2021年数据价值化与数据要素市场发展专题研究报告

一、数据价值化与数据要素市场的概念内涵

我们认为：数据是对客观事物（如事实、事件、事物、过程或思 想）的数字化记录或描述，是无序的、未经加工处理的原始素材。数 据可以是连续的值，比如声音、图像，也可以是离散的，如符号、文 字。数据资源是能够参与社会生产经营活动、可以为使用者或所有者 带来经济效益、以电子方式记录的数据。区别数据与数据资源的依据 主要在于数据是否具有使用价值。数据要素是参与到社会生产经营活 动、为使用者或所有者带来经济效益、以电子方式记录的数据资源。 区别数据资源与数据要素的依据主要在于其是否产生了经济效益。

（一）数据价值化概念内涵

数据价值化是指以数据资源化为起点，经历数据资产化、数据资 本化阶段，实现数据价值化的经济过程。数据价值化重构生产要素体 系，是数字经济发展的基础。生产要素是经济社会生产经营所需的各 种资源。数据作为数字经济全新的、关键的生产要素，贯穿于数字经济发展的 全部流程，与其他生产要素不断组合迭代，加速交叉融合，引发生产 要素多领域、多维度、系统性、革命性群体突破。

数据资源化是使无序、混乱的原始数据成为有序、有使用价值的 数据资源。数据资源化阶段包括通过数据采集、整理、聚合、分析等， 形成可采、可见、标准、互通、可信的高质量数据资源。数据资源化是激发数据价值的基础，其本质是提升数据质量、形成数据使用价值 的过程。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。数据资产化是实现数据价值的核心，其本质是形成数据 交换价值，初步实现数据价值的过程。数据资本化主要包括两种方式， 数据信贷融资与数据证券化。数据资本化是拓展数据价值的途径，其 本质是实现数据要素的社会化配置。

（二）数据要素市场概念内涵

数据要素市场是数据要素在交换或流通过程中形成的市场。要素 是指构成事物的必要因素或系统的组成部分，生产要素是生产系统的 组成部分，是维持企业生产经营活动所必须具备的基本因素，市场则 包含两种含义，其一是交易场所，其二为交易行为的总称。深化数据要素市场化配置改革， 促进数据要素自主有序流动，破除阻碍数据要素自由流动的体制机制 障碍，推动数据要素配置依据市场规则、市场价格、市场竞争实现效 益最大化和效率最优化，有利于进一步激发市场创造力和活力，贯彻 新发展理念，最终形成数据要素价格市场决定、数据流动自主有序、 数据资源配置高效公平的数据要素市场，推动数字经济发展质量变革、 效率变革、动力变革。

二、数据价值化的现状和进展

（一）数据资源化方兴未艾

数据资源化是数据价值化的首要阶段，包括数据采集、数据整理、 数据聚合、数据分析等。数据采集是根据需要收集数据的过程，数据 整理包括数据标注、清洗、脱敏、脱密、标准化、质量监控等，数据 聚合包括数据传输、数据存储、数据集成汇聚等，数据分析是为各种 决策提供支撑而对数据加以详细研究和概括总结的过程。

全球蕴含海量数据资源。新一代信息技术的迅速发展与普 及、全球数据的“井喷式”生产、数据收集存储和处理成本的大幅下 降、机器计算能力的大幅提高，为数据资源化奠定了基础。

全球已初步形成较为完整的数据资源供应链，数据采集、数据标 注、时序数据库管理、数据存储、商业智能处理、数据挖掘和分析、 数据交换等技术领域迅速成长发展。全球看，即使欧美日韩等发达国 家，仍处于数据资源化的初级阶段。

1.数据采集产业现状

数据采集是数据资源化的首要环节，是数据标注、数据清洗、数 据存储、数据分析等的基础。数据采集行业主体主要包括采集设备提供商、数据采集解决方案提供商两类。

数据采集设备提供商为数据采集提供传感器、采集器等专用采集 设备和智能设备。

数据采集解决方案提供商通过人工采集服务、系统日志采集系统、 网络数据采集系统等方式为客户提供解决方案。

人工采集对象主要包括语音数据、图像数据、视频数据等。语音 采集通过采集不同人群的普通话、方言、英文和小语种等各类语音音 频，可应用于智能家居、智能设备、智能客服、智慧门店等场景落地。 图像采集通过人工拍摄包括人像、商品、汽车、风景等各类真实生活 中的图像，助力图像识别模型的训练，可应用于智慧零售、智能设备 等场景。视频采集通过人工拍摄指定的物体、人脸、安防等场景的视 频，满足多角度、多光线、多场景的多样化采集要求，可在智能安防、 智能设备、智慧金融等视觉场景落地。

系统日志是记录系统中硬件、软件和系统问题的信息，同时还可 以监视系统中发生的事件，用户通过分析系统日志来检查错误发生的原因或者寻找设备受到攻击时攻击者所留下的痕迹。互联网公司每天 都会产生大量的日志，这些日志一般为流型数据，比如搜索引擎的页 面浏览量、查询量，数据量非常庞大。

网络数据采集包括通过网络爬虫等方式获取数据，对象主要是各 类网站，包括新闻类、社交类、购物类以及相应的一些 API、用户接 口和一些流型数据。网站 Website、API、流型数据是目前网络爬虫主 要爬取的三大类对象，其中 Website 网站数据是网络爬虫的首要对象。

2.数据标注产业现状

中国企业在2005年以后逐步涉足标注产业，尤其是2010年以后， 随着人工智能巨头的崛起，数据标注和采集需求激增，数据标注市场 逐渐形成，其提供的数据标注服务中，文本标注较为基础，多以语音标注、计算机视觉标注为主。

从运营模式来看，数据标注企业通过三类模式提供标注服务。众包模式通过搭建众包平台，汇聚数据标注兼职人员力量，成为数据需 求方和兼职数据标注员的中介。众包模式有利于节省企业运营成本，但公司对兼职人员管理较为困难，质量难以把控，现有发展较好的众 包企业有蚂蚁众包、阿里众包等。自建模式通过自建标注工厂或基地， 提供数据标注服务。自建模式有稳定的数据标注员，可以保障专业性 和数据质量。组合模式将 众包模式与自建模式相结合。一方面是互联网公司加入数据标注市场， 由于其资本雄厚、自身数据需求强、用户基数大，可凭借自建的标注 基地、科学的众包任务分发模式、智能化的数据采集与标注工具，实 现规模效应和高效作业。另一方面，随专注数据 运营的企业规模扩大，可根据项目大小和客户保密要求灵活部署，将众包和自建模式相结合。

从垂直市场来看，数据标注市场可大致分成智能驾驶、智慧家居、 医疗卫生、金融服务、新零售、安防和其他领域。数据标注有助于获得支持人工智能技术发展的 准确数据，其质量直接影响人工智能应用中算法的准确性和有效性， 有望推动医疗卫生行业的智能化发展，同时也意味着未来数据标注市场的门槛会逐步提高，数据标注将由简单标注到复杂标注升级。

从区域分布来看，数据标注已形成以北京为增长极辐射带动三大 产业增长带的区域格局。未来，在垂直市场需 求不断精细化趋势下，数据标注产业将催生处更加专业化集聚化的产 业集群，数据标注质量和精度也会越来越高。

（二）数据资产化加速推进

数据资源化使种类丰富且内容庞杂的数据拥有了使用价值，发展 潜力十分巨大。数据资产化，使具有使用价值的数据成为一种资产， 在市场上进行流通交易，给拥有者或使用者带来经济利益。数据资产 化是构建数据要素市场的关键与核心，包括数据权属的确定、数据资 产的定价、数据的交易流通。

1.全球数据权属探索现状

针对数据确权，全球各国在法律制度上进行了不同探索。欧盟最早进行体系性构建，通过《一般数据保护条例》（GDPR）和《非个 人数据在欧盟境内自由流动框架条例》，确立了“个人数据”和“非个 人数据”的二元架构。

美国依托现有制度，加大对数据隐私的保护。美国并无针对数据 的综合立法，而是将个人数据置于传统隐私权的架构下，利用“信息 隐私权”来化解互联网对私人信息的威胁。

日本严格界定数据保护范围，并不主张对数据本身另行设定新的 排他性私权。经过学界、产业界以及政府部门的多方探讨，目前日本 对数据权属问题的处理规则已经比较明确。概括来说，对数据权属以 自由流通为原则，特殊保护为例外。

俄罗斯规定的数据主体的权利与其他国家落脚点不同，多相对于 处理人而言。所谓处理人，是指独立或与其他单位合作而处理个人数 据，并能确定个人数据的处理的目的、范围的国家机关、主管机关、 法人或个人。

印度《2018 年个人数据保护法案（草案）》将数据视为“信托” 问题，将每一个决定处理个人数据目的和方法的实体定义为“数据受 托人”，并要求其承担主要责任。

国内看，中央及地方积极探索数据确权，部分地区出台相关文件， 建立相关平台，筹划数据确权发展。但整体来看，数据确权尚处于起 步阶段。

广东省率先发布较为详细的数权政策文件。以深圳为代表发布 《深圳经济特区数据条例》，提出探索完善数据产权，着力解决数据 要素产权配置问题。创设数据权，明确数据权的财产权属性与数据权 的内容，明晰个人数据权属、公共数据权属。

各地也积极进行了数据确权的实践探索。2019 年 9 月工信部开通了我国首家数据确权平台“人民数据资产服务平台”，主要是对数据 的合法合规性进行审核，对数据生产加工服务主体、数据流通过程、 数据流通应用规则的一系列审核及登记认证。

2.不完全市场下的数据定价策略

不完全市场下的数据定价实践，数据的价格受多因素影响，包括 数据量、数据种类、数据深度、数据完整性和数据实时性等。因此平 台多通过采取不同定价策略，提高数据供给方参与积极性，满足数据 需求方的差异性需求，实现供需双方效益最大化。总体来看，数据定 价策略采用了静态定价策略与动态定价策略相结合的方式。

静态定价策略包括固定定价、差别定价、拉姆齐价格。

固定定价是指数据卖方和交易平台根据数据商品的成本和效用， 结合市场供需情况，设定一个固定价格在交易平台上出售，最终成交 价即为该固定价格。固定定价的优势在于价格固定，节省撮合协调的 时间成本和沟通成本；其局限在于适用范围较为狭窄，仅限于批量廉 价的数据交易。

差别定价是指以两种或两种以上不同反映成本费用的比例差异 的价格来销售一种数据产品或服务。这种差别定价是基于不同的消费 者获取数据的愿望不同而实现的。

拉姆齐价格是一种高于边际成本的定价，此价格下净收益与净损 失的差值最大。这种定价策略主要是针对公共数据服务，它们经济效 益不高却极具社会效益, 通过设置拉姆齐价格有利于提高效率。政府 作为公共部门，其以“福利最大化为目标”是较为理性的。

动态定价策略包括自动计价、协商定价、拍卖式定价。

自动计价是指交易所针对每一个数据品种设计自动计价公式，卖 方和买方在交易系统的自动撮合下成交。根据成交方式，最终成交价 分为三种形式：一是自动成交价格。当买方应约价大于或等于卖方挂 牌价时，交易系统自动撮合成交，最终成交价为买方应约价。二是卖 方选择成交价格。对于不能直接成交的应约，卖方可选择能接受的应 约价与其成交，成交价为买方应约价。三是数据分拆成交。当买方仅 需要部分数据时，平台将对数据设定拆分原则，系统自动报价，而后 自动撮合双方成交。其优势和特点在于定价方式的自动性，即依靠数 据交易平台设定的交易系统，完成数据的自动撮合成交。但交易系统 的建设成本高，过程复杂，对数据交易平台有极高要求。

当交易双方对大数据价值的评估不一致时，买方和卖方可以直接通过协商定价达成对数据商品价值的一致认可。协商定价的基础是各 方对数据价值的认可，只是对价值大小的认知程度不一，协商的作用 就是尽可能的取得双方对大数据价值的一致性。

拍卖定价属于需求导向定价，适用于一个卖方和多个买方交易的 情形。基于诚信的拍卖定价不仅能够使买卖双方就价格达成一致，还 能实现数据的商品价值最大化，有利于促进数据交易流通。

不完全市场条件下，尽管国内外已经探索出许多数据定价方法， 但远未形成规范有序的数据定价规则，数据定价指标体系仍处于混乱无序状态。一是价格影响指标尚不统一，不同的交易所对同一数据产 品的定价因价格影响指标的不同而不同，阻碍了统一市场的形成。二 是数据质量评价指标只能对数据质量进行定性的好坏比较，反映到价 格上则只能比较相对价格的高低，无法给出大数据产品的确切价格区 间。三是数据历史成交价指标虽具有重要的参考价值，但由于数字时 代市场供需变化较快，叠加数据产品的复杂性和数据交易市场的不成 熟性，其作用难以有效发挥。随着数据要素市场的不断完善，这些问 题也将通过数据定价模型逐步解决。

3.数据交易发展现状

随着数据资产化的进程加快和新兴技术的不断融合发展，数据交 易呈现稳步发展的态势。中国数据市场发展迅速， 交易值增速在全球遥遥领先，2017年、2018年两年的交易值均接近翻 番，2019年也在60%以上，达到23.93亿美元的规模，超过英国的23.55 亿美元。

（三）数据资本化点状探索

数据资本化使数据由货币性资产向可增值的金融资产转化。其中， 数据信贷融资可将数据货币价值迅速变现，获取企业再生产所需资金， 数据证券化可将数据货币价值转换为权益价值。

数据资本化是融资者和投资人共同分享数据收益的过程。从融资者角度看，融资者在获得融资的同时也可保留数据自主权。在数据资 本化后，发起人仍可保留和管理数据，因此，融资人在实现资金融通 的同时，也可对进一步加工和应用数据，持续提升其价值。此外，数 据资本化还可为融资者提供较高的融资杠杆，减少资金投入量，快速 筹措资金。从投资者角度来看，数据资本化产品流动性较好，投资人 无需考量发起人的经营状况，可直接投资高价值数据集合，若数据产 品盈利，即可与融资人共享数据收益。

目前，国内外已有企业展开数据资本化创新性探索，总的来看， 主要有以下四种形式：

一是数据证券化，依托数据资产，通过 IPO、并购重组等手段获得融资。

二是数据质押融资。数据质押融资是数据权利人将其合法拥有的 数据出质，从银行等金融机构获取资金的一种融资方式。

三是数据银行。数据银行通过吸纳“数据存款”，把分散在个人 和集体中的数据资源集中起来，使其易被发现、访问、并具备互操作。

四是数据信托。中航信托发行了全国首单基于数据资产的信托产 品，总规模为 3000 万元。该产品的运作模式分几方面：第一步，数 据堂将自己所持有的某一个数据资产包即数据资产作为信托财产设 立信托；第二步，信托受益权转让，委托方通过信托受益权转让获得 现金收入；第三步，受托人继续委托数据服务商对特定数据资产进行运用和增值，产生收益；第四步，向社会投资者进行信托利益分配。 在这个过程中，既完成了资金的循环，同时也完成了数据资产信托财 产的一个闭环。

三、加快数据要素市场建设

数据要素市场构建要求数据资产具备三个条件： 可控制、可量化和可获益。可控制是指数据应有明确的产权归属，可 量化是指数据资产的价值可以用某种数量指标或货币来衡量，可获益 是数据资产能带来经济利益，具有交换价值与价值。

（一）“四位一体”的数据要素市场格局

1.数据交易主体

从供给端来看，数据交易主体由政府主导向社会多主体共建发展， 即由政府指导类、数据服务商类、大型互联网企业三类主体共同参与。

政府指导类是数据交易市场加入最早也是规模最大的参与主体。 政府通过指导建设平台、设立数据交易所等方式，推动数据交易。政府指导下的数据交易机构主要分布在西南、华东和华北地区，其分布与地区的基础设施能力及经 济发展水平相关。数据服务商对数据进行“采产销”一体化运营，盈 利性较强，其主要特征是向用户直接 交付数据产品或服务，包括原始数据、加工处理后的数据以及由多份 数据整合后的新数据，分别对应数据产生者、数据加工者和数据整合 者的角色。大型互联网企业投资建立的交易平台以服 务大型互联网公司发展战略为目标。百度、阿里巴巴、腾讯、360 等 互联网企业先后推出数据产品服务，抢占数据市场资源。

数据市场的另一端是数据的需求方，包括各类数据分析服务商和 行业用户，尤其数据驱动型的公司对数据拥有强烈的需求。需求的数 据涉及政府决策、公共服务、影视娱乐、交通物流、医疗健康、金融、 零售、广告营销、农业、能源等领域。

2.数据交易手段

区块链技术作为数据交易手段被初步运用并逐渐普及。现有的数 据交易手段利用 API 接口、数据包交易、EXID 虚拟标识技术等方式。

通过搭建基于区块链技术的平台，促进数据的交易流 通。量子加密等技术的开发应用，解决数据交易流通中的安全保密问 题，确保数据安全；区块链技术在数据交易流通中的应用，确保数据 流通可信、透明、可追溯，解决数据交易流通中数据非授权复制和使 用等问题，提高企业参与数据交易的积极性。

数据共享交换平台规范数据共享的目录和数据交换标准，实现数 据交换的管理，用数字信封加密或者可信计算安全沙箱确保数据隐私 安全，可信计算安全沙箱能够保障只输出数据分析结果，数据不落地、 不外泄。

数据应用平台根据应用场景的需要，可综合使用多个系统，如数 据追溯系统、权限控制系统、数据加密系统身份认证系统等。

基础平台主要依托信源链，可为用户提供存在性证明、完整性证 明、身份证明、时间戳证明、数据关系证明和凭证登记流转记录等多 种服务，确保这些信息具备可验证、可审计、可追溯、不可篡改等特 性。

总体来看，通过基于区块链技术的数据交易流通体系，一是能够 拉动数据供需双方交易率、提高流通效率，通过建立数字身份和可信 数据凭证体系等，使数据交易流通安全可信。二是可以为数据治理方、 监管方提供完整的技术管理手段，从而可以确保数据授权和数据交易 符合国家政策法规和监管要求，有利于建立开放、透明的数据流动监 管体系。三是有利于消除信息孤岛，在不做数据整体物理迁移的情况 下完成数据的开放和流通，有效整合分散异构的数据资源，快速消除 信息孤岛。

3.数据交易中介

随着数据交易市场的不断发展，第三方数据交易平台的市场定位出现综合化、服务化的趋势，数据交易中介由单一的居间服务商向数 据资源综合服务商转型。数据交易中心建立初期，多做一些数据发现、 供需撮合、计价清算等简单业务，随着数据交易中心不断创新，完善 数据交易服务框架，服务内容多元化、综合化，出现包含数据清洗、 数据加工整合、数据分析、数据可视化等数据资源综合服务商。

但目前数据交易中介的发展仍然存在一些问题。一是缺乏有吸引 力的数据库支撑，数据质量差、数量少、更新慢。二是 供需不对称，数据交易平台盈利状况欠佳。大部分平台处于推广阶段， 提供的数据不能满足买方需求，收取的平台费用及交易佣金较少。三 是数据安全保护与数据交易流通矛盾突出。数据交易中心进入发展停 滞期的一个重要原因是《网络安全法》的实施和刑法执法力度的加大 带来的合规性风险远大于收益。当前，数据安全保护仍是制约数据交 易流通的一把枷锁，亟待相关机制予以解决。

4.数据交易监管

现有的数据交易监管主要聚焦数据交易机制的建立与完善， 从制度创新、资源融合共享、公共数据开放、应用创新、产业聚集、 要素流通、交易监管等角度，规范数据交易行为，增强政府及行业的 监督与管理。数据交易的监管主要依托政府，数据服务机构自律为辅 助。

数据监督方面，地方数据主管部门负责指导、协调和监督本行政 区域内的数据交易活动，引导数据供需双方在依法设立的数据交易服 务机构进行数据交易，监督数据交易服务机构履行有关规定的情况。

数据管理方面，政府加强数据管理条例的设置，对数据交易服务平台及数据交易行为进行管理。数据交易服务机构通过发布平台交易规则的方式，包含用户管理、交易管理、 订单管理、平台管理等制度，增强平台数据管理力度，提高数据交易 入门门槛。

（二）数据确权“三分原则”及路径实施

数据确权使得数据资产具备可控制性，有利于加快数据要素的流 通速度。通过确定数据产权，稳定数据持有者对未来数据使用权及收 益权的预期，减少出现数据纠纷的风险，提高企业参与数据要素市场的积极性。数据确权加速数据流通，使有更高生产能力和资源禀赋的 组织集中数据资源，生产效率较低的个人或组织转让数据以获得收益。

1.数据确权“三分原则”

在数据确权初期，可以从数据原则的构建出发，立足数据性 质，把握确权方向，进而制定确权路径。

一是分割原则。

数据确权是为了实现不同利益主体激励相容，即平衡数据价值链 中各参与者的权益，实现在用户隐私合理保护基础上的数据驱动经济 发展。因此，数据确权需要解决的是附着于数据的权益归属而非单纯 的所有权归属，核心是确定哪些利益应该受到保护，即数据确权保护 的应该是利益而非所有权。

数据产权是由多种权利构成的权利束，权利束确定哪些利益应该 受到保护。数据产权可以分割，并随着社会经济生活演变而不断扩张。 设置权利束的目的是为了实现合理保护消费者隐私的同时，激励企业 数据采集以及对数据要素充分开发利用。

对于公共数据，集体对其拥有管理、监督、制约和保护的权利， 数据公有产权的客体是集体共有的数据。具体而言，数据公有产权主 要包括三个方面：一是控制权，即对集体内部数据的安全性、真实性 和完整性采取有效措施予以保护，以免数据遭受被篡改、伪造、泄露 等危险；二是管理权，即对集体内部数据的生产、加工、流通等进行 全生命周期的管辖；三是开放权，即集体将掌握的数据资源根据需要 在集体内部公开、共享。

私有数据对应数据的私有产权，包括基于原始数据的基础数据产 权及经添附后的衍生数据产权。

具体来看，基础数据产权包含管理权、安全权、转让权、修改 更正权、被遗忘权、知情同意权、可携带权、收益权、控制权。管理 权是决定怎样和由谁来使用数据的权利。安全权即免于被剥夺的权利， 是数据不被他人非法侵扰、知悉、搜集、利用和公开等的一种权利。 转让权即将自己的原始数据的合法利益或权利让给他人的权利。修改 更正权是指数据主体有权要求数据控制者或管理者对其错误的、过时 的个人数据进行修改、更正和补充。被遗忘权是指数据主体有权要求 数据控制者或管理者及时删除其个人数据，并通知相关第三方停止利 用和传播。知情同意权是指主体在采集或处理个人数据前均须先告知 数据主体并征得数据主体同意，告知和同意的内容包括采集数据的目 的、用途、数据处理方式、程度等及其后续的变化。可携带权是数据 主体有权以结构化、常用和机器可读的格式获得其提供给控制者的个 人数据，或有权无障碍地将此类数据从其提供给的控制者那里传输给 另一个控制者。收益权是指通过其生产的原始数据产品获取经济利益 的权利。控制权即可以根据自己的意志实施对数据未被法律或其他合 约所明确约束的权利。

衍生数据产权主要包括三方面：使用权、剩余控制权、剩余索取 权。使用权是指数据添附者有权对数据通过独有算法或手段处理过的 数据进行各种形式的利用。

二是分类原则。

根据数据主体的不同，将数据分为个人数据、企业数据、社会数据三部分。

个人数据是指能够识别自然人身份的数据或由于自然人行为产 生的数据。个人数据包括自然人独有的特征数据和参与经济活动、社 会活动的行为数据，是属于个人的数据。个人数据有明显的敏感性隐私性特征，同时通过 添附手段可明显提升数据价值。通过数字化形成的个人数据涉及到个 人隐私，因此为避免数据交易成本增加，可将基础数据产权赋予个人。

企业数据是企业在生产经营管理活动中产生或合法获取的各类 数据。企业数据的组成有企业主体数据、经用户授权的企业数据。企 业对主体数据享有基础数据产权，对来源于用户的数据享有部分权利， 相比用户，企业更有动力投入人力物力，通过整理、存储、分析数据， 挖掘更多价值，应享有部分权利。

社会数据包含政府及公共机构在开展活动中依法收集的各类数 据及其衍生数据。政府及公共机构 对社会数据享有数据公有产权。社会数据往往牵涉社会公共利益，其 权属的赋予应该将权利配置的重点放在社会要素这一属性上。

三是分级原则。

按照竞争性和排他性对数据进行不同级别的划分，可以将数据分 为私有品、准公共品、公共品。作为私有品的数据，其价值具有竞争性和排他性。作为公共品的数据，则具有非竞争性和非排他性。作为准公共品的数据，具有非排他性和非竞争性两个特点中的一 个，另一个不具备或不完全具备，即只具有有限的非竞争性或有限的 非排他性，或者虽然两个特点都不具备但却有较大的外部收益产生。

2.基于“三分原则”的数据确权路径

数据确权路径确认的标准有两个，一是由易到难，层层推进，二 是对有助于实现社会和个人效益更大化的数据优先确权。

其中蓝色的深浅度表 示数据确权的先后顺序，颜色较浅的区域，数据确权更加容易，社会 效益和个人收益更大。数据确权可按照颜色由浅及深的顺序进行，即 确权路径为 A→B→C→D→E→F。

（三）成熟数据要素市场的“四因素定价模型”

从数据属性出发，我们构建了数据的“四因素定价模型”。数据价值是补偿价值和新增价值的和，补偿价值包含数据生命周期中所需固定资产投资成本、无形资产投资成本和管理成本。而新增价值代表企业数据投资利润，即数据给企业和社会带来的效益。即

其中，Vi表示企业为数据资本i支付的成本；E（Ri）代表企业数据资本投资收益率。

其中，Ct表示企业在数据资本上的投入，r为折现率。然后构建数据资本投资收益率模型。其假设前提为：数据资本的存在都是为了获取最大的收益；数据资本市场处于完全竞争状态，企业利润决定了数据资本的供需和流动方向；数据资本信息是充分的，其投资的期望收益是可以估计的；该模型中数据资本收益的影响因素是以ߚ݅计量的数据投资系统性风险。数据资本投资收益率模型为：

其中：E（Ri）为数据资本i的期望收益率，E（Rm）为企业数据资本 平均收益率，这两个收益率为随机变量；ܴ݂Rfi为数据资本存量的无风 险收益率，不同数据资本的ܴ݂݅Rfi不同。将βi定义为：

βi系数反映数据资本收益率变动随数据系统风险变动的相关度。βi系数大，意味着系统风险大，从而期望收益率也高；反之,βi系数 小，系统风险也小，从而期望收益率也低。

此外在数据定价时需要加入异质价值收益率ߙ݅，则数据资本的投资收益率模型为：

至此，数据资本定价模型为：

四、数据价值化与数据要素市场发展建议

（一）完善数据要素资源体系

1.加强数据资源采集汇聚

推进数据采集、标注、存储、传输、管理、应用等全生命周期价 值管理，打通政府部门、公共机构、企业不同主体之间及不同主体内 部的数据壁垒，实现传感、控制、管理、运营等多源数据一体化集成， 构建全流程数据链。

2.推动数据高质量汇聚

引导政府部门、公共机构、企业开展数据资源编目工作，加强数 据采集、标注、清洗和预处理，提升数据准确性、完整性、一致性， 实现数据资源的可见、可管、可用。建设国家数据采集标注平台和数 据资源平台，实现多源异构数据的融合和存储。建立数据质量管理机 制，制定规范的数据质量评估监督、响应问责和流程改善方案，积极 应用先进质量管理工具，形成数据质量管理闭环。

3.进行数据要素资源体系标准化建设

完善跨部门、跨行业的数据标准体系，建立多层级的数据管理标 准。开展数据标准研制工作，建立包含数据基础术语标准、数据交换 共享标准、数据安全隐私标准、数据行业应用标准等在内的标准化体 系。加强国际数据治理的沟通与交流，推动建立数据资源国际标准。

（二）构建数据要素市场体系

1.加快建立数据确权机制

建立数据确权基本框架。明确数据权利类型，确定数据权利主体， 厘清数据的控制边界和使用范围。加快推动数据确权试点示范工程。 建立全国数据统一登记确权体系，分级分类对原始数据、脱敏化数据、 模型化数据和标准化数据的权属界定和流转进行动态管理。通过数据 登记确权平台及其他手段，实现数据确权和价值变现，促进数据交易 和流通。

2.加快建立数据定价规则

明确数据定价规则，建立准确衡量数据价值和正确评估数据价值 的方法，研究开发数据资产价值评估模型，建立完善评估工作机制， 推动形成数据资产目录和资产地图，为数据交易提供价值评估和价格 依据。

3.加快建立数据交易市场化机制

研究制定数据流通交易规则，引导培育数据要素交易市场，依法 合规交易数据，支持各类所有制企业参与数据要素交易平台建设。

搭建包括数据交易撮合、交易监管、资产定价、争议仲裁在内的 全流程数据要素流动平台，建立全社会数据资源质量评估和信用评级 体系。整合区块链等新一代信息技术，搭建全社会数据授权存证、数 据溯源和数据完整性检测平台。

4.积极营造便于数据要素流通的市场环境

营造包容、审慎、容错的环境，发掘优秀案例并进行试点示范， 营造市场探索数据发展模式的氛围。简化数据市场准入机制和备案制 度，降低数据领域新技术新业务和创新型企业的准入门槛。

以数据应用需求为指引，完善数据市场流通环境，精准对接市场 需求，坚持多元协同共治原则，充分发挥政府和市场两类资源优势， 营造健康可持续的数据市场环境。

（三）壮大数据要素应用体系

1.推动数据要素全面深度应用

深化数据驱动的全流程应用，提升基于数据分析的工业、服务业、 农业的供给与消费。实现不同产业的研发设计、生产制造、产品运维、 经营管理的业务全流程综合应用，提升企业研产供销数据应用水平。

2.开展重点行业应用试点示范

支持农业种植、畜牧、能源、航空航天、建筑、钢铁、化工、工 程机械、消费电子、家电、纺织服装、食品追溯、零售、餐饮、酒店、 文化、教育、旅游等重点行业企业探索各具特色的数据应用模式。结 合重点行业应用示范，梳理遴选重点企业数据应用标杆，加大地方和 行业企业对接和推广力度，复制推广典型应用。分行业梳理数据应用 路径、模式方法和发展重点，编制数据应用指南，为数据应用提供指 导方向。鼓励地方、单位在政策、资金、资源配套等方面加大支持力 度，积极推动试点示范项目应用推广。

（四）建成数据要素安全体系

1.推动数据安全监管体系建设

明确安全主体责任和防护要求，构建形成覆盖数据资源全产业链 的安全监管体系。加快推进数据态势感知、测试评估、预警处置等保 障能力建设。围绕数据全生命周期的安全保护要求，加快数据安全监 测、加密传输、访问控制、数据脱敏等安全技术攻关。

2.建立数据市场风险防控体系

建立面向企业的数据安全备案机制，提升数据安全事件应急解决 能力。建立数据市场安全风险预警机制，提前应对数据带来的就业结 构变动、隐私泄露、数据歧视等社会问题，严控数据资本市场风险。 设立数据跨境流动风险防控机制，加强跨境数据流动监测和业务协同 监管。强化关键领域数字基础设施安全保障，切实加大自主安全产品 采购推广力度，保护专利、数字版权、商业秘密、隐私数据。

数据要素的未来未知远大于已知，我们仍在探索之中。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）