数据银行助推数据资产化发展的可行性研究

2022-04-21刘传

时代金融 2022年4期

刘传

大数据具有金融属性，数据银行可作为最重要的载体，承载大数据的金融属性。它是DT时代的产物，是经营数据信贷业务的数字金融新业态和新模式，是数据金融价值属性的体现，围绕数据开展资产化、产品化、服务化和证券化，提供数据价值评估、数据存贷、数据交易中介、数据资产证券化等服务，加快数据资源富集，促进数据资产流通，加速数据红利释放，助力数字经济发展。目前中国的大数据交易平台主要为政府、企业、产业联盟设立的，2020年中国大数据相关产品和服务收入产值已经突破1万亿元。数据银行的建立有利于推动数据资产化的发展，可以更好的提升数字经济发展，而我国数据银行业目前仍处于初级和探索阶段，未来发展前景广阔，我们需要持续关注数据交易运营模式、激励机制、数据应用需求、数据安全等方面。

一、数据的金融属性

首先，数据具有价值属性。李克强总理称大数据为21世纪“钻石矿”，可见数据是国家和产业基础性战略资源，拥有长期保存的海量数据的数据湖可以说是价值无限的宝藏。其次，数据具有流通属性。数据会随着时间产生变化，且数据会随着流通产生更大的价值。伴随数据的生命周期，大数据可实现价值发现、价值创造和价值实现乃至增值的过程。英国UK Data Archive认为，从创建、处理、分析、保存、访问，到复用這6个阶段的循环组成了数据生命的全周期。从交易的角度来看，数据被采集和获取后，经过清洗、脱敏等一系列处理过程，最终成为可交易的产品，而这些产品将被应用到新的领域并成为新的数据源，由此形成数据生命周期的循环，实现了流通。

数据银行主要有三大功能：整合与融合原始数据，数据初步分析、过滤和分类，提供服务平台。经过数据银行处理后，有价值且可以流通的数据即为数据银行的基本“金融单元”。经过采集、获取，清洗、脱敏、关联、融合等步骤，有价值的数据被从海量的数据中提取出来，经过资产化、产品化、服务化、证券化后，成为可以进行交易流通的“金融产品、服务”，甚至可以成为数据银行交易中的基础“货币”。

二、数据银行的内涵和特征

数据银行是数据金融价值属性的体现，它基于数据“海量、安全、绿色、生态”的存储、计算和挖掘服务能力，采用类银行的经营模式、商业理念和管理方法。它的特征主要有以下五个方面：第一，受控受监管。数据需要一套受控受监管的全新的数字化身份体系，可以称之为dID（digital ID），国家政府机关尤其是数字金融监管机构或公共安全机构应主导建立这套系统，作为全民数字基础设施，以利于数字经济发展。第二，依托可信的第三方平台。数据银行从事的业务包括了数据存贷，数据交易及数据资产化，需要建立公正、有公信力、创新型的第三方平台，为数据开发者提供统一的数据检索、开发平台。第三，高等级安全。国家对于政务系统安全等级最高的认证是等保三级，属于“监管级别”，数据银行的安全等级要至少不低于此等级，部分核心数据要进入“强制保护级”和“专控保护级”的等级安全保护范畴。第四，数据资产化。只有可控制、可计量、可变现的数据才可能成为资产。数据银行通过清洗、建模、分析后，将数据进行标签化、资产化和场景化，实现数据资产的可变现属性，这一过程就称为“数据资产化”。第五，价值可评估。客户数据交由数据银行后，受数据银行委托，第三方的数据质量和价值评估机构为数据业主的数据进行价值评估，视数据存储保管和价值化的需要，为数据价值化进行数据清洗、数据合规化、目录化、标准化、标签化及价值评估等一系列工作。

三、大数据交易市场发展现状

目前，中国数据交易类的企业主要分布在西南、华东和华北，集中于北京、上海、贵州等地区，交易种类主要有分析结果、数据产品、中介撮合三类。

交易分析结果的平台主要以贵阳大数据交易所为代表，其不直接交易数据产品，而是将数据根据买方需求进行加工后交易分析结果。这样的优势在于可以更好的调动各方资源，逐步汇集高价值数据，进而树立其在行业的权威性和公信力。此外，贵阳交易所实行会员制，这在一定程度上保证了数据质量与安全，也提升了行业影响力和客户粘度。其不交易分析结果的做法也可以规避数据交易所造成的隐私泄露和所有权纠纷，有利于初期活跃市场。而弊端方面，由于交易的是分析结果，这不利于后续的数据挖掘，数据的裂变效应变低。

交易数据产品的平台主要以数据堂为代表，其主要是交易定制开发的数据产品，根据用户需要利用网络爬虫、众包等方式采集并处理数据以形成数据产品。同时，数据堂还开展数据整合、清洗、脱敏等一级开发业务。进行数据产品交易的优势在于其平台可完全市场化，可大幅度降低市场参与的门槛，调动交易双方的积极性，定制开发提高了数据的使用效益，并有利于各类数据的汇聚和开发。劣势方面，通过网络爬虫或众包等方式很难获取高质量的数据资源，并且随着交易所的不断出现，数据拥有者将更倾向于在有公信力的交易所进行交易，这种近似于自发式的交易将面临挑战。

中介撮合交易主要以中关村数海大数据交易平台为代表，其自身不存储和分析数据，主要以平台商城运营为主，利用API调用等方式撮合买卖双方，通过包月或按次收费的方式赚取中介服务费。这种交易方式的优势在于，完全市场化，可充分调动企业的积极性，利用产业联盟等形式可以形成一定的数据交易生态。而其劣势也是很明显，特别是在中国数据交易市场规则不健全的情况下，平台商城上线的数据往往不是市场真正需要的数据，数据价值偏低，也缺乏有效的数据价值挖掘机制。

根据相关资料统计，贵阳大数据交易所运营第一年就发展会员300余家，接入100多家企业的数据，数据量达到50PB，实际发生交易的会员数超过70家，交易额突破7000万元，数据量超过10PB。而数据堂仅成立三年就成功在新三板上市，市值超过25亿元，数据产品涵盖科技、交通、医疗、通信等十几个领域，拥有数据规模在1200TB以上的产品数超过4万套;中关村数海大数据交易平台上线一年就聚集了1214家企业，交易金额超过5980万元，交易量超过1.6万笔。工信部印发《大数据产业发展规划2016-2020年》，特别提出加快推进大数据产业应用能力，到2020年，技术先进、应用繁荣、保障有力的大数据产业体系基本形成，大数据相关产品和服务业务收入突破1万亿元。

四、数据银行主要业务与价值

目前的数据应用与交易存在产权模糊、管理混乱、收集困难等问题，基于银行信托与资金运管理念下打造数据银行，将以保护数据所有权、隐私权和收益权为核心，打造专业数据资产运管平台。对于数据银行来说，“收储”和“放贷”是两个核心业务，所有用戶都既是数据的提供者又是消费者，“银行”通过对数据进行一级开发使其成为资产，并监管使用过程，从而赚取价值差异费和服务费。

因此，数据银行的业务类型主要包括数据资产评估、数据存储与保管、数据资产价值评估、数据信贷、数据交易等，通过对数据的综合管理以实现数据的增值和有效流通，最终为用户带来收益。

数据收储业务是指针对数据所有者进行数据资产盘点、数据资产整合、数据资产登记、数据资产价值评估等数据资产登记确权赋值业务。经过数据评估可将数据分为涉密、敏感、隐私、开放四类，并根据不同类型的不同特点进行脱敏处理，并开展数据托管或数据存储等业务。以“存储服务+基础收益+数据变现分成”的储户数据收益模式，鼓励数据持有者积极授权开放数据，依托储户建立数字化身份体系dID（digitalized ID）、区块链安全技术、规章制度相结合方式保证数据安全，促进多维数据的聚集、融合、变现，逐步面向社会公众开放数据API接口，引导第三方数据开发者和社会力量对数据进行社会化开发、汇聚和整合，推动高价值数据流动，带动整个数据价值链的规模化发展。

数据银行是一个开放平台，首要任务是能有效实现碎片化信息资源的集聚，将采取数据赋权促进数据资产合法化，基于数据评估实现数据价值可量化，通过数据增值打造数据资产证券化，开展数据交易推动海量数据商品化和数据流通融合化，着力打造数据资产评估、数据资产揽储、数据资产交易、数据资产信贷等多层次、多功能服务体系与数据资产管理和数据融资等综合应用体系，实现大数据产业链全网系市场覆盖，形成数据资源、资产一体化运行格局，并为数据拥有机柜和个人提供完整的数据储蓄、交易、信贷、结算、交付、安全保障等服务，有效促进数据资源整合、规范交易行为、降低交易成本、增强数据流动性，促进各地数据要素流通，助力大数据产业实现数据“掘金”，以及数据价值外溢。

五、数据银行客户画像

未来会参与数据银行服务的客户主要有政府、企业和个人，他们都需要利用数据来提升效率，扩大利益，以获得更多的满足感。

政府用户主要是以所拥有和管理的业务数据作为交易对象，如交通、医疗、就业等数据，而并非政府掌握的所有的数据都能进行交易，能交易的往往以结构化数据为主，非结构化数据因涉密信息较多，未进行有效的处理而无法进行交易，但政府掌握的结构化数据又受到信息公开的要求，大多数是免费的公开数据，这就降低了政府数据的价值。同时，政府数据大多由各委办局本地存储，部门化程度较严重，不同部门间平台系统的兼容性极低，这增大了数据价值的挖掘难度。未来政府数据的利用应以应用为牵引，仍然坚持从政府业务发展需求出发，推动大数据服务民生，通过数据开放引导社会力量参与开发产品，结合多维度数据的使用，推动政府数据化治理。

企业用户所掌握的数据主要为内部数字化档案数据，包括生产数据、业务数据、办公数据、供应链数据等。目前越来越多的企业在进行数字化转型，其自身是数据的生产方也是需求方，企业对数据存储、管理、应用的成本较为敏感，希望利用数据促进经营效率的提升，扩大市场占有率，实现利润最大化，所以企业更在乎数据所产生的结果和效应。

个人用户主要是数据的生产方，其产生的数据助推着各种应用和服务企业的发展，例如信用数据、消费能力画像、购物偏好、征信信息、浏览记录等。个人用户所产生的数据具有种类繁多，数据量大，利用价值高等特点。但是，随着用户数据的快速增长，其对信息安全的要求也越来越高，需要更多的大数据存储管理软件来支撑用户的发展需求，而个人用户在数据购买和使用方面，主要是以满足工作需要为主，例如决策分析、撰写报告、资料收集等方面。

六、发展建议

我国数据银行业仍处于初级和探索阶段，未来发展前景广阔，我们需要持续关注以下几点：

第一，优化数据交易模式，逐步实现完全市场化运行，只有实现市场化才能真正意义上促进数据的流通，这就要求交易平台提供安全保障并完善服务能力，构建专业的团队提升数据开发和应用能力，将交易和分析由硬性绑定转变为分布实施，给用户更大的自主权。

第二，构建数据供给激励机制，数据在正式完成交易前无法先行浏览，为了保证数据质量，需要构建完善的数据供给机制，不断提升数据提供方的积极性，只有不断提高高价值数据的存量，才能够形成源源不断地购买需求，也可以将数据提供者逐步转变为数据运营者。

第三，加强对企业数据应用地关注，目前参与数据交易的主要以大企业为主，但中小企业的数量占法人数量的多数，虽然这些企业各自的数据量较小也相对分散，但他们是市场活跃的催化剂，只有这些企业真正有意愿参与到数据交易活动中，才标志着数据交易市场化的形成，所以未来应更多关注中小企业对数据应用的需求变化，针对其所产生和所需要数据的特点打造专门的数据产品，以提升其参与数据交易活动的意愿。

第四，持续关注数据交易过程中的数据安全问题。首先要关注数据本身的安全问题，涉密数据不能交易，进行脱敏、加工处理之后，符合相关规定和要求后，方可进行数据交易;其次是要关注数据防护的安全，要采取包括蓝光存储技术在内的先进信息安全防护措施进行数据安全防护，防止黑客攻击、篡改、数据丢失等事件的发生。

参考文献：

[1]郭明军、安小米、洪学海.关于规范大数据交易充分释放大数据价值的研究[D].中国人民大学信息资源管理学院，2018.

[2]姬蕾蕾.数据产业者财产赋权保护研究[D].西南政法大学民商法学院，2018.

[3]崔红梅.多关系网络结构的大数据交易综合模式构建[D].重庆交通大学，2020.

[4]荆雪蕾.“互联网+”形势下政府大数据开放与共享研究[D].聊城大学，2017.

[5]王卫、张梦君、王晶.国内外大数据交易平台调研分析[D].情报杂志，2019.

[6]伊然.工信部印发《大数据产业发展规划2016-2020年》[D].工程机械，2017.

[7]赵子瑞.我国大数据交易模式研究[D].上海社会科学院，2018.

[8]韩姝娉.大数据交易安全风险的法律思考[D].山西青年职业学院学报，2019.

[9]张于喆.电子信息产业发展形势及政策建议[D].中国宏观经济研究院，2018.

[10]杨有韦.政府大数据典型应用解读[D].大数据时代，2016.