企业数据要素价值评估指标（征求意见稿）.docx

《企业数据要素价值评估指标（征求意见稿）.docx》由会员分享，可在线阅读，更多相关《企业数据要素价值评估指标（征求意见稿）.docx（19页珍藏版）》请在三一文库上搜索。

1、B43湖南省地方标准DBXX/TXXXXXXXX企业数据要素价值评估指标EvaIuationindicatorsforthevaIueofenterprisedataeIements（征求意见稿）在提交反馈意见时，请将您知道的相关专利连同支持性文件一并附上。XXXX-XX-XX发布XXXX-XX-XX实施湖南省市场监督管理局发布目次前言II1范围12规范性引用文件13术语和定义14基本原则24.1科学性原则24，合规性原则243实用性原则244可操作性原则245灵活扩展与动态演化原则25评估对象36评估思路37评估指标47I数据投入阶段评估指标57?数据中间品阶段评估指标77一？数据产出阶段评

2、估指标88评估流程9SI评标调整与信息搜集989指标得分计算9得分标准化处理94加权汇总得分9R5三阶段结果汇总10SF得分结果应用与反馈10参考文献11-rz.i刖S本文件按照GB/T1.1-2020标准化工作导则第1部分：标准化文件的结构和起草规则的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由湖南省数据局提出并归口。本文件起草单位：湖南省通信产业服务有限公司、湖南省邮电规划设计院有限公司。本文件主要起草人：武广、陈鄂湘、刘良、谢炜、周龙、田远勤、黄巍、夏曙辉、李思思、谢颖、赵威、邓宁辉。企业数据要素价值评估指标1范围本文件规定了企业数据要素评

3、估工作的原则、对象、思路、体系及评估流程等内容。本文件适用于对企业的数据要素价值评估工作。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件,仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本(包括所有的修改单)适用于本文件。GB/T18391.1-2009信息技术元数据注册系统(MDR)第1部分：框架GB/T35247-2023数据安全技术大数据服务安全能力要求GB/T36073-2018数据管理能力成熟度评估模型3术语和定义GB/T36073-2018界定的以及下列术语和定义适用于本文件。数据资产dataasset指特定主体合

4、法拥有或者控制的，能进行货币计量的，且能带来经济利益或社会效益的数据资源。数据处理dataprocessing包括数据的收集、存储、使用、加工、传输、提供和公开等。数据治理datagovernance指提升数据的质量、安全、合规性，推动数据有效利用的过程，包含组织数据治理、行业数据治理、社会数据治理等。R数据安全datasecurity指通过采取必要措施，确保数据处于有效保护和合法利用的状态，以及具备保障持续安全状态的能力。3F数据驱动data-driven指以数据作为核心依据，通过对数据的采集、分析、建模与反馈，辅助或主导企业在业务决策、流程优化、产品创新和绩效管理等方面的行动方式。数据分级

5、分类datagradingandclassification指根据数据的敏感性、重要性、使用频度及来源类型等维度，对数据资源进行系统划分与管理的过程。R1数据可视化datavisualization指将抽象的数据和分析结果通过图表、图形、仪表板等形式直观呈现，辅助用户理解数据含义、识别趋势规律、洞察业务问题的技术与方法。数据平台dataplatform指一个集成的技术架构，用于高效地采集、存储、处理、分析和应用多源异构数据，以支持企业或组织的业务决策、智能应用和数据驱动创新。Rq数据共享datasharing指在不同主体（如企业、部门、个人或系统）之间，通过协议或技术手段，安全、合规地交换或开

6、放数据资源，以实现数据价值最大化、业务协同或公共服务优化的过程。31C数据原生企业data-nativeenterprise指将数据作为核心生产要素和业务基础并以较高数据要素价值为特征的企业。R1数智化转型企业data-AItransformationenterprise指通过融合数字技术与智能化手段，对业务流程、组织架构和商业模式进行全面升级并以较高数据要素价值为特征的传统企业。4基本原则4，科学性原则评估指标的设定应以生产函数与要素理论为基础，融合学术研究成果与企业实践经验，确保评估逻辑严谨、结果可信、避免片面性与形式主义。4；合规性原则应严格遵循国家在数据安全、产权、隐私保护、网络安全等

7、方面的法律法规与政策要求，确保数据来源合法、用途合规、处理规范。4实用性原则评估指标的设定应结合企业真实业务场景与管理逻辑，强调评估结果的应用导向，具备现实解释力与策略指导价值，避免抽象空泛。4可操作性原则各项指标的设定应具备明确定义、统一口径与清晰流程，兼顾定性与定量、核心与辅助的搭配，适应不同类型企业的数据基础与管理能力，提升体系的可执行性与结果的可比性。4F灵活扩展与动态演化原则评估指标的设定及应用在总体稳定的框架下，应依据行业差异、发展阶段和政策变化进行指标微调与权重优化，保持动态迭代升级，引导企业持续拓展数据要素价值创造空间。5评估对象本评估体系具有通用性，适用于各类企业。为确保评估

8、工作的有效性与可操作性，评估对象应满足以下基本条件：a）生命周期较稳定。企业处于成长期、扩张期或成熟期，组织架构与数据体系较为成型，便于系统性评估；b）具备基本数据管理能力。企业应已形成一定规模的数据资源，并建立涵盖采集、存储、加工、分析与治理的基本机制，保障数据价值的可识别性；c）可获取的基础信息支撑。企业需能提供财务资料、经营信息及数据管理相关数据，严重数据缺失或信息可追溯；d）具备初步数据驱动机制。企业应在关键业务环节中将数据作为生产要素使用，并形成数据参与价值创造的可观测成果，体现数据的实际经济性。在满足基本条件的前提下，适用企业应具备以下特征：a）数据认知程度较高。企业应将数据视为战

9、略性资源，并在治理结构或发展战略中有所体现；b）数据嵌入业务并产生效益。数据广泛应用于运营决策、客户管理、产品创新等环节，应已对绩效指标产生正向影响；c）治理机制初步建立。设有专门管理岗位或制度，覆盖数据标准、安全、质量控制与合规管理等方面，体现制度化治理能力；d）具备生态协同能力。能与上下游、平台机构或第三方建立数据共享与流通机制，具备跨组织价值放大能力。6评估思路6评估体系应围绕数据要素的价值生成路径展开设计，从投入阶段、中间品阶段、产出阶段进行阶段化评估框架体系构建，系统反映数据如何从资源投入转换为内外部能力最后释放经济价值的过程。在此基础上，评估体系应分别为每一阶段设置相应的评估指标，

10、形成三个相对独立但逻辑贯通的阶段性子体系，具体见图1,既可分别产出阶段性得分，也可按设定权重汇总为企业数据要素价值的综合评估结果。a）阶段一：数据投入阶段。即为了生产数据要素对传统生产要素的投入，包含资本投入、劳动力投入、技术投入与组织治理四种与生产相关的要素，关注企业在数据基础设施、人力资源与治理体系等方面的投入，是衡量数据要素“能否形成”的前提条件；b）阶段二：数据中间品阶段。即由数据驱动的企业内部与外部“产出”，涵盖内部合规与治理、数据产品与场景两种中间品形式，强调数据嵌入企业治理体系、产品开发及运营的实际应用情况，反映数据“是否真正发挥作用”；c）阶段三：数据产出阶段。即由数据实现的价

11、值（利润），对应经济效益方面，评估数据要素在提升企业营收、效率与市场竞争力方面的最终成效，体现其“是否创造价值”的结果导向。注：由于数据要素在经济体系中的作用仍处于快速演化过程中，诸多行业和企业主要处于投入阶段，即使已经到达第二与第三阶段的企业，诸多还难以准确识别或独立量化其最终产值中由数据所创造的价值。因此，当前评估数据与数字化的技术投入需要分别度量数据投入、中间品与产出阶段的价值。随着数据要素市场的逐步成熟，以及标准体系和治理机制的不断完善，数据对经济产出的贡献将日益清晰，基于最终产值的数据量化评估的可行性也将不断提升。数据治理与组织管理的投入图1数据价值产生的三阶段6 ；未开展评估的新行

12、业评估体系设计应通过数据价值阶段识别（投入一转化一产出）、指标结构设计与实证验证构建评估框架；已开展过评估的行业评估体系调整应依托变化趋势识别、阶段再定位及体系动态优化实现持续迭代。7 5两类路径均应以专家研判为决策支撑，以实证数据为验证基础,并嵌入年度复评的强制更新机制，确保评估体系的科学性、时效性与行业适配性。其核心逻辑与实施要素的关联关系如图2所示，具体评价指标及操作路径见第7章和第8章的要求。评估体系设计与调整思路已开展过评估的行业评估体系调整未开展评估的新行业评估体系设计数据产出阶段体系优化复评机制权重调整动态跟踪年度系统性图2企业数据要素评估实施逻辑图8 数据投入阶段评估指标7.1

13、1评估指标设计应根据企业所在行业、发展阶段与数据基础的差异，采取“一二级核心指标统一、三级度量指标可调”的原则。数据投入阶段的评估指标具体如下：a）数据与数字化的资本投入。评估企业在基础设施、智能系统、数据平台等方面的资本性投入，反映其构建数据能力的“硬实力”。该指标包含三个二级指标：基础设施投资力度、智能系统投资力度、数据平台投资力度；b）数据与数字化的劳动力投入。衡量企业在数据相关岗位的人员储备、技能普及与人才培养等方面的投入，体现释放数据潜力的“人力基础”。该指标包含三个二级指标：数据与数字化人才储备、数据与数字化技能普及度、数据与数字化人才培养机制；c）数据与数字化的技术投入。评估数

14、据嵌入数字化技术后，带来的全要素生产率提升，重点反映数据价值形成的“生产力水平”。该指标包含两个二级指标：数智化技术应用、数据驱动决策能力；d）数据治理与组织管理的投入。关注企业为适应数据驱动模式而进行的组织调整、制度建设与协同机制优化，反映治理结构对数据价值释放的支撑能力。该指标包含三个二级指标：治理体系建设、平台协作建设、生态合作建设。7.1.2对应的二级指标详情见表U表1企业数据投入阶段的二级指标一级指标设计原因二级指标数据与数字化的资本投入反映数据资源禀赋的“硬实力”基础设施投资力度智能系统投资力度数据平台投资力度数据与数字化的劳动力投入体现数据价值形成的“人力基础”数据与数字化人才储

15、备数据与数字化技能普及度数据与数字化人才培养机制数据与数字化的技术投入衡量数据价值形成的“生产力水平”数智化技术应用数据驱动决策能力数据治理与组织管理的投入建立数据嵌入管理流程的制度基础治理体系建设平台协作建设生态合作建设7.1.3在一级与二级指标的基础上，应进一步细化设置了覆盖关键环节的三级指标，指标名称及其度量方法见表2o表2企业数据投入阶段的三级指标及度量方法级指标二级指标三级指标度量方法基础设施投资力度智能硬件投入智能硬件投资总额/固定资产投资数据与数字化的资本投入数据采集设备覆盖度已部署采集设备的关键业务节点数量/全部可部署关键业务节点数量存储能力配置水平企业自建或云端的存储容量/总

16、员工人数计算能力配置水平企业计算资源折算值/总员工人数智能系统投资力度智能软件系统投入智能软件投资总额/固定资产投资智能系统覆盖度已部署智能系统的核心业务流程（部门）/全部可部署核心业务流程（部门）数据平台投资力度数据平台投入数据平台建设与运维投资总额/固定资产投资数据平台功能覆盖度已实现功能模块数/应具备的功能模块数（采集、清洗、存储、管理、分析、建模、服务、可视化）数据平台接入程度已接入数据平台的业务部门（系统）数量/全部业务部门（系统）数量数据与数据与数字化人才储备数据相关岗位人员比重数据相关岗位人员/总员工人数数字化相关岗位人员比重数字化相关岗位人员/总员工人数双字化的劳动力投入数据与

17、数字化技能普及度基础数据分析能力普及度具备基础数据分析能力的员工人数/总员工人数高级数据分析能力普及度具备高级数据分析能力的员工人数/总员工人数数据数字技能能力普及度具备数据数字技能的员工人数/总员工人数数据与数字化人才培养机制数据技能培训强度年度数据技能培训人次/总员工人数高校人才合作机制建设是否与高校建立人才合作机制数据与数字化的技术投入数智化技术应用技术应用场景各类数字化技术应用的场景数量数据嵌入算法模型关键流程中嵌入数据算法模型的占比数据驱动决策能力数据驱动战略决策战略决策中基于数据分析结果的占比可视化与智能监控工具日常运营中依赖可视化看板、智能监控系统的比例核心数量模型与工具决策流程

18、中使用的核心数据模型或预测工具数量数据治理治理体系建设管理团队建设是否设立首席数据官（CDo）或数据治理委员会战略规划制定是否制定中长期数据与数字化战略规划数据管理职能独立性是否成立独立的数据管理部门与组织管理的投入平台协作建设跨部门数据共享制度建设是否建立跨部门数据共享机制平台协作项目开展基于平台发起或支持的跨部门项目数流程数字化水平已实现数字化的核心业务流程数量/全部核心业务流程数量生态合作建设数据合作项目开展与外部企业/机构开展的数据开发、流通、分析等项目总数行业/区域数据生态平台建设是否参与行业或区域数据生态平台数据共享与标准化接口建设对外/对内开发的标准化接口数量7：数据中间品阶段评

19、估指标7.2.1数据中间品阶段的评估指标具体如下：a）内部使用的数据产品与服务。评估企业在数据合规、安全管控、内控体系与治理机制方面的能力，体现数据作为治理要素对企业内部管理效率与风险控制的贡献。该指标包含两个二级指标:数据安全与合规保障、数字化治理与管理机制；b）外部流通的数据产品与服务。衡量企业基于数据开发的新产品、新服务及其在业务场景中的转化能力，反映其创新边界与商业模式成熟度。该指标包含三个二级指标：数据产品化与资产化、数据价值转化能力、数字化知识产权。7.2.2对应的二级指标详情见表3。表3企业数据中间品阶段的二级指标一级指标设计原因二级指标内部使用的数字产品与服务体现数据在合规保障

20、智能内控与治理现代化中的支撑作用数据安全与合规保障数字化治理与管理机制外部流通的数据产品与服务体现企业基于数据资源的产品和服务创新边界数据产品与资产化数据价值转化能力数字化知识产权7.2.3数据中间品阶段的三级指标名称及其度量方法见表4。表4企业数据中间品阶段的三级指标及度量方法级指标二级指标三级指标度量方法内数据分级分类与脱敏机制是否设有数据分级分类与脱敏机制部数据安全与合规保障数据安全制度建设数据安全审计、访问控制制度的执行频次使隐私保护与合规机制是否设有隐私保护与个人信息合规机制用数据嵌入内控管理数据在内控管理中的嵌入程度（如风控、财务、审计）的数字化治理与管理机制数字化合规管理流程是

21、否构建数字化合规管理系统与流程闭环数数据驱动监控合规利用数据系统进行实时监控、合规预警的能力水平字产品与月艮务外部使用的数字产品与服务数据产品与资产化数据产品数量开发的数据产品数量（报告、算法、APl等）数据资产金额已被资产化列入财报或资产目录的数据资产金额/总资产数据价值转化能力产品创新能力数据驱动的产品研发投入金额平台运营效果平台月度活跃人数客户数据分析与智能推荐分析客户数据并应用智能推荐的业务收入/总业务收入商业化场景开发能力数据平台或算法模型商业化应用场景数量数字化知识产权知识产权数量与数据相关的软件、专利、模型数量知识产权转化率数据算法、知识产权形成周期7，数据产出阶段评估指标7.3

22、1 数据产出阶段的评估指标为数据对经济效益与竞争力的影响。应聚焦数据对企业财务表现和市场表现的实际贡献，反映数据带来的最终经济产出。该指标包含三个二级指标：数据驱动变现能力、数据驱动运营效率、数据驱动回报改善。对应的二级指标详情见表5。表5企业数据产出阶段的二级指标一级指标设计原因二级指标数据对经济效益和竞争力的影响评价数据是否形成“最终产出”的关键通道数据驱动变现能力数据驱动运营效率数据驱动回报改善7.3.2 数据产出阶段的三级指标名称及其度量方法见表6。表6企业数据产出阶段的三级指标及度量方法级指标二级指标三级指标度量方法数数据驱动变现能力数据驱动收入通过数据类产品/服务获得的直接收入/

23、总收入据数据资产交易收入通过数据产品或交易形成的直接收入/总收入对数据驱动运营效率生产成本节约通过数据减少生产成本的金额经费用开支节约通过数据节约费用开支的金额济效益与竞争力的影响数据驱动回报改善投入产出比数据相关投入产出比（ROI）数据推动盈利能力数据推动企业盈利能力（如毛利率、净利润率）8评估流程R评标调整与信息搜集指标体系评估应通过两轮问卷进行，具体如下：a）第一轮问卷从经营与技术两方面采集企业相关基本信息以构建企业画像，据此筛选与调整二级指标；b）第二轮由企业填写正式评估问卷，获取各项二级指标的定量与定性数据，并提供必要的支撑材料。RS指标得分计算对可量化指标，应依据公式结合企业数据直

24、接计分；对定性指标，采用（0、0.5、1）三级评分，基于佐证材料判定其成熟度水平。R3得分标准化处理为消除不同指标的量纲影响，所有定量指标应统一采用正向无量纲化处理，计算方法见式1：X，.=Xi厂minx”UmaxXj厂minXjj式中：Xij企业i二级指标）的原始得分；Xlj经过标准化处理后的得分。注：由于本体系所有指标均为正向指标，标准化过程不涉及方向性调整。定性指标本身为无量纲项，直接参与后续计算。R4加权汇总得分8.4.1 采用分层加权法逐级汇总指标得分。首先按三级指标权重汇总形成二级指标得分，再按二级指标权重汇总形成一级指标得分，最终基于四个一级指标权重，计算企业数据投入得分。计算公

25、式见式2。Sik=7=1wikjxijsu=fcwilk-Sik，si,D11a11O=j21wilSil式中：Sik企业i第k个二级指标的得分;wlkj第k个二级指标下三级指标）的权重；Sil企业i第I个一级指标的得分；wilk第Z个一级指标下二级指标k的权重；Sp企业，数据投入阶段的得分；口数据投入包含四个一级指标；Wil第I个一级指标的权重；满足Wfcy=1Wilk=1和卬=1。8.4.2 指标权重值根据专家意见、行业调研与一致性检验设定。数据中间品阶段和数据产出阶段评估指标均采用8.1-8.4的评估流程。R三阶段结果汇总可将数据投入阶段、中间品阶段与产出阶段的得分按照预设权重（例如数据

26、投入阶段占比20%、数据中间品阶段占比30%、数据产出阶段占比50%）进行加权汇总，形成企业整体的数据要素价值综合得分。同时应基于七个一级指标构建雷达图，直观展现企业在各核心领域的表现，辅助识别数据要素价值创造过程中的优势领域与短板环节。R卜得分结果应用与反馈8.6.1 各阶段与总得分结果可用来识别其在数据要素发展路径中的典型特征。得分较高的企业可界定为数据原生型企业（如互联网平台类企业），或处于数智化转型前沿的传统企业（如制造业、金融业中的先进代表），以此判断企业当前所处的数据能力成熟阶段。8.6.2 体系应支持基于行业维度的得分分析，通过对不同行业企业在不同阶段得分的归类统计，可绘制行业数

27、据能力图谱，识别各行业在数据基础建设方面的结构性特征、领先态势与差距空间。8.6.3 评估结果可广泛应用于以下三类实际场景：a）企业自评。帮助企业识别在数据要素价值创造中的短板与优势，明确与同行业企业之间的差距,辅助优化自身数据战略；b）行业规范建设。辅助行业主管部门识别不同行业或子行业在数据要素发展路径中的阶段差异，推动分类指导与标准制定；c）政府政策实施。为政府部门甄别典型企业、设立行业标杆、制定扶持政策提供量化依据，增强政策落地的精准性与导向性。8.6.4 企业在评估中的反馈应作为指标体系迭代优化的重要参考，推动体系持续完善、动态更新。参考文献1关于构建数据基础制度更好发挥数据要素作用的

28、意见（“数据二十条”）2国数政策（2023）11号“数据要素x”三年行动计划（2024-2026年）3可信数据空间发展行动计划（2024-2028年）4国家数据基础设施建设指引5财会（2023）11号企业数据资源相关会计处理暂行规定：6加强数据资产管理的指导意见7关于促进数据产业高质量发展的指导意见（2024年）8规范和促进数据跨境流动规定（2024年）9 GB/T37988-2019信息安全技术数据安全能力成熟度模型10 T/CECC36-2025可入表数据资源信贷融资基础要求2025年基孔肯雅热实验室检测方案一检测对象与适用场景1 .疑似病例发热（38。C）伴急性关节痛/关节炎，且发病前1

29、4天内有疫区旅居史或蚊虫叮咬史。无典型关节痛症状的儿童或老年人，但出现发热、皮疹等非特异性症状。2 .聚集性疫情同一社区/单位短期内出现N2例发热伴关节痛病例，需启动应急检测。3 .入境筛查来自东南亚、非洲I、南美等流行区的发热旅客。二样本采集与处理样本类型采集时间窗处理要求血清/血浆发病后1周内（急性期）4。C保存，24小时内送检；-70。C长期冻存全血发病后5天内（病毒血症期）EDTA抗凝，避免溶血恢复期血清发病后2-4周与急性期血清配对检测，确诊抗体转化注意：样本运输需符合生物安全三级包装标准，避免反复冻融。三核心检测方法及流程（一）病原学检测1.核酸检测（RFPCR）适用期：发病后1周

30、内（病毒血症期）。O靶基因：El、nsPl等保守区基因，引物设计参考WHO推荐序歹上。阳性判定：检出特异性片段且Ct值335。2.病毒分离适用Veto、C6/36细胞系，需BSL-3实验室操作。（二）血清学检测1. IgM抗体检测窗口期：发病后5天至3个月，阳性提示近期感染。假阳性处理：需经中和抗体试验确认（如PRNT）。2. IgG抗体检测恢复期血清IgG滴度较急性期升高倍可确诊。优先策略：急性期首选核酸检测，发病5天后补充IgM检测。四结果解读与报告检测结果临床意义行动建议核酸阳性/IgM阳性确诊感染立即上报并启动防蚊隔离核酸阴性+IgM阴性排除感染或窗口期未检出恢复期血清复测IgG单阳性

31、无急性期样本）提示既往感染结合流行病学史评估五质量控制与生物安全1 .质控要求每批次检测需包含阴性对照、阳性对照（灭活病毒或合成核酸）。商业化试剂需具备国家农药登记证号（驱蚊产品同理）。2 .生物安全病毒分离在BSL-3实验室进行，血清检测需BSL-2防护。废弃物需高压灭菌（121t3C,30分钟）。六特殊场景应对1 .大规模筛查：采用核酸混检（5:1）,阳性样本再拆分。2 .跨境输入防控：口岸配备快速IgM胶体金试剂（15分钟出结果）。3 .康复期监测：O关节痛持续者每月复查IgG,评估慢性炎症。七检测网络建设要求1 .基层机构：具备血清学快速检测能力（IgM/IgG胶体金法）。2 .地市级CDC配备RT-PCR及核酸提取设备，覆盖核酸检测需求。3 .省级参比实验室：负责病毒分型、抗体确认及技术督导。