Government Data Openness, Personal Information Protection, and Enterprise Digital Technology Innovation
Yang Jun1, Wang Zeyang1, Xiao Mingyue2, Jiang Mobing1
1.School of Economics and Management, Zhejiang Sci-tech University, Hangzhou 310018, China 2.Department of Development and Planning, Zhejiang Financial College, Hangzhou 310018, China
Abstract：铸就宋画研究新高度Government data openness is widely regarded as a key initiative for unlocking the innovative potential of data. However, it also blurs the boundaries between publicness and privacy, leading to widespread concerns about the misuse of personal information and privacy breaches. Therefore, against the backdrop of growing institutional tension between government data openness and personal information protection, it is essential to investigate their impact on digital technological innovation in order to address the complex challenges of data governance.This study constructs a theoretical framework from two perspectives: knowledge supply-driven and market demand-induced. Using the launch of government data open platforms as a quasi-natural experiment, the study employs a difference-in-differences (DID) approach to examine how government data openness affects enterprise digital technological innovation, and the role of the Personal Information Protection Law in shaping these effects. The results show that government data openness significantly increases both the quantity and quality of digital technological innovation, while also expanding the boundaries of innovation. Specifically, the opening of market economic data and public service data plays a crucial role in fostering innovation. Mechanism analysis identifies two main channels. On the one hand, it strengthens the knowledge supply for digital innovation by enhancing data availability, attracting digital talent, and promoting digital entrepreneurship. On the other hand, it stimulates market demand and drives digital technological innovation by alleviating market information asymmetry, improving market perception, and expanding market scale. Building on this, the study further examines the impact of personal information protection. It finds that the implementation of the Personal Information Protection Law not only leads the government to adjust the types of data opened but also compels enterprises to innovate in privacy protection technologies and compliance management. This results in a shift in both the structure of data supply and the patterns of digital innovation. The resultant impact weakens the positive effect of government data openness on enterprise digital technological innovation, confirming the existence of institutional tension between data openness and privacy protection.This paper makes three key contributions. First, it is the first to integrate government data openness, personal information protection, and enterprise digital technological innovation into a unified analytical framework, providing a deeper insight into the role of different data governance policies in digital technological innovation in the digital age. Second, it identifies the specific mechanisms through which government data openness affects enterprise digital technological innovation from the dual perspectives, addressing the gap in previous literature that predominantly focused on the supply side while neglecting demand. Third, it highlights the constraints imposed by personal information protection on the innovative effects of government data openness, providing insights for policymakers balancing data use with information security.
杨君, 王泽阳, 肖明月, 蒋墨冰. 政府数据开放、个人信息保护与企业数字技术创新[J]. 浙江大学学报(人文社会科学版), 2026, 56(7): 16-39.
Yang Jun, Wang Zeyang, Xiao Mingyue, Jiang Mobing. Government Data Openness, Personal Information Protection, and Enterprise Digital Technology Innovation. JOURNAL OF ZHEJIANG UNIVERSITY, 2026, 56(7): 16-39.
1 黄勃、李海彤、刘俊岐等：《数字技术创新与中国企业高质量发展——来自企业数字专利的证据》，《经济研究》2023年第3期，第97-115页。 2 李雪琴、郑酌基、韩先锋：《乘“数”而上：政府数据治理赋能企业数字创新》，《数量经济技术经济研究》2024年第12期，第68-88页。 3 Veldkamp L. & Cindy C.， “Data and the aggregate economy，” Journal of Economic Literature， Vol. 62， No. 2 （2024）， pp. 458-484. 4 黄先海、虞柳明、戴岭：《政府数据开放与创新驱动：内涵、机制及实践路径》，《东南学术》2023年第2期，第102-113，246页。 5 王海、叶帅、尹俊雅：《公共数据开放如何提振企业有效投资——基于产能利用视角》，《中国工业经济》2024年第8期，第137-153页。 6 Goldfarb A. & Tucker C. E.， “Digital economics，” Journal of Economic Literature， Vol. 57， No. 1 （2019）， pp. 3-43. 7 Zheng P. L. & Zhuang Z.， “The impact of judicial protection of intellectual property on digital innovation： evidence from China，” Finance Research Letters， Vol. 58 （2023）， https：//doi.org/10.1016/j.frl.2023.104257. 8 胡增玺、马述忠：《市场一体化对企业数字创新的影响——兼论数字创新衡量方法》，《经济研究》2023年第6期，第155-172页。 9 孟元、杨蓉：《大数据时代的政府治理：数字政府与企业研发操纵》，《世界经济》2024年第1期，第118-149页。 10 沈坤荣、林剑威：《链“岛”成“陆”：公共数据开放的技术创新效应研究》，《管理世界》2025年第2期，第83-104页。 11 Beraja M.， Yang D. Y. & Yuchtman N.， “Data-intensive innovation and the state： evidence from AI firms in China，” Review of Economic Studies， Vol. 90， No. 4 （2023）， pp. 1701-1723. 12 江小涓、宫建霞、李秋甫：《数据、数据关系与数字时代的创新范式》，《中国社会科学》2024年第9期，第185-203页。 13 李泽宇、王雪方、陈新芳：《政府数据开放对企业创新的影响效应及机制研究》，《科研管理》2024年第7期，第11-20页。 14 蓝发钦、胡晓敏、徐卓琳：《公共数据开放能否拓展资本跨区域流动距离——基于异地并购视角》，《中国工业经济》2024年第9期，第156-174页。 15 Su Y. & Yan Y.， “The influence of the two-tier network of a regional innovation system on knowledge emergence，” Journal of Knowledge Management， Vol. 27， No. 9 （2023）， pp. 2526-2547. 16 方锦程、刘颖、高昊宇等：《公共数据开放能否促进区域协调发展？——来自政府数据平台上线的准自然实验》，《管理世界》2023年第9期，第124-142页。 17 王超贤、张伟东、颜蒙：《数据越多越好吗——对数据要素报酬性质的跨学科分析》，《中国工业经济》2022年第7期，第44-64页。 18 Chen K. & Zhang S.， “How does open public data impact enterprise digital transformation，” Economic Analysis and Policy， Vol. 83 （2024）， pp. 178-190. 19 Yang J.， Lv X. & Xu X. et al.， “Heterogeneous treatment effects of digital transformation on firms’ innovation： based on BART method，” Pacific-Basin Finance Journal， Vol. 85 （2024）， https：//doi.org/10.1016/j.pacfin.2024.102372. 20 裴玲玲：《科技人才集聚与高技术产业发展的互动关系》，《科学学研究》2018年第5期，第813-824页。 21 黄先海、朱昊杰、袁逸铭等：《政府数字化转型、社会福利与共同富裕》，《经济理论与经济管理》2024年第10期，第32-48页。 22 蔡运坤、周京奎、袁旺平：《数据要素共享与城市创业活力——来自公共数据开放的经验证据》，《数量经济技术经济研究》2024年第8期，第5-25页。 23 戴魁早、黄姿、王思曼：《数字经济促进了中国服务业结构升级吗？》，《数量经济技术经济研究》2023年第2期，第90-112页。 24 杨君、巫红玉、蒋墨冰等：《融入全球创新网络、外部技术封锁与中国企业创新》，《财贸经济》2025年第4期，第165-180页。 25 倪嘉成、顾茜、李华晶：《后发先至、慢即是快？数字创业企业迭代创新对创业结果的影响研究》，《南开管理评论》2025年第6期，第39-50页。 26 Lai S.， Lin C. & Ma X.， “RegTech adoption and the cost of capital，” Management Science， Vol. 70， No. 1 （2023）， pp. 309-331. 27 Du J.， Gao H. & Wen H.， “Public data access and stock price synchronicity： evidence from China，” Economic Modelling， Vol. 130 （2024）， https：//doi.org/10.1016/j.econmod.2023.106591. 28 Fang X. & Liu M.， “How does the digital transformation drive digital technology innovation of enterprises？ evidence from enterprise’s digital patents，” Technological Forecasting and Social Change， Vol. 204 （2024）， https：//doi.org/10.1016/j.techfore.2024.123428. 29 马述忠、贺歌、郭继文：《如何缓解跨境交易中的信息不对称？——来自跨境电商质量认证的经验证据》，《数量经济技术经济研究》2024年第6期，第88-110页。 30 张洪胜、张小龙：《线上评价系统与中国跨境电商出口——来自eBay平台国内外卖家比较的证据》，《经济学动态》2023年第4期，第95-114页。 31 Wamba S. F.， Akter S. & Edwards A. et al.， “How ‘big data’ can make big impact： findings from a systematic review and a longitudinal case study，” International Journal of Production Economics， Vol. 165， No. 7 （2015）， pp. 234-246. 32 Shah D. & Murthi B. P. S.， “Marketing in a data-driven digital world： implications for the role and scope of marketing，” Journal of Business Research， Vol. 125， No. 3 （2021）， pp. 772-779. 33 Pan M.， “Personalized marketing strategies： how to leverage big data to meet consumers’ personalized needs，” Academic Journal of Business & Management， Vol. 6， No. 6 （2024）， pp. 172-176. 34 宋烁：《论政府数据开放中个人信息保护的制度构建》，《行政法学研究》2021年第6期，第78-89页。 35 Demirer M.， Hernández D. J. J. & Li D. et al.， “Data， privacy laws and firm production： evidence from the GDPR，” https：//www.nber.org/papers/w32146， 2025-04-21. 36 Wang L. & Yang H.， “Digital technology innovation and corporate ESG performance： evidence from China，” Economic Change and Restructuring， Vol. 57 （2024）， https：//doi.org/10.1007/s10644-024-09791-x. 37 Frey C. B. & Presidente G.， “Privacy regulation and firm performance： estimating the GDPR effect globally，” Economic Inquiry， Vol. 62， No. 3 （2024）， pp. 1074-1089. 38 沈坤荣、林剑威、傅元海：《网络基础设施建设、信息可得性与企业创新边界》，《中国工业经济》2023年第1期，第57-75页。 39 De Chaisemartin C. & D’Haultfoeuille X.， “Two-way fixed effects estimators with heterogeneous treatment effects，” American Economic Review， Vol. 110， No. 9 （2020）， pp. 2964-2996. 40 Callaway B. & Sant’Anna P. H. C.， “Difference-in-differences with multiple time periods，” Journal of Econometrics， Vol. 255， No. 2 （2021）， pp. 200-230. 41 Sun L. & Abraham S.， “Estimating dynamic treatment effects in event studies with heterogeneous treatment effects，” Journal of Econometrics， Vol. 225， No. 2 （2021）， pp. 175-199. 42 Borusyak K.， Jaravel X. & Spiess J.， “Revisiting event-study designs： robust and efficient estimation，” Review of Economic Studies， Vol. 91， No. 6 （2024）， pp. 3253-3285. 43 于蔚、汪淼军、金祥荣：《政治关联和融资约束：信息效应与资源效应》，《经济研究》2012年第9期，第125-139页。 44 黄家澜、李常青、赵立彬等：《工业机器人时代企业如何应对需求不确定性》，《经济学动态》2025年第4期，第33-49页。
2026, Vol. 56 
