01 數據要素的概念

數據要素是指參與到社會生產經營活動中，為所有者或使用者帶來經濟效益的數據資源。因此，“數據要素”一詞是面向數字經濟，在討論生產力和生產關系的語境中對“數據”的指代，是對數據促進生產價值的強調，即數據要素指的是根據特定生產需求匯聚、整理、加工而成的計算機數據及其衍生形態，投入于生產的原始數據集、標準化數據集、各類數據產品及以數據為基礎產生的系統、信息和知識均可納入數據要素討論的范疇。

（來自《數據要素白皮書（2022年）》）

當前，在國家政策引領、地方試點推進、企業主體創新、關鍵技術創新等多方合力作用下，我國數據要素市場不斷探索和創新。據國家工信安全發展研究中心測算數據，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%，整體將進入群體性突破的快速發展階段。

02 數據要素的流通方式

培育數據要素市場的目標是數據在各市場主體間高效有序自由流通。按照數據與資金在主體間流向的不同，可分為開放、共享、交易三種流通形式。

（來自《數據要素白皮書（2022年）》

1. 數據開放：以公共數據為主的開放持續推進

數據開放是指提供方無償提供數據，需求方免費獲取數據，沒有貨幣媒介參與的數據單向流通形式。是政府基于公平的原則面向公眾及企事業進行公共性數據進行信息共享的主要方式。

2. 數據共享：政府參與的數據共享趨勢加強

數據共享是指互為供需雙方，相互提供數據，沒有貨幣媒介參與的數據雙向流通形式。根據共享主體的不同，可分為政府間共享、政企之間共享、企業之間共享等形式

3. 數據交易：場外需求旺盛，場內重啟熱潮

數據交易是指提供方有償提供數據，需求方支付獲取費用，主要以貨幣作為交換媒介的數據單向流通形式。

針對數據交易的流通方式，目前已經逐步形成了政府主導下的新型數據交易及開放模式。

（來源：國家工業信息安全發展研究中心）

03 數據成為生產要素的內在要求是什么？

規模化流通是數據成為數據要素的內在要求。一方面，數據成為數據要素標志著技術 范疇轉變為要素范疇，規?；魍ㄊ腔厩疤?。

數據成為生產要素前，社會各界聚焦基礎 設施建設、數據資源共享開放以及數據應用落地，更強調技術范疇內的建設。當數據成為 生產要素，則更強調數據作為生產要素所需要發揮的要素價值。因此，數據要素發生的轉 變是從技術范疇全面跨越到了生產要素范疇。生產要素需要賦能生產、分配、流通以及消 費等各個環節，自主有序地規模化流通是生產要素的內在要求。因此，結合數據本質特征， 數據成為生產要素的內在要求也需要像傳統要素一樣，實現自主有序地規?；魍ǎ纯?系統、跨地域、跨領域、跨主體甚至跨主權。

另一方面，數據價值化流程變長，規?；魍ㄊ顷P鍵環節。

根據信通院觀點，數據要素價值化主要包括數據資源化、數據資本化以數據資產化三個階段。數據資源化是使無序、混亂的原始數據成為有序、有使用價值的數據資源。數據資源化階 段包括通過數據采集、整理、聚合、分析等，形成可采、可見、標準、互通、可信的高質 量數據資源。數據資源化是激發數據價值的基礎，其本質是提升數據質量、形成數據使用 價值的過程。數據資產化是數據通過流通交易給使用者或所有者帶來經濟利益的過程。數 據資本化主要包括兩種方式，數據信貸融資與數據證券化。數據在成為生產要素之前，其 價值化的傳統路徑主要聚焦數據資源化，即主要包括數據采集、數據存儲、數據加工以及開發利用階段。

當數據成為生產要素之后，其價值化流程變長，主要包括數據采集、數據 存儲、數據加工、流通交易、開發利用以及數據融資與證券化?？傮w來看，無論是從所屬 范疇還是價值實現角度，數據要素的流通交易均是數據成為生產要素的基礎前提，換而言之，自主有序地規?；魍ㄊ菙祿蔀樯a要素的內在要求。

04 大數據和數據要素關系

大數據與數據要素之間存在密切的關系。大數據是指海量、多樣化、高速生成的數據，而數據要素是指構成數據的基本元素或屬性。數據要素包括但不限于數據的類型、結構、格式、單位、精度等。

大數據的產生和應用離不開數據要素的支持。數據要素確定了數據的基本特征和規范，為數據的采集、存儲、處理以及分析提供了基礎。同時，數據要素也決定了數據的可靠性、完整性和可用性。

在處理大數據時，對數據要素的充分理解和合理運用是至關重要的。合理定義數據要素可以幫助解釋和理解數據，提高數據質量和價值。同時，合理利用數據要素可以對大數據進行處理和分析，從中挖掘出有益信息和洞見，支持決策和創新。

大數據和數據要素相互依存，數據要素是大數據處理和應用的基礎，而大數據則為數據要素的發現和應用提供了更廣闊的空間和機遇。

大數據與數據要素之間的關系還可以從以下幾個方面來理解：

數據獲取：大數據的產生源于各個領域和渠道的數據采集。數據要素決定了在采集過程中需要關注的數據維度和屬性，包括數據的來源、采集頻率、采集方式等。數據要素的定義和處理對數據獲取的準確性和完整性至關重要。

數據存儲：大數據需要具備高效的存儲能力和機制。數據要素對數據存儲的方式和結構產生影響，例如存儲介質、數據格式、數據庫設計等。合理的數據要素定義可以提高數據存儲的效率、可擴展性和可管理性。

數據處理：大數據需要進行有效的處理和分析，以從中提取有價值的信息和模式。數據要素如數據類型、結構、單位等決定了數據處理的方法和技術，例如數據清洗、聚合、轉換、建模等。數據要素的充分理解可以幫助選擇適當的數據處理工具和算法。

數據應用：大數據的應用涉及到多個領域和場景，如商業智能、人工智能、金融風控等。數據要素的理解和定義可以指導數據的應用和分析，幫助發現潛在的關聯和趨勢。同時，應用的需求也可以反過來影響對數據要素的定義和選擇。

綜上所述，數據要素是大數據處理和應用的基礎，決定了數據的獲取、存儲、處理和應用。合理定義和運用數據要素可以提高數據的質量和價值，支持決策和創新。而大數據為數據要素的發現和應用提供了更廣闊的空間和機遇，推動了數據驅動的發展和創新。

05 數據要素的應用場景

1、市場調研：通過分析消費者行為、購買習慣等數據要素，可以了解市場需求和趨勢，幫助企業制定更有效的營銷策略。

2、金融風控：在金融領域，數據要素可以用于評估風險、預測違約概率等。例如，通過對借款人的個人信用記錄、財務狀況等數據要素進行分析，可以更準確地評估其還款能力和信用風險。

3、醫療診斷：醫療行業需要對患者進行個性化的診斷和治療。數據要素可以用于收集患者的病歷、生理指標等數據，幫助醫生做出更準確的診斷和治療方案。

4、交通運輸：在交通領域，數據要素可以用于優化交通流量、減少擁堵等。例如，通過對道路車輛的流量、速度等數據要素進行分析，可以調整信號燈的時間間隔，提高道路通行效率。

5、數據要素應用重點領域和場景包括：數據要素×智能制造、數據要素×智慧農業、數據要素×商貿流通、數據要素×交通運輸、數據要素×金融服務、數據要素×科技創新、數據要素×文化旅游、數據要素×醫療健康、數據要素×應急管理、數據要素×氣象服務、數據要素×智慧城市、數據要素×綠色低碳。

06 發展面臨挑戰

面臨的挑戰如下：

（一） 權利歸屬難以界定，有待建立產權制度

（二） 估值定價缺乏依據，有待發揮市場作用

（三） 流通規則尚不完善，有待鼓勵積極探索

（四） 流通技術仍未成熟，有待強化技術支撐

總體而言，我國數據要素探索處于起步階段，數據要素市場培育的基礎尚不堅實，權利關系、價格機制、流通規則、技術支撐等數據要素市場的構成要件存在諸多障礙，需要不斷推進相應的理論研究和制度設計，通過試點應用積累實踐經驗，持續探索各方面難題的解決方案。