数据要素五论：信息、权属、价值、安全、交易

对违反要求的企业处以罚款；等等。进而打造美日欧互认的数据共同体，建立以西方为中心的数据跨境流动规则框架。

第五章

数据交易

一 数据交易的三大基础：权属 价值 安全

数据是当今时代的新型生产要素，在经济增长中发挥了重要作用。数据的适用性广泛，既能在各种经济生产场景中提高效率，也蕴含了大量的信息与知识。

在微观层面，数据是知识的重要载体，是个人重要的信息来源。对企业而言，数据蕴含市场中的用户信息，是企业制定运营策略的依据。在数字行业中，初创企业需要获取原始数据资源积累，如果市场中数据融通比较困难，则容易在某一数字领域形成较高的进入壁垒。数字 大厂 也易于将在某一领域的数据优势拓展到其他领域，进而形成数字生态型垄断。由此，数据的流通是必然的趋势，数据的融通与交换能促进知识共享，创造更多的价值，让数据要素更具活力。

数字交易是实现数据融通的重要方式，具体是指在市场交易规则下，以数据产品或数据服务为交易目标的交换行为。它属于数字经济的基础性环节，能够有效提升数据的流通效率，增加数据要素的生产价值。广义的数据交易还包括数据交易产业链上涉及数据价值深度挖掘的交易服务和技术服务。

前面的章节论述了与数据（信息）相关的三个基础概念，即权属、价值、安全，这三者正是数据交易能够推行的关键要素。权属是数据交易的本质，价值是数据交易的条件，安全是数据交易的保障。

（一）权属是数据交易的本质

在传统经济中，商品的交换与买卖是市场的核心，其本质是通过付费实现商品的所有权转移。但当数据成为交易对象时，如果数据权属不明确或数据安全保护不到位，数据拥有者就可以将数据无限复制，从而破坏 所有权 的交易。当市场中的参与者进行数据交易时，数据在交易之后被转卖、二次处理等情形，将导致市场参与者对数据交易持保守的态度。数据的 非竞争性 让数据的交易变得困难，其本质是数据所有权转移的困难。

究其本质，数据的^“非竞争性^”导致传统交易中^“所有权^”交易方式不适用。由于权属实际是交易的本质，因此确权上的模糊导致数据交易很难开展。所以，管理者需要根据市场中的需求将数据的权属细化，如将数据权属细分为^“使用权^”“访问权^”“转售权^”等，这样数据权属交易的目标能更加明确。由此，交易发生后，卖方将确保数据在己方可以接受的范围内使用，管理者也能对买方后续的行为进行针对性监督。不仅如此，交易权属的细化也有助于交易价格的明晰，比如数据访问权的价格应该低于数据使用权的价格。

数据这一新型生产要素，其特殊性一方面来自非竞争性，另一方面，数据还与大量的个人信息相关联（例如互联网企业收集的大量个人数据）。非竞争性需要在交易中细化数据的权属，而个人信息则带来数据权属确定的困难。基于数据是否与个人相关联，可以将其分为个人数据与非个人数据（完全无法与个人相关联的数据）。

较于个人数据，非个人数据的权属较为清晰，可以认为全部属于某一企业，同时不涉及个人隐私信息，企业进行后续处理时几乎没有隐私风险。但被企业收集的个人数据的权属则较为模糊，针对企业或者个人控制的此类数据，权属的类型决定了数据后续处理的方式。企业如果出售这部分数据，是否要征得数据涉及的所有个人的同意，出售获得的利润是否及如何分配给所有者，都需要解决数据权属的问题。

目前，大部分个人数据无法明晰权属，即使应用隐私保护技术也存在信息丢失的可能性。理想的权属关系、安全保护技术以及数据规制，需要采用实践先行的策略逐步迭代构建。首先通过机制设计激发数据交易的活跃性，在实践的经验中不断完善数据确权方式，才能探索出既有深刻理论依据，又能服务市场的数据确权新模式。

（二）价值是数据交易的条件

商品交易需要双方认可交易价格，因此，价格是双方都能接受的交易条件。价格是商品市场均衡的结果，也是商品价值的直接体现。当数据权属确定后，针对数据某一权益的定价是否合理及公允，是该数据交易能否达成的条件。

中国信息通信研究院政策与经济研究所. 数据价值化与数据要素市场发展报告（2021年）[R]. 北京：中国信息通信研究院政策与经济研究所，2021.

目前针对数据定价的实践努力是数据的 三化 ：资源化、资产化、资本化。 数据进入金融及资本领域，将拥有更好的流通性，这有助于为数据确定价值。

（1）数据资源化

数据资源化是指通过收集、处理、整合、分析等数据科学的方法，将无序、无价值的数据转化为达到可采、可见、标准、互通、可信标准的有序、有价值的数据资源。

（2）数据资产化

数据资产化是指数据通过机构内部使用或流通交易的方式，为使用者带来经济利益的过程。

资产是资源的子集。可以作为^“资产^”的数据资源，需要满足两个条件：一是数据本身可产生价值，二是可帮助现有产品实现收益的增长。

数据资产化是数据要素市场发展的关键，其本质是希望数据通过交换，在市场中形成其自身的经济价值。

（3）数据资本化

数据资本化是指数据由货币性资产向可增值的金融性资产（比如股票）转化。

数据资本化可以让数据拥有者（融资者）和数据投资者共同分享数据经济收益。从数据拥有者的角度来看，在数据资本化后，其仍可保有数据的相关权利，因此在实现资金融通的基础上，可以对数据进行进一步分析，继续实现其经济价值。从投资者的角度来看，与股票市场类似，可根据市场条件对数据进行投资，共担风险，共享收益。数据资本化主要包括四种方式：数据证券化、数据银行、数据质押融资、数据信托。

目前学者们针对数据价值的理论研究，主要分为两种思路：一是基于市场来定价，即不基于数据本身属性标价，而是根据市场反应定价；二是基于数据价值来定价，即根据数据本身的统计性质或与机器学习模型的集合厘定数据本身价值，从而确定数据价格。

下面介绍几种基于市场的数据定价策略。

拍卖定价：对数据进行公开竞价，出价最高者获得数据，数据的复制份数自然会影响拍卖出价。 注

Kephart J O，Brooks C H，Das R，et al.Pricing information bundles in a dynamic environ-ment[C]//Proceedings of the 3rd ACM Conference on Electronic Commerce，October，2001：180-190.

动态定价：根据当前市场的实时变化与买方反应制定策略为产品定注价，卖方往往综合市场中的多种因素，通过定价寻求最大利润。

Bocken N M P，Mugge R，Bom C A，et al.Pay-per-use business models as a driver for sus-tainable consumption：evidence from the case of HOMIE[J].Journal of cleaner production，2018，198：498-510.

使用量定价：根据使用数量确定支付价格，如流量、计算资源等。 注

Myers B A，Stylos J. Improving API usability [J]. Communications of theACM，2016，59（6）：62-69.

免费增值定价：在服务中设立免费和付费两种模式，利用免费模式展示产品吸引买方。 注

Niyato D，Alsheikh M A，Wang P，et al.Market model and optimalpricing scheme of big data and internet of things（IoT）[C]//2016 IEEEInternational Conference on Communications（ICC），2016：1-6.Shen Y，Guo B，Shen Y，et al.Personal big data pricing method based ondifferential priva-cy[J].Computers& security，2022，113：102529.

基于数据价值本身的定价，包括第三章提及的信息价值、影响函数、信息熵、数据沙普利值等。还有一些学者以数据的实效性、数据集的大小辅助定价 ，或是将数据贡献视作个人的^“隐私披露^”，使用差分隐私技术手段量化隐私为数据定价 。除此之外，一些机构也给出了数据定价的具体公式。光大银行联合瞭望智库发布《商业银行数据资产估值白皮书》，提出了BVI（业务价值）及IVI（内部价值）这两种非货币的估值方法：业务价值代表数据对其业务的贡献的估值；内部价值

体现了数据本身的统计特性估值。普华永道在《开放数据资产估值白皮书》中，提出了 数据势能 这一概念，公共数据资产价值受到公共数据开发价值、潜在经济价值呈现因子、潜在社会价值三方面的影响，由这三者相乘计算。结合专家打分法，白皮书对18个省级公共数据开放平台进行了实证评估。

（三）安全是数据交易的保障

数据交易的达成还需要构建安全可靠的市场环境。数据交易中的安全需求主要来自两个方面。一方面，数据交易大部分是个人数据的交易，个人隐私的安全需要保障。在App层面，平台与用户签订个人信息处理、使用同意书，但个人网购行为数据经过交易后，若加密措施不完善，买方可以通过技术手段从数据中还原个人信息，进而进行不正当牟利，损害个人权益。另一方面，交易完成后的数据卖方权益也需要保障。比如，买方在购买数据后，对数据的不当使用或违反数据交易协议，进而转售或牟利，造成卖方的权益损失。

由此，保障数据安全能保证合规正当的数据交易者的权利，尽管这可能会增加数据交易过程中的成本，但最终将筛选出市场中的^“良币^”，促进市场规模逐步有序扩大。

在保障数据安全方面，同样可以分为两个维度：一是规制上的要求，明晰买卖双方的权利与责任；二是技术手段的支撑，既能对买卖双方的交易行为进行有效的监督，又能通过加密手段杜绝或减少隐私的泄露。

在规制方面，《中华人民共和国数据安全法》是我国数据安全管理的基本法律，重点关注数据安全保护和监管。随着我国在数据安全方面的法律法规及标准规范的不断完善，逐步建立了以《网络安全法》《数据安全法》《个人信息保护法》等为统领，地方和部门行政法规、行业规章为支撑，规范及规定文件为配套的数据合规合法制度体系。（见表5-1）

除此之外，数据的分类分级管理是我国保障数据安全的重要基础制度。数据分类是根据某种标准，按照属性或特征对数据进行划分。数据分级是根据数据的重要性和敏感程度，或非法使用后的影响程度来对数据进行划分。

《数据安全法》第二十一条规定 国家建立数据分类分级保护制度，根据数据在经济社会发展中的重要程度，以及一旦遭到篡改、破坏、泄露或者非法获取、非法利用，对国家安全、公共利益或者个人、组织合法权益造成的危害程度，对数据实行分类分级保护^”。

2021年11月，国家互联网信息办公室发布《网络数据安全管理条例（征求意见稿）》，其中第五条提出^“按照数据对国家安全、公共利益或者个人、组织合法权益的影响和重要程度，将数据分为一般数据、重要数据、核心数据，对不同级别的数据采取不同的保护措施。国家对个人信息和重要数据进行重点保护，对核心数据实行严格保护^”；第二十七条要求^“各地区、各部门按照国家有关要求和标准，组织本地区、本部门以及相关行业、领域的数据处理者识别重要数据和核心数据，组织制定本地区、本部门以及相关行业、领域重要数据和核心数据目录，并报国家网信部门^”。

上述条文对于^“重要数据^”尚没有统一的定义，但部分行业已开始实践相关要求。例如，2021年10月，《汽车数据安全管理若干规定（试行）》开始实施，国家互联网信息办公室在其中首次明确界定了汽车行业重要数据的范围。

在保障安全的技术手段中，针对数据本身有加密存储、分级分类、数据脱敏、数据去标识等方法。数据交易、流通则涉及一些隐私计算的技术，如秘密共享、同态加密、差分隐私、联邦学习等手段。具体的技术与安全问题在第四章已经进行了较为详尽的讨论，本部分不再赘述。

综合来看，目前数据交易领域常见的数据与数据产品主要涉及可公开的、较低安全层级的数据，其能够挖掘的价值有限。由于安全等级较高的数据蕴含大量价值，其正逐渐成为新一代数据交易所关注的重点交易对象。国务院办公厅印发的《要素市场化配置综合改革试点总体方案》中也提出了探索 原始数据不出域、数据可用不可见 的交易范式，在保护个人隐私和确保数据安全的前提下，分类分级、分步有序推动部分领域数据流通应用。