陳根：數據交易所——對接市場需求，迎接數據交易_風聞

文/陳根

“大數據”的產生與應用推動了世界範圍內科學技術領域空前的創新，驅動着商業模式和管理理念歷史性的變革。數據資源日益成為人類社會重要的生產要素和戰略資產，採集、分析、應用數據的能力也迅速成為國際競爭的焦點。

數據資源的價值體現離不開數據的開放與流通，在這樣的背景下，第三方數據交易平台應運而生，對接了數據市場的需求。

早在2014年，全國首個大數據交易平台——中關村數海大數據交易平台就在中關村成立。其後，全國範圍內，貴陽大數據交易所、上海數據交易中心、重慶大數據交易平台、北部灣大數據交易中心等數十個交易平台隨之建立、發展。

近日，《北京市促進數字經濟創新發展行動綱要（2020-2022年）》、《北京市關於打造數字貿易試驗區的實施方案》、《北京國際大數據交易所設立工作實施方案》相繼發佈，這是國家加快推進大數據交易基礎設施建設的一個標誌，也是大數據交易所融入市場的再進一步。

為什麼需要大數據交易所？

大數據交易所的必要性還要從大數據交易的痼疾開始説起。

繼雲計算、物聯網之後，也就是人與萬物都智能化、數據化之後，大數據廣泛巨大的應用潛能和一片向好的市場前景催生了新型商業模式，也驅動了大數據價值產業鏈的形成。

大數據的價值逐漸為社會所認知，數據科學決策成為政府、企業的共識，數據開放共享的迫切需要與日俱增。但是，隨之而來的卻是大數據交易的困境。

一方面，從電信、金融、醫療等跨域部門，到製造、教育等傳統企業，再到電子商務、社交平台等新興媒體，中國潛在的大數據資源非常豐富且覆蓋廣泛。但即便在大數據的存儲和挖掘方面有了突破，卻依然存在大量的“數據孤島”。這主要是由於各方出自利益的考量**，沒有使得豐富的大數據匯聚為一片藍海****。這些大數據以碎片割裂的方式分散在不同的地方，才形成了“數據孤島”的窘境**。

事實上，數據流通並非新生事物，但由於大數據交易市場的交易規則缺失、定價標準不確定、交易雙方信息不對稱，造成交易成本很高而且數據質量也無法得到保障的現象，這極大地制約了數據資產的流動。

其進一步的影響，就是互聯網巨頭、政府、大型企業的數據源掌控能力越來越大，數據寡頭持有並控制海量數據。這些影響導致了自由市場競爭產生壁壘，對消費者的保護也日益艱難。

另一方面，信息經濟學存在天然的“阿羅悖論”，這在1963年的諾貝爾經濟學獎得主肯尼斯·阿羅的《不確定性與醫療保健經濟學》就已提出：信息（數據）與一般商品迥然有異，它有着難以捉摸的性質，買方在購買前因為不瞭解該信息（數據）無法確定信息的價值，而買方一旦獲知該信息（數據），就可以複製，從而不會購買。

究其原因，在於數據的價值並非絕對確定。相對於不同的應用主體，相對於不同的處理分析技術，數據表現出不同的市場價值。從市場需求角度而言，同樣的數據在應用過程中，對於有需求的企業和對於無需求的企業，其市場價值可能存在着天壤之別。

而從數據的處理分析技術角度而言，數據挖掘和整合的深度和範圍不同，數據形成的數據產品的應用範圍差別巨大，其市場價值也將隨着應用範圍顯示出相對性的顯著特徵。

於是，在數據交易中，數據需求方因為難以判斷數據的質量和價值，可能花了大價錢，卻沒有獲得能實現預期目標的數據；數據提供方也因為缺乏有關需求方的信息，而低報了數據的價格，更不用説其對數據安全和數據濫用的擔憂。

因此，對應着數據市場的需求，在大量的數據供應方與數據需求方之間缺少透明、可控的交易橋樑，存在信息不對稱、溝通不順暢等現象。由此，在社會資源配置不合理的大數據交易背景下，既能引導數據資源的合理分配，又能規範交易流程，推動數據流動形成良性循環**、創造新價值的大數據交易所應運而生**。

 

數據交易所的未竟之路

2015 年是大數據交易平台發展最為迅速的時期。2015 年4月，貴陽大數據交易所在貴陽市國資委的支持下掛牌運營，並完成了首次交易；8月，華中地區第一家數據交易所——長江大數據交易中心落户武漢。此後，華中大數據交易所、武漢東湖大數據交易所、河北京津冀數據交易中心也相繼成立。

在此期間，大數據交易平台數量規模迅速擴大，市場佔有率持續提高，業務範圍也在不斷地嘗試拓寬。

作為第三方中介平台，大數據交易所推動了之前一對一的雙邊數據市場，使其向“一對多”或“多對多”的網絡數據市場轉型，也使得大數據潛在的商業價值得到了進一步地釋放並逐步形成交易規則，產生定量化的交易指數，數據市場的規模和效率由此倍增。然而，理論是一回事，現實是另一回事。

由於大數據產業市場前景廣闊、前期行業的進入壁壘相對較低，許多大數據交易平台性質的企業機構紛紛掛牌成立。儘管多數交易平台在成立之初設立了非常喜人的數據交易目標，但在市場運營中卻遭困境。欣欣向榮的發展景象之下，交易市場並沒有達到預期的活躍程度。

**對我國各大數據交易所的調研發現，五年過去了，但是很多大數據交易所成交寥寥，依然處於小規模的探索階段。**這種乏善可陳的局面顯然與數據權屬和風險分擔不明的法律痼疾有重要聯繫。

**首先，政府、企業以及科研機構等交易主體對數據開放共享的程度、力度影響着數據交易平台的業務範圍以及交易質量。**在面對巨大的市場需求時，數據本身的商業價值和社會價值依然未被合理發掘利用。

目前，我國數據開放共享的主體主要集中於擁有大數據的政府、互聯網企業運營商以及科研機構等多個主體。阻礙開放共享進度的因素則表現在開放共享的理念、完善的平台和技術支撐、成體系的管理監督機制以及最終的開放共享反饋效果等多個維度和多重因素。

以政府為例，對數據決策、現代化治理等的認識不足，使得共享理念仍待形成。即便多數政府部門已經認識到大數據帶來的效能，但缺乏成熟的管理機制，更為主要的是對於共享機制探索中出現錯誤承擔責任的躲避。但另一方面，走在開放共享前沿的部門卻又面臨技術上的現實困境，包括對數據的維護和管理不足等問題。開放共享的壁壘體現在企業之間更多的是競爭關係下，出於商業利益的考量，開放程度並不是很高。

因此，有效的激勵主體的參與度和可用性，首先需要融合結構化和非結構化數據，消除數據孤島。同時，也要打通企業內部和外部的數據，消除數據割據現象。另外，在配套的信息安全保障措施下提升政府企業等主體的參與，共同推進數據標準化建設，完善交易規範，通過響應參與主體對數據的應用需求為導向，撬動數據交易市場更大的潛能。

其次，“一盤散沙”的數據形態難以真正完全釋放數據中藴含的巨大價值。具體到數據的質量及有效性方面，數據價值的最終體現包含多個環節，而原始數據的質量和有效性的缺乏影響了數據交易的質量和準確性。

具體原因在於，一是大多數地區交易平台在規則缺失的市場下自成體系，不相統一的開放格式、數據維度以及語義等共性問題制約了交易市場流暢的溝通。二是數據是否真實、完整、一致，數據質量的好壞直接決定數據資產的價值。三是技術層面的支撐力仍有待提升，數據能否全面採集檢索、獲取的數據在格式規範上是否便於後續的交互流通、實時有價值的數據能否及時獲取、更新、維護等均對數據交易質量產生影響。

顯然，隨着數據挖掘、分析和利用的深化，要盤活數據價值就需要通過可靠的數據交易讓數據流動起來，保證數據被不斷地分析與應用才能催生不可估量的價值。

其三**，交易安全是保護大數據整體安全的一部分，如果無法保證數據交易的安全，將造成不可估量的損失。**

從交易所需要經過的步驟來看，一是數據交易前的任何一個環節出現問題都將造成後期無法完成交易，這樣就會導致無論是數據賣方還是數據供應商都將承擔違約責任。二是考慮交易場所的安全性，數據交易量大，沒有安全的交易場所，就會存在數據黑市中的非法數據交易。而交易場所到底該如何規範，設立該場所又該遵守何種規則，都仍未有明確具體的管理方案。三是數據交易主體的資質和能力也將被納入安全性考量範圍。

這同時也意味着，完成數據交易之前的每一個環節都應受到嚴格的把控，否則波及的範圍將不侷限於個人，而是會蔓延到社會和國家，從而影響整體安全。

最後，從數據確權的頂層設計和制度建設上來看，數據界定標準、數據商業化邊界、數據定價和數據的交易機制與收益分配路徑仍待明晰。

是數據的界定標準在於數據應該的歸類和如何界定其邊界與歸類；數據的商業化邊界問題即數據的隱私與商業化的邊界問題，包括哪些數據可以用於商業化，哪些數據不能用於商業化的數據商業邊界標準；數據的定價問題則是根據數據類別的界定、歸類之後所面臨的問題，包括數據歸類後的數據商業化價值如何定價。

對於數據的交易機制與收益分配，顯然，目前的數據大致可分為工業類數據、金融類數據、公共服務類數據以及圍繞個人的商業應用數據等四個大版塊，前三個版塊的數據交易機制與利益分配機制都相對簡單，即數據擁有者享受數據商業化權益。

但圍繞個人的商業化應用所產生的數據則是數據交易中面臨的一大焦點，也就是説這類數據本質上都是由用户個人使用產生的，是屬於用户個人隱私行為的數據，這類數據的商業化交易是否應該分配一部分權益歸於用户個人至今沒有確切規定。

從社會發展的層面來看，大數據交易所是必然要到來的產物，但要從真正真正意義上催收與推動大數據交易所的發展，還需要從根本上解決以上甚至更多方面的頂層設計與制度建設。

**就此而言，北京大數據交易中心****的成立仍將面臨諸多挑戰。**而建立以大數據交易平台為中心的大數據交易體系，對接數據市場發展的需求，還在路上，仍需思考。