近日，国家数据局发布《关于推进行业高质量数据集建设行动的实施方案》（以下简称《实施方案》）。《实施方案》提出，鼓励探索数据集质押融资、作价入股、资产证券化、数据信托、数据保险等多元资产化创新模式，拓宽数据价值转化渠道。

　　行业高质量数据集是经过采集、加工等数据处理，可直接用于开发和训练人工智能模型，能有效提升模型性能的行业数据的集合。而数据保险是以数据为承保对象的创新型金融工具，针对数据在采集、存储、流通、应用等环节中的各类风险，通过保险机制提供专业化风险保障和主动式风险管理服务。

　　随着各行各业开展数字化智能化转型，数据的重要性愈发凸显，数据保险的需求也随之产生。从具体实践来看，目前市场上已有多类数据保险产品落地。2024年，全国首单数据资产损失保险落地深圳。此外，内蒙古、安徽、陕西等多地落地首单数据资产入表费用保险、数据资产损失费用保险等产品。

　　对外经济贸易大学保险学院教授王国军对《证券日报》记者表示，《实施方案》的发布实施将为数据保险市场带来以下影响：一是企业数据资产化过程中确权、评估等环节风险保障需求将大量释放，数据保险市场将迎来广阔发展空间；二是推动数据保险应用场景从单一费用损失保障拓展到数据质量损失、知识产权侵权等；三是可以促进数据保险与其他数据资产化服务融合，形成覆盖数据全生命周期的服务体系，吸引更多金融机构参与，提供资金和风险管理支持。

　　数据是数字时代的战略性资源。与土地、资本等传统生产要素相比，数据具有非排他性、可复制性、价值不确定性和价值聚合性等特点。因此，数据保险在承保时也面临着多种与传统财险不同的风险。

　　中国人民财产保险股份有限公司机构业务部高级经理周磊磊此前发文表示，发展数据保险的主要难点在于数据的非排他性、可复制性与保险标的的特定性、价值稳定性存在根本冲突，这一矛盾导致数据保险在精算定价、风险管控和理赔定责等方面面临挑战。

　　周磊磊认为，常规财产保险标的如房屋、车辆等，具有物理上的唯一性，而数据可以被多个主体持有、复制和使用，若三方均将该数据集用于投保，则可能引发“一数多投”的道德风险。传统有形资产的价值通常可采用线性折旧法等确定性模型实现标准化评估，而数据价值受市场需求、政策调整、技术迭代等因素影响，呈现非线性特征。此外，数据安全风险多维交织，保险责任界定困难，也对险企经营带来更多挑战。

　　展望未来，除了数据保险外，保险行业还可以挖掘哪些新领域？北京排排网保险代理有限公司总经理杨帆对《证券日报》记者表示，在企业数据资产化深入推进的背景下，保险行业在数据要素流通与金融化领域也有较大的挖掘空间。一是在数据交易与流通环节，险企可开发数据信用保证保险与交易违约责任险，为数据交易平台和供需双方提供增信与风险兜底；二是在数据资产融资领域，随着数据入表与质押融资的普及，险企可探索数据资产质押融资保证保险，助力化解金融机构的信贷风险；三是在数据合规与网络安全服务领域，保险业可探索数据合规责任险，以覆盖企业因隐私泄露或违规受罚而产生的财务损失。