建设高标准数据要素市场 助力数字经济发展

近日，2024中国数字经济发展和治理学术年会在清华大学举办。本届学术年会聚焦“数据要素、人工智能与数智时代的理论创新”。中国科学院大学经济与管理学院院长洪永淼、北京大学国家发展研究院院长黄益平、南京大学数字经济与管理学院特聘教授任保平等专家学者围绕我国数据要素市场建设分享观点见解。

洪永淼表示，在数字经济时代，绝大多数经济活动均由数据驱动，数据成为最重要的生产要素。从数据及其产生过程来看，数据的本质是信息与知识的载体，数据供给对应于数据产业链，涉及数据收集、数据存储、数据分析、数据应用等环节。根据数据生成来源的不同，可将数据划分为个人数据、企业数据和公共数据。从数据的自然属性与经济特征来看，数据具有虚拟性、非消耗性、非排他性、时效性、低信噪比、高流动性六大自然属性，同时表现出规模经济性、要素互补性、场景依赖性、经济价值衰减性、确权模糊性、经济外部性六大经济特征。从原始数据形成到数据要素价值释放需要经历数据要素化和数据要素应用两大过程。数据要素具有一些不同于传统生产要素的重要特征，这使得数字经济具有新的经济形态和新的运行规律。

黄益平指出，如何把已有的数据产出或数字足迹，变成对经济活动能产生作用的数据要素，是一个复杂的过程，涉及政策、市场、技术等多重因素。当前，数据资产入表已成为经济与金融创新的热点。数据资产进入资产负债表，还有几个问题值得关注。一是数据资产的价值在市场上如何衡量；二是数据资产入表需要划清楚企业和其他相关主体的相应权益占比；三是数据估值方法需要进一步探讨，以实现数据资产的准确评价与交易。此外，公共数据应服务于公共利益，而非成为城投公司融资工具，以免阻碍数据要素市场的健康发展。数据资产的价值评估应由权威或者第三方机构执行，避免自我认定导致的市场混乱。政策框架、会计标准、市场规则的完善是数据资产化的保障。数据要素的利用和数据资产化相当于开拓一种新的要素资产，同时是开辟一种新的市场，有利于经济增长。此外，还需要平衡创新与风险，确保数据资产的合理评估与利用，避免冒进带来的负面后果，防范潜在风险，推动数据要素的有效利用和数字经济发展。

任保平指出，要建设符合高标准市场体系的数据要素市场需要关注三个任务：一是建设高标准的数据要素产权体系，建立以人为本的数据要素产权观，区分人类劳动和机器劳动；二是建设高标准的数据价值转换体系，逐步实现数据要素资源化、资产化、资本化；三是建设高标准的数据要素市场价格体系，构建数据要素价格形成机制、价格发现机制和价格指导机制。按照高标准市场体系要求培育数据要素市场的路径包括：在高标准的数实融合过程中培育数据要素市场，拓展数据要素市场的应用空间和发展场景；以高标准的国内国际双循环推动数据要素市场建设；以高标准的数据要素市场治理推动数据要素市场治理完善，深化治理机制改革，加强产业治理；建立完备的数据要素政策体系，促进多主体参与，打造全方位交易空间，加强全过程平台监测。