1、 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。1 证券研究报告 计算机计算机 数据要素：数字经济的核心主线数据要素：数字经济的核心主线 华泰研究华泰研究 计算机计算机 增持增持 (维持维持)研究员 谢春生谢春生 SAC No.S0570519080006 SFC No.BQZ938 +(86)21 2987 2036 研究员 郭雅丽郭雅丽 SAC No.S0570515060003 SFC No.BQB164 +(86)10 5679 3965 研究员 范昳蕊范昳蕊 SAC No.S0570521060004 +(86)10 6321 1166 联系人 彭钢彭钢 SAC No.

2、S0570121070173 +(86)21 2897 2228 联系人 袁泽世，袁泽世，PhD SAC No.S0570122080053 +(86)21 2897 2228 联系人 林海亮林海亮 SAC No.S0570122060076 +(86)21 2897 2228 行业行业走势图走势图 资料来源：Wind，华泰研究 2022年12月13日中国内地 专题研究专题研究 数据要素：基础逐步筑牢，产业变革在即数据要素：基础逐步筑牢，产业变革在即 数据资源化、数据资产化、数据要素化是从无序的原始数据到运用于生产，直接产生价值的三大步骤，当前推动数据从资源变为要素的核心条件正逐步完善。随着各

3、行业信息化建设深入，我国产生的数据量从 2012 年的 0.4ZB增长至 2021 年的 6.6ZB，数据量快速累积为数据要素利用打下良好基础；随着网络、安全等基础设施逐步完善，政策关注点从“互联网+”逐步转向“数据要素”，数据为核心的产业有望加速发展；在涉及数据层面则从政务数据向更广泛的公共数据拓展，应用有望逐步丰富。我们认为在法律法规、标准规范、数据相关技术日趋成熟的基础上，数据产业变革有望加速到来。涵盖供给、流通、应用的全方位的数据要素产业链逐步清晰涵盖供给、流通、应用的全方位的数据要素产业链逐步清晰 数据要素的全价值链可划分为供给、流通、应用三大环节。从市场规模角度，据国家工信安全发展

4、研究中心，2021 年中国数据要素市场规模（不含数据应用）约为 815 亿元。不同环节所涉及的具体能力要求有所不同，在“十四五”数字经济发展规划中，针对数据要素供给环节，提出数据质量提升工程，侧重从数据资源、主体、标准化三大维度切入提升数据质量；在数据要素流通环节，提出数据要素市场培育试点工程，聚焦于确权及定价、数据交易平台的试验与培育。当前数据要素全产业链逐步清晰。数据供给：以“数据资源化”构筑数据要素产业链起点数据供给：以“数据资源化”构筑数据要素产业链起点 数据要素供给是整个数据产业链的基座和起点，即通过“数据资源化”使无序、混乱、海量的原始数据成为有序、有使用价值、标准化的数据资源，主

5、要包括数据采集、数据整理、数据聚合、数据分析四大环节。1）数据采集：数据资源化首要环节，以大数据厂商为代表的数据采集商有望凸显优势；2）数据整理：数据资源化核心环节，数据加工服务商占市场主导；3）数据聚合：数据资源化枢纽环节，数据与计算变革下云数据库、湖仓一体平台、大数据平台等产业形态有望加速发展；4）数据分析：数据资源化应用环节，以数据要素为核心动力的智能决策时代或将加速到来。数据流通：培育数据要素市场的基本前提数据流通：培育数据要素市场的基本前提 数据要素流通是培育数据要素市场的基本前提。基于数据要素流通市场建设框架，数据要素流通市场化发展分为数据权利、登记、定价、交易、监管五个环节。其中

6、，数据确权基于分割、分类、分级原则，明确了数据权属界定；数据登记将数据相关信息及权利在数据登记系统上予以记载和公示，确认数据合法性；数据资产定价通过数据评价和价值评估两个环节实现数据量化估值；数据交易以货币或其等价物来交换相应数据商品；数据监管保障数据要素安全流通流转。目前，我国数据要素流通尚处于起步阶段。相关标的相关标的：数据采集数据采集/清洗清洗/处理、政务处理、政务/产业数据、数据加密产业数据、数据加密/安全安全 产业链相关公司包括：1、数据采集/清洗/处理：海康威视、中新赛克、恒为科技；2、政务数据：太极股份、中科江南、易华录、博思软件；3、产业数据：上海钢联、航天宏图、超图软件、南网

7、科技、四维图新；4、数据加密：三未信安、格尔软件、吉大正元、信安世纪；5、数据安全：安恒信息、启明星辰、奇安信、绿盟科技。风险提示：宏观经济波动；技术迭代不及预期；本研报中涉及到的公司、个股内容系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。(37)(27)(17)(6)4Dec-21Apr-22Aug-22Dec-22(%)计算机沪深300 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。2 计算机计算机 正文目录正文目录 综述：数据要素综述：数据要素基础逐步筑牢，产业变革在即基础逐步筑牢，产业变革在即.3 数据要素：2015 vs 2022，关注三大差

8、异点.3 法律法规逐步完善，护航数据要素市场发展.6 标准持续丰富，涵盖流通、交易等多个环节.7 数据+流通+安全，全生命周期技术体系逐步形成.10 数据：覆盖多环节的产业链逐步清晰数据：覆盖多环节的产业链逐步清晰.13 涵盖供给、流通、应用的全方位的数据要素产业链逐步清晰.13 参与主体：涉及供应商、监管方、需求方等多方.16 市场规模：2021 年达到数百亿元级别.17 数据供给：以“数据资源化”构筑数据要素产业链起点数据供给：以“数据资源化”构筑数据要素产业链起点.20 数据采集：数据资源化首要环节，关注采集合法化与标准化.21 公共数据：逐步进入要素市场，逐步扩大开放范畴.21 企业数

9、据：数据链反哺产业链，第三方采集商价值凸显.22 个人数据：关注隐私保护，鼓励个人数据流通应用.23 市场格局：数字化转型建设商与大数据基础服务商各具优势.23 数据整理：数据资源化核心环节，搭建数据要素标准体系.24 产业概览：以数据标准化为核心落脚点，强化数据要素资源管理.24 市场格局：数据加工服务商占主导，数据治理服务商有望加速成长.26 数据聚合：数据资源化枢纽环节，强调数据要素互通共享.28 数据库：数据上云成为重要趋势，非关系型数据库快速发展.28 湖仓一体：数据湖、数据仓库呈现湖仓一体发展趋势.29 数据平台：一体化平台或将加速数据要素市场化进展.30 数据分析：数据资源化应用

10、环节，实现数据价值深度挖掘.31 数据流通：“数据流通：“5+5”构建流通框架与市场环节”构建流通框架与市场环节.34 数据权利与确权：数据要素流通交易的基础.35 数据登记：确认数据合法性的保障.38 数据定价&收益分配：量化数据估值，确定数据收益.41 数据交易：培养数据要素市场的关键.44 数据监管：保障数据要素安全流通流转.47 相关标的相关标的.50 风险提示.50 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。3 计算机计算机 综述：数据要素综述：数据要素基础逐步筑牢，产业变革在即基础逐步筑牢，产业变革在即 数据要素：数据要素：2015 vs 2022，关注三大差异点

11、，关注三大差异点 数据数据特性特性：从资源到要素：从资源到要素，逐步成为核心，逐步成为核心。数据从原始数据到成为生产要素需要经历数据资源化、数据资产化、数据要素化三大过程，首先是通过整理从无序变为有序，成为具备潜在利用价值的资源，其次是通过确权等环节成为能够流通的资产，最后是运用于生产，直接产生价值，成为生产要素。这一过程与 DIKW 模型描述的数据与智慧之间的关系相对应，在 DKIW 模型中，数据仅是基于对客观事实的记录，数据被组织后形成可被理解的信息，人类通过理解信息获得知识，基于知识推演出因果并进行判断，形成智慧。从数据产生价值的过程中可以看出，将数据运用于生产是数据从信息变为知识和智慧

12、的重要过程，通过这一过程产生的价值是数据产业价值的核心来源，确权、定价、数据产品化则是价值变现的重要途径。我们认为当前推动数据从资源变为要素的核心条件正逐步完善。图表图表1：从“原始数据”到“数据要素”从“原始数据”到“数据要素”资料来源：华泰研究 信息化信息化建设：步入大数据应用阶段，为数据要素发展打下良好基础。建设：步入大数据应用阶段，为数据要素发展打下良好基础。信息化建设是数据产生的来源、数据资源积累、应用的基础。从当前各个行业信息化建设的历程看，我们认为我国各个行业信息化建设逐步深入，重点行业经历了 21 世纪初的电子化、初步信息化，到2015 年以来的大数据等技术逐步应用，信息化程度

13、不断深入。从数据资源的丰富度看，我国产生的数据量从 2012 年的 0.4ZB 增长至 2021 年的 6.6ZB，数据量快速累积，数据要素利用的基础已经基本具备。图表图表2：数据量及分行业信息化数据量及分行业信息化 资料来源：赛迪顾问、Statista、IDC、国务院官网、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。4 计算机计算机 政策政策关注：从“互联网关注：从“互联网+”、“数字经济”到“数据要素”。”、“数字经济”到“数据要素”。政策从互联网+逐步向数据要素推进。“互联网+”政策在推动构建互联网自主技术体系和产业生态的同时推动了数字经济的发展。通过“互联网+

14、”的建设，网络、应用、产业、安全基础逐步夯实，为数据资源的积累和利用打下良好的基础，互联网+与数字经济、数据要素政策一脉相承。从政策侧重点看，“互联网+”相关政策侧重互联网与传统产业的深入融合，数字经济政策在早期以信息化建设和鼓励电子商务发展为主。随着我国数字经济建设的逐步深入，政策对统筹打造全国数据要素市场体系，促进数据要素市场化配置等主题的关注度逐步提升。我们认为当前随着基础设施逐步完善，政策进一步关注核心要素数据的价值，聚焦数据的产业政策有望加速落地。图表图表3：互联网互联网+、数字经济、数据产业政策对比、数字经济、数据产业政策对比 互联网互联网+数字经济数字经济 数据数据要素要素 发布

15、时间发布时间 2015 年起年起相关政策开始出现 2016 年年首次在政策中阐述了数字经济的概念、意义和指导原则；此后大量政策陆续出现 2019 年年的政府文件中首次将“数据”列为生产要素，随后多项围绕数据产业的政策出台 关键政策关键政策 国务院关于积极推进“互联网+”行动的指导意见 “十四五”数字经济发展规划 关于构建更加完善的要素市场化配置体制机制的意见、“十四五”大数据产业发展规划 发展目标发展目标 推动互联网由消费领域向生产领域拓展，大力拓展互联网与经济社会各领域融合的广度和深度，培育“互联网“互联网+”生态体系”生态体系-国务院关于积极推进“互联网+”行动的指导意见（2015/7）到

16、 2025 年，数字经济核心产业增加值占数字经济核心产业增加值占 GDP 比重比重达到10%，数据要素市场体系初步建立，产业数字化转型，数字产业化水平提升，数字化公共服务更加普惠均等，数字经济治理体系更加完善。-“十四五”数字经济发展规划（2022/1）到 2025 年，大数据产业测算规模突破 3 万亿，现代化大数据产业体系现代化大数据产业体系基本形成；数据要素价值评估体系初步建立；数据产业链稳定高效，产业生态良性发展。-“十四五”大数据产业发展规划（2021/11）关键领域关键领域 发展“互联网+”创业创新、协同制造、现代农创业创新、协同制造、现代农业、智慧能源、普惠金融、益民服务、高效物流

17、、业、智慧能源、普惠金融、益民服务、高效物流、电子商务、便捷交通、绿色生态、人工智能电子商务、便捷交通、绿色生态、人工智能。-国务院关于积极推进“互联网+”行动的指导意见（2015/7）促进信息通信技术信息通信技术领域的投资、支持创业和促进数字化转型、促进电子商务电子商务合作、促进中小微企业发展-G20数字经济发展与合作倡议（2016/9）加快培育数据要素市场数据要素市场，发挥大数据特性优势，构建稳定高效产业链-“十四五”大数据产业发展规划（2021/11）基础设施基础设施 夯实网络、应用、产业、安全基础网络、应用、产业、安全基础-国务院关于积极推进“互联网+”行动的指导意见（2015/7）加

18、快建设信息网络基础设施信息网络基础设施，推进基础设施智能升级-“十四五”数字经济发展规划（2022/1）全面部署新一代通信网络基础设施新一代通信网络基础设施，加快工业互联网、车联网、智能管网、智能电网等布局，加快构建全国一体化大数据中心体系全国一体化大数据中心体系-“十四五”大数据产业发展规划（2021/11）数据要素数据要素 优化数据中心数据中心布局，完善网络数据共享、利用等的技术措施-国务院关于积极推进“互联网+”行动的指导意见（2015/7）强化高质量数据要素供给供给，加快数据要素市场化流通流通，创新数据要素开发利用开发利用机制-“十四五”数字经济发展规划（2022/1）推进数据开放共享

19、开放共享，提升数据资源价值，加强数据资源整合资源整合-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机制的意见（2020/4）数据安全数据安全 完善网络数据共享、利用等的安全管理和技术措施，探索建立以行政评议和第三方评估为基础的数据安全流动认证体系数据安全流动认证体系，完善数据跨境流动管理数据跨境流动管理制度制度，确保数据安全-国务院关于积极推进“互联网+”行动的指导意见（2015/7）增强网络安全防护能力，提升数据安全保障水平，切实有效防范各类风险-“十四五”数字经济发展规划（2022/1）完善数据安全保障体系，推动数据安全产业发展-“十四五”大数据产业发展规划（2021/11）保障支撑

20、保障支撑 发展全球市场应用，增强走出去服务能力，加快复合型人才培养，加大财税支持，开展试点示范-国务院关于积极推进“互联网+”行动的指导意见（2015/7）加大资金支持力度，提升全民数字素养和技能，实施试点示范，拓展数字经济国际合作-“十四五”数字经济发展规划（2022/1）加强大数据知识普及，强化技术供给，加强资金支持，加快人才培养，推进国际合作-“十四五”大数据产业发展规划（2021/11）资料来源：发改委、工信部、国务院、深改委、网信办、新华社、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。5 计算机计算机 数据范畴：从政务数据到更广泛的公共数据，应用逐步丰富。数

21、据范畴：从政务数据到更广泛的公共数据，应用逐步丰富。数据类型可以划分为公共数据、商业数据、个人数据。国务院关于积极推进“互联网+”行动的指导意见中，在创新政府网络化管理和服务中提及推动公共数据资源开放。而近两年的数据条例则从主体、目的、行为角度对公共数据进行了界定。如上海市数据条例中将政务、公共事业等组织在履行公共管理和服务职责中产生的数据界定为公共数据；重庆市数据条例则将政务数据、公共服务数据纳入公共数据的范畴。从数据范畴看，数据资源的开发范畴正从政务数据的领域进一步拓展。如上海市数据条例中提出鼓励各类企业开展数据融合应用，加快生产制造、科技研发、金融服务、商贸流通、航运物流、农业等领域的数

22、据赋能，推动产业互联网和消费互联网贯通发展。重庆市数据条例中提出鼓励自然人、法人和非法人组织将数据依法汇聚到公共数据资源体系。图表图表4：数据的分类数据的分类 资料来源：中国政府网、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。6 计算机计算机 法律法规逐步完善，护航数据要素市场发展法律法规逐步完善，护航数据要素市场发展 法律法规逐步完善，护航数据要素市场发展法律法规逐步完善，护航数据要素市场发展。在政策逐步加强对数据要素关注的过程中，数据相关的法律逐步完善。2017 年颁布的网络安全法和 2021 年颁布的数据安全法等基础法律法规明确了数据跨境流动应当进行安全评估。2

23、021 年 8 月，全国人大通过的 个人信息保护法立足于数据产业发展和个人信息保护的需求，建立了个人信息合法处理的规则。2022 年颁布的数据出境安全评估办法则进一步明确了数据出境的具体流程和要求，提出应对数据跨境流动采用分层分类管理的治理规则。相关法律法规体系框架的日益完善，保障了数据安全，使得数据可以安全、有序、自由地流动。图表图表5：数据要素市场指导性法律法规数据要素市场指导性法律法规 资料来源：中国政府网、华泰研究 各重点应用行业在数据合规基础法律框架基础上，提出针对性规范及指导性文件。各重点应用行业在数据合规基础法律框架基础上，提出针对性规范及指导性文件。在工业领域，2020 年 3

24、 月，工业和信息化部印发工业数据分类分级指南（试行），规定了工业企业对工业数据进行分类梳理和标识并形成企业工业数据分类清单的要求。在政务数据领域，2022 年国务院办公厅发布全国一体化政务大数据体系建设指南，提出“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。”在金融领域，2017 年 7 月 9 日，中国保监会保险业务要素数据规范，明确了保险业务数据要素流通的基本规范。2020 年 2 月，中国人民银行发布个人金融信息保护技术规范，对个人金融信息保护提出了明确的需求。2021 年，人民银行发布金融业数据能力建设指引，

25、明确提出要提升金融机构数据安全能力建设。图表图表6：重点行业政策重点行业政策 行业行业 时间时间 相关政策名相关政策名 金融 2017 年 7 月 保险要素规范 2020 年 2 月 个人金融信息保护技术规范 2021 年 2 月 金融业数据能力建设指引 农业 2015 年 12 月 关于推进农业农村大数据发展的实施意见 2016 年 5 月“互联网+”现代农业三年行动实施方案 2019 年 数字乡村发展战略纲要 2020 年 1 月 数字农业农村发展规划（2019-2025 年）交通 2016 年 关于推进交通运输行业数据资源开放共享的实施意见 2021 年 12 月“数字交通”十四五发展规

26、划 2021 年 12 月“十四五”现代综合交通运输体系发展规范 医疗健康 2016 年 6 月 关于促进和规范健康医疗大数据应用发展的指导意见 2021 年 12 月“十四五”全民医疗保障规划 2022 年 5 月“十四五”国民健康规划 工业 2020 年 关于工业大数据发展的指导意见 资料来源：中国政府网、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。7 计算机计算机 政策明确数据要素会计处理方式，数据要素市场化发展有望提速政策明确数据要素会计处理方式，数据要素市场化发展有望提速。2022 年 12 月 9 日，财政部印发企业数据资源相关会计处理暂行规定（征求意见稿

27、），明确了数据要素会计处理方式。具体来看，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，企业应当对数据资源相关交易和事项进行会计确认、计量和报告：1）企业内部使用的数据资源）企业内部使用的数据资源：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，并对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。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，无形资产的摊销金额一般应当计入当期损益。2）企业对外交易的数据资源企业对外交易的数据资源：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

28、计准则第 1 号存货规定的定义和确认条件的，应当确认为存货，并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。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，企业应当根据收入准则等规定确认相关收入。对于不符合企业会计准则相关资产定义和确认条件的数据资源，企业利用此类数据资源对客户提供服务的，应当根据收入准则等规定确认相关收入。3）信息披露等其他要求细则）信息披露等其他要求细则：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相关会计信息进行披露。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相关会计信息进行披

29、露。企业对数据资源进行评估的，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，包括数据类型、规模、应用场景、转让限制等。标准持续丰富，涵盖流通、交易等多个环节标准持续丰富，涵盖流通、交易等多个环节 标准持续丰富，覆盖多个环节。标准持续丰富，覆盖多个环节。从标准的丰富看，形成了覆盖多个环节的标准、规范。各地在制定各环节的数据要素标准之前一般会先制定标准体系框架，规定整个标准体系的总体结构与要求，以及基础、数据、技术方法、产品及服务、行业应用、管理、安全和质量与评价等标准分体系的构成与要求。图表图表7：标准体系框架标准体系

30、框架 标准名称标准名称 发布时间发布时间 发布单位发布单位 大数据标准体系框架 V1.0（T/QBDA 1001-2017）2017 年 9 月 青岛市大数据发展促进会 大数据标准体系编制规范（DB15/T 1590-2019）2019 年 2 月 内蒙古自治区市场监督管理局 公共数据开放 第 1 部分：基本要求（DB37/T3523.1-2019）2019 年 3 月 山东省大数据局 大数据 标准体系总体架构（T/GZBD 2-2021）2021 年 3 月 贵州省大数据发展促进会 大数据标准体系框架（DB2102/T 0041-2022）2022 年 1 月 大连市市场监督管理局 资料来源

31、：数据要素流通标准化白皮书（2022 版），华泰研究 供给环节标准：侧重提升数据质量。供给环节标准：侧重提升数据质量。数据要素供给包括数据的采集、整理、聚合和分析等环节，为强化数据要素高质量供给，需要加强数据要素供给标准化、规划化建设。例如 2019年 4 月 山 东 省 大 数 据 局 发 布 公 共 数 据 开 放 第 2 部 分：数 据 脱 敏 指 南（DB37/T3523.2-2019），提供了公共数据开放中数据脱敏的指导和建议，并给出了基本原则、脱敏规划、脱敏流程等方面需要考虑的要点信息。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。8 计算机计算机 图表图表8：供给环

32、节标准供给环节标准 资料来源：中国政府网、华泰研究 数据流通环节标准：数据流通环节标准：国家标准国家标准侧重提升数据要素流通效率，覆盖多个细分环节。侧重提升数据要素流通效率，覆盖多个细分环节。数据要素流通环节包括数据登记、数据定价、数据交易共享和数据服务运营等，建设涵盖各方面的数据要素流通标准可以加快数据要素流通，充分发挥数据要素价值。同时，各省市积极开展数据要素流通环节的标准研制工作，如 2019 年 12 月贵州省市场监管局发布基于区块链的数据资产交易实施指南，规定了基于区块链的数据资产交易规范，适用于对数据资产交易方记录，对数据资产交易流程记录，对数据资产交易溯源，构建区块链分布式、多方

33、可信促进资产流通。安全标准较为丰富安全标准较为丰富，涉及数据安全、技术安全、，涉及数据安全、技术安全、平台安全平台安全。除去以上针对细分环节的标准，还有涉及数据要素全生命周期的环节，如数据基础设施、数据安全、数据咨询服务和数据人才培训等，其中我国围绕数据安全、技术安全、平台安全等方面的标准规范较为丰富。图表图表9：数据流通环节（省市标准数据流通环节（省市标准&国家标准）国家标准）资料来源：中国政府网、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。9 计算机计算机 重点行业标准：政务标准重点行业标准：政务标准较较丰富，重点行业持续更新。丰富，重点行业持续更新。数据行业应用

34、标准从大数据为各行业能提供的服务出发，是各领域根据其特性研制的专用数据标准，包括政务、金融、工业等领域。政务行业标准较丰富，如 2019 年 12 月，山西省电子政务信息标准化技术委员针对政务信息资源数据共享交换平台发布了涉及总体框架、目录编制规范、部门接入规范、交换规范、资源中心设计规范、共享网站功能指南、安全技术规范的多个标准。2018 年 12月杭州市数据资源管理局发布 政务数据共享安全管理规范，规定了政务数据共享的总则、基本要求、数据归集安全、数据传输安全、数据存储安全、数据处理安全、数据共享安全和数据销毁安全，适用于非涉密政务数据共享安全管理。图表图表10：数据要素应用环节标准数据要

35、素应用环节标准 分类分类 标准名称标准名称 发布时间发布时间 发布单位发布单位 政务政务 政务数据共享安全管理规范（DB3301/T 0276-2018）2018 年 12 月 杭州市数据资源管理局 数据资源管理 第 4 部分：政务数据共享流程（DB3301/T 0322.4-2020）2020 年 10 月 杭州市数据资源管理局 政府数据 数据开放工作指南（DB52/T1406-2019）2019 年 4 月 贵州省大数据标准化技术委员会 政务数据共享技术规范（DB36/T 1179-2019）2019 年 12 月 山西省电子政务信息标准化技术委员 政务数据开放共享元数据（DB15/T 2

36、104-2021）2021 年 2 月 内蒙古自治区市场监管局 政务大数据中心数据交换规范（DB43/T 1754-2020）2022 年 4 月 湖南省市场监督管理局 政务信息数据共享交换平台技术规范（DB54/T 0262-2022）2022 年 5 月 西藏自治区市场监督管理局 金融金融 证券登记结算业务数据交换协议（JR/T 0018-2004）2005 年 3 月 中国证券监督管理委员会 保险信息安全风险评估指标体系规范（JR/T 0058-2010）2010 年 4 月 中国人民银行 期货交易数据交换协议（JR/T0016-2014）2014 年 12 月 中国证券监督管理委员会

37、保险基础数据元目录（JR/T 0033-2015）2015 年 7 月 中国银行保险监督管理委员会 证券期货业数据分类分级指引（JR/T 0158-2018）2018 年 9 月 中国证券监督管理委员会 金融数据安全 数据安全分级指南（JR/T 0197-2020）2020 年 9 月 中国人民银行 金融数据安全 数据生命周期安全规范（JR/T 0223-2021）2021 年 4 月 中国人民银行 电力电力 电网运行模型数据交换规范（DL/T 1380-2014）2014 年 10 月 国家能源局 电力行业统计数据接口规范（DL/T 1450-2015）2015 年 4 月 国家能源局 电能

38、质量数据交换格式规范（DL/T 1608-2016）2016 年 8 月 国家能源局 电力数据管理能力成熟度评估模型（DL/T 2460-2021）2021 年 12 月 国家能源局 工业互联网工业互联网 工业互联网 总体网络架构（GB/T 42021-2022）2022 年 10 月 国家市场监督管理总局、国家标准化管理委员会 工业互联网平台企业应用水平与绩效评价（GB/T41870-2022）2022 年 10 月 国家市场监督管理总局、国家标准化管理委员会 工业互联网平台应用实施指南第 1 部分：总则（GB/T23031.1-2022）2022 年 10 月 国家市场监督管理总局、国家标

39、准化管理委员会 工业互联网数据安全保护要求（YD/T 3865-2021）2021 年 5 月 中国通信标准化协会 电子商务电子商务 电子商务数据交易第 1 部分：准则（GB/T40094.1-2021）2014 年 12 月 国家市场监督管理总局、国家标准化管理委员会 第 2 部分：数据描述规范（GB/T 40094.2-2021）2014 年 12 月 国家市场监督管理总局、国家标准化管理委员会 第 3 部分：数据接口规范（GB/T 40094.3-2021）2014 年 12 月 国家市场监督管理总局、国家标准化管理委员会 第 4 部分：隐私保护规范（GB/T 40094.4-2021）

40、2014 年 12 月 国家市场监督管理总局、国家标准化管理委员会 资料来源：数据要素流通标准化白皮书（2022 版），华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。10 计算机计算机 数据数据+流通流通+安全，全生命周期技术体系逐步形成安全，全生命周期技术体系逐步形成 数据要素技术可按照作用分为 4 类，分别为维护数据安全、提升数据质量、加强数据标准化、提高交易效率。维护数据安全技术包括隐私计算、区块链、密码技术。1）隐私计算）隐私计算：包含三大主流方向：包含三大主流方向 在处理与分析计算数据的过程中，隐私计算能够保持数据不透明、不泄露、无法被计算方以及其他非授权方获

41、取。与传统数据使用方式相比，隐私计算的加密机制能够增强对于数据的保护、降低数据泄露风险，并保证在安全的前提下尽可能使数据价值最大化。隐私计算是涉及密码学、智能科学、硬件技术的交叉融合技术，当前主流的隐私计算技术有三大方向：一是多方安全计算；二是联邦学习技术；三是可信执行环境技术。不同技术往往组合使用。图表图表11：隐私计算三大方向隐私计算三大方向 技术方向技术方向 技术简介技术简介 安全多方计算 安全多方计算涉及同态加密、不经意传输、混淆电路和秘密共享等算法协议来实现，主要适用于统计分析、判断决策、基础查询等常规计算场景。联邦学习 联邦学习为多方协同的加密机器学习技术，能满足多个机构方在保护数

42、据安全和隐私信息的前提下基于全局数据资源进行模型训练，适用于大数据建模与预测分析类的复杂迭代计算场景。可信执行环境 可信执行环境是通过硬件执行环境限制来对数据和计算进行隔离保护，隔离的具体实现包括中断隔离、RAM 的隔离和外设的隔离、芯片内部 RAM 和 ROM 的隔离等。可信执行环境需要硬件厂商授权，适用于对计算速度要求高，但对数据保护与安全合规要求较低的应用场景。资料来源：CSDN、华泰研究 2）区块链）区块链 区块链是一种分布式的数据结构，利用块链式数据结构验证与存储数据、同时使用分布式节点共识算法生成和更新数据，并且区块链技术具备了去中心化的特性，使得区块链技术不会被第三方中心所控制，

43、不可篡改，保证区块链数据较强的公信力，满足数据流通过程中保证数据安全、增强透明度的需求。在数据确权方面，数据确权是数据交易的前提，可以使用区块链技术进行数据登记，实现数据资产的唯一性确权。2021 年，北京国际大数据交易所上线了数据交易平台 IDeX 系统，该系统功能之一为使用区块链技术，对上架的数据产品进行登记。在数据交易溯源方面，数据资源在链上交易的完善信息记录实现了数据唯一化，以此为基础可以对数据进行跟踪。当用户对数据交易有疑问的时候，便可通过区块链方便的查询某个用户、某个数据或某个时刻的交易记录。在数据交易记录方面，区块链为去中心化的分布式数据库，可以利用区块链的不可篡改性改善交易过程

44、的记录问题。由于区块链中每一个节点都有一份相同的副本，并且副本的任何改变都要通过所有节点的共识，修改区块链中记录的内容非常困难，因此区块链可以帮助记录数据交易过程中的关键性数据或者证据。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。11 计算机计算机 图表图表12：区块链在数据流通中的应用区块链在数据流通中的应用 资料来源：中国信通院、华泰研究 3）密码技术密码技术 采用密码技术对信息加密，是最常用和有效的安全保护手段。目前广泛应用的加密技术主要包括：对称算法加密和非对称算法加密。对称算法加密的主要特点是通过相同的密钥对信息进行加密和解密，最常用的是 DES 算法。非对称算法加密

45、避免了对称加密的密钥配送问题，其通过公布出去的公钥加密，自己保有的私钥解密。最常用的是 RSA 系统。密码技术可用于数据脱敏，对敏感信息进行数据的变形，实现敏感隐私数据的可靠保护。数据脱敏规则包括使用随机值、数据替换、对称加密、平均值、偏移和取整等，常常多规则配合使用。图表图表13：数据脱敏流程数据脱敏流程 资料来源：CSDN、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。12 计算机计算机 4）机器学习：提升数据质量）机器学习：提升数据质量 机器学习使用计算机模拟或实现人类学习活动，从数据中自动分析获得模型，并利用模型对未知数据进行预测。基于学习方式可以分为监督学习、

46、无监督学习、强化学习等。在数据标注中，使用基于机器学习的半自动标注方法，主要用于提升训练精度、减少整体标注成本、加快模型开发效率。半自动标注方法包括预训练模型和主动学习等。预训练模型，先对小批量数据进行标注学习训练，得到一个预训练模型，然后以学习结果去标注剩下的数据集，往复循环，逐步提高精度。主动学习，即网络具有一定自主决策能力，可主动地提出一些标注请求，将经过筛选的数据提交给人类专家进行标注，节约标注成本，提升效率。图表图表14：使用主动学习方法进行半自动数据标注使用主动学习方法进行半自动数据标注 资料来源：CSDN、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。13

47、 计算机计算机 数据：覆盖多环节的产业链逐步清晰数据：覆盖多环节的产业链逐步清晰 涵盖供给、流通、应用的全方位的数据要素产业链逐步清晰涵盖供给、流通、应用的全方位的数据要素产业链逐步清晰 数据要素数据要素可可分为供给、流通、分为供给、流通、应用应用环节。环节。数据要素从产生到发挥价值，涉及众多细分环节，从“十四五”数字经济发展规划中提出“充分发挥数据要素作用”的具体要求看，包括强化高质量数据要素供给、加快数据要素市场化流通、创新数据要素开发利用机制。我们将数据要素的全价值链总体划分为供给、流通、应用三大环节。不同环节所涉及的具体能力要求有所不同，在“十四五”数字经济发展规划中，针对数据要素供给

48、环节，提出数据质量提升工程，侧重从数据资源、主体、标准化三大维度切入提升数据质量；在数据要素流通环节，提出数据要素市场培育试点工程，聚焦于确权及定价、数据交易平台的试验与培育。图表图表15：“十四五”数字经济发展规划“十四五”数字经济发展规划（2022.03）：）：充分发挥数据要素作用充分发挥数据要素作用 资料来源：国家发改委官网、华泰研究 数据要素供给数据要素供给：形成数据资源，为数据从资源向资产转化打下基础。：形成数据资源，为数据从资源向资产转化打下基础。数据要素供给，包含采集、整理（数据标注、数据清洗、脱敏脱密、标准化）、聚合（数据传输、存储、集合汇聚等）、分析几大环节，从原始的数据为起

49、点，以形成可流通、利用的数据资源为终点，为数据向资产转化打下重要的基础。在这一环节内，通过建设标准化体系、发展数据处理技术，加强数据分类分级管理有助于增强数据处理能力，提升数据质量，是数据全产业链的基础环节。我们认为，有效提升数据质量的厂商，有望在供给环节形成竞争优势。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。14 计算机计算机 图表图表16：数据要素供给环节与建设要点数据要素供给环节与建设要点 资料来源：中国信通院、国家发改委官网、华泰研究 数据要素流通数据要素流通：数据成为生产要素的关键。：数据成为生产要素的关键。数据资源本身具备利用的价值潜力，而要素流通则是其从数据资源

50、变为生产要素，实现价值的关键。数据要素流通涉及的环节包括确权登记、定价交易、交付清算，其中涉及的产业机遇不仅包括交易链条本身的各个环节，还涉及到与之相关的配套服务，如咨询评估、经纪、交付等服务。一方面，数据要素流通需要市场主体的积极参与，提供交易产品，确权及交易的支持技术、服务；另一方面，也需要监管主体不断完善交易管理、规则制定、争议仲裁等机制，为数据要素流通创造良好的市场环境。我们认为，有效提升交易效率的厂商，有望在流通环节形成竞争优势。图表图表17：数据要素流通环节与建设要点数据要素流通环节与建设要点 资料来源：上海数商协会、国家发改委官网、华泰研究 数据要素应用：数据要素产生价值的具体体

51、现。数据要素应用：数据要素产生价值的具体体现。数据要素应用于各个行业，是其产生价值的具体体现。从数据类型看，据“十四五”数字经济发展规划，分为商业数据、政务和公共数据，商业数据与场景深度融合的同时，鼓励更多社会力量对政务和公共数据进行增值开发利用。从应用行业看，重点行业数字化转型提升工程中提及的行业与数字经济及其核心产业统计分类（2021）中所提及的数字化效率提升行业也有一定重合。我们认为，数据要素应用与数字经济产业互相促进但侧重点有所不同，数字经济核心产业涉及自动化、智能化等多个领域，而数据要素应用则聚焦于数据价值的挖掘，数据服务的丰富。我们认为，能实现各个场景与数据深度结合的厂商，有望在应

52、用环节形成竞争优势。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。15 计算机计算机 图表图表18：数据应用领域及数字经济核心产业数据应用领域及数字经济核心产业 资料来源：国家发改委官网、华泰研究 涵盖供给、流通、应用的全方位的数据要素产业链逐步清晰。涵盖供给、流通、应用的全方位的数据要素产业链逐步清晰。围绕提供高质量数据的主题，数据采集、整理（数据标注、数据清洗、脱敏脱密、标准化）、聚合（数据传输、存储、集合汇聚等）、分析等厂商构成了数据要素产业链中的供给环节；围绕提升数据要素交易效率的主题，确权登记、定价交易、交付清算及相应的服务厂商构成了数据要素产业链中的流通环节；围绕数据

53、价值挖掘的主题，各个细分行业的数据应用逐步深入。我们认为当前涵盖供给、流通、应用的全方位的数据要素产业链逐步清晰。图表图表19：数据涉及环节数据涉及环节 资料来源：华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。16 计算机计算机 参与主体：涉及供应商、监管方、需求方等多方参与主体：涉及供应商、监管方、需求方等多方 数据供给：数据供给：数据产出行业集中度高，数据产出行业集中度高，2021 年五大行业占比年五大行业占比 65%左右左右。数据供给可拆分为采集、整理、聚合、分析四个环节，分别对应了数据产品供应商（负责提供原始数据）、数据加工处理服务商（负责数据预处理，将非结构化

54、数据处理成结构化数据）、数据资源集成商（负责数据集合）和数据分析技术服务商（负责数据分析）四大参与主体。根据中国网络空间研究院发布的 国家数据资源调查报告（2021），2021 年，我国数据产量高达 6.6ZB，同比增长 29.4%。在行业分布上，个人持有的各类设备共产生 1.4ZB 数据，全国各类行业机构共产生 5.2ZB 数据，其中，主要分布在政府、互联网、媒体、公众服务及专业服务、交通等行业，上述五大行业数据产量占全国行业机构数量总产量的 65%左右。图表图表20：数据供给环节的参与主体数据供给环节的参与主体 资料来源：全国数商产业发展报告，上海数据交易所、华泰研究 图表图表21：202

55、1 年，政府、互联网、媒体、公众服务及专业服务、交通五大行业数据产量占全国行业机构数量总产量的年，政府、互联网、媒体、公众服务及专业服务、交通五大行业数据产量占全国行业机构数量总产量的 65%左右左右 资料来源：国家数据资源调查报告（2021），中国网络空间研究院、华泰研究 数据流通：数据流通：厂商集中在数据产品供应商，数据交易经纪服务商厂商较少厂商集中在数据产品供应商，数据交易经纪服务商厂商较少。数据流通可以拆分为三阶段。第一阶段：需要完成数据登记确权，参与主体为数据质量评估商。第二阶段：包括数据产品、挂牌上市、撮合交易三阶段，涉及到数据产品供应商（提供数据产品）和数据交易经纪服务商（负责交

56、易撮合、交易经纪，起到中介的作用）。第三阶段：包括合约交付和交易结算，参与主体仍为数据交易经纪服务商。其中从交易场所来看，数据交易可分为场外交易和场内交易，因此经纪服务商也可以分为场内经纪服务商和场外经纪服务商。由于场内交易体系建设较晚，因此目前仍以场外交易为主，场内交易在迅速发展。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。17 计算机计算机 图表图表22：数据流通环节的参与主体数据流通环节的参与主体 资料来源：全国数商产业发展报告，上海数据交易所、华泰研究 数据利用：数据利用：需求端需求旺盛，涉及行业众多。需求端需求旺盛，涉及行业众多。数据要素市场的另一端是数据的需求方，主

57、要是各类行业用户。从场外的数据交易情况来看，需求侧并不存在需求低迷的情况，尤其数据驱动型的公司对数据有着较大的需求。这些行业主要涉及到政务、工业、互联网、医疗、金融、能源、商贸等领域。图表图表23：数据需求主体基本情况数据需求主体基本情况 资料来源：数据价值化与数据要素市场发展报告（2021 年），中国信息通信研究院、华泰研究 市场规模：市场规模：2021 年达到数百亿元级别年达到数百亿元级别 数据供给：数据供给：当前中国数商行业企业数量为当前中国数商行业企业数量为 192 万家，万家，数据产品和服务供给不足。数据产品和服务供给不足。从市场规模来看，2021 年，数据供给环节（采集、存储、加工

58、）的市场规模达到 385 亿元。根据国家工信安全发展研究中心，2021 年中国数据要素市场规模约为 815 亿元（不含数据应用），其中，数据供给环节占比 47.2%。从数商企业数量来看，存在明显的供需不匹配问题，缺少标准化和规划化产品。高质量数据产品的背后是高质量数商。根据上海数据交易所官网，截至2022年11月，上海数据交易所累计挂牌数商仅89个。根据 全国数商产业发展报告，截至 2022 年 11 月，中国数商行业企业数量达到 192 万家。其中，中国数商产业主要集中在长三角、珠三角、京津翼、川渝地区，四大区域合计占比达到 56.8%。免责声明和披露以及分析师声明是报告的一部分，请务必一起

59、阅读。18 计算机计算机 图表图表24：截至截至 2022 年年 11 月，中国数商行业企业数量达到月，中国数商行业企业数量达到 192 万家万家 资料来源：全国数商产业发展报告，上海数据交易所、华泰研究 数据数据流通流通：目前仍目前仍以场外交易为主，场内交易持续发力。以场外交易为主，场内交易持续发力。从市场规模来看，根据国家工信安全发展研究中心，2021 年中国数据流通（交易、分析、数据服务）市场规模约为 380 亿元，占中国数据要素市场规模的 46.6%。从市场占比来看，根据上海数据交易所研究院，2022年，场外交易占全部交易的比重约为2%。预计到2025年，场内交易占比将达到1/41/3

60、。场外交易平台集中度低，场内交易以省市级交易所为主。2014 年 1 月，中关村数海大数据交易中心平台成立，拉开了场内交易的序幕；2015 年 4 月，全国首家大数据交易所贵阳大数据交易所获批成立；2022 年 11 月，深圳数据交易所正式揭牌成立，至此，北上广深四大一线城市均开启了新的数据流通探索。截至 2022 年 11 月，全国数据交易所已超 40 家。图表图表25：2021 年，中国数据流通市场规模约为年，中国数据流通市场规模约为 380 亿元亿元 图表图表26：预计到预计到 2025 年，场内交易占比将达到年，场内交易占比将达到 1/41/3 资料来源：国家工业信息安全发展研究中心、

61、华泰研究 资料来源：上海数据交易所研究所、华泰研究 长三角地区50.0珠三角地区24.30 京津翼地区21.4川渝地区13.4其他地区82.9（万家）4558550050100150200数据采集数据存储数据加工数据交易数据分析数据服务生态保障（亿元）数 据 供 给数 据 供 给环节环节为385亿 元，占比47.2%数 据 流 通数 据 流 通环节环节为380亿 元，占比46.6%免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。19 计算机计算机 图表图表27：全国部分数据交易所全国部分数据交易所/交易中心的基本情交易中心的基本情况况 时间时间 名称名称 所在

62、地所在地 时间时间 名称名称 所在地所在地 时间时间 名称名称 所在地所在地 2014 年 中关村数海大数据交易平台 北京 2016 年 亚欧大数据交易中心 新疆 2021 年 华南国际数据交易公司 广东 北京大数据交易服务平台 北京 南方大数据交易平台 广东 合肥数据要素流通平台 安徽 香港大数据交易所 香港 2017 年 河南中原大数据交易平台 河南 德阳数据交易平台 四川 2015 年 重庆大数据交易平台 重庆 青岛大数据交易中心 山东 长三角数据要素流通服务平台 江苏 贵阳大数据交易所 贵州 潍坊大数据交易中心 山东 西部数据交易中心 重庆 武汉长江大数据交易中心 湖北 山东省新动能大

63、数据交易中心 山东 海南数据产品超市 海南 武汉东湖大数据交易中心 湖北 河南平原大数据交易中心 河南 2022 年 湖南大数据交易所 湖南 华东江苏大数据交易中心 江苏 2018 年 东北亚大数据交易服务中心 吉林 广州数据交易所 广东 华中大数据交易所 湖北 2019 年 山东数据交易平台 山东 福建大数据交易中心 福建 西咸新区大数据交易所 陕西 2020 年 安徽大数据交易中心 安徽 江苏无锡大数据交易中心 江苏 交通大数据交易平台 广东 山西数据交易服务平台 山西 青海海洋数据交易平台 山东 钱塘大数据交易中心 浙江 北部湾大数据交易中心 广西 郑州数据交易中心 河南 河北大数据交易

64、中心 河北 中关村医药健康大数据交易平台 北京 苏州大数据交易所 江苏 2016 年 浙江大数据交易中心 浙江 2021 年 北京国际大数据交易所 北京 深圳数据交易所 广东 哈尔滨数据交易中心 黑龙江 贵州省数据流通交易服务中心 贵州 上海数据交易中心 上海 北方大数据交易中心 天津 丝路辉煌大数据交易中心 甘肃 上海数据交易所 上海 资料来源：数据交易网、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。20 计算机计算机 数据供给：以“数据供给：以“数据资源化数据资源化”构筑数据要素产业链起点”构筑数据要素产业链起点 以“数据资源化”构筑数据要素产业链的起点以“数据资

65、源化”构筑数据要素产业链的起点。数据要素供给是整个数据产业链的基座和起点，即通过“数据资源化”使无序、混乱、海量的原始数据成为有序、有使用价值、标准化的数据资源，主要包括数据采集、数据整理、数据聚合、数据分析四大环节。1）数据采集：）数据采集：是数据资源化的首要环节，也是整个数据要素产业链的源头，旨在以合法合规的方式实现原始数据收集；根据数据来源的不同可分为政府数据采集、企业数据采集、个人数据采集三类，产业链公司主要包括富士康、海康威视等采集硬件厂商以及万达信息、探码科技、神策数据等大数据厂商；2）数据整理）数据整理：是数据资源化的核心环节，包括数据标注、清洗、脱敏脱密、标准化治理等细分环节；

66、数据整理环节的核心功能是实现数据资源的标准化，以提升数据资源的可用性，主要包括美林数据、神策数据等数据治理厂商以及百度众测、阿里众包等互联网公司；3）数据聚合：）数据聚合：是数据资源化的枢纽环节，包括数据存储、聚合等细分环节，是连通数据采集、整理与数据分析、应用的中枢；数据聚合环节的核心功能是实现数据资源的互联互通、开放共享，以增强数据资源的规模效应与产业价值，在实际应用中聚合对象既包含原始数据又包含标准化数据，产业链公司主要包括达梦数据、人大金仓、PingCAP 等数据库厂商，阿里云、华为云等云厂商以及星环科技、思迈特、友盟等大数据平台厂商；4）数据分析：）数据分析：是数据资源化的应用环节，

67、旨在通过对数据资源的详细研究、概括总结实现数据功能的最大化开发，包括商业智能（Bussiness Intelligence，BI）分析、知识图谱、边缘计算、智能决策等服务，产业链公司主要包括星环科技、帆软软件、第四范式、明略科技等企业。我国数据要素供给环节发展较为成熟，数据要素产业基础已基本夯实。我国数据要素供给环节发展较为成熟，数据要素产业基础已基本夯实。据国家工信部统计，2021 年我国数据采集、整理、聚合、分析的产业规模分别为 45、160、180、174 亿元，2022 年 11 月，我国数据采集、整理、聚合、分析四个环节的数商企业数量占比分别 49.9%、7.5%、25.5%、17.

68、1%，是数据要素市场中发展较为成熟的产业环节。图表图表28：数据要素供给产业全景图数据要素供给产业全景图 注：图中各市场规模为 2021 年数据，企业数量为 2022 年 11 月数据 资料来源：数据价值化与数据要素市场发展报告，中国信通院（2021）、数据要素市场研究报告，长江云通（2022）、中国数据要素市场发展报告，国家工信部（2022）、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。21 计算机计算机 数据采集：数据资源化首要环节，关注采集合法化与标准化数据采集：数据资源化首要环节，关注采集合法化与标准化 数据采集是数据要素供给的首要环节。数据采集是数据要素供给

69、的首要环节。数据采集是数据整理、数据聚合、数据分析的业务基础，决定了数据要素供给的范围和质量，一般可分为线下采集与线上采集两种方式。1）线下采集：线下采集：多通过问卷调查、用户访谈、实地调研等方式进行人工数据采集；2）线上采集：）线上采集：多利用 API 接口、传感器、智能设备、爬虫技术等方式实现自动数据采集，包括数据库采集、系统日志采集、网络数据采集、感知设备数据采集四大类。伴随信息化程度不断深入与数据采集范畴的不断扩大，数据采集呈现自动化、智能化、网络化的三大发展趋势。图表图表29：数据采集分类数据采集分类 资料来源：数据价值化与数据要素市场发展报告，中国信通院（2021）、华泰研究 根据

70、数据主体差异，数据采集对象包括公共数据、企业数据、个人数据三类。根据数据主体差异，数据采集对象包括公共数据、企业数据、个人数据三类。1）公共数据：）公共数据：指政府及公共机构在开展活动中依法收集的各类数据及衍生数据，如自然资源数据、经济社会数据、政务服务数据等；2）企业数据：）企业数据：指企业在生产经营管理活动中产生或合法获取的各类数据，包括企业主体数据、经用户授权的企业数据；3）个人数据：）个人数据：指能够识别自然人身份的特征数据以及自然人参与经济活动、社会活动产生的行为数据。图表图表30：数据采集对象包括数据采集对象包括公共数据、企业数据、个人数据公共数据、企业数据、个人数据三类三类 资料

71、来源：数据价值化与数据要素市场发展报告，中国信通院（2021）、华泰研究 公共数据：逐步进入要素市场，逐步扩大开放范畴公共数据：逐步进入要素市场，逐步扩大开放范畴 公共数据逐步进入要素市场，高价值数据集安全有序开放。公共数据逐步进入要素市场，高价值数据集安全有序开放。2021 年 3 月发布的国家“十四五”规划明确提出，要“扩大基础公共信息数据安全有序开放，优先推动企业登记监管、卫生、交通、气象等高价值数据集向社会开放，开展政府数据授权运营试点，鼓励第三方深化对公共数据的挖掘利用”，2022 年 3 月，全国首部以公共数据为主题的地方性法规浙江省公共数据条例正式实施，率先开启了公共数据进入要素

72、市场的的区域性探索。我们认为，伴随公共数据的安全有序开放，未来公共数据采集将呈现合法化、共享化、价值化三大特征，公共数据有望加快进入要素市场。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。22 计算机计算机 1）合法化：）合法化：收集公共数据应当遵守网络安全、数据安全、个人信息保护等法律、法规以及国家标准的强制性要求；可以通过共享获取数据的，不得重复收集；共享数据无法满足履行职责需求的，可以向公共数据主管部门提交数据需求清单，由公共数据主管部门与相关公共管理和服务机构协商解决。2）共享化共享化：公共数据按照共享属性分为无条件共享、受限共享和不共享数据；公共管理和服务机构应当对其收

73、集、产生的公共数据进行评估，科学合理确定共享属性，并定期更新；需要通过共享获取数据的，应当向数据提供单位的同级公共数据主管部门提出申请，明确应用场景，通过统一的公共数据共享通道以接口调用、批量数据使用等方式获取数据。3）价值化：）价值化：公共数据的数据要素属性有望通过数据授权运营凸显，探索由公共数据管理机构统一授权运营，通过建立公共数据成本核算机制，参照行政管理类、资源补偿类收费标准和流程，指导对市场化主体进行收费。图表图表31：公共数据采集呈现合法化、共享化、价值化三大特征公共数据采集呈现合法化、共享化、价值化三大特征 资料来源：浙江省公共数据条例（2022）、华泰研究 企业数据：数据链反哺

74、产业链，第三方采集企业数据：数据链反哺产业链，第三方采集商价值凸显商价值凸显 企业企业数据采集是数据要素市场的重点。数据采集是数据要素市场的重点。企业数据采集主要包括内部数据采集、外部数据采集和定制化数据采集等三种类型：1）内部数据采集：）内部数据采集：主要通过数据采集系统、日志收集系统、基于数据库和表的采集技术等方式，实现企业内部业务数据的离线采集；2）外部数据）外部数据采集：采集：主要通过开放 API 接口、爬虫技术、传感器应用等方式，实现竞品数据、行业数据等外部数据的收集；3）定制化数据采集：）定制化数据采集：主要通过专业的第三方数据采集厂商，针对企业的定制化需求提供数据采集服务，并形成

75、高价值密度的数据集产品。作为数字经济主体，企业数据链有望反哺产业链加速发展，企业数据采集是数据要素市场的核心重点。图表图表32：企业数据采集分为内部数据采集、外部数据采集、定制化数据采集三类企业数据采集分为内部数据采集、外部数据采集、定制化数据采集三类 资料来源：数据价值化与数据要素市场发展报告，中国信通院（2021）、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。23 计算机计算机 数据要素型企业或成为重要数据供给来源，第三方采集商价值凸显。数据要素型企业或成为重要数据供给来源，第三方采集商价值凸显。数据要素型企业，是指自身拥有大量数据且能够提供自身数据给第三方数据采

76、集商、处理商、存储商、分析商的企业，通常来自于金融、互联网、交运、医药健康、能源、工业制造、通信运营等数据密集型行业。第三方数据采集商以数据要素型企业为采集对象，通过数据采集、处理、分析形成高价值密度的数据集产品，满足数据需求方的外部数据采集需求。我们认为，伴随数据要素市场的快速发展，数据要素企业与第三方数据采集商有望成为数据要素产品的重要供给源，数据要素型企业、数据采集商将成为主要的数据产品供应商。图表图表33：数据要素型企业、数据采集商有望成为数据产品供应商数据要素型企业、数据采集商有望成为数据产品供应商 资料来源：全国数商产业发展报告，上海数据交易所（2021）、华泰研究 个人数据：关注

77、隐私保护，鼓励个人数据流通应用个人数据：关注隐私保护，鼓励个人数据流通应用 个人个人数据采集遵循五大原则，隐私保护是采集的关注重点。数据采集遵循五大原则，隐私保护是采集的关注重点。2021 年 11 月中华人民共和国个人信息保护法正式实施，强调“个人信息保护原则是收集、使用个人信息的基本遵循”，并将生物识别、宗教信仰、特定身份、医疗健康、金融账户、行踪轨迹等信息列为敏感个人信息。个人数据采集应严格遵循合法公开、目的限制、最小数据、数据安全、限期存储五大原则。随着隐私保护意识提升与个人信息保护相关法律法规的健全，我们认为，个人数据采集和使用将更加规范，在国家鼓励个人数据参与流通应用的背景下，“个

78、人数据信托”机制，有望成为保护个人数据安全，提升个人数据收益分配的有效途径。市场格局：数字化转型建设商与大数据基础服务商各具优势市场格局：数字化转型建设商与大数据基础服务商各具优势 数字化转型建设商数字化转型建设商具备业务一体化优势，大数据厂商数据理解深厚。具备业务一体化优势，大数据厂商数据理解深厚。数据采集的市场主体包括采集设备提供商、数字化转型建设商、数据采集解决方案供应商（即大数据厂商）三类。1）采集设备提供商：）采集设备提供商：主要为数据采集提供传感器、采集器等专用采集设备和智能设备，主要包括富士康、海康威视、新大陆等硬件厂商；2）数字化转型建设商：）数字化转型建设商：主要为企业提供数

79、字化转型建设方案，同步建设企业数据采集系统，主要包括太极股份、中软国际、万达信息、软通动力等综合数据服务商；3）数据采集解决方案供应商：）数据采集解决方案供应商：专门针对数据采集需求提供数据采集产品及服务，主要包括探码科技、点通数据、倍赛等大数据基础服务厂商。图表图表34：数据采集市场主要参与厂商数据采集市场主要参与厂商 资料来源：数据要素市场研究报告，长江云通（2022）、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。24 计算机计算机 数据整理：数据资源化核心环节，搭建数据要素标准体系数据整理：数据资源化核心环节，搭建数据要素标准体系 产业概览：以数据标准化为核心落

80、脚点，强化数据要素资源管理产业概览：以数据标准化为核心落脚点，强化数据要素资源管理 数据整理是实现数据到数据资源转变的核心环节。数据整理是实现数据到数据资源转变的核心环节。数据整理是指对采集、存储的数据进行筛选和处理，提升数据的可用性，为数据资源聚合、挖掘、分析奠定基础，主要包括数据清洗、标注、脱敏、标准化治理四大细分环节。数据整理作为数据资源化的核心环节，其根本目的在于提供高价值密度、高可用性的数据要素资源，以标准化治理为核心的数据要素标准体系构建有望成为该阶段的建设重点。1）数据清洗数据清洗：是指利用相关技术将“脏”数据（数据库中残缺、错误、重复的数据）转换为满足质量要求的数据，是数据资源

81、化过程中提升数据质量的重要手段；数据清洗大致可分为去除/补全缺失数据、去除/修改格式和内容错误数据、去除/修改逻辑错误数据、去除重复多余数据、关联性验证五个环节；得益于大数据产业的高速发展，2016 年起以贵阳大数据清洗基地为代表的多家数据清洗基地相继落成，我们认为，伴随数据要素市场化进程加速，数据质量管理的重要性将更加凸显，数据清洗需求也将加速增长。图表图表35：数据清洗是提升数据质量的有效方法数据清洗是提升数据质量的有效方法 资料来源：数据清洗，刘鹏（2018）、华泰研究 2）数据标注：）数据标注：是指通过分类、画框、描点、区域、注释等方式，对图片、语音、文本等数据进行处理的过程，是数据资

82、源化过程中提升数据利用效率的重要步骤；根据数据类型的不同，数据标注可分为图像标注、语音标注、文本标注、视频标注四大类，其中图像标注多应用于车辆车牌、人脸识别、医疗影像、机械影响等领域，语音标注多用于语音输入、语音合成、声纹识别等场景，文本标注多用于新零售、客服、广告营销、金融等行业数据，视频标注多用于智能驾驶、智能安防、智能家居等业务场景。图表图表36：数据标注是数据标注是提升数据利用效率的重要步骤提升数据利用效率的重要步骤 资料来源：数据标注工程概念、方法、工具与案例，聂明（2021）、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。25 计算机计算机 3）数据脱敏：）

83、数据脱敏：是指对某些敏感信息通过脱敏规则进行数据的变形，实现敏感隐私数据的可靠保护，是深化数据要素安全应用的重要前提；数据脱敏可分为静态数据脱敏和动态数据脱敏两大类，静态数据脱敏是指对完整数据集进行大批量、一次性的整体脱敏，多采用 ETL技术进行脱敏处理；动态数据脱敏是指对外部申请访问的敏感数据进行实时脱敏处理，多采用中间件技术对外部的访问申请和返回结果进行即时变形转换处理。图表图表37：静态数据脱敏与动态数据脱敏对比静态数据脱敏与动态数据脱敏对比 资料来源：闪捷数据官网、华泰研究 4）数据标准化治理：）数据标准化治理：是指在数据驱动的业务与生产环境中，围绕具备更高可用性的数据标准与数据模型构

84、建的完整数据系统工程，是数据整理环节的最终落脚点；根据 2018 年发布的首个数据管理领域国家标准 GB-36073，数据标准化治理已成为 DCMM 数据管理能力成熟度评估模型的重要组成部分；DCMM 自低到高分为初始级、受管理级、稳健级、量化管理级、优先级五个层级，截至 2022 年 6 月，DCMM 贯标已覆盖全国电力、通信、金融、政务、IT、工业制造等领域的 252 家企业，其中二级企业共 124 家（占比 49%），三级企业共 94 家（占比 38%），四级企业共 28 家（占比 11%），五级企业共 3 家，数据标准化治理水平仍有较大的提升空间。图表图表38：DCMM 数据管理能力评

85、估参评企业情况（截至数据管理能力评估参评企业情况（截至 2022 年年 6 月）月）资料来源：中国电子信息行业联合会官网、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。26 计算机计算机 市场格局：数据加工服务商占主导，数据治理服务商有望加速成长市场格局：数据加工服务商占主导，数据治理服务商有望加速成长 数据加工服务商占主导，数据治理服务商有望加速成长数据加工服务商占主导，数据治理服务商有望加速成长。1）数据）数据加工加工服务商：服务商：专注于数据的清洗、标注、脱敏等加工服务，为数据分析应用提供高质量数据基础；2）数据治理）数据治理服务服务商：商：主要从数据全生命周期的

86、视角，为企业提供数据的标准化治理服务，提升企业自身的数据管理能力。根据上海数据交易所发布的2022 全国数商产业发展报告，截至 2022 年10 月国内数据加工服务商数量（121,598 家）远超数据治理服务商（13 家），我们认为，随着数据要素在经济活动中逐渐发挥重要作用，企业对数据管理能力的要求将进一步提升，数据治理服务商有望加速成长。从具体细分环节来看，参与厂商构成具有一定差异：1）数据）数据清洗清洗：主要参与厂商包括九次方大数据、数据宝、吉佳通达、三维天地等大数据企业，其中九次方大数据、数据宝分别成立了贵阳大数据清洗基地、满天星数据清洗加工标注基地，吉佳通达、三维天地等公司主要为用户提

87、供数据清洗平台产品。2）数据标注：）数据标注：主要参与厂商包括 Testin 云测、倍赛、京东众智、百度众测、阿里众包等企业，其中 Testin 云测、倍赛采用自建模式，通过自建工厂或基地提供数据标注服务；蚂蚁众包、阿里众包采用众包模式，通过搭建众包平台汇聚标注兼职人员力量；京东众智、百度众测、龙猫数据、数据堂则采用自建+众包的组合模式，比如百度在山西建立了人工智能基础数据产业基地，同时拥有数据标注开放平台，兼具两类业务模式优势。图表图表39：数据整理环节主要参与厂商数据整理环节主要参与厂商 资料来源：数据价值化与数据要素市场发展报告，中国信通院（2021）、华泰研究 免责声明和披露以及分析师

88、声明是报告的一部分，请务必一起阅读。27 计算机计算机 3）数据脱敏：）数据脱敏：主要参与厂商包括安华金和、比特信安、神州数码、海量云图、启明星辰、天融信等企业，其中安华金和、启明星辰、天融信等信息安全服务商，通常以整体安全服务解决方案的形式提供数据服务，安华金和是 Gartner 2020 年数据脱敏市场指南中唯一入围的中国安全厂商；比特信安、神州数码、数博智云等数据服务商，通常以提供数据脱敏产品、服务为主要业务形态。图表图表40：全球数据脱敏市场情况全球数据脱敏市场情况 资料来源：数据脱敏市场指南，Gartner（2020）、华泰研究 4）数据治理：）数据治理：主要参与厂商包括亿信华辰、美

89、林数据、四方伟业、云坤科技、普元信息、神策数据、华傲数据等企业，其中亿信华辰、美林数据、四方伟业等企业是数据要素供给的全链厂商，业务布局涵盖数据采集、数据聚合、数据整理、数据分析等全业务环节；普元信息、云坤科技主要关注数据采集、数据聚合、数据整理等环节；神策数据、华傲数据主要关注数据整理、数据分析等环节。图表图表41：数据整理环节产业拆分数据整理环节产业拆分 注：数据治理为各公司业务重叠部分 资料来源：中国数据治理行业：全链产业图谱梳理，沙利文（2021）、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。28 计算机计算机 数据聚合：数据资源化枢纽环节，强调数据要素互通共

90、享数据聚合：数据资源化枢纽环节，强调数据要素互通共享 数据聚合数据聚合是数据要素互通共享的枢纽环节是数据要素互通共享的枢纽环节。根据聚合范畴的不同，数据聚合可分为数据库、数据湖、数据仓库、数据平台等多种业务形态：1）数据库：）数据库：按照数据结构不同可分为关系型数据库、NoSQL 数据库、NewSQL 数据库；2）数据仓库：）数据仓库：是指用于存储、分析、报告的数据系统，与数据库相比数据仓库中的数据按照一定主题域进行组织；3）数据湖：）数据湖：是指集中式数据存储库，允许以任意规模存储所有结构化和非结构化数据，解决了数据分散、存储散乱、数据孤岛众多等问题；4）数据平台：）数据平台：是指通过内容共

91、享、资源共用、渠道共建、数据共通等形式来进行服务的网络平台。我们认为，数据要素互通共享将成为数据分析利用的重要支撑，云数据库、湖仓一体平台、大数据平台等产业形态有望加速发展。数据库：数据上云成为重要趋势，非关系型数据库快速发展数据库：数据上云成为重要趋势，非关系型数据库快速发展 数据库数据库上云成为重要趋势，非关系型数据库加速发展上云成为重要趋势，非关系型数据库加速发展。数据要素化持续带动数据规模高速增长与数据类型不断丰富，同时数据计算也将朝高并发、低时延的趋势深度发展。综合考量数据要素化带来的数据与计算变化，我们认为，面向数据要素的数据库存储将呈现显著的云化趋势，云数据库能够按需分配计算、存

92、储和带宽等资源，具有按需付费、按需扩展、高可用性、存储整合等灵活性优势；同时大量图像、视频、社交信息等非结构化数据高速增长，带动非关系型数据库占比快速提升。据沙利文预测，2025 年我国数据库产业规模将达到 682.3 亿元，2021-2025 年复合增长率约为 21.1%，云数据库将成为重要增量。图表图表42：数据库市场规模数据库市场规模（亿元）（亿元）及产业趋势及产业趋势 资料来源：中国数据管理解决方案市场报告，沙利文（2021）、华泰研究 国产数据库参与厂商包括传统国产数据库参与厂商包括传统数据库数据库厂商、初创厂商、初创数据库数据库厂商、云厂商、云数据库数据库厂商和跨界厂商和跨界数据库

93、数据库厂商四类。厂商四类。1）传统厂商：）传统厂商：以达梦数据、人大金仓、南大通用等企业为代表的传统数据库厂商，是我国最早参与数据库研发、使用企业，在数据库领域具有深厚的技术沉淀；2）初创）初创厂商：厂商：以巨杉、PingCAP、偶数科技、星环科技等企业为代表的初创厂商，依托于新兴的数据库技术与需求，近年来实现蓬勃发展；3）云厂商：）云厂商：以阿里巴巴、腾讯等企业为代表的云数据库厂商，得益于互联网业务和开源技术的快速发展，积极搭建自研云数据库平台，迅速占领云数据库市场份额；4）跨界厂商：）跨界厂商：以中兴、浪潮等企业为代表的跨界厂商，积极布局企业级数据库市场。免责声明和披露以及分析师声明是报告

94、的一部分，请务必一起阅读。29 计算机计算机 图表图表43：国产数据库产业图谱国产数据库产业图谱 资料来源：中国数据库行业研究报告，艾瑞咨询（2021）、华泰研究 湖仓一体：数据湖、数据仓库呈现湖仓一体发展趋势湖仓一体：数据湖、数据仓库呈现湖仓一体发展趋势 湖仓一体成为湖仓一体成为数据湖、数据仓库的数据湖、数据仓库的重要发展趋势。重要发展趋势。普通的数据湖（Data Lakes）在数据质量、一致性/隔离性、混合处理追加读取等方面不如数据仓库，普通的数据仓库（Data Warehouses）在多源、异构数据融合方面劣势较为明显。湖仓一体（Lakehouse）兼容了数据仓库和数据湖的优势，在数据湖

95、的低成本存储上实现数据仓库的数据结构和管理功能，包括事务支持、模式执行和治理、商务智能 BI（Business Intelligence）支持、存储与计算分离、多种数据类型支持、各种工作负载支持等。图表图表44：Lakehouse（湖仓一体）架构演进及功能概览（湖仓一体）架构演进及功能概览 资料来源：Databricks 官网、华泰研究 国内国内湖仓一体湖仓一体厂商主要包括云厂商和大数据厂商两厂商主要包括云厂商和大数据厂商两大类。大类。1）云厂商）云厂商：以华为云、阿里云、金山云、腾讯云、移动云、百度智能云为代表的云厂商，凭借基础资源优势打造云原生的湖仓一体平台，兼具云数据库与湖仓一体平台的产

96、品优势；2）大数据厂商：）大数据厂商：以火山引擎、星环科技、偶数科技、滴普科技、亿信华辰为代表的大数据厂商，也基于自身在大数据聚合、分析方面的业务理解，推出湖仓一体产品，为下游用户提供高效的数据聚合方案。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。30 计算机计算机 图表图表45：湖仓一体湖仓一体主要参与厂商主要参与厂商 资料来源：2022 年中国数据管理解决方案产品策略解析概览，沙利文（2022）、华泰研究 数据平台：一体化平台或将加速数据要素市场化进展数据平台：一体化平台或将加速数据要素市场化进展 大数据平台大数据平台打通各数据环节，推动多源异构数据互联共通。打通各数据环节

97、，推动多源异构数据互联共通。大数据平台采用流、批、湖、仓一体化方案，实现多源异构数据的大规模聚合。以星环科技的 TDH 大数据平台为例，TDH平台内置 8 款独立的存储引擎，实时流处理采用实时流计算引擎 Slipstream，结构化数据的批处理、数据湖、数据仓库采用关系型分析引擎 Inceptor，宽表存储、文本存储、对象存储等非结构化数据采用宽表数据库引擎 Hyperbase。我们认为，一体化大数据平台在多源异构数据聚合方面具有突出的技术优势，或将成为多类型数据要素聚合的重要载体。国内大数据平台厂商包括：思迈特、星环科技、友盟、网易猛犸、神策数据等多家企业。图表图表46：大数据平台提供大数据

98、平台提供流、批、湖、仓一体化方案流、批、湖、仓一体化方案（以星环科技（以星环科技 TDH 平台为例）平台为例）资料来源：星环科技官网、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。31 计算机计算机 数据分析：数据资源化应用环节，实现数据价值深度挖掘数据分析：数据资源化应用环节，实现数据价值深度挖掘 2025 年数据分析市场规模有望突破年数据分析市场规模有望突破 1300 亿。亿。数据分析是指通过对数据资源的详细研究、概括总结以实现数据功能的最大化开发，包括商业智能（Bussiness Intelligence，BI）分析、知识图谱、边缘计算、智能决策等细分市场。参考沙

99、利文、艾瑞咨询、亿欧智库、IDC 对数据分析细分市场的市场规模预测，2025 年 BI 分析、知识图谱、边缘计算、智能决策的市场规模分别为 94、246、629、353 亿元，合计市场规模有望达到 1322 亿元。图表图表47：数据分析各细分环节市场规模数据分析各细分环节市场规模 资料来源：中国 BI 数据分析平台行业研究报告，沙利文（2022）、中国知识图谱行业研究报告，艾瑞咨询（2022）、中国边缘计算产业研究报告，亿欧智库（2022）、IDC、华泰研究 BI 分析分析进入智能进入智能 BI 时代，参与者包括时代，参与者包括 BI 解决方案商和大数据厂商两大类。解决方案商和大数据厂商两大类

100、。BI 分析平台的架构自下而上包括基础服务、数据接入、数据处理、数据可视化、内容呈现五个层级；市场参与者包括 BI 整体解决方案厂商、具备 BI 功能的大数据厂商两大类：1）BI 整体解决方整体解决方案厂商：案厂商：分为传统 BI 厂商和敏捷 BI 厂商，主要包括帆软软件、远观数据、思迈特、网易数帆、奥威软件等企业；2）具备）具备 BI 功能的大数据厂商：功能的大数据厂商：包括以亿信华辰、火山引擎、友盟为代表的数据存储与处理厂商，以美林数据、优易数据为代表的数据管理厂商，以及以全天智能、明略科技、易观数科为代表的数据分析与可视化厂商。图表图表48：BI 分析主要参与厂商分析主要参与厂商 资料来

101、源：中国 BI 数据分析平台行业研究报告，沙利文（2022）、华泰研究 55 56 71 84 94 6246146 211 303 437 629 63 97 149 229 353 0050060070020212022E2023E2024E2025E（亿元）BI分析知识图谱边缘计算智能决策 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。32 计算机计算机 知识图谱知识图谱（Knowledge Graph，KG）围绕大数据知识图谱、行业知识图谱两类产品展开围绕大数据知识图谱、行业知识图谱两类产品展开，参与厂商包括参与厂商包括图数据存

102、储商与图数据存储商与 KG 建模训练商建模训练商两大类两大类。1）通用通用知识图谱：知识图谱：面向开放领域，强调知识图谱的广度，通常难以形成完整的全局性的本体规范；2）行业知识图谱：）行业知识图谱：面向特定行业，主要用于辅助各种复杂的分析应用及决策支持场景，已广泛应用于政务、金融、医疗、农业、电力等下游行业。市场参与者包括图数据存储商与 KG 建模训练商两类，其中图数据存储商包括明略科技、海致星图、星环科技等企业，KG 建模训练商包括明略科技、科大讯飞、达观数据、国双科技等企业。图表图表49：知识图谱主要参与厂商知识图谱主要参与厂商 资料来源：中国知识图谱行业研究报告，艾瑞咨询（2022）、华

103、泰研究 边缘计算边缘计算高速发展，产业生态日益完善。高速发展，产业生态日益完善。边缘计算是指在数据源附近的网络边缘执行数据分析处理以优化云计算系统的方法，产业链上游为服务器、边缘网关、边缘计算终端、边缘计算平台等基础软硬件设施提供商；产业链中游为云服务厂商、电信运营商等边缘云建设服务商；产业链下游为行业垂直系统集成商、产业链综合服务商、边缘计算专家等系统集成商。据亿欧智库统计，2021 年我国边缘计算市场规模为 427.9 亿元，其中边缘硬件市场规模为 281.7 亿元，软件与服务市场规模为 146.2 亿元，据亿欧智库预计，2025 年我国边缘计算市场规模有望达 1,988 亿元，其中硬件市

104、场规模 1,359 亿元，软件与服务市场规模 629 亿元。图表图表50：边缘计算产业链概览及主要参与厂商边缘计算产业链概览及主要参与厂商 资料来源：中国边缘计算产业研究报告，亿欧智库（2022）、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。33 计算机计算机 2025 年年智能决策智能决策应用渗透有望超应用渗透有望超 60%，智能决策时代智能决策时代或将加速到来。或将加速到来。智能决策是指利用机器学习、深度学习、联邦学习、运筹学等技术，实现精准营销、销量预测、供应链管理、风险控制等业务环节的智能决策，已实现在金融、零售、制造、能源等行业的初步应用。根据 IDC 发布

105、的2021 年中国智能决策解决方案市场份额报告，2021 年中国智能决策解决方案市场规模达 8.9 亿美元，同比增长 66.4%，据 IDC 预测，到 2025 年，超过 60%的中国企业将实现智能决策技术的应用，员工的工作效率和生产力较 2021 年将提升 25%。目前国内主要参与厂商包括第四范式、同盾科技、邦盛科技、杉树科技等企业。图表图表51：2021 年中国智能决策解决方案市场份额前六名厂商年中国智能决策解决方案市场份额前六名厂商 资料来源：2021 年中国智能决策解决方案市场份额，IDC（2022）、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。34 计算机计

106、算机 数据流通数据流通：“：“5+5”构建流通框架与市场环节”构建流通框架与市场环节 数据要素流通市场建设包括政策与法律法规、流通制度、模式、技术和标准五方面。数据要素流通市场建设包括政策与法律法规、流通制度、模式、技术和标准五方面。其中，政策与法律法规是培育数据要素市场、促进数据要素安全流通的重要保障；流通制度是支撑数据要素流通宏观政策主张走向具体落地实践的主要途径和载体，有助于实现“数据可用不可见，数据不动价值动”；流通模式是融合政策、法律法规、制度、技术、标准和实现数据要素市场化配置的关键环节；流通技术为培育高质量的数据要素市场提供基础性技术支撑；流通标准是衔接政策法律法规、制度和技术的

107、重要治理工具。图表图表52：数据要素流通总体框架数据要素流通总体框架 资料来源：数据要素流通标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究 数据要素流通市场化发展涉及数据权利、登记、定价、交易、监管五个环节。数据要素流通市场化发展涉及数据权利、登记、定价、交易、监管五个环节。基于数据要素流通框架，站在市场化整体发展路径角度，数据要素流通市场化发展涉及数据权利、数据登记、数据定价（收益分配）、数据交易、数据监管五个环节。其中，数据资产登记是数据要素流通的必要前提，解决权属链识别、市场准入和数据资产盘点等问题；数据评价和数据资产评估是实现数据价值流通的必经之路，解决数据要素全生

108、命期质量和价值度量等问题；数据交易是推动数据要素流通、释放数据价值，培育数据要素市场的关键环节；数据监管在数据要素流通全过程制定数据安全合规监管监测体系，是保障数据要素安全流通流转的关键。图表图表53：数据要素流通数据要素流通市场化发展环节市场化发展环节 资料来源：数据要素流通标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究 数据要素流通制度数据要素流通制度数据权属制度数据评估制度数据流通制度数据监管制度数据登记模式数据定价模式数据交易共享模式数据服务运营模式数据登记技术数据元件技术数据空间技术数据隐私技术数据要素流通模式数据要素流通模式数据要素流通技术数据要素流通技术数据要

109、素流通标准数据要素流通标准数据要素流通政策、法律法规数据要素流通政策、法律法规数据数据权属权属确定确定数据数据定价定价数据数据资产资产登记登记数据数据监管监管数据数据交易交易数据流通交易的基础数据要素流通的必要前提数据价值流通的必经之路培育数据要素市场的关键环节保障数据要素安全流通流转的关键市场化市场化发展环节发展环节 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。35 计算机计算机 数据权利与确权：数据要素流通交易的基础数据权利与确权：数据要素流通交易的基础 数据权属确定（确权）是数据要素的流通交易基础。数据权属确定（确权）是数据要素的流通交易基础。数据权属界定不明确，将导致数

110、据在流通、交易、使用过程中的可解释空间大，甚至出现大量数据集在黑市进行交易情况，造成数据隐私泄漏，市场规范性遭到破坏。因此，数据确权是整个数据要素流通交易的基础。数据权利主要包括数据权利主要包括数据数据持有权、加工使用权、经营权及其相关权利事项。持有权、加工使用权、经营权及其相关权利事项。数据往往由自然人和企业共创，是社会网络的共同产出，其权利呈现相对化趋势，加上数据可复制、易共享的特征，数据权利的确定与传统物权、决定权都不相同。1）数据数据持有权：持有权：根据国家发展和改革委员会 数据基础制度观点，数据持有权的权能至少涵括自主管理权，具有私益性；2）加工使用权：）加工使用权：是指企业自我使用

111、、处理加工数据的权利；3）经营权：经营权：是指企业对数据的开发、交易和处分的权利。其中，数据使用权和经营权须具有一定的排他性才能够确认为资产，即企业控制的资产必须带来其它企业不能获得的经济收益。图表图表54：数据数据权利权利的主要内容的主要内容 资料来源：数据要素流通标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究 数据的特殊性、数据权利多样性、参与者众多等使得数据确权较为困难。数据的特殊性、数据权利多样性、参与者众多等使得数据确权较为困难。1）数据的特殊性：）数据的特殊性：数据的非消耗性、非竞争性使传统的科斯产权定理无法直接适用。此外，数据本身可复制、易共享，导致在其全生命

112、周期中支配主体众多；2）数据权利多样性：）数据权利多样性：自然人、政府和企业等数据主体产生的不同类型数据，在权利内容上差异较大；3）参与者众多：）参与者众多：数据生产链条包括多个参与者，权利责任需要在各参与者之间进行划分而引致界定困难，原始数据和衍生数据的产权界定陷入两难；4）数权与产权差异大：）数权与产权差异大：数据权利与其他有形或无形物的产权存在较大差异，数据的来源也不同于普通产品的生产。图表图表55：数据数据确权的难点确权的难点 资料来源：中国数据要素市场发展报告 宗论，武汉大学（2022）、华泰研究 经营权：经营权：指企业对数据的开发、交易指企业对数据的开发、交易和处分的权利和处分的权

113、利具有排他性具有排他性经营经营权权加工加工使用使用权权数据数据持有持有权权数据权利数据权利数据持有权：数据持有权：至少涵括自主管理权至少涵括自主管理权持有者在法律或合同允许范围内可自主决策数据的应用场景等，并能够防止侵犯或干扰持有者合法权利的行为具有私益性具有私益性持有者可享有数据资源的排他性和竞争性所带来的益处加工使用权：加工使用权：指企业自我使用、处理加工指企业自我使用、处理加工数据的权利数据的权利具有排他性具有排他性数据的数据的特殊性特殊性权利权利的的多样性多样性参与者参与者众多众多数权产权数权产权差异大差异大数据的非消耗性、非竞争性使传统的科斯产权定理无法直接适用数据本身可复制、易共享

114、，导致在其全生命周期中支配主体众多权利责任需要在各参与者之间进行划分而引致界定困难始数据和衍生数据的产权界定陷入两难自然人、政府和企业等数据主体产生的不同类型数据，在权利内容上差异较大数据权利与其他有形或无形物的产权存在较大差异数据的来源也不同于普通产品的生产 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。36 计算机计算机 国内外在数据权属问题上均进行了充分的法律制度探索。国内外在数据权属问题上均进行了充分的法律制度探索。欧盟最早进行体系性构建，确立了“个人数据”和“非个人数据”的二元架构；美国未针对数据的综合立法，而是将个人数据置于传统隐私权的架构下，利用“信息隐私权”来解决

115、互联网对私人信息的威胁；日本严格界定数据保护范围，不对数据另行设置私权限制，尊重数据交易契约自由；俄罗斯规定数据主体为“处理人”，具有数据知情权，更正、中止、删除权，可携带权等权利；印度将数据视为“信托”问题，由“数据受托人”承担主要责任。国内数据确权尚处于起步阶段国内数据确权尚处于起步阶段。目前，中央及部分地区陆续出台相关文件，建立相关平台，筹划数据确权发展。例如，深圳创设数据权，明确数据权的财产权属性与数据权的内容；广州要求重点在数据确权先行先试，全面开展对数据确权相关法律法规的预研；北京筹建北京国际大数据交易所，明晰数据权利取得方式及权利范围等。图表图表56：国内外在数据权属国内外在数据

116、权属问题上的探索情况问题上的探索情况 国家国家/地区地区 相关法律相关法律、制度制度、措施、措施 取得取得成果成果 国外国外 欧盟 一般数据保护条例(GDPR)和非个人数据在欧盟境内自由流动框架条例 确立了“个人数据”和“非个人数据”的二元架构 美国 公平信用报告法、财务隐私法、有线通信信息法、健康保险携带和责任法 依托现有制度，确立“信息隐私权”日本 数据权属以自由流通为原则，特殊保护为例外 构建开放型数据流通体系为目标，不突破现有法律规定和法解释，不对数据另行设置私权限制 俄罗斯 建立“处理人”制度，指的是独立或与其他单位合作而处理个人数据，并能确定个人数据的处理的目的、范围的国家机关、主

117、管机关、法人或个人，具有数据知情权，更正、中止、删除权，可携带权，防止自动化决策权、被遗忘权和诉权等 印度 2018 年个人数据保护法案（草案），将数据视为“信托”问题，定义单独或者与其他人一起决定处理个人数据目的和方式的任何人为“数据受托人”由“数据受托人”承担主要责任 国内国内 深圳 深圳经济特区数据条例 明确数据权的财产权属性与数据权的内容，明晰个人数据权属、公共数据权属 广州 广州市加快打造数字经济创新引领型城市若干措施 重点在数据确权先行先试全面开展对数据确权相关法律法规的预研，开展数据确权流通沙盒实验 北京 筹建北京国际大数据交易所 建立以信息充分披露为基础的数据登记平台，明晰数据

118、权利取得方式及权利范围，建立数据确权工作机制 贵州省 支持建设基于区块链的数字资产交易所 探索数据确权新模式 浙江省 大数据交易中心发布大数据确权平台 通过采用开源大数据分布式计算框架和数据可用但不可见的混淆加密算法对数据确权认证 资料来源：数据价值化与数据要素市场发展报告，信通院（2021）、华泰研究预测 我国数据我国数据权属确定权属确定基本确立了分割、分类、分级的“三分原则”。基本确立了分割、分类、分级的“三分原则”。1）分割原则：）分割原则：将数据产权分为公有与私有两部分，其中，私有产权又可分为基础数据产权与衍生数据产权。权利分割完成后得到数据权利束；2）分类原则：）分类原则：根据数据主

119、体的不同，将数据分为个人数据、企业数据、社会数据三部分。其中，个人数据是指能够识别自然人身份的数据或由于自然人行为产生的数据，企业数据是企业在生产经营管理活动中产生或合法获取的各类数据，社会数据包含政府及公共机构在开展活动中依法收集的各类数据及其衍生数据；3）分级原）分级原则：则：按照竞争性和排他性对数据进行不同级别的划分，可以将数据分为私有品、准公共品、公共品。总体看来，我国现有的数据确权探索仍处于政策萌芽层面，实际落地尚需时日。总体看来，我国现有的数据确权探索仍处于政策萌芽层面，实际落地尚需时日。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。37 计算机计算机 图表图表57：

120、数据确权的“三分原则”数据确权的“三分原则”资料来源：数据价值化与数据要素市场发展报告，信通院（2021）、华泰研究 基于“三分原则”，根据由易到难和效益更大化基于“三分原则”，根据由易到难和效益更大化两条两条标准得到数据确权路径。标准得到数据确权路径。基于“三分原则”，可以得到数据产权内容矩阵。在产权矩阵的基础上，根据“由易到难、层层推进”，以及“对有助于实现社会和个人效益更大化的数据优先确权”两条原则，得到确权的顺序路径。例如，企业数据构成最复杂，且准公共品的企业数据产权束内容最多（包含公有、基础数据、衍生数据产权），因此确权顺序排在最后。最终得到数据确权的顺序为图中 ABCDEF。此环节

121、主要由区块链（存证、追溯）、现代密码、数据水印等技术支持。图表图表58：数据确权路径数据确权路径示意示意 资料来源：数据价值化与数据要素市场发展报告，信通院（2021）、华泰研究 人民数据管理有限公司推出我国首个数据确权平台“人民数据资产服务平台”。人民数据管理有限公司推出我国首个数据确权平台“人民数据资产服务平台”。2019 年 9月，人民数据管理有限公司推出我国首个数据确权平台“人民数据资产服务平台”。该平台是首个国家级大数据开放平台，为数据机构、数据资产流通提供审核登记确权入口，针对机构资质、服务能力进行审核，针对数据流通使用是否符合国家法律法规、是否符合数据使用约定等内容进行登记确证，

122、同时采用数据标记追踪体系、数据防拷贝、数据全生命周期管理、数字水印等技术，确保数据流通业务可追溯。目前，数据确权服务为纯公益性目前，数据确权服务为纯公益性服务服务，由人民数据资产服务平台提供确权入口和日常运用支持，未来商业模式有待探寻。分割原则分割原则数据产权数据产权数据公有产权数据私有产权控制权管理权开放权基础数据产权衍生数据产权数据权利束数据权利束分分类类原则原则个人数据个人数据企业数据企业数据社会社会数据数据分级分级原则原则私有品私有品准公共品准公共品公共品公共品B公有产权公有产权C公有产权公有产权A公有产权公有产权D公有产权公有产权基础数据产权基础数据产权F公有产权公有产权基础数据产权

123、基础数据产权衍生数据产权衍生数据产权D公有产权公有产权基础数据产权基础数据产权衍生数据产权衍生数据产权C基础数据产权基础数据产权E基础数据产权基础数据产权衍生数据产权衍生数据产权个人数据个人数据企业数据企业数据社会数据社会数据公公共共品品准准公公共共品品私私有有品品ABCDEF确权顺序确权顺序 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。38 计算机计算机 图表图表59：人民数据资产服务平台人民数据资产服务平台确权服务流程确权服务流程 资料来源：人民数据资产服务平台网、华泰研究 2026 年年，全球数据量预计达全球数据量预计达 175ZB，数据确权市场前景广阔。，数据确权市场前

124、景广阔。目前，国内数据确权暂未形成明确的商业模式。但是从数据量上看，据 IDC 数据，2025 年，全球数据量总和预计高达175ZB（1 泽字节相当于 1 万亿 GB）。2017 年，中国的数据产生量约占全球数据产生量的23%，按照该占比计算，2025 年，中国数据量约为 40.3ZB，数据确权市场前景广阔。图表图表60：全球数据量变化情况全球数据量变化情况 资料来源：IDC、华泰研究 数据数据登记登记：确认数据合法性的保障：确认数据合法性的保障 数据登记指的是将数据相关信息及权利在数据登记系统上予以记载和公示。数据登记指的是将数据相关信息及权利在数据登记系统上予以记载和公示。登记的目的在于合

125、法性确认，申请所持有数据成为资产的企业自愿在登记平台上备案形成存证，为潜在的数据权益纠纷和数据来源争议留存证据，并发挥唯一标识数据的作用。数据资产登记体系数据资产登记体系有有登记目的、依据、机构、登记者、对象、载体、审查、效力八个要素。登记目的、依据、机构、登记者、对象、载体、审查、效力八个要素。从流程上理解，数据登记是登记者基于特定登记目的的需求，就某一登记对象，向登记机构提出登记申请，登记机构根据登记制度，开展登记审查后将登记对象记载于登记载体中，取得数据资产登记证书，并最终产生登记效力。其中，登记目的是保护参与主体的合法权益和资产流通的安全与效率；登记者是数据资产的合法持有者；登记机构接

126、受登记者的申请，按制度完成登记和管理载体；登记依据是登记行为的规范和操作标准；登记对象是登记者拥有和控制的、经过加工处理以后可以作为可流通可交易的数据产品及其权属和交易记录；登记载体是登记者、登记机构、相关第三方的电子化信息沟通交流平台；登记审查指对登记者提供的登记材料进行审核，包括形式审查与实质审查两类；登记效力是对主体与关系的设立、变更、终止事实作出法律确认，包括创设效力和确认效力。数据治理专家委员会行业主管单位专家中国互联网发展基金会代表大学及行业研究机构专家数据版权联盟、监管机构、平台确权服务流程确权服务流程中国互联网发展基金会政府主管部门人民数据资产服务平台人民数据资产服务平台数据研

127、究院及服务平台代表行业龙头数据公司代表数据确权认证中心数据确权认证中心各部委信息中心网信部门公安执法部门其他必要政府部门指导运营确权及数据流通情况定期汇报、报告发起设立提交确权申请330000017 2018E 2019E 2020E 2021E 2022E 2023E 2024E 2025E(ZB)免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。39 计算机计算机 图表图表61：数据资产登记体系数据资产登记体系组成组成 资料来源：全国统一数据资产登记体系建设白皮书，上海数

128、据交易所有限公司（2022）、华泰研究 国外尚未明确数据登记概念，国内国外尚未明确数据登记概念，国内率先率先确立数据资源与数据产品两种确立数据资源与数据产品两种数据要素数据要素。虽然欧盟、美国对于数据确权相关制度规范探索深入，但并未明确提出数据登记核心概念。相对而言，国内认为数据资产登记是解决数据要素流通“确权难”问题的重要基础，也是完善数据要素流通制度的重要一环，而对数据要素的深入理解是制定数据登记模式的前提。目前，我国将数据要素分为数据资源和数据产品两个类型。1）数据资源：数据资源：指经过初步加工处理后、可以再次开发利用并创造价值的数据要素；2）数据产品：数据产品：指再加工后的、可直接交易

129、产生收益的数据要素。图表图表62：两种数据要素类型的比较两种数据要素类型的比较 数据要素数据要素类型类型 定义定义 特点特点 重要意义重要意义 确权必要性确权必要性 数据资源数据资源 经过初步加工处理后、可以再次开发利用并创造价值的数据要素 具有较多的潜在开发价值，处于数据源底层 保证数据资源不被滥用的同时确保数据要素的持续流通 十分必要 数据产品数据产品 再加工后的、可直接交易产生收益的数据要素 可直接交易，处于数据源顶层 是收益产生的来源 十分必要 资料来源：数据要素流通标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究 基于两种数据要素类型，衍生出数据资源和数据产品两种登

130、记模式。基于两种数据要素类型，衍生出数据资源和数据产品两种登记模式。1）数据资源登记模式：数据资源登记模式：对数据资源进行确权登记。由于数据要素可复制性、非排他性等特质，目前针对该模式的确权登记仍存在实施难度较大、权属关系界定模糊的问题，仅有部分组织机构进行了该模式的研究与实践；2）数据产品登记模式：数据产品登记模式：对用于交易的数据商品进行登记，确保产品的合规性。该模式已有多家数据交易所和交易机构作出实践，其中包括上海数据交易所、广州数据交易所以及北京国际大数据交易所数据资产登记中心。图表图表63：数据登记模式对比数据登记模式对比 资料来源：数据要素流通标准化白皮书（2022 版），全国信标

131、委大数据标准工作组、华泰研究 数据资产登记要素数据资产登记要素要素说明要素说明登记目的登记目的登记者登记者登记机构登记机构登记依据登记依据登记载体登记载体登记效力登记效力登记登记对象对象登记审查登记审查保护参与主体的合法权益和资产流通的安全与效率接受登记者的申请，按制度完成登记和管理载体登记行为的规范和操作标准登记者、登记机构、相关第三方的电子化信息沟通交流平台是对主体与关系的设立、变更、终止事实作出法律确认，包括创设效力和确认效力数据资产和合法持有者登记者拥有和控制的、经过加工处理以后可以作为可流通可交易的数据产品及其权属和交易记录对登记者提供的登记材料进行审核，包括形式审查与实质审查两类登

132、记模式登记模式模式描述模式描述适用场景适用场景数据资源登记模式数据资源登记模式数据产品登记模式数据产品登记模式针对数据资源的确权登记模式针对数据产品的确权登记模式适用于对仅经过初步收集的、非产品化的、具有一定显性或隐性价值的数据集进行登记适用于可直接作为商品流通、具有收益能力的数据产品进行登记 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。40 计算机计算机 数据登记时重点关注数据基本信息、来源、收益途径、权属关系等数据登记时重点关注数据基本信息、来源、收益途径、权属关系等内容内容。1）数据基本信息：）数据基本信息：包括名称、所属行业类别、数据类型、哈希值等；2）数据来源：数据来

133、源：若外购或授权得到，可提供交易凭证或许可文件，若爬取得到，需提供爬取对象的基本信息，包括但不限于网址或数据库地址、授权许可关系等；若由企业自生，简要描述产生于生产流程中的哪一环节等；3）数据实现收益途径数据实现收益途径：包括数据用途、稀缺性、开发可行性等；4）数据权属关系：）数据权属关系：是否享有使用权或经营权；5）法律情况：）法律情况：说明数据是否涉密及是否存在法律争议；6）审计：）审计：登记机构通过线上随机采样或现场核验等方式进行审计，核验通过后颁发数据资产证书，完成资产登记。整个环节涉及技术主要包括区块链、哈希技术、知识图谱等，保证了数据登记权力链和流通链安全可追溯。图表图表64：数据

134、登记时的重点关注内容数据登记时的重点关注内容 资料来源：数据要素流通标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究 数据登记相关规范制度和标准数据登记相关规范制度和标准正逐步正逐步建立健全。建立健全。目前，上海数据交易所发布了上海数据交易所数据产品登记规范（试行），旨在明晰数据产品持有者，维护数据交易参与方的合法权益。规范主要涉及登记申请、登记撤回与变更、登记撤销和登记管理等内容。同时，国家也建立了相关的数据登记标准体系，持续健全市场监管环境。图表图表65：数据登记领域相关标准数据登记领域相关标准 一级分类一级分类 二级分类二级分类 标准名称标准名称 国标号国标号/计划号计

135、划号 状态状态 数据技术数据技术 数据登记技术数据登记技术 多煤体数据语义描述要求 GB/T 34952-2 发布 信息技术 科学数据引用 GB/T 35294-2017 发布 流通模式流通模式 数据登记数据登记 信息技术 数据溯源描述模型 GB/T 34945-2017 发布 信息技术 大数据数据 分类指南 GB/T 38667-2020 发布 信息技术 大数据 数据资源规划 20194186-T-469 在研 工业互联网数据要素登记指南 在研 资料来源：数据要素流通标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究 上海数据交易所已实践了数据产品合规登记流程。上海数据交易所

136、已实践了数据产品合规登记流程。以上海数据交易所数据产品合规登记流程为例：1）挂牌单位填写挂牌数据产品详单进行数据产品准备；2）律师事务所进行数据产品的合规性评估；3）挂牌单位在上海数据交易所系统进行数据产品注册并提交相关材料，包含数据产品交易协议、质量评估文件、律所法律意见书等；4）上海数据交易所对所提供材料进行审查；5）审查无异议则完成数据产品的挂牌，之后该数据产品才能流入市场、准许交易。基本基本信息信息数据数据来源来源收益收益途径途径名称、所属行业类别、数据类型、哈希值等外购/授权/爬取分别提供不同证明权属权属关系关系法律法律情况情况审计审计数据用途、稀缺性、开发可行性等是否享有使用权或经

137、营权说明数据是否涉密及是否存在法律争议登记机构进行审计，核验通过后颁发数据资产证书区块链区块链哈希技术哈希技术知识图谱知识图谱 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。41 计算机计算机 图表图表66：上海数据交易所数据产品合规登记流程上海数据交易所数据产品合规登记流程 资料来源：数据要素流通标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究 数据数据定价定价&收益分配：量化数据估值，确定数据收益收益分配：量化数据估值，确定数据收益 我国基本确立了由数据评价与价值评估两个环节组成的数据资产定价模式。我国基本确立了由数据评价与价值评估两个环节组成的数据资产定价

138、模式。数据定价指的是依据数据质量、成本、应用评价结果，使用相应方法对被评估数据进行量化估值。依据数据资产评估指导意见（征求意见稿）信息技术大数据数据资产评估团体、国家标准征求意见稿，我国已通过全面分析数据的技术属性和财务属性，初步形成了包含数据评价与价值评估两个环节的数据资产定价基本模式：1）数据评价环节：数据评价环节：包括质量要素、成本要素、应用要素三部分的技术评价；2）价值评估环节价值评估环节：由于数据资产无实物形态且具有非货币性，可类比无形资产，采用成本法、收益法、市场法对数据资产价值进行评估。图表图表67：数据资产定价的模式数据资产定价的模式 资料来源：数据要素流通标准化白皮书（202

139、2 版），全国信标委大数据标准工作组、华泰研究 价值评估环节的成本、收益和市场三种评估方法各有优劣。价值评估环节的成本、收益和市场三种评估方法各有优劣。1）成本法：）成本法：是无形资产的评估中反映企业经济效益的最基本方法，确定商品价格的方式是考虑单位产品的可变与固定成本，加上单位商品的交易利润以确定产品价格；2）收益法收益法：收益法是评估大数据资产价值的首要方法，该法第一步确定预期收益率，第二步依据所选的预期收益进行不同的公式计算出预期收益，最后则基于预期收益进行商品价格的计算与确定；3）市场法市场法：以稳定的市场价格为前提，参照市场上类似数据交易案例的实施价格，并结合技术水平、数据类型、价值

140、密度等因素进行调整，最终得到数据资产价格。填写申请单填写申请单合规性评估合规性评估产品注册产品注册&资料提交资料提交挂牌挂牌&交易交易资料审查资料审查挂牌单位填写挂牌数据产品详单进行数据产品准备律师事务所进行数据产品的合规性评估挂牌单位在上海数据交易所系统进行数据产品注册并提交相关材料，包含数据产品交易协议、质量评估文件、律所法律意见书等异议则完成数据产品的挂牌，之后该数据产品才能流入市场、准许交易上海数据交易所对所提供材料进行审查数据评数据评价环节价环节价值评价值评估环节估环节质量要素成本要素应用要素成本法收益法市场法 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。42 计算机

141、计算机 图表图表68：数据定价模式对比数据定价模式对比 定价模式定价模式 描述描述 适用场景适用场景 优点优点 缺点缺点 成本法 依据成本价值论将重新获取相同数据的重置成本作为数据的评估价值 价值难以量化但成本容易计量以及不以金钱交易为目的，如政务数据 1、计算简单易行；2、能够保证企业所耗费的全部成本得到补偿，并在正常情况下能获得一定的利润；3、有利于保持价格的稳定 1、忽视了产品需求弹性的变化，不能适应迅速变化的市场需求，缺乏应有的竞争能力；2、成本和收益对应性弱，价格估算偏低 收益法 依据效用价值论将数据的预期收益值作为数据估值 预期收益确定且可量化的场景 考虑数据使用价值和时间价值因素

142、，反映真实数据价值 1、预期收益难预测，准确率无法保证；2、定价偏主观，折现率确定困难；3、只从卖方的利益出发，未考虑竞争因素和市场需求的情况 市场法 依据均衡价值论以市场中可比参照物的市场价格为基础进行调整得到估值 市场成熟、可比案例较多 能反映供需关系等真实市场情况，定价公平客观 目前数据市场尚未成熟，交易规模小，难以寻找可比案例 资料来源：数据要素流通标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究 静态定价策略与动态定价策略相结合的方法，更适合不完全市场下的数据定价实践。静态定价策略与动态定价策略相结合的方法，更适合不完全市场下的数据定价实践。事实上，由于数据资产具有

143、重置成本难确定、价值可持续挖掘、数据使用寿命不易估计、交易市场规模小等特点，并不能完全等同无形资产定价。在目前的不完全市场下，数据价格受数据量、数据种类、数据深度、数据完整性和数据实时性等多因素影响。因此，采用静态定价策略与动态定价策略相结合的方式或更为科学。静态定价策略包括固定定价、差别定价、拉姆齐价格；动态定价策略包括自动计价、协商定价、拍卖式定价。图表图表69：静态定价策略与动态定价策略静态定价策略与动态定价策略 定价策略定价策略 具体具体定价定价方法方法 方法描述方法描述 优势优势 缺点缺点 静态定价策略静态定价策略 固定定价固定定价 数据卖方和交易平台根据数据商品的成本和效用，结合市

144、场供需情况，设定一个固定价格在交易平台上出售 价格固定，节省撮合协调的时间成本和沟通成本 适用范围较为狭窄，仅限于批量廉价的数据交易 差别定价差别定价 以两种或两种以上不同反映成本费用的比例差异的价格来销售一种数据产品或服务 将不同的消费者获取数据的愿望不同情况考虑在内 拉姆齐价格拉姆齐价格 高于边际成本的定价，此价格下净收益与净损失的差值最大 该定价策略主要是针对公共数据服务，它们经济效益不高却极具社会效益，通过设置拉姆齐价格有利于提高效率 动态定价策略动态定价策略 自动计价自动计价 交易所针对每一个数据品种设计自动计价公式，卖方和买方在交易系统的自动撮合下成交 定价方式具有自动性，即依靠数

145、据交易平台设定的交易系统，完成数据的自动撮合成交 交易系统的建设成本高，过程复杂，对数据交易平台有极高要求 协商定价协商定价 当交易双方对大数据价值的评估不一致时，买方和卖方可以直接通过协商定价达成对数据商品价值的一致认可 数据价格在不断反馈、不断调整的循环过程中逐渐趋于合理化，有利于提高数据价格与市场实际的匹配度，促进交易双方的长期合作和市场稳定 现实中反馈者、反馈时间、反馈质量等均不好衡量和把握 拍卖式定价拍卖式定价 属于需求导向定价，适用于一个卖方和多个买方交易的情形 基于诚信的拍卖定价不仅能够使买卖双方就价格达成一致，还能实现数据的商品价值最大化，有利于促进数据交易流通 容易发生买方通

146、过约定实现价格分摊、合伙竞拍的道德风险 资料来源：数据价值化与数据要素市场发展报告，信通院（2021）、华泰研究 国内数据交易平台国内数据交易平台/交易所更偏向于动态定价，国外更偏向于静态定价。交易所更偏向于动态定价，国外更偏向于静态定价。从目前的现有的大数据交易平台、交易所的实际运行情况看，国外更偏好静态定价，且以固定定价方式为主；而国内的交易所和交易中心更偏好动态定价，且多数采用协商定价的方式完成交易。在实际的定价过程中，涉及知识图谱、区块链（存证、追溯）、自然语言处理、机器学习等技术，这些技术保证了数据要素流通价值链的统一可度量。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读

147、。43 计算机计算机 图表图表70：国内外部分数据交易平台国内外部分数据交易平台/交易所的定价策略交易所的定价策略 定价策略定价策略 定价方式定价方式 大数据交易平台大数据交易平台/交易所交易所 静态定价 固定定价 Quandl、Azure、Oracle、GoodData、Data plaza 差别定价 Factual 动态定价 自动计价 Qubole、浙江大数据交易中心、贵阳大数据交易所 协商定价 长江大数据交易中心、上海数据交易中心、华中大数据交易平台、贵阳大数据交易所、浙江大数据交易中心、中关村数海大数据交易平台 拍卖式定价 上海数据交易中心 资料来源：数据价值化与数据要素市场发展报告，

148、信通院（2021）、华泰研究 完善理论框架完善理论框架和和实现动态定价或是数据定价实现动态定价或是数据定价模式模式的研究重点。的研究重点。目前，对于数据定价的研究主要依赖于特定假设，许多实际问题仍缺乏有效的解决途径。完善理论框架和实现动态定价或是数据定价的研究重点。1）完善理论框架：完善理论框架：单一模型在数据定价中存在不足，应充分考虑利润、市场供求、数据产品特征和成本结构等的多指标体系，以成本导向的定价为价格下限、顾客导向的定价为价格上限、市场导向的定价为价格参照、利润和消费者福利最大化为目标。此外，也可结合大数据的价值特点，建立大数据定价的理论体系，实现多种定价手段联合定价；2）实现动态定

149、价：实现动态定价：数据要素的价值具有波动性，而目前市面上大多数定价方法为静态定价。因此，在实际进行数据定价时，需要充分结合市场情况、数据类型、预测模型进行数据要素的动态定价。图表图表71：数据定价模式的研究重点数据定价模式的研究重点框架框架 资料来源：数据要素流通标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究 在数据确权、定价的基础上，交易平台和数据卖方按照收益分配机制实现数据价值。在数据确权、定价的基础上，交易平台和数据卖方按照收益分配机制实现数据价值。收益分配机制包含两部分。一部分是数据交易平台收益分配机制，包括：1）交易分成收益分配）交易分成收益分配机制：机制：在数据

150、交易完成后大数据交易平台与数据卖方按约定好的比例分成相应的中介费用；2）保留数据增值收益权分配机制：）保留数据增值收益权分配机制：大数据交易平台对数据保留增值收益权并以此为基础收费的方式。另一部分是大数据交易卖方收益分配机制，包括：1）一次性交易所有权收益分）一次性交易所有权收益分配机制：配机制：在数据交易中一次性转移数据占有权、使用权、处分权、收益权；2）多次交易使）多次交易使用权收益分配机制用权收益分配机制：即只针对数据使用权进行反复多次的交易，带来更多收益；3）保留数）保留数据增值收益权分配据增值收益权分配机制：机制：数据卖方决定是否需要保留对收益权的占有，并决定按多少比例进行合同约定。

151、图表图表72：数据要素市场收益分配机制数据要素市场收益分配机制 资料来源：中国数据要素市场发展报告（20212022），国家工业信息安全发展中心（2022）、华泰研究 考虑波动性考虑市场情况考虑数据类型考虑预测模型实现动态定价考虑多指标体系成本导向的定价为价格下限顾客导向的定价为价格上限市场导向的定价为价格参照建立大数据定价的理论体系利润和消费者福利最大化为目标完善理完善理论框架论框架实现动实现动态定价态定价所有权大数据交易平台大数据交易平台大数据大数据交易交易大数据交易卖方大数据交易卖方使用权收益权所有权使用权收益权交易分成机制保留数据增值收益权机制一次交易所有权机制多次交易使用权机制保留数

152、据增值收益权机制 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。44 计算机计算机 南方电网对数据资产实现“明码标价”。南方电网对数据资产实现“明码标价”。2021 年 3 月，南方电网发布中国南方电网有限责任公司数据资产定价方法（试行），实现了对数据资产的“明码标价”。南方电网结合金融、电信等典型行业的应用场景和数据需求，从基本特征、产品类型、成本构成、定价方法等角度对公司数据资产进行规定。据中国信通院，该定价方法已经在南方电网 24 个分（子）公司应用，服务于 63 种数据对外服务产品矩阵，支撑 4 种数据资产变现的商业模式，是数据定价的典型案例。数据数据交易交易：培养数据要

153、素市场的关键：培养数据要素市场的关键 数据交易对象包括“数据交易对象包括“大数据大数据&衍生品衍生品”和“传统数据”和“传统数据&衍生品”两种数据商品。衍生品”两种数据商品。数据交易是数据供应方和需求方之间以数据商品作为交易对象，进行的以货币或货币等价物交换数据商品的行为。其中，数据交易的对象是数据商品，包括用于交易的原始数据或加工处理后的数据衍生产品。按照交易对象的不同，数据交易可分为两种：1）以大数据或其衍生品作）以大数据或其衍生品作为数据商品的数据交易；为数据商品的数据交易；2）以传统数据或其衍生品作为数据商品的数据交易。）以传统数据或其衍生品作为数据商品的数据交易。基于参与数据交易市场

154、的主体和行为，可构造出如下数据交易市场的基本框架图。图表图表73：数据交易市场基本框架数据交易市场基本框架 资料来源：中国数据要素市场发展报告（20212022），国家工业信息安全发展中心（2022）、华泰研究 数据交易制度包括交易所制度、数据经纪人制度和数据空间制度。数据交易制度包括交易所制度、数据经纪人制度和数据空间制度。1）交易所制度）交易所制度：数据交易所类似于股票市场的场内交易，是数据交易双方集中交易的市场化场所，能够有效的促成买卖双方的公平交易，降低交易风险，同时，具备不可替代的高效性和规范性。2）数据）数据经纪人制度：经纪人制度：数据经纪人指的是通过匹配、沟通和撮合，促成买卖双方

155、的数据交易并赚取佣金的中介机构或个人。该制度有利于盘活闲置数据资源，匹配市场供给需求，促进数字经济的快速流通。3）数据空间制度）数据空间制度：数据空间是一个虚拟空间，促进受信任的商业生态系统中安全和标准化的数据交换和数据链接。数据空间目前仍处于倡议阶段，提供研究活动、制定标准、构建生态等功能。图表图表74：数据交易制度对比数据交易制度对比 数据交易制度数据交易制度 特点特点 功能功能 交易所制度 标准化程度高，集约高效 防止违法行为，价格发现和记录 数据经纪人制度 标的为个人数据 数据收集与运营，供需匹配，生态协同 数据空间制度 虚拟空间 保障数据主权，协助制定标准，构建生态系统 资料来源：数

156、据要素流通标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究 政府部门政府部门数据供应方数据供应方数据交易机构数据交易机构数据需求方数据需求方挂牌交易挂牌交易监管监管监管数据合规评估数据资产评估交易撮合交付服务争议仲裁知识产权服务服务服务服务数据服务商数据服务商 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。45 计算机计算机 数据交易市场数据交易市场模式模式类比传统要素流通交易市场模式进行探索与发展。类比传统要素流通交易市场模式进行探索与发展。主要包括四种模式：直接搜索市场，交易商市场，经纪人市场，拍卖市场。目前国内的数据交易市场纷繁复杂，互有优劣。直接搜索市场

157、在数据量小的交易中具备优势，但存在交易不透明的缺点；交易商市场能容纳较大数额的数据交易，但仍需提升数据增值服务；经纪人市场能够保障数据主体的权益，但是个人隐私权难以保障；拍卖市场可以确保交易公平，但是相关生态仍未成熟。这几种市场的共同隐患是隐私保护问题。图表图表75：数据交易市场数据交易市场模式模式对比对比 交易市场交易市场 描述描述 适用场景适用场景 优点优点 缺点缺点 直接搜索市场直接搜索市场 交易双方直接进行详细约定、签订交易合同 数据量级小，数据敏感度低，数据需求方预算有限 1.交易易于达成；2.无第三方赚差价 1.交易不透明，不利于监管；2.数据主体权益难以保障；3.数据质量难以控制

158、；4.个人隐私权难以保障 交易商市场交易商市场 在政府监管下达成交易 数据量极大，数据敏感度高 利于监管 1.数据增值服务有待提升 2.个人隐私权难以保障 经纪人市场经纪人市场 以中间人身份撮合数据交易双方 如数据卖方无法匹配到数据买方，经纪人作为中介在进行基本数据增值服务后，为双方匹配撮合交易 1.数据主体权益得到保障；2.增值服务能力质量高；3.解决“孤岛”问题 个人隐私权难以保障 拍卖市场拍卖市场 通过买卖双方的投标分配商品、确定价格 如供不应求，需要多个数据需求方进行拍卖 1.确保交易公平；2.无需寻找最优交易价格 1.个人隐私权难以保障；2.交易商生态尚未成熟 资料来源：数据要素流通

159、标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究 不同的交易市场催生不同的服务运营模式与之相适应。不同的交易市场催生不同的服务运营模式与之相适应。在不同的交易市场中，服务运营模式也不尽相同，具体可分为数据直供服务、数据加工服务、数据银行模式和数据信托模式。1）数据直供服务）数据直供服务：数据要素流通市场早期形成的服务模式，随着数据服务形态逐步智能化和高效化，这种服务将逐渐退出历史舞台；2）数据加工服务）数据加工服务：随着算法技术的持续发展，逐步衍生出智能、全面、独具中国特色的数据加工服务，能够对数据进行脱敏、去标识化，确保敏感数据交易的安全性；3）数据银行模式）数据银行模式：

160、需要定义数据标准化流程，将不同来源的数据进行结构化和标准化处理之后，再封装成为数据资产产品或服务，以便后续流通；4）数据信托服务数据信托服务：可以横跨货币市场、资本市场、实业产业，有着广阔的发展空间。图表图表76：数据服务运营模式对比数据服务运营模式对比 服务模式服务模式 定义定义 优点优点 缺点缺点 直供服务直供服务 据供给方以数据接口的方式直接为数据需求方提供数据服务 大幅缩短数据交付周期 1.数据范围受限；2.商业化形式过于单一 加工服务加工服务 数据供给方或者第三方利用其数据处理的软硬件资源，针对性的响应客户需求，对交易数据进行分析和加工，再将结果以合适的方式提供给用户的服务模式。1.

161、能够有效规避源数据泄漏风险；2.能够在保证源数据安全的同时确保满足数据需求方的计算和建模 需要数据供给方具备较强的算法能力和软硬件资源 数据银行数据银行 基于银行货币资产的管理与运营模式，建立大数据资产的管理与运营综合服务系统。1.实现数据的集中有效管理；2.提供有限的数据增值服务，确保并提高存储数据的质量 运营不当易导致隐私数据泄露风险 数据信托数据信托 允许个人或者机构将数据的控制权交给一个独立的机构，同时授权该机构对数据的使用和分享，而该机构对数据提供者承担信托责任 1.最大程度挖掘数据的社会和经济价值；2.避免数据流通带来的风险和损失 尚无法律规范，也无实际应用 资料来源：数据要素流通

162、标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。46 计算机计算机 数据数据交易过程涉及交易过程涉及技术包括数据元件技术、数据空间技术、数据隐私技术等。技术包括数据元件技术、数据空间技术、数据隐私技术等。在数据交易和提供数据增值服务的过程中，始终存在着数据流通和数据安全的矛盾。而上述四种技术能有效缓解这一矛盾。1）数据元件数据元件：具备安全属性和价值属性，能够实现数据的风险隔离、安全管控和提升数据价值密度；2）数据空间技术数据空间技术：从本质上而言是建立数据生产者、处理者和消费者之间的信任，保护数据主权，促进数据流

163、通，消除数据孤岛；3）数据隐私技术数据隐私技术：能够在处理与分析计算数据的过程中保持数据不透明、不泄露、无法被其他非授权方获取。图表图表77：数据要素流通技术数据要素流通技术 资料来源：数据要素流通标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究 政策全面化、服务专业化、模式多样化、主体多元化将是数据交易市场未来的发展方向。政策全面化、服务专业化、模式多样化、主体多元化将是数据交易市场未来的发展方向。1）政策全面化政策全面化：我国正逐步探索建立国家层面数据交易的法律法规和行业标准，推动我国大数据交易实现标准化、规范化；2）服务专业化：）服务专业化：隐私计算、区块链、数据水印等

164、数据交易的相关技术将持续研发创新、标准完善并逐步推广到数据交易市场；3）模式多样化：）模式多样化：以现有的交易形式为基础，未来更多交易主体将参与到交易过程中，增强数据流通性和使用价值，多渠道提升数据交易变现能力；4）主体多元化：）主体多元化：未来将逐步形成包含数据产品提供方、数据产品使用方等在内的多元主体。图表图表78：数据交易市场数据交易市场未来发展方向未来发展方向 资料来源：数据要素流通标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究 上海数据交易所上海数据交易所已实践了完整的数据交易流程。已实践了完整的数据交易流程。1）交易准备阶段：交易准备阶段：挂牌前要求数据产品完成

165、合规、数据质量等一系列评估，在上海数据交易所的全数字化系统完成线上挂牌；2）交交易合约阶段易合约阶段：交易主体根据交易规则，采用“供方定价、供需议价”等市场化定价方式，达成数据交易合约，依照合约约定，供需双方完成交付及清结算过程，数据交易完成后，上海数据交易所为交易方提供交易凭证；3）数据交付阶段数据交付阶段：根据敏感级别，将数据分为S1S4 级，不同的数据产品，根据其所属分级等级，对应不同的交付方式和交付技术，交付不受时空限制，可由交易主体双方进行协商，同时可选择第三方交付服务商，实现交付安全、合规、成本、效率等方面的最佳平衡。数据要素流通市场数据要素流通市场数据元件技术数据元件技术数据空间

166、技术数据空间技术数据使用控制基于动态属性配置服务的身份认证管理数据存证溯源技术数据隐私技术数据隐私技术可信执行环境敏感数据识别区块链数据脱敏政策政策全面化全面化服务服务专业化专业化主体主体多元化多元化模式模式多样化多样化隐私计算区块链数据水印建立法律法规健全行业规范增强数据流通性提高数据变现能力数据产品提供方数据产品使用方数据加工商资产质量评估商安全合规评估商 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。47 计算机计算机 图表图表79：上海数据交易所上海数据交易所数据交易流程数据交易流程 资料来源：数据要素流通标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究

167、 数据监管：数据监管：保障数据要素安全流通流转保障数据要素安全流通流转 数据监管是在数据要素流通全过程制定数据监管是在数据要素流通全过程制定相关的相关的数据安全合规监管监测体系数据安全合规监管监测体系。数据监管的目的是保障数据要素安全流通流转。在数据监管环节，主要采用爬虫技术、应用日志流量分析技术、数据水印、区块链技术等。为保障各方数据权益和促进数据流通，各国正在逐步构建数据相关立法模式和探索数据分级分类方案。欧盟采用统一监管模式，致力于保护数据主体的人格权和隐私权。欧盟采用统一监管模式，致力于保护数据主体的人格权和隐私权。欧盟是世界上起步最早的数据治理组织，其数据监管模式具有参考价值。通过明

168、确权利义务、统一立法标准、设立专门机构、设置数据保护官等手段，调动欧盟、成员国、数据控制者等多方力量保障数字时代公民的隐私权利，形成了欧盟与成员国二级共建、具有统一性和独立性的监管模式。2018 年，通用数据保护条例出台，强调了监管机构的独立性和权威性，细化了数据控制者和处理者的权利义务，要求企业设置数据保护官加强内部监管。2022 年 2 月，公布 数据法案草案，明确提出搭建全面监管框架，强化用户获取和使用数据的权利，并要求成员国依靠独立监管机构审查行为者获取数据的权利和义务，深化了对数据的二级监管机制。美国数据立法遵从分散立法模式，寻求数据权利保护与数据自由流通之间的平衡美国数据立法遵从分

169、散立法模式，寻求数据权利保护与数据自由流通之间的平衡。美国从较为自由的数据监管模式逐步收紧。国家安全层面，美国先后颁布美国外国投资风险审查现代化法、美国澄清海外合法使用数据法，以严控关键技术和敏感个人数据领域的外商投资；数据开放层面，美国颁布美国信息自由法 美国开放政府数据法等促进非敏感数据的流通；个人数据保护方面，美国在多个领域均有立法保护，如金融行业的美国金融消费者保护法，电信行业的美国计算机欺诈和滥用法；数据跨境流动方面，美国先后颁布信息安全港框架协议 隐私盾协议，以规范存储在国外的数据。图表图表80：美国数据监管法案美国数据监管法案 层面层面 法案名称法案名称 意义意义 国家安全 美国

170、外国投资风险审查现代化法 美国澄清海外合法使用数据法 美国国家安全与个人数据保护法 1.防止尖端技术数据和敏感信息外泄 2.保障美国国家安全 数据开放 美国信息自由法 美国开放政府数据法 美国数字问责和透明法 促进非敏感数据的流通 个人数据 美国金融消费者保护法 美国计算机欺诈和滥用法 美国隐私法 保护个人数据和行业数据 跨境流动 信息安全港框架协议 隐私盾协议 澄清境外合法使用数据法案 规范存储在国外的数据 资料来源：数据要素流通标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究 交易准备阶段交易准备阶段交易合约阶段交易合约阶段数据交付阶段数据交付阶段挂牌前要求数据产品完成合

171、规、数据质量等一系列评估，在上海数据交易所的全数字化系统完成线上挂牌交易主体根据交易规则，采用“供方定价、供需议价”等市场化定价方式，达成数据交易合约，依照合约约定，供需双方完成交付及清结算过程，数据交易完成后，上海数据交易所为交易方提供交易凭证根据敏感级别，将数据分为S1S4级，不同的数据产品，根据其所属分级等级，对应不同的交付方式和交付技术，交付不受时空限制，可由交易主体双方进行协商，同时可选择第三方交付服务商，实现交付安全、合规、成本、效率等方面的最佳平衡 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。48 计算机计算机 早期，早期，我国主要通过制定规范性文件，将个人数据作

172、为网络空间安全的一部分进行规制。我国主要通过制定规范性文件，将个人数据作为网络空间安全的一部分进行规制。我国陆续出台了关于维护互联网安全的决定 关于加强网络信息保护的决定 信息安全技术公共及商用服务信息系统个人信息保护指南等规定和指南，分别从个人数据资料处理监管范围，打击网络信息违法犯罪行为，个人数据测评监督机制等方面进行了规定。图表图表81：中国数据监管法规和行业指导性文件中国数据监管法规和行业指导性文件 法律或文件名称法律或文件名称 相关内容相关内容 生效时间生效时间 规范性文件规范性文件 关于维护互联网安全的决定 赋予了相关部门在网络空间范围内对个人数据资料处理进行监管的权力 2000

173、年 12 月 关于加强网络信息保护的决定 首次以个人数据保护为核心制定法律制度，要求有关主管部门依法打击网络信息违法犯罪行为，总体规定较为笼统 2012 年 12 月 信息安全技术公共及商用服务信息系统个人信息保护指南 我国首个个人信息保护国家标准，创新性提出了引入第三方机构对个人数据保护状况进行测评的监督机制 2012 年 11 月 个人信息出境标准合同规定（征求意见稿）提出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，推动我国数据跨境流动监管机制的完善 2022 年 6 月 法律法律 网络安全法 确立了由国家网信部门负责统筹协调，国务院电信主管部门、公安部门和其他有关机

174、关依法负责职责范围内的监督管理工作的两级协调监管机制 2017 年 个人信息保护法 关注个人数据保护，对一般数据和敏感数据进行分类监管，要求落实从事前合规审计到事后救济处罚的全程监督 2020 年 民法典 首次将数据确认为一种民事权益 2020 年 5 月 数据安全法 注重宏观安全，在数据监管方面取得了新的进展：一是建立了行业数据监管机制，二是关注对重要数据、核心数据、政务数据的监管，三是加大对违法行为的处罚力度 2021 年 条例与办法条例与办法 个人信息出境安全评估办法（征求意见稿)对个人信息出境安全评估的申报、要求、程序、禁止情形进行了规定 2019 年 数据安全管理办法（征求意见稿）网

175、络运营者发布、共享、交易或向境外提供重要数据前，应当评估可能带来的安全风险，并报经行业主管监管部门同意；行业主管监管部门不明确的，应经省级网信部门批准 2019 年 关键信息基础设施安全保护条例 关键信息基础设施，是指公共通信和信息服务、能源、交通、水利、金融、公共服务、电子政务、国防科技工业等重要行业和领域的，以及其他一旦遭到破坏、丧失功能或者数据泄露，可能严重危害国家安全、国计民生、公共利益的重要网络设施、信息系统等 2021 年 网络数据安全管理条例（征求意见稿）数据处理者开展合并、分立、赴外、赴港上市等重大活动，应当申报网络安全审查；大型互联网平台运营者在境外设立总部或者运营中心、研发

176、中心，应当向国家网信部门和主管部门报告 2021 年 网络安全审查办法 掌握超过 100 万用户个人信总的网络平台运营者赴国外上市，必须向网络安全审查办公室申报网络安全审查，网络安全审查重点评估相关对象或者情形的国家安全风险因素 2022 年 数据出境安全评估办法 规定了数据出境安全评估的范围、条件和程序，为数据出境安全评估工作提供了具体指引 2022 年 7 月 规定规定 关于审理使用人脸识别技术处理个人信息相关民事案件适用法律若干问题的规定 明确了处理人脸信息时需获得单独统一且不得捆绑授权或变相强迫，让个人更加充分地参与到人脸信息处理的决策过程中，防止信息被无感知、捆绑式地收集 2021

177、年 7 月 互联网信息服务算法推荐管理规定（征求意见稿）着力于解决算法推荐领域的乱象，建立了由网信部门、行业自律和社会监督相配合的全面监督管理体系 2021 年 8 月 行业行业法规法规&司司法解释法解释 金融：个人金融信息保护技术规范 对个人金融信息收集、传输、存储、使用、删除、销毁等各环节进行了规定。明确规定了向境外提供个人金融信息的要求。2020 年 汽车：汽车数据安全管理若干规定（试行）关于加强智能网联汽车生产企业及产品准入管理的意见 2021 年 7 月 工业&通信：工业和信息化领域数据安全管理办法（试行）2021 年 9 月 金融：征信业务管理办法 保护信息主体的合法权益，促进征信

178、业健康发展 2021 年 9 月 资料来源：数据要素流通标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。49 计算机计算机 目前，目前，设立数据流通相关监管法律是数据监管的重点。设立数据流通相关监管法律是数据监管的重点。随着数字经济的发展，规范性文件的效力与可操作性受到局限。为此，我国出台了网络安全法 数据安全法 个人信息保护法三大数据监管相关基础法，从不同角度明确了各方的权利义务，规定了主要监督部门，细致划分违法行为的处罚标准及范围，构建起我国数据监管的基本法律框架。框架一方面加强了数据人权保护，另一方面增强了对

179、关系国家安全、公共利益等重要数据的监管，形成了较为全面的数据监管体系。在三大基础法的框架之下，2022 年 6 月，国家互联网信息办公室起草了个人信息出境标准合同规定（征求意见稿）。此外，在数据合规基础法律框架基础上，各重点行业相关法规和司法解释也陆续出台。图表图表82：我国数据监管体系发展建立过程我国数据监管体系发展建立过程 资料来源：数据要素流通标准化白皮书（2022 版），全国信标委大数据标准工作组、华泰研究 规范性文件规范性文件基本基本法律框架法律框架条例与办法条例与办法相关规定相关规定行业法规行业法规&司法解释司法解释 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。50

180、 计算机计算机 相关标的相关标的 1、数据采集、数据采集/清洗清洗/处理处理：海天瑞声、海康威视、美亚柏科、中新赛克、恒为科技 2、政务数据、政务数据：太极股份、深桑达 A、中科江南、易华录、博思软件、南威软件 3、产业数据、产业数据：上海钢联、航天宏图、超图软件、南网科技、四维图新 4、数据加密、数据加密：三未信安、格尔软件、吉大正元、信安世纪 5、数据安全、数据安全：安恒信息、启明星辰、奇安信、绿盟科技 风险提示风险提示 宏观经济波动。宏观经济波动。若宏观经济波动，可能对下游客户的预算、支付意愿产生负面影响，影响相关行业的需求释放节奏。技术迭代不及预期技术迭代不及预期。若技术迭代不及预期，

181、数据价值的实现或低于预期，可能导致相关公司增长不及预期。本研报中涉及到的公司、个股内容系对其客观公开信息的整理，并不代表本研究团队对该本研报中涉及到的公司、个股内容系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。公司、该股票的推荐或覆盖。图表图表83：提及公司表提及公司表 公司代码公司代码 公司简称公司简称 公司代码公司代码 公司简称公司简称 公司代码公司代码 公司简称公司简称 公司代码公司代码 公司简称公司简称 公司代码公司代码 公司简称公司简称 BABA US 阿里巴巴 300188 CH 美亚柏科 688201 CH 信安世纪 未上市 四方伟业 未上市 华傲数据

182、 000032 CH 深桑达 A 300212 CH 易华录 688248 CH 南网科技 未上市 思迈特 未上市 海量云图 000034 CH 神州数码 300226 CH 上海钢联 688489 CH 三未信安 未上市 数据宝 未上市 富士康 000063 CH 中兴通讯 300369 CH 绿盟科技 688561 CH 奇安信 未上市 数博智云 未上市 帆软软件 000977 CH 浪潮信息 300525 CH 博思软件 688787 CH 海天瑞声 未上市 神策数据 未上市 点通数据 000997 CH 新大陆 301153 CH 中科江南 831428 CH 数据堂 未上市 人大金仓

183、 未上市 第四范式 002212 CH 天融信 301159 CH 三维天地 831546 CH 美林数据 未上市 偶数科技 未上市 达梦数据 002368 CH 太极股份 301236 CH 软通动力 0700 HK 腾讯 未上市 南大通用 未上市 比特信安 002405 CH 四维图新 603232 CH 格尔软件 未上市 云坤科技 未上市 明略科技 未上市 倍赛 002415 CH 海康威视 603496 CH 恒为科技 未上市 远观数据 未上市 龙猫数据 未上市 百度众测 002439 CH 启明星辰 603636 CH 南威软件 未上市 友盟 未上市 巨杉数据库 未上市 安华金和 0

184、02912 CH 中新赛克 688023 CH 安恒信息 未上市 亿信华辰 未上市 九次方大数据 未上市 阿里众包 003029 CH 吉大正元 688031 CH 星环科技 未上市 网易猛犸 未上市 京东众智 未上市 阿里云 300036 CH 超图软件 688066 CH 航天宏图 未上市 中软国际 未上市 吉佳通达 未上市 Testin 云测 300168 CH 万达信息 688118 CH 普元信息 未上市 探码科技 未上市 华为云 未上市 PingCAP 资料来源：Bloomberg、华泰研究 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。51 计算机计算机 免责免责声

185、明声明 分析师声明分析师声明 本人，谢春生、郭雅丽、范昳蕊，兹证明本报告所表达的观点准确地反映了分析师对标的证券或发行人的个人意见；彼以往、现在或未来并无就其研究报告所提供的具体建议或所表迖的意见直接或间接收取任何报酬。一般声明及披露一般声明及披露 本报告由华泰证券股份有限公司（已具备中国证监会批准的证券投资咨询业务资格，以下简称“本公司”）制作。本报告所载资料是仅供接收人的严格保密资料。本公司不因接收人收到本报告而视其为客户。本报告基于本公司认为可靠的、已公开的信息编制，但本公司及其关联机构(以下统称为“华泰”)对该等信息的准确性及完整性不作任何保证。本报告所载的意见、评估及预测仅反映报告发

186、布当日的观点和判断。在不同时期，华泰可能会发出与本报告所载意见、评估及预测不一致的研究报告。同时，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。以往表现并不能指引未来，未来回报并不能得到保证，并存在损失本金的可能。华泰不保证本报告所含信息保持在最新状态。华泰对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。本公司不是 FINRA 的注册会员，其研究分析师亦没有注册为 FINRA 的研究分析师/不具有 FINRA 分析师的注册资格。华泰力求报告内容客观、公正，但本报告所载的观点、结论和建议仅供参考，不构成购买或出售所述证券的要约或招揽。该等观点、建

187、议并未考虑到个别投资者的具体投资目的、财务状况以及特定需求，在任何时候均不构成对客户私人投资建议。投资者应当充分考虑自身特定状况，并完整理解和使用本报告内容，不应视本报告为做出投资决策的唯一因素。对依据或者使用本报告所造成的一切后果，华泰及作者均不承担任何法律责任。任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。除非另行说明，本报告中所引用的关于业绩的数据代表过往表现，过往的业绩表现不应作为日后回报的预示。华泰不承诺也不保证任何预示的回报会得以实现，分析中所做的预测可能是基于相应的假设，任何假设的变化可能会显著影响所预测的回报。华泰及作者在自身所知情的范围内，与本报告所

188、指的证券或投资标的不存在法律禁止的利害关系。在法律许可的情况下，华泰可能会持有报告中提到的公司所发行的证券头寸并进行交易，为该公司提供投资银行、财务顾问或者金融产品等相关服务或向该公司招揽业务。华泰的销售人员、交易人员或其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本报告意见及建议不一致的市场评论和/或交易观点。华泰没有将此意见及建议向报告所有接收者进行更新的义务。华泰的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。投资者应当考虑到华泰及/或其相关人员可能存在影响本报告观点客观性的潜在利益冲突。投资者请勿将本报告视为投

189、资或其他决定的唯一信赖依据。有关该方面的具体披露请参照本报告尾部。本报告并非意图发送、发布给在当地法律或监管规则下不允许向其发送、发布的机构或人员，也并非意图发送、发布给因可得到、使用本报告的行为而使华泰违反或受制于当地法律或监管规则的机构或人员。本报告版权仅为本公司所有。未经本公司书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人(无论整份或部分)等任何形式侵犯本公司版权。如征得本公司同意进行引用、刊发的，需在允许的范围内使用，并需在使用前获取独立的法律意见，以确定该引用、刊发符合当地适用法规的要求，同时注明出处为“华泰证券研究所”，且不得对本报告进行任何有悖原意的引用、删节

190、和修改。本公司保留追究相关责任的权利。所有本报告中使用的商标、服务标记及标记均为本公司的商标、服务标记及标记。中国香港中国香港 本报告由华泰证券股份有限公司制作,在香港由华泰金融控股（香港）有限公司向符合证券及期货条例及其附属法律规定的机构投资者和专业投资者的客户进行分发。华泰金融控股（香港）有限公司受香港证券及期货事务监察委员会监管，是华泰国际金融控股有限公司的全资子公司，后者为华泰证券股份有限公司的全资子公司。在香港获得本报告的人员若有任何有关本报告的问题,请与华泰金融控股（香港）有限公司联系。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。52 计算机计算机 香港香港-重重要

191、监管披露要监管披露 华泰金融控股（香港）有限公司的雇员或其关联人士没有担任本报告中提及的公司或发行人的高级人员。航天宏图（688066 CH）、安恒信息（688023 CH）：华泰金融控股（香港）有限公司、其子公司和/或其关联公司实益持有标的公司的市场资本值的 1%或以上。奇安信（688561 CH）：华泰金融控股（香港）有限公司、其子公司和/或其关联公司在本报告发布日担任标的公司证券做市商或者证券流动性提供者。有关重要的披露信息，请参华泰金融控股（香港）有限公司的网页 https:/.hk/stock_disclosure 其他信息请参见下方“美国“美国-重要监管披露”重要监管披露”。美国美

192、国 在美国本报告由华泰证券（美国）有限公司向符合美国监管规定的机构投资者进行发表与分发。华泰证券（美国）有限公司是美国注册经纪商和美国金融业监管局（FINRA）的注册会员。对于其在美国分发的研究报告，华泰证券（美国）有限公司根据1934 年证券交易法（修订版）第 15a-6 条规定以及美国证券交易委员会人员解释，对本研究报告内容负责。华泰证券（美国）有限公司联营公司的分析师不具有美国金融监管（FINRA）分析师的注册资格，可能不属于华泰证券（美国）有限公司的关联人员，因此可能不受 FINRA 关于分析师与标的公司沟通、公开露面和所持交易证券的限制。华泰证券（美国）有限公司是华泰国际金融控股有限

193、公司的全资子公司，后者为华泰证券股份有限公司的全资子公司。任何直接从华泰证券（美国）有限公司收到此报告并希望就本报告所述任何证券进行交易的人士，应通过华泰证券（美国）有限公司进行交易。美国美国-重要监管披露重要监管披露 分析师谢春生、郭雅丽、范昳蕊本人及相关人士并不担任本报告所提及的标的证券或发行人的高级人员、董事或顾问。分析师及相关人士与本报告所提及的标的证券或发行人并无任何相关财务利益。本披露中所提及的“相关人士”包括 FINRA 定义下分析师的家庭成员。分析师根据华泰证券的整体收入和盈利能力获得薪酬，包括源自公司投资银行业务的收入。奇安信（688561 CH）、中科江南（301153 C

194、H）：华泰证券股份有限公司、其子公司和/或其联营公司在本报告发布日之前的 12 个月内担任了标的证券公开发行或 144A 条款发行的经办人或联席经办人。中科江南（301153 CH）：华泰证券股份有限公司、其子公司和/或其联营公司在本报告发布日之前 12 个月内曾向标的公司提供投资银行服务并收取报酬。航天宏图（688066 CH）、安恒信息（688023 CH）：华泰证券股份有限公司、其子公司和/或其联营公司实益持有标的公司某一类普通股证券的比例达 1%或以上。奇安信（688561 CH）：华泰证券股份有限公司、其子公司和/或其联营公司在本报告发布日担任标的公司证券做市商或者证券流动性提供者。

195、华泰证券股份有限公司、其子公司和/或其联营公司,及/或不时会以自身或代理形式向客户出售及购买华泰证券研究所覆盖公司的证券/衍生工具，包括股票及债券（包括衍生品）华泰证券研究所覆盖公司的证券/衍生工具，包括股票及债券（包括衍生品）。华泰证券股份有限公司、其子公司和/或其联营公司,及/或其高级管理层、董事和雇员可能会持有本报告中所提到的任何证券（或任何相关投资）头寸，并可能不时进行增持或减持该证券（或投资）。因此，投资者应该意识到可能存在利益冲突。本报告所载的观点、结论和建议仅供参考，不构成购买或出售所述证券的要约或招揽，亦不试图促进购买或销售该等证券。如任何投资者为美国公民、取得美国永久居留权的

196、外国人、根据美国法律所设立的实体（包括外国实体在美国的分支机构）、任何位于美国的个人，该等投资者应当充分考虑自身特定状况，不以任何形式直接或间接地投资本报告涉及的投资者所在国相关适用的法律法规所限制的企业的公开交易的证券、其衍生证券及用于为该等证券提供投资机会的证券的任何交易。该等投资者对依据或者使用本报告内容所造成的一切后果，华泰证券股份有限公司、华泰金融控股（香港）有限公司、华泰证券（美国）有限公司及作者均不承担任何法律责任。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。53 计算机计算机 评级说明评级说明 投资评级基于分析师对报告发布日后 6 至 12 个月内行业或公司回报

197、潜力（含此期间的股息回报）相对基准表现的预期（A 股市场基准为沪深 300 指数，香港市场基准为恒生指数，美国市场基准为标普 500 指数），具体如下：行业评级行业评级 增持：增持：预计行业股票指数超越基准 中性：中性：预计行业股票指数基本与基准持平 减持：减持：预计行业股票指数明显弱于基准 公司评级公司评级 买入：买入：预计股价超越基准 15%以上 增持：增持：预计股价超越基准 5%15%持有：持有：预计股价相对基准波动在-15%5%之间 卖出：卖出：预计股价弱于基准 15%以上 暂停评级：暂停评级：已暂停评级、目标价及预测，以遵守适用法规及/或公司政策 无评级：无评级：股票不在常规研究覆盖

198、范围内。投资者不应期待华泰提供该等证券及/或公司相关的持续或补充信息 法律实体法律实体披露披露 中国中国：华泰证券股份有限公司具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：941011J 香港香港：华泰金融控股（香港）有限公司具有香港证监会核准的“就证券提供意见”业务资格，经营许可证编号为：AOK809 美国美国：华泰证券（美国）有限公司为美国金融业监管局（FINRA）成员，具有在美国开展经纪交易商业务的资格，经营业务许可编号为：CRD#:298809/SEC#:8-70231 华泰证券股份有限公司华泰证券股份有限公司 南京南京 北京北京 南京市建邺区江

199、东中路228号华泰证券广场1号楼/邮政编码：210019 北京市西城区太平桥大街丰盛胡同28号太平洋保险大厦A座18层/邮政编码：100032 电话：86 25 83389999/传真：86 25 83387521 电话：86 10 63211166/传真：86 10 63211275 电子邮件：ht- 电子邮件：ht- 深圳深圳 上海上海 深圳市福田区益田路5999号基金大厦10楼/邮政编码：518017 上海市浦东新区东方路18号保利广场E栋23楼/邮政编码：200120 电话：86 755 82493932/传真：86 755 82492062 电话：86 21 28972098/传真：86 21 28972068 电子邮件：ht- 电子邮件：ht- 华泰金融控股（香港）有限公司华泰金融控股（香港）有限公司 香港中环皇后大道中 99 号中环中心 58 楼 5808-12 室 电话：+852-3658-6000/传真：+852-2169-0770 电子邮件： http:/.hk 华泰证券华泰证券（美国美国）有限公司有限公司 美国纽约公园大道 280 号 21 楼东（纽约 10017）电话：+212-763-8160/传真：+917-725-9702 电子邮件:Huataihtsc- http:/www.htsc- 版权所有2022年华泰证券股份有限公司