数据已成为与土地、劳动力、资产、技术并列的重要生产要素。将数据作为生产要素,是我国从国家层面在全球首次提出的重大理论创新。可以说,构建以数据为关键要素的数字经济,成为释放数据价值的重要目标和关键动力。数字经济形成了支撑新质生产力蓬勃发展的重要生产力,成为我国经济发展的新引擎,也为协同推进发展效率和共享公平带来新契机。近年来,产业界对数据要素供给、流通、应用全流程的关注持续增强,为数据要素市场带来蓬勃生机。
1 数据要素产业主体构成
将数据作为生产要素,强调释放数据蕴含的价值。为充分发挥我国海量数据资源的价值潜力,需不断汲取产业力量,强化产业培育,促进数据以多样、创新的方式投入于经济社会发展全过程。当前,我国数据要素产业基础良好,市场初步建立,各类相关主体积极探索,成为数据要素产业生态构建的重要推动者[1]。
从各级政策来看,数据要素的相关产业生态培育工作正在加速推进。2022年12月,《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》(国发〔2023〕1号)(简称“数据二十条”)中提出,要加快发展数据要素市场,做大做强数据要素型企业。2023年12月,国家数据局等17部门联合印发的《“数据要素×”三年行动计划(2024—2026年)》(国数政策〔2023〕11号)中提到,国家要培育一批创新能力强、成长性好的数据商,特别指出要培养第三方专业服务机构,并围绕这些参与方形成相对完善的数据产业生态。上海市、北京市、广东省、浙江省等地正在积极布局培育数商生态,围绕不同业务类型的数商企业开展分类认定、评优评级工作。四川省、河南省、深圳市、青岛市等地也在陆续启动建设各类数据要素产业园区。但是,现阶段,各级各地对于数据产业主体构成的界定和分类口径并不一致,进一步推进相关产业发展还需要强化认识,建立有效的企业培育机制[2-5]。
本文认为,从数据要素价值发挥的规律出发,数据要素产业包含三大类主体,即数据要素价值驱动企业、数据要素技术厂商和数据要素服务机构,分别以数据资源和数据产品、数据技术工具和其他相关专业服务为主要经营内容(见表1)。
表1 数据要素产业主体分类
数据要素价值驱动型企业是以数据资源为基本载体,以数据价值释放为核心目标,参与数据生成、流通、增值利用的企业,具体可分为数据源企业、数据产品开发企业、数据运营企业、数据标注企业、数据交易服务企业等。数据要素技术厂商是以数据技术为核心能力,为数据开发利用各环节提供技术工具、平台或技术实施服务等内容的企业,具体可分为数据存储与计算厂商、数据治理厂商、数据分析应用厂商、数据流通厂商、数据安全厂商等;数据要素服务机构则是不直接参与数据开发利用过程,而提供登记、评价、审计等专业服务的第三方机构,大多需要具备开展特定业务的专业资质,具体可分为数据登记服务机构、数据评估服务机构、数据审计服务机构等。
2 数据要素产业实践方向
密集出台的政策规章引领了积极活跃的市场探索。自2020年以来,我国数据要素产业围绕数据交易流通、数据资源供给、数据服务产业、数据资源入表等方面的产业探索重心不断变化。本文将产业实践方向概括为数据“供得出”“流得动”“用得好”“能入表”4项,并分别介绍其主要尝试和面临的问题。
2.1 聚焦数据“供得出”探索活跃
目前,我国在数据“供得出”这一环节的市场探索非常活跃。数据供给方在自营业务中积累了大量数据,并完成了数据的采集、标注、清洗、管理等工作。我国数据供给方主要集中在各级政府、通信运营商、大型国有企业、大型互联网公司等,这些机构聚集了海量经济社会、行业、用户数据,通过数据接口、数据产品、数据服务等形式可满足大量企业的数据需求。
特别是公共数据,涉及到社会经济生活的方方面面,并具有体量大、价值高、规模效应明显等特征。相对于其他类型数据,公共数据的来源路径与管理模式相对明确,且天然具有公共性、权威性、非隐私性和非独占性,在通过开发利用与流通赋能数据价值释放方面具备一定优势,因而也成为了数据供给的重要来源。自2005年起,公共数据的开放与共享工作已开展多年,是公共数据资源供给的基本路径,需要长期坚持并做好相关保障工作。在此基础上,授权运营将成为全面盘活公共数据资源的有益补充,为公共数据资源供给体系带来强大助力[6-8]。
除此之外,个人数据托管成为了数据要素市场近期备受关注的新尝试。例如,北京市于2023年6月印发了《关于更好发挥数据要素作用 进一步加快发展数字经济的实施意见》,其中提出要在北京市逐步建立个人数据分类分级确权授权机制,并且推动数据处理者或第三方在个人授权范围内依照授权进行依法依规地采集、持有、使用数据或提供相应托管服务,以及从政策层面允许个人作为主体将承载个人信息的数据对包括数据处理者或第三方在内的角色进行使用授权等。然而,持续活跃的探索并未使得数据供给的发展达到预期。企业未能从数据要素产业中获得持续性的收益,导致基础数据“供不出”,高价值数据更是“不敢放”,没有形成持续推动数据高质量供给的充分动力。
2.2 推动数据“流得动”冷热不均
数据流通是释放数据价值的关键环节。然而,我国数据要素产业中长期存在“场内叫好不叫座、场外闷声发大财”现象。
数据交易机构是衔接数据供需方、提升数据要素市场化配置效率的重要支撑。近年来,为发掘数据要素价值、抢抓数字经济发展机遇,多个地方开展数据交易场所建设。据本文测算,截至2023年底,全国已建立83个数据交易市场(平台),有23个地方制定了数据交易市场相关规划。当前,我国数据交易场所数量增长较快,但建设、运营情况不容乐观,我国场内数据交易在数据市场总规模的占比尚不足2%。
另一方面,数据的场外交易较为活跃。如查询服务行业中,天眼查、企查查等企业从全国企业信用相关的信息公示系统、司法领域的中国裁判文书网等平台以及国家知识产权局等部门的官方网站收集、聚合公开数据,通过相关技术与算法为企业和个人提供独具价值的企业信息查询服务。在金融领域中,同花顺、万得等知名企业所研发的金融终端服务,具备与多家资讯公司、交易所等机构的数据对接能力。这些企业通过资源整合,构建了一个更为标准化和全面化的数据库,以满足市场的多样化需求。类似地,广告、通信等其他行业的数据交易规模也可以借助公开渠道进行估算,从而为行业发展提供更为准确的数据支持。本文将各类场外数据交易规模汇总后得知,2023年我国场外数据交易规模超过2 000亿元,大约是场内交易规模的数十倍以上。
2.3 发挥数据“用得好”亟待突破
数据应用是数据要素产业持续发展的根本动力。没有源源不断的应用场景,数据的供给和流通都将丧失意义。目前,我国大部分企业和政府的数据应用层次较浅,通常还是简单地分析和呈现,与业务深度耦合的应用较少;同时,大部分企业对于数据开发缺乏系统化的方法论,没有构建起全流程数据流水线,并且在数据应用等领域和场景的拓展方面仍处于初期。按照通用方法论,根据数据开发应用深入程度的不同,一般可将各行业的数据应用分为初级的描述性分析应用、中级的预测性分析应用和高级的指导性分析应用3个层次。目前,我国大量的数据应用场景中,企业采用的描述性分析应用实践最多,中级的预测性分析应用和高级的指导性分析应用实践很少,然而预测性分析应用与指导性分析应用对各类数据融合的需求较大,因此亟待突破。
从应用行业来看,金融风控和精准营销领域已经产生了较为稳定、大规模、多渠道的外部数据需求。但大部分企业和政府的数据应用层次浅,数据缺口不大。以智能风控为例,相较于传统风控局限于公司内部历史业务数据、央行征信数据和客户提交资料,智能风控还有大量的第三方数据、行为数据等线上/线下多方位数据需求,相较于传统风控以基本信息等强变量为主的数据特征,智能风控场景下数据特征规模可以超过1 000个,且数据之间的关联度较高,可交叉验证。
因此,数据应用的需求亟待挖掘是我国数据要素产业发展的一个重要现状和特征。数据的实际应用,即将数据作为实际的生产力,是达成数据要素价值释放的关键一环,也是最终实现数据价值转化的关键一步。如何充分利用我国海量应用场景优势,将数据赋能真正融入到场景中,成为摆在数据要素产业从业者面前的一道难题。
2.4 关注数据“能入表”需求旺盛
数据入表是数据要素产业进步的核心环节。通过构建完善的数据入表机制,可以显著促进数据采集、清洗、标注、质量评价和价值评估等一系列数据服务产业的蓬勃发展,不仅有助于深化数据技术的创新应用,更能有效激发数据要素产业的内在活力,推动其持续健康地发展。
在政策支持和市场主体的双重驱动下,数据入表的热度不断提高,数据入表成为推动数据要素市场化、数据要素价值释放的核心工作。从政策支持看,2023年8月,财政部发布了对数据要素市场影响深远的《企业数据资源相关会计处理暂行规定》,这份意义重大的政策指引文件规范了企业数据资源相关的会计处理及信息披露情况,奠定了数据入表的制度型基础,意味着我国推进数据成为一种新型生产要素从会计报表上开始显性化,标志着我国正式迈出了数据入表“从0到1”的关键一步。从市场主体来看,企业作为数据要素市场的重要主体,一方面利用数据赋能传统业务发展,另一方面通过创新数据产品创造新的业务增长点,数据要素已然成为企业在数字经济时代高质量发展的重要资产,亟需将数据纳入企业财务报表,体现数据的价值。
数据入表尚处于初步探索阶段,相关制度体系不够完善,存在企业利用数据资产粉饰财报等风险。目前只有我国发布了数据资源相关会计处理规定,这对我国在未来获取数字经济发展的话语权具有重要意义,但也表明数据资产入表既没有历史经验可循,也没有国内外经验可借鉴,完全处于“摸着石头过河”的阶段。数据入表后将直接提高企业业绩,市场各方对此抱有很大热情,但目前还存在入表范围边界不清、入表金额计量不准、合规路径不清晰等问题,盲目入表会导致资产泡沫和风险溢出。2023年12月,财政部发布的《关于加强数据资产管理的指导意见》中也强调,要依法合规地推进数据资产化进程,加强对数据资产全流程的细致管理,严密防范数据资产在应用过程中可能产生的风险。
3 我国数据要素产业发展趋势
随着“数据二十条”等一系列政策措施相继出台,数据要素产业进展加速,当前和未来一段时间,我国数据要素产业仍将快速发展,并在数据管理、行业应用、全链条推进和价值显现化等方面显现出一些趋势。
3.1 提升数据要素管理能力成为重要议题
数据要素的管理能力是数据要素市场发展的必要保障。没有数据治理,市场主体无法获取高质量的数据,也无法确保数据的安全,数据要素产业的基础就无从谈起。因此,数据管理能力的提升对数据要素产业的发展具有不可替代的重要作用,未来数据产业发展的重要趋势就是市场主体会更加重视数据要素的管理能力。
数据管理理论日趋成熟,将指导行业全面开展数据管理能力建设。Gartner公司率先在2008年提出了企业信息管理成熟度模型(EIM Maturity Model),成为数据管理理论的前身。该模型诞生于信息化阶段,将数据管理纳入企业信息架构,强调数据管理服务于企业信息技术基础设施建设和项目管理。国际标准化组织(International Organization for Standardization,ISO)于2008年推出ISO/IEC 38505-1《基于ISO/IEC 38500的数据治理》,从主体评估、指导和监督阐述数据治理过程。2014年后诞生的企业数据管理能力成熟度(Data Management Maturity,DMM)模型和数据管理能力评价模型(Data management Capability Assessment Model,DCAM)聚焦于数据本身,结合行业数据管理实践,归纳总结数据管理的关键环节,覆盖组织、技术、制度、流程、操作等多个方面。如图1所示,我国在综合考量国内外相关理论与实践的基础上,紧密结合国内数据行业的鲜明特色与成长需求,成功创建了国内首个数据能力成熟度评估体系——《数据管理能力成熟度评估模型》(Data management Capability Maturity Model,DCMM),并于2018年3月正式公布。这一模型为数据产业的稳健与有序发展提供了坚实的支撑与明确的指导。该标准明确界定了数据管理涵盖的8个核心能力域,即数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准以及数据生存周期管理,从组织结构、制度规范、操作流程和技术实施4个方面全面评估企业的数据管理能力。与国际数据管理理论框架相比,DCMM更侧重于数据标准、数据安全和数据应用方面的考量,更好地适应我国数据管理的现实情况,满足我国数据管理能力建设的实际需求[9]。
图1 DCMM模型示意图
自国家启动标准DCMM的贯标评估工作以来,经过全国范围内的广泛宣传与推行,目前已有来自十余个行业的千余家企业投身于DCMM的评估之中。这一举措极大地提升了全社会对数据管理的重视程度,使得参与贯标的企业在数据管理能力上获得了显著的提升。与此同时,在数据管理的基础上,数据研发运营一体化(DataOps)作为一种新型模式,旨在解决开发与管理之间长期存在的割裂问题。通过优化协作流程,DataOps能够大幅提升数据管理与应用之间的协同效率,进而推动数据价值的最大化实现[10]。DataOps倡导协同式、敏捷式的数据管理,建立清晰、通畅的数据管道,明确数据管理的流转过程及环节,采用先进的数字化技术推动数据管理自动化,缩短数据项目的周期,提高各数据管理相关人员的数据检索、获取和应用效率,并持续改进数据质量,降低管理成本,加速数据价值释放。
3.2 深化数据要素赋能行业应用成为关键
数据要素对其他生产要素的放大、叠加、倍增作用体现于实际应用。随着技术的进步和市场需求的增加,数据要素将与其他生产要素深入融合,释放出更大的价值。例如,数据与制造业的融合将推动智能制造的发展,数据与金融业的融合将推动金融科技的进步,数据与医疗业的融合将改善医疗服务的水平。因此,拓宽数据要素对各行业赋能应用的深度和广度将是未来数据要素产业发展的长期主线。特别是《“数据要素×”三年行动计划(2024—2026年)》,旨在发挥数据要素乘数效应,促进数据多场景应用、多主体复用,促进生产工具创新升级,催生新产业、新模式,培育经济发展新动能。未来,对于数据要素应用的挖掘将成为数据要素产业发展的重要趋势。
可以预计,众多地区未来将充分利用各自的产业发展条件与地方场景优势,积极推动数据要素企业深入实际场景与各种各样的需求之中。包括企业在内的各类市场主体将继续深入挖掘和释放数据场景的价值,通过围绕场景创新,加快汇聚各种资源要素,探索技术供给与场景需求高水平互动的发展新路径。一方面,借助国家及各地纷纷开展的“数据要素×”行动计划,针对医疗健康、自动驾驶、科研创新、金融征信等社会广泛关注的重点场景展开深入探索,着力解决重点行业在数据流通交易与应用过程中遇到的难点与瓶颈,通过深入挖掘数据中的行业与应用信息,助力企业、行业、产业在资源约束条件下找到所谓的“最优解”,从而解决以往难以攻克的问题。另一方面,多种多样的行业数据融合共享将进一步推动数据在多元场景和领域的复用,为包括工业、农业、服务业在内的各行业孕育新产品、新服务提供有利条件,进而为新价值的创造与增长奠定坚实基础。
3.3 畅通数据要素产业全链条成为推动力
面向数据要素价值释放的全流程,需要培育专业的相关服务商,支持广大市场主体参与数据要素化值化的全流程服务,丰富数据服务业态,壮大数据全生命周期服务产业体系,这也是数据要素产业发展的重要趋势。
从目前的产业主体分布来看,数据要素技术厂商较多,而数据要素价值驱动型企业还不够充分、成熟。数据要素市场中主要的参与角色却明显呈现出缺位状态。特别是对于生态服务型数商来说,其作为一类活跃市场的必需元素,在当前数据要素市场中起到的作用远远不够。此外,各类数据要素服务机构的相关业务刚刚起步,但由于数据要素的特性,在传统第三方专业服务的基础之上,市场对这些机构的数据要素理解能力和数据素养提出更高要求。未来,一是要着力提升各级各类数据服务商的专业能力,提升包括数据交易撮合、安全审查、质量与价值评估、合规审核等在内的共性服务水平;二是应充分发挥政府、企业、行业协会等各级各类市场主体的不同角色作用,鼓励各类数据流通的配套机构服务于各种供需方的个性需求。
在我国数据要素产业的未来发展中,可能会呈现出多元化、阶段化的服务商角色并行发展的态势,这种态势基于对传统要素市场发展思路的深入理解和融合。例如,面向数据交易流通场景,在事前阶段,服务商角色可能包括数据加工商、数据托管商、数据资产价值评估机构等;在事中阶段,服务商角色可能包括数据交易担保机构等;而在事后阶段,服务商角色可能包括数据交易公证机构、数据流通审计机构等。
4 结束语
总体来看,我国数据要素产业目前正处于积极的探索进程中,其突破方向正在逐步清晰。当前阶段,各地区、各部门正从不同维度积极规划数据要素产业的发展策略,同时,各市场主体也在积极探索自身在数据要素产业中的定位与角色,以期发掘新的业务增长点。各大企业有望依托自身在数据资源、数据能力等方面的优势,实现各项功能的有机整合,构建完善的数据要素生态体系,促进市场各参与主体的有序运转,形成正向循环的“飞轮效应”。值得关注的是,公共数据授权运营可能将进入大规模的实践探索阶段,高价值的公共数据有望在数据要素市场中率先成为关键突破口,成为数据要素产业的重要供给。同时,企业对数据资产管理和数据资源入表的需求将持续增强,这将进一步推动数据要素全产业链的拓展、补充和强化,为产业注入新的活力与动力[11-12]。
可以预见,在数据要素产业蓬勃发展的推动下,我国数据要素制度、技术都会迎来新的突破,数字经济发展的目标也将被数据要素产业发展带动,迎来新的发展阶段。