数据资产的交易困境及其治理

季良玉

【摘 要】 作为一种新型生产要素，数据能够为我国经济高质量发展注入新动能。加快数据要素市场培育、推动数据资产交易、释放数据资产价值势在必行。但实践中数据资产的交易规模、交易频率却未达到预期。究其根本，数据资产的交易存在产权制度尚未建立、交易中介机制不健全、定价机制不明确、数据需求待激发、交易监管手段尚未融通等诸多交易困境。这些困境严重抑制了数据资产的交易，也限制其价值的呈现与挖掘。鉴于此，本研究从明晰数据资产的所有权、构建数据交易产业生态系统、健全数据资产定价机制、培养数据消费能力、完善监管体系等途径解决上述交易困境，从而促进数据资产的流通和交易。

【关键词】 数据资产； 交易困境； 数据确权； 定价机制； 监管

【中图分类号】 F49；F234.3  【文献标识码】 A  【文章编号】 1004-5937（2023）13-0027-05

一、引言

数据作为一种新型生产要素在2020年中共中央、国务院印发的《关于构建更加完善的要素市场化配置体制机制的意见》中得以明确。此举旨在通过加快数据要素市场培育，充分发挥数据要素对其他要素效率的倍增作用，从而为我国经济高质量发展注入新动能。党的二十大报告中再次强调：“加快发展数字经济，促进数字经济和实体经济深度融合……”。2022年《关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称“2022年《意见》”）强调要建立合规高效、场内外结合的数据要素流通和交易制度。随着数据的重要性和价值不断凸显，国内外大数据交易的实践发展也如火如荼。早在2001年，国外出现了Quandl等数据交易公司，之后又陆续涌现了如Factual、Infochimps、Data Plaza、Data Market、BEDX、Azure等数据交易平台。近年，国内也不断成立了多家大数据交易平台，政府类的如贵阳大数据交易所，平台类的如京东万象、聚合数据、数据堂等。与数据交易平台頻频建立相反的是，数据交易业务却屡屡遇冷。如2015年贵阳大数据交易所在其成立之初提出在3—5年内日交易额将达100亿元的目标，但随后几年其交易额目标不断下调，从“日交易额100亿元”逐渐降成“全年力争突破亿元”，且2018年后不再通过官网等渠道对外公布交易量、交易额等相关动态。同时在其之后成立的其他各地方数据交易所也均没有对外公布交易详细信息，其交易量可见一斑。

数据交易是指买卖双方对原始或处理后的数据及数据服务进行互通有无的商业行为，是基于平台经济和双边市场理论的数字交易形式[1]。随着数据开放的不断深入，以企业为主体的数据计价、交易等活动迅速发展，大量的数据服务商、经纪商和数据应用新业态不断涌现，以数据资产为核心的商业模式也在不断创新。数据资产的交易模式若按交易对象和形式划分，可分为基础数据及数据产品交易、在线数据调用的API云服务、数据信息咨询或服务的交易[2]。如果数据交易能够通过市场机制实现快速而准确的定价，那么可以激励数据生产，进而增进或改善社会福利。但整体看来，目前的数据资产仍存在着诸如交易规模仍偏小、交易频率亦较低等问题，未能充分发挥数据的生产要素作用。究其原因，主要是存在诸多交易困境。

二、数据资产的交易困境

（一）产权制度尚未建立

2022年《意见》提出要探索建立数据产权制度，推动数据产权结构性分置和有序流通。当研究数据资产如何交易时，事实上已经暗含了两个前提，即数据是一种资产且其权属是明晰的。对第一个前提，目前学界基本上达成了一定的共识，即认为数据可以确认为一种资产，但对第二个前提仍有较大的争议。数据是谁的资产？其权属如何界定？如果不进行数据确权，厘清上述问题，那么数据资产的交易也就无从谈起。数据确权，就是针对不同来源的数据以法律形式明确其产权归属，这是数据资产得以确认和交易的基本前提。然而由于数据及数据资产的复杂性，实现用户对个人信息数据的保护和企业对个人信息数据的利用之间平衡非常重要[3]。数据资产的所有权界定不清，会带来极大的不确定性：一是数据市场交易秩序无法建立，即无法迅速地找到交易对手，无法合理地确定交易对象，无法有效地提供交易方式。二是市场主体得不到激励和约束，如一些企业为获得数据而产生的成本有可能变为沉没成本，甚至可能承担侵权责任。三是隐私权无法得到充分地保护和尊重，因为所有权不清晰将导致数据交易的边界和尺度无法确定，数据使用者对其行为承担的责任也就难以划分。这些不确定性极大地提高了数据资产交易的成本，也不利于推动数据整合，抑制了数据的共享和流通，无法激活数据资产的价值和创新应用，最终限制了数据资产交易的规模以及数据产业生态系统的建立。例如，2017年6月的顺丰、菜鸟裹裹对于用户数据的“控制权”之争，波及的商家及消费者达百万，并引发了快递行业的震动，最终经过监管层的协调才得以平息。

（二）交易中介机制不健全

尽管我国的数据总量已跃居世界前列且增长幅度不断扩大，但数据资产的交易规模仍相对较小，公开的数据交易在数量、种类上比较有限[4]，交易主体也较为有限。其原因，除了尚未建立产权制度外，还存在一些交易媒介、交易规则、技术标准等原因。由于缺少必要的信任机制，数据供需双方往往难以直接交易：一是数据质量难以评估，数据在交易前不可进行充分披露，否则数据就失去了交易的价值，这就导致数据交易的供需双方严重的信息不对称。二是数据安全难以保证，一方面，交易的数据必须是经过清洗、脱敏等处理后的数据，而不能是底层数据，这就要求数据交易双方要保证数据合法而不被滥用，但目前尚缺乏足够的监督和约束机制。另一方面，数据的交付及交付后的使用权限也难以得到有效的控制。这意味着数据资产的交易需要数据交易平台等中介的参与。当前，由政府主导和企业主导的数据交易平台陆续涌现，形式也较多样。前者在北京、贵阳、上海等建立了数据交易所或交易中心，后者则形成了API平台、淘宝模式、数据包定制下载平台、数据服务商等。但相对于中国数据规模和增长速度，目前的数据中介交易平台和数据服务商仍较少，也缺乏足够数量的数据经纪人，而且各平台之间的交易规则和技术标准也存在着较大的差异，即数据交易的中介机制还不健全，未能提供足够而有效的数据交易撮合服务。数据资产的直接交易受限，而交易平台等中介尚未能充分发挥作用，导致数据交易的规模过小，未能打破政务、企业间的数据孤岛。

（三）定价机制不明确

实践中对于一些互联网企业或大数据企业的估值，往往产生几十倍甚至上百倍的溢价，而对该类企业估值时首要考略的因素是有无掌握真正的数据源。可见，数据已是公司不可忽视乃至核心的资源。但是，由于数据是现实事务的信息化，非常复杂而难以用一个统一的计量方法对各类数据进行计量，所以数据资产迟迟难以进入会计报表。这一方面是因为数据资产的成本核算比较复杂，数据采集、存储等各类成本如何确认和分摊等问题难以定论。另一方面，也没有有效的外部市场可以参考，即数据资产在企业内部和外部的定价机制均不明确。一些学者认为数据资产可以参照无形资产如专利权交易的定价方法，主要包括成本法、收益法、市场比较法等。但成本法有其明显的弊端：一是对于企业来说数据的成本核算较为困难，二是时效性问题，基于历史价值评估的成本与数据现时价值的对应性也存疑。收益法需要评估未来预计的现金流，但数据的预期应用场景及其产生的收益对于不同的购买者而言存在较大差异，因而数据供给者的未来收益流具有很大的不确定性，而且双方存在着较严重的信息不对称，进一步压缩了该方法的应用空间。至于市场比较法，是指参照市场上同类或类似数据资产的近期交易价格估计目标数据资产的价值[5]。其运用前提就是要有完善的数据交易市场，有作为参照物的可交易数据及其评估指标等相关资料，而这恰恰是目前所欠缺的。可见，以上几种方法都各有欠缺，限制了其可应用性。也有学者认为，由于目前数据市场交易规模有限，且数据价值对供需双方具有双向不确定性，因而可以采取竞价法对数据资产定价，这也是目前实务中较常用的方法。但是这一方法多依赖于专家经验的主观评价，一事一议的竞价方式效率也较低，而且拍卖机制难以体现敏感数据产品的价值[6]。还有一些学者认为，数据资产若参照上述传统的资产评估/定价方法与网络平台交易情境不匹配，应该采取人工智能方法评价[7]，但目前智能化评估还在探索中，其适用性有待检验。总之，由于缺乏有效的定价机制，导致数据交易供需错配，数据交易的达成率和數据价值的盘活率都被降低，数据资源沉淀在企业内部而不能充分流通和交易。

（四）数据需求待激发

现实中一些企业能够采集或是拥有大量数据，但是却缺乏从数据中提取价值的能力。数据消费能力决定了数据的真正利用价值，对不同的数据需求者而言，同一数据资源可以被多角度、多层次挖掘和应用，而且与其自有数据的交互使用和业务内容的兼容集成程度，也使得同一数据资源的内在价值存在不确定性和多变性。这意味着数据资源的开发利用、数据价值的实现需要数据消费者具备较高的数据素养和利用能力，特别是利用数据资源满足特定需求时，对数据的挖掘和分析能力就更为重要。对于会使用数据且有应用场景的企业，数据具有无限价值，这是重要的数据需求客群，也是重要的数据提供方。对于不会使用但有应用场景的企业，需要专业的第三方数商帮其开发并转化价值，因此也是数据需求目标客户。对于会使用但没应用场景的企业来说，可以运用自身的数据分析能力将数据转化为产品，并能够引导和强化其他类型的数据需求方的数据消费需求和数据消费能力，从而不断丰富数据交易生态。目前而言，数据资源的需求开发是滞后的，很多企业缺少数据治理能力，无法提出精准的数据需求，市场应用场景也很受限，从而导致数据的利用效率过于低下。随着数据资源的不断产生和积累，对于数据用户的数据消费意识的引导和消费能力的培育势必越来越重要。

（五）交易监管手段尚未融通

2022年《意见》提出要强化分行业监管和跨行业协同监管，建立数据联管联治机制。当前有关数据权属的法律法规相对滞后，一方面导致了合规的数据供应不足；另一方面也导致了个人敏感数据等非法数据黑市大肆扩张[8]。通过加强数据安全监管，为数据要素市场的健康发展提供保障[9]。尽管已经出台《数据安全法》《网络安全法》《互联网个人信息安全保护指南》等数据管理法规和政策，但是据测算，2021年我国数据黑市黑产人员规模仍接近200万人，数据黑色交易的市场规模则超过1 500亿元，数据泄露事件频频发生。究其原因，一是数据保护法规的精细化程度和可操作性尚存不足，限制了监管执法的力度，使得一些违法数据交易行为的成本过低，缺少了威慑作用。二是各种监管机构及其监管手段并没有充分地融通，导致监管的效果大打折扣。

三、数据资产交易困境的治理

数据作为五大生产要素之一，正与行业应用深度结合，成为推动产业、企业数字化转型升级的重要驱动力量。数据作为基础的战略性资源和新的生产要素，如果不能充分流通和交易，就丧失了价值和作用。因此，数据资产的交易关系着数字经济乃至各行业的发展，其面临的诸多困境势必要找到解决之道，以促进数据资产的顺利交易。对上述存在的交易障碍具体可从以下途径进行治理：

（一）明晰权属

数据产权制度建立的关键在于数据权属特别是所有权的明晰。尽管学界对数据权属仍存争议，但实务届已经在探索中前行。一是可以借鉴美国、新加坡、英国、日本等国家的做法，认可匿名化数据的法律性质。例如当前各类数据企业通过《隐私政策》等条款将经过用户授权并匿名化或脱密处理后的数据视为己有并加以利用。二是双方交易中产生的数据，关系到参与各方，数据产权原则上应当共有。可以断定的是，在数据已经成为一种新的生产要素态势下，其所有权的明晰只是时间问题。在具体做法上，一方面，应加快数据产权专门立法，厘清数据所有权、控制权、使用权、收益权等权利，构建数据产权相关制度，并对数据产权进行解构与分割。如将所有权和使用权益分离，承认数据原发者享有数据所有权，赋予数据处理者以数据用益权，构建二元数据权利体系以平衡数据利用和数据保护之间的张力[10]。同时，依托隐私计算、可信区块链等领域的新技术，将数据要素解构为可见的“具体信息”和可用的“计算价值”，对其中“计算价值”进行确权、存证、交易，实现数据流通的“可用不可见，可控可计量”。另一方面，可以试点建设数据资产登记管理和服务平台系统，明确数据资产登记证书的构成要件。例如，可以包括数据资产的登记机构、登记日期、数据来源、权利人、使用限制、安全等级、保密要求等。同时对数据资产的编码、格式、登记介质、信息完整性以及数据备份要求、登记保管要求等做出规定[11]。只有建立起数据产权制度，才能更好地激励企业对数据资产进行变现或投资，围绕数据交易的诸如数据存储、流通、挖掘和应用等数据生态系统才能有序迅速地发展。

（二）构建数据交易产业生态系统

交易只是数据要素市场的环节之一，围绕数据交易的还有数据采集、清洗、加工、存储、流通、交付、认证、合规、审计、监管等多项环节，也涉及多个参与方，由此可以构成数据交易产业生态系统。通过场外交易与场内交易等多层次数据交易市场，实现单点交易与平台交易并举。同时利用区块链等技术挖掘数据需求和数据再造价值等积极探索数据交易新模式。以数据交付为例，数据的交付可以交易双方直接交付，也可以通过云厂商，还可以通过第三机构等。特别的，要充分发挥数据交易所和数据经纪人的作用，减少交易双方的信息搜寻成本，搭建交易双方的沟通与信任机制。具体措施包括：一是各数据交易平台应该积极构建数据要素流通交易规则体系。例如，贵阳大数据交易所通过创新探索于2022年5月发布了全国首套数据交易规则体系，主要包括数据要素流通交易规则、数据资产价值评估指引、数据产品成本评估指引、数据产品交易价格评估指引、数据交易合规性审查指南、数据交易安全评估指南、数据商准入及运行管理指南等文件，以破解数据确权、定价和监管等難题。二是积极引导数据商成为数据要素价值的发现者、价值实现的赋能者、跨组织数据要素联结者和数据交易服务提供者。通过大力发展数据交易中介机构，形成涵盖数据收集、治理、加工、确权、评估、定价、交易、审计、资产证券化等新型数据要素服务商体系；通过积极发展数据经纪人，在数据交易咨询、数据交易撮合、数据交易合规评估、数据交易担保、数据交易结构设计、数据交易风险控制、数据交易安全认证等方面提供优质服务，以此来提升数据交易市场活跃度和数据交易生态的协同。例如，在2022年中国国际大数据产业博览会上获全国第一张数据经纪人授牌的数交数据（深圳）经纪有限公司已经开始与多个数据交易所、大数据公司、征信公司等展开战略合作，承担起链接数据供需双方、整合交易平台资源、挖掘数据价值等多重责任。除此之外，针对当前数据交易没有得到大规模发展以及成交量小等现实，政府应该加强引导，通过税收优惠、政府采购、公共数据授权运营等方式加大对数据交易市场的支持。通过链接数据供需方、交易平台、数商、数据经纪人、政府等作为数据交易产业生态系统的构建者和参与者，并不断完善生态环境，才能实现数据交易产业的高效运转。

（三）健全定价机制

数据如何定价一直是数据交易的核心环节，也是限制数据交易的难点所在。数据的定价既要考虑到数据本身的价值（即数据资产价值评估），也要考虑到数据应用场景和数据流通过程中交易各方付出的价值。对于前者，可以采取的做法是根据数据的数量、种类、质量、范围、时效、稀缺性、关联性等多个维度对数据进行评估。如中关村数海数据资产评估中心与顾能（Gartner）公司共同发布数据资产评估模型，涵盖了数据的内在价值、绩效价值、成本价值等6个子模型，每个子模型又有不同的评价维度和权重配比，以实现对数据资产的标准化评估[12]。也可以通过自适应遗传算法（AGA）优化传统BP神经网络进行数据资产评估，充分考虑诸多影响因素和数据价值的非线性关系，以提升价值评估的精度[7]。也有一些学者基于用户需求视角、用户体验视角、应用逻辑视角、数据生命周期视角、产品视角等开发出各种数据价值评价模型或要素模型[13]。至于定价方面，目前已有的定价方法包括平台预订价、拍卖式定价、协议定价、博弈定价、自由定价、实时定价、查询定价、客户感知价值定价[14]、基于元组粒度的大型个人数据定价[15]、数据定价双层编程模型[16]、基于应用场景[17]或交易场景的定价等。但由于数据的质量不同、价值不同、应用场景不同，需要探索多边定价机制并建立自动化评估流程。如对于第一手数据源，可以采取的定价原则是“成本为基础，场景为衍生”，企业的数据产品加工后提供给不同场景的需求方，最终价格就为“成本价+数商价+场景价”，经过多轮实践后，数据价格会存在稳定浮动的价值区间以供后续交易参考。而对于爬虫数据、AI数据标注等同质化数据源，按照成本价交易即可。目前很多学者开始关注机器学习、智能合约、区块链和密码技术等[18]各类技术在数据要素定价中的应用[19]。数据资产定价除了技术上的问题以外，还要联合数据交易各关联方制定出数据评估定价机制、质量标准、交易规则、交易流程等配套的准则和规范[20]。

（四）培养数据消费能力

数据消费能力的培养，需要数据需求者、数据供给者以及数据中介的共同合作。对数据需求方而言，应该加强数据治理思维，积极汇聚数据分析人才，及时引进数据分析的硬件设备、软件技术和工具，将数据分析结果融入业务过程和决策程序，最大化数据的商业价值。其中专业性高端数据分析人才是充分利用数据资产赋能企业价值增值的重要影响因素，数据需求方要特别注重数据分析人才的结构和储备量、专业度和知识更新度等[21]。企业可以鼓励和培训内部财会人员、信息技术人员进行合作和转型，以适应企业应用数据资产的需要。对数据供给方而言，重要的是数据质量控制。唯有提供高质量且合规的数据，才能有效满足数据需求方，形成有效的供需关系。对于第三方中介机构而言，一方面，应该建立起统一的数据交易规则，使数据产品形态、交易模式、交易流程、运营方式等趋于标准化。另一方面，在数据登记、评估定价、争议解决等实现跨区跨级的互信互认。更重要的是，要能够深入挖掘行业应用需求，特别是能够认知、理解细分领域和跨行业的数据需求场景，实现多源数据融合、复杂数据处理和深度价值挖掘，并提供相应的数据分析/交易服务。通过将数据及其交易进行标准化和互联互通，提供专业化的中介服务，大大降低数据需求方的数据搜寻成本和使用门槛，从而有效刺激其需求。

（五）融通监管手段

对数据交易市场的监管不仅关系到数据产业和数字经济的发展，也关系到国家数据竞争力和数据安全问题。因此，围绕数据这一生产要素价值利用与开发的制度设计和监管措施势在必行。当前对于数据交易和共享的需求越来越迫切，而对个人信息保护的呼声也越来越高，如何在数据利用和隐私保护之间取得平衡，有效调和这一矛盾离不开政府的引导、干预和监管。一方面，政府应该营造公平公正的市场竞争环境，充分利用市场竞争机制促使企业间的数据交易。必要时，可以新设专门的数据监管部门。同时要制定数据产业发展的管理办法、规章制度和行业规范，如出台数据安全、隐私保护、数据垄断问题等方面的法规、条例和相关指引。通过制定不同类型、不同行业数据安全处理和流通的国家/行业/地区标准，助力数据分类分级保护和数据交易技术方案的选择[22]。通过明确数据企业的责任义务和行为边界来保证数据主体的相关权利，通过对违法违规涉数企业的惩戒，打击数据黑市交易，防控数据风险。另一方面，对数据交易市场的有效治理和监管，要采取有别于监管传统企业的手段和技术。一是要采用先进的信息安全技术进行常态化监测，市场监管、税务、公安等多部门联合协同审查，确保数据企业合规交易。二是对涉数企业的内控机制进行专项检查和整治，严厉规制和惩戒违规采集、出售或者滥用数据等违法行为[4]。三是有效借助社会力量，如行业协会的交易标准和技术规范、第三方审计机构的审计结果、数据信用等级评估机构的评估结果等。通过构建融合行政监管、自律监管、监管科技和试验性监管的多维数据监管体系，形成新型包容的综合监管框架[22]。

四、结论与启示

本文结合已有研究对数据资产的交易困境及其解决进行了探讨，详细分析了目前数据资产交易所面临的交易困境，提出有针对性的解决方案。本文的研究成果为数据资产的交易提供了一定的方法支撑，也为数字经济发展背景下数据资产的变现和流通发挥基础性的生产要素作用提供理论参考。

尽管现阶段数据资产存在较多的交易障碍，但可以坚信的是，数据资产交易是一个具备核能的市场，目前一直在聚能中，但终究在聚变下会实现乘数效应的商业发展，而且这一天到来的可能比预期更快。

【参考文献】

［1］ 李雄一，熊励，孙文灿，等.数据交易市场双边匹配模型与决策方法研究［J］.科技进步与对策，2018，35（19）：23-30.

［2］ 趙栋祥，陈烨，张斌.数据集市及其在交易中的价值［J］.图书情报工作，2017，61（13）：5-12.

［3］ 龙卫球.数据新型财产权构建及其体系研究［J］.政法论坛，2017，35（4）：63-77.

［4］ 王芳.关于数据要素市场化配置的十个问题［J］.图书与情报，2020（3）：9-13.

［5］ 许宪春，张钟文，胡亚茹.数据资产统计与核算问题研究［J］.管理世界，2022，38（2）：16-30.

［6］ JENTZSCH N.Auctioning privacy-sensitive goods［C］.Annual Privacy Forum.Springer，Cham，2014：133-142.

［7］ 倪渊，李子峰，张健.基于AGA-BP神经网络的网络平台交易环境下数据资源价值评估研究［J］.情报理论与实践，2020，43（1）：135-142.

［8］ 王融.关于大数据交易核心法律问题——数据所有权的探讨［J］.大数据，2015（2）：49-55.

［9］ 司晓.数据要素市场呼唤数据治理新规则［J］.图书与情报，2020（3）：7-8.

［10］ 申卫星.论数据用益权［J］.中国社会科学，2020（11）：110-131.

［11］ 郑智维.全国人大代表邵志清：数据资产登记需有法可依［J］.民生周刊，2022（5）：34-35.

［12］ 翟丽丽，王佳妮.移动云计算联盟数据资产评估方法研究［J］.情报杂志，2016，35（6）：130-136.

［13］ 孙俐丽，袁勤俭.数据资产管理视域下电子商务数据质量评价指标体系研究［J］.现代情报，2019，39（11）：90-97.

［14］ LUONG N C，HOANG D T，PING W，et al.Data collection and wireless communication in internet of things （iot） using economic analysis and pricing models：a survey［J］.IEEE Communications Surveys & Tutorials，2016，18（4）：2546-2590.

［15］ SHEN Y C，GUO B，SHEN Y，et al.A pricing model for big personal data［J］.Tsinghua Science and Technology，2016（5）：482-490.

［16］ YU H F，ZHANG M X.Data pricing strategy based on data quality［J］.Computers & Industrial Engineering，2017（112）：1-10.

［17］ SON J C，SUNG S H，YANG E J.A study on the trading price estimation algorithm for healthcare transaction data［Z］.2021.

［18］ LIU Y，WANG Q，YIU S M.Blind polynomial evaluation and data trading［C］//SAKO，K，et al.Applied cryptography and network security.Springer，Cham，2021：100-129.

［19］ 欧阳日辉，杜青青.数据要素定价机制研究进展［J］.经济学动态，2022（2）：124-141.

［20］ 穆勇，王薇，赵莹，等.我国数据资源资产化管理现状、问题及对策研究［J］.电子政务，2017（2）：66-74.

［21］ 戴理达.论全域赋能型数据资产的创利特质与会计核算［J］.财会月刊，2022（4）：82-87.

［22］ 刘辉，夏菁.数据交易法律治理路径探析［J］.海峡法学，2022，24（1）：80-88.