金融業(yè)數(shù)據(jù)流通交易市場研究報告（2022）-54正式版

金融業(yè)數(shù)據(jù)流通交易市場研究報告上海數(shù)據(jù)交易所研究院2022年11月編寫人員：湯奇峰黃麗華卓訓(xùn)方吳蔽余秦璇趙蔡晶夏飛計麗娜宋敏蘭安然曾萍萍邱詩韻摘要數(shù)據(jù)是開展金融業(yè)務(wù)的核心要素，在營銷與風(fēng)控領(lǐng)域發(fā)揮著基礎(chǔ)性作用。由于金融業(yè)普遍存在逆向選擇與道德風(fēng)險，其天然屬性決定了金融業(yè)是數(shù)據(jù)密集型投入行業(yè)?？梢哉f，金融業(yè)自從誕生的那刻起，就在進行數(shù)據(jù)交易?；诮陙砉_采購信息與企業(yè)工商數(shù)據(jù)，本報告分析了金融業(yè)作為數(shù)據(jù)需求方的數(shù)據(jù)交易行為。第一部分從數(shù)據(jù)交易規(guī)模、采購方式、細(xì)分行業(yè)交易、數(shù)據(jù)交易的空間分布等各方面對金融業(yè)數(shù)據(jù)交易進行了分析；第二部分站在金融業(yè)數(shù)據(jù)交易供應(yīng)商的視角，分析了供應(yīng)商的基本情況、來源、行業(yè)動態(tài)。第三部分歸納總結(jié)了金融業(yè)數(shù)據(jù)交易的常見數(shù)據(jù)產(chǎn)品與定價信息；最后，結(jié)合數(shù)據(jù)給出政策建議。本報告發(fā)現(xiàn)，近年來數(shù)據(jù)采購信息披露的數(shù)量持續(xù)增長，銀行業(yè)的數(shù)據(jù)需求最為旺盛，數(shù)據(jù)交易和數(shù)據(jù)供應(yīng)商集中在北上廣三地。以國有企業(yè)為代表的優(yōu)質(zhì)數(shù)據(jù)供應(yīng)商雖然數(shù)量不大，但在資金規(guī)模、數(shù)據(jù)來源專有性、知識產(chǎn)權(quán)等方面占據(jù)主導(dǎo)地位。金融業(yè)交易的數(shù)據(jù)產(chǎn)品以征信類數(shù)據(jù)為主，包括個人征信與企業(yè)征信，近九成的數(shù)據(jù)產(chǎn)品來源于對公共數(shù)據(jù)的處理加工。鑒于此，本報告在數(shù)據(jù)要素市場建設(shè)、引導(dǎo)數(shù)據(jù)交易由場外轉(zhuǎn)向場內(nèi)、以及相關(guān)制度建設(shè)方面，提出了若干政策建議。目錄一、交易概況 8（一）采購項目數(shù)量規(guī)模年度趨勢 8（二）采購項目地區(qū)分布 9（三）細(xì)分行業(yè)數(shù)據(jù)采購分析 12（四）采購項目月度分析 14（五）金融業(yè)數(shù)據(jù)采購方式分析 16（六）金融業(yè)數(shù)據(jù)交易的區(qū)位分布 19二、金融業(yè)數(shù)據(jù)供應(yīng)商分析 21（一）數(shù)據(jù)供應(yīng)商年齡分布 21（二）數(shù)據(jù)供應(yīng)商區(qū)位分布 22（三）數(shù)據(jù)供應(yīng)商企業(yè)類型分布 25（四）金融業(yè)數(shù)據(jù)供應(yīng)商規(guī)模 26（五）金融業(yè)數(shù)據(jù)供應(yīng)商權(quán)屬分析 30（六）數(shù)據(jù)供應(yīng)商多指標(biāo)分析 33三、金融業(yè)數(shù)據(jù)產(chǎn)品交易情況 44（一）金融業(yè)數(shù)據(jù)交易產(chǎn)品 44（二）數(shù)據(jù)產(chǎn)品定價 45（三）單一數(shù)據(jù)來源 48四、政策建議 50圖目錄圖1 數(shù)據(jù)采購項目數(shù)年度趨勢 8圖2 數(shù)據(jù)采購項目金額分布 9圖3 各實施地數(shù)據(jù)采購情況 10圖4 不同地區(qū)金融業(yè)數(shù)據(jù)采購金額分布 11圖5 各實施地數(shù)據(jù)采購次數(shù)逐年情況 錯誤！未定義書簽。圖6 代表省市數(shù)據(jù)采購項目數(shù)分年度占比 11圖7 數(shù)據(jù)采購項目數(shù)量行業(yè)分布 12圖8 數(shù)據(jù)采購金融分部門支出情況 12圖9 各行業(yè)數(shù)據(jù)采購次數(shù)逐年趨勢 13圖10 分部門數(shù)據(jù)采購金額比例年度趨勢 14圖11 各金融行業(yè)數(shù)據(jù)采購次數(shù)占比逐年分布 14圖12 數(shù)據(jù)采購次數(shù)季節(jié)性分析 15圖13 月度數(shù)據(jù)采購金額比重 15圖14 數(shù)據(jù)采購次數(shù)分年度季節(jié)性分析 16圖15 采購方式分布（采購項目數(shù)） 17圖16 采購方式分布（采購金額數(shù)） 17圖17 采購方式年趨勢 18圖18 不同采購方式支出占比年度趨勢 18圖19 數(shù)據(jù)采購交易跨省與否 19圖20 數(shù)據(jù)采購交易跨省與否年度趨勢 19圖21 跨省交易中供方地區(qū)分布 20圖22 數(shù)據(jù)供應(yīng)商年齡分布及累計占比 21圖23 年度新增數(shù)據(jù)供應(yīng)企業(yè)數(shù)量 22圖24 數(shù)據(jù)供應(yīng)商省際分布圖 23圖25 數(shù)據(jù)供應(yīng)商四大地區(qū)分布圖 24圖26 數(shù)據(jù)供應(yīng)商公司類型情況 25圖27 數(shù)據(jù)供應(yīng)商上市情況省際分布 26圖28 數(shù)據(jù)供應(yīng)商注冊資本分布 27圖29 數(shù)據(jù)供應(yīng)商實收資本分布 28圖30 數(shù)據(jù)供應(yīng)商人員數(shù)量分布 29圖31 數(shù)據(jù)供應(yīng)商參保員工數(shù)量分布圖 30圖32 不同權(quán)屬數(shù)據(jù)供應(yīng)商年齡分布 31圖33 不同權(quán)屬數(shù)據(jù)供應(yīng)商省際分布圖 32圖34 數(shù)據(jù)供應(yīng)商權(quán)屬與規(guī)模 33圖35 數(shù)據(jù)供應(yīng)商行政處罰次數(shù)分布 33圖36 不同權(quán)屬數(shù)據(jù)供應(yīng)商行政處罰數(shù)量分布圖 34圖37 數(shù)據(jù)供應(yīng)商持有軟件著作權(quán)數(shù)量分布 35圖38 不同權(quán)屬數(shù)據(jù)供應(yīng)商持有軟件著作權(quán)數(shù)量分布 36圖39 數(shù)據(jù)供應(yīng)商持有專利數(shù)量分布 36圖40 不同權(quán)屬數(shù)據(jù)供應(yīng)商持有專利數(shù)量分布 37圖41 數(shù)據(jù)供應(yīng)商中立輿情數(shù)量分布 38圖42 不同權(quán)屬數(shù)據(jù)供應(yīng)商中立輿情數(shù)量分布 38圖43 數(shù)據(jù)供應(yīng)商正面輿情數(shù)量分布 39圖44 不同權(quán)屬數(shù)據(jù)供應(yīng)商正面輿情數(shù)量分布 40圖45 數(shù)據(jù)供應(yīng)商負(fù)面輿情數(shù)量分布 40圖46 不同權(quán)屬數(shù)據(jù)供應(yīng)商負(fù)面輿情數(shù)量分布 41圖47 數(shù)據(jù)供應(yīng)商綜合評分分布圖 42圖48 不同權(quán)屬數(shù)據(jù)供應(yīng)商綜合評分分布圖 43圖49 金融業(yè)數(shù)據(jù)產(chǎn)品交易情況 44表目錄表1 各地區(qū)開展金融業(yè)數(shù)據(jù)采購項目數(shù) 9表2 數(shù)據(jù)供應(yīng)商年齡分布及累計占比 21表3 數(shù)據(jù)供應(yīng)商省際分布 22表4 數(shù)據(jù)供應(yīng)商四大地區(qū)分布表 24表5 數(shù)據(jù)供應(yīng)商上市情況省際分布 25表6 數(shù)據(jù)供應(yīng)商注冊資本分布 27表7 數(shù)據(jù)供應(yīng)商實收資本分布 27表8 數(shù)據(jù)供應(yīng)商人員數(shù)量分布 28表9 數(shù)據(jù)供應(yīng)商參保員工數(shù)量分布 29表10 數(shù)據(jù)供應(yīng)商省際分布 31表11 數(shù)據(jù)供應(yīng)商綜合評分分布 41表12 工商數(shù)據(jù)與價格信息 46表13 公安數(shù)據(jù)與價格信息 46表14 航旅數(shù)據(jù)與價格信息 47表15 數(shù)據(jù)單一類來源供應(yīng)商 48金融業(yè)數(shù)據(jù)交易流通報告一、交易概況（一）采購項目數(shù)量規(guī)模年度趨勢金融業(yè)數(shù)據(jù)要素采購規(guī)模呈指數(shù)增長。公開的招投標(biāo)信息顯示，近五年來，金融業(yè)數(shù)據(jù)要素采購項目數(shù)量復(fù)合年均增長率達40%，遠超金融業(yè)采購總項目數(shù)量復(fù)合年均增長率26%，顯示出金融業(yè)數(shù)據(jù)交易市場規(guī)模發(fā)展迅速。圖1 數(shù)據(jù)采購項目數(shù)年度趨勢從數(shù)據(jù)采購金額規(guī)模看，數(shù)據(jù)采購金額主要分布在10萬元至100萬元之間，此間的數(shù)據(jù)采購項目約占全部數(shù)據(jù)采購項目的一半；其次是百萬級別的數(shù)據(jù)采購項目，約占總數(shù)據(jù)采購項目的三分之一，如圖2所示。圖2 數(shù)據(jù)采購項目金額分布（二）采購項目地區(qū)分布從數(shù)據(jù)采購項目的實施地分析，數(shù)據(jù)采購活動主要在北京市、上海市、廣東省、江蘇省、河南省等地區(qū)進行，其中在北京市開展的數(shù)據(jù)采購次數(shù)最多，占比27.18%；在北京市、上海市、廣東省開展的數(shù)據(jù)采購次數(shù)合計占比47.85%，如表1所示。表1各地區(qū)開展金融業(yè)數(shù)據(jù)采購項目數(shù)省份采購項目數(shù)量省份采購項目數(shù)量北京2809湖北152上海1093重慶139廣東1044山西135江蘇574江西131河南462黑龍江122河北431廣西120山東367吉林112浙江351陜西107湖南336新疆66天津290甘肅65貴州253內(nèi)蒙古55四川242寧夏45福建208海南36云南192西藏27遼寧191青海27安徽154圖3 各實施地數(shù)據(jù)采購情況從采購金額看，金融業(yè)數(shù)據(jù)采購金額最多的地區(qū)有北京市、貴州省、廣東省、上海市、河北省等；其中北京市發(fā)生的數(shù)據(jù)采購金額占全國數(shù)據(jù)采購金額的29.47%；貴州省和上海市發(fā)生的數(shù)據(jù)采購的金額分別占去工商局采購金額的額10.98%和8.57%，如圖4所示。圖4 不同地區(qū)金融業(yè)數(shù)據(jù)采購金額分布對數(shù)據(jù)采購項目數(shù)最高的北京市、上海市、廣東省的數(shù)據(jù)采購次數(shù)逐年分析，2016年至2018年，北京市和上海市的數(shù)據(jù)采購次數(shù)占比都呈現(xiàn)下降態(tài)勢，廣東省的數(shù)據(jù)采購次數(shù)占比呈現(xiàn)上升態(tài)勢，三個省市的數(shù)據(jù)采購次數(shù)合計占比也呈現(xiàn)下降態(tài)勢；2018年至2021年，北京市的數(shù)據(jù)采購次數(shù)占比相對穩(wěn)定，上海市則經(jīng)歷了上升以后略微下滑，廣東省在2021年之前增長幅度較大，貢獻了三地區(qū)合計占比上升的主要力量。如圖6所示。圖6 代表省市數(shù)據(jù)采購項目數(shù)分年度占比（三）細(xì)分行業(yè)數(shù)據(jù)采購分析數(shù)據(jù)采購項目最多的行業(yè)是銀行業(yè)，占全部數(shù)據(jù)采購次數(shù)的69.22%；保險和證券的數(shù)據(jù)采購次數(shù)占比分別為14.74%和7.7%，如圖7所示。圖7 數(shù)據(jù)采購項目數(shù)量行業(yè)分布數(shù)據(jù)采購金額方面，銀行部門的數(shù)據(jù)采購金額最多，占數(shù)據(jù)采購金額總額的76.86%；保險部門和證券部門的數(shù)據(jù)采購金額分別占數(shù)據(jù)采購金額總額的12.22%和4.38%；還有6.54%的數(shù)據(jù)采購金額來自其他部門，如圖8所示。圖8 數(shù)據(jù)采購金融分部門支出情況2016年開始，銀行業(yè)進行數(shù)據(jù)采購的規(guī)模逐年大幅增加，保險業(yè)、證券業(yè)及其他行業(yè)進行數(shù)據(jù)采購的規(guī)模也在不斷增加，但總體還是呈現(xiàn)銀行業(yè)數(shù)據(jù)采購規(guī)模大大領(lǐng)先，保險業(yè)和證券業(yè)次之的格局，如圖9所示。圖9 各行業(yè)數(shù)據(jù)采購次數(shù)逐年趨勢從部門間數(shù)據(jù)采購金額的結(jié)構(gòu)方面看，銀行部門的數(shù)據(jù)采購金額占比呈現(xiàn)出逐漸下降的趨勢，但仍為數(shù)據(jù)采購最主要的部門；保險部門的數(shù)據(jù)采購金額占比經(jīng)歷了從減小到增大到減小的過程，是除了銀行部門以外最重要的部門；近年來其他非銀保證部門的數(shù)據(jù)采購也在不斷發(fā)展，數(shù)據(jù)采購的主體越來越多元化。圖10 分部門數(shù)據(jù)采購金額比例年度趨勢部門間數(shù)據(jù)采購項目數(shù)量的關(guān)系上，銀行業(yè)的數(shù)據(jù)采購次數(shù)占比84.38%減少到65.03%，保險業(yè)的數(shù)據(jù)采購次數(shù)占比從5.21%增長到14.95%，證券業(yè)和其他行業(yè)的數(shù)據(jù)采購次數(shù)占比也在也呈上升態(tài)勢，如圖11所示。圖11 各金融行業(yè)數(shù)據(jù)采購次數(shù)占比逐年分布（四）采購項目月度分析金融業(yè)數(shù)據(jù)采購月度平均項目數(shù)在全年呈現(xiàn)出逐漸增加的態(tài)勢，2月與10月較為特殊。第四季度的平均采購次數(shù)最多，占數(shù)據(jù)采購次數(shù)的33.32%，如圖12所示。圖12 數(shù)據(jù)采購次數(shù)季節(jié)性分析從數(shù)據(jù)采購金額的月度分布來分析，2-5月數(shù)據(jù)采購金額較少，但總體呈增加趨勢；6月數(shù)據(jù)采購金額較多，位列全年第二；7-9月數(shù)據(jù)采購金額呈現(xiàn)出與2-5月相似的趨勢；10-12月數(shù)據(jù)采購金額較多，但總體呈減少趨勢，如圖13所示。圖13 月度數(shù)據(jù)采購金額比重如圖14展示了不同年份采購項目數(shù)的月度規(guī)模，2016年至2021年的數(shù)據(jù)采購次數(shù)大致呈現(xiàn)2月和10月減少，4月至8月增長，10月至12月增長的趨勢，且都體現(xiàn)出第四季度的采購次數(shù)占比最多。圖14 數(shù)據(jù)采購次數(shù)分年度季節(jié)性分析（五）金融業(yè)數(shù)據(jù)采購方式分析從數(shù)據(jù)采購方式分析，采用公開招標(biāo)的方式進行數(shù)據(jù)采購的項目最多，占數(shù)據(jù)采購項目總數(shù)量的67.03%；采用單一來源或競爭性的方式進行數(shù)據(jù)采購的項目分別占數(shù)據(jù)采購總額的16.61%和10.99%；而通過詢價或者邀請招標(biāo)進行數(shù)據(jù)采購的項目最少，僅占4.08%和1.30%，如圖15所示。圖15 采購方式分布（采購項目數(shù)）數(shù)據(jù)采購金額的71.71%來自公開招標(biāo)，17.22%來自單一來源，4.98%來自競爭性，3.55%來自詢價，2.54%來自邀請招標(biāo)，如圖16所示。圖16 采購方式分布（采購金額數(shù)）2017年至2021年，采用公開招標(biāo)一直是數(shù)據(jù)采購的最主要方式，占比在64.08%至74.90%之間；單一來源、競爭性、詢價、邀請招標(biāo)的方式被使用的次數(shù)依此遞減，如圖17所示。圖17 采購方式年趨勢對不同采購方式下數(shù)據(jù)采購的逐年支出趨勢進行分析，2017年、2018年總體的數(shù)據(jù)采購金額較少，主要以公開招標(biāo)為主；2019年至2022年的數(shù)據(jù)采購金額較多，2020年采用單一來源進行數(shù)據(jù)采購的金額大幅增加，接近于采用公開招標(biāo)進行數(shù)據(jù)采購的金額，可能是受到新冠疫情的影響，企業(yè)公開招標(biāo)條件受限帶來的結(jié)果。如圖18所示。圖18 不同采購方式支出占比年度趨勢（六）金融業(yè)數(shù)據(jù)交易的區(qū)位分布如果采購雙方的注冊地在同一省內(nèi)，則定義此次交易為省內(nèi)交易，反之則為跨省交易。在搜集到的數(shù)據(jù)采購交易信息中，有46%的交易是跨省交易，54%的交易是省內(nèi)交易，如圖19所示。圖19 數(shù)據(jù)采購交易跨省與否從數(shù)據(jù)采購交易跨省與否的年度趨勢來分析，2016年至2021年，數(shù)據(jù)采購跨省交易與省內(nèi)交易占比上相差不大，從2019年起，省內(nèi)交易的數(shù)量略高于跨省交易，如圖20所示。圖20 數(shù)據(jù)采購交易跨省與否年度趨勢跨省的數(shù)據(jù)交易中，數(shù)據(jù)供應(yīng)商大部分集中于北京市、上海市、廣東省三地區(qū)，分別占比37.78%、23.09%、12.02%，三個地區(qū)合計占比72.89%，如圖21所示。圖21 跨省交易中供方地區(qū)分布二、金融業(yè)數(shù)據(jù)供應(yīng)商分析（一）數(shù)據(jù)供應(yīng)商年齡分布通過對招投標(biāo)等公開信息的整理，我們搜集到金融行業(yè)的數(shù)據(jù)供應(yīng)商共2216家。截至2022年，年齡在10年以下的數(shù)據(jù)供應(yīng)商共有987家，占數(shù)據(jù)供應(yīng)商總數(shù)的44.54%；年齡在20年以下的數(shù)據(jù)供應(yīng)商共有1774家，占數(shù)據(jù)供應(yīng)商總數(shù)的80.05%；年齡在20年以上、30年以下的數(shù)據(jù)供應(yīng)商共有410家，占數(shù)據(jù)供應(yīng)商總數(shù)的18.50%；而年齡在30年以上的企業(yè)有32家，占數(shù)據(jù)供應(yīng)商總數(shù)的1.44%。如表2所示。表2數(shù)據(jù)供應(yīng)商年齡分布及累計占比年齡區(qū)間供應(yīng)商數(shù)量累計占比≤10年98744.54%10-20年78780.05%20-30年41098.56%30-40年3099.91%>40年2100.00%圖22 數(shù)據(jù)供應(yīng)商年齡分布及累計占比從年齡結(jié)構(gòu)上看，接近半數(shù)的數(shù)據(jù)供應(yīng)商成立時間不超過10年，業(yè)態(tài)整體表現(xiàn)出欣欣向榮之勢。對數(shù)據(jù)供應(yīng)商年齡進行進一步分析，可得到數(shù)據(jù)供應(yīng)商年度新增企業(yè)數(shù)量，如圖23所示。圖23 年度新增數(shù)據(jù)供應(yīng)企業(yè)數(shù)量2014至2016年，相關(guān)政策的出臺疊加市場熱度，金融數(shù)據(jù)供應(yīng)商增量出現(xiàn)一段井噴期；2017年，國家進行了對數(shù)據(jù)行業(yè)的嚴(yán)打，以整頓數(shù)據(jù)黑市。監(jiān)管收緊、經(jīng)濟進入新常態(tài)，市場行情疊加政策因素，企業(yè)新增數(shù)量步入冷靜期；2020年新冠疫情致使企業(yè)新增數(shù)量持續(xù)走低。（二）數(shù)據(jù)供應(yīng)商區(qū)位分布從數(shù)據(jù)供應(yīng)商所屬省份分析，數(shù)據(jù)供應(yīng)商主要來自北京市、上海市、廣東省、浙江省、江蘇省等地區(qū)，其中來自北京市、上海市、廣東省的數(shù)據(jù)供應(yīng)商數(shù)量最多，合計占比55.43%，如表3所示。表3 數(shù)據(jù)供應(yīng)商省際分布省份數(shù)據(jù)供應(yīng)商數(shù)省份數(shù)據(jù)供應(yīng)商數(shù)北京623陜西26上海329天津26廣東273廣西24浙江133云南24江蘇103吉林16山東96黑龍江14四川66江西13福建54山西13湖南53甘肅10河北50海南9河南48內(nèi)蒙古9湖北46新疆7遼寧41寧夏4重慶35西藏3安徽33青海2貴州27圖24 數(shù)據(jù)供應(yīng)商省際分布圖從數(shù)據(jù)供應(yīng)商所屬地區(qū)分析，數(shù)據(jù)供應(yīng)商主要來自東部地區(qū)，東部地區(qū)1的數(shù)據(jù)供應(yīng)商數(shù)量共有1691家，占數(shù)據(jù)供應(yīng)商總數(shù)的76.74%。值得注意的是，西部地區(qū)的數(shù)據(jù)供應(yīng)商數(shù)量有不俗的表現(xiàn)，占比10.72%，相對經(jīng)濟較發(fā)達的中部地區(qū)9.32%的占比領(lǐng)先了1.4個百分點。如表4所示。“一帶一路”建設(shè)的推進與數(shù)字經(jīng)濟政策的實施共振，是西部地區(qū)數(shù)據(jù)供應(yīng)商占比逆經(jīng)濟梯度差的主要原因。根據(jù)中國信息通訊研究院的數(shù)據(jù)，貴州、重慶、江西、四川等地區(qū)的數(shù)字經(jīng)濟持續(xù)快速發(fā)展，增速超過全國平均水平，其中貴州、重慶數(shù)字經(jīng)濟同比增速超20%。表4數(shù)據(jù)供應(yīng)商四大地區(qū)分布表地理區(qū)域供應(yīng)商數(shù)量占比東部169676.74%西部23710.72%中部2069.32%東北713.21%圖25 數(shù)據(jù)供應(yīng)商四大地區(qū)分布圖參考國家統(tǒng)計局使用的東中西和東北地區(qū)劃分方法，東部包括：北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南。中部包括：山西、安徽、江西、河南、湖北、湖南。西部包括：內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆。東北包括：遼寧、吉林、黑龍江。（三）數(shù)據(jù)供應(yīng)商企業(yè)類型分布源于公網(wǎng)信息的數(shù)據(jù)供應(yīng)商信息顯示，2022年數(shù)據(jù)供應(yīng)商中，企業(yè)類型有四類，分別是有限責(zé)任公司（1594家）、其他有限責(zé)任公司（267家）、股份有限公司（237家）、其他股份有限公司（119家），占比分別為72%、12%、11%與5%。如圖26所示。圖26 數(shù)據(jù)供應(yīng)商公司類型情況截至2022年10月，數(shù)據(jù)供應(yīng)商中上市公司有119家，非上市公司有2100家，這些公司主要來自北京市、上海市、廣東省、浙江省等地區(qū)。其中，北京市有41家上市公司和582家非上市公司，分別占上市公司總數(shù)和非上市公司總數(shù)的34.45%和27.72%；北京市、上海市、廣東省的上市公司數(shù)量合計占上市公司總數(shù)的60.50%，非上市公司數(shù)量合計占非上市公司總數(shù)的54.9%，如表5所示。表5數(shù)據(jù)供應(yīng)商上市情況省際分布省份上市公司非上市公司省份上市公司非上市公司北京41582陜西026上海15314廣西024廣東16257云南123浙江9124天津323江蘇499吉林115山東789黑龍江014四川363山西112湖南152江西211河北050甘肅010福建549內(nèi)蒙古09河南147海南09湖北145新疆07遼寧338寧夏04重慶134西藏12安徽132青海02貴州027圖27 數(shù)據(jù)供應(yīng)商上市情況省際分布（四）金融業(yè)數(shù)據(jù)供應(yīng)商規(guī)模1.注冊資本。截至報告期，數(shù)據(jù)供應(yīng)商注冊資本主要分布于100萬元至10億元之間，約占數(shù)據(jù)供應(yīng)商總數(shù)的92.90%；其中注冊資本500萬元至1億元元之間的數(shù)據(jù)供應(yīng)商數(shù)量占總數(shù)的67.00%，如表6所示。表6數(shù)據(jù)供應(yīng)商注冊資本分布注冊資本數(shù)量累計占比≤100萬元723.26%100萬-500萬元26115.06%500萬-1000萬元41333.74%1000萬-5000萬元80370.06%5000萬-1億元26582.04%1億-10億元31296.16%10億-100億元6098.87%100億-1000億元1899.68%>1000億元7100.00%圖28 數(shù)據(jù)供應(yīng)商注冊資本分布2．實收資本。實收資本在100萬元以下的數(shù)據(jù)供應(yīng)商約占數(shù)據(jù)供應(yīng)商總數(shù)的10.93%；實收資本在1000萬元以下的數(shù)據(jù)供應(yīng)商約占數(shù)據(jù)供應(yīng)商總數(shù)的46.75%；實收資本在1億元以上的數(shù)據(jù)供應(yīng)商約占數(shù)據(jù)供應(yīng)商總數(shù)的15.72%，如表7所示。表7數(shù)據(jù)供應(yīng)商實收資本分布實收資本數(shù)量累計占比≤100萬元21010.93%100萬-500萬元39531.49%500萬-1000萬元29346.75%1000萬-5000萬元53874.75%5000萬-1億元18384.28%1億-10億元23596.51%10億-100億元4899.01%100億-1000億元1399.69%>1000億元6100.00%圖29 數(shù)據(jù)供應(yīng)商實收資本分布3.人員數(shù)量分布。從供應(yīng)商人員數(shù)量分析，2022年，人員數(shù)量在50人以下的數(shù)據(jù)供應(yīng)商共有996家，占數(shù)據(jù)供應(yīng)商總數(shù)的49.16%；人員數(shù)量在250人以下的數(shù)據(jù)供應(yīng)商共有1536家，占數(shù)據(jù)供應(yīng)商總數(shù)的75.81%；人員數(shù)量在1000人以上的數(shù)據(jù)供應(yīng)商共有199家，占數(shù)據(jù)供應(yīng)商總數(shù)的9.82%，如表8所示。表8數(shù)據(jù)供應(yīng)商人員數(shù)量分布人員數(shù)量企業(yè)數(shù)量累計占比≤50人99649.16%50-100人30664.26%100-250人23475.81%250-500人18685.00%500-1000人10590.18%1000-2500人11896.00%2500-5000人4998.42%5000-10000人2099.41%>10000人12100.00%圖30 數(shù)據(jù)供應(yīng)商人員數(shù)量分布4.參保員工數(shù)量分布。2022年，參保員工數(shù)量在50人以下的數(shù)據(jù)供應(yīng)商共有971家，占數(shù)據(jù)供應(yīng)商總數(shù)的50.60%；參保員工數(shù)量在250人以下的數(shù)據(jù)供應(yīng)商共有1526家，占數(shù)據(jù)供應(yīng)商總數(shù)的79.52%；參保員工數(shù)量在1000人以上的數(shù)據(jù)供應(yīng)商共有143家，占數(shù)據(jù)供應(yīng)商總數(shù)的7.45%，如表9所示。表9數(shù)據(jù)供應(yīng)商參保員工數(shù)量分布參保員工數(shù)量企業(yè)數(shù)量累計占比≤50人97150.60%50-100人28265.29%100-250人27379.52%250-500人14587.08%500-1000人10592.55%1000-2500人7996.66%2500-5000人2798.07%5000-1萬人2099.11%1萬-5萬人1499.84%5萬-10萬人199.90%10萬-45萬人199.95%>45萬人1100.00%圖31 數(shù)據(jù)供應(yīng)商參保員工數(shù)量分布圖（五）金融業(yè)數(shù)據(jù)供應(yīng)商權(quán)屬分析國有數(shù)據(jù)供應(yīng)商的平均年齡為16.48年，非國有數(shù)據(jù)供應(yīng)商的平均年齡為12.58年。老牌的數(shù)據(jù)供應(yīng)商多為國有企業(yè)，非國有企業(yè)的年齡構(gòu)成較為年輕；2000年前后，成立了許多國有和非國有的數(shù)據(jù)供應(yīng)商；2014年至2016年間，非國有數(shù)據(jù)供應(yīng)商大量成立，多為高新技術(shù)企業(yè)；近年來的國有數(shù)據(jù)供應(yīng)商多為國有企業(yè)或政府部門全資直屬或以國有企業(yè)或政府部門控股、高新科技企業(yè)入股的模式成立。隨著監(jiān)管的強化，新進數(shù)據(jù)供應(yīng)商更多采用國有控股、高新科技企業(yè)持股模式，一方面滿足監(jiān)管需求，同時技術(shù)水平得到保證。圖32 不同權(quán)屬數(shù)據(jù)供應(yīng)商年齡分布非國有數(shù)據(jù)供應(yīng)商主要來自北京市、上海市、廣東省、浙江省等地區(qū)，其中來自北京市、上海市和廣東省的非國有數(shù)據(jù)供應(yīng)商最多，合計占比55.14%；國有數(shù)據(jù)供應(yīng)商主要來自北京市、上海市、廣東省、山東省、浙江省等地區(qū)，其中來自北京市、上海市和廣東省的國有數(shù)據(jù)供應(yīng)商最多，合計占比57.02%，如表10所示。表10數(shù)據(jù)供應(yīng)商省際分布省份非國有國有省份非國有國有北京513110陜西233上海28148云南222廣東23637廣西204浙江11518天津197江蘇8815吉林142山東7719黑龍江131四川5115江西103湖南467山西103河北455內(nèi)蒙古90河南444海南81福建4311甘肅73湖北415新疆61遼寧365寧夏40重慶323西藏30安徽285青海11貴州234圖33 不同權(quán)屬數(shù)據(jù)供應(yīng)商省際分布圖從不同權(quán)屬供應(yīng)商數(shù)量、勞動力規(guī)模、資本規(guī)模等方面分析，國有數(shù)據(jù)供應(yīng)商數(shù)量上僅占全體的15%，但資金規(guī)模和人員規(guī)模分別達到了69%與88%，呈現(xiàn)出典型的二八法則，如圖34所示。圖34 數(shù)據(jù)供應(yīng)商權(quán)屬與規(guī)模（六）數(shù)據(jù)供應(yīng)商多指標(biāo)分析1．行政處罰數(shù)量分布。源于公網(wǎng)信息的數(shù)據(jù)供應(yīng)商信息顯示，從數(shù)據(jù)供應(yīng)商受到的行政處罰數(shù)量來分析，沒有受到行政處罰的數(shù)據(jù)供應(yīng)商有1829家，占比82.43%；受到1次行政處罰的數(shù)據(jù)供應(yīng)商有233家，占比10.50%；收到行政處罰數(shù)量10次及以上的數(shù)據(jù)供應(yīng)商有16家，占比0.72%，如圖35所示。圖35 數(shù)據(jù)供應(yīng)商行政處罰次數(shù)分布對不同權(quán)屬數(shù)據(jù)供應(yīng)商收到的行政處罰數(shù)量作進一步分析，國有企業(yè)中，沒有收到行政處罰的數(shù)據(jù)供應(yīng)商占69.59%，低于平均水平；受到1次行政處罰的數(shù)據(jù)供應(yīng)商占14.62%；而受到10次及以上行政處罰的數(shù)據(jù)供應(yīng)商占1.46%，高于平均水平。非國有企業(yè)中，沒有收到行政處罰的數(shù)據(jù)供應(yīng)商占84.76%，高于平均水平；受到1次行政處罰的數(shù)據(jù)供應(yīng)商占9.75%；而受到10次及以上行政處罰的數(shù)據(jù)供應(yīng)商占0.59%，低于平均水平，如圖36所示。圖36 不同權(quán)屬數(shù)據(jù)供應(yīng)商行政處罰數(shù)量分布圖2．軟件著作權(quán)數(shù)量分布。源于公網(wǎng)信息的數(shù)據(jù)供應(yīng)商信息顯示，從數(shù)據(jù)供應(yīng)商所持有的軟件著作權(quán)數(shù)量來分析，持有少于10個軟件著作權(quán)的數(shù)據(jù)供應(yīng)商有867家，占比39.07%；持有多于50個軟件著作權(quán)的數(shù)據(jù)供應(yīng)商有432家，占比19.47%；數(shù)據(jù)供應(yīng)商持有軟件著作權(quán)數(shù)量呈現(xiàn)中間低、兩邊高的分布，如圖3-2-1所示。圖37 數(shù)據(jù)供應(yīng)商持有軟件著作權(quán)數(shù)量分布對不同權(quán)屬數(shù)據(jù)供應(yīng)商持有的軟件著作權(quán)數(shù)量作進一步分析，國有企業(yè)中，持有軟件著作權(quán)數(shù)量少于10個的數(shù)據(jù)供應(yīng)商占25.73%，低于平均水平；持有軟件著作權(quán)數(shù)量多于50個的數(shù)據(jù)供應(yīng)商占28.95%，高于平均水平；國有數(shù)據(jù)供應(yīng)商平均持有的軟件著作權(quán)數(shù)量多于平均水平。非國有企業(yè)中，持有軟件著作權(quán)數(shù)量少于10個的數(shù)據(jù)供應(yīng)商占41.50%，高于平均水平；持有軟件著作權(quán)數(shù)量多于50個的數(shù)據(jù)供應(yīng)商占17.74%，低于平均水平；非國有數(shù)據(jù)供應(yīng)商平均持有的軟件著作權(quán)數(shù)量少于平均水平，如圖38所示。圖38 不同權(quán)屬數(shù)據(jù)供應(yīng)商持有軟件著作權(quán)數(shù)量分布3．專利數(shù)量分布。源于公網(wǎng)信息的數(shù)據(jù)供應(yīng)商信息顯示，從數(shù)據(jù)供應(yīng)商所持有的專利數(shù)量來分析，持有少于10個專利的數(shù)據(jù)供應(yīng)商有1627家，占比73.32%；持有多于100個專利的數(shù)據(jù)供應(yīng)商有76家，占比3.43%；總體而言，數(shù)據(jù)供應(yīng)商持有的專利數(shù)量較少，如圖39所示。圖39 數(shù)據(jù)供應(yīng)商持有專利數(shù)量分布對不同權(quán)屬數(shù)據(jù)供應(yīng)商持有的專利數(shù)量作進一步分析，國有企業(yè)中，持有專利數(shù)量少于10個的數(shù)據(jù)供應(yīng)商占55.56%，低于平均水平；持有專利數(shù)量多于100個的數(shù)據(jù)供應(yīng)商占10.23%，高于平均水平；國有數(shù)據(jù)供應(yīng)商平均持有的專利數(shù)量高于平均水平。非國有企業(yè)中，持有專利數(shù)量少于10個的數(shù)據(jù)供應(yīng)商占76.56%，于平均水平；持有專利數(shù)量多于100個的數(shù)據(jù)供應(yīng)商占2.18%，于平均水平；非國有數(shù)據(jù)供應(yīng)商平均持有的專利數(shù)量低于平均水平，如圖40所示。圖40 不同權(quán)屬數(shù)據(jù)供應(yīng)商持有專利數(shù)量分布4．中立輿情分布。源于公網(wǎng)信息的數(shù)據(jù)供應(yīng)商信息顯示，從數(shù)據(jù)供應(yīng)商自身的中立輿情來分析，沒有中立輿情的數(shù)據(jù)供應(yīng)商有792家，占比35.70%；其余數(shù)據(jù)供應(yīng)商自身的中立輿情數(shù)量從1個至20個呈現(xiàn)逐漸減少的趨勢，其中有1個中立輿情的數(shù)據(jù)供應(yīng)商有290家，有20個中立輿情的數(shù)據(jù)供應(yīng)商僅有2家，如圖41所示。圖41 數(shù)據(jù)供應(yīng)商中立輿情數(shù)量分布對不同權(quán)屬數(shù)據(jù)供應(yīng)商自身的中立輿情數(shù)量作進一步分析，國有企業(yè)中，數(shù)據(jù)供應(yīng)商自身的中立輿情數(shù)量在1至10個之間分布差別不大，中立輿情數(shù)量多余10個的數(shù)據(jù)供應(yīng)商較少；非國有企業(yè)中，沒有中立輿情的數(shù)據(jù)供應(yīng)商占40.44%，且其中立輿情數(shù)量分布與整體數(shù)據(jù)供應(yīng)商的中立輿情數(shù)量分布相似，如圖42所示。圖42 不同權(quán)屬數(shù)據(jù)供應(yīng)商中立輿情數(shù)量分布5．正面輿情分布。源于公網(wǎng)信息的數(shù)據(jù)供應(yīng)商信息顯示，從數(shù)據(jù)供應(yīng)商自身的正面輿情來分析，沒有正面輿情的數(shù)據(jù)供應(yīng)商有674家，占比30.37%；其余數(shù)據(jù)供應(yīng)商自身的正面輿情數(shù)量從1個至20個呈現(xiàn)逐漸減少的趨勢，其中有1個正面輿情的數(shù)據(jù)供應(yīng)商有227家，有20個正面輿情的數(shù)據(jù)供應(yīng)商僅有13家，如圖43所示。圖43 數(shù)據(jù)供應(yīng)商正面輿情數(shù)量分布對不同權(quán)屬數(shù)據(jù)供應(yīng)商自身的正面輿情數(shù)量作進一步分析，國有企業(yè)中，數(shù)據(jù)供應(yīng)商自身的正面輿情數(shù)量在1至17個之間分布差別不大，其中有9個正面輿情的數(shù)據(jù)供應(yīng)商最多，占比為7.60%；非國有企業(yè)中，沒有正面輿情的數(shù)據(jù)供應(yīng)商占34.90%，且其正面輿情數(shù)量分布與整體數(shù)據(jù)供應(yīng)商的正面輿情數(shù)量分布相似，如圖44所示。圖44 不同權(quán)屬數(shù)據(jù)供應(yīng)商正面輿情數(shù)量分布6．負(fù)面輿情分布。源于公網(wǎng)信息的數(shù)據(jù)供應(yīng)商信息顯示，從數(shù)據(jù)供應(yīng)商自身的負(fù)面輿情來分析，沒有負(fù)面輿情的數(shù)據(jù)供應(yīng)商有1680家，占比75.71%；其余數(shù)據(jù)供應(yīng)商自身的負(fù)面輿情數(shù)量從1個至20個呈現(xiàn)逐漸減少的趨勢，其中有1個負(fù)面輿情的數(shù)據(jù)供應(yīng)商有233家，有不少于10個負(fù)面輿情的數(shù)據(jù)供應(yīng)商僅有23家，如圖45所示。圖45 數(shù)據(jù)供應(yīng)商負(fù)面輿情數(shù)量分布對不同權(quán)屬數(shù)據(jù)供應(yīng)商自身的負(fù)面輿情數(shù)量作進一步分析，國有企業(yè)中，沒有負(fù)面輿情的數(shù)據(jù)供應(yīng)商占65.79%，低于平均水平；非國有企業(yè)中，沒有負(fù)面輿情的數(shù)據(jù)供應(yīng)商占77.52%，高于平均水平；國有企業(yè)和非國有企業(yè)的負(fù)面輿情數(shù)量分布均與整體數(shù)據(jù)供應(yīng)商的負(fù)面輿情數(shù)量分布相似，如圖46所示。圖46 不同權(quán)屬數(shù)據(jù)供應(yīng)商負(fù)面輿情數(shù)量分布7．企業(yè)綜合評分。從數(shù)據(jù)供應(yīng)商的企業(yè)綜合評分來分析，數(shù)據(jù)供應(yīng)商的企業(yè)綜合評分主要分布在85分至95分之間，合計占比81.93%；其中企業(yè)綜合評分在85分至94分之間的數(shù)據(jù)供應(yīng)商分布較為平均，如表11所示。表11數(shù)據(jù)供應(yīng)商綜合評分分布企業(yè)綜合評分?jǐn)?shù)據(jù)供應(yīng)商數(shù)量累計占比6810.05%7820.14%7920.23%8070.54%81131.13%82744.46%831179.73%8414016.04%8516823.61%8617431.46%8716839.03%8816246.33%8917454.17%9016061.38%9118469.67%9216977.29%9317184.99%9417592.88%9511397.97%964199.82%974100%圖47 數(shù)據(jù)供應(yīng)商綜合評分分布圖對不同權(quán)屬數(shù)據(jù)供應(yīng)商的企業(yè)綜合評分進行分析，國有企業(yè)中，企業(yè)綜合評分主要分布在85分至95分之間的數(shù)據(jù)供應(yīng)商合計占比93.57%；企業(yè)綜合評分在90分以上的數(shù)據(jù)供應(yīng)商合計占比62.57%。非國有企業(yè)中，企業(yè)綜合評分在83分至95分之間分布較為平均；企業(yè)綜合評分在85分至95分之間的數(shù)據(jù)供應(yīng)商合計占比79.81%。企業(yè)綜合評分在90分以上的數(shù)據(jù)供應(yīng)商合計占比42.78%，如圖48所示。圖48 不同權(quán)屬數(shù)據(jù)供應(yīng)商綜合評分分布圖三、金融業(yè)數(shù)據(jù)產(chǎn)品交易情況（一）金融業(yè)數(shù)據(jù)交易產(chǎn)品金融業(yè)交易的數(shù)據(jù)產(chǎn)品可以分為個人信息類、企業(yè)信息類與其它信息。以個人征信、身份認(rèn)證、不動產(chǎn)數(shù)據(jù)為代表的個人信息類數(shù)據(jù)產(chǎn)品交易占據(jù)主導(dǎo)地位，市場份額約占整個金融業(yè)數(shù)據(jù)交易的七成。企業(yè)信息類數(shù)據(jù)產(chǎn)品較為豐富，涵蓋企業(yè)基本信息、企業(yè)經(jīng)營活動、企業(yè)投融資、企業(yè)畫像、關(guān)聯(lián)企業(yè)、以及以企業(yè)為基礎(chǔ)的行業(yè)資訊與產(chǎn)業(yè)鏈信息。根據(jù)綜合測算，金融業(yè)交易的數(shù)據(jù)產(chǎn)品中，公共數(shù)據(jù)約占90%。圖49 金融業(yè)數(shù)據(jù)產(chǎn)品交易情況以工商數(shù)據(jù)為例，其代表性的數(shù)據(jù)供應(yīng)商有中數(shù)智匯、企查查、合合數(shù)據(jù)、安碩信息、視野智慧、數(shù)庫和擁有央行企業(yè)征信業(yè)務(wù)牌照的136家征信機構(gòu)。數(shù)據(jù)需求方則包括了商業(yè)銀行、證券公司、保險機構(gòu)、消費金融企業(yè)、小額貸款公司等種類繁多的金融企業(yè)。交易的工商數(shù)據(jù)包括：企業(yè)照面、集團關(guān)系、企業(yè)類型、企業(yè)組織架構(gòu)、企業(yè)收益所有人、企業(yè)實際控制人、股權(quán)穿透、產(chǎn)業(yè)園區(qū)數(shù)據(jù)、招投標(biāo)信息、企業(yè)綜合信息等。（二）數(shù)據(jù)產(chǎn)品定價數(shù)據(jù)產(chǎn)品交付方式主要為逐條查詢和數(shù)據(jù)包兩類。逐條查詢的數(shù)據(jù)產(chǎn)品，包括工商、航旅、保險、反欺詐、動產(chǎn)、社保、地圖、輿情、電力、不動產(chǎn)等數(shù)據(jù)產(chǎn)品。其中工商、航旅、保險、反欺詐、動產(chǎn)、社保、地圖、輿情類數(shù)據(jù)產(chǎn)品單次查詢費用從0.1元到1元不等，電力數(shù)據(jù)價格略高，單次查詢費用在數(shù)元左右，不動產(chǎn)數(shù)據(jù)單次服務(wù)費用在300至500區(qū)間，由于不動產(chǎn)數(shù)據(jù)涉及對房屋估價，需要相關(guān)人員現(xiàn)場勘探核實，存在較高的勞動附加，價格相對昂貴。逐條查詢的數(shù)據(jù)產(chǎn)品也普遍存在非線性定價，根據(jù)買方單位時間（通常是一年）內(nèi)查詢次數(shù)的增加價格遞減，例如公安數(shù)據(jù)，也即身份驗證數(shù)據(jù)，按一年內(nèi)查詢次數(shù)，分為小于1萬次、1萬至10萬次、10萬至20萬次、20萬至100萬次、100萬次以上，按80%的折扣率進行遞減。數(shù)據(jù)產(chǎn)品也會根據(jù)買方利用數(shù)據(jù)創(chuàng)造價值的能力進行定價，具有代表性的是央行的個人征信報告查詢服務(wù)，對于商業(yè)銀行單次查詢價格為4元，而對農(nóng)商行則低至1元。數(shù)據(jù)包的收費區(qū)間波動較大，根據(jù)服務(wù)內(nèi)容、算法復(fù)雜度、數(shù)據(jù)覆蓋范圍等，從幾萬到幾百萬不等，資訊類數(shù)據(jù)產(chǎn)品多采取此種定價。綜合來看，影響數(shù)據(jù)產(chǎn)品價格的因素包括：數(shù)據(jù)來源是否單一、數(shù)據(jù)產(chǎn)品模型復(fù)雜度與勞動密集度、數(shù)據(jù)產(chǎn)品可替代性、買方使用數(shù)據(jù)創(chuàng)造的潛在價值等。表12工商數(shù)據(jù)與價格信息產(chǎn)品名稱逐條查詢（元）數(shù)據(jù)包（萬元/年）企業(yè)照面0.05企業(yè)信息0.3集團關(guān)系0.7企業(yè)類型0.4企業(yè)組織架構(gòu)0.8企業(yè)受益所有人0.7企業(yè)實際控制人0.7企業(yè)標(biāo)簽0.27股權(quán)穿透10.5產(chǎn)業(yè)園區(qū)數(shù)據(jù)50招投標(biāo)信息10企業(yè)綜合150表12摘選自某銀行的工商數(shù)據(jù)采購合同，其中企業(yè)照面、企業(yè)信息、集團關(guān)系、企業(yè)類型、企業(yè)組織架構(gòu)、企業(yè)受益所有人、企業(yè)實際控制人、企業(yè)標(biāo)簽、股權(quán)穿透數(shù)據(jù)采用逐條查詢的方式計價，價格從幾分到十元不等?？梢园l(fā)現(xiàn)，較為原始的信息，如企業(yè)照面、企業(yè)信息等，收費較低，而股權(quán)穿透這種需要通過一定信息查詢和推算的數(shù)據(jù)，收費較高。產(chǎn)業(yè)園區(qū)數(shù)據(jù)、招投標(biāo)信息、企業(yè)綜合信息則采取數(shù)據(jù)包的方式交付，價格從十萬到百萬元數(shù)量級不等。表13公安數(shù)據(jù)與價格信息產(chǎn)品名稱逐條查詢（元）產(chǎn)品名稱逐條查詢（元）姓名、身份證號碼0.1公安四要素認(rèn)證0.32核驗人像核驗0.15公安二要素認(rèn)證0.15及人像認(rèn)證證件有效期核驗0.38公安四要素認(rèn)證0.64及人像認(rèn)證身份證芯片NFC0.6公安二要素認(rèn)證0.1驗證及活體認(rèn)證公安二要素認(rèn)證0.06公安四要素認(rèn)證0.7及活體認(rèn)證表13展示了某金融機構(gòu)數(shù)據(jù)采購項目公示的公安數(shù)據(jù)產(chǎn)品信息，其中公安二要素認(rèn)證指身份證與姓名認(rèn)證，四要素認(rèn)證則是身份證、姓名、銀行卡號、手機號認(rèn)證。公安數(shù)據(jù)的價格多集中在0.1-0.7元間。表14航旅數(shù)據(jù)與價格信息產(chǎn)品信息逐條查詢（元）產(chǎn)品信息逐條查詢（元）航旅消費能力評0.12航旅最高航段價0.12分格航旅國內(nèi)出行記0.12航旅平均托運行0.12錄李重量航旅倉位里程評0.12航旅提前訂票的0.12分平均天數(shù)航旅旅客評分0.12航旅免票次數(shù)0.12航旅出行時度分0.12航旅白日起飛次0.12析數(shù)航旅倉位偏好0.12航旅夜間起飛次0.12數(shù)航旅飛行次數(shù)0.12航旅使用常客卡0.12次數(shù)航旅飛行總里程0.12航旅出行航段數(shù)0.12航旅頭等艙次數(shù)0.12航旅出行航班延0.12誤次數(shù)航旅商務(wù)倉次數(shù)0.12航旅出行平均延0.11誤時間航旅經(jīng)濟艙次數(shù)0.12航旅出行延誤10.11小時次數(shù)航旅到達一線城0.12航旅出行延誤20.11市次數(shù)小時次數(shù)航旅平均票價0.12航旅出現(xiàn)延誤40.11小時次數(shù)航旅平均折扣0.12表14給出了代表性航旅數(shù)據(jù)產(chǎn)品與價格信息。航旅數(shù)據(jù)包含了個人的飛行次數(shù)、里程、時間、目的地、倉位偏好、票價和航班延誤等信息，其勾勒的客戶畫像對金融機構(gòu)精準(zhǔn)營銷和風(fēng)控業(yè)務(wù)至關(guān)重要?？梢钥吹剑瞬少徍贤泻铰脭?shù)據(jù)價格非常集中。（三）單一數(shù)據(jù)來源單一來源數(shù)據(jù)集中在電力、個人征信、公安、發(fā)票、保險、社保、司法、估值類數(shù)據(jù)。個人征信必須經(jīng)央行個人征信業(yè)務(wù)授權(quán)持牌后方可開展業(yè)務(wù)，雖然企業(yè)征信同樣必須經(jīng)央行備案持牌經(jīng)營，但由于全國持牌的企業(yè)征信類機構(gòu)共136家，數(shù)據(jù)來源較為廣泛，因此企業(yè)征信數(shù)據(jù)不存在來源單一的問題。表15列舉了單一數(shù)據(jù)來源的數(shù)據(jù)產(chǎn)品與機構(gòu)信息。表15數(shù)據(jù)單一類來源供應(yīng)商數(shù)據(jù)產(chǎn)品機構(gòu)名稱備注電力數(shù)據(jù)國家電網(wǎng)、南方電網(wǎng)、國國網(wǎng)征信時國家電網(wǎng)和網(wǎng)征信南方電網(wǎng)共同出資、央行備案的企業(yè)征信機構(gòu)個人征信中國人民銀行征信中心、百行征信與樸道征信擁百行征信、樸道征信有央行個人征信業(yè)務(wù)牌照公安數(shù)據(jù)公安一所、公安三所發(fā)票數(shù)據(jù)百望股份國家稅務(wù)總局稅控設(shè)備牌照授權(quán)保險數(shù)據(jù)中國銀行保險信息技術(shù)銀保監(jiān)會直管管理有限公司社保數(shù)據(jù)金保信社?？萍加邢薰膊渴跈?quán)公司司法數(shù)據(jù)中國司法大數(shù)據(jù)研究院全國唯一官方司法數(shù)據(jù)合法授權(quán)機構(gòu)估值數(shù)據(jù)中債資信評估有限責(zé)任中國銀行間市場交易商公司協(xié)會出資四、政策建議（一）培育完善多層級數(shù)據(jù)要素市場建設(shè)。從上面的分析可以看到，近一半的數(shù)據(jù)交易是在省內(nèi)完成，另一半則是跨地區(qū)交易，且交易的供應(yīng)商70%聚集在北京、上海、廣東三地區(qū)。構(gòu)建完善的數(shù)據(jù)要素場內(nèi)交易市場，必須以國家級數(shù)據(jù)交易所為中心，統(tǒng)領(lǐng)各行業(yè)板塊，區(qū)域間數(shù)據(jù)要素市場建設(shè)，培育完善多層級數(shù)據(jù)要素市場。具體而言，在北京、上海、廣東建立國家數(shù)據(jù)交易所，承擔(dān)全國性的數(shù)據(jù)交易與數(shù)據(jù)資產(chǎn)登記工作，結(jié)合各地區(qū)交易情況，在不同地區(qū)建立區(qū)域性的數(shù)據(jù)交易中心。（二）以金融業(yè)數(shù)據(jù)交易為切入，帶動數(shù)據(jù)交易從場外向場內(nèi)過渡?？v觀我國場外數(shù)據(jù)交易市場，金融業(yè)數(shù)據(jù)交易市場存在的時間較長，交易產(chǎn)品和交付方式更加成熟。這是因為，金融業(yè)數(shù)據(jù)交易的需方大多為銀行、保險、證券，有著金融業(yè)嚴(yán)格的監(jiān)管程序，數(shù)據(jù)交易相對規(guī)范、交易信息披露更加充分。交易的產(chǎn)品，多為個人、企業(yè)征信數(shù)據(jù)與資訊類數(shù)據(jù)，應(yīng)用場景集中于營銷與風(fēng)控，相比其他行業(yè)，產(chǎn)品分類更加清晰、應(yīng)用場景更加明確。類似電子市場的發(fā)展演進規(guī)律，數(shù)據(jù)交易市場也是一個從有偏市場向無偏市場過渡的過程，在有偏市場階段，只有產(chǎn)品描述復(fù)雜性與資產(chǎn)專用性較低的產(chǎn)品，才會首先在交易所內(nèi)交易，金融業(yè)數(shù)據(jù)交易產(chǎn)品正好符合這種特性，另一方面，我國金融業(yè)數(shù)據(jù)交易規(guī)模龐大，據(jù)保守估計，年交易量在百億以上。因此，建設(shè)數(shù)據(jù)要素場內(nèi)交易市場，引導(dǎo)企業(yè)在數(shù)據(jù)交易所內(nèi)掛牌交易時，應(yīng)優(yōu)先引導(dǎo)鼓勵金融業(yè)數(shù)據(jù)進入場內(nèi)交易。（三）推動金融業(yè)數(shù)據(jù)交易入場，資訊類數(shù)據(jù)首當(dāng)其沖。資訊類數(shù)據(jù)指有關(guān)市場行情、指數(shù)、宏觀、產(chǎn)業(yè)類的經(jīng)濟金融數(shù)據(jù)，這些數(shù)據(jù)由權(quán)威部門發(fā)布，多從發(fā)布平臺上爬取而得。資訊類數(shù)據(jù)的優(yōu)點是將各種零散的數(shù)據(jù)集中起來，形成格式化的關(guān)系型數(shù)據(jù)，從而方便了相關(guān)分析、研究工作的開展。由于數(shù)據(jù)來源為網(wǎng)絡(luò)爬取，這類數(shù)據(jù)供應(yīng)商缺乏相應(yīng)的資質(zhì)，希望通過數(shù)據(jù)交易所這類平臺，為自身業(yè)務(wù)的合規(guī)性找到可靠背書。另一方面，資訊數(shù)據(jù)供應(yīng)商在原有的行業(yè)分類中，基本被劃為軟件與信息技術(shù)類企業(yè)，這并不能反映其主營業(yè)務(wù)的特征，數(shù)據(jù)交易所構(gòu)建的數(shù)商生態(tài)，能幫助此類企業(yè)找到更精準(zhǔn)的定位，在數(shù)字經(jīng)濟不斷發(fā)展的背景下，更好創(chuàng)造數(shù)據(jù)價值。（四）發(fā)力增值類服務(wù)，讓征信數(shù)據(jù)高效賦能金融業(yè)。從市場行情看，目前最活躍的金融數(shù)據(jù)交易市場集中在征信類業(yè)務(wù)，包括個人征信與企業(yè)征信，其中又以個人征信的比重最大，大約占征信類數(shù)據(jù)交易市場七到八成。這類市場在央行“斷直連”改革下，已進入嚴(yán)監(jiān)管狀態(tài)，相應(yīng)的數(shù)據(jù)交易有完整規(guī)范的流程2，企業(yè)類征信雖然嚴(yán)格程度不及個人征信，但從業(yè)機