引发数据场内交易不足的几个矛盾

端利涛

数据作为新型生产要素，已经成为发展新质生产力不可或缺的重要因素，越来越多的企业表现出对数据的强烈需求。与此同时，中国已经成为世界数据保有量排名第二的国家。IDC最新发布的Global DataSphere 2023显示，中国数据量规模将从2022的23.88ZB增长至2027年的76.6ZB，年均增长速度（CAGR）达到26.3%，将逐步超越美国成为世界数据保有量排名第一的国家。然而，我国的数据交易流通情况表现并不理想。根据《中国数据平台市场竞争现状调研与投资战略评估报告（2023-2029年）》，2021年中國数据交易流通市场居全球第三，其份额只有13%，远低于美国的48%和欧洲的25%，这与中国规模庞大且积累速度超群的数据现状并不匹配。而且我国已经出现了59家数据交易中心（所），但在数据交易中心（所）场内交易的成交量占整个数据流通市场比例还不到5%。这可以概括为一种海量数据资源和数据利用不足之间的矛盾。

1. 数据的所有权和数据的用益数权之间的矛盾

数据的所有权用于说明数据为谁所有，这是建立在传统私权体系上的一种排他性物权的产权形式。在物权体系下，一旦数据的所有权确定，就意味着所有权主体对围绕该数据的任何操作和该数据产生的任何价值都有权主张权利，具有排他性。数据的用益数权是指对他人所有的数据进行使用和收益的权利，是数据授权能分离的结果，用益数权是数据所有权主体将所有权中部分权能予以分离，授予他人享受，从而在他人数据上形成的数权[1]。用益数权表现出明显的分享性特征，是主张非排他的。

之所以出现这种矛盾，主要在于我们仍旧以对待传统物质商品的眼光对待数据。传统的物质商品，由于商品本身是有形且具体的，所以商品被使用的同时也意味着被使用者实际占有，表现出强排他性；反观数据商品，由于数据以虚拟形式存在于物理介质中，本身是无形的，数据可以被零成本无限复制从而广泛传播被多主体同时使用，并不存在严格的排他性。

2. 数据确权和数据共享属性之间的矛盾

从目前来看，国内关于数据确权的争议主要表现在数据的所有权归属[2-3]。从数据共享的角度来看，过分关注数据确权已经没有实际意义[4]。因为数据具有范围经济特征，单一数据所产生的价值非常有限，而通过数据共享使来自不同维度的数据聚合在一起就会产生“1+1>2”的效果。举例来讲，支付宝芝麻信用之所以可以被商家作为一种免押金的判断标准，这是因为构建芝麻信用的数据框架不仅含有用户用支付宝网购的数据，还包含信用卡还款、网购、转账、理财、生活缴费、租房信息、住址搬迁历史、社交关系等方方面面，甚至网购消费的偏好和上网行为的习惯等蛛丝马迹都将成为芝麻信用打分的依据[5]。单一的网购数据单独作为个人征信数据显然无法满足要求。另外，数据不同于传统商品，数据共享并不会额外损害数据占有者的利益，反而可能因为数据共享带来价值增加而增加额外的收益。简而言之，数据占有者通过数据共享可以保证数据占有者的利益不减。除此之外，数据具有非均质性，这导致同一份数据在不同的场景中释放出的价值可能不一样，数据只有被更多的人使用，才能进一步挖掘数据中蕴含的价值，从而对社会创造的价值也就越大。

一旦数据确权，数据的共享将有可能遭到阻碍，这主要表现在两个方面。第一，有些数据无法确认单一的权利主体，例如，被电商平台记录的消费者在平台上的各种行为数据，这些数据的所有权无论是完全确认为平台所有还是用户（包括第三方商家消费者）所有，都会影响另一方的行为。第二，由于当前的技术和相关制度并不完善，数据所有权一旦完全明确，数据所有权主体并不敢将数据置于第三方交易机构进行交易流通，从而阻碍数据共享。因为一旦数据通过第三方交易，数据的虚拟性和可复制性使数据所有者无法确认数据是否被他人盗用。也就是说，数据一旦传播便有可能不受控制地被传递给更多主体使用，蕴含着极大的安全风险。这对数据所有者是非常不利的，以至于拒绝将数据拿出来供他人使用。

3. 场内交易与场外数据流通之间的矛盾

一直以来，我国在数据流通层面强调数据的场内交易，但效果不佳。目前，我国场内交易占全国数据交易总量不到5%，由企业主导的场外数据流通占据绝对比例，这与我国成立数据交易中心（所）的初衷明显相悖。江小涓在全球数商大会上表示，对数据交易和数据交互（非场内交易的其他数据流通形态）两种流通形态的关注要更加平衡[6]。

现实中，场内交易与场外数据流通的矛盾表现如下。第一，为了便于监管，场内交易要求数据买卖双方在合规的前提下，必须通过数据交易中心（所）实现数权的交割。而场外数据流通并非一定表现出明确的交易形式，可以是API接口这种形式将数据从一方导入另一方，也可以是私下直接完成钱数交割，而且很多地方出现了场内撮合、场外交易的情况。第二，场内交易表现为通过政府出面吸引买卖双方在数据交易中心（所）寻找合适的匹配，但在确权估值、交付清算、数据资产管理和金融服务等一系列增值服务未能落地的前提下，数据的实际占有者很难在数据交易中心（所）实现低成本交易[7]，反而在场外与数据需求者在不要考虑数据确权、数据估值和数据保护等烦琐的流程的前提下，更容易实现数据流通。第三，目前，我国已经建立的59家数据交易中心（所）分散于全国各地，各个交易中心（所）的规则不尽相同，降低了数据交易中心（所）的权威性，而场外数据流通只需要按照买卖双方意愿实现交易或交互就行，一切都是以数据流通成本最小为前提。显然，场内交易为了追求合规流通而增加的交易成本与场外追求最小化交易成本形成了对比。

从现实的表现来看，我国存在大量的数据流通需求，但过分关注场内交易显然不是解决问题的有效方法，必须正视数据的场外流通，使场内交易和场外流通保持适当的平衡。

4. 阿罗信息悖论

阿罗信息悖论是由诺贝尔经济学奖获得者肯尼迪·阿罗于1963年在其论文Uncertainty and the Welfare Economics of Medical Care中首次提出，该文在1978年被收录于Uncertainty in Economics一书中[8]。阿罗信息悖论强调了在信息交易中的一种困境，即披露信息虽然在交易中是必要的，但同时也可能导致信息的价值丧失。这一悖论涉及信息的非对称性，即在一方拥有更多信息的情况下，信息的披露可能对于双方都带来不同程度的损失。简而言之，持有信息的一方对信息的价值判断不如需要购买信息的一方。因此，在交易过程中，信息需求一方会尽可能压低信息的价值以获得更大的套利空间。这是信息买卖双方之间的一个矛盾。

数据也是一样。在数据市场上，绝大多数的数据收集者（从而也是数据的实际占有者）对于数据的价值并没有一个清晰的价值判断。例如，政府、互联网平台企业和网络爬虫公司，这些机构收集的数据往往是日常活动的副产品，或者只是单纯地意识到数据具有价值而已。然而，对于亟须数字化转型的企业来讲，数据的价值可能更加明确。这就导致在数据交易的过程中，数据的卖方永远无法确认数据买方报出的价格是否是最高价格，而数据的买方也永远无法确认数据卖方对自己数据价值的最低接受意愿。这种矛盾直接阻碍了数据市场的发展。

5. 数据“孤岛化”分布现状和数据亟须整合实现价值化之间的矛盾

无论是数据存量还是数据增量，我国的数据总量都呈现一种高速增长的状态。但目前数据流通不足，我国的数据依然呈碎片化分布于各个“数据孤岛”之上，特别是公共数据，分布于各个政府部门而无法实现有效整合，这也导致数据无法被有效利用。根据Gartner的研究，企业层面有97%的数据未被组织使用，超过87%的组织在商业职能和分析能力方面被归类为低成熟度级别。而根据埃森哲的研究，高绩效组织对数据和分析的需求正在逐步上升，来源也并不仅仅局限于IT运营和财务。也就是说，市场对数据的需求始终存在，且呈上升趋势。

单一数据价值有限，与其他数据融合可使其自身价值实现增值[9]。也就是说，数据的价值化具有明显的规模经济和范围经济特征。数据的规模越大，其所蕴含的价值也就越高，价值从量变转为质变；同时，随着数据范围（即维度）的扩大，数据之间的关联性打通，可以提供更全面、准确的分析结果，从而为组织提供更深刻的洞察力，释放更多价值。然而，数据孤岛化的分布现状却与之相悖，阻碍了数据价值化的进程。

6. 数据流通和数据安全之间的矛盾

数据流通和数据安全之间的矛盾，体现了在推动要素市场发展的同时，必须有效解决由数据无限复制性、非耗散性和价值多样性所引发的安全问题。数据流通在建设全国统一要素大市场中扮演着关键的角色，既是发掘和释放要素全部价值的必要环节，也是实现全面统一的不可或缺的环节。然而，数据并非传统生产要素，而是具有独特性质的信息资源，其进入市场流通可能导致安全问题的凸显。

第一，数据易于复制，几乎可以零成本地进行无限复制。一旦数据进入市场，实际占有者很难避免数据被盗用的风险。这使得数据的所有权和控制变得更为复杂，需要创新技术和制度保障来确保数据的安全流通。第二，数据具有非耗散性，即对原数据进行复制操作不会影响原数据本身。这为恶意行为提供了更多可能性，因为数据的拷贝并不影响其原始状态，难以追踪和防范潜在风险。因此，确保数据在流通过程中不被篡改或滥用，需要建立健全的监管和验证机制。第三，数据的价值具有多样性，且对数据的开发使用存在一定的黑箱性。在未查看底層数据的情况下，很难判断某一结果的产生究竟来自哪些数据，增加了数据流通过程中的不确定性。透明度和可追溯性的提高将有助于解决这一问题，使数据使用更加可信。

尤其对于涉及个人信息和国家安全的数据，安全问题更为突出。这些领域的数据往往是不法分子关注的焦点，因此需要更加严格的安全措施和法规来保护这些敏感信息。在推动数据流通的同时，必须确保建立一套完备的数据安全体系，包括加密技术、权限管理、监测与响应机制等，以应对潜在的安全威胁。只有在数据流通和数据安全之间找到平衡点，才能更好地推动要素市场的发展并保障社会整体的信息安全。

结语

数据交易是当前加快发展新质生产力，构建全国统一要素大市场的必然环节。但从现实情况来看，我国数据交易证提升表现出一种海量数据资源和数据利用不足之间的矛盾。具体来看，可以归结为如下六种矛盾：数据的所有权和数据的用益数权之间的矛盾、数据确权和数据共享属性之间的矛盾、场内交易与场外数据流通之间的矛盾、阿罗信息悖论、数据“孤岛化”分布现状和数据亟须整合实现价值化之间的矛盾、数据流通和数据安全之间的矛盾。这六种矛盾构成了当前数据交易不足的重要原因。

针对当前数据交易面临的问题，可以采用以下系统性的解决办法：

（1）建设数据基础设施。

第一，数据集成平台。建立全国范围的数据集成平台（特别是公共数据更有必要如此），打破各个领域数据孤岛，促进不同数据源的整合。引入跨领域协同机制，确保数据能够自由流通，使得数据能够为各领域和行业的需要服务，从而提高数据的整体效用。第二，制定通用的数据标准，涵盖数据的格式、命名规范等，以确保数据在各个领域具备一致性，减轻数据整合的复杂性。制定通用的数据标准和交换协议，确保数据的一致性和可交互性，降低数据整合的复杂性。第三，针对公共数据，通过构建面向全国的数据集成平台，向国内所有符合条件的用户（自然人和法人）提供数据免费申请接口，坚持“谁申请、谁使用、谁负责、谁获益”的原则，率先推进公共数据开放共享，以公共数据引领数据市场。

（2）优化数据产权管理。

第一，淡化数据所有权。在“数据二十条”基础上进一步立法定规，对数据进行分级分类管理，淡化数据的所有权，强化和细化数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的数据产权制度框架。第二，建立权益分配机制。提倡采用灵活的数据使用协议，根据数据的敏感性、重要性等因素进行个性化设计，以平衡数据实际占有者（控制者）和使用者之间的权益。引入激励机制，通过对数据提供者和使用者的奖励制度，鼓励更多数据拥有者积极参与数据交易，从而推动数据市场的发展。第三，强调场内交易和场外数据流通的平衡，不过分宣传数据交易中心（所）的作用。

（3）采用新技术提升数据确权和共享。

第一，区块链技术应用。利用区块链确保数据的不可篡改性，增强数据的权利属性。利用去中心化特性，消除单点故障，提高数据的可信度，使得数据确权更为稳妥可靠。第二，智能合约机制。利用智能合约实现数据共享的合法性自动验证，确保数据在共享过程中符合先前设定的规定，使得数据共享更加透明和安全。通过智能合约将数据使用规则嵌入代码中，使得数据交易的执行逻辑变得更加透明，降低信息不对称风险。第三，数据水印。对于企业数据交易，利用数据水印技术控制数据流通，防止数据套利。

（4）强化数据安全措施。

第一，技术升级。提升数据安全技术，包括加密、身份验证等，以应对不断演变的安全威胁。第二，建立监管体系。设立专门的监管机构，加强对数据流通过程中的监管，制定完善的法规框架，规范数据交易行为，明确违规行为的处理措施，提高数据交易的规范性和透明度。

（5）优化信息披露机制。

第一，推进灵活的信息披露策略。推动制定可调整的信息披露策略，根据不同数据类型和用途，个性化确定披露内容和方式，以确保信息披露既满足需求又保护数据的独特性。建立动态调整机制，及时根据技术和市场发展变化，更新和完善信息披露策略，以适应不断变化的数据环境。第二，构建行业自律和道德准则。鼓励相关行业成立自律组织，制定行业内的道德准则，规范和引导数据交易行为。建立专门的行业咨询机构，为企业提供数据伦理和道德方面的咨询服务，加强行业自律的可行性和实效性。

参考文献：

[1]连玉明.数权法1.0[M].北京：社会科学文献出版社，2018.

[2]申卫星.数据确权之辩[J].比较法研究，2023（3）：1-13.

[3]刘涛雄，李若菲，戎珂.基于生成场景的数据确权理论与分级授权[J].管理世界，2023，39（2）：22-39.

[4]周漢华.数据确权的误区[J].法学研究，2023，45（2）：3-20.

[5]包慧.起底芝麻信用“不一样”的数据源[EB/OL]. （2015-06-17）[2024-01-20]. https：//tech.ifeng.com/a/20150617/41112811_0.shtml.

[6]江小涓.数据交易与数据交互：顶层设计与探索创新[EB/OL].（2023-11-25）[2024-01-20]  https：//baijiahao.baidu.com/s？id=1783702735013845997&wfr=spider&for=pc.

[7]王林.大数据“交易自由”还有多远[N].中国青年报，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]许宪春.大数据背景下不同领域数据资产价值探讨与测度研究[EB/OL].（2023-03-23）[2024-01-20].https：//cf40.com/news_detail/13244.html.