数据流转抑或信用流转：数字赋能信用治理的架构与逻辑

　　近年来，因受到经济、政策、科技、文化等诸多因素的影响，部分传统产业增长面临停顿，但是以数字内容和技术为主要产出因素的数字企业逆势上升。数字化转型正逐渐成为世界科技革命的重要发展方向。

　　据全球知名调研机构IDC在2023年做的一项调研，在美国超过半数的上市企业都认为数字化转型是企业不得不接受的趋势。根据中国信息通信研究院公布的数据，2021年全球数字经济的平均名义增长率为15.6%，占GDP比重为45.0%。

　　数字生态下，数据要素已经成为全世界公认的催动经济发展的新动力。除此之外，不断迭代升级的数字技术也是推动数字经济持续发力的主要因素。随着数字技术在交易支付、商业模式创新等领域的应用不断拓展和深化，其在信用数据管理、信用评估、信用产品服务等领域的应用也在逐步完善，信用治理逐渐向“数据要素+信用”的双维治理转变。

　　在我国“十四五”规划中专门提出“健全社会信用体系”的发展目标，在社会信用系统的完善中，也论述了数据在信用治理中的重要意义。

　　在2022年3月，中共中央办公厅与国务院办公厅印发的《关于推进社会信用体系建设高质量发展促进形成新发展格局的意见》中指出，要扎实推进信用理念、信用制度、信用手段与国民经济体系各方面各环节深度融合，加快健全以信用为基础的新型监管机制。数字经济与信用治理的相互嵌入更加成为时代话题。

　　当前，学界对信用治理的数据化研究刚刚起步。现有研究大多聚焦于网络新兴产业的交易规制、数据要素市场的信用构建、新兴技术应用于信用治理等方向。但是极少有学者从数据流转的角度探析用户数据对数字社会信用治理的变革，也未能充分探讨数字技术推动社会信用体系建设转型的机理和路径。再者，数据要素成为新的生产要素，数字经济成为社会发展新动力，这需要以数字赋能的新视野重新审视信用治理。既要考虑数据资产、信用数据治理的可能性，也要判断数据要素要所带来的法律道德、公民隐私，以及信息安全等问题。

　　因此，本文首先对我国信用治理的现状与进展进行回顾，分析数据要素所带来的冲击与变革；之后，将新兴的数字技术、数据要素治理逻辑引入信用治理的框架中，以数据与信用两个维度提出数字赋能信用治理的新结构，并重点论述信用数据治理的制度与逻辑，以期为我国政府在数字生态下提高信用治理能力提供路径。

　　一、相关研究回顾

　　1.1历史梳理：信用治理的内涵与发展

　　信用治理是在社会层面对失信主体的失信行为进行收集、汇总、处理、评价，依据信用评价指标使公民在社会生活中承担相应的信用义务，倒逼公民提高守信意识，从而保证良好的社会秩序。随着社会经济的发展，信用治理的范畴早已超越了经济信用或征信的基本内涵。有学者从社会治理工具的角度理解信用治理，也有学者提出将信用治理视为国家认证制度的组成部分。

　　随着实践发展，信用治理的概念不断向更加广义的方向延伸。信用治理的实现往往需要一套完善的信用治理体系，早在我国着手建立社会信用体系之前，国外金融领域已建立起数字化的信用评级机。但是相较于国外监控资本主义推动的、局部而分散的小规模信用治理模式，我国社会信用治理则涵盖政府、市场、社会等多个领域，极具大规模、全局性的特质。

　　目前，国内外对信用治理的研究都主要指向公司、政府与社会层面。在公司层面，信用治理主要依据公司所有权结构、董事会结构、管理权力、财务信息透明度、经营风险等特征判断企业信用风险。

　　在政府层面，信用治理则存在多种表现形式，其主要依附于城市治理能力。在一些西方国家，政府的治理效能与信用治理能力高度相关，具备良好信用治理能力的政府与公务人员更容易得到市民的认可，同时也能对当地企业、公民的信用治理带来乘数效应。

　　1.2变革探寻：数据要素与信用治理的渊源

　　经济社会的变革与社会信用治理的更迭密不可分。随着社会发展和时代变迁，信用治理的模式从农业社会中以声誉名望为根基的“熟人”信用，到工业社会以政策、制度为根基的契约信用，再到数字经济社会以数字技术为基石的系统信用，社会信用治理的内涵不断发生演化。数据要素与信用治理的结合最早来自金融领域与政府管理领域。在金融领域，信用治理已经与数据要素紧密关联，有学者提出数字信用的理念，该理念试图以大数据、机器学习、区块链等数字技术识别经济主体的信用。在政府管理领域，数据要素与信用治理的关联最早在电子政务中有所体现。数字技术的不断发展使政府利用数字化的技术搜集、处理、分析公民、企业的各种数据，提高政府的信用治理能力，并最终实现数字政府治理的目标。

　　事实上，无论是金融业或是政府部门，信用治理的变革都是数字生态更迭所带来的连锁反应。我国信用治理的模式发端于改革开放以后，在数字技术创新、数字经济发展的大背景下，我国信用治理的模式已经显露诸多弊端。

　　但是，数字技术与数据要素也为我国信用治理的创新提供了契机。一方面，信用治理的本质是信用数据的治理，而数据要素的治理理念能够为其提供充足的治理经验；另一方面，信用治理是一项巨型的社会系统工程，失信惩戒机制、征信系统分别是该系统工程的“核心制度”和“核心工程”。无论是失信惩戒机制或是征信系统均需要先进的数字技术予以升级。因此，我国社会信用治理的数字赋能已然成为必经之。

　　二、我国信用治理数字化的现状与主要困境

　　从电子政务到数字政府的提出，我国政府部门不断引入先进的数字化技术提高数字化治理效能。社会治理的数字化为信用治理的数字化转型提供了一定基础，但是随着经济社会的数字化程度逐步加深，信用治理的模式迫切需要从传统的粗粒度数据治理向基于数据融通、开放的点对点治理转变，治理方式也需要更加精准化和智能化。

　　目前，我国形成的以中国人民银行征信中心为主导的信用数据治理体系，已经开始引入区块链等相关技术提高信用治理的效能，但对社会公民信用数据的收集、存储与管理能力仍然存在较大的提升空间，信用数据的潜力发挥不足，亟须实现数据要素驱动下的治理模式创新。具体而言，在信用数据数字赋能的过程中我国信用治理还存在以下困境。

　　2.1数字化的政策环境已逐渐充实，但缺乏统一的数字信用治理体系

　　最近几年，我国出台了一系列利用数字化技术与数据要素提高信用治理效能的相关政策与法案，在多条法案中都曾明确提出要加强信用数据的治理，建立信用数据的监管机制，同时要将新兴数字技术引入信用数据监管的全过程。2022年，国务院发布的《关于推进社会信用体系建设高质量发展促进形成新发展格局的意见》中，再次表明我国需要提高信用数据的共享水平，在信用监管方面要充分利用现代化数字技术，在全国所有区域构建统一的信用信息网络，建立标准统一、权威准确的信用数据档案。

　　尽管我国政府在近几年密集出台信用治理的相关法案，并多次指出信用数据与数字技术的重要性，但从全国范围来看，我国依然缺乏整体性的信用数据治理体系。

　　这主要表现在两个方面：第一个方面是从数据要素的角度出发，数据要素具有隐私性、流动性、时效性的特征，而各级主体、各单位在信用数据的采集过程中难以明确数据的准确性、有效性、时效性，同时也难以兼顾数据所属者的权益、隐私；第二个方面是从信用治理的主体出发，我国有多个省市尝试使用大数据、区块链等技术利用市民的信用数据提高社会信用治理水平，如杭州、南京、上海等城市将大数据技术嵌入信用治理的全过程，并取得了一些成效。但是又因为各地经济、社会、生态等差异过大，不同地区所开发的数字化的信用治理模式还难以统一，离构建全国性信用数据治理体系的目标更是相差甚远。

　　2.2工作机制初步形成，但数字技术的运用逻辑还不够牢固

　　为了不断完善我国信用治理的数字化能力，我国政府已经从信用治理数字化的制度、政策、机制等方向开展工作。经过多年实践，各地尝试打造了较为成熟的信用数据的数字化治理机制，并尝试将数字技术引入信用数据的治理周期中，比如结合大数据的市场征信机制、信用修复机制、结合区块链的联合奖惩机制等。在机制的运行过程中，各地政府也充分考虑了数据要素与信用治理相结合的可能性，比如从信用数据的主体、信用数据的确权、流通等角度，在保障公民信用数据权益的前提下形成信用数据数字化治理的工作机制。

　　但是，借力数字技术支撑信用数据治理的同时也需要面对数字技术所带来的威胁。首先，数字技术的迭代周期较短，一项数字技术能否引入信用治理尚且需要讨论，甚至其本身的可靠性与稳定性也需要斟酌；

　　其次，信用数据在搜集、监管、评估的过程中难免存在道德风险、数据真实性、逆向选择、数据流转效率等问题，引入数字技术治理的同时也需要对其配套相应的法律、政策，以实现数字技术治理信用数据的合规性；

　　最后，尽管借助数据要素与大数据分析等手段能够提高信用治理的效率与效能，但在实际运行过程中发现过度依赖数字技术会出现技术黑洞、部署周期较长等问题，无形中增加了成本。

　　2.3信用数据的体量逐渐增多，但数据治理方式不够完善

　　数据是信息资源管理领域固有的研究对象，信用数据则是由数据本身外延而出的新兴概念。信用数据是对信用主体的信用进行数字化表达的符号。除去政府主导的信用体系，在互联网日益发达的今天，网络信用数据也逐渐增多。网络信用数据的生成与数字技术的诞生息息相关。

　　目前，我国互联网平台已经存在多种信用数据的评判标准，如支付宝内嵌的“芝麻信用”、京东内嵌的“小白信用”等，不同类型的信用评判标准也使信用数据的体量日益庞大。对于信用数据的生成、处理、管理、传递，不同领域开发了高效的管理信息系统。但是对信用数据这一新颖的数据类型，我国在治理方式上还存在明显不足。从治理主体角度出发，目前各地区管理部门通常使用大数据、人工智能等数字化技术评价当地信用数据治理的效能，但海量的信用数据不断膨胀，不同类型、不同来源的信用数据识别困难，统计逻辑也较为烦琐，可信度低等问题日渐暴露。

　　除此之外，信用数据以何种形态、何种格式存在等问题也制约了与信用有关的制度及其运行机制的顺利构建。从数据要素的角度出发，信用数据越来越集中于数据终端设备、App、网络平台中，但目前尚未厘清信用数据主体与信用数据处理环节中的权利界限。再者，数据定价问题也始终伴随着数据要素的流转，用户信用数据同样具备价值，实践中以数据特征定价和供需协议定价机制为主，多种数据定价机制并行，不统一的市场使信用数据的价值难以充分释放。

　　从治理格式的角度出发，国家与地方、国家与平台、平台与平台之间的信用数据格式、类型存在明显差异，若要实现多主体在信用数据方面的互联互通，必须首先实现信用数据的类型、格式统一，交换标准统一，接口类型统一，方可实现信用数据的流转，继而提升信用数据的使用效率和信用治理效能。

　　三、数字赋能信用治理的架构与表征

　　面对我国信用治理的困境与数字环境下的现实需求，数字赋能信用治理已经成为必由之路。数字赋能是将数字优先的方法应用于企业的运营管理，其核心是采用人工智能、混合云、大数据以及其他数字技术，借助数据要素推动智能化工作流程，使企业能够更迅速，更智慧地做出决策，实时响应市场颠覆性事件。数字赋能信用治理型同样是以数字技术与数据要素为核心，其赋能维度主要体现在治理主体、治理客体、治理制度与治理机制四个方面。

　　在治理主体上，数字赋能将驱使传统的单一主体的治理结构向多方协同共治的结构演进。

　　在治理客体上，多源异构的信用数据成为新的治理对象。

　　在治理制度上，以基础制度与具体制度为基础而形成的统一稳定的信用数据治理体系是其主要形式。

　　在治理机制上，将数字技术与数据要素嵌入信用数据治理的全周期是其具体表现。

　　总体而言，数字赋能信用治理的框架主要如图1所示。

　　3.1信用治理主体的拓展化

　　信用治理主体的拓展化是指在数字赋能信用治理的过程中，政府、企业与公民改变传统的单一主体的治理方式，而形成协同共治的新型治理范式。在我国，传统的信用治理通常需要发挥政府的组织、引导、推动和示范作用，但在数字生态中，政府、企业与市民之间的治理耦合度逐渐紧密，互动大幅增加，非中介化成为三者在信用治理方式上的新趋势。

　　信用治理主体的拓展化主要存在两方面原因。首先，数字技术是促使政府放权于民的主要推力。在区块链、大数据等数字技术的推动下，信用数据大多将以去中介化的形式在共识机制与重复博弈的条件下流转，这种去中心化结构将逐步替代过去的由第三方信息中介作为征信主体的管理方式。除此之外，该结构还具备分布式存储、信息可追溯、不容修改、开放透明等特征。在此逻辑下，政府在社会信用治理中的位置便会发生变化，其更加强调服务者的角色，而企业与市民则在信用治理中的地位与作用则更加凸显。

　　其次，数据要素的存在使企业参与信用治理成为可能，企业依靠用户庞大的个人数据，在经过对其数据的搜集、加工、处理后形成用户独有的信用数据，并依靠用户信用数据搭建企业的信用治理系统。在未来，企业与政府在信用治理上会有更多的合作，比如将企业的信用数据与政府信用数据进行格式、标准的统一，在信用数据的流转过程中达到互利共生。与此同时，市民在数据要素权益的保护与数字技术的支持下也会有更多的话语权，最终实现信用治理主体的拓展。

　　3.2信用治理客体的数据化

　　在过去，信用治理是以“治人”的形式存在，治理主体将治理对象放在人或组织上，以信用流转来构建信用社会。近几年，数据要素逐渐被国家重视，数据要素也成为推动相关制度、机制转型的新动力。在信用治理的数字化转型的框架中，信用治理客体的数据化主要指信用信息转化为信用数据的整个生命周期。

　　该过程首先需要注意的是信用数据的通用性与流通性，一方面需要打破不同治理主体的信用数据壁垒，搭建信用数据流转的桥梁；另一方面需要治理主体协同构建通用的信用数据格式，保证信用数据流转的通用与高效，减少数据转化的成本流失。对此，治理主体首先需要存在共识，合作构建信用数据的元数据标准。之后利用大数据、人工智能等技术广泛采集多渠道、多来源、多格式的关于公民信用的相关数据。最后将所得数据以统一的格式、标准进行数据化处理并纳入信用评价系统。值得一提的是，在治理客体数据化转型的过程中，也需要充分关注社交网络数据。

　　全球三大信用评估机构(穆迪投资者服务公司、惠誉国际信用评级公司、标准普尔公司)近几年一直在开展大数据信用评估的研究，并尝试利用用户的社交网络数据为政府、企业提供信用评级。在我国，目前还未有权威机构或部门将社交网络数据纳入信用治理的范畴之中，除了极个别企业将旗下平台的购买数据作为信用评估(芝麻信用)，但这种信用治理的数据化还存在明显的壁垒。

　　除此之外，在信用治理客体的数字赋能过程中，信用数据的流转需要严格遵守数据要素市场的流转标准。在信用数据的采集、处理、使用的各个环节，明确公民信用数据的所有权、企业对信用数据的处理权、政府对信用数据的使用权。以不同的信用数据使用权限应用于政府管理、企业商务、公共服务等多个领域。

　　3.3信用治理制度的统一化

　　在信用治理的数字赋能过程中，新一代数字技术的加速普及使传统经济社会的信用机制、协同机制、社会治理秩序等规则开始重构。为了保障我国信用治理框架的有效运行，我国多个地区已经开始制定信用治理数字化的相关政策，但是在信用治理制度统一化的实践过程中却存在一些问题。比如，国家与地方政策条例的多样化与复杂化使信用治理在重塑中存在滞后问题。

　　从2014年开始，国务院、国家发展改革委员会等机构每年会发布多条关于信用治理变革的意见、条例。与此同时，各级政府在信用治理数字化转型的试点过程中也颁布了相关法案。但是信用治理法案的多样化导致执行者在实践中出现法案甄别困难、理解困难、行动困难的局面，这也更加延缓了信用治理制度统一化的进程，扩大了不同地区在信用治理制度构建的理解壁垒。尽管不同地区在实践过程中所产生的法案、条例存在冲突，但也同样涵盖了本地区的特点、经验与非正式的当地社会的公约。

　　因此，若想构建统一化的信用治理制度，需要在国家层面联合相关领域的学者、专家共同商讨出数字化信用治理的制度目录作为顶层方针。信用治理的制度目录，应该包括基本制度、重要制度、具体制度与制度框架4个方面。

　　其中，基本制度与重要制度是新型信用治理的核心制度，涉及数据要素在信用治理中的权益明确、数字技术在信用治理中的使用方式、各主体在信用治理中的权限等。在制度框架的基础上，各地区根据本地区信用治理的经验设立符合地区特色的具体制度。

　　同时，为了实现各地区在信用治理具体制度确立上的知识流动，加速信用治理制度的统一化进程，政府可以主导构建信用治理知识库，将不同地区的信用治理模式、经验、案例以文本形式存入知识库，同时对比现有的法律法规数据库(国务院政策库)、基层案例数据库(智库)、相关研究成果数据库等，以此形成数字赋能信用治理过程中具备国家、地区特色的信用治理知识库。

　　3.4信用治理机制的智能化

　　制度与机制密不可分，但又存在明显区别。在一般的社会语境下，制度通常指大家共同认可并遵守的规则，而该规则相对稳定。机制则泛指社会或自然现象的内在组织和运行的变化规律。在信用治理中，机制是维持信用治理制度有效性和兼容性的重要因素。目前我国在各地的试点中已经出台了一些通用的信用治理机制，如信用的联合激励与惩戒机制、信用监管机制、信用修复机制等。但是在具体实施过程中，一些机制存在多头监管、反馈迟缓、数据重复等问题，同时也缺乏主体之间有效的数据共识机制与数据反馈机制。对此，我国亟须推动信用治理机制的智能化、共识化、合约化，以机制运行保障制度维稳。

　　首先，信用治理治理机制的智能化主要包括信用数据处理机制(信用数据的采集、集成共享、评估分析、应用)、共同监管机制(事前、事中、事后)、奖惩激励机制、自我约束机制、平等参与机制等。对于信用数据的处理机制，要充分利用云计算、大数据等技术，根据已确立的信用数据标准拓宽信用数据采集渠道，同时建立国家、组织、市场平台企业、第三方机构等主体的信用数据共享交换机制。

　　对于信用监管机制，在不同监管阶段可以分别采用不同的智能化措施。例如，在监管过程中可以借助区块链技术实现智能合约的确定性行为约束，以此消解违约行为。利用机器语言将信用主体的信用数据形成数字化的智能合约并存入区块链。智能合约通过定期检查自动机状态，逐条遍历每个合约内包含的状态机、事务以及触发条。在事后监管则可以根据信用数据处理机制构建用户的信用画像，联合信用修复与奖惩机制完善信用治理机制的一体化。其次，通过不同技术支撑不同信用治理机制，将数据要素与信用治理良好结合，以此催生信用治理的智能化孵化。

　　四、数字赋能信用治理的运行逻辑

　　数字赋能信用治理的核心动力在于数据要素与数字技术。利用数据要素与数字技术驱动信用治理重构的逻辑在于将数据要素的生命周期融入信用治理的周期，将数字技术纳入信用治理机制与制度，以此实现数字化倒逼信用治理重塑。具体而言，既要考虑信用数据这一新型数据要素在新生态下各主体的所有权、处理权，利用数据要素的相关制度法规制定符合信用数据的信用规约，也要兼顾新一代数字技术在信用治理机制中的全新应用方式。

　　4.1以信用数据流转为核心的信用治理机制的运行逻辑

　　数据要素是指基于特殊产品需要而集聚、组合、管理、加工所产生的计算机数据及其衍生形式，如各类标准的数据集、数据产品、基于数据生产的信息、知识等均可纳入数据要素的讨论范畴。信用数据要素则是数据要素中关于用户信用数据的部分。从数据要素的形态与处理周期来看，数据要素主要分为原始数据集、标准化数据集以及数据产品。在信用治理中，信用数据同样分为三种形态，将信用数据的不同处理阶段嵌入信用治理机制，不同机制并非完全以先后顺序而构建，而是以交互的形式存在，具体如表1所示。

　　4.1.1信用数据采集机制信用数据作为数据要素中的特殊类型，在信用数据的流转、融通、交易的过程中应首先遵循我国关于数据要素市场的相关规定。针对不同主体、平台、渠道，信用数据采集的权限、范围应明确规定，在网络平台或客户端中还应保障用户的知情权。在采集过程中，数据转为信用数据必然要经历数据加工处理，在处理过程中也应保障处理过程中用户的隐私权。除此之外，由于采集主体的多样化，我国信用治理的采集模式也应由政府主导的信用数据采集方式转为政府主导多方机构合作的新方式。政府应重视数字生态下新的信用治理形式，诸如网络信用、平台信用治理体系。

　　对此，政府在采集过程中，既要将以往的信用数据以新的标准化方式转化，也需兼顾其他主体的采集标准，以便未来构建数字环境下统一的信用数据标准。对于信用该数据的采集类型，除了传统的结构化数据，文档、图片、视频等非结构化数据也将成为所需采集的信用数据。对于信用数据的采集范畴，则主要包括基础信用数据与历史信用数据。对于历史信用数据需要根据新的数据采集标准进行结构化转型，同时利用新的数字技术对传统信用数据与历史信用数据的描述结果进行验证、修复，构建新的总体信用描述。

　　4.1.2信用数据登记机制信用数据登记机制是将所采集的信用数据以标准化的形式存入信用治理系统，该机制的关键在于统一多渠道、多来源、多格式的信用数据并搭建多主体协同的信用数据流通平台。信用数据的统一标准需要考虑采集平台与采集方式，而采集标准也应包括本体框架与兼容标准。

　　对于不同的采集方式，不同采集主体可以在本体框架的基础上补充相应的采集需求，既能满足信用数据采集的标准化又极大提高了信用采集的灵活性。

　　对于信用数据的流通，需要考虑我国对数据要素市场的相关规定，可以单独设置信用数据的流通平台也可以在现有的数据流通或交易分享平台中设立信用数据板块，根据数据交易平台的规则实现信用数据的流通、撮合、交割和清算的机制。之后根据数据要素的流通规则再结合信用数据的特点辅以信用数据治理的行业标准及协议的合法化制度，通过不同领域的治理标准为信用数据的流通提供价值符号与协议支持。

　　4.1.3信用数据统计机制信用数据统计机制是标准化信用数据进行产品转化的表现之一。从数据要素的角度看，信用数据的统计是关于已登记的信用数据的加工和分析的相关规约。在可信区块链技术支撑下，信用数据统计机制将综合运用数理方法与手段对多主体的信用数据进行交叉验证，修复在不同主体标准下信用数据的评判结果，提供统一的信用公信证明。在信用数据的统计过程中，该机制需要对所登记的信用数据进行权重初始化与指标重新分配，打破信用数据来源处的信用评判指标，形成多样本信用数据统一的信用画像，以便为不同领域、部门、机构提供信用服务。

　　4.1.4信用数据激励机制信用激励机制旨在信用治理主体通过内在或外在的措施提高用户信用水平。目前常见信用激励的机制大多依靠传统的信用积分总换公式、道德约束或协议规则。

　　在数字生态下，信用数据的激励机制主要包括两个方面：一方面是依靠信用数据画像，为高信用人群提供市民生活的绿色通道、信用行为的便捷政策、商务活动的政策倾斜等；另一方面是依靠数字技术，如通过区块链的智能合约实现可持续的信用积分通兑与激励。治理主体与用户共同成为链上的节点，保证信用数据不可纂改、不易丢失的同时实现信用数据与信用行为相互绑定。同时，信用数据将具备隐性价值，以类似于货币形式的信用积分实现存取。

　　但是，在利用数据要素实现信用数据激励机制时要考虑到绑定信用数据的信用积分所适用的主体、时间、范围。既需要相对统一且大众认可、机构承认的积分制度，也需要考虑积分存储期限，是否公开等问题。

　　4.1.5信用数据监管机制信用数据监管机制是对结构化信用数据的具体分析与应用，其核心在于多主体对信用数据的联动管理与信用数据的全过程监管。从监管主体的角度出发，信用数据监管机制要求不同信用治理主体以信用数据的流转为核心实现跨系统、跨层级、跨平台的信用数据监管资源互补和监管行动的协同，鼓励政、企、行业组织、金融机构间信用数据的交互，完善我国信用市场的治理。

　　从信用数据监管过程的角度出发，信用数据监管机制需要从事前、事中、事后3个阶段展开工作。事前监管包括既包括对信用数据的处理周期的监管，也包括对信用数据的治理制度、机制运行效能的监管。事中监管则主要包括依据信用数据所提供的信用画像应用、信用风险诊断、预测结果等的监管。事后监管主要指信用数据公开、联合惩戒、信用申报修复等的监管。通过多主体的协同与信用数据的全周期监管，将有效保障其他机制的有效运行，同时实现国家治理现代化视域下的信用数据监管现代化。

　　4.2以数字技术为驱动的信用治理制度的运行逻辑

　　4.2.1以基础制度为根本，借助数字技术促进信用数据有效流通。2022年12月，《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》提出构建数据基础制度体系，促进数据合规且高效地流通，建立保障权益、合规使用的数据产权制度。该意见从顶层设计出发为信用数据的流通治理提供了方针，明确了公共数据确权、企业数据确权、个人数据确权等问题。对于信用数据的治理而言，政企、组织等同样需要在明确的基本制度下进行信用数据的流通。

　　对此，我国应充分借鉴数据要素的治理逻辑与经验，完善信用数据的治理方式，补全其基本治理制度。在基本制度的完善过程中，要考虑信用数据的独特性，要在法律、信用数据标准、信用数据权益等多个层面达成共识，同时根据不同的治理主体辅以相应的行规，逐步完善信用数据产权界定、信用数据流通、公共信用数据授权使用、信用数据治理等主要领域关键环节的政策及标准。在基础制度的保障下，再引入新一代数字技术促进信用数据的流通，以此提高信用数据的治理效能。

　　传统的数据要素流转方式主要包括数据共享、数据开放与数据交易三种形式，但是针对信用数据，其流转形式主要分为信用数据的共享与开放。目前，已有诸多学者提出打造全国统一的信用数据流转系统，在相关研究中，区块链技术成为关键。中国信息通信研究院在2021年发布的《可信区块链赋能数字政府应用指南》中指出，新一代区块链与联盟链在打通政务数据孤岛、构建全新信用体系、推动政府数据公开，以及政务数据的权责界定、数据监管与开放共享等方面优势明显。目前，数据上链的形式可以分为区域、行业领域、机构等，以信用治理主体的维度出发，不同治理主体在数据要素基础制度的保障下，其共同构建的联盟链将以图2的形式存在。

　　图2中，将相同行业领域、相同区域的单一信用数据治理主体组成联盟链，并通过上一级联盟链抽取实现社会信用数据逐级上收管理。根据统一的信用数据流转系统，应用相应的数字技术，如大数据、机器学习等方法对数据进行描述、统计、预测，绘制用户画像，以此提高信用治理的整体效能。在流转系统中，跨链组网技术是构建全国一体的信用数据流转系统的关键技术。利用跨链组网技术，一方面能保证多种区块链技术的融合，促进公共信用数据和平台、机构信用数据的有机融合，提高信用数据流转系统的可拓展性；另一方面能使信用数据的流转效果最大化，同时能够有效保护信用数据主体的隐私。

　　4.2.2以具体制度为辅，提高对前沿数字技术的包容性与数据合作的普及性基础制度保障信用数据在流转过程中的合规性与合法性，而具体制度是为不同部门、机构、平台、领域所制定的共同认可的规则。相比于基础制度，具体制度要紧贴领域特点、社会应用需求、技术更迭特点。从制度对技术的包容角度出发，不同的信用治理主体首先需要加强对前沿技术的开发研究与实施路径研究。由政府科研部门、重点企业、行业协会等机构带头组织，相互配合，深入研究我国社会信用数据的治理和应用的痛点，系统厘清理论难点、工作堵点，梳理细化切实可行、可操作的实施路径。

　　从具体制度确立与普及的角度出发，可以在部分领域与地区开展试点工作，包括信用治理合作试点、信用数据委托管理试点、信用数据管理运营模式试点。例如，北京市经济和信息化局授权北京金融大数据有限公司对全市公共数据进行托管运营、使用数据信托管理信用数据，以此为北京市的信用数据协同治理提供经验。从具体制度的适用主体出发，除了为不同主体确立明确的制度，还应考虑主体协同层面。

　　目前，政企关于信用数据合作的案例越来越多，例如，美团与各地的监管机构合作，在上海与政府部门共同打造“城市美好数字体征系统”，政府为美团提供交管数据，而美团为政府提供衣食住行方面的数字治理方案，这类合作模式同样需要在明确的规定下进行。企业间的信用数据合作目前还并不广泛，大多数同一生态下点对点的协商约定而进行数据流通，整体的信用数据共享方式还处于黑箱状态，但是对于这种合作形式，在未来也需要具体制度进行约束。关于具体制度的确定，我国还可以借鉴他国关于数据要素治理、信用数据管理、数字技术应用等方面的经验，再结合本国试点经验，为治理主体的治理行为与技术实践提供依据。

　　五、结束语

　　“十四五”期间，我国数据要素市场体系将初步建立，数据作为新型生产要素将在商务、科技、生活、生产等多个领域发挥重要价值。信用数据作为数据要素中的特殊类型，其治理逻辑既对我国数据要素市场体系的建立起到关键作用，也是完善我国社会信用治理模式，优化信用治理资源配置的基础。

　　目前，我国社会信用治理的问题主要表现在信用数据数量急剧上升，同时新兴的信用数据管理业态层出不穷，但是以政府为主导的信用数据管理模式无论是在监管技术或是监管资源上都已经远远落后于现实需求。与此同时，以互联网为基础的各种信用治理平台加大对信用数据的开发应用，使社会层面上的信用数据类型、信用治理框架、信用治理标准各式各样，难以实现资源统一，治理高效，以致数字生态下我国信用数据的管理、流通、治理出现紊乱。为提高我国对信用数据的治理效能，本文提出以信用数据为流转核心的新型信用治理框架，并辅以相关制度、机制、与技术应用层面的探讨。目前，我国关于信用数据的研究还不够深入，需从以下几个方面进行深入挖掘。

　　1）在理论探索的层面上。要对信用数据治理的基本问题展开研究。首先，无论是业界还是学术界，关于信用数据的理论研究与基础研究都还过于匮乏。信用数据内涵边界、权益界限、价值生成方式都还是黑箱状态。更重要的是，信用数据的共享机理目前还没有形成共识，这使我国跨平台、跨地区、跨部门管理信用数据无形中增加了壁垒。

　　2）在实践分析的层面上。要深入分析现存信用数据治理模式的弊端，吸取经验。我国目前一些地区或个别部门企业已经对数字赋能信用治理展开尝试，包括深圳市宝安区工信局与深圳市公共信用中心建立了信用与产业相结合的信用治理模式、长三角信用治理一体化等。但是在实际运行中却出现了一些问题，如信用数据难以跨部门和跨层级共享，信用数据的处理存在多头管理，企业、平台、流媒体等替代数据融入度不高等。在未来，如何解决这类问题是构建区域性联合治理信用数据的关键。

　　3）在数据要素流通的层面上。目前，在上海、天降、北京、深圳等地均已搭建数据要素交易平台，信用数据作为数据要素的一种特殊形式，其潜在价值如何挖掘，是否能够交易，是否合法合规均还需要探讨。另外，统一的信用数据格式、类型、管理质量等问题也还没有解决。这也是目前难以激发信用数据价值的重要原因。

　　4）在治理主体构成的层面上。面对种类日益繁杂的平台、企业类型的信用数据治理体系，一方面要探讨其构建的合理性与风险性；另一方面要寻求平台与政府、企业共治信用数据的可能性，提高我国信用数据治理的整体效能。

　　本文作者李佳轩，储节旺（安徽大学管理学院）

更多精彩，请关注“官方微信”