开放科学(资源服务)标识码(OSID)：
The interaction between data element trading policies and the external environment is intense. In existing research,isolated system construction and analysis of influencing factors make it difficult to effectively capture the status of the policy ecosystem. Integrating multi-source heterogeneous information, despite their information heterogeneity, asynchrony and redundancy, and capitalizing on the unique characteristics of each source enables the extraction of more comprehensive and accurate insights.This approach significantly enhances the accuracy of empirical investigation and provides stronger support for exploring policy ecosystem factors. Therefore,based on the integration of multi-source information, this research follows the procedural logic of grounded theory and takes the ecological factors of data element trading policies as the core issue. It derives theories from multi-source information, analyzes and refines concepts, gradually links ecological factors, and determines their hierarchical structure and attributes, ultimately constructing a data element trading policy ecosystem factor model.
The research finds that the ecological factor system of China's regional data element trading policies is centered around regional policies such as those concerning data tiering, data pricing, data ownership, and post-transaction maintenance, and is further integrated with environmental factors,including political, economic, cultural, technological, and risk-related dimensions as well as policy stakeholders, including policymakers, implementers, and recipients. Together, these components constitute a complex and dynamic system of multi-source collaboration. The diverse ecological factors and their intricate symbiotic relationships drive the ecological evolution of the data element trading policy system from "disorder" to "order" in an iterative and helical manner. From a policy ecology perspective, optimizing the ecological factor system of data element trading policies hinges on three core principles: First, environmental adaptability: cultivating a supportive policy ecological environment to lay the foundation for effective implementation. Second, policy dynamism: establishing a closed-loop mechanism of "evaluation-feedback-adjustment". Third, stakeholder collaboration: constructing a "multi-party governance" ecosystem network for data element trading.
Within the data element trading policy ecosystem, by drawing an analogy to the basic components of a natural ecosystem,such as environment, agents, and objects,different ecological factors occupy distinct ecological niches. This framework reflects, from multiple perspectives, the interdependence and mutual adaptation among stakeholders, between stakeholders and the environment, between stakeholders and policies, among policies themselves, and between policies and the environment. From the perspective of policy ecology, optimizing data element trading policies not only broadens the scope of research on such policies but also enriches and refines the ecological map of the data element trading policy system. This approach not only endows the policy system with "systemic wisdom" but also facilitates the scientific assessment of policy applicability and helps maintain the stability of the data element trading policy ecosystem.
开放科学(资源服务)标识码(OSID)：
党的十九届四中全会提出,“推进要素市场制度建设,实现要素价格市场决定、流动自主有序、配置高效公平”。数据要素是数字经济时代继土地、劳动力、资本、技术之后的第五大生产要素。其市场化配置与价值实现均离不开数据交易市场的有力支撑,而数据要素交易政策是规范数据要素交易市场建设的行动指南。合规体系缺失会导致数据泄露和非法交易,制约个人和企业深度参与市场[1],因此数据要素交易市场建设离不开政策规范。然而,影响数据要素交易政策制定与实施的因素究竟有哪些?其内在关系又是如何?这些问题的解决对于建设中国数据要素交易市场、实施国家大数据战略具有重要的现实意义。
既有相关研究多集中在政策需求、设计、评估等方面。其一,政策需求研究。相关学者指出,数据交易合规性审查是确保交易的关键环节[2],数据市场规制治理体系应独立、有效且高度协调[3]。其二,政策设计研究。现有理论在应对产权歧视、相关者利益诉求时显得捉襟见肘[4]。鉴于此,数据要素交易政策应从维权角度出发,促进利益相关者参与政策制定和实施,以建立对政策期望的共同理解[5],实现数据流通利用的最终目标[6]。其三,政策评估研究。相关学者评估了政策对数据要素可访问、可理解和可复用的影响[7],强调政策是科研项目平稳持续的保障[8],探讨了政策对区域技术创新活动的影响,发现政策能够通过促进数据要素与技术要素融合,进一步推动技术创新[9]。
政策演变反映了政策价值导向[10],政策价值衡量须在政策生态框架下进行,以确保政策价值与社会发展和人民需求相契合[11]。政策生态研究需考虑组织、监管、社会和政治背景等广泛生态因子,但在先前研究中这些生态因子的具体组成与关联关系尚未被探讨[12]。本文从政策生态学视角探讨数据要素交易政策[13],以数据要素交易政策自身作为内生态,将环境和主体视为外生态,构建一个多层的政策生态系统,探究其生态因子组成及生态内的交互共治。
生态学是研究生物与环境关系及生物群落动态变化的科学[14]。政策生态研究涉及生态框架、技术理论、政治环境以及复杂政策资源的合理利用等多领域交叠[15],主要包括政策主体、过程和环境三大核心生态因子[16],政策生态因子之间的协同互动关系网络不仅构成政策生态基础,而且展现了生物多样性特点,同时,反映了政策生态内部各因子之间的复杂动态关系[17]。从政策主体看,决策者、研究人员、生产者等通过提供证据、提出建议、发表评论等方式互相影响[18]。从政策过程看,政策生态分析需对政策目标、工具、主体以及政策资源等关键因素进行全面深入的立体式剖析[19]。从政策环境看,政策生态受到政治、经济、文化等宏观环境的影响[20]。由此可见,政策生态是政策、人员、环境三大生态因子间形成良性互动的新机制[21],着眼于政策过程中各主体关系[22],聚焦动态平衡、多元共治与自我创新,强调多主体和谐共生的交互式发展[23],是政策自发调整、修正完善、循环更新的类生态模式。
政策生态是对传统政策分析框架的必要补充和深化。传统框架在分析具体政策设计和效果评估时依然有效,但是面对跨领域、多主体、长周期问题时效力不足,而政策生态框架则提供了更具解释力和洞察力的分析工具。政策生态在强调关联性与系统性的同时注重动态演化,可有效避免政策孤岛效应,提升政策韧性与适应性。与政策工具、政策过程、政策绩效等传统政策分析框架相比,政策生态研究具有以下不同之处:第一,传统政策分析框架将政策制定、执行、评估等分解并独立进行研究,注重单个政策或政府机构;而政策生态认为各部分相互关联,整体大于部分之和,注重观察整个系统如何相互作用、演化。第二,面对政策变迁时,传统政策分析框架认为政策变迁可以通过政府内部的理性决策和学习进行精心设计予以实现;而政策生态认为政策系统具有自组织和演化能力,政策变迁既有设计的成分,也有渐进调适的特征。第三,传统政策分析框架认为环境是外生变量,是政策需要适应的背景,而政策生态认为环境是内生性的,政策与环境在不断互相塑造中凸显政策的适应性、韧性与演化。综上,政策生态的优势在于全面反映政策的复杂性和动态性,并帮助理解政策的效力究竟从何而来。
数据要素交易政策是数据交易市场建设背景下衍生的以保障数据质量、促进数据共享为目标,以政策规制为呈现方式,用于分配数据资源、解决数据安全问题、激发数据活力的一系列相关政策的总称[24]。数据要素交易政策在多维生态空间内通过各因子矢量的内外协同,推动数据要素交易市场的建设。作为政策生态的子系统,数据要素交易政策生态是以数据要素交易政策为核心,结合数据要素交易环境、政策相关人员而构成的多元协同的复杂动态系统[25]。
本文基于政策生态理论,探索数据要素交易政策生态因子构成及其政策生态体系,适应数据要素交易内外环境的多样性与复杂性,为数据要素交易政策体系有序迭代式、螺旋式生态演化提供参考。
多源信息融合在广义上是指对文本、图像、音频、视频等来自多个不同存储模式和逻辑结构的信息进行结构统一,最后提取、解析与洞察信息特征的过程。数据要素交易政策与外部环境存在交互响应,孤立的体系构建及影响因素分析难以有效感知政策生态状态。多源异构信息融合在解决信息异构、异步、异质的同时,吸取各种信息源特点,提取出相比单一来源更丰富、更准确的信息,可有效提高调查精准度,从而为政策生态因子探索提供综合性支持[26]。
扎根理论基于既有文献和理论,根据研究者知识和经验对原始资料进行编码,进而构建理论模型[27-28]。本文借助扎根理论研究方法进行数据要素交易政策生态因子提取与解析,主要是因为程序化扎根编码的核心在于明确概念指向,而指向变化产生新概念内涵符合本研究探究数据要素交易政策生态因子的逻辑。因此,本文遵循程序化扎根理论思想,以数据要素交易政策生态受哪些关键因子影响为核心问题,对多源信息进行分析并提取概念,逐步挖掘生态因子联系并识别生态因子层次与属性,最终构建数据要素交易政策生态因子模型。
2015年9月,国务院发布《促进大数据发展行动纲要》。2016年2月,贵州获批建设全国首个大数据综合试验区。2016年10月,国家发展改革委、工业和信息化部、中央网信办发函批复,同意在京津冀等7个区域推进国家大数据综合试验区建设。截至目前,共有8个国家大数据综合试验区,包括2个跨区域类综合试验区(京津冀、珠江三角洲),5个区域示范类综合试验区(贵州、上海、河南、重庆、沈阳),1个大数据基础设施统筹发展类综合试验区(内蒙古)。本文选取国家大数据综合试验区为研究样本,主要出于以下考量:①大数据综合试验区共同引领东部、中部、西部、东北四大板块的数据要素交易,能够全面反映中国数据要素交易政策在不同区域的实施效果;②大数据综合试验区在数据要素交易政策指引、顶层设计、发展目标、重点任务等方面先试先行,为中国数据要素交易政策体系完善提供了丰富的实践经验;③大数据综合试验区具有示范引领作用,选取国家大数据综合试验区为研究样本,符合案例选取的典型性与扎根理论倡导的理论抽样原则;④具有韧性的政策生态允许政策在多样化小生境中进化,最终通过系统内部整合,服务于整个政策生态系统演化。各大数据综合试验区的差异性决定了它们采用不同的发展逻辑,但不会影响宏观层面的生态因子构成。
本研究数据的时间跨度为2015年1月1日至2024年12月31日,地域覆盖8个国家大数据综合试验区。数据类型包括:①会议信息,登录各大数据中心官网,检索数据要素交易相关会议报道,共得到18份文本信息;②相关政策文件,通过各大数据综合试验区所在地政府官网,获取163份与数据要素交易相关的政策文件;③新闻报道,借助新闻视频、自媒体公众号等渠道获取数据要素交易政策相关新闻报道138篇;④访谈信息,通过各大数据中心官网,共获得5份记者专访信息资料作为补充内容。最终共获得相关资料324份,为保证资料的真实性与可靠性,利用三点检验法,多次反复比较不同来源、不同方法收集到的信息,从而提高研究准确性和全面性。
通过原始资料识别关键信息,提取有关数据要素交易政策的内容、赋予概念并加以标记。经过多次的比较、剔除、修改、合并,最终形成54个初始概念,涵盖1 125个参考节点,见表1。
表1 区域数据要素交易政策生态因子开放式编码
Table 1 Open coding of policy ecosystem factors for data element transactions
编号初始概念原始资料摘录(举例)1国内宏观政策实施国家大数据战略,推进数据资源开放共享;数据安全法、个人信息保护法等构成了数据流通利用的法律框架2国际规则全球化与逆全球化交织推动国际格局演变,经济全球化进入新一轮规则调整期,跨境数据流通正在成为国际贸易规则关注焦点3经济状况发挥市场在标准化资源配置中的决定性作用,充分释放市场主体活力4财政资源分配发挥省级大数据发展专项资金、省级标准化专项资金的引导作用,支持大数据领域相关标准研制及大数据标准化示范项目建设5人口教育结构整合高校、院所、企业和其他社会资源,建立健全标准化专业技术资格职称评定机制6文化教育投资实施重点人才倍增计划,持续增加优质教育资源供给7信息技术水平加快大数据技术创新资源汇聚,推动大数据创新成果转化,提高大数据标准供给能力8交易平台以贵阳为重点,积极筹建省部共建公共大数据国家重点实验室,以升促建,针对大数据领域前沿技术开展基础研究9交易流程缺陷开展数据确权规则、数据资产评估、数据成本评估、数据交易价格评估、数据交易撮合、数据交易合规监管等标准研制10第三方依赖性贵州大数据安全工程研究中心等第三方数据服务中介机构,为数据商提供价格资产评估、合规审查、安全审查等服务 11数据分层政策健全公共数据分层采集体系,依托大数据资源平台实现公共数据的实时归集和同步更新12数据定价政策鼓励市场主体探索数据市场定价机制,推动形成数据资产目录,逐步完善数据定价体系13数据确权政策支持郑州、新乡等开展公共数据确权授权试点14售后维护政策构建数据流通交易基础设施环境,实现原始数据“可用不可见”、数据产品“可控可计量”、流通行为“可信可追溯”15政策数量三年内滚动出台了优化营商环境1.0、2.0、3.0、4.0版系列改革政策,……,693项改革措施全部完成16政策层级推动各部门以需求为导向,加强元数据管理、数据生命周期管理、数据交换与共享管理、数据安全管理等,提升数据治理能力17专家智库建设国家技术标准创新基地(贵州大数据)专家人才库,引进具有国际标准化工作能力的数字经济标准化专业人才和团队18行政人员地方数据主管部门负责数据要素登记服务管理工作,指导登记服务机构制定实施相关标准,推动数据要素登记服务活动有序开展19非政府组织贵阳大数据交易所发起成立的开放群岛数据交易商业模式组,是由数据行业公司高管、行业专家等组成的公益组织20企业蚂蚁集团一直持续应用多种数据技术,探索构建数据安全流转的网络,促进形成数据协同和价值释放的新模式21数据商政府希望贵州股权交易中心进一步结合自身特点和大数据企业的实际需求,发挥好大数据企业的资本市场启蒙者和金融问题解决者角色22公众紧扣“数字家园”主题,围绕个体在社区的各类需求,打造人人与共、人人参与的数字化城市基础单元.........
注：限于篇幅仅展示部分初始概念,对原始资料进行了概括
通过比较及演绎归纳,构建初始概念关系,以展现生态因子间关联,最终得到 3个主范畴,分别为数据要素交易政策、数据要素交易环境、数据要素交易主体,如表2所示。
表2 区域数据要素交易政策生态因子主轴编码
Table 2 Axial coding of regional policy ecosystem factors for data element transactions
主范畴 基本范畴 包含的初始概念 基本范畴内涵参考文献环境因子政治环境国内宏观政策影响区域数据交易的国家层面政策周英男等[29]国际规则影响国内政策的国际条约和协议经济环境经济状况数据交易所处的经济环境财政资源分配影响数据交易的财政资源分配文化环境人口教育结构与水平影响政策接受度的教育水平与结构文化教育投资影响教育水平与结构的教育投资技术环境信息技术水平技术对政策传播和公众参与的影响交易平台性能交易平台性能影响数据交易交易风险交易流程缺陷交易流程不完整阻碍数据交易第三方依赖性对第三方依赖程度过高影响数据交易政策因子政策类型数据分层政策提出对数据分级分类管理姚怡帆等[30]数据定价政策提出对数据要素定价数据确权政策提出确定数据要素主权售后维护政策提出对数据要素进行售后维护政策效力政策数量数据要素交易政策的存量政策层级数据要素交易政策的层级主体因子政策制定者数据商数据商参与数据要素交易政策制定欧阳景根[31]政府部门制定数据要素交易政策专家智库专家提供专业知识和政策建议公众公众为政策制定提供草根智慧政策执行者政府部门负责政策推广与落实非政府组织参与政策执行和监督数据商在政策实施中扮演重要角色政策受众数据商政策的直接、间接受益者或受影响者公众政策效果的最终承受者企业不同主体之间存在利益博弈与协调
结合研究目标,经过反复分析,将核心范畴确定为中国区域数据要素交易政策生态。围绕核心范畴,在深入分析概念类属和范畴类属的基础上,构建中国区域数据要素交易政策生态的核心要素模型(见表3)。其中,环境、政策、主体是影响数据要素交易政策生态的核心要素。
表3 区域数据要素交易政策生态因子选择性编码
Table 3 Selective coding of regional policy ecosystem factors for data element transactions
主范畴基本范畴范畴关系内涵环境因子政治环境宏观政策制定与执行过程中涉及的政治环境、经济环境、文化环境、技术条件、交易风险等要素,构成动态复杂系统经济环境文化环境技术环境交易风险政策因子政策类型政策效力政策生态系统运行的结构骨架,涉及政策制定、实施和评估,具体可从政策类型、政策力度两维度进行分析主体因子政策制定者政策执行者政策受众政策生态中的能动核心,涉及政策制定者、执行者和受众,不同主体之间存在利益博弈与协调共生关系
通过对预留的3份座谈会文本信息、30份与数据要素交易相关的政策文件、27篇新闻报道和1份访谈信息进行扎根分析,得到22个概念、10个初始范畴以及3个主范畴,未出现新概念和新范畴,因此可以判断上述数据要素交易政策生态因子模型通过饱和度检验。
构建数据要素交易政策生态因子模型,如图1所示。从环境层、政策层、主体层三大维度来探讨数据要素交易政策生态因子构成,同时,分析各生态因子对数据要素交易政策生态系统的作用机制。
图1 区域数据要素交易政策生态因子模型
Fig.1 Ecological factor model of regional data element trading policy
环境因子包括政治、经济、文化、技术及交易五个维度。政治环境包含国内与国际两维度;经济环境由经济基础与财政投入构成;文化环境涉及人口教育水平与结构、教育投资;技术环境涵盖技术信息水平与平台交易性能;交易风险主要来自流程缺陷、第三方依赖性。如图2所示,一方面,各因子波动均可能引发风险不同程度汇聚、交织;另一方面,风险反向驱动政策改革、优化,形成反馈循环。
图2 环境层生态因子关系
Fig.2 Relationship of ecosystem factors at the environmental layer
4.1.1 政治环境
(1)国家宏观政策为区域数据交易政策制定提供指引。数据要素交易具有战略属性,但受制于区域发展水平。京津冀注重数据安全与政务数据共享;珠三角依托改革开放前沿优势,注重跨境数据流动;贵州、河南、重庆、沈阳和内蒙古则分别承载帮扶、中部崛起、西部大开发、东北振兴和边疆发展等重点任务。具有战略统一性的顶层设计不仅可避免市场碎片化,而且是加强区域协调的关键。大数据综合试验区政策在国家政策框架下不断创新。例如,国家“数据要素×”行动计划明确12个重点领域,区域政策需依此调整重心,形成“国家定方向、区域探路径、市场验成效”的良性循环。
(2)国际规则给中国区域数据要素交易政策制定与执行带来影响。京津冀依托北京国际交往中心,上海作为国际交流枢纽,注重数据跨境合规;内蒙古是中蒙俄经济走廊的重要枢纽,国际数据合作需求突出。国际规则给大数据综合试验区也带来一定影响,在数据主权与跨境规则冲突方面对数据出境存在一定限制。例如,欧盟《通用数据保护条例》要求第三国需通过充分性认定才能共享欧盟数据,而中国尚未获得该认定,导致外向型经济区域的跨境数据流通受阻。
4.1.2 经济环境
(1)区域经济发展影响当地数据要素交易政策制定。河南位于农业主导区,倾向于建立“农业数据银行”;珠三角地区中小微企业占比高,希望通过政策创新释放市场活力;内蒙古侧重数据赋能传统产业,将数据要素转化为新动能;京津冀和上海经济发达,数据产业基础好,侧重于发展高质量数商生态;贵州作为数据产业先行者,则以特色大数据产业集群为突破口;重庆立足老工业基地制造业比较优势,侧重发展工业数据;沈阳依托老工业基地深厚的制造业基础,聚焦制造业数据。区域数据交易政策是地方政府在国家规则框架下,结合本地数据要素禀赋进行适应性调整,以实现区域经济发展最优化的动态平衡。大数据综合试验区产业结构存在差异,导致政策目标侧重点与政策工具选择不同。
(2)区域财政资源影响数据要素交易政策制定。财政资源支持不是简单的提供资金支持,而是通过“区域创新+数商体系”的双驱动,构建区域数据要素市场的交易生态。发达地区资金、技术资源丰富,但成本高;落后地区资源分配依赖政策倾斜。上海大数据综合试验区注重新兴产业培育,对AI训练数据交易实施税收减免;珠三角大数据综合试验区关注金融服务创新,允许数据资产入表融资;贵州实施杠杆撬动型数据要素交易政策,通过PPP模式引入社会资本,与华为共建大数据交易所。支持数据要素交易的资源倾斜,实质是对数字经济基础设施的超前布局,有助于培育超大规模数据要素市场。
4.1.3 文化环境
(1)高等教育人口比例高的区域,其技术应用能力与政策接受能力更强,同时,倒逼相关政策体系完善。解读复杂的政策文本,需要具有批判性思维,而教育不仅提升个体对新技术的适应能力,而且一定程度上减少政策执行阻力。同时,知识密集型群体能精准识别政策盲区,在提出优化方案的同时将政策原则转化为本地化方案。例如,京津冀、上海的人口教育水平高,高端人才聚集,形成“教育—知识—政策—教育”的正反馈循环,重塑区域数据要素交易市场发展格局。
(2)文化教育投资有助于吸引与培育高数据素养人才。京津冀、上海等发达地区教育投入大、数据文化普及度高,数据人才具备科学、信息与算法等综合素养,掌握数据要素交易的技术操作逻辑,并在新技术应用中注重合规边界、规避技术风险、有效辨别信息真伪。文化教育投入与高数据素养人才集聚并非简单的线性关系,而是形成“教育投入—人才集聚—技术突破—市场建设—政策优化”的良性循环。这种循环引发跨界知识碰撞,带来复合人才聚集,形成包容、浸润、认同的集群效应,实现区域数据要素交易市场从成本洼地到价值高地的跃迁,并升级为“数据生产—数据消费—价值实现”的生态共同体。
4.1.4 技术环境
(1)信息技术水平提高能够促进数据要素交易市场发展,进而推动数据要素交易政策体系建设。京津冀、上海和珠三角地区技术领先优势明显,拥有先进的IT企业;贵州建成全国首个大数据综合试验区,技术提升快;河南、重庆、沈阳处于技术追赶阶段;内蒙古技术基础处于培育阶段,但数据中心基础设施优势明显。信息技术发展与数据要素交易正形成“技术创新—市场升级—政策反馈”的演进路径,促进数据要素交易生态形成。技术发展不仅驱动数据经济崛起,也影响了从政策制定、执行、监督到评估环节的底层逻辑。信息技术发展促使政策制定从经验驱动转为数据驱动,提升了政策执行效率与透明度,实现了政策监督与评估从结果问责到过程追踪的转变。
(2)数据要素交易平台建设对数据要素交易额产生直接影响。数据要素交易平台的本质是集制度、标准、规则于一体的新型市场基础设施,其作为数据要素交易的核心枢纽,具有技术穿透力、制度创新力、生态辐射力,是交易维度的一种拓展。上海数据交易平台相对成熟,交易量大;贵州数据交易平台先行先试,性能不断优化;其他平台处于建设期,性能各有侧重。平台建设水平直接影响数据要素交易市场活跃度,如平台体系通过标准化提升交易匹配效率;通过完善体系、增强技术支撑力,降低交易成本、强化信任机制、扩大市场边界等,进而促进交易。
4.1.5 交易风险
(1)流程缺陷为数据要素交易带来潜在风险。权责界定模糊、登记制度缺失等确权流程缺陷构成主要法律风险;信息不对称、操纵定价等定价流程漏洞构成市场失灵的诱因;传输过程泄密、存储介质残留等交付流程隐患可能带来安全链断裂;智能合约漏洞、跨境支付摩擦、税收套利空间等结算流程缺陷则会带来金融风险;跨境流动违规、行业准入缺失、伦理审查缺位等合规流程短板是数据要素交易中法律风险的主要来源。数据要素交易需通过系统性流程再造,释放数据要素价值的同时,有效管控风险。
(2)在数据要素交易过程中对第三方依赖程度越高,面临的风险也越大。珠三角和上海对第三方市场依赖性较低;贵州、内蒙古的第三方服务不足,依赖性较高。数据要素交易过程中,对第三方依赖程度越高,交易主体对核心环节的控制力则越弱,易滋生数据滥用风险。使用第三方平台时如标注质量不可视、估值模型透明度不足、法律意见书形式化、技术黑箱不可控等,可能隐藏数据偏见或模型漏洞。此外,还存在依赖性的经济代价,比如数据接口调用费、合规调整费等第三方服务隐性成本;第三方技术绑定、技术穿透等锁定效应会增加数据要素交易成本。
从生态视角,政策并非孤立存在,它与环境处于一种持续的动态互动和相互塑造的关系中。政策生态因子由特定的政治、经济、文化、科技等环境条件所催生,一旦形成,它又会反过来重塑环境,从而为下一轮政策制定设立新背景。如图3所示,在数据要素交易市场中存在数据泄露与篡改、数据商品价格不清、数据权属不明、数据违规难追责等风险。不同类型政策可有效规避以上问题,因此数据分层、数据定价、数据确权、售后维护等不同类型政策成为政策生态的重要构成。此外,政策效力是政策实施效果的重要保障,其又受到政策数量与政策层级的影响。由此可见,风险是起点,驱动政策供给;政策是工具,可以精准应对风险;互动是过程,政策与环境相互塑造;力度是保障,决定政策强度和有效性。
图3 政策层生态因子关系
Fig.3 Relationship of ecosystem factors at the policy layer
4.2.1 政策类型
(1)数据要素分层政策要求对数据要素进行分层分级管理。京津冀注重数据分类分级;贵州积极探索数据确权分层;上海强调数据定价分层。数据分层分级管理的本质是对传统资源管理模式的突破,是对数智化时代新型生产关系的优化调整。数据要素分层政策是构建安全、高效、合规数据要素交易市场的核心制度,其必要性源于数据要素的异质性特征与风险管控需求。例如通过L1～L4分级,将数据要素分为核心数据、重要数据、一般数据、公开数据。其中,国家核心数据禁止流通、重要行业数据定向授权流通、商业数据场内交易、公共数据开放平台共享,实施精准化的安全防护,避免采取“一刀切”的管理。
(2)数据要素定价政策统一数据要素价格标准。数据要素具有非竞争性与非排他性,同一数据可经多次交易且边际成本趋零,导致传统的生产要素成本定价方法失效。实施数据定价政策并统一数据要素价格标准,是解决数据要素市场化配置矛盾、建设高效规范交易市场的关键制度。数据定价标准制度化是数据市场建设的基础。其中,上海数据要素定价机制较成熟;贵州试行动态定价;其他区域的定价政策尚在制定中。在核算数据采集、清洗、存储成本基础上,通过交易竞价形成动态价格,减少交易摩擦;形成数据要素交易价格体系 ,引导资源优化配置。
(3)数据要素确权政策解决数据权益纠纷。贵州先行完成产业数据确权政策,京津冀则聚焦政务数据确权。其他区域虽在持续完善确权政策,但普遍存在跨境数据确权国际规则适配度不足、新型数据形态确权标准滞后、中小微企业确权成本偏高等问题。数据确权政策的实施是解决数据权益纠纷的基础性制度安排。持有权明确数商对原始数据的控制权,加工权赋予数据处理者衍生数据权益,经营权保障数据产品市场化收益权。数据要素确权政策的核心在于通过明确数据权属关系、划定利益边界、建立法律保障机制,从根源上化解因数据权属不清引发的矛盾。确权带来交易预期稳定性、投资风险可控、利益分配透明化,进一步推动构建良性的数据要素交易生态。
(4)售后维护政策保障数据产品质量。售后维护政策是保障数据产品质量和构建可持续数据要素流通生态的关键机制。数据要素具有特殊属性及市场运行规律,该政策通过隐私合规监测、漏洞修复与加密升级、算法偏见监测等功能防控市场风险;通过前置纠纷预判与防化机制、信用体系构建等规范市场秩序。数据要素交易市场实施售后维护政策,促进数据要素从商品化向服务化的深刻转型,这种转变不仅有助于破解数据要素流通难题,而且有助于确保数据要素交易升级为全生命周期服务。通过制定数据产品售后政策,实现数据产品智能维护,进而构建“交易—交付—运维”的完整数据服务市场。
4.2.2 政策效力
(1)政策数量对政策效力产生正向影响。目前我国数据要素交易市场处于初步建设阶段,京津冀、上海、珠三角政策数量多、覆盖广;贵州政策数量中等但专项性强;河南、重庆、沈阳政策数量较少;内蒙古政策数量较少,主要聚焦基础设施。政策数量对政策力度产生正向影响,其作用机制本质上是通过政策组合的互补性、覆盖广度与协同效应实现治理目标的系统性推进。政策密度的信号释放不仅能够强化治理决心、形成执行压力,而且会产生政策协同效应。例如,数量增加提高覆盖广度,覆盖广度增大提升市场活跃度;政策数量增加,表明能够提供多维政策工具,强化政策组合的互补性,促进长短期政策衔接。其中,基础性政策奠定长期框架,专项行动实现短期突破。
(2)政策层级越高,对数据要素交易市场的作用效力也越强。试验区有国家层面政策支持,但地方配套政策存在差异。如京津冀政策层级高、政策效果较显著;贵州政策层级高、灵活性较大;内蒙古政策层级高、范围相对略窄。政策层级越高对数据要素交易市场的作用力度越强,体现了政策权威性、资源整合能力及制度约束力的系统性差异。顶层立法通过确立统一规则,破除地方保护主义。高层级政策有助于整合财政资源、技术资源、行政资源等。
政策生命周期由多因素决定,它们之间相互关联、相互影响,形成一个多向互动、反馈循环的治理网络。如图4所示,数据商、政府部门、专家智库、非政府组织、企业等构成数据要素交易政策生态主体,可划分为政策制定方、执行方与接受方。其中,数据商不仅是数据要素交易政策的接受方,还通过沟通与反馈方式参与政策制定和执行;政府部门负责政策制定和实施;专家与智库提供专业的数据市场知识和政策制定建议;非政府组织参与政策执行和监督;企业通过政策试点方式接收政策并反馈政策优化建议。综上,政府部门主导政策制定,专家智库提供专业知识,数据商与企业进行合规实践并反馈优化信号,非政府组织守护公共利益。整个生态系统通过多主体、多向度的互动,实现政策的动态演进。
图4 主体层生态因子关系
Fig.4 Relationship of ecosystem factors at the actor layer
4.3.1 政策制定者
(1)数据商为政策制定提供实践案例。数据商主要通过实践经验反馈、行业标准共建、技术方案输出及政策咨询等方式影响政策制定,其核心作用在于将市场操作中的痛点转化为政策优化方向,并通过技术能力支撑制度落地。数据商在数据交易政策制定中通过实践探索与模式创新,提供丰富的现实案例,为政策设计、优化和落地提供重要参考。如贵阳大数据交易所通过《贵州省数据流通交易促进条例》,明确与其他交易所的互认机制与公共数据授权运营;上海开展数据知识产权登记试点,推动国家层面数据知识产权保护框架制定;深圳数据交易所通过数据商分级认证和合规审查,把控场外非法交易风险。
(2)政府部门是政策制定的主要发起者。政府主导数据交易标准制定,通过法律途径界定数据权属、交易规则和合规边界,其作用本质是将数据要素交易市场问题转化为制度化解决方案,通过行政体系实现政策目标。政府部门的核心地位源于其在数据治理中的多重角色和关键职能。政府部门掌握大量公共数据,推动数据资源整合,以及协调跨部门、跨区域的数据整合;规范市场秩序与维护公共利益,打击数据交易市场中非法交易、数据寡头垄断等;协调企业、个人与社会多方利益。
(3)专家智库是数据要素交易政策制定的重要外部力量。数据要素交易政策需兼顾技术可行性、法律合规性与经济合理性,单靠政府部门难以全面覆盖。专家智库的核心作用在于基于专业知识弥补政府部门的经验局限,提升政策科学性与可行性。在提供专业知识的同时,面对复杂治理的挑战,构建智库与政府间的良性互动。专家智库通过深度参与政策“沙盒监管”,构建政策试验与反馈闭环并提供全流程支持。具体表现为,其将学术成果、技术标准转化为可执行的政策工具,通过预研、试点,推动政策突破,通过独立评估降低政策试错成本。
(4)公众为数据要素交易政策制定提供实践反馈。公众参与可有效弥补数据要素交易政策设计的视角局限,增强政策普惠性和可操作性。公众作为数据要素市场的直接参与者,其经验智慧能够为政策制定提供真实的需求反馈、风险预警和创新灵感。例如,公众通过投诉平台、社交网络反馈政策实施中的痛点问题,促进从痛点到政策议题的转化;公众通过数据产品使用的行为反馈,为数据要素交易政策评估提供真实效果验证以及推进规则优化。
4.3.2 政策执行者
(1)政府部门是政策执行的关键核心。在数据要素交易政策领域,政府的核心作用不仅体现在制度设计层面,更在于将政策转化为实际市场规则和治理效能。数据要素交易涉及多个政府部门,政府通过专项小组破除数据孤岛现象,整合数据资源;通过分层设计防止风险扩散并建立快速反应机制,应对执行偏差。
(2)非政府组织是政策执行的协同力量。非政府组织作为政策执行的协同力量,其作用在于弥补政府部门刚性治理的不足,通过专业化服务、社会动员和第三方监督,形成政府主导、社会共治的政策执行网络,构建数据要素交易政策生态韧性。尤其在数据要素交易这类技术性强、利益关系复杂的政策领域,非政府组织的灵活性优势更为突出。非政府组织的通俗化传播能力,有助于弥补政策文本与执行主体认知间的断层。此外,非政府组织通过公益诉讼推动政策补丁,将分散的公众诉求转化为结构化政策建议,促进执行细化。
(3)数据商是数据要素交易政策合规执行的守门人。数据商对数据来源合法性、使用场景合规性进行审核,确保交易符合法律法规。数据商在数据要素交易政策执行中的核心作用是直接参与数据流通的关键环节,将数据采集、加工、交易全流程上链,同时,确保各环节安全可控。数据清洗、脱敏、确权等技术门槛较高,政府通过数据商促进技术工具嵌入合规流程,即通过技术能力、合规审查和行业自律,从源头保障数据交易的合法性与安全性。
4.3.3 政策受众
(1)数据商是政策落地的关键推手。大数据综合试验区的数据商是数据要素交易政策的主要受众,数据商的核心作用在于主动将制度优势转化为市场动能,促进有效市场与有为政府的动态均衡;通过技术能力、市场实践和行业自律,将政策文本转化为可操作的交易规则和商业行为,打通政府监管到市场实践之间的“最后一公里”。例如,数据商通过联邦学习算法与多方安全计算等技术,将数据安全法中数据可用不可见原则转化为具体交易模式;通过测试政策漏洞,在政策模糊地带开展合规边缘探索,从而促进数据要素交易市场制度完善。
(2)企业是政策接受过程中的策略性博弈者,也是具有明确利益诉求的政策影响者。尽管各大数据综合试验区企业在规模、行业属性与资源禀赋上存在差异,但其策略性博弈行为呈现共性特征。在利益驱动与生存压力的双重作用下,围绕数据要素资源的再分配竞逐数据红利,以追求自身经济利益最大化。此过程中,可能通过利用政策信息差和规则空白进行策略性套利,将部分合规成本外部化,从而放大了政策接受者与政策制定者、执行者之间的博弈空间。此外,企业间的博弈还具有双重效应,既可能成为数据要素交易市场进步的阻力,也可能转化为推动政策创新的动力。
(3)公众是政策效果的最终感知者。公众在数据要素交易政策生态中扮演多重角色,不仅参与政策制定与执行,而且是数据要素交易政策生态系统权益保护的终极落脚点。这源于数据要素交易政策的本质——制定与实施数据要素交易政策的最终目标是调整数据要素资源配置、规范数据要素交易市场行为。无论数据要素交易政策是直接影响数据商、政府部门,还是企业,其效果终将通过经济、社会、科技等渠道传导至公众,因此公众是资源再分配的终端载体,是权利与风险传导的末梢节点。
研究表明,我国区域数据要素交易政策生态是以区域性数据要素交易政策为核心,由数据要素交易环境、政策、相关主体构成的多元协同的复杂动态系统。环境层,涵盖政治、经济、文化、技术、风险等生态因子;政策层,涵盖政策类型、政策力度等生态因子;主体层,涵盖政策制定者、政策执行者、政策受众等生态因子。多样、复杂的生态因子推动数据要素交易政策体系从无序到有序,实现迭代式、螺旋式生态演化。
数据要素交易市场建设事关新质生产力赋能科技社会发展,数据要素交易政策是市场建设的保障,探究数据要素交易政策生态因子构成具有重要的理论和实践意义。
本文拓展了数据要素交易政策研究宽度。既有研究主要围绕数据要素政策评估框架与体系构建,本文从政策生态因子视角对数据要素交易进行研究,拓宽了公共政策研究的视角,为后续从其他方面进行数据要素交易市场研究提供了参考。丰富和完善了数据要素交易政策的分析框架。立足于我国区域数据要素交易市场实际,扎根于中国区域数据交易政策并融合多源异构信息,在分析中国区域数据要素交易政策生态框架的基础上,对区域数据要素交易政策生态因子进行了系统化的理论梳理与研究,同时也是对政策生态的深化。
从政策生态视角揭示了政策系统内各因子间以及政策与外部环境间的复杂互动和有机联系,有助于在实践过程中增强数据要素交易政策体系的系统性、有效性。基于政策生态视角的研究强调数据要素交易政策的整体性与关联性,通过识别政策生态因子,进行生态位的分化,增强目标协同和过程统筹,促进各项政策协同发力,从而提升政策有效性。此外,基于政策生态视角的研究关注数据要素交易政策的产出和影响,政策是否有效解决了问题,是否为数据要素交易主体带来实在的获得感。此外,有利于科学评估数据要素交易政策的适用性。政策生态赋予大数据综合试验区创新的灵活空间,通过系统性分析可以明确问题的关键驱动生态因子,鼓励其根据区域经济、人口、文化等生态因子进行政策试点。其核心是适用性的方法论,而非政策本身,可以为其他地区数据要素交易政策制定提供经验借鉴,从微观层面推动政策迭代,保障数据要素交易市场规范、有序发展。
在数据要素交易政策生态系统中,不同生态因子占据不同生态位。基于政策生态视角,优化数据要素交易政策生态的核心在于促进环境适配化、政策动态化、主体协同化。
(1)通过营造支持性政策生态环境为政策执行奠定基础。政治环境为经济、技术措施提供保障;经济活力为技术研发和文化培育提供动力;技术进步为风险管控提供工具。如内蒙古鼓励建设数据治理、模型算法等服务平台,北京亦庄支持攻关数据流通交换等关键技术,强化技术支撑;文化共识为政策执行奠定社会基础;风险管控保障系统稳定运行,如北京亦庄探索包容审慎的监管沙盒机制,为创新提供安全空间,河南则致力于完善数据领域司法保障体系,共同构筑风险防线。政策生态的优化,需在多个维度同步发力。
(2)形成“评估—反馈—调整”的政策动态闭环。引入政策动态评估与调整机制,建立政策检验制度,定期评估数据定价政策、确权政策等效果。对效果不显著或已不适应新情况的政策及时进行修订或终止,避免政策僵化;增强政策的响应力,敏锐感知市场变化和技术迭代。例如,河南省人民政府办公厅2025年4月发布《河南省数据要素市场培育行动方案(2025—2027年)》,提出在公共数据授权运营中,建立根据数据供给和运营评价、市场反馈等因素动态调整的收益分配机制。这体现了基于实践效果进行政策动态管理的理念。在此过程中可利用大数据、人工智能等技术,实时监测数据交易市场运行状态,为政策制定和调整提供精准、及时的量化依据,实现经验决策转向数据参考支撑。
(3)构建多元共治的数据要素交易生态网。建立常态化沟通反馈机制,鼓励数据商、行业协会、专家智库、非政府组织共同参与,以确保政策制定前能充分吸纳业界专业意见,政策执行中能及时获得一线反馈。例如北京、天津、河北三地签署了《京津冀数据协同发展战略合作协议》,提出共同开展标准规范研制,推动打造京津冀数据要素统一大市场。构建多方协同治理机制过程中需明确各主体权责利边界,防止出现责任真空或相互推诿,让每个主体都在生态中找到自己的定位,发挥应有作用,最终激发各生态主体活力,形成治理合力。
[1] 余忻怡,戴运,孟奇勋.数据要素交易制度的实践探索与路径创新[J].科技创业月刊,2023,36(1):106-109.
[2] 张欣.新一轮数据交易市场建设热潮下数据合规交易研究[J].商业观察,2023,9(20):81-84.
[3] 李雄一,熊励, 孙文灿,等.数据交易市场双边匹配模型与决策方法研究[J].科技进步与对策,2018,35(19):23-30.
[4] 郭如愿.破除数据要素的交易困境:法律透视与机制重塑[J].中国流通经济,2023,37(11):26-34.
[5] THU-MAI C, AMANDA G, TODD V, et al. Journal data policies: exploring how the understanding of editors and authors corresponds to the policies themselves[J]. PLoS ONE, 2020, 15(3): e0230281.
[6] 曹博,李佳璐,何念.关于数据要素交易激励机制的初步探讨[J].民主与科学,2022,34(4):27-31.
[7] TOM E H, MAYA B M, KYLE M, et al. Data availability, reusability, and analytic reproducibility: evaluating the impact of a mandatory open data policy at the journal cognition [J]. Royal Society Open Science, 2018, 5(8): 180448.
[8] ZHU Z ,WULDER A M ,ROY P D , et al. Benefits of the free and open Landsat data policy [J]. Remote Sensing of Environment, 2019,224:382-385.
[9] 陈玲,段尧清.政务大数据政策的技术创新效应分析——基于PSM-DID方法的估计[J].图书情报工作,2020,64(20):96-105.
[10] 屠莉娅.课程改革与政策生态之关联——基于我国基础教育新课程改革的分析[J].北京大学教育评论,2011,9(3):77-91,190.
[11] 严荣.公共政策创新与政策生态[J].上海行政学院学报,2005,6(4):38-48.
[12] HANNAH E F, LAUREN M, JENNIFER B F, et al. Expanding the reach of evidence-based mental health interventions to private practice: qualitative assessment using a policy ecology framework[J]. Frontiers in Health Services, 2022,2:892294.
[13] 闫翅鲲,孙英伟.京津冀协同发展背景下河北省科技人才政策生态研究[J].石家庄学院学报,2021,23(4):27-31.
[14] EGERTON F N .History of ecological sciences[J].The Bulletin of the Ecological Society of America, 2013,94(3):222-244.
[15] 向玉琼.政策生态学与我国加入WTO后政策系统的优化[J].理论探索,2005,42(4):94-96.
[16] 赵龙文,方俊,赵雪琦.生态视角下我国政府数据开放共享政策体系的互动演化分析[J].情报资料工作,2022,43(3):56-66.
[17] 寇明婷, 杨一帆,张超.全创新链视角下企业创新政策生态系统:理论与评估框架[J].科学学与科学技术管理,2024,45(1):29-46.
[18] ROBERT STRATFORD, ARJEN E WALS. In search of healthy policy ecologies for education in relation to sustainability:beyond evidence-based policy and post-truth politics[J]. Policy Futures in Education, 2020, 18(8): 976-994.
[19] 周梦瑶.政策生态视角下长期照护保险案例分析及政策建议[J].卫生软科学,2023,37(7):59-66.
[20] 刘杨.农村产业扶贫的实践机制与优化路径——政策生态的视角[J].人文杂志,2020,64(10):109-117.
[21] 杜宝贵,丰佰恒.科技政策生态模型基础框架构建及其三环齿轮机制分析——基于美国量子信息政策的启示[J].科技管理研究,2023,43(22):38-45.
[22] 柳劲松,何煦,王颖.“双高”政策意蕴、院校行动偏差与矫正路径研究——基于政策生态网络视角[J].教育发展研究,2022,42(21):61-68.
[23] 谢倩,王子成,周明星.新中国成立70年乡村教师支持政策文本量化分析——基于政策工具视角[J].现代教育管理,2020,40(4):61-67.
[24] 佟泽华,丰佰恒,石江瀚,等.科学数据治理多螺旋联动模型研究[J].情报杂志,2022,41(9):121-128.
[25] 丰佰恒,杜宝贵.大模型视域下大数据政策生态链研究——以科学数据政策为例[J].现代情报,2024,44(10):41-51.
[26] 白如江,鞠孜涵,张玉洁,等.面向情报感知的多源多模态数据融合方法研究[J].情报杂志,2023,42(10):124-131.
[27] GLASER B G,STRAUSS A L, STRUTZEL E.The discovery of grounded theory:strategies of qualitative research[J].Nursing Research,1968,17(4):364-378.
[28] STRAUSS A L. Qualitative analysis for social scientists[M].London:Cambridge University Press, 1987:5.
[29] 周英男,杨文晶,杨丹.中国绿色增长政策影响因素提取及建构研究[J].科学学与科学技术管理,2017,38(2):12-19.
[30] 姚怡帆,张相,叶中华.目标—工具—效力:中国数字政府建设政策的三维图景[J].管理评论,2024,36(5):248-259.
[31] 欧阳景根.作为政策分析框架的政策基因、政策环境和政策诊疗[J].中国行政管理,2019,35(11):86-91.