[数据概念|方案实操]数据要素市场化配置改革杭州实践与思考

 电商之都杭州在数据要素市场改革中都做了什么?

近日,在清华公管学院,由杭州数据局局长 徐青山 给大家做了题为《数据要素市场化配置改革杭州实践与思考》的报告,内容相当的丰富,值得大家学习,在这里把鼹鼠哥自己的一点体会跟大家分享。

图片

01   写在前面

——————————————————

当天讲座是晚上七点多正式开始的,讲完之后还有问答环节,一直到晚上十点多才结束。过程中,徐局长还提到他白天去了国家知识产权局,讨论了关于数据产权保护的问题,他的日程安排得非常满。但即便如此,徐局长讲全程都表现得精力充沛,回答问题时也非常流畅。我们真的应该向这样的国家干部致以崇高的敬意,正是他们的辛勤工作推动了国家的发展。

02   报告结构

——————————————————

话归正题。首先我们看一下报告的结构

图片

就像很多数据治理项目那样,徐局长把工作内容大致划分成了三个主要部分,分别是数据供应(数供)、数据流通(数流)和数据应用(数用)。这三个环节环环相扣,每个环节都有其独特的重要性。数供主要涉及到数据的采集、处理和储存,确保数据质量和安全;数流则是关于数据如何在不同系统、不同部门之间流转和共享,保证数据的活跃性和流动性;而数用则关注如何利用数据创造价值,包括数据分析、决策支持等方面。

除此之外,徐局长还强调了两个支撑性的工作领域,一个是数据安全,另一个是人才培养和建设。数据安全是基础,没有安全的数据环境,其他一切工作都无从谈起;而人才培养和建设则是长远之计,只有拥有专业知识和技能的人才,才能有效地推动数据治理工作的深入进行。

在这三个主要环节中,数流的部分尤为重要,也是讲座中占用篇幅最大的部分,共有八个要点。相比之下,数供和数用部分则分别只有两个要点。这反映出数据流通在整个数据治理过程中的核心地位。毕竟,数据的共享和开放流通是实现数据价值的关键,这一点已经成为大家的共识。只有当数据能够自由流动,才能被更好地利用,发挥其应有的作用。

03   形势解读

——————————————————

这里我们不全盘介绍徐局长的内容了,仅就重点内容解读。

首先,徐局长所列的最新的政策文件。

图片

这里面,有些鼹鼠哥之前帮大家做过解读,尤其是财政部的《暂定规定》、《数据要素X》计划、《东数西算》等政策。当然,还有一些我们可能没有太注意,但徐局长也在讲座中提了一下,比如《转型指导意见》和《工业领域指南》等。这些政策都比较新,我打算抽空深入研究一下。

再说到杭州的情况。作为中国电商的领军城市,杭州的自然条件和技术基础设施都是非常优越的,这一点徐局长在讲座中也是颇为自豪的。他提到了杭州在数据基础设施方面的优势,以及如何利用这些优势推动数据治理工作,这些都给我们带来了很多启示。

图片

数字经济基础也得天独厚。这一切都为数据要素市场化工作的开展提供了良好的基础。

图片

04   数供-供得出

——————————————————

杭州在数据供应(数供)方面的保障,是通过三级公共数据平台来实现的。徐局长在讲座中详细阐述了这一架构的重要性。

图片

首先,他强调了一点:数据归集应该是全量的,而不是仅仅按需。按需归集有时候会导致数据在使用时才发现不足,而数据的潜在价值往往是无法预估的。只有当数据之间能够相互交融,才可能激发出新的数据洞察,从而最大限度地发挥数据的价值。

图片

其次,徐局长提到了制定详尽的标准并且一以贯之的重要性。在实际工作中,他们倡导“一数一源一标准”的原则,即将标准严格地与数据源匹配,确保这些标准不仅是制定出来,而且能够得到有效执行。

图片

最终,杭州的数据质量目标是达到六个高标准:准确性、完整性、一致性、及时性、唯一性和关联性。这些标准是数据质量的基本要求,也是确保数据能够被可靠地使用的基础。

图片

同时,为了从源头上确保数据的高质量管理,杭州还对管理范围内的单位提出了“一个单位一个平台”的要求。这一点在现实工作中,由于涉及到各种利益关系和管理关系,确实实施起来有一定难度。但一旦能够实现,它对于保障数据质量,特别是准确性和一致性,将会提供巨大的帮助。

图片

05   数用-数据开放

——————————————————

为了用好数据,杭州的公共数据开放工作走在了全国前列。

图片

开放之后,就是运营。杭州也建立了授权运营的配套体系。

图片

公共数据授权运营也是现在公共数据开放领域的常用办法,但是很多省市都是直接授权,然后基本就不管了。徐局长的介绍中提到,在具体运营过程中,很多的关键环节特别是新产品的开发等等,还都是需要数据局参与流程审批的。通过数据局参与到关键环节,确保了授权运营过程中对公共数据的保护,同时也促进了授权运营工作的开展及通过数据获益。

目前杭州授权了15个运营单位,12个数据领域。

图片

对应的有三大场景,即AI,金融和交通。

图片

AI部分主要是提供数据集供大模型进行训练,金融和交通主要是通过模型开发对数据进行运算,获取模型运算的结果来助力业务。

06   数用-数据交易

——————————————————

数据交易毫无疑问是大家最为关注的环节,这方面杭州主要是引入了区块链进行存证,以及隐私计算框架,来支撑数据交易和运营平台。

对于区块链如何帮助数据交易,鼹鼠哥之前有相关文章可以供大家参考。

[方案实操|数据技术]数据要素十大创新模式(1):基于区块链的多模态数据交易服务平台 (qq.com)

[数据概念|数据技术]智能合约如何助力数据资产变现 (qq.com)

图片

目前已经有1767个数据产品。

图片

杭州还基于区块链推出了数据合规流通证书,通过交易所的这个证书,就可以推动后续的资产入表和交易工作顺利开展。

图片

数据完成存证以后,就可以通过交易所进行交易,或者形成数据资产化的产品,这方面杭州也走在了前边。早在去年的7月份,就推出了支持票据,实现了数据资产融资的路径打通。

图片

07   数用

——————————————————

杭州在公共数据的利用方面,主要拓展了三个场景。

首先是政务服务一网通办,通过梳理一件事办事清单,用数据分析来决策,选择了最需要一网通办的事情,打通数据流程。

图片

然后是一网统管城市运行

图片

以及社会治理-一网统治。

图片

这里边特别要指出的事,杭州真正是拿数据分析,用结果说话,而不是拍脑门的。在梳理一件事的清单时,统计了总共的办件数量和涉及的环节数量,都是用数据说话来进行决策。

图片

当然,后边还介绍了很多场景,包括对交通的改善,对杭州亚运会的帮助等等。当时现场大家最感兴趣的,其实还是一直以来诟病的医疗数据共享问题。

图片

看起来简单的医学检查结果互认的事情,劳民伤财耽误时间,但是全国喊了很多年,一直没能根本上解决。但是杭州已经做到了较好的程度,后来的交流环节徐局长也介绍了一些经验,主要是要深入到医院,通过可能的现有途径,把数据接出来,同时也能反馈医院一些有价值的公共数据,直接和医院达成共识。

后边在公共数据的开发利用场景数据要素X中,还介绍了如下几个场景。

数据X工业

图片

数据X商贸

图片

数据X金融

     

图片

08   经验总结

——————————————————

最后,徐局长介绍了他对数据要素工作开展的十点心得体会。

首先,实践先行。这也是大多数南方省份敢于尝鲜,并且走在全国前列的原因所在。

图片

对于交易,现阶段形式以公共数据授权运营为主。

 

图片

对于数据交易市场,呼吁建立全国统一的大市场

 

图片

当前交易市场的问题大家应该是有共识的。

图片

最后,是定价环节。

徐局长的看法是,价无定价。我的理解,他还是支持让市场来定价。

图片

因为数据自身的特性,成本难以计算,在不同场景下,收益也差别很大。

图片

最后,关于场外交易和场内交易。这一点也是鼹鼠哥今天提到的。

[数据概念|法规规划]推动场内交易,数据交易所在行动 (qq.com)

 

图片

徐局长的态度还是很开放的,并没有对场外交易一棒子打死。

 

图片

他认为要通过给场外交易带来价值,才能促进场外交易自己主动向场内转移。

图片

最后

徐局长最后把数据要素市场的建设上升到了相当的高度,和文艺复兴等启蒙运动相提并论,进入到全新的思维体系,塑造全新的人类社会生活。这一点当然见仁见智,供大家参考。

图片

如上,就是全国数据市场建设先进城市-杭州的数据局局长上周给大家做的分享。内容并不全,仅供大家参考。

下一次我们将介绍数据大讲堂的第一讲,海南的案例。欢迎大家继续关注鼹鼠哥。

图片

数据资产化,鼹鼠哥与你一起。

  • 15
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个简单的 R 语言属性数据分析实操: 假设你有一个名为“mtcars”的数据集,包含了32辆汽车的11个属性(包括排量、马力、加速度等)和它们的燃油效率。你想通过这些属性信息,分析一下哪些属性与燃油效率有关系。 1. 导入数据 首先,你需要将数据导入到 R 中。你可以使用以下命令将 mtcars 数据集导入: ```R data(mtcars) ``` 2. 数据清洗 mtcars 数据集一般不需要清洗。 3. 数据统计分析 接下来,你可以使用 R 中的各种统计函数对数据进行分析。比如,你可以使用以下命令计算每个属性和燃油效率之间的相关系数: ```R cor(mtcars) ``` 上述命令中,`cor(mtcars)` 表示计算 mtcars 数据集中每个属性与燃油效率之间的相关系数。相关系数可以反映两个变量之间的线性相关程度,其取值范围为 -1 到 1,越接近 1 表示两个变量之间线性相关性越强。 4. 数据可视 最后,你可以使用 R 中的各种可视函数,将数据可视展示出来。比如,你可以使用以下命令绘制出每个属性与燃油效率之间的散点图: ```R library(ggplot2) ggplot(mtcars, aes(x=mpg, y=disp)) + geom_point() ``` 上述命令中,`ggplot(mtcars, aes(x=mpg, y=disp))` 表示将 mtcars 数据集中的燃油效率作为 x 轴,排量作为 y 轴。`geom_point()` 表示绘制散点图。通过上述散点图,你可以直观地看出排量与燃油效率之间的负相关关系。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值