《計算機行業數據要素系列報告：數據驅動未來行業案例深度分析-241213（41頁）.pdf》由會員分享，可在線閱讀，更多相關《計算機行業數據要素系列報告：數據驅動未來行業案例深度分析-241213（41頁）.pdf（41頁珍藏版）》請在三個皮匠報告上搜索。

1、 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 Table_Info1 計算機計算機 Table_Date 發布時間：發布時間：2024-12-13 Table_Invest 優于大勢優于大勢 上次評級:優于大勢 Table_PicQuote 歷史收益率曲線 Table_Trend 漲跌幅（%）1M 3M 12M 絕對收益-1%69%9%相對收益 0%42%-8%Table_Market 行業數據 成分股數量（只）337 總市值（億）44,679 流通市值（億）38,230 市盈率（倍）135.80 市凈率（倍）4.15 成分股總營收（億）11,812 成分股總凈利潤（億）318

2、成分股資產負債率（%）42.31 相關報告 AI 軟硬交替上漲，關注國內領先公司-20241208 數據要素動作不斷，AI+醫療&教育成下一階段重點-20241202 AI 輔助診療納入醫保范圍，醫保+商保聯動踏出歷史性一步-20241124 AI 應用逐漸開花，國內廠商彎道超車-20241117 Table_Author 證券分析師：吳源恒證券分析師：吳源恒 執業證書編號：S0550522100004 15767875282 Table_Title 證券研究報告/行業深度報告 數據驅動未來數據驅動未來：行業案例深度分析：行業案例深度分析-數據要素系列報告數據要素系列報告 報告摘要：報告摘要：

3、Table_Summary 在數字經濟時代，數據作為新型生產要素，正被加速應用于千行百業在數字經濟時代，數據作為新型生產要素，正被加速應用于千行百業。從宏觀經濟的角度來看，數據作為經濟增長的一個關鍵因素。數據通過提高配置效率、規模效率和技術效率提升全要素生產率，推動經濟增長。常見的在風險管理、精準營銷、產品創新和成本控制等方面，數據要素對企業、行業乃至整個經濟體的運作效率有著顯著的正面影響，它提升了國家的經濟效益和國民生產總值。2023 年，我國數據經濟貢獻度為 2.05%，比 2022 年增長 0.99 個百分點。數據應用正在推動行業革新，在工業制造、現代農業、交通運輸、金融服務、醫療健康、

4、綠色低碳等行業形成數據賦能路徑，其中第一產業、第二產業、第三產業數據經濟貢獻度分別為 1.01%、1.96%、2.43%，數據驅動經濟增長能力初步顯現。作為數字經濟中的核心和關鍵生產要素，數據在數字經濟的發展過程中扮演著貫穿始終的角色，它與其他生產要素相結合，不斷迭代，加速融合，引發生產要素在多個領域、多個維度上的系統性、革命性的集體突破。數據要素通過對下游場景賦能，數據要素通過對下游場景賦能，以乘數效用以乘數效用提高整體的生活、生產、治提高整體的生活、生產、治理的效率。理的效率。通俗的來說，乘數作用就是一個變量的作用逐步放大，產生一種類似鏈式反應的效果。從對社會的效用來看，數據要素的開放能提

5、高生產力；創造新的產業生態；提高科學研究的速度、效率和范圍；提高社會的公平性；推動更好地公共服務從而為社會創造更大的價值。從數據要素的要素屬性來看，數據要素可以直接投入信息生產創造價值；生產中的要素替代與節約，降低要素總投入量；以及與生產中的其他要素融合所達到進一步的價值共創。數據作為新型生產要素，既能直接通過流通交易創造價值，又與其他生產要素融合，降低交易成本，形成規模經濟和范圍經濟，以配置效率、規模效率和技術效率提升全要素生產率，賦能新質生產力，從而推動經濟增長。由于整個行業仍處于發展初由于整個行業仍處于發展初期，目前并未形成較好的賺錢效應，但是目前已產生較多商業模式雛形，期，目前并未形成

6、較好的賺錢效應，但是目前已產生較多商業模式雛形，這些雛形在經歷這些雛形在經歷 0-1 的商業模式驗證后，我們認為其有希望在政策的保的商業模式驗證后，我們認為其有希望在政策的保駕護航下快速發展。駕護航下快速發展。展望未來，數據要素對各行業的影響必將進一步擴大展望未來，數據要素對各行業的影響必將進一步擴大。在制造業領域，關注點集中在智能化生產、供應鏈優化和產品質量控制等關鍵環節，重點推動大數據、人工智能、物聯網等新技術在設備故障預測、庫存優化、質量追蹤等方面的應用。在服務業領域，重點推動數據在優化客戶體驗、自動化服務流程、個性化推薦、精準預測市場趨勢等方面的規范應用。農業、交通、電力領域則聚焦于精

7、準作業、資源節約型作業和產品追溯等新領域，加強數據應用。數據要素的使用不受任何個人偏好的約束，能夠服務于所有行業和活動，這也是國家層面大力推進“數據要素”行動的根本原因，建議關注各類有能力將優質數據變現的公司。建議關注各類有能力將優質數據變現的公司。風險提示：風險提示：數據要素行業發展不及預期、宏觀經濟增長不及預期 Table_CompanyFinance -50%-40%-30%-20%-10%0%10%20%30%計算機滬深300 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 2/41 計算機計算機/行業深度行業深度 目錄目錄 1.數據要素正被加速應用于千行百業數據要素正被加速

8、應用于千行百業.4 2.數據要素數據要素 X 金融金融.11 2.1.案例案例 1 反詐：數據要素在電信反欺詐中的應用反詐：數據要素在電信反欺詐中的應用.13 2.2.案例案例 2 信貸：搭建普惠金融綜合服務平臺破解中小微企業融資難點問題信貸：搭建普惠金融綜合服務平臺破解中小微企業融資難點問題.14 2.3.案例案例 3 離岸貿易：優化跨境數據流動規制，以實現高水平安全和高質量發展的平衡離岸貿易：優化跨境數據流動規制，以實現高水平安全和高質量發展的平衡.16 3.數據要素數據要素 X 醫療醫療.17 3.1.案例案例 4 服務平臺：醫療健康保險大服務平臺：醫療健康保險大數據服務平臺數據服務平臺

9、.19 3.2.案例案例 5 AI 醫療：助力醫療健康數據融合應用醫療：助力醫療健康數據融合應用 全面提升基層醫療服務能力全面提升基層醫療服務能力.20 3.3.案例案例 6 數據共享：基于臨床試驗的醫療數據共享和流通平臺數據共享：基于臨床試驗的醫療數據共享和流通平臺.22 3.4.案例案例 7 直聯快賠：商保智能化理賠服務平臺直聯快賠：商保智能化理賠服務平臺.23 4.數據要素數據要素 X 交通交通.25 4.1.案例案例 8 征信：公路交通數據產品跨界賦能中小微金融征信：公路交通數據產品跨界賦能中小微金融.26 4.2.案例案例 9 自動駕駛：公路交通數據產品跨界賦能中小微金融自動駕駛：公

10、路交通數據產品跨界賦能中小微金融.28 4.3.案例案例 10 二手車交易：二手車交易：大數據大數據+人工智能評估定人工智能評估定價價.31 5.數據要素數據要素 X 電力電力.32 5.1.案例案例 11 低碳：數據賦能能源行業綠色低碳轉型低碳：數據賦能能源行業綠色低碳轉型.33 6.數據要素數據要素 X 農業農業.35 6.1.案例案例 12 助農：數據賦能能源行業綠色低碳轉型助農：數據賦能能源行業綠色低碳轉型.36 7.投資建議投資建議.38 8.風險提示風險提示.39 圖表目錄圖表目錄 圖圖 1：2021-2023 年我國第一、第二、第三產業及整體數據經濟貢獻度年我國第一、第二、第三產

11、業及整體數據經濟貢獻度.4 圖圖 2：企業數據要素市場化配置示意圖：企業數據要素市場化配置示意圖.8 圖圖 3：數據要素市場分類：數據要素市場分類.9 圖圖 4：數據要素價值釋放路徑：數據要素價值釋放路徑.10 圖圖 5：國內金融科技行業產業鏈：國內金融科技行業產業鏈.11 圖圖 6：金融業交易的數據產品種類分布：金融業交易的數據產品種類分布.12 圖圖 7：數據采購項目數量子行業分布：數據采購項目數量子行業分布.12 圖圖 8：數據采購金額子行業分布）：數據采購金額子行業分布）.12 圖圖 9：中國工商銀行聯邦學習技術方案路線圖：中國工商銀行聯邦學習技術方案路線圖.13 圖圖 10：中國工商

12、銀行電信反欺詐業務場景處理流程圖中國工商銀行電信反欺詐業務場景處理流程圖.14 圖圖 11：西藏自治區普惠金融綜合服務平臺“藏金普惠”：西藏自治區普惠金融綜合服務平臺“藏金普惠”.15 圖圖 12：公共數據授權運營相關政策發展情況：公共數據授權運營相關政策發展情況.16 圖圖 13：“離岸易”數據產品功能：“離岸易”數據產品功能.17 圖圖 14：醫療數據要素閉環：醫療數據要素閉環.18 圖圖 15：商業健康保險大數據服務平臺整體架構：商業健康保險大數據服務平臺整體架構.20 圖圖 16：AI 臨床輔助決策支持服務臨床輔助決策支持服務.21 圖圖 17：臨床輔助決策支持監管：臨床輔助決策支持監

13、管.22 圖圖 18：上海數產醫療數據要素流通閉環上海數產醫療數據要素流通閉環.23 圖圖 19：上海數產基于臨床試驗的醫療數據流通和共享平臺業務架構：上海數產基于臨床試驗的醫療數據流通和共享平臺業務架構.23 圖圖 20：基于醫療收費電子票據的商保智能化理賠服務平臺：基于醫療收費電子票據的商保智能化理賠服務平臺.24 圖圖 21：智慧交通基本架構：智慧交通基本架構.25 圖圖 22：金潤“高速通”功能示例：金潤“高速通”功能示例.26 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 3/41 計算機計算機/行業深度行業深度 圖圖 23：嵐圖智能駕駛數據采集和流通的系統解決方案：嵐圖

14、智能駕駛數據采集和流通的系統解決方案-總體方案總體方案.29 圖圖 24：嵐圖車端采集數據事例：嵐圖車端采集數據事例.29 圖圖 25：嵐圖云數據中臺數據管理示例：嵐圖云數據中臺數據管理示例.30 圖圖 26：二手車智能評估定價流程：二手車智能評估定價流程.31 圖圖 27：智能電網產業鏈：智能電網產業鏈.32 圖圖 28：電力企業數據要素轉型的痛難點：電力企業數據要素轉型的痛難點.33 圖圖 29：能源數據目錄：能源數據目錄.34 圖圖 30：某：某 10kV-200kVA 油浸式配電變壓器碳足跡核算油浸式配電變壓器碳足跡核算.34 圖圖 31：農業數據采集及價值鏈：農業數據采集及價值鏈.3

15、5 圖圖 32：農小云系統架構圖：農小云系統架構圖.36 圖圖 33：數據流轉示意圖：數據流轉示意圖.37 表表 1：國家各部委數據要素相關最新政策列表：國家各部委數據要素相關最新政策列表.4 表表 2：數據要素市場分類及特征：數據要素市場分類及特征.9 表表 3：“高速通”產品功能介紹：“高速通”產品功能介紹.27 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 4/41 計算機計算機/行業深度行業深度 1.數據要素數據要素正被加速應用于千行百業正被加速應用于千行百業 在數字經濟時代，數據作為新型生產要素，正被加速應用于千行百業在數字經濟時代，數據作為新型生產要素，正被加速應用于千

16、行百業。從宏觀經濟的角度來看，數據作為經濟增長的一個關鍵因素。數據通過提高配置效率、規模效率和技術效率提升全要素生產率，推動經濟增長。常見的在風險管理、精準營銷、產品創新和成本控制等方面，數據要素對企業、行業乃至整個經濟體的運作效率有著顯著的正面影響，它提升了國家的經濟效益和國民生產總值。2023 年，我國數據經濟貢獻度為 2.05%，比 2022 年增長 0.99 個百分點。數據應用正在推動行業革新，在工業制造、現代農業、交通運輸、金融服務、醫療健康、綠色低碳等行業形成數據賦能路徑，其中第一產業、第二產業、第三產業數據經濟貢獻度分別為 1.01%、1.96%、2.43%，數據驅動經濟增長能力

17、初步顯現。作為數字經濟中的核心和關鍵生產要素，數據在數字經濟的發展過程中扮演著貫穿始終的角色，它與其他生產要素相結合，不斷迭代，加速融合，引發生產要素在多個領域、多個維度上的系統性、革命性的集體突破。圖圖 1：2021-2023 年我國年我國第一、第二、第三產業及整體第一、第二、第三產業及整體數據經濟貢獻度數據經濟貢獻度 數據來源：中國信通院，東北證券 宏觀看，數據要素市場化配置是建設統一開放、競爭有序市場體系的內在要求。宏觀看，數據要素市場化配置是建設統一開放、競爭有序市場體系的內在要求。在2019 年，中國共產黨第十九屆中央委員會第四次全體會議首次將數據納入生產要素范疇，這標志著數據要素市

18、場化配置改革的開始。到了 2022 年 12 月，中共中央和國務院聯合發布了 關于構建數據基礎制度更好發揮數據要素作用的意見，其中明確了加快建立數據基礎制度體系的目標，并從數據產權、流通交易、收益分配、安全治理等多個維度提出了二十項政策措施，為數據要素市場的健康發展奠定了堅實的政策基礎。國家數據局的成立進一步加強了對數據要素市場建設的統籌協調工作，為數據資源國家數據局的成立進一步加強了對數據要素市場建設的統籌協調工作，為數據資源的整合、共享和開發利用提供了強有力的組織保障。的整合、共享和開發利用提供了強有力的組織保障。在政策的引導和支持下，數據要素市場的規范化和規?；l展將得到有效推動，這將為

19、數字經濟的高質量發展注入新的動力。表表 1：國家各部委數據要素相關最新政策列表國家各部委數據要素相關最新政策列表 部委名稱部委名稱 政策名稱 時間 中共中央、中共中央、國務院國務院 關于構建更加完善的要素市場化配置體制機制的意見 2020 年 4 月 9 日 關于構建數據基礎制度更好發揮數據要素作用的意見 2022 年 12 月 19 日 數字中國建設整體布局規劃 2023 年 2 月 27 日 0.83%0.07%0.16%1.07%1.06%0.32%0.65%1.69%2.05%1.01%1.96%2.43%0.00%0.50%1.00%1.50%2.00%2.50%3.00%數據整體貢

20、獻度第一產業第二產業第三產業202120222023 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 5/41 計算機計算機/行業深度行業深度 黨和國家機構改革方案 2023 年 3 月 16 日 中共中央辦中共中央辦公廳、國務公廳、國務院辦公廳院辦公廳 關于加快公共數據資源開發利用的意見 2024 年 9 月 21 日 國務院國務院 網絡數據安全管理條例 2024 年 9 月 30 日 工業和信息工業和信息化部化部 加強車聯網網絡安全和數據安全工作 2021 年 9 月 15 日 車聯網網絡安全和數據安全標準體系建設指南 2022 年 3 月 14 日 工業和信息化領域數據安全管理

21、辦法（試行）2022 年 12 月 8 日“十四五”大數據產業發展規劃 2021 年 11 月 15 日 關于工業大數據發展的指導意見 2020 年 4 月 28 日 工業數據分類分級指南（試行）2020 年 2 月 27 日 新型數據中心發展三年行動計劃（2021-2023 年）2021 年 7 月 4 日 關于促進數據安全產業發展的指導意見 2023 年 1 月 3 日 數據安全行政處罰裁量指引（試行）征求意見稿 2023 年 11 月 23 日 工業領域數據安全標準體系建設指南（2023 版）2023 年 12 月 19 日 工業領域數據安全能力提升實施方案（20242026年）2024

22、 年 2 月 23 日 工業和信息化領域數據安全風險評估實施細則（試行）2024 年 5 月 10 日 物聯網標準體系建設指南（2024 版）2024 年 7 月 22 日 關于推動新型信息基礎設施協調發展有關事項的通知 2024 年 8 月 19 日 國家發展改國家發展改革委革委 關于加快構建全國一體化大數據中心協同創新體系的指導意見 2020 年 12 月 23 日 公共資源交易平臺系統林權交易數據規范 2020 年 7 月 17 日 全國一體化大數據中心協同創新體系算力樞紐實施方案 2021 年 5 月 24 日 數字經濟促進共同富裕實施方案 2023 年 12 月 23 日 關于深入實

23、施“東數西算”工程 加快構建全國一體化算力網的實施意見 2023 年 12 月 25 日 數字經濟 2024 年工作要點 2024 年 4 月 29 日 關于深化智慧城市發展 推進城市全域數字化轉型的指導意見 2024 年 5 月 14 日 國家數據標準體系建設指南 2024 年 9 月 25 日 公共數據資源登記管理暫行辦法（公開征求意見稿）2024 年 10 月 12 日 財政部財政部 企業數據資源相關會計處理暫行規定 2023 年 8 月 1 日 關于開展中小企業數字化轉型城市試點工作 2023 年 6 月 13 日 關于加強數據資產管理的指導意見 2023 年 12 月 31 日 關于

24、加強行政事業單位數據資產管理的通知 2024 年 2 月 5 日 會計師事務所數據安全管理暫行辦法 2024 年 4 月 15 日 關于 2024 年中小企業數字化轉型城市試點工作的通知 2024 年 4 月 30 日 關于支持引導公路水路交通基礎設施數字化轉型升級的通知 2024 年 5 月 1 日 關于節能節水、環境保護、安全生產專用設備數字化智能化改造企業所得稅政策的公告 2024 年 7 月 12 日 市政基礎設施資產管理辦法（試行）2024 年 7 月 23 日 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 6/41 計算機計算機/行業深度行業深度 中國資產評中國資產評估

25、協會估協會 數據資產評估指導意見 2023 年 9 月 8 日 中央網絡安中央網絡安全和信息化全和信息化委員會辦公委員會辦公室室/國家互聯國家互聯網信息辦公網信息辦公室室 促進和規范數據跨境流動規定 2024 年 3 月 22 日 個人信息保護合規審計管理辦法（征求意見稿）2023 年 8 月 3 日 個人信息出境標準合同辦法 2023 年 2 月 22 日 數據出境安全評估辦法 2022 年 7 月 7 日 汽車數據安全管理若干規定（試行）2021 年 8 月 16 日 數字中國發展報告（2022 年）2023 年 4 月 27 日 2024 年數字鄉村發展工作要點 2024 年 5 月 1

26、5 日 信息化標準建設行動計劃（20242027 年）2024 年 5 月 29 日 數字化綠色化協同轉型發展實施指南 2024 年 8 月 24 日 國家數據局國家數據局 “數據要素”三年行動計劃（20242026 年）2023 年 12 月 31 日 數字社會 2024 年工作要點 2024 年 4 月 24 日 數字中國建設 2024 年工作要點清單 2024 年 5 月 21 日 數字中國發展報告（2023 年）2024 年 5 月 24 日 關于促進數據產業高質量發展的指導意見（征求意見稿）2024 年 9 月 27 日 關于促進企業數據資源開發利用的意見（征求意見稿）2024 年

27、9 月 27 日 公共數據資源授權運營實施規范（試行）（公開征求意見稿）2024 年 10 月 12 日 國家市場監國家市場監督管理總局督管理總局 數據安全管理認證實施規則 2022 年 6 月 5 日 國家知識產國家知識產權局權局 關于確定數據知識產權工作試點地方的通知 2023 年 12 月 21 日 交通運輸部交通運輸部 交通運輸政務數據共享管理辦法 2021 年 4 月 6 日 關于深化汽車維修數據綜合應用有關工作的通知 2021 年 12 月 10 日 關于推進公路數字化轉型加快智慧公路建設發展的意見 2023 年 9 月 20 日 關于加快智慧港口和智慧航道建設的意見 2023 年

28、 11 月 24 日 商務部商務部 關于實施數字消費提升行動的通知 2024 年 4 月 9 日 數字商務三年行動計劃（2024-2026 年）2024 年 4 月 26 日 人力資源社人力資源社會保障部會保障部 加快數字人才培育支撐數字經濟發展行動方案（20242026 年）2024 年 4 月 2 日 國家廣播電國家廣播電視總局視總局 廣播電視和網絡視聽大數據標準白皮書（2020 版）2020 年 8 月 25 日 國家航天局國家航天局 國家民用衛星遙感數據國際合作管理暫行辦法 2022 年 4 月 11 日 中國氣象局中國氣象局 氣象數據要素市場化配置機制建設工作方案（20242025

29、年）2024 年 1 月 18 日“氣象數據要素”三年行動實施方案（20242026年）2024 年 5 月 22 日 文化和旅游文化和旅游部部 關于進一步加強政務數據有序共享工作的通知 2022 年 8 月 4 日 智慧旅游創新發展行動計劃 2024 年 5 月 6 日 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 7/41 計算機計算機/行業深度行業深度 國家醫療保國家醫療保障局障局 關于加強網絡安全和數據保護工作的指導意見 2021 年 4 月 6 日 中國民用航中國民用航空局空局 關于民航大數據建設發展的指導意見 2022 年 10 月 9 日 關于落實數字中國建設總體部署

30、 加快推動智慧民航建設發展的指導意見 2023 年 7 月 3 日 民航數據管理辦法（征求意見稿）民航數據共享管理辦法（征求意見稿）2024 年 6 月 4 日 住房和城鄉住房和城鄉建設部建設部 房屋建筑統一編碼與基礎屬性數據標準 2022 年 4 月 20 日 自然資源部自然資源部 關于規范重要地理信息數據審核公布管理工作的通知 2020 年 3 月 12 日 國土空間用途管制數據規范（試行）2021 年 7 月 2 日 市級國土空間總體規劃數據庫規范（試行）2021 年 3 月 29 日 自然資源三維立體時空數據庫建設總體方案 2021 年 2 月 8 日 新一代地理信息公共服務平臺（天地

31、圖）建設總體實施方案 2024 年 2 月 27 日 自然資源領域數據安全管理辦法 2024 年 3 月 22 日 自然資源部關于保護和永續利用自然資源扎實推進美麗中國建設的實施意見 2024 年 8 月 5 日 數據來源：各部委官網，東北證券 微觀看，數據要素市場化配置是企業實現利益最大化的必然選擇。微觀看，數據要素市場化配置是企業實現利益最大化的必然選擇。如果將企業視為一個微觀實體，我們可以將其掌握的數據資源劃分為三個主要類別：不可共享數據、企業內部使用數據以及其他數據。不可共享數據：不可共享數據：包括敏感數據和無效數據。敏感數據通常包含企業的商業機密，是企業不愿意公開的信息，例如風險管理

32、數據和網絡架構數據；無效數據則是指沒有實際使用價值的數據。企業內部使用數據企業內部使用數據：指的是企業用于自身決策和管理的數據，比如通過監控和分析企業運營數據（包括生產設備數據、供應鏈數據和人力資源數據等），來識別生產和經營過程中的問題和瓶頸，并據此采取改進措施。其他數據其他數據：則既不涉及安全問題，對企業也沒有直接用途。在十九屆四中全會將“數據”定位為生產要素之前，我國已經通過國家大數據戰略，引導企業對數據的開發和應用進行了深入探索。在在 2019 年之前，企業主要集中于提升企業內部使用年之前，企業主要集中于提升企業內部使用內部內部的能力，擴大可用數據的的能力，擴大可用數據的規模，并提高這些

33、數據的價值。規模，并提高這些數據的價值。然而，由于技術能力、數據管理能力不足，以及數據的數量和質量問題，企業在內部數據的開發和應用上受到了限制。同時，隨著企業數字化轉型的推進，對數據的需求也在增加，出現了數據需求的缺口，即下圖中所示的 Da 和 Db。因此，企業急需通過數據要素的市場化配置，將自身多余的數據變現，同時從市場中獲取所需的數據。數據要素市場化配置有效地解決了企業日益數據要素市場化配置有效地解決了企業日益增長的數據需求與富余數據生產力供給不足之間的矛盾。增長的數據需求與富余數據生產力供給不足之間的矛盾。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 8/41 計算機計算機/

34、行業深度行業深度 圖圖 2：企業數據要素市場化配置示意圖企業數據要素市場化配置示意圖 數據來源：中國信通院，東北證券 不同的交易關系、競爭關系或合作關系形成不同的市場結構，不同的市場結構決定不同的交易關系、競爭關系或合作關系形成不同的市場結構，不同的市場結構決定了企業行為和市場運行方式，引導著市場進入、定價、交易等決策。了企業行為和市場運行方式，引導著市場進入、定價、交易等決策。競爭程度可以看出企業為取得較好的市場條件、獲得更多資源而形成的市場關系，競爭程度可以看出企業為取得較好的市場條件、獲得更多資源而形成的市場關系，通過市場中買者和賣者的數量以及產品差別的大小等來分析市場結構。通過市場中買

35、者和賣者的數量以及產品差別的大小等來分析市場結構。主要有兩類：一類偏壟斷型一類偏壟斷型，這類企業可以獨自控制或者與少數企業一起控制某一市場。數據要素市場中，偏壟斷型的市場結構主要集中于公共數據、平臺數據等。其中，公共數據的持有者是政府及公共事業單位，對數據具備較強的控制和管理能力；平臺數據的壟斷性是由其龐大用戶數量形成規模經濟效益催生的。一類偏競爭型一類偏競爭型，這類企業需要同時爭奪同一市場。數據要素市場中，偏競爭型的市場結構主要集中于數據服務企業、小微企業等。其中，數據服務企業數目眾多，商業化程度高，提供和銷售有差別的數據服務，競爭性強；小微企業規模比較小，進入和退出一個數據要素市場比較容易

36、，其交易行為對市場的影響也較小。在一個趨向競爭型的市場環境中，企業會通過價格、提高服務質量、推出創新產品等舉措吸引客戶并保持競爭優勢，有利于促進資源的有效配置、推動技術創新、提高產品質量，通常更有利于經濟發展和社會福利提升。交易成本指交易活動的參與者為達成交易而發生的直接消耗，如信息搜尋費用、交交易成本指交易活動的參與者為達成交易而發生的直接消耗，如信息搜尋費用、交易談判費用、質量測量和價值評估費用、合同履行費用等。易談判費用、質量測量和價值評估費用、合同履行費用等。交易成本與市場密切相關，可以影響市場運作效率及參與者決策。交易成本高的商品包括涉及法律或監管要求的、低流動性的、個性化定制的商交

37、易成本高的商品包括涉及法律或監管要求的、低流動性的、個性化定制的商品等。品等。數據要素市場中，交易成本相對較高的市場主要是涉及數據安全、商業機密及個人隱私等強監管的數據，及流動壁壘較高的數據類型。強監管性數據一般由于數據保護法規，數據安全和隱私泄漏風險而導致交易成本較高。如，公安數據存在嚴格的數據保護法規和隱私法規，其數據的流通和處理必須符合特定的標準和程序。低流動性數據往往由于技術壁壘、利益保護等因素形成數據孤島。如，由于數據格式不兼容、數據接口不開放、數據標準不統一等技術因素，導致工業數據共享和交換較為困難。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 9/41 計算機計算機/

38、行業深度行業深度 交易成本低的商品一般標準化程度較高，有專門的交易市場，供需雙方匹配相交易成本低的商品一般標準化程度較高，有專門的交易市場，供需雙方匹配相對容易。對容易。如，金融行業存在大量的信息交換和共享需求，為確保不同金融機構之間的數據可以互相理解和交換，金融行業數據標準化進程較早，金融數據的交換效率較高，交易成本相對其他數據更低。交易成本低的市場通常更有利于增強企業活力和商品流動性，提高資源配置效率。圖圖 3：數據要素市場分類數據要素市場分類 數據來源：中國信通院，東北證券 表表 2：數據要素市場分類及特征數據要素市場分類及特征 市場類型市場類型 市場主要特征市場主要特征 低交易成本競爭

39、型市場低交易成本競爭型市場 市場規模大、進入門檻低、市場效率高 低交易成本壟斷型市場低交易成本壟斷型市場 市場集中度高、有主導企業、部分承擔公共服務職能 高交易成本壟斷型市場高交易成本壟斷型市場 進入門檻極高、數據安全要求極高 高交易成本競爭型市場高交易成本競爭型市場 市場主體分散、數據流通壁壘高 數據來源：中國信通院，東北證券 數據要素價值化可以分為三個階段，即為數據資源化、數據資產化、數據資本化。數據要素價值化可以分為三個階段，即為數據資源化、數據資產化、數據資本化。各類市場都可經歷數據資源化、數據資產化、數據資本化，實現要素價值釋放，但每類市場的特點和發展程度不同，發展重點、發展環節也有

40、差異 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 10/41 計算機計算機/行業深度行業深度 圖圖 4：數據要素數據要素價值釋放路徑價值釋放路徑 數據來源：中國信通院，東北證券 數據資源化階段數據資源化階段：使無序、混亂的原始數據成為有序、有使用價值的數據資源使無序、混亂的原始數據成為有序、有使用價值的數據資源。包括質量提升過程，通過數據采集、整理、聚合、分析等，對原始數據進行加工，最后形成可采、可見、互通、可信的高質量數據；也包括數據應用過程，在數據賦能業務效率改善中實現數據潛在價值。低交易成本競爭型市場低交易成本競爭型市場：發展相對成熟，數據資源化程度較好，各類數據服務商積極

41、推動數據采集存儲、集成處理、加工分析，已在場景應用挖掘，如研發設計、柔性生產、智能制造、精準營銷、市場推廣、企業管理等方面進行較為領先的探索。低交易成本壟斷型市場低交易成本壟斷型市場：數據的集中程度高，價值潛力大，政府、平臺企業、龍頭企業等基于其市場規模優勢推動實現數據集成、數據標準化及對大規模數據集的數據治理是該市場在現階段關注的重點。高交易成本競爭型市場高交易成本競爭型市場：數據分散，數據流通壁壘高，如何將此類數據進行高效合規的數據采集，如何將小數據通過傳輸匯聚，用何種方式及在何地點進行數據存儲是市場推動資源化的關鍵。高交易成本壟斷型市場高交易成本壟斷型市場：對數據安全要求極高，此類市場在

42、數據市場化配置過程中首先要保證不踩數據安全紅線，以免造成危害國家安全等嚴重后果。因此，數據資源化的重點是通過技術手段對數據進行加工處理，通過產品開發、模型供給等形式，形成可用不可見的數據產品。數據資產化數據資產化階段：階段：數據通過流通交易給使用者或所有者帶來經濟利益的過程數據通過流通交易給使用者或所有者帶來經濟利益的過程。包括數據確權、數據流通交易和數據收益分配等。其中，當前數據確權的重點是對“數據二十條”中數據資源持有權、數據加工使用權、數據產品經營權“三權”進行法律制定及落地實踐，并探索數據資產登記的方法。數據流通交易包括流通交易主體、流通交易場所、市場規則與治理、市場參與主體及數據跨境

43、等。數據收益分配包括數據價值評估及激勵機制的設計。低交易成本競爭型市場低交易成本競爭型市場；在資產化階段的發展重點在于創新數據產品，適應多元化的數據需求，促進數據要素的供需匹配，讓數據交易“有米下鍋”“有數有市”。低交易成本壟斷型市場低交易成本壟斷型市場：重點是建設數據流通基礎設施，通過基礎設施建設，降低數據搜索成本、復制成本、追蹤成本和驗證成本，積極承擔公益職能、強調公共屬性，提供規范、普惠的數據流通基礎服務，引領企業數據和行業數據流通匯聚，推動數據要素市場建設。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 11/41 計算機計算機/行業深度行業深度 高交易成本壟斷型市場高交易成

44、本壟斷型市場：需以數據開放共享、數據產品開發運營等模式，確保數據安全，并定期維護和更新高度可利用和具有價值的數據資源，強化供給能力，向市場和社會提供公共數據產品和服務，提高供給數量和質量，提升數據資源配置的有效性。高交易成本競爭型市場高交易成本競爭型市場：數據流通基礎設施建設是關鍵，為不同行業、不同地區、不同主體提供可信的數據共享、開放、流通環境，支撐后續數據處理、應用、運營、安全保障等全流程。數據資本化主要包括數據信貸融資與數據證券化。數據信貸融資是用數據資產作為信用擔保獲得融通資金的一種方式，如數據質押融資。數據證券化是以數據未來收入預期的貼現值為內在價值創造權證以獲得資本，如 IPO、重

45、組并購、D-ABS 等。數據資本化是數據要素與資本要素兩者協同互促的產物，既表現為金融產品創新，數據資本化是數據要素與資本要素兩者協同互促的產物，既表現為金融產品創新，也表現為數據價值實現方式創新。也表現為數據價值實現方式創新。從數據的角度來看，它提供了一種提升數據流動性、開發數據價值的新方式，有利于促進數據要素社會化配置，提升數據要素整體價值創造能力，是四類市場中推動數據要素價值化發展的高級階段。數據作為新型生產要素，既能直接通過流通交易創造價值，又與其他生產要素融合，降低交易成本，形成規模經濟和范圍經濟，以配置效率、規模效率和技術效率提升全要素生產率，賦能新質生產力，從而推動經濟增長。由于

46、整個行業仍處于發展初由于整個行業仍處于發展初期，目前并未形成較好的賺錢效應，但是目前已產生較多商業模式雛形，這些雛形期，目前并未形成較好的賺錢效應，但是目前已產生較多商業模式雛形，這些雛形在經歷在經歷 0-1 的商業模式驗證后，我們認為其有希望在政策的保駕護航下快速發展。的商業模式驗證后，我們認為其有希望在政策的保駕護航下快速發展。2.數據要素數據要素 X 金融金融 金融一直是目前數據要素金融一直是目前數據要素市場里最應用相關度最高的市場。市場里最應用相關度最高的市場。2021 年 12 月，中國人民銀行印發金融科技發展規劃(2022-2025 年)，指出以深化金融數據要素應用為基礎，以支撐金

47、融供給側結構性改革為目標，以加快推進金融機構數字化轉型為主線，將數字元素注入金融服務全流程，將數字思維貫穿業務運營全鏈條，注重金融創新的科技驅動和數據賦能。作為當下數據要素應用與價值釋放的最重要一環，數據賦能的金融科技已經在金融業構建起豐富的生態。圖圖 5：國內金融科技國內金融科技行業產業鏈行業產業鏈 數據來源：行行查，東北證券 金融業交易的數據產品種類繁多，以個人信息類數據產品和企業信息類數據產品為金融業交易的數據產品種類繁多，以個人信息類數據產品和企業信息類數據產品為主。金融業交易的數據產品可以分為個人信息類、企業信息類與其它信息。主。金融業交易的數據產品可以分為個人信息類、企業信息類與其

48、它信息。以個人征信、身份認證、不動產數據為代表的個人信息類數據產品交易占據主導地位，市場份額約占整個金融業數據交易的七成。企業信息類數據產品較為豐富，涵蓋企業基本信息、企業經營活動、企業投融資、企業畫像、關聯企業以及以企業為基礎的行業資訊與產業鏈信息。根據綜合測算，金融業交易的數據產品中，公共數據約占90%。圖 8 展示了金融業交易的數據產品種類分布情況。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 12/41 計算機計算機/行業深度行業深度 圖圖 6：金融業交易的數據產品種類分布金融業交易的數據產品種類分布 數據來源：上海數據交易所，東北證券 數據要素在銀行業、證券行業、保險行業

49、等金融行業都得到廣泛的應用，其要素價數據要素在銀行業、證券行業、保險行業等金融行業都得到廣泛的應用，其要素價值體現在能夠有效提升業務效能、優化資源配置、強化風險控制能力、促進業務創值體現在能夠有效提升業務效能、優化資源配置、強化風險控制能力、促進業務創新發展新發展。從數據采購項目數量上看，銀行業占據主導地位，其采購項目數量占整個金融業的 69.22%；保險和證券的數據采購項目數量占比分別為 14.74%和 7.7%。數據采購金額方面，銀行業的數據采購金額最多，占數據采購總金額的 76.86%；保險和證券的數據采購金額分別占比 12.22%與 4.38%。金融子行業數據交易分布與我國的金融業格局

50、有很大關系，截至 2021 年末，我國金融業總資產規模為 381.95 萬億，其中銀行資產規模為 344.76 萬億，占比 90.26%，保險資產規模 24.89 萬億，占比6.51%，證券資產規模 12.3 萬億，占比 3.22%。圖圖 7：數據采購項目數量子行業分布數據采購項目數量子行業分布 圖圖 8：數據采購金額子行業分布數據采購金額子行業分布）數據來源：上海數據交易所，東北證券 數據來源：上海數據交易所，東北證券 目前來看，金融目前來看，金融數據產品的定價方式包括逐條查詢和數據包兩類，根據數據來源、數據產品的定價方式包括逐條查詢和數據包兩類，根據數據來源、模型復雜度、可替代性等因素，產

51、品定價不等。模型復雜度、可替代性等因素，產品定價不等。目前，我國數據產品定價方式分為逐條查詢定價和數據包定價兩類：1）逐條查詢：工商、航旅、保險、反欺詐、動產、社保、地圖、輿情類數據產品單次查詢費用從 0.1-1 元不等；電力數據價格略高，單次查詢費用在數元左右；不動產數據涉及對房屋估價，存在較高的勞動附加，單次服務費用在 300-500 元不等。銀行銀行69.22%69.22%保險保險14.74%14.74%證券證券8.34%8.34%其他其他7.70%7.70%銀行銀行76.86%76.86%保險保險12.22%12.22%證券證券4.38%4.38%其他其他6.54%6.54%請務必閱讀

52、正文后的聲明及說明請務必閱讀正文后的聲明及說明 13/41 計算機計算機/行業深度行業深度 2）數據包：收費區間波動較大，根據服務內容、算法復雜度、數據覆蓋范圍等，從幾萬到幾百萬元不等，資訊類數據產品多采取此種定價。以工商數據為例，其交易的數據包括：企業照面、集團關系、企業類型、企業組織架構、企業收益所有人、企業實際控制人、股權穿透、產業園區數據、招投標信息、企業綜合信息等。數據需求方則包括了商業銀行、證券公司、保險機構、消費金融企業、小額貸款公司等種類繁多的金融企業。在數據產品定價上，以某銀行的工商數據采購合同為例，其中企業照面、企業信息、集團關系、企業類型、企業組織架構、企業受益所有人、企

53、業實際控制人、企業標簽、股權穿透數據采用逐條查詢的方式計價，價格從幾分到十元不等。而產業園區數據、招投標信息、企業綜合等數據以數據包形式，價格分別為 50 萬元、10 萬元、150 萬元/年。2.1.案例案例 1 反詐反詐：數據要素在電信反欺詐中的應用：數據要素在電信反欺詐中的應用 隨著互聯網、通信技術的發展，電信網絡詐騙案例日益增多且難以識別，隨著互聯網、通信技術的發展，電信網絡詐騙案例日益增多且難以識別，2022 年上年上半年四大行電詐涉案卡同比上漲半年四大行電詐涉案卡同比上漲 24.5%，電詐防控形勢非常嚴峻。，電詐防控形勢非常嚴峻。在黨中央、國務院的部署下，全國公安機關、金融機構配合開

54、展“長城”“云劍”“斷卡”“斷流”等專案行動，先后發起 40 余次全國集群戰役，打擊電信網絡詐騙。然而，在電信反欺詐場景中，銀行孤島數據難以支撐風險識別。結合案件發現，運營商數據對及時識別詐騙意義重大，因為詐騙分子的異常行為在運營商側更為提前（如更換手機設備、異地聯網等）。如何在保障數據隱私與安全的前提下實現數據流通和融合應用，通過外部數據補充金融風控反欺詐體系，已成為重要的關注熱點。利用數據要素，利用數據要素，采用聯邦學習技術，采用聯邦學習技術，在保護數據隱私與安全前提下，工行可以基于在保護數據隱私與安全前提下，工行可以基于該模型實現對異?？蛻舻念A判，快速識別可疑客戶，提前、準確識別風險事件

55、，進該模型實現對異?？蛻舻念A判，快速識別可疑客戶，提前、準確識別風險事件，進而干預欺詐而干預欺詐。中國工商銀行股份有限公司以自身電信詐騙風險特征基礎，引入了運營商層面通話類、短信類、流量類、機主信息類指標，建立工行手機銀行登錄行為異常識別模型。以上模型創新性地采用聯邦學習技術完成聯合建模，保證數據安全。聯邦學習的特點是，基于統計學和機器學習建模的原理，在原始數據不進行傳輸、交換的情況下，通過模型訓練過程中的中間結果交互，完成模型的訓練，實現數據不動模型動，數據可用不可見。工商銀行和電信原始數據分別都保存在本地，利用工商銀行聯邦學習平臺，雙方使用隱私求交技術在互不暴露用戶列表的前提下獲取雙方共有

56、客戶，進而使用同態加密技術交互梯度更新模型，雙方模型參數各保存在本地，通過模型參數匯總形成最終模型。圖圖 9：中國工商銀行聯邦學習技術方案路線圖中國工商銀行聯邦學習技術方案路線圖 數據來源：中國工商銀行，東北證券 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 14/41 計算機計算機/行業深度行業深度 反欺詐業務流程如下：工行反欺詐系統每日通過聯邦學習聯合交易特征與運營商客戶特征，計算客戶欺詐風險評分，高分客戶列入可疑名單；客戶登錄手機銀行，系統實時檢測并查詢可疑名單，如命中則采取“禁止登陸手機銀行、提示轉柜面辦理業務”的干預策略；被公安部確認欺詐的客戶將列為訓練樣本，定期聯邦建模

57、，更新反欺詐模型。圖圖 10：中國工商銀行電信反欺詐業務場景處理流程圖中國工商銀行電信反欺詐業務場景處理流程圖 數據來源：中國工商銀行，東北證券 基于聯邦學習的工行手機銀行登錄行為異常識別模型還原了打電話到收款結束的基于聯邦學習的工行手機銀行登錄行為異常識別模型還原了打電話到收款結束的完整詐騙流程，構建了完整鏈路的電詐風險特征，大幅提升工商銀行電信反欺詐服完整詐騙流程，構建了完整鏈路的電詐風險特征，大幅提升工商銀行電信反欺詐服務的準確性，有效減低欺詐風險并減少客戶的資金損失，提高整個金融系統的安全務的準確性，有效減低欺詐風險并減少客戶的資金損失，提高整個金融系統的安全性，保障金融體系的穩定和健

58、康。性，保障金融體系的穩定和健康。聯邦建模為銀行引入運營商數據，聯邦學習建模工行共衍生 212 個特征，運營商衍生 170 個特征，特征重要性前 30 中，電信占 9個，TOP100 較只用工行特征準確率提升 30%。2.2.案例案例 2 信貸信貸：搭建普惠金融綜合服務平臺破解中小微企業融資難點搭建普惠金融綜合服務平臺破解中小微企業融資難點問題問題 科技企業在實施人才優先戰略和促進產業升級方面扮演著關鍵角色，同時也是推動科技企業在實施人才優先戰略和促進產業升級方面扮演著關鍵角色，同時也是推動創新發展和實現經濟社會高質量發展的關鍵動力。盡管科技型中小企業的數量迅速創新發展和實現經濟社會高質量發展

59、的關鍵動力。盡管科技型中小企業的數量迅速增長，規模已經達到不容忽視的程度，但它們在融資方面仍面臨許多挑戰。增長，規模已經達到不容忽視的程度，但它們在融資方面仍面臨許多挑戰。首先，由于規模較小，這些企業在獲得信貸方面遇到了困難。特別是初創的科技型企業，由于資產規模小、管理不完善和信息不透明，難以適應傳統的依賴抵押物和穩定經營流水的信貸評價體系，導致信貸獲得率低。例如，在某個地區，2230 家科技中小企業中，只有 735 家得到了銀行貸款，其中 67.04%的企業沒有貸款。其次，由于科技型中小企業通常資產較輕，其知識產權等無形資產難以準確評估，導致它們在獲得貸款時過度依賴抵押和質押，信用貸款比例較

60、低。在 735 家獲得貸款的企業中，81.66%是通過保證、抵押、質押等方式獲得的，而純信用貸款僅占18.33%。最后，由于科技型中小企業的發展存在較大不確定性，經營穩定性差，抗風險能力弱，這導致它們的貸款利率較高。在某個地區的推廣中，科技中小企業的貸款平均利率比所有企業貸款的平均利率高出 0.4 個百分點。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 15/41 計算機計算機/行業深度行業深度 為了提升西藏的數字金融基礎設施，加速企業信用信息的整合和共享，激活信用數據的價值，西藏高馳征信有限責任公司利用區內企業信息數據，建立了西藏自治區普惠金融綜合服務平臺“藏金普惠”。該平臺匯聚

61、了多源數據。在政府部門的批準下，平臺整合了拉薩海關、稅務局、科技廳、經信廳等 12 個部門的數據，并與自來水公司、燃氣熱力公司等建立了合作關系，通過接口和線下對接，整合了水、氣、熱力等民生數據。通過與企業簽訂授權協議，平臺還獲取了企業的相關數據。整合了工商、司法、住房、銀稅、專利、企業等多源數據，形成了一個涵蓋 10 大領域 100 多個維度的企業信用專題庫，實施“一企一庫”管理，并通過監控和定時更新機制，實現了數據的高效流轉。平臺打造了一個綜合金融服務矩陣?；跇I務場景需求，利用機器學習、自然語言處理、區塊鏈等技術，構建了客戶畫像模型、反欺詐模型、經營準入模型、客戶評分模型等信用模型。平臺正

62、在與銀行合作開發稅務貸、政采貸、公積金貸等定制化產品，打造了一個“全線上、全場景、全主體、全周期”的綜合金融服務矩陣。平臺以數據“可用不可見”的方式為金融機構和政府部門提供定制化信用報告，實現了金融政策、產品、服務的“一站式”供給。平臺搭建了一個數據資源管理服務平臺。依托數據流通機制和數據使用權限，平臺為政府部門、金融機構和企業提供了數據交換和服務的統一接入和開放。平臺提供了加解密、鑒權、協議轉換、注冊服務、身份認證、異常處理、服務路由、日志管理等服務。通過數據接口管理、元數據追溯、數據分類分級等管理方式，結合統一的對外標準化服務封裝，平臺將各系統、各平臺之間點對點連接形成的網狀拓撲結構優化為

63、星形拓撲結構，大幅降低了數字金融服務網絡的復雜度，并提高了數字金融服務在各應用場景的研發效率。圖圖 11：西藏自治區普惠金融綜合服務平臺“藏金普惠”西藏自治區普惠金融綜合服務平臺“藏金普惠”數據來源：國家數據局，東北證券 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 16/41 計算機計算機/行業深度行業深度 目前，藏金普惠平臺已匯集涉企數據超 1 億條，入駐企業超 1.1 萬家，占比達到西藏中小企業總數的 15%,入駐金融機構網點 345 個，占比達到西藏金融機構網點的99%,發布金融產品超 200 個，融資申請超 2100 筆，授信額度超 340 億元。2.3.案例案例 3 離

64、岸貿易：優化跨境數據流動規制，以實現高水平安全和高離岸貿易：優化跨境數據流動規制，以實現高水平安全和高質量發展的平衡質量發展的平衡 中國現行跨境法律監管體系由“中國現行跨境法律監管體系由“1+3+N”組成?！苯M成?！?”即國家安全法，作為整個跨境監管體系的基石，進一步強調數據跨境監管中對國家網絡安全和數據安全的保障;“3”即網絡安全法、數據安全法以及個人信息保護法，作為數據安全監管領域的三駕馬車分別對網絡安全、數據安全以及個人信息保護領域提出原則性監管要求，并對關鍵信息基礎設施、重要數據以及個人信息的跨境傳輸提出法律規制要求;“N”指在以上四部上位法的基本框架之內，落實監管要求針對數據跨境場景

65、出臺的法律和監管規定，包括專門的數據安全立法以及行業監管立法，包括促進和規范數據跨境流動規定 數據出境安全評估申報指南(第二版)個人信息出境標準合同備案指南(第二版)等。我國的數據跨境政策可以總結為重視數據主權、安全與發展并重。中國在數據本地化存儲的基礎上，兼顧數據跨境流動需求，強調數據主權和安全。通過網絡安全法和參與 RCEP、CPTPP 等國際協議，中國正逐步優化跨境數據流動規制，以實現高水平安全和高質量發展的平衡。圖圖 12：公共數據授權運營相關政策發展情況公共數據授權運營相關政策發展情況 數據來源：國家數據局，東北證券 作為廣州市屬國有企業首例數據資產入表項目，“離岸易”數據產品經過數

66、據資源權屬論證、合規確權、資產論證、成本歸集和分攤等技術工作，選擇以存貨作為數據資產核算類型，計入相應會計科目，并于近期獲得廣州數據交易所頒發的數據資產登記憑證，旨在為新型國際貿易發展搭建綜合服務平臺，賦能貿易企業和金融機構。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 17/41 計算機計算機/行業深度行業深度 圖圖 13：“離岸易離岸易”數據產品數據產品功能功能 數據來源：廣州數科集團，東北證券 作為首例跨境數據資產入表項目，“離岸易”數據產品利用區塊鏈和作為首例跨境數據資產入表項目，“離岸易”數據產品利用區塊鏈和 AI 技術，通過技術，通過對對 19 個國家和地區的報關數據、

67、全球大部分集裝箱數據以及相關海運提單數據等個國家和地區的報關數據、全球大部分集裝箱數據以及相關海運提單數據等進行整合加工處理，為貿易企業提供一站式的數字化服務，實現跨境可信支付、辦進行整合加工處理，為貿易企業提供一站式的數字化服務，實現跨境可信支付、辦理稅務優惠以及完成貿易融資保理等功能，有效提升了跨境貿易在供應鏈上的信息理稅務優惠以及完成貿易融資保理等功能，有效提升了跨境貿易在供應鏈上的信息透明度，為全球貿易金融和物流提供可靠、簡便和安全的數字化服務。透明度，為全球貿易金融和物流提供可靠、簡便和安全的數字化服務。此次“離岸易”跨境數據資產入表的實現，驗證了數據產品實現資產化路徑的有效模式，進

68、一步凸顯了數據資產在跨境貿易中的經濟價值。該數據產品成功落地在廣州南沙區，助力加快落實國家南沙方案。3.數據要素數據要素 X 醫療醫療 目前，中國的醫療健康大數據產業規模持續擴大，從目前，中國的醫療健康大數據產業規模持續擴大，從 2015 年的年的 18.67 億元增長到億元增長到2021 年的年的 212.56 億元，年均復合增長率達到億元，年均復合增長率達到 50%左右，預計到左右，預計到 2022 年市場規模將年市場規模將增至增至 301.36 億元。億元。2022 年 11 月，國家衛生健康委、國家中醫藥局、國家疾控局共同發布了“十四五”全民健康信息化規劃，該規劃強調了推動數字健康領域

69、的融合創新、構建新的戰略發展格局、塑造新的健康管理服務模式、培育新的數字健康經濟形態以及提升行業治理水平的重要性。為了實現這些目標，必須深入挖掘醫療數據的價值，以促進其數字化轉型。醫療數據的產生主要來自于醫院日常運營中的各種環節，包括患者就診、用藥、醫醫療數據的產生主要來自于醫院日常運營中的各種環節，包括患者就診、用藥、醫療記錄等。這些數據通過軟硬件設施和醫療信息系統被收集、存儲、處理和分析，療記錄等。這些數據通過軟硬件設施和醫療信息系統被收集、存儲、處理和分析，其中蘊含著巨大的潛在價值。其中蘊含著巨大的潛在價值。這些數據不僅能夠顯著提升臨床診療技術水平，還能在醫院管理、疫情防控、醫療科技創新

70、、醫療保險以及改善患者醫療服務等多個領域發揮重要作用。在整個行業的數據流通過程中，涉及到醫療機構、醫藥企業、保險公司和政府等多個參與方和多種應用場景，因此，醫療數據價值的實現依賴于一個全面、規范和安全的數據流通體系。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 18/41 計算機計算機/行業深度行業深度 圖圖 14：醫療數據要素閉環醫療數據要素閉環 數據來源：蛋殼研究院，東北證券 當前，我國許多醫療數據尚未得到充分利用，主要受限于當前，我國許多醫療數據尚未得到充分利用，主要受限于多多個核心問題。個核心問題。首先，由于歷史沿革和傳統習慣等因素，各醫院的醫療信息系統相對獨立，導首先，由

71、于歷史沿革和傳統習慣等因素，各醫院的醫療信息系統相對獨立，導致數據難以在醫院間共享，形成了“數據孤島”現象，阻礙了“醫療大數據”致數據難以在醫院間共享，形成了“數據孤島”現象，阻礙了“醫療大數據”的全面發展。的全面發展。據全民健康信息化調查報告顯示，2021 年，我國三級醫院中僅有不足 20%的機構應用了醫療大數據，而二級醫院的應用比例更低，不足 5%。即便是在備受關注的臨床數據領域，也只有約五分之一的醫院進行了相關研究。這些數據反映出，醫療大數據在中國的廣泛應用還面臨著重大挑戰。同時，我國醫療行業普遍存在重視臨床實踐而忽視數據管理的現象，這導致數據存儲質量不一，缺乏統一的數據標準，嚴重阻礙了

72、醫療數據的共享與流通。最最重要的是重要的是，醫療數據因其高安全性和高敏感性，對流通機制的設計提出了更，醫療數據因其高安全性和高敏感性，對流通機制的設計提出了更高的要求。高的要求。醫療數據包含了大量敏感的醫患信息，如患者資料、病歷記錄和處方信息等，其完整性和安全性至關重要。一旦這些數據遭到篡改、破壞或泄露，不僅會威脅到醫院的正常運營，還會侵犯醫患雙方的隱私安全，甚至可能對社會穩定和諧造成負面影響。因此，確保醫療數據的安全和完整性是醫療行業亟需解決的關鍵問題。國務院、醫保局等政府部門在數份文件中明確提到要建成醫保信息平臺，并推動醫國務院、醫保局等政府部門在數份文件中明確提到要建成醫保信息平臺，并推

73、動醫保、商保信息的共享與交互。保、商保信息的共享與交互。2022 年 5 月，全國統一醫保信息平臺的建成，為數據共享提供了堅實的技術支撐。2023 年 6 月，金融監管總局與國家醫保局聯合下發的關于推進商業健康保險信息平臺與國家醫療保障信息平臺信息共享的協議（征求意見稿），提出了在“十四五”期間分步建成流程規范、制度完善、技術先進的信息共享機制的目標。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 19/41 計算機計算機/行業深度行業深度 目前來看有三大積極信號說明目前來看有三大積極信號說明醫療、醫保數據與商保共享箭已在弦醫療、醫保數據與商保共享箭已在弦：醫療數據現在開始向市場開放

74、交易，為保險產品創新提供動力。醫療數據現在開始向市場開放交易，為保險產品創新提供動力。10 月 26 日，上海市第一人民醫院在完成數據治理并進行匿名化和加密處理后，推出了全國首批合規且可交易的醫療數據產品，并在上海數據交易所的重大疾病數據行業創新中心正式上市。此次上市的產品涵蓋了眼科、內分泌科、放射科等 10 個科室的 20 個重大疾病數據產品，以及上海申康醫院發展中心行政管理部門的 1個數據產品。醫保信息共享已進入實際開發階段醫保信息共享已進入實際開發階段。10 月 28 日，中國銀保信舉辦了全國醫保信息共享數據服務的培訓交流會議，吸引了保險行業 300 余名代表參加。會議宣布醫保商保信息平

75、臺已實現“總對總”的對接。接下來，在金融監管總局的指導下，銀保信公司將以客戶信息授權為基礎，逐步推動行業應用醫保信息共享平臺。國家醫保局全面動員，著力解決醫保數據賦能健康險操作層面的關鍵問題國家醫保局全面動員，著力解決醫保數據賦能健康險操作層面的關鍵問題。11月 7 日，國家醫保局舉辦了醫保平臺數據賦能商業健康保險發展的座談會，邀請了中國人壽、中國人保、太保壽險、招商信諾人壽等十家機構參與。在座談會上，保險公司就全國統一醫保系統平臺和大數據賦能商業健康保險發展中遇到的問題和障礙進行了交流，并就賦能場景、業務需求、實施路徑和保障條件等方面提出了建議和意見。3.1.案例案例 4 服務平臺服務平臺：

76、醫療健康保險醫療健康保險大大數據服務平臺數據服務平臺 后疫情時代，健康保障成為剛需，我國的商業醫療健康保險市場呈高速增長趨勢。后疫情時代，健康保障成為剛需，我國的商業醫療健康保險市場呈高速增長趨勢。2019 年健康險占保險行業市場規模的年健康險占保險行業市場規模的 17%，2012 年國內健康險業務原保費收入僅年國內健康險業務原保費收入僅862.77 億元，從億元，從 2013 年到年到 2018 年，健康險年復合增長率達到年，健康險年復合增長率達到 35.95%。預計到 2025年，健康保險市場規模將超越 2 萬億元。我國慢病患者已超過 2 億人,個人現金衛生支出比例高，因病致貧、因病返貧使

77、得家庭壓力增大，同時醫?；鹑源嬖诔嘧蛛[患。預計到 2024 年，城鎮職工醫療保險基金將出現累計結余虧空 7353 億元。目前健康醫療保險的行業發展存在如下阻滯：支付方：社保持續承壓，商業健康保險發展不足；供給方：缺乏基礎數據平臺；需求方：持續增長的自費負擔。人工智能和大數據技術作為“新基建”的重要組成部分，是拉動健康保障新增長的重要動能。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 20/41 計算機計算機/行業深度行業深度 圖圖 15：商業健康保險大數據服務平臺整體架構商業健康保險大數據服務平臺整體架構 數據來源：健交科技，東北證券 健交科技基于醫療健康大數據形成了從核保、核賠

78、、產品設計等相關業務流程再造，建立了數字化一站式健康保險新模式，解決了傳統核保場景中，由于缺少數據支持，簡單“一刀切”的粗放做法。為了規避健康保險風險，過度提高核保門檻水平盲目增加健康保險產品安全系數，使大量保險資源浪費，社會需求也難以得到有效的滿足。應用醫療健康大數據，實現了對投保人風險等級智能判斷，線上快速完成核保決策，智能核保的帶病投保識別率達到 99%；解決了可疑風險案件的識別不精準，核賠減損率達到 66%；創新推出全量承保，即“不把非健康人群排除在保障人群范圍外”，引導保險回歸本源釋放商業保險產業發展的新動能。這個項目具有高創新性及實用性,首個垂直領域大數據新基建，行業輸出“三化”（

79、智能化、標準化、規?；?；商業模式創新，推動數據中心從成本中心轉為效益中心；理論創新，助力地方政府構建數據要素合規理論體。3.2.案例案例 5 AI 醫療醫療：助力醫療健康數據融合應用助力醫療健康數據融合應用 全面提升基層醫療服全面提升基層醫療服務能力務能力 基層醫療服務構成了醫療體系的基石，對公眾健康和生活素質有著直接影響?；鶎俞t療服務構成了醫療體系的基石，對公眾健康和生活素質有著直接影響。然而，基層醫生在?？圃\療和中醫藥服務方面的能力不足，導致基層醫療服務難以滿足日益增長的需求。為了解決這一問題，諸暨市衛生健康局與訊飛醫療科技股份有限公司合作，利用人工智能和大數據技術，整合門診、體檢和個人

80、就醫等數據，為基層醫生提供包括科學問診、精準診斷、合理用藥和智能隨訪在內的智能輔助決策服務，旨在提高診療規范性、推動醫療數據共享和提升公共衛生服務效率，從而提升基層醫療服務的整體水平。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 21/41 計算機計算機/行業深度行業深度 圖圖 16：AI 臨床輔助決策支持服務臨床輔助決策支持服務 數據來源：國家數據局，東北證券 首先，建立醫療健康數據共享平臺，實現數據整合。首先，建立醫療健康數據共享平臺，實現數據整合。在諸暨市衛生健康局的領導下，統一數據標準得以建立和完善，各醫療機構遵循統一的數據格式和傳輸協議，構建了人工智能應用服務與現有醫療健

81、康數字化系統（包括“健康大腦”、“浙醫互認”和醫院信息系統等）之間的數據快速通道，實現了病歷、影像、公共衛生等醫療衛生數據及知識庫的整合與互通。其次，建立數據治理閉環機制，實現數據的精確管理。其次，建立數據治理閉環機制，實現數據的精確管理。通過醫療衛生數據流通的“采集治理應用提升”閉環管理機制，構建了“數治、數知、數智”三層治理體系，實現了數據的規范統一和精確管理?！皵抵巍币劳袛祿卫砗腿斯ぶ悄芗夹g實現基礎治理，快速完成海量健康醫療數據的采集和異構數據同構化，解決了傳統數據歸集難題，形成了“可用數據”?！皵抵睂崿F了數據與醫學知識的深度融合，使數據具有明確的領域知識屬性，形成了“好用數據”?！?/p>

82、數智”依托算法模型實現數據與智慧的融合，構建了以數據為基礎的智能驅動、場景融合和開放服務，形成了“智慧數據”。目前，已采集健康數據 610.7T，發布 233 個數據采集標準規范，形成 496個值域目錄，1600 條數據元、2.3 萬條標準疾病代碼。第三，加強數據安全保障，實現“可防可視可控”。第三，加強數據安全保障，實現“可防可視可控”。利用數據脫敏、數據加密、數字水印、區塊鏈和隱私計算等安全技術，構建了可信網絡環境，支持醫療數據上鏈，實現了數據流轉的高效協同；對外構建了安全用數環境，支持數據開發利用，實現了數據“可用不可見”，為數據應用提供了安全保障和監控，實現了數據流通與應用的“可防、可

83、視、可控”。最后，深化數據開發應用，打造智慧醫療場景。最后，深化數據開發應用，打造智慧醫療場景。依托人工智能、大數據等技術，結合患者的檢查、檢驗、用藥及健康檔案等信息，實現了在醫生問診過程中根據問診邏輯提示病情問診；在診斷過程中協助醫生進行合理診斷；在病歷書寫過程中提供智能分析與提示，協助醫生提升病歷書寫的規范性和質量；在醫生開處方和檢查檢驗時及時給出專業建議；在公共衛生隨訪過程中，用智能語音呼叫替代傳統人工撥打電話的方式，實現隨訪溝通，并將隨訪結果自動寫入健康檔案系統中。目前已在縣域內 23 家基層醫療機構、340 家村衛生室、2466 個醫生工作站落地應用，病歷規 請務必閱讀正文后的聲明及

84、說明請務必閱讀正文后的聲明及說明 22/41 計算機計算機/行業深度行業深度 范率達到 98.87%、診斷符合率達到 97.79%、用藥合理率達到 94.4%，分別提升了38.87、17.79、9.4 個百分點，“語音外呼”使隨訪效率提升了 20 倍以上，顯著提升了基層醫療服務能力。圖圖 17：臨床輔助決策支持監管臨床輔助決策支持監管 數據來源：國家數據局，東北證券 3.3.案例案例 6 數據共享：數據共享：基于臨床試驗的醫療數據共享和流通平臺基于臨床試驗的醫療數據共享和流通平臺 健康醫療大數據在醫療行業的進展中扮演著核心角色，但同時也帶來了前所未有的健康醫療大數據在醫療行業的進展中扮演著核心

85、角色，但同時也帶來了前所未有的數據安全和隱私保護問題，對這兩方面的保護提出了更高的標準數據安全和隱私保護問題，對這兩方面的保護提出了更高的標準。隱私計算等新興技術為醫療數據的共享和利用提供了新的可能性，有助于推動醫療信息共享和服務模式的創新。國家層面正在積極推動隱私保護技術與醫療信息化的結合，旨在促進臨床、醫療服務和管理信息的共享與協同，從技術層面入手，改善醫療數據的利用方式，實現醫療健康數據的高效交換和流通。在醫療健康領域，數據在多個應用場景中扮演著關鍵角色，尤其是在臨床試驗中。在醫療健康領域，數據在多個應用場景中扮演著關鍵角色，尤其是在臨床試驗中。目前，臨床試驗面臨三個主要挑戰。第一，傳統

86、的受試者招募方法效率低下且成本高昂，依賴于合作研究者手動搜索，準確性有限。第二，醫療數據系統難以實現基層醫院和大型醫院患者信息的有效協同，導致信息不對稱。第三，現有的歷史醫療數據往往不能滿足臨床試驗的需求，需要提前獲取患者信息以便進行有效溝通。因此，醫療行業迫切需要建立數據共享平臺，以提高臨床試驗的效率和安全性?；诖送袋c，上海數字產業發展有限公司（簡稱“上海數產”）開發了基于臨床試驗的醫療數據共享和 流通平臺，平臺采用 1+N+2 的模式，以上海數產中心作為醫療數據運營主中心，選定 N 家醫院為參與建設 單位，進行醫療數據對接和應用開發試點，秉持著“原始數據不出域、數據可用不可見”的合規和應

87、用要求，支持受試者醫療數據共享、受試者實時招募兩個場景的應用。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 23/41 計算機計算機/行業深度行業深度 圖圖 18：上海數產醫療數據要素流通閉環上海數產醫療數據要素流通閉環 數據來源：上海數產，東北證券 圖圖 19：上上海數產基于臨床試驗的醫療數據流通和共享平臺業務架構海數產基于臨床試驗的醫療數據流通和共享平臺業務架構 數據來源：上海數產，東北證券 目前，該平臺正在與浦東新區某家醫院推進落地中，其經濟價值主要體現降低招募目前，該平臺正在與浦東新區某家醫院推進落地中，其經濟價值主要體現降低招募研究成本和提高臨床研究成本和提高臨床 試驗效

88、率上。通過智能算法和數據整合，平臺可以準確地找試驗效率上。通過智能算法和數據整合，平臺可以準確地找到合適的受試者，據目前測算可降低約到合適的受試者，據目前測算可降低約 40%-50%的招募成本。的招募成本。數據共享平臺的建立從社會層面推動了醫療公平，增加患者前沿治療機會，保障了試驗安全和倫理。臨床試驗受試者匹配平臺擴大了患者篩選樣本量，確保在更大范圍內篩選到潛在患者，提高治療成功機會。3.4.案例案例 7 直聯快賠直聯快賠：商保智能化理賠服務平臺商保智能化理賠服務平臺 當前，醫療機構的數字化改革日新月異，而作為“后醫療場景下的商保理賠業務,仍基本處于傳統人工作業模式。在用戶側，出險后需要提交一

89、系列紙質材料，經過繁瑣的金額核實、事故定損等流程，不僅理賠周期長，而且用戶體驗差:在商業保險公 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 24/41 計算機計算機/行業深度行業深度 司側，由于醫療數據基礎薄弱、各參與方信息不對稱、健康險理賠難度大等原因，商保公司存在服務被動、效率低下、風險難測等管理困境。博思軟件充分運用財政電子票據管理改革成果，進一步發揮財政電子票據“數字化博思軟件充分運用財政電子票據管理改革成果，進一步發揮財政電子票據“數字化優勢，以醫療電子票據為載體，打通醫療機構、監管部門優勢，以醫療電子票據為載體，打通醫療機構、監管部門(財政局、衛健委財政局、衛健委)、

90、醫保、醫保、商業保險公司、金融機構及個人等多主體間的業務協同及數據壁壘。商業保險公司、金融機構及個人等多主體間的業務協同及數據壁壘。聚焦商保理賠場景，明確各參與方職責,合理開展出險主動服務、無紙化快速理賠、大數據反欺詐風控等數字化智能理賠服務。通過對接醫療機構電子票據渠道獲取客戶相關的電子票據，開展商保理賠無紙化受理?？蛻魺o需再花費大量時間精力整理和提交紙質票據，只需通過電子渠道上傳相關票據,簡化了操作流程,縮短了理賠周期,提高了理賠效率,提升了用戶體驗。通過對接財政系統獲取醫療電子票據的真偽、退費、報銷入賬等信息，實現商保反欺詐的信息共享。通過打通財政、醫療、保險等部門之間的信息壁壘，可以及

91、時發現和預防商業保險欺詐行為，有效防止“重復報銷、惡意退費”等欺詐行為，保護保險公司的利益。通過對接保險公司業務系統，與上游醫療機構進行信息聯動，實現基于電子票據的智能理賠服務能力輸出，在提升核心能力的同時，簡化業務系統改造工作。解決了材料錄入效率低、作業質量難保障的問題，豐富了反欺詐風控的全面性手段，規范了數字化審核的標準化作業模式。圖圖 20：基于醫療收費電子票據的商保智能化理賠服務平臺基于醫療收費電子票據的商保智能化理賠服務平臺 數據來源：博思軟件，東北證券 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 25/41 計算機計算機/行業深度行業深度 基于醫療收費電子票據的商保智

92、能化理賠服務平臺已應用服務于商業保險行業協基于醫療收費電子票據的商保智能化理賠服務平臺已應用服務于商業保險行業協會、頭部保司機構、互聯網保險平臺和保險科技公司等類型客戶，累計服務超過會、頭部保司機構、互聯網保險平臺和保險科技公司等類型客戶，累計服務超過 100家商保機構服務量超家商保機構服務量超 2000 萬件，產品應用效果顯著，受到客戶一致好評。萬件，產品應用效果顯著，受到客戶一致好評。目前，商保智能化理賠服務平臺已覆蓋全國 32 個省，2023 年已實現 1200 萬元的收入，2024年商保業務線預估可實現 2400 萬元收入目標，業績預期增長 200%。某人壽保險公司通過應用醫療電子票據

93、的智能化理賠服務平臺，2023 年實現了處理賠案近 508 萬件，賠付金額超過 53 億元，賠付時效縮短至 0.3 天;提醒報案賠案量近 56.7 萬件，賠付金額超過 6 億元，賠付時效縮短至 0.14 天。不僅顯著提升了用戶體驗，提高了理賠效率，增強了風險管控,而且進一步提高了該公司的核心競爭力。所以該人壽保險公司首創引入博思智能化理賠服務能力，已在行業內起到了標桿示范作用，具備全行業市場推廣作用。4.數據要素數據要素 X 交通交通 在在 2019 年年 9 月，中共中央和國務院發布了交通強國建設綱要，其中設定了到本月，中共中央和國務院發布了交通強國建設綱要，其中設定了到本世紀中葉，中國將全

94、面完成建設交通強國的目標。世紀中葉，中國將全面完成建設交通強國的目標。到了 2022 年，黨的二十大報告進一步強調了加速推進交通強國建設的戰略布局。同年，發布的“十四五”現代綜合交通運輸體系發展規劃特別指出，需要加強智能網聯汽車、自動駕駛和車路協同等關鍵技術的研發工作。得益于黨和國家的積極推動，我國智能交通領域迎來了快速的發展。圖圖 21：智慧交通基本架構智慧交通基本架構 數據來源：前瞻研究院，東北證券 智慧交通的實現依賴于數據的收集和分析。自交通行業誕生之初，它就一直在自動智慧交通的實現依賴于數據的收集和分析。自交通行業誕生之初，它就一直在自動生成可以記錄的高質量、高精確度的數據。但生成可以

95、記錄的高質量、高精確度的數據。但由于技術限制和合規要求，這些數據在很長一段時間內未能得到有效的收集、處理和應用。智慧交通的基礎是數據的收集和傳輸。交通數據主要來源于兩個方面：車輛和道路。車輛數據由車載傳感器收集，包括雷達、定位、駕駛狀態、行駛和停車路徑以及多攝像頭捕獲的圖像等。車輛數據的采集和傳輸成本相對較高，而“嵐圖”通過開發一種非全量采集與云端配置相結合的方法，有效降低了這些成本。道路數據（以高速公路為例）則是由路側 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 26/41 計算機計算機/行業深度行業深度 傳感器（如 ETC 門架）收集的，包括車輛類型、行駛路線和載重等信息。這

96、些數據屬于公共數據，其應用需要解決合規性問題?！敖饾櫋痹讷@得交通行業主管部門授權后，開發了名為“高速通”的數據產品，該產品不直接提供高速通行數據，而是通過這些數據推斷車輛的運營狀況，并將推斷結果用于數據共享和應用。交通數據的應用范圍非常廣泛交通數據的應用范圍非常廣泛，最直接的應用是支持智能駕駛算法的開發。最直接的應用是支持智能駕駛算法的開發。高質量的算法開發和迭代需要大量高質量的數據。事故數據有助于確定責任方，故障數據有助于提高系統的穩定性和安全性，邊緣場景數據有助于優化感知系統，而大量的異質數據則有助于提供個性化服務。這些數據還可以支持第三方決策，例如金融機構在個人貸款決策中的作用?！皵祿?/p>

97、缺”是數字普惠金融發展的主要障礙，因為金融機構需要利用多維數據進行精準的信用風險評估，但由于自身數據維度不足，且難以獲取外部合規數據，導致難以對個人風險進行準確評估。個人交通數據可以在一定程度上補充金融機構的數據維度，從而支持交通相關的數字普惠金融業務的發展。4.1.案例案例 8 征信征信：公路交通數據產品跨界賦能公路交通數據產品跨界賦能中小微金融中小微金融 中國的高速公路系統規模宏大，截至中國的高速公路系統規模宏大，截至 2022 年底，總里程已達到年底，總里程已達到 17.73 萬公里，年車萬公里，年車流量高達流量高達 95.32 億輛次。這一網絡借助電子收費系統（億輛次。這一網絡借助電子

98、收費系統（ETC）實現了高效的數據收）實現了高效的數據收集和積累。集和積累。政府對 ETC 的推廣和應用不遺余力，截至 2021 年，ETC 用戶數已超過2.5 億，為數據的深入挖掘和利用打下了堅實的基礎。交通行業作為數據密集型產業，持續產生大量高質量、高精確度的數據資源，包括車主信息、車輛狀況、行駛路徑和貨物信息等。盡管如此，由于技術和合規性的限制，這些寶貴的數據資源尚未得到充分利用。在數字普惠金融領域，高速公路通行數據顯示出巨大的應用潛力。面對中小企業和個體工商戶強烈的融資需求以及傳統信貸模式的不足，數字普惠金融成為了解決問題的關鍵。金融機構在進行信用評估時常常遭遇數據不足的問題，尤其是在

99、評估那些缺少傳統信用記錄的客戶時。高速公路通行數據作為一種額外的數據資源，為金融機構提供了新的評估視角，促進了交通領域數字普惠金融的發展。圖圖 22：金潤“高速通”功能示例金潤“高速通”功能示例 數據來源：金潤，東北證券 金潤公司推出的數據服務產品“高速通”已獲得交通管理部門的正式授權，提供合法合規的交通領域公共數據，涵蓋了高速公路上所有車輛的通行信息。該產品的數 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 27/41 計算機計算機/行業深度行業深度 據主要來源于高速公路的聯網收費系統，該系統利用 ETC 門架等技術手段來識別車輛類型、追蹤行駛路徑和監測載重情況，并據此計算通行費

100、用。除了交通數據，金潤也在積極收集其他類型的數據，以增強其產品的功能和覆蓋范圍?！案咚偻ā钡倪\作機制在于不直接使用車輛的經營數據，而是通過分析高速公路的“高速通”的運作機制在于不直接使用車輛的經營數據，而是通過分析高速公路的公共數據來推斷車輛的經營狀況。公共數據來推斷車輛的經營狀況。例如，通過分析貨車在高速公路上的載貨量和行駛路線，可以大致估計出車輛的業務穩定性和經營成本。這些推斷出的信息對于上海銀行在信用評估和風險管理方面至關重要，尤其是對于那些資產規模較小且信用記錄有限的客戶?！案咚偻ā痹谏虾ｃy行的普惠金融服務中主要有兩個應用場景：客戶識別和風險控制。在客戶識別環節，它能幫助銀行在業務發生

101、前評估客戶的信用狀況，包括進行反欺詐分析、行業競爭力分析、經營狀況靜態分析和負面信用分析等。在風險控制環節，它能夠實時監控客戶的業務狀況，并采取相應措施以降低風險，功能包括負面信用分析和經營狀況的動態分析等。表表 3：“高速通”產品“高速通”產品功能介紹功能介紹 功能分類功能分類 細分功能細分功能 功能介紹功能介紹 反詐騙核驗反詐騙核驗 人車關系核驗 核驗指定人員/企業是否是指定車輛的 ETC 開戶人、車輛所有人或 ETC經辦人(企業)車輛信息查驗 查詢指定人員/企業(ETC 開戶人/車輛所有人)指定時間內所有車輛的車牌號、車型、軸數及 ETC 卡信息 行業競爭力行業競爭力分析分析 高速里程同

102、車型排比查詢 在指定時間內，車輛高速行駛里程的同車型排名及其同比、環比變化 通行費同車型排比查詢 在指定時間內，車輛通行費同車型排名及其同比、環比變化 經營情況靜經營情況靜態分析態分析 車輛高速里程查詢 查詢指定人員/企業(ETC 開戶人/車車輛所有人)的所有車輛的高速總通行里程 高速通行費查詢 查詢企業 1 個人(ETC 開戶人/車輛所有人)名下所有車輛,月/周通行費用總值 單車高速長途通行查詢 被查車輛在指定時間段內,長途通行情況:長途次數、長途占比、長途平均里程 負面信用分負面信用分析析 ETC 拉黑?？ù螖挡樵?被查企業 1 個人(ETC 開戶人/車輛所有人)在指定時間段內,被 ETC

103、 發行方累計拉黑?？ù螖?ETC 拉黑?？ㄌ鞌挡樵?被查企業 1 個人(ETC 開戶人/車輛所有人)在指定時間段內,被 ETC 發行方拉黑?？ㄗ铋L的天數 經營情況動經營情況動態分析態分析 高速車輛通行波動 被查企業 1 個人(ETC 開戶人/車輛所有人)名下所有車輛的通行波動率 車輛高速里程變化 查詢指定人員/企業(ETC 開戶人/車輛所有人)的所有車輛指定時期內月通行總里程數同比及環比值(%)數據來源：金潤，東北證券 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 28/41 計算機計算機/行業深度行業深度 金潤公司的“高速通”數據服務為上海銀行創造了顯著的經濟效益。以金潤公司的“

104、高速通”數據服務為上海銀行創造了顯著的經濟效益。以上海銀行的“商車貸”業務為例，這項業務旨在支持卡車司機、城市配送服務商和個體工商戶購買車輛。這些客戶群體通常缺乏抵押物和信用記錄，使得傳統銀行難以對他們進行信用評估和貸款發放。上海銀行利用“高速通”提供的載貨量和車輛行駛路徑等實際數據，全面而高效地評估借款人的資質。此外，“高速通”還帶來了社會效益，主要表現在降低成本和提高效率上。過去，中小微企業和個體司機難以從銀行獲得貸款，往往不得不求助于小額貸款公司等傳統民間融資渠道，面臨較高的利率。上海銀行與金潤合作后，推出的新信用評估體系為更多中小企業提供了通過銀行審批的機會，有效降低了融資成本。同時，

105、新體系也顯著縮短了銀行的審查時間，支持快速審批客戶申請?？傮w而言，“高速通”的創新之處在于充分利用交通領域的公共數據，彌補了銀行在為中小微企業和個體工商戶提供貸款方面的不足。金潤通過“高速通”等數據產品幫助銀行構建更全面的信用評估體系，推動了數字普惠金融的發展。金潤作為獲得交通行業主管部門授權的企業，將交通領域的公共數據轉化為產品，金潤作為獲得交通行業主管部門授權的企業，將交通領域的公共數據轉化為產品，并安全合規地提供給上海銀行，支持其普惠金融業務如“商車貸”。并安全合規地提供給上海銀行，支持其普惠金融業務如“商車貸”。這種合作不僅帶來了經濟效益，也創造了社會價值，具有廣泛的推廣價值。從數據提

106、供方的視角來看，除了高速公路數據外，還有普通公路和軌道交通等其他交通公共數據可以利用。將這些數據轉化為產品也能促進普惠金融等領域的發展，關鍵在于高效地采集和安全合規地轉化其他場景的數據。從數據需求方的視角來看，積極采用安全合規的數據產品能夠更全面地指導相關業務的發展。銀行采用交通數據產品將為交通行業提供健康的資金支持，但其潛在應用不僅限于銀行，還包括保險和物流等行業。保險公司可以根據超載和超時駕駛等數據推斷車主的安全風險評級，并據此開展保險業務。4.2.案例案例 9 自動駕駛自動駕駛：公路交通數據產品跨界賦能公路交通數據產品跨界賦能中小微金融中小微金融 智能汽車產業已成為全球汽車行業的戰略重點

107、，同時也是我國實現汽車強國目標的智能汽車產業已成為全球汽車行業的戰略重點，同時也是我國實現汽車強國目標的關鍵戰略。關鍵戰略。我國政府對智能汽車領域給予了極大的關注，并出臺了一系列政策文件，例如 2020 年 2 月發布的智能汽車創新發展戰略和 2022 年 1 月發布的“十四五”現代綜合交通運輸體系發展規劃。得益于政策的推動，我國智能汽車行業實現了迅猛增長，無人駕駛市場規模從 2017 年的 681 億元增長至 2022 年的 2894 億元，預計到 2023 年將達到 3301 億元。智能駕駛系統的普及率也在不斷提高，截至 2022年上半年，國內裝配駕駛輔助系統的乘用車數量達到 228 萬輛

108、，滲透率達到 32.4%，同比增長 46.2%。數據是智能駕駛技術發展的核心驅動力，高質量的數據對于算法的開發和優化至關數據是智能駕駛技術發展的核心驅動力，高質量的數據對于算法的開發和優化至關重要。重要。數據在以下四個典型場景中扮演著關鍵角色：（1）事故數據有助于責任認定；（2）故障數據有助于提升系統的穩定性和安全性；（3）邊緣場景數據有助于優化感知系統；（4）異質性數據有助于提供個性化服務。然而，數據采集面臨著高成本的挑戰，包括設備成本、全量數據的存儲和傳輸成本以及有價值數據的提取成本。此外，數據交易也存在諸多問題，如數據所有權不明確、數據價值難以評估、交易缺乏透明度以及違規風險等。這些問題

109、導致了企業間的數據壁壘，限制了智能駕駛技術的發展和行業的整體進步。針對這些問題，嵐圖汽車科技有限公司提出了一套智能駕駛數據采集與流通的系統化解決方案。該方案涵蓋了車端場景數據采集、云端數據管理與分析以及需求端數據獲取與應用三個主要環節。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 29/41 計算機計算機/行業深度行業深度 圖圖 23：嵐圖智能駕駛數據采集和流通的系統解決方案嵐圖智能駕駛數據采集和流通的系統解決方案-總體方案總體方案 數據來源：嵐圖，東北證券 “車端場景數據收集”涵蓋事件觸發、數據錄制以及數據脫敏與上傳三個模塊。事件觸發模塊使用車端 埋點技術采集車輛行駛相關數據，同

110、時支持云端觸發器配置，以實現個性化采集。數據錄制模塊采集場景觸發時刻及前后的高價值數據，包括傳感器數據、定位信息、狀態信息等。數據脫敏及上傳模塊對視頻數據進 行處理并安全上傳至云端。發時刻及前后的高價值數據，包括傳感器數據、定位信息、狀態信息等。數據脫敏及上傳模塊對視頻數據進 行處理并安全上傳至云端。圖圖 24：嵐圖嵐圖車端采集數據車端采集數據事例事例 數據來源：嵐圖，東北證券 “云端數據管理分析”包括觸發器配置、數據中臺和數據挖掘分析。觸發器配置支持實時下發配置到車 端，減少設備層面成本。數據中臺進行數據存儲和管理，包括觸 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 30/41

111、 計算機計算機/行業深度行業深度 發器數據回傳進度、觸發次數等。數據挖掘 分析對數據進行解析并分類，形成場景庫，同時提供功能狀態反饋。圖圖 25：嵐圖云數據中臺數據管理示例嵐圖云數據中臺數據管理示例 數據來源：嵐圖，東北證券 在經濟效益方面，數據需求方不必承擔昂貴的數據采集成本，只需支付較低的購買在經濟效益方面，數據需求方不必承擔昂貴的數據采集成本，只需支付較低的購買費用，有效降低了產品開發成本。對于嵐圖而言，其經濟效益不僅包括通過數據轉費用，有效降低了產品開發成本。對于嵐圖而言，其經濟效益不僅包括通過數據轉化獲得的收入，還包括商業閉環模式所帶來的收益?；@得的收入，還包括商業閉環模式所帶來的

112、收益。在社會效益方面，嵐圖的數據采集和交易模式加速了智能駕駛技術的發展，為消費者提供了更經濟、更優質的智能駕駛體驗，同時確保了隱私和信息安全。嵐圖還計劃建立數據聯合實驗室，促進政府、企業與學術界的數據共享，以推動智能駕駛行業的健康發展。通過非全量采集和云端配置，嵐圖僅在特定事件發生時收集有限時間內的數據，這通過非全量采集和云端配置，嵐圖僅在特定事件發生時收集有限時間內的數據，這不僅提高了高價值數據的采集效率，也降低了存儲和傳輸成本。不僅提高了高價值數據的采集效率，也降低了存儲和傳輸成本。嵐圖還通過數據脫敏技術保護個人隱私，并在上海數據交易所的支持下，確保了交易的合規性和安全性。此外，嵐圖還對數

113、據進行分類存儲和初步解析，以促進買賣雙方的成功匹配和高效交易。在應用推廣價值方面，嵐圖的非全量采集和云端配置策略降低了數據采集成本，同時提高了高價值數據的比例。這種策略要求業務一線深入理解業務流程和數據需求，以滿足需求方的特定要求。云端配置允許數據需求方根據個性化需求提出采集要求，使采集規則更加靈活，避免了數據的冗余。這一方法值得推廣至直接處理原始數據的業務一線。在數據交易方面，嵐圖對交易數據進行系統預處理，并在第三方監管下進行交易，確保了交易的合規性和安全性。數據處理后臺應與業務一線保持緊密溝通，以更好地滿足需求方的需求。交易應在第三方監管的支持下進行，例如上海數據交易所，以消除買賣雙方的顧

114、慮。這種模式值得在數據處理后臺推廣。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 31/41 計算機計算機/行業深度行業深度 4.3.案例案例 10 二手車交易：二手車交易：大數據大數據+人工智能評估定人工智能評估定價價 鑒于二手車具有“一車一況一價”的特性，屬于非標準化商品，隨著遷移政策的放鑒于二手車具有“一車一況一價”的特性，屬于非標準化商品，隨著遷移政策的放寬，全國范圍內的大范圍流通正在逐漸實現。寬，全國范圍內的大范圍流通正在逐漸實現。在此背景下，交易雙方迫切需要一個能夠實時評估并客觀反映當地市場行情的二手車價值評估體系，傳統的基于個人主觀經驗的報價方式已不再適應市場需求。2

115、022 年，中國汽車保有量突破了 3.1 億輛，國內汽車市場競爭日趨激烈。隨著汽車保有量的迅猛增長，機動車資產總額在國民經濟中占據了舉足輕重的地位。二手車的評估定價不僅是價值重置和現實價值形成的過程，也是稅收、司法裁決、金融抵押、保險理賠、資產轉移等方面的重要參考。二手車金融服務在二手車流通的全過程中扮演著關鍵角色，能有效推動二手車產業的發展。然而，由于缺乏標準化解決方案，二手車金融服務面臨靈活性不足、評估效率低下、線下操作流程復雜等問題，這些問題限制了二手車金融的供應，阻礙了二手車市場的快速發展。南京三百云信息科技有限公司開發的智能二手車評估定價系統，在二手車交易、車貸欺詐防范、車險欺詐防范

116、以及新車定價等多個領域得到了廣泛應用。車 300 通過智能化和數字化手段，優化了車輛交易和管理的關鍵環節。該系統能夠在線遠程識別車型和評估車況，實現車輛信息的快速、精確、標準化輸入和管理，同時基于車輛的實際狀況進行資產評估和定價，從而提升車輛管理的效率和準確性。車 300 利用自主研發的 OCR 技術，能夠自動識別前風擋玻璃、行駛證、發動機銘牌、機動車登記證等不同位置和證件上的 VIN 碼，自動解析并獲取 VIN 碼所關聯的車系、車型、車款等詳細信息。用戶只需掃描行駛證，即可直接進行車輛估值和定價，這一流程大大簡化了操作步驟，提高了用戶體驗。圖圖 26：二手車智能評估定價流程二手車智能評估定價

117、流程 數據來源：三百云，東北證券 二手車智能化評估定價的快速和精準，促進了二手車在不同省份之間的批發和流通，二手車智能化評估定價的快速和精準，促進了二手車在不同省份之間的批發和流通，推動了二手車行業的線上化和數字化轉型推動了二手車行業的線上化和數字化轉型?；诖?，汽車經銷商集團正在構建數據共享開放平臺，實現品牌二手車終端銷售數據的共享。車 300 定價系統解決了金融機構在二手車標準化定價方面的不足，使更多用戶能夠享受到二手車金融貸款服務，填補了國內市場的空白，并為客戶避免了近 300 億元的直接經濟損失。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 32/41 計算機計算機/行業深

118、度行業深度 以合作的城市商業銀行為例，在貸款申請前通過車以合作的城市商業銀行為例，在貸款申請前通過車 300 進行評估定價，約進行評估定價，約 7%的車的車輛被識別為事故車，按照平均每件輛被識別為事故車，按照平均每件 12 萬元計算，每年間接排除風險車輛資產達萬元計算，每年間接排除風險車輛資產達 12億元。此外，車億元。此外，車 300 實現了申請、審批、請款、放款的全流程線上化，整體效率提實現了申請、審批、請款、放款的全流程線上化，整體效率提升了升了 66%。車 300 定價系統顯著提高了二手車評估的效率，準確確定貸款抵押品的價格，降低放貸風險，提升效率，增加收入。通過車 300 的二手車自

119、有數據（包括車輛估值及套利空間、車輛風險事件、歷史維修保養等信息），結合保險公司的大量投保及理賠數據，共同構建了保險公司獨有的風險識別模型。這有助于提煉出更有效的核保規則或建模因子，優化原有模型。此舉可以有效預防投保人通過購買老舊高端車型、制造事故等手段騙取保險金的風險。5.數據要素數據要素 X 電力電力 電力數據要素涵蓋了電能生產、存儲、傳輸、交易和消費等環節，它們與其他生產電力數據要素涵蓋了電能生產、存儲、傳輸、交易和消費等環節，它們與其他生產要素相結合，不斷演進，以提高電能的生產和使用效率。要素相結合，不斷演進，以提高電能的生產和使用效率。這些數據資源可以呈現為數據集、數據模型、數據產品

120、和數據服務等多種形態。隨著科技和產業變革的迅猛發展，數字化與智能化技術正日益融入能源領域，推動發電行業的數字化轉型，并成為創新驅動發展的核心力量。電力行業作為國家經濟的基石，積累了海量的高價值數據。充分挖掘這些電力數據的潛在價值，對于構建智能電網和推進能源行業的數字化轉型至關重要。智能電網則是將傳統電網與先進的傳感測量、通信、計算機、控制技術以及新材料技術深度融合，形成的新一代電力系統。它能夠實現對電力系統的全面監控，并智能化地管理信息和電能。圖圖 27：智能智能電網產業鏈電網產業鏈 數據來源：前瞻產業研究院，東北證券 電力行業的數據不僅擁有大數據的典型特點，如數據量大、增長迅速和結構復雜，電

121、力行業的數據不僅擁有大數據的典型特點，如數據量大、增長迅速和結構復雜，還具有五個專業特性，這些特性對電力行業在不同場景下的數據應用帶來了新的挑還具有五個專業特性，這些特性對電力行業在不同場景下的數據應用帶來了新的挑戰。戰。首先，電力數據的多元性體現在電網產業鏈的發電、變電、輸電、配電和用電等環節，以及新型電力系統的“源網荷儲”四大環節，涉及眾多設備和不同格式、來源的數據，這對數據格式的標準化和批量處理提出了挑戰。其次，電力系統的共生性要求打破業務間的壁壘和組織結構，以實現數據的深度挖掘和廣泛應用。第三，電力系統的實時準確性對于民生和各行業的運營至關重要，因此，實時、準確的數據采集、處理和分析成

122、為衡量數據處理能力的關鍵。第四，電力信息系統的封閉性意味著內外網之間存在嚴格的隔離，數據交互受限，且電力數據對外開放程度不高，這可能導致數據安全和合規使用的風險，影響數據的流通和共享。最后，電力數據的局限性意味著單獨使用這些數據難以發揮其全部潛力，需要通過內外部數據的整 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 33/41 計算機計算機/行業深度行業深度 合和深入分析來實現。這一過程不僅能夠支持電力企業的數字化轉型，還能在更廣泛的領域發揮數據的賦能作用。圖圖 28：電力企業電力企業數據要素數據要素轉型的痛難點轉型的痛難點 數據來源：艾瑞咨詢，東北證券 5.1.案例案例 11 低

123、碳低碳：數據賦能能源行業綠色低碳轉型數據賦能能源行業綠色低碳轉型 數字化技術已成為現代社會工業化與信息化的支柱，尤其在能源互聯網的規劃與建數字化技術已成為現代社會工業化與信息化的支柱，尤其在能源互聯網的規劃與建設中，智能化規劃通過整合三維數據，顯著擴展了數字技術的應用領域。設中，智能化規劃通過整合三維數據，顯著擴展了數字技術的應用領域。傳統上，電力系統因涉及的設備數量龐大，在管理、運維和故障處理等方面面臨諸多挑戰，迫切需要提升其數字化管理能力。具體而言，設備數量的龐大導致管理上的困難，施工和查詢效率低下，影響日常運維效率；同時，設備故障恢復時間長，人工故障排查不僅耗時而且成本高昂，且存在漏檢風

124、險。此外，電力系統存在數據孤島問題，未能實現有效的聯動管理，未能充分發揮數據的價值。隨著分布式能源和交互式能源的增加，電網變得更加復雜，傳統方法已不再適用，智慧電網建設成為國家電網發展的首要任務。國家電網大數據中心通過構建能源大數據應用平臺，致力于能源數據的整合、共享與應用，培育了碳足跡核算、能耗監測等關鍵應用場景，有效促進了數據要素價值的釋放，并推動了能源行業的綠色低碳轉型。首先，該中心創新了數據獲取方式，實現了大規模數據的集成。首先，該中心創新了數據獲取方式，實現了大規模數據的集成。利用能源大數據應用平臺，通過政府授權、企業合作、市場采購和公開搜集等多種途徑，建立了與地方政府部門、電力企業

125、、能源使用企業、新能源電站以及國內外權威數據機構之間的數據傳輸渠道。累計整合了能源、環境、社會經濟、“雙碳”、公共等五大類 50 小類的數據，規范匯聚了 3.08 萬張表和 1383.63 億條數據。其次，該中心打造了行業數據資源目錄，推動了數據的合規共享。其次，該中心打造了行業數據資源目錄，推動了數據的合規共享。利用數聯網、聯邦計算等技術，構建了能源數據目錄，并提供數據資源在線發布、數據共享申請、目錄應用分析等服務。這些服務為“能源看征信”、“信貸反欺詐”等業務場景提供了數據支持，促進了跨省市、跨行業的多方數據合規共享和利用。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 34/4

126、1 計算機計算機/行業深度行業深度 圖圖 29：能源數據目錄能源數據目錄 數據來源：國家數據局，東北證券 三是構建分析模型，培育典型應用。面向“雙碳”數字化能力建設、能源行業綠色轉型等方向，圍繞碳排放智能監測、動態核算等場景，打造國際首創的“電碳”計算模型，開展產品碳足跡核算、重點園區能耗監測等應用，實現分地區、分行業、重點企業的常態化監測和高頻碳排放數據核算，助力政府實現能耗“雙控”圖圖 30：某某 10kV-200kVA 油浸式配電變壓器碳足跡核算油浸式配電變壓器碳足跡核算 數據來源：國家數據局，東北證券 四是建立數據標準體系、分類分級管理體系和安全合規管理體系，支撐數據安全流通。為填補能

127、源行業標準體系空白，構建能源大數據標準體系框架，制定核心標準指導能源大數據中心建設運營。建立能源大數據分類分級管理體系，設計數據訪問共享控制策略，實現數據共享權限顆粒度管理。建立全生命周期的數據安全合規管理體系，強化數據溯源、數據傳輸等關鍵環節安全防護能力，實現跨領域、跨地域的多方安全可信數據共享。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 35/41 計算機計算機/行業深度行業深度 自應用以來，實現能源服務和產業園區能耗監測覆蓋 26 個省，累計提供 1300 余個數據產品，已服務上下游客戶 19.5 萬家，助力減少碳排放 1017 萬噸，間接為企業節約成本約 5 億元。6.數

128、據要素數據要素 X 農業農業 中國作為農業大國，其農業現代化建設的目標是發展高效、安全的現代生態農業。中國作為農業大國，其農業現代化建設的目標是發展高效、安全的現代生態農業。在數字化轉型的大潮中，利用數字經濟為現代農業賦能，成為農業領域未來發展的在數字化轉型的大潮中，利用數字經濟為現代農業賦能，成為農業領域未來發展的關鍵。關鍵。隨著物聯網技術和自動化生產設備在農業領域的應用，大量農業生產經營數據得以收集。預計到 2025 年，中國農業大數據的規模將達到 1.26 萬億，占農業增加值的比重將達到 15%。數據作為推動數字農業和智慧農業發展的核心要素，在農業生產經營的全周期活動及其下游的金融、物流

129、、電商等行業中扮演著重要角色。對于農業行業本身而言，挖掘海量農業數據的價值有助于促進傳統農業向現代農業的轉型，實現對農業產前規劃、產中作業、產后銷售等全方位優化管理，為我國以傳統小農戶為基礎的生產方式帶來重大變革和提升。圖圖 31：農業數據采集及價值鏈農業數據采集及價值鏈 數據來源：微構大數據，東北證券 今年，國家數據局等 17 部門聯合發布了 “數據要素”三年行動計劃（20242026年），提出實施“數據要素現代農業”行動。在產前規劃階段，結合歷史氣象數據、土壤分析和地理信息系統等信息生成的分析可以幫助農戶進行生產計劃決策，打破傳統的“經驗主義”原則，更精確地選擇播種季節和作物，最大程度地減

130、少農業風險，提高農產品產量。在產中作業階段，通過大數據、人工智能的應用構建農業生產的模塊化流程，通過智慧農業管理系統促進農業生產過程的標準化、精細化。產后銷售階段，利用大數據構建的農業產銷平臺或物聯網，農戶可以緊跟市場需求，拓寬農產品流通及營銷渠道，實現產后與產中數據的共享，建立可追溯的數字農業生態系統，實現農產品的品質銷售。對下游相關行業而言，農業數據的安全高效流 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 36/41 計算機計算機/行業深度行業深度 通和共享能夠有效幫助金融保險、物流運輸等行業優化和升級產品服務，為農業產業鏈提供一體化決策和產業結構優化升級。例如，農戶貸款難、

131、貸款慢、貸款貴等問題一直是制約我國農業現代化建設的瓶頸之一，依靠民間借貸等方式來解決資金短缺問題，增加了農資供應鏈或農戶自身的經營風險。造成此問題的本質原因是下游銀行的農業數據缺失，增加了貸款審核和放款的時間周期，嚴重影響季節性農業生產。農業保險行業同樣長期面臨著辦理流程冗長和理賠困難的問題，致使我國的農業保險申請比例僅為美國等發達國家的一半。農業數據的共享，一方面能夠幫助保險公司更有針對性地推出保險服務、設計理賠農業數據的共享，一方面能夠幫助保險公司更有針對性地推出保險服務、設計理賠流程，另一方面有利于雙方信息透明，減少理賠審核時間和糾紛的產生。流程，另一方面有利于雙方信息透明，減少理賠審核

132、時間和糾紛的產生。我國的傳統農業以小農經濟為主，以農戶為單位的農業生產主體數量龐大且分散，截至 2020年，我國農業數字化率僅為 8.2%，與 48.9%的美國和 38.7%的德國等農業數字化水平較高的發達國家相比仍有較大差距。如何高效收集、處理和利用海量農業數據成為了當前農業數字化轉型的主要挑戰。目前，整條產業鏈上已有多家公司率先對此給出了自己的方案，為后續農業產業相關主體的入場提供了示范。6.1.案例案例 12 助農助農：數據賦能能源行業綠色低碳轉型數據賦能能源行業綠色低碳轉型 為貫徹 中共中央國務院關于實施鄉村振興戰略的意見 中共中央國務院關于做好2023 年全面推進鄉村振興重點工作的意

133、見 數字鄉村發展戰略綱要 數字農業農村發展規劃（20192025 年）等文件精神，大力推進數字鄉村戰略，深入實施“產業融合”，創新驅動產業集群發展，西昌市農業農村局委托聯通（四川）產業互聯網有限公司開發了農小云三農大數據管理平臺，通過“商貿連接產銷端、冷鏈接通上下游、服務促進規范化、平臺促進專業化”，持續推動以葡萄產業為主的攀西農特產品產業集群發展，為鄉村全面振興打下堅實的產業基礎。構建了“一個平臺基座、一個關聯通碼、一個應用端口、一個云服務平臺、一套數據標準”的協同推進體系，以此支撐政府部門的科學決策，滿足農業生產和農民生活的需求，為政府、社會、市場提供可感知、可獲取的農業農村數據服務。圖圖

134、 32：農小云農小云系統架構圖系統架構圖 數據來源：四川省大數據中心，東北證券 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 37/41 計算機計算機/行業深度行業深度 以“產品鏈”為核心以“產品鏈”為核心，建立農產品“一地一檔”溯源體系，實現“一物一碼”管理，為產品賦予唯一的“數字孿生”身份。該平臺覆蓋種植、企業、物流等多個場景，縱向整合品質供應鏈，提升效率，賦能智能生產與新零售，支持數據營銷，并向西昌葡萄品牌合作方開放數據接口 以“監管鏈”為動力以“監管鏈”為動力，構建“農情通”“企稅通”，形成農產品監管體系，實現政府有數據、企業有效益、農戶有收益、稅務海關有手段。農情通建立“

135、一田一檔”，智能巡查；企稅通實現數據稅務互通，全流程追蹤，助力四方共贏。構建“定單采購”“基地共建”農產品銷售體系構建“定單采購”“基地共建”農產品銷售體系，B2B 平臺促進合作交易，B2C平臺線上線下融合，一件代發便捷電商，打造攀西農特產品專營店，提升品牌影響力，暢通銷售渠道。搭建農產品“服務鏈”搭建農產品“服務鏈”，涵蓋用工、農資、倉儲、物流平臺，提供專業用工對接、農資監管、智慧物流、智能倉儲等服務，保障農產品全鏈條運營順暢，促進業產業健康發展，提升市場競爭力與農戶收益。依托“金融鏈”依托“金融鏈”，運用現代科技采集農業生產全流程數據，包括產業運營、種植信息及物聯網監測等，實現數據采集、存

136、儲、共享，確保農業生產有效監管與數據資產化，提升數據準確性與可信度，為農業金融服務提供堅實支撐。圖圖 33：數據流轉示意圖數據流轉示意圖 數據來源：四川省大數據中心，東北證券 我們認為，我們認為，其核心解決成效有五點其核心解決成效有五點：（一）聚焦一項基礎，基于種植數據打造產品“溯源鏈”。成功解決各企業在信息管理過程中重復建設、低水平建設的問題，大力降低各企業數據管理操作成本，助力產業數字化發展。（二）提升兩項服務，基于企稅數據打造政府“監管鏈”。切實解決了企業開票難、稅務監管難、數據入統難、群眾證明難等實際問題，為農業企業產銷分離、提高管理效率提供了信息支撐。（三）搭建三大渠道，基于供銷存數

137、據打造產品“銷售鏈”。由平臺根據銷售需求，提供專業化的基地代采、分揀包裝、倉儲冷鏈、物流配送等系統服務，全面提高對下游企業的服務能力。建設網紅直播服務、電商培訓、品牌建設、營銷推廣等為支撐的供應鏈服務體系，拓展農特產品銷售渠道。（四）打造四大平臺，基于農業服務數據打造產業“服務鏈”。著力打造以效益為中心的產業集群，推進葡萄全產業鏈建設和綜合增值。（五）構筑全量農業數據體系，打造產業“金融鏈”，有效解決農業風險大但風險分散規避補償機制不健全的局面，為產業發展提供輔助決策，助力產業體系建設。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 38/41 計算機計算機/行業深度行業深度 7.投

138、資建議投資建議 數據要素作為數字經濟和信息社會的核心資源，被認為是繼土地、勞動力、資本、數據要素作為數字經濟和信息社會的核心資源，被認為是繼土地、勞動力、資本、技術之后的又一重要生產要素。技術之后的又一重要生產要素。數據要素在企業數字化轉型中發揮了重要作用，并對國家治理能力、經濟運行機制、社會生活方式等產生了深刻影響。企業和政府組織希望借助數據要素智能化的力量來解決生產、經營和管理過程中所遇到的難題，在數字經濟時代贏得發展先機。早在 2019 年黨的十九屆四中全會中，明確提出了“健全勞動、資本、土地、知識、技術、管理、數據等生產要素由市場評價貢獻、按貢獻決定報酬的機制”，從而正式認定了數據的經

139、濟要素價值。而在 2022 年國務院辦公廳要素市場化配置綜合改革試點總體方案中，更將探索建立數據要素流通規則放在了重要的方案實施范圍中。數據要素通過對下游場景賦能，從而提高整體的生活、生產、治理的效率。通數據要素通過對下游場景賦能，從而提高整體的生活、生產、治理的效率。通俗的俗的來說，乘數作用就是一個變量的作用逐步放大，產生一種類似鏈式反應的效果。來說，乘數作用就是一個變量的作用逐步放大，產生一種類似鏈式反應的效果。從對社會的效用來看，數據要素的開放能提高生產力；創造新的產業生態；提高科學研究的速度、效率和范圍；提高社會的公平性；推動更好地公共服務從而為社會創造更大的價值。從數據要素的要素屬性

140、來看，數據要素可以直接投入信息生產創造價值；生產中的要素替代與節約，降低要素總投入量；以及與生產中的其他要素融合所達到進一步的價值共創?？梢钥吹降氖窃诳梢钥吹降氖窃?2024 年首次舉辦的“數據要素”大賽中，數據要素在多個領域年首次舉辦的“數據要素”大賽中，數據要素在多個領域的應用得到了展示的應用得到了展示。從這些例子中可以看出，數據技術作為當前最具代表性的通用目的技術，已經有效地為各行各業賦能，將創新迅速擴散到整個經濟體系，從而顯著提升全要素生產率。研究顯示，企業數據使用率每提高 10%，零售、咨詢、航空等行業的人均產出可分別提升 49%、39%和 21%。這一現象的根本原因在于信息化正從企

141、業生產管理自動化階段，向整合調度企業數據資源，進而重構企業業務流程的階段演進。展望未來，數據要素對各行業的影響必將進一步擴大。展望未來，數據要素對各行業的影響必將進一步擴大。在制造業領域，關注點集中在智能化生產、供應鏈優化和產品質量控制等關鍵環節，重點推動大數據、人工智能、物聯網等新技術在設備故障預測、庫存優化、質量追蹤等方面的應用。在服務業領域，重點推動數據在優化客戶體驗、自動化服務流程、個性化推薦、精準預測市場趨勢等方面的規范應用。農業領域則聚焦于精準農業、資源節約型農業和農產品追溯等新領域，加強數據應用。數據要素的使用不受任何個人偏好的約束，能夠服務于所有行業和活動，這也是國家層面大力推

142、進“數據要素”行動的根本原因，建議關注各類有能力將優質數據變現的建議關注各類有能力將優質數據變現的公司公司。政務平臺公司政務平臺公司：深桑達 A、易華錄、國新健康、云賽智聯、廣電運通、新點軟件、數字政通、南威軟件、太極股份、科大訊飛、銀之杰、實達集團、山大地緯 通信運營商通信運營商&服務商服務商：中國聯通、中國移動、中國電信、東方國信、彩訊股份 醫保醫保&醫療醫療&財稅數據財稅數據：萬達信息、久遠銀海、山大地緯、博思軟件、中科江南、國新健康、德生科技 交通數據交通數據：中遠?？?、信息發展、千方科技、捷順科技、通行寶、四維圖新、長久物流、佳都科技 地理數據地理數據：中科星圖、航天宏圖、四維圖新、

143、超圖軟件、航宇微 企業企業數據數據：上海鋼聯、慧辰股份、卓創資訊、匯納科技、生意寶、中國科傳 社保數據社保數據：久遠銀海、山大地緯、德生科技 金融數據金融數據：長亮科技、宇信科技、高偉達、新大陸、新國都、拉卡拉、廣電運通 數據處理&產品：星環科技、拓爾思、海天瑞聲、三維天地、人民網、新華網、中廣天擇 請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 39/41 計算機計算機/行業深度行業深度 8.風險提示風險提示 數據要素行業發展不及預期數據要素行業發展不及預期：數據要素行業作為一個新興產業，發展中還存在較多的不確定性因素。宏觀經濟增長不及預期宏觀經濟增長不及預期：宏觀經濟增長不及預期

144、可能會導致政府和企業開支的下滑，這也會影響到數據要素相關業務的開展。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 40/41 計算機計算機/行業深度行業深度 研究團隊簡介：研究團隊簡介：Table_Introduction 吳源恒：武漢大學遙感工程學士，伯明翰大學國際商務碩士，曾在湖北省測繪局從事測繪地理信息數據處理、遙感地理信息解譯等工作，對衛星遙感應用產業有較深的認識。2020 年加入萬聯證券 TMT 團隊，2022 年加入東北證券數字經濟團隊。目前主要研究 5G、衛星互聯網、遙感、物聯網、光通信等數字經濟相關領域。分析師聲明分析師聲明 作者具有中國證券業協會授予的證券投資咨詢

145、執業資格，并在中國證券業協會注冊登記為證券分析師。本報告遵循合規、客觀、專業、審慎的制作原則，所采用數據、資料的來源合法合規，文字闡述反映了作者的真實觀點，報告結論未受任何第三方的授意或影響，特此聲明。投資投資評級說明評級說明 股票 投資 評級 說明 買入 未來 6 個月內，股價漲幅超越市場基準 15%以上。投資評級中所涉及的市場基準：A 股市場以滬深 300 指數為市場基準，新三板市場以三板成指（針對協議轉讓標的）或三板做市指數（針對做市轉讓標的）為市場基準；香港市場以摩根士丹利中國指數為市場基準；美國市場以納斯達克綜合指數或標普 500指數為市場基準。增持 未來 6 個月內，股價漲幅超越市

146、場基準 5%至 15%之間。中性 未來 6 個月內，股價漲幅介于市場基準-5%至 5%之間。減持 未來 6 個月內，股價漲幅落后市場基準 5%至 15%之間。賣出 未來 6 個月內，股價漲幅落后市場基準 15%以上。行業 投資 評級 說明 優于大勢 未來 6 個月內，行業指數的收益超越市場基準。同步大勢 未來 6 個月內，行業指數的收益與市場基準持平。落后大勢 未來 6 個月內，行業指數的收益落后于市場基準。請務必閱讀正文后的聲明及說明請務必閱讀正文后的聲明及說明 41/41 計算機計算機/行業深度行業深度 重要聲明重要聲明 本報告由東北證券股份有限公司（以下稱“本公司”）制作并僅向本公司客戶

147、發布，本公司不會因任何機構或個人接收到本報告而視其為本公司的當然客戶。本公司具有中國證監會核準的證券投資咨詢業務資格。本報告中的信息均來源于公開資料，本公司對這些信息的準確性和完整性不作任何保證。報告中的內容和意見僅反映本公司于發布本報告當日的判斷，不保證所包含的內容和意見不發生變化。本報告僅供參考，并不構成對所述證券買賣的出價或征價。在任何情況下，本報告中的信息或所表述的意見均不構成對任何人的證券買賣建議。本公司及其雇員不承諾投資者一定獲利，不與投資者分享投資收益，在任何情況下，我公司及其雇員對任何人使用本報告及其內容所引發的任何直接或間接損失概不負責。本公司或其關聯機構可能會持有本報告中涉

148、及到的公司所發行的證券頭寸并進行交易，并在法律許可的情況下不進行披露；可能為這些公司提供或爭取提供投資銀行業務、財務顧問等相關服務。本報告版權歸本公司所有。未經本公司書面許可，任何機構和個人不得以任何形式翻版、復制、發表或引用。如征得本公司同意進行引用、刊發的，須在本公司允許的范圍內使用，并注明本報告的發布人和發布日期，提示使用本報告的風險。若本公司客戶（以下稱“該客戶”）向第三方發送本報告，則由該客戶獨自為此發送行為負責。提醒通過此途徑獲得本報告的投資者注意，本公司不對通過此種途徑獲得本報告所引起的任何損失承擔任何責任。東北證券股份有限公司東北證券股份有限公司 地址地址 郵編郵編 中國吉林省長春市生態大街 6666 號 130119 中國北京市西城區錦什坊街 28 號恒奧中心 D 座 100033 中國上海市浦東新區楊高南路 799 號 200127 中國深圳市福田區福中三路 1006 號諾德中心 34D 518038 中國廣東省廣州市天河區冼村街道黃埔大道西 122 號之二星輝中心 15 樓 510630