摘要：
作為數字經濟的「原料」和」加工對象」，數據在經濟發展中變得越來越重要。隨着信息技術的發展，幾乎一切都在數據化，數據幾乎無所不在。數據作為一種新的要素，與土地、資本、勞動力和技術相比存在着一些根本性的差異，其中最為突出的特徵是非競爭性、互補性、外部性與指數級增殖性。而數據要素定價是數據價值鏈的核心。數據定價模式十分複雜，還需要充分考慮到效率和隱私安全的平衡。此外，實現數據要素的開放共享，對於促進經濟持續增長和轉型至為關鍵。但在數據要素的實際利用過程中，存在「數據孤島」「數據煙囪」「數據壟斷」「數據黑市」等問題，只有實現效率、公平和隱私三者之間的平衡，滿足可行的產權認定、有效的隱私保護、合理的收益分配機制、必要的關鍵信息等前提條件，並且有效結合政府規則、社會和市場自發力量，才能促進數據要素有效配置。
1
數據是什麼
作為一種新的要素，數據日益受到重視。那麼，數據究竟是什麼？具有哪些主要的特徵？學術界和實務界均有很多分析。一個可以借鑒的分析框架是Ackoff（1989年）提出DIKW框架，其中D表示數據（data）、I表示信息（Information）、K是知識（Knowledge）、W是智慧（wisdom）。之後，不少學者（Bellinger等，2004；Rowley， 2007；徐忠、鄒傳偉，2020）對此框架進行了拓展和完善，對數據、信息、知識和智慧的特徵做了分類。
數據是一種符號（Symbol）、記錄，具體形式可以是一篇文章、一段聲音、一張圖片。國際數據管理協會認為，「數據以文字、數字、圖形、圖像、聲音和視頻等形式呈現事實」（DAMA，2020）。數據往往產生於人與人、人與物、人與自然的互動過程。在萬物互聯的時代，物聯網大行其道，物物互動也會產生海量數據。
而信息是經過處理的有用數據，目的是用於消除不確定性。信息（Information）是指一些能夠回答在什麼環境、是什麼人、發生了什麼事情等問題的事實或細節。比如明天會很熱，這一段話就是一段信息，能夠將明天天氣變化的不確定性轉為一定的確定性，這也是信息的價值所在。North在《理解經濟變遷過程》（2007）當中，討論不確定性時，也對信息和知識也進行過區分，而且給定現有的知識存量，可以通過增加信息的方式減少不確定性。
知識是物質和社會環境規律、模式的累積，基於數據和信息形成的有組織或有邏輯的解釋，能夠創造新的價值。知識可以分為可編碼知識（顯性知識）和不可編碼知識（隱性知識）。從信息到知識，則是人認知的一種升華，是從外在體驗轉為內省感悟的一個過程。毫無疑問，儘管數據或信息是海量的，但轉化為對世界的認知，以及改造世界的知識，是需要更多努力和投入的。通過海量數據或信息得到算法、模型可以視為一種知識。或者說，知識類似生產函數，而數據類似生產函數的一種投入要素（Jones和Tonetti，2020）
沿着Romer(1990)、Aghion和Howitt(1992)的分析範式，本文將上述DIKW四分類再進一步漸簡化為數據和知識兩個維度。其中，數據是一種要素投入，而知識則是一種生產函數。後續討論大體上按照這種框架展開。
2
數據要素的基本特性
（一）非競爭性
數據容易存儲，而且可複製性強。如果不考慮運行維護和存儲成本，幾乎可以無限制複製。無論是統計機構發佈的調查數據，還是各種互聯網平台收集的個人數據，都可以同時被多個用戶使用，物理意義上說不會產生任何損失，同時也不會相互影響，非競爭性特徵明顯。一個典型的例子就是Kaggle設立的機器學習競賽，相關數據就可以被不同參賽者使用。因此，數據和石油等自然資源不能簡單類比，因為後者競爭性，多開採一桶石油，地球上石油儲存量就少了一桶（Varian，2019）。反倒是將其比作陽光，似乎更為恰當。當然，實際使用過程當中，數據的獲取需要必要的付出及條件，不像獲取陽光那樣無成本，所以數據仍然存在一定排他性特徵（Partially Excludable; Carriere-Swallow和Haksar，2019）。正因為如此，根據非競爭性和一定的排他性，數據可以視為一種准公共產品或者公共品。
（二）互補性
不同來源的數據相互融合，可以提高揭示潛藏線索或者規律能力，增加單一數據源的邊際價值,一定程度上可以使數字要素具備規模報酬不變甚至遞增的特徵。規模報酬不變、網絡外部性是經濟實現內生增長的重要源泉。Krugman、Romer是為數不多的認識到收益遞增的主流經濟學家，而聖塔菲研究所的Arthur對此有很系統的研究（複雜經濟學，2018）。
也有觀點認為，數據作為一種投入要素，邊際回報仍然呈現遞減特徵，這和其他要素沒有什麼本質的不同。Varian（2019）舉例說明，圖像識別的精確度會隨着訓練時投喂的數據量提高而增加，但改進的速度會逐步放緩。但這樣的觀點只是強調了數據要素的單一應用。尤其值得重視的是，由於數字技術的發展，使得原來很難數字化的行為或事物都可以數字化，真正實現了古老哲學中的「萬物皆數」，這就為跨界數字融合創造了前所未有的條件，使原來不相干的領域實現了聯結。這也是數字時代創新和價值創造不同於工業時代的重要特徵。數據具有非競爭性，能夠被用於多個用途，而且後續使用邊際成本會不斷下降，加上互補性和網絡性以及學習效應，數據要素仍可能具有規模報酬遞增的特點。
（三）外部性
數據分享的確有助於促進研發、改進產品和服務質量，提高效率，但同時，由於存在信息不對稱和平台的市場壟斷地位，分享數據的一方未必能夠獲得足夠補償, 由此產生了隱私外部性（Carriere-Swallow，Haksar,2019）。比如，消費者數據可能在不知情的情況下轉移給第三方，導致更多垃圾信息騷擾或不利的價格歧視（Odlyzko，2003）。這些負外部性很難被消費者和數據採集企業內部化。
由於不同數據之間具有關聯性，可以用線性規劃等方法，從一類已知的數據推斷未知數據，從一組用戶的行為數據可以推斷另一組用戶的行為。這樣，就可能造成數據公開分享過程當中，用戶隱私泄露，引發數據倫理問題。而且還會導致數據過度供給，數據價格過低，從而降低數據市場效率（Acemoglu等，2019）。這也決定了數據要素的安全共享使用，與加密技術的發展密切相關。
另外，數字化企業可能依靠網絡外部性，過度集中數據，並獲取大量超額收益。掌握或擁有獨有的數據，就像掌握了獨有的專利和技術一樣，可以使數據的掌控者獲取一種超額收益。這樣，就會強化數據的私有屬性，阻礙數據的分享和融合。某種程度上，申請專利和獲取獨有數據，都是市場主體建立競爭力或護城河的重要方式。
（四）指數級增殖性
數據可以看成是各種有意識或者無意識活動的附屬品。數據的應用過程，本身可以產生更多新的數據，加快決策或者算法的迭代。例如，無人駕駛汽車，由基於數據訓練得到的算法控制，行駛里程越長，將產生更多場景數據，反過來可以促進算法的進一步優化，形成「數據—算法—數據」的自我積累增長過程。隨着整個經濟社會數字化的程度提高，智能手機的普及，傳感器的廣泛應用，寬帶傳輸技術的升級，算力的不斷增強，全球互聯，萬物互聯，數據要素呈現指數增長態勢。根據IDC估計，到2025年，全球數據預計將達到175ZB，與2019相比，年均增長27%，相當於數據規模三年翻一番。數據規模是經濟規模的增函數，超大規模經濟體可能因此積累更多數據優勢。
數據的指數級增長，會對經濟增長產生何種影響，存在一定爭議。一種觀點認為，數據增加有增長效應（Growth Effect），即數據的規模報酬遞增或不變特性，可以實現持續經濟增長。由於存在數據反饋環（Data Feedback Loop），企業收集數據，就能夠獲得更大的市場地位，並因此獲得更多數據（Farboodi等，2019）。巨大的門檻效應以及網絡外部性，有助於實現規模經濟。此外，圍繞數字化產生更多類型的產品和服務，擴大了現有的產品服務空間，從而推動經濟的可持續增長。但也有反對的觀點，認為數據增加僅有水平效應（Level Effect），或者說受制於邊際報酬遞減，更多的數據並不會使得經濟增速的路徑發生改變。即使存在規模報酬遞增，這種效應也只存在企業內部，無法適用於整個經濟。Bajari等人（2018）應用亞馬遜的數據進行了實證，表明來自數據規模增加的收益存在上限。
3
數據要素如何定價
數據作為一種要素，其價值實現關鍵在於連接融合和開放共享。數據要素和其他要素結合，必然會創造新的價值。數據價值鏈涉及到數據的生成、收集、交易、使用等環節，其中數據要素定價是數據供應鏈的核心。在討論數據定價之前，需要先區分數據產品（Data products）和數字化產品（Digital products）。前者是指人類活動的客觀歷史記錄，比如人口普查數據、商業型數據庫。後者則是以數字化形式呈現的商品或服務，比如一本電子書、一部數字電影，一張數字化的地圖，一個數字化的生產解決方案，等等。數字化產品中的生產和使用過程中又會衍生出更多新的數據。下面，分別從數據產品和數字化產品兩個角度討論數據價值的實現。
圖1 數據供應鏈示意圖
（一）數據產品
從數據供應鏈的視角看，數據售賣基本處於數據供應鏈的前端，具體數據在售賣之前，可能涉及到數據收集、清洗、儲存、可視化等環節。像Bloomberg 、Wind、CEIC、鄧白氏這樣大家比較熟悉的數據公司，主要業務就是收集、整理、彙集不同來源或者特定領域的數據，然後賣給下遊客戶。相關數據有的來自傳統統計或調查機構，比如政府統計機構、行業協會，有的來自企業生產經營狀況，有的則是個人各種行為調查。從規模上看，更多數據來自電商平台、工業互聯網平台。數據的客戶包括金融機構、政府單位、企業、科研機構等。現實當中，也存在一些非正規甚至不合法的數據交易，這些數據往往通過正規、公開渠道很難獲得。
數據的價值，往往與數據的可替代性、更新頻率、數據顆粒度、完整性、可獲得性等特徵有關。但與一般商品不同，數據複製的邊際成本接近零，數據定價更多依賴需求方的價值評估，而非成本加成，數據定價模式也更為複雜。有時候，數據使用者創造的價值或價值實現的範圍，反過來決定了數據定價，表現為事後定價。當下，常見的定價模式包括免費、免費+付費增值、按需收費、固定費率等方式。其中，政府事業單位或者其他公共機構的公開數據多為免費。採取免費+付費的方式，多是用免費數據吸引潛在的客戶群體，付費購買價值更高的數據或者數據增值服務。免費數據，通常及時性不強、顆粒度較粗。按需收費方式，一般是通過API接口傳輸數據，按照具體使用量收費，常見於金融等高頻場景。固定費率則是客戶購買賬號，然後獲得一定期限內數據的使用權限。後兩種方法也可以結合起來，形成兩部定價模式，這種模式更能實現收入最大化，在一般的數據銷售當中也比較常見（Wu和Banker，2010）。
隨着數字經濟的發展，收集和利用微觀個體的信息更為便利，但與此同時，人們對加強個體隱私保護的期待也更為迫切。數據定價需要充分考慮到效率和隱私安全的平衡。前面提到過，數據不是普通的私人物品，如果不考慮非競爭性、隱私外部性，數據定價就存在扭曲。例如，如果某個要進行的查詢（Query）是其他查詢的線性組合，或者通過其他查詢推斷得到，購買這個查詢就存在套利行為。又比如，由於存在社會網絡，不同消費者的個人信息往往具有一定相關性，購買一部分消費者的數據，或許就能推測別的消費者信息。因為這種負外部性，會出現數據的過度供給，導致數據價值被嚴重低估（Accemoglu，2020)。
圖2 數據要素的無套利定價
目前討論比較集中的一個領域是無套利定價（Arbitrage-free pricing）。圖2給出了無套利定價示意圖。數據要素的均衡價值E取決於隱私和數據價值之間的平衡。一方面，數據購買方的支付意願隨着數據質量變化，即價值曲線。數據質量更高，能夠揭示的信息更多，數據價值就更高。另一方面，數據擁有方（比如個人）一般對隱私比較看重，透漏個人信息需要得到相應補償，即補償曲線。要想數據擁有方面提供更多私人的真實信息，就需要支付更高補償。這種定價方式，超越了原來把隱私保護絕對化的做法，對隱私的保護和數據使用有效結合了起來。在均衡點E的價格，既能夠根據數據質量，給予不同來源數據合適的補償，同時又能夠克服數據購買過程當中的套利行為。當然，要實現這種無套利行為，還需要發展相關加密技術，比如隱私計算。
作為一種隱私計算方法，安全多方計算（Secure Multi-Party Computation，MPC）近年來備受關注。隨着機器學習和人工智能的普及，一種算法的訓練和應用，往往需要採用不同來源的數據，這就涉及到如何保護各自隱私安全、同時又能確定不同來源數據貢獻的問題。安全多方計算可以打破數據孤島，實現數據的可控共享，同時最小化數據泄露風險，具有重要的理論和現實意義。安全多方計算由1986年由姚期智提出(Yao, 1986)。進入互聯網和數字化時代以後，數據共享需求更為迫切，安全多方計算也得到了進一步發展，到2018年，谷歌、阿里等大科技公司已經實現了一些商業案例（Hong等，2020）。
當然，不少掌握數據或者大數據的企業，並不會簡單銷售數據，更多是通過提供數據相關的增值服務，數據本身並未發生轉移。電商平台、社交平台或電信基礎運營商，掌握大量的用戶信息，有時候可以利用數據，對個人、企業或者機構進行精準畫像，從而為數據的購買者提供引流、價格歧視等服務。比如一家廣告商可以在搜索引擎上面通過競價排名，定向投放廣告，同時支付一定的費用。又比如，互聯網平台公司可以通過產業鏈促進信息共享，菜鳥物流與不同快遞物流公司的數據對接，優化物流路徑，以解決「雙十一」期間物流擁堵的問題。利用大數據精準定位政策作用對象，政府也可以進一步改善治理，比如識別低收入群體發放消費券，識別活躍市場主體實施針對性支持政策等。不少公司，通過整合數據，融入自身的智力，通過人工智能、機器學習的方法，提供數據分析服務，比如一些大數據公司提供大數據徵信業務。這一類服務定價，由於涉及到數據增值部分，定價方式更難統一。
（二）數字化產品
從經濟學角度看，數字化產品具有贏者通吃、高固定成本-低可變成本、更加強調體驗、收入變現渠道更多元等特點。
4
誰應當擁有數據：從產權到可及性
通常，清晰明確的產權界定是資源有效配置的基礎。Coase認為，最初產權分配並不重要，只要存在充分競爭，相關的收益和成本能夠完全內部化，資源就能實現有效配置（Coase，1960）。如果把隱私也看成一種權利，那麼隱私權利在消費者和作為數據收集方的企業之間如何配置，並不重要。這也是芝加哥學派基於產權的觀點(Laudon, 1997)。但從數據要素具有非競爭性、隱私外部性、互補性等特點，過度採取採集數據、侵犯隱私、利用數據優勢謀求市場壟斷權力現象頻頻發生，一定程度上說，科斯定理並不適用於數據要素。當然，如果因為隱私保護，嚴格限制數據使用，又不能發揮數據的規模經濟優勢（Jones和Tonetti,2020）。在實踐當中，平衡效率、公平和隱私等多重目標，實現數據的有效利用，數據產權歸屬並不是非黑即白，更可能是在上述兩類觀點之間存在一個廣泛的譜系。
數據產權的分佈對福利有顯著影響。數據是經濟活動的副產品，企業若能擁有和客戶打交道過程獲得的個人數據，則有助於其加大數據收集、分析和利用方面的投資。不利之處在於，企業不一定會尊重客戶隱私。同時，由於擔心出現創造性破壞，更不願意與其他企業分享數據。憑藉數據優勢，企業可以擁有更大的市場力量，並可能妨礙其他企業進入，影響競爭公平性。有研究表明，如果不能夠發揮數據非競爭性特點，通過連接、融合和共享，實現規模經濟效應，全社會福利成本的損失是巨大的。尤其是完全禁止數據分享，會導致社會福利比最優水平減少近60%（Jones和Tonetti，2020）。從目前理論研究和實踐發展的角度看，如果數據要素歸屬消費者，消費者則可以自行權衡隱私效用與交換個人數據所帶來的經濟收益，從而實現數據要素的更有效配置，提升全社會福利。近年來，金融監管者開始意識到這一點，賦予個人更多數據權利，積極推動開放銀行（Open Banking）的發展，加大金融數據的開放共享，促進了金融創新和競爭。
私人物品強調產權歸屬，但數據要素具有非競爭性和部分排他性，具有更強的公共品或准公共品性質，可及性（Access）可能更為重要（Varian，2018）。過度強調數據要素的產權歸屬，會限制數據的流動、共享和再利用，無法釋放潛在價值。同時，有些設計，實用性並不一定強，比如「個人數據的可攜性」，數據主體不僅有權知悉、訪問、更正數據控制者個人被採集的數據，也有權將這些數據轉移給第三方。但這可能會導致財產權和人格權的衝突。與數據的人格權益歸屬存在較多共識不同，數據的財產權益歸屬問題，目前各方面爭議較多。為此，數據可及性，才是數字經濟時代促進市場競爭、充分發揮數據價值的重要變量（Cremer等，2019）。實際上，保護個人隱私嚴格的歐盟，意識到數字經濟發展落後美國，已經在GDPR生效以後，進一步制定《歐盟數據戰略》，推出《數字服務法案》、《數字市場法案》，試圖在保證數據安全的前提下，促進個人和非個人數據開放共享。
增強數據的可攜帶性和不同數據基礎設施接口的轉換便利性，有助於提高可及性。尤其是物聯網加快發展，對基於通用性、標準化程度高的接口，實現安全可行的數據交換途徑變得更為迫切。具體實踐當中，已經數據空間、數據銀行、我的數據（My data）等應用模式。但也需要注意，由於數據具有非競爭性特徵，加強數據的共享，可能會因為規模效應、網絡外部性，進一步強化在位企業的數據優勢，反過來損害競爭。
5
如何促進數據開放共享
數據要素是一種基礎性戰略性資源，實現數據的開放共享，對於促進經濟持續增長和轉型至為關鍵。但在數據要素的實際利用過程當中，既存在「數據孤島」、「數據煙囪」，受部門利益阻隔，公共數據資源閑置浪費現象嚴重；也存在「數據壟斷」，在位企業濫用數據優勢，阻隔數據價值鏈；還存在「數據黑市」，個人信息被過度收集，隱私得不到有效保護，導致了嚴重的社會倫理問題。只有達到效率、公平和隱私三者之間的平衡，滿足可行的產權認定、有效的隱私保護、合理的收益分配機制、必要的關鍵信息手段等前提條件，有效結合政府規制、社會和市場自發力量，才能促進數據要素的更有效配置。
（一）發揮政務大數據第一撬動效應，加快數據開放共享步伐
政府職能部門及其部分事業單位在日常事務當中積累沉澱了大量數據，涉及經濟社會運行的各個方面，數據來源穩定、規模可觀，而且真實性、完整性、互補性好。隨着電子政務的發展，政府掌握了全社會大約80%的信息資源。政務大數據公共屬性最強，對於誰應該擁有數據，爭議和糾紛相對較少。政府開放數據，具有很強示範意義，能夠更好推進全社會數據開放共享。美國於2009年上線了DataGov網站，加大政府數據開放力度。2019年則發佈了《聯邦數據戰略與2020年行動計劃》，推動數據的保護、共享和開放。英國在其數字戰略當中也提到要轉變對政府數據的使用。國內數字政務推動也比較快，其中不乏一些比較好的案例。比如浙江成立了「最多跑一次」改革辦公室，打通公安、社保、房產、稅收、教育等部門數據，讓數據多跑腿，群眾少跑腿。
但另一方面，由於職能部門數據共享開放制度不健全、信息基礎設施不完備，對數據安全和風險的擔憂突出，消除數據孤島，進一步打通數據鏈還有很大空間。不同政府職能部門之間的行政性壁壘往往也很難打破，數據難以實現共享，或者僅僅限於統計級、相對陳舊的有限數據共享。跨部門獲取數據，有時候經過主要負責人協調，各個職能部門依舊能拒絕、拖延或者縮水提供。此外，不少地方的數據歸集到了一起，受編製、經費等限制，開發利用遠遠不夠。
下一步，應把數字化政府建設作為一把手工程，完善不同層級、不同部門、不能職能之間數據共享的溝通協調機制。出台並完善數據共享清單，分步驟分層次擴大數據開放，同時建立相關績效考核機制。加強數字化轉型培訓，推廣各地良好做法，增強數據共享意識，提升政府部門的數字技能。加強政府數據和信息採集、加工和存儲標準化，完善政務大數據使用收費機制，健全數據共享基礎設施，增強安全防護能力。
（二）培育第三方數據市場，壯大數據產業
培育和壯大第三方數據市場，是數字產業鏈分工深化、數據價值充分釋放的必然要求。數據的實際利用過程當中，從數據產生、採集到數據最終需求方，中間可能會經歷多道環節，而每一個環節都需要具備相應的專業知識。例如，銀行和貸款人之間，貸款人可以直接提供信息給銀行，而銀行能夠根據貸款人的信息，決定是否發放貸款。但與此同時，銀行也可以從第三方徵信公司購買貸款的徵信信息，輔助決策。徵信公司就承擔了收集、整理和分析數據的職能。當然，相關環節採用的數據挖掘工具或技術又來自其他企業。
國內第三方數據近年來發展較快，同時也湧現了一批相對專業的大數據公司。部分地方也成立大數據交易所或者交易中心，在數據開發和利用方面取得了一定進展。但總體上看，國內數據服務企業發展相對滯後，數量超過3000家但規模小。還缺乏類似路透、彭博、鄧白氏、勵訊（RELX）這樣的數據領軍企業。像彭博、勵訊這樣的數據企業，年收入都超過100億美元。數據市場建設也不完善，市場活躍度和參與度不高，數據價值得不到充分釋放。大量數據非法進入地下數據交易鏈，數據安全事件頻發，企業和個人的隱私權益得不到有效保護。
下一步，要進一步鼓勵企業提高對數據要素的管理綜合能力，並通過行業性組織搭建數據共享平台，制定數據共享標準，不斷增加高質量數據要素供給。充分考慮數據要素的特點，積極探索可信第三方、Paid-in-Kind、俱樂部模式、數據市場等數據共享方式，促進數據要素與各種具體場景的深度融合。加快面向隱私保護的計算技術研發，推動隱私計算與區塊鏈的結合，實現數據在開放共享過程當中「可用不可見」，以滿足更多複雜和多元的數據需求。通過稅收、政府採購、金融和數據開放等措施，積極培育數據服務企業。
（三）加強國內數據立法和監管，提高數據治理水平
隨着數據安全治理成為一個不可忽視的焦點，各主要經濟體都加強了數據立法實踐，加強對信息權利保護。歐盟的通用數據保護條例（GDPR）為保護消費者的數據權利提供了一個範例。2018年5月，歐盟GDPR正式生效，旨在為各類企業和機構在業務活動當中收集和利用個人信息提供法律指引。與之前的數據保護法規相比，GDPR擴大了數據主體（Subject）的權利，增加了數據控制和管理方的義務和責任。GDPR賦予了數據主體七項權利，其中最引人關注的是刪除權或者被遺忘權（The right to erasure），當出現「個人數據對於實現其被收集或處理的相關目的不再必要」等六種情形之一時，數據主體有權要求數據控制者及時刪除其個人相關數據。由於歐盟的經濟體量大，GDPR也產生了明顯的外溢效應。
歐盟立法具有一定示範效應。美國加州、印度、巴西都在GDPR生效以後，也逐步開始數據立法。我國也積極從國家和地區層面都完善個人信息和數據權力的立法。其中，2020年10月21日，全國大人常委會法工委發佈了《中華人民共和國個人信息保護法（草案）》徵求意見稿，就個人信息保護有關的立法問題向社會公開徵求意見。不同經濟體關於數據立法的實踐，一定程度上都體現了更加突出個體對數據的權利和主張。地方層面也加強了數據利用的規範。2021年6月29日，深圳通過了《深圳經濟特區數據條例》，涵蓋了個人數據、公共數據、數據要素市場、數據安全等方面，是國內數據領域首部基礎性、綜合性立法，並且首次提出了數據權益，明確了個人對數據享有人格權益，以及企業對基於數據形成的產品和服務享有財產權益。
下一步，數據立法和監管，還需要處理好三重平衡。一是發展和安全的平衡。我國數字化發展走在相對前列，遇到的挑戰有不少也是前所未有的，在數據規範方面理應結合國內實際，提出更多創設性主張。數字經濟是全球主要經濟體必爭之地，數據價值不能得到充分發揮，數據產業發展滯後，數字競爭優勢不足，數字化動能減弱，才是最大的風險。二是技術創新和技術倫理的平衡。數字領域是目前創新最為活躍的領域之一，需要實施相對包容審慎的監管，增加容錯率，鼓勵更多數字前沿的探索。但是，大數據、算法推薦、人臉識別等技術應用給每個人生活帶來便利的同時，也給隱私保護帶來了挑戰，個人隱私保護需要貫徹數據應用和治理始終。三是政府和社會力量的平衡。數據利用往往涉及多主體、多環節、多來源，在補齊政府監管短板、明確數據權屬和競爭規則的同時，必須要充分發揮行業協會、聯盟等社會性組織的作用，加強行業自律和規範，提升企業數據管理能力，減少安全隱患。
（四）構建高水平的跨境數據流動政策體系，避免被「規則合圍」
數據的價值在與流動、連接、融合和共享。促進數據要素跨境有序和便利化流動，是維護全球數字供應鏈產業鏈創新鏈、提升投資貿易和營商環境水平、促進全球數字合作的重要前提。有研究表明，雙邊數字聯繫增強10%，貨物、服務貿易將分別提高大約2%。如果和區域貿易協定（RTA）相結合，貿易額還可以額外提升2.3%（Lopez-Gonzalez & Ferencz,2018）。但與此同時，過時管制規則、數據流動限制、本地存在要求、網絡安全隱患、知識產權保護等阻礙了數字聯繫，抑制了數字創新。
促進數據要素有序和便利化流動，離不開國際合作。但目前並沒有形成全球性的數據跨境規則體系，現有跨境數據規制更呈現出俱樂部化的特點。如果從隱私保護、企業競爭、數字創新、國家安全等維度看，各國數據跨境流動規制大體上分為四類。第一類是美國在APEC框架下推動跨境隱私保護規則（Cross-Border Privacy Rules，CBPR），更加強調數據的自由流動和全球化。第二類是歐盟基於GDPR以及後續法案構建的規制體系，更加強調個人隱私保護和數據本地化。第三類是部分發達國家和新興市場國家，更加強調本地化，同時又盡量向歐盟或者美國的規制標準靠攏聚集。我國可以單獨歸為一類，總體上強調數據本地化，但也倡導數據安全、有序跨境流動，採取的是本地化+安全評估機制。
從趨勢上看，儘管歐美對數據跨境流動規則存在較大分歧，但也要看到歐美之間協調在不斷加強。2021年2月G7發佈聯合聲明，將推動數據的自由、可信任流動，完善數字經濟治理。此外，日本、新加坡、瑞士等國在規則上逐步向歐美靠攏，希望進一步融入數據自由流動圈。OECD的研究表明，從國別比較看，我國數字貿易限制程度在44個樣本經濟體當中最高，面臨被「規則之牆」合圍、數字經濟競爭力受限的風險，需要內外結合，積極構建高水平的數據跨境流動規則。要完善數據跨境流動的分類分級管理體系，進一步明確數據安全評估標準、程序等具體操作指南。充分發揮自貿區港的制度便利性，開展數據跨境流動規則試點。充分利用參與G20、WTO等多邊平台，藉助RCEP等區域性貿易協定落實和可能加入CPTPP談判的機會，參與國際數據流動規則制定，更好平衡數據流動與數據安全。
來源：《數字宏觀：數字時代的宏觀經濟管理變革》一書 第六章（作者：陳昌盛、許偉 ）
版權歸屬原作者，分享僅供學習參考，如有不當，請聯繫我們處理。
