数据要素特征、理论、分类、价值释放路径和框架介绍

数据要素价值化可以分为三个阶段，即为数据资源化、数据资产化、数据资本化。

1.从稀缺性看数据要素特征

稀缺性是经济学基本原理之一，是指资源因无法满足人类社会不断扩大的需求，或无法实现空间上的均匀分布而呈现出稀缺状态，即资源有限而需求无限的经济现象。稀缺性导致人们需要做出选择，以确定如何最有效地利用有限资源。 数据是否稀缺呢？在分析数据稀缺性之前，我们首先需要厘清几个概念，即数据、数据资源和数据要素。数据指杂乱无章的原始电子记录。数据资源指经过处理后，有使用价值的数据。数据要素指可以交易或投入生产，有价值的数据资源。数据资源有使用价值，数据要素兼具使用价值和价值。

其中，数据不稀缺。一是数据可以无限生产，随着数字技术加速渗透到经济社会方方面面，数据伴随着人类行为、设备运转、政府履职等随时产生，数据流通能力强，随着数据共享可以实现指数级增长，传播链条越长，数据量愈发庞大。二是数据具有非竞争性、非排他性特征，数据尚未被开发，其潜在价值具有不确定性，一个人使用数据并不会排斥和阻止其他人使用相同的数据，数据可被多个主体同时或者顺序地使用，且不会影响彼此的效果。数据资源有限稀缺。一是数据资源边际成本不为零。数据成为数据资源的过程，经历数据加工、存储、管理等流程，耗费人力、时间和资金等资源，投入大量资本，特别是对于大规模或复杂的数据集，投入成本更加高昂。二是数据资源具有部分排他性和部分竞争性，数据资源具有使用价值，不同主体、不同部门或业务单元可能将数据资源视为未来可变现的资产，不愿与其他主体分享数据。

数据要素具有稀缺性。一是数据要素具有强外部性。数据要素是高质量的数据资源，具有使用价值和价值，挖掘数据要素价值，有利于提高资源配置效率，创造新产业新模式，实现对经济发展的倍增效应。二是数据要素具有强竞争性和强排他性。数据要素价值含量高，被认为一种资产，一种权力，具有较强的竞争性和排他性。数据要素的持有者，在收益未达预期时，不愿与更多人分享和复用，会采用多种手段保护数据不被泄露，并限制其他人访问数据，这些限制导致数据要素变得稀缺。 因此，数据要素区别于传统要素的重要表现是其特征动态变化。这种特征的动态变化使得数据要素的确权、定价和交易流转极为困难。由于数据是没有价值的，但数据要素具有使用价值和价值，若将产权归属于产生原始数据的个人或组织，对开发利用数据，使之成为数据要素的组织极不公平。如，倘若将个人在平台产生数据所有权归属于个人，单个个人数据无价值，同时，平台企业会选择不再收集和存储数据，海量数据的价值无法释放，数据要素难以实现有效率生产。因此，数据要素发展需要兼顾多方主体利益，以政府激励性措施，市场化配置手段，实现多方主体激励相容。

此外，无论是数据、数据资源还是数据要素，都具有虚拟性、可复制性、复用性、增值性、异质性等特征，这些特征也为数据要素这一新型要素的管理和治理带来新的挑战。如，虚拟性是指数据的存在状态是无形的，以文字、声音、图像、视频等作为存在形式。数据虚拟性特征一是导致数据的非消耗性，即数据不会在使用过程中被磨损或消耗掉；二是导致数据监管困难，数据流通突破了地域限制，可在短时间内进行跨地域流转，隐匿性强；三是导致数据流转复杂化，数据需求方无法准确判断数据真实性、数据质量等，交易双方的信任危机影响着价值评估及交易谈判。

可复制性是指数据能够以远低于生产费用的成本进行复制，且能够被其他主体同时获取。一是数据复制后被多方主体持有，难以确定数据源头，导致确权困难；二是数据被复制后，数据价值可能面临贬值，数据交易面临风险，导致定价困难；三是数据易被复制，使数据流通交易、数据治理等过程，面临高额数据保护、数据保密成本。复用性是数据在存储允许的前提下重复使用、多次开发，开发后不会被消耗，可多次循环使用。数据复用性一是导致数据产品流转与价值流转分离，数据即使完成产品流转，原持有者仍可使用数据创造价值；二是引发新的数据产权不清问题，数据在多次使用过程中产生不同衍生数据，产权归属复杂化；三是增加收益分配难度，随着多次开发应用，数据价值由不同环节的不同主体创造形成的，贡献难衡量。异质性指由于数据结构异质、搜集主体各不相同、价值高度依赖使用场景等带来的价值含量不同，一个比特数据跟另外一个比特数据包含的价值通常是完全不同的。数据异质性导致数据公允价值难确定，同一数据对不同使用者在不同使用时间和不同应用场景所产生的价值并不相同，难以为交易双方提供统一的市场价值参考。

2.数据要素市场化配置理论

通过对数据要素的特征分析，我们可以发现，数据要素具有稀缺性，兼具了使用价值和价值，可以通过交换实现资源的配置和价值的变现，因此数据要素具有商品属性。市场经济的本质是商品经济，通过市场机制发挥市场配置资源的决定性作用。数据要素市场化配置就是尊重市场经济规律，凭借市场机制来实现数据要素在结构、时空等的有效安排，以获取最佳的经济效益。

宏观看，数据要素市场化配置是建设统一开放、竞争有序市场体系的内在要求。理论方面，完善数据要素市场化配置体制机制，有利于数据要素更好地按照效益最大化和效率最大化的原则进行分配，实现要素自由流动、价格反应灵活、竞争公平有序，提高数据要素配置效率，推动数据要素被重复开发利用，更大范围地提高数据要素生产力，激发全社会创造力和市场活力，推动经济高质量发展。数据要素市场化配置改革是坚持和完善社会主义基本经济制度和社会主义市场经济体制的重要内容。社会主义市场经济通过利益机制引导要素自主有序流动的，并通过要素边际生产力水平显示要素配置效率。通过数据要素的市场化配置，有利于将数据要素从边际生产力水平低的部门流动出来，投向边际生产力水平高的部门，提高整体生产力的水平。政策方面，自 2019 年党的十九届四中全会首次将数据列为与劳动、资本、土地、知识、技术、管理并列的生产要素之后，我国宏观政策导向便由“大数据”产业发展转向“生产要素”配置。2020 年4月，中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，提出“加快培育数据要素市场”的要求与任务。2021年 3 月，《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》提出，要对完善数据要素产权性质、建立数据资源产权相关基础制度和标准规范、培育数据交易平台和市场主体等作出战略部署，并着重指出要激活数据要素潜能。2023 年2月，中共中央、国务院印发了《数字中国建设整体布局规划》，区分了公共数据和商业数据。对于公共数据，强调汇聚利用、建立数据资源库等措施，对于商业数据，则强调市场化配置。2024 年7 月，党的二十届三中全会《中共中央关于进一步全面深化改革推进中国式现代化的决定》明确要求“培育全国一体化技术和数据市场”。

微观看，数据要素市场化配置是企业实现利益最大化的必然选择。聚焦到企业这一微观个体，可将企业自身所持有的数据资源分为三类。如图 2，企业 A 及企业 B 持有不可供给数据、企业内部应用数据和其他数据三类数据，图中分别用①、②、③所示。其中，不可供给数据①，即敏感数据或者脏数据。敏感数据一般涉及企业商业秘密，是企业不希望公开的数据，如风险管理数据、网络结构数据等；脏数据是不具有使用价值的数据。企业内部应用数据②，即用于企业自身决策管理的数据。如企业通过监控和分析企业内部运营数据，包括生产设备数据、供应链数据、人力资源数据等，发现生产经营过程中的问题和瓶颈，并采取相应的措施进行改进和优化。其他数据③，这部分数据既不涉及数据安全问题，也对企业自身无用。在十九届四中全会将“数据”列为生产要素之前，我国通过国家大数据战略，指引企业对数据开发应用开展了长期探索。也就是2019 年之前，企业主要关注提升企业内部应用数据②的能力，拓展可使用数据规模，提升该部分数据使用价值。但受制于企业技术能力、数据管理能力不佳、数据数量及质量不足等原因，内部数据开发应用有限。同时，企业数字化转型过程需求更多数据，存在数据需求缺口，即图中Da和Db。因此，企业迫切需要通过数据要素市场化配置，将自身富裕的数据供给出去变现获利，同时从市场获得需求的数据。数据要素市场化配置解决了企业日益增长的数据需求同富余数据生产力供给不出的矛盾。

综上，数据要素市场化配置具有重要性和必要性。那么，数据要素市场配置的对象是什么？可以用什么方式进行配置呢？数据要素市场化配置的对象包括数据集、数据产品、数据服务等。以企业 A 为例，其参与配置的是阴影部分。①中敏感数据涉及安全和隐私，不可提供，脏数据的提供无意义，②数据内部应用数据是企业已探索的高价值数据，企业有意愿对外提供其中的部分。因此，A企业供给到市场上的主要是②中部分及③，配置的内容包括数据集、数据产品及数据服务。其中，数据集有原始数据集和脱敏数据集，原始数据集是原始状态的数据集合，脱敏数据集是经过匿名化处理的数据集。这两类数据集只经过简单加工处理，未根据数据买方需求进行定制。如，商安信为用户提供全球企业的各种关键数据集，包括注册信息、财务状况、股权结构、信用评级、贸易动态和公众舆论等。数据产品是利用数据挖掘、机器学习等技术进行数据加工、处理和分析，形成可为需求方创造价值的一种产品形式。如，商安信依托其219个国家和 3.7 亿家企业的庞大数据库，为用户提供的目标企业商业信用报告。数据服务是针对性地提供数据解决方案，包括数据处理服务、数据应用服务和数据分析工具服务等。数据产品是经过开发加工的，面向应用场景形成的交付物，而数据服务是一种解决方案。

数据要素市场化配置改革是现阶段政府施策的主线，主要通过市场机制完成。数据要素市场化配置要求数据要素能够在社会成员和生产部门间自由流通，并通过市场评价贡献、由贡献决定报酬的机制进一步激发数据的投入，包括数据产权激励机制、主体利益激励机制、数据市场运行机制和法律监管治理机制等的建立。第一，以数据产权激励机制解决数据确权难题。产权激励是市场主体活力的基础，归属清晰、权责明确、保护严格、流转顺畅的数据产权制度，有利于把人们参与市场经济活动的努力和财产性权利紧密联系在一起。第二，以主体利益激励机制解决激励相容难题。数据要素市场涉及主体更加复杂，需要兼顾多方市场主体利益，健全数据要素由市场评价贡献、按贡献决定报酬的收益分配机制，兼顾效率和公平。第三，以数据市场运行机制解决数据流通难题。价格机制是核心，数据要素价格市场化不足、价格失真就可能导致数据要素错配。供求机制激励激发企业供数用数活力，实现资源要素的优化高效配置。竞争机制保障数据资源要素跨地域、跨行业、跨企业公平有序地进入与退出。第四，以法律监管治理机制解决数据安全难题，按照包容审慎原则，建立适合数据要素发展的法律法规，维护公平竞争，保护数据安全，打造市场化、法治化、国际化的数据要素配置环境。

3.数据要素市场分类

数据要素市场化配置的过程形成数据要素市场，数据要素市场既包括市场化配置过程中的交易关系或买卖关系，也包括这些交易的场所或领域。不同的交易关系、竞争关系或合作关系形成不同的市场结构，不同的市场结构决定了企业行为和市场运行方式，引导着市场进入、定价、交易等决策。

竞争程度可以看出企业为取得较好的市场条件、获得更多资源而形成的市场关系，通过市场中买者和卖者的数量以及产品差别的大小等来分析市场结构。主要有两类： 一类偏垄断型，这类企业可以独自控制或者与少数企业一起控制某一市场。数据要素市场中，偏垄断型的市场结构主要集中于公共数据、平台数据等。其中，公共数据的持有者是政府及公共事业单位，对数据具备较强的控制和管理能力；平台数据的垄断性是由其庞大用户数量形成规模经济效益催生的。

一类偏竞争型，这类企业需要同时争夺同一市场。数据要素市场中，偏竞争型的市场结构主要集中于数据服务企业、小微企业等。其中，数据服务企业数目众多，商业化程度高，提供和销售有差别的数据服务，竞争性强；小微企业规模比较小，进入和退出一个数据要素市场比较容易，其交易行为对市场的影响也较小。在一个趋向竞争型的市场环境中，企业会通过价格、提高服务质量、推出创新产品等举措吸引客户并保持竞争优势，有利于促进资源的有效配置、推动技术创新、提高产品质量，通常更有利于经济发展和社会福利提升。交易成本指交易活动的参与者为达成交易而发生的直接消耗，如信息搜寻费用、交易谈判费用、质量测量和价值评估费用、合同履行费用等。交易成本与市场密切相关，可以影响市场运作效率及参与者决策。

交易成本高的商品包括涉及法律或监管要求的、低流动性的、个性化定制的商品等。数据要素市场中，交易成本相对较高的市场主要是涉及数据安全、商业机密及个人隐私等强监管的数据，及流动壁垒较高的数据类型。强监管性数据一般由于数据保护法规，数据安全和隐私泄漏风险而导致交易成本较高。如，公安数据存在严格的数据保护法规和隐私法规，其数据的流通和处理必须符合特定的标准和程序。低流动性数据往往由于技术壁垒、利益保护等因素形成数据孤岛。如，由于数据格式不兼容、数据接口不开放、数据标准不统一等技术因素，导致工业数据共享和交换较为困难。 交易成本低的商品一般标准化程度较高，有专门的交易市场，供需双方匹配相对容易。如，金融行业存在大量的信息交换和共享需求，为确保不同金融机构之间的数据可以互相理解和交换，金融行业数据标准化进程较早，金融数据的交换效率较高，交易成本相对其他数据更低。交易成本低的市场通常更有利于增强企业活力和商品流动性，提高资源配置效率。

Ⅰ 低交易成本竞争型市场。这类市场是理想的市场，通常具有较高的数据流动性、市场透明度和主体活跃度，往往具有较大的市场规模，相对较低的准入门槛，更高的市场运行效率。主要包含两种，一是数据流通交易起步较早，规模较大的数据类型，如金融业是信息密集型行业，金融市场的高度竞争和飞速发展，也促进了金融数据技术和应用的快速发展，数据流动性强，企业数据应用活跃。另一类是数据服务产业，包括数据产品开发、数据资产管理数据治理、数据安全、数据交付以及数据发布等数商，据上海市数交所统计，自2013年至 2023 年，中国数商企业数量从约 11 万家增长到超过100万家。众多中小企业积极参与布局，市场活力迸发。Ⅱ 低交易成本垄断型市场。这类市场的供给者较少，处于市场主导地位，有较大市场份额和影响力。由于供给者本身有公共服务职能，或因其主营业务能够以较低的成本提供数据产品或服务，该市场中的交易成本也相对较低。主要包含三类，一是政府及企事业单位掌握的敏感级较低的数据，此类数据的共享开放、开发利用有利于充分激活数据要素价值。二是平台数据，因其技术和数据汇集后产生规模经济效益，使其能够以低成本进行数据产品和服务的供给。三是由主营商品的垄断性市场而衍生出的数据产品，如电力数据、通信数据等。

Ⅲ 高交易成本垄断型市场。由于技术门槛、法律法规限制等的限制，使得此类市场进入门槛极高，交易成本较高。此类市场主要是敏感级较高的公共数据，这些数据掌握在公共部门手中，可能涉及个人隐私、敏感信息，甚至涉及国家安全等，因此在流通过程中需要考虑数据隐私和安全保护，为安全流通需要付出大量成本。Ⅳ 高交易成本竞争型市场。此类市场尽管有较多的主体持有数据，但交易流通的过程需要付出较高成本。主要有三类，一是高度规制的数据，如个人数据的流通从事需要符合严格的安全保护法规，导致较高的交易成本。二是交易量较小或信息不对称的市场，买卖双方难以找到匹配的交易对手，为了规避风险而支付更高的费用，从而导致交易成本的增加。如农业生产涉及土壤、气候、作物、水资源等多个方面，而这些数据通常由不同的部门、机构或个人收集，导致数据来源分散，目前市场交易量较小，交易成本高。三是存在流通技术壁垒的数据，如工业数据散落在各种工业企业内部，数据量庞大，但由于不同工业设备和系统可能使用不同的技术标准和通信协议，导致数据在不同系统之间传输和解释困难。

4.数据要素价值释放路径和框架

数据要素价值化可以分为三个阶段，即为数据资源化、数据资产化、数据资本化。Ⅰ、Ⅱ、Ⅲ、Ⅳ四类市场都可经历数据资源化、数据资产化、数据资本化，实现要素价值释放，但每类市场的特点和发展程度不同，发展重点、发展环节也有差异。

数据资源化阶段，使无序、混乱的原始数据成为有序、有使用价值的数据资源。包括质量提升过程，通过数据采集、整理、聚合、分析等，对原始数据进行加工，最后形成可采、可见、互通、可信的高质量数据；也包括数据应用过程，在数据赋能业务效率改善中实现数据潜在价值。由于Ⅰ低交易成本竞争型市场发展相对成熟，数据资源化程度较好，各类数据服务商积极推动数据采集存储、集成处理、加工分析，已在场景应用挖掘，如研发设计、柔性生产、智能制造、精准营销、市场推广、企业管理等方面进行较为领先的探索。在Ⅱ低交易成本垄断型市场中，数据的集中程度高，价值潜力大，政府、平台企业、龙头企业等基于其市场规模优势推动实现数据集成、数据标准化及对大规模数据集的数据治理是该市场在现阶段关注的重点。Ⅲ高交易成本垄断型市场对数据安全要求极高，此类市场在数据市场化配置过程中首先要保证不踩数据安全红线，以免造成危害国家安全等严重后果。因此，数据资源化的重点是通过技术手段对数据进行加工处理，通过产品开发、模型供给等形式，形成可用不可见的数据产品。Ⅳ高交易成本竞争型市场中，数据分散，数据流通壁垒高，如何将此类数据进行高效合规的数据采集，如何将小数据通过传输汇聚，用何种方式及在何地点进行数据存储是市场推动资源化的关键。

数据资产化是数据通过流通交易给使用者或所有者带来经济利益的过程。包括数据确权、数据流通交易和数据收益分配等。其中，当前数据确权的重点是对“数据二十条”中数据资源持有权、数据加工使用权、数据产品经营权“三权”进行法律制定及落地实践，并探索数据资产登记的方法。数据流通交易包括流通交易主体、流通交易场所、市场规则与治理、市场参与主体及数据跨境等。数据收益分配包括数据价值评估及激励机制的设计。立足实际，Ⅰ低交易成本竞争型市场在资产化阶段的发展重点在于创新数据产品，适应多元化的数据需求，促进数据要素的供需匹配，让数据交易“有米下锅”“有数有市”。Ⅱ低交易成本垄断型市场的重点是建设数据流通基础设施，通过基础设施建设，降低数据搜索成本、复制成本、追踪成本和验证成本，积极承担公益职能、强调公共属性，提供规范、普惠的数据流通基础服务，引领企业数据和行业数据流通汇聚，推动数据要素市场建设。Ⅲ高交易成本垄断型市场需以数据开放共享、数据产品开发运营等模式，确保数据安全，并定期维护和更新高度可利用和具有价值的数据资源，强化供给能力，向市场和社会提供公共数据产品和服务，提高供给数量和质量，提升数据资源配置的有效性。在Ⅳ高交易成本竞争型市场中，数据流通基础设施建设是关键，为不同行业、不同地区、不同主体提供可信的数据共享、开放、流通环境，支撑后续数据处理、应用、运营、安全保障等全流程。

数据资本化主要包括数据信贷融资与数据证券化。数据信贷融资是用数据资产作为信用担保获得融通资金的一种方式，如数据质押融资。数据证券化是以数据未来收入预期的贴现值为内在价值创造权证以获得资本，如 IPO、重组并购、D-ABS 等。数据资本化是数据要素与资本要素两者协同互促的产物，既表现为金融产品创新，也表现为数据价值实现方式创新。从数据的角度来看，它提供了一种提升数据流动性、开发数据价值的新方式，有利于促进数据要素社会化配置，提升数据要素整体价值创造能力，是四类市场中推动数据要素价值化发展的高级阶段。