数据要素市场主体培育的现实困境、国际经验与启示

管茜 夏义堃

摘   要：数据要素市场主体是数据要素市场的基本依托和核心枢纽，市场主体的培育对于提升数据要素市场活跃度与创新力至关重要。文章基于市场经济理论、数据价值链等理论，从广义和狭义两个层面阐明数据要素市场生态系统和数据要素市场竞争主体的内涵与结构。在刻画多层次数据要素市场主体关系谱系基础上，分析数据要素市场主体发展面临的地位落差、利益失衡、自律缺失和能力错位等困境。比较分析代表性国家和我国基于“价值与安全”理念分化而导致的数据要素市场主体不同发展模式、供给机制、监管机制和培育机制的优劣。最后，提出我国数据要素市场主体培育要强化数据获取与再利用，建设“宽进严管”的全流程监管机制，整体性与针对性相结合的培育举措。

关键词：数据要素；市场主体；数据生态系统；数商

中图分类号：F49   文献标识码：Ａ   DOI：10.11968/tsyqb.1003-6938.2023019

Abstract The data factor market entity is the basic support and core hub of the data factor market， and cultivating the market entity is crucial to the market vitality and innovation. Based on market economy theory and data value chain theory， this paper expounds the connotation and structure of data factor market ecosystem and data factor market competitors from both broad and narrow sense. Based on the description of the relationship spectrum of multi-level data factor market entitity， this paper analyzes the dilemmas with status gap， interest imbalance， lack of self-discipline and ability dislocation. Comparative analysis of representative countries and China based on the concept of "value and safe" differentiation， results in the advantages and disadvantages of development model， supply mechanisms， regulatory mechanisms and cultivation mechanisms of data factor market entity. Finally， it is proposed that the cultivation of Chinese data factor market entity should strengthen data acquisition and reuse， construct the regulatory mechanism of the whole process of "wide entry and strict management"， and combine the cultivation measures of entirety and pertinence.

Key words data factor; market entity; data ecosystem; data commercial subject

數据要素市场主体既是数据价值的创造者，也是推动数字经济高速发展的内生动力。数据要素的生产流转无不依赖于市场主体的价值创造活动和市场分工合作，市场主体的规模、创造力、竞争力是数据要素市场活跃度的关键指标，其价值理念与行为选择折射数据要素市场生态和市场成熟度。因而，要实现“数据二十条”等重要文件提出的培育数据要素市场、建立数据要素市场体系的战略目标，必须大力培育和促进数据要素市场主体的健康发展。

当前有关数据要素市场主体的相关研究基本遵循两条主轴：一是在理论层面针对数据要素市场主体功能职责与组织形式展开探讨（见表1），研究方法上多采取自下而上的例举归纳法，从供应链位置、产品形式、经营模式等角度梳理。一方面，例举法虽然能够揭示市场主体部分特征，但难以穷尽所有主体，极易忽略市场主体本质内涵。如有学者根据对数据价值链重要程度的影响，将主体分为从事数据价值链基本活动的数商和从事辅助活动、构成营商环境的营商两大类［1］。也有学者进根据数据产品的形式差异将数商进一步细分为原始数据供应商、汇集型数据产品供应商和演绎型数据产品供应商［2-3］；另一方面，不同维度归类方案易存在概念交叉，如数据生产加工类和数据再利用者、数据中介和数据交易平台等职责交叉，市场主体的功能定位与盈利空间错综交织，反映当前研究对数据要素市场主体的类型学划分缺乏学术共识。

二是在实践层面研究市场主体结构失衡和运行失序问题。一方面供需结构性失衡表现在进场企业少、交易数量少、成交金额少［17］，究其原因在于数据获取困难［18］、安全隐私风险的阻碍［19］、数据人才和技能缺失［20］等因素制约市场主体高质量供给。研究表明，为深化供给侧结构性改革，应构建数据权属保障、数据价值评估等制度规则体系，加大企业孵化器、风险投资、财政补贴等资金支持，并加快数据基础设施建设、技术研发投入等综合保障措施，多措并举激励主体参与市场活动［21-22］；另一方面，聚焦垄断经营［23］、安全风险［24］等主体运行失序问题，分析其干扰市场主体利益分配，侵犯数据生成主体权益，破坏市场主体可持续发展等诸多危害［25-26］。为此，研究提出智能监管［27］、多主体监管［28］、全流程监管［29］等不同监管模式。但对此学术界尚未达成共识，如有学者反对全流程监管，支持适当放松事前监管，建议实施以信用监管为核心的事中、事后监管体系［30］。

总体而言，当前对数据要素市场主体的内涵、权责范畴和关系结构的研究仍有待深入。本文将在系统梳理数据要素市场主体概念内涵的基础上刻画其多层次的关系谱系，聚焦主体发展的现实困境，并借鉴代表性国家在激发数据要素市场主体活力、培育及监管市场主体方面的有效举措，提出加强我国数据要素市场主体培育的可行路径。

1   概念内涵与困境分析

市场主体是数据要素市场体系的核心构成，而市场交换关系本质上是市场主体数据行为的交互协同。鉴于数据要素化、市场化自身的复杂性以及不同主体竞争与协同并存的耦合关系，本文运用市场经济理论、数据价值链理论来解构数据要素市场主体的内涵边界和关系谱系，并据此推导市场主体在数据要素市场运行中发展遇阻的深层次原因。

1.1    数据要素市场主体的概念界定

从宏观市场功能来看，广义的市场主体包括作为监管主体的政府以及市场的生产经营者、消费者、中介机构等，而狭义的市场主体是以盈利为目的从事商品生产及经营活动的市场竞争主体［31］。据此，广义的数据要素市场主体由个人、企业、政府依次充当原始生产者、处理和控制者、监管者，不同主体的有效运行及相互关系构成了数据要素市场生态系统；而狭义的数据要素市场主体，则为从事营利性数据生产和经营活动的原始数据提供商、生产加工商和运营商等，数据产品的供需流转形塑了数据要素市场的竞争主体与竞争结构。

（1）数据要素市场生态系统

数据生态系统承载数据资源循环流动和持续性价值增值功能，包括资源、动力、主体、社会环境四大构成要素。因此，数据要素市场生态系统包括多形态的数据资源，持续性市场需求，市场主体关系网络与功能职责，以及数据基础设施、信息技术等社会技术环境四大组成部分。各组成部分之间相互依托、互为促进，并通过创新生态系统、流通系统、辅助支撑系统实现数据要素的市场化配置。其中，创新系统承担数据资源生产和增值功能，通过数据采集、加工、开发过程中的数据汇集、数智融合实现“数据-信息-知识-智慧”的价值跃升，为不同类型、不同层次的用户提供多样化数据产品；流通系统承担数据产品流转和价值分配功能，解决系统内数据要素在合适时间流向合适主体、以及价值分配和风险分摊的问题，涉及交易撮合、数据价值评估、风险审计、售后保障等多类型市场主体；辅助支撑系统则是以创新和流通系统为服务对象的支撑体系，包括从事数据基础设施、信息技术、数据人才、市场监管等主体，助力数据要素市场的高效配置和公平分配。

三大子系统内的市场主体间存在动态转换和松散耦合关系。一方面，市场主体业务的复杂性和多样性，决定某一市场主体可兼任、转换其在子系统中的功能职责和位置关系，如数据经纪人、数据代理人、数据交易平台等数据运营商，既能以上游数据提供者身份参与创新生态系统活动，又可承担各类数据商品的交易流通任务；另一方面，由于产品的多元化、系统的开放性、主体竞争合作性，三大子系统市场主体依托数据生产链构成一种松散的耦合关系，如提供数据集产品和智能解决方案产品的市场上下游主体的可形成多样化组合关系（见图1）。

（2）数据要素市场竞争主体

数据要素市场竞争主体是以营利为目的，以数据资源化、产品化和商品化为核心业务和收入来源，推动和实现数据要素市场资源有效供给、高效配置的关键性驱动主体，是有效衔接供应-需求的重要枢纽。

根据数据资源化、产品化、商品化的上中下游业务功能特点，不同数据主体所承载的业务范围、市场定位也各不相同。其中，上游数据资源化的核心在于激活数据潜在价值，包括承接数据分级分类、数据资源目录、数据清洗、数据标注等业务的数据汇聚提供商、数据质量评估商、数据加工服务商等主体。其目的在于实现数据要素的规模化汇聚和标准化控制，具有资源密集型和劳动密集型特征。中游数据产品化的重心在于凝结数据使用价值，满足市场多元消费需求，如数据分析服务、数据技术与应用服务等主体通过技术、知识等投入，设计、开发面向政府、工业、健康医疗、交通、公安等行业的多元数据产品，具有明显的技术密集型和知识密集型特征，因此必须解决数据权属纠纷以保证主体利益，从而激励产品创新。下游数据商品化的目标在于实现数据交换价值［32］，面向消费者实现数据产品交易，如数据合规服务商、经纪服务商、交付服务商等提供市场准入、交易撮合、交易监管等服务。最后需方将所得数据商品投入自身产品生产，实现其对整个社会经济发展的宏观效应，且使用过程持续积累新的原始数据，并借助数据治理服务商等多元主体的参与，实现数据要素在供需端的持续循环（见图2）。

1.2    数据要素市场主体培育困境

培育和谐共生、充分竞争且彼此合作的数据要素市场主体，需要破除当前市场主体在市场地位、利益分配、市场自律、能力结构方面的阻碍。

（1）不平等的市场地位

当前，数据要素领域存在“计划管理——市场调节”或“政府控制——市场配置”的二元结构［33］，公共数据主要依赖自上而下计划管理，企业数据则以市场调节为主，导致各类数据要素未能协同调配，两种配置手段不能相互补充，从而阻碍了市场主体及时、准确获取数据要素生产资料。

首先，政府主导下的国有企业与民营企业数据获取地位不平等。政府控制大量公共数据，一些高价值密度的数据不是以开放途径而是通过授权许可、特许经营等手段开放给特定的国有企业［34］，或者是仅在公共部门内部交换；其次，在市场配置手段下，大型企业与中小企业数据支配地位不平等。数据要素的高固定成本、低边际成本特性，使得平台型企业为收集、存储和分析数据付出了昂贵成本，为保护自身权益就会限制其他市场主体访问和获取数据［35］。此外，平台型企业依托其用户规模和资金技术优势，而中小型、初创型市场主体受限于权力、资源和技术而无法积累、获取同等质效的数据要素，企业间激烈的数据竞争使得市场新进入者很难打破数据要素市场准入壁垒，与占据市場支配地位者展开公平竞争；第三，数据生成主体和数据控制主体的数据权利地位不平等。在“知情/告知-同意”模式下，数据生成主体实际是以个人数据让渡来置换服务，消费者与服务提供商在技术能力方面的差异更是使其陷入被动支配地位而难以控制其个人数据并获得合法收益。为此，欧盟《一般数据保护条例》和我国《个人信息保护法》均规定“不得以个人不同意处理其个人信息或者撤回同意为由，拒绝提供产品或者服务”，然而过分强调数据生成主体权益在一定程度上增加了中小企业的数据合规成本。这种数据主体和数据控制者的“零和博弈”［36］，加剧了市场主体间的紧张关系，阻碍了数据要素在主体间的循环流通。

（2）不均衡的利益分配

相比传统市场主体的纵向合作、横向竞争，数据要素市场主体面临横纵向双重竞争挤压，阻碍多层次数据要素市场主体培育。

一方面，部分市场业务尚未形成稳定成熟的收益模式，导致数据要素市场横向同质化竞争，差异化不足，据《全国数商产业报告（2022）》，我国现有数据资源集成商约41万家，占数商市场21.41%，而数据交易经济服务商仅有4649家，占0.24%；另一方面，数据利益与数据产品权利归属的模糊性，阻碍上下游分工合作，纵向竞争取代纵向合作。既表现在上游主体不愿出让数据给下游生产加工商［37］，如腾讯诉浙江搜道网络技术有限公司、杭州聚客通科技有限公司，擅自收集微信用户数据用作广告分析［38］。还表现在大型科技公司通过兼并、收购等手段对上下游业务的侵占，全能型、复合型企业数据要素市场主体出现，“赢者通吃”产业发展模式加剧了企业间分工边界模糊，形成垄断型企业挤压上下游企业和中小企业、攫取超额利润的局面。

（3）不充分的市场自律

当前数据要素市场主体的行为自律不足集中表现在两个方面：一是平台型企业、政府机构作为数据提供者独占数据资源，压缩中下游市场主体数据开发利用空间；二是作为数据市场经营者的数据中介攫取超额利润，打击供需主体数据创新积极性。

一方面，政府占有大量数据并向特定主体授权，授权标准模糊与缺乏依据极易引发权力寻租［39］，增添额外制度成本，被独家授权的主体还可能不当提高数据产品的定价，侵害消费者的权益，阻碍数据产品的多样化开发；另一方面，平台型企业依靠其垄断支配地位［23］，不仅导致独占数据、操控价格、限制排除竞争、攫取超额利润等影响市场公平竞争的卡特尔行为，同时衍生算法剥削、数据不当使用、安全风险等系列问题，影响市场主体和谐发展。如平台型企业大规模数据汇集使得即便经过脱敏、匿名化处理后的数据，仍然可能在多源数据整合、关联分析后变为敏感数据，从而危及国家机密、商业秘密和个人隐私［40］。

数据要素市场的阿罗信息悖论加剧了中介机构的自律缺失和运行失序。由于数据价值的不确定性、数据要素市场的信息不对称、供需双方数据权利的不对等，需要可信中介机构平衡主体数据关系、参与数据流转交易。但现实运行中，“生产者-中介机构-消费者”之间的哑铃型结构进一步凸显了中介机构的市场主导作用，导致其可以利用上下游之间的信息差，压低上游生产者价格，抬高出售价格，攫取大量中间利润。因此，如果没有强有力的多主体数据行为监管与实时高效的透明度，则难以培育数据要素市场主体信任关系，不利于提振生产端和消费端的主体积极性。

（4）不匹配的能力结构

数据要素市场主体发展需要专业化、复合型数据人才支撑。有竞争力和创新力的市场主体不仅具备“定义、协调、收集、策展、获取、分析、可视化、传播、实施和评估”基本数据能力［41］，还包括法律和政策能力、价值评估能力、专家沟通能力、业务能力和服务能力［42］，以及市场主体间异质技能和持续创新的新方法［43］。

与之相对的是当前数据要素市场主体的人才结构与市场发展需求之间的不匹配。根据《网络安全产业人才发展报告（2022）》分析，我国数据安全相关人才尤为紧缺，预计2027年缺口将扩大到300万人［44］。数据清洗脱敏、数据建模等细分领域专业人才缺失，以及数据知识技术的快速迭代和数据人才培养必要周期之间的矛盾［20］，使得数据人才缺口已成为数据要素市场主体发展的掣肘。此外，不同数据要素市场主体对数据人才能力结构要求存在差异，精准的人才需求描述和匹配对市场主体也构成挑战［45］。

2   数据要素市场主体培育的国际比较

针对数据要素市场主体发展面临的地位、利益、能力结构等阻碍，各国主要从价值取向、发展模式、供给机制以及监管培育机制等方面为数据要素市场主体建设营造良好的发展氛围。

2.1    价值取向

各国的战略决策、法律规则所倡导的价值准则，潜移默化影响数据要素市场主体行动选择和发展方向（见表2），价值与安全、干预与自主、企业利益与公共利益成为培育市场主体不能回避的重要问题。

美国《2020年联邦数据战略行动计划》的40项实践行動中第2、10、36、40条反复强调要实现数据的商业化和创新，在“商业优先”价值理念下，数据要素市场主体得以免于政府的过多干预，优先考虑数据的商业化和价值实现，维护企业自身利益，在市场自由竞争中实现自身发展。

欧盟《通用数据保护条例》（以下简称GDPR）、《关于开放数据和公共部门信息再利用的指令》《数据治理法案》《数字服务法案》《数字市场法案》等系列文件反复强调“公平”和“以人为本”原则，通过建设单一数据要素市场的价值引领，确保各类主体能公平参与市场竞争，任何市场主体的发展不得侵害社会公众和其他主体的平等发展权。

英国试图摆脱欧盟严格的隐私保护战略政策束缚，强调“负责任的数据使用”，市场主体必须以合法、安全、公平、道德、可持续和负责任的方式使用数据。为此，企业主体要提升数据能力，通过创新和研究释放数据价值，政府要明确数据使用法律框架并推进基础设施建设，社会公众也要提升自身对数据的控制能力。

2.2    发展模式

以数据流通生态系统的各类市场主体为核心，供需双方的关系差异构成不同的数据要素市场主体发展模式，包括美国的数据经纪人模式、欧盟和英国的数据中介模式、中国所商分离模式（见表3）。

美国数据经纪人，上通数据源头，下达数据消费者，其核心目标是最大程度促进数据自由流动和供需匹配，释放数据经济价值；其功能角色包括从政府、商业、公开等渠道采集数据，并汇总、分析、加工形成衍生数据产品交易，即可自由参与数据要素市场全部活动；其组织形式十分复杂，与大型科技公司之间关系错综且不透明，科技公司可以是数据经纪人数据来源、也可以是数据经纪人本身。因此，数据经纪人因直面消费市场具有较高的灵敏性和前瞻性，但也加剧了上下游兼并的垄断风险。

欧盟和英国数据中介模式本质是重视流通主体在交易撮合之外的权益制衡和监管职责。2020 年11 月，欧盟《数据治理法案》（Data Governance Act）（草案）首创“数据中介服务提供者”（providers of data intermediation services），强调第三方和独立、受信任的数据中介，构建供应方-服务方-需求方的市场主体多边关系。与此不同的是，英国数据中介模式不再强调数据中介身份和组织形式，不需要以独立身份介入数据要素市场，可以是数据控制者、也可是处理者、保管人、加工商、交易撮合商、隐私保护者等角色，其核心在于通过激励手段、技术手段、监管机制、创新能力破除数据要素流通的阻碍。

我国所商分离模式在组织形式上与数据中介模式类似，功能角色则与数据经纪人类似。一方面数据交易服务商存在于供需双方之间，构造多边关系，如依托政府机构的贵阳大数据交易所、上海数据交易所，依托大型数字平台企业的阿里、腾讯、百度等API数据市场；另一方面数据交易服务商的功能角色重在交易撮合和供需匹配，而不过多干预权益分配。

2.3    供给机制

数据要素是市场主体进入市场的基础性资源和基本条件，直接影响市场主体运行成本。当前各国均强调公共数据应高质量、公平地向市场主体开放共享，如美国《2020年联邦数据战略行动计划》指出要以开放、机器可读的形式促进政府和非政府机构公平的数据获取，要求制定数据清单并优先纳入与业务需求相关的高价值数据集，数据开放要考虑数据再利用者的需求，开展数据风险评估；欧盟《关于开放数据和公共部门信息再利用的指令》要求大多数公共部门数据免费或以低成本提供，开放利用标准许可要遵循“客观的、相称的、非歧视性的”原则，并规定“再利用应向市场上的所有潜在行为者开放”，以此保障市场主体公平获取数据要素。

各国个人数据保护政策对市场主体的数据要素获取成本、合规成本存在直接影响。欧盟遵循一贯的隐私保护优先原则，GDPR强调了知情同意原则作为合法处理个人数据的基本原则，且数据控制者不能要求数据主体放弃数据权利以换取服务，并对数据形成者的交易能力或放弃自身权利行为施加限制，要求他們不得“售卖”受《权利宪章》保护的基本权利，此举无疑加大了欧洲数据市场主体个人数据获取利用的制度成本。英国已经认识到传统欧洲路线导致的中小企业面临的低数字化水平和数据获取的成本困境，主张修订《数据保护法》，并提出了新的《数据保护和数字信息法案（草案）》，以简化英国个人数据保护政策的实施，从而“消除使用个人数据进行负责任创新的障碍”，减轻企业负担［46］。美国虽未明确要求数据处理应具有个人“同意”等法律依据，但要求数据控制者就其数据处理的隐私政策进行“告知”并由隐私消费者自行决定“留下”还是“离开”，并不试图在立法层面凸显个人数据权能，更为强调的是数据公司在运用个人数据时应遵守的实体规范和程序规则［47］，主张通过适度地削弱个人信息主体的绝对控制权优势，保障市场主体充分自主自愿和商业模式创新探索的空间。

此外，各国都强调激励企业数据有序开放流通，降低中小型企业获取门槛与成本。欧盟先后出台《面向公众利益的企业对政府数据共享欧洲战略》《数据法》等法规制度，极力推动企业间、企业对政府的数据共享，明确企业间数据流通的原则，主张向数据接者提供合理补偿，将能够为公共利益自愿提供大规模数据的法律实体注册为“数据利他组织”，以激励企业积极参与数据要素供给。

2.4    监管机制

数据要素市场主体及其行为监管是维护市场秩序的重要举措，总体上各国都把数据要素市场运行过程中系统性安全风险和主体垄断经营风险作为监管要点（见表4）。从监管主体来看，政府监管为主、多元主体共同参与的监管格局乃大势所趋；从监管手段来看，全流程监管是未来发展方向。

美国为保障市场主体活跃度，实施宽松事前监管和严格事后监管。以法律形式赋予数据主体“知情”和“选择退出”（opt-out）权，以年度数据登记注册、禁止活动红线、经营活动信息公开和审计的“事前规矩较松，事后严格监管”来保障数据要素市场主体自主空间。同时要求企业使用规范合同、技术验证、安全管理技术等手段对数据来源和数据使用过程实施自主监管。

欧盟实现了监管法与普通法的内容协同，并推进数据要素价值实现的全流程监管。通过《数字市场法案》《数字服务法案》《欧洲共同体竞争法》实现了数据要素市场相关法和反垄断法的内容协同，将GDPR纳入反垄断执法。考虑到反垄断调查周期较长，并且需要复杂的法律和经济评估，《数字市场法》提出守门人概念、定量指标和违法巨额罚款三位一体的监管模式，要求至少每3年审查一次平台守门人，简化了反垄断法认定市场支配地位的复杂程序，成为拥有反垄断法威慑效果并超越反垄断法的全流程监管工具。

英国试图打造协同监管体系，充分发挥市场监管力量。竞争和市场管理局（CMA）下设数字市场工作组与通信办公室，并与信息专员办公室密切合作，协同监控市场主体行为。同时，支持“通知-咨询-被动参与-合作-授权”的递进式、参与式数据监管，发展代表受益人处理和使用数据的个人和组织，包括英国生物银行等数据信托组织、Salus Coop等数据合作社组织，从而建立权力制衡机制，提高公众对数据使用的信心，超越基于安全合规性的监管，转向以社会许可为基础的开放应用型监管。

2.5    培育机制

数据要素市场主体培育机制关乎市场活力，美、欧、英都高度重视市场主体培育，纷纷通过数据产权制度的完善、前沿技术研发投入的加大、数据技能和人才培养的强化等建立系统性的数据要素市场主体培育框架。

（1）数据产权制度关乎市场主体利益分配，是激励市场主体的根本法律手段，各国持续探索商业秘密保护、竞争法保护、侵权法保护、财产权保护等多元路径，整体上遵循以公有保护为原则，以私有保护为例外。如美国的版权法只对数据库中的原创性汇编进行保护，而对非原创基础数据并不适用，欧盟数据库指令也未禁止提取或重复使用数据库的非实质部分的数据，上述制度旨在降低数据的财产权保护范围，扩大数据流通与共享范畴；（2）前沿技术创新不仅事关数据流转加工效率，还会影响到数据产品形态与管理方式的转型升级，是数据要素市场价值潜力挖掘的重要着力点。美、欧、英三国都尤为重视人工智能、云计算为代表的关键数据技术发展，如美国要求联邦机构提供数据使用的AI用例［48］，欧盟2014-2020年就有14亿欧元投入 5G通信，高性能计算的发展，并强调数据与算法的协同治理，保障数据要素潜在价值发挥和创新；（3）数据技能和人才培养决定了数据要素市场主体可获得的整体人力资本质量，各国通过学校教育和职业教育相结合、明确数据技能评估指标、加大数据技能培训资金投入、促进专业数据科学人才培养，为数据要素市场主体提供人力支持。如欧盟《数字欧洲计划》拟建设数字技能和就业联盟，2021-2022年投入2亿欧元培养数据技能，通过实习、培训、学徒和短期培训计划，培训 100 万年轻失业者从事空缺的数字工作。

與此同时，各国还出台了针对中小企业和创新型企业等特定主体的专门性培育扶持政策。（1）数据基础设施是数据要素安全、高效流通的物质载体，相比大型企业，中小企业受数据基础设施阻碍尤为明显［49］，美国《2021年联邦数据战略行动计划》在2020年行动计划的基础上，要求联邦机构在2023年IT资本规划和投资预算中明确企业数据基础设施投资预算；（2）保障中小企业公平获取数据资源。欧盟《数字市场法》要求平台守门人通过适当和高质量的技术措施（如应用程序编程接口）确保最终用户或授权的第三方可以连续、实时、自由获得数据，考虑到初创企业很难与平台守门人以相同的规模和程度访问、分析数据，要求平台守门人不得将深入消费者数据分析作为行业惯例。美国针对大型科技公司过多收集个人数据的情况，要求联邦贸易委员会制定关于数据积累的规则［50］；（3）降低中小企业的制度成本、合规成本等运营成本，《欧洲地平线2020》赋予中小型数据服务商更长的豁免期，在营业额和人数规模达到欧盟小微企业标准后延长12月，并支持小型和微型企业免于防止数据滥用的措施、内部投诉处理等额外义务以获得竞争优势，降低其数据获取的制度成本；（4）多途径的资金支持、人才培养等降低中小企业竞争压力，英国支持中小企业在线参加数据技能培育，欧洲创建开放数据孵化器，支持中小企业数据创新，并通过针对网络和技术企业家的欧洲创业计划，为中小企业和初创企业提供进一步的资金支持。

3   结论与启示

综上所述，建立统一的数据要素市场体系，实现数据要素发展、市场主体培育的充分融合与协同共进是要把握“价值与安全”的辩证关系，避免过严监管压缩数据要素市场主体活动空间，过松监管造成企业和公众利益受损。

（1）持续探索公共数据再利用模式创新，推动社会数据融合，确保数据要素市场主体生产资料的充分获取。公共机构应当优先提供与民生紧密相关、社会迫切需要、行业增值潜力显著和产业战略意义重大的高价值公共数据，对公共数据开发利用主体的加工性行为、经营性行为进行必要约束，以避免因主体数据角色的交织重叠而阻碍数据市场公平。同时，应为企业主动公开的数据提供合理权属保护，加大基础设施投入和数据交换平台建设，促进社会面多源数据的共享交换。

（2）实施“宽进严管”的数据要素市场主体准入机制和全流程监管模式。探索正面引导清单、负面禁止清单和第三方机构合规认证三位一体的数据要素市场主体准入机制，厘清“宽准入”的现实边界，构建包括组织类型、准入行业、经营活动范围、信誉状况、等级规模、经营方式、违法违纪记录等要素有机融合的复合型准入指标体系。搭建事前、事中和事后全流程“宽进严管”闭环框架，确立数据要素市场从业人员基本素质要求，明确信息年报和公示制度实施的主要障碍，建立企业信用监管机制，探索数据交易机构信用评级方案和专业服务机构的社会信用体系、危机预警机制、激励惩戒机制建设。

（3）构建数据要素市场主体培育机制，打造多层次的数据要素市场生态系统。数据权属制度、数据人才培养、数据基础设施建设、数据技术研究同步推进，降低市场主体准入门槛，打破数据要素流通壁垒、营造激励与约束并行的制度生态。针对中小企业和创新企业，实施财政补贴、税收减免、政府购买服务等一揽子政策工具。

*本文系国家社会科学基金重大项目“基于数智融合的信息分析方法创新与应用研究”（项目编号：22&ZD326）研究成果之一。

参考文献：

［1］  黄科满，杜小勇.数据治理价值链模型与数据基础制度分析［J］.大数据，2022，8（4）：3-16.

［2］  李晓珊.数据产品的界定和法律保护［J］.法学论坛，2022，37（3）：122-131.

［3］  李峰，吴婷.数据资产开放模式比较研究［J］.新金融，2022（7）：4-11.

［4］  Smith G，Ofe HA，Sandberg J.Digital service innovation from open data： exploring the value proposition of an open data marketplace［A］.2016 49th Hawaii international conference on system sciences（HICSS）［C］.IEEE Press，2016：1277-1286.

［5］  Mercado-Lara E，Gil-Garcia JR.Open government and data intermediaries：the case of AidData［A］.Proceedings of the 15th annual international conference on digital government research［C］.ACM，2014：335-336.

［6］  Marcelo I S，Oliveira G，Bernadette F L.Investigations into Data Ecosystems：a systematic mapping study［J］.Knowledge and Information Systems，2019（61）：589-630.

［7］  孙方江.反垄断视角下数据要素市场治理体系的构建［J］.西南金融，2021（9）：75-85.

［8］  Lee D.Building an open data ecosystem：an Irish experience［A］.Proceedings of the 8th international conference on theory and practice of electronic governance［C］.ACM，2014：351-360.

［9］  Centre for Data Ethics and Innovation.Unlocking the value of data：Exploring the role of data intermediaries［EB/OL］.［2023-02-07］.https：//www.gov.uk/government/publications/unlocking-the-value-of-data-exploring-the-role-of-data-intermediaries/unlocking-the-value-of-data-exploring-the-role-of-data-intermediaries#Section-1.

［10］  上海市数商协会，上海数据交易所有限公司，复旦大学，等.全国数商产业发展报告（2022）［EB/OL］.［2023-02-07］.https：//mp.weixin.qq.com/s？__biz=MzIzNDA5MzMyMw==&mid=2806808514&idx=2&sn=34560e896ee1f03d179efb588c28ea48&chksm=ca4371a6fd34f8b083dbfddc72c839f14810598d3e906ffc0c79eb5f7c4c76c407d15ef5151c&scene=27.

［11］  Zuiderwijk A，Janssen M，van de Kaa G，et al.The wicked problem of commercial value creation in open data ecosystems： policy guidelines for governments［J］.Information Polity，2016，21（3）：223-236.

［12］  国务院.中华人民共和国市场主体登记管理条例［EB/OL］.［2023-02-07］.http：//www.gzzy.gov.cn/zyx2020gb/zwgk/jgsz/zssydw/jgswj_5756121/zcwj_5756125/202205/t20220520_74156697.html.

［13］  李爱君.数据要素市场培育法律制度构建［J］.法学杂志，2021，42（9）：17-28.

［14］  傅晓.警惕数据垄断：数据驱动型经营者集中研究［J］.中国软科学，2021（1）：56-67.

［15］  Shivakumar Ram.The market power of "superstar" companies is growing［EB/OL］.［2023-03-12］.http：//www.chicagobooth.edu/en/review/market-power-superstar-companies-growing.

［16］  商希雪，韩海庭，朱郑州.基于演化博弈的数据收益权分配机制设计［J］.计算机科学，2021，48（3）：144-150.

［17］  黄朝椿.论基于供给侧的数据要素市场建设［J］.中国科学院院刊，2022，37（10）：1402-1409.

［18］  李勇坚.互联网平台数据垄断：理论分歧、治理实践及政策建议［J］.人民论坛·学术前沿，2021（21）：56-66.

［19］  吕欣，裴瑞敏，刘凡.电子政务信息资源共享的影响因素及安全风险分析［J］.管理评论，2013，25（6）：161-169.

［20］  付熙雯，王新泽.我国数据交易研究进展：系统性文献综述［J］.情报杂志，2022，41（11）：137-143.

［21］  European Commission.European Data Market study 2021-2023［EB/OL］.［2023-03-27］.https：//digital-strategy.ec.europa.eu/en/library/results-new-european-data-market-study-2021-2023.

［22］  ODI.Bottom-up data institutions［EB/OL］.［2022-03-27］.https：//theodi.org/article/how-can-the-uk-government-and-other-policymakers-support-bottom-up-data-institutions/.

［23］  孟小峰，朱敏杰，劉立新，等.数据垄断与其治理模式研究［J］.信息安全研究，2019，5（9）：789-797.

［24］  袁波.大数据领域的反垄断问题研究［D］.上海：上海交通大学，2019：196-197.

［25］  John R R.Book reviews：Move fast and break things：How Facebook，Google，and Amazon cornered culture and undermined democracy［EB/OL］.［2023-03-27］.https：//www.researchgate.net/publication/320427546_Review_of_Taplin's_Move_Fast_and_Break_Things.

［26］  梅夏英，王剑.“数据垄断”命题真伪争议的理论回应［J］.法学论坛，2021，36（5）：94-103.

［27］  Fabiana D P，Marialuisa Z.Co-regulating algorithmic disclosure for digital platforms［J］.Policy and Society，2021，40（2）： 272-293.

［28］  Ada Lovelace Institute.Participatory data stewardship：A framework for involving people in the use of data［EB/OL］.［2023-03-27］.https：//www.adalovelaceinstitute.org/report/participatory-data-stewardship/.

［29］  曾铮，王磊.数据要素市场基础性制度：突出问题与构建思路［J］.宏观经济研究，2021（3）：85-101.

［30］  刘志成，臧跃茹.构建现代市场监管体系：现实基础、改革方向与推进思路［J］.宏观经济研究，2021（8）：5-16，27.

［31］  刘国庆，周毅.工商行政管理学［M］.辽宁：东北财经大学出版社，2018：119.

［32］  Andreas Wittel.Counter-commodification：The economy of contribution in the digital commons［J］.Culture and Organization，2013，19（4）：314-331.

［33］  张守文.要素市场化配置的经济法调整［J］.当代法学，2022，36（5）：3-13.

［34］  王锡锌，黄智杰.公平利用权：公共数据开放制度建构的权利基础［J］.华东政法大学学报，2022，25（2）：59-72.

［35］  殷继国.大数据市场反垄断规制的理论逻辑与基本路径［J］.政治与法律，2019（10）：134-148.

［36］  姚佳.企业数据的利用准则［J］.清华法学，2019，13（3）：114-125.

［37］  齐英程.作为公物的公共数据资源之使用规则构建［J］.行政法学研究，2021，129（5）：138-147.

［38］  中国法院网.数据权益不正当竞争纠纷案［EB/OL］.［2023-03-07］.https：//www.chinacourt.org/article/detail/2021/04/id/5993099.shtml.

［39］  张会平，顾勤.政府数据流动：方式、实践困境与协同治理［J］.治理研究，2022，38（3）：59-69，126.

［40］  何培育，王潇睿.我国大数据交易平台的现实困境及對策研究［J］.现代情报，2017，37（8）：98-105，153.

［41］  Presidents management agenda.Curated Data Skills Catalog［EB/OL］.［2023-01-18］.https：//resources.data.gov/assets/documents/fds-data-skills-catalog.pdf.

［42］  NAA.Information management capabilities for all staff［EB/OL］.［2023-01-16］.https：//www.naa.gov.au/information-management/information-management-and-data-capabilities/information-management-capabilities-all-staff.

［43］  Massimiliano Nuccio，Marco Guerzoni.Big data： Hell or heaven？Digital platforms and market power in the data-driven economy［J］.Competition & Change，2019，23（3）： 312-328.

［44］  中国科技网.《网络安全产业人才发展报告》发布［EB/OL］.［2023-03-07］.http：//stdaily.com/index/kejixinwen/202209/4dfe59769a364fde8f0d5f58504a9790.shtml.

［45］  Government Digital Service，Crown Commercial Service.How to find a digital specialist on Digital Marketplace［EB/OL］.［2023-03-27］.https：//www.gov.uk/guidance/how-to-find-a-digital-specialist-on-digital-marketplace.

［46］  Science，Innovation and Technology.Data Protection and Digital Information Bill：Supporting documents［EB/OL］.［2023-03-10］.https：//www.gov.uk/government/publications/data-protection-and-digital-information-bill-impact-assessments.

［47］  彭辉.数据权属的逻辑结构与赋权边界——基于“公地悲剧”和“反公地悲剧”的视角［J］.比较法研究，2022（1）：101-115.

［48］  Federal Data Strategy development team.Federal Data Strategy 2021 Action Plan［EB/OL］.［2023-03-09］.https：//strategy.data.gov/assets/docs/2021-Federal-Data-Strategy-Action-Plan.pdf.

［49］  Department for Digital，Culture，Media & Sport.UK National Data Strategy［EB/OL］.［2023-03-09］.https：//www.gov.uk/government/publications/uk-national-data-strategy.

［50］  THE WHITE HOUSE.Executive Order on Promoting Competition in the American Economy［EB/OL］.［2023-03-15］.https：//www.whitehouse.gov/briefing-room/presidential-actions/2021/07/09/executive-order-on-promoting-competition-in-the-american-economy/.

作者简介：管茜，女，武汉大学信息管理学院博士研究生，研究方向：政府数据治理、数字经济；夏义堃，女，南京大学数据管理创新研究中心教授，研究方向：政府数据治理、数字经济。