促進數字經濟的增長是當前我國經濟向創新型、知識型、技術型驅動的增長方式進行轉變的重大戰略舉措。數字經濟不僅改變了經濟增長結構，而且提升了經濟增長質量，對科技創新、全要素生產率的提高具有重要意義。一方面，將數據要素納入生產要素范疇，可以進一步激發數據這一要素參與生產的活力及效率，進一步加快經濟發展速度。另一方面，數據作為生產要素還體現出當前我國政府的重要戰略思想，可以進一步推動大數據發展和應用，鼓勵產業創新發展，培育新興業態，助力經濟轉型，推動大數據與科研創新的有機結合，推進基礎研究和核心技術攻關，形成大數據產業體系，完善大數據產業鏈，使得大數據更好地為國家發展戰略服務。傳統的內生增長理論認為，產出是勞動、資本和技術的函數，將數據要素納入生產要素范疇則體現了數據要素在經濟內生增長框架中的合法地位。因此，在知識經濟背景下，數據要素的制度激勵已成為技術創新和經濟增長之間形成互動循環的重要環節。

 

我國數據要素市場的發展特點及存在的問題

 

近年來，隨著大數據發展上升到國家戰略高度，數據被認為是關鍵的生產要素，其重要性日益與勞動、資本和技術等傳統生產要素相當，我國數據市場發展打開了新局面。與對傳統商品交易非常重要的傳統市場類似，數據交易也需要數據市場來支持。但由于數據是虛擬商品，具有獨特屬性。因此，為了實現公平、安全的數據交易活動，我國數據要素市場應運而生。實際上，數據交易是管理大數據的普遍趨勢，并且是大數據時代擴展的關鍵。此外，數據交易正刺激機器學習，數據挖掘和其他技術支持的數據分析活動為所有者和消費者帶來利益。同時，企業對外部數據要素的需求日益增加，進一步促進了數據市場的蓬勃發展。盡管如此，由于缺乏可行的市場協議，現有的大數據交易市場仍處于起步階段。

 

從市場規模和效應來看，數據市場規模高速增長，市場發展潛力巨大。當前以大數據和信息技術為基礎發展而來的數字經濟為我國經濟增長提供了強大動能，其增長速度極快且規模不斷擴大，在產業結構中的比重日益提升。從總量上來看，2018年我國數字經濟總量達到31.3萬億元，占GDP比重超過三分之一，同時對GDP增長的貢獻率達到67.9%，成為推動我國經濟增長的核心驅動力量。此外，市場發展逐漸深入，傳統市場與數據市場相互融合滲透，新型產業形態不斷涌現，由此帶來強大的就業吸附力對我國整體就業水平具有明顯拉動作用，并形成多種新型就業模式。從市場環境來看，市場發展環境日益完善。大量網絡平臺，譬如，京東、騰訊、阿里巴巴，直接收集訪問者的“非敏感信息”，導致個人數據的收集、交易及商業化運用呈現指數級增長。與此同時，隨著各類新型APP不斷推陳出新以及大數據、人工智能、物聯網、云計算以及機器學習等技術的整合，各種數據密集型行業也呈現爆發式增長態勢。但是，我國的互聯網行業已經進入了寡頭競爭時代，以技術壁壘與用戶規模為核心形成的壟斷屢見不鮮。從政策環境來看，促進數據市場發展的頂層設計不斷加強，政策機制日益健全，但是針對數字經濟的相關法律監管措施滯后于數字經濟的快速發展。從數字技術領域來看，數據市場關鍵技術領域不斷取得突破，創新能力顯著增強。數據采集、存儲、管理、分析挖掘、可視化等技術及其集成技術取得重大突破，獲取數據價值能力顯著提高。

 

然而，我國數據要素市場的發展仍存在諸多問題。與商品和服務市場相比，我國數據要素市場發育仍不充分，內外部體制機制障礙綜合影響了市場發揮數據資源配置的決定性作用。

 

具體而言，第一，數據要素市場失靈。不同用戶的類型和信息之間具有相關性，使得數據市場中的數據共享行為具有負外部性，由此造成數據要素市場失靈。數據市場中信息不對稱性、消費者行為偏差以及數據轉售帶來的負外部性，也會導致數據要素市場失靈。企業和消費者之間的信息分配不均衡，消費者對數字平臺如何使用信息擁有“有限的知識”，甚至不知道平臺何時以何種方式收集信息以及信息種類和數量。這種關于共享信息的使用和后續后果的信息不對稱會引起個人是否具有以最佳方式捍衛隱私權的能力問題，導致數據市場的低效率。這也為企業實施消費者價格歧視策略提供便利，賣方可以根據消費者偏好為其提供個性化價格合約，以達到完美價格歧視。此外，消費者容易受到行為偏差的影響，從而導致他們的行為偏離其真實偏好。企業會從消費者行為偏差中收益，這使得他們能夠從消費者那里收集超額數據，而不是完全理性的數據。另一方面，數據市場中平臺壟斷現象阻礙了市場的良性競爭，這也一定程度上造成市場失靈。第二，數據要素市場的監管和激勵不足。互聯網平臺的數據濫用案例屢見不鮮，現有的法律體系與數據市場的適應性較差，亟待健全數據市場法律機制以保障數據工作蓬勃發展所需的靈活性。同時，數據要素提供者活力的激勵機制不足。當前，許多網絡中數據集都是非結構化的，其中一個重要原因是數據提供商缺乏以結構化的格式發布其數據的激勵機制，數據提供商收集、連結數據等產生的高額固定成本將轉化為沉沒成本，給企業造成沉重財務負擔。第三，數據利用程度仍然低于預期水平，數據定價存在極大挑戰。充分利用數據的主要挑戰在于數據交換的困難。數據供求雙方之間存在的信息不對稱，導致數據需求方無法充分了解數據價值，從而對確定合理的數據要素價格造成挑戰。盡管數據市場的構建為加速數據交換提供了平臺，但是，數據定價問題仍然存在，亟待有效且公平的評估和定價策略。此外，如何管理(分析、存儲、更新等)數據以及激勵數據所有者共享數據是一個附加的挑戰，而數據工作與經濟和技術領域結合不暢，也大大降低了數據價值的挖掘能力。

 

第四，“免費”在線文化的社會問題，即用戶既不因其對數字服務的數據貢獻收費，也不直接為其從這些服務中獲得的價值付費。盡管免費數據用于免費服務是一種易貨貿易，但這種缺乏針對性的激勵措施破壞了數據市場評估原則，歪曲了數字經濟的財務回報分配，并阻礙用戶的數據共享行為。這些數據對人工智能、機器學習等服務的價值不斷提高，但是用戶缺乏數據的生產價值方面的信念，這些使得在線數據市場具有顯著的壟斷力量并由此獲取高額壟斷租金。第五，大數據交易涉及通過信息通信技術進行資源交易和分配，仍有一些問題尚未解決，包括如何確保多個供應商的最大利潤，如何確保交易的真實性，如何保護供應商和消費者的隱私以及如何建立可信賴的交易平臺。第六，數據孤島情況嚴重，數據市場發展不平衡。當前國內數據產業較為離散，個人與企業之間、企業之間、企業和政府之間的信息不對稱、制度法律不健全、共享渠道缺乏等多重因素，造成個人、企業和政府管理部門之間的數據孤島，以致無法構建全景的大數據體系。數字經濟發展極度不平衡，呈現發達地區產業集群現象。具體而言，數字基礎設施建設、數字技術研發創新、新興數字產業發展、傳統產業數字化轉型各方面均不平衡。此外，數據市場交易機制提出了隱私、信息中介機構的市場力量以及數據部門和其他部門的潛在扭曲關系等諸多新挑戰。第七，數字人才供給不足，技術創新能力落后。人才不足限制了大數據產業創新發展速度和效率，據相關數據披露，未來3至5年中國需要180萬數據人才，但截至目前中國大數據從業人員只有約30萬人。我國在新型計算平臺、分布式計算架構、大數據處理、分析等方面與國外仍存在較大差距。同時，大數據應用水平不高。我國發展大數據具有強勁的應用市場優勢，但是目前還存在應用領域不廣泛、應用程度不深、認識不到位等問題。此外，數據市場中數據挖掘技術的應用也存在挑戰。

 

完善數據要素市場體制機制的具體舉措

 

當前，數據作為數字化的知識和信息，在我國生產領域扮演著越來越重要的角色，引領數字經濟蓬勃發展的同時，促進我國經濟結構不斷向創新型、知識型、技術型驅動模式進行轉變，逐漸實現由中國制造向中國創造發展路徑的變革目標。與此同時，政府大力興建5G、物聯網、工業互聯網、衛星互聯網、人工智能、云計算、區塊鏈、數據中心、智能計算中心等新型基礎設施，也使得大數據作為釋放我國下一波生產力巨大增長浪潮的內在核心驅動力量的戰略地位愈發顯著。在此基礎上，充分發揮數據要素對其他傳統生產要素效率的倍增作用，是促進數據要素與其他傳統生產要素優勢互補，充分提高各類要素的生產活力和效率，使大數據成為推動經濟高質量發展的新動能的重要手段。這對構建實現有效數據交易的數據市場以及更加健全完善的數據要素市場體制機制提出新的要求。

 

第一，設計合理的數據要素市場體制機制，為數據供求雙方建立公平交易的平臺和規則，并促進數據要素市場與其他傳統要素市場規則激勵相容，從而促使不同要素為生產力協同發力。 首先，數據市場平臺應該具有如下功能：一是有效的查詢系統；二是動態交易系統。三是隱私保護和安全審查功能。其次，由于數據定價、數據交易和數據保護是三個相互影響的閉環，因此，也應充分考慮數據交易過程中數據所有者和消費者對市場交易平臺的信任問題。采用中介化的數據交易方式轉換不同用戶的數據，從而最小化其他用戶的信息泄露問題是一種提高數據要素市場效率的方式。因此，可以構建受信任的第三方交易平臺，以便為異質性用戶提供可靠服務。此外，由于數據供應商和消費者都不希望彼此公開個人敏感信息，對此，基于密碼學的數據交易方案可為保護敏感信息提供有效方法、利用區塊鏈技術代替人工控制來支持可信交易。最后，需要做好數據要素市場化配置與安全保護措施的協調統一，培育規范、高效、安全的新型數據要素市場，最大限度地釋放數據經濟紅利。

 

從廣義上來講，數據要素具有勞動、資本、知識、信息、技術多重屬性，因此，數據要素市場中的利益分配機制與傳統要素市場既有聯系又有區別，需要合理平衡不同要素市場之間的收入分配激勵機制，充分釋放各類生產要素活力。首先，應該將數據作為一種物化勞動，強調其創造剩余價值的作用，將數據要素和勞動者的勞動力相結合所形成的生產力作為相對剩余價值和超額剩余價值創造的重要源泉。其次，應該將數據作為活勞動創造價值參與分配，數據要素按貢獻參與分配實質上是一種按勞分配。最后，數據作為生產要素參與分配是因為數據是企業和社會的重要戰略資源，并可以帶來科學理論的突破和技術進步，從而大大提高勞動生產率，創造更多價值。但是，值得注意的是，我們必須明確數據資產具有價值和數據資產創造價值的概念。數據必須和勞動者相結合，進入勞動過程，才能把本身的價值轉移到新產品中去。因此，數據知識在生產運用過程中，就是技術型勞動的實踐過程。而具體分配給誰、分配多少、如何分配的問題都需要政策當局作出科學理性的判斷。首先，分配過程中最重要也是最困難的環節是分配主體的選擇，即數據要素的所有權或控制權的界定問題。這需要我們厘清數據要素發揮作用的方式及流程，從而理解數據要素在生產活動中的價值鏈條。在實際的數據應用過程中扮演重要角色的四類主體分別為：數據提供者、數據收集者、數據價值挖掘者、數據決策制定者。分配額度的確定原則是按市場評價貢獻、按貢獻決定報酬的機制，充分體現勞動、資本、技術、知識、管理、數據等要素的價值。而具體的分配方式的選擇則是如何對數據進行合理定價的問題。應加快數據要素價格市場化改革。完善主要由市場決定數據要素價格機制；加強要素價格管理和監督，引導市場主體依法合理行使要素定價自主權，推動政府定價機制由制定具體價格水平向制定定價規則轉變。構建要素價格公示和動態監測預警體系，逐步建立要素價格調查和信息發布制度。完善要素市場價格異常波動調節機制。加強要素領域價格反壟斷工作，維護數據要素市場價格秩序。

 

第二，培育數字經濟新產業、新業態和新模式，支持各領域的規范化數據開發應用場景。不斷擴大數字經濟外延，由數字產業化逐漸轉向產業數字化，推動傳統制造業向智能制造業轉型升級，構建先進生產力，加速數據技術、產品和服務不斷向各行各業融合滲透，發揮數據要素對其他生產和服務領域的協同作用；加強數據資源整合。探索建立統一規范的數據管理制度，提高數據質量和規范性，豐富數據產品。根據數據性質完善數字產權保護體系，防范數字侵權行為。完善數字化人才培育體系。

 

第三，建立健全數據產權交易和行業自律機制，推進全流程電子化交易，提升要素交易監管水平。數字經濟中的最重要的平衡因素是競爭。充分發揮市場配置資源的決定性作用，暢通數據要素流動渠道，保障不同市場主體平等獲取生產要素，推動數據要素配置依據市場規則、市場價格、市場競爭實現效益最大化和效率最優化。因此，應打破地方保護，加強反壟斷和反不正當競爭執法，規范交易行為，構建公平有序的競爭環境，引導各類要素協同向先進生產力集聚；健全損害國家安全及公共利益行為懲處機制。健全交易風險防范處置機制。根據不同要素屬性、市場化程度差異和經濟社會發展需要，分類完善要素市場化配置體制機制。

 

第四，充分平衡數據市場中數據的資本和勞動屬性，鼓勵以數據要素為基礎的企業家精神和創新活動，同時激勵數據要素所有者增加數據數量和質量。此外，將數據視作資本存在勞動力替代風險，即支持人工智能在人類無法服務的工作領域的應用，而將數據視作勞動則是將機器學習視作一種提高勞動生產率并創造新型“數據工作”的生產技術，并認為需要大型機構檢查數據平臺利用數據提供商的壟斷力量的能力，并確保公平和充滿活力的數據勞動力市場。研究預測，數據要素驅動的人工智能在未來幾十年內將使50％的工作自動化，數據勞動有可能構成國民收入的很大部分。因此，應該平衡數據要素對其他要素的替代效應，最大化發揮不同要素之間的增量互補效應。

 

第五，提高數據產業相關的技術創新能力和基礎設施建設水平。機器學習技術，例如深度學習，是利用大數據價值的可行方法。機器學習由大數據源驅動，適用于快速變化的大型復雜的數據集，并且可以通過云計算和邊緣計算基礎架構進一步改善。因此，合并大數據和機器學習有利于組織提高數據價值并擴展其大數據應用程序分析能力，而提高大數據應用程序的性能，能夠進一步增加數據商業價值。為了提高這種性能，需要提高計算能力和運行效率，并減少計算資源需求和數據存儲成本。此外，應促進區塊鏈技術和云計算、大數據、人工智能等技術的融合發展，形成新的數據經濟基礎設施的治理手段。加強新一代信息技術創新，促進新一代移動通信、智能終端等技術研發和產業化運用。

 

（作者為武漢大學經濟與管理學院教授；武漢大學經濟與管理學院博士研究生賈紅靜對本文亦有貢獻）