數據交易動態合規：理論框架、范式創新與實踐探索

王青蘭 王 喆

2022 年12 月，中共中央、國務院印發《關于構建數據基礎制度更好發揮數據要素作用的意見》（以下簡稱《意見》），將數據流通與交易合規提升到國家戰略高度，明確指出要建立合規高效、場內外結合的數據要素流通和交易制度，完善數據全流程合規和監管規則體系，規范引導場外交易，培育壯大場內交易。數據交易合規在實踐中存在狹義和廣義兩種不同的理論視域：從狹義來看，數據交易合規是指交易主體為防控數據交易過程中的各種合規風險而構建的治理體系；從廣義來看，數據交易合規是指以數據交易主體合規責任落實為核心，以第三方服務機構與數據交易場所運營機構（以下簡稱“數據交易所”或“數據交易平臺”）的合規服務為防火墻，以數據交易監管部門的合規激勵為指引的場內外全流程數據交易治理體系。本文所指稱的數據交易合規屬于廣義的數據交易合規。

不同于一般領域，數據交易合規存在著巨大的立法及規則空白，“怎么做才算合規”成為數據交易實踐中最大的痛點。在如何平衡數據權益保護與數據高效利用的核心命題中，明晰的法律法規和包容的動態監管是激發數據交易市場活力的基本要素，須臾不可分。雖然《意見》淡化了數據所有權的爭議，提出建立數據資源持有權、數據加工使用權、數據產品經營權等分置的產權運行機制，以鼓勵數據交易流通，平衡數據權益保護與數據利用的兩難，但其在合規實踐中如何落地依然存在較大的爭議——如果對數據權益尤其是個人信息的權益保護過于嚴格，交易主體的合規義務就會增加，數據交易與利用可能面臨重重阻礙，甚至成為相關產業發展的制約因素；如果以產業發展為先，減輕交易主體的合規責任，忽視個人信息保護，個人權益與隱私泄露將會愈演愈烈，大規模侵權事件可能發生，并造成較為惡劣的社會影響。

既然數據交易市場發展時間較短，相關規范體系支撐不足，短期內也無法實現規則健全，那么依托數據交易場所進行合規體系改革與制度創新，就具有極其重要的意義。一方面，數據交易所可以作為監管緩沖區，幫助企業進行入場合規體檢與整改，強化數據交易合規風險的事前防范、事中預警與事后監督；另一方面，數據交易所可以作為改革試驗田，通過交易標的個案的合規積累與疑難標的上市的合規論證，為我國數據要素市場發展提供引導、規范和保障，為立法提供實踐經驗借鑒。因此，本文擬構建一個全新的數據交易動態合規理論模型，并基于深圳數據交易所的前沿探索，論證其合理性與可落地性，以期為我國數據要素市場化改革提供新思路。

一、相關文獻綜述

在數據法律體系較為完善的歐美地區，數據合規作為一種理念，貫穿于從數據采集開始的全生命周期。而交易作為數據流通的一個環節，其合規問題并未受到特別重視，鮮有文獻專門研究數據交易的合規問題。美國的數據交易市場發軔于消費者個人信息交易的需求，不斷迭代的互聯網技術裹挾著消費者在線活動產生的大量數據流入交易市場。于是乎，一個叫作數據商（Data Brokers）的新產業出現了，它們專門收集、處理和銷售個人信息［1］，經過幾十年的發展，已經成為美國數據交易市場發展的底座。歐洲對個人信息保護極其嚴格，但并未阻止其商業化，而是鼓勵通過隱私增強技術的發展來促進新興的數據交易市場發展［2］。因此，歐美的數據交易合規研究主要側重于數據商以及個人信息的隱私保護合規，再加上歐美并不存在中國這種由政府主導的場內數據交易生態，自然也不存在專門針對數據交易平臺的合規體系研究。

不同于中國“所商分離”的頂層設計，歐美的數據交易平臺屬于數據商產業的一部分。學者們普遍認為，數據商大規模收集個人信息進行交易的行為存在嚴重的隱私泄露風險，即便是將個人信息售予執法部門，也存在著程序正當性的風險［3］。為了增加數據商交易的透明度［4］，自20 世紀70 年代以來，“通知和選擇”成為應用于數據商產業的主要監管框架［5］，在一定程度上限制了未經消費者同意的數據交易行為。2014 年，美國聯邦貿易委員會在深入研究9 家數據商后，呼吁通過立法構建數據商的問責機制［6］。 實踐中，美國通過權衡數據的社會經濟效益與隱私風險，采取事后且基于市場的模式來應對個人信息交易的挑戰，而歐盟則強調隱私權利與數據合規，采取事前且基于國家和市場合作的模式來探索解決方案［7］。不少學者都認為歐盟的數據保護框架是監管數據商的有效模型［8］，美國需要采取類似歐盟的綜合性立法來解決問題［9］。

我國數據合規研究尚在早期，也缺乏從數據采集端便開始的全生命周期合規治理實踐，因而相關文獻較少，多集中于近兩年，主要涉及企業數據合規建設、刑事合規問題以及技術視角的切入。其中，企業數據合規研究主要圍繞法律框架與運作機制的完善［10］、隱私政策的規范［11］以及跨境數據合規體系的創新［12］等議題展開；刑事合規問題的研究主要關注單位犯罪刑事歸責［13］、刑事訴訟中如何對待數據合規等問題［14］；技術視角切入的研究主要聚焦于科技助力數據合規的路徑［15］，或數據合規科技本身的風險規制［16］等問題。

作為數據合規的重要應用場景，數據交易有望成為推動數據合規實踐落地的重要抓手。遺憾的是，目前我國數據交易合規體系的理論研究基本處于空白階段。有學者通過數據交易場所運營機構的合規創新來論述數據要素合規交易的新范式［17］，側重于數據交易合規實踐的描述；有學者提出了數據所有權共有的概念來推動數據合規交易［18］，關注的是數據確權與收益分配問題。還有一些學者通過重構“可交易數據”的范圍［19］或者強化個人信息保護［20］來完善數據交易市場的規則體系，間接論述了數據交易合規的相關問題。在我國數據要素市場建設的關鍵時期，厘清數據交易合規的基本概念，構建合適的理論框架并將其應用于實踐，具有重要的理論價值與現實意義。

二、我國數據交易合規實踐的痛點剖析

我國數據交易市場借鑒了證券交易市場的運作模式，采取的是“所商分離”的發展思路，因此，基于數據交易所的“場內數據交易”生態乃我國獨有。在場內交易的語境中，只有獲得數據交易所認可的“數據商”資質，才能在場內銷售數據，未取得資質的數據賣方可以委托數據商入場進行交易。不同于美國將數據商限定為個人信息的收集、處理與銷售，在我國，通過各種合法來源收集、處理數據并轉化為交易標的出售的企業法人，通過資質審核后，可以在場內申請登記為數據商，因此，從概念上來說，我國數據商的外延更廣。由于現階段法律法規較為滯后，我國數據交易市場面臨場內交易合規成本高的入場難、場外黑灰產盛行的監管難以及國際數據合規話語權缺失的作為難等痛點。再加上監管不明確，企業害怕“合規體檢”“不敢入場交易”，即便有交易需求，也會借助場外黑灰產市場以規避合規監管。

（一）痛點一：場內合規成本高導致入場難

一是場內交易占比低。根據工業信息安全發展研究中心的測算，2021 年數據要素市場規模約為815 億元，預計2025 年規模有望接近2 000億元［21］，但當前規范的場內交易占比不足5%［22］。根據我們的統計與估算，2022 年深圳數據交易所、廣州數據交易所、貴陽大數據交易所、福建大數據交易所、上海數據交易所、鄭州數據交易中心的交易總金額為24.32 億元。 以數據要素市場發展較為成熟的金融行業為例，其采購規模呈指數級增長，近5 年來，采購項目數量復合年均增長率達到40%，年交易量在百億元級別［23］，但幾乎都為場外采購。

二是合規成本高削弱企業入場交易意愿。傳統場內每個交易標的上市均需第三方專業機構出具合規評估證明，服務費用一般從一萬元到幾十萬元不等，而場外交易并未對合規作強制要求，較高的入場合規成本導致企業“不愿入場交易”。監管多頭、執法邊界不明、標準不統一進一步加重了合規性風險和交易成本［24］。我們統計發現，2022 年深圳數據交易所的數據商中，高達65%的交易標的因入場合規成本壓力而暫緩上市，其中不乏龍頭企業的成熟數據產品。

（二）痛點二：場外黑灰市盛行導致監管難

一是數據權益難保障。作為數據權益侵害的重災區，侵犯公民個人信息犯罪案件數量近年來持續保持在高位。2020 年，全國檢察機關起訴侵犯公民個人信息犯罪6 000 余人，2021 年起訴人數攀升至9 800 余人，2022 年起訴9 300 余人。非法信息交易犯罪呈現產業化趨勢，交易模式甚至訂單化，犯罪效率更高、手段更隱蔽，查處難度更大［25］。針對這一狀況，國家發展和改革委員會等九部門聯合發布《關于推動平臺經濟規范健康持續發展的若干意見》，明確從嚴管控非必要采集數據行為，依法依規打擊黑市數據交易、大數據殺熟等數據濫用行為。

二是場外交易難監管。數據交易市場野蠻生長多年，場外已形成成熟的黑灰產業鏈。此外，通過調研我們了解到，國內數據行業現階段過度依賴事后監管，加之力度有限，故市場仍存僥幸心理，并視合規為不必要成本。因數據交易無實體性，數據流通及交易難以覺察，故在具體案件發生前監管難識別、難介入、難核查。

（三）痛點三：國際數據合規的話語權缺失

一是第三方評估認證機制尚處空白。歐美國家普遍建立了成熟的第三方合規評估認證機制，印章與標識作為認證的視覺化展示，極大提高了市場的合規透明度［26］。歐盟由歐洲數據保護監管局和成員國數據監管機構負責數據交易監管［27］，并通過GDPR 構建了由歐盟數據保護委員會、歐盟委員會、各國監管機構、各國認證認可機構、第三方評估認證機構組成的一整套認證管理體系［28］。美國則通過悠久的行業自律傳統，形成了一套行業自我監管的第三方評估認證體系，打上第三方評估認證的印章與標識是一種保證，即被評估的企業符合特定的數據合規標準，倘若第三方評估存在瑕疵，監管將對該認證機構采取指控行動［29］。當前，數據合規評估與認證機制已經成為國際通行規則，也是平衡數據處理者、監管機構和社會公眾之間關系的重要紐帶。而我國的數據合規評估依然以自評估或政府評估為主，數據合規第三方評估認證機制尚處空白，相關立法與政策支撐不足。

二是第三方評估市場幾乎處于空白狀態。歐美通過立法與政策支持，促進了第三方評估與認證市場不斷發展，經驗豐富的數據合規律師或者安全專家聯合發起的Onetrust、TurstArc 等智能化第三方評估或認證機構逐步占領全球市場，早在2020 年Onetrust 估值就高達51 億美元［30］，TrustArc 則推出了風靡全球的TRUSTe認證，加之傳統的ISO 認證體系也由BSI（英國標準協會）、DNV（挪威船級社）等國外認證機構主導，目前我國大型企業均委托上述境外機構開展數據合規相關的評估與認證，客觀上對境內企業數據安全和國家數據主權帶來一定風險。深圳律師協會數據合規法律專業委員會的調研顯示，截至2022 年底，全國具備三年以上數據合規評估經驗的律師占比不足0.2%，我國數據合規第三方評估市場幾乎處于空白狀態。以隱私/個人信息保護技術供應商為例，中國僅有2 家，而美國則有170 家［31］。

三、從靜態合規走向動態合規：理論框架的構建

從上述痛點分析中可以提取出若干模型變量，它們分別是：合規嚴格程度（嚴格或者不嚴格）、合規靈活程度（靜態僵化或者動態靈活）、風險程度（高或者低）、合規成本（高或者低），合規意愿（高或者低）。在此基礎上，可以構建一個基于類型學方法論的理論模型（見圖1）。該模型展示了四種數據交易的合規類型，其中，“合規嚴格程度”與“合規靈活程度”是兩個最基本的調節變量，這里將其分別作為模型的縱坐標和橫坐標，其“高低”變化將直接或間接影響其他變量，并最終確定合規體系的類型。

圖1 動態合規基礎理論模型

（一）類型學方法論下的變量分析

從數據交易的經驗世界出發，可以提取出現實世界中各種合規體系混合成品的基本變量，接下來，進一步分析其中的基礎變量，探究數據交易合規體系的本質特征。誠如卡多佐所言：“在我們能夠確定一種化合物的比例之前，我們必須了解將予以混合的成分。”［32］因此，本文所采取的類型學研究方法，更加注重研究過程中的外部視角——一種為了適應廣泛的比較研究而采取的事物觀察方法［33］。

在我們的模型中，合規嚴格程度與合規靈活程度是最基礎的兩個變量，它們在合規體系中的比例，決定了合規模型的類型。其中，合規嚴格程度主要是由“交易標的流通是否前置合規評估”來決定，它直接影響數據交易合規風險的高低程度，并呈現負相關關系——合規嚴格程度越高，交易合規風險越低。合規靈活程度則是由“該合規評估程序的靈活性”來決定，它直接影響數據交易合規成本的高低程度，也呈現負相關關系——合規評估程序靈活度越低，靜態的重復評估次數與內容就越多，合規成本就越高。

實踐中，為了提高市場主體的合規意愿，一般的做法是降低合規的嚴格程度，即采取“弱合規”策略。以場內交易為例，如果不做合規審核，或者降低第三方合規評估的標準，的確會顯著降低合規成本，數據商的入場意愿也會極大提高，但隨之而來的交易風險不容忽視——數據合規作為一種新興的治理模式，并未被市場主體普遍采納，在缺乏大規模合規“體檢”的前提下，當前市面上流通的交易標的“不合規”是主流，采用“弱合規”策略將進一步擾亂市場秩序，“劣幣驅逐良幣”的現象可能越來越多地上演，不利于我國數據要素市場的長遠發展。

在場內數據標的上市合規審核實踐中，會經常遇到采取“弱合規”策略的第三方法律意見書，即律師用降低合規評估嚴格程度的方式，幫助客戶入場交易。比如某法律意見書最后的結論為：“該企業具備參與數據交易的合法主體資格，在獲得合法有效的數據授權前提下，其數據產品的數據來源合法合規。”這個結論表面上看沒有重大結論性錯誤問題，數據商也認為自己被評估的數據產品已達到合規標準，但此結論隱含的前提是，該數據產品必須在“獲得合法有效的數據授權前提下”才滿足來源合規的要求。事實上，經我們調查，該企業的數據產品并未獲得上游企業授權，不具備交易的合法性基礎。類似的情況不勝枚舉，“隨便審審”“不要嚇跑企業”成為一些律師或者交易平臺的選擇，雖然短期內這種策略可以達到促進交易尤其是場內交易的目的，但從長期來看，不利于我國數字經濟的高質量發展。

如果降低合規嚴格程度有風險，那是否有其他方法可以在不增加風險的前提下提高企業的合規意愿？答案不言自明，只能調節另外一個基礎變量，即“合規靈活程度”來實現。比起簡單粗暴地調節合規嚴格程度，調節合規靈活程度需要非常精巧的制度設計，方能實現真正的“動態”合規，從而防止“一刀切”的靜態評估。比如，將信用機制引入數據交易合規體系，推進信用分級監管，建立安全可控、彈性包容的治理模式；利用技術手段對交易主體與交易標的進行全流程合規追蹤，分環節與維度對被審核標的進行拆分，每次只需審核新增風險部分，從而避免重復僵化審核。

（二）基于模型的推論與類型選擇

通過上述分析，我們已經能夠掌握兩個基礎變量的基本調節方式，接下來，進一步通過變量調節結果的組合，構建起數據交易合規體系的類型學模型。一方面，通過調節合規嚴格程度的高低，可以得到：高嚴格“合規”體系與低嚴格“弱合規”體系兩種基本的合規策略。需要說明的是，在模型中，只要滿足了基本的合規要求，就達到了高嚴格“合規”體系的要求，因而無論是60 分及格合規，還是100 分滿分合規，都屬于高嚴格“合規”體系的范疇。另一方面，通過調節合規靈活程度的高低，可以得到高靈活“動態”體系與低靈活“靜態”體系兩個基本的合規評估程序策略。最后，經過兩兩組合，可以得到四種類別的數據交易合規模型：靜態合規體系、靜態弱合規體系、動態合規體系、動態弱合規體系（見圖2）。

圖2 動態合規類型學模型

綜上，可以得出“動態合規體系”的基本內涵，即在不降低合規基本要求的前提下，通過提高合規評估機制的靈活度，構建一種場內外全流程數據交易動態治理體系。該體系以數據交易主體的誠信合規責任為基礎、以第三方服務機構與數據交易場所運營機構的合規服務為支撐、以數據交易監管部門包容審慎的合規激勵為指引，兼顧了嚴格與靈活的要求，企業的風險最低、合規意愿最高，是四種類型中的最優合規策略。在此基礎上，還可以結合實踐得到以下結論：

第一，目前場外交易無前置的合規評估要求，再加上難以監管，因而極少有交易賣方愿意主動做交易前的合規自評估。既然連合規評估程序都不存在，自然也談不上評估程序是否靈活。

第二，場內交易有基本的合規要求，且便于監管，如何提高企業的合規意愿，讓更多企業入場交易，是解決問題的關鍵。相較于場外交易，場內交易對于企業來說最大的考驗在于對其合規的考驗，企業需要花費直接或者間接合規成本做體檢與整改，不愿意做合規評估基本等于不愿意入場交易，因此，必須提高企業的合規意愿，以促進入場交易的繁榮。

第三，傳統場內交易都是靜態合規體系或者降低了合規嚴格程度的靜態弱合規體系。誠然，只要提高合規的動態靈活性，就能在不降低合規嚴格程度的前提下，直接降低合規成本，提高企業合規與入場意愿。實務中，數據交易平臺及監管機構之所以不采取這種方式，主要是因為靜態容易、動態難；調節合規嚴格程度容易，調節合規程序的靈活性難。靜態合規本質是“一刀切”，即“為了達成某種政策效果而采用的相對單一的執行標準或/和方式”［34］，在市場發展初期，這種方式具有一定的合理性，但從長期來看不利于整個數據要素市場發展。我國數據交易的合規體系亟待創新改革，從靜態邁入動態。

四、標準、合規師、信用與AI：范式創新的要素

動態合規在理論上雖然是最優的數據交易合規類型，但是需要解決一個問題，就是如何在嚴守合規底線、不降低合規要求的前提下，通過變量“合規靈活程度”的改善，來滿足動態合規的要求。這里梳理出四個創新要素，完成數據交易合規范式的創新，其中“標準”與“合規師”是動態合規保障合規底線的基礎要素，“信用”與“人工智能”（以下簡稱“AI”）是動態合規實現動態靈活的效率要素（見圖3）。

圖3 標準、合規師、信用與AI 四要素對模型的影響

（一）“標準”引領實現合規促交易

在動態合規的理想模型中，數據交易的合規要求不會降低，但實踐中，由于立法滯后且短期內也無法填補空白，交易標的流通所需的前置性合規評估成為“燙手的山芋”——無論是數據賣方還是提供第三方法律評估服務的律師，都不知道“怎么做”才能達到合規的標準；數據交易場所運營機構與數據交易監管部門也還未達成統一標準來判斷第三方法律評估機構出具的評估意見是否符合要求。通過制定數據交易標的合規評估標準，可以在立法滯后的情況下有效緩解當前規則缺失的問題，促進數據交易市場的良性競爭與合規經營。此外，制定標準還能有效提高數據交易市場的透明度和公信力，增強市場參與者的信心與合規意識。遺憾的是，我國數據交易合規仍待統籌管理及規劃，如評估標準、評估要求、評估流程等方面均存在標準“缺位”，未形成統一的合規評估標準及行業共識。基于此，我們梳理出的第一個范式創新要素就是“標準”，建議依托數據交易所，聯合主管機關發布評估標準、認證標準，并根據數據要素市場的發展狀況不斷更新，再通過評估認證，督促數據交易主體不斷調整行為，以持續滿足合規要求，促進各方利益再平衡。

（二）培育“合規師”填補產業空白

“標準”之后的第二個要素就是“合規師”，兩個要素共同組成數據合規評估的基礎。在數據交易的場景下，通過第三方法律服務機構對交易標的進行評估與認證，不僅可以促進數據交易主體自律合規，而且可以幫助監管部門促進監管合規，加強社會公眾對數據交易行為的合規信任。歐美國家普遍建立了完善的第三方數據合規評估與認證體系，在實踐中也得到了產業界的普遍認可。我國不僅缺乏這樣的行業自律、企業自我監管機制，而且缺乏相關的第三方評估合規人才，更沒有孵化出像OneTrust、TrustArc 這樣的第三方評估或認證獨角獸企業。結合我國國情，應大力發展數據交易合規師產業，并依托數據交易所，先行探索構建場內數據交易合規師認證體系、標準化合規第三方評估培訓體系及能力指數認證。

（三）引入“信用”實現動態化監管

從國內外數字經濟的前沿實踐來看，數字技術的發展與立法滯后之間存在永恒矛盾。我國數據交易的合規實操，在很長一段時間內都不可避免地以彈性條款、原則條款為主，合規與不合規的邊界始終存在較大的模糊地帶。在這種情況下，數據交易主體必然害怕監管，數據交易場所運營機構以及數據交易監管部門亦不知如何監管，無奈之下只能選擇“一刀切”的靜態合規模式以保障基本的合規需求。必須創造性地將“信用”工具引入數據交易合規體系的建設中，進行事前風險防范、事中監督管理與事后監督追責的動態監管，降低數據交易信用成本，促進市場主體合規交易。建議依托數據交易所，探索面向政府端的“誠信合規”監管體系與面向市場端的“信用+合規”動態評級，從而創新數據交易模式，有效打通數據交易監管與數據交易促進的合規堵點，構建數據交易合規的全新范式。

（四）“AI”系統研發提高合規效率

如果說“信用”工具的應用是通過交易主體主動的誠信合規來降低反復進行合規評估與監管的必要性，那么“AI”就是通過評估服務與監管的智能化來提高合規效率、降低合規成本。AI 技術在合規評估中的應用，主要是通過“基于規則”和“基于學習”這兩種方式來實現。“基于規則”的方式在法律AI 技術的應用中，體現為基于規則觸發條件自動輸出某種合規判斷，目前在國內應用比較成熟的領域為合同的合規性審核。“基于學習”的方式則一般通過決策樹模型或者神經網絡等機器學習方式，對已有數據進行大規模學習，構建起合規與否的關聯推理。在數據交易智能評估的實現路徑中，可行的方式是先通過“基于規則”的自動化，實現初步的效率提升，如通過制定數據交易標的合規評估清單，進行合規與否的初步判斷，并智能化識別合規風險，提出合規整改意見或者合規風險預警。在此基礎上，再進行數據交易合規垂直領域的AI 模型訓練，結合數據交易合規知識圖譜，進一步提高效率與智能化水平。

五、動態合規視角下數據交易的邏輯轉向

動態合規作為一種數據交易合規體系建設的最優解，能夠有效將“合規”變成促進交易的手段，并通過場內合規交易的繁榮與牽引，實現場內合規倒逼場外合規，最終構建起多層次、多元化的數據交易合規生態體系，凝聚更為廣泛的社會共識，推動更為深入的合規行動。

（一）合規激勵逆轉：從阻礙交易轉向促進交易

合規是數據交易的基礎，但不是數據交易的目的，數據交易的目的是促成更多交易。傳統的靜態合規模式讓企業的合規自證成本居高不下，再加上相關監管機制也不完善，導致企業因為“合規”的前置要求而“不敢入場交易”或者“不愿入場交易”。借鑒強化理論的行為路徑［35］，合規在這里甚至可以被視為一種“負向激勵”，強化了企業的“不入場交易”行為。動態合規模式能夠逆轉合規評估因成本問題而帶來的對“不入場交易”的行為強化，通過提高合規效率、減少交易風險等多重疊加的“正向激勵”，強化企業的“入場交易”行為。同時，通過監管部門的動態協同監管，在盡量減少企業打擾的同時，讓交易主體認識到不合規的風險，如懲罰性罰款、品牌聲譽受損等風險遠大于合規治理所支付的成本，從而激勵市場主體規范化交易。同時，隨著動態合規模型在現實中的逐步應用，合規成本的切實降低，也會進一步正向激勵企業主動開展合規評估，并將數據合規融入公司治理的全過程。

（二）合規場域擴展：從場內交易向場外交易延展

動態合規落地的最佳策略選擇，是依托數據交易所，進行場內數據交易合規體系的深度變革，并依托場內數據交易動態合規的信用評價體系，打通監管鏈路，探索建立跨部門的事前、事中、事后協同監管機制，推進交易異常行為發現與風險預警研究，將數據交易動態合規評估與評級結果運用到行政監管與司法審判過程中，確保數據依法合規開展交易，破解數據交易監管難題。一旦場內交易的合規優勢形成，將倒逼場外交易的合規改革，實現合規場域的充分延展。因此，這里的邏輯轉向屬于分支轉向，最終目標是建立合規高效、場內外結合的數據要素流通和交易制度。合規場域的擴展，也意味著數據交易“黑灰市”亂象可以得到有效遏制，數據權益的保護也有了全域的合規抓手，企業主動合規、誠信合規有望成為主流。

（三）合規共識凝聚：從行業共識走向社會共識

在動態合規體系的落地過程中，數據交易合規作為一種社會共識也將逐步形成。在第一階段，通過合規評估標準的打造，形成數據場內交易的合規共識，本階段的共識主要是數據交易場所運營機構、第三方服務機構與交易監管部門達成法律人的行業合規共識，打造專業高效評估的效率底座。在第二階段，通過對數據交易主體的普法教育，提高其參與意識，以交易個案逐步積累形成交易標的所在垂直行業領域的合規共識，構建覆蓋全行業的數據交易合規氛圍。在第三階段，通過對普通民眾數據權益的良好保護與整個數據交易法治化、信用化營商環境的打造，加快在全社會形成重視數據交易合規的輿論氛圍和良好預期，從而形成全社會的合規共識，達成觀念上的共鳴，合規自然就會成為數據要素市場發展的核心價值觀。

六、“動態合規理論”的深圳探索與實踐

深圳數據交易所2023 年2 月正式啟動“動態合規”體系改革，試圖通過“深圳標準”的引領，探索打造國內首個數據要素流通法治化營商環境高地、全國首個數據交易合規師產業集聚區以及全國首個數據交易動態合規協同監管試點，爭創數據交易法治建設領域的多項全國第一。短短幾個月時間，已初步形成一批改革成果。

（一）啟動“深圳標準”下的動態合規協同監管試點

一是推動制定地方標準《數據交易標的合規評估規范》。在深圳市發展和改革委員會、深圳市司法局等的指導下，深圳數據交易所聯合福田區司法局、深圳市北鵬前沿科技法律研究院、深圳市標準技術研究院，結合現有立法、司法與行政實踐，立足深圳數據要素市場化特點，牽頭制定地方標準《數據交易標的合規評估規范》，在全國首創“3×4”數據交易合規評估體系，分3 個環節與4 個維度對數據交易合規評估進行實操指導，規定了各類組織交易數據標的應遵循的合規要求，從而規范數據交易活動、保障數據依法合規有序流通，并通過場內交易的合規引領，加速倒逼場外交易合規建設。

二是打造數據交易動態合規協同監管試點。在福田區司法局支持下，試點在依法治區委員會下設企業合規協調小組，推動出臺推動數據交易合規建設、優化法治化營商環境的相關工作方案。與國際接軌，探索構建市場化的數據合規標準、認證與標識體系。需要注意的是，該認證體系屬于交易平臺對上市產品的內部認證，未被納入《中華人民共和國認證認可條例》的監管范疇。同步構建由監管機構、深圳數據交易所、第三方評估機構組成的市場化認證管理體系，鼓勵行業自律、數據商自我監管，提升數據要素市場“圳品”影響力。積極應對國外數據合規壁壘，推動深圳標準、認證、標識走出去，提升我國參與國際數據規則制定的話語權。

（二）率先開展數據合規評估第三方服務業培育

一是依托深圳數據交易所，培育數據交易合規師產業。在深圳市發展和改革委員會的指導下，推行“數據交易合規師”專才計劃，搭建“培訓+考核+認證+評級”四位一體的人才建設體系，培養一批“懂數據、懂交易、懂合規、懂數據資產價值挖掘”的復合型合規人才。深圳數據交易所已于2023 年4 月底正式對外發布國內首個“數據交易合規師”培訓、考核與認證體系，吸引了來自全國各地的631 位律師、公司法務、IT、數據安全、審計人員等相關從業者提交資質審核，截至2023年7 月26 日，已完成127 位學員的培訓、認證與考核工作，并頒發認證證書。同步開啟“數據交易合規評估法律服務機構庫”成員注冊工作，解決數據商進行場內交易找誰評估的問題，不到三個月的時間，已有境內外148 家律師事務所申報入庫，其中112 家律師事務所完成首批入庫資質審核。

二是打造全國首個數據交易合規師產業集聚區。由深圳數據交易所牽頭，聯合司法行政部門，依托深圳豐富的律師資源，引導和培育更多專業律師擔任數據交易合規師。推動國內首個聚集數據交易合規師人才資源的“數據產業園公共法律服務中心”項目在福田數據要素全生態產業園落地，依托數據交易合規師為數據交易企業、數據商等提供“嵌入式法律服務、互動式普法宣傳、動態式合規體檢”等多維度現代化公共法律服務，同步配套多元化數據交易爭議解決模式創新，便捷化解決數據交易糾紛。

（三）引入信用機制探索包容審慎的動態監管體系

一是引入信用機制，探索包容審慎的動態監管體系。深圳數據交易所牽頭制定《數據交易動態合規指引》，探索“法治+信用”動態協同監管體系，構建以誠信合規為核心的信用監管機制，從事前高門檻準入、高標準審查、高成本管理，變成事前“信用核查+信用承諾”、事中“信用監測+信用預警”、事后“信用激勵+信用懲戒”，構建數據交易良好信用環境，增進數據交易主體間的信任，降低數據交易的制度性成本。

二是初步構建數據商、第三方法律服務機構、數據交易合規師等三大主體的信用評級機制。在深圳市發展和改革委員會、深圳市市場監督管理局（信用辦）的指導下，深圳數據交易所率先在全國開啟數據交易信用體系建設試點，首批面向數據商、第三方法律服務機構、數據交易合規師三類主體從不同維度構建信用評級指標，并建立動態評級機制。例如，針對數據商，從自主自治、市場自律、行業監督和政府監管四個維度構建指標體系，并將信用評級結果應用在合規管理方面，等級高的可適當減少合規服務頻次，降低數據交易的合規成本。

（四）AI 系統研發提高合規效率

一是自主研發數據交易合規評估模型和智能算法。初期針對訓練數據稀缺問題，深圳數據交易所邀請專家廣泛參與，使用AHP（層次分析法）確定各評估環節與維度的初始權重，在此基礎上，基于深圳數據交易所數據樣本的積累，利用機器學習，逐步建立起合法、安全、誠信與權益保障四個合規維度，以及主體合規、標的合規與流通合規三個具體環節的風險推理動態模型。同時，使用NLP（自然語言處理）與CV（計算機視覺）技術智能采集數據交易合規相關問題，并配套可視化技術實現數據交易合規風險分析等功能，可識別合規風險超過500 項。

二是打造四端聯動的數據交易合規評估系統。面向數據商端，研發數據交易合規AI 自測工具；面向律師端，研發第三方合規評估審核AI 輔助工具；面向審核端，研發產品上架合規審核AI輔助工具；面向監管端，研發監管端動態合規評級與風險預警工具。以上四個系統均在內測或研發過程中，將逐批上線公測。同步配套智能答疑交互模塊，通過深圳數據交易所自研法律知識圖譜，結合最新的AIGC（生成式人工智能）預訓練大語言模型技術，提供數據交易合規答疑、數據交易政策法規文件查詢、數據交易行業案例演示等智能答疑功能。

七、結語

本文將合規嚴格程度與合規靈活程度作為基礎變量，通過類型學的分析方法得到了四種不同的合規體系類型，論證了“動態合規”這一合規體系建設的最優解。必須承認的是，合規嚴格程度和合規靈活程度作為基礎變量，不能充要決定合規范式的優劣。考慮到在當前數據交易的實踐中，“嚴合規”與“促交易”之間的矛盾，儼然已成為阻礙數據要素高效利用的最大障礙，如何在有限的條件下因時制宜，摸索出破局之道，成為改革的關鍵。因此，我們拋開了其他可能的建模因子，最大化簡練合規體系類型模型的構建，以期能撥開數據交易亂象的迷霧，看清可以摸索的改革前路。

合規發展是數據要素市場高質量發展的必然。以數據交易為應用場景，以場內倒逼場外合規為目標，是現階段推動數據合規高效流通的關鍵驅動力。從某種意義上來說，場內數據交易是市場主體邁入數據要素市場的“成人禮”——通過可交易數據的“盤點”，釋放數據資產的價值挖掘潛力；通過數據標的上市前的“質檢”，激發數據合規的內生發展動力。深圳數據交易所的動態合規改革，是一場通過合規理論體系的創新與實踐打通合規行為與合規監管之間堵點的先行實驗，最終目標是通過合規范式創新，打造覆蓋數據交易主體、第三方服務機構、數據交易場所運營機構、數據交易監管部門四類參與主體的動態合規鏈路，從而實現“合規標準—合規執行—合規監管”的邏輯閉環。