关键发现
- 从顶层框架到细则规范，数据要素政策逐渐具体，推动数据要素落地步伐加快；
- 数据资产入表将成为企业合规要求，企业首先面临数据资产管理和估值挑战；
- 数据交易平台将成为数据要素流通交易的重要参与形式，为兼具数据资源和数据服务能力优势的厂商提供了新发展机遇。但同时，数据交易平台落地需解决产品和服务场景、竞争优势、运营流程等难点。
数据要素，是指将原始数据通过加工整理、确权，使其成为具备潜在利用价值的数据资产，并通过在市场上交易流通，让这些数据资产成为可用于社会生产经营活动，可为使用者带来经济效益的生产要素。
随着数字经济的崛起，数据成为一项与土地、劳动力、资本、技术并列，能够推动社会生产力发展的重要生产要素，已逐渐成为各界的共识。因此，政府近年来不断出台相关政策，如《关于构建更加完善的要素市场化配置体制机制的意见》，提出要建立和培育数据要素市场，加快数据流转，盘活数据资产，充分释放数据在社会生产中的价值；《关于构建数据基础制度更好发挥数据要素作用的意见》作为数据要素的顶层框架性文件，构建起数据基础制度。
然而，数据要素是一种产生于信息系统中的虚拟性资源，可以被低成本无限复制，并且其构建和加工主体复杂多元，这些因素导致数据要素的流通变成了一项艰巨，需要克服诸多挑战的工作。这些挑战包括：1）数据的权利归属难以清晰界定；2）数据的定价和收益分配机制依据不足；3）数据流通的制度和规则有待完善；4）数据流通的技术和应用不够成熟。
在此背景下，国内近两年来涌现了一大批围绕数据要素流通而产生的数据交易所、数据流通服务提供商，以及相关技术服务提供商，他们在新兴的数据要素流通市场积极探索和创新，解决数据要流通中面临的各种问题，并成功落地了相应的解决方案或服务案例，从而使国内的数据要素市场初步成型，推动市场加快发展。
在本报告中，爱分析将数据要素流通市场分为中介服务、技术服务和场外数据服务三大类型。其中，中介服务是指围绕数据要素流通提供数据合规评估、数据资产评估等中介服务的市场，技术服务是指围绕数据要素流通提供区块链、隐私计算、数据产品开发等技术服务的市场，场外数据服务是指在数据交易所之外，由第三方机构独立进行数据采集，加工整理成数据产品，并对外提供服务的市场。具体市场划分详见下图。
图1：数据要素流通市场全景地图
本评估报告聚焦其中数据产品开发和数据即服务市场，爱分析遴选出具备成熟数据产品和服务能力的厂商，为企业采用第三方数据服务时提供参考。
- 厂商的产品服务满足各市场定义的厂商能力要求；
- 2022年厂商具备一定数量以上的付费客户（参考第4章各市场定义部分）；
- 2022年厂商在特定市场的营业收入达到指标要求（参考第4章各市场定义部分）。
2.1 2023年数据要素流通市场规模将达到1198.5亿元
图2：2022-2025年数据要素流通市场规模
根据中国数据交易市场研究分析报告，2023年数据要素流通市场规模将达到1198.5亿元。预计2025年数据要素流通市场规模将达到2046亿元。
数据要素流通在政策驱动下将保持高速增长。2022年12月，《关于构建数据基础制度更好发挥数据要素作用的意见》（即“数据二十条”）作为数据要素的顶层框架性文件，构建起数据基础制度；2023年8月，《企业数据资源相关会计处理暂行规定》明确数据资产入表规范，将加快数据要素市场化节奏。从顶层框架到细则规范，数据要素政策逐渐具体，推动数据要素落地步伐加快。
2.2 数据资产入表为企业带来数据资产管理和估值挑战
8月，财务部发布《企业数据资源相关会计处理暂行规定》，该规定明确了数据资源的适用范围、会计处理标准以及披露要求等内容，将于2024年起开始实施。规定要求企业在合规框架下对数据资产进行确权、登记以及应用，这将推动企业对数据质量、数据资产价值进行评估，有助于提高企业数据治理能力，完善数据资产运营能力，为数据要素在内外部流通做准备。
与此同时，企业在数据资产入表过程中也将面临数据资产估值和数据资产规范管理等挑战。
企业缺少对数据资产体系的规范管理。与以往由IT部门/数据部门对数据资产进行存储、开发、治理和利用不同，数据资产入表要求企业按照数据资产全生命周期进行细粒度管理，包括数据资源采购、认定、确权、登记、管理、开发运维、运营、评估、会计处理等多环节。多数企业尚不具备数据资产化细粒度管理的能力。
企业应考虑从管理、运营和评价三方面实现对数据资产体系的规范管理。其中管理包括对数据资产的盘点、确权、分类和登记注册，这个过程需要明确各环节的参与角色、工作职责和工作流程。数据资产运营包括数据资产需求、研发、交付以及运维管理， DataOps以及数据资产管理平台可支撑实现运营全流程。数据资产评价是为数据估值提供依据，评价指标体系可从数据质量、应用频率、应用范围等多个角度进行设计。
数据资产估值难明确。数据资产价值包含成本和价值，其中成本涉及数据产品全生命周期，需要对涉及的人工、软硬件、基础设施进行衡量。数据价值包含内部业务价值和市场价值，对于内部价值，企业要衡量数据为业务带来的直接、间接效益；对于外部价值，需要考量数据产品、数据服务、数据工具等售卖带来的直接经济效益。数据资产的成本和价值衡量尚缺少行业标准规范指导。
市场中普遍的数据资产估值方法包括成本法、收益法、市场法，企业可综合三种方法设计数据资产价值评估指标体系。领先企业已经探索综合以上三种方法开展数据资产估值。如某股份制商业银行对全行核心数据资产进行价值评估，在评估方法上，选择以成本法、收益法和市场法相结合的方法设计银行数据资产价值评估指标体系，包含内在价值、成本价值、业务价值、市场价值和文化价值五大价值类型，以及明确实施步骤。以成本法的思路开展内在价值和成本价值的评估，以收益法的思路开展业务价值的评估，以市场法的思路开展市场价值的评估，以定性描述为主、定量统计为辅的思路开展文化价值评估。最后，通过数据资产估值，该银行明确了各领域数据价值成效，为数据资源优化配置提供数据支持。
