數據要素的20大特性及其影響

突破數據要素市場化建設關鍵瓶頸環節的基礎和先決條件是，對數據這種新型生產要素的特性要有深入透徹的了解和認識。

自2020年4月中共中央、國務院在《關於構建更加完善的要素市場化配置體制機制的意見》中首次將數據列為繼勞動力、土地、資本、技術後的第五大生產要素之後，“加快培育數據要素市場”就成了全社會高度關注的話題。2022年12月，中共中央、國務院發布《關於構建數據基礎制度更好發揮數據要素作用的意見》（“數據二十條”），圍繞數據產權、流通交易、收益分配、安全治理等方面構建起了數據要素市場的“四梁八柱”。進入2023年以來，國家數據局正式成立、財政部《企業數據資源相關會計處理暫行規定》正式實施、國家知識產權局在8個地市的數據知識產權試點工作正式啟動、全國40多個地市開通建設數據交易市場.......。一系列政策措施的密集出台，標誌著我國數據要素市場建設進入快車道。

儘管“數據二十條”已搭建起了我國數據要素市場的建設框架，相關部委和地方政府也出台了一系列促進數據要素市場化發展的政策措施，但是，目前這些框架和政策距離具備可操作性的落地實施還有很多瓶頸需要克服，數據產權、流通交易、收益分配、安全監管等基礎制度尚未建立，突出表現在數據權屬的理論和實踐還未取得重大突破，數據的統計核算、授權運營、價值評估、跨境流動、合規安全等實際操作環節，還未找到數據安全與數據發展之間的平衡點。北京交通大學信息管理理論與技術國際研究中心（ICIR）認為，突破數據要素市場化建設關鍵瓶頸環節的基礎和先決條件是，對數據這種新型生產要素的特性要有深入透徹的了解和認識。不同於土地、勞動力、資本等傳統生產要素，數據具有的獨特特性，對傳統經濟理論對生產要素的解釋、生產要素促進經濟增長的機理、以及不同主體對數據要素的處理方式等方面，都提出了全新的挑戰，只有對數據的特性全面了解、準確把握，才能建立能真正落地實施、具有可操作性的數據要素基礎制度，也才能促進數據要素作用的進一步發揮。數據具有虛擬性、非稀缺性、易複製性等20個獨特的特性，每一個數據特性對數據產權、生產加工、流通交易、收益分配、安全監管等方面都有不同的影響。

1. 虛擬性

含義：數據的虛擬性主要指不同於土地、勞動力、資本等可見的、具有物理形態的傳統生產要素，數據具有不可見、沒有具體實物形態的特性。儘管數據需要依附於各種實物載體，但數據作用的發揮和數據價值的大小取決於數據本身。

影響：數據的虛擬性幾乎是數據其他所有特性的根源，也是區別於土地、勞動力、資本等其他傳統生產要素最根本特性。數據要素在確權、流通、定價、入表、交易、收益等方面出現的各種新問題、新挑戰，幾乎都源於數據的虛擬性特點。其直接影響有兩方面：一是導致數據的無消耗性，即數據不會因為使用頻率的增加而磨損、消耗；二是導致了數據交易的複雜性，即買方在數據到手之前往往不能準確地判斷數據的真實性，往往只能依賴於交易機構或者賣方的聲譽來實現交易的傳統質量控制機制，交易雙方的信任危機影響著價值評估的準確性。

2.非稀缺性

含義：數據的非稀缺性也稱數據的無限性，主要指不同於土地、勞動力等傳統生產要素，數據不僅不會因使用而耗費，反而會在使用過程中產生新的數據，並隨著被使用次數的增多而新創造的數據量越來越多，因此數據是非稀缺的，數據供給也是無限的。數據已成為當今數字社會最基本的客觀產物，人們無論做什麼都在產生數據。消費者通過手機、汽車、音箱、電視等智能設備使用互聯網服務時，會不停地產生上網記錄、支付交易等個人信息數據；企業的生產設備、管理系統、營銷系統等智能裝備開機時，就會持續產生裝備狀態、產能利用、故障報警等企業生產經營數據；政府為社會提供衣食住行、經營管理、宏觀決策等公共服務過程中，也會每時每刻產生交通、電力、自來水、醫療等各種公共數據。全球數據量每年都增長27%左右，每4年新增加的數據量都將超過人類有史以來積累的數據總量。

影響：數據的非稀缺性將造成兩方面突出影響：一是打破了傳統經濟學“資源稀缺”的基本假設，突破了傳統要素有限供給對增長的製約，將重塑世界經濟增長理論，並為可持續發展提供了可能。二是對數據定價和交易造成困難。

3.原始性

含義：數據的原始性是指數據是構成人類知識體系中最底層、最原始、本身不具有實際價值的最基本單元。人類的知識體係由知識—信息—數據三層架構構成。其中，數據位於知識體系最底層，本身價值很低，甚至沒有實際意義；信息位於知識體系中間層，是通過對數據進行提煉、處理、分析後，形成的對人們有用的信息；知識位於知識體系最頂層，是人類對信息進一步深度分析、處理、加工後，形成的體系化、結構化、系統性的知識。

影響：數據原始性的特點具有兩方面影響：一是有助於為數據確權提供理論依據。即由於原始數據是沒有價值的，因此，產生原始數據的個人或組織，只有查詢、修改、刪除、遷移等原始數據的有限所有權，不能享有對數據的最終收益權。數據持有者對分析、生產、提煉過的數據享有除原始數據主張權利以外的其他所有權利，包括數據的生產權、流通權、收益權、處置權等，數據持有者可以自已行使這些權利，也可以通過委託代理、委託經營等方式交由其他機構行使這些權利。二是有助於確定區分不同數據形態。人類知識體系的數據、信息和知識三層次形態基本上與數據資源、數據產品和數據資產相對應，在實際操作中，數據資源層次需要解決的主要問題是數據來源的合規合法，數據產品層次需要解決的主要問題是數據的算法、模型、場景等各種技術應用，數據資產層次需要解決的主要問題是數據的體系化、湧現性和泛在能力。入表的數據主要以自產或外購方式獲得的數據產品或數據資產，而數據資源一般不包含在入表範圍之內。

4.易複製性

含義：數據的易複製性是指數據可以快速地以近乎零成本的方式進行複制，供多人同時使用，多次循環使用，一個人的使用可以不排斥和妨礙別人對其使用，不同人之間在使用上不存在直接的利益衝突。

影響：數據易複製性特點對數據確權、定價、交易等方面都會產生直接影響。一是在數據確權方面，數據被複製流動後，由於其傳播速度很快，往往無法確定真正的數據源頭，造成數據持有人或數據經營者權益的損失；二是在數據定價方面，數據一旦被複製盜取，數據持有者擁有的數據門檻會頃刻喪失，數據價值跳水貶值甚至價值歸零，對高價值數據定價影響巨大；三是在數據交易方面，數據的易複製性大大增加了數據的保護成本，加上數據生產加工過程中已付出的成本，數據在交易行為實現前必須嚴格保密，但是，數據買方又需要對交易的數據對像有充分了解，數據買賣雙方由於數據易複製性特點形成的這種行為反差，大大增加了數據交易成本，甚至會導致交易無法實現。

5.多環節性

含義：數據的多環節性是指數據價值的形成需要經過採集、存儲、加工、流通、應用以及生態保障等不同環節，而各類不同主體在不同環節數據形成的豐富信息中做了不同程度的貢獻，數據價值分屬於多個主體。

影響：數據的多環節性特點對數據確權、定價、收益分配等三方面產生直接影響：一是在數據確權方面，數據的多環節性直接導致數據的多元主體性，在數據採集、存儲、加工、流通、應用等不同環節有不同的主體；二是在數據定價方面，不同環節對數據價值的貢獻度不同，變現的難易程度也有很大差異，不同環節數據的價值很難確定；三是在收益分配方面，數據價值是由不同環節的不同主體共同創造形成的，導致一個數據的不同主體間的權利很難區分。

6.非消耗性

含義：數據的非消耗性是指數據不僅可以無限制地重複使用，不會因為使用而減少其價值，而且數據在使用過程中不僅不會產生消耗，反而會在數據的生產、共享和交換產生更多數據和更大的價值。

影響：數據的非消耗性對數據確權、定價、交易、應用等方面都有重要的影響。首先，由於數據的非消耗性，多人可以同時使用同一份數據，這使得數據的權屬問題變得更加複雜。需要建立有效的數據確權制度，明確數據的所有權、使用權和經營權等，保護數據主體的權益；其次，由於數據的非消耗性，數據的定價不同於傳統商品的定價方式。需要考慮數據的稀缺性、市場需求、數據質量等多方面因素，制定合理的定價策略。第三，由於數據的非消耗性，數據的交易可以通過複製和傳遞來實現，這使得數據的交易更加便捷和高效，同時也促進了數據共享和交換的發展，使得數據可以更好地被利用和開發，產生更多的價值。最後，對於數據應用來說，數據的非消耗性使得數據可以重複使用，這可以大大提高數據的使用效率和應用價值。例如，在人工智能領域，可以使用同一份數據進行多次訓練和測試，從而提高模型的準確性和穩定性。

7.非排他性

含義：數據的非排他性也稱非競爭性，是指同一個數據可被不同主體重複採集，存儲在各家數據中心，數據被一個主體使用時並不影響其他主體的使用。數據不僅可以被一個主體多次重複使用。數據非排他有兩方面突出表現：一是不同數據平台公司對同一個人用戶數據的重複採集和使用。個人用戶在使用各種智能終端設備接受購物、學習、旅行、行車、醫療等各種互聯網服務時，產生的各種數據可以被不同的服務提供商採集、存儲和使用；二是數據易被非法獲取或使用。對數據擁有持有權的機構或個人的控制數據手段被攻破時，這些原先被管控的數據將很快複製傳播，眾多主體能對這些數據實行採集、存儲和使用等行為，因而產生數據的非排他性。

影響：數據的非排他性對數據確權、定價、交易等方面有重要的影響。首先，數據的非排他性使得數據的權屬更加複雜。由於數據在使用中不會消耗，多人可以使用同一份數據，導致數據的權屬問題變得更加複雜。這就需要建立有效的數據確權制度，明確數據的所有權、使用權和經營權等，保護數據主體的權益。其次，數據的非排他性對數據定價有著重要的影響。由於數據可以無限制地重複使用，數據的價值不會因為使用而減少，因此數據的定價不同於傳統商品的定價方式。需要考慮數據的稀缺性、市場需求、數據質量等多方面因素，制定合理的定價策略。最後，數據的非排他性對於數據的交易也有重要影響。由於數據在使用中不會減少其價值，數據的交易可以通過複製和傳遞來實現，這使得數據的交易更加便捷和高效。同時，數據的非競爭性也促進了數據共享和交換的發展，使得數據可以更好地被利用和開發，產生更多的價值。

8.非均質性

含義：數據的非均質性特點具有三兩方面含義，一是數據價值因不同數據質量而異，相同單位量綱下的不同數據的價值完全不同；二是數據價值因應用場景而異，同一份數據對不同應用場景的價值不同；三是數據價值因使用對象而異，同一份數據對不同人的價值也不一樣。

影響：數據的非均質性對數據定價、運營、交易等有重要影響。一是在數據定價方面，數據價格的高低並不取決於數據規模的大小，更重要的是數據質量的高低；二是在數據運營方面，數據價值因場景而異的特性，使目前各地探索實踐的公共數據授權運營方式有很大不確定性。不同數據運營機構的場景應用開發能力差異很大，到底採用一攬子委託給一個機構統一運營，還是委託給多家機構競爭運營？如果委託多家運營，運營授權費用是否應該統一？是將所有數據統一打包委託，還是分行業、分領域、分類型分別委託?三是在數據交易方面，數據價值因人而異、因使用對象的特性，使數據交易很難以統一公允價值入市交易，同一種數據對不同交易對象的交易價格可能有很大差異。

9.邊際效應遞增性

含義：數據邊際效應遞增性是指不同於土地、資本和勞動力等傳統生產要素隨著使用量的增加，使用效用越來越小的邊際效應遞減特性，即數據作為新型生產要素，隨著數據使用量和使用次數的增加，數據規模會越來越大、種類會越來越多、使用效用越來越大，具有邊際效應遞增特性。

表現：數據的邊際效應遞增性主要表現在以下兩個方面：一是隨著對數據的使用，數據的規模和種類不斷增加，數據所能產生的生產力作用也越來越強大。這意味著，在數據的生產和消費過程中，越生產、越消費，數據資源越多。二是在市場交易、企業經營等經濟活動中，隨著參與者或供給量的增加，所產生的效果比上一步增加的效果要大，這就是數據的邊際效應遞增。

影響：數據的邊際效應遞增性對數據價值有三方面影響。一是會增加消費者和企業收益。即隨著消費者的增多，原先的消費者獲得的消費體驗和服務品質會得到更大改善，提高了消費者的消費收益，反過來又能夠激勵企業投資更多，擴大市場化效應，提高社會效用和經濟效益。二是引發新的數據產權不清問題。數據在大規模應用過程中由於其泛化能力和湧現能力產生的新數據，既不屬於個人、企業和政府等原始數據所有者，也不屬於數據產品持有人等數據委託經營的委託人，而數據使用者在數據使用過程中已經獲得了收益，而在使用過程中產生的新數據屬於附產品，也不應該屬於數據的使用者。三是增大個人隱私洩露、甚至公共安全等風險。數據在大規模應用過程中由於其泛化能力和湧現能力，會關聯產生大量新數據，而這些數據極有可能會涉及到個人隱私、企業秘密和國家及公共安全。由於這種新信息不是非法收集獲取的，因而不適合相應的《數據安全法》《個人信息保護法》，成為數據安全面臨的新挑戰。

10.交易不確定性

含義：數據交易的不確定性是指由於數據質量不可見、人為因素不可控、數據質量預期模糊等因素，而在數據交易過程中易產生的逆向選擇、道德風險及交易對像不清等三類交易成本，造成數據交易的不確定性。

影響：由於逆向選擇、道德風險及交易對像不清等造成的數據交易不確定性，對線上和線下數據交易市場的建立具有極大的負面影響。逆向選擇和道德風險可以通過不斷強化信息披露、標準化、激勵機制、監督和懲罰等方式加以控制，而由於交易對像不清導致的交易不確定性目前還無法解決，是進一步完善數據交易市場必須解決的問題。

11.時效性

含義：數據的時效性也稱為易腐性，有兩方面含義：一方面是指數據是一種易腐品，數據蘊含的經濟價值會隨著時間的流逝而迅速貶值。根據IBM研究結論，60%的非結構化數據在幾毫秒內就失去真正價值，超過一半的數據在產生的那一刻就不再有價值，能得到分析處理並產生實際效用的數據非常少，全球90%的數據從未得到分析使用。2020年被創建或複制的數據中，只有不到2%被保存並保留到2021年。谷歌廣告數據中未經加工的原始數據中，有70%超過90天就會過時；另一方面是指數據的貶值速度取決於數據類型、用途和具體業務場景等。如股票數據對於證券市場從業者俱有較高的價值，但對於出海捕魚從業者價值就很低，但是天氣數據對於出海捕魚從業者價值就很高，而對於證券市場從業者價值則較低。

影響：數據的時效性對數據確權、入表、交易等方面都有很大影響。一是在數據確權方面，由於原始數據貶值最快，因此，原始數據所有者對數據的權益最小，甚至可以忽略不計；二是在數據定價和入表方面，由於數據貶值速度快，當企業將數據產品以無形資產或存貨科目計入企業資產時，應該計提相應的大比例的無形資產減值準備或存貨減值準備；三是在數據交易方面，對數據賣方來說，數據交易的前期溝通時間越長，其擁有數據的價值就越低，而對於數據買方來說，交易的數據對像如果沒有及時交付，其價值就會大打折扣，因此，數據的時效性對數據交易時間和交易方式都提出了新的挑戰。

12.場景依賴性

含義：數據的場景依賴性有兩方面含義，一方面是指同一項數據在不同應用場景下的價值完全不同，在一種應用場景下能帶來巨大價值的數據，在其他應用場景中可能一文不值。如保險公司和出租車公司都需要司機的駕駛習慣數據，但這些數據對保險公司比出租車公司更重要；另一方面是指在一種場景下的應用功能，可能會通過不同來源的數據實現。如銀行對個人用戶的徵信水平評估，既可以根據其水電煤氣等日常消費數據進行評估，也可以根據其收入水平、興趣愛好等其他數據進行評估。

影響：數據的場景依賴性特點對數據授權運營方式具有很大影響。目前很多地方探索實踐的公共數據授權運營，其中一個重要原則就是按場景授權，即數據運營機構必須說明數據的應用場景，以及應用場景對需要什麼樣的數據，數據持有機構才能進行有限授權，這種方式確實有效避免了數據的濫用和超範圍使用，但同時也限制了數據的湧現性創新和泛在性創新，可能會導致數據使用方通過其他關聯數據源實現場景應用的同一功能，一方面導致數據持有者原先數據價值貶值，另一方面因數據使用方從其他來源獲取數據而增加了數據成本。

13.“阿羅信息悖論”

含義： “阿羅信息悖論”是諾貝爾經濟學獎得主肯尼斯.阿羅於1963年在《不確定性與醫療保健經濟學》中提出的。其基本含義是交易需要披露信息，但披露信息即意味著數據價值的喪失。無論是交易前要求部分數據內容的披露，還是交付後對交易數據不斷使用與洩露，都會或多或少減少數據價值，造成數據貶值甚至數據交易買方從其他渠道低成本獲取數據。

影響：阿羅信息悖論對數據定價和交易具有至關重要的影響。一是在數據定價方面，如果賣方不披露數據的信息，買方無法知道數據的真實價值，無法達成雙方共同接受的市場公允價。但是，一旦賣方披露數據的信息，或者只披露了部分關鍵信息，買方就可能以更低成本從其他渠道獲取功能相同或相近的可替代數據，賣方持有的數據價值就會貶值甚至完全失去價值；二是在數據交易方面，交易行為發生前，數據買方需要了解賣方持有數據的質量狀況，而數據賣方也需要知道買方的應用場景。但是，當買方了解了數據的質量時，可能會從其他渠道獲取可替代數據，而賣方了解了應用場景時，也可能與其他應用場景開發者達成交易，最終導致數據交易無法實現。

14.價值不確定性

含義：數據價值不確定性也稱數據價值易變性，指數據價值受多種因素影響而表現出兩種變化，一是隨著時間推移變化，一些當前沒有價值的數據可能會產生更大的價值；二是隨著技術的進步或者可替代性數據的出現，尤其是生成式人工智能產生的大量湧現性和泛化性數據，可能會導致數據資產出現無形損耗，表現為價值降低。

影響：數據價值不確定性為數據定價、交易、入表等落地實踐帶來很大困難。一是在數據定價方面，由於數據價值變化頻率快，變化幅度大，傳統的收益法和成本法都不能準確確定數據的實際價值；二是在數據交易方面，數據價值上漲的預期可能會讓數據持有者產生“惜售”心態，而數據價值貶值的預期也會讓數據購買者產生“觀望”心態，都不利於數據交易的達成；三是在數據入表方面，無論是以無形資產形態還是以存貨形態列入資產，由於數據資產價值的波動性，都可能造成企業資產短期的大幅變動，不利於企業長期穩定經營。

15.功能替代性

含義：數據的功能替代性是指不同的數據在功能上可能是相互替代的，主要有兩方面的表現：一方面是不同數據採集機構採集的很多數據項是相同的。如儘管各類數據採集機構的客戶規模、業務類型、服務場景不同，但採集的用戶身份、上網終端、瀏覽日誌等數據項是相同的；另一方面是來源不同的數據，其實現的功能可能是趨同的。大量研究發現，利用搜索記錄來揭示用戶的音樂偏好，與利用其社交記錄揭示的音樂偏好基本類同，而使用亞馬遜購物記錄與使用谷歌搜索記錄，在提升廣告精準化方面的效果也完全相同。

影響：數據功能替代性特徵對數據定價、交易、運營、入表等方面影響巨大。一是在數據定價方面，替代性數據的出現可能會造成原先高價值數據的劇烈貶值，甚至價值歸零，給數據生產企業造成巨大損害；二是在數據交易方面，數據持有人所持有數據的關鍵信息發生洩露，或在交易前被數據購買人知道，則很容易在市場上找到可以替代的其他來源數據，導致交易無法達成；三是在數據運營方面，目前社會上持有大量高價值數據的政府機構、行業企業和平台企業，正在探索通過委託經營、信託代理等方式實現數據運營變現，但由於各種因素限制，現在各種機構能提供出來供公開、共享和交易的數據比例還非常小，大量數據仍然沉澱在各機構內部。而另一方面，中小企業平台、生成式人工智能等其他渠道產生的數據呈現爆炸性增長態勢，對原先的高價值數據形成很高的功能替代，造成沉澱在各機構中的數據快速大量貶值；四是在入表方面，數據入表制度的施行，將可能引發大量數據產品以資產方式進入企業報表，尤其是大量高評估值的數據產品一旦入賬，當替代性數據出現時，將直接引發數據資產泡沫，並存在洗錢風險。

16.協同性

含義：數據的協同性也稱關聯性，即來源不同的異質性數據可以帶來不同的價值，由異質性數據組成的維度不同的數據集，其價值常常會超過單一數據生產價值的總和。例如身份數據能反映個人特徵，位置數據能提供地點信息，支付數據能體現交易規模，將這些數據匯集成用戶綜合畫像，其商業價值往往比單一的身份數據、位置數據、支付數據更高產生的價值總和更高。

影響：數據協同性特點對公共數據授權經營方式的探索具有重要的啟示。目前各地探索實踐的公共數據授權運營模式往往對公共數據的應用場景和公共數據與其他來源數據的組合設置了許多限制條件，這樣確實對防止濫用公共數據和保護公共數據安全起到了較好的作用，但同時也大大降低了公共數據的價值，限制了公共數據與其他商業數據自由組合的應用創新。應鼓勵探索公共數據在多種場景中的應用，鼓勵探索公共數據與其他來源數據組合創新，形成更有價值的新的數據集。

17.多樣性

含義：數據的多樣性是指數據有單一形態數據和融合形態數據，而單一形態數據的表現形式多種多樣，可以是數字、表格、圖像、聲音、視頻、文字、光電信號、化學反應、甚至是生物信息等，融合形態數據的表現形式則更為豐富，有數字、表格、圖像、聲音、視頻、文字等的多模態數據，也有通過數字媒體與數字製作特技產生的各種融合數據等。隨著數字技術的快速進步，不同形態的數據可以互相轉換。

影響：數據多樣性對數據直接帶來數據使用方式的不確定性、數據價值的不確定性和數據的關聯性等方面的影響。一是導致數據使用方式的不確定性。儘管數據可以有各種不同的表現形態，但不同形態的數據可以通過不同的方法進行互相轉換，從而滿足不同數據消費者的需求，這種數據表現形態的轉換，導致消費者使用數據的方式發生變化，引發數據使用方式的不確定性；二是導致數據價值的不確定性。不同形態數據具有不同的處理方式，同一數據也可以有多種使用方式，數據處理方式和使用方式的不同，會導致數據資產的價值變化波動較大。三是為數據生產加工提供了更多選擇。數據的多樣性表明同一項數據有多種來源途徑，這就意味著要數據加工生產不僅僅是對單一形態的數據進行分析處理，而是要在種類繁多的數據間發現其內在關聯；不僅僅要做簡單的文本分析，還需要對傳感器數據、音頻、視頻、日誌文件、點擊流以及其他任何可用的信息進行分析。例如在客戶數據庫中不僅要關註名稱和地址，還包括客戶所從事的職業、興趣愛好、社會關係等。

18.規模性

含義：數據的規模性有三方面含義：一是指數據的數量，數據的數量越大，其價值越高；二是指數據的質量，數據越完整，其價值越高；三是指數據速度，包括數據的加工速度和數據的流動速度，數據的加工速度越快，其價值越高，而數據的流動速度越快，數據就越容易貶值。

影響：數據的規模性特點對數據的生產加工、資產入表、數據應用等方面有較大影響。一是在數據生產加工方面，數據的加工處理技術、網絡寬帶等基礎設施、以及社交網絡技術等技術成為數據生產加工企業的競爭要件，數據生產加工技術基礎薄弱的企業，很難快速採集和處理海量數據，也很難提供快速響應的、質量完整的數據產品，在競爭中必將處於劣勢；二是在資產入表方面，數據入表價值的確定與數據的數量級關係不大，而主要取決於數據質量完整性、數據生產加工速度、數據流動速度等因素，因此，不同企業入表的數據資產價值的差異性較大，具有很大不可比性；三是在數據應用方面，對大規模海量數據的分析加工，可以對個人的學習狀況、生活習性、社交交友、習慣愛好等方面進行準確畫像，對企業供應鏈管理、客戶管理、員工管理等方面進行精準分析，尤其是對一些有大量數據輸入或需要立即決策的事項等時間敏感性和決策性的分析，具有重要意義。

19.可加工性

含義：數據的可加工性是指，雖然數據只是由0和1兩個二進制數字組成的數字串和其他虛擬形態，但是，數據可以被編碼、標註、記錄和還原，打造一個與現實世界並行的數字虛擬世界；也可以被維護、更新、補充，增加數據規模；還可以被刪除、合併、歸集，提高數據質量；並還可以被分析、提煉、挖掘，形成各種層次的數據資源、數據產品和數據資產。

影響：數據的可加工性是數據價值的根本源泉，可以說，如果沒有數據的可加工性，數據是毫無價值的。因此，數據可加工性對數據確權、定價和交易有巨大影響。一是在數據確權方面，在數據資產的全產業鏈上，應按照“誰生產、誰受益”、“誰加工生產、誰收穫權益”的原則開展數據確權的探索實踐，特別是要明確原始數據的所有者不享有數據收益權；二是在數據定價方面，不同環節上數據的價格應該不同，經過生產加工的數據，以及經過複雜場景融合、提煉、訓練過的數據，理應具有比原始數據或初步標識過的數據有更高的價格；三是在數據交易方面，按照“原始數據不出域，數據可用不可見”的原則，交易的數據對象主要形式是數據集、API、模型、算法等經過加工的數據產品，但這些經過脫敏和加工過的數據，往往失去了數據原本含有的內在價值，大大降低了數據的使用價值。因此，探索形成既不影響數據隱私和安全，又保留了數據價值的數據交易產品，是發揚光大數據可加工性特徵的重大機遇和挑戰。

20.流動性

含義：數據的流動性有兩方面含義：一是數據流動起來後，能夠有效貫通生產、分配、流通、消費等全過程，優化各類要素的配置組合，從而實現對經濟的放大、疊加、倍增效應；二是數據流動匯聚起來後，能夠呈現和反映個人、企業、社會和國家的整體整體動態和需求，為個人更便捷生活、企業更有效運營、社會更有效運轉等方面提供更加全面、完整的決策依據。

影響：數據流動性是有效發揮數據價值的助推器，數據只有流動起來才能將其價值發揮出來，不管數據的潛在價值有多大，如果不能有效流動起來，這些數據的價值就不能體現出來。目前，在政府機構、行業企業和平台企業中都有龐大的高價值數據，但是囿於這些數據的權屬還沒有法律的定性確認，而涉及到的相關個人隱私、公共數據安全、國家網絡安全等方面的數據邊界還不清晰，導致政府機構和行業企業積累的數據長年沈淀在機構內無法應用，平台企業積累的數據也只是在企業內部使用，造成數據資源極大浪費，也從整體上降低了全社會的福利水平。因此，建立全國統一的數據交易市場體系，讓這些沉睡的有價值數據流動起來，是當前數據要素市場急待解決的首要問題。

聲明：本文來自交大評論，版權歸作者所有。文章內容僅代表作者獨立觀點，不代表安全內參立場，轉載目的在於傳遞更多信息。