数据流通情景下数据要素治理体系及配套制度研究

摘　要：完善的治理体系是充分释放数据价值的前提保障，而相关配套制度能够促进数据治理各项任务的实现。面向全国一体化的超大规模数据流通应用主场景，针对我国数据要素市场体系建设过程中存在的市场秩序不完善及监管体系缺位等症结，围绕“规则-主体-客体-监管”等四个方面，初步构架了涵盖数据治理规则、新型交易生态、数据流通效率、市场监管机制的数据要素治理体系，提出了数据财政、数据金融、数据税收“三位一体”的配套制度体系。

关键词：数字经济；数据流通；数据要素；数据治理

  一、引言

数据是数字经济的关键生产要素，是加快构建新发展格局的新资源、新动力，对经济运行机制、社会生活方式、国家治理能力产生深远影响。2017年12月，习近平总书记在中共中央政治局第二次集体学习时就提出“要加强国际数据治理政策储备和治理规则研究”。党的十九届四中全会首次提出数据要素重大议题之后，国家层面先后出台政策文件，统筹推进数据要素规范化流通及高效开发利用。2020年3月，中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，明确提出加快培育数据要素市场，“探索建立统一规范的数据管理制度，提高数据质量和规范性，丰富数据产品”。2021年12月印发的《“十四五”国家信息化规划》提出“建立健全规范有序的数字化发展治理体系”的重大任务。同月，国务院印发实施《“十四五”数字经济发展规划》，提出要“加快构建数据要素市场规则，培育市场主体、完善治理体系，促进数据要素市场流通”。由此可见，构建数据要素治理体系、完善相关配套制度，是数字经济时代激活数据要素优质供给的基础保证，是数据流通情景下充分发挥我国海量数据和丰富应用场景优势的必要措施。近年来，我国数据总规模及增速迅猛增长，构建全球领先的超大规模数据要素市场的条件已经具备。针对我国数据要素市场化存在的治理水平不高等问题，亟须推动数据要素市场化配置，完善数据制度规范体系。当前，纵观国内外数据要素治理领域的相关研究，虽然在理论研究与实践探索层面均已形成了较为丰富的研究成果，但绝大部分研究仅限于单一主体治理提出的数据治理体系，而对于数据流通情景下数据要素治理体系的系统性研究仍然不足，而且缺乏构建数据治理体系所需要的配套制度研究。本文就加快构建高效安全的数据要素治理体系，以及保障数据要素治理体系落地实施的配套制度保障开展系统研究。

二、研究综述

数据蕴藏巨大的经济社会价值，完善的治理体系则是充分释放数据价值的前提保障。没有精心设计的数据要素治理体系和配套制度，数据流通效益就无从实现，数据的资产价值也无从谈起。文献分析发现，国内外学者围绕构建数据要素治理体系领域的研究，主要包括内涵分析、框架设计、实践应用等三个层面。在内涵分析层面，目前关于数据要素治理体系，还没有统一的权威概念，不同学者基于不同的研究理念或应用场景，提出了内容各异的分析维度及研究见解，大体上可归结为治理理念、治理主体、治理客体、治理工具、治理目标等五个方面。在国外早期的研究中，Donaldson针对信息治理提出了一系列兼具实用性和拓展性的政策和实践建议。Begg将数据治理定义为政策、流程、技术、职责的结合体。Putro将数据治理归纳为涵盖指导数据资产管理中的整体工作的规则、政策、程序、角色和职责以及绩效指标。在国内，郑大庆将数据治理分为目标、权力层次、对象及范围、解决的实际问题等四个维度，明确了数据要素治理的概念。翟云从信息扩张、市场拉动、政府公信、绩效评价和法律保障等五个维度对我国数据要素治理的思路进行了了梳理。安小米等从客体、活动、目标三个维度对数据要素治理的概念进行归纳，基于宏观、中观、微观三个层面构建了“概念－动议－路径”三位一体的数据治理体系，并针对政府数据依法治理、源头治理、精准治理和长效治理国家战略需求，提出了兼顾数据可用、有用、易用、善用能力构成的多维政府数据治理与利用能力体系。在框架设计层面，数据作为政府、企业及其他社会组织的一种战略资源，需要借助系统的数据要素治理模型框架构建，才能够充分发挥数据对业务、管理以及战略决策的重要作用。国际标准化组织提出的ISO/IEC38500系列标准及ISO/IEC38505标准提出通过评估现在和将来的数据利用、指导数据治理准备及实施、监督数据治理实施的符合性等的数据要素治理通用模型和方法论。DAMA框架主要解决了数据要素治理过程中的10个功能(如元数据管理、数据质量管理等)与7个要素（如角色与职责等）之间的问题。DGI框架主要是通过组织整体、规则、决策权、职责、监控或者其他强制性办法对数据相关事宜进行决策制定和全力控制。COBIT5框架明确了针对信息系统的数据治理，提出数据治理需要兼顾以下五项原则：治理方法综合全面、模型框架单一集成、企业间端到端覆盖、治理管理明确划分、满足相关利益需求。CALib框架从成功要素、决策范围、具体实施方法（含绩效评估）三个维度对数据元素治理的过程进行描述。数据治理成熟度模型针对数据要素治理过程中的五个层级（初始准备、基础管理、主动管理、量化管理和后续优化）进行划分和界定。ITSS数据治理框架通过衡量数据要素治理的实施范围、促成因素、所在环境、任务过程等内容，以评估数据治理体系的成熟度。在实践应用层面，各国都在不断尝试探索不同的配套制度以完善自身的数据要素治理体系。丹麦、澳大利亚、英国、新加坡、美国、加拿大、瑞士、爱尔兰等国在政务服务数据协同治理层面均遵循主体协同、技术协同、数据协同、业务协同和服务协同五个方向的发展路径。美英澳三国政府由于对数据治理在资产（风险收益关系）、权力（权责利关系）、素养（公民综合性素质提升）三个层面的关注重点不同，也衍生出了不一样的政策路径。在国内，邓崧等结合浙江、上海、广东等地多案例分析总结了我国数据治理创新的府际扩散模式。王建冬等从区域战略视角、产业链布局视角、技术逻辑视角阐述了数据要素跨域流通治理的重要路径，探索性提出“东数西算”构想。陈东等针对新冠疫情中暴露的数据治理问题，提出超前布局国家数据资源储备体系“数据长城”的建议和总体设想。于施洋等提出要加快建设全国一体化国家大数据中心体系，打造“国家数网”，完善数据要素的基础平台建设。综上分析，国内外学者虽然在数据治理的内涵分析、框架设计、实践应用等方面已有不少研究，但研究主体多局限于政府、企业和其他社会组织中的单一主体，并未理清数据流通场景下不同主体的角色定位，也未构建起完整的数据要素治理体系，对于规范发展数据流通交易、促进数据要素治理的配套制度也鲜有研究。

三、数据要素治理体系的总体设计

我国数据要素市场总体上处于起步发展阶段，数据要素市场培育工作尚存在统筹规划不够、生态培育不足、数据质量不高、监管措施不力等问题，亟需构建符合数据要素流通使用规律的治理体系，确保数据要素市场要件完整、公平高效、安全有序，推动建立数据来源可确认、使用范围可界定、流通过程可追溯、安全风险可防范的数据可信流通体系。本文在充分借鉴已有研究成果基础上，围绕数据要素治理的多元主体、多源数据的治理客体，坚持顶层统筹与有效监管并重的理念，从“规则-主体-客体-监管”四个维度，提出构建数据治理规则、培育新型交易生态、提升数据流通效率、完善市场监管机制的数据要素治理体系（参见图１）。（一）构建数据治理规则

构建有效市场和有为政府相结合的数据要素治理格局，创新政府数据要素治理方式，明确企业主体责任和义务，强化企业责任意识，建设行业自律机制，规范市场发展秩序，构建“政府、企业、社会”多方协同治理规则。

⒈强化政府治理的守底线功能充分发挥政府有序引导和规范发展的作用，守住安全底线，明确监管红线，打造安全可信、包容创新、公平开放的数据要素市场环境。制定数据要素流通交易、跨境传输、争议解决等法律法规，规范数据所有方、使用方、经营方的安全主体责任，确保数据流通使用安全。推进自主可控技术研发应用，建立网上统一身份认证平台，加强数据安全保护与合法使用。推动数据要素市场监管纳入市场经济监管体系，按照鼓励创新、平等保护原则，建立健全包容创新的容错纠错机制。

⒉提升企业治理的负责任意识坚持“宽进严出”原则，强化数据流通交易企业的责任意识和自律意识。鼓励企业积极参与数据要素市场建设，落实数据流通交易声明和承诺制相关规定要求，承担违规而受到的经济处罚和行政处罚。企业应严格落实《数据安全法》《个人信息保护法》等相关法律规定，在数据采集汇聚、加工处理、流通交易、共享利用等环节，企业均应承担相应法律责任。建立健全数据登记及披露机制，增强企业社会责任，打破“数据垄断”，促进公平竞争。

⒊发挥社会治理的促协同作用鼓励行业协会等社会组织积极参与数据要素市场建设，建立数据要素流通使用全过程的合规公证、安全审计、算法审查、监测预警机制，促进不同场景下数据要素安全可信流通。建立数据要素市场社会信用体系，逐步完善数据交易失信行为认定、守信激励、失信惩戒、信用修复和异议处理等机制。畅通举报投诉和争议仲裁渠道，开展数据流通相关主体合规性审查，维护数据要素市场良好秩序。推行政府和市场主体数据要素管理规范贯标工作，推动各部门、各行业完善元数据管理、数据脱敏、数据质量、价值评估等标准体系。

（二）培育新型交易生态

借鉴证券市场交易所与券商相分离的经验，建立数据交易所与数商相分离的市场运行机制，培育引导具备一定数据、技术和商务资质的数据交易撮合方、技术支撑方和第三方服务机构升级成为专业数商，着力打造交易所、数商和第三方服务机构“三方协同”的多元生态体系。其中，交易所定位为事业单位、纯国资企业或法定机构，突出金融属性和非盈利属性，主要是进行自律管理，负责标准化数据产品的交易撮合、价格生成、清结算等工作；数商定位为混合所有制企业，突出技术属性和市场化属性，主要是活跃交易市场，在交易所授权下负责对多源异构数据的汇聚对接、清洗加工、质量管控、可信流通，将非标准化的数据转化为标准化数据交易产品，为数据定价提供基础环境；第三方专业服务机构定位为提供数据集成、数据经纪、数据评估、数据审计、数据公证等市场服务。

⒈夯实数据要素治理基础——数据交易所数据交易所是为各类数据要素市场主体进行数据流通交易活动的指定场所，从性质上，可分为国家级数据交易所和区域（或行业）数据交易中心两类。国家级数据交易所应坚持数据交易所公共属性和公益定位，突出合规监管和基础服务功能。可由中国证监会会同国家发展改革委等有关部门联合审批，定位为全国性法定数据交易场所，具体职能包括开展全国性数据流通交易业务，制定完善全国性数据流通交易规则及标准体系，为区域数据交易中心、行业数据交易中心、国家级数据商等提供供需智能撮合、数据质量评估、数据资产定价等共性公共服务，发展审核认证监管国家级数据商，为国家监管部门提供基础性支撑保障等。数据交易所资金流和业务流监管工作由中国证监会及国家发展改革委等有关部门负责。数据交易所数据流监管工作由中央网信办、国家安全部、公安部等有关部门根据职能具体负责。区域或行业数据交易中心定位为区域级或行业级合法数据交易场所，具体职能包括开展本地区或本行业公共数据授权运营，开展公共数据与社会数据融合流通交易业务，制定完善区域或行业数据流通交易规则及标准体系，发展审核认证监管地区级或行业级数据商，为区域或行业监管部门提供基础性支撑保障等。区域或行业数据交易中心可由各省、市、区人民政府或各行业主管部门负责审批，并在中国证监会和国家发展改革委等有关部门进行备案。其中，数据交易中心资金流、业务流和数据流监管工作分别由各省（自治区、直辖市）级人民政府或各行业主管部门负责，中央网信办、国家安全部、公安部等有关部门有权监管审计数据交易所数据流。 

⒉提高数据要素应用水平——数据服务商数据服务商是数据要素流通市场的重要组成部分，与证券市场中的券商有一定相似性。数据服务商在数据交易所、区域数据交易中心或行业数据交易中心等交易场所的授权下，负责对多源异构数据进行汇聚对接、清洗加工、质量管控、可信流通，将非标准化的数据转化为可以进行流通交易的标准化数据交易产品。此外，数据服务商也可以为数据流通交易提供基础环境。借鉴券商在证券市场中的角色与作用，在相关主管部门依法监督管理及数据交易所平台的规范下，数据服务商可以考虑从以下方面开展业务：

第一，数据开发类业务，包括数据源开发与数据产品开发。数据源开发是指数商探查发现质量稳定、来源合法的数据源，引导相关数据提供方入场；数据产品开发是指数商利用自有数据或与建立正式合作关系的数据提供方合作开发数据资源，形成可交易、产权界定清晰的数据产品。

第二，数据发布类业务。一是数据和产品上市辅导，建立完善尽职调查流程，数商自行或委托具有相应资质的第三方机构开展数据产品质量、安全性及合规性评估，对拟上市产品进行相应辅导；二是数据产品发行报价，结合数据提供方成本、数据质量、市场供求关系、历史成交记录等因素评估数据产品发行价并报送交易所；三是上架推荐，推荐符合交易所上线要求的数据产品上架，经保荐后在交易平台正式发布。

第三，数据承销类业务。一是产品营销，利用自建、交易所或第三方交易撮合平台，通过多种方式发掘数据潜在需求方，拓展数据产品流通范围；二是产品议价，协同数据提供方或接受数据提供方委托与数据需求方开展定价磋商，形成市场化交易价格；三是可信流通，按照交易所指令和合同约定，为数据产品安全可信流通提供技术环境和相关服务，将流通记录数据及时提交交易所备案。第四，数据资产类业务。一是数据资产审计，即对所保荐和承销的数据及数据产品供应商的交易记录进行数据资产有效性审计，对价格合理、来源稳定合规的数据资产，经保荐后提交交易所审核，作为相关主体数据资产并表依据；二是数据资产创新业务，按照国家有关法律法规和交易所要求，探索联合银行、保险公司等金融机构开展数据信托、数据保险、数据银行等创新业务；三是数据资本创新业务，与证券交易机构合作，探索数据资产证券化路径，研究建立“数据入股”机制，实现数据要素按贡献折算资本份额并参与分配。

⒊释放数据要素流通活力——第三方机构数据要素流通交易服务生态是数据要素有序治理的必要前提，是推进数据要素打通生产、流通、交易和消费等环节的保障条件，这客观上要求我国聚焦数据要素流通交易需要，分行业培育一批第三方专业服务机构，提供数据集成、数据经纪、数据评估、数据审计、数据公证等市场服务。第一，数据集成。指将不同来源、格式、标准、特征、内容的数据在逻辑上或物理上有机地集中，从而为企业内部、企业之间、行业内部或行业之间提供全面的数据共享和交换。数据集成存在多种实现技术体系，通常采用联邦数据库系统、基于中间件模型、数据仓库、多方安全计算等隐私计算方法来构造数据集成系统，实现“数据可用不可见”解决数据共享和交换难题。第二，数据经纪。数据经纪是数据要素化和数据市场中从事交易服务的中介角色，是一种基于原始数据和派生数据挖掘数据价值为业务、创造数据衍生产品形成经济价值的业态。数据经纪通常包括向市场主体提供市场营销产品、风险降低产品和人员搜索产品等数据衍生产品和服务。第三，数据审计。数据审计是一种数据库安全技术，通过对用户访问数据库行为的记录、监测、分析和报告，对数据库操作进行细粒度审计的合规性管理，帮助用户事后生成合规报告、事故追根溯源，提高数据资产安全性，对数据库遭受到的风险行为进行预警，对攻击行为进行阻断。第四，数据公证。数据公证是信息安全技术与公证服务进行深度融合的业态。数据公证是基于可靠信息和安全技术以确认和保证特定数据资源从数据生成、数据传输、数据存取等各环节，数据全生命周期的真实、可靠且不可篡改的一种技术体系和服务方式。第五，数据资产评估。包括数据资产质量评估、合规性评估、价值评估等方面。面向原始数据、脱敏数据、模型化数据、人工智能化数据等不同数据产品形态，对数据产品质量、数据来源和主体合规性情况以及数据资产潜在价值等开展评估认证，并出具第三方评估报告，为数据产品资产化、资本化提供背书和担保。

（三）提升数据流通效率跨领域、跨地域、跨层级、跨系统、跨部门、跨业务的数据链断裂问题是我国数据流通情景下的数据要素治理普遍存在的问题，亟待进行覆盖开放、共享、交换、交易等数据流通全生命周期的研究，应结合不同阶段数据使用者的需求和目标，不断提升数据供给质量，强化数据产品及服务的管理水平，实现数据要素的高效安全流通应用。

⒈数据质量的分类考核参考国家数据质量评价标准（GB/T36344-2018）中的综台评估框架，利用规范性、完整性、准确性、一致性、时效性和可访问性等六大指标，纵向延伸到原始数据、脱敏数据、模型化数据、AI数据四个维度，建立数据质量考核标准。原始数据作为未经处理、加工、开发的数据集，如气象领域的高空卫星原始信号、网络领域的网络流量数据包等，需要对六大指标进行全面的考核。脱敏数据作为便于数据流通，确保数据安全和隐私保护，将原始数据中敏感或涉及隐私的数据进行脱敏处理后形成的数据集，如经过整理、统计、分析之后形成的群体性数据，需要有针对性地进行一致性考核以检验脱敏规则下数据的变形程度。模型化数据作为结合用户需求进行模型化开发形成的结果数据，如用户画像“标签”、身份验真等，需要额外考虑模型规范及结果正确性等内容。AI数据作为基于原始数据、脱敏数据或标签化数据基础之上，结合深度学习等技术形成的人脸识别、语言识别、跨语言翻译等人工智能服务，形态主要表现为服务，需对拟合程度、对抗性样本防御、数据集标注覆盖度和数据集标注准确度指标等方面进行额外的考核。

⒉数据产品的动态管理在数据要素治理体系的构建过程中，数据供给方、数据服务商、数据需求方、评估服务机构等相关主体都需要建设数据管理系统或数据生产平台，以实现数据的产品化，但数据要想真正成为一种生产要素，还需要通过一系列制度和技术手段，使之真正具备规范性、完整性、准确性、一致性、时效性和可访问性等六种属性。在数据产品交易流程中，可分为数据产品交易前、数据产品交易中、数据产品交易后三个阶段，由数据审核方对即将发生流通和交易的数据产品进行自行检核，并进一步有针对性地根据场景及业务需求提升各环节的数据质量。

一是使用数据质量检查脚本或软件实现自动检查，比如数据库检查脚本、数据库监控脚本、自动化校验程序等。二是检查人员根据有关标准或要求、专家知识及经验进行的数据检查，比如专家评估、人工评估。三是在无法实现完全计算机自动检查时所采用的人机交互检查，例如业务规则校验、算法测试等。四是定期对数据产品现有的数据进行自动或手动的质量检测和评估，及时解决发现的相应问题。

⒊数据要素的高效流通坚持以应用场景为导向，围绕数据要素治理全生命周期，促进数据要素合规高效流通。

第一，建立数据要素流通准入规则。依据数据要素“可界定、可流通、可定价”原则，建立数据要素流通准入标准，完善数据要素市场主体准入机制，保障流通数据标的明确、范围确定、标识清晰、来源合法、价值可估。

第二，建立数据要素流通管理规则。规范场内数据交易流通，明确数据交易中的确权登记、主体资格审核、交易规范、市场运营管理等规则，引导数据合法合规交易。规范场外数据交易流通，加强场外交易中的数据安全和隐私保护，保障数据提供者的数据权益，促进多种场景下各种数据要素的安全流通。

第三，建立数据要素流通标识规则。按照数据要素所依附或反映事物本体的不同，将数据本体划分为自然人、法人、车辆、物品、地点、事件等，基于对数据动态本体对象的统一标识和管理，引导各参与方加强数据要素流通全流程中的分类分级标识标定管理，逐步实现数据资源统一标识管理，推动数据要素跨地域、跨层级、跨行业流通。第四，建立数据要素跨境流通规则。积极开展数据交互、业务互通、监管互认、服务共享等方面国际交流合作，搭建离岸数据交易平台，探索数据“可用不可见”跨境流通环境，探索通过“监管沙箱”等方式提供符合监管要求的数据跨境传输技术和设施，推动打造符合国际标准的数据跨境流通平台，优先在跨境电商、生物医药、人工智能、工业互联网等领域针对具有跨境数据传输需求的企业提供“一事一议”方式的跨境数据传输服务。 

（四）完善市场监管机制在我国数据要素市场体系建设过程中，存在市场秩序不完善及监管体系缺位等症结,应着力推动数据要素市场化配置体制机制的创新与完善，坚持促进发展和监管规范并重的原则，推行数据交易市场“双随机、一公开”监管，提高数据要素市场的监管水平和效率。

⒈建立数据流通交易承诺机制加强数据交易市场安全监管和秩序规范，持续推动整治安全泄露、垄断、不正当竞争等违法违规行为。围绕数据来源、数据权属、数据质量、数据使用等方面，推行面向数据服务商及第三方专业服务机构的数据流通交易承诺制，签订承诺责任书等同于具有法律约束效力，违反承诺责任将依法依规受到经济处罚、行政处罚。

⒉建立数据流通交易登记备案机制制定统一的市场主体登记数据和系统建设规范，明确数据交易市场主体登记事项、登记程序及登记要求，建立全国统一主体登记备案系统，探索网上办理等登记备案方式，确保市场主体登记备案便利化。探索建立数据资产登记、流转备案及披露机制，加强数据资产凭证生成、存储、归集、流转和应用的全流程管理。加强参与主体责任和义务，建立数据安全收集、存储、处理、传输、交易与使用承诺制，推行数据交易服务标准建设和行业自律。

⒊建立数据要素市场社会信用机制建立数据流通交易全流程社会信用体系，逐步完善数据交易失信行为认定、守信激励、失信惩戒、信用修复和异议处理等机制。同步构建数据要素市场主体信用信息公示体系，联通国家企业信用信息公示系统，为相关单位和社会公众提供方便快捷服务。制定交易数据“负面清单”，明确国家秘密、商业机密、个人隐私领域不能或严格限制交易的数据项，公开发布，滚动更新。建立交易诚信“黑名单”机制，将违规操作的市场主体纳入黑名单，限制数据要素交易活动并责令限期整改。发挥行业协会作用，引导数据交易市场主体间加强对严重违法失信名单等相关信用评价互通、互联、互认，推动数据交易市场主体对违法行为实施联防联控。

四、数据要素治理的三项配套制度

良好的制度与良好的政策相匹配，才能产出最好的治理效能。数据要素治理体系的确立，离不开有效的配套制度作为支撑保障。建立与数据要素对应的数据财政制度，是配置数据要素的重要工具和手段，数据产品的金融属性设计，是解决全国性的统一数据市场难建立等问题的潜在可行路径，许多数据交易所已经探索开展金融创新服务，对数据要素创造的价值收税，是推动数字经济乃至国家经济发展的有效方式。鉴于此，本文结合与数据要素紧密相关的财政、金融和税收三个方面，提出数据财政、数据金融及数据税收的一体化的配套制度体系（参见图２）。（一）数据财政：财政配套制度

数据财政类同土地财政，是数字经济时代财政改革的关键之策。

一是促进数字经济贡献度与财政支出挂钩的财政管理体制改革，鼓励有条件的行业部门及地方探索“数据出让金”制度。

二是推动将数据资产计入无形资产，选择正规场内交易机构开展试点，对于满足一定交易规模和频次要求的数据资产，将其纳入企业资产负债表中的无形资产项下。

三是建立数据要素型企业认定机制，在经济效益、专业水平、创新能力、经营管理等方面设计指标，研究申报条件，探索推出数据要素型企业认定管理办法。

（二）数据金融：金融配套制度

数据金融是推进数据要素流通的重要引擎，应充分发挥数据的金融属性，加快推动数据的资产化、资本化。一是支持数据交易机构与证券交易机构合作，探索开展数据资产质押融资、数据资产保险、数据资产担保、数据资产证券化等金融创新服务。二是积极探索“数据入股”机制，创新政府数据及企业数据的价值实现方式，允许数据需求方以股权置换数据持有方的特定数据权益，实现数据要素参与者按贡献折算资本份额并分配剩余价值，形成供需双方长期共同发展机制。三是鼓励发展第三方数据信托服务，为中小企业及个人委托主体提供个人隐私、商业秘密保护和数据权益分配等一体化代理服务。四是探索以数据信托方式建立“公民数据账户”，提升个人数据采集利用的规范化水平。

（三）数据税收：税收配套制度

数据税收是构建数据要素市场的必要方式，应加快建立促进数据要素流通交易的税收激励制度，同时加强对平台垄断税收处罚力度。

一是针对认定的数据要素型企业，建立完善税收引导和优惠政策，对认证后的数据开放共享行为实施相应的税收优惠激励政策，面向新型数据集成商和数据智能商及第三方数据配套服务企业，探索在税收上享受与高新软件技术服务行业同等优惠政策。

二是探索“以数抵税”，对于共享数据并产生较大经济价值的，在因数据带来的增值性收入中，给予适当比例税收减免，对于贡献较大社会公益价值的，给予一定的税收优惠。三是探索将企业采购数据费用纳入研发投入费用，享受研发费用加计扣除税收优惠政策。

四是建立针对大型平台企业的跨地域税收联合征管机制，建立健全区域税收信息共享平台，完善针对大型平台企业的税收数据实时分析处理与共享机制，规范相关税务机构的职能设置，明确法律权责。

五、结语充分释放数据要素价值，有助于提升全要素生产率、赋能现代化经济体系高质量发展、提升政府治理效能，成为推动国家治理体系和治理能力现代化的关键举措，受到社会各界高度关注，有关数据要素治理的研究成果日益丰富，北京、上海、深圳、贵州等地围绕数据要素治理及制度建设也进行了实践探索。但总体来看，目前仍缺乏系统的、可复制推广的数据要素治理体系，国家层面尚未制定出台针对性的配套制度。本文依托全国一体化的超大规模数据流通应用场景，围绕“规则-主体-客体-监管”等方面，初步形成了数据治理规则、新型交易生态、数据流通效率、市场监管机制的数据要素治理体系架构，提出了数据财政、数据金融、数据税收“三位一体”的配套制度体系，以期对后续学术界、产业界以及各级政府部门开展相关工作提供有益借鉴。