4月6日，由厦门大学数据库实验室主办的大数据百家讲坛第118期成功举办，赛智产业研究院院长赵刚博士担任本次报告专家，与大家分享了《数据要素开发利用的主要路径和策略》的主题报告，分析了数据要素开发利用的意义、问题和数据资源化、要素化、产品化、资产化和资本化的路径和策略，为政府和企业的数据要素开发利用提供指南。赵刚院长的精彩演讲吸引了线上累计3.48w人参加，并受到广大听众的一致好评。
以下是赵院长的演讲实录：
在2019年十九届四中全会首次把数据列为生产要素之后，我参加了国家、各省市的很多数据要素开发利用方面的政策咨询、产业规划等方面的工作。数据要素开发利用已经确定为国家战略，在十九届四中全会上首次把数据列为生产要素，在2022年12月，国家“数据二十条”正式发布，确定了国家数据基础制度的四梁八柱。在2023年10月，国家数据局正式挂牌，数据要素开发利用工作进入了一个快速发展期。
我们也感受到，特别是在一线的工作人员，能够深切地感受到，数据要素开发利用的过程中还存在很多尚未解决的问题和困难，工作效果还没能明显发挥出来。所以，在这个实践中，我在一直思考一个问题，科学的数据要素开发利用过程是什么？我把这个问题分为三个方面。一是数据要素自身所能发挥的价值是什么，以及我们要对数据要素开发利用工作要有更深层次的认知和理解。二是在数据要素开发利用过程中实际存在的很多问题是什么，其中一些表象的问题，还要去深挖其背后的原因以及思考如何解决，才能真正使得数据要素开发利用工作走上一个更好的发展阶段。三是在解决突出问题的过程中，要重新去思考数据要素开发利用的科学的阶段步骤，怎样才能符合数据要素开发利用工作的正常逻辑及自身规律，把握住它的规律，让其符合商业逻辑，才能使这项工作能够更好的往前推进。
所以我今天跟大家交流的内容主要分成三个方面。一是对数据要素开发自身的认知，我们要提高理论高度，要认识它的重要意义和重要价值，思考好为什么要做数据要素开发利用这项工作。二是在数据要素开发利用过程中目前的现状是什么？我们取得了什么成绩？更主要的是要看到存在哪些问题？而这些问题背后的原因是什么？我们怎么才能够解决这些问题。三是数据要素开发利用的工作，可能有它的规律性，有它的阶段性，我们只有循序渐进的把握好每个阶段该去做的工作，才能使这项工作能够取得更大的成效，才能够真正务实解决我们发展中存在的问题。
所以今天我和大家分享的主题是《数据要素开发利用的路径和策略》，实际上是希望解决好理论指导的问题，解决好问题导向的问题，解决好循序渐进的科学推进方法的问题，这是我主要想跟大家交流的三部分内容。
一、数据要素开发利用的重要意义
关于数据，我时常有灵魂三问：
问题1：我们要开发利用的对象是数据，我们怎么定义它？它到底是实在、属性还是现象？——这是一个哲学问题。
这个问题可能对未来推动数据要素的利用产生很大影响，例如：AIGC（生成式人工智能）生成的合成数据的作用和价值的把握，以及未来在思考数据驱动的人工智能究竟能不能实现自主智能、实现人工意识等方面，都有非常重要的意义和价值，这是一个深刻复杂的哲学问题，我们要在这个问题上要有所思索。
问题2：我们把数据确立为生产要素，它从哪里来？它丰富吗？它的开发利用是不是经济？——这是一个经济学问题。
这个问题可能会影响未来对数字经济、数据经济、算法经济、智能经济等方面的发展，会产生非常深远的影响。
问题3：我们要利用数据，它蕴含什么？它会用到哪里？它会产生什么价值和意义？——这是一个经济和社会学问题。
所以，我们所研究的数据要素开发利用工作具有深刻性、复杂性和前沿性，需要不同领域的理论研究者和实践者，共同去努力探索这样一个充满着想象力、充满着机会的领域，它所带来的影响必然是长远的，同时也对未来数字经济、新质生产力、高质量发展等产生巨大贡献，我报告的第一部分就试图回答这些问题。
（ 一 ）数据是什么——这是一个深奥的哲学问题
1.数据是对事实的记录和描述
在我2021年1月出版《数据要素：全球经济社会发展的新动力》这本专著中，第一章就是讲什么是数据、信息和知识？首先，你要阐述清楚数据是什么？当时，我在著作中提到的数据定义是：数据是对事实的记录和描述。信息是世界的基本属性，数据中蕴藏着信息，通过数据的处理和分析能够还原出信息。所以，数据是在对物理事实进行描述的过程中，数据符号是对事实的一种记录和描述，是事实的一种镜像属性。
那么，数据是对事实的记录和描述，数据能够记录很多方面的事实，例如，在图1中，数据可以记录宇宙，这是用天文望远镜拍摄的黑洞照片，数据可以记录美丽的地球以及我们经济社会生活的各个方面，当然，数据也能记录微观世界，图1中可以看到冷冻电镜拍摄的蛋白质分子结构。通过数据，可以对世界发生的各种事实和事件，都能够很好的进行记录和描述。
图1：数据是对事实的记录和描述
但是，今天我们会遇到一个问题。如果按照数据的这个定义，可能对“合成数据”究竟是什么，就不太好下定义。我们都知道，“合成数据”是由人工智能算法生成的一种新的数据类型，它可能并不对应于物理世界实际存在的人或事。所以，我们不断在思考，究竟数据该怎么定义？这是一个影响深远的问题，这个定义可能会影响到我们对很多问题的思考和探索。
在数据是事实的记录和描述的定义下，对数据要素的开发利用也有一整套的定义。我们知道，数据的价值在于还原信息、洞察世界，但“合成数据”经过人工智能大模型再去学习之后，它是怎样去反映世界的？有多大价值？这些问题，我们还真的需要去冷静下来思考，去解决这些问题。
数据，可以用数字化0和1来描述，通过数字化的0和1，最后能够还原出数据中所蕴含的信息，可以去还原或重构一个信息世界。那么，对应物理的实在世界，人类有一个内在的精神世界，同时又有我们所描述的信息世界，或者数据的世界。这三个世界之间是什么样的关系？在图1中我们看到，我们不断在做物理世界的数字孪生，通过数字孪生能够反映、还原和仿真物理世界，这些都是有很巨大的经济价值。例如通过数字孪生城市仿真城市运行，创造出一个数字人来代替我们去做很多繁杂的工作，设计出工业产品的数字孪生来进行工程分析优化，实现智能制造。
但是，未来这两个世界之间的互动究竟是怎么样的一种演进形式？需要我们去深入思考一些问题。所以，数据的复杂性就在于数据究竟是什么。
2.数据是加工形成信息、知识和智能的原材料
在数据要素开发利用的这个语境中，数据是加工形成信息、知识和智能的原材料，是生产资料，是生产要素。我们都知道，物质、能量和信息是世界的三个基本属性，控制论之父维纳在很早就定义出物质、能量和信息的不同。我们所从事的计算机、互联网科学中，研究和处理的正是信息，香农奠定了信息论的发展基础。
数据是信息的符号载体，是对事实的记录和描述，数据中蕴藏着世界运行的信息。DIKW（数据-信息-知识-智慧）模型是数据要素开发利用的最基础模型。我们通过记录和描述事实获得数据，数据能够还原出信息，然后通过对信息的认识和把握，能够形成知识，最终对这些知识的学习和利用能够产生智慧或智能，用来指导整个经济社会的各种活动，让我们对经济社会活动的不确定性进行确定性的把握，形成洞察力和决策力。这是数据的内在价值。
所以，灵魂三问的第一问是数据是什么？数据是加工生产出信息、知识、智能的原材料，基于数据所蕴藏的价值，数据可以作为一种重要的要素资源，投入到生产信息、知识和智能的生产过程中。
图2：DIKW模型
（二）怎么开发数据要素——这是一个复杂的经济学问题
现在回答灵魂三问的第二问：怎么开发数据要素？数据要素从哪来？它是不是丰富？它有没有稀缺性？它在经济过程中表现出什么样的经济学的特点？我们怎样才能够把数据要素投入到生产中，对经济社会活动产生巨大的经济价值，带动经济的长期增长。
大家都知道，生产要素是经济学的基本概念，是指进行社会生产经营活动时所需要的各种基本要素。过去，按照生产要素的基本定义，生产要素有土地、劳动力、资本、企业家才能、技术及数据等六大要素，在国家的定义中，是五大生产要素，企业家才能被放到了劳动力要素中。
生产要素要投入到生产作为一种基本资源，它必须具备这样三个特点：一是生产要素资源储备丰富；二是生产要素能为经济增长作出持续贡献；三是生产要素能参与收入分配，从而建立起“由市场评价贡献、按贡献决定报酬”的要素市场化机制，这是构成一个生产要素的基本特点。
图3：生产要素的组成
1.数据是在物理世界数字化中源源不断产生的海量资源
数据是有丰富性的，它也具备转化成生产要素投入生产带来的经济社会价值，它也能够为经济长期增长带来贡献。所以，数据已经具备成为生产要素的三大条件，也能够列为生产要素。国家在十九届四中全会时，首次在全世界将数据列为生产要素。
数据是具有丰富性的，因为它是对事实的记录和描述，只要有物理世界的运行就会产生数据。在全面推进数字化的过程中，我们经历了过去的信息化、网络化和平台化等数字化发展的不同阶段。今天，我们进入了一个数据化、数据要素化或智能化的新发展阶段。我们知道，物理世界的数字化带来了物理世界的数据化的过程，物理世界的物品、行为，甚至思想、见解都可以转化成各种数据被记录下来，而对这些数据的分析处理能够提升我们对世界的感知和认识的能力。这些数据在不断积累过程中，如果把这些数据再进行开发和利用，并对它实现数据的业务化，数据的物理化，我们就到了智能化的新发展阶段。通过把数据转化成物理实体中的各种知识智能，反过来去开发和改造物理世界，就形成了数据世界和物理世界的融合互动的发展模式。在这个发展模式下，在数字化不断推进的过程中，会源源不断产生数据资源，而这些数字资源经过数据要素开发利用投入到生产中，又会源源不断的为物理世界带来更大的经济社会价值。
图4：物理数据化和数据物理化
2.数据资源的经济学特点
数据作为一种新的生产要素，投入到经济社会活动中，必须分析把握这个要素所具有的经济学特点，才能把现有的经济学理论去适应数据要素的特点，进行经济理论模型方面的新探索，来指导整个数据要素开发利用，指导数据要素在生产活动中的投入。
特点1：数据有使用价值。数据蕴藏着世界运行的信息，可以用于作为解释、推理和计算的原材料，对数据的分析和挖掘，能发现有意义的信息和知识。
特点2：产生的数据没有稀缺性。数据来源于世界的生生不息，这意味着，数据“取之不尽，用之不竭”。数据本身并不稀缺，稀缺的是计算数据的技术和分析数据的算法。但数字技术的拥有者通过对数据的垄断和控制，可以制造稀缺性。
特点3：新数据具有稀缺性。人们总是需要新的数据来使用，新数据的产生成本较高，总是很稀缺。
特点4：数据具有公共性(外部性），具有流动性，很多人可以同时使用，具有非排他性、非竞争性。
特点5：数据具有低成本复用特点，具有可复制性，可被多次重复利用，具有边际效用递增的特点。
特点6：数据具有物理产品依赖性，数据处理的过程必须依赖于物理的技术载体，数据产品依托于物理产品。
特点7：数据的经济价值会随着时间流逝而降低。
特点8：数据可以被彻底删除。
3.数据要素的投入产出很经济
数字经济是以数据资源为关键要素，以现代信息网络为主要载体，以信息通信技术融合应用、全要素数字化转型为重要推动力，促进公平与效率更加统一的新经济形态。
第一，数据资源能够为经济增长作出贡献。2018-2023年，以数据为关键生产要素的全球数字经济年复合增长率40%以上。据麦肯锡公司预测，数据流动量每增加10%，将带动GDP增长0.2%。
第二，数据资源的持有者已经能参与收入分配。2021福布斯富豪榜前20位，有9位来自数字经济领域，首富是控制着全球最大数据财富的全球最大的电商、最大的云计算公司——亚马逊公司的贝佐斯。我在2022年9月出版的《数字经济的逻辑》这本专著中，提出了两个公式，如图5。第一个公式是加入数据要素的生产函数，过去主要的生产要素有资本K、技术进步A，劳动者L，今天，在这个生产函数中增加了数据要素。实际上，数据要素作用于劳动者，让劳动者具有数字化赋智能力；它作用于技术进步，让数字技术引领技术进步；同时它自身也作为一个重要的生产要素投入到生产中，形成了信息、知识和智能；数据对其他生产要素的优化和配置，可以通过资本的方式来实现，这也是数据要素资产化和资本化的重要理论依据；通过这些要素的投入，从而带动整个Y经济增长。第二个公式是数字化市场的供需结构的均衡，通过数字化市场，通过各种数据来让供给和需求实现高效匹配，达到市场均衡。所以，数据要素投入生产，它的经济价值非常大。
图5：数字经济的底层逻辑
所以，新制度学派的领袖人物-加尔布雷思说过：人类社会的“最重要的生产要素”在经济中的重要性会不断发生变化，在不同的社会和同一社会的不同时期，谁掌握了最重要的生产要素，谁就掌握了“权力”，在收入分配中获得更多收益。
（三）数据要素的价值就在于：不确定性的世界需要信息和智能
再回答灵魂第三问，数据究竟用到哪里去？究竟数据的价值在于什么？我们刚才分析到的物理世界和数据世界的互动过程，已经提到了数据物理化的价值。
1.数据要素的经济价值
实际上，数据的价值是通过数据分析能够获得信息，而在不确定性的世界中，任何一个决策，任何一个行为，都需要我们把握信息和智能来实现更有效的决策行为。所以，数据的价值就在于它能够还原信息，洞察事实，预测未来。
我经常讲数据是什么？数据就是真相，真就是物理实在，相就是数据的映相。通过这样一个真相的反应，才能使得我们对各方面有效的把握，消除不确定性，带动整个经济社会价值的实现。所以，任何经济决策活动都需要有数据，通过算力+算法+数据分析，我们可以掌握信息，获得知识，审时度势，做出决策，来消除我们经济社会活动的各种不确定性。
大家都知道，国家数据X行动计划，提出了数据要素具有三大作用，这三大作用是什么？一是协同优化，数据为什么具有协同优化作用？因为它可以掌握其他生产要素的信息，可以灵活实现其他生产要素有效的配置，最终达到不同生产要素之间的协同优化的这样的作用。二是复用增效，大家知道数据具有非常强的外部性和复制性，一份数据可以复制成多份，并复用到不同的应用场景中去，为不同的应用场景产生经济社会价值，使得整个的经济快速增长，效益最大提升，这就是复用增效的内涵。三是融合创新，不同领域的数据，跨行业、跨领域的数据都可以通过数据共享和流通，解决信息不对称问题，让不同领域的隔阂和壁垒消除，从而带动新经济业态、新生产领域的形成、新产业的培育，这就是融合创新的价值。
所以，我们可以看到在公共服务领域、金融、电商、智能制造、电子商务、个性化定制、生活服务等各个领域，数据有非常多的应用场景。数据要素开发利用，大幅提高了生产效率，提高市场交易效率，优化生产要素配置结构和效率，减少其他生产要素的投入，推动全要素的高效连接和融合，也能够培育新产品、新业态、新服务，从而形成了巨大的经济社会价值。
图6：数据的价值
2.怎么利用数据——这是一个“知己知彼”的经济和社会学问题
数据蕴含了非常复杂的关系，它可以运用到各个领域去，用在政治、经济、社会、文化、生态文明等数字中国建设的“五位一体”的各个方面，它有非常多的应用场景。
例如，在政府服务“一网通办“，我们通过一张身份证就可以刷出我们在不同场合、不同委办局的数据，从而实现高效率办成“一件事”。在经济领域“一企一档“，国家税务总局通过”一企一档“的操作，金税4期就解决了税源的统一性问题，很多税务风险被规避了，很多税收也能够有效形成财政收入。在民生服务领域，医疗方面的电子病历共享，检查检验结果的互认，会让我们的就医比以前更加方便快捷。在文化领域中，景区元宇宙应用，通过数据化打造景区的历史虚拟场景，让历史文化和现实的景区有效融合在一起，提升旅客的游玩体验。在生态文明建设领域中，碳足迹测算与评价，使得我们对低碳生活有了更多的可把握性。
图7：数据在政治、经济、社会、文化、生态文明中的应用
上面回答了数据要素开发利用的数据是什么？数据从哪里来？为什么它是资产要素？数据到哪里去？它解决什么样的应用价值的问题？这些问题的思考，使得我们对这项工作就有更高的期待和期望，即使我们现在在数据要素开发利用过程中遇到一些困难和问题，我们也能够坚定信心的走下去，我们也知道我们最终的目标是什么。
（四）国家高度重视数据开发利用工作
数据要素开发利用被确立为国家战略，要理解它的宏大背景。国家高度重视数据开发利用工作，十九届四中全会数据首次列为四大要素，习近平总书记在中共中央政治局第三十四次集体学习时提出，充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式。在中央深化改革委员会第二十六次会议上，习近平总书记强调，数据基础制度建设事关国家发展和安全大局。2022年12月，国家“数据二十条”正式发布，为构建数据基础制度更好发挥数据要素作用指明方向。2023年10月，国家数据局挂牌成立，全面推进数据资源、数据要素的开发利用的工作。
（五）数据要素开发利用是高质量发展的重要抓手
首先，数据资源是国家基础性和战略性资源。习近平总书记指出，数据是创新引擎。那么，在推进数据要素开发利用工作中，一是要积累丰富的数据，通过数字化积累丰富的数据资源，二是要在经济社会发展的各个领域中研发各种数据应用场景。三是推动数据要素的供给和需求有效匹配，培育数据要素市场，加快数据要素市场化配置改革，真正实现由市场评价贡献、按贡献决定报酬的要素市场化改革机制，推动数据要素开发利用的良性循环。数据要素开发利用是有助于培育数字经济的新动能，推进传统产业的数字化转型升级，发展数字经济。发展数字经济的过程，将加快数字化发展，有利于培育形成新质生产力，加快高质量发展。
图8：数据资源是国家基础性和战略性资源
新质生产力中有三个重要的标志，一是产业颠覆性的技术创新；二是生产要素的创新性配置，而这样一个创新配置正来自于数据要素作为主驱动力的生产要素的创新性配置；三是传统产业的深度转型升级，数据要素赋能到各行各业，正是带动了各行各业的效能、效率和新产业的形成，从而形成新质生产力，促进形成高质量发展。所以，数据要素开发利用对于整个数字经济的发展，对于新质生产力的培育，对于高质量发展都具有举足轻重的作用。
这是我在第一个部分给大家介绍的，为什么要做数据要素的开发利用。
二、数据要素开发利用的现状问题
在数据要素开发利用过程中，我们遇到了哪些问题和困难？我想更加要强调的是，这些困难背后的原因是什么？产生问题的体制机制上有什么问题？从而为下一步提出数据要素开发利用的主要发展路径和策略提供一个问题导向的思维方式。
（一）数据要素开发利用工作全面启动
在数据基础制度建设方面，以国家“数据二十条”为代表的数据产权、流通交易、收益分配、安全治理制度不断健全。在数据加工生产方面，我国大数据企业达到上万家，产业规模达到1.5万亿；2022年中国数据产量达8.1ZB，同比增长22.7%，全球占比达10.5%，位居世界第二。在公共数据资源开发利用方面，全国地级及以上公共数据开放平台数量达到226个，开放的有效公共数据集达到34万多个；全国一体化政务数据共享枢纽已接入各级政务部门5951个，发布各类数据资源1.5万类；各省市公共数据授权运营全面启动。在社会数据资源开发利用方面，建立全国性数据商业化服务平台超100个，为各类用户提供数据服务。在数据流通交易方面，我国数据要素交易市场成立交易所80多家。在数据基础设施建设方面，我国算力总规模超过230 EFLOPS。这些数据和内容均来自于赛智产业研究院编制的《2023年中国数据要素市场建设研究报告》。
（二）数据要素开发利用的主要问题
问题1：数字经济规模大，数据要素市场供给却不足。原因可能是：数据违法风险高、大部分企业仍处于数字化转型的阶段，数据垄断、数据产品商业模式不成熟、数据外部性强……
问题2：数据需求多，数据要素市场流通交易额却很小。原因可能是：数据产权不清晰、数据供给不足、数据交易成本高、数据流通生态不完整……
问题3：数据使用价值高，数据要素高价值应用少。原因可能是：数据应用案例少、数据质量低、用户不会用、……
分析一下数据要素市场，2022年数字经济增加值达到50.2万亿，中国数据的产量是8ZB，占全球10%，按照研究机构给出的数据，2022年中国数据交易额只有0.08万亿。可以看到，数字经济规模很大，数据资源规模很大，但是数据交易额很小，数据产品化也很少。这就有一个非常重要的问题，从物理数据化这个角度来看，我们有很大的数字化产值，但从数据业务化这个角度来看，数据流通交易规模还非常小。所以，数据要素市场并不成熟，处于雏形阶段，刚刚启动起来。
导致数据要素市场不成熟的原因是什么？我们从数据要素供给、流通、需求三个角度去分析。
1.从数据要素供给角度看
一是数据供给违法风险高。数据中蕴含着个人隐私、商业秘密、国家安全。在数据供给过程中，如果这些数据供给用于非法目的，那么数据供给方的违法成本就非常高，比如数据被用于了现金贷，被用于欺骗消费者等，如果现金贷企业被抓，信息溯源到数据供给方，那么数据供给方是逃避不了法律责任的，因为它触犯了法律的红线。所以，在整个数据供过程中，要遵守《个人信息保护法》，不能侵犯个人隐私，不能违反《数据安全法》，更要注意数据供给之后的用途，避免下游企业把这些数据用于违法活动，利用数据从事违法犯罪活动肯定是要受到法律制裁的。所以这是数据不敢供重要原因之一。
二是传统企业仍处于数字化转型的阶段，数据资源储备和开发利用不足。很多传统企业要做数据要素化，但是发现它根本没有数据，因为还没能实现数字化，这是不可逃避的阶段性问题。
三是数据更多被平台公司、运营商、政府等持有控制，数据资源释放动力不足。目前，数据的流通特点是在互联网上流通，在平台上汇聚，所以目前数据更多的是被平台公司、产业链链主企业、运营商、政府及大型企业持有控制。对它们来说，数据就是资产，开发利用这些数据就可以实现巨大的经济和社会价值，所以它们也没有那么大的动力把数据释放出去，给更多的中小企业去用，除非是它自身产业生态上的合作伙伴公司，所以这也是数据资源释放动力不足的重要问题之一。
四是数据资源固定成本高，边际成本低，供方”一本万利”，不愿流出原始数据。如果要获取数据资源，势必要投入网络、投入平台、投入APP应用开发、投入用户营销，所以数据产生过程的固定成本很高，但是一旦产生，数据的边际成本就会很低。所以供方拿着数据就可以实现“一本万利”，他们并不愿流出原始数据，但可以把这些原始数据转化成数据产品和服务，所以他们不愿把积累下来这些数据资源很轻易的就复制或交易给需方，没有动力去做，更希望做成数据产品和服务供用户使用。
五是数据产品商业模式不成熟，数据公司不盈利，难以规模化供应产品。数据公司目前很大程度上没有找到很好的应用场景，数据公司也没有形成很好的商业模式，目前只能通过 API访问或者APP应用这样的方式来提供给客户，很难形成规模化的数据供应产品，而且这些数据供应商的规模也比较小。
六是数据外部性强，用户更愿意接受免费数据和信息。用户也可以通过爬虫，通过互联网上的各种渠道免费获取数据或信息。
上述六个方面说明了为什么数据供给难。对策是从根本上去解决难题，从而建立起真正符合市场逻辑、数据要素供给特点的数据供给的方式和渠道。
2.从数据要素流通角度看
一是数据产权确认复杂：你卖的数据，是你的吗？数据要素流通起来，流通到不同权利相关方，这些上下游企业拿到这份数据之后它的权利是什么？数据本身又蕴含着复杂的各种其他关系，所以数据的确权是很难的。在我出版的《数据要素：全球经济社会发展的新动力》这本专著中，专门画了一张图叫“镜像关系”，想表达的是数据主体（数据来源者）站到镜子前，镜子中就形成了他的像（数据），这个镜子的主人可能是淘宝，也可能是抖音的，那么数据主体（数据来源者）在镜子上形成的像（数据），究竟是数据主体的？还是镜子的主人抖音或者淘宝的？因为抖音或淘宝控制了镜子，就控制了数据主体的像（数据），而数据主体更关心肖像权等各方面的权利和义务。所以，数据确权非常复杂，市场上并不能确保运营方卖的数据或者经营的数据是你自己的。
图9：数据权的隐喻
二是数据流通合规风险高：数据流通很容易触犯个人隐私、商业秘密、国家安全，你卖的一份数据，可能侵犯上亿用户的权益。在数据供给和数据经营过程中，一样存在风险，卖出的数据不管来源是否合规，都可能受到侵犯，因为不同数据相互关联，可能会侵犯个人隐私，商业秘密、国家安全，可能侵犯上亿用户的权益。
三是数据交易机会成本高： 供给方投入成本高，一旦流通，买方可以低成本复制无数份。这个对于卖方、对于数据供方来说就没有形成很好的驱动力，因为交易机会成本太高了，他不愿意卖。
四是数据流通生态不完整：交易撮合服务商少。很多交易所只是挂了个牌子，提供了场所，实际并没有像淘宝网一样，没有去做很多交易撮合的服务，服务太少了，第三方生态服务商也太少了，所以流通生态是不完整的，这也造成了数据流通的难度。
3.从数据要素需求角度看
数据应用技术门槛高，普通用户不知或不会使用数据API和数据应用；数据质量低，未能很好的加工处理，从而影响应用效果；成效明显的数据应用案例少等各种原因。
所以目前面临的问题就是供给不足、流动不足、需求不足，从而产生了我们刚才讲的那个数据要素市场的巨大数字悬殊。
↓↓了解更多资讯，请识别下方二维码↓↓
国脉集团是数据资产化先锋企业，主要提供培训、咨询和产品设计服务。为数据资源拥有者提供专业、规范、合规的全流程资产化服务，提升机构数据管理服务能力，实现数据资源价值最大化。运用最先进的培训理念方法和平台工具提供高绩效培训服务。研发“一头一体两翼”企业数据资产化咨询服务方法论，提升数据资产化战略设计、就绪度评估与咨询、入表和产品化全流程咨询服务。基于战略思维和实操需求研发“易”系列产品，并与数源方合作研发系列数据产品。
主要课程包括数据资产入表、数据经纪人、公共数据运营和政府CDO、数据精品等精品课程。
主要产品：数据易投、数据易贷、数据易保、数据易售。
联系我们请点击：
数邦客
