中移智库：基于数据价值实现视角的数据要素交易市场建设（2023）

基于数据价值实现视角的数据要素交易市场建设 （2023） 中国移动通信有限公司研究院2023年8月 目录 前言3 1.基于数据价值实现视角研究数据要素市场建设的意义4 1.1.有利于形成以数据价值实现为核心的数据定价机制4 1.2.有利于提升数据要素交易标的物类型及范围的覆盖度5 1.3.有利于提升数据要素交易主体数据产权归属的明晰度5 1.4.有利于明确数据要素交易主体及其收益分配关系6 2.基于数据价值实现视角的数据要素市场建设关键阶段及问题7 2.1.数据资源化阶段8 2.1.1.交易标的及交易模式8 2.1.2.数据资源化面临的问题10 2.1.2.1.数据资源持有者权利尚缺乏清晰的法律规制10 2.1.2.2.数据治理能力不强致使数据资源供给质量不高11 2.1.2.3.数据资源可信流通制度和基础设施不完善12 2.2.数据产品化阶段12 2.2.1.交易标的及交易模式12 2.2.2.数据产品化面临的问题13 2.2.2.1.尚未形成以价值为导向的数据产品价格机制14 2.2.2.2.数据产品描述不规范，识别发现机制不健全14 2.2.2.3.合规成本高，数据产品流通开放意愿不强15 3.基于数据价值实现视角的数据要素市场建设建议16 3.1.加大数据产权、数据流通合规相关政策供给16 3.1.1.完善数据产权法律法规，做好产权登记和保护16 3.1.2.统筹数据流通合规体系，减少企业合规成本17 3.2.加强数据质量、数据产品获取等技术服务17 3.2.1.加强数据资源质量管理17 3.2.2.形成便于检索的数据产品目录18 3.3.加强数据可信流通基础制度和设施建设18 3.3.1.构建数据要素市场可信流通基础制度体系18 3.3.2.打造数据要素市场可信流通基础设施19 4.未来展望：运营商在数据要素市场建设中发挥的作用20 4.1.发挥主力军作用，优化数据资源和数据产品供给20 4.2.发挥基础设施支撑作用，赋能数据要素高效合规流通21 4.3.发挥引领带动作用，繁荣数据要素产业生态建设22 参考文献24 前言 数据要素价值实现过程与数据要素市场建设紧密关联，影响着数据要素市场化构建与高质量发展。数据作为一项特殊的生产要素，需要在流通交易中释放价值，数据价值实现可由多个相互关联的环节共同组成。要保证数据要素市场化的顺利推进，需要综合分析数据价值实现的全过程从本源逐层进行解构，明确数据要素在各个环节的价值流转与变化、流通交易模式等，并明晰推动各环节数据价值充分释放的核心所在。 本报告基于数据要素价值实现视角，将原始数据形成数据资产的价值实现过程分解为数据资源化、数据产品化等关键阶段，分析各阶段数据交易标的物、交易模式以及价值实现面临的关键问题，并从政策供给、技术服务、基础制度及设施三方面针对数据要素市场建设提出相关建议。最后展望了运营商在数据要素市场建设中应发挥数据供给主力军作用、基础设施支撑作用、产业生态引领作用。 本报告的版权归中国移动所有，未经授权，任何单位或个人不得复制或拷贝本报告部分或全部内容。 1.基于数据价值实现视角研究数据要素市场建设的意义 数据价值实现过程是以原始数据作为输入，经过大量的整理、分析过程、叠加算法、算力等因素，产生新的数据集或业务洞察的完整过程，包括数据从生成到应用的一系列过程，具体分为数据生成、数据采集、数据汇聚、数据存储、数据分析、数据洞察、数据应用等多个环节，每个环节都会使数据增值，促进数据价值不断显性化。 数据价值实现过程与数据要素市场建设密不可分，需要在研究数据价值实现基础上，梳理分析、深入理解数据要素市场交易标的物、交易方式以及交易过程中涉及的确权、定价、收益分配和安全治理等制度体系。目前来看，基于数据价值实现视角来理解与构建数据要素交易市场具有以下几方面积极意义。 1.1.有利于形成以数据价值实现为核心的数据定价机制 原始数据价值较低，通过聚合、分析、应用，数据的价值持续增加。数据经过一系列价值创造过程，变成了一种价值可衡量的产品。通过对数据价值实现过程的分解，可以对数据价值实现各个环节进行估值，最终确定数据资源或数据产品的价值。数据要素价值是数据交易定价的基础，数据定 价机制不仅要考虑数据生产或者数据持有，更要考虑数据开发、利用等价值实现的多个环节，即整个数据价值实现过程。在数据流通交易实践中，基于价值实现的数据定价机制也是常见的定价思路，即明确数据价值实现过程中的各主体，对数据价值实现各主体的贡献进行分解，基于数据产品的使用效益，进而确定数据产品价格。 1.2.有利于提升数据要素交易标的物类型及范围的覆盖度 数据价值实现过程可分解成多个阶段，每个阶段又由多个子环节组成，每个子环节都有相应的输入与输出，形成不同的数据产品。这些数据产品类型各异，形态不同，包括：数据集（或称数据包）、数据算法模型、数据分析报告、数据服务等等，都可以作为数据要素市场交易标的物。如在数据采集、数据标注等环节中通过对原始的杂乱无序的数据进行采集、标注、整理后形成有序、具有使用价值的标准数据集对外交易。在研发数据产品时，企业结合客户需求和业务场景，对标准数据集叠加算法模型，形成有智力劳动参与的、有洞察的数据报告对外交易。因此，研究数据价值实现的过程就是发现数据交易不同类型标的物的过程。 1.3.有利于提升数据要素交易主体数据产权归属的明晰度基于数据流通视角的数据价值实现过程，包含了数据从 原始数据、数据资源、数据产品到数据资产的价值释放过程。“数据二十条”创造性地提出“建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制”，只有将数据价值实现过程中参与者及其构成的数据生产、流通、使用过程梳理清楚，才能更好地理解三权结构性分置的具体含义。与此同时，也只有在数据价值实现不同环节上考察不同主体数据赋权的关键节点，才能更好地进行数据交易过程中的确权保护。 1.4.有利于明确数据要素交易主体及其收益分配关系 数据价值实现过程中会涉及到众多利益相关者，它们不仅是数据价值的发现与创造者，同时也是利用数据或数据产品的收益者。这些利益相关者之间的关系错综复杂，为了打通数据价值实现环节，推动数据在组织内部的“内循环”向社会流通交易的“外循环”转变，需要从供给、中介和需求三个方面厘清这些主体之间的关系。通过对数据价值实现过程的解构，可以清晰界定数据价值实现环节各利益相关者及其贡献度，对数据变现形成的收益理应都享有分配权，为明确数据要素交易主体及其收益分配提供了支持。中科院院士姚期智团队发布的数据要素定价算法及要素收益分配平台，就是基于数据价值实现过程，结合技术手段对涉及的各主体和各价值实现环节进行贡献评估和收益分配。 2.基于数据价值实现视角的数据要素市场建设关键阶段及问题 数据价值实现过程一般可划分为三个阶段：资源化、资产化和资本化。数据资源化是提升数据质量、形成数据使用价值的过程。资产化是形成数据交换价值的过程，是实现数据价值的核心。资本化拓展了数据价值的途径，其本质是实现数据要素的市场化配置。本报告主要关注原始数据到数据资产的过程（暂不涉及数据资本化），具体包括数据资源化、数据产品化两个阶段（如下图1）。 图1从原始数据到数据资产的数据价值实现过程 数据资源化阶段：指将无序、混乱的原始数据开发为有序、有使用价值的数据资源的过程，包括数据采集、整合、加工处理等行为，最终形成可用、可信、标准的高质量数据资源。数据产品化阶段：指数据资源持有方通过自己组织或 有效授权给外部机构，以数据使用方需求为导向，形成可服务于内外部用户的、以数据为主要内容的数据产品。最终企业将符合条件的数据资源和数据产品拿到市场上流通交易，为企业带来持续的收益，实现数据价值。 在数据要素价值实现的不同阶段，数据产权归属、数据定价、收益分配和安全治理等维度都有着艰巨的建设任务。本报告针对数据要素市场建设主要围绕不同价值实现阶段数据交易标的、交易方式以及面临的关键问题展开讨论。（如图2） 图2数据价值实现不同阶段交易标的物、交易模式及问题 2.1.数据资源化阶段 2.1.1.交易标的及交易模式 数据资源化阶段是数据价值实现的首要阶段，在该阶段企业可交易的标的物主要是指与特定对象（个人、企业、设备等）强相关的，经过采集、清洗、脱敏脱密等粗加工处理后就进入流通交易环节的原始数据，如一手用户调研数据、 车辆违章信息、企业高管人员信息。该原始数据一般具备原始性、机读性与一定的数据质量。其中原始性指数据是没有经过智能加工形成具有特定含义或知识的信息，因此可以不断地与其他数据结合、匹配，从而产生新的计算价值；机读性指该数据具备计算机等智能设备自动读取的特定数据格式；数据质量指的是该数据必须满足一定的数据质量。原始性与可机读性只是数据成为生产要素的前提条件，而数据是否满足一定的质量要求，达到有序、可使用的程度，则是数据成为生产要素的实质条件。 企业作为原始数据初始拥有与控制者，可通过多种渠道获得：①通过自有的系统生成或搜集数据，形成自持的原始数据，如企业在生产经营过程中沉淀的数据、一手调研获得的数据；②通过数据所有方开放或授权运营获取的数据，如政府部门开放的公共数据；③通过数据交易市场采购获取原始数据，如通过数据交易平台购买的数据；④通过战略合作及投资并购等方式获取的数据。获取这些数据后，企业进行加工、整合和初步处理后可形成企业数据资源池，并可经过官方认定的权威部门登记形成企业数据资源登记目录。 在保证数据安全和隐私保护基础上，原始数据可采用数据集（或称数据包）、API接口、数据可用不可见等形式对外交易，创造数据要素初始价值。在数据资源化阶段可采取的交易模式包括直接交易数据模式，即数据供需双方直接就 交易内容进行约定与付款，如苹果、Meta、微软长期从Factual采购位置数据。数据交易平台模式即通过第三方交易平台进行数据供需撮合，如企查查提供的企业主要人员信息查询产品通过上海数据交易所对外销售，可广泛应用于金融、制造业、互联网等各个行业。资源互换模式即企业与企业间出于商业目的通过战略合作、投资并购等方式达成的数据使用权的交换，如京东2017年开始推出“京X计划”，相继与腾讯、今日头条、百度、网易、新浪等达成战略合作，双方在数据资源上实现共享互换、优势互补。再如阿里投资或并购高德、饿了么、优酷等企业，以不断扩充用户位置、生活服务、娱乐数据。 2.1.2.数据资源化面临的问题 在数据资源化阶段，数据尚未体现出完整的场景应用价值，影响数据价值充分实现的主要因素是涵盖原始数据采集、整理等方面的成本因素和数据质量因素。该阶段数据要素市场建设的主要关注点是如何扩大数据资源供给，其面临的问题有： 2.1.2.1.数据资源持有者权利尚缺乏清晰的法律规制 数据权属问题是数据价值实现过程中的关键问题，数据资源持有者权更是数据要素市场各项权益的起点。数据二十条暂时搁置数据所有权的争议，提出三权分置的产权运行机 制，但仍缺乏清晰细致的分类分级产权细则，数据资源持有者权并未在法律和规制上给出有效的界定和解决办法。如在数据资源化阶段，数据资源获取渠道包括：自有数据、开放或授权运营获取的数据、交易市场采购的数据、投资并购数据。这些不同来源的数据涉及多主体的多层面问题，亟需制定更为明确的数据资源持有权规则以界定不同主体对于数据资源的权利界限。此外，保护数据资源持有者合法权益相关规章制度有待完善。一些采用非法手段获取数据资源并给数据资源持有者造成某种损害的，并未依法承担相应的法律后果，包括民事责任、行政责任及刑事责任。关于如何禁止或者限制数据持有者垄断数据资源，尤其是持有数据资源的平台型企业，尚缺乏明确的规则标准。 2.1.2.2.数据治理能力不强致使数据资源供给质量不高 数据质量的良好管理是优化数据要素流通环境、完善数据流通交易等市场化环节的基础。数据质量不高不仅会严重影响数据资产的价值评估，也会推高数据资产的流通交易成本。目前多数企业在数据生产过程中，脏数据、假数据规模较大，存在数据标准不