学术视界 | 《西安交通大学学报（社会科学版）》数据要素的类型学、产权归属及其治理逻辑
The following article is from 西交社科 Author 西交学报社科版
数据要素的类型学、产权归属及其治理逻辑
严宇,孟天广
（清华大学）
数据要素的价值已经得到广泛认可，但如何厘清数据要素的产权归属、明确数据权利保护和构建数据治理体系是世界各国面临的共同难题，直接制约着数据要素价值的最大化开发与释放。目前，有关数据要素的产权归属存在多种竞争性观点，如个人所有、企业所有、企业与个人共有、国家所有、公众共有等。对于数据要素的产权保护，学者们已经从人格权、财产权、知识产权角度展开讨论，但上述问题尚未形成共识。为此，本文拟聚焦数据要素的权属界定与治理规则，从数据要素的概念、特征、类型和价值等方面展开论述，辨析不同类型数据要素的产权归属与保护路径，为充分挖掘数据要素价值、构建数据要素市场提供理论基础。
何为 要素？
“要素”一词来自经济学，指的是生产经营活动所需要的各类资料，譬如被视为三大生产要素的资本、劳动、技术。当前，以移动互联网、大数据和人工智能为代表的数字技术正深刻改变着社会生活和生产方式，由此诞生了数字经济、数字政府、数字社会等全新现象和领域。在此过程中，数据不再是冰冷的数字，而是推动经济社会发展的关键要素，其中数据的经济价值尤被重视。数据社会经济价值的存在使得数据“有利可图”，从而引发现阶段对数据产权的诸多争论。因此，将数据视为要素能更好凸显其经济价值和社会意义。也正是以此为基础，本文展开对数据要素产权归属和治理逻辑的探究。本文所讨论的数据是关于个人信息内容的数据，即个人数据。
数据要素的特征
01
虚拟性
数据要素的虚拟性使其无法独立于数字技术与设备而存在，而这直接影响数据要素所有权的判定。
02
非竞争性
非竞争性指的是物品被生产后可以被多人消费、使用，某一使用者对该物品的使用不会减少对其他使用者的供应。这意味着增加该物品消费者的边际成本为0。
03
排他性
排他性指的是当某一物品被某一主体拥有后，其他主体就无法再使用该物品。数据要素的排他性指的是数据的生成、收集和利用通常会由某些主体控制，其他主体则被排除在使用该数据要素的范畴之外。可见，排他性主要与数据要素的所有权相关联。
04
非均质性
数据价值的非均质性既取决于数据体量、结构、维度等方面的丰富程度，也取决于对数据进行分析利用的程度与方式。
数据要素的价值
经济价值<<<<
第一，数据要素分析能够为企业刻画消费者的个人偏好，为满足消费者需求提供个性化服务。
第二，数据要素能为企业提供消费者群体的信息，更好地掌握消费需求和市场动向，发挥数据辅助经济决策的功能。
第三，通过为企业经营决策提供数据依据，数据要素能够在市场层面加快资源流通速度、优化资源配置效率，进而推动经济增长。
社会价值<<<<
第一，数据，尤其是在政府、社交媒体等非经济平台采集的数据，是数字时代社情民意的传声筒，数据也成为感知社情民意的重要指标。
第二，数据能够助力社会风险的识别和预测，可以为政府管理和决策提供参考依据，还可以反映政策的实施效果，帮助政府及时评估政策的正确性和有效性。
第三，数据要素的创新应用能赋权社会组织，数据的海量积累与分析运用是社会组织重塑组织结构、提升自治能力的重要依托。
治理价值<<<<
第一，数据培育政府数字治理能力。
第二，数据要素优化政府内部工作流程。
第三，数据要素提升政府科学决策水平。
数据要素的类型学
针对现有分类的不足，本文提出新的数据要素类型学，从数据要素持有者与数据要素生成方式两个维度划分数据要素的类型。
数据要素持有者或管理者，指的是数据要素被谁持有，或者数据要素的使用被谁管理。这里的持有与管理并不能等同于所有，尤其不等同于法律意义上的所有权。即便在现实世界中，数据要素被某些主体（如企业）持有或管理，即这些主体掌握了数据要素的“实际”所有权，但这也并不意味着法律上也是如此，或者就应该由这些主体所有。
现阶段数据要素持有者主要有两类：政府与企业。数据要素持有者一般具有两个特征：一是持有者通过其数字技术与设备采集和汇聚数据，数据体量虽或大或小，但数据内容的丰富程度要远超个人所拥有的数据。二是持有者能够通过运用专业数据分析方法或购买服务的方式，挖掘数据的经济、社会与治理价值，即持有者通过投入各类资源来挖掘数据价值。
数据要素生成方式指的是数据通过何种方式实现从无到有的创造和价值实现，具体包括四种：自有数据、用户授权、用户使用和加工创造。本文以数据要素持有者和数据要素生成方式为维度，提出了新的数据要素类型学划分，具体分类见表1。
表1 数据要素的类型学划分
自有数据
“自有数据”指的是数据持有者自身存在与运行过程中所生成的数据。
“用户授权”数据要素
“用户授权”数据要素是指通过用户授权，数据持有者在授权范围内记录所生成的个人信息
“用户使用”数据要素
“用户使用”数据要素指的是基于用户使用行为生成的数字痕迹，包括用户浏览、搜索、消费等使用数字产品与设备时产生的记录。
衍生数据
“衍生数据”指的是数据持有者运用相关专业知识、数据分析技术对其持有的各类数据进行加工与分析所创造出的数据分析结果。
数据要素的产权界定
本文运用人格权和财产权两种产权界定路径，对前述四类数据进行分类讨论，其数据类型与产权归属如表2所示。
表2 数据类型与产权归属
政务数据与企业运营数据
政务数据由政府所有的依据来自于政务数据收集和生成的主体是国家行政机关，它们在履行法定职责所收集和生成的数据由它们所有具有正当性。
对于企业自身经营数据，理论界与法律界普遍认为该类数据归企业所有。企业对其自身开展经营活动所需要、所生成的信息，如企业名称、经营成本与收入，享有数据产权。
用户个人信息
对于个体在政府和企业的网站、移动客户端等数字设备设施上留下的个人信息，理论界普遍认为应该归个人所有。虽然已有研究多关注企业持有的用户个人信息，但政府持有的用户个人信息与之相同，不仅都会直接涉及个人隐私，还都是用户授权政府与企业持有，因此个人信息都应被视为个人所有。用户个人信息划归个人所有后，其保护主要依靠人格权路径，重在保护个人隐私信息。
用户数字痕迹
本文认为用户数字痕迹的产权界定应当采取政府与个人共有、企业与个人共有的方式，其保护路径应以人格权和财产权相结合的方式。这种方式主要来源于用户数字痕迹的生成机制与信息特性。
一方面，用户数字痕迹的生成来自用户在数据持有者网站、移动客户端等设备设施上的使用，而这些都需要数据持有者的资源投入，因此数字痕迹的生成需要用户和数据持有者的共同贡献。将用户数字痕迹划归为个人与数据持有者共有产权符合该类数据要素的生成方式。
另一方面，在大数据时代，用户数字痕迹同样可能具有识别个人身份的能力。此前，多数人认为用户数字痕迹并不能直接用于识别用户个人身份，但学者发现数字痕迹在与其他数据结合、在巧妙算法的计算下，也可能具有识别个人身份的功能。某些类型的数字痕迹，如医疗健康、宗教信仰等，更容易被挖掘出具有识别个人身份的能力。
因此，对数字痕迹的使用应当遵循人格权和财产权保护相结合的方式，坚持底线原则，在个人隐私最大化保护的基础上开发利用数字痕迹，释放其价值。
衍生数据
衍生数据一般来源于政府与企业对自身数据、用户个人信息、用户数字痕迹的单独或结合分析，可见其生成离不开数据持有者的“加工”。
在这个意义上，衍生数据应被视为数据持有者（在本文即政府和企业）所有。政府持有的衍生数据不仅是反映政府运行、社情民意的重要指标，也是政府优化治理体系、提升治理能力、完善服务能力的重要依据。这类数据划归国家所有才能真正发挥上述功能。相似的，企业持有的衍生数据，针对商品制造、销售、购买形成的市场行情报告，对于优化市场资源配置、提升资源配置效率具有重要参考价值，划归企业所有才能释放其经济价值。
数据要素治理的原则
1
遵循数据要素的分类原则，搭建精细化的产权界定体系。通过分类可以明确不同类型数据要素的生成主体与方式，从而判定数据要素产权归属与保护机制，进而发挥数据要素的价值，推动数据要素市场的快速发展。
2
坚持隐私保护的底线原则，在释放数据价值时保护个人信息。数据要素市场的主要目标是发挥数据要素的经济、社会与治理价值，但价值的释放并非唯一目标。因此个人隐私保护是挖掘与释放数据要素价值过程中不可忽视的议题。
3
落实经济社会数据（数字痕迹）的强监管原则，强化政社协同监督作用。数据要素价值巨大的另一面则是潜在的数据安全隐患。为此，应坚持经济社会数据的强监管原则。
4
倡导数据融合与协同开发原则，鼓励多元数据互通汇聚，释放聚合作用。创新性地将政务数据、经济数据与社会数据相结合，建立政府、市场、社会等多主体协同开发的工作机制，充分利用各主体的专业知识与技能，最大化释放数据要素的经济、社会和治理价值。
公众号简介
“数字经济与商业模式”公众号依托国家自然科学基金重大项目“数字经济中数据要素有效使用与消费者保护”研究，由项目负责人乔晗教授课题组运维，致力于追踪数字经济与商业模式创新研究与实践最新进展，分享课题组成员的最新研究成果，提供高质量的公立研究机构第三方洞察观点。欢迎共同交流探讨！
投稿、意见，请直接回复或发信debm_ucas@163.com
。END。
点击下方链接，查看更多往期文章
课题组专家介绍数字经济与商业模式课题组主要成员|专家介绍
数字经济热点习近平心中的“数字中国”习近平：不断做强做优做大我国数字经济热点研究| 数字社会治理
实践前沿实践前沿丨中国数字化转型市场预测（2021-2026）实践前沿丨2022年数字化转型百项优秀案例
实践前沿丨企业数字化人才发展白皮书（2022）
学术视界学术视界 | 商业模式的多层逻辑关系：活动系统、共生体与交易结构解析学术视界｜必要条件分析法正式出版学术视界 | 谁来助我与算法共舞——算法管理中的领导力
数字经济周刊数字经济学术｜周刊·第78期｜2022.07.25-07.31
数字经济政策&热点｜周刊·第78期｜2022.07.25-07.31
数字经济学术｜周刊·第77期｜2022.07.18-07.24
数字经济政策&热点｜周刊·第77期｜2022.07.18-07.24
数字经济学术｜周刊·第76期｜2022.07.11-07.17数字经济政策&热点｜周刊·第76期｜2022.07.11-07.17