《数据交易与大数据交易所建设.docx》由会员分享，可在线阅读，更多相关《数据交易与大数据交易所建设.docx（4页珍藏版）》请在课桌文档上搜索。
1、数据交易与大数据交易所建设近年来，国内大数据发展进入加速期，大数据技术日益成熟，大数据应用不断深入，大数据产业蓬勃发展。一方面，人们对数据资源的需求从单一化和少量化向多样化和大量化转变，并且数据需求越来越大，要求越来越高。另一方面，政府机构及很多企业拥有丰富的数据资源，盘活数据资源，促进数据应用和变现则是他们的急切需求。数据供需双方对数据流通提出了更高要求，催生和发展了数据交易市场。通过数据交易可以构建数据供需桥梁，打通“数据孤岛”，优化数据资源配置。引导和培育大数据交易市场不断发展壮大，对促进大数据产业整体健康有序发展具有重要意义。首先，数据交易能促进数据资源商品化，推动数据资源向数据资产转
2、变；其次，数据交易能促进数据流通自由化，数据自由流通是大数据产业发展的内生动力；最后，数据交易走向平台化、规范化和标准化，能够有效打击非法数据交易，建立良好的数据流通环境。一数据交易的基本概念和发展概况（一）数据交易的基本概念1 .交易内涵交易是指双方以货币或承诺为媒介的价值的交换。数据交易作为交易中的一种，其特点在于交换的是数据价值。从媒介的角度看，数据开放、数据共享、数据捐赠等都没有以货币或承诺为媒介，不属于数据交易，它们与数据交易一样，都是数据流通的手段之一。从数据价值的角度看，数据的价值分为基础价值和衍生价值，基础价值在于数据的可用性，它是数据能够流通的必要条件，取决于相关数据交易标准
3、的确立；衍生价值在于数据的有用性，体现为数据的具体用途，该价值的大小取决于数据挖掘能力和数据运用场景。2 .交易对象数据交易根据交易对象的差别有狭义和广义之分。狭义的数据交易是指以数据本身为对象的交易，交易范围包括个人数据、企业数据、政府数据等底层数据，但相关法律法规规定禁止流通的数据不能作为交易对象，如个人隐私数据和国家安全数据等。交易中的数据，需满足格式标准、可机读、可操作、动态更新等要求，为后续的管理、开发和使用提供基础条件。广义的数据交易是指交易对象除了数据以外，还包含数据服务。数据服务包括三种：加工数据形成的数据产品，即产品服务；为他人提供数据清洗、数据分析等技术支持，即技术服务；基
4、于数据的咨询建议，即策略服务。提供数据服务的基础数据不一定要通过数据交易获得,也可以通过政府开放、主动采集和数据交换等方式获得。3 .交易主体数据交易的主体包括数据供给端、数据需求端和数据中介。数据供给端主要为数据资源的持有者，他们掌握某一方面的数据或数据产品，并且有将手中的数据或数据产品变现的强烈意愿。出于开发数据产品的需求，有时候数据供给者也是需求者。数据需求端主要集中在数据应用市场，包括政府、企业和个人等，他们通过挖掘数据的价值或直接使用数据产品，将数据运用到相关领域中，以达到提高治理水平或经营能力的目的，数据需求者有时也是供给者。数据中介主要作为数据供需的集散地，是对接数据市场供需关系
5、的纽带和平台，数据中介有单纯的交易平台，也有集数据需求者和供给者于一体的综合平台。4 .交易定价大数据具有大量、高速、多样等基本特征，这些特征决定数据价值的不确定性、稀缺性和多样性，也导致传统的定价模式和策略在数据定价方面失效。在数据交易中，数据定价是在定价基础和定价模式上的综合选择。在定价基础上，决定数据价格的因素主要有四个方面：一是数据生成级别不同，则数据价格不同，例如原始数据与加工形成的新数据的价格就不相同；二是资料来源领域不同，则数据价格不同，例如金融大数据和教育大数据；三是数据在应用端的用途不同，数据价格也不同，例如不同的业务需要对数据处理方式的要求不同，受供求关系影响，必然会导致价
6、格不同；四是数据类型、时效性、完整性和数据样本覆盖等也会影响数据交易价格。在定价模式上，目前主要采用的定价模式有：平台预定价模式、买卖双方协商定价模式、固定定价模式、交易系统自动定价模式、实时定价模式、拍卖定价模式、反馈性定价模式等。在数据应用尚未常态化的今天，信息不对称会给交易定价带来一定的困难，但同时也推动了定价模式的创新。5 .交易规则交易规则是为保证数据交易活动顺利进行而设置的，它包括身份认证、时间约束、交易方式、数据标签、数据保护与安全等各个方面。身份认证：数据交易需要对交易的各类主体进行身份确认，在区分交易主体的同时，为安全防范和责任追溯做好保障。时间约束：数据交易的时间约束包括更
7、新频率、统计周期和使用期限等，根据数据类型的不同而有所差异。交易方式：数据交易主要以电子交易为主，一般有网络数据包传输、实体介质拷贝、APl接口访问等方式。数据标签：数据交易中常常将数据按行业、用途等分类，这种分类标签的方式提高了数据辨识度，提高了数据交易的效率。数据保护与安全：数据交易中强调对个人隐私数据和数据资源权益的保护，对防控数据泄露、维护交易秩序、稳定交易市场具有重要作用。（二）数据交易的主要类型根据数据交易产生的路径，国内的数据交易可以分为四类。1 .行业内部的数据交易在我国，金融、电商、交通、电信等领域的大数据发展较好，数据交易起步较早。一是这些行业有着严格的数据标准，在采集、评
8、估、交易、使用和管理等方面都较易实现统一部署。二是这些行业涵盖人们生活最基本的几个方面，数据量丰富，数据价值密度高。三是这些行业的内部关系密切，行业范围不广，数据流通成本低，数据变现能力强。2015年成立的全国首个“交通大数据交易平台”便是行业数据的交易平台，它有很强的针对性，专门利用交通行业的大数据来解决交通痛点，在交通大数据生态系统的构建和智慧城市的建设上发挥了重要作用。2 .企业主导的数据交易和国外的数据经纪公司类似，国内也成立了以数据堂、聚合数据、数海等为代表的大数据企业，这些企业主导了一部分大数据交易，并且其市场份额和影响力日益提升。这些大数据企业主要是通过和相关企业、机构合作，构建
9、完整的大数据交易闭环链来经营数据。它们通过自己采集、收集或购买数据，经过清洗、分析、挖掘等步骤加工成数据产品或数据服务，然后通过相关渠道进行数据变现。所以在数据交易链中，它们具有数据需求方、供应商、代理商和服务商等多重身份。企业主导的数据交易和政府主导的数据交易有所不同，前者更加强调数据变现，以盈利为首要目的，所以它们经营的数据产品或服务都有较强的针对性、独特性和多样性，用户体验较好，但价格也相对较高。3 .政府主导的数据交易目前，我国以贵阳大数据交易所、上海大数据交易中心等政府主导的数据交易模式为主。这种交易模式以“国有控股、政府指导、企业参与、市场运营”为原则，不仅扩大了参与主体的范围，还激发了不同交易主体参与的积极性，将分散的数据资源通过平台汇聚，建立统一的交易标准，打破数据壁垒,连通“数据孤岛”，实现数据跨地区、跨领域的共享和交换。和其他数据交易模式不同的是，政府主导赋予了大数据交易所（中心）权威性和服务性，这种模式不以盈利为主要目的，更多是为了推动数据供需两端的对接，改善供需关系。在大数据发展尚不成熟的阶段，这种模式大力促进了数据交易从“分散化”“无序化”“商业化”
