數據要素的定價流通交易及其安全治理

陳 華，李慶川，翟晨喆

(1.山東財經大學 金融學院，濟南 250014；2.美增科技(北京)有限公司，北京 100010)

作為數字經濟發展基礎的數據被稱為數字時代的新“石油”。根據國際數據公司(IDC)對全球數據量的測算，2020年全球數據量達到了64ZB(1ZB=2B)，到了2025年，這一數字將接近180ZB，全球數據量迅速增加，數據成為全球競爭的關鍵性資源。數據驅動經濟發展已成為各國共識。以美國、英國、歐盟等為代表的國家和地區，制定了一系列大數據戰略，企圖搶占先機，建立優勢。例如，歐盟為了構建單一數據市場，加快數字化轉型，陸續出臺了《通用數據保護條例》《歐洲數據戰略》《數據治理法案》等政策法規。面對各國采取的舉措，我國要把握好當前數據發展的窗口期，激發數據價值，壯大數字經濟，搶占大國競爭新的制高點。

在這一背景下，黨的十九屆四中全會將數據增列為生產要素；在2020年4月發布的《關于構建更加完善的要素市場化配置體制機制的意見》，首次將數據與土地、勞動力、資本等傳統要素并列；2021年3月發布的《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》設專篇對我國數字化發展做出明確規劃指導。習近平總書記在主持中央政治局第三十四次集體學習時強調，要充分發揮海量數據和豐富應用場景優勢，促進數字技術與實體經濟深度融合，賦能傳統產業轉型升級，催生新產業新業態新模式，不斷做強做優做大我國數字經濟。數據作為新的生產要素，與其他生產要素相同，已逐步滲透到實體經濟的整個運行過程中，是我國重要的基礎性戰略資源。但我國數據要素仍面臨大量問題，如數據權利界定不清晰、數據估值定價困難、數據流通渠道不暢通、數據交易效率不高、數據孤島與數據鴻溝現象嚴重等，尤其是數據的估值定價與流通交易環節，其背后存在許多安全風險，有不法分子利用數據安全漏洞給數據市場造成極大危害，數據安全治理問題亟待解決。

一、數據的權利界定與資產化

(一)數據權利的界定

為厘清數據界權，首先要理解數據的概念定義。國際標準化組織(ISO)對信息做出定義，信息是關于事實、事件、事物過程或思想等客體的知識，在特定語境中有特定的含義；關于數據的定義，我國數據安全法定義數據是任何以電子或者其他方式對信息的記錄。由此可知，數據與信息不同，數據只是信息的體現形式；信息是指具有內容含義的知識，只有經過數據處理，才能揭示出從數據中導出的信息。德國法學者Herbert受到信息在三個層面被支配和控制的啟發后，將信息區分為結構性信息、符號層面信息和語義層面信息。我國學者紀海龍在此基礎上對信息與數據的關系進行研究，將信息分為存儲介質層、數據文件層和信息內容層。存儲介質層指物理層的數據載體；數據文件層指數據產品，即信息整合的表現形式和組織結果；信息內容層指數據信息，即數據產品蘊含的信息內容。本文所說的數據是指數據產品與數據信息。

數據產品包含的數據信息可分為個人數據與非個人數據。因此，數據信息與數據產品不同，其權利界定與流通交易也不同。數據產品的生產者擁有數據產品權利，而數據信息中的數據權屬存在部分分歧。以個人隱私為準繩，個人數據可分為個人信息數據與非個人信息數據。個人信息數據是指以電子或其他方式記錄的能夠單獨或結合其他信息識別自然人個人身份的各種信息，如姓名、住址、電話號碼、身份證號碼等。在大數據等技術的迅猛發展下，個人信息數據的范圍也越來越廣，如生物數據、基因信息等。非個人信息數據是指數據自身以及結合其他信息不能識別特定自然人身份的各種信息，如脫敏加密處理的個人信息。這兩種數據權利的取得依據是不同的。

個人信息數據權利應屬于個人所有。個人信息數據具有人格權屬性，其涵蓋的信息體現了人格尊嚴和自由意志，如人臉識別技術，人臉就是肖像，肖像屬于人格權。我國《民法典》第111條規定“自然人的個人信息受法律保護。任何組織和個人需要獲取他人個人信息的，應當依法取得并確保信息安全，不得非法收集、使用、加工、傳輸他人個人信息，不得非法買賣、提供或者公開他人個人信息”，肯定了個人信息的人格權屬性；《網絡安全法》以及《消費者權益保護法》中，同樣有多條法律規定個人信息數據歸屬于個人信息數據主體。而非個人信息數據權利歸屬在經濟學界仍有爭議。一部分學者認為非個人信息數據也是由個人行為產生的，且有學者研究發現將數據權利賦予個人時，有助于促進個人數據的分享與交易，因此，權利應屬于個人。大多數學者研究認為數據所有權歸屬的最優解取決于個人對數據貨幣化的能力和數據對企業的價值。經濟學家Tirole認為，對于用戶數據權利的界定，如果企業需要創新性手段或承擔較高成本收集數據，就應授予企業使用權與收益權；如果收集數據很容易且成本低廉，數據應歸用戶個人；若用戶提供原始數據處理與企業數據處理兩者之間存在界限，應賦予用戶可攜帶權，只要用戶同意就可以將原始數據轉移給第三方，即相同的數據可被其他企業用于不同目的，以提高經濟效益。

非個人信息數據與非個人數據都是無法識別特定個人的數據，兩者權屬問題可一同討論。非個人數據指可以自由獲取、使用，且不需要承擔法律上不利后果的數據，如某一軟件下載次數、國家機關公開的信息、具有公益性質的企事業單位涉及公眾利益或知情權的信息等。從數據權利的屬性上來看，非個人信息數據與非個人數據顯然已不具有個人信息的人格權屬性，兩者僅具有財產權屬性，且屬于無形財產，因此其權利歸屬應圍繞其特征來進行配置。根據科斯定理與洛克的勞動生產理論，兩者的權利應歸屬于能夠使其價值最大化的使用者和為其生產開發投入了人力、物力和財力的主體，如果不對數據開發主體賦予財產權，就會對數據的生產、開發、應用及相關技術的發展失去激勵作用，使數據資源失去戰略意義。這表明數據處理者只要對非個人信息數據與非個人數據的收集、核準和提供等方面有實質性投入，數據處理者就可以獲得其財產權。

綜上可知，多數學者認為個人信息數據權利歸屬于個人數據主體，非個人信息數據與非個人數據權利應歸屬于投資主體，這也為數據資產化奠定了理論基礎。

(二)數據資產化

由前文對數據權利界定的探討可知，數據是一種可交易、可界定產權的商品。Pei基于數據屬性，將數字產品與數據產品相區分。數字產品是指可以通過電子產品消費的無形商品，例如電子書、網絡音樂、電子消費券等；數據產品是指關于特定對象的行為軌跡和關聯信息被網絡、傳感器和智能設備等記錄下來的數據，具有較強的分析價值，例如手機軟件收集的內容。數據資產化與要素化主要是指數據產品的資產化與要素化。數據資產化是指將數據融入具體業務之中，讓數據驅動業務變革、改善業務效率、實現數據價值。例如，在銀行業、證券業中，利用數據對客戶進行分析，制定更適合用戶的投資產品；在制造業中，利用數據對成本和效益進行預測；在互聯網行業中，利用數據分析用戶行為，從而進行精準式商品推送與廣告投放等。

中國信息通信研究院云計算與大數據研究所將數據資產定義為“由企業擁有或者控制的、能夠為企業帶來未來經濟利益的、以物理或電子的方式記錄的數據資源，如文件資料、電子數據等”。這一定義與我國對資產的定義類似，從中可以看出，并不是所有的數據都能成為資產，只有可以給企業帶來價值的數據才能成為資產。而數據的質量參差不齊，垃圾數據不但不能給企業帶來價值還會提高企業處理的成本，因此，要更加注重數據質量，高質量數據才能夠創造價值成為資產。此外，數據資產的特征與普通資產存在一些差異。首先數據資產需要儲存在存儲介質(如機房、存儲設備等)中，同時數據具有存在屬性，即可讀取性，兩者構成其物理存在性，屬于有形資產范疇；數據資產真正的價值是蘊含的信息，是其信息屬性，屬于無形資產范疇。由此可知，數據資產既包括有形資產的部分特征，也擁有無形資產的部分特征，其并不屬于任何一種，應當作為一種新型資產類別予以區分。

實現數據資產化還包括兩個環節：數據資產估值和數據資產定價。目前國內外學術界對兩者的研究仍處于探索階段，大多數學者認為兩者應當獨立分開進行。尹傳儒等人認為數據資產估值和數據資產定價是不同階段的獨立行為，在一定時間周期內，數據資產價值是固定的，在一定程度上，可以把數據資產價格看成數據資產在單次交易中的價值體現。即數據資產估值是對數據資產的使用價值進行度量，與數據資產是否被交易無關。數據資產的價格是動態變化的，在數據資產交易過程中實現，數據資產價格并不等同于其價值，而是圍繞其價值上下波動。

二、數據資產特征、估值定價與流通交易

數據資產不同于傳統資產，其特征與傳統資產顯然存在差異。數據資產的可復制性、不確定性、再生性等顯著特征影響著自身的估值與定價，因此，在對數據資產進行估值與定價前，應先對其特征展開分析。

(一)數據資產的特征

數據資產具有可復制性。這是數據資產與其他普通資產顯著不同的特性，其復制和分享的邊際成本幾乎為零，即數據資產可以無限復制和分享，且不影響數據資產本身的價值。同時，數據資產不會因為使用而產生損耗，可以重復使用與加工處理。這是普通資產所不具有的優勢，但這給數據資產交易帶來新的問題。當數據資產復制分享不需要成本且對個人或企業不會造成福利損失，而分享者能夠從中獲利時，即使對數據資產進行界權，也難以防止數據資產二次分享，進而造成數據資產價格下降，對數據資產所有者的利益造成損失。

數據資產具有不確定性。這一不確定性是指數據資產的價值與獲利能力不確定。首先，數據資產的價值受多方面因素影響，包括體量、質量、時效性、應用場景等，這些因素自身就存在一定不確定性。例如，在數據質量方面，如當數據真實性較低，數據存在偏差，或者數據造假，那么使用數據后可能會產生完全相反的決策，使數據失去價值；在數據時效性方面，如道路狀況信息、股票價格等數據，只有在特定的時間內才有價值。數據價值還受應用場景的影響，如保險公司可以通過司機的駕駛行為數據掌握司機的駕駛技術程度及駕駛習慣，從而針對不同的司機制定不同的保險費率。該數據還可以幫助出租車公司招聘司機，但對于招聘場景而言，幫助保險公司提高利潤所體現的價值或許更大。其次，數據資產價值隨使用者的不同而具有不確定性。這是因為數據資產的經濟價值只有被企業或個人使用時才會體現出來，主要用于影響企業或個人的決策、行為等。因此，對于具有不同使用目的、處理能力、已知信息的購買者來說，相同數據資產的價值有很大差異，這也體現出數據滿足不同主體需求的多樣性。最后，數據的可訪問性會影響數據獲利能力。由定義可知，若數據不被使用便不會產生經濟利益，就不是資產。可訪問性影響著數據的使用頻率，如果不能夠從數據中提取價值，不但無法獲利，還會增加成本來存儲和維護數據。

數據資產具有再生性。傳統資源大都是消耗性的，而數據是使用越多，數量越多。新的數據資產可能產生于原有數據資產的組合、分析等，這些新生成的數據資產將帶來更多價值。因此，當擁有較多數據資產時，可能產生的新數據資產也隨之增加。

在考慮數據資產特征的重要影響之后，再利用估值方法與定價模型對數據資產進行估值定價。

(二)數據資產的估值與定價

在一定時間周期，數據資產價值是靜態的，而數據資產定價是動態的，數據資產的價格圍繞其價值上下波動，且會受到自身特征的較大影響。因此，數據資產定價是在數據資產估值的基礎上，考慮數據資產的供求關系和數據資產可以多次交易且交易行為不會造成價值減損的特性進行的。數據資產價值評估在前，進而再根據各影響因素進行具體定價。

1.數據資產的價值評估

由于數據資產價值在于其信息屬性，并不具有實物形態，因此，國內通常采用傳統會計學中無形資產的估值方法對其進行分析。無形資產的估值方法分為三類：成本法、收益法與市場法。

成本法是指無形資產的價值由生產該無形資產的必要勞動時間決定，并且從資產重置角度估值，即無形資產價值等于重置成本減去資產貶值。成本法雖然計算簡單、容易理解，但各類數據資產成本難以細化區分，且貶值難以估算，忽略了數據資產自身特性與買方異質性。由此可知，成本法適用于成本公開、買方差異較小的數據資產。

收益法是指無形資產的價值取決于其所帶來的預期收益，其價值為對未來各期收益進行貼現的現值之和。收益法可以反映出數據資產的經濟價值，但折現率難以選擇，且數據資產是動態的，使用期限也難以確定，主觀性較強，因此當未來收益可預測且可采用貨幣計量時，此方法適用。現實中大多數企業難以從數據資產中獲得直接收益，但可以根據使用數據資產獲得的間接收益來估計部分企業數據資產的收益。此外，與數據資產賣方相比，買方企業對數據資產的使用場景、業務融合及預期收益等方面更加明確，因此，收益法更適合數據買方企業采用。

市場法是指類比市場中相同或相似資產交易案例對資產進行估值的方法。數據資產估值采用市場法時，需要依據相同或相似數據資產的往期成交價格，并對數據資產的特性或市場條件差異等影響因素進行調整，從而估算數據資產的市場價值。能夠客觀反映數據資產當前的市場狀況是市場法的優勢，相關評估參數可以直接從市場中獲得，真實性更強。但市場法需要以活躍的公開交易市場為基礎，對市場環境要求嚴格，而我國現有大數據交易平臺尚未成熟，無法提供全面的數據交易信息。目前，我國公布的(含籌建)大數據交易平臺已超過80個，如京東萬象、聚合數據及貴陽大數據交易所等。隨著數據交易平臺的不斷發展探索，市場法估值也會不斷完善。

從三種估值方法的優劣可以看出，市場法估值在未來更具優勢，我國學者對其也展開了深入研究。劉琦等人考慮到技術水平、價值密度、數據容量等差異因素，對各差異因素進行量化以修正模型，進而評估同一類型數據資產價值，構建出運用市場法評估大數據資產的基本框架。李永紅和張淑雯重新構建了數據資產價值評估模型，結合層次分析法和灰色關聯分析法兩種方法，將數據資產價值影響因素嵌入評估模型中，進而修正了市場法。左文進和劉麗君借鑒經典資產估價方法，創新性地引入Shapley值法和破產分配法則，設計了數據資產分解估價方法；在最近的研究中，左文進和劉麗君引入多維偏好線性規劃分析模型融合用戶分項評價信息和專家總體偏好信息對數據資產進行綜合評分，再結合可比大數據資產的價格確定待估大數據資產的價格，這是一種基于用戶感知價值的數據資產估價方法，但其本質上仍屬于市場法。隨著數據交易中心的發展以及研究的推進，市場法估值運用將更加成熟。

除此之外，數據資產的估值定價運行機制也十分重要，這也是當前亟須完善的基礎性制度體系。陸岷峰和歐陽文杰提出構建數據資產的一二級市場，由數據交易中心統一管理；一級市場主要用于數據資產估值，二級市場主要用于數據資產定價，這為我國數據資產估值定價提供了基礎。我國應繼續重點推進估值定價基礎性制度建設，可以設立相應的研究試驗中心，對估值定價機制進行研究，為數據資產估值定價提供制度保障。

2.數據資產定價

在數據資產定價策略方面，綜合中國信息通信研究院、蔡莉等人、尹傳儒等人對數據資產定價策略的研究，本文將定價策略分為8種并進行分類描述(見表1)。

表1 數據資產定價策略

在數據資產定價模型方面，國內外學者從多個角度對數據資產定價模型展開研究，提出了多種不同的定價模型，目前主要分為5大類，分別是基于博弈論的定價模型、基于信息熵的定價模型、基于數據特征的定價模型、基于查詢的定價模型以及基于元組的定價模型(見表2)。

綜上，在對數據資產內容進行定價時，為了保護數據內容，防止內容泄漏造成數據價值降低，賣方可利用上述各種資產估值方法對隨機抽樣部分的內容進行價值評估，進而對整體數據資產內容進行定價。

(三)數據資產的流通、交易

數字資產的估值定價為數字資產的流通、交易提供了前提條件。由數據資產特征可知，其作為一種特殊資產，在使用和流通中可以產生新的價值。因此，在數字經濟時代，數據資產流動將成為常態。

1.數據資產的流通

數據資產流通可以結合不同領域的數據資產，進而產生新的有價值的數據信息，這些新數據可以被企業生產經營所使用，從而幫助企業獲取更多利益。數據資產流通方式包括數據資產開放、共享等形式。

數據資產開放主要是指政府機構開放數據服務于企業生產經營以及為個人提供便利，進而產生相應的社會和經濟效益。如濟南市大數據平臺，通過接入市不動產登記中心，與水、電、氣等服務企業實現連接，在辦理不動產過戶業務的同時，實現水、電、氣業務一并辦理，為市民提供了便利。數據資產共享主要存在于合作企業之間，數據的流動受企業間合同契約約束。如某旅行公司在取得用戶授權時，以支付寶的芝麻信用作為信用標準，為用戶提供便利。

這兩種流通方式是數據資產流通的主力軍，其打破政府間、行業間、企業間的數據資產壁壘，從而成為激發數據資產流通活力的重要著力點。例如在工業領域，優勢產業中的上下游企業可以開放數據，建立數據共享機制，從而最大化利用工業數據價值，實現互利共贏。各政府部門之間應著力破除“信息孤島”問題，可以通過打造數據共享開放平臺，實現數據的互聯互通。

表2 數據資產定價模型

2.數據資產的交易

數據資產交易與前兩種流通方式有些不同，它是數據流通中的生力軍，幫助引導數據資產的合理分配。數據資產交易是指買賣雙方按照共同遵守的定價機制和交易規則簽訂交易合同，對數據資產交易合同中的條款和價格達成共識后進行交易。我國數據資產交易主要采用B2B模式，數據買賣雙方通過第三方數據交易平臺促成數據交易。

各地數據交易平臺在不斷的交易實踐中，按照數據處理程度，形成了兩種主要的交易模式。一種是數據撮合交易模式。在此交易模式下，數據交易平臺僅對數據進行簡單的收集整合，并不會對數據進行預處理或挖掘分析，整理完畢便將數據售出。因此，交易平臺主要提供未經加工的原始數據，如用戶的性別、年齡等。該模式一般應用于數據交易平臺成立初期，也是一些金融數據銷售企業(如CSMAR、Wind)等主要采用的交易方式。此外，當數據買方異質性較大且數據負外部性較小，無法滿足買方對數據的處理要求時，也可以考慮撮合交易方式。另一種是數據增值服務模式。數據交易平臺通過對數據的整合、清洗、分析等形成定制化的數據資產組合，然后提供給數據買方。許多數據交易平臺成立后，經過多次的交易探索，最終選擇這一交易模式。

除此之外，隨著區塊鏈技術的發展，其優勢逐漸顯現出來，例如區塊鏈公鑰與私鑰的雙認證技術，可以用來驗證數據交易雙方身份，確認交易是否履行；區塊鏈與智能合約的結合，既可以幫助解決法律缺失而存在的數據確權問題，還可以解決數據資產交易的“信息悖論”問題等。區塊鏈技術應用于數據資產交易得到國內眾多學者的廣泛討論。劉緒光等人認為證券交易所或其他交易機構的交易模式難以被數據交易平臺所采用，這是因為數據資產具有可復制性。因此，他們提出了一種以區塊鏈技術為基礎的標準化數據產品合約交易模式和交互定制式產品交易模式。李源等人提出了一個基于聯盟鏈的大數據交易平臺的方案，可以有效保護個人隱私、幫助數據定價、避免“數據孤島”等問題。在區塊鏈技術的不斷成熟下，未來數據資產交易模式應重點基于區塊鏈技術。

三、數據資產估值定價、流通交易面臨的問題

雖然數據資產的估值定價以及流通交易已經有了諸多可行的模式方法，我國北京國際大數據交易所、上海數據交易所也相繼成立，但整體而言，我國在數據定價、交易模式等方面仍處于探索階段。以全國首家大數據交易所——貴陽大數據交易所為例，其成立之初一年交易金額突破7 000萬元，如今卻幾乎陷入停滯狀態，這表明數據交易仍存在許多問題阻礙其發展。因此，厘清這些問題有利于我們更好把握數據資產定價交易的未來發展方向。

(一)數據資產估值定價面臨的問題

1.數據資產形成各環節價值難以計量

數據資產價值形成過程是數據生產的過程，而數據產生價值鏈條長且過程復雜，包括數據采集、數據整合、數據分析，以及應用場景和買方異質性等多個環節，每個環節都需要進行價值計量，給數據資產估值定價帶來困難。比如數據應用場景差異所對應的數據價值存在差異，對于前文提及的司機駕駛習慣數據，用于招聘司機的出租車公司出價低于用于保費計算的保險公司，因為數據集后續可能產生的價值量不同，所以使得數據價格難以確定；不同買方使用數據創造的價值差異巨大，相同數據用于相同的場景，由于各買方公司技術水平存在不同，有些公司可以與本身積累的數據相結合，從而增加采購數據生成的價值，因此，不同買方也會帶來價格差異。

2.數據資產自身特性導致估值定價困難

數據資產具有虛擬性，與勞動力、資本等傳統實物生產要素相比，數據要素表現為虛擬形態，這使得數據資產價值難以從生產結果中分離出來，難以進行量化。數據資產的可復制性造成“搭便車”現象難以避免，數據在進行多次交易后，會創造大量供給，導致數據價格快速下降。數據資產的時效性也是估值定價困難的重要原因之一，隨著時間的推移，有的數據資產價值可能隨之增大，而有的數據資產如果不能在適當的時間被分析使用，其價值會隨時間慢慢減小，甚至失去價值。此外，由于數據資產無法形成穩定的價格區間，所以會制約數據資產的規模化交易。

(二)數據資產流通交易面臨的問題

1.隱私數據界定模糊制約數據流通交易發展

以歐盟和美國為例，歐盟注重數據保護，特別對個人隱私權的保護，而敏感數據往往具有更旺盛的市場需求和較高的市場價格，這在一定程度上降低了數據產業發展活力；美國則更加注重數據流通，積極推行數據交易市場化，但難以保障個人權利。我國《數據安全法》雖已出臺，但確權規則仍不清晰，確權缺位、越位、錯位等問題仍比較突出，這也造成數據流通時可能產生沖突。因此，數據提供者出于對數據安全的考慮，在提供數據時采取數據不出域的方式，從而制約數據流通交易。

2.數據開放共享水平與企業數據資產化程度較低

在數據開放共享方面，我國目前處于較低水平，政府開放數據質量不高，企業之間缺乏共享共用動力。雖然政府一直在大力推動政府數據開放共享，但由于開放共享規則不成熟、共享機制不完善、共享主管部門缺失等，以及數據規模較小、數據利用率低、數據質量差等問題，政府數據開放共享效果并不理想。企業缺乏開放共享理念，為了保持自己的競爭優勢，相互之間開放共享程度低，再加上法律法規、技術標準等的不完善，大多數企業主要使用內部產生的數據，彼此之間形成堅固的行業壁壘同時，由于數據的專用性和行業性，數據孤島和數據壟斷現象難以破除。此外，還有許多企業數據資產化程度低，對數據不夠重視，“不想用”；缺乏相關的人才和數據分析的方法，“不會用”；面對數據應用的較大投入，缺乏正確認識，“不敢用”；等等。這使得作為數據流通主力軍的開放共享并沒有成為主流形態，限制了數據開放共享規模的擴大。

3.數據交易市場不健全，交易流程不完善

在數據交易方面，數據要素市場建設不健全，規則不完善，交易規模小、效率低。我國有過半數據交易平臺的年數據交易量不足50筆，大多數交易平臺處于半停運狀態，場外交易混亂。這是因為缺乏統一的交易撮合定價體系，企業之間采取點對點交易，還有部分企業為了實現對用戶的精準畫像，提高競爭力，在交易平臺外購買大量個人數據進行加工，使得場外交易泛濫，個人隱私數據泄露，擾亂數據交易市場。同時，由于全國并沒有統一的數據交易市場，難以建立完善的交易信任機制，缺乏交易各方可信度的評價體系，難以保證平臺交易的數據質量，所以經常發生假數據交易事件。此外，在數據交易完成后，若沒有強有力的監管機構，數據用途則難以控制，從而產生諸多后續問題。

四、數據安全面臨的問題

(一)數據個人隱私保護不到位與數據濫用問題

我國互聯網企業收集的用戶信息大多為企業擁有。企業向消費者提供免費或低價的高質量、個性化服務來獲取個人數據，大量累積的個人數據驅動軟件算法不斷優化，持續優化的軟件算法不斷挖掘個人數據潛在價值，兩者之間相互促進，成為互聯網公司的核心競爭力。部分企業為了提升自己的競爭力，追求利益最大化，濫用其所收集的個人數據，侵犯用戶隱私，危害數據安全。此外，盡管進行交易的數據都會進行脫敏化處理，但數據在進行關聯分析和深度挖掘時，難以保證數據應用的合規性，數據權益被侵害時無法找到侵權者。當前，少數互聯網企業占據了主導地位及大部分市場份額，他們利用數據集中形成數據優勢，這種優勢使得企業具有壟斷或不公平、不合理的競爭優勢。具有獨特數據資源的企業可能濫用市場支配地位，拒絕數據開放共享，實行價格歧視、算法合謀等壟斷行為，損害消費者權益，打壓競爭對手。如2017年，菜鳥網絡科技有限公司與順豐速運快遞公司發生的“豐鳥大戰”，表面是豐巢快遞柜數據信息共享問題，實際是爭奪快遞物流數據信息的控制權和話語權。此外，企業為了維持自身地位，可能會采取不正當手段來獲取數據，從而使用戶行為數據集中到少數企業手中。

(二)數據泄露問題

由于數據資產蘊含巨大價值且采用集中儲存管理模式，很容易受到網絡攻擊和竊取，導致數據泄露事件頻發，危害日趨嚴重。尤其政府數據平臺將社保、醫療、工商等數據進行整合，具有極高的社會和經濟價值，這些數據一旦泄露，對個人可能帶來財產損失，對企業可能造成商業機密外泄。IBM Security機構近期發布了《2021年數據泄露成本報告》，該報告基于17個區域發生的537個真實數據泄露案例顯示，平均每起數據泄露事件成本高達424萬美元，客戶個人數據(如姓名、電子郵件、密碼)是數據泄露中最常見的信息類型，近一半的泄露事件包括此類數據，個人隱私遭到嚴重泄露。

(三)數據安全技術問題

大數據技術發展的同時，也催生出許多新型的網絡攻擊手段，使得安全防護系統暴露出嚴重不足，讓不法分子有機可乘，網絡威脅、勒索等事件頻發。例如，由于大數據儲存數據量非常巨大，所以一般采用分布式系統將數據和操作分布于多個系統，便于數據處理分析；但這也產生了安全隱患，黑客攻破其中一個系統便可以滲透整個網絡，從而竊取數據。在數據傳輸過程中，可能遭到數據流攻擊，使數據傳輸出現失真情況，同時還存在泄露風險；在數據處理過程中，由于數據傳輸具有多源、異構、關聯等特點，且數據集類型多、來源廣，企業在進行數據分析時，會將其關聯起來進行分析挖掘，這會復原脫敏化數據，從而造成個人信息泄露。大數據平臺在安全機制方面仍采用傳統網絡安全防護手段，無法監測更加隱蔽的攻擊方式，一旦出現漏洞，波及范圍將十分廣泛。據知名網絡安全公司SonicWALL的一份報告顯示，2021年上半年勒索軟件攻擊次數高達3億多次，已超過2020年全年勒索軟件攻擊事件數量的總和。

(四)數據倫理問題

數據倫理問題一直被學術界廣泛討論，其中最主要也是討論最多的三個方面是：個人隱私、數據安全、數字鴻溝。個人隱私問題及數據安全問題在前文已深入分析，此處重點對數字鴻溝問題進行分析。數字鴻溝本質上是一種“技術鴻溝”，是一個公正的問題。不同群體、企業及國家之間對數據技術的開發、使用程度存在差距，從而形成“強者愈強、弱者愈弱”的馬太效應。數字鴻溝問題隨著新一代技術的發展不但沒有被解決，反而愈加凸顯。不管是個人、企業還是國家，數字鴻溝帶來的負面影響在不斷擴大。例如在個人層面，與年輕人相比，老年人學習能力差，且受傳統觀念影響難以使用手機打車、網絡外賣、移動支付等數字技術應用；在企業層面，數字化轉型領先企業與滯后企業差距不斷擴大；在國家層面，發達國家利用先行優勢已占據數字經濟制高點，而部分發展中國家卻因此被邊緣化。

五、數據要素協同治理的政策建議

由前文對數據資產目前存在的問題分析可知，我國數據治理已迫在眉睫。當前，數據已被視為一種新型生產要素，數據要素市場要“統籌好發展與安全”。在未來，它將從助力經濟發展變為引領經濟發展，因此，要使“有為政府”與“有效市場”有機結合，處理好兩者的關系，多方面協同發力，促進實現數據要素共建、共享、共治，提高數據治理能力，實現治理能力現代化。針對數據資產發展的現狀和面臨的問題，提出以下幾點協同治理建議：

(一)明晰數據權屬界定，推動數據界權法律法規建設

數據界權是數據發展的前提，數據權屬不清不但會造成數據濫用和侵權，還會限制數據流通交易發展。數據權屬的確定可以明確數據交易各方的責任與權利，使數據交易各方自覺規范自己的行為，從而化解數據產權糾紛，保護各自的權益，形成良好的交易秩序。雖然數據權屬界定存在許多難題，但面對數據產業的飛速進步，不可任其發展，因此，可以建立全國統一的數據確權體系，對數據進行分級分類權屬界定，明確數據權利類型與主體。在數據界權法律建設方面，應當隨著數據產業的不斷發展逐步修訂法律法規。因此，我們要密切關注國外有關數據立法，結合我國數據發展中遇到的問題，對數據確權相關法律法規進行研究，積極推動數據界權法律法規建設。

(二)加快數據資產化進程，統一數據估值定價標準

數據作為一種新時代的價值資源，其資產屬性得到越來越多人的關注。數據資產化可以促進企業數字化轉型，提升企業核心競爭力。在全球市值排名前十的公司中，有7家是數據技術公司，這些高科技公司能夠充分利用大數據技術，挖掘數據背后的價值，為公司創造豐厚的收益。如美國的科技公司谷歌的市場估值高達1.85萬億美元，而擁有數百架飛機等大量資產的美國航空公司的市值僅有119.78億美元。因此，我們應全面深化融合數據應用，積極推動數據資產化。在數據供給端，培養數據技術人才，建立數據應用服務體系，降低企業數據應用的成本，提高為中小企業進行數據服務的能力，解決企業不會用、不敢用問題；在數據需求端，可以培育數據驅動的新業態，舉行大數據應用成果展示、大數據競賽等活動，讓更多企業深入了解數據價值，引導企業將數據應用到各流程中，解決企業不想用、不敢用問題。此外，估值定價困難也是困擾數據資產化的主要原因之一。對此應明確數據估值定價方法，建立評估數據資產價值和價格的統一標準，形成準確高效的估值定價機制，促進數據資產化進程，為數據資產交易提供依據。

(三)提高數據開放共享水平，建立健全數據交易市場體系

實現數據價值最大化，需要數據在不同主體間開放共享。作為數據流通的主力軍，數據開放共享不順暢，不利于數據市場的形成與發展。因此，應繼續著力推動數據開放共享。在政府方面，一是推動數據開放共享相關條例法規的建設，如制定全國性的《政府數據開放共享條例》等；二是繼續積極推進政府數據開放共享，構建統一的政府數據開放共享標準體系，探索完善政企數據共享機制。在企業層面，一是健全企事業單位共享制度，建立統一的數據開放共享管理規則和技術標準，同時為信息化水平較低的中小企業提供數據技術服務；二是打通政企之間、企業之間的數據接口，推進企事業單位之間數據開放共享利益分配制度建設，通過市場化引導企業各方在互信互助、合作共贏的基礎上進行數據開放共享。

數據交易市場可以通過以下三個方面來激活。一是數據交易主體培育方面，充分發揮數據交易平臺的中介作用，積極培育一批金融、電信、互聯網等數據密集型行業企業成為合格市場主體，同時，簡化規范數據市場準入程序。二是數據交易標準方面，研究制定交易規則標準，規范數據資產交易流程，明確數據交易主體的權利和義務，保障數據使用安全；明確數據處理、轉移、保存等規則，對數據應用進行標準化分級分類，加強數據標準研發，保障數據質量。三是數據交易模式方面，成立一批專業化的數據交易平臺，探索效率高、安全性強的數據交易模式，如結合區塊鏈等新一代技術的交易模式；建立面向場景應用的數據交易模式，通過數據場景化的應用展示，讓企業更加了解數據，讓交易更加高效。

(四)完善數據監管體系，打擊數據違法行為

第一，明確數據監管主體職責，厘清各數據交易參與主體的權利義務，強化數據反壟斷執法。數據作為新興產業同互聯網行業相似，隨著數據要素市場化的發展，企業之間不斷積累數據，逐漸形成馬太效應，進而涌現一批數據壟斷企業。這些數據“巨無霸”往往會采用“二選一”“大數據殺熟”等手段，侵害消費者權益。因此，要加大數據要素反壟斷力度，明確數據監管部門職責范圍，建立數據流通監測和數據交易舉報維權機制，加強數據市場監管，嚴厲打擊數據欺詐、數據壟斷以及非法交易等行為，實現事前、事后、事中全方位監管，維持數據市場秩序，確保市場良性健康發展。第二，在監管大數據交易平臺的同時，可以通過讓大數據交易平臺承擔部分監管職責，從而形成“政府-平臺”雙重監管體系。大數據交易平臺作為數據交易的中介，可以在市場準入、數據審查、交易規則等環節進行監管，有效彌補政府監管效率低、成本高等問題。政府監管可以有效防止數據壟斷、惡意競爭等行為，調控監管整個數據交易市場。因此，要處理好政府與平臺之間的關系，使自律監管與行政監管兩者之間相輔相成。第三，完善數據跨境流動監管機制，積極與全球各國展開談判合作，探索構建公開、透明、嚴格的監管體系，參與國際數據流動市場相關規則制定，提升我國在數據領域全球治理中的話語權。

(五)加強數據安全治理，提升數據安全治理能力

面對數據安全問題，要站在總體安全觀的高度，由政府、行業及企業協同治理，構建數據安全防控體系。政府層面，首先要強化法律法規在數據安全方面的支撐保障作用，除了出臺《數據安全法》外，還需要民事與商事等法律的配套推進，如完善《民法典》中與數字交易相關的內容，《反壟斷法》中關于數據壟斷問題治理的內容等。其次要加強數據安全技術建設，推動產學研用相結合，積極研發數據防泄露、數據匿名化、數據交易安全等技術，對數據安全關鍵環節進行技術研究，完善大數據安全技術體系，解決數據安全技術漏洞。最后要建立覆蓋數據采集、處理、流通等所有環節的安全防護體系，引入用戶身份認證、數據脫敏、數據安全審計等隱私保護機制，建立風險預警防控機制，形成統一高效、協同聯動的數據安全管理體系，從機制上解決安全問題。行業層面，一是要加強行業自律，保障各方數據權益，禁止通過非法手段獲取他人享有合法權益的數據，不使用非法獲取及來源不明的數據，組織協調企業之間的數據交易與互聯互通，營造公平良好的行業環境。二是要積極推動并參加企業與科研機構的產學研合作，引導安全技術創新，不斷完善數據安全標準。企業層面，一方面要嚴格遵守行業自律，主動承擔社會責任，在利用大數據取得市場支配地位的同時，要保護好消費者個人隱私，不違規濫用收集數據。另一方面要積極研究數據安全技術，加強與政府、科研機構等之間的合作，增強數據安全產業整體實力。

(六)推動數據市場高質量發展，消弭數字鴻溝

一是利用數據技術帶動數字化場景應用研發，針對老年人、殘障人士等弱勢群體，收集數據信息，融合數據技術，打造適老化、關懷式數字應用場景，促進其生活品質提升，讓數據技術有“溫度”、惠及全體百姓。二是利用數據技術助推企業數字化轉型，對于轉型滯后企業，應主動學習數字化轉型領先企業的成功經驗，吸收先進數據技術應用經驗，挖掘企業數據資產價值，激活企業數字化經營動能，縮小企業之間的差距。三是利用數據技術賦能數字中國，運用大數據技術推動創新發展，將數據技術應用到政務服務、智慧城市等領域。同時，抓住“一帶一路”發展機遇，加強與世界各國合作，大力發展數字經濟，將我國數字化成果、數字經濟理念輸出海外，為世界數字化發展提供中國智慧和中國經驗。