數(shù)據(jù)資產(chǎn)的玄學(xué)、顯學(xué)

數(shù)據(jù)就是資產(chǎn)，這個(gè)道理在商業(yè)領(lǐng)域并不難懂。

比如國(guó)外有聚焦金融數(shù)據(jù)的彭博，國(guó)內(nèi)也有萬(wàn)德，早期靠著人工錄入、整理數(shù)據(jù)的方式，聚集了龐大的數(shù)據(jù)庫(kù)，成為投資公司的必備；而聚焦學(xué)術(shù)文獻(xiàn)等知識(shí)數(shù)據(jù)的知網(wǎng)，不僅舒舒服服賺差價(jià)，還能涉嫌壟斷被處罰。

但數(shù)據(jù)資產(chǎn)這個(gè)理念，在全社會(huì)得到認(rèn)可，也非一蹴而就，而是一波一波的普及、深化。

2011年，麥肯錫發(fā)布報(bào)告，認(rèn)為“大數(shù)據(jù)Big Data已成為當(dāng)今競(jìng)爭(zhēng)、創(chuàng)新、生產(chǎn)效率提升的關(guān)鍵基礎(chǔ)”。一時(shí)間，大數(shù)據(jù)，成為業(yè)內(nèi)熱點(diǎn)。數(shù)據(jù)，大家都懂；大，有什么區(qū)別？

聚焦大數(shù)據(jù)的創(chuàng)業(yè)公司紛紛成立，時(shí)任美國(guó)總統(tǒng)的奧巴馬也在2012年3月宣布了“大數(shù)據(jù)研究與發(fā)展先導(dǎo)計(jì)劃”，雖然投資額僅2億美元，但有評(píng)論認(rèn)為這和上世紀(jì)90年代的信息公路計(jì)劃相媲美。

而不管大的是什么，至少一個(gè)確定的趨勢(shì)是，數(shù)據(jù)資產(chǎn)，越來(lái)越值錢(qián)。

這股科技新風(fēng)也來(lái)到中國(guó)。本著“懂不懂先不說(shuō)，有新趨勢(shì)就先干”的大A，也漸漸熱鬧起來(lái)。比如擁有消費(fèi)者購(gòu)買(mǎi)記錄的百貨公司，雖然還處于電商取代線(xiàn)下的衰退趨勢(shì)中，但投資者還是興奮地給了“估值重構(gòu)”的機(jī)會(huì)，2013年7月份，也曾有過(guò)股價(jià)快速漲一倍的戰(zhàn)績(jī)。

而最“得勢(shì)”的當(dāng)屬銀之杰，公司通過(guò)收購(gòu)億美軟通，為企業(yè)向用戶(hù)發(fā)送短信，每年發(fā)送量超過(guò)100億條。每一條短信，在投資人眼里，都是金燦燦的“數(shù)據(jù)資產(chǎn)”。再疊加科技牛市buff，銀之杰受到投資者的狂熱追捧。從2012年底起，兩年半漲幅近100倍。一個(gè)字，絕。兩個(gè)字，瘋狂。

2015年4月，我國(guó)首家大數(shù)據(jù)交易所——貴陽(yáng)大數(shù)據(jù)交易所成立，對(duì)數(shù)據(jù)資產(chǎn)的探索，又邁出了關(guān)鍵一步。成立當(dāng)天就完成了第一筆數(shù)據(jù)交易，交易所管理層也雄心勃勃，提出在3～5年內(nèi)將日交易額推到100億元的規(guī)模。

蜂擁而至的故事，結(jié)局似乎都差不多。2016年，Gartner在報(bào)告中警告：許多公司正打算削減大數(shù)據(jù)項(xiàng)目投入。

百貨行業(yè)沒(méi)有避開(kāi)電商的沖擊，業(yè)績(jī)也沒(méi)有被數(shù)據(jù)資產(chǎn)改善；而短信等數(shù)據(jù)，也讓投資人清醒，有的數(shù)據(jù)是資產(chǎn)，有的只是01代碼，或者只是投資人情緒的載體。而在大數(shù)據(jù)領(lǐng)域創(chuàng)業(yè)的公司，也有一些融了FGH輪之后，不得不賣(mài)服務(wù)器來(lái)改善現(xiàn)金流。而貴陽(yáng)大數(shù)據(jù)中心也在2022年8月，才實(shí)現(xiàn)了數(shù)據(jù)交易規(guī)模突破1億元。

然而，也正如Gartner公司經(jīng)典的科技發(fā)展曲線(xiàn)一樣，技術(shù)發(fā)展不是一帆風(fēng)順，數(shù)據(jù)的資產(chǎn)重塑，也必經(jīng)歷曲折。基于龐大數(shù)據(jù)的算法，正成為許多公司業(yè)務(wù)提升的訣竅，例如在短視頻、在自動(dòng)駕駛。而數(shù)據(jù)交易所的數(shù)量擴(kuò)展到了30多家。

數(shù)據(jù)資產(chǎn)，似乎是“玄學(xué)的顯學(xué)”，顯而易見(jiàn)的是，數(shù)據(jù)很重要、數(shù)據(jù)很好用、數(shù)據(jù)很值錢(qián)；而玄之又玄的是，數(shù)據(jù)如何成為資產(chǎn)？如何成為可交易的資產(chǎn)？如何成為產(chǎn)生更大收益的資產(chǎn)？要回答這些問(wèn)題，并不容易。

蘋(píng)果“關(guān)門(mén)”：數(shù)據(jù)屬于誰(shuí)

2020年，蘋(píng)果公司內(nèi)部發(fā)生了一場(chǎng)激烈爭(zhēng)論，話(huà)題是“是否限制對(duì)iPhone用戶(hù)廣告追蹤”。負(fù)責(zé)技術(shù)開(kāi)發(fā)的一方，希望加大對(duì)用戶(hù)隱私的保護(hù)；而負(fù)責(zé)廣告、營(yíng)銷(xiāo)業(yè)務(wù)的一方則認(rèn)為，開(kāi)發(fā)人員需要通過(guò)廣告來(lái)盈利，這個(gè)限制會(huì)引起合作伙伴的反對(duì)。

最終，2021年4月，蘋(píng)果推出了折中方案，應(yīng)用開(kāi)發(fā)者必須事先詢(xún)問(wèn)用戶(hù)，是否同意在線(xiàn)活動(dòng)被其他網(wǎng)站和應(yīng)用跟蹤。

雖然是折中方案，但對(duì)于廣告主們而言，仍然是“晴天霹靂”。畢竟，這個(gè)提問(wèn)，就等同于問(wèn)“把你家打開(kāi)讓陌生人進(jìn)去怎么樣”。用戶(hù)顯然基本上不會(huì)同意。

用戶(hù)的拒絕，就是廣告主的損失。比如有研究認(rèn)為，F(xiàn)acebook、Twitter等幾家公司，就因?yàn)樘O(píng)果新方案而在2021年下半年損失了近100億美元廣告收入。而與之對(duì)應(yīng)，2021年11月蘋(píng)果公司財(cái)報(bào)顯示，廣告業(yè)務(wù)，創(chuàng)下季度新高。

廣告公司指責(zé)蘋(píng)果這個(gè)做法帶來(lái)“破壞性”，甚至“別有動(dòng)機(jī)”。但卻絲毫沒(méi)有辦法，畢竟，用戶(hù)的數(shù)據(jù)都在手機(jī)上。

蘋(píng)果和廣告主的“沖突”，并不是個(gè)例。國(guó)內(nèi)手機(jī)商華為也和應(yīng)用開(kāi)發(fā)商騰訊，關(guān)于數(shù)據(jù)有過(guò)爭(zhēng)議。華為智慧助手可以根據(jù)微信聊天內(nèi)容來(lái)提供個(gè)性化內(nèi)容服務(wù)，比如提供差旅信息，就有天氣、車(chē)票等推薦；聊到看電影，就有電影、買(mǎi)票渠道等推薦。而騰訊則認(rèn)為這個(gè)做法侵權(quán)了騰訊的數(shù)據(jù)、用戶(hù)的隱私。

類(lèi)似的糾紛還有順豐和菜鳥(niǎo)、微博和今日頭條等等。在公司激烈爭(zhēng)吵之外，產(chǎn)生數(shù)據(jù)的用戶(hù)，似乎是真正的所有者，通常情況下只能默默無(wú)聲。而這些狀況，都指向了數(shù)據(jù)資產(chǎn)的核心問(wèn)題：確權(quán)。

用戶(hù)的數(shù)據(jù)所有權(quán)、平臺(tái)的數(shù)據(jù)所有權(quán)，如何界定？

不當(dāng)訪(fǎng)問(wèn)：該用數(shù)據(jù)做什么

一個(gè)不成文的行業(yè)慣例，是用戶(hù)的數(shù)據(jù)屬于用戶(hù)；但提供服務(wù)的平臺(tái)，可以通過(guò)用戶(hù)的授權(quán)（不點(diǎn)擊同意授權(quán)，就沒(méi)辦法使用應(yīng)用），對(duì)數(shù)據(jù)具有一定的使用權(quán)。通過(guò)對(duì)數(shù)據(jù)的分析、使用，提升整體效率、拿到雙贏自然是最好不過(guò)了。

一個(gè)經(jīng)典的案例，是沃爾瑪通過(guò)樣本數(shù)據(jù)得到結(jié)論，在尿不濕旁邊擺放啤酒，既提升了銷(xiāo)量，又節(jié)省了用戶(hù)選購(gòu)時(shí)間。而在地圖軟件上，通過(guò)分析終端用戶(hù)的數(shù)量、用戶(hù)的移動(dòng)速度，也可以對(duì)路況得到大致的分析，有助于用戶(hù)提前規(guī)劃路線(xiàn)、節(jié)省時(shí)間。

數(shù)據(jù)分析提升生活的案例，不勝枚舉。但不可否認(rèn)的是，算法的世界，也有信息繭房、大數(shù)據(jù)殺熟等等讓人擔(dān)憂(yōu)的事情。數(shù)據(jù)的使用，也有邊界。

最近，某互聯(lián)網(wǎng)公司的國(guó)際業(yè)務(wù)犯了個(gè)錯(cuò)誤，員工未經(jīng)用戶(hù)允許、且在非法律要求的情況下，查看了幾位用戶(hù)的數(shù)據(jù)。盡管幾位員工的目的和探尋公司機(jī)密信息泄露相關(guān)，但很不幸，這個(gè)行為依然引起了輿論的軒然大波，同時(shí)也會(huì)面臨監(jiān)管機(jī)構(gòu)的調(diào)查、甚至處罰。

我們目前的數(shù)據(jù)，大部分都是和個(gè)人相關(guān)，要變成資產(chǎn)，就必須先守好邊界。用戶(hù)期待的是，用我的數(shù)據(jù)，讓我更好；而不是利用我的數(shù)據(jù)，找到我的弱點(diǎn)，猛攻、謀利。

隱私計(jì)算：安全分析數(shù)據(jù)

汽車(chē)領(lǐng)域有過(guò)一場(chǎng)爭(zhēng)論，關(guān)于整車(chē)廠是否要丟掉自己的靈魂。

這個(gè)沖突在現(xiàn)實(shí)中很常見(jiàn)，擁有數(shù)據(jù)的公司，許多并不具備分析數(shù)據(jù)的能力，而如果把數(shù)據(jù)完全公開(kāi)給合作方，不僅涉及隱私、甚至還會(huì)丟掉靈魂。而另一方面，一家機(jī)構(gòu)的數(shù)據(jù)維度有限，要達(dá)到更好的效果，也難免會(huì)涉及多方數(shù)據(jù)共享。

如何讓數(shù)據(jù)合規(guī)、安全得到處理？所謂，原始數(shù)據(jù)不出域、數(shù)據(jù)可用不可見(jiàn)。這就需要用到“隱私計(jì)算”。

隱私計(jì)算，也是前幾年的創(chuàng)業(yè)熱潮。剛需性毋庸置疑，但在從概念驗(yàn)證走向商業(yè)落地過(guò)程中，存在的瓶頸也是顯而易見(jiàn)：技術(shù)路線(xiàn)差異大、派系眾多、理論復(fù)雜晦澀。比如在技術(shù)體系方面，就有：

姚期智教授在1982年提出的“多方安全計(jì)算”；可追溯到1996年的、谷歌也在大力使用的“聯(lián)邦學(xué)習(xí)”；Intel等芯片公司推動(dòng)的由軟硬件方法構(gòu)建安全區(qū)域的“可信執(zhí)行環(huán)境”；以及包括差分隱私、圖聯(lián)邦等在內(nèi)的其他技術(shù)等。

而所有的技術(shù)路線(xiàn)，也都有一些共性瓶頸。專(zhuān)注于隱私計(jì)算領(lǐng)域的上海富數(shù)科技，在和遠(yuǎn)川科技的產(chǎn)業(yè)交流中強(qiáng)調(diào)，本身用來(lái)解決安全合規(guī)問(wèn)題的隱私計(jì)算，卻也存在多個(gè)“安全黑盒”：

算法協(xié)議存在“安全黑盒”。雖然隱私計(jì)算的理論基礎(chǔ)是公開(kāi)、被廣泛認(rèn)可的學(xué)術(shù)研究成果，但在實(shí)際應(yīng)用中，為了滿(mǎn)足商業(yè)環(huán)境需求，也會(huì)自行改造算法協(xié)議，而這部分修改對(duì)客戶(hù)是不透明的，也缺少?lài)?yán)謹(jǐn)性，但卻存在安全基礎(chǔ)坍塌的風(fēng)險(xiǎn)。

這就有點(diǎn)類(lèi)似于祖?zhèn)髅胤剑苍S好用，但也不知道為什么，總還是有點(diǎn)擔(dān)憂(yōu)。

算法代碼存在“安全黑盒”。算法代碼容易被惡意修改，無(wú)法與算法協(xié)議保持一致性，從而也破壞了算法原本的安全性和正確性。

數(shù)據(jù)交互存在“安全黑盒”。原始數(shù)據(jù)一般會(huì)先經(jīng)過(guò)本地計(jì)算和加密處理，產(chǎn)生中間數(shù)據(jù)，然后再用中間數(shù)據(jù)和合作方進(jìn)行交互。但，中間數(shù)據(jù)的準(zhǔn)確性無(wú)法驗(yàn)證。這不禁令人想到一幕幕鬼才的翻譯橋段，中間人如果不靠譜，做啥都是干瞪眼。

應(yīng)用流程存在“安全黑盒”。單個(gè)算法可能滿(mǎn)足安全要求，但是多個(gè)算法流程的組合，是否安全，就存在不確定性。這也好理解，概率論告訴過(guò)我們，多個(gè)非100%的準(zhǔn)確率疊加后，同時(shí)都正確的概率就會(huì)大幅降低；而且，組合也會(huì)提高復(fù)雜度。

隱私計(jì)算的審計(jì)監(jiān)管存在“安全黑盒”。隱私計(jì)算產(chǎn)品中的算法、數(shù)據(jù)安全性和一致性難以驗(yàn)證評(píng)估，因此審計(jì)監(jiān)管只能依賴(lài)人工審查和理論證明。而如果采用“自證清白”的方式，不僅流程繁復(fù)、效率低下，而且靜態(tài)的驗(yàn)證也難以檢測(cè)真實(shí)應(yīng)用情況。

困難重重。但解決方案也在推進(jìn)，比如通過(guò)數(shù)據(jù)洞察、通信透析、日志開(kāi)箱、代碼審計(jì)、全鏈路可視化等方式，可以有效緩解黑盒瓶頸。

隱私計(jì)算的應(yīng)用，會(huì)逐步打破數(shù)據(jù)孤島，將數(shù)據(jù)資產(chǎn)連接起來(lái)，實(shí)現(xiàn)真正的數(shù)字社會(huì)；但隱私計(jì)算的發(fā)展，也并不是安全公司一家的事兒，對(duì)算力、通信網(wǎng)絡(luò)傳輸性能都提出了巨大需求和挑戰(zhàn)。

黑客勒索：數(shù)據(jù)資產(chǎn)如何估值

前段時(shí)間，蔚來(lái)公司遭遇到了黑客勒索，要求支付225萬(wàn)美元等額比特幣(約合1570.5萬(wàn)元人民幣)以換取盜竊的數(shù)據(jù)不泄露。遭到蔚來(lái)拒絕后，黑客進(jìn)行了公開(kāi)定價(jià)出售，比如2.28萬(wàn)條內(nèi)部員工數(shù)據(jù)值0.15比特幣、39.9萬(wàn)條車(chē)主ID數(shù)據(jù)值0.25比特幣等等。

雖然黑客對(duì)數(shù)據(jù)進(jìn)行了明碼標(biāo)價(jià)，但實(shí)際上，對(duì)數(shù)據(jù)資產(chǎn)，進(jìn)行估值定價(jià)并不是一件容易的事。

目前海外國(guó)內(nèi)都未對(duì)數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估形成體系化的框架理論。上海數(shù)據(jù)交易所和普華永道聯(lián)合發(fā)布的《數(shù)據(jù)要素視角下的數(shù)據(jù)資產(chǎn)化研究報(bào)告》中顯示，處在研究中的方法包括：成本途徑、收益途徑、市場(chǎng)途徑。

成本途徑，即以年均歷史開(kāi)發(fā)成本、持續(xù)運(yùn)營(yíng)成本為基礎(chǔ)，結(jié)合數(shù)據(jù)有效使用年限、使用率、質(zhì)量等要素，計(jì)算出數(shù)據(jù)資產(chǎn)價(jià)值。這個(gè)方式的前提要求有歷史成本可計(jì)量。

收益途徑，即以新的使用場(chǎng)景產(chǎn)生的年均增量收益為基礎(chǔ)來(lái)評(píng)估。這個(gè)方式的前提要求具備買(mǎi)方場(chǎng)景的效用評(píng)價(jià)體系。

市場(chǎng)途徑，即市場(chǎng)說(shuō)了算，愿意支付多少就是多少。而這個(gè)方式的前提是，具備良好的流通市場(chǎng)。也就是，得有活躍市場(chǎng)、才能定價(jià)。這就有點(diǎn)像套娃，好的流通需要有好的定價(jià)體系，而有效的市場(chǎng)定價(jià)，則需要好的流通市場(chǎng)。

在農(nóng)業(yè)中，有一句話(huà)，資產(chǎn)千萬(wàn)，帶毛不算。這是說(shuō)牲畜容易因傳染病而遭到巨大損失，不容易估值。而數(shù)據(jù)資產(chǎn)的估值，且先不說(shuō)數(shù)據(jù)真?zhèn)闻袛啵瑔握f(shuō)評(píng)估難度，也不亞于“帶毛的”。但估值，又是數(shù)據(jù)成為資產(chǎn)，必不可缺的一環(huán)。

也許可以借鑒的，是股票市場(chǎng)，從90年代開(kāi)始，關(guān)于新股定價(jià)多番探索。而數(shù)據(jù)資產(chǎn)，作為更加非標(biāo)準(zhǔn)化的產(chǎn)品，摸索路徑難免也會(huì)更加曲折。

尾聲

每個(gè)時(shí)代，都有其對(duì)應(yīng)的核心資產(chǎn)要素。

農(nóng)業(yè)經(jīng)濟(jì)時(shí)代，農(nóng)業(yè)技術(shù)是第一生產(chǎn)力，土地、勞動(dòng)力、農(nóng)耕工具是核心生產(chǎn)要素；工業(yè)經(jīng)濟(jì)時(shí)代，蒸汽、電力技術(shù)是第一生產(chǎn)力，能源、設(shè)備、資本，也成為核心要素。

而在當(dāng)下數(shù)字經(jīng)濟(jì)時(shí)代，數(shù)字技術(shù)成為第一生產(chǎn)力，數(shù)據(jù)資產(chǎn)，也已經(jīng)和土地、勞動(dòng)力、資本、技術(shù)等并列成為生產(chǎn)要素。

數(shù)據(jù)不僅只有個(gè)人數(shù)據(jù)，企業(yè)數(shù)據(jù)、公共數(shù)據(jù)，都是可以挖掘的資產(chǎn)。數(shù)據(jù)資產(chǎn)的時(shí)代趨勢(shì)是清晰，但路徑卻充滿(mǎn)挑戰(zhàn)：搜集、確權(quán)、加工、分析、定價(jià)、使用、監(jiān)管，多個(gè)環(huán)節(jié)、多種困難。正視困難，是成功的開(kāi)始。

而時(shí)代機(jī)遇，也恰恰存在于解決時(shí)代難題的過(guò)程中。

注：本文“隱私計(jì)算”部分，得到上海富數(shù)科技的產(chǎn)業(yè)指導(dǎo)。富數(shù)科技成立于2016年，是隱私計(jì)算互聯(lián)互通首個(gè)國(guó)家標(biāo)準(zhǔn)的牽頭單位，也是上海數(shù)據(jù)交易所的首批全球簽約數(shù)商。