2026全球数据管理峰会·政务和大型国企数据实践分论坛｜基于公共数据授权运营模式下的数据跨域融合创新实践
视频简介
以苏州市场监管局实践为例，面对政务数据 “可用不可见” 约束，依托 22 亿条监管数据底座，借鉴外贸保税区思路，提出三域协同架构，运用隐私计算、联邦学习实现政务与社会数据可信融合，落地企业风控、个体工商户信贷场景，探索可信数据要素运营路径。
视频内容
苏州市市场监管局副处长周晔参与了 2026 全球数据管理峰会中由龙石数据和DAMA联合承办的政务和大型国企分论坛，分享了政务数据在“不出域、可用不可见”约束下的授权运营实践，以下是分享内容。
一、“供不出数”的现实困境
现在有一个现象：供不出数。事实上不是不愿意供，确实有问题。
苏州市市场监管局的做法，就是从这些具体问题出发，一步步走出来的。
二、机构改革之后的数据聚集
2019年机构改革之后成立的市场监管局，是一个职能非常大的局，网上戏称“宇宙局”——什么都管。职能增加带来的直接结果，就是数据大量聚集。
这个局从来不缺数据资源。而这些数据，被很多部门、社会机构和企业所需求。
三、一个银行征信需求的办理过程
早期有一家银行提出，在征信上需要一块数据。征信是信贷的前置必要步骤，靠的是信用，不是抵押贷款。
这个环节需要核实三件事：行政处罚、是否有劣迹、有没有投诉。就是这么简单的一件事，却要走很多流程。而且不是一件事走一遍，是每一次、每一家单位都要走一遍。等流程起码两周走完，银行说这个事不干了，企业说我已经活不下去了。
说到底，就是一个“等不起”的问题。
除了银行，这样的场景还有很多：
· 保险。前期推行了食品安全责任险、特种设备责任险等责任险，每一张保单都需要数据来证明。
· 产业招商。服务高质量发展，需要挖掘有潜力的企业。
· 平台企业。商家入驻平台时，需要核验主体责任。
· 百姓生活。大众点评筛选推荐商户，靠的是口碑；而监管部门的权威数据，是另一个维度。
· 风险预判。领导经常问的一件事是：能不能在风险发生之前，就知道哪个地方有风险。
这些其实是一个共性问题。
四、政务数据共享的两条硬约束
一方面，有加快公共数据资源利用的要求；另一方面，有政务数据不出域、数据可用不可见的硬性约束。擅自把政务数据拿出去，就要承担相应的安全责任。这条突破不了。
这不是一个部门的问题，是全国政务部门共同的问题。
五、22亿条数据与一套治理体系
先看做了什么、有多少数据。
数据治理体系。从2019年局成立起就开始搭建，包括标准技术管理、数据资源目录、分级分类、数据质量闭环，其中数据质量这一块主要依托龙石数据的支持。技术架构从一开始走的就是原生数据仓库模式——用数仓归集所有数据，作为数据底座。
企业档案。以统一社会信用代码为主键，归集市场监管各个方面的信息，形成“一企一档”的企业画像。苏州法人库由市场监管部门承担建设，除了经营主体、市场主体，还包括编办、民政、司法等一系列所有拥有统一社会信用代码的主体。
三条数据路径。
第一条是政务域内部的共享：所有数据都给基层、给苏州所有板块、给50多个部门，按场景、按需要提供，全部基于市里统一的共享平台。
第二条是开放，依托市里共有的开放平台。开放做到什么程度？平台上有一张二维坐标图，横轴是数据开放的类别，纵轴是数据开放的量，全市市级局办的点都挤在坐标原点附近；只有一个局孤零零地悬在原点斜对面——市场监管。套用华为的一句话，叫“遥遥领先”，而且这么多年一直保持。
第三条是公共数据授权运营，这几年才开始做。授权运营和数据开放不一样：开放是单向的，想开什么就开什么，想什么时候更新就什么时候更新，主体是政府；授权运营更像谈一笔生意——你要什么场景、用什么数据，我有，双方可以合作。去年年底，苏州落地了首单公共数据授权运营场景。
数据量。数仓归集22亿条数据，14大类、72小类，涵盖市场监管所有领域；法人库有960多项标签，都是日常业务中积累起来的；开放数据集依托平台发布了258项，基本应开尽开——除了涉及个人敏感信息和明确规定不能开放的事项，其他都开放。首单的方向，是个体工商户分型分类数据。
六、政务数据为什么必须与社会数据融合
既然有这么多数据，为什么还要和社会数据融合？
因为政务数据往往是静态的。企业来办一张营业执照、办一个许可，系统里就认为它在经营；但事实上它是否真正在经营，并不知道。这个答案在社会数据里。所以政务数据一定要和社会数据融合，才能发挥价值。
矛盾也随之而来：我们的数据不能出去，社会数据也不愿意进来。哪个企业愿意把数据直接交给政府？直接交意味着两件事——第一，你受监管，干什么事都被知道；第二，数据脱离了你的域，可能带来数据安全问题。于是两边碰不到一起。
分析下来是三个问题：
一是时效性，就是前面说的等不起；
二是技术，即便用了隐私计算这类技术，对方依然看不到原始数据，在授权运营的模式下，路径上仍有一些难题；
三是计量，凭什么要做这件事、对我们有什么好处——产出22亿条数据、全部提供给各方，得到了什么？企业贡献自己的数据，为监管服务、为社会造福，又有什么好处？
七、“数据保税区”思路的形成
这个问题研究、思考了很久。有一次开会谈到这里，忽然想到：既然数据出不去，那就不出去了，在一个域里面完成加工。
为说明这个思路，可以借用“外贸保税区”的概念：原料不入境，区内保税加工，成品才出区，海关全程接管。公共数据授权运营完全可以对标这套逻辑。
对应下来的架构是三域协同：政务域放原始数据；运营域就是保税区的加工区，所有数据在里面加工；社会域负责把产品、结果输出。这是目前比较通用的一种模式。
支撑这套模式的是四个机制：
1. 准入机制。需要一套授权运营的审批手续。手续依然复杂，但好在速度很快，因为有上位法的支持。
2. 加工开发机制。明确主体、明确手段、有基础设施支撑，这一块已经比较成熟。
3. 可计量机制。有了数据资源交易、数据资源产权登记确权，逐渐有了规矩，大家就开始有动力。
4. 全程稽查和监管机制。通过区块链上链存证。
对应到本次会议的主题，其实就是数据访问控制、数据质量管理、数据价值评估、数据安全审计这四个维度。
八、场景一：与商查平台的联合风控
举两个场景，一个“出去”、一个“进来”。
先看“进来”。合作对象是“三查一宝”这类商查平台。对方需要市场监管部门的数据，市场监管部门也需要对方的数据——这边是静态数据，那边是动态数据，需要融合。
但谁都不愿意把自己的数据拿出去：监管部门不能拿到外面，平台方也不能拿进来。现在的做法是两边独立加工：先谈好一套共同遵守的规则，双方各自按这套规则计算。
比如一个命题：从年报零申报的主体中，筛选出实际存在异常风险的企业，用于加强精准监管。市场监管部门与商查平台商定一个共同目标，基于这个目标、同一套规则，双方各自计算，各自输出一份风险企业名单。
名单本身也不能交换。一旦把名单交给商查平台，对方就知道监管部门在查谁；商查平台把名单交过来，也涉及私自提供互联网数据、社会数据，没有授权，存在风控风险。
技术上有两种汇聚方式：数据层面的隐私求交，模型层面的联邦学习——把双方的参数放到一起做联邦学习，最终融成一套整体参数，联合输出结果。这样谁也不知道对方名单的具体内容，但结果可以支撑精准监管。
九、场景二：个体工商户分型分类数据与农业银行
另一个方向是政务数据出域形成的产品。
需求方是农业银行，要做征信环节的风控。原来靠尽职调查、靠人跑面调。现在把个体工商户分型分类数据给到银行之后，先做一次筛选，银行再基于筛选结果，对发展型主体优先提供信贷支持，作业量减轻了很多。
这个场景的成效：精准监管场景下，问题发现率增加了34%；检查对象从原来的2,800户缩减到1,500户，缩减比例46%；模型覆盖的计算基数是苏州全部103万户企业。
十、三点体会与待解问题
第一，制度先行。所有事一定要有规矩，没有规矩不敢干，政务领域尤其如此。
第二，场景牵引。没有场景牵引，做出来就是自娱自乐，解决不了实际问题。
第三，安全内嵌。所有设计都基于风控展开。
还在路上的有几件事：定价和权益分配尚未完全跑通，还要取决于财政等方面；跨区域互认，现在想做长三角，再往华东乃至全国推，更大的难点在于“共同体”怎么谈；此外还有运营主体的能力建设。
十一、结语：让数据在流动中依然受控
今天所做的，只是单一领域的数据“保税区”案例。如果它能形成跨区域、跨部门的互认，统一的规范和统一的机制，那其实就是未来国家所倡导的可信数据空间网络的一整套打法。
政务数据是最权威的，也是各行业都需要的高价值数据。能够出域、能够为大家所用，是要做的事；反过来，如何与社会数据、企业数据、互联网数据等外部数据融合，也是共同的命题。
两句话作为总结：最好的安全，不是把数据锁起来不给大家用，而是让数据在流动当中依然受控；让数据在可信中流动，让价值在融合中生长。
不出域的政务数据，同样希望成为数据要素当中的一个基础设施。
