大資料值錢嗎
圖片來源@視覺中國
鈦媒體注：本文來源於微信公眾號遠川科技評論（ID：kechuangych），作者 | 董指導，鈦媒體經授權釋出。
資料就是資產，這個道理在商業領域並不難懂。
比如國外有聚焦金融資料的彭博，國內也有萬德，早期靠著人工錄入、整理資料的方式，聚集了龐大的資料庫，成為投資公司的必備；而聚焦學術文獻等知識資料的知網，不僅舒舒服服賺差價，還能涉嫌壟斷被處罰。
但資料資產這個理念，在全社會得到認可，也非一蹴而就，而是一波一波的普及、深化。
2011年，麥肯錫釋出報告，認為“大資料Big Data已成為當今競爭、創新、生產效率提升的關鍵基礎”。一時間，大資料，成為業內熱點。資料，大家都懂；大，有什麼區別？
聚焦大資料的創業公司紛紛成立，時任美國總統的奧巴馬也在2012年3月宣佈了“大資料研究與發展先導計劃”，雖然投資額僅2億美元，但有評論認為這和上世紀90年代的資訊公路計劃相媲美。
而不管大的是什麼，至少一個確定的趨勢是，資料資產，越來越值錢。
這股科技新風也來到中國。本著“懂不懂先不說，有新趨勢就先幹”的大A，也漸漸熱鬧起來。比如擁有消費者購買記錄的百貨公司，雖然還處於電商取代線下的衰退趨勢中，但投資者還是興奮地給了“估值重構”的機會，2013年7月份，也曾有過股價快速漲一倍的戰績。
而最“得勢”的當屬銀之傑，公司透過收購億美軟通，為企業向用戶傳送簡訊，每年傳送量超過100億條。每一條簡訊，在投資人眼裡，都是金燦燦的“資料資產”。再疊加科技牛市buff，銀之傑受到投資者的狂熱追捧。從2012年底起，兩年半漲幅近100倍。一個字，絕。兩個字，瘋狂。
2015年4月，我國首家大資料交易所——貴陽大資料交易所成立，對資料資產的探索，又邁出了關鍵一步。成立當天就完成了第一筆資料交易，交易所管理層也雄心勃勃，提出在3～5年內將日交易額推到100億元的規模。
蜂擁而至的故事，結局似乎都差不多。2016年，Gartner在報告中警告：許多公司正打算削減大資料專案投入。
百貨行業沒有避開電商的衝擊，業績也沒有被資料資產改善；而簡訊等資料，也讓投資人清醒，有的資料是資產，有的只是01程式碼，或者只是投資人情緒的載體。而在大資料領域創業的公司，也有一些融了FGH輪之後，不得不賣伺服器來改善現金流。而貴陽大資料中心也在2022年8月，才實現了資料交易規模突破1億元。
然而，也正如Gartner公司經典的科技發展曲線一樣，技術發展不是一帆風順，資料的資產重塑，也必經歷曲折。基於龐大資料的演算法，正成為許多公司業務提升的訣竅，例如在短影片、在自動駕駛。而資料交易所的數量擴充套件到了30多家。
資料資產，似乎是“玄學的顯學
”
，顯而易見的是，資料很重要、資料很好用、資料很值錢；而玄之又玄的是，資料如何成為資產？如何成為可交易的資產？如何成為產生更大收益的資產？要回答這些問題，並不容易。
蘋果“關門”：資料屬於誰
2020年，蘋果公司內部發生了一場激烈爭論，話題是“是否限制對iPhone使用者廣告追蹤”。負責技術開發的一方，希望加大對使用者隱私的保護；而負責廣告、營銷業務的一方則認為，開發人員需要透過廣告來盈利，這個限制會引起合作伙伴的反對。
最終，2021年4月，蘋果推出了折中方案，應用開發者必須事先詢問使用者，是否同意線上活動被其他網站和應用跟蹤。
雖然是折中方案，但對於廣告主們而言，仍然是“晴天霹靂”。畢竟，這個提問，就等同於問“把你家開啟讓陌生人進去怎麼樣”。使用者顯然基本上不會同意。
使用者的拒絕，就是廣告主的損失。比如有研究認為，Facebook、Twitter等幾家公司，就因為蘋果新方案而在2021年下半年損失了近100億美元廣告收入。而與之對應，2021年11月蘋果公司財報顯示，廣告業務，創下季度新高。
廣告公司指責蘋果這個做法帶來“破壞性”，甚至“別有動機”。但卻絲毫沒有辦法，畢竟，使用者的資料都在手機上。
蘋果和廣告主的“衝突”，並不是個例。國內手機商華為也和應用開發商騰訊，關於資料有過爭議。華為智慧助手可以根據微信聊天內容來提供個性化內容服務，比如提供差旅資訊，就有天氣、車票等推薦；聊到看電影，就有電影、買票渠道等推薦。而騰訊則認為這個做法侵權了騰訊的資料、使用者的隱私。
類似的糾紛還有順豐和菜鳥、微博和今日頭條等等。在公司激烈爭吵之外，產生資料的使用者，似乎是真正的所有者，通常情況下只能默默無聲。而這些狀況，都指向了資料資產的核心問題：確權。
使用者的資料所有權、平臺的資料所有權，如何界定？
蘋果“關門”：資料屬於誰
一個不成文的行業慣例，是使用者的資料屬於使用者；但提供服務的平臺，可以透過使用者的授權（不點選同意授權，就沒辦法使用應用），對資料具有一定的使用權。透過對資料的分析、使用，提升整體效率、拿到雙贏自然是最好不過了。
一個經典的案例，是沃爾瑪透過樣本資料得到結論，在尿不溼旁邊擺放啤酒，既提升了銷量，又節省了使用者選購時間。而在地圖軟體上，透過分析終端使用者的數量、使用者的移動速度，也可以對路況得到大致的分析，有助於使用者提前規劃路線、節省時間。
資料分析提升生活的案例，不勝列舉。但不可否認的是，演算法的世界，也有資訊繭房、大資料殺熟等等讓人擔憂的事情。資料的使用，也有邊界。
最近，某網際網路公司的國際業務犯了個錯誤，員工未經使用者允許、且在非法律要求的情況下，查看了幾位使用者的資料。儘管幾位員工的目的和探尋公司機密資訊洩露相關，但很不幸，這個行為依然引起了輿論的軒然大波，同時也會面臨監管機構的調查、甚至處罰。
我們目前的資料，大部分都是和個人相關，要變成資產，就必須先守好邊界。使用者期待的是，用我的資料，讓我更好；而不是利用我的資料，找到我的弱點，猛攻、謀利。
不當訪問：該用資料做什麼
汽車領域有過一場爭論，關於整車廠是否要丟掉自己的靈魂。
這個衝突在現實中很常見，擁有資料的公司，許多並不具備分析資料的能力，而如果把資料完全公開給合作方，不僅涉及隱私、甚至還會丟掉靈魂。而另一方面，一家機構的資料維度有限，要達到更好的效果，也難免會涉及多方資料共享。
如何讓資料合規、安全得到處理？所謂，原始資料不出域、資料可用不可見。這就需要用到“隱私計算”。
隱私計算，也是前幾年的創業熱潮。剛需性毋庸置疑，但在從概念驗證走向商業落地過程中，存在的瓶頸也是顯而易見：
不當訪問：該用資料做什麼
比如在技術體系方面，就有：
姚期智教授在1982年提出的“多方安全計算”；可追溯到1996年的、谷歌也在大力使用的“聯邦學習”；Intel等晶片公司推動的由軟硬體方法構建安全區域的“可信執行環境”；以及包括差分隱私、圖聯邦等在內的其他技術等。
而所有的技術路線，也都有一些共性瓶頸。專注於隱私計算領域的上海富數科技，在和遠川科技的產業交流中強調，本身用來解決安全合規問題的隱私計算，卻也存在多個“安全黑盒”：
隱私計算：安全分析資料
雖然隱私計算的理論基礎是公開、被廣泛認可的學術研究成果，但在實際應用中，為了滿足商業環境需求，也會自行改造演算法協議，而這部分修改對客戶是不透明的，也缺少嚴謹性，但卻存在安全基礎坍塌的風險。
這就有點類似於祖傳秘方，也許好用，但也不知道為什麼，總還是有點擔憂。
隱私計算：安全分析資料
演算法程式碼容易被惡意修改，無法與演算法協議保持一致性，從而也破壞了演算法原本的安全性和正確性。
技術路線差異大、派系眾多、理論複雜晦澀。
原始資料一般會先經過本地計算和加密處理，產生中間資料，然後再用中間資料和合作方進行互動。但，中間資料的準確性無法驗證。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，做啥都是乾瞪眼。
演算法協議存在“安全黑盒”。
單個演算法可能滿足安全要求，但是多個演算法流程的組合，是否安全，就存在不確定性。這也好理解，機率論告訴過我們，多個非100%的準確率疊加後，同時都正確的機率就會大幅降低；而且，組合也會提高複雜度。
演算法程式碼存在“安全黑盒”。
隱私計算產品中的演算法、資料安全性和一致性難以驗證評估，因此審計監管只能依賴人工審查和理論證明。而如果採用“自證清白”的方式，不僅流程繁複、效率低下，而且靜態的驗證也難以檢測真實應用情況。
困難重重。但解決方案也在推進，比如透過資料洞察、通訊透析、日誌開箱、程式碼審計、全鏈路視覺化等方式，可以有效緩解黑盒瓶頸。
隱私計算的應用，會逐步打破資料孤島，將資料資產連線起來，實現真正的數字社會；但隱私計算的發展，也並不是安全公司一家的事兒，對算力、通訊網路傳輸效能都提出了巨大需求和挑戰。
資料互動存在“安全黑盒”。
前段時間，蔚來公司遭遇到了駭客勒索，要求支付225萬美元等額比特幣（約合1570。5萬元人民幣）以換取盜竊的資料不洩露。遭到蔚來拒絕後，駭客進行了公開定價出售，比如2。28萬條內部員工資料值0。15比特幣、39。9萬條車主ID資料值0。25比特幣等等。
雖然駭客對資料進行了明碼標價，但實際上，對資料資產，進行估值定價並不是一件容易的事。
目前海外國內都未對資料資產價值評估形成體系化的框架理論。上海資料交易所和普華永道聯合釋出的《資料要素視角下的資料資產化研究報告》中顯示，處在研究中的方法包括：
應用流程存在“安全黑盒”。
。
成本途徑，即以年均歷史開發成本、持續運營成本為基礎，結合資料有效使用年限、使用率、質量等要素，計算出資料資產價值。這個方式的前提要求有歷史成本可計量。
收益途徑，即以新的使用場景產生的年均增量收益為基礎來評估。這個方式的前提要求具備買方場景的效用評價體系。
市場途徑，即市場說了算，願意支付多少就是多少。而這個方式的前提是，具備良好的流通市場。也就是，得有活躍市場、才能定價。這就有點像套娃，好的流通需要有好的定價體系，而有效的市場定價，則需要好的流通市場。
在農業中，有一句話，資產千萬，帶毛不算。這是說牲畜容易因傳染病而遭到巨大損失，不容易估值。而資料資產的估值，且先不說資料真偽判斷，單說評估難度，也不亞於“帶毛的”。但估值，又是資料成為資產，必不可缺的一環。
也許可以借鑑的，是股票市場，從90年代開始，關於新股定價多番探索。而資料資產，作為更加非標準化的產品，摸索路徑難免也會更加曲折。
隱私計算的審計監管存在“安全黑盒”。
駭客勒索：資料資產如何估值
每個時代，都有其對應的核心資產要素。
農業經濟時代，農業技術是第一生產力，土地、勞動力、農耕工具是核心生產要素；工業經濟時代，蒸汽、電力技術是第一生產力，能源、裝置、資本，也成為核心要素。
而在當下數字經濟時代，數字技術成為第一生產力，資料資產，也已經和土地、勞動力、資本、技術等並列成為生產要素。
資料不僅只有個人資料，企業資料、公共資料，都是可以挖掘的資產。資料資產的時代趨勢是清晰，但路徑卻充滿挑戰：蒐集、確權、加工、分析、定價、使用、監管，多個環節、多種困難。正視困難，是成功的開始。
而時代機遇，也恰恰存在於解決時代難題的過程中。