港交所行政总裁李小加呼吁成立“数据要素产业化联盟”

本文主要是介绍港交所行政总裁李小加呼吁成立“数据要素产业化联盟”,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

李小加一直拥有一个“数据梦想”。

大数据产业创新服务媒体

——聚焦数据 · 改变商业


在智能时代,数据将成为驱动技术革命和重新定义人类社会未来的新动力。

中央近期出台了《关于构建更加完善的要素市场化配置体制机制的意见》,首次明确将数据纳入生产要素。受此鼓舞,一直拥有“数据梦想”的香港交易所集团行政总裁李小加撰文分享了这两年他与业界经常探讨的几个问题,以求抛砖引玉,掀起大家的头脑风暴。

尤其是在全球抗疫的今天,讨论这些问题也许更迫切,他倡议业界各方早日组成数据要素产业化联盟,集思广益,加速数据要素市场培育的发展进程。

一、引言

2020对所有人来说都是“开局不顺”的一年:全球抗疫、经济停摆、社会生活戛然而止。本是象征完美视力的2020变得充满困惑和不确定性,焦虑与悲观的情绪充斥着我们生活的每一天。

可喜的是,中央近期出台了《关于构建更加完善的要素市场化配置体制机制的意见》,首次明确将数据纳入生产要素。对于我这个拥有“数据梦想”的人而言,这份重磅的政策文件给我带来了久违的惊喜与兴奋。

在数据驱动发展的智能时代,数据将成为驱动技术革命和重新定义人类社会未来的核心动力。过去几年里,我与许多朋友都对即将到来的数据革命时代充满期待,并做了大量探讨和思考。我们都共同期盼为这一巨大的历史机遇加快顶层设计、基础建设与整个大生态发展的进程。

此时此刻,《意见》的颁布可以说是向数据领域不同参与者吹响了集结号。《意见》提出了三个核心目标:一是推进政府数据开放共享;二是提升社会数据资源价值;三是加强数据资源整合和安全保护。在此,我热切期望制定政策的部门和监管部门与各路业界先锋早日组成数据要素产业化联盟,集思广益,提出正确的问题、寻求可行的答案,突破数据要素市场化瓶颈,加速数据要素市场培育的发展进程。

下面我想分享一下这两年我们经常探讨与争论的几个问题,以求抛砖引玉,掀起大家的头脑风暴。

1.数据是谁的?如何确权?

2.数据能用来干什么、不能干什么?(安全与隐私)

3.什么数据可以垄断?什么数据必须共享?

4.如何交易数据?(商业模式)

5.投资数据市场的钱从哪里来、往哪里去?(资本市场)

6.数据市场应该由谁来监管?(政策法规)

7.数据市场应该是人管还是技术管?技术标准应该由政府选定还是市场发展?

8.我们应该闭门造车,还是走向世界?

二、共识

上述问题看似简单,但从不同的视角去看以上问题,就会发现非常不同的答案或结论。无论如何,我想大家都应该同意下面两个基本共识:

首先,作为新时代的新生产要素,数据市场还处在非常初期的发展阶段,对很多问题的答案我们今天其实很难判断哪些是正确的、哪些可能是错误的,我们必须以开放的态度、动态的视角和发展的眼光试错容错、不断调整我们的认识与认知。

其次,我们必须对数据资产的基本属性有一定的认识,因为未来的数据与今天我们熟知的传统生产要素具有本质上的区别:

●未来的数据是各行各业和所有公民在经济与社会活动中自然形成,可能无法以传统方法来判断其财产归属性质。

●数据资产可以重复使用、多人使用、多人同时使用、永久使用,不会像传统生产资料一样在使用后就可能被消耗。

●数据越多价值越大、越分享价值越大、越不同价值越大、越跨行业、区域、国界价值越大。

●今天的存量数据只是小河小溪,未来的数据可能会像大海一样,取之不尽,用之不竭,不能用占山占水的传统思维来认知。

●数据的产生是靠科技而完成的,数据的监管与交易可能也必须靠科技来实现。

三、以具有前瞻性和包容性的视角来探索数据市场的未来

1.数据是谁的?如何确权?

这可能不是正确的问题。今天的大数据既来自个人衣食住行、医疗、社交等各种行为活动,也来自平台公司、政府与商业机构提供服务后的统计、收集和自然产生,很难说到底属于谁,而今后物联网产生的来自万物互联的数据会更难确权。过早、过严、过窄地规定数据的属性会制约与限制数据产业的发展。即便是在归属相对清晰的医疗健康领域,在病历与健康信息属于病人的前提下,在中国这个公费医疗的国度里,部分医疗数据也应可被视为国有资产。在隐私加密保护的前提下可由政府收取数据市场化带来的增值税,用以补贴医保支出。

2.数据能用来干什么、不能干什么?(安全与隐私)

鉴于数据市场还处在非常初期的发展阶段,我们今天可能还不能充分认识到数据这个新生产要素到底有多大的潜能。因此,我们一定不能过早规定数据可以干什么;更不能过早、过窄规定数据不能干什么。我们应该要打破“法不允许不可干”的传统约束,接受“法不禁止皆可干”的现代原则。

在这里,我们可能又问错了问题,正确的问题应该是:数据在分享与交易过程,哪些涉及国家安全限制的数据明确不可共享或交易;哪些内容出于“安全”或“隐私”等重要考虑,必须以加密或其他形式进行保护否则不得共享或交换?

因此,业界非常渴望政府可以尽早明确信息安全和隐私保护方面的边界认定,早日聚焦在信息安全和隐私保护方面的监管框架。

3.什么数据可以垄断?什么数据必须共享?

在数据尚处初级发展阶段的今天,一方面,政府对基于公共服务而产生和收集的数据具有天然的合法性和垄断性;另一方面,头部互联网、金融与电信服务平台对其平台业务运营产生的海量数据也具有实际存在的垄断性。这些数据有部分现在也都在灰色地带被使用与商业化变现。

可想而知,目前业界也许都为一对矛盾而纠结:既希望有机会享受更大数据生态带来的对自身数据价值的提升,又不想失去已占有的存量数据优势。如何让这个大生态中的所有持份者都有动力与意愿来参加这个生态的早期建设极其重要。

对于政府而言,正确的问题可能是:政府通过提供公共服务产生的数据在不涉及安全及隐私的情况下是不是都应该允许社会共享?政府在什么情况下可以用其控制的数据参与交易并获取收入?

对于大平台公司而言,正确的问题可能是:如何正视与认可平台公司对其产生的数据已经开始大量商用这一现实?如何在监管新规中使其合法化、常态化、阳光化,进而换取这些公司支持社会能够公平、合理、有偿地分享它们自有平台的数据?

我们必须找出让这些大平台公司有动力、无压力早日参与数据生态建设的方法,因为它们不仅是巨量数据的持有者,也是更多第三方数据的需求者。有了它们的参与与支持才能加速数据时代发展的进程。这些大型平台公司其实也很清楚,在未来的数据海洋中,再大的平台也只是一个孤岛,数据只有共享与融合才能实现价值最大化。

4.如何交易数据?(商业模式)

数据和很多商品和资产一样具有价值,但由于其所有权属性并不明确,且涉及隐私和信息安全问题,数据本身的所有权可能是不应该也无法被交易的。而只有把数据通过不同应用场景用起来,才能体现其最大的社会价值。因此,数据交易指的更多的是数据使用权的分享与交换,而不是对数据所有权的交易。

但是,具体如何定价?如何收费?如何结算?如何交割?这里的问题无穷无尽,但所有问题都指向一个最重要的答案:应该交给市场来决定。未来的数据不仅海量,而且来自万物,只要顶层设计有足够前瞻性,安全与隐私加密保护的要求足够清晰,市场的力量一定会让这个生态百花齐放、茁壮成长。

5.投资数据市场的钱从哪里来、往哪里去?(资本市场)

在保护信息安全和隐私的前提下培育市场化的数据交易生态体系,关键在于缩短数据和资本的距离。在初始启动阶段,新生态的每个环节都需要资金,政府主导的投资和资本市场需要充分融合,以满足数据市场建设的庞大资金需求。而在发展阶段,更需要一个健全的资本市场和金融工具来持续发挥“加速器”和“输血”的功能,通过市场化供需匹配、定价、标准化交易,精准扶持,形成资本和数据价值的良性循环。

能让资本与数据早日形成良性循环的核心是权益保护、价格发现与交易制度等方面规则的制定与有效落实。

6.数据市场应该由谁来监管?

肯定是由政府来监管。面对如此庞大的生产要素,政府必须管起来。但是该由中央政府管还是地方政府管,还是专门设立的监管机构管?

更正确的问题可能应该是怎么管。政府今后不仅是数据的生成者、收集者、储存者,和使用者,也会逐渐成为社会商用政府数据的经济受益者。政府怎么在顶层设计者、规则制定者与商业参与者之间确定及转换角色、怎么当好裁判员和运动员,这都是大家极为关注的话题。

业界现在最渴望的是高瞻远瞩的顶层设计,清晰和包容度高的规则和指引,以及一个具公信力的授权机构,按市场化原则统一管理数据要素市场;业界最怕的跑马圈地、画地为牢而形成的数据割据与地方政府/部门狭隘的利益保护主义。

数据市场与其他要素市场有本质上的区别,发展需要打破地方壁垒、行业壁垒、部门壁垒,但同时不能任由其野蛮生长。监管的宗旨应该是确认不能共享和交易的清晰“数据禁区”,设置数据安全和隐私保护方面的标准和要求。在“数据禁区”和标准制定上应该全国一盘棋,做到政策统一、规则统一,而不应该诸侯林立,各自为政。

7.数据市场应该是人管还是技术管?技术标准应该由政府选定还是市场选择?

鉴于海量数据资产的多样性、公共性、实时性、重复使用性和无处不在等特点,数据市场不能让人管,人也管不了。数据由技术而产生,也须通过技术来管理。数据并不是标准化的产品,也不可能由任何政府机关制定包罗万象的具体标准,必须交由市场来开拓和探索、以核心技术和具体应用场景为依托。在此,政府只须提供政策框架性指导,认可多元的技术,鼓励市场开发,从而找到属于数据市场特有的最佳发展道路。

8.我们应该闭门造车,还是走向世界?

基于信息安全与隐私保护的考虑,各国政府与民间都自然会对数据交易的边界属性比较敏感。但随着智能时代海量数据的积累,数据对人们而言会从现在的抽象信息概念,演变成与其他生产资料一样更中性更具体的有形存在。换句话说,今后的数据将会超越国界、超越种族、超越政治、超越感情,无孔不入、无所不在的生产力要素,谁先用起来,谁就占有先机。

所以,更早、更广泛、更包容地发展数据共享与交易有可能让中国拥有先发优势,从而在抗疫后的去全球化浪潮中利用大数据领先于其他经济体。一方面中国比任何国家都更数字化、更互联网化、更具能力运用人工智能、量子计算与区块链等新技术;另一方面中国因掌握这些核心技术和规模而更具备重塑世界格局和提升中国全球领导力的条件。在新时代,借力新要素,中国可以凭借强大的数据和技术软实力为下一轮世界经济发展输出“数据石油”和“数据核动力”。同时,在全球联手抗疫的今天,加速健康医疗领域大数据共享和互助,共同维护公共卫生安全,更具有紧迫性与现实性。

四、结论

以上八问八答乍一看来似乎是认真的思考与探讨,但一经严格的推敲与辩论就会发现只能触及皮毛,因为未来数据市场发展的潜力与边界是我们用传统思维完全不可能想象的。《意见》的出台像一曲集结号,引领中国基于数据的智能新时代翩然而至。像所有“数据世界”的追梦人一样,我兴奋异常,虽然仍然无知,但因无畏而敢于抛砖,我渴望有机会成为新时代数据生态建设大队伍的一份子,亲自见证并参与世界经济新秩序的重塑。万事开头难,这一生态在最初期的顶层设计、底层构建、规则制定、市场发展等方方面面千头万绪,但纲举才能目张。

在此,我倡议并呼吁业界各路大军联手成立一个跨市场、跨领域、跨学科的“数据要素产业化联盟”,与政府和监管部门通力协作,集思广益,凝聚力量,聚焦正确的问题,寻找多元的答案,响应时代的号角,开创数据新时代、新征途,一起实现将数据取之于民,用之于民,惠之于民的伟大愿景。

—— / END / ——

职位热招中

①【北京】TalkingData

资深银行行业BD-华北/华东JD、资深非银行业BD-华东/华南JD、数据分析师JD丨点击“这里”了解详情

②【北京】金山云云智能解决方案中心大数据团队

大数据架构师、Java架构师丨点击“这里”了解详情

③【上海】数数科技

大数据运维支持工程师、大数据研发工程师、SDK研发工程师、数据分析师、销售经理(上海、北京、深圳)、高级数据产品经理、测试开发工程师丨点击“这里”了解详情

④【杭州+上海+北京+成都】蚂蚁金服大数据部

均为实习生招募—研发类:数据研发工程师、JAVA工程师、前端工程师丨算法类:机器学习算法工程师丨产品类:数据产品经理丨点击“这里”了解详情

⑤【杭州】阿里数据中台品牌团队

均为市场及品牌岗位:数据品牌管理、数据中台整合营销、数据中台内容运营、数据中台渠道策略运营丨点击“这里”了解详情

⑥【杭州】数字浙江

社招:JAVA开发工程师丨校招:数据开发工程师、JAVA开发工程师丨点击“这里”了解详情

提示:如贵公司近期有职位发布需求,可发送内容至数据猿寻求友情扩散fabu@datayuan.cn

2019数据猿年度榜单:

●2019大数据产业趋势人物榜TOP 10

●2019大数据产业创新服务企业榜TOP 15

●2019大数据产业创新服务产品榜TOP 40

数据猿

 

王叁寿被公安局带走调查、高管自曝公司资产多为空壳?九次方大数据集团回应来了:传言不实!

这篇关于港交所行政总裁李小加呼吁成立“数据要素产业化联盟”的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/507506

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者