数据价值化与数据要素市场发展报告（2021年）.pdf

数据价值化与数据要素市场数据价值化与数据要素市场发展报告发展报告（2021 年）年）中国信息通信研究院政策与经济研究所中国信息通信研究院政策与经济研究所2022021 1 年年 5 5 月月前言前言习近平总书记指出，要“发挥数据的基础资源作用和创新引擎作用”，党的十九届四中全会首次明确数据可作为生产要素按贡献参与分配，关于新时代加快完善社会主义市场经济体制的意见首次将数据与技术、人才、土地、资本等要素一起纳入改革范畴，关于构建更加完善的要素市场化配置体制机制的意见、十九届五中全会等历次重要会议、文件都将数据要素作为重要内容，为加快数据要素市场发展提供了根本遵循、确定了目标、指明了方向。历史经验表明，每一次经济形态的重大变革，必然催生也必须依赖新的生产要素。如同农业经济时代以劳动力和土地、工业经济时代以资本和技术为新的生产要素一样，数字经济时代，数据成为新的关键生产要素。由网络所承载的数据、由数据所萃取的信息、由信息所升华的知识，正在成为企业经营决策的新驱动、商品服务贸易的新内容、社会全面治理的新手段，带来了新的价值增值。加快推进数据价值化、发展数据要素市场是数字经济的关键。数据价值化与数据要素市场发展报告建立了数据价值化的“三化”框架，即数据资源化、数据资产化、数据资本化。全球数据的井喷式生产为数据资源化奠定了基础，本报告重点分析数据资源化中的产业发展规律，其中，数据采集、数据标注有望成为撬动产业规模发展的新引擎。数据资产化是数据通过市场流通交易给使用者或所有者带来经济利益的过程，目前全球对数据权属的确定、数据资产的定价均有一定的探索，数据交易初具规模。以金融衍生产品理论为研究支撑，重点探讨数据资本化中的数据信贷融资及数据证券化，拥有多样化金融工具的数据证券化发展前景广阔。数据资产化是数据要素市场发展的关键与核心。目前，数据要素市场正在形成包含数据交易主体、数据交易手段、数据交易中介、数据交易监管的“四位一体”发展格局，但仍面临数据确权、数据定价等难点。报告从经济学视角出发，提出数据确权及定价的可操作模型，在数据确权的“三分原则”基础上建立了数据确权路径图，基于数据要素特征基础上，建立了从不完全市场到成熟市场数据定价模型。针对数据价值化与数据要素市场发展过程中的关键问题、重难点问题，本报告提出解决方案。为推动数据要素流转，深化数据价值，做大做强数字经济提出政策建议。目录目录一、数据价值化与数据要素市场的概念内涵.1（一）数据价值化概念内涵.1（二）数据要素市场概念内涵.2二、数据价值化的现状和进展.3（一）数据资源化方兴未艾.3（二）数据资产化加速推进.11（三）数据资本化点状探索.19三、加快数据要素市场建设.21（一）“四位一体”的数据要素市场格局.21（二）数据确权“三分原则”及路径实施.29（三）成熟数据要素市场的“四因素定价模型”.38四、数据价值化与数据要素市场发展建议.41（一）完善数据要素资源体系.41（二）构建数据要素市场体系.42（三）壮大数据要素应用体系.44（四）建成数据要素安全体系.45图 目 录图 目 录图 1数据资源化框架图.4图 2全球每年产生数据量及增速图.5图 3头部数据标注企业概况图.9图 4数据标注头部企业基地/工厂区域分布.11图 5基于区块链技术的数据交易流通体系.24图 6数据权利束.31图 7数据确权路径图.38表 目 录表 目 录表 1国内外部分数据交易平台/交易所的定价策略.17表 220172019 年全球最大的五个数据市场.18表 3数据需求主体及类型.22表 4国内数据交易中心.26表 5省市级大数据管理局.28表 6部分大数据交易所数据交易规则.29表 7分类分级数据产权内容.36数据价值化与数据要素市场发展报告（2021 年）1一、数据价值化与数据要素市场的概念内涵我们认为：数据是对客观事物（如事实、事件、事物、过程或思想）的数字化记录或描述，是无序的、未经加工处理的原始素材。数据可以是连续的值，比如声音、图像，也可以是离散的，如符号、文字。数据资源是能够参与社会生产经营活动、可以为使用者或所有者带来经济效益、以电子方式记录的数据。区别数据与数据资源的依据主要在于数据是否具有使用价值。数据要素是参与到社会生产经营活动、为使用者或所有者带来经济效益、以电子方式记录的数据资源。区别数据资源与数据要素的依据主要在于其是否产生了经济效益。（一）数据价值化概念内涵（一）数据价值化概念内涵数据价值化是指以数据资源化为起点，经历数据资产化、数据资本化阶段，实现数据价值化的经济过程。数据价值化重构生产要素体系，是数字经济发展的基础。生产要素是经济社会生产经营所需的各种资源。农业经济下，农业技术、劳动力、土地构成生产要素组合；工业经济下，工业技术、资本、劳动力、土地构成生产要素组合；数字经济下，数字技术、数据、资本、劳动力、土地构成生产要素组合。数据作为数字经济全新的、关键的生产要素，贯穿于数字经济发展的全部流程，与其他生产要素不断组合迭代，加速交叉融合，引发生产要素多领域、多维度、系统性、革命性群体突破。一方面，价值化的数据要素将推动技术、资本、劳动力、土地等传统生产要素发生深刻变革与优化重组，赋予数字经济强大发展动力。数据要素与传统生产数据价值化与数据要素市场发展报告（2021 年）2要素相结合，催生出人工智能等“新技术”、金融科技等“新资本”、智能机器人等“新劳动力”、数字孪生等“新土地”，生产要素的新组合、新形态将为推动数字经济发展不断发挥放大、叠加、倍增效应。另一方面，数据价值化直接驱动传统产业向数字化、网络化、智能化方向转型升级。数据要素与传统产业广泛深度融合，乘数倍增效应凸显，对经济发展展现出巨大价值和潜能。数据资源化是使无序、混乱的原始数据成为有序、有使用价值的数据资源。数据资源化阶段包括通过数据采集、整理、聚合、分析等，形成可采、可见、标准、互通、可信的高质量数据资源。数据资源化是激发数据价值的基础，其本质是提升数据质量、形成数据使用价值的过程。数据资产化是数据通过流通交易给使用者或所有者带来经济利益的过程。数据资产化是实现数据价值的核心，其本质是形成数据交换价值，初步实现数据价值的过程。数据资本化主要包括两种方式，数据信贷融资与数据证券化。数据信贷融资是用数据资产作为信用担保获得融通资金的一种方式，如数据质押融资。数据证券化是以数据资产未来所产生的现金流为偿付支持，通过结构化设计进行信用增级，发行可出售流通的权利凭证，获得融资的过程，数据证券化方式较为多样，包括 IPO、重组并购、D-ABS（即数据资产证券化）、D-ABN（即数据资产支持票据）等。数据资本化是拓展数据价值的途径，其本质是实现数据要素的社会化配置。（二）数据要素市场概念内涵（二）数据要素市场概念内涵数据价值化与数据要素市场发展报告（2021 年）3数据要素市场是数据要素在交换或流通过程中形成的市场。要素是指构成事物的必要因素或系统的组成部分，生产要素是生产系统的组成部分，是维持企业生产经营活动所必须具备的基本因素，市场则包含两种含义，其一是交易场所，其二为交易行为的总称。数据要素市场既包括数据价值化过程中的交易关系或买卖关系，也包括这些数据交易的场所或领域。完善数据要素市场是建设统一开放、竞争有序市场体系的重要部分，是坚持和完善社会主义基本经济制度、加快完善社会主义市场经济体制的重要内容。深化数据要素市场化配置改革，促进数据要素自主有序流动，破除阻碍数据要素自由流动的体制机制障碍，推动数据要素配置依据市场规则、市场价格、市场竞争实现效益最大化和效率最优化，有利于进一步激发市场创造力和活力，贯彻新发展理念，最终形成数据要素价格市场决定、数据流动自主有序、数据资源配置高效公平的数据要素市场，推动数字经济发展质量变革、效率变革、动力变革。二、数据价值化的现状和进展（一）数据资源化方兴未艾（一）数据资源化方兴未艾数据资源化是数据价值化的首要阶段，包括数据采集、数据整理、数据聚合、数据分析等。数据采集是根据需要收集数据的过程，数据整理包括数据标注、清洗、脱敏、脱密、标准化、质量监控等，数据聚合包括数据传输、数据存储、数据集成汇聚等，数据分析是为各种决策提供支撑而对数据加以详细研究和概括总结的过程。数据价值化与数据要素市场发展报告（2021 年）4资料来源：中国信息通信研究院图 1 数据资源化框架图全球蕴含海量数据资源。根据国际数据公司（IDC）发布的数据时代 2025 显示，2025 年全球每年产生的数据将从 2018 年的 33ZB（1ZB=10 万亿亿字节）增长到 175ZB，相当于每天产生 491EB（1EB=1.1529e+18 字节）的数据。新一代信息技术的迅速发展与普及、全球数据的“井喷式”生产、数据收集存储和处理成本的大幅下降、机器计算能力的大幅提高，为数据资源化奠定了基础。数据价值化与数据要素市场发展报告（2021 年）5数据来源：IDC、Seagate、Statista estimates图 2 全球每年产生数据量及增速图全球已初步形成较为完整的数据资源供应链，数据采集、数据标注、时序数据库管理、数据存储、商业智能处理、数据挖掘和分析、数据交换等技术领域迅速成长发展。全球看，即使欧美日韩等发达国家，仍处于数据资源化的初级阶段。目前，我国已在数据采集、数据标注环节初步形成了产业体系，数据管理和数据应用能力不断提升。1.数据采集产业现状数据采集是数据资源化的首要环节，是数据标注、数据清洗、数据存储、数据分析等的基础。数据采集行业产品应用广泛，如电子商务行业通过对商品类别、名称、价格等信息进行数据采集和分析，构建商品比价系统，金融行业通过收集用户的个人交易数据，对用户的征信和贷款进行评级等。数据采集行业主体主要包括采集设备提供商、数据采集解决方案提供商两类。数据价值化与数据要素市场发展报告（2021 年）6数据采集设备提供商为数据采集提供传感器、采集器等专用采集设备和智能设备。如工业数据采集通过智能装备本身或加装传感器方式采集生产现场数据，包括设备（如机床、机器人）数据、产品（如原材料、在制品、成品）数据、过程（如工艺、质量等）数据、环境（如温度、湿度等）数据、作业数据（现场工人操作数据，如单次操作时间）等，采集的数据用于工业现场生产过程的可视化和持续优化，实现智能化的决策与控制。数据采集解决方案提供商通过人工采集服务、系统日志采集系统、网络数据采集系统等方式为客户提供解决方案。人工采集对象主要包括语音数据、图像数据、视频数据等。语音采集通过采集不同人群的普通话、方言、英文和小语种等各类语音音频，可应用于智能家居、智能设备、智能客服、智慧门店等场景落地。图像采集通过人工拍摄包括人像、商品、汽车、风景等各类真实生活中的图像，助力图像识别模型的训练，可应用于智慧零售、智能设备等场景。视频采集通过人工拍摄指定的物体、人脸、安防等场景的视频，满足多角度、多光线、多场景的多样化采集要求，可在智能安防、智能设备、智慧金融等视觉场景落地。以百度众测为例，其拥有 1 万名专职外场数据采集员，覆盖 40 多个国家和地区，遍布全国 300+城市，通过其众包平台向数据采集员分配任务，短期内满足客户采集需求。系统日志是记录系统中硬件、软件和系统问题的信息，同时还可以监视系统中发生的事件，用户通过分析系统日志来检查错误发生的数据价值化与数据要素市场发展报告（2021 年）7原因或者寻找设备受到攻击时攻击者所留下的痕迹。互联网公司每天都会产生大量的日志，这些日志一般为流型数据，比如搜索引擎的页面浏览量、查询量，数据量非常庞大。通过进行比对分析和数据挖掘，能够帮助企业更精准的了解用户情况，了解设备的运行情况及安全状态，能够帮助企业提高对用户的服务能力，进而提升营销策略，实现智能运维和统一管控。网络数据采集包括通过网络爬虫等方式获取数据，对象主要是各类网站，包括新闻类、社交类、购物类以及相应的一些 API、用户接口和一些流型数据。网站 Website、API、流型数据是目前网络爬虫主要爬取的三大类对象，其中Website网站数据是网络爬虫的首要对象。2.数据标注产业现状根据美国领先的调查机构Grand View Research的一项最新报告，全球（包括美国英国中国等十国）数据标注工具市场规模在 2019 年的收入为 3.9 亿美元，预计 2020 年至 2027 年复合年均增长率将达26.9%。目前全球已有比较成熟的数据标注企业，如 Appen、iMerit、Infolks，数据标注众包平台如 Playment、Scale AI、Clickworker。现有数据标注以人工标注为主，属于劳动密集型产业，考虑到用工成本，除隐私数据外，欧美国家一般将标注工作转移至第三世界国家，马来西亚、泰国、印度等国家都有欧美数据标注企业分公司。随着机器学习不断完善，自动标注成为大趋势，Google、Microsoft 等互联网公司相继推出了自动标注系统，利用计算机来完成对部分数据的标注。数据标注市场的头部企业通过合作打造新的战略伙伴关系，扩大市场份数据价值化与数据要素市场发展报告（2021 年）8额，如 Playment 和 Scale AI 两家提供商合作，为全球高分辨率 LiDAR传感器制造商 Data 联合开发了高级深度学习标注工具。中国企业在2005年以后逐步涉足标注产业，尤其是2010年以后，随着人工智能巨头的崛起，数据标注和采集需求激增，数据标注市场逐渐形成，其提供的数据标注服务中，文本标注较为基础，多以语音标注、计算机视觉标注为主。从运营模式来看，数据标注企业通过三类模式提供标注服务。众包模式通过搭建众包平台，汇聚数据标注兼职人员力量，成为数据需求方和兼职数据标注员的中介。众包模式有利于节省企业运营成本，但公司对兼职人员管理较为困难，质量难以把控，现有发展较好的众包企业有蚂蚁众包、阿里众包等。自建模式通过自建标注工厂或基地，提供数据标注服务。自建模式有稳定的数据标注员，可以保障专业性和数据质量。但该类数据标注公司大都规模较小，业务承载能力有限，且在项目断档情况下成本压力较大，市场上具有一定规模的专业数据标注公司有 Testin 云测、倍赛、梦动科技、标贝科技等。组合模式将众包模式与自建模式相结合。一方面是互联网公司加入数据标注市场，由于其资本雄厚、自身数据需求强、用户基数大，可凭借自建的标注基地、科学的众包任务分发模式、智能化的数据采集与标注工具，实现规模效应和高效作业。如，百度在山西建立人工智能基础数据产业基地，百度众测推出数据标注开放平台；京东在山东设京东众智大数据标注助残基地，推出 Wise 开放标注平台。另一方面，随专注数据运营的企业规模扩大，可根据项目大小和客户保密要求灵活部署，将数据价值化与数据要素市场发展报告（2021 年）9众包和自建模式相结合。如，数据堂成立了合肥数据基地、保定数据基地，运营数加加众包平台；龙猫数据在河南、安徽等十二省建立数据标注基地，运营龙猫众包平台。资料来源：中国信息通信研究院图 3 头部数据标注企业概况图从垂直市场来看，数据标注市场可大致分成智能驾驶、智慧家居、医疗卫生、金融服务、新零售、安防和其他领域。近年来，智能驾驶、智慧家居发展迅速，尤其是医疗卫生行业对数据标注的需求显著增长。目前，人工智能技术正被广泛应用于药物开发、基因测序、治疗预测和诊断自动化等领域。数据标注有助于获得支持人工智能技术发展的准确数据，其质量直接影响人工智能应用中算法的准确性和有效性，有望推动医疗卫生行业的智能化发展，同时也意味着未来数据标注市场的门槛会逐步提高，数据标注将由简单标注到复杂标注升级。数据价值化与数据要素市场发展报告（2021 年）10从区域分布来看，数据标注已形成以北京为增长极辐射带动三大产业增长带的区域格局。现有的数据标注头部企业有 75%总部设在北京，主导了数据标注产业的发展，成为行业增长极，通过技术和业务联系，数据标注产业形成了 T 字市场结构，产生了三个增长带：环京产业群、环长三角产业群、环成渝产业群。三大产业带发展，又支撑促进增长极中企业的不断壮大，继而发挥示范效应和扩散效应，吸引初创企业纷纷学习、效仿，从而形成一个螺旋上升的循环累积过程。目前，数据标注产业以人工标注为主，企业在华东、华南、华西的一线城市成立分部，管理周边数据标注业务，其标注基地/工厂大都建立在劳动力资源密集省市的小城镇和农村，为当地提供大量就业机会，孵化出新疆和田、河南平顶山、信阳光山县，山东菏泽鄄城县，河北涞源县东团堡乡，贵州百鸟河镇等数据标注村。未来，在垂直市场需求不断精细化趋势下，数据标注产业将催生处更加专业化集聚化的产业集群，数据标注质量和精度也会越来越高。数据价值化与数据要素市场发展报告（2021 年）11资料来源：天眼查、数据标注企业官网图 4 数据标注头部企业基地/工厂区域分布（二）数据资产化加速推进（二）数据资产化加速推进数据资源化使种类丰富且内容庞杂的数据拥有了使用价值，发展潜力十分巨大。数据资产化，使具有使用价值的数据成为一种资产，在市场上进行流通交易，给拥有者或使用者带来经济利益。数据资产化是构建数据要素市场的关键与核心，包括数据权属的确定、数据资产的定价、数据的交易流通。1.全球数据权属探索现状针对数据确权，全球各国在法律制度上进行了不同探索。欧盟最早进行体系性构建，通过一般数据保护条例（GDPR）和非个人数据在欧盟境内自由流动框架条例，确立了“个人数据”和“非个人数据”的二元架构。针对任何已识别或可识别的自然人相关的个人数据价值化与数据要素市场发展报告（2021 年）12数据，其权利归属于该自然人，其享有包括知情同意权、修改权、删除权、拒绝和限制处理权、遗忘权、可携权等一系列广泛且绝对的权利。针对个人数据以外的非个人数据，企业享有数据生产者权，不过其权利并非是绝对的。美国依托现有制度，加大对数据隐私的保护。美国并无针对数据的综合立法，而是将个人数据置于传统隐私权的架构下，利用“信息隐私权”来化解互联网对私人信息的威胁。同时通过公平信用报告法、财务隐私法、有线通信信息法、健康保险携带和责任法等法律，在金融、医疗、通信等领域制定行业隐私法，辅以包括网络隐私认证、建议性行业指引等行业自律机制，形成了“部门立法+行业自律”的体制。日本严格界定数据保护范围，并不主张对数据本身另行设定新的排他性私权。经过学界、产业界以及政府部门的多方探讨，目前日本对数据权属问题的处理规则已经比较明确。概括来说，对数据权属以自由流通为原则，特殊保护为例外。即，以构建开放型数据流通体系为目标，不突破现有法律规定和法解释，不对数据另行设置私权限制，以尊重数据交易契约自由为原则，促进数据自由流通。俄罗斯规定的数据主体的权利与其他国家落脚点不同，多相对于处理人而言。所谓处理人，是指独立或与其他单位合作而处理个人数据，并能确定个人数据的处理的目的、范围的国家机关、主管机关、法人或个人。数据主体的权利包括知情权；更正、中止、删除权；可携带权；防止自动化决策权、被遗忘权和诉权等。数据价值化与数据要素市场发展报告（2021 年）13印度2018 年个人数据保护法案（草案）将数据视为“信托”问题，将每一个决定处理个人数据目的和方法的实体定义为“数据受托人”，并要求其承担主要责任。数据受托人是指单独或者与其他人一起决定处理个人数据之目的和方式的任何人，包括邦、公司、法律实体或个人。国内看，中央及地方积极探索数据确权，部分地区出台相关文件，建立相关平台，筹划数据确权发展。但整体来看，数据确权尚处于起步阶段。广东省率先发布较为详细的数权政策文件。以深圳为代表发布深圳经济特区数据条例，提出探索完善数据产权，着力解决数据要素产权配置问题。创设数据权，明确数据权的财产权属性与数据权的内容，明晰个人数据权属、公共数据权属。广州在广州市加快打造数字经济创新引领型城市若干措施 要求重点在数据确权先行先试，全面开展对数据确权相关法律法规的预研，开展数据确权流通沙盒实验，形成一批实验性成果。各地也积极进行了数据确权的实践探索。2019 年 9 月工信部开通了我国首家数据确权平台“人民数据资产服务平台”，主要是对数据的合法合规性进行审核，对数据生产加工服务主体、数据流通过程、数据流通应用规则的一系列审核及登记认证。北京筹建北京国际大数据交易所，要求建立以信息充分披露为基础的数据登记平台，明晰数据权利取得方式及权利范围，建立数据确权工作机制，提供包括数据产品所有权交易、使用权交易、收益权交易在内的数据产品交易服务。数据价值化与数据要素市场发展报告（2021 年）14河南省新乡市试点上线数据要素确权与可信流通平台（河南根中心），发出全国首张数据要素登记证书，新乡实施数据要素确权与可信流通平台项目，建立了数权科技研发团队，首创了数据资源规范确权算法等核心技术，基于区块链分布式共识明确了数据要素的拥有权与控制权。贵州省支持建设基于区块链的数字资产交易所，探索数据确权新模式，明确由贵州省大数据局和贵阳市政府作为责任单位，利用贵阳大数据交易所数据交易平台基础，实施“基于区块链的数据资产交易平台”项目。浙江大数据交易中心发布大数据确权平台，通过采用开源大数据分布式计算框架和数据可用但不可见的混淆加密算法对数据确权认证。2.不完全市场下的数据定价策略数据资产无实物形态且具有非货币性，现有数据定价研究多类比无形资产，采用成本法、收益法、市场法。然而由于数据资产重置成本难以确定、价值可持续挖掘、数据使用寿命无法估计、交易市场规模小等原因，传统的数据定价方式并不适用于目前的不完全市场。不完全市场下的数据定价实践，数据的价格受多因素影响，包括数据量、数据种类、数据深度、数据完整性和数据实时性等。因此平台多通过采取不同定价策略，提高数据供给方参与积极性，满足数据需求方的差异性需求，实现供需双方效益最大化。总体来看，数据定价策略采用了静态定价策略与动态定价策略相结合的方式。静态定价策略包括固定定价、差别定价、拉姆齐价格。数据价值化与数据要素市场发展报告（2021 年）15固定定价是指数据卖方和交易平台根据数据商品的成本和效用，结合市场供需情况，设定一个固定价格在交易平台上出售，最终成交价即为该固定价格。固定定价的优势在于价格固定，节省撮合协调的时间成本和沟通成本；其局限在于适用范围较为狭窄，仅限于批量廉价的数据交易。以 Data plaza 为例，该平台采用固定定价方式收费，在 Data plaza 上，用户可以通过列表选择需要的数据进行下载。数据在对全部个人信息进行匿名化处理后进行交易。价格因数据量和内容不同而不同，一般在数万至数千万日元之间。根据定价收费依据的不同，分为按数据库范围收费、按数据大小收费、按平台数据计算单位定价、按数据提供方定价收费等。根据收费时间的不同，可分为按年收取、按月收取和现收现付。差别定价是指以两种或两种以上不同反映成本费用的比例差异的价格来销售一种数据产品或服务。这种差别定价是基于不同的消费者获取数据的愿望不同而实现的。如 Factual 的定价方式是通过浮动价格向公司和独立软件开发商出售数据，其定价依据是信息的使用量。对于小规模的数据，Factual 提供是免费服务，而针对大型客户，则可能会收取百万甚至千万美元的服务费，包括 Facebook、CitySearch、AT&T 在内的一些大公司都会使用 Factual 来获取相关数据信息。拉姆齐价格是一种高于边际成本的定价，此价格下净收益与净损失的差值最大。这种定价策略主要是针对公共数据服务，它们经济效益不高却极具社会效益,通过设置拉姆齐价格有利于提高效率。政府作为公共部门，其以“福利最大化为目标”是较为理性的。政府与公数据价值化与数据要素市场发展报告（2021 年）16司之间形成协同合作：脱敏之后的大数据以高于成本价格的拉姆齐价格对所有公司开放，同时政府以购买服务的形式从公司获得所需的大数据处理结果，这样，政府从大公司获得的收益反过来又被公司所得到，同时社会总福利得到了增加。动态定价策略包括自动计价、协商定价、拍卖式定价。自动计价是指交易所针对每一个数据品种设计自动计价公式，卖方和买方在交易系统的自动撮合下成交。根据成交方式，最终成交价分为三种形式：一是自动成交价格。当买方应约价大于或等于卖方挂牌价时，交易系统自动撮合成交，最终成交价为买方应约价。二是卖方选择成交价格。对于不能直接成交的应约，卖方可选择能接受的应约价与其成交，成交价为买方应约价。三是数据分拆成交。当买方仅需要部分数据时，平台将对数据设定拆分原则，系统自动报价，而后自动撮合双方成交。其优势和特点在于定价方式的自动性，即依靠数据交易平台设定的交易系统，完成数据的自动撮合成交。但交易系统的建设成本高，过程复杂，对数据交易平台有极高要求。当交易双方对大数据价值的评估不一致时，买方和卖方可以直接通过协商定价达成对数据商品价值的一致认可。协商定价的基础是各方对数据价值的认可，只是对价值大小的认知程度不一，协商的作用就是尽可能的取得双方对大数据价值的一致性。如湖北一家农业领域的上市公司需要数据帮助其开发新产品，长江大数据交易中心对公开历史数据进行加工，价格由双方协商，一笔是一笔。此外，交易双方可通过反馈进行数据价格的动态调整。买方获取数据产品，使用后及数据价值化与数据要素市场发展报告（2021 年）17时反馈，买卖双方对价格进行再调整。其优势在于数据价格在不断反馈、不断调整的循环过程中逐渐趋于合理化，有利于提高数据价格与市场实际的匹配度，促进交易双方的长期合作和市场稳定。其劣势在于现实中反馈者、反馈时间、反馈质量等均不好衡量和把握。拍卖定价属于需求导向定价，适用于一个卖方和多个买方交易的情形。基于诚信的拍卖定价不仅能够使买卖双方就价格达成一致，还能实现数据的商品价值最大化，有利于促进数据交易流通。例如假设A、B 两个公司都在尝试获取一套数据，通过大数据交易平台进行拍卖报价。在该种定价策略下，大数据交易平台会将保留价格（保留价格=（数据卖方固定成本+可变成本）一个比例，比例由大数据交易平台或数据卖方确定）作为底价，让 A、B 两家公司对数据进行竞拍，价高者得，最终成交价即为该数据的价格。拍卖定价的局限性在于容易发生买方通过约定实现价格分摊、合伙竞拍的道德风险。表 1 国内外部分数据交易平台/交易所的定价策略定价方式定价方式大数据交易平台大数据交易平台/交易所交易所静态定价固定定价Quandl、Azure、Oracle、GoodData、Data plaza差别定价Factual动态定价自动计价Qubole、浙江大数据交易中心、贵阳大数据交易所协商定价长江大数据交易中心、上海数据交易中心、华中大数据交易平台、贵阳大数据交易所、浙江大数据交易中心、中关村数海大数据交易平台拍卖式定价上海数据交易中心资料来源：中国信息通信研究院不完全市场条件下，尽管国内外已经探索出许多数据定价方法，但远未形成规范有序的数据定价规则，数据定价指标体系仍处于混乱数据价值化与数据要素市场发展报告（2021 年）18无序状态。一是价格影响指标尚不统一，不同的交易所对同一数据产品的定价因价格影响指标的不同而不同，阻碍了统一市场的形成。二是数据质量评价指标只能对数据质量进行定性的好坏比较，反映到价格上则只能比较相对价格的高低，无法给出大数据产品的确切价格区间。三是数据历史成交价指标虽具有重要的参考价值，但由于数字时代市场供需变化较快，叠加数据产品的复杂性和数据交易市场的不成熟性，其作用难以有效发挥。随着数据要素市场的不断完善，这些问题也将通过数据定价模型逐步解决。3.数据交易发展现状随着数据资产化的进程加快和新兴技术的不断融合发展，数据交易呈现稳步发展的态势。On Audience统计显示，20172019年全球最大的五个数据市场的市场交易值增长率均在20%以上，规模最大的美国市场交易值在2019年达152.09亿美元。中国数据市场发展迅速，交易值增速在全球遥遥领先，2017年、2018年两年的交易值均接近翻番，2019年也在60%以上，达到23.93亿美元的规模，超过英国的23.55亿美元。表 220172019 年全球最大的五个数据市场国家国家201720182019市场交易值（亿美元）市场交易值（亿美元）增长率（增长率（%）市场交易值（亿美元）市场交易值（亿美元）增长率（增长率（%）市场交易值（亿美元）市场交易值（亿美元）增长率（增长率（%）美国97.8234.9123.4126.2152.0923.2英国14.5222.318.8229.623.5525.1中国7.47127.214.6195.523.9363.8加拿大4.5330.15.8829.77.6930.6数据价值化与数据要素市场发展报告（2021 年）19法国2.3256.43.4146.84.7037.8数据来源：On A,Global Data Market Size 20172019（三）数据资本化点状探索（三）数据资本化点状探索数据资本化阶段，数据被打包成金融产品进入资本市场，推动资本集聚，促进资源合理配置，发挥数据要素对经济社会发展的乘数效应，实现数据价值的深化。数据资本化使数据由货币性资产向可增值的金融资产转化。其中，数据信贷融资可将数据货币价值迅速变现，获取企业再生产所需资金，数据证券化可将数据货币价值转换为权益价值。如，数据所有人将数据作为财产作价后，以出资入股的形式与其他形式的财产（如货币、实物、土地使用权等）结合，所有权人通过暂缓即时兑现数据价值获得部分股权，其本质是将数据的货币价值转换为股权价值。数据资本化是融资者和投资人共同分享数据收益的过程。从融资者角度看，融资者在获得融资的同时也可保留数据自主权。在数据资本化后，发起人仍可保留和管理数据，因此，融资人在实现资金融通的同时，也可对进一步加工和应用数据，持续提升其价值。此外，数据资本化还可为融资者提供较高的融资杠杆，减少资金投入量，快速筹措资金。从投资者角度来看，数据资本化产品流动性较好，投资人无需考量发起人的经营状况，可直接投资高价值数据集合，若数据产品盈利，即可与融资人共享数据收益。目前，国内外已有企业展开数据资本化创新性探索，总的来看，主要有以下四种形式：数据价值化与数据要素市场发展报告（2021 年）20一是数据证券化，依托数据资产，通过 IPO、并购重组等手段获得融资。如，由于 LinkedIn 拥有高达亿的用户，产生大量行为数据，Microsoft在2016年以262亿美元收购拥有海量数据资产的LinkedIn，溢价超 50%；Facebook 依托自身数据资产以高市值上市，上市市值超财报公布的资产价值逾 14 倍，巨大差额的背后是 Facebook 未在账面体现的数据资产8.45 亿个月活跃用户及其产生的行为数据。二是数据质押融资。数据质押融资是数据权利人将其合法拥有的数据出质，从银行等金融机构获取资金的一种融资方式。如华夏银行杭州分行推出电商贷产品，通过获取企业经营数据、创建信贷估值模型等方式，分析电商企业数据，短时间内为符合条件的电商企业提供贷款。三是数据银行。数据银行通过吸纳“数据存款”，把分散在个人和集体中的数据资源集中起来，使其易被发现、访问、并具备互操作。如 Science DB，面向学术期刊、科研人员提供数据在线存储、汇交管理、长期保存与获取、共享、出版和引用服务。科研人员通过数据银行储存和出版自己收集整理的科学数据，其他研究人员可在数据银行下载和使用共享的科学数据。四是数据信托。中航信托发行了全国首单基于数据资产的信托产品，总规模为 3000 万元。该产品的运作模式分几方面：第一步，数据堂将自己所持有的某一个数据资产包即数据资产作为信托财产设立信托；第二步，信托受益权转让，委托方通过信托受益权转让获得现金收入；第三步，受托人继续委托数据服务商对特定数据资产进行数据价值化与数据要素市场发展报告（2021 年）21运用和增值，产生收益；第四步，向社会投资者进行信托利益分配。在这个过程中，既完成了资金的循环，同时也完成了数据资产信托财产的一个闭环。三、加快数据要素市场建设随数据的价值化发展，我国数据要素市场格局逐渐明晰，正在形成包含数据交易主体、数据交易手段、数据交易中介、数据交易监管的四位一体市场格局。数据要素市场构建要求数据资产具备三个条件：可控制、可量化和可获益。可控制是指数据应有明确的产权归属，可量化是指数据资产的价值可以用某种数量指标或货币来衡量，可获益是数据资产能带来经济利益，具有交换价值与价值。尽管随数据资产化的加速推进，数据确权及定价有了一定的探索，但仍是数据要素市场发展的重点和难点。加快数据产权界定、建立数据定价机制是培育数据要素市场的关键。（一）“四位一体”的数据要素市场格局（一）“四位一体”的数据要素市场格局1.数据交易主体从供给端来看，数据交易主体由政府主导向社会多主体共建发展，即由政府指导类、数据服务商类、大型互联网企业三类主体共同参与。政府指导类是数据交易市场加入最早也是规模最大的参与主体。政府通过指导建设平台、设立数据交易所等方式，推动数据交易，如上海数据交易中心、贵阳大数据交易所。由于这类交易在一定程度上有政府背书，因此具有一定的权威性。政府指导下的数据交易机构主数据价值化与数据要素市场发展报告（2021 年）22要分布在西南、华东和华北地区，其分布与地区的基础设施能力及经济发展水平相关。数据服务商对数据进行“采产销”一体化运营，盈利性较强，如数据堂、数海、龙猫数据等。其主要特征是向用户直接交付数据产品或服务，包括原始数据、加工处理后的数据以及由多份数据整合后的新数据，分别对应数据产生者、数据加工者和数据整合者的角色。以数据堂为例，其收录了 1.8 亿+家社会实体信息、90 多种维度信息全量实时更新。大型互联网企业投资建立的交易平台以服务大型互联网公司发展战略为目标。百度、阿里巴巴、腾讯、360 等互联网企业先后推出数据产品服务，抢占数据市场资源。如京东建立的京东万象数据服务商城，主要为京东云平台运营提供支撑。其数据商品涵盖了线上零售、生活服务、企业数据、农业、资源能化等 10大类。提供 17 个 API 接口、165 个数据集、56 个数据报告、278 个政府开放数据。数据市场的另一端是数据的需求方，包括各类数据分析服务商和行业用户，尤其数据驱动型的公司对数据拥有强烈的需求。需求的数据涉及政府决策、公共服务、影视娱乐、交通物流、医疗健康、金融、零售、广告营销、农业、能源等领域。表 3 数据需求主体及类型需求主体需求主体数据品种数据品种核心数据类型核心数据类型医药公司、医疗设备公司等医疗数据病历数据、就诊数据、药品流通银行、小贷公司、互联网金融公司金融数据企业数据、个人数据、个体户数量企业数据中小微企业数据、外资企业数据等能源企业能源数据石油、天然气等所有相关的数据车联网、汽车公司、汽车后市场交通数据停车场数据、车辆位置数据等数据价值化与数据要素市场发展报告（2021 年）23供应链相关企业商品数据电子标签数据、商品物流数据等金融机构、汽车公司、消费品公司消费数据个人消费数据、个人征信数据等教育类机构教育数据学习轨迹数据、教育消费数据政府相关部门社会数据与社会管理、政府管理有关的数据其他（如科研机构等）社交数据与社交相关的所有数据政府数据政府统计数据，政府审批数据等电商数据商品交易数据、商品流通数据等资料来源：中国信息通信研究院2.数据交易手段区块链技术作为数据交易手段被初步运用并逐渐普及。现有的数据交易手段利用 API 接口、数据包交易、EXID 虚拟标识技术等方式。相较于这些技术，区块链具有去中心化、难以篡改、可溯源等特点。它并不是一种单一的信息技术，而是依托于现有技术，加以独创性的整合及创新，创造一种全新的信任方式。随着区块链技术的发展与成熟，“区块链+数据交易”成为企业的选择重点。如图所示，通过搭建基于区块链技术的平台，促进数据的交易流通。量子加密等技术的开发应用，解决数据交易流通中的安全保密问题，确保数据安全；区块链技术在数据交易流通中的应用，确保数据流通可信、透明、可追溯，解决数据交易流通中数据非授权复制和使用等问题，提高企业参与数据交易的积极性。数据价值化与数据要素市场发展报告（