數據要素市場主體培育的現實困境、國際經驗與啟示

管茜 夏義堃

摘? ?要：數據要素市場主體是數據要素市場的基本依托和核心樞紐，市場主體的培育對于提升數據要素市場活躍度與創新力至關重要。文章基于市場經濟理論、數據價值鏈等理論，從廣義和狹義兩個層面闡明數據要素市場生態系統和數據要素市場競爭主體的內涵與結構。在刻畫多層次數據要素市場主體關系譜系基礎上，分析數據要素市場主體發展面臨的地位落差、利益失衡、自律缺失和能力錯位等困境。比較分析代表性國家和我國基于“價值與安全”理念分化而導致的數據要素市場主體不同發展模式、供給機制、監管機制和培育機制的優劣。最后，提出我國數據要素市場主體培育要強化數據獲取與再利用，建設“寬進嚴管”的全流程監管機制，整體性與針對性相結合的培育舉措。

關鍵詞：數據要素；市場主體；數據生態系統；數商

中圖分類號：F49? ?文獻標識碼：Ａ? ?DOI：10.11968/tsyqb.1003-6938.2023019

Abstract The data factor market entity is the basic support and core hub of the data factor market， and cultivating the market entity is crucial to the market vitality and innovation. Based on market economy theory and data value chain theory， this paper expounds the connotation and structure of data factor market ecosystem and data factor market competitors from both broad and narrow sense. Based on the description of the relationship spectrum of multi-level data factor market entitity， this paper analyzes the dilemmas with status gap， interest imbalance， lack of self-discipline and ability dislocation. Comparative analysis of representative countries and China based on the concept of "value and safe" differentiation， results in the advantages and disadvantages of development model， supply mechanisms， regulatory mechanisms and cultivation mechanisms of data factor market entity. Finally， it is proposed that the cultivation of Chinese data factor market entity should strengthen data acquisition and reuse， construct the regulatory mechanism of the whole process of "wide entry and strict management"， and combine the cultivation measures of entirety and pertinence.

Key words data factor; market entity; data ecosystem; data commercial subject

數據要素市場主體既是數據價值的創造者，也是推動數字經濟高速發展的內生動力。數據要素的生產流轉無不依賴于市場主體的價值創造活動和市場分工合作，市場主體的規模、創造力、競爭力是數據要素市場活躍度的關鍵指標，其價值理念與行為選擇折射數據要素市場生態和市場成熟度。因而，要實現“數據二十條”等重要文件提出的培育數據要素市場、建立數據要素市場體系的戰略目標，必須大力培育和促進數據要素市場主體的健康發展。

當前有關數據要素市場主體的相關研究基本遵循兩條主軸：一是在理論層面針對數據要素市場主體功能職責與組織形式展開探討（見表1），研究方法上多采取自下而上的例舉歸納法，從供應鏈位置、產品形式、經營模式等角度梳理。一方面，例舉法雖然能夠揭示市場主體部分特征，但難以窮盡所有主體，極易忽略市場主體本質內涵。如有學者根據對數據價值鏈重要程度的影響，將主體分為從事數據價值鏈基本活動的數商和從事輔助活動、構成營商環境的營商兩大類［1］。也有學者進根據數據產品的形式差異將數商進一步細分為原始數據供應商、匯集型數據產品供應商和演繹型數據產品供應商［2-3］；另一方面，不同維度歸類方案易存在概念交叉，如數據生產加工類和數據再利用者、數據中介和數據交易平臺等職責交叉，市場主體的功能定位與盈利空間錯綜交織，反映當前研究對數據要素市場主體的類型學劃分缺乏學術共識。

二是在實踐層面研究市場主體結構失衡和運行失序問題。一方面供需結構性失衡表現在進場企業少、交易數量少、成交金額少［17］，究其原因在于數據獲取困難［18］、安全隱私風險的阻礙［19］、數據人才和技能缺失［20］等因素制約市場主體高質量供給。研究表明，為深化供給側結構性改革，應構建數據權屬保障、數據價值評估等制度規則體系，加大企業孵化器、風險投資、財政補貼等資金支持，并加快數據基礎設施建設、技術研發投入等綜合保障措施，多措并舉激勵主體參與市場活動［21-22］；另一方面，聚焦壟斷經營［23］、安全風險［24］等主體運行失序問題，分析其干擾市場主體利益分配，侵犯數據生成主體權益，破壞市場主體可持續發展等諸多危害［25-26］。為此，研究提出智能監管［27］、多主體監管［28］、全流程監管［29］等不同監管模式。但對此學術界尚未達成共識，如有學者反對全流程監管，支持適當放松事前監管，建議實施以信用監管為核心的事中、事后監管體系［30］。

總體而言，當前對數據要素市場主體的內涵、權責范疇和關系結構的研究仍有待深入。本文將在系統梳理數據要素市場主體概念內涵的基礎上刻畫其多層次的關系譜系，聚焦主體發展的現實困境，并借鑒代表性國家在激發數據要素市場主體活力、培育及監管市場主體方面的有效舉措，提出加強我國數據要素市場主體培育的可行路徑。

1? ?概念內涵與困境分析

市場主體是數據要素市場體系的核心構成，而市場交換關系本質上是市場主體數據行為的交互協同。鑒于數據要素化、市場化自身的復雜性以及不同主體競爭與協同并存的耦合關系，本文運用市場經濟理論、數據價值鏈理論來解構數據要素市場主體的內涵邊界和關系譜系，并據此推導市場主體在數據要素市場運行中發展遇阻的深層次原因。

1.1? ? 數據要素市場主體的概念界定

從宏觀市場功能來看，廣義的市場主體包括作為監管主體的政府以及市場的生產經營者、消費者、中介機構等，而狹義的市場主體是以盈利為目的從事商品生產及經營活動的市場競爭主體［31］。據此，廣義的數據要素市場主體由個人、企業、政府依次充當原始生產者、處理和控制者、監管者，不同主體的有效運行及相互關系構成了數據要素市場生態系統；而狹義的數據要素市場主體，則為從事營利性數據生產和經營活動的原始數據提供商、生產加工商和運營商等，數據產品的供需流轉形塑了數據要素市場的競爭主體與競爭結構。

（1）數據要素市場生態系統

數據生態系統承載數據資源循環流動和持續性價值增值功能，包括資源、動力、主體、社會環境四大構成要素。因此，數據要素市場生態系統包括多形態的數據資源，持續性市場需求，市場主體關系網絡與功能職責，以及數據基礎設施、信息技術等社會技術環境四大組成部分。各組成部分之間相互依托、互為促進，并通過創新生態系統、流通系統、輔助支撐系統實現數據要素的市場化配置。其中，創新系統承擔數據資源生產和增值功能，通過數據采集、加工、開發過程中的數據匯集、數智融合實現“數據-信息-知識-智慧”的價值躍升，為不同類型、不同層次的用戶提供多樣化數據產品；流通系統承擔數據產品流轉和價值分配功能，解決系統內數據要素在合適時間流向合適主體、以及價值分配和風險分攤的問題，涉及交易撮合、數據價值評估、風險審計、售后保障等多類型市場主體；輔助支撐系統則是以創新和流通系統為服務對象的支撐體系，包括從事數據基礎設施、信息技術、數據人才、市場監管等主體，助力數據要素市場的高效配置和公平分配。

三大子系統內的市場主體間存在動態轉換和松散耦合關系。一方面，市場主體業務的復雜性和多樣性，決定某一市場主體可兼任、轉換其在子系統中的功能職責和位置關系，如數據經紀人、數據代理人、數據交易平臺等數據運營商，既能以上游數據提供者身份參與創新生態系統活動，又可承擔各類數據商品的交易流通任務；另一方面，由于產品的多元化、系統的開放性、主體競爭合作性，三大子系統市場主體依托數據生產鏈構成一種松散的耦合關系，如提供數據集產品和智能解決方案產品的市場上下游主體的可形成多樣化組合關系（見圖1）。

（2）數據要素市場競爭主體

數據要素市場競爭主體是以營利為目的，以數據資源化、產品化和商品化為核心業務和收入來源，推動和實現數據要素市場資源有效供給、高效配置的關鍵性驅動主體，是有效銜接供應-需求的重要樞紐。

根據數據資源化、產品化、商品化的上中下游業務功能特點，不同數據主體所承載的業務范圍、市場定位也各不相同。其中，上游數據資源化的核心在于激活數據潛在價值，包括承接數據分級分類、數據資源目錄、數據清洗、數據標注等業務的數據匯聚提供商、數據質量評估商、數據加工服務商等主體。其目的在于實現數據要素的規模化匯聚和標準化控制，具有資源密集型和勞動密集型特征。中游數據產品化的重心在于凝結數據使用價值，滿足市場多元消費需求，如數據分析服務、數據技術與應用服務等主體通過技術、知識等投入，設計、開發面向政府、工業、健康醫療、交通、公安等行業的多元數據產品，具有明顯的技術密集型和知識密集型特征，因此必須解決數據權屬糾紛以保證主體利益，從而激勵產品創新。下游數據商品化的目標在于實現數據交換價值［32］，面向消費者實現數據產品交易，如數據合規服務商、經紀服務商、交付服務商等提供市場準入、交易撮合、交易監管等服務。最后需方將所得數據商品投入自身產品生產，實現其對整個社會經濟發展的宏觀效應，且使用過程持續積累新的原始數據，并借助數據治理服務商等多元主體的參與，實現數據要素在供需端的持續循環（見圖2）。

1.2? ? 數據要素市場主體培育困境

培育和諧共生、充分競爭且彼此合作的數據要素市場主體，需要破除當前市場主體在市場地位、利益分配、市場自律、能力結構方面的阻礙。

（1）不平等的市場地位

當前，數據要素領域存在“計劃管理——市場調節”或“政府控制——市場配置”的二元結構［33］，公共數據主要依賴自上而下計劃管理，企業數據則以市場調節為主，導致各類數據要素未能協同調配，兩種配置手段不能相互補充，從而阻礙了市場主體及時、準確獲取數據要素生產資料。

首先，政府主導下的國有企業與民營企業數據獲取地位不平等。政府控制大量公共數據，一些高價值密度的數據不是以開放途徑而是通過授權許可、特許經營等手段開放給特定的國有企業［34］，或者是僅在公共部門內部交換；其次，在市場配置手段下，大型企業與中小企業數據支配地位不平等。數據要素的高固定成本、低邊際成本特性，使得平臺型企業為收集、存儲和分析數據付出了昂貴成本，為保護自身權益就會限制其他市場主體訪問和獲取數據［35］。此外，平臺型企業依托其用戶規模和資金技術優勢，而中小型、初創型市場主體受限于權力、資源和技術而無法積累、獲取同等質效的數據要素，企業間激烈的數據競爭使得市場新進入者很難打破數據要素市場準入壁壘，與占據市場支配地位者展開公平競爭；第三，數據生成主體和數據控制主體的數據權利地位不平等。在“知情/告知-同意”模式下，數據生成主體實際是以個人數據讓渡來置換服務，消費者與服務提供商在技術能力方面的差異更是使其陷入被動支配地位而難以控制其個人數據并獲得合法收益。為此，歐盟《一般數據保護條例》和我國《個人信息保護法》均規定“不得以個人不同意處理其個人信息或者撤回同意為由，拒絕提供產品或者服務”，然而過分強調數據生成主體權益在一定程度上增加了中小企業的數據合規成本。這種數據主體和數據控制者的“零和博弈”［36］，加劇了市場主體間的緊張關系，阻礙了數據要素在主體間的循環流通。

（2）不均衡的利益分配

相比傳統市場主體的縱向合作、橫向競爭，數據要素市場主體面臨橫縱向雙重競爭擠壓，阻礙多層次數據要素市場主體培育。

一方面，部分市場業務尚未形成穩定成熟的收益模式，導致數據要素市場橫向同質化競爭，差異化不足，據《全國數商產業報告（2022）》，我國現有數據資源集成商約41萬家，占數商市場21.41%，而數據交易經濟服務商僅有4649家，占0.24%；另一方面，數據利益與數據產品權利歸屬的模糊性，阻礙上下游分工合作，縱向競爭取代縱向合作。既表現在上游主體不愿出讓數據給下游生產加工商［37］，如騰訊訴浙江搜道網絡技術有限公司、杭州聚客通科技有限公司，擅自收集微信用戶數據用作廣告分析［38］。還表現在大型科技公司通過兼并、收購等手段對上下游業務的侵占，全能型、復合型企業數據要素市場主體出現，“贏者通吃”產業發展模式加劇了企業間分工邊界模糊，形成壟斷型企業擠壓上下游企業和中小企業、攫取超額利潤的局面。

（3）不充分的市場自律

當前數據要素市場主體的行為自律不足集中表現在兩個方面：一是平臺型企業、政府機構作為數據提供者獨占數據資源，壓縮中下游市場主體數據開發利用空間；二是作為數據市場經營者的數據中介攫取超額利潤，打擊供需主體數據創新積極性。

一方面，政府占有大量數據并向特定主體授權，授權標準模糊與缺乏依據極易引發權力尋租［39］，增添額外制度成本，被獨家授權的主體還可能不當提高數據產品的定價，侵害消費者的權益，阻礙數據產品的多樣化開發；另一方面，平臺型企業依靠其壟斷支配地位［23］，不僅導致獨占數據、操控價格、限制排除競爭、攫取超額利潤等影響市場公平競爭的卡特爾行為，同時衍生算法剝削、數據不當使用、安全風險等系列問題，影響市場主體和諧發展。如平臺型企業大規模數據匯集使得即便經過脫敏、匿名化處理后的數據，仍然可能在多源數據整合、關聯分析后變為敏感數據，從而危及國家機密、商業秘密和個人隱私［40］。

數據要素市場的阿羅信息悖論加劇了中介機構的自律缺失和運行失序。由于數據價值的不確定性、數據要素市場的信息不對稱、供需雙方數據權利的不對等，需要可信中介機構平衡主體數據關系、參與數據流轉交易。但現實運行中，“生產者-中介機構-消費者”之間的啞鈴型結構進一步凸顯了中介機構的市場主導作用，導致其可以利用上下游之間的信息差，壓低上游生產者價格，抬高出售價格，攫取大量中間利潤。因此，如果沒有強有力的多主體數據行為監管與實時高效的透明度，則難以培育數據要素市場主體信任關系，不利于提振生產端和消費端的主體積極性。

（4）不匹配的能力結構

數據要素市場主體發展需要專業化、復合型數據人才支撐。有競爭力和創新力的市場主體不僅具備“定義、協調、收集、策展、獲取、分析、可視化、傳播、實施和評估”基本數據能力［41］，還包括法律和政策能力、價值評估能力、專家溝通能力、業務能力和服務能力［42］，以及市場主體間異質技能和持續創新的新方法［43］。

與之相對的是當前數據要素市場主體的人才結構與市場發展需求之間的不匹配。根據《網絡安全產業人才發展報告（2022）》分析，我國數據安全相關人才尤為緊缺，預計2027年缺口將擴大到300萬人［44］。數據清洗脫敏、數據建模等細分領域專業人才缺失，以及數據知識技術的快速迭代和數據人才培養必要周期之間的矛盾［20］，使得數據人才缺口已成為數據要素市場主體發展的掣肘。此外，不同數據要素市場主體對數據人才能力結構要求存在差異，精準的人才需求描述和匹配對市場主體也構成挑戰［45］。

2? ?數據要素市場主體培育的國際比較

針對數據要素市場主體發展面臨的地位、利益、能力結構等阻礙，各國主要從價值取向、發展模式、供給機制以及監管培育機制等方面為數據要素市場主體建設營造良好的發展氛圍。

2.1? ? 價值取向

各國的戰略決策、法律規則所倡導的價值準則，潛移默化影響數據要素市場主體行動選擇和發展方向（見表2），價值與安全、干預與自主、企業利益與公共利益成為培育市場主體不能回避的重要問題。

美國《2020年聯邦數據戰略行動計劃》的40項實踐行動中第2、10、36、40條反復強調要實現數據的商業化和創新，在“商業優先”價值理念下，數據要素市場主體得以免于政府的過多干預，優先考慮數據的商業化和價值實現，維護企業自身利益，在市場自由競爭中實現自身發展。

歐盟《通用數據保護條例》（以下簡稱GDPR）、《關于開放數據和公共部門信息再利用的指令》《數據治理法案》《數字服務法案》《數字市場法案》等系列文件反復強調“公平”和“以人為本”原則，通過建設單一數據要素市場的價值引領，確保各類主體能公平參與市場競爭，任何市場主體的發展不得侵害社會公眾和其他主體的平等發展權。

英國試圖擺脫歐盟嚴格的隱私保護戰略政策束縛，強調“負責任的數據使用”，市場主體必須以合法、安全、公平、道德、可持續和負責任的方式使用數據。為此，企業主體要提升數據能力，通過創新和研究釋放數據價值，政府要明確數據使用法律框架并推進基礎設施建設，社會公眾也要提升自身對數據的控制能力。

2.2? ? 發展模式

以數據流通生態系統的各類市場主體為核心，供需雙方的關系差異構成不同的數據要素市場主體發展模式，包括美國的數據經紀人模式、歐盟和英國的數據中介模式、中國所商分離模式（見表3）。

美國數據經紀人，上通數據源頭，下達數據消費者，其核心目標是最大程度促進數據自由流動和供需匹配，釋放數據經濟價值；其功能角色包括從政府、商業、公開等渠道采集數據，并匯總、分析、加工形成衍生數據產品交易，即可自由參與數據要素市場全部活動；其組織形式十分復雜，與大型科技公司之間關系錯綜且不透明，科技公司可以是數據經紀人數據來源、也可以是數據經紀人本身。因此，數據經紀人因直面消費市場具有較高的靈敏性和前瞻性，但也加劇了上下游兼并的壟斷風險。

歐盟和英國數據中介模式本質是重視流通主體在交易撮合之外的權益制衡和監管職責。2020 年11 月，歐盟《數據治理法案》（Data Governance Act）（草案）首創“數據中介服務提供者”（providers of data intermediation services），強調第三方和獨立、受信任的數據中介，構建供應方-服務方-需求方的市場主體多邊關系。與此不同的是，英國數據中介模式不再強調數據中介身份和組織形式，不需要以獨立身份介入數據要素市場，可以是數據控制者、也可是處理者、保管人、加工商、交易撮合商、隱私保護者等角色，其核心在于通過激勵手段、技術手段、監管機制、創新能力破除數據要素流通的阻礙。

我國所商分離模式在組織形式上與數據中介模式類似，功能角色則與數據經紀人類似。一方面數據交易服務商存在于供需雙方之間，構造多邊關系，如依托政府機構的貴陽大數據交易所、上海數據交易所，依托大型數字平臺企業的阿里、騰訊、百度等API數據市場；另一方面數據交易服務商的功能角色重在交易撮合和供需匹配，而不過多干預權益分配。

2.3? ? 供給機制

數據要素是市場主體進入市場的基礎性資源和基本條件，直接影響市場主體運行成本。當前各國均強調公共數據應高質量、公平地向市場主體開放共享，如美國《2020年聯邦數據戰略行動計劃》指出要以開放、機器可讀的形式促進政府和非政府機構公平的數據獲取，要求制定數據清單并優先納入與業務需求相關的高價值數據集，數據開放要考慮數據再利用者的需求，開展數據風險評估；歐盟《關于開放數據和公共部門信息再利用的指令》要求大多數公共部門數據免費或以低成本提供，開放利用標準許可要遵循“客觀的、相稱的、非歧視性的”原則，并規定“再利用應向市場上的所有潛在行為者開放”，以此保障市場主體公平獲取數據要素。

各國個人數據保護政策對市場主體的數據要素獲取成本、合規成本存在直接影響。歐盟遵循一貫的隱私保護優先原則，GDPR強調了知情同意原則作為合法處理個人數據的基本原則，且數據控制者不能要求數據主體放棄數據權利以換取服務，并對數據形成者的交易能力或放棄自身權利行為施加限制，要求他們不得“售賣”受《權利憲章》保護的基本權利，此舉無疑加大了歐洲數據市場主體個人數據獲取利用的制度成本。英國已經認識到傳統歐洲路線導致的中小企業面臨的低數字化水平和數據獲取的成本困境，主張修訂《數據保護法》，并提出了新的《數據保護和數字信息法案（草案）》，以簡化英國個人數據保護政策的實施，從而“消除使用個人數據進行負責任創新的障礙”，減輕企業負擔［46］。美國雖未明確要求數據處理應具有個人“同意”等法律依據，但要求數據控制者就其數據處理的隱私政策進行“告知”并由隱私消費者自行決定“留下”還是“離開”，并不試圖在立法層面凸顯個人數據權能，更為強調的是數據公司在運用個人數據時應遵守的實體規范和程序規則［47］，主張通過適度地削弱個人信息主體的絕對控制權優勢，保障市場主體充分自主自愿和商業模式創新探索的空間。

此外，各國都強調激勵企業數據有序開放流通，降低中小型企業獲取門檻與成本。歐盟先后出臺《面向公眾利益的企業對政府數據共享歐洲戰略》《數據法》等法規制度，極力推動企業間、企業對政府的數據共享，明確企業間數據流通的原則，主張向數據接者提供合理補償，將能夠為公共利益自愿提供大規模數據的法律實體注冊為“數據利他組織”，以激勵企業積極參與數據要素供給。

2.4? ? 監管機制

數據要素市場主體及其行為監管是維護市場秩序的重要舉措，總體上各國都把數據要素市場運行過程中系統性安全風險和主體壟斷經營風險作為監管要點（見表4）。從監管主體來看，政府監管為主、多元主體共同參與的監管格局乃大勢所趨；從監管手段來看，全流程監管是未來發展方向。

美國為保障市場主體活躍度，實施寬松事前監管和嚴格事后監管。以法律形式賦予數據主體“知情”和“選擇退出”（opt-out）權，以年度數據登記注冊、禁止活動紅線、經營活動信息公開和審計的“事前規矩較松，事后嚴格監管”來保障數據要素市場主體自主空間。同時要求企業使用規范合同、技術驗證、安全管理技術等手段對數據來源和數據使用過程實施自主監管。

歐盟實現了監管法與普通法的內容協同，并推進數據要素價值實現的全流程監管。通過《數字市場法案》《數字服務法案》《歐洲共同體競爭法》實現了數據要素市場相關法和反壟斷法的內容協同，將GDPR納入反壟斷執法。考慮到反壟斷調查周期較長，并且需要復雜的法律和經濟評估，《數字市場法》提出守門人概念、定量指標和違法巨額罰款三位一體的監管模式，要求至少每3年審查一次平臺守門人，簡化了反壟斷法認定市場支配地位的復雜程序，成為擁有反壟斷法威懾效果并超越反壟斷法的全流程監管工具。

英國試圖打造協同監管體系，充分發揮市場監管力量。競爭和市場管理局（CMA）下設數字市場工作組與通信辦公室，并與信息專員辦公室密切合作，協同監控市場主體行為。同時，支持“通知-咨詢-被動參與-合作-授權”的遞進式、參與式數據監管，發展代表受益人處理和使用數據的個人和組織，包括英國生物銀行等數據信托組織、Salus Coop等數據合作社組織，從而建立權力制衡機制，提高公眾對數據使用的信心，超越基于安全合規性的監管，轉向以社會許可為基礎的開放應用型監管。

2.5? ? 培育機制

數據要素市場主體培育機制關乎市場活力，美、歐、英都高度重視市場主體培育，紛紛通過數據產權制度的完善、前沿技術研發投入的加大、數據技能和人才培養的強化等建立系統性的數據要素市場主體培育框架。

（1）數據產權制度關乎市場主體利益分配，是激勵市場主體的根本法律手段，各國持續探索商業秘密保護、競爭法保護、侵權法保護、財產權保護等多元路徑，整體上遵循以公有保護為原則，以私有保護為例外。如美國的版權法只對數據庫中的原創性匯編進行保護，而對非原創基礎數據并不適用，歐盟數據庫指令也未禁止提取或重復使用數據庫的非實質部分的數據，上述制度旨在降低數據的財產權保護范圍，擴大數據流通與共享范疇；（2）前沿技術創新不僅事關數據流轉加工效率，還會影響到數據產品形態與管理方式的轉型升級，是數據要素市場價值潛力挖掘的重要著力點。美、歐、英三國都尤為重視人工智能、云計算為代表的關鍵數據技術發展，如美國要求聯邦機構提供數據使用的AI用例［48］，歐盟2014-2020年就有14億歐元投入 5G通信，高性能計算的發展，并強調數據與算法的協同治理，保障數據要素潛在價值發揮和創新；（3）數據技能和人才培養決定了數據要素市場主體可獲得的整體人力資本質量，各國通過學校教育和職業教育相結合、明確數據技能評估指標、加大數據技能培訓資金投入、促進專業數據科學人才培養，為數據要素市場主體提供人力支持。如歐盟《數字歐洲計劃》擬建設數字技能和就業聯盟，2021-2022年投入2億歐元培養數據技能，通過實習、培訓、學徒和短期培訓計劃，培訓 100 萬年輕失業者從事空缺的數字工作。

與此同時，各國還出臺了針對中小企業和創新型企業等特定主體的專門性培育扶持政策。（1）數據基礎設施是數據要素安全、高效流通的物質載體，相比大型企業，中小企業受數據基礎設施阻礙尤為明顯［49］，美國《2021年聯邦數據戰略行動計劃》在2020年行動計劃的基礎上，要求聯邦機構在2023年IT資本規劃和投資預算中明確企業數據基礎設施投資預算；（2）保障中小企業公平獲取數據資源。歐盟《數字市場法》要求平臺守門人通過適當和高質量的技術措施（如應用程序編程接口）確保最終用戶或授權的第三方可以連續、實時、自由獲得數據，考慮到初創企業很難與平臺守門人以相同的規模和程度訪問、分析數據，要求平臺守門人不得將深入消費者數據分析作為行業慣例。美國針對大型科技公司過多收集個人數據的情況，要求聯邦貿易委員會制定關于數據積累的規則［50］；（3）降低中小企業的制度成本、合規成本等運營成本，《歐洲地平線2020》賦予中小型數據服務商更長的豁免期，在營業額和人數規模達到歐盟小微企業標準后延長12月，并支持小型和微型企業免于防止數據濫用的措施、內部投訴處理等額外義務以獲得競爭優勢，降低其數據獲取的制度成本；（4）多途徑的資金支持、人才培養等降低中小企業競爭壓力，英國支持中小企業在線參加數據技能培育，歐洲創建開放數據孵化器，支持中小企業數據創新，并通過針對網絡和技術企業家的歐洲創業計劃，為中小企業和初創企業提供進一步的資金支持。

3? ?結論與啟示

綜上所述，建立統一的數據要素市場體系，實現數據要素發展、市場主體培育的充分融合與協同共進是要把握“價值與安全”的辯證關系，避免過嚴監管壓縮數據要素市場主體活動空間，過松監管造成企業和公眾利益受損。

（1）持續探索公共數據再利用模式創新，推動社會數據融合，確保數據要素市場主體生產資料的充分獲取。公共機構應當優先提供與民生緊密相關、社會迫切需要、行業增值潛力顯著和產業戰略意義重大的高價值公共數據，對公共數據開發利用主體的加工性行為、經營性行為進行必要約束，以避免因主體數據角色的交織重疊而阻礙數據市場公平。同時，應為企業主動公開的數據提供合理權屬保護，加大基礎設施投入和數據交換平臺建設，促進社會面多源數據的共享交換。

（2）實施“寬進嚴管”的數據要素市場主體準入機制和全流程監管模式。探索正面引導清單、負面禁止清單和第三方機構合規認證三位一體的數據要素市場主體準入機制，厘清“寬準入”的現實邊界，構建包括組織類型、準入行業、經營活動范圍、信譽狀況、等級規模、經營方式、違法違紀記錄等要素有機融合的復合型準入指標體系。搭建事前、事中和事后全流程“寬進嚴管”閉環框架，確立數據要素市場從業人員基本素質要求，明確信息年報和公示制度實施的主要障礙，建立企業信用監管機制，探索數據交易機構信用評級方案和專業服務機構的社會信用體系、危機預警機制、激勵懲戒機制建設。

（3）構建數據要素市場主體培育機制，打造多層次的數據要素市場生態系統。數據權屬制度、數據人才培養、數據基礎設施建設、數據技術研究同步推進，降低市場主體準入門檻，打破數據要素流通壁壘、營造激勵與約束并行的制度生態。針對中小企業和創新企業，實施財政補貼、稅收減免、政府購買服務等一攬子政策工具。

*本文系國家社會科學基金重大項目“基于數智融合的信息分析方法創新與應用研究”（項目編號：22&ZD326）研究成果之一。

參考文獻：

［1］? 黃科滿，杜小勇.數據治理價值鏈模型與數據基礎制度分析［J］.大數據，2022，8（4）：3-16.

［2］? 李曉珊.數據產品的界定和法律保護［J］.法學論壇，2022，37（3）：122-131.

［3］? 李峰，吳婷.數據資產開放模式比較研究［J］.新金融，2022（7）：4-11.

［4］? Smith G，Ofe HA，Sandberg J.Digital service innovation from open data： exploring the value proposition of an open data marketplace［A］.2016 49th Hawaii international conference on system sciences（HICSS）［C］.IEEE Press，2016：1277-1286.

［5］? Mercado-Lara E，Gil-Garcia JR.Open government and data intermediaries：the case of AidData［A］.Proceedings of the 15th annual international conference on digital government research［C］.ACM，2014：335-336.

［6］? Marcelo I S，Oliveira G，Bernadette F L.Investigations into Data Ecosystems：a systematic mapping study［J］.Knowledge and Information Systems，2019（61）：589-630.

［7］? 孫方江.反壟斷視角下數據要素市場治理體系的構建［J］.西南金融，2021（9）：75-85.

［8］? Lee D.Building an open data ecosystem：an Irish experience［A］.Proceedings of the 8th international conference on theory and practice of electronic governance［C］.ACM，2014：351-360.

［9］? Centre for Data Ethics and Innovation.Unlocking the value of data：Exploring the role of data intermediaries［EB/OL］.［2023-02-07］.https：//www.gov.uk/government/publications/unlocking-the-value-of-data-exploring-the-role-of-data-intermediaries/unlocking-the-value-of-data-exploring-the-role-of-data-intermediaries#Section-1.

［10］? 上海市數商協會，上海數據交易所有限公司，復旦大學，等.全國數商產業發展報告（2022）［EB/OL］.［2023-02-07］.https：//mp.weixin.qq.com/s？__biz=MzIzNDA5MzMyMw==&mid=2806808514&idx=2&sn=34560e896ee1f03d179efb588c28ea48&chksm=ca4371a6fd34f8b083dbfddc72c839f14810598d3e906ffc0c79eb5f7c4c76c407d15ef5151c&scene=27.

［11］? Zuiderwijk A，Janssen M，van de Kaa G，et al.The wicked problem of commercial value creation in open data ecosystems： policy guidelines for governments［J］.Information Polity，2016，21（3）：223-236.

［12］? 國務院.中華人民共和國市場主體登記管理條例［EB/OL］.［2023-02-07］.http：//www.gzzy.gov.cn/zyx2020gb/zwgk/jgsz/zssydw/jgswj_5756121/zcwj_5756125/202205/t20220520_74156697.html.

［13］? 李愛君.數據要素市場培育法律制度構建［J］.法學雜志，2021，42（9）：17-28.

［14］? 傅曉.警惕數據壟斷：數據驅動型經營者集中研究［J］.中國軟科學，2021（1）：56-67.

［15］? Shivakumar Ram.The market power of "superstar" companies is growing［EB/OL］.［2023-03-12］.http：//www.chicagobooth.edu/en/review/market-power-superstar-companies-growing.

［16］? 商希雪，韓海庭，朱鄭州.基于演化博弈的數據收益權分配機制設計［J］.計算機科學，2021，48（3）：144-150.

［17］? 黃朝椿.論基于供給側的數據要素市場建設［J］.中國科學院院刊，2022，37（10）：1402-1409.

［18］? 李勇堅.互聯網平臺數據壟斷：理論分歧、治理實踐及政策建議［J］.人民論壇·學術前沿，2021（21）：56-66.

［19］? 呂欣，裴瑞敏，劉凡.電子政務信息資源共享的影響因素及安全風險分析［J］.管理評論，2013，25（6）：161-169.

［20］? 付熙雯，王新澤.我國數據交易研究進展：系統性文獻綜述［J］.情報雜志，2022，41（11）：137-143.

［21］? European Commission.European Data Market study 2021-2023［EB/OL］.［2023-03-27］.https：//digital-strategy.ec.europa.eu/en/library/results-new-european-data-market-study-2021-2023.

［22］? ODI.Bottom-up data institutions［EB/OL］.［2022-03-27］.https：//theodi.org/article/how-can-the-uk-government-and-other-policymakers-support-bottom-up-data-institutions/.

［23］? 孟小峰，朱敏杰，劉立新，等.數據壟斷與其治理模式研究［J］.信息安全研究，2019，5（9）：789-797.

［24］? 袁波.大數據領域的反壟斷問題研究［D］.上海：上海交通大學，2019：196-197.

［25］? John R R.Book reviews：Move fast and break things：How Facebook，Google，and Amazon cornered culture and undermined democracy［EB/OL］.［2023-03-27］.https：//www.researchgate.net/publication/320427546_Review_of_Taplin's_Move_Fast_and_Break_Things.

［26］? 梅夏英，王劍.“數據壟斷”命題真偽爭議的理論回應［J］.法學論壇，2021，36（5）：94-103.

［27］? Fabiana D P，Marialuisa Z.Co-regulating algorithmic disclosure for digital platforms［J］.Policy and Society，2021，40（2）： 272-293.

［28］? Ada Lovelace Institute.Participatory data stewardship：A framework for involving people in the use of data［EB/OL］.［2023-03-27］.https：//www.adalovelaceinstitute.org/report/participatory-data-stewardship/.

［29］? 曾錚，王磊.數據要素市場基礎性制度：突出問題與構建思路［J］.宏觀經濟研究，2021（3）：85-101.

［30］? 劉志成，臧躍茹.構建現代市場監管體系：現實基礎、改革方向與推進思路［J］.宏觀經濟研究，2021（8）：5-16，27.

［31］? 劉國慶，周毅.工商行政管理學［M］.遼寧：東北財經大學出版社，2018：119.

［32］? Andreas Wittel.Counter-commodification：The economy of contribution in the digital commons［J］.Culture and Organization，2013，19（4）：314-331.

［33］? 張守文.要素市場化配置的經濟法調整［J］.當代法學，2022，36（5）：3-13.

［34］? 王錫鋅，黃智杰.公平利用權：公共數據開放制度建構的權利基礎［J］.華東政法大學學報，2022，25（2）：59-72.

［35］? 殷繼國.大數據市場反壟斷規制的理論邏輯與基本路徑［J］.政治與法律，2019（10）：134-148.

［36］? 姚佳.企業數據的利用準則［J］.清華法學，2019，13（3）：114-125.

［37］? 齊英程.作為公物的公共數據資源之使用規則構建［J］.行政法學研究，2021，129（5）：138-147.

［38］? 中國法院網.數據權益不正當競爭糾紛案［EB/OL］.［2023-03-07］.https：//www.chinacourt.org/article/detail/2021/04/id/5993099.shtml.

［39］? 張會平，顧勤.政府數據流動：方式、實踐困境與協同治理［J］.治理研究，2022，38（3）：59-69，126.

［40］? 何培育，王瀟睿.我國大數據交易平臺的現實困境及對策研究［J］.現代情報，2017，37（8）：98-105，153.

［41］? Presidents management agenda.Curated Data Skills Catalog［EB/OL］.［2023-01-18］.https：//resources.data.gov/assets/documents/fds-data-skills-catalog.pdf.

［42］? NAA.Information management capabilities for all staff［EB/OL］.［2023-01-16］.https：//www.naa.gov.au/information-management/information-management-and-data-capabilities/information-management-capabilities-all-staff.

［43］? Massimiliano Nuccio，Marco Guerzoni.Big data： Hell or heaven？Digital platforms and market power in the data-driven economy［J］.Competition & Change，2019，23（3）： 312-328.

［44］? 中國科技網.《網絡安全產業人才發展報告》發布［EB/OL］.［2023-03-07］.http：//stdaily.com/index/kejixinwen/202209/4dfe59769a364fde8f0d5f58504a9790.shtml.

［45］? Government Digital Service，Crown Commercial Service.How to find a digital specialist on Digital Marketplace［EB/OL］.［2023-03-27］.https：//www.gov.uk/guidance/how-to-find-a-digital-specialist-on-digital-marketplace.

［46］? Science，Innovation and Technology.Data Protection and Digital Information Bill：Supporting documents［EB/OL］.［2023-03-10］.https：//www.gov.uk/government/publications/data-protection-and-digital-information-bill-impact-assessments.

［47］? 彭輝.數據權屬的邏輯結構與賦權邊界——基于“公地悲劇”和“反公地悲劇”的視角［J］.比較法研究，2022（1）：101-115.

［48］? Federal Data Strategy development team.Federal Data Strategy 2021 Action Plan［EB/OL］.［2023-03-09］.https：//strategy.data.gov/assets/docs/2021-Federal-Data-Strategy-Action-Plan.pdf.

［49］? Department for Digital，Culture，Media & Sport.UK National Data Strategy［EB/OL］.［2023-03-09］.https：//www.gov.uk/government/publications/uk-national-data-strategy.

［50］? THE WHITE HOUSE.Executive Order on Promoting Competition in the American Economy［EB/OL］.［2023-03-15］.https：//www.whitehouse.gov/briefing-room/presidential-actions/2021/07/09/executive-order-on-promoting-competition-in-the-american-economy/.

作者簡介：管茜，女，武漢大學信息管理學院博士研究生，研究方向：政府數據治理、數字經濟；夏義堃，女，南京大學數據管理創新研究中心教授，研究方向：政府數據治理、數字經濟。