ENGLISH
一、研究背景和核心问题
2020 年 4 月 9 日，中共中央国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，在传统要素之外，把数据纳入了生产要素的范围，从而为落实中央用数字化转型带动中国新经济发展奠定了坚实的政策基础。党和政府高度重视数据在社会发展中的作用，早在 2017 年 12 月 8 日习近平总书记在政治局学习中就强调：“在互联网经济时代，数据是新的生产要素，是基础性资源和战略性资源，也是重要生产力。因此要构建以数据为关键要素的数字经济”；2019 年 10 月 31 日，中国共产党第十九届中央委员会第四次全体会议通过的《推进国家治理体系和治理能力现代化若干重大问题的决定》,更全面具体地明确了要用市场化配置来激活数据这一生产要素，给出了把数据变成生产要素政府要解决的基本问题，涵盖了培育数据要素市场的若干关键点：政府数据开放共享、社会数据价值提升、数据治理科学规范、数据价格市场调节、数据产权交易机制等等。
2021-2022年，国家出台了《“十四五”数字经济发展规划》，同时，习总书记在《求是》杂志上发表的“不断做强做优做大我国的数字经济”文章，都强调数据要素以及数据要素的重大价值。其中，与我们的传统产业，尤其是中小企业，结合最为紧密的要点是“充分发挥海量数据和丰富应用场景优势、促进数字技术和实体经济深度融合、赋能传统产业转型升级、催生新产业新业态新模式”。
2022年4月份中共中央，国务院出台的《关于加快建设全国统一大市场的意见》指出：加快培育数据要素市场，建立健全数据安全、权利保护、跨境传输管理、交易流通、开放共享、安全认证等基础制度和标准规范，深入开展数据资源调查，推动数据资源开发利用。
2022年6月22日召开的中央全面深化改革委员会第26次会议，审议通过了《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。对数据和数据要素市场的理论研究有着重大指导意义，对实践更有着直接的落地作用。
2022年7月25日，国家发展改革委、中央网信办、教育部、科技部、工业和信息化部、公安部等20个部委建立了数字经济发展部际联席会议制度。这个制度的建立，将加速我国数据市场治理体系的形成和完善。
在数据作为生产要素的理论和实践都还不够完善的时候，国家及时推出一系列政策制度和指导意见，对中国打造支撑数字经济的新经济基础设施具有极其重要的价值。
数字经济的背后实际上是数据经济，数据是整个数据要素市场最基本的构成元素。目前，我国数据要素市场要解决的核心问题包括：数据要素基础理论和发展理念不完善；数据较散，价值化低；数据交易市场基础要件和基础环境不成熟；数据市场缺乏激励机制，数据拥有者缺少积极性；缺乏有效解决确权、定价等问题的技术手段；数据资产市场尚未形成等。针对这些问题，清华大学互联网产业研究院成立了专门课题组，对国内外数据要素市场发展情况和我国数据要素市场的理论创新、机制创新、技术创新，以及发展方向等进行了深入研究与探索，期望与社会各界一起探寻一条数据要素市场可持续发展之道。
二、国内外数据要素市场发展情况
全球数据市场发展现状
技术创新和数字设备的普及，使得大量的数据从各种各样的数据源头通过不同渠道快速产生，海量数据增长逐步衍生出一个新概念——大数据（big data）。大数据不仅强调数据巨量，更强调从海量数据中快速获得有价值信息和知识的能力。当前，大数据所蕴含的战略价值已经引起多数发达国家政府重视，相继出台大数据战略规划和配套法规促进大数据应用与发展。
其中，美国数据交易模式多样，数据市场政策开放；欧盟重视数据立法顶层设计，加强数据主权建设；德国率先打造数据空间，建立可信流通体系；英国金融行业先行先试，促进数据市场交易；日本设立“数据银行”，成立数字厅；韩国推行Mydata模式等等。
国外主要国家数据政策
我国在数据开放与共享、数据权利与保护、数据跨境流动和数据要素市场化方面密集出台了一系政策法规和指导意见。
国内数据政策一览
国内外主要数据交易平台情况
近年来，随着全球各国鼓励和推动数据要素市场建设，国内外均涌现出一批有一定影响力的数据交易市场。总体来看，国内外现有数据交易平台以API接口、数据包、人工智能工具、数据定制等产品为主，交易的数据覆盖脱敏数据、模型化数据和智能化数据。部分平台还提供数据加工、数据应用、解决方案、数据质量评价、行业报告等产品和服务。
国外数据交易平台自2008年前后开始起步，发展至今，既有美国的BDEX、Ifochimps、Mashape、RapidAPI等综合性数据交易中心，也有很多专注细分领域的数据交易商，如位置数据领域的Factual，经济金融领域的Quandl、Qlik Data market，工业数据领域的GE Predix、德国弗劳恩霍夫协会工业数据空间IDS项目，个人数据领域的DataCoup、Personal等。除专业数据交易平台外，近年来，国外很多IT头部企业依托自身庞大的云服务和数据资源体系，也在构建各自的数据交易平台，以此作为打造数据要素流通生态的核心抓手。较为知名的如亚马逊AWS Data Exchange、谷歌云、微软Azure Marketplace、LinkedIn Fliptop平台、Twitter Gnip平台、富士通Data Plaza、Oracle Data Cloud等。目前，国外数据交易机构采取完全市场化模式，数据交易产品主要集中在消费者行为趋势、位置动态、商业财务信息、人口健康信息、医保理赔记录等领域。
国内方面，在政策的积极指引下，我国大数据产业链雏形初步形成，交易需求大增，各类大数据交易中心如雨后春笋般在全国各地成立。国内大数据交易机构起步于2015年，据课题组调研，截至2019年底，已有近80家大数据交易平台投入运营，较为知名的如贵阳大数据交易所、上海数据交易所、华东江苏大数据交易中心、中原大数据交易中心、优易数据网等。除上述专业数据交易平台之外，与国外类似，国内IT头部企业亦在构建各自的数据交易平台，如：阿里云、腾讯云、百度云各自旗下的API市场，以及京东万象、浪潮天元等。课题组研究发现，国内所交易的数据产品以“粗放式”为主，相似度高，开发程度及附加值较低。数据主要来自少数主流数据供应商，如大型互联网企业、运营商，以及各产业头部企业等。
三.我国数据要素市场突出问题
当前，我国数据要素市场发展不平衡不充分问题较为突出，据课题组调研，主要表现在以下三个方面：
第一，从总量上看，我国数据要素市场场内交易发育不充分、场外交易乱象频发问题比较突出。目前我国数据交易平台普遍规模较小，超过50%的数据交易平台年流量低于50笔，大量处于停运或半停运状态，大量数据需求只能通过场外数据“灰市”甚至“黑市”完成交易。特别是大量互联网企业广泛收集个人身份信息，并进一步关联归集社交、生活、购物、出行等数据作为用户“精准画像”依据，这些数据一旦被泄露，就会成为“暗网”和数据“黑市”中的热门交易产品。近年来，涉及千万量级的用户隐私数据泄露事件已经不下数十起，主要来自“内鬼”盗卖和黑客两大渠道。
第二，从结构上看，数据要素市场部门壁垒、区域壁垒和产业壁垒依然突出。在政府层面，政务数据开放的动力机制尚未很好建立。政府数据开放刚刚起步，全国开放数据集规模仅为美国的约11%，企业生产经营数据中来自政府的仅占7%。在区域层面，各地政府牵头组建的数据交易中心同质化竞争严重，且往往受限于区域壁垒，服务半径很小，如武汉一度同时存在华中、长江、东湖三个数据交易中心。由于缺乏统一的数据要素市场交易规则和有效定价机制，导致每个交易平台都只是独立的小市场，阻碍规模化发展，服务能力不足，严重缺乏公信力。在行业层面， 近年来互联网公司阵营划分界限逐步明晰，垄断现象开始凸显，形成“阿里系”“腾讯系”“百度系”等数据共享阵营，彼此之间数据壁垒森严，阿里数加、京东万象、腾讯大数据、百度AI交易平台等头部企业交易生态体系彼此竞争激烈，阻碍了数据要素市场的一体化步伐。
第三，从实际运行看，支撑数据要素流通的交易要件体系尚未有效建立。数据尚不具备作为一种生产要素所必须的商品化、资产化机制，无法界定权属、无法有效定价、无法可信流通，企业获取政府数据、政府获取企业数据或企业之间交换数据，均存在巨大障碍。
在确权层面，数据作为一种虚拟环境物品，其权利体系的构成与界定与传统现实物品差异很大，数据权属生成具有主体多元、过程多变的特点，且同时存在国家主权、产权和人格权三种确权视角，彼此之间难以通约，需要对传统民事权利体系理论进行扩充和完善。目前，全球数据立法规制主要包括欧（隐私权导向）美（财产权导向）两大体系，前者对数据过度保护，数据产业发展活力不够；后者则片面强调市场规则，个人隐私难以保障。我国数据确权原则尚不清晰，导致政府和产业无所适从，缺位、越位、错位现象时有发生。
在定价层面，不同于大多数商品“先了解后使用”的模式，多数数据产品的了解过程与使用过程重叠，导致数据可用性无法事先确定，买卖双方对于数据价值的评估存在“双向不确定性”，再加上数据具有高固定成本低边际成本、产权不清、来源多样、管理复杂和结构多变等特征，使得数据要素定价难度远大于其他产品。目前，大量零散的数据交易定价均为针对特定应用场景的非标准化定价，缺乏统一的数据定价规则。
在流通层面，缺乏权威、统一的数据可信流通基础环境，数据交易双方信任机制难以有效建立。在交易事前阶段，由于当前绝大多数交易均依靠“点对点”场外交易方式，缺乏针对交易对手方和数据产品的评估体系，数据质量难保障，脏数据、假数据随处可见。在交易事后阶段，对于交易双方而言，数据“买定离手”，如果缺乏可信的交易第三方监管，一方将数据移交另一方后，彼此均很难控制对方的数据使用流向，因此建立信任关系十分困难。
四、数据确权、定价和交易方面的启示
从国内外数据交易市场和交易平台的发展状况来看，当前国内外数据交易还不够活跃，数据交易市场还不够成熟，对我国完善和发展数据交易市场有如下启示：
（一）数据确权方面
数据要成为数字资产，最重要的是对数据进行确权。数据确权的定义，包括数据的所有权、使用权、经营权、知情权、遗忘权、修改权、删除权、拒绝与限制处理权等一系列的权利。
欧盟确立了“个人数据”和“非个人数据”的二元架构。针对任何已识别或可识别的自然人相关的“个人数据”，其权利归属于该自然人，其享有包括知情同意权、修改权、删除权、拒绝和限制处理权、遗忘权、可携权等一系列广泛且绝对的权利。针对“个人数据”以外的“非个人数据”，企业享有“数据生产者权”。此欧盟数据确权尝试并不成功，“个人数据”和“非个人数据”的分割与现有实践不符。个人数据的范围过于宽泛，在数字化时代，几乎没有什么数据不能够通过组合和处理，与特定自然人相联系。由此，同一个数据集往往同时包含个人数据和非个人数据，将相互混合的数据区分开来，即使可能也非常困难，将产生过犹不及的结果，诸如伤及互联网成熟业态，阻碍人工智能、区块链和云计算等新兴产业的发展。
与欧盟相反，美国采取了数据确权的实用主义路径。美国个人数据置于传统隐私权的架构下，利用“信息隐私权”化解互联网对私人信息的威胁，在金融、医疗、通信等领域制定行业法，辅以行业自律机制，形成了相对灵活的体制。
我国在进行数据确权时，需充分借鉴欧美数据确权的经验与得失，着重关注以下四个“必须”：
必须充分考虑数字经济发展不同阶段和特定国情。随着国内大循环为主体、国内国际双循环相促进的新发展格局的建立，数字经济已经成为主要增长点和重要的就业渠道。尽管中国数字经济的成就为世人瞩目，但未来的路还很长。在此背景下，首先应以最大化数据这一数字经济生产要素的价值为最高宗旨。
必须坚持个人隐私与敏感数据保护的红线思维。数据确权后，数据就会进入要素市场进行市场化交易与流通，它还可能产生有害于消费者的负面影响。因此在制定数据确权机制时，对关涉个人隐私核心或个人敏感数据，要坚持数据隐私保护的红线思维。只有增加消费者的安全感和信任感，数据确权才能够落地，数据资产生态才能健康。
必须以数据流通与共享为主要目的。数据确权是为了数据合法的流通与共享，随着数字金融生态的逐渐开放，数据将会在不同经营主体之间流动、共享，不同数据的重新组合，衍生出新的数据。通过合同约定来分配各方权益，进而在规则竞争和演化的过程中，总结出最佳实践和行业标准，最终形成确权规则。
必须利用数字化技术手段赋能数据确权。传统的确权手段采用提交权属证明和专家评审的模式，但是缺乏技术可信度，且存在篡改等不可控因素。考虑到数据资产的特殊性，目前有两类技术可以赋能数据确权问题的解决。
一是针对数据需要物理上流通和交易，并且要明确所有权的场景，建议使用区块链技术：利用区块链不可篡改、数字签名、共识机制、智能合约等技术可以对数据进行确权，并对数据的产生、收集、传输、使用与收益进行全周期的记录与监控，为数据共享和流通提供坚实的技术基础。具体来说，数据资产的所有者、生产者和使用者作为重要的节点加入到区块链网络中，利用区块链同步共识，详细记录数据产生、流转、交易等全部环节，不但记录数据本身，而且记录该数据资产相关主体的身份及其操作历史，并全节点共识见证，任何一方都无法推脱和否认。从而实现生态圈中的所有参与方都能贡献自己的数据资产，并通过智能合约对资产流转与收益分配进行监督，达成收益共享与风险共担，大大促进数据资产的流通。
二是针对数据将会在不同经营主体之间流动、共享，不同数据的重新组合、分析会产生新数据，导致因多方参与难以划分数据的场景，在这样的场景下，数据的使用权与经营权就显得尤为重要，可采用多方安全计算，即在不改变数据实际占有和控制权或所有权模糊的情况下，促进数据流通共享的技术支撑，利用多方安全计算平台，将计算能力移动到数据端，确保企业数据安全和个人隐私保护的同时，促进数据共享利用与业务创新。目前，多方安全计算已经在金融机构之间的联合风控、联合营销等领域取得了初步成效。
（二）数据定价方面
作为未来数据资产价值释放的核心环节，数据定价相对于其他资产而言存在巨大的差异，数据资产的价值主要来源于其直接或间接产生的业务收益，但由于数据自身存在的无损复制性、按不同业务场景产生收益的可叠加性，使得特定数据资产的价值与传统资产价值不同，不是一个固定值，而是一个随不同因素变化的动态值。因此，数据的定价应该交给市场，由交易双方根据供需关系和数据价值进行合理定价，在一定情况下，政府或交易平台可以根据市场情况和相关规则给予一定的价格指导。
（三）数据交易方面
首要也是最关键的是要增加数据资源和资产供给数量和质量。当前数据市场供给不足、质量不高，数据开放共享不足是重要原因之一，更重要的原因是“不想”、“不敢”、“不会”：“不想”是担心泄漏商业机密和隐私，“不敢”是担心违法、违规、侵权等风险，“不会”是缺乏提升数据价值的技术和手段，一句话就是动力不足。为此，在加快推动数据开放共享的同时，一是要采用新技术保障数据资产安全和交易安全，保护企业商业机密和个人隐私；二是一方面推进《数据资产法》等相关法律法规进程，一方面综合运用政策、制度、技术等手段，分行业、分领域，在场景中推进数据流通和交易；三是要综合运用新技术、新理念、新模式，提高数据价值，建立信用体系，善用资本力量，做大数据交易市场。另外，还有一个非常重要的方面，就是要建立及时有效、前景可期的激励机制，激发数据交易主体和相关方的活力与动力。
五、我国数据要素市场发展方向
我国数据要素市场化应从理论、机制和技术三个层面进行创新发展。
中国各行业整体数字化水平
（一）数据要素市场发展的理论创新
数据要素化。单一的、无序的数据是没有什么价值的。数据要成为生产要素，必须经过数据要素化过程。
从产业链的角度岀发，数据要素市场可归结为数据采集、数据存储、数据加工、数据流通、数据分析、数据应用、生态保障七大模块，覆盖数据要素从产生到发生要素作用的全过程。数据要素化的关键是要让数据要素可确权、可定价、可交易。
要素数据化。土地要素数据化，包括建设用地、补充耕地指标跨区域交易；物理空间+数字空间的新型土地要素开发模式；土地数字空间映射，如数字CBD、直播农田、数字化车间等；网络数字空间“新土地”，如元宇宙等。
资本要素数据化，包括从主体信用到交易信用，数据穿透了曾经的高风险交易，解决中小企业融资难融资贵问题；基于数字平台做好数字监管，促进资本市场的数字创新 。
技术要素数据化，一是基于数据要素的科技创新基础设施及模式创新，包括算力网：东数西算、开放创新平台、开源生态等；二是基于数据要素的科技成果转化新模式，如技术转移机构、技术经理人等。
劳动力要素数据化，一是推进农村劳动力城镇落户、高质量就业；二是发展数字化劳动力，提高劳动力数字化能力素养、优化劳动力数字化发展环境、探索培养数字化新劳动力和加快培养数字经济专业人才等。
数据价值化。数据价值化是指以数据资源化为起点，经历数据资产化、数据资本化阶段，以期实现数据价值最大化、最优化的经济过程。
（1）数据资源化
数据资源化是使无序、混乱的原始数据成为有序、有使用价值的数据资源。数据资源化阶段包括通过数据采集、整理、聚合、分析等，形成可采、可见、标准、互通、可信的高质量数据资源。数据资源化是激发数据价值的基础，其本质是提升数据质量、形成数据使用价值的过程。
全球已初步形成较为完整的数据资源供应链，数据采集、数据标注、时序数据库管理、数据存储、商业智能处理、数据挖掘和分析、数据交换等技术领域迅速成长发展。全球看，即使欧美日韩等发达国家，仍处于数据资源化的初级阶段。目前，我国已在数据采集、数据标注环节初步形成了产业体系，数据管理和数据应用能力不断提升。
（2）数据资产化
数据资产化是数据通过流通交易给使用者或所有者带来经济利益的过程。数据资产化是实现数据价值的核心，其本质是形成数据交换价值，初步实现数据价值的过程。
从当前的经济和法律视角，资产具有三项核心特征：其一，资产应归属某主体所有或控制，即权属明确；其二，资产能够产生既有的或预期的经济利益；其三，资产是一种资源，具有稀缺性。而数据的无形性、可复制性以及取之不竭的特性，导致数据资产存在特殊性：第一，数据资产主体具有多重性，权属模糊，例如数据从生产到流转的过程中，可以产生衍生数据以及衍生数据的主体；第二，数据资产能够产生经济利益，要以数据资产的合理定价为前提，但数据资产的定价取决于特定场景，并不存在统一、普适性的定价依据，需要因场景而变；第三，数据资产是一种人为创设的资源，与石油等不可再生资源的稀缺性相比，数据的稀缺性是相对的动态概念，在某种意义上，数据资产是取之不尽用之不竭的。
数据资产化需解决数据产权模糊、数据隐私与安全问题突出、数据定价与估值困难、数据开放与流通困难等问题。
（3）数据资本化
数据资本化是拓展数据价值的途径，其本质是实现数据要素的社会化配置。数据资本化阶段，数据价值被打包成金融产品进入资本市场，推动资本集聚，促进资源合理配置，发挥数据要素对经济社会发展的乘数效应，实现数据价值的深化。数据资本化使数据价值由货币性资产向可增值的金融资产转化。
数据资本化是融资者和投资人共同分享数据价值收益的过程。从融资者角度看，融资者在获得融资的同时也可保留数据自主权。在数据资本化后，发起人仍可保留和管理数据，因此，融资人在实现资金融通的同时，也可进一步加工和应用数据，持续提升其价值。此外，数据资本化还可为融资者提供较高的融资杠杆，减少资金投入量，快速筹措资金。从投资者角度来看，数据资本化产品流动性较好，投资人无需考量发起人的经营状况，可直接投资高价值数据集合，若数据产品盈利，即可与融资人共享数据收益。
数据要素市场。数据要素市场就是将尚未完全由市场配置的数据要素转向由市场配置的动态过程，其目的是形成以市场为根本调配机制，实现数据流动的价值或者数据在流动中产生价值。数据要素市场化配置建立在明确的数据产权、定价机制、交易机制、分配机制、监管机制、法律范围等保障制度的基础上。数据要素市场可以分为一级市场和二级市场。
数据一级市场是针对政府、企业、个人的数据直接存储和使用的市场，在数据一级市场上，围绕 5G、物联网、工业互联网等新基建领域，在未来几年将会产生巨大的市场空间；当数据一级市场逐步完善，基于此就会产生大量的融合应用，并形成二级交易市场，也就是数据交易所。数据交易所将会成为未来的一个重要行业。
建设数据二级市场的数据交易所需要注意以下几个方面的问题。一是要注重数据的功能性价值发现：找到可以不断发掘的数据，并形成针对不同功能的应用场景。二是注重针对不同场景的数据定价系统：有了价值发现，数据就通过不同交易场景形成定价机制。三是注重数据交易的现金流管理：数据交易市场的自动交易特性会产生巨额的现金流，该现金流的管控是新课题。四是设计完善的数据交易机制：数据交易涉及买家、卖家、中介机构等，与数据交易有关的各种中介机构在数据交易所中发挥各自功能，需要建立一套新的交易规范。五是注意数据交易过程中的风险防范：数据交易市场和传统的商品交易市场、要素市场都不同，传统的商品交易市场是有形的商品有形的交易空间，要素市场是有形的商品无形的交易空间，而数据交易市场是无形的商品无形的交易空间，该空间中的风险更大，更需要加强监管和防范。
（二）数据要素市场发展的机制创新
第一，做好数据要素市场顶层设计。数据交易所必须由国有资本控股；明确数据交易所的法律地位，大数据交易所是所有数据交易的枢纽；确立数据交易所的平台职能，做好登记、撮合、交易、监管等各项服务。
第二，建立两类数据资产产品体系。一是“1+3+3”的大数据资产产品体系，包括数据本身、存储、计算、传输、算法、工具和解决方案 。二是数字化资产产品体系，包括数字化消费品、数字化文学艺术品、数字化设计品和数字孪生品等。
第三，营造良好的产业生态。建立可交易数据的可追溯系统、建立数据价值分类体系 、培育可信市场主体 ，大力发展人工智能技术。
第四，推动FTA形成统一的数字贸易规则。实现数据终端销售全球一体化、数据资源属地化，有序推动跨境数据资源互访 。
（三）数据要素市场发展的技术创新
创新和完善数据资产封装技术，包括分布式存储、区块链技术、隐私计算等，保障数据安全，实现有效确权、有效定价和可信交易。
六、数据要素市场的实现例证
如何运用新理论新机制去实现数据要素市场化呢？我们提出了数据要素市场交易的实现模型。
数据资产怎么封装？包括硬件级和软件级的封装方式。一是数据资产的交易流通系统。包括数据资产目录组织管理、数据资产交易及使用两个模块。二是数据资产封装系统。同时我们这个模型分成四个层次，第一是服务层，包括基本的技术服务、合规服务、价值创造服务等。第二是封装层，将数据变成可交易资产。第三是业务层，连通交易的核心主体，即买方和卖方。第四是激励层，包括交易模式、价值回报。把这一个个系统和四个层次架构起来，以此形成数据要素的市场化交易，这就是我们数据要素市场交易的实现例证。
七、案例：贵阳大数据交易所优化提升
我们课题组协助贵阳大数据交易所建立了“1板+1所+1库+2类资产+N生态”中长期总体优化提升方案。将从六个方面进行探索与实践：
一是优化提升贵阳大数据交易所，突出交易场所公共属性，完善“一中心+一公司”体系架构；建设“一个交易门户”+“三个技术支撑平台”流通交易基础设施，面向全国提供服务。
二是完善数据要素供给体系。推进数据资源化，通过政务数据供给引导、带动社会数据、企业数据、个人数据等市场主体参与，激活数据要素供给。
三是完善流通交易制度规则体系。推进数据资产化，推动数据所有权使用权分离，形成数据来源可确定、使用范围可界定、流通过程可追溯、安全风险可防范的数据要素可信流通体系。
四是培育流通交易产业生态。强化生态培育，重点发展上下游产业链，培育一批“数据服务商”和第三方数据服务中介机构，营造服务全国的流通交易产业生态。
五是探索激励政策支撑。强化激励政策，探索数据资本化，探索完善数据要素市场化配置激励政策体系，激发数据要素市场活力。
六是探索数据要素市场化监管体系。强化安全监管，打造公平开放的数据要素市场监管机制，形成政府、企业、社会多方协同的治理模式。
目前，贵阳大数据交易所优化提升的重点方向是：一、选择不同地区、不同领域应用场景，建设基于数据封装技术的新型数据资产交易平台，作为贵州数据流通中心平台的子平台，形成“一主多子”的分布式交易平台布局。二、搭建金融、健康等大数据资产交易试点子平台，运用先进隐私计算技术，培育大数据资产交易场景，提升大数据资产交易业务量。三、搭建文体、文旅等数字化资产交易试点子平台，先行先试，规范发展数字化资产交易，丰富数据交易品类，提升数据交易所交易额。
八、结束语
总体上来看，中国的数据市场化交易的理论体系和政策体系，我们要保持一致性，从国家层面上来讲，是比较靠前的；实践能力方面，我们的技术能力还可以，但是场景设计能力，尤其是具体的交易规则、机制的设计还处于探索初期。这需要更多的政府部门、行业协会、企业和产业积极参与其中，真正让数据变成资产，创造价值，为地方造福，为中小企业服务，为老百姓创收！网络时代，需要速度与创新，让我们用数字创新启动高质量经济双循环！
朱 岩
清华大学经济管理学院教授、清华大学互联网产业研究院院长。曾经担任香港中文大学访问学者（2002）、美国麻省理工学院斯隆管理学院访问学者（2003-2004），美国朗塞尔利尔理工学院访问学者（2004）。主要研究领域为数字化转型、数字经济、数字生产关系、产业区块链、产业互联网、产业数字金融等。
朱岩教授主持并参与多项“国家自然科学基金”项目，主持了中国移动、中国石油、同方威视、用友软件等多个企业咨询项目。曾担任中国建设银行党校、华侨城、顺鑫农业、东风日产、探路者等多家企业战略顾问，参与了建设银行、北京燃气、京粮集团、华侨城、北京一轻控股、北京城建等多家企业的转型设计，辅导了酒仙网、药药好、绿野网、茶途网、点到网、首铁资源网等多家互联网公司。曾在国内外重要学术期刊发表论文百余篇，出版《网聚天下》《企业资源规划》《管理信息系统》《互联网+建筑：数字经济下的智慧建筑行业变革》《互联网+能源》《智慧医疗：医疗行业的数字化转型和价值再造》《数字农业：农业现代化发展的必由之路》《中国建筑产业数字化转型发展研究报告》等论著，并开发了多个中国企业案例。
您有任何管理提升和数字化转型问题，都可以致电15777576460，或点击“联系我们”。我们将即时为您解答，或预约专家进行一对一沟通。
15777576460
