交易模式、權利界定與數據要素市場培育

田杰棠 劉露瑤

摘 ? 要：數據在我國經濟社會發展中已經成為關鍵的生產要素，培育數據要素市場是社會主義市場經濟體制下要素市場化改革的重要組成部分。與資本、勞動、技術等傳統生產要素相比，數據具有非稀缺性、非均質性和非排他性等獨特特征。我國各地以多種形式開展了關于數據交易的探索和實踐，形成了數據撮合交易和數據增值服務兩種主要交易模式，目前來看后者更為有效。由于其本身的復雜性以及權利主體的多元性，數據產權界定在學術界、產業界都還存在較大爭議。應堅持“在實踐中規范、在規范中發展”的原則，明確可交易數據的范圍，建立全國范圍的數據交易法律法規和監管框架，積極培育數據服務新業態，推動我國數據市場快速健康發展。

關鍵詞：數據要素市場;數據交易模式;產權界定

中圖分類號：F49 ? 文獻標識碼：A ? 文章編號：1003-7543（2020）07-0017-10

近年來，數字經濟蓬勃發展，并與多個產業深度融合，對多個國家和地區的經濟增長和生產生活方式產生了重要影響，成為重構國際經濟格局的重要因素，引起各國普遍重視。目前，已有30多個國家出臺促進數字經濟發展的戰略或規劃，從制度環境、基礎設施和政府服務等方面為數字經濟的發展提供了相對全面的支持政策。我國數字經濟發展迅速，在經濟增長和社會生活中的作用越來越明顯，受到了中央的高度重視。2017年12月，習近平總書記在主持中共中央政治局第二次集體學習時強調，“發揮數據的基礎資源作用和創新引擎作用，加快形成以創新為主要引領和支撐的數字經濟”。習近平總書記在黨的十九大報告中指出，“供給側結構性改革深入推進，經濟結構不斷優化，數字經濟等新興產業蓬勃發展”。

在這樣的大背景下，數據在經濟社會中的關鍵作用越來越成為社會各界的共識。2019年10月，黨的十九屆四中全會通過的《中共中央關于堅持和完善中國特色社會主義制度推進國家治理體系和治理能力現代化若干重大問題的決定》進一步提出：“健全勞動、資本、土地、知識、技術、管理、數據等生產要素由市場評價貢獻、按貢獻決定報酬的機制。”這是中央文件第一次將數據確立為一種生產要素。2020年3月30日，中共中央、國務院印發的《關于構建更加完善的要素市場化配置體制機制的意見》將數據正式納入主要生產要素范疇，與傳統的土地、技術、勞動力、資本等并列，并明確提出了數據要素市場制度建設的方向和重點改革任務。2020年5月18日，中共中央、國務院發布了《關于新時代加快完善社會主義市場經濟體制的意見》，再次提出“加快培育發展數據要素市場，建立數據資源清單管理機制，完善數據權屬界定、開放共享、交易流通等標準和措施，發揮社會數據資源價值”。這意味著明確交易規則、建設數據市場已經成為社會主義市場經濟體制下要素市場化改革的重要組成部分。

一、數字經濟的蓬勃發展使數據成為關鍵生產要素

數字經濟的前身是信息技術軟硬件的萌芽和發展，最早起源于“二戰”之后，當時最早的“計算機”只能用來加快計算速度，而幾乎不能存儲和檢索信息。到20世紀50年代初磁芯存儲器的出現，才真正實現了數字信息的有效存儲。20世紀60年代以后，出于與蘇聯爭霸的考慮，美國國防部通過先進技術研究計劃（DARPA）資助了大量的信息技術研究項目，互聯網發展最關鍵的傳輸控制協議/互聯網協議（TCP/IP）就源于這些項目的研究成果。到了20世紀80年代，美國國家科學基金會（NSF）基于TCP/IP協議在研究人員中開始建設并管理局域網。

20世紀90年代，商業化的互聯網應用在美國逐漸發展起來。2000年前后出現了第一次互聯網創業大潮，著名的互聯網公司雅虎、谷歌都是成立于90年代中后期。我國的新浪、搜狐、百度、阿里巴巴等企業也都出現在同一時期。數字經濟的概念最早就是出現在這一時期。1996年，加拿大商業分析師唐·塔普斯科特（Don Tapscott）在其專著《數字經濟：網絡智能時代的希望和危險》中首次提出數字經濟（Digital Economy）的概念。1998年，美國商務部發布了研究報告《興起的數字經濟》，從數字革命對經濟社會影響的角度，就數字經濟發展前景及其面臨的挑戰進行了展望，并指出隨著數字革命的推進，IT行業以及宏觀經濟其他產業部門都將出現加速增長。

就信息技術對經濟增長是否貢獻巨大，在這一時期還有許多爭論。1987年，著名經濟學家索洛（Solow）提出：“我們處處可見計算機時代已經到來，除了關于生產率的統計數據外”，這就是所謂的“索洛悖論”。麥肯錫公司于2001年發表了一份題為《美國經濟的未來》的報告，認為“信息產業只是美勞動生產率增長的諸多驅動因素之一”，“信息技術投資在某些行業發揮了巨大作用，但在另外一些行業則成效甚微”。

數字經濟真正的爆發式增長發生在2008年全球金融危機之后。美國的IBM公司早在2006年就提出了“智慧地球”的概念，并激發了物聯網技術和產業的發展。2007年，蘋果第一代智能手機iPhone上市，移動互聯網跨入了新時代，來自智能手機用戶的海量數據急劇增長，云計算技術和應用也應運而生。新一代信息技術與經濟活動的融合不斷加深，數字經濟中的“產業數字化”部分逐漸超過了“數字產業化”部分，才真正迎來了數字經濟的大發展。

如圖1所示，在物聯網、云計算、大數據、人工智能、第五代移動通信（5G）等新一代信息技術的推動下，數字經濟的滲透力持續增強，與國民經濟各部門不斷融合、相互推動，對經濟增長的推動作用日益增強。2015年以后，在全球市值最大的企業中，前五名都是數字經濟企業，代表著工業時代的制造、連鎖零售、金融等企業已經被整體超越。數字經濟的時代已經呼嘯而來，成為不可阻擋的世界潮流。

傳統的經濟學將資本和勞動作為最基本的生產要素，其中資本的背后是土地、自然資源、能源等“物”的要素，勞動則是人的要素，人類利用不斷開發、不斷進步的技術將“地球的饋贈”轉化為供人類使用的商品和服務，這就是經濟增長的本質。在“索洛悖論”描述的數字技術發展早期，數字的總量是有限的，包含的信息也是有限的，因此不具備成為生產要素的基本條件。

隨著2010年以來全球數據總量的飛速增長（見圖2），數據成為生產要素的基礎條件已經具備。當然，數據并不能直接參與生產，必須要先轉化為有生產價值的信息。正如大數據研究的先驅舍恩伯格所言，大數據中的價值密度是相對較低的，需要人類去深入挖掘。近幾年來，隨著數據挖掘、數據處理和數據算法等技術的不斷進步，數據已經逐步深入生產過程。企業利用銷售大數據管理生產從而實現“零庫存”，利用消費者個性化數據實現定制化生產，利用產品售后使用數據反饋來提升研發設計水平，利用生產線數字的采集、挖掘、分析和反向控制來優化生產流程，這些方面的現實應用已經得到蓬勃發展。技術作為生產要素的難題在于難以度量、難以科學地量化處理，因而只能放到“索洛余值”這個黑箱子中，而數據是可以用比特這個單位來精確測度的，有利于衡量數據作為生產要素對宏觀經濟產出的貢獻。

二、數據要素的特性與培育數據要素市場的迫切需求

（一）數據生產要素的獨特性

與資本、勞動、技術等傳統生產要素相比，數據作為一種新的生產要素，呈現許多與傳統生產要素不同的獨特特征。已有很多學者對此進行了闡釋。張麒認為，數據資源要素具有衍生性、共享性、非消耗性三大價值，打破了自然資源有限供給對增長的制約，為持續增長和永續發展提供了基礎和可能[1]。郭威、楊弘業提出，數據要素憑借其較高的流動性、無限的供應量和正外部性，輻射各生產部門，與其他要素市場有機結合，產生乘數作用，有助于提升全要素生產率[2]。這些學者從不同側面描述了數據生產要素的特征，都有一定的道理。從本質來看，數據生產要素的最獨特特征有三個：非稀缺性、非均質性和非排他性。

一是非稀缺性。經濟學的基本任務就是研究有限資源與人的無限欲望之間的矛盾，以最小投入獲得最大產出，其原因就是資源的天然稀缺性。自然資源和勞動人口都不是無限可得的，而且在生產過程中會消耗并產生廢物和排放污染，而數據則有所不同。當然，數據的非稀缺性并不是指數據到處都是、隨手可得，或者數據資源“極大豐富”，而是指兩個方面的含義：一方面，數據量目前看來是接近無限開發的，盡管事實上存儲數據的物理設施最終要受資源總量約束;另一方面，數據參與生產過程之后仍然存在，并不會被消耗掉，而是可以多次循環使用，且使用中可能促進數據量的進一步增加，也沒有污染、排放等問題。

二是非均質性。資本、勞動等傳統生產要素具有一定的均質性。資本的每一元錢之間沒有本質區別;勞動力之間盡管有明顯差別，但是這種差別只是在一定范圍內存在，均質性仍然比較明顯;不同技術之間存在的差異性更大，但是專利審查制度的出現和執行會將這種差異度減小，因此我們經常使用專利數據來衡量創新能力，盡管其準確性有待商榷。數據與上述要素完全不同，一個比特數據跟另外一個比特數據包含的生產價值通常是完全不同的，我們幾乎無法用某一企業的數據量來衡量這個企業的價值或者進行橫向比較。兩個同樣數據量的視頻，一個可能是極有用的信息，另一個則可能是垃圾信息，這種情況在大數據中普遍存在。

三是非排他性。經濟學意義上的排他性是指在技術上排斥他人使用的可能性，也就是說當某人在使用一件產品時別人就不能使用。比如一片土地或一座礦山，一個企業購買了使用權或獨家開發權，其他企業就不能同時使用。資本和勞動這兩個生產要素都具有明顯的排他性，但是技術則具有較強的非排他性特征，因此需要建立知識產權制度以鼓勵更多的技術產出。數據具有非排他性特征，可以無限復制給多個主體同時使用。這也帶來了一個重要問題，即是否需要建立排他性的權利制度安排，以激勵對數據的供給和有效使用。

（二）培育數據要素市場是促進數據價值有效利用的必然選擇

我國擁有的數據量居世界第一①，但是目前主要的數據都掌握在大型數字經濟企業以及政府部門手中。例如，阿里巴巴、京東擁有最多的電商消費數據，百度擁有最多的搜索數據，騰訊則掌握著最多的社交數據。政府部門的總數據量雖然可能比不上大型互聯網企業，但是數據質量、結構化程度、有效信息量等方面要比互聯網大數據有明顯優勢，很多關鍵數據都散布在政府的不同部門。

政府數據作為一種公共資源有多種管理方式，我國相關政策文件默認政府數據為公共資源并要求推動其開放。如《中華人民共和國網絡安全法》第十八條規定：國家鼓勵開發網絡數據安全保護和利用技術，促進公共數據資源開放，推動技術創新和經濟社會發展。國務院2015年9月印發的《促進大數據發展行動綱要》提出，穩步推動公共數據資源開放。國務院發布的《政務信息資源共享管理暫行辦法》對政務信息資源的共享和無償使用作出了規定。但是，由于對政府數據權利、責任、義務尚未有明確的法規規定，導致公共數據開放滯后。目前我國政府數據開放還停留在信息公開階段，亟須完善相關法規，促進政府數據的開放和利用。

除了政府數據外，各類數字經濟企業累積的大量互聯網、物聯網數據目前大多數仍處于互相割裂、難以流動、無法打通的“數據孤島”狀態。盡管在經濟社會全面數字化轉型過程中，需要大量的數據資源參與生產過程，但是由于沒有相關的法律法規和交易規則，因而難以實現大數據的充分擴散、大范圍共享和市場化流通。目前互聯網網企業的數據除了在特定情況下向相關政府部門、高等院校、科研院所有限開放之外，主要以自己開發利用為主。在這種情況下，最需要數據的企業可能未必能得到數據資源，數據的價值難以被最大化地開發出來。因此，必須培育發展數據要素市場，明確交易規則和市場規范，使掌握大數據的企業有動力、無風險地將數據資源有償開放共享，使那些有強烈數據需求的企業能夠在數據市場上以相對公允的價格獲取數據資源，從而實現數據資源的優化配置，發揮大數據提升生產效率、促進產業升級的關鍵作用。

三、我國數據交易的實踐探索與成效

（一）各地積極開展數據交易探索

數據交易是市場經濟條件下促進數據要素市場流通的基本方式。近年來，隨著大數據技術及應用的迅速發展，我國各地以多種形式開展了關于數據交易的探索和實踐。2015年4月，貴州省人民政府批準成立了全國第一家大數據交易所——貴陽大數據交易所。在之后的幾年中，武漢、哈爾濱、江蘇、西安、廣州、青島、上海、浙江、沈陽、安徽、成都等地紛紛建立大數據交易所或交易中心，提供數據交易服務。據網上公開資料統計，2015年以來各省市先后建立的數據交易機構超過20個，均由各地政府或國家信息中心牽頭協調，亞信數據、九次方大數據、數海科技、中潤普達等一批數據運營服務企業提供技術和運營支持。

這些數據交易機構作為大數據交易的先行者，不僅在實踐中對規則尚不明確的數據交易進行了有益的探索，而且嘗試著制定數據交易的相關規則并付諸實踐，積累了經驗和教訓，也取得了初步成效。以最早成立的貴陽大數據交易所為例，在推動數據交易發展的過程中，先后制定了《數據確權暫行管理辦法》《數據交易結算制度》《數據源管理辦法》《數據交易資格審核辦法》《數據交易規范》《數據應用管理辦法》等一系列交易規則，盡管在具體實踐中仍存在較多爭議，但這種勇于探索的精神還是值得充分肯定的。茶洪旺、袁航認為，在我國大數據交易實踐發展過程中，數據交易服務體系在不斷完善，相應的標準和規范也在引領數據交易市場的蓬勃發展[3]。

（二）實踐中形成的兩種主要交易模式及其成效比較

一些學者研究了大數據交易及盈利的主要模式。如王衛、張夢君、王晶提出，數據交易產品類型主要有數據包（如交通地理數據、政府數據、金融數據、個人行為軌跡數據、社交軟件數據等）、云服務、解決方案、數據定制服務等[4]。李成熙等總結的大數據交易盈利模式主要有大數據交易平臺（中介）盈利模式、大數據交易賣方盈利模式、數據持有型大數據交易平臺盈利模式、技術服務型大數據平臺盈利模式四種[5]。

從各地數據交易機構的實踐來看，目前形成了兩種最主要的交易模式，也是發展數據交易機構的兩種主流思路。一是數據撮合交易模式。這種模式有點像傳統的商品集市，因而又被稱為“數據集市”。在這種交易模式下，數據交易機構以交易粗加工的原始數據為主，不對數據進行任何預處理或深度的信息挖掘分析，僅經過收集和整合數據資源后便直接出售。很多交易所或交易中心在發展初期都是以這種交易模式為基本發展思路。二是數據增值服務模式。數據交易機構不是簡單地將買方和賣方進行撮合，而是根據不同用戶需求，圍繞大數據基礎資源進行清洗、分析、建模、可視化等操作，形成定制化的數據產品，然后再提供給需求方。從各地實踐效果來看，大部分數據交易機構經過多次探索之后，選擇了提供數據增值服務的交易模式，而不是基礎數據資源的直接交易。

數據撮合交易模式存在兩個主要問題：其一，這類撮合式交易需要大量數據資源的獲取，往往難以實現有效的個人信息保護。張銘茁通過分析大數據背景下的個人隱私數據泄露現狀指出，數據交易市場存在大量灰黑交易，嚴重影響了數據交易向縱深方向發展[6]。由于隱私數據在黑市的高價格誘惑，以及現行法律法規對于個人隱私數據保護的不完善，針對用戶信息的非法收集、竊取、利用和販賣等行為比較猖獗。一些企業參與個人信息數據非法交易，導致很多數據集市逐漸淪為數據黑市。其二，大數據本身具有非均質、價值密度低等特性，使得大部分數據需求方與供給方難以形成價格共識。對于客戶來說，海量的“粗加工”數據對于商業決策或研究意義甚微。無論是政府還是企業需求，精準有效的數據可能僅占總數據量的百萬甚至億萬分之一，而后期的提取及分析則意味著大量時間和加工成本的投入。

相對而言，數據增值服務模式則有兩個優勢：第一，數據增值服務機構代替客戶從大數據中提取密度低且價值高的數據，為其節省了大量的時間和分析成本。對于大部分中小企業來說，能夠滿足數據需求的專業人才相對稀缺，深度挖掘和分析原始數據則需要額外的人才或技術投資。因此，直接購買經定向處理后的數據產品可省去大筆開支，性價比比較高。第二，提供數據增值的服務商需確保數據的合法性，降低了數據需求方的法律風險。在當前一些法律法規尚不完備的情況下，數據需求方通過與數據增值服務提供方簽訂合同或協議，由后者負責保障數據獲取和處理的合法性，有效規避了困擾數據交易的數據隱私保護等問題，使數據交易市場得以有效運行。

四、數據權利界定的難點與相關爭議

數據不同于普通的有形物質，進入大數據時代，數據的生產特點發生了一些變化，這使得數據的權屬界定成為難點。

（一）數據的分類

數據是信息的載體，通常提到的數據其實是指數據中包含的信息，特別是在指個人數據時。數據是計算機能夠識別的一種形式，0或者1，以無標識信息的形式存在。信息是關于人、事、物等與表現形式無關的一些知識，是包含上下文語境、有標識的數據。數據如果和個人聯系起來就是個人信息。目前，世界各國立法主要使用三種概念：個人數據、個人隱私與個人信息。用“個人數據”稱謂的主要是歐盟成員國及受其影響較大的國家，如法國的《資料保護法》、挪威的《資料登錄法》和歐盟的《一般數據保護條例》，均使用“個人數據”的稱謂。用“個人隱私”稱謂的主要是普通法國家。美國的《隱私權法》、加拿大的《隱私權法》和澳大利亞的《隱私權法》均使用的是“個人隱私”的稱謂。使用“個人信息”概念的有奧地利的《信息保護法》、韓國的《公共機構之個人信息保護法》、俄羅斯的《俄羅斯聯邦信息、信息化和信息保護法》等。也有將個人信息與個人數據共同使用的國家，如日本2005年4月實施的《個人信息保護法》，就同時使用了“隱私”和“個人數據”兩種概念。

數據可以根據不同的標準進行分類。按數據是否包含個人信息，可以將數據分為個人數據和非個人數據，個人數據指與個人相關，能夠識別個人身份的數據。按照數據是否加工，可以將數據區分為原生數據和衍生數據。原生數據是指不依賴于現有數據而產生的數據;衍生數據是指原生數據被記錄、存儲后，經過算法加工、計算、聚合而成的系統的、可讀取、有使用價值的數據。按照數據產生的主體，數據可以分為：個人數據、商業數據和政府數據①。政府數據指政務部門履職過程中獲取或制作的數據，可包括個人數據和商業數據。商業數據主要指商業機構運行中獲取或生產的數據。這種分類中涉及個人數據的部分有交叉，對于商業數據和公共數據中涉及個人的數據，仍是個人數據，一般采取個人數據匿名化的處理方式。

（二）數據權利界定的難點

戴建軍、田杰棠認為，數據權利與其他有形或無形物的產權存在較大差異，使數據權利問題的復雜性增加[7]。同時，數據的來源也不同于普通產品的生產，這使得數據的權利界定不像普通產品那樣簡單明確。

第一，數據權利具有多樣性，不同類型數據在權利內容上存在較大差異。數據權的主體包括自然人、政府和企業。個人數據可能會包含個人的隱私，自然人對自己的數據享有隱私權。因此，自然人對個人數據的權利旨在保護其對個人數據的自主決定利益，從而防止因個人數據被非法收集和利用而侵害個人人格權和財產權。對于政府數據，通常被認為屬于公共資源，公眾享有知情權、訪問權和使用權。商業數據則包含企業的知識產權、商業秘密和市場競爭合法權益等。從當前與數據相關的法律來看，個人數據是一個明確的法律概念，國內外都有明確的法律概念和規范體系。在政府數據開放的討論語境下，政府數據也是一種重要的權利客體。相對于個人數據和政府數據的概念，商業數據比較模糊，尚未成為嚴格的法律概念。

第二，數據生產鏈條包括多個參與者，權利責任需要在各參與者之間進行劃分而引致界定困難。與其他財產不同，數據的全生命周期由多個參與者（數據提供者、數據收集者、數據處理者等）對數據進行支配，每一個參與者在各自環節賦予數據不同價值。在大多數情況下，數據發揮作用、產生價值需要數據控制處理者（如網絡平臺）對數據進行采集、加工、處理和分析，因此，數據提供者對于數據的各項權利需要數據控制處理者的支持和配合才可有效行使。賦予某一參與者專屬的、排他性的所有權不可行，需要在數據提供者、數據控制處理者等參與者之間進行協商和劃分，確定各權利之間的邊界和相互關系。數據權利內容還會隨著應用場景的變化而變化，甚至衍生出新的權利內容，使得事先約定權利歸屬變得困難。在海量數據時代，數據控制處理者對于每一個數據包含的復雜權利內容進行協商會帶來巨大的交易成本，需要有一套簡易可行的規則才能使得數據利用成為可能。另外，就個人數據而言，由于其中包含個人隱私，對于數據控制處理者在使用數據過程中如何保護好個人隱私權需要給予充分考慮。

第三，數據與傳統普通物的所有性質有所不同。目前已經有不少人提出對數據建立所有權，如英國學者Christopher Rees認為數據可以被歸類為財產（基于財產的簡單定義，即能使用并排除他人使用某物的權利）。德國學者T. Hoeren提出，“一般來說，數據權利歸屬于數據的開發者、創建者或生產者。如果是職務數據，則權利屬于雇主。”實踐中，一些企業也會通過技術手段保護相關數據不受第三方侵犯，使得事實上數據為其所有。但數據的特點（如無限性和兼容性）使數據產權外延內的“所有權”和一般民法對所有權（對財產享有使用、收益和處分的排他性權利）的界定不同。對于通常意義上的所有權，所有權人幾乎完全擁有占有和使用該物的權益，且一般是在沒有妥善保管物導致侵權事實發生的情況下才會存在責任問題。數據權在數據的全生命周期中有不同的支配主體，權利人需承擔更多的義務和責任，不僅要對數據泄露和數據侵權等事件承擔責任，而且需要在日常數據收集和處理等工作中履行相應的義務。

（三）關于數據產權的爭議

按照經濟學原則，任何需要拿到市場上進行交易的產品和服務首先應該界定其產權。當然，這種產權是一個權利束，包含所有權、使用權、控制權、收益權等，這些權利在特定情形下是可以分離的。目前，無論是在歐、美、日等發達國家還是我國這樣的發展中國家，由于其本身的復雜性以及權利主體的多元性，數據的產權界定在學術界、產業界都尚未形成定論，各國對數據產權也都沒有明確的法律規定。

造成數據權屬模糊的主要原因是數據主體與數據控制者之間的利益沖突。一種觀點認為，數據產權在嚴格保護個人隱私的前提下，應該屬于處理、加工并使之商品化的企業。如齊愛民等認為，個人數據權是自然人依法對其個人數據進行自由控制和支配并拒絕他人干涉的權利，并不具備財產權的屬性。個人數據權僅僅是與財產利益相關，由數據處理者的二次加工才得以商品化，所以本身不是財產權[8]。丁道勤認為，對于經過二次處理的增值數據，數據處理者應享有所有權，這樣才能激勵數據處理者挖掘更多數據的潛在價值，為數據市場研發新產品[9]。有的學者甚至認為，是否嚴格保護個人隱私都是可以討論的問題。如美國學者Paul Ohm認為，在信息無所遁形的大數據時代里，個人隱私保護日益式微。他建議用成本效益分析方法評估是否對個人信息進行保護，若隱私保護成本過高而數據流通收益甚微則應放棄[10]。

另一種典型觀點則認為，即使是處理以后的匿名化、不包含個人隱私的數據，也應承認個人對數據的初始產權。如Schwartz認為，數據的財產權正是突破個人信息人格權保護難題的出口，與其不斷調整個人數據人格權保護相關規范，不如直接通過財產化法律路徑回應個人數據上的利益分配問題，在市場規范的引領下促進數據產業發展[11]。肖冬梅等認為，個人在其有意或無意“貢獻”的個體數據集合而成的大數據所創造增量利益的總和之中，應該占有一個相對合理比例的收益。因此，當個人數據被其他主體使用時，有權要求使用主體支付“對價”，不能被無償使用[12]。石丹也強調，個人用戶應對個人數據享有初始產權，但可以通過授權將占有權、使用權讓渡給企業或政府，促進數據新產品的研發以及經濟社會的發展[13]。

對于上述爭議，從經濟學的角度來看，按照科斯定理的基本原則，如果對產權的法律界定導致交易成本過高，從而事實上阻止了數據交易和流通，那么這種權利界定就是無效率的[14]。對于經過匿名化處理、總體價值密度較低的大數據而言，其中包含的每一條個人信息的貢獻價值其實都非常之小。如果認可個人的財產權利主張，那么個人授權或獲取分成收益的成本很可能超過其信息貢獻價值，導致數據交易成本太高，從而無法實現數據在市場上的流通，甚至使數據市場失去存在的意義。但是，從法學角度來看，認可個人的財產權利主張可能有其維護社會公平的道理。這就是數據權屬爭議的核心問題所在。

五、加快培育數據要素市場的建議

我國應在總結各地實踐探索經驗與教訓的基礎上，充分考慮數據交易的獨特性，堅持“在實踐中規范、在規范中發展”的原則，以促進數據流通、加快發揮數據在各個行業中助力提質增效作用為出發點和目的，建立全國范圍的數據交易法律法規和監管框架，積極培育數據服務新業態，推動我國數據市場快速健康發展。

（一）明確可交易數據的范圍，擴大合法、可交易數據的源頭供給

數據交易的核心在于可交易數據和不可交易數據的清晰界定。現階段，很多數字經濟企業擁有對數據的控制權，并在不觸犯相關法律法規的前提下，事實上享有數據挖掘或分析創造的財產性權益，數據已經作為一種“事實財產”在市場中流通和利用。當然，企業需要遵守兩條規則：其一，數據的采集必須以合法方式獲取，不能違反法律法規，不能侵犯他人隱私。其二，對數據的使用必須合法。即使在合法獲取數據后，企業作為數據控制者依舊有責任保護數據流通的去向，避免數據流入可能侵害個人隱私的第三方。盡管法律沒有明確數據控制者的權利，但也未禁止其擁有和享用其利益。世界各國實際上都沒有采取傳統的“先明晰產權，再發展交易”的模式，而是在規范數據采集、處理、隱私和安全保護等行為的基礎上，明確數據交易對象，提供可交易的數據源，優先實現數據的合法交易。我國可借鑒歐美經驗，將“來源合法的非個人數據”作為可交易對象，為市場提供充足、合法、可交易的數據源。“非個人數據”包括組織、物和事件的數據，以及經過處理后無法識別特定個人且不能復原的數據等。我國近幾年的司法實踐也事實上明確了企業對基于合法獲得數據形成的數據衍生產品享有財產性權益。不可交易數據則是未經過處理的可識別個人的數據，為保護個人隱私和安全，任何可追溯到個人身份信息的數據在當前階段都應被禁止進行交易。

（二）明確數據交易規則，讓市場主體“依規交易”

目前，我國尚未制定專門的數據流通利用法律法規，數據流通利用的條件和規范等規則不明確。相對而言，歐盟制定了《非個人數據自由流動條例》和《歐盟非個人數據自由流動條例的實施指南》，為歐盟境內的商業數據處理活動提供了明確規則和操作指南。美國的數據流通和使用須遵守《消費者信息隱私權法案》和《健康保險攜帶和責任法案》等法律。盡管我國《網絡安全法》對個人信息使用作了“經過處理無法識別特定個人且不能復原的除外”等規定，但“經過處理”“無法識別”“不能復原”等語義概念存在模糊性和不確定性，界定標準缺位，實踐中難以執行。應制定數據流通利用管理辦法，明確數據保存、轉移、去識別處理、再識別、再轉移限制等規則，以及數據處理“無法識別特定個人且不能復原”的法律標準，為數據合規安全交易提供支撐。明確數據交易各參與方的權利、責任和義務，保障數據流通安全和使用可控，做到“責任可追溯、過程可控制、風險可防范”。建立全國統一的數據標準體系，包括數據主體標識①、數據維度、數據使用約束等。

（三）明確數據交易監管機構，保障數據市場“有序交易”

數據交易需要政府適度監管，以確保交易合規。美國由聯邦貿易委員會對數據經紀人進行監管;歐盟的歐洲數據監管局和成員國數據監管機構負責數據交易監管，監管部門采取自愿認證方式，設立了一批從事數據處理監管的第三方專業機構，授權專業機構對數據處理者進行監控，以規范數據服務市場。我國數據交易涉及市場監管、公安機關、工業和信息化部門，以及網信等多個部門，但由于監管責任不清，系統性和專業性不足，數據交易監管事實上處于缺位狀態。市場準入、交易糾紛、侵犯隱私、數據濫用等“無人管理”，非法收集、買賣、使用個人信息等“灰”“黑”數據產業長期存在，數據交易市場秩序不佳。為此，應明確數據交易主要監管部門及其監管的法律依據和職責范圍;對數據交易服務機構或平臺進行監管，對數據交易行為和應用進行規范化管理;建立數據流通利用安全風險防控和數據交易維權投訴機制，打擊非法數據交易。

（四）積極培育數據服務新業態，推動數據市場良性發展

經過近年來的試點探索，我國數據市場得到了初步發展，產生了一些從事“交易中介+加工分析”服務的新業態，有效促進了數據交易流通。我國擁有的數據量居世界第一，數據交易市場發展潛力巨大，一些新興機構和企業通過數據聚合、融通、去識別處理、分析挖掘等新型服務方式，針對需求對數據資源進行開發利用，在交易效率提高的同時降低了安全風險。應支持和鼓勵現有區域性交易平臺發展數據服務，成為兼具技術、信息安全和法律保障等功能的數據交易服務專業機構。在加快政府數據開放的過程中，鼓勵以專業化的數據服務機構作為開放出口或平臺，以實現數據價值的社會化利用和數據安全的機制化保障。將數據服務業納入現有高新技術企業、科技型中小企業優惠政策的支持范圍，引導政府參股的創投基金適度增加對數據服務的投資。支持各類高職院校開設數據服務相關專業或培訓課程，培養數據服務人才，為數據交易提供人才支撐。■

參考文獻

[1]張麒.數據納入生產要素范疇的深意[N].四川日報，2020-04-23（006）.

[2]郭威，楊弘業.以數據要素紅利推動實體經濟高質量發展[N].學習時報，2020-05-29（003）.

[3]茶洪旺，袁航.中國大數據交易發展的問題及對策研究[J].區域經濟評論，2018（4）：89-95.

[4]王衛，張夢君，王晶.國內外大數據交易平臺調研分析[J].情報雜志，2019（2）：181-186.

[5]李成熙，文庭孝.我國大數據交易盈利模式研究[J].情報雜志，2020（3）：180-186.

[6]張銘茁.大數據背景下的個人隱私保護初探[J].法制與社會，2018（18）：152-153.

[7]戴建軍，田杰棠.推動我國數字經濟發展亟須分類確定數據權利[N].中國經濟時報，2019-07-31（004）.

[8]齊愛民，盤佳.數據權、數據主權的確立與大數據保護的基本原則[J].蘇州大學學報（哲學社會科學版），2015（1）：64-70.

[9]丁道勤.基礎數據與增值數據的二元劃分[J].財經法學，2017（2）：5-10.

[10]PAUL O. Broken promises of privacy： Responding to the surprising failure of anony-

mization[J]. UCLA L. Rev， 2010： 1744.

[11]SCHWARTZ P M. Beyond lessings code for internet privacy： Cyberspace filters， privacy control， and fair information practices[J]. Ssrn Electronic Journal， 2001.

[12]肖冬梅，文禹衡.數據權譜系論綱[J].湘潭大學學報（哲學社會科學版），2015（6）：69-75.

[13]石丹.大數據時代數據權屬及其保護路徑研究[J].西安交通大學學報（社會科學版），2018（3）：78-85.

[14]洪瑋銘，姜戰軍.數據信息、商品化與個人信息財產權保護[J].改革，2019（3）：149-158.