智库观察｜数据要素市场化亟需解决五大难点

 

2022年6月召开的中央全面深化改革委员会第二十六次会议指出，要建立数据产权制度、建立合规高效的数据要素流通和交易制度、完善数据要素市场化配置机制。数据作为一种全新的生产要素，具有极为重要的作用。数据是新时代重要的生产要素，是国家的重要战略资源，也是数字经济发展的核心力量。

 

充分挖掘数据的深层价值，要加快要素市场化配置，推动数据要素资本化，其主要手段是以价值化、证券化的数据资源为基础，实现数据要素的保值增值。在实现数据证券化的过程中，数据权属的确定、数据的交易机制、数据的安全性、数据的孤岛与垄断等问题制约了数据要素的流通。如何解决数据要素证券化的难题，加强数据要素市场建设尤为迫切。本文主要针对数据要素交易市场中的五大难点分别提出解决方案，为促进数据要素的流通，挖掘数据深层价值，赋能数字经济提出对策建议。

 

｜难点一：怎样实现数据要素的三权分离

 

数据权属主要分为数据的所有权、经营权与使用权。数据要素与其他生产要素的不同点主要为：数据要素的所有权、使用权与经营权是需要进行合理分离的。数字要素交易市场的建设面临的一个重大问题就是如何实现数据的三权分离。一般来说，国家即国家中的人民是数据的提供者、所有者；而互联网企业则是数据的经营者和加工者；个人或者科研机构等客户是数据的使用者。通过分离数据的所有权、使用权与经营权，实现数据要素在不同主体之间的流动。数据权利分离不只是数据所有权的归属，也包括其对应主体利益分配等问题。清晰的产权界定是数据要素交易市场运行的前提。为解决数据要素三权分离问题，可以考虑以下举措：

 

首先，完善数据产权相关法律法规。从国家层面来讲，由于我国现行法律中对相关数据产权部分约束较少且存在漏洞，相关部门应将数据产权保护纳入法律范畴，尽快明确数据的三权归属及其定义、内容等，从具体国情出发，制定符合我国数字经济市场的法律法规，形成相应的标准化规范，并就企业以及个人在数据所有权、经营权与使用权等具体方面作出规定，避免企业与个人之间发生数据所属权利混淆以及倾轧现象。

 

其次，实现数据的分级分类管理。由于数据分类较为复杂，且不同行业之间数据差异化较为明显，对不同类别数据进行分级分类管理也是实现数据三权分离的一个有效措施。根据数据主体的不同，将数据分为私人数据、企业数据与公共数据，通过对不同数据的分类管理，实现数据要素的三权分离。

 

私人数据，包括用户的基本信息数据及在网络中各自行为产生的数据，具有明显的隐私性，数据所有权应归本人所有，但大量用户个人数据汇总在一起并进行数据分析计算等可能会产生较大数据价值，唤醒数据活力。因此，个人可以有选择地将部分数据交由数据分析机构经营，即让渡部分个人数据经营权和使用权。当然，数据权利界定的背后离不开法律对各主体的约束，应依靠相关法律切实保障个人数据的隐私，规范数据经营方对数据的合法使用，在各方权利得到保护的情况下，双方共同获益。

 

企业数据，包括企业基本信息数据及在生产经营过程中与多方的关联数据，在相关主体知情且同意的情况下，可由企业代为分析挖掘数据潜在价值，同样应在法律允许的条件下进行数据分析，在不影响企业自身商业机密的同时，其最终创造的数据价值可以经双方协商共享收益。

 

公共数据，主要是指国家进行公开收集的各类数据，如政府公布的经济、社会数据等，由政府在公共财政的支持下统计形成，那么其成果从群众中来，最后也应在不涉密的情况下归社会公开享有。公开数据所有权归国家，用户享有使用权，部分企业在从事合法活动过程中享有经营权。

 

第三，完善数据信息中心与数据管理平台。针对不同主体的信息，个人用户可以通过平台自主管理个人数据来实现数据的私密保护和有偿分享，公共数据由国家相关部门进行管理，企业数据也可以在平台中使用并发挥数据效用最大化，进而在维护数据的所有权和隐私权的基础上，来实现数据三权分离。此外，要加快推动数据小范围试点工作。通过小范围试点，厘清数据要素的权力范围，形成标准化的流程并进行大范围推广，实现数据三权分离，促进数据要素的市场交易与流通。

 

｜难点二：怎样实现可信数据的保护共享

 

数据不同于实物，其自身具有特殊的性质。数据存在价值的根本在于它的真实性；数据共享是其形成价值的途径；而数据由于其可复制性，其共享又不能像普通物品一样随意公开，只能进行有限共享。这就形成了数据在真实性、保护性和共享性三者之间的特殊矛盾。未来的国家数据要素市场化，应当建立在可信任的数据网络技术基础之上，以实现可验证的身份追溯与数据可信性。此外，具有可信任数据的互联网必须保护个人隐私，确保公共、经济与国家的安全，并增强公众、个人与商业伙伴之间的纽带关系。在此基础上，尽量实现数据高效而有限的共享。因此，在不危害个人隐私及国家安全的前提下，真正实现数据的可信任、可追溯与可共享应当是数据要素市场化的先决条件，可以考虑以下举措：

 

第一，确保数据的安全可信。数据之所以具有价值，在于其能够真实地反映数字背后的经济社会规律，这要求数据必须是真实可信的。作为国家战略性资产的数据，必须具有抵抗威胁的能力，以保证其安全和可信。数据市场化过程中最大的挑战是用户数据的所有权和隐私权之间的矛盾。网络数据分析技术的发展既要为数据所有者创造价值，又必须保护用户的隐私。数据不能被私人公司独自掌握，否则将不能对社会公共利益有所增进；同时，这些数据也不宜由某方独揽，否则将会降低数据的透明度，损害公共利益。

 

各方的数据活动都需要在监管下进行，既要维护个人数据的隐私，同时又要保护国家的权益不受侵害。如果能够创建一个可信任的数据互联网，为每个人提供安全、有保障的数据访问，就可产生巨大的社会效益。首先是使用可靠的数字身份。无论是个人还是组织，“身份”是通向其所拥有数据并实现数据共享的关键。数字身份不仅包含了唯一且不可伪造的证书，而且具备能力访问所有与个人身份相关的数据，及控制个人在不同情境下扮演的不同“角色”。每一个身份都拥有与现实情境相关联的数据访问权。国家需要通过建立可靠的数字身份，保障网络安全，实现通用的数据访问。其次是建立可信任的分布式网络管理系统。一般意义而言，中心化的管理系统是网络安全中相对薄弱的一环，内部人员和竞争对手均有可能利用其弱点一举摧毁整个系统。该问题最有效的解决办法是把权限分配给许多可信任的参与者。这样，即便其中一个甚至多个参与者实施危害性行动，也不会破坏整个系统的安全。例如，以区块链为基础构建的数据网络，可以有效确保数据的安全和可信。

 

第二，实现数据的有限共享。数据作为一种重要的资源与要素，由于其自身具有可复制性，不能像其他要素一样随意共享，而只能是有限的共享，即数据不能被复制或直接浏览。这就需要以下几个关键步骤：首先是数据不能被复制或直接共享，而是把算法推送到现有数据库，在后端防火墙保护下进行安全运算，只有加密后的运算结果才是被返回共享的。这意味着原始数据绝不会离开其存储库，且数据访问由存储库/数据所有者控制。其次是始终返回“安全答案”，而不是原始数据，即在执行查询时，数据存储库必须返回“安全答案”，而不能返回原始数据。最后是数据始终处于加密状态，即全程（无论是静态驻留、动态传输和计算中）都需要对数据进行加密。

 

｜难点三：怎样打破数据孤岛和数据垄断

 

数据孤岛是指数据被分割、储存在不同的主体或部门，成为一个个单独的数据集，无法实现互联互通、相互分享和整合利用的状态。与数据孤岛相关联的一个概念是数据垄断。对于数据垄断的概念，目前还存在较大争议。一部分学者认为，数据具有非竞争性、替代性和零边际成本，甚至具有非排他性，所以数据不会出现垄断问题，也就不存在“数据垄断”；另一部分学者认为，尽管数据具有非竞争性等特点，但是拥有市场支配地位的大企业可以利用大数据实施“数据垄断”行为。

 

结合现实经济生活中的案例，如Google/Double click案，大众点评诉百度案，菜鸟裹裹与顺丰快递、新浪与今日头条、微信与华为的数据之争等，有理由认为“数据垄断”是确实存在的。数据垄断并不是指单个企业拥有大量原始数据，或数据持有人基于产权制度对数据资产的排他性占有，而是指数据持有人在数据采集和开发利用中所实施的各种基于大数据的市场势力滥用行为。

 

针对数据垄断这一新型垄断现象，不少学者就如何进行反垄断规制进行了探讨。一些学者认为，应该发挥以反垄断法为主的法律法规对数据垄断的规制作用。曾彩霞（2017）基于已有文献的研究，提出要优先使用反垄断法规制大数据垄断，同时发挥隐私权和消费者权益保护相关法律法规对大数据垄断的规制作用。针对数据垄断的新特点，牛喜堃（2018）讨论了反垄断法应该如何应对此类行为。殷继国（2019）提出了大数据市场反垄断规制的内在逻辑和基本路径，强调采用反垄断法为主、其他法律法规为辅的综合规制。还有一些学者从更广泛的视角提出了针对数据垄断的规制思路。詹馥静等（2018）提出大数据反垄断执法的调整思路：秉持谦抑审慎的反垄断执法原则，提升反垄断执法的专业化水平，加强反垄断执法的国际合作与交流。刘戒骄（2022）认为数据反垄断监管应当充分考虑数据兼具公共产品和私人产品的复杂特征，围绕数据保护、共享、移植、安全、算法和使用等环节，在约束数据领域不当行为、探索数据公地建设、完善非歧视规则和鼓励数据去中心化存储等方面形成较为完善的制度。唐要家（2022）认为反数据垄断政策应构建以反垄断法为核心的多法协同体制，合理权衡竞争、隐私和创新目标，将数据、算法、平台作为政策重点，实施分类治理并注重市场化数据共享机制的作用。反数据垄断政策的核心是确保原始数据的开放接入，为此可实施个人数据可携带权、鼓励消费者授权的批量数据接入、特定情况下的强制性数据接入、互操作性政策等反垄断监管政策。

 

归纳起来，可以考虑以下方面措施：第一是制度和法律层面，完善数据隐私保护制度。一方面，构建数据分类共享制度；另一方面，引入数据隐私泄露评估制度，健全数据流通监管机制。具体来说，一是坚持数据安全与数据共享相结合的监管理念，设置专门的数据监管机构，增强数据流通的事中和事后监管，完善数据监管的信息公开机制。二是发挥法律制度的规制作用，在大力推进人工智能时代数据共享、破除数据孤岛的同时，以保护公民的隐私权和数据安全作为数据共享的“底线”，严禁借助数据共享之名行侵犯公民隐私之实的行为，为数据共享划定必要的禁区和红线。第二是技术层面，建立在区块链技术基础之上，以数据所有权、使用权和经营权三权分离为突破口，以区块链中分布式计算存储、加密算法、共识机制和点对点传输等核心技术来平衡各参与主体之间的权责和利益关系，重构数据市场主体的相互关系。一方面，使数据生产者、数据垄断者和数据使用者三者从零和博弈走向互利合作；另一方面，打破数据割据和垄断形成的数据孤岛，提升数据流动性并充分激活数据价值。

 

｜难点四：怎样将数据证券化并合理定价

 

数据证券化是以数据资产未来所产生的现金流为偿付支持，通过结构化设计进行信用增级，发行可出售流通的权利凭证，从而获得融资的过程。目前，我国数据要素交易、流通市场建设总体发展处于初步阶段，数据要素定价等无法确定，数据要素难以变成数据资产进而难以实现证券化进入要素市场进行流通与交易。如何抓住数据要素的证券化发展对于我国数字经济发展、提升经济活力、中小企业融资及数据要素市场化发展等具有重要意义。

 

首先，要明确数据证券化的标的物是什么。一个共识是：数据证券化的标的物是数据资产的未来预期收益。比如，杜庆昊（2020）提出，数据资产证券化就是将数据作为基础资产，以数据资产预计产生的未来现金流为偿付来发行证券。也就是说，将数据资产的未来预期收益作为数据证券化的标的物。曹硕等（2021）认为，数据证券化标的物存在着难以标准化的问题，提出可以将数据资产的未来预期收益作为证券化的标的物。

 

其次，要明确数据证券化后的定价怎样决定。金融证券的价值从根本上取决于证券所持有的资产的价值，所以数据资产证券的定价机制可以借鉴数据资产本身的定价机制。从现有的研究来看，杜庆昊（2020）提出，要探索合理的数据定价机制，针对不同性质的数据，应该采用不同的定价规则。对于原始数据来说，因为存在数据密度和质量不同、数据是否唯一、市场是否有需求等情况，无法采用标准化定价法，应根据数据资产的实际情况和市场预期，采用动态的综合定价法。对于集成数据，因为存在基础设施和人力资本的投入、算法的使用等因素，数据的价值较之原始数据实现倍增，采用成本定价法较为合理，以实现对市场经营主体成本和合理利润的有效覆盖。熊巧琴等（2021）总结了已有研究所提出的数据资产定价原则，包括价格可以真实地反映买家的效用、卖方收入最大化、收入公平分配给合作提供数据集的不同卖家、无套利、隐私保护和计算效率等；并且详细介绍了传统会计学定价法、“信息熵”定价法、数据资产价值的多维度定价法三种主要定价方法及其适用场景。此外，还有不少研究涉及数据资产的定价问题。张永忠等（2022）将数据分为开放数据和非开放数据，认为开放数据具有公共物品的性质，非开放数据具有私人物品的性质，两种数据资产应该采用不同的方式定价。中国资产评估协会发布的《资产评估专家指引第9 号——数据资产评估》，提到以成本法、收益法和市场法测算数据资产价格。普华永道发布的《数据资产化前瞻性研究白皮书》提出，根据数据所处的不同阶段，应该使用不同的计价模型对数据资产价值进行评估，这些计价模型包括数据势能模型、实物期权模型、多因素修正后的增量效益折现模型、非核心资产/因素剥离折现模型、神经网络模型等。

 

归纳起来，可以考虑以下方面措施：第一，按照数据的多重属性，根据数据资产的未来预期收益进行合理且有针对性的定价。一方面，引入数据交易第三方机构，经交易双方及数据交易第三方机构协商，并由数据交易第三方机构评估后制定初步参考价，确保多方权利与利益得到有效保护，实现效用最大化。国家对数据交易第三方机构给予一定的政策支持，加大对于定价技术方面的资金投入，打造示范性数据交易第三方机构，形成日趋完善的定价机制，并在其他地方推广使用；另一方面，对于数据要素应用场景较为复杂的情况，可以参考行业内部类似案例及知识产权证券化定价等方法。知识产权具有较强的价值依附性，在具有不同经营能力的公司手中所能创造的价值具有较大差异。数据资产也有类似性质，因此，从数据的生产方、加工方、经营方等多方主体分析，对数据资产内在价值评估定价，补充与完善现有学者关于数据要素资产的定价方法，并在实际数据交易过程中不断总结完善现行数据证券化交易的定价机制。

 

第二，根据现有的不同计价方法，引入人工智能算法等技术进行数据资产评估。一方面，结合数据要素本身的属性，在数据发展的不同阶段以及数据的不同类别上，综合考虑数据成本、预期收益、市场价格等因素，从而得出最优的、有针对性的系统定价，进而更好地促进数据资产证券化的发展；另一方面，结合AI算法等技术领域，引入相关会计及算法等方面人才，借鉴金融资产等定价方法，根据数据信息质量及收益等综合评价体系，由AI算法等技术对数据资产进行估值分析，并在后期定价机制不断发展成熟后完善对于数据证券化产品会计分录的计算方法等。

 

｜难点五：怎样建立统一的数据交易市场

 

市场在资源配置中起到决定性作用。数据作为一种新的要素，它的配置也需要充分发挥市场的作用。所以，建设高水平数据交易市场的需求也就应运而生。近年来，多地都在积极探索数据中心和数据市场建设，具体形式表现为各地方数据交易平台的争相涌现，比如贵阳大数据交易所、北京国际大数据交易所、天津北方大数据交易中心和上海数据交易所等。我国现有的数据交易平台已经覆盖华北、华东、华南、华中、西南、西北、东北七大地理分区。这些积极探索取得了一定成效，但是目前的数据交易市场还存在着地域分割、交易规范不统一、管理混乱的问题，限制了数据要素在全国范围内的自由流动。可以从交易平台、交易规范和管理体系三方面采取措施，以实现交易平台的统一、交易规范的统一、管理体系的统一，最终建设统一的数据交易市场。

 

第一，建立统一的数据交易平台。目前，全国范围内的数据交易平台都是区域性的，还没有一个全国性的数据交易平台，不利于数据要素在全国范围内实现充分的配置。另外，现有的数据交易平台经营状况参差不齐。针对有关问题，可以考虑如下两个方面的举措：一是建设国家级的高水平数据交易平台，形成全国性的数据交易市场。从发起主体和承办单位来看，目前我国的数据交易平台以地方政府筹办为主，以政企合办、企业独办为辅。地方政府或企业所发起的数据交易平台，在统筹资源、规则设计、监督管理等方面存在一些局限，所形成的数据交易市场也只是区域性的市场。所以，应该基于已有的数据交易平台的建设经验，建设国家层面的高水平的数据交易平台，为数据要素在全国范围实现自由配置提供全国性的市场。当然，建设国家层面统一数据平台并不意味着要取消各地方政府发起的区域性数据交易平台，国家级交易平台和区域性交易平台可以互为补充，国家级平台为数据要素提供在全国范围内顺畅流通的市场条件，区域性平台可以积极大胆创新、先行先试，承担试点和实验区的功能。二是探索完善数据要素跨平台流通机制。统筹协调各个区域性的数据交易平台，加强平台间的合作，统一数据准入门槛，逐步打破存在于各数据交易平台间的数据流通障碍。

 

第二，建立统一的数据交易规范。目前，我国数据交易市场在数据产权划分、定价机制、数据来源、交易规则等方面都缺少统一标准，严重阻碍了数据要素自由畅通的流动。为解决这一问题，未来可以考虑以下措施：

 

对于产权划分，出台针对数据所有权、经营权和使用权三权划分的全国性法律法规和政策制度，为数据要素的顺畅流通松绑，为数据要素收益的分配提供法律依据。借鉴专利、软件著作权等知识产权登记制度的成熟经验，结合数据要素的特点，构建数据资产登记制度。对于定价机制，积极探索，坚持市场导向，借鉴传统要素定价机制，引入第三方评估，形成统一的定价标准。对于数据来源，一方面，规范数据采集行为，对各种数据源分级分类对待，统筹兼顾隐私保护与数据共享。另一方面，严格把控数据质量，建立统一的数据清理、脱敏、评估体系。对于交易规则，首先，数据交易市场必须设置明确的交易规则，比如应明确规定用户具有的权利和应该履行的义务、责任，以及交易过程如何具体实施。其次，交易规则的设置要有统一的标准和规范。

 

第三，建立统一的数据交易市场管理体系。政府部门对数据交易市场的管理亟待完善。一方面，一些地区对于数据交易市场的管理政出多门，数据交易市场建设的行政规划或缺失或重复。另一方面，缺少顶层设计，一些地方存在数据交易市场建设“各自为战” 现象。

 

针对这两方面问题，可以考虑如下举措：首先，政府应该明确推进数据交易市场建设的主管部门，形成主管部门为主、其他相关部门为辅的管理格局。其次，政府应该加强顶层设计，制定发布全国数据交易市场建设规划，统筹安排各地各级政府的数据交易市场建设。（参考文献略）

 

本文得到国家社科基金项目“基于大数据分析的城市病分类识别与预警优化系统构建研究” （19BJL046）支持

 

作者单位：北京师范大学经济与资源管理研究院

文章来源：《中国发展观察》杂志2022年第7期

作者：宋涛 张丹阳 王雨