1、 中国数据要素市场发展中国数据要素市场发展报告报告 综论 武汉大学大数据研究院武汉大学大数据研究院 2022 年年 7 月月 目目 录录 一、数据要素市场概述.1（一）背景.1（二）相关政策.1（三）数据要素概念及特征.3（四）数据要素市场概念及条件.5 二、数据要素市场的发展意义.6（一）传统生产要素市场的有力补充.6（二）数字经济深化发展的核心引擎.6（三）国民经济健康发展的全新赋能.8 三、数据要素市场的发展现状.10（一）国外市场相对成熟.10（二）数字经济蓬勃发展.11（三）数字产业链初步形成.13（四）数字产业化进程加快.15 四、数据要素市场的困境挑战.16（一）数据权属界定问题

2、不明晰.16（二）数据分类分级标准不统一.17（三）数据价值计量方法不确定.17（四）数据流通交易过程不安全.17（五）数据流通交易机制不完善.18 五、数据要素市场的战略策略.19（一）健全数据流动法律规则.19（二）推动公共数据扩大开放.19（三）促进数据要素交易流通.19（四）构建数据安全治理体系.20 六、数据要素市场的运行机制.21（一）市场运行模式.22（二）市场运行关键点.22（三）市场建设思路.31 七、数据要素市场的发展趋势.32（一）市场主体多元化.32（二）流通数据去敏感化.33（三）行业应用融合化.33（四）市场生态体系化.34 1 一、数据要素市场概述（一）背景（一）

3、背景 近十年来，信息革命席卷全球，信息通信技术与数字技术的深度融合与创新发展推动了以互联网、物联网为基础的数字经济的高速增长，数字经济成为继农业经济和工业经济之后的较高经济形态。截至 2021 年 12 月，我国网民规模为 10.32 亿，互联网普及率达 73.0%，较2020 年 12 月提升了 4.3 个百分点1。互联网用户规模不断扩张，随之而来的是用户背后产生的快速增长的海量数据，这些数据资源仅在各自的领域中展现出有限的作用，被挖掘出的价值少之又少。然而这些数据资源中仍然蕴含着无限的价值和潜能，“数据垄断”和“数据孤岛”等现象的存在极大地阻碍了数据的最大价值化。因此，需要形成统一的、规模

4、化的数据要素市场，实现数据的价值流通和循环，更高效地推动生产力发展。数据要素市场化是数字经济的新现象。由于大数据与人工智能技术的结合，数据已经成为第一生产要素，数据及其运行机制成为支撑算法算力切实有效发挥作用的关键要素，是数字经济高质量发展的基础原料和逻辑基点2。数据正在成为企业进行决策、生产、营销、交易、配送、服务等商务活动所必不可少的投入品和重要的战略性资产，成为促进经济高质量增长的重要驱动力。协同推进技术、模式、业态和制度创新，切实用好数据要素，将为经济社会数字化发展带来强劲动力3。（二）（二）相关政策相关政策 我国拥有世界最大规模的数据量，数据市场的发展潜力巨大。然而，与西方发达国家相

5、比，我国数据市场仍处于探索阶段。2014 年，“大数据”第一次写入政府工作报告，标志着我国对大数据产业顶 1 中国互联网络信息中心.第 49 次中国互联网络发展现状统计报告R/OL.http:/ 陈兵,赵秉元.数据要素市场高质量发展的竞争法治推进J.上海财经大学学报,2021,23(02):3-16+33.3 中华人民共和国国务院.,国务院关于印发“十四五”数字经济发展规划的通知EB/OL.http:/ 层设计的开始。2015 年 10 月，党的十八届五中全会正式将“实施国家大数据战略”写入公报4。2017 年，十九大报告提出加快建设创新型国家，建设数字中国；同年 12 月，习近平总书记在中共

6、中央政治局主持“实施国家大数据战略的第二次集体学习”时强调“要构建以数据为关键要素的数字经济”。在此背景下，2019 年 10 月 31 日党的十九届四中全会通过的中共中央关于坚持和完善中国特色社会主义制度推进国家治理体系和治理能力现代化若干重大问题的决定5明确提出，将“数据”作为生产要素，健全各种生产要素由市场评价贡献、按贡献决定报酬的机制。2020 年 4 月 9 日，中共中央、国务院印发关于构建更加完善的要素市场化配置体制机制的意见6，进一步强调数据要素的重要地位，将数据与土地、资本、技术、劳动并列为五大生产要素，明确提出了数据要素市场制度建设的方向和重点改革任务。提出加快培育数据要素市

7、场，包括推进政府数据开放共享、提升社会数据资源价值、加强数据资源整合和安全保护三项具体内容。被评为2020 年中国网络安全十大事件。2020 年 5 月 18 日，中共中央、国务院发布了关于新时代加快完善社会主义市场经济体制的意见7，再次提出“加快培育发展数据要素市场，建立数据资源清单管理机制，完善数据权属界定、开放共享、交易流通等标准和措施，发挥社会数据资源价值。”这意味着明确交易规则、建设数据市场已经成为社会主义市场经济体制下要素市场化改革的重要组成部分。十四五规划中作出了“建设高标准市场体系；推进土地、劳动力、资本、技术、数据等要素市场化改革”的战略部署，要求建立数据资源产权、交易流通、

8、跨境传输和安全保护等基础制度和标准规范，推动数据资源开发利用。2021 年 12 月 12 日，国务院印发“十四五”数字经济发展规划3，提出在 4 1.中国共产党第十八届中央委员会第五次全体会议公报J.求是,2015(21):3-7.5 1习近平.关于中共中央关于坚持和完善中国特色社会主义制度 推进国家治理体系和治理能力现代化若干重大问题的决定的说明N.人民日报,2019-11-06(004).6 关于构建更加完善的要素市场化配置体制机制的意见EB/OL.http:/ 关于新时代加快完善社会主义市场经济体制的意见 EB/OL.http:/ 2025 年初步建立数据要素市场体系，充分发挥数据要素

9、作用。相关政策文件的密集出台，为数据作为生产要素在市场中进行配置，提供了政策土壤，也推动了我国大数据产业不断发展，技术不断进步，基础设施不断完善，融合应用不断深入。（三）（三）数据要素概念及特征数据要素概念及特征 生产要素生产要素（Factors of Production）是指进行社会生产经营活动时的一切必备资源和环境条件，相应的具体形态与主次序列随着经济发展而不断变迁8。传统的经济学将资源和劳动作为最基本的生产要素，其中资源的背后是土地、自然资源、能源等“物”的要素，劳动则是“人”的要素，人类利用不断开发、不断进步的技术将“地球的馈赠”转化为供人类使用的商品和服务9，因此过去的生产要素市场

10、包括土地、劳动力、资本、技术市场。在 5G、物联网、云计算、大数据、区块链和人工智能等合力作用之下，数据对生产的贡献越来越突出，同时也显著提升了其他生产要素在生产中的利用效率，成为具有多重价值的生产资料，这一新兴生产要素正在与其他要素一同参与到经济价值创造过程中，都是构建更加完善的要素市场化配置的重要组成部分10。数据要素数据要素涉及数据生产、采集、存储、加工、分析、服务等多个环节，对价值创造和生产力发展有广泛影响，是驱动数字经济发展的“助燃剂”。数据作为生产要素之一，具有生产要素的一般特征。这些特征包括：1)需求性。随着互联网、大数据、人工智能等新技术对实体经济渗透程度的日渐加深，市场对于数

11、据要素的需求日益提高。近年来，数据作为国民经济信息化、数字化、智能化的技术基础，逐步融入传统产业的生产服务中，对既有工序实行痛点疏通，对供需关系进行精准预测，进而突破了制约效率提升的桎梏瓶颈，为全社会创造出难以估量的再生价值。因此，数据已融入经济循环全产业价值创造过程，是人类从事经济活动中必要的生产要素。2)不可替代性。在后疫情时代，传统生产要素疲态尽显，土地要素总量有 8 王夙.加快培育数据要素市场N.经济日报，2020-04-16（5）.9 田杰棠,刘露瑶 2020.交易模式、权利界定与数据要素市场培育.改革 J:17-26.10 刘旭然.加快培育发展数据要素市场J.中国党政干部论坛,20

12、21(02):71-74.4 限且受制于生态，劳动力要素的人口红利已然衰退，资本要素因疫情影响流动受阻，高科技知识产权屡遭他国封禁，而数据要素赋能经济发展的作用日益凸显。3)稀缺性。如果一种资源具有生产有用性，但不稀缺，而是取之不尽、用之不竭，则不属于经济资源讨论的范围。数据作为生产要素的稀缺性主要体现在用户需求上，经济活动行为者对于数据要素的需求是无限的，然而数据要素的开发需要相应的成本，经济活动行为者受限于人力、物力、财力等方面，其数据资源拥有量总是有限的。数据作为土地、资本、技术、劳动传统生产要素之外的新的生产要素，具有其独特的经济属性：1)非物质性。根据数据的定义可知，数据无论存在于何

13、种物质载体，都表现为非物质的数据状态，同一数据无论记录在纸张还是电脑上，始终是等价的。2)共享性。传统生产要素的利用表现为占有和消耗，当物质资源或能源资源量一定时，各利用者在资源利用上总是存在着明显的竞争关系，即“你多我就少”。然而数据在产生后对其进行复制、传输、使用的边际成本趋近于零，数据资源的利用突破了土地、资本等传统生产要素的局限性，不存在上述的竞争关系。数据可以被多个经济主体同时使用，对额外用户的开放使用并不会降低原有数据使用者或数据原始持有人的数据价值，更多用户使用同一数据并不会造成其他用户的利益受损。3)非均质性。资本、劳动等传统生产要素具有一定的均质性。资本的每一元钱之间没有本质

14、区别；劳动力之间尽管有明显差别，但是这种差别只是在一定范围内存在，均质性仍然比较明显；不同技术之间存在的差异性更大，但是专利审查制度的出现和执行会将这种差异度减小，因此我们经常使用专利数据来衡量创新能力，尽管其准确性有待商榷。而同样的数据量所对应的信息量可能是截然不同的，一个可能是极有用的信息，另一个则可能是垃圾信息。且数据要素存在“1+12”的规模经济特性。两个本不能指导和调节现实生产与再生产过程的数据集合并，可能可以揭示原来分立的数据集都不能揭示的经济规律，发挥意料之外的调节和指导作用。4)外部性。在数据要素交易过程中，数据有偿使用与“搭便车”行为往往5 共存，数据信息外溢会给其他经济主体

15、带来经济利益，可能不会使数据产权主体得到合理回报。（四）（四）数据要素市场概念及条件数据要素市场概念及条件 数据要素市场是将尚未完全由市场配置的数据要素转向由市场配置的动态过程，其目的是形成以市场为根本调配机制，实现数据流动的价值或者数据在流动中产生价值。数据要素市场的发展将推动以消费者数据为中心的商业模式转变。我国发展数据要素市场的基础条件主要包括以下几点：海量数据资源海量数据资源。随着新一代信息技术的快速发展，人类进入万物互联时代，带来海量数据的急速汇聚和生成，为数据资源化、资产化、资本化发展提供了肥沃土壤和丰富原料。我国是数据大国，网民规模居世界第一，是数据量最大、数据种类最丰富的国家之

16、一。然而，目前我国数据利用率很低，大量数据未能发挥应有的价值，间接反映出我国数据要素潜藏的市场空间巨大。数据基础设施数据基础设施。近年来，5G、数据中心、人工智能等新型数据基础设施日益完善。新基建的加快建设，为数据要素流通提供了良好的基础环境。车联网、可穿戴设备、无人机、无线医疗、智能制造等应用场景不断丰富，对数据要素市场的培育和发展具有较强的促进作用。数据中心集数据、算法、算力于一体，不仅为海量数据提供存储计算服务，又为各类场景优化提供数据应用服务，成为海量数据的“图书馆”、海量算力的“发动机”、海量服务的“发射器”。培育培育交易市场交易市场。数据要素市场的培育也至关重要，主要包括市场配置、

17、市场定价、市场交易、市场竞争。市场配置数据要素意味着数据产权的独立性和数据交易的自由性，数据要素确权是市场配置的前提。由于数据具有虚拟性，不如其他实物要素那样方便计价，需要在确权的基础上进行专业估价，进而在市场磨合定价。数据要素交易须克服地方与行业壁垒、大企业垄断，达成中外数据要素市场联通，实现数据线上交易和线下服务的高效协作。数据要素规模和质量差异引起市场竞争，这种竞争有利于数据产品创新和社会生产力提高。但同类数据市场竞争的结果往往形成一家独大，从而逐渐消解竞争。6 二、数据要素市场的发展意义（一）（一）传统生产要素市场的有力补充传统生产要素市场的有力补充 数据作为新型生产要素，对于经济增长

18、的影响已经不亚于传统生产要素。尤其在新冠肺炎疫情期间，传统产业普遍表现低迷，而数字经济中的多种业态如网购、外卖、直播带货等，凭借无接触、精准推送、实时反馈等优势不仅未受影响甚至收益远超之前11。数据要素与传统生产要素的深度融合，能够显著提高生产效率，壮大发展新动能。数据作为生产要素参与资源配置能够提升社会数据资源价值，进一步地推动数字经济发展。数据要素激励出新的产业模式，以物联网、云计算、人工智能等新型信息技术为驱动的企业应运而生，为数据提供了更多可利用的场景，有效推动产业转型升级。同时，数据作为生产要素参与资源配置鼓励了数字产业化、产业数字化、数字化治理和数据价值化，尤其是通过数据定价、数据

19、确权等对数据进行价值化，形成全新的数字经济体系，更好地激励数据参与到社会生产中，加快推动数字经济的进程。（二）（二）数字经济深化发展的核心引擎数字经济深化发展的核心引擎 数据的爆发增长、海量集聚蕴藏了巨大的价值，为智能化发展带来了新的机遇。随着大数据市场规模突破 1 万亿元，数据在数字经济中的地位不断突出，要素属性逐渐凸显。充分发挥数据要素市场化配置是我国数字经济发展水平达到一定程度后的必然结果，也是数据供需双方在数据资源和需求积累到一定阶段后产生的必然现象。培育数据要素市场对于数字经济发展的积极作用表现为以下几个方面:第一，数据作为一种新的关键投入要素，是催生和推动数字经济新产业、新业态、新

20、模式发展的基础，在数据挖掘、脱敏、分析的基础之上对数据资源实现高效利用，将极大地推动创新、加速产业升级。数据成本的大幅下降决定了数字经济整个产业链效率的提升，并能有效促进数字经济的专业化分工。第二，数据是数字经济产业链最重要的传输介质。虽然数字经济的运行也包 11 李韵、丁林峰:新冠疫情蔓延突显数字经济独特优势，上海经济研究2020 年第 4 期。7 括很多实体货物产品和中间品的传递，但整个产业链是围绕数据从创造、收集、加工到应用延伸的，产业链中的每一个环节都对数据进行更深一步的加工再传递到下一个环节。从某种意义上说，数字经济的主线就是数据要素价值的不断挖掘，并与其他产业进行深度融合。第三，随

21、着全球化的推进，通过跨国货物贸易、资金往来、人才流动、信息交流、跨国公司在全球布局产能，一般要素的价格在参与国际产业分工的国家不断趋同12。对于数字经济而言，数据则是一种很难被趋同的要素资源。不同国家和地区数据要素的差异主要表现在数据规模和对数据的处理能力方面，虽然数据处理能力容易实现趋同，但数据创造规模与人口、经济规模相关，人口和经济总量直接决定数据创造的上限，而各个国家和地区在这方面的差异是巨大的。当数据成为专属资源，拥有更多人口和更大经济规模的地区在数字经济分工上占有更大优势。第四，数据对其他生产要素也具有乘数作用，可以利用数据实现供给与需求的精准对接、创新价值链流转方式，放大劳动力、资

22、本等要素在社会各行业中的价值。善用数据生产要素，促进数据要素市场化，有助于推动数字经济与实体经济深度融合，为经济转型发展提供新动力，实现高质量发展。因此，利用好数据要素是驱动数字经济创新发展的重要抓手。第五，数据与算法、算力的有机融合构成数字经济的核心内涵。数据流动调配计算机算力，驱动算法体系搭建的平台运行，构成了数字经济的核心内涵。数字经济与传统经济形态的根本不同，就在于计算机算法算力体系利用数据进行决策，解放和发展了人的有目的劳动和思维活动，极大地拓展了人类改造自然世界和协调人类社会的能力13。在数字经济中，人们借助各类数字平台进行的生产与交换行为、社会交往行为、公共治理行为等，都是通过产

23、生数据流来驱动算法算力体系实现的。此外，政府和企业在处理人们的原始数据请求时，还将产生新的数据。所有这些数据被长时间存储和积淀下来，就构成了数据资源池。在对数据资源池进行利用的过程中，同样需要大量的计算机算力配合适当的算法体系来 12 邓洲.基于产业分工角度的我国数字经济发展优劣势分析，经济纵横2020 年第 4 期。13 李直,吴越.数据要素市场培育与数字经济发展基于政治经济学的视角，学术研究2021 年第 7期。8 进行运算分析。随着计算机智能水平和算力规模的不断发展，数据越来越成为驱动数字经济运行的核心要素。数据要素市场、算法体系和算力系统之间也是互为条件、相互制约的，这三者所构成的有机

24、整体就是数字经济的核心。第六，数据要素是数字经济运行和进一步创新发展的燃料。加快培育数据要素市场，有利于为算法体系发展提供基础训练数据集，也有利于牵引数据处理需求，推动数字经济核心硬件和软件自主化和赶超发展。必须充分发挥我国海量数据优势，撬动巨大市场应用规模潜能发挥，加快发展新一代人工智能，助力我国赢得全球科技竞争主动权。这是数据算法算力的相互制约关系所决定的。第七，新产业的创生和新技术在新行业的广泛应用，仅仅是一次宏大技术革命浪潮的开始阶段。只有当新技术扩散到新部门之外的广泛领域，深入改造足够多的传统部门生产体系，新技术范式所蕴含的生产力潜力才能真正得以释放，新技术对社会生产方式的全面变革才

25、能得以实现。目前，我国数字经济发展仅处于展开初期，数字经济对社会生产方式的变革仍集中在新型行业。加快培育数据要素市场，有利于充分激发传统产业数字化转型以采集数据、利用数据的积极性，推动数字经济与实体经济深度融合，开启数字经济发展的新阶段，推动我国产业优化升级和生产力整体跃升。第八，在数字经济发展的国际竞争中，我国必须及时抢占数据开发利用的技术高点和先机。世界各国正在抢先开发利用本国乃至世界范围内的数据资源。美国于 2012 年实施大数据的研究和发展计划，欧盟委员会也于 2020 年 2 月发布欧洲数据战略，推动数字资源的解锁利用，甚至统一数据市场的建设。要加快发展数据要素市场和数据治理体系，积

26、极保护和开发数据资源，保障我国数字经济发展空间，保证数据资源开发利用带来的增长红利为我所用。（三）（三）国民经济国民经济健康健康发展的发展的全新赋能全新赋能 数字经济发展在国民经济发展中的地位正在不断提升，积极推动规范化的数据要素市场，充分挖掘数据要素的价值，加速数据要素安全、高效地流通，对于国民经济发展具有重要意义。我国已经形成了较为完整的数据供应链，以及较为系统与完善的数据产业体系。并正从数据资源化、数据资产化、数据资本化三步依次推进数据采集、数据9 确权、数据定价以及数据交易等环节的发展，加速推动数据从低价值密度的无序状态向形成有序的数据要素市场发展。积极推动数据要素市场培育与发展，能够

27、有效地降低国民经济运行成本。数据要素市场通过对数据进行大规模系统与规范的采集、存储、加工、流通、分析等等，大大降低了在数据的收集、复制与运输等方面的经济活动成本。数据要素市场的出现，加速了数据在市场中的价值化流通与利用，也使得产品供需双方的经济活动不再受距离与交通运输成本的约束，有效地从各方面降低了国民经济运行的成本。积极推动数据要素市场培育与发展，能够大幅度提高国民经济运行效率。数据要素市场的出现，改变了传统的治理模式、生产模式与商业模式，将劳动力从传统的体力劳动中解放出来，变为更灵活、更高效、更具弹性的生产方式。借助云计算、物联网、人工智能、机器学习等新兴数字技术，对数据进行实时的采集、使

28、用、传播与价值化等，能够实时地、快速有效地从海量数据中挖掘出有价值的信息并进行传输与传播，形成更强有力的生产力，从而提升国民经济的运行效率。积极推动数据要素市场培育与发展，有助于我国产业结构转型升级。新型数字技术的出现与传统产业碰撞出新的火花，催生出企业更大的创造力和应对市场需求变化、潜在机会的敏捷性，使其具备更有弹性和柔性的生产能力，及时预警风险与发现机会。数据要素市场有效地促进了产业在生产模式、产业链等方面的升级，优化企业的产品供给、推动产业数字化升级与数字产业化发展，增强宏观经济调控的准确度。积极推动数据要素市场培育与发展，有助于提升国家政府治理效能。在数字化治理方面，我国大力建设与发展

29、数据驱动的数字化政府和新型智慧城市，搭建与优化政府信息化技术框架，积极推动政务服务、数字治理、数据治理三方面的建设，最大化地利用数据为百姓提供高效透明的公共服务。对于国家治理而言，数据要素市场丰富了社会治理的资源，引入数字化技术充分利用当前海量的数据资源，有效地降低了服务成本、提升了治理效能。加速数据要素市场化配置从国家治理层面也有着显著的社会效用，能够改善传统治理模式，实现多主体协同共治，促进政府数据开放共享，加快推动各地区、部门、主体之间的数据共享与交10 换，以及数据责任清单的制定，优化治理模式与服务。综上可见，数据要素市场对促进国民经济各个方面的发展有着重要的意义。数据要素市场作为数字

30、经济发展中不可或缺的核心与中坚力量，对于国家经济发展与国民生活水平的提升有着重要的价值与影响。只有积极推动数据要素市场的培育与发展，才能更好地提升我国经济水平，增强我国综合实力，更好地服务于民、便利于民。三、数据要素市场的发展现状 当前，我国数据要素市场处于初步发展阶段。“十三五”期间，我国各要素市场规模实现不同程度的增长，以数据采集、数据储存、数据加工、数据流通等环节为核心的数据要素市场增长尤为迅速。2020 年突如其来的新冠肺炎疫情对世界经济造成重大影响，经济形势复杂严峻。在这样的背景下，“十四五”规划指出，要全面推动数字经济和实体经济深度融合，加快数字化发展。国内大循环和国内国外双循环相

31、互促进发展，为构建新发展格局提供有力支撑。尽管疫情带来了巨大的损失，这样的环境背景一定程度上加速了我国的产业数字化发展。（一）（一）国外市场国外市场相对成熟相对成熟 目前，已有 30 多个国家出台促进数字经济发展的战略或规划，从制度环境、基础设施和政府服务等方面为数字经济的发展提供了相对全面的支持政策。国外数据交易平台自 2008 年前后开始起步，发展至今，既有美国的 BDEX、Ifochimps、Mashape、RapidAPI 等综合性数据交易中心，也有很多专注细分领域的数据交易商，如位置数据领域的 Factual，经济金融领域的 Quandl、Qlik Data market，工业数据领

32、域的 GE Predix、德国弗劳恩霍夫协会工业数据空间 IDS 项目，个人数据领域的 DataCoup、Personal 等。除专业数据交易平台外，近年来，国外很多 IT 头部企业依托自身庞大的云服务和数据资源体系，也在构建各自的数据交易平台，以此作为打造数据要素流通生态的核心抓手。较为知名的如亚马逊 AWS Data Exchange、谷歌云、微软 Azure Marketplace、LinkedIn Fliptop 平台、Twitter Gnip 平台、富士通 Data Plaza、Oracle Data Cloud 等。目前，国外数据交易机构采取完全市场化模式，数据交易产品主要集中在消

33、费者行为趋势、位置动态、商业财务信息、人口健康信息、医保理赔记录等领域。11 （二）（二）数字经济数字经济蓬勃发展蓬勃发展 数字经济是继农业经济、工业经济之后的主要经济形态，中国数字经济发展白皮书中将数字经济定义为“以数字化的知识和信息作为关键生产要素，以数字技术为核心驱动力量，以现代信息网络为重要载体，通过数字技术与实体经济深度融合，不断提高经济社会的数字化、网络化、智能化水平，加速重构经济发展与治理模式的新型经济形态”14，标志着数据要素已经成为数字经济时代的关键力量与核心动力。我国数字经济的发展规模正在不断扩张，2005 年至 2021 年，我国数字经济总体规模增加值已经从 2.6 万亿

34、元扩张至 45.5 万亿元，16 年扩张超过 16 倍；同时，数字经济在我国 GDP 中的占比从 14.2%上升至 39.8%，呈现出持续上升的趋势（见图 1），标志着数字经济在我国经济发展中占据着越来越重要的地位。数据来源:中国信息通信研究院 图 1 数字经济规模及占 GDP 比重 14 中国信息通信研究院.中国数字经济发展白皮书 R/OL.http:/ 此外，我国数字产业化和产业数字化均在稳步发展中，且仍以产业数字化为主导（图 2）。就 2021 年而言，我国数字产业化增加值规模达到 8.4 万亿元，同比名义增长 11.9%；产业数字化的增加值约 37.2 万亿元，占 GDP 比重达 32

35、.5%。产业数字化与数字产业化的发展趋势充分凸显了数据要素市场在我国现在、乃至未来经济发展中的重要地位。同时，新型数字技术及相关企业的不断涌现也使得产业体系更加完备，为数据要素的利用与国民经济的发展全面赋能。图 2 我国近六年数字经济结构变化 结合近年来数字经济的发展模式与特点，白皮书先后提出了着重于生产力角度的“两化框架”，以及结合生产力与生产关系双视角的“三化框架”。在数字经济“三化框架”的基础上，又从生产要素的视角加以修正，改为包括数字产业化、产业数字化、数字化治理与数据价值化在内的“四化框架”（图 3）。其中，数据价值化就是从生产要素的视角，强调价值化的数据在推动数字经济发展中的重要作

36、用，包括数据采集、数据确权、数据定价、数据标准化以及数据保护等等。当前数据呈现出的量大、多样化、增长速度快、获取速度快、可存取、可重用等特征，使得数据成为一大基础性战略资源。然而就数据爆炸式增长的体量而言，数据的价值密度仍相对较低，只有加快数据价值化进程才能更好地构建与推动以数据为关键要素的数字经济发展。77.00%77.40%79.50%80.20%80.90%81.60%23.00%22.60%20.50%19.80%19.10%18.40%0%10%20%30%40%50%60%70%80%90%100%2001920202021产业数字化占比数字产业化占比13 资

37、料来源：中国信息通信研究院 图 3 数字经济框架发展（三）（三）数字数字产业链产业链初步形成初步形成 国家工业信息安全发展研究中心等机构公布的2020-2021 中国数据要素市场发展报告15从产业链的角度出发，将目前国内数据要素市场分为数据采集、数据存储、数据加工、数据流通、数据分析、数据应用和生态保障七大模块，覆盖了数据要素从产生到发生要素作用的全过程。在较为基本的数据采集、数据存储和数据加工这三个方面我国的产业技术已趋于成熟，流程也逐渐规范。尤其在数据存储方面，云存储技术正在全力发展。截至 2019 年底，我国在数用数据中心机架总规模达到 314.5 万架，同比增长 39%。云服务供应商从

38、早期的几家互联网公司发展成为超过 60 家企业的供应商群体。面对数据的复杂性这一特点，机器无法完成所有的工作内容，因此人工对数据进行采集、加工是不可不勉的。但是这一定程度上促成我国数据标注产业快速发展，已经吸纳就业超过 10 万人，成为欠发达地区发展人工智能、大数据产业的选择，让更多的省市走向发展数据市场的道路。数据流通在提升公共决策效率、扩展商业应用场景等方面有着显著的作用。数据流通根据技术方式的不同，可以分为数据开放共享、数据交易、API 技术 15 国家工业信息安全发展研究中心.中国数据要素市场发展报告（20202021）R/OL.http:/www.cics- 服务、“数据可用不可见”

39、模式、“数据可算不可识”模式、数据跨境流动等形式。数据流通主要关注的问题是数据的分享。目前政府部门之间的内部共享发展良好，国家电子政务网站接入全国政务部门共计约 25 万家。2021 年，超过 1/4 国家部委实现政府服务 100%全程网办。除免费共享以外，数据也可以进行交易。但由于我国数据确权相关法律尚不成熟，数据交易模式近来发展逐渐放缓。更安全、便利的 API 技术服务逐渐扩大市场，仅聚合数据一个头部企业已经沉淀了超过 500 个分类的 API 接口，日调用次数已经达到 3 亿次，目前已合作客户逾 120 万家，涵盖智能制造、人工智能、5G 应用等领域。数据交易是市场经济条件下促进数据要素

40、市场流通的基本方式。近年来，随着大数据技术及应用的迅速发展，我国各地以多种形式开展了关于数据交易的探索和实践。2015 年 4 月，贵州省人民政府批准成立了全国第一家大数据交易所贵阳大数据交易所。在之后的几年中，武汉、哈尔滨、江苏、西安、广州、青岛、上海、浙江、沈阳、安徽、成都等地纷纷建立大数据交易所或交易中心，提供数据交易服务。据网上公开资料统计，2015 年以来各省市先后建立的数据交易机构超过 20 个，均由各地政府或国家信息中心牵头协调，亚信数据、九次方大数据、数海科技、中润普达等一批数据运营服务企业提供技术和运营支持。这些数据交易机构作为大数据交易的先行者，不仅在实践中对规则尚不明确的

41、数据交易进行了有益的探索，而且尝试着制定数据交易的相关规则并付诸实践，积累了经验和教训，也取得了初步成效。从各地数据交易机构的实践来看，目前形 成了两种最主要的交易模式，也是发展数据交易机构的两种主流思路。一是数据撮合交易模式。在这种交易模式下，数据交易机构以交易粗加工的原始数据为主，不对数据进行任何预处理或深度的信息挖掘分析，仅经过收集和整合数据资源后便直接出售。很多交易所或交易中心在发展初期都是以这种交易模式为基本发展思路。二是数据增值服务模式。数据交易机构不是简单地将买方和卖方进行撮合，而是根据不同用户需求，围绕大数据基础资源进行清洗、分析、建模、可视化等操作，形成定制化的数据产品，然后

42、再提供给需求方。从各地实践效果来看，大部分数据交易机构经过多次探索之后，选择了提供数据增值服务的交易模式，而15 不是基础数据资源的直接交易。除上述环节，数据要素市场还需要各方主体为数据交易流通提供有效保障，构建良好的市场生态。数据要素市场生态保障主要包括数据资产评估、登记结算、交易撮合、争议仲裁及跨境流动监管等环节。最主要的问题还是在于数据要素市场属于新兴的领域，相关信息较少。许多企业忽视了数据资源重要性，参与度与积极性有待提高。此外，数据要素市场还面临着相关法律法规空缺、监管制度不健全、数据归属难界定等问题。亟需相关部门完善法律机制，保障数据要素市场的运行。总之，要在确保市场正常运行的情况

43、下扩大数据要素市场的规模。（四）（四）数字产业化数字产业化进程加快进程加快 国家统计局于 2021 年 6 约 3 日公布公布的数字经济及其核心产业统计分类（2021）16（以下简称“数字经济分类报告”）从“数字产业化”和“产业数字化”两个方面，确定了数字经济的基本范围，将其分为数字产品制造业、数字产品服务业、数字技术应用业、数字要素驱动业、数字化效率提升业等 5 大类。前4大类为数字经济核心产业，主要包括计算机通信和其他电子设备制造业、电信广播电视和卫星传输服务、互联网和相关服务、软件和信息技术服务业等，是数字经济发展的基础。数字产业化部分为产业数字化发展提供数字技术、产品、服务、基础设施和

44、解决方案，以及完全依赖于数字技术、数据要素的各类经济活动，对应于国民经济行业分类17中的 26 个大类、68 个中类、126 个小类，是数字经济发展的基础。第 5 大类为产业数字化部分，是指应用数字技术和数据资源为传统产业带来的产出增加和效率提升，是数字技术与实体经济的融合。该部分涵盖智慧农业、智能制造、智能交通、智慧物流、数字金融、数字商贸、数字社会、数字政府等数字化应用场景，对应国民经济行业分类中的 91 个大类、431 个中类、1256个小类，体现数字技术已经并将进一步与国民经济产生深度渗透和广泛融合。数字经济分类报告的分类方式更加全面，从科学的角度出发构造了一个 16 国家统计局.数字

45、经济及其核心产业统计分类（2021）R/OL.http:/ 中华人民共和国民政部.国民经济行业分类(GB/T 4754-2017)R/OL.https:/ 立体的数字经济分类。数字经济是一个内涵比较宽泛的概念，而且随着人类社会逐渐进入以数字化为主要标志的新阶段，数字经济的内涵不断扩展延伸。数字经济分类报告以相关文件为指导，结合统计工作实际，将数字经济界定为以数据资源作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。需要强调的是，数字经济紧扣三个要素，即数据资源、现代信息网络和信息通信技术。这三个要素缺一不可。数字经济分

46、类报告的出台为我国数字经济核算提供了统一可比的统计标准、口径和范围，并努力向数字经济发展领先的国家学习，缩小国际间的差距，使国际对话成为可能。并且，数字经济分类报告即立足当下、注重实际：报告立足现行方法，聚焦数字经济相关指标，充分考虑数字经济产业数据的可获得性；同时着眼未来：下一步，国家统计局将定期开展数字经济核心产业的核算工作，为各地区各部门贯彻落实“十四五”规划纲要明确的数字经济核心产业发展目标提供数据支撑。四、数据要素市场的困境挑战（一）（一）数据权属界定问题不明晰数据权属界定问题不明晰 习近平总书记在中共中央政治局集体学习上指出，“要制定数据资源确权、开放、流通、交易相关制度，完善数据

47、产权保护制度”。近年来，西方国家出台了多部与数据相关的专门法规，如欧盟 通用数据保护条例、日本 人工智能、数据利用相关签约指南等，相关法规均对数据权属等问题进行了系统界定。我国中华人民共和国民法典等法律虽然规定了须对个人信息和数据进行保护，但相关立法对数据要素市场中的数据权属问题一直未作出正面回应。数据权属界定不明确造成数据在流通、交易、使用过程中的可解释空间大，导致市场规范性变差。此外，数据权属不确定问题还给相关执法带来困难，间接造成数据交易违法成本降低。例如，大量数据集在黑市进行交易，数据隐私泄漏问题屡见不鲜。因此，相关部门应尽快建立数据权属界定方法体系，分离数据所有权与使用权，为数据要素

48、的流通交易奠定基础。17 （二）（二）数据分类分级数据分类分级标准标准不统一不统一 当前数据要素分类标准悬而未决，存在按主体划分、按敏感性划分、按共享公开程度划分等多种划分标准。数据分类分级标准的缺失导致部分数据的质量下降，进一步增加了数据交易过程中数据资产的不确定性，买方对数据效用价值的判断更加困难。而企业在经营过程中可能涉及大量敏感数据，此类数据对国家安全具有重大意义，对于数据分类分级的需求更为迫切。（三）（三）数据价值计量数据价值计量方法不确定方法不确定 数据资产的价值计量主要从价值维度、应用场景、模型方法、财税管理四个层次展开，其中价值维度的计量是最基础的计量维度，涉及质量、效用、生态

49、三个方面。在移动互联网、云计算、机器学习等新一代技术的发展下，绝大部分的数据资源以“0”“1”比特形式存在，能够被准确计量（数量）。但由于数据的非均质性，即使数量相同，数据的价值也会存在巨大差异。其根源在于，数据价值的一个重要组成部分是数据的利用价值，来源于人类对数据资源的管理和利用，具体体现在数据与脑力劳动结合的过程中形成“数据-信息-知识-数据”的价值闭环，能使数据联动不同组织、不同产业集群的核心要素，成为指挥实体经济运行的“大脑”。通过对数据的有效管理亦可实现数据利用价值的增值，包括数据采集、数据储存、数据组织等活动。其中，数据利用有序化，数据使用效率提升，数据利用价值相应增值。不同个体

50、或组织对数据管理活动的差异性将导致同一数据要素的利用价值展现出差异性。因此，无论是从投入与产出角度还是从实物与价值角度，数据利用价值的不确定性使得数据价值计量成为数据要素市场化过程中的一大难题。（四）（四）数据数据流通交易流通交易过程不过程不安全安全 近年来，数据隐私泄漏等公共安全事件频发，折射出数据要素市场存在的技术安全风险问题。数据要素在采集、存储、加工和流通过程中，数据安全防护更加困难，容易受到非法势力攻击和窃取，在进行市场化运作时，数据要素流通的环节复杂，与传统要素相比更加容易发生泄漏的问题，因此数据要素流通风险防治一直是影响制约要素流通的关键问题，对数据安全和隐私保护的要求更高，甚1

51、8 至直接影响数据要素的流通以及流通时的价值。数据要素流通过程中，各种基础性、人为性或合规性的原因均可能导致数据发生泄漏，而一旦发生泄漏，以目前的技术，较难对数据进行追溯。区块链等技术虽然在一定程度上可以解决数据溯源，但可用性与落地性仍有一定距离。安全多方计算及联邦学习等新兴技术在促进要素交易流通方面虽然有巨大的潜力，但企业对其接受度还有待提高。因此培育数据要素市场，要着力解决数据安全保护相关问题，要做好数据分级分类和建立数据安全保障机制。分类就是要明确哪些数据属于哪个范畴（业务），这个范畴可大可小。分级则需要考虑数据的敏感等级。（五）（五）数据流通交易机制数据流通交易机制不不完善完善 根据数

52、据所有权的不同，可将流通数据分为政府数据和企业数据。一是政府数据方面，政府“数据大岛”跨部门、跨区域融通仍存在障碍，有序开发利用的机制路径还不够清晰，其流通多为“一把手”工程。数据流通需要地方党政领导充分意识到大数据重要性，协调各部门关系，合理赋予大数据相关部门权利，利用刚性制度约束，促进各部门数据打通、开放。目前，贵州、浙江等以信息技术立省的地方，由于党政一把手重视，相应刚性制度完善，数据流通工作开展迅速。以贵州为例，贵州省大数据管理局掌控各平级部门的信息化预算，以此推动政府数据流通。但仍有部分地方大数据主管部门缺乏配套的刚性制度约束，无法实现政府内部的数据流通管理。二是企业数据方面，我国企

53、业数据流通方式以“数据交易所+数据公司”模式为主，但根据相关统计数据，各地的数据交易所已经有14 家处于停止运营或半停止运营状态，互联网头部企业存在数据资源垄断问题，形成阻碍数字经济竞争繁荣的“数据黑洞”。贵州大数据交易所作为最大的数据交易所，年交易额仅 3 亿。这主要是因为数据是非标品，因此数据交易所作为平台交易商，从基因上无法解决数据质量和数据定价问题。虽然数据公司通过提供标准化的数据产品，可以在一定程度上解决数据质量和数据定价问题，但是仍存在数据安全性风险、企业定制化采标数据交付周期长且数据成本高等问题。同样存在的还有平台垄断现象，头部企业的马太效应汇聚了海量的数据，由于数据确权问题，这

54、些企业对于数据有实际上的掌握权和使用权。这不利于数字经济的发展。要努力破除数据要素定价难的问题，并且努力推动数据的流通，否则数据要19 素市场的规模会停滞不前。五、数据要素市场的战略策略（一）（一）健全数据流动法律规则健全数据流动法律规则 第一，完善法律法规。要加快制定数据要素方面的基础法规，建立适合数字经济发展的规则体系，对数据合理确权。结合数据要素发展实际，完善地方性法律法规，构建完善的数据要素法律体系，引导数据要素市场良性发展。第二，建立健全数据产权制度和行业自律机制。要打破地方保护，加强反垄断、反不正当竞争和隐私保护，构建公平有序的数据资源利用秩序，保护数据产权交易，加强产权侵权保护和

55、执法。让数据创造者获得数据使用收益，完善信息授权许可制度，引导数据要素流向先进生产力。利用技术手段推动数据产权界定推进全流程电子化交易。（二）（二）推动公共数据扩大开放推动公共数据扩大开放 第一，构建数据标准化体系。尽快梳理公共数据开放状况，强化数据资源的公共属性，对数据的分类、格式、平台、访问、技术等多方面进行标准化，完善数据流通管理规范，严格把控数据质量，为公共数据开放提供帮助。第二，构建数据分级分类体系。根据数据特征属性进行汇聚和分类管理，考虑数据的要素属性，优先将与民生紧密相关、社会迫切需要、行业增值潜力显著的公共数据纳入开放清单，完善数据的差异化管理机制。第三，建设公共数据开放平台。

56、整合开放的数据资源，为公众提供方便访问公共数据的便捷通道，构建统一的公共数据开放平台，推基础数据库动态优化，发展具有行业特色的数据交易平台，提高数据要素生产效率，规范开放规则，推动数据共享与使用。第四，建设新兴的央地数据合作机制和政企合作模式。加强中央与地方的政策制定部门、数据管理部门和业务部门的对接，探索合理有效的央地合作模式。推动对国资企业的数据授权，加强政企合作，促进公共数据二次传播和共享。（三）（三）促进数据要素交易流通促进数据要素交易流通 第一，建立健全数据要素市场体制机制。建立数据市场准入机制，建立数据20 市场的价值评估体系，健全数据交易管理制度，规范数据市场交易行为，保护市场交

57、易业务流动，合理平衡不同要素的利益分配机制，确保数据要素利益分配的效率和公平。加快数据要素市场的价格改革，构建价格调节机制。第二，大力培育数据要素市场主体。通过政策引导数据提供商、大数据交易所等参与主体和行业协会的主观能动性，发挥中介作用，培育多元化的数据供给主体。培育符合市场需求的专业型人才，设置国家数据管理局和统筹构建数据分析专业人才的多元化、立体化培养体系。第三，加强数据要素基础设施建设和技术创新发展。缩小地区之间的数据基础设施建设差距，推动数据要素市场的统一，发挥数据平台纽带作用。利用好“新基建”窗口期，研发核心数据加工技术，促进人工智能。区块链、大数据等高新技术的融合发展，推动信息技

58、术创新，联通数据产业链。第四，大力发展创新型数据要素商业化模式。顺应数字化转型趋势，通过培育数字经济新业态和新产业，探索优化数据商业化定价、交易和利益分配模式，明确行业参与主体的权利和业务规范，推动数据资源与实体经济和优势领域的深度融合。第五，推动数据要素应用开发。推动经济社会数字化转型，拓展数据应用场景，引导数据资源应用创新，鼓励数据要素与创新产业的深度融合，推动数据驱动型研发，重视高新技术的实际应用，提高数据要素价值和流动效率。第六，促进企业数据流通。通过政策引导和扶持，为企业提供创新发展机会，普及数据流通技术，打造数字化转型样板，提供公共数据服务。鼓励企业家创新活动，推动企业合作发展，提

59、高数据使用效率。（四）（四）构建数据安全治理体系构建数据安全治理体系 第一，建立建全数据安全法律法规。根据数据要素市场特点建立健全数据安全法律体系，建立行业分领域的管理细则，明确市场参与主体法律责任，完善隐私保护法规，加强损害安全利益的惩处机制，打击数据犯罪，赋予受害者相应的隐私侵害诉讼权和赔偿权，提升数据安全治理能力。第二，推动数据安全监管体制机制。提升数据安全防范意识，完善数据安全管理制度，建立多主体协同监管模式，提高数据要素开放共享风控能力，平衡数21 据开发利用和数据安全之间的关系。引导企业建立完善的数据安全管理体制，建设数据交易追溯审计制度，强化数据安全风险评估和预警机制，完善数据安

60、全应急处置机制。第三，促进数据安全技术的应用。推动企业发展数据安全核心技术，培育多层次多类型的创新人才，运用数据加密、安全认证等数据安全技术手段，保护数据流通过程。设置数据安全技术指标，鼓励企业在数据管理流程中开发和应用新技术，支持数据安全领域的技术推广。六、数据要素市场的运行机制 数据要素市场旨在实现数据要素的市场化配置。数据要素市场规范运行，要求在以下几个方面进行市场相关体制机制的完善和健全:首先是需要生产和汇集大量数据要素，生成数据要素生态。其次，需要搭建促进数据要素流动的硬件（算力）和软件（算法）环境，针对数据要素市场的资源调度、流通、安全防护等建立基础设施。然后需要科学界定数据产权，

61、完善数据共享机制，确定定价机制、分配机制，维护数据交易各方权益，完备数据交易法规，数据要素市场监管到位，在政策方面完善金融财税制度和立法监管体系，保障数据交易公平秩序和市场健康运行，数据要素市场体系架构如图 4 所示。但目前数据确权、定价、交易、跨境流通等基本制度规则还未构建完成，合法、成熟的数据流通模式尚未建立起来。数据来源：王璟璇,窦悦,黄倩倩,童楠楠.全国一体化大数据中心引领下超大规模数据要素市场的体系架构与推进路径J.电子商务,2021(06):20-28.DOI:10.16582/ki.dzzw.2021.06.003.图 4 数据要素市场体系架构 22 （一）（一）市场运行模式市场

62、运行模式 数据要素市场的本质也是市场经济，也就是市场配置生产要素和实现商品价值，发挥市场配置资源的决定性作用。生产要素市场化要求一切生产要素均需通过市场交易进入生产领域，数据要素资源配置同样依靠市场的决定性作用。数据要素市场包括流通和分配两个重要环节，流通环节是数据要素产权或所有制的转移，分配环节是数据要素产生收入分配。在流通环节，数据要素依托产权和所有制在各经济部门之间进行流通。一是数据要素的初次流通。数据要素来源呈离散型，政府部门、不同经济主体都可能控制和沉淀大量数据，这些数据汇总、整合、交叉匹配，具备投入生产的条件后，数据要素完成其初始分配。二是数据要素的二次流通。数据要素初次流通并不必

63、然使其得到最大化利用，受限于初次流通主体技术能力、运营方式，数据要素经过多次流通配置才能充分发挥其价值。在分配环节，数据要素供给者依托价格体系获取报酬。一是数据要素收入的初次分配。初次分配由生产资料所有制决定，数据要素供给者可通过将数据要素投入生产获得相应报酬。数据不具备稀缺性，产权转移边际成本为零，且数据权属相对模糊，导致数据要素市场供需关系均衡缺乏稳定基础，定价机制运行受到影响。二是数据要素收入的再分配。再分配由政府通过征收数字税的方式，补偿数据要素供需双方，以及原始数据信息提供者之间的收益分配不公平。截至 2020年末，已有 46 个国家开征或计划开征数字税，其中以缺乏本土巨头企业的欧盟

64、最为积极18。数字税征收核心考虑是，依托互联网开展跨境业务可以非商业存在、远程方式提供，如将商业存在设立于税收洼地，可能造成税基侵蚀、影响税收公正。因此，数字税征收主要针对特定企业（跨境提供服务）而非商业行为，缺乏对数据要素市场普适性应用。（二）（二）市场运行关键点市场运行关键点 1.数据确权数据确权 产权是一个基本的经济学概念。产权指一种可执行的社会架构，该架构决定 18 孙方江.反垄断视角下数据要素市场治理体系的构建.西南金融2021 年第 9 期.23 经济资源如何被使用或拥有19，包括：第一，使用经济资源的权利；第二，从经济资源中获得收益的权利；第三，将经济资源转移给他人、改变经济资源

65、、放弃经济资源，以及损毁经济资源的权利。产权可以细分为所有权、占有权、支配权、使用权、收益权和处置权等“权利束”。产权界定是任何要素有效配置的前提。产权清晰是数据市场经济活动有序进行的基础，以法律形式确定不同来源数据的产权归属，为规范数据要素市场行为提供实践标准，是加快数据要素市场培育的制度保障。数据确权是建立数据交易市场秩序和规则的前提条件，是理清数据流通边界的根本途径是实现数据收益按贡献分配的必由之路。数据权属的确定，有利于明确数据交易主体的责权利，规范数据交易主体行为，化解数据产权不确定带来的利益冲突，保护各自的合法权益，形成良好的数据交易秩序，引导数据交易相关方规范公正地完成数据交易，

66、促进数据产业繁荣发展。（1）数据确权的难点 数据产权界定的复杂性首先来源于数据的特殊性。一方面，数据的非消耗性、非竞争性使传统的科斯产权定理无法直接适用；另一方面，从数据本身的特性来看，数据与传统普通物的所有性质有所不同。数据的特点使数据产权外延内的所有权和一般民法对所有权的界定不同。数据权在数据的全生命周期中有不同的支配主体，权利人需承担更多的义务和责任，不仅要对数据泄露和数据侵权等事件承担责任，而且需要在日常数据收集和处理等工作中履行相应的义务。其次，数据权利具有多样性，不同类型数据在权利内容上存在较大差异。数据权的主体包括自然人、政府和企业。个人数据可能会包含个人的隐私，自然人对自己的数

67、据享有隐私权。因此，自然人对个人数据的权利旨在保护其对个人数据的自主决定利益，从而防止因个人数据被非法收集和利用而侵害个人人格权和财产权。对于政府数据，通常被认为属于公共资源，公众享有知情权、访问权和使用权。商业数据则包含企业的知识产权、商业秘密和市场竞争合法权益等。目前，一些国家或地区已出台了数据保护的相关规定，如欧盟一般数据保护条 19 邹传伟.数据要素市场的组织形式和估值框架.大数据2021 年第 7 期.24 例 对个人的数据权进行了详细界定20，个人作为数据主体有知情权、被遗忘权、修改权、收益权等，使个人数据权利保障更具可操作性。对个人来说，仅靠个人力量维护数据权益受到专业能力、技术

68、装备等方面的局限性，需要从法律层面加大对数据拥有者的规制力度，明确企业对数据市场活动的行为边界。在政府数据开放的讨论语境下，政府数据也是一种重要的权利客体。相对于个人数据和政府数据的概念，商业数据比较模糊，尚未成为严格的法律概念。从企业数据看，大部分企业因数据授权信息难以界定，数据流通环节难以追踪管控，无法确保数据在允许的范围内流动，对商业秘密、客户个人隐私泄露心存疑虑，对外部单位共享数据的意愿不高，直接制约了企业数据对经济社会价值的有效释放。数据生产链条包括多个参与者，权利责任需要在各参与者之间进行划分而引致界定困难，原始数据和衍生数据的产权界定陷入两难。与其他财产不同，数据的全生命周期由多

69、个参与者（数据提供者、数据收集者、数据处理者等）对数据进行支配，每一个参与者在各自环节赋予数据不同价值。赋予某一参与者专属的、排他性的所有权不可行，需要在数据提供者、数据控制处理者等参与者之间进行协商和划分，确定各权利之间的边界和相互关系。数据权利内容还会随着应用场景的变化而变化，甚至衍生出新的权利内容，使得事先约定权利归属变得困难。数据权利与其他有形或无形物的产权存在较大差异，数据的来源也不同于普通产品的生产，这使数据权利问题的复杂性增加。现有的物权法、合同法、知识产权法等法律未能及时完善，同时，数据的电子化、易复制性、隐蔽性等特点使数据确权更加复杂困难。从经济学的角度来看，按照科斯定理的基

70、本原则，如果对产权的法律界定导致交易成本过高，从而事实上阻止了数据交易和流通，那么这种权利界定就是无效率的。对于经过匿名化处理、总体价值密度较低的大数据而言，其中包含的每一条个人信息的贡献价值其实都非常之小。如果认可个人的财产权利主张，那么个人授权或获取分成收益的成本很可能超过其信息贡献价值，导致数据交易成本太高，从而无法实现数据在市场上的流通，甚至使数据市 20 王芳.关于数据要素市场化配置的十个问题.图书与情报2020 年第 3 期.25 场失去存在的意义。但是，从法学角度来看，认可个人的财产权利主张可能有其维护社会公平的道理。这就是数据权属争议的核心问题所在。（2）数据确权的建议 数据产

71、权制度框架选择 基于不同的价值目标，对数据产权的界定提出了多种制度设计框架，包括“数据权”“数据所有权”和“数据权益”等。首先，类似于绝对权的权利定性与数据的特殊性难以契合，不利于数据流通和产业创新。数据权包括对数据的自主决定、控制、处理、收益、求偿等权利束，根据数据内容可以细化为个人、公共、市场主体分别所有的数据权，此时，产生的首要问题便是权利客体重合，使数据权属陷入更加复杂的权利混沌之中。与之类似的数据所有权同样不能满足多方主体的利益需求。并且，“所有权”制度本身发端于物权，从“物”与“数据”的客体层面比较来看，二者存在巨大差异，无法以物权领域的所有权体系构建数据所有权。其次，界定数据权利

72、时，应当以财产权利界定为主，并非一定要纳入数据相关的所有利益。无论是“数据权益”模式，还是“新型财产权”理论，都将人格权益作为数据确权的重要组成部分，将其与数据财产权对应，分别赋予个人与企业。虽然数据会附有人格要素从而体现人格权益，但是，一方面，数据包括原始数据和衍生数据，原始数据大部分来源于个人信息，但衍生数据则大多产生于企业对数据的处理分析，无论是原始数据还是衍生数据，均不是全部囊括在个人数据范围之内，并且，数据携带的人格要素也具有一定的经济利益，从而可以实现财产化，通过财产权途径进行确认;另一方面，人格权益的保护可以援引已有的人格权规范，尤其是民法典的生效，为人格权提供了更为体系化的、完

73、整的保护，而数据财产权益却缺少足够的制度依据。产权制度的设计目的在于实现资源最佳配置和有效率的资源开发利用，与传统的物、劳动、资本等不同，数据本身没有商业价值，通过企业收集处理、分析，创新研发出来的大数据(或数据集束)才是经济效益的发挥途径。传统民法的所有权观点对于非排他、非消耗性的数据并不能直接适用，赋予数据产业链所有主体排他性所有权会导致数据碎片化26 的“反公地悲剧”问题，不仅大幅增加数据要素市场化成本，也不利于数字经济发展。因此，从数字经济时代特性来看，数据产权应当选择人格权/财产权之外的新型权利框架，具体而言，对数据行为产生的网络数据，技术使用者享有使自己或他人在财产性利益上受益或受

74、损的权利。值得说明的是，数据产权以财产性利益为主并不等同于忽视人格利益保护，之所以需要合理确认数据产权，就是为了通过合理调整财产性利益的归属，使个人数据人格权益最大程度的规避被侵害的风险。目前对数据权益归属与保护的研究，多从私法赋权和救济的维度出发，试图对数据中的人格权益与财产权益分别予以赋权，对相关权利性质、权利内容、权能体系进行构造。随着互联网经济新业态的不断更新，数字数据技术的高速发展，对数据进行静态赋权的保护范式已不能适应数据活动的蓬勃发展，学界也认识到“通过叠加式的私法赋权以实现数据主体的不同利益，属于典型的私法保护进路。这种进路遇到的理论困难，是因为其忽视了数据本身的无形性、可分享

75、性以及公共性的特点，以及信息数据主要通过社群分享来实现自身价值的客观事实”。故此，数据权属制度须结合数据要素流转的运行进行设计，以“数据相关行为”为基准设计动态权属制度，实现个人数据、商业数据和政府数据间的权益均衡分配，根据“场景正义原则”，为不同主体根据具体场景赋权，能够更好地激发数据主体的创新能力。数字经济发展所涉及的诸多环节具有高度的内在统一性，本质是围绕“数据相关行为”，即数据采集行为、数据计算行为、数据服务行为、数据应用行为形成的完整的数据行为生态系统。数据不仅作为信息载体而被数据控制者收集和整理，更作为一种生产要素被数据控制者进一步挖掘与使用，体现了消费产品与生产要素的高度聚合。故

76、此，根据数据运行的全周期及“数据相关行为”的实施进展程度，可纵向将数据区分为原始数据、衍生数据、创生数据。结合横向数据主体的个人、企业、政府对于数据权益的需求，以精细化、差异化、场景化科学合理地对数据权益进行分配。27 对于原始数据，因其散落于个体用户终端与人机交互产生的信息之间，具有分散性与无序性的特点，尚未对数据所涵盖的信息内容进行挖掘，其经济价值尚未体现，这一阶段应强调对原始数据个体权益的保护。在此过程中，个人注重个人信息权益;企业对于原始数据进行采集，应鼓励其开发数据要素的行为，故赋予其财产权益，但由于此时数据尚未经过处理，仍含有大量个体用户信息，故同样注重保护个人信息权益;政府所采集

77、的原始数据即包含公民的个人信息，亦包含涉及国家安全、社会发展等相关信息，故此处统称为公共权益。对于衍生数据，其是以原始数据为原料加工而成，既要注重保护用户个人的权益，即个人信息与隐私，处理者应当遵循正当、必要、合法等原则，不得侵害用户个人正当权益;同时也要注重对处理者权益保护，其在进行收集、存储、加工原始数据等活动时，须投入人力、资本、时间等成本，若缺乏对处理者对于衍生数据权益的保护或过度保护用户个人权益，为处理者制造过高的制度成本，不利于激励处理者从事数据活动制造衍生数据，进而会阻碍数字经济运行效率。故对于个人和企业而言，均赋予其个人信息权益和企业财产权益;对于政府数据而言，由于衍生数据已经

78、过相关的加工处理，应保障处理者的财产权益，同时对涉及公共利益的数据应统筹保护。对于创生数据，是相关主体结合运营需求对衍生数据进行再度加工处理，并实现“去个人化”后，复次利用形成的新数据资产。由于此类数据已经进行脱敏处理，不再涉及个人信息的保护，此时需要着重保护“数据创生者”的权益，激励为数据价值释放与创新投入劳动与资本的主体，保障数据的合法自由流动，促进以数据为关键要素的数字经济发展，落实数据作为生产要素由市场评价贡献、按贡献决定报酬的机制。故此时个体已不享有个人信息权益，应注重保护“数据创生”的财产权益;同时，对于政府数据中涉及公共利益的数据，即使经过“创生”处理，仍应注重保护该部分数据的公

79、共权益。综上，基于数据运行的客观规律，以“数据相关行为”基准设计动态权属制度形成的动态保护，符合数据运行实况，有助于推动数字经济健康可持续发展，并且可以对数据相关权益进行科学高效的配置，保证数据各主体能够合规有序地使用数据，构建数据市场公平竞争的行为边界，畅通数据在“双循环”新发展格局下生产、分配、流通、消费各环28 节流转的通道，促进以数据为关键要素的自由流通，落实数据作为生产要素由市场评价贡献，按贡献决定报酬的机制。2.数据分类数据分类 数据可以根据不同的标准进行分类。（1）从性质看，数据可分为生产经营数据与社会管理数据。生产经营数据具有盈利性、私人性、独立性，这类数据可完全通过市场配置、

80、有偿使用，构成企业经营成本;社会管理数据应用于政府部门管理和公共事业服务需要，一般免费使用或低成本收费。（2）从产权看，数据可分为私人数据与公共数据。私人数据相对于公共数据而言，无关所有制性质。私人数据的产权归独立的企业或经济主体拥有，具有排他性，数据使用和交易奉行有偿和等价原则，数据要素通过市场交易配置到生产经营领域;公共数据归政府拥有，用于公共事务管理和基本公共服务，免费提供国民使用，也不排除企业免费使用。（3）从功能看，数据可分为综合数据和专业数据。对某个领域系统全面的数据成果，以数据库或数据服务软件形式存在，都可视为综合数据，它可赋能于国民经济产业;也有数据形成阶段性专业数据，可服务于

81、特定企业和人群。四是从产品看，可分为“基础类技术产品（承担数据存储和基本处理功能，包括分布式批处理平台、分布式流处理平台、分布式数据库、数据集成工具等）、分析类技术产品（承担对数据的分析挖掘功能，包括数据挖掘工具、BI 工具、可视化工具等）、管理类技术产品（承担数据在集成、加工、流转过程中的管理功能，包括数据管理平台、数据流通平台等）等”。（4）按数据是否包含个人信息，可以将数据分为个人数据和非个人数据，个人数据指与个人相关，能够识别个人身份的数据。按照数据是否加工，可以将数据区分为原生数据和衍生数据。原生数据是指不依赖于现有数据而产生的数据；衍生数据是指原生数据被记录、存储后，经过算法加工、

82、计算、聚合而成的系统的、可读取、有使用价值的数据。按照数据产生的主体，数据可以分为：个人数据、商业数据和政府数据。政府数据指政务部门履职过程中获取或制作的数据，可包括个人数据和商业数据。商业数据主要指商业机构运行中获取或生产的数据。29 这种分类中涉及个人数据的部分有交叉，对于商业数据和公共数据中涉及个人的数据，仍是个人数据，一般采取个人数据匿名化的处理方式。3.数据价值与价格数据价值与价格 数据自身定价存在诸多难点。数据价格既与数据质量有关，也与数据收集难易有关，更与特定场景有关，对有的人“价值连城”的数据对其他人可能“徒增成本”，数据产品的异质性、一品一价大大增大了数据市场定价难度，因此数

83、据本身的价值是很难衡量的。数据产品或服务定价管控难。数据产品或服务定价是指对数据要素开发形成的产品或服务的价格进行确定。目前看，大部分平台企业都采用消费者免费使用的模式，给数据产品或服务定价监管带来新挑战。面对市场上数据产品定价不公的现象，消费者一般只能被动接受。确保消费者合法权益得到保护，需要引入合理的数据产品或服务价格形成机制，才能对数据产品或服务价格进行有效引导并加以规范。无论是基于数据价值质量、应用、风险三个维度的市场法、成本法、收益法等估值方法，还是基于非市场角度的条件价值法和隐私价值法，都有各自的优缺点，没有完全解决数据定价和价格形成机制问题。数据估值缺乏统一的衡量标准，使数据无法

84、作为资产进行会计核算，数据交易时买方不清楚应支付费用额度，数据要素收益分配时不清楚该如何测算贡献比例。虽然数据要素价值由生产加工数据产品的社会必要劳动时间所决定，价值是价格的基础，但却受到市场供求关系的影响，并随市场供求变化而波动，表现为市场定价。市场定价的基础是价值，但又反映市场供求关系，这体现市场的平等性。市场定价会促进数据要素市场竞争和数据要素生产率提高。由于数据具有虚拟性，不如其他实物要素那样方便计价，需要在确权的基础上进行专业估价，进而在市场磨合定价。一些具有垄断性的且涉及国计民生的基础数据定价还需要辅之以听证会的方式。为了统一数据估值标准，可从多种类数据交易市场切入，发挥市场力量探

85、索数据定价机理，在多方互动中逐步明确数据要素定价规则和标准。30 4.数据配置模式数据配置模式 数据资源配置是从社会对数据资源的需求出发，以分配公平和配置效益为目标，以政策法规或市场机制为手段，调整数据资源在时间、空间和数量上的分布和分配预期的过程。数据资源政府配置模式有利于确保公共数据产品服务供给的公平性，有利于激发大数据产业创新热情和积极性。当前，适合我国数据资源开发使用的有效机制尚未形成，数据可流转范围、可流转对象、流转程序等合规流通路径不明，导致数据供给方式不合理、数据质量不高和数据使用率有待提升等问题。加快数据资源配置模式探索，明确数据合规流通程序，对引导数据流通走向规范化、制度化轨

86、道至关重要。政府数据资源具有公共性，需要把握其经济特征，充分利用市场和政府两种资源配置手段，建立有效的利益补偿与激励机制，找到合理的开发管理模式。因此，数据资源配置模式包括政府配置模式和市场配置模式，以及介于两者之间的配置模式。目前，数据资源配置模式尚处于探索阶段，并没有成熟的运行机制。市场配置生产要素是市场经济的本质特征，市场配置数据要素意味着数据产权的独立性和数据交易的自由性，数据要素确权是市场配置的前提。各类数据以及数据形成的各阶段均可进行交易，但都需明确数据权属。数据要素市场配置意味着数据所有者以营利为目的，通过市场交易实现数据产品价值;数据使用者以低成本购买数据要素，并与其他生产要素

87、结合，在生产中创造更大经济效益。5.数据交易数据交易 我国还没有制定出台有关数据交易的专门性法律法规，可交易和流转的数据范围没有明确的界定。在产权、估值等数据交易要素不明朗的情况下，数据交易市场规模化发展尚待时日。自 2014 年以来，全国多地启动了大数据交易所建设，截至 2019 年底我国数据交易平台超 50 个。整体看，数据交易作为一种新业态，尚处于孵化中，全国大数据交易所普遍面临层次低、质量低、交易额度低、风险高的现实困境。需要依托现有的数据交易平台，进一步探索数据交易规则和估值标准、权益保护机制，打造市场化数据交易生态体系，形成资本与数据价值变现的良性循环。31 与传统实体形态的市场渠

88、道不同，数据要素通过网络平台实现配置，这就要求包括 5G 基站、大数据中心等数字技术设施覆盖市场区域，数据交易网络支持系统完备，数据交易网络平台健康运行，万物互联网交易链接便捷，要素市场供求信息公开、发布及时，各类要素市场连为一体。数据要素交易须克服地方与行业壁垒、大企业垄断，达成中外数据要素市场联通，实现数据线上交易和线下服务的高效协作。6.市场竞争市场竞争 数据信息源自真实经济生活，数据要素规模和质量差异引起市场竞争，这种竞争有利于数据产品创新和社会生产力提高。但同类数据市场竞争的结果往往形成一家独大，从而逐渐消解竞争。为此，要求数据要素市场具有规范的进入与退出机制;为适应数字技术更新快、

89、周期短的特点，必须加快数据要素技术升级换代;克服“独角兽”企业的数据垄断，促进优胜劣汰竞争机制，保持数据技术的先进性和数据资源的高质量。（三）（三）市场建设思路市场建设思路 数据要素市场的建立能够从以下几个方面出发，最终构建一个满足期望目标的市场机制。（1）以供给方为基础建设市场）以供给方为基础建设市场 第一类是以政府数据对外输出为基础搭建。北京国际大数据交易所即采用此类方式，通过北京市政府支持，将北京市政府数据先行提供到市场上进行交易。这种方式的优势是有政府护航，交易合规性有所保障；不足则是政府数据交易收费与政府服务的本质不匹配，若不收费则难以促进供给方活力，并且有违市场化思路。此外，各地各

90、级政府之间的管辖权限使其难于构建一个整体市场。第二类是以大型互联网云平台为基础搭建保障平台。阿里云平台、京东万象等采用此类方式，优点是企业有销售热情，但其作为平台方和销售方一体化的平台，存在一定的垄断风险。此外，传统数据交易的合规性也有瑕疵，所以现在多为简单、低价值数据信息的交易，如天气、手机号地域查询等。第三类是以数据资源丰富的企业为基础搭建保障平台。金融支付渠道、通信运营商等大多采用此类方式，这些更像是数据提供方自营平台，而非数据要素交32 易市场。以需求方为基础建设市场以企业自身需求为基础搭建，例如平安科技等为平安集团构建了数据统一交易市场，由平安科技统一采购并对内提供服务。但是，它的不

91、足之处在于如果集团企业统一协同性不强，可能会出现通过统一市场购买产生交易效率降低的情况，并且需要集团从制度层面上保驾护航。（2）以）以市场管理方为基础搭建市场管理方为基础搭建 以市场管理者或行业管理者为基础搭建，如中国人民银行在其新发布的征信业务管理办法（草案）21中，试图将所有金融用到的数据均纳入草案监管，通过征信持牌机构建立统一的金融类数据市场。其优势在于具备合规性的保障，缺点在于征信持牌机构既作为市场上的交易方，又作为市场运营方乃至市场监管方，很难协调好自身利益和市场整体利益的关系。此外，限制了市场准入后，数据供给也将有所不足，因为征信以“必要最小”为原则，很难将各类所需替代数据纳入市场

92、。（3）以数据连接枢纽为基础搭建）以数据连接枢纽为基础搭建 以连接各类数据交易平台为基础搭建，通过构建一个统一的数据交易市场，作为枢纽连接各类数据平台，如“人民链”希望通过“人民链”平台连接京津冀乃至其他各省大数据中心及数据交易平台。其优势在于一旦建成，则有希望成为全国性的数据要素市场。此外，它通过应用隐私技术、区块链等创新技术，使得数据交易更加安全、可监管。缺点在于起步较难，既需要寻找需求方、供给方，还需要和各个平台进行对接。通常，在数据资源应用的过程中，需求往往是最难的一点，价值共享的难度要高于资源共享和技术共享。七、数据要素市场的发展趋势（一）（一）市场主体多元市场主体多元化化 随着数据

93、要素市场不断培育壮大，数据要素市场的各个参与主体都投入到市场运作中。政府作为数据要素市场的管理者，将推动公共数据扩大开放，构建数据开放平台，推动高价值数据共享工作。其次，政府会通过政策和扶持工作，积极引导 21 中国人民银行.征信业务管理办法（草案）R/OL.http:/ 其他的数据要素市场主体参与到数据交易流通过程中来。同时政府将建立健全数据要素法律体系，构建数据标准化体系，完善数据安全监管体制。政府将协同地方和企业，破除区域壁垒，发展央地、政企的创新合作模式，统筹推进各数据要素市场主体协同发展。企业将充分发挥市场主体作用，将丰富的数据资源盘活，抓住数据市场发展机遇，实现数据产权的交易和转化

94、。龙头企业将开始利用自身的固有资源和技术优势，将数据要素融入传统和创新产业，为小微企业做出示范，带动数字化转型升级。企业还将研发创新技术，提高数据生产、流通和使用的效率，借助数据智能化生产技术，加强企业数据管理和生产。数据经纪商、大数据交易所、科研机构等第三方机构将发挥中介作用，促进数据要素市场的流通和运转。数据经纪商积极推动数据要素价值、价格评估，大数据交易所保障数据流通秩序，科研机构研发数据流通核心技术，提供技术支持。（二）（二）流通流通数据数据去敏感去敏感化化 随着数据要素市场的发展壮大，数据安全越发重要，需要建立安全的数据要素流通秩序。首先，“数据可用不可见”技术强调数据流通过程中的数

95、据隐私保护，对数据内容进行加密，防止泄露，保护个人隐私和商业机密等敏感信息。同时，数据泄露对数据价值具有破坏性作用，“数据可用不可见”技术保护数据产权，防范数据流通过程中出现的产权转移，保护数据资产的完整性，避免数据二次流转。联邦学习基于机器学习模型解决“数据孤岛”和隐私问题，“数据沙箱”分离数据的使用和运行。“数据可用不可见”技术还能够实时监控数据流通，以区块链为代表的一系列技术手段为数据保护和可信存证提供解决方案，为数据交易中的隐私保障提供服务。（三）（三）行业应用行业应用融合化融合化 要培育数字经济新产业、新业态和新模式，数据要素市场应用场景不断拓展。数据要素与传统产业逐渐融合，车间农业

96、、农业物联网、智能育种、病虫害数字化防控、认养农业、云农场等农业新模态迅速发展，智能硬件、物联网、可穿戴34 设备等新技术推动工业生产网络化、智能化。数据要素与创新产业融合发展，为网络零售、货币金融、疫情防控等领域提供重要支持。（四）（四）市场市场生态体系生态体系化化 数据要素市场向生态化的方向发展。在行业之间，数据资源的采集、加工、处理等过程伴随着数据应用场景的丰富不断扩展，数据要素市场的多元主体组成了数据开发为核心的数据生态系统。计算机视觉、深度学习网络等技术的应用推动农业、医疗、工业等领域的朝着网络化的全产业方向发展。在区域之间，各地因地制宜，利用自身特有的区域优势，制定符合区域特色的数据要素市场战略，区域间的分工协作格局逐渐明确。北上广等发达区域吸引庞大的数据资源和专业技术人才，发展数据技术研发和数据交易等高精尖业务，并辐射周边地区。欠发达地区拼接自身的人力成本优势，发展数据标注和清洗等人力密集型产业，多地协同发展。