来源：蒙格斯智库
自从提出数据要素这个概念，人们一直期待一个庞大的数据产业和数据交易市场的出现。然而，近年来数据的应用、数据的公共管理有了很大的发展，但数据产业和数据交易市场的发展并不理想。究其原因，还是在于人们对数据的本质及其交易的内在逻辑没有深入研究，对数字经济条件下数据公共管理的新约束缺乏清晰的认知，导致较多的浪漫想象无法真正落地。本文在分析传统数据特征的基础上，根据数字化数据的新特征，探讨在数字经济条件下的数字化数据产品制作和交易方式，以促进数据产业和数据交易市场的加速形成。
头图来源：摄图
现在大家所关注的数据是指在数字经济条件下，利用数字技术采集、治理、加工后的数字化的数据，其包含的内容和呈现形式非常丰富。虽然如此，数字化的数据，在本质特征和交易逻辑上与传统非数字化的数据并没有什么显著不同。
利用数据是人类生活的一大特征，是人类区别于其他动物的主要特征。仓颉观鸟迹虫文始制文字、王羲之《兰亭序》“仰观宇宙之大，俯察品类之盛”探讨人生与世事、农民看云识天气、古代的“农书”“医书”、中国的“二十四节气”等都是数据分析的结果。农民的耕作制度、中医的处方和治疗方式、居民四季生活的安排，都是对不同类型数据的具体应用。没有有效的数据采集、分析和应用，人类社会和生活就难有进步，甚至不能称其为人类社会和人类生活。也正是对数据的采集、分析和应用，才有了科学的发现和科技的进步，同时也因为科学的发现和科技的进步，人类采集、分析和应用数据的能力与方式在不断变化。在数字经济条件下，人类有了更强大的采集数据、分析数据、应用数据的技术能力，数据在人们生活、学习和工作中，在企业经营管理和社会治理中的重要性更加凸显。
当下所说的数据，包括数据产品、数据资产，是特指利用数字技术采集、制作的数据及其产品，或者说是数字化的数据。其内容、形态及应用方式更加丰富，对人类社会生活、经济活动和社会治理等方面具有更大的促进作用。虽然在数字经济条件下，数据的采集、分析和应用有很大变化，但也没必要神秘化和夸大化。目前数字经济条件下，数据产品的形态、交易模式还处在初步探索阶段，需要在对传统数据产品形态和交易模式认识的基础上，创新数字经济条件下数据产品的制作和交易模式。
传统条件下数据采集和交易的主要特点
传统条件下，数据已被广泛用于方方面面的决策分析。数据的采集、分析和应用呈现以下特点：
1、传统数据采集和制作的主要特点
1.聚焦目的地采集数据。由于技术及获得数据的条件所限，一般都是根据不同目的，有针对性地采集数据，不会过多地扩大数据采集范围。实际上，在任何情况下，分析决策者都希望可供分析的数据越多越好，但在技术能力和成本的约束下，只能聚焦在有限范围采集数据。例如，银行的信贷业务，一般都是采集与客户还款能力和信用水平强相关的数据。
2.以已发生的静态数据为主。传统条件下采集的数据基本上是已经发生的静态数据，即使是动态数据，大多数也是已发生的数据。由于技术条件限制，实时发生的动态数据很难获取。比如，最初的股票信息，都是纸质印刷的价格信息和图表。又如，香港赛马开赛前，人们研究的“马经”都是马匹和骑士过往的比赛信息。
3.数据的呈现形态单一。传统的数据呈现形态基本上以文本为主，包括文字、数字、图表等，也有部分以文字加图像呈现的，即所谓图文并茂。音频、视频等一般都以单独的形态呈现，在数据中的占比不大。数据的呈现形态也与数据应用的目的有关。比如，一般的财务分析、经营情况分析等，需要的主要是抽象数据。产品设计与生产，则更需要详细的图纸及有关材料的具体描述。
4.数据采集方式以人工加组织规则协调为主。由于技术的限制，传统数据采集基本上以人工为主。同时，大多数数据采集都是有组织、有体系的行为。银行内部的经营数据，都是层层采集、层层上报、层层汇总。在信贷工作中，信贷企业的数据也是人工采集，除了财务数据，信贷人员还要实地走访企业，甚至去相关市场采集各类非财务数据。
5.以使用者自主采集为主，商业采购为辅。传统上，企业采集数据一般都是自主采集，主要原因是自主采集的数据在大多数情况下能满足经营管理的需要。这里讲的“自主采集”，包括企业自身经营管理中产生的数据，也包括企业利用各种方式和手段从企业经营管理之外取得的数据。之所以有这种情况，与社会没有成熟规范的数据管理规则有关，也与数据在企业经营管理中的重要性尚不显著有关。企业也会采购一些数据，主要是辅助性数据，比如，各类年鉴、政策汇编、各种书籍报刊等，同时企业也会通过咨询等服务获得定制化数据。此外，也有通过刺探、偷窃等方式获取商业敏感数据的发生。
6.数据产品的制作以分类汇总为主要形式。传统数据产品大多数是对原始数据进行收集、分类、汇总，一般不对数据本身进行加工处理。各类年鉴就是对相关专业数据的汇总，并进行介绍性描述。市场信息类数据，也是按专业进行分类并制作图表展示。这类数据产品的数据来源往往不是通过采购所获得。
2、传统数据产品的交易方式
这里讲的交易方式是广义的“交易”，不仅仅是买卖。归纳起来大致有以下几种：购买、订阅、借阅、查阅、咨询和传授等。交易模式取决于数据的使用目的和数据的来源性质。商业性交易主要是三种，即购买、订阅和咨询。在传统条件下，数据产品已经有一套成熟的交易模式。
1.一般来说，供研究、决策参考、学习的静态数据，采用购买的方式进行交易。这类数据往往可以重复使用。
2.同样是供研究、决策参考的动态数据，一般采用订购（订阅）的交易模式，如市场信息、新闻等。这类数据一方面具有即时性，同时又有连续性，人们既需要某项事物的某个时点数据作为决策参考，也需要根据其过往的连续数据以预测未来趋势，如报纸杂志、金融市场信息等。订阅购买的既是数据本身，也是数据的展示形态。比如万得信息系统，其提供的都是公开数据，人们订阅的实际上是其特别整理、组合后展示的动态数据，因为它可以让市场人士更方便地利用这些数据。进一步分析来看，万得对其提供的数据并没有所有权等权利，使用者购买的是其采集数据的方式和数据的呈现方式，即这些数据呈现方式的使用权，这是数据交易非常突出的特点。
3.咨询，也包括各种查询。一般是为了特定目的需要的定制化数据，而这些定制化数据自主采集的成本非常高。比如，征信信息、各类咨询服务机构提供的咨询服务等。
数字经济条件下数字化数据的新特征
在数字经济条件下，数据主要以数字化方式存在，传统数据的典型特征依然存在，只是又有了新的特征。
其一，万物皆可数据。由于数字技术的发展，数据的采集、储存、分析能力有了极大的提高。可以说，地球上没有什么事物、行为、现象等不可以被数字化，并成为数据的。人们的一颦一笑一叹息，只要被数字化技术采集了，即可成为数据。
其二，数据呈现多形态、大体量、低延迟等特征。在数字技术的加持下，数据可以包括文字、数字、图表、音频、视频等内容，静态和动态多形态，进一步演变出低延迟的海量大数据。
其三，数据可以实时采集、自动展示和分析应用。通过数据自动化采集和可视化展示工具，如Tableau等，可以将采集后的数据分析结果以多模态形式展现出来，使决策者能够快速地理解数据背后的规律和趋势。此外，通过数据驾驶舱等可视化方式展示实时数据及分析结果，可以为企业提供更直观的监控和预警功能。
其四，数据可以成为生产要素。在传统条件下，数据只是经营管理的参考资料，并不是制造产品的生产要素。至于传统的数据产品，一般只是数据本身的分类展示。但在数字经济条件下，数据可以成为新产品的形成要素，如各类人工智能大模型，如果没有大量经过治理的数据的投入就不能成为大模型。
其五，数据监管的规则越来越健全。在传统条件下，除了版权法、专利法等知识产权保护法规，以及有关商业机密保护的法规外，其他法律法规对数据活动没有特别的监管要求。在数字经济条件下，万物皆可数据，数据的生成、流通和应用速度更快、范围更广，给个人和社会带来许多前所未有的新风险。因此，各国对隐私保护、数据可控流通、数据安全等领域法规的不断完善，对各类数据的采集、制作、交易和流通提出了新的规范要求。
数据交易市场发展滞后的原因分析
目前数据市场交易尚未呈现期望中的繁荣景象，究其原因主要包括以下几个方面。
一是对数据产品的形成机制存在认知误区，过多地从供给端思考问题，而忽视了需求端的具体需求，供给端提供的数据产品往往有价无市。比如，共享经济初起时，创业者认为只要有了相当规模的流量数据就能带来超额收入，不需要考虑共享经济本身的盈利模式，结果是，巨量在流量数据上的投入没有产出可行的商业模式，采集的巨量数据也就没有商业化的应用场景和价值实现路径。
二是对监管环境变化影响数据交易市场的认识不足，没有形成符合数字经济要求的规范化交易市场机制。在数字经济条件下，任何企业都需要借助数据进行经营管理，这也造成任何企业甚至个人都有机会出售数据以获取收益。但数据的无序流通和无序交易又会给个人、机构和社会带来巨大风险。因此，国家出台了一系列相关的法律法规。然而，依照目前国内外数据相关的法律法规，数据按常规商品交易方式进行交易困难重重。面对有关数据安全的相关法规，各类数据行业参与者还处于单纯希望通过技术解决数据采集、制作、流通、交易中合规性问题的阶段，还没有找到适配的交易模式和交易市场形态。可以说，目前市场还没有摸索出一套既符合法律法规要求，又活跃的数据交易机制和交易模式。
三是偏离数据本质，夸大数据要素的作用和功能，推行不符合数据本质特征的交易模式。以数据交易所交易为例：成立数据交易所的目的，是认为数据可以像股票、债券那样买卖交易。这实际上是供给端的意愿和想象。传统的金融性交易所交易的是权益，如股权、债权、收益权、物权等，不是物品买卖，而是物品本身产生价值的权益，不是权益所代表的物品本身。权益处在交易中，但物品则处在产生价值的过程中，不能脱离产生价值的过程被交易。数据是具体的被交易物品，而不是权益。购买者只有在买来以后应用于经营管理才能产生价值，因此只能被交割性买卖，而不能被金融性交易。除非今后有基于数据产生价值的权益，否则金融性的数据交易模式是不可能成立的。
建立和现实需求相匹配的数据生产和交易制度
面对数据产品特点和数字经济条件下新情况，数据交易市场建设需要创新思维，在强化规范的同时，更需要研究需求端的应用目的和应用方式，制作符合应用需求的数据产品，并建立相适配的交易机制和交易模式。
（一）确立数字化数据产品持牌经营制度。数字化数据的采集、加工、流通、交易、应用等，远较传统数据产品复杂，几乎所有环节都存在隐私保护、权益侵犯、企业商业机密甚至国家安全等风险，数据的无序采集和应用泛滥已经造成一定的社会问题，单纯的法规约束不足以管理风险，建议将数据产品生产和交易行业列为强监管行业，实行持牌经营。只有持牌机构才有资格向政府机构、工商企业等采集数据，经合法加工后用于规范交易。
（二）国家设立专门的数据行业监管机构，也可以考虑结合对平台经济的监管，设立平台经济与数据产业监管部门，针对数据产品生产和交易行业制定专门的监管法规并实施监管。
（三）持牌机构按需求提供数据产品。数据产品的呈现形态取决于需求端的应用目的和应用方式。数据的交易模式，有些可以标准化批量出售，有些可以标准化按期限订阅，更多的可能需要按需求个性化制作。数字化数据产品交易前一般是难以验货审核的，不可能如商场商品展示那样进行超市式交易。目前数字经济还处于起步阶段，大多数潜在的数据需求者尚不了解数据的作用，更不清楚自身对数据的具体需求，市场需要一个培育过程。持牌机构有必要深入了解各类用户，帮助用户发掘潜在需求，研究具体的数据应用方式，有针对性地制作数据产品。
（四）各类机构依法合规向持牌机构提供数据。各类机构包括政府部门和工商企业等。政府部门的数据必须在法律允许的范围内向持牌机构提供数据，数据的提供方式也应该依法合规。政府部门的有些公共数据依法可以无偿公开，有些可以适当收取服务费用。工商企业等其他机构向持牌机构提供数据，首先必须依法合规，其次必须确保自身权益和经营安全，最后按市场原则收取对价。所有机构不得向非持牌机构出售数据。机构之间可以无偿共享数据，或适当有偿共享数据。这类共享行为更多地限于各机构共同的经营管理需要，而非用于交易目的，因此这样的共享数据当然不能再制作并出售牟利。
作者简介
刘晓春
刘晓春先生，曾任浙商银行行长，现为上海新金融研究院（SFI）副院长，同时兼任上海金融数字化研究中心主任。笔耕不辍，立足自身实践与体会，结合时下热点，围绕宏观管理、金融科技、经营管理和经营理念等话题发表了多篇文章。作品常见于《中国金融》《清华金融评论》等期刊，以及21世纪经济报道、经济观察报、财新、第一财经日报、上海证券报等主流媒体上。
《不确定性经济原理》一书不确定性视角出发，作者构建独特的世界观，探讨真理观、宗教观、循环史观等，深入剖析人性。无论是对专业学者、经济从业者，还是对希望拓展思维、深入理解世界的普通读者，本书都极具价值，能引导读者重新审视世界和经济运行的逻辑。
《新质生产力：重塑金融与经济的未来》一书聚焦金融的热门与前沿话题，从数字化金融和开放性金融的崛起、行为金融对传统金融的挑战，到“人工智能+”金融等多个维度，深入剖析未来金融学的发展路径。同时，作者也探讨了我国在金融高质量发展中如何发挥专业投资者的作用。
热门跟贴