第011期文化大数据政策及新闻简报
中共山东省委 山东省人民政府关于加快数字经济高质量发展的意见
（《意见》详见附件1）
点击文末阅读原文查看附件
（摘自：“国家数据局”公众号）
江苏省关于推进数据基础制度建设更好发挥数据要素作用的实施意见
（《意见》详见附件2）
点击文末阅读原文查看附件
（摘自：“国家数据局”公众号）
吉林省人民政府办公厅关于印发加快推进吉林省数字经济高质量发展实施方案（2023—2025年）的通知
（《方案》详见附件3）
点击文末阅读原文查看附件
（摘自：“国家数据局”公众号）
河南省数据局揭牌成立
1月25日上午，河南省数据局在郑州揭牌成立。省委常委、常务副省长孙守刚出席仪式并揭牌。
孙守刚指出，组建河南省数据局，是省委、省政府深化党和国家机构改革、加快建设数字强省的重大举措，对推进数据基础制度建设、提高数据要素治理效能、促进数字经济高质量发展具有重要意义。要深入贯彻落实党中央、国务院关于数据工作的决策部署，扎实履行职责使命，抢抓数据要素发展机遇，强化责任意识，主动担当作为，加强统筹协调，精准谋划实施，切实担负起数字化转型重任。要统筹推动数字河南、数字经济、数字社会建设，立足河南实际，加强对数据基础制度、数据要素市场、数字产业化、产业数字化、数字社会、数字基础设施等领域的研究推进。要统筹发展和安全，树牢底线思维、系统思维，加快探索适应我省数据特点的安全治理体系，构建兼顾活力和秩序的数据要素发展生态。要坚持机构改革和工作推进两手抓、两不误，确保各项工作加快推动、落实落细，为全面推进中国式现代化建设河南实践贡献力量。
据公开信息统计，2024年开年以来截至1月26日已相继成立14个省级数据局：江苏省数据局、四川省数据局、内蒙古自治区政务服务与数据管理局、上海市数据局、云南省数据局、青海省数据局、河北省数据和政务服务局、湖南省数据局、广东省政务服务和数据管理局、天津市数据局、福建省数据管理局、湖北省数据局、河南省数据局、浙江省数据局。
（摘自：“数据要素社”公众号）
福建省首个企业数据资产入表在泉州实现
近日，由泉州市数字泉州建设办公室指导，泉州市数字经济促进会、泉州市大数据产业党建联盟、泉州市大数据产业协会、泉州市海丝数据开发有限公司主办的泉州数据要素生态大会暨泉州市大数据产业协会会员大会在泉州召开。会上发布了全省首个企业数据资产入表，同时，揭牌成立了泉州市首个“泉州市数据创新生态服务中心”。
泉州作为福建省数据要素市场化改革的试点城市，交发集团权属大数据公司充分发挥全市大数据产业主力军的角色担当，抢抓市场机遇，快速响应数据要素市场化创新提升要求。在市财政局、市数字办、交发集团的指导下，该公司率先探索在数据治理、合规报告、价值评估、专项审计等关键环节开展实践，初步形成“泉州模式”企业数据资源入表路径。经过多方努力，该公司开发的“泉数工采通数据集”实现全省首个企业数据资产入表，顺利突破了数据资产入表的实务难题。
“泉数工采通数据集”是通过对公共数据进行数据治理、加工、处理后，深度分析工程采购数据应用场景需求，经过定制化开发数据多维价值，形成可用的数据集，对外提供数据应用服务。此举有效推动了交发集团从“传统资产链”向“新兴数据资产链”跨越。
为助力泉州市营商环境优化和产业数字化转型赋能，大数据公司大胆创新试点，围绕数据要素全链条，打造数据服务合作生态，通过邀请更多数商生态伙伴加入，聚合数据评估、合规认证、安全审计、数据公证等数据资产化要素服务，为数据供给方、需求方、服务方和监管方提供“一站式”数据服务支撑体系。
下一步，大数据公司还将规划建设“泉州市大数据交易服务平台”，构建“以先进地市为指引，地域联动，数据互认互通，登记互认互信，流通安全可靠”的数据资产服务模式。
（摘自：“数据要素X工坊”公众号）
宁波市首批公共数据授权运营应用场景发布上线
我市首批公共数据授权运营场景发布仪式于1月20日上午在宁波市公共数据授权运营中心举行。此次活动由宁波市大数据发展管理局主办，浙江宁数科创集团有限公司承办，江北区大数据发展服务中心、镇海区大数据中心、鄞州大数据中心、余姚市大数据发展管理局、宁波市大数据发展协会协办。市大数据局党组书记戴云、局长朱晓丽、二级巡视员杜永华，宁波高新区管委会副主任林贻泉出席发布仪式，授权运营场景相关业务部门，各区（县、市）大数据部门，浙江大数据交易中心和企业代表参加。
习近平总书记指出，要构建以数据为关键要素的数字经济。2022年12月，党中央国务院印发了“数据二十条”，要求促进数据合规高效流通使用，赋能实体经济，并明确支持浙江等地区先行先试。近年来，宁波根据市委、市政府数字经济一号发展工程要求，建设完善一体化公共数据平台，推进公共数据开发利用，取得了初步成效。
在制度上，建立了公共数据分类分级开放制度和市县统筹的工作体系，出台了《宁波市公共数据授权运营管理实施细则》，进一步推动受限开放数据的开发利用。
在技术上，依托一体化智能化公共数据平台建成了公共数据授权运营平台，为授权运营企业的加工处理提供特定的安全可信空间。
在场景上，2023年9月我市列为全省第一批公共数据授权运营试点地区以来，宁波充分依托健康医疗、金融保险、港航物流等特色行业数据资源优势，通过公开公平的授权运营方式，将公共数据资源持有权、数据加工使用权、数据产品经营权进行分置授权，现已完成全大市7个应用场景的首批授权和产品开发。同时，宁波已与深圳数据交易所、浙江大数据交易中心签订战略合作协议，建立宁波数据交易专区，为授权运营企业的数据产品无缝进入数据交易市场打通了渠道。
市大数据局局长朱晓丽在致辞中表示，此次首批公共数据授权运营应用场景上线仅仅是个开始，宁波将通过开展公共数据授权运营，引导更多的社会企业开发利用各类数据资源，释放数据要素价值。下一步，市大数据局将深入实施“数据要素×”行动，在以维护国家数据安全，保护个人信息，商业秘密为前提下，加大数据资源供给质量，把这些应用场景落地好、迭代好、推广好，让公共数据资源更好惠及广大群众和企业，助推经济社会高质量发展。
（摘自："宁波市大数据发展管理局"公众号）
中国上市公司数据要素×50指数工作坊暨价值潜力榜筹备专家研讨会举行
近日，中国数据要素×50指数工作坊暨2023年中国上市公司数据要素价值潜力榜规则专家研讨会在新华网举行。来自中国经济改革研究基金会、清华大学技术创新研究中心、中国政法大学、中央财经大学、北京交通大学、南开大学、普华永道、国盛证券、方正证券、东吴证券、环球律师事务所、中关村人工智能学院、慧辰股份等十余个相关机构专家学者、企业代表参与研讨。
会上，嘉宾们围绕国家数据局提出的“数据要素×”三年行动计划（2024—2026年）及财政部印发的《关于加强数据资产管理的指导意见》，就共同推动上市公司数据资产化相关标准的研究和实施路线图的规划，上市公司数据资产化、证券化路径展开研讨。重点推进“中国上市公司数据要素×50指数工作坊”的筹备工作及2023年中国上市公司数据要素价值潜力榜榜单制定规则。同时，由新华网、中国经济改革研究基金会、数据要素社等共同发起的“中国数据要素×50指数工作坊”宣告成立，组建服务上市公司数据要素并表的专家智库平台。工作坊旨在围绕“数据要素×”三年行动计划，探索上市公司数据资产化、证券化路径，并落实中国经济改革研究基金会承担的国家发改委体改司的“数据要素市场化改革重点问题及实施路径”课题研究任务，定期发布中国境内“上市公司数据要素价值潜力榜”等报告或白皮书。
据了解，1月4日，由国家数据局、中央网信办、科技部、工业和信息化部等17部门联合印发的《“数据要素×”三年行动计划（2024—2026年）》正式公布。发挥数据要素的放大、叠加、倍增作用，构建以数据为关键要素的数字经济，是推动高质量发展的必然要求。
近日，财政部印发《关于加强数据资产管理的指导意见》，从依法合规管理数据资产、明晰数据资产权责关系、稳妥推动数据资产开发利用、严防数据资产价值应用风险等方面，规范和加强数据资产管理，推动数字经济发展。
（摘自：“数据要素X工坊”公众号）
热烈祝贺第一届空间地球大数据高峰论坛在中山大学珠海校区成功举办！
2023年12月30—31日，以“地球大数据科学与工程”为主题的第一届空间地球大数据高峰论坛在中山大学珠海校区成功召开。本次高峰论坛由国际数字地球学会中国国家委员会空间地球大数据专委会（以下简称专委会）主办，中山大学地球科学与工程学院承办，中国地质大学（武汉）、武汉大学、广东海洋大学、国家海洋环境预报中心、国家气象中心、中国科学院空天信息创新研究院、中国科学院地理科学与资源研究所、中国科学院计算机网络信息中心、中国太平洋学会海洋大数据与高性能计算分会、Big Earth Data编辑部协办。
本次高峰论坛邀请到中国科学院空天信息创新研究院闫冬梅研究员，中国科学院地理科学与资源研究所葛咏研究员，武汉大学钟燕飞教授，国家气象中心薛峰研究员，中山大学周永章教授，广东海洋大学仉天宇教授，中国科学院空天信息创新研究院范湘涛研究员，作大会主旨报告。吸引了来自全国数十家单位的20余名专家、学者现场参会。
空间地球大数据高峰论坛是国际数字地球学会中国国家委员会空间地球大数据专委会的年度学术会议，每两年举办一次，与“地球大数据国际研讨会”互为补充。截止到2022年底，地球大数据国际研讨会已成功举办过5届，分别是2016武汉、2017武汉、2018武汉、2019武汉、2022武汉。第六届地球大数据国际研讨会将于2024年4月在成都召开，欢迎海内外专家学者踊跃参会，共同推动地球大数据服务于人类社会可持续发展研究。
（摘自：“数字地球实验室”公众号）
公共数据运营与智能应用论坛在福州成功举办，复旦DMG参与协办
1月16日下午，数字中国研究院（福建）、复旦大学上海市数据科学重点实验室共同主办，复旦大学数字与移动治理实验室协办的“数据要素产业化系列论坛（第五期）——公共数据运营与智能应用”在福州大学成功举办，福州大学党委常委、副校长郭文忠教授出席论坛并致辞。
论坛邀请了福建省数字福建建设领导小组办公室数据资源处刘民杰处长、复旦大学上海市数据科学重点实验室主任肖仰华教授、复旦大学数字与移动治理实验室主任郑磊教授等近20位领导、专家和企业家，数字中国研究院（福建）宋志刚院长出席论坛，并做主题演讲。200余名省内外数字领域领导、企业代表以及福大师生听取了线下报告，近5000名观众通过在线方式参加论坛。
校党委常委、副校长郭文忠教授在开幕式致辞，他从“数字福建是数字中国的思想源头和实践起点”这一角度介绍了福州大学与数字中国的长久渊源，指出了福州大学作为数字福建“思想火种”的特殊地位。此外，他还向论坛嘉宾介绍了福州大学在公共数据运营所具有的独特优势，以及面向数字中国和数字福建等国家和地方重大战略需求，在学科建设、人才培养等方面取得的改革建设成效。
复旦大学数字与移动治理实验室主任郑磊教授做开场报告，他以“公共数据资源供给：市场机制与政府作用”为题，利用都江堰工程等作比，形象生动地解读了应该如何看待公共数据公共性和市场化的问题。郑教授指出，数据开放和授权运营的共同目标是释放公共数据的价值，实现公共数据资源的畅通循环，要降低市场和社会主体获取公共数据的门槛。
电子科技大学公共管理学院张会平教授以“公共数据授权运营的产权运行与收益分配机制”为题，深入剖析了数据要素的“产权运行机制”和“收益分配机制”两个重要概念。他通过海南省、成都市、深圳市福田区等国内不同地区的案例进行对比，阐述了“收益分配机制”在不同地区、不同行政区划层级中具有的本地化特征，为理解有关机制提供了直观而鲜活的示例。
北京师范大学法学院博士研究生导师、中国互联网协会研究中心副主任吴沈括教授通过在线方式，以“公共数据流转利用与政企合作”为题，梳理了公共数据相关政策法规，指出公共数据开发利用中政企合作的现状与瓶颈，最后提出公共数据开发利用良性政企合作的构建思路。吴教授指出，公共数据开放有助于增强政府透明度、公信力，提高公共部门服务水平的同时，也带动和激发了社会各方力量开发利用公共数据，有助于释放和提升公共数据资源价值，促进数字经济的发展。
上海市数据科学重点实验室主任肖仰华教授以“大模型助力数据要素价值变现”为题，强调了数字经济时代的“数据”内涵在不断发生变化，而大模型将成为数据要素价值变现的新引擎。他认为围绕数据要素布局大模型的应用探索，是冲破数据价值变现阻碍、推动数据要素市场建设、释放数据要素生产力的重要途径，而“大模型+数据要素”将成为推动数据要素市场发展的重要范式。
复旦大学公共绩效与信息化研究中心主任牛军钰教授以“智能治理——从数据汇聚到赋能未来”为题，认为数智治理是治理体系和治理能力现代化的重要路径，并对政府数字化转型提出“决策科学、管理精细、服务高效、监督有力”的美好愿景，同时也指出政府数字化转型需要注意的问题只有打破业务与技术鸿沟，才能使得业务向技术走一步，技术向业务走一步。
数字中国研究院（福建）宋志刚院长以“数字福建在公共数据开发利用方面的实践与思考”为题，系统介绍了福建省在公共数据授权运营的经验做法，并针对数据要素“难获得”“难流通”“难倍增”和“难应用”等数据流通困境，提出了针对性建议，期望能够解决数据流通中的诸多难题，促进公共数据更广泛、高效地利用，从而推动整个数据生态系统的健康发展。
在圆桌论坛环节，复旦大学大数据学院陈思明研究员、福建大数据一级开发有限公司副总经理赖致远博士、税友软件集团股份有限公司数据业务吕蔚总经理、易信（厦门）信用服务技术有限公司林中美副总经理，以及主旨报告的部分专家共9位，围绕公共数据运营如何推动数据要素价值实现、与信息技术如何协同演进、赋能市县基层智能应用等问题，开展了广泛且深入的讨论，各位专家结合各自研究和实践经验，各抒己见，提出了众多建设性观点和建议。
论坛此次邀请的专家来自政、产、学、研等多个领域，他们围绕公共数据运营和智能应用进行了充分的交流。论坛的成功举办，能够为公共数据价值的有效实现、推动数据要素乘数效应释放提供实践经验和决策建议参考，从而为加速数据要素市场化配置做出积极贡献。
（摘自：“复旦DMG”公众号）
深圳数据交易所迎来首家新加坡数据商入驻，开启跨境数据产学研合作新篇章
2024年1月25日，中华人民共和国政府和新加坡共和国政府代表在北京签署《中华人民共和国政府与新加坡共和国政府关于互免持普通护照人员签证协定》。协定将于2024年2月9日（农历除夕）正式生效。同日，国家数据局局长刘烈宏会见来访的新加坡资讯通信媒体发展局局长柳俊泓，双方就在中新数字政策对话机制下，进一步深化中新数字合作及双方关心的问题进行了深入交流。
同日，深圳数据交易所（以下简称“深数所”）也迎来首家新加坡数据商企业——深信数据科技（上海）有限公司（以下简称“深信公司”）入驻。此次合作，是深数所在深新跨境数据服务上的进一步探索，将为境外数据商合作及跨境数据服务提供有利基础和标杆样例。
深信公司为新加坡数据公司CRIAT PTE. LTD.在境内的全资控股子公司，是一家新加坡国立大学授权持股的专门从事深度信用分析技术研究型公司。深信公司定位于研究型分析公司，服务风险及投资决策相关的应用场景。深信公司经过收集数据、整合数据和清洗数据，再使用算法和模型形成见解与观点，进行预测、回答问题、支持决策流程，同时提供从数据、模型、分析、预警信号到报告等一系列专业分析服务。
对于此次入驻深数所，深信公司表示，将为公司提供更广阔的合作平台，以帮助其拓展中国市场业务，并为客户提供更全面、深入的信用分析服务。同时，深信公司也将借助深数所的资源优势，进一步深化与国内外同行业合作，共同推动数据服务行业的发展。
自2019年深圳市与新加坡通讯及新闻部签署《关于深圳—新加坡智慧城市合作倡议的谅解备忘录》以来，深新双方聚焦数字互联互通、技术合作和创新创业、人才交流和培养、合作示范区建设等重点领域，稳妥遴选和稳步推进合作项目。
截至目前，深新双方已累计启动4批48个重点项目，包括深新前海智慧城市合作创新示范园区、中新（深圳）跨境贸易数据国际互联互通项目、深新科技研发应用合作（联合创新）项目、中新（深圳）AEO（经认证的经营者）互认合作赋能工程项目、深新跨境“仲裁+调解”和远程仲裁项目、深新新能源商用车数智化服务平台项目等一批合作标杆项目，持续推动两地在智慧城市建设、跨境经贸投资、金融科技以及人文交流等领域开展务实合作。
随着深信公司的入驻，不仅为深新两地的数据服务领域注入新的活力，也将为境外数据商入境提供新的合作模式和发展思路，深数所将充分发挥其在跨境数据流通领域的优势，与新加坡方面共同探索更多跨境数据服务新模式，推动两地数据服务领域的深入合作，共同开启跨境数据服务新篇章。
近年来， 中国正尝试与多种国际规则对接，积极探索适应中国社会经济发展目标的数据合规办法。
2023年12月31日，国家数据等17部门联合印发《“数据要素×”三年行动计划（2024—2026年）》，明确提到：推动数字经济领域高水平对外开放，加强国际交流互鉴，促进数据有序跨境流动。完善培育数据商的支持举措。促进数据有序跨境流动，对标国际高标准经贸规则，持续优化数据跨境流动监管措施，支持自由贸易试验区开展探索。
（摘自：“深圳数据交易所”公众号）
信息出境数量未设限，多行业受惠！大湾区数据跨境新规深解读
跨境数据流动创新，大湾区先行先试。国家互联网信息办公室、香港创新科技及工业局于2023年12月13日公布《粤港澳大湾区（内地、香港）个人信息跨境流动标准合同实施指引》。三周后，广东省互联网信息办公室发布关于落实大湾区合同指引的通知，这一数据跨境流动创新安排正式落地。
与内地现行的个人信息出境主要途径相比，新指引具体简化哪些合规要求？为区域经济、企业活力带来哪些利好？南都大数据研究院推出“数据跨境新范式”系列报道，从出境数据量放宽、个保评估简化、适用范围等三个方面进行详细解读。第一篇聚焦“出境数据量放宽”，对比新指引与现行三种个人信息出境主要途径，剖析其在打通大湾区数据流通壁垒、促进数据要素流动等方面的效用。
《粤港澳大湾区（内地、香港）个人信息跨境流动标准合同实施指引》（以下简称《大湾区合同指引》）出台之前，我国《个人信息保护法》已经规定数据出境安全评估、个人信息保护认证、个人信息出境标准合同（以下简称“内地标准合同”）三种主要的个人信息合法出境途径，《数据出境安全评估办法》《个人信息保护认证实施规则》《个人信息出境标准合同办法》等一系列文件为个人信息处理者申请数据出境提供了具体操作指引。作为促进粤港澳大湾区个人信息跨境流动的便利措施，《大湾区合同指引》具体简化哪些个人信息出境条件？与上述三种现行数据出境途径相比有何优势？
三大数据出境途径适用场景各有差异
从文件名称及内容不难看出，《大湾区合同指引》提出的粤港澳大湾区（内地、香港）个人信息跨境流动标准合同（以下简称“大湾区合同”），是以内地标准合同为基础，为促进粤港澳大湾区个人信息跨境流动推出的一份“特别”版合同。
同样是办理个人信息跨境流动，为何要规定多种不同出境途径？中央财经大学副教授张金平撰文指出，在全球数字经济当中，个人信息跨境流动频繁而多样。为有效平衡不同个人信息跨境需求下的个人信息安全和经济发展两大利益，多元互补的个人信息出境合法机制更为科学、合理。
BSI亚太区首席数据治理标准专家、中国区首席安全官潘蓉接受南都采访时表示，三种个人信息出境途径的使用主体、范围场景与检查机构均有差异。
她指出，具体而言，符合以下5种情况之一的个人信息处理者必须进行数据出境安全评估：关键信息基础设施运营者；出境数据中含有重要数据；处理100万人以上个人信息；自上年1月1日起累计向境外提供10万人个人信息或者1万人敏感个人信息；国家网信办规定的其他需要申报数据出境安全评估的情形。安全评估的监管机构为国家网信办和所在地省级网信办。
未达到数据出境安全评估要求的个人信息，可通过订立内地标准合同的形式进行合法出境。即非关键信息基础设施运营者；处理个人信息不满100万人的；自上年1月1日起累计向境外提供个人信息不满10万人的；自上年1月1日起累计向境外提供敏感个人信息不满1万人的。同时满足上述4项条件，才能适用标准合同路径，且不允许采取数量拆分等手段，将应当通过出境安全评估的个人信息通过订立标准合同的方式向境外提供。监管责任在于签订合同的双方。
所有涉及个人信息跨境的主体都可以申请个人信息保护认证，由市场化运营的第三方机构实施认证和获证后监督，认证证书有效期为3年。
在中国网络安全审查技术与认证中心网络安全审查二部主任陈世翔看来，适合采用认证方式满足向境外提供个人信息管理要求的个人信息处理者包括但不限于：一是向境外接收方持续提供个人信息的个人信息处理者；二是跨国公司或者同一经济、事业实体下属子公司或关联公司之间的个人信息跨境处理活动；三是落实法规标准要求，亟须加强个人信息跨境提供安全制度措施、规范开展个人信息处理活动的个人信息处理者；四是为向个人信息主体、境外接收方等明示个人信息处理达到相关标准要求的个人信息处理者。
跨境提供个人信息条件明显放宽
内地向香港提供个人信息未提数量限制
对比三种个人信息出境途径发现，通过内地标准合同实现个人信息出境的适用条件、范围相当严格。大湾区合同虽然仍以标准合同为基础，参照了其中整体结构和不少条款，但对跨境提供个人信息的条件明显放宽。最为明显的一点是，相较于内地标准合同对出境个人信息数量的限制，大湾区合同未提及任何要求。
南都大数据研究院留意到，虽然《数据出境安全评估办法》第四条规定，当数据处理者向境外提供数据达到一定数量或向境外提供重要数据时，应当申报数据出境安全评估，但《个人信息保护法》第四十条提出：法律、行政法规和国家网信部门规定可以不进行安全评估的，从其规定。香港特区政府资讯科技总监办公室也在其新闻公报中明确，大湾区合同“免除了内地数据跨境安全管理框架下就有关个人信息处理者跨境转移个人信息的数量限制”。换言之，身处内地的个人信息处理者若通过大湾区合同向香港接收方提供个人信息，将不再有数量上的限制。
中国科学技术大学公共事务学院、网络空间安全学院教授左晓栋表示，此举极大便利了粤港澳大湾区内的数据跨境传输。按常规做法，出境数据达到一定条件时需要经国家网信部门评估方可出境。无论时间还是程序，都要比签订内地标准合同复杂。取消了关于数量的条件限制，原本应当经网信部门评估后方可出境的数据，可以通过更便利的渠道出境。
潘蓉对此表示，此举最大利好就是减少个人信息流动壁垒，提高数据流通效率。原来不适用内地标准合同出境路径的大量个人信息持有者，如今可以通过订立大湾区合同来实现数据出境。她同时建议，个人信息处理者在不违反大湾区合同条款要求的情况下，应补充控制条款来约束数据接收方，以满足数据全生命周期的安全要求。
部分敏感个人信息不设具体要求
金融、医疗企业受惠明显
除数据数量外，大湾区合同并未对“敏感个人信息”（例如生物识别、宗教信仰、特定身份、医疗健康、金融账户、行踪轨迹等信息，以及不满十四周岁未成年人的个人信息）跨境流动提出具体要求，仅提出被相关部门、地区告知或者公开发布为重要数据的个人信息不适用于大湾区合同。
在潘蓉看来，这些规定便于持有大量敏感个人信息的企业。持有敏感数据的保险、金融、医疗等公司受此利好，可以优化IT基础设施，选择在大湾区范围内靠近业务需求的城市建立数据中心存储数据，开展数据分析和使用，不用如以往因敏感数据流动受限而建立多个数据中心。
北京大成（广州）律师事务所高级合伙人律师周亮、律师姚梓南也撰文认为此举对金融业带来明显利好。对于金融企业而言，需要传输的信息往往数量巨大，同时金融账户等信息属于“敏感信息”。在内地标准合同框架下，金融企业无法就大量金融账户信息进行跨境传输，而在大湾区合同中这类信息大量传输成为可能。跨境银行之间的数据互通更为便捷，香港银行与内地银行之间的合作更为简单。有些银行在内地、香港各自设立总部，背后虽然是同一股东，但它们在不同系统里注册，运营方面并不互通。通过大湾区合同，两地合作银行之间共享信息的成本大大减少。
香港企业也对相关安排表示支持。作为首批通过《个人信息出境标准合同办法》备案的香港企业，香港诺华诚信有限公司已于2023年6月实现个人信息合规出境。其行政总裁何佳意表示，香港与内地对于个人信息分类定义不一，《大湾区合同指引》对跨境个人信息种类和数量的优化，能协助香港机构减少时间去了解内地对于数据的定义，同时减少两地定义不一从而引伸的实际操作矛盾，有助降低企业申请报备的难度，促进大湾区内跨境服务的提供。
国家层面将出台数据跨境流动新规
个人信息出境限制或将再放宽
南都大数据研究院留意到，2023年9月，国家网信办起草了《规范和促进数据跨境流动规定（征求意见稿）》，提出多个不需要订立个人信息出境标准合同的情形，其中部分限制较《大湾区合同指引》更为宽松，具体包括：
（一）国际贸易、学术合作、跨国生产制造和市场营销等活动中产生的数据出境，不包含个人信息或者重要数据。
（二）不是在境内收集产生的个人信息向境外提供。
（三）为订立、履行个人作为一方当事人的合同所必需，如跨境购物、跨境汇款、机票酒店预订、签证办理等，必须向境外提供个人信息；
（四）按照依法制定的劳动规章制度和依法签订的集体合同实施人力资源管理，必须向境外提供内部员工个人信息；
（五）紧急情况下为保护自然人的生命健康和财产安全等，必须向境外提供个人信息。
（六）预计一年内向境外提供不满1万人个人信息（基于个人同意向境外提供个人信息的，应当取得个人信息主体同意）。
（七）自由贸易试验区自行制定的负面清单外数据出境。
对此，广东华进律师事务所律师程珂昵提出，上述征求意见稿内容与《大湾区合同指引》之间存在操作层面尺度不一致的问题。可以预见，《大湾区合同指引》还将需要根据新规定的出台进行相应、及时调整，从而帮助个人信息处理者消除在个人信息及数据出境路径选择上的“选择困难症”。
（摘自：南方都市报）
大数据5大关键处理技术
大数据已经逐渐普及，大数据处理关键技术一般包括：大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘、大数据展现和应用（大数据检索、大数据可视化、大数据应用、大数据安全等）。
一、数据采集
如何从大数据中采集出有用的信息已经是大数据发展的关键因素之一。因此在大数据时代背景下，如何从大数据中采集出有用的信息已经是大数据发展的关键因素之一，数据采集才是大数据产业的基石。那么什么是大数据采集技术呢？数据采集（DAQ)： 又称数据获取，是指从传感器和其它待测设备等模拟和数字被测单元中自动采集信息的过程。
数据分类新一代数据体系中，将传统数据体系中没有考虑过的新数据源进行归纳与分类，可将其分为线上行为数据与内容数据两大类。
▷线上行为数据：页面数据、交互数据、表单数据、会话数据等。
▷内容数据：应用日志、电子文档、机器数据、语音数据、社交媒体数据等。
▷大数据的主要来源（人、环境、物体等，互联网，物联网等）：
1）商业数据
2）互联网数据
3）传感器数据
数据采集与大数据采集区别
传统数据采集
1. 来源单一，数据量相对于大数据较小
2. 结构单一
3. 关系数据库和并行数据仓库
大数据的数据采集
1. 来源广泛，数据量巨大
2. 数据类型丰富，包括结构化，半结构化，非结构化
3. 分布式数据库
传统数据采集的不足
传统的数据采集来源单一，且存储、管理和分析数据量也相对较小，大多采用关系型数据库和并行数据仓库即可处理。
对依靠并行计算提升数据处理速度方面而言，传统的并行数据库技术追求高度一致性和容错性，根据CAP理论，难以保证其可用性和扩展性
大数据采集新的方法
▷系统日志采集方法
很多互联网企业都有自己的海量数据采集工具，多用于系统日志采集，如Hadoop的Chukwa，Cloudera的Flume，Facebook的Scribe等，这些工具均采用分布式架构，能满足每秒数百MB的日志数据采集和传输需求。
▷网络数据采集方法
网络数据采集是指通过网络爬虫或网站公开API等方式从网站上获取数据信息。
该方法可以将非结构化数据从网页中抽取出来，将其存储为统一的本地数据文件，并以结构化的方式存储。
它支持图片、音频、视频等文件或附件的采集，附件与正文可以自动关联。
除了网络中包含的内容之外，对于网络流量的采集可以使用DPI或DFI等带宽管理技术进行处理。
▷其他数据采集方法
对于企业生产经营数据或学科研究数据等保密性要求较高的数据，可以通过与企业或研究机构合作，使用特定系统接口等相关方式采集数据。
二、大数据预处理
高质量的决策必须依赖高质量的数据，而从现实世界中采集到的数据大多是不完整、结构不一致、含噪声的脏数据，无法直接用于数据分析或挖掘。数据预处理就是对采集到的原始数据进行清洗、填补、平滑、合并、规格化以及检查一致性等。这个处理过程可以帮助我们将那些杂乱无章的数据转化为相对单一且便于处理的构型，以达到快速分析处理的目的。
通常数据预处理包含三个部分：数据清理、数据集成、变换以及数据规约。
一）、数据清理
并不是所有的数据都是有价值的，有些数据并不是我们所关心的内容，有些甚至是完全错误的干扰项。因此要对数据过滤、去噪，从而提取出有效的数据。
数据清理主要包含遗漏值处理（缺少感兴趣的属性）、噪音数据处理（数据中存在着错误或偏离期望值的数据）、不一致数据处理。
遗漏数据可用全局常量、属性均值、可能值填充或者直接忽略该数据等方法处理；
噪音数据可用分箱（对原始数据进行分组，然后对每一组内的数据进行平滑处理）、聚类、计算机人工检查和回归等方法去除噪音；对于不一致数据则可进行手动更正。
二）、数据集成与变换
数据集成是指把多个数据源中的数据整合并存储到一个一致的数据库中。这一过程中需要着重解决三个问题：模式匹配、数据冗余、数据值冲突检测与处理。
由于来自多个数据集合的数据在命名上存在差异，因此等价的实体常具有不同的名称。如何更好地对来自多个实体的不同数据进行匹配是如何处理好数据集成的首要问题。
数据冗余可能来源于数据属性命名的不一致，在解决数据冗余的过程中，可以利用皮尔逊积矩Ra,b来衡量数值属性，绝对值越大表明两者之间相关性越强。对于离散数据可以利用卡方检验来检测两个属性之间的关联。
数据集成中最后一个重要问题便是数据值冲突问题，主要表现为来源不同的统一实体具有不同的数据值。
为了更好地对数据源中的数据进行挖掘，数据变换是必然结果。其主要过程有平滑、聚集、数据泛化（使用高层的概念来替换低层或原始数据）、规范化（对数据）以及属性构造等。
三）、数据规约
数据规约主要包括：数据方聚集、维规约、数据压缩、数值规约和概念分层等。
假若根据业务需求，从数据仓库中获取了分析所需要的数据，这个数据集可能非常庞大，而在海量数据上进行数据分析和数据挖掘的成本又极高。使用数据规约技术则可以实现数据集的规约表示，使得数据集变小的同时仍然近于保持原数据的完整性。在规约后的数据集上进行挖掘，依然能够得到与使用原数据集近乎相同的分析结果。
三、存储及管理技术
在大数据时代的背景下，海量的数据整理成为了各个企业急需解决的问题。
云计算技术、物联网等技术快速发展，多样化已经成为数据信息的一项显著特点，为充分发挥信息应用价值，有效存储已经成为人们关注的热点。
为了有效应对现实世界中复杂多样性的大数据处理需求，需要针对不同的大数据应用特征，从多个角度、多个层次对大数据进行存储和管理。
一）大数据面临的存储管理问题
●存储规模大
大数据的一个显著特征就是数据量大，起始计算量单位至少是PB，甚至会采用更大的单位EB或ZB，导致存储规模相当大。
●种类和来源多样化，存储管理复杂
目前，大数据主要来源于搜索引擎服务、电子商务、社交网络、音视频、在线服务、个人数据业务、地理信息数据、传统企业、公共机构等领域。
因此数据呈现方法众多，可以是结构化、半结构化和非结构化的数据形态，不仅使原有的存储模式无法满足数据时代的需求，还导致存储管理更加复杂。
●对数据服务的种类和水平要求高
大数据的价值密度相对较低，以及数据增长速度快、处理速度快、时效性要求也高，在这种情况下如何结合实际的业务，有效地组织管理、存储这些数据以能从浩瀚的数据中，挖掘其更深层次的数据价值，需要亟待解决。
大规模的数据资源蕴含着巨大的社会价值，有效管理数据，对国家治理、社会管理、企业决策和个人生活、学习将带来巨大的作用和影响，因此在大数据时代，必须解决海量数据的高效存储问题。
二）我国大数据的存储及处理能力挑战
当前，我国大数据存储、分析和处理的能力还很薄弱，与大数据相关的技术和工具的运用也相当不成熟，大部分企业仍处于IT产业链的低端。
我国在数据库、数据仓库、数据挖掘以及云计算等领域的技术，普遍落后于国外先进水平。
在大数据存储方面，数据的爆炸式增长，数据来源的极其丰富和数据类型的多种多样，使数据存储量更庞大，对数据展现的要求更高。而目前我国传统的数据库，还难以存储如此巨大的数据量。
因此，如何提高我国对大数据资源的存储和整合能力，实现从大数据中发现、挖掘出有价值的信息和知识，是当前我国大数据存储和处理所面临的挑战。
三）大数据存储管理技术
近年来，企业也从大数据中受益，大幅度推动支出和投资，并允许他们与规模更大的企业进行竞争。
所有事实和数字的存储和管理逐渐变得更加容易。以下是有效存储和管理大数据的三种方式。
●不断加密
任何类型的数据对于任何一个企业来说都是至关重要的，而且通常被认为是私有的，并且在他们自己掌控的范围内是安全的。
然而，黑客攻击经常被覆盖在业务故障中，最新的网络攻击活动在新闻报道不断充斥。因此，许多公司感到很难感到安全，尤其是当一些行业巨头经常成为攻击目标时。
随着企业为保护资产全面开展工作，加密技术成为打击网络威胁的可行途径。将所有内容转换为代码，使用加密信息，只有收件人可以解码。
如果没有其他的要求，则加密保护数据传输，增强在数字传输中有效地到达正确人群的机会。
●仓库存储
大数据似乎难以管理，就像一个永无休止统计数据的复杂的漩涡。
因此，将信息精简到单一的公司位置似乎是明智的，这是一个仓库，其中所有的数据和服务器都可以被充分地规划指定。
然而，有些报告指出了反对这种方法的论据，指出即使是最大的存储中心，大数据的指数增长也不再能维持。
然而，在某些情况下，企业可能会租用一个仓库来存储大量数据，在大数据超出的情况下，这是一个临时的解决方案，而LCP属性提供了一些很好的机会。
毕竟，企业不会立即被大量的数据所淹没，因此，为物理机器租用仓库至少在短期内是可行的。这是一个简单有效的解决方案，但并不是永久的成本承诺。
●备份服务 - 云端
除了所有技术的发展，大数据增长得更快，以这样的速度，世界上所有的机器和仓库都无法完全容纳它。
因此，由于云存储服务推动了数字化转型，云计算的应用越来越繁荣。数据在一个位置不再受到风险控制，并随时随地可以访问，大型云计算公司（如谷歌云）将会更多地访问基本统计信息。
如果出现网络攻击，云端将以A迁移到B的方式提供独一无二的服务。
三）结论
目前原有的存储模式已经跟不上时代的步伐，无法满足数据时代的需求，导致信息处理技术无法承载信息的负荷量。
这就需要对数据的存储技术和存储模式进行创新与研究，跟上数字化存储的技术的发展步伐，给用户提供一个具有高质量的数据存储体验。
根据大数据的特点的每一种技术都各有所长，彼此都有各自的市场空间，在很长的一段时间内，满足不同应用的差异化需求。
但为了更好地满足大数据时代的各种非结构化数据的存储需求，数据管理和存储技术仍需进一步改进和发展。
可能有些中小企业无法自己快速地获取自己的所需的数据进行分析，这就需要到了第三方的数据平台进行大数据分析。
四、大数据分析及挖掘技术
数据挖掘（Data Mining）是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
一）数据挖掘对象：根据信息存储格式，用于挖掘的对象有关系数据库、面向对象数据库、数据仓库、文本数据源、多媒体数据库、空间数据库、时态数据库、异质数据库以及Internet等。
二）数据挖掘流程
1）定义问题：清晰地定义出业务问题，确定数据挖掘的目的。
2）数据准备：数据准备包括：选择数据–在大型数据库和数据仓库目标中 提取数据挖掘的目标数据集；
3）数据预处理–进行数据再加工，包括检查数据的完整性及数据的一致性、去噪声，填补丢失的域，删除无效数据等。
4）数据挖掘：根据数据功能的类型和数据的特点选择相应的算法，在净化和转换过的数据集上进行数据挖掘。
5）结果分析：对数据挖掘的结果进行解释和评价，转换成为能够最终被用户理解的知识。
三）数据挖掘分类
直接数据挖掘：目标是利用可用的数据建立一个模型，这个模型对剩余的数据，对一个特定的变量（可以理解成数据库中表的属性，即列）进行描述。
间接数据挖掘：目标中没有选出某一具体的变量，用模型进行描述；而是在所有的变量中建立起某种关系。
四）数据挖掘的方法
1、神经网络方法
神经网络由于本身良好的鲁棒性、自组织自适应性、并行处理、分布存储和高度容错等特性非常适合解决数据挖掘的问题，因此近年来越来越受到人们的关注。
2、遗传算法
遗传算法是一种基于生物自然选择与遗传机理的随机搜索算法，是一种仿生全局优化方法。遗传算法具有的隐含并行性、易于和其它模型结合等性质使得它在数据挖掘中被加以应用。
3、决策树方法
决策树是一种常用于预测模型的算法，它通过将大量数据有目的分类，从中找到一些有价值的，潜在的信息。它的主要优点是描述简单，分类速度快，特别适合大规模的数据处理。
粗集理论是一种研究不精确、不确定知识的数学工具。粗集方法有几个优点：不需要给出额外信息；简化输入信息的表达空间；算法简单，易于操作。粗集处理的对象是类似二维关系表的信息表。
4、覆盖正例排斥反例方法
它是利用覆盖所有正例、排斥所有反例的思想来寻找规则。首先在正例集合中任选一个种子，到反例集合中逐个比较。与字段取值构成的选择子相容则舍去，相反则保留。按此思想循环所有正例种子，将得到正例的规则（选择子的合取式）。
5、统计分析方法
在数据库字段项之间存在两种关系：函数关系和相关关系，对它们的分析可采用统计学方法，即利用统计学原理对数据库中的信息进行分析。可进行常用统计、回归分析、相关分析、差异分析等。
6、模糊集方法
即利用模糊集合理论对实际问题进行模糊评判、模糊决策、模糊模式识别和模糊聚类分析。系统的复杂性越高，模糊性越强，一般模糊集合理论是用隶属度来刻画模糊事物的亦此亦彼性的。
大数据发掘技术，目前，还需要改进已有数据挖掘和机器学习技术；开发数据网络挖掘、特异群组挖掘、图挖掘等新型数据挖掘技术；突破基于对象的数据连接、相似性连接等大数据融合技术；突破用户兴趣分析、网络行为分析、情感语义分析等面向领域的大数据挖掘技术。
五）着重突破技术
1. 可视化分析
不论是分析专家，还是普通用户，在分析大数据时，最基本的要求就是对数据进行可视化分析。经过可视化分析后，大数据的特点可以直观地呈现出来，将单一的表格变为丰富多彩的图形模式，简单明了、清晰直观，更易于读者接受。
2. 数据挖掘算法
数据挖掘算法是根据数据创建数据挖掘模型的一组试探法和计算。为了创建该模型，算法将首先分析用户提供的数据，针对特定类型的模式和趋势进行查找。
并使用分析结果定义用于创建挖掘模型的最佳参数，将这些参数应用于整个数据集，以便提取可行模式和详细统计信息。
大数据分析的理论核心就是数据挖掘算法，数据挖掘的算法多种多样，不同的算法基于不同的数据类型和格式会呈现出数据所具备的不同特点。各类统计方法都能深入数据内部，挖掘出数据的价值。
为特定的分析任务选择最佳算法极具挑战性，使用不同的算法执行同样的任务，会生成不同的结果，而某些算法还会对同一个问题生成多种类型的结果。
3. 预测性分析
大数据分析最重要的应用领域之一就是预测性分析，预测性分析结合了多种高级分析功能，包括特别统计分析、预测建模、数据挖掘、文本分析、实体分析、优化、实时评分、机器学习等。
从纷繁的数据中挖掘出其特点，可以帮助我们了解目前状况以及确定下一步的行动方案，从依靠猜测进行决策转变为依靠预测进行决策。它可帮助分析用户的结构化和非结构化数据中的趋势、模式和关系，运用这些指标来洞察预测将来事件，并作出相应的措施。
4. 语义引擎
非结构化数据的多元化给数据分析带来新的挑战，我们需要一套工具系统地去分析，提炼数据。语义引擎是语义技术最直接的应用，可以将人们从繁琐的搜索条目中解放出来，让用户更快、更准确、更全面地获得所需信息，提高用户的互联网体验。
5. 数据质量和数据管理
大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理无论是在学术研究还是在商业应用领域都极其重要，各个领域都需要保证分析结果的真实性和价值性。
可能有些中小企业无法自己快速地获取自己的所需的数据进行分析，这就需要到了第三方的数据平台进行大数据分析。
五、大数据应用
大数据技术能够将隐藏于海量数据中的信息和知识挖掘出来，为人类的社会经济活动提供依据，从而提高各个领域的运行效率，大大提高整个社会经济的集约化程度。
（摘自：知乎）
粤公网安备：