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

详谈redis跟数据库的数据同步问题

《详谈redis跟数据库的数据同步问题》文章讨论了在Redis和数据库数据一致性问题上的解决方案,主要比较了先更新Redis缓存再更新数据库和先更新数据库再更新Redis缓存两种方案,文章指出,删除R... 目录一、Redis 数据库数据一致性的解决方案1.1、更新Redis缓存、删除Redis缓存的区别二

Redis事务与数据持久化方式

《Redis事务与数据持久化方式》该文档主要介绍了Redis事务和持久化机制,事务通过将多个命令打包执行,而持久化则通过快照(RDB)和追加式文件(AOF)两种方式将内存数据保存到磁盘,以防止数据丢失... 目录一、Redis 事务1.1 事务本质1.2 数据库事务与redis事务1.2.1 数据库事务1.

Oracle Expdp按条件导出指定表数据的方法实例

《OracleExpdp按条件导出指定表数据的方法实例》:本文主要介绍Oracle的expdp数据泵方式导出特定机构和时间范围的数据,并通过parfile文件进行条件限制和配置,文中通过代码介绍... 目录1.场景描述 2.方案分析3.实验验证 3.1 parfile文件3.2 expdp命令导出4.总结

更改docker默认数据目录的方法步骤

《更改docker默认数据目录的方法步骤》本文主要介绍了更改docker默认数据目录的方法步骤,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1.查看docker是否存在并停止该服务2.挂载镜像并安装rsync便于备份3.取消挂载备份和迁

不删数据还能合并磁盘? 让电脑C盘D盘合并并保留数据的技巧

《不删数据还能合并磁盘?让电脑C盘D盘合并并保留数据的技巧》在Windows操作系统中,合并C盘和D盘是一个相对复杂的任务,尤其是当你不希望删除其中的数据时,幸运的是,有几种方法可以实现这一目标且在... 在电脑生产时,制造商常为C盘分配较小的磁盘空间,以确保软件在运行过程中不会出现磁盘空间不足的问题。但在

Java如何接收并解析HL7协议数据

《Java如何接收并解析HL7协议数据》文章主要介绍了HL7协议及其在医疗行业中的应用,详细描述了如何配置环境、接收和解析数据,以及与前端进行交互的实现方法,文章还分享了使用7Edit工具进行调试的经... 目录一、前言二、正文1、环境配置2、数据接收:HL7Monitor3、数据解析:HL7Busines

Mybatis拦截器如何实现数据权限过滤

《Mybatis拦截器如何实现数据权限过滤》本文介绍了MyBatis拦截器的使用,通过实现Interceptor接口对SQL进行处理,实现数据权限过滤功能,通过在本地线程变量中存储数据权限相关信息,并... 目录背景基础知识MyBATis 拦截器介绍代码实战总结背景现在的项目负责人去年年底离职,导致前期规

Redis KEYS查询大批量数据替代方案

《RedisKEYS查询大批量数据替代方案》在使用Redis时,KEYS命令虽然简单直接,但其全表扫描的特性在处理大规模数据时会导致性能问题,甚至可能阻塞Redis服务,本文将介绍SCAN命令、有序... 目录前言KEYS命令问题背景替代方案1.使用 SCAN 命令2. 使用有序集合(Sorted Set)

SpringBoot整合Canal+RabbitMQ监听数据变更详解

《SpringBoot整合Canal+RabbitMQ监听数据变更详解》在现代分布式系统中,实时获取数据库的变更信息是一个常见的需求,本文将介绍SpringBoot如何通过整合Canal和Rabbit... 目录需求步骤环境搭建整合SpringBoot与Canal实现客户端Canal整合RabbitMQSp

MyBatis框架实现一个简单的数据查询操作

《MyBatis框架实现一个简单的数据查询操作》本文介绍了MyBatis框架下进行数据查询操作的详细步骤,括创建实体类、编写SQL标签、配置Mapper、开启驼峰命名映射以及执行SQL语句等,感兴趣的... 基于在前面几章我们已经学习了对MyBATis进行环境配置,并利用SqlSessionFactory核