“十四五”时期数字要素市场构建的实施短板与创新路径*

熊 伟 张 磊 杨 琴

内容提要：数据经济时代，数据作为新型生产要素开始介入经济体系，成为推动产业升级与经济增长的新引擎。文章基于数据要素基本特征，系统阐述了中国构建数字要素市场的必要性，并指出现阶段构建数字要素市场面临数据权属不明晰、数据要素市场结构壁垒林立、数据价格判定困难、数据市场监管不适配、数据安全隐患突出五方面挑战。据此，提出构建动态化权属机制，降低数据循环制度成本；打破多维数据壁垒，营造数据流通市场环境；建立数据定价基本框架，提升数据变现能力；探索新型监管机制，提高数据交易有序性；构建数据安全“护城河”，提高数据市场风控能力等实践路径，以求为“十四五”时期国家数字要素市场发展提供深层次理论借鉴。

一、引言

伴随新一轮科技革命深入发展，我国迈入数字经济与实体经济融合发展、数字化安全发展新阶段。这一过程中，数据在经济运转中的价值日益凸显。2020年4月，中共中央公布《关于构建更加完善的要素市场化配置体制机制的意见》(简称《意见》)，首次将数据作为一种新型生产要素纳入顶层设计。《意见》强调要加快培育数据要素市场，提出深化数据要素价格改革、建立数据治理体系、破除数据自由流动障碍等宏观思路。“十四五”规划中进一步强调，要建立健全数据要素市场规则，统筹数据隐私保护、公共安全等工作，加快制定数据资源产权、跨境传输等标准规范。

同农业经济时代的土地、工业经济时代的能源相类似，在数字经济时代，数据要素已成为核心资产与战略资源。一方面，数据要素的边际成本递减、规模报酬递增等优势，使得基于海量数据分析之上的“计算力”成为经济发展新引擎。(1)本刊编辑部：《要素市场化配置改革：方向、亮点和策略》，《中国总会计师》2020年第4期。另一方面，在数据经济时代，土地、劳动力、资本等传统要素的数据化成为主流，换言之，市场要素流动能够在数据要素流动中得到集中体现。

从世界范围来看，未来国际竞争已成为数字经济与数据要素的竞争。无论是美国的“工业互联网”，还是德国“工业4.0”，亦或是日本的“价值链计划”，无不将数据要素作为战略制高点。据国际数据公司(IDC)测算，我国2025年数据量将增至48.6ZB，占全球总量的27.8%，远高于美国的17.5%。庞大的数据体量背后反映出超大规模数据市场潜力。升级数据要素使用水平，不仅有助于我国实现线上大数据与线下大市场的优势叠加，还有助于推动我国日渐式微的“人口红利”、“成本红利”升级为“数据红利”、“创新红利”，进而在数字经济全球竞争中占得先机。当前我国数据业务仍存在供求适配度偏低、安全风险凸显等问题，严重制约着数据资源配置水平。(2)于施洋、王建冬、郭巧敏：《我国构建数据新型要素市场体系面临的挑战与对策》，《电子政务》2020年第3期。立足于此，加快构建数据要素市场，已成为“十四五”时期推动数字化高质量安全发展，助推双循环发展格局的必由之路。

二、数据要素的形成和特征

(一)数据要素的形成

佩蕾丝指出，大规模可得性与价格低廉是生产要素的关键特征。(3)〔英〕卡萝塔·佩蕾丝：《技术革命与金融资本》，田方萌等译，北京：中国人民大学出版社，2007年，第36—38页。在数字技术发展前期，数字总量较为有限，并不具备成为生产要素的基本条件。伴随近年来移动互联网的快速发展，全球数据总量呈指数级增长。并且，数据的可复制性又极大程度上降低了其边际成本。(4)戴双兴：《数据要素：主要特征、推动效应及发展路径》，《马克思主义与现实》2020年第6期。双重因素影响下，数据成为新型生产要素的基础条件已经具备。固然，数据并不会直接参与生产，需要进行提取转化，变成具备生产价值的信息。人工智能、大数据、数据挖掘等技术的出现使得这一过程逐步加快。同时期算力的大幅提升更是有力支持了数据价值的快速转化。由此，越来越多的数据深入到生产及服务过程，并发挥协调甚至指导作用，其经济价值也逐渐得到社会公认。例如，企业开始利用销售大数据优化库存管理，通过消费者数据实现个性化定制，借助生产线数据完善生产流程。也正是在这样的大背景下，党的十九届四中全会明确强调，要“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制”。

(二)数据要素的特征

同劳动、资本等传统生产要素相类似，数据作为一种生产性资源，只有融入到产品生产或服务提供的过程中，才能实现从信息向生产要素的转变。作为一种新型生产要素，数据还有区别于传统生产要素的新特征。第一，可再生性。传统经济理论中，诸如土地、资本、劳动力等生产要素均具备有限且不可再生的特征。数据要素的出现打破了这一定律。从其出现的机理便不难发现，数据要素本身便诞生于人类各种经济活动，非但不会随使用减少，反而可以多次循环使用。并且，绝大多数数据的再生产过程并不需要付出额外劳动。第二，非排他性。主体对数据集的使用并不影响其他主体再度使用该数据集，数据集本身质量也不会随使用而降低。(5)张丽霞：《我国数据要素市场竞争治理的困境及完善路径》，《西南金融》2021年第8期。相反，作为一种信息，数据规模越大、维度越多、使用频次越高，越能揭示经济整体运行的客观规律。第三，被加工性。数据本身并不具备直接使用价值，必须经过计算机算力与算法的提炼才能真正应用于社会生产过程。换言之，数据处理算法及所需的算力平台是数据要素利用的必要前提。当然，并非全部数据均适用于再加工和提炼。事实上，原始数据生产者和数据价值提炼者的权利冲突近年来已经开始爆发，商业利益与个人隐私争端问题成为社会各界争论的热点问题。第四，强渗透性。数据要素对土地、劳动力等传统要素亦具备很强的渗透性。凭借极强的流动性和供应性，数据要素正不断将影响力扩展到各生产部门。数据要素发挥经济价值的重要途径是同其他要素间相互作用，提升生产要素使用效率。

三、数据要素市场构建的必要性

(一)夯实数字经济发展基础，释放数字化生产力

《中国数字经济发展白皮书(2021)》显示，2020年我国数字经济规模已达到39.2万亿元，占GDP比重的38.6%。然而这一过程中，数字经济与实体经济融合度欠佳、核心软硬件研发能力不足等问题逐渐暴露。(6)李直、吴越：《数据要素市场培育与数字经济发展——基于政治经济学的视角》，《学术研究》2021年第7期。要解决这些问题，有必要进一步推动数据要素市场构建，从技术与社会层面提供支撑。一方面，数据要素市场能够为数字经济运行提供基础动力。数字经济发展背后离不开先进数字技术与算法的加持，而数据要素则是数字技术与算法的立足根本。就算法角度而言，数据要素市场能够为算法体系发展提供基础训练数据集，实现数字经济核心软硬件的迭代升级。就数字技术而言，数据要素市场的构建有利于发挥我国海量数据优势，撬动应用潜能发挥，以此助推大数据、人工智能等数字技术发展。另一方面，数据要素市场有助于推动传统企业数字化转型。现阶段，我国数字经济尚处于起步阶段，其改造社会生产方式的领域主要集中在新兴行业。对于传统企业而言，由于现阶段数据资源商品化程度不高、难以界定权属等因素，其数字化转型受到一定限制。加快培育数据要素市场，意味着政府要从政策层面强力推动数据要素参与生产系统构建，打击目前存在的非法数据交易、数据垄断问题。如此，传统企业采集、利用数据的积极性才会被有效调动起来，进而推动数字经济与实体经济深度融合。

(二)推动数据资源跨地域流通，实现区域协调发展

长期以来，缩小区域发展差距、推动区域协调发展始终受到党中央高度重视。党的十九大报告中明确指出，实施区域协调发展是我国重大战略之一。为实现这一目标，我国相继推出京津冀协同发展、粤港澳大湾区、长江经济带等区域协调发展战略，并实施一系列区域一体化创新创业试点。就目标导向来看，区域协调化发展最终归途是不同区域在经济、文化、社会、生态等多方面实现全面协调发展，满足人们对美好生活的切实需求。这一过程中，数据要素凭借其超越时空的独特属性，能够为区域协调发展提供有力支持。我国正在推进的重大区域协调发展战略中，也均将构建数据要素市场，实现数据资源跨区域流通作为关键着力点。就作用机理而言，一方面，数据要素市场可加快数据要素在各区域之间的流通交易，最大化发挥数据要素资源的强渗透性，进而实现优势产业与传统产业之间的融合发展。(7)《〈数据安全法〉激活“数据要素”，政务数据安全与开放催化巨大市场》，凤凰网，https://tech.ifeng.com/c/89AxftToIpq，最后访问时间：2021年9月1日。另一方面，构建数据要素市场能够让发达地区的数据资源和高级产业链向落后地区延伸，进而帮助后者实现产业升级。另外，从我国数字经济发展的特征来看，各区域之间本身就存在结构性失衡问题，如东部地区省份创新能力较强，但算力基础设施资源相对缺乏。与之相反，中西部地区拥有较强的能源与算力资源，但产业发展层次相对较低。全国政协委员景柱便指出，目前我国数据中心计算资源分布呈现“西部过剩、东部不足”的局面。截至2020年末，东部地区数据中心柜数目为135.8万台，且均处于饱和状态；西部地区数据中心柜数量虽然仅有36.9万台，但上架率仅为15%—30%。这一情形下，建构全国范围的数据要素市场，本身也有助于各类数字资源在不同区域之间的合理分布，提高整体的协调发展水平。

(三)寻求科技竞争突破口，抢占未来科技竞争制高点

数字技术在大幅降低数据流通和利用成本的同时，也推动了数据资源价值的发掘。在科学技术发展领域，其核心技术发展创新呈现出明显的“大科学”、定量化特点。从发展趋势来看，科技创新越来越依赖科学数据支撑，由数据驱动的技术科技创新能力将成为一国长期竞争力。基因组学、天体物理学、脑科学等以数据为中心的学科已经形成了数据驱动型的创新范式。在美国政府已经启动的大数据科研计划中，更是极为重视数据工程，并将大数据分析算法及系统效率作为发展重点。同美国、日本等发达国家相比，现阶段我国科技创新数据资源收集进展缓慢，大量高价值科学数据并未得到充分利用。以生命科学领域为例，早在20世纪80年代，美国、日本等发达国家便开始构建世界级生物数据中心，日本DNA数据库、欧洲生物信息研究所与美国国家生物技术信息中心三大生物数据中心掌握着全球主要生物数据。相较而言，我国目前并未形成类似机构，科研工作数据高度依赖海外数据，在国际生物数据下载量中，我国独占55%比例。这一形势下，构建数据要素市场，有序推动国家科学数据归集、共享及流通，有助于驱动我国技术科技创新能力提升，抢占未来科技竞争的制高点。

四、构建数据要素市场的实施短板

(一)数据权属不明晰

作为一种虚拟物品，数据要素所对应的权利体系同其他生产要素有所区别。特别是伴随互联网平台经济快速发展，数据权属生成过程更加复杂，直接影响到数据要素市场的正常运行。总结而言，数据产权争议可归结为三大核心问题。

第一，数据所有权问题。数据要想发挥生产要素价值，需要经过数字技术对各种基础数据进行采集、传输、计算、分析等过程。(8)宗方：《河南数据要素市场建设存在的问题分析》，《统计理论与实践》2021年第4期。从这一角度看，数据要素至少有两类生产者。一种是事实主体，另外一种则是数据处理者。那么，最终产生的数据产权究竟归谁所有？如果完全归属事实主体，无疑会打击数据处理者的积极性，最终影响到整个数据要素市场的扩大。如果完全归属数据处理者，又容易产生隐私权、名誉权被侵犯等问题。

第二，数据使用权问题。从现实情况来看，目前数据的大规模使用主体可大致分为两类，分别为政府及企业。关于上述主体在何种条件下可以使用采集到的数据，目前各界并未形成共识。例如，互联网企业是否可以直接使用通过网络平台采集到的数据？还是需要满足用户同意等条件后使用？政府如果基于公益或公共管理的目的使用数据固然可以适当放宽条件，但如果是出于商业目的用于数据交易，是否就应该加以限制？这些问题的答案均涉及数据使用主体的法律赋权。

第三，数据收益分配权问题。数据交易产生的收益究竟是分配给事实主体还是数据处理者，这一问题始终是数据产业链各方的争议焦点。从互联网企业已经爆发的争端来看，实践中司法裁判偏向于将收益赋予企业、政府等数据处理者。作为数据产生的源头，事实主体是否应该享有部分收益权。只有先厘清数据收益的分配问题，才能真正意义上调动各参与主体能动性，推动数据要素市场的构建进程。

(二)数据要素市场结构壁垒林立

就实际情况而言，现阶段数据流通往往要面对各种结构性壁垒，严重影响数据要素市场的构建。总结而言，这些结构壁垒集中体现在部门壁垒、区域壁垒、行业壁垒三方面。

就部门壁垒而言，自2015年以来，我国国务院组成部门及其直属机构中，超过60%印发了相应领域大数据发展文件(见表1)。国安部、司法部、商务部等部门更是纷纷启动大数据平台建设，以求加强本行业数据利用与管理。但与此同时，重复建设、条块分割、烟囱林立等问题较为突出，各部门之间的统筹协调难度加大，难以形成合力。

就区域壁垒而言，现阶段中国多数区域数据交易中心均在地方政府主导下建立，不仅辐射范围有限，还存在同质化竞争问题。以武汉为例，曾经一度存在东湖、长江、华中三大数据交易中心。而就数据交易中心建设的实际需求而言，其本身具备典型的规模特征，即“多头化”发展非但不能最大化发挥数据价值，还会造成不必要的资源竞争，影响数据要素市场的规模扩大。除此之外，由于缺乏统一规划，不同区域之间数据要素交易市场的标准和规则不一，直接导致数据要素市场难以落实到实际交易之中，影响其公信力的打造。

就行业壁垒而言，现阶段，中国数字平台企业为维护自身市场竞争优势，相互间网络开放度极低。例如，阿里系、腾讯系、百度系之间的企业很难相互开放共享数据。(9)陈兵：《“双循环”下数据要素市场公平竞争的法治进路》，《江海学刊》2021年第1期。事实上，我国头部企业数据垄断现象十分严重。部分企业借助并购等方式在行业中打造垄断体系，并严格限制数据的行业间共享，使得数据要素市场生态恶化，难以完成统一化市场构建。对此，2021年10月公布的《中华人民共和国反垄断法(修正草案)》指出，经营者不得滥用数据、技术、算法优势限制竞争。

表1 国家部委推动大数据发展文件

(三)数据价格判定困难

数据要素市场的核心目标之一是充分释放数据价值。要想实现这一目标，合理的定价机制必不可少。尽管《意见》中指出，要“完善主要由市场决定各数据要素的价格机制”，但从具体实践角度来看，数据价格的合理化依旧任重道远。

从数据要素自身特点来看，一方面，数据要素具有复杂的外部性。特别是在数字经济主导的商业模式中，存在大量基于外部性基础的交叉补贴定价，很多数字产品服务本身是免费的，这使得其背后生产要素的定价非常困难。(10)孙方江：《反垄断视角下数据要素市场治理体系的构建》，《西南金融》2021年第9期。另一方面，数据要素使用价值存在很强的差异性。对于不同用户，数据要素能够产生的价值跨度大，无形中加大了数据要素衡量难度。很多公司在对数据要素定价时采用“千人千价”策略。对于消费者而言，一方面由于信息差，很难了解其他用户获得数据产品或服务的确切价格；另一方面，现阶段消费者可选范围有限，议价能力较弱，往往只能被动接受。

从数据要素价值的核算过程来看，数据要素的生产过程涉及感知、采集、传输、存储、加工等多个环节。每个环节涉及主体不一，参与主体的多元化使得数据价值最终核算极为复杂。如何评估每一环节中各参与主体实际贡献成为急需解决的关键问题。另外，区别于传统产品可以直接检验质量优劣，数据要素在交易完成前往往很难真实评估数据的真实性与完损度。如果数据提供方恶意攻击缺乏实际意义的“脏数据”，非但不会产生实际经济价值，甚至还有可能造成额外经济损失。可以说，数据质量的评估问题无形中亦抬高了数据定价难度。

(四)数据市场监管不适配

当前，我国数据要素市场正处于初步形成阶段，相关的“游戏规则”尚未完全建立。这种情况下，政府对于要素市场的有效监管就显得极为必要。某种程度上，数据要素市场可视为数字技术与市场体系之间的结合。数据要素市场重构了参与主体之间的关系结构，原有竞争规则与竞争方式随之改变，由此引发了传统监管模式的“不适应”问题，集中体现在以下三方面。

第一，传统监管模式无法适应数据要素市场的高效流动性。与其他传统要素相比，数据要素的典型特点是快速响应性，且数据资源的集聚常常具备滚雪球效应。传统监管模式很难进行快速识别和管理。这一问题突出体现为垄断性平台监管有待加强。(11)《〈中华人民共和国数据安全法〉十大法律要点解析》，光明网，https://m.gmw.cn/baijia/2021-09/01/35130741.html，最后访问时间：2021年9月1日。事实上，在社交媒体、移动支付、电子商务等领域，我国部分企业掌握的数据资源与价值已经远远超出政府监管部门，数据市场“法外之地”隐患不容忽视。

第二，线下监管手段无法适应数据要素市场的“双线并行”特征。数据要素市场的打造不能仅依托政府或有限的几个大型互联网平台进行，而是要全方位吸收各界企业力量，尤其是数据型企业。然而，一些教育、出行、医疗等领域的数据型企业很难参照线下经营实体资格条件获得对应的资质或牌照，企业创业门槛较高，不利于数据要素市场的培育壮大。

第三，条块分割的监管体制无法适应数据要素市场的高度协同联动性。当前对于数据的监管仍旧采用属地化、条块化的管理模式。然而，在大数据等数字技术驱动下，跨地区、跨行业、跨层级势必会成为数据要素市场的发展趋势。这一形势下，单个部门或地区的监管力量并不足以应对数据要素市场的这种高协同联动性。

(五)数据安全隐患突出

互联网领域中，数据安全始终是难以规避的问题之一。(12)《数据安全法：护航数据安全，助力数字经济发展》，国家人大网，http://www.npc.gov.cn/npc/c36748/202106/5bb18ae096d540d286df57c5639f035d.shtml，最后访问时间：2021年10月29日。数据要素市场建构过程中，同样面临严峻的安全挑战。《意见》明确指出，在做好数据开放共享的同时，要推动大数据环境下的数据分类分级安全保护制度。就风险类型来看，主要体现在以下三方面。

第一，数据泄露风险。工信部副部长刘烈宏指出，2015—2020年，我国大数据产业年均复合增长率超过30%，2020年大数据产业规模增长至1万亿元人民币。数据信息产值之高、规模之大使得其成为不法分子窃取、攻击的重要对象，数据泄露、售卖案件频发。(13)国瀚文：《滥用市场支配地位隐私权保护研究——以完善数据要素市场为背景》，《商业研究》2020年第10期。例如，2020年4月，青岛胶州中心医院6千余就诊名单泄露。2020年5月，建设银行员工非法贩卖5万多条用户信息。在我国加快推进数据要素市场构建的当下，社保、疾控、户籍等海量数据正在经历着史无前例的整合存储。一旦这些数据泄露，对于个人而言可能会造成隐私曝光、经济受损；对于企业而言，可能会导致商业机密外泄、市场竞争受挫；对于政府而言，则会引发调控混乱、决策失误等重大问题。

第二，黑客攻击风险。现阶段，数据防护技术主要通过观察数据存储、传输、使用过程中产生的“关键字、数据指纹、正则表达式”等内容的匹配度进行，应对黑客攻击的能力相对有限。国家互联网应急中心(CNCERT)发布的《2020年中国互联网网络安全报告》显示，2020年我国境内受恶意程序攻击的IP地址约5541万个，占总IP数量的14.2%，日均传播次数高达482万余次。从传播来源来看，境外主要来源于美国、印度等国(见图1)；境内主要来源于山东、江苏、广东等省(见图2)。日益频繁的黑客行为对数据要素市场有序运行形成了较大阻碍作用。

第三，安全漏洞风险。数字技术需要依托一系列的应用程序、Web、操作系统创造和推动数据要素流通。由于数字技术本身也处于一种不断演化的过程之中，不可避免地会存在一些安全漏洞，进而影响到数据要素的安全使用。据国际信息安全漏洞共享平台(CNVD)公布信息显示，2020年CNVD收录安全漏洞数量为20 704个，同比增加27.9%。其中，高危漏洞为7420个，占比高达35.8%。总体来看，数字技术本身存在的安全漏洞也为数据要素市场的构建埋下隐患。

五、“十四五”时期数字要素市场构建的创新路径

培育数据要素市场，充分释放数据资源价值，不仅是数字经济发展的必然要求，更是我国抢占未来全球竞争制高点的战略需要。习近平指出，“数据是新的生产要素，是基础性资源和战略性资源，也是重要生产力”。“十四五”规划纲要也指出，要建立健全数据要素市场规则，强化数据资源产权等标准规范。如何有效破解数据要素市场构建的阻滞因素，发挥数据创新引擎作用及数据基础资源作用已成为新时期的关键议题。

(一)基础：构建动态化权属机制，降低数据循环制度成本

现阶段，对于数据要素的权属保护可主要分为两类，分别为“创设数据新型权利”及“适用现行规范”。前者主张专门针对数据要素新设财产权予以保护，如对于数据经营者，可配置数据资产权、经营权。后者主张数据要素仍旧适用于现行的产权保护、竞争法保护等。无论是哪种形式，其保护范式更偏重于传统的静态保护，导致数据权属判定的单一化与绝对化问题。为突破数据权属不清带来的桎梏，有必要从数据所有权、使用权、收益分配权三方面引入更具灵活性的动态权属制度，降低数据要素循环的制度成本与风险。

在数据所有权层面。一是赋予个人原生数据所有权。用户是数据信息的原始主体，无论是出于隐私性考虑还是经济价值考量，均应具备对其个人原生信息的绝对所有权。二是赋予企业二次开发后数据所有权。大数据时代，少量规模数据能够产生的实际价值极为有限。在数据清洗技术、区块链技术及客户知情同意的共同作用下，企业如果能够保证二次开发后的数据不侵犯用户合法权益，理应享有开发后数据所有权。三是政府享有公共及政务数据所有权。政府数据往往牵涉公共利益，其权属赋予必须得到充分保障。只有如此，才能形成数据规模效应与集聚效应，形成数据价值。

在数据使用权层面。首先应保障数据合法性和可利用性，即要求数据来源合法，且具备一定经济价值，有数据产权赋权的必要。其次，注重人格权保护。这一过程中，数据知情权及个人数据修改权是重点关注对象。数据知情权是个人数据权利的逻辑起点，涵盖个人数据收集方式、使用方式、可能后果等诸多维度。在同意方式设置上，应当赋予个人适度的可选择权，如将收集数据进行分类并设定对应位置勾选。个人数据修改权则体现在数据主体有权要求数据控制者修改其不准确不正当个人数据，以此保障其人格权利。最后，注重使用过程中的权利限制。对于企业而言，在采集源头便应遵循合法采集标准，如果是平台自行采集，需获得用户同意及授权，如果是平台企业为第三方提供数据服务时，则需遵循用户授权+平台授权+用户二次授权的三重许可原则。

在数据收益分配权层面。一是保障企业数据收益权。从数据价值产生的生命周期来看，会经历采集、存储、分析、变现等多个环节。这一过程中，企业是主要操作主体。无论是数据中心搭建还是算法设计，均需要投入不菲成本。因此，在不损害用户合法权益的前提下，企业应当拥有数据二次开发后的收益权。二是鼓励用户收益权多元化。个人作为原始数据的拥有者，在数据获得经济利益时，理应享有部分数据收益。考虑到可操作性，这种权利并不一定要以货币形式出现，企业提供的免费增值服务亦可作为对用户数据的一种补偿。三是提高政府数据收益的公益性。各级政府及公共事业部门所掌握的公共数据，应当对国家秘密、商业机密、个人隐私进行脱敏化处理，然后进行有序的跨区域开放与共享，将数据红利共享于众。

(二)重点：打破多维数据壁垒，营造数据流通市场环境

党的十九届四中全会指出，要实现要素“流动自主有序，配置高效公平”。提高数据开放共享水平，是我国构建数据要素市场的重点所在。面对现阶段数据流通所存在的各种结构性壁垒，可重点从以下几方面进行破解。

第一，强化顶层设计，搭好数据要素市场基础配置框架。在组织管理层面，建议成立数据要素市场管理综合部门，由其负责各部门之间资源分配及管理工作。在制度建设层面，快速推进数据要素相关的基础性法律法规，做好数据要素配置的法律依据。与此同时，借鉴欧盟“公共欧洲数据共享空间”经验，建立横跨交通运输、金融、医疗、气象等重点行业的数据共享空间，并制定数据使用过程中涉及的制度规范，以“一盘棋”思路对同一领域数据的存储格式、使用方式进行统筹规划，保障各部门之间数据要素的协调流通。

第二，实施数据清单管理，提高数据开放共享水平。政府首先应组织专门力量，着手构建主要领域的国家数据资产目录及清单。在此基础上，各地区政府部门需制定数据开放责任清单，并将清单责任内容在政府网站上进行公示，按时进行数据动态更新。

第三，创新交易机制，完善数据要素市场体系。其一，加快要素市场参与主体培育力度。鼓励大数据交易所、数据经纪商等市场力量进驻，实现数据要素交易平台的多元建设。其二，完善数据要素交易规则及服务。政府部门应发挥主导作用，不断健全数据产权交易与行业自律机制，推动数据要素交易平台与中介机构等社会力量进行合作，规范数据要素交易平台治理。

第四，打击数据垄断行为，打破行业数据要素封闭系统。其一，制定与数据要素市场特点相匹配的垄断行为标准。在考虑数据要素规模效应、锁定效应等突出特点基础上，综合评估企业市场支配地位。其二，扩展滥用市场支配地位行为边界，打击破坏市场整体创新力的拒绝交易行为、设置数据准入门槛行为及降低数据可操作性行为。其三，明确企业拆分及业务剥离标准。当巨头企业多次违规，影响到市场秩序时，予以强制拆分。

(三)关键：建立数据定价基本框架，提升数据变现能力

数据定价能够使数据要素在市场中具备可转让性。某种程度上，只有解决了数据定价问题，才有可能真正推动数据要素市场的成型。从我国此前成立的大数据交易中心运行状况来看，定价问题已然成为影响其交易规模和频次的主要障碍之一。针对数据要素定价困难问题，需从构建数据定价规则、搭建数据成本及收益计量模型等维度进行探索。

一方面，推行行业协议指导价格。数据要素本身是一种新型生产要素，而生产要素的分配很大程度上决定了产品收益的分配。在市场经济时代，数据产品定价同样需要遵循成本-收益原则。业务部门及平台组织可依据应用效益、产品质量等因素进行协商议定，提出初步指导价格，并将其发布到交易平台，为数据市场交易提供可参考价格。在市场机制并不成熟的阶段，这一价格必须进行动态调整，即依据市场供求变化、产品差异状况进行相应调整，使其逐渐趋于合理。

另一方面，完善数据质量标准。数据质量是数据要素定价的基本参考要素。尽管我国数据产业分类已基本规范，但数据质量标准建设却仍待跟进。针对于此，要根据不同行业、不同交易平台类型特点，制定专业化数据质量标准。这一过程中，首先要着力于不同地区既有数据标准的互联互通，在对比分析的基础上，推动国内各区域数据标准的同步进行。与此同时，积极发挥行业自治组织、社会中介机构等力量，邀请其定期对数据产品进行质量评估，特别是要强化对综合性与通用性数据库产品质量的评价，以此作为数据质量标准制定的重要参考。

(四)导向：探索新型监管机制，提高数据交易有序性

构建数据要素市场是一个系统性工程，相应配套体系的支撑不可或缺。在数字经济时代，传统监管方式难以满足数据要素市场发展需求。如果说工业经济时代的监管方式是一维的，那么数字经济时代的市场监管必须要升级维度。从世界范围来看，美国及欧盟均由政府牵头搭建数据要素监管体系。在《数据安全法》实施之际，我国应充分结合数据要素市场特点，推动新型市场监管改革。

第一，明确监管对象及范围。一方面，完善数据要素全生命周期的法律体系。加快完善数据要素市场运行中涉及的生产、应用、安全、标准等各方面的法律保障，突破数据流转法律难题。另一方面，加强审管衔接，确保每一环节均有人监管与负责。对于缺乏专门执法力量的领域，主管部门可借助委托执法、联合执法等方式，联合综合执法部门共同发挥监管职能。

第二，加大事中事后监管力度。监管部门应重新梳理数字产业发展监管环节及线上线下监管要素，构建以数据为基础、信用为核心的事中事后监管手段。一方面，加强监管信息归集共享。依托国家“互联网+监管”系统，将国家企业信用信息公示系统、社会投诉举报、第三方平台等数据联通。将监管部门履职过程中形成的行政检查、司法判决等信息进行关联，并归集到有关市场主体名下，彻底打破条块分割的监管模式。另一方面，围绕已经暴露出的平台垄断、信息泄密等问题，优先予以关注，采集分析数据企业服务运行、股价变动、信息安全、市场竞争等环节的信息，实现事中事后监管的及时介入。

第三，建立数据市场风险防控体系。一是要建立数据要素市场风险预警机制，对于数据要素带来的就业结构变动、数据歧视风险等社会问题，提前做出应对备案。二是要发挥社会监督作用。借助“吹哨人”、内部举报人等渠道，对具备严重违规行为或有重大隐患的举报人员给予重奖及保护。与此同时，整合政府投诉举报平台功能，充分畅通群众监督渠道。三是要设立数据跨境流动风险防控机制，强化跨境数据流动的监管，特别是要保障关键领域数字基础设施。

(五)保障：构建数据安全“护城河”，提高数据市场风控能力

在数字经济时代，数据要素的安全性是数据要素市场秩序、打造数据要素公信力的前提条件。从数据泄露到数据窃取、再到非法侵入与系统漏洞，数据要素的安全问题不仅威胁到个人与企业利益，更关乎公共机构甚至国家安全。从这一角度看，构建数据安全“护城河”已成为培育数据要素市场的燃眉之急。

一方面，推进数据分级分类管理。加快制定数据分类分级标准，根据数据要素市场业务的数据形态、流通场景、敏感程度等因素，编制适合数字经济新业态大数据分类管理标准。对于涉及国家安全或产业发展的重要数据，如基因数据、工业互联网数据、地理信息数据，应严格把控，实施本地化限制管理。对于个人隐私数据，针对性设置技术及管理措施，保障数据机密性与完整性。建立严格数据安全管理规范，保障数据访问的控制安全，对数据泄露者、盗取者进行严厉惩处。

另一方面，运用区块链、人工智能等先进技术，强化数据防护能力。数据要素市场安全风险的化解离不开数据技术的支撑。政府应统筹布局，加大数据安全防范技术投入，特别是要强化5G、区块链、人工智能为代表的新技术研发。在此基础上，借助税收减免等扶持政策，鼓励数据安全服务企业加大研发投入，升级数字技术在数据安全产品中的转化效能，全面提高数据传输、存储、访问等环节的加密性与可追溯性，进而强化安全防范技术水平。