数据价值网络白皮书2024.docx

《数据价值网络白皮书2024.docx》由会员分享，可在线阅读，更多相关《数据价值网络白皮书2024.docx（34页珍藏版）》请在三一办公上搜索。

1、目录刖百11 .数据价值网络概述42 .市场已形成“四加一”的专业化分工73 .未来市场核心趋势推演M4 .当前行业庸点245 .未来数据价值网络主要机会点256 .倡议与呼吁3334结语数据价值网络前百长久以来，土地、劳动力、资本、技术被视为商品和劳务必备的基本资源。今天,随着数字技术和人类生产生活的深度融合，数据已经成为优化资源配置、提高生产效率的关键，被列为第五大生产要素。随着政府政策端的积极推动和人工智能技术的不断进步，中国企业越来越重视数据资产,对数据的充分开发和高效利用，尤其是通过发掘雌价值，产生新的应用和服务，已成为企业竞争力的重要体现。数据要素的生产、供应、传输、交易和应用促进

2、了整个数据行业的繁荣发展，同时也推动了众多数据生态伙伴基础设施技术工具提供商的进步，为整体社会经济的数字化转型注入了新的活力。BCG希望通过本次研究帮助企业更好地了解数据要素市场的发展趋势和潜在机会，从而把握住当前的发展机遇。一於晨，BCG董事总经理、全球合伙人，BCG科技、媒体和通信专项中国区负责人数据具有非竞争性、非排他性的特殊性质，这决定了这种新型生产要素与其他类别要素有很大不同。数字经济的核心是数据，虽然各数据主体随着服务应用的深入积累了大量数据，但对于应用端来说还是不够的，特别是对当前Al大模型海量训练数据需求来说更是如此。另外，当前数据市场也是分割的，即是通常说的孤岛效应，数据只有

3、流通起来才能发挥价值。数据流通的核心是市场需求与供给的匹配，数据要素需求多样化以及数据产品和服务供给的类型和属性多样化，决定了数据的流通路径、服务形态和基础设施建设的高度丰富性，需要形成多方参与主体（供给方、需求方、交易所、基建提供方、服务商）、场内交易与场外交易、直接价值（数据本身）与间接价值（数据服务与产品）融合的复杂网络。数据价值网络白皮书从数据价值本身出发，聚焦数据价值实现的不同路径，提出数据价值网络的概念，并对其进行了应用服务市场、要素流通市场和基础工具市场的具象化拆分，结合行业痛点，梳理在应用侧、供给侧和基建侧的新机会。T振华，蚂蚁集团研究院院长在数字经济时代，数据已成为促进社会进

4、步和创新发展的关键动力，而其价值的实现有赖于广泛的应用。尽管如此，当前企业面临合规风险、安全压力、数据治理能力不足、加工及场景挖掘有限等多勤戡，字奴搜照资源K利用心存疑虑，福E不会用、不敢ffl、不能等方面的龌。针对这一现状，数据要素x行动的研究规划聚焦于行业应用和场景挖掘,旨在释放数据要素的潜在价值，更好地促进数实融合。数据价值网络白皮书阐述了以应用为导向的数据价值体系，发布正当其时，有助于市场主体把握数据价值体系，为以应用为驱动的数据价值释放提供了研究参考。T红光，深圳数据交易所董事长在当今数字化时代，数据己成为驱动创新和决策的关键要素，也是推动经济增长和社会进步的重要资源。2020年4月

5、，国务院发布关于构建更加完善的要素市场化配置体制机制的意见，将数据增列为生产要素，中国成为全球第一个在国家政策层面将数据确立为生产要素的国家。2022年12月，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，提出建设数据要素流通和交易制度、数据要素收益分配制度、数据要素治理制度等，促进数据高效流动使用，赋能实体经济。为更好地释放数据价值，国家正在积极推进数据要素市场化配置改革，目前数据要素市场规划已逐步完善，相关标准也在加速制定，发展路线更加清晰，实践也愈加丰富。数据的创新应用已悄然改变了很多行业的商业发展模式，其价值不仅仅在于数据本身，更在于利用数据重塑业务。本报告将围绕数据价值网

6、络，深入探讨数据价值创造的基本原理、流通的基本规律和各参与方职能，详细阐述市场供需现状、各应用场景下数据价值网络流通链路变化，并对主要机会点进行了总结。核心观点如下：数据价值网络的形成类似国际贸易网络，受数据需求在具体应用场景中产生的商业价值牵引，催动整个产业链上的技术投入和数据流动，形成了基于各类玩家自身资源禀赋和比较优势的专业化分工。受益于国家推动数据要素发展的政策的密集出台和全球数据科技革新（如AI、数据安全等），整个数据市场正处于重要变革期，数据流通链路正在重塑，孕育了新的市场机会。当前，中国数据要索市场仍然存在三大核心痛点：“想用不敢用”、“想用不能用”、“想用不会用”。向前看，我们

7、预感中国数据市场正催生三大千亿级市场，建议积极关注，分别是：数据需求中的新应用机会、数据新供给带来的结构性机会，及数据基础设施技术工具的升级机会。数据价值网络迎来发展浪潮，整体市场建设蹄疾步稳，希望本报告能为读者提供有益的参考和启发，帮助大家更好地理解数据价值，推进数据价值网络的高质量发展。1 .数据价值网络概述1.1 数据价值创造和流通数据价值创造需要齐聚算力、数据、算法及应用场景四大要素。算力是基础，数据是原料，算法是手段，应用场景是价值产生的根本动力（参阅图1）O图11数据价值创造的四大要素数据价值创造四大要素根本动力手段原料基础拥有数据价值创造四大要素的企业，具备数据内循环能力，但多数

8、企业因某种要素缺失，需要借助数据外循环挖掘数据价值。在数据价值创造所需的四大要素中，算力和算法通常可以通过外部采购获取，大多数情况下不会对数据价值创造形成太大阻碍。数据创新应用引领者，例如大型互联网公司，能够内部匹配数据与应用场景，在内部自主完成整个数据链路闭环，即数据内循环。而现实中绝大多数企业存在数据与应用场景错位，需要外部信息注入，通过跨企业协作，数据跨主体流动完成闭环，才能产生更大的数据价值。企业对外部数据或应用场景的需求推动了数据流通，形成数据外循环，同时也带动了数据价值流通链路上的专业化分工。本报告定义的数据外循环市场既包括场内I的数据要素交易市场，也包括场外2直接或间接形式的数据

9、价值流通和交易活动。事实上，目前国内绝大多数数据价值流通活动都发生在场外。1场内交易指通过数据交易所或数据交易中心进行的数据交易.2场外交易指不经数据交易场所、由企业或个人之间自主产生的数据交易。1.2什么是数据价值网络？数据价值网络是以数据要素作为交易流通对象的价值网络，涵盖了从数据生成到运用的一系列价值创造环节（参阅图2）o价值链是价值流动的最基本路径，根据业界定义，价值链是商品和服务的价值随着企业经营活动在要素供给方、中间环节和需求方之间单向流转的过程。一系列的价值链组成了价值网络，价值网络是多维立体的网状结构，存在多种链路环节组合。而以数据要素作为流通主体的价值网络，我们称之为数据价值

10、网络。广义来说，数据价值网络应涵盖数据外循环链路中不同企业间产生的所有场内与场外、直接与间接的数据价值流通活动（数据本身、数据产品、数据服务），以及支撑数据价值流通的技术工具市场图2I数据价值网络以数据要素作为流通对象片 价值链 X价值网络要素供给方中间环节需求方要素醺方中间环节需求方数据价值网络一 J价值随交易对象在供给方、中间环 节和需求方之间流转的过程，被称 作价值链一系列的价值链路组成价值网络， 包括多个供给方、需求方，以及更多样化的中间流转环节嗦数据要素流通中数据要素5整&包翳需防服务商数据价值网络以数据要素作为交易 流通对象,数据价值在不同企业的 场内与场外、直接与间接的流通特点单

11、一方向，T3R多维度，多类型数据要素作为流通主体来源：BCG分析.基于产业链分工，我们将数据价值网络进一步细分为数据应用服务、数据要素流通、数据基础工具三个细分市场（参阅图3）o数据应用服务市场将数据资源转换成有价值的洞察，帮助企业更好地把握市场动态、了解消费者偏好，2022年该市场规模3约500亿-1,000亿人民币3数据要素流通市场聚合分散的数据，完成数据清洗等初步处理后供给需求方使用，推动数据交易流转，2022年该市场规模约500亿TQOO亿人民币。数据基础工具市场提供支撑数据价值网络运行的技术保障，2022年该市场规模约600亿人民币。3如无特别说明，本报告中的“市场规模均特指中国市场

12、规模。4数据应用服务市场、数据要素流通市场及数据基础工具市场的2022年规模由BCG基于公开信息和专家访谈测算得出。图3I数据价值网络示意图目前相关市场研究报告大多采用狭义的数据要素流通市场定义，仅关注场内交易的各种数据要素流通形式，较少涉及对场外数据交易以及数据应用服务市场和数据基础工具市场的探讨。2 .市场已形成“四加一”的专业化分工数据外循环链路中，各企业要素禀赋差异和比较优势决定了市场专业化分工，形成需求方、供给方、流通方、应用服务商、基础设施技术工具提供方五大角色（参阅图4）。需求方、供给方、流通方、应用服务商是市场直接参与方，他们构建了数据要素从供给到流转应用的主要链路节点，直接参

13、与数据价值的创造与流通。同时，为保障数据价值网络的正常运行，数据基础设施技术工具领域也出现了各类专业技术提供方。他们虽不直接参与数据价值创造和流通，但为整个网络构建提供技术支持，是数据价值创造和数据价值网络运转的基础。图4I数据价值网络中的主要玩家数据要素市场的持续发展也推动了多元化的商业模式。除传统的数据售卖，目前市场上主要有四类模式：交易中介服务模式。以数据交易所为代表的玩家拉通数据买卖双方，通过佣金收取、会员制、增值式交易服务5等多种方式盈利。5增值式交易服务指通过提供数据交易平台、数据清洗、数据脱敏、数据安全等服务，使得数据能够更好地实现其价值，并为企业或个人带来更多收益。 数据订阅服

14、务模式。以数据聚合方（如企查查、万得等）为代表的玩家对数据聚合、清洗，形成初步的数据集，然后以订阅的形式，周期性地将标准化数据产品通过离线数据包或实时APl发送给客户，客户按既定周期支付固定的使用费。 数据咨询服务模式。以市场研究机构和咨询公司为代表的数据服务商基于数据分析，为客户提供洞见和建议。除报告售卖外，数据咨询服务多采用项目制，根据客户需求进行定制，并按照项目复杂程度和时限要求等向客户收取费用。 数据洞察、解决方案和平台服务模式。以应用解决方案商为代表的玩家为客户提供数据营销、风控综合解决方案（如反欺诈评分等），并针对不同特点的客户和基于不同的方案，或收取定制集成服务费用，或以SaaS

15、形式提供服务按使用次数等收费，或按照使用收益分成收费。2.1 四个市场直接参与方：数据需求方、供给方、流通方、应用服务商2.1.1 数据需求方是价值驱动力需求侧产生的商业价值是驱动数据要素流通最重要的因素。下游企业利用数据要素取得经营成果，会推动更多数据需求的产生，从而拉动整个产业链上的数据流通。营销、风控、交易决策等离钱较近的场景率先驱动数据大规模流通，是目前最主要的需求场景，市场规模最大。 营销方面，品牌方需要从数据中提取有价值的规律，制定更有效的营销策略，提升产品销量，实现商业价值。例如美妆品牌通过数据分析发现某个用户经常购买某一类产品，于是向其定向推送该类产品的促销信息，提高商品转化率

16、。2022年中国数字营销市场规模约10,000亿人民币。 风控方面，金融企业需要运用数据更好地进行风险识别、监控和预警，降低企业风险，提高业务安全性。例如银行通过数据了解客户交易记录、信用状况，更准确地评估信贷风险，降低不良贷款率。2022年中国风控市场规模约330亿人民币6。 交易决策方面，金融企业利用数据协助决策制定，抓住商业机会。例如证券公司通过分析历史数据和市场动态，预测未来市场走势，为交易决策提供依据。2022年中国交易决策市场（如金融数据库、各类交易信息数据库等）规模约120亿人民币。6其中约145亿人民币为智能风控软件市场规模，约185亿人民币为个人征信市场规模。从行业角度来看，

17、金融和互联网是目前数据商业化应用价值最为明显的两个领域，付费意愿最高。金融行业应用比较广泛的场景包括风险管理与合规、投资交易决策、精准营销等。在互联网行业，数字化营销应用最为广泛。2.1.2 数据供给方是资源所有者供给方为市场提供必要的数据资源，运营商、互联网、金融机构和政府是主要供给方。当前，国内市场数据供给主要来源于三大汇聚：第一是流量汇聚，如互联网、运营商。互联网、运营商凭借平台优势，沉淀了大量用户基本信息、网络行为习惯、平台浏览记录，以及渠道销量数据第二是资金汇聚，如金融与支付机构。作为交易结算的关键节点，金融与支付机构沉淀了大量企业及个人资产情况、信贷记录、信用情况等。第三是政策汇聚

18、。政府各职能部门在管理或提供公共服务的过程中积累了大量的企业工商信息、税务记录、社保数据、个人征信及其他国家和行业统计数据等。供给方通过出售数据及相关服务变现，由于隐私合规及安全要求，目前市场仍面临数据“供给难”、“变现难”的问题。以运营商服务为例，运营商通过业务支持系统（B域）和运营支撑系统（0域）积累了大量身份信息、支付信息、上网行为及位置数据等。基于个人信息保护法要求，运营商需要采取一系列安全措施来确保数据的安全合规性，这给数据供给增加了难度，且数据交易边界尚不完全清晰，运营商在数据开放上持谨慎态度，目前仅向市场提供脱敏后的数据包或分析结果。运营商虽有数据变现意愿，也在银行、保险风控、精

19、准营销等领域积极探索数据类、方案类、平台类、项目制等变现方式，但在技术、安全和市场机制方面仍存在挑战（参阅图5）o图5I运营商数据供给模式和主要变现场景示意数据类型B域业务封寺 系统BBS用户身份信息支付信息0域运营支撑 系统OSS上网行为（如网络轨迹）位宣信息（用户实时位置）Q风控主要对外变现场景（当前）保险理赔用户欺诈行梃供瞧撮库服务或 上网行为健国,智篝 鹏城市基于位置信息、支付 信息加工形成的用户 标签2.1.3 数据流通方促进流通效率数据流通方汇聚大量原始数据，进行清洗后形成标准数据产品供应市场，提高了数据流通效率，加速数据要素价值释放。数据流通方包括数据聚合方、交易服务商和数据处理

20、粗加工服务商三类玩家。 数据聚合方针对某一共性需求，通过爬虫、第三方采购等方式收集数据，经过处理后形成标准化的数据集产品（参阅表1）,并通过产品订阅实现数据变现。聚合方能显著降低下游用户的数据使用成本，广泛且独特的数据源、数据分析和产品创新能力是聚合方成功的关键。从角色形成的驱动因素出发，可将聚合方分为两类。第一，商业驱动的聚合方，他们凭借先发优势已经建立起成熟的商业模式，拥有稳定的客户群，通过独特的数据源和持续产品创新形成竞争壁垒和稳固的数据价值链路，如金融数据服务商（万得、同花顺等）、大宗贸易数据服务商（卓创、钢联等）、企业数据服务商（企查查、益博睿等）、营销数据服务商（尼尔森、友盟等）。

21、第二，政策驱动的聚合方，借助政策引导逐步形成新的数据聚合，当前主要出现在风控场景数据链路中，如人民银行征信中心、个人征信公司、政府数据资源集成商（地方信息化平台、行业部委大数据公司等）。表1I聚合方原始数据源及提供的数据集产品示例数据类型原始数据源数据获取方式标准化的数据集产品示例公开数据官方机构（如国家统计局、海关总署、发改委、商务部、工信部、农业部等）上市公司官网/公告行业网站新闻媒体爬虫、结构化加工 基本面数据：中国宏观经济、地区宏观经济、全球宏观经济、行业经济、利率数据等 公司及产品数据：股票、债券、外汇、基金、期货、公司公告、新闻资讯、企业信息等 各类金M数 交易所数据 大宗商品：大

22、宗商品交易数据（棕楣油、大豆、金属品类等） 医药数据库：药品研发数据等非公开数据交易所数据数据中间商，如指数公司、评级公司自主收集的行业;公司雌采购第三方数据/独家合作 交易服务商是辅助数据交易活动有序开展的专业服务机构，提供数据集成、数据托管等服务，主要玩家包括数据交易所、数据经纪服务商、数据评估服务商等。 数据粗加工服务商进行数据采集与粗加工，形成可供使用的数据集，主要玩家包括海天瑞声、恺望等。2.1.4 数据应用服务商提供洞察价值应用服务商拥有行业knowhow,通过数据与技术、算法的深度结合挖掘数据背后的潜在价值，满足客户深度洞察需求，为用户的业务赋能。基于应用服务商提供的产品与服务，

23、我们将其分为应用解决方案商和数据服务商。应用解决方案商包括互联网服务平台、营销解决方案商（如阿里妈妈、友盟等）、风控解决方案商（如同盾、百融等）、征信公司（如百行、朴道）。数据服务商包括市场研究机构、系统集成商、定制开发商等。数字化营销是应用服务商的主要服务场景，头部互联网服务平台凭借丰富的流量、数据、技术资源，通过广告变现，获取了营销市场主要价值；营销解决方案商和头部流量方合作，通过提供营销解决方案获得收益。头部互联网服务平台在运营过程中积累了大量的用户线上行为和交易数据，并基于这些数据创建了用户个性化画像，记录了消费者的购物行为和喜好。品牌商家可借助互联网平台庞大的用户群体和消费者画像在平

24、台上定向投放广告，提高品牌曝光度，互联网平台收取一定比例的广告费用作为收益。营销解决方案商往往与头部流量平台有稳固的合作关系，他们利用平台积累的用户行为数据，并整合其他站点（如搜索引擎公司）的用户搜索记录等，结合自身算法，形成多样化解决方案，通过向品牌方提供营销解决方案获益（参阅图6）。图6I营销解决方案商服务示意数据获取I画像生成I营销/用户分析受众分析报告目标客群筛选用户行为预测营销策略制定2.2 一个技术赋能者：基础设施技术工具提供方基础设施技术提供方主要向市场提供四类技术工具，包括数据提取转化与管理工具、数据存储工具、数据分析工具、数据安全工具（参阅图7）o图7I数据技术产品栈通用型应

25、用I垂直型应用I交易决策;簪自演驶.药品研发电力调度智能风控智能客服应用层数据安全数据技术产品栈（参照现代数据栈MDS）计算存储 网络工具层(数据工具+算法)数据安全合规隐私计算（平台）数据安全治理（平台）缄脱敏数据防泄漏辘库安全蝇备份与恢复数据提取转化与管理工具：数据要素使用的基础技术工具，同时也是数据分析、应用与对外供给的前置条件。其中，数据治理市场蕴含巨大潜力，但仍处于发展初期。数据提取转化工具将不同来源、不同格式的数据统一转化为标准格式，提高数据的准确性和可信度。数据管理工具帮助企业创建数据标准和管理策略，提升数据可用性，满足合规要求。2022年，中国数据提取转化与管理工具产品的市场规

26、模约10亿人民币，数据治理是其中的高增长赛道。数据治理市场中，金融、科技等少数行业的头部大客户是主要的产品购买方，企业在发展过程中尚存在自动化水平不足、治理效率低、数据难以融合流通的问题。数据存储工具：数据要素的基础载体，数据管理和分析的前置条件，当前市场集中度高，国产厂商竞争力逐渐增强。产品力、开放生态及客户服务是关键成功要素。数据库是目前国内市场规模最大的平台软件产品，市场规模约37。亿人民币。市场集中度高，云厂商主导，但以OCeanBaSe为代表的分布式数据库独立厂商增速较快。信创国产化是主要趋势，在非核心系统，以达梦为代表的集中式数据库己得到越来越广泛的应用；在核心系统，以OCeanB

27、aSe为代表的分布式数据库正在被广泛应用。面对海量数据挑战，企业正在建设现代化数据架构，从集中式数据库升级为分布式数据库正在成为新选择和新趋势。数仓云化和湖仓一体化是两个主要技术发展方向。数据分析工具：数据价值创造的精加工7数据精加工指数据经过分析处理、转化为信息后，对信息做进一步解析，形成有业务价值的洞察。工具，AI平台工具是最重要的产品之一，头部厂商规模效应明显。产品矩阵、技术优势及生态体系建设是关键成功要素。Al平台工具是最重要的数据分析产品，目前国内市场规模约120亿人民币，3。的AI平台工具是机器学习平台。机器学习平台技术门槛较高，前五大玩家占比接近7。，且头部厂商规模不断扩大，竞争

28、优势愈发明显。数据和Al深度融合的一站式解决方案，以更低的算力成本实现更快速的技术创新以及生态体系的构建成为关键制胜要素。数据安全工具：数据价值流通的根本保障，贯通整个数据技术栈，行业参与者众多，市场尚无绝对领先者，完整的安全解决方案能力是关键成功要素。数据安全包括数据安全合规、数据库安全、数据脱敏、隐私计算平台等细分领域。合规是当前企业开展数据安全能力建设的最重要驱动力，数据分类分级是企业开展数据安全合规治理的起点。目前数据安全市场规模约13。亿人民币（含产品及服务等），主要玩家包括三类：以安华金、全知科技为代表的专精型数据安全厂商、以奇安信为代表的综合型网络安全厂商，以及腾讯、阿里云等云厂

29、商。目前各厂商多结合自身优势提供若干产品模块组合，尚无成熟的数据安全合规整体解决方案。3.未来市场核心趋势推演3政策端利好频出政策上，政府持续鼓励并支持数据价值流通，打造更多数据枢纽高地，推动更多数据开放。国家层面，政策举措接连落地，组建国家数据局，数据要素市场建设加快推进，地方数据交易所、政府大数据平台等机构在数据价值流通网络中起到了愈发重要的作用。地方层面，北京、上海、深圳等地陆续出台政策响应一一北京印发关于更好发挥数据要素作用进一步加快发展数字经济的实施意见，上海发布立足数字经济新赛道推动数据要素产业创新发展行动方案（2023-2025年），深圳拟定深圳市数据商和数据流通交易第三方服务机

30、构管理暂行办法一一鼓励政府部门、公共机构、央国企等手握巨量数据的供给方积极推动数据商业化，明确打造数据要素配置枢纽高地，共同推进公共数据授权运营，培育和发展数据价值流通市场。数据资产入表，为数据交易定价提供依据，是数据资源迈向数据资产化的关键步骤。2023年8月，财政部制定印发企业数据资源相关会计处理暂行规定，多地已开展数据入表先行探索，这为企业的数据资产管理和运用提供依据，有利于日后数据资产的交易定价，进一步推动数据要素市场的发展。3.2 技术创新推动数据价值认可技术上，生成式Al的落地应用，推动了行业对数据价值的认可。AI大模型的落地应用使企业意识到数据将成为企业发展的重要抓手，例如基于生

31、成式AI的虚拟助手代替部分人工在线客服完成常规的售前咨询与售后管理，帮助企业节约成本；芯片厂商积极探索AI大模型与EDA工具结合，高效并且自动化生成不同形态、适配多种验证环境优质测试用例，减少芯片设计流程中部分重复且繁杂的工作，提高工作效率，降低研发门槛，解决人才挑战。由此，更多企业积极探索Al大模型在研发、生产、销售、服务等环节的落地应用，对数据价值的认可度不断提高。数据被视为企业发展的核心资产和关键竞争优势，成为企业决策、市场定位、客户需求的重要依据。33供需发生改变3.31 需求端：新应用场景涌现，数据需求爆炸式增长先进科技浪潮如Al大模型推动了需求侧新数据应用场景的涌现，数据需求出现了

32、爆炸性增长。各行业存在众多适合生成式AI落地的应用场景（参阅图8）,例如：图8IAI大模型履能下的新数据场景用例来源：BeG分析.注：中国市场价值演算，价值创造为理论推演，代表终端市场的最高潜力，并非实际Al软件支出。.零售行业的定价预测：AI大模型算法会基于历史销售数据、产品信息、市场趋势进行训练模拟，找出数字背后的规律。模型被训练好后，可以基于特定的输入参数（如季节等）生成价格预测结果，帮助零售商制定更合理的定价策略，提高利润并降低库存积压风险。.金融行业的个性化服务：AI金融助理根据客户的行为和偏好数据，帮助客户经理更好地理解客户需求，并整理现有金融产品形成个性化的产品推荐建议。例如，A

33、l模型整理历史客户沟通记录、资产配置情况、风险承受能力等数据，为客户经理等提供客户的详细画像和风险评估，并根据客户需求，自动生成个性化的理财方案和沟通话术，扩大客户经理服务边界，提升服务能力。.医疗健康行业的精准医疗：Al大模型结合患者的基因数据、临床记录、生命体征等多源数据，针对患者的疾病情况和基因特征，制定个性化的治疗方案，提高治疗的准确性和效果。这些用例的逐步落地牵引着更多的数据价值流通需求，而Al大模型本身对于训练数据量级的提升，将使数据需求量出现指数级别的增加。332供给端：更多数据开放，或出现新的数据提供方数据需求的爆炸性增长驱使需求方积极寻求新数据供给，在政策引导与技术发展的推动

34、下，市场预计有更多数据开放，也会出现新的数据供给方。首先，随着行业数字化水平不断提升，数据的有效供给不断增加。以汽车行业为例，传统汽车场景下数据类型单一，以发动机转速、行驶里程等车辆运营数据为主。随着汽车智能化、网联化的推进，行业数据种类日益多样化，新增数据包括毫米雷达波等传感器采集的数据，车辆之间以及车辆与基础设施通过车联网技术实时交流的数据，驾驶员驾驶习惯、行车路径等用户行为数据，以及导航规划等互联网数据等，市场上可供给的数据种类不断丰富。其次，政策牵引下数据枢纽高地正在形成。目前多地已出台细化的数据基础制度，政府、龙头企业等在数据量级和维度上都遥遥领先，正在成为重要的数据枢纽，在促进数据

35、要素的高效利用方面发挥着关键作用，预计未来的影响力将进一步扩大。基于行业数字化水平和数据集中程度，大量新生数据供给方正在诞生，例如能源、医院、交通、汽车、物流行业等（参阅图9）。能源、医院和交通行业数字化程度较高，龙头企业、行业协会聚集大量数据，具备数据供给潜力；汽车和物流行业受新能源发展和物流数字化的驱动，行业数字化程度快速提高，自身积累的数据量大幅增长，行业也在构建数据应用场景，积极探索数据变现方式。我们预计，随着下游场景进一步明确，数据流通合规体系建立，能源、医院、交通、汽车和物流行业有望成为新的数据供给方。数据分散数据的可能性更大D司W） 8）的农业 线下教育 装备制造 线下零售 文化

36、影视 消费品 药企 电子产品图9 I各行业数据供给潜加布数据集中数字化程度低数字化程度高此外，企业层面，部分央国企、互联网平台及其他数字化程度高、数据集中度较高的企业拥有丰富的数据资源，具备对外大量供给数据的可能，也有望成为未来数据供给的枢纽高地，形成新的数据流通路径。3.4数据价值流通链路发生变化数据需求与供给初步匹配形成数据流通链路雏形。当前市场已围绕营销、风控、交易决策三大场景，形成了由需求方、供给方、流通方、应用服务商组合的多条数据价值流通链路。技术工具提供方给予技术支持，协助数据要素的高效流通和价值释放。随着数据变现需求不断增加，新的数据源涌现，部分新数据链路被搭建，部分旧数据链路被

37、重构，数据流通链路网络被进一步编织。未来的数据价值网络中，新的数据供给方建立新通路。数据价值链分工格局的变化、政府职能的补位以及下游需求的变化，致使原有的数据链路被重构。Al大模型应用的增加也带动了新的外循环通路（参阅图10）o图10I数据价值网络全景图（未来）重点玩家一主要通路,次要通路数据供给依据聚合依据洞察散据需求管第数据分析方To C理销数据聚合方第三方营销数据服务商T。C风控数据髅合方T。C风控交通To B3.控故据及合方物渔医疗交易决策数据聚合方其他大模型敷1B聚合方技术工提供方运营商人民银行I智能风控I个人数妮征信中心I服务商授权互联网金保信地方信息化平行业部委大数据公司数据标j

38、主公司箱增数据 供给方第三方企业故据服务商智卿岫 服务商传统数据 供给方金超机构To B风控 交易风控解决方案商通用大模型 开发公司To B风控 信贷解决 方案案To C风控 信贷解决 方案商大宗商品 数据服务商互联网流平台粉解决方案商助贷机构个人征信公司智能风控反欺诈和风险3器霹服务前分析86务公司金融人民银行 征信中心金融数魁潴企业征信非金密 风控 需求方材料等大宗更易m5咨询公司大宗商SWSi 今即R管理服务商:交易决策数据分析市场研究机构其他研发、!s- 客服、运营 一等需求方大模琪开发方垂百领域大模型开发公司/睇夬方案商广告主来源：公开资电鹿；专家访谈；BCG分析.3.4.1营销场景

39、新流量平台崛起，品牌方需紧密结合自身及外部数据，利用新技术制定更有效的营销策略，进而催生出新的数据流通路径。当前的营销链路中，在需求端，品牌方为了提高获客率、增加营收，需要采用数字化方案更精准地触达用户，这就需要全面的用户数据和市场数据作为支撑。而目前供给侧主要由互联网平台提供用户行为数据。第三方营销数据服务商会通过爬虫等方式聚合数据，形成标准化数据产品销售给下游客户，或由互联网平台、营销解决方案商将数据转化为分析洞察，通过广告营销和营销解决方案变现。随着流量格局变化，需求端追求更高的营销效率，我们预计营销场景数据流动路径将发生两点变化（参阅图11）：图111营销领域数据流动通路全景图（未来）

40、主要通路次要通路新建通路数据供给方传统数据供*新增数据供普金融机构运营商互联网物流频（如电力）效据聚合数据洞察运营商数据灰转白敷据需求方消费金融 更多元数据供给通路。公共机构、运营商积极探索数据合规变现，大量运营商数据和流量或将在营销领域合规运用，未来运营商可能成为除互联网外另一大主要数据供给方；交通、医疗、汽车等行业数字化程度持续提升，积累大量可用于营销的数据资源，从而催生出新的数据通路。 流量格局变化，营销解决方案商或承接更多流量数据。新流量平台涌现带动互联网流量格局变化，私域流量重要性提升，更多新流量与数据将经过营销解决方案商环节。342风控场景T。C风控随着征信“断直连”政策落地，出现

41、更多的数据共享与合作场景，企业需要利用数据及相关技术完善风控管理，满足低风险运营要求，由此牵动数据流通路径变化。当前的TOC风控链路中，金融行业是主要的需求方，信贷风控（含反欺诈）是最主要的应用场景，需要企业基本信息、信贷评价、违约信息等辅助风控管理目标的实现。目前政府、金融机构、运营商数据供给相对有限，业内以互联网平台供给的信用类数据为主。人民银行征信中心、金保信等机构会对数据进行聚合加工，同时包括同盾、百融等解决方案商对数据进行深度分析，形成有业务价值的业务解决方案。风控解决方案商和金融机构曾存在直连通路，但“断直连”政策出台后，该通路被切断，后续必须通过征信机构连接金融机构。随着政策驱动

42、和部分环节职能补强，我们预计ToC风控场景的数据流动路径将发生三点变化（参阅图12）：图12IToC风控领域数据流动通路全景图（未来）主要通路次要通路,新建通路传统效据供给方 *数据供善政府、 运管商 更丰富数据聚合数据整合方风控解决方案商羽艮务商 百Ia）场景 控）人民银行征信中心个人数据授权银保信政务数据新通路效据洞察依据需求方金融信贷场景智旄风控I员务商 （同盾、百融）外提供解决方案智能风控服务商I（同盾、百题）反乍和风险分析服务商（数行科技）数据通道方个人征信公司百行征信朴道征信 “断百连”落其他保险汽车金融消费金融企业小额货款 砂地，未来趋于第 通过征信矶构连 接金府机构；金保 信、

43、银俣信数据 是否除继续直连 需求方取决于监管 收紧力度互联网（社交平台、电商,游戏等）（在风控熠决方案商的帮助下实现政务数据直连）政府、公共机构和运营商数据供给更丰富。科技能力带动政府、公共机构和运营商外供数据量及有效性提升，政府、公共机构和运营商可能会成为主要数据供给方。征信机构职能补强，提供解决方案。政策要求征信机构成为信贷风控领域数据枢纽，随着征信牌照扩容，征信机构自身风控技术能力补强，未来部分征信机构将聚合风控解决方案商，直接提供整套方案。政务数据形成新通路。政务数据公开或成为信贷场景下征信机构外的新通路，政府可能以普惠金融角度切入，绕开个人征信公司直接服务银行等机构。ToB风控TOB

44、风险评估要求更加全面精准，企业需要利用更多维度的数据，为更复杂的应用场景提供支持，由此带动数据流动路径的转变。当前TOB风控场景下，金融行业是最大的需求方，信贷风控和交易风控是最主要的应用场景。金融机构及行业用户需要综合多类别的数据对合作伙伴进行风险评估，需要的数据包括工商、信贷、税务数据、贸易支付信息等。这些信息目前主要由政府部门提供。企查查等风控数据服务商对数据进行聚合、清洗后以数据订阅的形式向下游输出，赚取数据聚合价值。应用与解决方案环节，同盾、百融等风控应用解决方案商将数据带入风控模型做精加工，赚取数据洞察价值。由于需求变动及数据应用规范化，我们预计TOB风控领域数据流动路径未来将发生

45、两点变化（参阅图13）：图13IToB风控领域数据流动通路全景图（未来）一主要通路次要通路TmlHa数据需求方政府、源数据运用规范化传统效据供给方 暂数据供毒行业数据供给更丰富，带动非金融企业交易风控需求升级。各行业数字化程度提升，且更多数据维度被纳入风控模型，供需两侧共同推动行业数据供给增加。交易风控场景下，仅从数据聚合方采购数据已无法满足企业日益复杂的应用需求，越来越多的非金融企业需要购买由风控解决方案商提供的平台、信用报告、信用评分等数据产品辅助深度洞察；政府、能源数据运用规范化。随着对数据规范授权和商业化应用的规定逐渐明晰，监管力度预计加大，参考ToC风控领域的监管趋势，未来相关敏感数

46、据（如政府数据、能源行业数据）可能需要通过第三方聚合方或解决方案商进行传输。343交易决策场景交易决策场景下，市场已有成熟玩家卡位，未来数据流动路径变革机会有限。当前金融交易和大宗交易决策是两大主流应用场景，金融行业是最大的数据需求方，市场上流通的数据包括宏观经济、市场资讯、产能供需数据、现货期货价格数据等。当前市场数据供给多元，以互联网媒体资讯、公司年报、业绩报告、行业分析报告等公开信息为主。在数据聚合环节，已有成熟的龙头企业（如万得、卓创）卡位。研究院、咨询公司等市场研究机构也会基于数据聚合产品，为客户提供进一步的洞察。当前数据交易决策格局相对稳定，市场已有成熟玩家卡位，未来数据流动路径变革机会有限（参阅图14）o图14I交易决策领域数据流动通路全景图.主要通路一,次要通路传统数据供善 W数据供给方金融344大模型应用大模型带动新用例的产生，新用例推动新数据源和新数据链路的出现。在大模型的应用推动下，更多用例产生，如智能聊天机器人。智能聊天机器人主要应用于营销、交易决策及客服场景，对于当前数据内循环为主的客服场景来说，大模型升级了现有的数据分析方式，形成了人机COPilOt的模式，由此围绕大模型搭建起外循环新通路。我们预计大模型的应用将给数据流动