扫码关注官方微信公众号

沈建光 朱太辉 等 :以价值导向畅通数据交易流转|《产业转型研究》专刊报道

2022-09-08

导 读

《产业转型研究》专刊前五期刊物在发行后收获了强烈反响,得到了产业界的一致好评。日前,《产业转型研究》专刊第六期刊物已正式刊发。本公众号会对《产业转型研究》专刊第六期中所收录文章进行持续报道,欢迎各位读者关注。

本文为清华大学互联网产业研究院产业转型顾问委员会委员、京东集团副总裁、首席经济学家沈建光,京东经济发展研究院副院长朱太辉,京东经济发展研究院高级研究员张彧通联合发表于《产业转型研究》专刊 2022 年 8 月总第 336 期的文章,特此分享,以飨读者。

△《产业转型研究》专刊第六期



以价值导向畅通数据交易流转
文/沈建光  朱太辉  张彧通


沈建光

清华大学互联网产业研究院产业转型顾问委员会委员、京东集团副总裁、首席经济学家

朱太辉

京东经济发展研究院副院长

张彧通
京东经济发展研究院高级研究员


近年来,我国数字经济飞速发展,2021 年数字经济占全国 GDP 比重已接近 40%。数据要素作为数字经济发展最重要的生产要素,在金融、医疗、营销、教育、政府治理、乡村建设等领域数字化的过程中,体现了放大、叠加、倍增的作用。国家“十四五”规划纲要以及“要素市场化改革方案”均要求建立健全数据要素市场规则,培育规范的数据交易平台和市场主体。

数据要素的价值只有通过交易流转才能实现。目前,我国正在形成包含数据采集、加工、存储、流通、分析、应用等环节在内的数据交易流转链条,以及数据治理、确权、评估、定价、审计、托管、经纪、资产证券化等数据生态。但在实践中,还存在着数据分级分类管理不清、数据权属界定不清、监管规则与行业实践存在冲突、技术标准不统一等问题。下一步,应当坚持价值导向完善数据交易流转体系,遵循“发展和规范联动”的思路,在发展中推动数据政策法规、技术标准、应用创新的上下联动,不断完善数据市场治理体系。

01

数据要素价值在交易流转中才能实现



   

数据要素的价值不在于数据本身,而在于通过数字技术所实现的不同场景中的效能提升、行业创新。背后的关键是通过数据要素的“聚合与组合”,形成改变社会与经济形态的信息增量,全面释放数据的赋能作用。数据要素的聚合和组合并不能一蹴而就,而是需要立足数据的全生命周期,推动数据要素顺畅高效地交易流转。

对数据要素的认识需要回归价值主线

数据的内涵和界定逐渐清晰。计算机科学将数据定义为“对所有输入计算机并被计算机程序处理的符号的总称”,国际数据管理协会(DAMA)则认为“数据是以文字、数字、图形、图像、声音和视频等格式对事实进行表现”。国际化标准组织(ISO)对以上两种定义进行了进一步概括,认为“数据是对实施、概念或指令的一种形式化表示”。我国的《数据安全法》明确规定数据“是指任何以电子或者其他方式对信息的记录”,改变了之前规范性文件采用列举式方法对数据的定义,大大扩展了数据的范围。近年来,我国各地方政府出台的地方数据管理条例也均沿用了《数据安全法》的定义。

数据要素化的关键在于价值。价值是生产要素相对于一般物质的核心属性,这同样适用于数据要素。数字经济发展是数据作为核心生产要素,与数字技术共同推动数据价值化的过程。而数据要素的价值实现建立在可供数字技术处理并应用于生产、生活、治理场景的基础上,数据价值的最大化需要通过数据的交易流转,提升数据要素的使用范围和配置效率。因此,相对于一般意义上的数据,数据要素是以电子化形式或者其他方式存在,附带一定信息、可供数字技术处理并释放价值的符号素材。

数据要素的价值需要通过交易流转来实现

从微观上看,数据价值的实现需要疏通整个数据交易流转链条。实践中,数据要素价值需要通过相互连接和不断循环的交易流转链条实现,包含数据形成、数据采集、数据存储、数据加工、数据流通、数据分析、数据应用七大关键环节。数据形成的重点是数据的来源与权属,数据采集的重点是数据的准确度、全面性,数据储存的重点是储存安全性与调用实时性,数据加工的重点是提升加工精度,数据流通的重点是数据的公平、合理转让,数据分析的重点是数据的深度分析挖掘,数据应用的重点是数据作为生产要素的价值实现以及对其他要素的赋能水平。其中,数据流通是数据要素价值实现的最重要环节,体现了数据在市场中的价值认可,也是数据价值实现的必经之路。

从宏观上看,数据生产力的提升需要打造数据交易流转市场。高效的数据生产力建立在“统一开放、竞争有序、制度完备、治理完善”的市场化体系基础上。该市场体系应当在保障所有者权益前提下,促进数据的可信安全流通和有序市场交易,从而实现数据要素的全面流通。数据价值化不是一方独奏,而是数据交易流转相关各方环环相扣、不断链接。为此,数据交易流转市场正在形成以交易流转机制为核心,以数据治理、确权、评估、定价、审计、托管、经纪、资产证券化等助力数据价值实现的数据交易流转生态。

02

数据交易流转存在的问题


近年来,数据交易流转实践的不断发展,解决了一部分的数据孤岛难题,也带来了数据安全、个人信息保护等方面的风险隐患。与此同时,不同部门关于数据的监管要求、权属界定、行业规则以及创新管理,还存在一些不清晰、不一致、不协调的问题。这些都制约了数据要素交易流转的顺畅性。

数据分级分类管理不清限制可交易数据类型

数据分类分级保护制度建设正在积极推进,但各细分领域的要求各不相同,导致数据交易流转缺少合规依据和操作指引。例如,《工业和信息化领域数据安全管理办法(试行)》(公开征求意见稿)在规范核心数据跨主体处理时要求:“跨主体提供、转移、委托处理核心数据的,应当评估安全风险,采取必要的安全保护措施”,也就是可以开展跨主体交易流转的;《汽车数据安全管理若干规定(试行)》明确了汽车数据的车内处理原则,即“除非确有必要不向车外提供”,并且针对向第三方提供、向境外提供设定了特殊专门规则。这些案例表明,我国数据分级分类管理的顶层设计和制度框架还有待进一步完善。

数据权属界定不清影响数据交易机制和收益分配

不同类型数据的权属特征不同,导致市场对于数据权属的认知混乱,难以形成广泛认可的数据定价机制。当前我国数据要素估值与定价机制仍处于探索阶段,市场定价大多基于对数据自身价值的评估,运用市场法、收益法及成本法等传统模式,通过第三方平台预定价、协议定价、拍卖定价、按次计价(VIP会员)、实时定价等定价方法实现。但这些方法在面对数据要素的“非传统”特征时表现出较大局限性,应用范围限制较多,单次定价成本较高,难以批量复制。

行业数据监管规范与数据交易流转实践存在冲突

近年来,征信、医疗信息、科教信息、隐私保护等不同行业和领域的监管规则往往比与数据安全相关立法与规范更早。例如在信用数据领域,《征信业务管理办法》要求征信业务持牌经营,金融监管强调“实质重于形式”的穿透式监管。而在实践中,并不持有征信公司牌照的数据交易所、公共信用信息平台,通过“数据可见不可用”方式开展了信用信息交易流转。

技术标准不统一影响数据交易安全管理

数据的交易流转需要依托技术系统加以实现。目前可信计算环境、联邦学习、多方安全计算等隐私计算技术在实现“数据可用不可见,数据不动价值动”等方面作出了重要的探索。不论是征信机构、数据交易所还是公共信用信息平台,都或多或少地选择了多种技术路线来实现数据交易流转的技术支持,目前并未形成统一的技术标准加以规范。由于这些技术需要依托各类第三方技术供应商,可能会存在技术路线不同带来的系统无法互联互通、重复建设等问题,也存在数据泄露、数据盗用等数据安全管理方面的隐患。

03

完善数据交易流转市场的建议


完善数据交易流转不只是技术活,核心是要打造“统一开放、竞争有序、制度完备、治理完善”的数据市场体系,应遵循“发展和规范联动”的思路(以发展促规范+以规范促发展),尽快建立完善相关基础制度,在发展中推动数据政策法规、技术标准、应用创新的联动互进。

坚持顶层设计、试点探索和规划引导联动,在发展中解决问题

做好数据市场发展的顶层设计和规划牵引。从国际经验来看,建设成熟的数据要素市场是一个持续深化认识、动态调整的中长期过程。美国通过鼓励数据交易实践来推动规则出台,欧盟以《通用数据保护条例》(GDPR)为基础构建数据流通市场,英国以开放银行战略先行先试金融数据流转,日本则创新“数据银行”交易模式。

坚持在发展中解决问题,动态优化数据要素市场化配置的战略框架。数据的市场化配置是一个系统性工程,不能依赖短期方案来解决长期的系统性问题。我国数据要素的市场化配置体系建设,应在《关于构建更加完善的要素市场化配置体制机制的意见》《数据安全法》《个人信息保护法》的基础上,以“数据战略/数据规划”为牵引,在国家层面制定完善数据要素市场化配置的框架与机制,包括战略目标、实施路径、制度搭建、效果评价、市场监管等;同时坚持试点先行、动态演进的思路,鼓励各个地方在国家战略规划下,探索适合本地区的新机制新模式,以市场实践反哺国家制度和发展规划的不断优化,形成上下良性互动。

坚持立法、技术、标准联动,在发展中完善数据产权制度

避免数据权属争议是数据要素发挥价值的根本保障。合意的产权制度很难一蹴而就,需要在实践中摸索出最小化交易成本的合理路径。数据作为新的生产要素,应坚持加强立法、技术赋能、标准先行三角联动,渐进式地建立健全数据产权制度,统筹考虑个人信息保护与经济社会发展。

一是加快数据立法,完善数据产权相关制度。可借鉴农村土地改革经验,探索数据“三权分立”模式,分离“所有权”“使用权”“收益权”。在此基础上构建数据产权的认定、转让、使用、保护等全套规则;同时,可借鉴知识产权管理经验,建立数据资产登记、公示机制,进一步完善个人信息授权制度。二是推动技术手段赋能数据产权界定。例如,可运用联邦学习、可验证计算、同态加密、安全多方计算等隐私计算技术,结合相应的规则设计使多方数据资源在“可用不可见、可控可计量”的情况下实现价值和知识的流动与传递,不仅提供了“不影响数据主体所有权前提下交易数据使用权”的可能性,还可围绕特定数据价值进行需求场景挖掘。三是在行业实践基础上加快制定发布相关技术模型的“标准”。鼓励企业参与标准制定,让标准成为连接“创新实践”与“政策法规”的桥梁。

分级分类和一站式服务相结合

完善政府数据开放共享机制

政府数据的开放共享需要“分级分类”与“集中统筹”相结合。地方政府需要合理赋权大数据管理部门,协调各部门形成合力、充分利用市场和企业技术优势,尽快建立数据分级分类共享开放体系,建设一站式政府数据开放服务平台。

一方面,建立数据分级分类清单体系。根据重要程度、保密程度以及行业数据的监管要求,对数据进行分级分类;根据分级分类结果,对数据实施差异化管理。高等级数据由国家控制,不对外进行开放共享;中等级数据可利用“可用不可见”技术进行有条件的开放共享;低等级数据无条件开放共享,以数据集或 API 方式开放共享。另一方面,建设一站式政府数据开放服务平台。建设科学有效的数据全生命周期管理体系,确保数据汇聚、流通、交易等环节的安全合规;搭建平台对城市经济、医疗、教育等领域的分散数据进行集中整合、加工和二次开发,推动政府部门数据开放共享;加快真正实现政府服务“一网通享、一网通办、一网协同、一网统管”,以数字化治理全面推进政府数据开放。

政策制度与监管实施相结合

持续完善数据市场治理体系

高效的数据要素市场化配置,离不开数据市场治理制度的保障。数据治理不能演变为过度保护,否则会扼杀有利于经济发展、生活改善、治理提升的创新,将创新从释放数据效力引向规避数据治理。完善的数据市场治理体系,需要从交易规则、安全管理、监管制度、收入分配多管齐下。

一是健全数据流通交易规则。探索建立负面清单和第三方机构认证评级相结合的数据市场准入管理制度,创新数据资产估值、数据交易定价及数据成本和收益计量等方法,完善信息披露、中介管理等配套制度。二是完善数据安全管理体系。一方面,健全数据安全管理法律法规,加快推动《数据安全法》《个人信息保护法》落地实施,制定分行业分领域数据安全管理实施细则,完善数据安全保障、评估体系及安全审查制度。三是夯实数据市场监管制度。加强数据反垄断和市场监管制度建设;应用沙盒监管等多种方式,探索包容审慎监管和社会共治模式;基于区块链的数据溯源体系,探索建立可追溯、可审计的数据交易登记管理制度;强化数据监管政策协调,在规则制定、工作推进、调查研究等方面加强部门协同。四是建立数据收入分配制度。完善数据要素市场化价格形成机制,建立数据要素收益初次分配机制,加快研究推动以数字税收为核心的再分配制度;探索建立公共数据参与市场化交易和非市场化流转的合理收益分享机制。

订购须知


《产业转型研究》专刊现已发售第一期至第六期,各位读者如欲购买,可点击文末“阅读原文”自行订购,也可联系以下老师订购:

朱栩葶老师:

联系电话:010-83021220

邮箱地址:zhuxt6@sem.tsinghua.edu.cn






编辑、图片|段文秀
审核、责编|杨帆