数据要素交易市场构建的理论逻辑、现实困境与突破路径（潘家栋，储昊东）

一、问题的提出

习近平总书记在2024年1月31日中共中央政治局第十一次集体学习时强调加快发展新质生产力，并指出要大力发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。数据要素作为数字经济发展的核心战略资产，促进生产要素创新性配置，是新质生产力发展的关键要素。构建和完善数据要素交易市场是促进数据要素有效配置、实现价值最大化的重要基础。习近平总书记强调，“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”。然而，当前数据要素无序性、碎片化使得自身价值难以挖掘。明确数据要素交易规则，强化数据要素市场化流通，加快构建数据要素交易市场，是充分释放数据要素价值的关键举措。2022年12月发布的《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》指出，要探索建立起数据资源持有权、数据加工使用权、数据产品经营权等分置的数据产权运行机制，规范数据要素价值实现过程，明确数据资源流通方向和数据要素交易市场构建方向。

数据要素产生于人类社会运行过程当中，通过不断累积、叠加、放大，能够对事物进行详细总结、科学推演以及发展预测，在生产过程中进行有效配置，释放数据要素作为生产要素的价值。不仅如此，相较于传统生产要素，数据要素具有可再生性，能够重复使用并累积叠加，形成体量更大的数据要素规模；数据要素具有非排他性，突破传统生产要素的时间空间限制，可多地点同时使用；数据要素具有强外部性特点，能与土地、劳动力等要素紧密融合，对传统生产要素的价值实现乘数效应的增长，切实提高生产效率。数据要素作为生产要素的经济价值日益凸显，但数据要素作为生产要素，应当具备生产要素所具备的交易流通性质。构建数据要素交易市场能够促进数据的流通利用，激发数据的效用价值。尤其是数据要素统一市场的构建，更好地打通各地市场壁垒，统一基础规则、交易制度、产品标准等，畅通全国范围内的数据要素交易流通，使数据要素的价值最大化。

数字时代的来临，数据要素市场不断发展，海量的数据资源和前沿的信息技术使得数据交易成为新的经济增长点。根据国家工业信息安全发展研究中心测算数据，我国数据要素市场规模从2016年的62亿元增长到2021年的815亿元，预计在“十四五”期间市场规模将进一步扩大，整体进入高速发展阶段。庞大的数据总量为我国构建超大规模的数据要素市场提供了基础条件，截至2021年底，我国已建有83家大数据交易所或大数据交易中心，包括贵阳大数据交易所、华东江苏大数据交易中心等以政府数字资源为主导的交易平台，以及以阿里、腾讯等互联网龙头企业数字资源为主导的数字交易平台。但在目前的实践中，我国的数据要素交易仍面临数据确权尚未明确、安全隐私保障困难、估值定价困难及交易流通壁垒等关键问题。如何构建数据要素交易市场使得庞杂的数据资源转化为具有价值的数据资产成为学术界关注的热点话题。国内学者对数据要素市场的培育治理等问题展开了大量研究，从制度层面、政策层面、机制层面等明确了数据要素交易市场高质量发展的路径，这为本文研究提供了前期基础。本文探讨数据要素交易市场构建的理论逻辑、现实困境和突破路径，边际贡献在于以下三方面：一是基于数据资源持有权、数据加工使用权、数据产品经营权三权分置的角度探讨数据要素为何能交易、为何要交易等问题，数据资源持有权奠定数据要素初始价值切割的依据，数据加工使用权推动数据要素价值的释放，数据产品经营权实现数据要素价值的增值，数据要素交易市场构建促使数据要素直接与经济价值相挂钩，从理论逻辑回答了构建数据要素交易市场是充分释放数据要素作为生产要素价值的关键路径。二是探讨了数据要素交易市场所蕴含企业主体性、标准一致性、制度统筹性的内在要求，并以此为出发点明确构建数据要素交易市场在数据要素权属归属、数据要素价值评估、数据要素隐私保护、数据要素高效流通等方面需要破解的现实困境。三是针对现实困境提出突破路径，即高效流通的基础性支撑在于迭代升级数字技术，估值定价的前置性条件在于统一数据产品标准，明确权属的有效性路径在于构建多层次数据交易市场，保护隐私的关键性保障在于完善法规监管体系。

二、数据要素交易市场构建的理论逻辑

（一）数据要素为何能交易

数据要素可交易的基础在于数据要素作为新型生产要素应用于经济社会运行各领域各环节。数据经过采集、存储、处理、应用等环节，逐步实现数据形态从资源化、资产化向资本化的迭代演进。第一步是数据资源化，将原始数据经过分类、筛选，挖掘其潜在价值，转化为数据资源，实现数据要素初始价值。第二步是数据资产化，将数据进行加工形成数据产品，赋能企业生产和行业发展，推进数据要素价值转变为经济价值，实现数据要素价值应用。第三步是数据资本化，通过交易数据资产进行价值投资，获取数据要素价值增值利益，加快数据要素在市场中自由流通，实现数据要素价值增值。数据形态的演进过程与数据要素价值由“潜在价值—价值创造—价值实现—价值增值”的演进过程具有动态一致性。数据要素价值实现的过程中注重对产权进行权属切割，包括数据资源持有权、数据加工使用权、数据产品经营权。

1.基于数据资源持有权的分析。所有权是依法对自身财产享有的占有、使用、收益与处分的权利，具有排他性、永续性等特点。区别于传统生产要素，数据要素低复制成本、非排他性等特征，使得数据生产者难以拥有独自占有、独自使用、独自收益、独自处分的权利。数据持有权由所有权概念所衍化，但不等同于所有权，仅强调空间上对数据资源的控制与支配，数据资源持有权权属切割便是将数据的控制权或支配权进行归属分配。

数据供给主体与数据搜集主体对数据资源持有权进行分配。数据要素来源于个人、企业、社会公众、社会组织等多元主体，数据供给主体是碎片化数据的生产者，但由于信息不对称等原因，碎片化数据潜在价值缺乏合理预估，无法对碎片化数据进行价值挖掘。数据搜集者一般是企业、政府相关统计部门，在理论分析框架内部，对核心指标的数据信息进行搜集管理，碎片化数据逐步变成专业指标数据，具有潜在分析价值。数据搜集主体通过市场供给机制让渡部分利益所得，将数据资源持有权进行切割。数据资源持有权初期属于数据供给主体，数据供给主体可根据数据搜集者的需求，进行数据分类供给，将核心数据与普通数据加以区分，按照数据的贡献价值进行利益的直接或间接分配，数据供给主体获取相应利益。数据资源持有权后期属于数据搜集者，数据搜集者以理论知识进行相关统计，直观反映相应企业的生产经营状况和行业的发展趋势，对数据要素进行初步筛选成为数据要素资源。

2.基于数据加工使用权的分析。加工权若无当事人约定，加工物的所有权归原物的所有人，但应给予加工者补偿。而当加工的价值大于材料之时，加工物可归加工人所有，但应给予原物所有人经济补偿。数据要素的高附加值特性，往往使得数据要素加工所产生的市场价值远超数据要素本身，因此数据要素加工环节直接进行权属切割，数据加工主体获取使用权，对数据持有主体进行适当的经济补偿，有利于数据要素进行市场流通。数据加工使用权，是对数据进行加工并且使用，在加工之前完成数据权属切割，加工后便能直接使用，获取数据加工使用后的价值。

数据加工使用主体与数据搜集主体对数据使用权进行分配。数据搜集主体持有潜在价值的数据要素，但缺乏进一步深度挖掘数据价值的方式，难以释放数据的使用价值。数据加工使用主体一般是各领域咨询公司、高等院校科研工作者等，对政策实施评估、外部风险估计、新兴领域发展前景展望等都有完善的理论体系。这些数据加工使用主体通过完善的知识理论体系，测度核心数据指标之间的内在关联，为企业持续发展、产业结构调整等决策做出研判，且可以通过数字化智能化手段赋能市场，加速推进经济活动数字化、网络化和智慧化，增强企业在市场中抗风险韧性。通过补偿机制，数据加工使用主体将加工后的一部分利益转移给数据搜集主体，获取数据使用权。数据搜集主体获取相应利益后，在一定时期内对于数据资源的使用设定对应比例经济门槛，保障数据要素价值，帮助数据加工使用者获取对应利润，实现数据流通正向循环。

3.基于数据产品经营权的分析。经营权广义上是指所有权人利用资源从事经营活动的物权形态，经营实现产品最终盈利。数据要素价值不局限于同一行业或单一企业，数据产品流通的价值在于对不同行业或不同企业提供信息，从而引导企业转型、产业发展等。根据《深圳经济特区数据条例》，数据产品经营权主要是指数据要素市场主体对合法处理数据形成的数据产品和服务所具有的依法自主使用、取得收益、进行处分的权利。

数据产品经营主体与数据加工使用主体对数据产品经营权进行分配。数据加工使用主体对数据要素进行深入价值阐释，但数据要素描述客观事物针对性较强，只针对相应的需求客户进行数据价值分析，缺乏对潜在客户排查，难以获取额外利润。数据产品经营主体一般是大型数据产品交易机构、大型数字交易平台等交易中心。数据交易中心通过中介交易的方式，发展潜在客户群体，对数据产品进行搜集整合，将数据产品通过平台的方式进行线上交易售卖，便于用户使用数据产品，从而获取不同主体所支付的利润。数据产品经营主体起到交易渠道的作用，推动数字产品在不同主体之间交易。在数据产品经营权分配时，数据产品经营主体要将数据产品价值增值部分支付给数据加工使用者，吸引更多数据产品进入数字交易平台等交易中心，从而建立完善的数字交易市场体系。针对数据要素高效性流通的特征，数据加工使用者在转让经营权过程中制定固定价格，能够建立更大范围内统一的数据要素交易市场。

（二）数据要素为何要交易

互联网时代的到来，数据要素规模呈现井喷式增长，海量数据要素不断提升产业模型预测能力，而随着产业扩大再生产，数据要素价值也呈几何倍数增加。然而由于行业限制、信息不对称等因素，海量数据要素被限制在少数部门或寡头企业当中，尚未充分挖掘数据要素的价值。交易使得数据要素资源更为合理的分配，通过价格一致磋商，数据供给方让渡所有权乃至经营权，数据需求方深挖交易所得数据的价值获取可观回报，形成经济新增长点。数据要素交易流通是最大化释放数据要素价值的路径。

1.数据要素交易实现企业信息交互，降低企业生产成本。企业的运作，最为重要的是大大降低除交易成本之外的生产成本。数据要素凭借高流通性进一步加强企业内部和外部信息沟通效率，优化企业要素资源配置。例如，企业内部以财报的形式呈现企业的主营业务收入、费用支出、研发投入等业绩信息，在此基础上，企业对每年度的营业收入与关键指标进行比对，从而分配下一年各部门的预算等资源，削减绩效较低部门经费，减少不必要的支出，增加核心盈利部门投入，强化企业在市场中的核心竞争力，由此提高企业运行效率。从外部而言，数据要素交易强化数据要素在企业之间的实用性，降低企业试错成本。企业位于产业链创新链的各个环节，创新失败的企业可将实验数据进行交易，既能挽回部分经济损失，又为其他企业接续研发提高成功概率，避免数据要素重复生产，将数据要素的实用性发挥到最大。

2.数据要素交易扩大创新成果共享范围，加快传统产业转型升级。传统产业主要是指以加工为主的劳动密集型行业，生产产品依靠大量人力等资源投入，新的科技革命与产业革命给传统产业带来“创造性的破坏”，传统产业转型升级需要利用新兴技术。尖端成果突破往往出现在高校、科研院所、大企业等主体，由此集聚海量的科研数据，这部分数据要素的交易能够给传统产业领域的企业尤其是中小企业注入创新活力，以更为先进的方式进行生产，促使传统产业转型升级，实现从劳动密集型产业转向技术密集型产业。不仅如此，数据的可复制性、非排他性等特征也为各个企业同步进行数据深度挖掘提供了可行性。一方面，传统产业领域的企业依托数据要素开垦细分领域，形成产业内部错位发展，既实现转型升级，又不断探索细分领域的新增长点。另一方面，传统产业领域的企业与新兴产业领域的企业能够互融共生，传统产业与新兴产业相互补充，构建现代产业体系。

3.数据要素交易推进资源跨区域流动，有利于区域协调发展。数据要素往往产生于人口密集及产业集聚的地区，据统计超过80%的数据资源集中分布在东部地区。数据要素以字节为单位，在信息线上高速传输，能够跨区域跨时间流通。数据要素交易推进数据要素从丰富地区向贫瘠地区流动，从而使得数据要素贫瘠的地区也能对数据所描述的用户群体进行精准画像，进而改造生产线、提升产品质量，推进相对落后地区及时调整产业发展方向，促进区域协调发展，助推共同富裕。根据工信部数据，2022年我国国内5G基站数量已达到88.7万个，占全球数量60%，极大增强了信息传输效率，可实时更新数据，为数据要素交易及跨区域流通提供了有利条件。不仅如此，数据要素流动也会带动人才、资金等要素资源跨区域流通，助力落后地区加快发展，推进区域高质量协调发展。

三、数据要素交易市场构建的内在要求与现实困境

（一）数据要素交易市场构建的内在要求

传统交易市场是以资源在市场自由竞争实现资源合理交换形成的有序机制。土地、劳动力等要素在市场进行交易促使生产要素在各主体之间流动，以此充分发挥生产要素的内在价值。数据要素交易市场的构建是将数据对标传统生产要素，让数据在统一的市场中进行自由竞争、协商定价，从而形成数据要素在各主体之间自由流动交易的现象，促使数据实现从要素价值转向经济价值。根据传统要素交易市场的特征及全国统一大市场的内涵，数据要素交易市场具有如下内在要求。

1.企业主体性。企业是市场交易的主体，企业作为数据要素市场的重要组成部分，既是市场中的数据要素供给方，也是数据要素需求方。数据要素供给方将初始数据进行累积与加工，能够有效避免劳动力、资本等要素盲目配置。数据要素需求方通过数据要素的合理使用，获得柔性的生产能力，促进数据要素与其他要素的深度交互，实现企业要素资源效用的最大化。数据要素交易市场的构建需要以企业为主体，充分利用市场供需机制，让数据要素供给方与数据要素需求方自由竞争，促使数据在全国范围内的不同行业、不同地区之间进行有序的流通和交易。不论是数据要素供给方还是数据要素需求方，都是以企业为主体，数据要素交易市场具有企业主体性的特征，构建数据要素交易市场需要以企业为主体，这也是推动市场经济发展的重要体现。

2.标准一致性。数据要素具有无限再生性，无法简单对标劳动、资本等生产要素。数据要素标准化是将数据要素价值在框架机制内进行统一评估的有效路径，判断数据质量应当建立衡量数据质量的维度框架，如准确性、相关性、完整性、一致性、及时性和格式统一性等。但数据要素标准化是一个相对性的问题，数据要素随行业或企业需求变动而变动，评判数据要素价值标准应使用更多元化的评价体系。数据要素标准化选取海量数据中的有效数据，根据标准设定统一的数据交易最小单位，赋予数据交易单位交易价值，在交易过程中将最小单位作为参照物进行数据价值评估。标准化的一致性有助于数据要素需求方与数据要素供给方之间能直接协商定价，实现数据要素在市场中的自由流通，数据要素市场构建需要以标准一致性作为先导条件。

3.制度统筹性。制度化建设旨在搭建数据要素流动渠道，使得数据要素交易常态化、规范化。数据要素的零成本复制性对数据要素保值能力形成一定冲击，使用者缺乏从正规途径获取数据要素的产权意识。从数据要素所属权、使用权以及经营权进行政策准则的规定，确保数据要素每一阶段供给者获取相应利益。所属权到使用权再到经营权，通过制度化将数据要素的价值从数据要素生产端到加工端再到销售端进行权属切割，确保每一过程利益分配合理化、合法化。在生产端，激发数据要素供给者供给意愿，提升数据精确性、有效性；在加工端，提炼有效数据，推动数据要素规范生成；在销售端，促使数据要素对标资本等要素，强化数据要素的保值性，巩固数据要素价值增值。

（二）数据要素交易市场构建的现实困境

当前，各地方积极探索数据要素交易中心、大数据交易所等数据要素市场建设，但数据要素自身虚拟化的特性导致数据要素难以像实物一样明确权属分类，不明晰的价值权属关系导致数据要素市场中的主体难以保障自身利益。同时，数据要素价值尚未形成统一的尺度进行衡量，导致数据要素交易市场缺乏正向价值激励。根据企业主体性、标准一致性、制度统筹性等要求，数据要素交易市场的构建在权属明确、隐私保护、估值定价、高效流通等方面仍存在现实困境。

1.数据要素权属如何明确。数据权属需要针对个人数据、公共数据、企业数据等不同类型数据进行分类明确，然而数据要素权属在各主体之间难以明确界定。个人数据同时兼具人格权和财产权两种属性，在对个人隐私数据保护的同时，也要兼顾个人对数据的占有、使用、收益的权利。由于我国的数据要素市场培育和发展尚处于起步阶段，数据要素的产权界定尚不明晰，个人数据权利的属性及内容、个人对数据所享有的是人格权还是财产权及是否参与分配等问题，在理论和实践层面都尚未有法律法规明确规定，个人权属权益难以获取保障。公共数据开放受到诸多现实因素限制，尚未达到理想效果。其一是由于数据搜集呈现碎片化特征，数据要素市场在行政区划、标准化格式等方面尚未统一，形成区域数据壁垒；其二是由于数据的时效性不足，相关数据的动态更新不及时且不具有连贯性，数据质量参差不齐，缺乏数据分析意义；其三是公共数据开放的安全风险较大，大部分公共数据涉及国家安全以及公民个人隐私，分级分类的数据开放范围难以把控。此外，企业数据层面，尚未完善针对企业数据的确权授权机制，企业投入的劳动要素和其他生产要素贡献未能通过合法产权登记的形式获得保障，因此数据搜集者在利润回报风险较高的情况下，开展数据供给和数据产品活动的动力不足。

2.数据安全隐私如何保护。数据安全隐私保护与数据流通效益之间的悖论成为数据交易需解决的主要矛盾。在经济利润驱使下，企业为攫取个人数据当中的潜在价值，可能会利用软件服务、工程算法等方式，不分精度地大量积累用户个人信息数据。企业不断收集个人信息数据，个人数据面临着严重的数据滥用和非法采集问题。企业对用户数据过度采集的行为，既侵犯用户个人隐私，又引起行业不正当竞争，企业为获取行业中的领先地位，会对用户进行数据侵权采集，逐步形成寡头数据企业以及数据壁垒优势，由此进一步滋生垄断现象。同时在数据的传输、存储和使用环节，大量的数据动态流通使用也面临着极高的数据泄漏风险。此外，个人黑客在高额利益诱惑下，针对个人数据进行非法采集、窃取、倒卖，这类最终会导致数据泄露的活动都严重威胁到了个人隐私数据乃至公共数据、企业数据安全。譬如，黑客等可能恶意针对企业数据库进行数据访问权限的获取，通过系统漏洞攻击、木马植入、恶意程序应用等手段攻击数据基础设施，随后使用勒索软件威胁公开被盗数据，从而给企业造成巨额经济损失。

3.数据要素如何估值定价。数据要素估值定价的难点在于数据要素价值预估与实现过程。数据定价预估受到基础数据质量高低、收集难易程度不同、数据产品服务应用场景范围不同以及定价监管困难与否等因素的影响。从估值而言，数据本身具有虚拟性，使得数据价值隐藏在数据资源所蕴含的信息当中，对于数据的理解程度越深，所获取的数据价值愈大，导致数据价值在不同主体之间价格有较大起伏。同时，数据要素具有可复制性，当复制和分享的边际成本接近于零时，将产生大量“搭便车”的数据盗版现象，使得需求者通过“灰色”渠道获取数据资源。从实现过程来看，数据市场中尚未形成统一通用的价值衡量办法，数据的时效性使得成本收益法难以对数据要素进行提前预估。目前数据市场笼统的定价模式难以激发大量潜在数据需求者的支付意愿，数据搜集者也难以获取前期付出的搜集成本，导致数据要素难以在数据要素市场中进行流通。譬如，2015年全国第一家大数据交易所成立，对数据要素交易进行了积极探索，但由于数据要素市场尚未形成数据的确权和定价机制，市场的底层价值架构尚未建立，大数据交易所成交量远低于预期。

4.数据要素如何有效流通。数据要素各主体难以在市场中获取相应利益导致数据要素市场存在堵点难点。数据交易的根本原则是数据要素市场上的各个交易主体按照自身期望收益以及市场交易信息选择令自己收益最大化的交易目标，但由于买卖双方存在信息不对称、估值风险较大和价格歧视等因素，导致数据要素市场在不完全信息条件下进行市场交易活动，数据要素各主体之间存在流通壁垒。数据要素市场以需求导向为核心，受买方异质性影响较大。若无市场准则对供给方或需求方针对数据交易利润加以规范，仅依靠双方相互磋商，难以在短时间形成一致交易意见。因为不同买方主体对数据价值评价指标的认同度不同，且各自对数据产品内容的要求不同。譬如，数据要素供给者的定价方式难以被数据要素搜集者所认可，数据要素流通在初期就难以进行。此外，买方对交易模式也有不同偏好，由于数据的流通交易呈现出“可用不可见”的特征，买方在对数据进行购买时无法知道数据内容，也就无法对数据未来所产生的价值进行准确判断，缺乏建立有效的数据退还机制，数据的实用性不高导致需求者利益亏损，将引起数据需求者对于数据要素市场的不满，劝退潜在数据需求者。

四、数据要素交易市场构建的突破路径

数据要素交易市场是以数据要素作为交易对象在传统市场上发展起来的，既具有传统市场的特点，又具备数据要素技术性的特征，对原有的交易机制、交易方式、监管体系、统一标准提出了挑战。如何在数据要素重要性日益凸显的现状下，创新性建立健全数据要素流通机制，是构建数据要素交易市场的突破路径所在。

（一）高效流通的基础性支撑在于迭代升级数字技术

推进数字技术的发展进步是实现数据要素有效交易的基础条件。为了更安全高效地挖掘利用数据价值，必须提升数据采集、分析、存储、使用等数据处理环节的关键核心技术。在数据采集处理效率方面，提升数据智能分级标注技术，对数据按照内容特征、安全性要求进行分级标注，从而提高后续处理过程中分类分级、储存、检索、保护等环节效率。在数据的分析方面，推进以数据要素为核心的创新流程结构升级，进一步挖掘数据分析产品和服务的价值。此外，在数据使用的全生命周期中还需进一步关注数据隐私与安全保护，通过加强数据安全保护技术，实现灵活设定用户对共享数据的使用权限并防止敏感信息泄露，在保障敏感和隐私数据安全的同时也保证了数据的使用价值和交易效率。加速推动数据关键核心技术攻关，不仅需要通过提升数据处理环节核心技术以发挥数据要素直接作为生产要素推进社会再生产的作用，还需赋能数据以不同方式、不同渠道与传统生产要素结合，将数据要素作为经济发展的新动能，实现数字技术与实体经济深度融合，以此发展新质生产力。一方面，数据要素与传统生产要素结合需要发挥数字技术驱动创新作用，深化数字技术在生产环节当中的应用探索，促进企业全要素生产率提升、推动企业生产经营结构改善，以数据要素的“乘数效应”加快数字技术赋能传统产业转型升级步伐。另一方面，不断发展以大数据、人工智能、区块链、虚拟现实等为代表的新兴数字技术，依托数字化网络架构，推动社会向不同于传统发展模式的数字经济发展新阶段升级。

（二）估值定价的前置性条件在于统一数据产品标准

数据作为非标准性要素，各环节主体对数据的贡献程度难以准确估计，推动数据要素最小单位建设有利于数据产品标准统一，在此基础上，实现数据要素的高效流通。例如，欧盟在发展数字经济的过程中，欧洲委员会所有成员国代表共同参与协商交流，对数据要素的应用、数据要素的服务等内容进行探讨，探索数据产品标准制定的方法，同时设立数据要素领导部门、强化组织中心职能。目前，各个地方都在积极探索数据要素交易中心、大数据交易所等区域性的数据要素交易市场，但交易规则标准不尽相同，尚未真正形成统一的数据要素标准。建立统一的数据标准，包括准入门槛、退出标准、交易范围、数据定价等，是加快数据要素市场一体化的制度保障。评估数据要素专业化水准，完善数据要素质量选取标准。强化对数据标准的认识度，进行对数据要素的合理定价，使得市场价格直观反映数据要素质量。同时，发挥数据交易中介机构的评估作用，对在市面上流通的数据进行标准考核，对数据要素价值进行准确估计，进一步规范数据要素市场的交易。在全国统一大市场建设的背景下，以标准先行推进数据要素统一大市场构建。一方面，需要进一步面向全国数据要素统一市场建设规定数据准入标准，保证进入市场流通的数据质量，打破不同标准数据间的流通壁垒；另一方面，需要加快数据基础设施的建设，保障数据要素交易市场在高效的信息传导和实时数据更新的条件下，实现跨区域、跨行业的数据流通共享。

（三）明确权属的有效性路径在于构建多层次数据交易市场

数据要素对交易主体具有较强的针对性，使得数据要素价值可能出现较大波动，不利于数据要素高效流通。构建多层次数据交易市场，将不同数据要素供给者与数据要素需求者进行相互撮合，充分挖掘数据要素在各层级市场的价值。构建多层次数据要素市场，满足数据多层次匹配的特性。从场内市场而言，主要交易对象为基础数据，以第三方交易中介为基础，以“可用不可见”为交易原则，对严格标准化后的基础数据进行交易。进一步促进场内交易必须完善大数据交易中心交易模式，引导供给方和需求方在数据要素交易所完成数据定价与交易，同时撮合大型互联网平台企业、专业性大宗数据资源聚合平台等主体也积极参与到数据要素交易市场的建设中。从场外市场而言，主要交易对象为场内市场加工后定制化的数据产品或服务等，由于这些产品和服务个性化程度较高，多采用开放型分散化的场外交易方式。场外交易的模式对数据估值定价、隐私保护、交易过程的监管都提出了更高的技术要求。在推进数据产品经营和数据资本化的同时，必须加强以需求为导向的场外市场建设，细分数据产品经营权的确权，探索数据在安全合规有序的流通机制下进行场外交易，鼓励大数据平台企业积极向产业链上下游延伸，充分挖掘并释放数据要素的价值。

（四）保护隐私的关键性保障在于完善法规监管体系

构建数据要素统一市场，需要完善法规监管体系。将监管程序渗透到数据交易部门，对数据要素的流通、转让进行实时监管。一方面，完善监管模式，逐步从线下监管模式转变为线上线下相结合的模式。传统监管模式采取对线下企业进行调研取证，从而形成书面报告进行反馈，对企业内部真实情况难以有精确的评估。当今数据时代下，可通过线上实时监控，一旦出现异常数据及时进行调查取证，将数据营业风险降到最低，防止数据部门“暴雷事件”，造成恶劣的经济影响。并且可通过线上线下结合的方式对数据交易部门进行常规性抽查，防止数据造假等行为躲避数字监管。另一方面，要明确监管的重点对象。数据要素往往活跃在经济发达地区，数据要素收集、积累往往集中在行业头部企业，数字交易活动、投资活动也集中在数字经济发达地区。随着头部互联网平台企业迅速扩张，其数据垄断地位也逐步形成，由此规范互联网平台经济发展至关重要，监管的重点在于防止平台企业为垄断利润对消费者采用一系列用户锁定、价格歧视等手段。此外，引导龙头企业与中小企业代表共同建立数据垄断行为的界定标准，规范数据使用方式，保障行业内企业利益，建立数据流通交易环节的制度规范，推进数据要素市场反垄断体系构建。

五、结语与展望

党的二十届三中全会强调，培育全国一体化技术和数据市场。2024年全国数据工作会议指出，要健全数据基础制度，建立健全数据产权制度，制定促进数据合规高效流通和交易的政策，建立数据要素收益分配机制，健全数据流通利用安全治理机制。随着国家战略不断深化，有关数据要素交易市场建设的实践正在进一步展开。数据经历“数据资源化—数据资产化—数据资本化”的形态演进成为数据要素，在数据资源持有权、数据加工使用权、数据产品经营权三权分置的产权框架下，数据价值化过程与数据形态演进过程、数据分级分类授权存在动态一致性。在此基础上，构建数据要素交易市场是充分释放数据要素最大化价值的必然路径。

由于我国数据要素交易市场体系尚处于起步阶段，叠加数据要素有别于传统要素的技术性特征，当前数据要素交易市场体系尚未完善，仍存在数据确权不清晰、定价机制不完善、个人隐私缺乏保障等瓶颈问题，阻碍了数据要素高效交易与自由流通。促进数据要素交易的关键仍旧在于数字核心技术攻关，在此基础上发挥市场在资源配置中的决定性作用，通过标准引领对数据要素进行确权定价，并且完善数据要素法律法规体系和监管治理体系。在此进程中，需要重视多情景数据要素交易机制设计以及多层次数据要素交易市场构建。在多情境数据要素的交易中，根据不同应用场景设置差异化交易标准，从而实现更广范围数据要素的有效交易。针对经济领域数据，建立科学规范的数据标准，打破数据交易分散状态。从个人数据、企业数据而言，对于原始数据进行处理形成数据产品，提供经济运行趋势分析，但也要注重隐私权的保护。从政府数据而言，明确地区之间、行业之间统一的标准化规范，以标准引领数据要素流通。同时，在数据开放共享和交易流通过程中，注重数据安全性保障。针对民生领域数据，建立完善政府机构或组织收集个人信息时的用户授权机制，坚持“可用不可见”的数据开放共享机制，对数据访问的主体或者内容进行访问权限制。针对科研领域数据，明确划定涉及国家安全与公共利益的数据领域，遵循安全可控原则满足部分可开放科研数据的共享流通，以此降低科研重复工作的资源浪费，提升科研的效率与质量。在多层次数据要素市场构建中，从多角度、多环节满足数据要素交易的供给和需求，形成市场机制与政府调控的有效合力，加快数据要素市场生态建设。一方面，在保证数据安全隐私得到保护的前提下，通过明确数据产权主体，探索多层次多场景的数据确权交易模式，打破单一数据要素市场流通桎梏。另一方面，加快培育由政府、企业、社会组织等多元主体共同组成的数据要素市场创新网络，强化政府政策激励，激发市场多元主体活力，形成多元主体合力创新的数据要素市场化新格局

〔责任编辑：巨慧慧〕