真正激发数据要素价值：一些思考与建议
据《中国证券报》消息，6月16日，国家发展改革委政策研究室副主任、新闻发言人孟玮在新闻发布会上提到，数据要素基础性制度文件目前已形成初稿，下一步，将加快推动文件出台。据介绍，相关文件聚焦数据产权、交易流通、收益分配、安全治理等内容，加快构建我国数据基础制度“四梁八柱”，构建与数据生产力相适应的生产关系。
近期，中国金融四十人论坛（CF40）举办内部研讨会，就“数据治理与平台经济健康发展”展开讨论。与会专家认为，数据已经成为关键的生产要素，具有虚拟性、非消耗性、排他性、规模价值递增、产业模糊性等特征。
在客观总结当前我国数据要素管理在监管制度、数据安全、权责界定、价值测度、交易市场及国际规则变化等六方面存在的挑战的基础上，与会专家对激发数据要素价值提出了针对性的政策建议：
第一，完善顶层设计，成立高规格的数据管理委员会，全面统筹安排相关工作；第二，加强数据安全保障，明确禁止行为，对个人数据和公共数据采取针对性保护措施，推动算法审计；第三，遵循谁产生谁负责原则，厘清数据权属关系；第四，探索建立收益法、成本法、市场法等多种方式相结合的数据价值测度体系；第五，明确数据要素交易范围，促进数据有序流动；第六，积极参与国际规则协调，争取发展主动权。
更多干货内容，详见全文。
* 本文隶属CF40成果简报系列，执笔人为中国金融四十人研究院青年研究员祝修业。
”随着数字经济的快速发展，我国已成为全球数据量最大、数据类型最丰富的国家之一。数据在经济社会发展中具有越来越重要的作用和价值，已经成为关键的生产要素。有效地使用数据，有助于实现各类企业发展提质增效，有助于提高政府部门的决策、组织、协调、控制、监督和公共服务能力，有助于提升居民生活的丰富度和幸福感。
与会专家认为，当前数据要素具有五方面的特征：一是虚拟性，即数据物理上存在于数字载体中，是虚拟空间的真实存在；二是非消耗性，即对数据的使用或消费不会造成数据的减少；三是排他性，即一方使用数据的同时可能会限制他人接触和使用；四是规模价值递增，即数据的规模越大、种类越丰富，所蕴含的信息就越多，数据的价值也更大。五是产业模糊性，即对一项数据的访问、处理、使用可能存在于多个不同行业。
与会专家认为，当前我国数据要素管理面临六大挑战。
第一，数据管理制度有待夯实。由于参与主体多元、环境动态变化、系统复杂演化等原因，数据管理的难度较大。当前数据管理中监管主体多元化，不同部门之间的协调有待加强，相关监管规则还不够完善，监管尺度和执行标准还不统一，对复杂场景下的多元主体角色定位还不够明晰。
第二，数据的安全性需要更多保障。数据的安全性既包括数据的生产、存储、访问、处理、交易等环节是否合规并得到保护，也包括各参与主体是否能有效地管理自己的数据。由于安全保障措施仍不完善，数据的过度采集、失窃、泄露、非法篡改、非法交易等事件时有发生。数据安全是系统性问题，虽然我国已经通过相关法案构建了相应的法律框架，但仍需要大量具体的技术解决方案和操作指引给予支撑。
第三，数据权属关系的界定还未明确。当前数据的分类标准还不够精细和统一，各类数据的所有权、存储权、访问权、使用权等权属关系缺乏明确规定，使各参与主体无法明确自身权利与义务的边界。数据权责不清影响数字秩序稳定，一方面可能引发数据泄露、数据滥用等情况，造成信息泄露、侵犯个人隐私等严重问题；另一方面，也容易造成数据霸权，催生数据垄断，大幅增加数据流通成本，无法发挥数据价值。
第四，数据的价值测度体系仍需健全。作为重要的新型生产要素，明确价值评估及定价机制是数据要素交易的前提。目前数据的价值测度体系建设出现困难，一方面是由于数字经济与传统商业模式不同，数据要素产生于很多免费的数字产品服务；另一方面与数据的特性有关：一是因为数据存在显著的异质性，标准化的数据占整体数据的比例很低；二是以流量形式存在的数据价值更能得到体现，以存量形式存储的数据价值可能会锐减；三是数据价值高度依赖使用场景，同一条数据在不同场景体现的价值差异较大；四是数据的价值变化呈现非线性，例如一项数据随着收集量的增加，成本边际递减，而价值不断增加。
第五，数据流通和交易处在初步阶段。数据要素的价值必须依靠数据的流通和交易得到体现。与会专家认为，我国数据要素市场还处于初步发展阶段，各地成立了若干大数据交易中心，但交易规模都还较小，市场化程度还不足，不能够获得足够收益，难以形成可持续的商业模式。加快培育发展数据要素市场，激发数据要素活力，仍任重而道远。
第六，数据要素管理的国际规则仍不统一。数据管理理念与规则的协调在国际合作中的作用愈发重要，可能直接影响到数据的跨境流动和数字贸易的正常进行。与会专家认为，在数字经济领先的经济体中，美国更多倡导数据的自由流动，欧盟侧重于隐私等人权优先，我国更强调数据安全。目前全球数据管理规则仍在不断协调和博弈中，如果国内规则与国际规则不能协调一致，在规则制定中不能积极争取话语权，可能会面临被排斥的风险，进而影响国际竞争格局。
第一，完善顶层设计，夯实数据要素管理的制度安排。与会专家建议，由多部门协调的管理框架难以全面且具有前瞻性地安排各项工作，应成立高规格的数据管理委员会，全面统筹安排数据管理相关工作。一是明确各部门的权责划分及协调机制，提升监管体系效率；二是制定数据牌照，对数据活动的各个环节实行牌照管理；三是对权属界定、数据安全、价值测度、交易市场等内容做出明确解释和具体安排，敦促相关法律法规出台并敦促执行；四是设立争端解决和协调机制，保护市场主体权利；五是探索前瞻性制度设计，例如通过监管沙箱或数据管理试点等形式探索更高效的监管方式。
第二，加强数据安全保障。一是明确数据生产及流通的各环节适用行为与禁止行为。二是加强对个人数据的分级分类保护机制，根据基础数据、交易数据和行为数据的不同特征采取分级措施。三是明确不涉及商业秘密的公共数据应进一步开放，并接受政府或第三方监督。四是实施算法监管，推动算法审计，明确披露原则和要求，要求开发者对算法的使用技术、预测目标、预测精度、利益相关方等关键信息予以公开，有效保护个人隐私，防止数据滥用；五是推动数据信用建设，对数据市场主体开展信用监督。
第三，厘清数据权属关系。对各类数据设定分级分类标准，明确数据所有权归属的原则和界定方法。根据数据谁产生谁负责原则，明确用户自然属性数据归属用户个人，服务办理过程中产生的数据，可由交易相关主体共同拥有，如需使用应共同授权。明确数据在转让过程中权属关系的变更和转移。对于匿名化的衍生数据，在数据不可回溯到自然人前提下，应可将数据归为加工方所有，并由其决定如何使用。
第四，健全数据价值测度体系。应从数据质量、数据使用量、数据产生的市场价值等方面建立数据价值评估体系，奠定数据定价基础。应探索多种测算方式相结合的定价机制，借鉴收益法、成本法、市场法等对无形资产的会计测算方法进行综合评测。对于企业部门数据，可以参考成本法计算其劳动者报酬、固定资本消耗、中间消耗、其他生产税净额以及资本净收益；对于政府部门数据，可以结合成本法和收益法，计算数据的采集成本、安全保障成本和可能创造的公共价值等；对于个人数据，可以综合运用市场交易估价方法中的需求法和供给法，确定相对客观的价值区间。
第五，完善数据交易机制，促进数据要素市场发展。一是应明确数据要素交易范围，对于涉及经济安全、公共健康等平台经济数据要考虑成立特定的交易主体，负责该类数据共享流通日常组织和管理运行。二是建立健全数据要素价格调节机制，畅通交易渠道，促进数据流动，为数据所有者提供合理激励，鼓励更多的可交易数据流入要素市场，例如鼓励企业开放公共属性数据，有助于打破政企数据壁垒。三是要积极运用多方安全计算、联邦学习等技术，同步提升市场的安全性和效率。四是研究和总结美国、日本、加拿大、瑞典等国数据交易产业运行的特点，借鉴国际经验。
版面编辑：潘潘｜责任编辑：潘潘
视觉：李盼 浩然
监制：卜海森 李俊虎