监管导向的数据稽查机制研究：生产要素类比分析视角*

张 楠，周 亮，刁 玉

(1.清华大学 公共管理学院，北京100084；2.清华中国电子数据治理工程研究院，北京 100084)

0 引言

随着物联网、云计算、区块链、人工智能等技术快速发展，网络空间已经成为继陆、海、空、天之后的第五大空间，承载了越来越多的人类活动。数据是沟通网络与现实的桥梁纽带，是网络空间的核心要素。近年来，数据采集设备不断普及、持续迭代，数据量迎来了爆发式增长，伴随着数据处理技术的不断革新，数据价值增值可能性获得极大提升。在此背景下，采集、管理、利用海量数据的能力已经成为国家、地区、机构和个人的核心能力之一。数据流可以引领技术流、资金流、人才流汇聚与重组，进而改变国家或地区的综合实力，重塑战略格局。

2020年4月9日，中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》，明确了中国经济进行市场化配置的要素包括土地、劳动力、资本、技术和数据。其中，数据作为一种新型生产要素首次写入国家正式文件。对于数据作为生产要素已经和将要发挥的作用，国内学者展开热烈讨论[1-3]，普遍认为随着当前经济活动数字化转型的进一步加快，数据资源对提高社会生产效率的作用日趋提升，标志着我国逐步进入数据红利释放阶段，数据将作为生产要素全面参与市场经济活动的投入、产出和分配等各阶段。因此，数据治理机制的健全完善、数据治理能力的强化提升，已经成为释放数据价值的迫切需求。与土地、劳动力、资本、技术等生产要素相比，数据既有生产要素的共性特征，也有其新特点，如高度动态性、快速流动性、非独占性、平台依托性等，使得数据要素治理必须在参考传统生产要素治理的基础上，结合数据要素自身特点进行深入研究和定制调适。

与数据治理包含“用数据治理”和“对数据治理”的两层含义相类似，数据稽查概念出现以来也存在“用数据稽查”和“对数据稽查”两种理解。利用数据稽查的研究主要集中在税务稽查领域，从企业税收到个人税收，国内外已有较多探索[4-5]，而针对数据的稽查则以关注数据真实性及合法性的监管为导向，但已有研究主要停留在数据质量控制技术层面和一些特定专业领域的数据稽查[6]。尽管刘文奇提出数据稽查的机制设计和制度建设至关重要[7]，但在数据明确为生产要素之前鲜有相关系统性研究。

在此背景下，本文试图以新生产要素视角剖析监管导向的数据稽查，从土地、劳动力、资本、技术等传统生产要素治理过程中的监管模式和稽查手段比较分析中发现异同，从而厘清数据稽查的本质目的与关键节点，探讨哪些传统生产要素监管与稽查理念、模式能够引入数据要素领域，助力稽查机制建立，破解数据要素化和价值释放过程中面临的困难与挑战，为数据稽查这一数据治理领域的潜在方向贡献新知。

1 传统生产要素的监管与稽查

1.1 生产要素的监管

狭义的“监管”是指由行政机构制定并执行的直接干预市场配置机制或间接改变企业和消费者供需决策的一般规则或特殊行为[8]。对生产要素的监管一般是指政府对市场准入、数量和质量等约束手段进行管理，隐含着对违规行为的处罚处置[9]。政府对生产要素的监管需要事前、事中、事后全方位监管，往往存在着节点和周期性，同时也蕴含着政府管理方式的革新，从旧有的全面管控到管理与一般监管的结合，再从一般监管到有侧重有目的的约束监管[10]。我国从社会主义市场经济建立以来，培育和完善生产要素的同时也在对生产要素监管不断进行创新。

土地生产要素的监管。1986年我国出台《土地管理法》，1988年进行修订，其中关于“国有土地有偿使用”的表述标志着土地作为生产要素开始进入市场，打破土地通过行政划拨方式配置的单一方式,真正实现了市场对土地资源配置的积极作用[11]。在对土地要素进行政府监管方面，主要集中在土地资源的开发、储备、交易、供应、整治、复垦等领域，由地方国土资源局(现自然资源局)负责沿着土地审批业务对过程中不同环节进行全面监管，如相关法律中关于土地用途管制制度、征地制度、国家土地督察制度的确立与规范等都是政府进行土地要素有效监管的表现。

劳动力生产要素的监管。能动性是劳动力要素的特征[12]。因此政府对劳动力要素的监管除对劳动关系合法性的监管之外，还应有对劳动力再生提供必要条件(包括劳动者是否拥有良好生活质量等问题)的监管，包括聘用情况、工作时间、裁员成本、裁员规定、工作质量和就业服务六个指标[13]。监管主体主要以政府劳动力监管机构(包括人社部内设的人力资源市场司、劳动监察局、调节仲裁管理司等)为主，以劳动就业法律法规(包括《劳动法》等)为依托对劳动力市场中违法行为进行处置。

资本要素的监管。我国是集中式资本监管体制国家，对资本要素的政府监管从资本要素进入市场伊始就相伴相随。从1993年出台的《公司法》，到其后《证券法》《保险法》《银行业监督管理法》《关于推进资本市场改革开放和稳定发展的若干意见》(国九条)等若干法律文件的颁布实施，标志着政府监管体系的逐步建立，并设立全国性的监督管理机构(财政部、证监会、银监会)来统一管理全国资本市场，在对资本的监管中管理资本市场的整体运行并逐步提升资本生产要素的配置效率。

技术要素的监管。国际治理经验主要从预测监管、所有权监管、责任监管三方面对技术要素进行监管[14]。预测监管是指预测技术发展的社会风险并进行预见性地引导。所有权监管是指调整与技术有关的所有权问题，如国家市场监督管理局出台《构建知识产权大保护格局 增强市场主体创新动能》的文件中提到需进行知识产权执法监管。责任监管则是强调技术方面的公共责任和个体责任，如对技术的实体机构 (高新技术企业的认证和资格等)进行监管[15]。随着人工智能技术、新能源技术等逐渐成为第四次工业革命的焦点，对技术的监管与技术的研发一同成为未来政府关注的重点。

观察原有生产要素的政府监管内容和过程可以发现，其对要素管理是在立法的基础之上，运用多种指标体系和方法，辅以机构协同，来最终实现生产要素合理健康配置。过往研究文献反映出政府监管的理论性、系统性较为有限，对生产要素监管方面的共识比较宏观，鲜有执行细则的探讨。

1.2 生产要素的稽查

“稽查”一词的出现可追溯到明朝，张居正在《请稽查章奏随事考成以修实政疏》中提出了重在记事立限、监督考核和据实奖惩的“考成法”[16]。作为生产要素监管的重要手段，“稽查”常出现在政府对走私、偷税、违禁等的非法活动的查处上。针对稽查的文献主要集中在对资本生产要素的监管领域，如税务稽查、电力营销稽查、交通征费稽查、医疗费用稽查、食品药品稽查等，而土地有偿使用费用稽查则涉及另一个生产要素——土地，是在土地监管基础上设立一个对于土地有偿使用缴费领域不法行为的查处环节。对于以上稽查行为的稽查内容归类一般可以概括为以下几个步骤：首先，通过计算机辅助手段对生产要素对应的数据进行审计筛选；然后，采用信函问询审计、案头或实地审计等方式来实施，对出现的违法行为再依法进行查处。

根据对既有文献的梳理，本文总结整理了不同生产要素监管和稽查的重点，以及其背后的主要逻辑(如表1所示)。从政府对生产要素监管和稽查活动所呈现的特点中可发现：首先，政府对生产要素的监管往往立足宏观和总体把控，强调依据不同的管理情境综合运用各种方式，相比之下，稽查作为以监管为目的的一种手段，其方式相对固定和具体。其次，政府对生产要素的监管涵盖市场行为事前、事中、事后的全过程，而与之相比，稽查行为主要侧重事后阶段，强调对生产要素问题的处置。最后，政府稽查行为的对象也呈现明确和固定的特征，资本要素和土地要素由于便于进行凭证核验与审计，成为稽查手段运用较多的领域。与之相比，劳动力要素和技术生产要素则具有一定的模糊性和不确定性，直接进行稽查具有难度。因此，上述领域的稽查通常会进行概念上的转化，例如对劳动力要素的监管会转化为对人口的稽查，对技术要素的监管会转化为对专利及其合规使用情况的稽查，均体现了将目标要素的监管需求转化为对其相对固定和明确组成部分内容的稽查行为这一基本思路，体现了生产要素稽查内涵与外延的可拓展性。

表1 传统生产要素的监管与稽查

2 传统生产要素稽查特征迁延至数据要素场景分析

2.1 数据稽查要将监管目的细化为稽查手段

尽管各类生产要素都有不同程度和层面的稽查概念讨论，但真正形成制度化和体系化的稽查行为，尤其是税务稽查、海关稽查等，大致都具有以下三方面特征：一是将法律、法规和制度作为稽查依据，这是稽查活动开展的法律保障和遵循原则；二是设立专门机构作为稽查活动的实施主体，机构成立专业性团队负责具体执行；三是稽查内容主要为实务或行为的真实性、合法性。上述三点是目标生产要素从监管对象具体化为稽查对象的关键。例如税务稽查重点在于偷税、逃税、抗税、骗税、漏税以及税款滞纳等情况。

作为生产要素的数据具备公共性。以政府数据为例，其数据来源最初主要依靠人工采集或自主申报，存在因各种利益驱动产生数据造假、瞒报可能性，因此，数据核实和数据打假也是数据稽查的核心[6]。数据稽查工作的开展同样需要相关的法律法规作为基础，需要专业机构有效实施。基于以上分析，本文认为，数据稽查是由具有技术能力的机构组织，依据各类法律法规、标准规范、行业准则等，对数据资源的真实性，数据采集、开放共享、开发利用、交易流通等行为的合法性进行核查、检查与监督。数据稽查的第一个关键点即对数据监管进行具体化。

2.2 数据稽查要以数据价值释放发生为时间窗口

既然各类生产要素的稽查关注的核心均围绕真实性和合法性，“有据可依”和“铁证如山”对于稽查来说至关重要。虽然稽查能够起到发现问题、建立预警机制等方面的作用，但这些功能通常发生在对违法违规行为完成处理之后。例如，海关稽查的时间窗口规定为海关自进出口货物放行之日起三年内，或者在保税货物、减免税进口货物的海关监管期限内及其后的三年内[17]。在此期间对被稽查人的会计账薄、会计凭证、报关单证及其他有关资料和货物进行核查，监督被稽查人进出口活动的真实性和合法性。重点在事后是各类生产要素稽查中的普遍规律。

对比其他生产要素价值释放过程，数据生产要素的价值产生可通过数据资产链和数据价值链两个层面得以实现[18]。数据资产链是指数据在开发利用过程中数据形态不断转化的过程；数据价值链是指数据在深入挖掘过程中不断形成数据增值的过程[19]。价值释放恰恰发生在数据增值的事后，即数据发生了流动或以其他某种形式产生价值之后。在这个时间点之前，数据即使存在错漏、缺失等各种问题，但并未造成实际后果，从稽查的事后逻辑来看，也没有开展稽查工作的必要。而在这个时间点之后，数据的价值已经释放并已经产生了实际的价值影响，即便后续发现问题并“亡羊补牢”，也几乎不可能完全消除这种影响，这也使得与稽查相配套的处罚措施更符合逻辑。对于时间点的识别对数据稽查意义重大，意味着生产要素的内在逻辑为数据采集过程中的补充和完善留有时间余量。这一关键点的厘清有助于抵消在数据共享交换中因害怕问责而阻滞共享的陈旧观念，使推动数据汇聚和加强数据稽查能够实现逻辑统一。

2.3 数据稽查要以原始数据为具体对象

稽查行为的具体化不仅体现在前述的法规、机构、目标等层面，更体现在稽查对象层面。真实性与合法性的要求在具体稽查对象情景下才能够对应细化为具体内涵。上文对传统生产要素稽查的类比分析发现，除了土地要素、资本要素这类能够直接便于核验、审计的直接稽查对象，在劳动力要素、技术要素涉及的领域，稽查通常围绕与生产要素有直接关联，能够作为承载生产要素的基础或观测生产要素的标尺的概念和内容展开，例如劳动力要素范畴内的人口和技术要素范畴内的专利等。上述稽查对象的转换剥离了生产要素中相对动态变化和具有不确定性的内容，此类稽查思路可为数据要素这一复杂新领域的稽查开展所借鉴。

对比传统生产要素的特点，数据作为生产要素更具复杂性，也兼具技术要素的某些特征。一方面，从数据资产链和数据价值链两个维度来看，数据生产要素在不同生命周期环节和不同使用场景下会衍生出多种表现形式。但对比数据要素价值实现过程，原始数据在价值链和资产链中起到基础性作用，因此有被篡改、被造假的风险，具备作为数据稽查对象的必要性。另一方面，原始数据自数据源产生而来，其数据属性往往固定，从难度考量也适宜作为稽查对象。此外，以原始数据作为主要稽查对象也有助于明确数据稽查的边界，驱动多方主体在维护原始数据真实性、合法性前提下营造数据价值生态。

2.4 数据稽查更加依赖技术手段的运用

大数据时代的数据规模使得数据稽查必须日益依赖技术手段。过往研究认为数据稽查主要与数据清洗技术紧密相关，技术性数据清洗主要解决数据的一致性、正确性、完整性等问题。但在数据规模激增与生产要素性质共识形成后，数据稽查更为关注数据的真实性、权威性和隐私保护等问题，情况更为复杂，通常需要人工判断介入，也被称为非技术数据清洗[6]。数据生产要素稽查面临区别于传统生产要素稽查的不同挑战。随着技术的迭代发展，人工智能和人机协同可望引入数据稽查领域，而区块链、隐私计算等新兴数据安全技术有望为数据稽查提供新的技术手段，技术进步将在数据稽查体系架构中发挥重要支撑性作用。与已经运用在其他生产要素领域稽查活动中的大数据分析技术相比，数据稽查对技术理念的创新性、先进性要求更高，这既是相关技术快速发展、持续迭代的要求，更是数据要素本身特殊性所决定的。

3 数据稽查的机制建设分析

数据稽查机制建设可从宏观、微观两个层面进行描述。宏观机制架构主要是解决数据要素稽查体系如何搭建的问题，而微观层面则关注数据要素稽查机制如何运行的问题。

3.1 宏观机制架构

从监管目的出发，数据稽查的宏观机制架构应至少包括三个方面。

(1)数据稽查制度建立与规程设置。制度规程在数据稽查体系架构中发挥着核心性作用，是开展稽查活动的主要依据。制度规程可以分为法律规范、制度以及规程三部分。其中，法律规范是以创制形式加以规定的基本稽查办法，是稽查必须遵循或适宜遵循的基本原则；稽查制度则是对法律法规的必要性补充，是数据稽查的具体指导；稽查规程则是依照法律规范、制度所确立的稽查活动的工作程序、操作准则等。

(2)数据稽查机构设立与主体定位。稽查机构在数据稽查体系架构中发挥着决定性作用，是开展稽查活动责任主体。根据稽查的对象范围和目的意义，行政机关、平台企业和社会第三方都可以成为数据稽查机构。稽查机构是贯彻实施稽查法规、制度、规程，开展稽查活动的指挥系统和组织保证。稽查人员则是数据稽查机构实施稽查活动的具体执行人员。稽查人员的专业能力、工作态度与责任感，是影响稽查结果准确性的重要因素。

(3)数据稽查的监管目标与制度保障。数据稽查是以监管为导向的。在稽查活动的全流程中，经常包含对内、外两套监管机制设计，包括稽查对内、外监控信息系统、稽查活动考核制度、稽查责任追究制度、稽查配套体系、制度保障体系等。数据稽查的配套制度保障在体系架构中起到维护性作用，是确保稽查活动良性规范、持续稳定运行的重要基础。

3.2 微观机制架构

数据作为生产要素的稽查运行逻辑与数据价值产生的过程密切相关。根据《城市数据治理工程白皮书》所描述的数据要素市场化过程[18]，本文尝试提出数据稽查的微观机制(如图1所示)，并从稽查主体的对象、启动时间节点、技术工具手段三方面简要描述。

图1 数据要素市场化场景下的数据稽查的微观机制

首先，数据稽查应围绕数据资产链和数据价值链“双链”运行，以原始数据为对象开展。数据源和数据用户作为数据产生的来源与数据价值享受者，是“双链”的出发点和到达点，并无稽查的必要性。而原始数据、数据元件、数据产品作为数据在“双链”中的不同阶段表现形式，是数据治理和监管的对象。数据元件和数据产品是原始数据经过清洗、加工及算法处理后的产物，其表达形式与算法模型、运算能力和应用场景关系密切，这些环节中更多不确定性因素的引入带来了极大的监管挑战，超出了稽查对真实性、合法性的关注范畴。而原始数据特性稳定，对价值实现与传递具有根本性的影响，是数据稽查的重心和立足点。

其次，数据稽查应以价值释放为节点，在数据要素流动和产生价值后启动。以原始数据为对象进行稽查，并不代表从原始数据入库即开始稽查。实际上，在数据元件产生流动或形成产品并提交用户之前，数据稽查没有启动的必要。数据元件作为连接数据资源与数据产品的过度状态，需要和原始数据迭代互动、完善优化，逐步形成富含价值、简约精炼的数据高阶表现形式。在这一过程完成前，数据的采集、清洗、加工过程应有试错空间，此时开展稽查成本高、效率低，很可能会将稽查投入成本耗费在最终无法进入市场并形成价值的垃圾数据上。数据稽查应树立“事后”原则，在数据元件形成并出库后再启动运行，不在数据价值产生过程本身增加前置环节。

最后，数据稽查应强化技术工具应用，并将其作为主要手段方式。当大数据技术已经助力传统生产要素稽查的背景下[4]，对于数据本身的稽查几乎无法脱离技术手段来开展。以区块链为例，区块链技术对智能合约、数据目录、数据共享记录的存储，能够保证数据产生过程、流通过程和使用过程的可追溯、不可篡改[19]。而从稽查角度来看，区块链的可追溯属性能够用于回溯数据的产生、加工、应用、流通等全过程，不可篡改属性也有助于数据稽查证据链条的保存，确保稽查的技术可信执行。

4 结论

数据作为生产要素正在快速融入社会经济发展进程，将逐步发挥前所未有的重要作用。以监管为目的、以稽查为手段的数据治理活动是数据更好释放价值、产生红利的重要保障。面对这一全新领域，本文尝试从土地、劳动力、资本和技术等传统要素的监管与稽查规律入手，分析数据作为新生产要素的特征异同，并据此从宏观和微观两个层面对数据稽查机制建设提出了初步思路。在后续工作中，将从技术视角出发，进一步研究如何把当前数据安全新技术有效融入数据稽查工作；从机制视角出发，进一步研究数据稽查中的触发机制、人机协同以及证据存储等关键环节的实现问题等。相关领域也亟待开展更多的理论探索、原型设计和实证研究工作。