一、
数据资产的三大要素：价值
价值：能够带来经济利益
在系统内实现价值
在主营业务的基础上，通过对业务数据的收集、整理、过滤、校对等一系列的流程，实现 了数据自身的价值，能够更好的服务客户，为企业带来了经济效益；
如：电商平台的产品推荐。
在企业内部实现价值
通过对企业(集团)内部掌握的大量数据进行有效的挖掘和分析， 一个部门产生的数据可 作为另一部门的业务的支撑或辅助，为企业开创新的盈利增长点；
如：银行的存储业务和理财业务。
在企业之间实现价值
数据在不同企业间流通，企业对数据进行关联分析，挖掘数据的“剩余价值” · 如：银行和保险公司、投资理财公司。
二、数据资产的三大要素：确权
确权：数据所有权归属
第一方数据：数据产权是明确
数据生产者自己生产的数据，或采集和整理的用户行为数据；
生产者负责了数据的生产采集清洗应用赋能等一系列流程；
第二方数据：产权有争议
第三方统计分析公司拿到的这一部分数据是不是有所有权?使用权?
如果公开买卖，对于网站的所有者来说，是有一定损失的
第三方数据：产权归属更为模糊
通过第三方购买数据、爬虫爬取数据，甚至黑客手段获取数据等
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。
数据确权的价值判断：1.需促进数据流通
√数据的非竞争性与梅特卡夫定律表明，数据的价值挖掘依赖于对数据重复使用，数据市场化配置的目的也是加强数据的流通共享，以实现数据价值最大化，进而推动数字经济奋力发展。
√有利于数据流通得市场规制是实现市场化配置的前提，数据流通共享应是制度设计的重要考虑因素。
数据确权的价值判断：2.需体现公平分配
√每份数据都因数据主体的独特性而存在特别的价值，数据主体应当因其提供的信息所 产生的价值而获益。故数据要素市场同传统要素市场一样，需要考虑个人参与市场的分配。保证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，鼓励数据生产者进行数据开放和共享。
数据确权的价值判断：3.需保护数据安全
√数据市场产生的负外部性效应可以被总结为以下几点： 一为数据垄断。二为数据不对称，三为数据外溢，四为数据污染。数据的泄露、滥用、歧视等数据安全问题都是数据市场负外部性的具体表现。
√数据产权制度设立过程中，有必要考虑如何促进市场的竞争和创新。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，降低数据负外部效应。
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。
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)。
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；
步骤3:
数据交易系统判断市场是否达到出清状态。若否，系统调整交易规则，数
据提供者和数据需求者依据调整后的交易规则开始新一轮的报价；
步骤4:
重复上述步骤，
直到市场达到出清状态。
>在基于数据定价的数据交易市场下，数据拥有者无法控制数据的使用，如隐私滥用等，这也使得让更多的数据拥有者来贡献他们的数据具有很大的挑战。
此外，当购买者只对从数据集中提取的特定信息感兴趣时，购买整个数据集的价格可能过高。
因此，基于数据定价的数据交易市场运作效率低下，无法最大化收益。
2、基于查询的数据定价
基于查询定价的数据交易市场，如谷歌的Bigquery, 通过向购买者收费并对每个查询的数据所有者进行补偿，部分缓解了上述缺点。
基于查询定价的数据交易市场可以决定对数据使用的限制(如：返回带有隐私保护的查询结果)、补偿分配和查询定价。但是，基于查询定价的数据交易市场中的大部分查询被认为太过简单以至于无法满足复杂的数据分析和决策。
