景等。（2）用于形成相关数据资源的原始数据的类型、规模、来源、权属、质量等信息。（3）企业对数据资源的加工维护和安全保护情况，以及相关人才、关键技术等的持有和投入情况。（4）数据资源的应用情况，包括数据资源相关产品或服务等的运营应用、作价出资、流通交易、服务计费方式等情况。（5）重大交易事项中涉及的数据资源对该交易事项的影响及风险分析，重大交易事项包括但不限于企业的经营活动、投融资活动、质押融资、关联方及关联交易、承诺事项、或有事项、债务重组、资产置换等。（6）数据资源相关权利的失效情况及失效事由、对企业的影响及风险分析等，如数据资源已确认为资产的，还包括相关资产的账面原值及累计摊销、减值准备或跌价准备、失效部分的会计处理。（7）数据资源转让、许可或应用所涉及的地域限制、领域限制及法律法规限制等权利限制。（8）企业认为有必要披露的其他数据资源相关信息。四、附则 本规定自 2024 年 1 月 1 日起施行。企业应当采用未来适用法执行本规定，本规定施行前已经费用化计入损益的数据资源相关支出不再调整。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 58 12.附录：数据资产评估指导意 第一章 总则 第一条 为规范数据资产评估行为，保护资产评估当事人合法权益和公共利益，根据资产评估基本准则及其他相关资产评估准则，制定本指导意见。第二条 本指导意见所称数据资产，是指特定主体合法拥有或者控制的，能进行货币计量的，且能带来直接或者间接经济利益的数据资源。第三条 本指导意见所称数据资产评估，是指资产评估机构及其资产评估专业人员遵守法律、行政法规和资产评估准则，根据委托对评估基准日特定目的下的数据资产价值进行评定和估算，并出具资产评估报告的专业服务行为。第四条 执行数据资产评估业务，应当遵守本指导意见。第二章 基本遵循 第五条 执行数据资产评估业务，应当遵守法律、行政法规和资产评估准则，坚持独立、客观、公正的原则，诚实守信，勤勉尽责，谨慎从业，遵守职业道德规范，自觉维护职业形象，不得从事损害职业形象的活动。第六条 执行数据资产评估业务，应当独立进行分析和估算并形成专业意见，拒绝委托人或者其他相关当事人的干预，不得直接以预先设定的价值作为评估结论。第七条 执行数据资产评估业务，应当具备数据资产评估的专业知识和实践经验，能够胜任所执行的数据资产评估业务。缺乏特定的数据资产评估专业知识、技术手段和经验时，应当采取弥补措施，包括利用数据领域专家工作成果及相关专业报告等。第八条 执行数据资产评估业务，应当关注数据资产的安全性和合法性，并遵守保密原则。第九条 执行企业价值评估中的数据资产评估业务，应当了解数据资产作为企业资产组成部分的价值可能有别于作为单项资产的价值，其价值取决于它对企业价值的贡献程度。数据资产与其他资产共同发挥作用时，需要采用适当方法区分数据资产和其他资产的贡献，合理评估数据资产价值。第十条 执行数据资产评估业务，应当根据评估业务具体情况和数据资产的特性，对评估对象进行针对性的现场调查，收集数据资产基本信息、权利信息、相关财务会计信息和其他资料，并进行核查验证、分析整理和记录。核查数据资产基本信息可以利用数据领域专家工作成果及相关专业报告等。资产评估专业人员自行履行数据资产基本信息相 关的现场核查程序时，应当确保具备相应专业知识、技术手段和经验。第十一条 执行数据资产评估业务，应当合理使用评估假设和限制条件。第三章 评估对象 第十二条 执行数据资产评估业务，可以通过委托人、相关当事人等提供或者自主收集等方式，了解和关注被评估数据资产的基本情况，例如：数据资产的信息属性、法律属性、价值属性等。信息属性主要包括数据名称、数据结构、数据字典、数据规模、数据周期、产生频率及存储方式等。法律属性主要包括授权主体信息、产权持有人信息，以及权利路径、权利类型、权利范围、权利期限、权利限制等权利信息。价值数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 59 属性主要包括数据覆盖地域、数据所属行业、数据成本信息、数据应用场景、数据质量、数据稀缺性及可替代性等。第十三条 执行数据资产评估业务，应当知晓数据资产具有非实体性、依托性、可共享性、可加工性、价值易变性等特征，关注数据资产特征对评估对象的影响。非实体性是指数据资产无实物形态，虽然需要依托实物载体，但决定数据资产价值的是数据本身。数据资产的非实体性也衍生出数据资产的无消耗性，即其不会因为使用而磨损、消耗。依托性是指数据资产必须存储在一定的介质里，介质的种类包括磁盘、光盘等。同一数据资产可以同时存储于多种介质。可共享性是指在权限可控的前提下，数据资产可以被复制，能够被多个主体共享和应用。可加工性是指数据资产可以通过更新、分析、挖掘等处理方式，改变其状态及形态。价值易变性是指数据资产的价值易发生变化，其价值随应用场景、用户数量、使用频率等的变化而变化。第十四条 执行数据资产评估业务，应当根据数据来源和数据生成特征，关注数据资源持有权、数据加工使用权、数据产品经营权等数据产权，并根据评估目的、权利证明材料等，确定评估对象的权利类型。第四章 操作要求 第十五条 执行数据资产评估业务，应当明确资产评估业务基本事项，履行适当的资产评估程序。第十六条 执行数据资产评估业务，需要关注影响数据资产价值的成本因素、场景因素、市场因素和质量因素。成本因素包括形成数据资产所涉及的前期费用、直接成本、间接成本、机会成本和相关税费等。场景因素包括数据资产相应的使用范围、应用场景、商业模式、市场前景、财务预测和应用风险等。市场因素包括数据资产相关的主要交易市场、市场活跃程度、市场参与者和市场供求关系等。质量因素包括数据的准确性、一致性、完整性、规范性、时效性和可访问性等。第十七条 资产评估专业人员应当关注数据资产质量，并采取恰当方式执行数据质量评价程序或者获得数据质量的评价结果，必要时可以利用第三方专业机构出具的数据质量评价专业报告或者其他形式的数据质量评价专业意见等。数据质量评价采用的方法包括但不限于：层次分析法、模糊综合评价法和德尔菲法等。第十八条 同一数据资产在不同的应用场景下，通常会发挥不同的价值。资产评估专业人员应当通过委托人、相关当事人等 提供或者自主收集等方式，了解相应评估目的下评估对象的具体应用场景，选择和使用恰当的价值类型。第五章 评估方法 第十九条 确定数据资产价值的评估方法包括收益法、成本法和市场法三种基本方法及其衍生方法。第二十条 执行数据资产评估业务，资产评估专业人员应当根据评估目的、评估对象、价值类型、资料收集等情况，分析上述三种基本方法的适用性，选择评估方法。第二十一条 采用收益法评估数据资产时应当：数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 60（一）根据数据资产的历史应用情况及未来应用前景，结合应用或者拟应用数据资产的企业经营状况，重点分析数据资产经济收益的可预测性，考虑收益法的适用性；（二）保持预期收益口径与数据权利类型口径一致；（三）在估算数据资产带来的预期收益时，根据适用性可以选择采用直接收益预测、分成收益预测、超额收益预测和增量收益预测等方式；（四）区分数据资产和其他资产所获得的收益，分析与之有关的预期变动、收益期限，与收益有关的成本费用、配套资产、现金流量、风险因素；（五）根据数据资产应用过程中的管理风险、流通风险、数据安全风险、监管风险等因素估算折现率；（六）保持折现率口径与预期收益口径一致；（七）综合考虑数据资产的法律有效期限、相关合同有效期限、数据资产的更新时间、数据资产的时效性、数据资产的权利状况以及相关产品生命周期等因素，合理确定经济寿命或者收益期限，并关注数据资产在收益期限内的贡献情况。第二十二条 采用成本法评估数据资产时应当：（一）根据形成数据资产所需的全部投入，分析数据资产价值与成本的相关程度，考虑成本法的适用性；（二）确定数据资产的重置成本，包括前期费用、直接成本、间接成本、机会成本和相关税费等；（三）确定数据资产价值调整系数，例如：对于需要进行质量因素调整的数据资产，可以结合相应质量因素综合确定调整系数；对于可以直接确定剩余经济寿命的数据资产，也可以结合剩余经济寿命确定调整系数。第二十三条 采用市场法评估数据资产时应当：（一）考虑该数据资产或者类似数据资产是否存在合法合规的、活跃的公开交易市场，是否存在适当数量的可比案例，考虑市场法的适用性；（二）根据该数据资产的特点，选择合适的可比案例，例如：选择数据权利类型、数据交易市场及交易方式、数据规模、应用领域、应用区域及剩余年限等相同或者近似的数据资产；（三）对比该数据资产与可比案例的差异，确定调整系数，并将调整后的结果汇总分析得出被评估数据资产的价值。通常情况下需要考虑质量差异调整、供求差异调整、期日差异调整、容量差异调整以及其他差异调整等。第二十四条 对同一数据资产采用多种评估方法时，应当对所获得的各种测算结果进行分析，说明两种以上评估方法结果的差异及其原因和最终确定评估结论的理由。第六章 披露要求 第二十五条 无论是单独出具数据资产的资产评估报告，还是将数据资产评估作为资产评估报告的组成部分，都应当在资产评估报告中披露必要信息，使资产评估报告使用人能够正确理解评估结论。第二十六条 单独出具数据资产的资产评估报告，应当说明下列内容：（一）数据资产基本信息和权利信息；数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 61（二）数据质量评价情况，评价情况应当包括但不限于评价目标、评价方法、评价结果及问题分析等内容；（三）数据资产的应用场景以及数据资产应用所涉及的地域限制、领域限制及法律法规限制等；（四）与数据资产应用场景相关的宏观经济和行业的前景；（五）评估依据的信息来源；（六）利用专家工作或者引用专业报告内容；（七）其他必要信息。第二十七条 单独出具数据资产的资产评估报告，应当说明有关评估方法的下列内容：（一）评估方法的选择及其理由；（二）各重要参数的来源、分析、比较与测算过程；（三）对测算结果进行分析，形成评估结论的过程；（四）评估结论成立的假设前提和限制条件。第七章 附则 第二十八条 本指导意见自 2023 年 10 月 1 日起施行。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 62 13.附录三：企业数据资源表会计处理例5 1、案例介绍 企业 A 是一家数据服务商，属于轻资产公司，假设该企业自 2024 年 1 月 1 日开始执行暂行规定，并采用未来适用法模拟财务报表，模拟期限是 2024 年 1 月 1 日至 2024 年 12 月 31 日。企业 A 同时还是高新技术企业，所得税税率为 15%，研发费用满足加计扣除的条件。如果企业 A 在 2024 年不按照暂行规定进行入表处理，则企业 A 在 2024 年的收入为 3 亿元，资产规模为 10 亿元，经营活动产生的现金流量净额为 5,000 万元。假定企业A 持有两种类型的数据资产：一种是以数据资源经过创新型投入和实质性加工形成准备对外提供服务并且满足无形资产准则的数据资产，且这种类型的数据资产占比较高；另一种是存在企业日常活动中持有、最终目的用于出售、且满足存货准则的数据资产。企业 A数据资产相关成本主要包括：取得数据采集、脱敏、清洗、标注、整合、分析、可视化等服务所发生的有关支出，在暂行规定出台之前，企业 A数据资产相关的成本均在当期费用化，主要归集在营业成本科目，部分研发费用部门人员参与数据加工环节，相应成本归集在研发费用。而在暂行规定出台之后，这部分原来费用化的即可以在满足资产确认条件之后进行资本化处理。2、入表模拟 本节将通过模拟企业A 数据资产入表路径，探讨其对企业报表产生的影响，以及可能产生的经济后果。首先，根据暂行规定，不同业务模式下的数据资产的确认流程如下：5 参考献：赵丽芳，吕梦，钟英才.数据资产表的价值效应及经济后果初探，2023.数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 63 图 7 不同业务模式的数据资产确认流程 一般而言，企业数据资源入表应该包括几个关键步骤：第一步是对满足资产确认条件的数据资源资产进行分类，按照暂行规定，目前基本是两大类：数据资源无形资产、数据资源存货；第二步对相关数据资产的成本进行归集；第三步对相关数据资产成本和收入进行匹配；第四步按照成本法进行初始计量；第五步按照成本模式进行后续计量和终止确认等；第六步则在最终的财务报表中进行列示。由于我们是以模拟企业入表的形式进行研究，所以这里我们跳过中间成本归集和收入成本匹配的步骤，直接假设企业相关数据资产产生的成本和收入项然后进行报表模拟。在企业进行数据资源入表的实践操作中，相关成本归集和收入成本匹配会存在较大挑战，主要原因是数据产品的可塑性较高，底层的数据库可以通过多种建模方式进行后续加工使用，应用场景也非常多样化，顾客可能一次性购买多个数据产品组合，导致企业在数据产品的投入方面相关人力成本、设备投入成本可能难以清晰归集，收入匹配到具体产品中也存在困难。以下我们将分数据资源无形资产和数据资源存货两部分展开论述。（1）满足无形资产确认条件的企业数据资源 数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 64 第一部分我们将描述企业 A满足无形资产计量准则的数据资源入表的会计政策和会计估计方法。根据暂行规定要求，这部分数据资源将按照成本法进行初始计量。对于使用寿命有限的数据资产，在使用寿命内按照与该项无形资产有关的经济利益的预期实现方式系统合理地摊销，无法可靠确定预期实现方式的，采用直线法摊销。根据企业 A 对提供数据产品最长回溯 3 年或 10 年的历史数据等因素进行综合分析，本文模拟报表采用不同类型产品不同摊销年限的做法。同时考虑到数据时效性一般呈现逐年递减的特征，本文采用年数总和法进行摊销。企业 A 数据资产具体年限如下：表 5 企业 A 主要数据资产摊销年限 项 目 摊销年限(年)数据资源无形资产-数据应用 3 数据资源无形资产-数据集 10（2）满足存货确认条件的企业数据资源 第二部分我们将描述企业A 满足存货计量准则的数据资源入表的会计政策和会计估计方法。根据暂行规定要求，存货包括在日常活动中持有，最终目的用于出售的数据资源。本文模拟报表采用个别计价法来发出存货。数据资源存货可变现净值的确定依据为：资产负债表日，存货采用成本与可变现净值孰低计量，通常按照单个存货成本高于可变现净值的差额计提存货跌价准备。直接用于出售的存货，在正常生产经营过程中以该存货的估计售价减去估计的销售费用和相关税费后的金额确定其可变现净值；需要经过加工的存货，在正常生产经营过程中以所生产的产成品的估计售价减去至完工时估计将要发生的成本、估计的销售费用和相关税费后的金额确定其可变现净值；资产负债表日，同一项存货中一部分有合同价格约定、其他部分不存在合同价格的，分别确定其可变现净值，并与其对应的成本进行比较，分别确定存货跌价准备的计提或转回的金额。基于上述判断标准和成本确认方法，企业 A 的数据资源无形资产和存货的列报情况如表 5 所示。其中有 1000 万元数据资产原本计入研发费用，且数据资源无形资产中有 7500 万元按 10 年摊销，2500 万按 3年摊销，计算摊销时无形资产残值为 0 且当年新增的无形资产平均分配至当年 12 个月。表 6 企业 A 自行加工的数据资源无形资产和存货列报 单位：人民币万元 a.自行开发的数据资源无形资产 b.自行加工的数据资源存货 项目 2024.12.31 项 目 2024.12.31 一、账面原值 一、账面原值 1.期初余额 1.期初余额 2.本期增加金额 10,000.00 2.本期增加金额 2,000.00 其中：购置 其中：购入 内部研发 10,000.00 采集加工 2,000.00 其他增加 其他增加 数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 65 3.本期减少金额 3.本期减少金额 1,600.00 其中：处置 其中：出售 1,600.00 失效且终止确认 失效且终止确认 其他减少 其他减少 4.期末余额 10,000.00 4.期末余额 400 二、累计摊销 二、存货跌价准备 1.期初余额 1.期初余额 2.本期计提金额 1,415.72 2.本期计提金额 3.本期减少金额 3.本期减少金额 其中：处置 其中：转回 失效且终止确认 转销 其他减少 4.期末余额 4.期末余额 1,415.72 三、账面价值 三、减值准备 1.期末账面价值 400 1.期初余额 2.期初账面价值 -2.本期增加金额 3.本期减少金额 4、期末余额 四、账面价值 1.期末账面价值 8,584.28 2.期初账面价值 -（3）入表前和入表后的财务报表变化 首先，我们重点分析入表前后资产负债表的变化。入表前，企业A 的资产负债表中不存在数据资产相关的科目列表。入表后，我们将表 5 中的满足无形资产确认条件的数据资产和满足存货确认条件的数据资产计入资产负债表，如表 6 所示，其中数据资产的确认导致存货账面价值对应增加 400 万元，导致无形资产账面价值对应增加 8,584.28万元（已扣除当年摊销额）。同时，由于原本费用化的数据资产入表后确认为无形资产或存货，导致利润总额增加 8,984.28 万元（=8,584.28 400），当期无形资产按年数总和法摊销及税务按 10年直线摊销形成递延所得税资产增加 131.11 万元，6研发费用重分类至数据资产导致研发费用加计扣除减少150 万元，进而综合导致应交所得税（体现在应交税费中）增加 1,628.76。表 7 企业 A 数据资产入表前和入表后的简化资产负债表 6 会计处理上当年摊销额=1415.72=7500/12*10/(1 2 3 4 5 6 7 8 9 10)*(1 2 3 4 5 6 7 8 9 10 11 12)/12 2500/12*3/(1 2 3)*(1 2 3 4 5 6 7 8 9 10 11 12)/12；税务处理上当年摊销额 541.67=(7500 2500)/12*1/10*(1 2 3 4 5 6 7 8 9 10 11 12)/12；税会摊销差异形成的可抵扣暂时性差异=1415.72-541.67=874.05；递延所得税=税会摊销差异形成的可抵扣暂时性差异*所得税税率=874.05*15%=131.11。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 66 单位：人民币万元 项目 入表前 2024.12.31 入表后 2024.12.31 差异 存货 400.00 400 流动资产合计 18,000.00 18,400.00 400 递延所得税资产 300.00 431.11 131.11 无形资产 2,000.00 10,584.28 8,584.28 非流动资产合计 82,000.00 90,715.40 8,715.40 资产总计 100,000.00 109,115.40 9,115.40 负债和所有者权益 应交税费 1,000.00 2,628.76 1,628.76 流动负债合计 15,000.00 16,628.76 1,628.76 非流动负债合计 20,000.00 20,000.00 0 负债合计 35,000.00 36,628.76 1,628.76 未分配利润 25,000.00 32,486.64 7,486.64 所有者权益合计 65,000.00 72,486.64 7,486.64 负债和所有者权益总计 100,000.00 109,115.40 9,115.40 其次，我们分析入表前后利润表的变化。入表前，企业 A是以费用化的方式处理与数据资产相关的支出；入表后，企业 A 将满足资产确认条件的支出予以资本化，可以从表 7 中看到，营业成本和研发费用分别下降 7,984.28 万元和 1,000 万元，因入表调整导致企业当期的利润总额和净利润显著上升，同时所得税费用也显著上升。表 8 企业 A 数据资源入表前和入表后的简化利润表 单位：人民币万元 项 目 入表前 2024 年度 入表后 2024 年度 差异 营业收入 30,000.00 30,000.00 0.00 减：营业成本 15,000.00 7,015.72 -7,984.28 研发费用 3,500.00 2,500.00 -1,000.00 营业利润（亏损以“-”号填列）5,000.00 13,984.28 8,984.28 利润总额（亏损总额以“-”号填列）5,000.00 13,984.28 8,984.28 减：所得税费用 750.00 2,247.64 1,497.64 净利润（净亏损以“-”号填列）4,250.00 11,736.64 7,486.64 接着，我们分析入表前后现金流量表的变化。从表 8 可以看出，企业 A 数据资产入表对现金流量表的影响主要是投资活动产生的现金流量和经营活动产生的现金流量，由于数据资源无形资产的增加导致入表后购建无形资产支付的现金部分增加10,000 万元，同时入表前原本计入营业成本或者研发费用的经营活动现金流量支付相应减少 10,000 万元。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 67 表 9 企业 A 数据资源入表前和入表后的简化现金流量表 单位：人民币万元 项 目 入表前 2024 年度 入表后 2024 年度 差异 一、经营活动产生的现金流量：支付给职工以及为职工支付的现金 15,000.00 6,000.00 -9,000.00 支付其他与经营活动有关的现金 3,000.00 2,000.00 -1,000.00 经营活动产生的现金流量净额 5,000.00 15,000.00 10,000.00 二、投资活动产生的现金流量：购建固定资产、无形资产和其他长期资产支付的现金 10,000.00 10,000.00 投资活动产生的现金流量净额 -10,000.00 -10,000.00 三、筹资活动产生的现金流量：筹资活动产生的现金流量净额 3、财务指标分析 首先，根据以上模拟报表，我们计算了入表前和入表后的关键财务指标情况，包括流动比率、资产负债率、净资产收益率和毛利率，如表 9 所示。基于入表模拟和对比分析，我们可以直观看到数据资产入表会带来的变化主要有：（1）因存货与无形资产增加导致总资产增加，而负债前后变化幅度小于资产，使得资产负债率下降，即企业的杠杆率下降；（2）数据资产入表导致所得税费用上升，应交税费等流动负债增加，流动负债增加幅度大于流动资产，使得流动比率下降；（3）数据资源形成无形资产后需要按照预计可使用年限进行摊销，虽然入表当年部分费用化的数据资产因纳入资产负债表而导致当期成本或费用降低，但因为无形资产摊销导致后续年份的数据资源无形资产摊销额将再次计入当期成本或费用，直至无形资产最终处置或报废，即入表可能导致企业成本或费用的确认存在时间差异，呈现先低后高的规律；（4）假定企业收入平稳，由于当期成本或费用先低后高，则利润呈现出先高后低的状态，毛利率和净资产收益率同样也会呈现先高后低的状态；（5）由于利润先高后低的变化，可能导致所得税也表现为先高后低。数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 68 参考献 1 Nolin,J.M.Data as Oil,Infrastructure or Asset?Three Metaphors of Data as Economic ValueJ.Journal of Information,Communication and Ethics in Society,2020,18(1):28-43.2 申卫星.论数据用益权J.中国社会科学,2020,(11):110-131.3 A.Berczi,Information as a factor of production,Bus.Econ.(1981)14-20.4 Hestness,J.et al.(2017)“Deep Learning Scaling is Predictable,Empirically”.Available at:http:/arxiv.org/abs/1712.00409 5 黄丽华,杜万里,吴蔽余.基于数据要素流通价值链的数据产权结构性分置J.大数据,2023（2）.6 陈国青,曾大军,卫强,等.大数据环境下的决策范式转变与使能创新J.管理世界,2020,36(2):95-105.7 Veldkamp,L.Valuing Data as an AssetJ.Review of Finance,2023,27(5):1545-1562.8 张新民,金瑛.资产负债表重构：基于数字经济时代企业行为的研究J.管理世界,2022,38(9):157-175.9 蔡继明,刘媛,高宏,等.数据要素参与价值创造的途径基于广义价值论的一般均衡分析J.管理世界,2022,38(7):108-121.10 许宪春,张钟文,胡亚茹.数据资产统计与核算问题研究J.管理世界,2022,38(2):16-30.11 黄世忠,叶丰滢,陈朝琳.数据资产的确认、计量和报告基于商业模式视角J.财会月刊,2023,44(8):3-7.12 荣健欣,王大中.前沿经济理论视野下的数据要素研究进展J.南方经济,2021,(11):18-43.13 Stigler,G.J.(1961).The Economics of Information.Journal of Political Economy,69(3),213-225.14 Valavi,E.,Hestness,J.,Ardalani,N.,&Iansiti,M.(2022).Time and the Value of Data.arXiv preprint arXiv:2203.09118.15 Veldkamp,L.,&Chung,C.(2019).Data and the Aggregate Economy.Journal of Economic Literature.16 1朱扬勇,叶雅珍.从数据的属性看数据资产J.2021(2018-6):65-76.17 陈信元,何贤杰,邹汝康,等.基于大数据的企业“第四张报表”:理论分析、数据实现与研究机会J.管理科学学报,2023,26(5):23-52.18 Veldkamp,L.Valuing Data as an AssetJ.Review of Finance,2023,27(5):1545-1562.19 彭刚,李杰,朱莉.SNA 视角下数据资产及其核算问题研究J.财贸经济,2022,43(5):145-160.20 Liu,E.,Ma,S.,Veldkamp,L.(2023).Data sales and data dilution J.Working Paper.21 徐涛,尤建新,曾彩霞,等.企业数据资产化实践探索与理论模型构建 J.外国经济与管理,2022,44(06):3-17.22 Enache,L.,Srivastava,A.Should Intangible Investments be Reported Separately or Commingled with Operating Expenses?New EvidenceJ.Management Science,2018,64(7):3446-3468.23 Banker,R.D.,Huang,R.,Natarajan,R.,et al.Market Valuation of Intangible Asset:Evidence on SG&A Expenditure J.The Accounting Review,2019,94(6):61-90.24 Sloan,R.G.Do Stock Prices Fully Reflect Information in Accruals and Cash Flows about Future EarningsJ.The Accounting Review,1996,71(3):289-315.25 Elliott,W.B.,Hobson,J.L.,Jackson,K.E.Disaggregating Management Forecasts to Reduce Investors Susceptibility to Earnings Fixation.The Accounting Review,2011,86(1):185-208.26 李健,董小凡,张金林,等.数据资产对企业创新投入的影响研究J.外国经济与管理,2023:1-16.27 宋炜,曹文静,周勇.数据要素赋能、研发决策与创新绩效来自中国工业的经验证据J.管理评论,2023,35(7):112-121.28 Beraja,M.,Yang,D.Y.,Yuchtman,N.Data-Intensive Innovation and the State:Evidence from AI Firms in ChinaJ.The Review of Economic Studies,2023,90(4):1701-1723.数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 69 29 Jain,P.K.,Rezaee,Z.The Sarbanes-Oxley Act of 2002 and Capital-Market Behavior:Early EvidenceJ.Contemporary Accounting Research,2006,23(3):629-654.30 Armstrong,C.S.,Barth,M.E.,Jagolinzer,A.D.,et al.Market Reaction to the Adoption of IFRS in EuropeJ.The Accounting Review,2010,85(1):31-61.31 Larcker,D.F.,Ormazabal,G.,Taylor,D.J.The Market Reaction to Corporate Governance RegulationJ.Journal of Financial Economics,2011,101(2):431-448.32 张俊瑞,危雁麟.数据资产会计：现状、规制与展望J.财会月刊,2023,44(12):3-11.33 崔吉峰,闫斌,张朋.数据资产管理研究与探索J.中国电力企业管理,2014(12):2.DOI:10.3969/j.issn.1007-3361.2014.12.028.34 黄世忠,叶丰滢,陈朝琳.数据资产的确认,计量和报告基于商业模式视角J.财会月刊,2023,44(8):3-7.35 高伟.数据资产管理:盘活大数据时代的隐形财富:Data asset management:how to activate hidden wealth of the big data eraM.机械工业出版社,2016.36 吴 超.从 原 材 料 到 资 产 数 据 资 产 化 的 挑 战 和 思 考 J.中 国 科 学 院 院 刊,2018.DOI:CNKI:SUN:KYYX.0.2018-08-007.37 PETERSON R E.A Cross Section Study of the Demand for Money:The United States,1960-62J.Journal of Finance,1974,29(1):73-88.38 Untied States Government US Army.Army information technology implementation instructionsM.Charleston:CreateSpace Independent Publishing Platform,2013.39 中国信息通信研究院云计算与大数据研究所.数据资产管理实践白皮书(2.0)版R.北京：中国信息通信研究院,2018.40 国家市场监督管理总局,全国信息技术标准化技术委员会.信息技术服务 治理 第 5 部分:数据治理规范:GB/T 34960.5-2018S北京:中国标准出版社,2018.41 黄丽华,杜万里,吴蔽余.基于数据要素流通价值链的数据产权结构性分置J.大数据,2023（2）.42 蔡继明,刘媛,高宏,等.数据要素参与价值创造的途径基于广义价值论的一般均衡分析J.管理世界,2022,38(7):108-121.43 黄世忠,叶丰滢,陈朝琳.数据资产的确认、计量和报告基于商业模式视角J.财会月刊,2023,44(8):3-7.44 国家市场监督管理总局,全国信息技术标准化技术委员会.电子商务数据资产评价指标体系:GB/T 37550-2019S北京:中国标准出版社,2019.45 中国资产评估协会.资产评估专家指引第 9 号数据资产评估:中评协201940 号S.2019.46 HAWLEY R.Information as an asset:the board agendaJ Information Management and Technology,1995,28(6):237-239.47 TOYGAR A,ROHM C E T,ZHU J.A new asset type:digital assetsJ.Journal of International Technology&Information Management,2013,22(4):113-119.48 曹磊.网络空间的数据权研究J.国际观察.2013.49 肖冬梅,文禹衡.数据权谱系论纲J.湘潭大学学报(哲学社会科学版),2015.50 张毅菁.数据开放环境下个人数据权保护的研究J.情报杂志,2016.51 朱扬勇,熊贇.数据的经济活动及其所需要的权利J.大数据,2020,6(06):140-150.52 瑞柏律师事务所.欧盟一般数据保护条例 GDPRM.北京:法律出版社,2018.53 赵刚.数据要素：全球经济社会发展的新动力M.北京:人民邮电出版社,2021.54 E BRYNJOLFSSON,L M HITT,H H KIM.Strength in Numbers:How Does Data-Driven Decisionmaking Affect Firm Performance.SSRN.(2011-04-22).55 OECD.Data-Driven Innovation Big Data for Growth and Well-BeingR.OECD Publishing.(2015-10-06).56 肖翔,何琳.资产评估学教程(修订本)M.北京:清华大学出版社,2006.数据资产表及估值实践与操作指南 Data Assets Incorporating Into The Balance Sheet and Valuation Practice and Operations Guidebook 70 57 MOODY D L,WALSH P.Measuring the value of information an asset valuation approachC/Proceedings of the 7th European Conference on Information Systems.S.L.:s.n.,1999:496-512 58 李永红,张淑雯.数据资产价值评估模型构建J.财会月刊,2018(09):30-35.59 郭邑彤.互联网金融企业数据资产价值评估方法研究D.西安科技大学,2019.60 陶怡然.基于 AHP 法的平台数据资产价值评估研究D.中国矿业大学,2019.61 梁艳.互联网企业数据资产价值评估D.河北经贸大学,2020.62 林佳奇.发电企业数据资产价值评估研究D.华北电力大学(北京),2020.63 张驰.数据资产价值分析模型与交易体系研究D.北京:北京交通大学,2018.64 倪渊,李子峰,张健.基于 AGA-BP 神经网络的网络平台交易环境下数据资源价值评估研究J.情报理论与实践,2020,43(01):135-142.65 王静,王娟.互联网金融企业数据资产价值评估基于 BS 理论模型的研究J.技术经济与管理研究,2019(07):73-78.66 陆岷峰.构建我国微观主体数据资产市场化管理体制与机制的研究J.南都学坛,2021,41(5):92-100.DOI:10.3969/j.issn.1002-6320.2021.05.012.67 Veldkamp,L.Valuing Data as an AssetJ.Review of Finance,2023,27(5):1545-1562.68 Veldkamp,L.,&Chung,C.(2019).Data and the Aggregate Economy.Journal of Economic Literature.69 罗玫、李金璞、汤珂：企业数据资产化：会计确认与价值评估，清华大学学报（哲学社会科学版）2023 年第 5 期，第 195209 页.70 吴蔽余、黄丽华：数据定价的双重维度：从产品价格到资产价值，价格理论与实践2023 年第 7 期，第 7075 页.71 尹传儒、金涛、张鹏等：数据资产价值评估与定价：研究综述和展望，大数据2021 年第 4 期，第1427 页.72 俞明轩、王逸玮：资产评估，中国人民大学出版社，2017 年.73 杨凯.企业数据资产价值评估方法研究J.中国管理信息化,2022,25(23):88-91.74 谢刚凯,蒋骁.超越无形资产数据资产评估研究J.中国资产评估,2023(02):30-33.75 张 志 刚,杨 栋 枢,吴 红 侠.数 据 资 产 价 值 评 估 模 型 研 究 与 应 用 J.现 代 电 子 技 术,2015,38(20):5.DOI:10.3969/j.issn.1004-373X.2015.20.012.76 高伟.数据资产管理:盘活大数据时代的隐形财富:Data asset management:how to activate hidden wealth of the big data eraM.机械工业出版社,2016.77 吴 超.从 原 材 料 到 资 产 数 据 资 产 化 的 挑 战 和 思 考 J.中 国 科 学 院 院 刊,2018.DOI:CNKI:SUN:KYYX.0.2018-08-007.

0人已浏览 2023-12-01 74页 5星级

中国开放数据白皮书20232 科学数据的开放、共享和应用，会促进科学界带来新的知识。而大数据、人工智能和大模型的融合发展，也将激活科学研究的创新力和生命力，破解更多科学密码。陈润生 中国科学院院士 中国科学院生物物理研究所研究员开放数据状况报告是一项全球调查，旨在深入了解科研人员对于开放数据的态度和体验。我们很高兴与中国科学院计算机网络信息中心携手，合作发布一份有关中国开放数据情况的报告，以便出版机构、科研资助机构和科研机构更好地了解科研人员的看法，以及需要以哪些支持来帮助他们将数据公开。作为科研界的积极合作伙伴，施普林格 自然致力于开创数据共享的新方法，并支持科研人员使数据共享成为新常态。STEVEN INCHCOOMBE（史蒂文 印驰库姆）施普林格 自然科研市场总裁DOI:https:/10.6084/m9.figshare.24638301中国开放数据白皮书2023目录前 言 42023年中国开放数据情况分析 6我国科学数据的新型知识产权保护规则 12中国科学院推动数据开放的政策与实践 14中国空间科学领域数据开放实践与思考 16全球微生物大数据共享平台的建设与应用 18中国对地观测科学数据开放共享的现状和趋势 20中国农业科学数据开放共享实践与进展 22基于SI数字框架的计量数据开放共享特点介绍 24中国科技期刊开放研究数据政策与实践 28开放数据在中国施普林格 自然的政策、实践和愿景 31 中国开放数据白皮书20234开放数据是开放科学的重要组成部分，数据密集型科学发现的新型科研范式正在对科学数据开放共享提出迫切需要。经过中国政府、政策制定者等多方努力，中国的开放数据和开放科学数据事业正迎来蓬勃发展。中国在全球开放科学的舞台上扮演着重要角色。在2023年的调查问卷反馈中，中国受访者占全球参与人数的11%，排全球第二。同时，中国科研群体对于开放科学有比较高的接受度和支持度。有78%的受访者赞成公开研究数据成为惯例。然而，数据共享在实践中还在敏感数据许可、数据滥用等问题上存在一定阻碍因素。因此，报告对国家政策法规体系、科研评价体系、科研机构的指导作用和数据共享最佳实践提出了相关建议。同时，报告邀请中国数据开放共享领域的专家共同参与此次报告的撰写。在政策研究与法规层面，来自国家知识产权局的顾昕等介绍了中国对于科学数据这一新型知识产权的保护规则，并对大规模科学数据集合提出保护建议，较于个体科学数据已开展的系列知识产权合规工作，大规模数据集合还缺乏完善的制度保障，亟待构建一种新型产权制度。在建设实践层面，来自中国科学院科学数据总中心的陈昕等从数据政策建设实践、科学数据管理与共享服务实践、科学数据治理能力实践、项目数据汇交实践几个方面系统介绍了中国科学院在科学数据开放的政策与实践上的建设情况。涉及具体学科领域的数据共享工作，报告邀请了5篇来自国家科学数据中心的观点报告。科学数据是重要的国家基础性和战略性资源，而地球科学、生物学、农业农村等领域产生的科学数据，具有极高的经济价值和社会价值，做好这些数据的收集、储存、保护、开发与利用工作，将对我国国民经济和社会发展产生深远影响。微生物和农业等领域均重视数据平台建设，促进领域数据的海量汇聚，形成了有效的整合效应，促进科学数据资源的共享利用。另一方面是数据标准建设达成一定成效，形成数据共享的基础，提升数据质量，实现数据互联互通。来自国家空间科学数据中心的邹自明等介绍了国内外空间科学领域数据开放发展情况，从领域科学数据的高质量供给、高水平开放共享、开放生态建设等方面具体阐述了中国在推动空间科学领域开放共享过程中的实践与进展，并提出了面向数据与智能融合驱动的新型科研范式持续推进领域科学数据开放与利用的展望。来自国家微生物科学数据中心的马俊才的介绍，国家微生物科学数据中心以世界微生物数据中心（WDCM）为平台，倡导了全球微生物菌种保藏目录（GCM），在微生物资源共享和挖掘方面建立一套国际标准体系，建立全球权威的微生物组学参考数据库和数据分析平台，有效促进全球微生物数据的汇聚、融合、共享与利用。国家对地观测科学数据中心的李国庆系统地介绍了中国对地观测数据的特点，并分析了中国对地观测数据开放共享的参与方、开放现状及各方态度；总结了中国对地观测领域开放数据存在的问题及机遇。前 言陈润生 中国科学院生物物理研究所周园春 中国科学院计算机网络信息中心国家农业科学数据中心的周国民从分析农业科学数据的特点为入口，全面梳理了国家农业科学数据中心在促进农业科学数据开放共享上的系列举措，分享了相关工作成效，并对未来工作进行了展望。国家计量科学数据中心的熊行创首先介绍了基于SI数字框架的计量数据开放共享特点，并提出计量可追溯性和机器可读、可理解、可操作性是数字时代计量数据作为质量信任之锚的显著特点。科学数据在学术出版中起到了保障科研诚信、促进学术交流的重要作用。本次问卷的大部分受访者也赞同这一观点，认为“论文出版是最主要的数据获取方式”。在中国科技期刊的开放数据实践进展上，来自 中国科学数据 的孔丽华研究表明“中国科技期刊卓越行动计划”的资助刊物中有超过81%的“领军期刊”已制定了数据政策，但这在中国科技期刊总量（5000多种）中占比，仍微乎其微。此外，数据论文出版作为一种新型出版模式，正在积极推动数据引用和重用，释放数据更大的价值。中国创办的数据期刊的论文发文量正处于上升期，并开展了数据共享和出版、数据政策建设的丰富实践。作为出版机构的施普林格 自然介绍了其在中国的数据政策、实践与愿景。施普林格 自然支持中国的开放数据政策和数据存储库,并建议了在中国鼓励数据共享的最佳实践。我们高兴地看到，本次调查中大部分科研群体赞成开放科学数据成为常态，并且希望得到共享数据能够带来更多的学术认可，这也反映了科研群体对开放科学数据这一概念具有较为正面的认知，并希望以此开展更多学术交流、获得学术认可。当然，政策法规体系建设、科研评价的激励、科研机构的实践指导等，都能够极大帮助科研群体在科学数据开放共享过程中消除障碍、提供便利，逐步形成驱动数据开放的强大动因。我们呼吁，科研机构、高校、学术期刊、出版商、数据存储库、技术提供商等科研共同体，在拥抱开放科学的道路上继续携手前行，共同为构建开放科学和开放数据大家庭努力。62023年,是figshare与Springer Nature连续面向全球科学家发放开放数据状况调查问卷 的第八年。据统计，此次调查中，共收到来自中国的有效问卷反馈642份，中国受访者占全球参与人数的11%，位列第二。本报告以本次调查收到的这642份中国学者的问卷数据为依据，对中国科研群体在开放数据的动机、存在的挑战、看法和实践行为等方面展开调查分析。根据对中国受访者的数据分析，报告呈现以下要点：有78%的受访者赞成将公开研究数据作为常规惯例；56%的受访者认为其在共享数据的学术认可上“获得太少”，20%回答“不知道”；74%的受访者表示不清楚“数据管理计划”的概念，49%的人表达需要相关培训支持；49%的受访者重复使用过他人或团队公开共享的数据；已发表的论文是最主要的数据获取方式（69%）。在参与此次调查的中国受访者中，60%来自高校，是占比最高的人群，16%来自医院或医疗组织，14%来自研究机构，6%来自医学院，3%来自企业，另有1%来自政府机构。在学科分布上，从事医学（29%）研究的受访者比例最高，其次是生物（18%），工程（9%）和地球与环境科学（9%）领域。从职业阶段分布上看，约有47%的受访者处于职业早期（于近5年内发表了第一篇论文）。因此，本次调查可能在一定程度上反映出中国青年科研群体对待开放数据的认识。姜璐璐 张泽钰 李宗闻中国科学院计算机网络信息中心图 1 受访者机构类型图 2 受访者从事的学科分布2023年中国开放数据情况分析78%的受访者赞成将公开研究数据作为常规惯例一、报告情况介绍1.数据共享的驱动与阻碍中国科研群体对于开放科学有比较高的接受度和支持度。有78%的受访者赞成将公开研究数据作为学术研究惯例。其中，73%的受访者认为开放数据可促进合作，70%认为“有助于验证我的研究发现”，63%认为“可避免重复劳动”，57%认为“可补充现有数据”，仅1%的受访者从未从数据共享中获益。50.3%的受访者认为资助方应将研究数据的共享作为获得经费的要求之一（29.4%反对，20.2%回答“不清楚”）；若经费申请人没有遵循项目的强制共享数据要求时，44.9%的人认为申请应遭拒绝或给予其他相应处罚（30.4%反对，24.8%回答“不清楚”）。数据共享依旧存在诸多阻碍因素。在问及关于数据共享的潜在问题或担忧时，57%的受访者担心数据“包含敏感信息或数据共享前须获研究参与者许可”，医学领域的受访者对此的担忧尤为突出(31.96%)；此外，中国是全球（43%）受访者中对此表达最多顾虑的国家。中国受访者担忧的其他问题还包括“数据滥用（39%）”，“其他实验室抢发研究成果（36%）”以及“不确定数据版权和数据许可（36%）”等；只有约10%的受访者表示对数据共享没有顾虑。提升学术认可与影响力是最重要的数据共享驱动因素。调查发现，科研群体最关注的仍是研究成果是否获得认可，及产生的学术影响力。获得“完整的数据引用（69%）”“研究论文被引用（62%）”“提高研究的影响力和知名度（51%）”是中国受访者数据共享的最主要驱动因素。此外，政策要求也发挥着重要的驱动作用，有48%的受访者会因“期刊/出版商的要求”共享数据，38%和36%的人会应资金资助方或所属机构的要求共享数据。但数据共享尚未获得足够的学术认可。当被问及研究人员目前是否因共享数据而获得足够的承认或认可时，超半数的受访者（56%）选择了“不，他们获得的承认太少”，值得注意的是，较上一年度相比这一比例正在降低。24%的受访者认为数据共享者已获得足够的认可（18%）或过多认可（6%）且这一比例正在上升。在认可形式上，论文的完整引用（41%）是研究人员在数据共享上获得最多的认可形式。其次是数据共享者作为论文的合著者（33%），次之是作为工作考核的内容（22%）。但是，有30%的受访者表示从未在数据共享上获得过任何认可，67%的学者表示他们并未因数据共享而有机会加入任何合作项目。数据共享尚未获得足够的学术认可图 4 受访者对共享数据的担忧图 5 促使受访者共享数据的驱动因素图 3 中国科研群体对开放科学的支持度及赞成开放数据的原因二、主要发现82.科学数据管理的实践中国受访者关于数据管理计划（Data Management Plan，DMP）的认知、实践能力及实施支持上普遍需要提升。调查显示，有72%的中国受访者不清楚或者不知道DMP的概念。涉及DMP的制定能力评估，近半（49%）的中国受访者表示自己不具备制定可实施的DMP能力，需要更多培训和信息，仅51%的受访者在不同程度上表示能够胜任。谈及DMP的制定动因上，40%的受访者表示制定数据管理计划是出于行业规范或期望的考虑，39%的人出于项目资助方的要求，36%的人出于机构要求考虑，也有部分人表示会出于个人选择而非其他人要求制定DMP（32%）。在数据管理计划的实施上，80%的中国受访者有过创建数据管理计划的经历，但实施过程面临诸多挑战。40%的受访者认为缺乏受过训练的专业人员开展工作，39%的人认为实施数据管理计划过于耗时，31%的人认为过于耗资。此外，技术上的挑战诸如数据存储、数据组织等问题也较为突出（37%）。相比于全球其他国家和地区，中国受访者在项目进行阶段尤其倾向将数据存储在个人计算机上（88%），40%的人选择使用个人云存储。选择使用机构服务的人群比例明显较低（机构云存储16%，机构存储库12%，机构网络6%）。此外，约有36%的人选择使用物理方式（如纸质笔记本等）保存数据。较少的受访者（15%）会整理所有收集到的数据以便分享。有34%的受访者表示会整理计划公开的数据，21%的受访者会整理部分数据用于公开，18%的受访者仅对计划分享给同事或他人的数据进行整理。另有约7%的学者表示缺乏相关资源，但乐于开展此项工作。在数据整理的支持工作上，中国学者更倾向通过所在机构获取支持。全球受访者中50%的学者选择从所在机构获取专家帮助，而中国学者中这一比例占到70%，他们通过实验室（46%）、所在部门（35%）、机构图书馆（17%）获得过专家帮助。较多数中国受访者（56%）倾向在研究发表后再公开自己的数据。此外，14%的学者会选择在提交研究论文时公开数据，只有3%的受访者会在数据收集的当下立即公开数据。另有9%的受访者表示在他人提出要求后才会公开数据，8%的受访者表示不会和主要合作学者以外的人进行数据分享。在共享方式上，大多数中国受访者倾向使用机构存储库（60%）来共享数据，次之是以论文补充材料的形式（46%）共享数据。关于资金来源，36%的受访者共享数据的资金支持来自所属机构，35%的人表示不清楚，27%的人表示更支持有明确数据共享预算的项目。相当比例的中国受访者有过数据再利用的经历。统计发现，有一半的中国受访者（50%）再利用过自己的数据，49%的人再利用过他人的开放数据，14%的人再利用过非公开的数据用于研究。图 6 DMP的制定能力评估图 7 受访者希望得到的有关数据管理计划的培训内容图 8 研究数据的存储方式图 9 开放数据的获取途径完全可以胜任21%可以胜任30%我需要适度的培训/更多的信息43%我需要大量的培训/更多的信息6%如果您需要制定一个实用的数据管理计划，您认为自己在多大程度上有能力这样做？界定要产生的数据以及如何获得这些数据%了解并确定访问、分享和重用的政策%长期存储和数据管理策略%元数据描述%成本核算和预算规划%以上皆不包括在内%您认为从数据管理计划中的哪些方面可通过进一步技能培训/信息中受益？国家国家个人计算机（硬盘）个人云存储机构计算机（硬盘）机构云存储机构网络机构存储库项目云存储物理存储China 中国%India印度%Brazil巴西%Japan日本%Italy意大利%France法国nada加拿大%Australia澳大利亚%Spain西班牙%United States美国CH德奥瑞地区%United Kingdom英国%在项目进行中，您会将研究数据存储在哪？80%的受访者有过创建数据管理计划的经历，但实施过程面临诸多挑战已发表的学术论文是最主要的开放数据获取途径（69%）。其次分别是通过数据存储库获得数据（62%）和通过数据论文获得数据（46%）。在谈及数据质量的决定因素时，53%的中国学者认为“数据是新的（如最近一年内发布的数据）”是重要的决定因素（26%认为“格外重要”，27%认为“十分重要”）；此外，“可视化的数据反应了原始数据的真实其情况（45%）”、“数据与已发表的研究结论一致（45%）”以及“具备完整的相关元数据（45%）”也是“格外重要”或“有些重要”的因素。3.数据管理的基础支撑需求大多受访者希望得到同事或导师、数据存储库、机构图书馆和开放数据软件提供商的帮助。关于科研人员管理和共享数据，过半受访者希望得到同事或导师（58%）、数据存储库（53%）、机构图书馆（52%）和开放数据软件提供商（52%）的帮助。这与现实情况较为接近，有超六成（61%）的受访者表示已接受过关于如何计划、管理、共享科研数据的相关帮助，这些帮助主要来自于同事或导师（63%）、开放数据软件提供商（58%）、机构图书馆（57%）。对于科研人员已得到的帮助支持，有三成左右的受访者认为机构或组织（29%）、资助方（37%）、出版商（32%）提供了很好的帮助，20%左右的受访者得到了一般的帮助。在帮助内容上，超六成受访者希望了解数据版权和数据许可协议的相关知识（63%），以及他们如何规划管理数据的时间（60%）。还有近半受访者表示需要了解如何寻找合适的数据存储库（49%）、理解适于自己的数据管理政策（47%）。多数受访者认为中国在数据开放共享上给予了较强力度支持。从政策制定上，接近半数受访者在最近的科研过程中找到了机构（47%）、出版商（45%）、资助方（37%）以及校方（36%）的数据政策。多数受访者希望机构（67%）、资助方（58%）、校方（54%）和出版商（52%）指导他们了解对应的数据政策，以使研究数据开放可用。多数受访者认为中国对于研究数据开放共享给予了较强力度的支持（65%）。此外，调查数据还显示，较多的中国数据受访者已在使用人工智能工具辅助他们进行数据收集（62%）、数据处理（55%）和元数据创建（53%）工作。%同事或导师数据存储库机构图书馆开放数据软件提供商受访者希望得到谁的帮助？%机构资助方校方出版商受访者需得到数据政策指导的来源图 10 受访者所需帮助的内容图 11 受访者希望得到谁的帮助图 12 受访者需得到数据政策指导的来源101.完善国家政策法规体系为研究人员提供规范指引科学数据管理办法 至今已颁布五年,“数据二十条”（关于构建数据基础制度更好发挥数据要素作用的意见）已于2022年底发布，但关于科学数据的权属究竟应如何界定和规制，目前仍无明文规定予以落实。实践中，科学数据权益、论文版权、出版转让协议等内容往往相互交织，其中所涉权利纷繁复杂，研究人员在共享数据时不免顾虑。近六成受访者表示共享数据时担忧数据包含敏感信息或数据共享前须获得研究参与者许可。值得注意的是，受访者中有近五成来自医学（29%）和生物（18%）领域，这些领域的研究活动更多涉及个人信息、人体器官、人类遗传资源等敏感数据，准确厘清数据共享与保护的边界对很多科研人员而言存在诸多困难。此外，36%的受访者表示对数据版权和数据许可协议事宜不太确定，超过六成受访者表达期望了解数据版权和数据许可协议的相关知识。针对中国开放数据过程中存在的诸多现实困境，建议尽快完善相关政策法规体系，如尽快出台有关科学数据权属、数据共享规范等内容的管理细则，为研究人员合法合规合理的开展科学数据共享活动提供指引。2.优化科研评价体系激励研究人员共享数据提升学术认可与影响力是最重要的数据共享驱动因素，如完整的数据引用（69%）、研究论文被引用（62%）和提高研究的影响力/知名度（51%）。但有三成受访者认为其并未从数据共享中获得任何认可或承认，超五成受访者认为研究人员在数据共享中获得的认可和承认太少了（56%）。因此，数据开放共享需要进一步的激励机制建设：（1）完善配套措施，规范数据引用，在科研共同体内建立数据引用惯例与共识，将数据引用情况纳入学术影响力评价体系，认可数据共享在科研全生命周期的重要性及价值。（2）在科研职业晋升，人才评优评定，项目申请、项目验收结题等过程，认可接收科学数据作为学术成果项并开展评估评价，以激励科研数据共享实践。（3）在学术论文发表过程中，期刊可考虑为共享数据的文章开通绿色通道（如优先评审、优先出版等），并建立论文和关联数据的对应关系，增强论文与数据的连接性。三、主要结论和建议提升学术认可与影响力是最重要的数据共享驱动因素3.科研机构和高校应在数据管理实践中有效发挥指导作用中国受访者关于数据管理计划的认知、实践能力及实施支持上普遍需要提升，在专业训练、耗时耗资、技术难题等实操问题，仍面临诸多困难，也迫切期望获得相关培训和信息。调查发现，所在机构和高校是中国受访者最为希望得到数据管理计划、数据开放共享实践相关帮助的来源。因此，我们的机构、高校以及图书馆应在数据管理实践上发挥更大的作用：（1）机构、高校及图书馆应肩负起普及数据管理和开放共享实践的职责，广泛宣传数据管理计划，提升科学数据管理认知与数据开放共享的认同程度；（2）为科研人员提供更全面的数据开放共享实践指导，针对数据管理计划、数据版权、数据许可协议等重要内容开展配套培训，帮助科研人员提升科学数据管理的基础素养；（3）与数据存储库、软件提供商开展深度合作，共同建设数据管理和开放共享的基础设施，为机构内科研人员提供便捷可信的数据出版服务平台和数据传播引用通路。4.鼓励数据共享的最佳实践问卷调研结果显示，有很多中国学者有过重用他人数据的经历。其中，通过已发表的论文而获得数据是最主要的数据获取途径，次之是通过数据存储库和数据论文。同时，大部分的中国学者乐于将其共享的数据服务于重用（包括重复研究、重新分析、重新解读、单独性重用和结合性重用）。因此，项目资助方、期刊、机构等应在科研共同体内广泛鼓励数据共享的最佳实践：（1）鼓励更多的科研工作者在研究论文发表时撰写“数据可用性声明”，提升成果支撑数据的可获取性和研究的透明性。（2）鼓励数据成果作为数据论文的形式进行出版，一方面提升共享的数据的可理解性和可重用性，另一方面可纳入现有科研评价体系获得相应的学术认可。（3）鼓励科研工作者把可共享的科学数据存储在专业的数据存储上，确保数据的长期、稳定、可靠存储的同时，在FAIR共享原则框架下有效实现数据共享。机构、高校以及图书馆应在数据管理实践上发挥更大的作用12在开放科学的背景下，科学数据的开放共享具有支撑各领域科学研究、降低研究成本、增强科技创新能力等重要意义。近些年，我国科学数据的开放共享工作取得了显著成效。科学数据需要开放共享，2018年国务院出台的 科学数据管理办法 规定，对于“政府预算资金资助形成的科学数据应当按照开放为常态、不开放为例外的原则面向社会和相关部门开放共享”。在各项政策的引导和鼓励下，越来越多的中国学者开始发表数据论文，将优质的科学数据开放全球共享1。一、科学数据作为整体数据集合的价值一方面，基于社会发展对科学数据的巨大需求，科学数据需要开放共享。但另一方面，如何进一步发挥由大量个体数据所形成的整体数据集合的作用，是当前数据时代发展面临的重要议题。与个体数据不同，整体数据是指具有相当数量级的个体数据经一定算法加工处理所形成的数据集合，体现了数据处理者所付出的劳动和投入的资本，典型的例子是人工智能大模型产品，个体科学数据除了作为通用人工智能大模型的优质训练数据之外，往往也汇集形成诸多科学方面的人工智能大模型产品，譬如在算法加持下形成的ChatGPT数据集合，在个体数据提供的信息价值之外，具有全新的功能。科学数据管理办法 在规定科学数据共享遵循“非营利原则”的同时,也鼓励社会组织和企业等对科学数据进行分析挖掘，形成有价值的科学数据产品,开展市场化增值服务。二、大规模科学数据集合的保护规则有待完善随着我国科技、知识产权等法律制度的不断完善和保护意识的不断提高，围绕着个体科学数据的保护开展了一系列合规工作，包括个体数据包含的信息是否侵犯著作权，是否违反个人信息保护规定，如何与相关主体签署合同获得授权等等。但是，相较于对个体数据的重视，科学数据作为整体数据集合发挥作用时，目前并没有十分完善的制度予以保障。尽管在信息层面上，整体数据结合在满足一定条件时可以沿用现有的法律制度获得保护，譬如作为 著作权法 的汇编作品、利用商业秘密制度，或主张 反不正当竞争法 的一般条款，但对于个体科学数据汇集形成的具有全新功能的大规模数据集合本身应如何保护，目前没有明确的法律规定。三、构建数据知识产权保护规则的试点探索国家知识产权局正在探索构建数据知识产权保护规则，尝试建立符合这种全新产权客体的保护方式。自2022年11月开始，确定北京市、上海市、江苏省、浙江省、福建省、山东省、广东省、深圳市等8个地方作为试点地方，在制度构建、登记实践、权益保护、交易使用等方面进行探索。具体而言，数据知识产权是借鉴知识产权思路所构建的一种新型产权制度，与 数据二十条 2淡化所有权、强调使用权的理念相一致，数据知识产权也是从数据使用权的角度考虑来构建。1.保护对象。数据知识产权的保护对象是依法依规获取的、经过一定规则处理的、具有实用价值的数据集合。其中，“依法依规获取”指的是数据知识产权保护对象的安全合规性要求，主要指原始数据的获取应符合 网络安全法数据安全法个人信息保护法 等相关法律、法规有关规定或者合同约定。“经过一定规则处理的”数据集合可以简单表述为“数据 规则”，是指是将经过数据处理者付出劳动和投入改造后进入经济领域的、已经作为生产要素形态存在的数据作为产权的对象，这就排除了可能包括多方主体的原始数据。这里言及的“规则”在当前的实践中主要体现为算法。2.保护方式。考虑到后续潜在竞争者的行为自由，为了最大限度避免干扰数据的正常流转，构建的数据知识产权是一种有限的排他权，仅禁止他人不正当获取以及不正当披露和使用数据集合的行为。顾昕 国家知识产权局知识产权发展研究中心刘洁 中国科学技术大学知识产权研究院我国科学数据的新型知识产权保护规则1 中国科协技术协会、国际科学、技术与医学出版商协会联合编写，中国开放获取出版发展报告2022，科学出版社出版2023年第1版第47页。2 2022年12月，中共中央、国务院印发 关于构建数据基础制度更好发挥数据要素作用的意见（简称 数据二十条）。四、对大规模科学数据集合的保护建议符合前述条件的科学数据集合的持有者，对于其在数据收集和处理中所付出的劳动及资本投入，建议可以尝试通过目前八个数据知识产权地方试点进行登记寻求保护。针对科学数据集合的持有者可能存在的顾虑，以下予以简要解释说明：第一，保护对象不是个体数据，而是整体数据，是经过一定规则处理的具有相当规模的科学数据集合，典型的保护对象是科学领域的人工智能大模型产品。第二，数据登记并不意味着必然选择商业化道路，数据持有者登记后可以选择向使用者收费，也可以选择免费，登记仅仅在一定程度上起到明确整体数据集合权属的作用。第三，数据登记并不妨碍他人正当利用数据的自由。譬如对于某家研发自动驾驶技术的公司，如果是自主合法采集用于人工智能训练的街道数据，即便已经存在类似甚至相同的数据知识产权在先登记，在先登记人也不能禁止他人后续合法的数据利用行为。在先登记人只能禁止他人不正当获取和利用同样或类似数据集合的行为。第四，登记规则设计尽量避免对数据持有者产生不利的市场影响。登记程序并不要求数据持有者提供全部数据集合，譬如北京、浙江等试点的登记办法规定，数据持有者提供数据来源、应用场景、数据特征、存证情况、算法规则、样例数据等内容后即可获得登记，充分考虑了数据持有者在商业秘密上的顾虑。可以尝试通过数据知识产权地方试点进行登记寻求保护14科学数据已成为科技创新的基础性资源和重要驱动力。中国科学院作为国家战略科技力量主力军，长期高度重视科学数据管理与开放共享工作，自上世纪七十年代末启动科学数据库建设以来，科学数据开放共享程度日益提高。过去一年来，为积极响应联合国 开放科学建议书 和 中华人民共和国科学技术进步法，充分发挥科学数据价值，中国科学院积极推动科研活动全流程的科学数据管理，在保护科研人员权益的前提下，实现科学数据的长期保存、便捷访问与可重复利用，推动开放数据实践。一、完善科学数据政策，推动项目数据汇交共享的规模化实施2019年2月，中国科学院发布了 中国科学院科学数据管理与开放共享办法（试行），提出科学数据应按照分等级、可发现、可访问、可重用的原则，适时开放共享，并提出将数据管理计划作为项目立项的必要条件等科技项目数据汇交要求。随后，中国科学院及院属各部门、各单位制定并发布了进一步落实的政策和制度，协同推进科学数据政策制度体系的发展与实践。其中，2022年，中国科学院战略性先导科技专项管理办法 和 中国科学院战略性先导科技专项科学数据汇交管理实施细则（试行）相继发布，明确了专项科学数据工作方面的若干要求：1）科学数据管理工作应贯穿专项各个环节，并作为项目阶段性考核和综合绩效评价的重要依据；2）院科学数据中心作为科学数据接收和管理方，为专项提供数据管理方面的专业化技术支撑和服务，并提供相关数据的共享服务；3）全院层面对科学数据汇交、共享的进展等进行统筹管理和动态监督，统筹管理。自此，中国科学院科技项目数据规范化管理进一步强化，项目数据汇交与共享开始规模化实施。二、科学数据中心提供科学数据管理与共享的专业化服务为保障科学数据管理与开放共享服务的常态化开展，自2019年起，中国科学院启动了院科学数据中心体系建设，并在2021年底完成了首批32家院科学数据中心的认定，逐步发展地域分布、资源协同的科学数据中心服务网络。科学数据中心作为专业机构，其基础设施环境、科学数据治理人才队伍、以及数据共享的技术平台，为推动项目数据开放共享发挥了非常重要的作用。在项目科学数据汇交与管理工作中，院科学数据中心除提供科学数据存储服务外，还提供了专业化的指导与技术支持，包括：在项目立项初期，指导科研人员形成科学数据管理的工作方案科学数据管理计划；在实施阶段，支持科学数据的汇交，审核数据质量；按照协议对数据整编与开放共享。三、发展面向开放科学的科学数据治理能力中国科学院也特别关注了面向开放科学的科学数据治理能力提升，形成了政策、标准、软件工具三位一体的开放数据解决方案。发展机器可操作的标准规范，重点规范了数据共享中的访问权限、授权许可、数据引用等要求，发布了具有开放兼容性的元数据词表，构成了科学数据开放共享的机制基础。研发的覆盖科学数据全生命周期管理的科学数据中心软件栈，将数据政策和标准要求融入其中，为科研团队和研究机构提供了低时间成本和经济成本的开放科学综合服务。通过开放的科学数据互操作协议，实现了科学数据中心资源的互联互通，在线可共享资源量超过了45 PB。四、统筹服务的项目数据汇交实践面向项目数据汇交的业务需求，建设了院项目科学数据汇交管理平台（https:/ 刘宁 周园春中国科学院科学数据总中心 中国科学院计算机网络信息中心中国科学院推动数据开放的政策与实践截至2023年8月底，已有30个战略性先导科技专项通过该平台开展了科学数据管理计划的编制，其中13个专项已开始汇交数据，汇交的资源总量达到102.05TB。这些汇交的资源，按照“开放为常态，不开放为例”的原则，除少数需质控加工后上线外，在审核通过后立即按作者设定的策略在各科学数据中心网站发布共享，已汇交数据开放性达87.2%（完全公开56.5%，保护期10.6%，有条件公开20%）。在此过程中，吸引了2039名科学家个人或团队熟悉开放科学技能，成为数据作者，覆盖164家研究机构，初步形成由一线科学家组成的高水平数据作者团队，为形成高度活跃和可持续的科学数据共享生态奠定基础。五、进一步发展面向开放科学的科学数据治理能力过去的一年，项目数据汇交工作的推进为全院科学数据规范化管理水平的提升和开放科学文化的建立奠定了重要基础。同时，科学数据银行（Science Data Bank）通过领域和专题社区的建立，探索同科研社区的深入连接，在服务科研共同体方面做出了积极的实践。未来，将进一步加强同科研创新的联系，以促进开放科学和科技创新为目标，推动科技项目、大科学装置、野外台站等多元场景科学数据的规范化管理与共享服务，提升技术赋能的科学数据治理能力，推动科学数据引用文化和新型科研评价机制的形成，发展开放科学学术环境。协同的科学数据中心服务网络为项目科学数据的管理与开放共享发挥了重要作用。一线科研人员的参与，为开放数据生态奠定基础。16本文介绍了国内外空间科学领域数据开放发展情况，从领域科学数据的高质量供给、高水平开放共享、开放生态建设等方面具体阐述了中国在推动空间科学领域开放共享过程中的实践与进展，并提出了面向数据与智能融合驱动的新型科研范式持续推进领域科学数据开放与利用的展望。一、引言人类对太空的探索是一个永恒的话题，从古代诗人屈原在 天问中提出的“日月安属？列星安陈？”的好奇，到现代空间科学的蓬勃发展，人类一直渴望揭示宇宙的奥秘和探索未知的领域。在漫长的空间探索过程中，源源不断产生的空间科学数据成为了全人类共有的宝贵财富。加强空间科学领域的国际合作与数据开放共享有助于推动空间科学取得新的突破和更大的进步。尽管面临着国际合作形势、隐私安全与知识产权保护等挑战，空间科学领域的国际主要机构与组织长期以来仍为空间科学数据开放作出了诸多努力。例如，国际空间研究委员会（Committee on Space Research，COSPAR）自1958年成立以来，致力于加强国际空间合作开放，推动全球空间科学研究的发展。由美国地球物理学会（AGU）主导发起的地球和空间科学数据出版联盟（COPDESS1）于2014年联合领域相关基金会、学术出版机构、仓储库、科研社区组织和研究人员，发起了关于支持和遵循开放数据最佳实践的倡议 地球、空间与环境科学承诺声明。2021年联合国教科文组织（UNESCO）发布 开放科学建议书2，标志着国际社会推动开放科学的努力进入新阶段，也为空间科学领域的数据开放与利用带来了新机遇。世界主要空间强国均启动部署了开放科学相关战略规划与项目，如美国国家航空航天局NASA推出了开源科学倡议（Open Science Initiative，OSSI3）以及向开放科学转型项目（Transition to Open Science,TOPS4），提出将2023年定为开放科学年；加拿大航天局（CSA）发布了2021-2024开放科学行动计划5，制定了开放数据、开放获取出版物、利益相关方参与等3个关键领域实施的优先级别和策略；欧洲航天局（ESA）发布 数据与信息开放获取的政策6 等。这些举措旨在促进空间科学数据应用与创新生态的健康发展，以加速空间科学进步，寻求重大科学发现。二、中国空间科学数据开放实践经过多年努力，中国空间科学数据开放与利用取得了显著进展，具体实践着力点包括发展提供高质量的数据供给，积极推动高水平的数据开放出版，以及营造构建开放合作的数据创新应用生态等方面。这些举措极大促进了中国空间科学数据价值发挥，为推动突破性的科学发现和服务公共利益提供了有力支撑。其中，国家空间科学数据中心（以下简称“数据中心”）作为2019年6月中国首批成立的国家科学数据中心7之一，以及目前空间科学领域唯一的国家级科学数据中心，在空间科学数据的治理、开放与利用中发挥了国家平台的积极作用。1.高质量数据供给高质量的数据供给首先需要推进空间科学数据的有效汇聚。数据中心推动了子午工程、空间科学先导专项、月球与深空探测等中国空间科学重大任务产生的科学数据汇交，积极整合国家重点研发计划、国家自然科学基金等百余个不同类型的科研项目产生的数据资源，并通过国际观测网络合作及数据镜像站建设等方式与英国、美国、加拿大、日本、巴西等十多个国家开展空间探测数据交换。这些举措使空间科学数据逐步脱离了分散孤立的状态，加强了数据资源之间的互联互通。高质量的数据供给同时也需要强化空间科学数据的有序治理。高水平治理离不开标准规范的基础支持，在面向科技资源管理的科技平台标准体系8基础上，数据中心团队进一步发展了通用科学数据标准体系及面向空间科学领域的科学数据标准体系，并针对科学数据治理实践域中的关键环节开展标准研究，已相继立项了一批国家标准如 空间科学数据元数据 和 科研项目数据管理指南等，立项并批准了若干团体标准如 空间环境数据安全分级指南等。依据相关标准规范形成的空间科学数据全生命周期管理标准化流程，有效促进了领域数据的质量提升、有序管理与安全保存。2.高水平开放出版在国家和主管部门相关办法9,10,11指导和相关国际倡议推动下，中国空间科学领域以“开放为常态，不开放为例外”的原则，尽可能地促进科学数据的公益性开放，同时积极推动领域数据开放从传统数据发布向规范数据出版模式转变，涉及基于数据仓储平台出版、邹自明 胥鑫 胡晓彦 佟继周 许琦 汤惟玮中国科学院国家空间科学中心 国家空间科学数据中心中国空间科学领域数据开放实践与思考学术论文关联数据出版和数据论文出版等多种模式，以促进空间科学数据的可发现、可访问、可操作和可重用（FAIR），提升研究成果的价值和影响力12。在重大任务数据开放共享方面，推动了一大批中国空间科学任务数据基于数据中心仓储平台面向全球范围开放获取，如“嫦娥”系列任务产品级科学数据、“天问一号”部分2级及以上科学数据、“悟空”卫星伽马光子数据、“慧眼”卫星提案观测数据、“极目”卫星伽马射线暴数据、“夸父一号”首批科学数据等，受到了国内外空间科学领域科研共同体的关注。在研究者科研数据出版方面，数据中心与科学数据银行开展战略合作，建立了空间科学领域社区ScienceDB Space，面向科研人员、科研期刊等利益相关者，提供论文关联数据的提交、审核、保存、出版、共享和获取等服务。ScienceDB Space受到美国地球物理学会（AGU）、施普林格 自然（Springer Nature）科学出版社等国际主流学术出版集团认可，其出版数据集被数据引用索引（Data Citation Index）、谷歌数据集搜索（Google Dataset Search）等多个国际数据索引库收录。在数据论文出版方面，数据中心与子午工程联合，在 中国科学数据 期刊推出的子午工程数据专刊，对子午工程运行多年来积累的数据产品体系与其中的优质数据集进行了系统介绍。这是中国空间科学领域内首次在专业数据期刊以专刊形式出版数据论文，是拓展重大任务数据开放共享方式、提高数据成果价值认可的有益尝试。基于在领域数据仓储管理与开放出版方面的积极努力，中国国家空间科学数据中心入选了AGU发布的“领域-学科仓储库推荐名单”，成为AGU旗下多期刊推荐的全球21个仓储库之一。中国的空间科学团队也在全球范围内逐步从“数据使用者”转变为更多承担“数据贡献者”的重要角色。3.开放合作生态建设开放合作的数据创新应用生态对于产生科学数据价值的辐射与倍增起到重要作用。中国空间科学领域通过跨领域合作促进交叉融合应用，以更好地解决空间科学及其邻近领域的重大科学问题与公共议题。例如国家空间科学数据中心与国家高能物理科学数据中心、国家天文科学数据中心开展战略合作，在数据技术、数据融合、数据安全、人才培养等方面开展深入合作，并尝试探索联合主题数据目录发布等方式促进跨领域数据发现与应用。同时，中国空间科学领域的数据与研究团队也正逐步深度参与到各项国际合作与国际组织活动。国家空间科学数据中心作为世界数据系统（World Data System,WDS）正式成员，获得CoreTrustSeal（CTS）国际资质认证，联合签署了COPDESS 地球、空间与环境科学承诺声明，其团队成员也在WDS、RDA以及CODATA&GOSC等国际合作组织工作组中发挥了积极的作用。三、未来发展的思考随着人工智能技术的日新月异发展和以大数据为核心的新一代数字技术融合发展，数据与智能融合驱动的科研范式正在发挥新型创新引擎作用，空间科学领域同样正处于科研范式变革的关键时期13。新范式对空间科学数据开放与利用提出了新需求。未来，中国的空间科学数据工作者将在提升数据FAIR化水平的基础上积极发展AI-ready的空间科学数据，着力研发领域专用的AI模型与数据应用工具，建设集大数据、大模型、强算力于一体的空间科学领域开放研究平台，大力推动开放数据、开放模型、开放工具和开放设施相结合的开放共享氛围，形成面向新型科研范式的体系化数据服务能力。参考文献1 COPDESS.Commitment statement in the Earth,space,and environmental sciences EB/OL.https:/copdess.org/enabling-fair-data-project/commitment-statement-in-the-earth-space-and-environmental-sciences.2023-09-122 UNESCO,UNESCO Recommendation on Open Science EB/OL https:/unesdoc.unesco.org/ark:/48223/pf0000379949.locale=en.2023-09-123 NASA.Open-Source Science Initiative EB/OL.https:/science.nasa.gov/open-science-overview 2023-09-124 NASA.SDMWG Strategy_Final-v4(nasa.gov)EB/OL.https:/science.nasa.gov/science-pink/s3fs-public/atoms/files/SDMWG_Full Document_v3.pdf.2023-09-125 Canadian Space Agency.2021-2024Open Science Action Plan EB/OL.https:/www.asc-csa.gc.ca/eng/publications/open-science-action-plan-2021-2024.asp.2023-09-126 ESA-ESA affirms Open Access policy for images,videos and data.EB/OL.https:/www.esa.int/About_Us/Digital_Agenda/ESA_affirms_Open_Access_policy_for_images_videos_and_data2023-09-127 科技部,财政部.科技部财政部关于发布国家科技资源共享服务平台优化调整名单的通知EB/OL.(2019-06-05)2023-09-12.http:/ 许东惠,赫运涛,王志强等.面向科技资源管理的科技平台标准体系研究J.中国科技资源导刊,2020(2):1-6,16.9 科技部,财政部.科技部财政部关于印发 国家科技资源共享服务平台管理办法 的通知EB/OL.(2018-02-13)2023-09-12.http:/ 国务院办公厅.国务院办公厅关于印发科学数据管理办法的通知EB/OL.(2018-02-17)2023-09-12.http:/ 中国科学院科学数据管理与开放共享办法(试行)印发EB/OL.(2012-02-11)2023-09-12.https:/ 袁雅琴,胡晓彦,佟继周等.大数据开放背景下的我国空间科学数据出版实践J.中国科技资源导刊,2022(1):89-96.13 胡晓彦,徐寄遥,邹自明.“大数据&人工智能”驱动的空间天气科研范式变革初步探索J.数据与计算发展前沿,2023,5(02):24-36.18国家微生物科学数据中心以世界微生物数据中心（the World Data Center of Microorganisms，WDCM）为平台，倡导全球微生物菌种保藏目录（Global Catalogue of Microorganisms，GCM），对全球主要微生物资源保藏中心的目录进行标准化整理，搜集、清理并整合全球微生物领域的微生物资源、组学、文献、专利等数据进行挖掘利用，在微生物资源共享和挖掘方面建立一套国际标准体系，建设全球权威的微生物组学参考数据库和数据分析平台。该计划的全球推广，有效促进了全球微生物数据的汇聚、融合、共享与利用。一、共同构建全球微生物资源大数据平台，建立国际合作网络，促进全球微生物数据的汇聚微生物资源是生态系统的基本组成部分，是人类生产、生活资料的基本来源和人类赖以生存的重要物质基础，是生物技术和产业发展的重要基石。对生物资源的收集、保藏、保护、开发与利用是保障人民生命健康、支撑国民经济可持续发展的重要基础。而微生物资源目录是科学家和产业用户从各国微生物资源保藏机构获取微生物资源的重要有效途径。世界微生物数据中心（the World Data Center of Microorganisms，WDCM）由世界菌种保藏联盟在上世纪60年代建立，是全球微生物领域最重要的实物资源数据平台。2010年，WDCM落户中国科学院微生物研究所，这是我国生命科学领域的第一个世界数据中心。国家微生物科学数据中心作为其依托单位，有效利用区块链技术、生物信息技术、云服务平台和超算资源，牵头搭建了全球微生物资源数据共享平台。该平台是由中国引领，52个国家和地区的151家机构参与构建的全球微生物大数据平台基础设施，平台92%的数据来自于国际合作伙伴，在国际微生物数据领域产生良好的“全球虹吸效应”，使大量的全球微生物资源数据系统性地向我国的数据平台聚集，对全球微生物模式菌株资源进行了有效整合。平台有效促进了全球微生物资源的共享利用，进一步拓展和深化网络空间国际交流与合作，共筑全球微生物领域网络空间命运共同体，促进全球开放科学、经济发展与产业进步。二、为中国牵头的全球国际合作计划提供数据平台支撑，促进全球微生物实物资源与数据融合生物资源是人类社会经济发展和技术进步的重要物质基础，生物资源有效挖掘利用也是世界各国科技竞争的重要体现。微生物研究所以WDCM为平台，坚持开展“以我为主”的国际合作，倡导全球微生物菌种保藏目录（Global Catalogue of Microorganisms，GCM），发起全球模式微生物基因组测序计划(GCM 2.0)，对全球主要微生物资源保藏中心的目录进行标准化整理，进而从中选择目前未进行测序的模式微生物菌株，5年内完成超过10,000种的细菌、真菌、古菌模式菌株基因组测序。作为中国牵头的国际大科学计划，该计划将覆盖全球主要合作伙伴，帮助解决领域基础和前沿的重大科学问题，促进微生物分类领域全球开放科学的发展，也为全球一站式微生物鉴定和认知平台的建立提供重要的数据支撑。全球微生物资源数据共享平台作为国际合作计划支撑平台，已汇聚超过52万株微生物实物资源的信息，对全球微生物模式菌株资源进行了有效整合，有效促进了全球微生物资源的共享。三、打造国际ISO数据标准，提升全球微生物高质量基础设施建设，实现全球数据的互联互通数据标准是全球数据共享的基础，是提升数据质量的关键，是建立国际一流数据库的前提。为了打造高质量国际性数据平台，中国科学院微生物研究所国家微生物科学数据中心与国家科技基础条件平台中心等单位联合美国、日本、俄罗斯、韩国等九个国家，共同制定了ISO 21710：2020 Biotechnology Specification on data management and publication in microbial resource centers（微生物资源中心数据管理和数据发布规范）。该标准于2020年11月9日，由国际标准化组织生物技术委员会（ISO/TC 276）正式发布。这是国际微生物领域的第一个ISO级别的数据标准，也是我国在国际生物技术标准委员会（ISO TC276）主导制定的第一个国际标准。该标准由中国科学院微生物研究所、国家微生物科学数据中心马俊才团队牵头起草。马俊才 中国科学院微生物研究所全球微生物大数据共享平台的建设与应用本标准提供了一组供数据发布的数据字段集，旨在通过应用唯一标识符和统一的数据形式提高微生物资源中心（MRC）在线目录间的数据交换，并有助于通过共享微生物资源来促进实现后续惠益共享。本标准还规定了数据管理和内部数据质量控制的要求，以提高MRC以文件形式记录的数据和信息的整体准确性和可靠性，这是高效数据共享和交换的基础。本标准规定了MRC数据管理和发布的要求，包括实现一致格式化的数据格式和提高数据整体质量的质量控制工作流程。这将对数据访问、获取、认证、保存、存储、分发和处置等程序产生影响。还为MRC提供了建议，以促进与微生物资源相关的数据共享和数据整合。标准适用于MRC、监管机构、认证机构组织以及使用同行评估的方案，以确认或认可微生物资源中心数据发布和共享中的数据管理的能力。参考文献1 Wu L,Ma J.The Global Catalogue of Microorganisms(GCM)10K type strain sequencing project:providing services to taxonomists for standard genome sequencing and annotation J.Int J Syst Evol Microbiol,2019,DOI 10.1099/ijsem.0.0032762 Wu L,Sun Q,Ma J.World data centre for microorganisms:an information infrastructure to explore and utilize preserved microbial strains worldwide J.Nucleic Acids Research.2017,45(D1):D611-D618.20对地观测数据是人类借助航天、航空以及地面观测平台实施对地球不间断地观测和监测产生的原始数据，以及通过信息处理再现和客观反映出和人类活动相关圈层的地物状况、地理过程，确定地学现象的内容、过程及其空间定位和分布的衍生数据。经过几十年的发展，中国对地观测已具备面向近地空间、大气、海洋和陆地的高精度、高时空分辨率的数据获取能力。据统计，自1970年4月24日发射第一颗人造地球卫星“东方红一号”以来，中国在轨运行的卫星已超过600颗，其中对地观测卫星有约200颗，目前已形成了“风云”“海洋”“资源”“高分”“遥感”等多个对地观测卫星体系。对地观测数据不仅在科学研究、生态环境、农业、土地资源、自然灾害、健康、能源、气候、天气和重大工程的监测与评估等方面得到广泛应用,而且在数字地球、智慧城市建设中也发挥着重要作用,并逐步深入到大众生活,产生了巨大的经济价值和社会价值。对地观测数据已成为国家基础性和战略性资源，在国民经济、社会发展和国家安全中发挥着不可或缺的作用。对地观测数据具有海量、多源、多时相、高价值、异构、多尺度、非平稳等特征，应用于科学研究的对地观测数据被称为对地观测科学数据。中国政府和学术机构历来重视对地观测科学数据的开放共享，2019年由国家财政部和科技部成立国家对地观测科学数据中心负责专门统筹协调中国对地观测科学数据的开放共享。一、我国对地观测科学数据开放共享的相关参与方中国对地观测科学数据的生态链涉及数据生产者、数据管理者、数据分发者、数据使用者等。数据生产者包含对地观测仪器平台（例如卫星）制造商、卫星发射机构、卫星数据接收和处理机构、对地观测衍生数据生产的科学家和工程师等；数据管理者主要是具有数据所有权的机构及其代理机构，例如管理公益性陆地卫星数据的中国资源卫星应用中心、公益性海洋卫星数据的国家卫星海洋应用中心、公益性气象卫星数据的国家卫星气象应用中心等；数据分发者主要是从事对地观测数据销售、共享、传输等活动的机构，例如各个代理国内外卫星数据销售的商业公司，一些具有对地观测科学数据分发权的科学数据中心，具有对地观测科学数据仓储或者出版业务的期刊出版商、提供卫星数据在线分析或云计算服务的商业公司、企事业单位等；数据使用者包含科学研究人员、工程技术人员。二、我国对地观测科学数据开放的现状据统计，中国对地观测科学数据相关参与方所在的机构超过7万家，生产和管理的数据总规模接近150PB。这些数据主要以在线形式和离线形式存储，其中在线存储的数据总量超过95PB，离线存储的数据规模接近55PB。中国有50%的对地观测科学数据机构提供数据免费开放共享服务，免费开放共享的数据资源总量占数据总量的47%。中国对地观测科学数据的总用户数超过53万人，其中在线注册认证登记的用户数超过47万人，使用对地观测科学数据的机构超过12万家，总数据使用量超过293PB，其中以直接下载的方式使用的数据量为149PB。三、对地观测领域各主体对开放科学数据的态度我们把对地观测领域的主体按照行业划分为对地观测企业工作人员、行业应用工作人员、科学研究人员，分别调研他们对对地观测科学数据开放的态度。结果发现，科学研究人员认为对地观测科学数据开放共享非常必要，有95%的人员希望进一步加强对地观测领域科学数据的开放共享。同时有63%的科学研究人员在保证合法权益的前提下愿意共享自己的科学数据给其他人。其次是行业应用工作人员，有60%的人员希望扩大对地观测科学数据的开放共享，但他们大多数表示自己所掌握的对地观测科学数据所有权不归自己所有，不能决定共享给其他人员。最后是对地观测企业工作人员，他们大多数不希望数据免费公开共享给别人，除非公开共享数据能使他们获取诸如企业声誉的提升，产品得到广泛宣传等。总体来看，科学数据开放共享最相关的群体科学家群体，非常支持和赞同对地观测科学数据开放共享，并且愿意付诸实际的行动。李国庆 陈祖刚 中国科学院空天信息创新研究院中国对地观测科学数据开放共享的现状和趋势 四、我国对地观测领域开放科学数据的机遇与挑战由于对地观测科学数据具有巨大商业价值，并且涉及众多类型的主体，中国对地观测领域开放数据既面临重大的机遇也面临一些挑战。我们面临的机遇有：第一，在科学界，对地观测科学数据开放共享已经是科学家的共识和需求，有较多的科学家愿意积极参与其中；第二，中国有巨量的对地观测科学数据生产者和从业机构，能保证对地观测科学数据资源的充足供应；第三，政府和管理机构积极支持和促进对地观测科学数据的开放共享；第四，对地观测科学数据治理和管理技术能力不断提升，能不断地采取新的技术手段促进对地观测科学数据的开放共享。例如，国家对地观测科学数据中心利用云计算资源，搭建对地观测知识枢纽，实现海量对地观测科学数据按需在线分析，既免除了科学家搬运巨量数据资源的不便，又保证了一些按照管理政策要求不能分发的数据资源的被使用。我们面临的挑战有：第一，在对地观测领域科学数据开放共享的背景下，如何平衡商业利益和科学家需求。只有实现不同群体间利益的平衡才能进一步促进对地观测科学数据的开放共享。第二，对地观测领域的科学数据资源越来越多，通过网络传输、离线使用的方式越来越满足不了科学家分析使用的需求，如何构建新型对地观测科学数据开放共享基础设施环境和模式是未来面临的巨大挑战之一。第三，对地观测领域开放共享的科学数据资源越来越多，这些科学数据资源的质量如何评估，所有者的权益和贡献如何体现和保证，数据如何被规范引用？进一步加强对地观测领域科学数据开放共享的治理技术和政策研究也是未来面临的重要挑战。22一、农业科学数据的特点农业科学数据是从事农业科技活动所产生的基本数据，以及按照不同需求而系统加工整理的数据产品和相关信息，是农业科研活动的基本产出之一，也是一种特殊形式的农业科研成果。农业科学数据是推动农业科研向深度和广度发展的最为活跃、最为基础的科研要素。农业科学数据主要有三个来源：一是农业科技基础数据库群，2002年科技部启动“国家科学数据共享工程”，2012年科技部启动“科技条件平台建设”，农业领域通过“农业科技基础数据库建设与共享”“农业科学数据共享中心”等科技部的平台条件项目支持，围绕作物科学、动物科学和动物医学、农业资源与环境、草地与草业科学、水产科学、热带作物科学等12大学科类建立了一批农业科技基础数据库。二是农业领域野外观测台站的长期定位观测数据，2017年农业农村部启动国家农业科学观测网络建设工作，布局了10个领域的观测实验站456 个，附属监测点超过2000个，首次实现我国农业领域多学科协同观测的大联网，持续产生了海量农业科学观测监测数据。三是国家各类科技计划支持的涉农项目和课题研究过程中产生的科学数据集。农业科学数据具有如下三个特点：一是量大面广且类型多样，包括野外长期定位观测数据、田间科学试验数据、实验室中的实验数据、农业科学调查数据等，即有数值型数据、文本型数据，也有图片、视频、声音等多媒体型数据；二是专业众多且跨度大，涉及作物科学、动物科学、微生物科学、渔业与水产、草地与草业、资源与环境、食品质量安全、农业区划等学科；三是农业科学数据库（集）中的数据量差异比较大，既有记录数超过50万条的数据库（集），如作物品种资源数据库，但也有部分数据库（集）仅有几百条记录。二、促进农业科学数据开放共享的主要做法1.以学科为龙头整合基础数据资源，夯实数据开放共享根基据统计，我国各类农业研究机构近千家，包括中央级单位、地方科研院所、农业高校系统以及有关涉农科研单位等，每个单位或多或少都有一些有价值的农业科学数据，但这些数据资源又存在层次不一、交叉重复、质量各异的情况，资源整合是一大难点。在实践中，国家农业科学数据中心以学科为龙头，制定了包括作物科学、动物科学与动物医学、农业微生物科学、草地与草业科学、农业资源与环境科学等12大类核心学科资源整合框架，每个资源大类选择一个资源最多、力量最强的单位作为整合的依托单位，再以多种方式组织该领域其他单位参与资源整合。采用该方法，建立了60余个农业科技基础主体数据库，如作物品种资源数据库、中国饲料数据库等，这些高质量的数据库较好满足了对农业科技基础数据库的应用需求。2.以科技计划项目数据汇交为抓手，积极汇聚科研项目数据分散于国家各类科技计划支持的涉农项目组和课题组手中的科学数据，要实现科学数据开放共享，就必须明确数据拥有者、使用者、管理者的责、权、利，建立科学合理的数据汇交和开放共享机制。国家农业科学数据中心提出了“泛出版”的数据开放共享理念，担起了数据“出版者”和数据中介的角色，数据拥有者按照标准规范对数据进行规范化加工和整理，建立本地科学数据库（集）以及相应的文档，通过科技计划项目科学数据汇交系统开展数据及文档汇交，数据中心对汇交的数据库（集）进行数据审核、赋CSTR唯一标识码、发布共享、以及开展引用评价，数据使用者按照开放共享协议使用数据，并标注数据库（集）的引用。数据中心协同部分用户反馈较好、应用需求较大的数据库（集）与数据拥有者协同，将相应的数据库（集）变成数据论文，推荐在 中国科学数据(中英文网络版)、农业大数据学报 上刊载，进一步扩大这些数据库（集）的共享应用。3.强化标准规范的制定与应用，促进科学数据的开放共享要实现农业科学数据资源整合和开放共享，标准规范是基础。根据实践需要，国家农业科学数据中心先后研究制定了 农业科学数据共享管理办法（试行）农业科学数据质量控制管理办法 等4项科学数据共享办法，形成了包括 农业科学数据元数据标准农业科学数据加工流程规范农业科学数据分类分级规范 等15套公共标准、47个农业专业领域标准的农业科学数据开放共享标准体系。周国民 中国农业科学院农田灌溉研究所 国家农业科学数据中心中国农业科学数据开放共享实践与进展实践表明，标准规范在农业科学数据共享中发挥了重要的作用。面对农业学科繁多，科学数据量大面广，数据类型多样的现状，数据整合显得无从下手。为了解决这个问题，借鉴有关信息组织方法，并结合农业科学数据的特点，及时制定了农业科学数据分类标准，把农业科学数据进行系统梳理，形成12大类、60小类的农业科学数据分类体系，纲举目张，一下子厘清了数据组织的路子。三、农业科学数据开放共享的成效经过多年建设实践，大量分散、无序的农业科学数据资源得到有效整合和盘活，充分挖掘和提升了国家原有科技计划投入的效益，农业科学数据开放共享服务体系日渐成熟，农业科学数据资源正在国家农业科技创新和农业农村现代化建设中发挥越来越重要的作用。农业科学数据资源集聚效应显著。“科技计划项目汇交数据资源”“农业科技基础数据资源”和“农业长期定位观测数据资源”等三类科学数据资源在国家农业科学数据中心实现了有效汇聚，并形成了一批高价值的农业科学数据库（集）。据不完全统计，截止2022年底，国家农业科学数据中心现有数据集（库）17055个，600余个国家科技计划项目数据实现了数据汇交，1921个农业长期定位观测数据集，数据论文49篇。农业科学数据开放共享效果初现。国家农业科学数据中心形成了覆盖全国的多模式、多渠道科学数据应用与共享服务体系，积极开展“农业科研项目和农业科学家服务”“宏观管理与决策服务”“数据论文出版服务”和“数据管理与分析软件系统和工具服务”等四大类服务。据不完全统计，已为10项国家重点研发计划项目、35项863项目（课题）、22项973项目（课题）、30项国家自然科学基金项目、46项国家科技攻关项目（课题）提供了数据支持。作物遗传资源特性评价鉴定数据库、作物优异资源综合评价数据库、作物品质数据库等数据库有力支撑了农作物核心种质构建、重要新基因发现与有效利用等科学研究，提高了研究效率、加快了研究进程，促进高水平研究成果的产出。四、未来展望科学数据开放共享是一项长期的任务。今后将从组织管理、人才队伍、数据汇交、开放共享、数据安全等方面入手，把国家农业科学数据中心建设工作推向一个新的阶段。在资源整合方面，从横向和纵向两个维度不断拓展和深化数据资源的整合范围和深度，逐渐形成国家农业科学数据战略资源长期保障体系，同时实施数据精品化战略，打造一批精品数据库（集）。在数据汇交方面，从标准、技术、工具、系统等入手，帮助数据提供者汇交数据；与重大课题组之间建立良好的互动关系，开展针对性的数据汇交和数据服务工作。在共享服务方面，建立多层次用户服务体系，加强数据服务能力建设，关注用户数据需求，开展用户研究，进一步挖掘数据增值服务，为用户提供深度服务，实现服务品牌化。在运行机制方面，持续推进向“中心实体化、人员专职化、运行规范化、服务常态化”的方向发展。最终把国家农业科学数据中心建成一个“资源丰富、运行稳定、服务高效、数据安全”的全国农业科学数据集散和服务中心，为我国农业科技创新活动提供强有力的数据支撑。24计量是关于测量及其应用的科学。计量数据的开放共享对于测量能力的提高非常重要。数字时代，计量数据开放共享向符合FAIR（可发现、可访问、可互操作、可重用）原则发展。第27届国际计量大会通过“关于全球数字化转型和国际单位制”决议，力推SI数字框架和计量数据FAIR化，为计量数据的数字化交互达成了原则共识。本文介绍基于SI数字框架的计量数据开放共享特点：计量可追溯性和机器可读、可理解、可操作性是数字时代计量数据作为质量信任之锚的显著特点。关键词：计量数据、SI数字框架、FAIR原则、数据开放、数据共享、计量可追溯、机器可读、机器可操作一、引言数字时代对计量数据开放共享、计量数字化转型提出了新要求和挑战。国际计量委员会（International Committee for Weights and Measures,CIPM）在2019年8月成立“数字SI（D-SI）”工作组（第CIPM/108-28号决定）1，在数字世界中加强对国际单位制（International System of Units，SI）的支持。工作组形成了一份“宏伟愿景”（Grand Vision）文件，概述了SI数字化转型的框架，称为“SI数字框架”2，也强调了对数字计量数据和元数据采用 FAIR 原则的重要性。2022年11月，第27届国际计量大会通过“关于全球数字化转型和国际单位制”决议3，鼓励建立与推广SI数字框架，并将FAIR原则应用于数字化计量数据和元数据中，为数字时代计量数据交互达成了原则共识。2016年，FORCE11社区发布了包含15个子原则的FAIR原则，为提高数字资源的可发现性、可访问性、可互操作性和可重用性提供了指导方针4。FAIR原则与计量学上可靠的数据一同构建了数字测量值在科研和工业领域交换的基础5。对于很多测量科研工作者，SI数字框架是个新概念，需要深入解读和更多参考实例来加深理解。本质上，FAIR原则只是指导方针，它并未提供具体的实施方法6。目前很多科学数据，包括计量数据，尚未完全符合FAIR原则7。遵循SI数字框架的计量数据体系FAIR化，是一项需要多个国际组织、各国家计量院共同协作的系统化工程，当前缺乏文献阐述其内涵和特点。本文将从FAIR原则中可发现、可访问的角度介绍计量数据的开放共享，阐述基于SI数字框架的计量数据具有的机器可读、可理解、可操作性和计量可追溯性特点。二、SI数字框架SI数字框架如图 1 所示，由SI 核心层、服务层和应用层组成：1.SI 核心层，由 CIPM 批准，由国际计量局（简称BIPM）组织实施，基于SI手册，制定数字SI、SI单位实现方法MeP（Mise en Pratique）等文件，具有基本数量数据元素的元数据模型和交换格式实现，包括值、单位和不确定度。2.服务层，由BIPM及各国家计量院（简称NMIs）和相关组织实施，包括基于SI核心表达的 国际计量词汇基本概念和一般概念（简称VIM）、测量不确定度表达指南（简称GUM）、CODATA基本常量、MeP数据库、KCDB数据库、JCTLM数据库、UTC数据库、数字校准证书（DCC）元模型XSD等开放数据格式、软件和服务，按照FAIR原则，提供数字参考服务。阚侃 广东省计量科学研究院罗瑜琪 中国计量大学刘子龙 中国计量科学研究院熊行创 中国计量科学研究院基于SI数字框架的计量数据开放共享特点介绍图1 SI数字框架示意图3.应用层，由计量技术机构与全社会的计量伙伴完成，基于SI核心与服务层的数字化计量服务基础，丰富计量数字化应用，如数字校准证书的产业应用、数字测量服务、网络传感器的计量溯源与应用、数字国家基础设施的构建等。CIPM已与ISO、ISC、CODATA、CIE、IEC、ILAC、IMEKO、OIML等国际组织签署SI数字框架的 联合声明。该声明为各签署组织提供了一个平台，作为国际科学和质量基础设施更广泛的数字化转型的一部分，以适合其特定组织的方式表明其对SI数字框架的开发、实施和推广的支持。三、计量数据的开放共享计量数据的开放共享，首先要实现计量数据和元数据FAIR化的可发现和可访问，可采用以下方案：可发现性：建立计量数据和元数据管理系统，为每个数据集分配全球唯一、持久的识别符，如数字对象唯一标识符（digital object unique identifier，DOI）8等，以确保数据的唯一性并易于搜索。同时，建立完善的元数据管理系统，记录数据的关键信息，包括详细的描述、标签和分类，以提升数据的搜索和识别性，也可以让用户全面了解数据的背景和用途。此外，确保元数据中包含对所描述数据的准确标识符。在核心层的数据管理系统中，实施可检索的注册和索引机制，以便数据和元数据能够被检索。这可以通过建立标准化的元数据索引和搜索引擎来实现，以确保数据可被广泛发现和利用。可访问性：采用核心层定义的（元）数据模型进行扩展，以满足特定领域的需求；采用标准化通信协议，如超文本传输协议（Hypertext Transfer Protocol，HTTP）或RESTful API，以标识符进行数据检索。同时，还需要确保这些协议是免费、开放且可广泛执行的。此外，协议应该允许在必要时进行身份验证和授权过程，以确保数据访问的安全性和合法性。同时，确保即使数据不可用时，元数据仍然可获取。四、基于SI数字框架计量数据的开放共享特点在SI数字框架的SI 核心层，“数字SI”工作组及专家组正在准备 SI 手册的 XML 版本9，并进行有计划地完善10。SI数字框架的服务层正在实现可发现、可访问：创建访问校准和测量能力关键比对数据库的应用程序编程接口（简称API）11；确保用于支持关键比较和出版物的数据是FAIR的12；并授予API对机器可读格式的通告T13（BIPM通告T每月发布一次）数据的访问权限14。从SI数字框架和计量数据开放共享各自特点，以及已经开发的实例，可以总结出：计量数据的开放共享在具备机器可操作性的数字化特征的同时，具有计量的数字可溯源性这一显著特点，这也是计量数据开放共享的内在要求。1.计量数据的计量可追溯性依据计量溯源性，计量数据具有天然的计量可追溯性。同理，在数字世界，计量数据的数字化也要求建立完整的数字溯源链实现计量可追溯性。对数字计量数据和元数据采用 FAIR 原则之可发现、可访问，是实现测量数据计量可追溯性必要条件。图2显示一张数字校准证书（DCC）在SI数字框架中体现的计量可追溯性。由于SI数字框架的三层结构具有明确的层内涵与层边界定义，因此所建立的追溯链路的各要素间的组织责任明确，可维护性强。同时，每一层的要素定义（特别是SI核心表达层和服务层），要素与要素之间的溯源关系，层与层之间的依赖关系，都隐含了计量追溯性。因此，SI数字框架对计量数据的可追溯性不仅提出了要求，也提供了指导。262.计量数据的机器可读性、可理解性和可操作性随着数字化的普及，FAIR原则更多关注于确保数据具备机器可读性，也就是保证计算机在几乎不需要人工干预的情况下能够查找、访问、互操作和重用数据15。特别是计量数据，在实现互操作性方面，需要明确提供机器可读的测量元数据。这些元数据包括但不限于测量单位、被测物理量类型、测量不确定度形式和测量标准的溯源信息（后二者需在适当情况下，通过校准活动提供）。SI数字框架的目的不仅仅是以数字形式表示测量单位。它将支持对被测量系统的描述和测量方式，以及与获得的最终测量结果（数据、模型和软件）相关的工作流程。该框架要求提高计量数据的机器可读性水平，从基本的对于计量要素的理解功能到完整的机器可操作知识表示，从而实现数据的机器可操作。五、结论计量数据的机器可读性、可理解性、可操作性，要求实现计量数据、计量报告、计量证书等信息载体的全面数字化，要求其框架统一、格式标准化、操作规范化。计量数据的可追溯性的必要条件是计量数据全面符合 FAIR的可发现、可访问原则。这两项特点是基于SI数字框架的计量数据实现开放共享的显著特点，有助于深入理解基于SI数字框架、符合 FAIR 原则计量数据的内涵和特征，有利于实现计量数据的开放共享，推动计量数字化转型。图2 SI数字框架对计量数据可追溯性的保障（以DCC为例）附：简称词表SI：国际单位制CIPM；国际计量委员会BIPM：国际计量局KCDB：校准和测量能力关键比对数据库JCTLM：检验医学溯源联合委员会ISO：国际标准化组织ISC：国际科学理事会CODATA：国际数据委员会CIE：国际照明委员会IEC：国际电工委员会ILAC：国际实验室认可组织IMEKO：国际测量技术联合会OIML：国际法制计量组织参考文献：1 BIPM.Session II of the 108th meeting of the CIPM.EB/OL.2023-09-17.https:/www.bipm.org/documents/20126/17315032/CIPM2019-II-Decisions-EN.pdf/4d427e8c-22d3-60e6-7eec-1b4b15caece0.2 CIPM Task Group on the Digital-SI.Draft of the grand vision:transforming the international system of units for a digital world-version 3.4.EB/OL.2023-09-17.https:/www.bipm.org/documents/20126/46590079/WIP Grand_Vision_v3.4.pdf/aaeccfe3-0abf-1aaf-ea05-25bf1fb2819f.3 BIPM.27th meeting of the CGPM(2022).EB/OL.2023-09-17.https:/www.bipm.org/en/cgpm-2022/.4 Wilkinson M D,Dumontier M,Aalbersberg I J J,et al.The FAIR Guiding Principles for scientific data management and stewardshipJ.Scientific data,2016,3(1):1-9.5 Chalk S J,Coppa D N,Flamenco F,et al.International development of the SI in FAIR digital dataJ.Measurement:wSensors,2021,18:100293.6 Mons B,Neylon C,Velterop J,et al.Cloudy,increasingly FAIR;revisiting the FAIR Data guiding principles for the European Open Science CloudJ.Information services&use,2017,37(1):49-56.7 Stall S,Yarmey L,Cutcher-Gershenfeld J,et al.Make scientific data FAIRJ.Nature,2019,570(7759):27-29.8 McMurry J A,Juty N,Blomberg N,et al.Identifiers for the 21st century:How to design,provision,and reuse persistent identifiers to maximize utility and impact of life science dataJ.PLoS biology,2017,15(6):e2001414.9 BIPM.SI Brochure:The International System of Units(SI).EB/OL.2023-09-17.https:/www.bipm.org/en/publications/si-brochure.10 Brown R J C,Janssen J T,Wright L.Why a digital framework for the SI?J.Measurement,2022,187:110309.11BIPM.API KCDB.EB/OL.2023-09-17.https:/www.bipm.org/en/cipm-mra/kcdb-api.12 Lewis A J,Yacoot A,Milton M J T,et al.A digital framework for realising the SIa proposal for the metreJ.Metrologia,2022,59(4):044004.13 BIPM.Machine-readable data within the context of disseminating the Coordinated Universal Time(UTC).EB/OL.2023-09-17.https:/www.bipm.org/documents/20126/71876262/DIG-MET-2022-MEYNADIER.pdf/e8e154a7-f527-3320-8f3e-ebd572a9088e.14BIPM.Circular T.EB/OL.2023-09-17.https:/www.bipm.org/en/time-ftp/circular-t.15 Dorst T,Gruber M,Vedurmudi A P,et al.A case study on providing FAIR and metrologically traceable data setsJ.Acta IMEKO,2023,12(1):1-6.28一、科学数据共享在中国的发展近现代科学的快速发展很大程度上得益于科学的开放式探索。自十七世纪学术期刊创建以来逐渐确立形成了研究结果公开发表与开放交流机制。彼时，作为研究结果证据的数据受限于传播载体的局限，被精简和极度省略，仅仅发布与结果高度相关的数据信息。如今随着信息技术的飞速发展，数据和信息存储、传播等能力迅速提升，翔实的科学数据的公开已具备技术条件。同时，随着数据密集型科研范式的转变，使得它们的公开也变得更加必要和迫切1。开放科学数据除了可以提高研究结果的可检验性和公信力以保障科学的自我修正能力之外，还为更多的科学研究提供了丰富的基础资料，产生难以预料的社会和经济价值。因此，科学数据开放共享为国家政府、资助机构、出版机构、公众等利益相关者等广泛关注。中国开放科学事业发展迅速。自21世纪初以来，中国的政策制定者和资助机构如中国科学院（CAS）和国家自然科学基金委员会（NSFC）不断通过各种国际和全国性倡议，积极推动中国开放获取事业的发展。为了加强开放研究数据分享和管理能力，中国还在全国地区和机构层面上更新其数据政策，围绕开放科学数据开始建设更加全面的学术生态系统2。2018年，中国国务院办公厅发布 科学数据管理办法3，针对数据管理的各个方面制定了重要管理办法，其中特别针对数据的出版与传播提出了相关要求“支持科研人员整理发表产权清晰、准确完整、共享价值高的科学数据”，并要求“科学数据使用者应遵守知识产权相关规定，在论文发表、专利申请、专著出版等工作中注明所使用和参考引用的科学数据”。为此，中国科学院、中国农业科学院等机构也根据多年的数据工作经验发布了机构开放数据规则，进一步明确了对学术论文的科学数据汇交要求。如2019年2月中国科学院发布的中国科学院科学数据管理与开放共享办法（试行）中明确要求“科研人员应将支持学术论文的科学数据汇交到科学数据管理机构，并适时开放共享，确保科研结论可验证”。同年，科技部，财政部联合公布国家科技资源共享服务平台优化调整名单（20个国家科学数据中心、30个国家生物种质与实验材料资源库），明确推动了对中国科学数据建设、汇聚、整合与开放共享。2022年11月，中国科协、中国科学院决定联合开展论文关联数据汇交工作，发布了 中国科协办公厅 中国科学院办公厅关于组织开展期刊论文关联数据汇交工作的通知，鼓励作者在投稿国内科技期刊时，通过“科创中国”科学数据仓储及应用服务平台提供论文关联数据的在线提交、数据评审和开放共享服务。该工作的实施，极大推动我国科技期刊关联数据的出版与共享建设，以及期刊针对对数据的出版实践，进一步促进了各学科间的合作。此外，中国已经建立了以国家安全为核心的数据安全和个人信息保护的法律框架。并出台了一系列相应的法律法规和标准，涵盖国家网络安全、数据安全、个人隐私保护等方面。二、中国科技期刊开放研究数据政策与实践长期以来，发表在科技期刊上的学术论文是科研工作者学术交流的主要形式。科学始于数据，科学数据在科研活动与学术交流中承担越来越重要的角色。通过建立科技期刊数据政策，将学术论文与科学数据进行关联出版，能够有效推动科学数据开放共享，促进数据重用、数据引用和科研评价。随着中国政府对数据共享及出版政策制定力度的不断加大，许多学术期刊纷纷制定适合的数据政策。尽管目前尚无具体数据显示中国科技期刊数据共享出版实践的确切数量，但2022年的对中国2019年启动实施的“中国科技期刊卓越行动计划”4入选期刊的相关调研5,6,7结果显示，在包括“领军期刊”“重点期刊”“梯队期刊”，以及部分“高起点新刊”在内的302种期刊中，重点调研了相关数据政策的制定及实施情况。其中，已制定相关数据政策的不同类型期刊占比（图1）分别为“领军期刊”81.82%，“重点期刊”62.07%，“梯队期刊”34.67%，“高起点新刊”69.23%。根据中国科协发布的 中国科技期刊发展蓝皮书（2022）最新统计数据显示，截至2021年底，中国科技期刊总量已达5071种。这302本期刊目前仅占该数据所有期刊的不到1%，但基本代表了中国高水平科技期刊关联科学数据出版当前的业界实践进展。虽然与国际相比，我国科技期刊关联数据出版在行业认可度、框架策略等方面还有待提升，但加快建设学术期刊数据政策，提高数据共享能力，对于中国期刊的影响力至关重要。孔丽华 习妍中国科学院计算机网络信息中心中国科技期刊开放研究数据政策与实践此外，随着数据出版呈现蓬勃发展态势，数据期刊成为广泛实践与探索数据开放共享的重要手段。作为一种出版形式的探索，科学数据出版先天性地与科学数据的特征紧密关联，在继承媒体出版特色的同时，又为科学数据开放共享提供了新的方法。相比较传统期刊对关联数据的共享出版，这种以数据论文形式的数据出版，通过论文形式组织对数据采集和生产加工过程、数据的组成结构、数据的质量控制和评估方法、数据价值、数据使用方法以及建议等信息，给出了更为深入和丰富的阐述，经过专家同评后正式出版数据论文，确保遵循数据FAIR原则（FAIR Data Principles，2016年），达到可发现（Findable）、可访问（Accessible）、可互操作（Interoperable）、可重用（Reusable），更有利于对数据的引用和重用，提供更大的价值。另有研究8,9,10显示，国际上的纯数据期刊年均数据论文发文量逐年提高，其中尤以Data in Brief和Scientific Data更为显著；而由中国创办的国内两本纯数据期刊，中国科学数据（中英文网络版）与 全球变化数据学报 的数据论文发文量处于上升期（图2）。此外，在对科学数据的共享政策方面，包括数据唯一永久标识符、数据可用性声明、数据版权、数据评审、数据引用、数据安全、数据更新处理流程等方面，数据期刊有更加严格的政策，并得以实践11。例如，在 中国科学数据，我们会对数据论文及所关联的数据实体进行严格检查，努力确保所有已发表论文符合我们所制定的严格质量标准（参见 中国科学数据 投稿须知）。三、中国科技期刊数据共享基础设施建设数据的开放需要人工智能、大数据等技术的智能应用，进一步释放数据的价值。科技期刊数据开放和数据期刊发展的支撑基础是开放的数据仓储，科学家或作者将科学数据储存在数据仓储中,并通过对数据进行描述或引用,与研究论文关联集成,从而实现期刊数据开放获取。对标中国政策要求、对接国际服务标准，建设安全可靠的数据仓储平台是推进中国期刊开放数据的最为关键的基础设施12。由中国科学院计算机网络信息中心建设维护的科学数据银行（Science Data Bank,ScienceDB）是一个开放可信的通用型科学数据存储与发布平台，面向全球科研工作者、科研团队、学术期刊及出版商、科研机构及高校等利益相关者，提供科学数据存储、长期保存、出版、共享和获取等服务。平台提供多种数据共享方式与多样的数据许可协议，充分尊重和保障数据所有人权益。ScienceDB致力于出版数据符合主流数据标准或惯例的科学数据，旨在服务全球开放科学数据共享事业，并推动数据共享文化氛围在科研共同体中的培育及良性发展。为了更好地为我国科技期刊提供服务，科学数据银行在2022年底基于该存储库服务情况制定了一套论文关联数据共享政策模板定制服务13，为中国科技期刊制定数据共享政策提供可靠服务。图1 入选“卓越行动计划”期刊关联数据出版政策制定占比情况统计7图2 入选“卓越行动计划”期刊关联数据出版政策制定占比情况统计730四、结语目前，在中国，大量学术出版商和机构都在向开放获取模式转型，也逐步开始关注对科学数据的共享与实践。尽管中国研究人员和研究组织对数据出版的学术性存在一定疑虑，但大多数出版商所表现出的积极性正在逐步打消这种疑虑，包括大力推行论文关联数据的共享政策，强调其在编辑和研究诚信方面的最佳实践标准，积极探索出版数据论文等。未来数年内，随着中国国内期刊市场的不断发展，并在多方的支持下，我们有望看到这些实践在数据共享方面发挥积极影响，在开放科学的出版模式上更上一层楼，从根本上带动大家开放和共享数据的积极性。并通过构建数据开放法律、政策体系，加强数据开放平台建设，不断提升平台易用性，在数据开放的广度、质量方面，进一步提升。以开放促进数据应用，释放数据价值。参考文献：1 郭华东.问渠哪得清如许,为有源头活水来 中国科学数据 发刊词J/OL.中国科学数据,2016,1(1).DOI:10.11922/csdata.0.2016.0014.2 Zhang,L.,Downs,R.R.,Li,J.,Wen,L.and Li,C.,2021。中国开放研究数据政策和实践综述（A Review of Open Research Data Policies and Practices in China）。Cultural Science Journal，20（1）,第3页。3 国务院.科学数据管理办法EB/OL.(20180402)2022-12-28 http:/ State Council,The People s Republic of China.Scientific Data Management Measures EB/OL.(20180402)2022-12-28 http:/ 中国科学技术协会.关于下达中国科技期刊卓越行动计划入选项目的通知 EB/OL.(2019-11-25)2022-07-28.https:/ 孔丽华,习妍,张晓林.数据出版的趋势、机制与挑战J.中国科学基金,2019,33(3):237245.DOI:10.16262/ki.1000-8217.2019.03.005.KONG L H,XI Y,ZHANG X L.Trends and challenges in research data publishingJ.Bulletin of National Natural Science Foundation of China,2019,33(3):237245.DOI:10.16262/ki.1000-8217.2019.03.005.6 孔丽华,习妍,姜璐璐.科技期刊关联数据开放共享及出版政策研究J.中国科技期刊研究,2022,33(2):192199.DOI:10.11946/cjstp.202106300526.KONG L H,XI Y,JIANG L L.Open sharing and publishing policies for research data of scientific journalsJ.Chinese Journal of Scientific and Technical Periodicals,2022,33(2):192199.DOI:10.11946/cjstp.202106300526.7 孔丽华,陈枢舒,习妍,等.中国科技期刊卓越行动计划入选期刊数据政策实施现状调研与分析J/OL.中国科学数据,2023,8(1).(2023-03-31).DOI:10.11922/11-6035.ncdc.2023.0002.zh.8 习妍,孔丽华,汪洋,等.国内外数据期刊实践与进展研究J/OL.中国科学数据,2023,8(1).(2023-03-29).DOI:10.11922/11-6035.ncdc.2023.0001.zh.9 王卫军,李成赞,郑晓欢,等.全球科学数据出版发展态势分析:基于Web of Science数据库的调研J.中国科学数据,2021,6(3).(2021-09-29).DOI:10.11922/csdata.2021.0019.zh.WANG W J,LI C Z,ZHENG X H,et al.The analysis of the development trend of global scientific data publishing:research based on Web of Science databaseJ.China Scientific Data,2021,6(3).(2021-09-29).DOI:10.11922/csdata.2021.0019.zh.10 刘凤红,彭琳.国际数据期刊的发展现状调查与分析J.中国科技期刊研究,2019,30(11):11291134.DOI:10.11946/cjstp.201904280323.LIU F H,PENG L.An investigation and analysis of development status of international data journalsJ.Chinese Journal of Scientific and Technical Periodicals,2019,30(11):11291134.DOI:10.11946/cjstp.201904280323.11 张晓林,沈志宏,刘峰.科学数据与文献的互操作M/CODATA中国全国委员会编著.大数据时代的科研活动.北京:科学出版社,2014:149-158.ZHANG X L,SHEN Z H,LIU F.Interoperability of Scientific Data and Literature M/CODATA,China National Committee.Research activities in the era of big data.Beijing:Science Press,2014:149-158.12 马瀚青,关琳琳,孔丽华,潘小多,庞瑜,何薇,刘蔚.数据仓储该如何助推中国科技期刊开放数据?基于国际科技期刊数据仓储的对比分析.中国科技期刊研究J,2022,33(4):470-477 DOI:10.11946/cjstp.202 科学数据银行.科技期刊论文关联数据存缴共享政策定制服务EB/OL.(20220903)2022-12-28.https:/ Data Bank.Customized Service for Journal Data Policy EB/OL.(20220903)2022-12-28.https:/ 自然认为，开放出版物背后的数据可以维护研究的完整性、可重复性和透明度。因此，我们支持开放数据的政策和信誉良好的数据存储库。在中国，我们致力于支持政策制定者履行其职责，确保政策得以实施，并最大限度地提高中国科研的影响力。我们支持所有改善研究数据共享的努力，令人鼓舞的是，国内数据存储库在中国变得越来越普遍，并同时保持着与全球网络的联系。无论位于何处，重要的是所有新数据存储库都应满足公平（可查找、可访问、可互操作和可再利用）共享的全球标准，正如中国科学院的通用数据存储库“科学数据银行”所做的那样。在实践中，施普林格 自然的愿景是让研究数据作为我们出版物背后的基础证据能够轻松获得，同时赋能我们的作者以最有效的方式共享数据。为了实现这一目标，我们在2023年开展了一些重大研究数据举措，很高兴看到这些举措与本白皮书报告前文中鼓励中国研究人员采用的最佳实践相一致。特别是今年我们：启动了研究数据政策的标准化这将在我们的 3,500 种期刊中嵌入数据可用性声明的要求。此举旨在提高基础数据的透明度，让出版物背后的证据能够被获取，并增强科学记录可信度。作为此次变革的一部分，我们还寻求使我们期刊的作者指南更加直接清楚。在 自然 旗下期刊中扩大推广 figshare 解决方案研究表明，将数据共享到数据存储库中的文章平均被引用次数增加25%1，这是研究人员共享数据的首要动力。经过成功的试点后，我们已将figshare数据存储库集成到 35 个 自然 旗下期刊中，其中包括Nature和Nature Communications。这种集成消除了许多作者在论文发表过程中共享数据所面临的挑战，例如必须找到合适的存储库,注册并链接数据等所有繁重的行政工作。自2022年4月启动该方案以来，figshare已收到7,500份数据提交，相当于手稿提交量的 15%。第一年的数据表明，使用存储库的作者总数增加了 12%。这支持了这样的假设：更易操作的数据解决方案可以对作者的数据共享行为产生明显的影响。我们此计划的下一步旨在提高元数据质量和审稿人对数据的访问。这一集成服务起源于施普林格 自然与 figshare 长期的合作伙伴关系。自 2014 年以来，双方为支持数据共享推出过许多其他举措，包括 BMC 和 SpringerOpen 期刊的自动上传补充信息、在我们的旗舰数据期刊Scientific Data上增强对作者处理数据的支持，以及BMC Research Notes 和 BMC Genomic Data 中的内置专家数据检查服务。除了上述强调的推动有效数据共享行为的解决方案外，施普林格 自然还长期致力于：确保数据放置在正确的存储库中我们认为数据应尽可能提交至以学科为基础的、社区认可的存储库。如果作者不知道将数据存放在哪里，我们在网站2上也重点介绍了可以使用的专业和通用数据库的列表。中国科学院的“科学数据银行”与figshare一起包含在通用存储库列表里。中国国家青藏高原科学数据中心则纳入在我们的地球与环境科学数据存储库列表上。需要说明的是，该列表并不构成施普林格 自然的正式存储库列表，也不具有排他性。其他如 DataCite 的 Repository Finder 和 FAIRsharing registry 中列出的存储库也符合我们的标准。另一方面，我们对某些特定数据类型（例如大多数组学和晶体学数据）应使用哪个存储库又有强制要求3。例如，新的 DNA 序列、新的 RNA 序列和新的基因组组装数据必须存放到属于国际核苷酸序列合作组织(INSDC)中的存储库。考虑到有必要扩大针对这些数据类型的存储库列表，我们在与 INSDC 讨论后，还列出了中国国家生物信息中心所属的基因组序列档案馆(GSA)，因其正在与 INSDC 合作以实现被后者纳入。王重芳 Graham Smith Nick Campbell施普林格 自然集团开放数据在中国施普林格 自然的政策、实践和愿景32为数据创建和共享提供可引用的、经过同行评审的信用施普林格 自然有一些开放获取期刊可以发表具有科学价值的数据集的文章类型:Scientific Data 是 自然 旗下一本期刊，出版较长形式的数据描述类文章。BMC Research Notes,BMC Genomic Data 和相对较新的 Discover 系列所有期刊都能出版较短形式的数据注释类文章。中国愿景施普林格 自然自 2016年 就开始与 figshare 和 Digital Science 合作制作年度开放数据状况报告，该报告通过全球调研持续提供有关研究人员对开放数据的动机、挑战、看法和行为的详细见解。我们通过这份报告与合作伙伴密切合作，以了解数据共享并更好地开发解决方案，这是支持学界一个很好的机会。在 2022 年的开放数据状况报告中4,我们发表了来自中国科学院计算机网络信息中心的特约文章，它阐述了中国政策制定者在推动开放数据方面发挥的作用。此外我们发现，与 2021 年的结果相比，来自中国的受访者的数量显著增加。2021 年来自中国的调查回复占全球样本的 3%，而到2022年，该比例上升至11%，全球样本样本总量为5400。2023 年的调查也收到了同等数量水平的来自中国的反馈。此次合作之后，施普林格 自然与中国科学院计算机网络信息中心于 2023 年初又联合举办了网络研讨会（在线观众超过 22,000 人），以推广全球和中国的数据共享政策和实践。此次研讨会我们重点介绍了在 2022 年调查中发现的一些中国特有的趋势。双方对推动中国开放数据进程的良好愿景，促成了今年共同发布中国开放数据白皮书的深度合作。根据推行最佳实践积累的经验以及过往年度调查的结果，施普林格 自然完全支持中国科学院计算机网络信息中心在本白皮书第一篇文章中提出的建议。我们希望通过以下几方面合作进一步支持中国研究人员进行数据共享的实践：推广开放数据政策和建议 提供有关资源和实践的培训 促成国内数据存储库与国际标准接轨 跟踪数据共享的有效性 讨论数据共享与学术评价的关系参考文献：1 Colavizza G,Hrynaszkiewicz I,Staden I,Whitaker K,McGillivray B(2020)The citation advantage of linking publications to research data.PLoS ONE 15(4):e0230416.https:/doi.org/10.1371/journal.pone.02304162 Data repository guidance:https:/ Mandated data types:https:/ repositories-mandates/195403644 The State of Open Data 2022:https:/ 自然学术事务副总裁。Nick于2001年加入当时的自然出版集团，曾任 自然综述：遗传学 编辑、自然 执行主编，并作为Nature Portfolio总监和 自然 在中国的代表常驻上海四年。作为 自然 执行主编，Nick领导了该刊至关重要的数字和印刷版的重新发布。在担任现职之前，其最近担任的职务是自然科研执行主编和全球机构合作执行副总裁。Nick的一级学位、博士学位和博士后研究都是遗传学相关领域。他还拥有昆士兰大学的新闻学研究生文凭。陈润生中国科学院院士、国际欧亚科学院院士，中国科学院生物物理研究所研究员、博士生导师。主要从事生物信息学研究，是我国最早从事理论生物学、生物信息学以及非编码RNA研究的科研人员之一，曾参加我国第一个完整基因组泉生热袍菌B4基因组序列的组装和基因标识，参加人类基因组“1%项目”和水稻基因组工作草图的研究，构建了国际上在非编码RNA领域有重要影响力的两个数据库，是国内讲授 生物信息学 第一人，曾获中国生物信息学学会（筹）颁颁发的首届中国生物信息学终身成就奖。陈昕博士，中国科学院科学数据总中心副主任，中国科学院计算机网络信息中心高级工程师、大数据部科学数据体系架构实验室主任，国际研究数据联盟Fair Digital Object Fabric组联合主席，长期从事科学数据管理、分析、共享和领域应用工作，研究兴趣包括科学数据治理框架与互操作技术等。顾昕现任职国家知识产权局知识产权发展研究中心首席研究员。兼任中央财经大学知识产权研究中心研究员，中国科协财政项目评审专家，中国地理学会“科创中国”优质地理产品生境保护与可持续发展专业科技服务团顾问组成员，北京市法学会科技法研究会常务理事、副秘书长，中国技术经济学会知识产权专委会理事。胡晓彦中国科学院国家空间科学中心高级工程师，硕士生导师，中国科学院青年创新促进会成员。主要从事科学数据治理与空间科学大数据智能应用研究，组织团队在科学数据治理概念建模、空间科学数据互操作、基于机器学习的知识挖掘等方向开展关键技术突破。主持或参与国家自然科学基金、国家重点研发计划、国家重大科技基础设施、中国科学院战略性先导科技专项、中国科学院信息化专项等多个科研项目。姜璐璐工程师，中国科学院计算机网络信息中心数据出版实验室副主任，长期从事科学数据管理与科学数据出版工作，现工作于中国科学数据银行（Science Data Bank，简称ScienceDB），负责ScienceDB产品运营与合作。在科学数据管理、共享与出版实践上具有长期实践经验。（按姓氏汉语拼音排序）作者简介34阚侃硕士，高级工程师，国家一级注册计量师，现就职于华南国家计量测试中心/广东省计量科学研究院科研部，主要从事计量数字化基础设施及关键技术、智能控制系统数字化测量等方面的研究。孔丽华博士，高级工程师，中国科学院计算机网络信息中心信息化发展战略与评估中心副主任，中国科学数据（中英文网络版）及 数据与计算发展前沿 编辑部主任，国家新闻出版署医学期刊知识挖掘与服务重点实验室专家委员会委员，中国科学技术期刊编辑学会国际交流与合作工作委员会委员。主要从事科学数据管理政策、数据开放共享政策与实践，以及数据出版等方面的研究。近年来，主持及参与完成了多个重要项目及研究课题。作为负责人，带领团队获得第五届中国出版政府奖“先进出版单位奖”。李国庆中国科学院空天信息创新研究院研究员，国家对地观测科学数据中心主任，科技部综合对地观测数据共享平台负责人，科技部国际灾害数据应急援助机制（CDDR）负责人。研究领域为高性能地学计算、网络化数据工程和灾害数据工程，发表SCI/EI等论文150多篇，专著多部，负责和主持过五十多项国家级重大研究项目，获2021年度地球观测组织（GEO）卓越个人奖。李宗闻工程师，就职于中国科学院计算机网络信息中心。目前从事科学数据出版的研究工作，包括科学数据仓储平台建设、学术期刊论文关联数据汇交共享机制等；负责科学数据银行 ScienceDB 的宣传推广工作，以及期刊、机构等数据社区需求分析和建设推广工作。参与了中国科协“科技论文关联数据仓储及应用服务平台”“期刊论文关联数据汇交工作支撑服务”等课题研究。刘宁中国科学院计算机网络信息中心高级工程师，主要从事科学数据治理、元数据互操作与集成应用方面的理论研究与系统建设，主要参与中国科学院科学数据库工程系列标准、中国科学院科学数据中心体系标准体系的设计与标准研制，主笔相关标准数十项，承担中国科学院科学数据云门户系统、中国科学院项目科学数据汇交管理平台等科学数据治理与集成服务系统建设。刘洁中国科学技术大学公共事务学院2021级法学硕士研究生，研究方向为知识产权。主要从事数据知识产权相关研究工作，参与数据知识产权保护规则研究报告撰写，走访学会调研，参与“科学数据治理法律服务项目”等课题研究。马俊才博士，研究员，现任国家微生物科学数据中心主任，中国科学院微生物研究所微生物资源与大数据中心主任，世界菌种保藏联合会（WFCC）执委、世界微生物数据中心（WDCM）主任、中国生物工程学会生物技术与生物产业信息中心主任、世界微生物菌种保藏联合会执委、亚洲研究资源网络数据管理工作组主席、国际生命条形码项目数据镜像工作组共同主席。GrahamSmith施普林格 自然开放数据项目经理。他的主要职责是针对全公司的出版活动，开发数据共享工具，推动相关合作，制定开放数据相关的政策和举措。他拥有地球物理学背景，并协调组织了Nature、BMC和Springer旗下期刊以及伦敦自然历史博物馆的数据管理活动。汤惟玮助理研究员，国家空间科学数据中心办公室主任。主要从事国内外空间科学领域数据政策研究及分析、各国航天机构及领域国际组织战略规划跟踪分析与开放科学实践研究等。参与国家自然科学基金、中国科学院信息化专项、中国科学院院重点部署项目、中国工程院战略研究与咨询重点项目、中国科学院战略性先导科技专项（A类）等多个科研项目。佟继周中国科学院国家空间科学中心研究员，硕士生导师，空间大数据技术研究室副主任，国家空间科学数据中心副主任。主要从事空间科学数据工程与大数据应用技术研究。主持或参加空间科学战略性先导专项、国家重点研发计划、子午工程、国家科学数据共享工程、院创新性方向课题等多个科研项目。曾获军队科技进步一等奖，被授予“中国科学院参加载人航天工程优秀工作者”荣誉称号。王重芳 施普林格 自然集团大中华区开放科学总监。主要负责施普林格 自然开放科学与开放获取相关政策交流及战略合作，与相关政府及学术机构保持良好互动。在此之前，她在学术出版领域的不同出版机构拥有 15 年的丰富经验，从而对出版格局新发展有着深刻的理解。她的专长是开放获取、开放科学、期刊出版及战略合作。熊行创博士，硕士研究生导师，中国计量科学研究院研究员，享受国务院“政府特殊津贴”专家，现任中国计量科学研究院数据中心副主任、国家计量科学数据中心常务副主任。主要从事计量数字化基础设施及关键技术、标准参考数据、科学数据FAIR化、数据质量测量等方面的研究。36胥鑫中国科学院国家空间科学中心工程师。主要从事数据开放出版研究，在开放共享关键技术、开放出版平台建设及开放科学与开放数据等方面开展工作。参与国家自然科学基金、国家重点研发计划、中国科学院科学传播专项、中国科学院信息化专项等多个科研项目。许琦中国科学院国家空间科学中心工程师。主要研究方向为科学数据标准化与空间科学数据管理,在科学数据标准体系、空间科学数据汇交管理、科学数据仓储理论架构、领域开放科学实践；曾参与WDS元数据收割工作组、全球开放科学云(GOSC)等相关工作小组;主持或参与多项科学数据领域国家标准、团体标准研制；主持或参与国家自然科学基金、国家重点研发计划、中国科学院信息化专项、国家科技基础条件平台中心委托任务多个科研项目。张泽钰工程师，现就职于中国科学院计算机网络信息中心大数据部，本硕攻读法学专业，硕士研究方向为知识产权法，持有国家法律职业资格证书、工商管理方向经济师证书。在此之前，有两年海外工作经历，任职于世界五百强企业，主要从事法律咨询、合同管理等工作。长期从事知识产权法、网络法领域的研究工作，目前主要研究方向为科研数据权益管理和数据合规。周国民理学博士，研究员，中国农业科学院农田灌溉所所长、党委副书记，国家农业科学数据中心主任，中国农业科学院数字化南繁技术创新团队首席科学家，兼任中国农学会计算机农业应用分会副理事长、中国仿真学会农业建模与仿真专业委员会主任。长期从事农业科学数据共享技术与系统等研究工作，取得较为丰富的科技成果，曾获得各级科技成果奖励12项。周园春博士，研究员，博士生导师，现任中国科学院计算机网络信息中心副主任、科技委员会主任，中国科学院科学数据总中心主任，大数据分析系统国家工程研究中心副主任，中国信息协会科学数据专业委员会主任，中国档案学会科技档案与科学数据管理学术委员会副主任。研究领域为科学数据与数据智能等，在IJCAI、AAAI、IEEE TKDE、ACM TKDD、Nucleic Acids Research等国际著名期刊和会议，发布国家标准5项，出版专著3本，授权专利40多项。邹自明中国科学院国家空间科学中心研究员，博士生导师，国家空间科学数据中心主任，中国科学院特聘研究员。主要研究领域为空间科学信息学，在空间科学数据处理，宇宙空间信息的组织、检索与互操作，空间信息系统工程，大数据与人工智能技术在领域知识发现中的应用等方面开展研究。曾获军队科技进步一等奖两项，中国科学院载人航天工程重要贡献奖和中国科学院杰出科技成就奖等奖项。中国开放数据白皮书2023

0人已浏览 2023-12-01 37页 5星级

2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 版权声明 本报告版权属上海数据交易所有限公司所有，并受法律保护。转载、编撰或其他方式使用本报告文字或观点，应注明来源2023 年中国数据交易市场研究分析报告。违反上述声明者，将追究其相关法律责任。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 编写单位（排名不分先后）弗若斯特沙利（北京）咨询有限公司 头豹信息科技南京有限公司 数据流通与交易技术国家程实验室 上海数据交易所 2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 录 Contents 报告要点.1 一、中国数据交易业发展概况.2()中国数字经济发展现状.2()中国数据交易市场产品分析.3(三)中国数据交易业发展历程.4(四)中国数据交易业政策和法规环境整体政策环境.5(五)中国数据交易业政策和法规环境地政策环境.7、全球数据交易业市场规模和增预测.9()全球数据交易业市场规模和增预测.9()北美洲数据交易业市场规模和增预测.10(三)美国数据交易业市场规模和发展现状.11(四)欧洲数据交易业市场规模和增预测.12(五)亚洲数据交易业市场规模和增预测.13(六)洋洲数据交易业市场规模和增预测.14(七)南美洲数据交易业市场规模和增预测.15()洲数据交易业市场规模和增预测.16 三、中国数据交易业市场规模和增预测.17()中国数据交易业市场规模和增预测.18()中国数据交易业市场规模数据解读.18 四、中国各地区数据交易业市场规模和增预测.19 2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report ()中国各地区数据交易业市场规模和增预测.20()中国各经济区数据交易业市场规模现状.21(三)华东地区数据交易业市场规模和增预测.22(四)华南地区数据交易业市场规模和增预测.23(五)西南数据交易业市场规模和增预测.23(六)华中地区数据交易业市场规模和增预测.24(七)华北地区数据交易业市场规模和增预测.25 五、中国各业数据交易业市场规模和增预测.26()中国各业数据交易市场规模和增预测.27()供给领域中国各业数据交易市场规模情况.28(三)融业数据交易市场规模和增预测.29(四)互联业数据交易市场规模和增预测.30(五)通信业数据交易市场规模和增预测.31(六)制造业业数据交易市场规模和增预测.32(七)政务业数据交易市场规模和增预测.33()医疗健康业数据交易市场规模和增预测.33(九)交通运输业数据交易市场规模和增预测.34 六、中国数据交易产业链价值分析.35()中国数据要素产业链图谱：数据流通为产业链核环节.36()数据交易环节在数据要素产业链中的重要作.36(三)中国数据交易制度分析.37 七、中国数据交易竞争格局.38()中国数据交易业竞争格局.38、中国数据交易业未来发展趋势.39 2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report ()未来发展趋势：政策完善，构建数据交易利益平衡机制.39()未来发展趋势：技术提升，解决定价、安全等数据交易问题.40(三)未来发展趋势三：划分等级，建数商分级制度并科学管理.41 九、中国数据交易业企业案例.42()中国数据交易业企业案例上海数据交易所.42()中国数据交易业企业案例西部数据交易中.44(三)中国数据交易业企业案例东数据交易有限公司.44 2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 1 报告要点 中国进入数字经济与实体经济融合发展新阶段，数据要素作为新的生产要素全方位赋能其他传统生产要素发展的同时，开展了以数据产品为标的的交易行为，进一步加深中国数字经济发展。伴随着数据要素系列政策的出台，进一步激发数据要素创新活力，推动数据要素市场快速发展，数据交易迎来新一轮发展浪潮。本报告旨在计算与预测全球数据交易市场规模及中国数据交易市场规模，以反映全球及中国数据交易市场的活跃度。2021-2022 年中国数据交易行业市场规模由 617.6 亿元增长至 876.8 亿元，年增长率约为42.0%，增速明显。未来，中国数据交易行业仍有可观的市场增长空间。考虑到行业发展阶段及政策环境等利好因素，预计未来 3-5 年内，中国数据交易市场仍旧能够保持较高速的增长。2022 年中国数据交易行业市场规模为 876.8 亿元，预测至 2030 年中国数据行业市场规模有望达到5,155.9 亿元。未来，中国数据交易行业仍有可观的市场增长空间。预计未来，中国数据行业市场规模仍将呈现稳步增长的趋势，到 2025 年中国数据行业市场规模有望达到 2,046.0 亿元，到 2030 年中国数据行业市场规模有望达到 5,155.9 亿元，2025-2030 年复合增长率约为 20.3%。未来十年中国数据交易市场规模年复合增长率远高于全球数据交易市场 CAGR 水平。中国数据交易市场的发展方向是实现场内外市场的融合和互联互通，促进数据的流动和价值发现。中国数据交易市场将会不断向场内迁移，未来随着场外交易向场内交易的迁移，监管规则、产品标准和经营模式等方面将更加规范化和标准化。中国数据交易场内市场将会不断完善交易机制、创新交易方式和优化服务流程等措施，提高市场的透明度和规范化程度。推动中国数据场外交易向场内转移的另一个重要因素是数据资产化的需求。将数据交易转移至场内，可以为企业提供更多元化的数据交易方式，包括数据资产的确权、交易、流通和变现等。通过场内交易市场，企业可以将数据作为资产进行投资和经营，挖掘数据的更多潜在价值，实现数据资产化。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 2 一、中国数据交易业发展概况 主要观点：1.中国进入数字经济与实体经济融合发展新阶段，数据要素作为新的生产要素全方位赋能其他传统生产要素发展的同时，开展了以数据产品为标的的交易行为，进一步加深中国数字经济发展。2.中国数据交易市场数据产品的三种分类为：数据集、数据服务、数据应用；场外数据交易还包括数据算力服务等。3.随着云计算、大数据、人工智能等新技术的出现，促进了数字经济的更快发展的同时，催生了中国数据交易行业的发展。4.中央相关政策文件的密集出台推动了中国数据要素产业迅速发展，未来数字经济下的数据交易有望在开放的市场中，得到进一步规范，使其运转更加健全、高效、高质。5.中国各省市积极响应号召发布促进数据要素发展政策，各地根据自身数字经济发展特点进行了进一步规划。()中国数字经济发展现状 中国进入数字经济与实体经济融合发展新阶段，数据要素作为新的生产要素全方位赋能其他传统生产要素发展的同时，开展了以数据产品为标的的交易行为，进一步加深中国数字经济发展。数据作为新型生产要素，对土地、劳动力、资本、技术等生产要素具有放大、叠加、倍增作用，正在推动生产方式、生活方式和治理方式深刻变革，数据要素市场建设也正加速推进。数据要素可以全方位赋能其他传统生产要素，提高全要素生产率，从而提高产业竞争势能。比如，数据要素与劳动力相结合能提高劳动生产率；数据要素与技术相结合能加快技术迭代，促进产研融合；数据要素与资本要素结合能够降低后者的不确定性风险，加强金融服务的广度和纵深。现阶段，数据要素通过流转产生增值效益也是数据交易更重要的价值所在。图 1 关键生产要素演变 来源：头豹研究院 土地、劳动力 工业经济时代 工业经济时代 农业经济时代 农业经济时代 数字经济时代数字经济时代 技术、资本 数据要素 2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 3 在全球数字经济发展方面，美国为数字化发展的领头人，欧洲各个国家数字化发展水平参差不齐。北欧国家如瑞典，挪威、芬兰等一直都在数字化发展领域中处于领先地位，南欧国家如西班牙，意大利等在数字化发展方面相对较慢。图 2 全球及中国数字经济发展现状 来源：头豹研究院()中国数据交易市场产品分析 数据产品是以数据资源为基础的，经过简单的加工处理或经过软件算法、模型等工具处理，形成能够为用户提供信息需求的数据集合、数据处理结果或数据解决方案。网络运营者通过合法手段获取原始数据，对其采用一定算法，经过深度分析过滤、提炼整合及脱敏处理后形成具有交换价值和技术可行性的衍生数据，数据产品具有一定表达性，即能够通过衍生数据内容为使用者提供储存、解决方案、预测、指数、统计等方面服务。数据产品是基于数据资源的数据产品是基于数据资源的，必须是使用业务产生、外部采购、授权等形式获取的数据资源。数据产品是经过开发加工的数据产品是经过开发加工的，或包含特定软件/算法/模型等其他工具的。或包含加工/清洗/标注/分析等服务的。数据产品是形成面向场景的交付物的数据产品是形成面向场景的交付物的，必然存在确定应用场景的必然形成核验接口/数据集/其他数据应用/加工处理平台等交付物形式的。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 4 中国数据交易市场数据产品的三种分类为：数据集、数据服务、数据应用；场外数据交易还包括数据算力服务等。表 1 场内主要数据交易产品分类 分类 分类 数据产品定义 数据产品定义 交付物形态（市场表达）交付物形态（市场表达）数据集 数据资源经过加工处理后，形成有一定主题的、可满足用户模型化需求的数据集合 仅包含数据资源:数据/数据集/数据产品，离线数据包，API，信息/信息服务，库，数据服务/数据更新服务，查询，评分/评级、指数等 数据服务 数据资源经过加工处理后，可提供定制化服务，为用户提供满足其特定信息需求的数据处理结果 包含数据资源 服务:定制化服务，XX标准化，数据加工整理/数据服务，产业图谱、客群/XX 画像，研究产品/报告、发展现状，评估/评分，指标，查询等 数据应用 数据资源经过软件、算法、模型等工具处理，或经过工具处理后可提供定制化服务，形成的解决方案 包含数据资源 工具:预测、估值，计算、评分/评级/评估、指数等 包含数据资源 工具 服务:数据分析和挖掘、归集、治理、清洗和整理等 来源：上海数据交易所、头豹研究院 图 3 场外主要数据交易产品分类 来源：头豹研究院(三)中国数据交易业发展历程 随着云计算、大数据、人工智能等新技术的出现，促进了数字经济的更快发展的同时，催生了中国数据交易行业的发展。表 2 中国数据交易行业发展历程 时间 时间 2010-2014 2010-2014 2015-2018 2015-2018 2019-至今 2019-至今 阶段 无序扩张期 整顿成长期 新政发展期 阶段 无序扩张期 整顿成长期 新政发展期 场外主要数据交易产品分类 场外主要数据交易产品分类 数据云服务 数据云服务 数据解决方案 数据解决方案 数据包 数据包 2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 5 时代综述 市场环境不清晰，数据交易多为非正式渠道交易，游走在灰色地带 市场明确了新的演变方向：构建权威规范的数据流通交易平台，提升市场可控性 各地区充分激发数据资源型企业市场活力，完善数据要素产品供给及产业生态建设 时代综述 市场环境不清晰，数据交易多为非正式渠道交易，游走在灰色地带 市场明确了新的演变方向：构建权威规范的数据流通交易平台，提升市场可控性 各地区充分激发数据资源型企业市场活力，完善数据要素产品供给及产业生态建设 发展特征 发展特征 大数据产业爆发，出现数据产品交易；大数据产业爆发，出现数据产品交易；数据交易行业在不断探索寻找前期的道路；突出的问题是数据产品缺乏健全的法规与政策，部分为违规获取与使用。突出的问题是数据产品缺乏健全的法规与政策，部分为违规获取与使用。数商和大型互联网企业搭建自己的数据交易渠道；数商和大型互联网企业搭建自己的数据交易渠道；多地政府开始探索建立数据交易平台，力图通过正规的确权注册、质量评估、估值定价、安全交易等行为实现一定程度的规范化和可追溯；突出的问题是缺少健全 的 法 规 及 交 易 平台。突出的问题是缺少健全 的 法 规 及 交 易 平台。鼓励供需双方通过数据交易平台开展数据流通；鼓励供需双方通过数据交易平台开展数据流通；各地区完成数据交易平台搭建，并充分激发数据资源型企业市场活力，完善数据要素产品供给及产业生态建设；突出问题为产品种类少、同质化程度高、附加价值低、数据资源深加工和场景应用能力不足等问题。突出问题为产品种类少、同质化程度高、附加价值低、数据资源深加工和场景应用能力不足等问题。重要事件 重要事件 2014 年，大数据首次被写入政府工作报告，这一年也标志着进入大数据元年。2014 年，中关村数海大数据交易服务平台、北京大数据交易服务平台在北京正式揭牌运营。2015 年，贵阳大数据交易所揭牌运营。2015 年-2017 年，全国各地共成立 20 余家数据交易所，场外一批有影响力的数据交易平台逐步建设完成并开始交易。2021 年，上海数据交易所揭牌成立，成立当日，数据交易所完成数据产品挂牌 20 个，涉及金融、交通、通信等八大类，部分首单交易达成。2022 年，深圳数据交易所、广州数据交易所和福建大数据交易所揭牌成立，成绩斐然。2023 年 8 月，东北首家长春数据交易中心揭牌，备案交易1.4 亿元。来源：头豹研究院(四)中国数据交易业政策和法规环境整体政策环境 中央相关政策文件的密集出台推动了中国数据要素产业迅速发展，未来数字经济下的数据交易有望在开放的市场中，得到进一步规范，使其运转更加健全、高效、高质。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 6 表 3 国家层面数据管理政策 政策名称 政策名称 颁布日期 颁布日期 颁布主体 颁布主体 主要内容及影响 主要内容及影响 中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见 2022-12 国务院 该意见从六大方面阐述了数据二十条指引，包括建立健全各类数据的授权机制、建立合规高效场内外结合的数据要素流通和交易制度、建立体现效率、促进公平的数据要素分配制度、建立安全可控、弹性包容的数据要素治理制度，以及相应的保障措施。“数据二十条”是首部从生产要素高度部署数据要素价值释放的国家级专项政策文件，并指引各省之构建自省区的数据交易市场。关于加快建设全国统一大市场的意见 2022-04 国务院 加快培育数据要素市场，建立健全数据安全、权利保护、跨境传输管理、交易流通、开放共享、安全认证等基础制度和标准规范，深入开展数据资源调查，推动数据资源开发利用。“十四五”数字经济发展规划 2022-01 国务院 充分发挥数据要素作用，强化高质量数据要素供给，提升数据管理水平和数据质量。加快数据要素市场化流通，鼓励市场主体探索数据资产定价机制。严厉打击数据黑市交易，营造安全有序的市场环境。以实际应用需求为导向，探索建立多样化的数据开发利用机制。“十四五”大数据产业发展规划 2021-11 工信部 建立数据要素价值体系、健全数据要素市场规则、提升数据要素配置作用。推动大数据领域国家新型工业化产业示范基地高水平建设，围绕数据要素市场机制、国际交流合作等开展先行先试。到 2025 年数据要素市场体系初步建立。来源：中国政策网、头豹研究院 2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 7 图 4 数据二十条 来源：头豹研究院(五)中国数据交易业政策和法规环境地政策环境 中国各省市积极响应号召发布促进数据要素发展政策，各地根据自身数字经济发展特点进行了进一步规划。表 4 各地区各类促进及规范数据要素发展政策 省份 省份 日期 日期 颁布主体 颁布主体 政策名称 政策名称 主要内容及影响 主要内容及影响 上海 2023/8 上海市浦东新区人民政府网 立足数字经济新赛道推动数据要素产业创新发展行动方案（2023-2025 年）到 2025 年，初步建成具有国际影响力的数据要素配置枢纽节点和数据要素产业创新高地。数据要素市场体系基本建成，国家级数据交易所地位基本确立。2023/7 上海市浦东新区人民政府网 上海市促进浦东新区数据流通交易若干规定（草案）主要内容包括界定各方责任，明确促进数据流通交易的总体要求；结合落实数据二十条，探索细化数据产权分置机制；建立数据流通交易的系列规则，进一步培育壮大场内交易，并对场外交易作出适度规范引导。2022/11 上海市第十五届人民代表大会常务委员会 上海市数据条例 推进数据权属界定、开放共享、交易流通、监督管理等标准制定和系统建设。长三角区数据合作方面，建设全国一体化大数据中心体系长三角国家枢纽节点。政府有序引导分行业/跨行业协同监管 政府有序引导分行业/跨行业协同监管 数据供应方 数据供应方 国家级数据交易所 国家级数据交易所 数据需求方 数据需求方 公共 数据 公共 数据 企业 数据 企业 数据 个人 数据 个人 数据 数据分类/分级 数据分类/分级 区区域域性性数数据据交易交易所所 行业性数据交易所 行业性数据交易所 鼓励彼此鼓励彼此数据互联数据互联 数据产权制度 数据产权制度 流通交易制度 流通交易制度 收益分配制度 收益分配制度 安全治理制度安全治理制度 四项制度为基础 四项制度为基础 授权 使用 授权 使用 供给 激励 供给 激励 受托 机制 受托 机制 数据确权/授权 数据确权/授权 2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 8 广东 2023/7 广州市政务服务数据管理局 广州市数据条例 明确本市行政区域内的数据权益保护、数据流通应用、数据安全保障及监督管理等数据管理活动流程及要求，创新广州公共数据运营机制，搭建数据供给主体、数据需求主体、数据交易场所、数据商及第三方专业服务机构等多方参与的数据要素市场，规范引导数据安全流通交易。2023/4 广州市公共数据开放管理办法 明确公共数据开放及管理行为的适用范围，结合优化营商环境等要求，在合法有序前提下适度扩大公共数据开放的覆盖面，将具有公共事务管理和公共服务职能的组织纳入数据开放主体范围，其中包括供水、供电、供气、公共交通、公共资源交易等提供公共服务的企事业单位。北京 2023/6 中共北京市委、北京市人民政府 关于更好发挥数据要素作用进一步加快发展数字经济的实施意见 以促进数据合规高效流通使用、赋能实体经济为主线，加快推进数据产权制度和收益分配机制先行先试，围绕数据开放流动、应用场景示范、核心技术保障、发展模式创新、安全监管治理等重点，充分激活数据要素潜能，健全数据要素市场体系，为建设全球数字经济标杆城市奠定坚实基础。贵州 2023/6 贵州省人民政府办公厅 贵州省政务数据资源管理办法 进一步规范全省政务数据资源管理，推进政务数据“聚、通、用”。政务数据采集遵循“一数一源、一源多用”原则。可以通过共享方式获取或确认的，不得重复采集、多头采集。福建 2022/1 福建省人民代表大会常务委员会 福建省大数据发展条例 紧扣福建省大数据发展应用现状和需求，对数据采集生成、汇聚共享、开放开发中的主要问题进行制度设计，明确划定了政府及有关部门的职责权限。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 9、全球数据交易业市场规模和增预测 主要观点：1.数字化进程加速，数据成为新生产要素，数据交易规模也不断增长；2022年全球的数据交易规模在 906.0 亿美元，预测至 2025 年市场规模有望增长到 1,445.0 亿美元，到 2030 年全球数据交易市场规模有望达到 3,011.0 亿美元。2.美国企业普遍营业收入规模大、资金雄厚，并且在欧洲、南美洲等多地扩张，业务不断延伸，未来发展实力大。3.2022 年北美洲数据交易市场规模在 430.0 亿美元，预测至 2025 年市场规模有望增长至 698.0 亿美元，2021-2025 的 CAGR 为 13.7%，未来北美市场有望持续增长，预计 2030 年市场规模将达到1,447.0 亿美元。4.2022 年美国数据交易市场的市场规模约为 417.0 亿美元，是全球数据交易市场规模最大的国家；美国数据交易市场的交易模式主要以 B2B2C 模式为主，产品形态以数据集为主，未来其数据中心的建设规模预计仍会增加。5.2022 年欧洲数据交易市场规模为 192.0 亿美元，预测至 2025 年欧洲数据交易市场规模有望达到238.0 亿美元，且 2021-2025 年的 CAGR 为 5.6%，2030 年市场规模有望增长至 297.0 亿美元。6.2022 年亚洲数据交易规模为 182.0 亿美元，预测至 2025 年有望增长到 364.0 亿美元，2021-2025年 CAGR 为 23.3%，未来 2030 年市场规模有望增长到 997.0 亿美元。7.2022 年南美洲数据交易市场规模为 34.0 亿美元，预测至 2025 年市场规模有望增长到 53.0 亿美元，2021-2025 年的 CAGR 为 31.9%，而未来的增长率放缓，预测到 2030 年其市场规模将会达到88.0 亿美元，CAGR 降为 10.6%。8.2022 年大洋洲数据交易规模为 44.0 亿美元，预测至 2025 年市场规模有望增长至 72.0 亿美元，2021-2025 年之间的 CAGR 为 11.2%，至 2030 年有望上涨至 146.0 亿美元。9.非洲数据交易市场规模较低，2022 年其市场规模仅为11.0 亿美元，预测至2025 年有望增长至17.0亿美元，2021-2025 年 CAGR 为 12.7%，未来其市场规模稳定增长，至 2030 年有望达到 32.0 亿美元。()全球数据交易业市场规模和增预测 数字化进程加速，数据成为新生产要素，数据交易规模也不断增长；2022年全球的数据交易规模在906.0 亿美元，预测至 2025 年市场规模有望增长到 1,445.0 亿美元，到 2030 年全球数据交易市场规模有望达到 3,011.0 亿美元。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 10 图 5 全球数据交易行业市场规模，2021-2030 年预测（以交易额计）来源：头豹研究院 由于各国数字化进程不断加速，数据成为新的生产要素，数据交易规模也不断增长。2022 年全球数据交易规模在约 906.0 亿美元，预测至 2025 年市场规模有望增长到 1,445.0 亿美元，2021-2025 年年复合增长率（CAGR）为 14.4%。预计 2025 年后市场规模将会稳定增长，CAGR 预计在 15.8%，到 2030 年全球数据交易市场规模有望达到 3,011.0 亿美元。全球数据交易行业市场规模扩大的原因主要包括三点：第一，数据交易市场的发展，与数据经济的发展以及政策的发展密不可分，各国在数据定价、交易机制和确权上纷纷提出条款，政策的完善推动全球数据交易市场发展；第二，经济进一步全球化，跨国企业数量攀升，跨国数据产品和服务交易需求不断增加，数据交易市场规模增长；第三，2020年突发事件爆发，线下实体经济受到限制，多数商品和服务开始向线上转变，加速数字化转型，数据交易规模增加。()北美洲数据交易业市场规模和增预测 2022 年北美洲数据交易市场规模在 430.0 亿美元，预测至 2025 年市场规模有望增长至 698.0 亿美元，2021-2025 的 CAGR 为 13.7%，未来北美市场有望持续增长，预计 2030 年市场规模将达到 1,447.0 亿美元。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 11 图 6 北美洲数据交易行业市场规模，2021-2030 年预测（以交易额计）来源：头豹研究院 北美洲数据交易市场增长主要依靠于美国和加拿大两大国家，但是由于美国电力资源逐渐紧张，北美洲的数据中心开始向墨西哥等美国周边国家布局。2021 年底，最大的数据中心 AWS 宣布在加拿大西部建设数据中心，并且预计在 2023 年可运行。CyrusOne 则和巴西量大数据公司合作在墨西哥布局数据中心，同时华为云和 IBM 云也在墨西哥建设数据中心。北美洲数据交易增长的原因在于：一是，美国数字经济的强势发展为数据交易市场打下基础；二是，北美洲地区数据交易产品形态和服务更多样，满足企业更多的数据需求。(三)美国数据交易业市场规模和发展现状 2022 年美国数据交易市场的市场规模约为 417.0 亿美元，是全球数据交易市场规模最大的国家；美国数据交易市场的交易模式主要以 B2B2C模式为主，产品形态以数据集为主，未来其数据中心的建设规模预计仍会增加。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 12 图 7 美国数据交易行业市场规模和发展现状 来源：OECD，USITC，头豹研究院 2022 年美国数据交易市场的市场规模为 417.0 亿美元，美国是全球数据交易市场规模最大的国家。美国市场规模得以增长的主要原因在于：首先，美国是北美洲绝对优势国家，其经济总量和经济增速远超其他国家，数字经济占比超过 GDP总值的 60.0%，为数据中心行业快速发展打下了良好的基础；其次，美国数据交易的头部企业全是互联网企业，而美国互联网企业横跨全球，并且企业实力雄厚，使得美国数据交易拥有得天独厚的数据基础和技术优势。美国数据交易的模式涵盖三个类别，这三种模式和中国当前的交易模式整体相似，并且 B2B2C混合模式占市场的主导地位。从产品形态上看，尽管美国市场中的数据集类产品的交易市场规模占比最大，但是目前有数据服务和数据应用类产品交易规模增长的趋势。美国的数据中心设施建设占比全球最大，达到 33.0%，并且依旧在扩张之中，这意味着美国数据市场将会拥有更大的数据存储量、产量和交易规模。(四)欧洲数据交易业市场规模和增预测 2022 年欧洲数据交易市场规模为 202.0 亿美元，预测至 2025 年欧洲数据交易市场规模有望达到 238.0亿美元，且2021-2025 年的CAGR 为5.6%，2030 年市场规模有望增长至297.0 亿美元，2025-2030 年CAGR将为 4.5%。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 13 图 8 欧洲数据交易行业市场规模，2021-2030 年预测（以交易额计）来源：头豹研究院 欧洲数据交易规模未来增长率可能出现略微下降，其中原因在于：欧洲数据交易市场小于北美洲地区，阻碍欧洲数据交易发展的因素包括经济动力不足、人口负增长、土地和电力资源受限等。其次，欧洲数据中心市场主要以国际数据中心运营商为主导，本土数据中心运营商竞争力较弱，因此预计未来数据交易的增长率将会有所下降。有 70.0%以上的欧洲数据中心分布在西欧地区，其次是南欧和北欧地区。西欧拥有以法国、英国等区域为中心的“FLAP数据中心市场”，另外还有不少美国企业，例如 Equinix、微软、谷歌等企业也在西欧布局。北欧则拥有欧洲数据中心二级市场，大量的数据存储服务商、加密货币服务等企业在此布局，这得益于北欧气温低，数据存储过程中不用投入大量的降温设备。(五)亚洲数据交易业市场规模和增预测 亚洲数据交易规模在 2022 年为 182.0 亿美元，预测至 2025 年有望增长到 364.0 亿美元，2021-2025 年CAGR 为 23.3%；未来 2030 年市场规模有望增长到 997.0 亿美元，2025-2030 年 CAGR 为 22.4%。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 14 图 9 亚洲数据交易行业市场规模，2021-2030 年预测（以交易额计）来源：头豹研究院 亚洲数据中心主要集中在中国，其次是日本和新加坡等国家。中国数据交易规模占亚洲地区的 50.0%-60.0%。中国数字产业化水平不断提升以及中国政府对数据要素行业的支持，是数据交易市场规模增长的动力来源。日本、韩国、新加坡和印度的数据交易市场占亚洲市场的 25.0%左右。日本和新加坡的数字经济发展速度较快，由于其数据经济基础建设最齐全，同时与欧美之间的贸易往来也更密切，但是日本和新加坡的土地和电力资源趋于紧张，同时考虑日币不断贬值，日本和新加坡市场规模未来可能出现缩水，相比之下，中国数据交易市场规模未来增长可能更为强势。另外，印度尼西亚、马来西亚和泰国政府也开始重视数字经济发展，这为这些国家的数据交易市场增长提供了更多可能性。综合来看，未来东南亚和南亚数据中心增速将显著快于东亚，是未来亚洲数据中心市场增量核心区。(六)洋洲数据交易业市场规模和增预测 大洋洲数据交易规模在 2022 年为 44.0 亿美元，未来 2025 年市场规模将会增长至 72.0 亿美元，2021-2025 年之间的 CAGR 为 11.2%；市场规模持续上涨，未来 2030 年将会上涨至 146.0 亿美元，2025-2030 年CAGR 为 15.2%。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 15 图 10 大洋洲数据交易行业市场规模，2021-2030 年预测（以交易额计）来源：头豹研究院 整体来看大洋洲的数据交易市场主要集中在澳大利亚和新西兰。随着澳大利亚政府数据中心战略 2010-2025的推出，澳大利亚政府信息管理办公室(AGIMO)等政府举措在优化数据中心资源方面处于领先地位，该战略代表了从使用政府运营的数据中心向第三方或多方、多租户数据中心转移的趋势。同时，2019 年，美国与澳洲签订了关于数据使用合法的法案，这保障了数据合法的同时也推动了大洋洲数据交易市场的增长。大洋洲市场规模在 2021-2022年之间出现略微下降，这是在考虑到大洋洲国家刺激经济采取了宽松政策，导致本国货币贬值的情况，但整体市场规模是呈现上涨趋势。(七)南美洲数据交易业市场规模和增预测 南美洲数据交易规模呈现上涨趋势，在 2022 年，其数据交易市场规模为 34.0 亿美元，预测未来 2025年市场规模有望增长到 53.0 亿美元，2021-2025 年的 CAGR 为 31.9%，而未来的增长率放缓，预测到 2030年其市场规模有望达到 88.0 亿美元，2025-2030 年的 CAGR 为 10.6%。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 16 图 11 南美洲数据交易行业市场规模，2021-2030 年预测（以交易额计）来源：头豹研究院 南美洲数据交易市场主要集中在巴西，这主要是因为巴西的数字经济起步较早，数据交易行业的发展较优于其他南美洲国家，同时巴西政府对于数字经济的关注度和支持度都处于较高水平，因此在疫情后，其市场规模出现大比例上涨。但是南美洲整体的经济环境增长幅度偏低，整体经济对数据交易市场的带动效用并不会很大，因此南美洲市场未来数据交易市场规模的增长很难保持在 2021-2025年的增速。同时，部分美国、中国和欧洲数据经纪商瞄准了正在高速增长的南美洲市场，由于境外企业对南美洲市场的抢占，南美洲市场未来的增长率可能会放缓。()洲数据交易业市场规模和增预测 非洲数据交易市场规模较低，2022 年其市场规模仅为 11.0 亿美元，到 2025 年将会增长至 17.0 亿美元，2021-2025 年 CAGR 为 12.7%；未来市场规模稳定增长，至 2030 年有望达到 32.0 亿美元，2025-2030年 CAGR 将为 12.8%。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 17 图 12 非洲数据交易行业市场规模，2021-2030 年预测（以交易额计）来源：头豹研究院 非洲数据交易市场整体偏低，这主要是因为非洲多数国家经济发展偏弱，且数字经济起步较晚。从非洲地区政治局势看，2022 年非洲处于选举动荡周期。2020-2021 年非洲共有 31 个国家举行了选举，2022 年又有包括肯尼亚在内的 14个国家举行总统和议会选举。因此在经济复苏之后，非洲的数字经济和数据交易市场并未出现大范围增长。但是从数据和互联网企业的发展动向来看，不少跨国科技巨头企业急需开拓新市场，而非洲则是新的增长点，因此未来非洲数据交易市场规模可能会出现增长。另外同时考虑到非洲社会经济持续低增长、高负债的局面，未来整体数据交易市场的发展经济环境存在不确定性因素，保守预计非洲未来的数据交易市场可能呈现稳步攀升的局面。三、中国数据交易业市场规模和增预测 主要观点：1.中国数据交易行业在过去几年内经历了稳定高速增长的发展阶段，其中整体市场规模 2022 年约为876.8 亿元，未来，中国数据交易行业仍有可观的市场增长空间，预计到 2030 年可达到 5,155.9 亿元。2.中国数据交易行业近年来不断发展，理论技术不断创新、产品形态日益丰富、产业生态加速变革、产业热度持续升温，中国数据交易行业欣欣向荣。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 18()中国数据交易业市场规模和增预测 中国数据交易行业在过去几年内经历了稳定高速增长的发展阶段，其中整体市场规模 2022 年约为 876.8亿元，未来，中国数据交易行业仍有可观的市场增长空间，预计到 2030 年可达到 5,155.9 亿元。图 13 中国数据交易行业市场规模，2021-2030 年预测（以交易额计）来源：头豹研究院 得益于政策环境、经济环境的支持，中国数据交易行业在过去两年内经历了快速增长的发展阶段。2021-2022 年中国数据交易行业市场规模由 617.6 亿元增长至 876.8 亿元，年增长率约为 42.0%，增速明显。考虑到行业发展阶段及政策环境等利好因素，预计未来 3-5 年内，中国数据交易市场仍旧能够保持较高速的增长，预测至 2025 年其市场规模有望增长至 2,046.0 亿元，年复合增长率可达到 34.9%。现阶段，中国数据交易行业市场规模扩大的原因主要在于数据价值逐渐凸显，国家大力倡导和扶持数字经济发展，数据已经成为当今时代国家重要的基础性、战略性资源。未来，中国数据交易行业仍有可观的市场增长空间。预计未来，中国数据行业市场规模仍将呈现稳步增长的趋势，到 2030 年中国数据行业市场规模有望达到 5,155.9 亿元，2025-2030 年复合增长率约为 20.3%。()中国数据交易业市场规模数据解读 中国数据交易行业近年来不断发展，理论技术不断创新、产品形态日益丰富、产业生态加速变革、产业热度持续升温，中国数据交易行业欣欣向荣。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 19 图 14 中国数据交易行业市场规模数据解读 来源：头豹研究院 数据资源是数字中国建设的核心要素。2022 年，中国大数据产业规模达 1.57 万亿元。同比增长 18.0%:数据产量达 81ZB，同比增长 22.7%，占全球数据总产量 10.5%。数据资源供给能力和流通应用创新不断提升，数据要素正成为劳动力、土地、资本、技术之外最先进、最活跃的新生产要素。2022 年中国数据交易行业市场规模为 876.8 亿元人民币，占全球数据市场交易规模的 13.4%，占亚洲数据市场交易规模的 66.5%。中国数字产业化和数字化水平不断提升以及中国政府对数据要素行业的支持，是中国数据交易市场规模增长的动力来源。2021-2025E 年中国数据交易市场规模CAGR 可达34.9%，远高于全球和亚洲数据交易市场规模CAGR。2025-2030 年中国数据交易市场规模 CAGR 预计将维持在 20.3%的增长水平，高于全球，略低于亚洲。四、中国各地区数据交易业市场规模和增预测 主要观点：1.中国各地区数据交易市场规模中占比较大的是华东和华南地区，其次是西南地区，该数值和各地区数字经济的发展直接相关。2.中国经济区中数据交易市场规模主要集中在长江经济带，特别是包括上海、安徽、浙江、江苏的长江三角区，占全国数据交易市场的比例为 26.8%，由于良好的经济环境和政策环境为市场发展奠定基础。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 20 3.2022 年华东地区数据交易规模为 371.0 亿元，预测至 2025 年市场规模有望增长至 885.0 亿元，2021-2025 年之间的 CAGR 为 35.7%，至 2030 年有望上涨至 2,325.8 亿元。4.2022 年华南地区数据交易规模为 147.1 亿元，预测至 2025 年市场规模有望增长至 345.8 亿元，2021-2025 年之间的 CAGR 为 35.2%，至 2030 年有望上涨至 886.3 亿元。5.2022 年西南地区数据交易规模为 133.0 亿元，预测至 2025 年市场规模有望增长至 299.0 亿元，2021-2025 年之间的 CAGR 为 33.7%，至 2030 年有望上涨至 704.1 亿元。6.2022 年华中地区数据交易规模为 103.9 亿元，预测至 2025 年市场规模有望增长至 244.3 亿元，2021-2025 年之间的 CAGR 为 35.2%，至 2030 年有望上涨至 626.0 亿元。7.2022 年华北地区数据交易规模为 97.5 亿元，预测至 2025 年市场规模有望增长至 224.2 亿元，2021-2025 年之间的 CAGR 为 34.4%，至 2030 年有望上涨至 550.9 亿元。()中国各地区数据交易业市场规模和增预测 中国各地区数据交易市场规模中占比较大的是华东和华南地区，其次是西南地区，该数值和各地区数字经济的发展直接相关。图 15 各地区数据交易行业市场规模，2021-2030 年预测（以交易额计）来源：头豹研究院 整体来看华东、华南和西南地区数据交易市场发展较好的原因在于：首先，华东、华南地区的金融市场发展较好。由于数据需求方主要集中在金融行业中，例如券商、保险公司、银行等，华东地区的金融行业发展较为集中，因此数据交易行业发展较好。其次，华东、华南地区的互联网行业发展也较好。由于互联网企2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 21 业为数据交易市场打下技术、软硬件等基础，因此华东和华南地区数据交易市场发展较早且多方基础较为扎实。最后，对于西南地区而言，其数据中心基建设施较为完善，并且贵阳数据交易所的数据交易规模在场内处于龙头地位，因此西南地区的数据交易市场发展也较为稳健。东北和西北地区的数据交易市场规模占比较低，这主要是受到了经济基础和人口的限制，导致数据交易在这两个市场中的产量和销量都明显不足。()中国各经济区数据交易业市场规模现状 中国经济区中数据交易市场规模主要集中在长江经济带，特别是包括上海、安徽、浙江、江苏的长江三角区，占全国数据交易市场的比例为 27.7%，得益于该地区良好的经济环境和政策环境为市场发展奠定基础。图 16 中国各经济区的数据交易市场 来源：工业和信息化部，信通院，头豹研究院 依照经济区划分来看数据交易主要的发力区域在长江三角区，占全国市场的 27.7%；其次粤港澳地区的数据交易市场发展也较为强势，占比为 14.4%；川渝地区的占比为 7.2%。从每个城市来看，发展较好的前十个城市为广东、北京、上海、浙江、江苏、福建、山东、四川、湖北和河南。总体来说，各地区都在积极探索和推进数据交易市场的发展。一些地区采取了建立公共数据平台的方式，推动政府数据开放共享；一些地区则通过建立数据交易中心或数据交易平台等方式，为企业提供数据交易服务。在发展过程中，各地区也面临着一些挑战和问题，如数据质量不高、数据安全保障不足、缺乏统一2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 22 的数据交易规则和标准等。为了解决这些问题，各地区需要进一步加强政策支持、技术研发和人才培养等方面的工作，推动数据交易市场的健康发展。同时，随着数字经济的不断发展，数据交易市场也将迎来更多的机遇和挑战。各地区需要密切关注市场变化和政策动向，加强合作和交流，共同推动全国数据交易市场的繁荣发展。(三)华东地区数据交易业市场规模和增预测 2022 年华东地区数据交易规模为 371.0 亿元，预测至 2025 年市场规模有望增长至 885.0 亿元，2021-2025 年之间的 CAGR 为 35.7%，至 2030 年有望上涨至 2,325.8 亿元。图 17 华东数据交易行业市场规模，2021-2030 年预测（以交易额计）来源：头豹研究院 华东地区的数据交易市场规模在 2022 年为 371.0 亿元，未来将会持续增长，到 2025 年市场规模将会达到 885.0 亿元，2021-2025 年 CAGR 为 35.7%；到 2030 年，华东地区的市场规模将会增长到 2,325.8 亿元，未来 2025-2030 年 CAGR 为 21.3%。华东地区的增速会略高于中国整体市场，未来也会持续加量，原因在于：首先，以上海为中心的金融市场对数据的需求量较大，因此上海地区的数据产出和消费量都偏高。其次，华东地区的经济大环境发展具有一定优势，且地方政府对数据市场关注度较高，所以华东地区的数据市场发展较快。最后，华东地区的数商生态建设完善，数据交易上游和下游市场参与者众多，这意味着未来华东地区形成的数商生态将会吸引更多企业参与，数据交易市场规模也将会不断增长。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 23 华东地区中上海和江浙一带的城市的数据交易市场发展较为强势，上海则是以数据交付等相关服务发展为主，江浙一带城市则更注重数据技术和定制化服务。(四)华南地区数据交易业市场规模和增预测 华南地区数据交易市场规模目前在 147.1 亿元，未来 2025 年将会增长至 345.8 亿元，2021-2025 年CAGR 为 35.2%；未来 2030 年市场规模将会达到 886.3 亿元，2025-2030 年 CAGR 为 20.7%。图 18 华南数据交易行业市场规模，2021-2030 年预测（以交易额计）来源：头豹研究院 华南地区的数据交易市场主要集中在深圳等地区，未来也将会随着中国整体市场增长而增长，其中驱动因素在于：首先，华南地区的互联网企业众多，为数据交易市场打下基础设备及技术基础，有助于数据的产出量，推动华南数据交易市场增长。其次，华南地区有众多民营企业，因此华南地区的数据产品可以涵盖众多行业，从供给侧破除数据流入市场的障碍。最后，由于华南企业众多，对于数据的需求也更大，高需求刺激华南地区的数据交易市场迅速发展。华南地区未来发展的重点方向在于数据交易凭证、统计核算等方面的技术提升上，例如广东省探索了政府首席数据官、数据资产凭证、数据要素统计核算、“数据海关”、数据经纪人等创新举措。(五)西南数据交易业市场规模和增预测 西南地区在 2022 年的数据交易市场规模为 133.0 亿元，未来 2025 年会达到 299.0 亿元，2021-2025 年CAGR 为 33.7%；未来 2030 年市场规模将会达到 704.1 亿元，2025-2030 年 CAGR 为 18.7%。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 24 图 19 西南数据交易行业市场规模，2021-2030 年预测（以交易额计）来源：头豹研究院 西南地区从发展格局看，四川成为引领西部大数据发展的先锋，在大数据发展环境、产业实力、行业应用等方面均已形成领先优势，并且西南地区数据交易在旅游行业中的应用上具有明显优势。西南地区市场规模的增长主要在于以下几点因素：首先，四川、重庆依托成渝地区双城经济圈建设，推动新型显示、智能终端、软件、信创等数据相关产业领域协同发展，为构建产业生态奠定基础。其次，陕西、贵州、广西等地区积极打造电子信息制造、数据中心等数据基础设施，逐步拓展数据交易市场发展。短期内，西南地区的数据交易市场的未来发展动力仍然会依赖于当地数字基础设施的建设上。其次，是推动多方协同，将数据交易、算力服务、智慧终端等多种技术相互融合，打造川渝数字产业集群。(六)华中地区数据交易业市场规模和增预测 华中地区的数据交易市场规模在 2022 年为 103.9 亿元，未来 2025 年将会增长到 244.3 亿元，2021-2025年 CAGR 为 35.2%；未来 2030 年将会增长到 626.0 亿元，2025-2030 年的 CAGR 将会为 20.7%。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 25 图 20 华中数据交易行业市场规模，2021-2030 年预测（以交易额计）来源：头豹研究院 华中地区数据交易市场占比和华北地区十分接近，并且未来也将会呈现稳定增长趋势，其中增长因素在于：首先，华中地区数据交易所注册资本接近亿元规模，并且华中地区是数据交易平台主要聚集地之一，因此华中地区场内数据交易平台发展速度较快。其次，华中地区中湖北等省市正在计划建设以数据为核心的产业园，奠定了未来华中地区数据交易行业发展基础。湖北武汉地区正在推进个人信息相关数据的法律法规的规定，要求个人信息只能在场内范围进行交易，并且需要在相关部门的严格监管下进行。目前全国内只有湖北省在做个人信息数据交易，因此在该细分赛道中的优势较明显。(七)华北地区数据交易业市场规模和增预测 华北地区数据交易市场规模目前为97.5 亿元，预测2025 年将会增长到224.2 亿元，2021-2025 年CAGR为 34.4%；未来 2030 年市场规模将会增长至 550.9 亿元，未来 2025-2030 年 CAGR 为 19.7%。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 26 图 21 华北数据交易行业市场规模，2021-2030 年预测（以交易额计）来源：头豹研究院 华北地区数据交易规模主要集中于北京地区，北京地区在数据质量上存在绝对的优势，并且北京数据产品还涉及到国际市场数据，但是由于北京数据交易市场存在一定局限性，因此未来以北京为中心的华北地区数据交易市场规模出现高增长的可能性较低。华北地区的数据资源促进高质量发展的潜力尚未充分发挥。北京数字经济规模落后于广东、浙江、上海等省市，数据在经济转型中的关键作用尚未充分发挥，数字产业化、产业数字化仍有较大空间。数据的创新发展潜力有待挖掘。华北地区的创新型数据资源流动效率较低，与发达国家相比差距明显，部分高价值的科学数据在国内未得到充分共享和使用。五、中国各业数据交易业市场规模和增预测 主要观点：1.中国数据资源应用场景丰富多彩，金融、通信、制造工业、医疗健康和交通运输等细分行业对于数据产品的应用需求均呈现出上升趋势，且未来交易规模有望进一步提升。2.随着各行业对数据需求的增长，数据的类型和来源也在不断丰富；包括金融、互联网、政务、医疗健康、通信、教育等多个行业的数据交易流通规模正在持续扩大。3.2022 年，金融行业数据交易规模达到约 306.9 亿元人民币，占据市场整体规模约 35.0%的市场份额，是目前中国最大的细分行业数据交易市场。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 27 4.2022 年，互联网行业数据交易规模达到约 210.4 亿元人民币，占据市场整体规模约 24.0%，中国数据交易市场的持续开放以及数据产品多元化的发展都能够促使互联网数据交易市场蓬勃增长。5.2022 年，通信行业数据交易规模达到约 78.9 亿元人民币，占据市场整体规模约 9.0%，通信行业本身具有较强的互通性，它既是较大的数据应用方同样也是重要的数据供方。6.2022 年，中国制造工业行业数据交易规模达到约 61.4 亿元人民币，占据市场整体规模约 7.0%，预测至 2030 年规模占比有望上升至 9.7%，增长点在于小企业信息化趋势所带来的数据应用需求。7.2022 年，中国政务行业数据交易市场规模达到约 61.4 亿元人民币，占据市场整体规模约 7.0%，数据产品在政务领域的应用作用主要体现在驱动决策、服务民生、助力公共安全和促进经济发展方面。8.2022 年中国医疗健康行业数据交易规模达到约 52.6 亿元人民币，占据市场整体规模约 6.0%，乐观预测如医保数据要素市场先行先试，将带动医疗健康行业数据交易市场规模增长，至 2030 年其规模占比有望上升至约 8.0%。()中国各业数据交易市场规模和增预测 中国数据资源应用场景丰富多彩，金融、互联网、通信、制造工业、政务、医疗健康、交通运输和教育等细分行业对于数据产品的应用需求均呈现出上升趋势，且未来交易规模有望进一步提升。图 22 中国各行业数据交易市场规模，2021-2030 年预测（以交易额计），按应用领域口径统计 来源：头豹研究院 2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 28 数据要素市场是一个横跨各领域的综合要素市场，中国数据资源应用的场景丰富多彩。近年来，各行各业对于数据应用的需求不断提高，也大幅促进了中国数据交易市场的活跃度的提升。2022 年，中国数据交易规模达到 876.8 亿元人民币。其中，根据数据应用领域来分，金融行业的数据交易规模约为 306.9 亿元，规模占比达到 35.0%，是目前最大的细分行业数据交易市场。其次，互联网行业数据交易规模达到 210.4亿元人民币，占比约为 24.0%;通信行业数据交易规模达到78.9 亿元人民币，占比约 9.0%；制造工业、政务及医疗健康行业数据交易情况相当，分别以约 61.4 亿元、61.4 亿元和 52.6 亿元的交易规模各占据整体市场 6.0%-7.0%的市场份额；另有约 8.0%的数据交易市场规模被其他行业所占据，例如文旅、农业等。未来，随着数据确权、数据分级分类和数据资产如表等相关利好政策的推动，各类数据产品在各行各业领域内的应用价值有望被持续开发，交易规模将持续提升。()供给领域中国各业数据交易市场规模情况 随着各行业对数据需求的增长，数据的类型和来源也在不断丰富；包括金融、互联网、政务、医疗健康、通信、教育等多个行业的数据交易流通规模正在持续扩大。图 23 中国各行业数据交易市场规模，2022 年（以交易额计），按供给领域口径统计 来源：头豹研究院 2022 年，按照供给领域口径统计，中国数据交易规模达到 854.0 亿元人民币。其中，根据数据供给领域来分，金融行业的数据交易规模约为 248.7 亿元，规模占比达到 29.1%，是目前最大的细分行业数据交易市场。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 29 其次，互联网行业数据交易规模达到 238.8亿元人民币，占比约为 28.0%;政务行业数据交易规模达到97.0 亿元人民币，占比约 11.4%；医疗健康、通信、交通运输及制造工业等行业数据交易情况相当，分别以约 75.7 亿元、62.0 亿元、49.2 亿元和 47.3 亿元的交易规模各占据整体市场 5.0%-9.0%的市场份额；另有约4.1%的数据交易市场规模被其他行业所占据。起初，数据交易主要依赖于政府提供，而现在，数据交易主体已经由政府指导类、数据服务商类、大型金融及互联网企业多方主体共同参与，实现多元共建发展。总体来看，中国数据资源供给端在主体、类型、市场和需求等方面呈现出不断发展和丰富的趋势。(三)融业数据交易市场规模和增预测 2022 年，金融行业的数据交易规模达到约 306.9 亿元人民币，占据市场整体规模约 35.0%，是目前中国最大且最为成熟的一个细分行业数据交易市场。由于数据是开展金融业务的核心要素，对于金融风控和营销领域具有非常重要的作用，因此数据产品在金融业的应用相较于其他行业更为广泛和密集，银行、保险公司、证券、部分互联网企业是目前最核心的金融数据应用方。金融业作为最大的数据应用细分行业，其数据来源多元化，包括运营商、社保、工商、保险、电力、医保等，数据供方多以国有企业为代表。在数据产品类型上，征信类产品是金融业最为主要的交易产品，包括个人征信与企业征信，其中个人征信类数据产品交易规模可占至所有金融数据交易规模近 26.0%。图 24 金融行业数据交易市场规模，2021-2030 年预测（以交易额计），按应用领域口径统计 来源：头豹研究院 2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 30 金融行业的数据交易市场在过去的五年里呈现出高速增长的态势，未来也具有可观的增长空间。如果政策能够积极推动数据确权、数据分级分类以及数据资产入表等工作的开展，同时公共数据的开放度也能够持续深化金融数据的应用场景，那么包括金融客户画像、授信贷款、联合征信、金融反欺诈等具有巨大潜力的业务将得到进一步的开发。预测至 2025 年，市场规模有望增长达到约 710.8 亿元，2021-2025 年 CAGR 可达 35.1%；至 2030 年，其市场规模有望超 1,700 亿元，2025-2030 年 CAGR 预计将维持在 19.9%的增长水平，市场占比约为 34.2%。(四)互联业数据交易市场规模和增预测 2022 年，互联网行业的数据交易规模达到约 210.4 亿元人民币，占据市场整体规模约 24.0%，也是目前中国较大且较为成熟的细分行业数据交易市场。中国数据交易市场的持续开放以及数据产品多元化的发展都能够促使互联网数据交易市场蓬勃增长。图 25 互联网行业数据交易市场规模，2021-2030 年预测（以交易额计），按应用领域口径统计 来源：头豹研究院 互联网行业是一个数据密集型行业，例如电商需要收集和分析大量的用户数据、流量数据和行为数据。目前互联网行业的数据产品采购来源多集中在金融、互联网、医疗健康和制造工业领域，数据来源比较丰富且多元化，通过各领域的数据产品以便更好地了解互联网行业的用户需求、优化产品、制定营销策略、提高用户体验等。因此，目前阶段中国互联网行业的数据交易体量也较高。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 31 由于互联网行业的数据交易比较多元化，其行业本身具有非常强的数据应用需求，所以其未来增长更多是受益于行业外部环境的影响，市场的持续开放以及数据产品多元化的发展都能够促使互联网数据交易市场蓬勃增长。预测至 2025 年，市场规模有望增长达到约 470.6 亿元，2021-2025 年 CAGR 可达 33.5%；至2030 年，其市场规模有望超 1031.2 亿元，2025-2030 年 CAGR 预计将达到 17.0%，市场占比预计仍将维持在 20.0%左右。(五)通信业数据交易市场规模和增预测 2022 年，通信行业的数据交易规模达到约 78.9 亿元人民币，占据市场整体规模约 9.0%，通信行业本身具有较强的互通性，它既是较大的数据应用方同样也是重要的数据供方。通信行业是目前中国较大且较为成熟的细分行业数据交易市场。图 26 通信行业数据交易市场规模，2021-2030 年预测（以交易额计），按应用领域口径统计 来源：头豹研究院 通信行业既是较大的数据应用方同样也是重要的数据供方，比如通讯网络运营商。通信行业作为数据供方，金融和交通领域皆是通信最主要的数据采购方；通信行业作为数据应用方，相关通信数据产品主要被应用于例如运营商客户维系、对外营销（群体分析）以及店铺选址等定位服务，这类数据产品的交易流通更多存在于通信行业内部。未来，考虑到运营商这一类数据应用所具备的广泛性，通信作为数据供方的增长趋势可能超越作为数据需方的趋势，而在针对定位服务、客户营销群体分析等服务领域上，通信行业仍具有一定的数据交易市场增长空间。预测至 2025 年，市场规模有望增长达到约 185.5 亿元，2021-2025 年 CAGR 可达 35.2%；至 20302023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 32 年，其市场规模有望超 400.0 亿元，2025-2030 年 CAGR 预计将达到 20.5%，市场占比预计仍将维持在 9.1%左右。(六)制造业业数据交易市场规模和增预测 2022 年，中国制造工业行业数据交易规模达到约 61.4 亿元人民币，占据市场整体规模约 7.0%，预测至2030 年规模占比有望上升至 9.7%，增长点在于小企业信息化趋势所带来的数据应用需求。图 27 制造工业数据交易行业市场规模，2021-2030 年预测（以交易额计），按应用领域口径统计 来源：头豹研究院 工业制造企业，包括钢铁厂、高端制造企业等均是制造工业领域数据交易的应用方，工业制造企业采购数据产品的核心目的是为了降低成本和提高效率，并取得竞争优势。从政策环境和国家战略角度看，数据产品在中国制造工业领域的核心场景和增长点在于两方面：第一，高端制造型企业未来仍存在大量的数据应用需求，无论从国家战略政策角度亦或是从行业本身发展需求看，智能制造一定是行业大趋势，数据产品在这方面起着关键作用，帮助企业检测和优化生产过程，提高生产效率和质量；第二，传统制造工业领域中小企业的信息化需求不容忽视，例如信息化需求正在促进偏远地区的小规模钢铁生产厂家的数据产品交易。因此，基于以上观点，预测至 2025年，市场规模有望增长达到约166.6 亿元，2021-2025 年 CAGR 可达 42.7%；至 2030 年，其市场规模有望接近 500.0 亿元，2025-2030 年CAGR 预计将达到 24.6%，市场占比预计将提高至约 9.7%。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 33(七)政务业数据交易市场规模和增预测 2022 年，中国政务行业数据交易市场规模达到约 61.4 亿元人民币，占据市场整体规模约 7.0%，数据产品在政务领域的应用作用主要体现在驱动决策、服务民生、助力公共安全和促进经济发展方面。图 28 政务行业数据交易市场规模，2021-2030 年预测（以交易额计），按应用领域口径统计 来源：头豹研究院 政务行业数据交易市场在近几年内也展现出了比较活跃的状态，数据产品在政务领域的应用作用主要体现为四块：数据驱动决策、数据服务民生、数据助力公共安全和数据促进经济发展。决策方面，政务部门通过收集和分析数据，能够更好地了解社会和经济的发展情况，从而做出更科学、更有效的决策，例如制定更合理的交通规划等；民生服务方面，政务部门可以通过互联网等渠道收集和发布民生信息；公共安全上，通过监控系统和大数据分析等技术，提高社会治理的水平；另外政府部门也通过分析市场数据，了解市场需求和趋势，从而制定更加精准的经济发展策略。未来，智慧城市建设、市场监管等均是政务行业数据应用的重要方向，预测至 2025年，市场规模有望增长达到约 122.8 亿元，2021-2025 年 CAGR 可达 29.8%；至 2030 年，其市场规模有望超 200.0 亿元，2025-2030 年 CAGR 预计将达到 16.0%，市场占比预计降低至约 5.0%。()医疗健康业数据交易市场规模和增预测 2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 34 2022 年中国医疗健康行业数据交易规模达到约 52.6 亿元人民币，占据市场整体规模约 6.0%，乐观预测如医保数据要素市场先行先试，将带动医疗健康行业数据交易市场规模增长，至 2030年其规模占比有望上升至约 8.0%。图 29 医疗健康行业数据交易市场规模，2021-2030 年预测（以交易额计），按应用领域口径统计 来源：头豹研究院 就应用端而言，医院、保险公司、药厂及医疗器械相关企业均是目前医疗健康领域的主要数据应用方。医疗健康行业数据交易市场在过去几年内由于受到较为严格的政策监管限制，数据交易规模始终较小，但是医疗数据却是公认最具有价值的，它可被应用于智慧导诊、医院管理、医疗科技创新、临床诊疗、健康干预、慢病管理、医疗保险、比较效果研究风险识别、医药市场调研等领域，应用场景将得到不断的丰富。因此，乐观预测下，在目前各省各地医保数据平台已建成的大背景下，如果加之政策的持续推进，未来 3-5年内医保数据要素流通必要性凸显，预计未来医保数据要素市场有望先行先试，医疗健康行业数据交易市场将迎来较快的增长速率及巨大的市场增长空间。预测至 2025年，医疗健康数据交易市场规模有望增长达到约 137.3 亿元，2021-2025 年 CAGR 可达 33.5%；至 2030 年，其市场规模有望超 400.0 亿元，2025-2030 年CAGR 预计将达到 24.6%，市场规模占比将上升至约 8.0%。(九)交通运输业数据交易市场规模和增预测 2022 年，中国交通运输行业数据交易规模达到约 35.1 亿元人民币，占据市场整体规模约 4.0%，交通领域数据维度非常丰富，应用场景多样化，随着政策持续推进，预测至 2030 年其规模占比有望上升至 5.1%。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 35 图 30 交通运输行业数据交易市场规模，2021-2030 年预测（以交易额计），按应用领域口径统计 来源：头豹研究院 受限于数据保护和隐私问题、数据碎片化及政策监管等因素，交通运输行业数据交易市场尚未达到预期规模，目前交通运输行业的数据应用更多还是仅局限于车险服务领域，数据应用场景仍有待持续开发。事实上，交通领域数据体量非常大、种类繁多，包括高速大数据、车辆大数据、ETC 大数据、运力大数据、北斗大数据等，都是非常具有应用潜力的数据资源，可以帮助交通管理和规划部门、旅游服务提供商、物流公司、车企、保险公司、航空公司、船务公司、导航设备制造商等多方改善运营、提高效率、优化决策以及推动创新。交通运输行业数据交易市场在未来有望持续推进和落地。预测至 2025年，交通运输数据交易市场规模有望增长达到约 88.2 亿元，2021-2025 年 CAGR 可达 39.2%；至 2030 年，其市场规模有望至 264.4 亿元，2025-2030 年 CAGR 预计将达到 24.6%，市场规模占比将上升至约 5.1%。六、中国数据交易产业链价值分析 主要观点：1.数据流通端作为数据要素流通的中介与核心，连接了各类市场主体，是数据作为生产要素进行交互、整合、交换、交易的平台，是推动数据交易市场建设的基础。2.数据交易是以数据作为商品进行分类定价、流通和买卖的行为，是数据要素流通的基本方式之一，帮助数据要素实现信息与货币的交换。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 36 3.构建数据交易基础制度体系，是新时代中国改革开放事业持续向纵深推进的标志性、全局性、战略性举措，有利于充分发挥数据要素作用。()中国数据要素产业链图谱：数据流通为产业链核环节 数据流通端作为数据要素流通的中介与核心，连接了各类市场主体，是数据作为生产要素进行交互、整合、交换、交易的平台，是推动数据交易市场建设的基础。图 31 中国数据要素流通行业产业链 来源：头豹研究院()数据交易环节在数据要素产业链中的重要作 数据交易是以数据作为商品进行分类定价、流通和买卖的行为，是数据要素流通的基本方式之一，帮助数据要素实现信息与货币的交换。图 32 数据要素产业链 来源：头豹研究院 2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 37 图 33 数据交易平台服务作用 来源：头豹研究院 数据交易未来主要发展方向：数据交易平台模式是中国未来数据交易的主要发展方向。中国政策鼓励场内数据交易，中国数据交易所及数据交易平台的数量不断上升。数据交易平台核心功能：数据交易所通过制定数据交易流程及规章，能够更好在数据交易环节做好风险控制，以利于企业更合规、更高效地获取外部数据赋能数字化转型，并推动数据要素流通市场建设。场内交易问题：目前各大交易平台的交易规则存在差异，未形成统一的标准和价格。(三)中国数据交易制度分析 构建数据交易基础制度体系，是新时代中国改革开放事业持续向纵深推进的标志性、全局性、战略性举措，有利于充分发挥数据要素作用。图 34 场内外数据交易流程 来源：数据二十条、头豹研究院 2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 38 随着数据要素地位的确立，中国数据交易市场规模也呈现快速增长趋势。数据交易既可通过依法设立的数据交易平台进行（场内交易），也可由交易双方依法自行交易（场外交易）。数据二十条关于构建场内外四个交易制度的解释：建立保障权益、合规使用的数据产权制度。探索数据产权结构性分置制度，建立数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的数据产权制度框架。建立合规高效、场内外结合的数据要素流通和交易制度。从规则、市场、生态、跨境等四个方面构建适应中国制度优势的数据要素市场体系。建立体现效率、促进公平的数据要素收益分配制度。初次分配阶段按照“谁投入、谁贡献、谁受益”原则，推动数据要素收益向数据价值和使用价值创造者合理倾斜，在二次分配、三次分配阶段，重点关注公共利益和相对弱势群体，防止各类风险挑战。建立安全可控、弹性包容的数据要素治理制度。把握一条主线，坚持促进数据治理制度，构建政府、企业、社会多方协同的治理模式。七、中国数据交易竞争格局 主要观点：1.中国数据交易行业竞争梯队可按照国家级、省市级、行业级和企业级划分。()中国数据交易业竞争格局 中国数据交易行业竞争梯队可按照国家级、省市级、行业级和企业级划分。中国数据交易行业场内竞争格局较为集中，多集中于华东与华南地区。场外竞争格局较为分散，且头部和腰部企业的竞争格外激烈。对比分析场内全国数据交易平台，可以发现如下特点：第一，数据交易平台多集中于东部和南部经济发达地区，华东地区和华南地区为主要的数据交易机构聚集地。第二，以国资主导公司制为主，目前全国的数据交易平台多数为国资主导或国资全运营公司，如贵阳大数据交易所由贵阳国资部门管理运营，广州数据交易有限公司的实控人为广州市政府，湖南大数据交易所由长沙市国资委实控，北京国际大数据交易所由北京市国资委通过北京金融控股集团有限公司实控等。第三，普遍注册资本较高，大多数据交易平台注册资本金为 5000 万元或 1 亿元，注册资本最高的是上海数据交易所有限公司，为 8 亿元，其余数据交易平台注册资本多在 1000 万到 6000 万之间。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 39 图 35 竞争梯队划分 来源：公开资料、头豹研究院、中国数据交易业未来发展趋势 主要观点：1.随着围绕数据监管的政策、法治体系日益完善，政策对制约数据交易利益平衡机制的因素进行健全和发展，以此来规范数据交易利益的平衡机制，为数据交易的未来发展打下坚实基础。2.随着数据要素交易时代的深入发展，技术成为未来数据要素交易活动的重要基座和保障支撑。3.政策及市场鼓励对多方市场参与者划分等级，建立数商分级制度并科学管理以促进数据交易市场的发展，同时也更好的发挥数据的利用价值。()未来发展趋势：政策完善，构建数据交易利益平衡机制 随着围绕数据监管的政策、法治体系日益完善，政策对制约数据交易利益平衡机制的因素进行健全和发展，以此来规范数据交易利益的平衡机制，为数据交易的未来发展打下坚实基础。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 40 图 36 难以构建数据交易利益平衡机制的主要制约因素 来源：中国信息通信研究院、头豹研究院()未来发展趋势：技术提升，解决定价、安全等数据交易问题 随着数据要素交易时代的深入发展，技术成为未来数据要素交易活动的重要基座和保障支撑。表 5 数据的现实特征 特征 特征 描述 描述 容易复制 数据要素可复制速度快、且成本低、难度小 确权困难 数据要素的所有权、控制权、处置权的识别与其他要素有显著差异 非排他性 数据的非排他性复制给 A 并不妨碍复制给 B；A、B 可同时使用 传播迅速 基于信息化手段，数据要素的传播无距离和时间限制 难以估值 数据要素具有价值不确定性定价困难 数据要素具有易复制、确权难、非排他、传播快、难估值等特征，这使得数据在处理和交易过程中面临多种安全风险。在数据安全方面：数据可能被未经授权的人员或机构获取、泄露、滥用等，导致数据的保密性和可控性受损。数据也可能被内部人员或外部黑客伪造、篡改等，导致数据的真实性和完整性受损。在数据定价方面：由于数据要素的难估值特点，传统的估计方式对于数据要素难以完全适用，由于牵涉主体多，可参考案例少，导致数据定价及数据估值问题难以解决。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 41 表 6 技术提升解决数据交易问题 名称名称 发展水平 发展水平 描述描述 发展发展 数据资数据资产控制产控制相关技相关技术术 数据控制 指在数据的传输、存储、使用和销毁环节，通过机器可读的电子合约，实现对数据资产使用的时间、地点、主体、行为和客体等因素的控制 在作用范围、周期和控制在作用范围、周期和控制的颗粒度等因素上丰富与的颗粒度等因素上丰富与革新革新 计算 隐私 面向隐私信息全生命周期保护的计算理论和方法 提高了稳定性与多系统融提高了稳定性与多系统融合基础合基础 计算 机密 机密计算面向云计算应用，在数据处理过程中将敏感数据隔离保护 技术升级,提供更大数据技术升级,提供更大数据安全保障安全保障 数据资数据资产管理产管理相关技相关技术术 管理 元数据 通过元数据管理，可以提升共享、重新获取数据和理解企业信息资产的水平 技术升级，提高每个元模技术升级，提高每个元模型的生命周期管理型的生命周期管理 态势感知数据安全 对数据全生命周期各个环节的操作状态、合规状态、异常状态进行采集融合分析 技术升级，预测数据安全技术升级，预测数据安全走势走势 可信环可信环境境 可信执行环境 在数据运算过程时通过该安全区域中执行加解密等保证安全 技术升级确保原始数据不技术升级确保原始数据不被泄露被泄露 系统环境可信软件 是指在软件层面，将 App 运行时隔离，防止其他 App 调取数据 技术升级，提升防范主系技术升级，提升防范主系统攻击统攻击 技术的提升不仅实现数据交易过程参与方可信任、数据使用全程可管可控、可追溯，解决各个参与方的安全顾虑，还促进数据要素在不同主体和边界间的有序共享、交换和交易，充分释放数据要素的价值。(三)未来发展趋势三：划分等级，建数商分级制度并科学管理 政策及市场鼓励对多方市场参与者划分等级，建立数商分级制度并科学管理以促进数据交易市场的发展，同时也更好的发挥数据的利用价值。国家层面高度重视数据场内交易体系的建设，建立“所商分离”的数据交易生态。继上海数据交易所提出“数商”概念以来，国家层面积极推动数据商生态的发展，在数据二十条中多次提及数据商，并明确“推进数据交易场所与数据商功能分离”。数据交易所的所商分离借鉴了证券市场交易所与证券商分离的模式，但数据交易复杂程度远胜于证券交易，相关交易所因此承担了重要的制度设计“排头兵”作用。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 42 图 37 数商生态体系 来源：全国数商产业发展报告、头豹研究院 政策导向：国家政策导向鼓励培育多方市场参与者以更好地发挥数据利用价值。规范培育数据交易市场主体，发展评估、登记结算、交易撮合、争议仲裁等市场运营体系。市场导向：数据流通市场的现实情况也在呼吁第三方专业服务商的介入以实现供需双方的高效匹配。数据要素市场目前属于新生事物，数据产品的供应商、需求方以及一批第三方服务商是数据要素市场的主要参与者。在此背景下仅仅依靠企业自身力量来参与市场并组织数据产品的效率较低。需要较大的经济能力和技术能力支撑，需要专业的数据服务市场参与者，协助企业完成在数据产品交易市场的发展，并通过划分等级，建立数商分级制度并科学管理，未来“数商”生态有望赋能数据交易行业繁荣发展。九、中国数据交易业企业案例 主要观点：1.上海数据交易所是在上海市人民政府指导下组建的准公共服务机构。以构建数据要素市场、推进数据资产化进程为使命。()中国数据交易业企业案例上海数据交易所 上海数据交易所是在上海市人民政府指导下组建的准公共服务机构，是唯一完成证监会报备流程的机构。上海数据交易所以构建数据要素市场、推进数据资产化进程为使命，承担数据要素流通制度和规范探索创新、数据要素流通基础设施服务、数据产品登记和数据产品交易等职能。目前，上海数据交易所以打造全球数据的重要枢纽节点为目标，配置现有资源。上海数据交易所战略理念：地位定位，上海要打造国家级数据交易所，依托全国数据交易联盟，深化数据交易机构合作。板块定位，做强金融、航运、商贸物流、科技、制造业等重点板块，培育通信、医疗、交通、能源、信用等特色板块。市场发展指数，创建数据要素市场国家工程研究中心，建立“上海数”市场发展指数。整合体系，加快各类企业进场交易。建立数据流通合规体系，完善数据产品分类分层。上海数据交易所交易原则：不合规不挂牌，无场景不交易。上海数据交易所企业地位：由上海市人民政府指导组建的准公共服务机构。上海数据交易所国内首个数据交易链的一期建设工作：一地挂牌、全链流通。2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 43 图 38 企业主要情况 来源：上海数据交易所、头豹研究院 图 39 上海数据交易所发展大事件 来源：上海数据交易所、头豹研究院 图 40 上海数据交易所首创“数商”模式 来源：上海数据交易所、头豹研究院 2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 44()中国数据交易业企业案例西部数据交易中 西部数据交易中心是国家发改委、中央网信办等国家部委及重庆市政府于 2021 年 12 月共同批准成立并授权挂牌的重庆市唯一的数据要素流通交易场所，以促进数据合规高效流通、赋能实体经济为主要职责，积极发挥数据交易服务平台、数据生态培育平台、实体经济赋能平台功能，围绕数据产品交易服务、数字资产交易服务两条主线，聚焦确权、定价、互信、入场、监管难题，积极探索交易规则、交易系统、交易环境、交易模式等创新，努力成为国内领先的数据交易场所。图 41 西部数据交易中心交易流程和标的 来源：公开资料、头豹研究院 山东数据交易公司交易标的：API 接口，应用程序接口是一组定义、程序及协议的集合，通过 API 接口实现计算机软件之间的相互通信。AI 模型，以数据融合为基础，利用智慧运营、AI 算法等根据具体的应用场景处理数据，从而为交易者提供更准确的参考信息。数据包，包括原始数据和所形成的数据模型应用模块。数据报告，指对特定数据进行分析得到的结论性文件。例如气象等级图、企业信用评价报告、企业专利评价报告、企业信用报告等。(三)中国数据交易业企业案例东数据交易有限公司 山东数据交易有限公司是经省政府批准，由省大数据局和省国资委推动设立的山东省唯一省级数据交易机构，加挂“山东数据创新应用中心”牌子，定位于省级综合性数据服务平台，提供数据交易平台服务、数据产品开发服务、数据应用服务、公共数据资源开放渠道服务和其他类型服务等。根据山东省十四五规划，承担高水平建设山东大数据交易中心、搭建全省统一的数据交易平台、规范数据交易行为、培育壮大山东大数据产业等重要职能。交易标的类型 交易标的类型 API 接口 AI 模型 数据报告 数据包 电商类 航旅类 建筑类 能源类 通信类 信用类 医疗类 汽车类 覆盖行业领域 覆盖行业领域 主体入驻 产品上架 交易撮合 交付结算 2023 年中国数据交易市场研究分析报告?China Data Transaction Market Research and Analysis Report 45 图 42 山东数据交易公司交易流程和标的 来源：公开资料、头豹研究院 山东数据交易公司交易标的：数据集，指以固定的存储方式提供、可直接流通的数据集合。数据接口，指以特定传输接口的方式提供的数据，使用者通过调用接口获取数据。数据报告，指对特定数据进行分析得到的结论性文件。数据应用，指基于特定数据加工、整合形成的应用类数据（产品）。例如服务于营销、推荐、展示等特定场景，并以可视化界面直接面向数据使用者提供数据分析、挖掘结果的软件、系统等。交易审核 交易磋商 合同签署 交易鉴证 交付管理 交易标的类型 交易标的类型 数据集 数据接口 数据报告 数据应用 金融科技 生产管理 人工智能 电子商务 交通地理 大宗商品 生活服务 医疗数据 覆盖行业领域 覆盖行业领域

0人已浏览 2023-12-01 51页 5星级

数据要素行业深度报告：新型生产要素，新增长引擎数据要素行业深度报告：新型生产要素，新增长引擎评级：推荐(首次覆盖)证券研究报告2023年11月27日产业1杨仁文(证券分析师)马川琪(证券分析师)S03.

0人已浏览 2023-12-01 66页 5星级

 2023 年深度行业分析研究报告 目目 录录 1、数据链概况.-5-1.1、数据链的定义.-5-1.2、数据通信是实现数据链的基础.-5-1.3、数据链的分类：战术数据链、宽带数据链和专用数据链.-6.

0人已浏览 2023-11-27 59页 5星级

中国第三方中国第三方IDC行行业财务数据回顾及业财务数据回顾及未来展望未来展望2023年11月Written by目录1.前言32.中国数据中心行业发展现状63.营业收入增速放缓，优势企业毛利率领跑104.行业盈亏持续分化，盈利效率有待提升175.客户集中度偏高，盈利稳定性偏弱6.负债融资持续高企，偿债能力趋于稳健247.总资产增速回落，资本支出规模维稳8.经营现金流稳步提升，销售回款持续向好9.资本市场预期放缓，投资回报波动上扬3510.中国数据中心行业近期展望401322922Written by前言前言1中国第三方IDC行业财务数据回顾及未来展望|4公司公司从业从业时间时间合作合作/服务企业客户类型服务企业客户类型资本资本市场市场上市上市年份年份IDC业务业务占比占比万国数据万国数据 2001年超大规模云服务、大型互联网、金融、电信、IT服务、大型国内私营部门、跨国公司境外2020年99.6%世纪互联世纪互联 1996年大型互联网、政府及传统企业、金融等其他企业境外2011年100.0%秦淮数据秦淮数据 2015年大型互联网企业境外2020年100.0%数据港数据港2009年大型互联网、云计算企业A股2017年99.8%光环新网光环新网 2001年大型互联网、云计算、金融、电信等其他企业A股2014年29.1%科华数据科华数据 2014年大型互联网、云计算、政企、金融等其他企业A股2010年26.2%润泽科技润泽科技 2009年大型互联网、云计网、电信、政企等其他企业A股2022年100.0%奥飞数据奥飞数据 2004年大型互联网、电信等其他企业A股2018年88.1%美利云美利云2017年大型互联网公司、电信等其他企业A股1998年17.9%第三方第三方IDC企业企业的的客户类型及从业时间概况客户类型及从业时间概况本报告聚焦第三方数据中心代表性企业，选取了9家专注第三方IDC业务的A股和境外头部上市公司，围绕其披露的2019年至2022年企业年报、2023年企业中报信息，详细比较分析了第三方IDC业务公司盈利能力、营运能力、偿债能力、客户集中度等情况。同时对IDC行业发展前景和市场机遇做出展望。注：IDC业务占比系来源于2022年年报中IDC业务的营业收入/营业总收入中国第三方IDC行业财务数据回顾及未来展望|52022年中国年中国IDC行业企业竞争格局行业企业竞争格局数据来源：IDC，信通院近年来，我国加速推进新型信息基础设施建设的步伐，陆续出台了数字中国建设整体布局规划、关于促进数据安全产业发展的指导意见、“十四五”数字经济发展规划、新型数据中心发展三年行动计划（2021-2023年）等多项政策，鼓励数据中心行业创新与发展。互联网数据中心（以下简称“IDC”）是指在特定物理空间内进行数据存储、处理和交互的设备网络中心。我国数据中心行业由基础电信运营商和第三方IDC运营商主导。根据中国信息通信研究院(“信通院”)，2022年第三方数据中心运营商市场份额占比51.7%，首次超过基础电信运营商行业份额48.3%。19.3.7.3Q.7%中国电信中国移动中国联通第三方IDC企业Written by中国数据中心行中国数据中心行业发展现状业发展现状2中国第三方IDC行业财务数据回顾及未来展望|72017-2022年中国数据中心业务年中国数据中心业务市场收入及增长率市场收入及增长率单位：人民币亿元数据来源：信通院2017-2022年我国数据中心总体在用机架规模年我国数据中心总体在用机架规模单位：万架数据来源：中华人民共和国工业和信息化部近年来，我国数据中心市场规模不断增长。根据信通院统计数据，2022年，我国数据中心业务收入约1,900亿元，近五年年均复合增长率达到30.0%，2023 年 市 场 规 模 将 有 望 达2,470亿元。数据中心机架数量快速增长，超大型数据中心成为行业布局重点。国家网信办发布的数字中国发展报告（2022年）显示，2022年全国在用数据中心共有超过650万标准机架（功率2.5KW为一个标准机架），算力总规模位居世界第二，较2017年总机架数量增长达到292.0%。根据信通院数据，2021年大型规模以上的机架为420万架,较2017年增长了4倍。2021年大型规模数据中心（规模大于3000个标准机架即为大型规模以上的数据中心）的占比 达 81.0%，较 2017 年 的50.0%，大幅增长62.0%，这表明新增数据中心主要集中在大型数据中心，行业正在向大型化、集约化发展。2.1 数据中心市数据中心市场规模不断增加场规模不断增加152065036.19.4.3).7%.0 02020212022机架规模增长率512 680 878 1,174 1,500 1,900 32.6).13.7.7&.7 02020212022市场收入增长率中国第三方IDC行业财务数据回顾及未来展望|82020-2023年新增机柜的区域分布年新增机柜的区域分布23.0#.0.0#.0%8.0%1.0%北京及周边地区上海及周边地区广州及周边地区西部地区中部地区东北地区2020-2023年新增机柜的行业分布年新增机柜的行业分布数据来源：ODCC数据来源：ODCC根 据 开 放 数 据 中 心 委 员 会(“ODCC”)统 计 数 据，2020-2023年中国新增机柜主要集中在第三方IDC企业、云计算和互联网公司。目前第三方IDC企业是数据中心行业投资的主要贡献者，并且行业头部的第三方IDC企业的投资布局主要集聚在一线城市周边。受降能耗政策的推动，绿色化和大型化的数据中心是未来投资的重点。2.2 第三方第三方IDC企业为行业投资企业为行业投资主要贡献者主要贡献者56.0.0.0%9.0%2.0%5.0%第三方数据中心服务商云计算和互联网公司电信运营商大型企业金融机构政府部门中国第三方IDC行业财务数据回顾及未来展望|9数据来源：ODCC2.3 地区分布仍地区分布仍不均衡不均衡我国数据中心区域分布呈现不均衡的态势，东部经济发达地区互联网用户密度高，数据中心需求集中。根据ODCC发布的数据，2022年东部发达省份数据中心占比数量为67.5%，其中北京、上海、广州分别占比为14.5%、8.4%、13.3%；中部、西部及东北地区占比分别为14.5%、12.0%和6.0%。2022年中国数据中心地区分布情况年中国数据中心地区分布情况6.0g.5.0.5%东北地区东部地区西部地区中部地区Written by营业收入增速放营业收入增速放缓，优势企业毛缓，优势企业毛利率领跑利率领跑3中国第三方IDC行业财务数据回顾及未来展望|112023年营业收入年营业收入年化年化合计合计44,480百万元百万元2019-2023年第三方IDC上市企业营业收入保持稳定增长，营业收入平均增长率分别为29.0%、21.3%、24.0%、14.2%及10.8%。10.8%总体营业收入增长率接近或跑赢国外头部IDC上市企业Equinix。一方面得益于整体宏观环境及产业发展红利。自2020年进入算力中心时期以来，产业整体逐步进入成熟期，根据中国数据中心产业发展白皮书（2023年），2022年全球数据中心产业规模达1,308亿美元，迎来上升拐点。另一方面，云计算业务驱动市场需求持续提升，行业内公司依靠快速扩张自建数据中心实现内生驱动和资本并购扩张外延驱动增长。我国第三方IDC企业营收增速逐年下降。我国数据中心产业历经快速成长期，正慢慢向成熟期过渡，增速有所下降。近三年宏观经济增速放缓，移动互联网趋于饱和，消费互联网需求减缓，公有云部署主要以存量为主。同时，机柜平均价格有所下降。根据2020-2021年IDC行业发展研究报告，中国IDC机柜平均价格呈现一定下降，部分地区明显下浮，呈现买方市场。2019-2023年第三方年第三方IDC企业营业收入增速企业营业收入增速数据来源：wind数据库，企业年报整理注：本报告中2023年化财务指标均根据2023年6月30日的中期报告年化整理所得，下同。为直观呈现全部均值和Equinix的趋势对比，本报告所有图仅在“全部均值”和“Equinix”的财务指标上添加数值标签，下同。29.0!.3$.0.2.8.0%1.1%8.0.5.3%0%5 %05E 0222023年化境外上市公司均值A股上市公司均值全部均值Equinix中国第三方IDC行业财务数据回顾及未来展望|122019-2023年三方年三方IDC企业营业收入规模分化企业营业收入规模分化单位:人民币百万元数据来源：wind数据库，企业年报整理第三方IDC企业营业收入和增速呈现明显分化。万国数据、世纪互联开展数据中心业务较早，机柜数量和上架率较高，形成规模效应，营收规模处于行业头部。光环新网依托自身云计算业务优势，采取自建和零售模式提供高品质数据中心，总体营收规模位居行业前列。秦淮数据、科华数据和润泽科技营收增速较快。秦淮数据定位于超大型数据中心综合方案提 供 商，深度绑定 用户。科华数据深 耕电子电力技术领 域，完成不间断电 源（Uninterruptible Power Supply,UPS）龙头企业向“数据” “数能”的战略转变，兼具第三方运营商和UPS、制冷等上游产业研发生产能力。润泽科技定位批发业务模式，专注开发大规模以及超大规模数据中心，直接与基础电信运营商合作，园区级数据中心优势明显。数据港、奥飞数据、美利云营收份额相对较小。数据港为深耕上海等一线城市，以自建 定制化批发的业务模式为主。奥飞数据较早布局IDC业务，由租赁模式转型自建数据中心，具有丰富的经验。02,0004,0006,0008,00010,00012,000万国数据 世纪互联 秦淮数据 光环新网 科华数据 润泽科技 数据港 奥飞数据 美利云200222023 年化中国第三方IDC行业财务数据回顾及未来展望|02120222023 年化年化营业收入增长率营业收入增长率营业收入增长率营业收入增长率营业收入增长率万国万国数据数据4,12247.6%5,73939.2%7,81936.2%9,32619.3%9,7624.7%世纪世纪互联互联3,78911.4%4,82927.4%6,19028.2%7,06514.1%7,256 2.7%秦淮秦淮数据数据853 770.4%1,831 114.7%2,85255.8%4,55259.6%5,994 31.7%境外境外上上市公司市公司均值均值2,92139.3%4,13341.5%5,62036.0%6,98124.2%7,6719.9%数据港数据港727-20.1025.2%1,24536.8%1,45516.9%1,492 2.5%光环光环新网新网7,09717.8%7,4765.3%7,7003.0%7,191-6.6%7,600 5.7%科华科华数据数据3,86912.6%4,1687.7%4,86616.7%5,64916.1%6,793 20.3%润泽润泽科技科技989N/A1,39441.0%2,04746.8%2,71532.6%3,366 24.0%奥飞奥飞数据数据883 114.81-4.8%1,20543.3%1,097-9.0%1,334 21.6%美利云美利云1,044-0.5%1,16211.3%1,2326.0%1,100-10.73-19.7%A股上股上市公司市公司均值均值2,43523.5%2,6599.2%3,04914.7%3,2015.0%3,57811.8%全部上全部上市公司市公司平均值平均值2,59729.0%3,15021.3%3,90624.0%4,46114.2%4,94210.8%Equinix38,72311.09,1411.1B,2868.0P,09518.5X,251 16.3%数据来源：wind数据库，企业年报整理注：(1)润泽科技2021年借壳上海普丽盛包装股份有限公司，仅公布润泽科技借壳时点近三年的财报数据，2019年财务指标增速不适用营业收入及增长率营业收入及增长率（单位：人民币百万元）（单位：人民币百万元）(2)该指标均值计算口径为算术平均值；本报告所有绝对数指标和比率指标的均值采用算术平均，平均增长率为计算指标均值后的变动率中国第三方IDC行业财务数据回顾及未来展望|14数据来源：wind数据库，企业年报整理2023年毛利年毛利年化合计年化合计10,720百万元百万元5.6 19-2023年第三方IDC企业的毛利随着营收拉动呈现总体逐年提高的趋势。由于IDC行业的重资产属性，处于成长期扩张期的企业从在建工程投资到完成建设再到投产实现营收的周期较长，在持续扩张的建设期内，短期毛利较低。IDC机房运营期内，随着机柜上架率爬升，IDC企业营收逐步上扬，毛利也随之呈现增长趋势。因此，2019-2023年第三方IDC企业整体从扩张期过渡到稳定运营期，毛利总额逐年向好。2019-2023年第三方年第三方IDC企业毛利企业毛利单位：人民币百万元2023年第三方IDC企业年化毛利总额10,720百万元，增幅5.6%。05001,0001,5002,0002,5003,000万国数据 世纪互联 秦淮数据 光环新网 科华数据 润泽科技数据港奥飞数据美利云200222023年化中国第三方IDC行业财务数据回顾及未来展望|15数据来源：wind数据库，企业年报整理2019-2023年年第三方第三方IDC企业企业毛利率毛利率2023年年毛利率毛利率23.6 19年-2023年我国第三方IDC企业毛利率有所下降，相较于国外优势企业Equinix，整体企业的获利能力有待进一步提升。主要是由于近年来营业收入增速减缓，同时2021年第三季度电力改革，单机柜的成本承压，导致毛利空间收窄。部分优势企业毛利率实现领跑。2023年全球领先的数据运营商Equinix的毛利率为48.5%，相较于国际领先公司的毛利水平，润泽科技略低于Equinix，其毛利率为48.4%，紧随其后的秦淮数据毛利率为42.2%。IDC企业的毛利率取决于机柜单价、上架率和单机柜成本。润泽科技秉承着“自建、自投、自持、自运维”的业务模式，截至2023年6月30日，成熟数据中心上架率超过90.0%，超高的上架率为毛利表现创造基础。秦淮数据专注超大型数据中心业务，凭借其自建能力和规模效应，以低建造成本、高上架率、低运维成本驱动着领先的毛利表现。27.70.7).2&.6#.6I.5H.7G.7H.3H.5 %05EPU 0222023年化境外上市公司均值A股上市公司均值全部平均值Equinix中国第三方IDC行业财务数据回顾及未来展望|16数据来源：wind数据库，企业年报整理200222023年化年化毛利毛利率毛利毛利率毛利毛利率毛利毛利率毛利毛利率万国万国数据数据1,04325.3%1,55027.0%1,77922.8%1,93620.8%2,08521.4%世纪世纪互联互联93924.8%1,07622.3%1,43823.2%1,35819.2%1,39019.2%秦淮秦淮数据数据24328.5s340.0%1,20042.1%1,89341.6%2,53242.2%境外境外上上市公司市公司均值均值74226.2%1,12029.8%1,47229.4%1,72927.2%2,00227.6%数据港数据港26536.46339.9B233.9B028.8510.4%光环光环新网新网1,52921.5%1,57821.1%1,58720.6%1,10615.4Q26.7%科华科华数据数据1,20031.0%1,32731.8%1,42129.2%1,66429.5%1,98929.3%润泽润泽科技科技47848.3t153.1%1,11354.4%1,44253.1%1,62848.4%奥飞奥飞数据数据18220.6$829.55229.20928.27027.7%美利云美利云13913.3211.47.6&2.4Y6.7%A股上股上市公司市公司均值均值63228.5s231.1229.2826.2x621.5%全部上全部上市公司市公司平均值平均值66927.7130.7%1,04529.2%1,12826.6%1,19123.6%Equinix19,15949.5,08048.7 ,15747.7$,22048.3(,27648.5%毛利及毛利率毛利及毛利率（单位：人民币百万元）（单位：人民币百万元）Written by行业盈亏持续分行业盈亏持续分化，盈利效率有化，盈利效率有待提升待提升4中国第三方IDC行业财务数据回顾及未来展望|18数据来源：wind数据库，企业年报整理2019-2023年第三方年第三方IDC企业企业净利润净利润2022年，由于地缘政治冲突带来的能源紧缺和价格上涨，IDC企业的用电成本随之攀升。由于极端天气频出使得能耗增加，导致数据中心整体运营成本、电费显著增加，进一步摊薄了企业净利水平。除此之外，由于IDC运营商供应量持续增加、行业下游的互联网企业削减业务预算以及业务调整等因素，部分IDC企业出现了资产减值，例如2022年光环新网计提商誉减值，秦淮数据对非核心业务资产计提减值。行业龙头企业相继出现亏损，IDC行业整体的盈利水平仍较低。综上所述，保持对行业风险的警惕，控制期间费用、降低运营成本成为行业共同的关注焦点。第三方第三方IDC企业企业盈亏分化明显盈亏分化明显(3,000)(2,500)(2,000)(1,500)(1,000)(500)05001,0001,5002,000万国数据 世纪互联 秦淮数据 光环新网 科华数据 润泽科技 数据港 奥飞数据 美利云200222023年化单位：人民币百万元中国第三方IDC行业财务数据回顾及未来展望|192019-2023年年第三方第三方IDC企业企业净利润增速净利润增速数据来源：wind数据库，企业年报整理2020年全部上市公司的净利润平均值骤降，主要是受行业头部公司亏损影响，其中靠并购或者合作建设数据中心，较自建数据中心，成本较高，毛利低。2020年万国数据借款、财务租赁导致利息费用增加，此外由于资本市场有关的期间费用显著增加，净利出现亏损；2020年世纪互联可转换债券公允价值下跌、推出期权计划、计提长期资产减值等，导致短期内出现明显亏损，净利润呈现下降趋势。126.7%-386.8 6.2%-147.345.9.6%-31.61.9R.69.0%-400%-300%-200%-100%00 0000P0 0222023年化年化境外上市公司均值A股上市公司均值全部平均值Equinix第三方第三方IDC企业企业盈亏分化明显盈亏分化明显中国第三方IDC行业财务数据回顾及未来展望|20数据来源：wind数据库，企业年报整理注：境外上市企业的EBITDA直接摘自年报Adjusted EBITDA，润泽科技未披露2018年数据数据来源：wind数据库，企业年报整理2019-2023年第三方年第三方IDC企业企业EBITDA增长率增长率200222023年化年化EBITDAEBITDA增长率EBITDAEBITDA增长率EBITDAEBITDA增长率EBITDAEBITDA增长率EBITDAEBITDA增长率万国数据万国数据1,82474.2%2,68147.0%3,70338.1%4,25114.8%4,73011.3%世纪互联世纪互联1,050 14.4%1,324 26.1%1,75432.5%1,8736.8%2,18218.9%秦淮数据秦淮数据298 1590.02185.9%1,41966.5%2,37467.3%3,26037.3%境外境外上市公上市公司均值司均值1,05763.1%1,61953.2%2,29241.6%2,83323.6%3,39119.7%数据港数据港3526.0T153.7155.5%1,02121.4%1,0523.0%光环新网光环新网1,48814.7%1,65911.5%1,633-1.6%4-99.8227950.0%科华数据科华数据518 39.6963.9%1,08127.36-12.5%1,42750.8%润泽科技润泽科技465N/A64438.5%1,15379.0%1,58137.1%1,87118.3%奥飞数据奥飞数据211115.34864.9F333.0B1-9.1R224.0%美利云美利云13412.6918.71-36.5%-99-198.04-235.4%A股上市公股上市公司均值司均值52843.1p032.6925.6d6-26.58 37.5%全部上市公全部上市公司司平均值平均值704 52.4%1,00642.9%1,35034.2%1,3751.9%1,722 25.2%Equinix18,71112.8,615-0.5 ,0387.6#,24116.0&,76415.2%第三方IDC企业EBITDA总体增速放缓。主要是受到全球经济增速放缓以及近年来移动互联网的消费需求饱和的影响。EBITDA及及EBITDA增长率增长率（单位：人民币百万元）（单位：人民币百万元）52.4B.94.2%1.9%.2.8%-0.5%7.6.0.2%-100%00 0222023年化年化境外上市公司均值A股上市公司均值全部平均值Equinix中国第三方IDC行业财务数据回顾及未来展望|212023年年EBITDA年化均值年化均值1,722百万元百万元25.2%数据来源：wind数据库，企业年报整理单位：人民币百万元2019年-2023年期间，第三方IDC企业的EBITDA呈现稳健增长态势。主要系宏观环境利好以及企业内生增长双重驱动所致。一方面，在国家大数据战略和数字经济政策指引下，IDC行业迎来政策利好。技术升级驱动市场需求增长，例如5G创新运用到各个领域，流量剧增带动数据需求增加，企业数据中心投资增加，IDC企业上架率提升拉动收入增加。另一方面，数据中心规模效应导致机房的运维成本降低。在“双碳”战略的引导下，IDC行业蓄力研发，新型液冷及风冷等技术纷纷落地，能效技术进步使得PUE不断降低。宏观环境政策利好拉动了营收规模提升，运维成本降低和能源效率的优化推动了IDC企业EBITDA的稳步增加。704 1,006 1,350 1,375 1,722 18,711 18,615 20,038 23,241 26,764 05,00010,00015,00020,00025,00030,000200222023年化境外上市公司均值A股上市公司均值全部平均值Equinix2019-2023年第三方年第三方IDC企业企业EBITDAWritten by客户集中度偏高，客户集中度偏高，盈利稳定性偏弱盈利稳定性偏弱5中国第三方IDC行业财务数据回顾及未来展望|23行业内普遍行业内普遍呈现出大客户呈现出大客户集中现象集中现象2019-2022年年A股第三方股第三方IDC企业前五大客户企业前五大客户销售占比变动销售占比变动目前我国第三方IDC企业大客户集中度高，并且客户主要聚集于大型互联网、基础电信运营商及其他政企公司等行业领域。第三方IDC上市企业公开年报披露，润泽科技、秦淮数据及数据港前五大客户销售占比近年来超过80.0%，万国数据、奥飞数据及美利云近四年前五大客户销售占比基本保持在40.0%以上。尽管存在较强的大客户依赖，考虑到数据中心较高的资产投入及相对较长的建设周期，以及客户对于稳定持续IDC服务需求的要求，客户转换成本亦相对较高，保证了第三方IDC企业稳定营收来源。但较强的大客户依赖现象下，行业现金流和信用集中风险也随之增大，在一定程度上增加了企业经营风险。开拓新客户群，推进客户多元化，弱化自身对大客户的依赖，仍为我中国上市数据中心企业亟待解决的课题。注：由于A股企业年报公开披露前五大客户销售占比，考虑数据的可获得性和准确性，我们主要统计A股企业；润泽科技未披露2019-2021年前五大客户销售占比数据来源：企业年报整理0 00 022光环新网科华数据鹏博士奥飞数据美利云数据港Written by负债融资持续高负债融资持续高企，偿债能力趋企，偿债能力趋于稳健于稳健6中国第三方IDC行业财务数据回顾及未来展望|25行业整体行业整体资产负债率资产负债率53.0%-60.4%数据来源：wind数据库，企业年报整理2019-2023年第三方年第三方IDC企业资产负债率企业资产负债率2019-2023年第三方年第三方IDC企业资产负债率企业资产负债率数据来源：wind数据库，企业年报整理第三方IDC企业负债率总体呈现增长趋势，境外上市公司的负债率高于A股上市公司。较国外优势企业Equinix,我国IDC服务商的负债率相对较低。IDC行业重资产布局的投资属性决定了行业密集的资金需求。受制于企业背景、融资成本和融资渠道，我国第三方IDC企业主要以负债融资为主要资金来源。行业整体的资产负债率相对较高，在53.0%-60.4%区间运行，2023年资产负债率年化达到57.7%。其中万国数据、润泽科技、奥飞数据、世纪互联、数据港的资产负债率高于同行业其他公司。资产负债率=总负债/总资产69.6v.0W.65.2Y.4f.4W.9c.63.8%0 00%万国数据 世纪互联 秦淮数据 光环新网 科华数据 润泽科技数据港奥飞数据美利云200222023年化59.3S.0T.6.4W.7c.1.6a.0b.0a.8%0 0 0222023境外上市公司均值A股上市公司均值全部平均值Equinix中国第三方IDC行业财务数据回顾及未来展望|26数据来源：wind数据库，企业年报整理2019-2023年第三方年第三方IDC企业净债务企业净债务/EBITDA200222023年化年化万国数据万国数据2.9-1.43.85.86.1 世纪互联世纪互联0.92.42.93.73.6秦淮数据秦淮数据5.5-3.20.21.80.0境外境外上市公司均值上市公司均值3.12.42.3 3.83.2数据港数据港4.53.03.53.32.4 光环新网光环新网0.80.70.9568.05.5科华数据科华数据3.52.32.72.11.1润泽科技润泽科技9.65.83.35.13.2 奥飞数据奥飞数据2.32.44.57.95.8 美利云美利云-3.31.21.6-1.61.6A股上市公司均值股上市公司均值2.92.62.83.43.3 全部上市公司平均值全部上市公司平均值3.02.52.63.53.3Equinix3.13.13.23.23.0数据来源：wind数据库，企业年报整理该数据反映出，在不依靠新增外部融资的情况下，我国第三方IDC企业利用自身盈利偿还债务的能力。该指标越小说明自身盈利对债务的偿还能力越强。近年来该指标缓慢增加，主要是因为随着IDC业务的发展以及投资规模增加，IDC企业资金需求增加，净债务增长较快，总体增速大于EBITDA的增速。第三方IDC企业平均净债务/EBITDA为3.3，依靠自身盈利对负债的偿还能力稍逊于国外优势企业Equinix。净债务净债务/EBITDA净债务=有息负债-货币资金3.0 2.5 2.6 3.5 3.3 3.1 3.1 3.2 3.2 3.0 00202120222023年化境外上市公司均值A股上市公司均值全部平均值Equinix2023年行业平均年行业平均净债务净债务/EBITDA3.3注：2020年均值计算未包含万国数据和秦淮数据，主要系万国数据港股上市以及秦淮数据美股上市发行股票，获得大额股权融资资金，报表呈现净金融收益；2022年均值计算未包括光环新网，主要系光环新网计提减值导致EBITDA大幅下降中国第三方IDC行业财务数据回顾及未来展望|272023年现金流量年现金流量利息保障倍数利息保障倍数7.8数据来源：wind数据库，企业年报整理2019-2023年第三方年第三方IDC企业现金流量利息保障倍数企业现金流量利息保障倍数200222023年化年化万国数据万国数据0.30.20.71.40.6世纪互联世纪互联2.21.93.67.312.2秦淮数据秦淮数据0.32.02.61.64.7境外境外上市公司上市公司均值均值0.91.42.33.45.8数据港数据港3.11.74.57.38.0光环新网光环新网5.113.413.78.012.7科华数据科华数据10.36.86.215.86.9润泽科技润泽科技2.44.310.115.222.9奥飞数据奥飞数据5.24.54.84.06.1美利云美利云4.5-7.81.63.0-4.3A股上市公司股上市公司均值均值5.13.86.88.98.7全部上市公司全部上市公司平均值平均值3.73.05.37.17.8Equinix3.95.37.17.97.3我国第三方IDC企业现金流量利息保障倍数不断提高，2023年现金流量利息保障倍数年化达7.8，较2019年的3.7增加110.8%，整体趋近国外优势企业Equinix。企业偿债能力整体趋于稳健，主要得益于第三方IDC企业收入规模增长，行业进入成熟运营期，资金回笼，现金流量利息保障倍数逐年增长。数据来源：wind数据库，企业年报整理9.9%现金流量利息保障倍数现金流量利息保障倍数现金流量利息保障倍数=经营活动现金流量净额/利息费用3.7 3.0 5.3 7.1 7.8 3.9 5.3 7.1 7.9 7.3 0246802120222023年化境外上市公司均值A股上市公司均值全部平均值Equinix中国第三方IDC行业财务数据回顾及未来展望|282023年年EBITDA利息保障倍数利息保障倍数10.2数据来源：wind数据库，企业年报整理2019-2023年第三方年第三方IDC企业企业EBITDA利息保障倍数利息保障倍数200222023年化年化万国数据万国数据1.81.92.12.02.5世纪互联世纪互联2.93.54.55.615.2秦淮数据秦淮数据2.52.63.44.54.1境外境外上市公司均值上市公司均值2.42.73.34.07.3光环新网光环新网13.316.918.40.02.4科华数据科华数据7.811.08.49.821.3润泽科技润泽科技2.34.311.719.022.8数据港数据港6.05.54.66.57.8奥飞数据奥飞数据11.48.15.95.85.5美利云美利云N/A10.05.7-5.710.6A股上市公司均值股上市公司均值8.29.39.15.911.7全部上市公司平均值全部上市公司平均值6.07.17.25.310.2Equinix5.37.08.79.09.3数据来源：wind数据库，企业年报整理我国第三方IDC企业EBITDA利息保障倍数总体提升，2023年EBITDA利息保障倍数年化达10.2，较上年的5.3增加92.5%，略高于国外优势企业Equinix。随着第三方IDC企业收入规模增长，运营效率提升，EBITDA利息保障倍数总体增长，企业偿债能力整体趋于稳健。92.5ITDA利息保障倍数利息保障倍数EBITDA利息保障倍数=EBITDA/利息费用6.0 7.1 7.2 5.3 10.2 5.3 7.0 8.7 9.0 9.3 050202120222023年化境外上市公司均值A股上市公司均值全部平均值EquinixWritten by总资产增速回落，总资产增速回落，资本支出规模维稳资本支出规模维稳7中国第三方IDC行业财务数据回顾及未来展望|302023年总资产年总资产年化增长率年化增长率9.6%数据来源：wind数据库，企业年报整理注：润泽科技2021年借壳上海普丽盛包装股份有限公司，未披露2018年数据，故2019年财务指标增速不适用2019-2023年第三方年第三方IDC企业总资产增长率企业总资产增长率我国第三方IDC企业总资产增速趋于回落，但高于国外优势企业Equinix。2020年第三方IDC行业公司总资产增长率达55.6%，2021年及2022年增长逐年放缓，分别为23.4%及10.4%，与行业整体规模增长趋势基本保持一致。数据来源：wind数据库，企业年报整理总资产及总资产增长率总资产及总资产增长率（单位：人民币百万元）（单位：人民币百万元）49.6U.6#.4.4%9.6.9%5.6%1.0.5%9.5%0 0222023年化境外上市公司均值A股上市公司均值全部平均值Equinix200222023年化年化总资产总资产总资产总资产总资产总资产总资产总资产总资产总资产增长率增长率增长率增长率增长率万国数据万国数据31,49350.8W,25981.8q,63225.1t,8144.4w,0553.0%世纪互联世纪互联14,27428.0,37435.7#,09519.2&,94816.7(,8166.9%秦淮数据秦淮数据7,771455.5,260109.2,68214.9#,10023.6&,60215.2%境外境外公司平公司平均值均值17,84660.10,96473.57,80322.1A,62110.1D,1586.1%光环新网光环新网12,2337.4,54610.7,42843.4,311-0.6,9733.4%科华数据科华数据7,8324.2%8,3296.3%9,57114.9%9,9784.3,4014.2%润泽科技润泽科技6,248N/A9,19347.1,76817.1,00848.7$,24051.4%数据港数据港3,74040.7%7,673105.2%8,2757.8%7,447-10.0%7,308-1.9%奥飞数据奥飞数据1,63050.8%2,94080.4%5,43184.7%6,96828.3%8,32319.4%美利云美利云3,2896.1%3,154-4.1%3,111-1.4%3,097-0.5%2,888-6.7%A股公司平股公司平均值均值5,82935.8%7,47328.2%9,43126.2,46811.0,18916.4%全部上市公全部上市公司平均值司平均值9,834 49.6,30355.6,88823.4 ,85210.4,8459.6%Equinix166,84419.96,2205.67,9151.0 9,05917.58,9019.5%中国第三方IDC行业财务数据回顾及未来展望|312023年购置固定资产、无形资产和其他长期年购置固定资产、无形资产和其他长期资产年化均值资产年化均值25亿元亿元数据来源：wind数据库，企业年报整理单位：人民币百万元2019年年2020年年2021年年2022年年2023年化年化万国数据万国数据4,5588,0379,7017,8476,915世纪互联世纪互联1,3002,5032,8263,1012,032秦淮数据秦淮数据1,6422,7123,6174,6845,817境外境外公司平均值公司平均值2,5004,4175,3815,2114,921光环新网光环新网6901,1202,4571,706992科华数据科华数据744602570591102润泽科技润泽科技1,1981,9562,8404,8334,705数据港数据港1,2031,6861,2741,042528奥飞数据奥飞数据3927221,5411,6921,690美利云美利云03A股公司平均值股公司平均值7281,0301,4561,6811,353全部上市公司全部上市公司平均值平均值1,3182,1592,7642,8582,543Equinix15,65516,20016,38717,42416,936数据来源：wind数据库，企业年报整理购建固定资产、无形资产和其他长期资产支付的现金代表着数据中心行业的建设投入，近年来数据中心行业对相关长期资产的投资规模呈现上涨趋势。2019-2023年所选取上市公司购置固定资产、无形资产和其他长期资产的现金流出平均金额为1,318百万元、2,159百万元、2,764百万元、2,858百万元及2,543百万元，数据中心市场规模在逐步扩大，但增速逐渐变缓，各公司对抢占未来市场份额的竞争也在加大。购建固定资产、无形资产和其他长期资产支付的现金购建固定资产、无形资产和其他长期资产支付的现金（单位：人民币百万元）（单位：人民币百万元）1,318 2,159 2,764 2,858 2,543 15,655 16,200 16,387 17,424 16,936 04,0008,00012,00016,00020,000200222023年化境外上市公司均值A股上市公司均值全部平均值Equinix2019-2023年第三方年第三方IDC行业购建固定资产、行业购建固定资产、无形资产和其他长期资产支付的现金无形资产和其他长期资产支付的现金Written by经营现金流稳步经营现金流稳步提升，销售回款提升，销售回款持续向好持续向好8中国第三方IDC行业财务数据回顾及未来展望|332023年经营活动现金净流入年化均值年经营活动现金净流入年化均值14亿元亿元行业内各公司的经营性现金流量净额呈现差异，整体上数据中心行业上市公司的经营活动现金流状态呈现上涨趋势。2019-2023年上市公司平均的经营活动现金净流入金额为382百万元、526百万元、924百万元、1,398百万元、1,375百万元。经营活动现金流量高速上涨的趋势显示整体数据中心行业的发展资金回笼能力较强,依靠经营活动的造血能力强。行业内各公司销售现金比率呈现增长趋势。2019-2022年数据中心行业上市公司整体的销售现金比率分别为18.2%、19.5%、29.6%、35.0%，2023年销售现金比率年化达到32.6%，说明数据中心行业的销售收入质量逐年上升，数据中心服务为企业赚取现金的能力增强，整体行业的经营效率随着近年来数据中心行业的发展越来越快。数据来源：wind数据库，企业年报整理2019-2023年第三方年第三方IDC企业销售现金比率均值企业销售现金比率均值18.2.5).65.02.65.88.58.4.85.7%0%5 %05E 0222023年化境外上市公司均值A股上市公司均值全部平均值Equinix中国第三方IDC行业财务数据回顾及未来展望|34382 526 924 1,398 1,375 13,873 15,072 16,232 20,438 20,778 05,00010,00015,00020,00025,000200222023年化境外上市公司均值A股上市公司均值全部平均值Equinix数据来源：wind数据库，企业年报整理2019-2023年第三方年第三方IDC企业经营现金流量净额均值企业经营现金流量净额均值单位：人民币百万元200222023年化年化经营活动产生的现金流量净额销售现金比率经营活动产生的现金流量净额销售现金比率经营活动产生的现金流量净额销售现金比率经营活动产生的现金流量净额销售现金比率经营活动产生的现金流量净额销售现金比率万国数据万国数据2937.1215.6%1,20115.4%2,85830.6%1,21112.4%世纪互联世纪互联80321.2q414.8%1,38822.4%2,44034.5%1,75724.2%秦淮数据秦淮数据404.7f536.3%1,06637.4918.9%3,76062.7%境外境外公司公司平均值平均值37911.0V718.9%1,21825.1%2,05228.0%2,24333.1%光环新网光环新网6038.5%1,44819.4%1,44118.7%1,46820.4%1,70822.5%科华数据科华数据76819.9W213.7816.8%1,59528.2E96.8%润泽科技润泽科技51552.1459.17162.1%1,78865.9%1,87955.8%数据港数据港19026.2718.4q559.4%1,18481.3%1,07572.1%奥飞数据奥飞数据13615.5423.08532.02930.0W943.4%美利云美利云918.7%-175-15.022.6W5.2%-55-6.2%A股公司股公司平均值平均值38421.8P519.8w731.9%1,07038.51 32.4%全部上市全部上市公司平公司平均数均数38218.2R619.5429.6%1,39835.0%1,37532.6%Equinix13,87335.8,07238.5,23238.4 ,43840.8 ,77835.7%数据来源：wind数据库，企业年报整理经营活动产生的现金流量净额及销售现金比率经营活动产生的现金流量净额及销售现金比率（单位：人民币百万元）（单位：人民币百万元）销售现金比率=经营活动现金流量净额/营业收入Written by资本市场预期放资本市场预期放缓，投资回报波缓，投资回报波动上扬动上扬9中国第三方IDC行业财务数据回顾及未来展望|36EV/EBITDA企业价值倍数企业价值倍数有所回落有所回落数据来源：wind数据库，企业年报整理IDC公司为重资产的商业模式，资产投入巨大，在国家政策、市场环境的鼓励下，大规模流动资金涌入IDC行业、城市对智算中心的投资增加，第三方IDC公司估值增速逐渐放缓，随着企业上架率提升，EBITDA逐年增加，行业EBITDA增速超过估值增速，企业的价值倍数总体有所回落。Equinix企业价值倍数总体趋于稳定。Equinix的稳定的价值倍数与其自身的业务优势密不可分。根据2022年企业年报，Equinix的数据中心在美国、德国、英国、澳大利亚等多个国家的市场占有率排名第一，在五大洲、26个国家和55个市场运营了超过210个数据中心。Equinix以并购打开亚洲市场、欧洲市场、南美市场、中东市场，实现业务全球化。2019-2023年第三方年第三方IDC上市公司上市公司EV/EBITDA企业价值倍数走势企业价值倍数走势2019-2023年第三方IDC上市公司的企业价值倍数总体呈波动下降走势，总体平均值分别为20.6、30.3、15.5、16.5、14.6。EV=股票市值 净债务，股票市值=截止报告日的股票收盘价*流通股股数，A股EV取自wind数据库境外股票市值取自百度股市通20.630.315.516.514.621.725.427.621.222.80554045200222023年化境外上市公司均值A股上市公司均值全部平均值Equinix中国第三方IDC行业财务数据回顾及未来展望|37数据来源：wind数据库，企业年报整理EBITDA回报率=EBITDA/营业收入2023年年EBITDA回报率回报率37.6%随着我国IDC市场规模不断扩大，IDC需求的释放，行业逐步迈向成熟阶段，采取稳定发展的战略，EBITDA回报率也逐步趋于稳定。未来机柜上架率提升也将进一步提高国内IDC公司的盈利能力。2019-2023年第三方年第三方IDC上市公司上市公司EBITDA回报率走势回报率走势2023年EBITDA回报率呈波动持平状态，维持在37.6%附近，2019-2023年总体EBITDA回报率分别为30.4%、36.0%、38.0%、33.2%、37.6%。30.46.08.03.27.6H.3G.6G.4F.4E.9 %05EP 0222023年化境外上市公司均值A股上市公司均值全部平均值Equinix中国第三方IDC行业财务数据回顾及未来展望|38200222023年化年化EV/EBITDAEBITDA回报率EV/EBITDAEBITDA回报率EV/EBITDAEBITDA回报率EV/EBITDAEBITDA回报率EV/EBITDAEBITDA回报率万国万国数据数据32.644.3A.446.7.047.4.245.6%9.348.5%世纪世纪互联互联6.327.7%.327.4%7.728.3%6.826.5%6.230.1%秦淮秦淮数据数据5.534.9b.746.5.049.7.352.2%9.454.4%境外境外上上市公司市公司均值均值21.435.6.740.2.541.8.541.4%8.344.3%光环光环新网新网21.621.0.722.2.221.2F21.10.1s.94.2%科华科华数据数据12.013.4.520.4.222.2&.516.7.121.0%润泽润泽科技科技13.447.0.346.2%8.456.3.158.24.755.6%数据港数据港27.248.4).159.5.769.7.970.1%8.770.5%奥飞奥飞数据数据21.623.9#.641.4#.238.4.338.4%.739.1%美利云美利云31.812.8$.613.7G.78.2%-97.2-9.0d.915.1%A股上股上市公司市公司均值均值19.927.7.233.9.836.0).629.1&.034.3%全部上全部上市公司市公司平均值平均值20.630.40.336.0.538.0.533.2.337.6%Equinix21.748.3%.447.6.647.4!.246.4.845.9 23年第三方IDC企业总体价值倍数为14.3。2023年行业内秦淮数据、润泽科技、数据港的EBITDA回报率最高，分别为54.4%、55.6%、70.5%，在第三方数据中心服务商产业中处于领跑位置。秦淮数据以长期合同的方式开展托管服务，并新增顶级云计算服务，将公司业务拓展到不同行业、地域。相较于其他IDC企业，秦淮数据将数据中心布局在都市圈的卫星城市，获得成本更优的土地和能源，高效的自有资产投入使得秦淮数据在收入快速增长的同时，折旧摊销成本占比仍然保持在低位。润泽科技在2022年企业数据中心上架机柜总量不断增加，通过开发及运营超大规模、高等级、高效数据中心集群，业绩较其他企业呈现出快速增长的态势。数据港在2022年IDC服务业务实现收入14.5亿元，建成 35 座数据中心，运营IT兆瓦数达371MW，合计约7.42万个标准柜。随着公司多地数据中心扩建平稳落地，多元的客户结构为数据港带来收入规模化效应，并带来更平稳的经营性现金流。数据来源：wind数据库，企业年报整理EV/EBITDA均值=总EV/总EBITDAEV/EBITDA企业价值倍数及企业价值倍数及EBITDA回报率回报率中国第三方IDC行业财务数据回顾及未来展望|39数据来源：wind数据库，企业年报整理2023年年资本回报率资本回报率14.1 19-2023年第三方年第三方IDC上市公司资本回报率走势上市公司资本回报率走势2019年年2020年年2021年年2022年年2023年化年化万国数据万国数据11.0.7%9.3%8.7%9.0%世纪互联世纪互联17.0.1.7.4.8%秦淮数据秦淮数据6.1.1.7.6).3%境外境外公司平均值公司平均值11.4.3.2.6.7%光环新网光环新网15.7.9.9%0.0%2.2%科华数据科华数据9.9.5.3.0$.8%润泽科技润泽科技9.9.5.9.2.2%数据港数据港13.1.0.0.0.8%奥飞数据奥飞数据18.0.4.8%8.3%8.6%美利云美利云8.0%0.7%4.4%-4.8%6.3%A股公司平均值股公司平均值12.4.0.7%8.3.3%全部上市公司全部上市公司平均值平均值12.1.1.6%9.7.1%Equinix15.5.6.0.1.0%数据来源：wind数据库，企业年报整理资本回报率呈现波动增长趋势，2019-2023年总体ROIC资本回报率分别为12.1%、12.1%、12.6%、9.7%、14.1%。2022年ROIC资本回报率下降主要是因为受部分企业EBITDA下降明显，整体资本回报率有所下降。随着行业EBITDA增长，资本回报率总体呈现上扬的态势。资本回报率资本回报率资本回报率=EBITDA/(所有者权益 净债务）12.1.1.6%9.7.1.5.6.0.1.0%0%5 0222023年化境外上市公司均值A股上市公司均值全部平均值EquinixWritten by中国数据中心行业中国数据中心行业近期展望近期展望10中国第三方IDC行业财务数据回顾及未来展望|41国内国内IDC产业发展趋势：集群布局产业发展趋势：集群布局、建设低碳建设低碳、算力导向算力导向在市场需求和供给增长双轮驱动下，数据中心建设规模不断扩张，呈现集群化布局。随着数据中心行业的发展，能耗问题成为行业焦点。在国家“双碳战略”的目标倡导下，IDC行业低碳化趋势愈加明显。“东数西算“政策加速推进算力服务体系一体化，产业互联网进入新纪元。AI大模型成为新的投资风口，技术的进步以及算力需求的兴起，服务供应的算力化成为未来导向。集群布局超大型数据中心成为投资重点超大型数据中心成为投资重点，核心核心城市向周边区域的辐射以及东部地区城市向周边区域的辐射以及东部地区向西部地区的转移趋势明显向西部地区的转移趋势明显。根据信通院数据，2021年大型规模以上的机架为420万架,较2017年增长了4倍。2021年大型规模数据中心（规模大于3000个标准机架即为大型规模以上的数据中心）的占比达81.0%，数据中心集群化趋势明显。根据ODCC发布的2019-2022年全国IDC市场活跃度热力图，内蒙古、甘肃、宁夏等地区的投资活跃度提升2%以上，北上广等中心城市周边区域投资活跃度提升1%-2%。中国第三方IDC行业财务数据回顾及未来展望|42市场主体的需求推动供给增加市场主体的需求推动供给增加,数据数据中心呈现集群布局中心呈现集群布局根据第三方数据中心企业年报显示，数据中心客户集中度高，主要集中于互联网和政企客户。大中型互联网客户和大中型行业客户是数据中心行业需求的驱动者。具体来看，大中型互联网客户需求侧重于云承载。大中型行业客户的专属云需求推动数据中心承载规模从过去的小规模单中心向行业/区域大规模多中心演变，进而推动规模化和集群化的投资格局。从地域分布来看。京津冀、长三角、粤港澳、成渝、内蒙古等区域的头部数据中心服务商居多。“东数西算”战略导向以及土地资源能耗区域错配加速推进我国数据中心由“中心向周边”以及“东部向西部”的产业格局。中国第三方IDC行业财务数据回顾及未来展望|43国内国内IDC产业发展趋势：集群布局产业发展趋势：集群布局、建设低碳建设低碳、算力导向算力导向 建设低碳技术升级推动技术升级推动PUE 的优化的优化，“低碳低碳数据中心数据中心”成为产业导向成为产业导向政策利好和技术革新加速推进数据中心低碳化进程。“东数西算”政策规划了2025年各区域枢纽节点的数据中心PUE目标，具体来看，东部枢纽节 点 PUE1.25,西 部 枢 纽 节 点PUE1.2,各省数据中心科研审批实操层面将PUE值要求在1.2以下，随着绿色节能示范工程的启动，数据中心低碳化建设步伐加速。同时，技术进一步获得突破。根据赛迪顾问相关数据，2025年液冷渗透率预计达到20%，氟泵变频技术、热管多联技术、间接蒸发冷却机组、智慧机房运维(AI 调优等)等技术推广运用，数据中心能源利用效率进一步提升。中国第三方IDC行业财务数据回顾及未来展望|44能源供应转型将为绿色数据中心开创能源供应转型将为绿色数据中心开创新局面新局面。根据中国数据中心产业发展白皮书（2023年），到 2020 年，我国数据中心可再生能源利用率达到 30%以上，相较于 2018年23%的可再生能源的使用比率有所改善。未来几年，随着国家及各省市加大对数据中心化石能源使用的约束，新型储能、分布式光伏等技术及应用的规模化发展，数据中心可再生能源利用率将大幅提升，绿电占比或将大于 50%。打造打造“零碳数据中心零碳数据中心”成为数据中心成为数据中心低碳化发展的终极目标低碳化发展的终极目标。目前主流服务商开始向“零碳数据中心”或“低碳数据中心”之路转型。例如中国电信创新推动数字经济与青海清洁能源深度融合发展，打造中国电信数字青海绿色大数据中心，成为全国首个 100%清洁能源可溯源绿色大数据中心。算力导向我国算力由1.0时代向2.0时代迈进，数算一体化和智能高阶算力对数据中心处理规模和高性能计算能力提出更高要求。我国算力规模持续扩大，智能算力占比快速提升，算力区域分布不均将得到改善。随着新型技术崛起和算力异构化的发展，数据中心多元化算力服务供应格局将成为未来发展趋势。中国第三方IDC行业财务数据回顾及未来展望|45国内数据中心产业新生态：客户国内数据中心产业新生态：客户、主主体体、资本资本、模式多样模式多样IDC产业链生态也逐渐与时俱进。具体来看，IDC建设者和服务商扮演产业链中游的角色，整合上游（设备和软件供应商）的资源，为下游数据中心的需求者例如云服务商、互联网企业和其他行业用户提供IDC以及云服务产品方案。从产业链上游供应来看，数据中心底层基础设施主要包括供配电系统、散热制冷系统等)和IT 及网络设备(交换机、服务器、存储)，数据中心管理系统主要包括动环监控系统、数据中心基础设施管理系统等。其中底层基础设施是优化数据中心能效水平突破口。从产业链下游来看，数据中心的主要需求者包括云商、互联网企业与其他重点行业如金融机构、政务机构、其他企业。其中，云商的业务模式偏向以虚拟化资源为客户提供灵活的资源分配和调度服务;而其他企业一般通过部署托管服务器集群或者租用数据中心的服务器为自有业务提供技术服务。中国第三方IDC行业财务数据回顾及未来展望|46国内数据中心产业新生态：客户国内数据中心产业新生态：客户、主主体体、资本资本、模式多样模式多样（续续）互联网客户从头部走向腰部，从互联网向行业客户延伸。互联网行业拉动了IDC行业的发展，但是近年来头部互联网客户需求疲软，增量需求主要集中于腰部以及新兴互联网客户。未来随着“东数西算”等政策增加相关枢纽节点建设需求，市场层面各类企业对数据中心定制化，差异化需求增加，传统企业数字化转型等多方力量驱动，政府部门加快数据中心部署，满足数字政策转型需求，数据中心需求有望增加。产业上游厂商、传统行业央国企等跨界经营数据中心，液冷、光伏、储能等新型设备厂商进入供应链。“东数西算”战略下，产业链上游企业凭借技术优势，垂直化投资进入中游IDC运营和服务业，如科华、佳力图等。2019年，南京楷德悠云数据中心是佳力图和鹏博士合建数据中心的典范，佳力图此举正式进军IDC服务商的领域。数据中心液冷系统的模块化设计理念是科华数据的投资部署，也说明数据中心服务商正在跻身上游供应商链投资领域。中国第三方IDC行业财务数据回顾及未来展望|47国内数据中心产业新生态：客户国内数据中心产业新生态：客户、主主体体、资本资本、模式多样模式多样（续续）产业资本多样化，资金来源、资本性质的新变化，第一，融资渠道多元化。除定增、可转债、ADS 等外，新型融资渠道如产业基金、REITs 等涌现，例如万国数据通过可转债、上市股权融资、银行借款等多途径为投资注入动力。传统行业进入IDC行业实现跨界经营，能源行业杭钢收购杭州杭钢云计算数据中心有限公司100%股权，实现多元化转型。第二，上游设备供应行业国产化投资份额增加。上游设备供应行业涌现了一批实力强劲的厂家例如光迅、佳力图、华为、科华恒盛等。第三，为顺应低碳化趋势，绿电要素和绿色金融有望得到进一步发展。中国第三方IDC行业财务数据回顾及未来展望|48国内数据中心产业新生态：客户国内数据中心产业新生态：客户、主主体体、资本资本、模式多样模式多样（续续）产业模式的多样化，IDC建设和运营模式的创新发展。随着产业链下游行业对云基础设施需求高涨，IDC服务逐渐向智能云IDC转型，服务形式更偏向于提供多云解决方案。IDC企业逐渐由自建机房转变合建机房模式(运营商与第三方合建，与客户合建)，例如目前阿里云与万国数据、数据港、宝信软件等第三方IDC企业采取合建数据中心。阿里云、腾讯云等头部云商开始走向生态自建，在IDC资源建设方面普遍采用“333”制即头部云商/大中型互联网企业租用运营商IDC资源、与第三方服务商合建、自建IDC三种方式各占1/3。中国第三方IDC行业财务数据回顾及未来展望|49新技术引领的发展机会新技术引领的发展机会 AI大模型爆发巨大算力需求AI大语言模型成为各互联网公司及高新技术公司投资风口。AI大模型的发展呈井喷式爆发，触发巨大的算力需求，带动数据中心产业发展。目前全球的算力水平供不应求，专家预计未来GPU需求量会增加至当前的3-5倍。根据中信证券研究显示，AI算力需求将会推动数据中心建设的快速发展。工信部数据显示，中国算力产业规模的平均年增长率达30%。目前，京津冀、长三角等8地的国家算力枢纽节点已经全部开工，算力之海正逐步成型，数据中心将迎来新一轮的增长。技术革新引领数据中心行业发展随着互联网技术发展和云计算的普及，数据中心的问题复杂性凸显。考虑到其较大的占地和规模，解决如何在有限面积下承载更多的机柜可以提高数据中心的算力；考虑到其对能源的消耗，解决如何降低其耗电量可以节约数据中心的成本。数据中心企业的液冷技术进入应用阶段；采用DCIM智能平台和巡检机器人提升运维管理水平等，数据中心企业通过技术革新以适应信息发展是未来数据中心行业升级的方向。中国第三方IDC行业财务数据回顾及未来展望|50双碳战略下数据中心的绿色化转型双碳战略下数据中心的绿色化转型后疫情时代，数字经济蓬勃发展。在“双碳”背景下，数据中心绿色发展成为行业发展主流。伴随着新国标数据中心能效限定值及能效等级的实施，节能降碳成为数据中心行业升级的挑战。挑战孕育新机，提高数据中心使用效率、深耕数据中心节能技术成为了数据中心行业的发展取胜之匙。在北上广深部分通信或互联网企业为争夺市场资源，超前布局，在没有足够的客户资源时依然大规模建造数据中心，由此造成了数据中心空置、上架率低的现象；另外，一些企业由于初期定位不明确，资源与客户需求不匹配等原因，导致新建数据中心上架率不能达到设计指标的要求。国家发改委、国家能源局出台贯彻落实碳达峰碳中和目标要求推动数据中心和 5G 等新型基础设施绿色高质量发展实施方案的政策，明确了2025年PUE能耗的标准。未来，PUE技术领先也将占据核心竞争优势。中国第三方IDC行业财务数据回顾及未来展望|51双碳战略下数据中心的绿色化转型（续）双碳战略下数据中心的绿色化转型（续）截至目前，数据中心的降碳技术已经达到了一定的高度，例如可以高效降温且大幅降低制冷能耗水平的数据中心自然冷源技术、目前逐渐代替风冷技术的液冷技术普及、集成度和密集度更高的数据中心模块化理论，这些前沿的技术均可以大幅度的降低能源使用量，从而促进我国平均PUE早日达到一级能耗水平。2022年，国家绿色数据中心可再生能源电力平均利用率提升至30%以上。“东数西算”的规划指引下，集群布局、集约发展成为目前数据中心绿色发展的主流进程之一。秦淮数据利用甘肃庆阳的可再生清洁能源建设零碳数据中心产业基地，万国数据依托乌兰察布优势资源打造绿色智能数据中心3座，世纪互联计划在乌兰察布构建200亩云计算中心。绿色低碳的发展路径下，第三方数据中心加快绿色“智造”的探索，相关专利申请数量逐渐增多。至2022年，秦淮数据在申请及以获得的专利共423项，同比增长51%，其中多项涉及到高效用电及节能冷凝。奥飞科技也获得了相关领域多项专利及软件著作权。伴随着“双碳”政策的深化，绿色低碳将为IDC的高质量发展持续领跑。中国第三方IDC行业财务数据回顾及未来展望|52数据中心行业的挑战数据中心行业的挑战在双碳背景下，数据中心在满足算力的同时需要兼顾环保的社会责任，如何在提升算力的同时满足节电的需要是数据中心行业面临的主要挑战之一。随着各国对数据中心PUE指标要求的趋严，那些技术落后、耗能较高的数据中心将会面临淘汰的可能。维护数据安全也是目前时代关注点。数据中心作为数据的温床，其安全水平意义重大。一方面，数据中心面临着如网络攻击、系统漏洞等常规安全风险；另一方面，数据中心也与国家安全相联系，需要基础软件硬件的自主可控。成本管控是IDC行业站住脚的先决条件。根据信通院数据，数据中心的电力成本占其运营总成本的60%-70%，电力成本直接决定算力成本。由于供电能力的制约，数据中心能耗成为行业发展的关键矛盾。2022年6月，上海市“算力浦江”行动计划明确以整合资源，降低能耗为行业发展的目标，同时提出了2024年PUE的优化和降低区间。除此之外，上架率及机房使用效率低等问题，也是IDC行业面临的挑战之一。综合来看，IDC行业的发展任重而道远。中国第三方IDC行业财务数据回顾及未来展望|53数据中心行业的发展建议数据中心行业的发展建议AI大模型的井喷爆发以及云计算的发展，结合当下“双碳”战略的大趋势，传统数据中心的转型和可持续发展成为了数据中心行业的重中之重。顺应互联网技术飞速发展的趋势，实现数字化转型。数据中心行业应掌握分布式、模块化设计，并且结合行业发展，运用大数据、人工智能、BIM等新技术，基于云平台实现数字领域的应用，促进行业数字化转型，达到数据中心技术提升、数据提升、安全提升、管理提升，建立智能数据中心，提高数据中心使用效率，达到算力最大化。实现绿色化转型，从控制电力来源做起。加强上下游产业的一体化，利用可再生能源，能有效提升企业的减碳水平。此外，加强云技术和无线网的发展，摆脱数据中心地域限制，加强集中化建设，提高数据中心的运营水平和上架率等，也是行业发展的关键所在。机遇伴随着挑战，数据中心企业要把握机会、降本增效，积极拓展新的业务领域，实现绿色可持续发展。中国第三方IDC行业财务数据回顾及未来展望|54安永安永|建设更美好的商业世界建设更美好的商业世界安永的宗旨是建设更美好的商业世界。我们致力帮助客户、员工及社会各界创造长期价值，同时在资本市场建立信任。在数据及科技赋能下，安永的多元化团队通过鉴证服务，于150多个国家及地区构建信任，并协助企业成长、转型和运营。在审计、咨询、法律、战略、税务与交易的专业服务领域，安永团队对当前最复杂迫切的挑战，提出更好的问题，从而发掘创新的解决方案。安永是指 Ernst&Young Global Limited 的全球组织，加盟该全球组织的各成员机构均为独立的法律实体，各成员机构可单独简称为“安永”。Ernst&YoungGlobal Limited 是注册于英国的一家保证（责任）有限公司，不对外提供任何服务，不拥有其成员机构的任何股权或控制权，亦不担任任何成员机构的总部。请登录 。2023 安永，中国。版权所有。APAC no.03018458ED None本材料是为提供一般信息的用途编制，并非旨在成为可依赖的会计、税务、法律或其他专业意见。请向您的顾问获取具体意见。

0人已浏览 2023-11-24 54页 5星级

RGBRGBRGBRGB公共数据授权运营创新指南公共数据授权运营创新指南赛迪顾问股份有限公司中国电子云2023年10月RGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGBRGB6RGBRGBRGBRGB7RGBRGBRGBRGB8RGBRGBRGBRGB9RGBRGBRGBRGB10RGBRGBRGBRGBRGBRGBRGBRGB12RGBRGBRGBRGBRGBRGBRGBRGB14RGBRGBRGBRGB15RGBRGBRGBRGB16RGBRGBRGBRGB17RGBRGBRGBRGB18RGBRGBRGBRGBRGBRGBRGBRGB20RGBRGBRGBRGB21RGBRGBRGBRGB22RGBRGBRGBRGB23RGBRGBRGBRGB24RGBRGBRGBRGB25RGBRGBRGBRGB26RGBRGBRGBRGB27RGBRGBRGBRGB28RGBRGBRGBRGB29RGBRGBRGBRGB30RGBRGBRGBRGB31RGBRGBRGBRGB32RGBRGBRGBRGB33RGBRGBRGBRGB34RGBRGBRGBRGB35RGBRGBRGBRGB36RGBRGBRGBRGBRGBRGBRGBRGB38RGBRGBRGBRGB39RGBRGBRGBRGB40RGBRGBRGBRGB41RGBRGBRGBRGB42RGBRGBRGBRGBRGBRGBRGBRGB44RGBRGBRGBRGB

0人已浏览 2023-11-24 44页 5星级

中国信息通信研究院产业与规划研究所北京国际大数据交易所2023年11月数据清洗数据清洗、去标识化去标识化、匿名化匿名化业务规程（试行）业务规程（试行）版权声明版权声明本报告版权属于中国信息通信研究院、北京国际大数据交易有限公司，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：中国信息通信研究院、北京国际大数据交易有限公司”。违反上述声明者，编者将追究其相关法律责任。本报告版权属于中国信息通信研究院、北京国际大数据交易有限公司，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：中国信息通信研究院、北京国际大数据交易有限公司”。违反上述声明者，编者将追究其相关法律责任。前言前言为规范数据处理行为，指导组织正确开展数据清洗、去标识化、匿名化处理等业务活动及相应的技术测试评估，支撑数据共享、交易、开放等流通活动合规、有序进行，激活数据要素市场，依据个人信息保护法数据安全法，结合 北京市数字经济促进条例 北京市数字经济全产业链开放发展行动方案等法规政策要求，在北京市经济和信息化局指导下，中国信息通信研究院产业与规划研究所、北京国际大数据交易所联合编制本报告。组织依据法律法规要求及相关业务场景需要，对其控制的数据资源进行清洗、去标识化、匿名化处理，是为满足数据处理目的对原始数据逐步深入加工改造的过程，是提升数据可用性和安全性的关键数据处理活动。本报告以业务操作规程形式为组织提供数据清洗、去标识化、匿名化处理的流程和方法指引，可以作为组织提升自身数据质量和可用性的指引方法，作为数据交易中介机构审核交易数据合规性、安全性和可流通性的参考规则，以及作为相关认证、检测机构结合应用场景针对相关技术进行安全测试评估的评价工具，支持、鼓励数据加工、咨询、安全、检测、认证等第三方数据服务机构发展。本报告所描述的技术方法适用于广义的数据范畴，包括但不限于个人数据、企业数据、物联网数据等，但特殊数据类型需要遵守相应的特别管理要求。本报告所描述的数据清洗、去标识化、匿名化处理，是基于数据资源的加工处理过程。有“数”才能对“数”进行处理，通过采集、标识、编码形成数据资源，是对数据进行清洗、去标识化、匿名化处理的前提。前者是形成数据的基础，后者是维护数据质量和安全的关键。本报告主要描述各数据处理活动的基本原理和通用技术方法，需要结合实际场景具体适用。本报告所引用的部分技术方法参考了GB/T 37964-2019 信息安全技术 个人信息去标识化指南等相关标准指南，在此基础上，结合个人信息保护法等法律法规的界定，根据技术特性和处理效果，对去标识化技术和匿名化技术进行了区分。本报告所描述的相关技术方法仍在不断丰富、演进和迭代，相关应用场景也在不断发展变化，本报告将持续跟踪观察，适时更新、补充、调整和校正。欢迎各组织积极反馈技术适用情况和建议，提供技术适用场景和实践案例。目录目录一、处理目标及相互关系.1（一）数据清洗是数据可用的保障.1（二）去标识化是数据脱敏的关键.1（三）匿名化是去标识化的强化.2二、数据处理原则.4（一）合法合规.4（二）安全优先.4（三）平衡效用.4（四）技管结合.4（五）有效溯源.5三、数据清洗规程.5（一）处理目的.5（二）处理流程.6（三）常见技术方法.9四、数据去标识化规程.12（一）处理目的.12（二）处理流程.13（三）常见技术方法.18五、数据匿名化规程.21（一）处理目的.21（二）处理流程.21（三）常见技术方法.25六、数据处理环境要求.29（一）管理制度要求.29（二）技术能力要求.30（三）人员能力要求.30（四）过程控制要求.30（五）事故管理要求.31附件一：常见直接标识符和准标识符示例.32附件二：常见标识符的去标识化或匿名化参考.36附件三：部分数据处理技术方法应用建议.40参考资料.43表 目 录表 目 录表 1数据清洗、去标识化、匿名化处理的技术特点和差异.3数据清洗、去标识化、匿名化业务规程（试行）1习近平总书记在 2023 年中国国际服务贸易交易会全球服务贸易峰会上发表视频致辞指出，要“推动数据基础制度先行先试改革”。中共中央 国务院关于构建数据基础制度 更好发挥数据要素作用的意见要求“创新技术手段，推动个人信息匿名化处理”。规范数据清洗、去标识化、匿名化处理，有助于提升数据的可用、可信、可流通、可追溯水平，推动数据要素强化优质供给，是建立合规高效、场内外结合的数据要素流通和交易制度的重要内容。具体来说，为满足数据可用性和安全性进行的数据清洗、去标识化、匿名化处理，是数据产品进场上市的条件，也是数据资产登记、交易的前提，更是数据应用、建模释放二次衍生价值的底线。本报告通过明晰数据清洗、去标识化、匿名化处理三者之间的关系，总结各项处理活动的处理目的、流程、技术方法及环境要求，以期为相关组织开展相应数据处理活动和测试评估提供参考。一、处理目标及相互关系（一）数据清洗是数据可用的保障（一）数据清洗是数据可用的保障数据清洗是运用一定方法修正识别到的数据问题，实现数据的规范性、完整性、一致性、准确性和可溯源性，提高数据质量的过程。数据清洗旨在满足数据的可用性要求，是数据资源预处理的第一步，也是保证后续处理结果准确、科学、有效的重要一环。数据清洗作为数据后续开发利用的基础，是数据去标识化和匿名化处理的前置步骤。（二）去标识化是数据脱敏的关键（二）去标识化是数据脱敏的关键数据去标识化是指数据经过处理，使其在不借助额外信息的情况数据清洗、去标识化、匿名化业务规程（试行）2下无法识别特定自然人或相关标识符的过程。数据去标识化处理强调标识符的“不可识别性”，即对数据内含的相关敏感信息内容进行脱敏处理，通过去除、替换、模糊等方法，达到不借助额外信息的情况下无法识别特定自然人或相关标识符的效果。数据去标识化与在先的标识形成过程分属数据处理的不同阶段及场景。标识形成是产生数据的过程，使得被标识对象据此可以被组织进行有效管理和开发利用。数据去标识化是标识数据产生后的加工处理过程，旨在提升标识信息的安全防护水平，确保敏感的标识内容不被未经授权的主体获取和利用。去标识化处理是强化标识数据安全性的重要保障。例如，制造业企业通过对产品、零部件、设备进行标识，形成了可精准定位产品和设备的数据资源，在委托外部第三方技术开发商进行相关应用系统开发时，需要对含有敏感内容或涉及商业秘密的数据进行去标识化处理。数据去标识化处理暗含了相关标识符具有“复原”的可能，去标识化无法单独实现匿名化的法律效力。例如，对个人信息进行去标识化处理后的数据，仍属于个人信息范畴。（三）匿名化是去标识化的强化（三）匿名化是去标识化的强化数据匿名化是指数据经过处理，无法识别特定自然人或相关标识符且不能复原的过程。数据匿名化处理在强调标识符的“不可识别性”基础上，要求标识符同时满足“难以复原性”标准，是数据去标识化的进一步处理，即数据去标识化后应用相关技术使相关标识符难以复原的过程。经匿名化处理后数据的初始效用将受到较大程度的改变。数据清洗、去标识化、匿名化业务规程（试行）3与数据去标识化相比，经匿名化处理后的数据即便借助了额外信息也难以识别特定自然人和被处理的标识符。例如，对个人信息进行匿名化处理后的数据，不再属于个人信息范畴。但匿名化处理仅是描述应用匿名化技术的过程，并非描述数据达到绝对匿名化的状态，完满、绝对的不可复原状态无法 100%确定。表 1 数据清洗、去标识化、匿名化处理的技术特点和差异加工后数据加工后数据改造程度改造程度（相对原始数据）数据有用性数据有用性（针对个体记录）数据安全性数据安全性（脱敏程度）清洗后数据低高低（单独可识别）去标识化数据中中中（不借助额外信息不可识别）匿名化数据高低高（借助额外信息也难以复原的不可识别）来源：中国信息通信研究院去标识化技术和匿名化技术没有严格界分，二者核心都是通过技术手段对标识信息进行脱敏处理，实现对敏感数据内容的保护，实践中两类技术通常可以组合使用实现预期处理效果。本报告根据抗重新识别的风险能力大小和对敏感内容安全防护程度的差异，将相关技术划分为去标识化技术和匿名化技术。仍保留原始数据个体颗粒度的，纳入去标识化技术方法范畴；不再保留原始数据个体颗粒度，或原始数据记录的真实性已受到显著减损，或原始数据记录不对外披露的，纳入匿名化技术方法范畴。数据清洗、去标识化、匿名化业务规程（试行）4二、数据处理原则（一）合法合规（一）合法合规组织开展数据清洗、去标识化和匿名化处理，应满足我国法律、法规、规章和标准规范对数据安全和个人信息保护的有关规定，不得不当损害国家、社会和第三方组织及个人的合法正当权益。（二）安全优先（二）安全优先组织应采取相应的管理和技术措施，保证数据加工处理过程的安全性。数据的安全性考虑是组织开展数据去标识化、匿名化处理活动的首要目的，以降低数据在后续流通、应用环节的安全风险，降低数据安全事故发生概率。（三）平衡效用（三）平衡效用组织应根据业务目标和安全保护要求，面向场景化应用需求，选择恰当的清洗、去标识化和匿名化处理路径和技术，在确保安全的前提下，强调数据质量要求，尽可能满足预期效用，促进数据安全性和可用性的有效平衡。（四）技管结合（四）技管结合组织应综合利用技术和管理两方面措施实现数据处理的最佳效果，根据工作目标和数据安全要求制定适当的策略，选择合适的模型和技术，建立完善的管理架构、操作权限和责任机制，将技术和管理措施嵌入数据清洗、去标识化、匿名化处理全流程，并定期跟踪评估和持续改进。数据清洗、去标识化、匿名化业务规程（试行）5（五）有效溯源（五）有效溯源组织应明确各环节的数据处理权限和流程，对数据清洗、去标识化、匿名化设置访问控制程序，采取措施清晰记录数据处理过程的细节、使用的参数和控制措施，及时发现已经出现或可能出现的偏差或不当操作，支撑后续对数据处理过程进行维护、审计和追溯。三、数据清洗规程（一）处理目的（一）处理目的组织实施数据清洗活动，应保证清洗加工过程和输出结果符合以下要求：1.规范性数据来源合法，数据的格式、质量及存储标准应统一，应使用相同度量单位描述同一场景下的同类数据，满足数据互联互通要求，不存在空值、无效值，响应依据规范标准的各种查询和各种计算。2.准确性应对数据所指向的内容客观、真实、准确描述，可对清洗前后的数据进行内外部比对校验，并对具有时效要求的数据根据时间特性及时更新，确保清洗加工不造成数据失真、错漏。3.完整性清洗后的数据应保证数据的连续性、完整性，源数据应在源头或备份表中能找到，数据在字段、记录内容或数据集内不应有重复值。4.一致性数据清洗、去标识化、匿名化业务规程（试行）6各字段内的数据应与字段描述一致，同一个数据在同一时刻在不同数据库、应用和系统中应保持一致。5.可溯源性应在数据清洗转换前对原始数据进行备份，对清洗过程所使用的方法、参数和路径进行记录，保证原始数据可溯源，便于后续查证或重新使用。（二）处理流程（二）处理流程数据清洗的流程通常包括抽取清洗对象、明确清洗规则、标识错误数据、数据修正处理、数据转换检验、评估清洗结果六个步骤。1.抽取清洗对象（1）明确清洗对象选取需要进行清洗处理的数据，明确清洗的数据范围、类型、性质、体量、内容、关系、质量等信息，全面分析清洗标的的情况，对清洗数据进行分类分级。（2）对清洗对象进行抽取清洗对象的抽取应当允许对结构、半结构和非结构等不同类型数据进行抽取，包括对数据的全量抽取和增量抽取，数据抽取后的表结构应与抽取来源的表结构保持一致。2.定义清洗规则（1）确定清洗效果和目标根据清洗的必要性，分析对应数据资源的特点和清洗复杂程度，数据清洗、去标识化、匿名化业务规程（试行）7结合业务要求或用户和其他相关方的需求，明确清洗的程度和需要达到的质量效果。（2）确定清洗逻辑规则结合所抽取的清洗对象的数据特点，以需求为导向，以应用为目标，以数据的可用性为评价标准，明确各数据错误类型的判断标准及相应的修正处理方式。3.标识错误数据（1）筛选错误数据分析筛选出数据资源中存在的数据问题和对应的数据。按照常见错误数据的类型，对数据问题进行分类，针对性进行错误标识，并支持对已标识的错误数据进行查询定位。可采用统计学、关联规则、业务区分等方法来对目标数据进行错误检测，识别出数据的错误类型并进行标识。例如，通过使用统计学方法（例如均值、标准差、范围或分位数）对数据进行分析和可视化，发现异常值或离群值，从而标识错误数据。（2）常见错误类型残缺数据：数据中缺失一些记录，或一条记录中缺失一些值，或两者都缺失。偏差数据：数据没有严格按照要求记录，包括格式内容错误、逻辑错误、不合规数据等。重复数据：数据中出现多条相同记录，或多条记录反映同一内容，数据清洗、去标识化、匿名化业务规程（试行）8通常发生在数据来自不同来源、数据多次采集、瑕疵数据更正备份等情形。其他错误：数据未能准确反映所描述的对象的其他情形，如非结构化或半结构化数据、无意义数据、不相关数据等。4.数据修正处理对已标识的残缺数据、偏差数据、重复数据和其他错误数据分别采用针对性的方法和工具进行处理。常见的数据清洗工具包括软件工具、脚本等类型。选择清洗方法和策略时，应根据清洗目标和业务需要，结合数据错误类型，采取删除、填充、更换等不同的方式处理，具体可参考本节“（三）常见技术方法”。5.数据转换检验（1）错误数据转换对错误数据的格式、信息代码、值的冲突进行转换。数据转换前应检查需要转换的数据规则和字段是否一致。（2）转换结果检验一是内容检验，即对转换后数据内容的完整性、全面性进行检验，包括非空检验和数据量检验。二是格式检验，即对照数据格式样例或相关标准对转换后数据格式的规范性、一致性进行检验。三是逻辑检验，即结合相关联数据对转换后数据逻辑是否符合预先设定的范围、区间、大小、数值关系等规则的约束性要求进行检验。数据清洗、去标识化、匿名化业务规程（试行）9四是合规检验，即结合业务场景的合规要求对转换后数据内容是否符合法律法规和强制性标准的要求进行检验。6.评估清洗结果数据清洗后及时评价输出结果是否符合事先设定清洗规则和规范性、准确性、完整性、一致性、可溯源性等目标要求，并从业务角度评估清洗后数据的有用性，判断是否可以支撑后续加工处理活动。（三）常见技术方法（三）常见技术方法1.残缺数据处理组织应当按照所需处理数据的字段缺失比例和重要性，采取差异化的策略进行处理。重要性高，缺失率低的字段，可以通过计算结果填充并进行核验；重要性高，缺失率高的字段，重新采集获取或通过其他渠道取数补全；重要性低，缺失率低的字段，不做处理或简单填充；重要性低，缺失率高的字段，可以选择删除该字段。（1）删除缺失值当样本数量充足，且出现缺失值的样本占比相对较小时，可以备份当前数据后，直接删除后期加工处理不需要的字段和缺失值。（2）填充缺失内容存在缺失率较低但相对重要的数据项时，可以通过计算填充并进行核验的方式进行补全，包括不同指标的计算结果填充和同一指标的计算结果填充。不同指标的计算结果填充：即通过数据项与数据项之间的逻辑联数据清洗、去标识化、匿名化业务规程（试行）10系，采取相应的计算方法得到缺失内容。包括热卡填补法、最近距离决定填补法、回归填补法、多重填补方法、K-最近邻法、有序最近邻法等。例如，数据中年龄字段缺失，可以从公民身份证号中提取年龄字段。同一指标的计算结果填充：即通过对同一指标列的数据采取均值、中位数、众数等方式进行计算，将相应结果进行填充，多用于数值型数据。例如，某一记录的身高数据缺失，可以使用该字段的均值进行填充。（3）重新采集数据补全存在缺失率较高且相对重要的数据项时，可以通过线下补充收集、业务知识或经验推测、新增抽取其他数据源数据等方式，进行关联对比后填补。2.偏差（异常）数据处理组织应当对未符合规范要求，存在格式、逻辑及内容不匹配等方面偏差的数据进行处理。（1）格式不规范数据对存在格式不规范等问题的数据进行处理，包括全、半角处理和无效字符处理。按照事先定义的规则进行全、半角符号统一，以半自动校验结合半人工方式发现错误字符，进行自动化修正或人工修正。（2）逻辑冲突数据对存在不符合逻辑约束要求、相互间存在冲突的数据进行处理，数据清洗、去标识化、匿名化业务规程（试行）11可通过直接推理、关联修正和逻辑重构等方式进行，并再次进行校验。直接推理：了解数据潜在的逻辑规则，采取逻辑推理法，直接处理简单逻辑错误的数据。关联修正：借助分箱、聚类、回归等方法识别逻辑错误数据，通过相互验证的方法修正矛盾内容。逻辑重构：对于重要性较高的不合理数据进行人工干预，或重新采集数据，引入更多数据源进行逻辑的重新梳理并再次进行校验。（3）内容不匹配数据对存在噪声数据、超出明确取值范围，以及数据中存在敏感信息或内容不符合要求等数据进行处理。通过设定判定规则，借助自动化手段判断数据是否在规则范围内，不在规则范围内的，进行警告及人工处理。噪声数据：对噪声值进行平滑处理，或在不影响数据结构和后续使用情况下，将噪声数据进行删除处理。离群值数据：判断超出明确取值范围数据的来源是否可靠，数据的存在是否合理，合理的数据予以保留，不合理数据予以调整。内容不对应数据：识别内容与字段要求不匹配的问题类型，如人工填写错误、导入数据时没有对齐、数据源端业务系统缺陷等，通过关联、修正或重新采集等方式匹配相应字段进行填补。3.重复数据处理将具有相同含义的数据判定为重复数据，包括相同数据和相似数据。数据清洗、去标识化、匿名化业务规程（试行）12相同数据：形式、含义和内容均相同的数据，根据来源权威性和应用场合，选择最恰当渠道来源的数据，或在不影响数据保真度和完整性的情况下进行合并处理。相似数据：识别相似数据的各自含义，判断数据的实质含义上是否存在差异，实质含义相同的数据按照相同数据进行处理，实质含义有差异的数据，不能界定为重复数据，应分别保留。4.其他错误数据处理针对数据未能准确反映所描述的对象的其他情形，可以采取以下通用方式进行处理：将非结构化和半结构化数据转化为结构化数据；将无意义数据、不相关数据在进行必要性和相关性评估后进行删除，提升后续数据处理效率；对仍存在问题未处理的错误数据存入问题数据库，便于后续查证或重新使用。四、数据去标识化规程（一）处理目的（一）处理目的组织实施数据去标识化，应当确保经过处理的数据达到以下效果：1.标识不可识别对数据中的直接标识符和准标识符进行处理，避免未经授权的主体无需借助其他额外信息，直接根据这些标识内容便可以识别出原始信息主体或相关标识符。2.控制被识别风险数据清洗、去标识化、匿名化业务规程（试行）13将去标识化后的数据可能被未经授权的主体再次识别的风险控制在可接受的范围内，确保标识符暴露的风险不会因数据接收方之间的潜在串通或新数据的增加而增加。3.兼顾数据效用目标有效平衡数据的安全性和可用性，选择合适的去标识化模型和技术，确保去标识化后的数据尽量满足数据开发利用的预期目的和效用，在数据安全前提下最大发挥去标识化数据应用价值。（二）处理流程（二）处理流程数据去标识化的流程通常包括确定去标识化对象、制定去标识化目标和计划、识别相关标识符、对标识符进行处理、验证审核处理结果、评估重新标识风险六个步骤。1.确定去标识化对象组织对于自身合法取得、合法持有，并实际控制的数据，应当基于外部和内部的多方面因素的考量确定需要进行去标识处理的数据范围。（1）法规标准要求根据国家、地区或行业的相关政策、法律、法规等的强制性规定，判断待收集、存储、使用、加工或向第三方提供的数据是否涉及去标识化的相关要求。例如，个人信息保护法第 51 条要求，个人信息处理者应当采取加密、去标识化等安全技术措施，防止未经授权的访问以及个人信息泄露、篡改、丢失。数据清洗、去标识化、匿名化业务规程（试行）14（2）组织策略要求根据自身数据管理要求，或者按照与相关合作方约定，判断数据进行内外部应用时是否需要进行去标识化处理。例如，将个人信息对外展示时，参考GB/T 352732020 信息安全技术 个人信息安全规范，涉及通过界面展示个人信息的（如显示屏幕、纸面），个人信息控制者宜对需展示的个人信息采取去标识化处理等措施，降低个人信息在展示环节的泄露风险。（3）数据来源方要求根据数据采集时是否存在对数据来源方等作出了去标识化的相关承诺或约定，判断对数据进行加工或向第三方提供时是否需要进行去标识化处理。例如，组织已在产品隐私政策中声明，将用户个人信息用于对外提供学术研究或描述的结果时，承诺对结果中所包含的个人信息进行去标识化处理。2.制定去标识化目标均衡数据安全性和可用性两方面需求，确定数据去标识化处理需要达到的效果。（1）明确标识被识别风险的控制要求分析数据的来源、性质、类型，梳理待处理数据是否涉及法律法规要求和相关承诺，结合去标识化后数据的主要用途和使用范围，考虑可能采用的去标识化模型和技术的应用方向及能力，综合评价组织对相关标识符和准标识符被重新识别的风险的不可接受程度。（2）明确满足数据可用性的最低要求数据清洗、去标识化、匿名化业务规程（试行）15结合数据去标识化后的用途，评估相关技术方法的应用对初始数据的改造程度，分析数据去标识化后对业务活动的可能影响，提出数据有用性的最低要求。3.识别相关标识符根据去标识化的目标，针对需要去标识化的数据，识别出需要进行处理的直接标识符和准标识符。组织可以通过以下方法识别：（1）查表识别组织通过预先建立标识符元数据索引表，待具体识别时，将待识别数据的各个属性名称或字段名称，逐个与元数据表中的标识符进行比对。标识符元数据索引表应当包括标识符名称、含义、格式要求、常用数据类型、常用字段名称等信息。查表识别法适用于数据集格式和属性相对明确的去标识化场景。（2）规则判定组织通过总结可能涉及直接标识符和准标识符的数据格式和规律，确立相关标识符识别规则，然后通过运行软件程序，自动化地从数据集中识别出标识数据。结构化数据和非结构化数据的标识识别均可适用规则判定法。如通过建立身份证号识别规则，识别非结构化存储的司法判决书中的身份证号。（3）人工分析在必要场景下，组织通过人工发现和确定数据集中的直接标识符数据清洗、去标识化、匿名化业务规程（试行）16和准标识符。人工分析法适用性较强，当数据集中有特别含义的数据，或数据具有特殊值、容易引起注意的值，或者数据集中的多个不同数据子集之间存在关联、引用关系时，人工分析可以针对性地识别和分析。4.对标识符进行处理对数据集进行去标识化前，应当先通过数据清洗，形成规范化或满足特定格式要求的数据。在此基础上，针对不同特征和处理要求的数据类型，考虑去标识化的影响，在可接受的被重新识别风险范围内尽量满足数据可用性的最低要求，选取有效的去标识化技术方法和模型进行处理。具体可参考本节“（三）常见技术方法”。技术选择需要考量相关因素包括：数据是否可以删除，是否需要保留至少若干个类别的数据项；去标识后的数据是否需要保持唯一性、可逆性，是否需要保持原有的数据格式、表达顺序、统计特征等；是否可以对属性值实施随机噪声添加；以及运用该去标识化技术的成本考量、可承受的重新标识风险范围和业务影响等。5.验证数据处理结果对数据去标识化结果进行验证，确保处理后的数据在安全性和可用性方面符合预设要求。（1）安全性验证验证经去标识化处理后数据的安全性，确保所生成数据被重新识别的风险在组织预设的可接受风险范围内。组织可以通过检查生成的数据结果、检查去标识化过程及记录、开展入侵者测试等方式验证去数据清洗、去标识化、匿名化业务规程（试行）17标识化数据的安全性。（2）有用性验证分析去标识化后的数据对于预期应用和业务的影响，判断处理后数据的质量是否还能满足预期业务用途。组织可以对原始数据和去标识化后数据分别执行统计计算，并对计算结果进行比较，判断去标识化后的计算结果是否仍可接受。6.评估被识别风险对去标识化后的数据进行标识符被识别的风险进行评估，与预期可接受的风险阈值进行比较。若风险超出阈值，需继续进行调整直到满足要求。标识符被识别风险评估常见的流程包括评估准备、定性评估、定量评估、形成评估结论等环节，组织可借鉴GB/T 42460-2023信息安全技术 个人信息去标识化效果评估指南进行流程设计。按照标识符被识别的风险从高到低，可以将相应的风险阈值划分为高风险、较高风险、可控风险、低风险 4 个等级。高风险（4 级）：能直接识别主体或敏感属性的数据，即包含直接标识符的数据；较高风险（3 级）：仅消除直接标识符的数据，即删除了直接标识符，但仍包含准标识符的数据；可控风险（2 级）：消除直接标识符和准标识符的数据，即对直接标识符和准标识符均进行了处理，在不借助额外信息的情况下，无法识别或关联识别个人信息主体或特定标识内容；低风险（1 级），不再保留个体颗粒度的聚合数据，如总计数、最大值、最小值、平均值等。数据清洗、去标识化、匿名化业务规程（试行）18（三）常见技术方法（三）常见技术方法本报告将仍保留原始数据个体颗粒度的技术类型，纳入去标识化技术方法范畴。部分技术方法参考了GB/T 37964-2019 信息安全技术 个人信息去标识化指南。组织根据需要选择相应的去标识化技术，常见的去标识化技术包括数据抽样技术、加解密技术、假名化技术、抑制遮盖技术等，不同技术之间可以结合使用。1.数据抽样技术数据抽样是通过选取数据集中有代表性的子集来对原始数据集进行分析和评估。对数据集进行随机抽样能够增加识别出特定标识符的不确定性，可以作为后续应用其他技术强化去标识化效果的初步处理。数据抽样的方式较多，需要根据数据集的特点和预期的使用场景进行选择，包括随机抽样、等距抽样、分层抽样、整群抽样等。2.加解密技术加解密技术是指利用算法对数据进行加密和解密操作，以密码学为基础构建加密函数，输入敏感数据和相关标识符，输出处理后的加密隐藏数据。同时在有需要的时候，可以对数据进行解密操作，即在拥有密钥的条件下，可以对标识符进行复原。常见的数据加密方法包括确定性加密、保序加密、保留格式加密、同态加密等。确定性加密：指通过确定性加密结果替代数据中的标识符值。确定性加密是一种非随机加密方法，可以保证数据真实可用，一定程度上保证数据在统计处理、隐私防挖掘方面的有用性，也可以生成用于数据清洗、去标识化、匿名化业务规程（试行）19精准匹配搜索、数据关联及分析的微数据。对确定性加密结果的分析多用于检查数据值是否相等。保序加密：指通过保序加密值替代微数据中的标识符值。保序加密同样是一种非随机加密方法，密文的排序与明文的排序相同。对保序加密结果的分析多用于检查数据是否相等和排序关系比较。保留格式加密：指加密过程要求密文与明文具有相同的格式，可用保留格式加密值替代微数据中的标识符值。保留格式加密可以保证加密后的数据具有与原始数据相同的格式和长度，有助于在不需要修改应用系统匹配格式的情况下实现去标识化。同态加密：指将原始数据加密后，对得到的密文进行特定的运算，得到的计算结果等价于基于原始明文数据直接进行相同计算所得到的数据结果。同态加密是一种随机加密，对经过同态加密的数据进行处理得到相同的输出结果，处理过程不会泄露任何原始内容。3.假名化技术假名化技术是指使用虚构的名称或数值，替换原始数据的直接标识符或准标识符的过程。假名化技术保留了原始数据的唯一性特点，也被称为编码。不同数据在假名化处理后依然可以进行关联，并且不会泄露原始标识符。当需要唯一区分数据值并且没有保留关于原始属性的直接标识符的字符或任何其他隐含信息时，可以使用假名化技术。假名可以独立生成或借助密钥编码生成。独立生成假名：即不依赖于被替代的原始值，生成独立于标识符的假名创建技术，如使用随机值代替标识符原始值。组织需要创建假数据清洗、去标识化、匿名化业务规程（试行）20名与原始标识的分配表，并采取适当的技术与管理措施限制和控制对该分配表的访问。基于密钥的假名编码：即基于密码技术的标识符派生假名创建技术，通过对属性值采用加密或散列等密码技术生成假名，也被称为对标识符进行“密钥编码”。其中加密技术生成的假名可以用合适的密钥及对应的算法解密。4.抑制遮盖技术抑制遮盖技术即对需要进行处理的标识符或数据项进行删除或屏蔽。抑制技术主要适用于分类数据，可用于数值与非数值数据属性，执行相对容易，通过直接删除或屏蔽降低关联识别的风险，且可以保持数据的真实性，但会造成一定程度的信息缺失。但过多的抑制会影响数据的效用，为保证数据的可用性，组织需要对抑制的数据项数量和范围设定上限。抑制遮盖需要是永久性的，而不仅仅是“隐藏”功能，如果底层数据仍然可访问或编辑，则未达到抑制遮盖效果。根据抑制方式的差异，抑制遮盖技术可以分为直接删除或字符掩码屏蔽。直接删除：即从数据集中直接删除相关标识符，或删除标识符中的部分属性或内容，或者删除涉及特定属性标识符的数据记录。字符掩码：通过使用一致的符号（例如“*”或“x”）来替换原数据标识符或标识符中的部分数值。区别于仍具有唯一性的假名，进行同一属性的数值所替换的字符掩码均为相同，具有一致性。数据清洗、去标识化、匿名化业务规程（试行）21五、数据匿名化规程（一）处理目的（一）处理目的1.促使标识难以复原数据匿名化处理是数据去标识化后应用相关技术使相关标识符难以复原的过程，是数据去标识化的进一步处理。与数据去标识化相比，经匿名化处理后的数据即便借助了额外信息也难以识别特定自然人和已被处理的标识符。2.符合风险可接受水平任何数据均有被复原的可能。数据匿名化处理并非追求完美、绝对的匿名化状态，强调的是运用匿名化技术将原始数据相关标识符的可识别性降低到监管和组织可接受的风险水平。如果信息主体和相关标识符的识别需要不合理的时间、努力或资源，则不视为是可复原的。3.支持统计、训练用途经匿名化处理的数据，数据颗粒度、精确度受到影响，不再保留个体数据记录。例如，经匿名化处理的个人信息，不再属于个人信息范畴。与基于个体特征识别的用户画像、设备定位等用途不同，对数据匿名化处理主要为了支撑统计分析、算法训练、科学研究等场景。（二）处理流程（二）处理流程数据匿名化的流程通常包括明确匿名化处理对象、设定匿名化处理目标、先行去标识化处理、实施数据匿名化处理、评估匿名化效果、定期追踪复原风险六个步骤。数据清洗、去标识化、匿名化业务规程（试行）221.确定匿名化对象根据法律要求和业务用途，确定需要进行匿名化处理的数据类型和范围。（1）按照监管要求确定处理对象例如，组织遵照汽车数据安全管理若干规定(试行)要求，因保证行车安全需要，在无法征得个人同意采集到车外个人信息且需要向车外提供时，对相关数据进行匿名化处理，包括删除含有能够识别自然人的画面，或者对画面中的人脸信息等进行局部轮廓化处理等。（2）遵循最小必要原则确定处理对象例如，征信机构按照征信业务管理办法规定，在个人不良信息保存期限届满时，将个人不良信息在对外服务和应用中删除；作为样本数据继续使用的，进行匿名化处理。（3）履行约定或承诺义务确定处理对象例如，组织按照 GB/T 35273-2020 信息安全技术 个人信息安全规范规定，在相关数据超出个人信息约定的存储期限或达成处理目的后，以及组织停止运营其产品或服务时或用户注销账户时，对个人信息进行删除或匿名化处理。（4）基于业务开展需要确定处理对象例如，国家卫生健康委等四部门发布的涉及人的生命科学和医学研究伦理审查办法中，将“使用匿名化的信息数据开展研究”作为“免除伦理审查”的情形之一，组织为减少科研业务不必要的合规负担，使用匿名化数据开展涉及人的生命科学和医学研究。数据清洗、去标识化、匿名化业务规程（试行）232.设定匿名化目标满足安全性要求是数据匿名化处理的首要目标。组织应结合业务场景和安全防护管理要求，根据数据的性质、使用环境和使用的匿名化技术等，结合匿名化数据的主要用途和使用场景，对标识符被复原的可能性进行分析，评估相应的风险，设定可被组织和监管部门接受和认可的风险阈值。3.先行去标识化处理组织应将去标识化作为匿名化处理的一部分执行，结合前述数据去标识化业务规程，识别相关直接标识符和准标识符，针对性进行去标识化处理，先行满足数据的“不可识别性”要求，达到数据在不借助额外信息的情况下无法直接识别特定自然人或相关标识符的效果，为后续的匿名化操作奠定基础。4.实施匿名化处理组织针对已去标识化的数据应用匿名化技术，使未获得授权主体不能轻易地将该数据与可能包含额外信息的其他数据相结合，从而难以复原特定自然人信息或相关标识符。不同匿名化技术的技术特点不同，选择处理技术时，应当结合数据类型和性质、业务场景、处理目的等进行综合考量，相关技术具体可参考本节“（三）常见技术方法”。选择匿名化技术过程中需要考虑以下因素：一是考虑所采用的匿名化技术进行处理后数据是否仍满足预期效用。匿名化处理可能对原始数据格式、数值和表达方式进行较大变动，将对原始数据的保真性、颗粒度形成较大影响。数据清洗、去标识化、匿名化业务规程（试行）24二是考虑将相关匿名化技术和去标识化技术组合使用，形成系统性匿名化处理方案。例如，如果某个属性类别的数值直接删除不会影响数据效用，可以选择抑制遮盖技术对相关数据项予以删除处理。三是考虑不同匿名化技术的适用场景。结合技术特点和目标要求选择相应技术。如针对连续值属性的数据可以采用噪声添加、数据扰动等随机化技术，针对无需体现个体数据记录的情形可以采用聚合统计等技术。同时，针对同一场景或同一数据类型的匿名化处理，也可多种匿名化技术结合使用。5.评估匿名化效果组织应用适当的匿名化技术后，应当对匿名化处理的效果进行分析评估。计算标识符被复原或重新标识风险的方法需要综合考虑数据因素和环境因素。GB/T 42460-2023 信息安全技术 个人信息去标识化效果评估指南提供了“基于 K 匿名模型的重标识风险计算方案及评估事例”，可供组织借鉴参考。k-匿名值是一种计算数据集重新识别风险水平的方法，指数据集中可以分组在一起的相同记录的最小数量。在评估数据集的总体重新识别风险时，通常采用最小值来表示最坏情况。k-匿名值较高意味着重新识别的风险较低，k 匿名性值较低意味着风险较高。K-匿名值为1 表示记录是唯一的。k-匿名值需要结合实际场景、处理目标和安全等级要求进行具体设定。在可能的情况下，应设置更高的 k-匿名阈值，以最小化任何重新识别风险。需注意，k-匿名可能不适用于所有类型的数据集或其他复杂情形。数据清洗、去标识化、匿名化业务规程（试行）256.定期追踪复原风险组织应当定期追踪内外部相关主体对匿名化处理数据的使用情况，评估新技术、新数据、新主体的引入可能带来的标识符被复原的新隐患，考虑数据的流通范围、可能的技术演变等，以及未知的跨库数据可能导致与匿名数据集匹配的情形，进而采取适当措施保护相关标识符免受复原识别和披露的风险。（三）常见技术方法（三）常见技术方法本报告将不再保留原始数据个体颗粒度，或原始数据记录真实性已受到显著减损，或原始数据记录不对外披露的技术类型，纳入匿名化技术方法范畴。部分技术方法参考了GB/T 37964-2019 信息安全技术 个人信息去标识化指南。组织可结合具体场景单独或组合选用聚合统计、泛化、随机化、数据合成、隐私计算等技术进行处理。1.聚合统计技术聚合统计技术指将数据集从记录列表转换为汇总值或相关统计值的方法，可以视为求和、计数、平均、最大值与最小值等一系列统计技术的集合。由于聚合统计技术的输出是“统计值”，该值有利于对数据进行整体报告或分析，产生的结果能够代表原始数据集中的所有记录，且不会披露任何个体记录，很大程度上降低了个体的标识符被重新识别的风险。当组织不需要单独的数据记录且聚合数据足以满足预期效用时可以采用聚合统计技术。例如，2022 年我国 18-80 岁女性平均体重 59.8kg，如果以平均体重来标识数据集中每个人的体重值，则未获得授权主体无法根据体重数据清洗、去标识化、匿名化业务规程（试行）26属性将某一条数据记录（女，北京，1.63m，59.8kg，1990 年 9 月 1日）关联到特定个人。使用聚合统计技术应注意两方面的应用要求：一是数据聚合统计可能会显著改变数据的初始用途，因为输出的结果为统计值，无法反映每一单独数据记录的特征；二是应用聚合统计技术对原始数据的样本量具有一定要求，若原始数据记录的数量很少，则结合其他数据容易推断出其中具体的单独数据记录的特征。2.泛化技术泛化技术也是一种概括方法，又被称为离散化处理，是通过降低数据所选属性的颗粒度、精度，对数据进行更概括、抽象描述的匿名化技术。使用泛化技术的目标是减少属性唯一值的数量，使得被泛化后的值被数据集中多个记录所共享，从而增加某个特定数据记录被推测出的难度。例如，将一个人的年龄转换为年龄范围，或将精确位置转换为不太精确的位置。数据泛化的程度需要均衡预期目的和风险控制两方面要求。数据范围过大可能意味着数据效用的显著损失，数据范围过小可能意味着几乎不修改数据，特定数据记录仍然很容易重新识别。常见的泛化方法包括取整、顶层与底层编码等。取整：即为数值型标识符选定一个取整基数，然后将每个具体值向上或向下取整至最接近取整基数的倍数。向上还是向下取整按概率确定，该概率值取决于观察值与最接近取整基数倍数的接近程度。例如，如果取整基数为 10，观察值为 7，应将 7 向上取整至 10，概率数据清洗、去标识化、匿名化业务规程（试行）27为 0.7，若向下取整至 0，概率为 0.3。同时还可以按要求进行受控取整，如确保取整值的求和结果与原始数据的求和取整值相同。顶层与底层编码：即为数值型标识符设定一个可能的取值范围，用高于或低于所设定的临界值的描述替换某一特定数据记录在该属性上的具体数值，主要适用于连续或分类有序的数据类型。例如，将某一员工的薪水值设置为“高于 10000 元”，其中“10000”为高收入值的界限，而不记录准确的金额。3.随机化技术随机化技术指通过随机修改数据属性的值，使得随机化处理后的值区别于原来的真实值。随机化技术降低了未经授权主体从同一数据记录中根据其他属性值推导出某一属性值的能力，会对原始数据记录的真实性造成一定影响。常见的随机化技术有数据扰动、数据置换等。数据扰动：又称噪声添加，即通过添加随机值来修改数据中的值，同时尽可能保持该属性在数据集中的原始统计特性，包括属性的分布、平均值、方差、标准偏差、协方差以及相关性。数据扰动的程度应当控制在一定范围内容，如果扰动程度太小，匿名化效果较弱；如果扰动程度太大，最终值将与原始值相差太大，数据集的效用可能会降低。数据扰动通常用于数值型标识符，例如对日期前后随机 /-3 个自然日。数据置换：相当于一种洗牌，即重新排列数据属性中的标识符，使之无法与原始记录对应，但各个属性的值仍在数据集中表示，保持了原有数据集中所选属性整体的准确统计分布。数值型标识符和非数值型标识符均可使用数据置换技术。在保持所选属性之间原有相关性数据清洗、去标识化、匿名化业务规程（试行）28的情况下，置换算法可用于单个或多个属性。例如，对姓名进行假名化处理后，对职位、性别、年龄等进行乱序重排。4.数据合成技术数据合成技术是显著修改原有数据的所有属性，重新合成产生新的微数据的方法。合成数据集与原始数据的特征相符，可根据所选的统计特性随机生成，但不会体现原始数据的任何特定记录。但若是合成后数据与原始数据的拟合度过高可能会存在被关联识别风险。通常合成数据的生成会在假名化的基础上，采用随机化技术与抽样技术对真实数据集进行多次或连续转换。合成数据通常适用于应用程序开发、测试和应用，将其作为真实数据的替代项，帮助数据开发主体获得与基于真实数据的处理同样的效果。5.隐私计算技术隐私计算技术是指在保护数据本身不对外泄露的前提下实现数据分析计算的技术集合，通过对所涉及的隐私信息进行描述、度量、评价和融合等操作，形成一套符号化、公式化且具有量化评价标准的隐私计算方法，达到对数据“可用不可见”的目的。目前主流的隐私计算技术主要分为三大方向：一是以多方安全计算为代表的基于密码学的隐私计算技术；二是以联邦学习为代表的人工智能与隐私保护技术融合衍生的技术；三是以可信执行环境为代表的基于可信硬件的隐私计算技术。多方安全计算：是指在无可信第三方的情况下，多个参与方共同计算一个目标函数，在不泄露己方数据的同时完成数据计算，并且保数据清洗、去标识化、匿名化业务规程（试行）29证每一方仅获取自己的计算结果，无法通过计算过程中的交互数据推测出其他任意一方的输入数据。多方安全计算通常应用于联合数据分析、数据可信交换、分布式投票、隐私竞标和拍卖、黑名单安全查询、数据库检索等场景。联邦学习：是指实现在本地原始数据不出库的情况下，各方通过对中间加密数据的流通、参数交换和处理，共同建立虚拟的共有模型，完成多方联合的机器学习训练。联邦学习可以从技术上有效解决数据孤岛问题，让参与方在不泄露各自拥有的用户数据的基础上，实现联合建模和 AI 协作，加速隐私计算在不同场景的应用与落地。根据参与方的数据分布和特征重叠情况的不同，可以分为横向联邦学习、纵向联邦学习和联邦迁移学习。可信执行环境：是指将需要保护的数据和代码存储在可信执行环境中，即通过软硬件方法在中央处理器中构建一个安全的区域，对这些数据和代码的任何访问都必须通过基于硬件的访问控制，防止它们在使用中未经授权被访问或修改，从而保证其内部加载的程序和数据在机密性和完整性上得到保护。可信执行环境是一种硬件解决方案，安全性较高，但运维成本相应上升，多用于本地和远程验证场景。六、数据处理环境要求（一）管理制度要求（一）管理制度要求组织应当遵守法律法规及强制性标准的相关要求，衔接自身数据管理制度，制定数据清洗、去标识化、匿名化处理各环节的审批流程，推进数据分类分级管理，梳理特殊数据类型的内、外部特别管理要求，数据清洗、去标识化、匿名化业务规程（试行）30在此基础上细化数据清洗、去标识化、匿名化处理的权限要求和操作规范，并嵌入组织内部管理机制。（二）技术能力要求（二）技术能力要求组织应当强化数据处理的基础技术保障，具备数据收集、存储、加工、分析、挖掘和安全防护的各类技术工具，具有安全、便捷、高效的技术应用系统和可信环境，熟知数据清洗、去标识化、匿名化处理的常见技术方法和应用特点，结合业务场景和内外部要求，统筹组合形成平衡数据安全要求和业务应用目的的有效数据处理技术方案。（三）人员能力要求（三）人员能力要求组织应当提升内部人员的数据处理能力和安全防护水平，明确各岗位数据合规职责和数据处理权限要求，定期组织数据处理技能培训和安全合规教育，要求参与数据清洗、去标识化、匿名化处理的人员应当具备相应的数据处理能力，严格按照数据安全管理制度和流程进行操作。必要情况下，组织可以寻求第三方技术服务机构、法律服务机构、审计咨询机构、数据安全防护机构、检测认证机构等协助提供技术能力和业务合规支持。（四）过程控制要求（四）过程控制要求组织应当推进数据处理过程的实时可控和动态审计，采取措施清晰记录数据清洗、去标识化、匿名化处理过程的细节、使用的参数和执行情况，监控审查去标识化各步骤实施过程，及时发现已经出现或可能出现的错误或偏差，有效采取措施进行纠正和防护，并对监控审查过程进行记录，便于日后审查、维护、回溯和审计。同时加强对第数据清洗、去标识化、匿名化业务规程（试行）31三方接收者的数据授权和授权跟踪管理，采取技术保障措施和商业流程防范去标识、匿名化数据的再识别和意外泄露。（五）事故管理要求（五）事故管理要求组织应当完善数据处理风险和安全事件管理机制，做好数据风险识别、风险评估、风险处置等工作，制定并实施数据安全事件应急预案，针对不同等级的风险采取针对性的风险处置措施，关注涉及数据标识符、数据映射表、匿名化处理记录表等信息的泄露风险，防范恶意重新标识行为。发生数据泄露、篡改、丢失等安全事件的，应当立即采取补救措施，及时通知管理机构并按规定告知相关数据主体。附件一：常见直接标识符和准标识符示例附件二：常见标识符的去标识化或匿名化参考附件三：部分数据处理技术方法应用建议数据清洗、去标识化、匿名化业务规程（试行）32附件一：常见直接标识符和准标识符示例（一）直接标识符示例（一）直接标识符示例直接标识符通常表现为在特定环境下可以单独识别特定自然人或数据所描述特定对象的识别号码、特征或代码。需注意，标识符的识别难度并不与数据的敏感程度直接挂钩。本报告分别列举了个人数据、企业数据、物联网数据的部分直接标识符示例，常见的直接标识符包括但不限于：类型类型序号序号常见直接标识符常见直接标识符个人数据1姓名2公民身份号码3护照号4工作学习编号，包括工号、学号等5电话号码6传真号码7银行账户8驾照号9车牌号10社会保障号码11健康卡号码12病历号码13网络账号、昵称等14网络身份标识号（ID）15个人移动终端设备标识符16详细住址17电子邮件地址18个人行踪轨迹数据清洗、去标识化、匿名化业务规程（试行）3319生物识别码，包括指纹和声纹等识别码20全脸图片图像及其他任何可比对的图像企业数据1组织机构名称2营业执照编号3统一社会信用代码4法定代表人姓名5税务登记证号6社会保险登记证号码7统计登记证号码8银行账户信息9组织许可证号10企业注册地址11网络和系统账号信息12网站标识码，互联网协议（IP）地址号13网络通用资源定位符（URL）14合同编号15商业发票编号物联网数据1设备标识符和序列号2设备位置信息3设备使用记录4设备故障或警报记录5商品条码6货运设备识别码7集装箱识别代码8医疗器械唯一标识（UDI）9数字版权唯一标识符（DCI）10气象数字对象标识符（MOID）数据清洗、去标识化、匿名化业务规程（试行）34（二）准标识符示例（二）准标识符示例准标识符通常指在相应环境下无法单独识别特定自然人或数据所描述的特定对象，但结合其它信息可以进行识别的属性、号码、特征或代码。本报告分别列举了个人数据、企业数据、物联网数据的部分准标识符示例，准标识符范围较广，常见的准标识符包括但不限于：类型类型序号序号常见准标识符常见准标识符个人数据1性别2出生日期或年龄3事件日期（例如入院、手术、出院、访问相关日期）4地理范围（例如邮政编码、建筑名称、地区）5血型、身高、体重等体征6疫苗接种状态、病史等健康状况7国籍、籍贯8族裔血统、民族9宗教信仰10语言11职务、工作单位、部门等职业信息12婚姻状况13受教育水平14学习、工作年限15收入状况企业数据1组织设立时间2组织信用评级3资产设备情况4员工情况5客户分布6产品类型数据清洗、去标识化、匿名化业务规程（试行）357供应链渠道8营收情况9系统日志10工艺参数物联网数据1传感节点标识信息2环境参数信息（温度、湿度、气压、风速、光线等）3设备规格信息4设备健康状态5生产日期6检验日期数据清洗、去标识化、匿名化业务规程（试行）36附件二：常见标识符的去标识化或匿名化参考去标识化和匿名化的相关技术和方法没有严格界分，匿名化技术抗重新识别的风险能力相对更高。组织可以根据相关技术特点统筹组合使用，形成平衡数据安全要求和业务应用目的的有效数据处理方案。本报告借鉴GB/T 37964-2019 信息安全技术 个人信息去标识化指南列举了部分标识符的去标识化或匿名化参考，更多标识符的处理方法组织还可以参考该标准附录 C“去标识化模型和技术的选择”。标识符标识符去标识化或匿名化方法参考去标识化或匿名化方法参考姓名姓名假名化。假名化。构建常用人名字典表，并从中选择一个来表示，如先构建常用的人名字典表，包括龚小虹、黄益洪、龙家锐等，假名化时根据按照顺序或随机选择一个人名代替原名。如使用“龚小虹”取代“张三丰”。加解密技术。加解密技术。采用密码或其他变换技术，将姓名转变成另外的字符，并保持可逆特性。如使用密码和字符编码技术，使用“SGIHLIKHJ”代替“张三丰”，或使用“Fzf”代替“Bob”。抑制遮盖。抑制遮盖。直接删除姓名或使用统一的“”来表示。如所有的姓名都使用“*”代替。泛化编码。泛化编码。使用概括、抽象的符号来表示，如使用“张先生”来代替“张三”，或使用“张某某”来代替“张三”。随机化替代。随机化替代。使用随机生成的汉字来表示，如使用随机生成的“辰筹猎”来取代“张三丰”。身份证号身份证号加解密技术。加解密技术。采用密码或其他变换技术，将身份证号转变成另外的字符，并保持可逆特性。如使用密码和字符编码技术，使用“SF39F83”代替“4405244”。部分抑制遮盖。部分抑制遮盖。屏蔽身份证号中的一部分，以保护个人信息。如“4405244”可以使用“440524*0014”数据清洗、去标识化、匿名化业务规程（试行）37“440524188*0014”代替。上述方法可分别用在需保密出生日期、保密出生日期但允许对数据按时代统计分析等场景。全部抑制遮盖。全部抑制遮盖。直接删除身份证号或使用统一的“*”来表示。如所有的身份证号都使用“*”代替。数据合成。数据合成。采用重新产生的数据替代原身份证号，如使用数据集中的记录顺序号替代原身份证号，或随机产生符合身份证号编码规则的新身份证号代替原始值。电话号码电话号码加解密技术。加解密技术。采用密码或其他变换技术，将电话号码转变成另外的字符，并保持可逆特性。如使用密码和字符编码技术，使用“”代替“1988888888”。部分抑制遮盖。部分抑制遮盖。屏蔽电话号码中的一部分，以保护号码信息。如“”可以使用“198*”“198*8888”代替。全部抑制遮盖。全部抑制遮盖。直接删除电话号码或使用统一的“*”来表示。如所有的电话号码都使用“*”代替。随机化替代。随机化替代。使用随机生成的一串数字来表示，如使用随机生成的“2346544580”来取代“”。企业合同编号企业合同编号部分抑制遮盖。部分抑制遮盖。为了便于合同管理，企业合同编号通常由合同类型、发起部门、区域字母、签订日期、随机数字等部分组成。向不具备特定权限的员工披露合同信息时，可以将企业合同编号 中 的 一 部 分 或 多 部 分 屏 蔽。如 将 劳 动 合 同“LD-RL-BJ-20200701-A3”中的区域字母、日期中的月份、随机数字屏蔽，使用“LD-RL-*-2020*-*”替代。聚合统计。聚合统计。采用相关统计值代表原始数据记录，反映合同签订情况。如对企业 2020 年签订的设备采购类合同进行统计，转化为 2020 年某业务部门签订北京区域的采购合同 18 项。地址地址部分抑制遮盖。部分抑制遮盖。屏蔽地址中的一部分，以保护地址信息。如使用“江西省 XX 市 XX 县”来代替江西省吉安市安福县”全部抑制遮盖。全部抑制遮盖。直接删除姓名或使用统一的“*”来表示。如数据清洗、去标识化、匿名化业务规程（试行）38所有的地址都使用“*”代替。泛化编码。泛化编码。使用概括、抽象的符号来表示，如“江西省吉安市安福县”使用“南方某地”或“J 省”来代替。数据合成。数据合成。采用重新产生的数据替代原地址数据。如使用“黑龙江省鸡西市特铁县北京路 23 号”代替“江西省吉安市安福县安平路 1 号”。环境参数信息环境参数信息部分抑制遮盖。部分抑制遮盖。对室外传感器设备采集的温度、风速信息予以屏蔽，只显示湿度、气压、光线等信息，使其无法辨识是哪一特定位置传感器采集的环境参数。泛化编码。泛化编码。降低室外传感器设备采集的温度、湿度等信息精度，为其设置一定阈值，如温度30，空气相对湿度低于 70%。聚合统计。聚合统计。采用相关统计值代表原始数据记录。如将某地过去30 日每天的温度、风速记录，转化为某地上月平均气温 30，风力8 级的日数为 5 天。日期日期部分抑制遮盖。部分抑制遮盖。对日期中的一部分做屏蔽，如 1880 年某月 1日代替 1880 年 1 月 1 日。全部抑制遮盖。全部抑制遮盖。直接删除日期数据或使用统一的“”来表示。如所有的数值都使用“某年某月某日”代替。泛化编码。泛化编码。使用概括、抽象的日期来表示，如使用 1880 年代替 1880 年 1 月 1 日。随机化随机化-数据置换。数据置换。使用数据集中其他记录的相应数值代替本记录的数值。如设定规则，将记录集中的所有的日期数据取出并全部打乱位置后（其他属性数据位置不变）放回到原数据集中。这种方法有利于保持数据集的统计特性。随机化随机化-数据扰动（噪声添加）。数据扰动（噪声添加）。将相对微小的随机数，加到原始数值上并代替原始数值。如对于出生日期 1880 年 1 月 1 日，产生随数值 32 天，加到原始数值后将其变为 1880 年 2 月 2 日。数据合成。数据合成。采用重新产生的数据替代原日期数据，如使用“1972年 8 月 12 日”代替“1880 年 1 月 1 日”。数据清洗、去标识化、匿名化业务规程（试行）39数值型标识符数值型标识符部分抑制遮盖。部分抑制遮盖。使用数值的高位部分代替原有数值，如百分制考试成绩全部使用去掉个位数、保留十位数的数值代替。全部抑制遮盖。全部抑制遮盖。直接删除数值或使用统一的“*”来表示。如所有的数值都使用“*”代替。聚合统计。聚合统计。使用概括、抽象的符号或统计数值来表示，如“有4 个人，分别是蓝色、绿色和浅褐色的眼睛来代替有 1 个人是蓝色眼睛，2 个人是绿色的眼睛，1 个人是浅褐色的眼睛。泛化泛化-顶层和底层编码。顶层和底层编码。大于或小于一个特定值的处理成某个固定值。例如，年龄超过 70 岁的一律用“大于 70 岁”描述，以保障满足此条件的人数多于 20 000 人。随机化随机化-数据置换。数据置换。使用数据集中其他记录的相应数值代替本记录的数值。如设定规则，将记录集中的所有的身高数据取出并全部打乱位置后（其他属性数据位置不变）放回原数据集中。这种方法可以保持数据集的统计特性不变。随机化随机化-数据扰动（噪声添加）。数据扰动（噪声添加）。相对原始数据，产生微小的随机数，将其加到原始数值上并代替原始数值。如对于身高1.72m，产生随机数值-0.11m，加到原始数值后将其变为 1.61m。数据合成。数据合成。采用重新产生的数据替代原始数据，数据产生方法可以采用确定性方法或随机性方法。如使用“19”岁年龄代替“45”岁年龄。联邦学习。联邦学习。如在第三方服务商协调下，某地银行和商超在本地数据不出库情况下通过中央服务器进行联合建模，银行基于掌握的交叉用户性别、年龄数据，匹配该用户在商超的购物频次、消费金额等数据，预测该用户的信用情况。商超基于掌握的交叉用户购物频次、消费金额数据，匹配该用户在银行记录的性别、年龄数据，形成不同性别、不同年龄段用户的消费偏好，辅助产品销售。数据清洗、去标识化、匿名化业务规程（试行）40附件三：部分数据处理技术方法应用建议为向相关组织提供具体技术的选取参考，本报告就常见的和正在积极推动落地的部分数据处理技术进行介绍。部分技术实现简单易操作，但难以单独解决复杂问题。部分技术理论可行，但落地场景需要持续拓展，商用化程度还需提高。相应技术的具体适用方案组织可以向相关技术提供方咨询。技术方法技术方法技术特点技术特点适用场景适用场景应用限制应用限制应用现状应用现状同态加密同态加密对原始数据进行加密，使得加密数据和原始数据进行相同处理时，结果相同。可在不解密情况下对密文进行计算和分析医 疗 数 据 模型构建、电子商务验证、隐私 数 据 求 交集和检索等计 算 消 耗 和性 能 要 求 较高，存储成本较高技术应用理论上可行，商用化程度还需提高抑制遮盖抑制遮盖直接删除或采用字符掩码屏蔽隐私数据或部分字段，并保证底层数据无法访问或编辑，可以保持数据的真实性主 要 适 用 于分类数据，可用 于 数 值 与非 数 值 数 据属性容 易 导 致 信息丢失，过多抑 制 会 影 响数据效用执行相对容易，日常应用较多，但需要与其他技术结合提升抗风险能力聚合统计聚合统计将个体的数据转化为求和、平均、最大值与最小值等统计值，产生的结果能够代表原始数据集的所有记录，但不会披露任何个体记录适 用 于 连 续数 据 的 整 体报告或分析，且 不 需 要 反映 每 一 单 独数 据 记 录 的特征对 个 体 特 征的分析受限，可 能 会 降 低数 据 的 有 用性；对原始数据 样 本 量 有一定要求适用场景有限，多见于整体数据披露，需结合应用目选择具体统计方法数据清洗、去标识化、匿名化业务规程（试行）41泛化泛化降低数据所选属性的颗粒度、精度，对数据进行更概括、抽象的描述，可以保护数据的真实性多 用 于 数 值处理，用于可被 概 括 处 理且 仍 对 预 期目 的 有 用 的数据需 注 意 泛 化范围的选取，过 大 可 能 过度 破 坏 数 据精确度，过小面 临 较 大 重新识别风险泛化技术实现简单，简单数据可直接用电子表格软件处理，日常数据处理中较常用随机化随机化随机修改数据属性值，使得处理后的值区别于原来的真实值，包括添加噪声数据进行扰动和置换相互间的属性值等适 用 于 需 要保 留 个 体 数据记录，并保留 所 选 属 性的 统 计 分 布特征的情形会 对 原 始 数据 记 录 真 实性造成影响，对 个 体 数 据准 确 性 有 要求 时 避 免 使用随机化技术实现简单，已得到成熟应用，在进行整体分析时较常用数据合成数据合成显著修改所有数据属性，根据原始数据的统计特性重新拟合产生新的微数据，不再保留原始数据集的数值可 作 为 原 始数 据 的 替 代项 适 用 于 应用程序开发、测试和应用如 果 合 成 后数 据 与 原 始数 据 拟 合 度过 高 可 能 会导 致 信 息 泄露在实际应用中逐渐增多，对计算能力和计算效率要求较高隐私计算隐私计算多方安全计算多方安全计算在无可信第三方的情况下，多个参与方共同计算一个目标函数，每个参与方除计算结果外不能获得其他参与方输入的任何数据通 常 应 用 于联 合 数 据 分析、数据可信交换、隐私竞标和拍卖、安全 查 询 检 索等场景具 有 去 中 心化特征，对计算 能 力 和 各参 与 方 联 合协 同 要 求 较高商用程度待提升，参与方越多，算法越复杂，计算成本越高，多数只支持两方计算，应用场景有限数据清洗、去标识化、匿名化业务规程（试行）42联邦学习联邦学习在中央服务器或服务提供商协调下，多个实体协作实现联合建模和 AI 协作，而本地原始数据不出库应 用 于 联 合数据统计、联合 机 器 学 习建模等场景需 第 三 方 参与，不同参与方的设备、数据 存 在 异 构性，需要大量协 调 和 标 准化目标受众和落地场景仍较少。算力需求高，通信网络成本高。需与区块链等技术结合可信执行环境可信执行环境通过提供一个可信的、隔离的安全区域（飞地）进行数据处理，防止数据未经授权的访问和修改多 用 于 本 地和远程验证，如 移 动 金 融支付、指纹认证、面部和声纹识别等硬 件 运 维 成本相应上升，同 时 需 要 防止 硬 件 漏 洞和 加 强 人 员及密钥管理应用场景受限，硬件依赖导致某些场景无法适用，某些设备有国产化要求数据清洗、去标识化、匿名化业务规程（试行）43参考资料1GB/T 35273-2020 信息安全技术 个人信息安全规范2GB/T 37964-2019 信息安全技术 个人信息去标识化指南3GB/T 42460-2023 信息安全技术 个人信息去标识化效果评估指南4GB/T 36344-2018 信息技术 数据质量评价指标5GB/T 38606-2020 物联网标识体系 数据内容标识符6DB52/T 1540.3-2020 政务数据 第 3 部分：数据清洗加工规范7DB31/T 1311-2021 数据去标识化共享指南8中华人民共和国全国人民代表大会常务委员会.中华人民共和国数据安全法.2021 年 6 月 10 日.9中华人民共和国全国人民代表大会常务委员会.中华人民共和国个人信息保护法.2021 年 8 月 20 日.10北京市人民代表大会常务委员会.北京市数字经济促进条例.2022年 11 月 25 日.11北京市经济和信息化局.北京市数字经济全产业链开放发展行动方案.2022 年 5 月 30 日.12ISO/IEC 2st CD 20889,Information technology-Security techniques-Privacy enhancing data de-identification techniques,June 2017.13ISO/IEC 38505,Information technology-Governance of IT-Governance of data-Part 1:Application of ISO/IEC 38500 to the governance of data,March 2017.14Personal Data Protection Commission Singapore,Guide to Basic数据清洗、去标识化、匿名化业务规程（试行）44Anonymisation.31 March 2022,https:/www.pdpc.gov.sg/-/media/Files/PDPC/PDF-Files/Advisory-Guidelines/Guide-to-Basic-Anonymisation-31-March-2022.ashx.15Article 29 Data Protection Working Party(European Commission).Opinion 05/2014 on Anonymisation Techniques.10 April 2014,http:/ec.europa.eu/justice/data-protection/article-29/documentation/opinion-recommendation/files/2014/wp216_en.pdf.

0人已浏览 2023-11-23 51页 5星级