随着移动存储、云计算、数据挖掘、搜索引擎和移动支付等数字技术在经济社会诸多领域越来越广泛地使用，数字技术被视为将引发改造甚至重构经济社会史无前例的变革。

没有人否认和低估数字技术对未来经济社会的系统重构和变革能力，尽管目前人们尚难以想象数字技术给经济社会将带来怎样的裂变、聚变程度，但大数据无疑承载着通往未许之地的厚重，不同逐鹿者都施展浑身解数致力于营造一个能尽可能聚合各类信息的平台，网罗各种可能的数据进行跑马圈地，其壮观程度胜于英国工业革命时代下圈地运动的骚动，因为大数据是未来探寻各种新兴商业可行和可能性的基础和门票。是为云计算、移动存储等为业界热捧之缘由。

遗憾的是，目前业界过度聚焦于大数据的采集聚合平台，及数据挖掘、搜索和分析等数字运算能力，却忽视了一个务本的核心命题，即信息的产权问题，进而暴露了国内商业运营者最为缺乏的是对合同、契约和信用的深切理解。其实，不论是基于经济理论研究，还是现实的商业实务，一切经济社会活动的基础是产权清晰，及在产权人格化上内生出的市场信用的激励相容性。若缺乏清晰的产权属人化厘定，各种商业活动就面临复杂的公地悲剧和格雷欣效应，就无法有效构筑出经济社会的市场信用，进而建立在大数据上的各种图腾都将是沙滩上的建筑，中看不中用。

究竟该如何为大数据下的信息进行产权定性？谷歌等强调其平台上的信息为信息提供者所有，不断提高和完善用户体验，吸引更多人使用，提供信息安全保护，并向用户展现其具有强大的信息挖掘、配比和赋值等运算能力。而信息提供者对其信息拥有相对完整的产权，包括支配权和剩余索取权等，谷歌若要使用用户信息需征得后者同意，并会以各种方式进行对价交易。而国内企业不仅至今未就这个本源问题展开讨论，且甫一开始就潜意识地把自身平台上聚合的信息理所当然地归为己有，认为信息提供者在其平台留下的信息已脱离信息提供者的母体，而变成了平台的自有产权。

这两种对信息产权处理的不同理念，不仅是法经济学需深思的基本问题，而且在未来将左右并决定着大数据的商业可能、可信和可行性等经济社会生态重构问题。深入解析不难发现，对信息进行有效的产权定义是复杂的，其不同于现实中的各类财产具有完备的可排他性特征，信息在产权的排他性方面是不完备的，因为信息产权主体要真正履行排他性使用和处置权，其护卫成本高到几乎不可能有效满足其独占性诉求，如盗用个人信息显然比盗用个人财产更容易。同时更为重要的是，信息的意念性、趋势互动性等使其内在价值存在多变和不稳定性，如鉴于信息的趋势互动等，其内在价值有用性不能单纯依赖单个信息个体而存在，而是形成于不同提供者的信息集积中，这恰是数字技术时代下众包主导的主要缘由。

显然，若把信息产权归于平台所有者，要保证平台所聚集信息的内在价值有用性，必须构建一个外部性激励相容机制，促使信息提供者愿意在其平台留下个人信息，且其提供的信息能显示其真实偏好，而非是为获得某种给定好处而随意糊弄一些信息蒙混过关。而要构建这样的外部性激励相容机制几近不可能，这方面很多人应该深有体会，如人们在参加各种网上网下调查问卷时，可能要么刻意回避，要么随意填写。究其原因就在于，一则大多数人没有义务呵护自己无产权信息的真实性，一则信息挖掘者对信息安全言之不详，甚至几无准备，这种信息诱使往往提前预设了信息“失真”的可能。因此，信息的产权若为信息平台运营者所有，尽管可搜集到大量信息，但这些信息大多难有效显示信息提供者的真实偏好，进而导致其所获得的信息与生伴随着公地悲剧，及劣币驱逐良币的格雷欣效应。

因此，即便一些人士表示，通过信息互证、心理行为学工具，及其他特殊的处理工具，能为信息进行有效的去伪存真，但这些大数据的商业可能、可信和可行性，都将是不可逾越的屏障，因为技术性处理更多求解的是如何选择一个正确答案，但信息脱离供给者的产权扭曲安排却提供了一个舍弃正确答案的框架，因此海量信息在可信度上就是一大挑战，对其的所谓商业化就是一种遥不可及的奢望。

其实，信息本身在排他性上具有不完备性，且信息内在价值具有多变和不稳定性等，预示着信息产权必须归属于信息提供者，才能发掘信息的内生激励相容性，并使大数据真正具有商业可能、可信和可行性，数字化技术才能真正有效促进经济社会的生态变革。具体而言，信息供给者为信息的产权所有人，信息才能真正内含个体信用，信息提供者才会如爱惜自己的财产一样呵护信息质量，重视信息安全，尽可能真实显示自身偏好，以期许诸如谷歌等进行数据分析赋值，为自身真实偏好进行有效定价，发掘其信息的内在商业价值，享受信息受益权，而其提供不实信息则将侵蚀其信息产权收益，进而避免大数据下信息的公地悲剧和格雷欣效应。

总而言之，产权是一切经济活动的基础，在大数据时代下的经济社会运营生态中，信息不是上帝恩赐的空气和水，而是已如同土地等一样变成了一种基础性生产要素。因此，把信息作为一种商品，为信息进行有效的产权厘定，为信息安全提供清晰的产权保护，为信息产权纠纷提供规范化的评价体系等，将决定着大数据商用可能性、可信性和可行性。