中国数据要素交易市场是一个多层次、多维度的复杂体系，涵盖了不同的交易方式、市场类型和行业应用。数据要素作为一种新兴的生产要素，涉及社会经营活动中所有可以电子化记录、为使用者或所有者带来经济效益的数据资源。
在狭义上，数据要素交易市场指的是为数据交易提供撮合、需求匹配等服务的具体场所或平台，如数据交易所或数据交易平台。而在广义上，这个市场包括了数据提供方、数据需求方、数据交易场所、数据交易技术支持方、第三方专业服务机构和市场监管方，以及数据要素交易行为本身。
图 广义数据要素交易市场
中国的数据要素交易体系根据数据要素特性、市场主体特性及市场发展规律，形成了面向不同区域、不同行业市场主体及应用场景的多层次市场结构。这包括场内集中交易和场外分散交易两种主要交易方式。
场内交易通常在特定的数据交易场所内完成，而场外交易则在交易场所之外，通常通过供需双方的直接点对点交易或依托第三方完成。这种交易方式提供了更灵活的交易渠道，适应了不同市场主体的需求。
市场的范围也有所不同。全国性市场是以全国范围为行业空间的数据交易市场，通常由国家级数据交易场所承载。相对而言，区域性市场则以特定地区为交易空间，由区域性数据交易场所承载。这种分工使得数据交易可以更有效地满足不同区域的需求。
此外，行业性市场聚焦于特定行业的数据供求关系和交易行为，由行业性数据交易平台承载。而综合性市场则覆盖多个行业，由综合性数据交易场所承载，这种市场结构能够更好地服务于不同行业的交叉需求。
中国数据要素市场的发展简史是一段关于如何从数据的初步认识到完全实现其作为核心生产要素地位的故事。这段历史不仅是技术进步的缩影，也是中国经济和社会发展的一个重要方面。
在21世纪初，随着互联网和移动通信技术的迅速发展，数据开始在中国经济中发挥越来越重要的作用。初期，数据的应用主要集中在电子商务、社交媒体和在线娱乐等领域。这一时期，数据更多被视为辅助信息和营销工具，而非独立的生产要素。
随着大数据、云计算和人工智能等技术的兴起，中国开始逐渐认识到数据的真正价值。2008年之后，中国的数字经济开始迅速增长。政府和企业开始重视数据在决策、运营优化和创新驱动中的作用，数据的收集、处理和分析成为企业竞争力的关键。
2014年，“大数据”首次被写入中国政府的工作报告，标志着国家层面对数据要素的重视开始上升。2015年至2021年间，中国数字经济的复合年增长率达到了16.1%，数据经济在国内生产总值（GDP）中的占比不断上升。这一时期，数据不仅成为促进消费和提高生产效率的重要力量，还开始在智慧城市、智能制造等领域发挥作用，推动了产业升级和经济结构的优化。
2020年，国务院将数据与土地、资本、技术、劳动力并列为五大生产要素，这一决定标志着数据要素在中国经济中的地位被正式确立。此后，政府相继出台了一系列政策，支持数据交易市场的发展，鼓励数据开放和共享，促进数据资源的有效利用。
到了“十四五”规划期间，中国数据要素市场进入了一个新的发展阶段。数据交易市场逐渐成熟，数据交易所、数据服务公司和数据安全企业相继成立，形成了一条完整的数据产业链。数据交易量和交易价值均实现了显著增长，数据已成为推动社会经济发展的核心动力之一。
中国数据要素市场的发展历程是中国数字化转型的缩影。从数据的初步应用到被视为核心生产要素，这一过程不仅反映了技术的发展和应用，也是中国经济发展模式转变和创新驱动战略实施的重要组成部分。未来，随着技术的进一步发展和政策的持续支持，数据要素市场还将持续发展和壮大，成为推动中国经济高质量发展的关键力量。
中国数据要素交易市场目前正处于一个快速发展的阶段，其成长与国家数字经济的蓬勃发展密切相关。自2008年以来，中国数字经济的规模显著增长，到2021年已达到45.5万亿元，占全国GDP比重的39.8%。这一增长表明，数据作为一种重要的生产要素，正在成为驱动社会经济发展的核心动力。
图 2015-2021 年我国数字经济占全国 GDP 比重变化
图 中国数据要素市场规模(亿元)
数据要素市场的本质是一个由市场配置的动态过程，旨在实现数据在流动中产生的价值。国家工业信息安全发展研究中心将数据要素产业链划分为七大流程：数据采集、数据存储、数据加工、数据流通、数据分析、数据应用和生态保障。在这一产业链的每个环节，都有众多优质企业不断涌现，推动整个数据要素产业链的发展。
截至2022年12月7日，中国数据要素相关注册企业数量达到了432399家，2021年新增数据要素企业达到140837家，年增速高达48.03%。这一数据显示了数据要素市场的快速增长和行业的活跃度。
图 2013-2022 我国数据要素相关注册企业数量及增速情况 (截至2022年12月7日)
随着数据要素市场化的推进，多种数据产品也纷纷挂牌于数据交易所。上海数据交易所自揭牌以来，挂牌的数据产品数量已超过1200个，成交额在2022年底已突破1亿元，预计今年的场内交易金额将超过10亿元。贵阳数据交易所作为全国第一家大数据交易所，已累计入驻数据商460家，累计交易额达5.49亿元。
在2023年11月26日的上海数据交易所年度发布会上，发布的《2023年中国数据交易市场研究分析报告》显示，2021-2022年中国数据交易市场规模从617.6亿元增长至876.8亿元，年增长率约42.0%，预计到2030年将达到5155.9亿元。
中国的数据要素交易市场正展现出强劲的增长势头。随着数字经济的不断发展和数据价值的日益凸显，预计这一市场未来将持续保持高速发展态势，成为支撑国家经济增长的重要力量。
产业链
中国数据要素产业链是一个多环节、多层次的复杂系统，涵盖了数据的采集、加工、存放、汇聚、交易、应用和安全等各个阶段。每个环节都是数据价值链的重要组成部分，相互关联、相互促进。
图 数据要素产业链
价值链
中国数据要素价值链的探讨，随着《企业数据资源相关会计处理暂行规定（征求意见稿）》的发布及普华永道与上海数交所联合发布的《数据要素视角下的数据资产化研究报告》，进入了一个新的发展阶段。这些文件和报告对数据资产的定义和分类提供了更清晰的框架，并为数据资产的会计处理和价值评估奠定了基础。
图 从数据、数据资源到数据资产的价值链
中国数据要素价值链的探讨，随着《企业数据资源相关会计处理暂行规定（征求意见稿）》的发布及普华永道与上海数交所联合发布的《数据要素视角下的数据资产化研究报告》，进入了一个新的发展阶段。这些文件和报告对数据资产的定义和分类提供了更清晰的框架，并为数据资产的会计处理和价值评估奠定了基础。
根据财政部的规定，数据资源被分为企业内部使用的数据资源和企业对外交易的数据资源，这两种数据资源分别可以确认为无形资产和存货。这一分类不仅反映了数据资源的使用方式和经济性质，也为数据资源的会计处理提供了指导。
普华永道和上海数交所的报告进一步细分了数据资产，将其分为资源性数据资产和经营性数据资产。资源性数据资产指的是原始数据经过加工处理后，尚未进入市场流通但能带来经济利益的数据资源。这类资产在企业内部发挥作用，是数据价值链的初级阶段。
经营性数据资产则是指那些已经通过数据集组合、能够产生经济利益、可以合法合规地进行交易或提供服务的数据产品和服务。当前数据资产估值的重点更多聚焦于经营性数据资产，这反映了市场对数据资源的实际应用和流通潜力的关注。
中国数据要素价值链的发展表明，数据正逐渐从单纯的信息资源转变为具有实际经济价值的资产。随着数据技术的不断进步和数据治理体系的日益完善，数据资产的识别、评估和管理将成为企业战略规划和运营管理的重要组成部分。这不仅促进了数据资源的有效利用和价值最大化，也为中国数字经济的发展提供了新的动力和方向。
中国数据交易所的盈利模式多样，但不一定意味着其盈利能力强。当前主要的盈利模式包括佣金模式、会员制模式和增值式交易服务模式，每种模式都有其独特的优势和挑战。
上海数据交易所实行多种收费方式。需方数商和第三方数商需缴纳数商服务费，分别为一次性9980元或年费19980元；供方数商则按交易额的2.5%缴纳数据产品交易服务费。
中国数据要素技术的发展，正处于一个加速融合与创新的阶段。这一领域强调了通过大数据处理，促进数据在交易流通过程中产生经济价值的重要性。其中，“可控、可计量、可流通”成为了对数据技术提出的新要求，新兴技术如云原生、软硬协同、湖仓一体化等不断涌现，为数据要素价值的释放提供了保障。
图 数据要素流通技术流程图
云原生技术通过其存储计算分离架构，实现了资源池化和极致弹性，带来了高扩展性、高可用性和低成本等优势，有效地支持了用户的降本增效需求。软硬协同技术，如GPU数据库和数据库一体机，正满足着业务规模不断扩张的需求。硬件技术的发展不仅提升了数据处理性能，还推动了数据处理技术与其他新兴技术的融合，提升了技术体系的安全性和智能性。湖仓一体化技术，集数据湖的灵活性与数据仓库的数据结构和管理功能于一体，有效降低了数据冗余，减少了存储成本，提升了数据处理的时效性。
随着人工智能、隐私计算、区块链及图技术等新兴技术的持续发展，数据要素安全流通得到了有效保障。AI技术的应用，特别是AIGC技术的突破，不仅使大语言模型进入公众视野，更扩展了数据基础设施与AI融合的发展空间。生成式AI在数据库设计和数据分析挖掘中简化操作，提高了效率。全密态数据库结合隐私计算，能够解决数据全生命周期的隐私保护问题，确保数据在各个环节始终保持加密状态。防篡改数据库与区块链的结合，提供了可信的数据安全解决方案，保障了数据的整体完整性和安全可信流通。
向量数据库、图分析技术、时空大数据平台及时空数据库等技术，也在支持新兴业务场景下的数据要素价值释放。向量数据库支持AI技术赋能数据要素价值释放，尤其是处理非结构化数据时的向量表示问题。图分析技术能够有效分析数据之间的关联性，处理数据之间的复杂关系。时空大数据平台和时空数据库的发展，响应了北斗时空大数据服务、数字孪生、智慧城市等新兴数据应用业务场景对于时空数据处理的需求。
我们认为，中国的数据要素技术正朝着更高效、更安全的方向发展，以满足不同应用场景下的技术需求。这些技术的融合与创新，不仅促进了数据的有效管理和利用，还为企业和社会带来了新的价值。未来，这些技术将继续在中国的数字化进程中扮演着关键角色，推动着中国从“数据大国”向“数字中国”的转变。
近年来，中国在数据要素市场建设方面取得了显著的进展，主要得益于一系列相关政策文件的密集出台。这些政策旨在促进数据要素市场的快速发展，并为数据产业提供技术支持和基础设施完善，同时深化数据的融合应用。
图 数据要素相关国家政策
自2014年“大数据”首次被写入政府工作报告以来，中国政府逐渐强化了对数据要素市场的重视。特别是在2017年十九大报告中提出的加快建设创新型国家、建设数字中国的目标，标志着数据在国家发展战略中的地位日益提升。2020年，国务院将数据与土地、资本、技术、劳动力并列为五大生产要素，这不仅明确了数据要素市场制度建设的方向，也为改革任务的确定提供了指导。
政府的政策扶持主要集中在推动数据的开放共享和利用、加速数据要素流通、建立数据标准体系以及建立大数据交易平台等方面。这些措施旨在打造一个更加开放、高效的数据市场环境，促进数据资源的合理流通和高效利用。
在政策框架上，中国的数据要素政策采取了“1+N”模式，即一个顶层设计加上多项具体实施措施。这种模式的出现标志着中国数据要素市场政策的系统化和全面化。2022年12月19日发布的《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》是一个重要的里程碑，它从生产要素的高度出发，解决了数据要素价值释放中的基础性问题。该政策文件明确了产权制度、流通交易、收益分配和安全治理等四项制度，为构建中国数据要素市场体系奠定了基础。
图 “数据二十条”提出四项数据基础制度
另外，财政部于2022年12月9日发布的《企业数据资源相关会计处理暂行规定（征求意见稿）》进一步明确了数据资产的会计处理方式，为数据资产确权和定价等方面提供了具体的指导。这标志着政策实施的“N”方面的第一步。
千际投行认为，中国的数据要素市场政策正逐步形成一个完整、系统化的框架。这些政策旨在促进数据资源的高效利用和合理流通，加强数据安全和隐私保护，同时鼓励创新和技术发展，以支持数字经济的持续增长。未来，随着这些政策的深入实施，预计中国的数据要素市场将迎来更广阔的发展空间。
数据定价模型的发展正在推动垂直领域IT服务商的商业模式向更高级的数据服务模式转型。中国信通院提出的四因素数据价值评估模型——基础价格、增值价值、风险溢价和异质性价值——为数据定价提供了一个全面且结构化的框架。
- 基础价格是数据价值的起点，涉及企业为获取数据而投入的资金成本，包括人力、IT设施等。这一阶段的成本不仅包括初始采集和存储的成本，还包括数据维护和管理的长期成本。对于IT服务商来说，提供有效的数据存储、管理和保安解决方案是提升基础价格的关键。
- 增值价值指的是数据未来预期为企业带来的收益。这一部分的评估需要深入分析数据在商业决策、市场洞察、产品创新等方面的潜在应用价值。IT服务商在此领域的角色转型意味着，他们不仅是数据处理的执行者，更是数据价值挖掘的咨询者和合作伙伴。
- 风险溢价作为一种纯金融性价值，反映了持有数据资产所面临的风险。这包括但不限于数据安全风险、合规风险以及数据质量风险。IT服务商在这一方面的角色是提供风险评估、管理和缓解策略，以确保数据资产的安全性和合规性。
- 异质性价值指因个体或群体差异而产生的特有数据价值。这一价值的挖掘依赖于对数据的深入理解和分析，如市场细分、个性化推荐等。异质性价值的挖掘要求IT服务商具备高级的数据分析能力，能够从海量数据中提炼出有意义的信息。
随着这四因素模型的广泛应用，IT服务商的商业模式预计将从传统的项目制向数据服务模式转型。这种转型意味着，服务商不仅提供数据的存储和管理，还提供数据分析、价值评估和风险管理等更高级的服务。在这一过程中，IT服务商将成为数据价值链中不可或缺的一部分，帮助企业理解和利用数据资产的真正价值。
图 成熟数据要素市场的“四因素定价模型”
此外，随着数据科技的不断进步，如机器学习、人工智能、大数据分析等技术的应用，数据定价模型也将持续发展和完善。IT服务商需要不断适应这些技术的发展，以保持其在数据价值链中的关键地位。千际投行认为，数据定价模型为IT服务商提供了一个巨大的机遇，以转型升级其服务，实现长期的业绩增长。
中国数据要素市场的迅猛发展得益于多重因素的共同作用。这些因素不仅包括技术进步和政策支持，还涉及市场需求、企业创新和社会变革等方面。
首先，技术进步是推动数据要素市场发展的关键因素。云计算、大数据、人工智能和物联网等技术的发展极大地增强了数据的收集、存储、处理和分析能力。这些技术的进步使得数据从一个辅助工具转变为核心的生产要素，为各行各业提供了前所未有的智能化解决方案。
其次，政策支持在中国数据要素市场的发展中发挥了至关重要的作用。自2014年中国政府首次将“大数据”写入国家工作报告以来，政府对于数据要素的重视程度逐年提高。特别是在2020年，数据被正式定位为与土地、资本、技术、劳动力并列的关键生产要素。政府的支持体现在出台相关政策、制定行业标准、建立数据交易平台和促进数据开放共享等方面。
此外，市场需求的快速增长也是推动数据要素市场发展的一个重要因素。随着数字经济的不断扩大，从传统制造业到服务业，再到政府部门，对于高质量、高效率的数据服务的需求日益增长。企业和组织对于数据的需求不仅仅局限于数据本身，还包括数据分析、数据挖掘、数据安全和数据管理等服务。
企业创新和社会变革也在数据要素市场发展中扮演了重要角色。在竞争激烈的市场环境中，企业为了提高竞争力，不断探索数据的新用途和新业务模式，推动了数据要素市场的多元化和深入发展。同时，社会对于个人隐私保护和数据安全的日益重视，也推动了数据管理和安全技术的发展，进而影响了整个市场的形态。
中国数据要素市场虽然充满潜力，但同时也面临着多方面的风险和挑战。这些风险主要表现在数据供需不平衡、数据运营产业链不成熟、数据交易流通规则体系不完善以及数据治理能力不足等方面。以下是对这些风险的深入分析：
- 数据供需不平衡：中国数据市场的快速发展导致了数据供需之间的不平衡。一方面，大量数据的产生和积累需要有效的管理和运用；另一方面，企业和机构对于如何利用这些数据缺乏足够的知识和技术。这种不平衡不仅限制了数据价值的实现，还可能导致数据资源的浪费。
- 数据运营产业链不成熟：中国数据市场的产业链还处于初级阶段。从数据的收集、处理、分析到应用，每个环节都需要相应的技术支持和管理能力。目前，这一产业链中的许多环节尚未形成有效的协同和优化，限制了整体市场的效率和发展。
- 数据交易流通规则体系不完善：数据交易市场的规则体系尚未成熟，这包括数据的确权、交易、收益分配等方面。缺乏明确的规则和标准导致市场参与者在交易过程中面临不确定性，这不仅影响了交易的积极性，也增加了交易的风险。
- 数据治理能力不足：目前，许多企业在数据治理和管理方面的能力较弱。2022年的数据显示，80%的企业处于数据治理的初级阶段，只有少数企业达到了较高的治理水平。这种能力不足导致数据的质量和安全性无法得到有效保障，进而影响了数据的可用性和价值。
- 权责分配信任危机：在数据流通和利用方面，权责分配的不明确导致了信任危机。尽管有《数据二十条》等指导性文件，但在实际操作中，如何确保数据权益的有效保障和安全保护仍然是一个挑战。
- 行为合规信任危机：虽然《网络安全法》《数据安全法》和《个人保护法》等法律法规的出台为数据安全提供了法律依据，但在实际执行中，很多企业仍然对如何合规操作缺乏清晰的指导。这种不确定性在一定程度上阻碍了数据活动的开展。
综上，中国数据要素市场的风险主要源于市场的不成熟和相关法律法规的不完善。随着市场的进一步发展和法律法规的完善，这些风险有望得到有效的缓解。同时，提升企业和机构的数据治理能力，加强数据安全和合规意识，也是降低这些风险的关键。
波特五力模型是分析任何行业竞争结构的一个有效工具。应用于中国数据要素市场，可以从行业竞争者、潜在进入者、替代品或服务、供应商议价能力和买方议价能力五个方面进行分析。
