我国无疑是数据大国，但距离真正的数据强国，还有很长的一段路要走。
在支撑数字经济的三大基石——算法、算力和数据中，算法和算力中国目前还处在“追赶者”的位置，但数据则是我国重要的禀赋优势。
在工业化时代，四大核心核心要素分别是土地、劳动力、资本、技术。进入数字经济时代，数据要素成为了第五要素。数据作为生产要素分配，已经上升到国家的战略高度。
(资料图片)
随着数据要素化的加速和数据要素市场的形成，无疑将成为我国发展数字经济和建设数字中国的强大动力。
实现数据的“资源化、资产化、资本化”闭环，将是当前主要需要解决的问题。在数据要素创新领域，中国电子数据集团提出了坚持系统观念，以“制度+市场+技术”三点互为支撑的总体架构，具有很强的借鉴意义。
而金融行业是数字经济中对数据要素的价值能够发挥最大的主战场之一。
当谈到数据要素时，我们通常是指不同类型的数据元素或数据实体，这些数据元素可以具有不同的形式和用途，例如基础数据、元数据、地理信息数据、业务数据等。
发展数据要素行业的主要目的和意义是帮助个人、组织和公司更好地管理、共享和交换数据要素，以实现数据资产的最大化利用。通过数据要素的合理分配，可以更好的支持数据挖掘、机器学习、人工智能等领域的应用。
根据工业信息安全发展研究中心的测算，2022年数据要素市场规模已突破900亿元，预计到2025年将达到近1750亿元。
人民银行《金融科技发展规划（2019—2021年）报告中提出：“在切实保障个人隐私、商业秘密与敏感数据前提下，强化金融与司法、社保、工商、税务、海关、电力、电信等行业数据资源融合应用，建立健全数据融合应用机制，实现数据资源有效整合与深度利用”。
《金融科技发展规划( 2022-2025年）》进一步明确：把握数字经济发展新趋势，发挥数据要素倍增作用，将数字元素注入金融服务全流程，将数字思维贯穿于业务运营全链条、强化金融创新的科技武装，数据加持，加快金融数字化转型步伐，全面提升我国金融业综合实力和核心竞争力。
数据的确权是指规定数据拥有者和使用者的权利，确保数据被正确授权和使用，保护数据的安全和保密性。
数据拥有者的权利包括使其数据不受非法访问或复制的保护、选择其数据交由他人使用的方式以及拒绝或授权其他人使用数据的权利。使用者的权利包括获得访问该数据的授权和在得到授权的前提下，使用和传输数据的权利。
那么，数据采集、加工和处理后的归属权如何界定呢？
数据采集、加工和处理后的归属权归属于对数据进行投资的一方，即通常是数据使用者的产权。但是，如果在数据的采集、加工和处理过程中使用了他人的知识产权或否认了数据的特定目的，归属权可能会在法律层面上受到限制。
从监管层面，数据的确权有许多法律和监管框架来保护其合法性，其中包括数据保护、知识产权以及反垄断等领域。例如，个人隐私保护法，数据安全法等，其他认证结构如ISO27001也强调数据的确权，包括信息安全和隐私保护。
所以，数据确权是数据处理和管理中的重要部分，可以确保数据完整性、可靠性和安全性。确权需要做出明确定义和确定数据采集和加工归属权，并确保依照相关的法律和监管规定的程序进行操作。最终的目标是促进互联网和数字化生态系统的透明、公正和稳定发展。
现代社会中，数据的流通与共享已成为日常生活中的一部分，如社交媒体、在线搜索和开放源代码等技术的崛起，已经使各种数据集从不同来源共享到许多组织和人们手中。
从流通方式来看，数据的流通方式包括批量、实时、以及季度/年度更新等方式。标准化、自动化和实时传输等技术使得数据能够在全球范围内高效的流通。
从规模与市场空间来看，数据流通的规模和市场空间十分巨大。特别是在以大数据和人工智能为主导的行业中，数据流通市场空间非常广阔，包括金融、医疗、交通等各个领域。
根据工业信息安全发展研究中心的预测，2023年数据要素市场规模，预计可以突破1000亿元，但当前规范的场内交易占比在5%以内。显然，从数据的获取、确权、流通、共享、交换、交易、产生的价值等各个环节，还有极大的提升空间。
所以，当前数据共享的难点在于数据隐私和安全、数据格式和质量、以及数据使用权和归属权等方面。
解决方法可以采用数据脱敏、加密以及区块链、隐私计算、多方安全计算、量子加密等技术等手段，加强数据的隐私保护和信息安全。
总之，数据的流通和共享是现代社会中非常普遍且重要的话题。在这个过程中，需要关注数据共享的难点，如隐私安全，数据格式和质量，以及归属权问题。解决这些难点需要采用多种技术、政策和合规性措施，以确保数据流通和共享的公正性和可持续性。
数据的价值和未来趋势是围绕数据交换和应用的核心议题，在应用过程中需要考虑数据价值的评估和表达，有效地进行应用，以及不同来源的数据所带来的商业化价值。未来，数据将成为更为重要和优先考虑的资产，并引领企业进入更为紧密和复杂的数据化时代。
整体来说，需要从如下维度展开周密评估：
1. 数据价值的有效表达和评估：
数据价值的有效表达和评估需要考虑数据类型、来源、完整度、质量、以及应用场景等因素。在数据价值的评估中，需要采用相关的指标或方法，如数据采集成本、数据可信度、数据时效性等来进行评估并确定其商业价值。
2. 数据的有效应用：
数据的有效应用需要考虑企业自身的业务场景和商业目的。数据可以用于预测市场趋势、指导业务决策、提高生产效率、改进客户体验等方面，应用场景有非常广泛的应用领域。
3. 不同数据来源的商业化价值：
不同的数据来源有其不同的商业化价值，需要进行合理的分类分级及科学定价。如传感器数据可用于农业、工业和智慧城市等方面；社交媒体数据和消费者行为数据可以更好的支持金融行业的市场研究和客户关系营销、信用信贷、风控审计等各个领域。
随着人工智能、机器学习和大数据分析等技术的不断发展和创新，数据要素将变得更加有价值和关键。
以数据要素为核心，通过人工智能以及最新的ChatGPT及类似的大模型技术的结合，可以发挥数据的最大价值。云计算可以大幅降低数据存储和处理成本，人工智能可以自动化地对数据进行分析和预测，而ChatGPT等大模型则可以提供更加真实和准确的问答系统。综合运用这些技术手段，可以最大化地挖掘和应用数据的潜在价值。
随着国家互联网信息办公室《生成式人工智能服务管理办法（征求意见稿）》的发布，围绕数据要素价值发挥的上层应用——各种最新的AI技术，也有了法律层面的指导。
按照《要素市场化配置综合改革试点总体方案》 (国办发〔2021〕51号)文，明确提出以安全可控为前提，以市场培育和规则建设为重点，建立健全高效的公共数据共享协调机制。而“数据二十条”更是形成了数据基础制度的“四梁八柱”。
随着各种利好政策的出台，数据寡头时代结束，相信全社会将会迎来一次数据大分配。
建立现代化的数据流通体系已经是大势所趋，并且因为价值链重塑，也将带来各种新的商业机会。
不管你是否认可，是否接受，燎原之势，已然不可阻挡。