中国数据要素市场面临哪些问题？

努力克服现阶段不足，中国数据要素市场未来可期。

1. 数据权属界定不明，统一资产登记体系有待建立

数据所有权、使用权、经营权有待清晰界定。目前，我国还没有针对数据产权归属问题出台法律。 在实际交易中，数据权属的判断主要通过基础法律理念和质朴法感情上。这种数据权属不明的情 况使大部分拥有数据资源的企业不敢、不愿意参与数据交易，阻碍了我国数据要素产业的发展。 数据所有权、使用权、经营权的清晰界定是数据要素市场有效运行的前提之一。目前，政府和智 库已就数据确权方面提出了一些发展方向，包括应学习欧美先进经验，同时结合我国国情以及数 字经济发展的不同阶段，尽快明确个人、企业以及政府在数据所有权、使用权和经营权上的相关 法律规定；应形成数据分类分级确权的制度设计；坚持个人隐私和敏感数据保护的底线思维；应 搭建以数据使用权为核心的产权制度体系；以及使用数字化手段赋能数据确权等。

统一的数据资产登记体系急需建立。建立数据资产登记体系是数据资源转为数据资产的必经之路， 包括厘清供给方的数据来源、评估数据质量价值、明确数据应用场景等。进行资产登记能够保证 流通数据资产的合规合法性，使供应商、服务商、需求商在交易中更加放心，减少因权属不明、 资产归属不清的原因而互相倾轧。我国在数据资产登记方面已经开展了一些有益探索。“十四五” 规划和 2035 远景目标纲要已提出要发展“数据资产评估、登记结算”。2017年，贵州省出台全 国首个政府数据资产管理登记办法《贵州省政府数据资产管理登记暂行办法》。随后，地方实践 和地方登记平台建设也不断推进。然而，我国目前尚未建立统一的数据要素登记制度、权威的全 国数据登记平台，仍存在着数据资产登记概念不清晰、登记制度不统一的问题。全国统一的数据 资产登记体系亟待建立，这将有利于数据资产在全国范围内的自由流通，是建设我国数据要素市 场的重要组成部分。

2. 数据定价较为困难

数据要素因其生产复杂性、可复制性、时效性、以及非标准性而定价困难。相比于土地、资本、 技术、劳动力要素，数据要素的定价更加困难。首先，数据要素产生的过程十分复杂，整个产业 链有数据采集、存储、计算、分析应用等众多环节，涉及众多贡献者、参与商，每一个环节都需 要进行价值计量，因此进行阶段性定价比较困难。其次，数据资源具有可复制性、时效性以及非 标准性等特点，其实际价值会随着复制次数及供需关系改变而改变。

主流数据定价方式包括成本法、收益法以及市场法。数据定价是数据交易平台的重要组成部分， 目前比较主流的数据定价方式有成本定价法、收益定价法以及市场定价法。其中，成本法通过计 算数据产品的成本进行定价，包括数据采集、存储和整合的运维成本，人力成本、间接成本以及 服务外包成本等管理成本。收益法则是按照数据的应用价值定价，与数据的数量、稀缺性、行业 性质、预期效益等有关。一般来说，数据越完整、维度越多，其适用的范围也越广、应用价值就 越高。市场法定价一般使用类似场景下的可比参照实例做参考，需要较多的可比案例。目前，这 些定价方式各有缺点，国内外还在积极探索数据要素定价的有效方法， 例如，因数据要素的价值 在不断波动，可采用动态定价方法。另外，也可应用人工智能等算法赋能数据定价。

3. 数据应用价值有待提高

数据价值不高，在管理、标准化、融合应用方面有待提高。数据要素的质量对数据要素的实际应 用有着重要的影响。我国拥有大量的数据资源，但因为数据质量参差不齐，可具体落实在应用场 景中的数据要素还较少。造成数据质量不高的原因无疑是多方面的。在当前海量数据资源环境下， 由于不同资源及系统间存在异构性，传统的信息管理模式由于缺乏数据收集、整合、管理和服务 的新机制，难以实现对数据资源的统一管理与高质量管理，降低了数据资源的利用率。另一方面， 数据采集和存储的标准化不够，无法形成可用的大数据集。例如，实现自动驾驶需要大量的场景 数据来进行具有鲁棒性的模型的训练。但是不同厂家收集存储数据的标准并不统一，无法汇集成 可用的大数据集进行模型训练。同时，数据资源往往需要深加工才能挖掘较深的应用价值。然而 我国目前深入具体场景的数据挖掘和分析应用还较少。算法等方面投入还不够多，技术成熟度和 实用性也有待提高。很多相关技术如区块链、智能合约还在发展中，个人征信、城市管理等具体 场景融合的案例还不成熟，数据应用创新的动力不足。跨行业、跨区域、跨部门的数据融合应用 能力应进一步提升。

4.有待建设先进交易基础环境

我国数据交易基础环境还不完善，目前没有统一的数据交易平台和成熟的监管机制。数据交易平 台有益于解决效率、合规、安全以及信任等问题。近年来，我国积极建立数据交易平台，引导数 据交易往场内进行。然而目前，我国基于平台的场内数据交易情况并不理想。截至 2022年 8 月， 全国已经成立了 40 家数据交易机构，数量众多但没有形成统一的交易标准和监管机制，经营情况 也参差不齐。同时，这些机构全部是区域性的交易机构，并没有一个统一的数据交易市场，不利 于数据要素在全国范围内的自由灵活配置。这些不利因素导致我国场内场外数据交易量差距悬殊， 大部分数据交易都在场外完成，场内交易不足 5%。

5. 政府、企业的“数据孤岛”有待打破，助力数据开放流通

数据孤岛阻碍数据流通共享。中国的大部分的数据集中在政府、国有企业和互联网平台企业手中。 但是这些数据开放共享流通的程度较低。例如，中国移动、央行征信中心都拥有超过 6 亿人的活 跃消费者，但是这些数据沉淀在少数平台上，流动、应用、价值挖掘的程度都不够，造成了大量 的浪费。互联网头部厂商则拥有更多的用户，其数据价值有待进一步被合法合理地挖掘。

政府数据待实现跨部门、跨区域的高效流通。首先， 从政府层面来看，政务数据跨部门、跨区域 共享仍存在障碍。数据流通需要地方重视、充分赋予数据相关部门权力，助力打通各部门、各地 区数据互联互通。例如，贵州信息技术响应刚性制度完善，数据流通工作展开较快。同时， 应尽 快提升数字技术水平，进一步促进公共数据跨部门、跨区域、跨行业的安全高效数据共享。

头部平台企业的“数据垄断”亟待打破。BAT 等大互联网平台掌握着大量的用户数据，具有极高 的商业价值，然而存在数据资源垄断问题。出于保护自身利益的考虑，这些头部大厂倾向于打造 闭环的产业生态，并不愿意共享数据。具体实例有大众点评诉百度案，菜鸟裹裹与顺丰快递、新 浪与今日头条、微信与华为的数据之争等。2021 年， 在我国国家反垄断局行政处罚中，超过四 分之三的案件来源于互联网行业。数据垄断成为亟待解决的阻碍数据流通的问题之一。

6. 发展土壤肥沃，中国数据要素市场静待花开

完善我国数据要素市场正在进行时。针对上述讨论的不足之处，中央、地方政府、专家学者们已 提出众多发展方向以及行之有效的施行措施。我国有望持续推进相关法律法规建设，完善隐私保 护、数据确权、数据定价等制度， 建设统一可靠的数据交易市场和成熟的监管体系。大力推进政 府企业数据开放共享，鼓励数据流通交易。同时，努力提高数据采集、存储、处理、分析、融合 应用等各方面的技术水平，提升数据的可用性，深挖数据价值。 我国数据土壤肥沃，具备先天发展优势。在数据要素领域，我国拥有巨大的先天优势。人口规模 的庞大以及互联网等产业多年的发展，使我国已在各产业领域拥有大量珍贵数据。同时，我国从 中央到地方政府，已经认识到数据要素发展的重要性，推行了大量相关政策，积极建设数据要素 市场，数据要素的“要素”地位日益凸显。 另外，欧美在数据要素市场领域较为成熟，我国 “取 其精华，去其糟粕”，能利用学习到的先进经验、同时结合中国国情以及经济发展阶段，选择一 条最合适的路径来建设我们的数据要素市场，创造巨大的数据要素产业价值，为全社会发展赋能。