一、引言

数字经济时代，数据发挥关键生产要素的作用功能愈益显现。《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》明确指出，数据作为新型生产要素，是数字化、网络化、智能化的基础，已快速融人生产、分配、流通、消费和社会服务管理等各环节，深刻改变着生产方式、生活方式和社会治理方式。数据基础制度建设事关国家发展和安全大局。数据推动经济社会发展和效率提升，本质上要求数据要素规范、合理地自由流动和市场化配置，从而重构社会生产模式，创新决策范式（陈国青等，2020；蔡跃洲和马文君，2021；张嘉伟等，2022）。数据治理（广义上）则是通过对数据生命周期实施全面、有序的规范化治理和监管，促进数据合理流动、开放和优化配置，释放数据要素最大的潜在价值(徐宗本等，2014)。金融数据治理作为实现金融行业数字化转型的重要基础和内容，是数字化时代金融更好服务实体经济，促进经济社会高质量发展的重要举措。

完整的数据治理体系包括微观组织内部数据治理（即狭义上的数据治理）、行业和市场层面上的数据共治以及宏观社会层面上的数据公共治理与监管协调。组织（企业）内部数据治理着眼于公司治理框架，通过组织和实施相关数据（信息）政策、流程和实践标准，使得组织（企业）的数据管理有序、规范，数据决策科学合理，数据要素价值充分实现（Watson等，2004；杨善林和周开乐，2015；孙新波等，2019）。然而，随着数字化进程不断推进，微观层面上组织（企业）内部数据治理，在理念和范式上已不适应数据开放环境下数据作为关键生产要素的经济和社会价值实现，数据共治应运而生。

数据共治是数字社会与数据开放背景下，微观组织(企业)在行业和市场层面上通过多主体、多角色协同合作，优化数据要素配置，实现数据资产价值最大化的治理策略与过程(Luna-Reyes和Gil-Garcia，2011；杨学成和许紫媛，2020）。数据共治旨在打破组织（企业）内部数据治理不能解决的行业和市场数据相互分割的弊端，促进数据开放、共享和共融，实现数据要素市场化合理配置（Williamson，2014；程琳等2019；米小安等，2019）。相较于组织内部数据治理，数据共治更强调和重视数据聚合、数据标准等数据公共基础建设，数据开放和隐私保护平衡，数据收集、使用和共享中可能潜在的伦理问题。数据共治推动数据流转和融合，提升了数据价值密度，改善了数据配置效率。

数据流动从组织（企业）内部走向行业和市场共享、融合，数据治理形式与内涵也必然会突破微观组织（企业）和行业共治层面，成为政府和社会公共治理体系的重要组成（陈振明，2000；王浦劬，2014）。政府和社会层面上的数据公共治理与监管协调主要内容包括：政府对公共部门内部数据治理、开放和共享体系建设（黄璜，2011；Yang等，2012）；政府与公共部门对全社会数据资源和要素实施公共治理与监管协调（Attard等，2015；黄璜，2015）；政府与公共部门制定数据领域法律、政策、制度和标准，推动数据基础设施建设，管理经济与社会数字化发展（黄璜和黄竹修，2015）。当下，数据已然成为战略性资源和关键性生产要素，同时，数据作为重要资产也日趋呈现多元化应用价值（许宪春等，2022）。建设和完善数据公共治理与监管体系，已成为国家治理体系现代化和数字化发展的核心内容与战略举措。

金融活动是基于数据挖掘和信息处理来经营风险的业务。金融数据固然创造巨大商业和社会价值，但存在着诸如风险错配、隐私泄露、数据垄断、法律失范、信息非法贩卖和技术标准不一等诸多治理与安全问题（戚聿东和李颖，2018）。2013年7月，出于防范金融风险和维护金融稳定目标，国际清算银行巴塞尔银行监管委员会发布《有效风险数据加总和风险报告原则》（Principles for Effective Risk Data Aggregation and Risk Reporting）报告文件,推出有效风险数据加总和风险报告14条原则，从而在监管层面上正式揭开全球金融数据治理序幕（Bank for International Settlements，2013）。其后，金融数据治理围绕着以防范金融风险、保护个体隐私和“基于粒状数据精细化同意——共享”为核心原则，就构建集合理政策、标准、制度与有效数字基础设施融于一体的金融数据治理框架进行探索和研究（Tiwari等，2022）。近年来，我国金融数据治理和监管取得显著进步，但仍存在诸如数据质量不高、数据共治和共享程度较低、金融数据隐私保护不足等问题与困境（张凯，2021）。为此，需要加强对金融数据全方位治理，理顺金融数据治理链条（包括内部治理、行业共治和政府监管），构建和强化以“挖掘金融数据价值”和“防范金融风险与保障数据安全”为双核的金融数据治理与监管协调框架（清算中心课题组，2020；沈一飞和郭笑雨，2020）。

当前，数据治理研究方兴未艾，产生了重要学术成果（Brous等，2016；Vilminko-Heikkinen和Pekkola,2019；Farboodi和Veldkamp,2021)。例如，Abowd和Schmutte(2019)对数据统计精确性和个体隐私保护关系进行分析研究，为如何在提高统计数据准确性与加强隐私保护之间优化权衡奠定理论基础，给出分析范式。还有，洪亮和马费成(2022）基于知识关联构建知识大图，提出了面向大数据管理决策的统一框架和系统化方法；再如，陈松蹊等（2022）对大数据情境下的数据完备化问题进行了系统研究，为大数据完备化及赋能管理决策奠定理论和方法论基础。然而，现有的研究大多聚焦于数据治理局部和具体问题，鲜有关于数据治理领域系统性的理论分析与研究成果。本文试图填补数据治理领域系统性与整体性方面的研究不足，以期为创新和重塑我国数据治理体系提供理论和政策支持。本文基于卡斯特流动空间（Space of Flows)理论，定义管理学和社会学意义上的数据空间概念和结构，以金融数据治理与监管为分析实例，从数据空间视角，在金融数据内部治理、行业共治以及政府与社会层面上的数据公共治理和监管协调三个层面上，对数据治理的目标、原则、内容与治理（监管）边界进行系统分析和研究。

......

学术论文全部内容请详见附件。