日前發布的《中共中央 國務院發布關於構建更加完善的要素市場化配置體制機制的意見》，首次將數據與土地、勞動力、資本、技術等傳統要素並列為要素之一，提出要加快培育數據要素市場，包括推進政府數據開放共享、提升社會數據資源價值、加強數據資源整合和安全保護等三方面工作。數據要素是一個新命題，有大量前沿問題需要研究。數據要素的收集、組織、使用、分享、流轉和管理等活動組成的經濟生態被稱為數據經濟。數據經濟的核心問題是數據要素的特徵、價值和配置機制。
一、數據要素的技術和經濟學特徵
（一）數據的技術特徵
什麼是數據？數據作為信息科學中一個基本但複雜的概念，對其的理解離不開對信息和知識等相關概念的辨析。DIKW模型提供了一個合適的分析框架，其中D指數據，I指信息，K指知識，W指智慧（圖1）。
第一，智慧、知識、信息和數據之間依次存在從窄口逕到寬口徑的從屬關係。從數據中可以提取出信息，從信息中可以總結出知識，從知識中可以升華出智慧。信息、知識和智慧儘管也屬於數據的範疇，卻是「更高階」的數據。
第二，數據是觀察的產物。觀察對象包括物體、個人、機構、事件以及它們所處環境等。觀察基於一系列視角、方法和工具，並伴隨著相應的符號表達系統，比如度量衡單位。數據就是用符號表達系統記錄觀察對象特徵和行為的產物。數據可以採取文字、數字、圖表、聲音和視頻等形式。在存在形態上，數據有數位化的，也有非數位化的。但隨著信息和通信技術的發展，越來越多數據被數位化。
第三，數據經過認知過程處理後得到信息，給出關於誰（Who）、什麼（What）、何處（Where）和何時（When）等問題的答案。信息是有組織和結構化的數據，與特定目標和情景有關，因此有價值和意義。
第四，與數據和信息相比，知識和智慧更難被準確定義。知識是對數據和信息的應用，給出關於如何做（How）的答案。智慧則有鮮明的價值判斷意味，在很多場合與對未來的預測和價值取向有關。
數據的技術特徵主要包括以下維度。一是數據的樣本分布、時間覆蓋和欄位等。二是數據容量，比如樣本數、變量數、時間序列長度和佔用的存儲空間等。三是數據質量，比如樣本是否有代表性，數據是否符合事先定義的規範和標準，觀察的顆粒度、精度和誤差，以及數據完整性。四是數據的時效性。因為觀察對象的特徵和行為可以隨時間變化，數據是否還能反映觀察對象的情況？五是數據來源。有些數據來自第一手觀察，有些數據由第一手觀察者提供，還有些數據從其它數據推導而來。數據可以來自受控實驗和抽樣調查，也可以來自網際網路、社交網絡、物聯網和工業網際網路等。數據可以由人產生，也可以由機器產生。數據可以來自線上，也可以來自線下。六是數據類型，包括結構化還是非結構化的，以及存在形式（文字、數字、圖表、聲音和視頻等）。七是不同數據集之間的互操作性和可連接性，比如樣本ID是否統一，變量定義是否一致，以及數據單位是否一致等。八是是否為個人數據。個人數據在隱私保護上有很多特殊性，需要專門討論。
（二）數據的經濟學特徵
數據有複雜的經濟學特徵。數據可以產生價值，具有資產屬性，兼有商品和服務的特徵。一方面，數據可存儲、可轉移，類似商品。數據可積累，在物理上不會消減或腐化。另一方面，很多數據是無形的，類似服務。數據作為資產具有很多特殊性，可以從非競爭性和非排他性兩個維度理解。
非競爭性指，當一個人消費某種產品時，不會減少或限制其他人對該產品的消費。該產品每增加一個消費者，所帶來的邊際成本等於0。大部分數據可以被重複使用，重複使用不會降低數據質量或容量，並且可以被不同人在同一時間使用，因此具有非競爭性。
非排他性指的是，當某人在付費消費某種產品時，不能排除其他沒有付費的人消費這一產品，或者排除的成本很高。很多數據是非排他性的，比如天氣預報數據。但通過技術和制度設計，有些數據具有排他性。比如，一些媒體信息終端採取付費形式，只有付費會員才可以閱讀。
很多數據同時具有非競爭性和非排他性，屬於公共產品，可以由任何人為任何目的而自由使用、改造和分享。比如，政府發布的經濟統計數據和天氣預報數據。一些數據是非競爭性的，但具有排他性，屬於俱樂部產品（準公共產品的一種），比如前面提到的收費媒體信息終端。
數據的所有權不管在法律上還是在實踐中都是一個複雜問題，特別對個人數據。數據容易在未經合理授權的情況下被收集、存儲、複製、傳播、匯集和加工，並且數據匯集和加工伴隨著新數據的產生。這使得數據的所有權很難界定清楚，也很難被有效保護。比如，在網際網路經濟中，網際網路平臺記錄下用戶的點擊、瀏覽和購物歷史等，是非常有價值的數據。這些數據儘管描述了用戶的特徵和行為，但不像用戶個人身份信息那樣由用戶提供，很難說由用戶所有。網際網路平臺儘管記錄和存儲這些數據，但這些數據與用戶的隱私和利益息息相關，很難任由網際網路平臺在用戶不知情的情況下使用和處置這些數據，所以網際網路平臺也不擁有完整產權。因此，需要通過制度設計和密碼學技術界定用戶作為數據主體以及網際網路平臺作為數據控制者的權利，這會對他們之間的經濟利益關係產生顯著影響。
很多文章把數據比喻成新經濟的石油。這個比喻實際上不準確。石油具有競爭性和排他性，屬於私人產品，產權可以清楚界定，並形成了現貨和期貨等複雜的市場交易模式。很多數據難以清晰界定所有權，作為公共產品或準公共產品難以有效參與市場交易。因此，把數據比喻成陽光更為合適。
二、數據價值的內涵和計量
（一）數據價值的內涵
根據DIKW模型，從數據中提煉出信息、知識和智慧，隱含著數據價值鏈的概念。原始數據經過處理並與其他數據整合後，再經分析形成可行動的洞見，最終由行動產生價值。
數據價值可以從微觀和宏觀兩個層面理解。在微觀層面，信息、知識和智慧既可以滿足使用者的好奇心（即作為最終產品），也可以提高使用者的認知，幫助他們更好做出決策（即作為中間產品），最終都是提高他們的福利。數據對使用者福利的提高，就反映了數據價值。在宏觀層面，信息、知識和智慧有助於提高全要素生產率，發揮乘數作用，也是數據價值的體現。本文主要討論微觀層面的數據價值，有三個關鍵特徵。
1．同樣數據對不同人的價值可以大相逕庭
第一，不同人的分析方法不一樣，從同樣數據中提煉出的信息、知識和智慧可以相差很大。在科學史上，很多科學家深入研究一些大眾習以為常的現象並做出了重大發現。重物落地之於牛頓，閃電之於富蘭克林，海水的藍色之於拉曼，與它們對大眾的價值是完全不一樣的。
第二，不同人所處的場景和面臨的問題不一樣，同一數據對他們起的作用也不一樣，對一些人可能是垃圾，對另一些人則可能是寶藏。比如，考古發現對歷史研究者的價值很大，但對金融投資者則很可能沒有價值。比如，另類數據包括個人產生數據、商業過程數據和傳感器數據等，能幫助投資者做投資決策，但對非金融投資者則沒有太大價值。不同的人可以在不同時間維度上使用數據，比如評估過去、分析當前、預測未來或回溯測試。使用目的不同，對數據的要求不一樣，同一數據就意味著不同價值。
第三，不同制度和政策框架對數據使用的限定不一，也會影響數據價值。換言之，數據價值內生於制度和政策。比如，網際網路平臺獲得用戶數據後，如果不恰當保護和使用，不尊重用戶隱私，將影響品牌形象和用戶信任，降低對數據價值和公司價值。2020年4月，美國聯邦法院批准Facebook與美國聯邦貿易委員會就劍橋分析醜聞的50億美元和解協議。
2.數據價值隨時間變化
第一，數據有時效性。很多數據在經過一段時間後，因為不能很好反映觀察對象的當前情況，價值會下降。這種現象稱為數據折舊。數據折舊在金融市場中表現得非常明顯。在DIKW模型中，將數據提煉為信息、知識和智慧，並且提煉層次越高，就越能抵抗數據折舊。
第二，數據有期權價值。新機會和新技術會讓已有數據產生新價值。在很多場合中，收集數據不僅是為了當下需求，也有助於提升未來福利。
3.數據會產生外部性
第一，數據對個人的價值稱為私人價值，數據對社會的價值稱為公共價值。數據如果具有非排他性或非競爭性，就會產生外部性，並造成私人價值與公共價值之間的差異。這種外部性可正可負，沒有定論。
第二，數據與數據結合的價值，可以不同於它們各自價值之和，是另一種外部性。但數據聚合是否增加價值，也沒有定論。既可能存在規模報酬遞增情形，比如更多數據更好揭示了隱含規律和趨勢，也可能存在規模報酬遞減情形，比如更多數據引入更多噪聲。但總的來說，數據容量越大，數據價值不一定越高，數據內容也很重要。
（二）數據價值的計量
1.絕對估值
鑑於數據價值的三個關鍵特徵，數據的絕對估值比較難，沒有公認方法。目前行業實踐中有四種主要方法，但都有缺陷。
第一，成本法，也就是將收集、存儲和分析數據的成本作為數據估值基準。這些成本有軟體和硬體方面的，也有智慧財產權和人力資源方面的，還有因安全事件、敏感信息丟失或名譽損失而造成的或有成本。數據收集和分析一般具有高固定成本、低邊際成本特徵，從而有規模效應。成本法儘管便於實施，但很難考慮同樣數據對不同人、在不同時間點以及與其他數據組合時的價值差異。
第二，收入法，也就是評估數據的社會和經濟影響，預測由此產生的未來現金流，再將未來現金流折現到當前。收入法在邏輯上類似公司估值中的折現現金流法，在理論上比較完善，但實施中面臨很多障礙。一是對數據的社會和經濟影響建模難度很大。二是數據的期權價值如何評估。實物期權估值法是一個可選方法，但並不完美。
第三，市場法，也就是以數據的市場價格為基準，評估不在市場上的數據的價值。市場法類似股票市場的市盈率和市淨率估值方法。市場法的不足在於，很多數據很難參與市場交易。目前，數據交易有一些嘗試，但市場厚度和流動性都不夠，價格發現功能不健全。另外，一些公司兼併收購價格著包含著對數據的估值，但不易分離出來。
第四，問卷測試法。這個方法主要針對個人數據，通過問卷測試個人願意收多少錢以出讓自己的數據，或願意花多少錢保護自己的數據，從而評估個人數據的價值。這個方法應用面非常窄，實施成本較高。
2.相對估值
數據相對估值目標是，給定一組數據以及一個共同的任務，評估每組數據對完成該任務的貢獻。與絕對估值相比，相對估值要簡單一些，特別是針對定量的數據分析任務，可以參考Shapley值。數據相對估值說明，同一數據在用於不同任務，使用不同分析方法，或與不同數據組合時，體現出的價值是不同的。比如，偏離數據集合「主流」的數據，在相對估值上可能比靠近數據集合「主流」的數據高，這顯示了「異常值」的價值。
三、數據要素的配置機制
數據有多種類型和不同特徵，產生了不同的配置機制。因為很多數據不適合參與市場交易，很多配置機制不屬於市場交易模式。換言之，市場化配置不等於市場交易模式。
（一）作為公共產品的數據
數據作為公共產品時，由私人部門提供會有供給不足的問題，一般由政府部門利用稅收收入提供。政府部門的數據開放和共享項目可以在這個框架下理解。政府部門應該在不涉密的前提下，儘可能向社會和市場開放政府數據，這樣才能最大化政府數據的公共價值。
2009年，美國聯邦政府推出數據開放門戶網站Data.gov，為之前分散在聯邦政府不同機構的網站上數據統一提供託管平臺。2019年，美國《開放政府數據法案》要求，除涉及國家安全和其他特殊原因的數據以外，聯邦政府應該在線發布它們擁有的數據，並且這些公開數據採取標準化、機器可讀形式。2016年以來，我國頒布《政務信息資源共享管理暫行辦法》、《公共信息資源開放試點工作方案》等一系列文件，開啟政務數據共享開放進程。
（二）作為準公共產品的數據
作為準公共產品的數據如果在所有權上較為清晰，並且具有排他性，主要有三種配置機制。第一，作為俱樂部產品的數據，可以採取付費訂購模式，比如收費媒體信息終端。
第二，數據信託模式。數據信託可以採取不同形式，比如法律信託、契約、公司以及公共和社區信託等。數據信託的主要目標包括：一是使數據可被共享；二是促進公共利益以及數據分享者的私人利益；三是尊重那些對數據有法律權利的人的利益；四是確保數據以合乎倫理和數據信託規則的方式共享。
第三，開放銀行模式。銀行通過應用程式界面（API）將用戶數據開放給經授權的第三方機構，以促進用戶數據的開發使用。銀行既限定哪些用戶數據可開放，也限定向哪些機構開放。這實際上是部分實現用戶數據的可攜帶性。
（三）網際網路平臺的數據獲取模式
網際網路平臺經常為用戶提供免費資訊和社交服務，目標是擴大用戶量，並獲得用戶的注意力和個人數據（比如用戶喜好、消費特徵和社會聯繫等）。在這個模式中，可以認為用戶用自己的注意力和個人數據換取資訊和社交服務。網際網路平臺一方面是通過廣告收入變現用戶流量，另一方面基於用戶個人數據進行精準營銷和開發信貸產品等。
這個模式主要有三個弊端：第一，網際網路平臺與用戶之間地位不平等，容易在未經用戶授權的情況下收集用戶數據，或過度收集用戶數據，或把從甲業務中收集到的個人數據用於乙業務，從而造成隱私侵犯和數據濫用問題。第二，網際網路平臺如果形成捕獲性生態，會鎖定用戶，並在事實上控制用戶數據。用戶很難將自己數據開放給或遷移到網際網路平臺的競爭對手。網際網路平臺通過數據壟斷對競爭者構成不公平競爭。第三，難以保證用戶提供個人數據後獲得了合理報酬。比如，用戶是否為不太有價值的資訊而揭示了重要個人信息？如何糾正這些弊端，是個人數據管理中的核心問題。
（四）數據要素市場
因為數據類型和特徵的多樣性，以及數據價值缺乏客觀計量標準，目前並不存在一個集中化、流動性好的數據交易市場。但數據的點對點交易（類似場外交易）一直在發生，比如另類數據市場。這個市場中存在大量的另類數據提供商，並發展出諮詢中介、數據聚合商和技術支持中介等，作為連接數據買方（主要是投資基金）和數據提供方之間的橋梁。但這個市場仍很不透明且非標準化。這是目前數據交易面臨的普遍問題。更不容忽視的是非法數據交易，比如交易個人隱私數據的「數據黑市」和「數據黑產」。2019年以來，我國對「數據黑產」開展了集中整頓。
如何建立合規有效的數據要素市場？一個可行選項是使用密碼學技術，包括可驗證計算、同態加密和安全多方計算。比如，在同態加密和安全多方計算下，對外提供數據時採取密文而非明文形式，從而使數據具備排他性。這些密碼學技術支持數據確權，使得在不影響數據所有權的前提下交易數據使用權成為可能，並構建數據交易的產權基礎。區塊鏈技術用於數據存證和使用授權，也在數據產權界定中發揮重大作用。
但即便如此，基於密碼學的數據要素市場也不同於傳統市場。首先，同一數據在加密後可以同時向多方提供，因此仍然是非競爭性的，除非數據使用者與數據控制者之間籤署保密協議，或者數據有很強的時效性，一經使用後很快失去價值。換言之，數據很難像私人產品那樣參與市場交易。其次，同一數據對不同人的價值可以差別很大。這使得在基於密碼學的數據使用權交易中，應用場景對數據價值的影響可能超過了數據本身特徵和內容的影響，很難從數據交易價格中提煉出有價值的定價信息。因此，基於密碼學的數據要素市場不會採取「對同一商品，多個買方競價，價高者得」的配置模式。
（五）數據產權界定
數據產權界定是數據要素有效配置的基礎。數據產權主要分為所有權和控制權。數據控制權包括誰能使用數據，如何使用數據，以及能否進一步對外分享數據等。在公司治理中，所有權和控制權是統一的——股東擁有公司，股東大會是公司的最高權力機關。但數據的所有權和控制權可以分離，特別是對所有權不清晰的個人數據。數據產權可以通過技術來界定（見前文），也可以通過制度設計來界定。
2018年5月，歐盟開始實施《通用數據保護條例》（GDPR）。GDPR給予數據主體廣泛權力，包括：第一，被遺忘權，指數據主體有權要求數據控制者刪除其個人數據，以避免個人數據被傳播；第二，可攜帶權，指數據主體有權向數據控制者索取本人數據並自主決定用途；第三，數據主體在自願、基於特定目的且在與數據控制者地位平衡等情況下，授權數據控制者處理個人數據，但授權在法律上不具備永久效力，可隨時撤回；第四，特殊類別的個人數據的處理條件，比如醫療數據。GDPR還提高了對數據控制者的要求，包括：第一，企業作為數據控制者必須在事前數據採集和事後數據洩露兩個環節履行明確的告知義務；第二，數據採集與數據使用目標的一一對應原則，以及數據採集（範圍、數量、時間、接觸主體等）最小化原則；第三，個人數據跨境傳輸條件。總的來說，GDPR引入了數據產權的精細維度，包括被遺忘權、可攜帶權、有條件授權和最小化採集原則等，建立了數據管理的制度範式。這些做法被歐盟以外的很多國家和地區所採納。2019年5月，我國網信辦發布《數據安全管理辦法（徵求意見稿）》。2019年12月，國家網信辦、工信部、公安部和市場監管總局四部門聯合印發《App違法違規收集使用個人信息行為認定方法》。
個人數據管理的核心問題隱私保護。隱私涉及個人與他人、私有與公開的邊界，是個人尊嚴、自主和自由的重要方面。隱私不排斥共享個人信息，而是要有效控制共享過程，在保護和共享個人數據之間做好平衡。對個人數據，控制權和隱私保護的重要性超過所有權。GDPR體現了這一點。
（作者系萬向區塊鏈公司首席經濟學家）