社区

01 研究范围定义

研究范围

根据国家数据局的定义，数据要素是指能直接投入到生产和服务过程中的数据，是用于创造经济或社会价值的新型生产要素。

爱分析认为，从技术架构的角度，数据要素×市场可以分为两大层次：技术支撑层和行业应用层。技术支撑层构成了数据要素产生和流通的基础设施，涵盖了数据供给、数据流通和数据安全三个关键领域。而行业应用层则是数据要素价值实现的前沿阵地，包括工业制造、现代农业、商贸流通在内的十二个高优先级行业。数据要素×市场划分详见下图。

02厂商全景地图

爱分析基于对甲方企业和典型厂商的调研以及桌面研究，遴选出在数据要素×市场中具备成熟解决方案和落地能力的入选厂商。

03市场分析与厂商评估

爱分析对本次数据要素×项目重点研究市场做如下分析。同时，针对参与此次报告的部分代表厂商，爱分析撰写了厂商能力评估。

3.1 智慧轨交

市场定义：

智慧轨交市场是城市轨道交通数字化转型的关键领域，以数据要素为核心驱动力，通过集成先进的信息技术和人工智能，实现轨道交通系统的智能化管理和服务优化。

甲方终端用户：

轨道交通企业的IT、数据管理和业务部门

甲方核心需求：

在智慧轨交领域，甲方的核心需求集中在三个关键领域：数据标准的制定与执行、数据的分级分类、以及应用层面的降本增效。首先，甲方强调建立统一的数据标准，以确保数据的一致性和可靠性，同时要求厂商具备深入理解行业特定数据标准的能力。其次，甲方需对数据进行精确的分级分类，以构建体系化的数据资产并保障数据安全，期望厂商能够提供专业的咨询服务。最后，甲方追求通过精准的业务分析和技术应用，实现项目中的成本效益最大化，特别是在日常工作中降本增效。

• 甲方需要制定数据标准，以确保数据的一致性和可靠性。甲方的核心需求之一是数据标准的制定与执行，这包括专业领域和内部管理两个方面。甲方需要形成规范性、完整性的数据来源，以确保数据的一致性和可靠性。智慧轨交数据标准的挑战在于它涉及众多专业知识，如供电系统方面包括外部电源 、主变电所、牵引供电系统、动力照明供电系统、电力监控系统等众多子系统。

• 甲方需对数据进行精确分级分类，以构建体系化的数据资产并保障数据安全。甲方对数据的分级分类给予了高度重视，这不仅是为了满足数据资产管理的体系化构建，更是为了确保数据的安全性和合规性。在分级方面，甲方需要根据数据的敏感性和安全性要求，对数据进行严格的安全分级，以保护关键信息不被未授权访问或泄露。分类工作则要求将不同数据归入适当的类型，这涉及到对数据及其应用的深刻理解。首先，分类要求明确数据的来源，了解数据的生成背景和过程。其次，需要预测数据的未来用途，以便为其分配合适的类别。

• 甲方追求通过精准的业务分析和技术应用，实现智慧轨交项目中的成本效益最大化。甲方在智慧轨交项目中的核心需求聚焦于应用层面，特别关注于解决日常工作中的降本增效需求。在智慧轨交领域，降低运营成本和提升运营效率是普遍追求的目标。面对众多应用场景，甲方面临的挑战在于如何优先排序实施计划，以及如何识别出最具价值的应用场景，这对于实现降本增效至关重要。为了有效识别和实施最有价值的应用场景，甲方需要技术厂商提供深入的业务理解和数据分析能力。

厂商能力要求：

在智慧轨交项目中，技术厂商需具备三项核心能力以满足甲方的需求。首先，厂商必须对轨道交通数据有专业理解和标准化采集能力，确保数据采集的一致性和系统性。其次，厂商需精通核心应用场景，以确保解决方案的针对性和实用性，并助力甲方进行数据驱动的决策。最后，厂商应提供一个强大且用户友好的产品平台体系，使甲方能够自主管理和扩展数据应用，从而推动智能化数据应用的持续成长。

• 厂商需具备对轨道交通数据的专业理解和标准化采集能力。厂商在智慧轨交项目中首先必须对数据有深入的理解。面对轨道交通领域的众多专业，如车辆、信号、供电、客流、票务等，厂商需要对这些数据的范围和含义有深入的认识，这是提供有效解决方案的基础。在此基础上，厂商需基于对数据的专业认知，形成一套标准化的数据采集方法。这包括确定数据接口的规范、定义数据点表的结构等，以确保数据采集的一致性和系统性。厂商在不同项目中应不断规整和优化数据采集标准，通过与不同甲方的对接过程中积累经验，沉淀知识，从而解决数据标准问题。

• 厂商需精通智慧轨交的核心应用场景。厂商在智慧轨交项目中必须对典型的应用场景有深入的熟悉和理解，这不仅有助于与甲方进行有效的沟通和引导，还能确保解决方案的针对性和实用性。厂商需要掌握如何构建数据框架和挖掘数据价值的方法，特别是在客流分析、运维管理、能耗监控和票务系统等核心应用场景中。厂商的这一能力要求其不仅要有理论知识，更要有实际落地的经验。通过这些经验，厂商能够向甲方展示如何通过数据驱动的决策来优化资源分配和项目规划，从而确保降本增效的措施得到有效实施，并带来实际的业务效益。

• 厂商需构建一个强大且用户友好的产品平台体系。厂商在智慧轨交项目中需要提供一个强大且易于使用的产品平台体系，使甲方不仅依赖厂商的实施团队，还能自主使用这些工具，从而推动智能化数据应用的持续成长。厂商的平台应支持甲方构建和管理自己的数据资产，甚至能够参与到数据要素的创造过程中。通过这样的平台，甲方能够将自身的经验和知识内化到解决方案中，使得项目更加贴近其实际运营需求和业务价值。

入选标准：

1. 符合智慧轨交市场分析的厂商能力要求；

2. 近一年厂商在该市场的营收不低于100万元；

3. 近一年厂商在该市场的付费客户不低于1个。

代表厂商评估：

逸迅科技

厂商介绍：

上海逸迅信息科技有限公司(以下简称“逸迅科技”)成立于2012年，是一家专注于为交通运输、制造、能源、政府等行业提供一站式数智化解决方案的供应商。同时，逸迅聚焦重点行业业务场景，提供行业或业务场景解决方案，涵盖城市轨交智能运维、铁路运输数字孪生场站、智慧微城市运营、电力业务分析与监管等。

产品服务介绍：

逸迅科技提供自主研发的一站式数智化软件平台和方案，包括Datapump+（数据同步集成平台）、XGov（数据质量管控平台）、DIPC（数据集成开发平台）、XIoT（物联网中台）、Xunfly Cloud（三维可视化云平台）等产品。

图表 1 逸迅数智化软件产品栈

其中，基于公司自研的数智化产品技术底座，以及轨交大数据服务与实施团队丰富的落地经验，构建了涵盖安全生产网、内部管理网、外部服务网的轨道交通全域数据解决方案Metro Dataforge。

图表 2 Metro Dataforge解决方案架构图

厂商评估：

逸迅科技作为大数据中台和数据服务领域的先行者，汇集了来自知名科技企业的大数据专家及拥有轨交行业的数据服务经验的专业人员，形成了一支专注于轨交大数据服务与实施团队。逸迅提供的全域数据解决方案Metro Dataforge，在轨道交通领域沉淀了20余个算法模型和650多个指标。并且，逸迅科技基于轨交指标构建了数据应用的价值评估体系，助力客户筛选高价值的应用场景，确保降本增效的实效。此外，逸迅还提出了一套智慧轨交项目实施方法论，涵盖需求分析、总体设计、数据采集、数据开发、数据治理到应用支撑的全流程，保障项目的顺利落地。

• 逸迅科技汇聚大数据与轨交行业专家，成立轨交大数据服务实施团队。逸迅科技自成立之初便专注于数据治理、数据中台等数据产品及服务领域，期间积累了丰富的项目经验。公司汇聚了一批具有丰富经验的大数据专家，多名核心技术人员曾就职于Intel、IBM、华为、星环等知名科技公司。随着公司在轨交行业的深入发展，逸迅科技也吸纳及招募了一批了解轨交行业并具备项目实施经验的专业人士。

• 逸迅科技将这两类专家资源进行整合，形成了一支既懂大数据技术又熟悉轨交行业的服务实施团队。该团队在轨道交通领域的应用场景覆盖广泛，包括安全生产网、内部管理网以及外部服务网等全域场景。在业务服务方面，团队能够提供从前期咨询到实施落地，再到后期运维的全方位服务，以支持轨道交通行业的数字化转型需求。

• 逸迅科技沉淀20+算法模型和650+指标体系，打造全域数据解决方案。逸迅科技依托其在轨道交通领域的深厚经验，逐渐形成了基于轨道交通行业的全域数据解决方案—Metro Dataforge，旨在全面覆盖轨道交通的安全生产、内部管理和外部服务等关键领域。该方案能够整合并处理来自车辆、信号、供电等多个源头的复杂数据，提供从数据接入到治理，再到应用的一体化服务。

• Metro Dataforge方案中包含了20余个为轨交行业特别设计的算法模型，这些模型覆盖了机电设备健康度分析、牵引能耗预测、换乘客流分析等多个方面。此外，该方案还建立了包含650多个指标的轨交指标体系，涉及客流、运行、设备状态等多个维度。这些算法模型和指标体系的构建，使得逸迅科技的解决方案能够深入挖掘城轨云数据的价值，为轨道交通行业提供深刻的业务洞察。

• 逸迅科技以轨交指标为基础构建价值评估体系，引导客户筛选高价值应用场景。在智慧轨交项目中，降低成本和提高效率是普遍追求的目标。然而，面对众多的应用场景，如何决定哪些应该优先实施，哪些可以暂缓，对于轨交客户来说是一个挑战。这导致难以准确识别出最具价值的应用场景，影响降本增效的实际成效。

• 针对这一问题，逸迅科技依据国家标准、地方标准及企业标准，细致梳理并建立轨交指标体系。在此基础上，逸迅科技进一步构建了一个价值评估体系，旨在为客户展示数据的全方位价值。该价值评估体系能够帮助企业客户根据自身的实际情况，快速且准确地识别出具有高价值的应用场景。通过这一体系，逸迅科技引导客户进行合理的资源分配和项目规划，确保降本增效的措施能够具体实施并产生实际效益。

• 逸迅科技提出智慧轨交项目实施方法论，保障项目成功落地。在轨交行业，逸迅科技已成功服务于多家企业，包括业务主导方、设计院、大型独立软件供应商(ISV)以及系统集成商等。基于这些服务经验，逸迅科技提出了一套针对轨交行业数据类项目的实施方法论，该方法论已在多个项目中得到应用并取得了显著成效。

该方法论包含六个关键步骤：

1) 需求分析：结合既有项目案例和数据标准与业主进行现场需求沟通、数据情况和应用场景的梳理，确保对用户建设要求有清晰的理解并保证落地可行性。

2) 总体设计：结合行业方案优先实践和公司既有产品，制定总体方案、技术架构和数据架构的设计，为项目奠定坚实的基础。

3) 数据采集：在标准先行的基础上，完成涵盖安全生产网、内部管理网、外部服务网的数据对接，确保数据的实时性、全面性和准确性。

4) 数据开发：包括数据分级分类设计、主题库和专题库的构建，在完成数字资产沉淀的同时为数据分析和应用提供支持。

5) 数据治理：结合逸迅数据治理产品，完成涉及元数据管理、主数据管理、数据质量管理、数据资产管理、数据安全等治理工作，确保轨交数据长期的质量和价值。

6) 应用支撑：提供列车运行、应急调度、设备运维、能耗分析、客流预测等多场景的应用支持，实现数据价值的转化。

图表 3 智慧轨交项目实施方法论

针对一些企业客户在数据规范方面的不足，逸迅科技还提供咨询规划服务。这些服务旨在帮助客户提升数据安全、数据标准、数据质量、数据共享和数据组织等方面的规范性，从而为客户的成功实施数据类项目提供保障。通过这些综合性的服务，逸迅科技致力于帮助客户实现数据的高效采集、开发、治理和应用，推动轨交行业的数字化转型。

典型客户：

某一线城市地铁集团有限公司技术中心、某省轨道交通系统工程有限公司、某一线城市地铁维护保障有限公司、某北方城市2号线地铁业主、某省会城市地铁业主

3.2 可信数据空间

市场定义：

可信数据空间可以视为“数据安全共享屋”，它是一个在法人组织内部或跨组织间建立的，旨在确保数据安全流通和共享的平台。如果是跨组织形式，可信数据空间一般是行业链条或区域范围内的链主企业或政府牵头，为参与各方提供一个可信赖的数据交互环境。

甲方终端用户：

政府机构、公安部门、央国企以及大型集团企业的IT、数据管理和业务部门

甲方核心需求：

在可信数据空间市场中，甲方的核心需求聚焦于三个关键领域：首先是打破内部数据共享壁垒，解决层级结构和复杂关系网带来的挑战，以及数据权责关系梳理的复杂性；其次是确保数据安全和隐私保护，应对数据泄露或丢失的风险，特别是在技术发展带来的新挑战面前；最后是实现数据共享的操作便捷性和卓越用户体验，包括技术挑战、用户体验、安全性和合规性，以及技术和业务的协同。

• 甲方亟需打破内部数据共享壁垒。大型组织在推进数据共享时面临着层级结构和复杂关系网的挑战，这些组织在数据权责关系上的梳理、明晰和议定工作复杂且推进难度大。即便一些数据掌握方认识到数据共享的价值，也因数据透明度的提高可能压缩业务操作空间，或担心失去数据控制权而降低部门影响力，从而对数据共享持保守态度。这种矛盾导致数据共享工作的推进更加困难。例如，在某大型制造企业中，生产部门掌握着关键的生产效率和质量控制数据，而研发部门需要这些数据来优化产品设计和流程。然而，生产部门担心数据共享可能会暴露其生产过程中的弱点，影响部门业绩评价，因此不愿意共享这些数据。即使在公司层面有明确的数据共享政策，生产部门仍然设法拖延，比如频繁更改数据访问权限，使得研发部门难以及时获取所需信息。这种不合作的态度导致研发部门在产品改进上进展缓慢，新产品的开发周期延长，最终影响了公司的市场竞争力和客户满意度。

• 确保数据安全和隐私保护是甲方在数据共享中的核心关切。面对数据泄露或丢失的风险，甲方在数据共享上表现出谨慎态度。随着技术的发展，数据安全风险变得更加复杂，特别是在API安全和第三方组件引入的漏洞方面。甲方需要在共享前仔细考量共享的数据类型、方式、权限边界，以及潜在的安全风险和责任问题。例如，数据在存储和访问过程中可能面临原始数据被错删或篡改、数据泄露的风险。同时，数据全生命周期的安全管理机制不健全，数据安全技术防护能力亟待加强。此外，采用新技术可能会引入新的安全保密风险，特别是在大数据应用中，开源的大数据管理和技术对安全功能需求考虑较少，由此会引入新的安全保密风险。

• 甲方需要数据共享的操作便捷性和卓越用户体验。即便在解决了意愿和安全顾虑之后，甲方仍面临如何操作数据共享的难题，这涉及到技术挑战、用户体验、安全性和合规性，以及技术和业务的协同。甲方需要技术厂商提供解决方案，打通数据壁垒，建立统一的数据目录体系，提供直观易用的平台界面，以及实现数据的统筹利用和动态扩展。这些需求强调了在数据共享过程中，技术厂商不仅要保障数据的安全和合规性，还要确保数据共享的便捷性和用户体验。

厂商能力要求：

在可信数据空间市场中，厂商需满足三项关键能力要求以响应甲方的核心需求。首先，厂商必须将数据权限管理和咨询服务内化于软件产品中，实现数据资源的有效组织与流转，特别是在解决数据持有权、管理权、使用权三权分立的问题上。其次，厂商需构建全面的数据安全防护体系和灵活的物理分布方案，以增强甲方对数据共享的信心，并解决数据安全顾虑。最后，厂商应提供全面、易用的数据共享解决方案，覆盖数据共享的整个闭环，并支持多样化的数据交换和授权机制，以解决甲方在数据共享操作中的实际难题。

• 厂商必须将数据权限管理和咨询服务内化于软件产品中，以推动甲方数据资源的有效组织与流转。厂商在解决甲方不愿共享数据的问题上，需要提供创新的解决方案，特别是在数据的持有权、管理权、使用权三权分立的问题上。厂商必须具备相关的技术和咨询服务能力，以促进甲方组织和流转其数据资源。这不仅涉及到技术层面的权限设计，还包括管理层面的策略建议，以解决管理上的不愿共享问题。厂商提供的解决方案需要在软件产品中得到实际应用，而不仅仅是停留在理论或PPT演示层面。这意味着厂商的方法论必须能够在软件中得到体现和支持，确保三权分立的概念能够在实际操作中得到执行。

• 厂商需构建全面的数据安全防护体系和灵活的物理分布方案，以增强甲方数据共享的信心。针对甲方在数据共享中不敢共享的问题，厂商必须具备强大的平台和技术安全可信能力。为此，厂商需要构建一套完善的数据安全防护体系，以解决客户在数据共享过程中的主要顾虑。这包括复杂的数据权限控制合约技术和数据安全标签机制，以及结合云SDN网络级权限控制、数据级权限控制和行列级权限控制的多层次安全措施。此外，厂商还需提供灵活的数据物理分布方案，以满足不同客户的需求。这些方案可以包括将数据在物理上集中存储，通过多租户体系实现逻辑上的隔离，或将数据保留在原单位，通过分布式空间连接和多模态数据交换通道，实现物理上分布的多个系统在逻辑上的互联互通。

• 厂商需提供一套全面、易用的数据共享解决方案，覆盖从数据发布到评价的整个闭环，并支持多样化的数据交换和授权机制。针对甲方在数据共享中面临的“不会共享”问题，厂商的平台必须具备完整的数据共享闭环能力，包括数据的发布、检索、申请和评价等环节。同时，平台的易用性也至关重要。厂商可以从数据共享通道、交换对象和共享方式等维度入手，打造易于使用的数据共享产品。在数据共享通道方面，厂商需提供多种方式，如API、文件传输、对象存储和消息队列，以满足不同场景的需求。在数据交换对象方面，厂商的能力应涵盖结构化数据和非结构化数据的共享，包括文档、图片和音视频等格式。此外，厂商还需提供灵活的授权机制，支持点对点授权和广播式共享，以便用户能够根据实际需求灵活选择数据共享方式。

入选标准：

1. 符合可信数据空间市场分析的厂商能力要求；

2. 近一年厂商在该市场的营收不低于100万元；

3. 近一年厂商在该市场的付费客户不低于1个。

代表厂商评估：

品高软件

厂商介绍：

广州市品高软件股份有限公司（以下简称“品高软件”）成立于2003年，是一家专业的云计算及行业信息化服务提供商，产品与服务范围覆盖了从IaaS基础设施层、PaaS平台层、DaaS数据层到SaaS软件层的全栈企业级云平台和信息化服务。品高软件凭借全面的技术解决方案，已服务政府、公安、电信、轨交、汽车、金融、教育等多个行业的客户。

产品服务介绍：

BingoInsight是企业级私有云数据湖产品，能够实现全数据形态的共享存储，提供数据资源发布、数据存储、数据编目、数据使用及数据评价等全生命周期的数据开放支撑，并可通过联邦数据湖解决跨组织边界数据主权和数据信任问题。

BingoInsight同是也是国内较早融合数据空间技术的数据湖产品，能够有效实现巨复杂组织生态的数据隔离与交互共享，2022年便已在某省级政务数据平台成功实施落地。用户能在同一个数据平台创建多个虚拟的“数据空间”，也支持物理部署多个数据空间，每个空间都可以作为一个独立的数据环境，各个空间既相互独立又互相联通。

图表 4 BingoInsight 整体架构示意图

厂商评估：

品高软件针对复杂组织在数据共享方面面临的挑战，提出了一系列创新的解决方案。品高软件通过“三权分立方法论”解决了组织内部不愿共享数据的问题，打造了特种装备级的数据安全体系以消除数据共享的安全顾虑，并通过易用性设计简化了数据共享的流程。此外，品高软件强调规划设计的重要性，从全局视角掌控数据共享，确保项目成功。品高软件的开放设计理念兼容了现有的第三方数据平台，支持分布式部署，并实现了异构平台的统一。

• 品高软件提出“三权分立方法论”，解决复杂组织不愿共享数据的难题。在大型组织的层级结构和复杂关系网中，推进数据共享面临诸多挑战。这些组织在数据权责关系上的梳理、明晰和议定工作复杂且推进难度大。即便一些数据掌握方认识到数据共享的价值，也因数据透明度的提高可能压缩业务操作空间，或担心失去数据控制权而降低部门影响力，从而对数据共享持保守态度。这种矛盾导致数据共享工作的推进更加困难。

• 针对“不愿共享”这一行业难题，品高软件凭借其在政府、公安、央企等关键领域的深厚经验，提出了“三权分立方法论”。该方法论已成功应用于BingoInsight 产品中。核心思想是在数据集中管理的基础上，实现领域数据的自治。品高软件利用分布式多层级数据空间网络和数据虚拟化技术，构建了一个集中管理与数据自主控制相结合的体系，实现了数据所有权、使用权和管理权的合规分离。通过这种分离，每个组织单元既能完全控制其共享的数据，又不妨碍其他单位的正常数据使用，有效平衡了数据共享与数据控制权之间的关系。

• 品高软件打造“特种装备级”数据安全防护，解决复杂组织不敢共享数据的难题。在推动复杂组织数据共享的过程中，数据安全是关键的考量因素。许多组织对于数据共享持谨慎态度，主要担忧在于数据泄露或丢失的风险。品高软件凭借在特殊行业的丰富服务经验，构建了一套特种装备级的数据安全防护体系，以解决客户在数据共享中的主要顾虑。

• 该体系的首个亮点是其复杂的数据权限控制合约技术。针对传统数据安全控制中存在的局限性，品高软件引入了数据安全标签机制，能够对数据表、数据行、数据列分别标注不同的安全级别，如涉密、敏感或普通等。此外，通过设置基于安全标签的访问策略，结合云SDN网络级权限控制、数据级权限控制以及行列级权限控制，品高软件实现了对数据安全的全方位、多层次保护。

• 第二个亮点是品高软件提供灵活的数据物理分布方案，以满足不同客户的需求。第一种方案是“物理汇聚、逻辑分治”，即所有单位的数据在物理上集中存储，通过多租户体系实现逻辑上的隔离。对于对数据安全有更高要求的客户，品高软件提供了第二种方案——“物理分治、逻辑一体”，即数据保留在原单位，通过分布式空间连接和多模态数据交换通道，实现物理上分布的多个系统在逻辑上的互联互通，确保了数据的安全性和组织的控制权。

• 品高软件打造好用的产品，解决复杂组织不会共享的难题。即便在克服了数据共享的意愿和安全顾虑之后，许多组织在实际操作中仍面临“不会共享”的问题。品高软件针对这一难题，从数据共享的通道、交换对象和共享方式三个维度入手，打造了易于使用的数据共享产品。

• 在数据共享通道方面，品高软件提供了多样化的选择以适应不同的业务场景。对于少量数据查询的需求，品高软件通过API服务实现快速的数据交互；对于需要周期性进行的批量数据交换，品高软件支持通过文件或对象存储的方式进行；而对于需要实时处理的事件类数据，品高软件提供消息队列服务以保证数据的即时传输。

• 在数据交换对象方面，品高软件的能力不仅限于结构化数据，还能处理文档、图片、音视频等非结构化数据的共享，满足不同格式数据的共享需求。

• 在共享方式上，品高软件提供了灵活的授权机制。一种是点对点授权，允许数据在特定组织间直接共享；另一种是广播式共享，即组织可以将数据发布到数字目录中，使得其他组织能够看到完整的数据空间网络目录，并根据需要申请相应的访问权限。

• 品高软件让规划设计先行，全局掌控数据共享。在数据共享项目中，厂商对甲方数据的全局规划设计能力至关重要。这不仅涉及到局部业务，而是关乎整个组织的全局性问题，是一项复杂的综合性任务。仅了解局部业务远远不够，必须从企业架构的高度出发，进行顶层设计和规划咨询，以确保数据共享项目的成功。

• 品高软件的目标是通过平台软件和数据空间的支撑，构建起整个组织的数据资源体系，以支持数字化转型中的应用需求。这包括全面的需求调研，摸清组织的架构、数据架构和应用架构，基于这些架构的清晰理解，进行数据的汇聚和共享。

• 品高软件采用开放设计，兼容复杂组织已有数据系统。品高软件在设计其数据平台时，采用了高度开放的策略，以适应大型客户的复杂需求。这些客户往往拥有多个部门或子公司，并且已经部署了各自的数据平台。在这种现实情况下，推行一种完全取代现有系统的方案是不切实际的。因此，品高软件的数据空间网络设计为能够兼容并整合现有的第三方平台，通过其开放性将这些系统纳入到统一的企业级数据空间网络中。

• 品高软件的解决方案支持分布式部署，这允许在不同的地点或组织单元进行数据的本地存储和管理，同时保持了数据的互联互通。部署完成后，这些分布式的节点能够级联起来，形成一个统一的数据网络，从而实现了数据的集中管理和协同工作。

• 此外，品高软件还能够在异构的基础上实现平台的统一。通过使用数据连接器标准，品高软件能够将不同业务单元的异构平台、技术和数据库连接至一个统一的数据网络。这种设计允许各业务单元继续使用它们熟悉的技术，同时能够无缝地融入到更广泛的数据生态系统中。

典型客户：

某省级政务大数据平台、某省级公安大数据平台、某大型国企

04入选厂商列表