中国数据要素市场发展报告.pdf

中中国国数数据据要要素素市市场场发发展展报报告告（20212022）2022 年 11 月国家工业信息安全发展研究中心中中国国数数据据要要素素市市场场发发展展报报告告（20212022）国家工业信息安全发展研究中心I报告编写组主编单位：国家工业信息安全发展研究中心北京大学光华管理学院苏州工业园区管理委员会上海数据交易所参编单位：赛昇数智科技（苏州）有限公司中国电子信息产业集团有限公司北京国际大数据交易所翼健（上海）信息科技有限公司深圳市洞见智慧科技有限公司北京瑞莱智慧科技有限公司杭州锘崴信息科技有限公司北京柏睿数据技术股份有限公司上海市社会信用促进中心上海仲裁委员会北京市盈科（深圳）律师事务所普华永道会计师事务所德勤企业咨询（上海）有限公司中航工业产融控股股份有限公司中汽创智科技有限公司北京金堤科技有限公司爱奇清科（北京）信息科技有限公司深圳神策数据科技有限公司北京卓讯科信技术有限公司国家工业信息安全发展研究中心II指导委员会：何小龙周黎安倪乾潘瑜参编人员：刘巍杨玫仲为国张飞扬杨小波陈永财汤奇峰黄丽华刘硕杨柳孙璐王淼朱迪孙浩骐杨旭妍商溥雯何智文涂海银夏琦陈勇吏郑传峰王永超周易江黄云霞国家工业信息安全发展研究中心I前言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、数据要素质量的精准度、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。在国家促进要素市场化配置系列政策指导下，各地方政府及有关单位积极探索数据要素市场化配置改革，推进数据要素价值体系建立、数据要素市场规则构建等工作，在体制机制创新、关键技术突破、市场主体培育、产业生态集聚等方面取得了初步成效。本报告围绕数据要素市场培育过程中，政府主管部门及数据要素流通涉及主体各方面临的难点及问题，梳理了数据要素相关类别及其采集、存储、加工、流通、分析等环节的相关特性，从宏观经济增长、行业发展、企业绩效三个层面估算了数据要素的经济贡献度；基于数据要素市场化过程各相关主体交易及流通模式总结，建立了中国数据要素市场化指数模型，定量分析了各地区数据要素市场化发展程度；围绕数据要素流通体系的流通交易模式、服务创新模式、生态汇聚模式进行了总结梳理，并介绍了相关典型案例；最后，针对我国当前发展现状，提出未来数据要素市场的发展趋势和展望。在本报告撰写过程中，国家工业信息安全发展研究中心和北京大学光华管理学院通过专家访谈、企业调研、案头研究等方式开展数据要素市场相关研究，并对报告界定的相关国家工业信息安全发展研究中心II指数进行了测算和分析，上海数据交易所针对收集的典型案例，对数据要素服务创新模式进行了分类、分析和整理。报告撰写过程还得到了苏州工业园区管理委员会、国内部分大数据交易机构、产业相关企业等的大力支持，在此表示由衷的感谢！由于编者水平有限，本报告难免存在疏漏与不足，恳请各界同仁阅后批评指正，加强合作交流。报告编写组二二二年十一月国家工业信息安全发展研究中心I目录一、数据要素市场发展理论框架.1（一）数据要素特征分析.11.数据要素核心观点.12.数据要素面临挑战.3（二）数据要素市场化与经济增长.41.数据要素促进经济增长路径.42.数据要素市场化本质.4二、数据要素市场发展现状.7（一）发展概况.7（二）政务数据要素市场.9（三）工业数据要素市场.10（四）互联网数据要素市场.12（五）医疗数据要素市场.14（六）金融数据要素市场.16（七）科学数据要素市场.17三、数据要素经济价值贡献度.18（一）数据要素宏观经济增长贡献程度.18（二）数据要素行业发展贡献程度.23（三）数据要素企业绩效贡献程度.261.数据要素对企业经营过程的贡献.272.数据要素对企业经营绩效的贡献.29四、中国数据要素市场化指数.33（一）数据要素市场化指数构建.33（二）数据要素市场化指数得分.36（三）数据要素市场化细分指标比较.371.数据要素市场企业主体比较.382.数据要素市场投资主体比较.393.数据要素市场投资类型比较.42五、数据要素市场发展模式.48（一）数据要素流通交易模式.48国家工业信息安全发展研究中心II1.数据交易机构交易模式.482.产业数据上下游交易模式.52（二）数据要素服务创新模式.541.数据合规评估.542.数据资产评估.563.数据交易撮合.574.数据交付服务.585.数据争议仲裁.636.知识产权服务.647.数据金融服务.658.数据安全服务.66（三）数据要素生态汇聚模式.67六、数据要素市场发展趋势.70（一）技术和管理双轮驱动，数据交易流通环节更安全有序.70（二）多源多领域数据融合，数据要素应用范围将逐步拓展.71（三）交易模式创新规范化，数据要素市场化配置进程加速.73（四）各类型主体协同发力，数据要素市场生态将日渐完善 74国家工业信息安全发展研究中心III图目录图 1 数据要素、数据要素市场化与经济增长理论关系图.7图 2 2022 年中国数据要素市场规模（单位：亿元）.8图 3 数据要素影响 GDP 增长原理图.19图 4 数据要素影响 GDP 增长估算步骤.20图 5 数据要素对 GDP 增长贡献图.22图 6 企业层数据要素价值创造分析框架.27图 7 大数据项目方向分布.28图 8 数据要素项目建设目标和数据来源（%）.29图 9 数据要素经济效益 ROA 比较（2020-2021）.30图 10 数字化投入占营收支出比重.32图 11 数字化投入动力与风险.33图 12 数据要素市场化指数构建框架.35图 13 数据要素相关企业全国分布情况.38图 14 数据要素市场投资事件与金额情况.40图 15 数据要素市场投资事件地区分布.40图 16 数据要素市场投资金额地区分布.41图 17 数据要素市场投资机构出手次数分布.41图 18 数据要素市场投资轮次分布.42图 19 数据要素直接应用投资情况.43图 20 数据要素直接应用区域投资情况.43图 21 数据要素直接应用领域投资细分赛道情况.44图 22 数据要素直接应用领域投资事件情况.44图 23 数据要素直接应用领域投资金额赛道分布情况.45图 24 数据要素赋能应用领域投资情况.46图 25 数据要素赋能应用领域区域投资情况.46图 26 数据要素赋能应用领域细分领域投资情况.47图 27 数据要素赋能应用领域细分领域赛道分布情况.47图 28 数据要素赋能应用领域细分领域投资金额赛道分布情况.48图 29“场内交易、灵活交付”流程图.49图 30 数据合规评估推进思路.55国家工业信息安全发展研究中心IV图 31“翼方健数”数据交付服务架构图.60图 32“洞见科技”数据要素流通解决方案图.61图 33“RealAI”数据交付服务架构图.62图 34“锘崴科技”数据交付服务架构图.63图 35“数据要素招商”生态汇聚思路.69图 36 国家工信安全中心基于数据解析体系的数据要素流通一体化服务.70国家工业信息安全发展研究中心V表目录表 1 各行业数据要素化投入的产出弹性估算（2021 年）.25表 2 数字化转型对上市公司企业行业层面回报的影响.31表 3 中国数据要素市场化指数指标体系.35表 4“中国数据要素市场化指数”得分.36表 5 数据要素相关企业数量（2010-2021）.39国家工业信息安全发展研究中心国家工业信息安全发展研究中心1一一、数数据据要要素素市市场场发发展展理理论论框框架架（一一）数数据据要要素素特特征征分分析析1.数数据据要要素素核核心心观观点点2020 年 4 月，中共中央、国务院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正式把数据作为生产要素单独列出，并提出了促进数据要素市场化配置的改革方向。后面，又陆续在国务院办公厅关于印发要素市场化配置综合改革试点总体方案的通知中共中央国务院关于加快建设全国统一大市场的意见“十四五”数字经济发展规划国务院办公厅关于印发全国一体化政务大数据体系建设指南的通知等政策文件以及中央深改委第二十六次会议上，进一步提出要促进数据要素资源在更大范围内畅通流动，加快构建数据基础制度体系，推动我国数据要素市场健康有序发展，加快构建以数据为关键要素的数字经济。在国家工业信息安全发展研究中心（简称“国家工信安全中心”）2021 年发布的中国数据要素市场发展报告（20202021）中，已就数据、数据资源、数据资产、数据要素、数据要素市场化等相关概念进行了界定1，并指出数据作为生产要素之一，具有劳动对象和生产工具双重属性，作为劳动对象，通过采集、加工、存储、流通、分析等环节，具备了价值和使用价值；其次，数据作为生产工具，通过融合应用能够提升生产效能，促进生产力发展。随着市场发展和课题研究的深入推进，我们将在报告中就数据要素的主要1在 2021 年发布的中国数据要素市场发展报告（2020-2021）中认为，数据资源权属清晰之后即为数据资产，数据资产实际参与社会生产经营活动之后即为数据要素。国家工业信息安全发展研究中心2特点进行总结，为后续更好地进行数据要素定量分析奠定基础。总体来看，数据要素有别于其他生产要素的特点主要有以下几个方面：第第一一，虚虚拟拟使使能能。数据要素的本质是把物理空间的物质通过“-1”编码形式呈现在虚拟空间，跨越时空限制，从而实现数字孪生后的数据虚拟化生产。通过引导各类主体强化数据驱动的生产要素配置能力，可以实现要素数据化，促进劳动力、资金、技术等要素在产业间、行业间、区域间的合理配置，提升全要素生产率，这是数据要素区别于其他生产要素的关键。第第二二，无无限限收收敛敛。数据要素具有可重新编程性和数据均质性，这使得普及的数字技术能够将以往的分散需求、用户体验及生产流程数据等突破空间限制而收敛到集中的数字终端，智能终端技术又进一步使得单个智能终端足以汇聚以往需要成百上千的机器、设备或产品才能完成的工作。与此相比，土地和劳动力既不能循环无限使用，也无法突破物理空间而收敛于最优资源配置。第第三三，智智能能即即时时性性。算力和算法的发展是保证数据要素实现智能即时、产生规模报酬递增效应的重要基础。低成本的算力和高智能的算法可以实现对数据要素的即时处理、分析和反馈，进而动态响应智能决策、敏捷生产、以及多样化需求。第第四四，泛泛在在赋赋能能性性。随着各行业各领域数字化转型进程国家工业信息安全发展研究中心3的不断加快，数据要素渗透到生产生活的各个环节，打通生产、分配、流通、消费各环节，驱动管理机制、组织形态、生产方式、商业模式的深刻变革，为产业提质降本增效、政府治理体系和治理能力现代化广泛赋能。2.数数据据要要素素面面临临挑挑战战基于以上特点，使得数据作为生产要素具备一定的优越性的同时，还可能带来一定的挑战。首首先先，数数据据要要素素是是一一种种准准公公共共品品，具具有有非非竞竞争争性性和和部部分分排排他他性性。数据要素可以无成本地复制，因此一个使用者对数据要素的使用并不减少数据要素对其他使用者的供给。同一组数据可以同时被多个企业或个人使用，额外的使用者不会减少其他现存数据使用者的效用。但是，数据要素又存在副本无差异性，虽然使用效用可能不受影响，但是其交易价值大概率下降。同时，数据要素形成需要投入较高的固定成本，并和产权天然相联系，由此导致具有排他性，无法实现数据要素的规模报酬递增效果。其其次次，数数据据要要素素发发挥挥作作用用需需要要达达到到一一定定的的规规模模经经济济性性和和范范围围经经济济性性。数据要素效率提升往往建立在具有整体层面的大数据之上，从而能够实现寻找全局最优解决方案，这就需要积攒尽可能多的数据，充分把握供给和需求端的数据，甚至形成一种独占性和负外部性。再再次次，数数据据要要素素具具有有一一定定隐隐私私负负外外部部性性。不同数据集的信息普遍存在相关性，一个企业的生产数据可能暴露其产业链上诸多合作者的商业机密甚至核心技术，一个消费者的个国家工业信息安全发展研究中心4人数据可能透露和该消费者有关联的其他消费者的信息。这种负外部性侵蚀企业竞争优势，并对个人形成一定的危险，从而削弱数据作为生产要素所能带来的生产力。（二二）数数据据要要素素市市场场化化与与经经济济增增长长1.数数据据要要素素促促进进经经济济增增长长路路径径虚拟使能、无限收敛和智能即时性等技术特点，使得数据要素在算法驱动下成为一种通用生产要素，一方面形成数据要素的过程需要其他生产要素的投入，例如，为实现数据的采集、处理、加工、分析和交易，经济主体需要投入巨大的固定成本来购买设备、开发软件、建立基础设施，这一资源投入的过程本身能促进经济增长；数据要素还可以直接参与生产、交换和分配过程，不断迭代，催生新的生产方式甚至创造新的需求促进经济增长。另一方面，数据要素可以赋能其他要素，优化供给进一步促进增长。例如，数据要素与劳动力相结合能提高劳动技能与综合素质、提高劳动生产率；数据要素与技术相结合能推动科技发展，加速科技与产业融合；数据要素与资本要素相结合能够减少不确定性冲击，提高风险控制的精准度与效率，进一步拓展金融等服务的广度和深度。2.数数据据要要素素市市场场化化本本质质数据要素的准公共品（部分排他性和非竞争性）、规模经济性及范围经济性等经济特点，使得数据要素会产生很强的外部性。这些外部性可能会使数据要素拥有者缺乏生产和交易数据的动力，进而使得数据要素不能促进经济增长。为国家工业信息安全发展研究中心5此，需要建立一系列基础设施和政策措施促进数据要素供给方和需求方开展更多价值创造和交换，这一过程就是数据要素市场化。具体来说，数据要素市场化的本质是数据要素商业化，是实现数据要素从产品到商品的转化，这一过程需要根据市场运行的基本要素特征，加大数据要素的生产力度、扩大数据要素的应用范围、提高数据要素的交易成功率，激活数据要素微观主体扩大和生产数据要素的积极性，将数据要素的经营与管理完全嵌入到全流程生产经营活动当中，通过数据要素优化供给、创造需求。（三三）报报告告研研究究理理论论框框架架数据要素市场化的核心目标就是加强数据要素的正向外部性、抑制其负向外部性，不断实现数据增值、放大其网络效应。实现此目标需要以下几点保障。第第一一，对对数数据据要要素素实实施施分分类类管管理理。不同类型的数据，其正向和负向外部性不同，因此讨论数据首先需要区分数据类型。按照数据的产生主体（输出主体）不同，将其划分为个人数据、公共数据和企业数据三类。个人数据，是指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；公共数据，是指公共管理和服务机构为履行法定职责、提供公共服务收集、产生的，以电子或者其他方式对具有公共使用价值的信息的记录，包括政务数据和公共服务数据两大类；企业数据，是指企业在生产经营活动中创造或产生的以电子或者其他方式记录的信息。国家工业信息安全发展研究中心6第第二二，实实现现数数据据资资源源向向数数据据资资产产转转变变。数据资源权属清晰之后即为数据资产，数据资产实际参与社会生产经营活动之后即为数据要素。根据国际会计准则理事会（IASB）在2018 年发布的新修订财务报告概念框架，能否把数据资源定义为数据资产关键取决于是否清晰地定义控制的主体，是否明确主体控制的权利，以及是否判断数据资源产生经济利益的潜力。本报告基于数据资源演进路径，从宏观经济增长、行业发展、企业绩效三个层面估算了数据要素的经济贡献度。第第三三，明明确确数数据据要要素素市市场场化化的的产产业业链链、价价值值链链和和相相应应主主体体的的职职能能。在中国数据要素市场发展报告（2020-2021）的基础上，本年度报告继续聚焦数据要素市场的产业链，将其流程归为数据采集、数据存储、数据加工、数据流通、数据分析、生态保障等环节，在此过程中，需要依靠政府、数据交易机构、数据中介商、数据服务商、消费互联网、工业互联网等平台型数据供应方及需求方等相关主体，共同构建数字技术、制度环境、法律环境、以及中介服务环境等数据要素基础设施。综上所述，数据要素市场化的实现需要充分考虑数据要素的“技术经济”特点，在基础设施赋能下利用平台等组织形式实现数据要素的产品化、权属化、价格化及商品化，保证放大其正向作用、抑制其负向外部性，充分发挥数据要素优化供给、创造需求的功能，推动经济高质量增长。国家工业信息安全发展研究中心7本报告基于对数据要素技术及经济特征及规律的总结，结合经济学理论及市场化发展趋势，研究提出数据要素经济价值贡献度及数据要素市场化指数，核心分析框架如图 1 所示。图 1数据要素、数据要素市场化与经济增长理论关系图来源：国家工业信息安全发展研究中心、北京大学光华管理学院由于不同类型的数据要素从产生到发生要素作用的全过程具有不同的特点，数据要素市场化也不完全相同。因此，本年度报告将围绕数据要素融合应用的重点行业、领域分别阐述数据要素市场的发展程度。二二、数数据据要要素素市市场场发发展展现现状状（一一）发发展展概概况况当前，在国家政策引领、地方试点推进、企业主体创新、关键技术创新等多方合力作用下，我国数据要素市场不断探索和创新。据国家工信安全发展研究中心测算数据，2021 年国家工业信息安全发展研究中心8我国数据要素市场规模达到 815 亿元2，预计“十四五”期间市场规模复合增速将超过 25%，整体将进入群体性突破的快速发展阶段。图 2 2022 年中国数据要素市场规模（单位：亿元）来源：国家工业信息安全发展研究中心在在产产业业发发展展方方面面，全国数据交易机构逐步升级优化，服务模式和服务内容不断创新，各地围绕数据要素市场培育的路径和模式各具特色，数据要素市场交易机构、运营体系、保障机制初具雏形。在在技技术术应应用用方方面面，隐私计算技术从“产学研”向行业案例落地，并与区块链等技术进一步融合，在数据确权、计量、监管等方面实现了场景化应用。在在流流通通实实践践层层面面，数据资源基础较好的领域及行业基于先期优势，不断探索流通模式和技术手段创新，例如，以平台数据采集汇聚为特色的互联网数据流通利用、以行业数据流通交易平台为载体的强实时、高精度、高质量数据产品定制化服务、以工业互联网场景为牵引开展的协同研发及供应链管控等，逐2本报告有关数据要素市场规模的计算，当前仅限于数据采集、数据存储、数据加工、数据交易、数据分析、生态保障六大模块，暂未包含数据应用的部分，其中数据交易环节测算数值包括了场内交易和场外交易的统计数据。国家工业信息安全发展研究中心9步形成细分领域数据要素市场差异化特征。（二二）政政务务数数据据要要素素市市场场一一是是依依托托数数据据采采集集打打造造政政务务数数据据资资源源库库。当前，覆盖国家、省、市、县等层级的政务数据目录体系初步形成，数据生产部门按照政务数据目录和相关标准规范，通过人工或系统方式采集基础数据、主题数据、部门数据，各地区依托全国一体化政务服务平台向上级数据平台或数据中心归集，由数据主管部门按数据属性建立数据资源基础库和主题库。二二是是数数据据存存储储方方式式向向集集约约化化存存储储深深化化推推进进。目前，国内31 个省（直辖市、自治区）政务云基础设施建设基本完成，超过 70%的地级市已经建成或正在建设政务云，北京、山东、重庆等多省市政务系统上云率超过 90%，各省市通过搭建集中的基础架构平台，将传统的政务应用迁移到平台，集中存储数据，提供政务数据资源管理服务。三三是是多多层层级级政政务务数数据据流流通通框框架架初初步步构构建建。针对政务数据共享交互，我国已基本建成国家、省、市多级数据共享交换体系，截至 2021 年 5 月，国家数据共享交换平台上线目录超过 65 万条，发布共享接口 1200 余个，累计提供数据查询/核验服务超过 37 亿次3；针对政务数据开放，截至 2021 年10 月，我国已有 193 个省级和城市的地方政府上线数据开放平台，其中省级平台 20 个，城市平台 173 个4。以浙江省数据开放平台为例，目前已开放 18960 个数据集（含 9504 个API 接口），97147 项数据项，621789.54 万条数据，平台下3引用自中国互联网协会发布的中国互联网发展报告 2021。4引用自复旦大学数字与移动治理实验室联合国家信息中心数字中国研究院发布的“2021 年度中国开放数林指数”和中国地方政府数据开放报告省域与中国地方政府数据开放报告城市。国家工业信息安全发展研究中心10载调用次数达到 4148 万次。四四是是政政务务数数据据融融合合分分析析以以服服务务场场景景为为牵牵引引不不断断深深入入。各地区各部门依托政务大数据平台建立的政务数据仓库，围绕城市治理、环境保护、生态建设、交通运输、食品安全、金融服务、经济运行等应用场景开展数据分析应用，为多行业和多跨场景应用提供多样化共享服务。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了重要支撑。五五是是政政务务数数据据要要素素市市场场生生态态保保障障体体系系加加快快建建设设。针对政务数据保障体系，目前国家以及各省市已经针对政务数据管理和安全保障制定相关标准规范，旨在促进跨部门跨层级数据汇聚和共享，加强数据管理，提高数据质量，充分发挥数据资源价值。如贵州省依托“一云一网一平台”基础设施，已建立较为完善的数据管理、共享开放标准体系，并在数据质量方面先行先试，建立数据质量评估体系，开展共享交换平台的数据质量评估，强化数据高质量供给和保障。（三三）工工业业数数据据要要素素市市场场加快工业数据要素市场建设，是推动新型工业化发展的基石之一。当前，我国工业数据要素领域在加速发展，如工业数据在设备健康管理、供应链协同业务模式创新、覆盖工业全流程场景数据分析挖掘应用等诸多方面，发挥了较大作用。在工业领域，随着近几年数字化转型能力提升、产品升级等需求驱动，企业的关注点从数据中台本身转向了最终的国家工业信息安全发展研究中心11数据变现能力。与此同时，企业内部及其上下游之间的合作越来越依赖各类数据平台和数字化工具，但又形成了新的痛点和症结。一一是是亟亟需需突突破破传传统统数数据据中中台台在在面面向向复复杂杂对对象象或或复复杂杂巨巨系系统统时时，没没有有具具体体工工程程方方法法论论及及工工具具的的难难题题。对于寻求数字化转型的工业企业而言，最为关注如何管理企业的数据要素资源，如何让数据要素产生价值并有效服务工业全流程。实践过程中，工业企业多数缺少用于处理来自复杂巨系统不同的组织域、职能域、业务域、数据域大数据的数据操作系统，即运营逻辑模型（OLM，Operation Logic Model）、工业信息模型（IIM，Industry Information Model）、工业专脑（IPB，Industry Professional Brain）、全球唯一资源编码标准（GURES，Global Unique Resource Encoding Standards）等四项能力的赋能。其核心正是提高其建模的统一性、高效性和准确性，以此建立起无歧义、无冗余、单一数据来源的、工业技术工程与管理工程的生产力数据库。二二是是工工业业数数据据亟亟需需从从企企业业的的生生产产力力要要素素全全局局关关联联性性、数数据据的的逻逻辑辑性性和和多多重重关关联联性性出出发发，形形成成新新的的“数数据据湖湖”。谈工业数据要素的前提，是从基于组织运筹学的系统工程、现代工业工程的顶层视角和全局眼光理解、应用数据。即，面向工业企业各组织域、各职能域、各业务域、各数据域的事务逻辑对象，建立其顶级模型及其直至叶子级的子模型，对应组织和处理好模型数据，并将它们进行全球唯一编码标识，形成反映复杂巨系统的各组织域、各职能域、各业务域、各数据域的无歧义、无冗余、单一数据来源的工业企业生产力数据库，形成新的“数据湖”。国家工业信息安全发展研究中心12三三是是生生产产力力数数据据库库缺缺失失。工业数据多以工业现场控制设备采集数据为主，数据采集量巨大，具有较强的连贯性及关联性，工业协议互联互通也存在较大的瓶颈等等。因此，在进行生产力要素优化配置的各种林立的应用系统软件发挥不了应有的作用，加之企业主体对工业技术工程和管理工程的事务逻辑认知有限，建设的应用系统软件越多，形成的数据孤岛、数据垃圾、数据烟囱就越多，工业数据要素无法在企业数字化转型中发挥应有作用，并造成了巨大的浪费。四四是是数数据据安安全全可可信信的的现现状状亟亟需需改改变变。工业数据业务价值与敏感度较高，企业多明显倾向于数据本地化运行和存储，对数据安全性要求极高。国家战略引进建设的 HANDLE 标识解析体系的可信扩展、安全扩展没有完善，在工业企业实际应用推广不足，工业企业需要在数据的流通、价值转移中实质获益。（四四）互互联联网网数数据据要要素素市市场场一一是是以以线线上上线线下下相相结结合合的的方方式式进进行行多多源源异异构构数数据据采采集集。互联网数据涉及个人数据、经营数据、业务数据、开放平台数据等，多通过线上方式进行采集。其中，个人数据主要依靠信息主体主动上传，通过智能终端、API、SDK、IoT 设备、浏览器、传感器等自动采集，亦或是通过交互及关联搜集以及从第三方间接查询等方式获取；经营数据主要是在企业各管理系统中采集调取；业务数据从各类 App、Web、小程序中采集，舆情数据、广告投放数据、公开金融数据等在开放网络平台中通过爬虫、API 接口等方式进行采集。线下数据采集主要通过问卷调查、用户访谈、实地调研、焦点小组、国家工业信息安全发展研究中心13用户反馈等方式，将数据沉淀、存储到企业数据库中，快速理解市场需求，敏捷迭代产品。二二是是借借助助平平台台优优势势促促进进数数据据流流通通共共享享成成为为发发展展趋趋势势。互联网数据流通可分为内部流通和外部流通两种。其中内内部部流流通通基于企业内部运营框架数据流，形成包含数据感知、数据决策、策略行动和效果反馈在内的数据流通闭环。外外部部流流通通主要体现为安全合规下的数据交易，通过 API 接口、隐私计算等技术，实现企业间的数据流通应用。目前，全国各地成立了不少数据交易机构，阿里、百度、腾讯、京东、美团、字节跳动等互联网平台型企业也基于自身的云平台产品在场内提供相关数据产品和服务。此外，聚合数据、数据宝等企业建设了数据开放平台，汇聚金融、征信、电商等多方数据，提供数据相关服务和应用。三三是是海海量量数数据据分分析析处处理理能能力力进进一一步步提提升升业业务务决决策策水水平平。互联网数据分析主要包括在线数据分析、离线数据分析和外部数据分析。在在线线数数据据分分析析通过数据采集、建模，进行多维度、海量、实时的数据分析，离离线线数数据据分分析析用于较复杂和耗时的数据分析和处理，每日分析处理海量数据，外外部部数数据据分分析析主要是通过抓取各个企业数据，分析研判市场发展趋势和行业竞争格局，进行同业竞对分析、营销投放检测等。通过数据分析并利用技术手段从海量用户行为数据中挖掘出有价值的信息，分析用户的生命周期及行为路径，建立数据指标体系、监控体系和用户模型，进行用户分层，并提供针对性产品和个性化服务，实现精准营销，促进业务增长，提升国家工业信息安全发展研究中心14用户体验，打造数据驱动的业务新模式。四四是是互互联联网网领领域域数数据据要要素素市市场场生生态态保保障障持持续续加加强强。当前，随着海量互联网数据存储、分析、应用、流动，保障安全成为互联网数据的重中之重。配套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三大法规，2021 年 11 月，国家网信办起草网络数据安全管理条例 并公开征求意见，基于数据的全类型、全场景、全生命周期，对网络数据中的一般数据、个人信息、重要数据等提出具体要求，明确建立数据分类分级、数据交易管理、数据安全管理、数据安全应急处置、数据安全审计等方面的机制，构筑全面的网络数据安全保障体系。（五五）医医疗疗数数据据要要素素市市场场一一是是医医疗疗数数据据的的存存储储方方式式目目前前相相对对单单一一。医疗数据作为医疗卫生行业的关键数据资产，为防止数据泄露，多数采取网络物理或逻辑隔离的方式，将数据存储在本地机房或政务云平台。依据国家卫健委统计信息中心发布的数据显示，98.8%的三级医院及 96.1%的二级医院均建有数据中心机房，所有省级卫健委和 82.3%的市级卫健委均拥有数据中心机房，59.0%的县卫健委拥有自己的数据中心机房，参与统计的医院的上云率不到一成。二二是是医医疗疗数数据据的的加加工工处处理理逐逐渐渐智智能能化化。医疗数据加工包括数据脱敏、患者主索引、主数据管理、数据清洗、数据映射、数据归一以及标准化和结构化处理。在此过程中，通过数据逻辑校验，对数据的完整性、准确性、一致性等方面进国家工业信息安全发展研究中心15行质量管控，最终形成高质量的、可用的医疗数据资源。由于医疗数据治理工作繁杂耗时，利用人工智能手段，可进一步简化数据加工过程，高效地对原始数据进行脱敏、清洗、归一等，并对如诊断名称、检验/检查项目、用药名称等字段，基于 ICD 编码等标准完成数据标准化处理，对于自然语言描述的主观数据进行结构化处理，大大提高了工作效率。三三是是政政府府机机构构主主导导下下的的医医疗疗数数据据流流通通共共享享日日趋趋成成熟熟。近年来，国家卫健委一直在统筹推进全民健康信息平台等基础设施建设，支持医疗数据共享，制定了一系列医院和基层医疗卫生机构信息化建设标准与规范，电子病历评级、互联互通评级、智慧医院评级和检查检验结果互认等一系列措施的颁布有效地推动了健康医疗数据的互联互通。目前，全国性健康信息平台已基本建成，7000 多家二级以上公立医院接入省统筹区域平台，2200 多家三级医院初步实现院内信息互通共享。四四是是医医疗疗数数据据的的分分析析应应用用已已取取得得阶阶段段性性进进展展。医疗数据的分析应用对加强运营管理、提高临床医疗水平、推动医药研究等都具有重要作用。在智慧医院领域，基于全院级临床数据治理的科研数据分析、临床辅助决策支持、医保支付、以及医院管理等应用场景纷纷落地；在医药研发领域，基于临床试验管理系统之上的自动化数据采集、数据分析以及临床试验和药物研发中的智能化应用逐渐推广；在疫情防控方面，多地利用医疗大数据和数据智能技术进行自动数据抓取、实时信息安全共享、多渠道监测预警，构建智慧多点触发预国家工业信息安全发展研究中心16警监测平台系统，为整个疾病防控体系提供决策支持。（六六）金金融融数数据据要要素素市市场场一一是是依依托托业业务务流流程程采采集集汇汇聚聚海海量量数数据据。金融机构在其服务的全流程直接或间接从个人金融信息主体，以及企业客户、外部数据供应方等外部机构采集数据。采集方式可以分为传感器等边端设备采集、人工采集或系统采集和网络采集。银行业通过多种方式在信贷、理财、投行等多业务条线全流程采集海量企业金融数据、个人金融数据和外部数据，在中后台归集包括财务、审计等在内的银行核心数据。二二是是根根据据数数据据分分类类分分级级结结果果匹匹配配对对应应存存储储模模式式。金融数据广泛涉及个人、企业等方面数据，包含个人身份识别信息、个人隐私数据、企业敏感信息等，金融数据破坏可能对个人、企业、行业和国家安全造成重大影响。因此，金融数据存储将安全作为重要考虑因素。金融行业出台金融数据分类分级标准和安全标准，引导金融机构安全存储数据。金融机构普遍采用私有云或混合云的方式部署数据存储载体，对于高敏感数据以私有云为主要存储载体，对于中低敏感数据则以公有云或混合云为主要存储载体。三三是是以以保保障障数数据据安安全全为为前前提提开开展展数数据据流流通通探探索索。受监管政策影响，金融机构在数据流通共享体系中，一般充当数据的使用方而非数据的提供方角色，金融机构之间进行数据交易流通的较少。但监管政策鼓励在保证数据安全的前提下进行数据交换，对于低敏感数据，目前主要采用 API 接口的方式流通；对于较为敏感数据，目前主要做法是采用隐私计算国家工业信息安全发展研究中心17的方式交互，在保证“数据可用不可见”的前提下，开展数据流通探索，安全释放数据价值。（七七）科科学学数数据据要要素素市市场场一一是是面面向向细细分分领领域域的的科科学学数数据据存存储储模模式式略略有有差差异异。我国科学数据存储模式与科研领域高度相关。以前沿科技领域为例，在基因与生物技术、深空深地深海和极地探测等关系国家安全与重大利益、以政府为主导的前沿科研领域，科学数据中心和集成平台建设较多；在新一代人工智能这类关系企业竞争优势的前沿科技领域，企业通常将科学数据作为商业秘密在本地保存；在应用场景蓬勃发展的生物医药领域，科学数据产生量和需求量都非常庞大，数据上云是大势所趋。二二是是科科学学数数据据开开放放共共享享将将成成为为学学界界趋趋势势。科学数据主要包括在自然科学、工程技术科学等领域，通过基础研究、应用研究、试验开发等产生的数据，具有较强的研发和利用价值。科学数据的共享开放有利于降低科研成本、提高研发效率、加快成果应用推广。因此，在国家层面发布的相关政策文件中，明确指出科学数据的主管部门应在国家统一政务网络和数据共享交换平台的基础上开展本部门（本地区）的科学数据汇交工作；编制科学数据资源目录，并将有关目录和数据应及时接入国家数据共享交换平台，面向社会和相关部门开放共享。三三是是大大数数据据等等技技术术推推动动科科学学研研究究向向第第四四范范式式转转变变。大数据在科学研究领域的应用，使科学研究正在经历从定性研究、定量研究、仿真研究向大数据研究的第四研究范式转变。通国家工业信息安全发展研究中心18过对个体化、全样本的研究，为社会科学提供了精准的数据和计算实验平台，重建了社会科学预测的可能性，推动了社会科学宏观理论研究的发展，促进了社会科学内外部学科之间的融合，在气象和环境、生物和医学方面的应用取得了较大进展。未来，随着虚拟计算空间等技术的突破，交叉学科平台、协同创新中心建设，以及与大型互联网企业进行的研发合作，将会进一步促进科学方法论的革命和跃迁。三、数据要素经济价值贡献度生产要素是经济发展的重要组成部分，数据作为新型生产要素，其对数字经济、实体经济的发展起到重要的促进作用，研究其对经济增长的贡献程度，将为政府制定较为精准的调控和促进政策提供重要依据。本章围绕宏观经济增长、中观产业发展、微观企业绩效等角度探讨数据要素的经济价值贡献。（一一）数数据据要要素素宏宏观观经经济济增增长长贡贡献献程程度度测算数据要素对宏观经济增长的贡献由于受到理论基础、概念界定和统计口径等影响很难有准确而统一的结果，很多基础数据目前也相对缺乏。为此，本报告从分析数据要素影响经济增长的核心机制着手，研究其对宏观经济的相互作用。简单地说，数据要素影响宏观经济增长主要通过两个途径：第一个是赋能其他生产要素，提高资源配置效率，实现要素协同效应，进而提升生产效率；第二个途径，与第一个途径紧密相连，正因能够提升效率，数据要素本身就变得具有价值，这一价值既通过数据积累作为生产资料而实现，国家工业信息安全发展研究中心19又能转变为数据资产通过增值、交换而产生价值，实现价值创造倍增和个性化定价等效应，从而进一步提升生产效率。但是，由于数据要素的负外部性，例如数据垄断和隐私泄密，又可能负面影响经济增长。因此，数据要素对经济增长的影响显著不同于其他要素，需要从生产函数中体现其独立作用。通过将数据要素引入到经典的经济增长模型，如柯布道格拉斯生产函数，可以估算数据要素对于经济增长的贡献。其基本原理如图 3 所示。图 3 数据要素影响 GDP 增长原理图来源：国家工业信息安全发展研究中心、北京大学光华管理学院为了突出数据要素对经济增长的独特作用，本报告改写经典的经济增长模型，将数据要素从索洛余值中独立出来，如公式（1）所示。国家工业信息安全发展研究中心20其中，Y 是 GDP 增长率，K 是资本，L 是劳动力，和分别代表资本和劳动力对 GDP 增长的贡献，D 代表数据要素的经济增长作用，从索洛余值 A 中独立出来。修改后的生产函数表明，提升经济发展质量是数据要素影响经济增长的首要体现，随后才是经济发展的数量。本报告通过以下三个主要步骤估算数据要素对于经济增长的影响，如图 4 所示。图 4