生态文明建设的倡导者  绿色生活创建的践行者

当前位置:需求信息 >  需求信息 > 正文

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”?

2022/11/22 16:21:55   21世纪经济报道      人气:2257

0

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。