1.數字經(jīng)濟已經(jīng)成為我國經(jīng)濟發(fā)展重要推動(dòng)力，本質(zhì)是伴隨著(zhù)信息技術(shù)發(fā)展進(jìn)行的下一輪經(jīng)濟革命
數字經(jīng)濟，即以數據資源為鍵要素，以現代信息網(wǎng)絡(luò )為主要載體，以信息通信技術(shù)融合應用、全要素數字化轉 型為重要推動(dòng)力，促進(jìn)公平與效率更加統一的新經(jīng)濟形態(tài)。數字經(jīng)濟與其他經(jīng)濟形式最大的不同在于數字經(jīng)濟是以數據作為核心生產(chǎn)要素，不 同經(jīng)濟形態(tài)下，數據對于全要素生產(chǎn)力的提升作用有區別。
伴隨著(zhù)人類(lèi)社會(huì )不斷發(fā)展，不同階段各種生產(chǎn)要素的重要程度逐漸變化：農業(yè)經(jīng)濟：首先要解決吃飯的問(wèn)題，最核心的生產(chǎn)要素主要涉及土地和勞動(dòng)力；工業(yè)經(jīng)濟：解決的是大規模生產(chǎn)的問(wèn)題，在土地和勞動(dòng)力之上增加了最主要的 資本要素，同時(shí)技術(shù)、管理等軟性要素重要程度不斷提升；數字經(jīng)濟：目標是解決大規模生產(chǎn)過(guò)程中生產(chǎn)過(guò)剩、供需錯配問(wèn)題，數據成為 更為重要的生產(chǎn)要素，提升全社會(huì )要素生產(chǎn)力。
1.2.數字經(jīng)濟分類(lèi)：數字產(chǎn)業(yè)化、產(chǎn)業(yè)數字化、數據價(jià)值化、數字化治理
國家統計局在《數字經(jīng)濟及其核心產(chǎn)業(yè)統計分類(lèi)》中對數字經(jīng)濟的定義，數字經(jīng)濟 行業(yè)主要包括：數字產(chǎn)品制造業(yè)、數字產(chǎn)品服務(wù)業(yè)、數字技術(shù)應用業(yè)、數字要素驅 動(dòng)業(yè)、數字化效率提升業(yè)五大類(lèi)，涵蓋上百個(gè)國民經(jīng)濟行業(yè)。
數字經(jīng)濟作為與信息通信技術(shù)高度相關(guān)的經(jīng)濟形式，發(fā)達國家在此布局較早，已經(jīng) 成為驅動(dòng)領(lǐng)先國家發(fā)展的主要驅動(dòng)力。
（2019）、《創(chuàng )新與競爭法 案》（2021）年，一再強調數字經(jīng)濟在其經(jīng)濟發(fā)展中的重要作用。在歐洲，歐盟正式 具備國際法主體資格后也不斷開(kāi)始進(jìn)行數字經(jīng)濟相關(guān)方面的政策探索，即 2014 年 提出《數據價(jià)值鏈戰略計劃》后，又陸續推出《歐洲工業(yè)數字化戰略》、《歐盟人工 智能戰略》等規劃；2021 年 3 月發(fā)布了《2030 數字化指南：實(shí)現數字十年的歐洲路 徑》，全面規劃從 2021 年到 2030 年的數字化發(fā)展路徑。但從發(fā)展策略角度看，歐美發(fā)展路徑不盡相同：美國強調資本力量，保持絕對的技 術(shù)領(lǐng)先，吸收全球力量維持自身領(lǐng)先優(yōu)勢；而歐洲更強調公平共享，從歐盟層面希 望通過(guò)數據推動(dòng)形成單一市場(chǎng)。
一，而我國各級決策部 門(mén)也已經(jīng)把數字經(jīng)濟作為未來(lái)經(jīng)濟發(fā)展中重要方向做布局，頂層規劃設計更強調整 體結構和創(chuàng )新技術(shù)方向，基層規劃更注重實(shí)際落地方向和指標設計。
1.4.數字經(jīng)濟意義：信息技術(shù)和數據發(fā)展到一定程度后進(jìn)行的下一輪產(chǎn)業(yè)革命
數字經(jīng)濟本質(zhì)是伴隨著(zhù)信息技術(shù)發(fā)展進(jìn)行的下一輪經(jīng)濟革命，我們認為數字經(jīng)濟對 于我國來(lái)講，其意義體現在四方面：1、提升傳統行業(yè)生產(chǎn)效率/社會(huì )治理效率：通過(guò)信息技術(shù)與傳統行業(yè)的結合，提升傳統行業(yè)生產(chǎn)效率，進(jìn)一步挖掘傳 統行業(yè)價(jià)值和潛能；相關(guān)研究表明，采用產(chǎn)品全生命周期管理系統的企業(yè)研發(fā)周期降低 17%， 產(chǎn)能利用率提升 16%，設備利用率提升 10%；世界經(jīng)濟論壇研究表明，數 字化程度每提高 10%，人均 GDP 將增長(cháng) 0.5%至 0.62%。
2、從“中國制造”變?yōu)?ldquo;中國智造”，增強國際經(jīng)濟競爭力：“中國制造”通過(guò)幾十年努力已經(jīng)成為物美價(jià)廉的代名詞，但目前我們還 存在高端產(chǎn)品能力不足、存量市場(chǎng)空間有限的情況；通過(guò)數字經(jīng)濟賦能傳統經(jīng)濟，“中國制造”升級成“中國智造”，同時(shí)向外輸 出我國數字產(chǎn)品，創(chuàng )造更大的市場(chǎng)空間。
3、從依賴(lài)土地的經(jīng)濟發(fā)展模式轉變?yōu)槎喾N經(jīng)濟要素協(xié)同發(fā)展的模式：過(guò)去數十年，我國的經(jīng)濟發(fā)展本質(zhì)上是圍繞土地生產(chǎn)要素和資本生產(chǎn)要素做 的一系列生產(chǎn)力釋放，包括基建、房地產(chǎn)、可選消費等等；隨著(zhù)城鎮化率提 升速度越來(lái)越慢、共同富裕的社會(huì )主義本質(zhì)要求下，傳統的土地要素、資本 要素對于經(jīng)濟的邊際促進(jìn)作用已經(jīng)越來(lái)越��；展望未來(lái)，我國必須通過(guò)依托數字手段提升制造業(yè)全要素生產(chǎn)效率，從單純 的依賴(lài)土地、資本發(fā)展向以數據為核心的數字經(jīng)濟轉變；
4、打通歷史周期論中供需不平衡的經(jīng)濟循環(huán)：市場(chǎng)經(jīng)濟的一大癥結在于生產(chǎn)資料私有化和生產(chǎn)活動(dòng)的社會(huì )化造成的周期 性供需不匹配；計劃經(jīng)濟試圖通過(guò)全面計劃熨平這一周期癥結，但局限于技 術(shù)和數據發(fā)展落后無(wú)法做到；數字經(jīng)濟通過(guò)對傳統經(jīng)濟賦能改善全社會(huì )供需；a) 供給方面：大幅提升生產(chǎn)制造、經(jīng)營(yíng)管理、商貿流通等環(huán)節效率，挖掘 供給潛力，實(shí)現按需、高效供給；舉例：C2M 生產(chǎn)；b) 需求方面：最大程度挖掘內需潛力，消化吸收現有產(chǎn)能，帶動(dòng)產(chǎn)業(yè)升 級；舉例：直播帶貨；c) 供需平衡：有效打通供需數據匹配，提高經(jīng)濟系統快速反應能力和整 體協(xié)同能力；
數字經(jīng)濟規模龐大種類(lèi)繁多，實(shí)際上從投資角度來(lái)講，可以根據行業(yè)發(fā)展的不同階 段拆成一個(gè)個(gè)細分行業(yè)做基本面投資和主題投資。結合行業(yè)生命周期和投資角度，我們認為數據要素相關(guān)領(lǐng)域是唯一一個(gè)幾乎完全沒(méi) 有被認知的領(lǐng)域，可能是整個(gè)行業(yè)下一個(gè)板塊性大機會(huì )
2.數據要素行業(yè)簡(jiǎn)介
目前對于數據、數據資源和數據要素沒(méi)有特別權威公認的定義，我們參考中國信通 院定義，將數據要素定義為參與社會(huì )生產(chǎn)經(jīng)營(yíng)活動(dòng)、為使用者或所有者帶來(lái)經(jīng)濟效 益的數據資源。數據：對客觀(guān)事物（如事實(shí)、事件、事物、過(guò)程或思想）的數字化記錄或描述，是 無(wú)序的、未經(jīng)加工處理的原始素材；數據資源：能夠參與社會(huì )生產(chǎn)經(jīng)營(yíng)活動(dòng)、具備使用價(jià)值、以電子方式記錄的數據；數據資產(chǎn)/數據要素：參與社會(huì )生產(chǎn)經(jīng)營(yíng)活動(dòng)、為使用者或所有者帶來(lái)經(jīng)濟效益的數 據資源；數據資產(chǎn)偏重形而下的會(huì )計概念，數據要素偏重形而上的經(jīng)濟概念。
2.2.數據要素特征：非稀缺性、非均質(zhì)性、非排他性，資產(chǎn)化過(guò)程中面臨很多困難
數據要素作為一種新型生產(chǎn)要素，其與其他生產(chǎn)要素相同的部分，同時(shí)也有其獨特 的特征；數據要素的獨特特征使其在經(jīng)濟學(xué)研究和實(shí)際使用中有各種新問(wèn)題出現。目前學(xué)術(shù)界和產(chǎn)業(yè)界普遍認為，與其他生產(chǎn)要素相比，數據要素具有非稀缺性、非 均質(zhì)性、非排他性。
2.3.數據要素發(fā)展現狀：海外積極探索，國內基于大數據市場(chǎng)發(fā)展曲折前進(jìn)
數據作為新時(shí)代的“石油”，各國均采用了各種方式進(jìn)行積極探索，其中美國與韓國 是進(jìn)展最為靠前的國家。目前看來(lái)美國已經(jīng)形成了較為成熟的數據要素市場(chǎng)，韓國 也在探索基于 Mydata 模式的個(gè)人隱私數據保護模式。我國對于數據的要素化認知并非一蹴而就，而是基于對大數據的認知不斷深入，隨 著(zhù)市場(chǎng)不斷發(fā)展、技術(shù)不斷成熟、問(wèn)題不斷解決，理論認知不斷提升，最終形成數 據要素這一概念，并于 2019 年黨的十九屆四中全會(huì )中，明確提出了“健全勞動(dòng)、資 本、土地、知識、技術(shù)、管理、數據等生產(chǎn)要素由市場(chǎng)評價(jià)貢獻、按貢獻決定報酬 的機制”，從而正式認定了數據的經(jīng)濟要素價(jià)值。
我國對于數據生產(chǎn)要素的重視緣于我國在數據要素方面具有資源稟賦，同時(shí)數據要 素對于我國經(jīng)濟發(fā)展和治理能力現代化都具有不可替代的作用。
數據要素價(jià)值化三階段構成了數據要素市場(chǎng)，數據要素市場(chǎng)的構成就是把數據要素 價(jià)值化的過(guò)程。從產(chǎn)業(yè)鏈環(huán)節看，我們將數據要素市場(chǎng)根據過(guò)程分為數據采集、數據存儲、數據加 工、數據交易流通、數據分析應用和數據資產(chǎn)證券化幾個(gè)部分。
2.4.1.數據采集
數據加工包含數據清洗、數據標注、數據審核等，本質(zhì)上是提升數據資源質(zhì)量的過(guò) 程，數據資源的質(zhì)量越高其價(jià)值越大。具體分環(huán)節看：數據清洗：基本已經(jīng)成為各企業(yè)標配的能力，基本在數據收集存儲環(huán)節就已經(jīng)完成；數據標注：由于非結構化 數據占比越來(lái)越大，對于數據標注行業(yè)的需求穩定提升，已經(jīng)形成一個(gè)穩定成長(cháng)的 行業(yè)，目前市場(chǎng)規模在 50 億元人民幣以上，每年保持 20%以上增長(cháng)。
數據流通環(huán)節還可以細分為數據確權、數據估值&定價(jià)以及數據交易等幾個(gè)階段。數據確權：發(fā)展最慢難度最高的環(huán)節，總體趨勢是淡化確權 數據確權是數據要素行業(yè)中連接上下游最關(guān)鍵的環(huán)節，同時(shí)也是目前發(fā)展最慢、難 度最高的環(huán)節，主要原因在于：1. 法律地位不清晰:《民法總則》、《物權法》、《知識產(chǎn)權法》、《反不當競爭法》等 未明確數據法律地位；2. 源頭難確認：數據的初始來(lái)源復雜傳播鏈條長(cháng)且處理后信息丟失，經(jīng)常無(wú)法確 定最初來(lái)源；
3. 追責成本高：數據復制簡(jiǎn)單迅速且難以追蹤，及時(shí)發(fā)現被侵權也很難維權；對于數據如何確權，市場(chǎng)一直處于爭論期。目前主流態(tài)度逐漸清晰，即在產(chǎn)業(yè)/政策 萌芽期，暫時(shí)擱置“數據歸誰(shuí)所有“這一難題，從數據的使用權利、流通權利、收 益權利層面確定歸屬，引入合規和登記公正體系，保證交易合法合規。這一環(huán)節中， 未來(lái)主要參與玩家可能是律師事務(wù)所、數據交易所、區塊鏈等新玩家。
數據估值&定價(jià)：當前一事一議，未來(lái)多種定價(jià)與估值方式結合 由于數據具有多種獨特性質(zhì)，導致其定價(jià)非常困難，一直是學(xué)術(shù)界和產(chǎn)業(yè)界的難題：1. 成本定價(jià)：邊際成本極低，無(wú)法根據初始成本或者預估成本定價(jià)；2. 效用定價(jià)：使用之前效果不清晰，使用之后難以重新收費；3. 體驗定價(jià)：使用體驗和最終效果無(wú)關(guān)；4. 質(zhì)量定價(jià)：數據質(zhì)量難以標準化；5. 防套利定價(jià)：技術(shù)難度太高，無(wú)法實(shí)時(shí)實(shí)現。
數據交易：經(jīng)過(guò)接近 10 年的發(fā)展，已經(jīng)走過(guò)了萌芽-爆發(fā)-幻滅期，目前是當前 地方政府爭奪最激烈的市場(chǎng) 數據交易市場(chǎng)經(jīng)過(guò)接近 10 年的發(fā)展，已經(jīng)走過(guò)了萌芽-爆發(fā)-幻滅期，伴隨著(zhù)數據要 素重要性逐漸提升，由政府主導的數據交易市場(chǎng)重新蓬勃發(fā)展。目前來(lái)看數據交易 市場(chǎng)分類(lèi)方式很多，目前發(fā)展爭奪最激烈的是合法場(chǎng)內交易，發(fā)展最快的是合法場(chǎng) 外交易。數據交易所作為地方政府參與數據要素的主要形式，已經(jīng)成為目前各地方政府爭奪 最激烈的市場(chǎng)；但從草根調研看，各地的數據交易市場(chǎng)仍舊處于探索階段，普遍交 易額不大。
2.4.6.數據資產(chǎn)證券化
數據資本化是指數據被打包成金融產(chǎn)品進(jìn)入資本市場(chǎng)，具體形式包括但不限于數據 質(zhì)押、數據 ABS、數據權益，目前仍舊處于點(diǎn)狀探索階段，除了數據權益外沒(méi)有特 別完善的理論和實(shí)踐體系。目前數據入表（資產(chǎn)負債表）是學(xué)術(shù)界和產(chǎn)業(yè)界最關(guān)注 的政策指引方向，一旦數據入表政策公布，可能會(huì )引起整個(gè)資本市場(chǎng)的規則重估。
綜上，結合產(chǎn)業(yè)鏈各參與者地位，我們可以得到數據要素市場(chǎng)產(chǎn)業(yè)鏈全景圖。綜合 看來(lái)，在政策的大力推動(dòng)和各方面參與者的不懈努力下，我國數據要素市場(chǎng)體系已 經(jīng)初步形成，但我國數據要素交易市場(chǎng)仍處于發(fā)展早期階段，未來(lái)的空間、格局仍 在不斷變化中。根據我們的推演，未來(lái)數據流通速度加快，受益最大的是數據供需 方、空間最大的是提供各類(lèi)服務(wù)的數據服務(wù)商、而目前最火熱的仍舊是數據交易所 行業(yè)。
2.5.數據要素市場(chǎng)規模：灰黑產(chǎn)千億規模，正規化后前景廣闊
中國數據要素市場(chǎng)目前在千億左右規模；但 這一數字非常保守，原因在于在市場(chǎng)空間計算時(shí)主要是數據采集、數據存儲、數據 加工等現有可測量的環(huán)節，數據交易環(huán)節和規模最大的數據分析應用環(huán)節沒(méi)有納入；僅僅數據交易環(huán)節，國內每年黑灰產(chǎn)市場(chǎng)規模就在千億以上。目前數據要素行業(yè)剛 剛處在正規化發(fā)展的初期，未來(lái)各行各業(yè)都會(huì )從中顯著(zhù)受益，當下去糾結市場(chǎng)空間 多大意義不大，更多應該以發(fā)展的視角看待這一成長(cháng)行業(yè)。
3.數據要素行業(yè)存在的問(wèn)題和邊際變化
確權難：a) 數據所有權分類(lèi)：數據權分為國家主權、人格權和財產(chǎn)權三個(gè)維度；《數據 安全法》和《個(gè)人信息保護法》解決了數據國家主權和人格權的問(wèn)題，但 財產(chǎn)權問(wèn)題尚未在法律層面有明確定義；b) 人格權追溯困難：個(gè)人對數據有知情權、修改權、刪除權、查詢(xún)權，但在 實(shí)際應用中，個(gè)人維權成本非常高，維權手段非常少; c) 財產(chǎn)權仍需討論：數據的特殊性質(zhì)導致其在財產(chǎn)上的歸屬、追溯、增值等 行為很難確定，因此如何定義財產(chǎn)相關(guān)的歸屬、分配等仍舊需要探索。
定價(jià)難：a) 傳統定價(jià)方式不適用：數據具有初始成本固定、邊際成本極低、產(chǎn)權確定 困難、來(lái)源多維、結構多樣的特點(diǎn)，傳統經(jīng)濟學(xué)中的各種定價(jià)方法都難以 使用；b) 對于買(mǎi)賣(mài)方價(jià)值差異大：數據買(mǎi)賣(mài)雙方對數據價(jià)值評估存在“雙向不確定 性”，雙方對于同一數據的價(jià)值評估差距可能會(huì )非常大，因此對于同一數據 的估值也存在比較大差異；c) 可參考經(jīng)驗少：目前數據交易市場(chǎng)規模小、案例少、公開(kāi)少，也難以形成 成型的定價(jià)體系。
3.2.政策變化：頂層+地方法規/政策不斷推動(dòng)，建立具體部門(mén)統籌監管規劃
3.2.1.法律法規體系逐漸成型，參與的政企有法可依
技術(shù)的發(fā)展一方面從需求端增加了對數據的需求，另一方面從供給端解決了雙方的 矛盾。從需求端看，AI 算法已經(jīng)基本得到普及，各行各業(yè)都在利用 AI 進(jìn)行自身業(yè)務(wù)和流 程的改造；AI 需要大量數據進(jìn)行模型生成和結果迭代，對于數據，尤其是多源/連續 數據的需求越來(lái)越多。從供給端看，區塊鏈+隱私計算等技術(shù)的發(fā)展，使得數據確權、數據可用不可見(jiàn)成為 了可能，為數據要素流通提供了堅實(shí)的技術(shù)保障。數據流通的供需矛盾在于需求端希望數據越翔實(shí)、越接近原始數據越好；而供給端 希望數據越簡(jiǎn)潔、越不暴露底層數據越好。區塊鏈能夠解決數據確權、數據交易過(guò) 程確認問(wèn)題；隱私計算能夠解決數據泄露擔憂(yōu)、數據隱私擔憂(yōu)、數據質(zhì)量擔憂(yōu)。
隱私計算，廣義上是指帶有隱私機密保護的計算系統與技術(shù)，能夠在不泄露原始數 據的前提下對數據進(jìn)行采集、加工、分析、處理與驗證。目前主流技術(shù)分為安全多 方計算平臺（MPC)、聯(lián)邦學(xué)習（FL)、可信計算環(huán)境（TEE）。隱私計算從 20 世紀 80 年代發(fā)展到今天，已經(jīng)基本成熟，目前的問(wèn)題是如何通過(guò)軟 硬件協(xié)同、算法優(yōu)化等方式提升系統性能，盡量接近明文計算。
隱私計算目前看來(lái)是數據要素市場(chǎng)發(fā)展繁榮必不可少的技術(shù)手段，也因此吸引了非 常多來(lái)源的玩家加入，當前已經(jīng)形成巨頭和初創(chuàng )公司共同逐鹿的市場(chǎng)環(huán)境。在政策 推進(jìn)、技術(shù)成熟的背景下，隱私計算市場(chǎng)規模急劇擴大，據統計，我國 2022 年上半 年隱私計算領(lǐng)域的招投標項目總金額已經(jīng)接近 2019-2021 年三年招投標總額，預計 全年同比幾倍增長(cháng)。
3.4.1.金融行業(yè)
金融行業(yè)是數據要素應用最活躍的行業(yè)，多維數據對于金融機構提升風(fēng)險評估能力， 從而實(shí)現普惠金融具有非常重要的左右。過(guò)往中小企業(yè)以及個(gè)人實(shí)際貸款利率難以 下降的一大原因就是無(wú)法通過(guò)傳統數據（資產(chǎn)規模、經(jīng)營(yíng)流水）證明自身實(shí)力從而 實(shí)現信貸增信；但是包括稅務(wù)、社保、海關(guān)、電力等一系列政務(wù)公共數據能夠有效 提升金融機構對相關(guān)信貸主體的評估能力，從而實(shí)現普惠金融，因此這一方向也是 目前政務(wù)數據開(kāi)放最主要的方向。數據要素不僅在普惠金融方面助力金融機構，同時(shí)對于其內部其他業(yè)務(wù)也有顯著(zhù)提 升。在數據要素基礎設施、基礎技術(shù)逐漸完善后，金融機構可以更好地與其他機構 合作進(jìn)行數據分析，從而提升自身業(yè)務(wù)效率。
3.4.2.醫療行業(yè)
我們認為醫藥、醫療、醫保會(huì )是下一個(gè)即將爆發(fā)發(fā)展的行業(yè)。過(guò)去，數據來(lái)源、數 據安全是各醫療相關(guān)機構一大難題，未來(lái)通過(guò)數據交易、隱私計算等手段能夠促進(jìn) 全行業(yè)效率提升.
4.新環(huán)節&新產(chǎn)業(yè)&新價(jià)值
以政府為代表的公共數據是數據領(lǐng)域最大的金礦，占到總數據體量的 80%左右，但 受制于體制原因和政策原因，一直無(wú)法得到充分開(kāi)放和利用，目前是政策推動(dòng)的重 點(diǎn)。我們認為由于政府數據特殊性，未來(lái)大概率采用地方國資公司代理的模式做開(kāi) 放共享，地方國資大數據公司會(huì )成為政務(wù)開(kāi)放過(guò)程中最確定的受益者。成立地方國資大數據公司的原因我們認為有以下三點(diǎn)：法理依據：公共數據大部分來(lái)源于公民信息或日常生產(chǎn)生活活動(dòng)，追溯穿透后 屬于公民私人數據的集合；國資委作為國有資本代表出資成立全資大數據公司 代理運營(yíng)公共數據，法理上瑕疵不大；
2015 年至 2017 年，第一波“爆發(fā)期”：自 2015 年貴陽(yáng)大數據交易所正式掛牌運營(yíng)以 來(lái)，這一期間，先后有近 20 家數據交易所成立；但由于缺少強力法律保障和獨特優(yōu) 勢，無(wú)法打敗數據灰產(chǎn)交易，部分交易所已經(jīng)處于名存實(shí)亡狀態(tài)；
4.2.2.數據交易所2.0階段
2020 年之后，北京和上海等地成立了新一批數據交易所，且未來(lái)還會(huì )有多個(gè)交易所 準備落地。2.0 階段數據交易所更注重國有股權和生態(tài)建設，目前處于蓬勃發(fā)展和活 躍探索階段。數據交易所力求提供貫穿交易前中后流程的多維服務(wù)，但目前更多提供類(lèi)黃頁(yè)+背 書(shū)功能。
4.3.數據服務(wù)商：數據要素特征決定了生態(tài)伙伴的必要性，未來(lái)巨大空間等待發(fā)掘
5.未來(lái)發(fā)展展望&標的梳理
我們認為數據要素行業(yè)仍舊處在政策密集推進(jìn)的階段，相關(guān)政策會(huì )推動(dòng)治理體系不 斷完善資產(chǎn)要素化流程。其中可能包括：數據產(chǎn)權：從立法角度推動(dòng)或者模糊化數據的所有權收益權，解除核心風(fēng)險顧 慮；數據評估：完善數據資產(chǎn)價(jià)值評估體系；數據入表：數據以資產(chǎn)形式計入資產(chǎn)負債表，并調整相應資本政策；數據財政：地方政府探索“數據出讓金”、“數據補助“制度；數據稅收：民生數據應用抵稅、數據采購費用納入研發(fā)費用、平臺企業(yè)征收數 據稅；數據金融：公民企業(yè)數據貸款、數據入股、創(chuàng )新金融服務(wù)。同時(shí)還可能有的一些發(fā)展情況包括數據要素經(jīng)營(yíng)交易的標桿案例落地、權責逐漸清 晰以及收益不斷體現。
文章來(lái)源于未來(lái)智庫
