数据资产生态白皮书-普华永道-202011.ppt

《数据资产生态白皮书-普华永道-202011.ppt》由会员分享，可在线阅读，更多相关《数据资产生态白皮书-普华永道-202011.ppt（27页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、数据资产生态白皮书构建可持续的数字经济新时代1前言数据的价值迎来了悄无声息却影响深远的革新，数据不再仅仅是宝藏或者石油这样直白的物质财富代表，而已经发展为如同水与空气一般重要的必需品。与此同时，数据带来的机遇与挑战也伴随左右。一方面，数据联通个人、企业与政府端，通过开放、流通等不同方式释放出巨大价值，重塑个人生活方式与商业模式，产生了巨大的杠杆效应；另一方面，如同水与空气面临污染的威胁，数据也同样面临着权属不清、定价不明、使用不公等社会经济难题，以至于这一价值无可限量的资源难以真正触达需求。作为数字经济时代的长期践行者，普华永道希望通过本白皮书呼吁各方认知数据时代下的主要问题，倡导建立一个更加

2、健康、有序且平衡的数据资产生态。唯有在社会、经济、政策及技术层面全面支撑资产化生态的运作，才能全面释放数据的核心价值，拥抱更为美好的未来。目录前言数据如同水与空气的数字化时代已至02数据生态在慢慢失衡数据产权模糊0506070707数据隐私与安全问题突出数据定价与估值困难数据开放与流通困难0808建立平衡的数据资产生态何谓平衡的数据资产生态政策与法律方面：确立数据权机制与定价指导意见10数据确权数据定价1416经济方面：探索数据资产商业模式社会方面：避免数据歧视，实现数据普惠数据使用容忍数据歧视数据普惠19技术方面：搭建数据资产管理和应用的技术体系数据安全共享 链上与链下结合数据可信计算 多方

3、安全计算与可信计算数据资产生态技术体系平衡的数据资产生态展望与价值推动可持续的数字经济发展提高国家社会治理水平222222232323达成市场资源最优配置赋能企业数字化转型实现个人隐私与数字化便利的统一结束语联系人24251数据如同水与空气的数字化时代已至在过去的十几年里，数据借助移动互联网的发展形成指数级的积累，反垄断监管者也开始着手限制那些有能力控制数据的群体和机构。数据成为数字时代的“石油”，已是广泛共识。但在快速更迭的数字时代，数据的价值迎来了悄无声息却影响深远的革新。在十年前，大众对数据的价值描绘得头头是道，如同发掘到金矿的淘金客一般，而如今，围绕数据的话题逐渐回归理性。在某种意义上

4、，数据的价值正在向更深层次演进，和石油相比，数据更像与我们日常生活息息相关的水和空气。回顾水和空气的特质，与数据之于当今社会生态十分类似。首先，水与空气是每个个体日常生活中无法缺失的重要资源，即使存在感有时无法察觉，而一旦失去就会导致机体的崩溃。在数字化时代中，个人、企业与政府也应意识到，习以为常的生活与生产已经无法离开各类数据的支撑。试想一个普通工薪阶层日常的一天：在早起通勤的路上就会收到由个人喜好数据筛选出的数十条信息流新闻与广告；工作打卡后个人信息与时间数据快速与企业管理系统进行对接；午餐时，习惯打开大众点评浏览数十条餐饮门店数据并快速决策；而晚餐则在外卖平台推荐在大量菜肴中寻找合适的美

5、食；即使是入睡前，也可能通过各类健康或信息应用回顾一天的运动与休闲数据。可以说数据已成为每日生活秩序的有效保障。对于企业而言，缺少数据支持将变得寸步难行。当今全球市值最高的五大科技巨头（谷歌、亚马逊、苹果、Facebook和微软）似乎都势不可挡，数据不仅是利润增长驱动引擎，更是它们的护城河谷歌知晓当下的搜索热点，Facebook了解被分享的内容，亚马逊知晓人们购买的货物收集到的消费者数据促使它们提升服务质量，从而不断加高进入壁垒。而中小型企业则积极通过云等技术在聚焦的领域消化数据，为业务提供指引，真正意义上以数据哺育业务发展。2政府的运作同样离不开数据，否则大量运行与组织工作将举步维艰。得益于

6、极强的组织与服务能力，中国大量城市已开始试点甚至部分实现网格化管理，在感知数据的帮助下迅速响应以社区为单位的群众需求，涵盖从安防到养老、从记录到执行的全政府服务环节。一旦失去对社区人与物的数据联系，政府的作业与大众的实际情况将产生以天为单位的割裂，服务型政府将如纸上谈兵。其次，水与空气是自然界无处不在的巨大资源供给，而数据也已经在潜移默化间成为个人、企业与政府正常运作即可获取的重要资源之一，如同水与空气一样影响着每一个个体。如此充满活力的数字化社会，也反向催生了中国乃至全球数据体量的繁荣。从数据数量上看，中国是数据生产大国。根据国际数据公司IDC对全球“数据圈”进行的研究显示，中国在2018年

7、产生了7.6ZB的数据。该机构预计，中国的“数据圈”将会在2018年至2025年之间扩张14倍左右，以每年30%的平均增速快速发展。中国的数据量将在2025年达到48.6ZB，也就是48.6万亿GB。届时，中国将问鼎数据圈的“金山”，成为全球第一。而美国在2025年将会产生30.6ZB的数据，折合30.6万亿GB，相比中国少18万亿GB。根据IDC的预测，2025年全球数据量将达到175ZB（见图1），有几个形象的比喻可以帮助大家理解175ZB究竟是何等庞大的数据量级：假如将175ZB的数据刻录在单盘容量为4.7G的普通DVD光盘中，则这些光盘叠加的高度是月球至地球距离的23倍，亦或环地球赤道

8、222圈；以当前美国平均网速25Mb/s而言，下载完175ZB数据需要18亿年。图1：全球数据量增长预测（单位：ZB）20018016014012010080175130100807060中国“数据圈”6050402018-202540扩张14倍左右20161420108642平均增速快速发展030%资料来源：IDC，数据时代2025报告3表1：数据融合增长催生的新兴互联网应用交通工具摩拜单车联网汽车每天可产生2,500万订单量每运行8小时可产生4TB数据社交媒体微信每天有10亿用户登录、发送45亿条消息、拨打4,100万次语音电话Twitter每天可发布5,000万条消息YouTube每分钟

9、上传视频时长可超过400小时Facebook 每天可生成4PB数据，包含100亿条消息、3.5亿张照片和1亿小时视频浏览电子邮件每天可收发3,000亿封电子邮件搜索引擎谷歌每秒需处理超过40,000次搜索每天可产生20TB数据消费购物淘宝资料来源：普华永道搜集整理最后，水与空气看似廉价，却能在相关介质的配合下催生出长久持续的能量，例如水电。数据自身虽然微小，同样也能通过聚合效应驱动质变。回顾数据的质量效应，全球和中国数据的融合与增长催生出各类新兴应用（见表1），产生了数据积聚的强大枢纽效应。数据体量与质量的飞速增长，正驱动各行各业对“数据”概念进行重新认知与战略解读，数据作为社会经济生态中的空

10、气与水，具有取之不尽、用之不竭的压倒性优势。在大数据时代，谁能率先认识到数据的重要性、对丰富的数据资源加以合理运用，谁就能迅速把握时代风口、抢占行业先机，并创造惊人的经济利益。由于数字化带来的连接效应，数据的累积将不断加速，数据涵盖的领域将不断延伸，数据资源的储量也将更加丰富，因而如何将数据从资源转化为资产，当是每个具备战略眼光、考虑长远发展的企业、政府乃至整个社会所必须正视的重大课题。42数据生态在慢慢失衡正如自然界的生态系统失衡，例如乱砍滥伐、毁林开荒或采伐速度大大超过其再生能力，造成资源衰竭、水土流失和气候变化，引发生态系统出现诸多问题，同时影响生态中的各个物种。而数据生态的失衡也会导致

11、很多问题出现，如“数字霸权”的产生企业在掌握了海量数据控制权的同时，也掌握了前所未有的权力。一方面，数据的产生、流转、应用与管理依赖于完善的生态，其中包含政府、企业、个人等多方参与者在公开、透明的机制下形成有效分工。但当前中国数据生态的主要管理与应用模式侧重于企业为中心组织、管理、控制和使用个人数据，未能发挥生态体系中各方的最大化价值。同时，个人数据集中在部分电商、社交媒体领域巨头，个人数据的聚集效应越来越明显，不可避免会出现数据歧视、信息茧房、大数据杀熟乃至隐私侵犯等诸多问题。从不掌握个人数据的企业视角，会造成数据资源被垄断带来的发展与竞争壁垒；从个人视角，较为分散的数据资产分布与管理模式将

12、导致维权困难；而从政府视角，市场资源配置的公平性与市场经济的稳定性则难以把控。在互联网行业“头部固化”的情况下，少数大型互联网企业能够通过无数使用方便且服务全面的App收集并分析数据，了解用户喜好与习惯。在这种情况下，它们可以利用自身优势，将想法和目的潜移默化地灌输给消费者。更现实的情况是，在当前数字时代，人们不可能完全脱离这些大公司提供的服务。然而，普通个人对大数据运作的过程一无所知，人们被限制在“信息茧”中，被精准投放的广告驱使着做决定。其他中小型企业也无力与这些庞大企业抗衡，造成少数企业垄断市场的局面。另外，在社会公共事业端，政府应用个人数据的边界成为挑战，例如数据产权模糊，财富分配自然

13、也不清晰。越来越多数据集中在少数企业手里，这对个人的隐私安全甚至国家安全都会造成影响。5数据生态在慢慢失衡（图2），引发诸多问题和挑战。图2：政府视角下，个人与企业数据的应用平衡个人端个人数据开放与应用个人端数据特性导致价值真空政府端主体过于分散权属复杂数据价值参差应用难以追溯个人意识薄弱政府面向B端与C端的抉择个人数据信息使用边界企业数据行为管控政府数据开放与流通商业繁荣与个人保护企业端面向个人数据陷入两难超大型企业数据马太效应商业化驱动的信息茧房数据记录与边界企业端企业数据应用管理个人端数据应用与分润政府端企业端资料来源：普华永道分析另一方面，社会逐步把数据视为资产。从当前的经济和法律视角

14、，资产具有三项核心特征：其一，资产应归属某主体所有或控制，即权属明确；其二，资产能够产生既有的或预期的经济利益；其三，资产是一种资源，具有稀缺性。而数据的无形性、可复制性以及取之不竭的特性，导致数据资产存在特殊性：其一，数据资产主体具有多重性，权属模糊，例如数据从生产到流转的过程中，可以产生衍生数据以及衍生数据的主体；其二，数据资产能够产生经济利益，要以数据资产的合理定价为前提，但数据资产的定价取决于特定场景，并不存在统一、普适性的定价依据，需要因场景而变；其三，数据资产是一种人为创设的资源，与石油等不可再生资源的稀缺性相比，数据的稀缺性是相对的动态概念，在某种意义上，数据资产是取之不尽用之不

15、竭的。数据产权模糊一方面，数据越来越像商品，可以被买卖、转让和使用。但是随着云计算和大数据技术越来越完善，暴露出来的问题也越来越多。比如某个内容创业公司，当把内容发布到网络上时，内容可以被转载和复制，无法查到究竟谁才是内容始创者，部分利益会被抄袭者窃取。所以数据的确权越来越重要，目前行业潜规则是“谁采集，谁拥有”，出售和利用个人数据获利，侵犯用户数据产权、知情权、隐私权和收益权的现象时有发生。对个人数据的不当采集、处理和使用暗藏在企业商业秘密之中。另一方面，当前北京大数据交易服务平台、贵阳大数据交易所、长江大数据交易所、上海数据交易中心等数据流通平台不断涌现，数据堂、美林数据、爱数据等数据资源

16、企业也渐具规模。然而，由于专门立法的欠缺和既有制度的模糊，出于对交易风险及个人数据合规风险的忧虑，我国数据流通在“质”和“量”上都不尽如人意，难以满足数字经济发展的需要。数据流通的症结进一步还原到数据确权上。6数据隐私与安全问题突出无论从数据普惠，尊重个人隐私及数据主体权利，或者愈加强化的法律法规及监管要求，数据安全与合规已经成为数据资产化过程的必要条件和基础。近几年来，社会和企业对于数据安全及合规已具备相关认知并在推进相应的能力建设。但是海量数据下的安全合规治理、管控体系建设，以及技术解决方案实施等方面，依然存在新的挑战和风险。在社会和多数行业层面，缺乏数据的共享、流通和交易的规范；在企业层

17、面，普遍缺失数据环境下的数据确权原则，缺乏结合法务、业务、安全合规及IT的整合合规组织，以及跨业务板块的管控机制。在管理层面，缺乏数据全生命周期管控、符合结构化数据和大数据特点的风险管理方法、以及细粒度的分级访问控制。而技术层面，针对数据的防御、感知、响应的技术和工具都存在缺失。数据定价与估值困难数据资产不完全符合会计准则中对无形资产的定义，尚无法体现在企业的财务报表中，但从数据资产的确认和计量上，应认可数据的价值及其对企业价值创造的贡献。当前对于数据资产价值评估的研究还处于早期阶段，评估方法尚不成熟，且鉴于各类条件和数据本身的特性，数据资产估值仍然面对较多难点和挑战：1.数据价值的变动性。数

18、据的价值根据其相关性的不同而各不相同，而数据相关性又因数据使用者而异。相同的数据对于不同需求的使用者来说，价值是不同的。同时，数据周转速度的提高意味着数据过时的速度也相应加快，随着新数据的出现，旧数据的价值可能会贬值。2.数据价值的不确定性。例如监管、全球治理和隐私权等问题，可能对数据的经济价值以及公司对数据的投资力度产生实质性的影响。3.数据资源的无限性。数据资源可以无限使用，而这个特性也使数据资产的价值难以计量。4.数据资产权属的复杂性。所谓权属即是所有权的归属。由于数据资产属于无形资产，其权属属性与实物资产不同，需要关注的因素更多，更为复杂。数据开放与流通困难对政府部门和企业而言，由于个

19、人数据采集和管理的分散，影响了个人数据的流通、分享使用和依法监管，汇聚线上和线下等多维度的个人数据将非常困难，导致个人征信、互联网金融服务、产品精准营销等新的增值服务难以实现，个人数据的经济价值和社会价值也难以发挥。当前数据价值的实现，基本依靠传统数据价值增值模式，而充分发挥数据的价值，需要的不仅仅是更好的算法、更快的计算速度，还需要有创新的数据使用和流通模式。目前，中国经济进入“新常态”，数据作为经济增长的新动力，迫切需要探索一种新的个人数据采集、管理和使用模式，规范个人数据的增值服务和交易行为，保护用户的隐私和数据安全，保障用户数据的合法权益，不断推动个人数据领域相关技术和应用的发展。73

20、建立平衡的数据资产生态何谓平衡的数据资产生态在自然界，生态平衡是指在一定时间内生态系统中的生物和环境之间、生物各个种群之间，通过能量流动、物质循环和信息传递，使它们相互之间达到高度适应、协调和统一的状态。当生态系统处于平衡状态时，系统内各组成成分保持一定的比例关系，能量、物质的输入与输出在较长时间内趋于相等，结构和功能处于相对稳定状态，在受到外来干扰时，能通过自我调节恢复到初始的稳定状态。在生态系统内部，生产者、消费者、分解者，在一定时间内保持能量与物质输入、输出动态的相对稳定状态。在数字世界，从长远来看，围绕数据资产构建平衡的数据资产生态，是实现数字经济可持续发展的必由之路。普华永道认为，在

21、平衡的数据资产生态中，应包含以下几类角色：数据生产者：个人/企业 树木：个人和企业作为主要的数据生产者，犹如雨林中的树木，虽然在单体体量与声量上有限，却能在团体中产生巨大的影响力。因此，团结、高效、一致的“雨林”，是数据生态中的主要贡献者。政府指导的数据确权与定价引导机制 太阳的光合作用：个人产生的数据并不能直接被外界所应用，有如雨林只有在光合作用与大气循环下才能产生珍贵的氧气和水滴。因此，政府管控下的确权与定价指导是生态系统里面的太阳，发挥光合作用，而科研机构与学术单位也扮演着重要角色。数据消费者：企业/个人 动物：企业在生态中如同各类动物，与雨林伴生形成生态系统，通过雨林的产出产生更大能级

22、的价值，符合食物链逐步放大的自然效应。但同样，若缺乏政府如阳光般的管控辐射，动物对雨林的过度伤害最终只会导致生态系统的崩溃。公共数据 土壤：融合开放的公共数据如同土壤。无论是动物还是雨林，在阳光下通过分解者逐步形成土壤中的有机物，这一有机物反过来成为雨林生长不可或缺的根基。数据中介 微生物：微生物是分解者，可以将生态系统中的各种无生命的复杂有机质分解成水、二氧化碳等可以被生产者重新利用的物质。在数据资产生态中，众多数据科技公司就扮演着类似微生物的角色。8在这一循环往复的生态下，暗藏着对于数据资产生态建设最核心的指引：确保政策法规落地实现“阳光普照”，以数据中介为经济基础的“氧气和水媒介”，以社

23、会约束为核心的“雨林保护”（见图3）。因此，建立一个平衡的数据资产生态系统离不开四大核心支柱：1）政策与法律方面，要从政府出发，发挥光合作用，加快立法，明确数据确权机制，以及指导定价的形成机制；2）经济方面，要形成围绕数据资产的新商业模式，只有形成商业模式，生态才能建立起来；3）社会方面，要充分考虑社会影响，避免数据歧视，形成数据普惠，让生态惠及所有参与者；4）技术方面，要解决两个核心问题，一是安全的数据共享问题，二是可信的数据计算问题。图3：平衡的数据资产生态系统政府管控与治理/数据要素市场 数据确权与定价指导（阳光，光合作用）数据中介 数据银行、数据信托、数据运营商（云，大气循环）科研机构

24、/学术单位数据资产（水）O2 数据资产（氧气）数据生产者 个人/企业（树木）数据消费者 小企业 数据消费者 大企业（食草动物，初级消费者）（食肉动物，高级消费者）数据中介（微生物，分解者）公共开放数据（土壤）P 政策/法律E 经济S 社会T 技术资料来源：普华永道分析9建立数据确权机制与定价指导意见政策与法律方面数据要素的确权机制还处于探索阶段，并逐步引起业界、学界和政策制定者的广泛关注。数据要素的确权对于数据资产的厘清、数据资源的有效配置至关重要。数据确权数据要成为数字资产，最重要的是对数据进行确权。数据确权的定义，包括数据的所有权、使用权、经营权、知情权、遗忘权、修改权、删除权、拒绝与限制

25、处理权等一系列的权利。国际数据确权实践：国际上对于数据确权也在进行不断尝试，如通过欧洲一般数据保护条例（General Data Protection Regulation，简称GDPR）和非个人数据在欧盟境内自由流动框架条例，欧盟确立了“个人数据”和“非个人数据”的二元架构。针对任何已识别或可识别的自然人相关的“个人数据”，其权利归属于该自然人，其享有包括知情同意权、修改权、删除权、拒绝和限制处理权、遗忘权、可携权等一系列广泛且绝对的权利。针对“个人数据”以外的“非个人数据”，企业享有“数据生产者权”（data producer right）。此欧盟数据确权尝试并不成功，“个人数据”和“非个

26、人数据”的分割与现有实践不符。个人数据的范围过于宽泛，在数字化时代，几乎没有什么数据不能够通过组合和处理，与特定自然人相联系。由此，同一个数据集往往同时包含个人数据和非个人数据，将相互混合的数据区分开来，即使可能也非常困难，将产生过犹不及的结果，诸如伤及互联网成熟业态，阻碍人工智能、区块链和云计算等新兴产业的发展。与欧盟相反，美国采取了数据确权的实用主义路径。美国个人数据置于传统隐私权的架构下，利用“信息隐私权”化解互联网对私人信息的威胁，在金融、医疗、通信等领域制定行业法，辅以行业自律机制，形成了相对灵活的体制。中国在进行数据确权时，需充分借鉴欧美数据确权的经验与得失，着重关注以下四个“必须

27、”：1.必须充分考虑数字经济发展不同阶段和特定国情：随着国内大循环为主体、国内国际双循环相促进的新发展格局的建立，数字经济已经成为主要增长点和重要的就业渠道。尽管中国数字经济的成就为世人瞩目，但未来的路还很长。在此背景下，首先应以最大化数据 这一数字经济生产要素的价值为最高宗旨；2.必须坚持个人隐私与敏感数据保护的红线思维：数据确权后，数据就会进入要素市场进行市场化交易与流通，它还可能产生有害于消费者的负面影响。因此在制定数据确权机制时，对关涉个人隐私核心或个人敏感数据，要坚持数据隐私保护的红线思维。只有增加消费者的安全感和信任感，数据确权才能够落地，数据资产生态才能健康；3.必须以数据流通与

28、共享为主要目的：数据确权是为了数据合法的流通与共享，随着数字金融生态的逐渐开放，数据将会在不同经营主体之间流动、共享，不同数据的重新组合，衍生出新的数据。通过合同约定来分配各方权益，进而在规则竞争和演化的过程中，总结出最佳实践和行业标准，最终形成确权规则；104.必须利用数字化技术手段赋能数据确权：传统的确权手段采用提交权属证明和专家评审的模式，但是缺乏技术可信度，且存在篡改等不可控因素。考虑到数据资产的特殊性，目前有两类技术可以赋能数据确权问题的解决。1）针对数据需要物理上流通和交易，并且要明确所有权的场景，建议使用区块链技术：利用区块链不可篡改、数字签名、共识机制、智能合约等技术可以对数据

29、进行确权，并对数据的产生、收集、传输、使用与收益进行全周期的记录与监控，为数据共享和流通提供坚实的技术基础。具体来说，数据资产的所有者、生产者和使用者作为重要的节点加入到区块链网络中，利用区块链同步共识，详细记录数据产生、流转、交易等全部环节，不但记录数据本身，而且记录该数据资产相关主体的身份及其操作历史，并全节点共识见证，任何一方都无法推脱和否认。从而实现生态圈中的所有参与方都能贡献自己的数据资产，并通过智能合约对资产流转与收益分配进行监督，达成收益共享与风险共担，大大促进数据资产的流通。2）针对数据将会在不同经营主体之间流动、共享，不同数据的重新组合、分析会产生新数据，导致因多方参与难以划

30、分数据的场景，在这样的场景下，数据的使用权与经营权就显得尤为重要，因此建议采用多方安全计算（Secure Multi-Party Computation，简称MPC），即在不改变数据实际占有和控制权或所有权模糊的情况下，促进数据流通共享的技术支撑，利用多方安全计算平台，将计算能力移动到数据端，确保企业数据安全和个人隐私保护的同时，促进数据共享利用与业务创新。目前，多方安全计算已经在金融机构之间的联合风控、联合营销等领域取得了初步成效。近期，由人民数据管理有限公司（下称“人民数据”）主办的“人民数据资产服务平台”在京正式启动，这是我国首个国家级综合数据资产服务平台，利用区块链技术进行数据确权，也

31、是行业内首个集数据合规性审核、数据确权出版、数据流通登记、数据资产服务为一体的平台。据介绍，人民数据资产服务平台由数据源认证平台、数据流通登记平台、数据交易服务平台、数据流通监管平台组成。平台将通过与数据提供方、加工方、交易平台、使用者、监管机构的联系和合作，建立统一的数据赋权标准、数据类目管理、数据加密规范、数据流通交易安全体系，并且将利用区块链等新兴技术，有效实现合法数据流通和非法数据流通的辨识，建立行业规范和黑名单机制。11数据定价作为未来数据资产价值释放的核心环节，数据定价相对于其他资产而言存在巨大的差异，数据资产的价值主要来源于其直接或间接产生的业务收益，但由于数据自身存在的无损复制

32、性、按不同业务场景产生收益的可叠加性，使得特定数据资产的价值与传统资产价值不同，不是一个固定值，而是一个随不同因素变化的动态值。数据资产的价值评估可以从如下维度开展（见图4）。根据数据价值评估的维度，目前：有三种比较公认的定价模式。模式一：成本法定价计算公式：评估价值=重置成本*贬值系数*期望收益系数重置成本是存储成本、加工成本及运维成本的三者加总：存储成本：数据存储占用的基础设施（机房、机柜、存储设备等）的成本按数据容量折算后的价值；加工成本：数据加工过程涉及的物力（服务器、软件等）和人力（员工成本、下包商费用、项目费用等）；运维成本：保障数据正常可靠服务所需的物力（服务器、软件等）和人力（

33、员工成本）。图4：数据价值评估维度不同的数据受监管的限制不同，不同地区的监管也有差异，这会影响数据价值的产生。数据价值在于与应用场景的结合。不同场景下，数据所贡献的业务价值是不同的。合规性地域性安全性场景性时效性稀缺性多维性数据资产价值评估数据的质量是影响数据应用的核心因素，数据质量的准确度是评估数据价值的基础。数据最终产生的业务价值受成本的影响，数据可应用的场景也受到成本的约束。准确性真实性完整性存储加工运维资料来源：普华永道分析贬值系数为时效性系数乘以生命期系数：时效性系数：由数据加工/更新的时效决定（实时、准实时、小时、天、周、月），取（0-1）间的系数；生命期系数：数据距离生命终点的时

34、间期间占总生命期时长的比例调整系数。期望收益系数是数据在内部核算和外部交易时希望获得的额外收益，取大于等于1的系数。12模式二：收益法定价计算公式：评估价值=1 业务超额收益业务超额收益应按数据资产的所述类别分类计算：建模分析类应用：按模型投产后经业务评估的业务价值贡献额，对最终纳入模型计算的所有数据资产项目进行均摊，在模型存续期间持续计算；报表类应用：对管理报表和监管按报表使用对象的级别分别设定每张报表的假定业务价值，对报表内涉及的数据资产项目按资产等级进行加权分摊，按每次访问量计算；取数类应用：对每次取数请求按所需数据资产项目的多少、数据资产项目的资产等级和所获取的数据集合总量大小进行定价

35、，按每次取数请求的返回数据集计算。模式三：市场法定价计算公式：评估价值=可比数据资产成交额 修正系数定价计算中，涉及：可比数据资产成交额：公开交易市场上相同或类似数据资产的交易成交额；修正系数：用于对标的数据资产和可比案例的差异进行修正。上述三种定价模式各有利弊，相关主体可以依据实际情况及自身需求有所选择（见表2和表3）。在这三种定价模式之外，行业也在摸索新的定价方式，包括借用知识产权的估值模式等。表2：三种数据价值定价模式对比分析优点不足计算简单利于理解重置成本难以精算计量成本法没有体现数据直接及间接产生的业务价值超额收益难以精确计量反映了数据资产对业务收益的影响直观且易于理解收益法市场法超

36、额收益通常由一组数据资产形成的应用产生，难以在单个数据资产层面分摊缺乏足够的公开市场交易基础客观反映资产的市场情况数据资产的价值需要根据交易背景不同进行具体分析表3：不同场景下的数据价值评估方法应用场景价值评估方法内部数据资产共享的虚拟核算外部数据交换/交易成本法定价（期望收益系数接近1）成本法定价（合理的期望收益系数）收益法定价行内评价数据资产对业务的贡献度量数据产品的定价成本法定价（合理的期望收益系数）资料来源：普华永道分析13探索数据资产商业模式经济方面移动互联网发展早期，中国大量科技企业开始认识到个人数据之于产品及企业发展的重要意义，但在缺乏明确商业模式先例与权责划分的模糊地带，围绕数

37、据开展商业化行为难度重重。因此，中国早期数据流通多通过授权为主导的以物易物模式，即用户通过授权运营方获取并使用用户数据的模式获得相关运营方的服务。该模式严格意义上缺乏商业化的规模效应。根据数据生态的定义，一个平衡和健康的生态系统，一定要配套良好的商业模式，在数字经济时代，数据本身的经济价值将得到全面释放，随着数据确权与定价的逐步明晰，从而衍生出多元化的商业模式。未来，数据资产的商业化前景将逐步下沉至以个体为代表的C端用户群体，形成打通G、B及C端在内的数据交易、数据银行、数据信托和数据中介等模式。商业模式1：数据平台交易模式。2014年以来，中国移动互联网进入高速发展阶段，数据价值被商业社会不

38、断认知。以某数据服务公司为例，该公司探索新的商业模式，诸如上线数据众包等业务，平台明确为某个特定数据集标价并与相关供应方进行交易。该模式尝试探索以数据货币化为目标的商业模式，并明确提出了数据具备相应价值的商业判断。此后，由贵阳、上海等数据生态活跃地区政府主导的数据交易所模式涌现，通过建立数据供应方与需求方共享的交易平台连接数据供需，以第三方专业技术和政府资质完成监管与加密支持，最终实现数据的交易流通。该商业模式较好地解决了数据互信、数据保护与数据供需的主要矛盾，且有助于大量行业通过平台沉淀形成数据标签与数据产品。苹果公司CEO蒂姆库克在2019年表示：“美国联邦贸易委员会FTC应设立新的框架，

39、建立数据中介清算所，并要求所有数据中介进行注册，使消费者能够跟踪这些被捆绑并销售的数据，赋予用户权利能够按需、免费、轻松地在网上一劳永逸地删除数据。”普华永道认为，数据平台间交易这一商业模式将在未来持续获得关注，成为重要的流通商业模式之一。中国数据安全管理办法（征求意见稿）明确要求各服务方数据收集使用规则应明显提示，不得以默认授权、功能捆绑等形式强迫、误导个人信息主体同意收集，并提出了“匿名化处理”的明确要求。从宏观层面上，政策不鼓励具有垄断性质的数据寡头，各类互联网及产业巨头未来将形成专业化的数据领域，彼此之间公开、透明的数据流通的重要性将加剧，因此数据交易平台未来将在商业化过程中扮演更重要

40、的角色，并且由此衍生出数据中介或数据经纪等细分商业模式。未来，数据平台交易模式将进一步演化，具体可概括为更精准、更多元、更落地三个方向。14更精准指未来数据流通供需关系的匹配将在当前平台化交易的积累下，形成更加深入的数据洞察与需求把握。相对于目前大量依靠平台匹配的商业模式，未来去中心化的供需分发机制与数据驱动的匹配模式下，数据商业化的效率将得到提升。更多元指未来在政府与企业两大生态主体之上，个人作为数据的最大创造者与使用者也将被纳入到商业生态中。依据中国对个人数据立法的规划，未来民众将获得更为主动的数据使用权，甚至演化为社会数据供需的发起人。更落地指当前以数据汇聚和查询为主的交易结构之上，未来

41、深入数据后端的服务将形成更高附加值。以银行支付数据为例，当前在确保数据脱敏的前提下已可形成产品化的数据组合解决方案，为大量企业和个人完成一站式的信用评估。未来流通商业模式将摆脱当前以佣金撮合为主导的分润形式，通过服务附加值提升商业模式的想象空间。商业模式2：数据银行模式。由于个人数据资产与货币资产本质上具有共同点，个人数据是个人财产的一部分，就像在银行里存款一样。因此简而言之，个人数据资产能够采用银行模式进行管理和运营，既可以实现个人数据的集中有效管理，又可以实现个人数据的增值和有序流通，给个人带来一定收益，即个人数据银行。个人数据银行是基于银行个人货币资产的管理与运营模式，以保护用户个人数据

42、的所有权、知情权、隐私权和收益权为核心，建立个人大数据资产的管理与运营综合服务系统，包括数据确权、汇聚、管理、交易与增值服务等功能1。商业模式3：数据信托模式。根据信托法理，信托财产所有权的制度安排具有结构化特质，即受托人享有信托财产法律上的所有权，受益人享有基于信托财产的信托利益，也被称为“信托财产的双重所有权”。而数据资产的特殊性在于个体数据的所有者与“大数据”的控制者以及“大数据”利益的享有者可能存在相互分离现象，可见，数据资产的所有、使用、收益等权能的分离与信托财产权属的复合式安排具有充分的契合性，数据资产成为信托财产在权利内容与制度安排上具有合理性和可操作性，数据资产的各项权能安排可

43、以通过信托财产制度得以有效设计和落实。数据资产成为信托财产后，可以满足数据资产的商业和业务逻辑需要。更为重要的是，信托业务创新可以为数据资产创设更广阔的应用场景。由于数据信托业务在理论探索和应用实践层面均具有相当的前瞻性和创新性，信托公司开展数据信托业务的实践尚处于探索与尝试阶段。实践中，中航信托在业内率先发行了首单数据信托产品，产品规模为3,000万元2。商业模式4：数据中介模式。在数字化时代赢家通吃的模式下，多个以科技巨头为主体的平台已经形成，这些平台势必会导致权力过度集中，不利于市场竞争与社会开放，个人也不能仅凭一己之力得到数据尊严，即便向政府请愿，也无济于事，因为网络效应给了平台过多权

44、力，而数字经济的复杂性让监管无法深入细节。为了实现数据尊严，我们需要一个中等体量的外围组织来缩小差距，这些组织和商业行为称为“个人数据中介”（Mediator of Individual Data，简称MID）,MID为数据创造者争取最大的利益，并且根据争取的利益，获得合理的佣金收入。MID的存在，会对科技巨头基于数据的盈利模式造成一定的冲击，但长期来看，科技巨头应欣然接受由MID主导的未来，科技巨头平台也将是受益者3。1 个人数据银行 一种基于银行架构的个人大数据资产管理与增值服务的新模，计算机学报2017年1月2 大数据时代，“数据资产”与金融应用前景，中航信托3 美好数字社会的蓝图 哈佛

45、商业评论中文版 2019年2月15避免数据歧视，实现数据普惠社会方面今数据资产价值的不断释放不仅形成了新的经济推力，也从侧面重塑社会关系，形成全新的社会问题认知。随着数据成为具有市场价值的资产，中国社会应重新思考个人对于数据使用的容忍度、数据价值的反歧视及数据应用的普惠目标。从个人数据使用容忍度方面，未来中国社会对于个人数据的保存、管理与使用意识会逐步加强，在呼吁立法落地的同时也面临短期执行缺位导致的落差感。因此社会层面将通过技术手段搭建个人数据管理、追踪、授权的抓手，以配合国家政策形成主动管理。从数据价值的反歧视方面，客观意义上由于个人属性差异导致的数据价值差异将长期存在，但中国政府与企业将

46、努力推动数据可得性导致的价值歧视，全面落实如医疗、教育等行业的数字化档案建设，从而保障所有个人数据价值的释放及相应的价值变现，提升低保障人群通过个人数据获得相应服务乃至商业利益的平等权利。从数据应用的普惠方面，通过个人数据与企业数据的融合提升行业服务效率、创造社会价值已成为中国政府和企业推动数据应用变革的共识，而上海市打通政企数据支持银行普惠金融服务效率与品质提升是绝佳案例。未来普华永道预判，贸易、物料等数据依赖的大型产业将优先受益于数字普惠，形成多方受益的解决方案平台。数据使用容忍社会民众对于数据使用范围和手段的容忍度决定了数据资产应用的发展方向。当前个人数据容忍已逐步成为全球性议题，对该话

47、题的高度重视将导致国家层面政策和行政手段快速落地，以平息数据滥用导致的社会矛盾，而数据透明化有可能成为未来五年中国的重要工作目标。随着数字化社会的不断演进，中国民众对数据使用的容忍度经历了漠视、被教育、关注、担忧几个阶段，移动互联网时代的成熟与Z世代话语权的增强，最终导致社会各阶层对数据权属的观念愈发接受。而欧盟通用数据保护条例乃至中国数据安全管理办法的完善，引起了社会层面对个人数据保护和使用的巨大关注。由中国计算机学会计算机安全专业委员会开展的2019年网民网络安全感满意度调查活动总报告表明，37.4%的受访者认为网络个人信息泄露非常多和比较多。2020年爆发的新冠肺炎疫情从某种程度上催化了

48、个人数据容忍度的关注，在享受自身安全的保障之余，大量民众推动了疫情期间数据使用的透明化程度，并将持续关注后疫情时代的数据管理。另一方面，尽管相关法规陆续出台，明确了数据收集、匿名化处理、定向推送等行业实践的保护需求，但从立法到执行依然需要时间的积累及后续执行管理办法的落地。在立法明确到执行到位的过度期内，广大民众容忍度将面临更大挑战，并催生对于个人数据信息透明化的呼吁。16普华永道认为，在中国政府和企业的共同推动下，为解决数据容忍度不断上升的问题，未来将逐步探索个人数据信息使用透明化平台的建设，形成个人用户可主动查询并管理的数据资产平台。从技术层面而言，区块链等技术的成熟为去中心化的数据追踪与

49、管控提供了支撑，基于区块链构建的个人数据资产管理平台将成为社会个人数据管理的重要支撑。例如，2018年开始，麻省理工学院开发的医疗档案项目MedRec在美国创立以太坊区块链管理医疗记录的系统，从而允许个人用户能够查阅自己的医疗记录并管理医疗数据的使用，让医护及医学研究都受惠。而从国家层面，目前各省市承接中央部署，将推动政府数据合理治理与要素流通作为当下的主要工作。包括广东、福建在内的多个省市已开展面向政府内部及政企合作产生的内部数据盘点与梳理。构建面向个人的数据使用追踪与管理平台，本质上将有助于通过责权的分发完成数据排摸与使用管理。数据歧视随着数据丰富性与多元性的不断提升，数字经济内的各类政府

50、与企业开始将数据应用至日常运作的方方面面。从另一个角度来看，大量个人数据的应用导致企业与个人的商业关系被重构，企业在使用用户数据的同时也将为用户提供相应价值。因此从社会共识的角度，消除歧视以确保数据价值被公平衡量并造益更多人群是社会发展的重要方向。从客观意义上看，不同人群的数据价值在部分行业场景下天然存在差异。以零售消费数据为例，对需要通过数据分析用户购买行为以提升业务体验的电商网站而言，富裕人群的日常消费数据价值相较于工薪阶层和乡村群体更高。本质上，此类数据的价值差异与人群的社会和商业属性差异息息相关，且在未来长期较难发生改变。但从另一方面来看，部分行业场景的数据价值歧视并非来自于人群数据的