引發數據場內交易不足的幾個矛盾

端利濤

數據作為新型生產要素，已經成為發展新質生產力不可或缺的重要因素，越來越多的企業表現出對數據的強烈需求。與此同時，中國已經成為世界數據保有量排名第二的國家。IDC最新發布的Global DataSphere 2023顯示，中國數據量規模將從2022的23.88ZB增長至2027年的76.6ZB，年均增長速度（CAGR）達到26.3%，將逐步超越美國成為世界數據保有量排名第一的國家。然而，我國的數據交易流通情況表現并不理想。根據《中國數據平臺市場競爭現狀調研與投資戰略評估報告（2023-2029年）》，2021年中國數據交易流通市場居全球第三，其份額只有13%，遠低于美國的48%和歐洲的25%，這與中國規模龐大且積累速度超群的數據現狀并不匹配。而且我國已經出現了59家數據交易中心（所），但在數據交易中心（所）場內交易的成交量占整個數據流通市場比例還不到5%。這可以概括為一種海量數據資源和數據利用不足之間的矛盾。

1. 數據的所有權和數據的用益數權之間的矛盾

數據的所有權用于說明數據為誰所有，這是建立在傳統私權體系上的一種排他性物權的產權形式。在物權體系下，一旦數據的所有權確定，就意味著所有權主體對圍繞該數據的任何操作和該數據產生的任何價值都有權主張權利，具有排他性。數據的用益數權是指對他人所有的數據進行使用和收益的權利，是數據授權能分離的結果，用益數權是數據所有權主體將所有權中部分權能予以分離，授予他人享受，從而在他人數據上形成的數權[1]。用益數權表現出明顯的分享性特征，是主張非排他的。

之所以出現這種矛盾，主要在于我們仍舊以對待傳統物質商品的眼光對待數據。傳統的物質商品，由于商品本身是有形且具體的，所以商品被使用的同時也意味著被使用者實際占有，表現出強排他性；反觀數據商品，由于數據以虛擬形式存在于物理介質中，本身是無形的，數據可以被零成本無限復制從而廣泛傳播被多主體同時使用，并不存在嚴格的排他性。

2. 數據確權和數據共享屬性之間的矛盾

從目前來看，國內關于數據確權的爭議主要表現在數據的所有權歸屬[2-3]。從數據共享的角度來看，過分關注數據確權已經沒有實際意義[4]。因為數據具有范圍經濟特征，單一數據所產生的價值非常有限，而通過數據共享使來自不同維度的數據聚合在一起就會產生“1+1>2”的效果。舉例來講，支付寶芝麻信用之所以可以被商家作為一種免押金的判斷標準，這是因為構建芝麻信用的數據框架不僅含有用戶用支付寶網購的數據，還包含信用卡還款、網購、轉賬、理財、生活繳費、租房信息、住址搬遷歷史、社交關系等方方面面，甚至網購消費的偏好和上網行為的習慣等蛛絲馬跡都將成為芝麻信用打分的依據[5]。單一的網購數據單獨作為個人征信數據顯然無法滿足要求。另外，數據不同于傳統商品，數據共享并不會額外損害數據占有者的利益，反而可能因為數據共享帶來價值增加而增加額外的收益。簡而言之，數據占有者通過數據共享可以保證數據占有者的利益不減。除此之外，數據具有非均質性，這導致同一份數據在不同的場景中釋放出的價值可能不一樣，數據只有被更多的人使用，才能進一步挖掘數據中蘊含的價值，從而對社會創造的價值也就越大。

一旦數據確權，數據的共享將有可能遭到阻礙，這主要表現在兩個方面。第一，有些數據無法確認單一的權利主體，例如，被電商平臺記錄的消費者在平臺上的各種行為數據，這些數據的所有權無論是完全確認為平臺所有還是用戶（包括第三方商家消費者）所有，都會影響另一方的行為。第二，由于當前的技術和相關制度并不完善，數據所有權一旦完全明確，數據所有權主體并不敢將數據置于第三方交易機構進行交易流通，從而阻礙數據共享。因為一旦數據通過第三方交易，數據的虛擬性和可復制性使數據所有者無法確認數據是否被他人盜用。也就是說，數據一旦傳播便有可能不受控制地被傳遞給更多主體使用，蘊含著極大的安全風險。這對數據所有者是非常不利的，以至于拒絕將數據拿出來供他人使用。

3. 場內交易與場外數據流通之間的矛盾

一直以來，我國在數據流通層面強調數據的場內交易，但效果不佳。目前，我國場內交易占全國數據交易總量不到5%，由企業主導的場外數據流通占據絕對比例，這與我國成立數據交易中心（所）的初衷明顯相悖。江小涓在全球數商大會上表示，對數據交易和數據交互（非場內交易的其他數據流通形態）兩種流通形態的關注要更加平衡[6]。

現實中，場內交易與場外數據流通的矛盾表現如下。第一，為了便于監管，場內交易要求數據買賣雙方在合規的前提下，必須通過數據交易中心（所）實現數權的交割。而場外數據流通并非一定表現出明確的交易形式，可以是API接口這種形式將數據從一方導入另一方，也可以是私下直接完成錢數交割，而且很多地方出現了場內撮合、場外交易的情況。第二，場內交易表現為通過政府出面吸引買賣雙方在數據交易中心（所）尋找合適的匹配，但在確權估值、交付清算、數據資產管理和金融服務等一系列增值服務未能落地的前提下，數據的實際占有者很難在數據交易中心（所）實現低成本交易[7]，反而在場外與數據需求者在不要考慮數據確權、數據估值和數據保護等煩瑣的流程的前提下，更容易實現數據流通。第三，目前，我國已經建立的59家數據交易中心（所）分散于全國各地，各個交易中心（所）的規則不盡相同，降低了數據交易中心（所）的權威性，而場外數據流通只需要按照買賣雙方意愿實現交易或交互就行，一切都是以數據流通成本最小為前提。顯然，場內交易為了追求合規流通而增加的交易成本與場外追求最小化交易成本形成了對比。

從現實的表現來看，我國存在大量的數據流通需求，但過分關注場內交易顯然不是解決問題的有效方法，必須正視數據的場外流通，使場內交易和場外流通保持適當的平衡。

4. 阿羅信息悖論

阿羅信息悖論是由諾貝爾經濟學獎獲得者肯尼迪·阿羅于1963年在其論文Uncertainty and the Welfare Economics of Medical Care中首次提出，該文在1978年被收錄于Uncertainty in Economics一書中[8]。阿羅信息悖論強調了在信息交易中的一種困境，即披露信息雖然在交易中是必要的，但同時也可能導致信息的價值喪失。這一悖論涉及信息的非對稱性，即在一方擁有更多信息的情況下，信息的披露可能對于雙方都帶來不同程度的損失。簡而言之，持有信息的一方對信息的價值判斷不如需要購買信息的一方。因此，在交易過程中，信息需求一方會盡可能壓低信息的價值以獲得更大的套利空間。這是信息買賣雙方之間的一個矛盾。

數據也是一樣。在數據市場上，絕大多數的數據收集者（從而也是數據的實際占有者）對于數據的價值并沒有一個清晰的價值判斷。例如，政府、互聯網平臺企業和網絡爬蟲公司，這些機構收集的數據往往是日?；顒拥母碑a品，或者只是單純地意識到數據具有價值而已。然而，對于亟須數字化轉型的企業來講，數據的價值可能更加明確。這就導致在數據交易的過程中，數據的賣方永遠無法確認數據買方報出的價格是否是最高價格，而數據的買方也永遠無法確認數據賣方對自己數據價值的最低接受意愿。這種矛盾直接阻礙了數據市場的發展。

5. 數據“孤島化”分布現狀和數據亟須整合實現價值化之間的矛盾

無論是數據存量還是數據增量，我國的數據總量都呈現一種高速增長的狀態。但目前數據流通不足，我國的數據依然呈碎片化分布于各個“數據孤島”之上，特別是公共數據，分布于各個政府部門而無法實現有效整合，這也導致數據無法被有效利用。根據Gartner的研究，企業層面有97%的數據未被組織使用，超過87%的組織在商業職能和分析能力方面被歸類為低成熟度級別。而根據埃森哲的研究，高績效組織對數據和分析的需求正在逐步上升，來源也并不僅僅局限于IT運營和財務。也就是說，市場對數據的需求始終存在，且呈上升趨勢。

單一數據價值有限，與其他數據融合可使其自身價值實現增值[9]。也就是說，數據的價值化具有明顯的規模經濟和范圍經濟特征。數據的規模越大，其所蘊含的價值也就越高，價值從量變轉為質變；同時，隨著數據范圍（即維度）的擴大，數據之間的關聯性打通，可以提供更全面、準確的分析結果，從而為組織提供更深刻的洞察力，釋放更多價值。然而，數據孤島化的分布現狀卻與之相悖，阻礙了數據價值化的進程。

6. 數據流通和數據安全之間的矛盾

數據流通和數據安全之間的矛盾，體現了在推動要素市場發展的同時，必須有效解決由數據無限復制性、非耗散性和價值多樣性所引發的安全問題。數據流通在建設全國統一要素大市場中扮演著關鍵的角色，既是發掘和釋放要素全部價值的必要環節，也是實現全面統一的不可或缺的環節。然而，數據并非傳統生產要素，而是具有獨特性質的信息資源，其進入市場流通可能導致安全問題的凸顯。

第一，數據易于復制，幾乎可以零成本地進行無限復制。一旦數據進入市場，實際占有者很難避免數據被盜用的風險。這使得數據的所有權和控制變得更為復雜，需要創新技術和制度保障來確保數據的安全流通。第二，數據具有非耗散性，即對原數據進行復制操作不會影響原數據本身。這為惡意行為提供了更多可能性，因為數據的拷貝并不影響其原始狀態，難以追蹤和防范潛在風險。因此，確保數據在流通過程中不被篡改或濫用，需要建立健全的監管和驗證機制。第三，數據的價值具有多樣性，且對數據的開發使用存在一定的黑箱性。在未查看底層數據的情況下，很難判斷某一結果的產生究竟來自哪些數據，增加了數據流通過程中的不確定性。透明度和可追溯性的提高將有助于解決這一問題，使數據使用更加可信。

尤其對于涉及個人信息和國家安全的數據，安全問題更為突出。這些領域的數據往往是不法分子關注的焦點，因此需要更加嚴格的安全措施和法規來保護這些敏感信息。在推動數據流通的同時，必須確保建立一套完備的數據安全體系，包括加密技術、權限管理、監測與響應機制等，以應對潛在的安全威脅。只有在數據流通和數據安全之間找到平衡點，才能更好地推動要素市場的發展并保障社會整體的信息安全。

結語

數據交易是當前加快發展新質生產力，構建全國統一要素大市場的必然環節。但從現實情況來看，我國數據交易證提升表現出一種海量數據資源和數據利用不足之間的矛盾。具體來看，可以歸結為如下六種矛盾：數據的所有權和數據的用益數權之間的矛盾、數據確權和數據共享屬性之間的矛盾、場內交易與場外數據流通之間的矛盾、阿羅信息悖論、數據“孤島化”分布現狀和數據亟須整合實現價值化之間的矛盾、數據流通和數據安全之間的矛盾。這六種矛盾構成了當前數據交易不足的重要原因。

針對當前數據交易面臨的問題，可以采用以下系統性的解決辦法：

（1）建設數據基礎設施。

第一，數據集成平臺。建立全國范圍的數據集成平臺（特別是公共數據更有必要如此），打破各個領域數據孤島，促進不同數據源的整合。引入跨領域協同機制，確保數據能夠自由流通，使得數據能夠為各領域和行業的需要服務，從而提高數據的整體效用。第二，制定通用的數據標準，涵蓋數據的格式、命名規范等，以確保數據在各個領域具備一致性，減輕數據整合的復雜性。制定通用的數據標準和交換協議，確保數據的一致性和可交互性，降低數據整合的復雜性。第三，針對公共數據，通過構建面向全國的數據集成平臺，向國內所有符合條件的用戶（自然人和法人）提供數據免費申請接口，堅持“誰申請、誰使用、誰負責、誰獲益”的原則，率先推進公共數據開放共享，以公共數據引領數據市場。

（2）優化數據產權管理。

第一，淡化數據所有權。在“數據二十條”基礎上進一步立法定規，對數據進行分級分類管理，淡化數據的所有權，強化和細化數據資源持有權、數據加工使用權、數據產品經營權“三權分置”的數據產權制度框架。第二，建立權益分配機制。提倡采用靈活的數據使用協議，根據數據的敏感性、重要性等因素進行個性化設計，以平衡數據實際占有者（控制者）和使用者之間的權益。引入激勵機制，通過對數據提供者和使用者的獎勵制度，鼓勵更多數據擁有者積極參與數據交易，從而推動數據市場的發展。第三，強調場內交易和場外數據流通的平衡，不過分宣傳數據交易中心（所）的作用。

（3）采用新技術提升數據確權和共享。

第一，區塊鏈技術應用。利用區塊鏈確保數據的不可篡改性，增強數據的權利屬性。利用去中心化特性，消除單點故障，提高數據的可信度，使得數據確權更為穩妥可靠。第二，智能合約機制。利用智能合約實現數據共享的合法性自動驗證，確保數據在共享過程中符合先前設定的規定，使得數據共享更加透明和安全。通過智能合約將數據使用規則嵌入代碼中，使得數據交易的執行邏輯變得更加透明，降低信息不對稱風險。第三，數據水印。對于企業數據交易，利用數據水印技術控制數據流通，防止數據套利。

（4）強化數據安全措施。

第一，技術升級。提升數據安全技術，包括加密、身份驗證等，以應對不斷演變的安全威脅。第二，建立監管體系。設立專門的監管機構，加強對數據流通過程中的監管，制定完善的法規框架，規范數據交易行為，明確違規行為的處理措施，提高數據交易的規范性和透明度。

（5）優化信息披露機制。

第一，推進靈活的信息披露策略。推動制定可調整的信息披露策略，根據不同數據類型和用途，個性化確定披露內容和方式，以確保信息披露既滿足需求又保護數據的獨特性。建立動態調整機制，及時根據技術和市場發展變化，更新和完善信息披露策略，以適應不斷變化的數據環境。第二，構建行業自律和道德準則。鼓勵相關行業成立自律組織，制定行業內的道德準則，規范和引導數據交易行為。建立專門的行業咨詢機構，為企業提供數據倫理和道德方面的咨詢服務，加強行業自律的可行性和實效性。

參考文獻：

[1]連玉明.數權法1.0[M].北京：社會科學文獻出版社，2018.

[2]申衛星.數據確權之辯[J].比較法研究，2023（3）：1-13.

[3]劉濤雄，李若菲，戎珂.基于生成場景的數據確權理論與分級授權[J].管理世界，2023，39（2）：22-39.

[4]周漢華.數據確權的誤區[J].法學研究，2023，45（2）：3-20.

[5]包慧.起底芝麻信用“不一樣”的數據源[EB/OL]. （2015-06-17）[2024-01-20]. https：//tech.ifeng.com/a/20150617/41112811_0.shtml.

[6]江小涓.數據交易與數據交互：頂層設計與探索創新[EB/OL].（2023-11-25）[2024-01-20]? https：//baijiahao.baidu.com/s？id=1783702735013845997&wfr=spider&for=pc.

[7]王林.大數據“交易自由”還有多遠[N].中國青年報，2022-03-01（6）.

[8]Arrow K J.Uncertainty and the welfare economics of medical care[M]//Peter A.D， Michael R.Uncertainty in economics.Amsterdam：Academic Press，1978：345-375.

[9]許憲春.大數據背景下不同領域數據資產價值探討與測度研究[EB/OL].（2023-03-23）[2024-01-20].https：//cf40.com/news_detail/13244.html.