要推动数据要素市场高质量发展,首先需要构建科学高效的市场治理机制。本文对数据要素市场治理素现状进行了梳理,提出市场化治理、垂直型治理和关系型治理等三种治理模式,并比较其特点,分析其现状与瓶颈。在此基础上,本文指出我国需要同时采用多种治理模式,形成以市场化治理为主、垂直型治理为辅、关系型治理作为重要补充的数据要素市场治理格局,并就三种治理模式的进一步完善提出了对策建议。
关键词【数据要素市场 数据交易 市场治理 治理模式】
引用：丁波涛.我国数据要素市场治理的模式、现状与对策[J/OL].信息资源管理学报:1-12[2024-03-10]流通产业市场治理结构和市场行为之间是因果关系、决定关系，一般是由前者决定后者，同时市场行为与市场绩效又有着密切的相关性。因此，要推动数据要素市场高质量发展，首先需要构建科学高效的市场治理机制。市场治理机制是指一种旨在降低市场交易成本、提高交易效率和形成稳定市场预期的制度安排，涉及到政府、企业、个人和市场之间相互协调的关系，最终的目的是实现资源的高效配置。
可见，市场治理机制是数据要素市场培育与发展中的重要课题。为此，本文以数据要素的高效配置为目标，探讨数据要素市场治理的模式及其现状与问题，并提出相应对策建议。
治理理论诞生于20世纪70年代以来世界各国普遍面临的政府与市场均难实现资源最优配置的困境，兴起于80—90年代的治理与政治发展研究，并逐渐发展成为当代西方公共管理理论与实践的关键词。
以治理机制为核心的社会协调方式，既不同于国家自上而下的单向度调控，也有别于市场自由竞争的调节，它是以“反思的理性为基础”，强调国家、社会公共机构、私人组织以及公民个人等多元化主体的共同参与，而且通过协商对话、建立互信、达成共识等方式实现国家、市场与社会之间的协调。
治理理论自上世纪90年代末被引入我国后立即受到广泛关注。一方面，治理理论打破了西方经济学中长期存在的政府与市场、私有与公有的二元对立思维，强调权力多元化的治理、基于市场原则的共同治理，为解决单一治理模式的效率低下问题提供了新思路；另一方面，我国社会主义市场经济强调政府引导和市场主导相结合，强调宏观调控和市场机制共同作用，这与治理理论的多元治理思想具有内在的一致性。因此治理理论迅速得到国内各界的接纳，并被运用于经济社会各个领域之中，市场治理亦属其中之义。
相比于其他市场，数据要素市场是近几年才形成的新兴市场。2020年中央《关于构建更加完善的要素市场化配置体制机制的意见》在全球范围内首次正式提出数据是一种新型生产要素，并明确了完善数据要素市场化配置的举措。2022年中央《关于构建数据基础制度更好发挥数据要素作用的意见》对数据要素市场建设进一步作出制度性安排。数据要素市场这一概念，在国内外的话语体系中略有差异，国外一般从狭义上将其理解为具体的交易场所与平台，如认为数据要素市场是以数据或数据相关服务作为主要商品的数字平台，是一个匹配数据提供者和数据购买者的多边平台，通过数据要素市场运营者和第三方服务机构提供的各类服务功能，实现数据共享和交易；而国内往往是从广义上将其理解为一个市场体系，即参与数据交易的各种系统、机构、程序、法律、规范和基础设施的总称。
市场治理是国家治理体系的重要组成部分，也是政府的重要职能之一。数据要素市场作为一个新兴市场，市场设施、制度、规则等都不完善，更应当加快健全市场治理体系。尤其是数据具有强烈的外部效应，与国家机密、商业秘密、个人隐私等紧密相关，这决定了数据要素市场必然是一个强监管的市场，市场治理体系的构建显得格外重要。对于这一重要话题，国内外都已形成一些研究成果。
国外研究多侧重于理论构建，着眼于探讨数据要素市场治理的目标、原则、框架、对象等。如日本第四次工业革命研究中心提出数据要素市场治理要平衡市场与政府的作用，治理机制设计要考虑市场类型（专业市场还是综合市场）、市场参与者（面向普通公众还是仅限专业人士）等因素，并着重解决数据获取权、价格形成机制以及跨境数据交易等关键问题[9]。而Abbas [10]则从技术化视角分析了数据要素市场中的元数据平台治理机制，认为治理的核心是对数据所有权、数据访问和数据使用进行控制，减少数据交易中失去数据控制权的风险。
国内研究则侧重于问题导向，着眼于当前我国数据要素市场中存在的体制性瓶颈并提出建立市场治理体系的对策。如梁宇等分析了当前我国数据要素市场面临的意识、法律和组织困境，提出强化政府善治理念与大数据理念的双重植入、建立与完善数据交易法规、优化数据要素市场治理组织职能等建议；张丽霞、孙方江则从促进竞争和防垄断的角度分析了我国数据要素市场治理现状，提出数据要素市场发展要兼顾“共享和专属、效率和公平”，并完善竞争规制，开展公平竞争审查，建立统一市场，加强跨部门跨区域监管；任保平等、高富平等针对当前我国数据要素市场中存在的基础制度不足、市场运行效率低下、交易机制不完善、标准规范缺失等问题，提出了数据要素市场治理的目标、内容等。
总体来看，目前关于数据要素市场治理的研究尚处于起步阶段，现有成果多是分析数据要素市场治理要解决什么问题、实现什么目标，未来还需要对采用何种模式、如何开展治理等问题开展更深入研究，为数据要素的有序高效流通交易提供体制支撑。
一、数据要素市场的治理模式
1、市场治理模式的多样性
市场治理模式最终还是取决于市场本身的特征，当前数据要素市场的碎片化格局以及所处的发展阶段，决定了其治理模式必然是多样性的。
一方面，市场治理模式的选择要取决于市场结构。从市场集中度出发，可以将市场分为完全竞争市场、完全垄断市场、垄断竞争市场、寡头垄断市场四种类型。目前的数据要素市场还处于起步阶段，并未形成稳定的市场结构，而呈现出分散化、碎片化的格局。不同的市场板块具有不同的特征，从而在总体上具有多元化特征。例如，按照数据拥有主体的市场地位以及相互竞争关系，当前我国的网络舆情数据属于完全竞争市场，电力数据属于完全垄断市场，电子商务数据属于垄断竞争市场，电信数据则属于寡头垄断市场。不同类型的市场结构，都需要与之相适合的治理模式。另一方面，市场治理模式的选择还取决于市场发展阶段。数据要素市场中各类主体虽因数据交易而在形式上集结起来，但本质上仍是分散决策的独立个体，市场监管不严、信息流通不畅、失信成本不高等制度性漏洞必将滋生机会主义行为。因此，对于市场机制欠完善的领域，仅依靠市场化调节将带来较高的交易成本和风险，还需构建市场之外的其他约束机制。正如王国伟的研究中提到，市场交易秩序不可能通过自我调节的市场机制自发地生成，而是由市场嵌入的政治、经济制度所提供的一系列能够节约交易成本、规避交易风险、约束个人机会主义行为的制度规制的结果。个人、企业、社会组织和政府等多元主体是我国数据要素市场运行的基础，各主体之间相互的联系和相互作用的方式构成了数据要素市场运行的底层逻辑，不同主体在数据要素市场中扮演的角色以及他们之间的互动是影响要素市场高质量发展的关键因素。为此，本文借鉴张可云等对供应链治理模式的分析思路来研究数据要素市场治理模式，其核心是将数据要素市场视为涵盖数据创造、采集、存储、加工、流通、利用及监管等环节的数据增值链，治理的目标是协调市场主体之间关系，实现链条运作高效化及数据增值最大化。据此，本文将数据要素市场治理分为市场化治理、垂直型治理和关系型治理三种模式。
市场化治理模式可以追溯到亚当·斯密提出的市场自发调节理论，即“看不见的手”，其本质在于通过竞争、供给、价格等机制实现资源自由流动与合理配置。市场化治理通过发挥价格体系的杠杆作用和构建公平竞争环境来实现公平交易和互惠合作，是最基本、最普遍的治理模式。中央《关于构建更加完善的要素市场化配置体制机制的意见》指出“要充分发挥市场配置资源的决定性作用，畅通要素流动渠道，保障不同市场主体平等获取生产要素，推动要素配置依据市场规则、市场价格、市场竞争实现效益最大化和效率最优化”。相比于其他生产要素，数据要素市场化水平最低，从市场结构上，我国长期存在数据资源条块分割的数据孤岛现象，未形成统一数据要素市场；从要素分配上，数据要素往往是按权力分配、按行政命令分配，而不是按要素贡献来分配；从供求机制上讲，我国一直缺乏可信、高效、公平、开放的数据交易流通环境，导致供需对接不畅引发大量数据资源闲置。因此，建立和完善市场化治理体系，是当前数据要素市场发展中最迫切的任务。根据中央文件的相关要求，当前我国数据要素市场化体制机制建设着重要解决三大问题：一是要畅通数据流通渠道，使不同市场主体享有平等获取数据的权利；二是建立数据要素的价值发现与价格形成机制，由市场来决定数据要素价格；三是建立由市场评价数据要素贡献的机制，实现数据流通全过程中的劳务报酬分配以增加知识价值为导向。与市场化治理模式相反，垂直型治理是指政府“看得见的手”。我国建设数据要素市场要突破市场机制的决定性作用，但也不能排除政府的引导性作用。整体而言，我国数据要素市场的法律规制、技术标准和交易规则等尚未完善，数据交易还处在起步阶段，并未形成成熟的数据流通交易体系。要解决这些问题，离不开政府对数据要素市场的宏观调控以及微观干预，构建更加健全的垂直型治理机制。对于我国这样的市场经济后发国家，许多要素市场都不是自我发育出来的，而是由政府培育形成，数据要素市场亦是如此。同时，在包括我国在内的世界大部分国家，政府都是最大的数据创造者，也是最大的数据需求者，政府是否能有效参与在很大程度上决定着数据要素市场的规模与水平。因此，以政府引导为核心的垂直型治理，是数据要素市场治理体系中十分重要的组成部分。中央《关于构建数据基础制度更好发挥数据要素作用的意见》也明确提出“创新政府治理方式，明确各方主体责任和义务，完善行业自律机制，规范市场发展秩序，形成有效市场和有为政府相结合的数据要素治理格局”。垂直型治理是政府借助经济、行政以及法律手段对数据要素市场进行调节和干预，以解决市场发展中存在的失灵或失速等问题。在此过程中，政府部门可以发挥三方面作用：一是发挥市场构建者的作用，推动建立数据交易场所，培育数据交易主体、数据商和第三方专业服务机构，推动市场体系构建；二是发挥市场先行者的作用，通过公共数据授权运营等渠道推动公共数据产品入市交易，改革政府采购机制促进公共部门入市采购数据，引导公共部门和国有企业加强场景创新孵化，带动数据要素市场发展；三是发挥市场监管者的作用，打击非法数据活动，防止不正当竞争，维护市场秩序，保障数据流通交易规范有序和公平公正。组织间交易治理涉及的不仅仅是正式合同规范，还有嵌入在社会网络中的非正式关系约束。各类市场主体按照市场规则进行数据交易的同时，还可以通过频繁业务往来及由此衍生出来的企业社交，将临时的普通合作关系深化为彼此互信的商业伙伴关系。随着伙伴之间形成心理认同并建立共同愿景，各方行为都会得到有效约束，交易成本也会大幅降低。此外，由于数据产品的独特性导致数据交易中供需双方存在严重信息不对称，故而双方之间建立友好、紧密、长期的合作关系和信任关系，对于消除信息不对称至关重要。因此，关系型治理也应当是数据要素市场治理的重要内容。企业社会关系网络大致可分为商业关系和政治关系。商业关系是指数据要素市场中，数据供方、需方、第三方专业服务机构、数据交易场所等市场主体之间的社会关系，在正式的市场机制缺失以及约束制度薄弱的环境中，企业间的商业关系可在建立市场信任、促进供需匹配、减少行为失范等方面发挥重要作用。政治关系是指市场主体与政府部门之间的关系，这也是企业社会关系中极为重要的内容，尤其是在法律体系难以保障契约实施环境的情形下，企业之间的商业纠纷常通过政府官员协调解决，因此，企业拥有的政治关系越强、层级越高，其在数据要素市场中能获得的契约保护水平往往越高。无论是对商业关系还是对政治关系，关系型治理都具有两面性特点：一方面要发挥关系网络对于促进市场互信、降低交易成本的积极作用，推动市场主体之间、企业与政府之间建立紧密而且清正的合作关系，促进各方沟通与协作，弥补市场化机制存在的不足；另一方面又要避免关系网络的消极影响，防止市场主体之间、企业与政府之间的合作关系滋生市场垄断、官商勾结、权力寻租等不良现象，干扰数据要素市场的正常培育与发展。同时主体间关系是双方长期重复交易或合作所建立的默契，一旦达成这种默契,彼此之间会形成较高程度的互依、互信以及较大的转移成本，此时投机行为不但会伤害交易伙伴也会伤害自己。因此，关系型治理往往是一个长期且较为困难的过程，但一旦市场主体之间形成紧密而健康的关系网络，关系型治理的任务将大大减轻。市场化治理能够充分发挥市场在数据资源配置中的决定性作用，尽可能避免由制度不完善所导致的效率损失。根据新制度经济学观点，市场化改革完善了包含契约履行在内的基础性制度，有效降低了制度性交易成本，由此释放出的制度红利成为我国经济增长的重要引擎。就数字化领域而言，近10多年来我国大数据产业的飞速增长，也得益于我国通过推动公共数据开放、促进物联网技术应用、发展互联网经济等举措，创造大量数据并不断推向市场，实现各类数据资源的社会化流通与开发利用。基于市场化手段的治理模式本应是最有效的，但现实中并不完美的契约环境使其注定不是万能的。正如许多学者所指出，作为数据交易的对象，数据产品具有质量评价的先验性、消费使用的非损耗性和交易方式的虚拟性等特征，导致了在交易过程中优质数据容易被逆向淘汰。而且数据交易供需双方信息不对称问题也将导致激励扭曲和市场失灵，严重制约数据向生产要素正常转化并参与社会大生产。同时数据要素市场还存在着数据权属不清、交易配置错位、定价机制缺失、竞争秩序混乱、流程安全隐患和隐私保障不力等掣肘。在这种市场态势下，单一的市场化治理并不能产生高效率，而必须通过引入垂直型治理和关系型治理来降低市场交易成本。
在市场机制失灵的情况下，引入政府调控与干预、开展垂直型治理无疑是十分必要的。垂直型治理的本质在于三个方面：一是推动数据要素市场的构建与发展，通过税费优惠、资金补贴以及在用土、房屋、电力、通讯等方面给予支持等经济型手段，培育市场主体，促进市场交易；二是政府本身成为市场主体的一部分，如政府组建国有的数据交易场所以及数据集团、政府部门参与数据交易等；三是将企业之间的市场交易规则固化为法律法规、行政命令或行为指导，如政府发布数据交易引导价格来替代市场磋商价格，政府推动企业入市场交易来替代企业自愿参与交易等。前两者能弥补市场发展初期市场内生增长动力的不足，后者则能有效降低外部不确定性给企业带来的契约风险。从治理方式上看，中国宏观调控的基本手段包括经济手段、行政手段和法律手段，这也是数据要素市场垂直型治理的三种主要手段。如果数据要素市场主体之间能形成良好且持久的关系，则不需要复杂的市场规则和严密的市场监管也能够规避机会主义风险。对于处于培育期的新兴数据要素市场而言，非正式社交网络能够弥补正式契约制度不健全的缺陷，对于降低市场交易成本可以发挥重要作用。特别是针对目前大量存在的场外数据交易，由于目前还缺乏有效且有力的场外市场监管体系，数据交易风险很高，市场主体之间如能形成较为稳定的合作关系，则可大大降低由信息不对称、互信缺失等因素带来的交易成本与风险。对于关系型治理，政府可以通过制定规范市场主体关系及政企关系的行业法规、构建数据要素市场相关行业组织、建立市场主体信用体系、加强数据要素市场监管等手段来实现。但在实际中，既要推动市场主体之间、政企之间建立紧密合作关系，又要防止出现市场垄断、官商勾结、权力寻租等现象，治理的尺度常常难于把握。同时数据要素市场中的交易信息披露十分有限，甚至在许多交易中双方为保护商业机密对交易信息完全不予披露，在这种情况下要全面准确掌握市场关系并开展治理也存在诸多难点。表1对三种治理模式进行了简要对比。表1 三种治理模式的比较Table 1 Comparison of Three Governance Models治理是在一定范围内多元主体对社会公共事务的合作管理，内在地蕴含了市场效率、有限政府、良性社会、协商合作等概念。一元治理模式由于自身的局限性、运行机制等方面的缺陷,会存在各自的治理失灵,往往需要依赖于其他治理主体的协同和补充。同时，数据要素市场也是一个处于发展变化之中的市场。单一的市场治理模式由于难以匹配不断发展变化的市场环境而失灵，实际中往往需要通过不同治理模式的衔接和融合，以整合“碎片化”的治理资源，从而重获治理的合法性与有效性。因此，在构建和培育数据要素市场过程中，我国需要同时采用多种治理模式，形成以市场化治理为主、垂直型治理为辅、关系型治理作为重要补充的数据要素市场治理格局数据要素市场可分为点对点的场外交易和依托数据交易机构的场内交易。现阶段我国场外数据交易规模已相当可观并已形成了较为稳定的数据供需关系，比如大型商业银行每年数据采购金额就超过百亿元，在信用、司法、学术、人工智能训练、气象等领域已涌现一批专门进行数据采集加工并形成特色化数据产品与服务的代表性企业。同时场内交易也迅速发展，根据笔者掌握的数据，2022年北京、上海、深圳等数据交易所挂牌数据产品都已达数百个，年交易额突破1亿元，深圳甚至突破了10亿，全年场内数据交易总额估计在30亿左右，2023年可望增长至100亿。在此过程中，中央和各地都逐步探索形成了初步的数据要素市场治理框架。培育数据要素市场的核心目标在于正确认识和深刻把握数据要素的价值创造机理，并通过市场化手段实现数据要素的全局最优配置。因此，数据要素市场培育需要一系列制度体系、基础设施等作为支撑，促进数据自主、有序流动，提高数据要素配置效率。
一是建立数据交易场所。自2014年贵阳成立全国首家数据交易所以来，截至2023年3月，各地陆续成立的数据交易场所超过40家。欧美等国的数据交易平台一般是由私营企业建立和运营，而我国上述这些数据交易场所都是由当地政府推动建立并多具有国资背景。在当前阶段，建立数据交易场所对于完善数据要素市场机制具有双重意义：一是提供数据集中撮合和竞价渠道，促进数据要素市场的有序化、规范化和规模扩充。二是作为破解数据确权难、互信难、监管难等问题的试验平台，为数据流转提供可信交易场所与制度范本。二是健全数据要素市场制度，尤其针对长期制约市场发展的瓶颈问题不断寻求突破。如针对数据确权，中央《关于构建数据基础制度更好发挥数据要素作用的意见》中提出“数据资源持有权、数据加工使用权、数据产品经营权”的三权分置方案；针对数据定价，上海、贵州等地制定了数据交易价格评估标准和定价指南；针对数据资产化，国家财政部于2023年8月颁布了《企业数据资源相关会计处理暂行规定》，给出了明确具体的数据资产化路径。三是培育数据要素市场生态。同数字经济一样，数据要素市场也是一个生态系统，必须有完善的市场生态才能有效激活数据要素价值。近年来各地都大力培育数据供需主体以及从事数据资产评估、数据合规评估、数据经纪人等专业服务机构，为数据交易提供全方位服务；同时加强数据交易、合规安全、交易争议处理等方面的建章立制，初步形成涵盖主要业务环节的制度规范体系。近年来中国数据要素市场发展迅速，市场建设有序推进，但基础制度仍不完善，尚未充分挖掘数据要素市场规模并释放发展潜力[36]。在这种情况下，当前我国数据要素市场发展不能完全依靠市场机制自主调解，而是需要政府充分介入，更多发挥“看得见的手”对于加快市场培育的作用。
一是制定数据要素市场政策。国家层面上，早在2015年国务院发布的《促进大数据发展行动纲要》中就提出“引导培育大数据交易市场，开展面向应用的数据交易市场试点，探索开展大数据衍生产品交易，鼓励产业链各环节市场主体进行数据交换和交易，促进数据资源流通，建立健全数据资源交易机制和定价机制，规范交易行为”；2020年起中央又陆续发布《关于构建更加完善的要素市场化配置体制机制的意见》《关于构建数据基础制度更好发挥数据要素作用的意见》等文件，明确了数据要素市场建设的目标、框架、任务和制度创新方向。地方层面上，截至2023年4月已有北京（5项）、贵州（4项）、河南（3项）、广东（2项）、广西（2项）、山东（2项）等13个省市区出台相关政策文件[38]，内容涵盖了数据要素场所建设、数据交易规则、数据要素市场监管、数据要素市场生态培育等方面。一方面政府部门作为卖方，推动公共数据入市流通，如2022年中央《关于构建数据基础制度更好发挥数据要素作用的意见》[6]提出“探索用于产业发展、行业发展的公共数据有条件有偿使用”“推动用于数字化发展的公共数据按政府指导定价有偿使用”，为公共数据进入数据要素市场提供了法理上的依据，《贵州省数据流通交易管理办法（试行）》[39]规定“各级大数据主管部门按相关规定，统一授权具备条件的市场主体运营本级政务数据，形成的数据产品和服务，通过数据交易场所进行交易”。另一方面政府部门作为买方，推动公共部门入市采购，如2015年国务院办公厅发布《关于运用大数据加强对市场主体服务和监管的若干意见》提出“推动政府向社会力量购买大数据资源和技术服务，为政府科学决策、依法监管和高效服务提供支撑保障”；2022年12月发布的《贵州省数据流通交易管理办法(试行)》[39]更是明确要求各级政务部门、公共企事业单位涉及数据产品及服务、算力资源、算法工具等的交易，通过数据交易场所开展交易；2023年3月发布的《深圳市数据交易管理暂行办法》提出，鼓励本市财政资金保障运行的公共管理和服务机构数据交易场所内采购非公共数据产品、数据服务和数据工具。三是维护数据要素市场秩序。在市场进入秩序方面，中央2022年发布的《构建数据基础制度更好发挥数据要素作用的意见》明确要求“建立数据流通准入标准规则”，上海、贵阳、广州、深圳等地出台的数据流通交易管理办法中也对数据交易主体、专业服务机构以及可入市交易的数据产品提出了准入要求；市场交易秩序方面，近几年我国先后出台的《数据安全法》《网络安全法》和《个人信息保护法》提出了保护个人信息、企业机密和国家秘密的要求，各地数据流通交易管理办法中也明确了数据登记、交易、监管及纠纷处理等规则；市场竞争秩序方面，2022年新修订的《中华人民共和国反垄断法》[45]中新增第九条对数据垄断作出明确规定，北京、上海、深圳等地方性数据立法中也提出了反不正当竞争的要求。同时，自2020年以来国家有关部门先后对阿里巴巴、美团、知网等著名机构滥用市场支配地位的行为进行了严厉处罚，引导市场公平公正发展。市场主体间自发的场外数据交易是一种传统的单边市场，此类产业形态多采用“管道结构”商业模式，使得价值的创造和传递呈现单向直线式[46]，其中的市场信任主要是供需主体之间。然而数据产品具有可复制性、非竞争性以及体验品特征（必须使用后才知晓其价值），导致其市场信任关系难于建立，因此必须借助各类交易平台建立起场内数据交易模式，形成双边市场机制，来促进市场主体间的信任。一是促进市场主体间建立信任。包括成立行业组织，如上海市数商协会、深圳市数据要素发展协会、山东省数商联盟、全国大数据交易商(贵阳)联盟；举办数商大会、数据要素产业大会等，促进数据供需方以及第三方服务机构之间的对接。二是调解市场主体间交易冲突。如《深圳市数据交易管理暂行办法》[41]规定“数据交易场所运营机构应建立争议解决机制，制定并公布争议解决规则，根据自愿原则，公平、公正解决争议”。三是规范市场主体间业务关系。如中央《关于构建数据基础制度更好发挥数据要素作用的意见》提出“推进数据交易场所与数据商功能分离”“促进区域性数据交易场所和行业性数据交易平台与国家级数据交易场所互联互通”，其目的就是规范不同类型交易场所之间、交易场所与数据商之间的关系。我国已经是全球数据资源大国，根据中国网络空间研究院等机构发布的《国家数据资源调查报告（2021）》，2021年中国数据产量约占全球数据总量的9.9％，位列全球第二[47]。而根据国际数据集团（IDC）的预测，到2025年中国拥有的数据总量将占到全球的27.8％，高居全球第一。但根据国际数据集团（IDC）的估算，2021年美国数据要素市场规模约为2660亿美元、欧洲715亿美元、日本435亿美元[49]。而2021年我国数据要素市场规模仅为815亿人民币，“十四五”期末也仅为2000亿人民币，与发达国家相距甚远，也与我国数据资源总量极不相称。之所以出现这种现象，主要在于当前我国数据要素市场的治理体系，造成数据确权难、合规难、互信难、定价难、资产化难，进而导致数据交易风险高而收益低，制约了市场规模的扩张。（1）市场化治理。从市场结构治理上看，根据笔者对上海、深圳、天津、山东等地数据交易机构的调研，当前数据要素市场存在场外交易多、场内交易少，中小企业参与多、国企和平台企业参与少，金融数据产品多、其他行业数据产品少等不均衡现象；从市场机制治理上看，虽然近年来我国数据要素市场制度体系不断完善，但许多基本的市场规则方面（包括数据权属、价格机制、收益分配等），仍面临着有文件无制度、有规章无法律、有地方性法规无国家级法规等问题；从市场布局治理来看，我国数据要素市场过于分散，当前各地成立的数据交易场所已超过40家，但2022年场内交易总额仅约为30亿人民币。作为对比，我国技术、黄金、期货等市场的年交易额都达到数万亿，但市场数量却不超过10家。数据要素市场过于分散，既造成重复建设和资源浪费，也导致各个交易机构经营发展困难。（2）垂直型治理。虽然各地都十分重视数据要素市场发展，在政策、资金、设施等方面给予大力支持，但政府在发挥“看得见的手”的作用方面仍有改进之处。从经济手段上看，由于目前数据要素市场处于发展初期，市场主体交易意愿不足，政府目前的激励手段多为资金补贴，其他支持政策较少；从行政手段上看，金融、电信、交通、电力等行业的国有企业以及大型互联网平台企业既掌握着大量高质量数据也存在庞大的数据需求，但入市意愿不足，政府的引导推动作用尚未充分发挥；从法律手段上看，我国在数据要素市场反垄断、反不当竞争等方面的法规仍是空白，甚至许多有关隐私保护、数据安全方面的法规会强化一些机构和企业的数据垄断。（3）关系型治理。市场主体间的信任关系主要包括算计型信任（以市场主体对交易过程中可能得失所做出的精确计算为基础）、制度型信任（以市场主体严格遵守完善成熟的市场规则和制度为基础）、认同型信任（以市场主体彼此间产生情感上的信任并愿自觉遵守市场价值观和道德准则为基础）。算计型信任是一种低层次信任，成熟的市场应当是制度型信任和认同型信任。但从当前数据要素市场实际来看，市场主体之间多是算计型信任关系，如数据交易机构多采取免佣金模式甚至给予补贴的方式来吸引各主体入场交易，数据卖买双方之间也更多考虑单笔交易是否获利而且较少考虑长期合作关系的建立。基于成熟制度的信任关系较少，基于情感认同的信任关系则更为罕见。同时从政治关系治理来看，目前数据要素市场中公共部门的角色定位、公共部门参与数据交易的行为规则等的相关规定仍存在缺失，易引发一些公共部门不作为或乱作为本文对数据要素市场治理进行了梳理，分析了市场化治理、垂直型治理和关系型治理等三种治理模式，并比较其特点，分析其现状与瓶颈。需要指出的是，不同的交易域内有着对应适宜的市场治理机制，同时不同市场治理机制间不是单纯的替代关系，相反往往存在密切的补充。因此，在数据要素市场建设中，要注重多种治理机制的协同。1、市场化治理方面，着重要加快构建规范、统一、活跃的数据要素市场体系。一是以国家数据局成立为契机，尽快出台国家层面的数据法或数据要素市场法，对数据的权属、数据的利益分配、数据资产化等进行统一明确和规范，形成合法合规的数据交易和获利机制；二是进一步明确数据要素流通交易中的安全责任边界，减少数据交易中的风险不确定性，促进国有企业和互联网企业等风险敏感度较高的企业和机构参与数据流通交易；三是消除数据交易流通的行业性和地区性壁垒，加快构建包括国家级数据交易所、区域性数据交易中心以及行业性数据交易平台的多层次交易机构体系，推动数据的跨行业、跨地域流动与融合，促进全国统一数据要素大市场的构建。2、垂直型治理方面，着重要强化数据要素市场的政策激励与支持。一是推动供给侧改革，引导掌握大量高质量数据的政府部门、国有企业和公共服务机构入市交易，尤其是促进公共数据授权运营形成的首次产品交易、政府部门采购数据产品与服务、国有企业数据交易通过数据交易机构开展；二是加强政策支持，对数据要素型企业在政策、资金、能耗指标等方面给予适当支持，鼓励其加强数据资源创造和数据资产管理，积极参与数据流通交易；三是加强市场干预，打破基础性行业国企以及互联网平台企业对数据资源的垄断，引导其将数据投入市场开展流通交易。3、关系型治理方面，着重要建立一个公平可信的数据要素市场环境。一是建立场内数据交易强背书机制，一方面要明确场内交易中交易双方、交易机构、第三方服务机构的合规责任，避免风险完全集中到交易方，另一方面可通过购买科技保险、建立赔付基金等方式，对场内交易中出现的过失侵权责任进行适当补偿，降低数据交易风险。二是建立数据要素联盟，构建由数据交易机构、数据应用部门、数据技术企业以及产业基金、科创服务机构等共同参与的数据要素共同体，联合开发和运营新型场景，建立更紧密的市场主体关系。三是建立数商资格资质认定、分类分级标准、风险防控制度以及数商信用库，引导市场主体规范流程和提升能力，提高市场透明度。四是加紧研究和制定数据要素市场中的反垄断和反不正当竞争法规，同时进一步明确公共部门在数据要素市场中的角色和行为规范。