中国数据要素市场发展报告（2021-2022）

中国数据要素市场发展报告 （2021~2022） 2022年11月 中国数据要素市场发展报告 （2021~2022） 版权声明 本报告版权属国家工业信息安全发展研究中心、北京大学光华管理学院、苏州工业园区管理委员会、上海数据交易所所有，并受法律保护。转载、编撰或其他方式使用本报告文字或观点，应注明来源《中国数据要素市场发展报告 （2021-2022）》。违反上述声明者，将追究其相关法律责任。 报告编写组 主编单位： 国家工业信息安全发展研究中心北京大学光华管理学院 苏州工业园区管理委员会上海数据交易所 参编单位： 赛昇数智科技（苏州）有限公司中国电子信息产业集团有限公司北京国际大数据交易所 翼健（上海）信息科技有限公司深圳市洞见智慧科技有限公司北京瑞莱智慧科技有限公司 杭州锘崴信息科技有限公司 北京柏睿数据技术股份有限公司上海市社会信用促进中心 上海仲裁委员会 北京市盈科（深圳）律师事务所普华永道会计师事务所 德勤企业咨询（上海）有限公司中航工业产融控股股份有限公司中汽创智科技有限公司 北京金堤科技有限公司 爱奇清科（北京）信息科技有限公司深圳神策数据科技有限公司 北京卓讯科信技术有限公司 指导委员会： 何小龙周黎安倪乾潘瑜 参编人员： 刘巍杨玫仲为国张飞扬杨小波陈永财汤奇峰黄丽华刘硕杨柳孙璐王淼朱迪孙浩骐杨旭妍商溥雯何智文涂海银夏琦陈勇吏郑传峰王永超周易江黄云霞 前言 数据作为关键生产要素，其乘数效应的发挥离不开数据要素保有量的丰富程度、数据要素质量的精准度、数据要素市场的发展成熟度以及数据要素应用路径的清晰度。在国家促进要素市场化配置系列政策指导下，各地方政府及有关单位积极探索数据要素市场化配置改革，推进数据要素价值体系建立、数据要素市场规则构建等工作，在体制机制创新、关键技术突破、市场主体培育、产业生态集聚等方面取得了初步成效。 本报告围绕数据要素市场培育过程中，政府主管部门及 数据要素流通涉及主体各方面临的难点及问题，梳理了数据要素相关类别及其采集、存储、加工、流通、分析等环节的相关特性，从宏观经济增长、行业发展、企业绩效三个层面估算了数据要素的经济贡献度；基于数据要素市场化过程各相关主体交易及流通模式总结，建立了中国数据要素市场化指数模型，定量分析了各地区数据要素市场化发展程度；围绕数据要素流通体系的流通交易模式、服务创新模式、生态汇聚模式进行了总结梳理，并介绍了相关典型案例；最后，针对我国当前发展现状，提出未来数据要素市场的发展趋势和展望。 在本报告撰写过程中，国家工业信息安全发展研究中心 和北京大学光华管理学院通过专家访谈、企业调研、案头研究等方式开展数据要素市场相关研究，并对报告界定的相关 指数进行了测算和分析，上海数据交易所针对收集的典型案例，对数据要素服务创新模式进行了分类、分析和整理。报告撰写过程还得到了苏州工业园区管理委员会、国内部分大数据交易机构、产业相关企业等的大力支持，在此表示由衷的感谢！ 由于编者水平有限，本报告难免存在疏漏与不足，恳请各界同仁阅后批评指正，加强合作交流。 报告编写组 二〇二二年十一月 目录 一、数据要素市场发展理论框架1 （一）数据要素特征分析1 1.数据要素核心观点1 2.数据要素面临挑战3 （二）数据要素市场化与经济增长4 1.数据要素促进经济增长路径4 2.数据要素市场化本质4 二、数据要素市场发展现状7 （一）发展概况7 （二）政务数据要素市场9 （三）工业数据要素市场10 （四）互联网数据要素市场12 （五）医疗数据要素市场14 （六）金融数据要素市场16 （七）科学数据要素市场17 三、数据要素经济价值贡献度18 （一）数据要素宏观经济增长贡献程度18 （二）数据要素行业发展贡献程度23 （三）数据要素企业绩效贡献程度26 1.数据要素对企业经营过程的贡献27 2.数据要素对企业经营绩效的贡献29 四、中国数据要素市场化指数33 （一）数据要素市场化指数构建33 （二）数据要素市场化指数得分36 （三）数据要素市场化细分指标比较37 1.数据要素市场企业主体比较38 2.数据要素市场投资主体比较39 3.数据要素市场投资类型比较42 五、数据要素市场发展模式48 （一）数据要素流通交易模式48 1.数据交易机构交易模式48 2.产业数据上下游交易模式52 （二）数据要素服务创新模式54 1.数据合规评估54 2.数据资产评估56 3.数据交易撮合57 4.数据交付服务58 5.数据争议仲裁63 6.知识产权服务64 7.数据金融服务65 8.数据安全服务66 （三）数据要素生态汇聚模式67 六、数据要素市场发展趋势70 （一）技术和管理双轮驱动，数据交易流通环节更安全有序.70 （二）多源多领域数据融合，数据要素应用范围将逐步拓展.71 （三）交易模式创新规范化，数据要素市场化配置进程加速.73 （四）各类型主体协同发力，数据要素市场生态将日渐完善74 图目录 图1数据要素、数据要素市场化与经济增长理论关系图7 图22022年中国数据要素市场规模（单位：亿元）8 图3数据要素影响GDP增长原理图19 图4数据要素影响GDP增长估算步骤20 图5数据要素对GDP增长贡献图22 图6企业层数据要素价值创造分析框架27 图7大数据项目方向分布28 图8数据要素项目建设目标和数据来源（%）29 图9数据要素经济效益ROA比较（2020-2021）30 图10数字化投入占营收支出比重32 图11数字化投入动力与风险33 图12数据要素市场化指数构建框架35 图13数据要素相关企业全国分布情况38 图14数据要素市场投资事件与金额情况40 图15数据要素市场投资事件地区分布40 图16数据要素市场投资金额地区分布41 图17数据要素市场投资机构出手次数分布41 图18数据要素市场投资轮次分布42 图19数据要素直接应用投资情况43 图20数据要素直接应用区域投资情况43 图21数据要素直接应用领域投资细分赛道情况44 图22数据要素直接应用领域投资事件情况44 图23数据要素直接应用领域投资金额赛道分布情况45 图24数据要素赋能应用领域投资情况46 图25数据要素赋能应用领域区域投资情况46 图26数据要素赋能应用领域细分领域投资情况47 图27数据要素赋能应用领域细分领域赛道分布情况47 图28数据要素赋能应用领域细分领域投资金额赛道分布情况48 图29“场内交易、灵活交付”流程图49 图30数据合规评估推进思路55 图31“翼方健数”数据交付服务架构图60 图32“洞见科技”数据要素流通解决方案图61 图33“RealAI”数据交付服务架构图62 图34“锘崴科技”数据交付服务架构图63 图35“数据要素招商”生态汇聚思路69 图36国家工信安全中心基于数据解析体系的数据要素流通一体化 服务70 表目录 表1各行业数据要素化投入的产出弹性估算（2021年）25 表2数字化转型对上市公司企业行业层面回报的影响31 表3中国数据要素市场化指数指标体系35 表4“中国数据要素市场化指数”得分36 表5数据要素相关企业数量（2010-2021）39 一、数据要素市场发展理论框架 （一）数据要素特征分析 1.数据要素核心观点 2020年4月，中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》中正式把数据作为生产要素单独列出，并提出了促进数据要素市场化配置的改革方向。后面，又陆续在《国务院办公厅关于印发要素市场化配置综合改革试点总体方案的通知》《中共中央国务院关于加快建设全国统一大市场的意见》《“十四五”数字经济发展规划》《国务院办公厅关于印发全国一体化政务大数据体系建设指南的通知》等政策文件以及中央深改委第二十六次会议上，进一步提出要促进数据要素资源在更大范围内畅通流动，加快构建数据基础制度体系，推动我国数据要素市场健康有序发展，加快构建以数据为关键要素的数字经济。在国家工业信息安全发展研究中心（简称“国家工信安 全中心”）2021年发布的《中国数据要素市场发展报告 （2020~2021）》中，已就数据、数据资源、数据资产、数据要素、数据要素市场化等相关概念进行了界定1，并指出数据作为生产要素之一，具有劳动对象和生产工具双重属性，作为劳动对象，通过采集、加工、存储、流通、分析等环节，具备了价值和使用价值；其次，数据作为生产工具，通过融合应用能够提升生产效能，促进生产力发展。随着市场发展和课题研究的深入推进，我们将在报告中就数据要素的主要 1在2021年发布的《中国数据要素市场发展报告（2020-2021）》中认为，数据资源权属清晰之后即为数据资产，数据资产实际参与社会生产经营活动之后即为数据要素。 特点进行总结，为后续更好地进行数据要素定量分析奠定基础。 总体来看，数据要素有别于其他生产要素的特点主要有以下几个方面： 第一，虚拟使能。数据要素的本质是把物理空间的物质通过“０-1”编码形式呈现在虚拟空间，跨越时空限制，从而实现数字孪生后的数据虚拟化生产。通过引导各类主体强化数据驱动的生产要素配置能力，可以实现要素数据化，促进劳动力、资金、技术等要素在产业间、行业间、区域间的合理配置，提升全要素生产率，这是数据要素区别于其他生产要素的关键。 第二，无限收敛。数据要素具有可重新编程性和数据均 质性，这使得普及的数字技术能够将以往的分散需求、用户体验及生产流程数据等突破空间限制而收敛到集中的数字终端，智能终端技术又进一步使得单个智能终端足以汇聚以往需要成百上千的机器、设备或产品才能完成的工作。与此相比，土地和劳动力既不能循环无限使用，也无法突破物理空间而收敛于最优资源配置。 第三，智能即时性。算力和算法的发展是保证数据要素实现智能即时、产生规模报酬递增效应的重要基础。低成本的算力和高智能的算法可以实现对数据要素的即时处理、分析和反馈，进而动态响应智能决策、敏捷生产、以及多样化需求。 第四，泛在赋能性。随着各行业各领域数字化转型进程 的不断加快，数据要素渗透到生产生活的各个环节，打通生产、分配、流通、消费各环节，驱动管理机制、组织形态、生产方式、商业模式的深刻变革，为产业提质降本增效、政府治理体系和治理能力现代化广泛赋能。 2.数据要素面临挑战 基于以上特点，使得数据作为生产要素具备一定的优越性的同时，还可能带来一定的挑战。 首先，数据要素是一种准公共品，具有非竞争性和部分排他性。数据要素可以无成本地复制，因此一个使用者对数据要素的使用并不减少数据要素对其他使用者的供给。同一组数据可以同时被多个企业或个人使用，额外的使用者不会减少其他现存数据使用者的效用。但是，数据要素又存在副本无差异性，虽然使用效用可能不受影响，但是其交易价值大概率下降。同时，数据要素形成需要投入较高的固定成本，并和产权天然相联系，由此导致具有排他性，无法实现数据要素的规模报酬递增效果。 其次，数据要素发挥作用需要达到一定的规模经济性和 范围经济性。数据要素效率提升往往建立在具有整体层面的大数据之上，从而能够实现寻找全局最优解决方案，这就需要积攒尽可能多的数据，充分把握供给和需求端的数据，甚至形成一种独占性和负外部性。 再次，数据要素具有一定隐私负外部性。不同数据集的信息普遍存在相关性，一个企业的生产数据可能暴露其产业链上诸多合作者的商业机密甚至核心技术，一个消费者的个 人数据可能透露和该消费者有关联的其他消费者的信息。这种负外部性侵蚀企业竞争优势，并对个人形成一定的危险，从而削弱数据作为生产要素所能带来的生产力。 （二）数据要素市场化与经济增长 1.数据要素促进经济增长路径 虚拟使能、无限收敛和智能即时性等技术特点，使得数据要素在算法驱动下成为一种通用生产要素，一方面形成数据要素的过程需要其他生产要素的投入，例如，为实现数据的采集、处理、加工、分析和交易，经济主体需要投入巨大的固定成本来购买设备、开发软件、建立基础设施，这一资源投入的过程本身能促进经济增长；数据要素还可以直接参与生产、交换和分配过程，不断迭代，催生新的生产方