近日，京东云数据要素专题论坛成功召开， 赛智产业研究院院长赵刚受邀参会并发表题为 《数据资源开发利用的关键路径研究》的 主题演讲。 赵刚院长的演讲内容丰富、观点鲜明，为与会者提供了宝贵的思考与启示，也为京东云及整个行业在数据资源开发利用方面提供了新的思路与方向。
当前，数据资源的开发利用已确定进入了全面提速的新阶段，这一进程大多数表现在以下四个核心方面。
在数据基础制度建设方面。以国家“数据二十条”为代表的数据产权、流通交易、收益分配、安全治理制度不断健全，初步形成我国数据基础制度的“四梁八柱”。
在数据基础设施建设方面。我国在“一体化算力网+数据空间”的发展方面取得了显著成果。其中算力规模持续扩大，截至2023年底，我国提供算力服务的在用机架数达到810万标准机架，居全球第二位。国家层面更是格外的重视数据空间的发展，国家数据局也正在研究推动数据空间试点，以数据为牵引推动若干类数据空间建设，围绕共性标准研制、核心技术攻关、数据基础设施建设、安全和规范管理等工作，打造数据空间可信可管、相互连通、价值共创的核心能力，加强国际交流合作，为构建全国一体化数据市场提供有力支撑。
在数据流通交易方面。多层次流通交易市场体系不仅涵盖了数据、商品、服务等多个领域，还通过不同的交易层级和模式，满足了各种类型的市场参与者的多样化需求。目前，我国数据要素交易市场成立交易所达到80多家。
在数据应用场景构建方面。国家数据局等部门联合印发《“数据要素×”三年行动计划（2024—2026年）》，发布首批20个“数据要素×”典型案例，挖掘并推广一批典型应用场景。这些案例覆盖了工业制造、现代农业、商贸流通、交通运输、金融服务、科学技术创新、文化旅游、医疗健康、应急管理、气象服务、城市治理、绿色低碳等多个行业和领域，充分展示了数据要素在推动产业升级、提升治理效能、促进经济高水平质量的发展等方面的巨大潜力。
从数据要素市场规模来看，2023年中国数字化的经济核心产业增加值为12万亿，2023年中国数据生产总量为32.85ZB，按照研究机构给出的数据，2023年中国数据交易额只有0.12万亿。
可以看到，数字化的经济与数据资源规模很大大，但是数据交易和数据产品化严重不足。这是一个很重要的问题，从物理数据化这个方面来看，我们有很大的数字化产值，但从数据业务化这个方面来看，数据流通交易规模还非常小。所以，数据要素市场并不成熟，处于雏形阶段，刚刚启动起来。
导致数据要素市场不成熟的原因是什么？我们从数据要素供给、流通、使用三个角度去分析。
1.从数据要素供给角度看。一是数据供给违法风险高。数据中蕴含着个人隐私、商业机密、国家安全。二是数据更多被平台公司、运营商、政府等持有控制，数据资源释放动力不足。三是数据资源固定成本高，边际成本低，供方”一本万利”，不愿流出原始数据。四是数据产品商业模式不成熟，数据公司不盈利，难以规模化供应产品。五是数据外部性强，用户更愿意接受免费数据和信息。
2.从数据要素流通角度看。一是数据产权确认复杂以及转移负责。二是数据流通合规风险高。三是数据交易机会成本高，一旦流通，买方可以低成本复制无数份。 四是数据流通生态不完整。交易撮合服务商少。五是可信流通技术支撑不足。
3.从数据要素使用角度看。一是传统企业仍处于数字化转型的阶段，数据资源储备和开发利用不足。 二是数据应用技术门槛高，普通用户不知或不会使用数据API和数据应用。三是数据质量低从而影响应用效果。四是成效明显的数据应用案例少等各种原因。
所以目前面临的问题是“供不出、流不动、用不好”，由此产生了我们刚才讲的那个数据要素市场的巨大数字悬殊。
在数据权益保护方面。数据产权制度要细化数据持有权、使用权、经营权、为各方确认自身权利提供具体明确、操作性强的产权配置方案。在数据资源开发利用方面。包括公共数据开发利用政策、企业数据开发利用政策和个人数据开发利用政策等。在数据流通交易方面。包括数据流通交易制度和促进和规范数据跨境流动方面的政策。在产业与应用方面。包含数据要素x行动计划、培育壮大数据产业政策、数据经济高水平质量的发展、城市全域数字化转型等方面的政策。在数据基础设施方面。包括全国一体化算力网、数据基础设施建设指引等方面的政策。在数据收益分配方面。包括数据资产管理制度、数据资产入表制度、数据资产价值评估、价格形成机制、激励机制建设等制度。在数据安全治理方面。包括数据安全法、个人隐私保护法、网络安全法、基于数据分类分级等制度。
数据要素的开发利用是一个分阶段、循序渐进的过程，每个阶段都有其独特特征与要求。此过程遵循特定路径与策略，可划分为五个有序且相互关联的阶段。
第一个阶段是数据资源化。此阶段的核心是实现数据的积累与资源化，前提是实现数字化。通过企业和政府的数字化转型与建设，实现数据资源的汇聚与形成。
第二个阶段是数据要素化。在数据资源持续规模化投入生产的前提下，此阶段主要进行数据加工和治理，构建高质量数据集或数据API，并形成数据集市场。
第三个阶段是数据产品化。此阶段是将数据要素投入生产，转化为数据产品和服务，也就是信息、知识和智能。数据产品化的前提是加工治理后的数据要素具有使用价值，能转化为商品。此阶段主要工作包括数据产品和服务、数据产品平台和数据服务平台的建设，以及数据商品市场的培育。至此，数据要素的开发利用已形成闭环，可以在一定程度上完成数据经济和社会价值。
第四个阶段是数据资产化。也是财政部提到的数据资产管理。数据资产化的前提是数据产品或数据资源能够被持有人合法控制，且具有持续收益。此阶段主要工作包括数据资产登记、入表、评估、开发和全面管理等工作。
第五个阶段是数据资本化。在数据资产可入表的前提下，此阶段是利用数据资产进行融资、构建数据银行、实现数据质押和数据资产证券化等操作，使数据资产为经济活动提供融资支持。融得的资金将进一步反馈并促进数据资源化、要素化、产品化和资产化的持续发展，形成一个完整的大闭环。
为什么现在的数据交易所没什么交易额？可能是逻辑错了。真正的数据流通要符合数据流通的交易逻辑，我们要思考这样一个问题。从数据原料转化成数据要素后，它流通到数据的买方，即数据应用APP，也是数据产品的卖方。数据应用APP既是买方也是卖方，他买来数据资源，把数据要素开发之后变成数据产品，又卖数据产品给他的最终用户。这是数据要素流通的基本逻辑。数据要素的生产化过程是线上进行的，数据要素产品研究开发和流通服务的过程也是线上进行的。
在这个过程中，数据卖方可能是以数据集或数据API的方式卖给数据买方，这一些数据买方可能是大模型训练公司，可能是APP（数据产品）应用开发平台，例如，我有一份数据集卖给了企查查或航旅纵横或蚂蚁金服，这一些数据app公司通过和它自有数据的整合后，形成数据产品，他又作为数据的卖方，把数据产品卖给了APP最终数据产品的使用方，而使用用户通过数据查询、数据分析及智能服务，最终获得了他要的价值。这样的一个过程中，实际上最终用户使用了数据卖方当时的原数据。这是目前数据流通过程中符合实际的商业逻辑。
在这个逻辑中，是不是需要数据卖方到数据买方的渠道？同样，数据产品卖方到数据产品买方要不要渠道也是一个问题。当然，回答可能是必要的。因为，有几率存在多个数据卖方给多个数据买方，这就形成了一个多边交易市场，所以数据交易所可能就满足多边交易市场。但是，第二个问题是现在的渠道是不是满足这个逻辑？答案可能是还不行。如果现在的交易所不能够满足这个逻辑，那么交易所的逻辑就出了问题。因为，交易所应该是融入到线上卖数据给数据APP公司，数据app公司开发数据产品给到用户，这些都是线上进行的，交易所应嵌入到这个商业逻辑中去，但是交易所假如没有这种构筑能力，把交易服务连接到在线逻辑上去，你还要大家离线卖数据，卖产品，这个逻辑本身就存在了问题，没有嵌入到商业逻辑体系中去。因此，未来交易所的经营方式应该是线上，交易所要融入到数据APP和数据买方、数据产品卖方和数据产品买方的这样一个线上逻辑中去，才能够越来越好的实现交易流通服务。同时，那些第三方服务商，如数据评估、数据合规等也要满足这个逻辑，才可能实现收益，实现交易额的跃升。数据产品卖方到数据产品买方之间也存在多边市场的问题，也就是手机APP store这个逻辑，同样的第三方合规也要满足这个逻辑。所以，未来交易所能不能盈利，能不能有交易额，更重要的是能不能融入到这个商业逻辑中去，这才是更重要的一个问题。
一是发挥数据要素协同优化作用。重点是将数据要素转化为具有使用价值的商品，以供用户和消费的人购买与使用。数据的基本价值在于，它能在充满不确定性的世界中提供信息与知识，通过数据还原信息本质，洞察事实，预测未来，并指导生产活动。数据要素展现出显著的乘数效应，推动其与劳动力、土地、技术、资本等其他生产要素的有效协同。数据蕴含着丰富信息，能够引领技术流、人才流、物资流等融通，实现生产要素的创新性配置，促进产业链、供应链的高效协同，从而突破生产要素限制，提升全要素生产效率，这体现了数据的重要价值。例如，在企业从销售订单到生产、成品入库再到送达客户的全过程中，由于信息的透明掌握，效率得到非常明显提升。用户下单后，订单信息即时反馈至生产线，生产线能够灵活调整配置，快速响应。同时，物流供应链也能第一时间掌握销售渠道信息，及时使用户得到满足需求。此过程有效解决了信息不对称和协同优化问题，充分体现了数据要素的重要价值。
二是数据要素复用的增效。企业用户数据画像在电商、网贷、新媒体直播、智能助手等多领域应用，促进数据多场景应用，多主体复用，培育基于数据要素的新产品和新服务，实现知识扩散、价值倍增，开辟经济稳步的增长新空间。
三是数据要素融合创新。多学科数据融合可以推动科学技术创新，例如在新材料研发，在生物制药研发方面，多学科之间的数据，可以有明显效果地模拟、仿真，实现数字化的深度研发。再比如说交通、环保、气象等多领域数据融合，为数字物流、数字旅游等业态创新提供了新应用场景，以此来实现数据在不相同的领域中1+12的效果，从而以数据规模扩张和数据类型丰富，促进生产工具创新升级，催生新产生、新模式，培育经济发展的新动能。
所以，在所有的领域，数据产品均有所体现。在数据产品化的进程中，重点是深入不一样的行业场景，与各行各业携手共同开发新产品，而非直接跨越至数据资产入表的阶段。第一个任务是发掘数据产品的应用价值，因为价值的实现将自然带来持续的收益，进而产生订单和财务单据，最终促成数据入表。这是一个循序渐进的过程，无法一步跨越。当前，部分企业过于急躁，忽视了数据应用场景的重要性，而过分强调数据资产化，这样的做法跨越了数据应用场景阶段，难以产生实际价值。数据产品化是不可或缺的关键步骤，对于实现资源化和要素化目标至关重要。国家数据局已认识到这一问题，并发布了关于数据要素“X”的行动计划，以及公共数据资源开发利用的文件，旨在推动数据资源在政府、企业和行业领域的应用。第一个任务是将数据资源转化为数据资源业务化，实现数据要素的乘数效应，创造巨大的应用价值，进而推动数据资产化的进一步发展。
数据产业是经营数据产品的业态。核心是数据产品的APP服务层，他们整合上游的数据生产商、数据治理商，整合下游的数据流通商、数据服务商和数据应用商，从而形成数据产业的整体生态体系。
数据基础设施作为支撑数据流通的核心，致力于实现数据的高效、安全与可信流通。它通过优化数据传输、存储和处理流程来提升数据处理速度，同时使用先进的安全技术和措施确保数据安全无虞，并遵循严格的数据治理规范及建立透明的数据使用机制，以增强用户信任，从而为数据的价值最大化提供坚实保障，推动数据产业的健康发展。
赛智产业研究院能够为政府和公司可以提供数据要素研究咨询服务，全面助力国内数据要素市场建设。
赛智产业研究院能够为政府提供数据基础制度咨询、数据法律政策咨询、数据市场监管咨询、公共数据管理咨询、数据服务产业规划、数据要素园区规划等咨询服务。
赛智产业研究院能够为公司可以提供数据战略规划、数据治理咨询、数据技术架构、数据资产管理、数据应用方案、数据商业模式等咨询服务。
北京赛智时代信息技术咨询有限公司(简称赛智时代)是国内知名的数字化的经济等新兴起的产业的咨询规划、大数据分析和产业生态体系建设的创新型公司。经营事物的规模涵盖了智库咨询、数据服务、软件平台和会议培训等方面。其中智库咨询服务依托于赛智产业研究院丰富的行业资源和高端专业化人才等竞争优势，面向政府、园区和企业，提供发展的策略与规划、政策研究、招商引资策略研究、智慧城市规划、运营模式研究等现代咨询服务。研究领域涵盖大数据、人工智能、区块链、5G、战略性新兴起的产业等行业领域。
饮鹿网(Innov100)是赛智时代旗下的产业创新创投数据平台，覆盖新兴起的产业近20万创新型企业，为客户提供创业孵化、投融资等服务。
赛智区块链(北京)技术有限公司简称(赛智区块链)，是一家专注于企业级大数据区块链产品与应用服务的高科技企业。
贵阳市大数据五大新领域（人工智能、量子信息、区块链、物联网、5G移动网络）产业规划
饮鹿网精准招商大数据云（平台）是赛智产业研究院联合饮鹿网开发的针对产业招商的最新产品。涵盖大数据、人工智能、区块链、5G、智慧城市、 工业互联网等 30 多个领域，为招商部门、产业主管部门、园区管委会和产业地产提供大品牌招商、产业筛选招商、产业生态链招商、重点产品招商、资本注入式招商、区域一体化协同招商、原籍创业人才招商等招商数据分析服务。
政府提供新兴起的产业的产业链、企业、技术、投资等数据分析服务的平台，主要为各地发改部门、工信部门、产业分管领导提供产业仪表盘、产业链分析、产业地图、产业高质量发展要素分析、产业政策、产业洞察等产业数据分析服务。
服务于创业投资领域，为母基金、头部投资机构、地方政府产业基金或引导基金提供绩效考核的专业化平台，主要提供投资数据（投融资仪表盘:与投资趋势洞察融合）、投资绩效分析（投资绩效分析、融资日报、投资机构百强、投资人百强）、项目分析（重点项目、产业链投资、细分图谱投资）、投资布局（投资地图）、投资要素分析、投资管理等服务。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
调查｜买房“免息垫首付”暴雷：深莞10余个楼盘卷入，个别涉千万元，部分房源已被住建部门锁定
管晨辰最新回应：看不惯吴柳芳用体操擦边！国家对她是有保障的
3-0打爆黑马！巴萨5轮12分飙升第2，36岁巨星双响：轰欧冠第100球
【高考地理】新兴起的产业、朝阳产业、新型产业、夕阳工业、传统工业.......逻辑推理与论证
【地理试题】“无用”信息显大用——一组高考地理选择题的评析与启示、一道选错率可以高达80%的高考题、
