2024-06-1507:00发布于北京通信产业网官方账号
前言
本报告虽经过研究人员的严谨思考和不懈努力，但由于能力和水平所限，疏漏和不足之处在所难免，敬请读者和专家批评指正。
本报告全称为《2023-2024中国数据资产发展研究报告》
数据资产市场化发展概述
(1)数据
根据我国《数据安全法》的定义，数据是指任何以电子或者其他方式对信息的记录，是对客观事物(如事实、事件、事物、过程或思想)的记录或描述，既包括“数字”，也包括声音、图像等模拟形式。基于不同分类标准数据可划分为不同类别，按生产对象不同可将数据分为与物有关和与事有关;按存储形式不同可将数据分为结构化、半结构化和非结构化数据;按权属不同又可分为公有数据和私有数据。数字经济背景下，数据具有体量大、类型多样、价值密度低等特点，原始数据要在加工处理后才能进一步发挥支持分析、推理、计算和决策的功能。
(2)数据资源
使无序、混乱的原始数据成为有序、有使用价值的数据资源的过程可称为数据资源化。数据资源化是实现数据价值的首要阶段，包括数据采集、整理、评级、聚合等。数据采集是根据需要收集数据的过程;数据整理包括数据标注、清洗、脱敏、脱密、标准化、质量监控;数据评级则根据数据敏感和重要程度等划分不同级别;数据聚合包括数据传输、存储、集成汇聚。数据资源化的重点在于数据管理汇聚，以提升数据质量、保障数据安全、形成数据使用价值为目标，确保数据的准确性、一致性、时效性和完整性。
(3)数据产品
(4)数据资产
“数据资产”源于“资产”概念的演化，财政部《企业会计准则——基本准则》指出资产是指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。随着电子信息技术的发展，数据资产的概念逐渐被认知扩展，2021年《资产评估专家指引第9号——数据资产评估》、中国市场监督管理总局、中国标准化管理委员会发布的GB/T40685-2021国家标准文件，将数据资产定义为被合法拥有或控制的，能进行计量的，为组织带来经济和社会价值的数据资源。
综合看来，数据资源先经过明晰权属关系，被加工处理为可获益数据产品，参与流通交易并为使用者或所有者带来经济利益资产的过程称为数据资产化，因此数据资产应具有以下三方面内涵：从法学层面，数据资产具有明确划分的权属关系;从经济学层面，数据资产能够产生既有的或预期的经济利益;从社会效益层面，数据资产能直接或间接带来经济效益和社会效益。
(二)数据资产市场化路径分析：从数据到数据资产
数据资产化即从原始数据逐步转变为数据资产的过程。从数据资产形成流通与应用的全流程看，数据资产市场化路径主要包括数据资源化、数据产品化、数据资产化和数据资本化这四个阶段。综合国内土地要素、房地产和金融市场等成熟市场的发展阶段来看，市场化发展需同时确立相对明确的政策管理制度、初步形成的基础设施支撑，因此为保障数据资产化和数据资产的合规高效流通与变现，需同步完善数据市场流通管理制度和数据基础设施支持，具体如图1-1所示。
价值驱动下数据资产化实施路径分析。数据从产生到最终的价值实现需依次经过资源化、产品化、资产化、资本化四个阶段，完成三次价值提升。数据资源化涉及原始数据的获取与加工，经过数据采集、整理、评级、聚合等数据资源化全过程后，低价值密度的数据才被筛选处理成为有价值的数据资料。数据产品化是数据资源从客户场景、业务应用出发，经过算力和算法加工形成数据产品的过程，是实现数据经营价值增值的重要阶段，为数据形成资产奠定基础。数据资产化是确定数据产品价值和价值兑现的重要依据，是以拓展数据经济效益和应用赋能为导向的进一步价值提升，可基于对外开放共享、内部专用、数据交易的方式完成数据资产化阶段的价值实现。数据资本化是在资产化基础上对财报中数据资产独立科目金融价值属性的挖掘，基于数据资产收益及价值共识，赋予数据金融属性，赋能完成数据增信、数据质押融资、数据资产证券化、数据作价入股、数据信托等。
数据基础设施是保障数据市场化流通的底层支持。数据网络设施、存储设施、算力、流通及安全保障设施等提供安全、可靠、高效的数据服务，保障数据“采-存-算-用”全生命周期支撑，推动了数据的市场化进程。要保障数据基础设施发挥作用，推动完善数据加工、登记和上市交易流程，促进数据共享开放，保障数据交易合规高效。
(三)数据交易市场发展历程
数据交易市场指数据要素交易和流通过程中形成的复杂系统，是数据资产形成的主要场所，包括数据价值化过程中的交易渠道和交易关系，以及数据交易的场所或领域及一系列制度技术支撑，实现从数据提供者流向需求者，促进原始数据资源化、产品化、资产化，并完成数据资产融资。基于制度、基础设施、运行机制和监管体系的变化，我们认为数据交易市场发展大致经历以下几个阶段：
数据市场萌芽阶段：2014年大数据首次被写入国务院政府工作报告后，数据产业自此上升为国家战略，2015年国务院发布《促进大数据发展行动纲要》，各地政府逐步探索对数据资源的开发利用，中国开始进入大数据时代。这个阶段主要是对原始数据的“粗加工”交易，以单纯的原始数据交易为主，缺乏全国统一的数据规范体系，交易频次低、交易混乱、成交率和成交额不高，难以满足社会的有效需求。
数据市场高速发展阶段：随着政策支持力度加大和市场需求增加，供给和需求两端逐渐走向成熟，数据交易市场正逐步进入高速发展阶段。此时市场化制度体系基本建立，相应确权、定价、交易等制度规则更加明晰，监管体系框架基本构建，市场化运行走上正轨。数据供应方可通过高效的数据处理技术和精准的数据匹配算法提供多样化的数据产品;需求方通过应用场景的拓展和商业模式创新挖掘数据价值，数据的流通和交易将变得相对自由和便利。
当前数据交易市场正在加速推动新型生产关系变革，助力激活发展新动力。一是变革生产管理。数据交易市场的流通和共享以明确的数据产权为前提，需建立新的合作机制和利益分配模式，以适应数据流动和价值转换的新特点，集去中心化、分布式记账、共识机制等区块链技术成为支持新型生产关系下权属及利益分配的关键。二是创新生产工具。数据交易市场化促进了大数据分析、云计算等技术新一代信息技术的发展，支持新型生产资料(大数据)的高效分析处理，显著提高了决策的科学性和生产的智能化水平，并通过引入新技术和设备，提升传统生产效率和产品质量。三是融合新型生产力。人工智能技术的快速发展已成为推动经济和产业变革的核心动力，其自主学习决策能力大幅度提高了数据的分析处理能力，成为发挥数据行业应用效能的关键生产力，极大地提高了生产效率和质量。
流通管理制度是规范数据资产市场化进程的必要条件
合法合规可计量是数据进入流通市场的两个必要条件。从合法合规角度，数据登记机构需要依规进行必要的审核、评级确权等工作，使数据产品及其提供方成为合法合规的标的物和参与者;从可计量角度，企业需要从数据安全、标准化等角度进行数据资源治理，依托数据评估机构依据开展质量评估、价值评估等工作，可量化的数据资产能有效帮助企业更好地了解其现有数据资产的价值以及寻求可以增加数据价值的基本要素。
(一)全流程合规审查制度保障数据资产价值发掘安全有序
合规性是数据资产形成的基础条件，合规审查是保障数据资产合规性的重要手段，已成为数据资产管理的核心环节。对数据资产全方位、多层次审查，确保数据的收集、存储、使用等环节均符合法律法规要求，能够有效防范潜在风险，保障数据资产安全合规。
(二)“三权分置”制度促进数据交易市场主体灵活供给
(四)数据资产入表制度实现从数据资源向经济资产的跨越
数据资产入表标志着数据资产的形成，在数据入表登记前需完成数据质量和价值评估，确保数据可被计量、可以实现价值转化。科学的数据价值评估，可以准确量化数据的内在价值、潜在及市场价值，为数据资产的合理定价和有效利用提供决策依据。
数据质量评估指通过科学的方法和统计学手段对数据进行分析，判断数据是否满足项目或业务所需的数据质量，并且能够支撑其预期用途的过程，其主要目的是确保数据的质量符合预定的标准，从而能够支持有效的决策制定和业务操作。当前实践主要参考依据包括《国家统计局数据质量审核评估管理办法(试行)》、国家标准《信息技术数据质量评价指标》、地方标准《政务数据第4部分：数据质量评价规范》《数据资产评估场景化案例手册》等。常用指标框架如下图所示，包括规范性、完整性、准确性、一致性、时效性、可访问性6个一级指标，以及20个二级评价指标。
数据价值评估指通过构建价值评估体系，计量数据的经济效益、业务效益、投入成本等活动。作为推动数据资产化的重要前置工作，数据资产价值有助于提升企业数据资产运营及变现能力。与传统生产要素相比，数据种类多样、价值易变，具有更加丰富的潜在应用场景，其资产化后的价值评估也需要综合考虑更多方面因素。当前数据要素评估定价管理措施尚处于初级探索阶段，近年来我国相继出台法律法规、评估准则等为数据资产价值评估提供法律依据和操作准则(见下表)。2019年12月，中国资产评估协会印发《资产评估专家指引第9号——数据资产评估》，提出了提供数据服务模式、提供信息服务模式等以数据资产为核心的多样化商业模式，并参考无形资产评估为数据资产评估提出改良成本法、改良收益法以及改良市场法三种评估方法。2023年，中国资产评估协会发布了《数据资产评估指导意见》，规范资产评估机构及其资产评估专业人员在数据资产评估业务中的实务操作，明确了评估对象、数据质量评价、评估方法、披露要求等。
(五)数据治理规则及标准保障交易市场健康可持续发展
数据治理是数据资产形成的重要手段，是保障数据可变现的必然过程。依据有关法律法规及标准指南要求，围绕数据安全、权益保护、数据标准化等多个方面构建数据治理制度框架，使数据变成可交换且可被流通对象所解释利用的数据资源，是形成数据资产的关键前提。
数据资源化是无序原始数据有序汇聚的关键过程
数据要素资源化是将原始数据转化为可供分析和使用的资源的过程，包括数据的采集、整理、评级、聚合等环节，目的是使数据具有可用性、可访问性和可理解性。数据要素资源化是数据要素市场化的基础，只有当数据被有效地资源化，才能够进一步被市场所认可和使用，需要通过数据要素资源化的过程，将数据的特性和价值进行明确的定义和度量，从而为数据在市场中的交易和流通提供基础和保障。
(一)数据采集提供数据资源化的原料
数据采集指通过一定的技术和方法从各种数据源中手动或自动收集数据，并存储到目标位置的过程。数据采集广泛应用于各种领域，如科学实验、工业生产、医疗保健、市场营销等。
数据采集过程中也会遇到各种问题，例如数据源的不稳定性可能导致数据采集失败或采集到的数据不准确，由于各种原因造成的错误和不完整等问题导致数据质量低下，在网络环境下，数据泄露、数据被篡改等发生的安全问题，在分布式数据采集环境中，如何协调多个爬虫节点，确保数据一致性和避免重复抓取的数据同步问题，企业需要制定完善的数据采集计划和执行方案，不断地进行优化和完善，提高自身的竞争力。
(二)数据整理促进原始数据有效利用
数据整理指将多个数据源内数据加工处理的过程，以得到更加全面、规范有序的数据。这个过程包括数据标注、清洗、脱敏脱密、标准化等一系列操作，目的是使数据更加容易管理和理解。随着大数据时代的到来，数据整理过程中需要处理的数据量越来越大，传统方法已无法完成数据的整理和分析，对数据整理技术提出了更高的要求。区块链、物联网等新兴技术的发展使数据整理工具和技术也在不断发展创新，数据标注、清洗、脱敏脱密、数据标准化等技术和工具越来越成熟，使得数据整理变得更加高效和准确。未来，数据整理技术将继续向智能化、高效化、安全化方向发展，为各个领域提供更好的数据支持。
数据标注是对未经处理的语音、图片、文本、视频等数据进行加工处理，并转换为机器可识别信息的过程。中商数据显示我国数据标注头部企业主要有云测数据、海天瑞声、数据堂、龙猫数据、标贝科技等。其中数据堂自主研发“基于Human-in-the-loop智能辅助标注技术”，可完美实现人机交互半自动标注与质检;龙猫数据打造的Web端标注平台众包用户已突破400万，单日可完成百万量级以上的数据样本任务，满足不同领域的多种定制化数据需求;标贝数据基于AI+SaaS开放平台，全方位支持文本、语音、图像、视频、点云等全数据类型的标注。随着算法模型的不断进化，数据标注将逐步走向自动化、规范化。
数据脱敏脱密指在不影响数据使用准确性的前提下，对原始数据中的敏感字段进行处理，从而降低敏感度和减少个人隐私风险的技术措施。它能够在保持数据原始结构和特性的同时，通过替换、变形、删除等手段去除数据中的敏感信息，使得处理后的数据既能够满足业务需求，又能够保护个人隐私和企业机密。数据脱敏常见的技术方法主要有统计技术、密码技术、抑制技术、假名化技术、泛化技术和随机化技术等。目前国内做数据脱敏的公司包括：比特信安、神州数码、美创、启明星辰、天融信等企业。比特信安数据脱敏系统、美创数据脱敏系统、神州数码TDMP数据脱敏系统等脱敏产品方案开拓我国自主、可控数据脱敏市场，为信息安全保驾护航。
数据标准化是机构或组织对数据的定义、组织、分类、记录、编码、监督和保护进行标准化的过程。这个过程旨在消除不同变量之间性质、量纲、数量级等属性特征的差异，从而将数据转化为无量纲的标准化数值，确保各指标的数值处于同一数量级，便于进行综合分析和比较，可以使不同系统之间的数据交互更加高效、准确，促进信息的流通和共享。目前我国企业大多数数据系统的建设都是直接依据业务需求建立，没有形成一个整体的规划，建设厂商研发的不同数据系统也导致了数据的不一致性，究其根源是企业缺少一套统一的数据标准来进行约束。
(三)数据聚合充分调用分散数据资源
数据聚合(DataAggregation)指合并来自不同数据源的数据。数据聚合能够将来自不同源的数据进行整合，形成一个统一的数据视图，提供一个全面的数据视角，而无需分别处理各个分散的数据集。对于超大规模的数据集，数据聚合有助于压缩数据，使其更易于存储和管理，有助于节省存储空间，并提高数据检索速度。常见的数据聚合工具以数据模型(DataModel)为主，数据模型是对现实世界数据特征的抽象表示，是一种用于描述和组织数据的工具，它提供了一种通用的语言来描述数据的属性和关系。根据应用目的不同，可以将模型可以分为概念模型、逻辑模型。概念模型是按用户的观点来对数据和信息建模，主要用于数据设计；逻辑模型主要用于数据库管理系统的实现。考虑到数据聚合的实现路径，数据的传输和存储是完成数据聚合的两大重要步骤。
数据传输指按照一定的规程，通过一条或者多条数据链路，将数据从源设备发送到目标设备的过程。数据传输方式可分为有线传输、无线传输和云存储三种。数据传输过程中涉及网络协议、传输介质、数据编码与压缩、加密与安全等关键技术。数据管道是数据传输的重要工具之一，指通过多个连接的数据处理元素将一个或多个数据集从其源移动到目标位置的过程。其原理是通过将数据源的大量数据传递给中间件，减轻源数据库的压力，然后将中间件收集到的数据发送到目标数据库。数据管道通常包括数据提取、清洗、转换、加载(ETL)等阶段，适用于从多个数据源收集和整合数据，以供后续的数据分析和挖掘使用。数据管道主要优势在于支持多渠道数据源的集成、数据预处理和数据规范化，以及提供实时数据处理能力。同时，数据管道可以自动化提取、转换、合并、验证、进一步分析数据和数据可视化的过程，通过消除错误并避免瓶颈和延迟，提供端到端效率。数据管道在业务中的应用广泛而重要，它主要涉及数据的提取、转换、组合、验证、可视化等多个步骤。在业务实践中，它不仅可以支持探索性数据分析，实现数据可视化，还可以为机器学习提供高质量的数据输入。
随着数字化时代的来临，各种数据源产生的数据量呈指数级增长。数据聚合的规模和复杂性也随之增加，对数据处理和分析能力提出了更高的要求。而大数据技术、云计算和人工智能的发展，为解决这些问题提供了新的手段，这些技术为数据聚合提供了更高效、灵活和智能的方法，使数据聚合的效率和准确性得到了显著提升，有助于加速数据处理和分析的过程。
(四)数据评级机制优化数据资源质量
数据评级是数据资源管理过程中的一个重要机制，它根据数据的敏感程度和数据遭到篡改、破坏、泄露或非法利用后对受害者的影响程度，对数据进行不同级别的划分。这种划分有助于更好地管理和保护数据，确保数据的安全性和完整性。数据评级通常涉及对数据的保密性、完整性和可用性等方面的评估，并根据评估结果对数据进行分类和标记。
从分级方法来看，数据评级分级主要依赖于数据的重要性、敏感性、业务价值等因素进行划分。数据分级方法主要包括定性分类法、定量分级法、综合分类法、模型驱动法等几种。定性分级根据数据的性质、用途、价值等特征进行分类。例如，可以将数据分为敏感数据、非敏感数据等。定量分级根据数据的重要性、影响程度等指标进行分级。例如，可以将数据分为一级、二级、三级等。这种方法更注重数据的客观指标，如访问频率、修改频率、业务影响等，来判定数据的级别。综合分级需要结合定性分类和定量分级，对数据进行全面、细致的分类分级，这种方法结合了前两者的优点，既考虑了数据的业务特性，又注重了数据的客观指标。模型驱动则利用数学模型、机器学习等技术，对数据进行自动化分类分级。
我国企业在多领域数据分级方面展开积极探索。其中在石油化工领域，湖北三宁化工提出的“三宁化工数据分类分级方案”成功解决了数据资产盘点、数据碎片化分布、结构化数据分类分级准确率、结构化数据的字段级的分类分级耗时耗力、数据分类分级运营管理等痛难点问题，为国内化工企业开展工业数据分类分级提供复制参考案例。金融领域，平安银行研究探索出了“平安银行数据安全分类分级双向打标方法”在此基础上，平安银行积极研发AI模型，开发出数据安全分类分级AI打标及管理平台，这个平台利用先进的人工智能技术，能够自动化地对数据进行分类和分级。此外，平安银行的数据安全分类分级平台还注重数据的流动性和可用性，通过合理的数据分级，平安银行能够在保证数据安全的前提下，实现数据的合理流动和共享，为业务创新和发展提供了有力的支持。
数据产品化是数据资产大规模增值的驱动力
数据产品是经过算力和算法的加工的数据资源，是一种产权可界定、可交易的商品，是数据流通过程中的主要交易对象和标的，可以从中挖掘出更多的商业价值，为用户提供更加精准、有效的服务，可以看作是数据资产大规模增值的驱动力。当前数据产品供给商可在场内外两大场所内完成供给，基于调研数据发现，供给产品分类存在较大差异，但整体可分为原始数据、数据加工产品、数据服务这几个类别。
(一)数据元件是数据产品的基础构件
数据元件是经过采集、清洗、脱敏处理等数据保护措施处理之后，由若干数据单元/数据对象/数字/字符串形成的，具有固定的数据类型、格式和结构且具有表达意义的数据，是数据要素开发利用的“中间件”，数据元件是数据要素产品和服务所使用的基本组成部分，通常用于生成报表、进行分析、驱动机器学习模型、支持决策等，可以在不同的应用程序和系统中共享和重复使用。
在数据元件开发应用方面，国内目前主要集中于企业内部数据模型和数据仓库的建设和开发。企业基于“数据元件作为中间态解决数据安全与数据流通”的核心理论，聚焦通信、金融、医疗、能源、交通、地理空间等重点领域，探索满足各行业领域数据需求的数据元件产品。以中国电子数据为例，公司作为医疗大数据试点工程的主体单位，联合清华大学等多个学院攻关，按照数据归集、清洗处理、资源管理、元件开发、元件交易五大业务流程，创新设计数据调研、数据盘点、元件发布、元件维护等20道数据元件开发工序，探索出制度+技术+市场的工程路径，初步实现了数据元件的智慧化、规模化、柔性化生产。
(二)数据集是实现数据价值的基础形式
(三)数据包是数据资产的封装传送工具
数据包是一个预先制作好的数据库，由键值对组成(如关联列表)，常以CSV、SQL和XML的格式出现，用于描述、传输和共享数据，具有可移植性、可复用性等特点，可直接供给成型的软件，如软件代理、游戏、互联网机器人或聊天机器人等，以传授信息和事实，常基于CKAN、DataPackageManager等工具完成数据包的创建、发布和管理，当前数据包通常用于视频游戏行业，用来向一个系统提供小的更新。
从广义范围看，数据包产品是数据包与各类分析处理工具的结合，涵盖从基础的网络数据包分析工具到高级的数据处理和管理软件。其中，网络数据包分析工具用于捕获、分析和解码网络数据包，帮助用户理解网络流量、诊断网络问题或进行网络安全审计，常见的工具有Wireshark、Tcpdump、OmniPeek等；数据库管理软件用于管理、查询、更新和保护数据库，可提供图形化界面，方便用户完成数据库中数据的处理;数据抽取、转换和加载(ETL)工具用于提取多源系统数据，并完成特定数据格式需求的转化；数据质量工具用于评估、监控和改进数据质量，帮助用户识别错误数据、重复数据或不一致数据，从而提高数据的准确性和可靠性；数据可视化工具可将数据转化为图表、图形或仪表板，帮助用户更直观地理解和分析数据。从行业应用看，数据包可涵盖多行业和宽领域的数据，如电商、金融、医疗、教育等，满足不同主体的需求。
(四)API接口数据是数据资产的使能器
API数据指在应用程序间通过API技术服务公司提供的API接口传输数据，并可通过各种协议(如RESTful、SOAP)进行交互。
API接口数据可帮助实现跨部门数据的高效共享，使开发人员可在接入数据的基础上编写程序代码，极大地节省新程序的研发成本，提高了生产力和用户体验。国内API数据服务的供应商主要有天聚地合(苏州)数据股份有限公司、京东万象等，目前API技术服务头部企业聚合数据已经沉淀了超过500个分类的API接口，日调用次数已经达到3亿次，服务超120万家客户，涵盖智能制造、人工智能、5G应用等领域。
(五)解决方案是数据资产增值的有效手段
数据解决方案是一系列服务和工具的集合，旨在帮助企业或个人解决特定的数据问题，从而优化决策、提升效率或创造价值。通常基于数据分析、模型、算法、大数据处理等技术，为用户提供数据处理、分析和应用服务，交付满足用户特定信息需求的模型工具及数据处理结果，业务范围涵盖数据咨询、存算、应用、治理等。这类数据服务交易更加适合一对一交易模式，贵阳大数据交易所、山西数据交易平台等为买卖双方提供集中交易场所，撮合解决方案的交易。
目前我国数据解决方案交易呈现出市场增长迅速、定制化需求增加、数据安全与隐私保护愈加重视、合规性要求逐渐完善等特点。行业应用类数据解决方案(即提供针对特定行业的解决方案)在解决方案交易市场的占比最高，例如华东江苏大数据交易中心网站上在售的品牌营销解决方案、政企行研解决方案、企业创新解决方案、电商风控解决方案等，其购买途径需要通过管家咨询匹配，深度了解诉求，定制解决方案，并最终在特定企业应用。未来，随着数字经济的进一步发展和数据分析、机器学习、人工智能等技术的创新，数据解决方案市场的前景将更加广阔，方案性能将不断提升。
数据资产化是企业数据价值实现的核心
(一)价值评估是推动数据资产化的重要前置工作
数据资产价值评估是对数据资产使用价值的度量，是指导数据资产入市合理定价和登记入表的基准。由企业过去交易或事项形成、由企业拥有或控制、能够带来预期经济利益的数据资源，在被识别确认为数据资产后进一步完成价值评估工作。顺应发展需求和自身特殊规律的价格形成机制，是有效反映市场供需关系及数据实际价值贡献基础。
(二)数据资产化运营加速数据价值实现
为顺应经济社会数字化转型趋势，充分释放数据价值红利，各地正有序构建统一规范、互联互通、安全可控的公共数据开放平台，分类分级开放公共数据，提供目录发布、数据汇集、数据获取、统计分析、应用展示等服务。
2024年数据元年多省份数据局密接挂牌，数据局统筹下数据集团(国有企业)推进数据运营的方式将逐步成为主流运营方式。
(2)基于“数据银行”的数据资产化运营模式
“数据银行”运营环节主要设计标准化产品超市，实现标准化数据产品的撮合交易;汇聚生态服务商、生态用户和产业用户，提供数据资产委托运营服务;规划用户存储空间，有偿实现用户数据存储服务；同时布局线下业务大厅，整合数据融通、孵化器、服务中心、研究平台等生态资源，赋能线下高效运营服务。
(三)内部应用是数据资产价值实践重要领域
数据资产在企业内部使用时通常用于维护和支持企业日常经营活动，通过数据资产价值开发支持企业经营活动实现降本增效的效果。企业内部流通应用的数据有市场数据、销售数据、财务数据、营销数据、供应链数据等，用于优化经营决策及业务流程，通过数据检索实现复杂查询、节省决策成本，透过客户标签画像监测经营指标、分析竞争对手等，支持企业决策和产品开发，找到资源约束下生产经营的“最优解”，实现精准营销和数据风控。
(1)数据检索
数据内部应用中的数据检索指企业通过数据目录、元数据管理、数据库、搜索平台等完成自身海量生产运营数据的整理汇聚，通过数据便捷检索，解决商事决策中面临的复杂查询及验证流程，以节省决策成本。
数据内部应用中，数据检索可通过以下几种方式实现：一是健全的数据治理框架管理元数据、编制数据目录。通过元数据管理工具、数据分类标签和访问策略等帮助用户快速定位和理解数据资产，提高检索效率；二是组建数据库(如关系数据库、数据仓、数据湖等)来存储和管理数据，用户可通过数据库管理系统执行SQL查询或其他类型的数据检索操作来获取所需信息；三是开发数据可视化工具和搜索平台。通过关键词、数据属性或其他条件等在搜索界面或可视化界面直观理解数据，发现数据间的关系和模式。通过上述方法，企业可提高数据内部应用的效率，并根据数据分析结果改进和优化现有产品和服务的管理，优化经营决策和业务流程，确保数据资源得到充分利用，从而支持决策制定、业务流程优化和创新活动，实现降本增效获得更多的商业利润。
(2)精准营销与数据风控
精准营销和数据风控是数据内部应用的两个关键领域，他们是相辅相成的关系。精准营销为数据风控提供更丰富的客户数据，帮助企业更好理解客户行为，从而更准确地评估风险;数据风控成果同时在营销策略中反馈，帮助企业规避高风险客户，优化营销资源的分配，通过高效的数据分析和应用，显著提高商业价值和风险管理能力，进而实现业务增长和风险控制的双重目标。
数据风控侧重于利用数据分析来识别、评估和预防潜在风险，通过建立数据指标模型和规则体系，在触发特定场景下，提前判断是否存在信用风险、金融风险等，以减少损失。当前金融市场上的风险数据产品需求相对旺盛，银行多基于大数据技术搭建欺诈风险信息数据“云平台”，实现对各类风险的识别和预警，整合融资、交易、预警、评级、抵质押、财报等数据资源，实现风险信息的自动、分级、分类应用于授信全流程，提升风险识别、监测和预警的前瞻性和数字化水平。
(四)外部流通拓宽了数据资产的价值网络
数据外部流通推动了数据资源价值网格体系的发展，拓宽了数据资产应用价值。数据网格体系将数据所有权和管理权下放到各业务领域，每个业务领域负责管理和维护各自数据，并积极为其他领域提供数据产品和服务。这种分散式的数据运营方式有助于增加数据的标准化和互操作性，提高数据的可发现性、可访问性和可用性，促进数据资源整合、提高生产效率、提升数据战略价值，支持企业的数字化转型和创新发展，是促进数字经济发展的关键。
(1)数据源应用与数据产品流通交易
从场外流通市场看，数据流通多局限于小范围自循环，“数据孤岛”问题较为突出。一是基于供应链生态的流通模式，数据基于自身业务产生并以自身业务服务产业链上下游的生态伙伴，电商领域的阿里云、美团等为典型代表;二是基于多种数据源对接提供数据服务的模式，此时数据在多渠道集成(包括公开渠道获取、购买数据库、与数据资源方合作等)后为市场提供服务，如在工业供应链方面，卡奥斯依托“BaaS引擎”沉淀海量工业数据，形成对ICT、OT等工业资源的高度抽象，提炼数字工业共性服务，已建设510个公开数据集、52个专用数据集，具备单机操作系统的资源管理能力。
从场内流通市场看，数据交易机构加速建设，2014-2024十年间，国内相继成立数据交易所超过80家，其中上海数据交易所自2021年成立以来，数据交易额不断攀升，单月数据交易额已超1亿元，2023年全年数据交易额突破10亿元，累计挂牌数据产品数量超2000个，日益活跃的市场交易生态正在逐步形成。当前我国场内交易的撮合平台多采用政府主导或政府联合国有企业共建的方式。从业务性质看，可划分为单纯中介型和中介加处理型数据交易平台。前者以中关村数海大数据交易平台为代表，交易平台本身不从事数据存储、分析业务，仅提供数据买卖渠道；后者以贵阳大数据交易所、上海数据交易所和北京国际大数据交易所等为典型，交易平台一方面就数据交易提供一般中介服务，同时也提供数据清洗、建模、分析等深度处理服务。从交易产品看，可划分为提供初级数据产品的交易平台和提供高级数据产品的交易平台。前者直接供应数据产品，如数据API(应用程序接口)、数据云服务、技术支撑、离线数据包等；后者由平台提供的定制服务，包括可视化的数据分析报告等解决方案、针对特定业务场景的数据应用系统与软件、与云融合的各类大数据技术产品等。
(2)数据资产入表强势落地
为有效推进数据资产入表进程，交易平台推进多维度创新工作。一是制定入表路线图。联合电网、中金、普华等多家专业机构和数据管理部门制定入表路线图，涵盖数据企业认定、数据资产登记、数据金融产品开发、交易价格计算、资产评估报告等全流程。二是上线数商服务平台开设各类交易专区。苏州大数据交易所、深圳数据交易所以数商为服务对象，设立数据资产化专区，并联合企业征信在全国率先上线数商金融服务平台，打造无质押增信贷款产品;同时推出“智能车联网”交易专区，完成超30亿条智慧交通路侧感知数据资产化入表。三是打通数据资产链服务平台。建立区块链技术产品交易存证、完善智能合约标准，探索“一数一码”模式、推动各类数据产品可登记、可统计、可普查;同时打通企业数字资产发行平台，逐步放开不同应用场景数字资产的发行流通与登记。
数据资本化是基于金融手段实现的价值跃迁
数据资本化不仅需要对数据资产的深刻认识，还需要金融机构对数据资产的价值认可。数字资产具有明晰的权属确认、可预见的经济价值、良好的流动性，以及区块链等技术保障下的不可篡改性和全程追溯性等多重优势，使其在信贷融资市场占据独特地位，为金融创新提供了新的探索方向。数据资本化是在数据资产化的基础上，赋予数据资产更多金融属性，将数据资产作为抵质押品等用于信贷融资及其他金融活动的过程，这意味着数据的经济价值得到金融市场的认可。
(一)数据资产金融属性助企融资纾困
数据资产的可增值性、可质押性和可作信用担保性等使其具有增值、保值、融资等作用，是完成数据资本化、进一步盘活数据价值、实现增值变现的关键，基于数据资产金融属性推进数据资本化运营能够赋能助企融资纾困。
二是数据资产具有可质押性。数据资产具备资产属性和可交易性，故可设立质押权。当前实践中，数据资产质押主要有两种形式：一是数据资产凭证质押，企业通过数交所等权威平台确权登记后获得凭证，以此数字资产凭证转移占有权给债权人作为质物，待责任履行完毕，质押的凭证将予以归还；二是区块链存证平台质押，利用区块链特性为知识产权提供存证服务，并颁发证书，支持维权、许可、质押、交易等一站式服务。这两种形式为数据资产提供了有效的质押途径。
三是数据资产可以作为信用担保。数据资产可以作为信用担保的一种形式，向金融机构或其他受益人提供保证，以增强其信用等级和融资能力。金融机构可以根据权威机构提供的数据资产评估结果发放贷款，实现数据资源的货币价值变现。这种形式的担保不仅有利于企业获得更多的融资机会，还有助于提高整个金融体系的稳定性和风险防控能力。
在当前实践中，基于数据资产的金融属性，金融机构正积极探索多样化数据资产资本化方式，以进一步释放数据资产的潜在价值，助力解决企业融资困境。如数据资产增信贷款，即通过将数据资产作为信用背书，为企业提供更加灵活的贷款条件；数据资产抵质押融资，即企业可以将自己的数据资产作为抵押物或质押物，从金融机构获得融资支持等。此外，数据保险、数据信托、数据证券化、数据资产作价入股等也是拓展数据价值、体现数字资产金融属性的重要途径。这些资本化方式不仅为企业提供更加灵活和多样化的融资选择，还能帮助企业更加合理地管理和利用自己的数据资产，充分释放数据的潜在价值。
(二)数据资本化运营助力资产增值变现
数据从资源到资本，需要经过资源化、产品化和资产化再到资本化的过程，经过资产化合规审查认定后的数据可进入三级交易市场(数据资产金融产品交易市场)。与传统信贷融资相比，在应用数据资本完成信贷融资前需第三方服务机构(公证中心、登记机构、律师事务所、资产评估机构等)完成数据资产的合规审查与登记，并结合交易市场情况完成数据资产价值评估，形成评估报告和资产登记证书，支撑后续信贷融资服务。以数据资产质押贷款为例，分析数据资产资本化实现全流程。
(1)数据资产确权登记
(2)数据资产价值评估
数据资产持有方委托第三方资产评估机构开展数据资产价值评估，以初步估算可申请的融资额度。资产评估机构结合数据资产特性，设计适用于数据资产评估的方法与模型，基于数据质量、市场认可度、未来现金流等出具数据资产评估报告，为金融机构授信额度提供参考依据。
(3)金融机构审核
金融机构综合评估数据资产化阶段的各项合规性审查材料、数据资产价值、融资方资信情况、法律风险评估意见等完成授信审批流程，同时以数据资产评估结果作为贷款额度的依据，确定最终授信额度，并形成授信报告，指导拟定后续贷款合同中贷款金额、利率、期限、还款方式等条款。
(4)签订质押合同
申请方与金融机构之间就质押融资事宜达成一致，并签订质押合同。质押合同作为法律文件，将详细规定质押物的具体信息，包括其类型、数量、评估价值以及权属证明，确保质押物的明确性和合法性。整个合同的制定旨在为质押融资提供法律保障，确保交易的透明性和双方利益的最大化保护。
(5)办理质押登记
(6)发放质押贷款
在质押合同签订且质押登记完成后，金融机构会根据合同约定向申请方发放贷款。贷款金额、利率、还款方式等均在质押合同中明确。申请方需按照合同约定使用贷款并按时还款。
(7)数据资产融资全流程管理
(三)金融机构积极践行数据资产金融化
二是保险业将持续优化推出数据保险类解决方案。2023年8月，全国首批数据保险类解决方案在深圳数据交易所上市，解决方案聚焦数据网络安全、数据产品知识产权保护、网络安全软件质量等领域，有效保障企业数据安全风险，也助力行业创新“产品+保险”模式。未来，保险行业将聚焦于数据密集型企业所面临的核心挑战出台数据保险解决方案。一是在数据安全方面，数据保险解决方案将提供全方位的风险覆盖，有效应对企业在生产经营过程中遭遇的数据安全与网络安全风险，包括第一方损失风险及第三方赔偿责任；二是在数据产品知识产权保护方面，数据保险解决方案将保护报备主体的合法权益，为数据要素市场的参与者提供坚实后盾，促进数据市场的健康流动与高效利用；三是针对软件首版次质量安全，方案将提供针对性保障，确保用户单位在验收后避免因软件质量缺陷而引发的意外事故。此外，数据保险类解决方案不限于数据服务商及数据要素交易双方，也可为需要加强数据安全、网络安全、数据知识产品产权保护、各基础软件质量管控等一系列风险管理需求的企业提供保障。
交易标的属性很大程度上决定了投资者群体和适用的交易制度，进而影响产品的价格表现和流动性。因此，要构建高效的数据要素市场体系，不仅要有良好的交易机制，还需要优质的交易标的。而数据资产因其类型繁杂标准化程度低、预期收益不确定和流动性变现能力差等固有缺陷，未经过资本化处理的数据资产短期内难以成为流动性好、价格发现功能强的资本市场优质交易标的，长期看数据资产资本化将是我国要素市场金融工具创新的大势所趋。
(四)多地落地数据资产增信与融资应用
从当前实践来看，数据资产资本化方式以银行贷款融资为主，辅以数据资产保险、数据信托、数据证券化产品、数据资产作价入股等多元资本化方式。具体案例见下表。
数据基建全流程保障数据资产市场化流通
数据要素市场化基础设施是指以数据为中心，以挖掘数据价值和保障数据安全为基本点，以实现数据要素的采集、存储、处理、流通、交易为目标所设计建设的各类硬件设施和软件平台。数据要素市场化基础设施涵盖网络、存储、计算、流通、安全五个方面，通过汇聚各方数据，提供“采-存-算-用”全生命周期的支撑能力，构建全方位的数据安全体系，打造开放的数据生态环境，让数据“采得到、存得下、流得动”，推动数据要素市场化高质量发展。
(一)网络设施促进数据高速泛在连接
网络基础设施支撑数据汇聚、处理、流通、应用、运营、安全保障全流程，安全高效的网络基础设施一方面使得数据生成流转的速度更快、覆盖范围更广，能够带动全社会数据规模的快速增长，增加数据要素供给量；另一方面能够有效促进数据要素的实时传输和高效流通，推动数据要素在不同领域、不同行业之间的共享和交换，加快数据要素市场化进程。
(二)存储设施打造数据交易粮仓
存储基础设施为数据资源提供高效、安全、可靠存储，在确保数据的完整性与安全性的同时，支持数据资源的规范管理、开发利用和开放共享，能够有效提升数据资源供给质量和开放共享水平，促进数据资源价值转化。
(三)算力设施提供数据价值转换的新型生产力
算力基础设施以其高性能的计算资源，完成大规模数据的计算处理、模拟和分析，应用于模式识别、预测分析、深度学习等数据密集型任务，深入挖掘海量数据中的隐藏信息，是数据价值转换的新型生产力，已成为数字经济的“新能源”。
智算中心提高数据资产的价值挖潜效率。智算中心指基于人工智能技术研发和应用需求而设立的数据处理中心，其核心功能是通过算力的生产、聚合、调度和释放，高效支撑数据的开放共享、智能生态建设、产业创新聚集，以专业智能化计算能力为数据资产运营提供算力支持，进而提高数据处理的效率和准确性，又能降低数据运营成本，推动数据资产的价值实现和产业升级。目前我国智算中心正加速建设，算力平均水平在100P左右，具体建设情况见下表。
(四)流通设施便捷数据产品流通交易
数据流通基础设施指为促进数据在不同主体间的共享、交换、流通与交易，确保数据资产高效便捷流通的一系列技术平台安排，包括但不限于数据开放平台、登记平台、交易平台。数据流通基础设施是连接数据资源与应用的桥梁，是数据资产价值转化的关键支撑，通过提供安全、高效、合规的数据流通环境，促进数据资源向数据资产的转变，进而推动数字经济的发展与创新。
公共数据开放平台增强数据资源的可获取性。公共数据开放平台是数据资源的集散地，汇聚来自政府、企业和社会各界的海量数据，为用户提供丰富的原始材料，用户可便捷获取平台上的各类规范化数据资源，通过分析工具处理开发新的产品、服务和解决方案，深度挖掘数据资产价值、提高经济效益。目前，全国已有22个省级行政区(不含直辖市)上线公共数据开放平台，全国333个地级行政区中建成公共数据开放平台的地区已有204个，占比达61.26%。从现有公开数据看，山东省共开放2.26万个数据接口、83.5亿个数据条，是开放数据接口最多的地区。
(五)安全设施创造安全可控运营环境
数据安全基础设施是支撑流通交易安全、实现数据资产价值的核心，是保障安全、高效、可信数据环境的关键。数据流通交易通过可信计算、数据空间等安全基础设施，实现数据在不同主体间“可用不可见、可用不可存、可控可计量”，为不同行业、不同地区、不同机构提供可信的数据共享、开放、交易环境，有效提升数据流通环节的安全可靠水平。
近期国家积极推进数据安全基础设施建设，一方面推动各参与方建立数据安全保障体系，在可信计算产品标准体系框架下推进标准编制工作(如下表所示)，并发布国内首个可信数据空间标准《可信数据空间系统测试规范》，确保数据的可信性、完整性和安全性;另一方面促进数据安全基础设施在工业控制、大数据、人工智能、金融安全等领域的广泛应用，在工业互联网、金融科技、找机会城市等领域开始探索和实践可信数据空间的应用，以提升我国信息系统安全防护能力，构筑主动防御、安全可信的保障体系。
我国数据资产运营过程中所面临的问题
自2015年我国第一家大数据交易所“贵交所”成立以来，我国在数字经济的浪潮中不断探索数据资产价值实现路径。自《关于构建数据基础制度更好发挥数据要素作用的意见》发布，畅通数据资源大循环的方向愈加明确，加速了数据资产化进程。2023年北京、上海、广州等政府出台本地版“数据二十条”政策文件，从体制机制、市场流通、产品研发、安全治理等多层次、多角度开展落地方案的深度探索，激发数据资产的应用价值，但仍面临诸多挑战。
(一)数据权属难以界定，产权保护面临困境
数据权属关系是数据要素流通应用的前提。当前我国创造性提出数据产权“三权分置”运行机制，围绕所有权、知识产权、用益物权、债权等加速构建数据领域的维权体系。由于数字资产具有可复制、可变、可分割、可传输和可存储等特点，应用场景多样多变，致使其权利主体、性质难以明确。数据权属界定不清，则会扩大数据在定价、加工使用和流通交易过程中的可解释性，破坏市场交易规则、增加交易成本，极大程度地阻碍数据资产价值实现。
一是数据资产的生成与价值实现流程复杂。数据产品的生产方式和生产关系极为复杂，数据从无价值原始数据转化为数据资源及数据资产，需要多类主体参与完成数据的收集、筛选、加工、处理等程序，且每个环节都给数据赋予了新价值。目前司法实践在认定数据资产归属时通常会考虑数据收集者、数据加工者等主体对数据资产的贡献，而复杂的加工方式使得数据价值的归属难以确定。
(二)数据价值衡量困难，交易机制有待完善
数据作为一种新型财产客体，社会普遍认可数据的经济价值和持有人对其数据所享有的财产权利。民法典第127条已明确承认数据与网络虚拟财产具有相同的财产属性。但在实践中，数据作为可交易的资产进行市场流通交易机制仍不完善，在估值定价和收益分配方面缺乏系统性运行规则，数据定价活动无法取得预期目标和效果，数据交易活动所涉及的产品类型、规模和质量远不能达到数字市场的商业需求。
一是数据资产的外部性影响价值评估。数据兼具正、负两方面的外部性，导致数据资产价值评估时难以准确计量其成本、收益。从正外部性看，发挥数据的高流动性、低成本复制、报酬递增的特点，有利于提高资源配置效率，创造新产业新模式，实现对经济发展倍增效应。从负外部性看，数据要素流通易带来隐私泄露、数据滥用，极易拉大社会收入差距，增加影响国家安全的潜在风险。
三是交易方式不确定导致场景效应难量化。当前数据资产市场交易尚处于探索阶段，企业间数据交易方式多样，直接交易模式、数据交易所模式、资源互换模式、会员账号服务模式、数据云服务模式、API接口访问模式等并存，不同交易方式下流通成本、参与主体的不同影响数据产品的量化价值;另外不同行业的数据需求差异较大，卖方基于买方所处行业特性采取歧视性定价策略的现象较为普遍，导致市场主体间难以就数据资产市场价值认定达成共识。
(三)交易规则和标准缺乏，市场壁垒亟待破除
活跃的数据资产交易市场不仅能够破除数据要素流通的环境约束、促进数据要素的高质量供给，还能够赋能土地、资本、劳动力等传统要素市场的数字化升级。数据资产交易市场的壮大，能有效提升传统要素市场的数字化、网络化、智能化水平，进而带动全国产品市场的迭代升级。然而当前我国的数据要素交易市场的活跃度相对较低，市场壁垒成为制约数据资产流通的重要问题。
一是条块分割及重复建设等问题突出。就部门壁垒来看，各部门出台的方案、实施意见、规划等存在一定的冲突，数据交易系统在建设过程中仅基于本系统的规划或方案来实施，部门间缺乏沟通和协调，管理上的条块分割导致重复建设问题突出，不仅造成了资源的浪费，还影响了数据要素的流动，难以形成应有的市场合力。
二是大数据交易平台缺乏标准。自2015年4月全国第一家大数据交易平台——贵阳大数据交易所成立以来，在各地政府的推动下，众多区域性数据交易平台建成，然而交易平台建立规则不一，存在隐藏的盲点和误区，数据标准化程度低。以湖北武汉为例，华中、东湖、长江三大数据交易中心在半年内依次成立，在发展、功能定位上界线不清，导致形成多个分割的交易市场，交易规则的不统一致使并立困难无法形成综合优势来发挥数据交易机构的作用。
(四)市场流通机制不完善，监管体系有待优化
数据要素市场化配置是一项复杂的系统工程，市场监管是数据要素市场化的重要环节，目前我国数据要素市场化建设尚处于起步阶段，市场监管体系不健全、数据要素基础设施支撑不够强，缺乏对数据造假、泄露、侵权等违法行为的有效监管技术和处罚手段，存在数据要素监管体系和服务生态不成熟等问题。
一是数据安全保障规范和标准缺乏。区块链隐私计算等技术的成熟普及度较低，对数据安全的保障效果有限;通用人工智能训练需要海量数据，极易出现信息泄露，导致数据的滥用，且模型训练过程中的偏见和歧视性内容，易引发社会伦理争议，急需制定一套包含数据资源利用、安全、隐私保护、交易监管等指标的数据要素市场风险评估指标体系，提升数据治理的法治化水平。
二是数字基础设施建设不完善。骨干网络、5G信号覆盖、光纤网络提速、数字信息中心、数据交易平台、智能设施设备、数字应用场景等基础设施覆盖不全面、区域发展不协调、应用不充分，致使数据采集、流通、扩散和应用缺乏有效载体，数据要素难以融入代表先进生产力的前沿科创领域，赋能未来产业发展受限。
三是数据资产可信流通环境有待优化。数据流通不畅是数据要素市场目前发展状态下面临的基础性问题，现在数据要素市场处于培育期，各类配套制度、标准、实践经验都处于探索期。可参考欧美国家设立市场运行监管机构，建立完整的数据分类和风险评估机制、数据要素入市和退出机制，促进数据资产市场的规范发展。
对策建议
总体而言，我国数据资产探索处于起步阶段，数据要素市场培育基础尚不坚实，需要不断推进相应的理论研究和制度设计，通过试点应用积累实践经验，持续探索各方面难题的解决方案，以期在保障数据安全的前提下，充分释放数据资产价值潜能，推动数字经济持续健康发展。
(一)创新数据产权制度体系，有效避免数据产权纠纷
一是出台统一的数据管理标准。可由国家数据局牵头，联合全国信息技术标准化技术委员会制定数据收集、存储、管理、共享、开放、分析、结算过程等流程的一系列标准化管理办法，并依托各地数据交易所选取专业数据处理机构开展数据处理规范化试点，逐步明确数据的权利归属和权益分配，减少不同主体对数据解释和使用的差异，进而减少数据确权纠纷的发生。
三是完善数据确权法律法规。推进出台数据确权方面的法律法规和制度办法，确立数据产权制度框架，明确数据产权的属性、归属以及权利和义务，确保数据生产、流通、使用过程中各参与方依法享有权利、承担义务。划清国家与地方之间、政府部门之间、政府与个人之间的数据权属边界，明确政府对企业和个人数据的权利范围和利益返还机制。
(二)完善交易评估体系，促进数据资产价值转化
一是分类选取数据资产评估方法。根据数据特性分类选取数据资产评估方法，如对于具有正外部性的数据资产，考虑使用收益法来评估其带来的额外收益;对于具有负外部性的数据资产，选取成本法帮助评估数据资产的管理和保护成本。为使评估结果更加全面，可以考虑综合运用多种评估方法，并定期更新评估结果，以反映最新的市场和数据使用情况。
(三)优化交易市场规则体系，畅通数据资产流通渠道
一是统筹规划数据资产交易平台建设。突破既有规范的不适应，从数据安全保护、促进信息利用、规范市场发展等目标出发，可由国家数据局牵头，界定各部门管理职责，带领省市数据局联合地方部门统筹推进建立分工明确、协同推进、“逻辑一体、物理分散”的全国一体化数据资产交易平台，避免各部门、各地方重复建设。
(四)健全监管体系和基础设施，保障数据资产安全交易
二是完善通信、算力、交易等数据基础设施体系建设。可由国家数据局牵头设计数据交易基础设施体系，采取多元供给策略优化5G、智算中心、数据中心、共享平台、登记平台、交易平台等数字基础设施的地理布局，合理扩展其覆盖范围并缓解区域发展差异;各地政府配合打通数据共享流通堵点，实现各级平台数据互联互通，为创新数据要素开发利用和流通交易模式提供基础保障。
三是技术、制度创新保障数据安全高效流通。鼓励科研机构、头部企业重点突破隐私计算、区块链、动态加密、零知识证明、群签名、环签名、差分隐私、数据标识等可信流通新技术;各地加快推进以隐私技术、联邦学习技术支撑的数据安全设施建设重大项目落地；探索建立数据资产流通准入规则，逐步完善数据供应方、需求方、交易平台运营方和第三方服务商等各类市场主体准入机制，确保流通数据标的明确、合法。