数据作为一种新型生产要素，是数字经济高质量发展的核心动力。培育和建设规范的数据要素市场能够充分挖掘和释放数据要素的内在价值，促进数字经济和实体经济深度融合。但是由于数据要素具有可复制性、非标准化等特点，数据交易在安全方面有天然的脆弱性。同时，数据要素的价格决定机制、要素流动和配置机制都存在一定的不合理性，使数据要素市场化改革面临一些障碍。畅通要素流动和经济循环，必须勇于创新、深化改革，破除这些障碍。

面临的挑战。数据权属不清晰。数据要素产权清晰是市场化交易的前提条件，数据权属不清晰容易导致数据流通的侵权现象，引起数据交易的一系列摩擦。但是数据要素的产权与实物相比更为复杂，权属方面可能涉及多个主体，利益分配方式不明。

例如，在政务数据方面，国内政府部门之间缺乏数据授权运营的激励机制，而数据的经济价值通常在各部门数据关联应用下体现。各部门利益补偿和激励机制欠缺，往往导致政务数据运营效率低下。数据所具有的可复制性、非排他性等特点使其在多个主体中的分配较为困难。

(资料图片)

数据具有数量庞大、价值稀疏和种类多维的特性。我国目前互联网普及率在70%以上，仅个人数据端每天产生的数据都是海量规模，还有来自企业端、政府端各种类型的大量数据，缺少标准化的规则进行筛选。而数据价值的稀疏性意味着其中大量的数据缺乏实际应用价值，这也弱化了大范围数据确权的必要性。数据的多种类型、多种分类标准、多种内容形式造成数据权属的内涵外延不同，涉及的主体不同，数据确权的规则不明确。

数据要素定价难。传统的生产要素如土地、资本、劳动力等，都可以转化为实物，但是数据要素具有虚拟性，主要表现形式为数字、文本信息、音频、视频等虚拟形态，数据要素的价值难以剥离和计量。由于非竞争性、可复制性特点，数据要素在使用过程中很难追根溯源，也难以度量数据对于不同用户的实际价值。特别是数据价值链的早期阶段，数据要素生产者主体的贡献难以评估，对于不同的使用者和使用场景，数据要素的价值不同。根据数据的质量、数量、稀缺性定价的传统会计学方法对原始数据定价极为困难。

数据要素交易的参与方对彼此的信用、数据控制能力缺乏信任。数据供给方是数据要素流通的重要一环，从数据的生产加工到数据的挖掘、产品化，供给方提炼整理出有价值的数据并形成可以流通、应用的数据服务，是数据要素成立的前提和保障。数据供给方担心数据交易后未经允许被再次转卖，从而失去数据控制权。数据需求方决定数据要素的最终价值，会担心数据的合规性及实际使用效果等。数据中间商是数据交易市场的重要组成部分，是盘活市场的关键一环，但是目前相对缺位。对数据的保密性、安全性等缺少第三方评估，数据要素交易的不确定性风险较大。

数据要素市场监管职能不明确。目前，数据治理主要是通过多部门条块监管，力量薄弱、职能分散。部门之间互动不顺，难以有效监管。监管层对数据产品是否涉及隐私、国家安全、商业机密等信息不明确，对交易的安全性有所担心。数据要素市场规则、机制不健全，不同交易所的规则不同，参与主体交易成本较大。数据的跨地区跨行业流动也导致监管难度加大。

对策建议。从政策层面来看，应加快出台全国统一的，与数据产权、交易监管、数据共享等相关的法律法规。制定可交易数据的标准，建立完善数据要素分类审核制度。技术方面，规定可交易数据的具体概念，划清其内涵和外延。安全方面，确立数据脱敏标准，建立去除敏感字段的具体规则。应对数据进行分类分级管理，不同类别、不同级别的数据安全及隐私保护标准不同，可交易标准也不同。数据交易通常主要涉及数据使用权的转移，卖方应明确规定数据的使用场景，同时利用技术手段对数据进行追踪，防止数据泄露。数据交易所作为数据交易的独立平台，记录了交易的流程及交易细节，具备一定的可追溯、可监管、可举证的能力，从法律层面保护了买卖双方的合法权益，同时还具有一定的价格发现功能。另外，目前数据要素的开放共享不足，政府掌握的大量公共数据具有极高的使用价值，但由于缺乏统一标准的数据平台，形成了很多数据孤岛。政府应大力推动建立全国统一标准的数据交易所，完善交易平台的规则，活跃市场交易。

从技术层面来看，数据的传输过程需要加密解密，利用密码技术保证数据通信的安全性。可利用隐私加密计算等技术，将数据所有权与使用权分离，提供可信的数据交易。此外，数据交易通常有多方参与者，具有分布式的特征。数据在传输过程中不能被篡改，交易细节需要能够追溯跟踪。区块链技术具有分布式、不可篡改、可溯源等功能，应重视区块链技术在数据交易中的应用。区块链技术在数据要素市场化中的应用主要体现在数据的市场化配置环节，可以通过赋权、零知识证明完整记录交易过程，提供可信的交易执行环境。区块链技术通过市场机制进行协同计算，可实现数据要素的有效配置。借助区块链的智能合约、数字签名、共识机制等技术可以对数据交易确权，实现数据的不同权限的授权使用，对数据价值链进行全周期的记录跟踪和监督。在数据要素市场的培育过程中，应持续开展人工智能、区块链、大数据等信息基础设施建设，为数据要素的市场化提供支撑，引导数据要素和实体经济发展有机结合。

数据应用层面要促进数据、算力、算法、应用场景间的深度融合。数据的价值在于应用，应用的场景越多，每个场景产生的价值越大，数据要素释放的价值就越大。算力的发展促进数据大规模运用于生产经营当中，得以保障数据发挥其生产要素的功能。算法的发展，为数据全方位提升生产效率提供了助力。同时，数据具有非排他性，某一主体对特定数据的分析不妨碍其他主体对其加以挖掘分析，不同算法能够根据不同的目标对同一数据挖掘不同的信息，并可将其用于不同的部门或行业。数据价值链需要通过人工智能等算法实现商业逻辑，应用于不同场景，并获得相应的收益。数据、算法、场景之间相互影响，合理的数据要素收入分配机制也应基于各种场景应用，通过各种算法实现，提供完善的确权、定价、交易、结算等综合服务。数据交易的核心在于数据的开发利用，必须结合特定的场景，在保障隐私和安全的前提下实现数据的价值。通过开发利用安全、可信、合规的流通技术，数据要素可以通过主体分级授权，实现跨场景、跨平台的自由流通使用，使数据价值实现充分释放。

市场监管层面应出台完善数据保护的相关法律法规，依法保护数据的使用。监管层应明确市场监管的对象和主体，完善事前事中事后的监管体系。对数据资产进行可靠的评估，建立完善的数据评估标准，开展数据审计核验，打击数据资产的虚报及刷单交易等。由于数据交易的双方或者多方之间缺乏信任，容易产生争议，对于数据交易的纠纷，监管层可通过建立特殊仲裁机构取证仲裁。监管层也可结合场景开展数据交易沙盒试点，打造数据交易价值链生态系统。监管沙盒是为运行中的数据要素交易提供隔离环境的一种安全机制，一般在试验一些难以预知或判定风险的交易时使用。在保证测试环境真实、测试方法准确的同时，监管沙盒不对盒外数据和交易市场造成影响，从而保证安全。在沙盒内，数据要素市场的各参与方可以测试其创新的数据产品、服务、商业模式和营销方式，而不用在碰到问题时立即受到监管规则的约束。监管沙盒给数据要素市场的新产品、新业务、新模式提供了探索空间，促进实体企业更好发展的同时也为相关的监管提供了双向互动的机制。

（本文系国家社科基金一般项目“中国要素市场扭曲的测度、成因及对策研究”（20BJL119）阶段性成果）

（作者单位：常州大学吴敬琏经济学院）