主理人：

黄嘉洁，深圳数据交易所认证DEXCO、DEXC+数据法治素养万人普及计划认证讲师、天达共和律师事务所大湾区（深圳）办公室合伙人

DEXC+联合凝练简介

为向社会大众全面普及数据安全合规意识，深数所推出DEXC+数据法治素养万人普及计划，并特设“CCF技术公益专项系列活动”，邀请经深数所认证的万人普及计划讲师作为主讲嘉宾，进行线上直播，联合数据交易、LexisNexis律商联讯、数据要素社、iLaw、LCOUNCIL理购等平台在线向大众普及数据合规等技术公益知识，持续增强社会公众在个人信息保护、数据安全、数据合规开发利用等方面的法律意识。直播无回看，仅DEXC+社群内可加场3小时回看，直播时间一般晚上7点开始。

DEXC+联合凝练系深数所DEXC+智库与iLAW 联合开展的直播回顾凝练，将DEXC+数据法治素养万人普及计划之CCF技术公益专项的直播精彩内容总结成为专业文章，回顾与解读直播的部分精彩内容，普及并推广数据法治理念，切实提升全民数据法治素养、赋能数据要素合规高效、安全有序流通，推动数据要素市场的高质量发展。

一、数据产品开发的必要性与市场背景DEXC+

（一）市场趋势

数据要素市场正在快速崛起，国家层面的政策推动和央企、国企的积极参与加速了市场的发展。数据的价值正在逐步体现，企业对于数据资产化的重视程度日益提高。

政策背景：国家政策明确支持数据流通和数据要素市场的建设。政府的“数字经济”战略正加速数字化转型，推动企业增强数据资产管理能力，形成数据产业链条。近期，多个数据交易所出台了相关的标准与规范，进一步推动数据交易的规范化进程，例如深圳数据交易所（以下简称“深数所”）牵头制定的《数据交易合规评估规范》地方标准已于2024年12月份正式发布。

技术发展背景：大数据、AI、云计算和区块链等技术的发展为数据的高效收集、分析和应用提供了技术保障。同时，这些技术的普及也降低了数据产品开发的技术门槛，使得中小企业也能参与到这一市场。

（二）企业需求

企业面临着如何将大数据转化为具备市场竞争力的数据产品的问题。从原始数据到数据产品的转型，是一个复杂且有挑战的过程。企业不仅要解决数据的获取与处理问题，还要应对合规性、市场需求和技术开发等多方面的挑战。随着大数据产业的不断成熟，企业对数据产品化、服务化和工具化的需求逐步增加，数据产品已经不仅仅是“数字资源”的概念，而是形成了具有商业价值的“市场商品”。

商业价值：企业开始意识到数据不仅是内部运营的资源，还是外部可交易的商业资产。例如，企业可以将自有的用户数据、生产数据等转化为数据产品，在合法合规的前提下，提供给其他公司使用，或在数据交易所上市交易，形成收入来源。

市场竞争：随着竞争的激烈，企业需要依托数据产品化来提升市场竞争力。数据产品的开发不仅仅是为了满足内部需求，更多的是对外部市场的响应。对于企业来说，如何在短时间内开发出符合市场需求的高质量数据产品，已经成为其获取竞争优势的关键。

（三）主要挑战

技术挑战：如何有效地收集、存储、分析和处理数据？虽然目前大数据处理技术已经相对成熟，但如何使数据更好地转化为产品、服务以及应用依然是一个技术难题。

市场挑战：数据产品的市场需求尚未完全明晰，尤其是在一些细分领域，企业很难通过数据产品直接触及到目标客户群体。此外，企业还需要应对如何定价、如何与其他公司合作等市场挑战。

合规挑战：随着数据隐私保护和合规监管的逐步严格，企业需要确保数据产品在整个生命周期中都符合相关法规，防止因合规问题引发法律风险。

二、数据产品化的核心流程DEXC+

（一）数据“产品”的形态与定位

在开始数据产品化过程之前，首先需要明确数据资产、数据产品和服务、数据交易的概念。

数据资产：定义上，数据资产是指特定主体合法拥有或者控制的，能进行货币计量的，且能带来经济利益或社会效益的数据资源[1]。我们理解，数据资产是企业所拥有的各种数据资源，是企业的核心资源之一。需要具备可确定性（明确数据所有权和使用权）、可支配性（数据能够自由使用和处理）和可计量性（数据的商业价值可以量化）的特点。

数据产品和服务：定义上，数据产品和服务是指基于数据加工形成的，可满足特定需求的数据加工品和数据服务。[2]

数据交易：定义上是指数据供方和需方之间进行的，以特定形态数据为标的，以货币或者其他等价物作为对价的交易行为。[3]

我们可以将经过加工处理的数据理解为数据产品。一旦这些数据产品实现变现，其内在价值便能转化为企业内部的数据资产。从数据资产入表的角度来看，可以分为两类：一类是作为存货，另一类是作为无形资产。对资产的使用情况进行计量，并进行入表处理。并非所有零散杂乱的数据都能被打造成数据产品，也不是所有的原始数据都能作为数据资产来处理。

（二）产品的核心四要素

数据产品的成功不仅依赖于技术实现，还需要考虑数据的质量、合规性和商业价值。要使数据产品成功上市并成交，需要具备以下四个基本要素：

1.数据质量。数据本身的质量必须达标。数据的准确度、完整性、时效性和一致性必须完全符合标准，这是数据质量的基本要求。

2.合规性。随着数据隐私保护和网络安全法律的日益严格，企业必须确保数据产品符合相关法律法规的要求，包括数据来源的合规性和使用过程中的合法合规性。

3.可交易性。数据权属、与买卖双方及数据交易平台的交易条款协商以及最终的定价机制。目前，通过数据产权登记有效解决了数据权属问题。深数所有相关的计算公式和流程标准确保数据的可交易性。

4.产品应用价值。数据产品是否能解决行业内的通用问题、是否提高工作效率、数据量是否足够大、数据质量是否优良，买家是否认可数据包内容和商业模式具有创新性。所有这些因素都能决定数据产品的应用价值，进而影响其在市场上的流通性、交易对手的数量以及交易价格的设定。

（三）五类常见数据产品模式：成功案例与逻辑

1.行业预测分析类产品

这类产品基于大数据分析，能够为用户提供行业趋势、市场竞争格局以及消费者行为分析等信息。以地产大数据监测系统为例，它能协助许多房地产企业或涉及房地产市场的大数据决策和监测，包括房地产和金融等行业，这类产品的潜在受众相对较为理想。

2.API数据服务

通过提供API接口来满足用户标准化需求，定制化接入所需数据。在医疗健康和诊疗理赔等应用场景中，某类产品能够为商业保险机构提供居民诊疗服务的详细数据，使患者能够在线直接发起理赔申请。通过个人信息授权后，相关的商业保险机构可以迅速了解居民之前的疾病情况、就医地点和费用，以及是否属于理赔范围。这种服务有效地加快了理赔流程，属于API接口服务的一类。

3.风险预警模型

风险预警模型通常是指利用机器学习技术构建的风险评估模型，帮助企业识别和分析风险。风险预警模型与行业预测分析的主要区别在于，风险预警模型需要针对特定的用户或主体进行风险预警，例如对个人的授信情况和资信情况进行评估。以银行贷款为例，当个人向银行申请贷款时，银行可以通过信用评级和征信数据的调查，为个人提供针对性的风险识别。相比之下，行业预测分析不会针对具体主体，而是提供一个关于当前行业状况的报告，让企业自行分析并决定下一步的行动。因此，风险预警模型在金融、信贷和征信等领域的应用较为广泛。

4.用户画像数据

用户画像数据是目前较为热门的数据产品。用户画像数据基于用户的行为和偏好可以出售给有业务推广需求的企业，用于提供个性化营销推送服务，应用范围较广，用户覆盖面较大。然而，用户画像数据的处理，目前的监管对于用户画像数据的脱敏和去标识化的要求非常严格。因此，进行此类业务的合规审查时，需要对数据来源以及脱敏处理是否到位进行严格审核。

5.物联网数据服务

物联网数据服务是当前兴起的一个领域，无论是医疗企业还是通信技术和制造业企业都有对物联网需求的转变。企业通常通过将设备连接到云端，再连接到公司内部的系统网络平台，以支撑起整个物联网业务形态。

由于物联网涉及到设备传感数据业务、云平台以及公司内部平台，包括个人用户和企业用户的内部数据。因此，整个物联网数据服务的合规审查要求十分严格，物联网数据服务的实时监测、操作维护以及接入管理等都有非常严格的管控要求。

当然，如果能够成功通过合规审查，将一整套物联网数据服务上架，这些数据的价值都是显而易见的，所覆盖的范围以及能提供的数据资源都非常可观。

（四）规划数据产品

1.前期调研：前期的市场调研和数据资源盘点是数据产品开发的基础，了解行业趋势、竞争格局以及市场需求。

2.产品设计：根据市场调研的结果，企业开始数据产品的设计。明确数据的来源、产品形态（例如是提供数据集还是API接口）、产品功能、目标用户和定价模式等。

3.技术开发：技术团队将设计的产品概念转化为实际可用的技术实现，包括数据的收集、存储、处理、分析和展示等环节。

4.合规审查：产品设计完成后进行合规审查，确保数据产品符合数据隐私保护、信息安全、版权等方面的法律法规要求。

5.上线交易：通过各数据交易平台的审查后就可将数据产品上线到平台进行交易。在平台上展示详细的产品信息，如产品功能、定价、使用范围等，同时确保交易过程中的数据安全和合规。

总体而言，产品上市需要经历市场调研，评估产品或业务中数据资源的状况及整个数据链条的相关风险。接下来包括技术选型、架构设计、产品开发测试、合规审查，以及内部反馈和持续优化等环节。对于公司而言，不仅涉及产品研发，还包括内部合规组织架构和审查流程制度，因此要设计一款高效且市场价值高的数据产品，需要综合考虑内外诸多因素。

以深数所“理赔3号”产品为例，[4]在产品基本信息中，需要在商品描述中，明确描述产品是数据产品、服务还是工具，以及其作用和价值。在产品设计阶段，包括计费方式、定价、交互方式（如API接口、数据集、SaaS平台等），都需要在前期做好考虑。此外，数据来源信息、应用场景、购买限制（例如，购买数据后是否可以转售），以及数据使用的限制（例如，涉及居民就诊数据时，是否能够公开）也需要特别关注。

三、未来展望DEXC+

展望数据交易市场和数据产品化的未来趋势，数据产品将会趋向多元化，并且随着合规监管的进一步加强，数据产品的安全性和隐私保护将成为市场参与者的核心竞争力。在数据资产入表的过程中，无论是作为存货还是无形资产，都需要计算入表的账目成本和收益，而这些往往需要通过数据交易来实现。一次次的数据产品挂牌上市将推动数据要素市场的建设。如果企业将数据交易做扎实，就应在数据产品的设计前期，充分考虑与会计处理、科目调整以及企业内部数据合规治理架构等等。通过前期的综合考量和规划，确保数据交易在数据要素市场中占据有利地位。