上海浦东迎来数据要素流通重磅顶层设计。《中共中央国务院关于支持浦东新区高水平改革开放打造社会主义现代化建设引领区的意见》于2021年7月15日发布，其中在健全要素市场一体化运行机制部分提到，建设国际数据港和数据交易所，推进数据权属界定、开放共享、交易流通、监督管理等标准制定和系统建设。

事实上，各地在数据要素市场培育方面都早已进入快马加鞭模式。7月初，《深圳经济特区数据条例》公布，成为国内数据领域首部基础性、综合性立法，其中有关数据要素市场培育的内容更引发关注和热议。

深圳在立法层面已经领先一步，但上海显然不甘人后，目标直指年内出台上海市数据条例。立法的不断完善将为建立成熟数据交易机制铺平道路。实践层面，各地在数据开放共享与流通方面更是不遗余力。在刚刚过去的2021世界人工智能大会上，各界专家也就数据要素市场展开了深入探讨并建言献策。

成绩与问题并存

7月10日，在2021世界人工智能大会“数据新要素，转型新未来”数据要素论坛上，上海社会科学院绿色数字化发展研究中心发布了《2021全球重要城市开放数据指数》，上海蝉联冠军，连续两年在全球30个城市中排名第一。

该指数报告总结了上海在数据开放方面的17条优势，包括制定了中国第一部专门针对公共数据开放的地方政府规章《上海市公共数据开放暂行办法》、自评估以来连续3年政府工作报告都涉及数据开放内容、从2014年到2020年连续7年制定数据开放工作计划等。

上海两大案例启示

复旦大学教授、上海市信息化专家委员会成员黄丽华在演讲中以上海市公共数据开放平台公共数据赋能普惠金融以及上海数据交易中心交易平台为例总结了上海在数据开放与数据交易方面近年来的探索。

她表示，上海市公共数据开放平台在普惠金融领域的试点经过近两年的探索已经颇有成效，这取决于政府的强力推动和行政控制，越来越多金融机构和一般社会机构可以使用政府提供的公共数据。然而在实践中，不少企业都存在“不理解、不会用”的问题——不理解数据或字段的含义，缺乏对数据的加工、建模能力等，最终造成了资源浪费甚至数据倒卖风险。

对此，黄丽华强调了数据服务方的重要性，即在数据资源方和需求方之间还应存在各类服务角色，如数据组织方、风控服务方、算法提供方、数据加工方、融合计算方、算力提供商、质量评估方等。她还认为，政府应加强监管和事后评估，监管数据使用是否合规，了解数据使用方到底获得了哪些数据价值的评估体系等。

谈及上海数据交易中心交易平台，黄丽华表示，该平台以“规则+技术+运营”为核心实现数据合规流通与互联，目前最主要的两大行业应用是互联网营销和金融风控。不过截至目前，平台尚未实现供需双方合约的线上签订。

海外案例问题相似

实际上，上海案例中呈现的问题其实具有相当普遍性。曾担任丹麦哥本哈根城市数据流通中心项目负责人的Smart City Insights ApS创始人Peter Bjorn Larsen在“国际连线”环节表示，许多供应商的数据相对容易出售，但比起把数据放到平台上交易，他们更想直接与需求方交易。另外，许多公司对信息很感兴趣，但缺乏数据处理能力，如数据可视化的能力。他提出，数据交易市场的未来发展方向是数据协同平台，数据中间商、供应商和用户可以在平台上交流数据应用。

建立数据要素市场的三条路径

论坛上，各界专家普遍认为，培育和发展中国的数据要素市场应从基础做起，小步快跑。

国家信息中心大数据发展部规划与应用处处长王建冬结合自身经历认为，数据质量是首要问题，许多数据经过专业造假难以判别，会让使用者得到相反的结论。第二是数据来源合法性问题，数据权属随倒卖过程变得不清晰，会让使用者获得的数据价值从一开始就面临合法性问题。因此，他建议数据交易所的数据必须是一手数据，需要有原始“出生证明”。

相比使用和“买入”数据，“卖出”数据更是一个复杂的问题，比如有的人愿意“出售”自己的个人数据，有的人却不愿意。如果愿意，那么以何种形式（原始数据、匿名数据、数据模型等）进入交易市场，如何让个人保持数据主导权的同时又促进产业运行，都涉及许多技术问题和制度问题。

王建冬认为，应建立国家层面的底层公共基础设施，或称“数联网的根服务”，来解决数据资源的登记、确权、溯源、审计等问题，最终在万物互联互通的世界中实现数据的互联互通。

华东政法大学教授高富平也认为，建立数据要素市场十分复杂，应先做好数据治理再做市场，其中包括数据的描述与界定等，有了合格的数据要素后才能有市场。

黄丽华指出，我国数据流通与服务处于未完全合约化阶段，存在缺乏数据确权机制、缺乏交易规则及制度规范、缺乏数据的制度性供给、缺乏数据流通的多元化主体四大障碍。她认为积极培育数据生产要素市场的基本路径应遵循先行先试、全面体系化建设和积极有序推进。她还为培育数据生产要素市场设计了三条主要路径：

路径一是数据资源化。以数据生命周期为主线，通过采集、清洗加工、处理、分析、可视化等将原始数据转化为数据产品和服务，提高数据资源的可用性和数据产品成熟度。这一路径的技术依赖数据工程。

路径二是数据资产化。以应用场景为主线，通过模型设计和算法优化等，使数据满足特定业务场景的需求，提高数据资产的专用性。这一路径的技术依赖数据科学、数据融合计算和隐私计算。

路径三是数据要素化。以构建数据要素市场为主线，通过六大体系及其规则、标准、制度、市场基础设施等构建，探索流通与交易模式、市场合约、交易匹配、交付、收益分配等市场运营方法，推动数据要素的跨组织流通和融合应用，提高市场合约化水平。这一路径的技术依赖经济和管理科学。