「數據要素如何變現？」 這是當下東軟集團聯席總裁徐洪利與業界交流時，最常遇到的問題。

如同工業時代的石油——作為數碼時代的生產要素，數據的重要性已經被廣泛認可。但是，幾乎沒有客戶會直接購買數據，就如同直接交易石油的生意遠遠低於購買石油衍生品，如瀝青、燃油、塑膠、纖維、塗料等等。把石油轉化為適合不同套用需求的加工品，是石油工業價值化的關鍵一步。而這，也正是當下數據要素突破的關鍵點。

2024年是數據要素套用爆發元年。近日，在「2024數碼政府論壇」上，徐洪利分享了東軟在大健康行業關於數據要素價值化的經驗與感悟。

反向思維，場景驅動價值化落地

2019 年 10月，十九屆四中全會上國家首次將數據納入生產要素範疇，「數據要素」這一概念正式誕生。隨著數碼化不斷深化，數據要素經歷了初期的探索，到2022年底【關於構建數據基礎制度更好發揮數據要素作用的意見】出台，則標誌著「數據要素」這一概念開始全面融於市場發展。

在政策推動的同時，市場的需求也在日益加強。2023年生成式AI爆發，千行百業都抱著極高的熱情期待透過AI轉型升級。AI實作的基礎是大數據，而數據的需求尤為迫切。

2023年，在政策、市場雙端拉動下，數據要素套用開始明顯提速，各地方的大數據局、大數據公司紛紛成立。千軍萬馬齊聚賽道，缺少的則是一部「規則」。

今年初，國家數據局等十七部門釋出【「數據要素×」三年行動計劃（2024—2026年）】，從頂層設計勾勒出數據要素市場的輪廓，以此推動數據在多場景套用、內送流量備援容錯機制體復用，啟用數據潛力，並重點對工業制造、現代農業、商貿流通、交通運輸、金融服務、科技創新、文化旅遊、醫療健康、應急管理、氣象服務、城市治理、綠色低碳等12個行業和領域，給予了更為清晰明確的行動指引，市場正式迎來數據要素價值化元年。

如今，產業生態中的所有企業都知道數據中藏著金礦，但是如何讓數據價值化，大家又都在摸著石頭過河。

在徐洪利看來，價值化主要體現在兩個方面，可以概括為增收和降本：

當然，在增收和降本之外，還有很重要的一點就是社會價值。舉兩個例子，透過銀行與醫保的數據協同，可以實作患者「先就診後付費」的模式，讓老百姓看病更便捷。影像數碼化後的互認，可以幫助醫患雙方節省大量菲林成本，而且患者去不同的醫院看病只需要付一點兒服務費就可以調取數碼影像。

無論是開源還是降本，結果都是「利潤」。由此可見，數據要素作為新質生產力透過技術創新和效率提升，將有助於醫療健康產業重塑現有的商業模式並降低成本，提高醫療服務的可負擔性。隨之而來的，是經濟效益和社會效益同時產生巨大的價值化空間。

如何實作數據要素的價值化？透過大量實踐，東軟認為現階段最有效的方式就是「需求驅動」，流程要從末端的需求方發起，而不是從頂端的數據擁有方發起。 「要用反向思維，要看誰對數據有需求，誰拿到數據可以變現，然後反向倒推，進行數據的授權、交易、加工。」徐洪利強調。

連線供給與需求，

套用型數商實作「乘數效應」

與當年「互聯網+」的提法不同，這一次業界認為一個價值更大的金礦出現，所以提出「數據要素×」：一方面是因為中國數碼經濟發展進入到深水區，也可以理解為隨著AI時代的開啟，出現以數據為關鍵要素並充分發揮倍增效應和乘數效應的深層發展階段；另一方面，數據作為生產要素，具有內送流量備援容錯機制體生產、多場景使用、敏感資訊多、減損貶值快等特征，特別是不同於石油、土地等資源，數據具有多場景復用的能力，可以不斷挖掘出新的價值。

正如開篇所述，數據直接交易無法產生客戶價值，客戶要的是「數據加工品」。在數據要素價值的生態中，扮演「加工者」的關鍵角色有三類：

服務型數商和技術型數商主要由各地方的國有大數據公司為主，他們側重於後端的治理、數據平台的營運。市場中更多企業則是在新的生態中定位於套用型數商的角色。「套用型數商是一個很重要的連線角色，在數據提供者和數據使用者之間建立連線。」 徐洪利認為，套用型數商是數據價值化的關鍵一環，從需求方拿到場景，從提供方拿到數據，根據需求方的邏輯去建模型做分析，產生分析結果後給到需求方，這就是加工原材料、生產數據產品的過程。

當然，這個過程的實作，需要生態夥伴的通力合作：在沈陽，醫保局、金融發展局、保險公司等單位機構一起合作，打通了醫保、商保的數據，為使用者實作快速理賠；在常州，透過醫保、醫院、銀行三方數據互聯，實作了憑個人授信額度在醫院先就醫後付款。東軟透過積極參與在地方政府牽頭下的創新醫共體模式，讓數據驅動幫助老百姓看病更便捷，各級醫院營運更高效……

未來什麽樣的企業才有能力成為套用型數商？徐洪利將之概括為三點：懂數據，懂業務，有技術。

以東軟為例，深耕醫療健康領域三十年，涉及全產業鏈，服務客戶數量多、類別多。作為解決方案供應商，東軟一方面非常了解數據是怎麽產生的，另一方面也非常了解客戶的痛點，知道需求是什麽、創新的方向是什麽，並且還有技術能力，最終將數據要素轉化為客戶所需要的「真實價值」。

定規則、建生態，加速市場成熟

「數據要素×」剛剛開啟，作為未來的重要生產要素，一方面數據要素的「生產加工」會帶來全新的產業機遇，另一方面以數據要素為底座，透過數據的打通、融合、創新，各行各業將產生新的交叉組合和融合裂變，促進產業升級，社會經濟繼續向高質素階段邁進。

隨著中國經濟體制的轉型，數據要素的重要性日益凸顯，在很多地方政府看來這也是未來地產經濟的替代者，更是未來很長一段時間中國經濟持續增長的引擎。所以，「數據要素×」行動的順利落地，將關系到整個社會的發展行程。

在數據要素價值化元年，一切都是剛剛起步，產業鏈中的每一個角色都在尋找自己的定位，探索可能的新模式。在產業初級階段，有的地方數據局、大數據公司還沒有完成組建，有的企業實作了部份數據產品的變現，但是也有很多數據產品掛在平台上沒有交易。為了加速產業走向成熟，徐洪利從東軟的實踐出發，向業界給出三點建議。

當前，數據加工生產活力不足、數據交易規則不明確、內送流量備援容錯機制體生產、數據歸屬權等問題，使得大量的數據沈睡，無法得到有效利用。不同類別的數據可以開放給誰？部份數據的歸屬權到底是誰？數據如何可以安全地交易？都需要盡快完善相關法律法規，包括采集、標註、授權、交易、管理等各個環節，以及數據登記、數據資產評估、爭議仲裁以及跨境流動監管等服務。只有規則先建立起來，才能讓數據可以在合法的框架下高效流動起來，激發數據的真正活力。

AI生態相比過去以往的任何生態都更復雜，以組合的方式呈現出強邏輯、強互動、即時協作等現代化產業鏈的特征。每一個AI能力的實作都需要多方協同，幾乎沒有企業可以獨立於生態存在。數據要素發揮作用的前提也是生態圈的完善，所以生態圈中各方要盡快完成角色定位，精細化分工、協作。

徐洪利表示，應該由國有企業（比如大數據公司）組局把生態聚集起來。此外，他建議對賽道進行細分，比如文旅、交通、醫療、制造等，更容易形成產業合力。

數據價值化，最佳路徑是從需求端發起。那麽就需要從前端需求向後推，後面需要哪些數據再對癥下藥，把整個鏈條打通。舉個例子，核保要打通醫院、醫保、社保的數據，先診後付要打通醫院、醫保、銀行的數據。「只有先把跨行業的數據聚在一起，圍繞需求者來建設，價值才能更大地發揮出來。」徐洪利強調。

【結束語】

在2023年之前，數據要素市場體系經歷了較長的探索的過程。在政策與需求的雙重拉動之下，2024年有望迎來數據要素的高速增長，而健康增長的提前無疑就是——定規則、建生態。