赋能新质生产力发展:企业数据资产“确权”的三重维度

2024-04-22 14:36 来源:商 业 经 济 与 管 理
浏览量: 收藏:0 分享

       摘 要: 从数据资源化到数据资产化的跨越既是数字经济发展的重要节点也是发展新质生产力的机遇。数据资产化为数据流通拓宽了渠道,通过明晰数据产权边界和降低数据交易成本的方式优化数据要素市场配置。数据资产既具有资产的普遍性,也具有数据要素的特殊性,重新明确企业数据资产的定义是实现数据价值的应有之义。“创设-控制-交易”三重维度分别是指通过数据登记、数据知识产权登记等方式创设数据产权,通过政策拟制“动态控制” 降低企业数据交易成本,通过优化数据收益分配制度促进企业数据流通正向循环。三重维度弥合不同领域内数据规则之间的鸿沟,确保数据政策的一致性,继而破除数据交易的桎梏,充分发挥数据要素乘数效应。

  一、 问题的提出:企业何以将数据资产化?

  中共中央、国务院印发的《数字中国建设整体布局规划》 指出:“ 释放商业数据价值潜能,加快建立数据产权制度,开展数据资产计价研究,建立数据要素按价值贡献参与分配机制。” 数据资产化离不开市场作用和政府作用的有机统一。一方面,要发挥数据交易市场在资源配置中的决定性作用;另一方面,要强调优化政府职能,深入推进治理体系和治理能力现代化,不断强化对数据交易市场秩序的规范作用和市场监管作用。

  数据可以产生价值。数据是信息的载体,一种可计算的记录。数据具有总量大、精准度高、生产快、种类多等特点,有助于加快培育和形成新质生产力。新质生产力代表先进生产力的演进方向,助力数字经济高质量发展。主观层面判断数据是否有价值是由数据交易市场的数据交易价格所决定的。数据资产化的行为主体是企业,企业根据实际生产经营需求评估数据的价值,有价值的数据才有保护的必要。数据属于经济学家所谓的“经验产品” ,购买者每一次都必须尝试过该产品才能对它进行评价。从客观层面来讲,数据价值来源于劳动。数据的价值由生产和再生产的社会必要劳动时间所决定,在生产力发展水平和智力水平共同决定的社会平均生产水平下,形成一个平均的社会必要劳动时间[4]。企业在数据收集活动中投入了大量的人力、资源和资金。作为数据的主要贡献者,如果企业不积极管理数据,那么这些数据就失去了意义。

  并非所有有价值的数据都可以资产化。《 企业数据资源相关会计处理暂行规定》 ( 以下简称《 暂行规定》 )为数据资产化作出了相应的指引,回应了企业数据资产化的需求,其内在的价值取向是反映数据资产的真实情况,避免形成资产泡沫。本文首先从数据的特性出发并结合资产定义的相关学说完善了企业数据资产定义,企业数据资产是指由特定企业合法控制的,由过去交易或事项形成的,预期会给企业带来经济利益的数据产权;其次明确了企业在事实上排他性控制数据不足以满足数据资产化的要求,需要在政策层面拟制一种“动态控制”以降低数据交易成本;最后从数据交易视角出发,以数据收益分配为主导,归纳降低数据交易成本的若干方式,促进数据要素市场化配置,赋能新质生产力发展。“确权” 三重维度并不是并列式的横向分布,而是一种以第五科学范式为基础的纵向分布:先创设企业数据资产,再实现企业对数据资产“动态控制” ,最终以降低交易成本的方式,促进数据交易市场的高质量发展,实现基于“ 数据要素 × ”的价值倍增。

  二、 创设维度:从数据资源到数据资产的嬗变

  创设数据资产不是一种数据确权方式。数据确权是基于上位法的规定通过对数据处理者等赋权,使其对数据享有相应的法律控制手段,从而在一定程度上或一定范围内针对数据具有排除他人侵害的效力。数据确权的核心是一套方法论,既符合数据的特殊属性,又契合数据处理活动的客观规律[7]。《民法典》第127条仅仅对数据权益的保护作了宣示性的规定,从中无法找到有关数据权属的具体内容。虽然数据产权尚未被法律认可,但是这不代表法律对数据资产进行不保护,新型生产关系的建构应当顺应新质生产力的发展。

  (一) 数据资产化的理论基础

  企业数据具有保障个人隐私、公共利益和国家安全的功能,但“一刀切” 式地禁止企业数据资产化并不可取,完善数据要素供给是发展新质生产力的关键层面。

  第一,数据资产化既不代表企业要求公民放弃数据之上的所有权利,也不代表企业漠视存在于数据之中的公共利益和国家安全利益。与所有生产要素价值实现机制一样,数据要素价值的实现不能因噎废食。科技进步带来的社会影响并非都是正面的,以“卡尔多-希克斯改进”来判断科技进步给社会所带来的整体福利改善,通过对受到负面影响的受损者给予一定的补偿,来实现整体效益的提升。数据资产化是同历史发展的客观要求相符合的新生事物,数据不仅被列为生产要素,还有助于发展新质生产力。

  第二,有价值的无形物可以资产化,无形资产可以帮助企业融资。将数据与知识作比较,广义的知识同样具有隐私保护和公共安全的价值。通过创设具有资产属性的知识产权,可以将智力成果资产化。知识产权证券化的著名案例有达美乐比萨连锁店的商标证券化和耶鲁大学研发的艾滋病药物专利证券化等。证券化可以帮助产生稳定许可费用流入的知识产权资本化,以获得商业运营所需的临时融资。同时对于侵犯知识产权的行为,可以通过侵权行为的救济途径来解决。多个省市出台了数据产权登记办法,针对数据要素市场化发展作出部署,最大限度地为数据价值实现和新质生产力发展提供依据。

  第三,数据资产化需要在动态合规的框架内运行。我国已经出台了《个人信息保护法》 《数据安全法》《网络安全法》等法律对个人信息和公共安全进行保护。“当你拷打数据时,它会供出一切。” 一方面,在精密的经济学模型之中滥用数据可以得出经济学家想要的结论;另一方面,随着技术带来的破坏式创新,数据安全不只是静态的概念,数据资产化需要随着技术的迭代在法规政策所允许的范围内进行。企业基于授权获得的个人信息资产化之后将进入市场流通,其预期风险难以估计。通过技术手段可以实现数据可用不可见,数据安全不出域,达到数据利用与企业的个人信息保障义务和数据安全义务的平衡,为推动新质生产力发展注入不竭动能。

  (二) 以企业数据入表创设数据资产

  在考察资产概念的基础上,结合数据的特征以明确数据资产的概念。资产定义存在四个不同学说:成本说、未来利益说、资源说和权利说。它们彼此之间并不是互斥的关系,而是各有侧重,参见表1。这一部分无意讨论资产定义的核心是什么,而是要在《暂行规定》与《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》 (以下简称“数据二十条” )之间寻找一条可以形成共识的路径。会计准则的制定问题处于法律与会计的交叉地带,是这两门学科融合发展过程中最核心的命题,这不仅涉及话语权的问题,而且要求理论与实践的有机统一。关于数据资产定义的范式转换为新质生产力发展提供了重要机遇。

  成本说认为“资产”实际上是一种“ 暂未发生的收入借项” ,即将在未来作为成本或费用与收入相配比。换言之,资产是“未消耗的收入借项” 和“尚未转化为费用的成本的集合” ,即已发生的但尚未赚取收入的成本。笔者认为,成本说未能反映数据资产的本质。由用户主动贡献的数据成本难以计量,但是其仍然具备成为资产的可能。成本说具有高度的专业技术性,但是仅以此作为判断其作为资产的关键,实际上是颠倒了确认和计量的先后关系,无法准确地描述数据资产的本质。

  未来利益说将资产定义为特定企业因过去的交易或事项而获得或控制的未来可能经济利益。未来的经济利益源自资产的运营活动,揭示了资产的本质属性,与财务报表的目标相一致,也强调了企业持有资产的根本目的是获得未来的经济利益。经济利益说过于抽象,这可能使得数据资产化的可操作性下降。数据经济利益可直接或者间接产生,若以经济利益为核心,那么数据的价值波动可能会影响数据能否被视为资产,从而与会计信息质量要求的真实反映相冲突。特定主体持有资产是为了在未来有能力产生经济利益,不能清晰产生经济利益的资源则不被视为资产。有学者认为,将资产仅定义为“未来的经济利益”

  资源说则认为资产本质上属于资源范畴。资产的定义是企业通常利用其资产生产能够满足客户需求的商品或者提供相应服务,资产所体现的未来经济利益是直接或间接为实体的现金和现金等价物流动的潜力,其由过去的交易或事项产生。《企业会计准则》界定了资产概念,虽然在定语之中提及预期会给企业带来经济利益,但该定义侧重点放在资源之上。同时,《暂行规定》 也将数据资产的重点放在了所谓的资源之上。亦有学者认为数据资产是由组织(政府单位、企事业单位等) 过去的交易或事项形成,由组织合法拥有或控制,可能带来经济效益,成本与价值可评估的数据资源[16]。如果将资产与资源都与未来经济利益相联系,那么就会重新回到有关“未来利益”的讨论。

  权利说将资产定义为由于过去交易或事项的结果而使某个企业能够控制的未来经济利益的权利或其他权利。虽然资产包含未来经济利益,但资产不等于未来经济利益,而是获得未来经济利益的权利或其他权益,如非法定的使用权、对未注册专利的使用权等。有学者认为,资产是特定主体所享有的代表一定经济利益的现时权利,该权利包含着可直接或间接转化为货币的能力。在另一层面,数据产权由“权利束” (A Bundle of Rights)组成。由于数据产权的可分离性,同一项资产可能在不同的企业间多次确认,从而导致社会资产总量的虚增。权利并不是凭空出现的,在社会之中权利与义务的总量相等。如果在数据之上创设了新的权利,就必然产生新的义务———信息披露的义务。《暂行规定》 中明确了以存货和无形资产形式列入资产负债表的数据需要承担比会计准则更高的强制信息披露的义务。例如,《 暂行规定》中要求,除披露期初和期末账面价值外,还需要根据性质披露本期的增减变动情况。

  数据资产应当以“数据产权”为核心进行概念界定,数据资产是由特定企业合法控制的数据产权,其由过去交易或事项形成,预期会给企业带来经济利益。制度经济学认为,产权并非物质对象,而是在社会中受到广泛尊重的一对权利义务,拟定了产权归属方在使用其资产过程之中的权利、责任和利益,并在一定范围内具有排他性。“数据二十条”政策仅对数据产权进行了列举式规定,企业可以通过数据知识产权登记、数据登记、数据资产入表等方式主张其作为数据处理者的数据产权。新质生产力的核心要义是“ 以新促质” 。要发展以数据要素为重要内容的新质生产力,就需要创设一系列与数据要素相关的生产关系。

  (三) 创设数据资产的其他路径

  “数据二十条”没有涉及有关创设企业数据产权的内容。为了寻求企业数据产权的来源,只能将目光转向理论和实践层面。无论是“行为规制”说还是“产权确认” 说,都在某种程度上承认了企业对于其控制的数据存在某种“合法权益”。同时,本文无意于论证现有的各种企业数据产权保护理论的优劣,而是着眼于它们的共同特点,即都意图保护数据之上某些具有保护意义的权益。实践层面已经形成了“数据知识产权” “数据登记证明产权” “竞争性合法权益”的宝贵经验。这表明以利益范式为核心的数据基础制度有助于数据要素供给侧结构性改革,符合新质生产力发展的实质要求。

  数据登记虽然无法实现确权的功能,但是具有证明数据产权、降低数据交易成本、保护数据产权和交易安全的功能。虽然知识产权法没有对数据知识产权作出规定,但是地方已经出台数据知识产权登记办法,已经有利用数据知识产权进行融资的相关案例①。同时,一些企业通过在全国数据资产登记服务平台获得的数据资产登记凭证获得了银行的贷款融资。数据登记存在特殊性,相应的审查人员逐条审查数据内容欠缺现实可行性,因此应当对企业数据实行概括性登记。如何实现作为知识产权客体的数据的公示是需要进一步解决的重要问题。同时,有关数据产权制度设计的实践具有非常明显的“先地方、后中央”的特点,地方的政策具有各自特色,但是由于受地方的区域性限制,难以站在国家层面进行统筹规划。

  现有的涉及数据不正当竞争案例可以为数据处理者拥有数据的“合法权益” 提供参考与借鉴。数据技术的发展使数据进入法学研究的话语体系,将现象转化成规范的路径在于实践[27]。有关数据不正当竞争的司法判例具有审理时间长、不正当竞争认定概率高等特点,并形成了“主体适格-存在数据合法权益-行为判断-竞争利益损害”的裁判路径。①数据“合法权益”是一种竞争性利益,且具有财产属性,可以在一定范围内实现排他性。权益保护往往取决于个案裁判,保护的边界比较模糊,构成要件比较复杂或者尚未形成共识,故而在保护上具有不确定性。在主要适用反不正当竞争法进行处罚时,电子商务法也可配合适用,两种行为评价模式相互支撑、印证,强化了处罚的正当性理据。

  三、 控制维度:数据资产交易的前提

  (一) 企业无法“拥有或控制”数据所有权

  数据所有权提出的背景是强调个人数据保护,目前的数据所有权理论都是从个人数据角度出发,强调个人享有数据所有权可以帮助缓解数字经济的一些不利影响。借助“所有权 -用益权” 理论能较好地解释交易后的数据权益,即用户享有数据所有权,企业享有数据用益权。对于不特定第三人,所有权人享有实现其物权权能的权利,是在法律允许的范围内对所有物所享有的一种独占性支配权。财产权利是法律主体对特定的财产所享有的控制和使用的权利。基于数据非竞争性的特点我们可以得到以下推论:如果数据可以无成本复制,同样的数据就能同时被两个主体“拥有” ,用所有权难以解释主体与数据的关系。即使是共享经济中也依然存在排他性权利。例如在使用共享单车的时候,使用者虽然没有单车的所有权,但是对单车的使用权具有一定程度排他性(至少可以排除其他人对单车的使用) ,该权利是有期限的,当用户使用完毕之后,这项权利就会终止。

  企业享有数据所有权这一观点在理论上无法立足。“企业所有说” 可能引发“反公地悲剧” ,在忽略甚至否定自然人对个人信息民事权益的情况下,仅仅讨论公共利益或公共秩序,很有可能导致个人信息保护和数据权属立法最终成为各利益相关方围绕个人信息的角力场,从而损害社会的整体福祉。承认企业享有数据的独占既没有经济上的合理性,也会带来诸多弊端。尤其是在强调数字经济反垄断监管、个人隐私保护和数据安全的背景下,实现企业数据所有权更是难上加难。例如,企业拒绝数据接入可能干涉经营自由和竞争自由,通过数据形成新的市场优势地位可能导致相关市场的进入壁垒提高,并对下游数字市场产生不利影响,不利于以创新为主导的新质生产力的形成。

  法学领域的“控制权”的来源之一是物权领域权利人对特定物享有的排他性的支配权。实际上,数字空间是多个主体交叉重叠的领域,企业要求与现实空间完全一致的数据控制权,既没有必要也不具备可能性。数字空间中的一切以数据形式存储于计算机中,数字空间之中有价值的虚拟物品在现实空间之中以数据形式存在,孤立的数据若脱离呈现其价值的网络空间,这些数据将失去价值。虽然个人享有其个人数据的排他性控制已被普遍接受和确立,通常被称为“ 信息自决” ( Informational Self-determination) 或“ 信息自治” ( Informational Autonomy) ,②但是企业对于数据的完全控制却饱受争议。由此可见以权利范式为基础的生产关系已经很难适应新质生产力发展的内在要求。

  (二) 拟制企业对数据的“动态控制”

  事实上的“控制”数据不足以形成边界明晰的产权,过早地确立法律上的“控制”虽然有助于降低数据交易成本,促进数据交易,但可能引发大型数字平台的数据产权垄断,不利于发展新质生产力。大多数情况下,事实上的“控制”与法律上的“控制”是一致的,法律都会保护事实上的“ 控制” 与法律上的“ 控制” 。然而在面对数据这一新型客体时,这两种类型的控制之所以产生了区别,是因为数据财产性权利的不同保护路径:是行为规制还是数据权属立法?其一,场景不同。企业基于事实“控制” 数据在竞争法领域内具有重要意义。企业数据“控制”的来源还可以被解释为一种事实状态,并不一定要增设新的法律上的权利。例如,在《反不正当竞争法》 (修订草案征求意见稿)第18条第2款之中采用了事实上的“控制”来定义商业数据。①基于事实状态“控制”的数据难以进入市场流通,无法服务于数据交易场景。以商业秘密为例,商业秘密虽然可以作为资产标的进行评估,② 但是商业秘密保护不涉及商业秘密的交易。在数据资产化场景下,企业对资产归属承担较高的证明义务以及信息披露义务,这种情况下往往需要法律上的“控制” 才能确认数据成本和收益的归属。

  其二,保护模式不同。事实上的“控制”数据处于权益归属不明的状态,其保护模式仅限于“ 防御性请求权” ,而法律上的“控制”数据是引入财产规则保护数据权益,其保护模式不限于“防御性请求权” 。在分析法学框架下,事实上的“控制”数据与法律上的“控制” 数据都包含“ 主张” ( Claim) 这一权利元,主张在大陆法系之中对应的是请求权。事实上的“控制”形成了一种类似于物权法上的“占有”保护,这是一种防御性的请求权,可以制止正在发生的对于请求权权益人的侵害;法律上“控制” 数据既包含了这一种防御性的请求权,也包括类似于给付请求权、返还所有物请求权等,可以使请求权人获得不应当失去的利益,有学者称之为“进攻性请求权”。

  其三,法律后果不同。事实上的“控制”数据很可能因为技术突破而导致原有的排他性“控制” 状态无法存续,这将带来数据权属上的争议。例如,在 Epic 案之中,Epic 突破苹果(Apple)的技术封锁获取用户数据,苹果通过“流量封锁” (Anti-steering) 条款限制 Epic 的程序内置支付方式( In-app Payment) ,Epic 就此起诉苹果不正当竞争。加州最高法院(California Supreme Court) 认为,苹果利用“ 流量封锁” 条款变相禁止了 Epic 直接获取用户数据。用户数据可以被用来进行三种“最有效的市场营销活动” 中的两种,分别是推送通知和电子邮件推广。③由于 Epic 无法通过电子支付方式直接获取消费者信息以及相关数据,从而使得苹果获得超竞争利益并造成了数字市场的创新衰减。事实上的“控制” 不足以描述企业数据具有动态性、非竞争性和非排他性的本质。通过反不正当竞争诉讼对数据企业事实“控制” 的数据进行个案保护,其结果具有较高的不确定性。然而,通过财产规则保护的数据,其后果相对确定,目的是防止这一种“ 占有” 数据的状态未经权利人同意被改变,这也就意味着需要对数据产权进行证明,才能进一步保障该状态[36]。在交易场景之中,若产权争议的法律后果不确定,则可能导致交易成本大幅增加,这会降低市场主体参与数据交易的动机。

  区别于“行为规制”和“产权立法” 两种途径,通过数据相关政策拟制企业对于数据的“ 控制” 不仅有较强的灵活性和较低的成本,还可以通过实行试点的模式形成丰富的数据资产交易经验。上述创设企业数据资产为拟制企业对数据的“控制” 提供了证明。数据产权权能的主要内容有:利用( 处理) 权能、收益权能、控制(持有)权能以及处分权能。通过创设企业数据资产实现作为数据产权四大权能之一的控制权能,明确数据资产的主体和客体是拟制“控制” 的方式。根据交易成本理论,在允许交易双方进行谈判时,交易成本的降低有助于实现要素的市场化配置,通过界定清晰的产权可以达到降低交易成本的目的。基于此,通过明确数据产权可以降低数据交易的费用,继而促进数据要素市场的帕累托改进。在主体层面,企业通过合法的交易或者事项取得数据资产,成为数据资产的权利人。同时,有投融资需求的上市企业可以通过数据资产化,降低资产负债比率,形成正向的“ 数据收益引导数据供给” 激励机制。在客体层面,根据DIKW(数据、信息、知识和智慧的体系) 模型[38],数据与知识具有一定程度的关联,边界不清晰的产权会显著增加交易成本。“数据二十条”创造性提出“三权分置”的数据产权制度框架,创新了数据产权观念,淡化所有权,强调使用权,聚焦数据使用权流通。数字时代的交易模式已经逐步从所有权的转让变成了使用权的让渡,解构数据所有权可以让人民群众共享数据时代的红利,切实促进新质生产力的形成。

  政策拟制的“控制”是一种动态的分类分场景“控制” 。在数据竞争的场景下,仍然应当坚持不创设数据专有权。虽然不正当竞争行为属于广义上的侵权行为,但是这不意味着只有创设专有权,才能保护企业数据。反不正当竞争法实际上要保护的客体是商业关系,既包含了企业之间的竞争关系,也包含了经营者与消费者之间的服务关系。在这一场景下企业实际“控制”数据的保护应当从不正当竞争行为判断的要件着手细化认定标准,既没有必要创设数据专有权,也没有必要形成法律上的“控制” 。如果只通过反不正当竞争法的一般条款进行保护,难以适应数字经济时代大面积和持续性的数据权益保护需求。企业之间数据不正当竞争行为可以通过类型化的方式优化竞争规制,以数据不当获取行为和数据妨碍使用行为作为两大类型,逐步细化认定标准。创设静态的数据竞争保护体系不但与实际数据企业之间的竞争关系背道而驰,而且还会过度扩张不正当竞争所调整的关系,在事实上“控制” 海量数据的数字平台将成为更具有“进攻性”的利维坦,破坏数据交易市场的竞争秩序,阻碍新质生产力的发展。

  拟制企业数据“控制”不代表支持或者否认数据产权立法。过于超前的立法不但会限制市场主体的主观能动性的发挥,还可能对技术进步造成实质性阻碍。经过创设的数据资产仍然可以获得一定程度的法律保护。制度经济学认为,产权是一种法律意义上的占有,是一种可以排斥他人的权利,只有先拟定控制的标准,才有可能获得物质(包括有形物和无形物)上的控制。如果只侧重于数据产权的某一个方面,在产权归属上很可能存在分歧。有学者认为,一种更有效的数据产权归属理论是平台企业取代消费者成为拥有数据产权的权利人,鉴于数据的可替代性和“隐私悖论” ,这种产权配置也不太可能引发严重的隐私问题和数据垄断。相反地,有学者认为如果将数据产权授予厂商会妨碍竞争对手获取数据,与非竞争性的数据充分利用的要求相悖,因此不应将数据产权分配给厂商。结合数据要素周期性的特点,深圳数据交易所提出的数据交易“动态合规”模式有助于推进数据要素市场的法治化进程。该模式结合利益范式,伴随新质生产力发展而不断革新,为数字经济高质量发展注入新动能。

  四、 交易维度:数据价值实现的重要途径

  (一) 企业数据交易的桎梏

  交易成本高是企业数据交易的痛点。在培育数据要素市场的大背景下,应当首先实现低风险数据和开发利用程度较高数据的交易合规,探索一种风险可控的交易模式以匹配新质生产力发展。我国对数据保护主要采用双轨模式,即针对个人数据和重要数据分别进行规制。前者依据的是《个人信息保护法》 中个人数据所包含的“非敏感信息-敏感信息” ,后者依据的是《数据安全法》 中的“一般数据 -重要数据 -核心数据” ,针对满足“非敏感信息”与“一般数据”条件的数据,应当以可交易为一般原则,不可交易为例外。不可交易主要分为天然的不可交易与法定的不可交易。前者包括但不限于未经授权的隐私数据,如人脸数据等涉及人格权的数据;后者包括但不限于《数据安全法》 等法律规定的涉及国家安全事项的数据。针对个人信息保护,有学者提出“人财两分”理论,其内涵是个人信息数据同时承载着人格利益与财产利益,在对个人信息数据作出权利配置时,应将人格利益配置给个人,将财产利益配置给数据处理者。“场景一致”(Contextual Integrity)理论认为,隐私权是一项生活在个人信息流动符合预期的世界的权利,该预期的形成不仅与习惯和文化有关,而且与政策和道德等方面息息相关。“不发展是最大的不安全” ,数据安全保护的核心要义是强调安全和发展的统一,达到一种风险可控的平衡状态。

  现有数据交易的总量不高,数据流通不畅。数据交易市场的发展既要保证量的提升又要求质的提升。数据交易市场是卖方市场,数据供给远小于需求,大量数据被头部数据企业牢牢掌握在手中,卖方在交易上处于有利的市场地位。同时,数据交易市场是薄市场( Thin Market) ,大量的数据交易完成在场外,场内的交易完成量较少,从而形成了数据交易过程中的信息不对称,最终使劣币驱逐良币。低交易总量带来的影响是产品的标准化程度低,交易价格难以预测,数据产品往往需要基于买方需求进行定制。数据的成本结构具有零边际成本特性,平均成本呈下降趋势,这使得信息产品的转售成本极低,为价格歧视提供了可能。

  数据流通性降低使得数据开发利用正向循环受阻,影响数字经济发展。“寓价值生产于实践” ,通过数据开发利用可以提升数据质量,数据资产的价值不仅来自本身价值而且来自二次利用。数据要素具有复用性的特征,数据资产价值实现过程中,对其进行分析计算后,可以循环进入其他环节的数据分析与挖掘中,继续产生经济价值。数据要素具有多样性的特征,基于信息分级理论,可以将数据分为原始数据(0阶数据) 、脱敏数据(1阶数据) 、模型化数据(2阶数据)和人工智能化数据(3阶数据);从存在形式来看,可以分为结构化数据、半结构化数据和非结构化数据;从业务划分来看,包括研发数据、生产数据、销售数据等。数据与其他生产要素的不同之处在于其有乘数效应,政策的保障可以提高数据流动性,促进数据价值释放。《暂行规定》的发布为企业数据金融业务创新提供了会计处理依据,有助于市场主体更准确地评估数据资源的价值,促进数据有效利用和价值实现。

  (二) 以数据收益分配为主导建构交易制度

  虽然企业交易数据存在一定桎梏,但是企业可以通过降低交易成本来实现数据利用的正向循环。一方面,企业可以通过商业模式的优化和创新,建立“说服 + 激励” 的利益分配模式;另一方面,企业可以建立分类、分场景机制规避交易风险,例如在数据交易中介的模式中规定交易双方的权利义务,加强交易双方的信息披露,减少信息不对称性。“数据二十条”并没有将数据产权运行机制的范围限定于数据持有权、加工使用权以及产品经营权。有学者提出了还应当增加数据收益分配权。同样地,地方的数据知识产权登记办法亦将数据收益分配与数据流通交易并重。权利视角下数据交易应当明确是对数据处理者的相关权利,而不是确认每个用户对其非个人信息的数据享有财产权。数据收益分配已经规定在产权转让的合同中,需要双方的合意才能决定最终的数据收益分配规则。视频平台推出的创作者激励计划,通过一种正向的激励机制激发了视频内容创作者创作动力,最终产生的收益由双方共享。例如,中国移动咪咕根据共票(Coken)理论着手打造基于内容创造和数据价值创造的奖励机制,实现了商业模式创新和利益共享的兼容。利用区块链技术锚定高价值数据,让数据持有者和数据处理者都有参与数据共享的权利,从调动数据交易积极性的层面解决数据流通性的激励问题。数据要素广泛地参与社会大生产,有助于形成新质生产力,增进人民群众福祉。

  共票强调共享利益的分配,作为一种统合性数字法学范式,它可以为数据利益分配提供多样化路径。共票是以信任为基础,对企业数据所产生的经济利益进行分配的重要工具。不同的数字经济发展阶段需要不同的利益分配规则以达成个人利益与企业利益之间的动态平衡,而区块链技术和法律制度可以帮助实现此种动态平衡。实现交易平台和数据交易参与者共同利益( Common Good) 的两大工具是说服和激励。以区块链为底层技术的共票从信息透明和完全退出(Opt-out)两个方面对数据交易主体进行说服,通过利益与风险共享以实现数据供给的正向激励,以解决不完全合同内嵌的不确定性。首先,数字平台有义务对潜在的利益冲突进行披露,让数据交易参与者免受平台霸王条款对数据的剥削。同时,将相关重要信息以共票的形式导入,实现数据利用与安全的平衡。其次,给予数据交易参与者完全退出的权利。如果平台辩称以更有价值的服务换取了数据交易参与者的数据,那么当数据交易参与者不再使用该平台时,平台需要给数据交易参与者提供一个可供选择的完全退出选项。完全退出之后数据可以以共票的形式存储,实现数据携带的标准化。最后,数据交易双方可以通过平台组织的数据贡献激励机制获取与之价值相对应的权益证明。以平台是否履行数据利用的忠实勤勉义务来划分由行为影响的风险与不可预测的风险,由数据处理行为引发的风险以区块链形式记录于共票之上,不可控的风险由相关主体一起承担,着力打通阻碍新质生产力发展的堵点。

  (三) 建构降低数据交易成本的多元途径

  在数据分类分场景应用背景下,市场主体可以利用企业数据访问权替代原始数据交易。根据行为主体的不同,企业数据访问权具有以下类型:政府机构享有的访问企业数据的权利;企业享有的访问政府机构数据的权利;企业享有的访问企业数据的权利。此处所讨论的客体属于最后一种类型,一方面是拥有市场势力的数据企业需要承担一定的数据共享义务,另一方面某些数据企业需要通过法律保护其控制的数据不被窃取。承担数据共享义务的一方企业并不需要开放其控制的所有数据。有学者通过类比必需设施理论,提出必需数据理论,该理论要求具有市场支配地位的数据企业开放必需数据。凭借数据访问权,实现不同层次、不同程度的数据开放,在保有对数据的控制的同时,满足不同主体对数据的利用需求。“利益—权利”双元共生模式以理论创新和实践经验发展新质生产力,有助于解决隐私悖论和控制数据安全风险,达到降低交易成本的目的。

  数据资产逐步参与资本市场活动,利用产权相对明晰的数据产品可以进行复杂的金融活动。数据资产证券化是数据参与金融活动的重要途径之一。基于成本法估算方式,中国2020年数据资本形成额为30009. 81亿元。与美国的数据资产融资相比,我国的特点主要是融资模式不同、融资标的不同以及参与的机构不同。首先,国内的数据要素价值实现机制是“两阶段” 模式,即先将数据资源通过知识产权、区块链技术等方式形成权利证明,然后基于数据资产再进行质押或者证券化操作。然而,美国的数据金融化是“一体化”模式,将数据视为“副产品” (By-products) ,通过对数据基础设施整体进行证券化操作实现企业融资的目的。其次,从融资标的来看,目前我国主要质押的资产为数据知识产权和数据登记凭证。在“一体化” 模式之中,数据中心的未来收益是最为重要的基础资产,其中就包括大型科技公司提供数据服务而取得的收益。这些权益有明确法律保护,更可能被视为有价值且稳定的资产。最后,从融资参与机构来看,“两阶段”模式需要更多政府机关的参与,例如在数据知识产权的案例之中需要与市场监督管理局、知识产权局、数据交易所等机构进行合作。“一体化”模式则更多是私营企业之间的合作,包括但不限于投资评级机构、律师事务所、会计师事务所等。

  监管机构应当根据数据交易的实践,形成市场监管、数据治理与金融稳定的联动机制,统筹安全与发展。在数据安全治理方面,需要警惕泛安全化陷阱。根据数字经济三维结构,监管部门可以分别从企业、数据和算法三方面入手着眼长期的可持续的安全治理,并加以综合运用。在发展方面,通过授予数据访问权,多个企业可以同时利用数据创造价值,推动新质生产力创新。这对于初创企业和中小企业具有特殊的意义,欧盟委员会和经济发展与合作组织都试图通过数据访问权来促进数字经济的发展。相比于设立全国统一的数据交易平台,构建互联互通的去中心化数据交易网络是一种交易成本更低的选择,可以解决数据交易平台地域分布不均、数据供给区域离散程度高以及数据集中度不高所导致的开发应用问题。数字化并不意味着美好生活,数据产品的金融化也不意味着一种“更好的” 金融体系。数据金融的构建和使用方式会加剧金融系统内部的不平等,还可能引发全新的数据治理风险。数据金融法治并非“金融法”与“数据法”的静态相加或简单拼凑,而是在科技与金融创新、金融监管与数据多元治理过程中耦合的新型领域法。在该领域中,制度需要及时创新继而持续地为新质生产力的发展提供有力支持。

  五、 结 语

  按照“科学范式”革命的底层逻辑,当现实发展需求无法得到满足时,就会产生危机,继而产生新范式诞生的机遇。形成新型生产关系是发展新质生产力的题中应有之义,这就要求以第五科学范式为基础,建构中国特色社会主义新型生产关系。数据资产化通过引入市场机制,促使生产要素优化组合,并最终实现数据的优化配置。同时,新质生产力发展离不开政策引导。通过强化相关企业的信息披露义务,在促进信息对称的基础上形成对于数据价值的共识。企业数据处理政策需要从保护财产性权利的规则入手,形成数据利益的正向激励机制。企业数据资产三重维度明确了数据资产的内涵与外延,为数据资产的控制和交易提供了理论基础。新质生产力既是中国特色社会主义新型生产力,也是新技术和新制度双向驱动形成的生产力。基于数据产权理论,只有拟制了企业对于数据的控制,才能以“分配促进需求,收益引导供给” 推进数据的价值实现,厚植数据要素市场,继而为实现全国统一的数据大市场作出制度贡献。

↓↓了解更多资讯,请识别下方二维码↓↓

  1701840725(1).jpg

国脉集团

国脉集团是数据资产化先锋企业,主要提供培训、咨询和产品设计服务。为数据资源拥有者提供专业、规范、合规的全流程资产化服务,提升机构数据管理服务能力,实现数据资源价值最大化。运用最先进的培训理念方法和平台工具提供高绩效培训服务。研发“一头一体两翼”企业数据资产化咨询服务方法论,提升数据资产化战略设计、就绪度评估与咨询、入表和产品化全流程咨询服务。基于战略思维和实操需求研发“易”系列产品,并与数源方合作研发系列数据产品。

主要课程

主要课程包括数据资产入表、数据经纪人、公共数据运营和政府CDO、数据精品等精品课程。

数据产品

主要产品:数据易投、数据易贷、数据易保、数据易售。

标签:

责任编辑:chenshanliang
在线客服