摘要：数据要素乘数效应能激励高质量信用数据生产供给，指引构建高效率信用数据流通环境，助力完善高水平信用数据市场配置，而信用数据产品化是释放数据要素乘数效应的关键环节，二者在生产、流通、交易分配等方面具有高度耦合性。当前信用数据产品化的法律规制面临诸多困境：
一是政府对信用数据的垄断治理遏制公共信用数据的收集，出现“数据孤岛”和“信息不对称”等不良现象；
二是现有法律机制对信用数据经营者的自主收集行为规制不足，信用数据被过度收集和利用，导致个人信息安全保障不力；
三是信用数据权益救济滞后，依赖《反不正当竞争法》的事后救济模式难以有效保护信用数据产品权益和满足其事前激励需求。
鉴于此，以现有政策为指引，提出信用数据产品化的法律规制转型路径。在社会信用管理模式方面，由“政府垄断治理”转变为“政、银、企、用户协同共治”，明确各方角色与监管边界，并依据数据“使用目的”的不同对信用服务机构实施精准监管。
在数据源主体权利保护机制方面，由“授权—同意”转变为“授权—知情—遗忘”模式，通过增强信息授权过程的透明性，保障用户知情同意的真实性，并引入“被遗忘权”以平衡隐私保护需求与数据利用效率，减少逆向选择风险。
在信用数据产品财产权利保护路径方面，由“事后救济”转变为“事前确权”，在法律上明确数据产品经营权的排他性财产权地位，并建立信用数据产品产权登记制度。由此，可完善信用数据流通交易机制，推动社会信用体系建设。
2024年5月20日，国家发改委印发《2024—2025年社会信用体系建设行动计划》，强调要推动社会信用体系建设高质量发展。信用是衡量个人与企业信誉、预测金融风险、评估投资价值的重要标尺，而信用数据是信用信息的载体，其被广泛应用于商业合作、企业投资、社会治理等多个领域。
2022年12月中共中央、国务院在《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》)中提出建立保障权益、合规使用的数据产权制度；
2023年12月，国家数据局等17部门联合印发《“数据要素×”三年行动计划(2024—2026年)》(以下简称《三年行动划》)，提出以“数据要素×金融服务”推动金融信用数据和公共信用数据、商业信用数据共享共用和高效流通，为社会信用行业释放信用数据要素价值,发挥数据要素乘数效应做出科学指引；
2024年10月中共中央办公厅发布的《关于加快公共数据资源开发利用的意见》中，亦提到加快公共数据资源开发利用，充分释放公共数据要素潜能。
以上发文均强调激活数据潜能，发挥数据乘数效应，构建以数据为关键要素的数字经济。数据要素乘数效应是将数据应用于不同主体或者与不同要素结合，用数据本身的规模报酬递增、非竞争性、低成本复制特性达到不同程度倍增的影响效应。从信用数据的应用场景来看，信用数据产品化是激活信用数据要素价值的重要途径，信用数据产品是数据乘数效应在金融服务领域发挥作用的关键所在。
当前学界对社会信用制度建设的理论研究主要聚集于公共信用数据开放共享机制和个人信息数据安全风险治理这两方面，多数学者都将信用数据与信用数据产品置于同一维度讨论，但一定程度上忽视了二者的区别，未对信用数据演化历程中的法律风险、信用数据产品的权利属性和配置问题加以深入讨论。
需要注意的是，信用数据作为生产要素发挥数据要素乘数效应，需要经历“原始信用数据→信用数据资源→信用数据产品→信用数据资产→数据要素”的演化历程，其中从原始数据到数据产品的形态转化构成信用数据要素化的核心环节，不仅涉及数据价值的深度挖掘，更关涉法律关系的体系性重构。
有鉴于此，有必要立足于信用数据发挥数据要素乘数效应的现实动因，深入剖析信用数据产品化的逻辑机理，审视其法律规制现状，并提出契合当下社会信用体系建设实情的转型路径，以优化数据流通环境，激励高质量信息数据生产供给，推进社会信用体系建设。
一、数据要素乘数效应下信用数据产品化的逻辑机理
数据要素乘数效应与信用数据产品化具有高度耦合性。数据要素与传统社会征信业融合后的乘数效应，对信用数据产品化起到了关键性支撑作用。在一定意义上，信用数据产品化是技术创新与信用数据要素乘数应用同时催化的结果。对此，可从信用数据生产、流通、交易分配三个方面，阐释数据要素乘数应用中信用数据产品化的逻辑机理。
(一)数据要素乘数效应激励高质量信用数据生产供给
信用数据产品化是指制作者将收集的原始信用数据，经过加工、处理、分析以及可视化等手段，最终形成可应用于信用评估和风险管理等具体场景的数据产品的过程。数据要素乘数效应激励高质量信用数据生产供给主要体现在以下两个方面：
其一，数据要素乘数效应为信用数据产品化提供了丰富的原始数据资源，使信用数据经营者能更高效地获取多元数据资源，其不仅改变了社会信用行业传统要素的功能和形态，同时也催生了新型生产要素。
在“数据要素×金融服务”背景下，政府支持金融机构融合利用科技、环保、工商、税务、气象、消费、医疗、社保、农业农村、水电气等数据，加强主体识别，“一切数据皆信用”成为社会信用体系建设的新思路，一切具有可识别性的信息都可以通过数据挖掘运用到信用评估当中，被用于信用数据产品化的原始数据数量不断丰富、质量不断提升，使信用评估结果和风险预测更加精准、全面。
例如，美国金融科技公司Zest Finance利用大数据建立信用评估模型，同时使用了传统的结构化信用信息和其他具有识别性的非传统信用数据要素，得出的评估结果更全面，更能满足用户的需求。
其二，数据要素乘数效应增加了信用数据产品化的价值挖掘潜力天策吧，提高了信用数据产品的生产质量。首先，“数据要素×科技创新”为信用数据产品化提供了技术支撑。
信用数据产品化具有专业性，它不是简单地信息数据收集，而是运用大数据、人工智能、区块链、隐私计算等各种数据技术，在数据全生命周期各环节对信用数据资源进行加工处理，形成不同级次、不同形态的产品和服务，由此来提高相关组织的决策效率、可靠性。
其次，信用数据要素的丰富性，使信用产品服务更加精细化。数据要素帮助相关主体扩大信用数据的收集范围，在信用数据产品加工制作过程中，传统的制作主体，即政府部门、征信机构、金融机构，通常是以金融交易、账户信息等传统信用数据为加工原料，而以数据为生产要素的大数据公司等制作主体，在收集传统的信用数据的基础上，还通过数据分析和挖掘技术收集了公用事业、电信支付、出行记录、生活缴费等非金融数据，这使得用以产品化的原始信用数据更加丰富，得出的信用评估结果更加客观、精准。
(二)数据要素乘数效应指引构建高效率信用数据流通环境
数据要素乘数效应化解传统数据流通模式下的“数据孤岛”现象，为构建高效率信用数据流通环境提供强有力的保障支撑。“数据孤岛”是指数据未被充分利用、数据关联性未被有效发掘，对数据要素价值转化造成阻碍，导致数据滞留、失真。
“数据孤岛”现象在信用数据领域的产生缘由有三点。
一是数据获取权限不合理。当前，在数据处理过程中获取信用数据主要有两个途径：第一个是通过政务部门的信息公开窗口获得，第二个是取得数据来源者的同意授权，直接获取相关数据。前者只要数据处理者及时收集，而后者则完全依赖于数据来源者的知情同意权，且考虑到信用数据处理本身所具有的时效性、高频次及场景复杂性等特点，若每次在收集处理信用数据前都要获取数据来源者的授权同意，将会严重削弱数据处理的效率。
二是信用数据开放共享不完全。数据开放共享不完全即“数据孤岛”中的物理孤岛现象，数据处理者出于维护自身利益的考量，通常不会将自己占有的数据合集开放，也不会与其他主体共享，从而导致数据合集彼此孤立，很难进入到一个数据库当中，难以确保信用数据的准确性和完整性。这种现象主要归结于政府部门担忧数据被用于黑市交易等违法利用行为，导致权力异化，或是数据处理者为了提高自身核心竞争力，对这些数据做垄断处理。
三是对数据的划分标准不一致。数据处理者往往会站在自身的角度对占有的数据赋予含义，这就会出现不同主体对数据的划分标准不一致的情况，从而引发“数据孤岛”中的逻辑孤岛现象。逻辑孤岛会使各部门、主体之间沟通困难，增大数据流通利用的难度。
针对以上三种情形，在数据要素乘数效应的赋能下，应鼓励探索建设重点行业和领域数据流通平台，支持行业内企业联合制定数据流通规则、标准，提高多主体间数据应用效率。在此基础之上，信用数据经营者可以合法收集、合理利用信用数据，并将信用数据资源转化为信用数据产品，开展社会信用业务。申言之，数据要素乘数效应可以有效化解“数据孤岛”现象，为开放共享增加了更加可靠的途径，使信用数据的流转和沟通更加简便，数据经营者能以此获得更大的经济效益。
(三)数据要素乘数效应助力完善高水平信用数据市场配置
数据要素与传统社会信用行业生产要素相结合发挥数据要素乘数效应，有助于优化高水平信用数据市场配置。
首先，数据要素乘数效应赋予了原本海量庞杂、看似无用的数据信用价值，将传统生产市场中“无用”的信息利用起来，极大地激发了数据要素价值潜能，同时也丰富了信用数据产品化中可用于信用评估的数据体量，弥补了传统信用评估信息维度单一、时间滞后等缺点，打开了社会信用体系建设的新局面；
其次，数据要素乘数效应可以使信用数据在产品化过程中有效地流动和配置。在数据信用化的背景下，信用数据突破了原有含义，不再是狭义上通过银行、金融机构获取的信贷数据信息，而应该作更加广义的解释，即一切可识别出主体信用状态的全部信息数据，包括信贷数据、网络数据、社交数据等。数据要素乘数效应将这些信用数据重新公平分配，通过政策支持和技术引导使经营者公平地获取信用数据，促使信用数据在高效流动之下创造更多价值；
最后，数据要素乘数效应促进信用数据经营者共享数据资源，实现企业间互惠共赢。对金融机构、大数据公司等企业而言，开展运营的目的在于如何高效利用数据价值，以获取更高的收益，其动机不在于生产、收集信用数据，而在于利用信用数据，通过在双边市场中为用户提供服务，向用户收取费用来获取收益，或满足自身经营需要，识别风险以降低损失。
故信用数据产品的生产和交易成本，以及产品质量对数据经营者来说尤为重要，而在“数据要素×”背景下，对信用数据资源市场的重新配置能更加明确地引导企业不断更新信用信息挖掘技术和分析评估模型，通过生产满足特定质量要求的信用数据产品来获取更高的收益。
二、信用数据产品化的法律规制样态检视
在“数据要素×”行动深化实施的背景下，数据要素乘数效应正通过信用数据产品化路径加速释放。大数据信用、互联网金融等新兴信用技术产业依托数据要素的指数级增值特性，已形成以信用数据产品为核心的新型生产关系。
这种数据要素与信用经济深度融合的乘数效应，使得信用数据产品化不仅成为提升要素配置效率的关键路径，更构成了数字经济时代社会信用体系的基础设施。在此转型过程中，传统社会征信行业的业务模式和法律关系正经历体系化重构。
数据要素的多元共享与跨界融合特性，要求信用数据产品必须建立规范化的确权、定价和流通机制。然而，我国现有社会信用管理制度仍以传统金融机构为规制重心，未能及时构建适应数据要素乘数效应的新型法律框架，由此面临公共数据开放不足、个人信息安全保障不力、信用数据权益救济滞后等困境。
(一)政府垄断治理对“公共信用数据收集”的遏制
在社会治理形势日益复杂多变的背景下，政府无法垄断对公共事务的治理，公共治理领域开始出现公共权力多中心化和行政主体多元化的发展趋势。在社会信用体系建设中，我国政府在信用信息管理方面占主导地位，倾向“无限政府”。
不可否认的是，政府主导信用信息管理可以确保信息的准确性，有助于建立行业统一的信用信息数据库，在便于监管的同时实现信息共享。
但是，大数据信用、互联网金融等新兴信用技术产业兴起之下的信用信息数据天策吧，已经不再局限于传统的信贷信息数据。大数据挖掘出的其他网络、社交信息经过算法分析也可以被用于信用评估，政府主导管理建立统一的数据库已经不能完全包含行业中的信用数据。
相反，在政府主导管理下的征信行业还存在众多缺点。传统的信用数据是由各政府公共管理部门的信息公开窗口发布，部门之间的数据平台分散，标准不一，导致数据处理者收集、整合难度大；信用数据产品化赋予了信用数据流动价值，政府垄断管理不利于征信行业的革新发展，导致市场参与度降低。
随着共享经济的迅猛发展，共享金融已成为主流金融模式之一，多样化的信用数据共享模式层出不穷。例如政企模式下，依托于电子政务外网构建的信用数据共享平台；为加强供应链合作而构建的企企模式下的数据共享平台；还有银企模式下，为保护核心企业的隐私数据，以及帮助银行形成对企业的信任而构建的数据共享平台。
这些信用共享平台在一定程度上减缓了“数据孤岛”“信息不对称”等不良现象。但与此同时，我国的数据共享机制建设时间较短，在数据共享的专门立法上仍然存在空白，法规的协调性不足，数据共享制度的整体性有待加强。
(二)经营者自主收集行为对“个人信息数据”的滥用
信息数据运营者运用大数据挖掘对征信、金融、电子商务、社交网络等领域的信用数据进行收集整合，并在此基础上融入应用爬虫和计算机算法，将用户的基础信息和信用数据信息进行智慧关联、深层挖掘以及可视化分析，最终形成信用数据产品，进而为自己企业内部进行风险管理和客户评估，或者以有偿形式为不同行业提供定制化解决方案，形成评估报告。
然而，数据运营者在对信用数据进行开发、利用的同时，信用数据也存在被滥用的风险，数据安全事件频发，例如华东地区的银行客户信息在“暗网”黑市被倒卖；以及根据中央网信办(中央网络安全和信息化委员会办公室)违法和不良信息举报中心的数据加总得知，仅2023年上半年，我国各级网络举报部门累计接收并处理了9652.1万件举报案件。
特别是在新兴信用行业发展下，一系列法律空白导致被信用化数据被过度收集和利用，使得用户信息被篡改、泄露，这对信用数据产品化所依赖的原始信用数据的可靠性、客观性和价值性造成严重影响。
数据运营者自主收集场景下对“被信用化后的信息数据”的滥用风险主要体现于两个方面：
一是信用数据信息授权风险，主要体现在用户被强迫授权、数据收集者超出用户授权范围使用、授权数据保护不足三个方面，导致用户无法自主掌握自己的授权信息。当前用户个人数据授权主要遵循知情同意原则，数据运营者一旦获得原始数据提供者的同意，原始提供者就失去了对其信用数据的控制，至于后续被收集的信用数据将会被如何处理、利用，数据原始提供者仅有知情权，甚至运营者也有可能在授权者完全不知情的情况下，直接篡改、滥用他们的信用数据信息。例如，大数据杀熟就是当下最常见的数据滥用行为。原始数据提供者的知情权难以得到保障。
二是对数据源主体的隐私风险。在传统的征信业中，信用数据安全问题并不明显，因为经营主体需要具备相应资质，其经营过程受到政府管理部门的严格监管，并且在传统的经营模式下，客户的信用数据仅仅在经营主体内部流通，不易被泄露。而在当下的信用行业中，经营主体多元化，信用数据复杂化，信用数据从采集到处理、交换的全过程链条拉长，导致更多防护缺口出现，诸多不确定性增加了数据源主体的隐私泄露风险。再者，信用数据产品化使信用数据往往与用户身份信息数据相互捆绑，信用数据产品的滥用不仅仅会引发信用数据地泄露，也会造成数据源主体身份信息地泄露。
(三)《反不正当竞争法》对“信用数据权益救济”的局限
当前我国司法实践中大部分数据收集处理纠纷都依据《中华人民共和国反不正当竞争法》(以下简称《反不正当竞争法》)进行裁判，但《反不正当竞争法》缺乏通盘调整数据产品利益的机制，其对信用数据权益的保护存在诸多局限性。
一方面，《反不正当竞争法》是事后救济法，其规制模式无法对数据权益进行事先保护，难以实现数据的积极利用，与信用数据产品的激励需求不相符。《反不正当竞争法》最初源于民法中的侵权法，其本质上是行为法，其对数据产品的保护属于行为规制模式。在行为规制模式中，信用数据产品仅被看作是一种财产性利益，而不是财产权，并且《反不正当竞争法》调整的是“具有竞争关系的数据产品经营者之间，由于不正当竞争行为而产生的数据产品纠纷”，只有在信用数据产品的相关利益被侵害时，法律才予以救济。也就是说，《反不正当竞争法》是一种事后救济保护，属于消极赋权，它无法赋予数据产品排他性权利进行事前保护。
这种事后救济的消极赋权与信用数据产品的激励需求相违背，使数据权属和利益分配机制模糊不清，导致征信行业市场混乱，信用数据产品开发者由此陷入“公地悲剧”和“数据孤岛”困境，极大增加了数据处理者的开发和保护成本，从而遏制社会信用行业进行数据挖掘以及信用评估技术革新的良性发展。
另一方面，《反不正当竞争法》无法解决全部的信用数据产品侵权纠纷。其保护路径主要有两种。
其一是将信用数据产品权益纠纷看作不正当竞争下的侵权行为，但《反不正当竞争法》只能调整市场中因为竞争关系而发生的侵权行为，无法回应不具有竞争关系的侵权问题。再者，《反不正当竞争法》中明确规定的不正当竞争行为类型，也并不能完全涵盖信用数据产品的竞争侵权行为。在司法实践中，法官大多会引用《反不正当竞争法》第12条这一兜底条款进行裁判，导致竞争关系和不正当竞争行为的范围不断扩大，以满足《反不正当竞争法》的适用条件。
其二是将信用数据产品作为商业秘密进行保护，但信用数据产品的原始数据来源大多是政府和银行公布的公共信用数据，并不能满足保护商业秘密的前提条件，商业秘密制度只能保护很小一部分的信用数据产品权益。
三、信用数据产品化的法律规制路径转型
数据要素在信用数据产品化中的应用，极大地促进了社会信用行业的发展。有效发挥数据要素乘数效应，能进一步释放数据要素价值，丰富数据应用场景，推动信用数据产业迭代转型，但随着数据要素应用的广度和深度大幅拓展，信用数据安全风险问题也日益增多。
审视当下的信用数据安全保障法律制度，可以从社会信用管理模式、个人信用数据授权方式、信用数据产品权利保护三个方面，对信用数据产品化的法律规制路径提出转型方案。
(一)社会信用管理模式从“政府垄断治理”到“政、银、企、用户协同共治”转变
信用数据的治理既不能强调政府监管机关的过度“家长主义式”监管，也不能完全依赖于平台“自由主义式”自治，协同治理是推进数据要素制度建设和实践创新的必然路径。在“数据要素×”背景下，发挥数据要素乘数效应，需要社会多方主体积极参与数据要素开发利用，协同推进行业标准制定。
一方面，在现有的政银企三方数据共享模式的基础上，加入信用数据产品用户，实现政府、银行、企业、用户四方协同共治。政府、银行作为监管者和征信数据公布者，信用数据服务企业作为被监管者和信用数据运营者，信用数据产品用户既是数据源主体也是信用数据产品的最终用户。通过设置四方协同共治模式，激励主体(尤其是用户)参与数据安全治理，从而通过维护数据安全来提升信用产品的可用性与可靠性，回应用户使用需求，以此建立用户及平台的互信，进而提高用户对智慧服务的价值感知度和参与度以利于服务开展。
信用数据产品用户加入数据共享模式后，政府可以直接知晓信用数据服务企业收集哪些用户的个人信息，便于开展监管活动，同时，用户也可以追踪到自身的数据信息的被利用状态，在出现被篡改和盗用行为后，可以第一时间向信用监管部门反映情况，从而增加信用数据的可靠性。
另一方面，政府信用监管的主体应该从传统的金融征信机构转向大数据公司、信用数据服务机构，明确信用数据服务机构的设立门槛以及信用行业的业务范围。
《征信业管理条例》和《征信业务管理办法》中仅说明征信业务不限于金融信用信息业务，却没有对信用数据产品设有单独的具体规定。而美国《消费者隐私保护法案(草案)》(Administration Discussion Draft:Consumer Privacy Bill of Rights Act of2015，CPBR)则规定了信用服务主体的排除性规则，即数据控制主体一年中只在内部利用与处理1000名以下用户非敏感信息，可否定其信用服务主体地位。
美国以数据机构对数据的“使用目的”区分数据服务机构和信用服务机构，凡是以将数据用于信贷、保险、雇佣及其他交易活动资格评估等为目的的，都被视为信用服务机构，其他则被视为数据服务商。在大数据背景下，我国信用管理部门也应该对数据服务机构进行具体划分，对信用数据服务企业进行精准监管，进一步统一信用行业服务标准。
(二)数据源主体权利保护机制从“授权—同意”到“授权—知情—遗忘”转变
个人信息数据的安全与隐私保护是推进数据要素乘数应用健康发展的前提。从数据源主体的信息数据权利保护相关规则来看，仅《网络安全法》《个人信息保护法》规定了知情同意权，《个人信息保护法》规定了个人信息删除更正权，然而，前者在实际运作中没有得到实际保障，后者并不是数据源主体的自决权利。
对于如何落实数据源主体的知情权，最主要的是要对“授权—同意”的形式加以改进。2013年颁布的《征信业管理条例》明确规定了个人信用信息采集需遵循“授权—同意”原则，该条例已实施长达11年之久。在此期间，信息处理者通常会采用便捷高效的格式合同，通过概括性条款来征得信息主体的同意，虽然这种授权的形式和内容灵活方便，但也在一定程度上对信息主体的权益造成了侵害。
信用数据运营者给数据源主体的授权书往往冗长复杂，或者过于专业，晦涩难懂，数据源主体经常没有仔细阅读就同意授权，数据源主体“同意”的意思表示真实性有争议，并且被授权的数据信息何去何从，数据源主体也不能保证完全知情。所以，对信贷合同或者格式化的《个人信息查询及报送授权书》中规定的授权条款，信用数据运营者应该要用足以让一般人理解的形式提供给数据源主体，比如对关键点进行特别标注，或者用视频、音频的方式向用户详细说明，再获取授权。
对于数据源主体对自身信用数据的自决权利，有必要在社会信用法律体系中增加被遗忘权(Right to Be Forgotten)。自决权利是指数据源主体可以自己决定自身的数据信息是否被采集、传输、储存、处理、交换和销毁，对已授权的数据可以自己决定撤销授权。
在自决权利之下，用户可以更改授权和撤销授权，也就是说数据源主体可以随时查看个人信用数据被共享的详情，这可以最大程度地保护用户的隐私权益。在数据获取阶段，知情同意权可以保障用户的自决权利，在数据处理和利用阶段，应该要增加数据源主体的被遗忘权来保障其自决权利。欧盟在《通用数据保护条例》(General Data Protection Regulation，GDPR)第17条中确立了“被遗忘权”，而在我国立法倾向于通过删除权制度来保护被遗忘权，《网络安全法》第43条规定了个人信息删除权的内容，《民法典》第1037条进一步强化对个人信息删除权的保护，《个人信息保护法》第47条再次对删除权制度作细化规定。
但是更正删除权不等于被遗忘权。更正删除权是用户的信息数据权利被侵害后的事后救济，是数据源主体享有的请求数据处理者删除相关个人信息的权利；而被遗忘权既包括数据源主体对自身信息数据的事前控制，也包括数据处理者对数据源主体过往负面信息进行披露与使用的限制，其目的并非删除而是遗忘，并且作为义务人的数据处理者不仅负有删除义务，还要承担审查和通知义务。
在信用数据领域，应该增设信用数据被遗忘权，一方面数据源主体可以自决数据的利用情况，另一方面可以减少失信行为的发生。对于有过“信用污点”的人来说，如果因为曾经的失信行为而影响现在的经营活动，可能会使其抱有“逆向选择风险”的心态，从而大大增加失信行为的发生。而对于某些特定领域发生的失信行为，若在其采取补救措施改过自新之后，能对之前的失信信用数据封存遗忘，或能正向促进相关主体在经营活动中遵守社会信用秩序。
(三)信用数据产品权利保护路径从“事后救济”到“事前确权”转变
《三年行动计划》明确提出，要结合场景需求，研究数据资源持有权、数据加工使用权、数据产品经营权等权利分置的落地举措，探索数据流通交易模式。而对于权利分置之前的数据财产确权问题，有学者认为，当前现有的行为规制模式、合同规制模式以及技术保护措施已经足以保护数据权益，事前确权并非必要。但是，与数据确权保护相比，行为、合同、技术保护模式常常处于事后救济的法益保护状态，过于依赖法官的自由裁量权，数据权利没有固定的事前保障。
此外，在《数据二十条》中，已经明确建立数据资源持有权、数据加工权、数据产品经营权的三权分置的产权运行机制，是否确权已经不是核心争议点，关键问题是应该如何制定确权规则。而就信用数据产品来说，可以从数据财产权法律规范、分权配置、产权登记三个方面对其进行事前保护。
首先，构建数据财产权法律规范体系，为信用数据财产权确权提供法律基础。当前仅有《数据二十条》政策明确了数据确权授权机制，在立法上应该促进政策向法律规范转变，通过法律肯定数据产权的“新型财产权利”地位，并以《数据二十条》中的权利分置机制为基础确定权利属性和内容配置，由此来解决数据权利纠纷中法律适用不确定的问题，减少纠纷解决中同案不同判的情况发生。
其次，在权利分置机制中单独确立数据产品经营权的具体属性。一方面，信用数据产品的应用领域广泛，它是信用数据投入市场使用、释放信用数据价值的产出物，并且信用数据领域的数据纠纷主要是数据产品的侵权纠纷，故数据产品经营权是数据产权运行机制中最主要的权利保障机制。另一方面，明确数据产品经营权的排他性。数据产品经营权是经营者对自身持有的数据产品具有使用、流通、收益的排他性权利，它与一般商品经营权不同。后者的客体是基于传统生产要素生成的公共商品，而前者的客体则是基于“数据要素×传统生产要素”生成的数据产品，是经过劳动赋权后价值创造的结果。
最后，在确权的基础上建立信用数据产品产权登记制度。以数据产品登记制度明确信用数据产品的权属关系，一方面可以事前明确界定信用数据产品的来源、归属、使用情况，避免数据被非法篡改、泄露和使用；另一方面可以规制信用数据市场交易行为，通过产权登记制度明确数据产品交易的准则，能够有效遏制市场中不正当竞争行为，有利于维护信用数据市场的稳定，促进社会信用行业可持续发展。
四、结语
作为金融创新与产业变革的核心驱动力，数据要素乘数效应的充分释放依托于信用数据产品化的规范治理框架，唯有将信用数据治理纳入数字法治轨道，方能实现数据要素乘数效应与信用经济高质量发展的同频共振。社会信用体系建设是保障数据要素融入信用行业的前提和基础，而我国全面启动信用建设工作的时间较晚，现阶段还存在规范层级不高、适用范围较窄、行业标准不一等问题。
本研究立足“数据要素×”战略维度，深入剖析数据要素乘数效应与信用数据产品化的耦合机理，总结其发展过程中的困境，并在《三年行动计划》《数据二十条》等政策框架下，从公共信用数据共享治理、个人信用数据获取方式、信用数据产品权利保护等方面着手，提出具有针对性的法律规制路径，以此加速推进国家社会信用法律体系的建设进程，为构建适应新时代高质量发展要求的社会信用运行机制，提供强有力的法治保障。
源点注：本文作者湖南工业大学法学院刘谢慈天策吧，吴怡
牛策略配资提示：文章来自网络，不代表本站观点。
