DeepSeek这次为中国科技赢得了国际声誉，也用实际行动回应了漂亮国对中国的算力封锁。它证明了，AI的发展不仅仅依赖于算力，更依赖于算法创新和高效的数据治理。 今天，我想和大家分享两个关于DeepSeek（人工智能）与数据治理行业关系的思考。 最近很多朋友关心我们，问人工智能会不会颠覆我们数字治理行业？我认为不会。 点击图片观看详细视频讲解☝️ AI不会去颠覆任何行业，它只是一个工具。一个强大的工具而已。我们没必要将它神化。 可以从四个方面来理解这件事。 第一，AI是效率工具。 它能够帮我们来提高我们数据治理的效率，甚至呢我们也可以用AI来驱动数据中台来干活。 第二，AI是智能工具。 它可以自动化的帮我们生成一些数据质量检验的规则，也可以帮我们自动生成一些数据分析的脚本，降低我们数据治理的技术门槛。 第三，AI的训练和微调都离不开高质量数据。 原来我们做数据治理是为人服务的，但是现在不一样，我们现在也可以为AI提供服务，AI是我们数据治理的新用户。 第四，数据治理是构建知识库的前提。 现在大家都在接入DeepSeek,使用DeepSeek来构建自己的私有知识库，但是只有加工好的数据哎，才能成为知识库。那么数据治理天然就是做这个的，所以我们现在也在接入DeepSeek和数据中台，研发我们的知识库开发工具，希望能够帮助大家更快的更高质量的来构建自己的知识库。等我们打磨好我们再分享给大家。 所以一句话总结，我认为AI与数据治理之间是一个互相赋能的关系，它不是谁在颠覆谁，是双向奔赴。

龙石数据参与建设的苏州市数据治理创新应用实验室成功入选。

文 | 国家信息中心大数据发展部 于施洋，王璟璇 我国正处于大力发展数据事业的关键时期，近年来党中央国务院高度重视数据要素市场培育及公共数据资源开发利用。全国一体化公共数据资源登记平台（https://sjdj.nda.gov.cn）于2025年3月1日正式上线，标志着数据要素市场化配置改革迈出重要一步。 01 国家公共数据资源登记平台是构建全国一体化公共数据资源登记体系的重要信息系统 今年1月，国家发展改革委、国家数据局公开印发《公共数据资源登记管理暂行办法》《公共数据资源授权运营实施规范（试行）》《关于建立公共数据资源授权运营价格形成机制的通知》，构建起以《中共中央办公厅、国务院办公厅关于加快公共数据资源开发利用的意见》为核心的相关“1+3”政策体系。 其中，《公共数据资源登记管理暂行办法》明确，要构建全国一体化公共数据资源登记体系。登记机构执行全国统一要求，按行政层级和属地原则，提供规范化、标准化、便利化登记服务。直接持有或管理公共数据资源的党政机关和事业单位，需对纳入授权运营的公共数据资源登记，对未纳入授权运营范围的数据资源，以及利用被授权数据资源加工形成的数据产品和服务鼓励登记。公共数据资源登记平台是开展登记工作的信息化载体，实行“一个标准、两级平台”。国家登记平台与省级登记平台依托国家电子政务外网实现统一赋码、互联互通，逐步构建起职责明确、分工负责、运转有序的全国公共数据资源登记体系。 3月1日上线的国家公共数据资源登记平台是支撑全国公共数据资源登记全流程服务，构建全国一体化公共数据资源登记体系的重要信息系统。当前包括登记指引、登记公示、登记查验、资源查询、登记政策等核心内容，支撑全国所有公共数据资源登记采用统一编码机制，实现“一证一码”的登记确认单管理方式。国家公共数据资源登记平台的核心功能主要包括两项，一是支撑中央和国家机关及其直属机构、中央企业的公共数据资源登记业务开展，二是作为中央节点，实现全国登记信息的互联互通。 02 国家公共数据资源登记平台对数据要素市场建设意义重大 国家公共数据资源登记平台上线首日，已有医保、气象、自然资源等多类国家级公共数据登记上线，北京、天津、河北、内蒙古、辽宁、上海、广东、海南、四川、陕西、宁夏、新疆生产建设兵团等地依托国家平台开展了登记工作。此外，山西、江苏、浙江、安徽、福建、江西、湖北等省级平台实现与国家平台顺利对接，同步上线运行。未来将有更多省份登记平台陆续上线并实现与国家平台的互通。 在数据要素市场建设中，国家公共数据资源登记平台可发挥三方面积极作用。 一是明确数据持有和开发利用状态，规范公共数据资源授权运营。公共数据资源登记程序包括申请、受理、形式审核、公示、赋码等。登记信息向社会公示并接受公众提出合理异议，是完善授权运营披露机制的重要手段，促进公共数据资源规范、合规对外供给。 二是强化公共数据资源管理，构建全国公共数据资源“底账”。开展公共数据资源登记是中央与地方统筹公共数据资源开发利用，建立公共数据资源底账，筑牢数据资源底座的主要途径。 三是促进公共数据资源开发利用，加快公共数据价值释放。通过建立全国统一流程、统一标准、互联互通的公共数据资源登记体系，便于形成一体化的公共数据资源、公共数据产品和服务的目录体系。通过公示和开放登记目录查询，为数据需求方提供更加准确、全面的资源查询渠道，促进供需对接。 03 国家公共数据资源登记平台将推动全国一体化数据资源登记体系迈上新台阶 构建全国一体化数据登记体系对于落实党中央数据要素市场化配置改革决策部署、破解两级数据交易市场中数据确权难实现数据增值、夯实全国数据资源基础和激活数据要素潜能具有重要意义。国家公共数据资源登记平台为推动全国一体化数据资源登记体系提供了重要支撑。 下一步，一是持续优化平台功能，提升登记服务质量。进一步完善和丰富国家公共数据资源登记平台功能，更好满足用数主体的多元化需求，助力加快释放公共数据价值，赋能经济社会高质量发展；实现更多省份统筹本区域内登记平台建设，与国家平台实现数据互联互通，达到一地登记、全国通用的效果，为推动数据市场一体化发展奠基基础。 二是加快编制数据登记标准规范，实现各地登记流程的统一、规范。重点从登记流程、登记申请材料、登记审查内容、信息披露等方面明确业务标准，从统一身份认证、数字签名、区块链、登记确认单版式等方面明确技术标准，确保公共数据资源登记平台规范运作，实现中央和地方数据资源登记标准统一。 三是积极夯实中央地方数据登记机构，加强全国一体化的登记队伍建设。一方面，依托数据登记平台，通过开展公共数据资源登记工作，逐步建立中央、省、市多级登记机构，方便各登记主体按照行政层级和属地原则开展登记申请；二是通过线下或线上方式定期组织登记培训，加强登记人才培养，通过公共数据资源登记业务培养的登记队伍，未来可无缝衔接到企业数据和个人数据等社会数据的登记工作中。 来源（网站）：国家数据局

文 | 中国信息通信研究院副院长 魏亮 习近平总书记指出，数据是数字经济时代的基础性资源、重要生产力和关键生产要素。近年来大模型技术不断取得突破，其中大规模高质量训练数据的投入，起到了关键作用，也进一步将“以数据为中心的人工智能”推向一个新阶段。 近期发布的 Deep Seek 系列模型训练中大量高质量推理数据集的使用更加凸显了高质量数据的重要性，而大模型要与垂直领域深度融合同样需要高质量数据集的支撑。国家数据局围绕高质量数据集建设相关工作开展了一系列工作部署。2025年2月19日，高质量数据集建设工作启动会在北京组织召开，国家发展改革委、教育部、科技部、工业和信息化部等27个部门参会。下一步，高质量数据集建设工作将积极推进落实“人工智能+”行动，加快推动形成一批标志性成果，赋能行业高质量发展。 01 准确认识高质量数据集建设取得的进展和面临的挑战 高质量数据集构建是一项复杂而关键的任务，需要了解模型应用场景和需求，进而开发、构建和维护数据资源，提供持续有效的高质量数据集。当前，在顶层设计层面，国家数据局等17部门联合印发《“数据要素×”三年行动计划（2024—2026年）》，强化场景需求牵引，带动数据要素高质量供给、合规高效流通，高质量数据集建设取得积极进展。在地方层面，湖北、江苏、浙江等多省市明确了建设高质量数据集的数量、时间及激励机制； 湖北省数据局发布首批10个高质量数据集，推动构建高质量“数据集市”；苏州市发布首批30个工业制造、交通运输、金融服务等高质量数据集。在行业层面，智源研究院发布全球最大的多行业中英双语数据集IndustryCorpus 1.0，包含3.4TB开源行业预训练数据，覆盖18类行业；中国信通院推出我国首个面向行业的人工智能数据集质量评估体系，为数据质量提供客观、公立的评价能力和方法体系；北京国际大数据交易所累计发布约300个高质量数据集，形成10余个应用领域数据资源地图。与此同时，还应看到目前高质量数据集建设还存在不少挑战。 一是政府和业界不清楚行业高质量发展需要什么样的数据。一方面，行业大模型数据具有需求多样性的特点。不同行业部门对模型场景数据的需求各不相同，涉及分析、决策和生成不同的任务需求，这种多样性要求在人工智能高质量数据集建设中，必须深刻理解业务场景。另一方面，行业大模型数据具有需求复杂性的特点。大模型涉及预训练、微调、反馈强化学习等不同阶段，不同阶段都涉及到数据训练构建和优化策略，需要多个数据源、多种数据类型融合对齐，这增加了数据处理和管理的复杂度。 二是行业企业不知道高质量数据集如何构建。构建大模型数据集主要包含数据采集、数据清洗、数据标注、质量评估等核心环节。各环节需要根据大模型数据集具有的规模大、多样性足、行业垂直属性强等特点进行针对性的技术研发和适配。但是，行业企业对于数据的理解程度不同，面向大模型的数据治理方法和经验不足，传统的数据处理工具和技术无法满足大模型需求，需要引入先进的数据处理技术和工具提高数据处理效率和准确性。 三是业界不了解行业数据集质量如何评价。不同行业、不同数据源的数据完整性和准确性可能参差不齐，严重影响大模型的训练效果和预测准确性，造成训练资源浪费。此外，训练数据获取往往需要耗费大量时间和经济成本，包括数据收集、清洗、标注等环节。在行业大模型的实际建设中，对于构建和采买的数据没有统一的衡量标准，造成无法有效获取高质量数据集资源。 02 分类推动高质量数据集供给体系建设 数据之于大模型就像石油之于汽车，汽车无法直接使用原油，原油只有经过一系列复杂的过程炼化成汽油后，才能给汽车使用。同样，海量原始数据需要经过“炼化”形成高质量数据集，才能真正有效地用于大模型训练。行业大模型训练所需数据集，既要覆盖行业通识，也要蕴含专门知识。其中，通识数据是通用大模型能力提升的基础，行业通识数据是行业大模型训练的基底，行业专业数据是企业推动行业大模型的应用、部署私域模型能力的底座。为此要根据急用先行、分类推进、合理使用的原则，推进高质量数据集建设。 一是加快通识类高质量数据集建设。通识类高质量数据集是指由政府机构、科研机构、开源社区或大型互联网企业等公开数据构建的数据集，具有广泛性和通用性，覆盖多个领域，如自然语言处理、计算机视觉、语音识别等，能够为企业提供丰富的训练资源和基准测试环境，有助于行业大模型快速验证算法、提升模型的基础能力。此外，公共数据集还有助于促进跨行业、跨领域的数据共享和知识融合，推动行业大模型的持续进步和快速发展。 二是加快行业通用类高质量数据集建设。行业通用类高质数据集，是指针对某一特定行业或领域知识的具有事实性数据集，具有高度的专业性和针对性。这类数据集通常包含某一特定行业特有的知识、术语、场景和业务流程等信息，对于训练出适用于行业应用的大模型至关重要，能够覆盖行业领域专业知识，提高模型在行业通识领域的泛化能力。 三是加快行业专用类高质量数据集建设。行业专用数据集，是指根据行业企业自身业务场景和需求收集的数据集。这类数据集通常包含行业企业内部业务流程、用户行为、产品信息等关键信息，具有针对性和定制化的特点，能够为行业企业提供高度个性化的训练数据资源，构建专属大模型。通过行业企业场景化数据集的训练，可以定制化地优化大模型算法和参数设置，深度挖掘内部数据价值，实现模型的定制化优化与业务高度适配，使其更好地服务于业务需求和发展战略，带来更加精准和有效的业务洞察和决策支持。 03 加快提升高质量数据集构建能力 推动高质量数据建设，是一项系统工程，核心是提升行业数据集管理与运营效率、提升数据集质量和数量、充分挖掘数据资源价值、保障模型数据安全可信，需要系统性地加强能力建设。 一是完善行业数据集管理体系。编制行业数据资源目录，细化数据集的分类与分级，明确结构化、半结构化及非结构化等多种数据类型，按照数据清洗处理程度（手动、半自动至全自动），开展数据集资源管理。构建高效协同的组织架构，确保从数据采集到模型应用的每一步都能够得到有效管理和支持，建立数据治理与模型开发的协同架构。围绕数据技术、平台、应用及安全，制定详尽标准，涵盖数据生产、服务、质量评估及数据集管理。培养跨学科、跨专业的数据工程团队，强化数据科学与模型训练能力，为大模型的成功部署与持续优化奠定坚实基础。 二是提升行业数据集开发维护能力。着力提升数据采集汇聚、数据预处理、数据标注等关键环节，以及指令微调、反馈对齐关键阶段的技术工具能力。数据采集汇聚需具备高效的数据抓取、清洗与整合能力，确保数据的全面性和多样性；数据预处理阶段涵盖数据清洗、去噪、归一化等技术，以提升数据质量；数据标注环节要求深入理解数据特性，掌握高效的自动化和智能化标注技术。行业大模型数据集主要应用于指令微调阶段和反馈对齐阶段，通过有标注的指令数据对模型进行精细化调整，增强其任务执行能力，利用用户反馈优化模型提升实际应用效果。此外，还需要制定详细的数据技术处理要求和方案，以保证不同阶段的数据分布一致性。 三是增强行业数据集质量控制。在质量管理方面，从流程管理、质量评估和组织规范三方面对大模型数据集生产到管理的各环节进行能力规范和等级评定，从源头上确保数据集高质量生产和管理。在质量评估方面，针对行业大模型对数据质量进行更多维度的要求，提升数据集在模型应用上的实用效果。设计具体规则和方法，采用自动化标注和人工抽样的方式对数据集自身质量进行前置检测，采用模型验证和消融实验的方式对数据集在大模型的应用效果进行后置检测，通过模型效果反馈进行数据集质量优化。 做实、做深、做细高质量数据集建设工作，就要深入贯彻落实党中央、国务院决策部署，做好系统谋划、加强统筹协调、做好部门协调。此次高质量数据集建设工作启动会，为推动相关工作发出了动员令、吹响了集结号。相信通过国家数据局协同行业主管部门的政策牵引和政、产、学、研、用多方协同，我国高质量数据集建设步伐将越来越快，也必将为人工智能赋能实体经济注入强劲动力。 来源（网站）：国家数据局

在全国两会的热烈氛围中，2025年的《政府工作报告》犹如一盏明灯，照亮了国家未来发展的漫漫征途。这份报告高瞻远瞩，精准锚定了低空经济、人工智能（AI）、数据要素及算力四大关键领域，它们宛如四颗璀璨的星辰，将在未来一段时间成为推动国家发展的核心驱动力，为经济社会的蓬勃发展注入源源不断的活力。万亿级赛道上，谁将在这场变革中脱颖而出，成为引领未来的关键力量？ 低空经济：战略性新兴产业的耀眼明珠 低空经济，作为近年来崭露头角的新兴领域，正逐渐成为全球经济发展的新焦点。它以低空空域为依托，涵盖了从低空飞行器制造、运营到相关服务的完整产业链。在《政府工作报告》中，低空经济被委以领衔发展的重任，这无疑为其发展按下了“加速键”。随着政策环境的不断优化和市场需求的持续增长，低空经济的应用场景不断拓展。从无人机配送、空中旅游到农业植保、城市空中交通、安全巡检等多个方面，低空经济正展现出巨大的发展潜力。据中国民用航空局预估，到2025年，我国低空经济市场规模将达1.5万亿元，到2035年有望达到3.5万亿元。 AI技术：赋能低空经济的核心引擎 人工智能作为新一轮科技革命的核心驱动力，其在低空经济中的应用正日益广泛。AI技术可以优化无人机的飞行路线和任务规划，提高飞行效率和任务执行能力。通过大数据和机器学习技术，AI可以根据历史数据和实时环境，智能调整无人机的飞行路径，确保其在复杂环境中的安全、高效运行。此外，AI技术还能为低空经济提供精准的市场洞察和决策支持。通过对大量用户数据的分析，企业可以深入了解市场需求和用户痛点，推动产品和服务的创新。例如，在无人机物流配送领域，AI技术可以帮助企业快速处理订单信息、规划最优配送路线，提高配送效率和客户满意度。 数据要素：低空经济的“新石油” 在数字经济时代，数据要素的重要性不言而喻。对于低空经济而言，数据如同深埋地下的石油，蕴含着巨大的价值。从飞行器的运行数据到市场需求数据，再到用户行为数据，这些数据都是低空经济企业制定商业决策、优化运营管理的重要依据。《政府工作报告》明确指出，要加快完善数据基础制度，包括数据的采集、存储、处理、传输等全生命周期的管理规范，以及数据权属、交易、安全保护等法律框架的构建。这将为低空经济的数据要素流通和价值挖掘提供有力保障。 算力：支撑低空经济发展的基础设施 算力是支撑数据处理和运算的关键能力。在低空经济中，需要处理大量来自飞行器、传感器、气象信息等多源异构的数据。强大的算力能够快速处理和分析这些数据，实现实时监控、航线规划、风险预警等功能。随着低空经济的不断发展，对算力的需求也将持续增长。因此，《政府工作报告》强调优化全国算力资源布局，提升算力的服务效能，为低空经济的高质量发展提供坚实可靠的支撑。 万亿级赛道谁主沉浮？ 在万亿级赛道上，低空经济、AI、数据要素及算力四大领域将共同推动经济社会的蓬勃发展。然而，在这场变革中，谁将脱颖而出成为引领未来的关键力量？一方面，企业需要不断加强技术创新和产品研发，提升核心竞争力。另一方面，政府也需要继续优化政策环境，加强市场监管和公共服务，为低空经济的发展提供有力保障。可以预见的是，在未来的发展中，低空经济将与AI、数据要素及算力深度融合，共同构建出一个全新的现代产业体系。在这个体系中，谁能够抓住机遇、勇于创新，谁就将在这场变革中占据先机、引领未来。 来源（公众号）：AI战略数字转型

来源（公众号）：大数据AI智能圈 数据就像流淌在企业血管中的血液，它的每一次流动、每一次转化都留下独特的印记。 作为数据工程师，我曾困惑于复杂的数据链路，直到遇见数据血缘分析这个"数据世界的GPS"。它不仅帮我找到数据流转的每个关键节点，更让我看清数据治理的全新格局。 今天，想和大家分享这个强大工具背后的故事，看看它如何在数据的迷雾中开辟一条清晰的航道。 从混沌到有序的数据治理之路 当数据成为企业的生命线，我们遇到一个棘手的问题 - 数据来自哪里？去向何方？它是如何变化的？企业里的每一条数据都像一个基因序列，携带着独特的"遗传密码"。解读这些密码，追踪数据的来龙去脉，就是数据血缘分析的精髓所在。让我创建一个架构图来展示数据血缘的本质特征： 数据血缘分析就像给每条数据装上GPS定位器，不仅记录它的"出生地"，还能实时追踪它的"行踪"。在企业数据资产日益庞大的今天，这种追踪能力变得尤为重要。数据血缘分析系统在实际应用中有着独特的价值： 数据血缘分析是企业数据治理的关键武器。一个优秀的数据血缘分析系统能帮助企业快速定位数据问题，预测数据变更影响，评估数据资产价值。它像企业数据世界的"基因图谱"，记录着数据的演变历程，指导着数据的未来发展。要构建这样的系统，我们需要先理解数据血缘的四大核心组成：元数据（数据的DNA序列）、主数据（数据的基因库）、业务数据（数据的表现型）、指标数据（数据的性状特征）这些组成部分相互关联，构成了完整的数据血缘体系。 数据血缘的建设方法和实践路径 建设数据血缘系统就像建造一座现代化的智慧城市，需要从地基到顶层有序规划。 这座"数据城市"分为五层： 1、采集层负责数据收集 2、处理层进行数据加工 3、存储层保管数据资产 4、接口层提供数据服务 5、应用层创造数据价值。 让我们再深入看看数据血缘建设的具体实践路径： 企业在实施数据血缘分析时，面临三种建设路径选择：开源系统、厂商平台、自主建设。选择哪种方式取决于企业的实际情况：技术能力、资金预算、建设周期等核心要素。开源方案适合技术能力强的团队，可以深度定制，成本相对较低，适合特殊场景需求。厂商平台则提供成熟解决方案，能快速落地，但费用较高，定制能力有限。自主建设则完全掌控主动权，可以根据业务需求灵活调整，适合长期规划。 数据血缘建设核心在于建立数据资产全景图，打通数据孤岛。它不仅是技术工具，更是数据治理思维的升级。通过数据血缘，企业能更好地理解数据资产，提升数据质量，实现数据价值最大化。在数字化转型的浪潮中，数据血缘分析正成为企业数据治理的标配。它就像企业数据世界的"导航系统"，指引着数据资产的有序流动，推动着数据价值的持续释放... 数据血缘的实践场景和未来趋势 数据血缘分析在各行业已开花结果。 金融机构利用它追踪交易链路，确保合规性；制造企业通过它溯源产品质量；医疗机构借助它串联病历数据；零售商用它构建精准用户画像。 让我们展望数据血缘的未来发展趋势： AI技术将深度赋能数据血缘分析，自动发现数据关联，预测数据变化。实时血缘追踪将成为标配，支持数据变更的即时响应。跨组织的数据协同共享将突破壁垒，构建更广阔的数据生态。打造卓越的数据血缘体系需要注意以下关键点： 明确建设目标，避免贪大求全。从最急需的业务场景出发，逐步扩展。重视数据标准，建立统一的数据规范。血缘分析的前提是数据的规范化管理。平衡技术与业务，技术服务于业务需求。过于复杂的技术方案往往难以落地。持续运营维护，保持系统的时效性。数据血缘不是一次性工程，需要持续投入。 1、明确建设目标，避免贪大求全。从最急需的业务场景出发，逐步扩展。 2、重视数据标准，建立统一的数据规范。血缘分析的前提是数据的规范化管理。 3、平衡技术与业务，技术服务于业务需求。过于复杂的技术方案往往难以落地。 4、持续运营维护，保持系统的时效性。数据血缘不是一次性工程，需要持续投入。 数据血缘分析正在改变企业的数据治理方式。它不仅是技术创新，更是管理思维的革新。精准掌握数据血缘，就掌握了数字时代的制胜密码。 未来，数据血缘将与云计算、大数据、人工智能等技术深度融合，催生更多创新应用。企业应未雨绸缪，构建自己的数据血缘能力，在数字化转型的浪潮中占得先机。数据血缘分析已成为数据治理的必修课，好比一张智能地图，指引企业在数据的海洋中找到前进的方向。掌握数据血缘，就掌握了数据治理的未来。

破局数据要素市场化 攻克数字建设难题 3月5日，国务院总理李强在政府工作报告中指出，今年要加快完善数据基础制度，深化数据资源开发利用，促进和规范数据跨境流动。 今年是“十四五”规划的收官之年，也是进一步全面深化改革的重要一年，更是数据工作“改革攻坚年”。在此重要节点，如何持续推进数据要素市场化配置改革，强化对数字中国、数字经济、数字社会规划建设的统筹，不断完善政策制度与体制机制，重点攻克数据要素市场化、价值化进程中的难点、堵点、痛点，成为亟待解决的核心问题。 释放数据价值的关键突破口 随着数字经济时代的到来，数据已成为新型生产要素。公共数据资源作为要素投入生产，对经济、政治、文化、社会和生态文明建设等具有巨大价值。麦肯锡公司预测，数据流动量每增加10%，将带动GDP增长0.2%。 用“数智化”等先进技术改造提升传统产业成为我国老工业基地黑龙江省近年来发展新质生产力的重要路径。图为在哈尔滨汽轮机厂有限责任公司叶片分厂，中小叶片智能生产线上的机械臂在安装卡紧汽轮机叶片。新华社 “今年，数据价值将会实现真正的大爆发。”全国政协委员，全国工商联副主席、奇安信集团董事长齐向东对本报记者表示，大模型推动人工智能高速发展，这是数据价值变现的重要途径之一。人工智能大模型相当于“倍增器”和“发动机”，把数据“灌”进去，就会产生出动力。 3月1日，国家公共数据资源登记平台正式上线运行，凡是已经授权、计划授权运营的公共数据资源产品，需要到该平台上进行登记。这标志着数据要素市场化配置改革迈出重要一步。 面对公共数据在早期市场化中存在“流不动、供不出、用不好”的问题，国家信息中心大数据发展部数据要素处处长王璟璇告诉本报记者，在助力传统产业数字化转型方面，要鼓励更多党政机关、公共服务机构通过共享、开放、授权运营方式对外供给产业发展所需的公共数据。国家公共数据资源登记平台上线后，全社会都可以了解、查询哪些公共数据对外进行了开发利用以及形成了哪些公共数据产品和服务，未来用数单位还可以提交申请用数需求，促进供需对接。 中国通信标准化协会发布的《数据要素白皮书（2024年）》显示，截至2024年7月，我国已有243个省级和城市的地方政府上线数据开放平台，各地平台上开放的有效数据集达370320个，与2023年下半年相比，新增17个地方平台，平台总数增长约8%。 数据价值化，要在场景应用中得以实现。公共数据是数据要素市场化改革的“试验田”和“加速器”，其开发利用不仅为市场提供基础资源，还通过场景创新带动全要素流通。 山东青岛真情巴士集团打造的充电精益化数据产品“青益充”，实现了公交车辆运营数据、国家电网波峰波谷时段数据等公共数据与“特来电实时充电状态数据”等九类数据深度融合，预计每年可节约充电成本970余万元；福建省依托省市两级公共数据汇聚共享平台，接入全省2000余个政务信息系统、汇聚1800多亿条有效数据，目前平台日均批量交换数据1.5亿多条，有效支撑各地各部门800多个应用场景。 目前，我国数据产业呈现出储量大、增长快、多元化、应用广的发展特征，以政务、金融、互联网、交通电力为代表的行业持续深化数据要素的发展与应用。艾瑞咨询预计2024年全年市场规模将达1662亿元，2025年市场规模将有望达2042.9亿元。 在促进产业协同中实现放大、叠加、倍增效应 数据要素市场化配置改革要解决让数据“供得出”“流得动”“用得好”“保安全”，需要构建良好的供数、用数生态，实现数据要素在促进产业协同中的放大、叠加、倍增效应。而构建良好供数、用数生态，推动数据要素市场化配置改革，对于进一步深化企业数字化转型、挖掘数据要素在产业协同中潜力，具有极为关键的意义。 目前，我国企业数字化转型程度持续加深，但仍有较大发展空间。相关数据显示，98.8%的中小企业已经开始数字化转型，但62.6%的中小企业仍处于数字化转型早期阶段。实际上，数据的价值不能孤立存在，需要在与各类业务的深度融合中得到彰显，要以赋能实体经济为提点，不断拓展数据应用场景。 在大连华锐重工集团股份有限公司智能化实验室，孙元华（左）和同事操作大连港数字化矿石码头系统（2025年2月20日摄）。新华社记者 杨青 摄 “制造业是立国之本、强国之基，大力推动数字经济和实体经济深度融合势在必行。”全国人大代表、伊利集团全球创新中心科学研究总监王彩云对本报记者表示，企业在推动数实融合的过程中会产生大量数据，要实现高质量发展，关键是打通数据从“有”到“用”的过程。比如在消费端，伊利推动“全域、全场景、全生命周期”的消费者数字化运营，搭建覆盖400多个数据源的大数据雷达，开发了与1.5亿消费者在线协同共创新品的智能洞察系统，平均用3.5天就可以完成市场洞察，不断打造满足消费者多元需求的健康产品。 上下联动、横向协同 数据要素市场化配置改革是一项庞大的系统性工程。随着国家数据局和各级数据管理机构的揭牌运行，我国上下联动、横向协同的数据工作体系基本形成。数据基础制度加速释放，一批围绕数据产权、流通交易、收益分配、协同治理等方面的制度正在构建。 2025年2月26日，在位于织里镇的湖州今童王制衣有限公司数字化车间，工人在流水线上加工服装。该公司是集产品研发、设计、生产供应链管理、市场营销为一体的综合性儿童服装企业，年产销量达200万件（套）。新华社记者 徐昱 摄 据统计，截至目前，国家数据局已发布20余份数据要素领域相关政策文件，激活供数动力，释放用数活力。未来，还将围绕企业数据开发利用等出台新政策文件。 此外，工信部、财政部等多部门围绕数据流通交易、数据安全与治理、产业融合等出台了多项政策，持续推动数据要素市场化。 随着数据要素市场日益壮大，数据资产化探索步伐显著提速，企业数据资产入表成为业界关注的热点方向。从2024年1月1日起，财政部制定印发的《企业数据资源相关会计处理暂行规定》（以下简称《规定》）正式施行。这意味着数据要素从会计报表上开始显性化，过去被企业费用化处理的数据资产在资产负债表内有了表达。 “《规定》发布以来，各类经营主体均在积极探索数据资源入表机制，激活数据要素市场发展内生动力。”针对数据资源入表存在的问题，全国政协委员，上海市政协副主席、致公党上海市委主委邵志清表示，目前各类经营主体均在积极探索数据资源入表机制，激活数据要素市场发展内生动力。但仍存在数据资源的合规与确权难度大，对软件、系统和数据资源的异同理解尚未达成一致认识，数据资源的预期经济利益分析论证挑战大，数据资源的后续支出处理尚未达成一致认识，数据资源审计面临挑战等问题。他认为，应加强法律法规建设，细化权属证明流程，出台统一的数据资源审计指南和标准，从而引导企业对数据资源进行更有效的治理。 面对全球数字化竞争的加剧、国内经济高质量发展的迫切需求，数据要素市场化配置工作被赋予了更为重大的使命。对于“十五五”时期数据要素市场化配置如何激活数字动能这一问题，王璟璇认为应注重以下四个方面： 一是加快建立数据产权归属认定制度。传统要素如土地、资本等形成的成熟要素市场，均具备两个特性：要素权属明晰，在流通中增值。当前国家应加快出台数据产权制度，从长期看，建议推进数据产权立法工作。 二是推进全国一体化数据市场建设。全国一体化数据市场是数据要素市场化配置改革的发展目标。应着力构建场内场外相结合、多层次的数据流通交易体系，健全各方收益分配和利益保护制度，建设纵横联通的国家数据基础设施，促进数据要素合规高效流通交易。 三是着力增强全社会数据资源创新应用能力。提高各方治数、用数能力，激发更多数据创新应用场景，培育更多新业态、新模式、新技术，让数据要素的价值被更广泛认可。 四是加强数据要素、数字经济领域国际合作。我国是第一个将数据列为生产要素的国家，我国在数据要素市场化配置改革中积累的经验可以更多分享给海外，为全球数据资源共享开发提供中国经验、中国方案。 (中国发展改革报社前方记者 杜壮) 新质生产力发展需要注重三个关键词 3月5日，国务院总理李强作政府工作报告。透过政府工作报告，可以看到，“因地制宜发展新质生产力，加快建设现代化产业体系”依然是今年政府工作十大任务之一。 笔者从今年的政府工作报告及与代表委员面对面交流中发现，推动新质生产力发展，有三个关键词值得关注。 一是产业集聚。地区产业高质量发展不是“独角戏”，而是“大合唱”。作为现代产业发展的重要组织形式，产业集群是区域经济竞争力的集中体现。 谈到今年工作目标时，政府工作报告中出现了“深入推进战略性新兴产业融合集群发展”“先进制造业和现代服务业融合发展试点”“加快国家高新区创新发展”“打造具有国际竞争力的数字产业集群”“增强国际和区域科技创新中心辐射带动能力”等表述，都不约而同地指向了产业集群建设。 在产业集群创新的当下，多位代表委员都在关注两大问题，一是如何集聚更多的创新资源、高效利用创新要素，二是如何增强供应链的弹性和韧性。目前多地都在积极寻找破解之策，一些集群以龙头企业为创新源，一些通过发挥产业基础或要素禀赋突出优势，还有的通过融合创新实现进一步转型升级。今年政府工作报告对“集群”的关注既表明了加快培育的决心，又提出了重点发展方向。因此，在发挥产业集聚效应过程中，各地要注意在自身产业发展基础上，进一步提高产业关联性和市场融通性。 二是技术突破。让更多的技术实现从“0”到“1”的突破至从“1”到“100”的拓展。从芯片制程的不断精进，到量子计算的崭露头角，技术的每一次突破都打破了既有边界，重塑着行业新格局。在推进高水平科技自立自强上，政府工作报告不仅提到了“做什么”，也提到了“怎么做”。新质生产力所强调的关键核心技术攻关和前沿性、颠覆性技术研发依然是技术发展重点，而在政策落实上，需要人才培养、国家战略科技力量布局、科技经费分配和管理、市场服务、政策性金融等方面的支持。实际上，只有持续推动技术创新突破，我们才能在激烈的国际竞争中抢占先机，实现经济高质量发展，为社会进步与民生改善提供不竭动力源泉。 三是产业应用。推动先进技术从“图纸”登上“生产线”。每年政府工作报告中的“新词”备受关注，今年更是出现了多个“新面孔”，比如具身智能、6G、人工智能手机和电脑、智能机器人。这些产业从应用推广上体现出一些共同点，即具有高度智能、数据驱动、跨领域融合、生产生活效率提升，以及发展前景广阔、市场潜力大等特点。 产业应用的主体是企业。政府工作报告提出，对于新兴产业和未来产业，要“梯度培育创新型企业，促进“专精特新”中小企业发展壮大，支持独角兽企业、瞪羚企业发展，让更多企业在新领域新赛道跑出加速度”；对于传统产业转型升级，要“培育一批既懂行业又懂数字化的服务商”。唯有企业勇立潮头，新质生产力才能在产业落地中释放巨大能量。 以“新”提“质”，以“质”催“新”。在“十四五”规划的收官之年，新质生产力培育让高质量发展成色更足，也将为开启新征程筑牢坚实根基。 （中国发展改革报社评论员 杜壮） 来源（公众号）：国家数据、中国经济导报

3月5日上午9时，十四届全国人大三次会议在人民大会堂开幕，国务院总理李强作政府工作报告（以下简称“报告”）。《报告》中明确了这些“数据元素”。 2024年工作回顾 加快数字中国建设，数字经济核心产业增加值占国内生产总值比重达到10%左右。 2024年政府工作任务 1、大力提振消费、提高投资效益，全方位扩大国内需求。 创新和丰富消费场景，加快数字、绿色、智能等新型消费发展。 2、因地制宜发展新质生产力，加快建设现代化产业体系。 培育壮大新兴产业、未来产业。深入推进战略性新兴产业融合集群发展。开展新技术新产品新场景大规模应用示范行动，推动商业航天、低空经济等新兴产业安全健康发展。 建立未来产业投入增长机制，培育生物制造、量子科技、具身智能、6G等未来产业。梯度培育创新型企业，促进专精特新中小企业发展壮大，支持独角兽企业、瞪羚企业发展让更多企业在新领域新赛道跑出加速度。 3、加快制造业数字化转型。 培育一批既懂行业又懂数字化的服务商，加大对中小企业数字化转型的支持。 4、激发数字经济创新活力。 持续推进“人工智能+”行动，将数字技术与制造优势、市场优势更好结合起来，支持大模型广泛应用，大力发展智能网联新能源汽车、人工智能手机和电脑、智能机器人等新一代智能终端以及智能制造装备。 扩大5G规模化应用，加快工业互联网创新发展，优化全国算力资源布局，打造具有国际竞争力的数字产业集群。加快完善数据基础制度，深化数据资源开发利用，促进和规范数据跨境流动。促进平台经济规范健康发展，更好发挥其在促创新、扩消费、稳就业等方面的积极作用。 5、推动标志性改革举措加快落地，更好发挥经济体制改革牵引作用。 完善科技金融、绿色金融、普惠金融养老金融、数字金融标准体系和基础制度。 6、扩大高水平对外开放，积极稳外贸稳外资。 培育绿色贸易、数字贸易等新增长点，支持有条件的地方发展新型离岸贸易。 7、深化多双边和区域经济合作。 持续扩大面向全球的高标准自由贸易区网络，推动签署中国一东盟自贸区3.0版升级协定,积极推动加入《数字经济伙伴关系协定》和《全面与进步跨太平洋伙伴关系协定》进程。 8、推进新型城镇化和区域协调发展进一步优化发展空间格局。 发展数字化、智能化基础设施，完善无障碍适老化配套设施，提升社区综合服务功能，打造宜居、韧性、智慧城市。 9、加快数字政府建设。 健全“高效办成一件事”重点事项清单管理和常态化推进机制，完善覆盖全国的一体化在线政务服务平台。 来源：国家数据局

在数字化转型的浪潮中 数据中心运维管理面临巨大挑战。 如何确保系统运行稳定？ 如何快速响应问题概况？ 龙石数据中台监控中心全新升级 提供全天候、全任务集成监控 助力运维效率再上新台阶！ 一、中心总览 1 全局视角，掌控平台运行状态 无论是资源组、主机、数据库，还是各类任务的执行情况，都能通过中心总览一目了然。 通过图形化展示，实时呈现数据治理模块的状态变化，助你快速定位问题、优化资源配置。 二、各模块监控 1 精准定位，高效运维 主机监控：实时监控主机的CPU使用率、剩余内存、剩余磁盘、TCP连接数等关键指标。 数据库监控：对接入中台的数据库的连接数定义监控指标，出现异常情况能够及时预警。 各任务监控：对数据归集任务、数据清洗任务、数据开发任务、数据共享任务等进行统一管理，支持设定监控指标以及监控预警方式。 三、智能预警 1 从监控到处理，全流程闭环 龙石数据中台的监控中心通过智能化预警机制，实现了从监控-->预警-->处理的全流程闭环。 当任务指标超出预设阈值时，系统会自动预警并通知相关责任人，支持微信、短信、邮件等多种预警方式，确保问题在萌芽状态就被及时解决。 更多升级，敬请期待

在数字化浪潮的推动下，电子政务作为提升政府行政效率和公共服务能力的重要手段，正日益受到广泛关注。随着电子政务的不断深入，政务数据的积累量也在迅速增长。然而，数据的快速积累也带来了诸多挑战，尤其是数据质量问题，成为制约电子政务进一步发展的瓶颈。这不仅影响了政府决策的准确性和效率，也可能对公共服务产生负面影响。因此，如何有效提升政务数据质量，成为当前亟待解决的问题。 一、政务数据质量管理的重要性与现状 政务数据的质量管理是确保电子政务系统稳定运行和高效服务的基础。高质量的数据能够为政府决策提供准确依据，优化资源配置，提升公共服务质量。反之，低质量的数据则可能导致决策失误，影响政府公信力，甚至造成资源浪费和损失。尽管我国政务数据质量管理已取得一定成效，但实际操作中仍面临诸多挑战。数据来源复杂、质检工具不标准、人员素质参差不齐等问题，使得政务数据质量管理工作困难重重。此外，随着数据量的持续增长，传统质检方式已难以满足需求，急需自动化、智能化的质检工具来提高质检效率。 二、政务数据质量管理的新挑战 当前，政务数据质量管理面临着多重挑战。一方面，数据来源的多样性和复杂性要求质检规则能够更加灵活、智能地适应不同情况；另一方面，政务数据的敏感性和重要性也对质检工具的安全性和可靠性提出了更高要求。同时，随着电子政务的不断发展，政务数据质量管理还需要建立起长效机制，以持续监测和改进数据质量。 三、破局之道：“AI+准度领航” 面对政务数据质量管理的新挑战，国脉互联提出“AI+准度领航”数据质控合规系统，以“构筑质量屏障，守护合规标准”为目标，建立持续、系统的数据质量检测机制，实现从数据精准定位到数据质量治理的全流程精细化管控，确保数据的准确性、完整性、一致性、规范性、时效性和可靠性，全面强化数据合规管理，确保数据合法合规使用。通过“AI+准度领航”，我们可以实现对数据的智能化摸底、精准制定规则、高效质检与评估，以及建立长效机制。 1.智能化摸底 “AI+准度领航”拥有强大的数据处理能力，能够全面梳理来自各类源头的数据。它可以有效地对数据进行分类，帮助我们清晰地识别出哪些数据尚未经过质检，哪些数据已经过质检但质量未达到预期，以及哪些数据属于高质量数据。这种智能化的摸底过程，为后续的数据质检工作奠定了坚实的基础，使质检工作能够更加精准地针对存在的问题展开。 2.精准制定规则 结合国家数据管理相关标准及行业特定要求，“AI+准度领航”为不同的数据集量身定制质量标准。它充分利用AI大模型和深度学习技术，深入剖析数据特性，从而制定出既符合统一标准又满足本地实际需求的检测规则，确保数据质量的准确性与可靠性。 3.高效质检与评估 “AI+准度领航”具备强大的自动化质检能力。它能够根据制定的检测规则对相关数据进行自动化质检，快速识别问题数据并自动生成详细的评估报告。这提高了质检效率，还为各部门提供了明确的改进方向。 4.建立长效机制 “AI+准度领航”不仅关注当前的质检需求，还着眼于未来的可持续发展。它具备实时动态检测的能力，能够同步生成实时检测报告，快速识别并处理任何潜在的数据问题。通过设置预警机制和定期审查调整检测规则，“AI+准度领航”助力政务数据质量管理实现持续优化和提升。 四、“AI+准度领航”的价值 “AI+准度领航”以其独特的设计思路和预期效果，与当前政务数据质量管理的需求高度契合。它不但能够解决数据来源复杂、质检规则不灵活等问题，还能够提高质检效率、降低人为错误、增强数据安全性。通过“AI+准度领航”的智能化摸底功能，政府部门能够全面评估各类数据的质量，准确区分出质检质量不高的数据，从而为后续的数据质检工作提供明确的方向和重点。 这种精准的质检模式，有助于政府部门及时发现并修正数据中的问题，确保数据的准确性和可靠性。同时，“AI+准度领航”还能为政府部门提供科学、高效的决策支持，助力电子政务的健康发展。通过持续监测数据质量，政府部门可以更加及时地调整政策、优化服务，从而提高公共服务的质量和效率。 五、结论 综上所述，面对政务数据质量管理的新挑战，“AI+准度领航”以其独特的设计思路和预期效果，为电子政务的健康发展提供了新的可能性。我们期待着这款工具能够尽快落地应用，为政府部门带来更加精准、高效的数据质量管理体验。同时，我们也相信，在未来技术的不断进步和应用的深入下，“AI+准度领航”将在政务数据质量管理领域发挥更加重要的作用。 来源（公众号）：国脉研究院