数据要素市场培育：法律难题、域外经验与中国方案

赵 鑫

(1.中国政法大学 民商经济法学院，北京 100088；2.安特卫普大学 法学院，比利时 安特卫普 999014)

0 引言

2020年4月9日，中共中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》，提出数据是与土地、劳动力、资本、技术并列的第五大生产要素。2020年5月11日，中共中央、国务院发布《关于新时代加快完善社会主义市场体制的意见》，提出要“加快培育发展数据要素市场”。在法律领域，除《中华人民共和国数据安全法》外，我国尚未出台规范数据要素市场发展的法律法规。囿于制度供给不足，我国数据要素市场发展面临诸多问题。

当前国内相关研究主要关注数据要素市场培育的法学或法律问题，如数据确权、数据市场监管等。《中华人民共和国数据安全法》与《中华人民共和国个人信息保护法》分别于2021年6月和8月经全国人大常委会讨论通过。学界需在现有研究的基础上进一步审视数据要素市场培育相关问题，虽有部分学者对培育数据要素市场开展了研究，但主要关注数据要素市场的反垄断、反不正当竞争、行政性限制竞争行为等问题[1]。

对国外学者关于数据要素市场的研究成果进行归纳可知，欧美国家相关研究主要集中在数据要素市场数据确权方面。有学者指出，在不界定数据产权的情况下，人们能够免费获取他人数据，甚至无需支付任何成本便能获得数据资源[2]。还有学者指出，仅根据所有权界定数据权益是不可取的，通常情况下，法律不会授予信息数据专有权益[3]。从美国立法来看，美国在教育、医疗、金融等不同行业领域采取单独立法的方式，主张扩张普通法上的隐私权概念，以保护个人信息数据[4]。与美国理念不同的是，欧盟确立了严格的个人数据保护模式，赋予个人对数据的绝对控制权。2017年欧盟委员会提出构建数据生产者权利来解决非个人、匿名化机器生成数据的使用问题，目的在于打破个人数据权和数据库财产权的二元对立模式[5]。

当前，我国数据要素市场规则有待建立。以培育、发展数据要素市场为目标，从法学视角厘清加快培育数据要素市场亟待解决的问题，提出相应完善路径，具有重要的理论与现实意义。

1 数据成为生产要素的理论依据与实践基础

自人类记录生产生活以来便有了广义的数据，但以往数据未能成为生产要素，直至今日数据才被认为是与土地、劳动、资本等并列的关键生产要素。因此，阐明数据成为生产要素的理论依据与实践基础，有助于理解国家培育数据要素市场和推动数据要素市场发展的深层动因。

1.1 数据成为生产要素的理论依据

17世纪英国经济学家威廉佩第在《赋税论》中指出“土地为财富之母，劳动为财富之父”，开启了生产要素理论研究。随着生产要素理论的发展，经济学界逐渐将资本、企业家才能、信息等列为生产要素。新的生产要素的加入与社会经济变革紧密相关，每一次社会经济形态的重大变化都伴随着新生产要素的产生。

农业经济到工业经济的转变是资本与管理这两个生产要素诞生的关键阶段。农业经济发展至后期，在人口与物质需求增长的压力下，土地与劳动对于生产力的贡献达到极限，而工业革命先进生产技术的发明有效打破了自然资源即土地对生产力的限制。相比于农业，在工业经济下，资本的关键因素生产设备能够在同样面积的土地上生产出数倍物品，并且生产设备能够被经过训练的劳动力反复使用，进而极大提升社会生产力。一方面，新的生产要素诞生需要满足大规模可得性的要求，即在维系国民生产的过程中具有通用性[6]。另一方面，新的生产要素要提高人类社会生产力必须与其它传统要素有效融合，促进全部生产要素效率提升。工业经济发展至后期，社会物质生产得到极大发展，为了进一步满足人类需求，生产者必须以更低成本生产出更符合人们需求的产品，以在激烈的市场竞争中求得生存。生产者必须不断调整土地、劳动力、资本等各要素之间的配置关系，以提高生产效率。在此阶段，企业家才能或者管理要素在提高生产效率中的作用逐渐显现。由此，工业经济时期的两个关键因素——资本与管理，逐渐被纳入生产要素范畴。随着互联网技术的发展，信息成为信息经济的关键生产要素，在大规模可得性的前提下有效促进全要素生产效率提升。随着互联网的大规模普及以及在各个领域的渗透，信息最终成为不可或缺的生产要素。

数字经济的到来基于信息经济的成熟发展，在信息技术普及的前提下，当前无论是人们的生活消费、社交娱乐还是教育医疗，抑或是生产者的生产经营，都已在网络上全面开展；每一个个体都成为数据生产者，每个时间节点都产生无数数据，加之云空间等数据存储介质的发展，数据得以成为生产要素的首要前提——大规模可得性已不成问题。但是，仅具有大规模可得性的特质不一定能够成为生产要素，还需有效促进与其它要素之间的配置效率，从而提升社会生产力。数据可有效优化劳动力配置，在不同时间节点将劳动力配置到生产经营关键环节，从而提升劳动效率；在数据的协助下，生产设施等资本要素的生产效率得以提升，通过对大量工业数据的汇集和分析，能够促进厂商及时发现产品有待提升的地方，进而对其进行改进；单凭企业家个人的管理才能已不能适应跨地区、跨国家的大范围生产经营活动，对于数据的分析与运用成为企业管理者必须具备的能力[7]。由此可知，数据可以促进全要素生产效率提升。

1.2 数据成为生产要素的实践基础

现实发展需求是数据成为生产要素的关键前提，有学者指出，数字经济是以算力、算法、数据为主体构成的三维经济结构[8]。算力与算法的发展，为数据成为关键生产要素奠定了实践基础。

一方面，算力的发展促进数据得以大规模运用到生产经营中。算力是对数据的运算能力，算力的发展能够保障数据发挥其生产要素的功能，否则大量数据无法得到有效利用。在云计算等数据分析技术出现以前，生产经营者要从海量数据中分析、挖掘有用信息必须投入大量人力、物力等资源，这对于以“理性经济人”著称的经营者来说会增加生产成本，因此，经营者并无意愿开采、利用数据。而算力的发展大幅度降低了其成本，并且根据摩尔定律可知，数字技术成本还将持续下降[9]。由此，生产经营者能够以较低成本运用数据，并产生巨大收益，最终，数据大规模运用的动力来源问题得以解决。

另一方面，算法的发展为数据全面提升生产效率提供助力。国际数据公司IDC、浪潮信息、清华大学全球产业研究院对全球15个重点国家开展研究并联合编制的《2021-2022全球计算力指数评估报告》指出，计算力指数平均每提高1点，国家的数字经济和GDP将分别增长0.35%和0.18%，并预计这一趋势将于2021-2025年之间继续保持。由此可见，算力的发展对生产效率和经济增长具有重要促进作用[10]。

如前所述，新的生产要素诞生还应促进全要素生产效率提升，而算法的大力发展正是此项条件得以成立的前提。数据具有非排他性的特质，即某一主体对特定数据的运用并不妨碍其他主体对其加以分析、挖掘，不同算法甚至能够挖掘同一数据中不同的有用信息，并将其运用至不同部门的生产经营中。譬如对于行业服务数据的分析，某一算法可分析特定节点特定地区所需的服务总量和服务缺口，并采取奖励、补贴等方式鼓励劳动者前往该地区提供服务，提升劳动者的劳动积极性，进而提高生产效率。另一算法可对同一数据进行分析从而为企业管理服务，促使企业管理者更为有效地配置不同岗位的劳动者人数。总之，算法的发展为数据促进劳动、管理等生产要素之间的有效联动与配置提供了助力，这是数据成为生产要素的重要实践基础。

2 我国数据要素市场培育的法律难题

2.1 数据权属确定法律制度有待完善

缺乏数据权属问题的法律规范，不利于数据要素市场培育与发展。具体而言，数据权属问题分为关涉个人的权属确定和非关涉个人的权属确定两个层面。

(1)关涉个人的数据权属确定问题与数据产生价值的特殊机制紧密相关。数字经济时代人们谈论的数据通常是指“大数据”，即在海量单个数据汇集的基础上，经由分析、挖掘、加工而成为具有特定服务价值的数据，正是其规模性与实时性的特征保证了算法能够从数据中挖掘规律，从而分析特定市场、特定个体的经济行为，进而作出预测、判断或为市场主体提供特定服务。从这一角度来看，数据处理者作为数据价值的主体应该享有数据产生的各项权益。

(2)非关涉个人的数据权属确定问题。除个人数据外，工业数据、交通数据等与个人消费者无关的数据同样能够为数字经济发展作出巨大贡献，但现行法律并未明确保障该类数据主体的权益。这降低了数据持有者的数据交易和数据开放意愿，阻碍我国数据要素市场发展。数据非排他性与极易复制性导致其能够在同一时间内被不同主体利用，若法律未对数据主体赋以相应产权，则会导致赋予数据利用价值的主体在数据被非法扩散过程中无法获得相应收益，使得对数据进行挖掘、分析的主体不愿意对数据进行交易、开放，最终导致数据价值无法得以最大化发挥。

2.2 数据要素市场交易法律制度有待建立

从法学角度来看，当前关于数据要素市场交易、流通的法律规则尚未统一或有待建立，这在很大程度上阻碍了我国数据要素市场的培育。

(1)数据要素市场交易规则有待完善。当前我国数据交易平台的主要问题为：第一，部分数据交易所的功能过于单一，导致其场内交易量不足，而交易成本的存在促使数据产品供需双方寻求场外交易；第二，各交易所的数据产品相似度过高，造成交易所之间的同质性竞争。因此，需要利用宏观产业政策指导数据要素市场化交易规则的构建。

(2)数据产品分类标准有待统一。当前我国较为活跃的大数据交易场所主要有贵阳、上海、安徽大数据交易所或交易中心等，从各数据交易所的规则来看，各家交易平台的数据产品分类标准存在较大差异，各家交易所数据产品的格式和数据接口标准也不统一，导致某一企业提供的数据产品无法在多个交易场所顺畅地流通。参与数据要素交易的企业必须改变数据产品格式和接口方式等，才能将数据产品放在其它交易场所交易并流通。

(3)数据产品定价标准有待建立。分类标准不协调导致数据产品定价标准混乱。生产成本是决定产品价格的最主要因素，各交易所产品分类标准不协调导致企业若试图在其它场所交易其数据产品则必须付出更高经济成本，而经济成本将体现在数据产品定价上，由此导致数据产品定价标准混乱。

2.3 数据要素市场监管法律制度有待健全

当前我国数据要素市场尚未健全，同时，出现市场失灵的“后端问题”，阻碍数据要素市场有序发展。其中，与数据相关的不正当竞争与垄断问题最为突出。

一方面，数据不正当竞争行为规制难。流量劫持、数据爬取具备的技术性、隐蔽性特征导致市场监管部门难以及时发现并有效规制相关行为。恶意封禁、恶意不兼容往往以“掠夺性创新”为外部表象，即部分经营者通过对产品或服务的现有版本采取微小但不涉及实质的技术参数变动，阻止其他经营者与其产品或服务的互操作。此种行为以技术创新为表象，但实质上是非法阻碍他人获取数据的不正当竞争行为[11]，会引致消费者在市场中的弱势性[12]。另一方面，数据垄断问题规制难。企业只有掌握关键生产要素才能具备市场竞争力，对于数字经济而言，数据生产要素的集中对企业提升市场竞争力具有重要作用。部分企业通过非市场竞争的方式获取数据以取得垄断利益，对数据要素市场有序发展造成严重阻碍。

3 解决数据要素市场培育法律难题的域外经验借鉴

3.1 数据产权制度难题的域外经验借鉴

3.1.1 美国

美国关于数据产权化的讨论主要围绕两个问题展开：首先，对于个人数据是否应被视为财产权的对象。支持个人数据产权化的观点，部分主张财产制度是保护数据隐私的最佳选择[13]，部分主张财产化是使现有数据市场合法化并加速发展的一种手段。反对个人数据产权化的观点，如理查德·波斯纳认为，个人信息产权化提供了一种向市场隐瞒真实数据的手段，因此是欠缺效率的[14]。也有学者出于无涉效率的理由，认为个人数据不同于其它对象，不能作为财产权[15]。其次，产权应归属于谁，数据主体抑或数据收集者。数据保护的支持者主张将这一资源分配给数据主体，从而加强对隐私的保护。而数据公开的支持者则主张将产权授予数据收集者，因为数据搜集者在汇编数据库和开发算法以“挖掘”数据各种用途等方面进行了大量资源投入。

在功利主义视角下，主流观点通常支持数据主体拥有产权，并认为这是最有效率的制度安排。这种功利主义的产权化讨论主要包含三重角度：第一重角度关注隐私规则与披露规则的关系，理查德·S·墨菲阐明了这一思路，墨菲假定个人信息和任何信息一样都是财产，问题的关键是谁拥有这些信息的产权；第二重角度通过批评隐私保护的侵权法路径的缺陷，支持产权化[16]；第三重角度从产权作为创建整体数据保护体系的工具出发，为数据产权化辩护。

3.1.2 欧盟

欧盟的法律发展完全顺应加强个人控制的方向，2018年生效的《通用数据保护条例》大幅强化了公民对个人数据的有效控制，在事前、事中、事后对个人数据的使用给予了最高程度的尊重和保护。在这一全新的欧洲数据保护框架下，数据权利的本质仍在争论中。GDPR虽然没有明确个人数据的产权属性，但是，其赋予数据主体更多控制其个人数据的权利，在某种程度上，评论者将其视为授予“准产权”(quasi-property rights)[17]。总之，在目前欧盟GDPR的法律框架下，个人是否享有数据产权仍然存在一定分歧。多数学者认为，当前的法律框架与数据产权的概念是不相容的。然而，这一框架对数据分配了某种类似产权的属性。数据最初归属于谁即谁拥有这些数据，对此没有明确规定[18]。

3.2 数据市场交易规则难题的域外经验借鉴

3.2.1 美国

美国数据产权化的讨论焦点主要是“可转让性”，即是否允许自由出售属于个人财产的个人数据。对此，存在两种立场。数据产业的代表者主张绝对的市场化，反对个人数据产权化，因此，拒绝包括任意性规范在内的任何交易规制与监管。该观点认为，市场已经考虑到隐私问题，在某种程度上消费者希望他们的隐私得到保护，市场已经在其效用计算中对这种需求作出了反应。事实上，这些行业已经采取隐私政策来回应消费者的隐私担忧。

支持数据产权化的观点，尤其是基于信息隐私保护的理由而支持将个人数据产权授予数据主体的观点，主张制定相应市场交易规则，管理由产权化而产生的市场交易，即支持引入产权化的观点大多赞成限制可转让性。首先，信息隐私具有社会价值与公共利益，是私有化的公共产品；其次，数据交易市场存在失灵的可能性，需要通过监管予以纠正；最后，需要防范无限制的转让权。在美国的制度实践层面，对于数据产权交易市场，目前少有专门的法律进行规制。2014年5月美国发布的《大数据：把握机遇，守护价值》白皮书中对数据交易规则有所涉及，其指出美国政府不认为其有必要干涉数据交易定价问题，鼓励企业以各种方式推销自己的产品。对于数据产品价格紊乱的担心，白皮书指出，只要政府保障市场竞争充分性和数据产品价格透明度，企业利用大数据技术进行区别定价并不会产生不良影响。

3.2.2 欧盟

就数据主体与数据收集者之间的交易关系而言，欧盟在个人数据保护指令的具体规定中很少对数据交易的合同关系进行强制性约束。虽然欧洲立法机构在保护消费者、保护知识产权等方面曾多次对合同关系进行干预，并制定了一系列限制双方合同自由的强制性规定，但是，在关于个人数据保护的欧洲指令中，欧洲立法者并没有干预处理个人数据的合同关系。个人可以自由地通过合同对个人数据进行合法收集、使用、传播和进一步处理，欧洲指令允许各方在不受欧洲数据保护制度约束的情况下对个人数据进行商业利用。虽然个人数据保护领域存在契约自由，但并不意味着缔约双方可自由决定其关系，而应当受一般合同关系的法律限制，如禁止某些被认为不公平或过分的合同条款等。此外，在个人数据领域并不禁止通过法院对具体个案的法律使用进行解释、补充，以纠正订约双方在谈判能力方面的不平等。

对企业之间的交易关系而言，数据交易可分为数据转让和数据分享。从数据交易实践来看，数据分享更有意义。目前欧盟的数据分享整体上还处于待开发的状态，在公司与个人层面，欧洲几乎没有人完全信任公司处理私人数据的方式；如果公司希望与其它公司分享或共享数据，则往往面临不信任、法律不确定性等问题；由政府机构或公共资助项目收集的公共数据通常不容易提供给研究人员或初创企业。2018年《通用数据保护条例》生效后，欧盟确立了数据监管基本框架，为个人提供了重新控制第三方获取个人数据条款的可能性，可以在此基础上发展数据分享。目前没有任何监管和技术基础设施可以使这些可能性成为现实，欧盟在数据交易规则方面还处于探索阶段，需要建立新的规则和机构，使数据能够以一种可信的方式分享，并让人们对何时以及如何共享私人数据拥有更多控制权。

3.3 数据市场监管规则难题的域外经验借鉴

3.3.1 美国

在跨境数据要素流动方面，美国政府积极主张跨境数据要素的自由流动。2018年美国颁布《澄清境外数据的合法使用法》(the Clarifying Lawful Overseas Use of Data Act)，更是赋予美国政府与服务提供商调取全球跨境数据的权限。此举目的在于推动数字自由贸易，以服务于其本国数字经济高速发展。在美国国内数据市场监管方面，随着数据资源的重要性逐渐显现，数字巨头们滥用市场支配地位的问题引发美国政府监管机构的高度重视，并针对谷歌、苹果、脸书等企业开启了一系列反垄断调查[19]。

目前美国联邦缺乏数据治理整体框架，但州层面的数据治理走在前列。其中，最具代表性的州立法为2018年美国加利福尼亚州通过的《消费者隐私保护法案》(California consumer protection act)。该法案全面保障个人对数据的控制、使用和交易权利，被认为是美国最严格的消费者数据隐私保护立法[20]。首先，将所有收集加州消费者个人信息的企业都囊括至其规制范围之内；其次，赋予消费者广泛的知情权、删除权、访问权等数据主体权利；再次，对企业收集、存储、分析、出售数据的行为进行规范；最后，赋予消费者在发生数据泄露事件时的法定赔偿权，为该领域的集体诉讼开辟了法律途径[21]。

3.3.2 欧盟

欧盟在数据市场监管方面采取与美国效率优先相反的立法和执法态度，在捍卫数据主权的同时不断强化对个人数据权利的法律保护，建立了以GDPR为基础的数据监管制度体系。2018年正式实施的GDPR确立了最新的数据治理框架，是目前全世界范围内最具有现实意义的一般数据治理规则，为其它国家的数据市场监管提供了重要的立法经验借鉴[22]。

除GDPR外，2020年欧盟接连发布了《塑造欧洲的数字未来》《欧洲数据战略》《欧洲的数字主权》等一系列战略文件。2021年底出台《数字服务法案》和《数字市场法案》，革新了数字经济中互联网平台的规制范式，在数字经济领域引入“守门人”的概念，旨在就那些具备一定经济体量与市场规模、能够对消费者产生超强限制能力并对市场产生重要影响的数字经营者负以一系列事前义务，要求提高其所提供服务与其他经营者提供服务或商品的互操作性，不得利用并购损害创新等[23]。《数字服务法案》围绕侵犯隐私、过度采集等数字经济的典型问题，构建了平台用户基本权利保护机制[24]。

4 我国数据要素市场培育法律难题的化解方案

4.1 建立融通“数据生产者(扩展权利)—数据处理者(有限产权)”的数据产权制度

数据产生价值需要多方主体参与，在数据不断汇集的基础上挖掘更为深层的有用信息，并运用至经济社会生活中。譬如A企业汇集大量用户数据后，对其进行分析、挖掘并形成数据产品在市场上交易，B企业在A企业数据的基础上汇集新的数据并挖掘、分析形成新的数据产品。在这一数据产生价值的链条中，总是存在两个数据相关主体，即数据生产者与数据处理者。A企业赋予数据相应价值时，大量用户是数据生产者，A企业是数据处理者；B企业赋予数据相应价值时，A企业是数据生产者，B企业是数据处理者，但有所区别的是，在后一价值产生机制中，大量用户仍然是数据生产者，其是A、B企业数据产品的原始数据来源。因此，或可依照数据生产者与数据处理者的主体关系而建立数据产权制度。

必须注意的是，在用户、A企业、B企业的数据价值产生链条中，各方主体对应的数据并不相同，用户对应的是非经济目的驱动下经由日常行为所产生的各种数据，其不需要用户投入大量经济与技术成本，更多情况下是仅基于日常消费、娱乐等活动即可产生数据；A、B企业对应的数据是经济目的驱动下投入大量资本、技术而产生的智力劳动产品，正是后者付出的经济与技术成本，才赋予数据真正的经济价值。倘若市场主体不能对经过其劳动所获得的产品获得相应产权，就无法保障其能够在市场上流通、交易，也会打击市场主体开发相关产品的积极性。因此，鉴于各方所对应数据类型不同，应当确立“谁产生，谁所有”的数据产权基本原则。用户作为数据最原始生产者，不会在后续产品产生后退出整个价值链条，其是后续所有数据产品的基础来源，因此，赋予数据处理者相应产权时，应当考虑其非财产性权利与财产性权利。

非财产性权利主要指用户的个人隐私权与人格权，其是其他权利行使的前提，任何权利的行使都不得侵害他人隐私与人格权利，这是由作为人的尊严所诉诸的道德权利而确立的基本法律原则[25]。数据中包含个人隐私与人格权利相关内容，因此，应当以此为基础，赋予数据产生者相应拓展性权利，从而限制数据处理者产权的行使。在数据要素产生价值的整个链条中，数据产生者随时都有权利制止侵害其隐私、人格权利的行为，其隐私权、人格权应当拓展至数据产生价值的无限链条中，并以此限制数据处理者产权的行使，由此形成“数据生产者(扩展性权利)—数据处理者(有限产权)”的数据产权制度。

能否实现用户财产性权利的拓展，即在其数据不断产生价值的链条中赋予其相应财产权利，避免数字经济时代新的不公平现象出现。对此，学界共提出3条路径：其一，考虑到个人数据使用价值的微薄性，以货币方式支付用户数据红利不具有现实性，因此，需要企业通过免费增值服务、折扣券等创新红利共享方式实现用户财产权益。该条路径虽然具有现实可行性，但其问题在于不能由法律强制企业发放折扣券或者提供免费增值服务等，其实现更多依赖于数字企业自身行为。其二，共票理论是基于区块链技术，在数字经济中将消费者、投资者、生产者进行紧密融合的制度设想，数据资产的形成和价值增加都是由用户“众筹”而来，在数据资产形成过程中，用户既是数据资产生产者，也是投资者与消费者；在数据资产增值过程中，每个用户可通过区块链技术获得数据资产收益[26]。共票理论的设想能够较好地解决数字经济中数据原始产生者的财产权益获得问题，但是，限于技术问题还无法实现。其三，通过数字经济的二次分配实现用户财产权益，即通过向数据密集型行业征收数据资源税，将获得的税收收入纳入数据收益再分配渠道[27]。从法律制度建构的角度来看，第三条路径可以克服法律无法强制企业为用户提供数字红利的局限，而且不存在技术限制。因此，通过税收制度的二次分配功能进行数据产生者的财产权利扩展是较为可行的路径。

“谁产生谁所有(物权)”的数据产权基本原则可细分为3个命题：一是用以提供确权基本视角、口径和方法论的“要素总说与确权思维命题”；二是主体视角的“人—机关系命题”；三是客体视角的“数据内容命题”。第一个命题是一般理论命题，后两个命题是具体情境命题，前者与后者间存在逻辑上的“总—分”关系。

要素总说与确权思维命题的核心内容是，在数据价值形成过程中，依据社会(经济)交换论的基本原理，不同阶段数据价值主体所付出的劳动效价与数据由此生成的经济价值之间存在等量置换关系。可以根据这样的置换关系，反推数据物权享有者，揭开各阶段数据价值主体的“神秘面纱”。具体来看，数据经济价值生成过程大致可为4个阶段，分别是采集、存储、分析与应用。在采集阶段，数据凝结的是数据采集工作所承载的无差别人类劳动，锁定了劳务提供者即可明晰劳动效价出让者，并进一步确认该阶段的数据产权主体指向。在存储、分析阶段，数据凝结的是存储、分析活动所映射的契约利益。契约及其转化形式(如未订立契约时的行业标准、交易惯习等)所记载的存储、分析活动参与者的自治意思，是该阶段数据确权的核心依据[28]。在应用阶段，数据凝结的是再生产的期待利益。无法在一般理论层面将数据权属确认规则教义化，应为个案裁判留有空间。综合来看，数据时空(自我演化及其生命周期)、人类劳动、人机接口、契约利益、行业标准、商业习惯、期待价值等因素均可能影响数据确权走向。

“人—机”关系命题的核心内容是：依据数据及其持有者间的“人—机”关系，可锚定拥有不同权能的数据产生者，并为之匹配不同性质的数据物权。一般认为，与数据存在绝对排他性“人—机”关系的原始提供者(用户)拥有完整的数据所有权(扩展权利)，而与数据存在相对排他性“人—机”关系的数据处理者(A企业、B企业)仅拥有数据用益权(有限产权)。

数据内容命题的核心内容是，依据数据内容产生方式，可厘定支配不同对象的数据产生者，并为之匹配不同客体的数据物权。以数据产生方式为标准，一般可将数据分为原始数据与衍生数据。原始数据应归数据提供者所有，其他主体需经其同意才能收集、处理和应用；衍生数据是数据处理者利用数据分析技术进行加工整理后得出的数据，其应归数据处理者所有。

“谁产生谁所有(物权)”的数据产权基本原则，可以为那些非关涉个人数据的流通、开放提供保障，但是，在用户、A企业、B企业的数据流通过程中，B企业获取数据产品之后可能将其非法扩散，而数据的非排他特性会损害A企业对数据产品的利用，因此，需要进一步建立数据产品的许可使用制度。对于此，或可仿照知识产权法律建立数据要素的独占许可、排他许可、普通许可制度，在不同的许可制度项下，数据产品交易双方的数据利用权利有所不同，当某一方违反许可合同约定时，另一方可请求其承担相应民事责任。

4.2 以“降低制度成本—减少交易成本”的思路完善数据要素市场交易相关规则

(1)发挥产业政策的引导功能，在综合试点的基础上合理布局数据要素市场化交易平台。有学者认为，应当建立国家统一的数据交易平台，这样有助于解决数据交易平台分布不均、数据集中度不高和数据供给区域不平衡造成的数据开发应用瓶颈等问题[29]。数据集中度不高与数据供给区域不平衡是确实存在的现实问题，更多归因于数据产品分类标准不统一而造成的数据要素流通不畅。要正确理解全国一体化数据交易体系的确切含义，并不在于统一的数据交易平台，而是在数据分类、定价等规则统一的基础上实现全国范围内数据要素自由流通。从其它国家的数据要素交易平台建设来看，数字经济相对发达的国家亦未建立全国一体化的数据交易平台，而是充分利用地方经济特点发展不同的数据要素交易场所，如美国不仅有Mashape、Ifochimps等综合性数据交易中心，还有专注于位置数据领域的Factual、工业数据领域的GE Predix等数据交易平台；德国则形成了弗劳恩霍夫协会工业数据空间IDS项目，个人数据领域的DataCoup则为多样化数据交易平台空间体系[30]。在数据要素市场化交易场所建设上，我国可充分发挥产业政策的引导功能，在综合试点的基础上，在全国范围内形成各具特色的数据要素交易平台。当前各地出台的产业政策一定程度上造成数据要素市场的区域壁垒，阻碍了全国一体化数据交易市场的形成。因此，一方面，应提供更高层次、更高效力的产业政策引导，或可由国务院出台促进大数据交易平台发展的产业政策，在充分保障竞争政策基础地位的前提下，在市场竞争中逐步形成各具特色的全国数据要素市场化交易平台布局。另一方面，在交易平台建设布局过程中，应发挥公平竞争审查制度的作用，对地方政府出台的扶持当地数据要素市场平台建设的规范性文件进行公平竞争审查，避免行政权力不当干预而损害竞争机制。

此外，数据要素交易平台自身亦应摆脱“撮合交易”的单一经营模式。有学者对当前数据要素交易平台运营模式开展实证研究，提出以撮合交易和提供数据增值服务相结合的交易平台运营模式更符合数字要素市场发展需求，同时亦能降低市场主体交易成本。该类交易所运营模式提供的服务包括数据集、云服务、解决方案、数据定制服务等[31]，数据集是某一类数据的简单汇总，后三者则是针对数据需求方的需求，利用数据交易平台的分析、挖掘技术提供的特定数据服务。该类运营模式具有两大优势：一方面，数据交易平台能够利用其数据挖掘分析技术帮助客户从海量数据中提取具有利用价值的信息，这对于一些规模较小或尚未匹配相应技术能力的企业来说能够节省经济成本；另一方面，应由数据交易平台保证提供数据增值服务的合法、合规性，降低数据需求方的法律风险，而交易中可能存在的法律风险是市场主体经营成本的一个重要方面。撮合交易与增值服务相结合的交易所运营模式有助于市场主体节省交易成本，避免其脱离交易平台而寻求场外交易。

(2)建立科学合理的数据产品分类标准，降低数据要素市场的交易成本。目前，我国尚无可参照的数据产品分类标准，各数据交易平台对数据产品标准要求的异质性导致数据要素流通成本增加，因此，应建立统一的数据产品分类标准，促进数据要素自由流通。或可考虑依据开发应用的技术标准对其进行分类，因为数据无论是来源于哪一类主体还是归属于哪一领域，要进行流通就要对数据进行技术开发。可基于技术应用开发的要求，将数据分为原始数据、衍生数据、多方交互数据3类[32]。在此分类基础上，统一数据要素产品的格式、接口、规格等标准，推动数据产品分级分类，破除数据要素自由流通的制度性障碍。

(3)建立数据要素定价规则，加强数据要素价格管理与监督。数据要素定价规则应当摒弃以往由政府制定具体要素价格水平的方式，着力制定定价规则。其前提在于统一的数据产品分类标准，在数据要素自由流通的基础上由市场主体依法合理行使要素自主定价权。同时，应建立数据要素价格公示和动态监测预警体系，完善要素市场价格异常波动调节机制，在数据要素市场价格出现异常波动造成或可能造成重大影响时，赋予价格监管部门采取行政措施调整要素价格水平的权力。

4.3 以“事前预防与事后规制相结合”的方式完善数据要素市场监管法律制度

面对数据要素市场失灵问题，无论是以不正当竞争手段获取数据或阻碍他人获取数据，还是以垄断方式实现对数据要素的累积，当前市场监管都面临技术困境。一方面，不正当竞争手段具有技术隐蔽性，导致监管部门难以及时发现并有效规制相关行为；另一方面，数据本身特性对数据要素市场反垄断的基础性问题与特别性问题均带来挑战，前者如相关市场的准确界定，后者如数据驱动型经营者集中的有效审查。概言之，囿于监管技术的缺失，数据要素市场失灵问题难以有效规制。对此，或可改变以事后规制为主的数据要素市场监管模式，以事前预防与事后规制相结合的方式完善数据要素市场监管法律制度。

将事前预防和事后规制相结合，治理数据要素市场失灵问题是当前国际趋势。在事前预防方面，为不同规模不同体量的数字经营者设定一系列严格程度不同的事前义务，以预防可能出现的数据反竞争行为和垄断行为。譬如，《中华人民共和国反垄断法》规定在经营者集中之前必须严格遵从经营者集中反垄断申报程序，向市场监管部门提出申报；《国务院反垄断委员会关于平台经济领域的反垄断指南》第四章第18条专门规定了经营者集中申报问题。如果数据经营者违反事前义务，则对于应当申报而未申报者，行政机关会给予行政处罚。欧盟立法也存在事前义务的规定，2021年11月欧盟通过《数字市场法案》(Digital Market Act)，该法案对“控制移动互联网生态关键环节(技术环境和运营环境)、有资源或有能力影响其他个人信息处理者处理个人信息能力的互联网运营者”赋以“守门人”地位，要求其承担包括不得滥用优势地位、保障公平开放的数字竞争环境等在内的一系列义务，并且设定了违反义务的处罚措施和相应执法保障制度[33]。日本于2020年5月通过《数字平台交易透明化法案》，明确了日本的数字经营者分类标准。区分大型数字平台与中小型数字平台的一项重要指标是数字经营者的规模影响力和用户数量，根据该指标赋以不同主体事前义务[34]。故而，因应于规制数字经营者反竞争性问题的技术困境，对其课以相应事前义务以预防市场失灵问题的发生是规制数据要素市场失灵的理想手段。

实际上，我国正尝试针对不同规模、不同体量和不同市场影响力的数字经营者课以不同的主体义务，以规范数据要素市场发展。2021年10月，国家市场监督管理总局发布《互联网平台分类分级指南(征求意见稿)》《互联网平台落实主体责任指南(征求意见稿)》。在分类分级指南征求意见稿中，依据用户规模、业务种类和限制能力，将互联网平台分为超级平台、大型平台与中小平台3类。在落实主体责任指南征求意见稿中，前9条专门针对超大型平台规定了公平竞争示范、平等治理、数据管理等一系列义务；第10-第34条则规定了除超大型平台以外的数字经营者的一系列事前义务，包括不得利用技术手段实施不正当竞争行为、不得以合并个人数据为目的诱导和强迫用户登录并使用自身提供的其它服务等。通过对互联网平台进行分级分类以及落实相应主体责任，我国数据要素市场监管将实现从事后规制为主向事前规制为主以及一般化规制向特别化规制的转型。但是，两部指南依旧处于向社会公众征集意见的阶段。为加快培育和发展我国数据要素市场，亟需完善数据分级分类和落实主体责任的具体规范细节，并尽快出台相关管理规范以完善我国数据要素市场监管的事前规制部分[35]。

对于事后规制，我国应加快构建完善数据市场竞争法律体系。2021年10月，第十三届全国人大常委会第三十一次会议对《中华人民共和国反垄断法(修正草案)》进行审议，修正草案中明确了“经营者不得滥用数据和算法排除、限制竞争”、“经营者利用数据和算法设置障碍，对其他经营者进行不合理限制的，属于滥用市场支配地位”等规定。国家市场监管总局针对数字经济出台了《平台经济领域反垄断指南》等一系列规范性文件，这些法律法规与规范性文件共同构成了培育数字要素市场健康有序发展的竞争法律框架[36]。总之，应加快修订完善相关法律，并针对数据要素市场出现的问题出台相应规范或指南，与事前规制相关法律共同形成培育我国数据要素市场健康有序发展的完备法律规范体系。

5 结语

数据成为新的生产要素，一方面在于其大规模可得性，另一方面基于算法技术的发展数据能够推动全要素生产效率提升。在数据经济时代，把握数据的价值，培育数据要素市场发展至关重要，但是，当前我国数据要素市场发展还面临许多制约，需要进一步加强顶层设计，完善数据要素市场的法律制度构建。其中，数据确权是重要环节，需要建立融通“数据生产者(扩展权利)—数据处理者(有限产权)”的数据产权制度，并针对数据权利主体、数据内容产生方式和数据形成阶段分别确权。建立数据要素市场交易规则，需要以“降低制度成本—减少交易成本”的思路完善数据要素市场交易相关法律法规和政策，从合理布局数据要素市场交易平台建设、建立科学合理的数据产品分类标准、建立数据要素定价规则3个方面具体展开。完善市场监管法律制度是培育数据要素市场的重大保障，需要以事前预防与事后规制相结合的方式有效处理“市场失灵”问题。应从以上3个维度全面施策，为数据要素自由流通搭建完整的规范框架，促进全国一体化数据要素市场的形成。