数据资产的三大要素：价值、确权、定价
一、数据资产的三大要素：价值
数据资产的价值，核心在于其能够为企业和社会带来显著的经济利益。这一价值的实现路径多样，涵盖了系统内部、企业内部以及企业之间的多个层面。
在系统内实现价值
在系统内部，数据资产的价值主要通过优化主营业务流程并提升客户服务水平来实现。具体而言，通过一系列精心设计的流程——包括数据的收集、整理、过滤和校对——企业能够充分挖掘业务数据的潜力，使其更好地服务于客户需求，进而转化为实实在在的经济效益。以电商平台为例，利用大数据分析用户购买行为和偏好，可以精准推送个性化产品推荐，显著提升用户满意度和转化率，为企业带来直接的销售增长。
在企业内部实现价值
在企业内部，数据资产的价值则体现在跨部门的数据共享与协同创新上。企业通过深入挖掘和分析内部积累的大量数据，能够发现不同部门间的潜在联系和协同效应。一个部门产生的数据，经过处理后往往能成为另一个部门业务决策的重要依据或辅助工具，从而催生出新的盈利增长点。例如，在银行业，存储业务部门积累的客户资金流动数据，可以为理财业务部门提供宝贵的市场洞察，帮助其设计更符合市场需求的理财产品，实现业务间的相互促进和共同增长。
在企业之间实现价值
在企业之间，数据资产的价值则通过跨企业的数据流通与关联分析得到释放。随着数字化转型的深入，越来越多的企业开始认识到数据共享的重要性，并积极探索跨企业的数据合作模式。通过对来自不同企业的数据进行整合和关联分析，企业能够挖掘出数据背后的深层次价值——“剩余价值”，这些价值往往隐藏在单一企业的数据孤岛之中，难以被独立挖掘。以银行和保险公司、投资理财公司的合作为例，银行掌握的客户信用记录和财务状况，可以为保险公司和投资理财公司提供风险评估和产品定制的重要依据，共同提升服务质量和市场竞争力。
二、数据资产的三大要素：确权
2、1确权：数据所有权归属
在数据资产的管理与利用中，确权是首要且关键的一步，它涉及数据所有权的明确归属。根据数据来源和获取方式的不同，数据所有权归属的清晰度也有所差异，主要可分为以下三类：
第一方数据：产权明确
第一方数据指的是数据生产者自己生产或采集整理的用户行为数据。这类数据的产权归属是明确的，完全属于数据生产者所有。数据生产者不仅负责数据的生产、采集，还承担数据的清洗、应用及赋能等一系列流程，确保了数据的完整性和价值最大化。
第二方数据：产权存在争议
第二方数据通常指的是由第三方统计分析公司获取的数据。对于这部分数据，其所有权和使用权往往存在争议。一方面，第三方公司可能声称拥有这些数据的所有权或使用权；另一方面，原始数据提供者（如网站所有者）可能认为这些数据属于其私有财产，不应被公开买卖或滥用。因此，在处理第二方数据时，需特别谨慎，以避免产权纠纷。
第三方数据：产权归属模糊
第三方数据是指通过购买、爬虫爬取、甚至黑客手段获取的数据。这类数据的产权归属最为模糊，因为数据的来源和获取方式多种多样，很难确定其真正的所有者。在使用第三方数据时，企业应严格遵守相关法律法规，确保数据的合法性和合规性，同时也要注意保护用户隐私和数据安全。
解析：
从法律层面：数据的所有权存在瑕疵的数据即使暂时拥有，也不能构成资产要素。只有在建立起有效的数据交换、交易机制后，数据才能真正地具有价值，给企业带来经济利益。
2022年12月发布的《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》 (以下简称“数据二十条”)提出：
· “推动数据产权结构性分置和有序流通”;
· “推进数据分类分级确权授权使用”;
· “建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制”。 目前，法学界围绕数据流通带来的权利、义务与责任变化开展了大量研究，对数据确权及
其法律机制构建的探讨最为核心、基础。
数据确权是对数字经济的制度回应。回顾人类财产权演进史不难发现，财产权是工具而非目的，其始终服务于更为广泛、多元的目标。
从农业经济到工业经济再到知识经济，人们所珍视的财产不断演化——从“土地财产”到 “金融财产”再到“知识财产”。但数据这一前所未有的新型财产，却不在世界各国传统财产法的“射程”之内。
2.2数据确权的价值判断
数据确权在数字经济中扮演着至关重要的角色，其价值判断主要体现在以下三个方面：
1. 促进数据流通
数据特性与价值实现：数据的非竞争性和梅特卡夫定律揭示，数据的价值在于其可重复使用性。数据市场化配置的核心目的是加强数据的流通与共享，以实现数据价值的最大化，进而推动数字经济的蓬勃发展。
市场规制与制度设计：有利于数据流通的市场规制是实现市场化配置的前提条件。因此，在制度设计时，应充分考虑数据流通与共享的重要性，为数据的自由流动创造有利条件。
2. 体现公平分配
数据独特性与价值：每份数据都因其主体的独特性而具有特别的价值。数据主体应因其提供的信息所产生的价值而获得相应的回报。
市场分配原则：数据要素市场与传统要素市场一样，需要遵循公平分配的原则。应确保数据生产者和使用者在市场环境中享有平等的权利和机会，鼓励数据生产者积极开放和共享数据。
3. 保护数据安全
数据市场负外部性：数据市场可能产生的负外部性效应包括数据垄断、数据不对称、数据外溢和数据污染等。这些效应可能导致数据泄露、滥用、歧视等安全问题。
产权制度与市场竞争：在设立数据产权制度时，应充分考虑如何促进市场的竞争和创新。通过推动建立更加透明有效的数据市场，实现数据治理和安全保护，降低数据市场的负外部效应，确保数据的安全和可靠性。
数据确权存在行为规制和赋权规制两种思路。行为规制难以实现数据的积极利用。赋权规制路径又可细分为人格权路径与财产权路径。两者并非对立关系。
√ 1.行为规制的不足：行为规制指通过反不正当竞争法、刑法等对侵害数据的行为进行规制，反不正当竞争法可能为数据垄断行为提供合法理据，过度运用将可能会加速形 成数据垄断现象，为市场带来负外部效应。尽管刑法与反不正当竞争法等都发挥了保护数据财产利益的功能，但无法积极主动地促进数据要素市场的发展，无法满足数据流转的独立权利机能之需要。
√2.赋权规制的类型：赋权规制是通过内部确定固定的权利，以保障利益主体对于数据 的支配。赋权规制主要分为非财产权与财产权两种路径。非财产权包括通过人格权控制数据予以赋权模式，以及合同权利的保护。合同规制可以有效防范数据交易行为，
但无法对数据进行治理、创设普遍权利以及应对未基于合同的数据爬取行为。
财产权路径下的归属争议：
√赋予个人数据财产权尽管照顾到个人分配公平问题，但单一的数据财产权同样受到质
疑 。
√首先，企业可能会通过支付对价的方式诱导个人放弃其隐私；
√其次，当企业压价时，个人信息的价值因交易双方信息不对称等问题而被低估；
√最后，赋予个人对数据的绝对支配可能会导致数据流通受阻，因而降低企业收集数据
的积极性。
>多元模式下的优化选择
√单一赋权模式是指通过统一赋予权利进行产权安排。但随着数据量不断增加，学者基于利益平衡、概念包容性等考虑，开始对数据产权进行场景化、类型化、多元化的细分和设计。
√ 最基本的是基于人格和财产的二分，可分为个人数据、企业数据以及政府数据等，提 出依主体的数据类型化保护。
√从数字经济领域立法的发展来看，分类分级已经成为趋势，例如我国已经出台立法对数字平台进行分类分级并对算法进行分类分级监管。
√ “数据二十条”中则明确指出要探索数据产权结构性分置制度，意在确立分类分级的数据产权制度。
2、3数据资产的三大要素：确权——数据分类
>个人数据与非个人数据：
√个人数据与个体权益息息相关，根据分配理论，个人有权依据自己所“产生”的数据 获得财产利益，这种人格权益具有一定的不可被他人所有的属性。因此，个人数据在 界定上应当具有优先性。从效率的角度分析，数据归企业可能阻碍数据流通，将数据
归为个人符合价值判断，其他主体数据则在非个人数据范围下进行区分。
企业数据：
√在确立个人数据基础上再进行企业、公共数据的分类，有利于界定清楚数据的来源。 作为生产要素的数据，是进入到经济生产活动过程中产生经济价值的数据，而个人所有的一些数据未进入到流通过程中时，仅仅只是生活信息的存在，而非数据生产要素。 从此角度看，个人数据与用户数据基本是重合的，若将用户数据也归类到企业数据，会导致个人数据再无“立足”的必要。
公共数据：
√公共数据是指非个人数据意义下的公共数据，既包括各级政府部门、企事业单位依法行政履职或提供公共服务过程中产生的数据，也包括政府代表国家整体所拥有的数据，政府使用数据之后，常常会基于国家利益、公共利益的需要，这些政府公开的数据
(连带着个人和企业的数据)一般被认定为公共物品，供公众自由使用。公共数据中的另一类数据为公共信息数据，这些信息有一部分亦会由企业收集，但由于这些信息内容本身就属于国家整体所有，因此其所有权仍应归为政府(国家)。
2、4数据资产的三大要素：确权——相关标准
2024年7月4日,在2024全球数字经济大会数据要素高层论坛上,由工业和信息化部电子第五研究所发起并牵头编制的《数据确权授权的流程与技术规范》标准暨首批试点成功发布。
《数据确权授权的流程与技术规范》作为全国首部以数据确权授权命名的标准,是在国家 数据相关法律法规和 “数据二十条” 的指导框架下,聚焦复杂场景下数据流转权益确认和授权规范问题,形成的一套具有适用性、广泛性的权益分析模型和标准化授权流程,为数据合规流通、跨区域跨行业数据融合利用提供数据合规标准规范和工具支持,推动建立身份互认、权益互认、授权互认的数据合规流通互信机制。
下一步,工业和信息化部电子第五研究所将持续修订完善标准内容,深化各领域标准应用推广,积极构建数据确权授权评估和服务体系,推动形成可信的市场化数据确权授权机制, 促进数据要素合规高效流通和价值释放。
依照国家已颁布的法律法规对关联主体数据权益的规定, 以及数据生产流通过程中所产生的权益许可、让渡情况,涉及数据关联主体法律规定和依授权的权益主体的数据权益参考模型如下:
数据权益模型图
针对一般性的数据流通场景,数据供给方、数据需求方和数据信息主体的授权关系如下图所⽰(实际场景中可能还涉及数据法定管理主体的前置性授权、数据供给方数据来 源的前置性授权或第三方平台提供授权服务等情形):
数据授权关系图
标准中针对权益确权授权流程的协议签署环节指出:如协议各方具有CA证书等合法有 效的电子实名认证,可使用CA证书等电子签名完成电子协议的签署,并选择使用意愿 真实性验证作为协议有效性的补充;如协议各方不具有CA证书,则应在协议签署过程 中使用意愿真实性验证,以体现签署人的签署意愿的表达。签署意愿表达方式包括: 人脸识别、短信验证码、签署密码或 APP/网页等媒介下授权点击等方式。
数据确权授权流程图
三、数据资产的三大要素：定价
根据大卫·李嘉图的劳动价值论：资产的价值是由劳动创造的，也就是商品的价值由生产该项商品的社会必要劳动时间所决定，
目前由于数据具有稀缺性，数据还没有统一的定价模型，导致定价依旧比较困难。
我们将从：基于数据的数据定价、基于查询的数据定价、基于模型的数据定价三个角度探讨数据定价。
1、基于数据的数据定价
>基于数据的数据定价是指直接共享/交易数据集，允许购买者直接访问数据。
假设数据交易系统中有M位数据提供者与N位数据需求者进行数据交易。在数据交易过程中， 数据提供者也将获得一定的内在收益，如用户将获得更好的服务体验。根据双边拍卖理论与方 法，当数据交易系统发布了N位数据需求者的数据需求后，数据提供者m需要决策最大化自身收
益的数据供给报价，其中m=1,2…,M, 即：
其中，am为数据提供者m向系统提交的数据供给报价，即期望获得的最低收益； xm 为平台分配给数据提供者m的数据交易任务；φm(am,Xm) 和Um(xm) 分别为数据提供者m共享自身数据
后获得的外在收益和内在收益；Cm(xm) 为数据提供者 m在数据采集过程中付出的成本。约束条
件(2)表示数据提供者m向数据需求者n可供给的数据量不超过其最大供给量lm。
由于存在信息不对称及数据交易市场中缺乏标准的数据交易定价机制，使得数据需
求者无法准确预测数据提供者可接受的最低交易价格。因此，根据双边拍卖理论与方法，
当数据需求者n通过数据交易系统购买数据时，需向平台提交最大化自身收益的数据购
买价格———需求报价，其中n =1,2,
,N,即 ：
其中， yn为数据交易系统分配给数据需求者n的数据交易结果；Vn(yn)为数据需求者n的效用函数。bn为数据需求者n向系统提交的需求报价； Pn(bn,yn) 为数据需求者n向系统支付的数据购买费用。约束条件(5)表示数据需求者购买的数据量不超过数据提供 者可供给的数据量。在现实中，数据需求者往往会设定一个最低的数据需求量，约束条
件(6)表示数据需求者n购买的数据量大于等于其设定的最低数据需求量kn。
基于上述模型的分析，数据交易系统需要协调数据提供者与数据需求者间利益冲突， 使得参与交易的数据提供者和数据需求者实现收益最大化。从系统角度出发，整个数据交易系统的收益为所有数据提供者与所有数据需求者的收益之和。要协调数据提供者与
数据需求者间利益矛盾，数据交易系统需要最大化整个交易系统的收益，即：
根据Vn(yn),Um(xm) 和Cm(xm) 的函数性质，并结合约束条件是关于xmn,Ymn 的线
性函数，可知上述优化问题为凸优化问题，存在唯一最优解。
数据交易系统与数据提供者和数据需求者之间存在双边信息不对称，直接求解数据交易系统收益最大化问题是一个NP-hard问题。面对这种双边信息不对称的问题，本文
采用了迭代双边拍卖方法来解决数据交易系统收益最大化问题。具体流程如下：
步骤1:
数据交易系统向数据提供者和数据需求者公布交易任务分配规则和定价/奖励规则，数据提供者和数据需求者分别求解收益最大化问题(1)和(4),然后向系统提
交数据的供给报价和需求报价；
步骤2:
数据交易系统根据设定的交易任务分配规则和交易双方提交的供需报价，
计算交易分配结果；
