数据安全行业发展趋势，数据安全行业市场规模分析

数据安全行业发展趋势如下：据国际数据公司（IDC）预测，到 2025 年全球数据量复合增长率达到27%，其中超过80%数据由各类音视频、日志、文档等非结构化数据构成。

数据安全行业发展趋势

在政策和市场的牵引下，数据要素流通正迎来加速期，来源多样、类型丰富、形态复杂的数据投入生产和服务，数据价值加速释放。

在数据流通利用过程中，海量、多元、非结构化数据成常态，数据融合汇聚更为频繁，引发数据类别、级别、形态发生新变化，流通数据的开发程度更高。

一是非结构化数据占比高、增速快、价值高，逐渐成为数据要素流通的重要对象。据国际数据公司（IDC）预测，到 2025 年全球数据量复合增长率达到27%，其中超过80%数据由各类音视频、日志、文档等非结构化数据构成，且分散在不同的数据载体和系统中。

非结构化数据所包含的部门管理数据、行业应用数据和新兴业务数据等蕴含巨大价值。国际知名调查机构Igneous发布的2022年数字经济报告显示，三分之二的非结构化数据被认为具有中等到较高的价值。

非结构化数据潜在价值使其逐步成为数据流通重要对象。中国信息通信研究院安全研究所调研3显示，高达52.2%的被调研企业已经进行了非结构化数据的流通。

二是数据集中、整合、流通引发数据融合汇聚。数据融合已成为弥补数据割裂性，充分释放数据新价值的必然选择。在数据要素流通的背景下，多领域、多部门、不同子系统之间的制造数据、用户数据、技术数据、流程数据等通过集中、整合、共享进行关联互补，有效支撑企业推进生产智能化、服务多元化、产品定制化。

例如，用户上网数据、通信数据、身份特征、行为偏好、社交关系等生活类数据组合形成征信报告；金融数据和通信行业数据汇聚分析判定黑名单用户等。在数据融合汇聚的场景下，原本由各种应用系统管理和控制的低敏感程度数据经过组合、关联和分析后，可能产生敏感个人数据、重要数据、核心数据等高敏感度数据。

三是模型化数据、人工智能化数据参与数要素流通，数据开发层级更加丰富。在原始数据、脱敏数据流通的基础上，数据与服务、算法等结合形成模型化数据、人工智能化数据，形成“数据+服务”、“数据+算法+算力”等数据要素形态参与流通，成为典型的数据要素流通形态。模型化数据在原始数据基础上，结合用户需求进行模型化开发。

例如，互联网企业用于精准营销的用户画像“标签”。人工智能化数据一般是在原始数据、脱敏数据、模型化数据之上，结合机器学习等技术形成的智能化能力，比如人脸识别、语言识别等，其主要依托海量数据实现。模型化数据、人工智能化数据的数据交易流通场景实际上是“数据+算法+算力”的综合体流通，数据流通与算力、算法结合更为紧密。