數據確權、規模差異與平臺跨界成長

摘 要 數字經濟發展對商業模式創新具有深刻影響，也給經濟社會治理帶來諸多新挑戰。用戶個人信息權益主張的響應，以及消費者信息保護的問題也引起社會各界廣泛關注。本文將平臺企業價格策略內生于演化博弈模型，據此研究數據要素的產權安排對平臺企業跨界成長的影響機理。研究表明：第一，無確權約束下，規模差異影響平臺定價策略選擇，大規模平臺企業能夠通過內部范圍經濟實現跨界成長。第二，數據確權條件下，不同的產權制度安排對平臺跨界成長的影響路徑不同。數據歸屬平臺，有限理性的平臺更傾向于保守的定價策略，借助穩定的用戶規模實現平臺跨界成長;數據歸屬用戶，平臺企業傾向于激進的定價策略，但限制了平臺跨界成長。第三，相對于數據產權安排缺位，由于存在“ 隱私悖論” ，短期而言，數據確權對平臺定價策略的選擇沒有實質影響。長期來看，隨著制度環境的逐漸規范，平臺企業濫用用戶非敏感數據、借助大數據算法歧視性定價獲利等行為將得到有效制約，同時社會治理的成本也會下降。據此，本文提出進一步完善數據要素市場機制以及數據要素產權安排的政策建議。

關鍵詞 數據確權;隱私悖論;用戶規模;跨界成長

0 引言

加快培育數據要素市場，激活數據潛能，釋放數據價值，是我國“十四五”期間亟待解決的重大課題。黨的十八大以來，習近平總書記先后八次發表關于數字經濟的重要講話。黨的十九屆四中全會明確將“ 數據” 列為一種生產要素。其中，明晰數據要素所有權的歸屬問題，是構建數據要素市場的前提①。數據要素可以理解為以下三個層面：即作為一種生產要素的數據;作為一種生產組織方式的數據要素;作為一種新技術和制度變革推動力的數據要素（ 陳釗等，2022）。文獻中更多討論的是第一個層面的內涵。與傳統生產要素相比，數據要素具有非競爭性、衍生性以及隱私外部性等特征。眾所周知，區別于傳統企業成長路徑，平臺企業由于非對稱價格結構、交叉網絡外部性以及用戶多邊歸屬等屬性，它們越來越呈現出跨界成長的特征。平臺企業成長過程中核心要素是拓展用戶規模、積累數據優勢。為此，平臺企業可以從用戶基礎、企業范圍以及數字接口三個方面實現邊界跨越，提升盈利能力。但值得注意的是，平臺企業跨界成長會導致市場傾翻（Market Tipping），此時平臺有動機和能力借由規模優勢和數據優勢，阻遏潛在進入者，進而實施諸如“大數據殺熟” “二選一” 等數據濫用行為。面對平臺企業的無序擴張、限制競爭行為，由大型數字平臺占主導地位的市場中，不太可能快速自我修正。

在數據產權尚未界定的情形下，“誰收集、誰開發、誰收益”是目前平臺企業利用數據的潛規則（商希雪，2021）。平臺企業借助大數據算法和大量用戶數據進行用戶畫像，一方面降低了用戶的搜索成本，提高了產品或服務的匹配效率;另一方面，平臺企業通過動態定價突破用戶規模的“臨界容量”，降低了平臺企業進入新市場的成本。與此同時，平臺企業，特別是主導平臺，通過將其冗余的用戶數據資源價值化，實現內部范圍經濟。

2020 年中央經濟工作會議強調“ 要依法規范發展，健全數字規則。完善平臺企業壟斷認定、數據收集使用管理、消費者權益保護等方面的法律規范”。2022 年《個人信息保護法》的提出為完善處理個人信息提供了合法性基礎，特別新增了超大互聯網平臺特定的個人信息保護義務要求。用戶個人信息權益主張的響應，以及消費者信息保護的市場機制與法律規制問題也引起社會各界廣泛重視與討論。盡管各國政府相繼出臺了數字經濟與平臺企業的相關規制政策，但仍存在核心概念模糊、界定不清的灰色地帶，并未形成系統明確的制度體系。用戶數據可以分為諸如姓名、身份證號碼等敏感個人數據以及在各種平臺上伴隨交易活動產生的使用痕跡等脫敏的非敏感個人數據。非敏感數據是數據確權的相關研究中存在爭議的部分。

數據和信息的“非物”屬性一直是數據確權的“痛點”。從數據共享到隱私悖論，相比數字經濟的快速發展，數據所有權的制度安排與數據要素市場交易的底層邏輯仍然缺位，相關的理論研究成果也寥寥無幾。本文的邊際貢獻主要體現在以下兩個方面。一方面，新古典經濟學認為，企業成長由產品需求和供給的市場均衡決定。因此，傳統的企業成長理論，往往將企業成長理解為規模與能力兩方面，實證研究中經常采用數據可得性較強的托賓Q 值、凈資產收益率等會計指標衡量企業成長性。而在數字經濟時代，有著更多的因素可以內生決定平臺企業的成長路徑或速度。本文從數據產權安排的視角，通過消費者的隱私偏好、政府的信息保護程度以及數據類型研究平臺企業跨界成長問題。平臺企業的成長問題與傳統企業成長存在區別，成長性主要表征為用戶規模的擴張。因此，本文選取用戶規模衡量平臺企業的成長性。

另一方面，新古典理論框架中，企業成長問題實質上是完全理性假設下的利潤最大化問題，不考慮內部資源的影響。而新古典的企業成長理論無法解釋平臺企業的跨界成長。此外，類似主題如政府信息保護政策對企業定價策略及消費者福利變化影響的相關研究基本上都是在Choe et al. （2018） 基礎上修改假設條件，構建線性Hotelling 模型進行分析。本文遵循彭羅斯效應的邏輯，討論有限理性的平臺企業族群，其策略選擇是在動態定價的收入效應與增值數據的搜尋成本之間作權衡。其中，彭羅斯效應指的是由于管理資源的約束，快速成長的企業可能受到管理能力的約束出現一段時期的低速成長狀態。相比相關文獻基于線性模型的討論，本文更符合平臺企業成長的特征，即以數據為基礎的競爭形態。而數字經濟條件下，數據要素的歸屬一定程度上成為約束企業成長的條件之一，具體表現為平臺定價策略的動態變化。

本文其余部分的結構安排如下：第1 部分對相關文獻進行梳理與特征分析;第2、3 部分是平臺動態定價策略與消費者隱私披露互動策略的機理分析;第4、5 部分借助數值模擬驗證理論模型的命題;第6 部分是結論與建議。

1 文獻綜述

1.1 平臺企業跨界成長

隨著互聯網及數字技術的普及應用，一批“ 經營平臺” 的大企業飛速發展（江小涓，2017）。這些企業被統稱為平臺企業，它們是在技術、產品或者交易系統中提供基礎功能建構模塊的平臺提供商（Cusumano and Gawer， 2003）。它們依托提供的平臺架構設計促成受網絡效應影響的雙方進行交易（ Baldwin and"Woodard， 2009; Gawer， 2014）。迄今為止，文獻對于平臺的邊界還未達成共識。理論經濟大多基于網絡經濟學的分析框架展開研究，重點關注定價與網絡效應的作用，更多認為平臺企業“ 邊” 通常是靜態的。陳威如和余卓軒（2013）將平臺企業界定為通過連接兩個或多個用戶群組以滿足所有群組需求、實現盈利的企業;高良謀和張一進（2018） 認為平臺企業將平臺作為核心模塊，其職責在于實現企業的本質功能并為實質性問題提供解決方案。戰略管理和信息系統的相關研究發展了平臺企業不同邊界決策的理論，譬如Gawer（2021） 指出平臺邊界涵蓋平臺用戶、平臺企業的范圍和數字接口。邊的數量決策（ Hagiu，2014）以及邊的組成決策（Cusumano et al. ， 2019）是構建平臺業務的關鍵環節。以科斯為代表的制度經濟理論認為企業的邊界是邊際收益等于邊界成本的臨界點，據此得到最優企業規模的均衡結論。

此后學者從交易成本論、資源基礎論、身份認同論等視角展開討論。值得注意的是，由數字技術衍生的平臺企業，作為新的企業形態打破了傳統的企業邊界（Santos and Eisenhardt，2005）。而信息系統的相關研究認為，平臺及其互補產品之間的技術接口影響平臺企業的邊界。換言之，平臺企業可以“設計”數字接口的開放程度決定平臺的邊界（Ghazawneh and Henfridsson，2013）。由此可見，平臺企業可以從用戶規模、平臺企業的范圍以及平臺的數字接口三個維度，實現跨界成長。

1.2 數據要素確權

數據確權是完善要素市場化配置體制機制中的重要一環，是數據市場建設和數字經濟持續發展的基礎性制度（唐要家，2021）。目前，學界針對數字痕跡的產權歸屬存在諸多爭議，非敏感個人數據的產權歸屬直接決定了數據的流動、分享以及相關產業的發展（嚴宇和孟天廣，2022）。區別于傳統生產要素，數據要素具有虛擬性（OLeary， 2013）、非競爭性（ Acquisti et al. ， 2016）、排他性、互補性、協同性（費方域等，2018）等特征。從數據的產生形式上看，數據要素可劃分為個人數據、企業數據與公共數據等類型。其中，個人數據又可以劃分為敏感個人信息與數字痕跡（徐翔等，2021）。前者能夠直接識別出用戶身份，包括但不限于姓名、身份證號、家庭住址等信息;后者是指用戶個人使用平臺提供的數字化產品與服務的使用痕跡，諸如瀏覽、搜索、購買、收藏等記錄，這些數據通常經過脫敏處理，較難識別出個人身份。數據作為生產要素，在其生產（Jonesand Tonetti，2020）、創新和金融信貸（謝丹夏等，2022）中都具有價值。本文則以平臺企業為研究對象，補充了平臺基于海量數據形成針對消費者用戶畫像的商業價值，并探討數據產權制度安排對擁有用戶規模差異的平臺企業跨界成長問題。

1.3 文獻評述

確立數據所有權制度，旨在優化數據價值挖掘、提升處理效率，并維護市場公平競爭，是當前的必然選擇，有助于推進數字經濟的穩健發展。由于清晰界定數據產權存在理論與現實的困難（程嘯，2018），因此相關研究集中于數據的分類、非敏感數據的產權歸屬及其對平臺企業成長的影響等問題。

1.3.1 非敏感用戶數據產權的歸屬爭議

非敏感用戶數據的產權歸屬問題存在諸多爭議，代表性觀點分別圍繞基于科斯定理的“效率觀”，基于數據要素的自然壟斷屬性，以及基于數據價值鏈三個視角展開討論。

第一種觀點認為數據產權的界定應該以社會福利最大化為原則，平臺企業收集數據并利用算法等進行分析可以彌補信息不對稱引起的市場失靈，提高供需雙方匹配效率;更好地改進產品和服務的質量、滿足消費者日益多樣化的需求，進而提升消費者效用（Zuboff， 2015）。

第二種觀點則基于數據非競爭性的屬性，一部分學者則贊同數據產權歸屬消費者。平臺企業往往有動機過度使用數據，忽視消費者隱私保護，且出于對創造性毀滅的擔心，平臺企業會限制數據共享，導致非競爭性數據的低效率使用。

第三種觀點的研究基于數據價值鏈的視角，認為個人數據是數據價值鏈的起點，消費者應當享有這部分的收益權。因此，平臺企業需要考慮紅利共享方式，將利益分配給消費者（戚聿東和劉歡歡，2020）。有少數學者認為數據產權歸屬問題沒有最優，例如Dosis and Sand-Zantman（2023）認為數據產權界定對企業價值以及消費者將數據貨幣化的能力至關重要。Abowd and Schmutte（2019）則強調消費者在保護個人隱私和獲取數據交易收益之間權衡，即數據可攜權制度的由來。

1.3.2 數據歸屬用戶對平臺企業的影響

世界各國的政策法規中，具有將數據產權賦予消費者的傾向，譬如歐盟發布《通用數據保護條例》（GDPR） 強調數據主體權利。它對數字企業收集利用個人數據作出了一系列規定，雖然保護個人隱私，但對非個人數據監管缺位。Jia et al. （2018）實證研究發現消費者擁有個人數據的政策實施后使得依賴數據的企業短期內出現了很大的負面影響，長此以往可能制約數字經濟發展。

按照價值實現方式可以將數據分為原始數據、衍生數據和數據驅動的商業;按照數據的來源可分為自愿提供的數據、捕獲觀察到的數據以及由其他數據中派生出的數據（Kerber，2016;唐要家和唐春暉，2022）。而只有當海量數據形成規律性的宏觀數據，才具有商業開發的價值。平臺企業跨界成長過程中獲取數據是一種生產資料的采集行為（Ritter and Mayer， 2018）。由于獲取的數據是伴隨用戶交易自發產生的副產品，企業能夠利用現有用戶基礎和數據以極低的成本通過交叉網絡效應實現正反饋，不斷積累用戶和數據，提升產品和服務的質量，實現成長。

由于數據確權政策尚處于探索嘗試階段，有限的研究成果大多聚焦于平臺治理與平臺企業野蠻成長過程中數據濫用等現象。經濟學層面通常基于社會福利最大化原則評判產權界定的合理性，較少關注微觀層面的平臺企業成長的影響。值得注意的是，上述文獻中支持將數據產權賦予消費者的前提是假設零談判成本。事實上，由于消費者具有不同的隱私偏好，數據要素市場很難形成均衡價格。如果平臺企業需要對數量龐大的用戶進行一對一談判，將帶來高昂的談判成本，那么，平臺企業無論是突破最低規模，還是增加平臺企業“邊”的數量都會受到阻礙。

1.3.3 平臺企業的動態定價與數據交易

個人信息和數據是公司的戰略資產，有關使用、分享或獲取數據的問題可能會對公司業務產生長期影響。由于增值數據存在可價值化，對于非敏感客戶數據，“收集即使用”成為常態。由此導致了平臺企業基于不同用戶數據規模的動態定價行為。已有研究發現，廠商可以借助用戶增值數據調整產品定價并對特定用戶實施價格歧視。如姜婷鳳等（2020） 研究發現線上產品的調價相比于線下產品調價更為頻繁，且上調幅度顯著高于下調幅度，Shiller（2013） 發現Netflix 公司基于線上消費者的個性定價使其凈利潤增長12. 2%。Mikians et al.（2013）也發現，相較于統一定價，對于基于消費者特征動態定價的商品，廠商獲利要高出10%～30%。至此，平臺企業基于增值數據動態定價向用戶收取的費用高于平臺企業基于基礎數據統一定價向用戶收取的費用是目前研究中學者們普遍認為的一個結論，也是本文的核心假設。從這方面也看出，數據的虛擬性、非競爭性、正外部性、價值不確定性等特征使數據不能單獨發揮其經濟價值，需要與相匹配的資本、技術等傳統要素相互結合、供應構成互補性資產（ 謝康等，2020）。同時數據的產生涉及多個網絡平臺，實際上大規模平臺的用戶數據的產生遠高于小規模平臺，為了獲取這部分數據的價值，促進數據流通成為了當期互聯網交易市場的重要任務。龔強等（2022）基于不完全契約視角，提出轉變數據交易模式從傳統的“數據所有權” 轉為“數據使用權” 交易，為小規模企業通過第三方數據交易平臺獲取大規模企業的共享數據，實現基于增值數據動態定價，增加自身收益提供了基礎。

2 無確權約束的基準模型

在數據確權尚未明晰的情況下，非敏感用戶數據實際上歸屬平臺企業。平臺企業突破用戶臨界規模、擴大平臺產品或服務范圍及內部資源，最后通過內部范圍經濟實現跨界成長。本文通過構建具有規模差異的平臺企業之間的非合作演化博弈模型分析沒有數據確權約束下，平臺企業跨界成長基于數據類型的價格競爭策略選擇及其對平臺跨界成長的影響機制。

演化博弈理論作為一種描述性理論，它的理論模型適用于本次研究的主要原因有兩點：首先，與經典博弈理論不同，演化博弈論中對參與博弈的各方的假設不再是現實中難以實現的完全理性，而是Herbet Simon 提出有限理性。有限理性認為參與者具有目標理性，但是由于面對復雜、多元且不確定的環境狀況和社會現實，他們認知能力的有限性造成參與者在決策的時候只能達到自身的滿意解，難以達到最優解，而且參與者可能處于不完全信息環境中，因此ESS 在某些演化博弈中并不是絕對存在（Wang et al. ， 2011）。不同規模類型平臺企業在圍繞定價策略的選擇進行博弈，雙方并不完全了解對方的意圖，也不完全了解環境狀況（Renault et al. ， 2017）。演化博弈正是提供了這樣一個機制來分析在不完全信息環境下，只有有限理性的參與者之間的系統行為。其次，經典博弈模型計算難度較高，同時還不能通過最優性和穩定性兩個方面來描述最優行為方式，而演化博弈理論則在分析動態戰略變化方面具有更大的優勢。不同的策略將在游戲中依次占據主導地位，進化動力學顯示出每個策略之間的振蕩循環（Smith， 2010）。兩類企業會隨著時間的推移而改變策略選擇，以應對對方的策略選擇。演化博弈為理解策略交互環境中的動態迭代情況提供了基礎。如前所述，演化博弈模型很好地適應了參與方的策略選擇的動態性，有利于接下來分析兩者的博弈過程和結果。

2.1 參與主體

在數據產權尚未界定情形下，企業可以任意使用平臺的數據信息。同時，平臺企業的用戶基礎、數據資源具有異質性。其中，大規模平臺企業擁有龐大的用戶基礎和海量數據資源，利用算法優勢分析處理用戶痕跡，將原始數據轉換為能為平臺帶來增值的數據。借助用戶精準畫像，提高匹配度更高的服務和產品，通過內部范圍經濟，跨界進入新市場。小規模平臺企業的用戶規模有限，基于數據的定價策略限制了平臺的成長能力，因此，有動機購買大規模平臺企業的共享數據資源。據此，本文有理由假設：（1）博弈模型中存在兩個有限理性的參與主體，即大規模平臺企業和小規模平臺企業。（2）假設存在信息不完備，兩個企業族群分別基于數據制定價格策略，通過內部范圍經濟與增加用戶規模，實現利潤最大化的目標。（3） 假設存在一個數據交易中介平臺。大規模平臺企業可以出售其共享數據資源。對于平臺而言，大規模平臺的共享數據往往是熟客產生的非敏感信息，即瀏覽以及購買的歷史記錄等。對于這個用戶群體，大規模平臺選擇動態定價，不僅能夠獲取數據交易的直接收益，還可以獲取競爭比較優勢的間接收益。因此，大規模平臺有動機增加差異性服務吸引更多的消費者，促進客戶類型的轉化。

2.2 基本假設

假設1： 兩類平臺企業都是有限理性的群體，其策略空間均為{基于基礎數據統一定價，基于增值數據動態定價}。其中，小規模平臺企業策略概率為x 和1-x（0≤x≤1）;大規模平臺企業策略概率分別為y 和1-y（0≤y≤1）。兩類平臺企業均以數據實現內部范圍經濟、增加用戶規模、實現利潤最大化為目標進行策略選擇。

假設2： 小規模與大規模平臺企業的用戶規模分別是q1 和q2，且q2 gt;q1。假設大規模平臺企業選擇“統一定價”和“動態定價”的價格分別為P1 和P2，定價由企業自由調整，但是平臺企業基于增值數據動態定價向用戶收取的費用高于平臺企業基于基礎數據統一定價向用戶收取的費用，P1

假設3： 允許小規模平臺通過第三方數據交易市場購買大規模平臺的共享數據。小規模平臺企業數據購買會受到大規模平臺企業共享數據資源強度θ（θ∈[0，1] ）的影響。 θ =0 表示大平臺企業出于自身商業機密等原因不愿意出售自己的數據，θ =1 表示大平臺企業愿意共享全部的數據資源以獲取收益。因此，小規模平臺購買數據的單位成本c 是關于大平臺企業用戶規模的函數，表示為cs = （a-θ） q2，a 為常數。 cs 表示大規模平臺企業共享數據越多，小規模企業購買數據相對而言需要付出的成本越少。

可以預想，在大規模平臺企業基于基礎數據統一定價情形下，其共享數據資源強度θ′必然大于基于增值數據動態定價時的強度θ″。此外，小規模平臺企業數據購買行為受到大規模平臺企業增值數據的邊際價值φ 的影響， φ ∈[0，1] 。 φ=0 表示大企業的共享數據資源對小平臺企業來說具有完全替代性，邊際價值為0，小平臺企業完全沒有購買此類數據的意愿;φ = 1 表示大規模平臺企業提供的數據價值非常大，具有完全互補性，小規模平臺企業購買數據意愿極強。在大規模平臺企業基于基礎數據統一定價情形下，增值數據的邊際價值φ′必然大于大規模平臺企業基于增值數據動態定價情形下的邊際價值φ″。給定大規模平臺企業用戶的數據量為q2，使用增值數據可能會侵犯用戶隱私，因而，大規模平臺企業需要付出單位獲客成本cb =（1/ 2） ×（ γq2 ）。直覺上可以理解為用戶越多，企業基于增值數據動態定價的成本越高。此外，當兩類平臺企業的數據策略選擇存在差異時，為用戶提供產品或服務的質量也不同，小規模平臺企業用戶的服務感知系數為ω。綜上所述，不同規模類型平臺企業的演化博弈參數符號設置及含義如表1 所示。

6 結論與建議

6.1 主要結論

傳統企業成長理論或強調如市場特征等外部因素對企業規模的影響，或強調企業獨特稀有的異質性資源以及相應開發利用的能力對企業成長的作用。而數字經濟環境下，平臺企業成長表現出“跨界” 的特征，更多表現為用戶數量的增長以及進入新市場的企業范圍的擴張?；诖?，本文將平臺企業跨界成長界定為借助算法及數據實現用戶的規模經濟與范圍經濟兩方面，研究非敏感用戶數據的產權安排對平臺企業跨界成長的影響。而數據要素市場紛繁復雜，清晰界定數據要素所有權，是實現數據共享與隱私保護平衡的重要前提。異質性的數據要素，需要什么樣的權利，歸屬于更有生產力的主體，還是數據要素的所有者———用戶。消費者不確定數據交易的后果，那么對數據使用權讓渡的價格決策無法作出合理的判斷，交易機制可能是失效的。

本文首先通過構建無確權約束條件下具有用戶規模差異的平臺企業演化博弈模型，分析平臺企業通過內部范圍經濟實現跨界成長的機理。其次，假定存在數據確權約束，構建政府與平臺企業族群策略選擇的博弈模型，研究不同產權歸屬下平臺企業跨界成長的數據策略選擇。在此基礎上，利用數值模擬驗證理論命題，并通過參數賦值對比分析數據確權對平臺企業跨界成長影響的政策效果?；谏鲜鏊悸返玫揭韵赂挥欣碚摵同F實意義的主要結論：

第一，如果數據要素產權安排缺位，那么“誰收集、誰處理、誰擁有” 成為默認規則，相當于數據要素歸屬平臺企業。此時，平臺企業可以通過內生地選擇數據類型及其定價策略，實現內部范圍經濟。假定數據要素可交易時，用戶隱私傾向、共享數據強度、用戶服務響應及增值數據的邊際價值等因素是影響平臺企業跨界成長的關鍵要素。

第二，存在數據確權約束時，數據產權制度安排受到市場談判費用、監管成本的影響，政府與平臺企業的博弈收斂于{賦予用戶數據產權，基于增值數據動態定價}的結果。也就是說，數據歸屬用戶能夠以較低的監管成本實現規范數據治理和隱私保護，同時，平臺企業會在動態定價獲得收益、獲客成本以及談判費用之間進行權衡。數據治理需要考慮增加企業成長的合規成本，如果基于效率導向，將數據產權賦予平臺企業，意味著在較為嚴格的監管環境下，平臺企業傾向于選擇統一定價策略。隨著時間的演進，制度環境必然會逐漸完善。

6.2 政策意涵

基于上述結論，本文認為，政策制定者既要重視數據產權的界定，也要重視數據產權的保護方式。據此提出以下政策建議：

（1） 數據要素所有權的確立。市場是資源進行有效配置的主要手段，而交易成本會阻礙市場充分發揮配置作用。如果基于科斯定理構建數據產權安排分析框架（Coase， 1960），那么，科斯意義的確權是產權（property right）而非所有權（ownership）。Williamson（1981）提出尊重市場和企業家創新性的安排。零散的數據本身沒有價值，只有通過平臺將宏觀性、趨勢性和規律性的數據生產加工才會有一定的價值。隨著技術的變化，交易模式、確權的模式和治理的模式都需要多樣性的而非單一的制度。沒有交易場景存在的情況下，不能因重視隱私而否定企業對數據的產權，在注重個人隱私的前提下，需要給市場自由的嘗試和創新的空間。

（2） 數據要素的可交易。數據要素市場包括了數據交易行為和數據交易場所兩個部分，為了適應數據要素市場化發展的需要，以貴陽大數據交易所和背景大數據交易所為代表，各地政府進行著積極的探索。盡管如此，2012—2021 年我國設立的43 個數據交易平臺中，三分之二沒有正常運營。數據市場探索過程中暴露出一系列問題，譬如數據要素的供給主體不明確，數據要素的質量無法識別、價值不易被測度，交易的合法性等，迫切需要我們從理論邏輯進行梳理。

（3） 數據要素的社會治理。面對數字經濟環境下數據的爆發式增長，數據監管卻止步不前。數據要素作為一種新技術與推動制度變革的新動能，如果按照傳統的社會治理思路，對于大數據管理無疑會帶來巨額的監管成本。正如本文的結論之一，在明晰數據所有權的條件下，嚴厲監管可能導致平臺企業的逆向選擇，即大規模平臺選擇基于基礎數據的統一定價策略，通過用戶規模，而非范圍經濟，實現跨界成長。比如擁有大量用戶規模的滴滴平臺，相比于小規模的T3 平臺，在嚴格監管情況下，它將更趨向于利用數據進行精準定位，精準營銷，通過提高產品或服務的手段增加用戶規模實現跨界成長，而非使用大數據殺熟等數據濫用手段。值得注意的是，數據的可計算性推動數據交易過程離開市場，呈現去平臺化的趨勢。因此，監管當局可以借助區塊鏈等新技術，用“ 治理科技”（Gov-tech）實現數據治理可追蹤。

6.3 研究展望

本文在給定市場結構條件下，聚焦數據所有權尚未明晰的制度環境下，用戶規模及數據要素如何影響平臺企業價格競爭策略。如果市場結構拓展為混合寡占的市場結構（譬如1+N 或者1+N+M 等），也許與本文的部分理論假設相悖。在混合寡占、壟斷競爭或者更為極端的完全競爭的市場結構中，由于共享數據交易可以忽略交易成本，導致平臺企業的用戶規模差異性會逐步下降，甚至無差異，而這種情況的深入分析首先要基于要素市場是否有效的問題。作為與傳統生產函數中的內生參數進入模型，數據要素的定價機制和方法需要明確，通過數據交易產生有效的數據要素市場。因此，本文首先聚焦要素定價的基礎，即數據所有權的歸屬問題?，F有文獻對于數據要素的價格交易的討論，尚未形成成熟的定價—交易—市場的傳導機制。

參考文獻

陳威如， 余卓軒. 2013. 平臺戰略： 正在席卷全球的商業模式革命[ M]. 北京： 中

信出版社， 15-21.

Chen W R， Yu Z X. 2013. Platform strategy： business model in revolution[ M].

Beijing： China CITIC Press， 15-21. （in Chinese）

陳釗，寇宗來，劉瑞明，等. 2022. 如何認識與加快建設全國統一大市場（ 筆談） [ J/

OL]. 產業經濟評論： 1-16.

Chen Z， Kou Z L， Liu R M， et al. 2022. How to recognize and speed up the

construction of national unified market （Conversation by writing）[J/ OL]. Review of

Industrial Economics： 1-16. （in Chinese）

程嘯. 2018. 論大數據時代的個人數據權利[J]. 中國社會科學，（3）： 102-122.

Cheng X. 2018. Personal data rights in the era of big data[ J]. Social Sciences in

China， （3）： 102-122. （in Chinese）

費方域， 閆自信， 陳永偉， 等. 2018. 數字經濟時代數據性質、產權和競爭[ J]. 財

經問題研究，（2）： 3-21.

Fei F Y， Yan Z X， Chen Y W， et al. 2018. Data nature， property rights and

competition in the digital economy[J]. Research on Financial and Economic Issues，

（2）： 3-21. （in Chinese）

高良謀， 張一進. 2018. 平臺理論的演進與啟示[J]. 中國科技論壇，（1）： 123-131.

Gao L M， Zhang Y J. 2018. The evolution and enlightenment of platform theory

[J]. Forum on Science and Technology in China， （1）： 123-131. （in Chinese）

龔強， 班銘媛， 劉沖. 2022. 數據交易之悖論與突破： 不完全契約視角[J]. 經濟研

究， 57（7）： 172-188.

Gong Q， Ban M Y， Liu C. 2022. The data trading dilemma： The perspective of

incomplete contract [ J]. Economic Research Journal， 57 （ 7）： 172-188. （ in

Chinese）

江小涓. 2017. 高度聯通社會中的資源重組與服務業增長[ J]. 經濟研究， 52（3）：

4-17.

Jiang X J. 2017. Resource reorganization and the growth of the service industry in

an interconnected society [ J]. Economic Research Journal， 52 （ 3）： 4-17. （ in

Chinese）

姜婷鳳， 湯珂， 劉濤雄. 2020. 基于在線大數據的中國商品價格粘性研究[J]. 經濟

研究， 55（6）： 56-72.

Jiang T F， Tang K， Liu T X. 2020. The stickiness of online prices in China[ J].

Economic Research Journal， 55（6）： 56-72. （in Chinese）

戚聿東， 劉歡歡. 2020. 數字經濟下數據的生產要素屬性及其市場化配置機制研究

[J]. 經濟縱橫，（11）： 63-76.

Qi Y D， Liu H H. 2020. A study on the factor property and the market-oriented

allocation mechanism of data in digital economy[ J]. Economic Review， （11）： 63-

76. （in Chinese）

商希雪. 2021. 政府數據開放中數據收益權制度的建構[ J]. 華東政法大學學報，

24（4）： 59-72.

Shang X X. 2021. Construction of data usufruct system in government data opening

[J]. ECUPL Journal， 24（4）： 59-72. （in Chinese）

唐要家. 2021. 數據產權的經濟分析[J]. 社會科學輯刊，（1）： 98-106.

Tang Y J. 2021. An economic analysis of data property rights[ J]. Social Science

Journal， （1）： 98-106. （in Chinese）

唐要家， 唐春暉. 2022. 數據價值釋放的理論邏輯、實現路徑與治理體系[ J]. 長白

學刊，（1）： 98-106.

Tang Y J， Tang C H. 2022. The theoretical logic， implementation path and

governance system of data value release[J]. Changbai Journal， （1）： 98-106. （ in

Chinese）

謝丹夏， 魏文石， 李堯， 等. 2022. 數據要素配置、信貸市場競爭與福利分析[ J].

中國工業經濟，（8）： 25-43.

Xie D X， Wei W S， Li Y， et al. 2022. Data allocation， credit market competition

and welfare analysis[J]. China Industrial Economics， （8）： 25-43. （in Chinese）

謝康， 夏正豪， 肖靜華. 2020. 大數據成為現實生產要素的企業實現機制： 產品創

新視角[J]. 中國工業經濟，（5）： 42-60.

Xie K， Xia Z H， Xiao J H. 2020. The enterprise realization mechanism of big data

becoming a real production factor： From the product innovation perspective[ J].

China Industrial Economics， （5）： 42-60. （in Chinese）

邢根上， 魯芳， 周忠寶， 等. 2022. 數據可攜權能否治理“大數據殺熟”？ [J]. 中國

管理科學， 30（3）： 85-95.

Xing G S， Lu F， Zhou Z B， et al. 2022. Can the right of data portability govern big

data-based price discrimination？ [ J]. Chinese Journal of Management Science，

30（3）： 85-95. （in Chinese）

徐翔， 厲克奧博， 田曉軒. 2021. 數據生產要素研究進展[ J]. 經濟學動態，（4）：

142-158.

Xu X， Li K A B， Tian X X. 2021. Research progress on data as a factor of

production[J]. Economic Perspectives， （4）： 142-158. （in Chinese）

嚴宇， 孟天廣. 2022. 數據要素的類型學、產權歸屬及其治理邏輯[ J]. 西安交通大

學學報（社會科學版）， 42（2）： 103-111.

Yan Y， Meng T G. 2022. Data typology， ownership and the governing principles

[J]. Journal of Xian Jiaotong University （Social Sciences）， 42（2）： 103-111. （in

Chinese）

Abowd J M， Schmutte I M. 2019. An economic analysis of privacy protection and

statistical accuracy as social choices[J]. American Economic Review， 109（1）： 171-

202.

Acquisti A， Grossklags J. 2005. Privacy and rationality in individual decision making

[J]. IEEE Security amp; Privacy， 3（1）： 26-33.

Acquisti A， Taylor C， Wagman L. 2016. The economics of privacy[ J]. Journal of

Economic Literature， 54（2）： 442-492.

Baldwin C Y， Woodard C J. 2009. The architecture of platforms： A unified view[ J].

Management Science， 52（7）： 1116-1127.

Berendt B， Günther O， Spiekermann S. 2005. Privacy in e-commerce： stated

preferences vs. actual behavior[J]. Communications of the ACM， 48（4）： 101-106.

Choe C， King S， Matsushima N. 2018. Pricing with cookies： behavior-based price

discrimination and spatial competition [ J ]. Management Science， 64 （ 12 ）：

5669-5687.

Coase R H. 1960. The problem of social cost[J]. The Journal of Law and Economics， 3：

1-44.

Cong L W， Xie D X， Zhang L T. 2021. Knowledge accumulation， privacy， and growth

in a data economy[J]. Management Science， 67（10）： 6480-6492.

Cusumano M A， Gawer A. 2003. The elements of platform leadership [ J]. IEEE

Engineering Management Review， 31（1）： 8-8.

Cusumano M A， Gawer A， Yoffie D B. 2019. The business of platforms： Strategy in the

age of digital competition， innovation， and power[M]. New York： Harper Business.

Dosis A， Sand-Zantman W. 2023. The ownership of data[ J]. The Journal of Law，

Economics， and Organization， 39（3）： 615-641.

Friedman D. 1991. Evolutionary games in economics [ J]. Econometrica， 59 （ 3）：

637-666.

Gawer A. 2014. Bridging differing perspectives on technological platforms： toward an

integrative framework[J]. Research Policy， 43（7）： 1239-1249.

Gawer A. 2021. Digital platforms boundaries： the interplay of firm scope， platform

sides， and digital interfaces[J]. Long Range Planning， 54（5）： 102045.

Ghazawneh A， Henfridsson O. 2013. Balancing platform control and external contribution

in third-party development： the boundary resources model[ J]. Information Systems

Journal， 23（2）： 173-192.

Hagiu A. 2014. Strategic decisions for multisided platforms[J]. MIT Sloan Management

Review， 55（2）： 71-80.

Jia J， Jin G Z， Wagman L. 2018. The short-run effects of GDPR on technology venture

investment[R]. NBER Working Paper， 25248.

Jones C I， Tonetti C. 2020. Nonrivalry and the economics of data [ J]. American

Economic Review， 110（9）： 2819-2858.

Kerber W. 2016. Digital markets， data， and privacy： competition law， consumer law and

data protection[ J]. Journal of Intellectual Property Law amp; Practice， 11 （ 11）：

856-866.

Mikians J， Gyarmati L， Erramilli V， et al. 2013. Crowd-assisted search for price

discrimination in e-commerce： first results [ C] / / Proceedings of the Ninth ACM

Conference on Emerging Networking Experiments and Technologies. Santa Barbara，

California， USA： ACM， 1-6.

OLeary D E. 2013. Artificial intelligence and big data[ J]. IEEE Intelligent Systems，

28（2）： 96-99.

Renault J， Solan E， Vieille N. 2017. Optimal dynamic information provision[J]. Games amp;

Economic Behavior， 104： 329-349.

Ritter J， Mayer A. 2018. Regulating data as property： a new construct for moving forward

[J]. Duke Law amp; Technology Review， 16（1）： 7-7.

Santos F M， Eisenhardt K M. 2005. Organizational boundaries and theories of

organization[J]. Organization Science， 16（5）： 491-508.

Shiller B R. 2013. First degree price discrimination using big data [ M]. Brandeis

Univ. ， Department of Economics.

Smith M. 2010. Evolutionary game theory （ Stanford encyclopedia of philosophy） [ J].

Stanford Encyclopedia of Philosophy.

Wang J H， Zhou Z， Botterud A. 2011. An evolutionary game approach to analyzing

bidding strategies in electricity markets with elastic demand[ J]. Energy， 36（5）：

3459-3467.

Williamson O E. 1981. The economics of organization： the transaction cost approach[J].

American Journal of Sociology， 87（3）： 548-577.

Zuboff S. 2015. Big other： surveillance capitalism and the prospects of an information

civilization[J]. Journal of Information Technology， 30（1）： 75-89.