发改委、国家数据局等明确：重点支持数据七大发展方向

12月30日，国家发展改革委等六部门印发《关于促进数据产业高质量发展的指导意见》。

《意见》提出，到2029年，数据产业规模年均复合增长率超过15%，数据产业结构明显优化，催生一批数智应用新产品新服务新业态，涌现一批具有国际竞争力的数据企业，数据产业综合实力显著增强，区域聚集和协同发展格局基本形成。

《意见》重点支持数据技术和产业7个发展方向。

重点方向1：数据采集。推动基于5G、物联网等技术的数据实时采集方式创新，支持高精度数据采集、合规采集、自动识别采集等采集技术创新，提升数据采集自动化智能化水平。

在智能农业生产中，基于 5G 和物联网技术，通过在农田中部署大量的传感器，实现对土壤湿度、温度、光照强度等数据的实时采集。这些传感器采用高精度数据采集技术，能够精确到小数点后几位，为精准农业提供准确的数据支持。例如，农民可以根据土壤湿度数据自动控制灌溉系统，实现水资源的高效利用，提高农作物产量。同时，合规采集确保了数据的来源合法合规，不会侵犯农民或其他相关方的权益。自动识别采集技术可以用于识别农作物病虫害，通过图像识别技术自动采集病虫害信息，及时通知农户采取相应防治措施，提升农业生产的智能化水平。

重点方向2：数据存储。加快发展高带宽、高容量、高性能存储器，推动湖仓池一体、数据编织、数据压缩等技术创新。支持面向数据分类分级管理使用需求，提供全栈数据存储产品和解决方案。

大型互联网企业如阿里巴巴，其海量的电商交易数据、用户信息数据等需要高效存储。它们采用高带宽、高容量、高性能的存储器，并利用湖仓池一体技术构建数据存储体系。湖仓池一体架构可以将数据湖、数据仓库和数据池的优势相结合，既能够存储原始的、未经处理的海量数据（数据湖），又能对结构化数据进行高效分析和处理（数据仓库），还可以根据实时业务需求快速提供数据服务（数据池）。数据压缩技术则减少了数据存储空间，降低了存储成本。通过数据分类分级管理，将用户敏感信息（如支付数据）进行高级别安全存储，而商品浏览记录等相对低敏感数据则采用不同的存储策略，提高存储和管理效率，为企业的电商业务运营、精准营销、供应链管理等提供有力支撑。

重点方向3：数据治理。推动数据清洗、质量检测、数据加工、数据标注、数据集成等技术和业态发展，创新数据开发治理一体化模式，支持人工智能技术在自动化数据处理、数据标注、模型构建、预测分析等领域的应用。

在金融行业，银行每天都会产生海量的交易数据、客户信用数据等。数据治理技术在这里发挥着重要作用。首先，通过数据清洗技术去除重复、错误和不完整的数据，保证数据的准确性。例如，在信用卡申请审核过程中，对申请人提交的信息进行清洗，确保数据真实可靠。质量检测技术对数据质量进行评估，确保数据符合业务要求。数据加工和标注可以对客户的交易行为数据进行分析和标注，如标记出高风险交易行为模式。利用数据集成技术整合来自不同系统（如网上银行系统、ATM 系统等）的数据，构建客户统一视图。在人工智能技术的支持下，实现自动化数据处理，如自动识别异常交易模式，构建风险预测模型，为银行的风险管理、客户服务优化、精准营销等提供决策依据，同时创新的数据开发治理一体化模式提高了数据治理的效率和效果。

重点方向4：数据分析。大力发展云计算、边缘计算，推进商业智能、数据引擎、数据融合、数据可视化、大数据平台等技术创新和产业化应用，支持机器学习、预训练大模型、深度合成服务算法等迭代创新。加速向量数据库、多模态数据分析等实时检索分析技术突破。

以智能交通领域为例，城市中的交通管理部门利用云计算和边缘计算技术，在云端对来自交通摄像头、传感器等设备的海量交通流量数据进行集中分析，同时在边缘计算节点（如靠近路口的智能设备）对局部交通数据进行实时处理。通过商业智能技术，将交通流量数据转化为直观的报表和图表，帮助交通管理人员快速了解交通状况。利用数据引擎和数据融合技术，整合来自不同数据源（如道路传感器、公交地铁运营数据等）的数据，分析交通拥堵的原因和规律。借助大数据平台和机器学习算法，预测交通流量变化趋势，优化交通信号灯配时方案。例如，在早晚高峰时段，根据实时交通流量动态调整信号灯时长，提高道路通行效率。预训练大模型可以用于交通事件识别，如识别交通事故、道路施工等场景，及时通知相关部门进行处理。深度合成服务算法可用于模拟不同交通管理策略下的交通运行情况，为城市交通规划提供参考。向量数据库和多模态数据分析技术则可实现对交通图像、视频等非结构化数据的快速检索分析，如快速查找特定时间段、特定路段的交通监控视频，辅助交通执法和事故处理。

重点方向5：数据交易。发展数据流通交易市场，培育数据经纪、数据托管等新业态，提高第三方服务机构专业服务能力。

在医疗健康领域，数据交易市场逐渐兴起。一些医疗数据服务公司作为数据经纪机构，帮助医疗机构将脱敏后的患者临床数据（在确保患者隐私的前提下）与制药企业、科研机构等进行对接。制药企业可以利用这些数据进行药物研发，例如分析某种疾病患者的临床症状、治疗过程和效果等数据，寻找药物研发的新靶点。科研机构则可以利用这些数据开展医学研究，如研究疾病的发病机制、流行趋势等。数据托管机构负责保障数据交易过程中的安全存储和合规管理，确保数据不被泄露或滥用。同时，专业的第三方服务机构为数据交易提供数据质量评估、合规审查等服务，提高数据交易的可信度和效率，促进医疗数据的流通和价值挖掘，推动医疗行业的创新发展。

重点方向6：数据应用。深化产业发展、社会治理、公共服务等领域数据应用，培育“数据即服务”等数据智能应用新产品新服务新业态，支持大模型应用创新发展。大力支持重点行业高质量数据集建设。

在公共服务领域，政府利用大数据应用为市民提供更好的服务。例如，在城市规划方面，通过整合人口数据、土地利用数据、交通流量数据等多源数据，利用 “数据即服务” 模式，为城市规划部门提供决策支持，合理规划城市功能区布局、公共设施建设等。在社会治理中，利用大数据分析社区居民的需求和问题，精准提供社区服务，如根据居民年龄结构、收入水平等数据，有针对性地开展养老服务、就业帮扶等项目。在教育领域，支持构建高质量的教育数据集，包含学生学习成绩、学习行为、课程资源等数据，利用大模型应用创新发展，如开发个性化学习辅助系统，根据学生的学习情况和特点为其推荐合适的学习内容和学习路径，提高教育教学质量。在工业生产中，企业利用数据应用实现智能化生产，如通过对生产设备运行数据的实时分析，预测设备故障，提前进行维护，减少生产中断时间，提高生产效率和产品质量。

重点方向7：数据安全。支持数据加密、防勒索、容灾备份、数据冗余等技术产品推广应用，加强量子加密、多因子身份认证、端到端加密、零信任安全等技术创新，加快突破可信数据空间、区块链、隐私计算、匿名化等数据可信流通技术，发展数据安全监测预警、数据合规检测、人工智能数据安全等服务业态。

对于在线支付企业来说，数据安全至关重要。它们广泛应用数据加密技术，对用户的银行卡号、密码等敏感信息进行加密传输和存储，防止信息被窃取。采用防勒索技术抵御外部恶意攻击，确保支付系统的稳定运行。容灾备份和数据冗余技术保障在遇到自然灾害、硬件故障等突发情况时，支付数据不丢失，业务能够快速恢复。例如，企业会在多个地理位置建立数据备份中心，实时同步数据。多因子身份认证技术，如结合密码、短信验证码、指纹识别等方式，确保用户身份的真实性，防止非法用户登录。端到端加密保证数据在从用户设备到支付平台服务器的整个传输过程中的安全性。零信任安全模型打破传统的基于网络边界的信任模式，对每一次访问请求都进行严格的身份验证和授权，即使在企业内部网络环境中也不轻易信任。可信数据空间技术利用区块链等手段，确保支付数据的可信流通，如在与商户进行数据共享时，保证数据的真实性和不可篡改。隐私计算技术实现数据在加密状态下的计算和分析，保护用户隐私的同时挖掘数据价值。数据安全监测预警系统实时监控支付系统的安全状况，一旦发现异常行为（如异常的交易流量、频繁的登录尝试等）立即发出警报，数据合规检测确保企业的数据处理活动符合相关法律法规要求，人工智能数据安全技术则利用人工智能算法识别和防范新型的安全威胁，如利用机器学习识别恶意软件的变种攻击等，全方位保障支付数据安全，维护用户权益和企业信誉。