数据投资、数据共享与数据产权分配内容提要：数据产权是数据要素有效配置的前提。 数据具有非竞争性，为了提高效率需要促进数据流转与共享，但这往往使数据收集者因为竞争因素受损，从而抑制数据投资，引发新的效率损失。 本文从促进数据共享和激励数据投资两者的权衡取舍切入，研究了数据产权的不同配置方式对资源配置效率的影响。 研究表明，数据产权分配给用户更有利于实现数据共享，但是会导致数据收集者不愿意进行必要的投资；产权分配给数据收集者可以为其提供投资激励，但会抑制数据共享。 在数据收集成本和数据通用性较高时，将数据产权分配给数据收集者以激励投资更有利于提高社会福利。 本文进一步讨论了在数据产权配置基础上引入价格上限管制，并要求收集者不得拒绝数据交易的规制政策的效果，发现在一定条件下，将确权与规制相结合可以在保障数据投资的同时促进数据共享，从而优于单纯的数据产权配置。关键词：数据投资　 数据共享　 数据产权配置∗　 李三希，中国人民大学经济学院，中国人民大学数字经济研究中心，邮政编码：１０００８２，电子信箱：ｓａｎｘｉ＠ｒｕｃ． ｅｄｕ． ｃｎ；王泰茗，中国人民大学经济学院，ｔａｉｍｉｎｇｗａｎｇ＠ｒｕｃ． ｅｄｕ． ｃｎ；刘小鲁（通讯作者），中国人民大学经济学院，中国人民大学国有经济研究院，ｌｉｕｘｉａｏｌｕ＠ｒｕｃ． ｅｄｕ． ｃｎ。 本文研究得到国家自然科学基金重大项目（７２１９２８０１，７２１９２８０２）、北京市自然科学基金重点项目（Ｚ２２０００１）、教育部人文社会科学青年项目（２０ＹＪＣ７９００５２）和中国人民大学２０２３ 年度“中央高校建设世界一流大学（学科）和特色发展引导专项资金”的资助；本研究还得到中金研究院“数据确权的经济学分析”项目的支持。 作者感谢谢超、李根以及匿名审稿专家提供的建设性意见。 但文责自负。①　 《中共中央关于坚持和完善中国特色社会主义制度　 推进国家治理体系和治理能力现代化若干重大问题的决定》，载《人民日报》，２０１９年１１月６日。②　 《中共中央、国务院关于构建更加完善的要素市场化配置体制机制的意见》，参见中国政府网，ｈｔｔｐ：／ ／ ｗｗｗ． ｇｏｖ． ｃｎ／ｚｈｅｎｇｃｅ／ ２０２０－０４／ ０９／ ｃｏｎｔｅｎｔ＿５５００６２２． ｈｔｍ。③　 大数据产业生态联盟：《２０１７中国大数据产业生态地图暨中国大数据产业发展白皮书》，参见大数据产业生态联盟官网，ｈｔｔｐｓ：／ ／ ｗｗｗ． ｂｄｉｎｃｈｉｎａ． ｃｏｍ／ ａｒｔｉｃｌｅ／ ６０９／ １９６． ｈｔｍｌ。一、引　 言随着数字经济的飞速发展，数据的经济价值越来越突出。 在党的十九届四中全会审议通过的《中共中央关于坚持和完善中国特色社会主义制度推进国家治理体系和治理能力现代化若干重大问题的决定》中，数据被列为与劳动、资本、土地等并列的生产要素。①我国有丰富的数据资源、健全的数据基础设施、大量的数据科学人才，可以充分挖掘数据的经济价值，而这需要让市场在数据资源的配置中起到决定性作用。２０２０年４月，中共中央、国务院印发的《关于构建更加完善的要素市场化配置体制机制的意见》，要求“加快培育数据要素市场”，“建立健全数据产权交易和行业自律机制”，②体现了市场在数据资源配置中的重要性。建立数据要素市场化配置机制的前提是数据确权。 如果数据产权没有清晰界定，数据交易就面临法律和行政风险。 自２０１５年起，全国各地建立了不少数据交易所，但数据流转量普遍低迷，其主要原因之一就是数据产权不清晰。③中央全面深化改革委员会第二十六次会议审议通过的《关于９ ３ １２０２３年第７期构建数据基础制度更好发挥数据要素作用的意见》（即“数据二十条”）明确指出“要建立数据产权制度”，①可见数据产权及数据市场化配置基础制度建设已经成为国家数字战略中的重点。本文沿用申卫星（２０２０）的术语，称收集和处理数据的市场主体为数据收集者。 一些市场主体可以使用处理后的数据来改善为用户提供的服务或产品，本文将这些市场主体称为服务提供商。现实中，用户既可以是企业，也可以是普通的消费者；数据收集者和服务供应商既可能是同一市场主体，也可能是两家不同的企业。 本文从数据的非竞争性和数据投资激励两者的权衡取舍关系来分析数据产权在用户和数据收集者之间的配置问题。 首先，数据的本质是一种信息载体和表现形式，且复制成本低廉。 因此，数据具有非竞争性（ｎｏｎｒｉｖａｌｒｙ），即可以被多个市场主体同时重复使用（Ｒｕｂｉｎｆｅｌｄ＆Ｇａｌ，２０１７）。 在非竞争性的前提下，社会效率要求数据被所有市场主体充分使用。 在这一视角下，Ｊｏｎｅｓ ＆Ｔｏｎｅｔｔｉ（２０２０）认为，应当将数据产权配置给用户。 其逻辑在于：当数据产权属于数据收集者时，数据收集者出于竞争的考虑，缺乏与竞争对手进行数据交易的动力；如果将产权配置给用户，那么用户有动力与所有服务提供商进行数据交易，有利于最大化数据的社会价值。但是，本文认为，在数据产权配置问题上，仅考虑数据的非竞争性是不够的。 在现实的数据产业链中，原发数据需要经过采集、存储、加工、分析等多个环节才能最终转变为数据要素，而每个环节都需要相关市场主体进行投资。 当数据产权属于用户时，即使数据收集者进行了投资，也无权直接使用收集所得的数据，更无法控制数据的去向。 预期到这一结果，数据收集者就会缺乏进行投资的意愿，导致数据收集量小于有效率的数据生产水平。因此，数据产权分配面临着数据共享与数据投资之间的权衡取舍。 为了兼顾数据分享与数据投资，如何将数据产权在用户和数据收集者之间进行配置？ 在两种产权分配模式之外，是否还存在其他改进方案？为了回答上述问题，本文建立了一个包含数据收集与转让的双寡头横向差异化模型。 在模型中存在两个服务提供商，它们分别位于Ｈｏｔｅｌｌｉｎｇ线性空间的两个端点：其中一个服务提供商同时也是数据收集者，具有采集、加工和分析数据的能力；另一个服务提供商不具备数据处理能力，只能使用处理后的数据。 在此基础上，本文比较了数据产权属于数据收集者和将产权配置给用户时的资源配置效率。 当数据产权属于数据收集者时，数据收集者有权选择是否收集、转卖数据；当数据产权属于用户时，数据收集者可以选择是否收集数据，但用户有权决定哪些服务提供商使用数据。除了上述两种绝对的产权配置，本文还考虑了被规制的产权，即在数据产权属于数据收集者的基础上引入“强制性数据共享”。 具体而言，“强制性数据共享”允许规制者为数据交易设定价格上限，同时要求数据收集者不得拒绝其他厂商的数据交易请求。研究发现，当用户拥有产权时，虽然数据总能充分共享；但若收集数据所需投资较高，或数据的通用性较强，则数据收集者倾向于不投资于数据收集。 当数据收集者拥有数据产权时，数据收集者更愿意投资于数据收集；但如果数据通用性较低，则数据收集者不会出售数据，使得数据共享不足；若数据通用性足够强，数据收集者利润更多来源于采集和出售数据，而非出售服务。 因此当数据通用性非常强时，数据收集者更类似于专业的数据提供商，这种情况是用户拥有数据产权时不可能出现的。 如果在产权属于数据收集者时要求强制性数据共享，则在一定参数范围内，可以同时激励数据收集者投资于数据收集，且保证数据收集者共享数据，从而起到了介于两种产权分配模式之间的效果，兼顾了两种产权配置的优点。 但是，当数据通用性非常强，以至于出现了专业数据收集者时，强制性数据共享会减少数据收集，造成福利损失。０ ４ １李三希等：数据投资、数据共享与数据产权分配① 《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》，参见中国政府网，ｈｔｔｐ：／ ／ ｗｗｗ． ｇｏｖ． ｃｎ／ｚｈｅｎｇｃｅ／ ２０２２－１２／ １９／ ｃｏｎｔｅｎｔ＿５７３２６９５． ｈｔｍ。本文还讨论了不同产权配置方式的福利后果。 从用户福利角度来看，当数据收集成本与通用性较低时，数据产权应当属于用户，以促进数据共享；当数据收集成本与通用性较高时，数据产权应当属于数据收集者，同时要求强制性数据共享，在促进数据共享的同时激励数据投资；当数据通用性非常强时，数据产权应当属于数据收集者，不应要求强制性数据共享，以免影响专业数据收集者的正常运营；当数据收集成本非常高时，无论是否要求强制性数据共享都难以促进数据共享，无论采取何种产权分配都难以促进数据投资。 社会总福利角度下产权的最优配置大体类似，所不同的是，在某些参数范围内，尽管用户拥有数据产权能提高其自身福利，但是会导致社会福利下降。 因此，如果从社会总福利角度考虑，应该在更大的参数范围内将产权配置给数据收集者。最后，本文还讨论了用户的数据分享厌恶对结论稳健性的影响。 现实中，企业出于商业秘密上的顾虑，或消费者出于对个人隐私的偏好，都可能因数据交易而遭受一定损失。 研究表明，当隐私带来的效用损失比较少时，引入数据分享厌恶并不会影响全文结论。本文余下内容安排如下：第二部分回顾了数据确权相关的文献，并概括了本文的创新点；第三部分介绍模型设定；第四部分对均衡进行了分析，并比较了不同产权配置的福利效应；第五部分研究了强制性数据共享的效果；第六部分进行拓展讨论，考虑了用户对数据分享的厌恶；第七部分总结全文，提出了一套数据分类与数据确权的初步方案，并展望了未来的研究方向。二、文献述评（一）数据确权与数据产权的配置按照Ｃｏａｓｅ（１９６０）的理论，无论数据的初始产权如何分配，只要产权清晰，没有交易成本，市场上的交易会使得最需要数据的市场主体获得数据，从而实现数据的帕累托最优配置。 Ｈｅｒｍａｌｉｎ＆Ｋａｔｚ（２００６）认为，如果厂商是完全垄断者，能签订完全合约，那么厂商和消费者之间科斯定理仍成立。 然而考虑到数据作为信息载体必然带来信息不对称（Ｆａｒｒｅｌｌ，１９８７），数据提供者不知道数据收集者将如何使用数据、是否滥用数据（Ａｃｑｕｉｓｔｉ ｅｔ ａｌ．，２０１６），数据非竞争性允许数据的多次转让，科斯定理很可能是失效的，因此引出了数据确权问题。首先，可以从数据收集与隐私的矛盾研究数据确权。 Ｄｏｓｉｓ ＆Ｓａｎｄ⁃Ｚａｎｔｍａｎ认为，由于数据使用者如何利用数据是不可验证的，产权归于厂商会导致数据过度使用，侵犯用户隐私；而属于用户则厂商缺乏数据收集动力。 所以经济价值低的数据，其产权应当属于用户，否则收集数据带来的经济价值不能覆盖隐私损失。 陈永伟（２０１８）认为，将产权划分给企业将产生数据使用的规模经济，能带来巨大的经济效益，由于“隐私悖论”的存在，这种配置不会带来很大的交易成本。 本文讨论的数据有着明显经济价值，且不局限于个人数据，因此隐私问题是不显著的。 但是本文在拓展讨论中仍然讨论了隐私成本存在时的情况，验证了本文结论的稳健性。 同时，还能从数据共享与投资的矛盾研究数据确权。 Ｊｏｎｅｓ ＆Ｔｏｎｅｔｔｉ（２０２０）指出，数据产权属于数据收集者而非用户时，数据使用者意识到竞争对手可以利用数据提高自身竞争优势，因而不会分享数据；数据产权属于用户时，用户会尽可能地分享数据，使得数据分享达到社会最优水平。 数据产权体系也可以采取更加细分的方案，比如申卫星（２０２０）主张，应当把市场主体对数据要素的权益解释为用益权，而非所有权。 本文沿用了这种设定，即数据产权是使用数据获得收益的权利。 戎珂等（２０２２）认为，在数据确权中，分类分级授权优于采用统一标准。 本文的结论指出了适用不同确权以及规制方案的参数范围，进一步充实了数据的分类分级确权方案。（二）数据投资尽管数据的收集使用不会影响其他市场主体利用该数据（程啸，２０１８），但获取数据仍存在着相当的壁垒，这是因为收集利用数据需要可观的数据投资。 Ｂｏｙｄ＆Ｃｒａｗｆｏｒｄ（２０１１）指出，大型平台１ ４ １２０２３年第７期使用海量数据来影响用户行为，而新进入的平台企业因为缺乏数据，无法提供类似于在位者的服务。 Ｇｒｕｎｅｓ ＆Ｓｔｕｃｋｅ（２０１５）指出，平台收集数据需要吸引足够的用户，而为了吸引用户需要大量投资用于搭建免费或低收费的平台。 可见数据投资不只是收集处理数据的投资，还包括建立利于数据收集的场景的投资，因此数据投资需要巨大的财力。 综上所述，数据投资对数据收集者是不可忽视的成本，因此在数据确权问题中必须考虑数据投资激励。 基于上述文献，本文在确权问题中率先正式地考虑了数据投资成本，指出了合理的数据确权对数据投资的激励作用。（三）数据的交易与共享数据具有非竞争性，即多个数据使用者可以使用同一数据提高自身服务质量。 不考虑其他因素时，数据的有效率配置要求数据充分共享。 例如谢丹夏等（２０２２）在信贷市场中研究数据要素配置问题，发现强制共享数据有助于提高信贷效率，促进市场竞争。 但大多数情况下，企业之间缺乏数据共享的动力。 Ｂｅｒｇｅｍａｎｎ＆Ｂｏｎａｔｔｉ（２０１９）指出，垄断的数据中介向用户按边际成本支付补偿，而向数据使用者按数据总体价值收费，价格背离导致数据分享不足。 而大部分时候数据收集者同时是数据使用者，与其他使用者存在竞争关系。 Ｈａｇｉｕ＆Ｗｒｉｇｈｔ（２０２２）指出，平台企业利用数据提高服务质量，从而带来更强的网络外部性，而更强的网络外部性提高了市场占有率，使得平台能收集到更多数据，这种“数据赋能的学习”（ｄａｔａ⁃ｅｎａｂｌｅｄｌｅａｒｎｉｎｇ）将导致数据收集者一家独大。 如果能在平台之间分享数据，则能提高消费者福利。 李三希等（２０２１）指出，若消费者的非敏感个人信息能在竞争厂商内共享，反而可以破除基于大数据的价格歧视以保护消费者。（四）文献评述与本文创新点相较于既有的关于数据确权的经济学文献（Ｊｏｎｅｓ ＆Ｔｏｎｅｔｔｉ，２０２０），本文主要有两个创新之处。首先是强调了数据产权对于数据投资的激励作用。 在数据共享之外，本文考虑了数据投资对于数据收集处理的必要性，指出了数据共享与投资之间的权衡取舍。 尽管有学者也认识到了数据投资激励的意义（申卫星，２０２０），但本文严格地从数据分类视角考虑了不同产权配置方案的适用条件，并且分析了数据确权与规制相结合的政策效果，经济学见解和政策意义更为深刻。另外，在数据确权之外，本文还讨论了强制性数据共享的适用范围以及具体实施方式，作为数据确权的有益补充，而这是现有文献较少讨论的。 本文率先提出，对于通用性强，收集成本较高，缺乏数据交易的数据，可以要求强制性数据共享。 即在数据产权属于数据收集者时，设定数据价格上限，并且不允许数据收集者拒绝数据交易。 研究发现，相较于单纯地把产权赋予数据收集者或用户，强制性数据共享可以在激励数据收集的同时促进数据共享，结合了两种单纯产权配置方案的优点。 这一发现有较大的现实意义，且可操作性强。三、模型设定本节先介绍两个现实中的例子，以便于读者理解本文的模型设定。例１：一个发电厂使用Ｓ公司的发电机，产生了大量运行数据。 发电厂需要定期维护发电机，可以选择Ｓ公司的原厂维护服务或第三方的维护服务。 Ｓ公司拥有运行数据，能提供高质量的维护服务。 但由于第三方服务提供商缺少数据，无法与Ｓ公司展开竞争，所以Ｓ公司的原厂维护服务十分昂贵。 因此发电厂主张，发电机产生的数据应当属于发电厂而非Ｓ公司，由此发电厂可以自行将数据提供给第三方维修商，并获得质量类似的维护服务。 这会迫使Ｓ公司降价，从而避免了垄断带来的无谓损失。 但是Ｓ公司认为，自己也为收集数据付出了大量成本。 如果没有数据产权作为激励，Ｓ公司就不会收集数据，那么任何服务提供商都无法提供高质量的维护服务。例２：Ａ公司通过旗下的电子商务平台和支付平台收集了用户的行为数据。 通过这些数据，可以提供更加精细的征信服务，减轻借贷市场上逆向选择的影响。 传统的商业银行也可以利用这些２ ４ １李三希等：数据投资、数据共享与数据产权分配数据，但是双方有一定的竞争关系。 如缺乏恰当的数据确权，可能难以达成互利的数据交易，或者导致投资不足。上述两个例子分别对应企业数据和个人数据的情景。 在每个例子中，都存在一个既采集数据，又提供服务的服务供应商，以及另一个第三方服务提供商；数据则源自用户。 对应这两个例子，本文构建了一个包含三个博弈主体的模型。 前两个博弈主体为企业Ａ和企业Ｂ。 它们均为服务供应商，但企业Ａ有能力采集原始数据，并将其加工为已处理数据，供企业使用以提高自身服务质量；而企业Ｂ无法采集数据，却可以使用已处理数据；第三个博弈主体为用户，是原始数据的来源。企业Ａ和企业Ｂ分别位于某单位长度的Ｈｏｔｅｌｌｉｎｇ线性空间的左端点和右端点。 用户在线性空间上的分布服从［０，１］上的均匀分布。每个用户都具有单位需求。 用户人数被标准化为１单位。记用户单位距离上的交通成本为ｔ，某用户到线性空间左端点的距离为ｘ，则该用户向企业Ａ购买服务需要付出的交通成本为ｔｘ，向企业Ｂ购买服务需付出交通成本ｔ（１－ｘ）。①用户是风险中性的。两个企业的服务均能够给用户带来Ｖ０ 单位的基础效用。 此外，每个企业都可以利用处理后的数据来改进服务质量。 假设企业Ａ获得数据后，因服务质量改进而给用户带来的额外效用为Ｖ，即用户可得到的总效用为Ｖ＋Ｖ０；企业Ｂ获得数据后，能够提供的额外效用为αＶ，而用户得到的总效用为αＶ＋Ｖ０。 这里，参数α≥０代表数据的通用性。 α越大，那么数据对Ｂ的服务的改进效果就越大，即数据通用性越高。 当α＝０时，数据对Ｂ无价值；当α＝１时，数据对Ａ和Ｂ的价值是相同的；当α＞１时，数据对企业Ｂ有更高价值。 简单起见，设Ａ和Ｂ提供服务的成本均为０。 此外，由于两个企业的服务的基础效用Ｖ０ 是对称的，所以可以将其标准化为０，这不会影响本文的结论。本文考虑了两种可能的数据产权界定方式：产权属于数据收集者（企业Ａ）或产权属于用户。当数据产权属于数据收集者时，企业Ａ既可以直接使用数据，也有权决定是否将数据以一定价格销售给Ｂ。 如果数据产权属于用户，那么即使企业Ａ进行了投资并收集了用户的原始数据，也只有用户能决定被分析加工后的数据的归属，企业Ａ无权直接使用数据或将已处理数据转卖给企业Ａ。为了模型表述的方便，本文以上标ｒ＝｛ｃ，ｕ｝来区分两种不同的产权配置方案。 其中，字母“ｃ”表示数据产权归属于数据收集者，而字母“ｕ”表示产权属于用户。当数据产权属于数据收集者时，博弈结构如下：第一阶段，企业Ａ决定是否支付投资ｋ来收集处理数据。 企业Ａ事前并不掌握用户的数据和信息，所以无法进行差异化数据收集，而是只能在采集全部用户数据和不采集任何数据之间进行选择。 第二阶段，如果企业Ａ选择收集处理数据，那么就能获得并使用数据。 此时，企业Ａ会制定向企业Ｂ出售数据的价格ｐｄ，而企业Ｂ决定是否购买数据。第三阶段，企业Ａ和企业Ｂ分别设定各自服务的价格，而用户将选择一个企业来购买服务。当数据产权属于用户时，博弈时序如下：第一阶段，企业Ａ决定是否支付投资ｋ来收集数据。 由于产权归属于用户，即使企业Ａ收集了数据，也将由用户来决定数据的用途。 因此，博弈的第二阶段，每个企业都向用户开出一个要么接受，要么拒绝（ｔａｋｅｉｔ ｏｒ ｌｅａｖｅｉｔ）的数据价格，而用户决定是否出售数据。从结果来看，用户可以将数据单独出售给某个企业，也可以选择出售给所有企业。 本文假设企业而非用户对数据定价，是因为用户通常高度分散，从而企业在定价过程中更有讨价还价能力。②均３ ４ １２０２３年第７期①②这里的“距离”是对两个企业服务的横向差异化水平的抽象描述，而交通成本反映了用户因为无法获得自己最偏爱的服务所承受的效用损失。 例如，企业Ａ可以是一家川菜馆，而企业Ｂ是一家鲁菜馆，那么“靠近”Ａ的用户就是相对更喜欢川菜的食客，而“靠近”Ｂ的用户就是相对更喜欢鲁菜的食客。 即使两个饭店就在同一位置，不存在地理意义上的交通成本，这种描述也是成立的。 单位交通成本ｔ 越大，则说明用户感受到的企业Ａ与企业Ｂ之间的横向差异化程度越大。事实上，即使企业没有完全的定价权，本文结论也不会发生大的变化。 假定用户对数据收取费用ｗ，可以证明：ｗ的存在会使得两种产权下企业Ａ收集数据的条件移动相同的距离，因此ｗ的变化只会使得产权配置有意义的区域缩小，即图１和图３的非白色区域全部向下平移，因此模型的主要结论仍然稳健。衡时，数据定价将为０，而该阶段博弈就等价于用户决定向谁提供数据。 尽管企业Ｂ无法收集数据，但只要用户授权，那么Ｂ就可以使用处理好的数据。①第三阶段与数据产权属于收集者的情形相同。本文假定，只有在数据转让和交易结束，企业Ａ和Ｂ为各自的服务定价（即博弈第四阶段）时，用户才能看到自己的类型。 这一设定等同于假设用户只有在购买服务时才能观察到自己的类型。②例如，对应到例１里，本文模型所说的服务是指发电机的维修与保养。 发电机生产企业在采集发电厂设备运行数据时，后者还没有产生购买维修服务的需求，所以无法观察到自己的类型。令ｄｒｉ ∈｛０，１｝表示企业ｉ 最终获得的可用数据量，并以ｐｒｉ 表示企业ｉ 的服务定价。 如果用户ｘ选择购买企业Ａ的服务，那么他最终能够得到的净剩余为：ＵＡｘ＝ＶｄｒＡ－ｐｒＡ－ｔｘ （１）　 　 其中，ＶｄｒＡ 为用户从服务中得到的效用。 如果企业Ａ没有可供使用的数据（即ｄｒＡ＝０），那么它无法改进服务质量，所以用户得到的效用为０；如果企业Ａ拥有了可以使用的数据（即ｄｒＡ＝１），那么它的服务可以带来效用Ｖ。 不失一般性，设用户不会退出市场，即用户的保留效用为负无穷。③类似地，如果该用户购买企业Ｂ的服务，那么用户最终得到的净剩余为：ＵＢｘ＝αＶｄｒＢ－ｐｒＢ－