微信公众号
分享
[字体: ]
分享到:
分享
我国大数据交易的发展现状、面临困难及政策建议
??作者:唐斯斯 刘叶婷 ??时间:2018-05-04

近年来随着大数据的广泛普及和应用,数据资源的价值逐步得到重视和认可,数据交易需求也在不断增加。2015年《促进大数据发展行动纲要》明确提出“要引导培育大数据交易市场,开展面向应用的数据交易市场试点,探索开展大数据衍生产品交易,鼓励产业链各环节的市场主体进行数据交换和交易,促进数据资源流通,建立健全数据资源交易机制和定价机制,规范交易行为等一系列健全市场发展机制的思路与举措”。在国家政策的积极推动、地方政府和产业界的带动下,贵州、武汉等地开始率先探索大数据交易机制。本文梳理了我国大数据交易现状及存在问题,针对性地提出了促进我国数据资源开放、推动数据应用和释放数据价值的政策建议。

一、我国大数据交易发展现状

(一)我国大数据交易发展特点

1.大数据交易平台建设进入井喷期。

数据交易平台是数据交易行为的重要载体,可以促进数据资源整合、规范交易行为、降低交易成本、增强数据流动性,成为当前各地促进数据要素流通的主要举措之一。从全国范围来看,2015年前成立并投入运营的有北京大数据交易服务平台、贵阳大数据交易所、长江大数据交易所、东湖大数据交易平台、西咸新区大数据交易所和河北大数据交易中心。2016年新建设的有哈尔滨数据交易中心、江苏大数据交易中心、上海大数据交易中心以及浙江大数据交易中心。据有关数据预测,到2016年年底全国类似的交易平台数量可能达到1520[1]

2.大数据交易变现能力有所提升。

在国家政策的推动鼓励下,数据交易从概念逐步落地,部分省市和相关企业在数据定价、交易标准等方面进行了有益的探索。随着数据交易类型的日益丰富、交易环境的不断优化、交易规模的持续扩大,我国数据变现能力显著提高。据《2016年中国大数据产业白皮书》不完全统计,2015年我国大数据相关交易的市场规模为33.85亿元,预计到2016年国内大数据交易市场规模将达到62.12 亿元,2020年将达到545亿元。

3.大数据交易仍整体处于起步阶段。

从整体发展水平来看,我国大数据交易仍处于起步阶段,突出表现在以下几个方面:一是数据交易主要以单纯的原始数据“粗加工”交易为主,数据预处理、数据模型、数据金融衍生品等的内容的交易尚未大规模展开。二是数据供需不对称使得数据交易难以满足社会有效需求,数据成交率和成交额不高。三是数据开放进程缓慢一定程度上制约了数据交易整体规模,影响数据变现能力。四是数据交易过程中缺乏全国统一的规范体系和必要的法律保障,无法有效破解数据定价、数据确权等难题。

(二)我国大数据交易的主要类型

1.基于大数据交易所(中心)的大数据交易。

基于大数据交易所(中心)的交易模式是目前我国大数据交易的主流建设模式,比较典型的代表有贵阳大数据交易所、长江大数据交易所、东湖大数据交易平台等。这类交易模式主要呈现以下两个特点:一是运营上坚持“国有控股、政府指导、企业参与、市场运营”原则;二是股权模式上主要采用国资控股、管理层持股、主要数据提供方参股的混合所有制模式。该模式既保证了数据权威性,也激发了不同交易主体的积极性,扩大了参与主体范围,从而推动数据交易从“商业化”向“社会化”、从“分散化”向“平台化”、从“无序化”向“规范化”实现转变,将分散在各行业领域不同主体手中的数据资源汇集到统一的平台中,通过统一规范的标准体系实现不同地区、不同行业之间数据共享、对接和交换。

图1  基于数据交易中心的模式

2.基于行业数据的大数据交易

交通、金融、电商等行业分类的数据交易起步相对较早,由于领域范围小,数据流动更方便。同时,基于行业数据标准较易实现对行业领域交易数据的统一采集、统一评估、统一管理、统一交易。201511月,中科院深圳先进技术研究院北斗应用技术研究院与华视互联联合成立全国首个“交通大数据交易平台”,旨在利用大数据解决交通痛点,推动智慧城市的建设,未来将逐步组建交通大数据供应商联盟,构建良性的交通大数据生态系统。

3.数据资源企业推动的大数据交易。

近年来,国内以数据堂、美林数据、爱数据等为代表的数据资源企业渐具市场规模和影响力。区别于政府主导下的大数据交易模式,数据资源企业推动的大数据交易更多的是以盈利为目的,数据变现意愿较其它类型交易平台更强烈。数据资源服务企业其生产经营的“原材料”就是数据,在数据交易产业链中兼具数据供应商、数据代理商、数据服务商、数据需求方多重身份。经营过程中往往采用自采、自产、自销模式并实现“采产销”一体化,然后再通过相关渠道将数据变现,进而形成一个完整的数据产业链闭环。正是因为这种自采自产自销的新模式,数据资源企业的所拥有的数据资源具有其独特性、稀缺性,一般交易价格较高。

图2  基于数据资源企业推动的数据交易模式

4.互联网企业“派生”出的大数据交易。

以百度、腾讯、阿里巴巴等为代表的互联网企业凭借其拥有的数据规模优势和技术优势在大数据交易领域快速“跑马圈地”,并派生出数据交易平台。这种大数据交易一般是基于公司本身业务派生而来,与企业母体存在强关联性。一部分数据交易平台作为子平台,数据来源主要来源于“母体”并以服务“母体”为目标;也有一部分数据交易平台脱离“母体”独立运营,即便如此也能看到“母体”的影子。以京东万象(http://wxlink.jd.com/)为例,京东万象作为京东的业务组成部分,其交易的数据与服务的主体与电商息息相关。京东万象的交易数据品类较为集中,尽管京东万象的目的是打造全品类数据资产的交易,但目前平台主推的仍是金融行业相关数据,而现代电子商务的发展离不开金融数据的支撑。

图3  基于互联网企业衍生的数据交易模式

二、我国大数据交易发展的现实困境

(一)数据交易环境有待完善。良好的数据交易环境是大数据交易发展的基础保障,既有赖于法律法规的保障和标准规范的支撑,也需要相应监管的到位。目前国家层面的数据交易法律法规和行业标准尚未推出,导致地方各省大数据交易平台建设过程中自行探索标准体系,容易自成体系。同时,大数据交易是互联网经济背景下诞生的一种新事物、新业态,在政府层面尚未有专门的监管职能部门对其进行监管。

(二)数据交易以“粗放式”为主。从交易内容来看,我国大数据交易以单纯的数据原材料买卖为主,数据算法、数据模型等交易尚未起步,数据价值得不到有效体现;从交易价格来看,目前交易过程中缺乏对数据定价的统一标准,难以准确衡量数据应有价值;从数据质量来看,部分交易数据存在格式不规范、内容不完整等问题,影响数据交易。

(三)数据交易平台定位不清。从目前大数据交易平台建设来看,各地大数据交易平台在建设过程中存在着定位重复、各自为战,难以形成综合优势的问题。以华中大数据交易所、长江大数据交易中心、东湖大数据交易中心三个交易平台为例,三者均处于湖北省境内,但在发展定位上、功能定位上界线不清,形成了多个分割的交易市场,导致数据交易市场之间缺乏流动性,呈现交易规模小、交易价格无序、交易频次低等特点,难以真正实现平台化、规模化、产业化发展,无法有效发挥数据交易平台的功能优势。

(四)数据质量难以得到有效保障。目前我国各地数据交易大多基于数据交易平台开展,但数据交易平台在建设过程中对于建设主体、参与主体等并未制定严格的标准要求,对于谁可以出资、出资额多少才能建设大数据交易平台未做明确规定,这种低门槛将影响数据质量。与此同时,我国大数据交易平台建设主要采用会员制,但对入会成员未制定统一标准要求。以华中大数据交易所为例,在会员认证过程中主要是对其身份属性进行认证,但对企业资产等均未做明确要求,无法保证交易数据质量的权威性和准确性。

三、推进我国大数据交易发展的突破路径

(一)加快标准立法建设,优化数据交易环境。目前,贵州、武汉等地积极探索大数据交易标准规范,贵阳大数据交易所成为国家首个“大数据交易标准试点基地”,华中大数据交易所通过制定《大交易数据格式标准》、《大数据交易行为规范》等推动大数据交易规范化发展。国家可基于地方数据交易实践及标准规范,并借鉴国外先进经验,逐步探索建立国家层面数据交易的法律法规和行业标准,推动我国大数据交易实现标准化、规范化交易。

(二)加快数据开放进程,与数据交易形成良性互动。充分发挥数据开放与数据交易间的良性互动作用,逐步为数据交易构建起良好的环境氛围。大数据时代,随着数据资产价值的提升,数据开放通过进一步丰富数据品类、扩大数据规模,可以在供给上为数据交易提供保障;数据交易变现能力提升和应用效果显著后,将会在一定程度上鼓励数据拥有者向社会开放数据。李克强总理在中国大数据产业峰会指出,“80%的数据掌握在政府手中,政府应共享信息来改善大数据”,政府作为公共数据的核心生产者和拥有者应加快数据开放,推动数据流通和数据交易,释放数据价值。

(三)逐步推进“分类”交易原则,试行“一类一策”。按照差异化交易原则,对交易的数据进行分类,根据不同类型数据实施分类交易。一是针对不同的交易主体、交易模式等,鼓励其根据自身优势、自身发展定位等分类发展。二是针对不同来源数据、不同类型的数据,尝试制定不同的交易策略和定价策略。如针对稀缺性、价值高的数据,实施卖方定价;针对社会公共价值高的数据,特别是政府部门提供的数据,实施成本定价。

(四)创新交易方式,探索“泛交易”模式。“泛交易”是指在数据交易过程中,打破传统思维,创新交易方式,延长数据交易链,在现有数据买卖的基础上,探索以数易数、数据捐赠、数据代理等更加“泛化”的数据交易形式。如东湖大数据交易中心在交易平台上推出“以数易数”服务,用户在数据过程购买过程中可以与卖方协商,用自己所拥有的其它数据与其进行“物物交换”。“泛交易”可以鼓励吸引更多的数据交易主体参与到交易过程中,增强数据流通性和使用价值,多渠道提升数据交易变现能力。