大数据交易模式的探讨

【摘 要】数据流通是充分挖掘大数据潜在价值的必要条件，目前大数据交易已呈现不同的交易模式。通过梳理目前国内外的大数据交易模式并归纳其特点，分析了大数据交易模式存在的问题，并对今后数据交易模式的发展提出了思路和建议。

【关键词】交易模式 大数据 大数据结构化

doi：10.3969/j.issn.1006-1010.2016.05.009 中图分类号：F49 文献标识码：A 文章编号：1006-1010（2016）05-0041-04

引用格式：李骥宇. 大数据交易模式的探讨[J]. 移动通信， 2016，40（5）： 41-44.

1 引言

大数据应用已逐渐渗透到各个行业领域中，成为企业发展的重要生产要素。对海量数据挖掘、分析和运用，将提升社会生产力，引起新一轮的社会产业变革。大数据产业正处于迅速发展的初级阶段，2014年全球大数据市场规模达到约285亿美元，增速在50%以上。中国大数据市场规模约为84亿元，2015年将达到115.9亿元，增速达38%[1]。工业和信息化部发布的数据显示，截至2015年10月，中国的移动互联网的用户达到9.5亿，居世界第一位，预计到2020年，中国所掌握的数据将占到全球整个数据量的20%。根据《中国大数据发展调查报告》，被受访已使用大数据产品的企业一致认为大数据应用将提高效率与决策能力，有效降低风险与运营成本等。其中，50%企业的大数据资源从内部获取；32%企业通过外部购买；18%企业通过政府公开市场获得。

由此可见，中国大数据拥有量庞大，而且已使用大数据的企业都认为大数据的应用有助于企业的创新发展。因此，如何将这些大数据作为资源销售成为未来大数据产业发展中一个值得探讨的问题。大数据的市场需求正逐渐扩大，谁先进入市场，谁将获得市场的主动权。而大数据的价值需要通过交易才能实现，大数据实现交易将打破行业信息壁垒，优化提高生产效率，深度推进产业创新。因此，下文将首先根据数据结构化程度，总结了目前四种大数据交易模式，随后分析其存在的问题，最后在此基础上亦提出了几条发展建议。

2 大数据交易模式分类

本文所提及的大数据交易主要是指将大数据作为一种资源，通过各种交易方式转移到需求者手中获得收益的过程。总结国内外各种大数据交易，根据大数据结构化程度，目前大数据交易模式主要分为四种：

（1）原始大数据交易模式。常见的有国内的百度与国外谷歌关键词的搜索；国内微博与国外Twitter、Facebook等社交网站的个人评论足迹的追踪、统计；知网、维普的学术数据检索使用。这种模式交易的特点就是以大数据使用权交易为主，能够实现多次交易，价格相对较低，主要是大数据需求方通过向产生数据的企业以大数据在线租赁等形式实现。例如，美国Factual公司不仅向大公司提供数据，同时也面向规模较小的软件开发商提供数据。目前在中国，作为创业公司的数据堂公司的数据商城平台，以电商的形式实现大数据资源的在线共享与交易。

（2）经过分析、甄别处理后的大数据交易模式。其特点是分析、甄别处理后的大数据交易主要存在企业与企业之间的交易，有数据出租、买断、收益等形式。这种交易类似于信息交易，已具有信息交易的雏形，受到相应的知识产权保护。中国信息通信研究院发布的《中国大数据发展调查报告2015》显示，在被调查的企业中，70%企业选择自建大数据平台，37%企业选择购买云服务来构建大数据平台。由此看来大多数企业都希望获取基础大数据，然后研发大数据技术获取分析、甄别处理后的大数据。例如，沃尔玛就是借助于大数据分析公司天睿的分析来获得营销的灵感与创新。

（3）基于大数据的决策方案交易模式。这种模式交易的特点是以大数据拥有权的决策服务提供、一次性交易为主，主要提供商为大数据企业，目标客户包括个人、企业、政府（如图1所示），价格相对较高。国外主要有麦肯锡公司提供市场分析、性能基准测试和定制研究，以帮助能源公司做出战略投资、交易和操作的关键决策，而且涉及领域非常广泛，包括先进的电子、航空航天与国防、化学制品等。IBM不仅提供大数据技术，出售分析后的大数据及行为决策，同时还提供大数据的技术指导服务，其特色服务是提供简便的方式来访问Hadoop集群上的数据，构建应用程序以及分析结构化数据或非结构化数据的水平更是领先于国内的大数据厂商。目前多数国内面向大众的分析平台技术只能分析结构化数据，如国内蓝讯的数据集中备份解决方案、数据库集群解决方案以及企业信息化建设方案等。

（4）大数据中间商交易模式。贵阳大数据交易所作为全球第一所大数据交易所，本身不生产数据，而是通过与提供大数据源的企业合作，将大数据出售给会员，收取手续费，这是大数据新交易模式的探讨。截至2015年12月，贵阳大数据交易所接入的数据源企业超过100家，会员单位达300家，大数据总量超过10PB，交易金额突破6000万。大数据交易所是中国大数据交易模式的新探讨，作为战略部门在政府的扶持下正快速发展。可以说，这种大数据交易模式是中国的创新，为数据供求双方搭建桥梁，带动大数据产业的继续向前，现有企业大数据模式如表1所示。

根据大数据产权转让，分为所有权、使用权、收益权三种交易模式：

（1）大数据使用权交易模式。数据主要以租赁、检索等形式进行交易。常见的形式为数据库的出租，企业可以将数据库数据销售给尽可能多的消费者，如国内知网的学术数据库、美国EBSCO学术期刊数据库、UMI提供的学术研究图书馆与医学电子期刊全文数据库等。这些数据库大多以出租的形式让消费者在指定的时限内使用，超过时限若继续使用就要续费。大数据企业可以对大数据进行再次加工，以更高的价格出售给其他消费者。

（2）大数据收益权交易模式。主要是指大数据需求者对数据使用后得到的利润需要与大数据提供商进行利益分割。就目前而言，这种以大数据收益权为交易对象的相对比较少见。一般是大数据供给者通过对数据进行分析加工后，形成基于大数据的解决方案，提供给某个用户的个性化定制产品服务。

（3）大数据所有权交易模式。指的是大数据需求者获得大数据产品的使用权，如决策分析报告、大数据技术服务等，以大数据的所有权进行交易的产品一般是形成知识产权的大数据产品，针对性很强，对于数据买家的创新和发展起着至关重要的作用。

3 大数据交易模式存在的问题

（1）大数据企业面向个人应用市场的缺乏。个人消费者是目前中国的大数据企业最容易忽略的群体，因为个人消费者大数据获取的投入难以与企业或政府相比，但个人消费者却是最庞大的消费群体，因此，未来中国大数据企业的发展方向应该集中在个人消费市场。当前，面向个人消费群体的大数据企业主要是提供搜索引擎、数据检索等免费服务，通过广告推广的形式实现盈利。而国外不缺乏能够让个人消费者主动付费的大数据产品。美国的孟山都公司，搭建以“种业+农药”为核心，集农资一体化、农业信息化于一体的农业综合服务平台，根据土地情况，通过大数据分析为农民就如何优化及提升种植产量提供农业咨询、市场信息、天气预警等，其成功的原因在于挖掘了个人对大数据的需求。因此，挖掘个人对大数据产品的需求并为消费者提供大数据产品成为中国大数据企业个人市场方面今后发展的方向。

（2）大数据企业面向政府的大数据交易较少。主要原因是中国政府没有意识到大数据在政府部门的应用价值，导致政府缺乏对大数据产品的购买。2012年，欧盟委员会在“欧洲数字化议程及其挑战”中制订了大数据战略。美国为了提高政府数据的公开，成立了政府公开的数据网站，截至2012年11月，Data.gov共开放出了388 529项原始数据和地理数据。根据麦肯锡的研究报告《大数据：下一个创新、竞争和生产率的前沿》，大数据可以应用到任何一个行业内并创造出更多的价值。在政府部门中，如果大数据运用到公共领域，欧洲政府每年可以减少1000亿欧元的开支，每年可以提供15%～20%的支出下降空间，在未来十年可以创造1500亿到3000亿欧元的价值，效率能提高0.5%。西班牙将大数据用于救援、打击罪犯等，能有效地缩短救援时间和破案时间。大数据在政府应用具有广阔的前景，但从目前情况看，中国政府对大数据的重视程度不足，使用度低。面向政府的交易模式应该是由政府公开数据，引导大数据产业的发展，当地政府应加强对决策应用型数据的购买。

（3）企业对企业的大数据交易多以技术出售为主，数据产品出售欠缺。目前，国内的大数据企业交易仍然以提供原始的大数据为主，数据商品的应用价值有待提高，即数据经过挖掘分析后的信息和知识产权出售相对较少。中国大数据产业目前处于大数据技术发展阶段，数据分析处理的工具提供商众多：阿里巴巴的阿里云、百度云、腾讯云等技术提供商，但本身并不对数据处理后进行出售，这也导致了目前中国的大数据交易仍然以基础大数据的使用权出售为主。

4 大数据交易模式的发展建议

（1）扩大产业规模，吸引个人用户。通过企业的并购与收购不仅能扩展大数据业务的领域，而且能够扩大企业的规模，最终降低大数据交易成本，提供个人消费者能够负担的且愿意购买的大数据应用。

在企业收购方面，国外的科斯塔公司拥有浩瀚的房地产数据信息，为了提升自身的数据资产竞争力，在2012年并购在线房屋租赁销售网站—环球在线；2014年收购了数据化分类广告企业Apartment.com。这些决策活动主要是为了数据业务的扩展，而不在于人员与技术的流动。与此同时，科斯塔的盈利也在收购后得以增加。HIS公司本来是提供有关航空领域的业务，从2010～2013年累计收购了31家公司，实现数据业务领域的延伸，涉及化工、科学技术、海事物流等领域。这也给了中国的数据产业发展提供了一个很好的借鉴作用，大数据企业通过相互之间的合作或并购实现数据的流动，数据质量倍数增长，从而实现企业大数据交易领域的延伸与扩展，最终降低大数据的交易成本。

（2）大数据的技术提供商转变为数据提供商。腾讯云在大数据技术分析上有所发展，开始提供有关游戏开发领域的大数据分析结果，但这远远不够，不仅涉及领域过于狭窄，而且大数据分析的相关技术更是不如国外。同样的大数据检索服务，国内的百度与国外的谷歌对同一个关键词的检索，谷歌的检索结果是百度的3倍多。因此，今后大数据的技术提供商转变为数据提供商不但成为一种趋势，而且企业对分析处理后的大数据提供成为今后发展的一个重点。

（3）政府应适当增加相应的大数据购买。目前，大数据的发展已经成为国家战略，各地方政府也应该积极扶持当地的大数据企业。其次，政府大数据的公开能进一步促进大数据产业发展。美国、英国、日本等发达国家数据公开化程度都相当高，这些国家都有各自的政府公开数据网站，使得数据获取更加便利，从而增加整个社会对大数据的开发和应用。中国各级政府大数据公开是今后大数据企业发展的一个重点。

5 结束语

目前，我国大数据交易市场仍处于初级阶段，数据流通过程中的产权界定、交易模式都不成熟。随着数据商业化程度的不断提升，大数据交易商品化与产品化成为未来大数据产业发展的重点。因此，对大数据交易模式的探讨将有助于确立大数据产业交易的规则，促进大数据产业的发展，本文在总结大数据交易模式的基础上，指出其存在的3个问题，并就产业规模、技术发展、大数据公开3个方面提出了自己的建议。

参考文献：

[1] 中国信息通信研究院. 2015年中国大数据发展调查报告[R]. 2015.

[2] 维克多·迈尔-舍恩伯格，肯尼恩·库克耶. 大数据时代——生活、工作与思维的大变革[M]. 杭州： 浙江人民出版社， 2013.

[3] 杨琪，龚南宁. 我国大数据交易的主要问题及建议[J]. 大数据， 2015（11）.

[4] 赵彦云. 对大数据统计设计的思考[J]. 统计研究， 2015（6）： 3-10.

[5] 余来文. 大数据商业模式[M]. 北京： 经济管理出版社， 2014.

[6] 徐晋. 大数据平台：组织架构与商业模式[M]. 上海： 上海交通大学出版社， 2014.

[7] 何廷润. 大数据商业模式的现状与挑战[J]. 移动通信， 2015（13）： 25-28.

[8] 贵阳大数据交易所. 2015年中国大数据交易白皮书[Z]. 2015.

[9] 张引，陈敏，廖小飞. 大数据应用的现状与展望[J]. 计算机研究与发展， 2013（11）： 216-233.

[10] 利奥托德. 大数据与商业模式变革——从信息到知识，再到利润[M]. 北京： 电子工业出版社， 2015.

[11] 徐端. 数据战略：个人、企业、政府的思维革命与红利洼地[M]. 北京： 新世界出版社， 2014. ★