2022年数据要素白皮书.pdf

No.202226 中国信息通信研究院 2023年1月 数据要素数据要素白皮书白皮书 (20222022 年年)前前 言言 首次将数据纳入生产要素范畴；2022 年 12月，党中央、国务院印发关于构建数据基础制度更好发挥数据要素作用的意见。在三年的实践探索中流通赋能三次价值的释放，为数据要素市场建设提供理论基础。二是明确了数据要素市场的内涵和特征，即数据要素市场以数据产品及服务为流通对象，以数据供方、需方为主体，通过流通实现参与方各自诉求的场所，是一系列制度和技术支撑的复杂系统。三是辨析了数据要素市场存在的三种流通形式，即开放、共享、四是概括出数据要素市场经营运行存在的三种新模式，即从自行管理运维到委托运营的机制创新模式；从供需直接对接到多元数商参与的主体创新模式；从分散对接到统一数据空间的设施创新模式。五是识别出数据要素市场培育的四大障碍，即权利归属难以界定、估值定价缺乏依据、流通规则尚不完善、流通技术仍未成熟，并给出了解决思路建议。最后，本白皮书对“十四五”期间我国数据要素的发展方向进行了展望，在不远的将来为实现数据要素价值的全面释放，必须加快数据要素基本问题研究，加快技术创新步伐，切实推动数据交易流通。目目 录录 一、数据要素理论问题概述1 1 5 8 二、我国数据要素市场培育现状12 13 （三）数据要素市场供需对接向多行业扩展（四）数据要素市场经营运行模式积极创新 三、数据要素市场培育障碍与探索思路.（一）权利归属难以界定，有待建立产权制度（二）估值定价缺乏依据，有待发挥市场作用（三）流通规则尚不完善，有待鼓励积极探索.（四）流通技术仍未成熟，有待强化技术支撑.四、数据要素发展展望.参考文献.图图 目目 录录 图 图 图 图 图 图 图 数据要素白皮书（2022 年）1 一、数据要素理论问题概述 数据要素已快速融入生产、分配、流通、消费和社会服务管理等各个环节，深刻改变着生产方式、生活方式和社会治理方式。如何理解数据的内涵与特性，把握数据成为生产要素的背景和价值实现的途 在广泛意义上，数据（data）就是对事实、活动等现象的记录。辞海（第七版）将数据定义为“描述事物的数字、字符、图形、声音等的表示形式”。按照中华人民共和国数据安全法中给出的定义，数据是指任何以电子或者其他方式对信息的记录。由此可见，数据本身可以有丰富的表现形式。数据一直伴随着人类的发展而变迁。我国古代的黄册（全国户口名册）、天文观测记录算的性能不断突破，数据管理、数据处理技术快速迭代，网页、声音、图像等半结构化、非结构化数据也逐渐得到有效处理和利用。数据要素白皮书（2022 年）2 的现象记录。在此阶段，数据不仅是对客观现象的被动记录，越来越多的复杂现象由人们主动发掘并记录成为数据。例如，主动埋点收集的行为数据、基于关系网络挖掘的图数据、精细布放传感器捕获的物联网数据等。这种从被动到主动的转变昭示着一种新的观念，即物理空间中的一切事物都可以被预先设置的认知角度、记录规则和技术框架映射到数据空间，数据的创造融入了数据观察者或收集者的认知视角。例如，一篇文学作品，在自然语言处理的视角下只是遵循语料库规则的一条数据。数据与信息之间虽然有复杂联系，但二者并不应混淆。从人类认数据-信息-知识-智慧”Wisdom，DIKW原材料的独特价值，依靠数据驱动可以产生大量人类理性难以直接感知到的信息数据要素白皮书（2022 年）3 来源：1的虚拟资源，与数据形成鲜明对比。数据具有低成本复制性。数据作为数字空间中的存在，表现为数据库中的一条条记录，而数据库技术和互联网技术又能使数据在数字空间中发生实实在在的转移，以相对较低的成本无限复制自身。数据具有主体多元性。数字空间中的每条数据数据要素白皮书（2022 年）4 可能记录了不同用户的信息，数据集的采集和汇聚规则又是由数据收集者设定，用户、收集者等主体间存在复杂的关系。同时，每个企业、每个项目都可能对所用的数据资源进行一定程度的加工，每一次增删改的操作都是对数据集的改变，因而这些加工者也是数据构建的参与主体用。非竞争性为数据带来更普遍的使用效益与更大的潜在经济价值。数据具有潜在的非排他性。有排他性，也可实现权利转让和许可 综上所述，相比其他生产要素，数据的部分特性使它难以参照传统数据要素白皮书（2022 年）5 赋，打破了传统要素有限供给对增长的制约，为持续增长和永续发展提供了基础与可能。（二）数据成为生产要素有深厚的技术和产业背景（二）数据成为生产要素有深厚的技术和产业背景 生产要素是对生产过程中为获得经济利益所投入资源的高度凝练。每当出现经济增长速度快于已知要素投入增长速度时，就可以概括出新的要素来说明其余要素未能说明的剩余产出。因此 DB2 等事务数据库产品的涌现，面向事务处理的 OLTP，联机事务处理）系统得到应用，数据的增删改查有了标准工具和20 世纪末，挖掘数据价值的需求不断增长，数据要素白皮书（2022 年）6 技术迅速发展，数据在生产中的意义进一步显现。随着 1991 年万维网的提出，互联网浪潮席卷全球，数据量迅速膨胀，利用数据集进行信息分析和知识挖掘的需求不断增长。比尔恩门（Bill Inmon）确立了数据仓库的概念，提出数据仓库是面向主题的、集成的、相对稳定的、反映历史变化的、用于支持在线分析和管理决策的数据集合。科德则认为传统的 OLTP在性能、适用性、性价比方面已不再适用，于1993 年提出满足多维分析的 OLAP（On-Line Analytic Processing，联进入 21 世纪，数据的大规模集中和高维度分析全面推动生产效率提升。为满足数据大规模存储、高性能计算、在线实时查询等需求，越来越多的组织开始搭建大数据平台，数据处理和分析方面的技术向分布式、基于 Hadoop 的体系靠拢，对数据的管理也逐渐规范化。随快速性的需求也不断提升，各组织从各类应用提供数据要素白皮书（2022 年）7 智能分析的能力不断增强，极大推动了生产效率的提升。数据技术的发展伴随着数据应用需求的演变，影响着数据投入生产的方式和规模，数据在相应技术和产业背景的演变中逐渐成为促进生产的关键要素。因此，“数据要素”一词是面向数字经济，在讨论生产力和生产关系的语境中对“数据”的指代，是对数据促进生产价值的强调，）。对于数字化转型刚刚开始的企业，原始数据集是维持业务系统运转、提高业务运行效率的基础资源。对于数字化较为成熟的企业，其信息用于分析数据蕴含的价值参与生产活动。来源：中国信息通信研究院 图 2 数据要素主要表现形态 数据要素白皮书（2022 年）8（三）数据要素主要通过三条途径实现价值（三）数据要素主要通过三条途径实现价值 激活数据要素的根本目的是以多样、创新的方式投入生产，为经济社会生产创造更大的价值。数据要素究竟如何发挥其作为生产要素的价值，需要进一步分析厘清。随着信息技术的发展和产业应用的演化，数据要素投入生产的途径可 来源：中国信息通信研究院 图 3 数据要素的三次价值释放 1.一次价值：数据支撑业务贯通 实现业务间的贯通。数据经由各个业务系统的设计而产生，用以支撑业务系统的正常运转。通过计算机对数据的读写，流程改善和相关业务数据的贯通数据要素白皮书（2022 年）9 与分析，数据开发利用并未得到很大关注，但数据对业务运转与贯通的支持是实现数字化转型、提高内部管理效率的第一步。例如，20 世纪末谷歌公司成立后革新了数据存储与计算系统，得以处理当时整个互联网的数据，构建起精准高效的搜索引擎。基于庞大数据量和排序算法的搜索业务产生巨大利润，奠定了谷歌公司行业翘楚的地位。1工程为代表的电子政务建设全面开展，经过多年推进，各级政府业务信息系统建设和应用成效显著，通过业务数字化的方式实现了数据在系统中的有效运转和贯通，公共服务水平得到全面提升，“最多跑一次”、“一网通办”、“一网统管”、“一网协同”、“接诉即办”等创新实践不断涌现，为当今的数字政府建设奠定了基础。为推动数据的一次价值释放，企业、政府主要工作重心是业务数字化及各类业务信息系统建设。这一阶段，各主体所持有的数据种类相对单一、计算的要求简单，技术门槛较低，关键是深入挖掘业务需求，明确业务数字化方向。如制造业企业通过建设订单数据管理系统，实现物流、信息流、资金流的对齐、核验，可有效推动整个业务流程的有序流转。随着业务信息系统的建设，企业、政府的数据实现独立存储、统一管理，大量宝贵的业务数据不断积累，为进一步挖掘数据的生产要素价值奠定了重要基础。1“两网”指政务内网和政务外网；“一站”指政府门户网站；“四库”指人口、法人单位、空间地理和自然资源、宏观经济四个基础数据库；“十二金”是面向政府办公业务建立的十二个重点信息应用系统，包括金财、金农、金盾、金保、金税、金关、金水、金质、金审、金卡、金贸、金企等十二项工程。（参考资料：中国电子政务网 http:/www.e- 年）10 2.二次价值：数据推动数智决策 数据要素投入生产的二次价值释放体现在通过数据的加工、分析、建模，可以揭示出更深层次的关系和规律，使生产、经营、服务、治理等环节的决策更智慧、更智能、更预测乃至控制事物运行的新体系，从而摆脱经验的局限，更加即时有效地防范化解风险，创新行动方略。例如，2012 年海尔公司利用成熟的技术工具栈，建立了针对业务管理和经营决策的完整数据链，从而实现通过业务智能化来优化管理岗位用工结构；各大 数据的基础上，决策者数据要素白皮书（2022 年）11 需要结合对业务目标的深刻理解，运用数据呈现出的关键指标与信息深入评估发展态势，做出更具智慧的决策。另一方面，二次价值可以直接回馈一次价值，企业需要充分利用数据分析结果预测、分析和决策，数据要素投入生产的三次价值释放让数据流通到的数据要素白皮书（2022 年）12 行业关注的焦点。在保障数据安全的前提下，各组织打通数据壁垒、优化数据配置的需求日益凸显，通过数据要素市场引入外部数据的需求尤为迫切。保障提供方数据安全、防止数据价值稀释的数据流通技术蓬勃发展，以隐私计算为代表的数据流通技术提供了“数据可用不可见”“数据可控可计量”的流通新范式，为需求方企业安全地获取和分析外部获取的数据提供了技术可能。数据安全有序流通 从数据应用的业务需求看，业界对数据的关注焦点经历了从“的变化。“十三五”时期提出“数据是钻石矿”，更”时期提出、技术水平不足，尚不具备业务数据电子化或分析决策智能化的能力，即使引入外部数据也无法有效利用，无法形成回馈业务发展的价值回路。因此，数据支撑贯通和促进数智决策的价值仍需要持续释放的基础上逐步发挥。二、我国数据要素市场撑业务贯通的一次价值数据要素白皮书（2022 年）13 为广大中小企业释放数据要素价值提供了参考经验。但是，当前大量数据集中于少数主体，数据要素分布不均、结构失衡，需要加速市场化流通使数据价值惠及广大市场主体。同时，数据具有规模效应，越大规模、越多维度的数据融合汇聚创造的价值倍增下面的讨论也将聚焦数据要素市场。，是一系列制度和技术支撑的复杂系统，是促进数据自主有序流动、提高配置效率、发挥数据价值的关键。（一）数据要素（一）数据要素2019 年十九届四中全会首次将数据增列为生产要素以来，中央发布多项政策文件，围绕数据要素发展进行谋篇布局（如图 42021 年要素市场化配置综合改革试点总体方案进一步以“探索建立数据要素流通规则”为主题进行数据要素市场化配置改革的布局，聚焦数据采集、开放、交易、使用、保护等全生命周期的制度建设，具体从完善公共数据开放共享机制、建立健全数据流通交易规则、拓面向未来，我国“十四五”数字经济发展规划对于数据要素数据要素白皮书（2022 年）14 发展的布局集中体现在壮大数据要素市场规模、开展数据要素市场培育试点工程等方面。进一步扩大数据要素市场规模的工作重点在强化高质量数据要素供给，创新数据要素开发利用机制，培育壮大数据采集、标注、清洗等服务产业，鼓励市场力量挖掘数据价值，推动统一标准体系建设，努力实现互通互操作，形成完整贯通的数据链，促进数据、技术、场景深度融合。培育数据要素市场的工作方向集中在探索数据确权与定价规则，开展数据确权及定价服务试验，完善市场运022 年 4 月，中央布局全国统一大市场建设，数据要素市场作为其中一部分，也需打破地域间、市场间壁垒，加强数据要素的协同。2022 年 12 月，中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见提出构建数据基础制度体系，促进数据合规高效流通使用，建立保障权益、合规使用的数据产权制度，建立合规高效、场内外结合的数据要素流通和交易制度，建立体现效率、促进公平的数据要素收益分配制度，建立安全可控、弹性包容的数据要素治理数据要素白皮书（2022 年）15 党中央国务院发布多项政策文件围绕数据要素布局数据要素白皮书（2022 年）16 1.数据开放：以公共数据为主的开放持续推进 数据开放是指提供方无偿提供数据，需求方免费获取数据，没有货币媒介参与的数据单向流通形式。由于数据提供方无法通过开放直接获得收益，因此开放的对象往往是公共数据。公共数据是指国家机关和法律、行政法规授权的具有管理公共事务职能的组织履行公共管理职责或者提供公共服务过程中收集、产生的各类数据，以及其他组织在提供公共服务中收集、产生的涉及公共利益的各类数据。21 个省级行政区上线公共数据开放平台。全国 333 个地级行政区中建成公共数据开放平台的地区占比已达2。尽管各地数据开放平台建设效果存在差异，部分平台数据容量小、更新频率低，但一些省市平台已形成较大规模，开放的数据集、数据接口已覆盖公共安全、社会民生、经贸工商、交通出行等多个领域，为公共数据开放平台建设做出示范。部分地市公共数据开放配套的制度与机制逐步完善。目前，我国已有十余个省市的地方法规涉及公共数据开放相关内容，各地正在加 2 华中师范大学信息管理学院、湖北省数据治理与智能决策研究中心，中国政府开放数据利用研究报告（2022）数据要素白皮书（2022 年）17 紧落实中央指导文件与地方数据条例的相关要求。例如，广东省在省级制度层面落实“一数一源”，即公共机构根据职责分工编制公共数据采集清单，按照一项数据有且只有一个法定数源部门的要求，依据统一标准提供公共数据，有效解决基础数据重复采集、汇聚路径不清晰、质量问题难追溯等难题。上海市 2022 年 8发达国家的公共数据开放起步较早，美国、德国等国家均已建立起全国性的政府数据开放平台。例如早在2009年上线的美国data.gov网站，发布了农业、商业、气候、教育、能源等多领域的高质量公共数据，至今仍在不断更新。为保证公共数据开放质量，data.gov 还开发了开放数据仪表盘，设计了数据质量自动评分与人工评分机制。政府、企业、公众均可查看开放政策数据进展、数据质量评分等内容，公共数据需求方可获得良好的服务体验。2.数据共享：政府参与的数据共享趋势加强 数据共享是指互为供需双方，相互提供数据，没有货币媒介参与的数据双向流通形式。根据共享主体的不同，可分为政府间共享、政企之间共享、企业之间共享等形式。数据要素白皮书（2022 年）18 步完善。截至 2021 年 5 月，国家数据共享交换平台已上线目录超过65 万条，发布共享接口 1200 余个，累计提供数据查询或核验服务超过 37 亿次3。其中，公安部的自然人基础信息、教育部的高校学历学位信息、市场监管总局的企业基本信息、民政部的婚姻登记信息等，长期位于共享调用榜前列4，对各类政务服务提供了有力支撑。政企间数据共享逐渐形成趋势。以美团与各地监管机构合作的“政企通”为例，自 2019 年以来，美团与辽宁、天津等地建立合作，通过数据共享优化餐饮安全监管。2021 年 6 月，美团同上海联合打造“城市美好生活数字体征系统”，政府提供交管数据，帮助美团优化交通调配；美团提供不涉及用户隐私的规律性数据，协助政府探索覆盖吃、住、行、游、购、娱等场景的城市数字治理方案。企业间数据共享以供需合作需求为牵引，同一生态内企业、产业链上下游企业之间通过点对点协商约定相互提供数据的方式。然而，企业内部协商的模式导致数据共享情况整体处于黑箱状态，具体共享方式、开发利用方式相对不透明，公开资料较少。3.数据交易：场外需求旺盛，场内重启热潮 数据交易是指提供方有偿提供数据，需求方支付获取费用，主要以货币作为交换媒介的数据单向流通形式。数据交易可对接市场多样化需求，灵活满足供需各方利益诉求，激发市场参与主体积极性，促进数据资源高效流动与数据价值释放，对于加快培育数据要素市场具 3 中国网络空间研究院，中国互联网发展报告（2021）4 中国电子信息行业联合会，清华大学公共管理学院，中国政务数据治理发展报告（2021 年）数据要素白皮书（2022 年）19 有重要意义，正在成为数据流通的主要形式。传统的数据交易模式以点对点的方式进行。数据需求方和数据供给方可通过两两协商或平台对接的方式实现数据的采购与流转，具体的点对点交易形式多样。例如从数据需求方角度看，银行信贷业务为应对风控需求，向征信机构、运营商、公共部门等机构采购用户身份信息核验、信用评价信息等外部数据资源。又如从数据供给方角度看，成了较稳定的供需关系。点对点交易模式规范程度和交易效率较低，难以大规模推广。点对点交易缺乏有效监管，规范程度不够高。同时，市场中的供需双方信息分散，对接渠道不畅通，交易效率较低。数据充分流动是发挥数据要素三次价值的基础，尤其是在建设全国统一大市场的背景下，点对点交易不利于实现大规模数据要素市场化配置。目前，全国各地以设立数据交易机构为主要抓手，鼓励集中式、规范化的“场内数据交易”。我国自 2014 年开始探索建立类似证券交易所形式的数据交易机构，截至 2022 年 11 月，各地先后成立 48 家，仍有 8 家正在筹备建设中（如图 6）。总体来看，早期建设的数据交易机构大都没有找到成功的商业模式，多数机构已停止运营或转变经营方向，发展情况未数据要素白皮书（2022 年）20 达预期。近两年来，随着党中央国务院多项重要政策出台，各地新建一批数据交易机构，试图消除供需双方的信息差，推动形成合理的市场化价格机制和可复制的交易制度和规则。来源：中国信息通信研究院，2022 图 6 国内大数据交易所（中心、平台等）建设历程 新一批数据交易机构从强化技术支撑、完善配套规则入手，探索在数据要素市场中的立足点、突破点，帮助市场建立信任、保障权益。一是搭建“数据可用不可见”的数据可信流通技术平台。例如，北京国际大数据交易所依托隐私计算、区块链、测试沙盒等领域技术，构建新型数据交易系统；深圳数据交易有限公司牵头发起国内首个国际打造数据要素生态圈。权责划分提供依据，并数据要素白皮书（2022 年）21（三）数据要素市场供需对接向多行业扩展（三）数据要素市场供需对接向多行业扩展 目前参与数据要素市场的主体较为集中。从数据提供方看，各级政府、电信运营商、大型国有企业、大型互联网公司聚集了海量经济社会、行业、用户数据，通过数据接口、数据产品、数据服务等形式可满足大量企业的数据需求。数据需求方则主要集中在金融机构、零售企业等机构，希望通过获取外部数据来优化业务。相较于中小企业尚未充分挖掘数据需求的情况，头部企业逐渐在多个2021 年 11 月 25 日，上海数据交易所挂牌成立，由国网上海电力公司自主研发的“企业电智绘”成为首单成交的数据产品，中国工商银行上海分行作为购买方，可通过“企业电智绘”产品提供的企业用电数据脱敏、深度分析结果，掌握企业用电行为、用电缴费、用电水平、用电趋势等特征内容，为银行在信贷反欺诈、辅助授信、贷后预警等方面提供决策参考。互联网行业中，许多头部企业已对外提供众多数据接口或数据产品，以满足中小互联网企业或其他行业研发应用、精准营销、提供智能服务等用途。例如京东的万象平台、阿里云的 API 市场汇集了电子商务、金融科技、企业管理、公共服务等多领域数据接口，其自有数数据要素白皮书（2022 年）22 据和人工智能服务具有较大吸引力。工业领域行业中，由于较多传统行业数字化转型刚刚起步，还需经历产线内数据联动、工厂内数据协同、企业内数据共享、企业间数相应公共数据的开放或企业数据的供给获得更广泛的关注。未来随着提供方数据治理能力提升和需求方数据需求深度挖掘，以业务场景为牵引的数据要素市场将更加活跃。（四）数据要素市场经营运行模式积极创新（四）数据要素市场经营运行模式积极创新 1.新机制：从自行管理运维到委托运营 公共数据授权运营成为提高公共数据配置效率的探索新热点。针对公共数据持有机构没能力开放、没动力开放的问题，我国各地开始探索按照法定程序，授权特定主体在一定期限和范围内以市场化方式运营公共数据。公共数据授权运营与公共数据开放之间具有一定的协同关系。公共数据开放的范围和质量影响着公共数据授权运营的资源基础，而授权运营获得的经济效益可以激励运营方改善公共数据质量和效用，有利于进一步带动市场活力，深化对公共数据的挖掘利用，加速公共数据价值释放。例如，北京市经济和信息化局授权北京金融控股集团下属的北京金融大数据有限公司建设金融公共数据专区，对全市公共数据进行托数据要素白皮书（2022 年）23 管运营，搭建政府和社会之间的数据桥梁。目前，专区已汇聚金融机构开展信贷业务所“亟需、特需”的工商、司法、税务、社保、公积金、不动产等多维数据 25 亿余条，实现按日、按周、按月稳步更新。通过构建完善的数据安全管理体系，北京金控集团依托生态优势，打造京云企业征信平台，通过引入专区汇聚的公共数据，累计为银行、保险、担保等 44 家金融机构和 2 万多名平台用户提供服务机会。中航信托曾于 2016 年发行国内首个数据资产信托产品：数据堂数据要素白皮书（2022 年）24 通信托的架构之外，针对数据的特性进行制度的创新。2.新主体：从供需直接对接到多元数商参与 传统点对点流通模式下的数据供需匹配效率不足且缺乏信任，各地数据交易所的成立旨在帮助市场解决这一问题，但仅靠数据交易所自身很难承担数据交易中的全部服务角色。因此为数据供需双方提供撮合、托管、经纪、结算、评估、担保等服务的多元数商在各地的主要对象的经济主体”，并签约 100 余家数商。在这些数商中，既包含数据产品的直接提供者，也包含为数据交易提供合规咨询、质量评估、资产评估、技术支持等服务的第三方服务商。北京提出建立“数字经济中介”产业体系。为健全数据交易生态体系，2022 年 1 月，北京国际大数据交易所宣布率先在全国建立数字经济中介产业体系，以数据交易所为基础，培育数据托管、数据经纪等一系列创新型中介产业。其中，数据托管体系包含数据资源拥有方、授权运营方、安全保障方、合规处理方、场景应用方等角色，共同实现数据的合规存储、授权管理和市场应用；数据经纪体系则侧重于场景化的数据利用，通过对接数据资源、开展经纪服务、撮合进场交易、参与价值分配等方式活跃数据要素市场。广东开展“数据经纪人”试点。2021 年 7 月，广东省数据要素市场化配置改革行动方案提出鼓励设立社会性数据经纪机构，规数据要素白皮书（2022 年）25 范开展数据要素市场流通中介服务。”2022 年 5 月，广州市海珠区公布了首批“数据经纪人”名单，并进一步将其定位为数据供需匹配的撮合者、数据流通交易的中介者、数据权益冲突的化解者，承担受托行权、风险控制、价值挖掘等作用。虽然数商、数字经济中介、数据经纪人的概念和具体范围有所差异，但这些数据要素市场新主体的定位逐步清晰，除直接供需方以外IDS）。国际数据空间是通过标准化的通信接口、统一的连接与交互网络等架构设计，实现国际间数据可信流通的整体技术设施。欧盟作为 IDS 的主要发起者和倡导者，在架构搭建、机制设计、行业生态等方面已形成领先优势。我国借鉴数据空间理念，垂直领域内的工业数据空间开始探索。“十四五”大数据产业发展规划提出 数据要素白皮书（2022 年）26 当前我国工业数据空间具体解决方案仍为点状探索。目前我国工业数据空间建设主要由个别头部企业发起，建设方案不尽相同。例如，华为基于国际数据空间参考架构，研发为产业生态圈企业服务的一对一数据共享流通平台，可进行程序自实现的跨企业数据可信流通；阿里云建设了基于隐私计算的 DataTrust 平台，可安全接入各品牌自有数据，在原始数据不出本地的情况下实现数据计算结果的共享流通。2022 年 1 月 19 日，中国信通院联合业界共同发起成立“可信工业数据空间生态链”，分 5 个工作组合力打造可信生态，力图“连点成网”，共同推进共识建设，促进工业数据要素可信共享、交易的沟通合作。三、数据要素市场培育障碍与探索思路 总体而言，我国数据要素探索处于起步阶段，数据要素市场培育的基础尚不坚实，权利关系、价格机制、流通规则、技术支撑等数据要素市场的构成要件存在诸多障碍，需要不断推进相应的理论研究和制度设计，通过试点应用积累实践经验，持续探索各方面难题的解决方案。（一）权利归属难以界定，有待建立产权制度（一）权利归属难以界定，有待建立产权制度主要关心各主体针对数据所产生的权利义务关系，即围绕数据产生的权利或者权益到底归谁享有。传统生产要素的流通和生产关系的建立都是以生产要素所有权为核心，在所有权基础上围绕使用权、收益权等其他权利进行。数据权属数据要素白皮书（2022 年）27 问题复杂的原因在于，传统生产要素往往具有稀缺性、排他性，拥有清晰的、可分割的客体和明确的、独立的占有主体，传统产权制度设计可以通过评估、登记、监管等机制有效解决权利划分、争议仲裁等问题，而数据作为一种虚拟物品，低成本复制性、潜在的非排他性等特点与现有产权制度核心功能不相兼容，再加上数据主体多元、权利内容多样、场景丰富多变，数据与数据之间，数据涉及的多元主体之间关联交织难以分割，与传统要素主体的确定性、要素关联关系的稳定性和固定性之间也存在矛盾，使得数据权属界定尤为复杂。制度设计目标与产业实际需求不完全一致，难以凝聚产业共识。目前各界对数据权属问题的探索还没有形成普遍认可的解决方案。对数据权属制度的设计与建设来说，其目标是明确数据的产权结构和归属规则，划定各参与方的权利和责任，通过制度设计保障数据可控。但对产业中实际的数据流通与使用而言，现阶段解决数据权属问题的核心需求，不是决定数据所有权到底赋予谁，而是如何理顺个人、企业、政府等不同主体间的不同权益，优化利益分配。例如，随着互联网平台经济日益发达，个人用户与平台企业之间的权利关系问题日益突出。个人用户在使用平台服务过程中产生的数据是平台企业提升业务效率、创新商业模式、获取垄断地位的核心资源，但用户行为产生的数据究竟归属于谁并不明确。从制度保护原则看，个人用户是企业数据的逻辑起点，理应是数据权利拥有者。从产业实际情形看，数据创造价值的前提是平台的规模化汇聚，独立的个人数据在个人手中不产生价值，将数据产权配置给平台企业才有利于更多经济价值的创造数据要素白皮书（2022 年）28 我国法律尚未对数据权属做出清晰规定，难以形成规则共识。现有法律多是从保护和监管的角度出发，通过网络安全法数据安全法个人信息保护法等规范数据的利用，但还没有一部法律对各种场景下数据应归谁所有做出明确界定，现行法律也较少涉及数据本身所承载的其他权益关系。司法过程中，目前主要是以反不正当竞争法 等作为数据权益保护的权宜之计，承认数据具有竞争性利益，但具体的界权规则尚未达成共识，具有较大不确定性，各经营者仍容易频繁陷入因权属不清引发的纠纷之中。2.探索思路 面对数据权属相关障碍，应结合顶层设计与实践经验，逐步形成中国特色的数据产权制度体系。中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见指出，要探索建立数据产权制度，推进公共数据、企业数据、个人数据分类分级确权授权使用，”的制度设计进行优化。一是进一步细化分类分级标准，探索数据分类分级确权授权使用机制。现有的制度框架和实践中，“分类分级”更多仍是概念性的提法，实操性不强。目前，只有金融数据安全分级指南等少数特定领域的指南给出若干子类、几百项细分类型和安全等级数据要素白皮书（2022 年）29 引，更多行业的分类分级实践还较为粗糙，难以兼顾数据产生过程中所涉主体的权利。同时，大部分个人数据授权过程只有同意和拒绝两种选项，缺乏按照拒绝授权、最小必要授权、部分条件授权、完全授权等级别进行授权管理的尝试。面对众多行业和多元场景，数据的分索多类型、多层次的数据确权授权使用机制。其中一项权利的情形，但经营权需要进一步授权才可行使。流通场景中，持有权、使用权、经营权可分置运行，可分别通过授权进行权利如何在具体业务和技术场景中保障产权分置后的顺利运行还缺乏深入研究。因此，需要区分不同场景，进一步探索产权分置运行中确权、数据权利确认的主要表现形式是权利主体拥有一份获得共识、不可篡改的权利声明，可依法采取制度或技术手段开展数据确权登记试点，依托数据交易所等可信第三方机构进行数据资源持有者、数据加工使用者、数据产品经营者等主体的权利登记备案，使数据产权分置运行和权益保护有据数据要素白皮书（2022 年）30 可依（如图 7）。同时针对市场主体大多一事一议地通过商务合同约束权利与责任的现状，开展试点的过程中，相关机构可依法提供合同示范文本以供参考。2021 至 2022 年，中国信通院云大所数据交易合同示范文本系列给出了传统数据集、API 接口交付和新兴隐私计算融合结果交付的权责划分模板，为行业内组织间的数据交易提供了指引。来源：中国信息通信研究院 图 7 通过登记使数据产权分置运行和权益保护有据可依 传统的资产评估方法不完全适用于数据要素。传统的资产评估方法包括成本法、收益法和市场法三类。成本法以成本估值，收益法以数据要素白皮书（2022 年）31 预期收益折现估值，市场法则是以市场上类似交易的成交价格作为估值参考。对数据的估值来说，应用成本法的问题在于数据生产涉及多元主体，成本不易区分，且贬值因素难以估算；应用收益法时，数据的时效性、使用期限评估又成为难点；应用市场法时，又受制于数据要素市场尚不活跃，缺乏足够案例支持。由于数据预期产生的经济价当前各类数据交易场景或交易平台主要采取卖方定价、协议定价等方式。卖方定价即卖方通过评估自己的数据质量、成本、需方效用给出统一报价，这一过程由卖方主导，缺乏供需双方在市场机制下的博弈互动。协议定价虽然给予供需双方充分的沟通机会，但双方的反复报价议价过程中耗费了大量时间成本，无法形成标准化、大规模、高效率的价格发现机制。如果回归市场的本质要求，数据的价格仍应该遵循价值决定价格、市场供求影响价格的基本逻辑来确定。但由于数据价值的评估尚未形成统一规则，导致参与主体难以确定衡量价格的统一标准。会计报表核算数据价值价格面临挑战。严格意义上讲，只要数据能进行合理的估值定价，就应当能作为数据资产计入会计报表，数据的估值定价应当与会计计量核算具有一致性。然而按照现行会计准则，数据资产入表存在现实困难。一方面数据价值已部分体现在提升利润、数据要素白皮书（2022 年）32 增加客户、降低成本等方面，有重复计量的可能；另一方面企业间数据资产差异较大，存在难以量化的内容，列报口径难以统一。因此，现有的会计核算方法仍无法为数据估值定价提供有效依据。2.探索思路 面对数据估值定价的难题，需要结合数据要素自身特点，不断探索科学的数据价值评估方法，结合具体场景有针对性地核算数据要素价值，坚持发挥市场的决定性作用，探索基于估值基础模型的价格发现和形成机制，更好发挥政府作用，对数据价格进行监督和调控。一是深入研究数据价值评估的理论依据。数据价值在具体的数据应用场景中显现，可将衡量特定场景下数据经济价值的问题作为攻关着力点，建立货币法和非货币法相结合的数据估值框架。在具体场景中，数据集、数据产品作为流通对象，往往有较为清晰的应用目标，可以较为明确地区分出影响数据价值的因素。在此基础上，分类、分场景搭建数据价值评估指标体系和评估模型，运用货币法计算数据的直接经济价值、间接经济价值，运用非货币法从数据自身质量、风险等特性出发，计算数据效用，对货币法计算结果进行修正，提高估值的准确性。二是开展数据估值定价试点。在数据价值评估指标体系和评估模型的基础上，需要培育专业化的数据资产价值评估机构，在金融、通信、互联网等领域率先开展数据资产价值评估和数据资产入表试点。同时支持试点企业开展数据流通实践，基于数据估值结果形成市场认数据要素白皮书（2022 年）33 收录数据估值定价的典型场景，形成数据估值定价的推广示范案例。三是建立健全数据要素价格监管制度，探索科学规范的数据定价监测模型。健全的数据价格监管体系是公平竞价的制度保障。针对可能出现的价格歧视、价格严重偏离价值等问题，要通过反不正当竞争、价格异动与风险预警等制度体系建设，对数据要素价格进行有效监管和合理调控。短期内，受制于数据交易市场活跃度和透明度的限制，不完全市场下，数据价格的确定将仍然侧重于供需方的意愿，难以形成有效的数据价格监督机制；未来，成熟市场中，可基于基础价格、增值价值、异质性价值、风险溢价等各类市场因素建立科学统一的定价监测模型，为数据价格监管和调控 网络安全法数据安全法个人信息保护法等现有法律主要对数据的规范利用和安全隐私保护作出原则性规定，但并未就数据流通市场的准入、监管等给出清晰的法律界定。例如，数据安全法有规定“从事数据交易中介服务的机构提供服务，应当要求数据提供方说明数据来源，审核交易双方的身份，并留存审核、交易记录”，但没有涉及数据交易双方在交易中的权利义务。在数据流通立法体系尚不完善、数据流通行为缺乏统一监管机制的情况下，面对强监管形势，各类市场主体在探索数据流通的具体问题时缺乏合规风险评估依据，对责任判断没有稳定预期，对数据流通方案的实施存数据要素白皮书（2022 年）34 在诸多顾虑。配套制尚不具备，保障参与各方权益的共识还未建立，参与方之间信任的公共数据开放过程中缺乏对数据进行整理、更新、持续运营的动力，将导致公共数据供给的数量不足、质量不高。事实上，有效的激励机制有助于打造高质量数据供给，如贵州省气象局将持有的气象数据投入市场化运营，打造“气象数据专区”作为省内气象数据的统一出口，利用市场规则实现了交易额回流，保障了数据资源的权威性，形成推动高质量气象数据流通的正反馈。在供需对接环节，除权责利的界定与分配缺乏共识规约外，市场参与方之间还存在信任壁垒。供方担心需方对数据的使用超出约定，需方担心供方的数据来源不真实、不合规。无论是点对点模式下的供需双方对接还是交易所模式下的市场准入都缺乏标准化的规则参考，现有的企业内部评估审核流程或数据交易机构的资格审核机制相对分散，往往局限于对企业经营情况的审核，而对供方企业的数据来源、数据要素白皮书（2022 年）35 供应形式及需方企业的数据用途等方面没有具体的评估审核标准，参与方之间存在的信任壁垒难以打破。在需方应用环节，现有的数据流通过程和数据流通结果的审计监督机制薄弱。无论是点对点的直接流通还是通过数据交易机构进行的间接流通，通过协议或合同建立的事前信任约束效用有限，一旦数据集交付或接口调用结束，数据提供方很难确认需求方是否按照协议约束对数据进行后续处理和应用。相关系统或平台的日志记录是现阶段最主要的审计依据，但大多只用于统一的计费和清算，很难用日志记录来核验需求方的数据应用方式，数据流通后的结果只能依靠形式核验，使得数据流通的事后审计监督不易实现，相关的信任与合规闭环仍然存在缺口。2.探索思路体系研究制定过程中，应先行划定法律法规红线，明确合规监管底线，建立容错免责机制，分类清理规范不适应数据要素流通发展需要的行政许可、资质资格等事项，为数据流通参与主体的探索提供稳定预期，进一步释放各主体创新活力和内生动力。二是持续鼓励并推进地方及行业的数据要素市场规则探索。当前各地正在围绕数据要素市场建设开展先行先试。如，北京率先提出“财政补贴”方案，北京市朝阳区政府提出“对企业上年度数据交易总金数据要素白皮书（2022 年）36 额达到 500 万元以上且企业上年度营业收入实现正增长的，按照年度实际数据交易总额的 10%给予补贴”。这是我国首个公开的由政府对于