继劳动、土地、资本等生产要素，数据成为新一轮市场竞争中争夺的关键资源。旺盛的数据交易需求催生出规模近千亿的数据要素市场，当前却面临着前进一步发展的难题。

如何发挥数据的价值？如何合理计量数据？数据究竟属于谁？如何搭建数据要素市场实现更大的效益？作为2023全球数字经济大会的重要组成部分，7月4日，中国数字经济发展和治理学术年会（2023）在清华大学举办。会上，多位业界专家及学者共同探讨就数据要素市场的培育展开探讨。

(资料图片仅供参考)

数据资源蕴含百万亿级经济市场

“在数字经济的发展实践中，大数据与人工智能的‘要素+技术’新组合，已隐隐超越‘计算机+互联网’这一在上一轮技术革命后发挥重要作用的ICT技术组合，成为推动经济社会发展范式转换的核心驱动力，”中央财经大学经济学院副教授徐翔介绍道。

数字时代中，技术接力发展，而作为其核心，数据始终具有关键的重要性。

中国社会科学院大学教授江小涓强调，数据在创新中具有极端重要性，海量数据的加入提供了观察科学、技术、经济、社会关系的新视角，使得创新方式在某些领域出现了根本性变革。以平台数字企业为例，她指出，数据支撑大型数字企业实现产学研一体化创新、从事前沿技术创新、从事基础研究以及敏锐投资初创企业。

此外，中国电子信息产业集团有限公司副总经理陆志鹏表示，“目前我们估计数据资源的价值大概在10万亿，如果经过数据要素化，能够实现的一定是超过100万亿级的数据资产。” 他指出，若能实现数据跨利益主体、跨系统、跨区域的交流，推进数据要素网络的形成，将会发挥更大的经济社会效益。

然而，与资本、劳动、土地等传统生产要素相比，数据具有非竞争性、非排他性、低成本复制等技术及经济特征，同时，目前仍不存在一个标准体系使数据要素得以自由流动，其蕴含的巨大潜力难以释放。

探索数据要素市场化流通

数据如何从资源变成资产，真正到市场上流通还有多远？

“资产须具备主体、客体、权数、收益四个要件，即主体要清晰、客体形态要稳定、权数要清楚、收益要可预期，因此，要素的本质要求是能够进行确权、计量、定价，从而实现规模化流通。”陆志鹏指出，由于资源不具备要素的本质特征，往往需要将资源加工成初级产品，使其具有稳定的形态、清晰的产权，可计量、可定价，从而作为生产要素进行市场化配置，参与经济循环。

陆志鹏表示，须根据数据自身的特殊属性，构建符合其个性化特点的资产化路径。他提出在数据资源资产化过程中应搭建一个“中间态”数据元件，也就是基于数据资源形成的，形态稳定、产权清晰，能够市场化流通、规划化应用，参与经济循环，实现价值提升，进而产生经济社会效益的数据初级产品。

在其数据资产化模型的设想中，数据资产主要分为数据资源、数据要素、数据产品三种类型，数据资源是数据商品加工过程的原材料，承载着最完整、最全面的信息；数据要素是数据商品加工过程的半成品，对信息进行了统计、抽象，可读性好，保证了数据信息的安全合规、可追溯流通；而数据产品则是数据商品加工过程的产成品，面向不同场景，显性释放数据资产价值。整体看来，从数据资源类到数据要素类，再到数据产品类，能够一级级放大数据的经济社会效益。

徐翔则从交易市场角度出发，指出相较于我国大数据产业发展规模，我国数据要素市场规模仍较小，2016-2021年，数据要素市场规模由62亿元快速增长到815亿元，而2022年我国大数据产业规模已达1.57万亿元。

我国数据要素市场方兴未艾，发展中仍面临许多现实问题。徐翔在调研中发现，目前我国数据要素市场建设仍面临交易规模不足、交易种类偏少、数据标准不同意、场内交易不活跃、市场监管职能不明确等现实问题。

基于“技术—经济—生态范式”，徐翔结合学界最新相关研究提出了一个理解数据要素市场的新视角。在技术层面，数据的安全自由流通将奠定交易基础，将“没有免费午餐”定理（No-free-lunch theorem）融入隐私计算中，能够提高数据的安全性；在经济层面，需要围绕数据的共享与赋能设计一套新的交易方案与激励机制，如汤珂学者提出引导多样化交易所共同发展，推进所商分离与数据商进场，抑或是戎珂等学者提出的建立数据要素市场的分级授权机制。

在生态层面，则要以“有效分配资源福利、消除隐私安全隐患”为治理基本原则。徐翔表示，“我们的最新研究中设计了一套福利机制，我们发现结合消费者支付的福利费用和消费者会获得的数据补贴，能够显著改善消费者的福利。”

从数据资源到数据资产、从无序泛滥到体系交易，学者专家们提出不同框架、模型探索发展方向，然而，其本质都绕不开健全完善数据本身相关的标准体系。

数据的获取、确权及计量

数据获取是一切数据产业的源头，释放数据所蕴涵的巨大社会经济效益的前提同样是获取数据。江小涓表示，数据时代中，数据生产流动和共享的意义重大，极大提升科技对社会问题的回应能力。

然而，目前看来，数据共享仍面临重重阻碍，用户主体担心隐私泄漏问题，而企业主体共享动力不足。“如何把数据要素、数据资本转化为一种持续的创新动力是一个发展的关键问题，”徐翔表示，“然而，鼓励企业数据之间的共享实则非常困难，许多企业倾向于把数据藏在企业内部。”

此外，清晰划分权责的法律政策也不可缺失，北京大学国家发展研究院副教授张俊妮表示，“数据共享环境仍需鼓励，目前对数据全链条追责的方式也使企业不敢分享数据。”

数据市场化流通的另一个难题则是数据究竟属于谁。数据是属于生产数据的用户主体，抑或是属于整合数据、加工数据的技术商？而数据的所有权、使用权又应该如何界定？

陆志鹏将主体对数据的权利定义为数据主体权，“就像肖像权，我今天在这演讲意味着我将我的肖像权授权给你了，在你不损害我的个人形象、不将我的形象进行商业利益变现的情况，我不会追究你的责任，但如果你使用我的形象进行了利益变现，你就需要给予我分红、利润相关的利益，”他表示。

他表示，目前“数据20条”中对数据资源持有权、数据加工使用权、数据产品经营权做了明确分置，遵循这一产权运行机制，探索数据资源、数据元件、数据产品三类数据资产的演进关系，有利于降低确权授权复杂度。

此外，中国社会科学院大学应用经济学院教授蔡跃洲指出当下社会共同面临着一个大数据统计测算的悖论，“我们在感受海量数据的存在，以及海量数据对整个经济社会变化带来的影响时，却不清楚我们究竟有多少数据资源。”

蔡跃洲表示，当前官方的统计测算体系对应的是工业化成熟阶段的经济，而在数字经济这种新经济形态蓬勃发展的当下，既有统计指标无法直接提供有关数据规模的信息。此外，由于数据本身的特殊属性，其本身就形成了一个内涵边界存在较大差异，又紧密关联、相互交织的复杂数据生态体系。

要实现科学测算数据要素以及常态化信息输出，蔡跃洲指出目前仍需解决三大问题。

第一，确定数据要素资源相关概念内涵及层次类型的划分。其中，从数据涵盖使用范围和价值转移创造角度可将数据划分为数据资源、数据资产、数据产品/服务、数据要素四个层次。第二，设计数据要素资源统计抽样及测算方法，与现有国民经济和算体系对接融合。根据分属为不同层次的测算对象，可从物理和价值两个纬度，选取表征数据规模的统计指标，从而构建指标体系。第三，围绕常态化、持续化输出数据要素规模信息，完善现行统计体系及会计制度。

责任编辑：王超