大數據是依確定目的而挖掘、處理的大量不特定主體的數字信息。大數據的本質屬性是財產性而非人身性。大數據發展的指向應該是開放而不是封閉，在個人權益與社會福利間謀求均衡。

相較于債權、知識產權這兩種路徑，把大數據確定為物權的制度效率最高。具體要研究、確定大數據在挖掘階段、存儲階段、分析階段、應用階段的權利內容。

目前學界將“大數據”、“數據”與“個人信息”混為一談，將注意力集中到人身權、隱私權研究，既忽視了財產性才是大數據的根本屬性，又忽視了大數據在挖掘、云存儲、云計算和應用等方面與一般數據的諸多客觀區別。

大數據是信息時代的新產物，在法律性質、權利內容、權利歸屬方面存在著諸多制度空白，進而導致了公地悲劇、市場壟斷和逆向選擇等負外部性的出現，阻礙社會福利最大化的實現。需要通過法律經濟學對大數據確權進行比較制度分析，以解決大數據初始產權的界定問題。

目前大數據討論中存在著似是而非的理解

法律視角中，什么是大數據?大數據和普通數據有什么區別?目前理論、實務界與立法者出于現實考慮，默契一致地選擇回避正面回答“什么是大數據”，而是采用了描述性的概念界定即眾所周知的“4V標準”，將“大數據”定義為“大量(普通)數據的集合”。這樣定義，導致大數據在世界范圍內被拖入隱私權爭論的泥淖之中。

不清楚大數據在法律上是什么，何談確權?如何流轉?如何保障?

筆者認為，大數據是依確定目的而挖掘、處理的大量不特定主體的數字信息。

不具備“特定目的挖掘”主觀要件和“挖掘、處理”客觀要件，而只是靜置、沉睡的數據，種類和數量再多、處理速度和本身準確性再高也不會產生這種精準預測力，也不是“大數據”。

“數字信息”是“大數據”與“個人信息”的核心區別。目前，國內由于“大數據”提法的興起與販賣個人信息活動日益猖獗的周期高度重合、同步，使得國內輿論與研究者也將除大數據應用之外的主題放到了隱私權保障上，《個人信息保護法》的呼聲也日益高漲。但這和大數據的關系似是而非。大數據要分析和處理的是海量數字化信息，在大數據存儲、分析的整個流程中，“個人信息”都不再以初始形式存在，大數據的內容是計算機語言表述的數字信息。

大數據發展的指向應該是開放而不是封閉，在個人權益與社會福利間謀求均衡。

把大數據界定為物權是較好選擇

探討大數據的權利性質，就是要研究，將目前法律性質不明的大數據界定為物權、債權還是知識產權的交易成本最低、制度效率最高。由于不同的法律性質意味著不同的保護模式，也就意味著不同的交易成本與制度效率。

由于“大數據”是依確定目的而挖掘、處理的大量不特定主體的數字信息，顯然不是天然存在而是人為加工的一種財產。那么大數據應該屬于何種財產權?已頒布的《民法總則》在第五章“民事權利”列明了財產權利的三個主要組成部分，物權、債權和知識產權。從法律經濟學來看，大數據的權利性質確定過程可以被視為一種制度選擇的過程，在物權、債權、知識產權這三種路徑的制度競爭間進行“成本-收益分析”，得出效率最高的制度效率。

債權路徑帶有明顯的負外部性后果，促使壟斷和不正當競爭的形成。債權路徑中最主要的是通過契約意思自治來實現大數據確權，這是當前現實中最普遍的形式，比如貴陽和中關村的大數據交易中心所內進行公開交易以及企業間或企業內部進行的非公開數據交易。大數據確權存在制度空白的情況下，通過市場機制進行大數據交易的法律風險過高，進而導致交易成本高。故而大數據企業選擇企業機制，在關聯企業內部流轉大數據形成市場替代。總的來說，如果過度依賴契約路徑與放任大數據產權不明晰狀態的持續則將產生市場失靈，其主要形態是壟斷。屆時小型互聯網公司將不得不對大數據托拉斯繳納高昂的市場進入稅，直接損害社會福利。微軟公司的視窗系統，蘋果公司的App Store都已經出現了這一問題。

從制度需求的角度看，知識產權法主要保護的是實現大數據的外在技術，而對于大數據本身的解釋力有限。其解釋力主要在于大數據分析和大數據應用，因為此階段確實包含了大數據工程師的智慧成果。但是在大數據挖掘方面則很難解釋，比如Cookies(電腦上網緩存)與網絡痕跡，并不包含明顯的智慧加工。故而在大數據挖掘方面知識產權性體現的不明顯。

相較于債權、知識產權這兩種路徑，“物權路徑”的制度效率最高，理由在于兩方面。

第一是需要克服的制度稟賦難度低、制度改進成本小。若將大數據解釋為一種物權客體，則現有物權體系中的無體物基本能夠相融，從而更容易被立法者接受，克服制度稟賦難度較小。具體來說，物權的占有、使用、收益、處分四大權能較好對應大數據流程，占有對應大數據挖掘和大數據存儲，使用對應大數據分析和大數據應用，收益和處分對應大數據交易，這方面明顯優于知識產權路徑。

第二是抑制制度負外部性，降低交易費用。這又具體分成三個角度，首先是物權路徑不會直接導致因過度意思自治帶來的壟斷和不正當競爭以及其他市場失靈情形，甚至可以有效抑制壟斷從而優于債權路徑;其次是物權路徑權責最為明晰，大數據產權的所有者與應用者即相關法律責任的承擔者，相較于債權路徑而言降低了因合同相對性與內外雙重效力導致的“侵權無責”傷害社會福利的情形;最后是流轉順暢，相較于知識產權路徑而言將大數據理解為一種無體物動產則沒有復雜的登記與公示，更有利于大數據流轉和信息的傳播以及由此帶來的激勵創新等正外部性的產生。

大數據的權利內容

大數據的權利內容即哪些具體權利應該被法律明確規定、保障?

從產業鏈條上時間先后順序來看，大體包含大數據挖掘階段、大數據存儲階段、大數據分析階段、大數據應用階段的權利四部分內容。當然，并非大數據的所有權利內容都適宜通過《民法分則》、《個人信息保護法》或其他法律部門予以規制。以下說明的是通過成文法尤其是民法典予以規制更具制度效率的大數據基本權利內容。

概括地說，大數據挖掘階段的權利內容主要包括有Cookies輔助數據、網站爬行數據和旁路采集數據等。大數據存儲、分析階段的權利內容主要包括清潔數據、區塊鏈數據、Hadoop的MapReduce分散節點數據、用戶行為模型數據等方面。大數據應用階段主要包括LBS數據、CRM數據等。

大數據的權利歸屬

在物權路徑下更為具體的制度選擇中，物權由占有、使用、轉讓、收益、處分等權能構成，故而在大數據各流程中又面臨著哪些主體對大數據享有完整物權權能或不完整權能這兩種路徑之間的制度競爭問題，需要進一步分析。

挖掘階段的大數據權屬

大數據挖掘階段選擇完整物權權能路徑更有效率，應將Cookies輔助數據、網站爬行數據和旁路采集數據等大數據的物權歸屬于大數據挖掘者所有。

從占有權能的角度說，此階段數據挖掘者占有大數據交易成本更低。對此，目前學界和社會公眾中比較流行的看法是“大數據時代個人信息應歸個人所有，用戶對自己不愿意公開的信息享有被遺忘權”。應該看到，用戶確實是個人信息的產生者和所有者，但是并不是被數字化、匿名化以及其他大數據技術處理后的個人信息的產生者與所有者。將挖掘階段大數據的占有權歸屬于個人用戶的制度設計是明顯無效率性的。以全球大數據企業領頭羊的Google在歐洲的遭遇為例，每年要收到數萬份個人信息刪除的請求。

從使用、處分權能的角度說，由于信息成本過高，挖掘階段的使用權人應該是大數據挖掘者而不是用戶。相較于將挖掘階段的大數據確權給自然人，確權給有挖掘能力及有效率的企業與政府則更有利于這一技術正外部性的拓展與實現。

從轉讓與收益的角度說，相對于用戶而言，大數據挖掘者享有轉讓與收益權更有利于降低交易成本和促成私人談判。

存儲、分析階段的大數據權屬

該階段權利應歸委托人所有或依據契約進行產權確認。大數據存儲、分析階段也即“云計算”階段，此時由于個人信息已被清潔和數字化，從而不再涉及用戶所有權問題。故而制度選擇方案即是在“云計算委托人”和“云計算受托人”之間進行確權。

“云計算”的核心資產是大型、超級計算機，核心競爭力是“4V”標準項下的“大量、多樣、快速、準確”地運算。國內外提供云服務的企業主要包括Google、IBM、阿里、騰訊以及華為等互聯網寡頭，這些企業大都本身擁有10億級別的大數據運算需求，所以本身都擁有自己的云服務軟硬件。云服務是在滿足自身大數據運算的過程中發現的對主營產品的替代商品，將“剩余運算能力”出售給其他公司實現企業資產配置效率的最大化。總而言之，現在“云市場”中云服務的主要生產者與消費者高度統一。

應用階段的大數據權屬

應用階段的大數據應被界定為公有產權，屬于全體社會成員所有，但需要法律對其邊界加以具體限制。

從占有的角度來說，LBS數據、CRM數據等應用階段的大數據事實上已歸屬于政府和運營商占有，而這種占用基于法律行為而產生，且目前并未產生足以降低社會福利的負外部性影響，故而暫時不需要調整。

從使用的角度來說，應用階段的大數據不應私有化。主要原因在于這將抑制正外部性溢出并催生壟斷。從供給側改革的角度來看，應用階段大數據若歸屬于少數大型互聯網公司則意味著法律為價格歧視和無謂損失提供溫床。從“大眾創業，萬眾創新”的角度來講，應用階段的大數據確權將對無償公開大數據成果產生負面激勵，抬高企業創新與科學研究的成本，阻礙正外部性的產生與技術溢出。

從轉讓、收益和處分的角度來說，將應用階段大數據界定為私有產權將導致交易成本陡然增加。

總而言之，應用階段的大數據從社會總體福利的角度來講應該參考土地制度，界定為公共所有并交由政府管理。具體方式可以通過成立“中央大數據銀行”對大數據市場實施“統而少治”。一方面限縮大數據的流動規模以保護國家信息安全和防治大數據的“新型國有資產流失”，另一方面限制大數據發展中的市場失靈，比如大型互聯網企業大數據托拉斯的形成。