推动数字经济的持续繁荣。
中共中央办公厅、国务院办公厅印发的《关于加快公共数据资源开发利用的意见》（以下简称《意见》）提出，到2025年，公共数据资源开发利用制度规则初步建立，资源供给规模和质量明显提升；到2030年，公共数据资源开发利用制度规则更加成熟，资源开发利用体系全面建成。
清华大学新闻学院和人工智能学院双聘教授沈阳在接受《通信产业报》全媒体记者采访时表示，相关文件的出台旨在促进数字经济的发展，优化社会治理，保障数据安全，推动数据要素市场化，以及实现区域协调发展。同时激发市场活力，优化资源管理与透明度，降低社会用数成本。这些措施将为公共数据的开发利用创造良好的环境，提升经济社会的资源配置效率，从而实现更高质量的发展。通过这些政策的落实，数据要素的价值将得到进一步释放，为国家的现代化建设提供强有力的支持。
明确数据共享、开放、授权运营
《意见》指出，统筹推进政务数据共享、有序推动公共数据开放、鼓励探索公共数据授权运营。那么，这三者的区别是什么？如何区分落地？
在沈阳看来，政务数据共享是指政府各部门之间，以及政府与企业和社会组织之间的公共数据互通与利用，这一模式旨在打破信息孤岛，促进数据的整合与协同使用。政务数据共享通常在政府内部或相关单位之间进行，数据的共享和使用受到政策和法律的约束。其主要目标是提升政府的工作效率和服务质量，增强社会治理能力。例如，各部门之间共享居民基本信息，可以显著提高公共服务的精准性和效率，进而推动社会的整体发展。
公共数据开放是指政府将拥有的非敏感性公共数据向公众开放，使其能够自由访问和使用，从而促进透明度和公众参与。这种开放性使得数据公开不受太多限制，任何公众或组织均可访问和利用这些数据。其主要目标是推动社会创新和基于数据的决策制定。例如，财政报告和环境监测数据，公众可以通过查询和分析这些信息，增强社会参与，从而提升相关部分工作的公正性和效率。
公共数据授权运营是指政府将部分公共数据授权给第三方机构或企业，以促进数据的商业价值和社会效益的实现。这种模式通过合同或协议的方式进行授权，使得第三方能够利用这些数据进行产品开发或提供相关服务。其主要目标是激励企业创新，提升数据的商业价值，同时确保数据使用的合规性和安全性。例如，政府与某科技公司合作，利用公共交通数据开发智能出行应用，这不仅为企业创造了新的商业机会，也为公众提供了更加便利的出行选择。
沈阳认为，在文件实施过程中，区分这三种模式的关键在于以下几点。
第一，数据使用的主体，明确数据的使用者是政府内部、公众还是第三方企业。例如，政务数据共享主要针对政府部门之间，而公共数据开放则面向公众，授权运营则涉及企业。
第二，数据的开放程度，分析数据的开放程度和使用限制。政务数据共享通常有限制，公共数据开放则广泛开放，而授权运营则是通过特定协议进行。
第三，法律和政策框架，确保在实施过程中遵循相关法律法规，特别是在数据隐私和安全方面的规定，以保证数据使用的合规性。
第四，效果评估与反馈，实施后，应定期评估各模式的效果，包括用户的访问量、满意度和数据使用情况，以便根据反馈进一步调整和优化数据管理策略。
保障公共数据资源的
安全供给、流通、开发和应用
公共数据资源的所有权通常由政府或公共机构拥有，视为国家或地方政府的公共资产。在界定所有权时，需要遵循法定原则，即依据相关法律法规明确数据的归属和管理责任。政府在拥有公共数据的同时，也应关注公众的知情权和参与权，确保数据的开放性和透明性，以实现社会利益的最大化。在公共数据授权运营的过程中，保护各方利益的措施至关重要。
沈阳建议，政府与第三方机构或企业之间应签署明确的合同或协议，以界定数据使用的范围、权利和义务，确保法律保护。相关部门需对第三方的合规性进行审查，确保其具备安全、合法地处理和使用数据的能力，包括对数据存储、处理和分享等环节的风险评估和监测。此外，确保遵循数据安全和个人隐私保护的法律法规也是必要的，政府和企业应采取技术措施，如数据加密和访问控制，以防止数据泄露和滥用。
在开发和利用公共数据资源时，我们提出的“智能数据治理五维模型”涵盖了数据分类、动态管理、安全保护、多方共享和公众信任五个维度，确保数据的高效开发与安全利用。一方面，通过数据敏感性与社会价值矩阵，可以将数据按敏感性和价值进行分类，明确哪些数据可开放利用，哪些需严格保护，从而在数据的开放与安全之间实现平衡；另一方面，动态数据管理链理论主张构建实时优化的数据管理体系，确保数据从采集到应用的全流程中持续发挥最大价值，并根据技术和政策的变化进行动态调整。
在保障数据安全方面，分层数据安全保护模型通过多层次的安全措施，包括加密、匿名化、动态审计和法律法规支持，为数据的流通和使用提供全方位的安全保障。此外，多方参与的共享激励机制强调政府、企业和公众的协同合作，通过税收优惠、数据共享积分和政策支持，激励各方参与数据治理，形成开放共享的良性循环。在推动数据利用的过程中，数据透明与公众信任建设理论则通过数据透明化平台和公众参与监督，增强社会对数据治理的信任，同时提升公众的隐私保护意识。
沈阳认为，这些理论共同构建了一个全面的智能数据治理体系，各地政府可以依托这一模型实现数据资源的安全供给、流通和开发利用。通过数据的高效共享和合理保护，不仅能够推动数字经济的发展，还能提升社会治理的智能化水平。政府、企业和公众的协同努力将最大化释放数据的社会和商业价值，为未来的创新与可持续发展提供坚实的保障。
加速多领域应用落地
目前，交通和气象等数据资源的应用已经取得了显著的成绩，特别是在优化社会治理和提高公共服务效率方面。这些数据通过大数据分析被有效利用，使得交通管理部门能够实时监控交通流量，优化信号灯控制，从而减少拥堵，提升通行效率。
沈阳表示，随着相关政策的进一步落实，公共数据资源预计将在多个领域实现更广泛的应用。同时，随着公共数据与人工智能的结合，未来将涌现出更多创新应用，推动社会和经济的全面升级。
在交通领域，基于交通数据和AI的个性化出行助手可以实时监控道路状况和社交媒体信息，为用户提供精准的路线推荐。比如，当系统检测到用户即将出门，并发现常用路线发生拥堵时，可以自动规划更优路径，并通过语音提醒或智能手表通知用户。此外，AI还能够学习用户的出行习惯，为不同时间段提供定制化出行建议。
在气象领域，AI和物联网（IoT）将赋能智能灾害预警系统，实现多渠道、精准的实时通知。当气象系统预测到恶劣天气或自然灾害时，系统会根据用户的位置和日常出行习惯，自动推荐避灾方案或安全路线。同时，智能家居系统也可以与天气数据联动，实现自动调节家庭设备，如在高温时提前开启空调，或在空气污染严重时启用空气净化器。
健康医疗领域也将大放异彩。公共健康数据与AI结合，可实现个性化健康管理平台的落地，帮助用户监测自身健康状况。通过可穿戴设备采集的体征数据与公共医疗数据的整合，系统能够自动分析健康趋势，提醒用户定期体检或调整生活方式。AI算法还能根据地区流行病数据，为用户提供个性化的防疫建议和药品推荐，助力公共卫生管理。
在城市管理方面，AI结合公共数据将推动智慧社区和无人服务站点的普及。例如，无人车队可以在社区内根据实时需求提供配送服务；垃圾清运系统可通过AI和数据分析自动调配车辆，避免资源浪费。进一步的设想还包括城市环境数据与AI的结合，实现自动的空气质量优化管理，例如自动启动城市绿化系统或限制某些区域的交通活动。
这些创新应用不仅提高了生活质量和城市管理效率，还推动了数据驱动型社会的全面发展。未来，随着政策和技术的不断完善，AI将进一步发挥公共数据的潜力，在出行、环境、健康和城市运营等领域创造更多前所未有的可能性，为社会带来深刻的变革。
最大化释放公共数据的价值
沈阳建议，各地在推动公共数据资源开发利用的过程中，应结合地区特点和实际需求，实现数据的高效应用与价值最大化。不同区域的经济、社会和产业结构各有不同，数据开发应与地方需求和优势产业相匹配。例如，北京和上海可以侧重于智能交通与金融数据的应用，而贵州或山东则可聚焦于农业数据的整合，推动智慧农业发展。
数据基础设施建设是开发数据的关键，各地应加大投入，完善数据存储与分析平台，并建立标准化的数据采集和共享机制，避免信息孤岛现象，提高数据的时效性和精度。与此同时，政企合作将有助于推动数据的商业化应用。通过与科技公司合作，基于公共数据开发出创新产品，如智能出行或精准健康管理服务，这不仅能激励企业创新，也为政府公共服务赋能。
各地在推动公共数据资源开发与利用时，应构建覆盖数据全生命周期的动态管理体系，将交通、环境、医疗等领域的实时数据资源整合到统一平台中，实现数据采集、存储、分析和应用的持续优化。为促进数据的高效共享，可以通过税收优惠、政策支持和数据交换积分等激励机制，提高企业和机构参与的积极性，并推动政企合作深化。同时，各地应设立数据治理联盟，制定共享标准和数据权益分配框架，确保区域间的数据协同既避免重复投入，又促进互利共赢。
发展“数据即服务”（DaaS）模式是未来的关键方向，公共数据应以灵活的订阅方式提供给企业和公众，通过云端服务推动更多创新应用落地。公共数据治理不仅需要政府主导，还应吸纳企业、学术机构和公众的共同参与，通过数据透明化平台和公众反馈系统，实现开放、透明、多方共治的良性循环。通过这些策略，各地将最大化释放公共数据的价值，确保数据的安全、合规使用，为数字经济和社会治理注入强大的创新动能和持续发展的动力。
在确保数据开发的同时，数据安全和隐私保护必须同步进行。政府需遵循法律法规，采用数据加密和访问控制等技术，确保数据在采集、存储和流通过程中的安全。同时，加强公众的隐私保护意识，让用户了解数据的使用方式，建立社会信任，推动数据资源的良性利用。区域间的数据共享和协作也是公共数据应用的重要环节，各地可以建立数据共享平台，推动区域数据的互通整合，支持区域一体化发展。
例如，京津冀、长三角等区域可通过区域性数据中心实现跨区域协作，推动创新和经济增长。在实施过程中，应建立监督评估机制，跟踪政策的实施效果，并根据反馈不断优化设计，以确保数据资源开发的长期健康发展。这些措施将最大化释放公共数据的价值，为地方经济和社会发展注入新的动力，推动数字经济的持续繁荣。
采写：胡媛
编辑：胡媛
指导：辛文
通信第一播报