當前位置 ： 首頁 》新聞咨詢訊 》公司動態(tài) 
5月24日，國家數(shù)據(jù)局會同生態(tài)環(huán)境部、交通運輸部、國家金融監(jiān)管總局、中國科學院、中國氣象局、國家文物局、國家中醫(yī)藥局等部門在第七屆數(shù)字中國峰會主論壇上發(fā)布首批20個“數(shù)據(jù)要素×”典型案例。
首批發(fā)布的20個“數(shù)據(jù)要素×”典型案例，是從各地上報至國家數(shù)據(jù)局的800余個案例中選出，在行業(yè)領域方面涵蓋了工業(yè)制造、現(xiàn)代農(nóng)業(yè)、商貿(mào)流通、交通運輸、金融服務、科技創(chuàng)新、文化旅游、醫(yī)療健康、應急管理、氣象服務、城市治理、綠色低碳等12個行業(yè)和領域，公共數(shù)據(jù)在各地案例中仍然占據(jù)了主導地位。
地域方面覆蓋了北京、上海、浙江、江蘇、四川、安徽、湖南、湖北、廣東、福建、山東、新疆等12個省份，除了東部發(fā)達省份，西部和中部省份也有不少。
企業(yè)規(guī)模和類型方面包括中央企業(yè)、地方國有企業(yè)和民營企業(yè)，展示了有關(guān)單位促進數(shù)據(jù)要素開發(fā)利用的典型經(jīng)驗做法，彰顯了數(shù)據(jù)要素推動經(jīng)濟社會發(fā)展的乘數(shù)效應。
首批20個“數(shù)據(jù)要素×”案例
一、工業(yè)制造領域
案例一：國家能源投資集團有限公司匯聚了鐵路運輸裝備、港口裝備、船舶裝備等 22 類、9 類、6 類的運行、故障與維修等超 30 億條數(shù)據(jù)，破除了裝備制造商間的數(shù)據(jù)阻礙，構(gòu)建起智能模型，形成將近 600 類裝備設計和研發(fā)數(shù)據(jù)集，搭建起數(shù)據(jù)資產(chǎn)交易平臺，摸索出數(shù)據(jù)資產(chǎn)定價模型，吸引 275 個運輸裝備制造企業(yè)展開數(shù)據(jù)資產(chǎn)交易，有力推動了近 100 家運輸裝備產(chǎn)品的設計與功能優(yōu)化。
案例二：四川長虹電子控股集團有限公司構(gòu)建工業(yè)數(shù)據(jù)空間，打通測試、生產(chǎn)、庫存、應付賬款、供應商資信等數(shù)據(jù)，促使產(chǎn)業(yè)鏈上下游強化信息共享，向代工品牌商安全共享超過 135 萬臺電視生產(chǎn)質(zhì)量數(shù)據(jù)，賦能產(chǎn)值超 90 億元。依靠供應鏈數(shù)據(jù)，為產(chǎn)業(yè)鏈上下游中小微企業(yè)提供融資，授信服務涵蓋 64 家大型企業(yè)和 1650 家中小企業(yè)，融資額超 40 億元。
二、現(xiàn)代農(nóng)業(yè)領域
案例三：江蘇省互聯(lián)網(wǎng)農(nóng)業(yè)發(fā)展中心融合農(nóng)情、植保、氣象、基礎空間等數(shù)據(jù)，提供歷史病害、監(jiān)測分析、預警發(fā)布等服務，累計監(jiān)測小麥和水稻種植面積超 2 億畝，近三年年均挽回稻麥損失 200 萬噸，年均挽回直接經(jīng)濟損失 49.8 億元。
三、商貿(mào)流通領域：
案例四：浙江中國小商品城集團股份有限公司通過公共數(shù)據(jù)授權(quán)運營，融合小商品城企業(yè)數(shù)據(jù)，推出企業(yè)信用、供應鏈金融等數(shù)據(jù)產(chǎn)品服務，提升了貿(mào)易效率，降低了交易風險，2023 年，全年累計授信總額 90.57 億元，放款額 35.58 億元，為 3.3 萬余戶小微企業(yè)提供融資支持。
案例五：上海鋼聯(lián)電子商務股份有限公司通過匯聚大宗商品生產(chǎn)、供應、銷售、價格等數(shù)據(jù)，并融合外部企業(yè)提供的遙感衛(wèi)星數(shù)據(jù)，開發(fā)了商品價格指數(shù)等多個系列數(shù)據(jù)產(chǎn)品，累計形成了 900 多個大宗商品 10 萬多條日度價格數(shù)據(jù)，服務 30 多萬個付費用戶，以及 300 多萬個免費用戶，為國內(nèi)外現(xiàn)貨和衍生品市場提供結(jié)算基準和定價參考。
四、交通運輸領域：
案例六：浙江四港聯(lián)動發(fā)展有限公司打造智慧物流云平臺，先后整合打通政務、班輪、碼頭、貨代等 100 多個系統(tǒng)，匯集海運、空運、陸運、口岸各類物流數(shù)據(jù)超 1.1 萬項，對接各類物流數(shù)據(jù)超 1000 萬條，運用物流運單 AI 智能識別、智能沙箱等技術(shù)，實現(xiàn)運輸軌跡、班輪船期、運輸價格、海關(guān)報關(guān)、航班信息等的一站式查詢，提升多式聯(lián)運承載能力和銜接水平。
五、金融服務領域：
案例七：浙江網(wǎng)商銀行股份有限公司、螞蟻科技集團股份有限公司融合農(nóng)田遙感、農(nóng)業(yè)生產(chǎn)、農(nóng)戶授權(quán)數(shù)據(jù)，優(yōu)化授信評估模型，2023 年以來，累計為 260 萬農(nóng)戶提供授信 638.8 億元，其中 53 萬農(nóng)戶首次獲得銀行貸款。
六、科技創(chuàng)新領域：
案例八：國家空間科學數(shù)據(jù)中心、國家高能物理科學數(shù)據(jù)中心、國家天文科學數(shù)據(jù)中心加強空間與天文領域科學數(shù)據(jù)全生命周期治理與融合開發(fā)，打造超 50PB 規(guī)模的高質(zhì)量科學數(shù)據(jù)資源，提供面向超高能宇宙線起源、多波段時域天文等典型科學場景的數(shù)據(jù)分析應用服務，助力取得十余項國際領先的重大科學發(fā)現(xiàn)，加速科學研究范式變革。
案例九：合肥機數(shù)量子科技公司融合 9000 萬化合物、1100 萬化學反應路徑的龐大材料數(shù)據(jù)，打造材料研發(fā)新模式，將數(shù)千次實驗優(yōu)化過程縮短至 300 次以下，開發(fā)效率提升超百倍，大幅提升新材料研發(fā)效率。
七、文化旅游領域：
案例十：湖南省博物院融合 103 萬條文物、11 萬張圖片、2000 余個三維模型等數(shù)據(jù)，推動文物數(shù)據(jù)跨領域融合創(chuàng)新，先后推出云展覽、動畫視頻、沉浸式體驗等 200 余項數(shù)字化項目；舉辦 2 個大型線下數(shù)字展覽，吸引 60 余萬觀眾，實現(xiàn) 2300 萬元票房收入。
案例十一：武漢理工數(shù)字傳播工程有限公司整合多渠道圖書出版標簽、發(fā)行渠道、讀者評價等數(shù)據(jù)，助力出版單位更好把握市場趨勢和用戶需求，已為 300 多家出版單位提供了 1300 多款應用與產(chǎn)品，助力文化市場繁榮。
八、醫(yī)療健康領域：
案例十二：訊飛醫(yī)療科技股份有限公司融合疾病、檢驗、藥物等數(shù)據(jù)，訓練智慧 AI 模型，應用于全國 506 個縣區(qū)的近 5.3 萬個基層醫(yī)療機構(gòu)，服務 6 萬余名基層醫(yī)生，累計提供 7.7 億次輔助診療，大幅提升基層醫(yī)療服務能力。
案例十三：北京市計算中心有限公司通過多渠道、合規(guī)收集海量藥物的研發(fā)關(guān)鍵數(shù)據(jù)，建立專業(yè)化新藥研發(fā)數(shù)據(jù)集，進行智能化分析和數(shù)據(jù)挖掘，有效降低新藥研發(fā)周期，輔助新藥研發(fā)項目 100 余項，人工智能預測靶點超 1 萬余個，為我國創(chuàng)新藥研發(fā)探索新路徑。
九、應急管理領域：
案例十四：廣東省應急管理廳整合 1171 類氣象、水利、林業(yè)等跨部門監(jiān)測數(shù)據(jù)和?；⒌V山等企業(yè)感知數(shù)據(jù)，構(gòu)建大數(shù)據(jù)智慧分析模型，提高了應急管理部門預測預警、協(xié)同處置、輔助決策等能力。2023 年，有效應對了 30 輪強降雨和 6 次臺風，未發(fā)生重大安全事件，顯著提升應急實戰(zhàn)能力。
案例十五：福建省電子政務建設運營有限公司融合 59.8 億條氣象預報、應急物資、救援隊伍等應急數(shù)據(jù)及 2.41 億條危險化學品、工貿(mào)、礦山等企業(yè)數(shù)據(jù)，實現(xiàn)安全隱患智能預警和快速響應，2023 年以來，全省處置各類安全事故 550 余起，有效提升安全生產(chǎn)監(jiān)管水平。
十、氣象服務領域：
案例十六：四川省國土空間生態(tài)修復與地質(zhì)災害防治研究院與四川省氣象臺共同搭建平臺，達成地質(zhì)、氣象等數(shù)據(jù)的協(xié)同效果，極大增強了風險預警的實時性、精準度與實用性。自 2022 年起，有力地支撐了全省范圍內(nèi)發(fā)布地質(zhì)災害氣象風險預警達 5839 次，實現(xiàn)成功避險 123 起。
案例十七：臺州市氣象局嘗試“買保險送氣象服務”的合作形式，讓企業(yè)能從保險公司以低成本獲取實時的風向、風速、雨量、溫度、能見度等氣象數(shù)據(jù)服務，再結(jié)合風功率預報模型、災害風險模型以及智慧工地平臺數(shù)據(jù)，為電力調(diào)度和工程推進提供決策參考，助力風電企業(yè)降低成本并提升效益。
十一、城市治理領域：
案例十八：煙臺市大數(shù)據(jù)中心構(gòu)建鎮(zhèn)街綜合數(shù)據(jù)平臺，整合市、縣、鄉(xiāng)、村四級總共 15 個大類、1300 多萬條數(shù)據(jù)，借助智能報表、智能臺賬等實現(xiàn)報表自由定制、數(shù)據(jù)自動復用以及結(jié)果實時統(tǒng)計，切實減少了基層數(shù)據(jù)的重復填報和手工篩查，減輕了基層在“指尖上”的負擔，基層表格縮減率達 34%、填報縮減率超過 52% ，給基層治理現(xiàn)代化給予了有力的支撐。
十二、綠色低碳領域：
案例十九：國網(wǎng)新疆電力有限公司融合 807 家新能源場站的 5.7 億運行數(shù)據(jù)、8497 萬余條云圖數(shù)據(jù)，創(chuàng)建新能源功率預測及消納能力分析模型，為新能源項目建設、并網(wǎng)運行、動態(tài)消納等提供決策依據(jù)，助力風電短期預測精度提升 4.3%，增加新能源上網(wǎng)電量 31.9 億千瓦時，提高并網(wǎng)效率 30%，為“雙碳”目標的達成貢獻力量。
案例二十：合肥市生態(tài)環(huán)境局融合 11 億條與藍藻治理相關(guān)的數(shù)據(jù)，構(gòu)建智能模型，精確預測巢湖藍藻的發(fā)生狀況，結(jié)合預警信息并提前介入管控，2023 年巢湖水質(zhì)穩(wěn)定保持在Ⅳ類，達到 1979 年以來的最佳水平，巢湖流域生態(tài)得到了系統(tǒng)性的改善。
（本文資料收集自公開渠道，文章、圖片版權(quán)均歸原作者所有，如有侵權(quán)敬請聯(lián)系刪除）
★
南京卓遠數(shù)據(jù)資產(chǎn)入表業(yè)務產(chǎn)品說明
