基礎概念

數據要素——

數據要素是指，參與社會生產經營活動，并為所有者或使用者帶來經濟效益的數據資源。數據作為信息化、智能化技術革命背景下誕生的全新生產要素，其與傳統的土地、勞動力、資本等生產要素一樣是經濟發展中不可或缺的一部分。

相比傳統生產要素，技術層面，數據要素具有主體多元、非標準型以及無形性等特點；經濟學層面，數據要素又具有確權困難、非競爭性、難排他性、異質性等特點。

數據要素市場——

數據要素市場，指以數據產品或服務為交流對象，以數據供需方為核心主題，通過流通實現參與各方訴求的場所，開放、供需、交易等均屬于數流通的形式。簡單理解，可以將數據要素市場看為是數據要素到數據產品的形成過程，核心內涵在于數據要素價值創造全過程。

《中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見》中，首次提出加快培育數據要素市場，并從推進政府數據開放共享、提升社會數據資源價值、加強數據資源整合和安全保護三個方面提出具體要求。

由此看出，數據要素市場的內涵不僅使數據要素在交換或流通過程中形成的市場，更包含了數據價值創造的全過程。因此，培育數據要素市場的核心目標在于，正確認識和深刻把握數據要素的價值創造機理，并通過市場化手段實現數據要素的全局最優配置。

國內數據要素市場發展歷程

起步階段：

2014年3月，“大數據”首次寫入《政府工作報告》，標志著大數據作為新興產業開始受到國家的重視；2015年，國務院印發《促進大數據發展的行動鋼要》，旨在全面推進我國大數據發展和應用，標志著大數據正式上升至國家戰略層面。

該階段主要對原始數據進行“粗加工”交易，以單純的原始數據交易為主，缺乏全國統一的數據規范體系，數據成交率和成交額不高，難以滿足社會的需求。同時，數據交易過程中面臨諸如數據定價、確權等難題。

圖源：億歐智庫

全面突破階段：

2016年，接連發布了《大數據產業發展規劃（2016-2020年）》、《國民經濟和社會發展第十三個五年規劃綱要》正式提出實施國家大數據戰略；2019年，十九屆四中全會中，正式將數據作為一種新的生產要素；2020年，國務院發布《關于構建更加完善的要素市場化配置體制機制的意見》，首次明確提出要培育數據要素市場。

此階段，數據要素市場發展進入了全面突破階段。國家和各地方政府陸續出臺政策文件，致力于理順政府和市場的關系、厘清數據要素市場主體間的關系、平衡數據有序流動與數據安全之間的關系。在政府牽頭下，上海、深圳、北京、湖南等多地加快布局數據交易所，聚焦解決確權難、定價難、互信難、入場難、監管難等共性問題。

深化發展階段：

2020年，國務院在“加快完善社會主義市場經濟體制的意見”中提出加快培育發展數據要素市場；2021年，《“十四五”規劃和2035年遠景目標綱要》中，提出要建立健全數據要素市場規則；2022年，國務院正式印發“數據二十條”，從數據產權、；流通交易、收益分配、安全治理四個方面初步搭建我國數據基礎制度體系；2023年，10月國家數據局正式掛牌；2024年，發布《“數據要素x”三年行動計劃（2024-2026年）》，充分發揮數據要素的放大、疊加、倍增作用，構建以數據為關鍵要素的數字經濟。

隨著政策支持力度和市場需求的增加，數據要素市場在供給和需求兩端逐漸趨向成熟。數據供應方通過高效的數據處理技術和精準的數據匹配算法提供多樣化的數據產品；數據需求方，則通過應用場景的拓展和商業模式創新挖掘數據價值。由于相關法律法規和標準體系逐漸完善，數據交易的合規性和安全性更具保障。

數據要素市場發展現狀

當前，數據要素市場呈現多方合力驅動發展，助力數據要素步入市場化“快車道”。即國家政策引領，地方試點推進、企業主體創新、關鍵技術創新等多方合力的作用下，我國數據要素市場不斷探索和創新，步入高速增長階段。根據國家工信安全發展研究中心數據，2021年我國數據要素市場規模達到815億元，預計“十四五”期間市場規模復合增速將超過25%，到2025年規模有望接近2000億元。

圖源：工信數通

特別是國家數據局正式掛牌成立半年來，多部門統籌推進數據要素流通利用，數據要素市場化進程也隨之加速。從產業規模上看，2022年中國大數據產業規模達1.57萬億元，同比增長18％；中國數據交易行業市場規模達到876.8億元，占全球數據交易市場規模的13.4％.....數據顯然已經成為經濟發展的重要生產要素。

當前數據要素流通交易的主要模式

1、企業間直接交易數據

企業之間直接進行數據交易的模式，大致需要經歷早起互動、供需匹配溝通、價格和銷售合同談判、合約達成、履約五個階段。

早期互動階段，一方有數據資源，另一方有數據需求；

通過供需匹配溝通階段，通過展示方案，合作建模，數據樣本試用等流程，將最終達成共識；

價格和銷售合同談判階段，企業間進行個性化報價、議價談判和服務方式進行溝通；

隨后就能進入到合約達成階段和履約階段。

2、數據交易平臺撮合

目前，數據交易平臺模式尚未形成較為成熟的平臺模式，但普遍存在一種線上線下結合的平臺交易模式。例如，北數所交易服務參考模型（如下圖所示）

由于交易的復雜性，完全在線上完成所有交易活動上尚不可行，目前多數交易仍需線下談判和合約備案。因此，未來的交易模式預計仍將是線上線下的結合，盡管兩者的功能配置程度與當前可能有所不同。

3、通過提供API接口進行數據服務

該模式，可以是數據供給方直接提供API接口，也可以是數據中介將數據供方與數據需方聚合在其服務聯盟網絡中，扮演數據經濟人（交易）和部分數據交付的角色，為供需方提供標準合約、數據傳輸API接口以及隱私計算平臺服務。

當前數據要素市場建設問題

數據要素市場可分為三個層級，即支撐層、價值層及政策層。支撐層，是數據要素的基礎設施及技術支撐；價值層，包括數據供應商、數據交易機構和分析應用方；政策層，是指構建統一數據標準、推動公共數據開放、激勵市場主體數據共享。科學界定數據產權等。

以下從三個層級展開分析，當前數據要素市場面臨的問題。

1、支撐層

從理論上講，區塊鏈、隱私計算、多方安全計算等技術可以應用于數據要素流通交易業務中。然而，實踐中基礎設施和技術環境都離國家的戰略目標、數據要素流通實踐的需求、場內市場和場外市場流通環境建設的需求之間存在相當大的差距。

2、價值層

第一，國內數據供給側問題：

①合規成本高，數據供給方面在應對嚴格完善的合規性評估過程，面臨較大經濟壓力。

②個人數據開發利用成本較高，主要表現在個人授權成本高，群體個人數據授權難度大；其次是個人數據匿名化無清晰標準；個人未能在其個人數據共享中獲取收益導致共享數據動力不足。

③科研類數據共享程度不足，“科研數據收割”現象嚴重。

④公共數據開發激勵不足。目前政府和事業單位未明確向公共數據授權運營單位收取費用的收費項目和收費標準。

第二，國內數據需求側問題：

①當前，依舊存在企業數字化轉型進程緩慢或不徹底，表現在數據基礎設施不完善、數據管理和應用意識、能力不足、未能充分利用數據驅動業務決策和創新。

②部分企業擁有大量數據，但缺少相應的數據分析技術和實力，數據無法轉化為實際的業務價值，僅有少部分數據會得到開發利用或未開發利用的企業大于80%。

③較多公共數字化應用場景尚未對市場充分開放，也進一步限制了數據需求方動能的增長。

第三，國內數據供需匹配問題：

①“有數無市”和“有市無數”都存在，“有數無市”是指產生大量的數據但沒有市場，有些數據被嚴格限制使用且數據的標準化程度低，缺乏成熟的市場環境進行交易；“有市無數”是指數據供應商缺少個性化定制模式，數據服務無法滿足個性化需求。

②交易價格機制不完善，公共數據授權運營單位向社會服務的公共數據定價機制不健全，且企業數據價格形成機制不健全。

③交易信息不對稱，買賣雙方在價格談判、數據合規、數據交易中的安全風險等問題上存在著巨大的信息不對稱。

此外，各地方公共數據授權運營管理機制，所選擇的技術平臺或數字化平臺存在差異，因而也會導致全國數據互聯互通存在阻礙。

3、政策層

①數據確權等權屬分置問題。

一是數據分級分類問題尚未解決；二是數據所有權難以歸于單方主體；三是法律確權探索收效甚微。

②數據安全合規成本問題。

數據交易過程中面臨的合規安全等風險成本，導致買賣雙方的參與意愿不高，數據市場流動性不夠。

③數據要素流通市場建設相關制度不健全，表現在數據交易平臺缺乏標準；沒有明確數據交易監管機構；沒有針對數據交易和應用的針對性法律法規。

④數據壟斷判斷標準問題，關于是否存在數據壟斷，以及如何判斷等問題都仍存在爭議。

數據要素市場問題應對之策

數據問題的成因主要在于，市場失靈和政策失靈兩個方面。

首先，市場失靈主要表現在信息不對稱、數據流通中可能會帶來隱私泄露等數據安全問題、部分布局壟斷問題、產業鏈上各企業及單個集團公司內部不同部門之間可能存在協調失靈問題。其次，政策失靈體現在數據交易所重復建設、面臨發展與安全的二元政策矛盾、企業因政策不明確和不穩定而缺乏活力、公共數據缺乏數據共享激勵機制。

針對市場失靈和政策失靈兩方面的主因，應對問題之策如下：

1、理解數據作為生產要素的價值

數據生產要素的價值在于產生提質降本增效和促進創新的經濟效益，核心在于開發和利用數據。數據基礎制度設計要有利于數據的充分開發利用，而不是要最大化數據交易量和交易額。而且，要審慎對待數據作為一種資產的入表、抵押和融資。

2、尋找數據要素的高效流通模式

①嘗試多層次交易模式

首先，要培育專業的數據要素市場參與主體，其次要借鑒國內實踐的成功經驗，最后還要積極提供質量評估等配套服務，推動數據溯源和可信交易。

②重視數據交互在數據要素流通中的作用

數據交互指通過與各方共享數據來支撐業務打通和創造新價值，各方共享業務發展帶來的紅利。

3、有效保護數據投資激勵

數據并非共享范圍越廣越好，雖然數據的非競爭性意味著從事后角度來看數據分享越多越好，但這也可能會降低針對數據的投資激勵。所以，需要審視用于判斷數據共享是否不足的標準，以合理的共享程度為目標有助于提升社會福利。

4、掌握數據流通利用的關鍵

數據的價值取決于服務能力，現階段應用數據的能力更為重要。在面臨擁有海量數據的阿里、京東和騰訊微視的競爭下，拼多多和字節跳動成功崛起。ChatGPT大模型在美國崛起，也是技術和經濟環境等多種因素的共同作用。比起單純的數據量，技術和有利于創新的體系、制度和經濟環境更加重要。