数据要素流通交易是推动数据要素市场发展，充分释放数据要素价值的关键环节。我国自2015年以来先后成立60余家数据交易场所，数据要素交易实践步入“百花齐放”的深度探索期，逐步建立起以数据交易机构为核心的场内外交易体系。我国数据要素市场蕴含巨大潜力，2025年我国拥有的数据量占全球四分之一多[1]，但数据交易尚不活跃，被利用的数据量占比低，主要原因在于数据要素流通不畅、全链条生态尚未建立、中介服务制度尚不完善等[2]。2021年广东印发《广东省数据要素市场化配置改革行动方案》，率先提出探索建立数据经纪人制度，规范开展数据要素市场流通中介服务。2022年12月我国出台的《关于构建数据基础制度更好发挥数据要素作用的意见》(以下简称《数据二十条》)，首次提出有序培育数据经纪专业服务机构，明确要求提升数据流通和交易全流程服务能力。此后，福建省、山东省、江苏省、河南省等均出台相关政策文件，提出培育数据经纪人。数据经纪人承担数据要素市场中重要连接点的角色作用，通过居间地位打破信息不对称带来的壁垒与风险，促进数据供给方和需求方的有效衔接，重建信任，活跃市场交易。2024年10月出台的《关于加快公共数据资源开发利用的意见》，提出推动“数据经纪人”职业化发展，明确其作为新型数据中介服务机构的功能定位。目前，我国的数据经纪人制度仍处于初步探索阶段，尚未构建起完善的数据经纪体系。 数据经纪人能否在数据流通交易中有效连接数据供需双方，辅助建立数据要素价值挖掘与释放的生态链条，解决信息不对称等困境，还需经过科学的理论探讨。为此，本研究基于信息生态理论，构建涵盖数据交易机构、数据提供方、数据需求方、数据监管方及数据经纪人五大主体的数据要素流通交易系统模型，采用系统动力学方法识别系统运行的关键要素，试图回答数据经纪人能否在数据流通交易过程中有效发挥居间参与作用，通过厘清数据要素交易市场各主体方关系及责任，探析数据经纪人的作用机理，以期为完善数据经纪体系提供理论依据。 1 相关概念与研究进展 1.1 数据要素流通交易 数据要素流通指以某些信息系统中存储的数据作为流通对象，按照一定规则从供应方到需求方的过程，包括数据的采集、组织、存储、加工、传输与利用全过程[3]。数据要素与传统生产要素通过特征互补协同促进经济增长[4]，数据资源的非消耗性、使用非排他性及价值多样性体现了数据的可流通利用性[5]，流动促进释放数据价值[6]。从流通主体间的供需关系来看，当前学者认为数据流通可分为数据开放、数据共享及数据交易3种形式[7-8]。数据提供方与数据需求方通过交易机构或者双方契约合法合规地完成数据买卖[9]。数据交易相较于数据开发与数据共享更容易激发市场参与主体积极性，成为数据要素市场化流通的主要形式[10]。 从实践来看，数据流通交易目前主要存在场外交易与场内交易两种模式。①场外交易，又称非交易所交易，通常由交易双方直接进行协商交易。尽管场外交易效率较高，但存在数据不合规、数据泄露、数据滥用及难以监管等风险，容易发生交易纠纷[11]。②场内交易，其概念源于证券交易领域，指在一定的场所、一定的时间，按一定的规则集中买卖已发行证券而形成的市场[12]。延伸到数据要素领域，则指在专门的数据交易场所内进行的交易活动。场内交易多采用平台化的“多边交易”模式，主要包括4类主体：数据提供者、数据购买者、数据交易所、数据经纪人[13]。其中数据交易所不同于由互联网等私有主体搭建的数据平台，而主要是由政府主导建立[14]，在数据交易中为交易双方提供交易场所及交易所必需的资产评估、登记结算、争议仲裁等服务[15]。与传统点对点的场外数据交易模式不同，基于目前的数据要素市场化配置的背景，全国各地陆续设立数据交易机构，鼓励集中式、规范化的“场内数据交易”。 数据要素流通交易是推动数据要素市场化配置的关键环节，也是数据要素价值充分释放的基础。相关学术研究成果主要围绕数据要素流通路径[16]、数据要素价值影响因素[17]、数据要素流通交易市场构建[18-19]。影响数据要素流通交易效率的因素较多，针对数据要素定价难统一问题[20]，有学者建立数据资产估值定价理论体系[21]，基于拓展CAPM-BS模型[22]，使用AGA-BP神经网络[23]、层次分析法[24]、资产图谱技术[25]等多种方法，引入数据势能理论[26]构建数据资产价值评估模型，使用系统动力学探究数据要素定价影响因素[27]；或基于经济学模型[28]、市场机制和交易场景[29]，在数据价值链视角[30]下，提出多种数据要素定价模型和方法。针对数据流通交易中交易双方互信难问题[31]，有学者提出引入数据信托[19，32]、发展多元化数据中介服务[33]等方式，构建基于数字信任的数据要素可信流通框架[34]，以消除数据流通交易中的信任障碍。针对数据确权难问题，从数据持有者权[5]、数据访问权制度[35]构建数据流通新秩序，或尝试通过三权结构性分置[36]、根据数据敏感类型确定数据权属[37]等方式进行数据权利配置。针对数据治理体系不完善的问题，有学者提出政府、市场和参与者协同治理数据要素市场[38]，完善市场监管机制[39-40]，实现全流程监管模式[41]，或通过细分数据要素市场[42]、完善数据安全管理制度[43]、制定统一数据交易标准[44]等措施完善治理体系。
