永乐2010

当数据成为与土地、劳动力、资本、技术相提并论的第五大生产要素，将对生产力、生产关系产生重要影响，也将形成巨大市场空间。

与土地不同，土地必须在场内进行交易。数据交易所面临的问题是，数据并不一定通过场内撮合交易，也可以是场外的。目前的数据交易量还没有大到存在巨大信息差，需要通过中介市场来拉平，这是数据交易所面临的困境。

林镇阳：这是类比我们的土地经济。在一级市场，城投公司在获得土地的授权运营后对土地进行“七通一平”，然后投入二级市场。在二级市场交易后，各类开发商再开发出商超、医院、居民小区等商业经济体。土地经济就是在一二级市场的不断协同中运行和逐级价值放大的。

在数据市场，零级市场是数据在政府部门之间共享和交换，这是数据的内循环。例如在一些机场的快速安检通道，就是相关公共数据、授权后的个人出行等数据开放给了机场“易安检”民航管理部门，服务于便民生活。

林镇阳：在3G、4G时代，电信运营商搭建好基础设施后，在应用端形成了很多新的业态，如社交媒体、短视频、直播、外卖等，也诞生了无数应用公司，创造了巨大财富。

数据交易所未来的发展抓手可能是公共数据授权运营后的入场交易，这些数据高度敏感，又代表公共职能，需要由政府进行“强管控”。

2022年，“数据二十条”的出台奠定了数据要素市场基础制度体系的“四梁八柱”，明确了数据的三权分置，是在国家层面的第一次破题。2024年，财政部提出数据资产入表，意味着数据资产化，因此2024年可以说是数据资产元年。数据要素市场建设正在不断的理论探索和产业实践之中稳步推进。

在数据产品化产业化后，下一步是数据资本化，数据要素的价值将进一步得到极大释放。目前中国的数据产业实践在不同层面逐步推进深化。

今年财政部提出的“数据入表”，意味着数据不仅是资源，更是资产。很多科技公司最大的资产是数据，数据“入表”后，数据可以像专利一样成为无形资产，进入财务三张表中，未来可以融资抵押甚至证券化。

软通智慧作为深圳市国企控股企业，为数字政府建设提供技术支撑，助力数据资源供得出；同时为地方数据集团进行一级市场建设提供相关技术和服务，如数据的加工、清洗、安全保障和授权运营等工作，在部分二级市场行业也是作为数据产品服务商提供数据产品开发，如医疗健康、应急安防、城市治理等领域的数据产品。

林镇阳：在一级市场，更多偏重公共数据和企业数据。而在公共数据中有着大量个人数据，未来可能会成立一个由政府某个部门来运营的数据基础设施，来设立个人数据账户或个人的数据银行，汇集个人的全部数据。

展望未来，或许在某个超级APP上可以查到个人相关数据，满足个人的知情权、隐私权等人格权，以及个人数据的财产权，极可能可以通过个人数据直接授权运营获得收益。

海量数据处于尚未资产化和产品化的状态，未来市场机会一定在二级市场的应用端、场景端，及数据要素×千行百业，这会产生百花齐放的局面。

那么，与其他要素相比，数据产业生态图景如何？如何让数据“供得出、流得动、用得好”？数据产业又蕴藏着哪些创业机会？国是直通车记者近日采访软通智慧数据要素首席科学家林镇阳博士。

林镇阳：从生态上讲，无论是零级市场还是一级市场、二级市场，都存在供给方和需求方。在供给方和需求方中间还存在“管道”，包括数据的加工、清洗、形成数据产品等，此外还有监管方。

永乐2010今年年初，国家数据局发布《“数据要素×”三年行动计划(2024—2026年)》，提出到2026年底，形成相对完善的数据产业生态，数据产业年均增速超过20%。

2020年，中国率先提出数据是第五大生产要素，这是非常宏大的构想和范式突破。数据要素成为经济发展的基础要素，势必会影响到生产力和生产关系的变革，进而推动全社会跨越式发展。这是中国式现代化的理论创新，同时也是实践创新。

数据产业一样蕴藏着这样的能量。根据国家网信办发布的《数字中国发展报告(2022年)》的数据，2022年，我国大数据产业规模达1.57万亿元人民币，同比增长18%。

数据的二级市场，主体是数据产品的加工商，加工成各个行业的数据产品，如工商领域的数据产品企查查等，就是数据商加工形成的产品。

数据资产化后是数据的产品化，即数据作为产品去交易或提供数据服务。例如，智能推荐就是一种基于数据的服务。又例如在上海等城市，患者在医院看完病后去保险公司理赔不再需要拿一堆纸质材料，整个过程是“无感”的，实现数据多跑路、群众少跑路，就是一种数据服务典型案例。

政府持有的公共数据给到市场和企业则是数据的外循环。一级市场的主体主要是各地逐步成立的数据集团，类似于土地市场的城投公司，由政府授权其运营。由于这些数据的高敏感性，数据集团基本都是由国企承担工作，如建设算力中心、数据中心，基础的数据采集、清洗、加工、存储、治理、安全保障等基础工作。经过此步骤初步加工，形成后面企业可以直接调用的数据。

林镇阳：中国各地目前已建立了50多个数据交易所。数据交易所类似于资本市场的证券交易所，实际上由于数据资源的虚拟性等特质并不需要那么多。