数据要素在数字经济时代扮演关键角色，成为提升全要素生产效率的重要引擎。近年来，数据要素在《政府工作报告》中的篇幅逐年增长，显示其战略地位的提升和政策重心的倾斜。我国数据要素市场规模持续扩大，但数据价值潜能尚未充分释放。为挖掘数据潜能，需解决互信难、确权难等问题，建立基础设施和政策措施促进数据要素的价值创造和交换。国家层面不断完善数据要素的制度体系，包括顶层设计、法律制度和市场自律等方面。地方层面也在积极探索数据立法，推动数据要素市场建设。
总体而言，数据要素市场正迎来重要发展机遇，有望为数字经济发展注入新动力。
目录
该文档上半部分主要围绕数据要素展开，详细阐述了其战略地位、市场现状、发展难点及关键环节，强调数据要素在数字经济时代的重要性，以及我国在构建数据要素市场体系方面的努力和挑战，具体内容如下。
1. 定义与作用
- 数据要素指参与社会生产经营活动，为使用者或所有者带来经济效益、以电子方式记录的数据资源，是数字经济发展的关键要素，能提升全要素生产效率，解决生产过剩、供需错配等问题。
2. 政策推动与战略提升
- 国家将数据列为第五大生产要素，政策重心向培育数据要素市场倾斜，地方和行业积极响应，出台多项规划和文件，推动数字经济战略落地，完善顶层设计。
1. 市场规模与增长趋势
- 我国数据要素市场规模稳步扩张，2021年达到815亿元，预计“十四五”期间复合增速超25%，2025年有望接近2000亿元，各细分领域发展态势良好。
2. 行业应用与产出弹性差异
- 数据要素对各行业产值拉动作用不同，ICT、科学研究和技术服务等行业敏感度高，制造业和卫生业成长潜力较大，数据要素投入产出弹性在不同行业间存在显著差异。
3. 政策与行业举措
- 国家和地方政策频出，完善顶层设计，加强法律制度建设，推动数据要素融合落地。多行业出台相关政策，挖掘数据要素潜能，深化与行业业务的融合创新。
1. 市场化的难点
- 数据要素存在确权难、定价难、流通难、监管难等问题，本质是权责利益不清晰，相关基础性制度有待完善。
2. 关键环节的现状与探索
- 确权：暂时搁置所有权争议，提出产权分置运行机制，但目前缺乏清晰产权规则，后续将推进数据分级分类确权，建立健全产权运行机制。
- 定价：定价模式包括成本法、收益法、市场法，目前数据资产定价处于探索阶段，需综合考虑多种因素，形成标准化流程体系。
- 交易：交易模式有直接搜索市场、交易商市场、经纪人市场、拍卖市场等，我国数据交易市场尚待完善，需培育统一大市场体系，提升场内交易规模。
- 监管：监管模式不断改进，依托大数据管理局和数据交易服务机构，但仍需加强顶层设计，出台配套政策，实现精准分级分类监管。
该文档后半部分主要聚焦于数据要素市场相关标的及投资建议，详细分析了不同类型标的在数据要素市场中的角色、优势及发展潜力，为投资者提供了全面的市场洞察和投资参考，具体内容如下。
1. 数据资源供应方
- 企业如航天宏图、上海钢联、卓创资讯等，凭借自身积累的丰富数据资源，在数据要素市场中占据重要地位。航天宏图通过建设自主卫星和航空数据源，形成全链能力；上海钢联构建大宗商品多维度数据体系，旗下钢银电商创新商业模式；卓创资讯专注大宗商品数据服务，积累海量数据并与多部门联合发布价格指数。
2. 关键环节“数商”
- 基础设施类：深桑达A推出数据要素化建设体系，定义数据元件；云赛智联具备数据要素全链采集、存储、治理和应用能力。
- 数据加工类：海天瑞声是数据加工龙头，提供定制化与标准化服务，拥有众多标杆客户。
- 数据聚合类：易华录以数据湖战略为核心，落地多个数据湖项目并搭建数据资产化平台；星环科技提供数据全生命周期产品，技术领先且客户粘性强。
- 数据确权类：人民网推出数据确权平台，后又联合推出个人信息保护与确权服务平台。
- 数据交付与治理类：山大地纬是区块链探索者，构建数据要素交付服务体系；四维图新作为地理数据“国家队”，搭建数据合规平台；每日互动构建数据服务生态闭环，积极参与数据安全基础设施建设。
- 数据安全类：奇安信和安恒信息等网络安全企业，在数据安全领域产品丰富，如奇安信围绕数据全生命周期提供防护产品，安恒信息形成专业安全产品和服务体系，包括首创的数据安全岛。
3. 数据运营&应用方
- 新点软件深耕政务大数据，自建招采交易平台，在智慧政务和招采领域优势明显；德生科技围绕社保卡开展“社保卡 +”全链建设，运营人设大数据，服务群体广泛。
4. 数据交易所参股企业
- 如浙数文化、安恒信息、广电运通等，通过参股数据交易所，深度参与数据要素市场建设，有望受益于数据交易市场的发展。
1. 投资主线
- 前期数据要素市场相关投资具有主题投资属性，后续随着政策推进和行业发展，有望迎来成长提速，成为长期发展主线。
2. 关注标的类型
- 数据要素市场化新兴环节：如人民网（数据确权）、易华录（数据银行）、深桑达（数据元件）等，与数据要素贴合紧密，具备稀缺性，可能享受估值溢价。
- 业绩兑现度高的服务商：包括基础设施建设、数字治理工具、数据安全等领域企业，以及各行业数字化转型服务商，有望在政策驱动下开启新建设周期，提升交付效率。
- 数据资源持有方：除专业数据交易平台企业外，如四维图新（地理信息数据）、航天宏图（遥感航空数据）等自有数据源企业也具有较大发展潜力。
3. 市场潜力与长期价值
- 尽管目前数据要素市场化发展处于早期阶段，个股受益程度难以精确量化，但从长远战略角度看，数据要素价值挖掘有望成为未来5 - 10年的重要发展主线，相关企业将在数据要素市场的不断发展中持续受益，投资者应关注行业动态，把握投资机会。
数据要素市场在发展过程中面临着诸多难点，这些难点主要体现在确权、定价、流通、监管等方面，它们相互交织，制约着数据要素市场的健康发展，具体内容如下。
1. 权利体系界定模糊
- 数据作为虚拟物品，其权利体系构成与实物不同，在财产归属、分配、追溯等方面缺乏明确定义。尽管我国已形成“三法一条例”数据安全顶层制度框架，但现行法律对数据产权的约束多为原则性规定，缺乏清晰的产权规则。
2. 确权机制有待完善
- 推进公共数据、企业数据、个人数据分级分类确权，建立数据资源持有权、加工使用权、产品经营权等产权运行机制，是后续数据要素权益保护制度健全的重点。
1. 价值衡量复杂
- 数据要素的产生过程复杂，涉及采集、存储、计算、分析等多个环节，且其实际价值受复制次数、应用场景、供需关系等因素影响，波动较大，单纯依靠传统定价方式难以形成有效的价值衡量体系。
2. 定价方法探索中
- 目前国内外数据交易机构正在探索数据要素定价方法，初步形成数据评价与价值评估环节，但在实践中，数据资产定价面临诸多挑战，如预期收益难以预测、市场不成熟导致可比案例难找等，合理定价方法的形成仍需不断探索。
1. 数据特性带来矛盾
- 数据在真实性、保护性和共享性之间存在特殊矛盾，当前数据的权责制度规范不清晰，导致企业主观上不敢、不愿意参与数据流通，客观上也形成了“数据孤岛”与“数据垄断”等现象。
2. 流通体系待优化
- 我国目前缺乏统一的数据交易市场，多层次、高效的流通体系有待进一步探索完善，尽管已通过政策引导和技术完善等方式培育数据交易市场，但仍需克服诸多困难，以促进数据的顺畅流通。
1. 传统监管模式不适应
- 针对传统企业的监管模式难以适应数据要素市场的高效流动性，单个部门或地区的监管力量无法满足跨地区、跨行业、跨层级的数据监管需求。
2. 顶层设计需加强
- 各地虽已开始设立大数据局等部门负责统筹管理，但由于缺少顶层设计，部分地方存在数据交易市场建设“各自为战”的现象，后续需要更多配套政策的出台和精准的分级分类监管，以保障数据要素市场的健康发展。
推动数据要素市场发展涉及多个关键环节，包括数据确权、定价、交易、监管、隐私计算、分级分类、数据登记以及政务数据开放等，这些环节相互关联、相互影响，共同促进数据要素市场的健康发展，具体内容如下。
1. 产权分置运行机制
- 目前国内采取暂时搁置数据所有权争议，提出“建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制”，明确各权利内涵，为数据要素权益保护制度健全奠定基础。
2. 政策推动与规则完善
- 数据确权是数据资产化和交易流通的前提，后续将在现有政策基础上，进一步完善数据产权认定、转让、使用、保护等规则，明确数据权属，解决数据滥用、盗用等问题，更好地实现数据溯源。
1. 定价模式探索
- 数据定价模式可划分为数据评价与价值评估两个环节，数据评价包括质量要素、成本要素、应用要素三部分，价值评估采用成本法、收益法、市场法。目前，国内外数据交易机构都在积极探索适合的数据要素定价方法、模型和策略，以形成合理的价格机制。
2. 综合考量因素
- 合理的数据定价需要综合考虑数据成本、预期受益、市场公允价格等因素，引入第三方机构和AI算法等技术进行数据资产评估，有望成为后续价格机制探索的重点方向，以解决数据定价难的问题。
1. 多种交易模式发展
- 数据要素交易模式围绕直接搜索市场、交易商市场、经纪人市场、拍卖市场四种类型展开探索与发展，各模式具有不同的适用场景和优缺点，交易商市场在数据量级大、敏感度高的场景中具有优势，经纪人市场有助于解决“数据孤岛”问题等。
2. 培育交易市场
- 我国数据交易市场尚不完善，需培育统一的数据交易市场体系，提升场内交易规模。目前，各地通过规则制定、技术完善、设立平台等方式积极培育数据交易市场，促进数据的流通与交易。
1. 监管模式改进
- 我国数据监管模式不断改进，“三法一条例”确立了基础数据监管体系，明确各方权利义务和主要监督部门，各地通过设立大数据管理局和数据交易服务机构自律等方式加强监管，但仍需加强顶层设计。
2. 应对监管挑战
- 针对数据要素市场的跨地区、跨行业、跨层级特点，需进一步完善监管模式，出台更多配套政策，加强精准的分级分类监管，以应对数据监管中的难题，保障数据要素市场的有序发展。
1. 解决数据流通难题
- 隐私计算技术如联邦学习等，为解决数据流通中应用与保护的矛盾提供了可能，它基于分布在多个设备上的数据集构建机器学习模型，不改变基本实现方式，改变协作模式，可在保护数据隐私和安全性的前提下实现数据训练与价值挖掘。
2. 技术发展前景
- 虽然目前以联邦学习为代表的隐私计算技术尚不成熟，但发展前景广阔，有望成为解决当下数据痛点的最优解之一，未来将在数据要素市场发展中发挥重要作用。
1. 明确分类分级原则
- 我国确立了分割、分类、分级的“三分原则”，将数据产权分为公有与私有，根据数据主体分为个人、企业、社会数据，按照竞争性和排他性分为私有品、准公共品、公共品，为数据管理和流通提供指导。
2. 推动规则制定与实施
- 地方政府与多行业已出台相应细则指导文件，加速数据要素流通。后续将在现有基础上，进一步细化和完善数据分级分类规则，确保数据的合理配置和有效利用。
1. 登记制度先行先试
- 我国先行先试持续完善数据登记制度，数据登记是指权利人将所持有数据的控制状况在登记系统内记载并公示，目的在于合法性确认，为数据权益纠纷留存证据，目前已有多家数据交易所和交易机构开展数据产品登记实践。
2. 助力数据确权与流通
- 数据登记是数据确权的重要一环，通过探索建立统一的数据登记制度，利用制度和技术手段标记数据权属，为数据确权提供可行路径，同时促进数据要素的流通与交易。
1. 开放程度逐年提升
- 我国政务数据开放平台数量增长显著，部分省市
保障数据交易的安全性是数据要素市场健康发展的关键，需要从多个方面入手，综合运用多种技术和管理手段，形成全方位、多层次的数据安全保障体系，具体内容如下。
法律法规与制度建设
1. 完善顶层设计
- 国家层面出台一系列法律法规，如“三法一条例”（《网络安全法》《数据安全法》《个人信息保护法》《个人信息出境标准合同规定（征求意见稿）》），确立数据监管体系，明确各方权利义务，规范数据交易行为，为数据交易安全提供法律依据。
2. 明确监管责任
- 规定国家网信部门负责统筹协调，各行业主管部门承担相应领域的数据安全监管职责，如工业、电信、交通、金融等主管部门负责本行业的数据监管，确保数据交易在合法合规的框架内进行。
1. 规范平台运营
- 数据交易所作为数据交易的重要载体，在管理机制、标准规范、安全保障等方面进行探索。如上海数据交易所构建“1 + 4 + 4”体系，紧扣国家级交易所定位，突出准公共服务等功能，体现规范确权等特征，确保交易流程规范、安全。
2. 加强平台自律
- 数据交易平台通过发布交易规则、加强全流程合规监管等方式，保障数据交易的公平、公正、公开。同时，平台对交易双方进行严格审核认证，确保交易主体的合法性和数据来源的可靠性。
1. 保护数据隐私
- 隐私计算技术如联邦学习、多方安全计算、可信执行环境等，可在数据不离开本地的情况下实现数据的联合计算和分析，确保数据“可用不可见”，有效保护数据隐私。例如，联邦学习基于分布在多个设备上的数据集构建机器学习模型，不直接传输原始数据，降低数据泄露风险。
2. 技术发展与应用推广
- 尽管隐私计算技术目前尚不成熟，但国内外均在积极发展，未来有望广泛应用于数据交易场景，为数据安全提供技术保障。随着技术的不断进步，其在保障数据交易安全方面的作用将日益凸显。
1. 数据加密与脱敏
- 在数据交易过程中，采用数据加密技术对数据进行加密处理，确保数据在传输和存储过程中的保密性。同时，数据脱敏技术可对敏感数据进行脱敏处理，在保证数据可用性的前提下，降低数据泄露风险。
2. 访问控制与权限管理
- 建立严格的访问控制机制，对数据交易参与方的访问权限进行精细管理，确保只有授权用户才能访问特定数据，防止未经授权的访问和数据滥用。通过身份认证、授权管理等技术手段，保障数据交易的安全性。
1. 合理分类分级
- 根据数据的重要性、敏感性等因素，对数据进行分级分类，如分为公有品、准公共品、私有品，不同级别的数据采取不同的管理和保护措施，确保数据交易的安全性与数据的价值相匹配。
2. 差异化管理策略
- 对于敏感数据，在交易过程中采取更严格的安全措施，如限制访问范围、加强加密强度等；对于非敏感数据，则在保障基本安全的前提下，提高交易效率，实现数据的合理流通与安全保障的平衡。
1. 实时监管与预警
- 建立数据交易监管系统，对交易过程进行实时监测，及时发现和处理异常交易行为，如数据泄露、非法交易等，并发出预警信号，确保数据交易的合法性和安全性。
2. 审计与追溯
- 定期对数据交易进行审计，记录交易过程和数据流向，实现数据交易的可追溯性。在发生数据安全事件时，能够快速定位问题源头，采取有效措施进行处理，降低损失。