数据要素的四层分类法有哪些？

在传统信息理论中，根据加工情况通常将信息分为零次信息、一次信息、二次信息、三次信息。类比到数据要素市场领域，同样可以从数据要素开发利用层次的角度，对不同开发利用层次的数据要素产品形态、权属流转、价值分配、流通治理、优化配置等开展研究。为此，本研究提出将数据要素划分为原始数据（0阶数据）、脱敏数据（1阶数据）、模型化数据（2阶数据）和人工智能化数据（3阶数据）四个层面，并设计针对不同层级的数据要素市场制度体系。

这一原则在相关国家政策文件中也得到了充分体现。如2020年12月四部委联合印发的《关于加快构建全国一体化大数据中心协同创新体系的指导意见》中就明确指出，要“完善覆盖原始数据、脱敏处理数据、模型化数据和人工智能化数据等不同数据开发层级的新型大数据综合交易机制”。

具体来说，参照信息理论对信息价值的分类，在数据要素市场建设中，按照流通、交易数据要素的价值深度，可明确为四种要素形态：一是原始数据（0阶数据），即通过物理传感器、网络爬虫、问卷调查等途径获取到的未经处理、加工、开发的原始信号数据，零次数据是对目标观察、跟踪和记录的结果，例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。二是脱敏数据（1阶数据），即为便于数据流通，确保数据安全和隐私保护，需要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。前两种要素形态都是数据本身。三是模型化数据（2阶数据），如互联网企业用于精准营销的用户画像“标签”，其本身也是一种数据，但需要在原始和脱敏数据基础上结合用户需求进行模型化开发，要素形态是“数据+服务”。四是人工智能化数据（3阶数据），即在前三层数据之上结合机器学习等技术形成的智能化能力，比如人脸识别、语言识别等，其主要依托海量数据实现，要素形态则是服务。

进一步归纳，我们可以将0阶和1阶数据统称为“原生数据”，即主要以数据集或数据接口等方式流通的数据资源，承载这类要素流通的数据市场即“一级市场”（数据资源市场）；将2阶和3阶数据统称为“衍生数据”，即依托原生数据所衍生出的各种数据属性、产品和服务（具体交付形式可能是软件、指数、模型、报告等等等形态流通），承载其流通的数据市场即“二级市场”（数据产品和服务市场）。

此外，由于数据本身难以脱离其依托的软硬件基础环境独立存在，在实际运行中，数据流通与硬件（算力）和软件（算法）密不可分，特别是“衍生数据”的交易流通场景实际上是“数据+算法+算力”的综合体流通。

无论是哪种形态，数据成为一种生产要素，就意味着其具有可流通性和使用价值，与劳动力、资本、技术等其他生产要素结合后能够释放价值并参与收入分配。李清彬指出，数据要想成为一种独立的生产要素，其应当具备五种基本特性，即量的累积性、产权的明晰性、流通的自由性、信息的安全性以及与其他要素结合的紧密性。

总之，数据要素特征明显区别于其他传统生产要素，其既具有外部性、边际成本递减、规模报酬递增等经济属性，又具有非结构性、非标准化、资源标的多变性等技术属性。

因此，一方面，要充分借鉴土地、人才、资本等传统要素市场培育的成功模式和成熟经验，并将可类比的改革经验引入数据要素市场培育领域；另一方面，数据交易市场的建设必须基于数据要素的独特经济属性，照搬任何一种传统生产要素市场体系都存在局限性。

免责声明：

本文转载自【慧天地】，版权归原作者所有，如若侵权请联系我们进行删除！

易知微以自主研发的EasyV数字孪生可视化搭建平台为核心，结合WebGL、3D游戏引擎、GIS、BIM、CIM等技术，协同各个行业的生态伙伴，围绕着数字孪生技术、数字驾驶舱和行业应用，共同建设数字增强世界，帮助客户实现数字化管理，加速数字化转型。

易知微已经为3000+ 客户提供数字孪生可视化平台和应用，覆盖智慧楼宇、智慧园区、智慧城市、数字政府、数字乡村、智慧文旅、工业互联网等众多行业领域，包括国家电网、移动云、中交建、中铁建、融创、云上贵州、厦门象屿、天津火箭、上海电视台、金华防汛大脑、良渚古城遗址公园、李宁、浙江大学等典型案例！