数据要素板块冲高！人民网5天3板，又一个百亿市场！一文拆解数据要素产业链与投资机会（附相关标的）

数据要素产业链主要包括采集、存储、加工、分析、确权、定价以及交易环节。从市场规模角度分析，存储、加工、交易、分析环节市场超百亿元。

数据要素是新的生产要素

数字经济时代，数据将作为一种核心的生产要素。一个经济体的大小可以通过其产出来核算，这其中最著名的模型就包括柯布-道格拉斯生产函数。生产函数中输入的内生变量，我们将其称之为“生产要素”。在传统的西方经济学框架中，生产要素包括了劳动力、资本、土地为代表的自然资源、企业家的智慧、以及技术进步等等。随着互联网、云计算、人工智能等技术的规模化推动着数字经济的快速发展，人类的生产模式已经发生了前所未有的变化。早在 2020 年 4 月中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》中，数据作为生产要素已被正式单独列出。数据要素，即参与到社会经营活动、为使用者或所有者带来经济效益、以电子方式记录的数据资源，已经在当今经济发展中扮演着与劳动力、资本等传统生产要素同等重要的角色。在这一背景下，我们认为加速数据要素流通，释放数字生产力，正成为推进各国数字经济、数字政府、数字社会发展的关键任务之一。

数据要素涉及经济活动、人民生活等各方面。除却我们熟知的互联网数据外，我国大量数据为政府管控的公共数据，以《杭州市公共数据授权运营实施方案（试行）》（征求意见稿）中列举的十大领域为例，公共数据包含医疗、金融、商贸物流、工业生产，涉及社会生产生活各方面，并均有广阔的应用场景。

数据要素对经济发展有着深远的意义。根据《中国数据要素市场发展报告（2021-2022）》中的研究表明，通过将数据要素引入到经典的经济增长模型（如柯布-道格拉斯生产函数）可以估算数据要素对于经济增长的贡献。研究结果显示从宏观经济增长层面来看，数据要素对 2021 年 GDP 增长的贡献率和贡献度分别为 14.7%和 0.83 个百分点，对数据要素对经济增长的贡献提供了有力的经验证据支撑，同时也反映出数据要素对经济贡献提升还有很大空间。该研究还发现，数据要素带来的资本与劳动份额的相对变化（13%），与第一次工业革命时期新生产要素带来资本与劳动份额的相对变化（平均 17%）相近。因此，纵向比较，数据要素带来的经济增长效应可能不亚于第一次工业革命时期新的生产要素带来的巨变，应该放在更大的历史维度看待数据要素流通的价值。

数据要素产业链拆解

数据的完整生命周期包括了从数据采集到发挥价值的加工、治理、流通和应用等环节。这些环节相互关联、相互促进，缺一不可。加工环节确保数据质量和可理解性，治理环节保障合法、合规和安全使用，流通环节促进数据传输和共享，应用环节将数据转化为实际业务和决策的支持。这些环节的重要性不可忽视，缺乏合理的处理可能导致数据质量低、信息不准确，甚至数据泄露和违规行为。因此，企业和组织应综合考虑数据生命周期的各个环节，并采取相应的措施，包括建立完善的数据加工流程、制定合规的数据治理策略、推动数据的流通和共享以及积极推动数据的应用和实践。只有在全生命周期的综合管理下，才能实现数据的真正价值和推动数字化转型。

数据要素产业链包括：

数据采集，通过传感器、设备和系统获取原始数据。

数据加工，对数据进行清洗、处理和分析。

数据存放、汇聚，以硬件为承载，使用数据库、大数据基础软件等工具进行管理，数据汇聚将不同来源的数据集成在云平台。

数据交易流转，通过交易实现数据价值的变现。

数据应用，将加工和汇聚后的数据应用于实际业务场景。

同时数据安全亦至关重要，包括保密性、完整性和可用性，需要在每个环节采取相应的安全措施。

AI三要素中，数据稀缺性明显

算法、算力、数据是AI核心三要素，当前AI大模型的训练，算法端向神经网络Transformer模型收敛，算力端依赖具备大规模并行计算能力的AI服务器集群，数据端则需要巨大数据量的大规模数据集投喂，我们认为AI三要素中数据是直接影响AI大模型在垂直行业落地效果的关键，而垂类数据通常由政府和行业机构掌握，相比于模型和算力，数据稀缺性明显。目前通用大模型的训练数据集多来自互联网文本数据，例如ChatGPT训练数据集来自维基百科、互联网新闻、社交媒体、电子书等。彭博社发布了针对金融领域的大型语言模型BloombergGPT，训练采用51.27%金融信息数据和48.73%的公共数据，在500亿参数规模下，BloombergGPT对金融任务效果好于通用大模型。

数据要素定位—数字经济基石，“四位一体”构筑市场格局

政策自上而下支持明确：根据“2522”数字中国规划，数据要素&数据基建为数字经济两大基石。近年来数据要素对GDP增长贡献率上行趋陡，2021年数据要素对GDP增长贡献率与贡献度分别为14.7%和0.83个百分点，且自2018年以后显著提速。

市场空间广阔，“四位一体”构建产业格局：数据要素市场进入高速扩容阶段，数据市场交易量增速全球领先。目前数据交易主体、数据交易手段、数据交易中介、数据交易监管四部分构成数据要素市场的主要框架。

数据要素的政策密集催化

指引短期：重在推动数据要素价值释放与市场化机制建立。2020.4首次在国家政策层面将数据作为一种新型生产要素以来，中央及地方相关政策聚焦于优化数据要素流通环境、加快数据要素市场培育等方面。

谋局长期：数据财政有望成为后土地财政时期重要补充。当前土地财政收入占比下行，财政结构面临转型压力，国家数据局建立及数据要素市场培育可视为标志，数据财政有望成为后土地财政时期的重要补充，数据要素生产率稳步提升。

两条路径理解数据财政形成机理

政府完成自身数据归集，并进行脱敏与规范化生产，并实现不同类别的数据的免费开放、出售、授权经营等，收入归集于数据财政。

数据要素市场扩容会带来数据资产相关的增值税与所得税的增长（数据要素价值释放）。

数据要素的三大受益方

数据资源拥有方：受益于自有数据资源价值重估，如央国企方向典型的运营商、政务IT环节等。

数据服务加工方：卡位数据要素关键环节，受益于数据要素市场扩容（业务增量）的数据加工、数据安全领域等。

市场建设配套方：要素市场培育凸显数据交易所地位，相关参股上市公司有望受益。

市场有望存在4倍增长空间，超3000亿元

由于在数据要素发展初期，政务数据无法向企业数据一样通过交易变现或从股权角度体现价值，因此目前市场上统计的数据要素市场规模基本只涵盖企业侧数据，根据国家工信安全中心对数据要素主要细分领域的测算， 2021年数据要素相关产业市场规模达815亿元。政务数据量大约为企业侧数据的4倍，线性递推，政务数据“入场”后，有望释放3000亿元市场。横向对标美国等地，中国数据产量排名世界第二，而国内数据要素市场规模仅为美国的3%，按照数据量与数据要素市场规模呈线性相关的假设，以美国水平参照，我国潜在数据市场空间约为6000亿元。

建议关注存储、分析和交易环节

数据要素产业链主要包括采集、存储、加工、分析、确权、定价以及交易环节。从市场规模角度分析，存储、加工、交易、分析环节市场超百亿元。

从市场格局角度分析，数据采集市场集中度较高，优势主要集中在平台型厂商；数据存储整体国产化进程加快，随着信创由党政向行业推进，具备核心系统替换经验的数据库厂商有望脱颖而出；数据加工市场集中度较低，未来随着AI技术更多地运用到加工业务中，中小企业有望加速出清；数据分析与下游行业联系紧密，细分行业龙头优势突出；确权、定价以及交易环节为市场发展初期，确权和定价环节上市公司参与相对较少，交易市场以公共价值为导向，目前厂商多是以股权为纽带参股数交所，协同布局从数据供给到数据服务全流程业务，建议关注具备国资背景且实现全产业链覆盖的核心厂商。

财通证券《数据要素产业链解析》

天风证券《重视数据要素，AI与数字经济交汇点》

中银国际《数据要素深度一：拐点将至，数据要素全面起航》

广发证券《“AI奇点时刻”系列（十一）：数据要素专题：关注三大受益方》

相关股票

来源：Datayes