1、中銀研究產品系列經濟金融展望季報中銀調研宏觀觀察銀行業觀察國際金融評論國別/地區觀察作者：劉晨中國銀行研究院電話：010 6659 4264簽發人：陳衛東審稿：周景彤梁婧聯系人：王靜劉佩忠電話：010 6659 6623對外公開全轄傳閱內參材料2023 年 2 月 21 日2023 年第 9 期（總第 464 期）激活數據要素潛能理論框架和現實問題隨著數字經濟發展，以大數據為代表的信息資源向生產要素演進。由于具備與其他傳統生產要素不同的特征，數據要素融入經濟與社會財富的創造過程中不斷釋放新動能，對經濟增長、生產力變革和產業生產率提升產生深遠影響。近年來，國家高度重視發揮數據要素效能，積極推進數

2、據要素市場建設。當前，我國數據要素市場規模持續擴大、體系建設不斷完善，但在數據的產權界定、開放共享、信息安全、數字基建等方面仍存在一系列問題。研究院宏觀觀察2023 年第 9 期（總第 464 期）1激活數據要素潛能理論框架和現實問題數據要素是參與社會生產經營活動、為使用者或所有者帶來經濟效益的數據資源1。伴隨大數據時代的到來，全球數據爆發式增長，數據資源快速累積，成為各國新的經濟發展動力。據 Statista 統計，2020 年，全球產生、采集或復制的數據量達到64.2ZB2，預計到 2025 年全球數據產量將達到 181ZB。我國數據規模龐大，數據要素市場發展潛力強勁。全國 14 億眾多人

3、口、超大規模的國內市場、巨大的內需潛力與豐富的自然資源優勢，為不斷創造大數據提供了基礎條件。而數字化、信息化的快速推進和 5G、移動互聯等新型基礎設施的建設，使得海量數據的積累從技術上成為可能。目前，我國已成為世界數據資源大國和世界數據中心。中國互聯網絡信息中心（CNNIC）第 50 次中國互聯網絡發展狀況統計報告顯示，截至 2022 年 6 月，我國網民規模達 10.51 億，互聯網普及率達 74.4%。國家網信辦數據顯示，2021 年我國共產生了 6.6ZB 數據，同比增加 29.4%，占全球數據量的比重為 9.9%。近三年來，我國數據產量每年保持 30%左右的增速。數據存儲公司希捷預測，

4、未來幾年，我國數據市場仍將以超過全球平均增速的速度增長，到 2025 年將超越美國，成為全球數字經濟活動最集聚、數據產量最大的國家。近年來，世界各國高度重視數據這一新型的國家戰略性資產，圍繞數據要素生產、流通、使用、保護等各個層面陸續出臺一系列頂層規劃和法律法規。例如，歐盟的歐洲數據戰略數據治理法案、美國的大數據研究和發展計劃大數據：把握機遇，維護價值聯邦數據戰略以及日本的綜合數據戰略。而我國政府也高度重視發揮數據要素效能，積極推進數據要素市場建設。2015 年，黨的十八屆五中全會正式將大數據上升為國家戰略；2017 年，中共中央政治局首次提出“要制定數據資源確權、開放、流通、交易相關制度，完

5、善數據產權保護制度”，標志著我國數據基礎制度建設正式提上議事日程。此后，黨的十九屆四中全會首次增列“數據”作為生產要素，我國國民經濟和社會發展“十四五”規劃和 2035 年遠景目標綱要、國1定義來源于中國信通院。2ZB：Zettabyte，十萬億億字節。2023 年第 9 期（總第 464 期）2務院“十四五”數字經濟發展規劃、工信部“十四五”大數據產業發展規劃等重要政策文件也提出，要建立數據資源產權、交易流通、跨境傳輸和安全等基礎制度和標準規范，健全數據要素市場規則。一、數據要素成為關鍵生產要素的客觀條件和經濟特質從農業時代的土地、勞動力作為關鍵生產要素，到工業化時代資本成為重要的生產要素，

6、此后催生出技術、管理等更多生產要素，生產要素的形態總是在社會經濟發展過程中不斷演化。隨著數字經濟發展，以大數據為代表的信息資源向生產要素演進，數據已和其他要素一起融入經濟價值創造過程，對生產力發展產生深遠影響。黨的十九屆四中全會首次將數據與土地、勞動力、資本、技術等傳統要素并列為要素之一，提出“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”。數據要素成為生產要素，主要基于兩方面條件：一方面，數字技術不斷進步為數據要素釋放價值提供了生成、流通和利用的前提基礎。數據是數字經濟時代的生產資料，而算法和算力則是生產力，數據和算力、算法結合構成了創造價值的完

7、整鏈條。在云計算、邊緣分析等數字技術成熟運用之前，互聯網迅速普及創造了龐大的數據規模。瑞典研究機構 Pingdom 公布的數據顯示，2012 年全球互聯網用戶數達 24 億，僅谷歌網站 2012 年全年搜索次數高達 1.2 萬億。但是礙于算法、算力限制，原始數據轉化為有效信息的能力不足，數據存儲、計算、分析的投入成本較大，數據創造價值相對有限。而隨著摩爾定律3不斷演進下芯片技術加快突破，數據中心、智能計算中心等算力基礎設施持續夯實，全球算力規?？焖僭鲩L。據信通院數據，2021 年全球計算設備算力總規模達到 615EFlops（每秒百億億次浮點運算），同比增速達到 44%，預計 2030 年將達

8、到 56ZFlops（每秒十萬京次浮點運算），年平均增速為 65%。同時，算法的迭代更新不斷提高從數據中提取有用信息的能力，數據處理效率迅速提升。據麻省理工學院計算機科學與人工智能實驗室（CSAIL）分析，57%的算法系的效率提升3由英特爾（Intel）創始人之一戈登摩爾（Gordon Moore）提出，指當價格不變時，集成電路上可容納的晶體管數目，約每隔 18 個月便會增加一倍，性能也將提升一倍。宏觀觀察2023 年第 9 期（總第 464 期）3帶來的收益超過或不低于摩爾定律帶來的收益，其中大數據領域算法效率提升收益巨大。另一方面，生產過程中數據要素能夠與其他生產要素有機結合。生產要素的重

9、要特征之一是能使其他生產要素合理配置、可以提高其他生產要素的使用效益。在農業經濟時代，土地與勞動力的有效結合推動生產力快速發展。進入工業經濟時代，能夠部分打破自然資源約束、有效擴大再生產的資本（生產機器、設備等）成為重要生產要素，不同勞動力通過使用同樣的生產機器提升了資本與勞動力要素的結合效率。數字經濟時代，海量數據實時產生和流通加速經濟系統演變，需求端消費趨勢向碎片化、個性化升級，供給端加快數字化轉型。數據搜集、處理、使用創造的巨大價值，帶來經濟增長數量和質量的不斷提升。同時，數據要素不僅與勞動、土地、資本等生產要素有機結合實現生產過程，也能夠顯著提升其他生產要素的利用效率（圖 1）。例如，

10、數據積累加快了技術進步的迭代步伐，帶動先進技術的傳播擴散；數字時代勞動者學習知識和技術更加便捷，人力資本積累加速；數據廣泛共享下各類生產要素加快配置到效率更高的領域。在形成生產力、提高生產力的路徑中，由于具備與其他傳統生產要素不同的特征，數據要素融入經濟與社會財富的創造過程中也將不斷釋放新動能。從基本特征來看，數據要素具有三方面特性：一是非稀缺性。稀缺性指相對于人類不斷擴大的需求資源總是稀缺的。而對于知識、信息、數據等無形資產來說，由于其累積迅速且不占有空間而多具有非稀缺性質。數據要素的非稀缺性意味著數據在共享過程中會伴隨數據傳播鏈條的延伸而呈現爆發式增長，而在儲存允許的前提下能夠實現重復使用

11、、循環使用，從而對經濟增長產生倍增效應。二是非損耗性。數據在傳播與使用過程中不會出現衰減或損耗現象，因此打破了有限資源對經濟增長的制約，邊際收益隨著數據要素的增加而增加。意味著誰擁有更多的信息數據，誰將在數字經濟時代擁有更多的競爭優勢。三是非排他性。數據可以無限復制給多個主體同時使用，任何主體對數據的使用都不會影響其他使用者的利益，意味著數據要素在多主體同時共享和使用過程中幾乎沒有邊際成本。2023 年第 9 期（總第 464 期）4圖圖 1：數據參與價值創造的過程：數據參與價值創造的過程資料來源：數字宏觀:數字時代的宏觀經濟管理變革數據要素的本質特征決定了其具有不同的經濟特質：第一，非稀缺性

12、決定了數據要素具有規模經濟特征。規模經濟是在技術水平不變的條件下，單位產品的成本隨生產規模提高而降低。由于數據共享過程中價值的指數性增長，隨著數據要素規模的擴大，數據能夠形成較大的市場價值，而數據要素收集者會出現成本降低的規模經濟作用。企業用以分析的數據越全面，分析的結果越接近于真實，其商業價值也就越大。例如，隨著線上平臺海量數據實時產生，電商平臺充分利用交易數據匹配買方需求，利用網絡空間實現線上供需匹配的進一步優化，也由此逐步代替線下零售成為消費者主要消費場景。2021 年我國網上零售額達到 13.1 萬億元，比 2012 年增長 9 倍，連續9 年位居世界第一。第二，非損耗性決定了數據要素

13、具有外部性特征。由于在傳播和使用過程中幾乎不會損耗，因此借助于互聯網和物聯網等技術的連接作用，數據要素表現出極強的外部性特征。通過大數據處理后形成用戶數據畫像，一方面可以對用戶提供更多的個性化服務，另一方面相應數據也可能對第三方產生價值。但是，數據要素的外部性包括正、負兩方面，在規范、有效且高質量的數據要素市場機制下，數據要素在主體間流動能夠產生極大的價值。例如部分銀行通過構建與教育、交通、旅游等行業數據的流通渠道，推進智慧政務和便民金融服務建設，引入行業數據，推出多類別創新融資產品。而當第三方機構通過各種不法手段獲取隱私數據時，數據要素呈宏觀觀察2023 年第 9 期（總第 464 期）5現

14、出負外部性特征。第三，非排他性決定了數據要素具有準公共物品特征。對于政府、機構等公開數據，可以低成本或零成本復制，不同的數據要素使用者能夠同時且無限次利用數據要素，使用過程中各主體間并不相互影響。同時，對于商用數據的使用通常需要付出一定的成本或無法使用，因此數據要素具有準公共物品特征。由此決定了數據要素的使用相對靈活，部分有價值、可公開的數據可由政府全權管理，通過一定機制向社會公開創造價值。同時，數據也可以具有市場化的屬性，且數據本身的價值并不會因為使用而衰減，因此不會存在“公地悲劇”的現象。相比其他傳統生產要素，數據要素具有的可再生、可重復使用、無限復制等準公共物品特征，使數據要素促進經濟的

15、可持續發展成為可能。二、作為關鍵生產要素，數據要素推動我國經濟社會快速發展（一）促進經濟水平快速提升作為生產要素，數據要素的出現帶動了經濟增長。從索洛增長模型來看（),(LKAFY），推動經濟增長存在三種路徑，數據要素在這三大路徑中均發揮了重要作用。一是在固定投入要素時，加大投入或優化資源配置（增加 K/L 投入、調整 K/L 比重）。數字經濟時代引發的規模效應和創造的新興經濟業態，帶動了可投入要素數量和質量的快速提升。同時，數字技術在傳統行業的普遍應用有利于更加精確地分配不同生產資料，優化要素投入比重。二是改變資源配置方式，即改變原始生產函數形式（)(F）或加入新變量。數據要素參與生產函數中

16、，形成新的增長模型，與其他要素相互組合帶動經濟增長。如tttttDLKADLKAFY1),(中4，數據要素驅動成為新的經濟增長動力。同時，數據要素參與下增長函數形式趨于多樣化，數字技術應用下各類生產要素間數據互相連通，不同場景下組合方式的差異可能影響生產函數形式。數字經濟下網絡外部性、雙4參考劉文革,賈萍.數據要素提升經濟增長的理論機制與效應分析基于新古典經濟學與新結構經濟學的對比分析J.工業技術經濟,2022,41(10):13-23。其中，At、Kt、Lt、Dt分別代表技術要素、資本要素、勞動要素和數據要素投入，、1分別代表資本投入、數據投入和勞動力投入占總投入的份額。2023 年第 9

17、期（總第 464 期）6邊市場等也可能形成正反饋效應，使總產出呈現出指數增長。三是通過賦能其他生產要素，對各類要素投入產生乘數效應，提高經濟生產效率。即ttttttttDDLDKDADLKAFY1)()()(),(。首先，數據要素提升勞動力效率和人力資本。數字技術廣泛應用普及下勞動者的能力和素質隨之提升，使其在生產勞動過程中效率快速提升。OECD 研究表明，數字技能培育可以幫助彌合城鄉之間的數字鴻溝，有助于強化農村地區的人力資本，是彌合城鄉差距的重要途徑5。在生產過程中，生產部門可利用數字技術分析生產過程中勞動力生產效率，通過分配、調度優化勞動者在各個環節生產活動。其次，數據要素暢通生產流程，

18、提升資本要素間銜接。數字化技術提升生產流程自動化、智能化水平，打通生產經營的斷點環節，提高生產各環節銜接度，大幅度提升生產經營效率。普華永道思略特調研結果顯示，新冠大流行和歐洲地緣沖突迫使領先制造商實施數字解決方案以提高生產靈活性和更好的交付彈性，四分之一的受訪公司將至少 3%的凈營收用于數字化解決方案并獲得了最高達兩位數的回報。最后，數據要素推動技術要素進步。在數字經濟范式下，通過對經濟社會運行機制進行橫向到邊、縱向到底的系統性重塑，可以實現人機協同、產業跨界協同、物理世界和數字世界的融合，從而形成云制造、智能制造、網絡制造、數字制造技術等生產技術。同時，在數字產業化過程中數字技術不斷融合創

19、新，多種技術集成形成乘數效應。如集成互聯網、云計算、人工智能、區塊鏈、物聯網、工業互聯網、虛擬現實、增強現實等數字技術的數字孿生，通過整合實體、數據、技術三大核心要素，可以構建物理實體、虛擬實體、孿生數據、連接和服務五個維度的數字孿生體系架構。從歷史數據來看，土地、勞動力、資本等傳統要素對經濟增長的拉動作用邊際減弱（圖 2）。土地要素方面，按照全世界城鎮化的普遍發展規律，當一個國家的城鎮化率處于 30%至 70%的區間時，一般發展增速會處于較快水平。從全球來看，美、日、英等發達國家城鎮化率普遍維持在 70%以上，近十年維持平穩，而我國從 2000 年開始城鎮化率保持了二十多年的高速增長，202

20、1 年達到 62.5%，上升空間相對有限。勞動力要素方面，全球人口增速過去 50 年增速減半，從每年 2%下降到目前不足 1%，預計5OECD.Digitaleconomy outlook 2019R,2020.宏觀觀察2023 年第 9 期（總第 464 期）72075 年將降至接近零6。我國人口增速也趨于零增長，老齡化進程明顯加快，曾經推動經濟增長的人口紅利優勢逐漸消退。同時，2020 年世界銀行通過對來自 35 個發達經濟體和 129 個新興市場及發展中經濟體（EMDEs）的數據進行分析后發現，自 2008年金融危機以來，全球范圍內勞動生產率增長普遍放緩，其中 EMDEs 勞動生產率增長

21、減速的程度、持續時間和影響范圍達到 1970 年以來之最，而新冠肺炎疫情的爆發將進一步阻礙勞動生產率的提升7。資本要素方面，全球固定資本形成總額占 GDP 比重長期停滯，我國固定資本形成總額占 GDP 比重維持在 40%左右，國內資本效率8由 1985-2007 年的 0.52 下降至 2008-2020 年的 0.24，對經濟增速提升作用有限9。圖 2：傳統要素對經濟增長的拉動作用邊際減弱（%）資料來源：世界銀行當前，數據要素對經濟增長的引擎作用日益凸顯（圖 3）。據國家工業信息安全6據高盛全球投資研究部測算。7全球勞動生產率：趨勢、推動力與政策，世界銀行，2020.07。8指資本投放的使用

22、效率和配置效率。9宏觀經濟藍皮書：中國經濟增長報告（2020-2021），中國社科院經濟研究所、社會科學文獻出版社，2021 年 10 月。2023 年第 9 期（總第 464 期）8發展研究中心和北京大學光華管理學院等測算10，2015-2021 年數據要素對當年 GDP 增長的貢獻率從 12%提升至 14.5%，2021 年數據要素拉動 GDP 約 0.83 個百分點，后續提升空間較大。同時，數據要素帶來的資本與勞動份額相對變化約為 13%，與第一次工業革命時期新生產要素帶來的相對變化相近（17%），具備邊際遞增效應。圖 3：數據要素對 GDP 增長貢獻資料來源：國家統計局，國家工業信息安

23、全發展研究中心，北京大學（二）引發生產方式變革Brynjolfsson（2016）和 Agrawal（2018）指出，數據通過驅動決策過程優化實現價值。王超賢等（2022）認為，人類社會的決策活動可以分為交易決策和生產決策，數據價值實現路徑主要依賴于數據轉化為信息和知識后對決策的支持（圖 4）。因此，在實現價值過程中，數據要素通過影響決策融入生產各環節，引發生產方式變革。研發環節，數據分析技術和數據挖掘技術能夠識別出海量原始數據間的復雜關系，通過將非結構化數據與各個分析模型結合，幫助企業對各類生產要素進行重新整合，促進企業核心技術突破。同時，數據要素的開放、流動與共享推動了企業內部與企業間大規

24、模的協作與跨界融合，有利于各個企業擴展生產組織邊界，形成企業間集群式研發創新。此外，數據要素對現實世界的高度擬合也極大縮減了研發成本。2020 年，美國太空發射活動 68.3%由 SpaceX 完成。馬斯克在公司官網發布的信件提到，從 1970 年10國家工業信息安全發展研究中心、北京大學光華管理學院、蘇州工業園區管理委員會、上海數據交易所，中國數據要素市場發展報告（2021-2022），2022 年 11 月。宏觀觀察2023 年第 9 期（總第 464 期）9到 2000 年向太空發射一公斤的成本約 1.85 萬美元，而 SpaceX 每公斤的成本僅為2720 美元?；鸺l動機研制中 75

25、%成本需投入到試驗環節，SpaceX 通過在產品開發早期階段采用數字空間的模擬仿真，大幅降低了研制成本、縮短周期，提高研發效率和產品質量。生產環節，企業產品價值量是由生產產品的社會必要勞動時間所決定的，而社會必要勞動時間的變化受制于勞動生產率的變化。數據要素所擁有的感知、記憶、分析、決策等功能應用于企業生產過程，促進企業勞動生產率的提升，帶來單位時間內生產產品數量增加，增加企業產品產出率。同時，以數據技術為依托的精細化管理和產品質量控制體系逐步構建，以大數據為主線的跨部門、跨行業、跨環節的產品質量事中、事后監管體系逐步建立，以社會信用數據為基礎的企業產品質量聯合獎懲機制不斷完善，推動企業的產品

26、供給質量大幅提升。供需匹配環節，企業生產模式從大規模流水線生產向“以迅速滿足顧客需求為中心”的大規模定制化轉變，依靠以計算機數控機床為主的高度柔性的制造設備實現多品種、小批量的生產，使生產系統能夠對市場需求變化做出快速反應。為了滿足市場需求，工廠通過構建柔性化生產能力，以大批量規?；a的低成本，實現多品種、變批量和短交期的個性化訂單的生產和交付?；诋a品模塊化快速開發、柔性資源配置與動態調度、柔性與自適應加工和柔性供應鏈系統等流程，推動消費者深度參與完整生產過程，生產與消費趨于同步，實現不同產品圍繞用戶全方位、多樣化需求相互融合、跨界互動。圖 4：數據價值實現路徑圖資料來源：數據要素視角下的

27、數據資產化研究報告2023 年第 9 期（總第 464 期）10（三）激發傳統行業增長動能在生產方式變革的基礎上，數據要素加快與第一、二、三產業中各細分行業融合創造價值（圖 5），激活傳統行業的沉默價值，提高創新能力，引領各行業價值指數級增長。農業領域，數據要素流動不僅突破了傳統農業上下游產業鏈間的信息壁壘與數據孤島，同時數據要素的應用有助于實現農業的智能管控、精準運行和科學管理，促進農業生產管理精準化。生產端，基于數據要素的智慧決策實現智能灌溉、精確用藥、精準施肥等精細化操作，促進農業的精準管控，降低農業生產成本。例如美國農業采用大數據提升農業生產效率，以 1%的農業人口維持龐大的農業生產體

28、系。流通端，圍繞產品質量安全監控系統和采后商品化處理系統的農業大數據，實現農業生產場景在線化、可視化，保障生產過程全程可追溯。銷售端，基于數據要素的電商平臺實現農產品供需兩端精準匹配，確保農業生產流通銷售紐帶暢通。2021 快手年度數據報告顯示，2021 年 1-10 月，超 4.2 億個農產品訂單經由快手直播電商從農村發往全國各地。制造業領域，數據要素驅動制造業產品質量改進、生產效率提升、創新方式變革，提升產業鏈供應鏈韌性。其中，燈塔工廠是實現“人、機、料、法、環、測”全要素數據的典型范本。例如，燈塔工廠之一的三一重工用原計劃 25%的人力資源實現了產能 600%的增長。2022 年 10

29、月 11 日，世界經濟論壇公布新一期燈塔工廠名單，全球有 11 家新工廠被評為燈塔工廠，其中有 5 家工廠來自中國。中國燈塔工廠數量目前為 42 家，位列世界第一。醫療領域，數據要素開辟了醫療行業中數字療法、健康管理、健康風險預測等新興治療方法，醫療檢測結果精準化不僅有利于患者疾病有效篩查，也能夠應用于保險公司等多個場景，實現降本增效。在數據市場化較早的歐美地區，醫療數據的應用已初具一定規模，并發展出專門的醫療數據服務行業。通過為醫療服務機構提供 PaaS 服務，數據服務企業將大量數據變為可用性數據后利用人工智能或機器學習提供輔助決策支持。2020 年國內醫療大數據解決方案市場規模為178 億

30、元，預計 2020-2026 年復合增長率將達到 39.3%。零售領域，零售行業商品交易和運營數量龐大，但由于線上線下數據各成體系，各類數據標準化程度低、對接難，組織間存在著嚴重的信息孤島。通過數據平臺搭建可以有效解決數據孤島問題，打通宏觀觀察2023 年第 9 期（總第 464 期）11供應鏈平臺等源業務系統，將客戶管理、營銷、產品服務、門店運營及財務等各類數據融合，提高供應鏈部門對商品需求預測的準確率，指導總部運營和門店經營，降低倉儲庫存積壓成本和運營成本。據安永分析11，目前數據要素主要通過現象級產品研發、敏捷化供應鏈管理、高效化渠道管理和精準化門店運營四個方面賦能實體零售戰略升級。圖

31、5：數據要素賦能應用領域細分賽道分布資料來源：中國數據要素市場發展報告（2021-2022）三、當前我國數據要素市場發展現狀和主要問題數據價值的充分發揮，需要以健全的數據要素市場為前提。近期，為了深入推進數據要素市場化，中共中央國務院印發關于構建數據基礎制度更好發揮數據要素作用的意見，這是我國構建數據基礎制度體系的里程碑事件，在數據產權、流通、交易、使用、分配、治理、安全等領域作出了一系列部署，是探索數據要素產權制度和市場體系的根本遵循。在政府大力支持下，我國數據要素市場規模持續擴大、體系建設不斷完善。根據國家工業信息安全發展研究中心統計，2016 年我國數據要素市場規模僅為 62 億元，20

32、21 年達到 815 億元，預計 2025 年有望達到 1749 億元。同時，作為數據交易場內市場的核心中介機構，各地數據交易所也取得巨大發展。2015 年，我國首家大數據交易11零售數據智能價值實現戰略，安永，2022 年 7 月。2023 年第 9 期（總第 464 期）12所貴陽大數據交易所正式掛牌運營，此后兩年間各地有 20 家數據交易所相繼成立。2020 年以來，北京、上海、深圳、廣州等一線城市也陸續成立數據交易所，掛牌上百個產品。但是，在推進國內數據要素市場體制機制完善的過程中，應當認識到我國數據要素配置規律仍處于探索期，在數據的產權界定、開放共享、信息安全、數字基建等方面仍存在一

33、系列問題。一是數據要素市場化各個環節難點諸多。標準化階段，數據要素流通于交通、保險、醫療、金融等各行業，行業間差異導致從形成到采集的過程中基礎數據的類型和作用區別明顯。同時，各地區關注重心、產業特征和數據分布存在差異，區域間采集標準不同，最終導致數據不完備、噪音大，影響數據跨行業、跨區域的充分利用。從我國數據要素市場標準化進程來看，目前僅在數據要素流通的數據權利、數據定價、數據交易和數據監管（安全合規）四個環節發布了國家標準，而最早期階段的數據登記環節僅有團體標準。產權界定階段，只有界定清晰數據的歸屬，才能進一步明確數據其他權利的主體和邊界，否則使用權的讓渡、交易權的行使、收益權的實現將存在矛

34、盾。從數據的特征看，非損耗性和非排他性決定了數據要素形成后能以極短的時間被大量主體所控制，朔源和確權的難度極高。從數據產權劃分的主體來看，目前圍繞數據生產者和數據控制者對數據所有權界定存在爭議，兩個主體對應為個人用戶和平臺企業，個人用戶產生的數據是平臺企業獲取壟斷利潤的核心資源，但對個人用戶數據的歸屬問題存在較大爭議。一方面，個人數據在個人手中難以產生價值，因此數據產權應配置給創造價值的平臺企業。另一方面，個人數據是企業數據、行業數據、政府數據甚至國家數據的數據來源，個人用戶通過貢獻數據為平臺企業創造了巨大價值，卻無法從數字紅利中分得相應的報酬。使用階段，主要難點在于數據要素定價難度較高和流通

35、環境亟需完善。在定價層面，數據產品難以提供傳統實物類產品的使用前體驗服務，導致買賣雙方對于數據價值的評估存在“雙向不確定性”。同時，數據要素高固定成本低邊際成本、產權不清、來源多樣、管理復雜和結構多變等特征，導致其定價難度遠大于其他產品。此外，大量零散的數據交易定價均為針對特定應用場景的宏觀觀察2023 年第 9 期（總第 464 期）13非標準化定價，缺乏統一的數據定價規則。在流通層面，缺乏權威、統一的數據可信流通基礎環境，數據交易雙方信任機制難以有效建立。在交易事前階段，由于當前絕大多數交易主要依靠“點對點”場外交易方式，缺乏針對交易對手方和數據產品的評估體系，數據質量難保障。在交易事后階

36、段，對于交易雙方而言，在缺乏可信的交易第三方監管情境下，一方將數據移交另一方后，雙方難以控制數據使用流向，可能導致“道德風險”問題。截至 2022 年 8 月，全國已成立 44 家數據交易機構，但是數據產權不清、數據交易活躍度不高、新技術支撐不充分、平臺同質化競爭等問題仍然明顯。二是數據治理仍需完善。首先，隱私問題沒有得到根本性改善。隨著數據價值的充分顯現，資本的逐利本性為大數據技術不斷獲取更多、更全面的信息提供持續動力，使海量的個人數據、企業數據在互聯網中迅速地傳播和共享。在大數據時代，數據的開發和利用與數據隱私保護之間產生了矛盾，包括數據挖掘致使數據隱私被多次利用、數據監控使個人隱私透明化

37、、數據預測探知隱私數據等問題始終沒有得到解決。據IBM Security 的“數據泄露成本報告”12顯示，2021-2022 年，數據泄露的全球平均成本從 424 萬美元增加至 435 萬美元，同比增長 2.6%，創歷史新高。其次，跨境數據流動面臨多元化規則挑戰。2005-2019 年，全球數據跨境流量累計增長 98 倍。自2008 年以來，跨境數據流動對經濟發展貢獻度已超過傳統貿易和投資，成為促進全球經濟發展的重要力量。目前，全球已有 200 多個有關數據流動的法律法規，限制性水平在過去十年間翻了一番。各國紛紛從最有利于自身經濟發展和數據保護的角度出發，在國家安全、隱私保護、產業能力等多元因

38、素的復雜影響下制定數據跨境流動治理規則。例如美國采取的策略是理念上主張全球數據自由流動，實踐中構建數據“單向”流動格局；歐盟雙邊場合推動數據互認標準，多邊場合提倡自由流動，在強化個人隱私數據保護的同時提升數據競爭優勢；俄羅斯要求俄公民個人數據收集必須使用位于俄境內的數據庫等。最后，各主體間“數據孤島”現象嚴重。盡管數字經濟時代數據產生的速度快、體量大，但大部分數據都被少數經濟主體控制，無法被合理的分配和12指維護數據安全需要投入的法律、監管及技術保障成本和企業因數據泄露導致的品牌資產損失、客戶流失和員工流失成本。2023 年第 9 期（總第 464 期）14利用。數據累計產生的馬太效應導致數據

39、壟斷的局面凸顯，企業層面，數據產權界定不清晰的情況下，各企業間基于利益驅動頻發數據爭奪，這不僅降低企業雙方的生產效率，更對消費者的福利造成了不可挽回的損失。部門層面，政府掌握著大量公共數據，但政府內部缺乏統一標準的數據平臺，導致部門之間存在“數據孤島”現象。區域層面，由于區域間數字經濟發展水平不均衡、供需兩端主體差距明顯，東部地區數據要素市場化水平領先于中部、西部地區。2021 年，東部數據要素市場化指數為 70，遠高于中部（49.3）、西部（45.5）地區13。四、政策建議一是充分發揮數據要素價值。歷史上，每一種生產要素價值的全面激發都經歷了由局部到全局、由淺到深的長期歷史演進和發展過程。數

40、據要素作為新的關鍵生產要素，對經濟推動和生產生活方式改造的潛能巨大。但是，推動數據要素價值充分釋放、發揮數據要素稟賦優勢具有長期性。首先，圍繞數據要素完善頂層設計。按照十九屆四中全會提出的“由市場評價貢獻、按貢獻決定報酬”，探索建立與數據要素價值和貢獻相適應的收入分配機制。對權屬界定、數據安全、價值測度、交易市場等做出明確解釋和具體安排，推動相關法律法規出臺。此外，積極探索監管沙箱或數據管理試點等前瞻性制度設計。其次，保障數據要素高質量供給。推動數字技術不斷進步，把握大數據、云計算、人工智能、區塊鏈、物聯網等新一代信息技術發展趨勢，探索關鍵核心技術領域的新型舉國體制。優化資源要素配置結構和效率

41、，推進新一代信息技術與實體經濟深度融合，培育新興產業構建現代化產業體系，賦能傳統產業提升全要素生產率。同時，適當超前布局新型數字基礎設施建設，以完備的新型數字基礎設施創造應用新場景、牽引消費新需求，為數據要素在生產、生活等各個領域更廣泛的應用創造客觀條件。最后，全面深化數據要素融合應用。在需求端，組織開展大數據應用試點示范、大數據競賽等手段，培育數據驅動的新模式、新業態。加快數據社會治理中的應用，以數據要素為重要依托支撐政府精準施策、精準管理。在供給端，推動13國家工業信息安全發展研究中心、北京大學光華管理學院、蘇州工業園區管理委員會、上海數據交易所，中國數據要素市場發展報告（2021-202

42、2），2022 年 11 月。宏觀觀察2023 年第 9 期（總第 464 期）15產學研加快合作，支持發展數據產品和服務體系，培育大數據解決方案供應商、向中小企業開放數據服務能力、培育應用生態等手段，降低企業數據應用的成本投入和專業壁壘，解決不會用、不敢用問題。二是推動數據要素市場化體系逐步完善。推進制度體系建設，劃定法律監管紅線，在數據產權、流通交易、收益分配、安全治理各環節明確合規監管底線。標準化環節，通過政府數據的分類分級，實現政府數據的有條件開放和無條件開放，鼓勵企業、科研院所、第三方機構等社會組織參與政府數據的開發和應用。加快實現企業數據的標準化，制定我國企業元數據、數據目錄、數據

43、產品的標準，從根源上規范企業數據之間的兼容性和標準性，破除企業數據在要素市場流轉、交易、共享的壁壘。確權環節，針對數據開放共享設立相應的競爭制度。結合企業開放數據產生量、數據質量、創新能力、社會責任、違法情況等指標構建數字企業白名單制度，對名單內企業提供更高的數據安全保護和稅收優惠，同時賦予開放數據產生量較多的平臺稅收優惠政策。對非開放數據通過數據信托實現數據的資本化。數據主體作為委托人和受益人，通過賦予數據用益權的方式將數據信托給數據受托人，由數據受托人統一對數據進行資本化的運作。流通階段，充分發揮市場作用，開展數據流通試點，推動有條件的地區先行先試，借鑒國內外數據流通經驗和其他生產要素流通

44、模式，開展數據確權登記、價值評估、對接交易、收益分配等流通環節試點工作。發揮數據交易機構的公共職能作用，鼓勵數據供方與數據需方的溝通交流，對接市場需求，充分挖掘業務場景。支持企業開展數據流通實踐，收錄典型場景，形成數據流通操作指南和推廣示范案例。三是保障數據要素各環節安全。鼓勵前沿技術攻關，有效支撐數據流通和交易。隱私計算能夠在保證數據提供方不泄露原始數據的前提下對數據進行分析計算，可以提供“原始數據不出域，數據可用不可見”的流通范式，從而解決數據權益保障與安全保護的若干問題。針對隱私計算等核心技術，要持續攻關，盡快突破性能、安全和互聯互通等方面的瓶頸。同時要加緊研制技術標準，強化市場認知，鼓

45、勵技術開源，推動隱私計算、區塊鏈、云計算、人工智能等新興技術的深度融合與協同，探索有效解決數據安全保護問題的技術支撐體系。健全落地性強的安全管理制度和規范。隨著2023 年第 9 期（總第 464 期）16各項法律法規相繼出臺，數據安全已經被逐步納入國家法規和行業規范中。數據安全已經成為新一代信息安全標準的基本內容，圍繞頒布的法律法規，完善和健全各行業可落地的數據安全管理制度和規范，對各類組織承擔的數據安全保障義務與責任進行明確要求。提高數據泄漏風險防范安全意識。企業應加強對內部員工及運維人員的安全意識培訓及風險管理，政府應普及數據安全保護相關培訓，個人在日常生活、工作中注意隱私防護等。四是推

46、動數據要素跨境流動效率提升。持續完善數據跨境流動等法律法規體系。明確允許自由跨境的數據類別，細化適用的安全評估機制和數據規范管理措施。在完善管理制度方面要合理運用和對接國際數字貿易規則，確保我國數據跨境流動等國內立法與對外高水平國際協定與數字貿易談判需要相銜接。強化數據領域國際交流與合作。在已有數據跨境流動規則基礎上，提出數據跨境流動中國方案，積極加強國際交流合作，擴展我國數據跨境流動朋友圈。依托金磚國家、世界互聯網大會等多邊對話機制和國際組織，加強我國數據跨境流動主張的對外宣傳，形成數據安全有序跨境流動的國際共識。積極開展數據安全治理、數據開發利用等領域的國際交流與合作。構建跨境數據流動監管的國際互信機制，為我國數據跨境流動規則主張“增容擴圈”。豐富數據跨境流動規制方式，以開展國際數字貿易為重要突破口，采用靈活多樣的措施應對數據的跨境流動需求。五是逐步解決“數據孤島”困境。完善數據要素市場經濟性監管和社會性監管制度，完善數據交易需求方和供給方的資格審查流程。規范數據交易平臺的進入與退出準則，整合現有數據交易平臺，保證數據平臺的交易服務質量。針對數據市場加大反壟斷、反不正當競爭及消費者權益保護的行政執法力度，以適應數據要素市場競爭導向的發展要求。