论文部分内容阅读
摘 要：数据在我国经济社会发展中已经成为关键的生产要素，培育数据要素市场是社会主义市场经济体制下要素市场化改革的重要组成部分。与资本、劳动、技术等传统生产要素相比，数据具有非稀缺性、非均質性和非排他性等独特特征。我国各地以多种形式开展了关于数据交易的探索和实践，形成了数据撮合交易和数据增值服务两种主要交易模式，目前来看后者更为有效。由于其本身的复杂性以及权利主体的多元性，数据产权界定在学术界、产业界都还存在较大争议。应坚持“在实践中规范、在规范中发展”的原则，明确可交易数据的范围，建立全国范围的数据交易法律法规和监管框架，积极培育数据服务新业态，推动我国数据市场快速健康发展。
关键词：数据要素市场;数据交易模式;产权界定
中图分类号：F49 文献标识码：A 文章编号：1003-7543（2020）07-0017-10
近年来，数字经济蓬勃发展，并与多个产业深度融合，对多个国家和地区的经济增长和生产生活方式产生了重要影响，成为重构国际经济格局的重要因素，引起各国普遍重视。目前，已有30多个国家出台促进数字经济发展的战略或规划，从制度环境、基础设施和政府服务等方面为数字经济的发展提供了相对全面的支持政策。我国数字经济发展迅速，在经济增长和社会生活中的作用越来越明显，受到了中央的高度重视。2017年12月，习近平总书记在主持中共中央政治局第二次集体学习时强调，“发挥数据的基础资源作用和创新引擎作用，加快形成以创新为主要引领和支撑的数字经济”。习近平总书记在党的十九大报告中指出，“供给侧结构性改革深入推进，经济结构不断优化，数字经济等新兴产业蓬勃发展”。
在这样的大背景下，数据在经济社会中的关键作用越来越成为社会各界的共识。2019年10月，党的十九届四中全会通过的《中共中央关于坚持和完善中国特色社会主义制度推进国家治理体系和治理能力现代化若干重大问题的决定》进一步提出：“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制。”这是中央文件第一次将数据确立为一种生产要素。2020年3月30日，中共中央、国务院印发的《关于构建更加完善的要素市场化配置体制机制的意见》将数据正式纳入主要生产要素范畴，与传统的土地、技术、劳动力、资本等并列，并明确提出了数据要素市场制度建设的方向和重点改革任务。2020年5月18日，中共中央、国务院发布了《关于新时代加快完善社会主义市场经济体制的意见》，再次提出“加快培育发展数据要素市场，建立数据资源清单管理机制，完善数据权属界定、开放共享、交易流通等标准和措施，发挥社会数据资源价值”。这意味着明确交易规则、建设数据市场已经成为社会主义市场经济体制下要素市场化改革的重要组成部分。
一、数字经济的蓬勃发展使数据成为关键生产要素
数字经济的前身是信息技术软硬件的萌芽和发展，最早起源于“二战”之后，当时最早的“计算机”只能用来加快计算速度，而几乎不能存储和检索信息。到20世纪50年代初磁芯存储器的出现，才真正实现了数字信息的有效存储。20世纪60年代以后，出于与苏联争霸的考虑，美国国防部通过先进技术研究计划（DARPA）资助了大量的信息技术研究项目，互联网发展最关键的传输控制协议/互联网协议（TCP/IP）就源于这些项目的研究成果。到了20世纪80年代，美国国家科学基金会（NSF）基于TCP/IP协议在研究人员中开始建设并管理局域网。
20世纪90年代，商业化的互联网应用在美国逐渐发展起来。2000年前后出现了第一次互联网创业大潮，著名的互联网公司雅虎、谷歌都是成立于90年代中后期。我国的新浪、搜狐、百度、阿里巴巴等企业也都出现在同一时期。数字经济的概念最早就是出现在这一时期。1996年，加拿大商业分析师唐·塔普斯科特（Don Tapscott）在其专著《数字经济：网络智能时代的希望和危险》中首次提出数字经济（Digital Economy）的概念。1998年，美国商务部发布了研究报告《兴起的数字经济》，从数字革命对经济社会影响的角度，就数字经济发展前景及其面临的挑战进行了展望，并指出随着数字革命的推进，IT行业以及宏观经济其他产业部门都将出现加速增长。
就信息技术对经济增长是否贡献巨大，在这一时期还有许多争论。1987年，著名经济学家索洛（Solow）提出：“我们处处可见计算机时代已经到来，除了关于生产率的统计数据外”，这就是所谓的“索洛悖论”。麦肯锡公司于2001年发表了一份题为《美国经济的未来》的报告，认为“信息产业只是美劳动生产率增长的诸多驱动因素之一”，“信息技术投资在某些行业发挥了巨大作用，但在另外一些行业则成效甚微”。
数字经济真正的爆发式增长发生在2008年全球金融危机之后。美国的IBM公司早在2006年就提出了“智慧地球”的概念，并激发了物联网技术和产业的发展。2007年，苹果第一代智能手机iPhone上市，移动互联网跨入了新时代，来自智能手机用户的海量数据急剧增长，云计算技术和应用也应运而生。新一代信息技术与经济活动的融合不断加深，数字经济中的“产业数字化”部分逐渐超过了“数字产业化”部分，才真正迎来了数字经济的大发展。
如图1所示，在物联网、云计算、大数据、人工智能、第五代移动通信（5G）等新一代信息技术的推动下，数字经济的渗透力持续增强，与国民经济各部门不断融合、相互推动，对经济增长的推动作用日益增强。2015年以后，在全球市值最大的企业中，前五名都是数字经济企业，代表着工业时代的制造、连锁零售、金融等企业已经被整体超越。数字经济的时代已经呼啸而来，成为不可阻挡的世界潮流。
传统的经济学将资本和劳动作为最基本的生产要素，其中资本的背后是土地、自然资源、能源等“物”的要素，劳动则是人的要素，人类利用不断开发、不断进步的技术将“地球的馈赠”转化为供人类使用的商品和服务，这就是经济增长的本质。在“索洛悖论”描述的数字技术发展早期，数字的总量是有限的，包含的信息也是有限的，因此不具备成为生产要素的基本条件。 随着2010年以来全球数据总量的飞速增长（見图2），数据成为生产要素的基础条件已经具备。当然，数据并不能直接参与生产，必须要先转化为有生产价值的信息。正如大数据研究的先驱舍恩伯格所言，大数据中的价值密度是相对较低的，需要人类去深入挖掘。近几年来，随着数据挖掘、数据处理和数据算法等技术的不断进步，数据已经逐步深入生产过程。企业利用销售大数据管理生产从而实现“零库存”，利用消费者个性化数据实现定制化生产，利用产品售后使用数据反馈来提升研发设计水平，利用生产线数字的采集、挖掘、分析和反向控制来优化生产流程，这些方面的现实应用已经得到蓬勃发展。技术作为生产要素的难题在于难以度量、难以科学地量化处理，因而只能放到“索洛余值”这个黑箱子中，而数据是可以用比特这个单位来精确测度的，有利于衡量数据作为生产要素对宏观经济产出的贡献。
二、数据要素的特性与培育数据要素市场的迫切需求
（一）数据生产要素的独特性
与资本、劳动、技术等传统生产要素相比，数据作为一种新的生产要素，呈现许多与传统生产要素不同的独特特征。已有很多学者对此进行了阐释。张麒认为，数据资源要素具有衍生性、共享性、非消耗性三大价值，打破了自然资源有限供给对增长的制约，为持续增长和永续发展提供了基础和可能[1]。郭威、杨弘业提出，数据要素凭借其较高的流动性、无限的供应量和正外部性，辐射各生产部门，与其他要素市场有机结合，产生乘数作用，有助于提升全要素生产率[2]。这些学者从不同侧面描述了数据生产要素的特征，都有一定的道理。从本质来看，数据生产要素的最独特特征有三个：非稀缺性、非均质性和非排他性。
一是非稀缺性。经济学的基本任务就是研究有限资源与人的无限欲望之间的矛盾，以最小投入获得最大产出，其原因就是资源的天然稀缺性。自然资源和劳动人口都不是无限可得的，而且在生产过程中会消耗并产生废物和排放污染，而数据则有所不同。当然，数据的非稀缺性并不是指数据到处都是、随手可得，或者数据资源“极大丰富”，而是指两个方面的含义：一方面，数据量目前看来是接近无限开发的，尽管事实上存储数据的物理设施最终要受资源总量约束;另一方面，数据参与生产过程之后仍然存在，并不会被消耗掉，而是可以多次循环使用，且使用中可能促进数据量的进一步增加，也没有污染、排放等问题。
二是非均质性。资本、劳动等传统生产要素具有一定的均质性。资本的每一元钱之间没有本质区别;劳动力之间尽管有明显差别，但是这种差别只是在一定范围内存在，均质性仍然比较明显;不同技术之间存在的差异性更大，但是专利审查制度的出现和执行会将这种差异度减小，因此我们经常使用专利数据来衡量创新能力，尽管其准确性有待商榷。数据与上述要素完全不同，一个比特数据跟另外一个比特数据包含的生产价值通常是完全不同的，我们几乎无法用某一企业的数据量来衡量这个企业的价值或者进行横向比较。两个同样数据量的视频，一个可能是极有用的信息，另一个则可能是垃圾信息，这种情况在大数据中普遍存在。
三是非排他性。经济学意义上的排他性是指在技术上排斥他人使用的可能性，也就是说当某人在使用一件产品时别人就不能使用。比如一片土地或一座矿山，一个企业购买了使用权或独家开发权，其他企业就不能同时使用。资本和劳动这两个生产要素都具有明显的排他性，但是技术则具有较强的非排他性特征，因此需要建立知识产权制度以鼓励更多的技术产出。数据具有非排他性特征，可以无限复制给多个主体同时使用。这也带来了一个重要问题，即是否需要建立排他性的权利制度安排，以激励对数据的供给和有效使用。
（二）培育数据要素市场是促进数据价值有效利用的必然选择
我国拥有的数据量居世界第一①，但是目前主要的数据都掌握在大型数字经济企业以及政府部门手中。例如，阿里巴巴、京东拥有最多的电商消费数据，百度拥有最多的搜索数据，腾讯则掌握着最多的社交数据。政府部门的总数据量虽然可能比不上大型互联网企业，但是数据质量、结构化程度、有效信息量等方面要比互联网大数据有明显优势，很多关键数据都散布在政府的不同部门。
政府数据作为一种公共资源有多种管理方式，我国相关政策文件默认政府数据为公共资源并要求推动其开放。如《中华人民共和国网络安全法》第十八条规定：国家鼓励开发网络数据安全保护和利用技术，促进公共数据资源开放，推动技术创新和经济社会发展。国务院2015年9月印发的《促进大数据发展行动纲要》提出，稳步推动公共数据资源开放。国务院发布的《政务信息资源共享管理暂行办法》对政务信息资源的共享和无偿使用作出了规定。但是，由于对政府数据权利、责任、义务尚未有明确的法规规定，导致公共数据开放滞后。目前我国政府数据开放还停留在信息公开阶段，亟须完善相关法规，促进政府数据的开放和利用。
除了政府数据外，各类数字经济企业累积的大量互联网、物联网数据目前大多数仍处于互相割裂、难以流动、无法打通的“数据孤岛”状态。尽管在经济社会全面数字化转型过程中，需要大量的数据资源参与生产过程，但是由于没有相关的法律法规和交易规则，因而难以实现大数据的充分扩散、大范围共享和市场化流通。目前互联网网企业的数据除了在特定情况下向相关政府部门、高等院校、科研院所有限开放之外，主要以自己开发利用为主。在这种情况下，最需要数据的企业可能未必能得到数据资源，数据的价值难以被最大化地开发出来。因此，必须培育发展数据要素市场，明确交易规则和市场规范，使掌握大数据的企业有动力、无风险地将数据资源有偿开放共享，使那些有强烈数据需求的企业能够在数据市场上以相对公允的价格获取数据资源，从而实现数据资源的优化配置，发挥大数据提升生产效率、促进产业升级的关键作用。
三、我国数据交易的实践探索与成效
（一）各地积极开展数据交易探索
数据交易是市场经济条件下促进数据要素市场流通的基本方式。近年来，随着大数据技术及应用的迅速发展，我国各地以多种形式开展了关于数据交易的探索和实践。2015年4月，贵州省人民政府批准成立了全国第一家大数据交易所——贵阳大数据交易所。在之后的几年中，武汉、哈尔滨、江苏、西安、广州、青岛、上海、浙江、沈阳、安徽、成都等地纷纷建立大数据交易所或交易中心，提供数据交易服务。据网上公开资料统计，2015年以来各省市先后建立的数据交易机构超过20个，均由各地政府或国家信息中心牵头协调，亚信数据、九次方大数据、数海科技、中润普达等一批数据运营服务企业提供技术和运营支持。 这些数据交易机构作为大数据交易的先行者，不仅在实践中对规则尚不明确的数据交易进行了有益的探索，而且尝试着制定数据交易的相关规则并付诸实践，积累了经验和教训，也取得了初步成效。以最早成立的贵阳大数据交易所为例，在推动数据交易发展的过程中，先后制定了《数据确权暂行管理办法》《数据交易结算制度》《数据源管理办法》《数据交易资格审核办法》《数据交易规范》《数据应用管理办法》等一系列交易规则，尽管在具体实践中仍存在较多争议，但这种勇于探索的精神还是值得充分肯定的。茶洪旺、袁航认为，在我国大数据交易实践发展过程中，数据交易服务体系在不断完善，相应的标准和规范也在引领数据交易市场的蓬勃发展[3]。
（二）实践中形成的两种主要交易模式及其成效比较
一些学者研究了大数据交易及盈利的主要模式。如王卫、张梦君、王晶提出，数据交易产品类型主要有数据包（如交通地理数据、政府数据、金融数据、个人行为轨迹数据、社交软件数据等）、云服务、解决方案、数据定制服务等[4]。李成熙等总结的大数据交易盈利模式主要有大数据交易平台（中介）盈利模式、大数据交易卖方盈利模式、数据持有型大数据交易平台盈利模式、技术服务型大数据平台盈利模式四种[5]。
从各地数据交易机构的实践来看，目前形成了两种最主要的交易模式，也是发展数据交易机构的两种主流思路。一是数据撮合交易模式。这种模式有点像传统的商品集市，因而又被称为“数据集市”。在这种交易模式下，数据交易机构以交易粗加工的原始数据为主，不对数据进行任何预處理或深度的信息挖掘分析，仅经过收集和整合数据资源后便直接出售。很多交易所或交易中心在发展初期都是以这种交易模式为基本发展思路。二是数据增值服务模式。数据交易机构不是简单地将买方和卖方进行撮合，而是根据不同用户需求，围绕大数据基础资源进行清洗、分析、建模、可视化等操作，形成定制化的数据产品，然后再提供给需求方。从各地实践效果来看，大部分数据交易机构经过多次探索之后，选择了提供数据增值服务的交易模式，而不是基础数据资源的直接交易。
数据撮合交易模式存在两个主要问题：其一，这类撮合式交易需要大量数据资源的获取，往往难以实现有效的个人信息保护。张铭茁通过分析大数据背景下的个人隐私数据泄露现状指出，数据交易市场存在大量灰黑交易，严重影响了数据交易向纵深方向发展[6]。由于隐私数据在黑市的高价格诱惑，以及现行法律法规对于个人隐私数据保护的不完善，针对用户信息的非法收集、窃取、利用和贩卖等行为比较猖獗。一些企业参与个人信息数据非法交易，导致很多数据集市逐渐沦为数据黑市。其二，大数据本身具有非均质、价值密度低等特性，使得大部分数据需求方与供给方难以形成价格共识。对于客户来说，海量的“粗加工”数据对于商业决策或研究意义甚微。无论是政府还是企业需求，精准有效的数据可能仅占总数据量的百万甚至亿万分之一，而后期的提取及分析则意味着大量时间和加工成本的投入。
相对而言，数据增值服务模式则有两个优势：第一，数据增值服务机构代替客户从大数据中提取密度低且价值高的数据，为其节省了大量的时间和分析成本。对于大部分中小企业来说，能够满足数据需求的专业人才相对稀缺，深度挖掘和分析原始数据则需要额外的人才或技术投资。因此，直接购买经定向处理后的数据产品可省去大笔开支，性价比比较高。第二，提供数据增值的服务商需确保数据的合法性，降低了数据需求方的法律风险。在当前一些法律法规尚不完备的情况下，数据需求方通过与数据增值服务提供方签订合同或协议，由后者负责保障数据获取和处理的合法性，有效规避了困扰数据交易的数据隐私保护等问题，使数据交易市场得以有效运行。
四、数据权利界定的难点与相关争议
数据不同于普通的有形物质，进入大数据时代，数据的生产特点发生了一些变化，这使得数据的权属界定成为难点。
（一）数据的分类
数据是信息的载体，通常提到的数据其实是指数据中包含的信息，特别是在指个人数据时。数据是计算机能够识别的一种形式，0或者1，以无标识信息的形式存在。信息是关于人、事、物等与表现形式无关的一些知识，是包含上下文语境、有标识的数据。数据如果和个人联系起来就是个人信息。目前，世界各国立法主要使用三种概念：个人数据、个人隐私与个人信息。用“个人数据”称谓的主要是欧盟成员国及受其影响较大的国家，如法国的《资料保护法》、挪威的《资料登录法》和欧盟的《一般数据保护条例》，均使用“个人数据”的称谓。用“个人隐私”称谓的主要是普通法国家。美国的《隐私权法》、加拿大的《隐私权法》和澳大利亚的《隐私权法》均使用的是“个人隐私”的称谓。使用“个人信息”概念的有奥地利的《信息保护法》、韩国的《公共机构之个人信息保护法》、俄罗斯的《俄罗斯联邦信息、信息化和信息保护法》等。也有将个人信息与个人数据共同使用的国家，如日本2005年4月实施的《个人信息保护法》，就同时使用了“隐私”和“个人数据”两种概念。
数据可以根据不同的标准进行分类。按数据是否包含个人信息，可以将数据分为个人数据和非个人数据，个人数据指与个人相关，能够识别个人身份的数据。按照数据是否加工，可以将数据区分为原生数据和衍生数据。原生数据是指不依赖于现有数据而产生的数据;衍生数据是指原生数据被记录、存储后，经过算法加工、计算、聚合而成的系统的、可读取、有使用价值的数据。按照数据产生的主体，数据可以分为：个人数据、商业数据和政府数据①。政府数据指政务部门履职过程中获取或制作的数据，可包括个人数据和商业数据。商业数据主要指商业机构运行中获取或生产的数据。这种分类中涉及个人数据的部分有交叉，对于商业数据和公共数据中涉及个人的数据，仍是个人数据，一般采取个人数据匿名化的处理方式。
（二）数据权利界定的难点
戴建军、田杰棠认为，数据权利与其他有形或无形物的产权存在较大差异，使数据权利问题的复杂性增加[7]。同时，数据的来源也不同于普通产品的生产，这使得数据的权利界定不像普通产品那样简单明确。 第一，数据权利具有多样性，不同类型数据在权利内容上存在较大差异。数据权的主体包括自然人、政府和企业。个人数据可能会包含个人的隐私，自然人对自己的数据享有隐私权。因此，自然人对个人数据的权利旨在保护其对个人数据的自主决定利益，从而防止因个人数据被非法收集和利用而侵害个人人格权和财产权。对于政府数据，通常被认为属于公共资源，公众享有知情权、访问权和使用权。商业数据则包含企业的知识产权、商业秘密和市场竞争合法权益等。从当前与数据相关的法律来看，个人数据是一个明确的法律概念，国内外都有明确的法律概念和规范体系。在政府数据开放的讨论语境下，政府数据也是一种重要的权利客体。相对于个人数据和政府数据的概念，商业数据比较模糊，尚未成为严格的法律概念。
第二，数据生产链条包括多个参与者，权利责任需要在各参与者之间进行划分而引致界定困难。与其他财产不同，数据的全生命周期由多个参与者（数据提供者、数据收集者、数据处理者等）对数据进行支配，每一个参与者在各自环节赋予数据不同价值。在大多数情况下，数据发挥作用、产生价值需要数据控制处理者（如网络平台）对数据进行采集、加工、处理和分析，因此，数据提供者对于数据的各项权利需要数据控制处理者的支持和配合才可有效行使。赋予某一参与者专属的、排他性的所有权不可行，需要在数据提供者、数据控制处理者等参与者之间进行协商和划分，确定各权利之间的边界和相互关系。数据权利内容还会随着应用场景的变化而变化，甚至衍生出新的权利内容，使得事先约定权利归属变得困难。在海量数据时代，数据控制处理者对于每一个数据包含的复杂权利内容进行协商会带来巨大的交易成本，需要有一套简易可行的规则才能使得数据利用成为可能。另外，就个人数据而言，由于其中包含个人隐私，对于数据控制处理者在使用数据过程中如何保护好个人隐私权需要给予充分考虑。
第三，数据与传统普通物的所有性质有所不同。目前已经有不少人提出对数据建立所有权，如英国学者Christopher Rees认为数据可以被归类为财产（基于财产的简单定义，即能使用并排除他人使用某物的权利）。德国学者T. Hoeren提出，“一般来说，数据权利归属于数据的开发者、创建者或生产者。如果是职务数据，则权利属于雇主。”实践中，一些企业也会通过技术手段保护相关数据不受第三方侵犯，使得事实上数据为其所有。但数据的特点（如无限性和兼容性）使数据产权外延内的“所有权”和一般民法对所有权（对财产享有使用、收益和处分的排他性权利）的界定不同。对于通常意义上的所有权，所有权人几乎完全拥有占有和使用该物的权益，且一般是在没有妥善保管物导致侵权事实发生的情况下才会存在责任问题。数据权在数据的全生命周期中有不同的支配主体，权利人需承担更多的义务和责任，不仅要对数据泄露和数据侵权等事件承担责任，而且需要在日常数据收集和处理等工作中履行相应的义务。
（三）关于数据产权的争议
按照经济学原则，任何需要拿到市场上进行交易的产品和服务首先应该界定其产权。当然，这种产权是一个权利束，包含所有权、使用权、控制权、收益权等，这些权利在特定情形下是可以分离的。目前，无论是在欧、美、日等发达国家还是我国这样的发展中国家，由于其本身的复杂性以及权利主体的多元性，数据的产权界定在学术界、产业界都尚未形成定论，各国对数据产权也都没有明确的法律规定。
造成数据权属模糊的主要原因是数据主体与数据控制者之间的利益冲突。一种观点认为，数据产权在严格保护个人隐私的前提下，应该属于处理、加工并使之商品化的企业。如齐爱民等认为，个人数据权是自然人依法对其个人数据进行自由控制和支配并拒绝他人干涉的权利，并不具备财产权的属性。个人数据权仅仅是与财产利益相关，由数据处理者的二次加工才得以商品化，所以本身不是财产权[8]。丁道勤认为，对于经过二次处理的增值数据，数据处理者应享有所有权，这样才能激励数据处理者挖掘更多数据的潜在价值，为数据市场研发新产品[9]。有的学者甚至认为，是否严格保护个人隐私都是可以讨论的问题。如美国学者Paul Ohm认为，在信息无所遁形的大数据时代里，个人隐私保护日益式微。他建议用成本效益分析方法评估是否对个人信息进行保护，若隐私保护成本过高而数据流通收益甚微则应放弃[10]。
另一种典型观点则认为，即使是处理以后的匿名化、不包含個人隐私的数据，也应承认个人对数据的初始产权。如Schwartz认为，数据的财产权正是突破个人信息人格权保护难题的出口，与其不断调整个人数据人格权保护相关规范，不如直接通过财产化法律路径回应个人数据上的利益分配问题，在市场规范的引领下促进数据产业发展[11]。肖冬梅等认为，个人在其有意或无意“贡献”的个体数据集合而成的大数据所创造增量利益的总和之中，应该占有一个相对合理比例的收益。因此，当个人数据被其他主体使用时，有权要求使用主体支付“对价”，不能被无偿使用[12]。石丹也强调，个人用户应对个人数据享有初始产权，但可以通过授权将占有权、使用权让渡给企业或政府，促进数据新产品的研发以及经济社会的发展[13]。
对于上述争议，从经济学的角度来看，按照科斯定理的基本原则，如果对产权的法律界定导致交易成本过高，从而事实上阻止了数据交易和流通，那么这种权利界定就是无效率的[14]。对于经过匿名化处理、总体价值密度较低的大数据而言，其中包含的每一条个人信息的贡献价值其实都非常之小。如果认可个人的财产权利主张，那么个人授权或获取分成收益的成本很可能超过其信息贡献价值，导致数据交易成本太高，从而无法实现数据在市场上的流通，甚至使数据市场失去存在的意义。但是，从法学角度来看，认可个人的财产权利主张可能有其维护社会公平的道理。这就是数据权属争议的核心问题所在。
五、加快培育数据要素市场的建议
我国应在总结各地实践探索经验与教训的基础上，充分考虑数据交易的独特性，坚持“在实践中规范、在规范中发展”的原则，以促进数据流通、加快发挥数据在各个行业中助力提质增效作用为出发点和目的，建立全国范围的数据交易法律法规和监管框架，积极培育数据服务新业态，推动我国数据市场快速健康发展。 （一）明确可交易数据的范围，扩大合法、可交易数据的源头供给
数据交易的核心在于可交易数据和不可交易数据的清晰界定。现阶段，很多数字经济企业拥有对数据的控制权，并在不触犯相关法律法规的前提下，事实上享有数据挖掘或分析创造的财产性权益，数据已经作为一种“事实财产”在市场中流通和利用。当然，企业需要遵守两条规则：其一，数据的采集必须以合法方式获取，不能违反法律法规，不能侵犯他人隐私。其二，对数据的使用必须合法。即使在合法获取数据后，企业作为数据控制者依旧有责任保护数据流通的去向，避免数据流入可能侵害个人隐私的第三方。尽管法律没有明确数据控制者的权利，但也未禁止其拥有和享用其利益。世界各国实际上都没有采取传统的“先明晰产权，再发展交易”的模式，而是在规范数据采集、处理、隐私和安全保护等行为的基础上，明确数据交易对象，提供可交易的数据源，优先实现数据的合法交易。我国可借鉴欧美经验，将“来源合法的非个人数据”作为可交易对象，为市场提供充足、合法、可交易的数据源。“非个人数据”包括组织、物和事件的数据，以及经过处理后无法识别特定个人且不能复原的数据等。我国近几年的司法实践也事实上明确了企业对基于合法获得数据形成的数据衍生产品享有财产性权益。不可交易数据则是未经过处理的可识别个人的数据，为保护个人隐私和安全，任何可追溯到个人身份信息的数据在当前阶段都应被禁止进行交易。
（二）明确数据交易规则，让市场主体“依规交易”
目前，我国尚未制定专门的数据流通利用法律法规，数据流通利用的条件和规范等规则不明确。相对而言，欧盟制定了《非个人数据自由流动条例》和《欧盟非个人数据自由流动条例的实施指南》，为欧盟境内的商业数据处理活动提供了明确规则和操作指南。美国的数据流通和使用须遵守《消费者信息隐私权法案》和《健康保险携带和责任法案》等法律。尽管我国《网络安全法》对个人信息使用作了“经过处理无法识别特定个人且不能复原的除外”等规定，但“经过处理”“无法识别”“不能复原”等语义概念存在模糊性和不确定性，界定标准缺位，实践中难以执行。应制定数据流通利用管理办法，明确数据保存、转移、去识别处理、再识别、再转移限制等规则，以及数据处理“无法识别特定个人且不能复原”的法律标准，为数据合规安全交易提供支撑。明确数据交易各参与方的权利、责任和义务，保障数据流通安全和使用可控，做到“责任可追溯、过程可控制、风险可防范”。建立全国统一的数据标准体系，包括数据主体标识①、数据维度、数据使用约束等。
（三）明确数据交易监管机构，保障数据市场“有序交易”
数据交易需要政府适度监管，以确保交易合规。美国由联邦贸易委员会对数据经纪人进行监管;欧盟的欧洲数据监管局和成员国数据监管机构负责数据交易监管，监管部门采取自愿认证方式，设立了一批从事数据处理监管的第三方专业机构，授权专业机构对数据处理者进行监控，以规范数据服务市场。我国数据交易涉及市场监管、公安机关、工业和信息化部门，以及网信等多个部门，但由于监管责任不清，系统性和专业性不足，数据交易监管事实上处于缺位状态。市场准入、交易纠纷、侵犯隐私、数据滥用等“无人管理”，非法收集、买卖、使用个人信息等“灰”“黑”数据产业长期存在，数据交易市场秩序不佳。为此，应明确数据交易主要监管部门及其监管的法律依据和职责范围;对数据交易服务机构或平台进行监管，对数据交易行为和应用进行规范化管理;建立数据流通利用安全风险防控和数据交易维权投诉机制，打击非法数据交易。
（四）积极培育数据服务新业态，推动数据市场良性發展
经过近年来的试点探索，我国数据市场得到了初步发展，产生了一些从事“交易中介+加工分析”服务的新业态，有效促进了数据交易流通。我国拥有的数据量居世界第一，数据交易市场发展潜力巨大，一些新兴机构和企业通过数据聚合、融通、去识别处理、分析挖掘等新型服务方式，针对需求对数据资源进行开发利用，在交易效率提高的同时降低了安全风险。应支持和鼓励现有区域性交易平台发展数据服务，成为兼具技术、信息安全和法律保障等功能的数据交易服务专业机构。在加快政府数据开放的过程中，鼓励以专业化的数据服务机构作为开放出口或平台，以实现数据价值的社会化利用和数据安全的机制化保障。将数据服务业纳入现有高新技术企业、科技型中小企业优惠政策的支持范围，引导政府参股的创投基金适度增加对数据服务的投资。支持各类高职院校开设数据服务相关专业或培训课程，培养数据服务人才，为数据交易提供人才支撑。■
参考文献
[1]张麒.数据纳入生产要素范畴的深意[N].四川日报，2020-04-23（006）.
[2]郭威，杨弘业.以数据要素红利推动实体经济高质量发展[N].学习时报，2020-05-29（003）.
[3]茶洪旺，袁航.中国大数据交易发展的问题及对策研究[J].区域经济评论，2018（4）：89-95.
[4]王卫，张梦君，王晶.国内外大数据交易平台调研分析[J].情报杂志，2019（2）：181-186.
[5]李成熙，文庭孝.我国大数据交易盈利模式研究[J].情报杂志，2020（3）：180-186.
[6]张铭茁.大数据背景下的个人隐私保护初探[J].法制与社会，2018（18）：152-153.
[7]戴建军，田杰棠.推动我国数字经济发展亟须分类确定数据权利[N].中国经济时报，2019-07-31（004）.
[8]齐爱民，盘佳.数据权、数据主权的确立与大数据保护的基本原则[J].苏州大学学报（哲学社会科学版），2015（1）：64-70.
[9]丁道勤.基础数据与增值数据的二元划分[J].财经法学，2017（2）：5-10.
[10]PAUL O. Broken promises of privacy： Responding to the surprising failure of anony-
mization[J]. UCLA L. Rev， 2010： 1744.
[11]SCHWARTZ P M. Beyond lessing’s code for internet privacy： Cyberspace filters， privacy control， and fair information practices[J]. Ssrn Electronic Journal， 2001.
[12]肖冬梅，文禹衡.数据权谱系论纲[J].湘潭大学学报（哲学社会科学版），2015（6）：69-75.
[13]石丹.大数据时代数据权属及其保护路径研究[J].西安交通大学学报（社会科学版），2018（3）：78-85.
[14]洪玮铭，姜战军.数据信息、商品化与个人信息财产权保护[J].改革，2019（3）：149-158.
关键词：数据要素市场;数据交易模式;产权界定
中图分类号：F49 文献标识码：A 文章编号：1003-7543（2020）07-0017-10
近年来，数字经济蓬勃发展，并与多个产业深度融合，对多个国家和地区的经济增长和生产生活方式产生了重要影响，成为重构国际经济格局的重要因素，引起各国普遍重视。目前，已有30多个国家出台促进数字经济发展的战略或规划，从制度环境、基础设施和政府服务等方面为数字经济的发展提供了相对全面的支持政策。我国数字经济发展迅速，在经济增长和社会生活中的作用越来越明显，受到了中央的高度重视。2017年12月，习近平总书记在主持中共中央政治局第二次集体学习时强调，“发挥数据的基础资源作用和创新引擎作用，加快形成以创新为主要引领和支撑的数字经济”。习近平总书记在党的十九大报告中指出，“供给侧结构性改革深入推进，经济结构不断优化，数字经济等新兴产业蓬勃发展”。
在这样的大背景下，数据在经济社会中的关键作用越来越成为社会各界的共识。2019年10月，党的十九届四中全会通过的《中共中央关于坚持和完善中国特色社会主义制度推进国家治理体系和治理能力现代化若干重大问题的决定》进一步提出：“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制。”这是中央文件第一次将数据确立为一种生产要素。2020年3月30日，中共中央、国务院印发的《关于构建更加完善的要素市场化配置体制机制的意见》将数据正式纳入主要生产要素范畴，与传统的土地、技术、劳动力、资本等并列，并明确提出了数据要素市场制度建设的方向和重点改革任务。2020年5月18日，中共中央、国务院发布了《关于新时代加快完善社会主义市场经济体制的意见》，再次提出“加快培育发展数据要素市场，建立数据资源清单管理机制，完善数据权属界定、开放共享、交易流通等标准和措施，发挥社会数据资源价值”。这意味着明确交易规则、建设数据市场已经成为社会主义市场经济体制下要素市场化改革的重要组成部分。
一、数字经济的蓬勃发展使数据成为关键生产要素
数字经济的前身是信息技术软硬件的萌芽和发展，最早起源于“二战”之后，当时最早的“计算机”只能用来加快计算速度，而几乎不能存储和检索信息。到20世纪50年代初磁芯存储器的出现，才真正实现了数字信息的有效存储。20世纪60年代以后，出于与苏联争霸的考虑，美国国防部通过先进技术研究计划（DARPA）资助了大量的信息技术研究项目，互联网发展最关键的传输控制协议/互联网协议（TCP/IP）就源于这些项目的研究成果。到了20世纪80年代，美国国家科学基金会（NSF）基于TCP/IP协议在研究人员中开始建设并管理局域网。
20世纪90年代，商业化的互联网应用在美国逐渐发展起来。2000年前后出现了第一次互联网创业大潮，著名的互联网公司雅虎、谷歌都是成立于90年代中后期。我国的新浪、搜狐、百度、阿里巴巴等企业也都出现在同一时期。数字经济的概念最早就是出现在这一时期。1996年，加拿大商业分析师唐·塔普斯科特（Don Tapscott）在其专著《数字经济：网络智能时代的希望和危险》中首次提出数字经济（Digital Economy）的概念。1998年，美国商务部发布了研究报告《兴起的数字经济》，从数字革命对经济社会影响的角度，就数字经济发展前景及其面临的挑战进行了展望，并指出随着数字革命的推进，IT行业以及宏观经济其他产业部门都将出现加速增长。
就信息技术对经济增长是否贡献巨大，在这一时期还有许多争论。1987年，著名经济学家索洛（Solow）提出：“我们处处可见计算机时代已经到来，除了关于生产率的统计数据外”，这就是所谓的“索洛悖论”。麦肯锡公司于2001年发表了一份题为《美国经济的未来》的报告，认为“信息产业只是美劳动生产率增长的诸多驱动因素之一”，“信息技术投资在某些行业发挥了巨大作用，但在另外一些行业则成效甚微”。
数字经济真正的爆发式增长发生在2008年全球金融危机之后。美国的IBM公司早在2006年就提出了“智慧地球”的概念，并激发了物联网技术和产业的发展。2007年，苹果第一代智能手机iPhone上市，移动互联网跨入了新时代，来自智能手机用户的海量数据急剧增长，云计算技术和应用也应运而生。新一代信息技术与经济活动的融合不断加深，数字经济中的“产业数字化”部分逐渐超过了“数字产业化”部分，才真正迎来了数字经济的大发展。
如图1所示，在物联网、云计算、大数据、人工智能、第五代移动通信（5G）等新一代信息技术的推动下，数字经济的渗透力持续增强，与国民经济各部门不断融合、相互推动，对经济增长的推动作用日益增强。2015年以后，在全球市值最大的企业中，前五名都是数字经济企业，代表着工业时代的制造、连锁零售、金融等企业已经被整体超越。数字经济的时代已经呼啸而来，成为不可阻挡的世界潮流。
传统的经济学将资本和劳动作为最基本的生产要素，其中资本的背后是土地、自然资源、能源等“物”的要素，劳动则是人的要素，人类利用不断开发、不断进步的技术将“地球的馈赠”转化为供人类使用的商品和服务，这就是经济增长的本质。在“索洛悖论”描述的数字技术发展早期，数字的总量是有限的，包含的信息也是有限的，因此不具备成为生产要素的基本条件。 随着2010年以来全球数据总量的飞速增长（見图2），数据成为生产要素的基础条件已经具备。当然，数据并不能直接参与生产，必须要先转化为有生产价值的信息。正如大数据研究的先驱舍恩伯格所言，大数据中的价值密度是相对较低的，需要人类去深入挖掘。近几年来，随着数据挖掘、数据处理和数据算法等技术的不断进步，数据已经逐步深入生产过程。企业利用销售大数据管理生产从而实现“零库存”，利用消费者个性化数据实现定制化生产，利用产品售后使用数据反馈来提升研发设计水平，利用生产线数字的采集、挖掘、分析和反向控制来优化生产流程，这些方面的现实应用已经得到蓬勃发展。技术作为生产要素的难题在于难以度量、难以科学地量化处理，因而只能放到“索洛余值”这个黑箱子中，而数据是可以用比特这个单位来精确测度的，有利于衡量数据作为生产要素对宏观经济产出的贡献。
二、数据要素的特性与培育数据要素市场的迫切需求
（一）数据生产要素的独特性
与资本、劳动、技术等传统生产要素相比，数据作为一种新的生产要素，呈现许多与传统生产要素不同的独特特征。已有很多学者对此进行了阐释。张麒认为，数据资源要素具有衍生性、共享性、非消耗性三大价值，打破了自然资源有限供给对增长的制约，为持续增长和永续发展提供了基础和可能[1]。郭威、杨弘业提出，数据要素凭借其较高的流动性、无限的供应量和正外部性，辐射各生产部门，与其他要素市场有机结合，产生乘数作用，有助于提升全要素生产率[2]。这些学者从不同侧面描述了数据生产要素的特征，都有一定的道理。从本质来看，数据生产要素的最独特特征有三个：非稀缺性、非均质性和非排他性。
一是非稀缺性。经济学的基本任务就是研究有限资源与人的无限欲望之间的矛盾，以最小投入获得最大产出，其原因就是资源的天然稀缺性。自然资源和劳动人口都不是无限可得的，而且在生产过程中会消耗并产生废物和排放污染，而数据则有所不同。当然，数据的非稀缺性并不是指数据到处都是、随手可得，或者数据资源“极大丰富”，而是指两个方面的含义：一方面，数据量目前看来是接近无限开发的，尽管事实上存储数据的物理设施最终要受资源总量约束;另一方面，数据参与生产过程之后仍然存在，并不会被消耗掉，而是可以多次循环使用，且使用中可能促进数据量的进一步增加，也没有污染、排放等问题。
二是非均质性。资本、劳动等传统生产要素具有一定的均质性。资本的每一元钱之间没有本质区别;劳动力之间尽管有明显差别，但是这种差别只是在一定范围内存在，均质性仍然比较明显;不同技术之间存在的差异性更大，但是专利审查制度的出现和执行会将这种差异度减小，因此我们经常使用专利数据来衡量创新能力，尽管其准确性有待商榷。数据与上述要素完全不同，一个比特数据跟另外一个比特数据包含的生产价值通常是完全不同的，我们几乎无法用某一企业的数据量来衡量这个企业的价值或者进行横向比较。两个同样数据量的视频，一个可能是极有用的信息，另一个则可能是垃圾信息，这种情况在大数据中普遍存在。
三是非排他性。经济学意义上的排他性是指在技术上排斥他人使用的可能性，也就是说当某人在使用一件产品时别人就不能使用。比如一片土地或一座矿山，一个企业购买了使用权或独家开发权，其他企业就不能同时使用。资本和劳动这两个生产要素都具有明显的排他性，但是技术则具有较强的非排他性特征，因此需要建立知识产权制度以鼓励更多的技术产出。数据具有非排他性特征，可以无限复制给多个主体同时使用。这也带来了一个重要问题，即是否需要建立排他性的权利制度安排，以激励对数据的供给和有效使用。
（二）培育数据要素市场是促进数据价值有效利用的必然选择
我国拥有的数据量居世界第一①，但是目前主要的数据都掌握在大型数字经济企业以及政府部门手中。例如，阿里巴巴、京东拥有最多的电商消费数据，百度拥有最多的搜索数据，腾讯则掌握着最多的社交数据。政府部门的总数据量虽然可能比不上大型互联网企业，但是数据质量、结构化程度、有效信息量等方面要比互联网大数据有明显优势，很多关键数据都散布在政府的不同部门。
政府数据作为一种公共资源有多种管理方式，我国相关政策文件默认政府数据为公共资源并要求推动其开放。如《中华人民共和国网络安全法》第十八条规定：国家鼓励开发网络数据安全保护和利用技术，促进公共数据资源开放，推动技术创新和经济社会发展。国务院2015年9月印发的《促进大数据发展行动纲要》提出，稳步推动公共数据资源开放。国务院发布的《政务信息资源共享管理暂行办法》对政务信息资源的共享和无偿使用作出了规定。但是，由于对政府数据权利、责任、义务尚未有明确的法规规定，导致公共数据开放滞后。目前我国政府数据开放还停留在信息公开阶段，亟须完善相关法规，促进政府数据的开放和利用。
除了政府数据外，各类数字经济企业累积的大量互联网、物联网数据目前大多数仍处于互相割裂、难以流动、无法打通的“数据孤岛”状态。尽管在经济社会全面数字化转型过程中，需要大量的数据资源参与生产过程，但是由于没有相关的法律法规和交易规则，因而难以实现大数据的充分扩散、大范围共享和市场化流通。目前互联网网企业的数据除了在特定情况下向相关政府部门、高等院校、科研院所有限开放之外，主要以自己开发利用为主。在这种情况下，最需要数据的企业可能未必能得到数据资源，数据的价值难以被最大化地开发出来。因此，必须培育发展数据要素市场，明确交易规则和市场规范，使掌握大数据的企业有动力、无风险地将数据资源有偿开放共享，使那些有强烈数据需求的企业能够在数据市场上以相对公允的价格获取数据资源，从而实现数据资源的优化配置，发挥大数据提升生产效率、促进产业升级的关键作用。
三、我国数据交易的实践探索与成效
（一）各地积极开展数据交易探索
数据交易是市场经济条件下促进数据要素市场流通的基本方式。近年来，随着大数据技术及应用的迅速发展，我国各地以多种形式开展了关于数据交易的探索和实践。2015年4月，贵州省人民政府批准成立了全国第一家大数据交易所——贵阳大数据交易所。在之后的几年中，武汉、哈尔滨、江苏、西安、广州、青岛、上海、浙江、沈阳、安徽、成都等地纷纷建立大数据交易所或交易中心，提供数据交易服务。据网上公开资料统计，2015年以来各省市先后建立的数据交易机构超过20个，均由各地政府或国家信息中心牵头协调，亚信数据、九次方大数据、数海科技、中润普达等一批数据运营服务企业提供技术和运营支持。 这些数据交易机构作为大数据交易的先行者，不仅在实践中对规则尚不明确的数据交易进行了有益的探索，而且尝试着制定数据交易的相关规则并付诸实践，积累了经验和教训，也取得了初步成效。以最早成立的贵阳大数据交易所为例，在推动数据交易发展的过程中，先后制定了《数据确权暂行管理办法》《数据交易结算制度》《数据源管理办法》《数据交易资格审核办法》《数据交易规范》《数据应用管理办法》等一系列交易规则，尽管在具体实践中仍存在较多争议，但这种勇于探索的精神还是值得充分肯定的。茶洪旺、袁航认为，在我国大数据交易实践发展过程中，数据交易服务体系在不断完善，相应的标准和规范也在引领数据交易市场的蓬勃发展[3]。
（二）实践中形成的两种主要交易模式及其成效比较
一些学者研究了大数据交易及盈利的主要模式。如王卫、张梦君、王晶提出，数据交易产品类型主要有数据包（如交通地理数据、政府数据、金融数据、个人行为轨迹数据、社交软件数据等）、云服务、解决方案、数据定制服务等[4]。李成熙等总结的大数据交易盈利模式主要有大数据交易平台（中介）盈利模式、大数据交易卖方盈利模式、数据持有型大数据交易平台盈利模式、技术服务型大数据平台盈利模式四种[5]。
从各地数据交易机构的实践来看，目前形成了两种最主要的交易模式，也是发展数据交易机构的两种主流思路。一是数据撮合交易模式。这种模式有点像传统的商品集市，因而又被称为“数据集市”。在这种交易模式下，数据交易机构以交易粗加工的原始数据为主，不对数据进行任何预處理或深度的信息挖掘分析，仅经过收集和整合数据资源后便直接出售。很多交易所或交易中心在发展初期都是以这种交易模式为基本发展思路。二是数据增值服务模式。数据交易机构不是简单地将买方和卖方进行撮合，而是根据不同用户需求，围绕大数据基础资源进行清洗、分析、建模、可视化等操作，形成定制化的数据产品，然后再提供给需求方。从各地实践效果来看，大部分数据交易机构经过多次探索之后，选择了提供数据增值服务的交易模式，而不是基础数据资源的直接交易。
数据撮合交易模式存在两个主要问题：其一，这类撮合式交易需要大量数据资源的获取，往往难以实现有效的个人信息保护。张铭茁通过分析大数据背景下的个人隐私数据泄露现状指出，数据交易市场存在大量灰黑交易，严重影响了数据交易向纵深方向发展[6]。由于隐私数据在黑市的高价格诱惑，以及现行法律法规对于个人隐私数据保护的不完善，针对用户信息的非法收集、窃取、利用和贩卖等行为比较猖獗。一些企业参与个人信息数据非法交易，导致很多数据集市逐渐沦为数据黑市。其二，大数据本身具有非均质、价值密度低等特性，使得大部分数据需求方与供给方难以形成价格共识。对于客户来说，海量的“粗加工”数据对于商业决策或研究意义甚微。无论是政府还是企业需求，精准有效的数据可能仅占总数据量的百万甚至亿万分之一，而后期的提取及分析则意味着大量时间和加工成本的投入。
相对而言，数据增值服务模式则有两个优势：第一，数据增值服务机构代替客户从大数据中提取密度低且价值高的数据，为其节省了大量的时间和分析成本。对于大部分中小企业来说，能够满足数据需求的专业人才相对稀缺，深度挖掘和分析原始数据则需要额外的人才或技术投资。因此，直接购买经定向处理后的数据产品可省去大笔开支，性价比比较高。第二，提供数据增值的服务商需确保数据的合法性，降低了数据需求方的法律风险。在当前一些法律法规尚不完备的情况下，数据需求方通过与数据增值服务提供方签订合同或协议，由后者负责保障数据获取和处理的合法性，有效规避了困扰数据交易的数据隐私保护等问题，使数据交易市场得以有效运行。
四、数据权利界定的难点与相关争议
数据不同于普通的有形物质，进入大数据时代，数据的生产特点发生了一些变化，这使得数据的权属界定成为难点。
（一）数据的分类
数据是信息的载体，通常提到的数据其实是指数据中包含的信息，特别是在指个人数据时。数据是计算机能够识别的一种形式，0或者1，以无标识信息的形式存在。信息是关于人、事、物等与表现形式无关的一些知识，是包含上下文语境、有标识的数据。数据如果和个人联系起来就是个人信息。目前，世界各国立法主要使用三种概念：个人数据、个人隐私与个人信息。用“个人数据”称谓的主要是欧盟成员国及受其影响较大的国家，如法国的《资料保护法》、挪威的《资料登录法》和欧盟的《一般数据保护条例》，均使用“个人数据”的称谓。用“个人隐私”称谓的主要是普通法国家。美国的《隐私权法》、加拿大的《隐私权法》和澳大利亚的《隐私权法》均使用的是“个人隐私”的称谓。使用“个人信息”概念的有奥地利的《信息保护法》、韩国的《公共机构之个人信息保护法》、俄罗斯的《俄罗斯联邦信息、信息化和信息保护法》等。也有将个人信息与个人数据共同使用的国家，如日本2005年4月实施的《个人信息保护法》，就同时使用了“隐私”和“个人数据”两种概念。
数据可以根据不同的标准进行分类。按数据是否包含个人信息，可以将数据分为个人数据和非个人数据，个人数据指与个人相关，能够识别个人身份的数据。按照数据是否加工，可以将数据区分为原生数据和衍生数据。原生数据是指不依赖于现有数据而产生的数据;衍生数据是指原生数据被记录、存储后，经过算法加工、计算、聚合而成的系统的、可读取、有使用价值的数据。按照数据产生的主体，数据可以分为：个人数据、商业数据和政府数据①。政府数据指政务部门履职过程中获取或制作的数据，可包括个人数据和商业数据。商业数据主要指商业机构运行中获取或生产的数据。这种分类中涉及个人数据的部分有交叉，对于商业数据和公共数据中涉及个人的数据，仍是个人数据，一般采取个人数据匿名化的处理方式。
（二）数据权利界定的难点
戴建军、田杰棠认为，数据权利与其他有形或无形物的产权存在较大差异，使数据权利问题的复杂性增加[7]。同时，数据的来源也不同于普通产品的生产，这使得数据的权利界定不像普通产品那样简单明确。 第一，数据权利具有多样性，不同类型数据在权利内容上存在较大差异。数据权的主体包括自然人、政府和企业。个人数据可能会包含个人的隐私，自然人对自己的数据享有隐私权。因此，自然人对个人数据的权利旨在保护其对个人数据的自主决定利益，从而防止因个人数据被非法收集和利用而侵害个人人格权和财产权。对于政府数据，通常被认为属于公共资源，公众享有知情权、访问权和使用权。商业数据则包含企业的知识产权、商业秘密和市场竞争合法权益等。从当前与数据相关的法律来看，个人数据是一个明确的法律概念，国内外都有明确的法律概念和规范体系。在政府数据开放的讨论语境下，政府数据也是一种重要的权利客体。相对于个人数据和政府数据的概念，商业数据比较模糊，尚未成为严格的法律概念。
第二，数据生产链条包括多个参与者，权利责任需要在各参与者之间进行划分而引致界定困难。与其他财产不同，数据的全生命周期由多个参与者（数据提供者、数据收集者、数据处理者等）对数据进行支配，每一个参与者在各自环节赋予数据不同价值。在大多数情况下，数据发挥作用、产生价值需要数据控制处理者（如网络平台）对数据进行采集、加工、处理和分析，因此，数据提供者对于数据的各项权利需要数据控制处理者的支持和配合才可有效行使。赋予某一参与者专属的、排他性的所有权不可行，需要在数据提供者、数据控制处理者等参与者之间进行协商和划分，确定各权利之间的边界和相互关系。数据权利内容还会随着应用场景的变化而变化，甚至衍生出新的权利内容，使得事先约定权利归属变得困难。在海量数据时代，数据控制处理者对于每一个数据包含的复杂权利内容进行协商会带来巨大的交易成本，需要有一套简易可行的规则才能使得数据利用成为可能。另外，就个人数据而言，由于其中包含个人隐私，对于数据控制处理者在使用数据过程中如何保护好个人隐私权需要给予充分考虑。
第三，数据与传统普通物的所有性质有所不同。目前已经有不少人提出对数据建立所有权，如英国学者Christopher Rees认为数据可以被归类为财产（基于财产的简单定义，即能使用并排除他人使用某物的权利）。德国学者T. Hoeren提出，“一般来说，数据权利归属于数据的开发者、创建者或生产者。如果是职务数据，则权利属于雇主。”实践中，一些企业也会通过技术手段保护相关数据不受第三方侵犯，使得事实上数据为其所有。但数据的特点（如无限性和兼容性）使数据产权外延内的“所有权”和一般民法对所有权（对财产享有使用、收益和处分的排他性权利）的界定不同。对于通常意义上的所有权，所有权人几乎完全拥有占有和使用该物的权益，且一般是在没有妥善保管物导致侵权事实发生的情况下才会存在责任问题。数据权在数据的全生命周期中有不同的支配主体，权利人需承担更多的义务和责任，不仅要对数据泄露和数据侵权等事件承担责任，而且需要在日常数据收集和处理等工作中履行相应的义务。
（三）关于数据产权的争议
按照经济学原则，任何需要拿到市场上进行交易的产品和服务首先应该界定其产权。当然，这种产权是一个权利束，包含所有权、使用权、控制权、收益权等，这些权利在特定情形下是可以分离的。目前，无论是在欧、美、日等发达国家还是我国这样的发展中国家，由于其本身的复杂性以及权利主体的多元性，数据的产权界定在学术界、产业界都尚未形成定论，各国对数据产权也都没有明确的法律规定。
造成数据权属模糊的主要原因是数据主体与数据控制者之间的利益冲突。一种观点认为，数据产权在严格保护个人隐私的前提下，应该属于处理、加工并使之商品化的企业。如齐爱民等认为，个人数据权是自然人依法对其个人数据进行自由控制和支配并拒绝他人干涉的权利，并不具备财产权的属性。个人数据权仅仅是与财产利益相关，由数据处理者的二次加工才得以商品化，所以本身不是财产权[8]。丁道勤认为，对于经过二次处理的增值数据，数据处理者应享有所有权，这样才能激励数据处理者挖掘更多数据的潜在价值，为数据市场研发新产品[9]。有的学者甚至认为，是否严格保护个人隐私都是可以讨论的问题。如美国学者Paul Ohm认为，在信息无所遁形的大数据时代里，个人隐私保护日益式微。他建议用成本效益分析方法评估是否对个人信息进行保护，若隐私保护成本过高而数据流通收益甚微则应放弃[10]。
另一种典型观点则认为，即使是处理以后的匿名化、不包含個人隐私的数据，也应承认个人对数据的初始产权。如Schwartz认为，数据的财产权正是突破个人信息人格权保护难题的出口，与其不断调整个人数据人格权保护相关规范，不如直接通过财产化法律路径回应个人数据上的利益分配问题，在市场规范的引领下促进数据产业发展[11]。肖冬梅等认为，个人在其有意或无意“贡献”的个体数据集合而成的大数据所创造增量利益的总和之中，应该占有一个相对合理比例的收益。因此，当个人数据被其他主体使用时，有权要求使用主体支付“对价”，不能被无偿使用[12]。石丹也强调，个人用户应对个人数据享有初始产权，但可以通过授权将占有权、使用权让渡给企业或政府，促进数据新产品的研发以及经济社会的发展[13]。
对于上述争议，从经济学的角度来看，按照科斯定理的基本原则，如果对产权的法律界定导致交易成本过高，从而事实上阻止了数据交易和流通，那么这种权利界定就是无效率的[14]。对于经过匿名化处理、总体价值密度较低的大数据而言，其中包含的每一条个人信息的贡献价值其实都非常之小。如果认可个人的财产权利主张，那么个人授权或获取分成收益的成本很可能超过其信息贡献价值，导致数据交易成本太高，从而无法实现数据在市场上的流通，甚至使数据市场失去存在的意义。但是，从法学角度来看，认可个人的财产权利主张可能有其维护社会公平的道理。这就是数据权属争议的核心问题所在。
五、加快培育数据要素市场的建议
我国应在总结各地实践探索经验与教训的基础上，充分考虑数据交易的独特性，坚持“在实践中规范、在规范中发展”的原则，以促进数据流通、加快发挥数据在各个行业中助力提质增效作用为出发点和目的，建立全国范围的数据交易法律法规和监管框架，积极培育数据服务新业态，推动我国数据市场快速健康发展。 （一）明确可交易数据的范围，扩大合法、可交易数据的源头供给
数据交易的核心在于可交易数据和不可交易数据的清晰界定。现阶段，很多数字经济企业拥有对数据的控制权，并在不触犯相关法律法规的前提下，事实上享有数据挖掘或分析创造的财产性权益，数据已经作为一种“事实财产”在市场中流通和利用。当然，企业需要遵守两条规则：其一，数据的采集必须以合法方式获取，不能违反法律法规，不能侵犯他人隐私。其二，对数据的使用必须合法。即使在合法获取数据后，企业作为数据控制者依旧有责任保护数据流通的去向，避免数据流入可能侵害个人隐私的第三方。尽管法律没有明确数据控制者的权利，但也未禁止其拥有和享用其利益。世界各国实际上都没有采取传统的“先明晰产权，再发展交易”的模式，而是在规范数据采集、处理、隐私和安全保护等行为的基础上，明确数据交易对象，提供可交易的数据源，优先实现数据的合法交易。我国可借鉴欧美经验，将“来源合法的非个人数据”作为可交易对象，为市场提供充足、合法、可交易的数据源。“非个人数据”包括组织、物和事件的数据，以及经过处理后无法识别特定个人且不能复原的数据等。我国近几年的司法实践也事实上明确了企业对基于合法获得数据形成的数据衍生产品享有财产性权益。不可交易数据则是未经过处理的可识别个人的数据，为保护个人隐私和安全，任何可追溯到个人身份信息的数据在当前阶段都应被禁止进行交易。
（二）明确数据交易规则，让市场主体“依规交易”
目前，我国尚未制定专门的数据流通利用法律法规，数据流通利用的条件和规范等规则不明确。相对而言，欧盟制定了《非个人数据自由流动条例》和《欧盟非个人数据自由流动条例的实施指南》，为欧盟境内的商业数据处理活动提供了明确规则和操作指南。美国的数据流通和使用须遵守《消费者信息隐私权法案》和《健康保险携带和责任法案》等法律。尽管我国《网络安全法》对个人信息使用作了“经过处理无法识别特定个人且不能复原的除外”等规定，但“经过处理”“无法识别”“不能复原”等语义概念存在模糊性和不确定性，界定标准缺位，实践中难以执行。应制定数据流通利用管理办法，明确数据保存、转移、去识别处理、再识别、再转移限制等规则，以及数据处理“无法识别特定个人且不能复原”的法律标准，为数据合规安全交易提供支撑。明确数据交易各参与方的权利、责任和义务，保障数据流通安全和使用可控，做到“责任可追溯、过程可控制、风险可防范”。建立全国统一的数据标准体系，包括数据主体标识①、数据维度、数据使用约束等。
（三）明确数据交易监管机构，保障数据市场“有序交易”
数据交易需要政府适度监管，以确保交易合规。美国由联邦贸易委员会对数据经纪人进行监管;欧盟的欧洲数据监管局和成员国数据监管机构负责数据交易监管，监管部门采取自愿认证方式，设立了一批从事数据处理监管的第三方专业机构，授权专业机构对数据处理者进行监控，以规范数据服务市场。我国数据交易涉及市场监管、公安机关、工业和信息化部门，以及网信等多个部门，但由于监管责任不清，系统性和专业性不足，数据交易监管事实上处于缺位状态。市场准入、交易纠纷、侵犯隐私、数据滥用等“无人管理”，非法收集、买卖、使用个人信息等“灰”“黑”数据产业长期存在，数据交易市场秩序不佳。为此，应明确数据交易主要监管部门及其监管的法律依据和职责范围;对数据交易服务机构或平台进行监管，对数据交易行为和应用进行规范化管理;建立数据流通利用安全风险防控和数据交易维权投诉机制，打击非法数据交易。
（四）积极培育数据服务新业态，推动数据市场良性發展
经过近年来的试点探索，我国数据市场得到了初步发展，产生了一些从事“交易中介+加工分析”服务的新业态，有效促进了数据交易流通。我国拥有的数据量居世界第一，数据交易市场发展潜力巨大，一些新兴机构和企业通过数据聚合、融通、去识别处理、分析挖掘等新型服务方式，针对需求对数据资源进行开发利用，在交易效率提高的同时降低了安全风险。应支持和鼓励现有区域性交易平台发展数据服务，成为兼具技术、信息安全和法律保障等功能的数据交易服务专业机构。在加快政府数据开放的过程中，鼓励以专业化的数据服务机构作为开放出口或平台，以实现数据价值的社会化利用和数据安全的机制化保障。将数据服务业纳入现有高新技术企业、科技型中小企业优惠政策的支持范围，引导政府参股的创投基金适度增加对数据服务的投资。支持各类高职院校开设数据服务相关专业或培训课程，培养数据服务人才，为数据交易提供人才支撑。■
参考文献
[1]张麒.数据纳入生产要素范畴的深意[N].四川日报，2020-04-23（006）.
[2]郭威，杨弘业.以数据要素红利推动实体经济高质量发展[N].学习时报，2020-05-29（003）.
[3]茶洪旺，袁航.中国大数据交易发展的问题及对策研究[J].区域经济评论，2018（4）：89-95.
[4]王卫，张梦君，王晶.国内外大数据交易平台调研分析[J].情报杂志，2019（2）：181-186.
[5]李成熙，文庭孝.我国大数据交易盈利模式研究[J].情报杂志，2020（3）：180-186.
[6]张铭茁.大数据背景下的个人隐私保护初探[J].法制与社会，2018（18）：152-153.
[7]戴建军，田杰棠.推动我国数字经济发展亟须分类确定数据权利[N].中国经济时报，2019-07-31（004）.
[8]齐爱民，盘佳.数据权、数据主权的确立与大数据保护的基本原则[J].苏州大学学报（哲学社会科学版），2015（1）：64-70.
[9]丁道勤.基础数据与增值数据的二元划分[J].财经法学，2017（2）：5-10.
[10]PAUL O. Broken promises of privacy： Responding to the surprising failure of anony-
mization[J]. UCLA L. Rev， 2010： 1744.
[11]SCHWARTZ P M. Beyond lessing’s code for internet privacy： Cyberspace filters， privacy control， and fair information practices[J]. Ssrn Electronic Journal， 2001.
[12]肖冬梅，文禹衡.数据权谱系论纲[J].湘潭大学学报（哲学社会科学版），2015（6）：69-75.
[13]石丹.大数据时代数据权属及其保护路径研究[J].西安交通大学学报（社会科学版），2018（3）：78-85.
[14]洪玮铭，姜战军.数据信息、商品化与个人信息财产权保护[J].改革，2019（3）：149-158.