世界经济已从围绕物品和货币流动转变为围绕信息流动来组织（Drucker，），“数据是新的石油”（Varian，）成为共识。《中国互联网发展报告（）》指出，中国年的数字经济规模为31.3万亿元，占国内生产总值的34.8%；且中国的数据要素规模增速领先，预计年将成为世界最大的数据圈。党的十九届四中全会决议将数据增列为生产要素，要求健全“由市场评价贡献、按贡献决定报酬的机制”。年4月9日，《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》明确了提升社会数据资源价值、健全要素市场运行机制的方向和重点改革任务，这对于引导各类要素协同向先进生产力集聚，加快完善社会主义市场经济体制具有重大意义。
数据要素作为数字经济的微观基础具有战略性地位和创新引擎的作用。促进数据要素跨企业、跨产业的流通和交易有利于数据流向最有价值的地方，将数据对经济社会的乘数效应推到最大。但迄今为止，数据资产交易仍然面临大量亟待解决的问题，如数据资产化的前提、数据交易与个人隐私保护的争议、数据流通方式的选择、数据资产交易与传统商品交易的区别、数据资产交易所需要的技术支持、数据交易机制设计、数据资产的价值衡量和定价方式等。本文将通过对数据界权、交易和定价相关文献的梳理，从数据界权、数据资产特点、数据共享和交易机制设计、数据资产定价几方面进行综述，以回答上述问题。
一、数据的权利界定和特点
（一）数据的定义和权利界定
数据权属界定不清已成为数据要素化的最大制度障碍之一。根据科斯定理，当市场交易存在成本时，如果初始的权利界定不当，很可能影响资源的最终配置并带来社会福利损失（Coase，）。因此，数据权利归属于平台、个体或者政府的初始配置将影响数据市场的发展和社会福利水平。
数据的界权（delimitationofrights）和交易需要平衡数据市场发展和个人权利保护。为了厘清二者的争议，首先需要梳理数据的定义。根据国际标准化组织（ISO）的定义，信息（information）是关于事实、事件、事物、过程或思想等客体的知识，在特定语境中有特定的含义；数据（data）是信息的一种形式化方式的体现，以达到适合交流、解释或处理的目的。信息可以在三个层面上被支配和控制，分别是物理层的数据载体（存储介质）、符号层的数据产品（datagoods）以及内容层的数据信息。其中，数据产品是信息整合的表现形式和组织结果，数据信息是数据产品蕴含的信息内容。数据产品存储在计算机、云盘等数据载体上，数据信息则包括个人信息和非个人信息，个人信息又可分为敏感和非敏感的个人信息。数据产品和数据信息构成广义上的“数据”（纪海龙，）。因此，个人信息和数据产品并不等同，二者的界权形式、交易方式也当有所不同。个人信息属于数据主体的权利，数据产品则属于数据产品生产者/持有者的权利。
但是，学界对个人信息中的非敏感信息的赋权结论并不完全一致。一方面，购买历史、出行方式等通常是个人行为的副产品，其本质上属于数据主体的权利。MillerTucker（）的研究也表明，给予消费者对个人数据的控制权有助于促进个人数据的分享与交易。另一方面，大多数研究认为个人或企业拥有数据所有权的优劣没有绝对的最优解，而是取决于一些关键系数，例如数据对企业的价值和消费者货币化个人数据的能力，或者取决于消费者对隐私保护与数据交易收益的最优决策。JonesTonetti（）认为若由消费者掌握数据所有权，数据交易量将接近社会最优化水平（但弱劣于最优）；若由企业掌握数据所有权，数据交易量可以达到社会最优交易量，但交易量与数据带来的创新性破坏程度成反比，企业可能滥用数据交易，也可能交易不足。
根据Nissenbaum（）提出的场景性公正（contextualintegrity）原则，结合具体的情景、参与者、数据特点、流通原则以及场景中各方的合理预期，如果新的信息流不违背该场景下传统的民主公平规范或者能更好地实现该场景的价值，那么便应当确定相关主体的数据权益。由于数据要素的人格化禀赋效应、低复制成本，且强势一方（比如企业）很容易通过合同、协议将个人的数据所有权低价甚至免费“交易”到自己手中，赋予个人绝对权利并不能有效保障个体的数据隐私和安全，且不利于数据要素的租赁和交易。为了解决个人和数据企业的激励问题和信息悖论问题（Arrow，），同时避免数据滥用和垄断，应当针对不同隐私和风险级别的个人信息，给予数据生产者（自然人）不同级别（可通过行使数据人格权需满足不同条件的方式来体现）的拒绝权、可携权、获取收益等数据控制权，赋予数据产品持有者（例如数据收集者、设备生产者等）有限制的占有权（除所有权之外的收益权、使用权等权益集合）来解决上述问题。美国在不同行业分别制定隐私法，如《财务隐私法》《公平信用报告法》《有线通信信息法》《健康保险携带和责任法》等，并与数据市场自由交易相结合，实际上便体现了分类分级保护隐私和鼓励数据交易的思想。
对于具有较大经济价值且经脱敏（desensitization）的个人信息，消费者和数据搜集/中介商之间可采取租赁式交易，数据中介商每使用/销售一次个人数据，对该消费者支付租金；或者采取一次性买卖以及其他隐私补偿方法，从而刺激原始数据的生产和交易。另外，可借鉴美国《同意法案》（ConsentAct），通过制定额外的规则和程序，促使公司承担利用消费者提供的个人数据的应尽责任，包括对内容层面的个人数据进行充分的脱敏，以及其他必要的合法处理，例如匿名数据再识别化的风险评估、应急补救等。
（二）数据资产及其特点
基于上述对“数据产品”的赋权，数据产品交易的合法化前提已确立——数据是一种产权可界定、可交易的商品。从直观呈现的产品类型来区分，数据可分为数字产品（digitalgoods）和数据产品（Pei，）。前者是以数字形式存储、表现和使用的人类的思想、知识成果，如网易云歌曲、电子文献、在线课程等；后者是由网络、传感器和智能设备等记录的、可联结、可整合和可关联某特定对象的行为轨迹和关联信息，具有较强的分析价值，如各种机器生产和采集的内容。
数据要素化、数据资产化着重指的是数字化的数据，即数据产品。数据资产化的核心在于通过数据与具体业务融合，驱动、引导业务效率改善从而实现数据价值（何伟，）。一般而言，资产的核心特征主要包含三点：未来的收益性、所有者拥有对资产的控制权、由过往交易结果形成。因此，合法获取的由企业或个人产生的，预计会影响个人或企业未来的行为决策，并为个人或企业带来经济收益的各类数据资源都是数据资产。大体量的数据产品集合又称作大数据资产。数据资产具有与传统资产、金融资产不同的特点。
1.数据资产具有非竞争性且边际成本接近于零。数据资产可被无限分享和复制，且被分享和复制的数据资产一定程度上具有非竞争性，即使用者的增多不影响数据资产本身的价值。然而，这给数据资产交易造成了困扰，只有少数情况下，数据产品的分享会给数据拥有者带来不利竞争（比如与其构成商业竞争关系）。当数据资产的复制既没有物理成本也不会损害个人或厂商的福利，甚至会给分享者创收时，即便理论上可以进行数据界权，也很难防止用户将数据资产进行二次转售，从而损害数据产品创作者的利益，这是数据交易需要克服的难题之一。
数据资产在成本、价格公开的影响方面也与普通资产不同。由于数据整合涉及对不同系统来源的数据信息进行大量的人工干预、翻译和融合，数据产品首次创作成本高，但根据摩尔定律，随着大数据技术的发展，数据资产的整合和储存等成本将进一步降低，数据资产产品的首次创作成本也将下降，而且数据资产的再生产边际成本接近于零。此外，数据资产还存在价格外部性，数据价格的公开会泄漏数据的价值。
2.数据资产的价值具有很大的不确定性。首先，数据资产具有事前不确定性、协调性、自生性和网络外部性。买方如果交易前不了解该数据资产的详细信息，会较难明确该数据能带来的效用价值；但如果买方了解数据的全部信息，购买该数据对买方的价值将降低，这也就是前文所说的“信息悖论”。协调性是指不同的数据集组合可以带来不同的价值，这导致数据资产具有范围经济的特征。自生性指当同一组织或个人拥有的数据资产组合越多时，这些数据资产彼此之间越可能相互结合而产生新的数据资产，从而带来更多的价值。网络外部性指的是数据产品的使用者越多，其价值越高，比如Google、