中国数据要素行业发展报告(2025)

出品  |  陈博观察 (ID: Drchenobservation)

编辑  |  Will Chan

来源：陈博观察AI工作站（WPS AI）创作

当前，我国数据要素发展已进入体系化构建与规模化应用的新阶段，“供得出、流得动、用得好、保安全” 成为数据要素市场化配置改革的核心目标，制度完善、技术创新与产业实践的协同推进，推动数据要素在各领域深度赋能。最近，中国信通院发布了数据要素发展报告（2025年），系统梳理了 2024-2025 年我国数据要素在供给、流通、应用和安全等方面的最新动态，总结发展特征、研判核心挑战，并对未来趋势提出展望，为深化数据要素市场化配置改革、释放数据价值提供参考。

来源：陈博观察AI工作站（Doubao AI）创作

一、智能时代数据要素再认识

数据作为形成新质生产力的关键生产要素，以独特的价值增值方式推动科技革命和产业变革，提升全要素生产率。2025 年，国产大模型引发的人工智能热潮进一步凸显了数据的 “智能引擎” 作用，而多模态大模型、具身智能等技术的爆发式发展，也深刻改变着数据的产生、治理、流转和利用方式，亟需深化对数据要素及其价值规律的理论认知。

（一）数据是人工智能发展的核心要素之一

数据是人工智能技术迭代与产业发展的核心生产要素，既是技术研发的关键输入，也是产业生产的源头和消费对象。技术层面，人工智能研发已从 “重点优化模型架构” 转向 “模型与数据协同优化”，高质量数据成为提升智能水平的 “先手棋”，其质量直接决定模型训练效果与决策准确性。产业层面，2024 年全国数据生产总量达 41.06 泽字节，同比增长 25%，其中用于开发、训练和推理的数据量同比增长 40.95%，智能家居、智能网联汽车数据增速分别达 51.43%、29.28%。数据采集、标注、高质量数据集建设等产业与人工智能深度融合，形成紧密生态体系，训练数据流通、合成数据供给等业态持续完善人工智能产业链。

大模型突破了传统 DIKW 模型（数据 - 信息 - 知识 - 智慧）的线性层级壁垒，重塑了数据与知识、智慧的转化关系。通过预训练模型存储海量数据关联关系、自注意力机制捕捉隐性关联、模型微调优化生成知识图谱节点等方式，数据与知识、智慧形成动态交互结构。例如，合成数据可补充物理限制、伦理约束下的特定数据缺口，智能化数据治理能降低非结构化数据处理成本、提升数据质量，知识工程在大模型辅助下可将行业经验转化为可计算的知识网络，推动知识库从 “静态仓库” 变为 “动态接口”。

同时，数据算法应用的全面渗透也带来社会治理变革。数据鸿沟、数据垄断、数据霸权等问题逐步显现，而算法对人类偏好选择、思维过程的介入，也引发了思维封闭化、碎片化等隐忧，如何协调人与机器关系、掌握社会生产秩序主动治理权，成为重要命题。

（二）人工智能助推数据的作用方式升级拓展

数据要素的价值需在与业务深度融合中彰显，其核心是通过可计算性降低各场景不确定性、增强稳健性、提升信息密度，实现降本、增效、优化体验。人工智能虽非数据发挥作用的唯一场景，但显著拓展了数据的微观作用方式，主要分为三类：

• 准确匹配作用：基于逻辑学 “同一律”，通过数据相等性计算确保信息准确传输、查询、核验，避免损耗，典型应用包括一体化办公、一致性校验、政务服务 “一网通办” 等，能快速提升效率、降低风险；

• 关联预测作用：运用认识论 “经验主义”，通过对历史数据、相关数据的统计、回归、分类等，描述形势、洞察规律、预判未来，为决策提供丰富参考，广泛应用于用户画像、智能推荐、精细化管理等领域；

• 重构生成作用：体现系统论 “涌现” 特性，通过数据汇聚融合、深层计算、解构重组，形成强泛化能力的信息生成机制，生成式人工智能的发展使这一作用愈发凸显，成为解放脑力劳动的新质生产力。

其中，准确匹配和关联预测可由传统数据技术支撑，而重构生成作用的发挥对数据资源的汇聚、治理、安全合规提出更高要求，也推动人工智能训练对数据质量（内容丰富性、完整度、标准化程度等）的要求持续提升。

（三）数据要素价值释放以全过程贯通为根基

数据要素的价值释放需经历三次递进且同等重要的过程，由单一组织内部向多主体扩散：

• 一次价值：数据支撑组织内部业务系统运转，实现业务贯通。数据随业务系统产生，通过计算机读写实现标准化、自动化，打破线上线下与业务流程界限，在生产活动中直接释放价值；

• 二次价值：基于存储沉淀的业务数据进行复用，优化决策。通过二次利用内部数据，构建理解、预测事物运行的新体系，提升决策精准度，同时回馈一次价值，保障业务稳定；

• 三次价值：数据跨主体流通融合，实现价值再创造。数据具有规模报酬递增效应，更大规模、更多维度的数据能创造更高价值，通过跨主体复用形成 “供 - 需” 联动，实现双赢、多赢，是数据要素市场化配置改革的核心目标与抓手。

三次价值释放存在递进关系，后者以前者为基础，需依托制度基础、技术支撑和产业实践的同步推进，最终实现数据 “供得出、流得动、用得好、保安全”。

二、“供得出”：高质量数据供给水平持续提升

我国数据资源规模庞大，但数据要素价值释放的关键在于流动和使用，数据供给的规模与质量直接决定要素价值发挥的基础水平。2024 年以来，各界对数据开发、管理、标注等工作的积极投入，推动我国数据供给水平逐步提升。

（一）制度进展：一系列政策举措推动强化数据供给

围绕数据供给的政策加速落地，形成 “公共数据开发利用 + 高质量数据集建设” 的双轮驱动格局：

公共数据资源开发利用 “1+3” 政策体系初步形成。2024 年 9 月，中办、国办印发《关于加快公共数据资源开发利用的意见》，明确政务数据共享、公共数据开放、公共数据授权运营三大方向，扩大数据有效供给。政务数据共享迈入法治化阶段，2025 年 6 月《政务数据共享条例》公布，构建 “一盘棋” 统筹、“一本账” 管理等制度框架，近 5 年全国政务服务平台数据共享累计超 5400 亿次，电子证照共享超 108 亿次，上海、重庆等地通过数据共享实现惠企政策 “免申即享”、基层报表减负 70% 以上。公共数据开放方面，截至 2024 年 7 月，全国 243 个省级和城市政府上线数据开放平台，开放有效数据集 370320 个，山东、无锡等地出台实施细则，细化目录管理、获取流程等要求；行业层面，物流数据开放互联试点启动，为跨行业数据开放提供借鉴。公共数据授权运营通过《公共数据资源登记管理暂行办法》《公共数据资源授权运营实施规范（试行）》等三份配套文件明确方向，国家公共数据资源登记平台已收录 1.1 万余项公共数据资源、700 余项数据产品和服务，福建等地下发收费标准，首批政府指导定价产品合同金额超百万元。

高质量数据集建设加速推进。2025 年 2 月，国家数据局组织 27 个部委启动高质量数据集建设，国务院国资委围绕 10 个领域推进中央企业数据集建设并发布 30 项优秀成果，地方通过遴选评审、奖补政策等引导企业参与，着力解决高质量数据集供给规模不足问题。

（二）技术热点：多模态数据研发治理能力寻求突破

人工智能技术爆发带动对高质量数据的需求，多模态数据（文本、图像、音视频等非结构化数据）的研发治理成为技术突破重点。当前技术已能实现非结构化数据的内容识别、提取和结构化处理，在此基础上，多模态数据研发治理聚焦各类数据的内在关联，通过统一生命周期管理规范、融合知识图谱技术等，打通数据供给与应用的桥梁。

关键技术方向包括：

• 数据研发运营一体化（DataOps）：将敏捷、精益理念融入数据开发，打破协作壁垒，构建自动化数据流水线，实现从数据 “小作坊” 到 “大工厂” 的转型，提升数据产品交付效率与质量，已被数字化领先企业应用于多模态数据工程实践；

• 数据编织（Data Fabric）：以 “逻辑集中、物理分散” 为核心，基于元数据和事件驱动，动态集成多源异构数据，降低数据处理成本、提升决策效率，支撑数据按需使用和流通；

• 智能化数据治理：运用人工智能技术实现治理范式从 “流程驱动” 向 “认知驱动” 转型，通过语义理解、逻辑推理等将规则沉淀为自迭代模型，打通 “业务 - 数据 - 技术” 协同闭环，覆盖多模态数据，释放全域数据价值。

（三）产业热点：重点领域加快建设高质量数据集

高质量数据集是可直接用于 AI 模型训练、推理和验证，能提升模型性能的数据集合，不仅关注传统数据质量指标，还强调类别全面性、维度均衡性和内容安全性，按模态可分为单模态与多模态数据，按流程可分为预训练、微调、评测数据集，按训练方向可分为通识、行业通识、行业专识数据集。

2024 年 12 月《关于促进数据产业高质量发展的指导意见》首次明确 “高质量数据集” 的核心载体地位，当前工业制造、医疗卫生、交通运输等行业的数据集供给较为集中，低空经济、具身智能等创新领域也涌现相关需求。工业制造数据集多应用于生产制造、故障诊断等场景，医疗卫生数据集结合多模态数据支撑辅助诊疗，交通运输数据集服务智能驾驶与智慧交通，低空经济数据集优化空域管理与物流效率。

供给方主要包括开源社区（魔搭、飞桨等平台提供基础数据集）、专业数据服务商（海天瑞声、数据堂等拓展产品体系）、数据标注基地（成都、沈阳等 7 个基地形成上百个高质量数据集）和数据交易场所（北京国际大数据交易所发布约 300 个数据集）。高质量数据集建设形成 “场景驱动”（需求拆解 - 数据设计 - 采集 - 处理 - 质检 - 运营闭环）和 “数据驱动”（基于多源数据挖掘潜在需求）两种模式，需执行研发、交付、运维、运营四大核心环节，依赖数据采集、处理、管理、标注、合成、质检、服务运营七项关键技术能力。

当前面临的挑战主要有：数据治理投入产出比例失衡，清洗、标注等环节成本高、价值转化周期长；基础数据开放汇聚难度大，权属规则、激励机制不明确，安全合规边界模糊，导致供给意愿不足。

三、“流得动”：全国一体化数据市场培育平稳推进

流通赋能是数据要素价值飞跃的关键引擎。我国以全国一体化数据市场建设为战略目标，通过制度供给与技术设施建设双轮驱动，破解数据流通中的安全互信难题，引导经营主体拓展市场空间、创新业态模式，推动数据流通向高效有序、模式创新方向发展。

（一）制度进展：全国一体化成为顶层设计关键目标

统筹谋划、系统培育是数据市场政策制定的核心出发点。党的二十届三中全会提出 “培育全国一体化技术和数据市场”，2025 年 1 月《全国统一大市场建设指引（试行）》要求完善数据资源登记规则、制定统一交易与安全标准、健全收益分配制度，2025 年 4 月《构建数据基础制度更好发挥数据要素作用 2025 年工作要点》将完善市场规则、培育市场主体列为重点任务。国家数据局、市场监管总局发布四份数据流通交易合同示范文本，降低对接成本、提升效率。

多元市场主体培育加速推进。《关于促进数据产业高质量发展的指导意见》等政策破除企业发展堵点，上海、河南等地出台专项政策，江苏、杭州设立数据产业发展基金，北京海淀区、杭州高新区搭建服务平台与孵化载体，支撑数据企业发展。

区域一体化探索持续深化。江苏省推进存量数据交易机构整合，实现 “一个交易所、一套规则、一个平台”；长三角地区建立数据专题合作机制，破除行政藩篱；国家部署 10 个数据要素综合试验区，湖南等省印发建设方案，坚持 “一盘棋” 推进数据流通利用。

当前仍面临数据要素配置机制不清晰、市场监管不明确等挑战，不同类型数据的流通边界、数据产权 “三权分置” 界定标准等核心问题缺乏可操作规范，需避免地区、领域间制度规则不统一，确保全国一体化市场实质贯通。

（二）技术热点：数据流通利用基础设施建设启动

数据要素的高流动性使其能发挥乘数效应，但也引发权属争议、安全合规等问题。经过多年探索，隐私计算、数据沙箱、使用控制等单点技术日趋成熟，而面向全国一体化数据市场建设，构建数据流通利用基础设施已迫在眉睫。

《国家数据基础设施建设指引》明确了数据流通利用设施的技术路径，在传统网络、算力设施基础上，构建可信数据空间、数场、数据元件、数联网、区块链网络、隐私保护计算平台等技术设施，为跨层级、跨地域、跨系统、跨部门、跨业务数据流通提供安全可信环境。各技术路线功能互补：可信数据空间是 “安全港湾”，实现多方数据可信连接；数场是 “综合性枢纽”，通过多维度技术框架保障数据安全高效流通；数据元件是 “中间态”，支持数据产品规模化加工；数联网是 “服务网络”，实现数据就近接入、全网可达；区块链网络是 “信任基石”，提供多中心化、不可篡改等能力；隐私保护计算平台是 “安全引擎”，支撑高敏感数据跨域流通。

基础设施建设分三阶段推进：先通过先行先试完善顶层设计，再实现数网、数算设施融合覆盖全国主要城市，最终形成横向联通、纵向贯通的国家数据基础设施格局。截至 2025 年 8 月，国家数据局已组织两批先行先试工作，各试点单位围绕六条技术路线，立足本地特色启动创新探索。

（三）产业热点：数据交易向规范化多样化发展

2024 年全国数据市场交易规模预计超 1600 亿元，其中场内交易（含备案）规模超 300 亿元，场外交易仍是数据供需匹配的主要途径。场外交易模式（数据采购、接口交互、终端订阅等）在金融征信、商业信息查询等领域形成成熟格局，但也存在垄断风险（如知网滥用市场支配地位案）。

场外交易的公开披露信息不足，导致难以全面掌握参与主体、价格、规模等情况。2024 年有 66 家上市公司披露数据产品相关情况，但多数未详细披露供给渠道、交易价格等信息，虽部分涉及商业秘密，但适当披露有助于提升市场透明度。同时，数据供需方持续强化合规要求：需求方建立内控合规流程，采购时做穿透性审查，要求供给方提供合法性证明；供给方主动提升合规能力，完善交易流程，适配全国一体化数据市场相关规则。

数据交易场所持续探索发展路径，围绕合规增值服务、细分应用场景、公开透明等方向打造核心竞争力。深圳数据交易所出台多项管理办法、规则指引和技术规范，主导或参与 25 项标准编制；25 个数据交易场所按推荐场景建设数据专区，贵阳大数据交易所打造 21 个专区，覆盖农业、医疗等领域。2025 年数字中国建设峰会上，多家机构联合启动 “数价链” 全国一体化数据价格信息服务平台，推动价格互认互通。

数据黑市交易仍是突出问题，不法分子通过非法爬虫、撞库攻击等手段窃取敏感信息，甚至有内部人员利用职务便利贩卖公民个人信息，助长电信诈骗等下游犯罪。尽管黑市交易匿名性强、打击难度大，但作为数据要素价值释放的重大障碍，亟需加大打击力度、提升打击水平，维护市场秩序。

四、“用得好”：多层次应用拓宽数据赋能路径

打通应用落地 “最后一公里” 是数据要素价值释放的关键，只有在具体场景中发挥乘数效应，才能实现价值转化。2025 年，“数据要素 ×” 行动推动数据创新应用向更广领域延伸，人工智能驱动技术变革，产业实践积极探索数据资产化路径，拓宽数据价值发挥空间。

（一）制度进展：“数据要素 ×” 多举措推动数据使用复用

《“数据要素 ×” 三年行动计划（2024-2026 年）》印发后，各地区各行业围绕工业制造、现代农业、金融服务、医疗健康等 12 个场景开展行动，国家数据局与地方主管部门通过试点建设、案例遴选、赛事活动等推动落地。

多部门协同推进试点：金融领域，人民银行将制定金融科技发展规划，证监会开展 “数据要素 × 资本市场” 专项试点，11 个牵头单位覆盖核心机构、经营机构和服务商；医药领域，国家中医药管理局布局 12 个数字中医药试点、127 个智慧中医医院试点，强化智慧应用。

案例和赛事提供实践参考：截至 2025 年 7 月，国家数据局发布两批 48 个 “数据要素 ×” 典型案例；2024 年首届 “数据要素 ×” 大赛吸引近 2 万支队伍参赛，2025 年大赛转向市场化价值导向，增设开放性创新赛道和 “医疗保障” 细分赛道，赛题更贴合行业痛点。

组织方式升级避免计划式落地：构建跨部门、跨层级纵横联动机制，激励全社会参与，打造 “供数 - 用数 - 收益” 价值闭环，避免数据壁垒和 “僵尸应用”，积累可持续发展经验。

（二）技术热点：数智技术融合推动应用范式变革

数据智能体与大小模型协同：大模型驱动的数据分析工具整合多类型数据分析能力，通过数据智能体（Data Agent）自动调用专业小模型及机器学习算法，实现多模态数据高质量分析，助力企业处理复杂问题，交互能力和分析准确度成为选型重点；

信息检索类应用智能化跃迁：大模型融合自然语言处理、多模态理解与实时检索技术，突破传统关键词匹配的局限，实现海量信息精准筛选与深度整合，支持多模态结果输出，推动应用范式从 “链接索引” 向 “智能搜索” 转变；

大模型与知识库、知识图谱融合：大模型的海量通用知识与传统知识库的专业性、可解释性形成互补，结合检索增强生成（RAG）技术，在智能问答、客服、工业制造等复杂场景中赋能精准决策。头部企业正构建知识中台与知识工程能力，抽取专有知识体系，支撑企业大模型建设与智慧知识服务。

（三）产业热点：数据资产化探索丰富数据价值领域

数据资产化是数据价值 “显性化” 与企业赋能的重要路径，一方面通过财务报表确认数据贡献，另一方面借助财税、金融手段赋能经营管理。

数据资源入表持续推进：2024 年有 100 家上市公司披露数据资源入表事项，占全部上市公司的 1.85%，入表总金额达 21.64 亿元，同比快速增长。行业分布上，信息通信、软件和信息技术服务业、交通业、金融业占比更高，三大通信运营商入表金额合计 13.66 亿元，占总金额的 44.38%。入表科目分为无形资产（多用于内部运营支撑）和存货（多用于销售，如海天瑞声）。数据入表不仅增强投资者对企业数据能力的量化认知，还帮助企业盘点数据资源、丰富应用方式。

来源：中国信通院，数据要素发展报告2025

数据资产化助力融资：截至 2025 年 3 月 31 日，国内非上市公司凭借入表数据资源获得融资项目 112 个，合计金额 14.12 亿元。例如，“平安 - 如皋第 1 期资产支持专项计划（数据资产）” 以交通、港口等数据资产为底层质押，规模达 1.3 亿元，实现基于数据未来收益的结构化融资。

当前面临的难题包括：数据资产权属界定模糊，易引发权利纠纷；数据价值波动性强，估值标准不统一，跨企业可比性不足；多数企业数据资产全过程管理存在环节或能力欠缺。

五、“保安全”：数据智能紧密结合共筑安全堡垒

数据要素价值释放离不开安全保障，人工智能跨越式发展既带来机遇，也加剧了数据安全风险。2025 年，数据安全制度向垂直领域精准治理深化，技术工具与人工智能深度融合，安全治理从被动应对迈向主动治理新阶段。

（一）制度进展：数据安全治理向 AI 领域延伸

我国已构建以《网络安全法》《数据安全法》《个人信息保护法》为核心，辅以部门规章和地方性法规的基础法律框架，覆盖数据全生命周期。针对人工智能领域的新型风险，专项立法稳步推进：2024 年 9 月《网络数据安全管理条例》设置生成式人工智能专条，强化训练数据安全管理；系统性、前瞻性的人工智能法律法规正在制定中，为数据要素健康发展提供法治保障。

分类分级监管成为主流范式：《生成式人工智能服务管理暂行办法》明确包容审慎和分类分级监管原则，根据风险程度采取差异化策略。例如，国家网信办将生成式人工智能服务分为 “国家备案”（高风险、具舆论属性或社会动员能力）和 “地方登记”（低风险、API 调用已备案模型），截至 2025 年 6 月，已完成 439 款备案和 233 款登记。这种模式实现精准施策与动态调整，平衡安全保障与创新活力。

（二）技术热点：数据安全技术愈加精准智能

基础能力精细化升级：基于大模型的多模态识别模型实现非结构化数据自动化标签标注与敏感信息定位，降低人工成本、提升分类准确性；动态脱敏、访问控制等环节通过学习用户行为生成细粒度权限策略，在保障隐私的同时最大化数据可用性；

智能防御体系构建：人工智能原生平台推动安全运营从 “被动响应” 向 “智能防御” 转型，整合威胁情报、网络日志、用户行为等多源数据，构建全局风险画像，实现潜在攻击路径预测、异常行为实时识别与溯源，通过历史事件学习优化策略，形成动态演进的闭环防御机制。

（三）产业热点：安全治理从合规达标转向主动治理

数据安全战略地位根本性转变：过去企业将数据安全视为合规成本，如今已成为保障业务连续性、提升竞争力的关键能力，纳入战略顶层设计。有效的安全治理能避免风险损失、维护品牌形象，吸引客户与合作伙伴，拓展业务领域。

生态关系从 “孤军奋战” 转向 “全域联动”：企业与安全厂商合作研发技术方案，监管机构制定统一标准引导治理，行业协会搭建交流平台促进信息共享与经验交流，形成多方协同的安全生态。

供应链安全成为治理重点：传统安全管控聚焦企业自身，当前已拓展至全链条保障，企业加强对上下游合作伙伴、第三方服务商的安全审查与评估，建立供应链安全监测和预警机制，防范通过薄弱环节的渗透攻击。

六、发展展望

2025 年是数据要素市场建设的关键推进年，数据供给、流通、应用、安全水平稳步提升，但也面临政策衔接不畅、技术产业突破性成效不明显、发展路径不清晰等挑战。数据事业是创新型长期事业，统筹发展与安全、激发各方内生动力，是未来持续关注的核心议题。

（一）容错免责机制设计需成为改革关键对象

数据要素的跨域融合特性与工业时代的线性分工模式存在本质区别，其创新潜力与安全风险并存，平衡发展与安全是全球共性难题。数据要素领域改革应坚持 “促发展” 总基调，营造鼓励创新探索的良好氛围，在顶层设计的同时，充分激发各主体的积极性与创造性。

需加快细化容错免责实施办法：一是明确规则底线，制定数据产业负面清单，推动 “非禁即入”，定期清理显性与隐性壁垒；二是宽容失败，明确动机态度、客观条件、程序方法等判定条件，对危害轻微且及时改正、无主观过错的行为不予追责或处罚，对首次不合规且限期整改的依法免罚；三是明晰责任边界，建立 “尽职免责或免罚” 机制，制定数据技术或环境达标免责标准，健全合规后免罚、推定无过错等制度。同时，各类主体应自律务实，结合发展基础选择稳妥路径，避免盲目跟风。

（二）三大引导方向或将在短期内快速推进

在国家数据局统筹引领下，数据基础设施建设、公共数据资源开发利用、数据产业主体培育三大方向将协同推进，为全国一体化数据市场奠定基础。

数据基础设施加速建设：作为数字中国建设的核心底座，18 个城市的先行先试将验证技术方案、推动关键技术突破，实现更高适配性、更低成本的融合创新；同时带动数据流通合规准入、收益分配等 “软机制” 建设，培育数据标注、场景挖掘等配套产业，激活数据生态；

公共数据资源开发利用深化：《政务数据共享条例》打破 “数据孤岛”，“1+3” 政策体系构建全国公共数据 “一本账”。未来，公共数据授权运营披露机制、产品和服务能力清单将逐步落地，授权运营产品在公众监督下实现再开发再利用；

数据产业主体培育强化：地方通过量化目标（企业数、产品数）与财税收补贴、产业基金等保障措施，培育壮大产业链；赛会、试点、案例推广等方式激发企业数据意识与能力；政府优化采购流程，推行数据产品和服务采购模式，构建 “统采共用、分采统用” 机制，撬动产业发展。

（三）夯实企业能力仍是发挥市场主导作用的基础

企业是数据要素市场的核心主体，但微观层面的企业数据能力与宏观政策热潮仍不适应，导致市场主导作用发挥受阻。多数企业因缺乏专业素养和技术能力，难以挖掘数据价值，数据反而成为成本负担，高附加值的数据融合应用场景难以涌现。

数据龙头企业（互联网平台、运营商、金融科技企业等）应推动数据能力战略性扩散：一方面剥离内部成熟数据团队，孵化独立专业数据企业，提供数据治理、分析等服务；另一方面向产业链上下游开放数据处理平台、算法工具库和应用接口，降低中小企业技术使用门槛。

传统企业与中小企业应扎实夯实数据基础：结合业务目标构建基础数据管理流程，从具体场景小范围数据应用起步，逐步建立专业数据管理与应用能力；积极参与龙头企业合作平台，对接生态资源，但需以内部能力建设为起点，规范数据采集、加工、使用流程，为数据产品开发或外部数据引入奠定基础。部分企业可聚焦细分领域，成为 “专精特新” 型企业，形成独特数据能力与解决方案，支撑产业链高效运转。

以下内容来源于“艾瑞咨询”（ID：iresearch-）