导图社区 【数据交易】数据要素市场概述和顶层设计架构
亿图详解数据交易中数据要素市场和顶层设计 1、主要概述数据要素市场发展现状,首先阐述数据要素与数字经济,从数据要素的定义特征与价值形态演进出发,构建数据要素作为数字经济发展核心引擎的理论框架。并基于当前国内数据交易平台实践,总结数据要素市场发展面临的难题与机遇。 2、阐述数据要素“四位一体”支撑架构,包括数据交易的起数据要素市场化配置与数字生态体系建设—数据确权、数据交易的关键—数据定价,数据交易的保障—数据安全、数据交易的动力—数据运营四个维度。
编辑于2024-01-10 09:37:24随着AI技术,特别是自然语言处理、深度学习和大语言模型的成熟,AI在内容生产中的能力显著增强,贯穿构思、生成、优化至发布的全流程,成为内容产业升级的关键动力。数字化内容已成为主流信息传播方式,对高质量、大规模及个性化内容的需求激增。AI创意内容生成应用因此大量涌现,极大提升内容生产效率。AI的跨模态能力促进多媒体内容融合创新,在内容生成、管理、分发中提供自动化支持,构建了更高效灵活的内容创作模式。 亿图带你了解下!
在数字营销3.0时代,AI技术已成为企业提升营销效能、深化用户洞察的关键工具。 数字营销3.0时代企业营销目标、营销职能的变化 数字营销3.0时代企业营销手段的变化 数字营销3.0:AI 营销的核心价值 数字营销3.0:AI 营销的劣势 数字营销3.0:AI 营销的启动和开展 数字营销3.0:AI 营销落地关键场景 数字营销3.0:AI营销工具选型 数字营销3.0:AI 营销落地面临的现实挑战 亿图讲讲AI成为企业营销的核心能力、全面融入工作流程、内容消费与媒体通路的重塑、个体化营销的兴起等。
高效学习地图: 模块一:大脑原理,涵盖了三重脑理论、进化时间、思考:快与慢、大象VS骑象人 模块二:学习方式,包括了学习三个区域、刻意学习、学习金字塔、费曼学习法 模块三:阅读方式,介绍了主动阅读基础、快速阅读、RIA阅读法、主题阅读、 模块四:记忆原理,讲述了记忆原理、艾宾浩斯遗忘曲线、复习方法、记忆方法:记忆宫殿 模块五:笔记方法,了解了康奈尔笔记、卡片笔记法、黄金三分笔记、九宫格笔记 亿图助学生学习高效,牛马人工作高效,感受学习的美好!!!!!!
社区模板帮助中心,点此进入>>
随着AI技术,特别是自然语言处理、深度学习和大语言模型的成熟,AI在内容生产中的能力显著增强,贯穿构思、生成、优化至发布的全流程,成为内容产业升级的关键动力。数字化内容已成为主流信息传播方式,对高质量、大规模及个性化内容的需求激增。AI创意内容生成应用因此大量涌现,极大提升内容生产效率。AI的跨模态能力促进多媒体内容融合创新,在内容生成、管理、分发中提供自动化支持,构建了更高效灵活的内容创作模式。 亿图带你了解下!
在数字营销3.0时代,AI技术已成为企业提升营销效能、深化用户洞察的关键工具。 数字营销3.0时代企业营销目标、营销职能的变化 数字营销3.0时代企业营销手段的变化 数字营销3.0:AI 营销的核心价值 数字营销3.0:AI 营销的劣势 数字营销3.0:AI 营销的启动和开展 数字营销3.0:AI 营销落地关键场景 数字营销3.0:AI营销工具选型 数字营销3.0:AI 营销落地面临的现实挑战 亿图讲讲AI成为企业营销的核心能力、全面融入工作流程、内容消费与媒体通路的重塑、个体化营销的兴起等。
高效学习地图: 模块一:大脑原理,涵盖了三重脑理论、进化时间、思考:快与慢、大象VS骑象人 模块二:学习方式,包括了学习三个区域、刻意学习、学习金字塔、费曼学习法 模块三:阅读方式,介绍了主动阅读基础、快速阅读、RIA阅读法、主题阅读、 模块四:记忆原理,讲述了记忆原理、艾宾浩斯遗忘曲线、复习方法、记忆方法:记忆宫殿 模块五:笔记方法,了解了康奈尔笔记、卡片笔记法、黄金三分笔记、九宫格笔记 亿图助学生学习高效,牛马人工作高效,感受学习的美好!!!!!!
数据要素概述
拓展数据要素市场生态主体,以数据融合应用场景创新推广数据产品应用
引入和孵化数据元件加工商,支持先导企业在相关领域构建产业服务生态
以公共数据运营主体为核心,强化公共数据加工和治理,开展公共数据资产登记和评估试点
数据价值化
数据资产化
数据产品三级市场
数据元件二级市场
数据资源一级市场
数据资源化
四 数据交易的动力:数据运营
联邦学习:通过在多个拥有本地数据的数据源之间进行分布式模型训练,在各方机器学习原始数据不出库的情况下,通过对数据加密流通与处理来完成多方机器学习模型训练。
数据安全标识:数据安全标识是与客体数据安全相关的属性的格式化封装,是数据安全属性的信息载体。由安全可信的数据安全标识认证系统签发,采用密码技术确保标识信息的完整性和真实性,防止被篡改和仿冒。
多方安全计算:在各方不泄露各自输入数据的前提下,多方协同进行数据分析、处理。多个参与方共同进行一项计算,各方只能获取自己的计算结果,无法通过计算过程推测出其他任意一方输入的数据。
同态加密:将原始数据经过同态加密后,对得到的密文进行特定的运算处理,然后将计算结果再进行对应同态解密后得到的明文等价于原始明文数据直接进行相同计算所得到的数据结果,重点解决数据处理安全问题,实现数据“可算不可见”。
区块链:按时间顺序、以顺序相连的链式结构将数据区块组合,通过密码学保证传输和安全,并利用分布式节点的共识机制算法实现数据的生成和更新,具有去中心化,不可篡改和伪造、可追溯、多方维护、公开透明等特点。
05
04
03
02
01
数据安全 五种方式
三 数据交易的保障:数据安全
数据定价维度体系
静态价值
清 洗 加 工 成 本
采集存储成本
分 析 建 模 成 本
安全运维成本
风险补偿成本
动态价值
数据标签丰富度
更新时效性
完整性
规范性
安全性
应用价值
受众广度与深度
复用度
场景经济性
实用度
关联度
▶
▶
03
数据交易供需方信息不对程带来定价困难
数据要素价值场景依赖性强难以标准化
04
▶
数据供方不知道需方购买数据之后的具体用途,从而无法评估需方的支付愿意 数据需方难以事先获知数据的具体信息从而难以验证数据的质量和真实性,产生“阿罗信息悖论”
▶
数据要素价值会随使用对象、使用场景、具体用途而不同 相同数据要素的价值评判难以标准化
▶
▶
数据要素对经济增长的产出贡献较为复杂难以准确评估
02
数据不仅以单一生产要素参与经济活动,还通过促进其他生产要素高效配置、支撑传统生产方式转型升级等方式形成规模报酬递增的经济发展模式 市场难以对数据要素对于企业产出和经济增长的实际贡献给出真实准确的评价
▶
▶
数据具有非竞争性、非排他性、非稀缺性、 价值异质性、边际收益递增等有别于传统生产要素的特点 市场供需关系和资源稀缺程度的传统定价策略难以适配数据要素的特征
01
二 数据交易的关键:数据定价
传统定价策略难以适配数据要素新特征
数据定价的 4 大难点
数据定价维度体系
解决思路
具体内容
技术 手段 确权
数据产权配置理念和政策应通过技术系统进行落地实现
一、统一标识管理,具有广域互联网中的唯一性特征,实现对多元异构标识的对接和融合 二、元数据和数据源分离,确保数据访问权限受控 三、数据安全互操作,身份认证、内容确权、访问控制等信息上链,授权行为通过智能合约自动 处理,并提供敏感数据的多方安全处理机制
个人数据权利多维矩阵框架
个体自身基本数据 — 权利归属个人,平台不因物理拥有而改变权属 个体行为数据 — 权利归属平台和个人,当平台超服务范围使用数据时需要征求个体额外同意并协商报酬 个人数据加工分析后的衍生数据 — 权利归属于平台、个人与数据加工企业,加工需要再次取得个体同意并协商报酬
原始数据研发投入强度低、隐私负外部性高 — 强调用户个人隐私保护 匿名数据研发投入强度中、隐私负外部性低 — 强调数据公共所有,促进数据流通 衍生数据研发投入强度高、隐私负外部性低 — 强调激励研发投入与创新积极性
平台数据确权 原始数据、匿名数据、衍生数据
个人数据产权强调 — 以原始数据为主的人格权保护 企业数据产权强调 — 以衍生数据为主的财产权保护 国家数据产权强调 — 将整体数据作为公共物品加以管理和规制
数据产权制度的三边框架
具体内容
分类 分级 授权 体系
数据确权解决思路概述
解决思路
企业在数据加工分析上的投入
企业数据
来源复杂
平台收集用户信息涉及客户隐私
企业生产过程涉及商业机密
政府数据
公共物品性质
强调数据高效流通与价值挖掘
强调保护人格权和财产权
私人物品性质
个人数据
下一个 生产过程
... ...
数据商品
数据产品1
数据产品2
数据要素
数据要素多次流转溯源困难阻碍数据确权
数据易于复制和传播,交易过程中的数据要素及产品并非最终产品,中间会经过分析与加工形成新的数据产品进入下一个流通过程,导致难以溯源,数据主体识别困难,给确权带来阻碍
数据来源不同导致权利多样性和复杂化
数据要素生产链条参与主体众多,都享有权利并承担相应义务,多方主体利益诉求难以平衡,造成权责分配困难
数据要素
生产链条参与主体众多,权责分配困难
数据生产、存储、清洗 脱敏、加工、分析、安全 ...
原数据
数据的非竞争性要求,数据充分流通和使用
非竞争性在数据充分利用上的效率要求
保障数据加工者相关权益才能激励数据主体有动力进行生产投入
数据处理主体的投入激励
数据要素市场的“不可能三角”给确权带来难题
数据流通中的个人隐私泄露、企业商业机密受侵等外部性
隐私上的负外部性
数据确权的难点
数据价值倍增
数据确权为数据价值倍增提供激励机制 — 多方主体在数据价值创造过程中呈现共同投入、多向合作的动态关系,产权清晰有利于形成加工投入激励,促进数据要素价值充分释放
数据资源整合
数据确权是推动数据资源整合的重要抓手 — 产业数字化催生数据资源整合需求,但产权配置不清晰使得数据主体偏向于保护自己的数据而引进整合其他外部数据,导致数据难以交予外部机构进行有效整合
数据共享交换
数据权属清晰增强数据共享交换意愿 — 数据确权能够保障各数据主体权益并有效界定责任,消除数据供给方的安全与监管顾虑,增强数据供给意愿
顶层设计层面
数据确权支撑数据要素市场顶层设计 — 数据确权作为数据交易的起点,产权清晰是数据定价与收益分配机制的基础
数据确权
一 数据交易的起点:数据确权
数据交易顶层设计:“四位一体”支撑架构
数据交易未 达到市场与 政策预期
数据运营生态体系不够健全导致交易活跃度不够、“昙花一现”不可持续 ● 数据交易规则不够完善 ● 数据价值有待深度挖掘 ● 数据供需不匹配 ● 数据标准不统一 ● ... ...
数据安全
数据安全
数据安全事件频发,交易缺少安全保障 ● 数据篡改、滥用、隐私泄漏等安全事件频发,造 成安全威胁,数据交易流通缺少安全支撑 数据安全流通与价值发挥协同难度大 ● 若过分强调数据安全,制约数据跨界跨域融合, 阻碍价值发挥 ● 许多敏感信息本身具有分析和应用价值,脱敏过 度导致数据丧失商业价值
难以形成大规模交易
数据需方
● “阿罗悖论”:数据需方交 易前无法获知数据使用价值 ● 加之缺乏清晰的定价机制作 为依据
● 供方难以获得合理定价,抑 制数据供给意愿 ● 无法激励厂商对数据加工处 理的持续性投入
数据供方
价格 ≠ 价值
数据交易缺乏合理公平的定价机制
数据确权
数据权属界定不清晰 ● 权益难保障,缺少激励驱动主体参与数据生产与交易 ● 责任界定不清,为规避监管风险,供给方数据共享意愿被抑制,交易缺 少持续优质的数据来源 ● 数据交易的可解释空间大,缺乏规范性 数据确权与价值发挥需平衡兼顾 ● 排他性所有权导致数据不能被多主体重复使用,封锁价值倍增的机会 ● 产权碎片化导致“数据孤岛”,抑制大数据整合效应,难以发挥价值
数据确权
催 生 数 据 交 易 需 求
产业数字化
产业智能化升级丰富了应用场景
数据 需求 意愿
数据 共享 意愿
数据供方 拥有海量 数据
数字产业化
数据交易流通
安全保障能力提升
数据交易流通机遇
解决
● 不愿共享 ● 不敢共享 ● 不能共享
● 隐私计算 ● 区块链 ● 联邦学习 ● 多方安全计算
新兴产业丰富应用场景 驱动数据交易需求
技术赋能数据交易流通 助力破解安全难题
● 2020年4月《关于构建更加完善的要素市场化 配置体制机制的意见》,将数据列为生产要素,要求加快培育数据要素市场。 ● 2021年12月《要素市场化配置综合改革试点 总体方案》 ,提出完善公共数据开放共享机制、健全数据流通交易规则、拓展规范化数据开发利用场景、加强数据安全保护”四个 方向的指示。 ● 2022年6月《关于构建数据基础制度更好发挥 数据要素作用的意见》,提出建立包含数据产权、数据流通交易、收益分配、数据安全 治理及数据要素市场化配置等方面的数据基础制度体系。 ● 数据要素法律法规体系逐步完善。《网络安全法》《数据安全法》《个人信息保护法》 出台,成为护航网络空间安全与数据安全保护的“三驾马车“。
数据确权
政策制度发挥前瞻引领作用 支持信号更加明确
数 字 经 济
动态迭代机制
“执行-反馈-优化-再反馈”
政策更好引导 资源优化配置
传统制度随数 字经济发展适 应性创新
政务服务 城市治理 公共政策 …
治理效能 推动制度 迭代优化
赋能
交易效率
生产效率
数据融合
▶ 刻画用户画像,“点对点”精准营销 ▶ 数据汇合打通信息壁垒减少信息不对称
供需精准匹配
需求驱动的新型 商业模式C2B
▶ 期待个性化、定制化的产品与服务 ▶ 驱动市场主导由供给方到需求方转变
长尾效应
长尾效应 驱动商业 模式创新
空间溢出效应推动产业关联
非线性溢出效应促进产业融合
深度调整
产业结构
高协同性 正反馈性 网络效应
互动 性强 的产 业集 群
传统产业智能化升级
打破时空界限
数字经济增值
产业融合
产业边界模糊
溢出效应 促进产业 优化升级
数据要素融合
激发要素创新活力
提升要素匹配效率
培育新增长点
与传统要素融合协同发挥乘数效应,放大价值
替代效应改变要素配置方式,优化资源要素结构
新要素催生以 ICT 产业为代表的新产业与新业态
新型生产 要素驱动 价值创造
数 据 要 素
数据要素驱动数字经济发展的体系框架
▶
▶
▶
▶
▶
▶
● 数据资本化
● 数据资产化
● 数据资源化
数据资本化是指数据资产的交换价值 被充分挖掘和无限放大,形成对数据 劳动者的劳动成果的无限次重复使用,并生成价值增值的数据资本
以股权化、证券化等多种方式运营数 据资本,数据资本不仅占有数据资产 中的剩余价值,还将剩余价值用于扩 大再生产
数据资产化是数据通过市场的流通交易给数据使用者、加工者、生产者带来经济利益的过程
是实现数据价值的阶段。本质是形 成数据交换价值,初步实现数据价 值的过程
具体表现为通过数据采集、存储、清洗、加工、分析、标记、标准化、挖掘等生产环节形成可流通应用的数据生产要素
将原料状态的数据加工形成机器可读、可参与流通交易并投入生产应用的数据资源,是数据使用价值实现的阶段
数据资本
数据资产
数据资源
原始数据
数据要素价值形态演进图
数据要素 5 特性
边际收益递增性
价值异质性
非稀缺性
非排他性
非竞争性
5
4
3
2
1
数据要素价值具有很强的场景依赖性,相同数据的可用性与价值在不同应用场景下存在差异。
数据要素具有规模经济特性。数据的体量越大、维度越多、种类越丰富,越有利于数据交互汇聚,释放数据要素价值。
数据要素是可再生的,万物数据化使海量数据可以持续产生并快速积累 数据要素不仅不会损耗,还能够自我繁衍,能在使用中继续创造数据资源
数据可无限复制给多主体同时重复使用,一个主体对数据的使用, 并不会阻止其他主体利用该数据
任何主体使用数据都不会对数 据产生质量损耗,进而不会影 响其他主体的使用和利益