我國數據交易機構高質量發展：現實問題、理論邏輯與實現路徑*

李勇堅

引言

隨著數字經濟的快速發展與數字技術對社會經濟的快速滲透，數據作為數字經濟的核心生產要素的重要性日益凸顯，數據開放共享下的數據流通也成為社會與學界高度重視的問題。①高富平：《數據經濟的制度基礎——數據全面開放利用模式的構想》，《廣東社會科學》2019年第5期。數據交易機構作為數據交易的重要場所，能否實現高質量發展對解決數據要素交易難題、發揮數據要素效用價值、促進數據要素高速流通具有重要意義。②歐陽日輝、杜青青：《數據要素定價機制研究進展》，《經濟學動態》2022年第2期。

目前，我國雖建立了起一批數據交易機構或平臺，但在實際發展過程中存在著諸多現實困境與問題。對此，學界展開了一定的研究。茶洪旺和袁航（2018）認為，目前國內幾家數據交易組織機構在數據交易規則和交易標準方面呈現“碎片化”“孤島”現狀，并且存在隱藏的數據盲點與誤區，大大增加了數據交易成本。①茶洪旺、袁航：《中國大數據交易發展的問題及對策研究》，《區域經濟評論》2018年第4期。劉吉超（2021）認為，目前我國數據交易機構在技術創新和模式創新上取得了一定的突破，但依舊沒有突破數據確權、資產定價、技術創新等方面的桎梏，因此也導致了我國數據交易機構經營狀況欠佳。②劉吉超：《我國數據要素市場培育的實踐探索：成效、問題與應對建議》，《價格理論與實踐》2021年第12期。總體來說，學界與社會范圍內對數據交易機構建設的研究還相對缺乏，目前已有的研究也是聚焦于數據要素市場培育的整體視角，針對我國數據交易機構的建設現狀與發展問題認識不全面，對于如何促進我國數據交易機構高質量發展的現實路徑還需要進一步探討。因此，本文將從我國數據交易機構發展現狀及問題出發，對數據交易機構的理論基礎進行分析，進而提出數據交易機構高質量發展的路徑與政策建議。

一、我國數據交易機構發展現狀及面臨的問題

（一）數據交易機構的界定及分類

1.數據交易機構的概念

目前，學界并沒有形成統一、明確的數據交易機構的概念界定，大部分研究認為數據交易機構是一種數據交易市場中的第三方組織。吳潔和張云（2021）認為，數據交易平臺是數據合法交易的具體場所，最核心的功能就是作為數據交易的中介組織，連接、監督和撮合數據要素的交易。③吳潔、張云：《要素市場化配置視域下數據要素交易平臺發展研究》，《征信》2021年第39期。趙子瑞（2018）則認為，數據交易機構是一種數據交易活動的載體，也可以衍生出數據分析等相關活動。④趙子瑞：《我國大數據交易模式研究》，碩士畢業論文，上海社會科學院，2018年，第6頁。從職能的角度出發，數據交易機構的內涵則是指提供集數據交互、整合、交換、定價、交易以及數據衍生出的其他相關服務等為一體的虛擬化場所。⑤宋梅青：《融合數據分析服務的大數據交易平臺研究》，《圖書情報知識》2017年第2期。從市場的角度出發，數據交易機構則是多方數據主體職能的集合生態系統，包括數據資源供給方、數據加工治理方、數據中介服務方、數據產品需求方、數據合規認證方、數據流通監督方等。⑥陳舟、鄭強、吳智崧：《我國數據交易平臺建設的現實困境與破解之道》，《改革》2022年第2期。本文在整合學界定義的基礎上提出，數據交易機構是一種促進數據流通交易、提供數據相關服務、保障數據交易機制的獨立第三方數據交易服務主體和載體。

2.數據交易機構的分類

目前，國內外學界對于數據交易機構的分類有多種方法，例如以構建主體、價值鏈、交易模式等不同條件而劃分的。根據構建主體的不同，可大致分為政府牽頭或具有政府背景的交易所、行業機構為主的行業數據交易模式、大型互聯網公司和大型IT廠商為主導的數據交易平臺以及垂直數據服務商主導的市場化數據交易模式。按照所處數據價值鏈環節的不同，數據交易機構可以分為僅提供交易渠道和數據交易最低要求的“純數據”平臺，⑦Kean Birch,DT Cochrane,Callum Ward，“Data as Asset?The Measurement,Governance,and Valuation of Digital Personal Data by Big Tech,”Big Data&Society,vol.8,no.1,2021,pp.23-48.提供清洗、脫敏、分析和挖掘數據價值的數據交易平臺，以及轉賣的數據平臺。按照交易模式的不同，可以劃分為分析結果交易平臺、數據產品交易平臺、交易中介平臺三類；①莊金鑫：《三類大數據交易平臺模式和優劣勢分析》，《中國工業評論》2016年第10期；Markus Spiekermann，“Data Marketplaces:Trends and Monetisation of Data Goods,”Intereconomics,vol.54,no.4,2019,pp.208-216.按照交易主體的不同，可以劃分為B2B、C2C、B2C、C2B四類數據交易平臺。②丁道勤：《數據交易相關法律問題研究》，《信息安全與通信保密》2016年第10期。

（二）我國數據交易機構建設和發展歷程

總體而言，我國的數據交易起步并不晚。2014年即成立了中關村大數據交易中心，2015年成立了貴陽大數據交易所，之后全國各地爭相成立數據交易機構。截至2022年8月，我國由地方政府發起、主導或批復的數據交易機構或平臺已有44家（不含港、澳、臺）。③詳見國家工業信息安全發展研究中心發布的《2022年數據交易平臺發展白皮書》，第5頁。從發展歷程來看，我國數據交易機構的發展可分為兩個階段。

1.第一階段：數據交易機構建設的探索階段（2015—2019年）

2015年，黨的十八屆五中全會提出“實施國家大數據戰略，推進數據資源開放共享”的政策指引，全國各地形成了一股建設數據交易所的熱潮。據統計，在此期間各地成立了30家數據交易機構，其中以貴陽大數據交易所建立為標志。在這一階段，對數據交易的特殊性認識不足，很多交易所的經營模式主要是為供需雙方搭建集中交易平臺，提供交易撮合服務，整體經營水平和業務量水平普遍較低。例如，成立最早的貴陽大數據交易所到2020年的交易規模仍停留在億元水平。此階段也有一些平臺嘗試以數據為中心，引入數據價值鏈上各個環節的市場主體，從而為客戶提供數據創新服務，形成數據技術創新聯合體，如東湖大數據交易中心。

2.第二階段：數據交易機構建設的創新階段（2020年至今）

2019年，黨的十九屆四中全會明確了“數據作為一種生產要素”，之后出臺了不少促進數據流通交易的政策文件。這一時期新成立的16家交易所都在不同程度上有所創新，可稱之為數據交易所2.0版。其中的兩個重要代表就是北京國際數據交易所（簡稱“北數所”）和上海數據交易所（簡稱“上數所”）。“北數所”強調利用技術解決數據交易中所存在的問題。例如，針對數據交易過程中的信任問題、數據交付后的控制問題等，“北數所”提出要利用隱私計算等技術手段，實現數據可用不可見。針對數據交易過程中，配套服務不能跟進的問題，“北數所”利用區塊鏈技術，通過發布“數字交易合約”，達成數據提供商、應用商和服務商的數字交易約定，使交易對象擴展到數據、算力、算法、數據見解等與數據相關的資源及其組合。另外，“北數所”重視數據的合規性，建立對進場交易的數據進行合規性審查。“上數所”則是重視數據交易生態的形成，強調要形成一個包括數據價值鏈各個環節主體的數據交易生態，并提出了“數商”的概念。同時，“上數所”針對數商及數據交易生態制訂各類規范、指引、標準等，確立了“不合規不掛牌，無場景不交易”的基本原則。在交付方面，“上數所”強調將數據交付與場景聯系起來，綜合數據使用場景和數據等級，形成數據交付的條件和模式，這樣避免了數據供給者在數據交付后對數據失去控制的問題。總體上看，2.0版本的數據交易所在商業模式上均有所創新，其收入從單一的收取交易服務費或傭金，擴展到了提供增值服務、形成生態并獲得收入等，④例如，上海數據交易中心提供基于數據的普惠金融信用畫像、精準營銷等增值服務；華東江蘇大數據交易中心提供統計分析、機器學習、數據處理等算法服務。但這些交易所成立時間還較短，其創新做法的具體成效仍有待進一步觀察。

（三）我國數據交易機構發展存在的問題

1.數據交易機構建設的數據要素困境

一是數據質量的量化問題。數據由于其使用特性，其價值不僅難以挖掘和評估，還極容易產生“阿羅悖論”。很多擁有大量數據的數字平臺企業傾向于采取數據“自留行為”，不愿意參與數據交易活動，而中小企業因為缺乏數據發揮作用的協同要素，沒有能力參與數據交易活動。①Nestor Duch-Brown et al.,“The Economics of Ownership,Access and Trade in Digital Data,”SSRN Electronic Journal,2017.這要求數據交易機構具備對數據質量進行控制的能力。由于數據來源的多樣化與數據價值的不確定性，依賴于交易機構聲譽、控制賣方的資格及賣方的聲譽等來實現交易的傳統質量控制機制難以發揮作用，而是需要交易機構付出相應的成本去驗證數據的質量與來源的可靠性，提供與數據相關的“元數據”，這會使交易成本大幅度增加。②P.Koutroumpis,A.Leiponen,L.Thomas,“The(Unfulfilled)Potential of Data Marketplaces,”The Research Institute of the Finnish Economy.Working Paper,2017.

二是數據涉及個人隱私等合規問題。盡管數據可以分為機器生成的數據和用戶直接的數據。然而，直接和間接用戶數據源之間的界限尚不清楚，許多機器生成的數據都有直接或間接的人類來源，合規性難以判定。另一方面，對包含有個人信息的數據而言，一般都要求進行匿名化處理后再進行交易，再與其他數據聚合，能夠產生相應的價值。但有研究表明，集合一些個人匿名化數據，能夠對個體特征進行全面分析，從而識別出特定的個體，③OHM P.,“Broken Promises of Privacy:Responding to the Surprising Failure of Anonymization,”UCLA Law Review,vol.57,no.6,2010,pp.1701-1731.甚至反推出個人信息。對此，盡管我國法律做了數據來源和跟蹤的要求，但在實踐中，數據合規性的要求缺乏相應的標準，數據交易機構在數據交易中的地位和作用以及相應的權力、責任和義務等缺乏明確的規定。

三是數據特殊的交易機制問題。一方面，數據不同于信息和知識對經濟增長的作用，容易產生市場失靈問題。信息和知識使創新企業能夠暫時對所獲得的新知識保密，隨著信息和知識的擴散，所有企業經過學習都可以理解新知識。但是數據需要計算機和算法的參與才能提取數據價值，因此人機之間的信息不對稱容易出現市場失靈。此外，這種不對稱性還將導致數據定價的困難。機器學習的工業化所需要投入的大量前期投資，產生了數據戰略行為和數據權利持有人之間的討價還價，這加大了對數據價值評估的難度。另一方面，要保持數據價值的有用性，有時會要求數據的即時性和實時可用性，這需要數據用戶與提供商持續不斷互動，并對數據來源進行詳盡的描述，或提供“元數據”。然而，現有的數據提供者為了保守數據的秘密，僅提供簡短的書面或脫離上下文的查詢示例，這使數據消費者將花費大量精力和下游成本來評估數據集，從而增加了數據交易成本。

四是數據經濟學性質產生的交易客體問題。一方面，數據的使用具有非競爭性和部分非排他性，這種非競爭性容易引發搭便車和所有權保護的問題。同時，數據產品具有較高的固定成本和幾乎為零的邊際成本，后者導致買方可以很容易地生成副本并以較低價格轉售，從而引發數據盜版問題，損害數據所有者或控制者的權益，這使數據所有者或持有者對出售數據會心存顧慮，而傾向于數據自留行為。另一方面，數據在一定程度上具有范圍經濟和規模經濟，因此在交易之前，買家無法了解到所購買的數據能否與其現有的算法或數據資源形成規模經濟與范圍經濟的協同效應，難以對數據集的價值做出準確評估，從而不會輕易外購數據。此外，數據要素的性質也會導致數據定價問題的復雜性，市場法、收益法、成本法等傳統的資產定價方法無法適用。市場法將由于難以通過市場交易的方式形成價格標準的原因失效，收益法也會由于數據收益不確定性難以確定數據估值和定價，成本法則是因為數據成本難以從生產經營活動中剝離出來而使定價復雜化。

2.數據交易市場存在的問題

一是服務職能與模式單一。我國數據交易機構大多將自身定位于數據產品上架、交易撮合等功能，缺乏定價咨詢、數據產品化、標準化等方面的職能。此外，就交易數據產品和數據服務而言，大部分平臺的產品相似度高，開發程度及附加值較低，交易的數據主要來自少數主流數據供應商，僅有部分平臺提供數據加工、數據應用、解決方案、數據質量評價、行業報告等產品和服務。①王璟璇、竇悅、黃倩倩、童楠楠：《全國一體化大數據中心引領下超大規模數據要素市場的體系架構與推進路徑》，《電子政務》2021年第6期。交易機構還應該承擔數據來源驗證、盡責調查、數據用途跟蹤等職能，而這些職能的權力來源、行使方式等方面還缺乏相應的標準，這使數據交易機構的定位不清晰。此外，就交易模式而言，超過95%的數據交易均為零散的“一對一”交易甚至數據“灰市”和“黑市”交易，場內數據交易僅占數據市場總規模的4%，場內正規交易缺乏吸引力。

二是頂層設計缺乏。數據的交易需要一套特殊的規則體系，但目前我國政策法規中在實施層面未就數據產品的性質、交易監管、交易技術標準等建立起相應的規則體系，這使數據交易機構在發展過程中無規可依，尤其是對企業數據的權利定位尚不明確，②趙新潮：《企業數據財產權利定位及其保護》，《廣東社會科學》2022年第5期。企業與個人之間、企業之間、企業與政府之間關于數據的權利界定仍沒有明確可行的規則。同時，從監管部門來看，涉及大數據流通交易的管理部門眾多且繁雜，監管職能分工有待進一步清晰化。

三是數據交易生態有待完善。數據交易是一個復雜的過程，涉及賣方、買方、數據集成、數據標準化、數據分析、數據質量評估、數據估價、數據經紀、數據驗證等方面，需要一個完整的生態系統。但目前，由于我國數據交易體量本身不足，沒有突破數據交易機構發展所需要的數據需求方和數據供給方的臨界用戶數量，③Markus Spiekermann,“Data Marketplaces:Trends and Monetisation of Data Goods,”Intereconomics,vol.54，no.4,2019,pp.208-216.這導致了數據交易生態無法形成完整的數據價值鏈網絡，制約了數據交易機構的整體發展。而數據交易機構發展受限又會進一步地制約數據交易生態內的供需匹配、數據服務供給、數據定價等服務和職能的發展，嚴重阻礙了我國的數據交易生態的建立和完善。

二、數據交易市場高質量發展的理論邏輯

（一）數據交易市場發展的理論支撐

1.數據要素理論

根據數據要素理論，數據要素具有使用部分非排他性與非競爭性、負隱私外部性、跨領域使用等特點，①李勇堅：《數據要素的經濟學含義及相關政策建議》，《江西社會科學》2022年第3期。使得數據交易機構可以在一定程度上解決數據要素市場的一些問題。首先，數據使用的部分非排他性和非競爭性，使數據交易完成之后，還需要對數據的使用場景與具體用途進行跟蹤，這要求數據交易必須在一個中間服務機構完成，并由第三方對用途和去向進行監管。其次，數據的負隱私外部性要求數據來源的驗證和數據交易標準的建立，這也可以由數據交易機構來承擔。再次，數據的可跨領域使用性，需要數據交易機構來作為多個賣家和多個買家進行交易的平臺，從而實現數據的網絡效應和規模效應。②Markus Spiekermann,“Data Marketplaces:Trends and Monetisation of Data Goods,”Intereconomics,vol.54，no.4,2019,pp.208-216.此外，數據要素的價值與技術相關，很難測度數據的價值來源。通過數據交易機構，能夠吸引更多具有相應技術的企業來購買數據，挖掘數據更大的價值。最后，數據作為一種具有特定性質的生產要素，還會對市場結構產生影響，可能會出現數據壟斷問題。③李勇堅：《互聯網平臺數據壟斷：理論分歧、治理實踐及政策建議》，《人民論壇·學術前沿》2021年第21期。通過數據交易機構，可以使很多創業企業能夠獲得更多的數據來源，從而提高市場競爭水平。

2.數據價值鏈與數據生態理論

數據作為一種生產要素，其作用和價值發揮可以從價值鏈框架的角度進行分析，即“數據價值鏈”。④Miller,H.,& Mork,P.,“From Data to Decisions:A Value Chain for Big Data,”IT Professional,vol.15,2013,pp.57-59.數據價值鏈可以分解為四個部分，即生成、收集、分析與交換。⑤GSMA,“The Data Value Chain”,2018.網址：https://www.gsma.com/publicpolicy/resources/the-data-valuechain，引用日期2022年11月24日。但數據在價值鏈的前進過程中完全不同于傳統價值鏈。在數據價值鏈中，很多企業采取數據自留行為，通過向外購買特定的支持服務以完成數據價值創造過程，這是因為數據價值的高度不確定性很難給每段價值鏈環節帶來有形價值。GSMA（2018）認為，隨著對數據價值鏈的深入研究，通過對聚合了多個來源數據的大型數據集進行價值挖掘，能夠發現輸入或源數據的真實價值，甚至發現哪些數據片段對輸出做出了貢獻，哪些數據未被使用。OECD（2020）的研究也指出，通過聚合大量數據并用在全球市場中，對數據價值的發揮具有重要意義。⑥Nguyen D,Paczos M.“Measuring the Economic Value of Data and Cross-border Data Flows:A Business Perspective,”OECD Digital Economy Papers,2020.數據交易機構正好可以通過將很多來源的數據進行匯聚，有利于對數據的價值進行分析確定。

此外，在數據價值鏈實現過程中，各個主體之間相互作用將形成數據生態。⑦Curry,Edward，What are Data Value Chains?網址：https://www.reach-incubator.eu/what-are-data-valuechains/，引用日期2022年11月24日。數據生態就要求數據價值鏈過程中需要更多的參與者，數據交易機構則可以承擔起匯聚、協調生態中的各個主體和利益相關者的作用。此外，數據交易機構可以通過將數據與數據驅動的商業模式結合，將數據價值鏈過程中的“廢氣數據（the exhaust data）”充分利用起來，發揮更大的價值。可以說，數據生態的存在要想形成高效的數據價值鏈網絡（data value chain network），并帶來巨大的數據價值效率提升，就需要數據交易機構來組織、協調這個數據生態和數據價值鏈網絡。①Faroukhi A Z,Alaoui I E,Gahi Y,et al.“Big Data Monetization Throughout Big Data Value Chain:A Comprehensive Review,”Journal of Big Data,vol.7,no.1,2020,pp.1-22.

3.雙邊市場理論

雙邊市場是指市場內存在的兩個用戶群體可以相互提供網絡收益的網絡經濟結構，一個重要特征就是平臺上從彼此獲得價值或收入的客戶之間的效應具有相互依賴性。在這個數據需求方和數據供給方大量存在的數據要素市場中，數據交易機構充當了中介的角色并使得數據交易市場變成了典型的雙邊市場。數據交易機構通過平臺不斷鏈接、聚合多個參與者主體，利用標準化的接口和服務實現更有效的交互，不僅能夠更高效地利用市場完成交易，滿足不同企業對數據的需求，還可以聚集更多的數據資源，實現數據互補從而提高數據的網絡效益和利用率。②Hovenkamp Erik，“Platform Antitrust,”Journal of Corporation Law,2019.Available at SSRN:https://ssrn.com/abstract=3219396.

（二）數據交易機構高質量發展的基本原則

1.市場厚度（流動性）原則

數據交易需要建立數據生態，這要求數據交易市場中的交易者和交易量都跨越臨界數量，市場需要有足夠的參與者。數據之間可能會有互補作用，形成數據網絡效應。只有在具有足夠的數據量和交易量的情況下，這種互補作用才能更好地發揮出來。

2.適度匹配速度原則

一個有效的市場需要快速交易以確保市場出清。然而，對數據交易市場而言，其交易匹配速度需要保持一定節奏，根據數據的具體情況，提供不同速率的匹配服務。對數據新鮮度要求特別高的行業，提供高效的匹配服務，而對其他行業，可以提供適當的匹配速度。數據價值難以確定，過快的匹配速度可能使數據的價格無法正確形成。

3.市場安全度原則

“安全的市場（safe markets）”是指參與者沒有動機歪曲事實或采取可能降低效率的戰略行動的市場。在數據市場的情況下，平臺必須能夠排除交易參與者繞開數據交易機構直接交易，或者進行場外交易的行為。這要求平臺能夠提供大量的增值服務。另外，數據交易機構還要建立起數據溯源標準，這不但能夠確保數據是可交易的（例如，不存在侵害個人隱私的情況），而且，買方能夠根據數據來源更好地評估數據的價值，以保證數據交易的安全。

4.市場合法性原則

數據市場應該具有合法性，不能“令人厭惡”（repugnant）。數據交易市場在社會公眾中容易造成侵犯隱私，或者暴利等負面形象，這要求數據市場提供更多的透明度，并建立起相應的隱私保護等方面的制度。

三、推動數據交易機構高質量發展的實施路徑

（一）從數據價值鏈視角推動數據交易機構高質量發展

根據數據價值鏈和交易模式的數據交易機構分類，以交易為中心的數據平臺和以數據為中心的平臺都對數據要素價值發揮具有重要意義。以交易為中心的平臺，主要是通過提供必要的基礎設施或直接交換將交易兩方結合在一起，側重于數據商品和數據服務的交換功能，例如，國外的IOTA，Streamr和DAWEX等數據交易機構，以及我國國內的大部分數據交易機構。以數據為中心的平臺，除了提供交易匹配服務之外，還提供數據分析、可視化和數據清洗等服務，強調為數據需求方提供見解。這類平臺能夠直接面向數據的最終需求方，提供從數據中所獲得的見解，或者提供標準化的數據產品，這有利于擴大數據市場，是數據市場成功的關鍵因素。①Markus Spiekermann，“Data Marketplaces:Trends and Monetisation of Data Goods,”Intereconomics,vol.54，no.4,2019,pp.208-216.

（二）從完善數據市場生態的維度推動數據交易機構高質量發展

數據交易過程比一般商品要復雜，要有交易基礎設施（如存儲設施）、數據質量測評、數據價值評估、數據合規性驗證、數據匹配咨詢、數據交易代理、數據經紀等許多相關服務機構，才能使數據交易順利完成。這些機構將構成數據市場生態，是數據生態的重要組成部分，可有效解決數據交易涉及的驗證、評估、預處理、集成等過程，以及解決數據交易過程中的4C問題：便利性、成本、完整性和社區。②Oliver Vagner,“The Rise of Data Exchanges,”Frictionless Integration of Third-Party Data,2020.一般而言，數據市場生態系統由數據提供商、數據購買者、第三方服務提供商和市場所有者組成。

數據交易機構可以在數據交易中承擔第三方服務的角色，為數據資產增加價值的應用程序或算法。在數據交易生態中還存在著一種“數據經紀人”的特殊角色，指匯聚市場數據要素、形成豐富多樣數據產品、促進數據市場競爭和價格制定等多職責的第三方數據公司，是數據的收集者、加工者和銷售者。③李勇堅、劉奕：《數據經紀人制度的理論與實踐》，《數字圖書館論壇》2022年第10期。目前，我國數據交易供需雙方矛盾大，進場的積極性不高，數據交易機構可以承擔起數據經紀人的職責，匯聚各方原始數據，并對數據進行多種形式的開發，既提供標準化的數據產品，也根據需求方的要求進行個性化定制，這將極大地擴大數據要素交易的范圍，拓展其市場空間。同時還可以在一定程度上解決因負外部性、風險和交易成本以及信息不對稱等因素造成的市場失靈，降低且固定交易成本和風險，有利于發揮數據范圍經濟和規模經濟的優勢。

（三）從數據全生命周期服務的跨度推動數據交易機構高質量發展

數據要素的特殊性，使其交易周期也有著特殊性，數據交易機構應為數據交易全生命周期提供相應的服務。首先是數據的集成。由于不同的數據集之間可能具有互補性，為數據需求方尋找到互補的數據集，是數據市場生態的一個重要職能。在數據交易機構中交易的數據，雖然在前期進行了標準化，但必須通過不同的數據集之間進行集成，實現個性化，更好地滿足數據需求。其次是提取數據樣本。數據質量很難評估，因此數據需求方需要有一些樣本數據來驗證數據質量及是否適用。但是如何從紛繁的數據中建立一個符合需求的樣本數據集，就需要數據交易機構來完成。再次是進行數據比較。在數據交易機構中交易的不同數據集，需求方需要有機構提供專業的數據比較服務，從而使其能夠購買到適用的數據集。然后是建立數據評論系統。由于數據交易過程本身不透明，數據交易機構需要通過邀請用戶發表評論，才能對數據交易的成效作出評估。很多數據集能夠通過持續更新產生出更大的價值，數據交易機構應引導數據交易各方就數據持續更新達成協議。在條件成熟時，數據交易機構還應當建立數據更新的標準，明確數據更新的頻度與內容，從而使數據交易的價值進一步顯現出來。

（四）發展特色的數據交易機構

從數據交易機構發展趨勢來看，發展各種特色數據市場可能是未來的一個重要方向。例如，韓國目前在多個垂直領域建立了10個交易所，以支持其I-Korea 4.0戰略，預計到2023年有30000個中小型組織在這些交易所中交易數據。具體方向如下：首先，發展基于云計算的數據交易市場。例如，亞馬遜網絡服務AWS在2019年11月推出了AWS Data Exchange，目前已有了來自超過160個合格數據供應商的2500余種數據產品。其次，依托大型數據持有者建立垂直數據市場也是一個重要方向。例如，梅奧診所（Mayo Clinic）創建了一個名為臨床數據分析平臺的大型數字健康患者數據市場。再次，基于工業數據開發新的數據市場。隨著傳感器越來越普及，已經收集了大量的物聯網數據，這些數據對生產力提升有著直接的作用，而且對社會經濟進步有著顯著的影響。但是，傳感器產生的物聯網數據碎片化非常嚴重，各個不同的廠商都試圖將自己的數據處于其控制之下，缺乏數據共享或者數據交易的動力。數據市場能夠提供與傳感器數據互補的數據集，或者能夠將傳感器數據與其他數據相結合打造標準化的數據產品，從而建立起新的數據產品市場。鼓勵物聯網數據，尤其是與實體經濟生產相關的數據進入市場交易也是一個明確的政策指向，歐盟先后發布了《數據治理法案》《非個人數據在歐盟境內自由流動的框架條例》《高質量數據集實施法案》等相關政策，鼓勵非個人數據以各種方式共享，包括以交易方式實現數據在不同主體之間流動。我國工信部也發布了《工業數據分類分級指南（試行）》，鼓勵企業對非敏感工業數據進行共享。最后，加快發展人工智能數據市場。人工智能對數據的依賴程度越來越高，除了原始數據之外，人工智能對標記過的數據有著越來越大的需求。人工智能技術開發企業對數據已形成了廣泛的需求，這將推動數據市場生態發展。

四、推動數據交易機構高質量發展的政策建議

（一）明確數據交易機構的性質和地位，加快推動數據交易標準制訂與交易模式創新

在法律政策上，應對數據交易機構的地位進行明確，授予其對進入數據市場交易的數據進行溯源、合法性驗證、使用場景監管、匿名化等權力。建立數據交易機構與數字平臺企業、行業協會、公共服務部門等相關部門的合作機制，推動數據來源多元化與合規化。促進數據交易機構與政府部門、數據生產部門、行業協會等進行合作，根據數據交易的實踐制訂數據交易標準，包括數據產品標準、數據安全標準、數據匿名化標準、數據源同步和更新標準等。支持數據交易市場與其他機構的合作，重點試點數據交易機構與云計算服務商的合作。例如，數據交易服務商Snowflake在所有三個公共云（AWS，微軟Azure和谷歌云平臺）上運行，并于2019年6月推出了Snowflake Marketplace，已擁有來自近100個數據供應商的156個數據集，這個市場是完全云原生的，每個客戶都可以與任何其他Snowflake客戶無縫共享數據，而無需移動數據，也不需要傳輸文件和創建數據副本，從而提供無摩擦的數據共享體驗。

（二）推動數據交易機構的兼并重組，促使數據交易市場跨越臨界規模實現正循環成長

在政策層面，推動數據交易機構進行兼并重組，使數據交易市場能夠突破臨界規模，提升其交易效率。在前期，可以通過規范公共數據開放，擴大合法數據來源，鼓勵數據進場等措施匯聚更多的需求方和供給方，從而快速擴大交易規模，更快突破臨界規模。在市場生態層面，出臺支持數據交易生態內主體發展的相關政策，推動數據生態快速形成，與數據交易市場的成長形成互補。針對數據交易市場的參與主體，尤其是交易生態內的主體，要考慮到其前期業務規模較小、生存壓力大等問題，出臺相關的扶持政策，引導和培育數據經紀、數據驗證、數據戰略咨詢、數據合規、數據運營等服務機構成長，形成良好的數據交易生態。

（三）構建數據交易的服務體系，為數據交易機構運行提供依據和保障

建立對數據來源進行溯源的制度標準，發展數據交易機構數據溯源等相關服務，出具相應的證書文件，明確可交易數據的標準。試點建立數據使用場景的“通用”跟蹤基礎設施，對數據交易后的使用方向進行動態跟蹤。積極試點個人數據調解員（MID，Mediators of Individual Data），對個人數據交換、使用、交易、利益分配等進行協調，推動更多的個人數據在符合各方利益的情況下進場交易。推動數據交易機構建立區塊鏈、隱私計算等數據交易技術基礎設施，推動新技術在數據交易領域的應用。

（四）完善數據交易機構的監管法律政策體系，明確數據交易機構行業統一的主管部門

數據交易機構作為數據交易市場的重要載體和場所，不可避免地涉及個人隱私、商業機密等，數據交易機構的良莠不齊將嚴重威脅數據安全和價值發揮。但目前數據交易的監管機構并不統一，實際治理過程也存在多頭管理現象。因此，應加快推進數據交易機構的監管立法，明確監管數據交易機構的主管部門，從而規范數據交易機構的行為。