深圳数字经济观察丨数据流通需求旺盛企业如何抢滩蓝海？

　　21世纪经济报道记者 何柳颖 深圳报道 继土地、劳动力、资本、技术之后，数据现已成为五大生产要素之一。
　　以海量数据作为支撑，数据要素市场空间十分广阔。但是，虽置身于千亿蓝海市场，大多企业对于自身数据的价值发现和交易都缺乏敏感度。相关数据显示，2020年的数据场内交易占比不足5%。
　　11月17日，2022中国互联网大会＂数据要素流通论坛＂在深圳国际会展中心举办。深圳数据交易所总经理宋家骅在主题演讲中透露，深圳数据交易所交易金额超过了11亿元，交易415笔，其中包括14笔跨境数据交易，数据交易应用场景已经超过53个。
　　在论坛上，深圳数据交易所正式发布了数据开发者培养计划。记者了解到，＂开发者培养计划＂将由深圳数据交易所联合政府机构、数据源方以及数据流通技术方等模拟数据交易市场，为广大的开发者、高校、学生、企业开发者提供基于数据安全可信的环境，构建基于开发者自身认知的行业应用孵化场景。其目标包括培育数据开发稀缺人才，丰富数据场景应用，以及匹配企业数据业务需求。
　　宋家骅表示，数据跟其他生产要素不一样，往往需要有一个数据治理和数据开发过程。我们希望联合伙伴一起提供一个很好的应用载体，利用我们的交易平台提供一个集中、安全、可信的数据流通环境。
　　＂以数据资产作为新价值源泉＂
　　近年来，我国数字经济产业迅速发展。在中国互联网大会＂数据要素流通论坛＂上，工业和信息化部电子第五研究所副所长王蕴辉表示，当前数据要素市场迎来了需求爆发的机遇期和发展的黄金期，我国数据资源丰富，这为数据要素市场化的发展提供了先决性基础。
　　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》公布，这是中央第一份关于要素市场化配置的文件，数据作为一种新型生产要素写入文件。
　　此后，围绕数据要素市场的政策文件密集出台，不断构筑产业发展的新动能。据工信部信发司副司长王威伟介绍，工信部深入贯彻国家大数据战略，积极推动顶层设计不断完善，制定出台《＂十四五＂大数据产业发展规划》。推进我国数据要素市场建设，既对提升大数据产业基础能力和产业链现代化水平提出了更高要求，同时也为大数据产业发展带来更广阔、更丰富的价值空间。
　　其实，在此之前，围绕数据交易的探索就已经展开。2015年4月，我国第一家大数据交易所——贵阳数据交易所正式挂牌运营。其后，各地数据交易所建设进度不断加快，北上广深等城市争先布局。今年以来更是动作频繁，9月16日，苏州市大数据集团有限公司苏州大数据交易所正式揭牌。9月30日，广州数据交易所揭牌仪式举行，标志广东省级数据交易机构正式成立。11月15日，深数所正式揭牌成立，同时启动首批线上数据交易。
　　值得注意的是，企业是数据要素开发的主体之一，作为企业的新型资产，数据的价值愈加重要。清华大学互联网产业研究院院长朱岩在论坛上表示，以数据要素作为新生产资料，数据正在参与企业生产（运营）的全过程。如数据参与创新，有数据作为记录，可以改变创新合作的模式，如创新联合体；数据参与设计，如BIM（建筑信息模型）等设计模式逐渐成为市场主流；数据参与生产，包括智能工厂等；数据参与流通，如各种各样的电子商务平台；数据参与客服，使智能客服变得越来越普及，等等。
　　朱岩强调，企业原来以实体产品、资产作为（价值）源泉，现在需要转入以数据资产作为新价值源泉，企业掌握的数据资源规模、数据鲜活程度，以及对数据的采集、分析、处理、挖掘能力决定了企业未来的核心竞争力。
　　企业如何抢滩数据蓝海？
　　但是，即便实现了从0到1的突破，从1到N来看，数据要素市场的发展潜力仍有待挖掘。
　　以数据交易为例，相关数据显示，2020年国内大数据要素市场规模达545亿元，但场内数据交易只占总体交易市场规模的4%，大量数据需求通过非正式渠道进行流通。
　　论坛上，王蕴辉提醒，数据要素市场存在着优质数据资源匮乏、数据开发利用水平不高、数据交易流动性不足等问题。她称，据测算，我国2021年数据交易额为73亿美元，与数据产量的比例仅为（世界）第一大市场的1/15左右。因此，加强数据流通、开发利用和安全治理，充分挖掘数据要素的价值成为推动数据要素市场培育的关键。
　　目前来看，＂很多企业对自身企业的数据没有概念，对于自身数据的价值发现和交易并不清楚。＂王威伟指出。在此背景下，工信部印发《企业数据管理国家标准贯标工作方案》，组织开展数据管理能力国家标准贯标工作试点，引导企业提升数据管理能力。
　　与此同时，深数所在全国范围内率先创立＂数据合规服务工作站＂模式，赋能数据流通交易的＂最后一公里＂，与合作伙伴共同推动数据要素资源安全、合规、高效的流通。据介绍，目前深数所已设立园区级、协会级、平台企业级、区域级首批示范工作站5个，计划在未来三年内设立100家以上工作站。
　　在市场建设的过程中，数据治理是一大关键。朱岩在会上分享，数据治理主要包括五项核心内容：以释放数据价值为目标、以数据资产地位确立为基础、以数据管理体制机制为核心、以数据共享开放利用为重点、以数据安全与隐私保护为底线。
　　作为市场主体，企业同样是数据治理的重要参与方。围绕此，朱岩分享了六条可供企业参考的管理路径。一、编制企业的＂数据治理制度＂，二、建立首席数据官（CDO)制度；三、打造企业云、链系统，提升企业的数据质量；四、引进数据封装技术，形成企业数据资产；五、以资产数字化为入口，建设企业数字空间；六，面向产业链和产业生态，探索数字空间对接、数据资产交易机制。
　　朱岩表示，企业数据治理制度的核心理念是促进数据在企业、产业链、产业生态之中的流动，从而推进数据确权、定价、流通、交易，促进数据价值实现。他表示，企业数据治理制度是我国多层次数据基础制度的重要组成部分，希望更多的企业能够建立起自己独特的企业数据治理制度，为探索中国数字经济的发展找到一条切实可行的路径。
　　数据的＂可用不可见＂
　　硬币的这一面，是促进数据流通与交易，另一面，则是确保数据安全。深圳市委网信办副主任张忠亮在接受21世纪经济报道记者采访时强调，＂数据只有在流通中才能实现价值，目前市场上的数据流通需求很旺盛，但在促进数据流通与交易的同时，也要做好安全保障，这是产业健康发展的两个轮子。＂
　　数据安全，是指通过采取必要措施，确保数据处于有效保护和合法利用的状态，以及具备保障持续安全状态的能力。在实际情景中，如何兼顾数据使用与隐私保护是一大难题，隐私计算的重要性随之凸显。隐私计算，是指在保证数据提供方不泄露原始数据的前提下，对数据进行分析计算的一系列信息技术，实现数据在流通与融合过程中的＂可用不可见＂。
　　香港科技大学计算机与工程系讲座教授和前系主任、中国人工智能学会（CAAI）荣誉副理事长杨强在会上介绍，联邦学习即建立一个全局模型，让模型参数不断成长，但数据不出本地，不被别人所见。他称，这一概念为联邦学习1.0版本，如今进入到联邦学习的2.0版本——可信联邦学习，相较于联邦学习，可信联邦学习效率更高、模型性能更强、同时兼顾安全保护，但要在三方面都要提高标准的前提下要把算法和平台设计好非常难，这时候可以引入人工智能算法，比如＂生成对抗网络＂，将其与联邦学习进行结合可使本地模型产生一个防火墙，借此可大大降低原始数据受到攻击的可能性。
　　而对于隐私计算技术的普及应用，开源十分重要。2019年，微众银行正式开源全球首个工业级联邦学习框架FATE，可让企业和机构在保护数据安全和数据隐私的前提下进行数据协作。据悉，FATE已迭代至1.9版本，并于2021年4月在行业内第一次实现了异构联邦学习平台的互通。
　　针对数据开源，深数所也迈出了关键一步，其联合50家国家单位、智库、高校及大型金融机构、互联网公司共同发起成立开放群岛(Open Islands)开源社区，这是国内首个国际化自主可控隐私计算开源社区，同时也是国内首个依托于数据要素流通场景的数字技术开源社区。
　　9月3日，开放群岛平台1.0 Alpha开源版本正式亮相。同时，开放群岛社区联合FATE开源社区、百度云、腾讯云、京东科技五家单位，共同发起＂隐私计算开源协同计划＂，旨在打破数据孤岛、平台孤岛，乃至开源平台孤岛，促进隐私计算平台互联互通。
　　更多内容请下载21财经APP