數據交易機制初探——新制度經濟學的視角

（清華大學社會科學學院，北京100084）

引 言

數據交易以及相關的產權問題，是現在大數據產業的熱點話題。對這一問題進行分析，有助于形成業界慣例和社會共識，為制定相關法律法規提供參考和依據。數據，就是事物和行為的顯現，并且是被記錄的、有待分析的顯現。當前，數據的重要性日益凸顯。一方面，人們進行科學研究，處理復雜的經濟、社會和政治事務，都需要大量數據支持，數據需求不斷增加；另一方面，計算機技術的發展、自然科學和社會科學知識的積累，以及社交網絡、云計算、移動終端的發展等因素，使得數據的價值能夠被人們所認識和利用。對于現在流行的大數據這一概念，人們已經從各個角度描述了它的特點，其中有兩點值得注意：一是大數據突破了以往人們對數據的認知，以前不被人們當成是數據的資料，現在也可以以量化方式進行處理，以前被人們認為無法分析的數據（大多是非結構數據），現在也可以用來分析。二是與大數據相關的數據挖掘技術呈現了事物之間一些以前從未想象過的深層次聯系，這使得人們產生了更大的興趣去收集、分析數據，從而發現并利用這些隱秘的聯系。

大數據在商務智能、社會治理等領域的應用不斷擴展，并且在逐漸改變原有的產業結構和經濟結構。與此相伴隨的是，大數據相關產業也在快速發展，并且得到了許多國家公共部門的關注和支持。數據的重要地位使得越來越多的人將數據看作是繼土地、資本和勞動力之后的第四種生產要素。數據作為一種生產要素，理應像其他生產要素一樣得到合理配置，從而對生產發揮最大效用，而這就涉及到了數據交易問題。從市面上不斷增加的與數據相關的產品（如電子導航地圖、人臉識別設備）以及與數據交易相關的企業不斷擴展的業務看來，數據交易數量在快速增長，數據市場潛力巨大。

然而，當前數據交易的發展還面臨諸多困難。除了很多企業經營者對計算機技術缺乏了解、缺少資金、經營理念等因素外，人們不愿購買和使用數據的一個重要原因就是高昂的交易費用——而其他因素或多或少都與這一點有關。數據交易的本質，就是對數據的產權，即數據的擁有權、使用權、收益權等權利的轉讓。而轉讓數據產權的前提，當然是界定產權，但目前數據產權界定的狀況并不盡如人意。一方面，事物越是有價值，人們越是傾向于清晰地界定其產權歸屬。數據的價值不斷顯現，使得人們為了增加收益或避免損失，而迫切要求明確產權。另一方面，由于數據與其他產品相比又有一些比較突出的特點，使得與產權相關的交易費用較高，從而阻礙了產權的界定。這些特點體現在以下幾個方面。

第一，數據同時具有絕對的非排他性和相對的排他性。絕對的非排他性是指數據能被無數次復制和使用，一個人的使用并不會使數據有所減少。相對的排他性是指以下幾種情況：首先，有些數據如果被多個使用者使用，它對每個人的價值會比個人單獨使用時要少。比如，多個電商掌握同一套數據，得出了相近的分析結果，并據此進行商品推送，結果每個電商都沒有達到預想的效果。其次，對一些公開數據，可能會有企業設法讓它暫時無法公開，在短時間內占有它，從而使自己基于數據的產品或服務能在短時間內獲得壟斷利潤。

第二，數據交易涉及的主體多，包括數據擁有者、數據采集者、數據中介、數據使用者等。在法律法規不完善的情況下，每一方都有理由主張對數據的某項權利，引發糾紛的可能性較大。

第三，存在數據造假的可能性，保障數據真實性和進行鑒別的成本較大。至于造假的原因，可能是彌補統計上的疏忽、降低提供數據的成本，或是有意擾亂客戶的研究分析。

第四，一些數據的有用性無法事先確定。多數商品的了解過程和使用過程是分離的。比如，在購買冰箱之前，雖然我還沒有用它，但我了解它將給我帶來好處。對一幅畫來說，了解過程和使用過程最初會重合：在評價它并最終下決心買下它的過程中，我同時也得到了美的愉悅——如果沒有得到這種享受，我根本不會購買它；但是了解和使用過程仍然會分離，因為我更多地是在購買之后反復欣賞的過程中得到愉悅的。然而，數據就不同了。一方面，有些數據的了解和使用過程確實是分離的，比如，在我確信男女比例會對產品的銷售有影響時，購買各地的男女比例數據，并據此安排銷售工作。在另外一些情況下，通過了解和分析數據樣例，買方也能判斷數據的有用性。另一方面，對有些數據分析工作——特別是研究設計工作——來說，了解數據的過程就是使用過程。比如，我猜測某商品的銷售量與當地個人手機話費有關，并希望據此優化營銷行為。如果兩個變量間的關聯程度達到了我設定的標準，那就證明這套數據對我是有用的，否則這套數據對我來說就沒有意義了。矛盾在于，只有當我擁有并分析了這套數據之后，我才能了解它的有用性的大小，才能決定是否購買它；但也只有在我了解它的有用性的情況下，才能決定它是否值得購買和擁有。此時，了解過程和使用過程是重疊的。

正是這些特點，使得數據交易者在產權問題上發生矛盾的可能性較高，使得交易費用無法降低，進而，使得原本能成功的交易，由于金錢、時間等成本太高而無法發生。這造成的后果是：首先，數據交易的低效率會影響數據資源的優化配置，阻礙數據資源發揮應有的作用，特別是會導致許多企業，尤其是中小企業不想、不敢使用數據，從而無法從數據中獲益，無法跟上大數據時代的步伐；其次，如果數據交易的不暢導致數據的利用難以擴大的話，數據平臺和與數據相關的基礎設施也難以更好地實現規模效益。

數據交易成本高，還可以從一個現象看出來：目前在國內，在數據研發和應用方面遠遠走在前邊的是百度、阿里和騰訊。為什么？首先，不可否認的是，三個IT巨頭本身擁有海量數據和雄厚的資本，在相關領域具有絕對優勢。但是，交易費用恐怕也是一個重要因素。數據買方（即依靠數據產出商品或服務的人）需要集合數據資源、算法、交易中介以及數據基礎設施等要素，才能有效利用數據資源。在交易不順暢的情況下，光是買方和賣方的互動就會產生很高的交易費用，更別提與其他資源的協調配合了。而如果通過市場機制整合資源的交易成本較高，那就只能轉向企業機制了，因為在企業內部，可以通過命令的形式強制幾種資源相互配合并為各團隊規定收益分配方式。與上述這三個大企業不同的是，多數企業只擁有少量，或是完全沒有與數據相關的資源，如果有心利用數據，也只能通過市場機制配置資源，因而，受制于較高的交易費用。

由此可見，我們有必要分析數據交易中的產權和交易費用問題，從而為優化交易機制和制定相關法律法規提供參考。

1 交易費用和產權

我們分析數據交易的工具是新制度經濟學中的交易費用理論和產權理論。在新制度經濟學看來，具有稀缺性和價值的，不僅有被交易的商品或服務，而且還有交易本身。交易的類型，除了有市場型（利用價值機制）、管理型（利用企業內部機制）和政治型（利用政治權力）這三類外，還有諸多形式。從權利的角度講，交易就是對于商品或服務的產權，即擁有權、使用權、收益權、讓渡權等權利的轉讓。至于交易成本或交易費用，就是“與轉讓、獲取和保護產權有關的成本”。[1]3交易成本包括為促成交易而產生的各種花在搜尋信息、溝通、談判、監督等行為上的金錢、精力和時間成本——當然，實施這些行為本質上都是為了在轉讓產權過程中界定和保護產權。新古典經濟學假定交易信息是對稱的，產權要么不用界定要么是被完美地界定了的，價格機制可以在瞬間使市場自動達到均衡，因此，不存在交易費用。但是在新制度經濟學看來，一個事物的多種屬性意味著有多個產權。由于界定產權需要交易費用，而這些產權中有一些是沒被界定的，因此，可能會導致鉆空子、過度使用等行為。

在進行數據交易的過程中，采集、存儲數據固然是有成本的，但數據交易本身的成本也不容忽視——包括買方花在了解數據、尋找數據、評估數據質量、賣方尋找和說服買方、進行廣告宣傳的成本，以及雙方談判、討價還價、履約等所需要的各種成本。基于以上對數據特殊性的分析，我們可以進一步探究影響數據交易的交易費用的因素主要有哪些，以及這些因素又會相應地產生哪些不利影響。

第一，鑒于數據的信息價值、質量和成本具有高度不確定性，買賣雙方都需要在收集信息、定價、調整估價等方面付出大量成本。首先，數據的質量如何？所購數據能帶來多少有用信息？不同賣方的同類數據有哪些實質差異？與質量較低的數據相比，質量較高的數據能使精確性提高多少？……對于這些問題，數據購買者在完成交易并實際使用數據之前，是難以得到準確答案的。其次，由于技術手段和相關政策的不斷變化，數據收集工作的成本在不同時期是有差異的，雙方在簽訂合同時難以對此進行準確預估。企業要了解自己需要什么數據，要能找到這些數據，要從采集方法、完整性、有用性等方面評價數據質量，要比較各賣方的出價，要了解賣方的信譽。在這一過程中，買方掌握的信息可能少于賣方，因此要努力防止被欺騙。又比如，賣方也要摸清買方購買數據的用途。如果賣方了解到買方借這套數據能夠獲得較大收益，賣家就會抬高出價。買方既要向賣方傳達需求，又要努力隱瞞自己購買數據的意圖，以便壓低價格。這樣復雜的過程當然會耗費大量時間精力。

第二，履約和監督的難度是推高交易成本的重要因素。首先，數據質量與設備儀器的質量、抽樣的科學性、企業的執行能力和誠信水平等因素高度相關。其次，如果涉及的是需在較長時間內進行多次交付的交易，那么交易雙方還需處理與突發事件、技術標準的變化等相關的問題。再次，賣方可以在合同中限定買方使用數據的方式，買方也可以對賣方未來銷售同一套數據的行為進行限制。以上三點意味著買賣雙方都希望對對方進行適當監督，在發現問題矛盾時能夠順利溝通或訴諸法律手段，而這些行為都會產生交易成本。

第三，數據使用者要解決數據與算法的相互對接、相互協調的問題。數據買方不僅要與賣方溝通，而且要與數據分析或算法提供者（其他公司或科研機構）打交道，后者自然也會從技術的角度對數據提出要求。另外，買方還要考慮數據和算法的要素價格和邊際產品，找到一個均衡點并不容易。因此，買方要在各方之間周旋。如果數據使用者要組建自己的算法團隊，也是要花組織成本的，這一成本屬于管理型交易費用的范疇。

第四，數據提供者希望通過與公共部門打交道來獲得聲望。為了確保能獲得較高質量的數據并減少受到欺騙和產生糾紛的可能，數據買方更愿意與口碑好、值得信賴的企業進行交易。而數據提供者也了解這一情況，并渴望借助宣傳、獲取資質等方式獲得或維持聲譽。這其中一個重要方式是與公共部門打交道。首先，企業為了展示自己的實力和可信性，會爭取與公共部門進行交易或開展合作，即使這些交易或合作并不能為其帶來較大收益，而由此產生的部分機會成本應算作交易成本。其次，企業可能會不惜利用違法、違規手段獲取與公共部門合作的機會，或某種認可和資質，這些行為的成本也應算作交易成本。

值得注意的是，交易費用較高的一個后果就是，目前數據交易中的人際成本比較高，交易雙方經常是朋友、熟人、老客戶，或至少是信息技術領域的“圈兒里人”。熟識的人之間相互信任，能夠進行充分交流，只要談得差不多就能做出決定了。然而，首先，維持良好的人際關系也要花費不少成本；其次，這種情況限制了其他組織對數據的購買，這些組織要么因缺少關系而無法得到數據，要么不得不為了買到放心的數據而付出成本建立這種關系。要想擴大數據市場的規模，降低整體交易費用，就必須更多地依靠機制，而非人際關系。

2 數據交易機制分類

什么樣的數據交易機制好？回答這個問題需認清兩點：首先，存在不同類型的數據和不同類型的產權，比如，有時買方一次性購買一套數據，有時則需供應方在較長時間內提供實時數據；有的數據容易采集，有的數據采集則難度較大，等等。數據和產權類型不同，交易中的收益分配以及監督、履約方式也會有所不同。因此，要發展出多種不同的數據交易形式與之相適應。

其次，不同的人對什么樣的交易形式是好的有不同看法。經濟學家當然會強調數據資源配置的高效率；管理部門強調數據安全；交易平臺組織者集中關注能夠盈利的商業模式；重要數據的擁有者希望有設租空間。不過，對那些在業務中需要數據的機構，特別是中小企業來說，以下幾點是必不可少的。

第一，能夠及時、便捷地尋找并了解所需要的數據，對多種可選擇的數據的質量和價格進行對比。

第二，數據的真實質量有保證，沒有造假現象。人們能夠根據需要長期、有保障地得到數據，不會被“敲竹杠”。被“敲竹杠”的可能來自資產專用性。資產專用性就是“在不犧牲生產價值的條件下，資產可用于不同用途和由不同使用者利用的程度”。[2]比如，A公司花巨資開發了一款用途單一的APP產品，這個產品依賴于B公司連續不斷提供的數據。在這種情況下，A的資產專用性較高，如果B違約或威脅提高數據的價格，那么A的風險就較大。

第三，從購買的數據中洞察到有價值的信息，在一定程度上像是賭博，因為很有可能從數據中挖掘不出任何有價值的信息。因此，買方當然希望降低風險，即使最終發現數據沒有價值，也不會損失太多。

第四，交易機制盡可能規范、簡潔、程序化，減少人為因素。

下面我們對已存在或可能產生的數據交易形式進行分類，并分析它們各自的優缺點。

（1）按產權占有程度分類。在很多數據交易中，買方獲得了數據的所有權、使用權和收益權。此時買方能最大程度地獨享數據的價值，但缺點是數據的要價會很高，而且為了避免買下不合適的數據，買方必然要把大量成本花在了解數據上。在另外一些交易中，數據的版權仍留在賣方手中，買方只擁有無限的使用權。此時，數據的價格較低，且能滿足買方的使用需要，這有助于擴大數據市場的整體規模。而且，賣方在保留版權的同時壓低價格，意味著必須把數據賣給許多人，而買方越多，數據中的錯誤越可能被發現，這實際上就是在督促賣方自覺提高數據質量，因而是為買方減少了監督成本。但買方的代價是，不能阻止數據被賣給其他人，包括競爭對手。

進一步降低數據價格的方法，是只買賣有限的使用權。比如，買方利用少量資金獲取對一套數據中的所選字段進行五次操作的機會。這種交易方式對于資金有限的買方來說可謂是福音，因為這就避免了買到無用數據的可能，在沒有產生期望的分析結果的情況下，也不會損失太多。另一種方法是限制買方分析數據的算法。賣方只允許買方用有限的幾種算法來分析數據，按算法的種類和使用次數收費，并且越是可能產生有價值洞察的算法，收費越高。這種做法對賣方有利，因為大數據的特點就是可能揭示出意想不到的隱秘聯系，而能否發現這些聯系，在較大程度上依賴算法。如果對數據的所有使用者收取相同的價格的話，那么那些有能力使用更高級算法，并且本來愿意接受更高價格的人，就會獲得超出平均水平的收益，實際上就是占有了未被界定的產權。另一方面，有些買方需要的本來就只是簡單的計算結果而已，對他們收取較低的費用，也是合理的。

目前，提供大型數據集的有限使用權的方式有兩種：第一種是像數據堂、阿里的數據魔方等數據服務平臺一樣提供不同權限的數據接口，收費越高，權限越高。權限較高的接口通常會有更高的每日訪問次數和更大帶寬，支持更多數據格式。由于接口有有效期，所以這本質上是在提供有限使用權。第二種方式是，數據可以免費使用，但要對服務收費。付費用戶可以建立自己的話題頁面，獲得技術支持，使用更高級的分析和可視化工具，要求系統根據分析結果自動生成幻燈片和分析報告。以提供服務的方式盈利，可以看作是間接地提供有限的數據使用權。這兩種方式都不是按使用數據的套數或次數收費，而是根據功能收費。它們的局限是，為了吸引用戶付費使用高端功能，數據平臺必須擁有豐富的數據，要么是能以低成本收集數據，要么是有大量數據擁有者愿意分享數據。

（2）按長期、短期合同分類。有時，賣方只要一次性交付數據即可；有時，賣方需要在很長一段時間內不斷為買方更新數據。長期合同可能在兩方面提高履約成本：首先，如果在履約過程中買方需要調整所需數據的類型、精度等，就要與賣方協商，甚至需要重訂合同，而賣方有拒絕的可能。其次，賣方可能以降低數據質量來要挾買方出更多的錢，這可能是因為買方的資產專用性較高，給了賣方“敲竹杠”的機會，也可能是因為收集數據的成本增加了。同時，買方也可能以減少購買量來要挾賣方降價，這要么是因為賣方在收集數據方面資產專用性較高，要么是因為買方認為賣方應該采取成本更低的收集方法。

（3）按哪一方有業務需要分類。數據擁有者可以單純把數據賣給有業務需要的一方，但數據擁有者也可能希望自己發展業務或推出產品，此時又分成三種情況。假設數據擁有者要與使用數據的算法設計者合作：第一，他可以向算法設計者收取固定金額的“租金”，而產品的收益在扣除了這筆錢之后全部歸算法設計者；第二，賣方與買方商定一個比例，當買方開發的產品產生收益時，雙方按比例分配收益，這是目前一些數據公司經常采用的方式；第三，數據擁有者付給算法設計者工資，同時享受扣除了工資成本之外的產品收益。這三種形式，哪一種形式最可能使收益最大化？不同資源對于產出變化的影響是不同的，“隨著一方對產出價值的影響上升，如果該方承擔更大部分的產出變化性，那么權利就將更好地界定。”[1]76如果這個產品的收益更多地取決于算法的優劣，而與數據關系不大的話——也就是說，數據的準確性、相關性對產品所需要的數據處理結果沒有太大影響的話，那么第一種形式就是合理的。這是因為，算法設計者能獲得除上交金額以外的全部收入，他越是努力，自己留下的收益就越多，因此更有動力工作，而數據擁有者也就省去了監督他努力工作的成本。相反，如果數據處理結果的好壞更多地取決于數據，而各種可用的算法差別并不大的話，第三種形式就是最好的，因為只要數據擁有者積極提高數據質量，就能獲得更多剩余收益，此時算法設計者也無需督促數據擁有者完善數據了。第二種形式是第一和第三種形式的折中，能使雙方都有積極做好工作的動力，減少了互相監督的成本。另外，如果數據擁有者不滿足一次了斷的交易，而是認為這套數據能長期不斷帶來收益，也可以采用第二種形式；與此同時，由于開始時要付的資金相對較少，買方也能夠承受。

（4）按是否應要求收集數據分類。有時，賣方提供定制服務，在接到買方對數據內容和規格的要求后，才去收集數據。但有時，賣方會事先花一定成本采集數據，再拿出來銷售。這后一種形式有兩個不利因素，首先，有的數據是有時效性的，賣方必須花大量成本，在短時間內找到盡可能多的買方，只有這樣才能盈利；而數據無法賣出的風險自然也會抬高其價格。其次，事先尋找數據還需要有既能洞察數據的潛在價值又了解市場的商務拓展人員，但這樣的人才比較稀缺。有時僅僅是發現一套以前沒被人們意識到其存在的數據，就已經算是有功勞了。

3 影響未來數據交易費用的幾個因素

筆者認為未來以下幾個方面的發展變化會在一定程度上降低數據交易成本。

（1）數據交易機制的完善。在新制度經濟學中，機制變遷是促使交易費用降低的重要途徑。從進化博弈論的角度看，促使數據交易機制發生改變的至少有三種因素：社會中的創意和實驗，與具有不同文化的社會的交流，以及政府的政策性介入。[3]

第一是社會中的創意和實驗，即交易主體根據數據特點和自身業務模式，打破現有的交易理念和習慣，創造性地引入新的交易方式并在應用這些方式中不斷加以完善。機制創新的一個重要方面是如何更好地利用社會嵌入。所謂社會嵌入，是指“社會交換域‘嵌入’到其他域，使得某些在關聯發生前不可能的策略組合成為可能”。[4]在數據交易中，與數據交易行為相關的其他方面包括，對以數據為基礎而開展的具體業務的收益進行分配、交易雙方在其他方面的合作、行業內的信譽和聲望、技術和信息的共享，等等。與對方在其他領域形成利益關系或互動關系，對交易主體具有激勵或約束作用，而數據交易機制創新的關鍵就是如何將這些不同領域進行合理有效搭配，使各種機制能夠形成互補性，[5]從而相互作用，彼此協調。

第二是與具有不同文化的社會的交流。與數據交易市場更加成熟的國家的企業或科研機構開展的數據交易或合作，會促使相關國家企業的交易理念、習慣、流程等發生積極變化，進而有助于形成更優的交易機制。

第三是政府的政策性介入。政府介入的一個典型方式是為數據交易中介機構授予交易平臺資質。交易平臺的主要作用，其一是提供買賣信息，為賣方提供展示平臺，讓買方更方便地尋找、評價和比較不同數據；其二是發揮最基本的規范監督作用，落實相關法律法規，并督促交易雙方履約。交易平臺發展的一個可能方向是，國家可為符合條件的平臺發放資質，增加其作為第三方的公信力，進而減少交易雙方在信息、建立信任和履約方面付出的成本。然而，發放國家資質的做法也有一定局限性：如果給許多平臺發放資質，相關部門再管理、監督這些平臺也需要花費成本。如果只有少數平臺得到資質，又會形成壟斷。另外，發放資質還可能引起尋租，其一是交易平臺為得到國家資質而尋租，其二是數據擁有者用各種手段與有資質的交易平臺打交道，以便得到來自后者的更好評價。有鑒于此，必須允許有政府資質的平臺和沒有得到資質的平臺共同健康發展。另外需要注意的是，除了資質問題外，交易平臺的發展還體現在軟硬件設施的整合上。平臺要滿足存儲、使用數據的效率和安全性等方面的要求，因此，需要云計算等數據基礎設施的配合。如果在市場中配置資源成本過高的話，平臺組織者就會兼并或自己發展基礎設施；另一方面，基礎設施供應者也將積極向交易平臺模式發展。不過，這種資源整合在降低市場交易成本的同時，也有形成壟斷的可能。

（2）數據質量評價指標的完善和可操作性。為了評價一套數據的質量，可以先選定完整性、顆粒度、準確性、可用性、樣本量等指標，為每個指標賦予權重，從而為這個數據打出總分。但是應注意的是，這樣的指標體系并不是用來評估所有數據的：一套數據對不同的買方來說具有不同的價值和可用性；不同的研究目的對顆粒度、樣本量的要求也不一樣；有人要求某個字段的完整性很高，但有人則能容忍較多缺失值，……一系列原因使得一個通用的評價標準不可能存在。而且，目前也缺少具有較高科學性的評價。如果用客戶打分法來評價，主觀性過強，比如分析者因缺少合適的算法而未得出理想的結果，但他卻可能認為這是數據質量不好造成的，因而打低分。也不可能用專家打分法，因為大數據的特點在于幫助人們發現隱秘關系，因此，即使是某個領域的專家也不可能完全了解數據的價值。如果是系統自動打分，則很難對可用性、準確性等指標打分，而只能根據設定好的程序對完整性、邏輯關系等最基本的方面打分。因此，評價指標的真正作用，在于允許需求者列出要比較的幾套數據，然后根據自己選定的標準打分，分數只具有相對意義，不具有絕對意義。評價的大致過程舉例如下：用戶首先選出要比較的數據及關注的字段，并為每個字段選定評價所用的指標，為指標賦予權重；然后對每個字段設定標準，如理想值（或平均水平）、可接受值和相對最小值等；對于收集方法的科學性、及時性等指標，用戶要為每套數據賦予一個主觀分值。這樣，用戶就可以根據總分對多套數據進行評價了。

（3）充分的市場競爭。在很多情況下，買方需要用數據來滿足復雜特殊的研發需要，對數據的規格要求較嚴格，數據采集和清洗難度較大。此時，買方通常需要在與賣方充分協商后才能完成交易。可以預測，大數據所涉及的領域越多，對這種數據的需要也會越多。此時買方之所以不會去利用數據平臺，一是因為這些數據在交易平臺無法找到；二是因為買方不愿意輕意透露自己需要哪些數據，以免他人借此信息研判其使用意圖；三是因為這種交易必定需要較長的了解、溝通和談判過程，而交易平臺幫不上什么忙。也就是說，這類交易必然會有較高的交易費用。現在，不斷有新的組織進入到數據產業中。在這種情況下，激烈的市場競爭能確保數據提供者改變自身運營機制，簡化程序，提高傳達信息和收集信息的有效性，進而降低交易成本。

（4）與外國企業進行交易。一方面，外國企業開發或推廣適應中國市場的產品，必然需要相關數據。另一方面，中國與其他國家或地區的服務貿易機制正在逐步完善，這給了企業“走出去”提供數據或與數據相關的服務的良好機會。這兩個方面的發展能夠產生規模效應，從而降低單筆數據交易的交易成本。這里特別要強調的是與東盟國家的合作：首先，雙方在服務貿易方面的政策為數據擁有者、數據交易中介在東盟地區開展數據交易業務提供了便利；其次，數據提供者可以在東盟地區開展基于數據的電子商務、咨詢、研發等高端業務，使手中的數據發揮更大價值；再次，與東盟一些國家相比，中國的數據產業在機制建設、商業模式和技術方面具有優勢。

（5）公共部門數據意識的增強。這主要是指相互聯系的三個方面：一是公共部門更加重視采集、整理本部門自有數據；二是公共部門加強統計能力，完善統計部門建設和相關法律法規，改進統計技術和方法，增加統計數據的準確性和及時性；三是公共部門應增加透明性，擴大應公開數據的范圍，落實數據公開方面的各項規定。這樣不但能使數據需求者減少購買數據的成本，而且可以減少交易本身的成本；更重要的是，能避免一些公共部門利用關鍵數據設租。

［1］ Y.巴澤爾.產權的經濟分析[M].費方域，段毅才，譯.上海：上海人民出版社，2008.

［2］ 奧利弗·威廉姆森.經濟組織的邏輯[C]//陳郁.企業制度與市場組織.上海：三聯書店上海分店，1996：64-109.

［3］ 青木昌彥，奧野正寬.經濟體制的比較制度分析[M].魏加寧，譯.北京：中國發展出版社，2005：272.

［4］ 青木昌彥.比較制度分析[M].周黎安，譯.上海：上海遠東出版社，2001：212.

［5］ 盧現祥.新制度經濟學[M].武漢：武漢大學出版社，2004：280.