| 数据要素化的内在机制及发展路径 |
| 彭朝明 2025-02-28 |
| 摘 要： |
随着新一轮科技革命和产业变革深入发展，数据作为关键生产要素的价值日益凸显。当前，我国数据要素市场已进入高速发展阶段，数据要素上升为战略性资源。针对当前数据要素权属配置、收益分配、流通交易、定价机制和安全治理等方面的难点和堵点，应着力解决数据供给质量不高、流通机制不畅、应用潜力释放不够等问题，重点围绕公共数据开放、数据交易所构建、数据资产入表、数据安全和跨境数据流动等内容加以探索，为经济社会发展注入新动能。 |
| 关键词： |
数据要素，内生化机制，数据确权，数字交易 |
|
|
|
习近平总书记强调，数据基础制度建设事关国家发展和安全大局，要维护国家数据安全，保护个人信息和商业秘密，促进数据高效流通使用、赋能实体经济，统筹推进数据产权、流通交易、收益分配、安全治理，加快构建数据基础制度体系。党的二十届三中全会通过的《中共中央关于进一步全面深化改革、推进中国式现代化的决定》要求"完善要素市场制度和规则""健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制"。数据是数字经济时代的核心生产要素。近年来，党中央、国务院高度重视数据要素体系建设，相继发布了一系列制度文件。《中共中央 国务院关于加快建设全国统一大市场的意见》明确提出，加快培育数据要素市场，建立健全数据安全、权利保护、跨境传输管理、交易流通、开放共享、安全认证等基础制度和标准规范。随着数据要素价值的不断开发，数据要素体系化建设的重要性进一步凸显。当前，我国数据生产量和存储量快速增长，数据资源开发能力持续增强，但制约数据"供得出""流得动""用得好"的卡点堵点依然突出，数据产权、流通交易、收益分配、安全治理等基础制度还需完善，需要从数据交易流通各环节作出部署，充分发挥数据要素对经济发展的重要作用，提升市场整体资源配置效率。
一、我国数据要素化的发展现状
随着数字经济的快速发展，数据已经成为推动经济社会发展的第五大生产要素。近年来，我国数据资源规模快速增长。在国家政策导向逐步明晰的背景下，各地加速数据立法进度，不断推动数据的管理和开发应用，如贵州、浙江、上海等省市均结合当地实际发展情况，制定了相关数据条例，涉及规范推进数据汇聚治理、开放共享、开发利用、安全保护等工作，有的地区探索建立“首席数据官”机制，积极探索创新数据管理机制。
（一）推进形成数据要素化的政策环境
在国家层面，为数据确权、流通、定价和治理提供了良好的政策环境。2020年3月，中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》，提出"加快培育数据要素市场"，"推进政府数据开放共享"，"提升社会数据资源价值"，"加强数据资源整合和安全保护"。2021年3月，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》要求"建立健全数据要素市场规则""加快建立数据资源产权、交易流通、跨境传输和安全保护等基础制度和标准规范"。2021年12月，国务院印发《"十四五"数字经济发展规划》，明确数字经济以数据资源为关键要素，提出“充分发挥数据要素作用”，“强化高质量数据要素供给”。2022年12月，中共中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称"数据二十条"），系统提出了我国数据基础制度框架，构建数据产权制度、数据要素流通和交易制度、数据要素收益分配制度和数据要素治理制度，以促进数据要素价值的充分实现。2023年2月，中共中央、国务院印发《数字中国建设整体布局规划》，明确将"数据资源规模和质量加快提升，数据要素价值有效释放"确立为发展目标之一。2023年底，国家数据局、中央网信办、科技部、工业和信息化部等17部门联合印发《"数据要素×"三年行动计划（20242026年）》，旨在推动发挥数据要素的乘数效应，释放数据要素价值。
（二）数据要素的双重价值
数字技术改变了社会的生产方式，催生了数字经济。在此过程中，数据经过采集、聚合、分析、应用等过程产生越来越高的价值。数据是数字经济的核心关键要素，数据的重要价值包括经济和社会两大方面。
在经济价值方面，充分挖掘和利用数据要素的价值，有助于推动消费升级和经济发展。随着互联网等技术的发展，传统产业正在经历着数字化转型和升级。通过数据的收集和分析，企业可以更好地了解市场需求和趋势，精准地定位目标客户群体，制定更加个性化的产品和服务，从而推动消费升级。同时，通过数据驱动的创新和产业升级，推动着经济的发展。数据驱动的创新在多个领域中都得到了广泛应用。例如，在金融领域，通过对信用数据的分析和挖掘，实现更精准的信用评估和风险管理，提高金融服务的效率和安全性。
在社会价值方面，数据要素可以提高政府的治理能力，加强社会监督，推动社会的公平公正。有的学者立足于政府的功能角色，认为对政府网站等数据的解析和挖掘能够构建地区社会风险指数，帮助政府评估政策的实行效果，提高社会监督管理能力，从而提升政府的治理效率和精准度。同时，政府通过收集、分析和利用各种数据，更加准确地了解社会需求和问题，制定更加科学、合理的政策和措施，提高公共服务效率和质量。而数据要素的开放和共享也能使社会公众更便捷地获取信息，有助于增强社会监督的力度。
二、数据要素化的内在机制
通过对数据确权、流通、定价和治理等内容的分析，本文认为，数据要素化的内在机制包括数据确权机制、数据交易机制、收益分配机制、数据定价机制、数据治理机制等五个机制，它们构成提升数据要素价值和发展数字经济的内生化体系。
（一）数据确权机制
数据产权机制是一种规范数据的持有权、使用权和经营权等权益的制度，用于明确各方在数据采集、处理、使用和交易等过程中的权利和义务。“数据确权难”是数据要素市场发展的难点和堵点。当前，数据要素权属不清是我国培育数据要素市场的重要制约因素，直接影响了我国数据资产定价、数据共享开放、数据交易、数据安全等环节，导致数据资源配置效率低下。因此，明确界定数据要素产权是实现数据要素市场化配置的基础条件，只有产权清晰的数据，才能顺利进入要素市场，实现数据要素在各个部门间的合理配置。
数据要素的权属配置应当以数据资源的开发利用和价值创造为根本目的，最大化释放要素的潜能，促进数字经济的创新发展。“数据二十条”提出“建立保障权益、合规使用的数据产权制度。建立公共数据、企业数据、个人数据的分类分级确权授权制度”。数据要素的权属配置，可以从权利属性、权利主体、权利内容来进行探讨。
首先，从权利属性来看，判定数据要素的权利属性是确定数据要素权属的基础。数据要素的权利属性是指数据要素所具有的特定权利或权益，如所有权、使用权、转让权等。从数据生产要素实现市场化流通过程中的数据权益配置来看，数据的使用权、转让权和收益权具有特殊性。数据要素可以是个人信息、公共数据或其他形式的数据资源。不同的数据类型具有不同的权利属性，如个人信息的隐私权、公共数据的公共属性等。因此，在判定数据要素的权利属性时，需要考虑数据的来源、类型、价值和法规等多个方面。
其次，从权利主体来看，科学合理地判定数据要素权利主体，有助于调动各方的积极性和激发数据要素的活力。由于数据要素的产业链条冗长，涉及的权利主体众多，包括产生者、收集者、传输者、存储者、加工者、使用者等，不同参与主体的地位、立场和诉求存在差异。将数据所有权划归单一主体会降低数据的正外部性，甚至造成劣币驱逐良币的不良竞争。应跳出传统产权界定的思路，平衡数据生产关系中的多方利益，对权益进行精细化划分。将产权划归为数据要素生产者能够激励其不断提升处理能力，降低生产要素的供应成本。协调和平衡不同权利主体的利益，明确各方的权利、价值和收益分配，是做好数据确权工作的关键。
最后，从权利内容来看，数据生产、流通、使用过程中各参与方享有相应的合法权利。有学者将数据分为原始数据和衍生数据两种，认为原始数据提供者享有所有权，经过加工的衍生数据记录者享有用益和处置权。也有学者提出，数据要素产权不同于所有权，企业享有数据产权仅仅意味着企业享有对其收益权或者允许他人收益的权利。"数据二十条"提出"探索数据产权结构性分置制度……根据数据来源和数据生成特征，分别界定数据生产、流通、使用过程中各参与方享有的合法权利，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”。“三权分置”的权属设计有利于保障各方的权益，建立健康、有序、可持续的数据市场环境。
目前数据权属配置问题主要是由于法律自身的局限性，现有规定难以对数据这一生产要素的权利属性做出合理判定，无论是《中华人民共和国民法典》《中华人民共和国个人信息保护法》《中华人民共和国数据安全法》等上位法的颁布，还是地方层面的数据立法，都没有对权属配置问题进行明确说明。此外，权属配置是为了实现数据要素价值的释放，只有将有利于发挥数据要素价值的内容予以充分考虑，才能逐步建立兼顾公平与效率的数据产权制度，加快数据确权技术创新进度。数据权益配置的根本目的是平衡各参与主体的利益，更好地发挥资源配置作用。当前，应根据数据来源渠道作出更精细的划分，明确政府、企业和个人在数据生产和收益生态中的角色，充分发挥数据价值。
（二）收益分配机制
收益分配机制旨在保证数据要素收益公平、合理地分配，保护数据要素各参与方的合法权益。目前，数据要素的收益分配存在一定困难。第一，数据产品和服务的特殊性，数据的收集、处理、存储、传输等各个环节的成本往往难以准确核算。第二，数据产品和服务的市场价值受到多种因素的影响，如数据质量、应用场景、市场需求等，其市场价值取决于具体的业务模式和应用场景。第三，数据生产要素的深度融合和多元主体的广泛参与，导致数据要素的收益作为一个整体难以进行具体分割。
党的十九届四中全会提出健全数据等生产要素由市场评价贡献、按贡献决定报酬的机制，“数据二十条”提出“建立体现效率、促进公平的数据要素收益分配制度”，“结合数据要素特征，优化分配结构，构建公平、高效、激励与规范相结合的数据价值分配机制”。数据要素收益分配机制应该根据实际情况进行综合权衡，既考虑所有权因素，也考虑贡献因素。
数据要素的所有权是分配收益的基础。数据要素的所有者应该获得相应的收益，这是对数据要素所有者权益的保护。然而，仅仅按照所有权分配收益是不够的。因为数据的产生、收集、处理和使用过程涉及多个参与方。“数据二十条”提出“按照‘谁投入、谁贡献、谁受益’原则，着重保护数据要素各参与方的投入产出收益”。因此，在分配数据要素收益时，也需要考虑各参与方的贡献因素。具体来说，可以根据各参与方在数据产生、收集、处理和使用过程中的投入和贡献程度，来确定他们应得的收益比例。这样可以激励各方积极参与到数据要素的生产和流通中，促进数据要素的价值创造和价值实现。
目前，对数据要素参与收益分配的争议主要是从理论依据、分配主体和标准等方面展开，但也涉及权属配置方面的分歧，数据不同于传统生产要素，市场化配置是其参与收益分配的关键。数据要素的价格和数据处理者的收益是通过数据要素市场上供求双方的充分竞争决定的。因此，要加快完善数据要素市场化配置机制，扩大数据要素按价值贡献参与分配渠道，打通数据要素生产、流通、交易等环节，找到科学合理的收益分配方式。
（三）数据交易机制
数据交易机制涉及数据的定价、交易方式、交易流程等方面的规定，旨在促进数据的流通和共享，提高数据的利用率。目前，我国数据交易所的数量快速增加。从各地数据交易所的定位看，总体上是制度建设和规则建构先行，从事登记、确权发证、价值评估、公共数据开放和运营、数据链建设、数据安全体系建设等活动。但数据交易所未能实现数据的广泛交易，当前规范的场内交易占比较低，监管多头、执法边界不明、标准不统一等因素进一步加重了合规风险和交易成本。
数据要素流通主要以开放和共享的方式打破政府、行业、企业间的数据壁垒，从而发挥数据的利用价值。“数据二十条”提出“建立合规高效、场内外结合的数据要素流通和交易制度。完善和规范数据流通规则，构建促进使用和流通、场内场外相结合的交易制度体系”。当前我国许多数据交易平台的运行状态不够稳定，经营主体之间缺乏信任机制，数据流通交易面临诸多问题。因此，建立健全数据交易市场体系是当前应关注的一个重点问题。
一是发挥数据交易市场的流通与交易功能。当前，我国数据交易市场处于扩张阶段，各地对数据价值开发的重视程度不断提高，纷纷成立大数据交易所或交易中心，从数据来源、交易规则、数据定价、技术支撑、数据生态构建等方面进行了积极探索。然而，相比庞大的数据生成量，数据的流通与交易依然显得不够活跃。针对数据交易市场，可以从支持数据产品登记、鼓励数据产品交易、培育优质数商企业等方面采取激励措施，促进数据场内交易，激发数据市场活力。要充分发挥数据交易市场对数据开发、共享的引导作用，培育数据密集型企业成为经营主体，打通政企之间、企业之间的数据接口，制定数据交易规则标准，探索高效安全的数据交易模式。
二是构建多方参与的数据市场化配置模式。多方参与的数据市场化配置模式是一种基于市场机制的数据资源配置方式，旨在通过市场化的手段，实现数据资源的优化配置和价值最大化。在多方参与的数据市场化配置模式中，涉及多个参与方，包括数据提供方、数据需求方、数据交易平台等。数据提供方负责提供数据资源，可以是政府机构、企业或个人等。数据需求方则是需要使用数据来支持其业务或研究活动的机构或个人。数据交易平台则起到桥梁作用，为数据提供方和数据需求方提供交易场所和交易规则。数据市场化配置模式的优点在于更好地反映数据资源的真实价值，有利于数据的合理定价。通过市场竞争，可以促进数据资源的优化配置，提高数据的利用效率，推动数据市场的健康发展。
在数据要素的流通交易方面，以开放共享为原则，同时要兼顾安全和规范。在市场化配置的过程中，需要发挥数据载体和规范制度的作用，统筹考虑流通与安全，既不能因为过度保护降低数据要素的利用效率，也要加强监管、精准治理，打破数据之间的界限和部门之间的藩篱，从政府和企业间数据共享出发，积极探索以数据交易平台为基础，通过产品交易或提供服务的方式进行数据流通，从而推动数据的流通和共享。
（四）数据定价机制
数据定价机制涉及数据的价值评估、定价方式、定价标准等方面的规定，旨在确保数据的价值得到合理体现，促进数据的流通和共享。数据要素定价机制需要考虑数据产权、应用场景、市场等因素。第一，不同于商品交易是所有权的转移，数据要素交易既可以是数据使用权，也可以是数据所有权，需要针对不同的交易权利设计不同的定价机制。第二，数据的价值具有高度情景相关性，定价必须基于场景，但传统的价格理论没有考虑场景因素，难以解释数据要素定价。第三，数据要素市场结构比较复杂，存在单边市场交易双方博弈，也存在多边市场，从而影响定价策略。
在数据要素市场化的过程中，数据以虚拟形态参与经济活动，在定价方面也面临诸多难题。由于当前数据市场的买家和卖家之间信息严重不对称，造成数据价格没有统一标准，而数据的外部性也造成信息外溢，无法准确评估其价格。“数据二十条”提出“支持探索多样化、符合数据要素特性的定价模式和价格形成机制”，可以通过确定价格的影响因素、探究数据的估值方法、分析数据定价的策略和模型来讨论数据要素定价的具体策略。
数据要素价格确定的第一步是考虑影响因素，综合分析影响数据要素定价的主要因素，包括成本、收益和市场等因素。有研究认为，数据价值的影响因素是多维度的：包括数据资源的收集和研发成本、数据服务的经济收益、数据服务的内容期限数据服务的费用、同类数据产品价格，以及买卖双方的协商能力。有学者将数据定价划分为数据产品价格、数据资产价值双重维度，通过标准化的数据产品价格和可计量的数据资产价值确定数据要素价格，有的将影响数据定价的因素总结为生产成本、产品质量、应用效益和风险水平。综合来看，在成本方面，需要考虑数据采集、存储、传输、分析、应用和管理等环节的累计成本。由于互联网行业技术日新月异，数据要素的成本变化很快，对数据定价的影响也很大。在收益方面，需要考虑数据要素未来可能带来收益的贴现，包括现金流贴现法、内部报酬率法、资本市场定价模型等各种方法。在实际交易中，数据的价格最终取决于供求双方的议价能力，因此需要考虑市场因素，根据具体的交易场景确定数据的价格。
关于数据要素价值评估的方法，目前主要存在成本法、收益法、市场法、综合法等。成本法以资产形成的成本为基础计量资产价值，操作相对简单，易于理解。但由于存在部分数据资产投入成本难以区分，导致实际价值差异较大。收益法是基于预期收益评估资产价值的方法，但数据资产的预期收益、收益期限等都与传统资产考量有所不同，收益法存在一定局限性。市场法是在活跃、有效市场基础上，选取市场参照价格进行数据资产评估，难点在于对同类数据交易的准确把握。综合法则是在成本法（最低值）和收益法（最高值）的估值区间内，通过双方博弈的方式找到数据要素的均衡价格。这些传统的无形资产定价方法各有利弊，需要根据具体情况选择合适的方法进行评估。同时，需要持续完善和改进现有的评估方法，以适应不断变化的市场环境和评估需求。
在数据定价策略方面，目前主要存在协议定价、拍卖定价、使用量定价、免费增值定价、预定价、动态定价等策略。在数据交易中，协议定价可以根据交易双方的需求和市场行情进行灵活调整，以达成双方都能接受的交易价格，适用于数据交易市场相对成熟、交易双方对数据价值有较为清晰的认识的情况。拍卖定价可以促进竞争，使数据价格更加公正和透明，适用于数据资源稀缺、需求大于供应的情况。使用量定价根据数据的实际使用情况来收取费用，比如按次收费、订阅收费模式，根据数据资产的时效和需求来变化价格，主要适用于批量、廉价的数据，由于应用程序编程接口（API）大多基于此定价策略，占据市场比例极大。免费增值定价可以吸引更多的用户使用数据，并在此基础上提供更高质量的数据服务来收费，有利于增强客户的依赖性，吸引大量潜在客户。动态定价根据数据的时效和需求情况进行调整，以保持数据的合理价格和市场竞争力，适用于数据市场价格波动较大、需求变化较快的情况。
关于数据要素的定价模型，目前主要有博弈论、信息熵、数据特征、数据质量、查询、数据元组、机器学习等定价模型。博弈论定价模型将数据交易视为一个多方参与的博弈过程，通过分析各方的策略互动和利益冲突来确定数据价格，考虑数据交易中的不确定性、信息不对称和竞争因素，可以较为真实地反映数据市场的动态变化。信息熵定价模型基于信息论的原理，通过计算数据的熵值来衡量数据的价值，认为数据的价值与其包含的信息量成正比，熵值越大，数据价值越高。数据特征定价模型根据数据的质量和内在属性，同时考虑实际业务需求和用户偏好来确定数据价格，体现了数据本身的价值，更加贴近实际情况。数据质量定价模型选定数据质量维度，构造效用函数，根据数据质量各个维度公正的客观的评估，维度越多，对数据本身的真实价值挖掘更准确。查询定价模型中，卖方先指定一些视图的价格，而模型能够通过指定视图的价格生成其他任意视图的价格。买方可以根据自身需要的数据在数据库中查询购买。数据元组定价模型对数据库中的各元组定价，将元组这一结构粒度作为最基本的数据度量组合。由于各元组所含数据信息不同，需要对其进行差异化的价格设定。机器学习定价模型以大量的数据作支撑，利用机器学习算法对数据进行分析和预测，以确定数据价格，并根据反馈、预测等因素不断改进。
在数据定价方面，目前数据定价方式主要有两种类型。一种是将数据看作无形资产，考虑各类影响因素后建立估值定价模型，另一种则是从实践经验出发，以市场实际交易过程和定价为依据建立模型。可见，随着数据交易机制不断完善，下一步的研究重点是在结合市场实践的基础上构建出普适的、可解释的定价模型，不断验证其合理性并实现有效定价。
（五）数据治理机制
数据治理机制旨在正确有效地管理数据资产，保障数据及其应用过程中的运营合规、风险可控和价值实现。数据治理是一个全局性工作，需要各级政府部门和企业的积极参与协作。由于政府部门和企业之间相互分割，没有破除体制机制上的障碍，导致数据治理往往只关注自身利益，缺乏全局意识，跨部门协调困难。此外，数据质量良莠不齐、数据标准不一致、数据安全等问题也加大了数据治理的难度。
数字技术的发展使得数据治理领域不断拓宽，而数据治理的关键在于规范和保护数据权利，厘清数据使用与数据安全之间的界限，创造数据共享新格局。“数据二十条”提出“建立安全可控、弹性包容的数据要素治理制度。把安全贯穿数据治理全过程，构建政府、企业、社会多方协同的治理模式”。针对数据治理中的风险点，可从个人权利、社会发展、经济利益三个方面进行路径探索。
在个人数据带来更多商业价值的同时，也产生了个人隐私泄露的风险。数字经济时代，数据安全和隐私保护问题是当今社会面临的最大考验。目前，我国对个人信息的保护主要是依靠数据要素的人格权属性，《中华人民共和国个人信息保护法》中规定了信息处理活动中个人的权利和处理者的义务，通过明确法律责任的方式保护个人信息权益。数据流动的国际实践方面，主要有两种治理方式。一种是欧盟、俄罗斯等主张数据本地化存储的国家，规定除了获得明确许可外，个人数据不得跨境流动。此举虽然从一定程度上对个人数据泄露风险加以防范，但却限制了数据要素的国际流动，从长远来看制约其价值的最大化利用。另一种以美国为代表，原则上允许数据跨境流动，但监管机关有权对其加以禁止或限制。此举通过赋予监管部门干预权对数据的流通进行约束，并且从一定程度上降低企业数据跨境流动的合规成本。而我国允许根据业务在保障个人信息活动符合法律规定的个人信息保护标准的基础上，经主管机关评估和批准并取得个人同意后，允许有关单位向境外提供个人信息。
社会发展方面，数据治理的关键在于加强数据开放与共享。要明确数据共享的最终目的是对数据资源的最大化利用，同时激发公众对数字要素市场的积极参与。“数据二十条”提出“构建政府、企业、社会多方协同的治理模式”，政府、企业和社会之间的数据开放共享是实现多元协同治理体系的重要路径。通过数据开放和共享，促进数据的流通和利用，有助于打破数据壁垒，促进政府、企业、社会数据资源的共享和互利共赢，充分发挥社会力量多方参与的协同治理作用。
经济利益方面，由于数据要素的特殊性，在数据垄断行为认定和治理方面存在一些困难。本文认为，数据垄断是平台依靠自身拥有的数据提升数据产品的垄断力，并非完全垄断数据。在数字经济领域，平台利用其用户优势、技术优势、基础设施优势等，收集了大量的数据，平台利用数据提高产品或服务的质量，增强市场进入的壁垒，不属于数据垄断范畴。有学者认为，数字时代企业对数据要素的垄断行为并不意味着市场失灵，反而会从一定程度上促进市场竞争，提升数据资源的配置效率。[12]"数据二十条"提出"企业应严格遵守反垄断法等相关法律规定，不得利用数据、算法等优势和技术手段排除、限制竞争，实施不正当竞争”。因此，数据要素的垄断治理要兼顾共享和专属、平衡效率和公平，进一步通过法规制度约束竞争行为，出台相关标准加强多方监管，不断丰富治理手段。
综上所述，在数据治理和监管方面，要建立政府、行业协会、企业和个人多方参与，协同共治的新型监管体系，数据要素市场的繁荣离不开监管的有效性和灵活性。同时，构建跨区域的数据要素市场协同监管体系，建立跨境反垄断监管和执法的国际合作机制。
从数据安全治理角度来看，我国已制定了数据安全领域的基础法律，明确提出建立健全数据安全治理体系，但在实践中仍存在一些问题。由于数据治理的复杂性，关于数据的保护、共享、竞争、流动等各环节都存在许多潜在的安全隐患，如何平衡用户与企业的利益，打破数据孤岛，避免企业恶性竞争，基于数据跨境流动保障本国数据安全等，还需要更为完善精细的治理规则来解决。强化国家数据资源的保护能力，不断完善立法体系，建立数据流动、公开与共享的机制和标准等是未来需要面对和解决的共同课题。
三、数据要素化的发展路径
在数据要素化的基础上，结合当前国家政策和数据产业发展趋势，应当进一步探索数据要素化的发展路径。数据要素的未来发展，可重点围绕公共数据开放、数据交易所构建、数据资产入表、数据安全和跨境数据流动等方面来开展。
（一）加快推进公共数据开放
“数据二十条”指出，必须对公共数据加强汇聚共享和开放开发。要着力畅通数据资源大循环，推动公共数据的汇聚及开放利用。当前，要在保障国家安全和个人隐私的条件下，加快政府部门公共数据的社会开放，这是促进数据共享和开放的关键，不仅有利于数据资源的充分利用，而且更有利于数字领域的创新发展和促进民生服务。目前，一些地方已经发布了关于开放公共数据的管理办法，以规范公共数据的获取、共享和应用。为进一步加强公共数据的共享和开发，必须做好以下工作。
一是完善公共数据政策立法。在国家政策层面，研究和制定公共数据开放相关政策立法，出台符合地方实际的公共数据开放管理办法，规范公共数据的获取、共享和应用，促进公共数据的开放和共享。在法律层面，明确公共数据开放管理的数据分类规则、开放基础和原则、管理机制以及相关安全法律责任界定。
二是建立公共数据开放平台。建立统一的公共数据开放平台作为公共数据资源载体，并对相关区域公共数据的开放和开发利用工作进行统筹、指导、协调和监督工作。并指定专门的公共数据开放平台的管理和服务机构承担公共数据开放平台的运营、维护和管理职责，同时监督和管理平台数据的安全使用。
三是创新公共数据应用场景。鼓励企业利用公共数据创新应用场景和服务，推动科技创新和产业升级，促进数字经济发展。推动公共数据向应用场景和产业生态发展，发挥大批量、多样化的数据优势，形成规范有序的数据应用服务市场。
四是加强对公共数据的安全监管。公共数据开放涉及公共数据的安全管理和个人隐私问题。根据“数据二十条”规定，公共数据要按照“原始数据不出域、数据可用不可见”的要求，在保护个人隐私和确保公共安全的前提下使用。政府部门要坚持对开放的公共数据进行严格监管，企业也应当严格遵守政府在数据开放方面的合规要求和监管措施，确保数据安全和数据的合法使用。
（二）规范构建数据交易所
2020年4月，中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》，提出引导培育大数据交易市场，依法合规开展数据交易。"数据二十条"要求统筹构建规范高效的数据交易场所。北京、上海、广州、深圳等一线城市相继成立了数据交易所。国内数据交易所的发展正处于起步阶段，还需进一步加强政策支持、技术创新和数据安全保护等工作，以促进数据交易所的健康发展，实现数据的更广泛利用和共享。
一是推进数据交易立法。要加快推进国家层面数据交易立法，构建更加公平、透明、安全的数据交易环境，促进数据要素高水平开放和高效流通。对数据交易所的运营、数据安全、数据质量等内容进行法律规定，建立统一的数据交易规范和标准。同时，要在法律和政策层面明确数据交易参与者的权益与责任，加强对数据交易所的监管和执法力度，防止不正当竞争和数据滥用的行为。
二是加强数据确权工作。数据确权是数据交易的前提，数据的特性是可复制性、非竞争性、非排他性，使得数据需要依靠数据确权等法律手段保护相关主体的权益，但目前全国尚未形成统一的数据确权标准。要加快建立数据所有权制度，明确数据使用权和访问权限，加强对数据确权的监管和执法力度，增强数据确权的法律约束力和执行力，维护数据主体的合法权益，促进数据的创新和共享。
三是加强技术创新。加强大数据、隐私计算、区块链等技术创新，加强技术创新，有利于提高数据交易的安全合规性和交易透明度，推动数据交易所的健康发展。数据确权标识技术可以解决数据交易流通的权属问题。针对高敏感度和高价值数据，可通过隐私计算来进行分析、建模，推动高敏感和高价值数据在“可用不可见”的前提下实现流通。区块链技术有利于数据交易实现全链条监管，如上海数据交易所已经采用联盟链将与交易有关的信息存储在区块链节点中，提高了交易的安全度和可信度。
（三）规范数据资产入表
“数据二十条”提出，探索数据资产入表新模式。2023年8月，财政部印发《企业数据资源相关会计处理暂行规定》，明确数据资源的确认范围和会计处理适用准则等。数据资产入表对于大部分企业特别是新经济领域企业，可以更加客观反映出企业的真实价值，并能强化企业对数据的收集、存储、管理和开发能力，是企业提升数据要素的重要方法。
为有效地规范数据资产管理，规范数据资产入表重在做好以下两个方面工作。一方面，要规范数据资产。国家要制定明确的指导性文件，明确数据资产的概念、范围和计量方法，进一步完善数据资源估值定价的基础制度和操作规程，确保数据资产的计量准确、可比性和公允性。同时，制定数据资产相关配套制度，如数据确权、数据定价以及流通机制，数据的产出、定价和流通顺畅，形成数据交易闭环，才能真实反映企业的数据资产价值。另一方面，要加强数据治理。企业应建立健全数据资源成本核算制度，明确数据资源的所有权，并合理确定数据资源运营模式，建立全流程的风险监管机制。
（四）加强数据安全和隐私保护
数据基础制度建设应当以维护国家数据安全、保护个人信息和商业秘密为前提。在加强数据安全和隐私保护上，除立法保障外，还要进一步加强数据安全管理和技术创新，使数据开放开发效率最大化。
一是以加强安全管理来保护数据安全和隐私。有效落实数据安全法律体系，数据安全和个人隐私保护都要到位。加强对数据安全领域的监管机构建设，建立统一的数据安全评估和认证体系，引导企业按照规范要求进行数据安全管理，提高行业的数据安全水平。
二是以加强技术创新来保护数字安全和隐私。企业和研究机构应在数据安全和隐私保护领域开展技术创新和应用探索，创新加密算法、隐私计算、区块链等技术手段，保护数据的安全传输和存储，探索数据去标识化、数据脱敏等方面的应用。同时针对数据泄露、滥用和侵权等问题，探索相应的解决方案。通过技术创新和应用探索，可以提高数据安全和隐私保护水平，为用户提供更安全和可靠的数据环境。
（五）规范跨境数据流动
“数据二十条”提出，要构建数据安全合规有序跨境流通机制，探索安全规范的数据跨境流动方式。2023年9月，国家互联网信息办公室发布《规范和促进数据跨境流动规定（征求意见稿）》，明确了无需申报数据出境安全评估的情形，降低了相关主体在数据出境时的合规成本，对促进数据跨境流动具有重要的促进作用。为进一步规范跨境数据流动，需要持续完善相关制度。
具体而言，一是完善法律法规。完善数据跨境流动相关法律法规和配套实施细则，明确规定跨境数据流动的管理原则、要求和程序，包括数据出境审查、安全评估、风险评估等内容，为跨境数据流动提供法律保障。二是制定相关标准。制定相关的数据保护标准，包括数据加密、脱敏化、访问控制等，促使数据主体和数据处理方采取相应措施来保护跨境数据安全和个人隐私。三是加强合规审查。建立跨境数据流出合规审查机制，设立专门的机构或部门负责对跨境数据流出进行审查和监管，确保数据流动的合规性和安全性。四是扩展国际合作。建立数据安全有序跨境流动的国际共识，积极开展数据安全治理、数据开发利用等领域的国际交流与合作，构建跨境数据流动监管的国际互信机制，促进跨境数据流动健康发展。
|
|
|
