20232024中国数据资产发展研究报告

中国电子信息产业发展研究院赛迪（青岛）区块链研究院 2024年6月 一、数据资产市场化发展概述 （一）数据资产相关基础概念 数据 数据资源 数据的定义：根据《数据安全法》，数据是指任何以电子或者其他方式对信息的记录，是对客观事物（如事实、事件、事物过程或思想）的记录或描述既包活“数字”也包括声音图像等模拟形式。 数据资源的定义：可被识别、采集、加工、存储、管理和应用的原始数据及其衍生物，是以电子化形式记录和保存的、可供社会化再利用且能为企业带来经济价值的数据集合， 数据的分类： 数据资源化：使无序、混乱的原始数据成为有序、有使用价值的数据资源的过程可称为数据资源化。数据资源化包括数据来集、整理、评级、聚合等。 按生产对像象与物有关的数据②与事有关的数据；按存储形式①结构化②半结构化③非结构化按权属①共有数据②私有数据。 数据资产 数据产品 数据资产的定义：《《资产评估专家指引第9号一数据资产评估、GB/T40685-2021国家标准文件，将数据资产定义为被合法拥有或控制的，能进行计量的，为组织带来经济和社会价值的数据资源。 数据产品的定义：数据产品应包括数据资源、工具和服务主种组成成分，是经过加工、处理和分析直能给用户带来效益的数据内容和服务。总体来看数据产品可以理解为数据资源加数据算法模型加终端服务的综合，基于不同应用场景需求完成设计与交付，是直接解决客户或业务问题的“数据容器” 内涵：法学层面：有明确划分的权属关系；经济学：能够产生既有的或预期的经济利益，社会效益层面：带来直接或间接经济、社会效益。 （二）数据资产市场化路径分析：从数据到数据资产 市场化管理制度是引导数据资产市场化健康合规的关键 构建数据要素市场制度管理体系需建立隐私保护、风险防范的合规审查制度，保障权属、明晰责任的数据产权制度，集约高效场内外结合的数据要素授权运营制度，科学规范、切实可行的数据要素估值定价制度，体现效率、促进公平的数据要素收益分配制度，安全可控、弹性包容的数据要素安全治理制度等。 价值驱动下数据资产化实施路径分析 数据从产生到最终的价值实现需依次经过资源化、产品化、资产化、资本化四个阶段，完成三次价值提升 数据资产化即从原始数据逐步转变为数据资产的过程。从数据资产形成流通与应用的全流程看，数据资产市场化路径主要包括数据资源化、数据产品化、数据资产化和数据资本化这四个阶段。 数据基础设施是保障数据市场化流通的底层支持 数据网络设施、存储设施、算力、流通及安全保障设施等提供安全、可靠、高效的数据服务保障数据“采-存算-用”全生命周期支撑，推动了数据的市场化进程。 （三）数据交易市场发展历程 ·将数据作为与传统要素并列的第五大生产要素并明确提出“引导培育大数据交易市场，依法合规开展数据交易·提升社会数据资源价值培育数字经济·加强数据资源整合和安全保护·完善数据权属界定，开放共享，交易流通 （三）数据交易市场发展历程 高速发展阶段 萌芽阶段 快速培育阶段 党的九届四中全会首次将数据确立为一种生产要素。2020年4月，数据作为一种新型生产要素首次正式出现在《中共中央、国务院关于构建更加完善的要素市场化配置体制机制的意见》官方文件中。此后，政策密集发布，国家数据局及各地数据局陆续挂牌，数据资产迎来重大发展机遇。同时，在政府牵头下，上海、深圳北京、湖南等多地加快完善数据交易所 随着政策支持力度加大和市场需求增加，供给和需求两端逐新走向成熟，数居交易市场正逐步进入高速发展阶段。市场化制度体系基本建立，相应确权、定价、交易等制度规则更加明晰，监管体系框架基本构建，市场化运行走上正轨。 2014年大数据首次被写入国务院政府工作报告后，数据产业自此上升为国家战略2015年国务院发布《促进大数据发展行动纲要》，各地政府逐步探索对数据资源的开发利用，中国开始进入大数据时代 二、流通管理制度是规范数据资产市场化进程的必要条件 （一）全流程合规审查制度保障数据资产价值发掘安全有序 01数据资产合规 指在数据处理或存储过程中，遵守相关法规、标准、政策和最佳实践，从数据来源、数据内容、数据处理、数据管理及数据经营等五个主要维度梳理建立企业数据合规管理机制，确保数据资源的合法、合规。 02数据来源台规 指企业获取数据行为不违反任何法律法规、国家政策和社会公共道德，不侵犯任何第三方合法权利。 03数据内容合规 指企业存储数据的内容需真实、合法、合规，不得存储法律法规不充许采集或存储的违法数据。 04数据处理合规 指企业处理数据行为不违反法律相关规，符合合法、正当、必要原则。 数据管理合规 指企业需按照法律法规、规章等要求，建立数据合规相关管理制度，开展包括合规管理体系搭建、风险识别、风险评估与处置等管理活动，对数据分类分级管理、数据跨境，个人信息保护等领域建立相应的全链条监督管理机制。数据经营合规 06 指企业需依法开展数据经营业务，获得相应的资质、行政许可及充分授权，建立完善的内控体系，保障数据经营业务不危害国家安全、公共利益以及侵犯个人、组织合法权益。 (二)“三权分置”制度促进数据交易市场主体灵活供给 “三权分置”制度 明确数据权责关系是数据资产形成的重要前提。局限于所有权的传统产权观念导致数据产权归属问的焦点汇聚于数居所有权之上。自前国内暂时搁置数据所有权争议，《关于构建数据基础制度更好发挥数据要素作用的意见》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”，保障相关方的利益与数据要素市场的有序流通，为构建数据产权制度体系明确了新方向。 数据资源持有权 数据资源持有权主要针对原始数据加工处理后的数据集，即数据资源。数据资源的持有者可以是本身生产数据的政府、企业或者个人，也可以是依法获得授权的主体。 数据产品经营权 数据加工使用权 数据产品经营权包括收益权和经营权，数据产权人有权对其开发的数据产品进行开发、使用、交易以及支配并获得收益 数据加工使用权包含加工权和使用权。数据加工是指散对数据进行筛选、分类、排列、加密、标注等处理；数据使用指对数据进行分析、利用等，数据工使用权的权利主体为数据处理者。 （三）多样化授权运营制度驱动数据价值高效积累与释放 多样化授权运营制度 数据资产授权运营能确保数据资产在法律框架内有序流动与增值。多样化的授权运营模式针对不同数据类型和敏感程度，实施精细化的权限划分和授权管理，有效平衡数据利用与保护之间的关系。分级分类授权运营不仅提升了数据使用的合规性还增强了数据管理的灵活性和效率，为数据资产的合规合法运营提供了有力保障。 个人数据是某一个个体的信息，指每个体特有的数据，可以是包含该个体身份、位置社会联系、支付信息、账户信息地理位置、日常运动情况等各种信息和数据的集合 公共数据 企业数据 企业数据是生产经营过程中产生的不涉及个人信息和公共利益的数据。 公共数据指两类主体（各级政府部门、企事业单位）与两类过程（依法行政覆职提供公共服务中产生的数据 （四）数据资产入表制度实现从数据资源向经济资产的跨越 数据资产入表标志着数据资产的形成，在数据入表登记前需完成数据质量和价值评估，确保数据可被计量、可以实现价值转化。科学的数据价值评估，可以准确量化数据的内在价值、潜在及市场价值，为数据资产的合理定价和有效利用提供决策依据 数据质量评估 数据价值评估 数据价值评估指通过构建价值评估体系，计量数据的经济效益、业务效益，投入成本等活动。作为推动数据资产化的重要前置工作，数据资产价值有助于提升企业数据资产运营及变现能力。与传统生产要素相比，数据种类多样、价值易变，具有更加丰富的潜在应用场景，其资产化后的价值评估也需要综合考虑更多方面因素。 数据质量评估指通过科学的方法和统计学手段对数据进行分析，判断数据是否满足项目或业务所需的数据质量，并且能够支撑其预期用途的过程，其主要目的是确保数据的质量符合预定的标准，从而能够支持有效的决策制定和业务操作。 四）数据资产入表制度实现从数据资源向经济资产的跨越 数据资产入表登记 数据资产入表登记指在数据资产目录和数据资产评估结果的基础上进行数据资产确认和应用场景研判，最终登记入财务报表的行为。数据居资源合规入表是企业凭借数据资产参与社会经济分配的基础和依据。入表后，数据资源变为资产，数据资产是所有者权益的体现，将扩大企业的资产总额。 （五）数据治理规则及标准保障交易市场健康可持续发展 数据治理是数据资产形成的重要手段，是保障数据可变现的必然过程。近年来，我国数据治理法治体系不断推进，围绕数据安全保障用户权益保护以及数据价值释放三个方面，形成涵盖法律、行政法规、部门规章等不同层级的制度规则。 数据安全保障体系方面 我国先后通过并施行《中华人民共和国国家安全法》《中华人民共和国网络安全法》《中华人民共和国数据安全法》及相关配套规定，构建了数据分类分级与重要数据保护、数据安全风险评估与工作协调、数据安全应急处置、数据安全审查等制度。并发布数据安全能力成熟度模型（DSMM）I，从数据安全能力维度、数据安全等级、数据全生命周期安全形成了一个三位一体模型。 用户权益保护体系方面 通过并施行《中华人民共和国民法典》《中华人民共和国个人信息保护法》及相关配套规定确立了个人信息处理应遵循的合法、正当、必要等原则建立了以“告知-同意”为核心的个人信息处理的一系列规则：设立了个人信息跨境提供规则：明确了在个人信息处理活动中个人的各项权利：明确了个人信息处理者的合规管理和有关部门保障个人信息安全等义务。 数据管理标准体系方面 围绕数据要素流通涉及的数据采集、存储、加工、分析、服务、流通、交易、衍生产品等环节、制定国家标售《数据管理能力成熟度评估模型》（DCMM），涵盖数据战略、数据标准、数据质量、数据安全等数据资产管理相关8个能力域，从管理制度、组织架构、管理流程、技术工具4个方面提供数据管理能力的建设指引。 三、数据资源化是无序原始数据有序汇聚的关键过程 （一）数据采集提供数据资源化的原料 数据采集 数据采集指通过一定的技术和方法从各种数据源中手动或自动收集数据，并存储到自标位置的过程。数据采集广泛应用于各种领域，如科学实验、工业生产、医疗保健、市场营销等。 数据采集技术 数据采集问题 网络爬虫技术。其特点为：自动化程度高、灵活性强、实时性好。 数据源不稳定性数据泄露、数据被算改等发生的安全问 育息油 API技术。其特点为：数据质量高安全性好、易于集成。数据同步技术。数据一致性好、可靠性高。 在分布式数据采集环境中！如何协调多个爬虫节点，确保数据一致性和避免重复抓取的数据同步尚题。 （二）数据整理促进原始数据有效利用 数据整理 数据整理指将多个数据源内数据加工处理的过程，以得到更加全面、规范有序的数据。这个过程包括数据标注、清洗、脱敏脱密、标准化等一系列操作，自的是使数据更加容易管理和理解。 数据清洗 数据标注 01 数据清洗指在进行数据分析前，对原始数据进行处理去除数据集中的错误、缺失、重复、不一致等问题，以确保数据的质量和准确性 数据标注是对未经处理的语音、图片、文本、视频等数据进行加工处理，并转换为机器可识别信息的过程。 03数据标准化 数据脱敏脱密 数据标准化是机构或组织对数据的是义、组织、分类、记录、编码、监督和保护进行标准化的过程。 数据脱敏脱密指在不影响数据使用准确性的前提下对原始数据居中的敏感字段进行处理，从而降低敏感度和减少个人隐私风险的技术措施。 （三）数据聚合充分调用分散数据资源 数据聚合 数据聚合（DataAggregation）指合并来自不同数据源的数据。数据聚合能够将来自不同源的数据进行整合，形成一个统一的数据视图，提供一个全面的数据视角，而无需分别收处理各个分散的数据集。常见的数据聚合工具以数据模型（DataModel）为主，根据应用目的不同，可以将模型可以分