挖掘数据要素价值，增强数字经济核心动力——数字基建系列述评之二

编者按：我国数字经济发展成就举世瞩目。全球数字经济正呈现智能化、量子化、跨界融合、深度渗透、变革速度指数化等新特征。推动数字经济持续健康发展，就是要努力适应数字经济带来的全方位变革，提高综合国力和国际竞争力。如何把数字经济转化为发展的关键增量，事关经济实现高质量发展，事关推动形成竞争新优势。《中国电子报》将陆续推出“推动数字经济持续健康发展”系列述评，深入讨论上述问题，也欢迎广大读者评论、留言，为推动我国数字经济持续健康发展献计献策。

我们的生活已经与数据密不可分。通信大数据行程卡、健康宝，只要你出门办事，无论走到哪里都需要出示。这是数据在疫情期间的作用，有效提升了疫情流调溯源的效率。上网购物，平台通过我们过往的购物、浏览数据在学习、分析我们个人的消费偏好，向我们推荐产品，让我们快速选定心仪的货品。

在数字经济中，数据是基础性、战略性资源，更是驱动发展的核心引擎。2020年4月，《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》中，明确将数据作为一种新型生产要素写入文件，与土地、劳动力、资本、技术等传统要素并列为要素之一。

数据要素作为一种新型生产要素，在市场化的过程中面临着确权、流通、定价、监管等多重挑战。因此，如何推动数据要素发展，如何深挖数据要素价值，是各方高度关注的问题。

发展数据要素市场，做好顶层设计就是布好数字经济大局。

建立数据要素市场是发挥数据要素价值的重要方式。近日，国家发改委副主仟林念修表示，按照中央部署，国家发改委正在牵头制定数据要素基础制度文件。下一步，将加快推动文件出台，着力建设四方面制度。一是建立保障权益激活价值的数据产权制度。二是建立合规高效、场内外结合的数据要素流通交易制度。三是建立体现效率、促进公平的数据要素收益分配制度。四是建立安全可控、弹性包容的数据要素安全治理制度。

这四方面的制度建设正是针对数据的确权、流通、定价和监管的四个重要环节。

专家认为，目前政策方向已形成“个人数据具有人格权属性”“企业对其投入大量智力劳动成果形成的数据产品和服务具有财产性权益”的共识，但清晰的产权规则仍有待建立。在数据流通上，我国目前有以政府数据为主的数据共享体系，以及大数据交易体系，但缺乏统一的数据交易标准和隐私交易技术，数据质量难以衡量、数据交易安全难以保证。在定价方面，数据要素的定价多数以固定定价和协议定价进行交易，目前定价缺乏标准、定价区间较大。在监管方面，包括网络安全法、数据安全法、个人信息保护法在内的法律框架基本搭建完成，原则确定，可操作性还要提高。

今年3月份，国家发改委针对28条“数据基础制度观点”公开征求意见，涉及数据产权制度、数据要素流通交易制度、数据要素收益分配制度以及数据要素安全治理制度四个方面。

从征求意见稿中可以看到，在数据产权制度上，未来将探索建立现代数据产权制度，推动数据持有权、使用权等相关权利有序分离与流通，满足数据流通使用需求。在数据要素流通交易制度上，会规范引导场外交易，培育壮大场内交易，有序发展跨境交易，建立数据来源可确认、使用范围可界定、流通过程可追溯、安全风险可防范的数据可信流通体系。在数据要素收益分配制度上，会按照“谁投入、谁贡献、谁受益”的原则，着重保护数据要素各参与方的劳动收益。在数据要素安全治理制度上，将构建政府、企业、社会多方协同治理模式，并建立数据要素流通使用全过程的合规公证、安全审计、算法审查、监测预警机制，促进不同场景下数据要素安全可信流通。

挖掘数据要素价值，要建立完整的产业链推动数据融合利用。

数据要素包括了数据采集、数据存储与管理、数据加工、数据分析、数据流通、基础设施保障等多个环节。挖掘数据价值，是把数据放入应用场景中，再从以上环节入手，检视数据在采、存、管过程中转化成可用资源的方式，梳理数据在加工、分析、流通过程中，形成可利用资源的能力。

挖掘数据价值，主要体现在对数据资源的融合利用上。例如，一个城市所有的交通摄像头的视频，如果能合成为一个完整的视频，就是城市交通实时全景图，对这张图中交通事故、交通管制、拥堵等特殊事件进行标注，推送给司机、行人，这是数据融合利用的可见性。实现数据的可见性，需要每个摄像头采集的视频数据合规，才具备合成的条件。

专家认为，在数据的融合利用上，目前还存在一些挑战。数据融合利用需要标准规范先行，实现数据可见性、数据易理解性、数据可链接性、数据可信性、数据互操作性和数据安全性。如果数据本身是不全面的，或是有差错的，基于这样的数据挖掘是没有价值的。因此需要发展数据质量管理技术，按照规定程序适当标记、保存和记录数据，对数据做精细化权限管理和审计，定期评估分类标准并测试合规性。

数据价值挖掘还面临算法模型的挑战。算法模型从以专家经验为主的知识驱动向以深度神经网络引领的人工智能驱动发展，但目前数据挖掘往往是以大算力、大数据完成了一个小任务，应用场景窄，算法模型在完整性、可解释性和适应能力上，都需要提高。因此从数据价值挖掘的角度看，提高数据的可用性、做模型训练、检验模型的运用效果、推动模型的迭代和完善，都是重要环节，其中蕴含着大量的产业机遇。

数据只有融合在应用场景里才具备价值，但同时也面临保护隐私和商业机密的问题。目前已经出现多种路径方案，如隐私计算正在推动数据的可用不可见，多方安全计算推动基于密码的安全计算，可信计算发展仅在“密室”内的解密计算，联邦学习则通过边缘计算和机器学习的结合保证在数据隐私安全及合法合规的基础上，进行数据联合训练，建立共享的机器学习模型。

国务院发布的“十四五”数字经济发展规划中明确，到2025年我国数字经济核心产业增加值占国内生产总值比重达到10%，未来数字经济将是我国经济发展的核心驱动力。大力发展数据要素，就是抓住了发展数字经济的核心引擎；而数据要素架构建立健全过程中的挑战，也恰恰是产业链、价值链、生态链中的相关各方参与数字经济大发展的机遇所在。