No.202308數據要素白皮書(2023

年)中國信息通信研究院2023年9月版

權

聲

明本白皮書版權屬于中國信息通信研究院，并受法律保護。轉載、摘編或利用其它方式使用本白皮書文字或者觀點的，應注明“來源：中國信息通信研究院”。違反上述聲明者，本院將追究其相關法律責任。前

言2022

年

12

月，中共中央、國務院印發《關于構建數據基礎制度更好發揮數據要素作用的意見》（下稱“數據二十條”），這是我國首部從生產要素高度系統部署數據要素價值釋放的國家級專項政策文件。“數據二十條”確立了數據基礎制度體系的“四梁八柱”，在數據要素發展進程中具有重大意義。隨著“數據二十條”等一系列政策措施相繼出臺，數據要素市場培育進展加速，暢通數據資源大循環的方向愈加明確。尤其是在人工智能快速迭代、大模型與大數據相得益彰的發展態勢中，數據要素戰略地位進一步凸顯。各地方、各部門、各大企業紛紛加快數據要素領域布局，從體制機制、市場流通、產品研發、標準規范等多層次、多角度開展落地方案的深度探索，涌現出數據要素價值釋放新熱潮。本白皮書在《數據要素白皮書（2022

年）》的基礎上，進一步探討數據要素理論認識，聚焦過去一年來數據要素探索過程中不斷涌現的新模式、新業態、新熱點，重點關注資源、主體、市場、技術四大方面的發展：資源方面，公共數據授權運營、企業數據資產入表、個人數據權益保護是各類數據發展的新趨勢和著力點；主體方面，企業和政府逐步提升能力，雙向發力推進數據要素可持續探索；市場方面，場外場內各有突破，相互促進、共同發展，推動數據資源的最優配置；技術方面，基于業務需求支撐數據要素發展的技術體系正加速創新。期望本白皮書的研究成果能為社會各界進一步參與數據要素實踐探索提供有價值的參考。目

錄一、數據要素再認識...................................................................................................

1（一）國家戰略全方位布局數據要素發展........................................................

1（二）人工智能發展對數據供給提出更高要求................................................

3（三）數據要素概念聚焦于數據價值釋放........................................................

5二、資源：分類推進數據要素探索已成為共識.......................................................

7（一）不同類別數據資源面臨不同關鍵問題....................................................

7（二）授權運營促進公共數據供給提質增效..................................................

11（三）會計入表推動企業數據價值“顯性化”...................................................15（四）權益保護仍是個人數據開發利用主線..................................................

18三、主體：企業政府雙向發力推進可持續探索.....................................................

21（一）企業側：數據管理與應用能力是前提..................................................

21（二）政府側：建立公平高效的機制是關鍵..................................................

26四、市場：場內外結合推動數據資源最優配置.....................................................

29（一）數據流通存在多層次多樣化形態..........................................................

30（二）場外交易活躍，場內交易多點突破......................................................

33（三）多措并舉破除數據流通障礙..................................................................

35五、技術：基于業務需求加速創新與體系重構.....................................................

37（一）數據技術隨業務要求不斷演進..............................................................

37（二）數據要素時代新技術不斷涌現..............................................................

38（三）數據要素技術體系重構加速..................................................................

42六、趨勢與展望.........................................................................................................

42參考文獻.....................................................................................................................

46圖

目

錄圖

1

數據基礎制度體系............................................................................................2圖

2

公共數據、企業數據、個人數據的復雜關系................................................8圖

3

北京公共數據專區運營模式..........................................................................13圖

4

數據要素分級授權體系示例..........................................................................20圖

5

DataOps：敏捷協同的一體化管理.................................................................24圖

6

地方數據相關條例出臺情況..........................................................................28圖

7

數據要素流通的多種形態..............................................................................31圖

8

數據要素流通技術流程圖..............................................................................39圖

9

數據要素重構技術體系..................................................................................42一、數據要素再認識數據的爆發式增長和規模化應用不斷催生新產業、新業態，對生產力和生產關系的發展和變革具有重要影響。將數據增列為生產要素意味著對數據要素價值釋放提出更高目標，需要通過深度研究、廣泛實踐，反復認知和領會數據要素戰略布局、時代背景與理論內涵，不斷推進數據要素發展，有力支撐數字中國建設。（一）

國家戰略全方位布局數據要素發展我國數據要素政策進入體系化構建階段。自

2014

年大數據首次寫入政府工作報告以來，在關于數據的系列政策布局推動下，數據與實體經濟融合程度不斷加深，數據技術、數據產業、數據應用、數據安全等方面都取得長足發展。2019

年，十九屆四中全會首次將數據增列為生產要素，關于數據資源整合共享、開發利用、安全治理、市場化配置等方面的數據要素體系化頂層設計正式啟動。四年來，《關于構建更加完善的數據要素市場化配置體制機制的意見》《“十四五”數字經濟發展規劃》《關于構建數據基礎制度更好發揮數據要素作用的意見》《數字中國建設整體布局規劃》等文件相繼出臺，數據要素政策體系架構初步形成，擘畫出數據資源大循環、數據要素價值充分實現、全體人民共享數字經濟發展紅利的宏偉藍圖。“數據二十條”為推動數據要素發展筑牢政策基礎。習近平總書記指出，數據基礎制度建設事關國家發展和安全大局，要維護國家數據安全，保護個人信息和商業秘密，促進數據高效流通使用、賦能實體經濟，統籌推進數據產權、流通交易、收益分配、安全治理，加快1構建數據基礎制度體系。2022

年

12

月，“數據二十條”的出臺明確了數據基礎制度體系基本架構（如圖

1），提出建立保障權益、合規使用的數據產權制度，建立合規高效、場內外結合的數據要素流通和交易制度，建立體現效率、促進公平的數據要素收益分配制度，建立安全可控、彈性包容的數據要素治理制度。以“數據二十條”為指導，各地各部門將制定數據要素相關細則規定，圍繞“數據二十條”不斷豐富完善數據要素各方面制度體系和配套政策，打造“1+N”數據基礎制度體系。來源：國家發展和改革委員會圖

1

數據基礎制度體系數字中國建設引領數據要素價值釋放方向。建設數字中國是數字時代推進中國式現代化的重要引擎，是構筑國家競爭新優勢的有力支2撐。2023

年

2

月，《數字中國建設整體布局規劃》指出，暢通數據資源大循環是數字中國建設的兩大基礎之一，要構建國家數據管理體制機制，健全各級數據統籌管理機構，推動公共數據匯聚利用，釋放商業數據價值潛能。規劃提出的“五位一體”總體布局為數據要素價值釋放指引了方向，數字技術與經濟、政治、文化、社會、生態文明建設的深度融合將帶動數據要素在各場景發揮獨特作用，從而充分激活數據要素內在價值，全面賦能經濟社會發展。數據要素統籌管理、協調發展的體制機制進一步完善。2022

年

7月，國務院批準建立由國家發展改革委牽頭，中央網信辦、工業和信息化部等

20

個部委組成的數字經濟發展部際聯席會議制度，強化國家層面數字經濟戰略實施的統籌協調。2023

年

3

月，《黨和國家機構改革方案》提出組建國家數據局，負責協調推進數據基礎制度建設，統籌數據資源整合共享和開發利用，統籌推進數字中國、數字經濟、數字社會規劃和建設等工作。國家數據局的組建有利于破除“九龍治水”的數據治理環境，平衡數據要素安全和發展的辯證關系，從而進一步推動數據要素的開發利用，推進多層次數據要素市場建設，促進數據要素、數字經濟與實體經濟的深度融合。（二）

人工智能發展對數據供給提出更高要求2023

年，以

ChatGPT

等為代表的

AIGC

技術應用火遍全球，大模型技術取得的突破使人工智能技術發生了深刻的變革，而這個突破離不開高質量數據的發展。可以說，數據已成為未來人工智能競爭的關鍵要素，人工智能正在從“以模型為中心”加速向“以數據為中心”3轉變。人工智能發展驅動數據要素市場需求爆發。伴隨著大模型時代的到來，通用人工智能（AGI）產業正迎來爆發期，更加需要大規模、高質量、多樣化的數據集提升模型效果和泛化能力。大模型訓練使用的數據集規模持續增長，例如根據公開資料顯示，2018

年

GPT-1

數據集約

4.6GB，2020

年

GPT-3

數據集達到了

753GB，而

2021

年

Gopher數據集已達

10550GB，2023

年

GPT-4

的數據量更是

GPT-3

的數十倍以上。當前，主流大模型預訓練數據主要來源于公開數據集、合作數據分享、大規模網絡數據以及通過數據眾包方式獲取的數據。然而，我國人工智能領域高質量數據集缺乏、數據供給的產業生態不健全、企業數據資源獲取成本高等問題依然嚴峻。一是國內人工智能領域高質量數據集缺乏。雖然我國已有部分中文開源數據集，但在數量上遠遠少于國際英文公開數據集，在數據質量方面參差不齊、部分內容十分陳舊。由于高質量數據集的缺乏，部分國產大模型采用“英文數據集+翻譯軟件”的方式生成中文語料庫，導致訓練結果出現巨大的文化沖突。二是人工智能領域數據供給的產業生態不健全。由于國內數據要素市場發展尚處于初級階段，數據流通規則和數據供需對接機制未有效建立，目前國內尚未形成高效完整的人工智能數據產品供應鏈。三是企業數據資源獲取成本高。在模型訓練過程中，通常

80%的工作是數據構建和準備高質量數據，人工智能企業需要花費大量的人力和物力進行數據集采集、清洗和標注，成本極高。同時，人工智能企業4通常難以獲取行業高質量數據集，常陷入“尋數無門”的困境。對此，各類主體通過數據要素市場積極應對上述問題。部分地方和行業推出一系列舉措加強高質量數據供給，為大模型成長提供充足“養料”。例如，2023

年

5

月印發的《深圳市加快推動人工智能高質量發展高水平應用行動方案(2023—2024

年)》提出，“建立多模態公共數據集，打造高質量中文語料數據”。2023

年

8

月，近

50

家單位成立“開放算料聯盟”，圍繞高質量中文訓練數據和多模態訓練數據，協調數據要素、數據治理、訓練數據、數據標注等相關標準制定，協助數據交易所增加大模型相關的新品類和新專區。此外，合成數據也成為模型訓練中的重要類型，為數據要素市場帶來了新需求。據專家預測，模型訓練中必不可少的語言數據將于2030-2040

年耗盡，其中能訓練出更好性能的高質量語言數據將于2026

年耗盡，而視覺數據恐將于

2030-2060

年耗盡。未來，合成數據將成為模型訓練的關鍵數據。根據

Gartner

的預測，2024

年用于訓練大模型的數據中有

60%將是合成數據，到

2030

年大模型使用的絕大部分數據都將由人工智能合成。這是否會對數據要素市場帶來結構性的變化，還有待未來觀察。（三）

數據要素概念聚焦于數據價值釋放數據要素概念的內核是提高生產效率與資源配置效率。生產要素是對某一時期經濟發展中所需重要資源的科學抽象，是對生產過程中所投入成本的高度凝練。作為一種理論視角下的概念，從外延角度看，數據要素固然包括根據特定生產需求匯聚、整理、加工而成的計算機5數據及其衍生形態1，但數據要素這一概念不只是對各行業各領域各類數據的指代，更是對數據所蘊藏巨大價值的強調。數據支撐業務貫通、推動數智決策、流通對外賦能的三次價值2是挖掘、釋放數據要素價值的主要手段，而激活數據要素的根本目的是將數據以多樣、創新的方式投入于經濟社會發展全過程，通過數據開發利用增加生產經營活動的投入產出比，促進跨領域活動過程中資源的高效流動，從而全面提高生產效率與資源配置效率。業界對于數據要素階段劃分有諸多探討。為推動數據要素價值釋放，可將具體過程進行分解。例如，按照供應鏈可分解為數據供給、數據流通、數據應用、數據安全等階段；按照數據價值增值的階段性目標，可分解為數據資源化、數據資產化、數據資本化或產品化等階段。每個階段均可進一步細分，例如，不同意義層次上的數據資產概念突出了數據要素價值釋放的不同需求：在經濟意義上，凡能產生價值的數據資源都可以用數據資產強調，從而提升組織對數據管理、數據應用的重視程度；在會計意義上，參照我國《企業會計準則——基本準則》第二十條“資產是指企業過去的交易或者事項形成的、由企業擁有或者控制的、預期會給企業帶來經濟利益的資源”定義，數據資產需具備組織擁有或控制、能夠產生經濟利益等性質，這對數據的確權、流通提出了要求；而在資產負債表列報意義上，參照我國《企業會計準則——基本準則》第二十二條“符合資產定義和資產確認條件的項目，應當列入資產負債表；符合資產定義、但不符合資產確認12《數據要素白皮書（2022

年）》《數據要素白皮書（2022

年）》6條件的項目，不應當列入資產負債表”要求，數據資產若要入表，還應滿足“有關經濟利益很可能流入企業”“成本或價值能可靠計量”兩大資產確認條件。總之，類似的分解有利于數據要素政策、目標等落地，各階段的活動職能成為實現數據生產要素價值的必要環節。二、資源：分類推進數據要素探索已成為共識數據資源是釋放數據要素價值的“原材料”。隨著數字經濟的迅猛發展，各類主體在生產、經營、管理、服務、消費等過程中產生大量數據。在推進數據開發利用、釋放數據價值過程中，不同類型數據面臨不同的重點任務與關鍵問題，分類推進數據要素探索已成為當前共識。（一）

不同類別數據資源面臨不同關鍵問題數據分類存在多種維度和多種方法，適用于不同場景。按照數據資源存儲的維度，可分為基礎層數據、中間層數據、應用層數據等，不同層次對數據的集成性、靈活性等要求不同。按照對數據資源加工程度的維度，可分為原始數據、衍生數據、數據產品等，數據加工者在其中的勞動和貢獻存在差異。按照數據安全的維度，可分為一般數據、重要數據、核心數據等，通過數據分類分級降低數據安全風險。數據分類的維度和方法多種多樣，反映出數據在存儲、加工、應用、安全等過程和場景中的復雜性。國外主要根據公共利益或個人權利劃分數據類型。例如，美國《開放政府數據法案》等按照數據持有者類型的不同，將數據分為公共數據、非公共數據兩類，以區分數據是否具備公共屬性及相應的流通導7向與策略。美國《開放政府數據法案》確立公共數據可以被所有人公開使用、非公共數據需通過許可協議獲得使用的原則，規定美國的所有政府部門都要向公眾開放非敏感類的政府數據，從而加強公眾、企業或其他組織對政府公開數據的利用。歐盟《通用數據保護條例》（GDPR）按照數據所描述對象的不同，將數據分為個人數據、非個人數據兩類，凸顯出因數據來源主體實際掌控數據能力不同，需采取差異化的數據相關權利措施。GDPR

在個人數據方面賦予用戶知情權、被遺忘權、攜帶權等權利。針對非個人數據，歐盟制定《非個人數據在歐盟境內自由流動的框架》《數據法案》等推進非個人數據的自由流動與跨境傳輸。來源：中國信息通信研究院圖

2

公共數據、企業數據、個人數據的復雜關系我國“數據二十條”在總述探索數據產權結構性分置制度時，提出“建立公共數據、企業數據、個人數據的分類分級確權授權制度”，按照數據相關權益歸屬的不同，將數據分為公共數據、企業數據、個8人數據三大類型，突出不同類型的重點關切，探尋相應的突破方向。從數據實際生成與持有角度看，三種類型的劃分盡管存在復雜交叉（如圖

2），但有利于根據不同類型數據的特性建立細化的分類標準與流通使用規范，也有助于建立不同主體的權責利動態調整機制，促進相關探索向“深水區”推進。公共數據的概念與范圍仍處于不斷討論和迭代中。“數據二十條”總體描述了公共數據是在各級黨政機關、企事業單位依法履職或提供公共服務過程中產生的數據，但并未明確劃定公共數據的范圍和邊界。當前，來自政務體系的數據（部分文件中稱“政務數據”）和來自公共事業的數據（包括科研、教育、文化、供水、供電、公交等公共事業）由于受公共財政支持或在履行公共管理或服務職能中產生，歸屬于公共數據基本不存在爭議。但是，另有一類數據是企業在經營公共服務性質業務時收集、產生的關乎公共利益的數據，其是否屬于公共數據仍存爭議。在企業經營的復雜過程中，數據是否因提供公共服務而產生不易區分，討論該類數據時務須審慎判斷企業所持有數據與公共服務、公共利益的關系。逐步厘清公共數據的范圍，有針對性地引導和促進公共數據開發利用，對提升公共治理與服務水平、發展壯大數字經濟具有重要意義。對于來自政務體系的數據和來自公共事業的數據，一般認為，其歸國家或全民所有，管理、開放等職責由政府或其他公共部門代為行使。本著“取之于民、用之于民、造福于民”的原則，在保障國家安全、商業秘密安全、個人信息安全的前提下，按用途加大供給使用范圍將使公共數據價值更好回饋全社會。因此，如9何加大供給規模、推動供給提質增效成為公共數據發展的關鍵問題。企業數據來源廣泛，有豐富的生成方式。由于企業的生產、經營、管理鏈條較長，企業的數據需求多元復雜，對數據需要進行不同形式和程度的加工、整理與分析，這一過程中形成的多種衍生數據也豐富了企業數據的表現形式。按照企業數據生成方式的不同，可將企業數據劃分為三種主要類型：一是企業自行采集、記錄客觀現象所得到的數據；二是企業在生產經營活動中，采集與用戶的交互記錄所得到的數據；三是企業基于已產生的數據，在賦予數據全新價值過程中所得到的數據。在不同類型企業數據的生成過程中，企業盡管付出的資源和勞動有所不同，但為數據賦予了獨特的業務價值，需要得到有效地評估與認定。因此，如何認定企業數據的業務貢獻，促進數據價值“顯性化”成為企業數據的關鍵問題。個人數據大多由公共部門和企業實際持有。對于描述或標識特定自然人信息的數據，如自然人的姓名、身份證號碼等，其承載的信息具有一定的客觀性，即這類信息不依賴于數據持有者所搭建的業務系統或應用軟件，但數據持有者掌握這類信息后，有可能出現隱私泄露、濫用等風險。對于自然人與數據持有者交互產生的描述行為痕跡信息的數據，其所承載的信息對人來說可讀性較弱，一般依賴于數據持有者設計或搭建的表格、系統和軟件。數據持有者匯集大量個人痕跡數據后，經數據挖掘與分析可將數據價值不斷放大，但也可能出現“大數據殺熟”等風險。此外，自然人創作的各類信息也形成了大量數據。個人創作的作品一般用于其他目的，而隨著數據挖掘的深入，尤其是10人工智能大模型的迅猛發展，個人作品被數據持有者收集匯聚，成為特定場景中獨具價值的數據。但這一過程中，個人相關權益可能被侵犯。總體來看，由于個人對不同類型個人數據的掌控能力均有限，保障個人的隱私、人類道德倫理乃至人的主體性等已成為大眾關注的焦點

，如何在加強相關個人權益保護的基礎上開發利用仍是個人數據的關鍵問題。（二）

授權運營促進公共數據供給提質增效各地各部門積極開展公共數據開放實踐。近年來，各地方政府、部分行業主管部門以建立公共數據開放平臺為抓手，積極推進公共數據開放，逐步完善公共數據開發利用體系。截至

2022

年

10

月，我國已上線

208

個省市公共數據開放平臺3。基于開放平臺，各級政府開放大量公共數據集，覆蓋市監、工商、交通、生態、公共設施等多個領域，并且多個地區建立了開放數據需求反饋機制，以便滿足社會對公共數據的應用需求。此外，行業主管部門也通過建設平臺開放高質量數據。例如，中國氣象局通過中國氣象數據網開放氣象數據，在2023

年

2

月

、7

月先后發布兩批《基本氣象數據開放共享目錄》，共包含

106

項氣象數據產品，在天氣預報、農業指導、物流運輸等場景發揮著極為重要的作用。由于責任與激勵機制缺乏，公共數據高質量供給受到制約。總體而言，我國公共數據仍然存在供給質量不佳、開發利用程度有限等問題。當前公共數據分布較為分散，同主題公共數據匯聚整理不便。公3數據來源：復旦大學數字與移動治理實驗室.，中國地方政府數據開放報告——省域（2022

年度）11共數據開放范圍仍然不足，且開放平臺數據更新頻率整體較低。各地組織公共數據創新利用活動持續性不強，有效成果數量有限。主要原因在于，公共部門履職以“三定”職責作為核心依據，大部分公共部門承擔數據安全責任，但對公共數據進行治理和開放的職責則不明確，推動公共數據開發利用的激勵機制不完善。因此，公共數據開放對于公共部門來說沒有明確的動力，特別是對于從事非信息化領域的部門來說，也往往不具備足夠的能力。以上原因導致仍有大量高價值公共數據“深藏閨中”，高質量供給受到制約。各地、各行業開始探索公共數據授權運營，引入社會化力量進行開發利用，促進公共數據供給提質增效。當前，授權運營在公共數據領域的實踐探索中具有關鍵意義，可以充分發揮社會力量，解決公共數據開發利用中開放質量不佳、供需匹配不足、應用挖掘不夠等問題，是大量高價值、高敏感的公共數據開發利用的核心路徑。國內各地區、各行業積極開展授權運營實踐。各個先進地區紛紛落實試點舉措，在機制、平臺等方面均取得成效。在機制探索方面，各地方推進探索各具特色的授權運營機制，以釋放公共數據價值為核心，逐步形成了幾類不同的發展模式。一是集中

1

對

1

模式，以浙江、安徽、貴州、成都、青島等地為代表。地方政府集中統一授權某一機構承擔該區域平臺建設、數據運營、產業培育等公共數據運營相關工作。一方面，集中授權具有權威性，有利于通過地域數據整合實現價值最大化；另一方面，集中授權存在市場效率不夠高的問題，單一運營主體響應市場需求變化的速度可能有限。12二是分行業的

1

對

N

模式，以北京市的金融公共數據專區為代表（如圖

3）。地方政府授權不同的行業屬性機構，按照行業特點開展公共數據運營工作，專業性更強，有利于充分發揮行業屬性作用，但統籌協調的難度也隨之增大。2023

年

7

月，《北京市公共數據專區授權運營管理辦法（征求意見稿）》發布，在金融場景的實踐基礎上推進專區制度體系建設，并深化交通、位置、空間、信用等各專區建設和應用。三是分散的

1

對

N

模式，以廣東、上海、武漢等地為代表。地方政府根據不同數據與不同機構特點進行匹配，授權各類型市場主體分別開展公共數據運營工作。分散授權的靈活性更好，有利于發揮市場主體主觀能動性作用，但一定程度上也容易出現混亂，對監管的要求更高。同時，由于地域數據未能完全整合，數據可發揮的價值有限。來源：中國信息通信研究院圖

3

北京公共數據專區運營模式13在平臺運營方面，部分地方通過建立統一的地域性公共數據運營平臺探索公共數據產品或服務的應用與流通。一類是公共數據運營服務平臺，例如貴州省的云上貴州平臺，在明確授權統一平臺對全省公共數據進行匯集、存儲、共享、開放的基礎上，依托全省資源打造數據產品及服務體系，與貴陽大數據交易所協同推動構建貴州大數據產業生態。成都市政府授權成都數據集團搭建公共數據運營服務平臺，已于

2020

年上線。平臺直接接入公共數據并作為供需對接橋梁，基于應用需求，經協調獲取相應數源部門授權后，與應用方共同打造數據產品并接受數據使用監督。另一類是兼具公共數據加工與數據交易的綜合服務平臺，例如海南省的“數據產品超市”，以授權運營的思路搭建集數據歸集、管理、加工、交易為一體的公共數據平臺，將各類型參與主體納入平臺，由應用主體對公共數據進行加工增值后以數據產品的形式開放給市場。此外，眾多行業主管部門的公共數據也得到有效開發利用，通過授權運營的模式引入社會化力量推進數據價值的充分釋放。相較于地方的公共數據，行業主管部門持有和控制的公共數據是縱向的數據歸口，在行業領域內具有相對完整性和全面性，推進行業主管部門公共數據的應用與流通也是公共數據授權運營的關鍵工作之一。例如，司法數據作為來自各級司法體系履職和提供服務過程的公共數據，包含法條、立案、審判、裁判文書等多方面的司法相關數據，具有非常獨特的應用價值。當前，司法數據由最高人民法院信息中心下屬中國司法大數據研究院統一推進開發利用，應用主要集中在為政府及公共部14門提供決策支撐、為金融領域產品提供服務依據、為企業或個人主體提供司法大數據服務等場景。此外，人力資源和社會保障部將社保數據授權金保信社保卡科技有限公司運營，人民日報社將人民日報歷史數據授權人民網科技（北京）有限公司運營，中國氣象局將氣象數據授權北京天譯科技有限公司等相關機構運營，這些均是行業公共數據授權運營的典型案例。（三）

會計入表推動企業數據價值“顯性化”近年來，雖然“將企業數據資源視為資產進行管理”逐漸成為眾多企業的共識，但這里的“資產”往往只是經濟意義上的資產，體現了企業數字化過程中數據資源的重要性。而對于數據能否真正成為會計意義上的資產、能否計入企業資產負債表，始終是各界討論的焦點。今年

8

月

21

日，財政部正式發布《企業數據資源相關會計處理暫行規定》（以下簡稱《暫行規定》），并規定自

2024

年

1

月

1

日起施行。《暫行規定》的出臺肯定了數據資源可具有資產屬性，是數據要素市場發展的重要里程碑。作為報表意義上的“資產”，企業數據的市場價值與業務貢獻將在財務報表中得以“顯性化”。《暫行規定》明確了企業數據資源在財務報表中進行會計確認和計量的思路。出臺《暫行規定》的主要目的是，為消除相關企業實務中對“數據資源能否作為會計上的資產確認”“作為哪類資產‘入表’”等疑慮提供指引。因此，《暫行規定》在不改變現行企業會計準則的基礎上，給出了將數據確認為無形資產、確認為存貨和不確認資產三條入表思路。具體來說，《暫行規定》規定：企業使用的數據資源，15符合《企業會計準則第

6

號——無形資產》（財會〔2006〕3

號）規定的定義和確認條件的，應當確認為無形資產；企業日常活動中持有、最終目的用于出售的數據資源，符合《企業會計準則第

1

號——存貨》（財會〔2006〕3

號）規定的定義和確認條件的，應當確認為存貨；企業出售未確認為資產的數據資源，應當按照收入準則等規定確認相關收入。企業數據資源“入表”有利于內外部發現并確認企業數據的價值。在將數據確認為無形資產或存貨進行會計計量的過程中，企業需要明確取得和持有數據資源過程中產生的各項成本或增減值，企業數據的產生成本或應用價值將得到更加完整、準確的列示，基于企業數據資產產生的收入進一步明確。繼而，對于從事數據產品（或數據服務）供應的企業來說，有助于企業確定更為市場所認可的數據產品定價，促進企業參與市場化的數據交易流通；對于數據密集型企業來說，有助于投資者更好發現和理解企業整體的價值，提升企業的融資機會，擴大企業的發展空間。同時，針對企業如何貫徹實施《暫行規定》，財政部會計司表示，企業應當主動按照相關披露要求，持續加強對數據資源的應用場景或業務模式、原始數據類型來源、加工維護和安全保護情況、涉及的重大交易事項、相關權利失效和受限等相關信息的自愿披露，以全面地反映數據資源對企業財務狀況、經營成果等的影響。因此，在實施“入表”的過程中，通過對數據資源相關情況的盤點和披露，企業將更加了解、重視和明確數據資源的分布、特點和應用價值，有利于企業進一步挖掘數據應用，釋放數據要素價值。16需要注意到的是，《暫行規定》還不是真正意義上的“數據資產會計準則”。《暫行規定》目前只給出了“滿足資產確認條件且價值確定的數據資源如何計入報表”的解決思路，但是沒有解決“數據價值如何確定”的問題。由于數據具有未來經濟利益難確定、經濟壽命不確定、價值易變性等區別于傳統要素的特性，成本法、收益法、市場法等估值方法均有其局限性。一些企業探索綜合三種方法，基于收益法建立數據資產估值體系，通過評價數據資產業務經濟貢獻值指導形成數據資產價值基準。例如，浦發銀行提出的數據資產價值評估框架，圍繞數據資產潛能預測、效能評估和收益測算，將數據資產價值分為內在價值、成本價值、業務價值、經濟價值以及市場價值五類，并給出了每類價值的價值因子及計算公式。2023

年

9

月，中國資產評估協會印發《數據資產評估指導意見》，對資產評估機構按照成本法、收益法和市場法開展數據資產評估提供了進一步指導。然而，企業數據估值問題是個復雜的難題，當前全社會仍未完全取得共識，還需要企業、專業研究機構、資產評估機構、會計和審計事務所等進一步探討。總的來看，《暫行規定》的出臺邁出了我國為發展數據要素而建立相關會計核算制度的第一步。《暫行規定》是在現行企業會計準則體系下的細化規范，在會計確認計量方面與現行無形資產、存貨、收入等相關準則是一致的，不屬于國家統一的會計制度要求變更型會計政策。現階段，《暫行規定》只是將既有的會計處理規則遷移到“符合相應條件的數據資產”上，而并非從數據資產的特點出發來設計針17對性的會計規則，也就是說，數據資產暫時將按照與傳統資產同樣的方法進行會計計量。從形式上看，只是在企業資產負債表的“存貨”“無形資產”和“開發支出”三個報表項目下分別設置了“數據資源”子項目；對應的企業核算時將會在相應總賬會計科目下面設置“數據資源”二級科目。但是，只按照這樣的會計方式，數據要素區別于傳統要素的特殊性或將無法從報表中得到充分體現，無法被適應。“數據入表”目前還只是一個試點的過程，真正建立適應數字經濟發展需求、符合數據要素特殊屬性的會計核算方法，未來仍將有很多復雜、挑戰性的工作有待完成。下一步，如何與國際會計準則相協調，如何建立相適應的審計制度，如何厘清企業數據資產與信息資產的劃分，企業是否會通過數據資產實現增值，銀行是否會普遍接受數據資產作為質押等，這些問題仍然需要時間的檢驗。（四）

權益保護仍是個人數據開發利用主線個人數據方面，《個人信息保護法》針對個人信息數據確立了保護原則。《個人信息保護法》是中國首部規范個人信息處理活動的專門立法，旨在保障公民個人信息安全，遏制個人信息泄露、濫用等現象的發生。該法規定了個人信息處理全過程中應遵循的原則和要求，明確了相關主體的權利和義務，健全了個人信息保護工作的體制機制。該法既通過個人信息處理規則、敏感個人信息處理規則、個人信息對外提供規則、單獨同意規則等保障個人權益，又通過匿名化處理、個人信息處理者不需取得個人同意可以處理個人信息的若干場景等方面的規定保證個人信息數據可得到合理的開發利用。國際橫向比較看，18我國《個人信息保護法》在規則嚴厲程度上基本對標歐盟

GDPR，兩部法律文本均賦予個人全面、細致的權利，均對信息處理者施加了較高的合規義務。同時，我國關于個人信息違法犯罪相關罪名適用主體廣泛，入罪門檻較低。因此，我國已建立起較為嚴格的個人信息數據保護原則。個人對個人數據掌控能力有限，權益保護落地實踐未達預期。由于個人數據主要由公共部門和企業實際掌控，個人數據相關的權利在具體場景和問題中又較為復雜，因而世界各國在操作層面都還未能完全適配個人信息、個人數據保護的法律要求，個人信息泄露時有發生、個人數據越權濫用仍然存在。例如，國外許多網民發現自己在網上分享的照片成為

Flickr

數據集的素材，自己此前既不知情，又很難將自己創作的照片數據從數據集中刪除。2020

年

7

月以來，工業和信息化部開展縱深推進

APP

侵害用戶權益專項整治行動。截至

2023

年

7月，工信部已發布關于侵害用戶權益行為的

APP（SDK）通報

30

批。通報并責令整改的

APP、SDK

中，違規收集個人信息、強制頻繁過度索取權限、違規使用個人信息等問題仍然突出。通過分級授權細化個人數據采集使用規范已有理論探索。個人數據開發利用所需的數據多樣、場景多變，個人理應可以根據場景和需求，分級、分步驟進行個人數據的授權，也可以按照意愿撤回相應級別、步驟的授權。個人數據處理者則應嚴格遵守個人對數據開發利用場景、范圍等要求，保護個人數據權益。在《個人信息保護法》施行前，大量收集、處理個人數據的過程屬于“一攬子授權”，個人在使19用服務過程中可能需要讓渡許多與服務無關的數據。《個人信息保護法》規定了數據收集與處理的最小必要原則和單獨同意原則，支付寶、微信、美團等平臺逐步增加了新業務首次使用單獨授權同意、廣告權限管理、個性化推薦權限管理、第三方授權管理、清除歷史行為等功能，實現了初步的個人數據分級、分步驟授權模式。“數據二十條”再次強調數據處理者應按照個人授權范圍依法依規采集、持有、托管和使用數據，不得采取“一攬子授權”、強制同意等方式過度收集個人信息。學界和業界正在探索更加細化、完備的數據要素分級授權體系（如圖

4），以更簡潔清晰的方式劃分數據開發利用場景，用戶既可以選擇授權必要數據來使用基礎服務，又可以授權更多數據享受改進服務乃至支撐數據流通，從而以較低成本實現個人對數據處理范圍的控制。來源：《數據要素論》圖

4

數據要素分級授權體系示例通過專業數據托管服務機構降低個人數據行權門檻已有國際實踐。“數據二十條”提出探索由受托者代表個人利益，監督市場主體對個人信息數據進行采集、加工、使用的機制。個人數據管理機構作為受托人，可以根據用戶的授權委托，代理大量用戶進行個人數據集20中存儲與管理應用，在遵循相關法規和用戶意愿、保護數據隱私和安全的基礎上，以忠誠義務和專業水平幫助個人行使個人數據權利。通過受托人提供的平臺，個人可以集中化管理自己的數據，自主決定每個機構、平臺對自己數據的收集、使用和共享情況，自行攜帶、轉移自己的數據。因此，個人數據統一托管可向個人賦予更多控制權，有效降低個人行權門檻。個人數據委托在國際范圍內仍屬于探索早期。韓國

MyData

服務于

2021

年開始落地，MyData

運營商通過開展個人數據匯總整合工作，向個人提供一站式查詢和管理服務，但這種模式的可持續性仍有待觀察。三、主體：企業政府雙向發力推進可持續探索企業和政府構成推進數據要素發展的核心力量。其中，企業是沖鋒在前的創新主體，政府則主要發揮有序引導和規范發展的作用。在數據要素市場建設過程中，企業和政府需著力提高自身能力，在扮演好各自角色的基礎上守正創新、雙向發力，共同推進數據要素發展的可持續探索。（一）

企業側：數據管理與應用能力是前提企業作為數據要素的創新主體，在豐富的生產經營活動中，積累了大量寶貴數據有待挖掘使用，同時也是數據要素市場的主要需求方。結合業務發展目標構建數據管理體系、在業務場景中深度應用數據是企業整體數據能力提升的必要環節，構成企業數據價值釋放的基礎。數據管理規范了數據采集、加工、使用過程，是企業豐富數據應用、參與數據要素流通的前序基礎。數據應用將數據真正轉化為生產力，21是釋放數據要素價值的最后一公里。在不斷夯實自身數據能力的基礎上，企業才能進一步探索參與數據要素市場、構建核心競爭力的方式。企業不斷通過

DCMM

貫標評估提升數據管理能力。自

2020

年國家標準《數據管理能力成熟度評估模型》（簡稱

DCMM）貫標評估工作啟動以來，隨著全國范圍內的持續宣貫，截至目前已有十余個行業的千余家企業參與到了

DCMM

評估中，顯著提升了全社會數據管理意識，使得貫標企業數據管理能力得到明顯增強。以評估貫標為契機，企業在戰略規劃、組織架構、技術工具等方面推動開展數據管理相關工作：在戰略規劃方面，通過建立全景數據管理工作視圖，確立數據管理中長期目標和管理活動優先級，統籌、協調各層面工作，明確所需資源投入總量和分配機制，監督、評價和優化企業數據管理工作的執行。在組織架構方面，企業通過成立專職團隊增強數據管理執行效率，成立統一數據管理歸口部門，普遍形成了決策、管理、執行的數據管理三層架構組織，并設置專門的數據管理管理崗位，建立了數據部門、技術部門、業務部門協同機制。在技術工具方面，企業通過構建統一的數據管理技術平臺，將各分散的單一功能型技術工具進行集成，消除數據管理協同難點，提高數據管理效率。例如，中國聯通集團以《中國聯通集團數字化轉型行動計劃（2022-2025

年）》為戰略綱領，明確了數據管理工作的總體目標、發展路徑及保障體系，形成以數字化轉型領導小組為領導，數字化轉型推進辦公室統籌落實推進，總部數據治理組、省分數據治理組、地市數據治理組縱向聯結協同的數據管理組織架構，依托聯通云底座，打造“湖倉一體、批流22融合”的數據中臺，實現全域數據統一采集加工，強化數據管理能力。同時也應看到，DCMM

標準聚焦在數據管理體系的建設，它的貫徹落實能幫助企業建立數據能力的基座，但無法直接解決企業數據應用場景不豐富、業務價值賦能不充分的問題。為此，需要在貫徹

DCMM標準的基礎上，結合數據資產價值評估、會計入表、交易流通等實踐，以價值為導向，推動數據資產運營能力建設，建立常態化的數據資產運營體系，為數據價值持續釋放提供堅實保障。數據研發運營一體化（DataOps）在數據管理的基礎上，解決開發管理“兩張皮”的問題，有效提升數據管理與應用的協作效率。隨著數據應用場景日益豐富，數據分析需求快速變化，數據加工鏈路日益復雜，數據工程師、數據管理員、報表開發人員、運維工程師等各類數據管理角色逐漸增多，導致企業數據交付任務難度大大增加。DataOps

倡導協同式、敏捷式的數據管理，建立清晰通暢的數據管道，明確數據管理的流轉過程及環節，采用先進的數字化技術推動數據管理自動化，縮短數據項目的周期，提高各數據管理相關人員的數據檢索、獲取和應用效率，并持續改進數據質量，降低管理成本，加速數據價值釋放（如圖

5）。例如，通過標準設計、模型設計指導數據開發，前置化數據質量管理，并建立

SLA

開展數據資產運維，實現開發與管理的協同；數據管理成果通過被業務分析人員、數據科學家等角色自助使用，支撐業務運營，同時運營結果反向指導數據管理工作，實現管理與運營的協同。中國信息通信研究院與多行業頭部企業于2022

年共同成立

DataOps

標準工作組，發布能力框架模型和實踐指23南，致力于將敏捷、精益等理念融入數據開發過程，打破協作壁壘，構建集開發、治理、運營于一體的自動化數據流水線。目前，國內已有超百家機構開展

DataOps

相關實踐，我國企業對于

DataOps

已從概念啟蒙引入階段演進至規模化落地階段，各行業高質量、高價值數據的匯聚、融合與應用工作也得以大大加速。來源：中國信息通信研究院圖

5

DataOps：敏捷協同的一體化管理在管理數據的同時，企業正在同步推進業務需求梳理與挖掘，數據應用場景持續擴充。早期互聯網、金融等數據密集型企業為提高營銷、風控等業務能力，通過對自身數據的挖掘和分析，洞察用戶需求、優化運營、提供個性化服務，從而提升自身競爭力和用戶滿意度。例如，電子商務企業可以根據用戶的購買歷史和瀏覽行為，推薦符合其興趣和喜好的產品；普惠金融機構可以根據用戶的資質、歷史行為等數據評價信用分數與風險等級，實現對個人、小微企業等主體的精準放貸。隨著數字經濟的發展，數實融合成為產業發展與經濟增長的新動力。數字化水平較高的頭部企業進一步挖掘業務鏈條中的數據需求，通過自有數據的挖掘和分析，為生態伙伴提供更加科學化的決策依據，以實現其生產、流通等環節的高效運作。例如，頭部電商自營24品牌京東京造，利用其豐富的用戶數據和數據賦能的強大供應鏈管理能力，基于“你做工廠，我做市場”的分工定位與品牌方深度合作，2022

年總銷售額同比增長

60%、100

個以上品類年均銷售額增長超過300%、新品開發成功率超過

90%、幫助工廠平均降低

30

天庫存周轉。傳統企業愈加重視數據要素的沉淀、挖掘和應用能力提升。隨著信息技術的持續發展和普及，傳統企業也越來越重視數據與生產、調度、調控、營銷等業務的融合應用，以實現設備級、工廠級和企業級的互聯互通，從而提高生產效率、降低成本、改善產品質量和創新能力。例如，在制造業中，工業互聯網可以實現設備的遠程監控和故障診斷，提高生產線的穩定性和可靠性；可以通過數據分析和預測技術進行生產計劃和庫存管理，實現定制化生產和個性化營銷；可以通過供應鏈的數字化和智能化，實現物流協同和合作，降低成本。在夯實數據能力的基礎上，企業積極挖掘并輸出自身數據能力特色，通過提供高質量數據服務創新數據要素市場參與方式。數據要素供應鏈條長，在供給、流通、應用、安全等環節均有細分的市場需求。對于專業數據能力突出的中小企業，可借助集聚優勢，尋找市場定位，塑造服務品牌。例如，人工智能的發展催生了數據標注、清洗等基礎數據服務需求。山西省大同市積極布局基礎數據服務產業，并于

2022年

11

月印發《大同市促進數據呼叫（標注）產業發展的若干政策》，明確了坐席、場地等補貼標準。上海潤迅、重慶人和、華順金服等20

多家基礎數據服務企業先后落地大同，利用大同市人力資源、場地、電力等成本優勢，不斷強化在數據要素市場中的競爭力。對于數25據資源富集、數據綜合能力強的大型企業，除供給數據資源外，利用數據能力提供綜合性數據產品與解決方案也是啟動數據要素市場的有效手段。在數據要素市場發展的初級階段，利用自身數據積累優勢和服務能力優勢，深入調研數據需求方的核心業務痛點，提供針對性的數據產品與解決方案，進而形成可復制推廣的數據產品與能力架構，可有效實現數據流通所帶來的價值倍增。例如，國家電網向銀行出售電力大數據金融風控等服務，打造“電力數據看”新模式，拓展電力數據應用場景。中國移動打造了生態開放、技術先進、數據全面、安全可控的“梧桐”大數據品牌，通過梧桐大數據門戶實現“產品訂購入口、生態合作入口、技術分享入口”的統一，全面對外輸出中國移動的數據產品與能力。招商銀行整合發布“企業數智金融”品牌服務，突出從產品視角向客戶視角的轉變，從客戶的銷售場景、采購場景和員工服務中研究客戶的需求和痛點，提供整體的數智化解決方案。（二）

政府側：建立公平高效的機制是關鍵政府及其他黨政機關作為國家治理的核心力量，在數據要素發展過程中扮演著有序引導和規范發展的關鍵角色。除向社會供給高價值公共數據外，提升治理能力，創新治理手段，建立公平高效的數據要素發展促進機制，守護數據要素可持續發展環境是更好發揮政府在數據要素領域作用的關鍵。面對數據要素這一新興事物，各地方在中央宏觀戰略指引下，加緊制定數據條例與行動方案，更加靈活、主動地探索推進數據要素發展的實施規范乃至細化的操作流程。自

2015

年實施國家大數據戰略26以來，我國已有

22

個省級行政區、4

個副省級市出臺數據相關條例共

30

份（如圖

6）。作為地方人民代表大會或其常務委員會通過的法律文件，這些條例為地方數據要素的發展提供了法律基礎。截至2023

年

8

月，全國已有

27

個省（自治區、直轄市）設置了專門的省級大數據管理機構。省級大數據專職管理機構的不斷擴充，有效推動數據資源整合和開發利用效率與效益提升。此外，部分地區發布發展規劃、行動方案等政策文件，將數據要素的產業集聚、流通交易、數據驅動的經濟高質量發展等作為重點，致力于營造公平高效的數據要素發展環境。例如，上海市《張江數據要素產業集聚區建設三年行動方案（2023-2025

年）》《立足數字經濟新賽道推動數據要素產業創新發展行動方案（2023-2025

年）》等文件謀劃了上海數據要素發展的體系性布局，在維護數據安全、強化數據安全產業的基礎上，基于要素融合和生態構建，著力打造高水平的數據要素產業集聚區。深圳市發布的《深圳市數據交易管理暫行辦法》《深圳市數據商和數據流通交易第三方服務機構管理暫行辦法》規范了數據交易范圍和市場主體行為，并成立數據交易監管機制專責小組，率先以制度的形式明確建立跨部門協同監管的機制。先行地區的制度與機制體現了數據要素領域有效市場和有為政府相結合的創新成果，對中央和其他地方引導和推進數據要素發展均有重要的借鑒意義。27來源：中國信息通信研究院圖

6

地方數據相關條例出臺情況加快完善數據領域央地協同和條塊協同機制是當前的重要命題。在地方紛紛成立大數據管理機構承擔數據領域統籌協調與資源整合共享職能的背景下，國家數據局的成立順應了各界對國家層面組建專職管理部門的期待。然而，國家數據局尚處于初建階段，如何理順國家和省級數據管理機構關系、平衡國家各部委及地方各委辦局間職能，需要盡快探索方案并落地執行。一方面，各地大數據管理機構的單位性質和隸屬關系并不相同，主要可分為省政府直屬機構、省政府辦公廳管理機構、省行業主管部門管理機構三類，且多有承擔推進數字政府建設、數據安全治理、大數據產業管理等當前國家數據局所規劃職責之外的工作。國家和省級機構履行職能過程中仍會存在“一對多、多對一”等多頭管理問題。加快理順管理關系，完善央地協同機制，是推進構建數據要素可持續發展環境的必要前提。另一方面，國家和地方數據管理機構與其他行業主管部門各有職責劃分，既包括產業發28展、資產管理等業務領域的區分，又包括人社、交通等垂直行業的區分。加快理順國家各部委、地方各委辦局間職能，完善條塊協同機制，促進數據要素跨部門、跨行業、跨地域互聯互通與開發利用，是促進數據要素公平高效發展的重要保障。提升治理能力、營造兼顧效率與公平的數據要素發展環境仍應成為政府工作重點。縱觀各地數據要素相關政策制度，盡管產業格局、發展目標、數據供給、流通、應用等重點發力方向等基本明確，但落地抓手相對有限，還不能完全適應數據要素的新特性和新趨勢。“數據二十條”提出，要充分發揮政府有序引導和規范發展的作用，守住安全底線，明確監管紅線，打造安全可信、包容創新、公平開放、監管有效的數據要素市場環境。守住數據安全底線、推進數據要素可持續探索、促進數據價值釋放應成為各地治理的共識。一方面，要提升數據安全縱深防護與綜合防御能力，健全數據要素市場監督管理體系，在明確監管對象、范圍、標準、程序等規則基礎上，加強合規、違約、欺詐等重點領域的執法司法，維護數據要素市場的公平環境。另一方面，要適應數據要素新特性，不斷創新治理手段，通過建立市場準入第三方評估機制、負面清單動態調整機制、合同約定與爭議仲裁機制等，提高市場主體合作互信程度和自發探索的活躍程度，避免對市場主體的不必要干預，為數據要素市場的高效實踐留足空間。四、市場：場內外結合推動數據資源最優配置數據要素市場是實現數據要素價值第三次飛躍的關鍵。數據在市場中流通使數據流向更需要的地方，讓不同來源的優質數據在新的業29務需求和場景中匯聚融合，實現雙贏、多贏的價值利用4。在此基礎上，不同的數據流通形態串聯起各類主體，推動場內外數據要素市場活躍探索，引導數據要素在供需關系與價格機制的作用下實現最優配置，創造更大的經濟效益。（一）

數據流通存在多層次多樣化形態推進數據要素充分流通，首先應正確認識數據流通的表現形式，從不同角度分析數據流通的類型，包含參與主體的供需關系、流通對象的形態和交付方式等。從流通主體間的供需關系來看，數據流通存在開放、共享、交易三種供需模式，區別在于數據需求方獲取數據所需要支付的對價關系不同。數據開放是指數據提供方無償提供數據，需求方無需支付對價的數據單向流通形式。由于數據提供方無法通過數據開放直接獲得收益，因此數據開放的對象往往是公共數據。數據共享是指參與主體互為數據供需方，不強調貨幣媒介參與的數據雙向流通形式，但共享過程往往涉及復雜的相互博弈，相較于一對一的兩方共享，政府間或行業間的多方數據共享更容易形成規模和持續開展。數據交易則是指數據提供方有償提供數據，需求方通過貨幣等形式支付對價的數據單向流通形式。相較于數據開放和共享，數據交易更容易激發市場參與主體積極性，成為數據要素市場化流通的主要形式。此外，近兩年來關于“數據運營”“數據信托”等新概念、新探索的討論十分火熱。我們認為，站在供需雙方流通閉環的角度，這些4《數據要素白皮書（2022

年）》30新模式并未改變雙方的供需關系，不屬于與開放、共享、交易并列的全新流通模式，而是在供需對接過程中引入了新主體，由數據經紀商、數據運營服務商和數據托管服務商等各類數商提供了中介性功能，在促進數據資源供給、降低數據獲取成本、消除供需方之間資源錯配等方面發揮了重要作用。來源：中國信息通信研究院圖

7

數據要素流通的多種形態從流通對象來看，流通中的數據包括從原料到衍生服務的多種形態（如圖

7）。就產品形態而言，流通中的數據產品可以參照實體商品的加工程度來進行區分。類比石油化工領域，原油、天然氣等是一經開采即可得到的原材料，在此基礎上進行不同程度的煉化和加工得到不同類型的下游消費產品，一類如汽油、煤油等成品油，是對原材料進行煉化得到的輕加工產品；一類如乙烯、丙烯等基礎化工材料是煉化后經裂解得到的深加工產品；一類如塑料、合成纖維等精細化工材料是對基礎化工材料進一步加工合成得到的精加工產品。相應地，在數據流通領域，原始數據、標準化數據集、數據模型或分析結果、數據應用解決方案可大致對應不同加工程度得到的數據產品和服務。31就交付形式而言，為滿足不同的應用需求和安全保護要求，數據產品的流通也呈現多樣化的交付形式。與實體商品不同，數據產品的流通并非簡單的轉移交割。在原材料層級，原始數據主要通過介質傳遞、開放下載等方式直接復制或轉移，但是，出于對數據可控性和可用性的考量，實踐中以原始數據形態進行的數據流通極少。在輕加工層級，標準化數據集主要通過介質傳遞、開放下載、接口調用、終端平臺、定制服務等方式交付，其中介質傳遞或開放下載多適用于內容固定的靜態數據集，接口調用或終端平臺多適用于隨時間或需求不斷更新的動態數據集，此時流通的數據仍主要存儲在數據提供方，但使用方可以按需使用數據。在深加工層級，數據模型或分析結果可以通過接口調用、分析報告、畫像等形態交付，數據提供方主要交付數據加工分析的結果，基于隱私計算的數據核驗、數據查詢、聯合建模等也屬于這一類。在精加工層級，數據應用解決方案主要通過終端平臺和定制服務的形式交付，針對不同應用方的個性化需求提供定制化的數據產品。綜合以上分析可見，數據流通的對象往往不是標準化、同質化的，數據流通的表現形式也不是簡單的數據產品買賣或轉移。事實上，數據流通并非數據上升為生產要素后的新生事物。長期以來，已有大量的數據流通活動深度融合在政府和企業日常運轉中，只是并未被標記為一種單獨的業務形態。例如，征信公司從不同金融機構收集同一客戶的金融行為數據，匯聚整合后形成對客戶信用情況的評判，出具征信報告，雖然這被稱為“征信服務”，但其背后是大量數據在不同主32體之間被傳遞和使用。同理，互聯網廣告、資訊服務和企業供應鏈管理等營銷、風控領域的業務運轉均依賴于海量數據的流轉、整合與應用，也存在大量的數據流通活動。（二）

場外交易活躍，場內交易多點突破場外交易仍是數據交易主要形式。如前所述，數據流通交易并非新生事物。早在

1803

年，一群倫敦裁縫互相交換不能償清債務的客戶信息，成為征信機構益博睿（Experian）發展的基石。1841

年，鄧白氏集團（Dun

&

Bradstreet）率先將各種商業信息收集匯聚，構建信用評定的數據指標體系，數據服務商的雛形初現。長期以來，大量機構收集多方數據，創新業務模式，打造競爭優勢，滿足數據需求，場外點對點數據交易始終活躍。例如，查詢服務行業中，天眼查、企查查等企業通過非人工方式從全國企業信用信息公示系統、中國裁判文書網等公共數據開放平臺以及國家知識產權局等部門的官方網站收集、聚合公開數據，運用獨有技術與算法，提供獨具價值的企業信息查詢服務，以會員制的方式實現數據價值的轉移。金融行業中，萬得、同花順等企業研發金融終端，對接、采購各類交易所、券商、資訊公司等方數據，匯聚研發形成標準、實時、全面的數據庫，供市場各大機構購買使用。綜合查詢服務、金融、征信、廣告、人工智能等各行業的場外數據交易情況，2022

年場外數據交易規模約為

1000

億元，是場內交易規模的

50

倍5。部分行業外部數據采購需求強烈。部分企業期望通過內外部數據5數據來源：黃麗華，2022

年全球數商大會33的相互融合獲得更加精準的市場分析、用戶畫像等能力來解決業務開展過程中的核心問題，金融機構、互聯網平臺、廣告公司等企業的外部數據采購規模呈穩定增長趨勢。以金融機構為例，通過對招投標等公開信息的整理，眾多銀行每年都會以招標形式采購大量外部數據，涉及反洗錢名單數據、資信數據、司法數據、供應鏈數據、行業經濟數據等種類，用以全面提升本行的風控與營銷能力。截至

2022

年，金融行業的數據供應商可達

2200

多家，其中注冊資本金在

1000

萬元以上的占

67%，公司成立時間不超過

10

年的接近半數6。場內數據交易多元化探索不斷取得突破。中國信息通信研究院根據公開信息統計顯示，2023

年

1

月至

8

月，國內新成立

5

家數據交易機構。目前，全國已先后成立

53

家數據交易機構，其中活躍的數據交易機構已上架數據產品超

12000

種。各數據交易機構從不同角度發力，在拓展業務模式、強化權益保障等方面積極創新，提升數據進場交易吸引力。2023

年

1

月，貴陽大數據交易所發起招募數據首席地推官，集結銀行、交通、醫療、時空數據、數據交付等多個行業和領域的專家，破題數據供需信息差，并率先探索“數據專區”運營模式，打造全國首個氣象數據專區和電力數據專區，官網顯示截至

2023年

7

月，兩專區交易額分別達到

3500

萬元和

1

億元。2023

年

2

月，深圳數據交易所提出構建動態合規體系，引入“信用”工具，打造動態信用評級，力圖降低企業合規門檻，構建可信交易環境，實現數據交易的包容審慎監管。2023

年

7

月，北京市發布數據要素市場建設6數據來源：上海數據交易所研究院，金融業數據流通交易市場研究報告34領域十二大落地創新成果，其中九項由北京國際大數據交易所主導完成，包括跨境征信報告核驗項目、數據登記業務互認互通、數據資產抵押授信等，為數據跨境、數據服務業務互通、數據要素金融服務等方面探索提供寶貴經驗。所商分離背景下，數商生態不斷完善。在廣泛意義上，“數據二十條”所鼓勵的數據商和第三方專業服務機構，均可納入“數商”范疇，其核心功能是為數據供需方提供各類數據服務與市場服務。各類數商在地方政府、數據交易所支持下，積極主動尋找市場定位，推動數商生態不斷完善。上海數據交易所以打造數商生態為特色，圍繞完善交易制度、擴大產品供給、完善基礎設施建設、提升交易活躍度四項內容，初步構建數商生態體系。2023

年

6

月，上海數據交易所上線“數商生態”服務平臺，通過多元化途徑協助數商開展業務，將服務滲透到數據交易的各個環節，調動數商參與數據要素市場的積極性。數據經紀人是數商生態中的重要角色，承擔數據價值洞察、撮合、代理、評估等職責。2023

年

7

月，由數交數據經紀（深圳）有限公司牽頭發起，全國近五十家數據交易場所、科研院所、數據商以及數據交易中介機構共同起草的《數據經紀從業人員評價規范》團體標準正式發布，培育并規范更多專業的數據經紀從業人員。（三）

多措并舉破除數據流通障礙面對流通規則不完善的問題，各地加快健全數據要素市場制度與規則。當前，數據流通的激勵和權益保護規則仍未健全，市場主體合規顧慮仍然較大。為此，各地在“數據二十條”指導下，制定符合當35地實際的政策，推進制度與規則的探索。例如，2023

年

7

月，北京印發《關于更好發揮數據要素作用進一步加快發展數字經濟的實施意見》，提出推進數據產權結構性分置、完善數據收益合理化分配等具體舉措，布局推進公共數據專區授權運營、推進數據技術產品和商業模式創新等探索方向。未來，細化“數據二十條”提出的“誰投入、誰貢獻、誰受益”原則，建立維護數據資源資產權益、兼顧效率與公平、突出激勵導向的數據收益分配制度，完善數據要素市場準入制度和市場競爭框架，建立盡職免責、容錯免責機制等制度與規則仍為各地政府探索的重點。面對權利歸屬難界定的問題，各地推進數據產權登記新方式。數據的來源廣泛，涉及到的相關主體較為復雜，數據權屬不明及錯配始終是數據交易操作中的“攔路虎”。“數據二十條”提出研究數據產權登記新方式。各地、各數據交易服務機構針對場內交易，積極探索數據登記制度，通過對每一個進入流通的數據產品賦予唯一的產品編碼或標識，發放數據登記憑證，為流通市場提供權威信息，助力保障數據產品流通的安全合規性。2023

年

5

月，浙江省知識產權局、北京市知識產權局分別制定發布了數據知識產權登記相關管理辦法。2023

年

6

月，深圳發改委發布了《深圳市數據產權登記管理暫行辦法》，從登記主體、機構、行為與監督管理等角度，制定了覆蓋數據產權登記全流程的管理辦法。未來，數據確權本身仍將存在大量爭議，構建以促進產業發展為導向的數據產權登記框架，推進權責明確、保護嚴格、流轉順暢的數據產權登記體系建設需加快探索。36面對支持力度仍有限的問題，還需進一步鼓勵數據流通創新探索。數據要素市場作為一項新興事物，有著獨特的屬性和規律，培育數據要素市場既缺乏先前經驗借鑒，又缺少國外經驗參考。當前我國數據要素市場培育仍具有“重安全、輕發展”的特點，對數據流通創新探索的支持仍然有限。未來，需著力統籌發展和安全，加大對創新探索的支持力度：積極開展數據特區、數據委托運營、行業數據市場、多級數據市場等創新試點。加大財稅綜合支持，扶植具有創新技術應用或商業模式的代表性企業，鼓勵自由競爭的市場化流通交易。鼓勵企業加強數據產品研發力度，主動創新商業模式，主動創造應用場景，主動尋找市場機遇。大力培育多樣、專業的數據服務機構，主動對接數據創新成果、分析數據應用需求、撮合數據流通。研究建立數據資產價值評價指標體系，從行業、場景等方面切入，開展數據估值定價試點。進一