闫一新 史依颖 李锐 冯冠霖 工业和信息化部电子第五研究所
数据要素商业模式是企业利用数据创造价值、传递价值、获取价值和实现价值的方式。2022年，我国大数据产业规模达1.57万亿元，万亿产业规模背后离不开企业在商业模式方面的持续探索创新。目前，我国数据产量位居全球第二，北京、上海、深圳等地建设了数据交易机构，各地方、各企业探索数据交易流通成效初显，但仍存在市场生态不成熟、数商分布不均衡、算法滥用和安全事件频发等问题，阻碍了数据要素商业模式的高质量发展。为此，亟须借鉴国外优秀经验，不断激发企业商业模式创新动力，推动数据要素更好发挥对企业业务创新增值的赋能作用。
我国数据要素商业模式发展情况
数据要素商业模式概述
近年来，数据要素不断激发商业模式创新，催生新产业、新业态、新模式，已经成为促进业务创新增值、提升企业核心价值的重要驱动力。
数据要素商业模式的类型较多，产业链不同角色的企业有不同的盈利和价值实现模式。根据面向对象不同，可以分为2B、2C、2G等；根据产品服务不同，可分为应用服务、咨询服务、交易服务、决策服务等；根据垂直领域不同，可分为汽车、医疗、金融等模式。综合经营主体、服务类型多种分类方式，可以将典型商业模式分为数据自营模式、数据租售模式、数据平台模式、数据咨询模式、数据众包模式等。
我国拥有海量数据资源和丰富应用场景优势，2022年我国数据产量达8.1ZB，同比增长22.7%，占全球数据总产量10.5%，位居世界第二。然而，目前我国数据要素市场机制尚不完善、生态尚不成熟；在数据资源的开发利用方面也远远不够，大部分数据还在“沉睡”，而且占据大量存储空间，能够真正成为生产要素的数据资源占比不高。因此，亟须系统梳理现阶段国内数据要素商业模式中，数据获取、计算处理、价值变现等关键环节的发展情况，找到数据要素商业模式的堵点、难点，引导、指导企业精准发力，不断丰富完善数据要素商业模式，持续激发我国海量数据资源的价值潜力。
数据要素商业模式发展阶段变迁
回顾数据要素商业模式演进历程，主要可分为平台自我服务阶段、拓展服务阶段、数据要素市场化阶段。
平台自我服务阶段。2010年之前，国内百度、阿里巴巴、腾讯等互联网企业纷纷依托自身业务建立大数据平台，通过对平台上用户信息的大数据分析，提升对公司精准营销和个性化广告推销水平。如百度于2000年1月创立搜索引擎，最初的商业模式为“用户网页搜索+搭载商业广告”。但与谷歌等大型国外企业相比，百度在社交数据、实时数据的收集挖掘方面存在较大差距，仅限于百度指数等初级应用。
拓展服务阶段。2011—2020年，随着大数据技术不断发展进步，国内互联网企业纷纷重视数据分析挖掘对业务拓展的赋能作用，中小企业也在探索挖掘过程中贡献了一批数据要素商业模式，推动大数据产业规模不断攀升。如腾讯在2011年1月推出微信，利用用户已有的社交及关系数据挖掘出政治、社会、文化、商业、健康等领域的信息，分析人们的生活和行为，并提供服务。
数据要素市场化阶段。2020年后，国家层面密集发布数据要素相关文件，明确将数据作为一种新型生产要素，强调大力发展数据要素市场。在政策指引下，国内相关数据交易机构、企业纷纷重视数据的交易流通，积极参与数据要素市场建设。
我国数据要素商业模式发展现状
良好政策环境为商业模式创新奠定坚实基础。国家层面，2022年1月国务院印发《“十四五”数字经济发展规划》，提出“促进数字技术向经济社会和产业发展各领域广泛深入渗透，推进数字技术、应用场景和商业模式融合创新”。地方层面，各地纷纷在数字经济领域相关文件中鼓励利用数据创新企业商业模式，例如《广东省企业首席数据官建设指南》明确首席数据官的职责，包括通过数据分析创新商业模式，为企业创造新的商业利润等。
数据要素市场建设推动商业模式不断涌现。2020年以来，随着数据作为新型生产要素逐渐成为共识，各地区、行业积极探索数据要素市场建设，围绕数据交易这一主线，涌现出数据资产评估、数据质量评估、数据交易仲裁等新型商业模式，如上海数据交易所自2021年11月成立以来，聚焦金融、制造等行业板块开展数据资产登记评估等业务，形成了规模交易条件，数据产品累计挂牌数超800个，交易额超过1亿元。
新技术应用赋能商业模式提质升级。人工智能、隐私计算等数字技术的加速创新，促进了数据要素进一步转化为安全、可流通、可交易、可计算的数据产品，为近年来数据要素商业模式蓬勃发展奠定了坚实基础。如蚂蚁集团基于隐私计算、区块链等技术，开发了蚂蚁链摩斯安全多方计算平台，解决企业之间数据协同计算过程中的数据安全和隐私保护问题，进而商家可通过该平台对用户数据进行分析挖掘，大大降低了营销成本，客户的交易转化率提升了50%以上。
数商规模日益壮大为商业模式注入创新活力。数据要素商业模式的创新离不开数商，数商是以数据为业务活动，开展数据资源生成、数据资产化、数据产品化、数据交易、数据市场运维等数据服务的经济主体。根据上海市数商协会发布的《全国数商产业发展报告（2022）》，2000年至2021年底，中国数商企业规模不断壮大，年复合增长率为21.7%，截至2022年11月，数商企业数量达到192万家，其中上市企业有1668家。
国内数据要素商业模式典型案例
在实际的数据要素商业模式发展过程中，一家企业的商业模式往往不是单一的，而是包含数据自营、数据租售、数据平台、数据咨询等其中的两种甚至多种。典型案例有电子商务领域的阿里巴巴电商业务、数据交易领域的上海数据交易所数据交易业务、民生服务领域的北京市政交通一卡通、医疗健康领域的心医医疗大数据平台、企业服务领域的猪八戒网中小企业公共服务平台等。
国外数据要素商业模式发展经验
政策环境
美国。数据要素商业模式的革新根本在于数字技术的创新，美国作为全球信息技术和数字革命的重要发源地，率先提出了人工智能、大数据、云计算等先进理念，积极推进先进数字技术研发，为美国数据要素商业模式的培育和发展奠定了先发优势。2019年，白宫行政管理和预算办公室发布《联邦数据战略和2020年行动计划》，对美国未来10年的数据发展远景进行了详细描绘。
欧盟。数据要素商业模式的有序健康发展需要数据治理规则的指导，欧盟不断建立健全数字经济发展规则，打造统一数字化生态，领先探索数据治理范式，规范商业模式有序发展。在个人数据方面，欧盟各国把个人隐私视为人权的重要组成部分，从2002年《电子隐私指令》到2016年《通用数据保护条例》，欧盟不断加强对个人数据的保护。在公共数据方面，欧盟及各国不断完善修订相关法律法规，规范公共数据市场秩序，防止科技巨头形成市场垄断。2018年11月，欧盟理事会和欧洲议会颁布了《非个人数据自由流动条例》，明确了“非个人数据”的内涵，并确保非个人数据的跨境自由流动。
日本。日本历来把培育大数据、云计算等新兴产业视为提振经济增长的重要抓手。2021年5月，日本相继通过《数字改革关联法》等6部法案，同时成立数字厅这一机构专门负责政府部门的数字化发展。2021年6月，日本出台《综合数据战略》，旨在打造世界顶级数字国家所需的数据基础设施，为数据要素市场建设提供指导性方针。
韩国。2021年10月，韩国国务会议通过了《数据产业振兴和利用促进基本法》，旨在促进数据产业发展和振兴数字经济。2022年4月，韩国发布了“数据产业振兴综合计划”，并成立了“国家数据政策委员会”作为国家数据和新产业政策的管理机构。2022年9月，韩国总理韩德洙主持并召开了韩国国家数据政策委员会的第一次委员会，公布了对8个数据领域的改善计划。
典型案例
美国数据经纪商。数据经纪商指从事数据收集、处理并对外提供数据服务的机构。美国政府高度重视数字经济发展，在不严重侵犯个人隐私权的前提下，美国更倾向于个人信息的自由流动。在此背景下，美国形成了规模庞大的数据交易市场，也产生了专门提供数据交易服务的数据经纪商。美国数据经纪商主要通过商业渠道、公共媒体，以及政府等途径获得数据，在整理、分类、分析、挖掘这些消费者数据的基础上，为客户提供三种产品和服务：精准营销、风险控制和人员搜索。
日本个人信息银行。2016年，日本政府提出“信息银行”的构想，旨在为个人数据资产打造管理和交易的统一平台。2017年，日本政府开始推动信息银行的筹建和制度化，试图建立一种以个人为起点的数据流通体系，由数据主体决定个人数据的利用。2020年春季，日本瑞穗银行和软银集团已经开始向企业提供消费者个人信息的“信息银行”服务。目前，日本已有包括三井住友信托银行、中部电力公司等在内的7家信息银行，管理包括用户基本属性、网上购物记录、行动轨迹、病历档案等信息，提供包括数据理财、金融风险评估、个人信用评分等在内的服务。
德国工业数据空间。2015年10月，在德国联邦教育与研究部的资金支持下，德国弗劳恩霍夫应用研究促进协会启动了工业数据空间（Industrial Data Space，IDS）项目，即一种基于标准通信接口、实现安全数据共享的虚拟架构。IDS的定位是基于工业4.0产品、服务创新、数字基础设施和各类终端设备、传感器、实时生产线之间的连接，旨在为数字化服务和创新商业模式提供安全、自主的数据交换。
综上，美国、德国等国家和地区在数据平台、数据空间等领域具有一定的先发优势，但我国近年来也在大胆探索，迎头赶上，取得了一定的成绩。例如，华为与IDS、GAIA-X开展合作，参考搭建可信、可控、可见的企业数据主权可控交换空间（EDS），为大型集团企业提供数据可控交换空间服务，解决数据主权保护与数据要素流转的矛盾。
我国数据要素商业模式发展制约因素分析
数据要素市场生态不成熟。数据交易是数据要素商业模式的基石，但目前围绕数据交易的配套生态尚不成熟，导致企业成本高、盈利差，进而影响其参与商业模式创新的积极性。一是除上海数据交易所、北京国际大数据交易所等实力较强的交易机构外，大部分交易机构交易模式尚不成熟、运营状态不佳，以“粗放型”数据原材料撮合买卖为主，存在“挂牌热交易冷”现象。二是数据交易所需的存储、计算、传输等基础设施建设滞后，面向海量数据的隐私计算技术应用服务缺乏，企业参与数据交易的固定成本支出较高。三是交易机构的数据服务、算法、模型、分析定制等生态运营路径尚不清晰，缺少规范化、专业性的服务支撑，导致企业交易时承担更多的数据质量评估、合规评定等隐性成本。
数商分布不均衡。从细分行业来看，据上海市数商协会统计，目前国内数据咨询服务商、数据资源集成商、数据分析技术服务商的占比分别为34.7%、21.4%、14.3%，累计超过总数的70%，而数据交付服务商、数据治理服务商数量过少，累计不到100家。数商主要积聚在数据要素前端，而直接参与数据交易流通的企业数量严重不足，导致数据交易案例较少，商业模式创新发展缓慢。从地区分布来看，长三角、珠三角、京津冀、川渝地区数商集聚数量分别达到50.0万家、24.3万家、21.4万家、13.4万家，占全国总量的56.8%，而中西部地区相对匮乏，当地商业模式活跃度较低。
企业数据管理能力不强。当前，我国企业数据管理能力普遍不强，制约其运用数据要素创新商业模式。一是数据战略意识缺乏，虽然企业普遍开始重视数据资产和数据开发应用，但部分企业对数据管理的重视程度不高，缺少对商业模式的大胆创新和整体规划。二是数据孤岛现象严重，数据标准管理分散，相当一部分企业没有对其内部数据进行统一集成，大量数据分散在各个业务系统中。三是数据管理人才不足，大部分企业没有设立专业的商业模式创新团队。据中国大数据产业生态联盟统计，2021年国内企业对大数据研发工程师、大数据产品经理的需求率高达83.3%、50.9%。
算法滥用和安全事件频发。数据要素商业模式的安全稳定运行，需要依赖高质量的数据来源以及安全可靠的数据流通机制。但随着数据在商业中的大规模应用，“大数据杀熟”“算法歧视”等算法滥用事件、数据黑市交易等安全事件也频频发生。如2020年7月，淘宝发现有人绕过淘宝无线开放平台风控，爬取近12亿条加密数据，包括买家UID、淘宝昵称、用户手机号等敏感信息。算法滥用、数据安全事件严重损害消费者利益，引发消费者质疑由新技术衍生的数据要素商业模式的公平性、安全性，降低了消费者参与相关商业活动的积极性，影响数据要素商业模式持续性地优化创新。
谱写我国数据要素商业模式发展新篇章
强化商业模式培育创新。一是鼓励各地结合本地大数据产业发展实际，开展数据要素商业模式培育工作，并结合大数据产业发展规划、数字经济促进条例，制定财政补贴、税费减免、人才引进等配套政策。二是分行业、分领域树立一批作用突出、成效显著、可复制推广的数据商业模式优秀案例，通过大会、赛事、展览等活动等进行多渠道宣传推广。三是鼓励国内企业及时跟踪国际龙头企业实践经验，加强商业模式经验交流共享，聚焦国内需求痛点，推动数据要素商业模式创新应用。
不断优化产业生态。一是完善公有云、大数据中心等公共服务设施建设，支持隐私计算、多方安全计算、可信工业数据空间等技术研发和应用服务，降低数据交易技术成本。二是大力培育数据交付服务、数据治理等“短板”细分行业数据服务商，支持数商分布较少的地区结合地方发展实际，聚焦数据的标注、清洗、分析等环节，以及资产评估、登记结算、交易撮合等需求，培育一批数据服务商。三是鼓励建立线上社区、产业联盟服务平台，推动供需对接，促进解决方案研发，引导数据开发利用、交易模式等创新发展。
培育壮大市场主体。一是培育大型数据服务商，对标Gartner、Google等国际一流国际数据服务商，面向重点行业培育一批具有竞争力的数据解决方案供应商、数据资源服务提供商和数据服务龙头企业。二是壮大中小数据服务商，引导中小型企业专注特定行业、领域，形成具有市场竞争力的整体解决方案，面向重点行业培育一批具有竞争力的“专精特新”数据服务商。三是优化数据交易机构建设，加强数据交易机构管理，稳妥引导市场主体参与数据交易机构建设，提高服务能力和技术水平，推动分级建设、差异发展。
筑牢安全保护底座。一是加强隐私计算、数据脱敏、数据加密等数据安全技术与产品的研发应用，提高数据访问、流向控制、溯源等关键环节管控能力，确保数据来源可溯、去向可查、责任可究。二是完善数据要素市场监管机制，明确各方主体的资质和权责，制定数据交易负面清单，严查黑市交易，加大对数据滥用、侵犯个人隐私等行为的治理惩戒力度。三是按照分级分类、分阶段的监管思路，对数据要素商业模式中精准广告营销等“低风险”算法应用给予更大发展空间，将监管重心转移到涉及公共服务、个人权益的“高风险”算法应用。