配资炒股首选平台对话原海南省大数据管理局局长董学耕：数据要素市场化破冰，央国企领航数据要素价值释放

数据确权、入表、定价均应围绕数据产品展开配资炒股首选平台。

近期，国家数据局组织12家央企牵头开展首批国有企业数据资源开发利用试点工作，标志着数据要素市场化正式从“政策框架搭建”迈入“实体实践破冰”关键阶段。作为国民经济关键领域核心数据持有者、产业链供应链枢纽，央国企牵头试点不仅关乎自身数据价值释放，更对全行业确立数据治理规范、打通资产化路径具有全局示范意义。

面对数据要素价值释放中“不敢开放、不愿流通”的核心堵点，以及数据汇聚、价值挖掘等现实难题，证券时报记者专访了拥有丰富地方大数据治理实践经验的原海南省大数据管理局局长董学耕，深度剖析央国企试点的独特价值、破局路径与数据要素市场的长远发展方向。

央国企为何成为数据要素市场“先锋队”？

证券时报：数据要素市场化从政策走向实践，央国企作为试点主力，在核心数据禀赋、产业链枢纽地位上的独特价值是什么？“国家队”引领模式对全国数据资源有序释放有哪些基础作用？

董学耕：在数据要素市场化从政策走向实践的关键转折期，央国企作为试点主力，其独特价值源于我国经济体制的核心特征，在能源、电力、通信等国民经济关键基础领域，央国企占据主导地位，核心数据资源也主要由其掌握。因此，由央国企带头释放数据资源价值，既是其责无旁贷的责任，也是国企社会担当的体现。

我国经济体制下多种所有制共存，民营企业尤其是互联网平台企业也掌握着大量社会经济活动数据，同样能在数据资源释放中发挥重要作用。此次选择央国企作为试点，核心目的是让“国家队”发挥示范带头作用，消除行业顾虑，后续带动国企、民企等各类市场主体积极参与数据资源有序释放。

当前数据要素价值释放推进多年，但效果有限，核心问题在于数据密集型领域的头部企业，尤其是平台型企业，拿出的数据资源较少。此次试点正是希望通过央国企“打样”，若“国家队”能主动开放数据供社会利用，其他企业将更有动力参与，从而打破行业僵局。

证券时报：试点推进中如何平衡数据安全与价值释放？央国企应如何构建数据全生命周期安全管理体系，具体可遵循怎样的逻辑和原则来匹配安全措施？

董学耕：无论是带动中小企业参与，还是推进数据产品化落地，始终离不开安全与价值释放的平衡，这是试点推进的核心底线，也是央国企必须筑牢的基础。

平衡安全与价值释放的关键，是结合具体应用场景评估安全需求，既保障安全底线，也避免过度投入。例如联邦学习等技术成本高、效率有限，无需在所有场景中应用，需根据数据风险等级和场景需求精准匹配安全措施。而在筑牢安全底线、落实“搭平台—谋场景—做产品”推进路径、实现数据资产化与带动中小企业目标的基础上，如何构建数据要素市场的长效发展机制，实现数据价值化全生命周期动态安全成为试点中需要进一步解决的核心问题。

从“可信流通”到“价值实现”的关键路径

证券时报：您在海南推动公共数据开发时，曾强调“可信数据空间是数据流通的核心基础设施”。央国企成熟的合规体系与数据基础设施结合，能为破解“不敢开放、不愿流通”提供哪些关键支撑？

董学耕：结合海南公共数据开发经验，数据开放利用必须兼顾安全与发展，安全是核心原则。而可信数据空间作为关键数据基础设施，不仅是技术层面的支撑，更蕴含一套完整的制度规则体系，能够有效破解当前行业普遍存在的“不敢开放、不愿流通”困境。

从实践路径看，针对此次央国企的试点，可信数据空间可分为企业级和行业级两类，其中企业可信数据空间更具现实性，也是当前央国企试点的重点方向；而行业可信数据空间根据战略性，应成为央国企试点需要重点突破的方向。

企业可信数据空间，由龙头央国企牵头，覆盖分子公司及产业链上下游等，围绕研发、生产、销售等全环节形成生态合作体系。这类空间对企业自身发展至关重要，且实施难度较低。此次参与试点的国家管网、中国移动、南方电网等企业，已具备良好基础，且市场上已有成熟的技术解决方案。核心是要在生态内建立完善的制度规则，技术层面则需结合数据分级分类原则平衡成本与效率。涉及商业秘密等敏感数据的，采用高安全性技术；一般性信息则可通过低成本方式实现，无需过度投入。

行业可信数据空间，复杂度更高，需突破单一龙头企业的生态局限，覆盖多个龙头企业，甚至跨行业、跨地域（如交通与物流、装备制造与汽车行业的融合）。这类空间的难点在于跨龙头企业的协同，因企业间存在技术体系差异和竞争关系，数据流通共享易产生障碍。破解关键在于制度体系创新，需借鉴“运商分离”原则，由行业内多家企业通过联盟、共同投资等方式，成立第三方独立运营平台，兼顾多方利益。类似金融领域银联的模式，可成为行业可信数据空间破局的有效参考。而这一模式的落地不仅需要央国企带头推动，更离不开政府层面的机制协调与保障，为试点推进筑牢制度根基。事实上，行业可信数据空间离不开部委公共数据授权运营的公共协作、支撑。

证券时报：针对数据“汇聚难、质量低、价值挖掘弱”痛点，央国企如何依托产业链核心地位推动数据融合汇聚与高效流通？有哪些可全国推广的实践思路？

董学耕：可遵循“搭平台、谋场景、做产品”的核心思路，强调数据价值化必须围绕实际问题展开，不能泛泛谈数据，这也是央国企试点推进的核心路径。

搭平台，即建设企业或行业可信数据空间，实现数据的可信流通，保障数据“供得出、流得动”。这是数据价值化的基础，需完成数据编目、挂接等基础工作，让生态内企业清晰了解可用数据资源。

谋场景，核心是找到高价值应用场景，聚焦行业共性或难点问题，以投资回报率（ROI）为导向。数据开发利用存在较高成本，只有瞄准实际痛点，才能通过解决问题实现降本增效，让生态内企业共同受益，从而建立数据汇聚的动力机制。例如，数据质量高低、颗粒度粗细，均以能否解决场景问题为标准，若粗颗粒度数据可满足需求，便无需过度投入提升数据精度；若场景需要，有投资回报，企业自然有动力投入数据治理，提升数据质量，开发数据产品，满足场景需求。

做产品，将数据资源嵌入具体的数据产品，如软件、APP、服务系统等，针对性解决场景痛点，形成“数据—产品—收益”的价值闭环。这一价值闭环能有效破解汇聚难、质量低问题：若数据提供方能从数据应用中获得明确收益分成，自然愿意开放数据并提升数据质量；反之，脱离场景的数据分析只会增加成本，无法形成持续动力。

证券时报：央国企在数据确权、入表、定价等资产化关键环节，如何规避行业模糊地带？对形成可复制资产化模式、加速价值转化有何关键建议？

董学耕：当前行业对数据资产化存在两大误区，一是将数据资源泛化为数据资产，忽视数据资产“可控制、可计量、可收益”的核心特征；二是跳过产品化环节，直接推进数据确权入表，导致计量困难、价值衰减等问题。

真正的数据资产只有两种形态，一是数据产品本身，二是嵌入数据产品的数据提供方的来源数据。数据价值化、资产化要以现金流为核心。数据产品因瞄准具体场景，形成了收益闭环，具备价值稳定性，其依托鲜活数据提供持续服务，不会像静态数据那样快速过时，能够稳定产生现金流，自然满足“可控制、可计量、可收益”的资产属性。同时数据产品的现金流也会分享部分给来源数据，使来源数据也具备“可控制、可计量、可收益”的资产属性。

基于此，数据确权、入表、定价均应围绕数据产品展开，定价可通过场景收益反推，结合投入成本和产生的现金流测算；入表及后续的质押贷款、资本化入股等，也需以数据产品的稳定收益为基础。这一思路既遵循数据产品化、服务化后再推进资产化、资本化的要求，也能切实解决当前数据估价难的问题，让数据资产化落到实处。而数据产品的规模化推广与资产化落地，最终将带动产业链上下游中小企业参与。

构建多方协同、赋能全局的繁荣市场

证券时报：试点提出2027年带动10万家以上中小企业的目标是否具备可行性？其带动效应会覆盖哪些范围？

董学耕：试点提出的“2027年带动10万家以上中小企业”的目标具备可行性。12家试点央国企的产业链生态已较为成熟，仅通信行业就关联手机制造、物联网、无人机等大量企业，围绕这些企业的场景需求提供数据服务，可带动海量中小企业参与。

试点的带动效应还将超出直接关联企业，一方面，央国企在各地的分支机构将推动地方国企参与；另一方面，行业可信数据空间的建设将吸引民营企业、外资企业加入。例如装备制造领域，既有央国企主导，也有实力强劲的民企、外企，需多方联合才能做好行业数据空间，充分挖掘跨企业、跨区域数据价值。

挑战仍集中在行业可信数据空间的建设，从带动中小企业的角度看，额外需要关注的是利益分配机制的建立，只有让中小企业明确参与数据产品生态能获得收益，才能充分激发其积极性。从国际竞争背景看，行业力量整合是产业突破的关键，当前政策力度下，随着利益机制的完善和行业数据空间的推进，带动中小企业的目标具备较大实现前景。

证券时报：长远来看数据要素市场需从哪些方面完善支撑体系？央国企、地方政府、数据交易所应如何明确定位并联动？

董学耕：长远来看，数据要素市场需从三方面完善支撑体系，一是制度建设，依托可信数据空间，建立行业数据流通标准、安全标准及企业间数据连接器标准等，为数据流动提供规则保障；二是空间拓展，从企业可信数据空间逐步向行业可信数据空间延伸，实现跨龙头、跨行业、跨区域可信数据空间互联互通，形成全国统一大市场，吸纳各类所有制企业参与；三是主体联动，明确央国企、地方政府、数据交易所的定位。

具体联动机制中，央国企负责带头示范，通过“搭平台、谋场景、做产品”推动数据产品化、资产化；地方政府需结合区域产业特色，联动城市可信数据空间试点，为中小企业提供政策支持，衔接公共数据与企业数据；数据交易所则聚焦数据产品的跨区域、跨行业交易，为数据产品运营主体的多元化提供支撑，例如企业开发的供应链数据产品，可通过交易所转让给其他运营主体，扩大服务范围。

央国企试点带动中小企业的过程中，还需兼顾人工智能行业落地的需求。当前人工智能的核心发展方向是行业赋能，即赋能实体经济，而行业大模型训练离不开高质量行业数据集。12家试点央国企的核心担当之一，是搭建行业高质量数据集，带动垂直大模型和具身智能应用（如物流分拣机器人）的发展。这一过程中，央国企及其合作生态提供场景与数据，科创企业负责模型训练，数据治理企业承担数据标注与脱敏工作，形成生态协同，既解决了科创企业“缺数据、缺场景”的痛点，也能进一步扩大对中小企业的带动效应。

校对：刘榕枝配资炒股首选平台

鑫盛优配提示：文章来自网络，不代表本站观点。