本期论坛由中国人民大学一级教授、经济研究所联席所长、中国宏观经济论坛（CMF）联合创始人、联席主席主持，聚焦“数据要素市场建设：现状、问题和建议”，来自国内政界、学界、企业界的知名经济学家
论坛第一单元，中国人民大学经济学院教授、中国宏观经济论坛（CMF）主要成员李三希代表论坛发布题为《数据要素市场建设：现状、问题和建议》的CMF中国宏观经济专题报告。
数据要素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年将数据定义为与劳动、资本、土地、技术并列的第五大生产要素。2022年由国家发改委牵头制定了“数据二十条”，聚焦数据产权、流通交易、收益分配、安全治理四大重点方向，初步搭建我国数据基础制度体系。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）》，将数据要素同传统产业和传统应用场景进行融合，充分发挥数据要素的放大、叠加、倍增作用，构建以数据为关键要素的数字经济。
其次，我国成立了国家数据局，统筹推进数据要素流通利用。其主要职能是构建完善的数据基础制度体系，促进数据要素市场化，推动数据资源的整合开放，优化数据资源的配置和提升应用效率。各个地方纷纷成立相应的数据管理机构和数据交易所，据不完全统计，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。
我国数据要素流通市场活跃度显著提升，总体规模不断上升，预计2024年可达到1592亿元。除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较广并取得一定市场成效。
第一，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，包括对于价格和合同的谈判，最后签订合约和履约来完成数据交易。
第二，数据交易平台撮合。例如，上海数据交易所发布的交易服务流程包括交易前、交易中、交易后三个阶段，共九个服务功能。交易前需到达合规要求，包括数据治理、产品登记、产品挂牌。交易中包括交易测试、交易合约、产品交付、结清算。交易后包括凭证发放和纠纷解决。北数所交易流程由交易申请、交易磋商、交易实施和交易结束四个环节构成，除了撮合数据交易之外提供了其他衍生服务，如资产评估、法律服务和数据审计等。
第三，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。
数据要转化为生产要素，发挥要素作用，需经过资源化、数据共享、交易流通和分析应用的数据价值化过程，依赖云服务、隐私计算、人工智能等数字技术和数据中心等基础设施支撑，并需要清晰、透明、一致的监管政策保障数据要素市场秩序。据此，可将数据要素市场分为三个层级，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。
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，以解决数据交易中的数据溯源、隐私保护、数据流通追溯等关键问题。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。
中国数商企业超过200万家，近十年年均复合增长率超过30%。但值得注意的是，我国场内数据交易规模仅占到整个数据交易规模的5%左右，这意味这场内交易市场相当不活跃。根据黄丽华老师2022年整理的数据可以看到，全国43个交易平台有10家处于停运状态，8家没有网站，11家属于拟建状态，三分之二的平台没有正常运营。
第一，合规成本过高。相对于其他生产要素，数据具有更高的流动性和可复制性，为避免合规风险，相关监管法律往往要求对数据进行严格完善的合规性评估，对数据供给方施加巨大合规压力。例如，《网络安全法》规定贩卖50条个人信息可入罪，数据流通出去之后的责任认定问题也同样限制了数据供给，使得企业不得不谨慎对待数据的流通利用，以免触碰法律红线。目前，企业进行数据交易需要平均支付15-20万元人民币来获取专业律所提供的《数据合规评估法律意见书》，这是相当大的成本。
第二，个人数据开发利用成本较高。个人数据的合规使用需要获取个人授权。从当前实践看，一是个人授权成本较高。群体个人数据授权难度较大，如商业保险公司可依靠群体个人健康数据，开发新险种，创新产品和服务。然而，在实践中，此类数据拿到完整授权难度较大。二是个人数据匿名化无清晰标准。AI大模型训练中需要大量个人数据，由于此类数据脱敏无清晰标准，目前多采用隐去电话、姓名、身份证号等关键信息等模式，是否合规仍处于模糊地带。三是个人共享数据动力不足。个人尚未在其个人数据共享中获取收益，导致个人数据流转和开发利用的内生动力不足。
第三，科研类数据共享程度不足。例如国家蛋白质科学研究设施、上海超级计算中心等大科学装置产生的数据以及像中国海洋大学、中国农业大学等科研院所采集的海洋、农业等专业领域数据等，往往都是在科研过程中收集存储，但事后科研数据共享从业人员或者数据贡献人极少选择主动共享数据，进而产生“科研数据割据”现象，不利于科研类数据资源的价值释放。
第四，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。2020年中央网信办在上海、江苏、浙江、福建、山东、广东、贵州、海南等八个省（市）开展了公共数据资源开发利用试点建设，虽各省进行了积极探索，涌现出不同的授权运营模式，但政府作为公共数据资源持有方均未向授权运营单位收取相关费用，主要问题是收费项目和收费标准不明确，收费项目哪一级设立，收费标准哪一级审批，收费标准如何确定都需要进一步研究，以免造成上下政策“误差”，造成不敢收、不会收，不收又会造成国有资产流失风险的担忧。
从需求侧看，主要问题在于企业数据利用能力的不足导致有效需求动能不足。具体而言，直接体现在数据分析与应用环节：
第一，部分企业数字化转型进程缓慢，企业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。《2022年埃森哲中国企业数字化转型指数报告》相关数据显示，2022年数字化转型成效显著的中国企业比例不到两成。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、不敢转阻止了其转型。
第二，尽管企业拥有大量数据，但缺乏相应的数据分析技术和实力，使得这些数据无法转化为实际的业务价值。例如，全国信息技术标准化技术委员会2020年9月发布的《数据治理发展情况调研分析报告》显示，大中型企事业单位普遍重视数据价值，并通过数据治理活动挖掘数据价值，但不同程度普遍存在组织机制、战略规划、体系标准不健全、技术工具不完备、治理能力不高等问题；中小企业数据治理水平则更低。总体而言，仅少部分数据得到开发利用或没有开发利用的企业大于80%。
第三，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。《2022中国地方政府数据开放报告》显示，目前全国地级、副省级和省级开放平台仍然只占全国覆盖率一半，且在已经上线的平台中，开放的数据在数量上还相对比较少，容量比较低。另一方面，政府数据外的国有企事业单位数据也属于公共数据范畴，但同样存在开放不足的问题，如公共交通、气象等高价值场景数据。
第一，“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。以医疗健康数据为例，医院和医疗机构每天都会产生大量的医疗数据，这些数据对于疾病研究、药物开发、健康管理等领域具有极高的价值。然而，由于医疗数据的敏感性和隐私保护的要求，这些数据往往被严格限制使用，缺乏一个成熟的市场环境来进行交易和流通。此外，医疗数据的标准化程度低，不同医疗机构的数据格式和质量参差不齐，导致数据难以整合和共享。这使得数据供应商虽然拥有大量数据，但却难以找到合适的买家和交易市场，形成了“有数无市”的局面。
“有市无数”是指数据供应商多以提供“粗加工”的原始数据为主，缺少个性化定制模式，数据规模小，整体较为分散、零碎，无法有效覆盖需求。数据交易机构仍多停留在简单撮合交易模式，缺乏深度价值挖掘。在工业领域这种局限尤为明显，例如一家制造企业可能需要根据自身生产线的特点来优化生产流程，但数据供应商提供的数据服务无法满足这种个性化的需求，导致企业无法充分利用数据来提升生产效率。
第二，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。《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，推动用于数字化发展的公共数据按政府指导定价有偿使用，但目前全国仍未形成相对成熟公共数据定价模式。目前授权运营单位的公共数据定价主要分两类：一是制定公开的公共数据定价目录，纳入政府指导定价范畴；二是采取一对一议价方式收取相关费用。
二是企业数据价格形成机制不健全。目前企业数据以“点对点”场外交易为主，买卖双方遵循“卖方自主定价报价，买卖双方协商议定”模式实现交易。由于缺乏有效的价格形成机制，企业数据的定价往往随意性较大，难以反映其真实价值。
第三，高度的信息不对称。在搜索阶段，虽然当前的数据交易市场能够作为展示数据的窗口，但是买家仍需要付出较大的搜索成本，依赖于卖家维护的元数据来寻找对自己有用的数据集，卖家需要非常专业解释自己数据结构与内容。其次，数据质量与价值信息不对称，即卖家有更多关于数据质量信息，买家有更多关于数据价值信息。在交易阶段，买卖双方在价格谈判上会花费大量时间和精力，且对于数据是否合规等问题需要花费大量时间和成本确认。此外，数据交易中的安全风险也存在巨大信息不对称。
在政策层面，相应制度与法规仍然不完善。现实案例主要包括个人信息权、商业数据使用与不正当竞争、数据安全以及非法调用API接口等，体现了制度与法律法规层面的四个重要问题。
第一，数据确权等权属分置问题。理论与实践中划分数据权属困难重重。一是数据分级分类问题尚未解决，例如个人数据、企业数据和政务公共数据，原生数据和衍生数据等。二是数据所有权难以归于单方主体。一方面，如果将数据所有权归于数据收集人（如企业），则难以产生整体上的产权意义，另一方面，若将数据所有权归于被收集人（如用户），则不利于个利的行使和数据产业的发展。三是法律确权探索收效甚微。目前，国内外立法层面关于数据的规定越来越多，但都未对数据产权问题给出明确答案。从国内看，《民法典》总则编仅规定了对数据财产的法律保护，一些地方立法对数据权属的界定进行了探索尝试，但效果不佳。
第二，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。目前，数据交易既要符合《数据安全法》下的数据合规要求，还要遵守《网络安全法》《个人信息保》等关于网络安全、个人信息保护等方面的要求。上海数据交易所还明确提出“不合规不挂牌，无场景不交易”的原则。
第。
