数据是21世纪的新型石油，为具有专业知识和资源以充分利用和挖掘数据价值的少数个人和组织创造巨大价值，因此，将数据要素纳入生产要素范畴具有重要性和必要性。2020年4月9日，中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》（以下简称《意见》），这是我国第一份关于要素市场化配置的文件，《意见》对加快培育我国数据要素市场提出顶层设计，进一步加强了数据要素在我国生产要素领域的重要战略地位，对促进我国经济高质量发展以及产业结构转型升级意义重大。

促进数字经济的增长是当前我国经济向创新型、知识型、技术型驱动的增长方式进行转变的重大战略举措。数字经济不仅改变了经济增长结构，而且提升了经济增长质量，对科技创新、全要素生产率的提高具有重要意义。一方面，将数据要素纳入生产要素范畴，可以进一步激发数据这一要素参与生产的活力及效率，进一步加快经济发展速度。另一方面，数据作为生产要素还体现出当前我国政府的重要战略思想，可以进一步推动大数据发展和应用，鼓励产业创新发展，培育新兴业态，助力经济转型，推动大数据与科研创新的有机结合，推进基础研究和核心技术攻关，形成大数据产业体系，完善大数据产业链，使得大数据更好地为国家发展战略服务。传统的内生增长理论认为，产出是劳动、资本和技术的函数，将数据要素纳入生产要素范畴则体现了数据要素在经济内生增长框架中的合法地位。因此，在知识经济背景下，数据要素的制度激励已成为技术创新和经济增长之间形成互动循环的重要环节。

我国数据要素市场的发展特点及存在的问题

近年来，随着大数据发展上升到国家战略高度，数据被认为是关键的生产要素，其重要性日益与劳动、资本和技术等传统生产要素相当，我国数据市场发展打开了新局面。与对传统商品交易非常重要的传统市场类似，数据交易也需要数据市场来支持。但由于数据是虚拟商品，具有独特属性。因此，为了实现公平、安全的数据交易活动，我国数据要素市场应运而生。实际上，数据交易是管理大数据的普遍趋势，并且是大数据时代扩展的关键。此外，数据交易正刺激机器学习，数据挖掘和其他技术支持的数据分析活动为所有者和消费者带来利益。同时，企业对外部数据要素的需求日益增加，进一步促进了数据市场的蓬勃发展。尽管如此，由于缺乏可行的市场协议，现有的大数据交易市场仍处于起步阶段。

从市场规模和效应来看，数据市场规模高速增长，市场发展潜力巨大。当前以大数据和信息技术为基础发展而来的数字经济为我国经济增长提供了强大动能，其增长速度极快且规模不断扩大，在产业结构中的比重日益提升。从总量上来看，2018年我国数字经济总量达到31.3万亿元，占GDP比重超过三分之一，同时对GDP增长的贡献率达到67.9%，成为推动我国经济增长的核心驱动力量。此外，市场发展逐渐深入，传统市场与数据市场相互融合渗透，新型产业形态不断涌现，由此带来强大的就业吸附力对我国整体就业水平具有明显拉动作用，并形成多种新型就业模式。从市场环境来看，市场发展环境日益完善。大量网络平台，譬如，京东、腾讯、阿里巴巴，直接收集访问者的“非敏感信息”，导致个人数据的收集、交易及商业化运用呈现指数级增长。与此同时，随着各类新型APP不断推陈出新以及大数据、人工智能、物联网、云计算以及机器学习等技术的整合，各种数据密集型行业也呈现爆发式增长态势。但是，我国的互联网行业已经进入了寡头竞争时代，以技术壁垒与用户规模为核心形成的垄断屡见不鲜。从政策环境来看，促进数据市场发展的顶层设计不断加强，政策机制日益健全，但是针对数字经济的相关法律监管措施滞后于数字经济的快速发展。从数字技术领域来看，数据市场关键技术领域不断取得突破，创新能力显著增强。数据采集、存储、管理、分析挖掘、可视化等技术及其集成技术取得重大突破，获取数据价值能力显著提高。

然而，我国数据要素市场的发展仍存在诸多问题。与商品和服务市场相比，我国数据要素市场发育仍不充分，内外部体制机制障碍综合影响了市场发挥数据资源配置的决定性作用。

具体而言，第一，数据要素市场失灵。不同用户的类型和信息之间具有相关性，使得数据市场中的数据共享行为具有负外部性，由此造成数据要素市场失灵。数据市场中信息不对称性、消费者行为偏差以及数据转售带来的负外部性，也会导致数据要素市场失灵。企业和消费者之间的信息分配不均衡，消费者对数字平台如何使用信息拥有“有限的知识”，甚至不知道平台何时以何种方式收集信息以及信息种类和数量。这种关于共享信息的使用和后续后果的信息不对称会引起个人是否具有以最佳方式捍卫隐私权的能力问题，导致数据市场的低效率。这也为企业实施消费者价格歧视策略提供便利，卖方可以根据消费者偏好为其提供个性化价格合约，以达到完美价格歧视。此外，消费者容易受到行为偏差的影响，从而导致他们的行为偏离其真实偏好。企业会从消费者行为偏差中收益，这使得他们能够从消费者那里收集超额数据，而不是完全理性的数据。另一方面，数据市场中平台垄断现象阻碍了市场的良性竞争，这也一定程度上造成市场失灵。第二，数据要素市场的监管和激励不足。互联网平台的数据滥用案例屡见不鲜，现有的法律体系与数据市场的适应性较差，亟待健全数据市场法律机制以保障数据工作蓬勃发展所需的灵活性。同时，数据要素提供者活力的激励机制不足。当前，许多网络中数据集都是非结构化的，其中一个重要原因是数据提供商缺乏以结构化的格式发布其数据的激励机制，数据提供商收集、连结数据等产生的高额固定成本将转化为沉没成本，给企业造成沉重财务负担。第三，数据利用程度仍然低于预期水平，数据定价存在极大挑战。充分利用数据的主要挑战在于数据交换的困难。数据供求双方之间存在的信息不对称，导致数据需求方无法充分了解数据价值，从而对确定合理的数据要素价格造成挑战。尽管数据市场的构建为加速数据交换提供了平台，但是，数据定价问题仍然存在，亟待有效且公平的评估和定价策略。此外，如何管理(分析、存储、更新等)数据以及激励数据所有者共享数据是一个附加的挑战，而数据工作与经济和技术领域结合不畅，也大大降低了数据价值的挖掘能力。

第四，“免费”在线文化的社会问题，即用户既不因其对数字服务的数据贡献收费，也不直接为其从这些服务中获得的价值付费。尽管免费数据用于免费服务是一种易货贸易，但这种缺乏针对性的激励措施破坏了数据市场评估原则，歪曲了数字经济的财务回报分配，并阻碍用户的数据共享行为。这些数据对人工智能、机器学习等服务的价值不断提高，但是用户缺乏数据的生产价值方面的信念，这些使得在线数据市场具有显著的垄断力量并由此获取高额垄断租金。第五，大数据交易涉及通过信息通信技术进行资源交易和分配，仍有一些问题尚未解决，包括如何确保多个供应商的大利润，如何确保交易的真实性，如何保护供应商和消费者的隐私以及如何建立可信赖的交易平台。第六，数据孤岛情况严重，数据市场发展不平衡。当前国内数据产业较为离散，个人与企业之间、企业之间、企业和政府之间的信息不对称、制度法律不健全、共享渠道缺乏等多重因素，造成个人、企业和政府管理部门之间的数据孤岛，以致无法构建全景的大数据体系。数字经济发展极度不平衡，呈现发达地区产业集群现象。具体而言，数字基础设施建设、数字技术研发创新、新兴数字产业发展、传统产业数字化转型各方面均不平衡。此外，数据市场交易机制提出了隐私、信息中介机构的市场力量以及数据部门和其他部门的潜在扭曲关系等诸多新挑战。第七，数字人才供给不足，技术创新能力落后。人才不足限制了大数据产业创新发展速度和效率，据相关数据披露，未来3至5年中国需要180万数据人才，但截至目前中国大数据从业人员只有约30万人。我国在新型计算平台、分布式计算架构、大数据处理、分析等方面与国外仍存在较大差距。同时，大数据应用水平不高。我国发展大数据具有强劲的应用市场优势，但是目前还存在应用领域不广泛、应用程度不深、认识不到位等问题。此外，数据市场中数据挖掘技术的应用也存在挑战。

完善数据要素市场体制机制的具体举措

当前，数据作为数字化的知识和信息，在我国生产领域扮演着越来越重要的角色，引领数字经济蓬勃发展的同时，促进我国经济结构不断向创新型、知识型、技术型驱动模式进行转变，逐渐实现由中国制造向中国创造发展路径的变革目标。与此同时，政府大力兴建5G、物联网、工业互联网、卫星互联网、人工智能、云计算、区块链、数据中心、智能计算中心等新型基础设施，也使得大数据作为释放我国下一波生产力巨大增长浪潮的内在核心驱动力量的战略地位愈发显著。在此基础上，充分发挥数据要素对其他传统生产要素效率的倍增作用，是促进数据要素与其他传统生产要素优势互补，充分提高各类要素的生产活力和效率，使大数据成为推动经济高质量发展的新动能的重要手段。这对构建实现有效数据交易的数据市场以及更加健全完善的数据要素市场体制机制提出新的要求。

第一，设计合理的数据要素市场体制机制，为数据供求双方建立公平交易的平台和规则，并促进数据要素市场与其他传统要素市场规则激励相容，从而促使不同要素为生产力协同发力。 首先，数据市场平台应该具有如下功能：一是有效的查询系统；二是动态交易系统。三是隐私保护和安全审查功能。其次，由于数据定价、数据交易和数据保护是三个相互影响的闭环，因此，也应充分考虑数据交易过程中数据所有者和消费者对市场交易平台的信任问题。采用中介化的数据交易方式转换不同用户的数据，从而最小化其他用户的信息泄露问题是一种提高数据要素市场效率的方式。因此，可以构建受信任的第三方交易平台，以便为异质性用户提供可靠服务。此外，由于数据供应商和消费者都不希望彼此公开个人敏感信息，对此，基于密码学的数据交易方案可为保护敏感信息提供有效方法、利用区块链技术代替人工控制来支持可信交易。最后，需要做好数据要素市场化配置与安全保护措施的协调统一，培育规范、高效、安全的新型数据要素市场，大限度地释放数据经济红利。

从广义上来讲，数据要素具有劳动、资本、知识、信息、技术多重属性，因此，数据要素市场中的利益分配机制与传统要素市场既有联系又有区别，需要合理平衡不同要素市场之间的收入分配激励机制，充分释放各类生产要素活力。首先，应该将数据作为一种物化劳动，强调其创造剩余价值的作用，将数据要素和劳动者的劳动力相结合所形成的生产力作为相对剩余价值和超额剩余价值创造的重要源泉。其次，应该将数据作为活劳动创造价值参与分配，数据要素按贡献参与分配实质上是一种按劳分配。最后，数据作为生产要素参与分配是因为数据是企业和社会的重要战略资源，并可以带来科学理论的突破和技术进步，从而大大提高劳动生产率，创造更多价值。但是，值得注意的是，我们必须明确数据资产具有价值和数据资产创造价值的概念。数据必须和劳动者相结合，进入劳动过程，才能把本身的价值转移到新产品中去。因此，数据知识在生产运用过程中，就是技术型劳动的实践过程。而具体分配给谁、分配多少、如何分配的问题都需要政策当局作出科学理性的判断。首先，分配过程中最重要也是最困难的环节是分配主体的选择，即数据要素的所有权或控制权的界定问题。这需要我们厘清数据要素发挥作用的方式及流程，从而理解数据要素在生产活动中的价值链条。在实际的数据应用过程中扮演重要角色的四类主体分别为：数据提供者、数据收集者、数据价值挖掘者、数据决策制定者。分配额度的确定原则是按市场评价贡献、按贡献决定报酬的机制，充分体现劳动、资本、技术、知识、管理、数据等要素的价值。而具体的分配方式的选择则是如何对数据进行合理定价的问题。应加快数据要素价格市场化改革。完善主要由市场决定数据要素价格机制；加强要素价格管理和监督，引导市场主体依法合理行使要素定价自主权，推动政府定价机制由制定具体价格水平向制定定价规则转变。构建要素价格公示和动态监测预警体系，逐步建立要素价格调查和信息发布制度。完善要素市场价格异常波动调节机制。加强要素领域价格反垄断工作，维护数据要素市场价格秩序。

第二，培育数字经济新产业、新业态和新模式，支持各领域的规范化数据开发应用场景。不断扩大数字经济外延，由数字产业化逐渐转向产业数字化，推动传统制造业向智能制造业转型升级，构建先进生产力，加速数据技术、产品和服务不断向各行各业融合渗透，发挥数据要素对其他生产和服务领域的协同作用；加强数据资源整合。探索建立统一规范的数据管理制度，提高数据质量和规范性，丰富数据产品。根据数据性质完善数字产权保护体系，防范数字侵权行为。完善数字化人才培育体系。

第三，建立健全数据产权交易和行业自律机制，推进全流程电子化交易，提升要素交易监管水平。数字经济中的最重要的平衡因素是竞争。充分发挥市场配置资源的决定性作用，畅通数据要素流动渠道，保障不同市场主体平等获取生产要素，推动数据要素配置依据市场规则、市场价格、市场竞争实现效益大化和效率最优化。因此，应打破地方保护，加强反垄断和反不正当竞争执法，规范交易行为，构建公平有序的竞争环境，引导各类要素协同向先进生产力集聚；健全损害国家安全及公共利益行为惩处机制。健全交易风险防范处置机制。根据不同要素属性、市场化程度差异和经济社会发展需要，分类完善要素市场化配置体制机制。

第四，充分平衡数据市场中数据的资本和劳动属性，鼓励以数据要素为基础的企业家精神和创新活动，同时激励数据要素所有者增加数据数量和质量。此外，将数据视作资本存在劳动力替代风险，即支持人工智能在人类无法服务的工作领域的应用，而将数据视作劳动则是将机器学习视作一种提高劳动生产率并创造新型“数据工作”的生产技术，并认为需要大型机构检查数据平台利用数据提供商的垄断力量的能力，并确保公平和充满活力的数据劳动力市场。研究预测，数据要素驱动的人工智能在未来几十年内将使50％的工作自动化，数据劳动有可能构成国民收入的很大部分。因此，应该平衡数据要素对其他要素的替代效应，大化发挥不同要素之间的增量互补效应。

第五，提高数据产业相关的技术创新能力和基础设施建设水平。机器学习技术，例如深度学习，是利用大数据价值的可行方法。机器学习由大数据源驱动，适用于快速变化的大型复杂的数据集，并且可以通过云计算和边缘计算基础架构进一步改善。因此，合并大数据和机器学习有利于组织提高数据价值并扩展其大数据应用程序分析能力，而提高大数据应用程序的性能，能够进一步增加数据商业价值。为了提高这种性能，需要提高计算能力和运行效率，并减少计算资源需求和数据存储成本。此外，应促进区块链技术和云计算、大数据、人工智能等技术的融合发展，形成新的数据经济基础设施的治理手段。加强新一代信息技术创新，促进新一代移动通信、智能终端等技术研发和产业化运用。

（作者为武汉大学经济与管理学院教授；武汉大学经济与管理学院博士研究生贾红静对本文亦有贡献）