推动数据流通交易：要素市场细分和基础制度建设*

李军林 陆树檀 路嘉明

党的二十大报告指出，要加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。其中，数据作为关键生产要素，正在激发新动能，数据要素的高效流通与配置是推动数字经济发展的关键一环。国务院颁布的《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《意见》），从数据产权、流通交易、收益分配和安全治理四个方面初步搭建了我国的数据基础制度体系，以实际问题为导向，促进数据要素合规高效流通使用。《数字中国建设整体布局规划》同样提出打通数字基础设施大动脉，畅通数据资源大循环。由于数据要素具备规模报酬递增和非消耗性的特征，与其他生产要素相比，数据要素在流通中不仅不会有所损耗，而且会持续增值。可以说，需要流通是数据的天然属性。实现数据要素的价值释放，推动数据要素的流通循环正是关键所在。

然而，数据要素目前并未实现高效流通。根据估算，2018 年我国产生的数据总量达到了7.6ZB，美国为6.9ZB，但2019 年我国数据市场服务交易规模为330—660 亿美元，仅为美国的1/5。①蔡跃洲、马文君：《数据要素对高质量发展影响与数据流动制约》，《数量经济技术经济研究》2021 年第3 期。贵阳大数据交易所的数据交易额目标从曾经的“日交易额100 亿元”下调至“全年力争突破亿元”后仍然难以完成的实例也说明了数据流通存在一定的障碍。②罗曼、田牧：《理想很丰满现实很骨感 贵阳大数据交易所这六年》，《证券时报》2021 年7 月12 日。造成数据流通困境的主要原因在于数据交易面临着隐私泄露与信息不对称问题。随着隐私计算的发展，数据交易中的隐私问题逐渐得到解决，信息不对称问题则需要在制度建设中进一步解决。本文在隐私计算实现数据交易“可用不可见”、数据要素所有权和使用权两权分离的基础上，提出通过细分数据市场来解决数据交易中的信息不对称问题。市场细分能够实现数据市场分工，降低谈判和匹配的交易成本，由低维度到高维度循序渐进形成标准化数据价格，解决数据属性匹配问题，形成稳定的市场预期，对健全数据要素交易机制、促进数据流通、实现数据要素价值释放有着较为明确的现实意义。

一、隐私计算实现数据所有权交易转变为数据使用权交易

隐私问题是制约个人数据交易的首要因素，①本文主要考虑基于个人授权的可交易流通数据。造成隐私问题的原因是个人信息所有权与实际控制权的不统一，这一矛盾严重阻碍了个人数据交易。

用户通过数据共享获得忠诚折扣和正网络外部性，但用户在分享个人数据的同时，也会暴露其关联人的部分隐私。②Daron Acemoglu, et al., “Too Much Data: Prices and Inefficiencies in Data Markets”, American Economic Journal:Microeconomics, vol.14, no.4, 2022, pp.218-256.比如在信贷审核中，个人的社交网络影响其偿还能力，个人征信的构建会影响到亲友的征信分数。信息关联使得用户长期保持个人隐私变得困难，不管用户是否选择保护自身的信息，企业对用户的信息推断都会发生。一旦披露隐私带来的收益有所提高，对隐私保护需求较低的用户就会泄露与之关联用户的信息，并且泄露隐私无需承担风险，造成了隐私偏好与保护隐私行为的不匹配。③Athey Susan, Christian Catalini, Catherine Tucker, “The Figital Privacy Paradox: Small Money, Small Costs, Small Talk”, National Bureau of Economic Research, no.23488, 2017.当其他用户的数据披露损害到了个人隐私时，用户也将缺乏动力来维持自身隐私。随着用户维护隐私的成本不断增大以及企业对用户画像分析能力的不断增强，信息披露的私人成本和社会成本的差异逐渐扩大，推动了个人信息的共享。④Rod Garratt, Maarten Van Oordt, “Privacy as a Public Good: A Case for Electronic Cash”, Journal of Political Economy,vol.129, no.7, 2021, pp.2157-2180.虽然用户可以采取一定的措施来保护隐私，通过禁用cookies、关闭GPS 定位、限制APP 权限等影响信息披露的程度，但拒绝隐私政策有可能给自身带来不便。可以说个人数据共享呈现了公共利益的特征，个人数据有着内生的共享属性。

企业通过易货交换的方式从用户手中获得数据，并将其加工成标准化数据，为处理数据投入了大量资源，往往是数据要素的实际控制者和推动数据要素流通的主要力量。程啸（2018）提出应对企业持有数据权利进行保护，激励企业更好利用数据要素。⑤程啸：《论大数据时代的个人数据权利》，《中国社会科学》2018 年第3 期。从成本收益的角度来看，企业拥有数据产权也是更为合理的选择。⑥陈永伟：《数据产权应划归平台企业还是消费者》，《财经问题研究》2018 年第2 期。由于个人数据始于用户接入网络，对用户赋权应该成为数据权利配置的起点。⑦申卫星：《论数据用益权》，《中国社会科学》2020 年第11 期。Acquisti et al.（2016）指出隐私不是共享的反面，而是对共享的控制，应该赋予数据主体对其共享内容的控制权。⑧Alessandro Acquisti, Curtis Taylor, Liad Wagman, “The Economics of Privacy”, Journal of Economic Literature, vol.54,no.2, 2016, pp.442-492.在个人的知情同意下，个人数据流向企业没有涉及隐私侵权问题，但企业间的用户数据交易会面临个人隐私侵权的风险，这是制约数据交易的首要问题。

隐私计算（包含可信执行环境、多方安全计算和联邦学习）为数据交易中的隐私问题提供了有效的解决方案，已广泛应用于金融、医疗、能源、制造业等多个领域。⑨《隐私计算白皮书（2022）》指出：可信执行环境通过软硬件方法在中央处理器中构建一个安全的区域，保证其内部加载的程序和数据在机密性和完整性上得到保护。多方安全计算指的是在无可信第三方的情况下，多个参与方共同计算一个目标函数，并且保证每一方仅获取自己的计算结果，无法通过计算过程中的交互数据推测出其他任意一方的输入数据（除非函数本身可以由自己的输入和获得的输出推测出其他参与方的输入）。联邦学习是指一种多个参与方在保证各自原始私有数据不出数据方定义的私有边界的前提下，以保护隐私数据的方式交换中间计算结果，从而协作完成某项机器学习任务的模式。隐私计算覆盖了存量优化应用场景和增量创新应用场景，对已有安全技术进行了提升并拓展了数据安全流通场景，形成了“原始数据不出域，数据可用不可见”的交易模式，将进一步实现数据要素“可控可计量”、流通过程“可信可追溯”。“可用可不见”数据交易模式将数据转换成符号，在存储上进行分离处理，降低了数据泄露和数据滥用风险，保证数据安全，实现了数据所有权交易向数据使用权交易的转变。①龚强、班铭媛、刘冲：《数据交易之悖论与突破：不完全契约视角》，《经济研究》2022 年第7 期。数据要素的两权分离能够有效解决交易中的隐私泄露问题，将极大地推动数据流通。

二、数据要素市场细分：解决数据市场信息不对称的制度安排

相较于其他生产要素，数据要素具备可复制性和多维属性的特征。可复制性使得同一数据可能会承载多个不同主体的数据权利，多维属性会导致不同数据之间的相互匹配能够产生不同的价值，这两个特征使得数据要素交易在实现两权分离后，仍然会面临四个方面的问题（见图1）。一是竞争因素。对数据要素的控制内化于企业竞争优势。企业通过处理其收集、储存的大量个人数据，将其转变为自身的独占性数据，当数据规模足够大的时候，数据独占可以形成行业进入壁垒，成为企业竞争优势。②Gaessler Fabian, Stefan Wagner, “Patents, Data Exclusivity, and the Development of New Drugs”, The Review of Economics and Statistics, vol.104, no.3, 2022, pp.571-586.对头部企业来说，共享数据不仅会削弱企业的竞争能力，还会增加创造性破坏的速度，因此无效率地囤积数据来保持企业竞争力是更优的选择。③Charles I.Jones, Christopher Tonetti, “Nonrivalry and the Economics of Data”, American Economic Review, vol.110,no.9, 2020, pp.2819-2858.二是激励问题。企业数据没有明确的排他性，导致了数据交易各方的权益分配较为模糊，而且事前契约无法有效约束数据出售后进行再加工的转售行为，这些因素都降低了企业交易数据的意愿。三是市场结构。目前数据垄断现象十分严重，少数的数据收集者垄断了绝大部分数据权限，对APP 的分类调研表明，前10%的数据收集者收集了不少于97%的权限数据。④孟小峰：《破解数据垄断的几种治理模式研究》，《人民论坛》2020 年第27 期。数据垄断使得头部企业巩固并扩大了市场势力，挤压了中小企业的生存空间，限制了创新要素的流动。四是匹配问题。一般来说，企业更愿意获取与其主营业务最相关的数据，⑤Elsaify Morad, Sharique Hasan, “Data Exchanges among Firms”, Digital Business, vol.1, no.2, 2021.但目前更细分的行业数据市场尚未形成，难以实现企业间数据交易的精准匹配。在数据要素的交易情境中，符合市场化供求关系的交易场景相对较少，大多数交易情境中，交易双方的数量需要花费一定的搜寻成本才能够进行匹配。数据交易低频的匹配方式会减缓市场化价格的形成，而非市场化的价格机制会导致数据交易行业性和地域性的分割，增加交易双方搜寻、匹配和谈判成本。除了数据交易所面临的以上问题之外，隐私计算的应用也面临着双方数据量相差悬殊、数据定价不准确、训练模型成本高致使交易无法达成等现实问题。强制要求企业共享数据将会产生额外的社会成本，企业可能通过各种行为来阻碍数据共享，如为数据增加噪音、提供不完整数据等。

图1 两权分离后数据交易所面临的问题

解决数据交易难题可以从明晰数据使用权和促进数据属性匹配两方面入手，明晰数据使用权可以提升对交易主体的激励，促进数据属性匹配则能够增加数据结合所产生的价值。为实现这一目标，需要进一步细分数据交易参与者的使用权，并基于数据属性适配对数据交易市场进行精细化分割。细分数据要素使用权和分割数据市场，可以推动数据交易参与者产生分工和促进数据交易匹配，循序渐进建立稳定的数据价格体系，持续推动数据交易发展。

（一）市场细分有助于实现有效分工

对数据要素使用权的细分赋予了数据流通链条各主体权利排他性，增强事前契约的效力，激励数据权利主体进行交易并消除机会主义与道德风险，将数据交易从一个冲突与利益相混合的博弈转变成一个共同利益博弈，形成市场主体的稳定预期、数据产业的分工以及多样化委托代理市场，为企业数据交易提供激励并解决数据交易后续的转售问题。哈特指出，由于世界状态的不确定性和人们行为的不可预期性，法律条文无法完全阐明有关产权的各种条件和事项，这导致产权存在着一部分剩余空间，随着技术的进步和市场环境的改变，产权的潜在属性会被发现，剩余空间会被进一步挖掘。①Hart Oliver, John Moore, “Property Rights and the Nature of the Firm”, Journal of Political Economy, vol.98, no.6,1990, pp.1119-1158.对数据要素使用权的细分实际上是在不断缩小公共领域，②[美]巴泽尔：《产权的经济分析》，费方域、段毅才译，上海：上海人民出版社，1997 年，第5 页。形成数据要素的竞争性和排他性，提升数据要素权利主体对数据要素的利用能力，减少租值耗散的过程。数据使用权的细分，会逐步推动生产环节从生产链中独立出来，形成中间产品和专业化的生产部门。分工的专业化将激励数据权利主体参与数据交易，增加参与数据交易的主体数量，保障数据交易市场上的供给与需求。由于数据要素需要与其他生产要素相结合才能发挥效能，对数据要素使用权的进一步细分还会促使不同类型的主体加入到数据要素交易当中，拓展数据市场的生产流通链条，扩大市场规模，形成包含数据要素采集、储存、处理、销售、应用等环节的供应链网络，呼应数字经济时代社会分工的精细化趋势。

分工精细化能够刺激多主体进入数据市场，但也增加了数据交易成本，需要通过改进交易组织形式和交易方式予以解决。常见的数据交易形式包括交易所交易、点对点交易和数据中介商交易，随着数据市场分工模式精细化，会催生大量细分领域的数据交易平台和数据商来减少交易成本，如数据信托、数据银行等。其中交易平台可以通过说服或补贴的方式诱导卖方披露更多的保留价格信息，进行合理的资产登记。数据商能够提供数据评估、数据清洗和数据加工等数据服务，帮助交易双方厘清数据价值，更好评估自身数据资产，减少数据交易的不确定性和风险，提高交易效率，促进数据流通。

（二）市场细分为交易双方提供激励并减少福利损失

同一数据集包含了不同维度和不同属性的数据，不同属性数据要素相结合能产生不同的价值。当数据要素维度和属性较为接近时，强关联性会有效提升数据结合后的可解释性和预测能力，数据结合后的整体价值也将超过单个数据价值的简单相加，数据交易主体对这样的数据会产生更强烈的交易意愿。

对于市场细分的激励机制，可以参考Yang（2022）给出的例子。③Kai Hao Yang, “Selling Consumer Data for Profit: Optimal Market-Segmentation Design and Its Consequences”,American Economic Review, vol.112, no.4, 2022, pp.1364-1393.假设销售商向三类消费者出售一批商品，其中销售商的边际成本c是私人信息，有一半的概率为1/4，一半的概率为3/4。如图2 所示，三类消费者各占总人数的1/3，商品对消费者1 的价值为3，对消费者2 的价值为2，对消费者3 的价值为1。不同消费者的支付手段不尽相同，消费者1 只使用移动支付，消费者2 只使用现金支付，消费者3 有1/2的概率使用移动支付，有1/2 的概率使用现金支付。销售商与数据供应商以获取最大利润为目的。数据供应商拥有所有的消费者数据，包含了消费者类型信息和支付信息，并将这些数据选择性地出售给销售商。对销售商来说，越能够详细精确了解消费者信息，越有可能实现价格歧视。假设数据的价格为p，销售商购买数据后的利润为：

图2 消费者类型和支付类型信息

若销售商不购买数据，其利润为：

在策略S下，成本更高的销售商会选择购买支付类型数据，成本更低的则会选择购买消费者类型数据。对成本更高的销售商来说，更多数据所提供的额外信息意义不大。而边际成本更低的销售商，则能够通过更多信息获得更高利润。如果将不同成本看作不同销售商拥有的不同类型数据，那么销售商与数据供应商的不同数据结合将产生不同价值。此时数据供应商通过市场细分促进属性更为匹配的数据相结合而实现了价格歧视，获得了更高的利润，销售商也通过市场细分获得了与自身更为匹配的数据而实现了帕累托改进。Haghpanah & Siegel（2022）指出，卖家为部分消费者提供低效率的服务是要降低其他消费者的信息租金，缺乏效率的市场都存在帕累托细分，会弱增加所有消费者的剩余，严格增加部分消费者和卖方的剩余。①Nima Haghpanah, Ron Siegel, “Pareto Improving Segmentation of Multi-Product Markets”, Journal of Political Economy, vol.131, no.6, 2023, pp.1546-1575.在总剩余没有最大化时，市场细分能够使得供需双方都获益。如图3 所示，细分市场减弱了信息不对称程度，细分的程度越高，在搜寻和谈判成本中损失的福利就越小。但对数据的需求者来说，在细分规则没有标准化时，需求方只能根据数据供给方所提供的数据细分市场规则进行选择，在搜寻交易和后续的价格谈判中仍然面临着较为严重的信息不对称，很难达成对自身更有利的交易。

图3 市场进行不同程度细分的福利损失

（三）市场细分有助于推动形成数据定价

数据作为一种新兴的生产要素，具备着区别于传统生产要素的经济特征。市场主体很难在短时间内就数据产权分配和价值达成共识，需要不断磨合和动态调整。这种动态调整需要大量的数据交易作为基础，以形成标准化交易模式。数据交易的前提在于对数据交易参与方进行激励，激励的前提则是参与各方对数据有着一个较为稳定的预期，这种预期将逐渐转变成数据要素的价格。价格在数据要素市场化配置形成中有着四个作用：一是价格能够激励数据产品加工使用者、数据产品经营者以成本最低的方式生产市场最稀缺的数据产品，促进数据产品的高效生产，增加数据市场的供给；二是激励数据持有者提供其数据资源以实现报酬最大化，价格是引导数据持有者进行数据流转的重要因素；三是为数据市场配给稳定的数据产品供应，价格稳定保证了数据供应链上各参与主体在各环节的较小成本波动，从而能够实现稳定的数据要素供给；四是减少数据市场的交易成本，价格的确定使得数据交易双方无需花费额外的谈判成本、调查成本等去估计对方的保留价格，提升了数据交易效率。但目前对多维数据集的定价并不明确，交易双方的估值分歧仍然较大。为此，市场细分可以通过匹配细分领域内的数据交易，促进细分领域内单一维度数据价格的形成，并逐渐推广形成包含更多维度的数据价格，解决多维数据集定价问题。

数据的维度越低，越容易对其进行定价。市场细分通过实现规模和属性相近的数据交易、减少交易成本来促进企业和个人的自主定价。根据匹配机制，数据交易可以分为一对一许可、一对多许可、多对一许可和多对多许可。其中，一对一许可是通过合同进行协商交换；一对多许可通过API 开放数据，提供数据服务、数据报告等；多对一许可包括了谷歌搜索等用户通过数据交换服务的模式；多对多许可包含了多边交易市场，如第三方交易平台等。数据定价应该遵循真实性、公平性、收益最大化、无套利、隐私保护和计算效率等准则。①Jian Pei, “A Survey on Data Pricing: From Economics to Data Science”, IEEE Transactions on Knowledge and Data Engineering, vol.34, no.10, 2022, pp.4586-4608.在交易市场上买方较多时，即在一对多、多对多交易模式中，数据产品定价类似于数字产品定价，可以采取设置固定价格（刚性定价和设置定价层级）、与其他商品捆绑销售、订阅和随机拍卖等方式形成市场化定价。在买方较少时，需要企业或个人自主定价。多对一的交易模式往往与一对一的交易模式处在同一数据交易链条上。数据收集企业通过多对一的模式收集客户数据，再通过一对一的模式进行出售。一般来说，企业间的数据流动方式主要包括企业间共享、自留使用和数据交易。②熊巧琴、汤珂：《数据要素的界权、交易和定价研究进展》，《经济学动态》2021 年第2 期。Elsaify & Hasan（2020）对美国1285 家公司的调查数据显示，17%的公司进行了数据交易，超过50%的交易方式是数据共享协议，其余为购买或者单项共享协议。③Morad Elsaify, Sharique Hasan, “Some Data on the Market for Data”, SSRN Electronic Journal, no.1, 2020.但企业间自行匹配导致了一对一的交易模式通常是不透明的，是一种相对低效的方式，需要双方形成一致的利益才能达成数据交易。市场细分能够促进行业内的企业进行数据交易，并通过持续交易来确定价格的合理区间，实现更为透明的交易，形成更高维度的市场化价格。

（四）市场细分的整体作用

数据使用权细分与属性匹配相结合，可以形成网格化的交易空间和市场化价格，减少企业交易中数据规模不匹配的问题，加速行业间、区域间的企业交易数据，催生大量的数据交易所与数据商。目前，我国数据交易呈现分散化态势，数据孤岛问题仍然十分严重。在这种非市场化的结构下，数据交易所、第三方数据商和专业机构是促进交易匹配的重要推手。数据交易所能够定制数据产品、进行数据资产登记以及聚合信息，通过延迟接受算法等匹配机制寻求最优的交易对象，实现一对多或者一对一的稳定匹配，在持续的数据交易中形成标准化的数据定价，减少租值耗散。在非马尔可夫的“预付费均衡”均衡中，买家越多，数据流通的速度就越快，实现交易双方的聚合对数据流通有着重要作用。④S.Nageeb Ali, Ayal Chen-Zion, Erik Lillethun, “Reselling Information”, ArXiv, 2020.数据分析是认识数据价值的重要途径，分析能力的差异越大，供需双方保留价格的波动就越大。专业的数据商能够为交易双方提供较为完整的数据信息，更好地修正双方保留价格。

市场细分通过促进相近规模的数据交易，还能抑制大企业的数据垄断和中小企业可能的搭便车行为，实现数据公平交易。《意见》指出：按照“谁投入、谁贡献、谁受益”原则，着重保护数据要素各参与方的投入产出收益，促进劳动者贡献和劳动报酬相匹配。明确数据要素收入分配有助于打消数据交易链条上参与主体的顾虑，实现对数据的充分挖掘利用，并通过分红、提成等多种收益共享的创新方式有效激励数据价值创造。如图4 所示，细分数据市场通过推动数据市场的专业化分工，实现规模近似、属性匹配的数据交易，减少信息不对称程度，形成市场化价格，创新各环节收益分配方式，促进数据的流通循环。

图4 根据价值属性细分市场对数据流通的影响

三、数据要素市场细分的实践原则

数据要素市场细分的过程包括数据要素使用权细分、根据数据属性的分级分类以及完善数据资产登记体系。其中，数据要素使用权细分旨在明晰不同主体的使用权，有助于更多主体参与到数据交易中。数据的分级分类是基于数据多维属性，选择较为通用的属性对数据市场进行分类，以便交易主体更好了解数据价值，促进交易匹配。完善数据资产登记是在已有的确权体系下，估算数据要素的价格区间，实现数据要素的确权和价值确定。

（一）对数据要素使用权进行细分

《意见》提出建立数据资源持有权、数据加工使用权、数据产品经营权等分置产权运行机制，对不同主体数据权利进行细分。不同于数据所有权，持有权在数据交易中指的是物理支配数据，包含了数据要素的储存和溯源。数据加工使用权包含了数据处理权和访问权，其中处理权是许可他人处理数据的权利，对交易后的转售行为进行了限制；访问权是数据需求方使用或获取数据的权利，Varian（2018）指出，数据很少像其他物品那样被出售，而是被用于特定用途，需求方的数据权利称访问权更为合适，如在自动驾驶中，从安全的角度出发应该允许多方同时访问自动驾驶汽车的数据，包括引擎、驾驶系统、用户行程等。①Ajay K.Agrawal, Joshua Gans, Avi Goldfarb, The Economics of Artificial Intelligence: An Agenda, Chicago: University of Chicago Press, 2018, p.405.数据产品经营权可被看作是多项权利的混合，是对经过加工、分析或处理后形成的数据产品或数据衍生产品的经营和使用权利，赋予了持有者对这些产品的经营、使用、销售、授权等权利。数据要素持有权、使用权和经营权的三权分置，还需要根据数据流通形式，随着数据积累、技术手段进步和变化进行动态调整，实现更优的配置。

（二）根据数据安全或价值等不同属性进行分类分级

针对数据要素标准化分级分类，目前我国已经形成了由中央、地方、行业的数据安全等级和某些特定场景分级分类的数据市场细分体系。中央层面上的数据分级分类文件，是一个围绕数据安全，逐渐拓展分级分类适用范围的渐进过程，采用了适当的管控方法，与市场变化、技术进步密切相关。地方政府出台了多种公共数据开放分级分类方法，虽然不尽相同，但大多也依据数据安全对不同数据逐层划分。在行业层面，通信、金融、医疗等信息化程度较高的领域也有着分级分类方法，如《工业数据分类分级指南（试行）》《基础电信企业数据分级分类方法》《金融数据安全数据安全分级指南》《信息安全技术健康医疗数据安全指南》等都考虑了特定行业的数据安全需求和特点。在不同的应用场景下，数据安全级别和数据权利也会随之改变，除了设定统一标准外，还需要根据场景变化而对数据的分级分类进行动态调整，在符合知情同意原则和效率原则的基础上，通过数据分级确定数据权利。②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》，《管理世界》2023 年第2 期。例如，2021 年4 月，北京市出台的《政务数据分级与安全保护规范》对不考虑应用场景下的个人信息数据、运营商数据和某智慧停车应用场景下的数据项、数据项集合进行了分级，这提供了良好的示范和指导。

除了将数据安全作为分级分类依据，还应该根据数据要素不同维度的属性结合寻求更多的分级分类方法，在保护数据安全的情况下拓展更多场景的数据授权机制。可以根据数据要素价值维度的五个方面进行分类。③Hagiu Andrei, Julian Wright, “When Data Creates Competitive Advantage”, Harvard Business Review, vol.98, no.1,2020, pp.94-101.一是数据对产品增值的影响。不同数据对产品增值的影响程度不同，对自动驾驶来说，收集大量的数据能够显著提高其安全性，而对汽车制造来说，客户反馈的使用数据则影响有限。二是数据可供学习的边际效用。当企业有着大量客户基础时，如果数据对学习的边际效用仍然很高，企业就往往具备竞争优势。比如，医疗行业往往会借助大量数据解决病毒进化、突变等问题。三是数据的相关性。如果新的数据与之前积累的数据相关性不大，在位企业就很难建立优势。例如，在游戏市场中，用户的偏好转变很快，上一个游戏的用户数据可能就不再适用于下一个。四是基于数据的改进是否容易被复制。产品改进与用户粘性相互促进，使企业难以被竞争对手复制。企业还可以通过实时数据进行产品改进，类似于百度地图根据交通状况做出路线推荐等。五是数据的网络外部性。某些用户数据对其他用户的影响，这在各种社交网站上体现得最为明显。根据数据的增值影响、学习边际效用、相关性、改进复制难度和网络外部性等价值维度，对数据安全分级分类进行补充，能够适应更多的情形，促进数据更为合理的流通和授权。

（三）完善数据资产登记体系

市场细分对数据交易的组织形式和交易方式提出了更高要求，这有赖于建立更高标准的数据交易所体系。权威的数字资产登记是建立交易体系的关键环节，在数据要素“三权分置”下，完善数据资产登记需要确定数据价格的合理区间。量化数据的货币价值需要数据交易双方能够认识到数据的真正价值，包括卖方的保留价格和买方的购买意愿。其中，卖方的保留价格由收集处理、储存和管理的成本以及对数据附加值的估计所决定。收集数据成本主要来自于用户对隐私的估值，Tang（2019）指出在p2p 贷款平台上，个人社交网络ID 与雇主电话价值约为230 元。①Huan Tang, “The Value of Privacy: Evidence from Online Borrowers”, Working paper, vailable at SSRN, 2019.Prince & Wallsten（2022）对阿根廷、巴西、哥伦比亚、德国、墨西哥和美国进行抽样发现，人们对银行账户、指纹、短信和提现信息的平均估值最高，对联系人、浏览记录、声纹的估值次之，对网络信息、位置信息和发送广告权利的估值最低（见图5）。②Jeffrey T.Prince, Scott Wallsten, “How Much is Privacy Worth Around the World and Across Platforms?”, Journal of Economics & Management Strategy, vol.31, no.4, 2022, pp.841-861.储存成本涉及硬件成本和功耗、折旧费用，但随着物联网和云服务普及，这部分固定成本和可变成本正在不断降低。管理成本主要由人力成本、间接成本和服务外包成本构成。数据要素的附加值由数据要素的生成级别、来源领域、应用端用途和数据类型所决定，受到数据的完整性、准确性、层次性、协调性、异质性和具体交易场景的影响。③欧阳日辉、杜青青：《数据要素定价机制研究进展》，《经济学动态》2022 年第2 期。买方的购买意愿取决于数据对其的价值，其自身拥有的数据与交易数据相结合后，会产生新的价值。不同于卖方的保留价格，买方对数据的估价基于数据交易后能够产生的新价值，价值越高，购买意愿就越强。除了场景下的数据交易，无场景下的数据交易包含了企业数据分享、企业并购和数据侵权诉讼等，数据资产的估值方法包含了成本法、收益法和市场法。当企业行为可以被观察时，可以像计算阿尔法收益一样利用企业选择与企业收益的协方差度量数据价值。在并购的场景下，可以参考实物期权法，评估并购目标企业对数据灵活管理所产生的价值。在诉讼侵权的场景中，可以根据对企业数据资源的经营生态与商业利益等形成的实质性损害进行评估定价。

图5 个人数据估值

在充分了解数据交易双方的需求和成本之后，更容易对数据要素进行资产登记。2022 年7 月，北京国际大数据所成立了数据资产登记中心，通过制定数据资产登记规范和相关制度，发布数据资产凭证和数字交易合约实现数据确权，促进数据资产等级平台和数据交易平台的互联互通。2022 年12 月的《北京市数字经济促进条例》提出推动形成数据资产目录，建立数据资产登记和评估机制，培育数据市场服务体系，进一步规范了数据资产登记制度，为数据交易提供可靠的基础。

四、结语

数据基础制度建设事关国家发展和安全大局。完善数据要素市场化配置，促进数据要素有序流通，能够赋能数字经济，实现数据要素对高质量发展的有效支撑。目前隐私计算在应用层面上仍然面临着较多的技术制约，难以兼顾可控性与性能损失，在复杂场景中的应用存在局限。只有头部国有企业能够负担起建立隐私技术生态的成本，并投入大量资源突破隐私计算技术瓶颈，建设数据交易基础设施为隐私计算提供底层支持，降低产业成本，对部分技术开源，促进隐私计算技术在中小企业中的应用。因此，推动数据流通还需要充分发挥国有企业的带头作用。另外，国有企业还能够在数据交易市场中起到锚定的作用。基于目前的市场结构，国有企业可以作为数据供应者为数据市场提供更多数据来倒逼其他企业进入数据供应市场，解决数据市场供应不足的问题。

推进实施公共数据确权授权机制也是促进数据流通的重要途径。公共数据可以降低投资的不确定性，增加行业新进入者的市场份额。数据开放提升了政府与公众的互动频率，政府能够更及时、准确地制定相关产业政策，缩短企业办事流程，减少企业交易成本，提高治理效率。企业能够利用开放信息搜寻匹配数据交易伙伴，查找政府惠企政策，利用开放数据提升竞争力等。各级政府已高度重视政府数据开放平台地建设，做了许多有益的尝试和探索。比如，浙江以“四个一”为指导，统筹建设省市县三级公共数据平台，构建了一体化职能公共数据平台；山东省以“应开放尽开放”为原则，搭建省市一体化数据开放平台，推动了数据高质量开放。

数据流通是实现数据价值释放的关键途径。数据价值并非是固定的，不同的数据相互结合会产生不同的价值，数据在不断的相互结合中还会产生新的价值。推动数据要素市场化进程是一个需要多主体不断磨合、动态调整的过程。在当前不平衡的数据市场结构下，市场细分能够通过减少交易双方信息不对称的方式来促进数据交易，逐步实现数据要素在更多维度和更广领域的流动和融合，更好地开发释放数据要素价值，助力高质量发展。