数据可以分为政府与公共数据、企业数据和个人数据。
1)在工业生产领域：数字生产企业可以在产业链条中嵌入所需的各类数字服务，以提高全链条的生产效率，例如，在产业互联网中加入金融服务链路、智能化采购链路、市场端智能库存和售后服务链路等。2019年我国规模以上工业企业生产设备数字化率已达47.1%，未来数字化转型加快推进。
2)在服务消费领域：数字服务企业可以嵌入多平台、多场景，例如，金融服务可以嵌入支付平台、电商平台、租房平台、售车平台、网约车平台等，寻求个性化与大规模相结合的商业模式。这样数字服务企业才能不断迭代更新。“数据+”不断激发消费市场活力，居民消费习惯加速向线上迁移。2020年，我国实物商品网上零售额比上年增长14.8%，占社会消费品零售总额的比重为24.9%，增速明显高于同期社会消费品零售总额，未来服务消费数据将发挥更加重要的作用。
1.3.2国家地方法规条例陆续出台，权属、交易、监管法律亟待完善
2.1数据交易平台方兴未艾
数据交易平台的盈利模式主要有三种：佣金模式、会员制模式、增值模式。盈利模式多样不代表数据交易平台的盈利能力强大，事实上，早期设立的交易平台如贵阳大数据交易所公布出的交易额成绩寥寥。虽然在数据交易平台发展的第一阶段（2015-2020）各地数据交易机构运营发展没有达到预期效果，但是数据交易平台作为“准公共服务机构”，主要目标是赋能市场，推动经济发展，盈利并非其主要目标。
2.2欧美持续完善法律政策、深挖数据价值，积极推动数据要素产业发展。
欧美数据交易市场规模大，中国占全球八分之一。据上海数据交易所研究院，2021年，全球数据交易流通市场规模达到2000亿元。其中，北美洲达到960亿元，占比48%。欧洲实现市场规模500亿元，占比25%。中国数据交易规模实现250亿元，占比13%。日本等其他国家地区紧随其后。
2.2.1美国推动数字产业自由发展，欧洲积极打造公共数据空间
同月，欧盟委员会发布了《塑造欧洲数字未来》以及《人工智能白皮书》，详细阐述如何促进其在人工智能领域的发展。
2020年12月，欧盟委员会牵头发布的《欧盟数字十年的网络安全战略》。
2.2.2政府数据对公众开放共享，企业向政府提交数据参与国家建设
2009年，美国联邦政府发布《开放政府指令》，并且建立了政府数据服务平台Data.gov。联邦政府、州政府以及组织企业可将数据上传到平台。截止到2022年11月，Data.gov上有超过33.5万个数据集，其中主要的数据主题有农业、气候、能源、当地政府、海事、海洋、以及老年人健康。同时，美国通过为开放网站添加多元元素，打造了一个丰富的生态体系，网站中加入了Github的链接、可以使开发者在利用数据的同时获得技术支持。同时，阳光基金会在网站中举办数据开发大赛，推动数据的应用创新。网站还设置“challenge”平台，给问题提供者和解决者一个交流的平台，培育开放的应用生态。
2010年1月，英国政府的数据开放门户网站data.gov.uk正式向公众开放。网站上目前有交通、商业经济、犯罪与正义、教育、环境等14个主题的数据集。
2015年，八国集团发布《国际开放数据宪章》（ODC），确立了政府数据开放的六大原则，主要表现为默认且主动开放数据、数据标准化等。
企业被强制或自愿向美国政府提供数据。在某些情况下，政府也需要企业提供数据，形式主要为政府强制企业报送数据或企业自愿向政府提供数据。第一种强制模式，美国设计了众多政策法律工具保证此过程顺利进行。另一种资源模式下，企业和政府通过合同、利益交换等方式进行数据流通。Airbnb曾向美国政府提供上千份纽约地区的房屋信息，以佐证其商业模式。Uber向政府提供交通方案，助力政府进行智能城市规划。企业提供数据可以帮助政府更好地进行国家治理，有益国家发展。但另一方面，也会助长霸权主义增长。例如，美国商务部发出了《半导体供应链风险公开征求意见》，借口“缺芯”要求多家集成电路公司提交数据。
2.2.3丰富数据交易模式，助力数据流通与价值挖掘
海外数据交易活跃，代理交易模式盛行。国外数据交易起步较早，始于2008年，得益于较为完善开放的政策和法律环境，数据交易较为活跃，现已发展出多种交易模式。据论文《数据流通的模式与问题》，目前国外数据交易主要采取代理的方式进行，可有效提升交易效率、安全可靠。此种数据交易方式由提供方、服务方、以及需求方组成，服务商通过政府、公开、商业等渠道获取数据，并出售给数据需求方。美国现阶段主要采用三种交易模式：C2B分销、B2B集中销售以及B2B2C分销集销混合。B2B2C模式发展迅速，已成为美国主流数据交易模式。
C2B分销模式，即用户把个人数据共享给数据交易平台来换取一定的金额的商品、服务、积分，或者货币、中奖机会等。这种数据平台有personal.com、CarandDriver、GradLoans.com等。
2.2.4打造安全可靠行业数据空间，推动产业价值发现
2.3.1数据权属界定不明，统一资产登记体系有待建立
2.3.2数据定价较为困难
数据要素因其生产复杂性、可复制性、时效性、以及非标准性而定价困难。相比于土地、资本、技术、劳动力要素，数据要素的定价更加困难。首先，数据要素产生的过程十分复杂，整个产业链有数据采集、存储、计算、分析应用等众多环节，涉及众多贡献者、参与商，每一个环节都需要进行价值计量，因此进行阶段性定价比较困难。其次，数据资源具有可复制性、时效性以及非标准性等特点，其实际价值会随着复制次数及供需关系改变而改变。
主流数据定价方式包括成本法、收益法以及市场法。数据定价是数据交易平台的重要组成部分，目前比较主流的数据定价方式有成本定价法、收益定价法以及市场定价法。其中，成本法通过计算数据产品的成本进行定价，包括数据采集、存储和整合的运维成本，人力成本、间接成本以及服务外包成本等管理成本。收益法则是按照数据的应用价值定价，与数据的数量、稀缺性、行业性质、预期效益等有关。一般来说，数据越完整、维度越多，其适用的范围也越广、应用价值就越高。市场法定价一般使用类似场景下的可比参照实例做参考，需要较多的可比案例。目前，这些定价方式各有缺点，国内外还在积极探索数据要素定价的有效方法，例如，因数据要素的价值在不断波动，可采用动态定价方法。另外，也可应用人工智能等算法赋能数据定价。
2.3.3数据应用价值有待提高
2.3.4有待建设先进交易基础环境
我国数据交易基础环境还不完善，目前没有统一的数据交易平台和成熟的监管机制。数据交易平台有益于解决效率、合规、安全以及信任等问题。近年来，我国积极建立数据交易平台，引导数据交易往场内进行。然而目前，我国基于平台的场内数据交易情况并不理想。截至2022年8月，全国已经成立了40家数据交易机构，数量众多但没有形成统一的交易标准和监管机制，经营情况也参差不齐。同时，这些机构全部是区域性的交易机构，并没有一个统一的数据交易市场，不利于数据要素在全国范围内的自由灵活配置。这些不利因素导致我国场内场外数据交易量差距悬殊，大部分数据交易都在场外完成，场内交易不足5%。
2.3.5政府、企业的“数据孤岛”有待打破，助力数据开放流通
数据孤岛阻碍数据流通共享。中国的大部分的数据集中在政府、国有企业和互联网平台企业手中。但是这些数据开放共享流通的程度较低。例如，中国移动、央行征信中心都拥有超过6亿人的活跃消费者，但是这些数据沉淀在少数平台上，流动、应用、价值挖掘的程度都不够，造成了大量的浪费。互联网头部厂商则拥有更多的用户，其数据价值有待进一步被合法合理地挖掘。