数据生态治理系统工程

本书主要有以下几大特色： 一、体系完整 运用系统工程思想，分为数据篇、治理篇、系统篇、技术篇和法制篇五个部分，相辅相成、纵横交织，构建了一整套数据生态治理系统工程的方法论体系。 二、逻辑严谨 从数据、问题、系统、技术和法制几个层面，逐一探析和剖析数据生态治理的基本原则和问题。 三、案例丰富 选取四川省公共数据治理、成者市公共数据开放、特斯拉与南方电网的数据治理等典型案例进行分析，涵盖大数据、人工智能、数字孪生、制能制造、区块链、智能网联车等前沿技术。 四、内容翔实 分5篇共15章，系统阐述数据生态链的流动价值及发展路径，探讨了数据集成共享、数据生态治理机制、数据产业化和产业数字化实践、数权立法系统工程等核心要素。

移动互联网的发展推动了数据呈指数级增长，并迅速成为数字经济时代的“石油”，数据中所蕴藏的巨大价值得以被发现，并用于驱动人类社会的颠覆式创新。数据的大量涌现，同时带来政府数据壁垒、企业数据霸权、个人数据歧视、数据产权模糊、数据隐私与安全问题突出、数据定价预估值困难、数据开放与流通受阻等难题，逐渐导致由政府、企业和公众构成的数据生态失衡。治理数据生态失衡是一项集政策、理论、方法、技术、法律和文化于一体的复杂系统工程。如何运用系统工程思想，从数据层面、问题层面、系统层面、技术层面和法制层面探析数据生态治理的基本原则，建立平衡的数据生态系统，是当前社会面临的重大问题，更是时代赋予新一代系统工程科研工作者的历史使命。
数字时代已至
人类的生活已离不开数据，数据的价值迎来了悄无声息却具有深远影响的革新。对个人而言，上班工作打卡、微信发朋友圈、抖音刷视频、大众点评浏览、美团外卖推荐已成为个人基本的日常生活；对企业来说，缺少数据支持将变得寸步难行，数据已成为全球科技巨头（谷歌、亚马逊、苹果、Facebook、微软、特斯拉、阿里巴巴、腾讯、华为、小米、字节跳动等）利润增长的驱动引擎，中小型企业也在积极通过云技术等大数据技术在聚焦的领域消化数据，为业务发展提供指引；对政府来讲，“互联网+政务服务”的数字政府建设同样离不开数据，在“新冠肺炎疫情”防控中，“健康码”“场所码”“通信大数据行程卡”“时空伴随”轨迹数据等，为追踪密切接触者发挥了重要作用，一旦失去对社区人与物的数据联系，政府的运作将与实际情况产生严重割裂，高效率的数字化服务型政府将成为空谈。总结来说，数据联通个人、企业与政府，通过开放、共享和流通等方式释放出巨大价值，重塑了个人生活方式、企业商业模式与政府治理形式。毋庸置疑，数据时代已至。
数据生态失衡
数据带来机遇的同时也迎来巨大的挑战。从政府的视角来看，不同部门和不同地区的数据之间互联互通存在壁垒，数据开放质量不高，数据标准不统一，大量有价值的数据未能得到充分共享，数据孤岛现象较为普遍，数据要素市场的公平性难以把控。从企业的视角来看，大量个人数据被集中掌握在少部分企业巨头手中，不可避免地出现了数据资源垄断、技术竞争壁垒、个人数据歧视、大数据“杀熟”、数据隐私侵犯等诸多问题。从个人的视角来看，公众的数权意识淡薄，分散的数据资产分布将导致数据维权困难，且由于数据具有可复制性，数据被使用后，数据的使用者本质上便获得了数据的全部信息和价值，即使其并非该数据的所有者，其仍可能通过复制数据从而继续使用数据，甚至暗中将数据与他人交易，从而使得数据确权在实践中难以实现，导致隐蔽性的数据非法交易泛滥。这一系列问题，导致由政府、企业和公众构成的数据生态逐渐失衡，最终将会阻碍数据的有序开放、共享和流通，不利于数字经济的发展，并衍生出大量新的社会问题。
系统工程实践
数据的产生、开放、共享、流通、应用与管理依赖于完善的生态。如何在多重目标中寻求数据生态的动态平衡，在高质量发展中实现数字经济市场效率的优化，需要综合考虑政策、经济、社会、文化、技术和法律等多方面的因素，以构建一套数据生态治理的方法论体系。这种数据生态系统是一个开放的复杂巨系统，其治理是一项复杂的系统工程。
系统工程是在现代化的“大企业”“大工程”“大科学”出现后，产品构造复杂、换代周期短、生产社会化、管理系统化、科学技术高度分化又高度综合等历史背景下产生的。著名科学家钱学森运用系统工程的科学方法建立了我国国防航空工业发展体系，成就了“两弹一星”伟大事业。他曾指出系统工程是一项组织管理的技术，它使系统的整体与局部之间的关系协调和相互配合，实现总体的最优运行。系统工程实践是系统科学体系在工程应用技术层次上的体现。钱学森的系统论是整体论与还原论的辩证统一，不同于奥地利生物学家贝塔朗菲的一般系统论。系统工程已在经济、社会、人口、军事、行政、法制、科学、教育、人才、情报和未来研究等社会科学领域得到越来越广泛的运用，充分显示了它无限广阔的发展前景。当前，系统工程发展的显著趋势是巨大化、复杂化、社会化，并进一步向社会科学各领域广泛渗透，社会工程的开发与研究已成为目前系统工程发展的主要方向之一。数据生态系统是由政府、企业和公众构成的开放的复杂社会巨系统，运用系统工程建立平衡的数据生态，解决其治理问题，是系统科学体系在社会治理实践中的又一个重要发展和体现。
科学探索创新
本书立足系统工程的科学方法，力求探索出一套数据生态治理的方法论体系，构建数据生态治理系统工程，为促进我国数字经济发展提供决策指导和政策启示。主要创新之处如下。
① 探明数据生态失衡的演化机理、从数据生态失衡的根源出发，系统性地分析其各主体间冲突的触发机理，数据生态链系统矛盾的演化过程，探析政府数据壁垒、企业数据霸权、个人数据歧视、数据产权模糊、数据隐私与安全问题突出、数据定价预估值困难、数据开放与流通受阻等现象的动因根源、演化路径和表现形式，归纳数据生态失衡全过程的发生机制、内在规律和影响因素，揭示数据生态系统不断熵增，从而导致生态失衡的基本原理。
② 建立数据生态治理的目标控制体系。提出数据生态系统演化的思想，指出数据生态的演化是一个不断熵增的过程，会不断产生不稳定因素，将系统推向失衡，需要辅以政策激励、市场机制、人才培养、技术支撑和法制保障等措施，才能为其营造一个良好的生态环境，促使其可持续发展。其中优化市场机制是发展目标，人才培养和技术支撑是实现发展目标的硬系统，政策激励和法制保障是实现发展目标的软系统。软硬系统需要协同配合才能促进目标的实现，推动数据生态链有序地互联互通。此外，软系统的设计还必须根据硬系统的现状来规划，否则政策和法制过于超前，人才和技术跟不上，目标则无法落地实现；反过来，政策和法制滞后于人才和技术的制度，则会阻碍市场机制的充分发挥。
③ 构建数据生态治理的系统价值体系。提出应通过数据生态治理的目标控制，建立平衡的数据生态系统，并在此基础上，进一步通过数据生态价值链的战略规划、系统设计和垂直整合，不断优化其系统结构，推动数字产业化系统和产业数字化生态向低碳、节能、高效、智能化的战略方向发展，促进我国智慧农业、智能制造、智能交通、智慧物流、工业互联网、数字金融、数字商贸、数字社会与数字政府的建设。这对我国产业数字化转型，从而推动产业结构升级，进而实现“双碳”目标均具有重要的理论意义和政策启示。
本书的研究工作得到了国家自然科学基金面上项目“基于智能网联架构的‘交通-通信-应急’关联基础设施网络系统分析及协同优化研究”（71971150）、四川省社会科学规划项目“面向政企及个人的多模式交通大数据共享机制与生态链系统构建研究”（SC18TJ014）、成都市哲学社会科学规划项目“成都市公共数据开放机制及其共享生态链系统构建研究”（YN2320200393）、四川大学创新火花项目“‘政府-企业-个人’数据开放生态链系统可持续发展模式研究”（2019hhs-16）等基金资助，在此对国家自然科学基金委、四川省社会科学规划办公室、成都市哲学社会科学规划办公室、四川大学社会科学研究处表示衷心感谢！
全书的研究、撰著从2019年1月到2023年10月，历时四年多，日夜工作、历尽坎坷、几易其稿，凝聚了作者、课题组成员、书稿撰写参与人、审稿人、出版社编辑等的辛勤付出与大量心血。在此，要特别感谢四川大学商学院徐玖平教授对本书提出的建设性意见，以及对课题组研究的指导、关怀与鞭策，鼓励研究团队立足系统工程，为数据生态治理做出贡献。此外，成都大学商学院副院长许欣欣副教授作为全书统稿人，为本书的编写出版做出了重要贡献。笔者的硕士研究生陈卓、谭磊、孙昱鹏、贾翠翠、何圣洁、张伟业、王宁、梁詠玥、王星又、田旺、杨越川、黄琪洋、陈蕊等参与了全书的整理和完善，也对他们的出色工作表示感谢！最后，感谢化学工业出版社编辑的精心组织与精益工作，作为历史悠久的中央级出版社，其出版品质体现了我国出版界一流水平！

曾自强
四川大学商学院
管理科学与数据科学系
2023年10月于诚懿楼

曾自强，九三学社社员，现任九三学社四川大学委员会委员、三支社主委，四川大学商学院管理科学与数据科学系副系主任，副研究员，博士生导师，四川省“重要计划”入选者，四川省学术和技术带头人后备人选，四川省海外高层次留学人才，成都市“蓉漂计划”入选者，成都市“雏鹰计划”入选者，四川大学“双百人才工程”入选者，四川大学青年科技学术带头人培育项目获得者，四川大学“好未来优秀学者奖”获得者，美国Fairleigh Dickinson University商学院（AACSB认证）客座教授，2020年入选《科学中国人》封底人物。分别于2009年、2014年在四川大学获得理学学士、管理学博士学位。曾赴美国University of Florida作为联合培养博士生学习1年，并在美国University of Washington做博士后研究3年。
主要从事数据科学、决策分析、系统工程等领域的研究。先后作为负责人主持国家自然科学基金项目2项、美国交通部研究项目1项、省部厅级项目等10余项。在Risk Analysis、Scientometrics、Joumal of Information Science、IEEE Transactions on Fuzzy Systems、Computer-aided Civil and Infrastructure Engineering、Applied Energy、Renewable Energy、Accident Analysis and Prevention、International Journal of Project Management、European Journal of Operational Research、Journal of Construction Engineering and Management、Journal of Computing in Civil Engineering、Journal of Water Resources Planning and Management、Transportation Research Part D、Journal of Transportation Engineering、Applied Mathematical Modelling等国内外知名期刊及国际会议论文集发表论文60余篇，其中SCI/SSCI检索论文40余篇。在Elsevier、Springer等出版社出版专著3部，获授权发明专利5项、软件著作权10项。研究成果获教育部科技进步一等奖1项、四川省社会科学优秀成果一等奖1项、中国发明协会发明创业成果一等奖1项、中国产学研合作促进会产学研合作创新成果一等奖1项、中国石油和化工自动化行业科技进步一等奖1项、国际运筹学进展奖1项、国际管理科学与工程管理进展奖1项等。
担任国家自然科学基金委通讯评审专家、国家留学基金委通讯评审专家、泰晤士高等教育《全球学术声誉调查》提名专家、泰晤士高等教育中国学科评级（CSR）调查提名专家、国际管理科学与工程管理学会（ISMSEM）秘书长、四川省机械工程学会低碳技术与产业发展专委会委员、PLoS ONE（SCI期刊）学术编委和《运筹与管理》学术编辑，以及30余种国内外期刊的审稿人。多次担任国际会议程序委员会主席、分会主席及论文集领域编委，并赴美国、德国、加拿大、澳大利亚、日本、阿塞拜疆等做国际会议特邀及分会报告10余次。讲授本科及研究生课程17门，并担任《运筹思维：谋当下胜未来》核心通识课程团队负责人，获四川大学教学成果一等奖1项、四川大学课堂教学质量优秀奖1项、四川大学商学院国际人才培养优秀奖1项。指导管理科学、工程管理、工业工程与管理、物流工程与管理、金融投资与财务管理（MBA）、数字运营与项目管理（MBA）、技术经济及管理等专业博、硕士研究生60余名，指导本科毕业论文30余篇，指导本科生获四川大学“大学生创新创业训练计划项目”国家级立项1项（结题优秀）、省级立项1项。

随着数字经济的不断发展，数据价值得到越来越广泛而深入的体现。目前我国信息数据资源80%以上掌握在各级政府部门手里，受数据孤岛、技术壁垒、法制缺失、数据标准不统一等因素影响，大量数据未能得到充分开放、共享或利用，不利于推动我国数字产业化与产业数字化的发展。政府、企业和个人是数据开放、共享和交易的基本主体，技术与法制是数据流动的重要保障，它们共同形成一个复杂开放的数据生态系统，其治理是一项集政策、理论、方法、技术、法律和文化于一体的复杂系统工程。本书在剖析数据生态治理问题的基础上，运用系统工程思想，从数据、问题、系统、技术和法制几个层面探析数据生态治理的基本原则，构建了一套数据生态治理系统工程的方法论体系，为促进我国数字经济发展提供了决策指导和政策启示。
全书共15章，分为数据篇、治理篇、系统篇、技术篇和法制篇五个部分，体系完整、逻辑严谨、案例丰富、内容翔实，可供相关专业本科生、研究生、教师和研究人员阅读或作为教材使用，也可为政府在数据治理领域决策、制定政策提供参考。

导论  001
0.1 发展背景 001
0.2 数据生态 002
0.3 治理工程 003
0.4 篇章结构 004


第1篇　数据篇
第1章 数据治理概述 009
1.1 数据属性分类 009
1.1.1　元数据类 009
1.1.2　主数据类 011
1.1.3　公共数据 012
1.1.4　企业数据 013
1.1.5　个人数据 014
1.2 数据标准管理 015
1.2.1　数据标准管理概述 015
1.2.2　数据标准管理内容 016
1.2.3　数据标准管理体系 017
1.2.4　数据标准管理实践 018
1.3 数据质量管理 019
1.3.1　数据质量管理概述 019
1.3.2　数据质量管理问题 020
1.3.3　数据质量管理框架 022
1.3.4　数据质量管理策略 023
1.4 数据安全管理 023
1.4.1　数据安全管理概述 023
1.4.2　数据安全管理系统 024
1.4.3　数据安全管理技术 026
1.4.4　数据安全管理法规 027

第2章 数据集成共享 029
2.1 数据集成层次 029
2.1.1　门户集成 029
2.1.2　服务集成 030
2.1.3　流程集成 031
2.1.4　数据集成 031
2.2 数据集成架构 032
2.2.1　点对点集成架构 033
2.2.2　基于EDI的集成架构 034
2.2.3　SOA集成架构 035
2.2.4　微服务集成架构 036
2.3 数据集成模式 038
2.3.1　中间件交换模式 038
2.3.2　主数据集成模式 039
2.3.3　数据库应用模式 039
2.3.4　数据湖应用模式 040
2.4 数据共享价值 041
2.4.1　全球数据开放现状 042
2.4.2　政府数据开放价值 043
2.4.3　企业数据共享价值 045
2.4.4　用户数据共享价值 046

第3章 数据生态系统 047
3.1 生态链主体要素 047
3.1.1　政府部门 048
3.1.2　企业机构 048
3.1.3　个人用户 050
3.2 生态链流动模式 051
3.2.1　数据开放 051
3.2.2　数据共享 052
3.2.3　数据交易 054
3.3 生态链数据价值 055
3.3.1　数据资源性特征 056
3.3.2　数字产业化发展 057
3.3.3　产业数字化趋势 059
3.3.4　数字化战略意义 060
3.3.5　数据文化与文明 061
3.4 生态链支持要素 062
3.4.1　政策管理 063
3.4.2　市场机制 066
3.4.3　人才培养 067
3.4.4　技术支撑 068
3.4.5　法制保障 070
3.5 生态链系统分析 071
3.5.1　生态链系统基本原理 071
3.5.2　系统动力学机理分析 073
3.5.3　系统动力学模型构建 074
3.5.4　生态链系统模拟分析 077
3.5.5　生态链系统实现路径 081


第2篇　治理篇
第4章 数据生态治理困境 085
4.1 多重壁垒阻碍 085
4.1.1　数据垄断壁垒 085
4.1.2　责任分担壁垒 087
4.1.3　保守思想壁垒 089
4.1.4　共享技术壁垒 090
4.1.5　法制滞后壁垒 092
4.2 系统机制缺失 093
4.2.1　共享激励机制缺失 094
4.2.2　监督管理机制缺失 095
4.2.3　质量保障机制缺失 097
4.2.4　数据文化机制缺失 098
4.3 数据整合困难 099
4.3.1　缺乏数据统一标准 100
4.3.2　缺乏质量评价标准 101
4.3.3　缺乏数据集成标准 104

第5章 数据生态治理体系 107
5.1 数据生态治理机制 107
5.1.1　激励机制 107
5.1.2　监管机制 109
5.1.3　保障机制 110
5.1.4　人才机制 111
5.1.5　司法机制 112
5.2 数据生态治理标准化体系 113
5.2.1　政府开放数据标准体系 114
5.2.2　企业数据共享标准体系 115
5.2.3　数据跨境流通标准体系 116
5.2.4　数据质量评价标准体系 116
5.3 数据生态模型体系 118
5.3.1　概念数据生态模型 118
5.3.2　逻辑数据生态模型 119
5.3.3　物理数据生态模型 120
5.3.4　数据生态模型架构 121
5.4 数据生态环境系统 121
5.4.1　政府数据生态环境 122
5.4.2　企业数据生态环境 124
5.4.3　个人数据生态环境 125
5.4.4　国际数据生态环境 127

第6章 数据生态治理实践 128
6.1 案例1：四川省公共数据治理实践 128
6.1.1　数据采集与整合 129
6.1.2　数据标准化与质量管理 130
6.1.3　数据开放与共享 132
6.1.4　数据隐私与安全保护 133
6.1.5　数据使用与价值挖掘 134
6.2 案例2：成都市公共数据开放机制 135
6.2.1　数据开放现状 136
6.2.2　开放机制建设 137
6.2.3　数据治理成效 138
6.3 案例3：特斯拉公司数据治理实践 139
6.3.1　企业背景介绍 139
6.3.2　数据访问和权限控制 140
6.3.3　数据保留和删除 141
6.3.4　数据治理架构和流程 143
6.3.5　数据伦理和社会责任 144
6.4 案例4：南方电网数据治理实践 145
6.4.1　数字化转型背景 145
6.4.2　系统化数据治理 146
6.4.3　项目总结与展望 148


第3篇　系统篇
第7章 数据生态价值系统 151
7.1 数据价值链系统 151
7.1.1　数据资源性价值 151
7.1.2　数据公共性价值 152
7.1.3　数据商业化价值 154
7.1.4　全球数据价值链 156
7.2 数据价值链设计 157
7.2.1　顶层架构化设计 157
7.2.2　公共价值链设计 158
7.2.3　商业价值链设计 160
7.3 数据价值链战略 161
7.3.1　数字化转型战略 162
7.3.2　价值链生态战略 163
7.3.3　跨境价值链战略 165
7.4 价值链垂直整合 166
7.4.1　纵向生态整合 166
7.4.2　横向生态整合 168
7.4.3　上游生态整合 169
7.4.4　下游生态整合 170

第8章 数字产业化系统 173
8.1 数字产品制造业 173
8.1.1　计算机制造业 173
8.1.2　通信雷达制造 174
8.1.3　数字媒体制造 175
8.1.4　智能设备制造 177
8.1.5　电子元器件及设备制造 178
8.2 数字产品服务业 180
8.2.1　数字产品批发 181
8.2.2　数字产品零售 182
8.2.3　数字产品租赁 184
8.2.4　数字产品维修 185
8.3 数字技术应用业 186
8.3.1　软件开发应用 186
8.3.2　传输服务应用 188
8.3.3　互联网化服务 189
8.3.4　信息技术服务 191
8.4 数字要素驱动业 192
8.4.1　互联网平台 193
8.4.2　互联网销售 194
8.4.3　互联网金融 196
8.4.4　数字化媒体 197
8.4.5　信息化设施 198
8.4.6　数据权交易 199

第9章 产业数字化生态 201
9.1 智慧农业生态 201
9.1.1　数字化种植 202
9.1.2　数字化林业 203
9.1.3　自动化养殖 204
9.1.4　新技术育种 205
9.2 智能制造生态 207
9.2.1　数字化通用设备制造 208
9.2.2　数字化运输设备制造 209
9.2.3　数字化仪器仪表制造 210
9.3 智能交通生态 211
9.3.1　智能铁路运输 211
9.3.2　智能道路运输 212
9.3.3　智能水上运输 213
9.3.4　智能航空运输 215
9.4 智慧物流生态 216
9.4.1　智慧仓储 216
9.4.2　智慧配送 217
9.4.3　企业案例 219
9.5 数字金融生态 220
9.5.1　数字支付 221
9.5.2　数字货币 222
9.5.3　数字化银行金融服务 223
9.5.4　数字资本市场 224
9.5.5　互联网保险业 225
9.6 数字商贸生态 226
9.6.1　数字化批发 227
9.6.2　数字化零售 227
9.6.3　数字化住宿 229
9.6.4　数字化餐饮 230
9.6.5　数字化租赁 232
9.6.6　数字化商务 234
9.7 数字社会 234
9.7.1　智慧教育 235
9.7.2　智慧医疗 237
9.7.3　数字公益 238
9.8 数字政府 240
9.8.1　数字化行政办公 240
9.8.2　互联网税务办理 241
9.8.3　互联网海关服务 243
9.8.4　互联网社会保障 244


第4篇　技术篇
第10章 数据治理技术体系 249
10.1 元数据治理技术 249
10.1.1　元数据标准体系 249
10.1.2　元数据质量保障 251
10.1.3　元数据安全管理 252
10.1.4　元数据治理案例 254
10.2 主数据治理技术 255
10.2.1　主数据标准体系 255
10.2.2　主数据质量控制 257
10.2.3　主数据管理平台 258
10.2.4　主数据治理案例 259
10.3 大数据治理技术 260
10.3.1　元数据管理 261
10.3.2　数据标准化 262
10.3.3　数据资产化 263
10.3.4　大数据监控 264
10.4 混合云架构技术 264
10.4.1　数据资源连接 265
10.4.2　数据融合治理 266
10.4.3　融合数据应用 267
10.4.4　数据运营监控 268
10.5 微服务架构技术 269
10.5.1　分层设计模式 269
10.5.2　数据质量保障 271
10.5.3　数据赋能平台 272

第11章 数字产业化技术 274
11.1 通信互联技术 274
11.1.1　5G移动通信技术 274
11.1.2　6G移动通信技术 276
11.1.3　物联网技术 278
11.1.4　车联网技术 280
11.2 模拟仿真技术 282
11.2.1　三维建模技术 282
11.2.2　立体显示技术 283
11.2.3　模拟仿真应用 285
11.3 人工智能技术 287
11.3.1　智能感知技术 287
11.3.2　智能控制技术 288
11.3.3　智能决策技术 290
11.3.4　计算智能技术 291
11.4 人机交互技术 293
11.4.1　虚拟现实 294
11.4.2　增强现实 295
11.4.3　混合现实 296
11.4.4　介导现实 297
11.4.5　扩展现实 298
11.4.6　元宇宙 299

第12章 产业数字化技术 302
12.1 数字孪生 302
12.1.1　发展现状 302
12.1.2　体系架构 304
12.1.3　关键技术 305
12.1.4　应用场景 306
12.1.5　产业协同 307
12.2 边缘计算 308
12.2.1　基本原理 309
12.2.2　关键技术 311
12.2.3　行业应用 312
12.2.4　边缘智能 313
12.3 云技术 314
12.3.1　云计算 315
12.3.2　云存储 316
12.3.3　云加工 317
12.3.4　云应用 319
12.4 区块链 320
12.4.1　发展历程 321
12.4.2　主要类型 322
12.4.3　架构模型 323
12.4.4　核心技术 324
12.4.5　应用领域 325
12.5 工业互联网 326
12.5.1　基本内涵 327
12.5.2　体系架构 328
12.5.3　应用模式 329
12.5.4　行业分布 330
12.6 智能网联车 331
12.6.1　发展现状 331
12.6.2　体系架构 332
12.6.3　关键技术 333
12.6.4　信息安全 334
12.6.5　应用场景 334


第5篇　法制篇
第13章 数权立法基本概述 339
13.1 数权的分类 339
13.1.1　个人数据权 339
13.1.2　企业数据权 341
13.1.3　政府数据权 342
13.2 数权的属性 344
13.2.1　私权属性 344
13.2.2　公权属性 345
13.2.3　主权属性 346
13.3 数权的体系 348
13.3.1　所有权 349
13.3.2　用益权 351
13.3.3　公益权 351
13.3.4　共享权 352
13.3.5　隐私权 354
13.4 数权的现状 356
13.4.1　美国数权立法 356
13.4.2　欧盟数权制度 358
13.4.3　日本数权建设 359
13.4.4　中国数权探索 361

第14章 数权立法主要难题 362
14.1 立法冲突 362
14.1.1　不同效力立法冲突 363
14.1.2　同一位阶缺乏协调 364
14.1.3　民法保护边界模糊 366
14.1.4　刑法规制相对滞后 366
14.2 公私平衡 368
14.2.1　数据私权的本质 368
14.2.2　数据公权的本质 369
14.2.3　私法与公法融合 370
14.2.4　私权与公权平衡 370
14.3 共隐矛盾 372
14.3.1　数据共享的问题 372
14.3.2　数据隐私的保护 373
14.3.3　共享与隐私冲突 374
14.3.4　共享与隐私平衡 375
14.4 国际分歧 376
14.4.1　数据跨境流动冲击 376
14.4.2　数据主权尚存争议 378
14.4.3　域外管辖执法冲突 379
14.4.4　数据战略竞争激烈 381

第15章 数权立法系统工程 383
15.1 市场与配置系统 383
15.1.1　数据要素市场特征 384
15.1.2　数据统筹面临挑战 386
15.1.3　数据确权立法困境 388
15.1.4　市场配置体系构建 390
15.2 确权与权能系统 391
15.2.1　公共数据确权体系 392
15.2.2　企业数据确权体系 393
15.2.3　个人数据确权体系 395
15.2.4　数据权能立法体系 396
15.3 开放与共享系统 397
15.3.1　数据开放与共享目标 398
15.3.2　数据开放与共享原则 399
15.3.3　数据开放与共享分类 401
15.3.4　数据开放与共享模式 402
15.4 流通与交易系统 404
15.4.1　数据开发保护平衡 404
15.4.2　数据流通监管体系 405
15.4.3　数据交易法制改革 406
15.4.4　数据流通交易意义 408
15.5 安全与合规系统 409
15.5.1　数据安全风险分类 409
15.5.2　数据安全防御系统 411
15.5.3　数据合规制度体系 412
15.5.4　数据安全立法机制 413


参考文献 415