11月15日下午，国家数据局党组书记、局长刘烈宏主持召开专家研讨会。围绕数据特性及作用机理等理论问题听取专家意见。
研讨会的主题如下 ：
1.数据要素价值实现；
2.数据要素赋能新质生产力；
3.数据要素的特性规律及其作用机理；
4.科学数据助推人工智能驱动的科研范式变革；
5.数据赋能实体经济；
6.工业数据推动工业数字化转型；
7.数据在创新部门中的作用；
8.数据的乘数效应；
9.构建符合数据特征的数据基础制度；
10.数据集中和垄断风险及其规制；
11.数据产业在扩大就业和优化分配中的积极作用；
12.数据产品分类与激励机制。
研讨会上，刘烈宏表示，我国是世界上首个提出数据要素理论的国家，数据作为生产要素具有不同于传统生产要素的特征，推进数据要素化、市场化、价值化还面临大量理论和实践问题，希望专家学者持续加强数据基础理论研究，不断深化对数据特性及其作用规律的认识，推动数据要素更好赋能经济社会高质量发展。
一、数据要素面临的理论问题探讨
（一）数据要素化相关理论问题
数据要素特性的精准界定。尽管我们知道数据作为生产要素有别于传统要素，但对于数据要素特性的描述和界定仍不够精准。例如，数据的非物质性和无限可复制性带来的价值生成机制与传统生产要素不同，我们尚未建立完善理论来准确阐释这种特性如何在要素化过程中发挥作用。
数据要素化边界确定理论。对于哪些数据能成为生产要素以及在何种条件下可以转化为生产要素，缺乏清晰的理论边界。是依据数据的规模、类型、产生的价值还是其他因素来确定？目前还没有统一的理论依据，这导致在实践中数据要素化的范围模糊不清。
（二）数据要素市场化相关理论问题
数据市场定价理论的科学性。数据市场定价极为复杂，由于数据价值受多种因素影响，如数据质量、时效性、应用场景等，现有的定价理论无法准确衡量数据价值。缺乏科学的定价理论，使得数据交易价格确定缺乏合理依据，影响市场公平性和效率。
数据市场竞争与垄断理论的适应性。数据市场的竞争模式和垄断特征与传统市场有很大差异。传统竞争理论难以解释数据市场中因网络效应、数据规模优势等导致的竞争格局变化，也无法有效界定数据垄断的边界和形式，在指导数据市场竞争行为规范方面存在不足。
（三）数据要素价值化相关理论问题
数据价值创造与衡量新理论需求。数据与新兴技术融合产生新的价值创造模式，现有的价值创造理论难以涵盖这些新情况。同时，在不同应用场景下准确衡量数据价值缺乏有效的理论模型，这使得我们难以量化数据对经济和社会发展的贡献。
数据价值分配理论空白。在数据价值化过程中涉及多个利益主体，目前缺少合理的价值分配理论。对于数据生产者、收集者、使用者等各方在价值创造中的贡献比例没有清晰界定，易引发利益冲突，影响数据价值化的可持续性。
二、数据要素面临的实践问题探讨
（一）数据要素化实践问题
数据质量和整合难题。实践中，数据质量参差不齐，存在大量不准确、不完整、不一致的数据，严重影响数据要素化的质量。同时，数据分散在不同系统和平台，整合难度大，不同来源数据在格式、标准等方面的差异，增加了数据要素化的成本和复杂性。
数据安全与隐私保护挑战。数据要素化过程中，数据安全和隐私保护是关键问题。数据泄露、非法获取等安全事件频发，而保障数据安全和隐私的技术手段和管理措施在实践中面临着平衡成本、效率和安全性的挑战，处理不当会阻碍数据要素化进程。
（二）数据要素市场化实践问题
数据交易平台建设困境。当前数据交易平台尚不完善，在功能设计、交易规则制定、安全防护等方面存在问题。例如，部分平台无法提供准确的数据质量评估和交易撮合服务，交易规则不明确易引发纠纷，安全漏洞可能导致数据泄露，这些都制约了数据要素市场的发展。
市场信任机制建立困难。数据要素市场中，买卖双方存在严重的信息不对称。卖方可能对数据质量和来源有所隐瞒，买方担心数据使用范围和安全性。这种信任缺失导致市场交易活跃度低，影响数据要素的市场化发展。
（三）数据要素价值化实践问题
数据价值挖掘能力限制。多数企业和机构缺乏足够的数据价值挖掘能力，受到技术水平和人才短缺的限制。数据分析技术不足和专业人才匮乏，使得大量数据资源无法有效转化为有价值的信息，影响数据价值化程度。
价值化应用场景拓展障碍。数据价值化需要广泛的应用场景，但在实践中，拓展应用场景面临诸多阻碍。包括行业传统观念束缚、技术应用限制、政策法规不完善等。例如，一些行业对数据价值应用缺乏创新意识，新兴应用场景可能因法律法规限制无法推广。
数据要素化、市场化、价值化面临的理论和实践问题相互交织且复杂多样。解决这些问题需要政府、企业、学术界等社会各界共同努力，加强理论研究，积极探索实践路径。
审核：全域数字化转型高研院
