移動互聯網的發展推動了數據呈指數級增長,并迅速成為數字經濟時代的“石油”,數據中所蘊藏的巨大價值得以被發現,并用于驅動人類社會的顛覆式創新。數據的大量涌現,同時帶來政府數據壁壘、企業數據霸權、個人數據歧視、數據產權模糊、數據隱私與安全問題突出、數據定價預估值困難、數據開放與流通受阻等難題,逐漸導致由政府、企業和公眾構成的數據生態失衡。治理數據生態失衡是一項集政策、理論、方法、技術、法律和文化于一體的復雜系統工程。如何運用系統工程思想,從數據層面、問題層面、系統層面、技術層面和法制層面探析數據生態治理的基本原則,建立平衡的數據生態系統,是當前社會面臨的重大問題,更是時代賦予新一代系統工程科研工作者的歷史使命。 數字時代已至 人類的生活已離不開數據,數據的價值迎來了悄無聲息卻具有深遠影響的革新。對個人而言,上班工作打卡、微信發朋友圈、抖音刷視頻、大眾點評瀏覽、美團外賣推薦已成為個人基本的日常生活;對企業來說,缺少數據支持將變得寸步難行,數據已成為全球科技巨頭(谷歌、亞馬遜、蘋果、Facebook、微軟、特斯拉、阿里巴巴、騰訊、華為、小米、字節跳動等)利潤增長的驅動引擎,中小型企業也在積極通過云技術等大數據技術在聚焦的領域消化數據,為業務發展提供指引;對政府來講,“互聯網+政務服務”的數字政府建設同樣離不開數據,在“新冠肺炎疫情”防控中,“健康碼”“場所碼”“通信大數據行程卡”“時空伴隨”軌跡數據等,為追蹤密切接觸者發揮了重要作用,一旦失去對社區人與物的數據聯系,政府的運作將與實際情況產生嚴重割裂,高效率的數字化服務型政府將成為空談??偨Y來說,數據聯通個人、企業與政府,通過開放、共享和流通等方式釋放出巨大價值,重塑了個人生活方式、企業商業模式與政府治理形式。毋庸置疑,數據時代已至。 數據生態失衡 數據帶來機遇的同時也迎來巨大的挑戰。從政府的視角來看,不同部門和不同地區的數據之間互聯互通存在壁壘,數據開放質量不高,數據標準不統一,大量有價值的數據未能得到充分共享,數據孤島現象較為普遍,數據要素市場的公平性難以把控。從企業的視角來看,大量個人數據被集中掌握在少部分企業巨頭手中,不可避免地出現了數據資源壟斷、技術競爭壁壘、個人數據歧視、大數據“殺熟”、數據隱私侵犯等諸多問題。從個人的視角來看,公眾的數權意識淡薄,分散的數據資產分布將導致數據維權困難,且由于數據具有可復制性,數據被使用后,數據的使用者本質上便獲得了數據的全部信息和價值,即使其并非該數據的所有者,其仍可能通過復制數據從而繼續使用數據,甚至暗中將數據與他人交易,從而使得數據確權在實踐中難以實現,導致隱蔽性的數據非法交易泛濫。這一系列問題,導致由政府、企業和公眾構成的數據生態逐漸失衡,最終將會阻礙數據的有序開放、共享和流通,不利于數字經濟的發展,并衍生出大量新的社會問題。 系統工程實踐 數據的產生、開放、共享、流通、應用與管理依賴于完善的生態。如何在多重目標中尋求數據生態的動態平衡,在高質量發展中實現數字經濟市場效率的優化,需要綜合考慮政策、經濟、社會、文化、技術和法律等多方面的因素,以構建一套數據生態治理的方法論體系。這種數據生態系統是一個開放的復雜巨系統,其治理是一項復雜的系統工程。 系統工程是在現代化的“大企業”“大工程”“大科學”出現后,產品構造復雜、換代周期短、生產社會化、管理系統化、科學技術高度分化又高度綜合等歷史背景下產生的。著名科學家錢學森運用系統工程的科學方法建立了我國國防航空工業發展體系,成就了“兩彈一星”偉大事業。他曾指出系統工程是一項組織管理的技術,它使系統的整體與局部之間的關系協調和相互配合,實現總體的最優運行。系統工程實踐是系統科學體系在工程應用技術層次上的體現。錢學森的系統論是整體論與還原論的辯證統一,不同于奧地利生物學家貝塔朗菲的一般系統論。系統工程已在經濟、社會、人口、軍事、行政、法制、科學、教育、人才、情報和未來研究等社會科學領域得到越來越廣泛的運用,充分顯示了它無限廣闊的發展前景。當前,系統工程發展的顯著趨勢是巨大化、復雜化、社會化,并進一步向社會科學各領域廣泛滲透,社會工程的開發與研究已成為目前系統工程發展的主要方向之一。數據生態系統是由政府、企業和公眾構成的開放的復雜社會巨系統,運用系統工程建立平衡的數據生態,解決其治理問題,是系統科學體系在社會治理實踐中的又一個重要發展和體現。 科學探索創新 本書立足系統工程的科學方法,力求探索出一套數據生態治理的方法論體系,構建數據生態治理系統工程,為促進我國數字經濟發展提供決策指導和政策啟示。主要創新之處如下。 ① 探明數據生態失衡的演化機理、從數據生態失衡的根源出發,系統性地分析其各主體間沖突的觸發機理,數據生態鏈系統矛盾的演化過程,探析政府數據壁壘、企業數據霸權、個人數據歧視、數據產權模糊、數據隱私與安全問題突出、數據定價預估值困難、數據開放與流通受阻等現象的動因根源、演化路徑和表現形式,歸納數據生態失衡全過程的發生機制、內在規律和影響因素,揭示數據生態系統不斷熵增,從而導致生態失衡的基本原理。 ② 建立數據生態治理的目標控制體系。提出數據生態系統演化的思想,指出數據生態的演化是一個不斷熵增的過程,會不斷產生不穩定因素,將系統推向失衡,需要輔以政策激勵、市場機制、人才培養、技術支撐和法制保障等措施,才能為其營造一個良好的生態環境,促使其可持續發展。其中優化市場機制是發展目標,人才培養和技術支撐是實現發展目標的硬系統,政策激勵和法制保障是實現發展目標的軟系統。軟硬系統需要協同配合才能促進目標的實現,推動數據生態鏈有序地互聯互通。此外,軟系統的設計還必須根據硬系統的現狀來規劃,否則政策和法制過于超前,人才和技術跟不上,目標則無法落地實現;反過來,政策和法制滯后于人才和技術的制度,則會阻礙市場機制的充分發揮。 ③ 構建數據生態治理的系統價值體系。提出應通過數據生態治理的目標控制,建立平衡的數據生態系統,并在此基礎上,進一步通過數據生態價值鏈的戰略規劃、系統設計和垂直整合,不斷優化其系統結構,推動數字產業化系統和產業數字化生態向低碳、節能、高效、智能化的戰略方向發展,促進我國智慧農業、智能制造、智能交通、智慧物流、工業互聯網、數字金融、數字商貿、數字社會與數字政府的建設。這對我國產業數字化轉型,從而推動產業結構升級,進而實現“雙碳”目標均具有重要的理論意義和政策啟示。 本書的研究工作得到了國家自然科學基金面上項目“基于智能網聯架構的‘交通-通信-應急’關聯基礎設施網絡系統分析及協同優化研究”(71971150)、四川省社會科學規劃項目“面向政企及個人的多模式交通大數據共享機制與生態鏈系統構建研究”(SC18TJ014)、成都市哲學社會科學規劃項目“成都市公共數據開放機制及其共享生態鏈系統構建研究”(YN2320200393)、四川大學創新火花項目“‘政府-企業-個人’數據開放生態鏈系統可持續發展模式研究”(2019hhs-16)等基金資助,在此對國家自然科學基金委、四川省社會科學規劃辦公室、成都市哲學社會科學規劃辦公室、四川大學社會科學研究處表示衷心感謝! 全書的研究、撰著從2019年1月到2023年10月,歷時四年多,日夜工作、歷盡坎坷、幾易其稿,凝聚了作者、課題組成員、書稿撰寫參與人、審稿人、出版社編輯等的辛勤付出與大量心血。在此,要特別感謝四川大學商學院徐玖平教授對本書提出的建設性意見,以及對課題組研究的指導、關懷與鞭策,鼓勵研究團隊立足系統工程,為數據生態治理做出貢獻。此外,成都大學商學院副院長許欣欣副教授作為全書統稿人,為本書的編寫出版做出了重要貢獻。筆者的碩士研究生陳卓、譚磊、孫昱鵬、賈翠翠、何圣潔、張偉業、王寧、梁詠玥、王星又、田旺、楊越川、黃琪洋、陳蕊等參與了全書的整理和完善,也對他們的出色工作表示感謝!最后,感謝化學工業出版社編輯的精心組織與精益工作,作為歷史悠久的中央級出版社,其出版品質體現了我國出版界一流水平! 曾自強 四川大學商學院 管理科學與數據科學系 2023年10月于誠懿樓
曾自強,九三學社社員,現任九三學社四川大學委員會委員、三支社主委,四川大學商學院管理科學與數據科學系副系主任,副研究員,博士生導師,四川省“重要計劃”入選者,四川省學術和技術帶頭人后備人選,四川省海外高層次留學人才,成都市“蓉漂計劃”入選者,成都市“雛鷹計劃”入選者,四川大學“雙百人才工程”入選者,四川大學青年科技學術帶頭人培育項目獲得者,四川大學“好未來優秀學者獎”獲得者,美國Fairleigh Dickinson University商學院(AACSB認證)客座教授,2020年入選《科學中國人》封底人物。分別于2009年、2014年在四川大學獲得理學學士、管理學博士學位。曾赴美國University of Florida作為聯合培養博士生學習1年,并在美國University of Washington做博士后研究3年。 主要從事數據科學、決策分析、系統工程等領域的研究。先后作為負責人主持國家自然科學基金項目2項、美國交通部研究項目1項、省部廳級項目等10余項。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等國內外知名期刊及國際會議論文集發表論文60余篇,其中SCI/SSCI檢索論文40余篇。在Elsevier、Springer等出版社出版專著3部,獲授權發明專利5項、軟件著作權10項。研究成果獲教育部科技進步一等獎1項、四川省社會科學優秀成果一等獎1項、中國發明協會發明創業成果一等獎1項、中國產學研合作促進會產學研合作創新成果一等獎1項、中國石油和化工自動化行業科技進步一等獎1項、國際運籌學進展獎1項、國際管理科學與工程管理進展獎1項等。 擔任國家自然科學基金委通訊評審專家、國家留學基金委通訊評審專家、泰晤士高等教育《全球學術聲譽調查》提名專家、泰晤士高等教育中國學科評級(CSR)調查提名專家、國際管理科學與工程管理學會(ISMSEM)秘書長、四川省機械工程學會低碳技術與產業發展專委會委員、PLoS ONE(SCI期刊)學術編委和《運籌與管理》學術編輯,以及30余種國內外期刊的審稿人。多次擔任國際會議程序委員會主席、分會主席及論文集領域編委,并赴美國、德國、加拿大、澳大利亞、日本、阿塞拜疆等做國際會議特邀及分會報告10余次。講授本科及研究生課程17門,并擔任《運籌思維:謀當下勝未來》核心通識課程團隊負責人,獲四川大學教學成果一等獎1項、四川大學課堂教學質量優秀獎1項、四川大學商學院國際人才培養優秀獎1項。指導管理科學、工程管理、工業工程與管理、物流工程與管理、金融投資與財務管理(MBA)、數字運營與項目管理(MBA)、技術經濟及管理等專業博、碩士研究生60余名,指導本科畢業論文30余篇,指導本科生獲四川大學“大學生創新創業訓練計劃項目”國家級立項1項(結題優秀)、省級立項1項。
隨著數字經濟的不斷發展,數據價值得到越來越廣泛而深入的體現。目前我國信息數據資源80%以上掌握在各級政府部門手里,受數據孤島、技術壁壘、法制缺失、數據標準不統一等因素影響,大量數據未能得到充分開放、共享或利用,不利于推動我國數字產業化與產業數字化的發展。政府、企業和個人是數據開放、共享和交易的基本主體,技術與法制是數據流動的重要保障,它們共同形成一個復雜開放的數據生態系統,其治理是一項集政策、理論、方法、技術、法律和文化于一體的復雜系統工程。本書在剖析數據生態治理問題的基礎上,運用系統工程思想,從數據、問題、系統、技術和法制幾個層面探析數據生態治理的基本原則,構建了一套數據生態治理系統工程的方法論體系,為促進我國數字經濟發展提供了決策指導和政策啟示。 全書共15章,分為數據篇、治理篇、系統篇、技術篇和法制篇五個部分,體系完整、邏輯嚴謹、案例豐富、內容翔實,可供相關專業本科生、研究生、教師和研究人員閱讀或作為教材使用,也可為政府在數據治理領域決策、制定政策提供參考。
導論 001 0.1 發展背景 001 0.2 數據生態 002 0.3 治理工程 003 0.4 篇章結構 004 第1篇 數據篇 第1章 數據治理概述 009 1.1 數據屬性分類 009 1.1.1 元數據類 009 1.1.2 主數據類 011 1.1.3 公共數據 012 1.1.4 企業數據 013 1.1.5 個人數據 014 1.2 數據標準管理 015 1.2.1 數據標準管理概述 015 1.2.2 數據標準管理內容 016 1.2.3 數據標準管理體系 017 1.2.4 數據標準管理實踐 018 1.3 數據質量管理 019 1.3.1 數據質量管理概述 019 1.3.2 數據質量管理問題 020 1.3.3 數據質量管理框架 022 1.3.4 數據質量管理策略 023 1.4 數據安全管理 023 1.4.1 數據安全管理概述 023 1.4.2 數據安全管理系統 024 1.4.3 數據安全管理技術 026 1.4.4 數據安全管理法規 027 第2章 數據集成共享 029 2.1 數據集成層次 029 2.1.1 門戶集成 029 2.1.2 服務集成 030 2.1.3 流程集成 031 2.1.4 數據集成 031 2.2 數據集成架構 032 2.2.1 點對點集成架構 033 2.2.2 基于EDI的集成架構 034 2.2.3 SOA集成架構 035 2.2.4 微服務集成架構 036 2.3 數據集成模式 038 2.3.1 中間件交換模式 038 2.3.2 主數據集成模式 039 2.3.3 數據庫應用模式 039 2.3.4 數據湖應用模式 040 2.4 數據共享價值 041 2.4.1 全球數據開放現狀 042 2.4.2 政府數據開放價值 043 2.4.3 企業數據共享價值 045 2.4.4 用戶數據共享價值 046 第3章 數據生態系統 047 3.1 生態鏈主體要素 047 3.1.1 政府部門 048 3.1.2 企業機構 048 3.1.3 個人用戶 050 3.2 生態鏈流動模式 051 3.2.1 數據開放 051 3.2.2 數據共享 052 3.2.3 數據交易 054 3.3 生態鏈數據價值 055 3.3.1 數據資源性特征 056 3.3.2 數字產業化發展 057 3.3.3 產業數字化趨勢 059 3.3.4 數字化戰略意義 060 3.3.5 數據文化與文明 061 3.4 生態鏈支持要素 062 3.4.1 政策管理 063 3.4.2 市場機制 066 3.4.3 人才培養 067 3.4.4 技術支撐 068 3.4.5 法制保障 070 3.5 生態鏈系統分析 071 3.5.1 生態鏈系統基本原理 071 3.5.2 系統動力學機理分析 073 3.5.3 系統動力學模型構建 074 3.5.4 生態鏈系統模擬分析 077 3.5.5 生態鏈系統實現路徑 081 第2篇 治理篇 第4章 數據生態治理困境 085 4.1 多重壁壘阻礙 085 4.1.1 數據壟斷壁壘 085 4.1.2 責任分擔壁壘 087 4.1.3 保守思想壁壘 089 4.1.4 共享技術壁壘 090 4.1.5 法制滯后壁壘 092 4.2 系統機制缺失 093 4.2.1 共享激勵機制缺失 094 4.2.2 監督管理機制缺失 095 4.2.3 質量保障機制缺失 097 4.2.4 數據文化機制缺失 098 4.3 數據整合困難 099 4.3.1 缺乏數據統一標準 100 4.3.2 缺乏質量評價標準 101 4.3.3 缺乏數據集成標準 104 第5章 數據生態治理體系 107 5.1 數據生態治理機制 107 5.1.1 激勵機制 107 5.1.2 監管機制 109 5.1.3 保障機制 110 5.1.4 人才機制 111 5.1.5 司法機制 112 5.2 數據生態治理標準化體系 113 5.2.1 政府開放數據標準體系 114 5.2.2 企業數據共享標準體系 115 5.2.3 數據跨境流通標準體系 116 5.2.4 數據質量評價標準體系 116 5.3 數據生態模型體系 118 5.3.1 概念數據生態模型 118 5.3.2 邏輯數據生態模型 119 5.3.3 物理數據生態模型 120 5.3.4 數據生態模型架構 121 5.4 數據生態環境系統 121 5.4.1 政府數據生態環境 122 5.4.2 企業數據生態環境 124 5.4.3 個人數據生態環境 125 5.4.4 國際數據生態環境 127 第6章 數據生態治理實踐 128 6.1 案例1:四川省公共數據治理實踐 128 6.1.1 數據采集與整合 129 6.1.2 數據標準化與質量管理 130 6.1.3 數據開放與共享 132 6.1.4 數據隱私與安全保護 133 6.1.5 數據使用與價值挖掘 134 6.2 案例2:成都市公共數據開放機制 135 6.2.1 數據開放現狀 136 6.2.2 開放機制建設 137 6.2.3 數據治理成效 138 6.3 案例3:特斯拉公司數據治理實踐 139 6.3.1 企業背景介紹 139 6.3.2 數據訪問和權限控制 140 6.3.3 數據保留和刪除 141 6.3.4 數據治理架構和流程 143 6.3.5 數據倫理和社會責任 144 6.4 案例4:南方電網數據治理實踐 145 6.4.1 數字化轉型背景 145 6.4.2 系統化數據治理 146 6.4.3 項目總結與展望 148 第3篇 系統篇 第7章 數據生態價值系統 151 7.1 數據價值鏈系統 151 7.1.1 數據資源性價值 151 7.1.2 數據公共性價值 152 7.1.3 數據商業化價值 154 7.1.4 全球數據價值鏈 156 7.2 數據價值鏈設計 157 7.2.1 頂層架構化設計 157 7.2.2 公共價值鏈設計 158 7.2.3 商業價值鏈設計 160 7.3 數據價值鏈戰略 161 7.3.1 數字化轉型戰略 162 7.3.2 價值鏈生態戰略 163 7.3.3 跨境價值鏈戰略 165 7.4 價值鏈垂直整合 166 7.4.1 縱向生態整合 166 7.4.2 橫向生態整合 168 7.4.3 上游生態整合 169 7.4.4 下游生態整合 170 第8章 數字產業化系統 173 8.1 數字產品制造業 173 8.1.1 計算機制造業 173 8.1.2 通信雷達制造 174 8.1.3 數字媒體制造 175 8.1.4 智能設備制造 177 8.1.5 電子元器件及設備制造 178 8.2 數字產品服務業 180 8.2.1 數字產品批發 181 8.2.2 數字產品零售 182 8.2.3 數字產品租賃 184 8.2.4 數字產品維修 185 8.3 數字技術應用業 186 8.3.1 軟件開發應用 186 8.3.2 傳輸服務應用 188 8.3.3 互聯網化服務 189 8.3.4 信息技術服務 191 8.4 數字要素驅動業 192 8.4.1 互聯網平臺 193 8.4.2 互聯網銷售 194 8.4.3 互聯網金融 196 8.4.4 數字化媒體 197 8.4.5 信息化設施 198 8.4.6 數據權交易 199 第9章 產業數字化生態 201 9.1 智慧農業生態 201 9.1.1 數字化種植 202 9.1.2 數字化林業 203 9.1.3 自動化養殖 204 9.1.4 新技術育種 205 9.2 智能制造生態 207 9.2.1 數字化通用設備制造 208 9.2.2 數字化運輸設備制造 209 9.2.3 數字化儀器儀表制造 210 9.3 智能交通生態 211 9.3.1 智能鐵路運輸 211 9.3.2 智能道路運輸 212 9.3.3 智能水上運輸 213 9.3.4 智能航空運輸 215 9.4 智慧物流生態 216 9.4.1 智慧倉儲 216 9.4.2 智慧配送 217 9.4.3 企業案例 219 9.5 數字金融生態 220 9.5.1 數字支付 221 9.5.2 數字貨幣 222 9.5.3 數字化銀行金融服務 223 9.5.4 數字資本市場 224 9.5.5 互聯網保險業 225 9.6 數字商貿生態 226 9.6.1 數字化批發 227 9.6.2 數字化零售 227 9.6.3 數字化住宿 229 9.6.4 數字化餐飲 230 9.6.5 數字化租賃 232 9.6.6 數字化商務 234 9.7 數字社會 234 9.7.1 智慧教育 235 9.7.2 智慧醫療 237 9.7.3 數字公益 238 9.8 數字政府 240 9.8.1 數字化行政辦公 240 9.8.2 互聯網稅務辦理 241 9.8.3 互聯網海關服務 243 9.8.4 互聯網社會保障 244 第4篇 技術篇 第10章 數據治理技術體系 249 10.1 元數據治理技術 249 10.1.1 元數據標準體系 249 10.1.2 元數據質量保障 251 10.1.3 元數據安全管理 252 10.1.4 元數據治理案例 254 10.2 主數據治理技術 255 10.2.1 主數據標準體系 255 10.2.2 主數據質量控制 257 10.2.3 主數據管理平臺 258 10.2.4 主數據治理案例 259 10.3 大數據治理技術 260 10.3.1 元數據管理 261 10.3.2 數據標準化 262 10.3.3 數據資產化 263 10.3.4 大數據監控 264 10.4 混合云架構技術 264 10.4.1 數據資源連接 265 10.4.2 數據融合治理 266 10.4.3 融合數據應用 267 10.4.4 數據運營監控 268 10.5 微服務架構技術 269 10.5.1 分層設計模式 269 10.5.2 數據質量保障 271 10.5.3 數據賦能平臺 272 第11章 數字產業化技術 274 11.1 通信互聯技術 274 11.1.1 5G移動通信技術 274 11.1.2 6G移動通信技術 276 11.1.3 物聯網技術 278 11.1.4 車聯網技術 280 11.2 模擬仿真技術 282 11.2.1 三維建模技術 282 11.2.2 立體顯示技術 283 11.2.3 模擬仿真應用 285 11.3 人工智能技術 287 11.3.1 智能感知技術 287 11.3.2 智能控制技術 288 11.3.3 智能決策技術 290 11.3.4 計算智能技術 291 11.4 人機交互技術 293 11.4.1 虛擬現實 294 11.4.2 增強現實 295 11.4.3 混合現實 296 11.4.4 介導現實 297 11.4.5 擴展現實 298 11.4.6 元宇宙 299 第12章 產業數字化技術 302 12.1 數字孿生 302 12.1.1 發展現狀 302 12.1.2 體系架構 304 12.1.3 關鍵技術 305 12.1.4 應用場景 306 12.1.5 產業協同 307 12.2 邊緣計算 308 12.2.1 基本原理 309 12.2.2 關鍵技術 311 12.2.3 行業應用 312 12.2.4 邊緣智能 313 12.3 云技術 314 12.3.1 云計算 315 12.3.2 云存儲 316 12.3.3 云加工 317 12.3.4 云應用 319 12.4 區塊鏈 320 12.4.1 發展歷程 321 12.4.2 主要類型 322 12.4.3 架構模型 323 12.4.4 核心技術 324 12.4.5 應用領域 325 12.5 工業互聯網 326 12.5.1 基本內涵 327 12.5.2 體系架構 328 12.5.3 應用模式 329 12.5.4 行業分布 330 12.6 智能網聯車 331 12.6.1 發展現狀 331 12.6.2 體系架構 332 12.6.3 關鍵技術 333 12.6.4 信息安全 334 12.6.5 應用場景 334 第5篇 法制篇 第13章 數權立法基本概述 339 13.1 數權的分類 339 13.1.1 個人數據權 339 13.1.2 企業數據權 341 13.1.3 政府數據權 342 13.2 數權的屬性 344 13.2.1 私權屬性 344 13.2.2 公權屬性 345 13.2.3 主權屬性 346 13.3 數權的體系 348 13.3.1 所有權 349 13.3.2 用益權 351 13.3.3 公益權 351 13.3.4 共享權 352 13.3.5 隱私權 354 13.4 數權的現狀 356 13.4.1 美國數權立法 356 13.4.2 歐盟數權制度 358 13.4.3 日本數權建設 359 13.4.4 中國數權探索 361 第14章 數權立法主要難題 362 14.1 立法沖突 362 14.1.1 不同效力立法沖突 363 14.1.2 同一位階缺乏協調 364 14.1.3 民法保護邊界模糊 366 14.1.4 刑法規制相對滯后 366 14.2 公私平衡 368 14.2.1 數據私權的本質 368 14.2.2 數據公權的本質 369 14.2.3 私法與公法融合 370 14.2.4 私權與公權平衡 370 14.3 共隱矛盾 372 14.3.1 數據共享的問題 372 14.3.2 數據隱私的保護 373 14.3.3 共享與隱私沖突 374 14.3.4 共享與隱私平衡 375 14.4 國際分歧 376 14.4.1 數據跨境流動沖擊 376 14.4.2 數據主權尚存爭議 378 14.4.3 域外管轄執法沖突 379 14.4.4 數據戰略競爭激烈 381 第15章 數權立法系統工程 383 15.1 市場與配置系統 383 15.1.1 數據要素市場特征 384 15.1.2 數據統籌面臨挑戰 386 15.1.3 數據確權立法困境 388 15.1.4 市場配置體系構建 390 15.2 確權與權能系統 391 15.2.1 公共數據確權體系 392 15.2.2 企業數據確權體系 393 15.2.3 個人數據確權體系 395 15.2.4 數據權能立法體系 396 15.3 開放與共享系統 397 15.3.1 數據開放與共享目標 398 15.3.2 數據開放與共享原則 399 15.3.3 數據開放與共享分類 401 15.3.4 數據開放與共享模式 402 15.4 流通與交易系統 404 15.4.1 數據開發保護平衡 404 15.4.2 數據流通監管體系 405 15.4.3 數據交易法制改革 406 15.4.4 數據流通交易意義 408 15.5 安全與合規系統 409 15.5.1 數據安全風險分類 409 15.5.2 數據安全防御系統 411 15.5.3 數據合規制度體系 412 15.5.4 數據安全立法機制 413 參考文獻 415
ISBN:978-7-122-44999-3
語種:漢文
開本:16
出版時間:2024-05-01
裝幀:精
頁數:432