我国数据交易平台建设的现实困境与破解之道

陈 舟 郑 强 吴智崧

随着经济社会数字化转型步伐加快，数据作为新生产要素逐渐成为国家竞争力和软实力的核心资源。加快培育数据要素市场，推动数据资源有效流动，促进数字经济高质量发展，得到了党和国家的高度重视。2015年10月，党的十八届五中全会正式提出“实施国家大数据战略”。2017年12月，习近平总书记在主持中共中央政治局第二次集体学习时强调：“推动实施国家大数据战略，加快完善数字基础设施，推进数据资源整合和开放共享。”2019年10月，党的十九届四中全会首次将数据与劳动、资本、土地、知识、技术、管理等生产要素并列。2020年3月，中共中央、国务院印发的《关于构建更加完善的要素市场化配置体制机制的意见》进一步强调“依法合规开展数据交易”。2020年7月，《中华人民共和国数据安全法（草案）》指出，国家坚持维护数据安全和促进数据开发利用并重，以数据开发利用和产业发展促进数据安全。2020年10月，党的十九届五中全会提出，建立数据资源产权、交易流通、跨境传输和安全保护等基础制度和标准规范，推动数据资源开发利用。2020年12月召开的中央经济工作会议高度重视数字规则健全与完善，要求“支持平台企业创新发展、增强国际竞争力，支持公有制经济和非公有制经济共同发展，同时依法规范发展，健全数字规则”。2021年3月，《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》指出，“建立健全数据产权交易和行业自律机制，培育规范的数据交易平台和市场主体，发展数据资产评估、登记结算、交易撮合、争议仲裁等市场运营体系”。一系列重要讲话和政策文件为我国数据要素市场培育指明了方向，并对我国数据交易平台建设提出了更高要求。美国、欧盟和日本等国家或地区也早已出台发展规划和政策文件明确数据的战略地位。美国于2012年制定《大数据研究与发展计划》，着力大数据科学探究，并于2019年通过了《美国国家安全与个人数据保护法案》，强化了数据应用的严格管控。欧盟于2015年发布《数字化单一市场战略》，强调“构建数据经济”，随后出台《一般数据保护条例》（2016年）、《通用数据保护条例》（2018年），以加强数据的收集、存储、应用、变现、管控。日本发布了《创建最尖端IT国家宣言》，将发展开放公共数据和大数据上升为国家战略。国外相关政策对我国数据交易平台建设中有关数据安全、个人信息保护的基础立法提供了重要启示。

数据交易是数据要素市场化配置的关键环节，数据交易平台则是实现数据交易的基础，也是衔接数据供需方、提升数据要素市场化配置效率的核心载体。自2015年国内第一家大数据交易所——贵阳大数据交易所正式挂牌运营以来，多家由政府主导、企业合作的大数据交易平台成立，大量民营资本踊跃参与到数据交易平台建设中，如京东万象、天元数据、聚合数据、数据星河等。尽管目前我国数据交易平台蓬勃发展，但其发展水平良莠不齐，且暴露出数据要素流通困难、行业应用需求挖掘难、市场生态发育不良、相关技术支撑不足等诸多问题，亟待进一步完善。因此，有必要系统探究我国数据交易平台建设的理论依据、现实困境及应对策略，以促进我国数据资源有效流动，推动数据要素市场化配置，加快构建以数据为关键要素的数字经济。

一、相关文献综述

数据交易是热点话题，学术界侧重从数据产权界定、数据交易定价、数据交易市场机制构建等方面对其展开研究，并取得了较为丰硕的研究成果。

（一）有关数据产权界定的研究

数据交易的核心是数据可确权。我国《民法典》第一百二十七条规定：“法律对数据、网络虚拟财产的保护有规定的，依照其规定。”这肯定了数据的财产权益，但对其具体形式和规则作了留白处理。这也引起了学者对数据确权的研究兴趣，但研究结论不一。申卫星认为，数据用益权涵盖积极权能（控制、开发、许可、转让）和消极防御权能，在公平、合理、非歧视前提下行使这些权能有利于数据要素市场健康发展。田杰棠和刘露瑶认为需秉持“在实践中规范、在规范中发展”的基本原则，明晰可交易数据的范围，构建全国范围的数据交易法律法规和监管框架。熊巧琴和汤珂认为要基于场景性公正原则，根据数据内容和数据产品细分数据权利，并明晰数据资产化的前提。

（二）有关数据交易定价的研究

从各国数据交易实践来看，数据交易定价机制尚未成熟，学术界对其研究也未达成统一。Moiso等认为数据定价机制是需要全球共同解决的关键性问题。Jentzsch认为拍卖机制难以反映敏感数据产品的价值。Li等构造了云环境下实时大数据定价的服务框架。Shen等基于元组粒度构建了大型个人数据定价模型。赵瑞琴和孙鹏提出了大数据交易所生态下的交易定价模型。彭桥等借助讨价还价和甄别定价方式，建立供需双方效用平衡函数，发现供方具备数据优势时议价能力更强。

（三）有关数据交易市场的研究

相较于西方而言，国内数据交易研究起步较晚，尚处于初级发展阶段。何玉长和王伟分析了数据要素市场运行的价格、供给和竞争机制以及数据要素市场运行实现产业赋能的表现，郭明军等建议充分尊重市场，借助市场运作机制引入，创新发展数据平台。宋梅青发现数据供需错配、资源定价困难、数据时效性不强等问题困扰着数据交易平台发展，提出应打造构建数据要素与数据服务紧密融合、联合销售的平台交易模式，为数据购买方提供更精准的数据服务。吴洁和张云从交易模式、数据来源、地域分布、应用领域和产品特性等维度考察了国内数据交易平台现状及特征，并提出其存在的主要问题及相应对策。

（四）相关文献述评

以上文献从交易模式、数据来源和产品特性等角度探讨了数据交易平台特征、问题并提出了相应对策，为本文提供了重要参考和逻辑起点。但遗憾的是，现有文献鲜有系统探究数据交易平台建设的理论体系，尤其缺乏对未来新一代数据交易平台发展趋势及发展思路的探讨，且以往文献仍未脱离数据确权框架，实际上数据确权非常繁杂，难以形成统一的研究结论，亟待从新视角加以突破。基于此，本文尝试通过梳理相关文献，建构数据交易平台建设的理论分析框架，系统考察我国数据交易平台发展态势及面临的现实困境，并提出加强我国数据交易平台建设的政策建议，为我国制定数据交易平台发展及数据要素市场培育政策、加快数据资源有效流动、助推数字经济高质量发展提供参考。

二、数据交易平台建设的相关理论阐释

加强我国数据交易平台建设，需构建数据交易平台建设的理论分析框架，包括科学界定数据的定义及其特征，深入分析数据与土地、劳动、资本和技术等生产要素的联系及区别，系统探究数据交易、数据交易平台的定义及特征。

（一）数据的内涵界定

厘清数据交易平台的理论基础，首先需弄清数据的定义及内涵特征。数据是信息和数字技术的基础要素，也是数字经济的“细胞”。对于数据的定义，国际标准化组织（ISO）认为数据是以适合交流、解释或处理为目的，充分体现信息的一种形式化方式。我国相关国家标准参考ISO的观点将数据定义为信息的可再解释的形式化表示，以适用于通信、解释或处理。《数据安全法》将数据定义为“任何以电子或者其他方式对信息的记录”。何玉长和王伟认为数据是指人们借助于现代计算机和互联网技术进行捕捉、管理和处理的数据集合。纪海龙从广义上来阐释数据，认为其包括数据产品和数据信息。基于上述分析，本文认为数据是指在数字经济环境下借助现代计算机和互联网技术进行捕捉、管理和处理的数据集合，它是信息的有效载体，适用于交流、解释或处理。

数据与信息、知识和智慧之间的关系具有逐级递升特征，信息、知识和智慧可视为“更高阶”的数据，主要表现为源自原始观察和量度的数据通过认知处理转换为信息并应用信息产生知识，借助智者间沟通、自我反省、知识运用而升华成智慧。四者之间具有价值体现的异质性，即宏观层面和微观层面的数据价值分别体现为提升全要素生产率（源自数据提炼的信息、知识和智慧可以通过乘数效应作用于全要素生产率）以及对使用者效用的提升。此外，数据与其他生产要素也存在异同。作为经济学基本范畴的生产要素是不断演化的，传统的生产要素包括劳动力、土地、资本、技术和管理等，随着计算机、大数据和人工智能等科技不断发展，数字经济应运而生，数据的战略地位日益凸显并被视为新生产要素与土地、劳动、资本和技术等生产要素并列，但在主体特征、权属界定、价值溢出、交叉关联性以及资源稀缺性、排他性、资源均质性等方面与传统生产要素有所不同（见表1，下页）。

表1 数据与劳动、土地、资本和技术等生产要素的比较

（二）数据交易及数据交易平台的内涵界定

数据交易是市场经济框架下推动数据要素市场流通的基本方式，强调数据要素的流通以及数据资产的交易。交易场所是实现数据交易的重要载体。一般而言，交易场所主要包括从事权益类、合约类交易的交易机构。其中，权益类交易是指产权、股权、债权、林权、矿权、知识产权、文化艺术品权益及金融资产权益等交易，合约类交易是指以商品及其他合约为交易对象的合规交易。数据作为一种新的要素形态，其交易很难纳入以上范畴，数据交易具有不同的属性和特征。具体表现在以下三个方面：

一是数据难以进行标准化交易。现有交易场所标的物一般有明确的分类标准，流通体系也有明确的管理和流通架构。比如，纽约商品交易所将石油期货交易标的物划分为轻油、天然气、无铅汽油、热油、布兰特原油等，明确了交易合约、交割方式、交易时间等，有利于通过标准化交易方式加快商品流通。从供给方来看，数据来源和分类非常繁杂，根据不同维度有多种分类方式，按结构类型可以分为结构化数据、非结构化数据等，按主体类型可以分为个人数据、政务数据、企业商密数据等。从需求方来看，对数据的需求呈现较大差异。比如，不同的金融机构会有不同的风险偏好，对风险模型的数据也会有多样化需求。因此，数据的交易行为往往体现为数据供给方与需求方的一次数据服务，数据服务呈现高度定制化特征，难以进行标准化交易。

二是数据交易难以实现所有权和使用权的统一。除土地外，现有交易场所标的物的所有权和使用权是统一的，一笔交易完成意味着买卖双方钱货两清。数据是信息的价值载体，其中包含着自然人、市场主体等各类隐私数据或商业秘密。数据交易涉及授权、订单、合同、交收、结算等环节，授权环节是数据拥有主体的法定权利，也是数据交易能否开展的首要条件。从保护数据隐私和安全的角度来看，数据交易必须要进行数据的加工和处理，也往往需要对使用权和所有权进行分离。

三是数据在没有合规保护的前提下难以具有稀缺性。没有稀缺性的要素，比如空气、水等就难以产生交易价值。如果没有合规保护机制，数据具有可复制、可共享、无限供给的特点。数据的滥用将导致数据价值难以得到正确体现，会带来网络安全及隐私泄露案件的频发。如果数据保护问题长期得不到系统性解决，就会对数字经济的持续健康发展带来一定负面影响。因此，数据交易场所的重要价值就体现为数据合规保护，有效监管交易行为，进而有效挖掘数据价值。

数据交易平台是数据交易中衔接数据供需方、提升数据要素市场化配置效率的核心载体。这里认为，数据交易平台是指数据资源供给方、数据加工治理方、数据中介服务方、数据产品需求方、数据合规认证方、数据流通监管方，以隐私计算、区块链等数字技术为依托，开展数据要素流通、数据应用创新和数据资产交易等合规活动的协同生态系统。

三、我国数据交易平台发展态势及其面临的现实困境

近年来，随着大数据技术的蓬勃发展，我国多个省市进行了数据交易的有益探索和实践。2015年4月14日国内第一家大数据交易所——贵阳大数据交易所正式挂牌运营，随后数据交易平台在上海、浙江、湖北和河南等省份如雨后春笋般涌现，行业发展势头迅猛，区域分布广泛，交易产品、交易模式、收入方式等趋于多样化，助推了我国数据流动交易和数据交易市场发展，但目前数据交易平台仍面临数据交易法规制度不健全、数据要素流通困难、行业应用需求挖掘难、市场生态发育不良、相关技术支撑不足等现实困境。

（一）我国数据交易平台发展态势

从区域分布来看，国内数据交易平台分布比较广泛，覆盖了我国华北、华东、华中、华南、西南、西北和东北地区，且以直辖市和省会城市为主。其中，华北地区以北京大数据交易服务平台、京东万象等为代表，华东地区以上海数据交易中心、聚合数据等为代表，华中地区以河南中原大数据交易中心、阿凡达数据等为代表，华南地区以数多多、iDataAPI等为代表，西南地区以贵阳大数据交易所、SHOWAPI等为代表，西北地区以西咸新区大数据交易所、美林数据等为代表，东北地区以哈尔滨数据交易中心等为代表。总体而言，一地数据产业发展基础和当地政府支持力度在很大程度上影响着数据交易平台的发展水平。

从交易模式来看，国内数据交易平台的交易模式可分为交易中介模式、大数据分析结果交易模式、数据产品交易模式三种。其中，交易中介模式是指平台本身只作为交易渠道，而不存储和分析数据。大数据分析结果交易模式是指按照需求方需求，通过清洗、分析、建模、可视化等方式形成处理结果再出售，而不进行基础数据交易。数据产品交易模式细分为两种：一是按照需求方需求，借助网络爬虫、众包等合法渠道采集相应数据并经整理、校对、打包等处理后出售；二是与其他数据拥有者展开合作，对数据进行整合、编辑、清洗和脱敏，形成数据产品后出售。这里需要指出的是，一个数据交易平台通常不止采用一种交易模式。

从收入方式来看，国内数据交易平台的收入方式主要分为三大类：数据交易抽成收入、会员费收入和数据增值服务收入（见表2）。其中，数据交易抽成收入方式是指数据交易平台和数据供应商完成交易后进行利益分成，并按照数据价值对数据采购方适当收费。会员费收入方式是指数据交易平台采用会员制度，为会员提供交易资格、数据清洗、数据需求定制采购、品牌推广等中介服务并以会员的等级收取年费。数据增值服务收入方式是指将经营过程中所沉淀的不同类别的数据源经过加工处理后，按照市场需求封装为客户提供定制化的数据产品，以API的方式提供数据服务调用通道，平台则在其中收取服务费。

表2 国内部分数据交易平台的收入方式

从平台主体来看，国内数据交易平台可划分为政府主导和民间资本主导两种数据交易平台。政府主导的数据交易平台主要以贵阳大数据交易所、上海数据交易中心、武汉东湖大数据交易中心、河南中原大数据交易中心等为典型代表（见表3，下页）。该类平台秉持“政府指导、国有控股、企业参与、市场运营”的原则，股东常以国有企业为主，主要提供公开政务数据服务，数据价值相对较低，强调整体交易规则构建，行业综合性较强，盈利能力偏弱。该类平台面临数据资源不够丰富、服务模式较为单一、附加价值较小、用户黏性较低、难以满足数据需求方实际需求等问题。

表3 政府主导的数据交易平台概况

民间资本主导的数据交易平台以京东万象、聚合数据、天元数据等为典型代表（见表4），且可细分为大型互联网企业派生和数据服务商两种类型。前者的代表为京东和阿里巴巴等，其主要凭借母公司已有的覆盖电商、金融和行为数据的数据交易平台进行关联数据分析。后者的代表有聚合数据、数多多和数据堂等，其主要采用全程参与数据产业链的“产供销”一体化模式。该类平台由民间资本主导，股东常为民营企业，以盈利为目的，强调借助爬虫技术、众包、购买和合作等方式抓取数据以及数据变现能力，还会提供数据中介、数据加工、数据定制等服务，产品的针对性、独特性和多样性较强。但该类平台也存在数据价格不够透明、交易规则不够健全、公信力不足、“场外交易”对于国资采购存在一定风险、侵犯隐私风险等问题。

表4 民间资本主导的数据交易平台概况

（二）我国数据交易平台建设面临的现实困境

一是数据交易法规制度不健全。由于我国数据要素市场的培育和发展尚处于起步阶段，政府对于数据要素市场的治理缺乏经验，数据要素市场制度建设存在数据要素市场制度体系化、治理法治化、管理落地化程度不高等短板。数据交易过程中大数据产权界定不清晰，缺乏全国统一的技术标准、法律机制与监管，难以有效破解数据确权、隐私保护、数据资产难以入表等难题。

二是数据要素流通较困难。政务、企业数据提供方各自为政，形成数据孤岛，导致数据要素流通困难，各个组织机构没法获得全面的、立体的数据。数据交易中心无法提供隐私计算技术或保障机制，使得难以通过多源数据的挖掘分析获得更多的信息、知识，大大降低了数据挖掘的价值。

三是行业应用需求挖掘难。当前，交易平台方缺乏行业数据需求场景的认知和理解，主要根据数据需求方需求对数据进行处理，形成分析结果出售，这在一定程度上限制了对数据潜在价值的挖掘，在细分领域甚至跨行业分析挖掘时，更是缺乏分析挖掘技术和专业知识。

四是市场生态发育不良。尽管国内数据交易平台数量激增，行业发展势头迅猛，业务模式、数据产品服务领域呈现多样化的特点，但缺乏市场化经验、商业化运营团队和运营经验，致使数据交易量低于预期，平台定位不明确，交易规则不完善，专业深耕程度不足，创新活跃度不够。

五是相关技术支撑不足。随着国家《数据安全法》和《个人信息保护法》的陆续出台，拥有大量数据的社会主体只能通过隐私计算才能对外提供服务，隐私计算对算力大小、算法效率、部署环境、软硬件的信创水平均提出了很高要求，隐私计算的技术成熟度限制了数据交易市场的发展。另外，随着智慧城市和产业数字化的不断发展，政府和各行业对路网、地图、POI车流轨迹等时空数据的需求越来越强烈。由于时空数据规模大、处理复杂度高，当前时空数据交易存在渠道少、不规范、开发成本高、缺乏平台技术支撑的痛点。此外，数据资源定价困难，整体上缺乏智能化数据估值和定价模型与技术。

四、加强我国数据交易平台建设的思路与举措

鉴于当前国内数据交易生态远未成熟的实际，数据交易平台建设应遵循数据行业应用—数据要素流通—数据资产交易的总体路径。首先，深刻理解行业和领域的数据交易需求，从数据本身和数据结果交易向数据价值挖掘转变，并不断沉淀数据行业应用场景认知和理解；然后，构建数据合规保护数据库，采用成本定价法与市场定价法相结合的数据定价方式，促进数据要素流通；最后，通过大数据、算法和算力，形成数据资产，进而打造活跃的数据交易生态。

（一）加强我国数据交易平台建设的总体思路

加强我国数据交易平台建设，应以习近平新时代中国特色社会主义思想为指导，认真贯彻落实党的十九大和十九届历次全会精神，根据新时代中央关于构建更加完善的要素市场化配置体制机制的总体部署，综合发挥市场“无形的手”和政府“有形的手”对数据资源配置的作用，妥善处理政府与市场、监管与创新、中央与地方、国内与国际之间的关系，遵循数据行业应用—数据要素流通—数据资产交易路径，重点打造集合规保护功能、融合流动功能、价值挖掘功能等于一体的新一代数据交易平台。

在合规保护功能方面，新一代数据交易平台的交易模式更丰富、对接的数据类型更多，要依托政府部门、法律团队、行业协会不断建立完善的数据交易合规管理制度，保护数据安全及隐私，营造安全规范的交易市场环境，挤压数据“黑灰产”生存空间。探索突破数据确权的技术应用难题，利用区块链技术实现数据的追溯、存证、确权和利益分配，推动跨主体数据的联结。推进数据的权属、流通、交易、保护等方面的标准和规则制定及运营管理，建立数据流通交易负面清单，营造可信数据交换空间，保障数据流通的合规性和安全性。

在融合流动功能方面，传统的数据包和数据结果交易已无法满足知识和价值挖掘的需求，在保护数据的情况下实现多源数据融合和价值挖掘将成为数据交易的重要需求。新一代数据交易平台需具备基于多方安全计算、联邦学习、隐私计算等技术为基础的数据交易模式创新，通过技术方式融合政务数据以及企事业单位、科研院所、社会公众数据，确保单一数据提供方的公开和敏感数据以及多个数据提供方在互相不共享数据的前提下进行安全计算。随着数据量的爆发式增长，以及大规模时空数据等处理复杂度的提高，新一代数据交易平台需具备对超大体量、复杂度高的数据进行高效建模、索引和实时处理的能力，必要时可弹性接入区域超算中心的计算能力，以应对日益增长的复杂数据处理、多源数据融合和挖掘的处理需求。

在价值挖掘功能方面，新一代数据交易平台的运营团队需要深刻理解行业和领域的数据交易需求，满足从数据本身和数据结果交易向数据价值挖掘转变的诉求，并不断沉淀场景认知和理解。一方面，在细分领域甚至跨行业（如零售、金融、医疗、智能制造等）分析挖掘时提升对行业数据需求场景的专业认知水平，针对场景需求拓展数据资源；另一方面，围绕高频、高价值的领域交易场景搭建生态，打造特色品牌，吸引场景相关方持续加入交易中心的生态之中，提升平台活跃度。通过价值挖掘，吸引更多数据提供商入场交易。数据量越大、越多样，能够挖掘分析出的信息、知识就越多，挖掘分析出的结果相对来说就越准确，价值也就越大。

（二）加强我国数据交易平台建设的具体举措

健全数据要素制度体系，需从数据产权确立、数据流通交易、数据市场治理、数据安全监管、数据设施规范、数据收益分配六方面着手。在数据产权确立方面，加快出台《数据产权法》，健全个人信息授权和数据产权保护制度，借助区块链、隐私计算等现代技术完善数据产权确立制度。在数据流通交易方面，建立涵盖国家数据资产管理、政府数据共享、政企数据共享、企事业单位数据共享的数据开放共享制度，从市场准入、交易标准、交易模式、交易规则等层面健全数据要素市场交易规则，以数据跨境贸易规则和数据安全保护的多边协议为突破口，积极对接国际数据交易规则。在数据市场治理方面，加快修订《反垄断法》，完善数据市场竞争监管法规，借鉴数据要素市场治理国际经验，探索构建涵盖监管成本收益评估、预防性竞争监管、“大数据+监管”等数据要素市场治理工具体系。在数据安全监管方面，以《数据安全法》《个人信息保护法》为抓手，打造涵盖数据安全管理法规、分级分类管理制度、数据泄露通知制度的数据安全监管制度体系。在数据设施规范方面，创新网络共建共享激励制度、网间互联互通和公平接入制度、跨区域和跨部门的协同制度。在数据收益分配方面，建立涵盖收益初次分配及再分配制度、保障保底机制及联席会议制度的数据收益分配制度体系。

丰富数据要素供给体系，需充分借鉴传统生产要素的发展经验，通过生产要素充分流动助推要素体系市场化发展，加快数据要素配置效率提升，发现数据要素在市场结构中的最佳位置。一是优化动力结构。通过市场化手段鼓励更多供给方丰富数据源。在基础端，加快推动大数据、人工智能、区块链等数字经济基础设施建设，推动数据高效、安全汇聚，通过规模化降低数据存储、治理成本。在供应端，积极培育“数据是宝藏”的价值观，强化数据拥有方的数据保护、数据开放和数据应用意识。在应用端，政府要充分引导社会化机构跨区域、跨行业拓展数据交易市场，甚至“走出去”为全球贸易决策提供高效的数据服务。二是优化产业结构。借助区块链、大数据、人工智能等数字技术推进产业孵化，肥沃数字化产业发展“土壤”。积极打造数据创新创业的优良“生态环境”，使高端制造、互联网及现代农业等领域成为大数据的重要应用场景，有效释放数据助力产业融合发展的“黏合剂”效应。三是优化区域结构。精心打造“东数西算”工程以及京津冀、长三角、粤港澳大湾区、成渝地区双城经济圈等区域性数据要素共享工程，不断增强西部地区算力及能源资源与东部地区产业及创新资源的匹配效果，积极塑造以数据为桥梁的沿海、内陆、沿边地区协调发展新格局。

打造数据要素市场体系，可重点从以下方面着手：一是设立国家数据要素交易示范区。坚持“政府引导、尊重市场、差异定位”的原则，塑造大数据交易全国“一盘棋”格局，在京津冀、长三角、粤港澳大湾区、成渝地区双城经济圈等重点区域先行先试，规避交易平台遍地开花、经营水平参差不齐、缺乏协同创新等问题。二是完善促进数据要素市场准入退出机制。由数据交易监督管理部门联合数据交易平台运营主体，共同建立并严格执行交易制度，严把市场准入关口，贯彻执行退出机制。三是明晰平台监管职责，重视交易过程管理。积极发挥数据交易行业协会（自律组织）功能，有效提高统一规范约束下数据交易平台的互联互通性、数据流通共享效率以及数据增值能力。四是强化平台专业化建设。激发市场主体参与数据交易市场的积极性，促进交易平台多元布局，鼓励平台错位竞争，彰显各平台专业特色。打造行业联盟，形成各平台优势互补的新局面。五是充分探索数据资产化发展路径。数据要素的市场激活需要国家对数据要素市场培育的充分引导，通过完善法律法规、会计制度，保障数据资产可计量、可入表，保护数据要素交易主体的财产权。

构建数据要素创新体系，应从两个方面着力：一是在隐私合规前提下推动系统能力（算法、模型等）提升。传统的数据包和数据结果交易已难以满足知识和价值挖掘的需求。在保护数据的情况下，实现多源数据融合和价值挖掘将成为数据交易的重要需求，交易平台需要基于多方安全计算、联邦学习等隐私计算技术的数据交易模式创新，通过技术方式规避数据确权瓶颈，满足多源数据价值挖掘的市场需求。二是通过数据交易平台开展垂直行业创新试点示范。随着产业数字化的快速发展，传统行业主体储备了大量的数据，通过鼓励行业龙头企业开展试点示范，带动产业与复杂数据处理、多源数据融合、深度价值挖掘等大数据技术进行适配，根据行业特性培育提升自动化、智能化行业数据要素的加工处理能力，进一步提升数据的利用和交易价值，减少繁复的人工处理成本，提升效率，增强安全性。