目 錄一、研究背景 1（一）數據要素時代已來 1（二）金融數字化轉型逐步進入“深水區” 2（三）數據資產化難題待解 3二、數據資產權屬界定 5（一）數據權屬研究背景 5（二）數據權屬制度探索 10（三）金融機構數據資產確權機制 12三、數據資產價值評估 14（一）估值綜述 14（二）數據資產分析 19（三）估值原則 24（四）估值方案設計 25四、數據資產入表 48（一）基礎條件 49（二）入表方式 52（三）存在的問題 56（四）數據資產表 58五、數據資產交易 62（一）交易模式分類 62（二）發展現狀 67（三）發展趨勢 73六、技術支撐 75（一）數據去隱私化技術 75（二）數據協同計算技術 78（三）數據交易輔助技術 82七、發展建議 85（一）加速數據資產評估標準體系建設 86（二）健全數據資產入表制度 87（三）促進數據交易市場融合發展 882023源納入會計報表核算，并對數據資產評估提出了披露要求。數字化效益，為有效推動數據資產價值釋放提供重要參考。一、研究背景（一）數據要素時代已來（IDC）202021（2014—2015201420153（2016—20191"ZB"即Zettabyte,計算機術語，常用單位的換算為1ZB=1024EB,1EB=1024PB,1PB=1024TB,1TB=1024GB。（2020－至今2020420232圖1：我國數字經濟發展進程（二）金融數字化轉型逐步進入“深水區”818到7.6，成為滿足客戶需求、打造自身品牌的重要依托。當前，不足等問題，已成為越來越多管理人員和專家學者的共識。一是對數據在企業二是三是推動數據的外部交心競爭力。（三）數據資產化難題待解202250GDP41.5易流通，成為數據價值進階的重要基礎支撐。數據資產化是將數據資源確認為經濟意義上的資產的過程，二、數據資產權屬界定本節聚焦于數據資產權屬制度探索，數據確權是數據估值行所需的基礎設施支撐；最后對金融機構資產確權路徑進行分析，以數據資產管理體系建設推進數據資產確權進程。（一）數據權屬研究背景數據確權是數據估值和交易的基石題進行求解。數據權屬不明擾亂數據要素市場秩序數據的流通交易過程，往往涉及數據產生方、數據采集方、數據要素市場，破壞數據要素市場的公平秩序。數據權屬不明導致數據交易動力不足一方面，由于數據具有價值難確定、非競爭性、非排他性、明確數據權屬為數據資產估值和交易奠定基礎序建設。從國內現行法律洞悉數據權屬問題個人數據權屬劃分保存（儲存）期限、個人信息保護影響評估等義務。企業數據權屬劃分密措施的數據無法進行全面的覆蓋和保護。根據現行《著作權法》的規定，不構成作品的數據內容的選加工、整合、分析計算形成，這雖然是數據處理者智慧的結晶，對于金融機構來說，數據資產產權歸屬的問題比較復雜，需202212（化的保護路徑，建立起科學、可行、穩定的數據權屬制度。（二）數據權屬制度探索系列的政策措施和創新性的基礎設施來進行探索推進。三權分置的數據產權制度框架數據資源持有權應至少涵蓋三方面內容。一是自主處置權，和公共數據部門可視作數據資源持有者。銷，應當向個人提供便捷的拒絕方式。數據產品經營權指數據處理者對數據產品的一定程度的支量和數據產品服務積極性。數據產權運行的基礎設施份和可信數據流通技術為核心的數據資產確權和交易流通基礎（三）金融機構數據資產確權機制編制數據資產目錄資產盤點及資產掛載，形成數據資產全景視圖等工作。開展數據資產盤點建立數據資產權屬登記機制三、數據資產價值評估的資源總投入，業務價值是數據資產支撐業務開展創造的收益用需求。（一）估值綜述估值范疇疇，學術界和實務界為此進行了大量研究。學術上，Green（2012）提出評估數據資產價值的框架，明（2018（2022）將數據資產定義為擁有數據權屬（勘探權、使用權、所有權、種價值創造模式（弓寶栓，2019，一是以數據賦能現有產品運兩種模式均明確了數據資產的價值創造屬性。6版（政府機構、企事業單位等20238估值方法根據估值結果形式，數據資產估值方法可分為以貨幣度量的B-S最小二乘蒙特卡洛模擬法Gartner（IVI模型（BVI（PVI三類模型1方法方法介紹方法方法介紹絕對估值法成本法數據資產在估值基準日的重置成本中扣減價值價值調整收益法通過對數據資產產生的預期收益進行折現估值，使用該方法要合理測算數據資產收益期內的預期收益，并匹配適用的折現率市場法根據市場已有交易價格，通過比較被評估數據資產與可比交易數據資產的特征差異，對市場價格進行調整，進而確定評估價值B-S模型法數據資產的最大特性是不確定性，主要體現為未B-S行無交易場景下的數據資產價值評估最小二乘蒙特卡洛模擬法LSM由于決策者可以在數據資產收益到期前隨時對無風險利率折現估值相對內部價值法根據數據特征（正確率、完整程度等）衡量數據的內部價值，其特點是不依賴數據支持的業務估值法業務價值衡量數據對業務的價值（業務相關性、及時性等），同時考慮數據內部的價值（正確性、完整性等）績效價值KPI事后評估2019年，中國資產評估協會發布《資產評估專家指引第9號－數據資產評估（“9數據資產估值提供了重要指引9明確。2021計信息披露，奠定數據要素價值發揮的制度性基礎。浦發銀行2021數據資產的概念、數據資產管理體系的內涵與外延、體系框架、年發布《商業銀行數據資產會計核算研究報研究意義數市場價格不可獲取的情況下，提供了可參考借鑒的估值模式。估值提供參考借鑒。三是數據資產重復估值的問題修正與估值公式的重新設計。解決了數據資產價值的重復計量問題。（二）數據資產分析數據資產定義確認為數據資產。三是預期會給企業帶來經濟利益。數據資產預期在未來一段沒有經濟價值或者在現有的技術條件下無法確定未來經濟利益時，不能確認為數據資產。據資源。數據資產特征數據資產具有不同于傳統資產的一些特征，其兼具有形資產確地進行估值。業務附著性業務，以此來適配不同數據資產類型的計量算法。多次衍生性的應用場景越多時，其發揮的價值越高。零成本復制性成本。介質依托性數據資產不能獨立存在，需要依托于介質進行存儲和加工。價值易變性價值易變性是數據資產最典型的特性。由于信息技術發展、數據資產分類常具有類似的價值實現方式。獲取類數據資產傳輸與存儲類數據資產著海管理類數據資產安全。應用類數據資產價值往往越高。（三）估值原則整體性原則行經營賦能的最小單元中進行評估。不重復估值原則數據可取原則時提高數據資產評估結果和數據運營分析對業務的指導作用。成本效益原則對估值精確度和工作量之間進行權衡，避免成本投入過高，同時保證評估結果的合理性。（四）估值方案設計估值創新體系源總投入，業務價值為數據資產支撐業務開展創造的增量收益本課題采用“成本法-收益法-訂單法”對數據資產價值進行投入價值業務價值潛在進行評估，通過數據資產支撐業務開展的增量收益折現估算數評估，通過參考同類型數據資產的行業代加工對價和訂單量進2投入價值業務價值潛在圖2：數據資產價值評估創新體系資產所匹配的估值方法選擇如下，共分為三種情況：對該部分數據資產采用“成本法”進行價值評估。二是對于應用類數據資產，由于與業務場景的匹配性較強，可以直接賦能業務提升收益表現，業務增量收益能夠較為客觀、產潛在外部價值進行評估。成本法估值設計成本法的介紹成本法估值是以數據資產投入成本為基礎，充分考慮成本收益法對應用類數據資產估值中體現，為避免數據資產的重復收益率因素。具體估值公式為：P=HC×S×U其中，P為評估的數據資產投入價值，HC為數據資產歷史成本，S為重置系數，U為數據效用綜合調節系數。歷史成本統計范疇成本法估值模型中歷史成本HC，表示數據資產從統計周期2估值對象統計范疇界定估值對象統計范疇界定獲取類數據資產內部數據采集酬和數據采集的工時占比進行測算外部數據獲取成本內容的組成部分之一存儲與傳輸類數據資產數據傳輸主要包括網絡專線費、接口開發費等數據傳輸組件相關成本投入數據存儲主要包括數據存儲相關設備及系統建設成本，如存儲交換機、服務器、資源池擴容成本；金融業數據湖倉一體化建設是提高數據運營效率的重要趨勢，相關成本納入該項指標中管理類數據資產數據運維主要包括數據基礎系統的建設及維護成本、數據技術研發成本、數據運維人力成本等，為全行數據運營提供基礎支撐數據分析主要包括數據分析服務系統的建設與維護成本，固定報表、模型工具等數據產品開發成本，以及數據分析人力成本數據治理效用，提升敏捷供數用數能力數據安全主要包括為提升數據安全等級投入的人力物力成本，如安全組件或系統建設、隱私計算等相關成本內容應用類數據資產業務模型研發主要包括數字化業務模型的研發、維護、升級等成本支出，統計范疇為業務模型的基礎環境、產品和實施費用、軟硬件配套成本等相關成本支出傳輸與存儲類數據資產投入成本統計范疇包括數據傳輸成管理類數據資產投入成本統計范疇包括數據運維、數據分析、品開發成本等，均要納入投入成本的統計范疇。的投入成本統計范疇包括業務模型研發及投產過程中所發生的成本支出。重置系數測算方法行確定。CPI3iCPI（=100）1×[（CPIi+1-100）/100+1)N1×[（CPIi+1-100）/100+1]×…×[（CPIi+N-1-100）/100+1]。人力成本重置系數根據金融細分行業人均薪酬平均增長率4人力成本重置系數為11（1+G+1N年重置系數為1×（1+G+1）×…×（1+G+13：物力成本重置系數測算年份2015年2016年2017年2018年2019年2020年2021年2022年CPI（上年=100）101.40102.00101.60102.10102.90102.50100.90102.00物價重置系數測算100.00102.00103.63105.81108.88111.60112.60114.86100.00101.60103.73106.74109.41110.40112.60100.00102.10105.06107.69108.66110.83100.00102.90105.47106.42108.55100.00102.50103.42105.49100.00100.90102.92100.00102.00100.00物價重置系數1.1491.1261.1081.0861.0551.0291.0201.000年份2015年2016年年份2015年2016年2017年2018年2019年2020年2021年2022年薪酬平均增幅0.890.807.736.817.38-0.539.5410.60重置系數測算1.0001.0081.0861.1601.2461.2391.3571.5011.0001.0771.1511.2361.2291.3461.4891.0001.0681.1471.1411.2501.3821.0001.0741.0681.1701.2941.0000.9951.0901.2051.0001.0951.2111.0001.1061.000 人力重置系數1.5011.4891.3821.2941.2051.2111.1061.000注：本表根據Wind已披露銀行企業平均薪酬增長率測算。數據效用評估方法U維度因素，如表5所示。采用層次分析法（AHP，AnalyticHierarchyProcess）U進一步結合所評估企業和所屬金融行業在數據效用不同維度的評分比值，計算數據效用綜合調節系數U。具體步驟如下：UUU單項指標。數據評估維度二級指標指標說明數據評估維度二級指標指標說明數據質量維度數據完整性值、亂碼等情況數據準確性情況一致數據一致性程度數據應用維度數據多維性用維度越多時，可創造價值的空間越大數據可用性使用數據的占比來衡量數據時效性務響應速度的關鍵指標數據規模值越高數據風險維度數據管理風險數據損壞、數據描述不當、數據隱私保護、開發水平不足等原因造成數據資產無法達到預期使用狀態數據安全風險反映敏感數據泄露、數據篡改、數據濫用、數據流通維度數據公開性衡量數據公開程度，當數據的公開性越低時，所獲取的難度越大，數據價值越高數據流通性數據供需博弈，若某類數據資產供給方較的價值就會越高6兩比較結果構成的矩陣稱為判斷矩陣。標度含義標度含義1表示兩個因素相比，具有同樣重要性3表示兩個因素相比，一個因素比另一個因素稍微重要5表示兩個因素相比，一個因素比另一個因素明顯重要7表示兩個因素相比，一個因素比另一個因素非常重要9表示兩個因素相比，一個因素比另一個因素極端重要2，4，6，8上述兩相鄰判斷的中值倒數ABaijBA1/aijSaaty等（2000）提出的一致矩陣法，對判斷矩陣的有效性進行校驗。對于判斷矩陣最大特征根的特征向量，經歸一化（向量中各元素之和等于1）W。W的元素為同一層次因素對于上一層次因素相對重要性的排序權值，這一過程稱為所謂一致性檢驗是指對A一致陣的唯一非零特征根為A的最大特征根n，當且僅當n時，A為一致矩陣。連續地依賴于an大的越多，的不一致性CICI越小，說明一致性越大。用最大特征值對應的特征向量作為被比較因素對上層某因素影響程度的權向量，其不一致程度越大，引起的判斷誤差越大。因而可以用n數值的大小來衡量A的不一致程度。定義一致性指標為：CI-nn1CI=0，有完全的一致性；CI接近于0，有滿意的一致性；CI越大，不一致越嚴重。為衡量CI的大小，引入隨機一致性指標RI：

CICI

...CIRI1 2 nn其中，隨機一致性指標RI和判斷矩陣的階數有關，一般情況下，矩陣階數越大，則出現一致性隨機偏離的可能性也越大，其對應關系如表7所示。表7：平均隨機一致性指標RI標準值矩陣階數12345678910R1000.541.321.411.451.49考慮到一致性的偏離可能是由于隨機原因造成的，因此在檢驗判斷矩陣是否具有滿意的一致性時，還需將CI和隨機一致性指標RI進行比較，得出檢驗系數CR，公式如下：CRRICR<0.1，則認為該判斷矩陣通過一致性檢驗，否則就不具有滿意一致性。U到數據效用U收益法估值設計收益法的介紹素為：可計量的預期收益和風險、可確定的收益年限。此外，采用收益法對應用類數據資產的業務價值進行評估，對價值不確定性較高的數據資產具有較強的適用性，估值公式為：????=∑??=??

????????（?????）??（??+??）為第t為適用的折現率，n業務模型與增量收益監控壓降客戶違約損失，以提升銀行信貸質量，維持穩健發展。業務模型產生的增量收益包含支持客戶營銷、客戶運營、風8910業務類型模型類型業務類型模型類型主要功能簡述開發年份開發年份投入金額模型年度迭代維護費用預計使用年限T業務名稱業務模型1業務模型2業務模型3…表9：營銷類和運營類模型應用情況統計表業務類型模型名稱統計量N-T…N-2N-1開發年份NN+1N+2…N+T業務名稱業務模型1客戶數客均收益業務模型2客戶數客均收益業務模型3客戶數客均收益……模型調研說明：模型指具有獲客、活客功能，直接為企業帶來收益的營銷或運營類業務模型。N收益情況；所收集數據的時間跨度越長，越有助于提高增量收益測算的準確性。業務類型模型名稱統計量業務類型模型名稱統計量N-T…N-2N-1開發NN+1N+2…N+T業務名稱貸前管理模型貸前風險損失壓降金額貸前審核人工成本壓降金額貸后管理模型貸后風險損失壓降金額貸后管理人工成本壓降金額模型調研說明：風險管理模型在貸前貸后控制信貸風險，以減少損失、增加收益和降低人工審核成本。N工成本×審批效率提高程度”測算；貸后模型風險損失壓降金額可通過“貸款總額×平均損失率壓降”測算，貸后風險管理人工成本壓降金額可通過“年度貸后風險管理人工成本工成本×審批效率提高程度”測算；貸后模型風險損失壓降金額可通過“貸款總額×平均損失率壓降”測算，貸后風險管理人工成本壓降金額可通過“年度貸后風險管理人工成本×人工效率提高程度”測算。增量收益測算－增量收益法3CF2CF1CF2CF1投產日估值日預測期圖3：數據資產收益計算圖示后客戶數量變化，結合客均收益計算增量收益。此處，引用Brinson2，對歸屬于數據資產的收益進行定量測算和分解，并明確收益歸因，為優化數據資產配置提供決策依據。根據Brinson4以Inc1Inc2TNum2TT2BrinsonBrinsonMeasuringNon-USEquityPortfolioPerformance產賦能業務產生的收益為：??CFt=Inc2×Num2-Inc1×Num1=??CF1+??CF2+??CF3由客戶量增長帶來的增量收益為：??CF1=（Num2-Num1）×Inc1由客戶收益帶來的增量收益為：??CF2=（Inc2-Inc1）×Num1兩者交互效應的增量收益為：??CF3=（Inc2-Inc1）×（Num2-Num1）23231Inc1Num1 Num2圖4：營銷和運營類模型增量收益歸因分析σCF1σCF1σCF2基于信用風險管理類模型的增量收益測算。信用風險管理模失減少和減少逾期貸款再貸出的收益增加。信貸審批成本換算。則貸前增量收益σCF1??CF1=LaborC×△E+（RefLoan2-RefLoan1）×PLoss1RefLoan2T為拒絕貸款平均損失率。管控模型的增量收益σCF2??CF2=（OLoan2-OLoan1）×PLoss2+（OLoan2-OLoan1）×△ROLoan2T為逾期貸款平均損失率，△R增量收益測算－收益提成法建立預測模型。此時，適用收益提成法進行增量收益測算。0.5—2.0一是構建資產層次結構模型。分析不同業務開展過程中涉及11資產類型指標說明資產類型指標說明無形資產數據資源能為企業帶來經濟價值流入的所有數據資源，包括手機APP、數字化渠道、數據模型、數據分析等人力資源員工專業知識技能、受教育水平，管理人員職業素養等關系類資源銷售網絡關系、客戶關系、政府關系等管理類資源企業文化、內部管理制度、便捷的管理流程等。知識類資源企業商標、專利、非專利技術、著作權等無形資產特許類資源金融牌照、特許權、軟件使用權等有形資產固定與流動資產網點、設備等依附開展業務的固定資產與流動資產產的收益。合理的收益期數據資產的收益年限取決于數據能夠賦能業務產生價值的周期、可替代性、更新趨勢等，參考專家打分法作出評估。則按照剩余經濟壽命預測法進行確定。適用的折現率924險報酬率的量化主要依賴經驗判斷，其粗略性和主觀性明顯。二是加權平均資本成本法（WACC。考慮到服務于企業運營的數據資產本身不能單獨產生收益，需要與相關資產一起使用，折現率的計算公式為：??（????）=????+??×（?????????）WACC=????×????+??

+????×????+??

×（1-T）10Rf；??為系統性風險系數，在銀，DReCAPM，T三是回報率拆分法。將數據資產作為一種特殊的無形資產，將其折現率等同于無形資產折現率。首先要計算企業加權平均資本成本WACC；其次，采用回報率拆分法計算無形資產回報率Ri作為數據資產折現率。其公式如下所示：????=?????????????×?????????×????1??????????固定資產回報率；wl；wf產占總資產的比重。本成本法（WACC）進行計量。訂單法估值設計訂單法的介紹訂單法將訂單管理模式與市場法相結合，依據數據資源的調用情況，評估數據資產的潛在外部價值。具體公式如下所示：P=P=??=1

Qi×Pi×FiFi密度修正系數和日期修正系數。數據產品訂單量數據產品價格2/26/64/個；22/223223據產品開發消耗工作量的評估，計算單位數據產品價格。價格修正系數U四、數據資產入表本章首先闡述數據資產以國際會計準則和我國企業會計準（一）基礎條件2018（以下IASBIASBIASB以IASB新框架為基礎IASB財務報告的目標為“提供有助于使用者做出關于向主體提供資IASB同時在資產確認標準中，刪除了對“經濟利益很可能流入企業”IASB“真實性”和“不確定性”對數據資產信息披露提出更高要IASB2021驗方法（征求意見稿20233使用規定性語言的強制性披露和使用弱規定性語言的非強制性披露。以企業會計準則為基礎1620238企業會計準則與國際財務報表框架趨同IASB實性以及與企業經營的高度相關性使數據資產入表具有實踐意視的問題，深化研究數據資產入表途徑仍是重要探索方向。（二）入表方式對以工業經濟為基礎的國民經濟核算和會計核算體系提出了新確認為“無形資產”入表核算6資產歷史成本的會計處理。數據資產價值產生和消耗的方式不同于無形資產一般的研究和開發，因此可以基于數據價值鏈框架，劃分生成、歸集、分析、資產的條件的，可進行資本化列支，計入數據資產成本。新設“數據資產”入表核算數據資產”進行確認。自行開發和其他數據資產參照無形資產的計量方式進行會流入，所發生的人力、設備、技術等成本可進行資本化計量。新增“第四張表”評估披露2016建議在（三）存在的問題數據資產權屬界定模糊與經濟價值嚴重脫節數據資產估值定價難解擇，出現估值結果的較大差異。第四張表處于概念階段均是需要探索和解決的重要問題。（四）數據資產表過程信息，結合非財務信息實現數據資產的入表核算與披露。架構設計將數據資產表的架構按照“投入價值欄”和“業務價值欄”12價值。隨著數據要素市場的完善，數據資產市場價格便于獲得時，數據資產投入價值、增量價值與潛在外部價值的計量與披露列示用方法數據資產投入價值、增量價值與潛在外部價值的計量與披露列示用方法項目外購的數據資產自行開發的數據資產據資產合計投入價值欄成本法核算一、評估價值1.期初價值2.本期增加額3.本期減少額4.期末價值二、評估參數1.累計年度2.重置系數物力成本重置系數人力成本重置系數3.數據效用系數期初適用的數據效用系數期末適用的數據效用系數業務價值欄收益法核算項目營銷類數據資產運營類數據資產風險管理類數據資產合計一、評估價值1.期初價值2.本期增加額3.本期減少額4.期末價值二、評估參數1.收益期限其中：收益總期限已投產期限剩余收益期限2.增量收益其中：收益期末增量收益收益期初增量收益增量收益增長率3.折現率期末適用的折現率期初適用的折現率外部價值欄訂單法核算項目外購的數據資產自行開發的數據資產其他方式取得的數據資產合計一、評估價值1.期初價值2.本期增加額3.本期減少額4.期末價值二、評估參數1.價值密度系數期末適用的價值密度系數期初適用的價值密度系數2.日期修正系數價值合計期末價值期初價值特別說明：產價值，需要納入數據資產總價值的核算信息披露加強對數據資產投入價值和業務價值評估過程的信息披露。要參數進行具體說明。的影響分析等。運用價值五、數據資產交易（一）交易模式分類數據資產交易是指數據供方和數據需方之間以數據商品作的優劣勢和發展前景。按照交易場所劃分場內交易易流程復雜、定價機制缺乏兩方面：定價機制上，證券場內交易通過完全博弈下的市場定價機制格估算，造成不同算法計算價格差異較大的現狀。場外交易易面臨著合規性不足、價格不透明等潛在問題：和監管的特性，是數據資產場外交易的難點之一。三是數據資產場外交易的交易方式、成交價格、支付途徑由按照權利轉移劃分下面按照數據資產交易中發生的權力轉移給出交易模式的劃分。數據持有權轉移交易本類交易模式是指數據提供方直接出售其持有的數據資產，背景下存在較大的挑戰。數據使用權交易主流位置。需要關注的是，在面向未來數據進入資產負債表的背景下，按照數據類型劃分原始數據交易據交易在醫藥、生物、制造業等行業應用較多。原始數據交易的優勢是數據購買方能夠充分利用原始數據，衍生數據交易（二）發展現狀國內數據交易所的發展現狀（1）起步階段（2015-2016年）20152015-2016了有益的探索。四是數據交易過程中缺乏全國統一的規范體系和必要的法律保障，無法有效破解數據定價、數據確權等難題。（2）探索階段（2017-2020年）在本階段，各地建設數據交易機構的步伐放緩，4（3）加速階段（2021-2023年）（包20）的不斷落地，在《中共中央國務院關于加快建設全國統一大市場的意見》20236數據交易第三方機構的發展現狀狀和未來的方向。數據資產價值評估機構202255004.3人，資產評估行業總收入為292億元，發展勢頭迅猛。數據質量評估機構（數據是否與其對應的客觀實體的特征象一致（數據是否存在缺失記錄或缺失字段、一致性（同一實體的同一屬性的值在不同的系統是否一致、有效性（數據是否滿足用戶定義的條件或在一定的域值范圍內、唯一性（數據是否存在重復記錄、及時性（數據的產生和供應是否及時、穩定性（數據的波動是否是穩定的，是否在其有效范圍內DCMM（數據管理能力成熟度模型認證的然而，在數據資產交易環節，買賣雙方需要第三方機構給出DCMM機構發展仍處于起步階段。數據產權公證機構營權”的確認和公證仍處于摸索階段。數據知識產權登記機構2023（試行（試行的里程碑事件。政策、法規等層面給出更詳細且可執行的實現路徑。（三）發展趨勢給出數據資產交易的方向展望。以衍生數據為主的數據使用權交易原則主體的權益。度較低。生數據為主的數據使用權交易模式有望成為未來數據資產交易的主要方向。以“數據可用不可見”為核心的隱私保護數據交易關鍵技術逐漸成為行業主流。易流轉的靈活性，促進數據資產交易生態繁榮發展。以“全鏈路可信可審計”為依托的數據交易監管體系信息、數據調用信息等存證上鏈，便于數據交易信息長期保存，六、技術支撐術作為基礎的技術支撐。（一）數據去隱私化技術指數據發送方將一個信息經過加密鑰匙及加密函數轉換變成密過程。Hash算法這三類，幾種常用（通用）的加密算法有：DESRSA統計技術?系列統計技術（能夠代表原始數據