数据要素参与收入分配：理论分析、事实依据与实践路径

数据要素参与收入分配：理论分析、事

实依据与实践路径

数字技术发展与运用之基在于数据。数据是生产生

活与经济社会发展“足迹”的数字记录，是数字经济时

代不可或缺的生产资料和战略资源。为更好地推动数

据要素服务于发展，国家将数据纳入参与收入分配的

生产要素范畴。在社会主义市场经济体制下，推动数

据要素更好地参与收入分配要回答如下问题：数据要

素参与收入分配的理论逻辑是什么？是否有牢固的经

济事实支撑？实践路径又有哪些？回答好这些问题，

可为数据要素参与收入分配的制度完善提供理论与实

践依据，释放数据要素价值，加速数字经济提质扩容,

加快经济社会数字化转型。

一、相关文献综述

伴随大数据、区块链、人工智能等新技术的发展，

数据成为日益重要的生产要素。市场经济条件下，明

确权利归属、科学制定价格、建立有序的交易机制等

是推进数据要素参与收入分配的重要内容。相关研究

可归纳为三个方面：

一是关于数据权属的界定。按照生产主体的不同，

可将数据划分为政府数据、企业数据和个人数据［1］,

依据数据类型差异化配置权属是可行之举。个人数据

的生产主体是个人，个人数据应完全归个人所有;企业

对基于原始数据匿名、清洗等处理后的数据集享有限

制性所有权，即不完整的所有权［2］;政府具有公权力属

性，政府收集数据的花费主要由税费支付，政府数据

应属于全社会共同所有［3］。然而，《中华人民共和国

数据安全法》等并没有规定数据的具体权属，主要原

因在于数据载体多样，价值有差异且不稳定，外部性

等使数据产权难以照搬或参照物权予以界定。由此，

对于数据要素产权的归属仍需加强司法解释，探索数

据生产链条各环节的数据确权问题。

二是关注数据及其衍生品定价。市场主体针对数据

及其产品定价展开了探索。有研究指出，为确保成本

回收和利润最大化，规模经济与共用品特征突出的网

络信息产品适合差别定价法［4］;LiangFan等归纳整理

了大数据市场基于卖方视角的两大类定价策略⑸;左

文进和刘丽君分析了基于大数据资产属性与买方视角

的数据资产公允估价方法［6］。目前，数据市场上尚未

形成统一的定价机制与技术，这使得数据市场分割、

定价不客观、垄断等市场失灵问题突出，导致了数据

要素收益分配扭曲。因此，仍需研究设计有层次、适

用差异化场景的数据要素价格生成机制，以更好地匹

配数据的资源化、资本比和资产化。

三是关注数据市场交易。在市场经济条件下，让渡

所有权或部分权能是要素参与收入分配的基本方式，

交易机制对要素收益分配结果有重要影响。一些研究

认为，数据交易应通过法律法规明确流转范围与内容

[7],合理规范数据要素使用权[8],以确保数据交易安

全有序;数据交易机制应简洁、程序化，减少人为因素

[9],以提升数据交易效率;还应加强个人隐私保护[10],

利益相关者就个人数据使用协商补偿[11],将必要设

施原则用于数据垄断规制[12],以确保交易公平。

本文在现有研究的基础上，进行了三方面的拓展：

第一，加强数据要素参与收入分配的理论分析。与西

方经济学或法学视角不同，本文侧重论述这一制度内

蕴的政治经济学逻辑。第二，细化数据要素参与收入

分配的事实依据。在前期研究基础上，本文梳理了数

据在动能塑造、转型升级和宏观调控方面的经济表现,

并将之作为此制度安排的现实依凭。第三，探讨数据

要素参与收入分配的实现路径。现有文献尚未系统回

应如何实践此激励制度，本文从产权界定、价格制定、

方式创新、制度保障四个方面加以分析。

二、数据要素参与收入分配的理论分析

这里着重从政治经济学角度找寻数据要素参与收

入分配的理论渊源，阐释其内涵，论述数据要素增进

财富的作用机制。

（一）数据要素参与收入分配的理论基础

直观地看，数据要素参与收入分配以“斯密教条”（即

“三要素价值理论”）为理论依据，是生产过程中数据

要素创造价值在分配领域的具体表现。实际上，按照

马克思的劳动价值论，生产环节创造价值的要素只有

“活劳动”，而作为生产要素之一的数据仅是通过提供

相关信息等方式协助价值创造，其参与收入分配的理

论基础并不是“三要素理论”，而是马克思的劳动价值

论与分配理论。

亚当・斯密的“三要素价值理论”的核心要义是：劳

动、资本和土地三种要素协同生产商品，提供了商品

效用，所有的生产要素共同创造了价值，进而劳动要

素获得工资、资本要素获得利润、土地要素获得地租,

即，，三位一体，，公式。相对地，马克思则认为，亚当・斯

密混淆了价值与使用价值的来源，并明确指出：“工资、

利息、地租等作为社会生产过程的各种特殊因素所分

得的收入的不同形式，源泉仍然是劳动创造的价

值。”[13]931实际上，按生产要素分配与“三位一体”

公式有着显著的区别：一方面，“三位一体”公式过于

表面，其庸俗性在于将资本、劳动、土地都同等地看

作价值的源泉;另一方面，“三位一体”公式混淆了收入

分配与价值创造，二者不是同一层面的问题，价值创

造与劳动相关，分配则与要素所有权相关，分配过程

就是要素所有权的实现过程[14]。

依循马克思的逻辑进路，生产要素参与收入分配是

各种生产要素所有权的经济实现，也即新价值在不同

要素所有者之间的分配。如马克思在《资本论》中所

指出的：“这个价值的一部分属于劳动力的所有者，另

一部分属于或归于资本的所有者，第三部分属于或归

于地产的所有者。因此，这就是分配的关系或形式，

因为它们表示出新生产的总价值在不同生产要素的所

有者之间进行分配的关系。”[13]993总的来说，“各要

素所有者参与收入分配是实现要素所有权的诉求，有

着合理性与客观必然性。”[15]数据要素与其他生产力

要素共同参与财富形式的收入分配与马克思的劳动价

值论、分配理论相容。

（二）数据要素参与收入分配的内涵释义

1.数据要素参与收入分配的含义

数据有着生产成本低、大规模获取的特性，且具备

非竞争性、非排他性或部分排他性、低复制成本、外

部性、即时性等独有的技术一经济特征[16],这使得

数据能够独立作为一种新生产要素。基于前述分析，

本文将数据要素参与收入分配界定为数据要素资源所

有权的经济实现，即市场主体通过数据要素及其相关

产品所有权或使用权转移而获取收益的经济行为。数

据要素参与收入分配的原因在于其渗透融入社会再生

产各环节而衍生的经济益处。数据要素与劳动相结合

能提高劳动技能与综合素质、提高劳动生产率;数据要

素与劳动资料相结合能革新劳动工具、提升劳动资料

质量与效率;数据要素与劳动对象相结合能形成新型

劳动对象、扩大劳动对象范围、提升附加值;数据要素

与科技相结合能推动科技发展、加速科技与生产融合

[17];数据要素与管理要素相结合能够减少不确定性冲

击，赋能市场和政府主体优化决策，实现经济活动效

率化、经济管理精细化和经济决策科学化：微观上，

赋能企业更准确掌握市场供需、科学决策、安排生产

与优化资本流向;宏观上，赋能政府做好国民经济预测

与发展规划工作，合理配置生产要素，实现结构优化,

促进经济循环畅通。总之，数据要素与其他要素融合

能有效促进生产力发展，对经济增长产生较大贡献。

2.数据要素参与收入分配的内容

在现代经济中，价值表现为货币化的财富，从而收

入分配与财富分配具有了内在一致性。在马克思那里,

财富的创造与增进（主要指货币化的使用价值数量增

长）是各种生产要素的共同作用，非劳动要素所有者

凭借要素所有权而分配价值或财富符合调动全部主

体、全部要素参与生产积极性的制度安排出发点。在

分配内容上，价值分配与财富分配的内容与数量上完

全一致，是社会总产品价值扣除三大部分（简单再生

产消耗的生产资料价值、扩大再生产追加的生产资料

与生活资料价值以及应对不确定性的后备基金或社会

保险基金）之后的净剩余。理论上，用于分配的部分

在价值量上通常是可变资本价值与剩余价值之和，也

即社会净价值、净财富或净收入。这也成为数据要素

与其他生产要素共同分配的对象。

3.数据要素参与收入分配的原则

允许非劳动要素参与收入分配，一方面是出于发展

生产力的需要，调动生产要素及其所有者服务生产的

主动性与积极性，促进物质财富增长;另一方面，既然

非劳动要素及其所有者在国民经济财富增长过程中有

较大贡献，那么，从公平角度出发，其参与收入分配

合乎客观逻辑。因此，数据要素参与收入分配首先应

遵循“效率与公平兼顾’的指导原则，既要激励数据要

素融入社会再生产过程，又要确保其所有者凭借所有

权获取应得收益。

与中国特色社会主义市场经济体制相适应，数据要

素收益权的实现离不开市场，需要通过市场交换价值

或价格来体现。由此来看，数据要素参与收入分配应

遵循“供需匹配”的实践原则，由数据要素相关市场主

体按照统一、规范的标准，评价数据要素贡献大小，

由市场供给与需求决定数据要素的价格。这一原则适

用于整个数据价值链条，包括数据衍生产品和深入挖

掘的价值模型与定价模型等。

（三）数据要素增进财富的机制

1.生产力促进机制

政治经济学基本原理表明，财富增长与生产力成正

比，在不考虑其他因素影响的情形下，劳动生产率越

高，生产体系创造的使用价值规模越大。与劳动、资

本、土地、知识、技术和管理一样，当数据与生产资

料分离时，它们只是可能的生产要素［18］。数据要素

作用于财富增长的逻辑进路是“数据要素一生产环节

一生产力（劳动生产率）一财富”。在生产环节，数据

借助工业互联网，有助于组织要素投入，实现机器间

数据共享、协同生产，降低生产成本、提高生产效率

[19],还能“促进技术模块化变革，使技术更加通用和

易操作，释放溢出效应和赋能效应”[20],彳尤而提高生

产力水平，财富增进得以实现。

2.流通效率改善机制

一般地，交换效率越高，社会再生产循环便越快，

财富增进效果越好。数据要素通过影响流通而促进财

富增进的路径是“数据要素一流通（交换）环节一流通

效率提升一财富增进”。一方面，数据要素的运用不仅

促使传统的“线下”面对面交换模式转向依托虚拟数字

平台市场的“线上”交换模式，而且通过精准预测与推

送等智能方式深度优化了“线上”交易模式，降低了搜

寻匹配成本，缩短了交易流程;另一方面，高效流通体

系能够在更大范围把生产和消费联系起来，扩大交易

范围，大数据技术能够实现商品的高效集中与分散，

大幅节约商品到达消费者手中的流通时间。因此，数

据要素及其隐藏的信息被运用于交换环节可有效改善

交换效率，加速经济循环，促进财富增进。

3.消费扩容提质机制

政治经济学基本原理表明，消费为生产提供了动

机，且只有建立在消费增加基础上的扩大再生产才具

备增长效应。深度挖掘运用消费数据，能精准捕获需

求信息，提高供需匹配效率，扩大消费规模，促进经

济循环量能与效能提升，此即数据要素借助消费渠道

发挥牵引财富增长的机制。具体地，“运用大数据技术

匹配历史消费数据与即时消费数据、刻画消费真实情

景与消费者行为规律，使得精准预测需求偏好、识别

消费需求成为可能”[21],供需匹配效果与消费效率明

显改善，社会再生产循环加速，财富随之增加。基于

平台的商品供需集合较大，辅以显性化的质量评价数

据，选择“物美价廉”的商品成为可能，消费数量、频

次提升概率大，从而带动财富增进。此外，数据要素

的渗透能促进数字教育、数字医疗等新消费发展，塑

造新增长着力点。

4.分配结构优化机制

分配是社会再生产的重要环节，分配不合理会损害

要素主体生产积极性，抑制财富增长。在数字经济时

代，各行业、各环节、各场景普遍存在数据因子融入

的形式，由此数据要素参与收入分配原本就是优化分

配结构的体现。数据要素还能改善分配效率，促进财

富增长。一方面，大数据技术在征税方面的运用，有

利于规制偷税、漏税与取缔非法收入，由此增加的财

政收入可用于教育、医疗等公共服务，提升人力资本

质量，促进财富增长。另一方面，“人工智能对表面不

具有相关性的海量数据展开机器学习，能解决传统分

配方式中存在的信息黑箱问题，科学甄别要素边际产

出，合理确定要素收入份额，激发要素生产积极性，

提高资源配置效率”[22],推动财富规模扩张。

需要强调的是，马克思基于劳动价值论与分配理论

在分析商品价值转化为生产价格时，内生规定了生产

要素在高利润率与低利润率部门之间自由流动，这说

明形成平均利润率与生产价格时隐含了完全竞争或近

似完全竞争的假设。因此，数据要素参与收入分配要

充分发挥效率与公平兼顾以及供需匹配两大原则的作

用，高效实践“由市场评价贡献、按贡献决定报酬机

制”，清晰界定数据产权，并尽可能确保数据市场竞争

生态良好。实际上，我国的数据要素市场正处于探索

阶段，由数据要素交易主体、交易手段、交易中介和

交易监管构成的市场体系逐步成型。该阶段下，囿于

数据收集成本高、数据标准不一、数据及其衍生品定

价机制迥异等，出现了类似“算法共谋”“大数据杀

熟”“二选一”等互联网平台垄断市场结构，倘若不进行

制度规制，数据要素收益很难公平分配，因为数据垄

断主体能够借助垄断低价与垄断高价获取高额不正当

收益。这意味着，推动数据要素参与收入分配有必要

按照数据的经济属性，综合考虑法律、文化等因素，

依法开展“数据分类确权”，进而对垄断等市场失灵现

象进行规制，以更好地发挥效率与公平兼顾、供需匹

配的作用。

三、数据要素参与收入分配的事实依据

从国民经济运用数据要素的最终输出结果来看，我

国经济发展深度使用数据要素以后出现了诸多显著改

善。例如，塑造了增长的新动能，推动了经济转型升

级，改善了宏观调控绩效。这些实际经济益处，既体

现了数据要素参与收入分配内蕴的现实逻辑，又为其

提供了牢固的事实依据。

（一）塑造了数字增长动能

从要素投入角度来看，要素总量扩张的发展模式推

动了我国改革开放以来的经济规模迅速增大。经济发

展进入新常态后，数量扩张型增长模式掩盖的结构性

问题显化，重塑经济增长动能成为主动适应经济发展

新规律、新格局的客观需要。国际数据公司（IDC）

发布的《数据时代2025》显示，2025年全球每年产

生的数据量将从2018年的33ZB（1ZB=10万亿亿字

节）增长到175ZB。在互联网、大数据、云计算、物

联网、人工智能等被广泛运用的数字经济时代，数据

要素与经济融合的程度日益加深，经济增长的数字动

力显著。《中国数字经济发展白皮书（2021年）》表

明，我国数字经济规模由2005年的2.6万亿元扩张

到2020年的39.2万亿元，占GDP比重由2005年的

14.2%提升至2020年的38.6%;2015—2020年，数

字经济增速显著高于同期GDP增速，且2020年数字

经济在新冠肺炎疫情冲击和世界经济下行影响下仍保

持9.7%的增速，远超同期GDP名义增速。

在现代经济增长分析框架下，经济增长数字动能形

成的主要原因在于数据要素的运用提高了全要素生产

率。有学者发现，以数据为关键要素的互联网电子商

务及其应用显著促进了我国企业全要素生产率的提升

[23]o理论上，全要素生产率涵盖了劳动生产率、要

素配置效率、供需匹配效率等，生产环节将数据与其

他要素高效融合有助于提高劳动生产率。《中国数字

经济发展白皮书（2021年）》显示，产品全生命周期

数据管控助力企业新产品研发周期降低16.9%,产能

利用率提升15.7%,设备综合利用率提升9.5%。充

分运用大数据有利于降低交易发生的信息门槛与搜寻

成本，促成大量新交易，加快资源流通速度，改进资

源配置效率［24］。此外，与数据要素运用紧密相关的

新技术大幅提高了供需匹配效率。

简言之，不论是理论视角还是实证视角，数据要素

不仅促进了全要素生产率改善，而且生成的数字经济

这一新经济形态对经济发展的贡献也较为显著。

《2020—2026年中国数字经济行业市场前景规划及

市场前景趋势分析报告》显示，2019年数字经济对经

济增长的贡献率为67.7%。可见，数字经济正逐步成

为结构性减速背景下拉动我国经济增长的新动力，数

据要素有较大可能成为引领新一轮经济周期的关键变

量。国家适时给出数据要素参与收入分配的制度设计,

既是对数据要素驱动经济增长能力的回应，又是确保

数据要素能够持续释放生产力的科学激励机制。

（二）推动了经济转型升级

经济转型升级是促进经济发展方式转变的抓手之

一，也是新时代下建立现代化经济体系的主要目标。

立足供给侧结构性改革的视角，经济转型升级的关键

在于产业调整及其结构优化。历史地看，不同经济发

展阶段对应的支柱产业与主导产业明显不同，影响产

业结构升级的关键因素也有所差异。新一代数字技术

的突破性发展，使得数据日益成为产业发展的核心生

产要素，三次产业的边界日趋模糊，推动产业数字化、

智能化转型，促进从研发设计、生产加工、经营管理

到销售服务全流程数字化，促进产业融合发展和供需

精准对接，从而为转型升级开辟新路径［2司。《全球

数字经济白皮书（2020年）》显示，工业互联网已在

我国40个国民经济大类行业落地应用，涌现出100

余个具有一定影响力的工业互联网平台，平台链接工

业设备总数突破7300万台（套），形成数字化研发、

智能化制造、网络化协同、个性化定制、服务化延伸、

精益化管理等模式。

随着我国对数字经济发展的日益重视，数据要素正

不断与传统产业渗透融合，加速了不同产业、不同行

业的数字化、智能化发展，有效推动了国民经济的“数

智化”转型升级。来自《中国数字经济发展白皮书（2021

年）》的数据表明，2020年我国的产业数字化依然保

持快速发展趋势，产业数字化规模达31.7万亿元，占

GDP比重为31.2%,同比名义增长10.3%;占数字经

济比重由2015年的74.3%提升至2020年底的

80.9%,农业、工业、服务业数字经济渗透率分别为

8.9%、21.0%和40.7%。我国经济正沿着“数智化”方

向快速转型，已取得突出效果。当前，数据要素已成

为经济‘数智化'转型的关键因子。确立数据要素参与

收入分配的制度，并将之付诸实践，有利于促进数据

要素稳定释放结构调整红利。2021年3月，在《中华

人民共和国国民经济和社会发展第十四个五年规划和

2035年远景目标纲要》中，专门设置了一篇“加快数

字化发展，建设数字中国”，强调了要激活数据要素潜

能，以数字化转型为驱动力，深度推动社会生产生活

方式的转变和治理方式的数字化变革。

（三）改善了宏观调控效率

在完全信息条件难以得到满足时，为避免可能的市

场失灵导致经济福利损失，政府通过宏观调控履行一

定的经济职能，具备理论与实践的双重必要性。

理论上，宏观调控是否有效主要取决于政府职能部

门能否搜集、整合、分类和处理海量数据，获取完备、

充足的有效信息。在工业化时代，科技水平和技术手

段只能搜集和提供不完全的信息。由于作为决策依据

的信息不完全和不准确，政府在制定和实施产业政策、

财政政策、投融资政策时不可避免地有不科学的成分。

在大数据时代，经由大数据智能平台获得完全信息和

准确信息成为可能［26］。新一轮科技革命为数据服务

于宏观调控提供了良好技术条件和设施条件，以数据

为基础、具有中国特色的新型宏观调控模式正逐步成

为现实。《数字时代治理现代化研究报告一数字政

府的实践与创新（2021年）》显示，在经历2000—2014

年的电子政务、2015—2018年的“互联网+政府服务”

后，2019年我国各地开始推进数字政府建设，将数据

的驱动作用从政务服务拓展至社会管理。截至2020

年底，已有至少19个省份设立大数据管理机构。

政府将数据要素融合于经济管理领域，实现了宏观

调控绩效的优化。首先，数据要素的充分运用能够更

好地发挥政府调节市场经济的作用。大数据特有的海

量挖掘、实时获取、高速处理和即时分享市场信息的

技术属性使得市场更有效、政府更有为［27］,能真正

实现以市场发挥决定资源配置作用为基础的宏观调

控，明确政府宏观调控的界限。其次，数据要素的运

用使得宏观调控更趋精准。得益于大数据相关技术的

发展与广泛运用，我国的宏观调控已由过去的“总量调

控”转向“区间调控、定向调控、相机调控、精准调控、

适时预调和微调控”。国家相关管理部门采取多种方式

开发利用形式多样的大数据，并与政府信息整合，构

建大数据经济分析模型，对国民经济各领域的运行状

况及时监测，提高了宏观调控的精准性［28］。最后，

数据要素的运用使得宏观调控政策更加及时有效。运

用大数据分析有效刷新了政府的认知能力，缩短了调

控时滞，提升了宏观经济政策时效。

数据要素进入生产函数并获得相应的经济回报，不

仅是马克思劳动价值论与分配理论核心要义的具体体

现，而且是经济实践的客观要求。伴随数据要素利用

广度与深度的提升，供需的快速匹配加速了价值的循

环与周转，使得数字经济成为增长新动力。数据要素

向传统产业的渗透催生了产业数字化的新业态，加速

了经济转型升级。生产、交换与消费环节充分挖掘使

用数据，有效优化了生产效率。大数据技术的充分运

用提高了获取更多数据以及更精准地甄别数据映射信

息的能力，使得政府决策的依据更加牢靠、更加科学,

改善了宏观调控绩效。在数据要素渗透融合经济社会

各领域的新发展时代，数据要素参与收入分配以数据

作出重大经济发展贡献的事实为依据。因此，有必要

加快推动数据要素参与收入分配这一制度安排的落

实，以更好地发挥数据要素优化经济发展质量的作用。

四、数据要素参与收入分配的实践路径

（一）加快完善数据要素产权的细化分类界定

数据要素“具有载体多栖性、价值差异性、使用高盈

利性以及外部性，使现有法律制度难以解决数据的产

权安排”[29]。综合考虑我国实际以及《民法典》明确

了数据与网络虚拟财产可视为“物”，突破了“数据由于

无形、无独立经济价值而不能独立被视为民事权利客

体与财产”[30]的制约，因而应遵循“分类确权”原则，

明确数据权属配置。

数据收益分配的主体包括数据来源用户、数字企

业、非数字企业、政府。与之相适应，数据要素的产

权应区别进行界定。个人是数据最初的生产者，考虑

到姓名、性别、交易信息等数据能形成“人格画像”，

属于隐私范畴，因而应遵循人格保护原则，将原始或

底层数据的绝对所有权界定给个人，以体现个人对自

身信息的安全把控。基于个人数据“衍生的所有权归政

府和企业等数据二次开发利用主体所有”[31]。相关主

体共享或交易数据时，应始终坚持“不穿透底层”的安

全红线，确保隐私保护与数据价值挖掘相容。实践中，

华东江苏大数据交易中心在数据交易“四不准财冲，

专列一条强调“绝不交易底层数据，而是交易经过分

析、清洗、脱敏、脱密后的数据产品”;2022年1月1

日起施行的《深圳经济特区数据条例》也体现了上述

原则。

企业数据主要有自身数据、用户数据以及脱敏建模

数据三类。对于为改善劳动生产率而自行搜集的用于

提供最终产品或服务的生产数据，企业拥有全部的所

有权。企业也可能会搜集具体交易发生前后生成的用

户数据，进行“精准营销”与“大数据杀熟”行为，这会侵

犯用户隐私权与知情权。企业对用户数据仅享有不完

全所有权，即在用户授权下享有使用权，应承诺与用

户分享收益，如派现（券）、服务折扣、数据衍生品

优先、免费或优惠使用等，对此司法解释应予以明确

（深圳就确立了以“告知——同意”为前提的个人数据

处理规则）。如果企业（包括数字企业与网络平台企

业）在经过用户同意而搜集原始底层数据之后，运用

算法建模脱敏清洗，可遵循“额头出汗（谁付出劳动，

谁享有所有权）”原则或“算法规制反向确权”[32]原贝I,

将此类开发数据及其衍生品的产权赋予算法技术劳动

付出企业。特别地，公共事业经营企业的数据属于依

法从事公共管理和服务职能而产生和获取的，根本目

的是公共利益最大化，公共属性明显，其产权是不完

全的，收益权不应由企业独享。在为更好地提供诸如

疫情防控、交通管理、公共资源配置以及国家安全等

公共服务的特定条件下，企业应配合政府调取相关数

据。

政府数据具有非排他性、非竞争性和使用价值不可

分割的特征，同时考虑政府与生俱来的公共属性，本

文认为政府数据属于公共产品或公共资源。但这并不

意味着其没有产权主体，因为政府依法在数据搜集、

整理、存储、挖掘、确权等方面付出了大量劳动，为

数据资源化、资产化与价值化提供了可能，政府使用

数据也是以公共利益为基本导向的，且通过稳妥开放

共享数据，推动“数据孤岛”问题破解。从最大化政府

数据效益与安全发展的角度考量，政府数据的所有权

应由国家代表全体人民享有（即国家所有权），其产

权应界定给政府，并授权相应职能部门或特定法人机

构运营。

（二）建立健全数据要素科学的价格生成机制

沿着要素配置市场化变革的逻辑进路，数据要素合

理价格的制定应充分体现市场决定要素价格的基本经

济原则，建立由均衡价格参照机制、询价竞价机制、

公允估价机制构成的数据要素科学价格生成机制。

数据要素的均衡价格参照机制是基于国民经济部

门的投入产出均衡而形成数据理论价格的定价机制。

按照马克思的劳动价值论和价值转型理论，商品的价

值分为不变资本、可变资本与剩余价值三部分，依循

完全竞争假设与等量资本获得等量利润原则，经过要

素在部门内部与部门之间自由流动直至达到相对稳定

状态，商品价值转化为生产价格，即生产成本（预付

资本，即不变资本加上可变资本）与平均利润（预付

资本与平均利润率的乘积）之和。借助大数据技术，

依据特定“算法”能模拟出数据要素在不同部门达到相

对均衡状态时的理论价格，可将之用于数据要素定价

或市场交易参考基准。

数据要素的询价竞价机制是由供需双方共同作用

而生成交易价格的定价机制，是市场机制实现其价值

的直接表现。数据市场交易价格与供需状况、市场结

构等紧密相关。当供需不匹配时，数据市场交易价格

将偏离理论基准价格。如果供需的数量都很大，数据

市场接近完全竞争状态，可让买卖双方基于初始基准

价格在依法建设运行的平台上询价与竞价，由市场自

行探索生成体现遵循价值规律的价格。当供给方较少

时，应允许卖方采取成本加成策略，获取适度垄断利

润，引导卖方主动出售数据，增加数据供给量。此外,

倘若数据要素供给与需求的市场主体都存在较强的垄

断力量，这时可遵循福祉最大化原则，通过竞价拍卖

的模式形成市场交易价格。

数据要素的公允估价机制是在数据要素资源化基

础上，经由可信第三方对数据资源进行评估的定价机

制。数据在搜集与建模脱敏等处理形成要素资源后的

价值较低，而且受高频性、外部性等因素影响，数据

价值不够稳定。通过数据要素与具体业务融合以及交

易、流通等社会化配置等方式实现资产化与资本化，

能够提升拓展数据的使用价值与交换价值。由于数据

集可分割、需求方技术能力和使用目的差异以及诸如

并购、诉讼等非交易场景的存在，基于卖方视角的询

价竞价机制不适用，需要立足买方视角依托持有数据

资产评估许可证的第三方对数据资产进行估价，形成

公允价格。2021年10月，国家市场监督管理总局、

国家标准化管理委员会发布的《信息技术服务数据

资产管理要求》（GB/T40685-2021）为数据资产

管理和价值评估提供了借鉴参考。

（三）创新拓宽数据要素参与收入分配的方式

数据要素参与收入分配的直接方式是通过市场出

售脱敏的数据原材料、交易标准化与定制化数据产品、

提供数据接口（API）服务、为B端行业客户与G端

政府客户提供数据咨询服务、为C端客户提供消费“画

像”与营销触达服务，从而获取经济回报。这与数据要

素资源化相适应，但难以支撑数据的资产化与资本化。

因此，可尝试“估价作股、数字租金、以数易数或以数

易商（服）”等方法以适应数据价值链的延展。

估价作股是通过数据资产估价参股企业，并凭借股

份从数据资产收入中获取股息、股利或者通过出让股

份获取收益的分配方式。此种分配方式适用于组合海

量数据、构建数据集合、深度挖掘数据价值的情景，

有利于促进数据由要素资源升级为资产与资本。数字

租金是数据平台等相关企业向租户提供经过封装和脱

敏的价值数据和开发环境，合作开发大数据产品与服

务，租户则向平台商缴纳平台资源使用费用、数据调

用费、技术服务费等，这是数据要素参与收入分配的

另一方式。在数据要素产业链分工严格、技术门槛高、

成本较大的背景下，数字租金模式一定程度上能够消

除数据及其衍生品需求方资金不足、技术不足、使用

目的差异等制约，加速数据要素价值实现速度，使数

据要素价值成倍增加。此外，数据生产经营主体亦可

尝试以数易数或以数易商（服）模式实现数据收益分

配。与前述不同，该分配模式并未通过货币中介体现

价值，数据供给主体之间或数据供给主体与需求主体

之间（平台与平台、个人与平台等）遵循商品交换的

等价交换原则，在签署共享服务等协议条件下直接进

行数据与数据的交换或数据与服务使用权限的交换

（如京东万象、阿里等数据平台进行的API交换;数据

宝平台上国有数据、政府数据之间的交换），这有利

于引导各方共享数据，降低搜集成本，壮大数据集合,

加速数据要素市场形成。

（四）建立健全数据收益公平分配的制度保障

数据要素产权不清、商业机密和个人隐私泄露、市

场垄断、监管缺位等问题容易导致人民福祉受损，致

使分配结果不公。因此，有必要基于社会主义收入分

配制度内在的公平导向，健全完善数据要素收益公平

分配的制度安排。

健全有关数据安全和隐私保护的法制。《中华人民

共和国网络安全法》《中华人民共和国数据安全法》

就数据安全作出了相对完备的规定，但其中与个人信

息保护相关的条款较为笼统。虽然《中华人民共和国

网络安全法》对个人数据搜集、处理、传输与使用等

予以了说明，《中华人民共和国数据安全法》也强调

保护国家利益、公共利益和个人、组织利益，但其对

个人信息等涉及安全与隐私保护的问题未给出充分的

司法解释。在发达的数据交叉识别技术下，数据占有

主体完全能通过看似碎片化的行为、习惯、偏好等数

据识别个人身份或窥探隐私，并将之运用于经营，获

取不正当经济利益，而作为数据提供者的个人没有获

得应有的收益补偿。为解决数据使用可能导致社会福

利受损的外部性，需要在《中华人民共和国个人信息

保护法》明确自然人信息受法律保护及相关细则的基

础上，加快界定不同数据产权，完善数据财产权制度,

促进数据人格权与财产权两大权利属性特征兼容;鼓

励深圳、上海、广州等有条件的地区积极探索完善出

台地方性的数据交易条例（规范），对数据运营企业

进行技术、安全审查等准入审查，确保其具备深度脱

敏、安全运营微观主体数据的能力;在数据人格权适度

商业化的前提下，尝试探索个人在数据市场上交易私

人信息的司法实践，确保个体获取隐私数据交易收益,

促进个人分享数据，降低隐私保护及维权成本。

健全数据要素流通的治理制度。确保数据要素收益

公平分配，需加强数据要素市场的监督管理制度建设,

着力消除市场失灵，形成全国统一、公平竞争、规范

有序的数据要素市场体系。首先，应在地方设定的数

据交易规范或标准基础上，建立全国适用的数据交易

法律或法规，统一数据交易市场规则，提升数据流通

效率。其次，国家应坚持福祉提升和公平竞争导向，

发布数据要素交易与使用的垄断和不正当竞争行为指

南;适时修订《中华人民共和国反垄断法》和《中华人

民共和国反不正当竞争法》，统一执法标准，以限制

竞争与否和支配地位滥用与否为监管重点，明确对数

据垄断与不正当竞争行为的处罚力度。此外，应加强

监管队伍建设，设立专门监管数据流通的政府职能部

门;建立监管信息共享机制，形成全面监管的制度环

境。最后，应探索征收“数字税”，实施强制许可制度。

参考文献

[1]李政,周希稹.数据作为生产要素参与分配的政治

经济学分析[J].学习与探索，2020(1)：109-115.

[2]王融.关于大数据交易核心法律问题——数据所

有权的探讨[J].大数据，2015(2)：49-55.

[3]刘朝阳.大数据定价问题分析[J].图书情报知识，

2016(1)：57-64.

[4]干春晖，钮继新.网络信息产品市场的定价模式

[J].中国工业经济，2003(5)：34-41.

[5]LIANGF,YUW,AND,etal.Asurveyon

bigdatamarket：pricing,tradingandprotection[J].

IEEEAccess,2018,6(4)：15132-15154.

[6]左文进，刘丽君.大数据资产估价方法研究——基

于资产评估方法比较选择的分析[J].价格理论与实践，

2019(8)：116-119.

[7]朱新力，周许阳.大数据时代个人数据利用与保护

的均衡一“资源准入模式”之提出[J].浙江大学学报

(人文社会科学版)，2018(1)：18-34.

[8]陈琳琳，夏杰长，刘诚.数字经济市场化监管与公

平竞争秩序的构建[J].改革，2021(7)：44-53.

[9]吴江.数据交易机制初探——新制度经济学的视

角[J].天津商业大学学报，2015(3)：3-8.

[10]KERBERW.Digitalmarkets,data,and

privacy：competitionlaw,consumerlaw,anddata

p