2019中国数据治理发展报告（简版）_46页_716kb

2019 中国数据治理发展报告总结

核心内容

《2019 中国数据治理发展报告》全面分析了我国数据治理的现状、模式、法律框架及技术产业的发展情况。报告分为上篇“通用数据治理”和下篇“行业数据治理”两部分，系统梳理了数据治理的多维度内涵、治理路径、法律工具及技术挑战，同时结合多个行业数据治理的实践案例，指出了我国在数据治理方面存在的问题与改进方向。

主要观点

数据治理的三个维度

1. 微观层面：数据治理是个人对数据的管理，关注数据的实用性、可用性、完整性和安全性。
2. 中观层面：数据治理是国家层面的治理，涉及数据权属、流通机制和数据质量。
3. 宏观层面：数据治理是全球治理，涉及数据权利、流通、管理等多边合作。

数据治理的目的

1. 优化数据质量，发掘数据资产价值：通过治理提升数据价值密度。
2. 保障数据安全，确保国家社会稳定：数据共享机制的缺失导致治理困难。
3. 建立数据规则，维护数据主体权利：数据治理保障数据主体的合法权益。
4. 降低边际成本，提高数据流通效率：解决数据孤岛问题，提升数据流通效率。

数据治理的路径

1. 线性治理模式：政府主导，分层次管理数据治理。
2. 以国家为中心的协同治理模式：结合国家治理与社会参与，实现治理效果与效率的平衡。

数据治理的工具

序号	工具名称	主要内容或功能描述
1	法律、法规	包括《网络安全法》《电子商务法》等，借鉴GDPR等国际经验
2	产业政策	多项政策支持数据治理发展，如《大数据产业发展规划》
3	政府采购	规范数据治理，同时自身也需要治理
4	国民经济核算	宏观层面的治理手段
5	财政拨款/转移支付/补贴	支持数据治理与产业发展
6	信息化补偿机制	促进企业数字化转型
7	信息化费/税	可作为刺激数据治理的手段
8	BOT、TOT等市场化方式	促进数据治理与数字基础设施建设
9	数据交易公共平台	倒逼数据采集、隐私保护等环节规范
10	政府强制/行政指导	通过强制手段和政策指导推动数据治理
11	电子政务/信息公开	提升政府数据治理能力
12	第三方评测评估评价	通过外部评价机制提升治理质量

关键信息

数据治理模式

1. 人格权模式：适用于个人数据保护，欧盟和美国多采用此模式。
2. 财产权模式：适用于企业数据，强调数据的经济属性。
3. 数据产权模式：融合人格权与财产权，作为新型权利类型，是“中国方案”的探索方向。

我国数据治理立法与GDPR的借鉴

• GDPR是欧盟最严个人数据保护法，强调个人数据不可交易。
• 我国应借鉴GDPR，但需结合国情，避免盲目照搬。
• 注意事项包括：数据治理需服务于产业竞争，避免法治陷阱，完善个人数据确权机制，平衡中小企业与大企业的合规成本。

数据合规以案说法

• 案例：TikTok因旗下Musical.ly侵犯儿童隐私被FTC罚款570万美元。
• 启示：数据合规应成为企业红线，需通过行业指引和认证提高合规水平。

数据治理政策法规

• 促进数据治理现代化发展：包括统一开放体系、决策系统、全球互联网治理等。
• 数据安全治理：涉及系统安全、网络安全、信息安全等方面。
• 数据合规治理：需遵守法律法规、监管要求、商业惯例等。
• 敏感数据与隐私保护：需建立数据脱敏机制，保护个人隐私。
• 数据价值与质量治理：包括数据资产管理、数据质量评估等。

数据治理技术现状与产业发展

• 底层技术研发：包括数据采集、存储、计算等，我国在部分领域已取得进展。
• 大数据分析架构：涵盖数据可视化、统计分析、数据挖掘等技术，我国在部分领域仍需提升。
• 数据治理面临的挑战：
  1. 数据安全薄弱，影响国家安全。
  2. 个人数据泄露问题严峻，需加快确权进程。
  3. 数据主权问题突出，跨境流通法规尚不完善。

数据产业体系

• 产业规模：我国大数据核心产业快速增长，2020年预计超过1.2万亿元。
• 产业结构：包括核心产业、关联产业和融合产业，其中数据分析挖掘占比最高。
• 行业布局：金融、电信、政务等行业发展指数较高，农业发展指数较低。
• 产业环境：政策环境良好，投融资环境趋于稳定。

八大国家级大数据试验区

1. 跨区域类综合试验区：京津冀、珠江三角洲。
2. 区域示范类综合试验区：贵州、重庆、上海、河南、沈阳。
3. 基础设施统筹发展类试验区：内蒙古。

行业数据治理

金融数据治理

• 个性特征：数据资产化、中台治理。
• 目标：通过数据治理实现数据价值，提升数据决策能力。

工业数据治理

• 特征：全生命周期数据管理、系统化协同、高实时性要求。
• 挑战：数据获取分散、集成困难、动态控制复杂。

政府数据治理

• 特征：信息基础设施建设、打破数据壁垒、防范数据泄露、对接民众需求。
• 挑战：信息基础设施薄弱、数据孤岛问题严重、数据合规与安全问题突出。

电商数据治理

• 特征：数据流动从封闭走向开放、数据治理模式多元化、数据资产化趋势明显。
• 挑战：数据治理需平衡多方利益，加强消费者权益保护。

物流数据治理

• 特征：数据权属明确、消费者权益保护、权责划分与争议解决机制。
• 挑战：数据归属问题、消费者权益保障、监管机制不完善。

医疗数据治理

• 特征：拓展数据采集范围、丰富数据类型、服务三医联动。
• 挑战：数据结构化程度低、数据采集范围有限、需加强数据共享与处理能力。

存在问题与建议

1. 专项法规体系亟待建立：缺乏专门针对各行业的数据治理法规。
2. 数据治理标准不统一：行业内部与行业之间标准不一致，影响协同发展。
3. 数据安全保障体系缺乏：数据泄露问题频发，需加强安全防护。
4. 数据治理缺乏顶层设计：国家、行业、地方缺乏统一治理思路，导致治理混乱。

后记

本报告由工业和信息化部赛迪研究院与西南政法大学人工智能法学院联合发布，内容涵盖数据治理的理论、法律、技术与行业应用。报告强调，数据是国家基础性战略资源，需通过多维度治理手段推动数据治理现代化，实现高质量发展。同时，报告感谢各参与单位和专家的贡献，指出由于时间限制，可能存在一些不足，欢迎各方指正与完善。