数据要素行业研究.docx

《数据要素行业研究.docx》由会员分享，可在线阅读，更多相关《数据要素行业研究.docx（9页珍藏版）》请在三一文库上搜索。

1、数据要素行业研究一、引言数据要素行业以数据为主要生产资料，通过数据的收集、存储、处理、分析和应用等环节，释放数据的价值，驱动经济社会的发展。数据正在重塑软件行业，应用软件如不能和数据融合在一起将会被淘汰。数据是有时序性的，新的数据产生后就要更新，因此按年进行收费比较合理，同时数据模型可以通过应用结果的反馈进行迭代,因此一旦应用后产品效果会越来越高，替代难度较大。能合理融合数据的应用软件公司，对传统的软件开发有很强的降维打击能力。实际上，数据服务的应用软件，美国已经领先我国10-20年，美国房地产信息服务平台ZiIIow,利用政府开放的房屋数据，开发在线房产估值和交易服务，市值达104亿美元，税

2、务合规性软件Avalara,自动数据处理公司ADP等等。二、概念与种类数据要素包括原始数据、加工数据和知识数据等。（1）原始数据：直接来源于经济社会活动，未经深度加工的数据。包括传感器数据、日志文件、社交媒体数据、政府数据（包括人口库、法人库、交通数据库、地理信息库、宏观经济库等，这些数据涉及面广、信息密度高，来源和获取方式合法，是全社会数据要素集合中的高价值子集）,金融数据（包括股票价格、交易数据、信用评级数据等，这些数据可以用于投资决策、风险管理等），科研数据（科研数据包括各种实验数据、调研数据、专利数据、论文数据等)，这些数据可以用于产品研发、技术创新等。(2)加工数据：经过清洗、整合、

3、标注等处理后的数据。包括结构化数据、半结构化数据和非结构化数据等。数据加工是提升数据价值的关键环节。通过对原始数据进行清洗、整合、转换、分析等操作，可以将其转化为高质量的数据产品或服务，从而为企业或组织带来更大的商业价值。(3)知识数据：通过对原始数据和加工数据进行深度分析和挖掘，形成的知识和洞见。包括模型、算法、规则等。三、应用场景政府治理：通过城市人、地、事、物、情、组织等多维度数据融通，可支撑公共卫生、交通管理、公共安全、生态环境、基层治理等各领域场景应用，实现态势实时感知、风险智能研判、及时协同处置。助力城市规划、建设、管理、服务等策略精细化、智能化、可持续。金融领域：利用数据进行风险

4、控制、产品定价、投资决策等，实现金融创新和普惠金融。数据要素在金融中的作用涵盖了风险评估和管理、产品创新和优化、投资决策和资产管理、监管和合规。金融机构通过融合科技、环保、工商、税务、气象、消费、医疗、社保等数据，开发基于数据资产的金融产品和服务,提升科技金融、绿色金融、普惠金融、养老金融等服务水平。制造业：数据要素在制造业中的作用主要体现在智能制造和自动化、产品设计和创新、供应链管理、质量控制和检测、预测性维护和设备管理以及能源管理和环保等多个方面。通过充分利用数据要素,制造业企业可以提高生产效率和质量、降低成本和风险、推动创新和转型升级。医疗健康：电子病历数据共享，释放个人健康数据价值，完

5、善个人健康数据档案，融合体检、就诊、疾控等数据，创新基于数据驱动的癌症早筛、职业病监测、公共卫生事件预警等公共服务模式。公立医疗机构在合法合规前提下向金融、养老等经营主体共享数据，支撑商业保险产品、疗养休养等服务产品精准设计，拓展智慧医疗、智能健康管理等数据应用新模式新业态。商贸流通：依托客流数据、消费行为、交通状况、人文特征等市场环境数据，打造集数据收集、分析、决策、精准投送和动态反馈的闭环消费生态，推进直播电商、即时零售、反向定制（C2M）等发展，支持各类商圈创新应用场景，培育数字生活消费方式。教育领域：利用数据进行因材施教、教学管理优化等，提升教育质量和效率。交通：挖掘数据复用价值，融合

6、两客一危”、网络货运等重点车辆数据，构建覆盖车辆营运行为、事故统计等高质量动态数据集,为差异化信贷、保险服务、二手车消费等提供数据支撑。龙头企业推进运输高质量数据集建设和复用，培育行业人工智能平台和人工智能工具，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。人社数据方面，要分为核验结果类、修复结果类、分析报告类，具体包括：就业监测、政策找人、数字园区、背景调查等产品,如：（1）个人职业背景调查：主要以企业客户为主，需求集中在人力资源产业园、人力资源公司和人才集团等；（2）政策找人类数据产品：主要帮助政府和金融机构精准找人、精准服务。地理数据方面,时空信息数据采集（天、空、地

7、表和地下）、多源数据整合（光学、激光、雷达、视频等）、数据处理、数据分析及产品化应用全业务链的核心技术体系。四、产业链在狭义上，数据要素交易市场指的是为数据交易提供撮合、需求匹配等服务的具体场所或平台，如数据交易所或数据交易平台。而在广义上，这个市场包括了数据提供方、数据需求方、数据交易场所、数据交易技术支持方、第三方专业服务机构和市场监管方，以及数据要素交易行为本身。数据供应方政务数据 昆市监 且Att 鼠松狗显医保公共务蹴血电网血水务皿n血技行业分别授权数据运营方医疗锁修专区交通1嚎专区 牧育领幡专区 金罐,区 国生领域专区数据资;数据需求方医疗领晒OC品交通领喊产品收。领域产品金融段修产

8、品民生领域产品公共数据运务/ttfi交界所H身企业余.肌向运曹雪公司行业Irr化个人六、市场规模与构成数据要素市场可以归结为数据采集、存储、加工、流通、分析和生态保障六大模块，主要通过业务贯通、数智决策和流通赋能三条途径实现自身价值。国家工业信息安全发展研究中心数据显示，我国2021年数据要素市场规模达815亿元，预计“十四五”期间年均增长率达25%,有望在2025年达到1990亿元的市场规模。IUg采集5 5%生态保 6 1%在数据采集市场规模方面，2022年中国数据采集市场容量为40.09亿元（人民币），全球数据采集市场容量为160.94亿元。预计全球数据采集市场容量在预测期间将会以6.8

9、7%的年复合增长率增长，并在2028年达到237.0亿元。数据存储方面，2021年我国数据存储行业的市场规模增长至5983.44亿元，同比增长了10.11%。在数据交易方面，根据在2023全球数商大会上发布的2023年中国数据交易市场研究分析报告，2022年，中国数据交易市场规模达876.8亿元，在全球的占比为13.4%,在亚洲的占比为66.5%。数据资源应用场景丰富，金融、互联网、通信、制造工业、医疗健康、交通运输和教育等细分行业对于数据产品的应用需求均呈现上升趋势。金融行业是中国目前最大的细分行业数据交易市场，占比达35%；其次是互联网行业，占比约为24%。在数据应用方面，据头豹研究院预测

10、中国的大数据服务市场规模有望在2024年达到85.7亿美元,复合增长率约为22.2%,远高于2019年的31.5亿美元。以医疗数据应用为例，商保公司每年调用数据服务费将达554亿元，医药和医疗器械公司市场调研带来的市场空间至少在106亿元，金融调用医保数据服务费将达到187亿元。未来随着疾病智能筛查、健康管理等大健康应用拓展，医保数据应用市场空间将达千亿以上。七、市场格局与代表企业竞争结构分析在数据交易所细分行业，全国有44家数据交易所，其中，广东、湖北和山东各有4家，北京、江苏、河南各有3家，上海、浙江和重庆各2家，四川、安徽、陕西等16个省级行政区各1家，四川和重庆拟共建川渝大数据交易平

11、台。预计到2023年年底，上海数交所累计挂牌数据产品数量达2000个，将有效促进数据交易与行业发展深度融合。发达地区的数据交易所具有明显优势，数据交易未来可能向少数交易所集中。从数据分类看：通信行业拥有大量具有社会属性、消费属性的数据资源。运营商在用户规模、网络覆盖、连接数量上优势明显，数据价值更是一座储量惊人的“数据富。通信数据应用方面，运营商具有明显优势。在税务数据方面，目前国家税务总局加大发挥税收大数据作用，但税务数据过于敏感，还行观察政策的开放力度，一些税务信息化的领先企业在对数据脱敏后进行开发利用更有优势。航运交通方面。能打通车企、第三方平台、运输企业等主体间数据壁垒的企业数量很少。

12、其中海运方面中远海科有明显优势。医疗数据方面，拥有各领域专业资质以及满足技术安全要求的数据要素厂商有望成为各应用领域的加工使用主体，同时享有数据产品或者数据服务的收益。医疗领域医疗健康、金融保险、商贸物流以及工业制造领域或率先基于政府数据开放的种类以及鼓励推动的场景应用较多而快速发展，因此该类领域的数据要素厂商有望更快获益。金融服务数据方面，多数企业只能通过提供数据治理、数据加工等偏项目制的模式受益，如恩核数据、宇信数据、长亮科技、神州信息、四大咨询公司等，但是最重要的是实现场景复用、数据复用、模型复用的数据模型厂商。人社数据等公共数据方面，有相关软件开发并且有人社数据运营案例的企业更有优势，

13、比如德生科技等。数据确权等,更应关注标准化程度高德企业。七、成功关键因素数据质量：高质量的数据是数据要素成功的基石。数据质量包括数据的准确性、完整性、一致性、时效性等方面。只有保证数据质量，才能确保数据分析结果的准确性和可信度。数据处理能力：强大的数据处理能力是数据要素成功的关键。这包括数据清洗、整合、转换、挖掘等方面的技术能力，以及处理海量数据的计算能力。具备先进的数据处理技术和强大的计算能力，可以更有效地利用数据，提取有价值的信息。数据安全：保障数据安全是数据要素成功的重要因素。这涉及到数据的加密、存储、传输、使用等各个环节的安全管理，以及防止数据泄露、篡改、损坏等风险的控制。只有确保数据

14、安全，才能维护数据的信任度和价值。数据人才：专业的数据人才是数据要素成功的保障。数据要素产业需要具备统计学、人工智能等专业背景的人才，他们能够进行高质量的数据分析、挖掘和应用。同时，还需要具备跨学科背景的人才,能够将数据与其他领域的知识相结合，创造出新的价值。数据合规性:确保数据合规性是数据要素成功的前提条件。在使用数据时，必须遵守相关的法律法规和行业规范，确保数据的合法来源和合规使用。否则，可能会面临法律风险和社会责任问题。数据创新应用：不断推动数据创新应用是数据要素持续成功的关键。随着技术的发展和市场的变化，需要不断探索新的应用场景和商业模式，将数据应用到更多具有挑战性的领域，创造更大的价

15、值。八、投资机会与风险数据还有很大价值等待开发，数据资产化、资本化才刚刚起步,有望形成比土地要素更大的市场规模。具体可以在三类企业中寻找机会：拥有高价值稀缺数据资源的企业，该类型企业会会首先受益，比如拥有公共数据的企业，另外是具有数据生产能力的企业：第二个是将数据资源融合进软件的企业，最大的还是金融模型企业，其次是在制造业，利用数据驱动业务升级，将同一场景或同一功能在不同客户中复制。第三个，是标准化程度较高的服务型数商、应用型数商、技术型数商。服务型数商是数据流通的“推进者”，促进数据动起来。通过探索可信流通技术,提供数据质量评估、风险评估、合规交付等服务，为数据供需双方提供可信链接，推进数据高效流动。