一、数据交易的实践探索与发展模式

（一）数据交易的发展现状

从国外看，各国数据交易各有特点。美国的数据交易市场主要有C2B（用户把自己的个人数据贡献给数据平台，数据平台给付用户一定数额的商品、货币、服务等对价利益）、B2B（数据平台以中间代理人身份为数据提供方和数据购买方提供数据交易撮合服务）和B2B2C（数据平台以数据经纪商身份，收集用户个人数据并将其转让给他人）三种模式。欧盟通过“数据生产者权利”鼓励（特殊情况下强制）企业授权第三方访问其数据，促进数据流通和增值，同时基于（FRAND）条款建立数据许可框架，为中小企业和初创公司提供更公平的数据利用机会。日本通过开展大型科技企业数据垄断审查等一系列举措，推动形成政府、数据交流平台、数据银行、数据流通协会、数据流通运营商和国内外企业共同参与的数据流通市场。

从国内看，我国数据交易一直处于探索阶段。从政策来看，2015 年，国务院在《促进大数据发展行动纲要》率先明确提出“引导培育大数据交易市场”；2016年，工信部在《大数据产业发展规划 2016-2020》文件中进一步明确了大数据交易的发展目标、建设路径和保障措施；2019年，十九届四中全会决议，首次将数据增列为生产要素，要求建立健全由市场评价贡献、按贡献决定报酬的机制；2020年，国家《关于构建更加完善的要素市场化配置体制机制的意见》，明确提出要加快培育数据要素市场。2021年，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》，明确提出建立健全数据产权交易和行业自律机制，培育规范的数据交易平台和市场主体，发展数据资产评估、登记结算、交易撮合、争议仲裁等市场运营体系。从实践来看，上海、贵州等地方政府从2015年开始，一直在探索大数据交易机制，上海数据交易中心、贵阳大数据交易所等一批政府背景平台已经建成并投入使用，但也面临交易清淡等现实问题。随着数据要素明确成为生产要素，北京国际大数据交易所、北部湾大数据交易中心、粤港澳大湾区数据平台等交易所纷纷成立，数据交易所的建设热潮再次出现。阿里、腾讯、百度、京东、数据堂等企业也纷纷建立数据交易平台。

（二）数据交易的发展模式

总结起来，国内外数据交易，呈现以下四种模式：

第一，基于大数据交易所（中心）的大数据交易。基于大数据交易所（中心）的交易模式是目前我国大数据交易的主要建设模式，比较典型的代表有上海数据交易中心、贵阳大数据交易所、长江大数据交易所、东湖大数据交易平台等。第二，基于行业平台的大数据交易。交通、金融、电力等行业分类的数据交易起步相对较早，由于领域范围小，数据流动更方便。基于行业平台的数据标准较易实现对行业领域交易数据的统一采集、统一评估、统一管理、统一交易。第三，互联网生态的大数据交易。以百度、腾讯、阿里巴巴、京东等为代表的互联网企业凭借其拥有的数据平台和数据规模优势，在大数据交易领域快速“跑马圈地”，并派生出百度API Store、京东万象等数据交易平台。第四，大数据企业推动的大数据交易。国内以数据堂、优易数据等为代表的数据资源企业，通过专门的数据采集和数据应用平台，推动数据交易，在数据交易产业链中兼具数据供应商、数据代理商、数据服务商、数据需求方多重身份。

二、数据交易存在五大难点

（一）数据产权确权难

权属关系是生产要素至关重要的属性，也是数据交易的基础。但是数据产权确立存在以下四个难点：第一，现有的物权法、合同法、知识产权法等法律规范在信息革命和数字经济时代未能及时完善；第二，数据具有数字化、易复制、易传输、易修改等特点，使数据确权更加复杂困难；第三，原始数据和衍生数据的产权难界定，若将原始数据及衍生数据的产权完全界定给个人，则可能会因为界定程序繁琐、成本较高而影响数据资源的优化配置；若将其界定给收集数据的企业，一方面可能导致“大数据杀熟”“二选一”等数据垄断，另一方面易侵犯个人隐私；第四，对数据产权规制过严可能会限制企业创新，以收益权为例，若将收益权赋予平台企业的用户，则政府等第三方实施监管的成本很高，同时用户自身也需要核实平台企业的数据收益，并做好维权准备。较高的交易成本一方面可能使用户获益较少，另一方面，平台企业也可能放弃处理数据，最终影响到整个社会的数字化创新。

（二）数据定价机制不完善

数据定价机制的形成使数据要素具备在市场中的可转让性，因而成为培育数据要素市场的重要问题。目前数据定价机制取得一定成果，探索形成了信息量定价、成本法定价、市场定价和预期收入定价等数据定价方法。但是由于数据自身存在的无形性、可复制性、可共享性等特点，使数据定价过程中存在以下三个难点：第一，数据买卖双方存在信息严重不对称，对数据质量、数据成本和收益难以计量，当数据交易主体较少时，自由市场难以定价，存在价值价格的偏离；第二，数据要素的生产过程涉及感知、采集、传输、存储、计算等多个环节，参与主体多元化使得数据要素的确权和定价尤为困难；第三，数据要素的异质性显著，包括数据结构异质性、搜集主体各不相同、价值高度依赖使用场景等，很难有一套统一的定价方法，容易形成“千人千价”的价格市场局面。

（三）数据价值化程度低

数据价值化按照资源化、资产化、资本化加速推进。目前数据价值化存在以下难点，第一，随着数据量增大、维度增多，数据复杂化、定义模糊化程度越来高，对数据进行清洗、脱敏、分析、建模、可视化处理加工深度和难度增大，而中小企业不存在大量的、复杂的数据处理能力；第二，数据产品商业化程度低，数据与具体的业务融合程度低，未形成由市场决定的数据产品包装、数据产品售卖体系，如京东万象也仅仅是提供数据API等服务；第三，数据价值随时间变化，数据具有高时效性的特点，用户的需求和兴趣具有转瞬即逝的特点，数据一旦无法得到有效及时的处理便会丧失预期的价值。

（四）数据安全保护难

在数据交易过程中，第一，数据黑色产业链日益成熟，数据攻击、黑客侵入、数据破坏、数据泄露、数据篡改、数据被恶意利用和买卖等现象频发；第二，个人数据泄露事件不断发生，非法获取、泄露和非法出售个人信息行为不断发生；第三，数据垄断、数据和算法导致的人们对其过分“依赖”问题、社会“被割裂”等伦理问题以及“爬虫调查风暴”等数据安全事件频发。

三、数据交易发展建议

（一）建立以数据产权为核心的数据确权体系

第一，从数据作为生产要素的角度出发，明确个人数据和数据交易主体的数据所有权、使用权和收益权等数据权利，合理分配数据要素生产过程中各参与主体的权益，保障个人数据权益不被侵犯，最大化数据生产链与交易链中的数据增值。数据所有权方面，从数据产业链条来看，数据主要分为原始数据和衍生数据。个人享有个人数据权；当衍生数据涉及个人数据时，该部分数据主体享有个人数据权，同时，从鼓励创新的角度来看，可参考欧盟的做法，将匿名数据产生的衍生数据的产权界定给企业；政府享有政府数据的归属权。数据使用权方面，个人数据使用侧重于人格权的行使与保护；企业数据使用强调用权与限权的结合，“数据清洗”前，权利主体有用户与数据收集企业，包括用户的数据人格利益与企业的数据财产利益；在“数据清洗”后，只局限于数据财产利益。数据收益权方面，可赋予政府、企业、个人三类主体用户收益权。第二，利用区块链等相关技术，将各参与主体在数据采集、存储、处理、交易、应用等节点上的数据行为进行记录与追溯，保障各参与主体的数据权利。第三，基于权利与经济利益的等价关系，通过建立包括数据定价在内的新型经济利益分配体系，间接地完成数据确权。

（二）探索建立透明的数据定价机制

第一，完善数据要素定价的基础理论，探索构建不同交易场景多因素数据定价机制，鼓励企业进行数据交易，对于供需双方数量较多且交易比较频繁的交易，可以更多地放任市场供求自行确定价格；第二，探索建立从数据、算法定价到收益分配的涵盖数据交易全生命周期的价格体系，让每个参与方都能按贡献比例按劳分配得到相应收益；第三，根据交易数据的特征建立完善的数据要素估值体系，当出现供求双方数据垄断时，以数据估值体系来保障数据交易竞争的效率。

（三）提升企业数据价值化能力

第一，中小企业缺乏大量复杂数据的处理能力，政府可以主导建立专业性的大型数据聚合平台，使中小企业数据在平台汇聚，通过以数据服务方式，为中小企业提供一对多的交易服务；第二，鼓励大型互联网平台企业建立符合中小企业需求的数字化平台，为中小企业提供数据接口，提供数据分析服务；第三，鼓励互联网企业不仅提供数据服务，而是更加充分参与数据要素交易，针对不同业务场景对数据产品进行“包装”售卖。

（四）构建“供给、需求、监管”数据安全生态体系

第一，作为数据供给方，在参照既有立法和标准的基础上，建立数据安全分级分类管理制度，在保障自身的数据分析加工活动和数据服务交易行为合法性和安全性，对涉及个人信息和用户隐私的数据取得用户的合法授权或进行匿名化处理。对于政府数据（公共数据）开放平台，加强数据安全保护，防止数据泄露引发大规模社会安全问题。第二，作为数据需求方，下游数据需求方是否具备保障数据隐私和安全审查的能力，可作为是否达成数据服务交易的一项关键考量因素。第三，作为数据监管方，一方面，强化数据分类分级保护及重要数据管理，要对政府数据、企业数据、个人的原始数据（一般个人数据、敏感个人数据以及个人生物识别信息数据等）进行分级分类监管；另一方面，强化技术创新，推动安全多方计算、联邦学习等隐私计算技术应用，从技术层面实现数据可用不可见，保障数据安全与发展并重。

注：本文摘自赛智时代数据要素课题组魏贝、周振松完成的研究报告，详细内容请点击饮鹿网产业报告栏目阅读。

▎本文系Innov100原创文章，转载请标明出处。

更多精彩内容请登录https://www.innov100.com官方网站

或扫描下方二维码，点击关注微信公众号（ID：sagetimes）

点赞(0)

分享

• 复制链接
• 微信扫一扫