杨艳，林凌丨数据要素高质量供给：内涵解析、困境挑战与规制设计

一、引言

近年来，新兴技术的蓬勃发展与数据基础设施的持续演进有效提升了数据采集、存储、整理、分析以提取新知识的效率，裹挟着大量数据流入要素市场，推动我国数据资源规模快速增长[1]。据测算，2023年我国数据生产总量超32ZB[2]，海量数据资源的独特优势凸显。在数字化进程加速推进海量数据产生和沉淀的同时，我国地方数据要素供给与需求匹配度均值却仅为0.41[3]。整体看来，我国数据发展仍处于起步阶段，数据生产总量虽已初具规模，但不平衡、不充分、不规范的低质量数据供给使得供给赋能难以向需求赋能递进。通过有效规制来保障数据要素的供给质量成为充分发挥数据要素核心作用和加快建设数据要素市场的重要手段。然而，相对于数字经济的蓬勃发展，我国的数据规制仍呈现出缺位、滞后且零散的特征；同时，由于数据要素具有虚拟动态性、规模报酬递增、易复制性、排他性、非竞争性、规模经济性等一系列新特征属性[4]，以及其所依赖的模糊化生产环境和碎片化使用环境，简单复制其他领域的传统规制无法有力保证数据要素供给质量；传统的“市场+政府”治理模式在面对数据的爆发增长、海量集聚及快速流动时出现失灵，与传统生产要素相配套的规则体系、生态系统等难以直接沿用[5]。如何让大规模、高质量的数据流动起来释放更多价值，推动我国从数据大国向数据强国迈进成为未来方向。

数据要素价值化发展既使得数字包容性社会受到数据提取、算法分析和大数据控制的人工智能训练领域等高度破坏性发展的威胁，同时也改变了人们与社会、政治和经济环境互动的方式。随着互联网的普及和数字技术的社会渗透，数据流通与共享变得愈加普遍，数字时代广大社群组织所具有的“基数大、成本小、联系密”等天然优势将为破解数据要素高质量供给难题提供有效解决方案。在国家治理结构逐渐深化以及传统数据治理模式失灵的双重背景下，强化数据要素高质量供给仍面临一系列现实阻滞：什么是数据要素高质量供给？要实现数据要素高质量供给还需解决哪些困境挑战？为什么要采用系统规制才能支持数据要素高质量供给？如何设计系统规制以强化数据要素高质量供给？对上述问题的研究将汇集为核心研究对象——数据要素高质量供给的系统规制。围绕“数据要素供给”“协同治理”“系统规制”三大关键词，沿循“何为数据要素高质量供给——何以数据要素高质量供给”的逻辑进路，首先，将传统理论视角与数字生态视角相结合，辨析数据要素高质量供给的基本概念与深层内涵；其次，归纳总结数据要素高质量供给面临的困境挑战，包括“市场动能不足、政府规制不力、社群参与不够”，为系统规制设计提供现实基点；最后，在“市场+政府+社群”协同治理框架下设计将“系统环境、市场驱动、政府领导、社群发力”包含在内的全新规制，以期为强化数据要素高质量供给提供制度建设保障，为我国数字经济持续健康发展注入强劲动力。

二、数据要素高质量供给的治理难题

目前，对数据要素的基本概念、特征属性以及其在经济社会发展过程中的核心作用等领域的研究已经取得了显著进展。随着研究的深入，数据要素的发展态势和治理策略正成为学术界关注的焦点。其中，数据要素高质量供给的系统规制是全新的研究领域，目前关于我国数据要素高质量供给及其有效规制的研究仍非常欠缺，其他相关研究主要聚焦在数据要素供给、数据要素规制、治理机制与协同治理三个维度。

（一）数据要素供给与数据要素规制

进入数字经济时代，信息技术的快速发展使数据成为一种重要的资源，数据要素独特的“技术-经济”特征使其存在形式、参与生产的形式均明显区别于传统生产要素；数据资源在各供给环节的流转价格所包含的内容与价值不尽相同，对数据的定价高度依赖其质量、应用潜力、市场需求等多重因素，传统的价格模型已难以适用于数据定价实践[6]；数据要素价值实现有赖于数据的开放共享，以及在市场上的供给与交易，从而驱动产品生产、技术研发、社会服务、组织管理等经济活动提升效率[7]。充分发挥我国数据要素规模优势、激活数据生产力，需要建设高标准数据市场体系，但我国数据开放共享体系建设滞后、监管法律法规长期缺位、个人信息和隐私安全缺乏保护、有效参与主体明显不足，制约了数据的价值实现[8]。在有关数据要素供给的安全保障、价格机制、市场监管等方面，我国深化数据要素市场化配置仍面临诸多挑战。综上所述，数据要素市场化配置已成为充分释放数据红利的内在要求与必然选择，而我国在这一新领域的基础制度体系尚不完善，制约了数据供应链循环效率。数据要素所涉及的各利益相关者之间尚因缺乏共同标准、程序和信任不足而陷入低供给质量僵局。数据要素高质量供给亟需建立制度性的、基于信任的机制和福利驱动的价值分配，以实现公民赋权、改善公共福利、促进数据流通共享、强化数据要素供给质量等多元目标[9,10]。

Tirole提出的因为“不对称信息、缺少承诺、不完美的规制者”仍是当前进行政府规制的重要理由[11]。影响我国数据要素市场有效竞争的因素是企业的不当竞争和新型垄断行为、数据驱动型市场中的信息不对称、政府干预不当等引发的数据要素市场失灵[12]，而解决“失灵”现象的有效途径之一，就是要构建数据要素的安全机制、竞争机制、供求机制等规制体系。经历了早期数据交易的“无序生长”，政府应承担起培育市场体系、构建市场秩序等规制职责，当前现实中行之有效的规制是缺位的。

（二）治理机制与协同治理

数据要素的新特性使得其所引致的外部性问题难以集中在单一组织边界内，且数据要素供给具有动态、复杂的特征，涉及多层次、多参与者和多部门，传统的“市场+政府”治理模式在面对数据供给的多重环节和众多主体时，其治理失灵和挤出社会偏好的缺陷愈发凸显[13]。“协同治理”被定义为国家、市场和社会行动者相互作用，在协商共识和集体决策的基础上开展合作，以实现公共价值目标的复杂过程。基于国家与社会的视角来看，强调社会参与的协同治理机制展现了我国治理体系创新的新方向。互联网的普及和数字技术的社会渗透使得“数字化生存”成为社会生存形态的新形式，社群成员频繁而多层次的相互交往，以及由此产生的信息传播高效性与成员参与高效性，可以确保支持数字共享的供应链不间断、有弹性和去中心化[14]，有效弥补“市场+政府”模式对数据供给治理的缺陷。已有小型企业、公共机构和公民社会等共同参与治理的相关实践，如数据共享池、数据合作社、公共数据信托、个人数据主权等数据治理模型均强调公民社会和公共机构是实现数据治理民主化和数据价值重分配的关键角色[15]。在数字经济时代，社群机制主导的网络治理深度嵌入市场机制，促进多方行动者建立起制度化的合作模式，有利于社群机制在协同治理模式下发挥主导性作用，实现市场、政府、社会行动者之间的动态交流与反馈。

结合数据要素领域的研究动态来看，当前研究仍存在几点不足：第一，从理论层面来看，对数据要素高质量供给的基本内涵缺乏深入解析，尚未形成广泛共识。第二，对于数据要素高质量供给与协同治理理念的研究，既有文献的理论论述整合不足且不够深入，协同治理分析并未在促进数据要素高质量供给的论述中成为关注重点。第三，尽管部分研究提出协同治理模式分析，但却缺乏有意识关注“市场+政府+社群”协同治理模式下数据要素高质量供给的系统规制的机制之间如何实现互补、嵌合这一关键难题。数据要素高质量供给的“市场+政府+社群”治理框架以及具体内容需结合协同治理理论与数据治理实践展开深入研究。

三、数据要素高质量供给的内涵解析

目前，我国数字经济建设面临的重要挑战之一是海量数据尚未充分转化为可利用的关键价值资源，数据有效供给不足。数据要素高质量供给与数据要素新需求是基于传统供给、需求等经济学概念，为更加适应数字经济时代高质量发展语境所形成的新概念。对数据要素高质量供给的深度解读，既要基于传统经济学理论中的数据供给与数据质量概念，也需把握数字生态背景下高质量供给的要求，进而提炼出顺应数字经济发展规律的数据要素高质量供给深层内涵。

（一）数据高质量供给的概念与意义

“数据要素高质量供给”涉及两大维度的问题，即数据供给与数据质量。数据要素高质量供给的核心在于提供大规模、高价值的信息。

首先，作为一种新型经济业态的供给，数据供给是各种符号、文字、数字、语音、图像、视频等信息表现形式和载体的供给。就供给主体而言，我国现阶段数据供给主体的类型非常庞杂，既可以是自然人、单个企业、公共机构，也可以是社会团体、隐性企业联盟、新型的网络社群、协会、社区等。就供给过程而言，数据要素的供给过程包含数据元的初始采集环节，然后通过整理环节成为数据要素，以及最终在数据平台上进入可售环节。

其次，数据质量，即数据特征满足用户要求的程度，通常被认为是一个多维概念，包括可用性、准确性、相关性与时效性。数据质量是影响数据要素价值发挥的关键特质，错误或不准确的数据可能导致误导性决策、损害组织和业务的效率与有效性、降低数据资源使用价值。当数据质量标准与监管机构的期望不匹配时，低质量的数据也可能导致合规风险。数据模糊化的生产流通环境以及复杂化的信息系统使得数字经济发展中市场垄断、信息不对称、隐私安全等外部性问题层出不穷，进一步影响了数据供给质量以及数据在各流转环节中的多维应用。

（二）数字生态视角：数据要素高质量供给

生态系统的定义常被用于描述生物系统和经济系统，强调不同要素之间持续发展的、自组织的反馈与调整[16]。《数字生态指数2023》指出：“良好的数字生态建立在广泛联系相关参与者的基础上，通过合作共享、健康共赢的机制，构建起实现数据要素畅通循环的有机共同体。”[17]随着数字化转型的持续推进，数字技术对整个经济社会发展的影响广泛而深刻，形成动态复杂、相互关联、互相协同的数字生态系统。数字技术的快速发展和广泛应用正在塑造和推动经济体系的演进，使得信息传递、交易和决策更加迅速、人类生产生活环境愈加趋于动态化、数字生态系统的边界不断扩张。数字生态与数据协作的最小价值链均与数据供需匹配密切相关，数字生态视角提供了数据协作中参与者及其交互的场景视图与逻辑视图。数据质量成为可持续数据发展生态的重要基础，对海量数据的采集整理将会对数据供给主体产生深远影响，相互关联的系统要素所产生的溢出效应将进一步增强数据要素供给的动态性。在数字生态视角下，数据资源的循环流动效率、数据供给过程中参与者作用及其协同互动过程成为影响数据要素高质量供给实现的重要因素。

（三）数据要素高质量供给的四层内涵

从结果导向看来，数据要素高质量供给强调供给数据的质量特性；从过程导向来看，数据高质量供给又注重供给主体的协同性以及供给过程的高效率。在实践中要真正实现数据要素高质量供给，既需要考虑数据要素供给过程中采集、整理、可售三大环节的高质量实现要求，也要考虑数据供应链的高效循环与畅通机制。因此，数字生态视角下的数据要素高质量供给旨在形成高质量、可持续的数据供给生态，应包括“大规模、高质量、畅流通、强协同”四层内涵。其中，“大规模、高质量”为构建数据要素高质量供给生态提供数据资源基础；“畅流通”通过打通数据供应链，实现数据要素高质量供给生态的数据交易和交互；“强协同”则旨在发挥要素协同与主体协同作用，促进数据在不同主体之间有序流动，丰富数据要素价值释放路径（参见图1）。

第二，高质量。数据质量不仅是数字化转型的关键要素，也是实现数据要素高质量供给的基础保障。数据要素供给的最终目的是从数据资源中提取有用信息以创建商业和社会价值。数据要素质量既可以衡量数据可用性、准确性、相关性、时效性等属性满足数据使用要求的程度，也是影响数据分析和决策制定的关键因素。数据高质量供给要求采集、存储、加工、处理、分析全过程中的数据质量。当前，影响数据质量的关键因素主要包括：数据源和采集方式、数据处理流程、技术架构、人员素质等。此外，缺乏规范的元数据管理和数据标准化也是导致数据质量问题的常见原因。大数据场景下海量数据的质量管控难题、多源异构数据集成质量、落后的数据质量管理技术和工具、数据治理机制缺失等均是高质量数据面临的主要挑战。

第三，畅流通。已有研究通常将采集作为数据供给的起点，但海量数据的流转、整合、交互也是关键难题。在数据质量可靠的基础上，如何在高度流动的环境下实现大规模市场要素在不同主体之间有序、高效、安全流通是实现数据要素高质量供给的关键。数据生态的蓬勃发展离不开数据要素的流动。从数据要素供给过程来看，数据从采集环节到整理环节，最后形成可售数字产品的过程，本质上是不同形态的数据资源在不同参与主体间流通交易的过程。数据流通强调数据在不同主体、不同信息系统之间的流动，涉及流通对象、流通组织、流通基础设施、流通技术、流通环境等方面。针对多元数据主体与多样数据流转形态，海量分散的数据资源向数据产品需求高效流动需要建立起广泛场景视域下的数据流通规则，为数据从采集整理环节转移至可售交易环节提供重要保障。

第四，强协同。数据要素供给各环节形成有效协同、相互支撑的体系，包括要素协同与主体协同。一方面，数据要素具有可重复利用、规模效应、跨界融合、驱动创新和优化资源配置等特性，可以通过与其他生产要素互补、融合，产生非线性协同作用，实现不同程度的倍增效应[18]；不同主体、不同行业之间的数据聚合，则有利于实现多元数据要素协同，拓展数据要素广泛应用。另一方面，数字化时代的快速发展使得参与数据供给的主体更加多元，数据资源的循环流动以及多元主体之间的依赖关系是数据生态系统属性之一，而数据供给主体之间的高效协同则是保障数据生态系统顺畅运作的重要组成部分，从诞生到资源化、产品化、流通交易，数据要素的生成与价值实现贯穿供给过程各环节。数据要素具有报酬递增、低成本复用等特点，在数字技术支撑能力的驱动以及制度和规范的约束下，数据采集方、存储方、加工方、经营方等参与主体聚集未开发的数据资源、共享数据专业知识，促进数据多场景应用、多主体复用，发挥数据要素乘数效应，推动数据资源的优化配置，建立可持续发展的数字供给生态。

四、数据要素高质量供给的困境挑战

立足数据要素高质量供给的概念与内涵，与蓬勃增长的数据要素需求侧相比，数据供不出、流不动，不平衡、不充分、不规范的低质量数据供给难以有效匹配高增速且多样化的数据要素需求，低质量数据供给成为数据供需矛盾的主要方面。在此背景下，我国数据要素治理实践加快探索，治理模式不断创新，但仍面临“数据要素市场动能不足、政府规制不力、社群参与不够”三重困境挑战。

（一）市场动能不足：数据资源配置低效率

我国数据要素市场在发展过程中自然演化形成了一定的市场机制，数据要素市场化配置格局初步形成，但现实经济中垄断市场、资源条件支撑不足、交易市场缺失导致的数据要素供给规模与可用性不足、倍增与流通利用低效等问题也不断凸显。

1.数据共享流通不畅

在数字经济背景下，消费者数据的数量和种类不断增加，衍生出丰富多样的业务产品，成为企业重要的发展资源。海量数据集聚和机器学习技术发展共同赋能企业自动化决策流程优化，数据成为提高企业竞争力、驱动颠覆性创新的关键价值资源。企业之间的数据共享活动是数字驱动型创新的重要推动力，但数据共享以及数据使用权限涉及数据控制者的私人利益与公众利益之间的权衡问题。关于数据要素的经济分析关注数据使用和共享的好处，强调数据的资源分配效应以及质量创新效应。基于现实来看，目前市场机制产生的数据共享太少。各行业之间数据市场分割，缺乏有效共享联通机制，存在明显的数据流通壁垒、数据孤岛等现实问题。考虑到价值转移风险、数据不对称访问的竞争优势、现有激励与利益补偿等多重因素，许多企业将数据作为核心战略资产而不愿流通，以消除竞争为目的的并购、算法共谋和大数据“杀熟”等数据垄断行为层出不穷，网络效应、规模经济和锁定效应日益导致数字资源和能力的集中，数据垄断问题凸显。

数据要素的非竞争性使其拥有强大的再生能力与共享特性，同一数据能够满足不同市场主体的应用需求，这也进一步产生了数据充分利用和充分流通的效率要求[19]；数据产品使用价值的时变性、数据创造价值的高度不确定性意味着数据要素转移给加工者后，卖家难以预估其加工后的价值增长空间、加工处理模式、是否会进行二次传播或数据篡改扭曲等。即使数据卖方在交易前制定了限制竞争的相关条款或完备周密的价格条款，如禁止买方重复使用或转售数据，也难以在买卖双方建立信任并适配于多样化的应用场景[20]。目前，数据安全可信流通的应用场景局限在部分行业领域，数据供给全过程并未具备支撑全社会数据要素有效流通的完整技术体系以及复杂化场景下的数据可信流通环境，难以产生信任与稳定的合作关系。而数据供给各环节存在的安全风险、各参与主体之间的信任缺失使得数据流通不畅、流通低效、流通质量不高。

2.资源条件支撑不足

大规模、高质量的数据采集、存储、分析环节要求与其匹配的存储规模与算力规模、高性能计算应用、人工智能算法等作为有力支撑，然而，海量数据与有限资源条件之间的矛盾制约了我国数据高质量供给。拥有大量数据的企业可能缺乏相应的数据能力体系，数据供给的广度、深度、利用度较低，甚至可能导致错误利用数据，增加不必要的损失。随着深度学习和人工智能技术的不断发展，面向全社会海量、多维数据的全环节运用，企业自身的数据分析能力、配套的数据基础设施建设等成为数据发挥生产要素作用的必要条件。

在深入挖掘数据的过程中，我国数字基础设施建设覆盖不全面、不完善、不均衡，发展存在滞后性；缺乏安全可靠、经济高效的数据存储平台；算力供给水平难以与巨大算力需求相匹配，多元算力尚未实现互联互通，均阻碍了数据要素的采集、处理、安全流通，制约了数据资源深加工能力与高质量供给实现。当今时代，经济社会进入数据要素化发展新阶段，基础设施的概念、功能不断演化升级，在此背景下提出的“国家数据基础设施”既包括信息基础设施、融合基础设施与算力基础设施，也包括数据流通应用基础设施，即国家数据空间，旨在为各参与主体提供数据要素化的统分结合架构。该架构下的基础设施定义虽进一步扩展了数字基础设施的范围，但涉及多地区、多行业、多主体、多环节的业务支撑要求也使得互操作性难、场景规模化难、技术标准和成熟度要求更高，对数据要素高质量供给形成新的挑战。

3.供需难以有效匹配

供给和需求的双边模糊性以及信息不对称性使得数据要素市场难以自发形成，数据供给方与需求方缺乏有效链接机制。就需求而言，需求侧虽规模日益增长但缺乏明确的数据需求支撑流程，进而使得广泛的数据需求不具体、不透明。就供给而言，数据要素的新特性拓宽了数据下游应用范围，使得数据供给端难以预测需求端的用途与目标。数据要素复杂的新特性以及市场需求的多元化推动了新型数据交易行业的诞生，但同时也对数据交易场所的制度设计、交易模式、监管要求等提出了新的挑战。

目前，数据供需匹配主要形成了场内与场外两类数据平台市场模式，以及场内交易冷清、场外交易活跃的交易现状，2022年场外交易规模约为1000亿元，是场内交易规模的50倍[21]。一方面，目前全国各地设立的数据交易机构已超过50家，但交易市场仍存在的同质化竞争严重、规则分化、区域壁垒、交易体系不完善等短板，使得交易成本高、参与活跃度低、总体交易额不大、数据供需壁垒问题仍十分突出，难以形成大规模、常态化的数据交易。另一方面，场外交易成为数据交易的主要形式，但场外数据交易可能产生侵犯数据产权、数据泄露、交易不合规等情况，影响数据交易市场的健康发展。在所商分离的发展背景下，在供需对接过程发挥中介性功能的数据经纪商、数据运营服务商、数据托管服务商等各类数商成为关注热点。数商企业扮演着连接数据需求方和数据使用方的角色，数商产业与数商生态有望成为促进数据要素供给、消除供需资源错配的重要支撑。据人民数据大数据库显示，截至2023年12月底，我国经营状态为存续的数据交易类企业（交易所、数商）数量约15万家，其中，约30%成立于1年以内[22]。目前，该行业整体缺乏对新概念的认知，从数据资源化到数据资产化还需要时间沉淀。

（二）政府规制不力：数据要素高质量供给受阻

数据展现的独特“技术-经济”特征意味着仅靠市场力量无法充分释放数据的潜在价值，但新兴事物的迅速发展以及产业形态的快速更迭亦使得我国相应法规颁布和监管政策相对滞后，传统的监管手段以及治理机制缺乏经济性与技术性，数据要素供给侧面临政府规制低效、规制缺位的挑战。

1.缺乏清晰、明确的数据产权制度

数据要素的共享流通是市场高效运转的前提，数据确权则是数据流通利用的基础条件。一方面，数据不仅具有商品属性，也具有公共属性，可以作为一种共享资产或公共产品，数据“权”难以界定为排他的物权；另一方面，多元主体、多重环节以及交叉纵横的数据流通途径使得数据产权体系更加复杂，数据权利主体、客体、内容均具有模糊性。数据权属界定不清的问题增强了数据价值、数据收益分配的不确定性，价格无序、收益分配不规范进一步制约了数据价值的实现。由于数据产权制度在理论和实践中的前沿问题涉及法律、技术、经济和伦理等多个维度，现有权利模式难以沿用，亟需构建数据产权制度与新型权利保护模式。

在政策层面，2022年12月，《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》提出了数据资源持有权、数据加工使用权和数据产品经营权“三权分置”方案，加速推动了我国数据产权登记制度的创新与完善；2024年1月，“数据入表”的正式施行则进一步拉动了数据产权登记的市场需求。传统确权规则研究大多基于静态视角展开，而数据内容与形态的动态性、供应链中流通的动态性加大了数据产权登记、精准确权的难度。从实践来看，各地纷纷出台地方性文件对数据产权进行实践探索，但由于对数据产权性质的认识不同，在登记对象、登记主体、保护模式和审查标准等方面呈现出地域性差异，数据产权登记规则难以形成制度性共识。

2.缺乏有效、统一的数据质量管理机制

数据质量和标准化程度是影响其应用效果和价值的直接因素，如何建立统一的数据标准和质量控制体系是数据要素市场发展的关键。

数据标准化是实现共享流通的基础，建立数据标准体系既能为数据充分共享与重用提供可能性，也能有效提升数据治理效率。目前来看，不同来源的数据存在标准缺失、质量不一的情况，阻碍了信息集成、资源共享以及数据高质量供给。国家和行业数据领域标准仍处于摸索阶段，尚未形成标准规范、互联互通的一体化数据资源体系。数据接口、数据格式、数据语义等通用标准不统一、不一致、不规范，制约了不同部门、层级、行业、企业、设备之间的数据整合互通、互操作性，数据大规模流通仍存在梗阻。

数据供给质量尚未形成统一标准规范要求。实践中，政府数据存在缺乏时效性、可用性低、完整性欠缺等问题，不同地方、部门的数据质量存在差异，极大地影响了数据的可比性、可用性与分析价值；企业数据因准确性不足、一致性差、重复采集、自产自用等多维因素导致数据汇聚质量不高，进而影响数据流通应用。基于数据内在或外在品质建立起的框架所包含的细分指标往往需要客观度量与主观评估相结合，但各地区、各组织基于不同框架考虑的数据质量维度存在差异，拟定的数据质量评估标准不统一，数据供给质量缺乏有效管理与评估机制，数据要素高质量供给缺乏基线、目标与保障机制。

3.发展与安全之间的二元悖论

信息和通信技术的迅速发展使得互联网用户数量以及个人数据体量均呈爆炸式增长，但多样化的应用场景涉及不同类型的敏感个人信息，包括年龄、居住地址、个人偏好、银行信息及交易细节等，且消费者对于个人数据收集的时点、目的、后果等方面往往处于不完善或不对称的信息状态，数据要素价值链的流转过程可能产生隐私负外部性[23]。数据泄露、数据贩卖、数据滥用等事件所引发的数据安全和隐私问题使得场景应用方、数据供给方对数据隐私安全产生顾虑，进一步导致数据供给不足、流通受限。此外，受制于数据泄露风险、个人信息保护等数据安全问题，个人数据开发成本以及数据合规成本也将大大增加，进而影响企业参与数据开发利用的主动性与积极性，不利于形成高效率的数据供应链。

对于数据供给与隐私保护的平衡问题，尽管我国对数据安全的监管持续加强，出台系列法律法规维护数据安全，但新技术新应用仍不断催生新型数据安全风险。实践着眼于技术解决方案，如匿名化技术既可以用于数据提供与个人隐私之间的平衡，又可以通过监控数据交换来增强组织合作。基于现有隐私原则和法律以及数据源所有者规范的匿名化策略，包括准确的匿名化修辞、数据脱敏、数据泛化、差分隐私、禁止重新识别、数据飞地等。也有实践表明，数据匿名化存在再识别风险，可能损害数据质量，难以兼顾隐私性与可用性，进而影响整体社会利益。在不断创新的数据应用场景中，如何持续保护数据安全成为数据要素高质量供给面临的又一现实挑战。

(三）社群参与不够：数据要素高质量供给治理失衡

数字化条件下的治理使得社会权利扁平化扩散、治理主体更加多元。数据要素市场失灵涉及信息外部性与协调外部性，社群组织的集聚化与网络化将有效缓解市场失灵、弥补政府规制不力，增强数据要素高质量供给的协同治理绩效。

1.协同治理机制缺位，社群治理动力不足

协同治理的实施需要大量相互依存的行为者之间的复杂互动，但这种互动并非简单或自发的，需要政府发挥公共领导力以制定规则、构建治理网络，实现不同治理机制之间的互补嵌合。

首先，由于组织惯性及协同治理的耗时性质容易使得治理结构僵化，建立完善、良好的初始治理结构成为影响协作关系未来适应性和弹性的重要决定性因素[24]，而传统的“市场+政府”治理模式使得政府职能趋向于集中化，社群参与协同治理的体制机制缺位，社群组织参与协同治理的意识较淡薄、积极性较低。

其次，涉及不同组织的协作治理通常在缺乏明确法律形式或核心负责机构的情况下建立，治理参与主体、治理网络可能更加复杂且高度动态，利益相关者的目标不完全一致和兼容可能会阻碍协同优势的实现，并且决定的连带性使得治理网络结构中多元行为主体的相关责任难以界定[25]。因此，在数据高质量供给协同治理过程中，协同合作机制缺位、公共价值目标分离、治理边界与权责模糊将使得社群治理动力不足，进而可能产生“市场+政府+社群”的复合失灵困局。

2.互信机制与沟通渠道不完善，协同效应难以发挥

协同治理网络成员之间基于相互交换资源、协商共同目标的需要进行持续互动，以彼此间的信任和协商确定的规则为基础进行调节[26]。由于法律、技术、道德、商业和组织方面的多重挑战，社会组织、网络社群与政府之间缺乏协同合作的机制，开展的协作往往是一次性、小规模且影响有限的，大大降低了数据要素高质量供给治理绩效。缺乏信任使得多元主体之间无法建立持续、深入、长效的合作关系，难以充分发挥各自的优势和潜力，进而阻碍数据共享和资源整合，限制协同合作的深度和广度，影响整体治理效果。此外，协同治理的合法性、民主性、透明性要求规范、有效的信息反馈机制与畅通的沟通机制。在实践中，即使一般社会公众有加强和优化社会治理的强烈需求，但由于缺少必要的资源和影响力，难以将自身的诉求通过社会网络通道转化为可落地的现实政策，导致民意无法有效传递，进而影响政策的执行效果和协同治理的整体绩效。

五、数据要素高质量供给的系统规制设计

为应对数据要素高质量供给面临的困境挑战，亟需构建符合数字经济发展规律的数据要素供给治理模式，以市场、政府、社群三者合力驱动数据要素高质量供给。其中，政府既要承担制定治理规则、目标并实施的治理责任，保证行政机制的运作，也需扮演协同框架中的元治理角色，强化市场机制，激活社群机制[27]。鉴于此，在“市场+政府+社群”协同治理框架下创新设计包含“系统环境、市场驱动、政府领导、社群发力”的数据要素高质量供给系统规制，其作用是适应数据要素的新特征属性，并保证和提升数据要素供给过程中的采集、整理和可售三环节中的数据质量（参见图2）。

Emerson等创建的协同治理分析框架包括“系统环境、协同治理制度及其协作动态和行动”三个嵌套维度，其中，一般系统环境不是作为一组起始条件，而是作为三维空间环境实现全过程、全主体覆盖[28]，正如法律法规、规范体系、资源条件等外部因素既会在协同治理开始阶段影响协作的形成、结构与结果，也会在协同治理全周期影响协作动态与绩效。聚焦数据要素高质量供给协同治理，良好的系统环境主要包括数据产权制度、数据质量管理机制和数据安全合规体系。

第一，加速推进数据产权制度建设。数字规则体系的构建，归根结底体现为数据法律制度的设计与实施，数据产权制度则是构建数据要素基础制度的根基。在“三权分置”的产权制度框架下，结合各地区的试点经验、重点行业领域的应用场景以及司法实践，加快数据产权结构性分置的法律实现进程，分主体、分类别、分场景对“三权”的基本原则、法律性质、授权机制作出细化规定；完善数据产权登记体系，通过实体法律规范确认数据附着的权利类型、内容及效力，向数据确权登记点、数据交易所、数据资产服务平台等第三方机构提交权属证明；结合区块链等可信技术，确保数据流转全过程可管控、可记录、可追溯，进一步规范数据权利的流转、升级数据确权生态，增加数据供给可靠性与安全性。

第二，完善数据质量管理机制。首先，在深入探索数据要素标准化建设需求的基础上，加快筹建全国数据标准化技术委员会，对涉及数据高质量供给的数据资源、数据流通等基础通用标准制定工作进行统筹指导，协同数据领域企事业单位、研究机构等共同推动数据领域国家和行业标准化工作；合理规划数据分级分类标准体系，明确数据标准管理的体系、对象与工作重点；在总体类标准作为整体指导架构的基础上形成涵盖采集、流通、供给、应用四大维度的数据标准体系框架，促进数据跨区域、跨行业、跨企业、跨系统的标准衔接、整合互通与动态维护。其次，构建科学、完整的数据质量管理及评估体系，建立基于数据供给端以及数据消费端的多维质量评估框架，并形成数据质量的闭环管理和长效检查机制，实施持续监控与优化流程，维护高质量数据供给可持续。

第三，健全数据安全合规体系。完善细化多层次法规与标准，推动落实各类平台和企业等市场主体在数据安全治理方面的主体责任，在数据供给过程中嵌入数据安全合规管理理念；建立数据安全组织机构，加快探索数据安全综合治理机制，落实数据安全分类分级保护制度，强化多元主体协同联动原则，形成有序配合的多元合作共治模式，系统防范数据安全风险；研究推进安全风险评估技术、防护技术、监测预警技术、应急处理技术的创新应用，助力数据要素的合法流通和合规利用。

（二）市场驱动：数据要素优化配置和流动的核心动力

第一，促进数据共享流通。首先，建设数据共享交换平台、提供技术支持等以畅通共享联通机制，同时制定财政支持、税收优惠政策、项目配套等以健全激励机制，增强企业数据共享意愿，促进数据有序共享；同时，根据不同数据共享场景完善商业秘密保护机制，保障数据持有人的合法权益；借鉴国内外基于竞争性法律问题的规制实践，积累司法先例并逐步完善监管体系，合力促进数据共享、打破“数据垄断”。其次，针对“流通难”，根据数据开放、共享、交易形式的流通特点，制定明确合理的数据流通程序，完善规定和监管以实现数据流通全流程的动态管理，形成清晰、高效的数据流通范式；鼓励区块链、隐私计算等技术的使用与落地，确保流通环境的合规性和数据安全，增强数据的可用、可信、可流通、可追溯水平，形成可靠安全的数据流通生态。

第二，加快数字基础设施建设。首先，加大资源投入力度，加速数字基础设施体系化发展与规模化升级部署，包括推进网络基础设施建设、统筹算力基础设施建设、搭建新型数据服务网络、推动跨境数据基础设施建设等。其次，针对多元化新需求，完善数字基础设施分级分类评估体系，推动评估工作常态化、制度化，进一步制定差异化发展策略和优化资源配置方案，提升数字基础设施的覆盖率、配置质量与整体效能。最后，推动国家数据基础设施建设，加快建设分节点数据空间，为数据供给涉及的多元主体提供安全可信操作；加快推动试点探索，支持试点工程建设，对开展数据流通应用基础设施试点的地区加强资金支持；完善国家数据基础设施横向架构，建立健全数据共享、开放、采集、汇聚、加工、共享、运营、交易平台，形成数据合法、应用合规、数据可信、数据安全的高水平数据基础设施生态。

第三，实现数据供需高效匹配。首先，鼓励数据场内流通。制定法规对基本概念、相关权益、场内交易标的、交易主体、交易细则予以明确，推进确权估值、交付清算、数据资产管理和金融服务等一系列增值服务落地，使监管规则、产品标准和经营模式规范化、标准化，降低场内交易成本、简化流程、增强灵活性。同时，规范数据场外流通，健全数据场外交易监督管理制度，打击非合规的数据交易产业链，整治“数据黑产”。其次，实施政策鼓励市场主体进行数据交易，提高数据交易匹配效率，例如，郑州数据交易中心实施数据经纪人激励计划，以场内数据交易激励和场外交易备案激励，推进数据资产化进程，向数据供需双方提供数据居间、代理等服务；北京国际大数据交易所通过算力券补贴、数据要素市场示范奖励等措施推进企业数据资产入表，鼓励数据进场交易、推动数据资源的高效利用。最后，加强数商顶层设计，营造高水平数商产业生态。通过制定数据要素型企业评估标准、培育一批贯通产业链供应链的数据要素型企业龙头示范典型，引导数商产业健康发展；因地制宜制定区域协调政策、复合型人才培养政策，推进城市数商结构合理均衡发展，营造高水平数商产业生态；加大数据要素应用创新场景的资金扶持，通过新业务、新场景带动数商产业发展，增强数据市场活跃度，促进数据流通利用。

（三）政府领导：协同治理的关键实现条件

在“市场+政府+社群”的协同治理框架下，为发挥社群机制的治理作用，政府作为连接角色和催化剂角色在协同治理启动、执行阶段都至关重要，需发挥公共领导力，提供制度支持、形成价值共识、优化权力配置，以解决协同合作机制缺位、公共价值目标分离、治理边界与权责模糊的问题。

第一，发挥公共领导力，满足协同治理需求。首先，发挥行政力量给予充分保障支持，建立制度化的合作机制，确保各主体在治理过程中的协作行为有明确的流程和规范；从实际需要出发寻找以各主体地位平等、对话协商、互利共赢为内容的协同治理模式，促进社群机制制度化，实现常态化协同治理。其次，全面分析多元主体的治理特点和目标要求，把握多元主体治理的目标、方向和路径，构建共同价值取向，有效激发社群治理的能力与活力，提高协同治理绩效。最后，明确治理边界是协同治理展开的重要前提，理顺各种条块关系，完善协作治理主体的权责匹配机制，合理配置主体权责，确保多元主体明确自身在治理系统中的角色、权力、职责，以及治理活动的范围、程度、分工，解决协作混乱低效的问题；加强社群治理网络的监督、问责、评估机制，形成权力制约和相互依赖的关系，提高协同治理的效率和可行性。

第二，完善互信与沟通机制。首先，通过建立信息公开和共享机制，确保各方能够及时、准确地获取相关信息，增强各方之间的信任；加强社会信用体系建设，强化涉及多元治理主体的信用监督机制与互信保障机制，将信用评价结果与相关政策、资源配置等挂钩，激励各方维护自身信用，促进互信关系的形成。其次，以制度为载体和保障，围绕沟通协商的事项、具体方式、程序建立起系列制度规范，完善治理主体利益诉求的表达与回应机制，形成系统性的反馈循环；优化政府组织结构，解决管理层次多、反馈流程冗长等问题，确保治理主体之间的沟通协商渠道畅通有序、协商决策和操作公开可信。

（四）社群发力：强化协同治理绩效的重要机制

大数据时代，社群具有秩序建构中的扁平化与多中心性的组织特征，大规模、多元形式、关系密切的社群组织可以通过资源共享、社会资本、声誉激励机制推动数据要素的高质量供给和可持续发展，形成良好的数据供给生态，强化政府治理绩效。

第一，实现资源共享。一方面，共享作为一种社群合作行为，有利于提高人们的合作意识，创造出强烈的集体共识；另一方面，不同协作参与者之间的高度复杂的技能、信息、数据、经验、案例、工具分享可以在共同创新的过程中实现知识的转移与转化。各类社群组织能集聚社群资源形成数字治理合力，弥补市场机制与政府机制所涉及不到的层面或角落，降低治理成本，扩大治理影响范围，增强治理的时效性[29]。数字时代的社群包括需求侧的用户社群与供给侧的生产者社群，数字技术与平台模式快速发展使得大量且异质的社群组织所形成的价值网络能够实现跨越地理、层级、组织边界，实现大范围、低成本、及时性的有效链接，整合多样化资源以提升协同治理绩效。例如，社群可以通过建立数据共享协议和小型协作组织、创建和管理数据共享平台，鼓励不同参与主体之间的互动与资源共享，增强数据提供者、使用者之间的合作与信任，推动数据共享合作网络的发展，打破数据孤岛困境，从而提高数据利用率、强化数据供给质量、推动数据驱动的创新应用。

第二，引入社会资本。社会资本是一个涉及多学科的复杂、多维概念。在经济学领域，不同个体与团体在社会关系中相互信任、合作和互惠的程度，对社会经济发展具有重要影响；在政治学领域，社会资本有助于推动民主政治的发展，共同解决社会问题。社群治理的实质是信任、合作与互惠，而这与社会资本存在一定的契合性，通过关系性嵌入、结构性嵌入，社会资本能够推动合作型集体行动，有效提升社群治理效能。社群与组织之间、社群内不同成员之间、同一类型或不同类型社群用户之间交互作用所形成的团结型资本与桥接型资本协调运作模式[30]，将有利于产生社群效应与网络效应，并进一步形成相互依存、交互作用、动态演化的数据供给生态系统，在应对动态、复杂的数据要素高质量供给挑战时促进广泛的系统性反应。中国社会已经进入数字社会阶段，并且具有显著的用户群体优势和技术发展优势。以数字时代的网络社群为例，部分网络社群组织虽然是弱关系连接，但却能在短时间内聚集并发展强大的社会资本，打破虚拟与现实的壁垒，深入渗透现实生活并持续产生强大的社会动员能力。在政府行政力量干预失效的情况下，社群能够通过协调多方关系，构建价值共创、利益共享、责任共担的自治体系，实现社群组织运行的制度化。此外，信任是数据共享的重要基础，社群成员之间建立起信任关系，既可以促进数据的安全共享和互惠互利的合作，也有助于减少数据滥用、隐私泄露的风险。

第三，利用声誉激励。在数字商品市场中，声誉可以作为数据质量的代理，传递数据质量的重要信号，降低数据要素以不同形态动态流转带来的不确定性风险。社群声誉激励机制的运作呈现出较为鲜明的信号传递逻辑和资源富集逻辑[31]，由制度和技术构成的社群声誉激励体系可以构成国家现代化治理体系的有效补充。根据社群特性与需求，建立公开透明的声誉评价体系，促使激励与惩罚相配合的声誉激励机制能够有效运作。以声誉激励机制形成的共识和自律规范来塑造社会认知，对数据采集、整理、交易等行为进行规范和治理，可以推动良好的数据使用和分享实践，同时督促相关主体规避短期不良获利的机会主义倾向，有效减少数据低质量供给、数据使用不当等问题。政府则应推动由制度和技术等构成的社群声誉激励体系，在行政机制和社群机制的共同作用下建立起规则与契约，提升我国社群组织非正式制度的规范化水平，实现正式制度与非正式制度的有机结合，并有效运用市场机制作为激励制度，激发社群参与数字要素高质量供给治理的活力。

六、结语

数字时代科技的迅猛发展不仅引领着数字化社会的进程，也给数据要素治理与数据要素规制带来新的挑战。通过聚焦“数据要素高质量供给规制研究”，辨析了数字生态视角下数据要素高质量供给的深层内涵，深入研究数据要素高质量供给面临的困境挑战，初步建立起包含“系统环境、市场驱动、政府领导、社群发力”在内的全新系统规制体系。结合我国数据要素供给现状以及已形成的规制模式，未来的研究应进一步深入拓展。一方面，对数据要素高质量供给研究而言，所涵盖的数据产权、数据定价、数据安全、数据垄断、数据质量、数字技术等多个方面依然存在许多待解决的问题，解决这一系列问题必将耗时且周折，需要在实践摸索中推动数据要素高质量供给的目标不断向前迈进。另一方面，对数据要素高质量供给规制研究而言，应聚集进一步拓展我国数据要素的经济规制理论和生产要素市场规制体系，运用经济学、社会学、管理学、系统论、协同论等不断完善“多维理论架构”，强化政府、市场和社群的协同治理力量，探索系统规制的具体实现路径，以全面提升数据要素供给质量。

参考文献：

（略）

作者简介：

杨艳，女，博士，四川大学经济学院教授，研究方向为国民经济学、数字经济、数字规制。

林凌，女，四川大学经济学院博士研究生，研究方向为宏观经济学、数据要素市场。

*基金项目：国家社会科学基金项目“‘市场+政府+社群’协同治理框架下数据要素高质量供给的系统规制研究”（项目号：22BJL033）。