數據要素經濟增長倍增機制及治理體系*

唐要家 唐春暉

內容提要作為數字經濟第一要素的數據具有顯著的非競爭性和零邊際成本特征，數據要素供給側與需求側協同的自強化機制使數據要素具有顯著的遞增規模收益和增長倍增效應。數據要素主要是通過促進企業高質量決策、增進市場有效性、多要素合成效率提升、驅動高效率創新和實現良好公共治理來促進經濟高質量增長。數據開放共享是釋放數據要素增長倍增潛能的基礎，公共數據開放和私人數據市場交易是主要路徑，數據治理體系則是不可或缺的制度保障。數據治理體系的核心是數據產權政策、數據隱私保護政策、數據競爭政策和數據監管政策。

關鍵詞數據要素倍增效應數據共享數據市場數據治理

〔中圖分類號〕F069.2〔文獻標識碼〕A〔文章編號〕0447-662X（2020）11-0083-10

一、問題的提出

在數字經濟時代，數據已經成為數字經濟時代的第一要素，數據正在成為企業進行決策、生產、營銷、交易、配送、服務等商務活動所必不可少的投入品和重要的戰略性資產，成為促進經濟高質量增長的重要驅動力。在經濟學理論研究當中，數據要素的增長促進效應是一個非常新的話題，現有的理論研究文獻相對較少。由于數字經濟中數據上升為第一要素的根本原因是大數據與人工智能技術的結合，為此很多學者將研究重心放在人工智能技術對創新和經濟增長的促進作用。Aghion等將人工智能看作是一種新的自動化并納入經濟增長模型，指出人工智能技術會抵消制約經濟持續增長的“鮑莫爾病”。①Agrawal等建立了一個組合的知識生產函數增長模型來分析人工智能技術突破性創新能夠提升知識發現率和促進經濟增長的機制。②基于人工智能技術的理論研究更多關注技術本身對經濟增長的影響，但忽略了數據要素獨特的經濟屬性和數據價值創造過程對經濟增長的影響。目前，更多的學者對數據促進增長問題的研究重點關注于解釋數據技術帶來的經濟成本降低，代表性的如Goldfarb和 Tucker總結指出，數字技術降低了五種經濟成本，即搜尋成本、復制成本、交通成本、追蹤成本、證明成本，從而促進了經濟效率的提高。③但是成本效率的理論解

* 基金項目：國家社會科學基金重大項目“中國特色政府監管理論體系與應用研究”（18ZDA111）;國家社會科學基金重點項目“數字經濟政府監管再定位及監管體系創新研究”（19AJY004）

① Philippe Aghion， Benjamin F. Jones， Charles I. Jones， “Artificial Intelligence and Economic Growth，” NBER Working Paper， no.23928， 2017.

② Ajay Agrawal， Joshua Gans， Avi Goldfarb， Prediction Machines： The Simple Economics of Artificial Intelligence， Cambridge： Harvard Business Review Press， 2018， pp.35～57.

③ Avi Goldfarb， Catherine Tucker， “Digital Economics，” Journal of Economic Literature， vol.57， no.1， 2019， pp.3～43.

釋無法深刻論證數據促進經濟增長的內生機制，Farboodi 和Veldkamp構建了包含數據的經濟增長模型，將數據促進經濟增長的機制解釋為提供信息以降低生產不確定性，并認為由于受到規模收益遞減規律的制約，在沒有生產率提升的情況下單純的數據聚集并不能支持可持續的經濟增長。Maryam Farboodi， Laura Veldkamp， “A Growth Model of the Data Economy，” Columbia Business School Working Paper， August 28， 2020.總體來說，目前關于數據要素對經濟高質量增長的理論解釋主要是將數據作為一種要素投入，對數據促進經濟高質量增長的內生機制的解釋相對分散，并且沒有對數據要素實現增長促進效應所需要的制度條件進行分析。為此，數據要素經濟分析需要從數據作為新型要素的獨特經濟屬性，數據促進經濟高質量增長的內生機制，以及釋放數據經濟高質量增長倍增效應的數據要素制度體系等方面做出系統性回答。

二、數據要素的經濟屬性

與土地、勞動、資本等要素不同，數據具有相對獨特的經濟屬性，數據要素的最基本經濟特征是數據使用的非競爭性和零邊際成本，以及同時具有資源和資產雙重屬性。

1.數據具有非競爭性

數據最突出的特點是強非競爭性，即數據可以被多個主體同時使用，數據對額外用戶的開放使用并不會降低原有數據使用者或數據原始持有人的數據價值，更多用戶使用同一數據并不會造成其他用戶的利益受損。非競爭性屬性意味著數據開放共享不僅不會帶來數據價值下降，反而會促進數據要素的重復使用和對數據進行最大化的挖掘開發，進而創造更大的社會價值。數據要素的非競爭性具有重要的經濟含義，具體來說：一是數據要素具有重要的增長促進效應。Romer指出，具有非競爭性的要素具有規模收益遞增，其生產和累積會直接促進經濟增長，而且其與勞動、資本等要素的結合也會實現要素組合的規模收益遞增，從而促進可持續的經濟增長。Paul Romer， “Endogenous Technological Change，” Journal of Political Economy， vol.98， no.5， 1990， pp.71～102.二是實現數據要素價值的最大化內生要求數據開放共享。數據的非競爭性特征說明，開放共享是實現數據價值最大化的內生要求，從這個意義上來說，數據要素具有一定的公共產品屬性。如果對數據采集和流動加以人為的限制或授予特定主體對數據要素擁有排他性所有權，則將使這種無限使用的數據資源變為有限，可能阻礙數據的開放共享和對數據資源要素的挖掘利用，大大降低數據要素的價值創造可能，產生數據資源利用不足的“反公共地悲劇”問題。

2.數據具有再用的零邊際成本

數據與石油等自然資源的一個重要區別是它是由人的活動所產生的，數據是人類從事經濟社會活動的附屬產品。消費者在使用智能終端設備、互聯網瀏覽、在線消費、交通出行、商業交易、健康醫療、公共服務等活動中都會留下大量的個人數據信息。通常一個國家的網民數量越多并且在線活動的頻率越高，則該國的數據資源就越豐富。但一個人口大國未必是數據資源豐富的國家，只有建立在經濟社會數字化深化基礎上的人口大國才真正具有豐富的數據資源優勢。在零邊際成本情況下，同一數據要素的重復使用并不增加成本但會帶來較大的遞增價值創造，因此更多人使用同一數據并不會帶來資源的過度使用，避免了資源被更多人使用的“公共地悲劇”問題。在零邊際成本的情況下，如果數據能夠被所有主體所接入，則數字經濟發展將不再受傳統資源要素所面臨的稀缺性約束。零邊際成本是數字經濟具有顯著規模經濟和范圍經濟的重要基礎，同時也為向消費者免費供應商品或服務提供了重要的成本基礎，突破了非數字經濟中邊際成本遞增所帶來的供給限制，零邊際成本下更多人使用數據要素在不增加成本的同時會極大地增加產品供應和社會總福利。因此，鼓勵數據要素的開放共享和再使用將會極大地釋放數字經濟的增長潛能。

3.數據具有資源與資產雙重屬性

從數據價值鏈來說，原始數據具有較低的價值，此時數據僅僅是一種有待開發利用的資源，當企業投入資本對原始數據進行采集并對數據進行結構化和整合存儲后，就形成了具有無形資產價值的數據庫，然后企業采用數據分析挖掘技術對數字化數據進行深度挖掘，從而產生信息知識，這使經濟主體可以制定最佳的商業戰略，實施數據驅動的商業創新，從而實現數據商業價值。顯然，隨著對原始數據的采集、分析、決策、應用的流程深入，數據也從資源轉變為資產并產生日益增長的價值（見圖1）。

在數據價值遞增過程中，技術創新和商業模式創新是數據價值實現的決定力量。大數據主要是指基于現代超級數據分析能力基礎上的數據，大數據本身并不僅僅是大量的數據采集和存儲，大數據更為關鍵的決定因素是超級數據分析能力和創新性商業開發應用能力，只有通過智能化使用和商業化開發，數據才能實現經濟價值。目前，人工智能和機器學習成為大數據分析技術的核心，人工智能算法及算力是決定數據資產價值的最重要因素。人工智能為核心的數據分析與決策能力是數字經濟中知識資本的最重要支柱，具有重要的經濟增長促進作用。對于經過深度挖掘后的大數據來說，由于其包含了企業獨特的知識和運用了創新性的人工智能算法，具有明顯的不可模仿性、稀缺性、價值性和不可替代性，其成為企業保持競爭優勢的一種重要的戰略資產。數據的資源屬性說明，為釋放數據促進增長的潛能，必須確保數據開放接入和流轉交易，促進數據資源的重復利用;數據的資產屬性要求，必須構建反映數據資產價值的價格機制、交易機制和收益保護機制，以為微觀主體投資于數據開發和實施數據驅動創新提供激勵。

三、數據促進經濟高質量增長的倍增機制

1.數據要素促進高質量增長的內生機制

古典經濟學家亞當·斯密提出，勞動分工是經濟增長的根本動力;[英]亞當·斯密：《國民財富的性質和原因的研究》上卷，郭大力、王亞南譯，商務印書館，1996年，第5～12頁。大衛·李嘉圖提出的比較優勢理論則強調資源稟賦對經濟增長的重要意義，并且李嘉圖提出資本報酬遞減會導致經濟增長停滯的預測。[英]彼羅·斯拉法主編：《李嘉圖著作和通信集》第一卷，郭大力、王亞南譯，商務印書館，1991年，第117頁。以索羅—斯旺模型為開端的新古典增長理論將經濟增長看作是一個要素投入產出的生產函數關系，新古典增長理論重點分析了勞動和資本要素對經濟增長的外生推動作用，其重要的理論預測是，由于要素投入的規模收益遞減規律，單純的勞動、資本要素投入數量增長并不能維持可持續的經濟增長，在缺乏技術進步的情況下，經濟增長最終將停滯。T.W.Swan， “Economic Growth and Capital Accumulation，” Economic Record， vol.32， no.2， 1956， pp.334～361; Robert Solow， “A Contribution to the Theory of Economic Growth，” The Quarterly Journal of Economics， vol.70， no.1， 1956， pp.65～94.顯然，在新古典經濟增長理論中，由于土地、勞動、資本等要素的數量增長受供給側規模收益遞減規律和需求側單個產品需求增長有限性約束，要素投入數量增長無法促進可持續的經濟增長。盡管現代內生增長理論更強調知識、人力資本、技術創新是決定長期經濟增長的關鍵，但是內生增長理論仍然沒有擺脫生產要素規模收益遞減規律的增長束縛。

在數字經濟中，從整個數字經濟生態來說，數據要素的開發利用則呈現顯著的規模收益遞增性。由于數據使用的非競爭性、零邊際成本和數據開發應用所具有的強外溢性，數字經濟增長的生產函數將體現出規模收益遞增的增長促進效應，數據對經濟增長的促進作用擺脫了規模收益遞減規律的限制，總產出的增長幅度將明顯超出要素投入的增長幅度。首先，由于數據要素使用的非競爭性，數據要素的開發利用不存在規模收益遞減規律的約束而是具有遞增收益，直接促進了經濟高質量增長。其次，數據要素投入的開發利用過程不再是自然資源、土地、資本等物質資源要素的消耗遞減過程，數據開發利用的過程本質上是一個不斷產生信息知識的過程，以人工智能為核心的大數據應用實現了更高效率生產知識、產出更高質量的知識、更廣泛擴散和分享知識，從而內生性地促進了經濟高質量增長。再次，數據的非競爭性和大數據技術所具有的“通用目的技術”特征，帶來數據要素與其他生產要素的深入融合，使與數據要素整合在一起的全要素實現了規模收益遞增，促進了全要素生產率提升。

在數字經濟背景下，數據要素的開發利用具有典型的供給側規模經濟和需求側規模經濟協同的特征，供給側規模經濟和需求側規模經濟具有內生的正反饋自強化機制，大幅度地向外移動了社會生產可能性曲線，實現了經濟增長的倍增效應。在數字經濟中，數據的開發利用具有顯著的規模經濟和范圍經濟，即更大數量和更多樣化的數據會帶來更低的供給成本。在需求側，數字商務企業基于大數據深度挖掘分析，然后進行商業創新來為消費者提供個性化產品和服務，同時消費者以更低的搜尋成本和交易成本來進行交易，并享受更匹配的產品、更好的服務和更有競爭性的價格，從而全面提升消費者的消費體驗，不斷提升消費需求。特別是數字經濟中的交叉網絡外部性實現了供給和需求的正反饋相互強化，更多低成本的供給會引致更大的消費需求，同樣更大的消費需求則引致更高效的供給。以網約車平臺來說，更多的司機會帶來更便利的乘車服務和更低的價格，這會吸引更多的乘客乘坐網約車，而更多的乘客乘坐網約車則會進一步增加網約車的供給數量和降低乘車價格（見圖2）。數字經濟供給側規模經濟和需求側規模經濟的雙向正反饋強化機制，擺脫了傳統經濟增長面臨的規模收益遞減規律和單個產品需求增長上限的約束，實現了內生的經濟增長倍增效應。

2.數據要素促進高質量增長的實現路徑

以數據為第一要素的數字經濟發展重塑了整個經濟的生產、交換、消費的組織運營模式和整個經濟社會的秩序和治理體系，成為驅動經濟高質量增長的新引擎。數據倍增高質量增長的機制主要是促進企業高質量決策、增進市場高效運行、多要素合成效率提升、驅動高效率創新與實現良好公共治理。

大數據促進企業高質量決策。現實的經濟活動充滿了各種不確定性，并且隨著市場的擴展和企業生產規模的擴大，這種不確定性會給企業帶來非常高的決策成本，這也是產生規模收益遞減的重要原因，即隨著規模擴大，企業對未來預測的失誤會帶來更高的利潤損失。Arrow指出，不確定性是影響市場機制實現最優資源配置的重要因素。在不確定性情況下，企業生產活動不僅受到要素投入影響，同時也受到環境不確定性影響。此時，信息具有重要的經濟價值，任何人擁有信息將會產生更高的利潤。Kenneth J.Arrow， “Economic Welfare and the Allocation of Resources to Invention，” in Richard R. Nelson， ed.， The Rate and Direction of Inventive Activity： Economic and Social Factors， Princeton University Press， 1962， pp.609～626.數據本質上是過去經濟活動所產生的信息，大數據及對其挖掘利用獲取的信息能幫助企業更好地預測未來的經濟活動，從而做出更科學的預測，降低環境不確定性的不利影響，提高企業決策的精準性，緩解不確定性造成的決策失誤損失，更好地優化生產、庫存和配送，提高產品供應效率與產品和工藝創新的成功率，企業決策失誤概率大幅度降低使其獲得的利潤也大幅提升。OECD的報告估計，使用大數據及其分析技術能使企業生產率平均提高5%～10%。OECD， Data-Driven Innovation： Big Data for Growth and Well-Being， OECD Publishing， 2015， available at： https：//doi.org/10.1787/9789264229358-en.

大數據增強市場運行有效性。信息經濟學理論研究表明，信息是影響資源優化配置的重要因素。Stiglitz指出，信息不完全和信息不對稱會帶來較高的搜尋成本和交易成本，特別是逆向選擇和道德風險問題會嚴重影響市場實現資源的最優配置。Joseph Stiglitz， “Information and the Change in the Paradigm in Economics，” American Economic Review， vol.92， no.3， 2002， pp.460～501.信息不完全會給消費者參與市場交易帶來較高的搜尋成本，帶來價格扭曲和阻礙有效的供求實現，從而降低了市場運行的效率。數據要素的開發利用會大幅度降低經濟主體的信息搜尋成本，擴大搜索范圍并提高搜索結果的準確性，同時企業基于大數據和人工智能算法實施的精準針對特定消費者的個性化信息推廣，也使整個市場交易的搜尋成本大幅降低，可以實現更好的供需匹配，提高整個經濟的運行效率。數據要素的開發利用能夠顯著降低市場交易雙方之間的信息不對稱，市場會創新出應對機會主義行為的數字化甄別機制、聲譽機制和相應的技術性解決方案，市場交易當中的逆向選擇和道德風險問題會大量減少，由此大幅降低了信息不對稱所產生的高交易成本，帶來更有效率的市場交易。

數據與其他要素合成的效率提升效應。經濟增長并不是多種不同要素簡單相加的數量增長，高質量經濟增長更重要的是勞動、資本、數據等多要素的高效率最佳組合。數據與其他有形要素結合的過程也是一個國家經濟數字化深化的過程，其本質是傳統生產要素實現了更高效率新組合的創新發展，即熊彼特所稱的創造性破壞的過程。[美]約瑟夫·熊彼特：《資本主義、社會主義與民主》，吳良健譯，商務印書館，1998年，第147頁。數據要素開發利用具有非常強的多要素合成效應，數據要素開發利用會對其他要素的使用產生正外部性，與數據要素的深度融合可以實現對傳統資本、勞動等有形要素的新組合，單位資本或勞動會創造出遠高于缺乏數據要素時的價值，大數據開發應用及其與資本、勞動要素的深度融合會帶來資本深化和勞動生產率的明顯提升。由此，數據與其他生產要素的融合越全面越深入，則其帶來的總產出增長貢獻就越大，整個經濟的全要素生產率提升幅度就越大。由于數據的基礎性作用是知識性的并且數據與其他生產要素結合才會產生全要素生產率提升，因此促進大數據與整個經濟深度融合能極大地促進經濟高質量增長。

數據驅動高效率創新。大數據及人工智能技術普及應用所引發的持續性交互創新是數據要素倍增經濟增長的動力源泉。大數據是人工智能技術不斷優化的重要投入，大數據的動態投入會通過人工智能的深度學習來不斷優化算法決策，數據開發產生的信息知識會促進企業更廣泛的創新，并且基于數據的創新在其他領域的擴散應用會引發更多的后續創新，實現了數據驅動的創新和高質量增長。首先，以機器學習為核心的人工智能是一種引發更多發明創新的發明方法或發明工具，它重構了知識的生產過程。Cockburn等將人工智能稱為“發明方法的發明”。Iain M. Cockburn， Rebecca Henderson， Scott Stern， “The Impact of Artificial Intelligence on Innovation： An Exploratory Analysis，” in Ajay K. Agrawal， Joshua Gans， Avi Goldfarb， eds.， The Economics of Artificial Intelligence： An Agenda， University of Chicago Press， 2019，pp.6～7.人工智能為核心的大數據技術提升了發明過程的效率，加快了研發速度，提高了研發生產率。其次，根據Bresnahan 和Trajtenberg的定義，大數據及人工智能技術是一種“通用目的技術”，具有巨大的外部性，可以被很多行業和領域所普遍應用，并引發更多行業和領域的后續創新，數字技術擴散全面提升創新產出，促進整個經濟社會的整體變革和長期的高效率經濟增長。Timothy F. Bresnahan， Manuel Trajtenberg， “General Purpose Technologies ‘Engines of Growth，” Journal of Econometrics， vol.65， no.1， 1995， pp.83～108.綜上，數據驅動創新基礎上的數字技術的產業化發展、傳統產業的數字化轉型發展，將極大地釋放整個經濟的增長潛能，優化整個社會的資源配置效率和不斷提高經濟增長的動態效率。

數據市場的發育本質上是數據市場主體的逐步形成及其交易規則與交易行為規范化的過程。數據市場主體主要是數據持有人、數據使用者、數據中介與第三方服務機構。在數據市場運行中，數據經紀人或中間商發揮了重要的作用，它們主要是從公共和私人渠道來收集和匯總各種不同的數據，協調供需雙方的數據交易，同時也會提供一些增值服務，如對數據的個性化加工處理、支付服務、信用查證等。數據中間商在降低交易成本和克服數據市場交易障礙中發揮了重要的作用，因此大力培育發展數據中介是各國數據市場培育的重點。第三方數據服務機構主要是為數據市場交易提供附屬服務的機構，如數據價值評估機構等。為培育數據市場，國家應該進一步放松市場準入限制，優化營商環境，創造更寬松的創新創業環境，盡快形成多元的數據市場主體，并重點培育和發展數據中間商和第三方服務機構，發揮數據市場中介機構在促進數據市場交易機制創新和完善中的獨特作用。

3.數據市場制度創新的重點

由于數據市場機制的不完善，目前數據市場尚不足以提供最優的數據開放接入和流動共享，數據市場制度創新重點是以下幾個方面：一是數據價格機制。數據要素價格機制的一個重要特點是交易價格主要不是由供給方的供給成本所決定的，而是由需求方使用數據的價值所決定的。由于不同人對數據的價值判斷和數據挖掘價值不同，特別是數據的價值很大程度上取決于應用場景，同一數據會被應用到不同的場景并產生不同的價值，因此數據價值具有非常大的不確定性，較難形成統一的定價規則，這會增加達成市場成交價格的交易成本。目前，無法準確衡量數據價值成為數據市場化、數據資產化和數據附屬利益協調的突出障礙。Maria Bottis， George Bouchagiar， “Personal Data v. Big Data： Challenges of Commodification of Personal Data，” Open Journal of Philosophy， vol.8， no.3， 2018， pp.206～215.二是數據市場運行機制。目前數據市場運行仍然面臨一些障礙，這里既有數據市場機制本身的問題，如個人消費者的非理性決策、市場交易的信息不對稱等，也有數據市場制度發育不完全帶來的數據交易標準、交易模式、交易規則缺失與數據價值評估方法缺失等問題，這些都需要通過數據市場建設試點中的制度創新來逐步加以解決。三是數據隱私保護。數據市場可能會產生過度采集和不恰當使用個人數據信息，帶來嚴重的數據隱私信息侵犯問題。現實當中由于消費者面臨嚴重的信息不對稱，他們并不知道何時個人數據被采集，哪些數據被采集以及這些數據被如何使用，因此數據企業更可能濫用消費者數據信息來謀求最大化利潤。因此，完善消費者隱私保護政策是實現數據開放共享的重要前提。四是數據市場競爭。數字經濟中的數據要素往往被少數支配性平臺企業所掌控，為了保持競爭優勢和維持高的利潤，支配性平臺企業有激勵通過技術手段或合約安排來實行對現實和潛在競爭對手接入其數據的封鎖，實施數據壟斷，拒絕其他企業的接入。數據壟斷不僅扭曲數據市場發展，還會限制數據要素經濟增長倍增作用的釋放。總體來說，目前數據要素市場發展的制度性障礙尚沒有明確的解決方案，需要通過數據要素市場培育發展中的制度創新來逐步加以解決。為此，一方面需要營造良好的創新創業環境，賦予市場主體充分的試錯空間，允許和鼓勵市場主體的交易機制創新，發揮市場在制度創新中的決定性作用;另一方面政府要積極構建完備的數據治理體系，為數據市場提供基礎性制度供給，并實施積極的需求拉動政策，提供更多的數據應用場景。

五、數據要素增長倍增效應實現的數據治理體系

數據增長潛能的釋放和數據市場的培育發展需要有效的數據治理制度體系相匹配。數據治理體系的根本目標是實現數據的充分利用和促進數據驅動的創新，實現數據價值倍增和多元主體的利益相容。為此，數據治理體系主要包括四大政策：數據產權政策、隱私數據保護政策、數據競爭政策、數據監管政策。

1.分類治理的數據產權政策

數據產權是激勵數據開發利用和促進數據市場交易的重要前提，目前數據產權的不確定成為數據市場發展和數據開放共享的重要障礙。依據科斯定理的產權觀點，產權界定基礎上的私人之間交易談判和市場價格機制可以帶來既保護消費者個人隱私也實現企業最佳數據開發利用的資源最優配置結果。但數據市場的特殊性和數據要素的非競爭性特征，導致科斯定理的產權邏輯不能完全適用于數據要素，數據產權泛化違背數據要素的非競爭性屬性并會嚴重阻礙數據要素增長倍增潛能的釋放。正如Varian所指出的，數據的非競爭性意味著數據接入比數據產權更為重要。Hal Varian， “Artificial Intelligence， Economics， and Industrial Organization，” in Ajay K. Agrawal， Joshua Gans， Avi Goldfarb， eds.， The Economics of Artificial Intelligence： An Agenda， University of Chicago Press， 2018，pp.8～9.數據確權必須考慮數據的資源與資產的雙重屬性，權衡私人利益與公共利益。數據確權不僅涉及個人原始數據，也涉及經過加工開發的商業數據。數據開發利用本質上是數據企業追求利潤最大化的過程，由于數據的采集、開發利用需要持續的資本投入，并且數據開發利用所產生的信息知識往往不具有完全的排他性，如果不賦予有效的財產權保護，則這些商業衍生數據不僅無法進行流轉交易，而且數據企業將缺乏對數據開發利用和進行數據驅動創新的激勵。因此，數據確權需要針對不同類型數據實行分類治理，對個人數據和商業數據實行不同的權屬保護路徑，個人原始數據重點強化隱私權保護，商業數據重點強化財產權保護。對于個人數據來說，個人原始數據本身并不產生價值創造，其最重要的是確立和保護個人數據信息的隱私權而非個人數據財產利益。對于投入資本并包含創造性智力活動的商業衍生數據則應確立財產權保護，以維持企業進行數據開發利用和從事數據驅動創新的激勵。為促進商業數據流轉交易和開放共享，應主要依據知識產權法來保護商業數據持有人的財產利益，并采用民事賠償而非刑事制裁的司法救濟來懲處惡意盜取商業數據的違法行為。

2.保護與共享合理平衡的隱私政策

有效的隱私保護是增進消費者信心和采集利用數據要素資源的重要影響因素，隱私保護有利于數據開放共享和數字經濟創新發展。數據要素作為數字經濟最有價值的非競爭性使用的要素資源，個人隱私數據信息保護不應追求絕對的保護或實施個人信息封閉，個人隱私保護政策的核心是合理平衡數據個人隱私權和數據開發利用的關系，數據隱私保護應該是“在應用中保護、在保護中應用”。Acquisti等強調指出，隱私不應當被理解為阻止個人數據信息分享，而應被理解為賦予個人對哪些數據信息被分享擁有控制權。Alessandro Acquisti， Curtis Taylor， Liad Wagman， “The Economics of Privacy，” Journal of Economic Literature， vol.54， no.2， 2016， pp.442～492.個人隱私數據保護應在承認數據占有企業將衍生數據作為一種有價值資產的事實基礎上，通過立法來保證在數據采集、開發應用和轉讓分享過程中消費者隱私數據不被濫用，即保護消費者對個人數據信息的自決權。因此，個人隱私保護制度重在賦予消費者對他人采集和使用其個人數據信息的控制力。中國現行的網絡信息安全監管重點是保護國家網絡安全，尚未建立以保護消費者個人隱私安全為核心的隱私保護體制。鑒于目前加強個人隱私保護的迫切需要，我國應盡快建立科學的用戶數據隱私保護體系。首先，應盡快制定出臺基礎性的《個人信息保護法》，對個人數據隱私信息權的權屬、數據采集的基本原則、數據交易流轉中的再授權、數據跨境流動等基本問題做出權威的法律界定，形成規范個人數據收集、使用、流轉的法律保障體系。其次，合理平衡個人隱私信息保護與數字經濟發展的關系，鼓勵企業和消費者通過價格機制來協調隱私信息采集和使用中的利益關系，創新市場化的隱私保護機制。再次，建立更有力的個人隱私保護行政監管體制，建立獨立的專門負責消費者隱私保護的監管機構并配置相應的執法權限，監管機構要特別強化對數字商務企業履行保護用戶隱私義務的監管，督促其完善內部流程和組織治理體系，明確企業的主體責任。最后，明確企業侵犯個人信息應承擔的法律責任，特別是賦予消費者相應的隱私侵害訴訟權和賠償權，實現對消費者隱私利益的經濟性補償。

3.共享與創新導向的數據市場競爭政策

市場競爭是促進數據開發利用和數據驅動創新的根本動力，有效的市場競爭會促進經濟高質量增長和消費者福利的提高。競爭政策是數字經濟發展的基礎性經濟政策，反數據壟斷成為數字經濟競爭政策的重要任務。鑒于超級平臺數據壟斷對市場競爭的扭曲和數據自由流動的限制會嚴重阻礙數據增長賦能機制的實現，維護市場競爭和促進數據流動共享是數據市場競爭政策的主要目標。目前應對數據壟斷的最主要政策是賦予消費者用戶個人數據可攜帶權和促進數據跨平臺的互操作。歐盟《通用數據保護條例》首先建立了消費者用戶的個人數據可攜帶權，保證消費者可以在不同的平臺轉移個人數據，平臺企業不得對此加以任何形式的限制。數據可攜帶權會降低消費者的數據轉換成本，促進數字企業之間的競爭。但數據可攜帶權并沒有完全消除用戶數據轉換成本，同時數據互操作性僅僅是通過要求統一技術標準來消除技術性障礙。因此，數據可攜帶權和互操作性政策并不足以實現數據接入和開放共享的目標，還需要通過有效的競爭政策來配合以消除數據接入共享的行為性障礙。數字經濟反壟斷政策的重點是禁止各種數據壟斷行為，主要是禁止支配平臺的拒絕數據接入、排他交易合約、濫用用戶隱私信息等數據濫用行為，以及數據算法合謀和導致數據壟斷的企業并購等。另外，對于很多不具有市場支配地位企業實施的各種擾亂在線市場交易秩序和損害消費者利益的不正當經營行為，需要依據《反不正當競爭法》《電子商務法》等相關法律來加以禁止，以維護市場秩序和保護消費者利益。

4.包容審慎與精準施策的數據監管政策

數字經濟發展需要有能力的政府和有為的政府，數據政府能力建設是國家數字戰略的重要組成部分，這不僅包括為數據要素開發利用提供基礎設施、研發和人力資本等要素支持，也包括政府的數據治理能力建設和更靈活有效的監管政策。數字經濟監管既要防止政府監管錯位、越位和監管體制僵化滯后對數字經濟創新發展的損害，也要防止政府監管缺位帶來的各種嚴重傷害消費者福利和社會公共利益的行為。因此，數字經濟監管需要將包容審慎監管原則和精準施策方針有機結合起來。首先，政府監管應實現包容審慎原則的制度化。政府監管應強調市場機制的基礎性作用，審慎采用一刀切的監管政策并避免運動式執法。為了保障包容審慎監管原則的落實，重在建立監管政策影響評估制度、公共意見征詢制度和監管政策績效評價制度，形成包容審慎監管的制度保障。其次，政府監管應該堅持分類分級監管，對公共數據、商業數據和個人數據，敏感數據和非敏感數據等安全影響等級不同的數據采用不同的監管政策和監管標準。再次，政府監管應該特別突出平臺私人規制者的主體角色，建立新型的“平臺+政府”雙中心合作監管體制，政府監管機構主要是督促平臺完善私人規制治理制度以落實主體責任，并構建政府、平臺、商家、消費者等多元主體共治的監管治理體系。最后，政府監管要創新監管政策手段，綜合運用技術、經濟、法律、行政等多種手段來尋求最佳的政策組合，突出大數據、云計算、人工智能等技術手段和技術性解決方案的積極作用，并更多采用“監管沙箱”等試驗性監管政策，以保證政策的靈活性、精準性和有效性。

作者單位：唐要家，浙江財經大學經濟學院;唐春暉，浙江財經大學工商管理學院

責任編輯：牛澤東