数据要素作为数字经济和信息社会的核心资源，被认为是继土地、劳动力、资本、 技术之后的又一重要生产要素。数据要素在企业数字化转型中发挥了重要作用，并 对国家治理能力、经济运行机制、社会生活方式等产生了深刻影响。企业和政府组 织希望借助数据要素智能化的力量来解决生产、经营和管理过程中所遇到的难题， 在数字经济时代赢得发展先机。早在 2019 年党的十九届四中全会中，明确提出了 “健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、 按贡献决定报酬的机制”，从而正式认定了数据的经济要素价值。而在 2022 年国务 院办公厅《要素市场化配置综合改革试点总体方案》中，更将探索建立数据要素流 通规则放在了重要的方案实施范围中。
与其他生产要素相比，数据要素具有非稀缺性、非均质性、非排他性。相比起传统 要素来说，数据资源本身并非稀缺，一方面，数据量目前看来是接近无限开发的， 尽管事实上存储数据的物理设施最终要受资源总量约束；另一方面，数据参与生产 过程之后仍然存在，并不会被消耗掉，而是可以多次循环使用，且使用中可能促进 数据量的进一步增加。
数据要素目前仍属于早期成长阶段，未来市场空间广阔。在数据要素市场中，数据 可以作为劳动对象或工具，被挖掘出价值、使用其价值，为数据所有者带来最终的 经济效益。随着数据价值的深度挖掘，各方面资源配置的优化将成为长期驱动因素， 这也将为整个行业带来万亿的市场想象空间。
在数据作为生产要数的背景下，高价值数据的重要性凸显。土地、劳动力、资本等 传统要素在价值层面总体上是“量”、“质”线性统一的，即更大规模的要素投入虽 然可以获得更大的经济社会价值，但是会存在边际效益递减的趋势。而数据作为生 产要素而言，其数量和质量的关系相对模糊，大规模的数据库不一定能比小规模的 数据集释放出更多的价值。数据的专用性、易用性、时效性、信息密度以及与市场 相关的匹配度往往比数据的体量更为重要。 政府一直是高价值数据的关键持有者之一。政府所拥有的数据包括人口库、法人库、 交通数据库、地理信息库、宏观经济库等。这些数据涉及面广、信息密度高，来源 和获取方式合法，是全社会数据要素集合中的高价值子集。从人口库中，可以查到 公民的户籍、学历、工作，包括所获奖项、买的房子、车子等整套信息，可以了解 每个人的人生曲线。在交通数据库中，可以查到全国所有的车辆信息、路况信息、 驾驶信息、停车信息等等，可以了解每条路的路况以及每辆车及其乘客的行为轨迹。 相比起单一化程度较高的商业公司所收集到的数据，这些政府数据权威性更高、种 类更繁多，关联性更强，价值也更大。
不过此前政务数据开放困难，我们认为主要有以下两个问题： 1） 资源短缺：由于不同政府信息化发展程度不同，导致在下游提出数据分析需求 的时候，部分政府部门可能拿不出已经处理好的可以机器阅读的数据。对于绝 大多数地方政府而言，政府数据开放在以前更多是“补短板”而非“抓亮点”工 作，在实践中常常面临“高价值认知，低资源投入”的困境。因为对于大部分的 政府部门而言，经济发展始终是中心工作，政府内部通以经济增长的贡献高低 进行资源分配，而之前数据交易对经济增长的影响较弱，无法获得领导重视与 资源倾斜，在开展工作时常常面临资金缺口、编制不足等问题，这也导致了之前 政府数据开放的不顺利。除此之外，由于政府和企业之间缺乏信任，所以导致也 很难找第三方商业机构进行数据的处理。
2） 使用不当：在政府数据开放价值创造过程中，由于缺乏强制监管或适当激励等 措施，数据极易在使用上存在差错。这是因为政府数据开放价值创造过程中，政府将拥有的数据开放后，就实现了数据层和开发层的分离，这时数据开发利 用的主体不再是政府，而是转为市场、非政府组织以及公众。因为员工对于数据 的不当使用会对信任、价值观、满意度等产生负面影响，引起连锁反应，从而出 现价值破坏。以网约车司机为例：司机不守时、故意绕远、语音/行为冒犯等会 引发顾客对平台的，导致平台、司机和顾客三方利益受损害。一些互联网企 业私自采集用户隐私数据以及管理不善造成数据泄露等不当行为都会引起价值 共毁。“做对事情”与“别出事情”是支配政府行为的重要机制，在“谁公开， 谁负责”的问责制度下，一些政府部门抱着“多做多错，少做少错，不做不错” 的避责动机，消极应对政府数据开放工作。这也导致了数据开放的困难。
不过随着政府政策的持续推动，政府数据开放发展逐步提速。自 2015 年国务院出 台的《促进大数据发展行动纲要》中，就明确指出加快数据资源的开放共享是促进 大数据发展的主要任务。党的十九届四中全会决议再次强调，要继续加强数据有序 共享。2017 年 5 月，国务院办公厅印发的《政务信息系统整合共享实施方案》指出， 要向社会开放“政府部门和公共企事业单位的原始性、可机器读取、可供社会化再 利用的数据集”。2018 年 1 月，中央网信办、发展改革委以及工业和信息化部联合 印发的《公共信息资源开放试点工作方案》要求试点地区“提升数据的完整性、准 确性、有效性、时效性”，“明确开放数据的完整性、机器可读性、格式通用性等要 求。” 2022 年 12 月 19 日，中央、国务院发文《构建数据基础制度，更好发挥数据要 素作用》，此次发文是 6 月 22 日深改委会议文件延伸，全面准确地传达了国家顶层 对于数据要素市场发展的坚定决心、战略方向和具体指引。核心意义在于解决了很 多悬而未决争论已久的问题， 为产业发展指明了方向。
2023 年 2 月 27 日，中央、国务院印发了《数字中国建设整体布局规划》并发 出通知，要求各地区各部门结合实际认真贯彻落实，此次《规划》将数字中国建设 纳入领导干部考核指标。《规划》明确，数字中国建设按照“2522”的整体框架进行 布局，即夯实数字基础设施和数据资源体系“两大基础”。其中基础设施主要指数据 中心、5G、千兆网、物联网等基础设施建设，核心在于东数西算，数据资源体系主 要指推动公共数据汇聚利用，释放数据潜能，核心在于数据要素。《规划》强调：（1） 加强组织领导：数字化发展摆在本地区工作重要位置，各地政府在进行整体政绩考 核中会将数字化发展放在更为优先的位置；（2）健全体制机制：数字中国纳入党政干部考核评价参考，参考之前食品安全、环保等表述，预计未来各级党政干部会更 为积极参与当地数字化建设；（3）保障资金投入：引导资源支持数字化发展， 未来包括数据中心、数据平台等建设投入等业务会有更好的资金保障；（4）强化人 才支撑：要求增强领导干部和公务员数字思维，提升党政干部数字素养后会更好带 动相关数字化建设与投入；
2023 年 3 月 7 日，根据国务院关于提请审议国务院机构改革方案的议案，组建国家 数据局。2018 年政府职能调整后，各地均已有大数据局/大数据中心/政务数据管理 局等相关职能部门存在，在之前的《数字中国建设整体布局规划》中也明确指出“构 建国家数据管理体制机制，健全各级数据统筹管理机构”，设立国家级数据监督管理 机构是行业发展的必然之势，对于市场来讲事件符合预期。我们坚定认为，此次事 件意义不亚于 1986 年国家土地管理局成立。在此之前，我国数字化、信息化和数据 要素各类事项分布在各级政府网信办、电子政务办、发改委、工信部门、科技部门 甚至招商等部门中，各级各地政府以及相关企事业单位在业务发展过程中经常面临 “九龙治水”、“无人拍板”的窘境；从此以后，数据要素行业有了统一的监督、管 理、推动机构，未来整个数据要素行业会在统一机关架构带领下加速发展。
在政策的号召下，各地政府相继上线公共数据开放平台。截至 2021 年 10 月，我国 已有 193 个省级和城市的地方政府上线了数据开放平台，其中省级平台有 20 个（含 省和自治区，不包括直辖市和港澳台），城市平台 173 个（含直辖市、副省级与地级 行政区）。同时在政企数据共享方面，正在由政府主导型向政企合作型转变。政企数 据双向共享的实质是政府与企业两大主体之间数据的双向流通，政企双方数据的共 享融合有利于释放更大的数据价值。
同时在数字经济的大风口下，随着行政手段大手笔解决资源短缺，各地交易所相继 成立来解决使用不当，政务相关的数据要素开始与生产活动进行有效对接。在我国 政府通过连续发布多项政策措施、制定法律法规、完善管理机制、规范标准体系等 手段全方位、立体化促进数据开放共享的趋势下，之前政府数据开放的障碍正在逐 渐消融。同时，在数据要素市场建设的萌芽期，培育市场、发展市场、壮大市场是 现代政府的必然义务。政府向社会开放公共数据资源，不是简单地为了“开放”而 “开放”。在这种公共治理创新活动的背后，是政府在数据要素化大背景下所要承担 起的时代责任。这份责任也在不断要求政府必须将高价值的公共数据资源贡献出来。 1.0 阶段：2015 年至 2017 年，第一波“爆发期”：自 2015 年贵阳大数据交易所正式 挂牌运营以来，这一期间，先后有近 20 家数据交易所成立。由于缺少强力法律保障 和独特优势，无法打败数据灰产交易，部分交易所已经处于名存实亡状态。 2.0 阶段：2020 年之后，北京和上海等地成立了新一批数据交易所，且未来还会有 多个交易所准备落地。2.0 阶段数据交易所更注重国有股权和生态建设，目前处于蓬 勃发展和活跃探索阶段。
我们认为，在政府大力推动政务数据开放的大背景下，数据要素行业即将进入爆发 前夜。政府数据开放是政府培育数据要素市场的核心举措，实际是要求政府在社会 中扮演数据供给方的角色，通过面向非政府主体供给高价值数据的方式，促进我国 数据要素市场的发育，激励围绕数据的社会创新发生。随着之前不愿开放、不敢开 放以及不会开放等问题的逐步解决，数据要素市场正在逐步迈向深水区。
和石油一样，数据要素的价值不在于其本身，而在于其通过二次加工后所产生的衍 生品。数据要素通过对下游场景赋能，从而提高整体的生活、生产、治理的效率。 通俗的来说，乘数作用就是一个变量的作用逐步放大，产生一种类似链式反应的效 果。从对社会的效用来看，数据要素的开放能提高生产力；创造新的产业生态；提 高科学研究的速度、效率和范围；提高社会的公平性；推动更好地公共服务从而为 社会创造更大的价值。从数据要素的要素属性来看，数据要素可以直接投入信息生 产创造价值；生产中的要素替代与节约，降低要素总投入量；以及与生产中的其他 要素融合所达到进一步的价值共创。
数据要素作为信息的载体，本身就可以直接投入各项生产环节之中。数据则是信息 的一种载体，文字、语言、数字在广义上也归属于数据，但在数字化之前数据与信 息的差别不大，人们自身就可以直接处理数据，尚未构成一个“从数据到信息”的 产业链，数据还不具备充分的要素属性。直到社会进人数字化时代后，狭义上的、 可作为要素出现的数据才正式登上社会舞台。 数据要素所产出的信息产品满足了人们多方面的信息需求。数据不是天然的产物， 是复杂劳动加工的产品，其采集与生成耗费和凝聚了人类的劳动投入。数据的生产 过程经历了数据收集、数据清洗、匹配集成、归类存储等多个环节，数据生产者在 上述的每一个环节都注人了劳动。劳动不仅让承载着信息的数据得以生成，还放大 了数据的规模，增加了数据的最终价值面向企业级用户，数据要素被投入到工业应 用软件、市场调查、业咨询以及数据库产业的生产与服务活动中;面向消费者用户数据要素支撑着线上教育、文化传播、交通气象、个人软件等多产业。数据要素的投 人促成了全球数字经济的繁荣。进一步来说，数据要素产出的信息产品，其价值在 于人们在“拥有消息”与“没有消息”两种状态之下做出不同行为选择之间的价值 差。
商业查询平台是基于公开信息的第三方信息查询平台，与中国征信体系互补。商业 查询平台通过结构化、体系化、可视化的数据收集与加工，减少商业交易中的“信 息不对称”，降低社会运行中的“信用成本”，助力诚信社会建设，从而具备了意义 更为重大的社会价值。无论是商家对商家的 B2B 交易，还是商家对消费者的 B2C 交易，买卖双方都一个共同的需求，即希望寻找到一个可靠的交易对象，以保障易 安全、降低交易风险、避免交易纠纷。这也催生了一个巨大商机:在合法框架下，如 何帮助市场交易的双方主体增进彼此了解、双向降低信息不对称，并实现对部分潜 在风险的识别。
商业查询平台通过结构化、体系化、可视化的数据收集与加工，在实现商业价值与 用户价值的基础上，进一步减少商业交易中的“信息不对称”，降低社会运行中的 “信用成本”，助力诚信社会建设，从而具备了意义更为重大的社会价值。政府数据 的大规模开放是我国商业与信息查询行业得以诞生的根本原因之一。以市场份额排 名第一且知名度最高的天眼查为例，根据该平台的业务描述，该平台是通过非人工 方式从全国企业信用信息公示系统、中国裁判文书网、中国执行信息公开网等政府 数据开放平台以及国家知识产权局、商标局、版权局等行政部门的官方网站收集、 聚合公开数据。例如，通过全国企业信用信息公示系统所提供的数据接口，天眼查 平台获得了企业相关的工商基本信息、股东信息、工商变更信息、主要任职人员、 企业分支机构、动产抵押、股权出质、行政处罚、企业年报等重要数据。
在政府数据要素进一开放后，商业查询能为企业带来更大的价值。据《中国经济周 刊》报道，2017 年 4 月天眼查个人端产品商业化后，一个月时间就实现了收支平衡， 当年营收额达到了 6000 万元，不过后续再无公开营收数据。这一案例也证明，将政 府分散在各处开放的公共数据资源进行整合、梳理与分析，也能够创造出巨大的经 济社会价值。
饮食是人们日常生活的基本需求之一，但餐饮领域存在的明显信息不对称也一直是 困扰社会的一大难题。一个普通食客进人餐厅后，能看到的往往是一个封闭的厨房 和道道直接呈上来的菜品。这些菜品是不是在安全卫生的条件下生产出来，食客通 常不得而知。因此，保障饮食生产与供应的卫生安全，减少餐饮领域卫生条件的信 息不对称，不仅是社会大众的真实期盼，也是政府开展社会监管与公共服务活动的 重中之重。 通过卫生数据要素的开放，让市场、社会参与市场监管成为可能。通常来说，大部 分国家会要求店铺通过张贴卫生评级贴纸到餐厅的醒目位的模式去展示其卫生情 况。但是大部分情况下，大部分消费者在进入店面之后，并不会因为看到餐饮卫生 质量的贴牌而改变自己的选择，也无法起到反向的客户监督作用。2012 年，英国食 品标准局将所有的食品卫生评级结果放到了网上，所有消费者都可以登录 “ratings.food.gov.uk”网站输人铺的名称和地址信息，来查询一家店铺的评分情况。 更重要的是，英国食品标准局向社会提供了应用程序 API 接口，方便各类社会主接 通过接口调用食品卫生评级数据，并对这些数据进行开发利用。
这种数据要素的开放就给了互联网企挖掘及调用食品卫生评级数据的机会。在英国 境内占据市场份额较大的 JustEat、UberEat 和 Deliveroo 等生活服务平台(类似中国 的美团、大众点评、饿了么)，都调用了英国食品标准局所开放的食品性评数据以供 消费者在选择餐厅的时候做出参考。还发有人开发了一个叫做“Don’tEatAt”的 APP， 用户在允许 APP 读取地理定位信息后，一旦进入一家卫生有问题的餐厅，APP 就会 跳出一个警示“⚠”，提醒用户这家餐厅的潜在卫生问题。
通过数据要素的流通以及反馈，英国餐馆的卫生水平进一步的得到了提高。英国食 品卫生评级的数据开放取得了非常显著的社会收益根英国食品标准局估算，每年大 约有 1.2 亿次的 API 调用申请服务发生，大量的社会机构与个人获取了相关数据并 加以利用。事实上从那些认真对待餐馆经营的老板角度来看，食品卫生评级数据的 公开和被利用，对他们店铺的声誉与生意确实有好处。北爱尔兰地方政府还利用这 一数据来调整受评估店铺的行政缴费率，以激励餐馆切实地改善他们的卫生条件。 英国食品卫生评级的政府数据开放还在食品卫生领域之外发挥出更大的功能。例如， 英国经济部(DepartmentforEconomy)通过将食品标准局开放的食品卫生认可计划数 据（FHRS：Food Hygiene Rating Scheme）与其他数据集的“并库”分析，来检查房 产的商用情况。英国地方政府则利用 FHRS 数据来判断哪一片城区的下水道非常容 易被食品垃圾中的脂肪堆积所阻塞，从而显著提升了城市管理的效率。
在非信息产品的生产中，数据要素所能发挥的重要功能之一，是在某些生产环节替 代其他要素，进而在总体上节约各类要素总投入量。历史上，随着生产力的发展与 科学技术的进步，新兴生产要素对传统生产要素的替代一直在发生。就像机器能够 替代人力，数据要素对其他要素的替代功能也不会例外。相较于信息产品的生产即 “数字产业化”，非信息产品的生产同样可以投入数据要素并迈向新的产业模式，也 即“产业数字化”。
数据要素拥有的是一种“虚拟替代性”。在传统的生产模式下，土地、劳动力等各种 物理实体要素会对生产活动加以约束，决定了生产活动的发生时间、发生地点、发 生规模。数据要素投入生产活动中后，某些环节就不再依赖物理实体要素，转而依 靠存在于虚拟空间中的数据要素来完成该环节的生产。这就是数据要素在生产中的 “虚拟替代性”体现。最为典型的数据要素替代土地要素案例是那些互联网交易平 台。过去，人们在线下的特定场所里进行货品交易，在这种传统的生产模式里，土 地为交易双方提供了活动空间，但也约束了交易的发生场合。以阿里巴巴批发网为 代表的互联网交易平台，将货品交易到了线上的虚拟空间中。这样，即使买卖双方 主体在浙江义乌或者广东广州，看货、谈价、签约等交易活动也一样能够完成，甚 至还可以举办线上展会，实现“云上看展”。如今在许多行业，线上交易的规模已经 能够占据半壁江山。
重要的是，尽管数据、土地、劳动力同属生产要素，但在许多情境下，使用数据要 素达成相同的生产目标更具经济性、生产成本更低。因此，用数据要素替代土地、 劳动力等传统要素，除了提升生产效率之外，最重要的意义在于要素总投入量的节 约。节约出的传统要素可以改投到生产过程的其他受土地、劳动力要素制约、更具 要素紧缺脆弱性的环节之上，从而带动生产活动实现效率效能的全方位提升。
通过大量数据所建立的数字城市以有很多创新的治理方式。如数字规划与模拟为城 市规划者生动呈现不同方案特点，数字技术可以助力疫情的管理和防控，可以实时 呈现城市危化品的运输轨迹等，让城市更有韧性。数字孪生城市可以改善居民生活。 人口膨胀、交通拥挤、住房困难、资源紧张等“城市病”日益严重，城市可持续发 展面临重大挑战。数字孪生城市可以提升居民服务，如智能门磁感知系统守护失能 独居老人安全，实时导航服务便捷市民出行，远程医疗、数字教育惠及更多人群， 让城市更加宜居。同时数字孪生通过智能分析与空间推演优化资源分配，调整人口 与产业分布，改善环境承载力；新型分布式综合能源系统促进清洁能源应用，让城 市更可持续。
例如，2021 年 11 月，国网上海电力研发的数据产品“企业电智绘”在上海数据交 易所完成交易，该产品利用企业用电行为、用电缴费、用电水平、用电趋势等数据 构建评价模型，为银行提供授信决策、贷后管理、反欺诈等方面的决策参考。又如， 在房地产领域，利用房地产基础数据能够为商业银行按揭贷款业务及抵押物价值监 测提供更多有价值的信息，包括客户资信评价、贷款风险控制以及不良资产处置等 可以看出，对于数据要素利用而言，在数据要素开放后，不仅能开拓新的业务领域， 而且赋能关联行业业务发展，这也正是数据要素所发挥的乘数。
以英国施工地下管线的单位破坏模型为例，我们会发现城市数字孪生对于提升城市 运营效率和节约城市维护成本有很大帮助。目前全球大部分的地下管道数据并没有 被要素化，施工单位通常需要在施工前联系多个组织从而获取关于地下水、气、通 信以及特种管道的具置数据。在目前的情况下，这些数据通常有多种格式和比 例，具有不同的准确度，甚至还可能不完整。这就导致在施工过程中挖断管道变成 了一件常有的事，这不仅耽误了施工进度，还产生了不必要的财务支出。英国政府 曾经计算过如果将国家地下资产进行数据登记后，在未来的十年里有望每年收益 3.641 亿英镑。其中减少公用事业停工带来的节省每年有 2.5 亿英镑；通过共享数据 降低的交流成本每年有 9100 万英镑；以及通过提高项目现场效率带来的 1600 万英 镑收益。也就是说如果对全英国地下管线数据数字化后的投资收益进行保守估计， 每投资 1 英镑可产生价值 30 英镑的收益，这对于任何政府计划来说都是极高的回 报率。
数据要素还可以与其他类要素相融合，以协同创造财富与价值。一种生产要素要助 力生产的价值创造活动，就必然要与其他要素相结合，如劳动力与土地的结合、劳 动力与资本的结合。在现实中，数据要素则更加依赖于与其他物理要素的结合，这 是因为数据要素具有“虚拟”与“赋能”两重性质。数据的“虚拟”性质使得数据 要素在参与非信息产品的生产时，必须以其他生产要素作为载体。数据的“赋能” 性质则源于其他物理要素运用活动对数据的需求。通过吸收与运用数据，生产活动 能够提升要素使用的整体效率效能。
知识与技术的传递以及再创造。数据本身就是信息的载体，数据要素与其他物 理要素结合后，高价值的知识与技术也同时实现从数据要素到物理要素的传递 与结合，从而提升生产效率与效能，并最终构成产品本身价值的一部分。在数 据要素与其他物理要素结合后，新的知识还会被继续创造出来。例如，劳动力 与数据的结合可以产生对劳动力状况的新理解，资本与数据的结合能够形成数 字化资本。通过知识与技术传递以及再创造两种效应的加总，数据要素与其物 理要素的结合能够大幅缩短一个生产活动的技术积累与研发周期，帮助产业在 更短的时间内迈上新的台阶。
对传统生产要素改良并生产率的整体提升。在传统的生产模式下，生产活动的 管理者那些对决定要素最优投人量与最优组合形式的必要信号(如价格信号、供 给与需求信号、竞争意愿信号、风险信号)并不完全清楚，也不具备充分的时间 来获取上述信号。但在数据要素充分流通后，在生产中对某一类特定要素的短 缺或者冗余现象会开始逐步减少。例如:数据要素与劳动力要素结合后，通过对 企业用工结构的优化和人力资本的更优配置，消除劳动力要素的冗余配置，实 现劳动生产效率的提升;数据要素与资本要素结合后，通过数据驱动投资决策， 调整和优化投资方向，改良资本在整个要素投入结构中的占比，从而实现资本 应用效益的最大化等等。
在传统时代，气象部门主要利用本地化的观测仪器获得本地观测结果，进而做出对 未来天气状况判断。后来，气象卫星拍摄的云图极大地提升了天气预报准确性。不 过人们获得的依然是“未来 24 到 48 小时有雨”这样相对粗颗粒的预报信息。进入 数字化时代后，通过进一步的对气象基础设施的建设，气象部门能够产出更细致、 更准确、信息含量更大的高价值气象信息产品。例如，我国政府在全国各地布设了 数百台天气雷达构成了一个密集的天气雷达网，实时收集云雨目标物的数据。中央 气象部门汇聚了企国所有多普勒天气达收集的气象数据后就可以将这些数据作为 要素，投人高价值气象信息产品的生产中，像雷达回波图就是这一生产活动的典型 产出。
不同观测频率与观测重点的气象数据，经过处理后形成了预警、预报、气象指引等 不同形式的气象数据产品。根据著名的德尔菲气象定律，气象投入与产出比为1:98， 即企业在气象信息上投资 1 元，便可以得到 98 元的回报，这反映了气象数据的巨 大价值。气象灾害预警类数据可以服务于城市管理尤其是为建设韧性城市，提高数 字政府建设水平，强化数字技术在应对气候自然灾害等突发事件应对中的运用，全 面提升预警和应急处理能力。气象数据企业以上述数据产品为基础，通过高时效性、 可视化、格点化的数据服务，满足农业、电力、新能源、零售、保险、交通等领域 客户的不同需求。
农业：气象服务公司结合遥感、物联网、水肥一体化等技术为传统农业提供信 息化综合解决方案。为农业生产者对农作物种植面积、作物长势提供遥感监测， 进行大宗农产品产量预估，为病虫害和气象灾害提供决策支持，实现减少投入、 规避风险、提高产量、增加效益的目的。
电力：通过建立对气象数据的分析平台，电力行业相关企业可针对造成电网及 设备设施损害的主要自然灾害进行精细化、杆塔级的监测预警，以先进的科技 手段支撑电网防灾减灾。
新能源：新能源发电站通过采用更高精准度的气象数据和智能预测模型，对区 域内风光出力进行准确的预测，从而提高能源利用效率并减少因波动性和间歇 性特征在并网时给电网造成的冲击。
零售：精准的天气数据分析不但可以帮助商家预测商品销量、客流量、商品库 存量等，也可以通过结合历史气象数据，分析消费者喜好，商家还可以进行精 准营销，最终实现降本增效的效果。
保险：气象数据在保险领域主要应用包括气象保险指数产品、巨灾保险产品、 保险公司风险测定等。
交通：气象情况对交通安全与效率造成巨大影响。例如，气象数据已在航班管 理、民航试飞、机场选址等场景发挥巨大价值，不仅提升了航班安全水平，也 帮助相关企业实现降本增效的目的。
交通数据具有维度多、实时性与动态性强等特征，包括实时流量、车辆综合信息、 阻断与管制情况、路况与天气等多个维度，形成智慧交通系统、自动驾驶地理围栏 服务、智能导航等多样产品，其应用场景全面覆盖 G 端、B 端与 C 端，满足各个领 域的需求。
G 端：交通大数据是城市流量的直观体现，对城市治理与智慧城市建设有着不可估 量的价值。在数字政府等政策的推动下，各地建设智慧交通系统，显著提高了治理 效能，为相关软件与服务市场注入巨大动能。以捷码综合交通运行监测与应急指挥 平台为例，其汇集并统筹公路路网、城市交通、出租网约、长途客运、货运、交通 枢纽场站、交通在建工程等各种交通信息资源，提供全面监测、分析决策、行业监 管、应急保障等服务，该平台服务于交通运输监管单位的综合交通管理工作，已在 浙江省多地交通运输局实施应用，切实推动了治理现代化、智能化。
B 端：交通大数据代表的城市流量信息蕴含着巨大的商业价值，相关产品与 B 端需 求的结合将成为城市增长的亮点。围绕实时流量、车辆综合信息的交通大数据能为 商家精准的预测区域流量、消费者偏好与消费能力等，为经营管理赋能，实现降本 增效。此外，交通大数据与智能驾驶、等新兴应用场景深度融合。基于 V2X 车 路云协同技术，百度智能网联解决方案为自动驾驶与智能交通提供泛在连接技术与 端到端应用服务；基于百度地图海量时空数据，百度智慧地图解决方案构建金 融行业的地图数字底座，与网格化营销管理和服务、新型车险运营、网点选址、地 址反欺诈、农业等诸多业务场景深度融合，赋能行业数字化与智能化 升级。
C 端：交通大数据带来数字地图、智能导航等服务的全面升级，让 C 端消费者更好 享受城市生活。交通大数据切实便捷了消费者出行，传统导航业务在路线指引的准 确性、实时性进一步增强，网约车等服务不断成熟；交通大数据助力新零售，以美 团、盒马为代表的服务把城市生活的多姿多彩带到消费者身边。 除了基础的地图功能外，通过对交通数据以及其他数据的进一步叠加分析，可能还 能得到很多行为结论。目前，北京公安正在尝试用智能公交一卡通数据的分析研究 结果，根据异常交通记录分析来抓小偷。因为绝大多数的行人会选择最优的交通方 式（最短时间／距离，或者最少的换乘），而扒手的行为路径可能不会按照最优解进 行。类似的行为分析可能还能用到旅游热力分析，路况分析等多个场景。
因此，我们会发现数据要素既是生产要素，也蕴含着其他生产要素的意义。经济活 动的效益是由劳动者、土地、资本、企业家才能、技术、数据(信息和知识)等全要素 协同作用的结果，要素之间的连接形成了经济价值网络。以数据为纽带,不断冲破行 业信息不对称的壁垒，跨行业资源整合成本不断降低，行业不断跨界融合，衍生平 台经济、共享经济、零工经济等新的经济形态，数据在其中发挥着核心和纽带作用。
随着数据要素市场化的深入，颠覆式创新时代即将到来。数据与经济活动的深度融 合一直都可以促进各类生产要素的融合创新，就像互联网模式衍生出的“互联网+” “5G+”、“人工智能+”等信息服务新业态。就像滴滴除了提供打车平台外，也开创 了顺风车、拼车等出行模式，数据要素市场中的创新在未来也一定会成为颠覆性创 新的源头。因为数据要素和任何一个行业的深度结合，各类学科的交叉沟通，都可 以带来“更简单、更容易、更便宜”的三更解决方案。这正是每一次生产力发展周 期都会带来十倍到百倍的新增市场，这就是数据要素化对我国经济的真正的创新式 “颠覆”。
数据要素化的本质是流通。数据流通的基础含义是数据参与社会化大生产的流动过 程。在这个流动中，数据持有方提供数据参与融合计算得到计算结果和销售利润， 数据使用者在生产活动中使用该结果获得业务价值，从而完成数据参与社会化大生 产的过程。数据流通涉及数据从提供端转换到使用端中的方方面面，包括流通对象 (原始数据、数据价值、数据产品、数据服务等)、流通组织(数据交易所和交易机构、 数据共享开放平台等)、流通基础设施(企业级、行业级、国家级数据流通网络和算 力平台等 )、流通技术(数据隐私保护技术、数据流通使用可控技术区块链、人工智 能等)、流通环境(数据权属界定、流通、交易、应用、安全保护、监管法规和制度 等)等。 数据要实现流通，必须解决两大核心问题: 一是交易侧，也就是数据在流通中信息 泄露和不可控的问题，二是价值侧，也就是数据流通中价值确认的问题。数据流通 的不可控和泄密风险导致政府不敢开放数据，数据流通无法定价导致部分政府开放 数据意愿不强。
传统数据流通方式是明文数据的复制和传播。由于明文数据几乎没有复制成本，以 这种方式流通数据面临许多不可控的因素，导致数据持有方“不愿流通”和“不敢 流通”。因此，传统通过物品排他性占有来控制其流向和使用的方式，在明文数据流 通中作用荡然无存，需要引入新的机制使数据流通可控，才能构筑数据流通的秩序。
明文数据的复制和传播在混杂了很多数据来源之后，会存在一定的半岛平台风险。数据大规 模流通实际上是多元多方数据的融合计算。这一过程如同开设“数据化工厂”多种 原料(数据)在一定的配方和条件下(算法)产生化合反应(融合计算)的产物(计算结果)， 在创造价值的同时有可能会对他人、社会和国家造成危害或产生重大风险。就像硫 黄、木炭和硝酸钾单个物质在常温下都相对稳定，不属于高危品，但按照一定比例 混台后却能形成炸药，十分危险。典型的现实案例是 2016 年美国总统大选期间，英 国数据分析公司“剑桥分析”(Cambridge Associates)曾利用其之前以学术研究名义合 法从知名社交平台脸书网 (Facebook)获得的数据包并结合其他条件，对用户通信内 容和行为动态等特征班行分析，有针对性地给大量选民发送定制信息，干扰政治舆 论推动民意为特明普团队助选，直接影响了许多州的选举结果。这种以无害理由获 得大量数据，然后用于其他目的，甚至可以影响政治可以说直接危害社会稳定与国 家安全。
这些问题产生的原因是来源于数据流通的所导致的负外部性。负外部性是指在无管 制的状态下，个人或企业不必完全承担其行为带来的社会成本，例如化工企业把污 水排放到河流中、烟民在公共场所抽烟、黑工厂使用童工等。这些行为在给已方带 来利益或满足的同时，对他人或社会带来不同程度的负面影响，但行为方却不必完 全承担这种负面影响的后果或成本。 推动数据有序流通，需要提前构建负外部性的风险防范机制。对数据监管者而言， 加强针对改据流通的监管势在必行。其根本目的就是要管控数据的具体使用目的、 方式和次数，防范数据大规模流通的重大潜在风险和负外部性，如持有数据的组织 在流通中仅自身获得巨大经济收益，但产生致据政视、数据垄斯，侵害个人隐私甚 至国家安全等负面社会影响。
因此，数据的分级保护政策需求应运而生。2021 年 9 月生效的《中华人民共和国数 据安全法》(以下简称《数据安全法》)，对数据分类分级做出了专门规定，提出“国 家建立数据分类分级保护制度”。公共数据分类分级对于落实公共数据安全保护、实 现公共数据共享开放具有重要意义。根据数据类型特点等对公共数据分类分级，有 助于明确公共数据的业务归属和重要程度，精准化梳理数据关联性，进一步完善公 共数据安全保护体系建设，从而规避包括混杂数据、“灰色地带”数据、“暗数据” 和“弱隐私数据”等在内的公共数据开放利用中可能出现的安全风险。 目前我国各类与公共数据分类密切相关的法规或标准已经或即将公布。如 2013 年 发布的《信息安全管理要求》规定了信息安全风险评估、处置等要求，2021 年 11 月 出台的《个人信息保护法》规定了敏感个人信息的处理要求，同月发布的《网络数 据安全管理条例(征求意见稿)》再次明确了网络数据分类分级保护制度。此外，正在起草的《信息安全技术网络数据分类分级要求》提出了网络数据分类分级的原则、 方法，明确不同类别级别的数据安全保护要求等。
目前各地方公共数据分类分级标准的虽在具体内容上有所差异，但结构框架大体一 致。比如重庆市的试行标准未单独提出安全性原则，但在综合判定与分级管控原则 中也明确了安全管控要求。上海市分级维度与其他地区不太一致，但但同样考虑到 了数据敏感程度的因素。可以发现，各地方标准在公共数据分类分级基础上都突出 了对可能的数据安全风险及其应对措施的关注。虽然由于利用需求和安全形势的变 化，有关标准会因其稳定性而出现相对滞后性，但我们认为随着政策的逐步推演， 相关的明确标准有望落地并带动行业像规范化的模式发展。 除了数据的分级保护以外，安全可信的“数据可用不可见”交易环境逐步成形也保 障了数据流通的安全。大数据交易中心在数据交易中，可以帮助数据需求方判断数 据的质量和价；数据提供方也由于大数据交易中心审核过需求方的信息，也可以不 用担心数据安全和数据滥用的担忧；数据交易中心还能帮助交易双方更好的定价。 大数据中心以逻辑汇聚方式接入政府、企事业单位的公共数据，提供安全可信的加 工环境供数据服务商开发数据产品和服务，满足各类社会企业的业务需求，以“可 用不可见”方式实现对公共数据的价值利用。且在多地大数据交易中心的设计思路 中，政府认为凡是被政府部门、公共事业单位所掌握，且有市场商业需求的高价值 敏感数据，均应通过交易所进行数据使用权的交易。
不过只依赖“数据可用不可见”依然会在在数据隐私泄露的可能性，因此可信的计 算环境和对下游应用场景的监管也较为重要。因为基于密文计算的数据存在用途用 量超出预期范围的可能，而这种可能性为攻击者提供了额外的信息获取途径，提升 了“侧信道”攻击的成功概率。所以说，不能做到控制数据使用的具体目的和方式 的“数据可用不可见”也是有风险的。对此，隐私保护计算技术在实际应用中，还 需要通过结合基于其他技术的机制(如计算合约)，对数据使用进行严格控制。 如果简单的使用数据可用不可见，实际上会存在一定的数据泄露风险。假设某查询 看需要了解某医院人群中患有某种疾病人群的比例，但医院不想查询者知道到底是 谁感染了这种疾病，查询者又知道到底是那些人去了医院。第一天，查询者知道现 有人群中患有该疾病的比例为25%。第二天，医院新接诊了一位该疾病患者小明后， 假设他知道这天只有小明去了这家医院，那么查询者根据新的比做值(上升至 25.5%) 就可推断出小明这个人感染了该疾病，在这种方式下，小明患病的隐私信息就被暴 露了。
但如果简单的加上噪音，则又会导致数据的失真。比如说医院为了保护小明是否患有该种疾病的隐私，决定对患病比例这一计算结果采用差分隐私技术进行处理，即 加人随机噪声使得计算结果模糊化，提升查询者推断到底是谁患有该疾病的具体难 度。比如医院对第一天的查询返回结果 25.35%，第二天的查返回结果 25.30%(随机 噪声使得结果在真实值附近波动)。这样加人差分隐私后，查询者看到两天的结果几 乎没有差异。不过人为加入噪声会降低查询及统计结果的准确度，导致数据可用性 下降，这反而又阻止了数据的流通。
因此从产业发展的角度看来看“数据可用不可见”是手段，数据的分级使用和可信 的计算环境和对下游的监管才是重点。可控可计量的意思是在知道下游客户的使用 场景以及如何使用数据的情况下才进行交易。“使用可控可计量”也为有效监管数据 流通创造了条件、提供了手段，真正推动数据在阳光下使用。对监管方来讲，控制 数据流通使用的目的、方式和次数，能够更容易发现数据滥用行为，杜绝危害公众、 社会和国家的数据滥用:对数据持有方来讲，可以在保持数据持有权不变的情况下， 通过针对数据具体使用的目的、方式次数，履行数据安全责任义务，保障数据使用 安全、合法、合规，对数据使用方来讲，“使用可控可计量”为其自证清白提供了有 效证明；而数据滥用的受害方来讲，“使用可控可计量”可以使及到的伤害和损失更 容易被举证。
浙江省温州市人民政府基于“数字浙江”建设的政策部署，设立中国（温州）数安 港（全称“中国（温州）数据智能与安全服务创新园”），这是以一个创新产业园区、 一个大数据联合计算中心、一套数据安全与合规体系、一系列专业司法保障部门等 “九个一”架构起来的数安港。其开创的“中立国”模式系浙江省大数据联合计算 中心创设的隐私计算合规技术整体方案，经中国数安港数据安全合规管理委员会评 审通过，取得合法合规的《联合计算场景评审证书》，由政府审计监督，实现“数据 可用不可拥，安全可见又可验证，结果可控可计量”的理想目标。“中立国”模式下， 数算中心采用“三审核、三隔离”的方式实现全过程安全合规、安全隔离，并由政 府各部门参与全程监督审计。
具体而言，“中立国”联合计算平台在计算过程中，原始数据经去标识化后输入联合 计算区参与计算，完成计算后会立即被自动删除，经审核通过的匿名化结果数据从 指定路径输出，用于约定场景用途，从而提供一个隐私计算的可信可监管环境。
基于中国数安港的“中立国”联合计算平台，可以落地数据应用具体场景，例如多 方联合画像统计。其是基于各数据提供方画像特征对目标样本人群进行统计级别画 像洞察的服务。为品牌客户提供目标人群线上、线下等多维度多视角的洞察报告， 帮助品牌了解用户的基础属性特征，加深理解兴趣特征，刻画消费者画像，以优化 营销策略。
目前来看，数据要素的定价还存在诸多不确定性，但是随着政府政策的逐步完善， 数据要素交易有望更好更稳的落地。长期以来，公共财政负担全部成本、政府免费 开放公共数据的模式一直被理所当然地认为是政府数据开放的自然选择，这种认知 源自政务信息无偿公开的传统观念，即全体公民都是政府信息公开的受益者，也是 透明政府建设的监督者，因此，政务数据公开的出发点是监督，具体信息理应免费 公开，使全民都可以无障碍的获得相应信息。不过目前，对于公开数据定价来说， 还有诸多难点。
传统的纯免费或公益性质的数据并不适合现在的市场环境，也无法刺激政府进一步 的开放数据。这是因为政府数据虽然名义上“免费”，但实质是对全体国民无差别收 取等额的公共数据资源税。公共数据资源在政府数据开放活动中被免费向社会供给， 造成政府成本无法被补足的同时，还侵占了政府部门其他项目的原始预算份额。因 此，各个行政部门缺乏向社会供给公共数据的动力，公共数据的供给效率严重低下。 英国测量局就曾指出，美国免费供给公共数据的做法忽略了高质量数据的生产与维 护成本，导致其数据供给实际绩效不佳表现为数据产品的过时和低质量。这种对数 据开放费用补偿问题的忽视，导致的结果就是政府机构缺乏建立数据开放平台的资金，也不愿为这样的基础设施承担责任。
通过制度认可公共数据的有偿开放模式，是我国目前解决政府数据开放发展困境的 基本途径之一。国务院办公厅在 2018 年颁布的《科学数据管理办法》第 24 条规定: “(开放科学数据)确需收费的，应按照规定程序和非营利原则制定合理的收费标准。” 这是我国公共数据资源有偿开放模式迈出的重要一步。气象部门也以“一事一议” 的形式进行有偿数据开放试点。2021 年，十三届全国人大四次会议通过的《中华人 民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要》提出，要 以加强公共数据开放共享为目标，“开展政府数据授权运营试点”。根据 2022 年 12 月中央、国务院发布的构建数据基础制度更好发挥数据要素作用表示推动用于 公共治理、公益事业的公共数据有条件无偿使用，探索用于产业发展、行业发展的 公共数据有条件有偿使用。
通过这种方法政府也可以让数据开放的中间处理环节转移到政府之外，由非政府主 体承担收益以及商业化责任。在这种情况下，政府不再直接扮演信息的提供者，而 是将其角色转换为公共数据资源的供应方，向社会供给原始的、未经加工解读的公 共大数据，交由企业、社会组织、公民等非政府主体来进行数据清洗或者治理后开 发利用，以创造更大的经济社会效益。这种角色转移有两重必要性:第一，政府在数 据开发利用上并不专业，需要有专业人士、专业组织来对公共数据资源进行充分开 发与利用;第二，产业发展科学研究、公共服务等经济社会事业有着日益增长的数据 需求而拥有大量闲置数据资源的政府理应响应社会需求，将公共数据开放给全社会。
成本途径：数据要素投入具有高固定成本、低边际成本的特点。数据生成信息 时，投入数据采集、运输、计算、存储、分析和保护的固定成本较高，可将其 作为定基准。不过这些数据很难评估不同用户的应用价值差异，同时一些数据 是企业经营的附加产物，获得数据的成本通常难以从业务成本中划分出来，因 而难以定量计算。
收益途径：评估数据对未来经济社会的影响，预测可能产生的未来业务收入，再将未来现金流折现到当前，计算出当前的估值和定价。这种方法的难点在于 数据的经济和社会影响难以建模，而且很难独立估算，且长期价值难以评估。
市场途径：需要数据资产形成成熟、有序且活跃的交易市场，具有大量可观测 的交易数据和数据资产交易信息可以供数据资产的买卖双方进行产品对标、识 别价值驱动因素、量化产品间差异并修正价值。在现阶段，该途径受限于数据 产品市场交易的活跃程度，其运用受到较大限制。
现阶段数据资产有一很明显的特征，即卖方视角对应的价值与买方视角对应的价值 有较大区别，原因在于受制于双方之间天然的信息屏障，卖方无法完全估算买方的 数据使用经济价值。因此在产品估值途径中，成本途径在现阶段已具备应用条件， 收益途径在一定条件下亦可使用，但基于上述分析，成本途径和收益途径尚无法实 现相互验证;而市场途径由于目前缺乏活跃市场及信息披露，暂不适用。
在现实中，政府数据定价模式比上述模式还要更加复杂，因为政府具有较强的公共 属性。因为如果政府直接利用市场的价格机制，将公共数据库这类公共资源直接售 卖给出价高者，不符合社会大众对政府的普遍期望，因为商业数据所产生的成本终 将由最终消费者买单。在这种公共行政伦理的规范下，政府不便直接使用市场的价 格机制为公共数据定价，使得政府进行有偿数据开放时，定价问题成为一大难题。 而且从实际交易上看，政府很难获知数据开放的全部成本，这也压抑了数据开放的 活力。成本定价法会忽略政府生产公共数据资源所消耗的固定成本，而固定成本又 往往远远高于数据扩散的边际成本，结果就是没有足够的补偿来支撑长久的数据开 放活动。即使政府考虑到了固定成本的存在，使用“平均固定成本+边际成本”法定 价，那么这种定价的前提是政府有能力得知数据开放的全部固定成本和边际成本。 政府也不可能获知未来公共数据资源的使用者数量，直接使用平均成本法或边际成 本法会造成补偿不足的现象，从而压抑政府向社会开放公共数据的动力。这是由于 预期收益具有不确定性，买方愿意付出的成本是有限的。
因此，未来定价模式其实更倾向于将数据统一定价，以一个适当超过“平均固定成 本+少数利润”的价格运行。适当超过成本的定价方法，是通过特定受益者承担支付 责任的方式，将特定受益者所获得的部分“特别收益”还原为社会一般利益，整体 上提升社会福祉。欧盟议会在 2003 颁布了一道指令，指出公共数据资源的开发再利 用是以收回成本为目的，而成本的收回包含了“合理的投资回报率”。 很多欧洲国 家都将公共资源的使用收费视为缓解政府整体财政压力的重要手段。例如，法国政 府直接确定，政府公共资源(如数据资源)的收费价格可以确定为“实际发生成本加 上合理利润”。德国政府也允许公共资源收费的价格包含超过成本的溢价部分，并利 用这部分利润来补贴其他亏损的公共服务项目。
我国公告数据交易目前主要的收费原则依旧还是“受益者负担”原则。换句话说即， “受益”是“负担”的依据和前提，如果有“特别受益”的存在，就要设计由特别 受益人来进行“特别负担”的制度。反之在有特别受益人的情况下，政府数据开放 的成本若仍通过政府财政支出的方式由全体公民承担，则有失公平与正义。因此， 有日本学者就提出，有必要建立“利益返还”制度，即准公共产品在有特定受益者 的情况下，须收回特定人所获得的一部分利益，把这部分利益返还给社会全体，实 现利益的“公共还原”。
如果政府依据“受益者负担”原则，要求公共数据资源的特定受益者支付一定费用， 那么新的问题是:政府应在哪一种法律或政策框架下，使用何种方式方法来向公共 数据资源的使用者收取费用?公共资源虽然是归国家所有，但不局限于公共部门进 行利用开发，还经常会交由各类社会主体进行开发、利用和经营，以提升公共资源 的利用效率，创造更大的社会价值。这个过程中，为弥补公共部门提供公共资源所 耗费的成本，获得授权开发利用公共资源的社会主体需要对公共部门进行补偿。
市场价格机制：市场价格机制可以有效补偿私人物品的所有者，但由于无法解 决公共产品的非排他性、非竞争性以及外部性问题，一般不适用于纯公共产品、 准公共产品的交易。
税收制度：以税收制度补偿公共资源的政府供给，其优点在于征税的强制性与 无偿性特征，但同时也存在一定问题，即税的征收并不考虑是否存在获得公共 资源开发利益的特定群体，强制要求全体公民无偿缴纳一定税款，以补偿公共 资源利用成本。政府数据开放的免费模式，实际上就是面向全体公民征收等额 的“数据税”，纳税义务和公共数据资源开发(尤其是以谋取利润为目的的商业 开发)的受益之间没有明显的对应性。
行政收费机制：相较而言，行政收费机制在可行性、正当性与效率提升方面具 有税收机制所难以比拟的优势。所谓“行政收费”，是指“行政机关在依法行使 职权或事业单位在依法提供公共服务中向公民、法人和其他组织收取一定费用 的行政决定”。以行政收费支撑公共资源的有偿使用，其正当性在于政府能够确 认特定的个人或群体获得了国有资源利用的全部或大部分收益，此时补偿费用 就不应由全体公民负担，而应由特定受益者负担。 在确定存在特定受益者的情 况下，相比税收，行政收费不仅能够实现受益者与非受益者之间的负担公平， 还能够进一步提升公共资源的使用效率。
行政收费对公共资源开发利用效率的提升作用主要通过两种机制产生。 一是降低使用效率，公共资源(如道路、水域等)的使用常有一定的使用承载上限， 当人数超过承载上限时将出现“拥挤”现象，削弱后续使用者的福利获得，从而降 低公共资源的使用效率，因而行政收费以设置排他性门槛的方式，减少公共资源使 用的拥挤现象。 二是面向特定受益者进行收费，可以避免公共资源使用者对公共资源的滥用，并利 用公共资源特定受益者支付产生的沉没成本，激励他们提升资源开发与利用效率， 创造更多社会价值。 虽然公共数据库具有可自由复制的特性不会出现公共资源利用的拥挤现象，但政府 通过行政收费的方式要求公共数据资源的特定受益者支付一定补偿，依然能够起到 激励作用，驱动特定受益者努力提升资源开发与利用效率以弥补其补偿成本开支， 减少对公共数据资源的滥用现象。
根据国际标准化组织(International Organization for Standardization，ISO)的定义， 技术标准是基于技术发展经验与成果，经产业内主体协商一致制定并由公认机构批 准的技术规范性文件，用于指导企业遵循一定的技术路径以及产品质量要求展开生 产。由一国政府认定的技术标准被看作是该国的国家标准，是一种公共产品，面向 全国市场发挥规范性作用。英国、德国政府要求社会主体必须支付一定费用，才能 够获取国家标准相关文本信息与数据。实践结果证明，英国与德国国家标准数据与 信息的有偿开放取得了良好的效果。
尽管国家技术标准服务于全国市场，属于一种公共资源(公共产品)，但拥有国家标 准管理权的英国标准协会与德国标准化协会都要求社会主体(如企业)必须支付一定 费用来获取国家标准的相关数据与信息，不可免费获取。这种有偿开放标准数据的制度选择主要出于两方面考量。一方面，每一项技术标准所包含的信息与数据，都 有特定的产业适用领域。因此，应当让产业内施用某项技术标准的企业主体支付一 定费用，以体现“受益者负担”原则，补偿标准制定的成本支出。另一方面，通过 标准信息与数据的有偿开放，英国标准协会与德国标准化协会获得了一定的资金收 人，这些资金被再度投人到国家技术标准发展的相关事业中，有助于整体上提升社 会福利。每条英国国家标准的文本及相关数据的打包售价在 100 英镑至 500 英镑， 每条德国国家标准的文本信息及相关数据售价在 100 欧元至 400 欧元。
这一系列价格都是由各家企业、研究机构代表、政府代表以及公民代表组成的委员会所确定的，每年做出调整。一份产品几百欧元的价格对于企业而言，其实是不大 的一笔开支。但最终收取的费用总额，对于整个国家具有公益性的标准化事业而言， 能提供不可或缺的经费补偿。 英国与德国向社会有偿供给国家标准信息与数据的行动并没有阻碍社会主体对国 家标准的应用，而是从公共部门与社与数据的有偿供给为英国与德国的标准化事业 提供了重要的资金来源。在 2021 年，标准有偿供给为英国标准协会创造了 5.86 亿 英镑的收人，毛利率约为 52%，净利率约为 10%。平均每个可约为其带来了 7000 英镑的收入，2024 年整体有望做到 8 亿英镑的收入。而对德国来说，标准有偿供 2021 年的收人大于 7640 万欧元，约支撑了德国标准化协会标准制定工作 60%的相 关支出，其重要程度不言而喻。
在社会层面，由于国家标准信息与数据是有偿供给的，企业与国家标准主管部门的 关系更为紧密，作为供给方的标准主管部门不是免费模式中的“甩手掌柜”，而是与 购买标准信息与数据的企业展开紧密的合作，以促进标准信息得到更好的应用。英 国标准协会与德国标准化协会都会为标准的企业用户提供一系列支撑性的服务结 果证明，标准信息与数据有偿供给制度并没有阻碍产业界对标准信息的使用，反而 支撑了英国与德国的标准化事业得以长久发展。时至今日，英国与德国的国家标准 被产业界乃至国际组织广泛利用，两国的标准化管理制度也一直在世界上扮演着标 杆性的角色。 当然，英、德两国的一些相关指标和收费模式，也只会我国未来定价模式的一些参 考，目前我国政府和学者也在对定价模式进行更深度的研究。包括光大银行、普华 永道、信通院等也均公布了其对于数据要素定价的白皮书。政府在最新的《关于构 建数据基础制度更好发挥数据要素作用的意见》也提出支持探索多样化、符合数据 要素特性的定价模式和价格形成机制，推动用于数字化发展的公共数据按政府指导 定价有偿使用，企业与个人信息数据市场自主定价。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）