专家解读

当前，新一代数字信息通信技术的深入发展和广泛应用，正深刻改变着人类的生存方式和社会交往方式，深刻影响着人们的思维方式、价值观念和道德行为。传统认为，信息化网络和数字化发展是扁平形态的，能够天然、快捷地解决不平衡、不充分等发展难题。但从近些年发展实际情况看， “大数据杀熟”、“二选一”限定交易、拒绝交易等滥用市场支配地位涉嫌垄断的事件频发，“强者愈强”的马太效应不断加剧。此外， “数据化贫穷”、“数字化弱势群体”等“数据贫富差距”越来越大，“数字鸿沟”难以逾越，这些都进一步加大了不平衡、不充分现象，甚至是形成新型垄断，与国家发展主流方向背道而驰。

我国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾，实现共同富裕是国家发展战略目标，在数字经济背景下，借鉴共同富裕三次分配机制，充分利用好第三次平分配，补齐“数据共同富裕”进程中的结构性短板弱项，利用公益力量打开“数据公益”空间，统筹推进“数据公益”， 缩小数据贫富差距，缓解“数据垄断”不利因素的影响，数据赋能共同富裕。

从理解数据要素经济学特征的视角来认识数据垄断及其危害

数据如水、电、石油一样，成为基本的新型生产要素，成为驱动经济发展的新动力。2019年四中全会首次将数据作为生产要素，提出“健全劳动、资本、土地、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制”，这是对数据生产价值及其经济地位的极大肯定，也标志对数据、数据资源、数据要素的深刻认知的转变。

（一）数据和数据要素

数据要素这个概念相对于数据来讲是后来者和“新生概念”，二者密不可分又有不同，在日常使用过程中更多地会使用数据而不是数据要素，前者通用后者特指。

中国信息通信研究院认为，“数据是对客观事务的数字化记录或描述，是无序的、未经加工处理的原始材料”。国家发改委市场所曾铮和王磊等在《数据市场治理，构建基础性制度的理论与政策》一书中提到“数据要素是生产和服务过程中作为生产性资源投入，创造经济价值的数字化信息、数据和知识的集合”。由数据到数据要素，经历着由数据原生【0】到数据衍生过程，将原始数据加工为数据资源/数据资产，形成使用价值，产生经济效益和社会效益。也就是说，数据与数据要素的核心区别在于是否产生经济效益。

数据要素是生产资料，可以与其他生产要素交叉融合渗透，释放出乘数倍增效应，提高全要素生产率；数据要素也是生产力，放大技术、劳动力、资本、知识等要素价值，成为催生新产业新业态新模式的驱动力；属于经济术语，是具有使用价值，能够带来经济效益和社会效益的数据。数据要素与其他要素一起，融入我国经济价值创造体系，成为数字经济时代的基础性资源、战略性资源和重要生产力。习近平总书记在2017年就指出，“在互联网经济时代，数据是新的生产要素，是基础性资源和战略性资源，也是重要生产力”。

（二）数据要素的十大经济学特征

数据要素具有虚拟性特点，虚拟性意味着数据必须以其他生产要素作为载体才能发挥作用【1】，也就是说，数据要素要与其他生产要素发生作用，必须依赖于承载数据的物理载体。在大多数时候，数据是存在于数字化技术产品之中的，数据要素和数字化技术紧密结合，成为推动经济社会快速发展的重要驱动力。虚拟性是数据要素与其他传统生产要素，比如劳动力、资本和土地的最主要差异，也是技术和数据等新生产要素的主要特点。严重依赖数据和技术等虚拟生产要素，是数字经济的一个重要特点，也是与传统经济的一个重要区别【2】，随着数字经济时代的到来，数据要素更是成为驱动数字经济发展可持续健康发展的新引擎主引擎。

数据要素具有非竞争性/非排他性特点，即多家厂商可以同时使用同种数据【3】。一个人对数据的使用，并不影响他人对其的使用，而且对于数据要素额外使用的边际成本几乎为零，数据的非竞争特性意味着数据可以在不影响价值的情况下被任意多个数据处理者同时使用【4】，这就决定了数据具有高使用效率和巨大的潜在经济价值。

数据要素具有价值异质性和排他性特点，对于数据价值利用而言，数据、算法和算力，缺一不可，也就是说，数据要素的价值依赖于数据量足够庞大、内容足够丰富和类型足够广泛，依赖于使用的具体模型、算法和计算能力，还依赖于业务应用场景，具有高度不确定性，一方面是价值不确定导致数据处理者存有疑虑，阻碍了数据流通；另一方面是高价值而导致拥有数据的企业和机构会选择“窖藏”而非分享数据【5】，使得数据要素表现出高度的排他性，同样阻碍了数据流通。

数据要素投入具有高固定成本、低边际成本的特点【6】。《数据要素》作者赵刚博士指出，“数据要素投入成本的高低取决于是否生成新信息，数据处理生成新信息，需要逆转熵增的自然过程，付出的成本较高，数据复制的过程并没有生成新信息，付出的成本较低。但对于低成本获得数据的一方，却仍可利用数据的价值。”数据可复制、可共享、可不断生成和供给，“取之不竭，用之不尽”，克服了传统生产要素的资源总量限制，可能形成规模收益递增的经济发展模式。

数据要素具有规模收益递增特征，数据生产要素的非竞争性进一步产生了规模报酬递增的效应。即数据的增加提升了数据使用者的生产率，进而带来了更多的产出与交易，在此基础上又进一步产生了更多数据，带动生产率再次提升【7】，数据规模越大、类型越丰富，产生的信息和知识就越多，进而产生更多智能，呈现出规模收益递增的特点，符合罗素•阿科夫(Russell Ackoff，1989)提出的DIKW【8】（Data-Info-Knowledge-Wisdom）金字塔模型理论。也就是说，数据要素的规模收益递增和网络效应意味着在价值创造方面可以实现“1+1>2”的效果【9】，如果数据对于整个行业乃至经济体的参与者开放，数据规模扩大带来的经济价值就将更为可观。

数据要素具有外部性特征。对于数据要素外部性的理解，《数据要素》作者赵刚认为数据要素具有强外部性，《数据生产要素研究进展》作者徐翔等认为数据要素具有正外部性。即数据要素的强外部性/正外部性是指数据要素的开发和利用不仅对拥有数据的人有价值，而且对公众、社会和其他商业机构都能产生价值或者分享数据红利。数据与其他生产要素深度融合，通过数据要素的放大、叠加、倍增作用，可以赋能传统产业转型升级，催生新产业、新业态、新模式，提高全要素生产率，同时优化产品和服务，提高服务质量和满意度。也就是说，可以极大地提高全要素的生产效率和优化服务是数据要素强外部性特征的主要价值体现。从商业价值变现的视角看，数据要素的外部性从根本上说是指数据的跨界价值，即数据的跨界运营与价值变现【10】。

数据要素具有衍生性特征。数据要素衍生性是指在数据要素全生命周期内，在不同的经营主体之间流通、共享，与不同数据要素渗透、融合而产生新的衍生数据。数据要素的衍生性使得要素本身可持续性产生与生长，使数据越来越丰富，作用越来越大，用途越来越广，进而不断实现生产与再生产的演进、迭代和创新，利用衍生数据获得创新竞争优势，实行保值与增值经营。

数据要素的多样性和时效性特征，包含来源的多样性和用途的多样性。来源的多样性是指同样的数据信息，可能会从不同的来源得到，不同的数据可能会源于相同来源；用途的多样性是指同一类数据可以在不同的领域有不同的用途。此外，数据要素价值会随着市场动态变化或者应用场景的变更而导致数据价值降低甚至失效。

数据要素的产权模糊性特征，数据的虚拟性使得数据可以被零成本或极低成本复制，使得数据要素具有可复制性和无限供给特性，而这些特性又导致数据具有非排他性（非竞争性特征）特征，即数据要素可以为多个使用者使用，使得数据生产要素在产权归属上存在一定的模糊性，其所有权和产生的各项产出在企业和消费者之间的分配尚不清晰。数据要素价值的倍增效应需要流通环节来实现，数据要素流通过程中的“一数多权”问题将客观存在，表现为数据在“采（采集）-存（存储）-传（共享交换）-流（通）-用（利用）”的过程中会产生不同的主体，所以数据的所有权和数据的使用权在很大程度上是分离的，也就是说数据所有者不一定能产生价值，而使用者却能产生价值。比如，消费者在使用各项信息通信技术ICT产品和服务的过程中会产生大量数据，这些数据往往由企业直接收集和整理，消费者一般没有处置和使用这些数据的机会【11】，尤其是个人消费者更没有这个意愿和需求。所以清华大学法学院教授申卫星认为，数据不能采用传统的物权、债权和知识产权原有的路径加以保护，并且数据的生产关系也非常复杂，加剧了数据权利的复杂性和模糊性，一数多权现象普遍。因此，我们认为，建立数据要素的“所有权和使用权分离”制度机制或许成为有益的尝试，就像土地等要素资源的做法一样。

数据要素的强渗透性特点，能够在有序流通过程中与技术、资本、劳动力等要素关联、交叉、融合和高效配置，在数字产业化和产业数字化的价值创造与效率提升上能够产生乘数效应和倍增效应。

我们认为，分析数据要素经济学特征可以帮我们更全面地认识和理解跟数据相关的诸多命题，比如数据权属问题、数据交易问题、数据垄断问题、数字鸿沟问题等。正是由于数据的这些特点，数据垄断的理论争议、成因、行为以及后果都很复杂。

（三）数据垄断命题之争

数据垄断是一个比较有争议的问题。虽然数据垄断问题广泛存在，而且已经引起普遍性的影响，然而在理论上，不同领域不同视角的专家学者对数据垄断仍有比较大的理论争议。比如，山东大学经济学院教授曲创从经济学视角对数据垄断做的解读，他认为，“数据垄断所垄断的不是数据本身，多数情况下是基于数据的垄断， 基于数据的垄断行为并不是数据垄断，它们只是垄断的方式，垄断的手法不一样”。对外经贸大学数字经济与法律创新研究中心执行主任许可则认为，“数据具有非排他性特征，数据没有法律上的所有者，并不能排他使用，因此，数据垄断问题并不能成立。”上海市检察院检察官陈超然认为，“在数字经济时代，经营者基于自身掌握大量数据的优势而实施的市场行为，如果妨碍到市场竞争和社会福利，就可能被认定为垄断行为。”中国社会科学院财经战略研究院研究员李勇坚认为，“数据垄断不仅在理论上能够成立，在实践中也有多样化的案例出现。”上述多个不同领域的专家观点，正是对数据多重属性特点的反应，也增加了数据垄断命题复杂性。

（四）数据垄断的涵义及成因

对于数据垄断更为普遍性的观点认为，数据垄断并不仅仅是对数据本身的垄断，多数情况下指的是“基于数据的垄断”，既有数据量的垄断也有基于数据的垄断。基于数据的垄断强调的是“以数据作为强化垄断的工具”，从这个视角来研究数据垄断问题。从《反垄断法》和《反垄断指南》法律法规层面上，关注的重点是是否事实上构成了“基于数据优势滥用市场支配地位的行为”，从法律法规层面来研究数据垄断的表现及其危害问题，也就是说，通过对数据的收集、挖掘、使用等数据价值利用动作，实现基于数据优势而垄断消费者、垄断产品、垄断行业的行为。下面从两个层面理解数据垄断。

一是数据量的垄断。在数字经济领域，以互联网平台为代表的机构利用其用户优势、技术优势、基础设施优势等，收集了大量的数据。从成本结构上看，收集和存储数据意味着高固定成本低边际成本，这容易产生数据收集和存储的规模经济与范围经济，这本身会加剧数据量方面的垄断。

二是以数据作为强化垄断的工具。数据作为一种无形的、虚拟性的生产要素，具有一次生产、无限次使用、非竞争性、非排他性等特点，能够在多种业务线上同时使用，且多次使用的边际成本趋向于零，这些决定了数据使用的场合越多、使用次数越多，其价值越大，使得数据使用具有边际产出规模递增效应。也就是说，数据使用越多，价值越凸显，这些特点使得拥有海量数据的数据拥有者具备了垄断的潜力和可能。加之数据要素的衍生性特征，使得数据使用产生正反馈效应，在使用过程中还能够产生新的数据，会进一步强化数据垄断作用。

基于中国宏观经济研究院刘志成对于数据垄断的理解和我们的分析，可以大致地给出数据垄断的涵义。即数据垄断是基于数据的占有和使用而形成的垄断，可以理解为重要数据被控制在少数企业或其它市场主体手中，并被不合理分配与使用【12】，导致基于数据优势滥用市场支配地位的行为发生，进而频发影响市场公平竞争的现象出现。

“数据富裕群体”将数据作为强化竞争优势的工具和数据垄断的手段，以实现数据及其衍生品的价值叠加并获得超额收益。在相当程度上加剧了数据垄断的形成，产生数据垄断的根本原因是数据收集隐蔽化、平台数据产权化和数据利用黑箱化。

（五）数据垄断的表现形式及危害

1、数据垄断的主要分类和表现形式

数据垄断的主要类型包括三大类，一是利用数据和算法实现默示合谋与实施垄断协议；二是基于数据优势而滥用市场支配地位；三是经营者集中将限制健康的竞争行为，破坏竞争秩序。

一是利用数据和算法实现默示合谋与实施垄断协议。利用数据和算法合谋以达到和实施垄断协议，这里的垄断协议是指经营者排除、限制竞争的协议、决定或者其他协同行为。协议、决定可以是书面、口头等形式。其他协同行为是指经营者虽未明确订立协议或者决定，但通过数据、算法、平台规则或者其他方式实质上存在协调一致的行为。

二是基于数据优势而滥用市场支配地位。具有市场支配地位的经营者利用数据、算法和算力优势而从事滥用市场支配地位行为。上海市检察院检察官陈超然认为，“剥削性滥用用户数据其实属于基于数据优势滥用市场支配地位的行为，应当是一个技术支撑的商业模式转化成一个数据垄断的过程，从技术角度来说，“大数据杀熟”就是剥削性滥用用户数据。”《反垄断法》，特别是《国务院反垄断委员会关于平台经济领域的反垄断指南》（简称“反垄断指南”），对于滥用市场支配地位的行为有具体判定，主要表现为六类行为。

①不公平价格行为，主要表现为利用数据、算法实施价格歧视。具有市场支配地位的平台经济领域经营者，可能滥用市场支配地位，以不公平的高价销售商品或者以不公平的低价购买商品。

②低于成本销售行为，主要表现为具有市场支配地位的领域经营者可能滥用市场支配地位，没有正当理由，以低于成本的价格销售商品，排除、限制市场竞争。

③拒绝交易行为，主要表现为具有市场支配地位的领域经营者可能滥用其市场支配地位，拒绝与第三方开展业务，从而剥夺市场参与者的竞争可能。无正当理由拒绝与交易相对人进行交易，排除、限制市场竞争无正当理由拒绝与交易相对人进行交易，排除、限制市场竞争。

④限定交易行为，主要表现为具有市场支配地位的领域经营者限定他人按照自己的意愿进行交易，从而排斥其他经营者的公平竞争。比较典型的就是要求平台内经营者在竞争性平台间进行“二选一”，或者限定交易相对人与其进行独家交易的其他行为。分析是否构成限定交易，重点考虑以下两种情形：一是经营者通过屏蔽店铺、搜索降权、流量限制、技术障碍、扣取保证金等惩罚性措施实施的限制，因对市场竞争和消费者利益产生直接损害，一般可以认定构成限定交易行为。二是经营者通过补贴、折扣、优惠、流量资源支持等激励性方式实施的限制，可能对平台内经营者、消费者利益和社会整体福利具有一定积极效果，但如果有证据证明对市场竞争产生明显的排除、限制影响，也可能被认定构成限定交易行为。

⑤搭售或者附加不合理交易条件行为，主要表现为具有市场支配地位的领域经营者，可能滥用市场支配地位，无正当理由实施搭售或者附加不合理交易条件，排除、限制市场竞争。比如利用格式条款款、弹窗、操作必经步骤等交易相对人无法选择、更改、拒绝的方式，将不同商品进行捆绑销售；以搜索降权、流量限制、技术障碍等惩罚性措施，强制交易相对人接受其他商品；对交易条件和方式、服务提供方式、付款方式和手段、售后保障等附加不合理限制;在交易价格之外额外收取不合理费用；强制收集非必要用户信息或者附加与交易标的无关的交易条件、交易流程、服务项目。

⑥差别待遇行为，主要表现为具有市场支配地位的领域经营者，可能滥用市场支配地位，无正当理由对交易条件相同的交易相对人实施差别待遇，排除、限制市场竞争。比如，基于大数据和算法，根据交易相对人的支付能力、消费偏好、使用习惯等，实行差异性交易价格或者其他交易条件;实行差异性标准、规则、算法;实行差异性付款条件和交易方式。

三是经营者集中将限制健康的竞争行为，破坏竞争秩序。我国《反垄断法》第二十条界定了经营者集中的情形。对于数据垄断而言，垄断行为主要表现为占有数据资源的经营者集中将导致数据资源更加集中而破坏数据市场的竞争性。本已占有大量数据资源的经营者，通过经营者集中行为，比如合并、控股或签订协议等，占有更加完整的数据资源，催生出数据寡头，限制市场中的健康竞争行为，破坏竞争秩序。

2、数据垄断带来的三方面危害

数据垄断的危害至少有三个方面：

一是利用推荐算法，影响干扰消费者判断，损害市场公平竞争和消费者合法权益，这也将使得对消费者权益保护变得更加困难。收集消费者的身份数据、行为数据等，通过数据画像，透视消费者的消费意愿和预期价格，实施“一人一价”、差异化定价，这种价格歧视的实质正是利用算法与大数据来“杀熟”或“杀贫”【13】。同时，关于平台经济领域经营者要求商家“二选一”、“大数据杀熟”、未依法申报实施经营者集中等涉嫌垄断问题的反映和举报日益增加，这些行为损害了市场公平竞争和消费者合法权益。

二是不同行业的数据资源整合存在风险，容易达成横向、纵向和轴辐垄断协议【14】，产生市场自由竞争壁垒。数据存量较小的小型公司或初创公司无法与数据寡头竞争，而拥有丰富数据的企业之间可以更好地进行交流而达成默示合谋，包括数据合谋和算法合谋两方面。

三是垄断问题带来安全问题，数据垄断会叠加数据安全，带来更严重的隐私风险，可能会侵害社会公共利益，进而威胁国家安全。隐私保护作为一项非价格竞争因素【15】，在竞争失效市场里其重视程度会大大降低【16】。此外，海量数据的收集、处理、存储、流通和使用环节，即在数据“采-存-传-流-用”全周期内，安全漏洞和安全风险也会随之传输、存储、流转而叠加、放大，及大地增加风险暴露面。再比如“滴滴事件”，事件以数据安全问题为表征，背后则体现出数据安全与资本垄断逻辑的并生与杂糅。也就是说，数据安全，尤其是由数据垄断而产生的数据安全的叠加危机确实会触碰到数据主权与国家安全的底线【17】。

总之，需要将安全问题与垄断问题结合起来，将其放置在国家治理长期绩效的宏观背景下，高站位多视角地看待数据垄断命题及其带来的真问题。数据垄断会树立竞争壁垒、限制健康竞争、损害市场公平，侵犯隐私、损害消费者权益，叠加安全风险、威胁国家安全，不利于激发创新创造活力，不利于促进经济高质量发展，不利于“共同富裕战略目标”的实现。

借鉴国民收入三次分配模式，统筹实施数据公益，促进数据共同富裕

习近平总书记在党的十九大报告中明确指出：“中国特色社会主义进入新时代，我国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。”2021年10月，习近平总书记发表重要文章《扎实推动共同富裕》，指出促进共同富裕总的思路是，坚持以人民为中心的发展思想，在高质量发展中促进共同富裕，正确处理效率和公平的关系，构建初次分配、再分配、三次分配协调配套的基础性制度安排。

中国社会科学院财经战略研究院研究员李勇坚认为，解决数据垄断问题，需建立数据共享规则，明确平台数据的权利体系，规范数据收集的同意条款和收集范围，建立数据开发与信息保护相平衡的机制，从而加强对数据垄断的监管。

（一）防止数据垄断，促进共同富裕，探索数据要素领域分配协调配套机制的新思路新方法

数据垄断不利于共同富裕战略目标的实现，共同富裕的主要方式是反垄断和税收调控【18】。在我国公有制经济主体背景下，探索新思路、新方法，借鉴“共同富裕”的三次分配机制，构建数据要素领域的初次分配、再分配、三次分配协调配套的基础性制度安排。探讨发挥第三次分配的效能，打开数据公益的空间，以捐赠和资助的方式开展“数据公益”工作，实现数据要素和数据资源的三次分配。以“数据公益”的方式实施第三次分配，作为初次分配和二次分配的补充，有利于缩小“数字鸿沟”，缩小“数据贫富差距”，保障人民更好地分享数字化发展红利，促进数字化时代的社会公平正义和共同富裕。

（二）借鉴共同富裕三次分配机制，充分发挥第三次分配效能

关于“国民收入三次分配”，厉以宁教授认为，一次分配是由市场按照效率原则进行的分配；二次分配是由政府按照兼顾公平和效率、侧重公平的原则，通过税收、社会保障支出这一收一支所进行的再分配；而三次分配则是在道德力量的推动下，通过个人自愿捐赠而进行的分配。

全国政协参政议政人才库特聘专家贾康认为，由公益慈善机构和志愿者组织主导、按自愿原则的第三次分配，有别于初次分配和再分配，以自愿为原则，以伦理道德为驱动力，以自治和多样性为特征，以募集、捐赠和资助等慈善公益方式对社会资源和社会财富进行分配，是对初次分配和再分配的有益补充，有利于缩小社会差距，实现更合理的收入分配。

关于如何才能更好地实施第三次分配，我们可以参考世界经济论坛（WEF，2021）发布的《面向数据经济的数据交换框架》里，有关非货币激励数据共享交换的三种模式【19】。一是互惠互利模式，就是激励数据提供者共享数据以换取访问其他提供者数据的权利，从而实现互惠互利。二是提供创新机会，可以通过黑客马拉松、众测/众创等方式来获得数据集创新机会。三是数据信用，将出于共同目的的数据共享作为企业社会责任的重要组成部分，以此为社会公众带来利益。类似于碳信用一样，可以为公司提供数据信用，以此激励企业将数据用于共同目的的共享。

借鉴“共同富裕”的初次、再次、三次分配机制，构建数据要素领域的初次分配、再分配、三次分配协调配套的基础性制度安排。在我国公有制经济主体背景下，探索新思路新方法，鼓励“数据富裕群体”愿意出让数据收益，解决好数据分配问题，有效缩小数据贫富差距、城乡差距和区域差距。

（三）参考五大发展理念，充分发挥第三次分配效能

大型科技平台利用其用户优势、技术优势、基础设施优势等，收集了海量的数据，形成了数据量上的富有甚至垄断。参照“创新、协调、绿色、开放和共享”五大新理念的共享理念，充分体现和发挥数据要素自身的非竞争性和非排他性等特点，在制度上形成数据共享机制，使得“数据富裕群体”能够愿意共享数据。在“数据富裕群体” 利用数据优势获得巨大收益基础上，让更多拥有海量数据的平台和机构参与“数据公益”事业，在数据共同富裕的第三次分配中发挥更大作用。打开数据公益的空间，以捐赠、资助等方式开展“数据公益”工作，实现数据要素和数据资源的三次分配，以此作为初次分配和二次分配的补充，有利于缩小“数据鸿沟”，缩小“数据贫富差距”，促进数字化时代的社会公平。

（四）数据赋能推进数据公益，加强治理平台型数据垄断，助力数字化发展背景下的共同富裕

1、数据赋能共同富裕

利用数字技术赋能解决共同富裕问题。在当前数据壁垒还未真正形成之前，基于共同利益和价值观基础，在公平和包容的环境规则下，抓紧当下时间窗口，提前建立兼顾效率和公平的数据保护、交换、共享、交易机制，以及相关技术基础设施平台。面向数字化发展中涉及的公共安全和民生福祉等领域，由政府牵头建立科学完整的系统监管体系，通过数字化手段获取精准数据并开展有效调节，利用数字技术解决数字化发展中的问题，保障实现共同富裕。

2、统筹推进数据公益

建立公允、规范的数据公益基础性制度，实施“数据公益”，促进基本的数据公共服务均等化是实现“数据共同富裕”的着力点。数据公益不是搞数据平均主义，更不是削弱市场和政府对于数据要素的调配和监督作用，而是为了减少数字产业化和产业数字化发展中因“数据贫富两级分化”而可能带来的不安定因素，是为了补齐基本的数据公共服务均等化与实现数据共同富裕进程中的结构性短板弱项。

此外，帮扶和捐助“数字化弱势群体”，实施精准数字化扶贫，提高其数字化素养，提升其用数意识和技能，激活数据潜能发挥数据价值，避免其在不自觉中掉进“数字化贫穷”陷阱。

3、加强治理平台型数据垄断

在构建合理的市场机制和政府监管体系基础上，在激发平台创新活力的前提下，引导头部的“数据富裕群体”（数据拥有者和控制者）愿意，对“数据匮乏群体”施行倾斜性资助，同时鼓励“数据富裕地区”向“数据匮乏地区”转移数据，比如可以借鉴“东数西算”工程的战略布局，以此较好地平衡数据要素资源配置和区域发展，实现数据共同富裕。

参考文献：

【0】毕亲波，潘柱廷，“数利”基础设施总论，妙德经略，2022.5. 

https://www.venustech.com.cn/new_type/zkyj/20220526/23916.html.

【1,2,5,11】徐翔等，数据生产要素研究进展，经济学动态，2021.4

【3,7】卢虹羽，一个包含数据要素的经济增长模型，中国互联网经济研究院，

http://ccie.cufe.edu.cn/info/1006/1672.htm

【4,9】《“十四五”数字经济发展规划》解读∣加快推进数据要素市场化建设 充分发挥数据要素作用，国家发改委

https://www.ndrc.gov.cn/xxgk/jd/jd/202201/t20220121_1312584.html?code=&state=123

【6】赵刚.数据要素: 全球经济社会发展新动力[M].北京: 人民邮电出版社, 2021.

【8】DIKW Ackoff（1989）提出的DIKW模型.

【10】黄文，谈谈数据的外部性，https://zhuanlan.zhihu.com/p/164835440.

【12,13】刘志成,李清彬,把握当前数据垄断特征优化数据垄断监管，中国发展观察, (develpress.com)

【14】国务院反垄断委员会关于平台经济领域的反垄断指南.

【15】于澜. 数据驱动型并购中隐私风险的反垄断规制[J]. 中国价格监管与反垄断, 2020(5):6 .

【16】陈根：数据垄断三宗罪，数据反垄断有多难？https://zhuanlan.zhihu.com/p/164927245

【17】“滴滴事件”背后：数据安全与资本垄断的双重逻辑,

http://www.youzikankan.com/index/index/newinfo/id/136048.html.

【18】上林院. 2021年共同富裕元年：反垄断和税收改革让共同富裕不再是口号.

【19】贺佳瀛，赛博研究院,世界经济论坛（WEF）面向数据经济的数据交换框架白皮书，2021.8.

引用其他机构的数据均在文中标注。

专家点评

我国正在步入以数据资源为关键要素的数字经济时代，如同现实世界中出现各种垄断行为一样，由于数据平台的高科技性以及数据收集的隐蔽性，数字经济时代更加容易形成数据寡头，造成数据垄断，从而影响人民的生活，阻碍创新，危害国民经济发展。

本文作者以独特的视角，总结出数据要素具有十大经济学特征，辨析了数据垄断的内涵、分析了数据垄断分类和表现形式，指出数据垄断造成多方面危害，开创性地提出在国家关于数据领域的各项法律法规的前提下，借鉴“共同富裕”的三次分配机制，构建数据要素领域的三次分配机制，防止数据垄断，促进数据共同富裕。

本文建议的施行数据公益不但有利于保护数字经济时代新型弱势群体的合法权益，而且有助于维护国家安全，对我国数字经济健康持续发展有很大的借鉴价值和参考作用。

了解更多内容请扫码关注