区域数据要素市场化配置发展模式及驱动路径研究

周乐欣

(贵州大学,贵州 贵阳 550025)

一、引言

我国《关于构建更加完善的要素市场化配置体制机制的意见》(2020年3月发布)首次将数据作为与土地、资本、技术、劳动并列的第五大生产要素,并明确提出加快培育数据要素市场[1]。如何充分激活政府、市场和技术的力量,构建有效市场化配置模式来科学推动数据要素市场建设,以提升数据作为生产要素参与经济活动的水平,是抢抓数字经济发展战略机遇的重大问题。

根据国家工信安全中心测算,“十四五”期间,我国数据要素市场规模将达到1749亿元以上[2]。推动数据要素市场化配置的紧迫性在于:一是加快推进数据资源有效利用,在我国成为数据要素资源大国,且数据要素相关政策不断出台时,参与数据交易的市场主体日益多元化,通过数据要素市场化配置,可将数据资源与其他生产要素相结合,提高资源配置效率,促进数据资源的有效利用和价值实现;二是推进国家数字化转型战略落地,通过数据要素市场化配置可以为产业数字化转型升级提供数据支持,促进企业和社会数字化转型进而提高创新能力和竞争力,提高政府基于数据的决策科学性和精准性,从而提高经济社会管理和公共服务水平;三是不同产业、区域的数据要素禀赋不同,通过数据要素市场化配置,可以实现资源更高效率配置,促进产业和区域间实现更高水平的协同高质量发展。鉴于我国各省份在发展数据要素市场方面的政策环境、资源配置和数字经济水平等条件存在异质性,提高数据要素市场化发展水平的路径也必然存在差异。依据各区域的客观市场条件,相关学者从政府、市场、技术、制度等方面展开研究,并通过实证分析得出,创新、基础设施、人才、数据开放水平、数字经济融合、政策环境等[3][4][5][6][7][8]维度均是影响数据要素市场化发展的重要因素,但目前的研究尚处于理论构建的初始阶段,且主要是探究单一要素对数据要素市场化发展影响的定性研究,缺乏基于数据的多因素组合状态对数据要素市场化发展结果影响的定性和定量相结合的研究。

本文针对我国29个省份(除香港、澳门、台湾、西藏和海南)数据要素市场化配置发展水平展开实证研究,采用模糊集定性比较分析(fsQCA)和必要条件分析(NCA)的方法,探讨政府-市场-技术三个维度对各个省份数据要素市场化发展水平的联动作用,识别出数据要素市场化配置发展水平和模式,及其多元发展路径及作用机理,一方面为缩小数据要素配置市场化发展的区域间水平差异提供路径,促进高质量的统一大市场建设,另一方面为各区域提供推进数据要素市场化高水平发展的策略建议,以助力我国数字经济的高质量发展。

二、文献综述和理论框架

(一)文献回顾

第一,数据要素市场化的必要性。在数字经济时代,数据日益成为重要的生产要素[9]。培育数据要素市场,加快数据要素红利释放,是促进数字经济快速发展的重要途径[10]。数据已成为一国重要战略资源,世界各国正在抢先开发利用[11],加快构建数据要素市场、数据治理体系,提升数据要素使用水平,是在全球数字经济竞争中抢得先机的关键。

第二,数据要素市场化发展水平的影响因素。与实体经济相比,我国数据要素市场仍处于低水平、不完备阶段,必须找准差距和短板,充分认清我国数据要素市场建设的关键影响因素。马费成[12]等从数据要素市场体系结构角度分析,认为数据的确权、安全、分类、和开放共享为关键影响因素。何培育[13]等认为我国大数据交易平台在数据隐私风险、价格机制探索、交易标准化体系构建、专业人才队伍建设等方面困境有待突破。

第三,数据要素市场化发展水平的推进路径研究。在我国数据要素市场化建设阶段,数据要素市场不仅需要市场起决定性作用,更需要政府的调控与推动[14]。推进数字政府建设,为企业及公众提供“一站式”集成在线服务[15],提出统筹布局新型基础设施,缩小“数字鸿沟”,加强交易平台建设,让数据交易商品化和专业化[16],通过“产学研合作机制”,整合数字经济优质资源,提升数据要素供给质量,合力破解制约市场化配置数据要素的“卡脖子”问题。

综上所述,现有研究已从数据要素市场发展的必要性、影响因素、推进路径等方面进行了有益探索,但主要停留在单因素分析上,缺乏对数据要素市场发展的复杂因果关系及多重并发条件的系统思考,有待进一步的分析和挖掘。

(二)理论分析框架

本文立足于我国数据要素市场化发展水平实际状况,以组态视角深入探究政府、市场和技术三者对提升数据要素市场发展水平的联动效应,并揭示不同因素之间的互动关系(见图1)。

图1 数据要素市场化发展研究框架

第一,政府维度。具体包括政府数据开放水平和政策环境两个二级条件。统筹协调有力、高效整合资源是数据要素市场发展的前提,疏通“数据烟囱”,打破“信息孤岛”,推动政府数据开放共享[5],实现数据的社会效益和经济价值。政府是推动数据要素市场化最主要的主体之一,政府对某一领域投入足够多的注意力,为数据要素市场发展提供坚实的物质基础和组织保障。缺乏数据要素市场的基本法律,将难以形成数据要素市场的供给[8],这需要强化政府政策、监管与法律等方面的统筹协调。

第二,市场维度。具体包括数字经济融合水平和数据交易平台两个二级条件。数据要素要实现价值化释放,应与传统要素融合,催生新的消费模式,通过全面融入并赋能各传统产业[7]。数字经济融合发展将提升对数据要素的需求,丰富数据要素市场活动,激发数据要素市场活力,进而促进数据治理[6]。大数据交易市场的建设旨在促进数据流通,规范数据交易行为,为社会提供数据相关配套服务。

第三,技术维度。具体包括创新能力、信息基础设施和人力资源三个二级条件。数字经济时代,创新是第一推动力[3]。培育数据要素市场,需依靠自主创新促进数据要素与传统生产要素融合发展,提高生产要素配置效率,驱动产业结构优化升级。数字技术对于基础研究以及实验研发等方面的知识需求具有较高门槛,因此需要大量从事数据科学技术工作的人才资源投入。

综上所述,本文构建了数据要素市场化发展的理论分析框架。该框架包括政府、市场、技术三个一级指标,以及创新能力、信息基础设施、人力资源、政府数据开放水平、政策环境、数字经济融合水平、数据交易平台七个二级指标(见表1),旨在探究数据要素市场化发展的复杂驱动机制。

表1 各变量校准描点

三、研究方法与数据分析

(一)研究方法:NCA与QCA方法相结合

为更好探究数据要素市场化发展的影响因素之间存在的必要和充分关系,本文使用NCA和fsQCA两种方法进行研究。QCA方法由Ragin于1987年提出,聚焦于组态效应分析,借助架构理论和布尔代数运算,通过分析要素组态与结果的集合关系,可揭示复杂问题背后多重并发的因果关系[17],是一种超越定性和定量分析的新方法。传统QCA方法被用来处理二值数据(0或1),fsQCA方法中,变量可在0～1之间任意取值,以体现事物的连续变化程度,因此本文选择fsQCA作为研究方法之一。2016年Dul[18]提出必要条件分析法(NCA),可以识别单一必要条件及其必要程度。

QCA方法大多探究对结果有贡献的决定因素,而NCA方法可以发现阻止结果发生的制约因素。QCA和NCA对必要条件分析的方法有根本不同,QCA以理论范围的二分对角线作为参考线,如果所有观测值都在对角线之上或者之下,则QCA参考线与NCA上限包络线保持不变,但是当参考线上方出现大量数据点时,QCA参考线保持不变,而NCA上限包络线会向上移动(可能会旋转)。因此,采用fsQCA方法和NCA方法相结合,有效弥补fsQCA方法的不足,会使分析结果更具有说服力与科学性。

(二)变量测量及校准

基于变量数据的可获取性、可操作性并满足样本量等科学性的原则,本文选取我国29个省份(除香港、澳门、台湾、西藏和海南) 数据要素市场化发展水平案例开展研究。

(1)结果变量。本文采取数据要素市场化发展水平作为结果变量,数据来源于中国信息通信研究院和浙江清华长三角研究院的《长三角数字经济发展报告》(2021年9月发布),即数据要素市场化指数,构建各省份数据要素市场化指数,且各省份数据要素市场化程度随该数值的变大而提升。

(2)条件变量。

条件变量1:政府数据开放水平——该数据采取《2021年度中国地方政府数据开放报告》中省域开放数林指数来表示政府数据开放水平,指数对省域在过去四年开放数据的持续水平进行全面评估,包括准备度、平台层、数据层和利用层四个方面。

条件变量2:政策环境——借鉴现有文献做法[19],以各地区出台的促进数据要素市场化发展的政策文本数量来衡量政策环境。在北大法宝数据库政策全文中,以数据要素、数据交易为关键词,对各省份的地方性法规、地方规范性文件和地方工作文件进行检索,得出到2022年9月止各地发布的数据要素市场主题的政策文本数量。

条件变量3:数字经济融合水平——该数据来源于《2020中国数字经济发展指数白皮书》,指标主要从“两化融合”、农业数字化和服务业数字化三个方面进行衡量各地区产业数字化发展水平。

条件变量4:数据交易平台——该数据来源于各省级政府网站及新闻报道中的信息,得到全国已经成立或拟成立的数据交易平台,再根据“企查查”软件确定这些数据交易所的工商状态信息“存续”和“在业”的纳入本次数据指标中。

条件变量5:创新能力——该数据来源于《中国区域创新能力评价报告》(2021)中创新能力综合效用值,以此值来评估区域创新能力,主要包括知识获取、知识创造、企业创新等。

条件变量6:信息基础设施——该数据来源于《中国大数据区域发展水平评估报告》(2021),由中国电子信息产业发展研究院发布,指标从产业发展、基础环境和行业应用三个方面来评估。

条件变量7:人力资源——该数据来源于《中国人口和就业统计年鉴2021》,选取就业人员中本科及以上占比标准来衡量。

(三)数据校准

在进行NCA与fsQCA分析前,选取3个定性锚点对原始数据进行校准,本文采取Ragin[20]提出的直接法进行校准,选取0.95作为完全隶属点、0.5作为交叉隶属点和0.05作为完全不隶属点。并避免在数据校准过程出现模糊隶属分数为0.5的情形(此情况将不被纳入分析,最终影响结果),0.5改成0.501或0.499,具体的各变量锚点计算结果见表1。

四、数据分析与实证结果

(一)必要条件分析

本文首先采用QCA方法检验必要条件,以0.90作为一致性阈值,当一致性大于0.90时,将条件变量作为必要条件处理。如表2所示,单个条件必要性的一致性全部低于0.90,因此不存在产生高水平数据要素市场化的必要条件。

表2 QCA单个条件必要性检验

如前所述,NCA可以分析条件的必要性和程度,帮助回答诸如“一个区域要实现特定水平的数据要素市场化配置,前因条件至少要达到什么程度?”的问题,QCA和NCA对必要条件分析的方法有根本不同,这种差异通常导致NCA识别出比QCA更多的必要条件,有效弥补QCA方法的不足,两者互证互补,并不冲突。

本文进一步采用NCA方法进行必要条件分析,是否为必要条件需要满足两个标准:①效应量(d)≥0.1;②基于置换检验的P值应小于0.05。表3为NCA的必要条件分析结果,数据检验结果显示创新能力、信息基础设施、政府数据开放水平、数字经济融合水平和政策环境的效应量均大于0.1,且P值≤0.05,说明这五个条件变量均是数据要素市场化发展的必要条件,其中信息基础设施和数字经济融合水平尤为显著。表4展示了条件瓶颈水平分析结果,表明不同水平的数据要素市场建设需要何种程度的条件。如表4所示,当数据要素市场化水平达到70%时,至少需要42.4%水平的创新能力、52.5%水平的信息基础设施、11.4%水平的人力资源、36.0%水平的政府数据开放水平、14.0%水平的数据交易平台、52.9%水平的数字经济融合水平、45.6%水平的政策环境。因此,为了达到更高水平的数据要素市场化配置,需要在这几个方面不断的投入和完善。

表3 NCA方法必要条件分析结果

表4 NCA 方法条件瓶颈水平分析结果( %)

(二)条件组态分析

表5 高水平数据要素市场化的组态

为实现高水平的数据要素市场化发展,fsQCA分析的结果产生了5种条件组态(见表5)。在组态H1a中,数据交易平台和政策环境为核心条件,创新能力、政府数据开放水平和数字经济融合水平为辅助条件;H1b中,数据交易平台和政策环境为核心条件,创新能力、信息基础设施和数字经济融合水平为辅助条件;H1c中,数据交易平台和政策环境为核心条件,高政府数据开放水平为辅助条件;H2a中,信息基础设施和人力资源为核心条件,创新能力、政府数据开放水平、数据交易平台和数字经济融合水平为辅助条件;H2b中,信息基础设施和人力资源为核心条件,数据交易平台为辅助条件。对由不同必要条件组合支撑形成的四类组态分析,得出不同区域数据要素市场发展的不同模式。

模式一:“政府开放+市场创新”融合驱动型。在该模式下,加强顶层设计和法律监管,对数字政府建设做好整体规划。打造全要素综合型交易平台,培育并引进各类大数据企业,强化关键技术产品创新,优化产业发展环境,促进数据要素与产业集群实现融合发展,推动数据要素交易市场发展。

模式二:“政府政策+交易平台”主导型。在该模式下,地方政府高度重视,出台相关立法和政策文件,完善数据流通制度,明确支持发展数字经济,推动建设数字政府,并推进实现公共数据资源的开放、共享、开发。凭借政策环境条件的引导和支持,激发市场主体活力,以公共数据共享和交易为引导,着力打造完善的市场体系,提供数据交易的规范化、高效率服务。

模式三:全要素驱动型。这些省份数字经济发达,研发强度高,重视科学技术的突破作用,因此具有较高的技术基础;省级政府加强政府数据开放水平和数据交易平台的建设,推动公共数据与社会数据融合,培养大数据相关人才,加快推进数据流通、技术迭代和数据应用升级,促进数据要素有序高效流通。

模式四:“关键技术+平台领先”驱动型。该模式以市场需求为导向,数字技术处于领先地位,注重培养专业化、复合型数字人才,完善信息基础设施,建立区域统一的公共资源交易平台,设计和完善数据交易机制,提升交易平台的撮合和交易效率,为数据交易市场发展提供服务。

四种模式在提高数据要素市场化配置水平发挥了重要作用。通过对比分析,模式一和模式二适用于政府主导能力较强的地区,模式三适用于数字经济较为发达、研发强度较高的地区,模式四适用于市场需求活跃、数据技术领先的地区。

(三)稳健性检验

本文对高数据要素市场化的前因组态进行稳健性结果检验:(1)将案例频数阈值从1设置为2,组态结果基本不变。(2)将PRI一致性阈值由0.8提升至0.85,产生的组态结果基本一致。(3)将一次性门槛值由0.8分别设置为0.85和0.9,两者产生的条件组态结果基本一致。因此,可证明上述结果具有稳健性。

五、讨论与分析

(一)数据要素市场关键驱动因素作用机理

如前文所述,政府、市场和技术三者对提升数据要素市场化发展水平起着关键联动效应。数据要素市场从无到有、从低水平向高水平的转变,需借助这三个关键驱动因素的高水平相互作用。在数据要素市场化配置过程中,政府发挥引导和监管作用,通过制定相关政策和法规,明确交易规则和监管机制,保护数据要素的权益,防止市场垄断、滥用数据要素和不正当竞争的情况发生。政府还可以构建数据交易平台,设计相应的交易和定价机制,制定激励政策和减少市场壁垒,以推动数据要素流通交易。市场机制通过构建供需双方自主决策和协商进行交易的机制,具有信息高效、资源配置灵活、激励机制明确等优势,有利于提高数据资源的利用效率,提高整体经济效益。同时,随着云计算、区块链、物联网技术和密码学等技术的应用,可以处理大量的数据要素,进行数据要素安全存储和信息共享,保护数据要素的安全和隐私,防止数据泄露和滥用。因此,数字技术一方面是数据要素市场有效运行的基石,另一方面是推动数据要素需求高速增长,使得技术创新越来越成为数据要素市场建设的关键变量。

政府政策和政府开放水平是数据要素市场发展的重要条件,而市场能力和技术创新能力为数据要素市场配置提供关键激励机制和能力。实现政府、市场、技术的动态平衡发展,是驱动数据要素市场化配置水平提升的关键,各区域需结合自身条件,充分利用优势、弥补劣势,走出一条适合自身实际的市场化发展驱动路径。如表6所示,只有将资源有效分配到核心要素上,同时,减少辅助要素的投入,才能最大程度释放数据价值,以走出区域数据要素市场化发展的不同路径。基于上述分析,本文归纳凝练数据要素市场四个发展模式下的三个驱动路径,分别是:后发赶超型、重点突破型和技术领先型。同时,参考表5可知,第一类,以贵州、广西为代表,走出一条后发赶超型的道路;第二类,以山东、四川、河南、安徽为代表,基于较好的全要素生产力,奋力实现重点突破;第三类,以上海、浙江、广州、北京、江苏、福建、重庆为代表,在技术上具有领先性。

表6 区域数据要素市场化配置发展模式

(二)数据要素市场发展的三个驱动路径

从后发赶超型、重点突破型到技术驱动型三种驱动路径中,市场、技术驱动的成分在持续加大,这说明市场和技术先天禀赋较好的地区,该两个条件也更大发挥了数据要素市场化配置的驱动作用,而西部地区由国家和地方政府的政策支持和先天地理条件的优势因素,克服技术、人才、产业数据洼地的劣势,走出了一条后发赶超的路径。

1.后发赶超型发展路径

该路径是指在经济基础偏弱的地区,通过学习借鉴先进地区的技术和经验,进行数据要素市场化配置改革,打破数据要素流通壁垒,实现数字经济的快速发展。扬长避短,借势而为,充分发挥后发优势,重点对接国家战略,着力构建“数字要素流通交易”创新区,引导地方政府统筹布局数据中心建设,构建数据交易生态,驱动各类数据交易高质量发展。探索建立“政府信用担保制度”和“政府监管保障制度”,加大实施政务与公共领域数字化转型改革力度,打造公共数据交易先行区。例如贵州发挥“贵州+东部”模式,充分利用气候、能源、综合成本等优势,围绕构建“东数西算”“东数西存”格局,发展数据中心,推动更多数据向贵州集聚。

2.重点突破型发展路径

该路径是指在“均衡发展”的基础上,将政策和资源倾斜到数字经济特定的领域和空间,着力破解数字流通壁垒,打造数字产业示范项目,以此支撑和带动数据要素市场发展。这些地区缺乏阿里巴巴、腾讯、百度等这样的新经济龙头企业,没有形成规模化产业链,因此要在整体推进的基础上,进行产业结构调整与转型发展,加大全社会研发投入,构建区域创新体系。通过抢抓市场应用带来的生产机会进行持续改进,推进实现“场景应用+人工智能”,重塑传统行业生态结构,打造开放创新生态和统一技术标准,探索多元化合作运营模式,催生新业态新模式,加快推动大数据与实体经济深度融合,提高数据供应、流通和应用水平。

3.技术领先驱动型发展路径

该路径是指充分利用区块链、物联网、元宇宙等新兴技术赋能数据交易,降低信息不对称程度,促进数据要素自主流通。该模式适合数字经济基础领先,数据资源丰富地区。以“数字技术”为基础底座,发挥企业创新主体作用,强化产学研用协同攻关,围绕数据沙箱、安全多方计算、数据采集、清洗、分析、交易、存储等核心技术研发创新,推动产品研发及产业化。优化数据交易平台,构建平台“综合服务功能”,强化数据生态建设、数据资产定价、算力资源及技术研发、隐私保护等领域创新,提高数据安全性、流通性以及数据交易变现能力,提高企业自主创新能力,优化新型产业结构,建设经济产业生态圈。

三种路径中,后发赶超型发展路径加强政策引导和政策创新,统筹协调数据要素市场,探索数据要素市场化配置机制,体现了整体制度环境的重要性;在重点突破型发展路径中,发展区域优势领域数据价值化应用,依托产业服务特色开展数据服务业务,体现了“不均衡发展”的策略;在技术领先型发展路径中,推动数据产品、技术、服务安全有效开发利用,打造数据要素流通综合服务体系,体现了制度、技术和创新同时发力的重要性。

六、总结和建议

(一)研究结论

本文基于政府、市场和技术三维组态框架,运用fsQCA和NCA相结合的方法以我国29个省份(除香港、澳门、台湾、西藏和海南)为样本,以组态视角探索我国数据要素市场化发展的多元驱动机制,揭示影响数据要素市场化发展的核心条件和复杂互动本质。研究表明一定水平的创新能力、信息基础设施、政府数据开放水平、数字经济融合水平和政策环境是实现高数据要素市场化的必要条件,而信息基础设施和数字经济融合水平尤为重要。我国各省份数据要素市场化发展存在不同阶段,其驱动机制存在差异。通过对条件组态的横向对比,发现数据交易平台存在于每一条组态中,该条件变量也被证明是数据要素市场化发展的必要条件,是提升数据要素市场化发展的关键条件。要实现高数据要素市场化,政策环境>23.8%是必要的,否则就不会达到期望结果。通过组态分析总结出区域数据要素市场化发展存在三条路径:后发赶超型路径加强政策导向,借鉴先进地区技术优势进行数据要素市场发展;重点突破型路径以均衡发展为前提,将资源重点倾斜到特定领域和空间;技术领先型路径用技术优势促进数据要素开放、流通和应用。

(二)政策启示

基于上述分析,为提升我国数据要素市场化发展水平,本文提出如下建议:

第一,从NCA和QCA的结果来看,区域性数据要素市场化和行业性数据交易平台的建设处于不同发展阶段,高水平数据要素市场化必须满足一定水平的创新能力、信息基础设施、政府数据开放水平、数字经济融合水平和政策环境,否则,它们在一定程度会阻碍高数据要素市场化发展,其他决定因素无法弥补必要条件的缺失。首先,强化政府政策支持,加快法律制度建设,为数据开放、流通和交易提供保障,让市场交易有法可依。其次,提高数据开放共享水平,优化数据交易平台建设,要不断创新,设计新的交易制度和模式来推动市场发展。再次,加强信息基础设施建设,以数字技术为驱动,将区块链、人工智能等技术与数据交易深入融合,开发数据交易应用场景,进而不断提升我国数据要素市场化配置水平。

第二,遵循资源和科技水平的禀赋,各地需构建区域差异化发展路径。我国数据要素市场化发展存在地域差异,浙江、江苏和上海等省份是数据要素市场化发展的模范领跑者,与其他地方相比,拥有比较好的市场和技术条件。中西部地区虽然没有东部地区的优势,但是通过健全政策环境和优化数据交易平台也可以推动数据要素市场发展。东部地区数字经济发达,但能源相对短缺,而中西部地区自然资源丰富,因此,通过政策引导,深入推进我国“东数西算”发展战略,推进中西部大数据中心和算力中心发展,消除“数字鸿沟”,加快产业结构升级,驱动中西部地区经济增长。因此,各地方政府要结合自身实际,从整体性角度出发,注重政府、市场和技术之间多重条件的匹配联动作用,避免重复投入,有针对性地制定提高数据要素市场化发展政策。

第三,平衡政府引导、市场和技术创新的作用。比如贵州需从省情出发,结合规下大数据企业3万余家、规上企业较少的现状及后发赶超型经济发展路径的特征,将“大数据战略行动”和“赶超战略”深度融合,以公共数据共享和交易为引导,围绕贵州省十大千亿级产业为核心,重点连接该类行业的全球、全国企业及关联企业,如上下游金融、研发、制造、销售等企业,在数据交易领域催生“单个变量变化导致总量变化形成连锁反应”的“数乘效应”,构建“供应链+数据链”高度互补的数据交易平台,打造世界级产业集群,构建起世界级的数据交易市场,以“政务及公共数据+贵州十大千亿级产业为核心的全球产业集群供应链企业数据市场化交易”为锚,构建“1+1+N”数据交易体系,形成“双引擎驱动、多点激活市场、连点成线、织线成面”的科学有序发展格局。

第四,数据交易平台出现在每一条组态中,因此,强化流通市场体系建设,做强市场基础服务和合规监管功能。鼓励各类数据商进场交易,推进数据交易场所与数据商功能分离。加速市场发展面向新兴数据流通市场建设应具备的服务功能,着力打造比较完善和成熟的市场体系,提供数据交易的规范化、高效率服务。首先,面向市场进入者,提供所需的功能完善的组织机构体系,使其能顺利完成数据产品的买卖,保证数据产品交易的顺利进行。其次,为参与数据交易的各主体提供一体化、整合性服务,推动形成完备的数据确价、定价机制,确保交易公开公平,以交易信用体系确保市场运转流畅。再次,探索形成适合于多样主体、不同技术类型、应用场景以及多阶段交易等各种流程的交易服务体系,优化完善流程并提升效率。最后,集聚数据交易相关资源,为各交易主体提供合作交易的机会和数据流动增值的渠道,通过推动银行、信托公司、保险机构等建立服务大数据交易的相关服务,打通数据交易与土地、资本、劳动力等要素市场的接口,实现不同要素市场的有效协同。