國內外數據要素市場研究進展:系統性文獻綜述

王雪 夏義堃 裴雷

大數據時代的到來催生數字經濟蓬勃發展，數據已成為世界各國高度重視和爭相獲取的重要戰略性資產。近五年來，英國發布《國家數據戰略》、德國出臺《聯邦政府數據戰略》、日本制定《創建最尖端數字化國家宣言·官民數據活用推進基本計劃》、美國頒發《數據經紀商法案》……激活數據要素價值、培育數據中介與數據信托等市場主體、發展數據要素市場、賦能科技進步與產業發展已成為各國政策框架的核心內容，并形成各具特色的數據要素市場治理體系與實踐探索，推動全球數據要素市場呈現出快速發展的積極態勢。

黨的十九屆四中全會首次將數據納入生產要素，十九屆五中全會提出推進數據要素市場化改革，為加強數據要素市場建設，國家先后頒布《關于構建數據基礎制度更好發揮數據要素作用的意見》等重大政策，多次部署加快培育我國數據要素市場的重要任務，表明我國的發展重心逐步由單點大數據能力建設向數據要素市場全局優化配置轉化。在此背景下，系統梳理國內外數據要素市場建設的研究文獻，探索其基本理論，分析其運行中存在的現實問題，不僅有助于發現數據要素市場運行規律，還能夠為我國數據要素市場的高質量發展提供有益參考。

數據要素市場相關主題是近幾年國內外研究熱點，已有部分綜述性文章對其予以分析。其中，國內學者多從經濟學和信息學角度對數據要素流通的權屬、交易、定價等市場行為進行研究。例如，付熙雯等[1]對國內數據交易研究進展進行回顧；熊巧琴等[2]對國內外數據要素確權、交易和定價研究展開綜述；榮建欣等[3]從經濟學角度，著眼于數據要素特性，對數據要素市場化機制和經濟價值研究進行總結。相比較而言，國外學者更加關注數據市場建設的技術問題和場景應用，如Driessend等[4]闡述數據市場的主要應用領域，結合數字技術發展，為數據市場的運行提供設計方案；Gonzal等[5]對物聯網領域的數據隱私技術及其產業進行概述；Andrej等[6]論述大數據技術和機器學習技術對營銷行業數字化轉型的影響。上述綜述性文章為當前數據要素市場研究提供了有益參考，但多從單一學科或較為微觀視角切入，缺乏對國內外數據要素市場研究現狀的整體性評述，且多采用歸納與概括的定性研究方法，缺少對文獻特征和關鍵詞等客觀數據的定量描述和分析?；诖?，本文結合文獻計量分析結果，基于文本內容從數據要素基本理論、數據要素市場運行機制、數據交易機構三個方面對國內外數據要素市場研究進展進行系統性總結和回顧。

1 數據要素基本理論研究

1.1 數據要素概念辨析

現有研究多集中在數據資源、數據資產、數據資本等概念解析基礎上，進而分析“數據”作為“生產要素”所具有的屬性特征。一般認為，數據資源、數據資產、數據資本、數據產品均為數據價值實現過程中的不同表現形態，數據要素更側重于從生產力角度對數據生產價值的強調[7]。信通院的《數據要素白皮書》[8]指出“數據要素”一詞面向數字經濟，指根據特定生產需求匯聚、整理、加工而成的計算機數據及其衍生形態。大量研究文獻基于經濟學、法學、信息管理等學科視角展開數據要素屬性探討，認為非競爭性、非排他性是其核心特征[9]。同時，具有可再生性、非稀缺性、非均質性、無形性、集合使用價值更高等經濟屬性[10]，還因包含個人信息與成本投入而具有人格權與財產權等法律屬性[11]。此外，數據共享的不透明使得數據擁有者將數據視為核心競爭優勢來加以開發，以獲得超額收益和壟斷地位，數據要素由此具有資源屬性特征[12]。

1.2 數據要素的價值實現機理

數據要素的價值創造與實現過程被視為從原始數據到數據產品的整體耦合過程，也稱數據價值鏈。國內外學者大都從數據生命周期角度來分析數據價值鏈，具體可分為數據獲取、數據存儲、數據分析及數據應用等基本階段，相關研究如Faroukhi[13]提出的數據生成、數據采集、數據分析、數據交換四環節模型以及Curry[14]提出的數據采集、數據分析、數據管理、數據存儲、數據利用五環節模型?；趯祿貎r值周期的解構，研究者還從價值形態角度探究數據要素的價值實現機理。例如，李海艦等[7]認為“數據資源——數據資產（產品）——數據商品——數據資本”的數據形態演進帶動了價值形態的演進，本質上完成了“潛在價值——價值創造——價值實現——價值增值”過程?？傮w而言，目前研究大多局限于對數據資源、數據資產等概念的辨析，缺乏對全要素生命周期、多主體互動協同機制的探討，難以揭示數據要素價值創造的深層機理。

在價值實現方式上，現有研究十分重視數據要素與傳統生產要素的有機結合，普遍認為數據要素市場與傳統要素市場的內在聯動是數據作為要素屬性價值實現的重要體現。有別于傳統生產要素，數據要素具有強協同性，能夠賦能其他生產要素，提高企業生產與管理效率。企業通過大數據分析手段提高信息處理能力，可減少現金、庫存和過剩產能，降低不確定性和風險[15]。此外，數據也能夠在生產過程中與土地、資本等傳統生產要素形成新的組合方式，改變生產函數屬性，進而提升生產效率[16]。隨著數據要素市場化配置進入政策議程，相關研究已從單一的場景刻畫逐漸轉向系統設計數據要素和傳統生產要素的聯動模型。代表性成果有：“數字產業化、產業數字化和全要素數據化”的三層次模型[16]、“兩要素互補、多要素協同、全要素耦合”三層作用機理模型[17]等。

2 文獻計量分析

2.1 檢索策略

為全面把握國內外數據要素市場研究的總體態勢與主題焦點，本文將CNKI和Web of Science分別作為中外文獻數據源進行檢索，利用Citespace構建文獻關鍵詞共現及其時序聚類圖譜?？紤]到國內外學術話語表達的差異，采用差異化的檢索策略，如表1所示。

表1 文獻檢索策略Table 1 Literature Search Strategy

文獻檢索時間為2023年2月26日，鑒于文獻研究的準確性和連續性以及國內外研究的差異對比，本文將時間節點定在2015年，試圖運用同一時間段國內外相關主題研究內容的共性分析、差異比較為我國數據要素市場的健康發展提供借鑒指導。主要原因如下：（1）2015年我國發布《促進大數據發展行動綱要》，標志著數據成為國家基礎性戰略資源，自此以后，我國學界對大數據及其市場化的研究呈井噴式發展，主題也更為聚焦。（2）盡管國外“數據市場”研究起步較早，可追溯至20世紀90年代公共部門信息市場化研究，但隨著大數據、開放數據等新熱點的出現，相關研究進入低沉期。同樣是在2015年，美國宣布成立數字經濟咨詢委員會（DEBA），商務部發布《數字經濟議程》，把發展數字經濟作為實現繁榮和保持競爭力的關鍵，數據要素的資產價值以及數據驅動型經濟成為新的聚焦點。同年，英國發布《2015-2018數字經濟發展戰略》，歐盟公布“歐洲數字一體化市場”戰略，數據要素市場相關主題研究文獻呈現出增長態勢。

2.2 結果分析

2.2.1 發文期刊及所屬學科分析

作為跨學科、跨領域的研究主題，國內外數據要素市場相關研究成果頗豐，散見于經濟管理、計算機等多學科領域。從CNKI的統計數據發現（見表2），國內數據要素市場相關研究發文量排名前三的期刊分別為《經濟問題探索》《科技管理研究》和《數字圖書館論壇》，很多研究成果刊發在經濟學、法學、管理學、政治學等人文社會科學類學術期刊。

表2 國內“數據要素市場”2015-2023年發文期刊及學科統計Table 2 Statistics on Domestic Journals and Disciplines Published the ＂Data Elements Market＂ During 2015-2023

在WoS數據庫中（見表3），國外數據要素市場研究較國內學科分布更為廣泛，散見于環境科學、計算機科學、經濟學、物理學、信息學與圖書館學、商業、工程學等領域。其中，計算機科學領域發文量最高，這與國外重視人工智能、區塊鏈等數字技術在數據要素市場的應用和場景化研究有關。此外,也有部分研究分布在跨學科領域的綜合性期刊。

表3 國外“數據要素市場”2015-2023年發文期刊及學科統計Table 3 Statistics on Foreign Journals and Disciplines Published ＂Data Elements Market＂ During 2015-2023

2.2.2 關鍵詞共現與時序變化分析

（1）國內研究關鍵詞共現與時序變化分析

根據關鍵詞共現圖譜（見圖1），國內研究主要集中于“數據要素”“數字經濟”“大數據”“數據交易” “數據治理”“生產要素”等主題，主要聚焦點包括以下內容：①數據要素基本理論研究，如數據作為生產要素的演進歷程、數據要素市場培育與數字經濟發展的內在聯系、數據要素相關概念及特征辨析、數據要素價值等；②數據要素市場運行機制及其體系構建研究，該主題是研究者們關注的重點，主要研究內容涉及數據流通、數據供給、數據定價、數據產權、隱私保護和市場反壟斷等；③數據交易平臺建設研究，包括交易平臺、數字平臺、平臺型企業及其數據獲取與交易規制等主題。本文的研究框架主要基于這三方面的內容展開。

圖1 國內“數據要素市場”2015-2023年關鍵詞共現圖（局部圖）Fig.1 Domestic ＂Data Element Market＂ Keywords Co-occurrence Chart During 2015-2023（Partial View）

從國內數據要素市場研究的主題演進來看（見圖2），2015年至2018年，國家發布《促進大數據發展行動綱要》，數據成為國家基礎性戰略資源，貴陽大數據交易所等一批數據交易機構相繼成立，激活了我國數據市場的流通與交易，“數據資產”“數據交易”“交易平臺”與“數據流通”“數據治理”成為這一階段的研究重點。隨著個人數據意識的覺醒，數據交易流通中的個人數據、個人信息保護等問題也開始受到學界關注。2019年，十九屆四中全會把數據列為新的生產要素，數據要素市場相關研究密集性增長，“數據要素”“數據產權”“數字經濟”“數據市場”等成為高頻熱詞。立足數字經濟的時代背景，我國學者的研究主要集中在：一是數據要素與數據資產、數據資源等概念辨析，探究數字技術環境下數據成為生產要素的基本條件與屬性特征。二是高度關注數據權利，數據產權、數據權屬、數據權益以及數據交易中的利益平衡等問題。三是重視數據產品及其流通中的數據定價、平臺經濟與反壟斷、數據安全與隱私保護等數據要素市場關鍵問題研究。

圖2 國內“數據要素市場”2015-2023年關鍵詞時序聚類圖（局部圖）Fig.2 Keywords Time Series Clustering Plot in the Domestic ＂Data Element Market＂ During 2015-2023（Partial View）

（2）國外研究關鍵詞共現與時序變化分析

由于國外數據要素市場研究起步較早，伴隨歐盟公共部門信息市場化再利用步伐，國外一直關注數據質量、數據市場供需與價格、市場競爭、收益測度等基本問題，并延續至今。相比我國學者更加關注數據要素市場基本理論、市場運行機制等重大問題。2015年以后國外更關注“大數據”引發的“技術”如“機器學習”“系統”“算法”對于數據要素市場運行所發揮的作用。整體分布較國內研究更為深入（見圖3），主要聚焦以下主題的研究：①數據要素市場運行基本問題，“質量”“競爭”“定價”“風險”“需求”“效率”等成為關注重點；②以“大數據”“模型”“數據分析”“數據挖掘”“機器學習”等數字技術與方法在平臺經濟中的廣泛應用為研究對象，分析其應用場景、網絡效應與效率影響。

圖3 國外“數據要素市場”2015-2023年關鍵詞共現圖（局部圖）Fig.3 Foreign ＂Data Element Market＂ Keywords Co-occurrence Chart During 2015-2023（Partial View）

從主題發展的動態演進來看（見圖4），隨著數字經濟研究的深入以及人工智能技術的應用，國外數據要素市場研究呈現出“具象化”“場景化”的趨勢。2015-2018年間，數字經濟發展的技術應用、算法、網絡在數據市場競爭中的作用受到關注，涉及數據挖掘、數據分析以及算法應用等不同場景下數據要素價值實現的技術要求、市場風險與數據需求、定價收益、市場波動性等問題。同時，數據要素市場的隱私風險、個人數據保護、數據政策以及股票市場、金融市場等對于數據要素市場的影響也成為學界研究的重要問題。2018年以后，數據流通與價值釋放的技術路徑依賴更為明顯，“大數據”“人工智能”“機器學習”“深度學習”等技術應用成為數據要素市場研究的聚焦點，既有學者專注于數字技術創新引發的數據要素價值實現的不確定性，如數據市場信任機制、經濟增長的波動性等，也有學者將數據要素市場與智慧城市、醫療健康、新能源等具象化場景需求相結合，還有學者關注到高頻數據、平臺型企業數據獲取、數據開發利用能力等問題。

圖4 國外“數據要素市場”2015-2023年關鍵詞時序聚類（局部圖）Fig.4 Keywords Time Series Clustering Plot in the Domestic ＂Data Element Market＂ During 2015-2023（Partial View）

在定量分析的基礎上，通過參考高被引論文和人工篩選主題高相關度的文獻，進行深入分析和系統梳理。具體篩選標準包括：主題相關性排名前10%的文章，排除其中“基于面板數據的其他要素市場”研究等相關度不高的文章以及報道性或評論性等價值含量較低的文章，共篩選出36篇中文文章和35篇英文文章。依據上述文獻計量分析結果，進一步從數據要素市場運行機制和數據交易機構兩個方面深入分析其具體研究內容。

3 數據要素市場運行機制研究

目前，學界關于數據要素市場的內涵有多種解釋。有學者從市場調節機制出發，基于數據要素在市場流通中產生與實現的價值，認為數據要素市場是數據要素實現市場化配置的過程[18]。也有學者從實際運行狀況出發指出，目前業界有將數據要素市場等同于數據交易平臺、數據中介、數據交易所等具體實踐空間場所的傾向[19]。從廣義層面理解，數據要素市場可反映數據要素流通過程中所表現出的各種經濟關系，是涉及多主體、多環節、多領域、多層級的復雜系統工程[20]?；谖墨I計量分析發現，數據要素市場運行機制研究始終是國內外關注的重點，也是數據要素市場研究的基礎，主要聚焦數據供給、數據需求、數據定價、數據產權、市場競爭、反壟斷、隱私保護、運行效率、數據治理等主題。

3.1 數據要素市場運行特征

與傳統要素市場一樣，數據要素市場的運行同樣需要供需、定價、產權、監管等組成市場的各要件以準確反映數據市場價值規律，并促使各要件之間保持有序的內在聯動?？傮w而言，現有研究多從供給機制、定價機制、產權機制、安全與監管機制等方面著手分析數據要素市場運行機制的建構。

3.1.1 供求機制

數字經濟條件下，數據要素的供求是社會總供求的一部分。數據要素的市場供求狀況影響數據價格波動和定價，同時也會引發新一輪數據產品競爭。目前國內數據要素市場供給重在解決數據采集方、數據提供方、數據生產方等不同主體數據供給質量良莠不齊的問題，要求建立統一的數據生產與操作標準[21]。也有學者提出在數據采集、存儲、管理、分析和應用等數據價值鏈中的各環節，可以借助集約整合、協同開發和網絡共享，增加高質量數據產品服務供給[22]。此外，數據交易平臺在數據供需之間起到中介作用，是實現數據流通的核心樞紐，也是學界關注重點，如任保平等[23]指出應通過深化供給側結構性改革暢通供給渠道，加強數據共享和交易平臺建設，促進高質量數據要素供給和經濟發展實際需求的銜接匹配。

國外研究主要關注數據市場運營商和第三方服務提供商所提供的數據產品或服務如何滿足數據市場參與者需求的問題。在數據供給方面，將數據屬性作為一個分析單元進行研究，如作為經濟商品的數據特性[24]；確定數據質量問題的方法[25]；討論數據提供商通過數據市場共享數據的意愿，并考慮到匿名供給效果和數據所有權問題[26]。在數據需求方面，重點討論數據市場中的供需匹配服務，通過數據生態系統或數據價值網絡分析數據市場行為，以便數據提供商推介其數據產品，滿足數據買家需求[27]。此外，也有研究探索“被盜數據市場”，即討論非法交易的數據市場提供的服務，如個人信用卡的信息市場[28]。相比較而言，國外對于數據市場供求問題的研究內容更為深入和寬泛，國內對于數據供給方和需求方的嚴格界定以及數據市場供需匹配研究相對有限。

3.1.2 定價機制

國外學界長期關注數據產品的定價收費問題，并在公共部門信息市場化再利用中形成了歐盟的成本回收定價、邊際成本定價與美國的邊際成本定價和免費等不同定價策略。目前，國外學者側重從技術層面研究數據市場的定價問題，強調把算法模型作為價格計算手段，如基于機器學習算法來定價訓練數據或預測數據模型[29]，將基于博弈論的智能定價算法應用于區塊鏈數據市場[30]?？傮w而言，國外學界集中于對數據要素定價方法、模型和策略的探索，尚未形成統一的定價模式。目前的定價方法可大致分為三類：基于任務的定價，即依據數據產品對于數據消費者執行某項任務所能產生的價值來確定價格[31]；基于數據品質的定價，依據內在價值如隱私包含程度[32]、數據質量優劣[27]來確定數據價格；基于市場的定價，在確定基礎價值前提下，依靠市場如供需關系[33]等經濟學方法來確定。

相比國外，國內數據要素市場研究側重于對定價方法的探索，如基于價值和市場評價貢獻的數據要素定價，具體包括數據要素價值的形成機制、發現機制和競價機制[34]。同時，也有學者關注數據資產估值定價管理系統建設，將其納入多主體和新興數字化技術統籌設計，致力于打造集約高效和開放共享的數據資產估值定價系統[35]。此外，機器學習、人工智能、區塊鏈、智能合約等數字技術在數據要素定價中的應用也逐步受到國內學者的重視[36]。

3.1.3 產權機制

基于國內外研究梳理發現，人們對數據權屬的認知在不斷深化，普遍認為數據具有人格屬性應賦予其人格權，具有一定獨創性應賦予其知識產權，具有財產屬性賦予其新型財產權，具有多重屬性應賦予其新型的權利體系。同時，不同邏輯主導下的數據產權歸屬會存在較大差異，如在效率優先原則主導下，數據的產權歸屬傾向于能夠帶來福利最大化的主體[37]，而以數據應用為先的邏輯下則會弱化數據產權歸屬[38]。

目前，數據產權是國內數據要素市場研究的重點問題，主要探索數據產權結構性分置的制度框架，以推進數據分類分級授權機制。如國家享有所有權、信息主體享有資格權、數據從業者享有經營權的“三權分置”運行機制[39]；基于“個人數據人格權、企業財產權、國家數據主權”的數據產權制度體系“三邊框架”[40]。同時也可利用現代技術手段，如區塊鏈、數字簽名、隱私計算等推進數據確權[41]。

國外研究更關注個人數據的權屬問題。相關研究表明，大型科技公司存在通過用戶指標（用戶數量、用戶參與度等）實現對個人數據的核算、管理和估值，但對個人數據本身的所有權和控制權缺乏界定和擴展[42]。針對個人數據權的界定，有學者創建了促進個人數據所有權、鼓勵公平訪問并允許用戶從數據中獲得經濟利益的框架，在此框架中，個人可以直接與數據消費者交易數據，而不需要第三方中介，同時保持其數據的所有權[43]。

3.1.4 監管機制

國內研究聚焦于數據交易平臺的監管問題（包括政府規制、法律監管和自律監管）和數據競爭中的反壟斷問題。既要規范數據壟斷行為的界定標準，不斷完善數據反壟斷監管機制，也要增強數據主體對個人數據的控制力，提升數據流通渠道的分散度與靈活性[44]。此外，也有學者針對數據安全監管機制展開研究。如建議對數據要素市場的登記備案、流通安全與秩序和信用體系等進行監督管理[45]；通過健全數據安全管理法律、完善分級分類管理制度、建設數據泄露通知制度、創新數據安全監管手段來完善數據安全管理制度[43]。

國外研究更為關注數據泛濫導致的數據控制、數據權利、安全、用戶隱私、數據跨境流通、數據保護法等問題。大型科技公司成為美國反壟斷改革的焦點，相關研究從數據保護和反壟斷立場著手。如美國眾議院《數字市場競爭狀況調查報告》對四大科技巨頭（臉書、谷歌、亞馬遜、蘋果）濫用市場力量、阻礙競爭的問題進行分析[46]。同時，側重利用數字技術提升數據安全性，其中區塊鏈技術是處理個人隱私和信息安全的較好解決方法，不可更改性是其關鍵特征，適合敏感數據的存儲，可有效防止黑客攻擊[47]。針對條塊分割的行業和部門監管疲于應對數據領域反壟斷等問題，有學者提出需統籌數據跨境流動、隱私、個人數據治理、數據與網絡安全領域，綜合技術、標準、法律等手段，設計一個跨國和多學科的監管框架[48]。

3.2 數據要素市場運行模式

通過文獻分析發現，國內外數據要素市場運行模式涉及兩個方面:一是政府主導的公共數據再利用，即公共數據的授權運營；二是多方主體參與市場驅動的數據運營。對于公共數據的市場化運營，歐美國家通過頒布開放數據和公共部門信息再利用法案、開放高價值數據集、制定授權許可規則等手段，為中小企業、創新型機構創造機遇。如歐盟在現有法律框架基礎上設立數據空間，按照行業領域創設了9個數據空間，許多研究圍繞數據空間展開，旨在創新數據共享交流模式，提高數據共享在刺激跨部門創新和新商業模式發展方面的影響[49]。同時，市場化開發利用被視為實現政府數據資產經濟價值、拉動數字經濟發展的關鍵，歐美逐漸形成了數據信托、數據中介、數據經紀人等為代表的市場化運營模式。其中，數據信托模式基于法律框架在數據信托人和受托人之間構建平衡數據權利的的信托機制[50]；數據經紀商上通數據源頭，下達數據消費者，與大型科技公司關系錯綜復雜，有加劇上下游兼并的壟斷風險[51]。數據中介承擔流通主體在交易撮合之外的權益制衡和監管職責，以中間人身份促成數據在供需方之間的流動[52]。

目前，我國已形成了政府主導、社會參與和市場化運作相結合的數據交易所運營模式，如貴陽大數據交易所、上海數據交易中心等機構均由地方政府和相關主管部門批準，由國有企業和其他市場投資者出資設立而成，在股權結構上為國有控股為主[53]。此外，數據市場中也存在一些由企業主導的數據服務商（數據堂等）和大型互聯網公司數據交易平臺（騰訊、阿里巴巴等），這些機構以企業為主導，采取完全市場化運營[54]。

3.3 數據要素市場治理體系

數據要素市場治理體系的研究涵蓋數據層、技術層以及政策層的數據要素市場體系總體架構。有研究從技術層面出發，提出融合數據標識、區塊鏈、隱私計算的“數聯網”根服務體系[55]，有學者認為工業4.0背景下的數據要素市場治理內容應涵蓋大數據、云計算、人工智能以及現行法規等[56]。也有研究基于政府層面提出構建前端控制流程、關鍵管理活動、價值實現路徑和可信數據生態體系四位一體的政府數據資產管理體系[57]。而基于企業層面的研究則認為數據要素治理需要從數據價值鏈解構與重構的角度分析企業數據管理體系[58]。此外，也有學者從數據要素市場與傳統要素市場一體化聯動[17]、數據生命周期一體化管理[59]、多層次數據要素交易體系協同[22]、基于信任原則的可信數據治理[60]等方面探索數據要素市場治理的框架建構。

整體而言，數據要素市場在統一大市場建設中的戰略地位還需進一步厘清，現有數據要素市場治理體系研究較為分散，尚未形成系統化的治理體系，關于數據要素市場治理的總體架構與布局方案仍缺乏綜合性研究。

4 數據交易機構研究

明確市場參與主體及其角色定位是推進數據要素市場化配置的重要保障。當前研究主要從生態視角展開，有學者提出數據供需方、數據交易機構、交易服務機構、數據監管機構等共同構成數據要素市場主體生態[61]。其中，數據交易機構作為數據要素市場的主要參與者，在數據要素市場中發揮了關鍵作用，是學者們研究的重點。

數據交易機構也稱為數據經紀商、數據中介、經紀人、數據平臺等，負有對收集到的數據進行集成整合、確定收購價格以補償數據擁有者、設定數據出售價格并為數據消費者提供查詢接口或購買服務等相應職責。目前產業界有將數據要素市場等同于數據交易機構的傾向[21]?；谇笆鑫墨I計量分析結果，數據交易平臺建設研究是國內外學者共同關注的重點，國內研究聚焦于交易平臺、數字平臺、平臺型企業及其交易規制等主題；國外側重大數據分析“模型”“數據挖掘”“機器學習”等數字技術在數據交易平臺中的廣泛應用，并分析其應用場景與效率影響。因此，本文著重對數據交易機構相關研究進行梳理。

4.1 數據交易機構類型及職責定位

數據交易機構的建立是市場需求、頭部企業引領與壟斷以及數據開發利用能力提升的共同需求。相關研究表明，現有數據交易機構可分為：政府主導的大數據交易所和交易中心、企業主導型數據服務商、產業聯盟數據交易平臺、大型互聯網公司數據交易平臺[62]；也可分為：數據生產或服務類企業為主導、商業職能為主的數據交易平臺和地方政府聯合其他主體投資、第三方撮合性的數據交易平臺[63]。許多學者針對國內外不同類型數據交易機構進行對比研究，王衛等[64]指出我國綜合性交易平臺居多，數據來源渠道較廣,而國外重視發揮數據社區的價值，有更多針對具體領域的交易平臺。李振華[65]則介紹了多種類型的數據中介及其側重點，如數據交易平臺著重解決供需雙方的信息不對稱問題，Plaid等開放銀行服務商著重解決數據標準和數據接口的統一轉換問題，數據信托可以優化“授權同意”這一個人信息分享路徑。

綜合已有文獻，數據交易機構的職責定位可分為三類：一是作為交易活動的參與者，運用市場競爭、供求等機制引導數據資源合理配置[66]；二是作為數據中介的組織者，提高交易行為透明度與可信度[67]；三是作為監督者，可通過監督機制和問責機制，約束市場交易行為，防止數據侵權[55]。

4.2 數據交易機構運營管理

在交易管理方面。Azcoitia[10]以數據交易實體角色為依據，將數據交易形式分為單邊數據提供、數據交易平臺和數據系統管理三種類型。陳舟等[68]指出國內數據交易平臺的交易形式可分為交易中介、大數據分析結果交易、數據產品交易三種。并且一個數據交易平臺通常不只采用一種交易形式。目前國內外較為知名的數據交易機構如貴陽大數據交易所、azure在線數據市場皆是通過權威的中心化機構作為信用背書進行交易[69]。

在盈利方式方面。大多交易機構通過數據增值服務、中介服務（包括數據交易抽成收入和會員費收入）或打造完善的數據交易產業生態模式盈利[70]。國內學者指出大數據交易盈利模式包括數據交易平臺盈利模式、數據交易賣方盈利模式、數據持有型大數據交易平臺盈利模式、技術服務型大數據平臺盈利模式四種，根據不同交易客體可細分為交易分成模式、保留數據增值收益權模式、一次性交易數據所有權模式和多次交易數據使用權模式[56]。

在運行機制方面。目前國內的數據交易所多以“國有控股、政府指導、企業參與、市場運營”為原則，采用國資控股、管理層持股、主要數據提供方參股的混合所有制模式，交易平臺一般采用會員制，通過制定一系列涉及數據交易和會員管理的規則，組織數據交易并提供數據儲存、分析等相關服務[55]，也有學者認為要注重發揮數據社區的作用[67]。國外研究大多把數據交易機構（數據經紀人）理解為對個人數據進行交易的機構，主要運行方式包括自由放任、數據共享、數據信托和數據合作社等，并以自由放任為主，逐步向數據信托或數據合作社模式轉變[50]。

4.3 數據交易機構監管機制

目前，數據交易平臺多以自律監管方式運行，采用會員制方式，數據供應方和數據需求方注冊成為平臺的會員，并遵守平臺交易規則[71]。針對數據交易機構政府監管體系不完備，自律監管體系缺失、設立方式不統一等問題，很多學者認為應從制度規范、組織保障、技術支撐等多元管理角度進行必要監管。

3)目前高速公路風險的動態管理一直未能有效地實施，現有風險管理僅是對某一時間內的風險進行管控，而隨著高速車流量、外界環境等因素的變化，風險多為動態變化的狀態，相應的風險管理也需隨之改變. 信息化技術的快速發展，為解決這種難題提供了可能. 因此，有必要將風險管理與信息工程進行有效結合，將橋梁的健康監測、風險事件的智能預警、典型事故推演及應急管理等信息化技術納入到風險管理中.

在制度規范層面，王琎[55]認為數據交易機構監管機制應包含信息披露制度、數據按月交付和合規使用監督制度、數據風險控制和合規制度。國外學者集中于對現有數據交易平臺監管制度的研究，美國聯邦委員會發布關于數據經紀商的實踐和操作報告，并強烈建議國會出臺立法，限制數據經紀商的數據覆蓋范圍[72]。歐盟的GDPR框架為消費者提供了新的權利，但并沒有解決數據經紀商在監控資本主義中發揮的潛在作用，傾向于關注基于瀏覽器的技術，而不是應用程序的技術，因此要制定更為嚴格的政策解決方案，并推行一套國際通用的數據經紀商管理制度[73]。

在組織機構層面，查洪旺[74]認為要加快建立政府層面的數據交易監管職能部門，同時發揮社會組織的作用, 并引入第三方監管。Reviglio[50]指出需要建立一個新的、獨立的、跨國的監管機構，該機構能夠實施數據開放的統一標準，強制要求數據的可移植性和可訪問性，并監管數據交易平臺和數據市場中的其他參與者。此外，在技術支撐層面，區塊鏈等技術手段也有助于解決數據交易機構的信任以及安全問題[49]。

5 展望與建議

有學者指出數據要素市場是數據提供者和用戶交匯的地方，不僅是買賣數據的場所，也是利益相關者在數據加工利用的知識創造過程中彼此交互與合作的地方[75]?？傮w而言，我國“數據要素市場”研究仍處于探索發展階段，理論與方法的系統性、綜合性、協同性與規范性還處于探索之中，需要與數字經濟建設與數據治理實踐緊密結合，聚焦關鍵問題，培育應用場景，以實現理論研究與實踐指導的同步發展。

5.1 拓展傳統要素與數據要素聯動機制研究

盡管當前在探索數據要素推動土地、勞動力、技術、資本等傳統要素方面已取得部分研究成果，但鮮有研究探索數據要素市場與傳統要素市場之間在要素/主體關聯、體系結構、運行機制、演進路徑等方面的系統耦合、滲透機理和擴散效應。因此，應突破只關注數據要素單向賦能的視野局限，進一步深入到生產要素之間、生產要素市場之間的多重耦合性、相互滲透和雙向賦能效應的研究。

5.2 深化數據要素市場化配置模式研究

現有研究對于數據要素市場的總體架構與布局方案缺乏系統性分析，應加強數據要素市場頂層設計研究,從多層次、跨區域、多主體協同共創視角出發,不斷強化問題導向，深化數據要素市場化運營機制和數據治理體系建設研究，總結具有中國特色、世界領先的數據要素市場化發展的理論體系與話語體系。

5.3 開展多層次數據交易機構體系建設研究

雖然部分學者提出要建立多層次數據交易市場，但系統化解決方案設計與研究相對不足。此外，理論探索方面，有關數據交易所、數據經紀人、數據服務商等數據交易體系的實證分析與效果評價較為薄弱，不同類型數據交易機構的適用空間與運行方式分析有限，應結合實踐創新數據交易理論與方法研究。

5.4 深化國外數據要素市場建設的比較研究

作為新生事物，盡管數據要素市場建設并沒有直接可資借鑒的成熟做法，但國外信息市場建設，尤其是發達國家公共部門信息再利用實踐中的產權、許可、定價、競爭的實踐探索以及數據經紀人、數據信托、數據空間等創新性做法對于豐富和發展我國數據要素市場建設具有重要的經驗參考與理論意義。

王雪：提出論文基本思路，采集和分析數據，撰寫論文；

夏義堃：制定論文框架，撰寫部分論文，修改論文與最終定稿；

裴雷：參與框架制定，修改論文。

支撐數據

支撐數據由作者自存儲，E-mail:wx@smail.nju.edu.cn。

1.王雪.download_wos/cnki.txt.文獻檢索數據.

2.王雪.國內/外“數據要素市場”發文期刊及學科統計.xlsx.

3.王雪.國內/外“數據要素市場”關鍵詞共現圖.png.

4.王雪.國內/外“數據要素市場”關鍵詞時序聚類圖.png.