王芳
3月30日，中共中央、國務院出臺了《關於構建更加完善的要素市場化配置體制機制的意見》，將數據與土地、勞動力、資本、技術並列為五大生產要素，提出要加快培育數據要素市場，具體意見包括推進政府數據開放共用，提升社會數據資源價值，加強數據資源整合和安全保護等。《意見》同時提出要加速要素市場化改革，健全要素市場運行機制和組織保障。2003-2004年間本人曾隨同博士導師北京大學賴茂生教授參加中共中央辦公廳、國務院辦公廳《關於加強資訊資源開發利用工作的若干意見》（中辦發[2004]34號）政策課題的研究。當時國內十幾支頂尖的資訊資源管理研究團隊，從基礎理論到應用分支，歷經近一年的研究，最終於2004年出臺了34號檔，提出了資訊資源的公益性服務和市場化開發利用兩種途徑，為後續的政府資訊公開與共享、政府數據開放、大數據開發利用等奠定了理論和政策基礎。時隔16年，從資訊資源的開發利用到數據要素的市場化配置，表明數字經濟發展進入了新的階段。加快數據要素的市場化改革需要關注哪些問題？本文擬對以下十個問題展開討論。
一、 資源、要素與資源配置
在傳統意義上，資源主要指自然資源，是指在一定的技術條件下,自然界中對人類有用的一切物質和非物質的要素，如土壤、水、草地、森林、野生動植物、礦產、陽光、空氣，等等。一般認為，已被人類發現的有用的要素才成為資源，那些尚未被發現或發現了但無用的要素不是資源。由於經濟條件和技術水準的限制，暫時難以利用的自然要素，被稱之為潛在資源。從生命週期的角度，可將資源劃分為可再生資源和不可再生資源[1]。前者指能夠不斷繁衍生長的生物資源和可以迴圈利用的自然資源，而後者則指儲量有限、形成速度極其緩慢、一般需要幾萬年甚至上億年時間才能形成的自然資源，如礦產資源，金屬、石油、煤等。
生產要素是指社會在生產經營活動中所需要的各種資源。隨著經濟與技術的發展，生產要素的範疇也在不斷變化。在農業社會，生產要素主要指土地和勞動力。隨著資本主義的發展，資本作為生產要素的重要性不斷增加。隨後，科技的發展使得技術成為重要的生產要素。當資訊時代到來時，資訊與知識成為重要的生產要素[2]。
經濟學意義上的資源與人類的有效開發利用密切相關。相對於人類的開發利用能力，資源具有稀缺性、分佈不均勻、競爭性等特徵[3]。對稀缺資源進行有效配置是經濟學研究的主要內容。資源配置的方式主要有市場、計畫兩種形式。在現代社會，市場在稀缺資源的配置中發揮著基礎性作用，通過價格機制對資源進行有效配置。由於生產外部性的存在可能導致市場失靈，政府計畫成為有力的資源配置方式。在二者均出現低效失靈的領域，第三部門也即社會組織則發揮著彌補性作用。
二、 資訊資源與數據要素的關係
隨著社會分工的深化和印刷、通訊與資訊技術的發展，資訊的數量、可存儲性與價值不斷增加，日漸成為對人類有用的重要資源。通過資訊的收集、整理、開發和利用，社會的勞動生產率、商品交換的範圍和市場效率大大提高，交易成本不斷下降[3]。在此基礎上產生的資訊產業，成為經濟社會的主導產業。隨著記載人類經濟、社會、文化和科學研究活動的記錄不斷積累，資訊逐漸成為一種類似於石油和礦產的資源。
真正意義上的資訊資源的概念出現於電腦技術開始大規模應用於政府與企業管理的時期。1980年，美國聯邦政府頒佈了《文書削減法》（Paperwork Reduction Act），旨在運用資訊技術加強資訊收集和文書工作控制，提高政府效率。1985年12月，美國管理與預算局（OMB)發佈了A-130號通告（Circular No.A-130），即《聯邦政府資訊資源管理通告》（The Management of Federal Information Resources），從政府的視角提出資訊資源包括資訊以及人力、設備、資金與資訊技術等相關資源，將資訊資源管理界定為管理資訊資源以完成組織使命的過程[4]。從資訊資源管理產生的歷史時期來看，資訊資源管理的價值主要體現在面對激增的政府與企業文書檔案和記錄，電腦自動化管理方式對紙質檔管理方式的替代，其增值的環節主要為資源的收集、組織與管理。
代表了數據資源的大數據概念的提出則與互聯網、物聯網、雲計算技術的深化應用密不可分。大數據概念最早由思科、威睿、甲骨文、IBM等公司倡議，之後得到了各國政府的推進。2012年，聯合國發表大數據政務白皮書《大數據促發展：挑戰與機遇》；同年，美國奧巴馬政府發佈了《大數據研究和發展倡議》；2015年8月，我國發佈了《促進大數據發展行動綱要》。與資訊資源相比，數據資源更多地指向互聯網活動所產生的記錄，體現了海量、異構、多樣、分佈、快速生成、動態變化等特點。與此同時，在政府、企業組織內部，數位化的資訊管理方式產生了大量結構化的數據，蘊含著重要的價值。隨著大數據與人工智慧技術的快速發展，數據資源價值開發的深度和廣度大大增加。無論是互聯網上的痕跡數據和社交媒體的用戶生成內容，還是政府開放數據和企業組織內部的結構化的數據，都蘊含著巨大的可開發利用的潛力。可以說，數據資源價值增值的環節主要為資源內容的開發利用，並因此提升了自然資源、勞動力、資本、技術等資源開發利用和配置的效率。
三、 數據資源的產權界定
在法律上，產權（Property　rights）的實質就是不同所有者不讓除他自己以外的任何人佔有、使用、控制某物的能力，是意志的專有領域，是使用或濫用的權利。《牛津法律大辭典》認為，產權“亦稱財產所有權，是指存在於任何客體之中或之上的完全權利，它包括佔有權、使用權、出借權、轉讓權、用盡權、消費權和其他與財產有關的權利。”[5]
就數據資源而言，產權主要包括所有權、擁有權、使用權、轉讓權、收益權、管理權、修改權、毀壞權、銷毀權等，其中所有權是最根本的權利,它決定著其他權利的分配。這些權利並非是一個不可分隔的整體，而是常常處於分離或分享狀態。比如在現代企業制度中，企業的所有權和經營權相分離；專利的所有權與使用權也可能通過許可使用而被分享。互聯網企業收集的公民個人資訊，其所有權人為公民個人，但是卻在實事上由企業擁有和使用，從而造成所有權和使用權的分離。在權利分離的情況下，保障數據權利的前提是產權界定清晰、權利變動資訊透明和產權制度完善。《歐盟數據保護條例》（GDPR）對於公民個人的資訊權利進行了詳細的分解和界定，如數據所有人的知情權、被遺忘權、修改權、收益索取權，等等，從而使得數據權利的保障更具操作性。對於數據的個體所有者而言，監控企業或其他組織對本人資訊的使用情況需要具備時間、專業能力和技術裝備等條件，而由此產生的收益卻存在不確定性。這使得他們依靠個人力量維護數據權利的積極性和效果都不高。因此，需要出臺相應的法律法規，加大對數據擁有者的規制力度，明確規定在數據收集、處理、使用、轉讓、銷售、銷毀活動中，由他們主動為數據所有權人的權利和收益提供保障，一旦違規應當接受嚴厲懲罰。
四、 數據資源的價值層次
價值是社會科學領域普遍使用的概念。從經濟學意義上來講，作為生產要素的數據資源的價值主要體現在以下三個層次：
（1）資源租金
作為生產要素的數據，其第一層價值是作為資源的價值。如同土地和礦山，相對於特定需求的有用數據具有稀缺性和效用，因此會產生純租金，從而具有了資源價值。比如騰訊、阿裏、百度等互聯網企業所擁有的大數據，具有巨大的資源價值。即使是已經免費開放的政府數據以及衛生、教育等領域的公共數據，受數據呈現方式、用戶數據搜索能力的影響，也可能在事實上呈現出稀缺性，從而具有資源價值。在某種意義上，人類歷史就是一部追逐資訊租的歷史[3]。
（2）管理增值
   對數據資源進行組織管理是使其增值的途徑之一。對於數據與資訊的採集、描述、編目、分類、存儲等一系列管理活動使得數據與資訊資源得到序化，具備可發現性、可檢索性和可利用性，從而實現增值。這一過程類似於馬歇爾所指的對土地進行改良（例如排水、設置籬笆等）獲得的收益，被稱作准地租，又稱為經濟租[3]。在大數據時代，對於分佈、異構的數據資源而言，運用數據管理技術對其進行清洗、描述和組織整理，將會大大增加數據資源的價值。數據資源的資訊租金不僅包括“對使用原始的和不可毀滅的資訊力”的支付，而且還包括對數據與資訊資源所做改良的支付。在對數據資源進行定價時，此兩種租金可以做為基礎性的理論指導。
（3）挖掘利用價值
對數據資源進行深度挖掘和分析，既可以開發出專題資料庫、諮詢報告、演算法、應用APP、知識條目、新穎設計等各類新的資訊與知識產品進行出售，從而創造新的價值，也可以將數據分析結果應用於管理決策、科學研究、公共管理、精准行銷等多個領域，降低成本，提高效率，產生倍增的經濟與社會價值。這使得數據資源蘊含著巨大的潛力，但是其價值的開發同時需要投入新的人類活勞動，比如想像力、創造性勞動，等等。就如同土地需要和人力相結合才能生產出糧食，石油需要進行精煉才能得到巨大的增值一樣，而這更體現了數據作為資源和生產要素的本質特點。
五、 數據資源的市場定價
在微觀層面，肯尼思•阿羅（K.J.Arrow）在分析決策資訊時，從資訊需求角度，將資訊商品的效用價值定義為有資訊和無資訊兩種情況下擁有一定資產的決策者進行優化決策時所得到的最大期望效用的差值。他還證明了在效用函數採取對數形式的條件下，資訊商品的效用價值等於該資訊商品所包含的資訊量[3]。
在宏觀層面，哈羅德·霍特林（Harold Hotelling）和羅伯特·索洛（Robert Solow）認為，對於不可再生的資源，達到資源最優耗用狀態要具備兩個條件。其一是隨時間推移，礦區使用費須以與利率相同的速率增長，亦即資源任何時點上的時間機會成本應為零，此為最佳存量條件，被稱為霍特林定律；第二個條件是資源品價格等於資源品邊際生產成本與資源影子價格之和，此為資源最佳流量或最佳開採條件。資源估價是資源有償利用和資源市場運作的基礎，大致有5種方法，收益資本化法（Revenue Capitalization）、市場比較法（Market Comparison）、市場趨勢法（Market Trend）、影子價格法（Shadow Pricing，反映資源最優使用效果的價值）和競價法（Bidding）[3]。
數據資源與自然資源最大的不同在於其具有可再生性（在某一時點上可以多次複製），這使得其邊際生產成本接近於零。但是由於產權的限制，大規模數據資源生產的邊際成本仍然能夠保持在一個較高的水準上。此外，與自然資源的價值穩定性不同，隨著時間的推移，數據資源的價值可能會快速下降。因此，對於數據資源的定價除了考慮其邊際生產成本和影子價格之外，還需要培養消費主體對數據資源適時開發利用的意識和能力。
六、 數據資源的生產與供給
Web2.0技術的廣泛應用使得互聯網上的內容生產能力呈指數增長，數據資源的生產迅猛增加。與此同時，世界各國出臺一系列政府資訊公開與政府數據開放政策，加之科學數據的管理能力和開放力度也在不斷提高，大大增加了數據資源免費供給的力度。我國上海更是將政府數據開放擴展至公共領域，出臺了《上海市公共數據開放暫行辦法》(滬府令21號),要求除市各級行政機關之外，履行公共管理和服務職能的事業單位也須將在依法履職過程中採集和產生的各類數據資源，面向社會提供具備原始性、可機器讀取、可供社會化再利用的數據集的公共服務，鼓勵數據利用主體利用公共數據開展科技研究、諮詢服務、產品開發、數據加工等活動。
與此同時，隨著大數據產業的發展，我國數據類企業增長迅速，分佈在電子商務、線上銀行、社交媒體、搜索引擎、視頻娛樂、物流與供應鏈、醫療、基因檢測等行業，呈現出增速快、行業覆蓋面廣等特點。到2018年全國約有4800家大數據企業，而涉數類企業在“互聯網+”環境下要遠遠多於這個數字。與此同時，涉數企業規模也呈擴大趨勢，2018年8月順豐聯合8家企業註冊1億資金成立超級大數據公司[6]。不斷增加的數據企業逐漸形成競爭態勢，促進了數據資源品質量和數據消費者剩餘福利的提升。
七、 數據資源的需求開發
不同於物質資源，數據資源滿足消費者某種特定需求的功能更加隱蔽，需要消費者具備較高的數據素養和數據利用能力方能實現。也就是說，只有當消費者瞭解數據資源開發利用的技術和方法，才能夠真正實現其價值。為此，數據資源的擁有者有責任培養消費者的消費需求和消費能力。這項任務既可以由資源擁有者承擔，也可以委託第三方專業機構來完成。比如，在政府開放數據網站上，呈現數據的應用場景和應用示例，可以幫助用戶更好地理解並利用數據。近年來政府、圖書館、企業、高校等不斷組織數據開發利用大賽，其實質在於尋求數據資源價值開發的最優方案，並通過新聞示範效應培養潛在的數據資源消費者。
隨著互聯網數據資源的不斷積累和公共數據開放力度的不斷加大，數據要素市場將在一定程度上轉化為買方市場。在這種情況下，對於潛在用戶的消費意識和消費能力的培養就更加重要。隨著5G時代的來臨和視頻媒體的快速發展，以直播等方式表現的消費者培養模式已經漸趨成熟，但是尚未廣泛應用於數據資源開發利用領域。除了數據資源開發利用的成功案例和直觀展示所帶來的消費刺激外，數據資源的可發現性和良好的搜索引擎關係也將大大有利於數據交易的發生和其價值的實現。
八、 數據資源交易市場的治理
隨著數據資源供給和需求的增加，數據交易日益活躍。目前國內的大數據交易平臺主要由政府主導和企業主導兩類。由政府或國企主導的大數據交易中心有貴陽數據交易所、上海數據交易中心、中關村數海大數據交易平臺、長江大數據交易平臺等；另一類則由大型互聯網企業如阿裏、京東、百度、浪潮、順豐等主導。目前貴陽大數據交易所已發展2000多家會員，可交易數據產品超4000個，明確規定交易的不是底層數據，而是數據清洗、建模分析的數據結果，要求數據買賣雙方保證數據所有權、合法、可信、不被濫用[7]。但是，由於法規、技術標準與交易規則尚不完善，我國公開的數據交易在數量和種類上都還比較有限。
與物質商品交易市場不同，數據交易技術更加複雜性，加之相關的監管技術尚未成熟，致使近年來暗網上底層數據交易活躍。據報導，2018年8月28日，一位暗網用戶發帖出售1.3億名華住旗下酒店入住用戶數據包，數據總數達5億條[8]。同月，大約3億條疑似順豐用戶數據在暗網售賣，包括寄件人、收件人的姓名、地址、電話等個人資訊[9]。可見，高頻接觸個人資訊的行業已成高度敏感行業。根據2017年測算，中國網路黑產從業人員已超過150萬，市場規模達千億級別。數據洩露規模由2016年的14億條躍升至2017年的50億條。2017年3月，公安部開展打擊整治駭客和侵犯公民個人資訊犯罪專項行動，僅4個月時間就偵破案件1800餘起，抓獲犯罪嫌疑人4800餘名，查獲各類公民個人資訊500餘億條[10]。
為了對數據資源交易市場進行有效治理，需要參照傳統資源開發型企業的監督管理辦法，採用先進的資訊安全技術，協同公安、工商稅務等政府部門以及第三方審計機構對涉數企業的數據採集、存儲、傳輸、共用、使用、歸檔及銷毀各環節進行審查，確保企業合規經營；對互聯網企業內控機制開展專項檢查和整治行動，嚴厲規制企業無資質採集、違規出售、濫用國家及公民個人數據的違法行為；加大懲罰力度，打擊數據黑市交易；維護國家、公民與涉數企業的正當利益，促進數據產業的繁榮發展。
九、 數據資源企業的規制
當前，數據洩露、篡改、丟失、不可持續等問題成為數據企業管理中的風險因素。2017年，美國一家數據公司洩露了近2億登記選民的個人資訊，約占美國人口的61%。2018年3月，美國社交網站Facebook數據洩露，被用於操縱總統選舉[11]。2015年瑞典交通管理局將資料庫及資訊服務外包給美國IBM公司，而IBM再將部分服務外包給美國NCR公司。兩家公司在轉存資料時出現疏漏，讓沒有得到安全許可的員工接觸到敏感資訊，致使大量涉及國家安全和個人隱私的數據遭到洩露。而瑞典政府在2017年1月才發現漏洞。這一事件極大衝擊了瑞典執政黨的執政地位，反對黨因此發起“不信任投票”，要求首相引咎辭職[12]。此外，根據DCCI互聯網數據中心發佈的報告，2017年手機App獲取個人資訊呈常態化趨勢，高達96.6%的Android應用會獲取用戶隱私，而iOS也達到69.3%[13]。
目前，我國已經出臺了一系列數據管理政策和法規，比如《網路安全法》（2016）、《兒童個人資訊網絡保護規定》（國家互聯網資訊辦公室，2019）、《網路數據安全標準體系建設指南》（工信部，2020）、《互聯網個人資訊安全保護指南》（公安部2019）、《數據安全管理辦法（徵求意見稿）》（國家互聯網資訊辦公室，2019）等。這些法規和標準在防控數據風險中發揮了重要作用，但是在數據權利的細分保護上仍然存在不足。建議參照歐盟《通用數據保護條例》，儘快制定出臺我國的數據保護法規或條例，保護數據主體的知情權、訪問權、修改權、刪除權和被遺忘權；明確數據企業應當承擔的責任和義務；加大對違法違規企業的經濟懲罰力度，運用多種手段監督涉數企業合法運營。
十、 促進數據產業健康發展
目前，我國數據產業發展勢頭較好，但是也面臨較多困難。一些數據保護法規在細化程度與操作性方面尚存在不足，致使監管執法的力度不夠，在一定程度上影響了數據產業的健康發展。比如，《網路安全法》鼓勵通過技術監測與管控促進網路安全健康運行，但卻較少涉及直接約束技術權力的濫用，對於涉數企業在數據保護方面的責任與義務規定不夠詳細具體。為了促進數據產業的健康發展，建議對涉數企業的數據採集、管理與使用進行信用等級評估，並記入企業信用記錄，運用誠信機制促使涉數企業合規經營。與此同時，營造公平公正的市場競爭環境，充分利用市場競爭機制促使涉數企業自覺提高數據安全意識，加大數據安全投入，提高數據資源品質，合法合規經營。