電網企業大數據價值變現交易工作思路探討

　　近年來，隨著國家加快推進大數據產業和數字經濟發展，各行各業都在積極開展數據價值挖掘與應用服務。2019年國家電網公司提出“三型兩網，世界一流”戰略目標，大力開展促進大數據產業發展的泛在電力物聯網建設。與堅強智能電網直接促進電能銷售可以通過現行電價機制補償成本和獲利收益不同,泛在電力物聯網提高服務質量的功能需要建立新的成本回收和收益機制。

　　正是這樣的背景下，電網企業積極探討從內外部兩個方面挖掘數據資源價值，開展電力大數據應用與交易，探討電力大數據價值內部變現和外部交易的基本思路和具體方法。目前電網企業大數據價值變現交易正處在起步階段，做好這項工作需要深入了解大數據變現的主要特征、識別大數據價值變現交易需要解決的主要問題，并把握企業大數據變現交易的主要對策。

　　準確把握大數據價值變現交易的主要特征

　　與一般商品包括電力交易及生產經營相比，大數據價值變現交易明顯不同。正確認識和把握大數據價值變現的主要特征，是做好電網企業大數據價值變現交易的前提和基礎。

　　數據商品功能與市場規模及其均衡狀態的不確定性

　　大數據交易市場是一個新興的，同時更重要的是一個市場規模與均衡狀態都不確定的市場。一方面，知識經濟和數字經濟社會對數據的需求很大，近年來媒體認為2020年前后大數據交易額將達到萬億元規模，有專業人士甚至認為數據價值總有一天會超過土地價值;在這種情況下，大數據產品的供給小于需求，市場均衡狀態表現出賣方市場特征。另一方面，數字經濟時代剛開始出現，而且數據的價值受到處理技術、應用方式、市場時機等多種因素影響，買方對數據的真實價值缺乏切實感受，不能確定數據能夠為自己帶來多大利益，甚至不知道怎么利用數據;在這種情況下，有效需求又難以形成，市場均衡狀態取決于買方，呈現買方市場的特點。

　　據《2019中國大數據產業發展白皮書》，2018年全國大數據產業產值4384.5億元，比上年增長24%;其中大數據服務產值1317.3億元,比上年增長36.6%。大數據服務是指依托大數據資源管理與分析的相關服務產業，包括數據交易服務、數據采集服務、數據應用服務、數據增值服務等。這個結果說明，大數據產值規模離萬億元還有很大差距。因此，有專業人士認為“大數據價值就如同在食品中加入的調味劑，是各行各業的‘味精’，大數據如果是‘味精’，就不能指望能做多大。”目前對大數據價值及其交易規?？陀^上存在兩種相反的判斷，這種判斷自然也適用于電力大數據價值及其市場規模的估計

　　為什么會出現兩種相反的判斷?而且謹慎的判斷來自于高層次專業人士，樂觀判斷則更多來自非專業人士，深層次的原因是數據商品功能的不確定性。與一般商品對買賣雙方具有明確而客觀功能或價值不同，如空調解決房間冷暖問題，數據商品對買賣雙方的價值具有明顯的主觀性、時間性和可塑性。主觀性指相同的數據對不同人具有完全不同的價值;時間性指相同數據在不同時間具有不同的價值;可塑性指相同的數據可以在不同程度上使用，自然也會產生不同的效果。正是數據商品的功能或價值的不確定性，導致了對這個產業及市場規模的認識的差異性。如果說對泛在電力物聯網有爭議，根源也在于此。

　　交易平臺也是交易主體

　　一般市場交易只有買賣雙方兩個主體;即使通過交易所的交易，交易所不是市場主體，而只是交易中介。作為一種主要和成熟的數據交易方式，在基于交易平臺的大數據交易中，交易主體構成及其相互關系實際上表現為三個交易主體，即買、賣雙方和交易平臺;交易平臺可以是真實的買方或賣方交易主體。

　　交易平臺在數據交易市場中的特殊功能是數據交易制度的一個特色。數據的價值在于挖掘、匯聚和融通;數據賣方提供的數據一般是原始的、單一的，需要交易平臺進行專門的數據處理，甚至需要將其它賣方提供的數據融合后作為一個整體產品賣給有相應需求的買方。在這種情況下，交易平臺不只是平臺服務者和中間商，也是賣方或者買方。

　　不過，目前不同交易平臺在除平臺功能外作為市場主體功能的程度有所不同。如上海數據交易中心只提供交易渠道以及滿足大數據交易的最低要求如完成數據脫敏，不存儲賣方的數據產品，也不傳輸個人隱私數據。貴陽大數據交易所除提供數據脫敏和存儲數據等功能外，還有進一步挖掘大數據價值的功能;交易所不做原始數據交易，只做經過清洗、脫敏、分析等流程后形成的大數據分析產品。這個特征影響電力交易平臺的功能設計與戰略選擇。

　　數據商品產權的不確定性

　　大數據交易對象主要有經過預處理的大數據產品和大數據分析產品兩類。經過預處理的大數據產品是指對采集而來的原始大數據進行清洗、脫敏后形成的產品，預處理主要是為了解決數據的無序性和敏感性兩個問題;大數據分析產品指對己預處理的大數據產品進行分析、建立數學模型、可視化處理等深度加工所得的大數據產品。

　　數據的預處理和分析技術應用不僅改變了數據產品本身，更重要的，也改變了數據產品的產權結構。原始數據所有者提供的數據可能存在拼寫問題、打印錯誤、不合法值、空值、不一致值、簡寫、同一實體的多種表示、不遵循引用完整性等，這會使數據質量和價值大打折扣;不經過脫敏處理的數據直接交易甚至還會違反法律法規;同時，缺乏分析的數據產品的價值較小。包括交易平臺在內的第三方進行對數據處理后，也在一定程度上擁有了對數據的部分產權或限制性產權，包括所有權、使用權、處置權和收益權。

　　目前我國還沒有出臺數據產權確認的法規，第三方參與的數據產權的界定和分配還缺乏政策依據，但是，實際數據交易市場中事實上已經建立在第三方獲得部分數據產權的基礎上。這個特征涉及到電網企業是否可以獲得用戶數據的產權這個根本問題。

　　產品交付以使用權為主

　　大數據交易流程與一般商品包括電力交易流程本質上相同，但是，在交易產品的支付方式上卻有明顯不同。按交付過程中產權轉換的程度，一般商品交易完成后即完成產品全部產權的轉換，正所謂“一手交錢，一手交貨”;大數據產品的交付中有時是產品本身即全部產權的轉換，有時只是部分產權如使用權的轉換，而且大量的數據交易支付都只是使用權的轉換，這種方式最好地體現大數據產品支付的特征。因為在大數據交易中，如果要求全部產權轉換，就會產生數據資源的排它性，而排它性與數據資源共享的基本原則相矛盾。

　　體現這種產品交付特征的主要有數據包、應用程序編程接口和分析類產品三種方式。第一，數據包。數據包就是數據集。數據交易完成后，大數據交易平臺將大數據產品打包，通過網絡傳輸或者郵寄實體存儲介質的方式將數據交付給客戶。這種產品支付方式與一般商品包括電能交易基本上沒有差異。第二，應用程序編程接口。既是一組用于構建應用軟件的子程序定義、協議和工具，還是一組明確定義的各種軟件組件之間的通信方法，也是一種標準化的數據輸出端口，是最有典型意義的數據產品支付方式。貴陽大數據交易所的大部分數據產品通過應用程序編程接口交付，數據堂公司的數據商城以電商形式實現大數據資源在線共享交易，都屬于這種支付方式。從商品交易中產權屬性轉變的角度看，這種支付方式中賣方支付給買方的僅僅只是可使用數據產品的權力。第三，分析類產品。常見的分析類產品包含決策分析報吿、市場調研報告等。這類產品來源于底層數據，往往是整合了許多不同賣方不同渠道的數據，經過一定加工后形成的可視化產品。這種產品的支付可選擇以上兩種方式及其組合。大數據交易支付的這個特征對設計電力大數據產品和交易模式都有直接影響。

　　可選擇的數據業務或交易模式

　　數據商品功能或價值的不確定性也影響數據商品的業務或交易模式。一般商品功能客觀明確，業務或交易模式相對簡單和固定，有些商品采用標準化的交易模式。由于數據商品的功能或價值具有不確定性，市場主體對數據商品業務需求呈現多樣性，由此影響和決定了交易模式的結構和多樣性。

　　國外學者把大數據業務或交易模式分為三種：數據用戶模式、數據供應商模式、數據服務商模式。數據用戶模式是指公司在內部使用自身大數據進行戰略決策的模式，把公司當作內部數據的用戶是為了強調數據商品的獨立性和商業價值，促進公司數據商品價值的挖掘和利用。

　　目前電網企業對大數據的應用主要局限在公司內部，如應用大數據進行電網運行診斷與事故監測等，整體上可以認為處于這種模式。數據供應商模式指大數據擁有者將大數據作為產品出售給其他公司的模式，如數據集中備份解決方案等。該模式又分為兩種，第一種如市場研究公司巨頭尼爾森，根據買方要求專門收集用戶受眾行為大數據的模式;第二種如社交媒體公司推特(Twitter)，將自己日常業務產生大數據出售給第三方的模式。數據服務商模式是指某公司針對大數據進行分析并出售分析結果的模式，如麥肯錫公司提供市場分析、性能基準測試和定制研究，以幫助能源公司做出戰略投資、交易和操作等關鍵決策。供應商模式與服務商模式的區別在于是否對數據進行足夠的加工處理;供應是一種被動的客戶需求滿足過程，而服務則是一種主動的經營行為。三種模式反映了大數據應用從內到外，從簡單到復雜，從被動到主動的發展邏輯。

　　多種盈利模式

　　與互聯網企業相對成熟和精致的盈利模式相比，大數據交易或產業的盈利模式目前正在探索之中。目前大數據企業主要有四種收益或盈利方式：第一，會員費，指用戶在平臺注冊交納的費用。第二，交易傭金，指平臺提供中介服務收取的流水。第三，數據產品銷售收入，指平臺直接銷售大數據產品的收入;企業基于自身的海量、高價值數據對外提供服務，如阿里巴巴的金融行業數據分析應用，中國民航的“航旅縱橫”提供航班信息服務，電信運營商提供的精準營銷服務等。第四，增值服務費，指平臺提供數據處理工具或技術、數據應用方案收取的費用。貴陽大數據交易所2016年取消交易傭金，改為收取增值服務費，這種收費機制有利于擴大數據交易規模。

　　根據《2017中國大數據產業發展白皮書》對2016年大數據交易盈利模式調查的結果，在大數據交易盈利的業務構成中，提供數據采集和預處理等増值服務占35.8%，直接銷售數據產品占29.9%，提供第三方平臺撮合交易并收取傭金占20.9%，淘寶模式收取會員費分享流水占9.0%，其他模式占4.5%。數據商品目前主要還是采用傳統的盈利模式，但是，數據商品可以而且應該采用互聯網交易模式和互聯網盈利模式。

　　兩個前提：隱私保護和產權保護

　　大數據交易如果沒有個人參與，商業大數據、政府大數據所能交易的數據量會大幅度降低。個人大數據交易蘊含著豐富的商業價值，但是，涉及個人信息的交易往往會涉及個人隱私。因此，大數據交易首要前提是數據隱私保護。目前大數據交易中使用了許多隱私保護技術，數據脫敏是保護個人隱私的一種方法，其核心技術就是匿名化技術。除了使用隱私保護技術外，還要建立隱私保護制度。大數據交易平臺對數據源都建立了交易審核制度，只有審核通過的數據產品才能夠交易。

　　第二個前提是產權保護。與一般商品的產權相比，大數據的產權非常復雜。影響大數據產權歸屬有三個因素：大數據的來源、權利主體對生成大數據產品的貢獻度和相關義務。以商業大數據為例，大數據來源方、采集方、預處理方、分析方、買方、使用反饋方、最終處置方對數據產品的所有權、使用權、支配權、收益權的享有程度是不同的，而且隨時變化。

　　如上所述，由于交易平臺對數據產品的預處理和分析，大數據產權在買方、賣方和交易平臺之間的配置是分離和動態的。交易平臺等相關利益主體對數據處理的參與越多，參與程度越深，就越能獲得更大比例和更多的產權。目前我國還缺乏數據產權界定的法律法規，雖然民法總則第127條規定了數據保護的基本原則，有些數據產權可能通過著作權法，商業秘密，方法專利和軟件著作權予以確認和保護，但是，基于數據交易的產權界定更加復雜多樣，現有的制度無法滿足需要。實際數據交易過程中，許多企業在平等互利等基本經濟原則的基礎上進行了積極的探討，如貴陽大數據交易所首創的大數據登記確權結算服務，將數據作為實際資產如房產、股票一樣，通過數據平臺，嘗試登記數據所有權，然后對數據的使用權、使用權等進行公開競價，以實現數據的登記確權及變現。(未完待續)

　　本文刊載于《中國電力企業管理》2020年02期，作者葉澤供職于長沙理工大學，梁朝儀、雷振華供職于國網湖南省電力公司經濟技術研究院，謝東林供職于國網湖南省電力公司