引言
笔者在研究企业数据的过程中，假定所研究对象严格锁定于“纯企业数据”，即在生产经营活动中由企业自主生成、合法收集、技术加工并实际控制，来源合法不含有任何可识别自然人信息，亦不因脱敏、匿名化而回溯至个人信息；内容不涉及公共管理、公共服务或国家安全事项；处于企业实际控制之下，可经技术手段证明其持有、管理或处分状态的数据。在这个基础上尝试解析企业数据的特征、内部三级构造与现行制度缺位的原因。 一、企业数据的特征 （一）无形性 1.存在形式的无形性。企业数据以电磁记录为存在形态，无体无形，既无物理边界，亦无法被感官直接占有。其生成、存储与流通均依附于服务器、云端或区块链节点，脱离特定载体即难以呈现，但又不等同于载体本身：同一数据可于毫秒间跨越若干物理设备，而价值不减。 2.权利行使的无形性。无形性决定了传统“占有—交付”规则难以直接适用，权利边界须借助技术措施与法律拟制共同划定；同时也导致数据交易无需现实交付，仅需“可复制即可处分”，从而衍生出“持有即控制”的新型公示方式。司法实践中，法院往往以“能否通过技术手段排除他人访问”作为认定企业享有竞争性利益的核心标准，正是对无形性特征的间接回应。换言之，企业数据的财产意义不在于“看得见”，而在于“控得住”。 （二）可复制性 1.数据可以无限复制。数据的可复制性体现为零成本、零损耗、短时间完成。企业只需一次创建，即可在无限数量的载体上同时“存在”，且每一副本均与原件保持信息同一性。此种特性颠覆了传统财产“占有即稀缺”的基本假设：数据越被复制，其市场供给反而越充裕，边际成本趋近于零。 2.可复制性带来双重法律效果。一方面，它奠定了数据要素大规模流通的技术基础，使“一对多”许可、分时授权、再许可成为可能；另一方面，它加剧了“搭便车”风险，若无法律赋权，企业无法凭借技术措施单独阻止他人零成本复制并商业化利用。因此，可复制性要求权利设计必须从“控制载体”转向“控制使用行为”，即将权利边界锚定在“实质性利用”而非“物理占有”之上，以实现稀缺性的法律拟制。 （三）非排他性 1.数据无法物理性排他使用。数据的非排他性是指企业无法像对待有体物那样，仅凭事实管理即排除他人同时访问或使用。数据一旦产生，即可被多方并发读取、缓存、再加工，且互不降低彼此的使用效能。该特性源于数据的可共享性与网络外部性：同一销售数据集，可被平台内千万商户同时用于库存管理，亦可被外部竞争者抓取后用于比价服务。 2.对数据无法采用绝对排他限制。若法律赋予绝对排他权，不仅技术上难以实现，也可能抑制数据的社会价值最大化。因此，非排他性要求区分“控制”与“排除”：企业可借助加密、API 密钥等技术手段实现“控制”，但法律上的“排除”须限定于“实质性搭便车”行为，而非一概禁止平行开发。非排他性决定了数据财产权只能是一种“有限排他”或“相对排他”，其制度重心应从“禁止接触”转向“禁止不当利用”。 （四）非竞争性 1.数据非竞争性带来网络效应。任何主体对企业数据的使用，不会减损其他主体在同一时间、以同一方式使用同一批量数据的可能性与质量。区别于传统有体物的“此消彼长”，数据要素呈现“越用越旺”的网络效应：越多企业接入同一数据池，路径优化算法越精准，整体价值呈指数级增长。 2.数据的差异化保护有效避免反公地悲剧。若对所有数据一视同仁地赋予强排他权，将导致“反公地悲剧”：基础数据被少数企业分割锁定，后续创新因无法获得足够原材料而枯竭。因此，非竞争性要求制度设计必须区分“基础层”与“应用层”，通过分层保护，将非竞争性带来的社会福利内部化，同时避免激励不足。 （五）价值源于聚合与分析 1. 数据价值的生成源于聚合与分析的倍增效应。1单条原始数据市场价值极低，其巨大价值只有在企业投入算法、算力对海量数据进行汇聚和提炼后才能指数级释放。这具体表现为两种效应：一是“聚合效应”带来的规模经济，即数据量倍增能显著降低模型预测误差，遵循“指数—对数”曲线快速收敛；二是“分析效应”带来的范围经济，即同一数据集合经不同算法处理，可衍生出信用评级、库存预警等多元产品，实现“1+1>2”的价值创造。 2. 法律保护应遵循“投入与增值”的差序原则。基于上述价值生成逻辑，法律保护必须聚焦于“投入”与“增值”两个关键环节。对于聚合阶段的实质性投资，应承认其“数据集合”的有限财产权，以防止搭便车行为；对于分析阶段的创造性劳动，则需赋予“数据产品”更强的排他权，以确保开发者能回收成本并获利。这构成了“弱—强”差序保护的经济学正当性：保护强度与主体的价值贡献度成正比，与数据的底层共享需求度成反比。 二、企业数据的三级构造： 原始数据—数据集合—数据产品 正如前文提及，企业数据天然呈现“原始—集合—产品”的三级跃迁2：原始数据尚处离散状态，主要体现非排他、非竞争的公共产品色彩；数据集合因规模化投入而初具财产价值，却仍保留共享需求；数据产品则凭借深度加工实现价值飞跃，成为可交易、可融资的私权客体。 （一）原始数据 1.定义 原始数据是指企业在生产经营活动中通过传感器、日志、交易记录或其他自动化手段初次生成、尚未经过清洗、聚合、建模等实质性加工的离散数据单元。其内容不含可识别个人信息，亦不承载公共管理职能，属于“纯企业数据”范畴的底层形态。 2.特征 （1）散装存在，单条数据几乎无法单独产生经济效用，价值密度趋近于零； （2）可无成本复制，亦可能因存储策略或技术故障被瞬时删除； （3）尚未形成可识别的“集合”外观，企业对其仅享有事实控制，法律地位相当于“占有”而非“所有”。 3.价值 原始数据是后续两层结构的“原材料”。其核心价值体现在“量”的积累：足够大的原始数据池为算法训练、趋势发现提供样本基础；同时，因其获取成本相对低廉，可成为企业进入数据要素市场的“入场券”。此外，原始数据记录了业务运行的全痕迹，可辅助企业完成合规审计、风险追溯与内部流程优化。 4.风险 第一，法律风险源于来源合规性。若企业在收集环节未尽到告知或匿名化义务，可能导致后续整个数据链被“污染”。 第二，技术风险突出：海量原始数据占用存储资源，却难以立即变现，容易造成成本—收益倒挂。 第三，竞争风险表现为“数据爬取”频发，企业投入大量服务器成本生成的原始数据，可能被竞争对手通过技术手段零成本复制，却因尚未达到“集合”层级而难以获得财产权救济。 第四，管理风险不可忽视：原始数据生命周期短、更新频率高，缺乏分类分级策略将导致“数据沼泽”，反而拖慢决策效率。 （二）数据集合 1.定义 数据集合是指企业对海量原始数据进行清洗、去重、标准化、字段对齐等系统性整理后，形成的具有统一结构、可机读、可检索的大型数据集。其已脱离离散状态，但仍未进入深度加工与模型化阶段，是“纯企业数据”层级的中间形态。 2.特征 （1）规模上记录数通常达到百万级以上，字段维度在百级左右，具备“大数据”外观； （2）企业可通过访问控制、API 密钥、技术措施阻止他人复制，但无法禁止独立收集相同数据； （3）通过 “抽取—转换—加载”流程，实现语义一致与格式统一，可被直接调用。 3.价值 数据集合的“价值飞跃”体现在规模效应与便捷效应：一方面，它降低了后续分析与建模的数据准备成本，成为 AI 训练、商业智能、精准营销的核心燃料；另一方面，其可检索、可统计的特性使企业能够输出行业指数、趋势报告等初级数据服务，实现首次货币化。司法实践亦承认企业对“经实质性投入形成的集合”享有竞争性利益，可禁止他人“不劳而获”式抓取3，从而为数据资产入表与融资评估提供权利基础。 4.风险 第一，投入回收风险：数据集合的整理、存储、维护需要持续资本支出，若法律赋予过强排他性，可能因“反公地悲剧”导致无法通过共享摊薄成本； 第二，质量衰减风险：数据具有时效性，集合若不能及时更新，将迅速贬值； 第三，替代性风险：竞争对手可通过独立收集或公开渠道获得相似集合，导致企业难以证明“不可替代性”进而无法获得强保护； 第四，合规外溢风险：虽然本文排除个人信息，但集合内若残留可重识别字段，仍可能被监管认定为“可复原”，从而触发个人信息保护义务，使企业面临整库删除或高额罚款。 （三）数据产品 1.定义 数据产品是指企业在数据集合基础上，通过算法建模、深度挖掘、语义标注、可视化封装等创造性劳动，生成的具有独立功能、可直接满足终端需求、可单独交易的数据成果。其形态包括 API 接口、指数报告、预测模型、SaaS 分析工具等，是“纯企业数据”层级的最高形态。 2.特征 （1）脱离原始数据可单独运行，用户无需接触底层集合即可获取结果，具备了功能的独立性； （2）单条输出可能蕴含高商业决策价值，可重复销售且边际成本趋近于零； （3）因凝结创造性算法与独特业务逻辑，他人难以通过独立收集复制； （4）能够以许可证、订阅、一次性买断等方式进入市场，具备标准化合约与定价机制。 3.价值 数据产品实现了从“原材料”到“终端消费品”的质变：其通过模型化封装，将隐含在集合中的相关性、趋势性信息转化为可直接指导生产、投资、风控的决策信号，从而完成数据要素的“资本化”跃迁。典型如“生意参谋”4将电商集合数据转化为销量预测 API，单年许可费高达数亿元；又如“企业电智绘”5利用电力数据生成信用评分，成功实现数据资产质押融资 1000 万元，标志着数据产品已具备金融属性。 4.风险 第一，市场失效风险：数据产品生命周期短，若算法更新滞后，可能被竞品替代； 第二，算法偏见风险：模型训练隐含样本偏差，导致输出结果歧视性定价或“杀熟”，引发监管调查与集体诉讼； 第三，反向工程风险：竞争对手通过合法购买后实施逆向解析，虽触及商业秘密红线，但举证难度高、维权成本大； 第四，权利滥用风险：若企业对数据产品主张绝对排他，可能阻碍行业基准数据形成，诱发“数据垄断”。 三、制度缺位：集合与产品界限模糊 （一）问题的提出 在“原始—集合—产品”三级构造中，数据集合与数据产品本应承担截然不同的制度功能：前者是基础性、共享性资源，后者是终端性、可交易商品。然而，无论是成文法、监管规范还是司法解释，均未对二者给出可操作的区分标准，导致“同一对象、多种定性、多重保护”的混乱局面。立法者似乎默认“投入即财产”“加工即产品”，却未回答“投入多深算产品”“加工到哪一步不再是集合”这一关键追问。界限模糊已外化为三大痛点：确权环节“一物多权”、交易环节“一物多价”、救济环节“一案多判”。本文在纯企业数据范围内，系统梳理成文规范、监管与司法层面的缺位表现，并揭示其深层制度根源。 （二）立法解释缺位 1. 法律概念真空。 《民法典》第127条仅宣示性规定“法律对数据、网络虚拟财产的保护有规定的，依照其规定”，既未界定数据类型，更未区分集合与产品。紧随其后的《数据安全法》第3条将“数据”定义为“任何以电子或者其他方式对信息的记录”，依旧停留在“信息载体”层面，对“记录”是否经加工、是否可独立交易未置一词。《网络安全法》《电子商务法》聚焦个人信息与平台责任，对不含个人信息的纯企业数据几乎保持沉默。 2. 标准缺失。 现行法律规范对“何种数据值得何种保护”缺乏明确标准，呈现“要么过度、要么不足”的两极错位： （1）过度保护——数据库版权的“汇编”陷阱。《著作权法》（2020修正）第15条对“汇编作品”要求“内容选择或者编排具有独创性”，但数字经济下多数数据集合依行业标准字段生成，难以达到独创性门槛。法院为救济投入，往往降低独创性认定标准，导致存在“对公开的数据进行识别、汇编、整理，设计后的数据库认定具有独创性，符合汇编作品特性”的扩张倾向6，变相赋予数据集合长达五十年的强排他保护，阻碍同业共享。 （2）保护不足——商业秘密的“秘密”困境。《反不正当竞争法》（2019修正）第9条将“秘密性”作为首要要件，但数据集合常通过API、指数报告等形式向客户开放，难以满足“不为公众所知悉”要求。企业被迫选择“封闭=保护”，宁可放弃潜在交易机会也不愿披露，抑制了数据流通。 （3）规则空白——数据产品的“权利真空”。对于经算法深度加工、具备独立功能的数据产品，现行法未设专门权利类型，企业只能回归合同或技术措施自保。一旦竞争对手通过“合法购买+逆向解析”方式复制核心算法，权利人将陷入“既非作品、又非秘密、更非专利”的三不管地带。 （三）司法裁判标准缺位 1. 案由选择混乱。 笔者通过阿尔法软件，通过搜索2021年1月1日至2025年10月1日之间，以“企业数据+数据库”为关键词的民事案件，共计四千七百余案件，涉及的案由有与公司、证券、保险、票据等有关的民事纠纷，知识产权与竞争纠纷类，合同、准合同纠纷，劳动争议，侵权责任纠纷等近十种案由；以“企业数据+数据集合”为关键词的民事案件，共计二十余件案件，涉及案由知识产权与竞争纠纷类，合同、准合同纠纷，劳动争议；以“企业数据+数据产品”为关键词的民事案件，共计八十余件案件，涉及案由与公司、证券、保险、票据等有关的民事纠纷，知识产权与竞争纠纷类，合同、准合同纠纷，劳动争议，侵权责任纠纷，特殊诉讼程序案件案由。 2. 保护强度不一。 法院对“投入”与“加工”程度的认定缺乏量化指标，出现“同案不同判”与“类案不同度”并存现象： （1）“投入即保护”——部分判决将诸如网站用户的注册信息数据库认定为“商业秘密”，未界定其属于集合或者产品，通过商业秘密途径进行保护7；部分判决认定需要长期经营、投入大量人力财力累积聚集单一原始数据集合而成的数据资源整体，数据处理者享有竞争性权益。8 （2）“加工即产品”——亦有判决认为“只要经过算法脱敏即构成产品”，对后续竞争者一律禁止，忽视数据产品生命周期短、更新快的行业特性； （3）“公开即自由”——亦有判决对公开数据集合倾向于“抓取自由”，但对已封装为 API 的数据产品又突然提高保护强度，造成“集合弱、产品强”的裁判直觉，却未提供过渡标准。 （四）监管认定标准缺位 《数据安全法》第21条提出“国家建立数据分类分级保护制度”，但配套标准至今停留在“重要数据”“个人信息”两大维度，对“企业数据”内部层级未再细分。全国信息安全标准化技术委员会发布的《网络安全标准实践指南——网络数据分类分级指引》将企业数据简单划分为“核心、重要、一般”三级，分类依据是“国家数据安全角度”，而非“加工深度或交易属性”，无法回应“集合—产品”区分需求。 四、根源剖析： 立法技术、行业特性与监管能力的三角困境 01 立法进度滞后 ✦ 传统财产权以“客体特定、边界清晰”为要义，而数据集合与产品之间呈“连续光谱”状态，加工深度、价值密度、功能独立性均无法以单一数值划分。立法者担忧“一刀切”导致过度保护或创新抑制，倾向于原则性授权，却忽视配套技术标准的同步跟进。 02 行业特性快速迭代 ✦ 数据产品平均生命周期6-12个月，远短于版权保护期；算法模型每周更新，集合与产品边界随之动态漂移。静态规则难以匹配动态事实，造成“规则出台即落后”的宿命。 03 监管能力不对称 ✦ 主管部门缺乏对大数据处理流程的技术溯源手段，难以实时判断“集合是否已升级为产品”。企业则以“商业机密”为由拒绝披露算法细节，导致监管信息与市场主体信息严重不对称，只能依赖事后个案裁判填补规则空白。 End 结语 综上，立法解释缺位、司法裁判标准缺位、监管认定标准缺位相互叠加，使得“数据集合—数据产品”界限成为名副其实的“灰色地带”。企业不敢对集合进行大规模共享，担心一旦流出即被认定为“已公开”而丧失保护；也不敢对产品进行深度融资，因为法院可能以“仅为集合”为由否定财产价值。最终结果是：基础数据被锁定在“数据孤岛”，高附加值产品难以获得持续资本注入，要素市场化配置效率大打折扣。为打破僵局，唯有让集合安心流动、让产品放心交易，企业数据的财产意义才真正从“控得住”走向“定得清”，要素价值才能从“越用越旺”升级为“越清越强”。
-
2025
12-25
-
2025
12-17
-
2025
12-16
