国外主要数据交易市场研究

时间：2023-03-30 07:10:01 | 来源：电子商务

时间：2023-03-30 07:10:01 来源：电子商务

1.市场规模分析

全球对数据的需求正在增加，2017年全球数据市场价值为189亿美元，预计能在2021年达到523亿美元，其中美国2021年数据交易市场规模能达到306亿美元（YoY+24.1%），中国规模可达73亿美元（YoY+32.3%），欧洲市场规模可达63亿美元（YoY+22.1%），英国市场可到31亿美元，前四大市场合计规模473亿美元，占据全球数据交易市场的90%以上。

资料来源：OnAudience(2020)

数据交易市场的发展，与数据经济的发展以及政策的发展密不可分，数据经济是市场规模增长的基石，完善的政策制度是市场能进行正常交易的保证。

数据经济的发展使得数据成为了新的生产要素：农业经济下，技术（A）、劳动力（L）、土地（T）构成生产要素；工业经济下，技术（A）、资本（K）、劳动力（L）、土地（T）构成生产要素；数据经济下，技术（A）、资本（K）、劳动力（L）、数据（D）、土地（T）构成生产要素。

资料来源：中国信通院 (2020)

由于疫情的影响，全球数据经济市场则在快速发展中，2020年主要47个国家的数据经济增加值规模达到32.6万亿美元，同比名义增长3.0%，占GDP比重43.7%，产业数字化仍是数据经济发展的主引擎，占数据经济比重为84.4%。其中，美国规模达到13.6亿美元，中国规模为5.4万亿美元，位居世界第二。

政策上，需要解决数据确权、交易双方权利等问题。欧盟最早进行体系性构建，通过《一般数据保护条例》（GDPR）和《非个人数据在欧盟境内自由流动框架条例》，确定了“个人数据”和“非个人数据”确权以及交易双方的权利的架构；美国虽然无针对数据保护的专门立法，但是其在其他政策也有规定，比如个人数据置于传统隐私权的架构下，并且在金融、医疗等领域也有专门的隐私立法，形成“部门立法+行业自律”的体制；中国则已逐渐完善相关制度，形成“网络安全法”、“数据安全法”、“个人信息保护法”三驾马车。

总的来说，美国依靠领先的技术优势，获得庞大的数据经济体量，并带动数据交易市场的发展；欧盟通过数据治理规则的领先探索也在不断完善数据经济和数据交易市场生态；中国近期在数据治理规则上面的动作，有望带动中国数据交易市场的进一步发展。

2.数据价值链分析

数据与技术专利、土地、劳动力等资产不同，很多时候是其他生产活动的附加产物，其本身是低价值甚至是没有价值的，需要通过一系列的转化变成数据资产并应用到最终的商业模式中，发能够发挥数据的价值。一般来说，数据发挥其生产要素的功能需要经过4个步骤：数据收集、数据存储和管理、数据分析、数据应用。

数据收集：按照数据源分类，数据收集分为内部数据收集和外部数据收集两种方式，内部收集包括企业内部数据、应用运行数据（IoT或APP应用等）；外部数据收集包括数据供应方提供数据、网页爬虫数据、数据社区提供的数据。在这一阶段，数据的价值主要反映在购买/收集成本、数据量、数据真实性、数据完整性、数据稀缺性、合法性上，但一般来说数据收集往往伴随着其他生产活动，很难区分单独的收集成本。

数据存储和管理：数据收集起来后，经过简单的清洗以及聚合，便可存储在云端或者私有服务器上，这一阶段数据能产生的价值较少，影响数据价值的因素主要包括数据的持有成本、安全性和共享性。一般来说，数据在经过这两个阶段之后便可以在市场上销售，但是其价值是比较少的。

数据分析：原始数据经过清洗后，可对其进行分析以提取背后隐藏的信息或规律，最终形成数据产品或数据解决方案，如用户画像、算法模型等等。这个过程对企业或平台要求较高，需要有专门的数据分析师来进行。提取出来的信息越准确、可应用维度越多，则数据越具有价值。

数据应用：最后，数据通过应用到特定的商业模式上来发挥其相应的价值，如广告营销、金融投资、信用风险评估等等，这阶段数据的价值增加量在其应用效果、应用对象、及时性上。

数据价值的产生主要集中在后两个阶段，但是对企业的数据分析能力也有着较高的要求。因此，目前的数据交易平台主要以第三方平台为主（如BDEX、RapidAPI、Quandl），撮合交易双方进行原始数据的交易；但是随着数据交易市场的发展以及企业数据分析能力的提升，综合数据交易平台也在不断发展中（如Factual、Qlik Datamarket）。

3.数据来源（供应）分析

按照数据权属分类，数据可以分为个人信息数据和公共数据。政策的发展在完善交易制度的同时，也在制约着数据交易类型。因此，在个人信息数据交易方面美国市场更加开放，而欧洲市场较为谨慎；而在公共数据供应类型两者相差不大。

个人信息交易上，美国的Factual可交易个人用户画像数据和地理位置数据，根据用户画像数据和地理围栏数据，帮助广告商有针对性投放广告；如某目标用户（北京高消费女性）进入围栏（万达广场）时给其推送正确广告。此外，BDEX、Quandl均可交易个人兴趣爱好、家庭、经济情况等数据。而欧洲数据交易市场由于GDPR的限制，在个人信息交易上较为克制，只可交易工作单位、教育信息、一般健康数据等敏感度较低的个人数据。

公共数据交易上，两者相差不大，主要包括商业经济、人文、医疗、地理、环境、交通领域的数据交易。

资料来源：对多个平台的数据交易类型进行整理

4.需求方分析

数据经济的发展带动了数据需求的增长，涌现出多种data-driven的商业模式，如个性化内容推荐、个性化广告推荐等等。美国数据交易市场需求方有较多应用在广告营销、人群定位、价格设定等方面，欧洲对个人数据的利用较少，主要还是受到数据供应的限制。

资料来源：对多个平台的数据交易类型进行整理

广告营销的目的主要为获得准确的用户画像，进行广告营销、人群定位，获得更高的ROI，因此可以直接交易个人信息数据或者基于个人信息衍生的用户画像等产品。因此，数据量越大、数据真实性、数据完整性越高，价值越大。

信用评级的目的主要为了解用户经济情况，降低用户违约给企业带来的损失，因此可以交易个人信息来创造价值。数据的准确性越高，价值越大。

物流管理主要通过地理位置、公共交通的数据规划更加合理的供应链规划，节省运输成本。

产品制造则可以通过通过大数据分析改善制造流程和产品质量，可利用的数据包括产品信息数据、IoT数据等。

金融投资则通过及时了解分析金融市场变化来获得投资收益，数据及时性越高，产生的价值越大。

5.平台商业模式分析

数据价值链间接决定了平台的商业模式，平台会从价值链低的环节往价值链高的环节发展。当前，商业模式主要分为第三方中介平台（C2C）、第三方中介平台（B2B）、综合平台（B2B）三种模式。

交易模式1：第三方中介平台（C2C）

首先，第三方数据拥有者可以将原始数据挂到数据交易市场上公开出售，数据需求方按照约定价格（买断数据/按小时计费、平台会员费）购买后，可以在数据交易平台上获得离线的数据包或者实时API，若最终成功交易，平台收取一定佣金后返还销售收入给第三方数据拥有者。这类型数据交易平台代表有RapidAPI（美国）、Streamr（瑞士）。

交易模式2：第三方中介平台（B2B）

数据拥有者通过与数据交易平台合作，先将数据提供给平台，平台经过整合后再将数据通过离线数据包或者实时API的方式出售给数据需求方。与第一种模式不同，该模式下数据拥有者并不直接接触数据需求方与之进行交易，而是通过数据交易平台进行，因此数据交易平台掌握着更大的话语权。此类交易平台代表有BDEX（美国）、DAWEX（法国）、CARUSO、Quandl。

交易模式3：综合平台（B2B）

该模式下数据拥有者和数据需求方依旧不会直接接触，而是通过数据交易平台进行最终撮合。不同的是，交易的产品不仅仅包括离线的数据包或者实时的API，还包括数据产品和数据综合解决方案的交易，可以直接应用到数据需求方的商业模型上，因此价值量更大。此类交易平台代表有Factual（美国）等。

从价值量上来说，综合平台（B2B）涉及到的价值链环节更多，因此也能产生更多的价值，其次是第三方中介平台（B2B），最后是第三方中介平台（C2C）。美国市场上，第三方、综合平台都有，而且也出现了专业领域平台，预计未来会往提供专业领域解决方案方向发展；而欧洲未来预计会由政府主导平台发展（H2020项目），发挥数据交易平台更大的价值以及政策治理的优势。

6.隐私保护技术

当前，普遍使用的隐私保护技术是哈希和加盐，但是大多只存在于B2B的平台交易中，并且一般是在数据从平台传输到数据需求方的过程进行加密；在C2C平台上以及数据供给方传输到平台的过程依旧会传输敏感数据。例如，BDEX从各方获得到带mobileID-to-email的字段，然后整合到一起之后再加密进行销售。

哈希加密：哈希算法是一个单向函数。它可以将任何大小的数据转化为定长的“指纹”，并且无法被反向计算。这样的特性使得它非常适合用于保存密码，因为加密后的密码难以被解密，同时还能保证正确校验每个用户的密码。

加盐：如果两个用户密码相同，那么他们密码的哈希值也是相同的。为解决这种情况，可以在密码中混入一段“随机”的字符串再进行哈希加密，这个被字符串被称作盐值

一般来说，由于欧洲市场对隐私和数据的保护更为严格，因此所涉及的保护技术还会包括多方安全计算、差分隐私等，美国市场主要平台在这方面做得则有所不足。

7.中国交易市场现状

从整体发展水平来看，我国大数据交易仍处于起步阶段，突出表现在以下几个方面：一是数据交易主要以单纯的原始数据“粗加工”交易为主，数据预处理、数据模型、数据金融衍生品等的内容的交易尚未大规模展开。二是数据供需不对称使得数据交易难以满足社会有效需求，数据成交率和成交额不高。三是数据交易过程中缺乏全国统一的规范体系和必要的法律保障，无法有效破解数据定价、数据确权等难题。

针对原始数据依旧停留在粗加工交易的问题，这是一个慢慢改善的过程。参考欧美数据交易市场，数据交易平台的完善会经历一个从第三方C2C平台到综合平台和专业领域单一交易平台的转化。

此外，随着中国三驾马车制度的落地，数据确权难题在慢慢解决，而对于数据定价依旧是一个黑盒子。

数据成交率和成交额不高的问题，会随着数据质量的改善以及制度的完善有所好转，此外，产业互联网和企业数字经济的转型也会迸发出新的需求。

8.启发

总的来说，我国数据交易市场在政策上会向欧洲数据交易市场看齐（如个人信息保护法在一定程度上借鉴了GDPR），在数据供应上严格把控数据交易类型和数据交易规则；在需求方市场上则与美国交易市场比较相近，双方的互联网企业、科技企业的商业模式相差不大，对于数据的需求、应用场景也较为相似。