与传统生产要素相比，数据作为新质生产要素具有非排他性、非竞争性和非标准化性等新质特点，这些特征决定了构建可信的场内交易体系是实现数据要素市场发展及推动新质生产力发展的关键。
探索构建数据交易信用管理制度，以信用激励和惩戒机制引导交易双方进场交易是解决当前我国数据要素可信流通体系缺失、数据流动不足、场内交易不活跃的“突破口”。
数据交易信用管理体系包括统一互联的数据要素确权登记、数据要素交易相关主体信用评价管理、分场景的数据要素分级分类系统和数据流通全程可记录追溯系统等四大要件，以及在此基础上运行的进场交易、信用承诺、容错管理、可信认证、质量评价、信用评估、分类管理和信用惩戒等机制，这些机制确保了数据交易信用管理体系的有效运转以及新质生产力的可持续发展。（本文转载自《财经科学》2024年第5期）
新质生产力这一重要概念首次提出于2023年9月，习近平总书记在黑龙江考察调研期间，根据新一轮科技革命和产业变革的趋势，创造性地提出“新质生产力”概念。新质生产力强调创新以及数据、技术、知识和信息等“新质生产要素”在推动生产力发展中的重要作用。数据作为一种典型的新型生产要素，正成为推动新质生产力发展的重要“动力源”。数据要素的顺畅流转对新质生产力的创新和发展具有直接影响。在人工智能等新技术的推动下，数据要素的采集、存储、交易、加工、分析等环节形成完整链条。其中每个环节都蕴藏着巨大价值，只有确保各环节之间可信且顺畅流转，才能最大程度地发挥数据效用，进而推动新质生产力的创新与发展。
近年来，我国数字经济发展迅速，总规模从11万亿元快速增长至50多万亿元，在GDP中占比由21.6%提升至41.5%，且这一趋势仍在延续。快速增长的数字经济产生了海量数据和丰富的应用场景，2022年我国数据全年产量达到8.1ZB，全球占比为10.5%，位居全球第二。未来几年，数据产量预计年均增长率将达到30%左右。数据已经成为我国数字社会发展的基础投入要素，作为新质生产力发展的“物质”和“能量”，对未来经济高质量发展具有基础性作用。同时，相较于总量巨大的数据规模，我国数据要素市场交易水平仍然较低，处于依靠政策引导构建场内交易机制，探索建立交易制度的初级阶段。2021年我国数据要素交易额仅为73亿美元，为世界第一大市场美国（按照数据产量比计算）的1/15左右。与此同时，现有数据要素交易结构失衡问题严重。全国已成立47家由地方政府或国资主导的数据交易机构，旨在加快推进数据要素市场有序发展。但2021年，由数据交易所主导的场内交易仅占交易总额的2%，点对点场外交易占比高达98%。2015年成立的贵阳大数据交易所成立时预计“未来5年内日交易额实现100亿元”，而实际全年交易均量仅达到500万～800万元，数据要素场内场外交易结构失衡问题普遍存在。因此，构建与新质生产力相适应的数据交易基础制度，推动数据流通，是激活数据潜能、促进新质生产力发展的关键。数据要素的特征决定了其交易规则不同于传统要素，需要建立以可信体系为核心的基础交易制度。借鉴社会信用体系建设的经验研究数据交易信用管理机制对我国数据要素的可信交易与流通，以及新质生产力的高效发展至关重要。二、相关文献回顾
目前，国内外学界没有对“数据交易信用管理”的专门研究，有关“数据要素可信交易”的文献主要集中于三个学科领域，按时间维度和逻辑进路划分，研究路径可概括为技术先行—法学规范—经济学深化三个阶段：第一，从计算机科学技术方面对数据可信化交易进行数字底层逻辑、架构和模型的建构研究。有关文献主要集中于计算机软件与应用领域，孙嘉睿等（2018）基于对ISO管理标准，从工具、技术、环境、安全等4四个要素出发，提出可信数据模型和实现路径。在不同场景和流程的可信基础技术框架构建方面，学者主要基于区块链、云计算等技术，针对数据收集共享、存储、流通等建立数据可信化技术平台，为可信数据空间、可信供应链平台提供可信技术解决方案。RLG与OCLC（2020）以用户对仓储文件的信任为基础，对可信数字仓储的属性和构建提出了建议。王靖宇（2023）在此基础上依托区块链技术提出建立国家密码算法实现对数据交易进行隐私保护的可信技术方案。第二，从法学学科对数据要素流通交易的法律规范的研究。国内文献主要集中于对数据交易市场的不正当竞争、市场化法治保障、数字税收、数据要素财产权的形成、数据要素收益归属、中国特色数据产品制度、数权世界与数据治理、数据要素权益配置问题、撮合数据交易和安全认证的研究。国外文献主要围绕数据隐私保护和产权化两个问题展开，美国各州对数据流通的相关立法具有代表性，例如，2018年加利福尼亚州实施的《消费者隐私保护法案》，对个人数据使用和交易做了严格规定，被视为最严格的消费者数据保护法。2018年欧盟建立的以GDPR为基础的数据监管制度体系是目前国际数据治理的代表性规则，为他国提供了重要经验借鉴。张伯恩（2022）认为相较于对数据所有权进行抽象或哲学讨论，实践中更需要以真实数据交易为中心，平衡数据交易各方主体利益促进有序交易法律体系的形成。第三，从经济学学科对数据要素的特点、属性、定价和交易规则设计的研究。相关文献主要分析了数据要素交易难实现的原因与破解路径。肯尼斯·阿罗早在1962年就提出“数据交易悖论”概念，交易买方需要事先了解或获取数据信息以确定数据产品的价值，但数据一旦被披露，买方就可以免费获取数据。此后，“阿罗悖论”被不断发展重构，库特（2013）提出数据交易“双重信任困境”，数据卖方“需要相信买方不会窃取信息”，数据买方则“希望自己购买时不会被欺骗”，简单的信息披露并不能达成交易，需要双方持续沟通以对产品进行详细了解才能实现。在此基础上，Varian（2018）、Bergemann等（2018）对数据要素控制者囤积而非分享数据，进而利用数据要素的排他性持续获取收益，并导致垄断问题进行了研究。LiuZ（2019）根据数据要素特点和市场结构构建了三阶段斯塔克伯格博弈模型，对包含数据经纪人、需求方和供给方的数据交易价格策略进行模型化分析。Yoo,Joon-Soo（2022）基于成本法、市场法和收益法定价模型提出建立数据价格和估值流程，以及引进数据质量认证体系构建数据交易机制。综上所述，现有文献从技术保障、法律规范和经济规则设计对数据要素可信化流通交易实现进行了多学科、多角度的分析，对我国数据要素市场建设理论与实践研究具有重要参考价值。同时，基于数据要素的新质要素一般特征和市场发展的一般规律，借鉴其他领域信用监管的成熟经验对我国数据要素信用管理体系的针对性研究尚未涉及。本文主要对我国数据要素信用管理与可信流通体系展开研究，探索通过信用管理制度构建引导数据交易主体行为，以期解决目前我国数据要素市场发展不足、场内交易活力低的问题。新质生产要素是在生产技术发展条件下，通过生产要素创新配置和产业深度转型升级而催生的先进生产要素。这些要素通过劳动者、劳动资料、劳动对象的优化组合及其质变实现全要素生产率的提升，具有数字化、网络化、智能化等特征。数据由于在推动要素利用效率提升、资源配置效率提升、价值增值能力提升中发挥愈加重要作用而迅速成为新质生产要素。在认识数据作为新质要素的特征之前，首先需要对数据经济与数字经济的概念进行区分。目前国内外学界并无就此进行专门研究，文献主要集中于对数字经济的探讨中。笔者认为，数据经济是在数字经济发展到一定阶段所必然出现的经济形态，随着互联网经济2.0、互联网经济3.0的发展，数字平台中的数据不断累积，并逐渐成为关键生产要素；同一时期，包括大数据、云计算、人工智能、区块链等新一代信息技术及其融合取得突破性发展，为大规模数据加工、应用、数据产品生产提供了技术基础。这一过程中，数据作为核心投入要素，带来了生产力的系统性变革，并带动了组织模式、市场形态和治理关系等生产关系的变革。从新质生产力各要素角度认识理解数据经济生产过程需要注意以下两方面。一方面，劳动者、劳动对象和劳动资料只有通过一定的创新技术结合才能形成现实的新质生产力。从新质生产力的诸要素角度分析，数据本身既是新质的劳动对象，也是新质劳动产品；数据是被加工处理的对象，也是算法和算力等新质劳动资料的劳动对象，算法、算力和人工智能等新质劳动资料的应用，决定了对数据这一劳动对象加工处理的生产效率，进而决定了新质生产力发展水平。另一方面，“各种经济时代的区别，不在于生产什么，而在于怎样生产，用什么劳动资料生产。劳动资料不仅是人类劳动力发展的测量器，而且是劳动借以进行的社会关系的指示器。”在以数据为要素特征的新质生产力发展中，各种信息技术和建立在此基础上的算法、算力是新质生产力的劳动资料，是作用于(数据)劳动对象的新质生产工具，即算法、算力水平代表了新质生产力发展水平。虽然包括能源、土地等原材料在内的传统劳动资料也是此类新质生产力的重要基础，但在数据型新质生产力发展或其成为社会生产的主要矛盾条件下，数据要素逐步发展成为核心要素，其他要素在生产中则主要发挥基础性的辅助作用。产品的非排他性（non-exclusion）是相对于排他性来说的，是经济学研究传统要素和产品的重要内容。排他性也称为独占性，是某个消费者获得一种商品后将其他人消费该商品的权利排除在外；非排他性指任何人消费该物品不会导致其他人消费减少。产品的非竞争性（non-rivalness）是指在既定产出水平下，多提供一单位该产品的边际成本为零，即产品产量增加的同时生产成本不变。在传统生产条件下，经济学研究按照某一传统产品（物品）“非排他性和非竞争性”的完全程度来将产品界定为“私人产品、公共产品或准公共产品”。传统的（纯或准）公共产品是具有（全或半）“非排他性和非竞争性”性质的产品，这类产品因一般具有外部性特点，面临仅依靠市场则供给不足，仅依靠政府则供给效率低下的问题。随着经济社会发展，现实中按照“非排他性和非竞争性”的标准界定产品特性和产品供给方式的情况不断变化。例如，以搜索引擎为代表的各大数字经济平台所提供的基础数据产品具有“非排他性和非竞争性”，但现实中却多由市场提供。在新质生产力条件下，数据作为一般投入要素和产品具有典型的“非排他和非竞争性”性质，具有由市场机制提供实现高效资源配置的特点。虽同具有“非排他性和非竞争性”和外部性等特点，但数据要素与土地等传统生产要素在产权规定、交易体系和市场结构等方面存在较大差异。在对传统生产要素如土地进行研究时，考虑到人性自私条件下对公共资源利用而导致“公地悲剧”的问题，经济研究更注重从产权、规则和监管的角度对土地要素“搭便车”产生的原因进行研究。然而，对于以数据要素或数据经济为主要特征的新质生产力发展而言，“搭便车”不仅未对数据要素或产品本身造成损耗，且带来正外部性，同时还与数据产品的规模性共同作用产生“新质溢出效应”。这些特点决定了数据交易市场的产权和交易规则设计的独特性，如果在市场发展初期对数据要素进行绝对化的产权保护，即采取数据财产权和排他性保护，结果将带来过度投资激励和数据垄断，导致社会其他主体对数据的利用权利被剥夺，社会整体福利将降低。数据市场需要有更多主体参与形成一定规模才能正常运行，即数据市场发展需要达到特定规模才能实现其经济价值。但数据交易的规模性特点与经济研究中传统的“规模经济”本质上并不相同。经济学对传统经济模式分析中的“规模经济”是指在一定技术条件下，随着生产能力扩大，对应的长期平均成本下降的情况，是限定于生产者生产函数的“技术性”问题。作为数据经济中的新质数据要素的“规模性”则是指前期投资和数据积累需要达到一定规模基础后数据才有价值（或数字平台才能运行），且需要相关主体的频繁参与和互动才能实现其正常运转。数据交易（或数据经济）的规模性本质上是指各类主体之间建立的合作共享的，且具有新质生产力所要求的资源配置效率高的经济理念和运行模式。因此，按照数据交易的规模性要求，数据要素市场发展需要基于数据双边市场的外部性（网络效应）进行上下游数据产业链的构建。从这个意义上说，传统商品市场与数据要素市场的区别在于外部性在市场之外还是在市场之内的问题，数据交易市场正外部性决定了其合作共享的运行机制，以及在此基础上的稳定性。传统工业化产品的生产过程通过基于流水线生产的标准化过程实现，工业产品具有标准化特征。相较而言，数据产品的生产过程和产品则具有非标准化的“独特性”特点，数据也非如土地要素具有自然属性，而是在实体经济和数据经济生产过程中实时产生，具有高度“个性化”的场景特点。因此，数据要素价值需要依托场景与实体服务实现。从新质生产力全产业链角度和场景特征认识数据交易的作用和特点至关重要。在数据交易链前端，包括数据提供方（或采集方）、数据经纪商、数据需求方（或分析方）等主体参与实现对数据的开发加工；产业链条中间端则对接具体场景，以市场机制吸引更多主体参与其中，通过迭代竞争和场景嵌入提供个性化服务和应用；产业链后端则实现了产业数字化增值，助力新质生产力发展，同时为促进前端数据要素交易提供不竭动力。作为前端要素产品，数据要素交易流通和市场构建对于新质生产力全产业链生态体系的形成至关重要。与传统标准化产品相比，非标准化产品的交易具有“个性化”交易特点，存在更大不确定性，对于可信化流通体系和交易规则有更高要求。工业社会形成了一套覆盖产品生产、流通到交易全流程的标准化制度体系，具体包括国家标准、行业标准、质量标准、流通交易标准等，这些制度法规构成了工业社会所特有的“系统信任”体系，为实现产品的顺利交易提供了可靠保障，经济学对产品交易和均衡的经典研究也是以该体系为前提展开。反观传统市场中的非标准化产品的交易特点，例如二手房屋、二手车、婚恋中介等，这些特殊市场的交易标的都具有“非标准化”的独特性特点，可信体系是此类市场有效运行的必要条件。在“非标准化”特点和数据要素“阿罗信息悖论”的共同作用下，新质数据要素市场的构建发展需要兼顾数据的合理控制与合理公开的平衡问题。传统市场的非标准化产品交易实践和经济学有关“二手车市场”理论研究对于数据要素市场设计具有重要参考价值。数据交易初期，数据作为投入生产的“原材料”，通过数据算法、人工智能、物联网等新质生产技术被加工成数据产品，并被应用到各种场景领域。随着数据经济的发展成熟，相关新质生产力下的产业链条不断延长且更为复杂，数据从仅作为新质生产要素投入，发展成为新质生产工具、新质生产技术，甚至数据型新质“劳动力”（例如，ChatGPT、Sora、装载L3级别自动驾驶系统的新能源汽车实质上为人工智能载体）的核心要素。因此，与传统生产力相比，数据在发挥对新质生产力的渗透性、基础性和决定性作用中具有本质变化。推动数据要素流通的基础制度建设，引导数据要素进行可信化市场交易，是撬动数据新质生产力源头产业链发展的前提条件，也是构建以数据为核心的新质生产力业态的关键。因具有上述新质生产力特征，与传统要素或产品生产过程相比，数据相关交易和产业进入门槛高，交易规则复杂，监管难度高。因此，数据要素交易容易形成卖方垄断的市场格局，这一格局进一步加重了市场的非竞争性、信息不对称和信任度低的问题。从世界范围看，目前实践和理论中讨论较多的是，数据作为生产要素如何在全产业链前端进行高效、可信的流通交易，其中涉及数据产权、收益、隐私保护、进场交易、有效监管等问题。以美国、欧盟国家为代表的发达国家更注重在隐私保护前提下，对数据市场交易进行严格监管。相比之下，虽然我国数据交易可比规模仍显落后，但在社会主义市场经济制度优势下，通过政府引导下的制度创新，我们更可能抓住先机、先行先试，以可信化数据交易流通体系推动数据新质生产力产业链条的整体发展。在传统生产力发展中，资源有限性下的竞争性、排他性、边际收益递减，以及传统工业化生产存在的规模经济性等特征决定了传统要素的流通方式和交易机制的选择。政府根据要素用途统一分类管理，以确定传统要素的产权或使用权制度，同时不断完善其在市场竞争条件下进行公平交易的制度体系，确保交易顺利进行。从可信角度分析，土地、资本、矿产，甚至劳动力等传统生产要素是自然赋予的，“看得见、摸得着”，且对其加工所需的技术门槛低，几乎所有潜在的交易购买方都可以进入市场参加交易，对要素进行加工生产，因此这类要素具有“天然”的可信度。与之相较，数据新质生产要素不仅不受制于传统生产资源的有限性，且具有生产规模性、非竞争性、非排他性和非标准化特点。数据经济增长的前提是推动数据要素交易，并由此带来数据新质生产力产业链的“滚雪球”式发展，再源源不断产生更多新质数据要素，形成良性循环。但数据要素的上述特点又决定了市场化的自由竞争机制难以推动数据要素交易活动的起步发展。数据交易需要基于大型平台生态系统建立，同时需要以政府为代表的各类强信用主体建立一系列的数据确权登记、主体登记、数据分类、场景分级、流程可追溯等可信化的流通标准体系，为数据交易双方进行信用背书，才能推动数据要素交易环节的起步，进而促进产业链条的繁荣发展。数据新质要素的特点决定了在其市场发展初期面临“确权难、进场难、互信难、监管难”等制约交易顺利进行的问题。为解决这些难题，通过数据信用管理建立高效运转的数据交易市场，可以为数据经济助力新质生产力发展提供基本制度保障。在数据信用管理制度构建中，可充分借鉴其他领域信用监管制度，建立包括数据确权、进场激励、信用披露与信用评价、信用惩戒、信用分类监管等内容在内的数据可信流通体系。第一，数据确权是在数据所有权、使用权和经营权三权分置条件下确定数据提供方对数据的持有、加工和经营权。具体来说，应建立统一互联的数据要素确权登记系统，实现对数据的信息登记、数据质量评价、数据价值评估、可信认证与分类授信等基本功能，同时为后续各类相关主体信用评价与信用分类监管、数据要素信用分级分类管理、数据交易流程监管提供基础平台（如图1所示）。第二，构建各类交易主体的分类信用管理系统，实现对数据交易相关主体的基本信息、交易过程信息、交易评价信息的分级管理。具体来说，主体信用管理系统应实现对数据提供方、数据需求方、数据经纪人（或数据商）和交易所等主体关于数据交易信息的登记、采集与评价。主体基本信息和交易相关信息的记录评价是实现信用承诺、容错管理的必要条件和基本前提。在一定量级的数据积累基础上，该系统可实现对相关主体和数据的联动信用管理，继而逐步推动主体信用承诺、信用容错、信用激励和信用惩戒等管理机制的实现。第三，考虑到数据要素流通、加工和产业链构建需要基于特定应用场景实现，因此应构建按场景划分的数据要素分类分级管理系统，推动交易实现。具体来说，应借鉴传统信用评价与监管实践经验，同时综合考虑数据产品应用场景，探索构建数据要素信用分类分级评价管理机制。需要注意的是，由于数据具有非标准化特征，在该系统构建过程中，应按照不同场景适时、适度加大对交易数据和案例的信息披露。该环节也是实施信用激励、促进数据交易的基础，是推动数据要素可信交易和标准化交易实现的必要条件。第四，构建数据流通交易全程记录、追溯与评价系统，该系统是各类信用管理机制运行的基础，也是数据要素、产品和相关主体信用联动管理实现的前提。同时，交易记录全程追溯与评价体系为信用管理奖惩机制实施提供了量化数据依据。在数据交易市场培育过程中，初期应通过宏观调控政策引导数据产业发展，推动开启更多数据要素衍生品的交易活动，以此推动数据交易信用管理体系的构建，进一步促进数据经济交易业态更活跃地发展。以上数据可信流通体系基于信用管理信息化平台实现。同时，为解决数据交易难、定价难和进场难问题，数据交易信用管理体系还包括数据要素信用激励与惩戒机制等系列制度构成，在不同部门形成数据激励—惩戒联动机制，规范市场秩序的同时构建数据交易培育机制，引导主体进场交易。具体来说，信用激励机制包括对进场数据主体进行可信认证、优先信用等级评价、信用等级授信等激励措施；同时，还应对入场主体认证和交易过程给予适当条件下的信用承诺和信用容错免责管理，以鼓励创新实验；对已经进场交易的各类数据主体和数据要素产品，按类别场景进行成功案例信用披露与展示，以及进行精准化匹配和算法推荐。由此实现数据信用管理制度与交易实践的不断迭代，逐步形成数据要素市场信用承诺、信用激励与惩戒、多部门信用联动的良性管理格局，助力数据要素场内交易规模化与规范化目标的实现。新质生产力强调创新、高效、引领和融合等特性，以新型信用管理制度推动数据要素高效流通交易是强化数据新质生产要素特征的关键环节。总体上看，当前我国数据交易存在“场外活跃、场内冷清”问题。这一现状折射出目前我国数据要素市场仍处于粗放发展阶段，交易面临数据安全风险、数据权益冲突、合规监管难题、市场非可持续发展等系列挑战。这些问题的存在又进一步限制了数据的交易规模，数据交易市场发展亟待跳出“低水平无序循环”进入有序发展阶段，助力新质生产力行稳致远。基于新型信用监管视角构建数据信用管理与可信化流通体系，可以促进数据要素有序流通，推动数据产业链的建立，实现数据从生产要素到数据价值释放，以及构建新质产业链条的目标。同时，数据交易信用管理体系可以兼顾数据要素市场化、产业化可持续发展目标，平衡数据要素和产品市场初期“规范与发展”关系，以制度变革推动数据前端产业链实现跨越式发展。在场内交易基础上的数据交易信用管理也可以有效解决我国数据要素市场化规模与数据产量、市场需求之间不协调的矛盾。数据要素的流通交易促进了新质产业链的协同发展，使得各类市场主体能够更好地了解市场需求，优化生产计划。此外，随着数字身份体系的建设和确权技术的不断创新，市场主体应用数据要素信心不断增强，将进一步推动以数据为核心投入要素的新质生产力的大规模涌现。 来源 《财经科学》2024年第5期（作者：张丽丽、章政）