首页 >  财经 >

各地加速布局数据交易平台建设 抢占数字化转型市场先机

发布时间:2022-12-15 00:09:26来源:网络转载浏览量:0   
本报记者 郭冀川

  12月12日,在首届全球数字贸易博览会之江数字贸易论坛上,杭州国际数字交易中心正式揭牌。事实上,各地近年在加速布局数据化平台建设,北上广深等地均已成立数据交易所。

  “数据交易所旨在通过数据的交易流通,实现数据的资产化和资本化,在促进数据产业发展、挖掘数据价值的同时,带动城市和城市群的数字化转型。”无锡数字经济研究院执行院长吴琦在接受《证券日报》记者采访时表示,随着越来越多的数据交易所成立,数据要素市场顶层设计和市场体系逐步完善,数据确权、定价、交易等基础制度将逐步健全。

  数据交易所

  是实现数据资产化的最优解

  数据作为新型生产要素,已成为经济社会高质量发展和全面数字化的关键要素。根据数据交易网今年10月份公布的统计清单,2014年至今累计成立数据交易中心(所)已有50余家,其中2021年和2022年成立的数量占总数的三分之一以上。

  华鑫证券研报分析认为,从目前来看,数据交易所是实现数据资产化的最优解。根据工业信息安全发展研究中心的测算,2022年数据要素市场规模已突破900亿元,预计到2025年将达到近1750亿元,当前规范的场内交易占比仅为2%-3%,替代空间广阔。

  数据交易所近两年的规模增长离开不相关政策的引导和扶持。2020年,《中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见》发布,提出数据与土地、劳动力、资本、技术等传统要素并列成为第五大关键生产要素,并强调加快培育数据要素市场。2022年,国务院发布《“十四五”数字经济发展规划》,进一步对充分发挥数据要素价值作出重要部署,提出到2025年将初步建立数据要素市场体系。

  深圳数据交易所董事长李红光对此表示,发展数据要素市场除了是国家的重要方针外,企业也意识到数据是重要的资产之一,将带动企业逐步提升自身数字化能力,构建数据治理体系,进一步提升企业经营与决策的效率。

  围绕数据开放、共享、交易、应用、安全、监管等数据要素全周期,数据交易所正在进一步加快数据流通和交易。北京社科院研究员、中国人民大学智能社会治理研究中心研究员王鹏告诉记者,数据具有一定的虚拟性和可变性,并且具有本地属性,因此众多一线城市纷纷成立数据交易所,就是为了盘活本地数据资产,激活数据价值。

  王鹏认为:“数据交易所已经从最初撮合交易、参与数据交易,变为近两年的平台化建设,培养生态体系,通过引入数据经纪人活跃市场,上海和深圳的数据交易所就是这样的典型代表,使参与数据交易的人员规模不断增加,数据交易更加透明公平。”

  数据确权

  是交易所发展要解决的难点

  数据可以通过共享、开放、数据服务等方式实现流通,为了保障数据交易,相关政策不断强化制度建设。6月22日,中央全面深化改革委员会第二十六次会议审议通过《关于构建数据基础制度更好发挥数据要素作用的意见》,对数据确权、流通、交易、安全等方面做出部署。

  中泰资本投资管理有限公司董事长王冬伟对记者表示,数据只有流动起来才有价值,数据流通交易制度能够让数据流动起来,在分享中实现价值。目前数据流通交易的场所越来越多,相关规范也越发清晰,但数据交易依然有多种约束,比如缺乏中介服务机构的交易撮合、产权界定、价格评估等服务。

  吴琦对记者表示,目前数据产权制度方面的争议主要体现在数据权利主体以及分配的界定上。数据可以由数据所有者提供,或者可以由数据收集者支配,又在数据管理阶段被各类新增主体支配,因此数据从出现到产生经济价值的全生命周期中有多个不同支配主体,直接造成了数据权属确定的困难性。数据权属不单是归属问题,还是数字时代诸多问题的起点,关系到个人隐私保护、数字经济发展。

  近年来,数据隐私泄露等公共安全事件频发,折射出数据要素市场存在的技术安全风险问题。当前,我国已出台数据安全法、网络安全法、个人信息保护法等法律法规,目的就是守住安全底线,在保障安全的前提下,充分释放数据潜能。

  “在进行市场化运作时,数据要素流通的环节复杂,与传统要素相比更加容易发生泄露的问题,需要鼓励探索更多样有效的综合性技术方案,从场景出发解决数据交易流通中的可信存证问题。”吴琦表示,建议推广“数据可算不可识”模式,在大规模或实时性要求较强的数据分析场景下为数据去除标识,构建集中式可信计算环境,为数据交易流通中的个人隐私权提供安全保障。

  中国数实融合50人论坛智库专家、商务部研究院电子商务研究所副研究员洪勇补充道,数据确权也是交易所发展要解决的难点,未来随着相关政策逐步落实,有望建设全国统一的数据确权标准,减少确权差异,统一确权管理尺度,探索统一确权操作规范,推动全国数据统一大市场的实现。(证券日报)

 

(责编: xingyun)

免责声明:本文为转载,非本网原创内容,不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。