如何化解数据共享难题
□中南财经政法大学数字经济研究院执行院长、教授盘和林 数据共享与流通越来越成为数字经济发展的焦点问题。在今年的世界互联网大会乌镇峰会上,多位专家分享了对该话题的看法。有专家认为,数据的管理和使用权限不清,导致数据共享难,开放难,融合难的顽疾仍未去除。 数据究竟有没有所有权?有专家认为,数据没有所有权,真正的所有权是一物一权,而数据不是。正因为数据的这种特性,再加上单一数据并不具有价值、只有在共享和规模化中才能具有价值的特点,让数据确权变得非常的复杂与艰难。 数据确权关键在于所有权和使用权的分离,问题是如何实现它。 对数字经济服务企业和产品企业来说,究竟需要的是具体的数据还是结果?数据量本身附带了一系列的隐私,对于消费者来说非常重要。 然而,对于企业来说,这些绝对量却并不会带来什么价值。在传统的数据脱敏中,这些敏感维度的绝对量都会被抹除,价值大打折扣,企业并不能对其进行利用。 那么,能不能有一种办法,把数据的绝对量保护起来,而企业可以得到相对量的结果呢? 隐私计算能解决这个问题。它是指在提供隐私保护的前提下,实现数据价值挖掘的技术体系。这种计算方式近几年有许多企业已经开始尝试,比如苹果曾经开发的差分隐私技术,在个人使用模式的小样本中注入数字噪音,在不影响个人隐私的情况下发掘用户使用模式,增强用户体验。 数据经济的基础是数据共享,而数据共享配合数据要素的高速凝聚会带来垄断、过度挖掘等一系列的问题,进而阻碍数据的进一步共享。企业在利润的驱动下进行扭曲性的算法,衍生出数据共享的壁垒。有人建议,应当引入第三方算法机构,来替代企业的算法部门,然而从经济学角度来说,该方式并不可行。 在政府部门中要实现激励相容,分配下级工作、决定下级工作、评价下级工作以及发放薪酬和惩罚的上级应当是同一上级。而在数字经济领域,第三方算法的目标是得出结果,并不会考虑数据的质量、结果的有效性以及可用性,这就会带来“数据投毒”的问题。 这样的分割还会导致责任与收益的割裂。第三方算法机构承担计算结果的责任,企业却拥有依靠结果获利的权利,当数据出现泄露时,责任认定也会存在争议。所以,算法和结果对应着责任和收益,两者不可分割,应当由同一主体来完成,但这个过程需要采用隐私算法等一系列的新兴技术,实现“数据不动价值动”“数据可用不可见”的效果。 一直以来,我们都在尝试为数字经济构建一个完善的契约体系,然而在现实社会中,不完全契约是常态,与其进一步争论数据确权的问题,不如在完善制度的过程中尝试绕开“产权桎梏”,让数据流通可以“柳暗花明又一村”。 |