以下介绍了政务、工业、互联网及医疗数据要素市场，如果想要更多了解的话，可以前往原报告进行下载查看。
一是依托数据采集打造政务数据资源库。当前，覆盖国 家、省、市、县等层级的政务数据目录体系初步形成，数据 生产部门按照政务数据目录和相关标准规范，通过人工或系 统方式采集基础数据、主题数据、部门数据，各地区依托全 国一体化政务服务平台向上级数据平台或数据中心归集，由 数据主管部门按数据属性建立数据资源基础库和主题库。
二是数据存储方式向集约化存储深化推进。目前，国内 31 个省（直辖市、自治区）政务云基础设施建设基本完成， 超过 70%的地级市已经建成或正在建设政务云，北京、山东、 重庆等多省市政务系统上云率超过 90%，各省市通过搭建集 中的基础架构平台，将传统的政务应用迁移到平台，集中存 储数据，提供政务数据资源管理服务。
三是多层级政务数据流通框架初步构建。针对政务数据 共享交互，我国已基本建成国家、省、市多级数据共享交换 体系，截至 2021 年 5 月，国家数据共享交换平台上线目录 超过 65 万条，发布共享接口 1200 余个，累计提供数据查询 /核验服务超过 37 亿次3；针对政务数据开放，截至 2021 年 10 月，我国已有 193 个省级和城市的地方政府上线数据开放 平台，其中省级平台 20 个，城市平台 173 个4。以浙江省数 据开放平台为例，目前已开放 18960 个数据集（含 9504 个 API 接口），97147 项数据项，621789.54载调用次数达到 4148 万次。
加快工业数据要素市场建设，是推动新型工业化发展的 基石之一。当前，我国工业数据要素领域在加速发展，如工 业数据在设备健康管理、供应链协同业务模式创新、覆盖工 业全流程场景数据分析挖掘应用等诸多方面，发挥了较大作 用。在工业领域，随着近几年数字化转型能力提升、产品升 级等需求驱动，企业的关注点从数据中台本身转向了最终的数据变现能力。与此同时，企业内部及其上下游之间的合作 越来越依赖各类数据平台和数字化工具，但又形成了新的痛 点和症结。
一是亟需突破传统数据中台在面向复杂对象或复杂巨 系统时，没有具体工程方法论及工具的难题。对于寻求数字 化转型的工业企业而言，最为关注如何管理企业的数据要素 资源，如何让数据要素产生价值并有效服务工业全流程。实 践过程中，工业企业多数缺少用于处理来自复杂巨系统不同 的组织域、职能域、业务域、数据域大数据的数据操作系统， 即运营逻辑模型（OLM，Operation Logic Model）、工业信 息模型（IIM，Industry Information Model）、工业专脑（IPB， Industry Professional Brain）、全球唯一资源编码标准（GURES， Global Unique Resource Encoding Standards）等四项能力的赋 能。其核心正是提高其建模的统一性、高效性和准确性，以 此建立起无歧义、无冗余、单一数据来源的、工业技术工程 与管理工程的生产力数据库。
二是工业数据亟需从企业的生产力要素全局关联性、数 据的逻辑性和多重关联性出发，形成新的“数据湖”。谈工 业数据要素的前提，是从基于组织运筹学的系统工程、现代 工业工程的顶层视角和全局眼光理解、应用数据。即，面向 工业企业各组织域、各职能域、各业务域、各数据域的事务 逻辑对象，建立其顶级模型及其直至叶子级的子模型，对应 组织和处理好模型数据，并将它们进行全球唯一编码标识， 形成反映复杂巨系统的各组织域、各职能域、各业务域、各 数据域的无歧义、无冗余、单一数据来源的工业企业生产力 数据库，形成新的“数据湖”。
三是生产力数据库缺失。工业数据多以工业现场控制设 备采集数据为主，数据采集量巨大，具有较强的连贯性及关 联性，工业协议互联互通也存在较大的瓶颈等等。因此，在 进行生产力要素优化配置的各种林立的应用系统软件发挥 不了应有的作用，加之企业主体对工业技术工程和管理工程 的事务逻辑认知有限，建设的应用系统软件越多，形成的数 据孤岛、数据垃圾、数据烟囱就越多，工业数据要素无法在 企业数字化转型中发挥应有作用，并造成了巨大的浪费。
一是以线上线下相结合的方式进行多源异构数据采集。 互联网数据涉及个人数据、经营数据、业务数据、开放平台 数据等，多通过线上方式进行采集。其中，个人数据主要依 靠信息主体主动上传，通过智能终端、API、SDK、IoT 设备、 浏览器、传感器等自动采集，亦或是通过交互及关联搜集以 及从第三方间接查询等方式获取；经营数据主要是在企业各 管理系统中采集调取；业务数据从各类 App、Web、小程序 中采集，舆情数据、广告投放数据、公开金融数据等在开放 网络平台中通过爬虫、API 接口等方式进行采集。线下数据 采集主要通过问卷调查、用户访谈、实地调研、焦点小组、用户反馈等方式，将数据沉淀、存储到企业数据库中，快速 理解市场需求，敏捷迭代产品。
二是借助平台优势促进数据流通共享成为发展趋势。互 联网数据流通可分为内部流通和外部流通两种。其中内部流 通基于企业内部运营框架数据流，形成包含数据感知、数据 决策、策略行动和效果反馈在内的数据流通闭环。外部流通 主要体现为安全合规下的数据交易，通过 API 接口、隐私计 算等技术，实现企业间的数据流通应用。目前，全国各地成 立了不少数据交易机构，阿里、百度、腾讯、京东、美团、 字节跳动等互联网平台型企业也基于自身的云平台产品在 场内提供相关数据产品和服务。此外，聚合数据、数据宝等 企业建设了数据开放平台，汇聚金融、征信、电商等多方数 据，提供数据相关服务和应用。
三是海量数据分析处理能力进一步提升业务决策水平。 互联网数据分析主要包括在线数据分析、离线数据分析和外 部数据分析。在线数据分析通过数据采集、建模，进行多维 度、海量、实时的数据分析，离线数据分析用于较复杂和耗 时的数据分析和处理，每日分析处理海量数据，外部数据分 析主要是通过抓取各个企业数据，分析研判市场发展趋势和 行业竞争格局，进行同业竞对分析、营销投放检测等。通过 数据分析并利用技术手段从海量用户行为数据中挖掘出有 价值的信息，分析用户的生命周期及行为路径，建立数据指 标体系、监控体系和用户模型，进行用户分层，并提供针对 性产品和个性化服务，实现精准营销，促进业务增长，提升用户体验，打造数据驱动的业务新模式。
一是医疗数据的存储方式目前相对单一。医疗数据作为 医疗卫生行业的关键数据资产，为防止数据泄露，多数采取 网络物理或逻辑隔离的方式，将数据存储在本地机房或政务 云平台。依据国家卫健委统计信息中心发布的数据显示， 98.8%的三级医院及 96.1%的二级医院均建有数据中心机房， 所有省级卫健委和 82.3%的市级卫健委均拥有数据中心机房， 59.0%的县卫健委拥有自己的数据中心机房，参与统计的医 院的上云率不到一成。
二是医疗数据的加工处理逐渐智能化。医疗数据加工包 括数据脱敏、患者主索引、主数据管理、数据清洗、数据映 射、数据归一以及标准化和结构化处理。在此过程中，通过 数据逻辑校验，对数据的完整性、准确性、一致性等方面进行质量管控，最终形成高质量的、可用的医疗数据资源。由 于医疗数据治理工作繁杂耗时，利用人工智能手段，可进一 步简化数据加工过程，高效地对原始数据进行脱敏、清洗、 归一等，并对如诊断名称、检验/检查项目、用药名称等字段， 基于 ICD 编码等标准完成数据标准化处理，对于自然语言描 述的主观数据进行结构化处理，大大提高了工作效率。
三是政府机构主导下的医疗数据流通共享日趋成熟。近 年来，国家卫健委一直在统筹推进全民健康信息平台等基础 设施建设，支持医疗数据共享，制定了一系列医院和基层医 疗卫生机构信息化建设标准与规范，电子病历评级、互联互 通评级、智慧医院评级和检查检验结果互认等一系列措施的 颁布有效地推动了健康医疗数据的互联互通。目前，全国性 健康信息平台已基本建成，7000 多家二级以上公立医院接入 省统筹区域平台，2200 多家三级医院初步实现院内信息互通 共享。
