以场景化数据服务促进数据交易
字号
我国数据要素资源极为丰富,利用空间巨大。为加快推进数据要素市场化配置落地见效,一些城市和地区积极建设大数据交易所或数据交易中心,数据交易平台数量迅速增长,各地都在探索形式多样的数据交易模式,但效果几乎都未达到预期目标,除了功能定位不清、商业模式不明、配套机制不健全等因素外,还受到数据权属不清、数据安全与隐私监管困难、数据集中削弱交易动力等因素制约。数据交易的核心在于数据开发利用,不在于所有权转移。现阶段单纯的数据交易模式尚不成熟,建议结合特定场景开展数据交易监管沙盒试点,在应用服务环节实现数据要素的流通和价值变现。重点发展数据增值服务,利用隐私加密计算等技术,将数据所有权与使用权分离,实现可信数据的使用和服务增值。

关键词:数据要素 数据交易 场景 数据服务

数据交易是加快培育数据要素市场的关键环节,正成为社会各界关注的重点。我国多地已积极探索形式多样的交易模式,积累了一定的实践经验,但在数据确权、隐私保护、盈利模式等方面,仍然面临法律、技术、市场等挑战。建议结合具体应用场景,以数据服务方式促进数据要素的开发利用。

一、我国积极探索数据交易模式

我国数据要素资源极为丰富,利用空间巨大。《国家数据资源调查报告(2020)》显示,2019年我国数据产量总规模为3.9ZB,同比增加29.3%,占全球数据总产量(42ZB)的9.3%,未来仍将保持高速增长态势。与此同时,我国数据交易平台数量也在迅速增长,不少地区都在建设大数据交易所或数据交易中心,探索多种数据交易模式,旨在加速培育数据要素市场发展。

(一)数据交易平台主要类型

当前数据交易平台数量众多,其业务类型、盈利模式、产品形态等均有差异,如果从建设主体角度看,现有的数据交易平台大致可分为三类:

一是地方政府主导建设的数据交易平台。2014年以来,各地方政府批准成立了一批数据交易平台或数据交易所,如贵阳大数据交易所、武汉东湖大数据交易中心、西咸新区大数据交易所等,据不完全统计,截至2021年底地方已经成立了43家数据交易平台,上述机构根据本地数据开放共享的实际情况,分别采取了适宜于本地数据市场的运营模式和定价机制,在数据交易规则尚不明确的情况下,对交易模式进行了有益探索。

二是企业主导的交易平台。该类平台以提供数据产品或数据服务为主,一般是由自身拥有大量数据资源或者本身以技术为优势的企业主导建立,比如数据堂、数粮、优易、数多多等数据服务商,以及中国电信、国家电网、阿里巴巴等大型企业,基于原始业务积累了大量的数据资源,包括用户的个人信息数据、用户行为数据、衍生数据等资源。

三是具有产业联盟性质的交易平台,比如,中关村大数据产业联盟、黑龙江省大数据产业协会等,其服务和商业模式更为综合,涵盖数据汇聚、开发共享、投资等多种服务。

(二)数据交易主要模式

由于数据资源丰富、类型众多,且包含复杂的权利主体信息等内容,现有的数据交易大多限于特定范围内,并遵循特有的规则规范。从交易模式来看,也可大致分为直接交易、单边交易和多边交易三种方式:

一是原始数据直接交易。数据产品根据市场需求生成,交易内容与形式较为开放,交易双方就数据类型、购买期限、使用方式、转让条件等均有供需双方自行商定,属于“一对一”的交易方式。这种交易模式虽然简单直接,但数据交易不透明、产品质量不可控,对数据也较少进行脱敏处理,存在侵犯隐私等法律风险,且不利于市场监管,容易滋生数据贩卖等黑市交易。《“十四五”数字经济发展规划》提出,严厉打击数据黑市交易,营造安全有序的市场环境。今年1月19日,国家发展改革委等九部门联合发布《关于推动平台经济规范健康持续发展的若干意见》,也提出从严管控非必要采集数据行为,依法依规打击黑市数据交易、大数据杀熟等数据滥用行为。

二是“一对多”的单边交易模式。数据交易机构以数据服务商身份,对自身拥有的数据或通过购买、网络爬虫等收集来的数据,进行分类、汇总、归档等初加工,将原始数据变成标准化的数据包或数据库再进行出售,一般采用会员制、云账户等方式,为客户提供数据包(集)、数据调用接口(API接口)、数据报告或数据应用服务等,属于“一对多”的单边交易方式。这种模式有利于数据的专业化开发和规模化应用,也相对便于监管,是当前最主流的数据交易模式,约占整个交易市场的85%左右。但是由于数据集中在少数企业手中,存在会员门槛高、定价不透明、无法满足个性化需求等问题,也容易造成数据垄断,最终不利于数据要素价值的充分释放。

三是平台化多边交易模式。数据交易机构作为完全独立的第三方,为数据供应方、需求方提供撮合服务,属于多边交易方式。这种模式下存在两种情况:一种是平台仅提供供需撮合服务,平台本身不存储和分析数据,仅对数据进行必要的实时脱敏、清洗、审核和安全测试,也不参与供需双方的数据交易、定价等过程,这种情况类似直接交易,但有平台作为连接供需双方的桥梁,便于监管。第二种情况是数据交易机构不只提供撮合服务,还会根据不同用户需求,围绕数据资源进行分析、建模、可视化等操作,为需求方提供定制化的数据产品或服务,实现交易流程管理。这一交易模式有利于数据开发和监管,也能够保护相关方利益,但灵活性较低,由于数据确权难、定价难,导致交易合约难以达成。

上述三种数据要素交易模式的协同发展,是打造数据要素融通新业态的重要基础,各类数据交易平台往往是根据需要,综合采用三种方式。总体上看(见下表),直接交易模式的灵活性更强,适合用户需求明确、内容复杂的数据内容,例如数据定向挖掘等;服务商主导“一对多”交易模式,便于大规模开发利用,增加数据资源的杠杆效应,降低数据重复处理的成本;平台型交易模式的规范性更强,可以有效避免供需双方的信息不对称问题,满足交易灵活性与规范性的要求,也有效降低了监管难度。

shujjy001.jpg

二、数据交易面临三个重要制约因素

一些城市和企业在数据交易方面开展了大量探索创新,但效果几乎都未达到预期目标,除了功能定位不清、商业模式不明、配套机制不健全等外,还受到三个重要因素的制约。

一是数据权属不清。权属困境来源于数据的特殊性质:从内在价值角度,数据是对客观事物进行记录并可以鉴别的符号,可以承载信息、知识、个人隐私、商业秘密等有价值的内容,不同的数据可能涉及不同的权利,如财产权(资源使用权)、支配权、收益权、受保护权等。从来源角度,数据具有伴生性和多方参与性,由此导致权利主体的多元化。数据用来记录客观事物,不可避免涉及被记录客体的权利。不同场景下被记录客体的差异,导致权利的复杂性,如被记录的个人拥有法律赋予的知情权、修改权、被遗忘权,被记录的企业拥有保护商业秘密的权利。至于被记录主体是否有权分享数据使用产生的价值,目前还不清晰。从使用规则看,场景不同,数据使用规则也不同,如双边协议一般不会支持数据流通。在数据提供方与收集方达成的双边交易协议中,提供方允许收集方使用数据,并不意味着允许收集方可以向第三方转让数据,正如平台企业无权向第三方转让用户个人数据一样。数据权属不清,就容易导致数据流通中出现侵权现象。

二是数据安全与隐私监管的约束。《网络安全法》《数据安全法》《个人信息保护法》三部数字经济基础性法律对网络安全、数据安全和个人隐私制定了全面的监管框架。如《网络安全法》要求数据交易主体按照等级保护制度履行网络运行安全保护义务;《数据安全法》要求建立分类分级保护制度,在数据收集、存储、使用、加工、传输、提供、公开等各个环节,遵守制度管理、风险监测、风险评估、事前许可等方面的义务,按照采取合法、正当的方式获取数据;《个人信息保护法》要求对个人信息实行全生命周期保护,遵守敏感个人信息处理规则,维护个人知情决定、查阅复制、更正补充、撤回同意、请求删除以及要求解释等方面权利。为落实三大法律,相关部门出台了实施细则,工业、电信、交通、金融、自然资源、卫生健康、教育等行业管理部门也对行业数据交易做出了监管要求,而且由于场景的差异,对相关数据监管力度、执法尺度、权益边界等也存在一定差异。实践中,由于数据爆炸性增长以及非结构化带来的复杂性,再加上对监管规则认识不到位、自身技术能力不够、人员配备不足等原因,大量中小企业在合规方面容易触碰监管红线。

三是数据集中化的客观现实影响交易积极性。当前,大量数据集中在少数平台。根据中国信息通信研究院的报告,我国是数据生产第二大国,个人存储数据与机构存储数据大约为二比一。政府部门和互联网平台是数据收集和使用的主要机构,如公安、交通、海关、财政、税务、统计等政府部门以及电信、电力等公用事业部门都拥有海量数据,这些数据已经成为部门运转不可或缺的要素。又如,互联网平台年处理数据量巨大。中国互联网络信息中心数据显示,2021年我国移动互联网接入流量达2216亿GB,比上年增长33.9%。虽然个人存储了大量数据,但一般不会直接参与市场交易。政府部门和互联网平台拥有大量数据,且呈现集中化趋势,这一客观现实使得多数机构倾向于内部使用或自主开发增值服务,开展数据开放、共享、交易的积极性不高。

三、结合应用场景以数据服务促进数据交易

数据权属、安全与隐私保护、数据集中化趋势等尚存争议的话题,及其对数据交易带来的挑战,是国内外面临的共同难题。数据交易的核心在于数据的开发利用,不在于所有权的转移。现阶段,无论从现实需求看,还是政策导向看,单纯的数据交易模式难以为继,数据交易必须结合特定场景,逐步探索交易规则。当前应重点发展数据服务,在保障隐私和安全要求前提下释放数据价值。

一是依靠技术创新完善数据服务价值链。基本思路是利用隐私加密计算等技术,将数据所有权与使用权分离,实现“数据可用不可见,用途可控可计量”,为供需双方提供可信的数据服务交易。在数据确权方面,可利用区块链技术为数据主体签发证书,在确权登记、访问、分析、计算、交易过程中,保障数据的来源可追溯、内容防篡改、主权可确认、利益可分配。在数据开发方面,可利用人工智能、机器学习等技术,提高数据采集、清洗、组织、建模、标签、加工等智能化数据加工处理能力,实现数据要素的高效配置和深度利用。在安全保障方面,可利用自主可控的多方计算、可信计算、联邦学习等技术,实现数据的安全互换、联合分析、联合建模等,防止数据泄露和滥用,用技术保障交易安全。在商业模式方面,鼓励在医疗、电子商务等领域开展数据使用激励机制创新,探索相关方分享数据服务增值收益。

二是结合场景开展数据交易监管沙盒试点。建议在农业、工业、医疗、交通、物流、城市管理、公共资源交易等领域,探索开发规范化的数据开发利用场景,以监管沙盒方式进行试点。比如在部分地区推进自动驾驶汽车数据服务先行先试,政府部门可在技术开发、标准认证、人才引进、算力支撑等方面提供便利,为监管沙盒试点积累经验。

三是打造数据交易生态系统。要规范数据交易平台的行为准则,提升数据平台交易服务质量,集聚一批数据采集、清洗加工、增值服务、交易流通等方面的企业,吸引更多的数据需求方入驻。推动数据交易平台提供交易合规服务,建立以信息充分披露为基础的数据登记系统,对数据生产加工服务主体、交易规则、流通过程等进行审核及登记认证,明晰数据权利取得方式及范围,明确数据产品相关主体及对应的所有权、使用权、收益权。充分利用财政、税收、金融等手段,在技术创新、人才引培、政府采购等方面给予支持,培育壮大数据服务业。

四是健全数据交易法规体系。数据交易的持续稳健运行离不开法律法规的保障。要结合数据交易的实践探索,明确数据交易主要监管机构及权责范围,研究出台促进数据资产化的政策,完善数据要素产权制度、数据交易安全规范及监管细则。要积极对接国际数字贸易规则,在权属界定、服务定价、隐私保护等方面开展深入交流。同时,要防止不正当竞争及侵犯消费者权益等行为,打造公平有序、良性循环的数据交易环境。


企业研究所
“数字经济制度创新”课题组
课题负责人:马 骏 袁东明
高太山 马 骏 执笔
如需获得全文,请致电:010-65232727,或 E-mail:drcreport@vip.sina.com 。
中国民生调查2022
敬请期待
协办单位更多
V
海关总署研究中心
V
中国石油集团国家高端智库研究中心
V
贵州省人民政府发展研究中心
V
成都高质量发展研究院
访问学者招聘公告
关于我们
意见建议
欢迎对中国智库网提出宝贵的意见和建议!