李三希 中国人民大学经济学院教授、数字经济研究中心主任、中国宏观经济论坛（CMF）主要成员
本文转载自6月14日人大国发院微信公众号。
本文字数：3377字
阅读时间：11分钟
中国数据要素市场在政策推动下迅速发展，但面临技术基础设施不足、市场交易不活跃等挑战。从支撑层、价值层和政策层三个维度来看，数据供给侧的合规成本高、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解决。为此，必须找出破解市场与政策失灵的策略，包括理解数据作为生产要素的价值、寻找高效流通模式、保护数据投资激励，并强调技术和创新体系的重要性。同时，建议政府在市场失灵时进行补充和引导，构建市场参与者激励机制，优化数据交易模式，引导社会资本投入，并发展数据交易平台，完善市场生态建设。此外还应当探索差异化定价策略，以促进数据要素市场的健康发展。
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，数据是数字经济时代最为重要的生产要素之一，我国出台多项政策文件，高度重视培育数据要素市场。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定了“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×”三年行动计划（2024—2026年）》；组织机构方面，我国成立了国家数据局，各个地方也纷纷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建设的序幕；市场方面，中国数据要素流通市场活跃度显著提升，总体规模不断扩大，预计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提供的数据平台服务范围亦较广，并取得了一定市场成效。
目前，数据要素流通交易的主要模式主要有以下三种：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，最后签订合约和履约来完成数据交易；二是数据交易平台撮合。例如，北数所提供四个环节的服务完成交易，而且除撮合数据交易外还提供了其他衍生服务；三是提供API接口进行数据服务。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，向他们提供相应服务和API接口。
二、数据要素市场的挑战：支撑、价值与政策的三层视角分析框架
可将数据要素市场分为三个层级进行分析，分别为支撑层、价值层、政策层。支撑层是数据要素的基础设施及技术支撑，价值层包括数据供应商、数据交易机构和分析应用方，政策层是指构建统一数据标准、推动公共数据开放、激励市场主体数据共享、科学界定数据产权等。
（一）支撑层
从理论上讲，区块链、隐私计算、多方安全计算等技术可以应用于数据要素流通交易业务中。然而，实践中基础设施和技术环境都离国家的战略目标、数据要素流通实践的需求、场内市场和场外市场流通环境建设的需求之间存在相当大的差距。
（二）价值层
价值层的场内交易市场相当不活跃，又可分为三个方面的问题：
第一，中国数据供给侧问题：（1）合规成本过高。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）个人数据开发利用成本较高。一是个人授权成本较高，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足。（3）科研类数据共享程度不足。“科研数据割据”现象严重。（4）公共数据开发激励不足。目前政府和事业单位未明确向公共数据授权运营单位收取费用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，对于数据价值的认识与挖掘不够深入，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，这阻止了其转型；（2）企业虽然拥有大量数据，但缺乏相应的数据分析技术和实力，数据无法转化为实际的业务价值，仅有少部分数据得到开发利用或没有开发利用的企业大于80%；（3）很多公共数字化应用场景尚未对市场充分开放，也进一步限制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，有些数据被严格限制使用且数据的标准化程度低，缺乏成熟的市场环境来进行交易；“有市无数”是指数据供应商缺少个性化定制模式，数据供应商提供的数据服务无法满足个性化的需求。（2）数据要素价格发现机制不完善。一是公共数据授权运营单位向社会服务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。买卖双方在价格谈判、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，相应制度与法规仍然不完善。制度与法律法规层面存在四个重要问题：（1）数据确权等权属分置问题。一是数据分级分类问题尚未解决；二是数据所有权难以归于单方主体；三是法律确权探索收效甚微。（2）数据安全合规成本问题。数据交易过程中面临的合规安全等风险成本，导致买卖双方的参与意愿不高，数据市场流动性不够。（3）数据要素流通市场建设的相关制度不健全。一是数据交易平台缺乏标准，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应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：市场失灵和政策失灵
数据问题的成因主要包括以下两个方面：一是市场失灵，二是政策失灵。
第一，市场失灵。一是信息不对称；二是负外部性，数据流通过程中可能会带来隐私泄露等数据安全问题；三是垄断问题；四是协调失灵，产业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协调失灵问题。
第二，政策失灵。一是数据交易所重复建设；二是面临发展与安全的二元政策矛盾；三是政策不明确和不稳定，企业因政策不确定性而缺乏活力；四是公共数据缺乏数据共享激励机制。
四、破题思路与政策建议
针对以上两点主要原因，应对问题的基本思路如下：（1）理解数据作为生产要素的价值。数据生产要素的价值在于产生提质降本增效和促进创新的经济效益，核心在于开发和利用数据。数据基础制度设计要有利于数据的充分开发利用，而不是要最大化数据交易量和交易额。而且，要审慎对待数据作为一种资产的入表、抵押和融资。（2）寻找数据要素的高效流通模式，兼顾交易和交互两大主线。其一，尝试多层次的交易模式。首先要培育专业的数据要素市场参与主体，其次要借鉴国内实践的成功经验，最后还要积极提供质量评估等配套服务，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通中的重要作用。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价值，各方共享业务发展带来的红利。（3）有效保护数据投资激励。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，但这也可能会降低针对数据的投资激励。所以，需要审视用于判断数据共享是否不足的标准，以合理的共享程度为目标有助于提升社会福利。（4）掌握数据流通利用的关键。数据的价值取决于服务能力，现阶段应用数据的能力更为重要。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，也是技术和经济环境等多种因素的共同作用。比起单纯的数据量，技术和有利于创新的体系、制度和经济环境更加重要。
在以上分析的基础上，提出如下建议：
第一，明确有效市场是数据要素市场发展的基础，政府的作用则是在市场失灵时进行补充和引导，政策制定需要且应当遵循市场规律和原则。一是构建合理的市场参与者激励机制；二是优化数据流通交易模式，尤其是重视数据交互的流通方式；三是引导社会资本投入，数据交易平台包括一些公共数字化的应用场景都可以对市场放开。除此之外，政府可以加强技术研发与人才培养，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建设。数据交易平台应当树立好综合服务商的定位，发挥自身中介价值，通过建设互信机制，连接数据产业链各个环节，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，采用分类的差异化定价，尽量拓宽数据交易的使用场景，并据此作为定价基础。
最后，针对数据的来源与用途，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，将用途划分成商业用途和公益用途，不同来源和用途的数据采取不同定价方式。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，发挥数据市场价格发现的作用。