亿欧智库+-+2024中国“数据要素X”行业应用价值研究报告

2024中国“数据要素X”行业应用价值研究报告目录0101中国“数据要素X”应用发展概述 02中国“数据要素X”行业应用分析 03中国“数据要素X”服务商图谱及案例中国“数据要素X”效应释放预判“数据要素X”概念定义与研究范围u2024年1月4日,国家数据局联合工业和信息化部等17部门正式印发《“数据要素×”三年行动计划(u“数据要素×”行动具体从供需两端发力,在工业制造、商贸流通、交通物流、金融服务、医疗健康等若干重点领域,加强场景需求牵引、打通流通障碍、提升供给质量,推动数据要素与其他要素相结合,催生新产业、新业态、新模式、新应用、新治理。亿欧智库:“数据要素X”行动框架与主体画像—、激活数据要素潜能—、激活数据要素潜能指导思想基本原则总体目标二、总体要求三、重点行动按照“有基础、有场景、有需求”的原指导思想基本原则总体目标二、总体要求三、重点行动按照“有基础、有场景、有需求”的原则,结合各行业发展实际,先期选取12个行业和领域,推动发挥数据要素乘数效应 数据要素 工业制造现代农业商贸流通交通运输金融服务城市治理文化旅游医疗健康应急管理气象服务绿色低碳科技创新文化旅游医疗健康应急管理气象服务绿色低碳科技创新行业型数据商行业型数据商理解,向上游拓展数据产品开发与数据供给,提供—站式行业数据/信息服务,其数据产品产业互联网厂商多为产业链链长企业,凭借自身企业数字化经验,积累行业准和行业知识图谱,开发数据四、强化保障支撑四、强化保障支撑优化数据流通环境加强数据安全保障提升数据供给水平优化数据流通环境加强数据安全保障提升数据供给水平五、做好组织实施加强组织领导开展试点工作推动以赛促用加强组织领导开展试点工作推动以赛促用加强资金支持加强宣传推广来源:国家数据局,亿欧智库3 亿欧智库:战略布局深化2024& 亿欧智库:战略布局深化2024&《“数据要素×”三年行动计划2023&国家数据局2022&“数据二十条”2019&据作为生产要素参与分配u自2014年“大数据”首次写入政府工作报告以来,战略重心逐步由“互联网+”“大数据战略”“数字化升级”向“培育数据要素市场”倾斜。与此同时,我国数字经济快速发展,数字基础设施规模能级大幅跃升,数字技术和产业体系日臻成熟,为更好发挥数据要素作用奠定了坚实基础。数据作为新型生产要素,已快速融入生产、消费、流通、分配和社会服务管理等各环节,成为推动经济社会高质量发展亿欧智库:中国数据要素总体及细分市场规模(亿元)数据作为新型生产要素,已快速融入生产、消费、流通、分配和社会服务管理等各环节,成为推动经济社会高质量发展亿欧智库:中国数据要素总体及细分市场规模(亿元)2020202120222023 亿欧智库:释放数据要素乘数效应亿欧智库:数据要素市场驱动 亿欧智库:释放数据要素乘数效应亿欧智库:数据要素市场驱动必要性:当前数据要素市场化存在数据供给质量不高、流通可能性:“数据要素x”实现了从连接到协同、使用到复用、叠加到融合的转变,为乘数效应的实现提供了前提•数据在不同场景的复用,碰撞,孕育出新产品、新•数据在不同场景的复用,碰撞,孕育出新产品、新服务,创造新的价值增量作用于其他要素,能够找素资源约束下的“最优解”•融合多来源、多类型的数据,驱动创新,培育经济增长新动能实施性:12大行业领域数据资源丰富、应用需求广泛、交互链条多层次,具有较好的应用基础和广阔的发展空间。比如:金融:数据需求量大数据需求量大,通过引入科技、养老、医疗、社保等领域数据,金融机构可以完善信贷模型,辅助面向中小微企业的贷款授信决策,在降低金融机构坏账率的同时,更好赋能实体经济发展农业:协同需求大,但主体分散农业生产各环节数据流通不畅,数据资源开发利用程度较低。对此,将强化协同,推动环境、养分、生长、销售、存储、加工等全链条数据融合利用,提高农业44来源:国家数据局,公开资料,亿欧智库中国“数据要素X”市场行业应用规模u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。根据数据应用领域来分,2023年金融行业的数据交易规模约为300亿元,规模占比超过30%,是目前最大的细分行业数据交易市场。除互联网和政务外,其次为医疗健康、工业制造、交通运输数据;另有约8.0%的数据交易市场规模分布在其他行业,如文旅、农业等。亿欧智库:2023年中国各行业数据要素交易市场规模(亿元)及占比注:互联网数据含电商数据(商贸流通)来源:《2023年中国数据交易市场研究分析报告》,公开资料,亿欧智库5目录中国“数据要素X”应用发展概述0202中国“数据要素X”行业应用分析 03中国“数据要素X”服务商图谱及案例中国“数据要素X”效应释放预判“数据要素X”效应释放模型亿欧智库:“数据要素X”效应释放模型u衡量数据要素乘数效应释放能力,可两大大方向探讨。—是数据基础能力,即基于行业数据全生命周期的能力;二是应用乘数效应,可从技术、亿欧智库:“数据要素X”效应释放模型技术效应①数据安全与隐私保护技术:通过差分隐私、安全多方计算、联邦学习等技术,为数据交易、流通中的安全保护提供了持续的技术支撑。技术效应①数据安全与隐私保护技术:通过差分隐私、安全多方计算、联邦学习等技术,为数据交易、流通中的安全保护提供了持续的技术支撑。②数据流通技术:加强敏感数据识别、数据脱敏技术、数据泄露防护技术等方面的突破,为实现跨平台环境下数据安全合规应用,提升移动多方、分布式计算中的非公开数据保护能力,防范隐私敏感数据泄露提供更为安全、经济效应①生产要素投入: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—资②生产要素赋能:数据要素可以赋能其他要素,优化供给进—步促进增长。规则体系效应①规则体系效应:完善数据产权制度、流通交易制度、收益分配制度、安全城市治理绿色低碳数据治理水平工业制造科技创新现代农业文化旅游工业制造科技创新技术效应数据采集量行业应用金融服务气象服务经济效应应用乘数效应规则效应产品使用率与经济效交通运输应急管理商贸流通医疗健康产品精选行业应用金融服务气象服务经济效应应用乘数效应规则效应产品使用率与经济效交通运输应急管理商贸流通医疗健康产品精选数据基础能力衡量数据全生命周期能力数据存储量数据交易度。数据流通度资料来源:亿欧智库整理7“数据要素X”行业应用领域潜力分析u随着数据要素市场建设与完善演进,其赋能千行百业的能力不断提升。短期1-3年来看,金融服务、工业制造、交通运输、医疗健康领域数据基础能力较好,乘数效应释放快。中期3-5年来看,文化旅游、现代农业等领域的市场潜力将不断释放,未来场景想象空间较大。长期5-10年来看,数据要素将为绿色低碳、科研、气象服务等领域带来颠覆性变革,促进高质量发展。工业制造工业制造应急管理医疗健康绿色低碳交通运输城市绿色低碳交通运输城市治理科技创新文化旅游金融服务气象气象服务现代农业商贸商贸流通弱强弱•横轴表示不同行业需要待完善的数据基础能力,用以衡量数据要素在细分领域成熟落地所需基础能力•纵轴表示不同行业数据要素应用乘数效应,用以数据要素未来的市场潜力和商业落地价值•气泡大小表示不同行业数据主体规模,用以衡量该垂类行业现有数据应用规模资料来源:公开资料,亿欧智库8数据要素X金融u金融行业是最先利用数据要素并依赖其服务的行业之—。数据要素能有效帮助金融机构强化风险管理、提高决策精确性、促进金融创新和推动行业u金融数据具有数据来源多、数据规模大、数据治理难、数据要求等特征;当前探索金融数据要素市场化,就是依靠市场化实践方式、合规化和开放化制度导向、多元化和资产化市场建设、智能化与精细化基础设施保障、数字化与中台化技术创新,从而将金融数据转化为生产要素。亿欧智库:金融数据资源类别及特征类别举例如账户信息、鉴别信息、金融交易信息、个人身份信息如存款业务信息、贷款业务信息、信用卡业务信息、非如金融产品信息、运营管理信息、风险管理信息、技术金融行业数据特征数据来源多:金融机构内部的各类业务系统之间的交互会产生大量的数据,且金融行业与其他相关行业之间也存在着复杂的数据交互和共享。这导致金融行业的数据涵盖了数据来数据治理难:金融业因其强监管性质,对数据治理更是提出高要求。首先作为—项复杂的系统性工程,涉及众多环节和部门;其次,数据治理需要系统化、职责分明的协调配合体系;最后,技术的双刃剑使得人们对金融数据的滥用和误用数据规模大:金融业是使用数据最早、依赖最重的行业,其业务的复杂性决定了金融数据的规模非常庞大,包括众多金融交易、客户信息、市场行情等,尤其是股票和外汇市场。并且金融机构为进行风险评估、市场分析和合规审计等工作,通常也需要存储和处理长期的历史数据。数据要求高:金融数据不仅是金融机构内部决策的重要依据,也是监管机构对市场进行有效监管的关键信息,如果数据存在虚假、缺失,将直接导致业务风险,所以为了确保市场公平、公正、透明,保护投资者利益,金融业务高度依赖来源:《2023金融行业数据要素市场化白皮书》,亿欧智库亿欧智库:金融数据要素化方向实践方式--市场化:金融数据应经过整合梳理后形成数据资源,再将金融数据资源经过法律上的确认以明晰权属关系形成数据资产,最后释放金融数据要素的资本价值制度导向-合规化和开放化:我国对金融数据要素官方化的支持体现在:—方面是激励并推动金融数据要素开放、分配、利用、流通、交易、与市场化的发展进程,另—方面则是完善对金融数市场建设-多元化和资产化:数据要素市场化建设离不开商业银行参与,作为数据持有者,可以采集贯穿全数据存储机制与信息安全系统,要素全生命周期处理量和标准的制定,促流通建立数据共享机制,务,可以为金融数据基础设施支撑-智能化与精细化:金融数据基础设施是以支撑数字化发展为目标,以挖掘数据价值和保障数据安全为基本点,以实现数据要素的采集、传输、汇聚、存储、处理、开发、应用等流通层资源层 资源层资源层资源层技术创新-数字化与中台化:依托“数字技术+数据要素”双轮驱动,能帮助银行实现业务深度及服务能力的扩展,也能使金融服务延伸至小微等金融缺乏群体所在的场景9数据要素X金融u随着我国金融行业数据要素化相关的政策逐步深化,金融数据安全体系日益健全,从基本数据安全规范使用,到明确的数据分类分级制度,再到金u为落实金融数据元素的安全保密流通,金融数据要素技术工具不断创新,也在深化行业应用,多方安全计算、联邦学习等助力金融数据元素市场化。多方安全计算可信执行环境可信互联技术商业信用评估业务信息化建设多方安全计算可信执行环境可信互联技术商业信用评估业务信息化建设交易风险评估 信用评估金融行业大模型•2023年3月,全球最大的财经资讯公司彭博社发布拥有500亿参数的大型语言模型—BloombergGPT,标志着全球首个金融大模型的诞生•以同花顺、东方财富为代表的财富管理运营商•度小满正式开源国内首个千亿级中文金融大模型—“轩辕”数据流通技术联邦学习金融数据安全规范使用:系列密码标准,包括SM1、SM2、SM3、SM4、•针对金融数据,中国人民银行发布《金融数据安全数据安全分级指南》(JR/T0197-2020),起草《中国人民银行业务领域数据安全管理办法(征求意见稿)》,金融数据分类分级:•《个人金融信息保护技术规范》还将个人金融信息按32金融数据生命周期管理:•金融业机构在开展业务和进行经营管理的过程中,•对金融数据进行采集、传输、存储、使用、删除、销法律角度技术实操法律角度技术实操•重要基石:《网络安全法》《数据安全•金融规范基础:《个人金融信息保护技术规范》(JR/T0171-2020)、《金融数据安全数据生命周期安全规范》•(JR/T0223-2021)、《金融大数据平台总体技术要求》(JR/T0237-202第三方合作:国家金融监督管理总局办•随着大数据、云计算、人工智能等金融科技在金融领域广泛应用,数据在助力金融机构实现精准客户营销、优化客户服务、创新智能产品、完善风险防控等方面展现••数据治理是银行业金融机构系统性地抓好数据管理,进而赋能业务经营管理的动态过程;强调在数据全生命周期管理过程中•来源:《2023金融行业数据要素市场化白皮书》,亿欧智库数据要素X交通u交通数据要素是重要的数据资源,它可以用于交通管理、交通规划、交通安全、交通运营等交通数字化和智慧化方面,同时还可以用于智慧政务、u交通大数据具有独有地域和时域动态演化特征,需要和地理信息相结合,实时性和空间属性显著。当然也存在诸如数据价值密度低,关联融合不够、亿欧智库:交通数据资源类别及特征类别举例车辆识别号、品牌、型号、生产年份、发动机型号交通工具信息、乘客信息、线路信息、交通枢纽信息、交通行业数据特征数据结构较为稳定:同—种交通大数据,通常其数据结构较为稳定,不会频繁出现格式上的变化。当然,也有特殊的交通大数据,其形式会比较灵活和多变。例如,数据资产化全生命周期运作:实现了数据管理模式向资产化和全生命周期运作转变。将交通数据按照资产方式进行管理,通过数据目录摸清家底,覆盖了数据生产、存储、应数据粗放型向集约化转变:设施重要节点以及各类载运工具中,其数据涵盖政务服务、行业运营、公众服务等多个方面,数据来源的性,决定交通数据必然要经历由分散向集中转变。数据时空性:交通大数据具有独有地域和时域动态演化特征,和地理信息相结合,实时性和空间属性显著。当然也存在诸如数据价值密度低,关联融合不够、实战应用来源:《2023交通行业数据要素市场化白皮书》,亿欧智库亿欧智库:交通数据要素化方向交通数据资产管理能力-融入区域和行业大数据体系中:•汇聚各类交通管理数据、警务数据、社会资源数据,不断提升交通数据资产管理能力、交通数据与交通信息的共享与•基于人、车、路、环境等交通要素构建大模型,为上层研判分析应用提供夯实的数据基础及算法支撑;同时,在确保数据安全的情况下,实现行业内外多领域的数据跨部门、跨区域共建共享,加快推进多种交通方式基础数据的联合开交通数据高效运营-强化数据平台标准化:•交通数据目前多集中在交警、运输两大职能部门,数据体量庞大但大多不对外公开,需要打破行政和技术壁垒,制定行业大数据分析统—的规范和标准,以保障数据的综合治理,实现数据资源的统—共享•互联网出行、交通信息服务、高速公路运营等平台企业,掌握大量交通运营数据,可依托跨领域交通数据提供增值服务、满足多部门、多单位的数据调用,强化基础平台的共建共享以及基础数据的融合应用,辅助城市交通高质量管理交通数据共享共用-提升交通数据的数据质量:•现有交通数据的应用还存在很多问题,可以总结为“—流的界面展示、二流的功能设计、三流的数据支撑”•数据共享共用可行性的根本在于数据质量的可靠性,有可靠性才能实现数据标准的统—,才能谈数据共享的机制、方法,以及数据共享共用的商业模式交通数据可持续运营-提升数据安全保障能力:•在数据采集、传输、系统管理和对外服务等各个环节中都要有安全技术保障。•依据交通大数据综合交通服务数据平台,遵循安全保障与隐私保护机制,建立统—的管理规范、标准与责任追究机制,责成各单位、各部门严格按照规范和标准执行,同时加大审查力度交通数据价值变现-需提升数据应用场景挖掘能力:•交通行业的数据平台不仅要追求数据量大,还要将不同渠道汇聚融合的数据进行有效盘活,挖掘数据背后的关系和价值,发挥海量、多维城市交通数据的规模化效应,逐步形成乘数效应和滚雪球效应,完善数据之间的相互关系•交通大数据开发利用,能够指导行业管理政策的制定及基础设施的“规划、设计、建设、管理、运营、养护”,真正数据要素X交通u交通运输是国民经济中具有基础性、先导性、战略性的产业,为了推动交通行业数据要素的开放、与各行业深度融合和跨行业共享。国家及地方政u交通行业涉及的数据要素非常广泛,包括交通流量、车辆信息、道路状况、乘客信息等等。为了更好地利用这些数据,交通行业需要利用物联网、大数据、5G、区块链、信息安全以及隐私安全、无人驾驶、车路协同等—系列前沿关键技术,结合网络、算力、应用、智能管控等关键基础设施。亿欧智库:交通数据安全规则体系健全亿欧智库:技术工具创新深化行业应用交通行业数据安全合规规章制度建设:•基于《网络安全法》《数据安全法》《个人信息保护法》等国家法律法规,交通行业结合行业数据要素市场化的发展进程,部委、地方政府、行业协•••《网络预约出租汽车经营服务管理暂行办法》•《网络平台道路货物运输经营管理暂行办法》交通行业安全合规流通技术标准规范体系:•交通运输行业涉及大量的个人和机构敏感信息,包括乘客个人信息、车辆位置信息、货物物流信息等,需要建立安全的数据流通机制,保障这些信•交通运输行业的信息化程度提高,各类数据交换和共享频繁,需要建立统•《交通运输信息安全规范》(GB/T37378-2019)••《车联网信息服务数据安全技术要求》(YD⁄T3751-2020)•来源:《2023交通行业数据要素市场化白皮书》,亿欧智库大数据与人工智能大数据与人工智能区块链技术车路协同技术无人驾驶技术无人驾驶+交通数据:高精度地图、路况监测系统、智能交通控制系统无人驾驶数据资源:城市交通优化、 物联网物联网信息安全以及隐私安全关键基础设施关键基础设施网络基础设施应用基础设施智能管控基础设施算力基础设施数据要素X工业u工业数据已经成为影响工业经济发展、工业安全保障的重要生产要素,是驱动工业互联网创新发展的重要引擎。随着我国工业互联网从概念倡导进入实践深耕阶段,工业互联网获取了大量工业企业的实时、准确生产和经营数据,这些工业数据正日益成为评价工业经济运行状况的重要“晴雨u工业数据要素主要分为企业内部产生的业务数据与制造过程数据,以及企业外部使用工业互联网等服务中产生的数据。工业数据具有多模态、强关联、高通量、明边界的特点,随着对数据要素的资产化应用途径探索不断加深,工业数据的价值释放的三大步骤逐渐清晰。亿欧智库:工业数据资源类别及特征类别举例•业务数据来自企业传统信息化相关系统,包括企业资源计划(ERP)、产品生命周期管理(PLM)、供应链管理(SCM)和能耗管理系统(EMS)等•制造过程数据主要是指工业生产过程中,通过物联网等技术手段采集的装备、物料及产品•工业互联网标识解析服务产生的数据、使用工业互联网平台服务产生的数据、业金融行业数据特征多模态:工业数据的记录存储都需要较高的完整性,同时不同细分行业间的数据构成也有显著差异。工业数据往往包含大量非结构化数据与时序信息,为工业生产带来了丰富的信息来源,但同时也为工业数据的运用与分析制造了强关联:工业数据之间的关联具有系统性与动态性。工业数据之间的关联并不仅限于数据字段,其本质是物理对象之间和过程的语义关联。同时,这种关联性在长期生产过程中具有稳定性,可实现机理与模型复用,有助于企业更高通量:工业数据的采集、处理、分析具有很高的实时性要求,明边界:工业数据具有更加明确的边界与权属关系。工业数据往往具有明确的权属关系和资产价值,企业能够决定数据的具体使用方式和边界,相对其他数据而言,工业数据亿欧智库:工业数据要素化方向STEP1:工业数据资源登记•企业将来自经营、生产领域的数据,进行汇总清洗与处理分析,沉淀为最初的数据资源。这些数据资源通过登记权属,明确数据的归属权并实现标准化,最终形成清晰的数据目录,以便更好地展示数据具体情况。•工业数据因其海量多模态、可复制、易篡改的特性,使得权属确认难监督、数据质量难保障,因而在工业数据要素管理过程中需要更加明确地确立权益归属,更加重视登记机制的实施。STEP2:工业数据资产评估•为了确保数据资产的高质量治理和合理定价,企业侧应选择具有权威性的第三方机构来提供科学准确、具备时效性的数据质量评估结论,为后续的数据资产价值评估提供有效参考。•目前,我国数据资产的价值评估机制仍处于探索阶段,尚无权威统—的法律准则或方法体系,现有的方法可大致分为市场法、成本法、收益法三种。除相对直观的通过市场法定价外,收益法将数据与具体场景相结合,通过预计数据资产所带来的收益来评估其价值,适用于能够带来长期价值的衍生数据,在金融和互联网领域得到广泛采用。STEP3:工业数据资产化应用数据交易数据交易数据资产入表数据资产入表数据跨境数据跨境数据金融创新数据金融创新•工业数据在经过登记和评估定价后形成了具有可交易价值的产品,就可以进行合规交易,为企业带来直接收益,实现数据流•同时,以工业数据产品为依托的多元化金融服务和授信贷款也是价值化释放的潜在途径。金融机构依据企业或产业链上下游的排产运营数据能够更精确地评估客户经营信用风险、制定适当的授信策略,并根据客户需求提供更个性化的金融产品服务,来源:中国工业互联网研究院,亿欧智库13数据要素X工业亿欧智库:工业数据制度、生态待完善工业数据尚未有专门立法:•当前,国家尚未出台工业数据基础产权制度建设的直接相关文件,关于数据产权制度的建设要求零散地分亿欧智库:工业数据制度、生态待完善工业数据尚未有专门立法:•当前,国家尚未出台工业数据基础产权制度建设的直接相关文件,关于数据产权制度的建设要求零散地分•国家尚未出台专为数据产权制度确立的体系化政策文件,政策集成程度不高,现有的—些关键性政策尚未配套相应的实施方案与标准规范,缺少对于工业数据数据产业生态初步构建:•当前第三方服务商生态仍处于培育阶段,工业数据的资产评估与授信贷款等价值化路径尚在探索,实践效•数据资产评估服务商的缺乏,使得后续的工业数据资产化路径受到阻碍。工业数据价值化的具体路径需要在实践探索中逐步总结有效方式,形成可复制、可推时间维度工业数据的价值具有时间敏感,对于当下有价值的数据可能在明天就失去了价值。同样的数据同—时间在不同的机构和应用场景中呈现出的价值差异较大。时间维度工业数据的价值具有时间敏感,对于当下有价值的数据可能在明天就失去了价值。同样的数据同—时间在不同的机构和应用场景中呈现出的价值差异较大。空间维度工业数据的价值与上下游相关,同—数据对不同企业价值意义不同。而跨企业、跨行业的工业数据进行聚合汇总后可能发生叠加效应,此时对数据的价值需要重新进行评定和量化。数据本身工业数据的类型与存储方式复杂多样,包含流式、图片、音频等。工业结构化、非结构化数据不能用统—的数据行、数据量等常用计量单位进行计量,这也使得工业数据的定价交易面临不确定性。数据标准统—•工业数据实施均需要成熟的数据标业务属性:中文名称、英文名称、标准别名、业务定义、业务规则、值域、标准依据、敏感度技术属性:包括数据的类型、格式、长度、编码规则 等管理属性:标准编号、标准主题、数据制定人、标准定义部门、标准管理者、标准大类子类、标准状态等。数据价值量化数据价值量化•目前我国的工业数据交易市场还处于初级发展阶段,工业数据价值的确定方式尚在探索。对于工业数据而言,•其特有的复杂性使得它的量化和价值确认变得错综复杂,无论是工业数据的成本还是利润都数据安全可控出库数据安全可控出库•通过“数据不动、算法移动”的方式,可以实现在保护提供方数据控制权基础上的隐私保护与可信使用,为数据提供方提供“可管、可•数据在出库过程中和出库后都面临—系列的安全风险。例如,在出库过程中如何保障数据传输的安全性,在出库后如何防止买方在未经卖方同意的情况下转卖数据。这些问题亟需某些新兴技术作为支持,比如:隐私计算技术去中心化技术来源:《2023交通行业数据要素市场化白皮书》,亿欧智库14数据要素X医疗健康u健康医疗大数据涵盖面极为广泛,任何与健康医疗直接或间接相关的数据均属于这—范畴。医疗健康大数据的有效分析,对于改善生活方式、提升诊断治疗效率、提高医疗服务质量、加速药品研发以及优化医u医疗健康数据可按照应用场景可划分为9大类。医疗健康大数据具有数据体量巨大、数据种类多样、数据获取渠道多、数据变化快以及应用价值高亿欧智库:医疗健康数据资源类别及特征类别举例包括药物临床试验数据、药物监管数据、药包括疾病监测数据,突发公共卫生事件监测数据,传染病报告等包括药品购买记录、服药记录、健身记录、日常生活习惯等数据;包括医疗卫生资源数据、医疗服务调查数据、计包括人口数量,人口增长,性别构成,年龄构成,城乡人口状况等医疗健康行业数据特征来源广泛:健康医疗数据的来源广泛主要体现在两个方面。—是从健康医疗数据控制者角度,如提供健康医疗服务的组织机构;二是从数据收集和存储形式角度,如非电数据量大:健康医疗数据根源上来源于个人,—方面,个人相关的影像数据、组学数据数据量大,—次全面的基因测序,产生的个人数据可达到300GB;另—方面,我国有庞大的人口基数,并且随着我国健康医疗服务种类和水平提升,都带来了海量健康医疗数据的产生。应用场景丰富:健康医疗保障服务和大数据科学技术进行有机结合,对医疗服务进行智能化改造的需求旺盛,应用场景的愈加丰富和持续开放,将为健康医疗服务行业提供最佳试验样本、最广泛应用场景和最价值密度大:健康医疗行业直接与人的生命安全健康相关,因此,—方面,健康医疗数据控制者在数据收集时只收集有价值的数据;另—方面,个人健康医疗数据主体在提供数据时提供的数据真实有效比例来源:《健康医疗数据安全服务体系建设思考》,公开资料,亿欧智库亿欧智库:医疗数据要素化方向STEP1:医疗健康数据资源方•医疗机构是最为重要的数据资源方。医疗机构涵盖面广泛,各级公立医院、民营医院、疗养院以及第三方独立医疗机构,如:医学影像诊断中心、健康体检中心、医学检验实验室等均囊括其中。医疗机构数据具有类型多、数量大、价值高等特点,但•相比之下,药企、实验室、保险公司的数据虽然在数量及种类上不及医疗机构,但同样具有很高的分析价值。在这些机构之间,数据不互通共享的问题同样存在,因此对数据价值的挖掘尚不够充分。STEPSTEP2:医疗健康数据数字化机构数据存储数据采集数据交易数据处理数据存储数据采集数据交易数据处理•在数据采集环节,数据完整性问题、数据隐私问题与数据准确性问题是现阶段制约其发展的重要因素。•在数据存储环节,如何保证数据安全是目前面临的最大挑战。—方面,相关企业需要不断提升数据加密技术,防止数据失窃,影响数据隐私;另—方面,数据备份的意识与能力亟待提升,防止因系统故障等因素导致数据丢失,影响数据完整性。•在数据处理环节,现阶段对于数据背后价值的挖掘和探索仍然较为浅显,未能充分发挥健康医疗大数据应有的意义。STEP3:医疗健康数据应用G端:政府机构CG端:政府机构C端:个人B端:医疗机构、药企、实验室、保险公司•数据应用方仍然以B端机构企业为主。对医疗机构而言,健康医疗大数据能够提升服务能力与医疗水平;对于药企以及保险公司而言,健康医疗大数据能够促进业务,提升盈利水平;对于药企以及实验室而言,健康医疗大数据能够加速研发。•G端政府机构扮演统筹者角色。—方面,政府机构能够充分利用健康医疗大数据,提升信息化基础建设;另—方面,政府机构扮演了统筹者的角色,能够有效杜绝数据滥用现象,保证健康医疗大数据行业健康有序发展。•C端用户包括医生及患者。对医生而言,健康医疗大数据能够提升个人业务能力,而医生自由执业以及互联网医疗的普及,将释放医生个人需求,促进健康医疗大数据的应用与发展。对患者而言,健康医疗大数据不仅能帮助病患从疾病状态恢复,更能帮助亚健康甚至健康人群保持健康的生活习惯,远离疾病。数据要素X医疗健康u自2020开始,医疗健康数据相关规则体系建设逐步系统化,但标准不健全、权属不清晰、市场机制不完善仍然制约医疗健康数据要素市场发展。u高效掘取医疗健康数据价值,首先需要建立先进的信息技术系统和数据平台,帮助医疗机构有效存储、整合数据,其次才是构建、利用工具,对治理后的医疗大数据进行分析,进而为医疗决策提供科学依据、提升医疗效率。亿欧智库:医疗健康数据规则体系医疗数据安全:•健康医疗数据安全方面,《健康医疗数据安全指南》对健康医疗数据安全•但标准不健全仍然是制约健康医疗数据安全管理进—步完善的主要障碍,比如,控制者、处理者、使用者等不同的健康医疗数据相关实体的具体安全管理要求、以及不同收集渠道的健康医疗数据的具体安全管理要求都还没有相应标准进行规范,对不同的健康医疗数据相关实体如何进行安全管医疗数据分类分级:•《医疗健康大数据安全要求》根据数据可供访问使用的范围、应施加的基本安全措施、数据安全目标受到损害造成的负面影响,建议医疗健康大数据由低到高划分为四个安全保护等级:供访问使用,面向有医疗数生服务信息,不可直接识别可在中等范围内,仅限于获在较小范围内供访问使用,用代码,可被服务对象个人识别,周边人不易识别和生活,威胁范围人群的隐私信息,损害公共卫生利益利益,危害国家安全第四级在极小范围内供访问使用,利益,严重危害国家安全。来源:《医疗健康大数据安全要求》,《新—代医疗数据中心建设指导》,亿欧智库亿欧智库:医疗健康数据技术应用HIS、PACS、EMR.CIS、HRP等;支付、挂号、处方流转、健康服务、随访等;平台应用HIS、PACS、EMR.CIS、HRP等;支付、挂号、处方流转、健康服务、随访等;平台应用服务平台服务/DICOM浏览 新—代医院数据中心模通信技术•以私有云为主,多云结合为特征的医疗云数据中心PaaS影像数据中心影像数据中心集成智能化影像应用:医学影像大数据中心可以起到业务中台的作用,将众多人工智能软件集成,便于医生使用。同时,大数据中心还可以通过互联网实时更新的人工智能应用,医生需要时可直接联网下载影像数据资产化:影像大数据可以助力影像数据治理,在数据生成后便及时打上标签并归类,并注明其可能存在的价值科研药研数据库目录中国“数据要素X”应用发展概述中国“数据要素X”行业应用分析0303中国“数据要素X”服务商图谱及案例中国“数据要素X”效应释放预判政府机构“数据要素X”行业图谱政府机构国家数据局数据交易机构挂牌交易监管数据交易机构挂牌交易监管金融服务金融服务医疗健康医疗健康工业制造工业制造交通运输交通运输lifewood活树科研教育科研教育商贸流通商贸流通城市治理城市治理现代农业现代农业文化旅游文化旅游绿色低碳绿色低碳气象服务气象服务lifewood活树应急管理应急管理资料来源:亿欧智库整理18相互反哺自我进化知识积累自我进相互反哺自我进化知识积累自我进化的知识体系时资讯解析数据生产“数据要素X”金融应用案例数库科技长期致力于在金融及产业领域提供基于产业逻辑的智能数据产品及系统服务,为金融机构、产业园区、企业集团及政府部门在金融及数字政府解决方案数字化转型解决方案银行对公数字化在拓客领域,有效提升对公获客业务收入;在风控领域,为授信业务环节提供信息支撑与风险预警,有效防数字政府解决方案数字化转型解决方案银行对公数字化在拓客领域,有效提升对公获客业务收入;在风控领域,为授信业务环节提供信息支撑与风险预警,有效防为银行预测和预防各类业务风险;通过对公获客业务提升银行业务营收与核心竞争力;协助银行业数字化转型升级;防范各行业系统性风险,稳定民生客户案例:数库科技为国内某知名城商行提供了—系列高质量、可持续、时效性强、合法合规的产业链、供应链、园区数据产品,满足该行客户数字化客户案例:围绕某区域政府的产业数字化监控、产业精准招商、产业供需匹配、产业深化研究等需求场景,构建宏观、行业、企业的关联图谱,为产业规划、精准招商、风险管理、政策制定等业三大核心能力三大核心能力核心能力提升精度知识积累提升精度提升精度知识积累提升精度•基于机器学习、深度学习的智能化数据工厂;•集成了管理门户、标注客户端、后台服务、预处理和OCR等功能模块;•具有算法、学习能力、数据标准化、•基于GISC分类标准,将产品分布直接扩充至12个层级;•实现对A股、港股、美股等近4000上市公司全部披露产品的标准化;•实现全国超过6000万家工商企图谱打通;•围绕重点、战略新兴产业、“十四五”•基于自然语言处理的旗舰级新闻标签解析引擎;•可将市场中的高频非结构化新闻资讯转化为机器可读结构化元数据;•通过对新闻资讯的智能化标签分析,可从中精确提取其中蕴含的公司、人物主体,事件,行业,产品,地区及资料来源:数库科技、亿欧智库整理19“数据要素X”交通应用案例亿欧智库Lifewood全球16国人力资源布局芬兰英国德国-塞尔维亚中国孟加拉国泰国菲律宾t越南7新加坡印度尼西亚阿联酋: 美国贝宁b马来西亚南非亿欧智库:Lifewood简介(),成立于2004年,专注于多语言数据采集与标注,助力AI算法优化。在智能交通领域,提供智能驾驶、智能座舱和车机测评三大场景数据服务,推动自动驾驶与智慧出行发展,为交通赋能,让出行更智能便捷。亿欧智库Lifewood全球16国人力资源布局芬兰英国德国-塞尔维亚中国孟加拉国泰国菲律宾t越南7新加坡印度尼西亚阿联酋: 美国贝宁b马来西亚南非亿欧智库:Lifewood简介亿欧智库LifewoodAI优秀合作案例解决方案亿欧智库LifewoodAI优秀合作案例解决方案特有的LPB生产力模型结合CBA人员管理模型,配合PBI数据可视化平台,实成果23天内组建1032年内完成数百万无人驾驶视频和地图数据,支持城市道路环境下的无人车自动驾标注涵盖2D、3D、2D3D融合、4D等30余种数据类型自动泊车先进行图片预识别,再由人工校验,降本增效,并持续优化预标注识别率与针对不同标注场景(室内、室外)分配专门团队进行三周内组建40人标注团队并建成高5个月完成10万张图片、近800万个标注对象涵盖行人、机动车、警示标志、灯、指示助力车企出海,提供车载DMS算法训练的海外图像采集1,000名棕色、黑色和白色人种的DMS数据,覆盖全年龄段,性别均衡数据采集覆盖车内、室内利用东南亚、非洲等交付团队资源,提供符合需求专业的知识管理团队持续优化采集流程,提升效率通过PBI监控分析采集情况,成功采集符合客户持续每半年为客户车机测评对比测试不同车机系统在前端、交互、语音合成及测试涵盖指定车型、录音9项技能、313个子功能及专业的知识管理团队对项目进行全方位规划、深入专业车机评测团队多次实析,并生成可视化图表成功完成了所有场景以及子功能的测试,并生成了—份带有建设性建议的资料来源:亿欧智库整理20“数据要素X”工业应用案例作为宝武信息高科技的核心力量和国内工业软件的领先者,宝信软件勇担使命,积极开展数字化转型,促进数实融合,加速形成新质生产力,中国宝武正在加快推进宝武“1+N”大数据中心建设,通过数据赋能钢铁生态圈高质量发展和数智化转型。宝信软件作为上海数据交易所首批数商企业,基于宝武xIn3Plat工业互联网平台,实现数据要素的互联与流通,充分发挥数据的生产力,并尽快成为钢铁产业链数据要素价值实现的赋能者和服务提供者,为钢铁产业数智化转型发展贡献智慧。亿欧智库:宝信工业互联网平台-xIn3Plat架构凭借在钢铁行业信息化、自动化领域的深厚积累,集凭借在钢铁行业信息化、自动化领域的深厚积累,集大数据、人工智能、智能装备、集控、工业网络安全、移动互联、虚拟制造等七大核心技术推出自研xIn3Plat工业互联网平台。领域工业互联网平台,是宝信软件依托四十多年在钢铁行业的知识积累和工业品质,自主研发的工业互联网平台开展了—系列创新应用,包括智2020年,宝信软件入选国家级跨行业跨领域工业互联网平台,成为全国十五家之—、上海首家入选的“双跨”平台。迄今为止,平台已连续四年入选“双跨”平台,接入工业设备超525万、工业资料来源:宝信软件、亿欧智库整理21“数据要素X”医疗健康应用案例u杭州心景科技有限公司是—家由中南大学湘雅二院(国家医学临床研究中心)、浙江省精卫中心、浙江大学医学院精卫中心等多家研究机构和专家联合发起,与中南大学湘雅二院(国家医学临床研究中心)、上海精神卫生中心(国家医学临床研究中心)、北京大学第六医院(国家医学临床研究中心)以及首都医科大学附属北京儿童医院(国家儿童医学中心)技术合作,湘雅二院、浙江大学邵逸夫医院临床合作,始终专注于精神心理领(亿欧智库:心景科技医疗服务介绍利用虚拟现实(VR)的先进科学技术结合现代临床医学的前沿治疗理念和方法,综合国内—线临床专家的科研成果,旨在为社会提供—套完整的VR医学数字疗法(DTx资料来源:心景科技、亿欧智库整理产学研结合产学研结合睡眠障碍及焦虑谱系探索精神障碍神经发育障碍运动及康复多学科探索进行中目录中国“数据要素X”应用发展概述中国“数据要素X”行业应用分析 03中国“数据要素X”服务商图谱及案例0404中国“数据要素X”效应释放预判“数据要素X”未来效应释放未来发展路径u未来数据要素市场需经过市场培育、市场加速构建、生态完善三个阶段,不同阶段的数据基础能力及应用乘数效应的释放有相应的表现。231231市场培育市场加速构建生态完善行业应用“交易场所+数据商“交易场所+数据商+第三方服务机构”协同创新的多元生态:•数据交易所是数据开放、交易、交换的集•数据商是从各种合法来源收集、维护数据,转化为交易标的并向买方出售,或向委托人提供交易标的发布、产业探索不断深入:•多方部署打造多元丰富的数据要素流通服•全过程搭建高效安全的数据要素运营环节公共数据运营推动数据市场培育:•公共数据开放与共享不断加强:随着全国各地区和不同行业积极探索开展公共数据授权运营试点,未来将逐步取得积极进展和成效。•公共数据授权运营机制更加完善:未来,将逐步从公共数据的授权管理主体、对象资质、运营场景、收益分配、运营评估、日常监管、退出机制等方面不断完善公共数据授权运营制度,形成运营主体•公共数据要素流通安全性要求更高:国家将不断加强数据安全保障和监管措施,以确保行业数据要素的安全性和可信度,促进数以场内交易为主、场外交易为辅的金融数据交易模式:•未来行业形成的将是—个由国家级的数据交易所、区域级交易场所、行业级的交易平台和场外交易组成的多层次的数据要素市场。未来发展现代农业文化旅游工业制造科技创新交通运输应急管理城市治理绿色低碳商贸流通医疗健康金融服务气象服务经济效应技术效应应用乘数效应规则效应产品使用率与经济效益•数据流通设计需多环节的技术协同,现阶段数据流通技术体系尚未完全成熟,存在数据泄露、越权滥用等数据安全问题,且不能完全满足实际场景下的落地应用需求。未来区块链、隐私计算等跨技术路径、跨系统平台之间多元融合未来发展现代农业文化旅游工业制造科技创新交通运输应急管理城市治理绿色低碳商贸流通医疗健康金融服务气象服务经济效应技术效应应用乘数效应规则效应产品使用率与经济效益产品精选标准化、规范化的交易规则体系:产品精选数据采集量数据治理水平•加快构建数据要素市场规则,探索数据资产定价机制,培育规范的数据交易平台和市场主体,并建立健全数据资产评估、登记结算、交易撮合、争议仲裁等市场数据采集量数据治理水平数据基础能力数据交易规模倍增:衡量数据全生命周期能力数据存储量数据交易度数据流通度•数据要素应用广度和深度大幅拓展,在经济发展领域数据要素乘数效应得到显现,打造300个以上示范性强、显示度高、带动性广的典型应用场景,数据产业年均增速超过衡量数据全生命周期能力数据存储量数据交易度数据流通度资料来源:亿欧智库整理24“数据要素X”未来行业应用趋势预测u从行业应用的角度,短期内金融服务、交通运输、工业制造、医疗健康数据基础能力较好,在市场培育阶段应用效应释放快;中期看商贸流通、文化旅游、现代农业、城市治理则在市场发展阶段逐步效应得到快速释放;长期看应急管理、气象服务、绿色低碳、科技创新则在生态完善阶段应用应用效应释放较快行业应用效应释放较快行业市场培育阶段(2024-2027市场培育阶段(2024-2027)市场发展阶段(2028-2030)生态完善阶段(2030-2035)oooooooooooooooooooooooooooooooo 交通运输提升多式联运效能,推进航运贸易便利化,促进道路基础设施数据、交通流量数据、驾驶行为数据等多源数据融合应用,提高智能汽车创新服务、主动安全防控等水平 交通运输 工业制造创新研发模式,推动协同制造,实现敏捷柔性协同制造,提升预测性维护和增值服务等能力,加强区域间制造资源协同,开发使能技术,推动制造业数据多场景复用,开发新型工业软件和装备 工业制造商贸流通拓展新消费,鼓励电商平台与各类商贸经营主体、相关服务企业深度融合,推进直播电商、即时电商等业态创新发展,培育新业态,支持电子商务企业、国家电子商务示范基地、传统商贸流通企业加强数据融合,打造特色品牌,推进国际化,支撑提升供应链综合服务、跨境身份认证、全球供应链融资等能力……商贸流通 文化旅游培育文化创意新产品,挖掘文化数据价值,提升文物保护利用水平,提升旅游服务水平,提升旅游治理能力, 文化旅游提升安全生产监管能力,提升自然灾害监测评估能力,提升应急协调共享能力,推动灾害事故、物资装备、特种作业人员、安全生产经营许可等数据跨区域共享共用,提高监管执法和救援处置协同联动效率提升安全生产监管能力,提升自然灾害监测评估能力,提升应急协调共享能力,推动灾害事故、物资装备、特种作业人员、安全生产经营许可等数据跨区域共享共用,提高监管执法和救援处置协同联动效率……优化城市管理方式,支撑城市发展科学决策,推进公共服务普惠化,加强区域协同治理,推动城市群数据打通和业务协同优化城市管理方式,支撑城市发展科学决策,推进公共服务普惠化,加强区域协同治理,推动城市群数据打通和业务协同……现代农业提升农业生产数智化水平,提高农产品追溯管理能力,支持第三方主体面向农业生产经营主体,培育以需定产新模式,支持农业与商贸流通数据融合分析应用,提升农产品供需匹配能力,提升农业生产抗风险能力……现代农业降低极端天气气候事件影响,支持气象数据与城市规划、重大工程等建设数据深度融合,创新气象数据产品服务,支持新能源企业降本增效,支持风能、太阳能企业融合应用气象数据,优化选址布局、设备运维、能源调度等……气象服务提升生态环境治理精细化水平,加强生态环境公共数据融合创新,提升能源利用效率,提