数据流利市场中数据产品的特点及交易模式

1复旦大学管理学院

2上海数据交易所有限公司

黄丽华, 窦一凡, 郭梦珂, 等. 数据流利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.

[左上]欢迎引用[左上]

自从党的十九届四中全会提出将数据作为新型生产要素以来，数据的要素代价已经成为社会共识，干系政策和立法也成为当前的制度改革焦点。
2020年4月，中共中心、国务院印发《关于构建更加完善的要素市场化配置系统编制机制的见地》，首次提出加快造就数据要素市场。
2022年1月国务院发布的《“十四五”数字经济发展方案》再次指出，数据对提高生产效率的乘数浸染不断凸显，已成为最具时期特色的生产要素。
与此同时，《中华公民共和国网络安全法》《中华公民共和国数据安全法》《中华公民共和国个人信息保护法》三大法律陆续出台，为数据要素市场稳健发展构筑了法律边界。
各地政府也在积极跟进，推动数据市场的培植。

我国的数据交易机构最早于2014年涌现，各地先后设立了40多家数据交易所（或称数据交易中央、数据交易平台），然而发展态势不一。
同时，一大批商业机构也在陆续进入数据流利与数据做事市场。
然而，这个趋势一方面存在跟风之嫌，另一方面也始终未能办理“确权难、定价难、入场难、互信难、监管难”的五难困境，导致数据产品“不能流利、不可流利、不易流利”的现实问题一贯存在。

商品是市场的核心，倘若没有可供交易的商品，市场将不复存在。
我国数据要素市场的前期探索碰着的困难很大程度上是由于对可供交易的数据产品及其交易模式的认识和界定不清晰。
从根本上看，数据产品本身的独特之处导致其市场组织比传统商品的市场更加繁芜。
在这些独特之处中，除了广为人知的大数据特性（如规模大、增长速率快、类型多样化等）、高固定本钱和低复制本钱的本钱特性、非竞争性、非稀缺性、非均质性、非排他性、无限衍生性、外部性、内生性等特性， 本文提出的数据产品的可打算性也给数据产品参与市场化配置的过程带来了新的寻衅。

基于此，本文将结合电子市场的经典理论框架和交易本钱、交易模式等领域的干系文献展开剖析，力争为数据要素市场的长期康健发展供应更加全面的理论根本。
须要解释的是，本文的研究目标是从市场视角认识数据产品特性及与之匹配的交易模式，因此剖析的条件是数据产品本身达到合规合法的有关哀求，后续谈论中不涉及数据确权和隐私保护等干系法律议题。

1 数据产品的流利过程剖析1.1 数据产品的基本特性

随着过去十多年以来电子商务和大数据、人工智能的发展，数据开始作为产品参与交易。
一样平常来讲，数据产品是指作为产品的数据集，或者从数据集中衍生出来的信息做事。
与数据产品靠近的一个观点是数字产品。
数字产品常日是指那些通过电子设备或渠道来利用或消费的无形商品，比如电子书、可下载的音乐、软件等。
二者名称相似，但存在诸多差异。

首先，数字产品的商品形态更加成熟，故生产和消费单位常日是固定的商品单位，例如一本电子书或一部电影；而数据产品本身更靠近原材料，目前也并未形成普适的计量体系。

其次，数字产品的生产和交易之间的边界较为清晰，反不雅观数据产品则具有可聚合性和可编辑性，常日在交易阶段依然须要根据客户进行各种调度，例如数据的聚合和筛选等。

再次，数字产品的代价常日可以根据市场的反馈进行评估，例如电影的票房、电子书的阅读量等，而数据产品可能被投入后续算法的演习中，终极代价的表示在一定程度上和后续算法的表现有关。

末了，数据产品流利的另一个独特之处是“可用不可见”的交易过程，我国数据市场实践中也正在积极探索。
例如北京国际大数据交易所将数据要素解构为可见的“详细信息”和不可见的“打算代价”，为数据供需双方供应可信的数据领悟打算环境，实现数据“可用不可见、用场可控可计量”。

此外，区块链技能和联邦学习的结合也是实现数据互联互通的一种办法，但上述方法都处于早期的探索阶段。

1.2 从交易本钱看数据产品流利

市场是资源进行有效配置的紧张手段，而交易本钱会阻碍市场充分发挥配置浸染。
Coase R H最早将交易整天职为价格创造本钱、会谈本钱和合约实行本钱等。
Williamson O E在此根本上把交易整天职成事前和事后两类。
基于企业之间组织交易的办法不同，陈郁提出了一系列市场规制，而影响这些市场规制的紧张成分包括交易的不愿定性、交易频率和资产专用性。
个中，资产专用性是指资产能够被用于其他用场并由其他利用者重新配置而不捐躯其生产代价的程度。
Williamson O E提出的资产专用性包括3个维度 ，即园地专用性、实物资产专用性和人力资产专用性。
如果一个商品难以被其他企业利用，则该商品具有更高的资产专用性，这一观点后期被进一步拓展到更多的维度。

数据产品的交易本钱首先表示为高度的不愿定性，紧张是指数据质量预期的模糊性和随机性，这导致买卖双方都没有明显的信息上风。
尤其分外的是，纵然在交易的数据被用于剖析后，都很难测度这个数据到底对算法带来了多大改进和帮助——类似于多米诺骨牌，虽然每一块都离不开，但并不能说末了结果全靠某一块骨牌。
因此丈量数据产品代价的办法须要提前约定，这就不可避免地涉及繁芜的会谈过程。
部分情形下，也可以由供方在交易前供应数据样品来简化这个过程。

许多数据产品也具有较为显著的资产专用性。
从Williamson O E提出的资产专用性3个维度来看，数据作为生产要素也存在园地专用性、实物资产专用性和人力资源专用性。
当数据驱动的决策模型用于某个业务流程或代价链中的协作决策时，就会产生园地专用性。
例如，实时竞价广告市场中交易的各种数据就带有范例的园地专用性。
而当某个数据源对算法性能的影响至关主要时，数据就会表现出特定的实物资产专用性。
人力资产专用性则更加明显，不同行业不同领域不同算法的专家都可能存在不同的知识积累哀求和学习过程，从而使得数据产品每每属于具有高资产专用性的产品。

1.3 从电子市场框架看数据产品流利

电子市场指采取电子化的手段构建开放式的市场，使得供需双方能够彼此创造和形成交易。
与电子市场并列的另一个观点是电子层级，指在不同的组织之间通过电子化的手段实现彼此之间的折衷活动，如连接供应链上不同公司的数据库。
Malone T W等人认为，随着信息技能的广泛运用，企业选择电子市场还是电子层级来获取外部的资源，取决于产品的描述繁芜性和资产专用性，如图1所示。
个中，描述繁芜性是指卖家为了说服潜在买家而须要供应的产品信息量。
关于资产专用性，除了Williamson O E提出的3个维度，Malone T W等人还提出了韶光维度的资产专用性。
也便是说，如果商品代价高度依赖于在特定的、相对有限的韶光内到达用户，那么该商品存在韶光维度的资产专用性。

基于这两个维度，Malone T W等人指出，随着信息技能的叠加运用，研究职员可以不断地通过丰富的产品展示手段来降落产品的描述繁芜性，同时信息技能的运用可以减少特定职员的参与，也降落了资产专用性，因此信息技能的运用使得市场从层级掌握走向电子市场，即图1中间的横实线或竖实线可以向上或向右移动。

图 1 Malone T W 等人提出描述繁芜性和资产专用性的降落使得电子市场更加有效

比较于传统的实体商品和软件等数字产品，笔者认为数据产品进入市场流利时还存在的一个显著特点是数据产品的可打算性。
可打算性表示的是一个数据产品被购买方用于洗濯、重构、与其他数据领悟并终极产生新的剖析的可能性。

从测度上来看，可打算性是一个综合的指标，基于笔者团队的前期研究成果，许多与数据干系的根本指标都能够影响数据的可打算性，如数据的维度、颗粒度、不雅观丈量等，随着这些根本指标的增加，数据产品被用于其他剖析的可能性，即可打算性逐渐提高，所带来的代价常日也会提高。

从购买办法来看，可打算性与营销学文献中的“消费者参与创造”也有类似之处，例如乐高积木这类商品，消费者购买后得到的乐趣很大一部分来自自身参与设计和搭建的过程，并且终极搭建的商品的可能形态也不固定，与消费者本人的创造力、耐心、兴趣都有关系。
在数据场景中，这个过程便是打算。
可打算性终极导致数据产品在进入市场时存在比较高的描述繁芜性和资产专用性。
一方面，数据市场的产品大多来自供方的业务信息系统的输出或统计结果，每项数据的采集过程、抽样方法、详细定义、处理流程等解释过程都涉及供应方的业务细节或机密，尤其是多源数据之间如何形成连接、缺失落数据的合理处理办法等，都给数据产品的描述事情带来了额外繁芜度，每每须要借助数据样本和数据沙箱等才能让数据的需求方充分理解。
另一方面，不同的数据需求方在将购买数据用于打算的过程中，数据来源、数据质量、领悟办法、模型设定、测试过程等可能都存在专用化的需求，对一个公司毫无浸染的数据被另一个公司加以利用后可能产生巨大代价。
这一点表示了数据的可打算性可能导致数据的资产专用性变得更高。

遵照图1，本文将可流利的数据产品分为4个象限，即“低描述繁芜性-低资产专用性”“高描述繁芜性-低资产专用性”“低描述繁芜性-高资产专用性”“高描述繁芜性-高资产专用性”4个产品种别。

1.4 从交易模式视角看数据产品流利

随着信息技能的发展，企业之间的交易基于电子办法实现数据的共享和流利，从而形成了多种电子交易的模式。
从产品逻辑来看，电子交易市场模式紧张有5种，如图2所示。
个中第一类是看似大略的“数据管道（1对1）”模式，即单个数据供应商和单个客户之间建立了交易，是范例的电子层级。
第二类是“客户主导的数据集市（n对1）”模式，即某个客户有多个数据供应商，客户通过建立数据中央并约请多个供应商供应数据产品（比如某个银行有60多个数据供应商）。
第三类是“供应商主导的数据集市（1对n）”模式，即某个数据供应商为多个客户供应数据（如彭博市场数据传输做事、百度API）。
第四类是“数据平台市场（n对m）”模式，即许可数据供应商和客户之间进行多对多的交易（如上海数据交易所、AWS Data Exchange）。
在这种模式中，数据产品不愿定，交易双方存在信赖障碍，因此须要平台供应额外的“产品试用”做事或供应“经纪商”角色做事。
第五类是“做市商市场（n对1对m）”模式，即由一个独立代理商来完成数据买卖双方的交易业务。
对付不同的数据产品，最匹配的数据交易模式可能不同，而常日提到的数据交易所和交易中央大多符合第四类的环境——即平台不持有数据，只连接供需双方。

图2 电子交易市场的5种模式

2 海内数据流利市场的数据产品剖析2.1 海内数据流利市场的数据产品现状

自2014年我国最早的3家数据交易机构（中关村落数海大数据交易平台、北京大数据交易做事平台和喷鼻香港大数据交易所）建立以来，目前已有40多家数据交易机构先后成立，如图3所示。
然而，已有不少机构停滞业务。
2020年4月，中共中心、国务院发布了《关于构建更加完善的要素市场化配置系统编制机制的见地》，明确提出勾引造就大数据交易市场，依法合规开展数据交易。
全国各地开启了新一轮的数据交易市场培植，2021—2022年先后有15家机构成立。
上海数据交易所于2021年11月成立，标志着我国数据流利市场的发展进入新的阶段。
除上述由地方政府推动组建的数据交易所外，许多由商业机构设立的数据流利场所也不断呈现。

图3 我国数据交易机构成立情形

上述市场的培植思路大致可以分为两类。
第一类是平台类市场，如贵阳大数据交易所和上海数据交易所。
第二类则是单边市场（或称为数据集市），即由数据密集型企业主导建立的数据交易或做事市场（如中国电信、国家电网、阿里巴巴等）；或是由“采销一体”型专业数据做事企业主导的交易市场，这类机构每每面向特定市场的需求，采集特定资源，根据业务须要组织成数据产品，如万得（Wind）数据、聚合数据、数据堂、京东万象等。

本文网络了25家数据交易机构在经营规则或机构解释中表露的数据产品和做事种别，归纳涌现有数据要素市场上的七大类数据产品：数据集（或称为数据包）、基于API的信息做事类产品、基于容许证（license）利用的数据产品、以洗濯加工处理为主的数据处理做事、以剖析和建模为主的数据运用做事、数据剖析工具做事和行业研究报告，见表1。
在这7类产品中，数据处理做事和数据运用做事每每须要根据客户的详细哀求，按项目制办法供应一对一永劫光的做事与互动，本文暂未将其作为可供交易的数据产品，而是作为交易机构的增值做事（在后文的剖析中作为数据做事来剖析）。
而行业研究报告按前文所述，属于数字商品，因此后文也不再涉及。

2.2 海内数据流利市场的数据产品及其做事的交易模式

结合图1，对我国现有数据流利市场上涌现的数据产品或数据做事进行剖析，见表2。
个中，数据集产品每每可以结合统计指标进行描述，因此描述繁芜性不高，但某个数据集常日可以用于多个不同的领域，因此资产专用性依赖于场景。
API和容许证类的商品每每须要详细的操作解释，并且与设备、接口以及结果代码含义等有关，常日对需方的数据对接能力有一定哀求，因此描述繁芜性略高于数据集产品。
数据处理做事、数据运用做事常日须要根据客户的详细哀求定制化履行，因此资产专用性较高或很高。

将表2中的数据产品或数据做事按照图1和图2所示框架归类，如图4所示。
可以看出，上述这些数据产品或做事并非均适宜数据平台市场。
适宜在数据平台上进行交易的数据产品是可打算、具有一定通用性（打消高度定制化做事）、可以描述清楚、可以重复交易以及符合国家法律规定的数据产品。
目前只有数据集这一类产品适宜在数据平台市场或交易中央进行自主交易（即n对m的形式）。
买卖双方在没有占主导地位的市场参与者的情形下，根据平台供应的合约模板达成双方均可以接管的交易内容、交易价格和交易整天职担方法，从而带来平台市场的流动性。
然而，由于数据产品本身的不愿定特性，平台运营商须要建立一套科学的交易规则和做事，促进买卖双方的信赖交易行为。
而对付那些须要大量业务知识或技能进行处理才能利用的数据集产品，可以采取数据平台市场、做市商市场模式进行交易。

图4 数据产品及其做事的交易模式与两维度之间的匹配逻辑

目前我国数据市场中数量最多的是行业运用类数据做事，即供应针对特定行业的办理方案。
例如华东江苏大数据交易中央网站上在售的品牌营销办理方案、政企行研办理方案、企业创新办理方案、电商风控办理方案等，其购买路子须要通过管家咨询匹配，深度理解诉求，定制办理方案，并终极在特定企业运用。
这一类数据做事并不适宜数据平台市场，而更加适宜电子层级的交易形式，即一对一做事的模式。
同样，贵阳大数据交易所、山西数据交易平台所列的数据处理做事也适宜电子层级的交易形式。

相较而言，API产品、容许证产品属于描述繁芜性较高、资产专用性较低的数据产品，比较随意马虎以集市交易模式进入数据流利市场。
例如，北部湾大数据交易中央的数据产品紧张为数据API，截至2020年年底（其成立4个月时），交易规模已打破1500万元，登记注册企业已超过120家，数据做事调用次数已超过1.2亿次。
然而，这一类数据的资产专用性不断提升，随意马虎导致数据产品的流利模式从数据平台市场向其他办法转变，涌现去平台化的征象（即从图4左下角向其他区域转移）。
比如，企业工商数据作为描述繁芜性低、运用范围广的数据产品，更加适宜在数据平台市场上进行交易。
然而伴随企查查、天眼查等数据做事商逐渐将数据聚合，形成个人和企业征信等数据产品，这些数据做事为特定领域带来的代价也更加凸显。
此时数据做事商就可以将客户带离平台，无须再通过数据市场进行交易，而是自己直接联系客户。
更为困难的是，由于数据的可打算性，原来适宜于电子市场的数据产品有可能涌现去平台化的发展规律。
例如景象和交通等公共数据，本身描述繁芜性低，也不存在特定的专用领域，然而，一旦此类数据被封装成面向特定行业领域的数据产品，如用于旅游、金融、互联网舆图做事等领域，资产专用性随之提高，数据的供应方理论上可以单独形成产品的售卖渠道，不须要再寄托于任何外部的电子市场。
为此，数据交易平台运营商须要建立一系列科学的制度以及创新的技能支持手段，降落已经进入平台的参与者去平台化的可能性。
而那些描述难度过高（如未经加工洗濯的原始数据）且并不面向任何专用领域和场景的数据，每每在数据代价评估、处理整天职担、数据隐私保护等方面存在各种问题或风险，难以加入交易过程中。
数据流利交易市场的运营者须要供应数据洗濯加工、数据剖析建模运用、数据产品的存储做事等增值做事，让原来不能进入交易市场的数据产品可以进入市场，增强数据市场的有效供给。
对付每一个数据产品，最好建立各种运用处景的“示范样本”，不断降落数据产品的描述繁芜性和资产专用性，从而使图4中的两条实线不断向上或向右移动，扩大数据交易平台上可交易的数据产品规模。

3 结束语

本文以电子市场、交易本钱经济学和电子交易模式等领域的干系理论为剖析根本，提炼了针对数据产品电子市场的交易模式基本规律，指出只有描述繁芜性和资产专用性足够低、交易频率比较高的产品才属于数据平台市场的交易产品类型。
在此根本之上，本文进一步结合数据的可打算性进行拓展，提出数据的可打算性使得数据有可能从低资产专用性逐渐过渡到高资产专用性，以符合垂直领域对数据利用的需求。
然而，这样的变革规律会导致数据交易过程离开交易市场，即去平台化征象，末了导致数据交易市场只能长期面向低代价的数据产品展开交易。
本文对海内现有数据市场的详细产品信息进行了汇总和剖析。
结果表明，现有数据交易市场大多仅限于特定的数据类型，而数据一旦被广泛接管，供应商就可以不借助市场进行发卖，逐渐形成自身的发卖渠道。
同时，定制化的数据做事从特色上看和数据市场并不匹配。
这些结论对付我国未来的数据要素市场培植具有一定的参考意义。

本文对付数据交易平台商而言有3个方面的启迪。
首先，数据交易平台商须要根据市场培植的计策目标、交易的繁芜性、交易的频率、平台商与供方的关系、市场构造、需方的相对实力等成分来选择平台的紧张交易模式，或者采纳多板块的策略同时选择几种交易模式。
其次，对付数据交易平台商而言，在培植初期，设立做市商的交易模式可能更有助于扩大市场规模。
须要大力培养一批有技能能力、市场能力和经营能力的做市商，通过专业化的做市商来帮助买卖双方降落数据产品的描述繁芜性和资产专用性。
末了，对付数据交易平台商而言，提高市场的流动性最主要的任务并不是创造高质量的数据供应，这是由于需方可以发挥自身的聪明才智和探索能力不断探求适宜自身的数据。
相较而言，平台更主要的任务是探索合理的机制防止或减缓去平台化。
例如国外有名的数据交易市场大多寄托于云打算和数据仓库厂商（如Snowflake和Amazon）等，也可以从平台自身出发，通过做事能力的培植来提高数据供需双方对平台的依赖性——把好的数据产品“请进”市场，更要“留在”市场。

--------END-------

联系我们:

Tel: 010-81055490

010-81055534

010-81055448

E-mail:bdr@bjxintong.com.cn

http://www.infocomm-journal.com/bdr

http://www.j-bigdataresearch.com.cn/

转载、互助：010-81055307

大数据期刊

《大数据（Big Data Research，BDR）》双月刊是由中华公民共和国工业和信息化部主管，公民邮电出版社主理，中国打算机学会大数据专家委员会学术辅导，北京信通传媒有限任务公司出版的期刊，已成功入选中国科技核心期刊、中国打算机学会会刊、中国打算机学会推举中文科技期刊，以及信息通信领域高质量科技期刊分级目录、打算领域高质量科技期刊分级目录，并多次被评为国家哲学社会科学文献中央学术期刊数据库“综合性人文社会科学”学科最受欢迎期刊。