1.3 數據成為重要戰略資源

數據要素市場化是數字經濟的新現象。由于大數據與人工智能技術的結合，數據已經成為第一生產要素，數據及其運行機制成為支撐算法算力切實有效發揮作用的關鍵要素，是數字經濟高質量發展的基礎原料和邏輯基點[19]。數據正成為企業進行決策、生產、營銷、交易、配送、服務等商務活動所必不可少的投入品和重要的戰略性資產，成為促進經濟高質量增長的重要驅動力。協同推進技術、模式、業態和制度創新，切實用好數據要素，將為經濟社會數字化發展帶來強勁動力。[20]

1.3.1 國家戰略

2015年，黨的十八屆五中全會正式提出“大數據”戰略并將其上升為國家戰略，數據成為國家基礎性戰略資源。[21]《中華人民共和國國家安全法》[22]和《中華人民共和國網絡安全法》[23]先后出臺，關于數據合規的法律體系開始逐步搭建。

2019年10月，中國共產黨第十九屆中央委員會第四次全體會議審議通過了《中共中央關于堅持和完善中國特色社會主義制度 推進國家治理體系和治理能力現代化若干重大問題的決定》，指出“健全勞動、資本、土地、知識、技術、管理、數據等生產要素由市場評價貢獻、按貢獻決定報酬的機制”，首次將數據作為與勞動、資本、土地、知識、技術、管理并列的生產要素，從制度層面確立了數據作為新的生產要素的重要地位。[24]

2020年4月9日，《中共中央 國務院關于構建更加完善的要素市場化配置體制機制的意見》正式公布，分類提出了土地、勞動力、資本、技術、數據五個要素領域改革的方向，明確了完善要素市場化配置的具體舉措，提出從推進政府數據開放共享、提升社會數據資源價值、加強數據資源整合和安全保護三個方面加快培育數據要素市場，并肯定了“數據產權”，旨在加強對商業數據的保護。[25]

2021年，《中華人民共和國數據安全法》[26]和《中華人民共和國個人信息保護法》[27]出臺，數據合規領域的基本法律體系搭建完成。

2022年1月，國務院印發的《“十四五”數字經濟發展規劃》提出，充分發揮數據要素作用，強化高質量數據要素供給，加快數據要素市場化流通，創新數據要素開發利用機制。[28]

2022年4月發布的《中共中央 國務院關于加快建設全國統一大市場的意見》提到，要加快培育數據要素市場，建立健全數據安全、權利保護、跨境傳輸管理、交易流通、開放共享、安全認證等基礎制度和標準規范，深入開展數據資源調查，推動數據資源開發利用。[29]

2022年6月22日，中央全面深化改革委員會第二十六次會議審議通過了《關于構建數據基礎制度更好發揮數據要素作用的意見》，對數據確權、流通、交易、安全等方面做出部署。會議明確，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，加快構建數據基礎制度體系。[30]

數據被列為生產要素，具有了基礎性戰略資源和關鍵性生產要素雙重角色，數據要素市場開始加速培育。

1.3.2 數據要素

1.數據要素的概念和特征

生產要素是指進行社會生產經營活動必備的資源和環境條件，相應的具體形態與主次序列隨著經濟發展而不斷變遷[31]。傳統的經濟學將資源和勞動作為最基本的生產要素，其中資源的背后是土地、自然資源、能源等“物”的要素，勞動則是“人”的要素，人類利用不斷開發、不斷進步的技術將“地球的饋贈”轉化為供人類使用的商品和服務[32]，因此過去的生產要素市場包括土地、勞動力、資本、技術市場。

在5G、物聯網、云計算、大數據、區塊鏈和人工智能等合力作用之下，數據對生產的貢獻越來越突出，同時也顯著提升了其他生產要素的利用效率，成為具有多重價值的生產資料。這一新興生產要素正與其他要素一同參與到經濟價值創造過程中，成為完善要素市場化配置的重要部分[33]。數據要素涉及數據生產、采集、存儲、加工、分析、服務等多個環節，對價值創造和生產力發展有廣泛影響，是驅動數字經濟發展的“助燃劑”。數據具有生產要素的一般特征，包括以下幾個。

1）需求性：隨著互聯網、大數據、人工智能等新技術對實體經濟滲透程度的日漸加深，市場對數據要素的需求日益提高。近年來，數據作為國民經濟信息化、數字化、智能化的技術基礎，逐步融入傳統產業的生產服務中，對既有工序實行痛點疏通，對供需關系進行精準預測，進而突破了制約效率提升的桎梏，為全社會創造出難以估量的再生價值。因此，數據已融入經濟循環全產業價值創造過程，是人類從事經濟活動時必要的生產要素。[34]

2）不可替代性：數據要素賦能經濟發展的作用日益凸顯。

3）稀缺性：如果一種資源具有生產有用性，但不稀缺，而是取之不盡、用之不竭，則不屬于經濟資源討論的范圍。數據作為生產要素的稀缺性主要體現在用戶需求上，經濟活動行為者對于數據要素的需求是無限的，而數據要素的開發需要相應的成本。經濟活動行為者受限于人力、物力、財力等方面，其數據資源擁有量總是有限的。

數據作為土地、資本、技術、勞動等傳統生產要素之外的新的生產要素，具有獨特的經濟屬性。

1）非物質性：根據數據的定義可知，數據無論存在于何種物質載體中，都表現為非物質的數據狀態，同一數據無論記錄在紙張還是計算機上，始終是等價的。

2）共享性[35]：傳統生產要素的利用表現為占有和消耗，當物質資源或能源資源量一定時，各利用者在資源利用上總是存在著明顯的競爭關系，即“你多我就少”。而數據在產生后進行復制、傳輸、使用的邊際成本趨近于零，突破了土地、資本等傳統生產要素的局限性，不存在上述的競爭關系。數據可以被多個經濟主體同時使用，對額外用戶的開放使用并不會降低原有數據使用者或數據原始持有人的數據價值，更多用戶使用同一數據并不會造成其他用戶的利益受損。

3）非均質性：資本、勞動等傳統生產要素具有一定的均質性。資本的每一元錢之間沒有本質區別；勞動力之間盡管有明顯差別，但是這種差別只是在一定范圍內存在，均質性仍然比較明顯；不同技術之間存在的差異性更大，但是專利審查制度的出現和執行會將這種差異度減小，因此專利數據常用于衡量創新能力，盡管其準確性有待商榷。而同樣的數據量所對應的信息量可能是截然不同的，一個可能是極有用的信息，另一個則可能是垃圾信息，且數據要素存在“1+1＞2”的規模經濟特性。兩個本不能指導和調節現實生產與再生產過程的數據集合并，可能揭示原來分立的數據集都不能揭示的經濟規律，發揮意料之外的調節和指導作用。

4）外部性：在數據要素交易過程中，數據有償使用與“搭便車”行為往往共存，數據信息外溢會給其他經濟主體帶來經濟利益，可能不會使數據產權主體得到合理回報。

2.數據要素市場的概念及條件

數據要素市場是將尚未完全由市場配置的數據要素轉向由市場配置的動態過程，其目的是形成以市場為根本的調配機制，實現數據流動的價值或者數據在流動中產生價值。數據要素市場的發展將推動商業模式向以消費者數據為中心轉變。

我國發展數據要素市場的基礎條件主要包括以下幾個。

1）海量數據資源：隨著新一代信息技術的快速發展，人類進入萬物互聯時代，帶來海量數據的急速匯聚和生成，為數據資源化、資產化、資本化發展提供了肥沃土壤和豐富原料。我國是數據大國，網民規模居世界第一，是數據量最大、數據種類最豐富的國家之一。然而，目前我國數據利用率較低，大量數據未能發揮應有的價值，間接反映出我國數據要素潛藏的市場空間巨大。

2）數據基礎設施：近年來，5G、數據中心、人工智能等新型數據基礎設施日益完善。新基建的加快建設為數據要素流通提供了良好的基礎環境。車聯網、可穿戴設備、無人機、無線醫療、智能制造等應用場景不斷豐富，對數據要素市場的培育和發展具有較強的促進作用。數據中心集數據、算法、算力于一體，不僅為海量數據提供存儲計算服務，還為各類場景優化提供數據應用服務，成為海量數據的“圖書館”、海量算力的“發動機”、海量服務的“發射器”。

3）培育交易市場：數據要素市場的培育也至關重要，主要包括市場配置、市場定價、市場交易、市場競爭。市場配置意味著數據產權的獨立性和數據交易的自由性，數據要素確權是市場配置的前提。由于數據具有虛擬性，不如其他實物要素那樣方便計價，需要在確權的基礎上進行專業估價，進而在市場磨合定價。市場交易須克服地方與行業壁壘、大企業壟斷，達成中外數據要素市場聯通，實現數據線上交易和線下服務的高效協作。數據要素規模和質量差異引起市場競爭，這種競爭有利于數據產品創新和社會生產力提高。但同類數據市場競爭的結果往往是形成一家獨大的局面，從而逐漸消解競爭。[36]

3.數據要素市場的發展意義

（1）傳統生產要素市場的有力補充 數據作為新型生產要素，對經濟增長的影響已經不亞于傳統生產要素。數據要素與傳統生產要素深度融合，能夠顯著提高生產效率，壯大發展新動能。數據作為生產要素參與資源配置，提升社會數據資源價值，進一步推動數字經濟發展。數據要素激勵出新的產業模式，以物聯網、云計算、人工智能等新型信息技術為驅動的企業應運而生，為數據提供了更多可利用的場景，有效推動了產業轉型升級。同時，數據作為生產要素參與資源配置鼓勵了數字產業化、產業數字化、數字化治理和數據價值化，尤其是通過數據定價、數據確權等對數據進行價值化，形成全新的數字經濟體系，更好地激勵數據參與到社會生產中，加快推動數字經濟發展的進程。

（2）數字經濟深化發展的核心引擎 數據的爆發增長、海量集聚蘊藏了巨大的價值，為智能化發展帶來了新的機遇。隨著大數據市場規模突破1萬億元，數據在數字經濟中的地位不斷提升，要素屬性逐漸凸顯。充分發揮數據要素市場化配置是我國數字經濟發展水平達到一定程度后的必然結果，也是數據供需雙方在數據資源和需求積累到一定階段后產生的必然現象。數據要素市場對數字經濟發展的積極作用表現在以下幾個方面：

第一，數據作為新的關鍵投入要素，是催生和推動數字經濟新產業、新業態、新模式發展的基礎。在數據挖掘、脫敏、分析的基礎之上對數據資源實現高效利用，將極大地推動創新、加速產業升級。數據成本的大幅下降決定了數字經濟整個產業鏈效率的提升，能有效促進數字經濟的專業化分工。

第二，數據是數字經濟產業鏈最重要的傳輸介質。雖然數字經濟的運行包括很多實體貨物產品和中間品的傳遞，但整個產業鏈是圍繞數據從創造、收集、加工到應用延伸的，產業鏈中的每一個環節都對數據進行更深一步的加工后再傳遞到下一個環節。從某種意義上說，數字經濟的主線就是數據要素價值的不斷挖掘，并與其他產業進行深度融合。

第三，隨著全球化的推進，通過跨國貨物貿易、資金往來、人才流動、信息交流、跨國公司在全球布局產能，一般要素的價格在參與國際產業分工的國家不斷趨同。對于數字經濟而言，數據則是一種很難被趨同的要素資源。不同國家和地區數據要素的差異主要表現在數據規模和對數據的處理能力方面，雖然數據處理能力容易實現趨同，但數據創造規模與人口、經濟規模相關，人口和經濟總量直接決定數據創造的上限，而各個國家和地區在這方面的差異是巨大的。當數據成為專屬資源時，擁有更多人口和更大經濟規模的地區在數字經濟分工上占有更大優勢。

第四，數據對其他生產要素也具有乘數作用，可以利用數據實現供給與需求的精準對接，創新價值鏈流轉方式，放大勞動力、資本等要素在社會各行業中的價值。善用數據生產要素，促進數據要素市場化，有助于推動數字經濟與實體經濟深度融合，為經濟轉型發展提供新動力，實現高質量發展。因此，利用好數據要素是驅動數字經濟創新發展的重要抓手。

第五，數據與算法、算力的有機融合構成數字經濟的核心內涵。數據流動調配計算機算力，驅動算法體系搭建的平臺運行，構成了數字經濟的核心內涵。數字經濟與傳統經濟形態的根本不同在于計算機算法算力體系利用數據進行決策，解放與發展了人的有目的勞動和思維活動，極大地拓展了人類改造自然世界和協調人類社會的能力。在數字經濟中，人們借助各類數字平臺進行的生產與交換行為、社會交往行為、公共治理行為等，都是通過產生數據流來驅動算法算力體系實現的。此外，政府和企業在處理人們的原始數據請求時，還將產生新的數據。所有數據被長時間存儲和積淀下來，就構成了數據資源池。在利用數據資源池的過程中，同樣需要大量的計算機算力配合適當的算法體系進行運算分析。隨著計算機智能水平和算力規模的不斷發展，數據越來越成為驅動數字經濟運行的核心要素。數據要素市場、算法體系和算力系統之間也是互為條件、相互制約的，三者所構成的有機整體就是數字經濟的核心。

第六，數據要素是數字經濟運行和進一步創新發展的燃料。加快培育數據要素市場，有利于為算法體系發展提供基礎訓練數據集，也有利于牽引數據處理需求，推動數字經濟核心硬件與軟件自主化和趕超發展。必須充分發揮我國海量數據優勢，撬動巨大市場應用規模潛能發揮，加快發展新一代人工智能，助力我國贏得全球科技競爭主動權。這是由數據-算法-算力的相互制約關系所決定的。

第七，新產業的創生和新技術在新行業的廣泛應用，僅僅是一次宏大技術革命浪潮的開始階段。只有當新技術擴散到新部門之外的廣泛領域，深入改造足夠多的傳統部門生產體系，新技術范式所蘊含的生產力潛力才能真正得以釋放，新技術對社會生產方式的全面變革才能得以實現。目前，我國數字經濟發展僅處于展開初期，數字經濟對社會生產方式的變革仍集中在新興行業。加快培育數據要素市場，有利于充分激發傳統產業數字化轉型以采集數據、利用數據的積極性，推動數字經濟與實體經濟深度融合，開啟數字經濟發展的新階段，推動我國產業優化升級和生產力整體躍升。

第八，在數字經濟發展的國際競爭中，我國必須及時搶占數據開發利用的技術高點和先機，加快發展數據要素市場和數據治理體系，積極保護和開發數據資源，保障國內數字經濟發展空間，保證數據資源開發利用帶來的增長紅利為我所用。世界各國正在搶先開發利用本國乃至世界范圍內的數據資源。美國于2012年實施《大數據的研究和發展計劃》，歐盟委員會也于2020年2月發布《歐洲數據戰略》，推動數字資源的解鎖利用，甚至統一數據市場的建設。

（3）國民經濟健康發展的全新賦能 數字經濟發展在國民經濟發展中的地位正不斷提升，積極推動培育規范化的數據要素市場，充分挖掘數據要素的價值，加速數據要素安全、高效地流通，對于國民經濟發展具有重要意義。

積極推動數據要素市場培育與發展，能夠大幅度提高國民經濟運行效率。數據要素市場的出現，改變了傳統的治理模式、生產模式與商業模式，將勞動力從傳統的體力勞動中解放出來，采用更靈活、更高效、更具彈性的生產方式。借助云計算、物聯網、人工智能、機器學習等新型數字技術，對數據進行實時的采集、使用、傳播與價值化等，能夠實時、快速、有效地從海量數據中挖掘出有價值的信息并進行傳輸與傳播，形成更強有力的生產力，從而提升國民經濟的運行效率。

積極推動數據要素市場培育與發展，有助于我國產業結構轉型升級。新型數字技術的出現與傳統產業碰撞出新的火花，催生出企業更大的創造力和應對市場需求變化、潛在機會的敏捷性，使其具備更有彈性和柔性的生產能力，及時預警風險與發現機會。數據要素市場有效地促進了產業在生產模式、產業鏈等方面的升級，優化企業的產品供給、推動產業數字化升級與數字產業化發展，增強宏觀經濟調控的準確度。

積極推動數據要素市場培育與發展，有助于提升國家政府治理效能。在數字化治理方面，我國大力建設與發展數據驅動的數字化政府和新型智慧城市，搭建與優化政府信息化技術框架，積極推動政務服務、數字治理、數據治理三方面的建設，最大化地利用數據為百姓提供高效透明的公共服務。對于國家治理而言，數據要素市場豐富了社會治理的資源，通過引入數字化技術充分利用當前海量的數據資源，有效地降低了服務成本、提升了治理效能。加速數據要素市場化配置從國家治理層面也有著顯著的社會效用，能夠改善傳統治理模式，實現多主體協同共治，促進政府數據開放共享，加快推動各地區、部門、主體之間的數據共享與交換，以及數據責任清單的制定，優化治理模式與服務。

綜上可見，數據要素市場對促進國民經濟各個方面的發展有著重要的意義。數據要素市場作為數字經濟發展中不可或缺的核心與中堅力量，對國家經濟發展與國民生活水平的提升有著重要的價值和影響。只有積極推動數據要素市場的培育與發展，才能更好地提升我國經濟水平，增強我國綜合實力，更好地服務于民、便利于民。[37]

1.3.3 數據確權與交易

1.數據確權

除了要發揮數據的價值之外，還要重視和關注數據的確權、交易與定價。數據確權是數據要素市場的邏輯起點，決定數據權益的分配方式。數據所有權具有一般產權的內涵，包括占有權、收益權、使用權等。企業與企業之間的數據所有權沖突時有發生。2018年發生的“華為騰訊數據之爭”便是由數據所有權引發的爭端。

產權是經濟學的一個基本概念，指一種可執行的社會架構。該架構決定經濟資源如何被使用或擁有[38]，包括：第一，使用經濟資源的權利；第二，從經濟資源中獲得收益的權利；第三，將經濟資源轉移給他人、改變經濟資源、放棄經濟資源，以及損毀經濟資源的權利。產權可以細分為所有權、占有權、支配權、使用權、收益權和處置權等“權利束”。產權界定是任何要素有效配置的前提。

數據資產的確權就是要解決依附于數據的權利歸誰所有的問題。數據資產歸屬問題的一個重要癥結在于企業和消費者之間的沖突。企業利用數據資產獲利，但這一過程往往伴隨著對消費者利益的侵害。目前比較成熟的做法是將個人信息分為不同的隱私和風險等級，給予不同程度的拒絕權、收益權等控制性權利，賦予數據產品持有者（企業）有限制的占有權來解決數據濫用和數據壟斷問題。我國各部委制定行業分類標準，典型的有2020年央行頒布的金融數據安全分級標準等。

數據確權是建立數據交易市場秩序和規則的前提條件，是厘清數據流通邊界的根本途徑，是實現數據收益按貢獻分配的必由之路。數據權屬的確定有利于明確數據交易主體的責權利，規范數據交易主體行為，化解數據產權不確定所帶來的利益沖突，保護各自的合法權益，形成良好的數據交易秩序，引導數據交易相關方規范公正地完成數據交易，促進數據產業繁榮發展。數據確權的難點有以下幾個。

1）數據產權界定的復雜性來源于數據的特殊性。一方面，數據的非消耗性、非競爭性使傳統的科斯定理無法直接適用；另一方面，從數據本身的特性來看，數據產權外延內的所有權和一般民法對所有權的界定不同。數據權在數據的全生命周期中有不同的支配主體，權利人需承擔更多的義務和責任，不僅要對數據泄露和數據侵權等事件承擔責任，而且需要在日常數據收集和處理等工作中履行相應義務。個人維護數據權益受到專業能力、技術裝備等方面的局限性，需要從法律層面加大對數據擁有者的規制力度，明確企業對數據市場活動的行為邊界。在政府數據開放的討論語境下，政府數據也是一種重要的權利客體。相對于個人數據和政府數據的概念，商業數據比較模糊，尚未成為嚴格的法律概念。大部分企業因數據授權信息難以界定，數據流通環節難以追蹤管控，無法確保數據在允許的范圍內流動，對商業秘密、客戶個人隱私泄露心存疑慮，對外部單位共享數據的意愿不高，直接制約了企業數據對經濟社會價值的有效釋放。

2）原始數據和衍生數據的產權界定陷入兩難。與其他財產不同，數據的全生命周期由多個參與者（數據提供者、數據收集者、數據處理者等）對數據進行支配，每一個參與者在各自環節賦予數據不同價值。賦予某一參與者專屬的、排他性的所有權不可行，需要在數據提供者、數據處理者等參與者之間進行協商和劃分，確定各權利主體之間的邊界和相互關系。數據權利內容還會隨著應用場景的變化而變化，甚至衍生出新的權利內容，使得事先約定權利歸屬變得困難。

3）物權法、合同法、知識產權法等法律仍不完善，數據的電子化、易復制性、隱蔽性等特點使數據確權更加復雜困難。從經濟學的角度來看，按照科斯定理的基本原則，如果對產權的法律界定導致交易成本過高，從而事實上阻止了數據交易和流通，那么這種權利界定就是無效率的。對于經過匿名化處理、總體價值密度較低的大數據而言，其中包含的每一條個人信息的貢獻價值其實都非常小。如果認可個人的財產權利主張，那么個人授權或獲取分成收益的成本很可能超過其信息貢獻價值，導致數據交易成本太高，從而無法實現數據在市場上的流通，甚至使數據市場失去存在的意義。但從法學角度來看，認可個人的財產權利主張有其維護社會公平的道理，這是數據權屬爭議的核心問題。[39]

2.數據交易

我國還沒有制定出臺有關數據交易的專門性法律法規，可交易和流轉的數據范圍沒有明確的界定。在產權、估值等數據交易要素不明朗的情況下，數據交易市場規模化發展尚待時日。自2014年以來，全國多地啟動了大數據交易所建設，截至2019年年底，我國數據交易平臺超50個。數據交易作為新業態尚處于孵化中，大數據交易所面臨層次較低、質量較低、交易額度較低、風險較高的現實困境，需依托現有的數據交易平臺，進一步探索數據交易規則和估值標準、權益保護機制，打造市場化數據交易生態體系，形成資本與數據價值變現的良性循環。

與傳統實體形態的市場渠道不同，數據要素通過網絡平臺實現配置。這就要求5G基站、大數據中心等數字技術設施覆蓋市場區域，數據交易網絡的技術支持完備，數據交易網絡的平臺健康運行，萬物互聯網交易鏈接便捷，要素市場供求信息公開、發布及時，各類要素市場連為一體。數據要素交易須克服地方與行業壁壘、大企業壟斷，達成中外數據要素市場連通，實現數據線上交易和線下服務的高效協作。

從產品的角度來劃分，數據交易可以分為兩大類[40]。一是基于數據集的交易，這類數據通常是機器學習的訓練集數據[41]或專家決策系統所依賴的底層數據，其交易標的物多以數據集和定制化API的方式呈現，產品具有規模化、勞動密集型、質量強相關、多次迭代等特點。第二類是基于數據分析衍生品的交易，京東、淘寶這樣的平臺除了促成數以億計的線上交易外，還通過網站埋點來感知與采集數據，積累實時、細粒度的商品交易、用戶行為等海量數據，并在此基礎上進行人物、商品、行為多維度與關聯性分析，經過平臺長時間序列的數據積累，即可衍生出各類基于海量數據的涉及國計民生、各行各業的數據分析報告等，這類數據交易的產品具有規模化、強衍生、多維度、隱蔽性等突出特點。

從依托主體來劃分，數據交易主要分為基于平臺的數據交易和基于服務商的數據交易。基于平臺的數據交易有Facebook、X（原Twitter）、Amazon、Google以及國內的京東、攜程、百度等，此類數據通過平臺對用戶行為進行感知而產生，具有原創和可實時更新的特點。基于平臺的數據交易能產出上述數據集及數據分析衍生品兩類產品。基于服務商的數據交易如Statista、Clarivate等，可以基于服務商收集和整理多個數據源的數據，但服務商并不產出原始數據。此類交易同樣可以產出上述數據集及數據分析衍生品兩類產品。

1.3.4 數據資產價值

1.數據價值

對數據價值進行評估是數據資產管理的關鍵環節，是數據要素市場化和資產化的前提。狹義的數據價值是指數據的經濟效益，廣義的數據價值是指在經濟效益之外考慮數據的業務效益、成本計量等因素[42]。不同的研究機構對數據價值評估進行研究，有以下的研究結果：①國家標準化管理委員會提出數據資產應用效果的分析，考慮數據資產的使用對象、使用次數和使用效果評價，在評估數據資產的運營效果時有參考價值[43]。②中國資產評估協會提出數據資產的評估專家指引，參考無形資產評估，為數據資產評估提出改良成本法、改良收益法和改良市場法三種方法。③Gartner作為全球技術咨詢服務公司，從多角度評估數據資產的多方面的價值，提出市場價值、經濟價值、內在價值、業務價值、績效價值、成本價值、廢棄價值、風險價值共八大維度的信息資產價值評估模型。④阿里研究院將數據資產與無形資產進行對比，探索無形資產評估方法在數據資產中運用的可能性，分析數據資產價值影響因素以及五種評估方式，分別是市場價值法、多期超額利潤法、前后對照法、權利金節省法、成本法[44]。⑤中國信息通信研究院云計算與大數據研究所從內在價值、成本價值、經濟價值、市場價值四個價值維度出發，建立數據資產價值評估體系。

綜合國內外組織的上述研究成果，數據的價值主要包含以下內容：

（1）內在價值 內在價值是指數據本身所蘊含的潛在價值，通過數據規模、數據質量等指標進行衡量。評估數據資產內在價值是評估數據資產能力的基礎，對于數據資產其他維度的價值評估具有指導作用。數據的內在價值包含數據質量評分、服務質量評分、使用頻度評分三個維度：數據質量評分是從數據的完整性、準確性、規范性等質量維度統計數據的通過率情況；服務質量評分是從業務應用角度統計數據的覆蓋度和使用友好性情況；使用頻度評分是統計數據資產的使用頻度情況[45]。

（2）成本價值 數據資產的成本價值是指數據獲取、加工、維護和管理所需的財務開銷，包括獲取成本、加工成本、運維成本、管理成本、風險成本等。評估數據資產成本價值有助于優化數據成本管理方案，有效控制數據成本。獲取成本是指數據采集、傳輸、購買的投入成本，加工成本是指數據清洗、校驗、整合等環節的投入成本，運維成本是指數據存儲、備份、遷移、維護與IT建設的投入成本，管理成本是指圍繞數據管理的投入成本，風險成本是指由于數據泄露或外部監管處罰等風險而可能帶來的損失。

（3）經濟價值 數據資產的經濟價值是指運用數據資產所產生的直接或間接的經濟收益，通過貨幣化方式計量數據資產為企業做出的貢獻。公式為：經濟價值=業務總效益×數據資產貢獻比例，其中，數據資產貢獻比例的計算存在難度，可考慮利用業務流和價值流對業務總效益進行拆解，并對應數據流，進一步界定該業務價值環節的數據資產貢獻比例。

（4）市場價值 市場價值是指在公開市場上售賣數據產品所產生的經濟收益，等于數據產品在對外流通中產生的總收益。隨著數據產品需求的增加以及數據交易市場規則的建立，該方法的可行性與準確性逐步提升。

（5）績效價值 這即數據對于工作績效的價值，例如提高工作效率、降低溝通成本等。

（6）商業價值 這即數據在商業活動中的價值衡量，從而讓業務更加高效、精準、低成本和有據可依，便于促進商業模式的優化和創新，有利于商業的長期持續發展。

2.數據價值鏈

邁克爾·波特最早提出“價值鏈”的概念，認為企業內外價值增加的活動可分為基礎活動和輔助活動，二者構成了企業的價值鏈，如圖1.4所示。數據價值鏈是描述數據價值創造的理論創新，通過數據價值創造活動實現數據的價值創造以及傳遞過程中的價值增值，強調通過對價值鏈各節點上數據的采集、傳輸、存儲、分析以及應用，實現數據的價值創造以及在傳遞過程中的價值增值。由此，數據價值鏈可以理解為是由數據獲取、數據存儲、數據分析、數據應用等基礎活動以及軟硬件基礎設施、研究與開發、人力資源管理等輔助活動構成的。

隨著信息技術的迅速發展和廣泛應用，數據已經成為市場經濟不可或缺的新生產要素。數據價值鏈的概念是從企業價值鏈發展延伸而來的，前提是信息技術與產業的深度融合。企業價值鏈的分析方法主要用于確定企業在關鍵環節上的核心競爭力，從而形成行業競爭優勢。2017年，大數據戰略重點實驗室首次在《中國大數據發展報告No.1》中提出“數據價值鏈”的概念。2020年7月，經全國科學技術名詞審定委員會批準，“數據價值鏈”作為大數據新詞被準予向社會發布試用。

3.數據定價

數據定價存在諸多難點。一方面，數據價格既與數據質量有關，也與數據收集難易程度有關，更與特定場景有關。對有的人“價值連城”的數據可能對其他人是“徒增成本”，數據產品的異質性、一品一價大大增大了數據市場定價難度。數據要素價值由生產加工數據產品的社會必要勞動時間所決定，是價格的基礎，同時價格又受到市場供求關系的影響。數據具有虛擬性，需要在確權的基礎上進行專業估價，進而在市場磨合定價，具有壟斷性且涉及國計民生的基礎數據定價還需要輔之以聽證會的方式。為了統一數據估值標準，可從多種類數據交易市場切入，發揮市場力量探索數據定價機理，在多方互動中逐步明確數據要素定價規則和標準。

另一方面是管控難，目前大部分平臺采用消費者免費使用的模式，給數據產品或服務定價監管帶來新挑戰。面對市場上數據產品定價不公的現象，消費者一般只能被動接受。保護消費者合法權益需要引入合理的定價機制，才能進行有效引導并加以規范。基于數據價值質量、應用、風險三個維度的市場法、成本法、收益法以及基于非市場角度的條件價值法和隱私價值法，都有各自的優缺點，沒有完全解決數據定價機制的問題。數據估值缺乏統一的衡量標準，使數據無法作為資產進行會計核算，數據交易時買方不清楚應支付費用額度，數據要素收益分配時不清楚該如何測算貢獻比例。

數據資產的評估方法有三種分類：

（1）基于數據生產者 修正歷史成本法和市場法。

1）修正歷史成本法：在假設市場各方為理智消費者的前提下，買方購買的數據資產將帶來的經濟收益應至少等于或大于購買其所需的資金成本。然而與傳統的有形資產不同，數據資產的特質導致賣方可以反復出售數據資產，且被出售后數據不會消耗或減值。同時，數據資產可帶來的未來收益跨度極大，且產生價值的衡量標準并不統一。如若買方購買數據后從未使用，那么我們可以認為其內在價值和使用價值均為零，只存在成本；而當數據資產為使用方提供了大量的決策分析價值與研究價值時，那么其資產評估價值應遠超其歷史購買成本。為了應對數據資產獨有的特征與限制，穆迪和華爾希在1999年首次提出了修正歷史成本法來強調數據的特殊屬性與使用途徑。

2）市場法：旨在理解客戶的支付意愿，即客戶為商品或服務有意愿支付的最高金額。當數據可以作為市場上的商品進行定價和交易時，買賣雙方的交易定價為顯示性偏好或顯示性價值。當無法依靠市場定價時，數據的價值則通過敘述性偏好或敘述性價值間接地進行衡量。

（2）基于數據使用者 貢獻比例法和決策導向估值法。

1）貢獻比例法：自上向下型的估值模型，旨在使用結構性方法去分析并預測某資產對項目結果的相對影響。本方法首先確定可量化的預期結果，反推并研究能夠達成該結果的最佳使用案例，最后將案例中資產的累計貢獻作為其價值評估的參考。

2）決策導向估值法：由斯坦德在2015年提出，也是自上向下型的估值模型，目的為判斷數據資產在未來收益中重要程度的相對占比，從而確定該數據資產的價值。企業對于任何數據庫的購買或生成都是一個決策點，如若決策點價值為正，即數據庫帶來的未來收益大于成本，則決策點有效，反之則不應繼續購買或生成該數據庫。

（3）基于數據中心 基于消費的價值評估法和科研數據保護法

1）基于消費的價值評估法：作為數據的交通樞紐，數據中心的信息具有多端口來源、多端口輸出的特征。與生產者和使用者不同，數據中心的價值并不來自對數據的出售或使用，而是基于“數據價值的評判只與數據的使用次數掛鉤”，即使用次數越多，數據價值越高。所以，針對其價值的評估方法不應該拘泥于該數據中心所創造的現金收益，而是應該通過統計數據庫的使用次數及人數的方式判斷數據中心的價值所在。

2）科研數據保護法：該方法的最佳適用數據類型為重前期研究投入的科研型數據中心，且它對成本與收益的未來預測時間跨度往往在一年以上。此類數據中心往往國家或地方政府給予支持，公益性和科研性的重要程度遠高于對短期盈利的追求。因此，在針對科研數據中心的評估中，選擇評估方法時需要格外注意科研數據中心的社會職責，從宏觀的角度看待科研數據中心為社會整體所帶來的價值。

4.數據確權、數據價值與數據交易的關系

數據確權是數據價值和數據交易的前提條件，明確的權利歸屬有利于市場價格的形成、降低信息不對稱風險并促進資產的流通[46]。通過構建數據要素市場體系，要加快建立數據確權機制與數據確權基本框架，加快建立和明確數據定價規則，為數據交易提供價值評估和價格依據。數據價值的確立有利于促進數據交易過程標準化，也有利于制定數據流通交易規則，從而積極營造便于數據要素流通的市場環境。

◎ 本章思考題：

1.根據案例資料，深入分析華為數字化轉型的路徑、方法。

2.找出不同行業的數字化轉型案例，并總結其數字化轉型的方法和過程。

3.閱讀理解國家數字化轉型發展的相關政策文件，并闡述政策文件對社會、經濟、文化等方面的影響。

4.閱讀數據要素相關資料，了解目前數據要素市場的建設狀況，掌握我國現有的數據交易市場現狀。

---

[1] 案例來源：CIO發展中心.華為的數字化轉型之道[EB/OL].（2020-10-14）[2022-11-28]. www.ileader.com.cn/html/2020/10/14/72037.htm.

[2] GURBAXANI V, DUNKLE D. Gearing up for successful digital transformation[J]. MIS Quarterly Executive, 2019，18（3）：209-220.

[3] CHANIAS S, MYERS M D, HESS T. Digital transformation strategy making in pre-digital organizations:the case of a financial services provider[J]. The Journal of Strategic Information Systems, 2019，28（1）：17-33.

[4] 唐浩丹，蔣殿春.數字并購與企業數字化轉型：內涵、事實與經驗[J]. 經濟學家，2021（4）：22-29.

[5] 焦宗雙，張雪瀅.工業互聯網與制造業數字化轉型[J].信息通信技術與政策，2020（3）：49-52.

[6] 祝合良，王春娟.“雙循環”新發展格局戰略背景下產業數字化轉型：理論與對策[J]. 財貿經濟，2021，42（3）：14-27.

[7] 中國電子技術標準化研究院.企業數字化轉型白皮書：2021年[EB/OL].（2021-11-03）[2022-11-23]. www.cesi.cn/images/editor/20211104/20211104152310850.pdf.

[8] DUNLEAVY P, MARGETTS H, BASTOW S, et al. New public management is dead: Long live digital-era governance[J].Journal of Public Administration Research and Theory, 2006，16（3）：467-494.

[9] 許峰.地方政府數字化轉型機理闡釋：基于政務改革“浙江經驗”的分析[J].電子政務，2020（10）：2-19.

[10] 祝智庭，胡姣.教育數字化轉型的理論框架[J].中國教育學刊，2022（4）：41-49.

[11] SHANNON C E.A mathematical theory of communication[J].Mobile Computing and Communications Review, 2001，5（1）：3-55.

[12] HUANG J, HENFRIDSSON O, LIU M J, et al. Growing on steroids:Rapidly scaling the user base of digital ventures through digital innovation[J]. MIS Quarterly, 2017，41（1）：301-314.

[13] PORTER M E, HEPPELMANN J E.How smart, connected products are transforming competition[J]. Harvard Business Review, 2014，92（11）：62-88.

[14] PORTER M E. Strategy and the Internet[J]. Harvard Business Review, 2001，79（3）：62-78，164.

[15] 華為技術有限公司.華為行業數字化轉型方法論白皮書[EB/OL].（2019-03-20）[2022-11-23]. e.huawei.com/cn/material/enterprise/newict/digitalplatform/78924a97a2a24768a4329308b4a1d3e4.

[16] 祝合良，王春娟.“雙循環”新發展格局戰略背景下產業數字化轉型：理論與對策[J]. 財貿經濟，2021，42（3）：14-27.

[17] 戚聿東，肖旭.數字經濟時代的企業管理變革[J].管理世界，2020，36（6）：135-152；250.

[18] 戚聿東.數字經濟時代的企業管理變革[Z/OL].（2021-05-08）[2022-09-18]. https://k.cnki.net/CInfo/Index/14239.

[19] 陳兵，趙秉元.數據要素市場高質量發展的競爭法治推進[J]. 上海財經大學學報：哲學社會科學版，2021，23（2）：3-16；33.

[20] 中華人民共和國國務院.“十四五”數字經濟發展規劃[EB/OL].（2022-01-12）[2022-11-23]. www.gov.cn/zhengce/content/2022-01/12/content_5667817.htm.

[21] 何哲.五中全會，大數據戰略上升為國家戰略[EB/OL].（2015-11-08）[2022-12-01]. politics.people.com.cn/n/2015/1108/c1001-27790239.html.

[22] 中華人民共和國國家安全法[EB/OL].（2015-07-01）[2022-12-01].www.gov.cn/xinwen/2015-07/01/content_2888316.htm.

[23] 中華人民共和國網絡安全法[EB/OL].（2016-11-07）[2022-12-01].www.gov.cn/xinwen/2016-11/07/content_5129723.htm.

[24] 中共中央關于堅持和完善中國特色社會主義制度 推進國家治理體系和治理能力現代化若干重大問題的決定[EB/OL].（2019-11-05）[2022-12-01].www.gov.cn/zhengce/2019-11/05/content_5449023.htm.

[25] 中共中央 國務院關于構建更加完善的要素市場化配置體制機制的意見[EB/OL].（2020-04-09）[2022-12-01]. www.gov.cn/zhengce/2020-04/09/content_5500622.htm.

[26] 中華人民共和國數據安全法[EB/OL].（2021-06-11）[2022-12-01].www.gov.cn/xinwen/2021-06/11/content_5616919.htm.

[27] 中華人民共和國個人信息保護法[EB/OL].（2021-08-20）[2022-12-01].www.gov.cn/xinwen/2021-08/20/content_5632486.htm.

[28] 中華人民共和國國務院.“十四五”數字經濟發展規劃[EB/OL].（2022-01-12）[2022-12-01].www.gov.cn/zhengce/content/2022-01/12/content_5667817.htm.

[29] 中共中央 國務院關于加快建設全國統一大市場的意見[EB/OL].（2022-04-10）[2022-12-01].www.qstheory.cn/yaowen/2022-04/10/c_1128547604.htm.

[30] 習近平主持召開中央全面深化改革委員會第二十六次會議[EB/OL].（2022-06-22）[2022-12-01]. mp.weixin.qq.com/s/-3d9xEogfD-iYXnoH_hhlg.

[31] 王夙.加快培育數據要素市場[N].經濟日報，2020-04-16（5）.

[32] 田杰棠，劉露瑤.交易模式、權利界定與數據要素市場培育[J].改革，2020（7）：17-26.

[33] 劉旭然.加快培育發展數據要素市場[J].中國黨政干部論壇，2021（2）：71-74.

[34] 武漢大學大數據研究院.中國數據要素市場發展報告綜論[EB/OL].（2022-07-01）[2022-11-23]. finance.sina.com.cn/tech/roll/2022-11-11/doc-imqmmthc4098302.shtml.

[35] 武漢大學大數據研究院.中國數據要素市場發展報告綜論[EB/OL].（2022-07-01）[2022-11-23]. finance.sina.com.cn/tech/roll/2022-11-11/doc-imqmmthc4098302.shtml.

[36] 武漢大學大數據研究院.中國數據要素市場發展報告綜論[EB/OL].（2022-07-01）[2022-11-23]. finance.sina.com.cn/tech/roll/2022-11-11/doc-imqmmthc4098302.shtml.

[37] 武漢大學大數據研究院.中國數據要素市場發展報告綜論[EB/OL].（2022-07-01）[2022-11-23]. finance.sina.com.cn/tech/roll/2022-11-11/doc-imqmmthc4098302.shtml.

[38] 鄒傳偉.數據要素市場的組織形式和估值框架[J].大數據，2021，7（4）：28-36.

[39] 武漢大學大數據研究院.中國數據要素市場發展報告綜論[EB/OL].（2022-07-01）[2022-11-23]. finance.sina.com.cn/tech/roll/2022-11-11/doc-imqmmthc4098302.shtml.

[40] 武虹，李世欣，陳慶鵬，等.建設數據要素市場的核心問題及解決路徑探討[J].今日科苑，2022（8）：4-13.

[41] 楊琪，龔南寧.我國大數據交易的主要問題及建議[J].大數據，2015，1（2）：38-48.

[42] 中國信息通信研究院云計算與大數據研究所.數據資產管理實踐白皮書：5.0版[EB/OL].（2021-12-20）[2022-11-23].www.vzkoo.com/document/d3dee7984b3e9a76344a7ecf608aa29f.html.

[43] 國家標準化管理委員會.電子商務數據資產評估指標體系[EB/OL].（2019-06-04）[2022-11-23]. openstd.samr.gov.cn/bzgk/gb/newGbInfo?hcno=20775B4FD5BABBFE66E2C1CC0F6EEE0A.

[44] 阿里研究院.數據資產化之路：數據資產的估值與行業實踐[EB/OL].（2019-11-04）[2022-11-23]. www.cbdio.com/BigData/2019-11/04/content_6152582.htm.

[45] 中國信息通信研究院云計算與大數據研究所.數據資產管理實踐白皮書：5.0版[EB/OL].（2021-12-20）[2022-11-23].www.vzkoo.com/document/d3dee7984b3e9a76344a7ecf608aa29f.html.

[46] 林文聲，王志剛，王美陽.農地確權、要素配置與農業生產效率：基于中國勞動力動態調查的實證分析[J].中國農村經濟，2018（8）：64-82.