·法学专论·


内容摘要：随着大数据时代的来临，数据正义愈来愈成为国内与国际层面的迫切要求。传统的数据分配正义范式作为应对数据控制者与数据主体利益失衡的首选方案，其与生俱来的局限性动摇了平等分配的理论根基。在数据分配正义范式下，实践中存在的不正义问题难以从理论层面寻求有效解决方案，数据控制者与数据主体之间的不平等进一步加剧，这成为该范式难以克服的现实瓶颈。数据分配正义范式之所以面临从理论到实践的双重掣肘，最根本的原因在于忽视了社会结构与制度语境的重要性。数据利益的分配受到数字资本结构、权力结构以及全球正义结构的三重制约，这从结构根源上导致了数据主体在数据利益分配过程中的劣势地位。消除数据不正义不能仅仅依靠再分配，数据正义的基础应当是结构数据正义，需要运用法律手段从源头上遏制不公正的社会结构。
关键词：利益失衡；数据正义；分配正义；结构正义；法律规制
中图分类号：D90-　　文献标识码：A　　文章编号：1004-9428（2022）05-0073-16
　　随着数据跟踪、存储、处理、挖掘、评估和算法技术的飞速发展，数据已经成为重要的生产要素和企业的核心资产。这促进了数字资本的兴起和发展，数字资本从物理空间向数字空间扩张，渗透到经济、社会和文化各个领域。数据技术与资本的结盟关系催生出了一种新的结构化的超级权力。它“强化了物的关系对人的关系的遮蔽，隐藏了资本对劳动的剥削，新形式的数字异化再生产着阶级冲突和不平等的同时，也以对平等数字权力的拥有这一假象掩盖了当代全球社会中的劳资对立和阶级冲突”。〔1〕在大数据时代，如何实现数据正义逐渐成为理论与实践层面的重要问题。数据正义强调数据控制者应当在充分尊重其他数据利益相关者的前提下，实现数据开发和利用过程中的平衡。为了实现这一目标，国内学术界和实务界提出了一些解决方案。然而，这些方案均试图从分配正义范式出发来构建数据正义。尽管分配正义范式具有一定的说服力和解释力，但却没有触及到数据不正义产生的根源，也即社会结构的不正义。因此，从结构正义范式出发，关注社会结构因素的影响，对于数据正义的制度建构具有重要的理论与现实意义。
一、分配正义范式下的数据正义
　　虽然分配正义范式源自于传统物理世界，但是它以强大的解释力而成为大数据时代下理论界和实务界分析数据正义问题的基本范式。这套分配正义范式将社会正义与分配视为相同外延的两个基本概念，并认为社会正义的核心在于自由和权利、权力和机会、收入和财富等利益和负担的分配是否符合社会成员的道德要求。因此，在分配正义范式看来，数据直接关涉权利、利益和资源，如何对数据背后承载的权利、利益和资源进行有效分配是数据正义的核心。
（一）数据分配正义的基本范式
　　数据技术在推进社会发展的同时，也出现了大量的数据异化现象，从而滋生了大量数据不正义问题。如何构建一套以数据正义为中心的制度规范成为数据时代亟待回应的社会关切。无论是理论界还是制度安排均倾向于从分配正义角度来应对数据不正义问题，将分配正义范式作为处理和解决数据不正义问题的基础和关键。之所以分配正义范式能够成为回应数据正义的重要路径，是因为数据不正义的产生主要源于数据控制者与数据主体之间的不平等，而如何减轻或者消除这种不平等正是分配正义理论所着力解决的问题。分配正义主张公平分配社会资源、机会和利益，致力于通过社会制度再分配而使社会所有成员处于一种平等状态之中。〔2〕这不仅与数据正义的平等追求存在着一致性与对应性，也符合人们对于数据正义所持有的合理预期。因此，怎样合理配置建基于数据之上的利益，正在成为大数据时代下国家与社会治理的重要任务。
　　数据分配正义范式依然围绕利益分配而展开，并且随着数字时代的到来而融入了新的理论内涵，主要涉及的是数据治理中多元主体之间的利益分配。这一理论的实质涵盖两个核心概念：主体和利益。从主体来看，数据分配正义主要涉及国家、数据控制者与数据主体。一般来说，国家是执行再分配的主体，企业或平台等数据控制者、数据主体属于被分配者。虽然代表国家的公权力机关为履行法定职责也会涉及数据“控制”行为，但是这种“控制”在本质上不是为了获得某种财产性利益，而是为了维护国家利益与公共利益，因而在性质上属于“做大蛋糕”的分配者。〔3〕从利益分配的起因来看，由于数据是一种具有外部性和非排他性的公共资源，所以数据控制者与数据主体能够共同参与进数据利益的创造过程之中，但实际情况却是数据控制者占尽优势而数据主体一无所得。这是因为只有数据控制者才具备生产并利用数据集合的能力，而这种规模效应是数据产生经济价值的前提与关键。〔4〕从利益分配的内容来看，数据控制者的利益一部分是基于数据主体的正当性劳动所得，一部分是建立在侵犯数据主体正当性权益的基础上。其中，即便是作为正当性劳动所得前提的数据也是经由数据主体产生的，这些数据通常承载着个体的人格尊严、人身财产安全、通信自由等价值。这是因为在大数据时代，个人数据与非个人数据的界限不再泾渭分明，即便是匿名化数据经过适当的数据分析仍然能得出相似的结论。因此，如何在不侵犯数据控制者应得份额的前提下合理补偿数据主体的应得份额是数据分配范式“分蛋糕”的核心问题所在。这一分配框架需要框定出数据控制者享有正当性利益的边界所在，也即在不侵害数据主体正当性数据权益的前提下，才对其劳动所得享有财产权益，从而平衡数据保护与利用。具体而言，主要通过严格保护数据主体权益、对数据控制者课以义务、对未履行义务的数据控制者施加责任三种形式补偿数据主体在数据收益中的不当损失与应得份额。
　　总之，数据分配正义范式以分配正义作为理论基础，紧紧围绕“平等”这一核心价值，在分配正义理论体系框架内解决与数据相关的非正义问题。正如分配正义理论反对没有任何限制和约束的财产累积与贫富差距，数据分配正义范式亦主张合理划分数据控制者与数据主体之间的数据收益。从本质上来看，数据分配正义范式是一种弥补起点不平等的补偿机制，将数据控制者基于资本与技术优势获得的数据不正当利益返还给相对弱势的数据主体，目的是为了将数据控制者与数据主体之间的不平等控制在合理限度之内。这种补偿离不开国家的有效干预与合理调整。通过国家进行再分配，对数据控制者与数据主体的起点不平等进行弥补与调整，是实现数据分配范式的必然选择。
（二）数据分配正义范式的理论局限
　　从理论范式本身来看，这种补偿与救济机制缺乏实现公平与正义的内在根基。在操作层面，数据控制者与数据主体的应得份额及其正当性边界的标准很难界定。一方面，由于数据与数据主体息息相关，即便是匿名化的数据，通过技术手段也能重新追踪数据主体，所以数据控制者付诸的劳动很难将数据主体的价值与利益完全剥离掉。另一方面，也不能将数据控制者加工的数据视为数据主体所生产的数据的孳息，这样存在强迫数据控制者为数据主体劳动的风险。因此，数据控制者利益与数据主体利益从内部构成来看早已密不可分，其中蕴含的价值远非可量化的物质分配能够区分清楚的，无论如何分配一方的利益都会影响到另一方的利益。在应用层面，数据分配范式本质上来源于分配正义理论，这是一个封闭的社会理论模型，对于国与国之间的利益失衡问题并不能提供很好的应对策略。具言之，数据分配范式从内容、方法到最终的效果都很难达致平等。
　　从分配内容与方法看，核心主张是将人格利益作为数据主体的应得份额，并以其作为数据控制者应得份额的正当性边界。数据分配范式的核心意涵之一便是通过限制数据控制者获取应得范围之外的财产性收益的形式来弥补数据主体的人格尊严利益。但是，从根本上来看这一分配方法问题颇多。首先，这种做法将数据主体的人格利益与数据处理的财产利益视为天平两端的砝码，每一端都可以进行估值与增减，导致人格利益物化，存在降低甚至严重贬抑人格权的危险，违背了人格平等的价值准则。现行分配办法的本质是出卖数据主体的人格以换取物质利益，然而人格是不能被出卖的。虽然有学者提出了在发生冲突时二者如何根据效力位阶进行通约的观点，〔5〕却无法回答在分配框架下这两种性质不同的利益之间如何进行互易。其次，数据分配范式把分配对象看作可以量化的物质财富，在本质上是一种物质利益分配方法。这种分配模式不仅忽视了权利、机会、价值等无形利益的不可分配属性，而且把不平等的产生过程完全静态化处理，忽视了过程本身的动态性所应考虑的诸多因素。〔6〕
　　从分配所欲实现的效果看，数据分配范式会扩大数据控制者与数据主体之间的相对不平等。数据分配范式不仅难以弥补数据主体与数据控制者之间在起点上的不平等，反而会让这种起点的不平等以合理的形式继续存在。首先，从数据分配的起因看，平衡数据保护与利用只是手段，如何更好地促进数据利用与经济发展才是最终指向。这为数据控制者利益的无限积累提供了外在“合理”动因。其次，从数据分配的过程看，数据控制者既是被分配者，又是分配规则实施的推动者，而数据主体则被排除在外。这是因为数据主体的数据权益的获得在很大程度上依赖于数据控制者义务的履行，但是数据主体没有足够的能力来判断数据控制者是否遵守了相应的数据处理规则。这就导致了数据主体看似参与进分配之中，实际上却对利益如何被分配到自身一无所知，最终沦为被数据控制者宰割的对象。最后，从数据分配的结果看，数据主体将获得人格权益，企业将获得财产权益，这一结果本身就蕴含着不平等。因为数据人格利益是数据主体人格利益的一部分，而人格利益的获取是对数据主体权益的本来状态遭受损害的一种无限趋近的恢复。无论如何分配，都不可能让数据主体获得额外利益，仅是“存量”的维系。而对数据控制者来说，数据财产权益的获取是其既得利益在新投入劳动的基础上产生的额外获益，也即利益分配是一种“增量”。
二、数据分配正义范式的现实瓶颈
　　数据分配范式不仅存在内在理论局限，还面临难以克服的现实瓶颈。事实上，数据分配正义范式在改善数据主体的不利处境时并不尽如人意，它面临着社会层面与国家层面的双重困境。当把分配方案应用于某些类型的数据问题处理时，不仅无法扭转数据主体与数据控制者之间的不平等，反而蕴含着权利、机会和财富等重要价值的不公平分配风险。
（一）数据控制者非正义前见的合理存续
　　数据控制者的利益诉求与价值观能够嵌入进数据处理活动之中，暗中塑造和影响数据主体的自由意志。数据处理活动在本质上是数据控制者为追求效率与利润而不断挤压数据主体利益空间的过程，数字化决策常常在数据主体不知情的情况下被植入数据控制者的营利目的以及数据控制者塑造的数据处理规则。此外，既有的偏见与歧视也会影响到数据控制者的数据化决策。数据控制者的利益诉求与社会既存的歧视共同塑造了数据控制者的非正义前见，从而导致数据处理结果远非客观、公正。
　　虽然数据处理活动携带数据控制者的非正义前见，但是处于技术弱势地位的数据主体对此不仅应对能力不足，而且“视力受损”。一方面，数据技术的非正义前见体现了数据主体如何利用自己的数据与自己的数据如何被数据控制者所利用之间存在严重的不对等。虽然数据是一种公共资源，但在利用与开发过程中数据主体实际上缺少决定权与发言权。即便为了弥补技术劣势，数据主体被分配了选择权、知情权、拒绝权等一系列的权能，但是面对“数据黑箱”的不透明性和不可解释性，数据主体的各项权能并不能得到有效行使。在现实生活当中，人们做出的许多决定都会不同程度地受到大数据杀熟、信息同温层、过滤泡泡、定向推送等的影响，人们看似主动做出的选择实际上是被企业与平台提前计算与规划好的结果。这些现象说明数据活动会被数据控制者所干预与操纵，数据处理结果也会得出数据控制者而非数据主体想要的结论。〔7〕面对数据控制者强大的技术优势，数据主体最终还是成为数据控制者“算计”的对象。另一方面，尽管数据控制者的非正义前见随着数据技术的普及已经广泛侵入到社会生活的方方面面，但是数据主体对此通常并不知情。因为具有特定意图的数据处理活动会以客观中立的技术过程呈现出来，不懂技术原理的数据主体通常意识不到其中存在问题。即便察觉到了异常，也没有能力识别出来具体存在何种问题。在数据控制者创造的“单向可视镜”场景中，数据主体不得不沦为数据控制者所控制的对象。〔8〕
　　数据控制者的非正义前见在数据活动中立性假象的掩盖之下获得了合理生存与发展的空间。此时如果运用数据分配范式，这一方案所预设的公平正义假象会加剧数据主体被蒙蔽的程度，导致数据主体利益得不到合理的补偿。在数据控制者非正义前见的影响下，分配范式所欲实现的“数据正义”将不过是由数据控制者强加给数据主体的，数据主体应得利益将会遭遇数据控制者的极大掣肘。所以，作为实施分配范式重要渠道的数据处理活动，将会遭受合理存续的非正义前见的持续性介入，阻碍分配正义的实现。
（二）国家再分配能力的实现困境
　　数据分配范式不仅面临社会实践中的操作困局，也面临国家制度层面的供给不足，主要表现为数字时代国家再分配制度及其执行能力的实现受到阻碍。数据分配范式在本质上属于一种社会正义观，以保障社会公平为根本目的，特别强调国家主导作用的发挥。在现代国家理论中，保护弱者是国家义不容辞的责任，而且国家具备其他组织不可比拟的社会资源与组织能力。换言之，如果国家不积极行使再分配能力或者再分配能力的履行受阻，那么分配正义将很难获得实效。〔9〕然而，数字时代的到来恰恰导致国家再分配能力的发挥受到挑战，从而影响了数据分配正义的实现。
　　在大数据时代，虽然国家依然是实施再分配的唯一合法主体，但其分配功能与作用的发挥正逐渐受到削弱。首先，国家再分配作用的有效行使受到数据控制者的极大掣肘。如前所述，数据控制者为了获得更多的数据利益，常常通过非正义前见的合理存续的形式将数据主体排除在数据利益的分配过程之外。在技术不透明性特征的掩盖之下，数据控制者的这些行为常常以一种合法的形式表现出来，因而也不容易为代表国家意志的法律所矫正。其次，数据主体的行为也会干扰到国家再分配能力的实现。如果数据主体与数据控制者要想从国家的分配中同等获益，那么首先要保证有关他们的数据与信息受到国家的同等关注。然而，在实践当中，这一前提常常无法得到保证，除去数据控制者的介入外，数据主体本身也会成为阻碍因素。一部分人出于隐私权的顾虑，并不希望国家收集太多关于自己的信息。还有一部分人由于从事非法活动，害怕被国家所关注，也会拒绝国家合法的数据收集活动。例如，旨在通过采集当地学校、医院、社区等的数据来改善贫民窟内的公共服务的“基贝拉地图”项目，就面临数据主体拒绝被列入的问题，因为他们经常从事类似毒品买卖等非法活动，纳入项目地图将极大增加被捕的风险。〔10〕一旦数据缺失，国家的再分配也很难称之为公正。最后，作为国家执行数据再分配重要工具的法律，也会影响到国家的再分配能力。一则，传统法律的事后处置模式在数据分配中难以奏效。数据控制者往往在数据分配开始前就已将风险转嫁给数据主体，在分配过程中则保持着行为与结果的形式合法性，从而架空事后规制行为后果的法律。二则，法律语言的模糊性为数字分配程序的不公正运行提供了契机。各国个人信息保护法中所普遍规定的“知情同意原则”即是一个典型的例子。法律规定了企业收集个人信息时应当以信息提供者的知情同意为前提，但却未合理区分个人的实质同意与形式上的被迫同意，个人的知情权也就沦为了“纸面上的权利”。三则，法律理应为数据分配建立明确的规则，以确保数据分配程序的顺利运行，但是法律具有滞后性，许多亟待细化的数据分配规则在现行规范上却面临缺失的窘境。
　　为了改变既有的数据分层格局与保护数字弱势群体的权益，数据分配正义的实现要求国家具备强大的权力与积极的作为，但是数据控制者、数据主体以及法律本身都存在国家履行职责难以克服的问题。这些问题通常表现为一种无形的“软抗拒”形式，使得以约束实实在在的行为为指向的国家权力与积极作为最终被悬置。退一步讲，即便国家能够积极参与数据分配过程，但也仅仅是在数据主体与数据控制者的不平等业已建立基础之上的事后补救，并不能真正起到应有的保障弱者之效。
（三）大数据时代既存利益格局的固化
　　在数据控制者利益争夺与国家再分配能力受阻的双重影响下，处于技术劣势地位的数据主体成为了数据获益最少的人，数据控制者则凭借绝对的优势获得了最多的利益。这种利益分化不仅存在于一国范围内的企业与个人之间，也存在于国际层面的发达国家与发展中国家之间。发达国家凭借其雄厚的经济与技术基础，形成垄断性的数据技术优势，从而在经济上剥削、在政治上控制、在文化上俘获发展中国家。数据鸿沟、数据排斥、数据分层等数据不正义问题既困扰着一国之内的数据主体，也影响着世界范围内的发展中国家。所以，数据利益分布的“金字塔”格局是一个延伸至全球层面的问题。
　　数据利益分布的不平等其实根源于社会经济地位的不平等。数据虽然看似促进了社会资源的开放与共享，但实际上受到经济与政治实力的影响。一般来说，经济实力较差者，对数据技术的接触与掌控也较少，这就会导致数据处理活动中数据过度代表经济与技术实力更强的数据控制者，而与之相对的弱者将获得更少的数据利益。一个人在数据时代能否获得公正平等的对待，将取决其社会经济地位。以印度生物识别人口数据库Aadhaar为例，Aadhaar旨在保障生活在印度经济贫困线以下的群体能够享受到政府提供的公共福利，但是数据采集的样本压根没有将由于长期经受繁重劳动而没有指纹以及营养不良而无可用虹膜的贫民窟居民收录进来。所以，即便企业与政府共同合作建立数据库为贫困居民服务，但实际效果是印度最贫穷的群体被Aadhaar所排除，根本享受不到政府的公共福利。〔11〕这种数据利益分布不对等的现象不仅会在一国之中的数据控制者与数据主体之间出现，也同样会在国际层面的发达国家与发展中国家之间发生。比如，欧盟移民当局在欧洲南部边界通过某种算法来识别不受欢迎的东欧移民，并提前采取措施防止这些人到达欧盟领土，从而控制能够提出庇护申请的人数。〔12〕这个例子反映了数据化过程通过将发展中国家的公民身份特征纳入进来而创造出新的压迫形式，导致数据时代国际层面等级身份的固化。这种利益固化带来的严重后果便是数据控制者忽视和遗忘弱者的资源和机会，导致弱者面临权利弱化困境。
　　为了缓解因技术能力悬殊而引发的利益分配失衡，数据分配范式应运而生。可是数据分配范式存在一个严重问题，也即虽然在这一分配框架之下非数据控制者获得了比之前更多的利益，但是数字社会中的利益差距并没有就此缩小，也即相对不平等在扩大。这一问题产生的根源在于数字社会利益分布的“金字塔”格局并不会因为分配的介入而受到太多影响，位于利益分布底层的一直都是不掌握技术优势的非数据控制者，数据控制者则一直居于利益分布的“塔尖”。在数字社会利益格局固化这一大前提之下，弱者经由分配获得的利益补偿永远赶不上数据控制者利益积累的速度，社会中两极分化的现象不仅不会得到缓解反而会继续存在下去。数字社会利益格局的固化导致数据技术实际服务于数据控制者，数据弱势群体则被系统排除在数据参与治理活动之外。由于经历、偏好、诉求等被数据处理系统严重低估和忽视，数字社会中能力不足、资源匮乏、地位边缘的弱者最终将在数据分配的框架之中走向边缘化。在数据正义的分配过程中，数据控制者与弱者之间将会形成“强者愈强，弱者愈弱”的层级分化局面。面对数据层级分化的不利处境，针对非数据控制者的任何努力都将变得于事无补。
三、制约数据正义的深层结构性考量
　　数据分配范式面临的现实瓶颈，其实质是社会正义受到侵害，因为数据正义的基础与本质是社会正义。这些社会不正义现象的产生从根源上来看是社会结构本身存在着不正义，是由社会的背景结构与制度语境所决定的。结构不正义是指社会中存在着一部分群体占据着不正当优势，能够支配与褫夺其他群体的能力与发展机会。〔13〕