一、我国数据交易市场发展现状

（一）我国数据交易市场发展现状

我国数据交易市场政策逐步完善，支持数据交易市场快速培育发展。2015年，国务院在《促进大数据发展行动纲要》率先明确提出“引导培育大数据交易市场”；2016年，工信部在《大数据产业发展规划 2016-2020》文件中进一步明确了大数据交易的发展目标、建设路径和保障措施；2019年，十九届四中全会决议，首次将数据增列为生产要素，要求建立健全由市场评价贡献、按贡献决定报酬的机制；2020年，国家《关于构建更加完善的要素市场化配置体制机制的意见》，明确提出要加快培育数据要素市场。2021年，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》，明确提出建立健全数据产权交易和行业自律机制，培育规范的数据交易平台和市场主体，发展数据资产评估、登记结算、交易撮合、争议仲裁等市场运营体系。各地数据交易市场的建设热潮再次出现，上海、贵州等地方政府从2015年开始，一直在探索大数据交易机制，上海数据交易中心、贵阳大数据交易所等一批政府背景平台已经建成并投入使用，但由于各地交易所模式近乎相同，并且存在风险交易逐渐清淡。随着数据要素明确成为生产要素，北京国际大数据交易所、北部湾大数据交易中心、粤港澳大湾区数据平台等交易所纷纷成立，阿里、腾讯、百度、京东、数据堂等企业数据服务交易商业化不断成熟。

（二）我国数据交易市场类型

总结起来，我国数据交易呈现以下2种模式4种类型：

按照业务模式进行分类，可分为直接交易与第三方交易。

1、直接交易。数据的直接交易数据供需双方自己寻找交易对象，进行原始数据合规化的直接交易。数据直接交易风险较高，市场准入、交易纠纷、侵犯隐私、数据滥用等“无人管理”，容易产生非法收集、买卖、使用个人信息等“灰”“黑”数据交易产业。

2、第三方交易。数据第三方交易是数据供求双方通过大数据交易所、数据交易中心等第三方数据交易平台进行的撮合交易，数据交易平台以第三方的身份为数据提供方和数据需求方提供数据交易撮合服务。例如，贵阳大数据交易所、上海数据交易中心等政府主导建设的第三方数据交易平台。但是数据第三交易场所运行现状是供需双方只是通过平台来接触客户，交易过程本身并不依赖平台，这也是现行大量数据交易中心都未向社会披露数据交易的动态和数量等信息的原因，不公开是因为交易量低。

按照交易产品类型进行分类，可分为数据产品交易与数据服务交易。

3、数据产品交易。数据产品交易是较高价值密度数据交易，可以降低数据需求方不同数据源的整合成本，减少数据应用研发周期。数据提供方对原始数据以及涉及数据提供企业的商业秘密和用户隐私的数据，进行一些脱敏、清洗、加工等处理，制作成数据产品后进行的数据交易。例如数据堂将图像、语音、文本制作成数据集。

4、数据服务交易。数据服务交易是数据交易商业化较为成熟的一种方式。互联网龙头企业不直接进行数据交易，而是将其掌握的数据资源与其行业、市场优势进行结合，通过自己开放数据平台（OPEN API）等模式提供数据服务。例如，阿里巴巴数据交易平台聚焦金融、电子商务、人工智能、生活服务、交通等领域数据交易服务，百度APIStore提供设计开发、运维管理、云服务、app推广、数据服务等5个范畴的服务。

二、数据交易市场存在四大难点

（一）数据确权难

市场经济的全部活动都是以产权为基础并围绕产权来展开的，要培育数据交易市场，就必须要首先明晰数据产权。目前，给我国数据产权确权存在以下问题，第一，我国数据市场上数据产权不明晰，对于数据所有权是属于收集数据的企业还是产生数据的个人存有较大争议，若将数据所有权完全界定给个人，则可能会因为界定程序繁琐、成本较高而影响数据资源的优化配置；若将其界定给收集数据的企业，一方面可能导致“大数据杀熟”“二选一”等数据垄断，另一方面易侵犯个人隐私；第二，数据交易主体和授权交易资格的合法性得不到确认，导致数据的拥有方从事数据交易活动的意愿不强，有些企业不想或不敢将数据用于交易。数据一旦被盗用或侵犯，很难通过法律途径进行维权，数据拥有者因此面临很大的数据隐私安全和商业风险；第三，我国法律还未对数据产权归属作出明确规定，尚未出台一部统一的权威性数据产权法，这无疑给未来数据交易市场带来巨大风险和不确定性，不利于数据交易市场的健康运行。

（二）数据定价难

数据定价机制的形成使数据要素具备在市场中的可转让性，因而成为培育数据交易市场的重要难点。第一，大量零散的数据交易定价均针对应用场景，缺乏统一的数据定价标准；第二，数据价值随着交易主体和应用场景的变化而变化，数据买卖双方存在信息严重不对称，对数据质量、数据成本和收益难以计量；第三，数据要素的生产过程涉及感知、采集、传输、存储、计算等多个环节，数据交易市场主体多元化使得数据要素的确权和定价尤为困难；第四，数据要素的异质性显著，包括数据结构异质性、搜集主体各不相同、价值高度依赖使用场景等，很难有一套统一的定价方法，容易形成“千人千价”的数据交易价格市场局面。

（三）市场供需不匹配

数据要素交易中存在供需双方不信任，制约着数据市场供需匹配。第一，数据要素不同于土地、资本等传统生产要素的一个重要原因在于，它的价值不易进行事前预估，所以需求方在购买数据之前无法确定数据的价格，存在一种买方不信任感；第二，数据具有非独占性，一旦被获知就可以被无成本的复制，供给方也不会轻易把数据展示给潜在的买家，存在一种卖方不信任感。

（四）数据交易要件体系不完备

目前，形成数据交易市场的要件尚不具备，我国尚缺乏实现数据资产化、商品化和标准化的交易要件体系，制约了数据交易市场的形成。第一，在数据交易事前阶段，缺乏针对数据产品和交易商的评估体系，数据质量难保障，脏数据、假数据随处可见；第二，在交易事中阶段，缺乏统一的交易撮合定价体系，直接交易甚至“数据黑市”等交易模式，加剧了数据滥用和诈骗等现象的滋生；第三，在交易事后阶段，缺乏数据可信监管体系，数据交易市场上数据爬虫、数据窃取、“数据黑产”等非法行为呈扩大化态势，同时区块链等新技术应用不足，进一步阻碍了数据要素的顺畅交易流通。

三、推动数据交易市场发展的建议

（一）建立数据产权确权体系，明确可交易数据的范围

第一，从数据作为生产要素的角度出发，明确个人数据和数据交易主体的数据所有权、使用权和收益权等数据权利，合理分配数据要素生产过程中各参与主体的权益，保障个人数据权益不被侵犯，最大化数据生产链与交易链中的数据增值；第二，数据交易的核心在于可交易数据和不可交易数据的清晰界定，我国可借鉴欧美经验，将“来源合法的非个人数据”作为可交易对象，为市场提供充足、合法、可交易的数据源；第三，利用区块链等相关技术，将各参与主体在数据采集、存储、处理、交易、应用等节点上的数据行为进行记录与追溯，保障各参与主体的数据权利。

（二）探索建立透明的数据定价机制

第一，完善数据要素定价的基础理论，探索构建不同交易场景多因素数据定价机制，鼓励企业进行数据交易，对于供需双方数量较多且交易比较频繁的交易，可以更多地放任市场供求自行确定价格；第二，探索建立从数据、算法定价到收益分配的涵盖数据交易全生命周期的价格体系，让每个参与方都能按贡献比例按劳分配得到相应收益；第三，根据交易数据的特征建立完善的数据要素估值体系，当出现供求双方数据垄断时，以数据估值体系来保障数据交易竞争的效率。

（三）构建“供给、需求、监管”多方协同的数据交易体系

第一，作为数据供给方，在参照既有立法和标准的基础上，建立数据安全分级分类管理制度，在保障自身的数据分析加工活动和数据服务交易行为合法性和安全性，对涉及个人信息和用户隐私的数据取得用户的合法授权或进行匿名化处理。对于政府数据（公共数据）开放平台，加强数据安全保护，防止数据泄露引发大规模社会安全问题；第二，作为数据需求方，下游数据需求方是否具备保障数据隐私和安全审查的能力，可作为是否达成数据服务交易的一项关键考量因素；第三，作为数据监管方，一方面，强化数据分类分级保护及重要数据管理，建立监管沙箱，探索建立政府、平台型企业、数据市场主体和个人多方参与、协同共治的新型监管机制；另一方面，强化技术创新，推动安全多方计算、联邦学习等隐私计算技术应用，从技术层面实现数据可用不可见，保障数据安全与发展并重。

（四）建立数据交易市场生态，推动数据市场良性发展

第一，建立数据交易生态，整合数据源提供方、算法参与方、场景参与方、技术支撑方、数据交易服务方等，共同组建数据交易市场生态；第二，建立政企合作生态，建立完善市场化数据采集综合体系，整合、统筹面向社会化机构的数据采集和信息报送渠道，探索建立政府、平台型企业、数据市场主体和多方参与、协同共治的新型合作生态；第三，培育数据来源合规审查、数据资产定价、争议仲裁等数据交易服务机构。

注：本文摘自赛智时代数据要素课题组完成的研究报告，详细内容请点击饮鹿网产业报告栏目阅读。

▎本文系Innov100原创文章，转载请标明出处。

更多精彩内容请登录https://www.innov100.com官方网站

或扫描下方二维码，点击关注微信公众号（ID：sagetimes）