当期荐读 2024年第3期·特约稿 | 数据要素交易多边平台研究：现状、进路与框架
图源 | Internet
吴江1,4 袁一鸣1 贺超城1,4 钱龙2 杜乐3 缪佳蕊1
1.武汉大学信息管理学院，武汉，430072；
2.湖北数据集团，武汉，430062；
3.武汉东湖大数据科技股份有限公司，武汉，430079；
4.武汉数据智能研究院，武汉，430072
摘 要
为响应国家政策，构建统一完善的数据要素流通交易市场，对当前数据要素的流通交易过程进行梳理分析，为数据要素平台的构建提供思路，对推进我国数据要素市场化配置与数字经济发展具有战略意义。通过案例分析与文献梳理分析了数据要素交易多边市场中的主体及其之间的逻辑关系，总结市场现状中的痛点问题，并基于价值链理论以及社会技术系统理论提出了数据要素交易多边平台的突破路径以及研究框架，以期为数据要素流通交易市场建设提供参考路径。
关键词
数据要素 数据交易平台 价值链 社会技术系统 多边市场
引用格式
吴江，袁一鸣，贺超城，等.数据要素交易多边平台研究：现状、进路与框架[J].信息资源管理学报，2024,14(3):4-20.
1
引言
随着数据在全球经济中地位的日益凸显，数据要素逐渐成为各国快速发展并在全球竞争中取胜的重要动力[1]。自2020年，数据首次被增列为生产要素以来，党中央、国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》《关于构建数据基础制度更好发挥数据要素作用的意见》（后简称“数据二十条”）等多项政策文件[2]，围绕数据要素发展进行谋篇布局，并将关注点聚焦于数据要素多边市场建设。在国家发改委和工信部等政府部门的推动下，我国多省陆续成立大数据交易中心，探索数据要素及其衍生产品的交易，实现数据资源的流通。2023年10月25日，国家数据局正式揭牌，更是标志着我国数据基础制度建设推进力度加强，数据要素市场将步入发展的快车道[3]。然而，多边市场环境下数据要素交易情况复杂，囿于数据要素确权、定价和交易机制等配套制度的不完善，数据要素交易平台（后简称“数据交易平台”）的交易量极低[4]，数据要素市场化配置进展缓慢。截至2022年3月，在已成立的40多家数据交易平台中，29家公司没有正常运营[5]。当前，我国数据要素市场尚处于发展的起步阶段，成长速度相对缓慢。作为一种新型生产要素，数据有着不同于传统生产要素的特性，其所具有的需求性、稀缺性、虚拟性、共享性、非均质性以及外部性等特征，使得数据的确权、定价和交易流通等各个环节均存在诸多待解决的问题和挑战[6-7]。此外，数据要素的高效配置是推动数字经济产业发展的关键一环[8]，而数据要素市场化配置是数据交易平台的基础，数据交易平台是促进数据要素市场化配置的重要场所，亟需明确并突破数据交易平台建设与运营过程中的障碍，以加快提升数据要素市场化配置水平。
本研究首先对数据要素交易市场中的多边主体进行概念追溯，探究多边主体之间的逻辑联系。然后通过网络调查对国内现有数据交易平台从种类、技术体系以及特征三个方面进行研究，挖掘数据要素市场现存问题。之后以数据要素流通价值链为切入点对数据交易过程进行分析。数据要素流通价值链反映了数据从原始数据、数据资源、数据产品到数据资产的逻辑过程[5]，在这一视角下数据要素交易多边平台作为数据要素转化增值的主推动力，需要从价值转化的全流程对数据交易平台的职能、建设进行探索，为此，本研究提出数据要素平台的发展进路。最后从社会技术系统的三个维度提出研究框架与理论基础以支撑数据要素平台发展进路的探索。本研究对数据要素交易多边平台进行全方位的思考与调研，以期为相关研究提供见解。
2
人工智能技术发展及其对情报工作的赋能
在多边市场环境下，数据交易平台在数据要素市场化配置过程起核心调配作用，交易主体在数据交易平台的统筹治理下，进行直接交易[9]，交易中双方或多方保留对交易条款的控制权，而不是由中间人控制这些条款[10]。数据要素市场中各主体之间的逻辑联系如图1所示。每一边群组与平台的“从属关系”是指每一方的用户有意识地进行特定平台的投资，这是供需双方能够进行直接交互的必要前提[11]。数据服务方作为市场中新晋交易主体，承担了数据交易中为供需双方提供数据加工、数据分析、数据处理、数据评估、数据应用的任务，甚至成为数据经纪人的角色。而政府或第三方机构作为监管方则是在整个数据交易流程中，对数据从生产到交易再到利用的全过程进行合规性监管与权属认定。值得注意的是，现有数据要素市场中数据产权证明途径混乱，确权机构定位模糊不清，亟需从国家层面设立机构对数据产权进行认定，以保障市场的健康运行。市场生态中，数据交易多边平台是市场主体之间的连接桥梁，平台对于数据交易多边市场的形成起到决定作用。由此可知，研究数据要素流通交易中平台如何对多边市场主体的数据交易进行运营与治理，是破除数据要素市场化配置障碍的关键。
图1 数据要素多边市场中各主体之间的逻辑联系
2.1 数据要素交易多边平台
数据要素市场组织模式经历了从单边、双边到多边的演进历程，并形成了不同发展特征。单边市场中，数据生产者与数据接收者直接交易，过于分散的需求与供应群体使得每次交易的匹配成本极高，生产规模较小以及数据需求种类较为单一，且交易双方对总体价格的重新分配不敏感[12]。随着互联网的发展，数据交易平台逐渐在数据交易中起到桥接作用。在双边市场中，数据制造商借助双边平台进行数据信息的整合、集聚、展示和传递，消费者的数据信息空间得以显著扩大[13]。数据要素多边市场是一个复杂系统，它是对双边市场概念的拓展，是交易行为和互动的市场，允许多方用户共同参与[14]，平台在其中起到核心链接作用。多边平台具有以下特点，一是多边平台使两方或多方之间的直接互动成为可能，二是每一方都隶属于该平台[9]。
多边平台是在数字技术发展下市场所出现的商业主体，借助大数据、区块链等技术，在数据供、需、服三方建立连接，实现对市场交易的保障、促成、优化以及治理等功能。多边平台被认为是不同参与群体之间的中介，是影响大多数行业的新现象，具有多边架构和网络效应[15]，平台的架构设计是激发创新和新产品开发的必要条件[16]，而网络效应则在平台价值最大化方面发挥核心作用。多边平台是依托于信息技术发展而出现的市场多主体的连接者。数据交易平台的出现适应了多边市场多主体、多链接的完全分工结构。在数据交易多边市场中，数据交易平台是交易网络的中心节点，是连接各交易节点构成数据要素市场生态的核心。
2.2 数据商
“数据商和第三方专业服务机构”的概念来源于“数据二十条”，是基于“所商分离”的背景提出的[17]，由深圳市率先实践。市场从双边拓展为多边，其推动因素在于市场发展与专业化产品的需求增加，使得专业化的第三方服务机构出现。市场交易过程由过去双边交易中平台对供需双方的中介，到平台协调匹配数据要素的供需双方与为数据供应方提供专业服务的服务商，促成交易的实现。从价值链的视角来看，数据商与第三方专业服务机构，位于数据价值增长的中间阶段，是对数据要素进行加工、整理、注册、发布等劳动的行为主体，是数据价值得以开发的基础。从市场职能来看，数据商是直接参与市场交易的多边主体，而第三方服务机构并不直接参与交易，主要为数据商提供专业化的第三方服务。
3
数据要素交易多边平台的运营现状
为探究数据交易平台的技术特征与运营现状，本研究对国内部分数据交易平台进行了网络调查，分析其运营种类、技术体系以及特征现状，挖掘现有数据平台实践中的共性特征以及亟待解决的痛点问题。
3.1 平台运营种类
本研究调研了国内已建成的63家多边数据要素交易机构。数据要素市场步入发展的快车道，平台运营模式也越来越清晰成熟。从产权和业务模式来看，数据交易平台具有不同的运营种类。
按照组织形式、建设主体可以将数据交易平台分为政府主导型、企业主导型和产业联盟型三种类型[18]。这三种平台运营类型的差异在于业务主导机构，整体业务主导主体分为国有企业、民营企业、合资企业三种。一般来说，由政府主导的大数据交易中心是由国有资本控股运营的，能够获得政府数据资源支持，具有一定的公信力和权威性。企业主导型平台又可根据企业类型分为两类：一是由大型互联网公司主导的数据交易平台，二是由数据服务商搭建的数据交易平台。这类平台一般使用一体化经营方式，开展从数据采集到数据产品提供的一条龙业务。产业联盟型平台一般是由政府指导，国有企业和民营企业合资控股的，这类平台以联盟为手段，注重某一区域内数据交易生态的培育。现有数据要素交易多边平台的具体种类与特点详见表1。
表1 现有数据要素交易多边平台类型
数据交易平台类型分布如图2所示，我国数据要素交易多边平台政府主导型与企业主导型齐头并进，产业联盟型的势头也不容小觑。
图2 被调研数据要素交易多边平台类型分布
数据服务平台不仅可以进行数据的采集、分析、处理和存储，为用户提供多种服务，比如解决方案、数据产品等，也可以作为中介，为数据供应方和数据需求方提供交易平台[19-20]，具体如表2所示。
表2 现有数据交易平台运营类型
以数据变现为驱动力且政府不参与到数据业务当中的、采取市场化运作机制的“企业主导型”数据交易平台，从业务模式视角看，也大多属于第三方数据交易平台。我国数据交易平台中，政府主导型与企业主导型齐头并进，服务内容呈现多样化。但平台业务模式中，纯第三方交易平台模式占比较少，仅三分之一左右，大部分为综合数据服务模式[21]。总的来说，我国的数据交易平台运营模式从一开始的交易经纪人角色发展到形成综合数据服务平台，在提供数据交易通道的同时也逐渐提供多样化的数据产品与服务。
3.2 平台技术体系
现有平台多运用数字技术实现了数据融合分析、产品登记、数据治理、数据交易以及数据监测等功能模块。除了发展较为成熟的区块链、大数据以及人工智能等技术，数据空间、数据信托等为数据交易而产生的新兴技术也不断在实践中完善。根据具体技术在平台中的运用情景及逻辑，将平台的技术架构分为应用层、开发层以及数据层三层。如图3所示。
图3 数据要素流通技术体系
数据层中的技术是整个平台得以维持的关键，其中区块链技术是一种基于去中心化的分布式系统，具有分布式账本、智能合约等特点[22]，能帮助数据供应方和需求方实现高效的点对点数据交易，拥有不缓存数据、保护用户隐私的特点。区块链技术以一种去中心化的方式来记录交易数据，实现数据资产的快速安全交易，包括深圳数据交易所等各大地区数据交易所都在探索利用区块链解决数据跨区域、跨行业、跨层级使用的难题。
开发层是原始数据应用于不同应用场景中的重要环节。其中隐私计算是一套复杂的技术体系，包含了硬件、密码学、分布式机器学习等多种底层技术，隐私计算技术能够在充分保护数据和隐私安全的前提下，实现数据价值的转化和释放。物联网、人工智能以及数据挖掘等技术则用以支撑对数据的二次加工。
应用层中数据空间和数据信托是实现数据要素交易场景建设的技术。数据空间是一种面向全对象的分布式多元标签数据存储技术，是一种让数据安全、高效连接的技术体系。基于数据空间的支撑，便捷挖掘数据价值成为可能。数据信托的提出是为了解决数据主体与数据控制者之间不平衡的权力关系，从而在数据流通和交易中确保数据隐私和安全。东湖大数据交易所等众多交易平台积极尝试，构建服务更加全面安全的数据交易流通平台。
3.3 平台特征分析
国内数据交易平台具有一系列显著特征，这些特征涵盖了数据资源、数据需求与应用场景、公共数据开放以及数据治理等方面。从多方视角来审视这些特征，不仅有助于深入理解数据交易平台的现状，也能为其未来发展提供有益的建议与探索。
营造数商产业生态成为数据交易平台新态势。数商生态是以数据作为全新商品和生产资料，基于大数据产业展开双创，构建以数据交易流通为基础的“新生态”。近年来，上海等多地积极落实国家战略，着力探索高标准数据市场规则，着力深化高质量数据开发利用，着力营造高水平数商产业生态。贵阳大数据交易所、上海数据交易所、浙江大数据交易中心等较大的综合数据服务平台都已经在平台中配置数商生态。
数据交易平台内多元数据源共存融合。国内数据交易平台类型如贵阳大数据交易所，大多提供综合数据服务，数据来源以政府公开数据、企业内部数据、网页爬虫数据为主，多元数商入局，满足需方个性化要求。
现有数据交易平台层次多样。全国数据交易中心从中关村数海大数据交易平台起步，发展至数据开放平台如山东数据交易公司、数据堂、聚合数据等。随着数字生态的完善，上海数据交易所、深圳数据交易所等垂直行业平台迅速崛起，构建数字经济生态。全国数据交易中心多层次探索数据要素市场。
角色多元也是现有数据交易平台的一大特征。数据交易参与主体包括产生原始数据的数据主体，对数据进行收集、标注、加工、分析、提供、公开的数据处理者，后者既包括数据交易所上市数据产品的提供者，也包括购买者，此外还有交易监管者。从主体本身来说，又包括政府、企业、个人等多类主体。
3.4 平台运营障碍
本研究发现，现有数据交易平台并未充分激发，活跃度不高。市场主体交易的“不敢、不愿、不能”三大难题将长时间存在于数据要素交易市场当中。首先是数据交易相关法规不完善，导致市场主体“不敢”交易。数据交易的法律逻辑体系不完善，数据交易的保障无法有据可依。在缺少制度保障的同时，数据交易领域因为其交易标的的特殊性极易面临数据泄露、隐私安全、知识产权等相关风险。政府主导型数据交易平台出于数据安全等多方考虑，对于数据交易采取保守态度。交易主体与交易平台都处于“不敢”的交易困境中。在数据交易中卖方不仅失去了对该数据的控制，可用不可见，还要承担安全风险，这导致数据持有者“不敢流通”也“不愿流通”。
各大平台缺乏对数据交易统一的标准和规范制度，加剧交易主体“不愿”交易的意向。数据定价、数据确权等一系列交易关键问题并未得到解决。在整个数据交易中各个主体间的信任机制尚未建立，数据提供方与数据需求方难以达成有效可靠的交易路径。
数据交易价值链未能全面打通，市场主体“不能”交易。一方面各个领域对数据的应用也处于探索的阶段，国内仍有大量平台仍在筹备探索当中，对于平台交易并未完全放开。另一方面，平台权限与能力有限，数据治理和数据开发能力不足，技术应用层面的能力仍处于初级水平，不能充分挖掘各类数据价值。尤其是公众数据开放程度低，难以获取利用。
各种难题叠加，也导致我国现有的数据交易平台还存在着数据需求不足、数据交易平台交易情况低迷、市场能力不足等诸多现实问题。据贵阳大数据交易所发布消息，到2025年，该交易所交易额将力争达到100亿元，截至2023年11月底，该所累计数据商仅707家，累计交易额仅达21.15亿元[23]。除了贵阳数据交易所，华东江苏数据交易中心、上海大数据交易中心等交易平台的交易情况均不乐观，可见交易平台严峻的运营形势。
4
数据要素交易多边平台的发展进路
4.1 数据要素交易多边市场中的价值链
价值链是指企业为创造价值所进行的一系列活动, 这种活动的性质是经济性的，受益方为企业的员工、股东等[24]。在数据要素市场中，价值链存在于各市场主体之间的价值协同，表现在数据商对数据所进行的加工、处理、交易以及利用等无差别的增值劳动，在这一过程中原始数据在多方的价值协同下，依据不同目标实现了生产要素化转变，而市场中平台与数据商则获得收益。如图4所示，公共数据或企业数据从数据源被引入数据供应方，经过初步处理形成数据资源，随后经过数据加工形成数据产品，之后输出至数据需求方完成交易。数据交易多边平台能够匹配相应数据服务方为数据加工提供协助，匹配数据供需双方进行高效交易，匹配数据服务方为需求方提供数据产品应用辅助等。然而，在现有环境下，尚未解决的问题也显而易见，归纳为以下三个亟需解决的科学问题：①如何促进交易主体有效连接互动；②如何保障数据要素流通交易高效可信；③如何保障数据交易市场合规健康。
图4 数据要素交易多边平台中的价值链
4.2 价值链视角下数据要素交易多边平台的突破路径
考虑到数据交易平台在数据交易过程中，对数据要素的供给方、需求方、服务方以及监管方进行匹配协调，形成了数据要素价值实现的复杂社会技术系统。为有效解决数据要素流通交易中存在的痛点问题，需要从具有第三方匹配、治理作用的数据交易多边平台的运营与管理入手，对三大科学问题展开分析。需要注意的是，由于公共数据交易使用具备一定的公益性质，多边平台在这部分数据交易的处理上会有所差异，以下突破路径仅面向企业数据与个人数据的交易过程。具体如图5所示，问题一对应用户激励准入，问题二对应交易匹配优化与交易可信保障，问题三对应市场反馈与监管。
图5 价值链视角下数据交易平台的突破路径
4.2.1 用户激励准入
现有数据要素市场存在着交易量较少、场内用户稀缺等问题，而市场中交易主体的数量作为平台数据交易的基础，亟需建立起一套市场交易主体激励机制。平台与多边交易主体的连接可以视为一种复杂网络，需要数据交易双方以博弈视角进行价值共创。
价值共创的概念认为价值不是由单一主体独立创造的，可以由供需双方共同创造价值，主体间的互动是价值共创的基本实现方式[25]。在价值共创的实践过程中，更多利益相关主体被考虑进入[26]。基于价值共创理论的数据交易平台激励机制的本质在于，不同主体间针对数据资源进行博弈，寻找各主体可以良好合作的均衡解。激励机制设计是博弈论发展的一个重要分支，其通过设计出一套规则来达到控制博弈中理性玩家的目的。数据产品需求方设计基于合约的激励机制来激励数据产品供给方出售数据，并期望与其保持长期的合作关系[27]。从经济学的角度看激励制度的初步设计，应该在最大化多方利益诉求的前提下无限贴近集体价值最大化目标，最大限度地满足尽可能多的异质性用户需求，培育可靠、高效、规范、安全的数据要素市场，既要考虑资本和劳动目前参与收益分配的情况，也要充分给予数据要素所有者足够的利润激励[28-29]。
而当前，国内数据交易平台在激励机制设计上还稍显不足。以价值共创理念为依据，研究数据产品供需方参与平台交易中相关参与主体的决策行为和激励机制，从而依托数据要素平台提供决策支持服务和激励数据要素市场良性发展，促使各参与主体在线上线下协同中体现更优秀的效能，包括降低成本、提高绩效、提升能力和增强协同等，从而体现多元价值共创。如基于各种因果推断方法，明晰影响数据产品供需方参与平台交易的决策行为的关键因素，分析其内在影响机制，设计基于数字通证的激励机制；开展面向数据要素市场的基于区块链的产品溯源服务对数据要素各方主体的赋能机制的研究等，都可以帮助优化平台交易模式、提高市场效率和竞争力，促进数据产品供需方健康有序参与平台交易。
4.2.2 交易匹配优化
在传统双边市场中，交易匹配过程需要平台企业在供需双方之间进行信息整合，以提供双方所需生产启动货币以及数据产品。而随着数字时代多边市场的形成，平台企业需要面向更加多元化的数据产品需求、交易匹配需求以及数据生产加工需求，传统面向小规模、较少种类数据产品交易的匹配模式受到挑战，平台亟需采取措施提升匹配效率，降低匹配成本。
匹配决策主要是研究不同主体之间的选择与组合问题[30]，匹配决策被广泛用于技术知识[31]、应急救援[32]、共享制造平台[33]等供需匹配问题中。匹配决策研究大致分为三类，分别为基于匹配算法的匹配决策研究、基于多指标评价的匹配决策研究、基于不确定信息的匹配决策研究。有学者设计了嵌入混沌扰动的捕食搜索算法，对电子中介中多数量的多属性商品交易匹配模型进行求解[34]；有学者从概率的角度考虑，提出一种基于区间直觉模糊偏好信息的多属性严格双边匹配方法[35]；也有学者针对企业共享制造平台供需问题，构建考虑企业社会责任的多属性目标优化模型[36]；在数据要素交易实践中，有基于数据经纪人、数据中介来解决供需信息难以匹配对称的问题，也有通过产品路演、需求大厅、需求对接会等形式推进供需双方数据交易的达成，而这些方法仍然存在一些问题，如产品路演、需求对接会等耗费成本较高，没有自动化手段进行匹配预处理以提高后续措施的匹配成功效率等。
需要深入探讨数据交易领域中的成本优化与匹配效率提升策略，以应对当前数据要素发展的挑战。具体来说，首先需要对数据交易成本以及交易匹配的基础理论进行分析，明确数据交易成本的概念内涵、主要构成要素、参与主体网络关系、交易匹配规则，以及交易匹配影响因素等。在此之后，一方面需要针对数据交易成本构成要素构建评价指标体系，为如何降低数据交易成本提供评估框架；另一方面需要基于交易匹配理论、参与主体的网络关系，从网络演化博弈视角构建数据要素交易供需匹配模型。最后，基于所构建的指标体系与供需匹配模型，对数据交易成本和交易匹配模型进行实证研究和仿真实验，最终为数据交易成本和交易匹配效率的提升制定优化策略。
4.2.3 交易可信保障
可信度是数据交易市场得以高效运行的重要保障，一方面交易全流程的可信对数据交易的参与主体起到重要的激励作用，随着市场交易可信水平的提升，各主体进行场内交易的意愿或将更强烈；另一方面，交易主体、定价以及产品本身的可信度也会在一定程度上为数据交易的匹配磋商环节减少相应调查与检验成本，实现平台交易匹配降本增效的目的。
在数据要素市场中，可信度指的是一种度量，可以用于评估数据要素流通过程中各环节的质量、真实性和可依赖性。在交易匹配过程中，如何确保数据的安全性以及建立可信赖的交易机制是当前亟待解决的问题，常见的交易可信保障方案包括差分隐私技术（differential privacy technology）和区块链技术（blockchain technology）[37]。其中区块链技术凭借其去中心化特性，可提供安全的数据存储和传输，避免了单点故障的风险，并通过智能合约实现自动化、可编程的交易，增强了数据透明性和可信度[38]。在交易定价环节，根据Miao等[39]的分类方案，可以将数据要素定价分为基于查询的数据要素定价方案、基于特征的数据要素定价方案、基于机器学习的数据要素定价方案三类。但由于当前的数据服务定价策略通常由服务商掌控，不透明的定价模式导致了市场信息不对称[40]。斯塔克尔伯格博弈模型的提出解决了这一问题，设计出了一种服务提供者能够获得最大化利润的交易定价机制，该研究为数据服务市场的参与者提供了新的视角和策略[41]。
现存研究为多边市场交易过程的可信研究提供了理论支撑，为解决数据交易的可信保障问题，需要构建一套系统化的可信保障研究思路。具体来说，首先，需要明确数据交易、定价模型和数据使用的可信度定义；其次，需要研究数据交易平台的可信数据推荐机制及隐私保护可信方案设计，以提供给交易者高匹配的数据及安全的数据交易隐私保障；然后，为在交易过程中进行合理、高效的定价，需要全面分析多边市场数据要素交易定价的影响因素，并在此基础上提出基于机器学习的多边市场数据要素交易可信动态定价模型；之后，数据购买方在完成数据交易后，对于数据使用的可信度仍需要进一步验证，基于此，需要进行数据要素交易市场售出数据的低可信度信息识别模型设计和基于区块链溯源技术的数据使用可信度保障研究；最后，综合上述分析与研究，实现数据要素可信体系架构设计。
4.2.4 市场反馈与治理
为促进数据交易市场的可持续发展，还需要构建数据交易市场的反馈机制，以实现平台对市场交易的多源信息监控，为平台实施措施治理违规行为提供保障，其基础在于平台与交易主体的实时互动。
当前，数据交易平台多数采用自律监管方式，数据供应商和数据需求方成为平台会员，并遵守平台交易规则[42]。很多学者主张平台需要从制度规范、组织保障、技术支撑等方面进行监管。在制度规范方面，一些研究者认为，监管制度应包括信息披露、数据使用合规和风险控制等方面的规定[43]。在国外，美国联邦委员会发布了数据经纪商的实践和运营报告，呼吁立法限制数据经纪商的数据范围[44]。欧盟的GDPR框架为消费者提供了新的权益，但尚未解决数据经纪商在监控资本中的潜在作用，需要更严格的政策解决方案和国际通用的数据经纪商管理制度[45]。在组织机构层面，有学者建议，建立政府层面的数据交易监管机构，并引入第三方监管，同时发挥社会组织的作用[46]。还有学者建议，建立一个独立的跨国监管机构，统一数据开放标准，强制数据可移植性和可访问性，监管数据交易平台和其他市场参与者[47]。
然而现有数据平台监管治理机制尚处在设想阶段，国内市场平台尚处在早期发展，需要针对国内平台实践制定一套完善的平台监管与治理机制，以保障数据交易多边平台运营的合规与高效。需要从平台监管主体及其角色、监管制度、市场反馈机制、监管制度与市场反馈机制的互动关系四个方面开展研究。具体来说，首先需要明确数据要素市场监管主体的角色、职责、权限、结构及其运作方式，作为数据要素平台监管制度建设的基础；然后对现有数据交易多边平台进行调研，分析出其监管制度的特征与实施现状，并针对其尚存在的问题提出完善方案；同时，基于现有理论模型对数据市场的反馈机制进行研究设计，以疏通监管制度下决策支持数据的获取渠道；最后，在以上研究的基础上对市场监管与反馈机制进行耦合性分析，探究其二者的互动关系，并制定实时更新的治理策略。
5
数据要素交易多边平台的研究框架
数据要素交易多边市场可以看作为一种复杂的社会技术系统，在其中，多边交易主体以及其他利益相关体作为社会技术系统中的社会系统，而平台运营中的技术设计与技术体系则是影响多边交易主体关系结构的技术系统，以社会技术系统理论为框架探究数据要素交易过程的研究进路，可以为数据要素高效市场化配置提供指导，研究框架如图6所示。
图6 基于社会技术系统的数据要素交易多边平台研究框架
5.1 数据要素交易多边平台研究维度
社会技术系统常用于解决复杂管理问题，由社会系统和技术系统构成，包含（非）正式组织、技术系统、参与者等元素；社会系统不能独立于技术系统，且技术系统的变化会影响社会系统的变化，元素内部以及系统和环境之间存在依赖、竞争、关联等相互作用[48]。复杂社会技术系统视角的宏观层面聚焦于安全管理和技术优化等可持续性发展问题，微观层面强调个体或组织的表现、行为和决策等[49]。厘清社会系统的发展要素和技术系统的内在机理，明确元素间的关系作用及层级间的过渡与互动演化，有助于平台协调各交易主体进行数据交易流程的完善、可信、可控，并促进数据要素在数据交易与使用中的价值增长。在这一研究框架下，主要研究可分为以下三个部分。
5.1.1 用户激励准入
在社会技术系统中，社会系统包括了人、人与人之间的关系及其之间形成的权力结构，在组织变革的过程中，社会系统的更新会受到技术系统建设的影响[50]。社会技术系统理论对于理解数据要素多边市场具有一定的借鉴意义。一方面，从多边市场的演进路径上来看，数据要素多边市场中市场主体之间的逻辑联系构成了一个复杂的社会系统。平台在制订措施促进流通交易的启动与可持续运营时，需要考虑市场主体之间的动态博弈，在定价、磋商等管理规划过程中以博弈视角考虑利益分配的动态均衡。另一方面，从多边市场的市场构成来看，各市场主体的需求、主体特征以及交易行为各环节的影响因素等，也是从社会系统角度探索数据交易平台建设的重要一环。
（1）多边主体动态博弈
在实际数据交易中，由于牵涉多方利益相关主体，不同主体之间的目标和利益又存在差异，多方主体之间的博弈成了不可避免的现象。加之数据安全、商业机密和隐私等原因，各利益相关主体之间的博弈关系更是错综复杂，需要明确平台中的参与者及其利益相关者等多方主体，探索在交易平台中数据交易的影响因素，并基于此建立交易平台多主体博弈的模型与基本假设，通过演化博弈与仿真模拟探究交易平台的多主体博弈目标选择与路径实现，为平台的运营与治理奠定基础。目前基于演化博弈方法分析数据交易的研究主要是针对政府或企业某个单一主体[51-52]，很少有研究从整体角度考虑数据全生命周期内多个主体的交易参与情况。此外，大多数研究从传统博弈视角出发[53-54]，而融合演化博弈的相关研究则相对较少。
（2）交易主体需求分析
平台在进行数据交易市场的管理时，需要考虑数据要素交易主体的需求。如激励交易阶段，需要以数据供需双方的需求为基础，对主体间参与平台交易的决策行为影响因素进行因果推断；在数据交易匹配阶段，用户需求是进行数据产品以及主体推荐的前提，通过需求数据建立用户画像，可以提升交易匹配效率。而当前尚未有针对数据产品供需主体参与平台交易的决策影响因素进行的研究[28]，在数据要素市场化配置的主旋律下，数据平台需要对交易主体交易各阶段的需求进行分析，为数据市场的运营治理提供依据。
（3）监管主体特征提取
数据交易监管是指政府或行业组织对数据交易市场的规范和监督，以确保数据交易的合法性、公平性和透明性。尤其是在公共数据交易方面，政府数据的来源归属以及用途的盈利或非盈利性质，需要政府方面以及平台的多方监管与治理，现有研究较少对数据要素流通交易多边平台的监管制度展开探讨，需要厘清相关监管主体及其角色，系统梳理当前监管制度的目标、监管主体的特征，同时针对数据提供者、数据使用者、数据服务商等不同主体，剖析监管制度实施中存在的痛点，并提出有效的解决方案。
5.1.2 支撑技术维度
在社会技术系统中，技术系统由任务和技术组成，在平台技术架构的过程中，技术系统的建设同样会受到社会系统的需求影响。从技术系统来剖析数据要素交易各环节的管理运营具有一定价值。一方面，在根据市场需求搭建平台时，需要采用相应技术进行功能实现，对于相关技术的设计研发一定程度上决定了数据平台的管理方式与策略。另一方面，数据交易平台在推动市场和谐健康发展的过程中，必然将数据技术嵌入到数据交易的运营过程中，如基于区块链技术进行数据要素交易全流程的可信保障，基于深度学习进行数据交易撮合以及数据交易主体的推荐。
（1）可信技术设计
为确保数据要素交易市场的正常运行和发展，需要对数据的可信度进行深入的研究和评估。区块链加密算法、共识机制等技术，为当前产业链数据流通面临的侵权难究、安全隐患难除等突出问题提供了有效解决途径。设计基于区块链的可追溯性数字水印，利用数字水印储存相关确权信息等，可以在复杂的数据修改、加工和流通中明确数据信息授权，厘清产权主体各方以何种比例分享数字红利并承担数据隐私保护责任。此外，设计基于数据差分隐私技术的数据交易隐私保护机制，可以为数据交易提供一种平衡，既能支持数据的有效利用，又能确保交易主体隐私不受侵犯，增强数据交易环境的可信。
（2）匹配模型优化
在由数据供给方、数据需求方和数据交易平台等构成的数据要素多边市场中，各参与主体采用何种策略才能确保供需双方达到最优匹配，是数据交易平台保持可持续发展所必须考虑的问题。需要从网络演化博弈的角度构建数据要素交易供需匹配模型，探寻参与主体间不同策略选择的相互影响。首先，分析各参与主体的策略选择以及均衡点的稳定性，针对数据交易平台、数据供给方和数据需求方的策略选择作出假设。然后，梳理数据交易平台、数据供给方和数据需求方各参与主体间的博弈关系，建立博弈收益矩阵。最后，根据构建的博弈匹配模型对多主体策略的演化稳定性进行分析，从演化博弈模型稳定和演化稳定策略对数据交易匹配模型进行优化。
（3）技术赋能体系
在数字技术赋能下，平台构建应充分利用人工智能、机器学习等技术大幅度提升匹配算法和数据要素产品推荐模型的效率和性能，包括语义理解、数据挖掘、边缘计算、用户画像等关键技术，以支撑特定领域研究的算法和模型、认证授权和质量监测服务。综合性数据要素平台还需要提供对海量数据的计算分析服务，支持对大数据进行高可靠、高性能的并行计算，支持以用户需求为导向的多种数据分析场景。在平台实践中，关键技术作为承接数据资源与核心功能的重要保障环节，其功能主要体现在两个方面：一是能够对原始数据层的各类资源进行融合，显著增强数据的可用性；二是根据用户需求场景，挖掘各类数据资源并进行可视化展示，实现数据与劳动生产活动的双向弹性互动。因此，可以从数据、用户以及赋能三个方面建立起一套系统的数据交易平台技术赋能体系。
5.1.3 主体与技术交互维度
推进组织变革的要素并不是孤立存在，而是需要在相互协同中形成技术系统和社会系统的互动。平台技术架构会受到数据要素市场的功能需求以及市场主体关系变化的影响，而技术维度的建设也会正向促进平台治理方式的调整转变。因此，以市场主体与技术交互的维度探究数据要素交易多边平台是数据要素市场化配置的必由之路，具体来说可以从以下几个步骤进行：首先，可以分析面向数据要素市场的互动关系演化，分析数据要素市场的技术环境与各交易主体互动行为，揭示其生态系统中的主体互动关系演化态势。其次，构建技术赋能下数据要素交易市场的系统动力学模型，并判断其是否能在一定程度上拟合真实交易场景。最后，进行多种交易场景的计算实验推演，尝试不同的参数组合，在计算机上进行大规模随机重复实验，得到最优实验结果对应的参数组合、配套机制和配套政策。通过对市场主体与数字技术交互过程的模拟与仿真实验，分析推演多种交易情境下平台协调管理的最佳手段。
5.2 数据要素交易多边平台研究的理论基础
数据要素交易多边平台的相关研究需要一定理论模型进行支撑，在以下研究框架中，通过优化整合现有理论模型能够更好地进行数据要素交易多边平台的研究。如表3所示。
表3 数据要素平台研究的相关理论模型
（1）市场主体层面，演化博弈理论有助于寻找尽可能使自身利益最大化的平台目标选择及实现路径，在多边交易主体的动态交互过程中探寻博弈过程的均衡解。根据复杂网络理论，由于在实际场景中，每个主体代表的节点都有自己特定的联系节点，节点间的联系不是完全随机或者完全耦合的[55]，而是更接近于网络结构的。复杂网络的系统观视角有助于对多主体参与的平台运营与治理进行研究。此外，复杂网络为探索和研究有限理性主体间的持续博弈和动态策略选择过程提供了更贴合现实的研究范式[56]。价值共创的概念认为价值不是由单一主体独立创造的，可以由供需方共同创造价值，主体间的互动是价值共创的基本实现方式。基于价值共创理论的数据产品多边平台激励机制的本质在于，不同主体间针对数据资源进行博弈，寻找各主体可以良好合作的均衡解。行为决策理论是从组织行为学的角度探讨决策过程的理论，在多边平台中能为平台激励数据产品供需方参与平台交易的决策行为提供启示。社会影响理论、社会学习理论和需求层次理论属于社会心理学理论范畴，探讨市场环境对交易个体态度、信念、价值观和行为的影响。在数据要素交易多边平台中，研究社会因素对于不同主体的决策行为影响，有助于理解交易主体进行的决策行为，探索影响交易主体交互的关键因素。
（2）平台技术层面，主要围绕产品定价、交易匹配以及平台建设三个方面介绍支撑理论模型。在产品定价方面，科斯定理认为经济的外部性或者说非效率可以通过当事人的谈判而得到纠正，从而达到社会效益最大化，是供需双方协同定价的重要参考；市场结构模型是指在已知某一相同或类似行业品牌价值的前提下，通过比较来得出自己品牌的价值；定价策略模型是指企业根据市场需求、成本结构、竞争环境等因素，制定出能够最大化利润的定价方法和策略的模型；市场结构模型和定价策略模型能够帮助数据交易平台设计合理多元的定价策略，构建定价模型。
在交易匹配方面，六度分隔理论提出将任意两个互相认识的熟人之间定义为一度分隔，两个人只需要不超过五个中间人就可以通过熟人网络连接到任意指定的另一个人[57]。Strogatz[58]把网络分成规则网络和复杂网络两种，而复杂网络又分为随机网络、小世界网络和自相似网络。六度分隔理论和小世界网络大大降低了网络的庞大性和匹配的复杂性。而市场中的双边就是指事先被指定好的两个互不相交的集合，而双边匹配是指在这些市场中双边代理人的匹配[59]。在网络科学理论视角下，相关研究能够探究多边市场的网络结构，以帮助平台设计匹配技术模型以及制定相应的匹配策略。
在平台建设方面，瀑布模型是一个项目开发架构，它的开发过程是通过设计一系列阶段顺序展开的，从系统需求分析开始直到产品发布和维护，每个阶段都会产生循环反馈，包括软件工程开发、企业项目开发、产品生产以及市场销售等，它对于平台建设有着指向性作用。平台建设的治理体系和治理机制，应基于数据生命周期对其进行质量管理、资产管理、风险管理等的统筹协调[60]。
（3）主体与技术交互层面，数据要素交易多边平台市场反馈机制是一种综合信息流动、互动和影响的生态系统，信息生态的理论视角强调信息和互动在多边平台中的关键作用，有助于理解市场反馈机制的构成和运作[61]。价值链理论则强调企业的价值创造是通过一系列活动构成的，可以应用价值链理论来分析和优化数据要素市场中价值的创造和交换过程。技术接受模型（Technology Acceptance Model，TAM）用于解释个人对新技术采纳的决策过程。在数据交易多边平台中，TAM可以帮助理解交易主体对平台的采用和接受程度。刺激-机体-反应（Stimulus-Organism-Response，SOR）理论框架阐释了人们对外部刺激作出反应的过程。在信息系统领域中，SOR框架被用来解释人们对技术或信息系统的反应，将外部刺激、个体特征和反应联系起来，分析技术引入对个体和组织产生的影响。
6
结语
数据要素平台建设是数字时代国家实施数据要素市场化配置的重要内容，统一完善数据交易平台的构建能够引领数据要素生态的平衡。本文通过对现有研究的梳理以及实践案例的调查，分析了数据交易平台的运营形式、技术体系以及运营模式，以价值链的视角分析数据要素平台现存问题与挑战并提出了相应的突破路径，并从社会技术系统维度提出了数据要素交易多边平台研究框架，以期为数据要素平台相关研究的突破提供思路。
在数字时代，数据要素交易关乎经济的持续健康发展。统一的数据交易平台、完善的市场管理制度、可信的市场交易环境、清晰的数据权属与利益分配规则，是形成稳定数据要素市场的重要前提。在这些方面，仍需学界进一步探究数据要素交易过程中重点、难点、痛点问题的解决方案，为形成数据要素交易的统一市场，提出数据要素市场化配置的中国方案而贡献力量。
参考文献
[1] 蔡继明,刘媛,高宏,等.数据要素参与价值创造的途径——基于广义价值论的一般均衡分析[J].管理世界,2022,38(7):108-121.(Cai J M，Liu Y，Gao H，et al．The approach of data factor participating in value creation：A general equilibrium analysis based on the general theory of value[J]．Journal of Management World，2022，38(7)：108-121.)
[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[EB/OL].[2023-12-02]. https://www.gov.cn/zhengce/2020-04/09/content_5500622.htm.(Guideline of the Central Committee of the Communist Party of China and the State Council on Improving the Market-based Allocation Mechanism of Production Factors[EB/OL].[2023-12-02].https://www.gov.cn/zhengce/2020-04/09/content_5500622.htm.)
[3] 国家数据局成立恰逢其时意义深远[EB/OL].[2023-12-02].https://www.ndrc.gov.cn/wsdwhfz/202311/t20231107_1361831.html.(The establishment of the National Data Bureau comes at a timely and far-reaching time[EB/OL].[2023-12-02].https://www.ndrc.gov.cn/wsdwhfz/202311/t20231107_1361831.html.)
[4] 刘金钊,汪寿阳.数据要素市场化配置的困境与对策探究[J].中国科学院院刊,2022,37(10):1435-1444.(Liu J Z，Wang S Y．Dilemmas and suggestions on market-based data allocation[J]．Bulletin of Chinese Academy of Sciences，2022，37(10)：1435-1444.)
[5] 黄丽华,窦一凡,郭梦珂,等.数据流通市场中数据产品的特性及其交易模式[J].大数据,2022,8(3):3-14.(Huang L H，Dou Y F，Guo M K，et al．Features and transaction modes of data products in data markets[J]．Big Data Research，2022，8(3)：3-14.)
[6] 马费成,吴逸姝,卢慧质.数据要素价值实现路径研究[J].信息资源管理学报,2023,13(2):4-11.(Ma F C，Wu Y S，Lu H Z．Research on the path to realize the value of data elements[J]．Journal of Information Resources Management，2023，13(2)：4-11.)
[7] 李爱君.数据要素市场培育法律制度构建[J].法学杂志,2021,42(9):17-28.(Li A J．Legal system：To cultivate market of factors of production of data[J]．Law Science Magazine，2021，42(9)：17-28.)
[8] 梁平汉.数据视角下智慧治理值得探讨的几个问题[J].国家治理,2021(9):20-24.(Liang P H．Several problems worth discussing in smart governance from the perspective of data[J]．Governance，2021(9)：20-24.)
[9] 刘奕,李清逸,姜莱.基于数据价值链的数据要素交易机制创新研究[J].学习与探索,2023(4):88-97.(Liu Y，Li Q Y，Jiang L．Research on innovation of data element trading mechanism based on data value chain[J]．Study & Exploration，2023(4)：88-97.)
[10]Hagiu A, Wright J. Multi-sided platforms[J]. International Journal of Industrial Organization, 2015, 43: 162-174.
[11]范文婷,张志强.多边数字阅读平台:概念、分类与多维属性[J].现代出版,2023(2):85-92.(Fan W T，Zhang Z Q．Concept，classification and multi-dimensional attributes of multi-sided digital reading platform[J]．Modern Publishing，2023(2)：85-92.)
[12]Rochet J C, Tirole J.Two-sided markets: A progress report[J]. The RAND Journal of Economics, 2006, 37(3):645-667.
[13]郑小碧,季垚.双边市场、多边市场与经济高质量发展——分工网络的超边际一般均衡分析[J].研究与发展管理,2022,34(2):27-40.(Zheng X B，Ji Y．Two-sided markets，multi-sided markets and high-quality economic development-Inframarginal general equilibrium analysis of labor division network[J]．R&D Management，2022，34(2)：27-40.)
[14]Rochet J C, Tirole J. Platform competition in two-sided markets[J]. Journal of the European Economic Association, 2003, 1(4):990-1029.
[15]胡海波,卢海涛,王节祥,等.众创空间价值共创的实现机制:平台视角的案例研究[J].管理评论,2020,32(9):323-336.(Hu H B，Lu H T，Wang J X，et al．Realization mechanism of crowd innovation spaces’value co-creation：Case studies based on the perspective of platform[J]．Management Review，2020，32(9)：323-336.)
[16]Meyer M H, Lehnerd A P. The power of product platforms[M]. New York: Simon and Schuster, 1997.
[17]黄卓,张晓冬.数据商和第三方专业服务机构的培育动力机制研究[J].社会科学辑刊,2023(6):165-172.(Huang Z，Zhang X D．Study on the cultivation mechanism for data brokers and third-party professional service providers[J]．Social Science Journal，2023(6)：165-172.)
[18]赵需要,姬祥飞,郭义钊.创新激励目标下数据交易平台运行影响因素模型构建研究——以贵阳数据交易平台为例[J].现代情报,2023,43(4):101-112,124.(Zhao X Y，Ji X F，Guo Y Z．Research on the model construction of the influencing factors of data exchange platforms under the innovation incentive target-Taking Guiyang data exchange platform as an example[J]．Journal of Modern Information，2023，43(4)：101-112，124.)
[19]王卫,张梦君,王晶.大数据交易业务流程中的风险因素识别研究[J].情报理论与实践,2019,42(9):80-85.(Wang W，Zhang M J，Wang J．Research on risk factor identification in business process of big data transaction[J]．Information Studies：Theory & Application，2019，42(9)：80-85.)
[20]陈宏民,熊红林,胥莉,等.基于平台视角下的数据交易模式及特点分析[J].大数据,2023,9(2):56-66.(Chen H M，Xiong H L，Xu L，et al．Analysis of data trading model and characteristics based on platform perspective[J]．Big Data Research，2023，9(2)：56-66.)
[21]王卫,张梦君,王晶.国内外大数据交易平台调研分析[J].情报杂志,2019,38(2):181-186,194.(Wang W，Zhang M J，Wang J．Research and analysis of big data trading platforms at home and abroad[J]．Journal of Intelligence，2019，38(2)：181-186，194.)
[22]朱典.区块链技术在政务领域的应用探索[J].信息安全研究,2022,8(12):1223-1230.(Zhu D．Application of blockchain technology in government affairs[J]．Journal of Information Security Research，2022，8(12)：1223-1230.)
[23]贵阳大数据交易所[EB/OL].[2023-12-02].https://www.gzdex.com.cn/.(Guiyang Big Data Exchange[EB/OL].[2023-12-02].https://www.gzdex.com.cn/.)
[24]刘金红,赵延君,黄荣.产业价值链视角下我国农产品电子商务发展探讨[J].商业经济研究,2017(24):133-136.(Liu J H，Zhao Y J，Huang R．Discussion on the development of agricultural products e-commerce in China from the perspective of industrial value chain[J]．Journal of Commercial Economics，2017(24)：133-136.)
[25]Schneider P A. The future of competition: Co-creating unique value with customers[J]. Journal of Product & Brand Management, 2005, 14(5): 348-348.
[26]Lambert D M, Enz M G. Managing and measuring value co-creation in business-to-business relationships[J]. Journal of Marketing Management, 2012, 28(13-14): 1588-1625.
[27]Tian L, Li J, Li W, et al. Optimal contract-based mechanisms for online data trading markets[J]. IEEE Internet of Things Journal, 2019, 6(5): 7800-7810.
[28]刘传明,陈梁,魏晓敏.数据要素集聚对科技创新的影响研究——基于大数据综合试验区的准自然实验[J].上海财经大学学报,2023,25(5):107-121.(Liu C M，Chen L，Wei X M．Impact of data element agglomeration on scientific and technological innovation：A quasi-natural experiment based on big data comprehensive pilot areas[J]．Journal of Shanghai University of Finance and Economics，2023，25(5)：107-121.)
[29]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(4):27-31.(Cao B，Li J L，He N．A preliminary discussion on the incentive mechanism of data element transaction[J]．Democracy & Science，2022(4)：27-31.)
[30]李 ,徐永兴,武川.科技创新服务平台供需匹配决策[J].系统工程,2021,39(4):30-39.(Li Y，Xu Y X，Wu C．The supply-demand matching decision of science and technology innovation service platform[J]．Systems Engineering，2021，39(4)：30-39.)
[31]李纲,余辉,毛进.基于多层语义相似的技术供需文本匹配模型研究[J].数据分析与知识发现,2021,5(12):25-36.(Li G，Yu H，Mao J．Matching model for technology supply and demand texts based on multi-layer semantic similarity[J]．Data Analysis and Knowledge Discovery，2021，5(12)：25-36.)
[32]张笛,张娜,闫书丽.兼顾满意与稳定的应急救援服务供需匹配决策[J].计算机工程与应用,2023,59(22):300-306.(Zhang D，Zhang N，Yan S L．Matching decision making of emergency rescue services supply and demand considering satisfaction and stability[J]．Computer Engineering and Applications，2023，59(22)：300-306.)
[33]晏鹏宇,杨柳,车阿大.共享制造平台供需匹配与调度研究综述[J].系统工程理论与实践,2022,42(3):811-832.(Yan P Y，Yang L，Che A D．Review of supply-demand matching and scheduling in shared manufacturing[J]．Systems Engineering：Theory & Practice，2022，42(3)：811-832.)
[34]蒋忠中,喻海飞,盛莹.电子中介中多数量的多属性商品交易匹配模型与算法[J].系统管理学报,2010,19(5):593-600.(Jiang Z Z，Yu H F，Sheng Y．A model and its algorithm for multiple units of multi-attribute commodity exchange matching in electronic brokerage[J]．Journal of Systems & Management，2010，19(5)：593-600.)
[35]Liang D, He X, Xu Z, et al. Multi-attribute strict two-sided matching methods with interval-valued preference ordinal information[J]. Journal of Experimental & Theoretical Artificial Intelligence, 2022, 34(4): 545-569.
[36]王莉静,马志鑫,徐梦杰.考虑企业多种属性的共享制造平台供需双边匹配模型研究[J/OL].计算机集成制造系统.[2024-01-07].http://kns.cnki.net/kcms/detail/11.5946.TP.20231020.1745.008.html.(Wang J L，Ma Z X，Xu M J．Supply-demand matching model of shared manufacturing platform considering multiple enterprise attributes[J/OL]．Computer Integrated Manufacturing Systems．[2024-01-07]．http://kns.cnki.net/kcms/detail/11.5946.TP.20231020.1745.008.html.)
[37]李凌霄,袁莎,金银玉.基于区块链的联邦学习技术综述[J].计算机应用研究,2021,38(11):3222-3230.(Li L X，Yuan S，Jin Y Y．Review of blockchain-based federated learning[J]．Application Research of Computers，2021，38(11)：3222-3230.)
[38]朱建明,张沁楠,高胜,等.基于区块链的隐私保护可信联邦学习模型[J].计算机学报,2021,44(12):2464-2484.(Zhu J M，Zhang Q N，Gao S，et al．Privacy preserving and trustworthy federated learning model based on blockchain[J]．Chinese Journal of Computers，2021，44(12)：2464-2484.)
[39]Miao X, Peng H, Huang X, et al. Modern data pricing models: Taxonomy and comprehensive survey[EB/OL].[2023-12-15].http://arxiv.org/abs/2306.04945.
[40]Heckman J R, Boehmer E L, Peters E H, et al. A pricing model for data markets[C]//Proceeding of the iConforence, California. iSchool，2015：1-12．
[41]Shen B, Shen Y, Ji W. Profit optimization in service-oriented data market: A Stackelberg game approach[J]. Future Generation Computer Systems, 2019, 95: 17-25.
[42]张敏.包容审慎监管：数据交易的平台监管进路研究[J].河北学刊,2023,43(1):201-209.(Zhang M．Prudent supervision：Research on platform supervision approach of data transaction[J]．Hebei Academic Journal，2023，43(1)：201-209.)
[43]王 .数据交易场所的机制构建与法律保障——以数据要素市场化配置为中心[J].江汉论坛,2021(9):129-137.(Wang J．Mechanism construction and legal guarantee of data exchange place-Taking the market-oriented allocation of data factor as the core[J]．Jianghan Tribune，2021(9)：129-137.)
[44]Yeh C L. Pursuing consumer empowerment in the age of big data: A comprehensive regulatory framework for data brokers[J]. Telecommunications Policy, 2018, 42(4): 282-292.
[45]Kollnig K, Binns R, Van Kleek M, et al. Before and after GDPR: Tracking in mobile apps[J]. Internet Policy Review,2021,10(4):1-30.
[46]茶洪旺,袁航.中国大数据交易发展的问题及对策研究[J].区域经济评论,2018(4):89-95.(Cha H W，Yuan H．The main problems and countermeasures in the development of big data transaction in China[J]．Regional Economic Review，2018(4)：89-95.)
[47]Reviglio U. The untamed and discreet role of data brokers in surveillance capitalism: A transnational and interdisciplinary overview[J]. Internet Policy Review, 2022, 11(3): 1-27.
[48]Trist E L, Bamforth K W. Some social and psychological consequences of the longwall method of coal-getting: An examination of the psychological situation and defences of a work group in relation to the social structure and technological content of the work system[J]. Human relations, 1951, 4(1): 3-38.
[49]吴江,邹柳馨,胡忠义.大数据环境下电子商务学科的智能化转型和商务智能研究[J].图书情报知识,2020(5):94-103.(Wu J，Zou L X，Hu Z Y．Intelligent transition and business intelligence research of electronic commerce in the era of big data[J]．Documentation，Information & Knowledge，2020(5)：94-103.)
[50]李政蓉,郭喜.信息技术赋能的政府治理创新——基于社会技术系统理论的要素框架[J].科学管理研究,2023,41(2):111-116.(Li Z R，Guo X．Government governance innovation empowered by information technology：Element framework based on socio-technical system theory[J]．Scientific Management Research，2023，41(2)：111-116.)
[51]Mahmoudi R, Rasti-Barzoki M. Sustainable supply chains under government intervention with a real-world case study: An evolutionary game theoretic approach[J]. Computers & Industrial Engineering, 2018, 116: 130-143.
[52]吴洁,车晓静,盛永祥,等.基于三方演化博弈的政产学研协同创新机制研究[J].中国管理科学,2019,27(1):162-173.(Wu J，Che X J，Sheng Y X，et al．Study on Government-industry-university-institute collaborative innovation based on tripartite evolutionary game[J]．Chinese Journal of Management Science，2019，27(1)：162-173.)
[53]王娟,王赟芝,曹芬芳.大数据时代政府数据开放共享的博弈分析——基于不完全信息动态模型[J].情报科学,2018,36(11):17-22,87.(Wang J，Wang Y Z，Cao F F．Gaming analysis of government data opening and sharing in the big data era based on incomplete information dynamic model[J]．Information Science，2018，36(11)：17-22，87.)
[54]Sun Q, He Y, Wang Y, et al. Evolutionary game between government and ride-hailing platform: Evidence from China[J]. Discrete Dynamics in Nature and Society, 2019：9545102．Doi：10.1155/2019/9545102．
[55]荣智海. 复杂网络上的演化博弈与机制设计研究[D].上海：上海交通大学,2009.(Rong Z H．The study of evolutionary game and mechanism design on complex networks[D]．Shanghai：Shanghai Jiao Tong University，2008.)
[56]Weibull J W. Evolutionary game theory[M]. Cambridge：MIT Press, 1997.
[57]Karinthy F. Minden másképpen van:(tvenkét vasárnap)[M]. Newcastle：Athenaeum Press, 1928.
[58]Strogatz S H. Exploring complex networks[J]. Nature, 2001, 410(6825): 268-276.
[59]沈丽,石彦.双边匹配理论及其在金融市场应用的研究综述[J].金融发展研究,2013(6):20-23.(Shen L，Shi Y．Literature review of bilateral matching theory and its application in the financial market[J]．Journal of Financial Development Research，2013(6)：20-23.)
[60]高翔,刘红英,李艳,等.基于大数据的国企资产管理研究与实践[J].科技经济市场,2022(7):64-66.(Gao X，Liu H Y，Li Y，et al．Research and practice on asset management of state-owned enterprises based on big data[J]．Science & Technology Ecnony Market，2022(7)：64-66.)
[61]吴江,曹喆,陈佩,等.元宇宙视域下的用户信息行为：框架与展望[J].信息资源管理学报,2022,12(1):4-20.(Wu J，Cao Z，Chen P，et al．Users' information behavior from the perspective of metaverse：Framework and prospect[J]．Journal of Information Resources Management，2022，12(1)：4-20.)
（收稿日期：2024-01-22）
作者简介
吴江，博士，教授，研究方向为数字平台与科技赋能；
袁一鸣（通讯作者），博士研究生，研究方向为信息行为、数据智能，Email：yuanyiming361@163.com；
贺超城，博士，副教授，研究方向为计算社会科学，信息计量学、社会网络计算；
钱龙，战略总监，硕士，研究方向为智能决策与组织行为、数据要素与产业经济；
杜乐，执行总经理，硕士，研究方向为数据要素和大数据应用；缪佳蕊，本科生，研究方向为数据要素平台。
*原文载于《信息资源管理学报》2024年第3期，欢迎个人转发，公众号转载请联系后台。
* 引用格式
吴江，袁一鸣，贺超城，等.数据要素交易多边平台研究：现状、进路与框架[J].信息资源管理学报，2024,14(3):4-20.
往期 · 推荐
往期荐读 2024年第2期 | 大模型时代下全文计量分析的应用与思考 ——2023全文本文献计量分析学术沙龙综述
往期荐读 2024年第2期 | 健康信息甄别中任务难度对大学生APP使用行为的影响
▲点击访问信息资源管理学报小程序
制版编辑 | 周凡倩
审核 | 于 媛
长按识别二维码关注我们
信息资源管理学报
微信号
xxzyglxb
分享、在看与点赞
只要你点，我们就是朋友😊