李三希 中国公民大学经济学院教授、数字经济研究中央主任、中国宏不雅观经济论坛（CMF）紧张成员
本文转载自6月14日人大国发院微信"大众年夜众号。
本笔墨数：3377字
阅读韶光：11分钟
中国数据要素市场在政策推动下迅速发展，但面临技能根本举动步伐不敷、市场交易不生动等寻衅。从支撑层、代价层和政策层三个维度来看，数据供给侧的合规本钱高、需求侧的数字化转型缓慢、供需匹配的“有数无市”和“有市无数”问题，以及数据定价机制不完善等关键问题有待办理。为此，必须找出破解市场与政策失落灵的策略，包括理解数据作为生产要素的代价、探求高效流利模式、保护数据投资勉励，并强调技能和创新体系的主要性。同时，建议政府在市场失落灵时进行补充和勾引，构建市场参与者勉励机制，优化数据交易模式，勾引社会成本投入，并发展数据交易平台，完善市场生态培植。此外还应该探索差异化定价策略，以促进数据要素市场的康健发展。
一、中国数据要素市场：政策引领与市场活力的双重驱动
政策方面，数据是数字经济时期最为主要的生产要素之一，我国出台多项政策文件，高度重视造就数据要素市场。2020年数据被定义为第五大生产要素；2022年由国家发改委牵头制订了“数据二十条”；今年上半年由国家数据局牵头颁布了《“数据要素×”三年行动操持（2024—2026年）》；组织机构方面，我国成立了国家数据局，各个地方也纷纭成立相应的数据管理机构和数据交易所。自2014年以来，全国各地陆续建立了几十个数据交易机构，拉开了我国数据要素市场培植的序幕；市场方面，中国数据要素流利市场生动度显著提升，总体规模不断扩大，估量2024年总值可达到1592亿元。除了政府推动的数据交易所，互联网平台企业旗下的子平台等数据交易平台所供应的数据平台做事范围亦较广，并取得了一定市场成效。
目前，数据要素流利交易的紧张模式紧张有以下三种：一是企业间直接交易数据。数据的供给方和需求方通过早期互动、供需匹配沟通，末了签订合约和如约来完成数据交易；二是数据交易平台撮合。例如，北数所供应四个环节的做事完成交易，而且除撮合数据交易外还供应了其他衍生做事；三是供应API接口进行数据做事。一方面，数据供给方可以直接给数据需求方开放API接口，另一方面也可以通过数据中介将数据的供需双方拉到自己的网络中，向他们供应相应做事和API接口。
二、数据要素市场的寻衅：支撑、代价与政策的三层视角剖析框架
可将数据要素市场分为三个层级进行剖析，分别为支撑层、代价层、政策层。支撑层是数据要素的根本举动步伐及技能支撑，代价层包括数据供应商、数据交易机构和剖析运用方，政策层是指构建统一数据标准、推动公共数据开放、勉励市场主体数据共享、科学界天命据产权等。
（一）支撑层
从理论上讲，区块链、隐私打算、多方安全打算等技能可以运用于数据要素流利交易业务中。然而，实践中根本举动步伐和技能环境都离国家的计策目标、数据要素流利实践的需求、场内市场和场外市场流利环境培植的需求之间存在相称大的差距。
（二）代价层
代价层的场内交易市场相称不生动，又可分为三个方面的问题：
第一，中国数据供给侧问题：（1）合规本钱过高。数据供给方面在应对严格完善的合规性评估的过程中，经济压力大。（2）个人数据开拓利用本钱较高。一是个人授权本钱较高，群体个人数据授权难度较大；二是个人数据匿名化无清晰标准；三是个人尚未在其个人数据共享中获取收益导致共享数据动力不敷。（3）科研类数据共享程度不敷。“科研数据盘据”征象严重。（4）公共数据开拓勉励不敷。目前政府和奇迹单位未明确向公共数据授权运营单位收取用度的收费项目和收费标准。
第二，中国数据需求侧问题：（1）部分企业数字化转型进程缓慢，对付数据代价的认识与挖掘不足深入，未能充分利用数据驱动业务决策和创新。广大中小企业面临“三不”问题，即数字化转型不能转、不愿意转、不敢转，这阻挡了其转型；（2）企业虽然拥有大量数据，但缺少相应的数据剖析技能和实力，数据无法转化为实际的业务代价，仅有少部分数据得到开拓利用或没有开拓利用的企业大于80%；（3）很多公共数字化运用处景尚未对市场充分开放，也进一步限定了数据需求方动能的增长。
第三，中国数据供需匹配问题：（1）“有数无市”和“有市无数”问题。“有数无市”是指产生大量的数据但没有市场，有些数据被严格限定利用且数据的标准化程度低，缺少成熟的市场环境来进行交易；“有市无数”是指数据供应商短缺个性化定制模式，数据供应商供应的数据做事无法知足个性化的需求。（2）数据要素价格创造机制不完善。一是公共数据授权运营单位向社会做事的公共数据定价机制不健全；二是企业数据价格形成机制不健全。（3）高度的信息不对称。买卖双方在价格会谈、数据合规、数据交易中的安全风险等问题上存在着巨大的信息不对称。
（三）政策层
在政策层面，相应制度与法规仍旧不完善。制度与法律法规层面存在四个主要问题：（1）数据确权等权属分置问题。一是数据分级分类问题尚未办理；二是数据所有权难以归于单方主体；三是法律确权探索奏效甚微。（2）数据安全合规本钱问题。数据交易过程中面临的合规安全等风险本钱，导致买卖双方的参与意愿不高，数据市场流动性不足。（3）数据要素流利市场培植的干系制度不健全。一是数据交易平台缺少标准，数据标准化程度低，同时数据交易登记结算体系尚不完备；二是没有明确数据交易监管机构；三是没有针对数据交易和运用的专门性法律法规。（4）数据垄断判断标准问题。关于是否存在数据垄断，以及如何判断等问题都仍存在争议。
三、数据问题的成因：市场失落灵和政策失落灵
数据问题的成因紧张包括以下两个方面：一是市场失落灵，二是政策失落灵。
第一，市场失落灵。一是信息不对称；二是负外部性，数据流利过程中可能会带来隐私透露等数据安全问题；三是垄断问题；四是折衷失落灵，家当链上的各企业以及单个集团公司内部的不同部门之间都可能存在折衷失落灵问题。
第二，政策失落灵。一是数据交易所重复培植；二是面临发展与安全的二元政策抵牾；三是政策不明确和不稳定，企业因政策不愿定性而缺少活力；四是公共数据缺少数据共享勉励机制。
四、破题思路与政策建议
针对以上两点紧张缘故原由，应对问题的基本思路如下：（1）理解数据作为生产要素的代价。数据生产要素的代价在于产生提质降本增效和促进创新的经济效益，核心在于开拓和利用数据。数据根本制度设计要有利于数据的充分开拓利用，而不是要最大化数据交易量和交易额。而且，要谨严对待数据作为一种资产的入表、抵押和融资。（2）探求数据要素的高效流利模式，兼顾交易和交互两大主线。其一，考试测验多层次的交易模式。首先要造就专业的数据要素市场参与主体，其次要借鉴海内实践的成功履历，末了还要积极供应质量评估等配套做事，推动数据溯源和可信交易。其二，重视数据交互在数据要素流利中的主要浸染。数据交互指通过与各方共享数据来支撑业务打通和创造新代价，各方共享业务发展带来的红利。（3）有效保护数据投资勉励。数据并非共享范围越广越好，虽然数据的非竞争性意味着从事后角度来看数据分享越多越好，但这也可能会降落针对数据的投资勉励。以是，须要核阅用于判断数据共享是否不敷的标准，以合理的共享程度为目标有助于提升社会福利。（4）节制数据流利利用的关键。数据的代价取决于做事能力，现阶段运用数据的能力更为主要。在面临拥有海量数据的阿里、京东和腾讯微视的竞争下，拼多多和字节跳动成功崛起。ChatGPT大模型在美国崛起，也是技能和经济环境等多种成分的共同浸染。比起纯挚的数据量，技能和有利于创新的体系、制度和经济环境更加主要。
在以上剖析的根本上，提出如下建议：
第一，明确有效市场是数据要素市场发展的根本，政府的浸染则是在市场失落灵时进行补充和勾引，政策制订须要且应该遵照市场规律和原则。一是构建合理的市场参与者勉励机制；二是优化数据流利交易模式，尤其是重视数据交互的流利办法；三是勾引社会成本投入，数据交易平台包括一些公共数字化的运用处景都可以对市场放开。除此之外，政府可以加强技能研发与人才培养，建立健全数据安全保障与合规交易机制。
第二，以发展数据交易平台为抓手，进一步完善数据要素市场生态培植。数据交易平台应该树立好综合做事商的定位，发挥自身中介代价，通过培植互信机制，连接数据家当链各个环节，形成数据产出、交易闭环。
第三，探索更加完善的数据要素定价与收益分配体系。应综合各种定价方法，采取分类的差异化定价，只管即便拓宽数据交易的利用场景，并据此作为定价根本。
末了，针对数据的来源与用场，本文提出2×2矩阵的定价思路，将数据来源划分成公共数据和企业数据，将用场划分成商业用场和公益用场，不同来源和用场的数据采纳不同定价办法。与此同时，数据交易平台也要不断探索数据交易定价的规则方法，发挥数据市场价格创造的浸染。
