2022-09-26 18:45 浏览量:469
数据要素市场化进展综述
魏凯 闫树 吕艾临
(中国信息通信研究院云计算与大数据研究所,北京 100191)
摘要:随着数据要素市场培育相关政策的加速完善,产业实践不断走向深入,在取得了积极进展的同时,仍然面临着数据质量不高、数据应用程度不深、数据产权和交易等基础制度缺失、数据安全治理落实不到位等挑战。应对这些挑战,需要从制度建设和技术创新两个方面发力。此外,随着数据要素探索的不断深入,需密切关注数据要素制度和数据技术创新之间的适应性,秉持敏捷迭代的思路不断调整优化,保持效率与公平、发展与安全的平衡。
关键词:大数据;数据要素;数据要素市场;数据治理;数据安全
中图分类号:TP393.08 文献标志码:A
引用格式:魏凯, 闫树, 吕艾临. 数据要素市场化进展综述[J]. 信息通信技术与政策, 2022,48(8):59-64.
DOI:10.12267/j.issn.2096-5931.2022.08.009
0 引言
早在2015年,国务院就发布了《促进大数据发展行动纲要》[1],作出了“数据已成为国家基础性战略资源”的论断,并针对当时政府数据开放共享不足、产业基础薄弱、缺乏顶层设计和统筹规划、法律法规建设滞后、创新应用领域不广等问题,提出“全面推进我国大数据发展和应用,加快建设数据强国”的目标,并部署了三方面任务,包括加快政府数据开放共享、推动产业创新发展以及强化安全保障。
随后,国内大数据技术产业和应用蓬勃发展。一方面,互联网行业的数据率先起步。2015—2021年,我国互联网普及率从50%提高到73%,网民总量突破10 亿,人均每月移动网络流量从380 MB上涨到14 GB,增长36 倍[2]。与此同时,国内崛起了一批世界级的互联网企业,他们充分挖掘海量用户和数据红利,成功地将大数据应用于搜索、电商、出行、娱乐等领域。另一方面,随着互联网大数据的发展,以及国家大力推动“互联网+” [3],大数据技术也加速向其他行业外溢扩散,政务、通信、金融、制造等领域的大数据能力逐渐发展起来。在这一阶段,数据资源加速向少数头部企业聚集,极大提升了企业的内部效率,但也引发社会对数据要素分配的公平性和安全性等一系列问题的讨论,其中一个突出问题就是数据资源配置错位,特别是大型平台数据垄断,有损公平竞争[4],逐渐成为社会关注的热点。这些问题的出现,制约了数据作为“基础性战略资源”价值的发挥,不利于数字经济长远发展。
2020年4月,中共中央、国务院《关于构建更加完善的要素市场化配置体制机制的意见》[5]发布,进一步提出要培育数据要素市场。随后,《要素市场化配置综合改革试点总体方案》《关于加快建设统一大市场的意见》等一系列文件陆续出台,都把数据要素市场化作为发展数字经济的重要抓手。政策的着眼点不再仅是单个组织内部的大数据应用,更多强调数据作为生产要素,参与价值创造和分配,并通过市场化的手段实现全局最优配置。回顾2015年以来数据政策和产业实践脉络,从“大数据”到“数据要素”,体现了从追求局部优化,到追求全局优化的转变。
按照《关于构建更加完善的要素市场化配置体制机制的意见》,数据要素市场培育主要有三个方面的内容:推进政府数据开放共享;提升社会数据资源价值;加强数据资源整合和安全保护。因此,数据要素市场建设,不仅是让数据在市场上流通交易,实际上也包含了数据价值创造的全过程。
1 我国数据要素市场培育进展
随着我国数据战略顶层设计的逐步细化和落地,地方政府和各个行业企业在大数据方面的探索也在快速推进,在政府数据开放共享、数据资源价值提升、数据资源整合流通、数据安全保护等方面取得了积极进展。
1.1 政府数据开放共享持续推进
政府数据规模大、价值高。李克强总理曾经指出,“目前我国信息数据资源80%以上掌握在各级政府部门手里,‘深藏闺中’是极大浪费。”[6]政府数据的开放共享不仅能够促进政府数据价值的释放,也能够激发市场主体的创新活力,吸引更多主体参与数据要素市场建设与发展。
近年来,各地政府围绕政府数据开放共享的制度与平台建设持续推进。一方面,政府数据开放共享的制度体系逐步完善。据统计,截至目前,全国共有30 个省份出台了56 份政府数据开放的相关政策文件[7]。另一方面,各地省级、副省级和地市级政府上线的数据开放平台数量已达193 个,提供了包括数据查询、数据可视化、数据应用、研究成果、创新方案等多种数据服务形式[7]。但整体来看,相较于国外,我国数据开放共享在数据质量、更新频率、开放利用持续性等方面仍有一定差距。
1.2 社会数据资源价值不断提升
数据要素的核心价值体现在支撑更明智的决策,从而创造经济效益和社会福利。调查显示[8],高度数据驱动型企业比一般企业在作出重大决策时效率可提高3 倍以上。随着各行业数据应用的不断深入,数据驱动的新业态、新模式正在加速涌现。
在金融、消费、互联网等领域,数据要素已广泛应用于智能风控、广告推荐、精准营销等场景,帮助企业了解客户偏好和市场动向,提升业务效率和用户体验,以银行业为例,大数据在其科技创新应用中的占比近70%;在工业制造等领域,随着大数据基础设施和技术能力的不断完善,数据应用已从最初的生产监控到降本增效,逐步向网络化协同、全流程运营、柔性制造等全流程应用解决方案转型探索。研究显示[9],2020年中国工业数据智能市场规模为35.8 亿元人民币,并预计将在2021—2025 年保持31.6%的年复合增长率;在政务领域,政务数据与行业数据的融合分析在城市管理、交通运输、市场监管等方面催生大量新应用,提升政府治理和民生服务效率,特别是在新冠肺炎疫情防控中,数据分析应用为疫情监测、病毒溯源、资源调配、人员管控等防疫工作提供了强大支撑。
1.3 数据交易流通探索逐步加深
数据要素市场化配置的关键在于通过市场化的流通手段,使数据资源向最需要的地方聚集,并在跨领域数据融合中产生更大效益。近年来,中央及地方政府相继出台政策鼓励数据流通、培育数据交易市场。
借鉴传统生产要素市场化的经验,各地积极采取政策措施推动数据交易机构建设试点,先后成立了由地方政府发起、参与或批准成立的数据交易机构,探索推动数据资源的整合流通。尽管前期的运营成效未达预期,2021年以来成立的新一批数据交易机构仍然积极探索,围绕交易资源供给、服务商引入、业务规则制定、技术平台升级等方面做出了一系列创新安排[10-11]。例如,北京国际大数据交易所接入北京市金融公共数据专区、北京市公共政务资源网的数据资源,对全市公共数据进行托管运营,以期通过增加公共数据资源供给来撬动市场需求;上海数据交易所提出“数商”概念,围绕合规咨询、质量评估、资产评估、技术支持等交易配套服务,签约100 余家“数商”,丰富交易生态[12];近期完成投资重整的贵阳大数据交易所,以“1个中心+1个公司”的运营体系架构进行优化提升,并制定发布了一系列配套完整的交易规则;筹建中的深圳数据交易所则着重与技术服务公司建立合作,引入隐私计算技术,构建新型数据交易平台,并联合50 余家机构和企业发起隐私计算开源社区[13],为提升交易所的技术服务能力提供支撑。
1.4 数据安全保护不断强化
近年来,数据安全的涵义不断迭代,不再局限于封闭环境下的数据静态安全防护,而演变为在开放环境中,对数据产生、流转、销毁全环节的动态安全防护,传统的安全防护手段难以适配,这对数据安全保护制度和技术提出了新的需求。
从技术制度角度看,国家、行业、地方相继出台多项数据安全法律法规,特别是2021年《中华人民共和国数据安全法》(简称《数据安全法》)和《中华人民共和国个人信息保护法》(简称《个人信息保护法》)的相继出台,确立了保护与利用并重的数据安全原则,建立了数据安全治理的基本框架,明确了数据处理者的安全责任。在企业层面,加快建立贯穿数据全生命周期的数据安全治理能力成为行业共识,调研显示[14],77.5%的企业建立了职责明晰的数据安全治理组织。
从技术应用角度看,在传统信息安全涉及的网络安全、主机安全和应用安全的基础之上,覆盖数据采集、存储、挖掘、销毁等全生命周期的数据安全技术保障体系正逐渐成型。在数据采集环节进行数据分类分级、身份认证;在数据存储环节进行加密、数据脱敏、细粒度权限与访问控制、多副本多节点备份;在数据流通环节进行数据溯源与合规管控;在数据应用环节进行内容审计、行为监测;在销毁环节进行定期销毁,加固数据流转全过程的安全保障闭环。调研显示[14],95%的企业已至少应用了一种数据安全关键技术,技术应用的辐射面逐渐扩大。
2 数据要素市场化面临的主要挑战
虽然在国家相关政策的指引下,数据要素市场培育正在加速推进,但不可否认,由于数据要素具有与传统生产要素迥异的特征,匹配这一生产要素市场化的制度建设还需要经历相当长的过程,数据相关技术产业也在发育成长的初期阶段。总体上看,目前要实现数据要素市场化,还面临着资源供给、开发利用、权属界定、价值评估、交易流通、安全保障等方面的挑战。
2.1 数据资源储备不足,数据质量难以满足需求
大规模、高质量的数据资源供给是数据要素市场建设的源头。当前,我国虽然已是数据资源产量大国,但仍然面临高质量、高价值数据的结构性短缺。从行业层面看,各行业间数据资源储备和管理水平参差不齐,除互联网、金融、通信等少数领域外,大量传统行业企业,特别是中小企业数据获取、管理的能力严重不足。从企业内部看,普遍存在不重视数据管理、数据管理主体责任不清晰、数据底数不清等根本问题,没有建立符合数字化转型要求的数据管理体系,这就无法形成有效的数据要素资源供给。
2.2 数据开发利用程度低,应用广度深度不到位
把数据用起来,充分释放数据价值,是数据要素市场建设的根本目的。但是,目前多数企业数据开发利用能力不足,“用数据说话、用数据决策、用数据管理、用数据创新”的大数据思维尚未形成。数据显示[15],我国仅有18.2%的企事业单位能够利用数据并充分发挥其价值,超过80%的企事业单位只有少部分数据得到开发,甚至有些企业的数据尚未得到开发利用。一方面,大部分企业和政府的数据应用层次浅,以简单统计报表、数据大屏为主,与业务深度耦合的应用较少,而且数据开发也缺乏系统化成熟的方法论,没有构建起能够贯通数据、技术、业务等全流程的数据流水线;另一方面,数据技术能力和数据平台建设相对滞后,导致数据资源的开发力度不足,数据应用领域相对狭窄,数据价值潜力无法得到充分释放。
2.3 数据权属界定原则不明确,尚未形成系统解决方案
数据权属的界定,是数据成为生产要素参与流通和价值分配的基础。明确数据权属,就是要明确各主体针对数据所产生的权利义务关系。传统的产权制度主要是解决资源稀缺性、排他性等问题,而数据具有虚拟性、非排他性等特点,与现有的产权制度难以兼容,再加上数据的产生往往涉及元主体、数据权利内容多样、数据应用场景丰富多变,使得数据的权属界定尤为复杂。学术界对于数据权属的讨论涉及人格权、财产权、知识产权、新型财产权、复合权利等多个方面,但实践中难以落地,缺乏广泛共识。在产业实践中,数据权属界定,并非只能依靠法律条文确定,通过商业惯例、合同约定数据权利,是更加常见的做法,但也存在合同标准化程度低、不完全合同等问题,一事一议确权推高了交易成本[16]。目前,从国际来看,欧美纷纷回避了对数据权属进行界定,而我国“建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制”[17]将是解决数据权属问题的一次关键探索。
2.4 数据估值定价缺乏标准,难以保障收入分配公平
数据价值和价格的评估与计量是将数据资源确认为数据资产,进而转化为数据要素并支撑收入分配的重要基础[18]。数据产品和服务的多样性、场景的依赖性等特点在很大程度上改变了数据要素市场的供求结构与定价基础。当前,数据要素定价主要以询价、议价为主,价格很难反映数据要素在实际经济生产活动中贡献的价值,价值决定价格的机制难以建立。而评估数据要素的价值需要考虑数据质量、应用场景、应用方式等多方面因素。虽然目前已有参考传统资产估值方法搭建的数据估值方案,但在实际应用中有其适用性的限制,例如传统资产估值的成本法和收益法中,历史成本、投资回报率、未来现金流量等关键因子很难在数据产生和应用的复杂场景中准确量化;同时,由于数据的市场化流通尚不充分,往往很难找到近期相同或者相似数据的成交价格,因而传统的市场法在数据估值中也难以适用。构建成熟的数据资产评价体系,还需以现有方法为基础进一步探索创新。
2.5 数据交易市场体系尚不健全,缺乏顶层设计
现阶段,由于我国在数据资源化、资产化的过程尚未完成,很多数据交易市场的基础要件尚不具备,导致数据的有效供给不足,企业通过数据交易所完成“场内”交易的意愿不强[19]。一方面,数据交易的基础规则尚未明确,虽然《数据安全法》等基本法律为数据交易划出了合规底线,但并未就具体的业务规则、市场准入、平台责任等给出清晰界定;另一方面,数据交易市场的顶层设计尚不完善,数据交易机构自身的法律定位、经营范围、职责权限并无统一认定标准,各机构设立和审批流程对应的主管部门也各不相同,难以建立市场信任,阻碍了数据交易机构的角色发挥。
2.6 数据安全内涵不断演变,传统防护理念难以适配
海量数据资源的积累与流动,能够推动数字经济发展,但数据的不当应用可能产生负外部性,对个人、社会和国家带来巨大损失[20]。从保护个人隐私到维护国家安全,推进数据要素市场化的过程中如何坚守数据安全底线,已经成为最紧迫的问题。一方面,数据安全保护需要应对大数据特征下的内生隐患,技术的升级迭代使得传统的安全防护手段逐渐失灵,要不断创新安全防护技术;另一方面,虽然目前数据安全的法律框架已初步形成,但实施层面的配套细则仍不断完善,特别是对于数据分类分级等一些先导性基础性环节,需要尽快出台具体的实施细则。
3 数据要素市场化挑战的应对
数据生产要素地位的确立,以及数据要素市场的建设,将是一个逐步推进的长期过程,需要政府和社会各界积极行动,采取综合手段应对面临的各种挑战。上述挑战之所以存在,主要原因在于“数据生产关系”和“数据生产力”无法适应数字经济大发展的需要。因此,需要在制度建设和技术创新两个方面同时发力,并保持二者的协同互动,才能取得效率与公平、发展与安全的平衡,更好地支撑数据要素市场建设。
3.1 数据制度建设
数据制度建设,就是对“数据生产关系”进行合理安排,针对数据权责利的分配制定规则。2022年6月22日,习近平总书记在主持中央全面深化改革委员会第二十六次会议时强调[17],数据基础制度建设事关国家发展和安全大局,要维护国家数据安全,保护个人信息和商业秘密,促进数据高效流通使用、赋能实体经济,统筹推进数据产权、流通交易、收益分配、安全治理,加快构建数据基础制度体系。这次会议通过的《关于构建数据基础制度更好发挥数据要素作用的意见》,为数据制度建设指明了方向[5]。未来数据基础制度建设主要包括四个方面内容:数据产权制度;数据流通交易制度;数据收益分配制度;数据治理与监管制度。应该看到,数据制度建设是一个复杂的系统工程。已经颁布实施的《数据安全法》和《个人信息保护法》在数据安全治理方面已经确立了基本的制度框架,各行各业正在针对这两个法律制定相关落地细则。下一步,数据制度建设的重心将集中在数据产权、数据收益分配、数据交易等方面,并需要结合产业实践,不断细化完善。
3.2 技术创新
破解数据要素市场化的难题,需要挖掘技术创新的潜力[21]。在现有制度和技术水平下,数据安全和保护的矛盾似乎不可调和,但随着近几年数据脱敏、差分隐私、水印溯源、联邦学习、安全多方计算、区块链、合成数据等技术的不断涌现,让安全地使用数据的边界不断向外拓展。从产业实际情况看,近几年围绕数据保护、流通、确权和定价等的技术创新和应用日趋活跃,初步表明这种潜力是十分巨大的。例如,以联邦学习和安全多方计算为代表的隐私计算技术,能够在原始数据不出域的情况下,实现多主体数据的联合分析挖掘,从而实现数据控制权和使用权的分置运行;利用区块链技术,可以对数据采集、存储、计算、管理、使用和销毁全生命周期进行忠实记录,支撑数据确权,也可以支持基于智能合约的细粒度数据访问控制,精细化管控数据流通过程;合成数据技术近年来也不断成熟,能够用计算机生成的人造数据替代基于实际物体、事件或人的数据,也可以训练出越来越好的模型,从而极大降低对真实数据的需求。此外,正在酝酿中的Web3.0技术,也代表着对数据要素优化配置的一种新思路。下一步,这些单点技术创新还有望进一步得到集成,从而构成支撑数据要素市场建设的新型基础设施。
4 结束语
从2015年国务院发布《促进大数据发展行动纲要》以来,国家数据战略不断深入推进,在技术产业、数据应用和安全保护等方面都取得了显著成效,为数字经济发展打下了坚实基础。近年来,为了更进一步释放数据价值,中央政策进一步提高了“数据”的战略地位,明确提出将数据作为一种新的生产要素,加快建设数据要素市场,数据战略的重心从更加关注单点大数据能力建设,转移到更加关注数据要素的全局优化配置。目前,数据要素市场建设还处于起步阶段,面临多方面挑战,一方面需要加快数据基础制度建设,为数据要素的生产关系建章立制;另一方面要加快技术创新,通过技术手段调和安全与应用的矛盾,建设面向数据要素的新型数据基础设施。展望未来,随着制度不断优化和技术持续进步,数据要素的市场化,一定能够在发展与安全之间取得更精准的动态均衡,并不断拓展数字经济新的边界,创造更大的经济效益和社会福利。
参考文献
[1] 国务院. 促进大数据发展行动纲要[EB/OL]. (2015-08-31)[2022-06-25]. http://www.gov.cn/zhengce/content/2015-09/05/content_10137.htm.
[2] 中国互联网络信息中心. 中国互联网络发展状况统计报告[R], 2022.
[3] 国务院. 国务院关于积极推进“互联网+”行动的指导意见[EB/OL]. (2015-07-04)[2022-06-25]. http://www.gov.cn/zhengce/content/2015-07/04/content_10002.htm?trs=1.
[4] 李勇坚. 互联网平台数据垄断:理论分歧、治理实践及政策建议[J]. 人民论坛· 学术前沿, 2021(21):56-66. DOI:10.16619/j.cnki.rmltxsqy.2021.21.006.
[5] 中共中央, 国务院. 关于构建更加完善的要素市场化配置体制机制的意见[EB/OL]. (2020-04-09)[2022-06-20]. http://www.gov.cn/zhengce/2020-04/09/content_5500622.htm.
[6] 李克强. 信息数据“深藏闺中”是极大浪费[EB/OL]. (2016-05-13)[2022-06-20]. http://www.gov.cn/xinwen/2016-05/13/content_5073036.htm.
[7] 复旦大学, 国家信息中心数字中国研究院. 2021年度中国地方政府数据开放报告:省域[R], 2022.
[8] 普华永道. Gut & gigabytes: capitalising on the art & science in decision making[R], 2021.
[9] IDC. 中国工业数据智能市场分析报告[R], 2021.
[10] 中国信息通信研究院. 大数据白皮书[R], 2021.
[11] 黄丽华, 窦一凡, 郭梦珂, 等. 数据流通市场中数据产品的特性及其交易模式[J]. 大数据, 2022,8(3):3-14.
[12] 上海数据交易所. 上海数据交易所揭牌成立 首批约百个数据产品挂牌[EB/OL]. (2021-11-25)[2022-06-20]. https://www.chinadep.com/#/news/newsDetail/CTC_20211125110422864703/1.
[13] 深圳商报. “深数交”等50家单位联合发起 国际化隐私计算开源社区成立[EB/OL]. (2022-05-31)[2022-06-20]. http://www.sznews.com/news/content/mb/2022-05/31/content_25160803.htm.
[14] 中国信息通信研究院云计算与大数据研究所. 2021年数据安全行业调研报告[R], 2021.
[15] 全国信息技术标准化技术委员会大数据标准工作组. 数据治理发展情况调研分析报告[R], 2020.
[16] 何波. 数据权属界定面临的问题困境与破解思路[J]. 大数据, 2021,7(4):3-13.
[17] 新华社. 习近平主持召开中央全面深化改革委员会第二十六次会议[EB/OL]. (2022-06-22)[2022-06-30]. http://www.gov.cn/xinwen/2022-06/22/content_5697155.htm.
[18] 欧阳日辉, 龚伟. 基于价值和市场评价贡献的数据要素定价机制[J]. 改革, 2022(3):39-54.
[19] 于施洋, 王建冬, 郭巧敏. 我国构建数据新型要素市场体系面临的挑战与对策[J]. 电子政务, 2020(3):2-12. DOI:10.16582/j.cnki.dzzw.2020.03.001.
[20] 徐葳, 杨祖艳. 数据使用的负外部性及数据要素监管[N]. 金融时报, 2021-3-29(11).
[21] 许可. 数据交易流通的三元治理:技术、标准与法律[J]. 吉首大学学报(社会科学版), 2022,43(1):96-105. DOI:10.13438/j.cnki.jdxb.2022.01.010.
An overview on the market-based allocation of data factor
WEI Kai, YAN Shu, LYU Ailin
(Cloud Computing & Big Data Research Institute, China Academy of Information and Communications Technology, Beijing 100191, China )
Abstract: With the accelerated improvement of policies related to the cultivation of data production factor market, industrial practice continues to deepen. While positive progress has been made, it still faces challenges such as low data quality, insufficient data application, absence of basic rules of data property rights and trading, and inadequate implementation of data security governance. To overcome these challenges, we need to work from two aspects: to refine the rule systems and to harness the technological innovation. In addition, as the exploration of data production factor continues, it is necessary to pay close attention to the adaptability between the rule systems and technology innovation, uphold and constantly adjust and optimize to maintain the balance between efficiency and fairness, and between development and security.
Keywords: data production factor; market of data production factor; data governance; data security
作者:魏凯、闫树、吕艾临
来源:信息通信技术与政策