2023年10月30日，赛迪顾问和中国电子云联合发布了《公共数据授权运营创新指南》。《指南》从当前数据要素运营主要面临规模化数据资源汇聚难、数据运营市场化路径尚不成熟、数据运营保障体系难以完善等问题出发，提出了公共数据授权运营创新体系。
《指南》指出，公共数据授权运营创新体系，围绕参与公共数据运营的各方角色、资源要素、业务流程、运营模式、支撑保障等关键要点，形成“两横一纵”的体系架构。
其中“两横”指从数据资源体系到数据运营体系的横向发展的两大环节，“一纵”指围绕数据运营全过程保障体系。
以下为报告正文，来源于赛迪顾问
编写小组
组长：宋宇、李树翀
副组长：王晓宁、冯进、李宗勇
成员：石竹君、刘彩霞、郝艳萍、刘天—、郑昊、姚学超、韩子哲、白润轩
目录
第一章 数据要素市场化演进路径及面临的挑战
第二章 公共数据授权运营创新体系
第三章 推进建设数据资源体系，奠定数据资源创新基础
第四章 创新公共数据授权运营，激活数据要素市场潜力
第五章 共建数据运营保障体系，畅通公共数据资源循环
第六章 未来展望
第一章 数据要素市场化演进路径及面临的挑战
一、数据要素市场发展演进
近年来，随着数字经济的快速发展，数据已经成为新的生产要素，对于经济增长和社会发展具有重要作用，数据要素市场建设已成为数据高效配置和价值释放的必然要求。我国数据要素市场的发展演进可以划分为以下三个阶段：
第一阶段：起步阶段。2014年，大数据首次写入政府工作报告，“大数据”开始成为国家关注的焦点。2015年，贵阳大数据交易所作为我国第一个以大数据命名的交易所正式成立，引发各地方积极探索建设数据交易中心，标志着我国正式进入数据交易时代。在这个阶段，以原始数据“粗加工”交易为主，主要对原始数据进行初步的收集和整合，而不进行任何预处理或深度的信息挖掘分析，数据交易过程中缺乏统一的规范，数据成交量和成交额不高，数据价值难以充分释放。
第二阶段:探索阶段。2017年10月，党的十九大报告提出，推动互联网、大数据、人工智能和实体经济深度融合为数据要素市场的发展指明了方向，2017年12月，中央政治局就实施国家大数据战略进行第二次集体学习，提出要构建以数据为关键要素的数字经济。2020年4月，中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》首次将数据作为与土地、劳动力、资本、技术等传统要素并列的第五大生产要素，并提出引导培育大数据交易市场，依法合规开展数据交易。2017年开始，随着国内大数据相关产业体系日渐完善以及各行业应用逐渐深入，我国数据要素市场发展进入深入探索阶段。这个阶段，数据作为新型生产要素并开始发挥价值、数据要素市场建设的顶层设计和制度规则开始制定，先行先试地区积极探索数据交易流通。
第三阶段:落地阶段。2021年以来，聚焦数据要素市场建设和发展面临的问题，我国围绕政府数据授权运营、数据产权、流通交易、收益分配、数据资产入表等做出一系列部署。2021年3月，《国家“十四五”规划纲要》提出开展政府数据授权运营试点，鼓励第三方深化对公共数据的挖掘利用。2022年4月，中共中央、国务院发布《关于加快建设全国统一大市场的意见》，提出加快培育统一的技术和数据市场。2022年12月，中共中央、国务院发布《关于构建数据基础制度更好发挥数据要素作用的意见》，提出推进实施公共数据确权授权机制。2023年8月，财政部印发《企业数据资源相关会计处理暂行规定》，能够进一步准确反映数据要素的价值，对干数据要素市场的发展具有里程碑式的意义。这个阶段，各地方政府公共数据授权运营兴起、数据交易规模快速提升。
二、国内外公共数据授权运营实践
2.1 国外公共数据运营：对“数据信托”和“数据中介”两种模式进行了初期探索
欧美国家频繁颁布数据隐私和个人隐私相关政策，如欧盟的《通用数据保护条例》(GDPR)，这导致了公共数据、社会数据、个人数据流通的因难，给公共数据授权运营带来了—系列挑战，使其难以全面发展。
在这一政策环境下，西方国家的公共数据授权运营主要呈点状发展，形成了数据信托和数据中介两种模式，旨在实现数据更广泛和更高效利用。通过数据信托，政府和企业可以建立信任和合作关系，共享数据以推动创新应用和增值服务开发。数据中介机构充当数据流通的中间商，促进数据的买卖和流动，从而促进数据的再利用和商业化开发。
（1）数据信托模式
美英等国针对数据信托模式进行了理论和实践探索。这一理论包括美国的“信息受托人“模式和英国的“数据信托”模式，它们在数据管理和安全上有不同的方法。
-
- 美国的“信息受托人“模式强调在数据信托中赋予数据控制者特殊信托义务，以确保数据安全和隐私保护。
- 而英国的“数据信托“模式则侧重于建立一个自下而上的第三方机构负责数据管理，基于数据主体的委托，实现数据信托的不同目标和机制。英国的数据信托实践主要集中在城市数据和健康数据等领域，融合了公共和非公共数据，通过不同场景的数据信托机制，为数据管理和服务提供支持。这—模式具有一定的借鉴价值，尤其在我国的公共数据运营方面。
运行架构上，数据信托涵盖数据存储模块、数据共享平台、数据研发中心、数据可视化与分析工具和数据信托门户等多个模块，旨在构建—个多功能信息系统。
-
- 数据存储模块连接数据委托人的数据库，确保数据的安全共享，并为数据需求者提供基础的数据汇总服务。
- 数据研发中心则是由专业的数据开发团队组成，旨在提供更广泛的数据服务和创造价值。通过脱敏、去标识化或匿名化等方法向外部提供数据产品、数字产品或数字服务，以满足不同需求。
- 数据可视化与分析工具是数据研发的延伸，它为数据委托人和数据需求者提供自助分析服务和数据透视功能，有助于更好地理解和应用数据。
- 数据信托门户充当数据信托系统的关键接口，主要提供信托产品展示、数据服务获取接口和权限管理功能，确保授权的利益相关者能够受限访问管理的数据资源。
法律架构上，数据信托根据不同场景和模式选择不同的法律结构，包括传统信托结构、合同架构模式、公司模式、公共模式四种模式。
-
- 传统信托结构中，数据主体将数据依据现行的信托法交给受托人管理，受托人负责持有数据并管理数据以满足受益人的利益，承担信托受托人的法律责任。
- 合同架构模式中，各方签署合同来规定数据信托的目的、各方的权利和义务。信托的目标以及相关事项通过合同约定明确。
- 公司模式中，设立独立法人资格的公司或合伙组织作为数据受托人，负责管理和维护数据，承担数据受托人的法律责任。
- 公共模式中，由公共监管机构制定数据信托的标准和规则，监督数据信托的运行，对违反规则的行为进行处罚。
（2）数据中介模式
新加坡和欧盟已提出数据中介的定义和监管框架。
-
- 新加坡于2012年颁布《个人数据保护法》，定义了数据中介，并规定了其责任。
- 欧盟的《数据治理法案》提出了数据中介的概念，旨在促进数据持有者与数据使用者之间的联系，借助专业化、中立化的数据中介，降低交易成本，促进公共数据和社会数据的触合。同时《法案》规范了数据中介服务监督框架，是对数据中介进行监管的首次尝试。
数据中介一般指机构作为中间人，通过连接数据源与数据使用者，促进数据流动。
-
- 在广义层面，数据中介可以包括多个环节和类型。
- 在狭义层面，它在不同场景下也可称为中间人、数据聚合机构或数据经纪人。这些机构在数字经济中扮演着重要角色，但监管仍在探索阶段。
数据中介模式主要提供三种服务类型。
-
- 法人数据持有者与潜在数据使用者之间的中介服务，可提供双边或多边交换数据，或构建能够交换或联合利用数据的平台或基础设施。
- 个人数据的数据主体和数据使用者之间的中介服务，确保个人数据的安全存储和传输，以支持数据主体的权利。
- 数据合作社服务，协助数据主体、一人公司和中小型企业就数据处理条款和条件进行谈判，上报给主管部门并接受监管。这些服务类型促进了数据的安全流通和维护相关法律法规。
2.2 国内公共数据运营：尚处千多样化探索阶段，各地政府先行先试
公共数据授权运营是亟待开发的蓝海，但目前尚未有中央层面发布相关的政策和法规来明确公共数据授权运营的框架，这使得各地区在开展该领域的探索时缺乏一致性和标准性，各地政府先试先行，处于—个多样化探索的阶段。
一些国内先进省份或城市，如杭州、上海、广东、海南、贵州、成都等，已经开始采取试点举措，通过制定地方政策、建设运营平台、创新应用场景等方式，积极探索公共数据的授权运营，致力于在政策、技术和实践层面进行创新，以促进公共数据的社会化开发和更广泛利用。
北京市以场景为牵引，提出建立“金融公共数据专区”试点授权运营。北京市2020年5月发布的《关于推进北京市金融公共数据专区建设的意见》中指出，经由市经信局授权的大数据公司作为运营单位，旨在建设和运营金融公共数据专区，以场景为牵引，在金触公共数据专区内，成功汇聚了工商、司法、税务、社保、公积金、不动产等公共数据，并尝试将其与企业数据融合开发，形成综合数据产品，服务于金融机构，实现了在普惠金融领域的不同细分场景中的应用。同时，在金触场景实践的基础上，全面推进数据专区管理制度体系的建设，形成了政企数据融合应用的典型经验和做法。
浙江省杭州市以“政府引导＋市场运营”为主要原则，强调政府指导公共数据定价。2023年9月8日，杭州市人民政府办公厅关于印发《杭州市公共数据授权运营实施方案（试行）》，为数据确权、授权运营、收益分配等环节提供了完整可行的方案，目标明确、机制完善，为其他地区推进数据要素提供了示范。主要包含以下五方面要点：
-
- 发展原则上，政府引导、市场运营。建立党的基层组织，研究决定公共数据授权运营相关事项，落实党管数据的制度建设要求。
- 实施进度上，2023年底前，发布首批授权的公共数据资源目录，完成公共数据授权运营平台搭建；2025年底前，形成20个以上有价值、可推广的数据产品和服务。
- 运营机制上，建立公共数据授权运营机制，公共数据按政府指导定价采用有条件有偿方式进行授权，授权运营协议的有效期为3年。
- 收益分配上，明确收益分配，数据产品或者数据服务的收益，由加工使用主体自行收取。
- 应用场景上，开发了医疗健康、金融保险、商贸物流、工业制造、社会治理、生态环保、教育、体育、文旅、科研等行业和领域的应用场景数据产品。
山东省以医疗健康作为切入点，以行业为主导实现公共数据授权运营。在山东省医疗健庙领域的实际案例中，国家健康医疗大数据中心（北方中心）作为数据管理主体，将医疗健康公共数据运营授权给北方健康科技有限公司。通过构建包括健廉医疗大数据湖、数据中台、业务中台和开放平台的”—湖三台“核心技术体系，北方健康实现了对医疗数据的全流程—体化服务，包括采集、汇聚、存储、处理、治理、加工、开放运营和安全保陓。
成都市以政府数据授权为引擎，在管理层、平台层、数据层、权益层通过8大机制实现公共数据授权运营。成都市建立了公共数据管理平台，综合授权给数据运营方，同时引入行业数据主管部门进行行业数据加工授权审核，市政府数据授权运营则是通过成都市大数据集团进行市场化运营，需要经过多个部门的意见征求和市政府的批复。通过运营管理监督、平台建设运行、网络安全保障、数据需求管理、数据申请与授权、数据交付与利用、利益补偿与激励、数据服务定价等八个机制确保了政府数据的安全和有序运营，市场主体可以合法合规、高效便捷的使用政府数据。
青岛市构建“1+1+5+X”公共数据授权运营体系，从治数据、搭平台、拓场景三方面发力。政府和公共服务部门的信息化设施为基础，通过统筹建设公共数据管理平台，引入垂直领域高质量数据运营方，青岛市已经治理了包括工商、财税金触、社保就业等在内的20个领域的公共数据，总数据罣达1.89亿余条。通过区块链、隐私计算等安全保陓措施，链接政府、金融机构、企业、数商和第三方服务机构，形成“共建、互信、融合、创新”的公共数据运营生态，基于1个区块链底层支撑平台、1个数据保险箱特色产品、5大保障体系、X个业务应用构建“1+1+5+X”架构体系，形成全市公共数据运营的统—通道。
三、数据要素运营面临的挑战
3.1 规模化的数据资源难以汇聚
数据供给意愿低。数据具有无限复制性、非排他性等独特特征，数据持有者无法管控数据拷贝的使用和传播，一旦开放数据即失去这部分数据的控制权。此外，持有数据的政府部门担心数据开放后会影响本部门权益，数据供给数量仍需提高、高价值数据供给不充分，跨部门、跨地区、跨层级的数据共享仍存在不少障碍。
技术标准不统一。不同部门的信息化建设主要是依据各地政府需求和基础设施水平进行搭建，网络环境和基础平台均存在差异，这使得元数据、数据分类与编码、数据库、数据资洞目录等数据标准缺乏统—的规范，—定程度阻碍数据的流通和汇聚。
安全风险仍然严峻。公共数据涉及高敏感信息，关系到国家安全和个人隐私，必须进行有效的安全和隐私保护。一方面，当前部分政府部门的数据安全管理制度仍不能完全依从《数据安全法》《个人信息保护法》等法律要求，包括网络环境、软件运行、技术管理人员和应急处置等数据安全管理制度；另一方面，公共数据在开放和应用环节存在—定的风险隐患，可能会出现隐私泄露和数据滥用，咀碍了数据的开放和流通。
3.2 成熟的市场化路径仍在探索
高质量数据供给不足。自2018年中央网信办、国家发改委、工信部联合印发《公共信息资源开放试点工作方案》起，各地方政府加快推进公共数据资源的开放和共享。国家互联网信息办公室发布的《数字中国发展报告(2022年）》中显示，截至2022年底，全国一体化政务数据共享枢纽已接入各级政务部门5951个，发布各类数据资源1.5万类，累计支撑共享调用超5000亿次。但这些平台上开放的数据偏向政务信息公示，主要服务于政务线上办理和民生服务，开放数据面向企业生产经营的实用性偏低，具有高价值的高容星数据集仍开放较少。目前来看，公共数据开放平台上高价值、高质量的数据有效供给不足导致尚未形成数据要素的资源池，广泛的数据实际应用需求无法得到及时有效满足，供需不匹配制约了全国公共数据要素市场的形成和发展。
应用场景挖掘不够。应用场景是数据价值实现的关键载体，然而当前公共数据运营在应用场景挖掘方面存在不足。一方面，当前的数据需求场景仍然主要停留在初级的数据买卖、交换层次，部分数据需求来源和应用场景仍较为单一，如个人房产数据的API接口往往仅支持单次单一渠道访问，仅可获得房产数据，而未能与社保、个人信用等信息关联，从而很难挖掘包括信贷、资产评估等更广泛的应用场景。另一方面，应用场景挖掘需要同时具备数据产品开发建模能力和业务场景深入理解能力，并能够将数据产品开发与场景需求相匹配，最大化释放数据的潜力和价值。
运营模式较为陈旧。一方面，当前阶段，大部分公共数据运营仍主要停留在初步整合的数据集、单—数据API接口的交易层面，未能深入挖掘数据价值并进行产品创新，尚未形成数据要素增量市场；男—方面，公共数据运营工作在全国范围内仍然主要由政府主导，当前全国近20个省市已经开始部署和推进公共数据授权运营，多方参与、互惠共嬴的公共数据商业运营模式尚未形成。
3.3 构建完善的保障体系挑战大
在制度体系方面，我国目前关于数据要素运营的制度和规范过于庞杂繁多，且尚未形成科学合理的—套理论框架，同时落地性不强，难以在具体场景和环节中指导数据。
在安全保障方面，数据具有多元主体、跨网跨域流通的特征，数据在流转中容易存在安全边界不清，数据隐私保护难度大等风险。
在生态保障方面，公共数据运营涉及的角色主体多，能力参差不齐，产品标准化程度低，亟待多方共建良性生态环境，引入第三方实力强劲的数商和服务机构，确保数据运营业务闭环，有效保障公共数据运营产业发展。
第二章 公共数据授权运营创新体系
本指南以激活公共数据市场潜力、释放公共数据资源价值为目标，围绕参与公共数据运营的各方角色、资源要素、业务流程、运营模式、支撑保障等关键要点，提出了“两横一纵”的公共数据授权运营创新体系。“两横”指从数据资源体系到数据运营体系的横向发展的两大环节，“一纵”指围绕数据运营全过程保障体系。
数据资源体系包括数据载体、数据汇聚、数据管理、数据授权等四大关键环节。
数据运营体系包括数据运营平台搭建数据运营产品研发、数据运营场景拓展、数据运营模式创新等四大关键环节，保障体系包括组织保障、制度保障、安全保障和生态保障四个方面。
公共数据具有较高的价值，同时涉也及高敏感信息，公共数据资源体系的建设和提升是公共数据资源创新运营和价值释放的基础。
当前跨部门公共数据汇聚仍存在壁垒、高价值公共数据供应不充分、体系化的公共数据资源管理工具不完善等问题，要从承载数据资源、汇聚数据资源、提升数据质量、畅通数据流通四个方面考虑推进一体化公共大数据平台，为公共数据资源创新运营奠定基础。而公共数据的运营则是一个动态变化涉及多角色多环节的业务流程，基于“1+4+5+N”体系的公共数据授权运营平台是数据运营的基础，各类数据产品是主要运营对象，以全新的运营模式，拓展各类应用场景，赋能千行百业。
最后，要进一步发挥各参与主体的作用和能力，配套完善相应的制度和规则、着重加强公共数据的安全管理、构建多方互利共赢的产业生态，为可持续发展的公共数据授权运营提供可靠的保障。
第三章 推进建设数据资源体系，奠定数据资源创新基础
一、 构建一体化公共大数据平台，承载数据资源
一体化公共大数据平台聚焦畅通数据资源大循环，打造数据纵横贯通和信息流转的“总通道”、打造数据全生命周期统一管理的“总枢纽”、打造数据共享开放和多元服务的“总门户”，实现全局数据管理“一盘棋”。
一体化公共大数据平台主要包含基础设施、存算体系、数据集成、共享交换、数据资源中心、数据治理中心、数据管理中心、数据服务中心、共享开放、安全防护、管理运营、授权运营共12个模块。
-
- 基础设施模块，主要是指底层的政务一张网、政务一朵云和机房、网络等基础设施，支撑一体化公共大数据平台平稳运行。
- 存算体系模块，以云网为基础，构建涵盖容器化部署、存储计算、多租户等数据云集约化底座。
- 数据集成模块，主要涵盖数据的采集.集成、图片格式识别和智能填报等功能，高效汇集数据资源。
- 共享交换模块，包含库表批量交换、高频实时交换、数据接口交换和文件交换等，提供高效的数据共享交换工具与通道。
- 数据资源中心，主要是构建分管共建的数据资源库包含基础库、运营库、部门库、主题库、专题库等数据资源库，搭建支持分类分级管理的数据资源汇聚平台。
- 数据治理中心，集成数据资产、数据开发、数据标准、架构规划、数据开放、运维监控、数据质量、数据模型的功能模块，统筹数据治理。
- 数据管理中心，主要包括资源登记、供需对接、评估监督、运营监管、数据文库等功能，提供统筹管理数据资源的平台。
- 数据服务中心，主要涵盖数据服务、查询分析、数字画像、AI服务、隐私计算和订阅推送等模块提供覆盖数据全生命周期的工具与服务。
- 共享开放模块，包含公共数据服务门户和公共数据开放门户，赋能数据资源的整合和利用。
- 安全防护模块，基于安全管理制度、数据安全平台和数据安全管理服务，为数据承载提供安全可靠的平台，实现公共数据的高效可信交换与流通。
- 管理运营模块，主要通过制定、实施制度管理办法和流程机制，支撑一体化公共数据平台的有序运行。
- 授权运营模块，包括合规授权、过程监管、产品开发、业务运营、主体授权等内容。
二、联合委办局和公共服务机构，汇聚数据资源
2022年6月，国务院印发《关于加强数字政府建设的指导意见》提出推进社会数据“统采共用”，实现数据跨地区、跨部门、跨层级共享共用，提升数据资源使用效益。
当前，数据汇聚主要有两种方式，一种是物理汇聚，将分散在多个部门、多个区域、多个系统的数据通过统一的平台进行集中化存放，另外一种是逻辑汇聚，数据分散在不同的部门、区域和系统，通过数据目录共享的方式实现数据的获取和调用。
数据汇聚是数据产品开发、数据管理及应用的基础，其流程主要包括4个模块。其中，
-
- 数据湖模块，是将上级垂管数据、委办局数据、公共服务机构数据、下级单位数据通过数据回流、库表、接口实时采集等一系列的技术和流程进行整合，形成统一、规范的数据资源并存放在数据湖中，同时通过统一命名、代码、清洗等形成标准化的数据资源。
- 主题库模块，基于数据湖的数据资源，按照数据来源、类型等将数据归集到法人库、个人库等不同的主题库中，并对各个主体对象打标签，便于数据管理和快速调用。
- 应用库模块，基于业务应用需求，一方面选取不同的主题数据进行开发，另一方面选定不同标签的数据进行发布，形成金融、医疗、社会治理等专题应用库。
- 数据服务模块，标签API服务来源于主题库中的主体对象标签库，通过选定特定主体的标签并进行封装，终端用户能够根据具体的场景应用实现对有关数据的接口快速调用；同时，数据API服务为用户提供可视化拖拽的方式，有效降低终端用户调用数据服务的技术门槛。从而，为金融、医疗、社会治理等行业和领域提供场景应用服务。
此外，公共数据汇聚也将带动互联网平台企业以及集聚大量行业数据的集团型企业的积极性和能动性，推动其开放数据并与公共数据汇聚融合，形成公共数据与社会数据信息效用的融合协同。
三、 健全公共数据资源管理规范，提升数据质量
公共数据资源管理规范是指通过制定和实施一系列制度、标准、流程等，对数据进行分类分级、数据脱敏脱密、数据清洗、数据质量评估、数据登记规范、数据目录编排等，确保公共数据资源的质量、安全和可信度，提升数据资源的管理效率。
公共数据分类分级旨在更好地管理和保护公共数据资源，主要包括数据资产管理、分类分级规则、数据分类分级、分级分类清单和结果展示及对接五方面内容。
数据资产管理是指平台通过端口扫描和流量分析等技术，将待分级分类管理的数据进行自动探查并确定数据的存储位置。
数据分类分级主要涉及分类分级的标准、分类分级的办法、分类分级的清单。
其中，分类是按照行业维度、业务维度、来源维度等将具有相同属性的数据按照一定的原则和方法模型进行归类，便于用户根据类型快速检索、管理和应用数据。数据分级是在数据分类的基础上，根据数据的敏感程度价值高低、分发范围等，按照一定的规则，主要采用智能化技术并结合人工复核的手段对数据的敏感程度进行定级，一般情况下，公共数据可以划分为公开数据、受限数据、敏感数据、涉密数据4个等级，为公共数据全生命周期的安全开放和合规运营提供支撑。
最后，按照敏感数据分布、行业要求、应用场景等实际情况，对数据进行梳理和标识，形成数据分类分级的清单，清晰展示敏感数据的分布和占比情况，以及数据的分类统计结果，并提供数据明细导出功能，帮助用户了解数据资源的类型及分布，以便更好的使用数据。
数据结果展示及对接是通过可视化技术、电子版报告等对数据分类分级的结果进行展示，可以帮助用户直观地了解其数据资产的总体情况、类型和敏感程度等，以便采取相应的措施来管理和保护数据。同时，数据可视化结果也可以与其他系统或流程进行对接，以实现更高效的满足数据管理和应用需求。
公共数据脱敏主要是防止涉及个人和国家安全的敏感数据泄露、滥用，脱敏流程主要包括敏感数据发现、数据抽取、数据脱敏、数据装载等步骤，通常采用静态脱敏和动态脱敏两种方法。
-
- 其中，静态脱密的操作步骤是，首先对涉及个人信息、国家安全等的敏感数据进行识别并抽取，然后通过脱敏、加密等手段将原始数据中的敏感信息移除、隐藏、屏蔽等，最后将脱敏的数据重新装载，同时脱密的数据应尽可能保留原始数据的业务信息。
- 其中，动态数据脱敏需要结合数据分类分级的情况，在调用数据时进行实时动态脱敏，一般适用于生产环境。
四、推动公共数据创新运营授权，畅通数据流动
公共数据授权运营是指政府或相关部门将公共数据授权给企业，使其能够利用这些数据进行加工和创新运营。
为了更好地实现这一目标，各地政府和行业主管部门积极探索创新多种公共数据授权模式。这些模式各有特点，旨在充分发挥公共数据的流通价值，为各行业提供更加精准、高效的数据服务。目前形成三种数据授权的主流模式。
特许经营模式。该模式下，公共数据运营由政府主导，数据主管部门统筹组织工作，以数据为核心特许授权于一个或多个运营主体，使其同时具备数据加工权和产品经营权，有利于数据价值的快速转化。例如，成都市政府授权成都大数据集团作为成都市大数据资产运营商，对政府公共数据资产进行运营。
加工运营分离模式。同样由政府主导，数据主管部门统筹组织工作，不同点在于数据运营和数据加工分为两部分，按整个运营工作职能分工授权为多个数据运营主体和数据加工主体，分别进行考核管控，减少数据加工工作的浪费重制。例如，长沙市数据资洞管理局将按职责分工，由各地主体参与公共数据运营管理，其中一方负责数据加工，另一方授权数据运营。
主题牌照模式。由政府直接授权数据专区运营主体，其可以动态申请相关数据用于专区建设，具体由垂直领域行业管理部门授权和指导运营主体承担本领域公共数据运营平台建设、场景开发和市场运营，使其具备数据加工权和产品经营权，有利于在垂直行业的数据深度挖掘和应用。例如，以北京为代表的主题牌照模式，围绕不同专区运营主体授权数据加工和经营权，例如北京金控集团作为金融专区数据运营主体，联通作为位置专区数据运营主体、信联云作为信用专区数据运营主体。在这一模式下，数据是动态的且和运营主体绑定，即被授权方可以在获取主体牌照后，动态申请新的相关数据用千专区建设。
第四章 创新公共数据授权运营，激活数据要素市场潜力
通过“搭平台、做产品、拓场景、创模式”构建公共数据授权运营体系。
一、搭平台：构建“1+4+5+N”公共数据授权运营平台
1.1 平台参考架构
建设公共数据授权运营平台，平台基于信创云底座，对公共数据资源进行授权运营、有偿使用、产品开发、机制创新的一体化开发与运营，由1个中心、4大应用支撑、5个应用系统和N个场景组成。
1.2 平台模块构成
1个中心是指公共数据授权运营资源中心，是公共数据授权运营主体的数据资源载体。
4大应用支撑指数据治理与开发、隐私计算技术、机器学习、区块链。
-
- 数据治理与开发是数据授权运营中的重要组成部分，它包括数据的收集、清洗、存储、使用和管理等环节。通过数据治理，可以确保数据的质量和一致性，同时也可以保护数据的安全性和隐私性。数据治理可以帮助企业更好地管理和使用数据，从而提高数据授权运营的效率和效果。
- 隐私计算是一种保护数据隐私的技术，它可以在不泄露数据本身的情况下，实现数据的计算和分析。通过隐私计算，可以保护数据的安全性和隐私性，同时也可以实现数据的共享和交换。隐私计算可以帮助企业更好地使用数据，从而提高数据授权运营的效果。
- 机器学习是一种通过训练数据来自动学习和改进的技术，它可以自动从数据中学习模式和规律，并用于预测和决策。通过机器学习，可以实现数据的自动分析和处理，从而提高数据授权运营的效率和效果。
- 区块链是一种分布式数据库技术，它可以实现数据的不可篡改和可追溯。通过区块链，可以保护数据的安全性和隐私性，同时也可以实现数据的共享和交换。区块链可以用于授权运营全过程存证，参与方出现争议时，可以用存证还原整个过程，进行溯源倒查。
5个应用系统包括过程监管系统、业务运营系统、产品开发系统、数据供需系统、主体授权系统。
-
- 过程监管系统面向平台监管方，开展运营的统筹指导和协调监督工作，系统主要涵盖了平台授权管理、平台全景监测、平台资产管理和数据运营评估等板块。
- 业务运营系统面向平台运营方，开展制定规范、安全防护、场景挖掘和产业带动工作，系统主要涵盖了运营门户、运营工单、场景管理、产品管理、数据管理、生态管理、安全管理、运营驾驶舱等板块。
- 产品开发系统面向数据产品开发方，开展场景驱动、产品开发工作，系统主要涵盖了开发环境申请、数据资源申请、自有数据导入、数据产品开发等板块。
- 数据供需系统面向数据产品供方和需方，开展产品提供和产品使用工作，系统主要涵盖了数据产品登记、数据需求发布、数据供需撮合、数据交易交付等板块。
- 主体授权系统面向信息主体，开展主体授权、使用知情等工作，系统主要涵盖了数据授权管理、个人/企业数据画像、数据使用记录等板块。
二、做产品：强化公共数据产品研发
数据产品是开展数据授权运营服务的核心，高质量的数据产品是交付高水平数据服务的载体。
数据产品是指由数据资源经过处理和加工形成的具有一定价值的数据产品或服务，可以提供给用户进行分析、挖掘、应用等操作，从而产生商业价值。
数据产品的可靠性和可用性直接影响到数据授权运营服务的质量和效果，因此在开展数据授权运营服务时，需要重视数据产品的质量。
面向企业级客户提供应用研发运营全生命周期管理的平台，覆盖项目管理、开发、测试、持续集成、持续交付、运营管理等阶段，可以确保数据产品在整个生命周期中的质量和稳定性，从而提高数据授权运营服务的质量和效果。
基于公共数据授权模式的不同，平台的服务对象也更多元化。
-
- 在独家经营模式下，数据产品研发主要工作由运营主体开展，平台化的流程管理保障了运营主体的数据产品可靠性和稳定性，闭环了从用户需求到产品交付和运维的过程。
- 而在一些生态合作模式下，数据产品的研发存在部分由数据需求方配置调整，或者引入数商生态企业定制化开发，平台化的流程管理为研发团队提供一站式服务和研发工具箱，既节省了研发团队搭建研发框架的成本，也标准化了数据产品研发流程。
可见，通过数据产品研发运营全生命周期管理来强化公共数据产品研发十分必要。
三、拓场景：丰富公共数据授权运营应用场景
3.1 场景为导向的公共数据产品运营核心业务流程
以应用场景为导向，公共数据产品运营的核心业务流程经历了从需求到交付的全周期过程。
-
- 在场景需求阶段，需求方需求可以通过标准化产品或定制化产品来满足，并建立了产品目录，以便需求方能够浏览和搜索所需数据产品。数据价值探查工具帮助需求方了解数据的质量、匹配度、贡献度和价格评估，从而更好地评估数据对其业务的适合程度。
- 一旦需求方确认需求，他们可以下单购买所需的数据产品或者直接进行定制。
- 产品交易阶段涉及数据产品的实际使用和合约约定，包括计量和计费方式。
- 最后，在产品效果评价阶段，需求方对数据产品的使用效果和服务质量进行评价，积累的评价信息可以反映数据产品的优劣和价值。
这一全周期运营流程有助于满足用户的需求，提供高质量的数据产品，并不断改进数据服务以适应市场变化。主要包括以下几个环节：
-
- 场景需求上：在公共数据产品运营的第一步，需要明确需求类型，即是标准化产品还是定制化产品。这需要考虑用户群体、需求量、数据类型、可行性和资源、预算、市场竞争、合规性等因素，以确保产品能够满足用户需求、创造价值并符合组织资源和战略目标。
- 数据产品目录上：数据产品目录的设计应使用户能够轻松浏览产品按服务类型和应用场景分类，同时提供关键字搜索功能，以便用户方便地找到所需的数据产品。提高产品的可访问性和可用性，使用户更容易找到他们需要的数据产品。
- 产品价值探查上：平台提供的数据探查能力，可以帮助需求方在申请使用之前快速的了解数据的情况、评估数据对自己业务匹配情况，加速数据交易流通双方的撮合过程；在数据价值探查中提供4种探查能力和报告：数据质量报告、匹配度报告、贡献度报告、价格评估报告。
- 数据产品交付上：需求方根据其需求和数据产品的适应性，如是标准化产品，可以下单购买所需的数据产品，需求方能够获取所需的数据产品并开始应用于其业务活动；如是定制化业务，需求方完成数据资源申请、开发环境申请以后，进入数据产品开发，定制完成后，进行产品交付。
- 交易计量上：数据提供方和需求方之间会建立交易合约，约定数据产品的具体使用方式、计量方式以及费用计费方式。这确保了数据产品的正规化交易，并为客户提供透明的计费和使用流程，同时也为数据提供方提供了收益的来源。
- 产品效果评价上：数据产品被需求方使用后，对其效果进行评估。这包括监测数据产品的使用情况、性能和对业务的影响。通过效果评价，可以不断改进和优化数据产品，确保其能够满足客户需求并提供预期的价值。
3.2 典型应用场景
当前，公共数据授权运营创新实践中，在金融、政务、医疗、零售等多个行业领域已有应用场景落地。
-
- 在普惠金融领域，它支持小微企业信用评估和风险管控，解决小微企业“融资难”、“融资贵”和“融资慢”问题。
- 在市场治理方面，公共数据帮助监管市场秩序和产品质量，确保公平竞争。
- 税收增缴领域可以通过税务风险分析提高税收征收效率，提供在线纳税服务。
- 在社会治理中，公共数据可改进城市规划、社会福利分配等，促进社会发展和持续进步。
这些应用场景有助于改善企业生产经营，提升社会治理能力和水平，提供更高效的公共服务，推动社会的可持续发展。
普惠金融场景：融合助力小微企业普惠金融
公共数据在普惠金融中的综合应用旨在解决中小微企业面临的多重挑战，包括规模小、风险承受能力低以及财务信息有限等问题。此应用通过整合政府、社会、和商业银行的数据资源，建立了全面的小微企业信用体系，利用数据模型和算法实现智能化的风险评估，降低商业银行服务长尾客户的获客和风控成本。
运营场景上，针对市场主体、商户和小微企业进行建模（获客模型、准入模型、风险模型、信用报告模型、测额模型、减费让利模型），银行调用后推送给网格经理进行业务操作利用隐私计算技术，融合本地的政务数据、行业数据、社会数据和银行数据，打造多方数据融合的小微企业信用体系。
数据来源上，本地数据运营公司（归集及授权政务数据使用）、本地天然气公司、本地自来水公司，本地银行。
数据供需上，市监、人社、司法等政府委办局，燃气、供水等公共服务机构是公共数据的供应方，商业银行也提供金融数据，商业银行是公共数据产品的需求方。
社会价值上，这一应用能够改善区域营商环境，增加经济活力和就业枧会，引入数字治理理念，更有效地实施监管和风险管理，为普惠金融注入数字化发展的活力。
市场治理场景：预付资金监管运营
日常生活中健身、教培等服务业经常出现先充值后消费的行为，经营方出台大额优惠活动进行圈钱后跑路，造成大量投诉、消费者维权无门、影响社会稳定，鉴于此，国家出台了政策需要对预付式经营进行监管。
监管业务核心是需要从业务上做到对预付资金进行监管，从技术上就要做到以数据为驱动，建立预付风险监测模型，对商户信用评级、对风险进行动态预警。此应用通过构建预付卡业务与监管运营平台，整合预付卡监管数据资源、预付卡业务管理和市场风险监管功能，实现一站式的监管和服务。
运营场景上，通过建立预付风险监测模型，整合市监、纳税等服务业运营的关键公共数据，构建集预付卡监管数据资源整合、预付卡业务管理、市场风险监管于一体的预付卡业务与监管运营平台，守护消费者预付资金安全，并确保其增值。
数据供需上，政府委办局和公共服务机构等提供市监、纳税、社保、水、电、气等数据，成为公共数据的供应方；预付资金监管运营方成为公共数据产品的需求方。
社会价值上，该应用场景能够使消费者的预付资金安全得到强力保障，维护消费者的权益和社会稳定性。同时，消费者预付的大量资金，能够在监管账户中，通过理财获得一定的增值收益，反哺给商家、平台、财政，实现一站式的监管、服务、增值和反馈。
税收增缴场景：土地增值税清算
土地增值税一直是财政收入的重要来源之一。但是土地增值税一直存在清算对象难确定、清算分析难等问题。借助多方融合计算的公共数据产品，可以推动清算机构实现智能化的项目清算。
运营场景上，通过在财税运营专区归集市监、自然资源、住建、财政、税务局以及其他房地产行业公开数据，开发土地增值税清算数据产品，提供给土地增值税清算机构，如果存在漏报或漏缴税款等问题，系统可以智能地生成相应的通知，并支持补缴税款，税务部门从房地产企业获得增缴税收收入。
数据供需上，数据局、税务局等提供市监、自然资源、住建、财政、税务等公共数据，是公共数据的供应方，清算运营公司、税务部门、房地产企业是公共数据运营产品的需求方。
社会价值上，该应用场景能够帮助税务机关研判管辖区内的所有房地产项目税付情况，帮助清算机构破解在清算审核过程中第三方数据获取困难的问题，规避清算资料依赖于企业自主申报的局限性，帮助房地产企业化解企业申报资整理不规范，申报周期长的问题。
社会治理场景：城乡居民养老保险参保稽核
部分企业存在为员工漏缴、少缴社保的情况，通过人社部门社保数据、税务部门个税数据联合分析，可以分析出未缴纳或少缴纳社保的企业，保障本地市民的合法权益。
运营场景上，该场景下公共数据运营通过不同部门之间的政务数据融合进行联合计算，以核查用人单位是否依法参加基本养老保险、基本医疗保险、失业保险、工伤保险和生育保险，以及是否按时足额缴纳社会保险费。
数据来源上，人社局和税务局提供人社医疗、养老、失业保参保数据，是公共数据的供应方，社保稽核机构和企业是该公共数据运营产品的主要需求方。
社会价值上，这有助于确保用人单位遵守相关法律法规，保障员工的社会保险权益，同时提高了政府对社会保险体系的监管效能。
企业服务场景：区块链招投标
企业招投标中存在交易过程数据查证难、企业业绩资信验证难、交易服务深改难以落实、公共资源交易监管困难等四大难题问题。
此解决方案基于区块链技术，通过将招标项目全流程的数据上链，实现了投标保证金智慧财务管理、交易监管辅助管理、链上金融服务和电子保函服务等功能。
运营场景上，基于对招标人、招标代理机构、评标人、投标人等招标项目全流程业务的上链数据，构建投标保证金智慧财务管理、交易监管辅助管理和链上金融、电子保函等服务，完善公共资源交易市场服务体系。
数据来源上，公共资源交易中心、工商、法院等提供企业相关信息，是公共数据的供应方，招投标运营公司、金融机构和企业是公共数据运营产品的主要需求方。
社会价值上，这一应用提高了招标交易的透明度、安全性，增加了监管效力，简化了相关流程，同时也为招标方、投标方和监管机构提供了更多便捷的金融服务。
企业服务场景：旅游业获客
地方旅游服务公司缺乏对游客偏好、行为模式和需求的了解，造成获客少、效益低下等问题，游客本身也因对地方旅游的不了解而无法更好地执行旅游计划。
通过制定对接旅游服务公司和游客的公共数据运营平台，能够帮助地方旅/投发集团为游客提供个性化的旅游服务和产品，通过互联网平台精确投放，达到市场推广的效果。
运营场景上，以旅投/发集团的历史游客数据、运营商和互联网人群数据为基础，基于隐私计算技术，结合本地文旅数据，通过互联网平台实现景点信息的人群精准触达，全面促进本地景点、酒店丶饭店等文旅服务产业发展。
数据来源上，旅投/发集团、运营商、互联网那个提供游客相关的数据和行为模式偏好，是公共数据的供应方，旅投/发集团和互联网平台同时也是公共数据运营产品的需求方。
社会价值上，能够辅助旅游公司可以更好地了解他们的客户，获得客户的偏好、行为模式和需求，为游客提供个性化的旅游服务和产品，通过互联网平台实现景点信息的人群精准触达，全面促进本地景点、酒店、饭店等文旅服务产业发展。
四、创模式：探索公共数据授权运营商业模式
4.1 协同多方参与的数据产业生态
公共数据运营产业涉及主体多、角色定位不一，需要协调多方参与共建和谐健康发展的数据产业生态。
平台主管方是公共数据运营中的主导角色，负责指导协调、统筹推进、标准规范、监督评估等工作。平台主管方需要建立规范化的数据治理、数据登记、使用审核、收益分配等制度，并确保数据供应方和数据产品供应方的合规运营。
授权运营方是公共数据运营中的核心角色，是政府批准的获取公共数据运营授权的企业，享有数据加工使用权、产品经营权。由授权运营方对关键场景和数据需求进行挖掘、收集、加工，并基于数据需求方开发特定场景的数据产品。
数据供应方是公共数据运营中的关键角色，负责数据治理、数据登记、使用审核、收益分配等工作。数据供应方需要按照平台主管方制定的标准规范进行数据治理，确保数据质量，并对数据使用进行审核和收益分配。
数据产品供应方是公共数据运营中的重要角色，负责产品开发、产品上架、产品交易、产品交付等工作。数据产品供应方需要按照平台主管方制定的标准规范进行产品开发和上架，并通过平台进行产品交易和交付。
数据产品需求方是公共数据运营中的用户角色，负责产品查询、产品详情、产品选购、产品使用等工作。数据产品需求方需要通过平台查询和选择合适的数据产品，并进行使用。
数据经纪人是公共数据运营中的中介角色，负责场景挖掘、中介担保、交易组织、权益保障等工作。数据经纪人需要帮助数据供应方和数据产品供应方进行场景挖掘和交易组织，并对数据交易进行中介担保和权益保障。
数据开发商是公共数据运营中的开发角色，负责数据集成、数据加工、模型开发、数据治理等工作。数据开发商需要对数据进行集成和加工，并开发相应的数据模型和数据治理系统。
第三方服务机构是公共数据运营中的辅助角色，负责合规评估、质量评估、业务咨询、规划设计等工作。第三方服务机构需要对公共数据运营的合规性和质量进行评估，并为公共数据运营提供业务咨询和规划设计服务。
4.2 构建科学合理的数据确值模型
数据确值定价是探索公共数据授权运营商业模式的重要步骤，科学合理的确值模型既能有效激发数据资源供给方和数据运营主体的生产活力，也是建立数据需求市场信任度的过程，让供需双方达成共识，促成交易。
数据产品的价值评估确认可以从以下几个方面考虑：
数据产品的市场价值：指数据产品在市场上的价值，包括数据产品的销售价格、市场需求、市场潜力等。
数据产品的技术价值：指数据产品的技术含量和技术创新，包括数据产品的研发难度、技术难度、技术先进性等。
数据产品的服务价值：指数据产品提供的服务质量和效果，包括数据产品的服务质量、服务效果、服务满意度等。
数据产品的社会价值：指数据产品对社会的影响和贡献，包括数据产品的社会效益、社会价值、社会影响力等。
数据产品确值方法通常包括以下几个步骤：
数据产品的价值识别：根据数据产品的特点和需求，确定数据产品的价值识别指标和方法。
数据产品的价值评估：根据数据产品的价值识别指标和方法，对数据产品的价值进行评估和计算。
数据产品的价值确认：根据数据产品的价值评估结果，对数据产品的价值进行确认和确定。
数据产品的确值定价是一个相对较新的概念，目前在业界尚未形成成熟的机制。尽管有一些框架性的研究，但大部分仍处于理论模型阶段。在这种情况下，数据产品的确值定价需要更多的市场主体参与和创新实践。
市场机制在数据产品的确值定价中非常重要。通过市场竞争和供需关系，可以更好地反映数据产品的真实价值和需求。数据产品的确值定价应该考虑到数据的质星、稀缺性、可用性、可靠性等多个因素，以及不同用户的需求和支付意愿。在这个过程中，市场机制可以帮助数据提供商和用户更好地协商和达成共识，从而实现公平、合理的定价。
参考景区门票定价方式，采用成本加成法定价，优先体现公共资源属性。门票价格限定为游客提供服务和资源保护的支出，补偿合理运营成本、保持收支总体平衡，让景区回归公共资源的本质。借鉴景区门票的定价理念，公共数据用于公益的免费、用千产业发展的收费，但用于产业发展的收费原则上不应脱离公共资源属性，“保本平衡或微利”应是最优选择，可以采用成本加成法的定价办法。
尝试按照水费定价办法，解决特定公共数据因场景带来的定价难问题。水价分为三类，居民用水、非居民用水、特定用水。各类水价之间的比价关系大概比例是1:1.5:4-10，显然特种经营用水实行高价。非居民和特定用水增加的收入，主要用于管网和户表改造、水质提升、弥补供水成本上涨等。这对于场景使用价值差异较大的公共数据，成本加成法已经不适用，可以采用特种经营用水的定价办法，直接按照成本加成法，分档取倍数，不同场景应用不同倍数。
总的来说，数据产品的确值定价目前在业界尚未形成成熟的机制，仍在探索并尚无共识。应尽快推动公共数据授权运营，在商业实践中探索经验，推动数据要素的流通，在全国统一公共数据资源大市场中的检验，推动产品创新来促进数据价值的显现。
4.3开拓渠道丰富的数据商业模式
多样化的数据产品是公共数据运营的商业模式核心组成部分，多方参与并由数据运营方主导的数据产品主要涵盖以下类型：
数据服务：数据运营方可以提供数据处理（收集、存储、使用、加工、传输等）服务能力，包括但不限千数据采集和预处理服务、数据建模、分析处理服务、数据可视化服务、数据安全服务等，以帮助客户更好地管理和利用数据。
数据产品：数据运营方可以提供用于交易的原始数据和加工处理后的数据衍生产品。包括但不限千数据集、数据分析报告、数据可视化产品、数据指数、API数据、加密数据等。
数据工具：数据运营方还可以销售可实现数据服务的软硬件工具，包括但不限千数据存储和管理工具、数据采集工具、数据清洗工具、数据分析工具、数据可视化工具、数据安全工具。
同时，通过合理的数据收费模式和销售渠道，是将数据的价值最大化地发挥出来，实现商业模式的先决条件，公共数据产品和服务的渠道可以从以下几个方面开拓：
线上销售渠道：公共数据产品的线上销售渠道是指通过网络平台，销售和推广数据产品，通常用千场景应用比较成熟、产品标准化程度较高的数据产品。这种销售渠道通常需要建立稳定的网络平台，提供优质的线上服务，包括数据流转的全部过程。
线下销售渠道：公共数据产品的线下销售渠道是指通过销售人员面谈沟通，推广数据产品并促成交易，通常用于数据需求方需求尚不明确或场景应用较少、产品需要定制的数据产品。这种销售渠道通常需要专业度较高的销售团队，以提供个性化数据咨询服务。
合作销售渠道：公共数据产品的合作销售渠道是指通过与其他企业或机构合作，销售和推广数据产品。这种销售渠道通常需要建立稳定的合作关系，提供优质的合作服务。
当前，我国数据运营市场还处于快速成长期，呼吁并联合更多的第三方专业服务商的介入，是实现供需双方高效匹配的现实要求。数商扮演着数据运营市场中的核心参与者角色，也带来了数字时代的新业态和新模式，成为推进数字经济发的主导力罣，数据运营的不同模式不同场景有望孕育出相应的数据服务提供商，数商生态有望赋能数据产业规模化发展。大力拓展数商生态，在公共数据运营业务的多方角色中，充分建立合作销售渠道，是更契合当前市场发展需求的举措。
4.4 探索互惠共赢的利益分配机制
授权运营机构采用市场定价或者竞争性定价销售数据产品或服务，以销售额或收益的一定比例作为公共数据使用费（价格），场景价值越高、收益越高、政府拿到的比例越高。
公共数据运营的收益分配主要涉及两个层面，一是政府收益，二是参与数据运营并贡献价值的参与方的收益。
对于政府，可参考征收数据资源税的思路，这种思路简单可行，适合获得独家授权的公共数据运营机构，约定分成将一定比例的数据运营收益返回至财政部门，或者授权运营机构以税收方式缴纳公司经营税款。
对于参与数据运营过程中的生态各方角色，则依据其提供的产品或服务价值来约定收益的比例，如数据产品提供方则获得产品销售收入，第三方服务机构则按其提供的咨询服务、评估服务等获得第三方服务费，而数据商则依据其产品开发服务获得相应报酬，数据经纪人则依据其促成的交易按比例获得回报。
第五章 共建数据运营保障体系，畅通公共数据资源循环
一、构建职责清晰的组织体系
1.1 政府主导的公共数据授权运营典型组织架构
政府部门在公共数据运营中发挥主导作用，应在政府部门的指导和统筹下，构建由“一组、一库、一局、一公司”等多主体组成的据授权运营的组织架构。
其中，一组”主要是指授权运营工作协调小组，负责统筹公共数据授权运营工作。
“一库”主要是指公共数据授权运营专家智库，负责开展政策制度、运营机制和合规规则等前瞻性研究，为公共数据授权运营提供理论支持和政策建议。
“一局”主要是指公共数据主管部门，负责公共数据的治理和监管。
“一公司”主要是指公共数据授权运营主体，一般为具备成熟的数据管理能力和数据安全保障能力的大数据公司，负责具体实施公共数据的运营工作。
1.2 专班管理的公共数据授权运营典型组织架构
典型的公共数据授权运营专班组织一般设置领导小组统筹公共数据运营工作，组建优化组织结构并统筹协调重大问题，其中，组长一般由本级分管领导担任，副组长由数据主管单位负责人担任。
领导小组下设小组办公室、专家组、标准制度组、平台业务组、市场监管组和安全监管组。
其中，小组办公室一般设置在数据主管单位，负责全盘统筹推进工作以及与授权运营单位签订授权运营协议；专家组成员主要是外聘专家和顾问等，负责审议授权、终止或撤销等重大事件，监督指导公共数据授权运营年度评估；标准制度组成员一般为各委办局成员，负责建立健全授权运营制度、规范、标准、流程；平台业务组一般由数据主管单位牵头，各委办局、公共服务企事业单位成员共同参与，负责牵头公共数据授权运营平台建设管理、审核数据申请业务流程；市场监管组成员一般由发改委、经信局、财政局和市场监管局，负责公共数据授权运营市场监督管理工作；安全监管组一般由网信、公安、国安等部门构成，负责公共数据授权运营安全监督管理工作。
1.3 公共数据授权运营主体的典型组织架构
一般而言，公共数据授权运营主体主要设立数据运营部、数据开发部、合规监管部、运维保障部、标准制度部。
其中，数据运营部的主要职责有供需对接、运营审核、生态引入和产品推广，确保数据供应链的流畅，对数据的质量、完整性和时效性进行定期审核和质检，保证数据准确性和可靠性。
数据开发部主要职责是数据应用场景的分析与挖掘，并基于数据建模开发创新数据产品。合规监管部主要职责是业务监督与合规审计，确保数据运营全流程的安全合规。
运维保障部主要职责是平台运维、环境部署、安全保障，确保平台稳定运行和数据安全。
标准制度部主要负责运营制度、合规制度和安全制度的制定与实施，从流程和标准层面保障公共数据运营的安全与合规。
二、构建系统完整的制度体系
按照国家战略统筹谋划并做好顶层设计，制定制度法规、标准规范等，指导公共数据运营。
进入公共数据落地运营阶段，政策的可操作性、落地性也越来越强，不同地方、不同行业、不同层级，要根据实际情况围绕公共数据交易、管理、授权运营管理规则、安全、确权登记等公共数据运营全过程制度系统完整的制度体系，更好推进公共数据运营落地。
三、构建四位一体的安全保障体系
安全是公共数据持续健康运营的基本前提，也是系统性工程，主要要从数据安全运营、组织、技术、管理等方面进行全面考虑，为公共数据安全可靠运营提供坚实保障。
- 数据安全运营体系，主要包括风险识别、主动防御、安全监控和安全响应四部分。其中，数据风险评估、数据分级分类、漏洞修复以及监控巡检等数据安全运营策略，为数据安全流通共享提供了全方位的保障。
- 数据安全组织体系，通过建立完善的组织架构，明确决策层、管理层、执行层、参与层、监督层等不同层级人员的职责和权限，理清各个层级的业务关系和运行逻辑，确保数据安全的各项工作得以顺利开展。
- 数据安全技术体系，涉及数据采集、存储、传输、使用、交换、销毁等数据全生命周期和全流通涟路，采用数据资产梳理、数据隐私安全、数据风险监控、数据安全响应、数据安全恢复、密码安全等多种手段确保数据流通使用过程中的安全性和完整性。
- 数据安全管理体系，主要是制定政策法规、规章制度、技术标准、操作标准等的管理制度规范，为安全工作建章立制，从制度上提供全方位的保障。
四、构建互利共赢的生态体系
构建生态是公共数据运营持续繁荣和不断做大的关键。公共数据运营涉及政府管理部门、数据产品开发主体、数据授权运营主体、数据需求方以及数据经纪商、数据价值评估、数据加工、合规认证、人才培训等三方专业服务机构，参与方较大，要围绕不同的参与主体构建分工明确、职责清晰、互惠互利的多方共同参与的产业生态。此外，公共数据来源于不同的行业主管部门、各个地方政府部门，也具有不同的应用场景，要以公共数据运营为切入囗打破行业壁垒和部门壁垒，带动不同行业的数据、部门的数据、应用场景的数据实现有效汇聚和统一管理，构建跨部门跨行业的数据生态。
构建繁荣发展的生态圈需要多种措施共同发力。首先，价值激励策略是重要的手段之一，通过奖励机制鼓励各方参与公共数据运营，提高参与度和积极性；同时，通过建立行业生态联盟、举办行业活动和大赛等各方合作和交流提供平，集聚各方共建行业生态圈，也可以促进各方的共同发展。最后，政府应发挥主导作用并完善相关的配套支撑，同时做好宣传引导，吸引更多的主体参与数据运营的产业生态。
第六章 未来展望
一、构建全国一体化公共数据资源网络，加快数据联通
统筹规划构建全国一体化公共数据资源网络是一项系统而复杂的工程，需要政府、企业和社会各界的共同努力。首先，需要建立一个全面、统一的标准体系，确保不同地区、不同部门的公共数据能够实现无缝对接和互通互用。这包括对数据标准、数据质星、数据安全等方面的严格规范。其次，要搭建一个强大、高效的数据可信流通基础设施，实现数据跨网跨域安全有序流通融合。此外，还需要制定相应的政策法规，保护数据提供方的合法权益，鼓励更多的数据开放共享，同时确保数据的安全和个人隐私的保护。在此基础上，推动国家级数据交易场所、区域性数据交易场所、行业数据交易平台互联互通，形成一个攫盖全国的公共数据资源网络。
二、形成全国统一公共数据资源大市场，做大产业规模
公共数据具有价值高、体罣大、覆盖面广等特征，全国统一公共数据要素市场将促进数据的大范围流通和大规模应用，对提高生产效率的乘数作用更加凸现，对经济增长的贡献也更大。一方面，全国统一的公共数据资3原大市场将带动更多潜在的、有高价值的公共数据资源进一步开放和流通，更好满足用户对各类数据的需求，形成数据融合应用需求和
高价值数据供给的良性循环，做大数据要素市场；另一方面，全国统一公共数据资源大市场也能够激发更多的数据与数据产品地应用和创新，将促使公共数据与社会治理和产业发展的深度融合，通过多元数据分析、预测和决策，赋能公共治理，提高社会治理和经济发展效率。
三、拓展数实深度融合的新业务新场景，释放数据价值
现阶段，公共数据的应用场景涉及行业和领域还比较少，应用程度还比较简单，数据价值释放的范围、规模和深度有限。进入数字经济时代，更多要推动s数据在进入实际生产活动并赋能实体经济，释放其作为新型生产要素的价值，拓展实体产业数字化转型过程中的新场景新业务是推动数实融合发展的关键。未来来看，数据与实体产业融合步伐不断加决融合深度不断加强，智能制造、人工智能等细分产业应用场景的拓展和深入挖掘成为关注焦点，也将推动实体产业更深层次、更大范围应用数据变革现有业务模式，并进一步激活数据要素价值。
来源：赛迪顾问
下载本报告PDF：在“智慧城市行业分析”公众号，回复“公共数据授权运营创新指南”下载本报告
【END】
