文 | 中国科学院大学经济与管理学院教授 孙毅 建立健全合规高效的数据流通体系是推进数据要素市场化的必然要求，也是推动数据要素以较低的交易成本实现跨主体流通、多场景复用，在更大范围内与其他要素协同、与不同种类数据融合，促进数据要素价值化过程、放大数据要素价值化效应的重要举措。 近日，国家发展改革委、国家数据局等部门联合印发《关于完善数据流通安全治理 更好促进数据要素市场化价值化的实施方案》（以下简称《方案》），针对数据流通安全治理中存在的标准不明、责任不清、制度不健全等突出问题，制定了科学规范、务实可行的政策举措，以期有效降低数据流通环节的安全治理成本，以成本最小化实现安全最优化，营造鼓励创新、包容创新、让企业轻装上阵的数据产业发展环境，培育充满活力、充满信心、充满韧性的市场主体，开创以良法善治统筹发展和安全、平衡活力和秩序的数据要素市场化价值化新局面。 《方案》不新增数据安全责任义务，不新设数据安全治理条款，旨在细化现行法律法规的原则性要求，打消市场主体顾虑，降低市场主体负担。在《网络安全法》《数据安全法》《个人信息保护法》《关键信息基础设施安全保护条例》《网络数据安全管理条例》（以下简称“三法两条例”）的总体框架下，《方案》聚焦数据流通环节的痛点堵点问题，将“三法两条例”的原则性要求细化为数据流通中的具体举措，坚持以促进数据要素流通使用作为安全治理的出发点和落脚点，通过总结安全可信、行之有效、具有共识的安全治理实践经验，健全数据流通安全治理体系，提升数据流通安全治理的稳定性和可预期性，实现高质量发展和高水平安全良性互动。例如，依照《个人信息保护法》规定，在广告投放、精准推荐、用户画像等业务场景中，企业在跨平台交互、开发个人数据时，需要对个人信息进行匿名化处理，以保障个人权益、保护个人隐私。 业界普遍反映，由于个人信息匿名化处理缺乏认定标准，企业在开展相关业务时普遍存在安全合规顾虑，数据安全治理投入因标准缺失导致负担过重。事实上，关于匿名化的标准问题，业界存在一些具有共识、验证可行的做法，如传递非永久性设备标识符、使用联邦学习和隐私计算技术进行联合数据开发、采用聚合数据进行群体统计分析等。针对这些现实问题和迫切需求，《方案》针对个人数据流通保障，在《个人信息保护法》的原则要求下，提出了制定个人信息匿名化相关标准规范，明确匿名化操作规范、技术指标和流通环境要求，以及鼓励采用国家网络身份认证公共服务等多种方式，强化个人信息保护。这些政策举措将为个人数据流通安全治理提供标准和依据，有效打消市场主体安全合规顾虑，减轻安全治理投入负担。 《方案》不搞叠床架屋，不求面面俱到，旨在找出“真问题”、提出“实举措”，强化问题导向，突出可操作性，力求务实管用。针对企业数据、公共数据和个人数据在流通环节中的场景化问题，《方案》立足行业需求、总结行业经验，提炼出针对性举措。 例如，政务数据共享过程涉及多元主体，各参与主体的责任边界缺少清晰界定，出现安全问题时“责任不随数据流通而流转”，政府部门作为政务数据供给源头单位往往承担兜底责任，从而导致政务数据“不愿共享”“不敢共享”。相关政府部门普遍反映希望能够明确政务数据共享的权利责任边界，从而更好地促进政务数据流通使用。 针对上述问题，《方案》依照《政务信息资源共享管理暂行办法》，在政务数据提供方“谁主管、谁提供、谁负责”和政务数据接收方“谁经手、谁使用、谁管理、谁负责”的原则基础上，明确提出要区分数据提供前和数据接收后的安全管理责任。 特别是针对政务数据提供方，要求在数据提供前明确政务数据共享范围、用途、条件，探索建立数据接收方数据安全管理风险评估制度，保障政务数据提供方在履行好事前安全管理责任的前提下不再承担兜底责任。上述举措将建立健全政务数据流通安全合规责任划分机制，有效减轻政务数据共享的安全合规负担，从而提升政务数据共享水平，促进政务数据价值释放。 贯彻落实《方案》的关键在于降低数据流通安全治理成本。 一是要逐步制定完善数据流通安全合规细则与标准，降低制度性交易成本。要加强调研征集新场景、新问题和新诉求，总结提炼有需求、有共识、有效果的经验做法，不断完善数据流通安全治理体系，提升数据流通安全治理的针对性和可操作性，降低因政策要求不明确、不具体、不落地带来制度性交易成本。 二是要加大数据安全治理技术和产品服务研发支持，降低数据流通安全治理的创新成本。加大可信数据空间、区块链、隐私保护计算、匿名化等技术研发和应用推广支持力度，完善引导企业加大技术创新投入的机制，培育一批面向数据流通安全治理的技术创新型企业，壮大数据流通安全治理服务规模，推动数据流通安全应用产品创新，全面提升数据流通安全治理领域企业创新能力。 三是要积极探索数据流通安全治理的创新模式，降低数据流通安全治理的运营成本。采取差异化监管措施，在保障安全的前提下降低数据流通安全治理的行政负担；探索建立数据流通安全保险机制，利用市场化手段合理分散企业风险成本；鼓励各级政府、大型企业面向中小型企业提供有助于提升企业风控能力、降低企业安全成本的数据流通安全治理服务，推动具备条件的部门和地区建立中小企业数据流通安全补贴制度，降低中小企业参与数据流通的合规成本。 四是加强《方案》的政策宣贯，降低数据流通治理的协调沟通成本。强化《方案》出台背景、原则、目标等方面的解读和宣贯，凝聚各方共识、稳定市场预期，避免因理解不深入、认知不统一、配合不到位带来的沟通协调成本，群策群力建立健全数据流通安全治理体系，更好促进数据要素市场化价值化。 来源（公众号）：北京数据

近日（3月1日），国家公共数据资源登记平台（https://sjdj.nda.gov.cn）正式上线运行，登记工作全面展开，这标志着数据要素市场化配置改革迈出重要一步。同期，山西、江苏、浙江、安徽、福建、江西、湖北等7个省级平台同步上线，并与国家平台实现互联互通。 开展公共数据资源登记，是贯彻落实《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》的重要举措。国家发展改革委、国家数据局联合印发《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》《关于建立公共数据资源授权运营价格形成机制的通知》后，国家信息中心积极搭建技术平台，地方、部门和相关企事业单位主动对接落实资源登记工作，为平台如期上线创造了条件，也为逐步形成公共数据资源全国“一本账”，促进供需对接和公共数据规范化、透明化应用奠定基础。 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、两级架构”。 近日上线的国家公共数据资源登记平台，主要负责办理中央和国家机关及其直属机构、中央企业的登记业务，同时暂时代为受理部分未完成平台建设省份的登记申请。 登记首日，国家登记平台已有医保、气象、自然资源等多类国家级公共数据上线，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7个省级平台在3月1日同步上线运行，并与国家平台实现互联互通。 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，将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。据国家数据局介绍，该平台不仅是一个数据资源管理系统，更是全社会获取数据、发现资源的重要窗口。国家数据局相关负责人表示，未来将持续优化平台功能，提升登记服务质量，更好地满足用数主体的多元化用数需求，加快释放公共数据资源价值。 国家公共数据资源登记平台 地址为：https://sjdj.nda.gov.cn 平台显示，目前进行公共数据资源登记的流程大致有5步，登记申请--登记受理--登记审查--登记公示--确认单发放。 Q：什么情况下需要登记数据资源？ A：直接持有或管理公共数据资源的党政机关和事业单位，应对纳入授权运营范围的公共数据资源进行登记，鼓励对未纳入授权运营范围的公共数据资源进行登记。 Q：什么是登记主体？ A：登记主体，是指根据工作职责直接持有或管理公共数据资源的单位，以及依法依规对授权范围的公共数据资源进行开发运营的法人组织。 Q：什么是登记机构？ A：登记机构，是指由国家和地方数据管理部门设立或指定的、提供公共数据资源登记服务的事业单位。 Q：首次登记需要哪些材料？ A：首次登记时，登记主体应按规定提交主体信息、数据合法合规性来源、数据资源情况、存证情况、产品和服务信息、应用场景信息、数据安全风险评估等申请材料。 Q：登记结果的有效期是多长时间？ A：登记结果有效期原则上为三年，自赋码之日起计算。对授权运营范围内的公共数据产品和服务登记，根据授权协议运营期限不超过三年的，登记结果有效期以实际运营期限为准。 早在2月18日国家数据局新闻发布会上，国家数据局副局长陈荣辉就对国家公共数据资源登记平台进行了介绍。陈荣辉介绍，在登记平台建设方面，全国登记平台体系建设按照“一个标准，两级平台”的思路开展。国家数据局制订统一的登记技术和业务标准，负责建设国家登记平台，确保与各省级平台对接，实现登记信息互联互通和统一赋码。各省级数据管理部门牵头建设省级登记平台。陈荣辉表示，登记平台上线运行后，将发挥两个方面的作用：一个是服务性功能，供数单位可以通过登记平台发布数据资源和产品信息，用数单位可以来这里查找数据资源，未来还可以发布数据需求，从而更好地实现供需对接，为降低全社会用数成本、促进数据资源价值释放创造条件。一个是管理功能，通过登记工作，掌握全国公共数据资源底帐，加强授权运营信息披露，促进授权运营规范化、透明化。 来源：数据要素社整理自国家数据局官网、国家公共数据登记平台、央视新闻客户端、AI战略数字转型

公共数据是我国数据要素供给体系的重要组成部分，具有公共性、权威性与规模性，蕴藏巨大价值。各地区各部门在坚持数据开放的基础上，有序探索公共数据授权运营，对于赋能政务服务、公共治理具有重要意义，是培育数据要素市场的关键突破口。公共数据授权运营过程中，随着参与主体、数据及授权运营模式的不断拓展，如何构建公共数据安全治理格局，促进公共数据开发利用成为重要内容。 近日，国家发展改革委、国家数据局等部门联合印发了《关于完善数据流通安全治理 更好促进数据要素市场化价值化的实施方案》（以下简称《方案》），对促进数据要素安全合规流通利用提出重要意见。其中，针对公共数据流通过程的安全管理，明确了数据提供方、数据接收方、公共数据授权运营机构三方数据主体角色的数据安全保护责任和管理要求，细化了公共数据开发利用过程中的安全要求。 01强化源头安全治理，提升公共数据安全成效和供数水平 《方案》指出“数据提供方按照‘谁主管、谁提供、谁负责’的原则，明确政务数据共享范围、用途、条件，承担数据提供前的安全管理责任，探索建立数据接收方数据安全管理风险评估制度，确保数据在安全前提下有序共享。”公共数据涵盖的数据范围广泛，涉及国家安全、公共利益。各级党政机关、企事业单位等政务、公共数据来源机构作为数据提供方，应承担数据提供前的安全管理责任，在数据供给源头强化公共数据主动治理，在供给环节保障所供出公共数据的合法性、安全性、可用性、准确性和时效性。 02贯穿供出后全过程安全管理，确保公共数据在各接收主体间安全流转 《方案》指出“数据接收方按照‘谁经手、谁使用、谁管理、谁负责’的原则，承担数据接收后的安全管理责任。”公共数据持有者、使用者作为数据流转过程中的数据接收方，要承担数据接收后的安全管理责任。一是确保公共数据接收后的存储安全，建立安全的数据存储环境，包括物理环境、网络环境等，确保重要数据在存储过程中的安全性。二是确保公共数据使用与加工安全，公共数据接收方应按照协议或规定中明确的数据使用范围和用途来合规使用公共数据。采取必要的安全措施，如数据加密、访问控制、数据脱敏等对重要数据进行加工处理，以防止重要数据泄露或被非法访问。三是数据销毁末端安全，数据接收方应根据数据的生命周期和业务需求，制定数据销毁计划，明确数据销毁的时间、方式和范围，考虑数据的敏感程度和重要性，选择可靠的数据销毁方法，确保数据在销毁后无法被恢复。 03 探索公共数据授权运营安全合规制度化路径 《方案》指出“有关地方和部门开展公共数据授权运营的，应依据有关要求明确公共数据授权运营机构的安全管理责任，建立健全数据安全管理制度，采取必要安全措施，加强关联风险识别和管控，保护公共数据安全。”公共数据授权运营被认为是构建数据要素市场的关键突破口，也是繁荣数据要素市场的重要支撑，如何把控好这一环节安全合规，备受市场关注。公共数据授权运营安全治理是一个“制度化”过程，授权运营机构应建立健全数据安全管理制度，加强数据全生命周期的安全防护。一是明确授权运营机构在经营与信用、专业资质与人才、技术安全、应用场景与数据使用等多个方面的数据安全保护条件和能力。二是加强数据产品和服务的安全合规管理，通过建立分类分级、访问控制、监测预警等安全管理制度，在保障国家秘密、国家安全、社会公共利益、商业秘密、个人隐私和数据安全的前提下，依法依规在授权范围内开展公共数据授权运营活动，充分释放公共数据价值。三是基于数据全生命周期安全防护理念，持续完善态势感知和监测预警体系建设，切实提升公共数据授权运营过程中的安全风险监测和应急处置能力。 （来源：国家数据局微信公众号；作者：周民 国家信息中心副主任；罗海宁 国家信息中心外网办安全管理处处长）

来源（公众号）：大数据AI智能圈 深夜,小王焦急地盯着实时数据大屏。618大促正酣,一个重点直播间的流量却突然跳崖式下跌。 通过数据分析,他迅速发现流失用户多为年轻女性,立即调整选品策略。几分钟后,人气回升,销量暴增。 这不是科幻片场景,而是当下企业数字化转型的真实写照。从电商大促到银行运营,从汽车营销到知识付费,数据已悄然改变企业决策方式。 企业数字化转型该如何破局?数据中台真的是终极答案吗?让我们一起揭秘数据飞轮的神奇力量。 升级企业数字化基因 数据已成为企业数字化转型的核心武器。 在阿里的数据中台、腾讯的智慧零售引领下,各行各业都在积极寻求数据赋能业务的新途径。让我们一起走进抖音电商的618大促现场。 "这个直播间流量怎么突然断崖式下跌了?"运营主管小王盯着实时数据看板,眉头紧锁。通过火山引擎的实时画像分析,他很快发现了问题所在 - 流失用户多为年轻女性,当前直播间选品与她们的兴趣不匹配。 几分钟后,高性价比化妆品提前上架。人气回升,购买量激增。这正是数据驱动业务决策的生动案例。 数据中台曾被视为数字化转型的终极答案。 企业投入重金建设数据基础设施,打通数据孤岛,沉淀数据资产。但现实是,许多企业的数据中台建了,决策依然靠拍脑袋。 数据建设不是终点,数据消费才是关键。 轻颜相机团队发现用户反馈最多的问题是"不知道怎样摆姿势"。他们迅速上线了"灵感"功能提供拍照指导。 通过火山引擎的数据分析,他们发现80%用户不会主动探索这个功能,大部分新用户查看后就收起了。找到原因后,团队快速优化了功能入口和使用链路,最终显著提升了功能渗透率。 这种数据驱动的工作方式不是偶然。在字节跳动,从产品功能到用户界面的每个细节都依赖数据验证。连"两个视频之间的缝隙有多宽"这样的小事,都要做几百组A/B测试。 数据消费已融入企业DNA,推动业务持续进化。这就是数据飞轮的力量。 某企面临一个棘手问题:登录率。 作为资讯类产品,强制登录会流失用户,不登录又难以提供个性化服务。产品团队通过火山引擎增长分析工具进行归因分析,设计方案并反复A/B测试验证。最终登录率追平今日头条和西瓜视频,互动率和人均活跃天数持续上涨。 这不是简单的技术优化,而是数据飞轮转动的典型过程: 数据分析发现问题→验证解决方案→业务增长→产生新数据→持续优化提升。每一次转动都在积累经验,提升能力。 某行将A/B测试推广到信用卡运营、App平台运营等14个业务平台。某汽车行通过接入火山引擎,实现公域平台数据打通,构建以用户为中心的统一数据体系。知识付费平台得到在引入A/B测试工具后,"遇事不决就A/B"成为内部共识。仅2022年第三季度就开展超过20个实验场景,成功率达80%。数据消费已融入团队基因。 好用的数据产品是撬动数据消费的杠杆。 火山引擎发布数智平台VeDI,覆盖数据引擎、数据建设与管理、数据应用等全链路协同。升级湖仓一体分析服务LAS,Serverless流式计算Flink服务,让数据处理更高效便捷。 数据飞轮不只是一个概念,而是企业数字化转型的实践指南:以数据消费为起点,通过"产品工具+方案+咨询"推动飞轮转动,让数据真正赋能业务。 随着市场环境变幻莫测,企业内部架构日益复杂,传统的数据中台模式已难以应对挑战。数据飞轮开创了一条新路:将数据驱动深入业务血脉,培养团队数据思维,让企业在数字化浪潮中破浪前行。 这是一场升级企业数字化基因的革命。未来已来,看数据飞轮如何转动。

今年全国数据工作的一个重要方向，是大力推进数据要素的市场化价值化。如何推动公共数据资源开发利用、更好发挥数据要素作用？怎样打造更多数据应用场景？国家数据局2月18日举行“数据价值化，我们在行动”系列新闻发布会第一场，国家数据局等有关部门负责人介绍了相关情况。 推进政务数据共享应用 “推动数据价值化，公共数据要先行一步，真正把公共数据资源供出来、用起来。”国家数据局副局长陈荣辉说。 去年10月，《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》公开印发。据介绍，全国数据系统在配套制度建设、政务数据共享、数据授权运营、应用创新实践等方面开展一系列工作，有些方面取得初步进展。在推进政务数据共享应用方面，明确数据治理和共享责任，推动“一次填报，多方共用”，推动数据由“向基层要”变为“从系统取”，切实减轻基层干部重复报数负担。同时推动数据回流，支持基层干部利用数据更好为企业和百姓服务，助力提升基层治理水平。 以福建为例，2020年，福建入选国家公共数据资源开发利用8个试点省份之一。该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，基本实现全省政务信息系统“应接尽接”和全省公共数据“应汇尽汇”。并以汇聚共享平台为枢纽，常态化开展公共数据共享申请、授权、对接、应用，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。 探索公共数据授权运营 探索公共数据授权运营，这是近来数据领域的热词，如何理解？ 陈荣辉表示，授权运营是一种新的数据供给方式，目的是通过引入专业化力量，对公共数据进行治理、加工，形成数据产品和服务，在保障安全的前提下更好满足社会用数需求、更好促进数字经济发展。目前，很多部委都在按政策文件要求，梳理拟授权运营的数据资源，编制数据授权运营方案，积极推进数据资源和产品登记工作。 据介绍，国家公共数据资源登记平台将于3月1日正式上线试运行。“这个平台不仅是公共数据资源的管理系统，也是信息披露和资源发现的窗口，全社会都可以来这里找数据、找产品。”陈荣辉说。根据会上发布的信息，直接持有或管理公共数据资源的党政机关和事业单位，应对纳入授权运营的公共数据资源进行登记。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，也鼓励进行登记。 陈荣辉介绍，登记平台上线运行后，将发挥两个方面的作用：一是服务性功能，供数单位可以通过登记平台发布数据资源和产品信息，用数单位可以来这里查找数据资源，未来还可以发布数据需求，从而更好地实现供需对接，为降低全社会用数成本、促进数据资源价值释放创造条件。二是管理功能，通过登记工作，掌握全国公共数据资源底账，加强授权运营信息披露，促进授权运营规范化、透明化。 打造更多数据应用场景 数据价值化，要在场景应用中得以实现。 例如，气象数据与经济社会千行百业息息相关，应用场景广阔、发展潜力巨大。深圳市围绕低空物流企业需求，为起降点及航线提供1公里分辨率，分钟级更新的大风、降水等精细化服务，减少因恶劣天气导致的延误或损失，让配送计划更合理、经济。上海基于气象数据决策开展无人机消减雾试验，能见度可从500米快速提升至2公里以上，为降低大雾天气对飞行“窗口期”影响提供了支持。 中国气象局预报司副司长张洪政介绍，中国气象局还积极对接新能源规划选址、高效消纳和安全运行对精细化气象数据的需求，引导鼓励各方加入示范场景共建，创新新能源气象服务产品和解决方案，为国家能源绿色低碳转型、能源安全提供支撑。 各地区各部门对发挥数据要素作用都高度重视，比如，今年福建省政府工作报告提出，深化“千行百业”行动，聚焦重点领域，培育更多数字应用场景。重庆市提出要扩大数据流通和价值示范，培育实数融合新业态。国家数据局会同相关地方和部门重点打造一批示范性数据应用场景，探索形成可复制、可推广模式。 陈荣辉表示，下一步，将加快推动公共数据资源管理和运营机制改革落地见效，进一步增强数据资源价值释放的驱动力，以公共数据开发利用引领撬动各方数据的融合应用，打造数据利用的多应用场景和模式，更好释放数据要素价值。 来源：人民日报

文 | 国家信息中心副主任 周民 国家信息中心外网办安全管理处处长 罗海宁 公共数据是我国数据要素供给体系的重要组成部分，具有公共性、权威性与规模性，蕴藏巨大价值。各地区各部门在坚持数据开放的基础上，有序探索公共数据授权运营，对于赋能政务服务、公共治理具有重要意义，是培育数据要素市场的关键突破口。公共数据授权运营过程中，随着参与主体、数据及授权运营模式的不断拓展，如何构建公共数据安全治理格局，促进公共数据开发利用成为重要内容。 近日，国家发展改革委、国家数据局等部门联合印发了《关于完善数据流通安全治理 更好促进数据要素市场化价值化的实施方案》（以下简称《方案》），对促进数据要素安全合规流通利用提出重要意见。其中，针对公共数据流通过程的安全管理，明确了数据提供方、数据接收方、公共数据授权运营机构三方数据主体角色的数据安全保护责任和管理要求，细化了公共数据开发利用过程中的安全要求。 01 强化源头安全治理，提升公共数据安全成效和供数水平 《方案》指出“数据提供方按照‘谁主管、谁提供、谁负责’的原则，明确政务数据共享范围、用途、条件，承担数据提供前的安全管理责任，探索建立数据接收方数据安全管理风险评估制度，确保数据在安全前提下有序共享。” 公共数据涵盖的数据范围广泛，涉及国家安全、公共利益。各级党政机关、企事业单位等政务、公共数据来源机构作为数据提供方，应承担数据提供前的安全管理责任，在数据供给源头强化公共数据主动治理，在供给环节保障所供出公共数据的合法性、安全性、可用性、准确性和时效性。 02 贯穿供出后全过程安全管理，确保公共数据在各接收主体间安全流转 《方案》指出“数据接收方按照‘谁经手、谁使用、谁管理、谁负责’的原则，承担数据接收后的安全管理责任。” 公共数据持有者、使用者作为数据流转过程中的数据接收方，要承担数据接收后的安全管理责任。一是确保公共数据接收后的存储安全，建立安全的数据存储环境，包括物理环境、网络环境等，确保重要数据在存储过程中的安全性。二是确保公共数据使用与加工安全，公共数据接收方应按照协议或规定中明确的数据使用范围和用途来合规使用公共数据。采取必要的安全措施，如数据加密、访问控制、数据脱敏等对重要数据进行加工处理，以防止重要数据泄露或被非法访问。三是数据销毁末端安全，数据接收方应根据数据的生命周期和业务需求，制定数据销毁计划，明确数据销毁的时间、方式和范围，考虑数据的敏感程度和重要性，选择可靠的数据销毁方法，确保数据在销毁后无法被恢复。 03 探索公共数据授权运营安全合规制度化路径 《方案》指出“有关地方和部门开展公共数据授权运营的，应依据有关要求明确公共数据授权运营机构的安全管理责任，建立健全数据安全管理制度，采取必要安全措施，加强关联风险识别和管控，保护公共数据安全。” 公共数据授权运营被认为是构建数据要素市场的关键突破口，也是繁荣数据要素市场的重要支撑，如何把控好这一环节安全合规，备受市场关注。公共数据授权运营安全治理是一个“制度化”过程，授权运营机构应建立健全数据安全管理制度，加强数据全生命周期的安全防护。一是明确授权运营机构在经营与信用、专业资质与人才、技术安全、应用场景与数据使用等多个方面的数据安全保护条件和能力。二是加强数据产品和服务的安全合规管理，通过建立分类分级、访问控制、监测预警等安全管理制度，在保障国家秘密、国家安全、社会公共利益、商业秘密、个人隐私和数据安全的前提下，依法依规在授权范围内开展公共数据授权运营活动，充分释放公共数据价值。三是基于数据全生命周期安全防护理念，持续完善态势感知和监测预警体系建设，切实提升公共数据授权运营过程中的安全风险监测和应急处置能力。

龙石数据v3.5.1升级：涉及API模块，数据归集模块，架构部署模块等功能升级，点击了解详情~

龙石数据中台V3.5.2升级：涉及API模块、数据标准模块、修复模块等功能升级和功能修复，点击了解详情~

来源（公众号）：大数据AI智能圈 在ChatGPT引发的AI革命浪潮中，数据中台正经历一场深刻的转型升级。从简单的数据管理平台到融合AI能力的智能中枢，数据中台正在重塑企业的数字化竞争力。据IDC最新数据显示，2024年中国数据中台市场规模将突破500亿元，年增长率超过35%。头部企业纷纷加码布局，阿里巴巴年投入超50亿升级数据中台，字节跳动的火山引擎服务已覆盖超10万家企业。 然而，真正的数据中台不是简单的技术堆叠，而是要实现数据、算法、业务的深度融合。本文将揭秘数据中台的最新发展趋势，深入解析头部企业的实践经验，为企业数智化转型提供切实可行的方法论。无论您是技术决策者还是数据从业者，都能从中获得有价值的启示。 大规模AI时代的数据中台服务升级版 数字化转型已成为企业生存发展的必由之路。随着ChatGPT掀起的AI狂潮，大模型技术正在各行各业掀起一场技术革命。面对海量数据和AI应用场景，传统的数据平台已经难以满足企业的需求。升级后的数据中台服务应运而生，它通过融合Data和AI能力，助力企业在数字化浪潮中抢占先机。 智能制造龙头企业海尔的数据中台升级之路就很有代表性。面对分散在全球的工厂数据和日益增长的AI应用需求，海尔打造了COSMOPlat工业互联网平台。该平台整合了1000多个数据源，支持每天百亿级的数据处理能力，通过AI赋能实现了生产效率提升30%，能源成本降低15%。 数据中台服务正在经历从"数据管理"向"数据智能"的转型。它不再仅仅是一个数据仓库，而是融合了数据治理、机器学习、知识图谱等多种能力的智能平台。美团外卖的智能调度就是一个典型案例。通过数据中台的AI能力，系统可以实时分析订单数据、天气数据、交通数据等多维度信息，智能预测订单量并优化配送路径，将平均配送时间缩短了3分钟。 现代数据中台服务主要包含六大核心能力： 数据采集服务负责数据的实时接入和离线导入。它就像城市的"输水管网"，将分散的数据源源不断地汇聚到中台。京东的数据中台每天要处理超过100TB的交易数据、用户行为数据等，通过智能ETL工具实现了99.9%的数据准确率。 数据存储服务提供多样化的存储方案。从传统的关系型数据库到新型的图数据库，不同类型的数据都能找到最适合的"居所"。阿里巴巴的飞天平台支持EB级数据存储，为双11购物节提供强大的技术支撑。 数据计算服务则是数据中台的"大脑"。它通过分布式计算、流式计算等技术，对海量数据进行实时分析和深度学习。字节跳动的推荐系统每秒要处理数百万次请求，依靠强大的计算引擎才能实现毫秒级响应。 数据治理服务确保数据的质量和安全。通过元数据管理、数据标准化等手段，建立企业级的数据资产目录。微众银行通过区块链技术实现了数据共享和隐私保护的平衡，大大提升了金融数据的安全性。 数据服务层则是连接数据和应用的桥梁。它通过标准化的API接口和可视化工具，让数据价值清晰可见。腾讯云的数据服务平台支持每天数十亿次的API调用，为企业提供丰富的数据服务。 智能应用服务是数据中台的"智慧果实"。它将AI能力深度融入业务场景，实现智能推荐、智能决策等高级功能。网易云音乐就通过AI算法分析用户听歌习惯，每天为2亿用户推送个性化歌单。 数据中台迎来AI原生时代 随着大模型技术的突飞猛进，数据中台正在经历一场深刻的技术变革。智能化、实时化、云原生化成为新趋势，传统的数据架构正在向AI原生架构演进。 国内领先的电商平台拼多多就在这波技术变革中尝到了甜头。他们的数据中台通过引入深度学习模型，对用户行为数据进行实时分析，构建了动态定价系统。系统可以根据市场供需、竞品价格、用户画像等因素，在毫秒级完成价格决策，带来了15%的营收提升。数据中台的技术创新主要体现在三个层面： 首先是AI训练平台的升级。现代数据中台不再满足于提供原始数据，而是打造端到端的AI模型训练环境。华为云ModelArts平台支持一站式AI开发，从数据预处理到模型训练部署，全流程自动化，将AI模型的开发周期缩短了40%。特别是在大模型时代，数据中台需要提供高性能的分布式训练能力，支持数千卡级别的模型训练。 其次是特征工程的智能化。特征是AI模型的生命线，好的特征往往决定了模型的上限。滴滴的实时特征平台每天处理超过100亿条出行数据，通过自动化特征发现和筛选，显著提升了模型效果。平台还提供特征版本管理、特征市场等功能，让数据科学家能够复用高质量特征，避免重复工作。 再次是推理服务的实时化。传统的离线分析已经无法满足业务需求，实时智能决策成为标配。小红书的内容推荐系统要求10毫秒内完成推理请求，这就需要数据中台提供高性能的在线特征计算和模型服务能力。通过FPGA等硬件加速，推理延迟降低了60%。 技术创新带来了显著的商业价值。某大型零售集团通过升级数据中台，实现了全渠道数据的实时分析和智能决策： 库存智能预测准确率提升到95%，极大减少了断货和积压现象。系统通过分析历史销售数据、天气数据、节假日数据等多维度信息，对未来销量进行精准预测。会员流失预警准确率达到90%，为精准营销提供支撑。通过分析会员的消费行为、投诉记录、社交媒体互动等数据，及时发现流失风险，开展针对性的挽留活动。 促销活动ROI提升35%，实现精准营销。系统可以自动识别最具潜力的目标客群，并为不同客群生成个性化的促销方案，大幅提升营销效果。人工智能正在重塑数据中台的核心能力。未来的数据中台将更加智能、更加实时、更加开放：智能化升级是大势所趋。从数据采集、数据治理到数据服务，AI将在全流程发挥作用。像自动数据质量监控、智能元数据管理、自动化数据集成这样的功能将成为标配。 实时计算成为新常态。流批一体的架构将更加普及，支持毫秒级的数据处理和决策。数据中台需要在保证实时性的同时，平衡成本和复杂度。 开放共享日益重要。数据孤岛正在被打破，企业之间的数据协作将更加普遍。数据中台需要提供安全可控的数据共享机制，促进数据要素市场的发展。 数据中台建设实践与未来展望 数据中台不是一蹴而就的工程，需要循序渐进、持续优化。青岛啤酒的数据中台建设就经历了一个渐进式演进过程。从最初的数据集中管理，到引入AI能力，再到打造数据生态，每个阶段都有明确的目标和收益。 数据中台建设需要注意四个关键环节： 第一个环节是数据资产化。这是数据中台的基础工程。工商银行通过建立统一的数据标准和质量体系，实现了数据的可度量、可管理、可运营。他们开发了智能数据质量监控系统，覆盖9万多张表，数据质量达到99.9%。 第二个环节是能力平台化。数据中台不是简单的技术堆叠，而是要形成可复用的能力。字节跳动的火山引擎就是一个典型案例。他们将内部使用的数据和AI能力产品化，开放给外部企业使用，不仅创造了新的收入来源，还促进了技术的迭代优化。 第三个环节是服务化转型。数据中台要主动对接业务需求，提供场景化的解决方案。携程的智能客服平台通过整合订单数据、用户画像、知识图谱等能力，将客服问题的自动处理率提升到85%，极大提升了服务效率。 第四个环节是生态化发展。打通内外部数据壁垒，构建数据生态。蚂蚁集团的数据中台不仅服务于自身业务，还通过区块链技术实现了与金融机构的可信数据共享，助力普惠金融发展。 从建设经验来看，成功的数据中台项目都具备以下特点： 强调业务驱动。中台建设要从业务痛点出发，而不是一味追求技术先进性。某大型制造企业的数据中台就是从生产质量管控这个核心痛点切入，通过AI算法分析生产数据，将质量缺陷识别准确率提升到98%。 重视数据治理。数据质量是AI应用的生命线。华为在数据中台建设中投入了大量资源进行数据治理，建立了完整的数据管理体系，为后续的AI创新打下了坚实基础。 关注用户体验。数据中台要让使用者用得爽、用得好。美团的数据中台提供了丰富的可视化组件和低代码开发工具，显著降低了数据应用的开发门槛。 持续运营优化。数据中台是持续演进的过程，需要建立有效的运营机制。京东数科通过建立数据资产目录、举办数据创新大赛等方式，培养了良好的数据文化。展望未来，数据中台将迎来更大的发展机遇：大模型赋能。随着大模型技术的成熟，数据中台将获得更强大的认知能力。OpenAI最新发布的GPT-4已经展示了对结构化数据的出色理解能力，这将为数据分析带来革命性变化。边缘智能兴起。随着IoT设备的普及，边缘计算将成为数据中台的重要组成部分。华为预测，到2025年，全球将有75%的数据在边缘侧产生和处理。数据要素市场化。数据作为新型生产要素的地位日益凸显。工信部正在推动数据要素市场建设，这将为数据中台带来新的发展空间。 建设数据中台是一场持久战，需要企业在技术、组织、文化等多个维度持续发力。只有真正理解数据的价值，才能在数智化转型的浪潮中抢占先机。

来源（公众号）：大数据AI智能圈 深夜的银行数据中心，数据分析师小王揉了揉发酸的眼睛，72小时加班整理的客户数据清洗报告还在找bug。 隔壁工位基于DeepSeek系统的工作界面突然亮起，47分钟后，一份完整的数据清洗方案新鲜出炉，错误率还低了82%。这不是科幻电影场景，而是正在金融行业悄然上演的真实故事。 当人工智能开始读懂数据治理的门道，一场静悄悄的技术革命正在重塑商业世界的游戏规则。今天，让我们一起走进这个AI驱动的数据新世界。 数据治理遇上DeepSeek：AI引领的数据智能革命 某银行数据中心，凌晨3点。数据分析师小王正对着屏幕发愁，72小时加班整理的客户数据清洗报告还有漏洞。就在这时，他身边基于的DeepSeek系统亮起了绿灯—47分钟，一份完整的数据清洗方案新鲜出炉，错误率还低了82%。这不是科幻片场景，而是当下正在金融行业悄然发生的真实变革。 金融机构的反洗钱团队里，已经逐渐开始引入AI（DeepSeek）重写游戏规则。 面对每天2万条可疑交易预警，传统人工审核犹如大海捞针。DeepSeek分钟级完成了一场数据革命：系统自主分析8.6亿笔历史交易，识别出327个可疑特征，其中42个是人类从未发现的交易模式。 更令人惊叹的是，AI（DeepSeek）不是一个简单的规则执行者。它像一位经验丰富的数据侦探，能从看似普通的交易数据中，嗅出潜在风险。 一个典型案例：系统发现某批次凌晨3-5点的小额高频转账都来自新注册设备，立即提升了预警等级，最终协助银行提前23天发现了一起新型虚拟货币洗钱案件。 在零售行业，DeepSeek展现出更强大的商业智慧。某连锁超市引入DeepSeek后，不仅打通了86个业务系统的数据孤岛，更让促销决策有了"千里眼"。在春节前后，提前预测到某果礼盒的区域性需求激增，自动协调12个仓库完成调配，最终实现销售额同比增长275%。新技术带来新机遇，也催生新物种。传统数据分析师正在向"数据炼金师"进化，他们不再是简单的数据清洗工，而是数据价值的设计师。某银行设立的"AI训练师"岗位，晋升速度已经是传统岗位的3倍。 这场数据治理革命的本质，不是简单的效率提升，而是认知升级。AI（DeepSeek）正在改变数据治理的底层逻辑：从被动响应到主动预测，从规则驱动到智能认知，从单点治理到生态协同。 基本实现逻辑： DeepSeek API + RAG API + 数据（知识库）+ 需求Coding 智能数据治理的破局之道 制造业车间里，AI（DeepSeek）正在改写生产效能的新定义。 某工厂的设备数据原本就像散落的珍珠，虽然珍贵却难以串联。AI（DeepSeek）上线不久，自动发现的异常模式数量达到初期设定的13倍，设备效能提升40%。机器设备的"健康档案"不再是静态的数据表格，而成了智能预测的实时战报。 更令人瞩目的是政务领域的数字化蝶变。某市平台借助AI（DeepSeek），将56个部门的数据治理流程编织成一张智能服务网。群众办事从"跑断腿"到"一网通办"，审批效率提升6倍。数据不再是冰冷的代码，而是温暖的服务触点。 券商交易室里，AI（DeepSeek）绘制的"市场异常波动关联图"成了风控会议的制胜法宝。快消品公司用它模拟不同营销方案，新品上市成功率从35%跃升至68%。城市交通管理部门基于它的实时数据分析，动态调整信号灯配时，早高峰拥堵指数下降27%。 这种智能化转型不是简单的工具替换，而是思维模式的进化。 某科技公司CDO说："最理想的数据治理，是让用户感受不到治理的存在，却能享受到精准数据服务带来的无形之美。"在这场数字化浪潮中，AI（DeepSeek）正在重塑数据治理的未来图景：从被动防御到主动进化，从单点突破到全域赋能，从工具应用到决策伙伴。它不仅是数据治理的智能助手，更是数字时代的创新引擎。当AI开始深刻理解数据治理的精髓，人类的角色正在向更高维度跃迁。未来已来，拥抱变革者，方能御风而行。