公共数据

本白皮书以促进数据要素价值高效和可持续释放为目标，针对数据流通过程中面临的困难挑战，围绕解决数据流通基础设施建设的关键性难题，分析数据可信流通的基础原则，提出了可信数据流通网络（简称可信数网，TrustedDatacirculationNetwork，TDN）的概念。通过分析业界实践和深入研讨，凝聚各方共识，对TDN的总体功能、网络结构、建设思路、关键技术、应用场景、规范保障等内容展开全面分析和研究论证，并予以详细阐述。本报告亮点如下：一是首次提出可信数据流通网络（TDN）的概念。TDN是以数据可信流通为基础原则，以“全国互联、数据可信、流通安全、全程可溯、贡献可量”的核心能力为目标，而构建的数据流通基础设施。TDN基于分层次的网状结构，通过建立顶级节点、枢纽节点和子节点，以实现数据、算力、网络等跨区域、跨行业的互联互通和价值共享。二是明晰TDN的可信数据流通关键技术范畴。从保障数据隐私安全、流通过程可控可信、跨节点跨平台跨技术互联互通等角度归纳、分析实现数据可信流通的关键技术方法。主要包括隐私保护、使用控制、信任保障、互联互通等四大类技术，在TDN的互联基础层、资源接入层、计算控制层、流通服务层等环节发挥着不可替代的关键作用。三是全面梳理TDN应用场景和标准体系。首先分析可信枢纽节点的建立对公共数据授权运营、企业数据流通、数据交易这三种典型的数据流通场景的作用及应用效果，进而提出在数据流通的各个环节、相关的技术要求、行业应用要求以及节点落地建设等方面需要统一的标准规范。由此TDN的建设思路不再是独立松散的模块组合，而是形成了一套体系化的可实操可落地的解决方案。四是展望TDN的未来发展方向并提出建议。为实现数据要素价值的全面释放，政产学研各界将切实的从技术创新、试点示范、服务生态、标准规范等方面加快推进可信数据流通网络的落地，奋力实现打通数字基础设施大动脉、畅通数据资源大循环和建立全国统一大市场的目标。

负荷识别是非侵入式负荷监测(non-intrusive load monitoring, NILM)的关键一步。针对目前识别方法存在网络参数量大、识别率低的局限性，提出了一种基于马尔可夫转移场((Markov transition field, MTF)和轻量级网络的非侵入式负荷识别方法。首先，利用归一化后的电压电流计算马尔可夫状态转移矩阵，在时域上排列每个状态转移概率构建MTF。其次，对MTF降采样以适应神经网络的学习，利用伪彩色编码技术得到RGB彩色图像。最后，在轻量级网络ShuffleNetV2中加入SimAM无参注意力模块作为特征提取网络，以较少的参数量实现负荷分类识别。使用公共数据集PLAID和WHITED对所提方法进行实验，结果表明，SimAM-ShuffleNetV2在两个数据集的识别准确率分别达到了98.99%和99.22%，参数量分别为0.37 M和0.41 M，比现有的方法具有更高的识别准确率和更少的参数量，验证了所提方法的有效性和优越性。

2022年4月《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》发布，将数据划分为公共数据、企业数据和个人数据三类，并提出要建立健全数据交易规则，制定全国统一的数据交易、安全等标准体系。财政部高度重视数据资产管理，自2023年8月先后出台了《企业数据资源相关会计处理暂行规定》、《关于加强数据资产管理的指导意见》、《关于加强行政事业单位数据资产管理的通知》等，旨在规范企业数据资源相关会计处理，强化相关会计信息披露，有序推进数据资产化，加强对数据资产全过程的管理，更好地发挥数据资产的价值。同时，2023年9月中国资产评估协会发布《数据资产评估指导意见》，为数据资产评估工作的开展提供了有效指引和规范。为适合企业数据在数据要素市场化过程中市场化流动和价值释放，规范企业数据资源相关会计处理，强化相关会计信息披露，北方大数据交易中心联合中审华会计师事务所、天津市软件评测中心、北方亚事资产评估有限责任公司、天津金诺律师事务所、天津农学院、天津大学和河北工业大学8家联合体成员单位共同编制了《企业数据资产入表操作指引》，旨在为企业实现数据资源化、资产化和资本化提供切实可行的实践路径。本操作指引提出企业数据资产入表的核心思想是：明确数据产品作为数据资产的计量载体，形成“以数据产品研发支出为基础的初始计量、以数据产品实际应用场景中收益和风险为参照的后续计量”的模式。全部内容共七个部分——引言、数据治理、数据资产评估、合规与确权、数据交易、相关成本的合理归集与分摊、列报与披露。

2019 年 10 月，北京市大数据工作推进小组办公室印发《关于通过公共数据开放促进人工智能产业发展的工作方案》(京大数据办发[2019]2 号)，确定建设北京公共数据开放创新基地。该基地由北京市经济和信息化局发起，北京市大数据中心支持开发。于 2019 年11月 11 日建成并授牌成立，已先后组织开展7场规模较大、影响较广的数据开放创新竞赛活动，向社会有序开放一大批高价值公共数据。

本白皮书在《数据要素白皮书（2022年）》的基础上，进一步探讨数据要素理论认识，聚焦过去一年来数据要素探索过程中不断涌现的新模式、新业态、新热点，重点关注资源、主体、市场、技术四大方面的发展：资源方面，公共数据授权运营、企业数据资产入表、个人数据权益保护是各类数据发展的新趋势和着力点；主体方面，企业和政府逐步提升能力，双向发力推进数据要素可持续探索；市场方面，场外场内各有突破，相互促进、共同发展，推动数据资源的最优配置；技术方面，基于业务需求支撑数据要素发展的技术体系正加速创新。期望本白皮书的研究成果能为社会各界进一步参与数据要素实践探索提供有价值的参考。

本报告将从公共数据授权运营发展现状出发，梳理各地方实践中存在的问题与面临的挑战，剖析发展痛点，在厘清相关概念、运行逻辑与推进思路的基础上，从机制建设、平台建设、实施路径等方面切入，提出具体的可行方案，并分析当前公共数据的典型应用场景，尝试描摹公共数据授权运营的未来图景。

数字生态为我们研究数字中国建设整体布局规划与数据要素市场体系构建等关键议题提供了重要视角。北京大学大数据分析与应用技术国家工程实验室在更新数字生态指数工作的基础上，持续对国内各省份与城市和国际重要国家的数字化发展格局进行多层次、整体性研判，为中国对内营造良好数字生态、对外积极调整全球战略定位提供智库服务。中国数字生态指数结果表明，省级四型联动的数字生态发展格局保持稳定，且5个省份实现梯队跃迁，数字化发展势头强劲。前三十城市排名变化较大，城市之间竞争激烈。从区域一体化角度看，东部地区为我国数字生态头部，中部地区为我国数字生态中坚，西部地区为我国数字生态后方，东北地区为数字生态末梢。从五大城市群看，京津冀、长三角、珠三角在第一梯队城市引领下形成区域内部自循环的数字生态高地，而成渝和中三角仍缺少领头城市而未成生态。中三角呈现“两强一辅”数字生态格局，强省会带动都市圈崛起成势，未来提升数字能力、打造战略城市、加速数字融通是一体化高质量发展的重要动能。今年国际数字生态指数测算的对象国家范围有所扩大，数据源数量也有增加。研究发现，中国的国际数字生态指数得分已赶超英国，仅次于美国，居世界第二位，中美在数字基础、数字能力和数字应用三个维度上全面领先其他国家，两国在数字领域的“两极”博弈格局愈加清晰。今年的报告中对南亚和东南亚的数字化发展状况进行了专门分析，发现南亚和东南亚各国呈现“基础迥异，能力普遍偏弱，应用发展差异较大”的总体特征。其中，新加坡凭借其全球领先的数据开放水平和在线创新能力，印度凭借其能源及基础设施优势，在两亚数字化发展中处优势地位。数字生态视角引领构建数据要素市场体系。设计统一数据要素市场体系的总体构架和总体布局方案，要以数字生态理论为基础，数据生命周期为分析框架，数据要素多重属性为事实，“构架安全、布局灵活联动有效、绿色持续”为原则，可以贯穿指导数据要素总量测算、数据要素权属结构性分置、公共数据授权运营、企业数据资产价值实现、数据要素市场参与者培育、可信可控可计量流通交易以及数据要素市场治理体系等重大政策层面。展望未来,数字中国建设整体布局规划应与目前我国各省市数字生态发展水平和空间格局深度匹配,处于数字生态不同梯队的地区应当采取差异化发展策略。在国际方面，中国与美国在国际数字化发展领域的“两极”竞争格局更加清晰，而中国在东南亚与南亚地区的数字生态空间拓展至关重要。

深圳市龙岗区依托华为“鲲鹏+昇腾”全国产架构，将脱敏开放的公共数据应用于人工智能算法训练应用场景中，打造了高效服务的人工智能算法训练综合服务平台。

今年的报告通过地球大数据，聚焦中国和全球可持续发展的中期评估，扩展SDG指标数据产品，探讨延伸指标内涵，完成中国所有环境类指标的进展评估。同时，积极为全球提供公共数据产品，服务各国尤其是发展中国家的2030年可持续发展议程落实评估。同时，基于报告研究内容，提出了对未来科学决策、加速可持续发展进程、大数据获取能力建设以及指标调整与优化的建议，为落实2030年可持续发展议程提供科学支撑。本报告由科研院所、高校等50多家单位160余名科研人员进行撰写，反映了可持续发展和大数据领域的最新研究成果。中国科学院机关和有关部委专家给予了大力支持，编写组同志们付出了艰辛劳动，在此一并表示衷心感谢。

随着数据要素市场的逐步完善，电力公司外部数据获取、内部数据开放和内外部数据联合分析需求激增，政企融合数据应用需求活跃，数据安全与数据共享矛盾突显。浙江电力以省能源大数据中心作为内外部数据共享汇聚的统一窗口，以统一对外开放数据目录为核心，统筹外部汇聚数据与内部数据开放数据清单；以企业数据共享平台为通道，统筹内外部数据共享技术路线与规范，支撑数据共享安全审计；以隐私计算平台为保障，以“可用不可见”的方式，推动明细数据的联合分析计算，助力数据要素价值释放。