1. 引言
随着数字经济的深化发展，数据要素已成为继土地、劳动力、资本和技术后的第五大核心生产要素。2024年1月，国家数据局在《“数据要素×”三年行动计划(2024~2026年)》中，明确提出以“数据流通”为核心抓手，通过交易、共享、开放等模式释放数据价值。目前各级各层次数据交易平台发展迅速，截至2025年，我国已建成30余个省级数据交易平台，使数据交易成为我国实现数据交易流通的重要手段，也是最有利于促进数据高效流通的一种市场化方式。然而，数据交易仍面临数据质量低、交易主体的交易意愿不足与交易规模与市场规模不成正比等问题，亟需构建一个系统性的分析框架，深入揭示数据交易实现的内在逻辑，为政策设计和实践应用提供科学依据和理论支持。因此，本文研究的核心问题是如何从理论角度构建一个合理的数据交易框架，并提出有效的提升路径来克服现实障碍，以期更好地利用数据要素推动数字经济的发展。
当前数据交易研究主要围绕“产权分配–技术创新–体系构建”形成递进逻辑，其理论根基分散于多学科领域，主要包括制度经济学视角与生态系统视角。制度经济学是数据交易模式设计的核心理论支撑，其核心议题聚焦产权界定、估值定价与利益分配上。数据确权上，学者突破传统物权框架，探索适配的数据产权模式。如将数据权定义为具有相对独立性的新型民事权利，并结合数据的多重属性，分别确定数据权利的配置规则[1]；同时针对数据可复制性、非排他性等特征，构筑包含所有权、使用权、管理权、平台权等在内的多权分离的产权配置[2]。估值定价从不同视角进行了研究，如基于客户感知价值理论，从价格价值、功能价值、竞争价值、情感价值和社会价值五个维度提出定价机制[3]。此外，博弈论既是现代数学的一个新分支，也是运筹学的重要学科，已经成为经济学的标准分析工具之一，不少学者认为在数据市场中，参与者的行为都是自私且理性的，以自身利益最大化为目标[4]，从博弈论的视角对数据交易的权益分配进行研究讨论。信息生态系统理论则将数据交易视为“主体–客体–环境”互动的生态系统，丁波涛[5]基于信息生态理论指出数据要素市场生态系统由信息本体、信息主体和信息环境构成，而且随着数据要素市场演进，其生态系统将更为复杂。林镇阳[6]等学者基于数据应用的现实需求，探究了数据要素市场化的核心机制、运行机理和法律制度需求。将数据要素市场化配置框架细分为数据主体、数据业务主体和制度规范三个维度，探索包括数据提供方、数据需求方、数据运营平台、生态技术服务商、平台监管者多元主体在内的数据要素市场化生态系统的运行规律。行动者网络理论作为补充，如黄梅银[7]等学者通过构建行动者互动分析框架，探究了如何动员、吸引各类行动主体参与并促进其连接互动，激活数据生态系统运转更新。
在此背景下，价值共创可以促进多主体间进行资源的整合与交互，增强主体交易意愿，与数据交易模式高度契合，为破解数据交易效能瓶颈提供了新的视角。价值共创理论源于Vargo & Lusch (2004)的服务主导逻辑(SDL)，核心观点是价值共创作为利益相关者间共同合作、共同创造价值的过程[8]。国内已有不少学者探讨数据要素与价值共创的研究，但多聚焦政府数据开放场景，如侯晓丽[9]围绕数据流通探讨政府开放数据的生态链上各节点价值共创机理，探究各节点的优化策略；黄平平[10]引入服务生态系统理论，探究政府数据开放服务生态系统价值共创模式。在此基础上，赵龙文[11]通过识别平台在数据应用中的关键作用，以价值共创为目标，构建以平台为核心的政府开放数据应用生态系统。这种“公共场景偏好”导致研究结论难以迁移至市场化数据交易场景，数据交易作为数据流通的关键实现途径，亟须从“开放生态”到“交易生态”的价值共创重构。
现有研究已为数据交易提供多学科理论基础，但仍存在三大缺口：一是缺乏对多理论的系统整合；二是价值共创等理论多局限于政府开放场景，难以迁移至市场化交易；三是研究视角多聚焦竞争性，忽视主体博弈合作与生态协同过程。因此本研究整合制度经济学，聚焦利益分配问题与信息生态理论，解决主体、客体、环境的协同问题，以价值共创为核心逻辑纽带，构建主体、客体、机制、环境协同的数据交易价值共创理论框架，形成“问题诊断–框架设计–路径生成”的递进范式，填补“开放生态”到“交易生态”的价值共创理论缺口。
2. 数据交易平台的现状调研与问题诊断
数据交易平台是在政府支持下，由市场主体建立交易平台，并开展数据交易服务，是数据交易的主要实现平台之一。2015年4月贵阳大数据交易所挂牌运营，标志着数据流通正式以交易平台的形式进入市场。随着《促进大数据发展行动纲要》的印发，2015~2017年我国数据交易所迎来了第一次布局高潮，多家数据交易所挂牌运营，推动了数据流通交易的高速发展。“数据二十条”的出台和国家数据局、地方数据主管部门的组建，数据交易平台再度迎来新一轮爆发性建设。根据国家工信安全发展研究中心数据，数据要素市场规模年均复合增长率超过20%，2025年数据要素市场规模将突破1749亿元，数据交易规模呈现空前繁荣局面。目前全国运营的交易平台超过60所，全国各省一地一平台的格局正在形成，数据交易所的数量和规模都有了显著提升，交易模式和服务也更加多样化。
2.1. 平台调研
为揭示如何在数据交易中实现价值共创，本文依据平台交易规模、业务完整性及区域代表性三个标准，选取全国30个活跃度最强的平台作为调研对象。通过网络调研法对平台官网、年度报告、行业白皮书等进行调研，收集交易领域、主体、产品、定价等信息；并在今年4月份进行了实地调研，走访上海数据交易中心，获取内部平台发展概况、数据交易报告等一手资料，补充微证依据。最终通过探究平台的产品领域、交易主体、数据分类以及交易业务现状，总结数据交易平台中数据的交易过程，发现其存在问题，为后续研究奠定基础。
2.2. 数据交易平台的基本现状
当前数据交易平台主要以政府为主导进行建设，大多采取国有全资、“国有资本 + 民营资本”共同持股两种股权架构和“政府指导 + 市场化运营”的运营模式。
2.2.1. 领域覆盖广泛化
从交易领域来看，数据交易平台所涉及的行业领域广泛，主要涵盖了金融(如风险控制、产品设计、市场预测等数据)、交通物流(如车辆、货物、人员流动等数据)、零售(主要包括消费者数据，如购物习惯、消费偏好、行为模式等数据)以及农业(如土壤、气候、作物生长等数据)等行业领域的数据，此外，还涉及医疗、制造业、通信、科研等多个领域的数据。
2.2.2. 交易主体多元化
数据交易平台的参与主体主要是数据供方与数据需方，但数据主体并不仅限于此，部分平台还涵盖了数据经纪人、数据商以及其他与数据交易相关的利益方。参与主体群体广泛，包括企业、政府、事业单位以及研究机构等。
2.2.3. 数据产品多样化
数据交易客体为数据相关产品。从产品分类来看，包括数据产品、数据服务、数据应用、算力资源以及算法工具。其中，数据产品是数据交易中的核心组成部分，它们基于原始数据经过一定的处理、整合和分析后形成，包括开发形成的核验接口(API)、数据集、数据报告等。这部分是数据交易平台交易的主要数据交易对象，所调研平台中均有此类产品。数据服务也是数据交易中重要组成部分，大部分数据交易平台交易基本由数据产品与数据服务构成。数据服务包括开展加工、清洗、标注、建模等数据处理服务。调研平台中只有七个平台没有该类数据交易产品，如山东数据交易平台，这些平台基本只有最基础的数据产品，没有衍生的其他交易对象。
从定价模式来看，目前平台中数据的定价主要有直接定价、按需定价以及供需双方自行商议三种模式，所调研的平台均存在供需双方自行商议的定价方式，这是在产品定价方式中所占比例最高的方式；再之后是按需定价方式，有按次收费与按时收费等；最后是直接定价方式，这种收费方式在调研中存在最少，仅个别产品使用该方式。
2.3. 数据交易平台中数据交易过程
数据交易业务主要围绕“数据供给–数据整合–数据开发–数据交易–数据利用”的数据流通过程展开，包括数据登记确权、数据治理、数据交易撮合、数据应用服务以及交易监管等业务，其数据流通过程见图1。
Figure 1. The data flow process on the data trading platform
图1. 数据交易平台中数据交易过程
在所调研的平台中只有浙江大数据交易中心、郑州数据交易中心、厦门数据交易平台、聚合数据四个平台明确提供了全面的数据治理业务，这一比例仅占调研总量的30%。大多数平台倾向于采取一种较为被动的模式，即要求数据卖方自行加工，将符合一定标准的数据产品上架进行交易。在所调研的平台中，有12个平台均开展了数据登记业务，占总体调研平台数量的40%，这些平台包括北京国际大数据交易所、广州数据交易所、贵阳大数据交易所、浙江大数据交易所、北部湾大数据交易中心等数据交易平台。可以看出，大部分平台已经意识到数据确权的重要性，并且大部分权威的数据交易平台都提供了该业务。数据交易业务系统是整个数据交易商业平台的核心，是数据流通的关键过程，所有调研平台均有该业务。最后是数据应用服务，所调研的平台中，有十个平台提供了数据应用服务，可以看出，目前数据交易平台发展越来越多样化，平台不拘泥于简单的数据产品交易，还提供数据的一系列增值服务，并充分融合进场景应用中，在应用场景的牵引下，促进数据的高效流通与有效流通。
2.4. 数据交易平台中数据交易存在的问题
经调研发现，虽然我国目前数据交易规模迅速增长，但仍存在以下问题：
1) 数据资源。存在数据质量参差不齐，缺乏有效的治理，对数据没有统一标准，定价依赖人工等问题。
2) 交易主体。存在交易参与主体交易意愿低，专业性不足的问题，个人消费者被排除在数据交易外等问题。
3) 数据交易平台。存在交易业务不健全问题。缺乏数据治理业务，阻碍了原始数据转变为可流通的数据产品的可能，以及数据质量参差不齐的问题；部分平台存在确权登记业务不明确，场景应用业务缺失的问题；平台的安全保障不足，国内数据安全保障技术尚未成熟。同时，平台同质化严重，缺乏针对单一领域的交易平台。
4) 数据市场。存在交易规范与交易激励不足，交易活跃度不足，数据流通规模市场规模不成正比，且市场呈现垄断格局，少量优势平台成交量大。
3. 数据流通价值共创实现框架构建
价值共创作为一种跨主体协同合作的理论框架，为解决数据流通中的痛点问题提供了新的视角。该框架见图2，着重于多主体间的资源整合与互动，旨在通过协同合作挖掘数据的潜在价值，进而提升交易效率并激发各主体的交易积极性。基于这一理念，学者构建了数据流通价值共创理论框架。该框架通过调整和优化内外部的市场环境，激励数据交易平台上的各个参与主体展开协同合作，实现数据“供给–整合–加工–利用–再供给”的流通循环，从而形成“价值共识–价值共生–价值共驱”的价值共创目标，并通过价值共创模式再激励数据流通的实现，达成数据流通与价值共创的良性循环，最终最大限度地释放数据价值。
3.1. 数据流通价值共创目标
价值共创通过“观念共识奠基–价值共生驱动–价值共赢实现”[12]的三阶递进逻辑实现，其本质是主体间认知对齐、资源互补与利益共享的系统性协同过程。而数据交易作为多主体价值交互的载体，通过“数据供给–数据整合–数据开发–数据交易–数据利用”的循环链路，实现要素价值的跨域挖掘与动态增值。这一链式过程与既有理论提出的“价值共识初创场”“价值共生交互场”“价值共融汇聚场”“价值共传实践场”四阶段模型[13]形成深度动态耦合。基于此，本文将数据交易价值共创分为价值发现阶段、价值释放阶段以及价值持续阶段三个阶段，提出“价值共识–价值共创–价值共驱”的数据交易价值共创实现目标。
Figure 2. Framework for realizing value co-creation in data transaction
图2. 数据交易价值共创实现框架
3.1.1. 价值共识
价值共识是消除主体间“数据认知鸿沟”的基础性阶段，其本质目标是实现多元主体(政府、企业、机构等)对数据资源潜在价值的认知协同。在此阶段，通过外部政策与制度的推动，各主体意识到资源与能力的个体局限，明确协同合作的必要性，并形成对协同合作目标、利益分配规则及风险责任的共同承诺，从而构建数据交易的认知基座。
3.1.2. 价值共生
价值共生是数据资源向可交易资产转化的核心环节。多元主体通过能力互补与资源整合，对数据进行有效开发与处理，完成“数据资源–标准化产品–场景化服务”的形态跃迁：需将数据转化为符合市场需求产品，从而充分激活其内在价值；再通过数据交易，将这些数据产品传递给数据需求主体，最终由需求方将数据嵌入应用场景释放效能，并通过衍生数据反哺供给网络，形成“资源输入–价值输出–生态反哺”的闭环链路，释放数据价值。
3.1.3. 价值共驱
价值共驱实现目标是维系数据流通持续性的动力。通过数据交易，使价值惠及数据流通中各参与主体，从数据交易内部强化参与者价值创造热情，从外部促进外部的感知影响力，吸引新主体加入，从而构建内外联动的双驱系统，达成“共识–共生–共驱”的演进模式，最终实现数据要素的全域化配置与价值最大化。
3.2. 数据流通价值共创的核心要素
基于对数据流通价值共创目标的分析，总结数据流通价值共创中的核心要素，包括主体要素、客体要素以及环境要素。
3.2.1. 主体要素
数据流通价值共创的主要参与主体为企业、政府、事业单位等，主要可分为六类，共同支撑数据流通与价值共创：数据生产者作为数据源头，提供自身活动产生的原始数据或公开获取的数据，通过将数据交予平台，借助数据处理者的加工提炼实现价值释放，并从中获得经济回报；数据处理者既可作为供方直接将原始数据加工为有价值的数据产品提供给需求者，也可以以技术提供者身份为数据处理提供技术支持与服务，推动数据转化为可用价值；数据需求者作为需方，为业务决策、产品研发等需求获取特定数据，既通过平台高效满足自身目标，也让闲置数据活跃起来；部分数据需求者在使用数据后可能转化为数据再塑者，对数据重新处理编排产生新数据，使其再次进入流通循环，这类主体需具备较强数据素养以最大化数据价值；内部促进者如数据中介、数据商，通过提供咨询、撮合、评估等增值服务搭建交易桥梁，在赚取服务费的同时提升价值转化效率；外部促进者以政府、国家为代表，虽不直接从平台获益，但通过引导调控保障数据流通持续进行与价值高效转化，从整体价值提升中获取溢出价值，助力数据经济繁荣。
3.2.2. 客体要素
客体要素是主体作用的对象。在数据交易中，客体要素是海量数据资源，包括数据产品、数据服务、数据技术等一系列数据相关，可以产出价值的对象。数据交易平台的快速发展为实现数据流通价值共创提供了重要的实践载体，数据资源通过数据交易平台进行整合，与其提供的数据交易业务来实现数据资源的流通，最后实现数据的价值创造。
3.2.3. 环境要素
数据交易是在数据要素市场中实现的，数据市场是数据流通价值共创实现的关键环境要素。环境要素主要分为内部环境和外部环境。对各类主体产生直接影响的是内部环境，包括相关法律法规、规章制度或行政管理机关的规范性文件，也包括直接相关的技术、基础设备等。任何可以对主体及对流通产生间接影响的要素则视为外部环境，其类型可以分为技术环境、政治环境、经济环境、社会环境等。
4. 数据流通价值共创实现路径
数据交易生态系统是主体(供方、需方、平台等)、客体(数据资源)、环境(规则、技术)的有机整体，而经济学权益分配理论的核心是产权清晰、贡献量化、收益公平。基于上文对数据流通价值共创实现框架的分析，笔者提出数据流通价值共创实现路径，通过优化资源、激活主体、完善规则，既推动生态系统良性循环，又深化了数据要素场景下的权益分配理论实践，具体见图3。
4.1. 资源整合共识
针对平台数据治理不足、标准不统一等问题，需从优化数据资源入手，通过打破数据源壁垒、强化数据质量以促进资源整合，形成互联互通的数据交易网络，为交易与合作奠定共识基础。
1) 打破数据交易壁垒
构建“识别–确权–整合”三位一体治理架构，建立标准化数据交易体系。首先推进数据资源标准化识别，平台应制定统一的数据产品规范与格式标准，解决异构数据源语义互操作问题；其次依托区块链技术建立数据资产登记制度，实现权属溯源与交易存证，保障合法流通。
Figure 3. Implementation pathway of value co-creation in data transaction
图3. 数据交易价值共创实现路径
数据分类方面，虽现有平台已划分API、数据集、数据服务等类别，但需统一标准，明确分类，规范差异化交付方式。定价机制上，针对当前供需双方自行协商的现状，可构建基于成本核算、价值评估、市场博弈的三维模型，引入第三方评估机构建立动态定价指数，完善评估体系——现有平台(如贵阳、西部数据交易中心)的估价服务仅基于开发成本与历史定价，缺乏科学统一规则，需进一步优化。
2) 提高数据资源质量
从需求一致性、治理专业性、产品可靠性三个维度提升质量。建立需求导向的质量控制体系，通过智能匹配算法实现供需精准对接，结合交易后评价反馈机制形成质量改进闭环；推动数据治理专业化分工，引导企业聚焦优势领域，将非核心环节外包，挖掘数据价值最大化；构建涵盖完整性、准确性、时效性的多维评估指标体系，依托专业团队、前沿技术或机器学习算法开展质量检测与合规评估，同时建立合规审查数字沙箱机制。
3) 促进资源整合
数据资源是数据交易的核心客体，其整合聚焦于“跨主体、跨场景、跨层级”的数据互联互通，具体表现为三类形态：一是跨平台数据整合。通过资源共享实现数据资源的跨平台流转，例如北京、苏州数据交易中心联合建立的“互认互通”专区，某金融机构在北京平台上架的“企业信贷数据”，可直接在浙江、苏州等平台流通，无需重复审核，以提高资源查找效率。二是跨行业数据整合。针对垂直场景需求，整合不同行业的数据资源，例如长三角“智慧物流数据池”整合了交通部门的路况数据、物流企业的货运数据、零售企业的订单数据，形成“订单–货运–配送”全链路数据产品，形成场景化数据应用产品。三是分层数据整合。按数据价值层级(原始数据、标准化产品、场景化服务)进行梯度整合，例如将原始数据整合为基础数据池，经加工后的API接口、数据集纳入标准化池，最终结合场景需求开发为数据模型服务纳入增值池，满足不同需方的差异化需求。
4.2. 主体协同共驱
针对参与主体交易意愿低、专业性不足的问题，需通过协同意识增强、供需机制创新及提高主体专业度的方式增强主体活跃度，形成主体共驱模式。
1) 主体分工协同意识构建
明确价值共创意识：数据生产者、处理者、需求者、重构者需通过资源协同释放数据价值，如生产者提供原始数据、处理者挖掘价值、重构者推动循环流通，政府需出台政策鼓励数据交换共享，促成一致价值主张。
2) 供需匹配机制创新
现有平台主要通过需方检索供方数据、供方认领需方需求撮合交易，活跃度不足，需强化平台引导作用。可参考北京、苏州、郑州数据交易中心的“互认互通专区”模式，实现“一地上架、全国互认”的平台模式，降低供需对接难度；借鉴浙江大数据交易所的场景化分区经验，在金融、医疗等领域开发融合实际业务的数据产品(如信贷风险评估、疾病诊断辅助工具)；引入贵阳数据交易所的中介服务、安徽数据交易所的数据众筹模式(涵盖采集、众包、个人信息授权)，提高交易成功率。
3) 构建专业能力培育体系
通过定期培训、技术研讨会、创新大赛，如德阳数据交易中心的专题培训、苏州大数据交易所的开发大赛提升主体专业能力，掌握数据处理技术与法规；建立“一地注册、全国互信”的专业资格认证体系，增强主体信任度与行业专业化水平。
4.3. 平台互利共生
针对平台关键业务不健全、垂直领域服务缺失等问题，通过利益绑定、共生关系的构建破解数据流通阻滞，推动参与主体形成互利共生关系，实现价值共创。
数据交易场景中的“共生”是指交易主体(供方、需方、平台等)为维持长期合作关系，在情感、利益、规则层面形成的稳定预期与主动投入，其核心是通过承诺降低合作风险，构建可持续的交易信任。与传统市场的关系承诺不同，数据交易的虚拟性、风险高企性(如数据泄露、权属纠纷)使关系承诺更依赖显性规则(如合约、技术)与隐性利益共识(如长期收益预期)的双重支撑。
1) 基于长期信任的主动合作意愿
共生形成表现为主体间基于长期互动形成的“信任依赖”包括：一是长期合作协议。供需双方签订数据合作协议，而非单次交易，例如某电商平台与金融机构签订3年数据合作协议，约定持续提供用户消费行为数据，用于金融机构的信贷风控。二是建立生态联盟。主体加入数据交易生态联盟，通过定期交流强化信任。三是主动信息共享。主体自愿分享非交易必要的补充信息，例如数据供方主动向需方提供“数据更新周期”“质量波动预警”等信息，帮助需方更好地使用数据，以加深企业间的良性互动。
2) 基于利益绑定的理性合作投入
表现为主体通过利益绑定确保合作可持续，具体形式包括：一是收益分红机制。平台与数据供方约定数据后续收益分红，而非一次性定价，例如数据供方除首次交易收益外，还可获得需方后续使用该数据产生收益的5%~10%分红，以延长合作期限。二是风险共担协议。主体共同承担数据交易中的风险，例如数据供方与处理方签订质量风险共担协议，若数据质量不达标，双方按一定比例承担需方的损失赔偿。通过类似协议，降低数据质量投诉率。三是专用性资产投入：主体为合作投入专用性资源(如定制化技术、专属团队)，例如处理方为数据供方投入开发数据专用系统，该系统仅适配该供方的数据格式，形成退出成本，保障合作稳定性。
4.4. 市场控制共创
针对交易市场活跃度不足、流通规模与市场规模不匹配的问题，以政府等促进者为主导，通过激励与约束机制构建健康数据要素市场。
1) 交易激励
保障数据提供者权益，建立透明利益分配机制，如深圳数交所的数据要素统计核算系统，量化贡献并生成链上分红凭证；实施财税补贴，对达标平台给予认证奖励，定向扶持垂直领域创新应用；构建覆盖交易质量、合规水平、协作效率的声誉评价体系，通过积分排名给予优质主体流量倾斜、费率优惠，形成正向激励循环。
2) 风险约束
明确平台监管要求，建立严格准入备案机制，构建全生命周期风险防控体系，交易前需保障数据存储安全，采用加密技术与访问控制，如优易数据交易平台的集中管理与分层查看机制，加强基础设施维护以修复漏洞；交易中需明确交易协议关键要素(价格、交付方式等)，支持电子签名、数字证书等合法签署方式，通过安全传输通道与加密技术防止数据窃取或篡改；交易后需建立纠纷解决机制、交易跟踪监控以确保合规使用及信用评价体系，维护市场秩序。同时要统一行业标准，包括数据质量标准、流通准则与交易流程，规范存储、传输、处理等环节安全监督；实现“标准统一、全国通用”，明确交易各方权利义务(来源、使用范围、违约责任等)；采用区块链等技术记录交易过程，如苏州大数据交易所的加密与权限控制，确保透明可追溯，保障合法性与合规性。
5. 总结
数据作为当前数字经济发展不可或缺的关键生产要素，其交易效率与价值释放对中国数字经济建设至关重要，亟须设计合理的数据交易模式，加速中国经济发展与数据要素市场建设。本研究不仅深化了数据要素价值创造的理论认知，更构建了具有操作性的理论框架，为政府、企业及数据交易平台的未来发展方向提供了指导。未来，随着技术的不断进步和数据经济的蓬勃发展，数据交易的实践将更加广泛而深入，持续探索数据交易价值共创实现路径，不断优化理论模型与实践策略，对于促进社会稳定、经济繁荣与可持续发展具有重要意义。
然而，当前研究仍存在一定局限，主要依赖理论框架探索数据交易价值共创路径，缺乏量化模型与实证数据支撑，未来考虑通过对数据交易所访谈，探究当前数据交易存在的具体问题，针对金融、医疗、工业等不同行业的数据特性、业务场景的深度案例进行研究，提炼数据交易特性与共性规律，将理论模型与行业实践相结合。