一、交通領域數據分級分類

01、數據的風險等級

數據風險主要包括泄漏、濫用、違規、傳輸、非法訪問等。為了能夠保障數據合規有效流通起來，需要構筑三道防線：管理防線、法律防線和技術防線。各個行業都在緊鑼密鼓地推進構筑這三道防線，尤其是落實在具體操作層面。三道防線的核心理念是平衡與合規、合法。

在平衡合規與發展過程中，技術防線一般都聚焦在數據分類分級。比如，上海市委網絡安全和信息化委員會辦公室發布的數據分類分級指南提出“四個危害對象”和“三個風險等級”，其中“四個危害對象”分別為國家安全、公共利益、個人權益、組織權益；“三個風險等級”則為核心數據、重要數據和一般數據。不同級別的數據采取不同的保護措施。國家對個人信息和重要數據進行重點保護，對核心數據實行嚴格保護。這意味著將來核心數據是難以在市場上進行流通交易的。

02、交通數據的分類分級

在交通領域，交通運輸部辦公廳最近發布的《公路水路交通運輸數據分類分級指南》，把危害對象分為了五個，區分得更細致，但風險級別還是三級。交通是公益性的服務，所以把政治安全和國家安全放在非常重要的地位，同時又將運行安全、社會穩定、公共安全納入其中。既然核心數據難以被流通交易，那就需要對數據進行降維處理，比如進行數據脫敏等，實現數據風險等級降級。

交通是大行業，按業務領域進行分類，可分六大領域：公路、道路、城市交通、水路交通、公共交通和其他交通。分類之后是進行分級，對于如何區分核心數據、重要數據，交通運輸部門提出了三個指標：規模、精度、深度。精度涉及到高精度定位，數據開發利用存在一定的困難；深度涉及到敏感信息挖掘的程度。

03、交通數據分類分級案例

同濟大學支撐上海市大數據中心交通委團隊，按照規模、精度、深度三個維度將交通領域數據分成紅、橙、藍三色屬性。數據精度方面，危險品運輸如果涉及實時定位信息，則屬于紅色核心數據。在保證合規的前提下，如何應用這些信息是關鍵。數據深度方面，雖然交通領域涉及到個人ID等信息，但是深度不一樣。如果在這些身份信息上進行了深度挖掘，且又具有一定規模，那可能會得到深度敏感信息，這也屬于紅色核心數據。

數據分類分級另外一個比較好的案例，是智慧民航數據治理規范數據安全。智慧民航針對不同危害對象，然后提出不同的風險等級標準。對于智慧民航來講，安全準則也是三道防線。比如第一道防線合規，更多的是從法律層面講；從技術層面上，需要全程可控；從管理層面上來講，希望云平臺能實現動態可控和可審計。歸根到底智慧民航還是圍繞危害程度、分級標準和三道防線來構筑，實現不同領域、不同行業數據的分類分級。

智慧民航另外一個非常好的概念，就是對數據全生命周期的保護。從數據采集、傳輸、存儲、使用、共享和銷毀全生命周期，都要求對數據進行分類分級。尤其是分級以后需要采取安全防護做事。比如四級以上安全風險，針對數據存儲提了一個非常明確的要求：即網絡安全建設及監督管理宜滿足網絡安全等級保護3級要求。三級以上安全風險，在數據傳輸過程中，物理介質傳輸不離開相關責任人監視控制范圍，并提出了一些非常明確的相關措施來實現整個數據分級分類的指導。

二、如何實現交通數據資產化

01、七層級數據資產化中臺

交通領域數據資產化在上海市交通委科技信息處的指導下正在形成一個統一的框架，即考慮七層級要素數據資產化中臺。那么如何實現交通領域數據資產化促進數據的流通？

第一層級是數據對象。把數據底座打牢，上海智能交通系統的頂層設計很明確提出“七可”數字底座：可監測、可視化、可交互、可預測、可決策、可賦能、可拓展。

第二層級是質量評估。保證交通領域數據可以交易流通，其本質是不需要垃圾數據的，而是要高質量數據。因此，數據質量的評估指標和評價方法的提出是非常關鍵的。

第三層級是價值評估。針對不同的用戶需求，其數據價值是不一樣的。同樣的，數據價值的評估指標和評價方法的提出是非常關鍵的，也是數據價值實現的前提保障。

第四層級是權屬管理。基于區塊鏈的數據確權，包括數據資源持有權、加工使用權、產品經營權等。需要強調的是，在擁有數據的同時還需要承擔相應的數據風險。

第五層級是數據治理。在數據安全風險評估的基礎上，分級分類只是數據治理的一部分，還有信息安全、算法殺熟等數據治理問題。此外，數據治理要把數據本身的標準化提到非常重要的位置，甚至作為數據治理的主要方向。

第六層級是交易平臺。任何數據都難以實現點對點的交易流通共享，這時需要一個數據交易平臺，它是架起數據生產者、數據消費者和數據使用者之間的橋梁。

這六個層級如果都實現了，才能真正考慮數據具體的應用場景，這是第七層級。為了搭建交通領域數據資產化的中臺，我們在架構體系里考慮了七個層級。我們舉一個應用案例，自動駕駛已廣泛開展全鏈條測試。全鏈條測試是自動駕駛技術全面落地前的完整測試過程，包括仿真模擬測試、封閉場地測試、開放道路測試、示范應用測試，共四個環節。大規模的道路測試產生了海量的數據，蘊含高額潛在價值，亟需通過數據資產化方式來賦能自動駕駛技術的發展、智能汽車與智能交通產業生態的構筑。然而，自動駕駛路測數據資產評估卻面臨數據安全難保障、數據質量難確保、數據價格難確定、數據權屬難明確等四難挑戰。從政府和企業來講，都面臨如何提升自動駕駛技術，實現商業價值的問題。如何釋放海量測試數據的作用是迫在眉睫的。

02、如何應對四難挑戰

為了應對四難挑戰，可以從資產化的視角出發。在整個數據資產化發展過程中，從數據到數據資源，再到數據資產及產品，數據的定義、權屬、質量和價值四個維度是不一樣的。數據資產化就是以數據為載體和表現形式，能夠持續發揮作用并且帶來經濟利益的數字化資源。最近我們同濟大學正在跟智能汽車創新發展平臺（上海）有限公司合作，圍繞自動駕駛全鏈條數據如何實現數據資產化，來打造一些數據產品，進而實現數據資產的交易價值。通過我們初步的研究分析，數據質量越高，交易量增加幅度就越大。因此，數據質量是實現資產交易最關鍵的要素。數據資產化后，不管是信息量、定價還是數據產生的整體效用，都增加了，這對生產者、數據交易所平臺、消費者都有好處。

關于數據隱私問題，在數據合規發展的過程當中，如果數據涉及國土安全等，就不能被交易共享流通，數據要被保護起來，對數據的信息量、定價和整體的效益利潤率都會大大降低。我們最近的研究表明，如果對數據采取脫敏脫密等措施，可以大大加快數據的交易共享流通。

最后，就是數據的標準化問題。2021年由上海市交通委科技信息處牽頭成立了上海市智能交通標準化技術委員會，同時編制了上海市智能交通標準體系，涉及到4大類23個門類。4大類里面有一類是基礎類。基礎類有幾個方面是跟數據相關的。其中一個是參考架構，數字底座的架構能不能統一除了架構以外，還需要把數據分類分級、模型體系、數據質量、數據價值、數據安全、交易標準等進行標準化統一。

03、結語

這僅僅只是交通領域的數據，如果針對全市全行業數據來說，數據標準的內容和要素會更多。數據資產化的標準化，包括數據資產識別、檢索、應用、審計、變更、盤點。

我的總結語就是：數據本身是無用的，除非從中獲取到有價值的洞察！