数据权利界定与收益共享共创:数字经济下如何化公地悲剧为共同富裕

冯博 李艳婷 刘龙

(天津财经大学 法学院,天津 300222)

一、问题的提出

数据要素作为新型生产要素,是数字经济的基础,已全面融入生产、分配、流通、消费和社会服务管理等各个环节,深刻改变着生产方式、生活方式和社会治理方式。与其他生产要素相比,数据要素呈现出多主体性、可复用性、强时效性的特征,突破了传统的产权理论和价值分配规则,而现有的理论研究和制度设计对新型数据权属的阐释和论证力有不逮,进而导致数据要素市场的发展乱象丛生,譬如,个人层面的数据泄露和滥用频发;企业层面的数据权益冲突加剧等(1)数据纠纷通常表现为知识产权、不正当竞争、垄断等诉由。如在“今日头条诉新浪微博数据反抓取案”与“新浪微博诉今日头条数据抓取案”中,司法判决未重视数据权利界定对数据收益分配的影响。典型案件还有“新浪微博诉蚁坊数据抓取案”“蚁坊诉新浪微博数据垄断案”、LinkedIn.vsHiQ.数据抓取纠纷等。。这些问题的存在不仅阻碍了数据资源的有序配置和充分共享,还诱发了经济主体间的利益冲突,造成数据交易的安全隐患。因此,如何界定数据权利归属及其收益分配机制成为推动数字经济高质量发展的关键所在。

关于数据权利界定和收益分配问题的探讨,现有研究已提供了一定的解决思路。学者们普遍认为数据权利配置、数据收益分配规则的构建,不能套用传统财产的权利配置模式[1],否则会弱化创新激励,降低社会总福利。王泽鉴(2009)[2]把排他性界定为财产权属的典型特征,但应用于数据要素则会阻碍其必要的流动与分享,降低数据利用效率。Nuccio and Guerzoni(2019)[3]认为数据生产要素具有非排他性特征,对数据采取适当的方式共享和使用不会造成第三方的福利损失。于立(2020)[4]则指出数据要素的共享共创才能最大程度释放数字红利,这与传统产权制度的独占性、排他性思维存在明显的张力,并将其命名为“数据悖论”,即部分数据作为共享品,具有非竞争性和部分排他性的特点,如排他性不足会诱发“准公地悲剧”(Tragedy of Quasi-commons)问题,而排他性过度则会诱发“反公地悲剧”(Tragedy of Anti-commons)问题。整体来看,尽管现有文献均认为传统产权理论对数据权利界定缺少解释力,但尚未探寻出数据权利界定的基本规律并提出富有解释力的理论,也未将数据权利界定、收益共享共创与共同富裕纳入统一框架进行深入研究。

鉴于此,本文基于数据要素的经济学属性,将数据分为私用品等四种类型,运用科斯定理模型对共享品数据的权利界定与收益分配问题展开研究,重点关注如下问题:数据要素权利如何界定,数据收益如何共享共创,数字经济下如何避免公地悲剧以追求共同富裕。本文可能的边际贡献在于:第一,在共同富裕理论框架下,以社会总福利影响为衡量标准,对数据要素权利界定进行创新性解读。第二,结合数据的经济学属性探讨数据的部分排他性可能诱发的“反公地悲剧”或“准公地悲剧”问题,丰富产权理论在数字经济中的理论内涵与应用价值。第三,在实践方面,基于科斯定理,分析通过数据权利界定“公地悲剧”为“公地喜剧”的有效路径,并为数据纠纷的司法判决提供理论支持和裁判参考。

二、文献综述

(一)数据要素经济学属性与权利界定:法学与经济学的碰撞

构建数据基础制度,推动数据要素市场化,首先应明确数据的经济和法律属性,进而探索出公平、高效、可行的产权确立方案[5]。传统法学理论是基于“排他性”去界定权属,比如物权就是权利人依法可排除他人之干涉[6]。但对于数据要素,其排他性是不确定的。如果过于强调数据的排他性,将数据权利界定于个人或企业,不利于充分释放数据价值,不利于社会知识创新的福利增加。面对数据界权难题,法学家吸纳了科斯定理等法律经济学的产权理论[7-8],认为除了排他性之外,还应以物尽其用的经济效用作为权利界定的一项准则。有学者提出数据用益权的二元权利结构[9]、有限的排他权理论[10]和数据可分割界权理论[11],这些观点对于确定数据权利边界具有很好的价值,但立论逻辑还是基于“排他性”单一维度界定数据权利的思维,对于数据使用的外部效应和社会福利增加研究不足。

与法学家不同,经济学家认为应结合竞争性和排他性两个维度探讨数据要素的权利界定。竞争性是指一方的使用、所有或占有排除了另一方的使用、所有或占有。排他性是指消费者需为使用该物品付费,而未付费者不得使用该物品。微观经济学理论根据商品是否具有这两种属性将其分为私用品、共享品、共用品、公用品四种类型。数据作为数字经济的核心生产要素[12],其显著的经济学特征就是具有非竞争性[13]。数据的非竞争性是实现数据要素“共同使用、共享收益”的基础,数据制度不能局限于依据数据来源对个人数据、企业数据、公共数据进行泾渭分明的区分,而应该从促进数据要素个人、企业和政府之间共用和共享,提高社会福利增加的角度进行机制完善。据此,经济学家提出根据数据要素经济特征进行分类保护的制度建议,比如“情景依存的有限产权”模式以强化衍生数据财产权保护[14];数据自然人享有个人数据内容的分级分类的数据控制权;数据文件持有者则享有数据产品有限制的占有权(经济所有权或用益数权)[15]。

现有数据要素权利界定研究在传统理论上有所发展,但研究仅停留在如何从形式上建构数据法律权利,没有进行更富想象力和实用性的机制设计[16]。然而数据要素的经济学特性在一定条件下会诱发“准公地悲剧”或“反公地悲剧”问题,影响社会福利的提升。本文从社会福利增加、促进共同富裕视角,方法上突破了单纯基于排他性的法学财产权思维,综合数据要素生成场景分析其经济属性方面的竞争性与排他性;从特征属性出发寻找规避“公地悲剧”、实现“公地喜剧”的路径,从二维角度弥补理论研究与实践应用的缺憾与不足。

(二)共同富裕视阈下数据收益分配:现实困境与理论悖论的交加

数据要素的不同配置方式影响市场的竞争或垄断,并具有显著的福利效应和分配效应[17]。一方面,数据要素价值的实现依赖于各类数据的深度挖掘和广泛融合[18],如果将数据排他地配置给平台企业,可以激励数据处理企业以低成本对各行业的数据要素进行挖掘,借以实现规模经济和范围经济,有效加快数字经济发展[19]。但另一方面,数据的经济属性决定了其权利不能完全归属于平台企业[20],否则企业会因为担心竞争威胁而排斥其他企业数据的接入,导致具有非竞争性特质的数据要素非效率配置[21],同时也会诱发平台企业过度搜集数据,给用户带来负效用。

倘若将数据权益排他地配置给消费者,市场交易的价格机制既可以促进个人数据的市场交易,也可以让数据主体获得一定数据租金,还可以在个人数据采集和流转中实现隐私“负外部性”的内在化,这能够产生最优的数据要素配置结果。然而,数据的“负外部性”带来的个人隐私成本远低于该隐私被侵犯的社会成本,这些成本不仅包括侵犯人承担的成本,还包括政府税收承担的司法及行政成本以及权利人的福利减损和救济成本[22]。数据权益完全归属个人的观点忽略了隐私的“负外部性”。数据过度限用也会使得企业之间缺乏开放共享数据的动机,降低企业生产效率,损害消费者福利[23]。

上述分析表明,将数据收益配置给任何单一主体都将减低数据资源的使用效率,损害创新激励。创新驱动是数字经济高质量发展的核心要义。从激励创新促进社会福利增加和共同富裕着眼,数字经济的“蛋糕”是各方共同创造的结果,各方应遵从多劳多得的原则。数字经济领域,多劳多得是创新的原始驱动力,应给予市场主体更充分的数据生产与采集激励[24]。但数据排他地配置给单一主体会造成“独享”,不利于激励“多劳”和“做大蛋糕”,甚至阻碍在高质量发展中促进共同富裕。实现数据“共享”才能激励多重主体“共创”价值,增进社会总福利。鉴于此,实现数据要素的高水平积累与价值释放的核心原则就是数据的共创共享。只有厘清数据要素价值的释放机制与实现路径[25],才能根本解决数据权利配置的现实困境,助推共同富裕。

(三)数字红利与共同富裕:“公地悲剧”到“公地喜剧”的重构

随着数据作为新型生产要素与经济全面融合,新的要素红利正在释放,现有的产业竞争格局与发展逻辑已然被重塑,数字经济为实现共同富裕提供了一条新发展之路[26]。然而不同于其他生产要素,数据资源处于个人用户内部之间、平台企业内部之间的“公地”内,存在着众多所有者,这就导致数据要素的发展极易诱发“准公地悲剧”或“反公地悲剧”问题。

一方面,数据的排他性不足可能导致一种市场失灵,即“准公地悲剧”[27]。该理论由英国学者哈丁(Hardin)(2)哈丁在对英国封建土地制度的封建主为牧民放牧提供的“公地”研究中提出这一理论,并于1968年将这一重要理论发表在了《科学》杂志上。最早提出,表示当经济资源不具有排他性时,每个使用者出于“别人少捞一把,自己多捞一把”的心态,过度使用资源直至枯竭。“准公地悲剧”的本质是每个个体行为的负外部性产生社会成本,总的社会成本大于个体私人成本之和,减损了社会总福利。比如个人数据的过度收集、公开数据的不当使用等,都属于数字经济下的准公地悲剧问题。

另一方面,如果数据使用费过高,数据的排他性太强会诱发“反公地悲剧”问题(3)于立提出对数据过分保护产生的“反公地悲剧”,是Heller提出的通过设置障碍使资源未被充分利用(under use)产生的效率浪费在数字经济领域的应用延伸。。“反公地悲剧”理论起源于1838年古诺(Augustin Cournot)对经济案例的挖掘(4)铜和锌是黄铜萃取的必备要素,但当时两者分别由不同的公司控制和提供。两家公司为了攫取最大化利润,纷纷在对方购买时索取高价,最终导致黄铜价格不断攀升,各方利益受损。,于20世纪90年代由美国经济学家赫勒(M.A.Heller)正式提出(5)赫勒通过对莫斯科街道摊贩的研究发现,叠床架屋式的产权结构迫使店铺空闲,进而提出“反公地悲剧”理论。。“反公地悲剧”的理论核心是“公地”内产权所有者过多,且每个所有者的权利排他性不足。这种情况下个体仅基于各自利益最大化采取行动,无法达到总量最优状态,“反公地悲剧”随即发生。问题的本质为权利拆分产生的外部性,是市场失灵的一种表现,不利于社会总福利的提升。数字经济背景下为了克服这一难题,学者主张完全排他性的数据权属无助于促进数据要素的流通,也无助于对处于弱势的交易方进行保护[28],更会产生数据垄断等问题[29],因此对于数据要素不必设定完全排他性的权利。

上述研究表明:最大化释放数据要素价值,以数字经济高质量发展促进共同富裕具有一定的先决条件,即构建分配合理、运行高效的数据权利界定基础制度。有学者提出,共同富裕就是“做大蛋糕”和“分好蛋糕”以及“分享蛋糕”[30],在数字经济领域,则需要在兼顾“效率”与“公平”的原则下,实现数据价值共享共创、充分释放数据要素红利。本研究立足数据的经济属性,研究数据权利界定这一法律问题,通过拓展科斯定理分析数据权属对社会总福利的影响,量化数据抓取合法性边界,为数据要素配置机制提供全新的分析视角和政策启示。

三、数据要素属性、权利界定与共同富裕

(一)数据的分类:经济学属性视角

数据的非排他性特征与传统法学产权理论的排他性安排存在天然冲突。司法裁决如果固守排他性作为数据抓取纠纷的法理依据,可能会妨碍社会总福利的提升。经济学视角的权利界定淡化排他性和所有权,强调非竞争性和使用权,即“你用”“我用”还是“公用”“共用”,也就是说,不需要确定谁拥有这些数据,只考虑使用数据应遵守的边界和规则。产品竞争性的本意在于主体通过拥有使用权获取更多收益;排他性不仅是基于所有权而排他,更多的情景下是通过设置使用限制来排他。因此,竞争性和排他性也可以表述为争用性和限用性,这种表达更能突出经济学权利界定的使用权特性,并强调出与法学权利界定的差异(6)虽然“争用性”和“限用性”的措辞有助于诠释“科斯定理”中使用权的意义,但为了统一学术表达,本文仍沿用“竞争性”和“排他性”的用语。。本研究基于经济学理论中的争用性、限用性二维角度,分析不同数据的属性,有利于认识和把握数据权利界定规律。根据萨缪尔森“产品属性四分法”[31],数据分为三类,分别为私用品、共享品、共用品(7)由于数据基本不具有竞争性,而且可以排他,所以其公用品属性不明显,因此本文不讨论公用品属性的数据问题。。

1.私用品(Private goods)

个人数据中有一部分属于个人隐私(Privacy),即“隐蔽的信息”(Concealment of information)[32]。用户将某个信息作为隐私保存起来,该信息依据《民法典》(8)《中华人民共和国民法典》第1032条规定:“隐私是自然人的私人生活安宁和不愿为他人知晓的私密空间、私密活动、私密信息。”就成为隐私权的客体。个人隐私兼具人格权和财产权“双重属性”,具有高度竞争性和排他性,属于“私用品”[33]。由于生产要素是投入生产过程的投入品,而非最终消费的产品,所以隐私不属于生产要素。除个人隐私之外,个人数据中的其他部分,可以统一称为非隐私个人数据。区分非隐私个人数据和个人隐私应该基于个人的利益权衡后的策略选择:个人内心珍视,并采取保护措施的信息就是个人隐私;反之,个人允许平台使用,并与平台进行利益交换的信息就是非隐私个人数据。在司法实践中,法院对于隐私权的裁量标准应当考虑个人是否为了隐私采取了保护措施,即如果个人主动将隐私公开,就不再享有相应的隐私权。

2.共享品(Club goods)

共享品具有非竞争性和排他性,非隐私个人数据、企业数据属于共享品,但最佳排他程度与利用成本有关。数据作为共享品,边际成本为零,具有非竞争性,具有相当程度的规模经济效应。数字经济中广泛存在正的网络外部性,即用户从某产品得到的效用与用户数量正相关。某一主体对数据要素的使用和收益不影响其他主体的使用和收益。同时,数据要素的前期成本不为零,数据基础设施的研发和建设成本甚至十分昂贵。因此,作为共享品的数据要素应当具有部分排他性,且排他程度是影响其资源配置效率的关键。

3.共用品(Public goods)

共用品数据主要指公共数据,具有非竞争性和非排他性,可以被公众共享并使用。共用品数据不仅包括国防数据,还包括企业登记监管、卫生健康、交通运输、气象等高价值数据。虽然这类数据产生于个人或企业,但在为了公共安全的情况下,应当向社会开放,并实现共享协调(9)《国务院办公厅关于印发要素市场化配置综合改革试点总体方案的通知(国办发〔2021〕51号)》第19条规定,完善公共数据开放共享机制。建立健全高效的公共数据共享协调机制,支持打造公共数据基础支撑平台,推进公共数据归集整合、有序流通和共享。探索完善公共数据共享、开放、运营服务、安全保障的管理体制。。

共用品数据因其非竞争性及非排他性,带来如下问题:第一,共用品不直接涉及垄断问题,但因较强的外部性,容易出现市场失灵的情况。因此,保障安全是第一要务。公共数据从数据供给、流通到使用的全过程都需要关注数据安全,需要政府有效监督治理从而杜绝数据风险。第二,根据科斯定理,在交易成本为零的情况下,产权的初始配置并不影响效率。共用品的特征决定了主体间交易成本趋于零,因此权利界定无关紧要,本文讨论数据要素权利界定问题不考虑共用品数据。第三,主体投入数据越多,互动越频繁,效用红利越高,由此实现集体的合作达到共同利益的满足,即“公地喜剧”(Comedy of commons)。

图1 数据的经济学属性与分类[12]

作为共享品的数据要素,其权利界定和收益分配界定问题最为复杂,也是数据类纠纷的核心难题。数据抓取等纠纷都涉及共享品数据。在数据抓取纠纷中,不同的权利配置机制会产生效率不同的市场交易结果。因此,下文将聚焦于以非隐私个人数据和企业数据为代表的共享品数据,探讨如何界定数据权利才能产生更多的数据收益,提升社会总福利。

(二)数据生产要素的产品属性与权利界定:以数据抓取案件为例

1.非隐私个人数据的权利界定

个人数据中的非隐私个人数据具有非竞争性,属于共享品。用户可以用这些数据与数字平台进行交易,例如用户注册平台时提供个人数据从而使用平台服务,基于其非竞争性而获得收益(10)用户提供给平台的数据中属于隐私协议内容的部分如密码等,仍属于隐私。。但对于数字平台来说,用户的个人数据是弥足珍贵的资源。因此平台常常将个人数据和隐私混淆,强调个人数据的使用价值,通过技术与法律手段加强数据的排他性。比如数字平台通过实施《隐私协议》诱导用户放弃个人隐私,授权给平台使用。个人可以将数据使用权授予平台,但并不影响用户个人使用这些数据。此外,个人对于数据仍享有可携带权、删除权等(11)《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》(以下简称“数据要素二十条”规定“保障数据来源者享有获取或复制转移由其促成产生数据的权益”)。。

在微博和今日头条的数据抓取纠纷中,微博与个人用户签订《微博服务使用协议》,约定微博对用户发布的微博内容有独家使用权,禁止用户在其他平台发表相同的微博内容。用户授权其他平台使用相关微博内容时,微博是否有权主张用户违反上述协议?如果平台过度强化个人数据的排他性,通过授权将数据所有权让渡给平台,个人就不再拥有该数据的权利,就违背了数据的非竞争性。欧盟《一般数据保护条例》确立了数据可携带权,即平台非但不能对个人数据加以限制,反而受个人要求的牵制。只要用户要求平台对其他平台开放端口进行个人数据的自由移转,平台就有义务配合(12)欧盟《一般数据保护条例》规定:“数据主体有权获取其提供给控制者的相关个人数据”,而且这种个人数据格式应当是“经过整理的(structured)、普遍使用的(commonly used)和机器可读的(machine-readable)”。数据主体有权“从其供给的一个控制者那里无障碍地将此类数据传输给另一个控制者”。。

因此,非隐私个人数据可以被个人和平台“共用”,而非“共有”。即便用户授权,平台也只是可以使用,但从来没有认可所有数据的无偿使用。新浪诉脉脉一案的裁判意见也认为,用户与平台双重授权是数据开放的必要条件。为了强调个人数据保护的重要性,法官特别提出,“数据的提供方首先取得用户同意而收集数据,在数据提供方向第三方平台授权使用该数据时,该第三方还应履行告知义务且再次取得用户同意”,形成“用户授权+平台授权+用户授权”的“三重授权”模式[34]。判决理由表明,数据在一定程度上系用户与平台共有,用户和平台均可以对数据主张部分或全部权利。在多个主体共同共有同一数据的情境下,必然会存在不同主体间权利行使的边界问题。如果面对具有竞争关系的主体,使用网络爬虫必须经过双重授权或三重授权的要求无疑是合理的,也会得到用户、平台的支持。在其他情境下,把用户与平台的双重授权甚至三重授权作为爬取行为的前置要求,则会遇到各种障碍。例如,用户把个人发布的大量的网站信息以“复制—粘贴”的形式直接拷贝到其他网站,这类做法显然不会得到平台授权,这意味着用户使用自己发布的信息将直接受限?并且,如果数字平台的运营主体发生产权变动,该变动是否以用户同意为前提?例如,2008年人人网被多牛互动传媒公司并购时,其资产中包含原有的用户数据,但数据转移未曾征求用户同意。显而易见,如此庞大的并购案如果以人人网所有用户对数据转移的同意为前置条件,既非必要,也不现实。

以上分析表明:非隐私个人数据的权利可以基于个人的意愿,与平台或其他主体共用共享,应淡化所有权、强调使用权,以发挥个人数据的最大价值。

2.企业数据的权利界定

企业数据部分由经营者独立供给,部分由经营者加工个人数据供给,具有非竞争性和排他性,与非隐私个人数据同属于共享品。企业围绕这一重要的生产要素展开激烈的抓取或反抓取角力,争夺数据收益;数据抓取和反抓取行为通过影响抓取方的数据量而影响平台价格及市场份额。这一过程可以理解为两股相反的力量——前者推动抓取方数据量的提高,后者阻碍抓取方数据量的提高;前者增进了抓取方的利润,降低了被抓取方的利润,后者则相反。

在HiQ. vs LinkedIn.一案中,LinkedIn阻止HiQ抓取其数据,理由是该数据属于LinkedIn的企业数据,因此HiQ的数据抓取行为系侵权。2019年,美国第九巡回上诉法院认为:网络具有“公共广场”性质,公开数据存于网络公共空间中,任何人均可访问和利用;抓取不需要授权即可访问的数据和默认情况下免费可得的数据都是正常的行为;没有对数据的“访问”采取某些步骤进行限制,便意味着抓取这些数据已经获得“授权”。从裁决来看,平台只是依据用户的授权才使用数据,而不能完全拥有这些数据;这类数据因此被界定为公开的企业数据,可以被其他主体共同使用并共享收益,因此禁止抓取数据的行为是违法的(13)No.17-16783,2019WL4251889(9thCir.Sept.9,2019)。2021年,美国最高法院撤销了上述判决,并发回第九巡回上诉法院重审。2022年,美国第九巡回上诉法院回复美国最高法院:《计算机欺诈和滥用法》(简称CFAA)不禁止任何人抓取用户的公开数据,故维持原判。

可见,权利界定不清晰引发的数据抓取纠纷并不是我国特有,全球范围内此类案件也是权利界定理论及竞争政策实施中的新难题。企业数据基于其来源可能是经用户授权的数据,并不能界定为企业所有,应当为用户、平台和其他平台共用,可以促进收益共享,提升社会总福利。在此情形下允许竞争企业抓取带来的福利提升能否足以平衡由此给数据生成企业造成的竞争损失和创新激励的减损,可以运用博弈模型进行权衡分析,以实现社会总福利最大化。

(三)数据共享共创与共同富裕:突破现实困境与理论悖论

1.“所有”思维对共同富裕的作茧以缚

数据作为共享品,权利界定不当可能诱发“反公地悲剧”或“准公地悲剧”问题。两类悲剧都是市场失灵现象,造成的负面影响不仅仅是市场机制配置社会资源的低效或无效。“反公地悲剧”现象虽然提高了部分参与者的福利水平,但违反了数据价值实现的规律,扩大了参与者福利的差异,即可能实现部分的“富裕”,但不利于“分好蛋糕”而实现“共同”,违背了共同富裕旨在缩小贫富差距的要旨。反之,基于“准公地悲剧”理论,数据要素如果排他性不足,虽然缩减了参与者的福利差异,但却有可能降低社会总福利,即实现了一定程度的“共同”,但不利于“做大蛋糕”而实现“富裕”,不符合共同富裕首先要“富”的题中应有之义。

“反公地悲剧”和“准公地悲剧”的现实困境背后蕴含着的是集体行动理论悖论。为解决悖论,学者们提出政府模型与私有化模型。而现实中政府失灵与市场失灵的现象,再次对理论与实践研究提出了挑战。借鉴Ostrom(1999)[35]的理论可以开辟出第三条道路,即参与人相互依赖,通过形成自主治理的合作秩序设计适应性规则而不是一般规则,以取得持久的共同受益。Roset(1986)[36]的研究更是启发本文关注“固有公共性”的存在,即部分产品不由政府或私人享有,且具有规模收益的性质,在被动地由参与人享受后增进社会总福利。而共享品数据在要素配置中追求持久的共同受益的作用机制,恰恰是在这种固有公共性加持之下试图摆脱权属桎梏,继而移植到共用品数据的理想状态——“公地喜剧”的过程。Roset提出这一概念仅表达为免费共享产生的价值提升,而学者基于博弈论将“公地喜剧”延伸到实现共同富裕的深层次价值,即资源禀赋不够理想的情况下,人们为了获得较好的个人利益,不得不合作、权衡,选择个体的次优选择,从而实现集体的合作;合作之后,最终会达到共同的利益满足。

2.“共用”理念带动共同富裕破茧而出

现实困境与理论悖论的产生源于数据权利界定仅局限于单维度的数据要素供给或需求,因而顾此失彼甚至产生规制冲突。变悲剧为喜剧需要深入分析数据要素供需双方的动态交互。数字平台具有双边市场特性,通过平台两端用户发生交互作用,一端用户的增长吸引另一端更多的用户增长,出现网络交叉外部性。两端用户分享数据、进而使用这些数据创造价值,最终相互分享数据价值。因此,所有数据价值的创造者就是用户,价值共创的重要前提是用户主动将自己的知识、思想和经验等数据投入价值创造的过程中。在这一作用机制下,数字平台双边用户互动越频繁、共享的数据越多,平台企业整合资源的作用力就越大;在保护个人隐私和保障创新激励的前提下,数据收益越用越多,蛋糕越做越大,数据要素释放的价值红利越来越高,可以促进全体人民共享数字经济发展红利,从而实现“富裕”。

数据网络中的多边主体依次交互,使得数据要素构成的社会生产函数具有规模经济效应。通过破除静态化、强排他性的权利界定模式,建立动态化的权利界定原则,使得参与人行动的外部性内部化。当每个主体都能意识到这个机遇,自然会加大自己的数据产出,从而也会扩大使用数据要素的范围和收益,因势利导实现产出与收益的良性互促。庞大的数据网络中的权利个体放弃“所有”、实现“共用”,由此带来了“共同”。“共享”激励了“共创”,“富裕”带动了“共同”,化“公地悲剧”为“公地喜剧”,与共同富裕的内在逻辑实现了完美自洽。

上述分析再次强调了数据要素权利初始分配的重要性。如何对共享品数据要素进行权利界定,划定数据抓取行为的合法性边界,形成合作的秩序,提高资源利用效率,由此接近共享品数据要素利用的“公地喜剧”,科斯定理在此问题上仍展现了强大的解释力。

四、基于科斯定理的数据界权与社会总福利分析

资源配置过程面临外部性难题,权利配置是解决外部性难题的有效路径。在数据抓取纠纷中,不同的权利配置策略会产生不同的市场交易结果,其中不当的数据界权易诱发“准公地悲剧”或“反公地悲剧”问题,难以实现帕累托最优。本研究基于科斯定理,权衡不同的权利配置策略,动态划定数据抓取行为的合法性边界,在保护个人隐私和保障创新激励的前提下实现数据的有效流通,接近“公地喜剧”,推进共同富裕目标。

(一)科斯定理视角下数据抓取与反抓取行为

科斯在《社会成本问题》中提出“谷牛问题”,农民在土地上耕种谷物,附近的养牛者放养的牛来回游走毁掉了一些谷物,权利界定权衡,可通过比较社会边际收益与边际成本,即牛损害谷物行为的牛肉边际收益与谷物的边际损失,划定牛游走行为的合法性边界[37]。

牛损害谷物行为造成生产上的外部性,但由于数据要素的非竞争性,抓取企业数据不存在生产的负外部性,而是与反抓取行为相同,产生竞争性的负外部性,即通过削弱行为相对方的竞争优势,导致行为相对方利润的损失。

科斯第二定理的第一层含义是指,在交易成本大于零的现实世界中,权利的初始分配不能零交易成本地实现社会最优的资源配置结果,从而影响经济运行效率。科斯第二定理的第二层含义是指,权利界定必须有利于总产值的增加,且增加量大于交易成本。因此只有通过科学划定数据抓取和反抓取行为的合法性边界,激励参与者共享共创,才能优化数据要素配置,提升社会总福利。

基于科斯第二定理,企业数据抓取和反抓取行为的合法性界定策略如表1。

表1 数据权利界定策略矩阵

(二)企业数据抓取和反抓取行为的合法性边界

与“谷牛问题”类似,企业数据的抓取和反抓取行为的合法性边界,与行为的社会边际收益与边际成本有关,也受到交易成本的影响,交易成本包括估价成本、磋商成本和合同成本等。基于数据抓取与反抓取技术手段的特征,两种行为的私人边际成本均为0。

为便于分析,设定C1=C1(Q1,Q2)、C2=C2(Q1,Q2)分别表示被抓取方和抓取方的成本函数,其中Q1、Q2分别表示反抓取数据量和抓取数据量。成本函数中包含对方行为表明抓取行为给对方造成外部性。另外用P1、P2分别表示两种产品或服务的价格,n1(Q1,Q2)、n2(Q1,Q2)分别表示反抓取方和抓取方的消费者数量,均为数据抓取量和反抓取量的函数,数据反抓取方和抓取方的利润函数为:π1=P1n1(Q1,Q2)-C1(Q1,Q2),π2=P2n2(Q1,Q2)-C2(Q1,Q2)

下面分析四种确权策略所导致的市场交易结果。

1.策略Ⅰ:允许无偿抓取,允许无偿反抓取

抓取和反抓取行为均合法,市场不受外界力量的影响,反抓取方和抓取方的利润函数为式(1)。

(1)

抓取方和反抓取方各自的最优定价策略可表示为求解方程式(2)。

(2)

一阶条件为

二阶条件总是满足的,整理以上得到式(3)。

(3)

2.策略Ⅱ:允许无偿抓取,允许有偿反抓取

反抓取方对反抓取行为给抓取方造成的损失承担责任的情况下,反抓取方不仅要赔偿损害r1(Q1),而且还要承担交易费用t1(Q1),反抓取方和抓取方的利润函数为式(4)。

(4)

抓取方和反抓取方各自的最优定价策略可表示为求解如下方程

(5)

一阶条件为

二阶条件总是满足的,整理以上得到式(6)。

(6)

3.策略Ⅲ:允许有偿抓取,允许无偿反抓取

反抓取方对反抓取行为给抓取方造成的损失承担责任的情况下,反抓取方不仅要赔偿损害r1(Q1),而且还要承担交易费用t1(Q1);抓取方对抓取行为给反抓取方造成的损失承担责任的情况下,抓取方不仅要赔偿损害q1(Q2),而且还要承担交易费用t2(Q2),反抓取方和抓取方的利润函数为式(7)。

(7)

抓取方和反抓取方各自的最优定价策略可表示为求解方程式(8)。

(8)

一阶条件为

二阶条件总是满足的,整理以上得到式(9)。

(9)

4.策略Ⅳ:允许有偿抓取,允许有偿反抓取

抓取方对抓取行为给反抓取方造成的损失承担责任的情况下,抓取方不仅要赔偿损害q1(Q2),而且还要承担交易费用t2(Q2)。反抓取方和抓取方的利润函数为式(10)。

(10)

抓取方和反抓取方各自的最优定价策略可表示为求解方程式(11)。

(11)

一阶条件为

二阶条件总是满足的,整理以上得到式(12)。

(12)

(三)分析结果讨论与命题提出

1.权利界定影响数据要素配置的作用机理

若选择策略Ⅰ,允许无偿抓取,允许无偿反抓取,抓取方和反抓取方对数据均有使用权,即抓取方拥有数据抓取权,反抓取方也有反抓取的权利。这种策略下,双方均不需要对自身的行为进行内部化,不存在交易,因此交易成本最小。

若选择策略Ⅱ,允许无偿抓取,允许有偿反抓取,这种策略中数据抓取方拥有抓取数据的权利,但反抓取方不享有反抓取的权利。如果反抓取方反抓取数据,要支付交易成本。交易成本通常表现为反抓取方对于抓取方的赔偿以及定量成本。在今日头条诉新浪微博数据反抓取案的一审判决中,法院的界权策略为该策略,由数据反抓取方新浪微博向数据抓取方今日头条赔偿。

若选择策略Ⅲ,允许有偿抓取,允许无偿反抓取,这种策略中,数据抓取方不享有无偿抓取数据的权利,但是数据反抓取方拥有反数据抓取的权利。如果数据抓取方为了获得权利,就要支付交易成本。这种交易成本表现为抓取方必须向反抓取方赔偿抓取行为的损害以及定量成本。在新浪微博诉今日头条数据抓取案的一审判决中,法院的界权策略为该策略,数据抓取方今日头条向数据反抓取方新浪微博赔偿。

若选择策略Ⅳ,允许有偿抓取,允许有偿反抓取,数据抓取方和反抓取方均不享有数据抓取和反抓取权利,任一方为了获得数据抓取或反抓取行为的收益,需要支付相应的交易成本。

根据以上分析,提出命题1:在交易费用大于零的情况下,企业数据抓取和反抓取行为的不同权利界定产生不同的交易成本。

命题1反映了科斯第二定理的第一层含义,即交易成本不为零时,不同的交易成本会产生不同的交易成本,其对数据权利界定仍具有较强解释力,根据模型推导,不同的权利界定导致不同的最优数据抓取量、最优数据反抓取量,产生不同的交易成本,最终呈现不同的价格。

2.通过权利界定化“公地悲剧”为“公地喜剧”

若选择策略Ⅰ,允许无偿抓取,允许无偿反抓取,抓取方和反抓取方对数据均有使用权,交易成本最低,但是行为的外部性未内部化,容易发生“准公地悲剧”。

若选择策略Ⅳ,允许有偿抓取,允许有偿反抓取,数据抓取方和反抓取方均不享有数据抓取和反抓取权利,数据抓取方和反抓取方均需要付出很高的交易成本,如果这一费用超过损害金额,统计行为的收益低于成本,双方丧失交易的激励,私人最优决策的数据反抓取量或抓取量结果偏离社会最优策略,不利于数据要素充分释放价值,容易发生“反公地悲剧”。

若选择策略Ⅱ,允许无偿抓取,允许有偿反抓取,或策略Ⅲ,允许有偿抓取,允许无偿反抓取,数据抓取或反抓取方具有数据权利,在实现数据抓取或反抓取行为外部性的内部化过程中,可以避免过高的交易成本,并且规避“准公地悲剧”“反公地悲剧”。合法性界定需要结合市场的需求特征与各自的数据规模,比较行为的产值边际增量和交易成本的边际增量。

根据以上分析,提出命题2:企业数据抓取和反抓取行为的权利界定的占优策略可以化“公地悲剧”为“公地喜剧”,实现社会总福利最大化。

命题2反映了科斯第二定理的第二层含义,是第一层含义的延伸,通过权利的科学界定提升社会总福利。模型推导显示,赔偿会产生两种效应,一种是财富转让效应,不直接影响社会总福利,另一种是引导效应,采取符合社会福利最大化要求的数据抓取或反抓取行为,影响数据要素的配置,产生相应的交易成本。综合考虑交易成本与行为内部化程度,在策略Ⅱ和策略Ⅲ中进行选择,激励数据抓取方和反抓取方的合作,以实现持久的收益,促成“公地喜剧”,助力共同富裕。

五、结论与启示

(一)研究结论

当代经济社会正处于从传统的技术经济范式向数字技术经济范式转变的阶段,在全球数字化加速转型趋势的影响下,数据资源在推动经济发展和促进共同富裕中扮演的角色愈加重要,如何界定数据权属及其分配规则已经成为数字经济时代亟待解决的关键问题。本文基于数据要素的经济学属性,运用科斯定理模型,对数据的权利界定与收益分配问题进行了深入研究,研究结论如下:

第一,数据权利界定应当根据数据的经济学属性进行分类。特别是共享品数据应尽量避免界定给单独一方,真正实现“共用共享”。

第二,发挥数据要素的“固有公共性”,用户、数字平台形成合作秩序,促进数据有效流通以及同其他生产要素的耦合,以取得持久的收益。

第三,根据科斯定理,通过比较交易成本,优先选择允许无偿抓取同时有偿反抓取、允许有偿抓取同时无偿反抓取的权利界定策略之一,内部化反抓取或抓取行为的外部性并减少交易成本。

研究结论在理论层面拓展了科斯定理,构建了数据权利界定的动态化机制;在实践层面有助于优化数据要素的配置,激励数据收益的共创共享,提升社会总福利,趋近“公地喜剧”,促进共同富裕。

(二)政策启示

制度设计需要数据分级分类管理的科学依据,司法实践也需要数据抓取案件统一衡量标准的理论基础。激励数据要素共创共享,对数据要素差异化精准施策,通过数据抓取案件的判决实现对未来行为的指引以提升社会总福利,可从三个方面入手:

第一,推动公共数据、企业数据、个人数据的分级分类施策。在维护国家数据安全、保护个人信息和商业秘密的前提下,个人数据关注释放价值,企业数据重在激励共享,公共数据着力打破鸿沟,促进共同富裕。

第二,在数据立法与政策制定中,基于数据要素价值实现的规律,充分考量交易成本与制度成本,细化“数据要素二十条”中关于数据权利界定的具体制度。

第三,在司法案件中,基于社会总福利标准判定数据抓取和反抓取行为的合法性,这样得出的判决兼顾公平与效率,有助于提升司法公信力。

(三)局限性与研究展望

由于数据要素结构复杂特征多样,具有实操性的基础制度和法律保障尚处于空白,本文的研究也存在一定的局限:第一,本文仅针对原始数据展开讨论,而数据要素根据处理层次的不同,还有二次数据以及加工数据,数据加工层次越多,数据的产权主体越复杂。因此本文提供的界权方案无法涵盖多层次的数据要素。第二,数据要素的交易价格难以衡量。数据交易的成本结构尚不明确,需要结合平台类型进一步阐明,同时结合数字平台的网络外部性构建数据要素的供给与需求函数,最终得出市场均衡的具体结果。第三,对于数据要素影响社会总福利作用机理中微观变量的实证检验有助于为司法判决提供更为准确可度量的标准,但由于现有司法案例数据库中数据抓取样本数量有限,不能保证实证研究结果具有理想的预测能力。如何展现有说服力的变量统计,从而对“数据要素二十条”的具体实施方案提供理论支持,将是下一步研究方向。