我国数据要素市场的发展实际上就是相关法律法规不断完善、细化的过程。
确权难： a) 数据所有权分类：数据权分为国家主权、人格权和财产权三个维度；《数据 安全法》和《个人信息保护法》解决了数据国家主权和人格权的问题，但 财产权问题尚未在法律层面有明确定义； b) 人格权追溯困难：个人对数据有知情权、修改权、删除权、查询权，但在 实际应用中，个人维权成本非常高，维权手段非常少; c) 财产权仍需讨论：数据的特殊性质导致其在财产上的归属、追溯、增值等 行为很难确定，因此如何定义财产相关的归属、分配等仍旧需要探索。
定价难： a) 传统定价方式不适用：数据具有初始成本固定、边际成本极低、产权确定 困难、来源多维、结构多样的特点，传统经济学中的各种定价方法都难以 使用； b) 对于买卖方价值差异大：数据买卖双方对数据价值评估存在“双向不确定 性”，双方对于同一数据的价值评估差距可能会非常大，因此对于同一数据 的估值也存在比较大差异； c) 可参考经验少：目前数据交易市场规模小、案例少、公开少，也难以形成 成型的定价体系。
流通难： a) 数据供需双方都不明白自己的需求：绝大多数潜在供需方并不清楚自身能 提供什么样的数据和需要什么样的数据，因此缺少主动入场参与流通的意 愿； b) 供需双方缺少互信：由于数据要素的特殊属性，供给方担心数据泄露和可 能的隐私安全，需求方担心数据来源合规性和数据质量，缺少互信基础； c) 平台能力太弱：目前数据交易平台大部分仍是一个撮合场所，没有保障流 通的能力。
监管难： a) 监管主体缺失：目前从国家顶层线条向下，没有具体负责数据要素全条线 监管的机构（资本-证监，土地-国土，人力-人社，知识产权-市场监督） b) 监管依据缺失：数据交易没有成熟法理依据和案例经验，仍处于一事一议 的阶段； c) 监管能力缺失：由于数据的特殊性质，对于数据要素的监管要具备追溯、 处理、分析等多项高度专业化的能力，目前的政府机关当前均不具备。 各种困难的背后，问题的本质是合规数据要素权责利益的不清晰、不对等 我国数据要素市场从 2011 年开始逐渐发端，经历了 2012-17 年的野蛮生长期后 在 2018-2019 年法律体系健全之后被严厉打击，数据交易被片面污名化，各类数据 主体，尤其是政府机关和国有企业，对于数据要素市场敬而远之。
2.1.法律法规体系逐渐成型，参与的政企有法可依
我国数据要素市场的发展实际上就是相关法律法规不断完善、细化的过程；目前已 经形成了以“五法一典”为核心框架的数据要素法律体系。其中五法一典包括《国家 安全法》、《网络安全法》、《密码法》、《数据安全法》、《个人信息保护法》以及《民 法典》。国家法律体系框架下，各地也推出自身的数字经济/数据要素发展政策与法规。其中 公共数据相关政策密集集中在 2021/2022 年。
2.2.监管部门建设完毕，受益运营主体逐渐建立
从 2018 年开始，各地开始在政府内部设置大数据局等部门承接当地数据要素管理 工作，从而形成完善的数据监管、治理、运营体系。层级：省级-地市级-县市级，各级政府均已成立了大数据局/大数据中心、大数 据管理局/政务数据局；职责：一般均承担各地区域内数据全面战略，同时有些机构还负责各地对民政 务平台（类似随申办）、电子政务建设、政务云、政务招采等；越到基层负责的 职能越多、越具体； 来源：从顶层到基层，来源从独立建设到部门整合；领导干部一般来源于工信 /经信系统或办公厅系统；级别：省级层面正厅、副厅级均有（副厅级为下挂），地市级均为政府正常组成 部门（与局委办平行）；下属单位：大部分省、重点地市都有自己的下属单位（事业单位、国资企业） 用于做政企分开，甚至在部分地区形成了省总公司-地市分公司的成熟企业体系。
一些先进地市已经通过建立大数据中心/公司的形式形成政企分开的政务数据受益 运营主体，原因主要有以下三点：权责：对于未来可能出现的风险做主体区隔，降低政务数据开放的心理压力；受益：当前财政体系下政府部门无法通过数据开放获取收益，但事业单位/国资 公司不受限制；运营：数据要素需要极强的技术支持，当前的财政/招采体系在政府部门序列内 难以支撑； 该类公司股权穿透后基本为当地国资委，部分先进地区有其他技术类公司参与；负 责干部主要来源于工信系统/办公厅系统； 未来，我们认为会形成对标国土局-城投公司-公共资源交易中心体系，形成大数据 局-大数据公司-数据交易中心体系。
2.3.技术变化：需求端AI成熟，供给端区块链+隐私计算技术成熟
技术的发展一方面从需求端增加了对数据的需求，另一方面从供给端解决了双方的 矛盾。 从需求端看，AI 算法已经基本得到普及，各行各业都在利用 AI 进行自身业务和流 程的改造；AI 需要大量数据进行模型生成和结果迭代，对于数据，尤其是多源/连续 数据的需求越来越多。 从供给端看，区块链+隐私计算等技术的发展，使得数据确权、数据可用不可见成为 了可能，为数据要素流通提供了坚实的技术保障。 数据流通的供需矛盾在于需求端希望数据越翔实、越接近原始数据越好；而供给端 希望数据越简洁、越不暴露底层数据越好。区块链能够解决数据确权、数据交易过 程确认问题；隐私计算能够解决数据泄露担忧、数据隐私担忧、数据质量担忧。
隐私计算，广义上是指带有隐私机密保护的计算系统与技术，能够在不泄露原始数 据的前提下对数据进行采集、加工、分析、处理与验证。目前主流技术分为安全多 方计算平台（MPC)、联邦学习（FL)、可信计算环境（TEE）。隐私计算从 20 世纪 80 年代发展到今天，已经基本成熟，目前的问题是如何通过软 硬件协同、算法优化等方式提升系统性能，尽量接近明文计算。
目前，隐私计算在数据交换领域的使用已经有了比较成熟的案例，例如： 诺崴科技于 2014 年在美国首创了全球第一个基于隐私保护的超大规模医学科 研网络 pSCANNER，通过创建一个大型、具有高度代表性的医疗网络来辅助临 床结果研究，提高国家进行比较有效性研究（Comparative Effectiveness Research） 的能力。 数牍科技于 2020 年率先落地 TB 级隐私计算商用标杆项目，接下来与三大运营 商、银联、工商银行、北京银行等多家客户达成合作，覆盖金融、营销、风控、 医疗等场景，积累了近百个数据协作产品和模型。2021 年还陆续成为北京、上 海、深圳等多地数据交易所首批数商及交易平台建设方。
隐私计算目前看来是数据要素市场发展繁荣必不可少的技术手段，也因此吸引了非 常多来源的玩家加入，当前已经形成巨头和初创公司共同逐鹿的市场环境。在政策 推进、技术成熟的背景下，隐私计算市场规模急剧扩大，据统计，我国 2022 年上半 年隐私计算领域的招投标项目总金额已经接近 2019-2021 年三年招投标总额，预计 全年同比几倍增长。
2.4.应用变化：金融、医疗、政务等应用场景不断落地
金融行业
金融行业是数据要素应用最活跃的行业，多维数据对于金融机构提升风险评估能力， 从而实现普惠金融具有非常重要的左右。过往中小企业以及个人实际贷款利率难以 下降的一大原因就是无法通过传统数据（资产规模、经营流水）证明自身实力从而 实现信贷增信；但是包括税务、社保、海关、电力等一系列政务公共数据能够有效 提升金融机构对相关信贷主体的评估能力，从而实现普惠金融，因此这一方向也是 目前政务数据开放最主要的方向。数据要素不仅在普惠金融方面助力金融机构，同时对于其内部其他业务也有显著提 升。在数据要素基础设施、基础技术逐渐完善后，金融机构可以更好地与其他机构 合作进行数据分析，从而提升自身业务效率。
医疗行业
我们认为医药、医疗、医保会是下一个即将爆发发展的行业。过去，数据来源、数 据安全是各医疗相关机构一大难题，未来通过数据交易、隐私计算等手段能够促进 全行业效率提升.
