关键词：数据产品；数据价值化；数据平台；数据产品开发；数据产品生产

数据价值生态体系只有四层，即数据、数据平台、数据产品和数据应用。数据是数据价值生态体系中的“原材料”；数据平台即数据基础设施，是数据价值生态体系中的“生产车间、生产设备和流通市场”；数据产品是数据价值生态体系中的“产品和服务供给”；数据应用是数据价值生态体系中的“应用需求”。我们可以清晰地看到，从“原材料”到满足“应用需求”的关键在于“产品和服务供给”，即将数据产品做出来。数据产品生产也是劳动凝聚成价值的核心环节，是数据价值化的核心。数据产品是从数据到应用，实现数据价值的唯一桥梁。[1-3]

推动数据价值化、市场化，发展数据经济，就是“搭平台”“谋场景”“做产品”，就是要开发生产日益丰富的数据产品。

通过“搭平台”，提供数据流通环境和数据产品开发工具支持。数据平台作为“生产车间、生产设备和流通市场”，是数据产品开发生产和满足需求整个实现过程中的关键基础设施，其核心是可信数据空间。数据平台首先通过“汇数据”的功能在数据平台上集成来源数据，让数据“供得出”“流得动”“用得好”；其次利用数据平台的工具箱开发数据产品；最后依托数据平台面向应用场景提供数据产品服务。

通过“谋场景”，以应用需求来驱动整个数据价值生态体系。数据应用是通过一个个具体的应用场景来体现的。所谓应用场景，就是一个解决具体问题的数据应用。一个应用场景解决一个具体问题。“谋场景”就是发现需要解决的问题，作为应用需求，进行应用场景开发和创新。应用场景需求的满足则需要落实在数据产品开发生产中，通过开发生产数据产品而解决应用场景针对的问题。

通过“做产品”，让数据满足应用场景需求而让数据价值得以实现。数据产品是从数据到应用，实现数据价值的唯一桥梁，也是数据资产化的唯一途径。只有数据产品和嵌入数据产品的来源数据集才是真正进入了数据应用的数据形态，才产生真正的经济价值。因此，数据产品开发者才是实现数据价值的核心力量，是数据生产力的代表。

“搭平台”“谋场景”“做产品”既是数据价值化的接续环节，也是“三位一体”的统一体，缺一不可，核心就是面向要解决的应用问题将数据产品做出来。离开数据产品生产，数据价值、数据质量、数据确权、数据交易、数据资产、数据权益分配等都无从谈起。

业界把太多的精力放在了诸如数据交易、数据质量等问题上，不是不可以，但是用力的方向需要围绕数据产品、AI智能体来发力。是时候聚焦到数据价值化的核心环节即数据产品生产上来了。

话不多说，数据“是骡子是马”，数据究竟有没有价值，把数据产品做出来再说。

从数据产品开发者角度来看，除了协同用户“谋场景”、深刻理解场景需求，数据产品开发生产即“做产品”的关键在于互操作和工程化。互操作即在“保安全”前提下“找得到、看得懂、调得动、用得好”各数据平台上的各类数据和各类工具资源、第三方服务资源。工程化即将数据产品开发生产按照软件工程（以及涉及硬件如具身智能的硬件工程）的方法论对任务给予可分解、可控制、可复现的系统化、流程化并实施。

（一）怎样将数据产品生产出来？

在明确需求的前提下，怎样将数据产品开发生产出来呢？这不仅对数据产品开发者提出了要求，也对数据供给方（数据持有者），特别是对数据平台（以可信数据空间为基础、边界和核心的数据基础设施）运营方提出了要求，要求数据就绪、平台就绪、工具就绪、第三方服务就绪、安全保障就绪。

一般来说，数据产品开发生产需要经过如下十步流程。

第一，数据平台运营方做好“搭平台”工作。最重要的是建立好数据流通基础设施，提供数据流通的“可信管控”“资源交互”“价值共创”保障。一是其中的元数据基础设施，先确保数据“找得到、看得懂”。二是其中的数据公共化基础设施，确保数据“供得出、调得动”。此外还有其中的数据价值化基础设施确保数据供给和数据产品开发“做得值”，数据权益基础设施确保数据权益“分得均”，AI基础设施以支撑数据产品的智能化提升，以及数据安全基础设施确保整个数据交互、数据产品开发生产过程以至后续数据产品使用、流通过程“保安全”。通过数据平台组织各方数据处理者（包括数据供给方、数据产品开发者、数据服务提供者等），实现数据就绪、平台就绪、工具就绪、第三方服务就绪、安全保障就绪。

第二，数据平台运营方建立“可控匿名化”机制。做好数据治理，提供相关数据目录的样例数据、逻辑真实数据。从数据产品开发生产者角度来看，这就是非常重要地实现数据和数据相关主体的解耦，数据和应用的解耦，并确保数据安全，方便数据产品开发者在保障安全、隐私和商业秘密前提下便利地进行数据产品开发生产。[3-5]

第三，数据产品开发者基于应用场景做数据产品策划、设计。一是明确应用场景要解决的问题，解析问题解决方法和路径。二是细化对应解决问题的数据产品需要具备的功能点清单。三是研究平台架构，采用“大平台、微服务”的开发思路，一方面尽量能够复用平台具备的通用功能，另一方面为数据产品未来的可扩展性留有余地。四是研究其他数据产品案例，尽量能够移植、学习、借鉴，以及在此基础上创新。五是设计出数据产品原型，其中包括特有的模型、算法，这是数据产品的核心，也是数据产品开发者的知识产权。

第四，数据产品开发者根据应用场景的功能需求清单，制定数据需求清单。明确数据产品数据需求属于统计分析性目标还是个体化应用目标；逐项列出数据需求的范围、数量、质量、颗粒度、更新频率等要求，特别是对数据实时性的要求；满足功能需求条件下最小化数据需求，以简化开发，节约成本。

第五，数据产品开发者根据数据需求清单，从数据平台的元数据基础设施的数据供给目录中寻找数据供给匹配。一是货比三家，对于每个数据项，尽量找到三家以上的供给方。二是如果供给目录不能全部满足需求清单，制定相应的数据直接采集措施（包括智能体、具身智能的感知能力），或者寻找其他数据平台的数据目录，或者修订相关场景功能的其他数据需求组合使之同样能够满足功能需求，或者退而求其次调整相关功能使之适合现有数据供给条件。

第六，数据产品开发者依托数据平台对数据供给方的数据质量进行探查，从而选择出满足功能要求的数据供给方。显然，对于数据需求清单的多项数据需求，这里会涉及到多个数据供给方。在满足功能需求同时，还需要与供给方进行合作洽谈，包括价格博弈、供给条件和智能合约等。这里也需要兼顾需求满足和成本控制。尽量考虑结合数据产品使用效果从最终使用者意愿出价反向逆推数据产品对来源数据可以承受的价格。在满足功能要求前提下，尽量采用免费数据资源，例如公共数据。

第七，数据产品开发者依托平台工具和数据供给方的样例数据或逻辑真实数据进行数据产品开发。这是数据产品开发生产的核心环节，通过数据产品开发者设计的数据产品特有模型算法，开发出满足相关功能的数据产品。数据产品需要内嵌安全措施、隐私保护措施。通过数据产品，对之前解耦的数据与数据相关主体、数据与应用进行集成，落实数据产品瞬间集成机制。数据产品的生产可以通过AI进行辅助开发。

第八，数据产品开发者对数据产品进行软件测评、密码测评、安全测评、合规评审等。这里主要是内测，包括对涉私数据授权通道、数据瞬间供给、服务瞬间输出的可靠性、稳定性测试，以确保数据产品内嵌数据的实时性、鲜活性，保障数据产品服务的准确性和数据产品价值的稳定性。

第九，数据产品面向应用场景试用。

第十，数据产品面向应用场景正式使用。

（二）怎样将数据产品价值变现出来？

价值变现在于应用。将数据产品用起来就能实现数据产品以及嵌入在数据产品中的来源数据的价值。数据产品使用包括两种情形：一是内部使用，通过降本增效体现数据产品价值。二是对外服务，包括出售数据产品提供的服务（以SaaS形式交付服务）和出售数据产品本身（交付数据产品本身，即变更数据产品所有权），这时数据产品从产品成为商品。

数据产品开发者要根据数据产品在应用场景中的使用成效来评估数据产品价值。针对内部使用，主要根据数据产品使用前后相关绩效数据的变化来评估使用数据产品的实际成效，例如带来的降本增效，通过具体成效数据对数据产品进行估值。

针对对外服务，一般来说，数据产品通过商品化价值变现需要经过如下十步流程。

第一，数据产品开发者申请数据平台和第三方服务对数据产品进行合规性审查、安全性审查。审查通过后，申请数据产品在数据平台上架。据此数据产品便可以对外提供服务，即供用户使用，以及可以出售，即供用户购买数据产品本身。

第二，数据产品开发者制定数据产品使用的定价策略。数据产品需要确定市场定位，与市场上同类产品比较，进一步确定自身竞争优势、卖点，再具体定价。并不能一开始就直接对数据产品定价，先通过对交付服务的定价，使得数据产品提供的服务具有现金流，以便对数据产品进行较为准确的市场估值，从而才好对数据产品本身的交付价格进行定价。即数据产品定价应以市场法、收益法为准，成本法只能作为参考。这样的定价才能成为市场可接受，有实际买家的真实价格。

第三，数据产品开发者制定数据产品服务的营销策略。在明确数据产品市场定位、竞争优势、市场卖点基础上，制定数据产品服务的营销策略。以SaaS形式交付服务，需要考虑试用期、会员制、按次付费、包月包年等策略。也可以考虑按用户使用效果分润等方式。当然这里需要通过区块链、智能合约等方式在服务供给方和使用方之间共享使用效果数据。

第四，数据产品开发者对数据产品提供的服务进行营销活动、扩大销售以及对用户的各类售后服务、持续服务。注意数据产品始终是依赖于数据平台的，不仅在开发生产过程中，在为用户提供服务过程中也始终依托数据平台进行。

第五，依据服务流所产生的现金流，对数据产品进行估值。数据产品估值的基本方法是收益法，即根据实际的现金流以及未来预期现金流进行折现估值。同时，具备条件的，即市场上有相对足够的参照物，可参考市场上类似数据产品价值按照市场法进行估值。参照历史数据进行估值也是可行的方法，即比较数据产品使用前后成效数据的差异，测算使用数据产品后带来的增值作为数据产品的价值。以上三种方法都是从产出端实际成效出发进行评估，相对而言，从投入端用成本法进行评估只能作为参考，不能作为实际价值。

第六，按需对数据产品进行确权、登记。如果需要对数据产品本身进行交易或资产化，则需要对数据产品进行确权、登记。数据产品开发者需要提请数据平台或第三方对数据产品进行合规性审查，特别是对数据产品涉及各相关利益主体之间的权利、法律关系进行审查，梳理数据产品中涉及的数据关联对象的授权、让渡行为，与数据供给方的合约关系确定数据使用的合法性和权益关系，从而能够确认数据产品开发者对数据产品的所有权（占有、使用、收益、处分）。在确权基础上，对数据产品权属进行登记，获得权属登记证书。虽然目前并没有法律对数据产品权利进行赋权，数据知识产权也没有法律上的规定，依据地方、行业法规对数据产品进行确权、登记仍然具有一定的法律效力，可以在现实中发挥一定作用。

第七，按需对数据产品进行入表等会计处理。经过确权的数据产品（以及嵌入数据产品的来源数据）便是数据资产，数据产品开发者可以按照会计制度相关规定进行入表等会计处理。[6-7]

第八，按需进行数据产品交易。经过确权的数据产品可以进行交易。数据产品开发者如果希望尽快将数据产品本身进行当期价值变现，而不是以提供服务形式持续变现，则可以将上架的数据产品进行整体出售。数据产品交易只是变更了数据产品的所有权（包括收益权），并不改变数据产品依托数据平台对外以SaaS形式继续提供服务。

第九，按需进行数据产品的资产化利用。数据产品开发者可以利用作为数据资产的数据产品进行资产化利用，例如质押融资。在合规前提下，数据产品也可以作为现实世界资产（RWA）进行通证化。

第十，按需进行数据产品的资本化利用。数据产品开发者可以利用作为数据资产的数据产品进行资本化利用，例如作价入股。

（三）发挥数据乘数效应持续提升数据产品价值

数据产品的开发生产、持续服务、安全使用，以及流通交易是一个从数据到应用的完整过程，始终要根据应用场景的需求变化，随需而动。因此，“谋场景、做产品”是一个循环、迭代、升级的螺旋上升过程。

数据产品开发者要根据数据产品在应用场景中的使用成效来评估数据产品价值，不管是内部使用还是对外服务，并从实际成效来寻求优化数据产品的思路。

数据产品开发者要根据用户反馈和场景需求的扩大、变化，优化产品设计和开发，持续迭代升级数据产品。

数据产品开发者对于内部使用效果突出的数据产品可以尝试将其商品化，针对市场上的类似需求二次开发出可以对外服务的数据产品。

数据产品开发者还需要依托全国一体化数据市场优势，扩大数据产品用户范围，将数据产品移植到更多数据平台，或在原有数据产品基础上针对新平台进行少量二次开发，成为新平台上的数据产品。这正是乘数效应的体现，藉此持续提升数据产品价值。

名词注释：

1.数据平台=数据基础设施（以可信数据空间为基础、边界和核心）。

2.数据权利=数据权益。

参考文献：

[1]董学耕等. 用数据点亮智慧之光：海南省数据要素市场建设探索与实践. 南方出版社，2023.

[2]董学耕. 数据产品论纲——数据产品是从数据到应用的唯一桥梁. 

[3]董学耕. 数据产品论纲Ⅳ——可信数据空间的关键是一体化. 

[4]董学耕. 数据产品开发与数据脱敏. 

[5]董学耕. 数据关联对象真的有决定权吗？——散论数据可携带权的实现机制. 

[6]董学耕. 数据要素纳入财务体系的实现路径：数据产品化[J]. 财务研究，2024，（3）：3-10.

[7]董学耕. 数据产品论纲Ⅲ——数据产品是数据资产化的唯一途径. 

作者简介：董学耕, 原海南省大数据管理局局长

研究方向：数字政府、数据要素