[数据概念|方案实操]清华数据大讲堂5-数据要素化治理的理论方法与工程实践

“ 数据要素化是资产化的重要前提和实现路径”

鼹鼠哥公众号链接在 [数据概念|方案实操]清华数据大讲堂5-数据要素化治理的理论方法与工程实践 (qq.com)

2024年6月5日，清华数据大讲堂第五讲开讲。

中国电子信息产业集团副总 陆志鹏 以《数据要素化治理的理论方法与工程实践》为题和大家进行了交流。

陆总开篇明义，强调数据要素化是数据资产化的重要前提和实现路径，进而就数据要素化的实现理论和方法实践进行了阐述。

凑巧的是，就在讲座的第二天，6月6号下午，鼹鼠哥也参与了数据大讲堂的第一场线下思享会，会上，大家就数据资产化路径中的数据登记环节进行了深入探讨。

两场活动中可以看出，虽然现在数据要素X的各项工作如火如荼，但是如何实现数据资产化，大家聚焦在第一个重要环节，即数据如何首先实现要素化及下一步登记什么及如何登记的理论和实践设计，并期望通过积极的理论和法制法规框架建设，走好数据要素化这个实现数据资产化的关键一步，为我国的数据经济发展奠定坚实基础，更好擘画数据要素化这篇大文章。

下边，我们就陆总的演讲内容跟大家做分享。

01   数据资产化基础逻辑

——————————————————

陆总的演讲分为三大部分

1. 数据资产化基础逻辑

2. 数据要素化治理工程

3. 发展展望

基础逻辑部分阐述了中国电子在数据资产化方面的理解，并引出数据要素化在资产化路径中的重要地位。

首先，数据资产化是数据要素化的“牛鼻子”

但是，数据资产入表还存在若干问题。

这里，陆总披露了一个我们之前可能经常忽略的数字，即数据资产入表后发出更正报告的数量，在2024年总计是7家，占完成入表披露企业25家的将近1/3，涉及总金额超过14亿元。

这个数字提醒我们，入表不简单，简单入表也不代表就万事大吉了。

三大误区

除了上述更正，在数据资产化过程中，还存在三大误区。

1. 资产标的误区，即拿什么来做入表资产。

2. 评估入表误区，即如何对待评估和入表两件事情。

3. 价值变现误区，即如何达到实现数据价值最大化。

结合上述误区的分析，陆总提出了数据要素化在数据资产化中的关键作用，提出数据要素化治理工程的重要性。

要素化是资产化的前提

而数据要素化治理工程是数据资产化的实现路径。

其中包括三个方面，即市场体系，制度安排和技术体系。

02   数据要素化治理工程-背景

——————————————————

演讲的主体部分是数据要素化治理工程的背景、理论、方案和实践。

这里陆总首先指出，数据安全是第一位的。

而原始数据的安全与数据流通之间的矛盾无法调和。

03   数据要素化治理工程-存在问题

——————————————————

数据治理面临诸多问题:

确权难:数据的主体多元交织造成确权难;权属关系复杂交错，造成析权难。

定价难:数据价值评估难;收益分配机制形成难。

计量难:尚无可计量的统一标的物;原始数据的质量和信息密度无法衡量。

安全风险:数据泄露、数据篡改、数据滥用。

04   数据要素化治理工程-理论探索

——————————————————

在介绍中国电子的理论探索前，陆总也使用了大家广泛接受的从数字到知识的DIKW金字塔模型。

这个认知金字塔的介绍，大家可以看我之前的文章。

[数据概念]大模型时代演进的DIKW模型【1】

[数据概念]大模型时代演进的DIKW模型【2】

[数据概念]大模型时代演进的DIKW模型【3】

并就数据要素和数据本身的属性特征的异同进行了理论分析

随后，结合土地要素的特点和一般规律，对比分析了数据要素化的特征和规律。

传统生产要素经历了多轮次配置方式的改革探索，已建立起较为完善的市场化配置体系其由“资源”到“要素”再进行“流通”，需经历多环节演进过程，权属、形态等均发生显著变化。

而对于数据，从计算机诞生起，数据管理一直是刚需。数据库技术打破了数据应用一体的信息系统构建方式，实现了数据和应用的第一次分离。但是，基于数据库的信息系统仍然是业务导向，采用的是“面向应用、效率优先”的数据组织方式，难以满足泛在计算时代的数据应用需求，数据互联成为快速发展的技术方向。

而在数据要素化的场景下，要将数据资源与数据应用进行解耦，把数据资源加工成数据初级产品按照市场化机制参与社会生产经营活动,释放数据要素价值。

这里有几个关键点，即要把资源和应用解耦-即独立要素化，然后要加工成初级产品-即产品化，这样才能进入市场，通过设计市场化的机制，参与到社会生产经营活动中。

陆总将其总结为：

数据要素化治理是指通过构建制度、技术、市场有机融合的体制机制，组织与协调各参与主体，安全、合规、高效推进数据加工处理、多元主体协调、市场化配置等数据要素体系化的活动集合。

05   数据要素化治理工程-工程思路

——————————————————

结合上边的思考，陆总提出了治理工程的思路。

1.定义“数据元件”(稳定的要素形态)化解流通与安全的矛盾。

2.构建兼顾流通与安全的数据要素化治理模型，解决数据确权授权、流通交易、收益分配、安全管控等关键问题。

3.形成制度、技术、市场“三位一体”的解决方案，推动数据要素化治理工程实践。

其中，重点提出了数据元件的概念。

“中间态”即数据元件。数据元件是通过对数据脱敏处理后，根据需要由若干相关字段形成的数据集或由数据的关联字段通过建模形成的数据特征。

并提出了基于数据元件构建的流通模型，其中重点为三三制数据确权法。

遵循数据资源持有权、数据加工使用权、数据产品经营权分置的产权运行机制，在数据资源、数据元件、数据产品三个阶段分别进行确权授权，降低确权授权复杂度。

三三制确权方法也是遵循了业界公认的三权分立的核心思路。

在流通模型的基础上，提出了市场分配机制。

即按照数据资源市场，数据元件市场和产品市场来分阶段按照不同模式运行的机制。

最终形成完整的数据要素化治理工程架构

坚持系统观念，构建“制度+市场+技术”三位一体的实施架构共同发挥制度体系的规范作用、市场体系的激励作用、技术体系的支撑作用，实现在安全前提下的规模化流通。

其中包括三个方面的体系建设，即

制度体系:以组织架构、管理制度为核心的制度体系。

技术体系:构建数据要素加工交易中心、数据金库、数据要素网、安全可信数据空间为核心内容的技术体系，共同完成数据治理流程。

市场体系:数据资源市场、数据元件市场事数据产品市场在内的数据要素化三类市场建立透明、公平、有效的市场机制。

后边陆总还就三个方面的体系的建设细节做了阐述，这里不再赘述，有兴趣的朋友可以公众号后台交流。

06   数据要素化治理工程-实施策略

——————————————————

框架设计完毕，就要谈到实施了。

对于治理工程的实施，陆总提出了在政府侧和市场侧各自的三方面重要事项。即三大体系和三大任务。

在落地实践方面，该框架也已经有若干落地案例。

07   数据要素化治理发展展望-数据要素互联网

——————————————————

对于整个数据要素发展的前景，特别是治理工程，陆总提出要建设国家-省-市三级数据要素互联网，推动数据要素安全、高效流通。

包括：

数据安全存储设施与互联网物理隔离，通过数据金库网实现数据金库之间的数据共享和数据交换。

数据元件作为流通的标的物，通过数据单向网闸、数据摆渡的方式到数据要素网，实现数据元件的安全流通。

最终实现释放数据要素价值的目标。

12   小结

——————————————————

简单做个小结：

数据资产化基础逻辑

• 数据资产化被视为数据要素化的核心驱动力。

• 数据资产入表存在诸多挑战和误区，如资产标的、评估入表和价值变现的误区。

• 数据要素化在资产化过程中起到关键作用，是资产化的前提和实现路径。

数据要素化治理工程

• 背景：数据安全与数据流通之间存在矛盾，需要平衡两者之间的关系。

• 存在问题：包括确权难、定价难、计量难以及安全风险等挑战。

• 理论探索：陆总对数据要素和数据本身的属性特征进行了理论分析，并结合土地要素的特点，对比分析了数据要素化的特征和规律。

• 要素化治理：涉及构建制度、市场体系、制度安排和技术体系，以实现数据资源与数据应用的解耦，加工成数据初级产品并参与市场活动。

• 陆总的演讲不仅提供了数据要素化治理的理论框架，还提出了具体的实施策略和未来发展的展望，为我国数据经济发展提供了坚实的基础和清晰的方向。

—————————————————————————

数据资产化，鼹鼠哥与你一起。

任何问题，欢迎大家公众号后台留言沟通。