數據要素市場培育：法律難題、域外經驗與中國方案

趙 鑫

(1.中國政法大學 民商經濟法學院，北京 100088；2.安特衛普大學 法學院，比利時 安特衛普 999014)

0 引言

2020年4月9日，中共中央、國務院發布《關于構建更加完善的要素市場化配置體制機制的意見》，提出數據是與土地、勞動力、資本、技術并列的第五大生產要素。2020年5月11日，中共中央、國務院發布《關于新時代加快完善社會主義市場體制的意見》，提出要“加快培育發展數據要素市場”。在法律領域，除《中華人民共和國數據安全法》外，我國尚未出臺規范數據要素市場發展的法律法規。囿于制度供給不足，我國數據要素市場發展面臨諸多問題。

當前國內相關研究主要關注數據要素市場培育的法學或法律問題，如數據確權、數據市場監管等。《中華人民共和國數據安全法》與《中華人民共和國個人信息保護法》分別于2021年6月和8月經全國人大常委會討論通過。學界需在現有研究的基礎上進一步審視數據要素市場培育相關問題，雖有部分學者對培育數據要素市場開展了研究，但主要關注數據要素市場的反壟斷、反不正當競爭、行政性限制競爭行為等問題[1]。

對國外學者關于數據要素市場的研究成果進行歸納可知，歐美國家相關研究主要集中在數據要素市場數據確權方面。有學者指出，在不界定數據產權的情況下，人們能夠免費獲取他人數據，甚至無需支付任何成本便能獲得數據資源[2]。還有學者指出，僅根據所有權界定數據權益是不可取的，通常情況下，法律不會授予信息數據專有權益[3]。從美國立法來看，美國在教育、醫療、金融等不同行業領域采取單獨立法的方式，主張擴張普通法上的隱私權概念，以保護個人信息數據[4]。與美國理念不同的是，歐盟確立了嚴格的個人數據保護模式，賦予個人對數據的絕對控制權。2017年歐盟委員會提出構建數據生產者權利來解決非個人、匿名化機器生成數據的使用問題，目的在于打破個人數據權和數據庫財產權的二元對立模式[5]。

當前，我國數據要素市場規則有待建立。以培育、發展數據要素市場為目標，從法學視角厘清加快培育數據要素市場亟待解決的問題，提出相應完善路徑，具有重要的理論與現實意義。

1 數據成為生產要素的理論依據與實踐基礎

自人類記錄生產生活以來便有了廣義的數據，但以往數據未能成為生產要素，直至今日數據才被認為是與土地、勞動、資本等并列的關鍵生產要素。因此，闡明數據成為生產要素的理論依據與實踐基礎，有助于理解國家培育數據要素市場和推動數據要素市場發展的深層動因。

1.1 數據成為生產要素的理論依據

17世紀英國經濟學家威廉佩第在《賦稅論》中指出“土地為財富之母，勞動為財富之父”，開啟了生產要素理論研究。隨著生產要素理論的發展，經濟學界逐漸將資本、企業家才能、信息等列為生產要素。新的生產要素的加入與社會經濟變革緊密相關，每一次社會經濟形態的重大變化都伴隨著新生產要素的產生。

農業經濟到工業經濟的轉變是資本與管理這兩個生產要素誕生的關鍵階段。農業經濟發展至后期，在人口與物質需求增長的壓力下，土地與勞動對于生產力的貢獻達到極限，而工業革命先進生產技術的發明有效打破了自然資源即土地對生產力的限制。相比于農業，在工業經濟下，資本的關鍵因素生產設備能夠在同樣面積的土地上生產出數倍物品，并且生產設備能夠被經過訓練的勞動力反復使用，進而極大提升社會生產力。一方面，新的生產要素誕生需要滿足大規模可得性的要求，即在維系國民生產的過程中具有通用性[6]。另一方面，新的生產要素要提高人類社會生產力必須與其它傳統要素有效融合，促進全部生產要素效率提升。工業經濟發展至后期，社會物質生產得到極大發展，為了進一步滿足人類需求，生產者必須以更低成本生產出更符合人們需求的產品，以在激烈的市場競爭中求得生存。生產者必須不斷調整土地、勞動力、資本等各要素之間的配置關系，以提高生產效率。在此階段，企業家才能或者管理要素在提高生產效率中的作用逐漸顯現。由此，工業經濟時期的兩個關鍵因素——資本與管理，逐漸被納入生產要素范疇。隨著互聯網技術的發展，信息成為信息經濟的關鍵生產要素，在大規模可得性的前提下有效促進全要素生產效率提升。隨著互聯網的大規模普及以及在各個領域的滲透，信息最終成為不可或缺的生產要素。

數字經濟的到來基于信息經濟的成熟發展，在信息技術普及的前提下，當前無論是人們的生活消費、社交娛樂還是教育醫療，抑或是生產者的生產經營，都已在網絡上全面開展；每一個個體都成為數據生產者，每個時間節點都產生無數數據，加之云空間等數據存儲介質的發展，數據得以成為生產要素的首要前提——大規模可得性已不成問題。但是，僅具有大規模可得性的特質不一定能夠成為生產要素，還需有效促進與其它要素之間的配置效率，從而提升社會生產力。數據可有效優化勞動力配置，在不同時間節點將勞動力配置到生產經營關鍵環節，從而提升勞動效率；在數據的協助下，生產設施等資本要素的生產效率得以提升，通過對大量工業數據的匯集和分析，能夠促進廠商及時發現產品有待提升的地方，進而對其進行改進；單憑企業家個人的管理才能已不能適應跨地區、跨國家的大范圍生產經營活動，對于數據的分析與運用成為企業管理者必須具備的能力[7]。由此可知，數據可以促進全要素生產效率提升。

1.2 數據成為生產要素的實踐基礎

現實發展需求是數據成為生產要素的關鍵前提，有學者指出，數字經濟是以算力、算法、數據為主體構成的三維經濟結構[8]。算力與算法的發展，為數據成為關鍵生產要素奠定了實踐基礎。

一方面，算力的發展促進數據得以大規模運用到生產經營中。算力是對數據的運算能力，算力的發展能夠保障數據發揮其生產要素的功能，否則大量數據無法得到有效利用。在云計算等數據分析技術出現以前，生產經營者要從海量數據中分析、挖掘有用信息必須投入大量人力、物力等資源，這對于以“理性經濟人”著稱的經營者來說會增加生產成本，因此，經營者并無意愿開采、利用數據。而算力的發展大幅度降低了其成本，并且根據摩爾定律可知，數字技術成本還將持續下降[9]。由此，生產經營者能夠以較低成本運用數據，并產生巨大收益，最終，數據大規模運用的動力來源問題得以解決。

另一方面，算法的發展為數據全面提升生產效率提供助力。國際數據公司IDC、浪潮信息、清華大學全球產業研究院對全球15個重點國家開展研究并聯合編制的《2021-2022全球計算力指數評估報告》指出，計算力指數平均每提高1點，國家的數字經濟和GDP將分別增長0.35%和0.18%，并預計這一趨勢將于2021-2025年之間繼續保持。由此可見，算力的發展對生產效率和經濟增長具有重要促進作用[10]。

如前所述，新的生產要素誕生還應促進全要素生產效率提升，而算法的大力發展正是此項條件得以成立的前提。數據具有非排他性的特質，即某一主體對特定數據的運用并不妨礙其他主體對其加以分析、挖掘，不同算法甚至能夠挖掘同一數據中不同的有用信息，并將其運用至不同部門的生產經營中。譬如對于行業服務數據的分析，某一算法可分析特定節點特定地區所需的服務總量和服務缺口，并采取獎勵、補貼等方式鼓勵勞動者前往該地區提供服務，提升勞動者的勞動積極性，進而提高生產效率。另一算法可對同一數據進行分析從而為企業管理服務，促使企業管理者更為有效地配置不同崗位的勞動者人數。總之，算法的發展為數據促進勞動、管理等生產要素之間的有效聯動與配置提供了助力，這是數據成為生產要素的重要實踐基礎。

2 我國數據要素市場培育的法律難題

2.1 數據權屬確定法律制度有待完善

缺乏數據權屬問題的法律規范，不利于數據要素市場培育與發展。具體而言，數據權屬問題分為關涉個人的權屬確定和非關涉個人的權屬確定兩個層面。

(1)關涉個人的數據權屬確定問題與數據產生價值的特殊機制緊密相關。數字經濟時代人們談論的數據通常是指“大數據”，即在海量單個數據匯集的基礎上，經由分析、挖掘、加工而成為具有特定服務價值的數據，正是其規模性與實時性的特征保證了算法能夠從數據中挖掘規律，從而分析特定市場、特定個體的經濟行為，進而作出預測、判斷或為市場主體提供特定服務。從這一角度來看，數據處理者作為數據價值的主體應該享有數據產生的各項權益。

(2)非關涉個人的數據權屬確定問題。除個人數據外，工業數據、交通數據等與個人消費者無關的數據同樣能夠為數字經濟發展作出巨大貢獻，但現行法律并未明確保障該類數據主體的權益。這降低了數據持有者的數據交易和數據開放意愿，阻礙我國數據要素市場發展。數據非排他性與極易復制性導致其能夠在同一時間內被不同主體利用，若法律未對數據主體賦以相應產權，則會導致賦予數據利用價值的主體在數據被非法擴散過程中無法獲得相應收益，使得對數據進行挖掘、分析的主體不愿意對數據進行交易、開放，最終導致數據價值無法得以最大化發揮。

2.2 數據要素市場交易法律制度有待建立

從法學角度來看，當前關于數據要素市場交易、流通的法律規則尚未統一或有待建立，這在很大程度上阻礙了我國數據要素市場的培育。

(1)數據要素市場交易規則有待完善。當前我國數據交易平臺的主要問題為：第一，部分數據交易所的功能過于單一，導致其場內交易量不足，而交易成本的存在促使數據產品供需雙方尋求場外交易；第二，各交易所的數據產品相似度過高，造成交易所之間的同質性競爭。因此，需要利用宏觀產業政策指導數據要素市場化交易規則的構建。

(2)數據產品分類標準有待統一。當前我國較為活躍的大數據交易場所主要有貴陽、上海、安徽大數據交易所或交易中心等，從各數據交易所的規則來看，各家交易平臺的數據產品分類標準存在較大差異，各家交易所數據產品的格式和數據接口標準也不統一，導致某一企業提供的數據產品無法在多個交易場所順暢地流通。參與數據要素交易的企業必須改變數據產品格式和接口方式等，才能將數據產品放在其它交易場所交易并流通。

(3)數據產品定價標準有待建立。分類標準不協調導致數據產品定價標準混亂。生產成本是決定產品價格的最主要因素，各交易所產品分類標準不協調導致企業若試圖在其它場所交易其數據產品則必須付出更高經濟成本，而經濟成本將體現在數據產品定價上，由此導致數據產品定價標準混亂。

2.3 數據要素市場監管法律制度有待健全

當前我國數據要素市場尚未健全，同時，出現市場失靈的“后端問題”，阻礙數據要素市場有序發展。其中，與數據相關的不正當競爭與壟斷問題最為突出。

一方面，數據不正當競爭行為規制難。流量劫持、數據爬取具備的技術性、隱蔽性特征導致市場監管部門難以及時發現并有效規制相關行為。惡意封禁、惡意不兼容往往以“掠奪性創新”為外部表象，即部分經營者通過對產品或服務的現有版本采取微小但不涉及實質的技術參數變動，阻止其他經營者與其產品或服務的互操作。此種行為以技術創新為表象，但實質上是非法阻礙他人獲取數據的不正當競爭行為[11]，會引致消費者在市場中的弱勢性[12]。另一方面，數據壟斷問題規制難。企業只有掌握關鍵生產要素才能具備市場競爭力，對于數字經濟而言，數據生產要素的集中對企業提升市場競爭力具有重要作用。部分企業通過非市場競爭的方式獲取數據以取得壟斷利益，對數據要素市場有序發展造成嚴重阻礙。

3 解決數據要素市場培育法律難題的域外經驗借鑒

3.1 數據產權制度難題的域外經驗借鑒

3.1.1 美國

美國關于數據產權化的討論主要圍繞兩個問題展開：首先，對于個人數據是否應被視為財產權的對象。支持個人數據產權化的觀點，部分主張財產制度是保護數據隱私的最佳選擇[13]，部分主張財產化是使現有數據市場合法化并加速發展的一種手段。反對個人數據產權化的觀點，如理查德·波斯納認為，個人信息產權化提供了一種向市場隱瞞真實數據的手段，因此是欠缺效率的[14]。也有學者出于無涉效率的理由，認為個人數據不同于其它對象，不能作為財產權[15]。其次，產權應歸屬于誰，數據主體抑或數據收集者。數據保護的支持者主張將這一資源分配給數據主體，從而加強對隱私的保護。而數據公開的支持者則主張將產權授予數據收集者，因為數據搜集者在匯編數據庫和開發算法以“挖掘”數據各種用途等方面進行了大量資源投入。

在功利主義視角下，主流觀點通常支持數據主體擁有產權，并認為這是最有效率的制度安排。這種功利主義的產權化討論主要包含三重角度：第一重角度關注隱私規則與披露規則的關系，理查德·S·墨菲闡明了這一思路，墨菲假定個人信息和任何信息一樣都是財產，問題的關鍵是誰擁有這些信息的產權；第二重角度通過批評隱私保護的侵權法路徑的缺陷，支持產權化[16]；第三重角度從產權作為創建整體數據保護體系的工具出發，為數據產權化辯護。

3.1.2 歐盟

歐盟的法律發展完全順應加強個人控制的方向，2018年生效的《通用數據保護條例》大幅強化了公民對個人數據的有效控制，在事前、事中、事后對個人數據的使用給予了最高程度的尊重和保護。在這一全新的歐洲數據保護框架下，數據權利的本質仍在爭論中。GDPR雖然沒有明確個人數據的產權屬性，但是，其賦予數據主體更多控制其個人數據的權利，在某種程度上，評論者將其視為授予“準產權”(quasi-property rights)[17]。總之，在目前歐盟GDPR的法律框架下，個人是否享有數據產權仍然存在一定分歧。多數學者認為，當前的法律框架與數據產權的概念是不相容的。然而，這一框架對數據分配了某種類似產權的屬性。數據最初歸屬于誰即誰擁有這些數據，對此沒有明確規定[18]。

3.2 數據市場交易規則難題的域外經驗借鑒

3.2.1 美國

美國數據產權化的討論焦點主要是“可轉讓性”，即是否允許自由出售屬于個人財產的個人數據。對此，存在兩種立場。數據產業的代表者主張絕對的市場化，反對個人數據產權化，因此，拒絕包括任意性規范在內的任何交易規制與監管。該觀點認為，市場已經考慮到隱私問題，在某種程度上消費者希望他們的隱私得到保護，市場已經在其效用計算中對這種需求作出了反應。事實上，這些行業已經采取隱私政策來回應消費者的隱私擔憂。

支持數據產權化的觀點，尤其是基于信息隱私保護的理由而支持將個人數據產權授予數據主體的觀點，主張制定相應市場交易規則，管理由產權化而產生的市場交易，即支持引入產權化的觀點大多贊成限制可轉讓性。首先，信息隱私具有社會價值與公共利益，是私有化的公共產品；其次，數據交易市場存在失靈的可能性，需要通過監管予以糾正；最后，需要防范無限制的轉讓權。在美國的制度實踐層面，對于數據產權交易市場，目前少有專門的法律進行規制。2014年5月美國發布的《大數據：把握機遇，守護價值》白皮書中對數據交易規則有所涉及，其指出美國政府不認為其有必要干涉數據交易定價問題，鼓勵企業以各種方式推銷自己的產品。對于數據產品價格紊亂的擔心，白皮書指出，只要政府保障市場競爭充分性和數據產品價格透明度，企業利用大數據技術進行區別定價并不會產生不良影響。

3.2.2 歐盟

就數據主體與數據收集者之間的交易關系而言，歐盟在個人數據保護指令的具體規定中很少對數據交易的合同關系進行強制性約束。雖然歐洲立法機構在保護消費者、保護知識產權等方面曾多次對合同關系進行干預，并制定了一系列限制雙方合同自由的強制性規定，但是，在關于個人數據保護的歐洲指令中，歐洲立法者并沒有干預處理個人數據的合同關系。個人可以自由地通過合同對個人數據進行合法收集、使用、傳播和進一步處理，歐洲指令允許各方在不受歐洲數據保護制度約束的情況下對個人數據進行商業利用。雖然個人數據保護領域存在契約自由，但并不意味著締約雙方可自由決定其關系，而應當受一般合同關系的法律限制，如禁止某些被認為不公平或過分的合同條款等。此外，在個人數據領域并不禁止通過法院對具體個案的法律使用進行解釋、補充，以糾正訂約雙方在談判能力方面的不平等。

對企業之間的交易關系而言，數據交易可分為數據轉讓和數據分享。從數據交易實踐來看，數據分享更有意義。目前歐盟的數據分享整體上還處于待開發的狀態，在公司與個人層面，歐洲幾乎沒有人完全信任公司處理私人數據的方式；如果公司希望與其它公司分享或共享數據，則往往面臨不信任、法律不確定性等問題；由政府機構或公共資助項目收集的公共數據通常不容易提供給研究人員或初創企業。2018年《通用數據保護條例》生效后，歐盟確立了數據監管基本框架，為個人提供了重新控制第三方獲取個人數據條款的可能性，可以在此基礎上發展數據分享。目前沒有任何監管和技術基礎設施可以使這些可能性成為現實，歐盟在數據交易規則方面還處于探索階段，需要建立新的規則和機構，使數據能夠以一種可信的方式分享，并讓人們對何時以及如何共享私人數據擁有更多控制權。

3.3 數據市場監管規則難題的域外經驗借鑒

3.3.1 美國

在跨境數據要素流動方面，美國政府積極主張跨境數據要素的自由流動。2018年美國頒布《澄清境外數據的合法使用法》(the Clarifying Lawful Overseas Use of Data Act)，更是賦予美國政府與服務提供商調取全球跨境數據的權限。此舉目的在于推動數字自由貿易，以服務于其本國數字經濟高速發展。在美國國內數據市場監管方面，隨著數據資源的重要性逐漸顯現，數字巨頭們濫用市場支配地位的問題引發美國政府監管機構的高度重視，并針對谷歌、蘋果、臉書等企業開啟了一系列反壟斷調查[19]。

目前美國聯邦缺乏數據治理整體框架，但州層面的數據治理走在前列。其中，最具代表性的州立法為2018年美國加利福尼亞州通過的《消費者隱私保護法案》(California consumer protection act)。該法案全面保障個人對數據的控制、使用和交易權利，被認為是美國最嚴格的消費者數據隱私保護立法[20]。首先，將所有收集加州消費者個人信息的企業都囊括至其規制范圍之內；其次，賦予消費者廣泛的知情權、刪除權、訪問權等數據主體權利；再次，對企業收集、存儲、分析、出售數據的行為進行規范；最后，賦予消費者在發生數據泄露事件時的法定賠償權，為該領域的集體訴訟開辟了法律途徑[21]。

3.3.2 歐盟

歐盟在數據市場監管方面采取與美國效率優先相反的立法和執法態度，在捍衛數據主權的同時不斷強化對個人數據權利的法律保護，建立了以GDPR為基礎的數據監管制度體系。2018年正式實施的GDPR確立了最新的數據治理框架，是目前全世界范圍內最具有現實意義的一般數據治理規則，為其它國家的數據市場監管提供了重要的立法經驗借鑒[22]。

除GDPR外，2020年歐盟接連發布了《塑造歐洲的數字未來》《歐洲數據戰略》《歐洲的數字主權》等一系列戰略文件。2021年底出臺《數字服務法案》和《數字市場法案》，革新了數字經濟中互聯網平臺的規制范式，在數字經濟領域引入“守門人”的概念，旨在就那些具備一定經濟體量與市場規模、能夠對消費者產生超強限制能力并對市場產生重要影響的數字經營者負以一系列事前義務，要求提高其所提供服務與其他經營者提供服務或商品的互操作性，不得利用并購損害創新等[23]。《數字服務法案》圍繞侵犯隱私、過度采集等數字經濟的典型問題，構建了平臺用戶基本權利保護機制[24]。

4 我國數據要素市場培育法律難題的化解方案

4.1 建立融通“數據生產者(擴展權利)—數據處理者(有限產權)”的數據產權制度

數據產生價值需要多方主體參與，在數據不斷匯集的基礎上挖掘更為深層的有用信息，并運用至經濟社會生活中。譬如A企業匯集大量用戶數據后，對其進行分析、挖掘并形成數據產品在市場上交易，B企業在A企業數據的基礎上匯集新的數據并挖掘、分析形成新的數據產品。在這一數據產生價值的鏈條中，總是存在兩個數據相關主體，即數據生產者與數據處理者。A企業賦予數據相應價值時，大量用戶是數據生產者，A企業是數據處理者；B企業賦予數據相應價值時，A企業是數據生產者，B企業是數據處理者，但有所區別的是，在后一價值產生機制中，大量用戶仍然是數據生產者，其是A、B企業數據產品的原始數據來源。因此，或可依照數據生產者與數據處理者的主體關系而建立數據產權制度。

必須注意的是，在用戶、A企業、B企業的數據價值產生鏈條中，各方主體對應的數據并不相同，用戶對應的是非經濟目的驅動下經由日常行為所產生的各種數據，其不需要用戶投入大量經濟與技術成本，更多情況下是僅基于日常消費、娛樂等活動即可產生數據；A、B企業對應的數據是經濟目的驅動下投入大量資本、技術而產生的智力勞動產品，正是后者付出的經濟與技術成本，才賦予數據真正的經濟價值。倘若市場主體不能對經過其勞動所獲得的產品獲得相應產權，就無法保障其能夠在市場上流通、交易，也會打擊市場主體開發相關產品的積極性。因此，鑒于各方所對應數據類型不同，應當確立“誰產生，誰所有”的數據產權基本原則。用戶作為數據最原始生產者，不會在后續產品產生后退出整個價值鏈條，其是后續所有數據產品的基礎來源，因此，賦予數據處理者相應產權時，應當考慮其非財產性權利與財產性權利。

非財產性權利主要指用戶的個人隱私權與人格權，其是其他權利行使的前提，任何權利的行使都不得侵害他人隱私與人格權利，這是由作為人的尊嚴所訴諸的道德權利而確立的基本法律原則[25]。數據中包含個人隱私與人格權利相關內容，因此，應當以此為基礎，賦予數據產生者相應拓展性權利，從而限制數據處理者產權的行使。在數據要素產生價值的整個鏈條中，數據產生者隨時都有權利制止侵害其隱私、人格權利的行為，其隱私權、人格權應當拓展至數據產生價值的無限鏈條中，并以此限制數據處理者產權的行使，由此形成“數據生產者(擴展性權利)—數據處理者(有限產權)”的數據產權制度。

能否實現用戶財產性權利的拓展，即在其數據不斷產生價值的鏈條中賦予其相應財產權利，避免數字經濟時代新的不公平現象出現。對此，學界共提出3條路徑：其一，考慮到個人數據使用價值的微薄性，以貨幣方式支付用戶數據紅利不具有現實性，因此，需要企業通過免費增值服務、折扣券等創新紅利共享方式實現用戶財產權益。該條路徑雖然具有現實可行性，但其問題在于不能由法律強制企業發放折扣券或者提供免費增值服務等，其實現更多依賴于數字企業自身行為。其二，共票理論是基于區塊鏈技術，在數字經濟中將消費者、投資者、生產者進行緊密融合的制度設想，數據資產的形成和價值增加都是由用戶“眾籌”而來，在數據資產形成過程中，用戶既是數據資產生產者，也是投資者與消費者；在數據資產增值過程中，每個用戶可通過區塊鏈技術獲得數據資產收益[26]。共票理論的設想能夠較好地解決數字經濟中數據原始產生者的財產權益獲得問題，但是，限于技術問題還無法實現。其三，通過數字經濟的二次分配實現用戶財產權益，即通過向數據密集型行業征收數據資源稅，將獲得的稅收收入納入數據收益再分配渠道[27]。從法律制度建構的角度來看，第三條路徑可以克服法律無法強制企業為用戶提供數字紅利的局限，而且不存在技術限制。因此，通過稅收制度的二次分配功能進行數據產生者的財產權利擴展是較為可行的路徑。

“誰產生誰所有(物權)”的數據產權基本原則可細分為3個命題：一是用以提供確權基本視角、口徑和方法論的“要素總說與確權思維命題”；二是主體視角的“人—機關系命題”；三是客體視角的“數據內容命題”。第一個命題是一般理論命題，后兩個命題是具體情境命題，前者與后者間存在邏輯上的“總—分”關系。

要素總說與確權思維命題的核心內容是，在數據價值形成過程中，依據社會(經濟)交換論的基本原理，不同階段數據價值主體所付出的勞動效價與數據由此生成的經濟價值之間存在等量置換關系。可以根據這樣的置換關系，反推數據物權享有者，揭開各階段數據價值主體的“神秘面紗”。具體來看，數據經濟價值生成過程大致可為4個階段，分別是采集、存儲、分析與應用。在采集階段，數據凝結的是數據采集工作所承載的無差別人類勞動，鎖定了勞務提供者即可明晰勞動效價出讓者，并進一步確認該階段的數據產權主體指向。在存儲、分析階段，數據凝結的是存儲、分析活動所映射的契約利益。契約及其轉化形式(如未訂立契約時的行業標準、交易慣習等)所記載的存儲、分析活動參與者的自治意思，是該階段數據確權的核心依據[28]。在應用階段，數據凝結的是再生產的期待利益。無法在一般理論層面將數據權屬確認規則教義化，應為個案裁判留有空間。綜合來看，數據時空(自我演化及其生命周期)、人類勞動、人機接口、契約利益、行業標準、商業習慣、期待價值等因素均可能影響數據確權走向。

“人—機”關系命題的核心內容是：依據數據及其持有者間的“人—機”關系，可錨定擁有不同權能的數據產生者，并為之匹配不同性質的數據物權。一般認為，與數據存在絕對排他性“人—機”關系的原始提供者(用戶)擁有完整的數據所有權(擴展權利)，而與數據存在相對排他性“人—機”關系的數據處理者(A企業、B企業)僅擁有數據用益權(有限產權)。

數據內容命題的核心內容是，依據數據內容產生方式，可厘定支配不同對象的數據產生者，并為之匹配不同客體的數據物權。以數據產生方式為標準，一般可將數據分為原始數據與衍生數據。原始數據應歸數據提供者所有，其他主體需經其同意才能收集、處理和應用；衍生數據是數據處理者利用數據分析技術進行加工整理后得出的數據，其應歸數據處理者所有。

“誰產生誰所有(物權)”的數據產權基本原則，可以為那些非關涉個人數據的流通、開放提供保障，但是，在用戶、A企業、B企業的數據流通過程中，B企業獲取數據產品之后可能將其非法擴散，而數據的非排他特性會損害A企業對數據產品的利用，因此，需要進一步建立數據產品的許可使用制度。對于此，或可仿照知識產權法律建立數據要素的獨占許可、排他許可、普通許可制度，在不同的許可制度項下，數據產品交易雙方的數據利用權利有所不同，當某一方違反許可合同約定時，另一方可請求其承擔相應民事責任。

4.2 以“降低制度成本—減少交易成本”的思路完善數據要素市場交易相關規則

(1)發揮產業政策的引導功能，在綜合試點的基礎上合理布局數據要素市場化交易平臺。有學者認為，應當建立國家統一的數據交易平臺，這樣有助于解決數據交易平臺分布不均、數據集中度不高和數據供給區域不平衡造成的數據開發應用瓶頸等問題[29]。數據集中度不高與數據供給區域不平衡是確實存在的現實問題，更多歸因于數據產品分類標準不統一而造成的數據要素流通不暢。要正確理解全國一體化數據交易體系的確切含義，并不在于統一的數據交易平臺，而是在數據分類、定價等規則統一的基礎上實現全國范圍內數據要素自由流通。從其它國家的數據要素交易平臺建設來看，數字經濟相對發達的國家亦未建立全國一體化的數據交易平臺，而是充分利用地方經濟特點發展不同的數據要素交易場所，如美國不僅有Mashape、Ifochimps等綜合性數據交易中心，還有專注于位置數據領域的Factual、工業數據領域的GE Predix等數據交易平臺；德國則形成了弗勞恩霍夫協會工業數據空間IDS項目，個人數據領域的DataCoup則為多樣化數據交易平臺空間體系[30]。在數據要素市場化交易場所建設上，我國可充分發揮產業政策的引導功能，在綜合試點的基礎上，在全國范圍內形成各具特色的數據要素交易平臺。當前各地出臺的產業政策一定程度上造成數據要素市場的區域壁壘，阻礙了全國一體化數據交易市場的形成。因此，一方面，應提供更高層次、更高效力的產業政策引導，或可由國務院出臺促進大數據交易平臺發展的產業政策，在充分保障競爭政策基礎地位的前提下，在市場競爭中逐步形成各具特色的全國數據要素市場化交易平臺布局。另一方面，在交易平臺建設布局過程中，應發揮公平競爭審查制度的作用，對地方政府出臺的扶持當地數據要素市場平臺建設的規范性文件進行公平競爭審查，避免行政權力不當干預而損害競爭機制。

此外，數據要素交易平臺自身亦應擺脫“撮合交易”的單一經營模式。有學者對當前數據要素交易平臺運營模式開展實證研究，提出以撮合交易和提供數據增值服務相結合的交易平臺運營模式更符合數字要素市場發展需求，同時亦能降低市場主體交易成本。該類交易所運營模式提供的服務包括數據集、云服務、解決方案、數據定制服務等[31]，數據集是某一類數據的簡單匯總，后三者則是針對數據需求方的需求，利用數據交易平臺的分析、挖掘技術提供的特定數據服務。該類運營模式具有兩大優勢：一方面，數據交易平臺能夠利用其數據挖掘分析技術幫助客戶從海量數據中提取具有利用價值的信息，這對于一些規模較小或尚未匹配相應技術能力的企業來說能夠節省經濟成本；另一方面，應由數據交易平臺保證提供數據增值服務的合法、合規性，降低數據需求方的法律風險，而交易中可能存在的法律風險是市場主體經營成本的一個重要方面。撮合交易與增值服務相結合的交易所運營模式有助于市場主體節省交易成本，避免其脫離交易平臺而尋求場外交易。

(2)建立科學合理的數據產品分類標準，降低數據要素市場的交易成本。目前，我國尚無可參照的數據產品分類標準，各數據交易平臺對數據產品標準要求的異質性導致數據要素流通成本增加，因此，應建立統一的數據產品分類標準，促進數據要素自由流通。或可考慮依據開發應用的技術標準對其進行分類，因為數據無論是來源于哪一類主體還是歸屬于哪一領域，要進行流通就要對數據進行技術開發。可基于技術應用開發的要求，將數據分為原始數據、衍生數據、多方交互數據3類[32]。在此分類基礎上，統一數據要素產品的格式、接口、規格等標準，推動數據產品分級分類，破除數據要素自由流通的制度性障礙。

(3)建立數據要素定價規則，加強數據要素價格管理與監督。數據要素定價規則應當摒棄以往由政府制定具體要素價格水平的方式，著力制定定價規則。其前提在于統一的數據產品分類標準，在數據要素自由流通的基礎上由市場主體依法合理行使要素自主定價權。同時，應建立數據要素價格公示和動態監測預警體系，完善要素市場價格異常波動調節機制，在數據要素市場價格出現異常波動造成或可能造成重大影響時，賦予價格監管部門采取行政措施調整要素價格水平的權力。

4.3 以“事前預防與事后規制相結合”的方式完善數據要素市場監管法律制度

面對數據要素市場失靈問題，無論是以不正當競爭手段獲取數據或阻礙他人獲取數據，還是以壟斷方式實現對數據要素的累積，當前市場監管都面臨技術困境。一方面，不正當競爭手段具有技術隱蔽性，導致監管部門難以及時發現并有效規制相關行為；另一方面，數據本身特性對數據要素市場反壟斷的基礎性問題與特別性問題均帶來挑戰，前者如相關市場的準確界定，后者如數據驅動型經營者集中的有效審查。概言之，囿于監管技術的缺失，數據要素市場失靈問題難以有效規制。對此，或可改變以事后規制為主的數據要素市場監管模式，以事前預防與事后規制相結合的方式完善數據要素市場監管法律制度。

將事前預防和事后規制相結合，治理數據要素市場失靈問題是當前國際趨勢。在事前預防方面，為不同規模不同體量的數字經營者設定一系列嚴格程度不同的事前義務，以預防可能出現的數據反競爭行為和壟斷行為。譬如，《中華人民共和國反壟斷法》規定在經營者集中之前必須嚴格遵從經營者集中反壟斷申報程序，向市場監管部門提出申報；《國務院反壟斷委員會關于平臺經濟領域的反壟斷指南》第四章第18條專門規定了經營者集中申報問題。如果數據經營者違反事前義務，則對于應當申報而未申報者，行政機關會給予行政處罰。歐盟立法也存在事前義務的規定，2021年11月歐盟通過《數字市場法案》(Digital Market Act)，該法案對“控制移動互聯網生態關鍵環節(技術環境和運營環境)、有資源或有能力影響其他個人信息處理者處理個人信息能力的互聯網運營者”賦以“守門人”地位，要求其承擔包括不得濫用優勢地位、保障公平開放的數字競爭環境等在內的一系列義務，并且設定了違反義務的處罰措施和相應執法保障制度[33]。日本于2020年5月通過《數字平臺交易透明化法案》，明確了日本的數字經營者分類標準。區分大型數字平臺與中小型數字平臺的一項重要指標是數字經營者的規模影響力和用戶數量，根據該指標賦以不同主體事前義務[34]。故而，因應于規制數字經營者反競爭性問題的技術困境，對其課以相應事前義務以預防市場失靈問題的發生是規制數據要素市場失靈的理想手段。

實際上，我國正嘗試針對不同規模、不同體量和不同市場影響力的數字經營者課以不同的主體義務，以規范數據要素市場發展。2021年10月，國家市場監督管理總局發布《互聯網平臺分類分級指南(征求意見稿)》《互聯網平臺落實主體責任指南(征求意見稿)》。在分類分級指南征求意見稿中，依據用戶規模、業務種類和限制能力，將互聯網平臺分為超級平臺、大型平臺與中小平臺3類。在落實主體責任指南征求意見稿中，前9條專門針對超大型平臺規定了公平競爭示范、平等治理、數據管理等一系列義務；第10-第34條則規定了除超大型平臺以外的數字經營者的一系列事前義務，包括不得利用技術手段實施不正當競爭行為、不得以合并個人數據為目的誘導和強迫用戶登錄并使用自身提供的其它服務等。通過對互聯網平臺進行分級分類以及落實相應主體責任，我國數據要素市場監管將實現從事后規制為主向事前規制為主以及一般化規制向特別化規制的轉型。但是，兩部指南依舊處于向社會公眾征集意見的階段。為加快培育和發展我國數據要素市場，亟需完善數據分級分類和落實主體責任的具體規范細節，并盡快出臺相關管理規范以完善我國數據要素市場監管的事前規制部分[35]。

對于事后規制，我國應加快構建完善數據市場競爭法律體系。2021年10月，第十三屆全國人大常委會第三十一次會議對《中華人民共和國反壟斷法(修正草案)》進行審議，修正草案中明確了“經營者不得濫用數據和算法排除、限制競爭”、“經營者利用數據和算法設置障礙，對其他經營者進行不合理限制的，屬于濫用市場支配地位”等規定。國家市場監管總局針對數字經濟出臺了《平臺經濟領域反壟斷指南》等一系列規范性文件，這些法律法規與規范性文件共同構成了培育數字要素市場健康有序發展的競爭法律框架[36]。總之，應加快修訂完善相關法律，并針對數據要素市場出現的問題出臺相應規范或指南，與事前規制相關法律共同形成培育我國數據要素市場健康有序發展的完備法律規范體系。

5 結語

數據成為新的生產要素，一方面在于其大規模可得性，另一方面基于算法技術的發展數據能夠推動全要素生產效率提升。在數據經濟時代，把握數據的價值，培育數據要素市場發展至關重要，但是，當前我國數據要素市場發展還面臨許多制約，需要進一步加強頂層設計，完善數據要素市場的法律制度構建。其中，數據確權是重要環節，需要建立融通“數據生產者(擴展權利)—數據處理者(有限產權)”的數據產權制度，并針對數據權利主體、數據內容產生方式和數據形成階段分別確權。建立數據要素市場交易規則，需要以“降低制度成本—減少交易成本”的思路完善數據要素市場交易相關法律法規和政策，從合理布局數據要素市場交易平臺建設、建立科學合理的數據產品分類標準、建立數據要素定價規則3個方面具體展開。完善市場監管法律制度是培育數據要素市場的重大保障，需要以事前預防與事后規制相結合的方式有效處理“市場失靈”問題。應從以上3個維度全面施策，為數據要素自由流通搭建完整的規范框架，促進全國一體化數據要素市場的形成。