行业动态
数据产品化是建设数据要素市场的重要内容，，数据产品的高质量供给和高效流通是要素市场的必然要求。。。国企掌握了大量价值较高的数据资产，，行业覆盖制造、、、、交通、、、农业、、医疗等领域，，，国企在挖掘数据资产价值实现数据产品化上具备显著优势。。推动国企数据产品的发展不仅能转化和提升国企数据的商业价值，，也可以促进数据市场发展和数据经济增长。。。
一、、国企数据产品化的必要性
数据产品转化原始数据为直接商业价值。。数据本身在没有经过加工和分析之前，，，，往往无法直接应用。。数据产品通过系统化处理和智能分析，，转化原始数据为有用的信息和知识，，，为国企提供决策支持和商业洞察。。。。这种转化过程极大地增加了数据的应用价值，，，使其成为推动国企业务增长和创新的关键因素。。。数据产品化的作用可分为内部作用和外部作用，，，，内部作用提高企业决策效率，，降低企业运营风险，，，提供重要的业务信息，，，，更好地实现业务目标。。。。外部作用是提供有价值的数据服务和解决方案，，，，帮助国企实现收入和利润的增长。。
数据产品增强数据的可获取性和可用性。。数据产品不仅是数据集合，，，它还包括数据集、、、、数据应用程序和数据服务等多种形态。。这些产品通过友好的用户界面和访问方式，，，，使得产品使用者也能轻松获取和使用数据，，极大地扩展了数据的使用范围和影响力。。。
数据产品促进数据要素市场的形成和发展。。数据产品的创建和流通为数据市场的形成提供了基础。。。。通过标准化、、产品化的数据服务，，数据的购买和销售变得更加规范和便捷，，，进而促进整个数据经济的繁荣。。。数据产品的交易和使用也会推动如数据安全标准等相关规定的制定和改进。。。
二、、、、国企数据资产化实施路径
按照业界对国企数据资产化途径的阶段划分，，，可以分为三个阶段：资源化、、、、产品化、、、产品资产化。。。。
数据资源化。。。。是指通过数据授权、、自身运营产生、、、交易市场采购等多种渠道结合获取的原始数据，，，经过脱敏、、、清洗、、整合、、、分析、、可视化等加工步骤，，在物理上按照一定的逻辑归集后达到“一定规模”，，形成可重用、、可应用、、可获取的数据集合后，，形成数据资源的过程。。。原始数据是经济社会活动产生的附属品，，，，数据资源并不是生产出来的，，，而是企业通过安排相应的人力、、、组织、、技术、、系统等对原始数据进行系统性梳理整合加工出来的。。。数据资源化是企业挖掘原始数据使用价值的过程，，，，也是企业数据资源实现资产化的第一步。。其主要目标是形成可用、、、、可信、、标准的高质量数据资源，，，，使数据脱离自然状态，，涉及对数据的采集、、整理、、分析等行为。。。。
数据资源产品化。。。。数据资源产品化是数据资源为企业创造交换价值的核心环节。。。。数据产品是指以数据为核心资产,利用数据分析、、、数据可视化、、、、机器学习等技术对数据资源赋予创新型劳动和实质性加工，，，形成满足特定应用场景需求的数据产品和服务，，，，通过内部使用或对外交付客户使用。。。数据产品是数据要素参与实体经济运行的重要载体，，，，无论是电商、、、金融、、、医疗还是其他行业,数据产品都成为推动业务增长和提高运营效率的重要力量。。。。
产品资产化。。。数据产品资产化是企业运用数据资产开展经济活动的过程，，，，充分体现了数据资产的金融属性，，，，也是数据产品从账面价值转向市场价值的重要一部分，，，，此阶段需要着重考虑数据确权、、数据授权、、、、数据交易、、、数据定价和数据运营。。。。数据产品资产化主要体现在拥有了场景赋能，，，，预期可产生经济利益，，，形成数据交换价值，，，比如数据可以通过变成等量资本直接入股、、、、数据资产推向相关市场进行交易等。。。。
三、、数据产品类型
不同的维度出发，，数据产品有不同的划分方法，，，本次主要介绍按产品发展形态划分方式，，，划分为内容型数据产品、、派生数据的产品、、、、平台型数据产品、、工具类数据产品、、、、算法类数据产品。。。
内容型数据产品。。。。指以提供内容为主要目标的数据产品。。。。内容型数据产品与业务结合更紧密，，主要是研究业务逻辑，，，，分析业务问题，，进行诊断，，，，提出解决方案，，，例如：建设业务的指标体系，，，，数据分析报告等。。。。
平台型数据产品。。。。指的是建设的数据产品具备平台属性。。。这类数据产品主要是搭建数据平台，，，例如：大数据平台、、、、机器学习平台、、、、数据查询平台、、、离线和实时计算平台、、作业调度平台、、、、数据报表和可视化平台、、、数据质量平台等。。。。
工具类数据产品。。指在帮助业务进行数据统计分析等用途的工具类数据产品，，如数据可视化展示上提供工具性的支持，，，帮助业务快速高质量应用数据，，实现业务数据化。。
算法类数据产品。。基于某种算法或技术实现的数据产品,比如个性化推荐、、、搜索排序、、、风控模型、、、、用户画像等形式的产品。。。。
四、、国企数据产品化难点及解决方案
数据产品化需专业团队。。。国企数据资源量大、、、、繁杂、、、、分散、、、不成体系，，，，数据资源盘点工作量较大，，同时数据产品化是一个系统性的过程,需要数据工程、、、分析建模、、软件开发、、产品设计等多方面的专业知识和实践经验,并且数据产品化过程需跨部门跨领域的协作，，对数据产品化过程中参与该项工作的人员专业度要求高，，国企可根据企业自身数据特点，，，，做好数据产品化规划，，，，培养专业人才或者聘请专注于数据类服务的科技公司进行数据资源盘点、、数据产品挖掘、、、数据产品开发等工作。。
数据质量参差不齐。。。数据质量是数据产品化的基础，，，数据无处不在，，，，数据质量会影响数据产品的准确性、、可靠性、、、可用性等，，，，高质量的数据才能发挥出数据资产更大价值。。。。国企原始数据是碎片的、、、无序的、、离散的，，，，不同国企的数据标准和质量参差不齐，，使得大量数据的潜在价值难以充分挖掘利用。。。。国企须从数据本身的质量出发，，，以提升数据质量为目的，，通过数据标准化、、、、数据清洗、、数据脱敏、、数据加工等方法，，，，保障数据完整性、、、准确性、、一致性、、规范性、、时效性和可访问性。。通过产品化过程，，形成标准的、、规范的、、、完整的、、、、具备要素价值的数据要素产品。。。。保障数据质量是为数据资产管理和产品化打下坚实的基础，，，，也是实现数据资产经营和变现的重要前提和保障。。。
存在数据安全风险。。数据资产安全性对企业也至关重要，，数据安全会在互联网环境下，，，，数据容易被复制和传播，，，，侵权成本低，，，数据权益容易被侵权，，，存在泄密风险，，，，影响数据产品的应用和商业价值。。国企应对国企内部数据建立数据资产安全管理制度，，如通过对数据进行加密、、数据隐私保护、、个人信息脱敏、、、数据安全审计、、、、权限控制等方式，，，，确保有授权人员才能访问和修改，，，同时数据库还可以进行定期备份和恢复，，，，防止数据丢失或损坏，，，，防止数据泄露和非法访问等，，，，以助于数据产品的应用推广及提升商业价值。。。
数据产品定价难。。。2022年12月19日，，，，中共中央国务院发布的《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，，，支持探索多样化、、、符合数据要素特性的定价模式和价格形成机制，，推动用于数字化发展的公共数据按政府指导定价有偿使用，，，，企业与个人信息数据市场自主定价。。。。数据产品类型多元化和多样化，，，，以行业划分数据产品可分为政府类数据产品、、、、工业类数据产品、、、医疗类数据产品、、、金融类数据产品等，，，不同行业的数据产品特征鲜明，，，，其应用场景及产生的价值效益也不同，，，不同的数据产品定价市场参考较少，，，难以定价。。。。企业在没有市场参考的情况下建议可考虑成本加成定价法，，这种方法是根据产品的单位成本加上一定比例的利润来制定价格。。。。
交易市场还处于培育阶段。。。。我国数据要素市场仍处于早期培育阶段，，数据要素化过程还未充分展开，，，，数据要素的价值释放还处在初级水平。。。。目前国企绝大部分数据资源仍仅限于企业自留自用，，，对数据价值的认知还主要停留在“用数”阶段，，，国企应提高数据产品化意识，，，，加快数据资源的开发利用，，将数据作为产品进行流通并推进数据资产化，，，，相关机构应推动数据交易等各方对市场进行培育，，，来加快数据要素流通生态的建设。。
五、、、、国企数据产品化总结及建议
我国已进入数字经济与实体经济融合发展新阶段，，数据要素作为新的生产要素，，，在全方位赋能其他传统生产要素发展的同时，，，通过开展以数据产品为标的的市场行为，，，，进一步加快了中国数字经济发展。。预计未来3～5年，，，，中国数据交易市场规模仍旧能够保持较高速的增长，，，，到2030年中国数据交易市场规模有望达到5000亿元。。。。
国企实际掌握大量价值较高的数据资源，，，随着人工智能、、、大数据等技术的不断创新,数据产品的应用场景和发展空间将越来越广阔，，，金融、、、、制造、、医疗健康和交通运输等细分行业对于数据产品的应用需求均呈现出上升趋势，，且未来交易规模有望进一步提升。。。国企需要紧跟时代步伐,学习和掌握新理论新方法,挖掘数据资产价值，，，形成数据产品，，发挥数据“乘数效应”助于国企更好地理解业务运营、、、发现新的商机、、、优化决策流程、、、、提升客户体验等，，，，国企数据产品的发展不仅可以转化和提升国企数据的商业价值，，，也可以促进数据市场发展和数据经济增长。。。。
来源：汇丰评估数据资产研究组 转载自公众号汇丰智力集团