全球实体开放数据价值研究报告：依托开放实体图谱赋能协作、创新与转型

将世界最大的开放实体图谱转化为协作、创新和转型的催化剂 2026年6月 开放数据对全球实体的价值 OpenData.Org数据集涵盖3.24亿个组织、12亿人口和5.12亿个地点，遍布222个国家，所有数据均来自10万多个经过验证的公共来源。 共享开放标识符通过连接跨部门实体来消除重复记录、统一数据系统，并为企业提供单一事实来源（高德纳）。 “开放数据是下一代能动型人工智能的基石。”——Linux基金会首席执行官吉姆·泽姆林 (Jim Zemlin) 金融机构在实体识别和尽职调查流程中部署代理式人工智能，或将实现2000%的跨越式生产力提升（麦肯锡）。 OpenData.Org的标准化标识符和元数据为LLM提供了可靠的事实基础，使AI代理能够进行推理，而不会产生幻觉或错误归因。 开放实体数据通过将法人实体与其物理位置、供应商网络和材料相连接，从而为供应链和ESG报告形成闭环。 2023年，经授权的推送支付欺诈金额已超过1万亿美元。共享实体解析数据有助于金融机构核实收款人、检测“马仔”账户，并识别异常情况（Experian）。 各组织机构共同投入数十亿美元来清理相同的核心实体数据。通过开放数据共享资源，可以降低运营成本并提高数据准确性（麦肯锡/GLEIF）。 以隐私为先设计上，OpenData.Org完全符合GDPR、CCPA及全球隐私法规；其治理流程也尊重被遗忘的请求。 公开授权、高质量、共同维护的数据集的机会，对于每一位人工智能技术提供者和使用者来说，都简直是难以置信的。—— Gabriele Columbro，FINOS执行董事 “了解你的代理”是新兴的合规前沿，其中规范化的开放实体标识符成为跨公司工作流程中验证代理身份的信任层。 专有、封闭式实体数据时代正在终结。OpenData.Org 为信用局标识符和商业企业画像供应商提供了开放式的替代方案。 开放数据对全球实体的价值：主要应用案例 组织因数据质量差而损失数百万。实体解析和主数据管理链接记录、消除重复项，并为更好的决策创建统一视图。 开放数据和人工智能简化了贸易合规流程，降低了入职成本，提升了跨公司身份核验效率，并通过共享实体图谱和自动化工作流加速了欺诈检测。 开放实体图谱可降低银行成本，优化资本市场分析，并整合公司关系，以实现跨开放数据集的风险识别、投资组合筛选和监管洞察。 检索增强生成技术结合结构化与非结构化信息，利用大型语言模型提升富含事实依据的响应质量，支持实时实体解析，并强化跨风险领域的分析能力。 多智能体基础设施整合实体图、智能体身份框架、零信任身份与访问管理架构以及互操作性协议，以支撑了解你的智能体应用的工作流程和治理模型。 为AI代理提供基础/根基在标准化实体数据、知识图谱和溯源追踪中，有助于减少幻觉，提高准确性和检索能力，并增强跨领域智能。 单一实体视图会限制客户终身价值。集成实体图谱可以更全面地描绘客户，揭示增长潜力，优先考虑机遇，并深化长期、盈利的客户关系。 基于图的信用模型将企业实体与财务数据联系起来，以优化风险评估、识别困境、为信贷决策提供信息，并加强跨市场的信用监控。 环境、社会及管治（ESG）报告依赖于具有位置感知能力的实体图谱，将供应商、分销商、工人、物料和资金流连接起来，以评估供应链绩效。 地理空间和经济数据指导灾害规划、恢复和资源分配。开放数据集和人工智能模型促进危机后的跨境协调、治理和韧性发展。 企业情报通过分析公开网络信号和另类数据，能够比依赖传统结构化数据集的用户更早地发现并购、产品发布和战略调整。 选择零售店和仓库的地点需要人口统计、交通流动和竞争对手位置的数据。开放数据集有助于减少聚集效应，并使基础设施和物流决策更加精准。 开放数据对全球实体的价值：关于启动新开放数据项目的见解 成功的开放数据项目能够协调各方利益，奖励贡献，平衡成本与访问权限，与供应商合作，并优先采用能够保障质量、促进增长和鼓励广泛参与的服务型模式。 开放获取基础数据能够加速创新，并增强多利益相关方开放数据倡议所产生的价值。 明确的使命、清晰的范围和强有力的领导力指导治理，吸引贡献者，并在开放数据和软件项目中平衡公共利益与私人风险。 可追溯的数据来源、持续验证、积极监督以及协作式管理维护了数据的准确性，因为组织优先考虑数据质量而非数量，并共享资源以强化数据可靠性。 适应性强基础设施、积极参与的维护者以 透明治理、积极用户参与、灵活的贡献模式以及不断发展的法律保障，推动着大规模开放数据项目中的数据质量、相关性和负责任增长。 及用户反馈循环，能够响应不断变化的数据需求，平衡访问级别，提升质量，并维持可信且可扩展的数据生态系统。 新数据项目创始人必须审慎思考他们希望如何使用这些数据。许可决策需要对潜在的下游再利用进行严格审查。 开放许可支持全球数据共享和人工智能训练，减少法律障碍，明确数据来源，并允许用户跨组织和用例自由组合数据集。 成功的项目团队会尽早识别风险，定义访问层级，追踪完整性和准确性，执行严格检查，并保留应急计划，以建立信任和韧性。 积极的社区参与激发创意、加速创新、凝聚共识、塑造可持续模式，公开的对话与反馈指导决策并强化协作。 成功的最小可行产品能够突出独特数据、弥合跨部门壁垒、最小化技术债务、吸引合作伙伴，并在开放性与专有数据之间取得平衡，以实现可扩展的采用。 开放数据带来的全球利益，需要扩大计算访问和算力，建立培养技能和人才的合作伙伴关系，以及提升数据管理能力。 内容 前言 执行摘要 7 绘制实体世界地图 一个随时可创新的开放实体数据集 11对开放实体数据的迫切需求 13开放数据项目背后的力量 16开放实体数据的用例 16参与项目的理由 26你可以如何提供帮助 28 �启动一个新数据项目需要30天。 �认识到开放数据的价值 30确定激励模式 32设定项目的使命和价值观 32设计以适应性强为目标 33让用户参与治理 34保持数据的高质量 36管理风险并建立信任 36为开放创新选择许可协议 37与社区沟通 38发掘、培养和配置全球人才 39推广最小可行产品 39 致谢41 鸣谢42关于作者 42附录 43参考文献47 前言 这是一个辐射到每个数据驱动行业的机遇。在零售和经济发展领域，精确地理编码的空间数据使企业家能够优化选址，使政府能够关闭服务不足的经济走廊。在网络安全领域，对域名和基础设施所有权的明确映射使运营商能够保护网络结构免受上游故障和被劫持资产的影响。即使在环境、社会和治理（ESG）报告和与可持续性一致的投资领域，这个开放数据集也为实体及其物理供应链之间提供了缺失的环节，从而实现了实现真正可持续性所必需的透明度。 专有、封闭数据的时代正在让位于“开放共享”的新范式。作为金融科技开源基金会（FINOS）的执行董事，我亲眼见证了开源协作如何改变金融服务行业。然而，您面前的这份报告《开放数据对全球实体的价值》表明，我们正站在一个巨大转变的悬崖边缘——这一转变远不止软件，而是延伸至现代数据驱动、AI赋能全球经济的基础。 在金融服务领域，开放数据的逻辑毋庸置疑。该行业共同投入数十亿美元来清理和维护完全相同的核心实体数据。通过整合资源来维护一个高质量数据“基础层”，机构可以将入职和交易处理成本降低约10%。但这个开放全球实体图谱的潜力不仅在于运营层面；更在于变革层面。 我鼓励您探索本报告中详述的应用场景和激励机制。无论您是在训练下一代人工智能模型，还是寻求消除全球贸易的摩擦，前进的道路都已敞开。携手同行，我们可以将世界最大的开放实体图谱转化为全球创新的催化剂。 但是，随着我们迈向一个由跨公司能动性工作流程重新定义商业运作方式的未来，这远不止是效率问题。为了让AI代理能够自主且可靠地行动，它们必须基于事实。如果没有高质量、规范化的参考数据，大型语言模型（LLMs）就容易出现幻觉和错误归因。 加布里埃莱·科伦布罗 金融科技创新开源基金会执行董事 通过提供一份包含3.24亿个组织、12亿个人的结构化、经核实的目录，像OpenData.Org这样的倡议为AI在全球市场进行准确推理提供了“罗塞塔石碑”。除此之外，在一个“开放网络”的基础受到训练大型语言模型（LLM）动态挑战的时代，开放许可、高质量、共同维护的数据集的机会对于每一位AI技术提供者和使用者来说都堪称绝佳。 执行摘要 各垂直领域均有强大的应用案例。开放实体数据集的应用案例包括实体解析和主数据管理、贸易合规、了解你的客户和反洗钱检查，以及将AI代理和AI模型锚定在事实中，以提高检索和响应的准确性和速度。其他应用涵盖资本市场、商业信用、客户关系管理、供应链和ESG报告。 打破跨组织、跨行业和跨供应链的数据孤岛，并整合实体数据，时机已然成熟。多方协作能够为全球实体解析提供缺失的参照键集。 开放实体数据项目。根据法律规定，组织必须了解其交易对象。为帮助快速识别实体身份，类似OpenData.Org这样的开放数据项目——一个全球实体图谱——通过标准化的标识符和数据透明度，展示了数百万实体之间的关系。该数据集来源于经过验证的公共资源，每月更新，并提供灵活的访问和使用权限，以推动数据驱动的创新。 合作维护，竞争创新。企业家和组织可以分担维护非差异化基础设施的成本，而中小型企业无法独立承担。通过最小化重复努力，每个人都能获得更强的能力、更好的合规工具和更高质量的AI。这种“竞合”模式汇聚资源，降低数据清洗成本，并促进人才、创新和更广泛的经济增长。 项目成功所需资源。为在长期内维持数据质量、可访问性、覆盖范围、适用性及有效性，此类数据项目需要在治理规模上获得结构、法律和财务支持。在此，BrightQuery 已汇编一套初始全球实体数据，作为多方合作的基础，并携手 Senzing 作为解决方案合作伙伴，将记录链接至跨系统的现实世界实体。 战略洞察和市场需求信号。从这种开放实体数据集中获益最多的组织是那些寻求降低贸易合规成本和复杂性、简化客户集成并减少入职摩擦、在可靠参考数据上构建人工智能模型，以及评估第三方风险和保持供应链完整性的组织。 对开放数据的迫切需求。开放实体数据有助于将人工智能建立在经过验证的事实之上。像这样的大数据集有助于应对日益增长的合规成本，并为组织提供对专有解决方案的灵活和透明的替代方案。作为共享资源，开放数据集减少了系统锁定，提高了互操作性，并通过日益增长的数据生态系统中的共享贡献而稳步发展。 绘制实体世界地图 早在公元前六世纪，领导者就已认识到在经济生活中确定个人身份的价值。从罗马人口普查和《汉书》到《末日审判书》以及都铎王朝时期的教区登记册，市政管理机构一直试图记录社会中的“谁是谁”以及“谁拥有什么”。1 随着地方工业经济转型为全球数字经济，对实体识别欺诈防范和可扩展解决方案的需求日益增长。检测和遏制欺诈活动的成本已上升至几乎所有金融机构，2023年全球总支出达2061亿美元。2 更深层次的问题在于架构层面。早期的网络先驱和搜索引擎架构师围绕文档及其统一资源定位符来组织信息，并且他们主要根据流行度对网页进行排序。三十年来，这种设计选择——尤其是将其频繁链接的页面视为权威——一直主导着信息检索。蒂姆·伯纳斯-李爵士曾警告说，这种设计会奖励点击诱饵和病毒式传播，而忽视真实用户价值。3 大型语言模型（LLM）是同一机制的更复杂的表现形式。当文档提到“ABC公司”或“约翰·史密斯”时，LLM通过根据周围文本进行概率性猜测来解析引用，对于知名实体通常正确，但对于大多数其他实体则非常脆弱。 信息的基本单元并非文档，而是实体：组织、个人、地点、政府、产品，以及当前代表它们行动的人工智能代理。正如原子构成物质，实体构成信息，因此可靠的基础层必须从那里开始（表1）。 在全球范围内协作构建开放实体数据集，为那些致力于解决此类商业挑战的开源方案开发者提供了绝佳的机遇。OpenData.Org上构建的开放实体图谱就是一个典型范例。它作为一个全球性的组织、地点、