電子商務數據分析中uv是什麼?中新經緯9月28日電 題:數據流通的挑戰與應對,今天小編就來說說關于電子商務數據分析中uv是什麼?下面更多詳細答案一起來看看吧!
中新經緯9月28日電 題:數據流通的挑戰與應對
作者 沈豔 北大國發院教授、北大數字金融研究中心副主任
張俊妮 北京大學國家發展研究院長聘副教授
導語:加快培育數據要素市場是當下關鍵問題之一,但現有要素市場發展并不盡如人意,數據交易成本高、合規成本高是重要原因。破局需從數據這一生産要素的特殊性出發,實現市場與政府的“雙向奔赴”:市場主導形成多層次數據交易市場體系,政府在制定标準、引導技術發展以及降低合規成本等方面發揮關鍵作用。
數據在經濟發展中扮演着日益重要的角色,中國也高度重視數據要素市場的建設。“加快培育數據要素市場”這一表述,在國務院2020年4月印發的《關于構建更加完善的要素市場化配置體制機制的意見》、2021年1月的《建設高标準市場體系行動方案》,和工信部2021年11月發布的《“十四五”大數據産業發展規劃》中均被反複提及。與此相應,各地為培育數據要素市場作出了積極的努力,例如,截至2022年8月末,各地興建的數據交易所已達46家。但是目前數據要素市場發展并不盡如人意,如何促進數據要素流通,成為數字經濟健康持續發展的關鍵議題之一。
北京大學國家發展研究院課題組梳理了中國數據要素市場發展現狀,發現三個主要現象。一是中國數據産出大、但是數據交易市場規模小。數字中國發展報告(2021)顯示,2017-2021年間中國數據産出居世界第二,全球占比9.9%;但據國家工業信息安全發展研究中心的測算,2020年中國數據要素市場(含數據清洗、标注、交易等環節)規模約為545億元,約為美國的3.1%、歐洲的10.5%、日本的17.5%。二是雖然快速成立不少數據交易所,但場内交易不足:2020年場内數據交易隻占總體交易市場規模的4% ,2021年未超過5% (國家工業信息安全發展研究中心測算)。場内交易不足也體現在數據交易所的存續能力上。根據北京大學國家發展研究院課題組的統計,截至2022年8月,工商注冊狀态為存續或在業的數據交易所為30家,一些數據交易所已經退出運營。三是場外交易中,黑市數據交易規模不容忽視。有專家估算,2021年中國數據黑市交易市場規模超過1500億元,并已形成産業鍊。
為什麼數據要素市場發展不盡如人意呢?我們首先從數據這一生産要素的特征這一角度思考問題。無論是中文“數據”還是英文Data,其詞典含義的共同點都在于強調了數據是記錄信息的載體。這就決定了數據這一要素在權屬、價值、安全、監管等方面,都要有别于傳統要素市場。
從權屬角度看,作為信息載體的數據具有準公共品特性,其非競争性和部分可排他性決定了數據不能完全按照财産權的方式來界定其歸屬,因而“先确(财産所有)權再交易”的模式将不完全适用。從價值角度看,數據可以被無限複制,其中大數據具有生态特征,這就決定了數據的價值随使用人、使用場景和具體用途而存在很大變化,對同一數據的價值評判難以标準化。與此同時,由于數據使用不當可能導緻隐私被侵犯和數據安全問題,與勞動、資本、土地等生産要素使用不當所産生的問題,在性質與解決方案上也有很大的差異。最後,從監管角度看,中國數據要素市場的建設尚處在初步階段,而市場中的一些交易主體也具有一定的社會治理甚至監管功能,這對數據要素使用的監管也産生了不同于傳統要素的挑戰。因此,數據生産要素的特殊性決定了不能将傳統生産要素市場的發展邏輯套用到數據要素市場上,這一點北京大學國家發展研究院教授黃益平在《大數據如何共享?》一文中也有所提及。
具體來說,數據要素的特殊性決定了在數據供給、需求乃至具體交易和流通環節,均面臨與傳統要素市場不完全相同的問題。在供給端,主要的問題是供給不足。我們将主要的數據供給方分為政府部門、數據豐富企業和數據采集供應商這三類來讨論這一點。政府部門面對的開放公共數據的需求高,但運營成本高、收益低、潛在風險高;數據豐富企業(如大型平台和國企)共享數據收益不足,數據共享出去之後可能被搭便車、甚至加劇了和自身的競争,因此沒有足夠的動機去做;而對數據供應商來說,除了标準數據産品外,在具有生态特征的大數據供應各環節中,中國供應商普遍面臨技術能力不足、性價比高、數據産品少的問題。
需求端的問題可能不是需求不旺盛,而是将需求轉化成有效需求至少有五重困難。首先是識别需求難,也就是數據需求方可能有模糊的數據需求,但是并不清楚什麼樣的數據能滿足自己的需求;二是即便能厘清需求,要尋找到合适數據類型存在困難;三是貨比三家難,由于不少數據是非标準産品,貨比三家需要的準确鑒别不同數據質量的要求較高;四是内外整合難,這是指即便購買到合适數據,如何将内部數據和外部數據整合使用也是不小的挑戰;五是安全保障難,這是指一些數據需求方可能沒有很好的數據安全保障,接入外部數據可能會增加數據安全的隐患,這讓需求方望而卻步。
最後,在數據交易完成環節存在的問題在于,由于不少數據産品是非标準産品,也缺少公認的标準,存在定價難、維權難和合規難的現象。這裡,定價難的原因在于評估和鑒别數據産品由于缺乏一緻标準,不易于通過市場大量重複交易來發現價格,進而難以評估價格是否合理;維權難主要體現在形成數據交易争端解決機制不清,一旦出現不遵從合同約定的情形很難維權,如賣家不按質按量按時提供數據産品、買家不按約使用數據;合規難則體現在數據交易可能會産生法律和合規風險,面臨巨額罰款。
簡單來說,數據要素市場發展不盡如人意,與中國現有的技術能力和制度監管環境下,數據這一生産要素的交易成本高密切相關。因此,要加快培育數據要素市場,需要以降低交易成本為抓手,從供、需兩端以及具體交易完成環節付出努力。我們将數據交易分為點對點數據交易和數據中介交易兩類,而數據中介又分為數據收集開發售賣商、數據集市(data marketplace)、數據信托等。美國、歐洲和日本等國的數據交易市場結構提供了一些可以借鑒的發展經驗。
總體來看,在全球數據中介交易市場中,數據收集開發售賣商(或稱數據經紀商data broker)在降低數據交易成本方面發揮積極作用是主流模式。數據收集開發售賣商從政府、商業機構和公開渠道獲取個人、企業、地理位置、互聯的物理設備、天氣等各類數據,并将數據做分級處理後形成數據産品和數據服務,将其匹配給恰當的需求方。美國不少數據收集開發售賣商在不同行業中占據翹楚地位,如Corelogic涵蓋美國99%以上住宅與商業地産數據;LiveRamp(2018前叫Acxiom,安客誠)則擁有全球7億個人數據用于市場營銷分析等。
值得注意的是,雖然數據集市也有優秀的企業(如Datarade),但總體看,撮合小的數據供應商與需求方的數據集市占比并不大。根據Maximize Market Research的統計,2021年全球數據中介交易市場規模約為2572億美元,而其中數據集市的市場規模為7.8億美元。另外,也有不少數據集市失敗或關閉的例子,如微軟的Azure DataMarket 于2018年關閉等。
數據要素市場發展不盡如人意的另一個重要原因在于數據交易的合規成本高。中國的《個人信息保護法》與《數據安全法》和歐洲的《通用數據保護條例》(GDPR)類似,以保護數據主體權益為核心,采取了擇入式同意。由于擔心數據流通可能會觸犯相關法規,不少情況下,數據豐富企業不僅不敢售賣數據,甚至同一企業内不同部門間的數據流通均存在顧慮。
在降低合規成本方面,歐美日的一些做法也有可借鑒之處。其中,GDPR除了要求使用數據方獲得消費者明确的同意之外,還有處理個人數據的其他五種法律依據,其中“正當利益(legitimate interest)” 提供了與擇入式同意并行的另一種可能性,監管部門也有相應評估模闆幫助企業作合規評估。美國以發展數字經濟為核心,總體上采用擇出式同意,對于隐私保護和數據安全等要求,更多從發展技術的角度去滿足。例如,對隐私日本規則與GDPR相近,實踐中更強調公共力量和市場力量的合作,多發揮行業協會和個人數據信托銀行的作用。
加快培育數據要素市場,政府有所為有所不為。國際上數據中介交易中數據收集開發售賣商為主、數據集市為輔的模式,為中國數據交易所的發展提供一些借鑒經驗。要避免各地一哄而上開辦數據交易所而最後一地雞毛。以市場主導具體交易模式,發展以高質量數據收集開發售賣商、點對點、數據集市和數據信托等多種模式相結合的數據交易市場體系或許是一條值得探索的道路。
在降低交易成本和合規成本方面,政府大有可為。一是有關部門可以積極參與制定數據和技術标準:如敏感數據和不敏感數據如何區分、存儲,也可參與技術标準、資質認證(如分級數據牌照)等方面的工作;二是以發展技術促隐私保護和數據安全,以改變為了安全就不用數據這一被動局面,通過引導基金等加大助力對核心技術瓶頸的突破;三是做好監管,幫助企業對合規成本形成穩定預期。一方面,可以緻力于助力供需兩端解決數據争端;另一方面,可以及早考慮設立數據交易監管沙箱的可行性,最大限度減少監管落後于創新。最後,政府也可以鼓勵領頭羊企業以及相關行業協會更多發揮引領作用。(中新經緯APP)
本文由中新經緯研究院選編,因選編産生的作品中新經緯版權所有,未經書面授權,任何單位及個人不得轉載、摘編或以其它方式使用。選編内容涉及的觀點僅代表原作者,不代表中新經緯觀點。
責任編輯:宋亞芬
【承澤觀察·平台經濟40評之三十六】巫和懋等:如何理解對平台經濟的反壟斷監管措施?
【承澤觀察·平台經濟40評之三十五】黃卓:中國金融科技平台為何發展如此快速?
【承澤觀察·平台經濟40評之三十四】巫和懋等:如何從信息經濟學角度思考對平台經濟實施監管?
,更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!