数据中介的多元模式探析

doi:10.11959/j.issn.2096-0271.2022068

摘要/Abstract

摘要：

数据中介有望成为促进数据流通的中坚力量，通过多样化的创新实践，助力数据要素市场的建设。介绍了多种类型的数据中介，不同的数据中介着重解决不同的实践难题，比如数据交易平台着重解决供需双方的信息不对称问题，Plaid等开放银行服务商着重解决数据标准和数据接口的统一转换问题，数据信托可以优化“授权同意”这一个人信息分享路径。建议坚持问题导向原则，根据场景需要，积极探索、创新多元化的数据中介形式，建设良好可信的数据生态，充分释放数据要素的价值。

关键词: 数据中介, 多元模式, 数据生态

Abstract:

Data intermediaries are expected to become the backbone of promoting data circulation through diversified innovative practices.Various patterns of data intermediaries were introduced.Different data intermediaries focus on solving different practical problems.For example, the data transaction platform focused on solving the information asymmetry between the supply and demand sides, open banking service providers such as Plaid focused on the unified conversion of data standards and data interfaces, and data trust could optimize the personal information sharing the path of authorization and consent.It was suggested to adhere to the problem orientation, actively explore and innovate diversified data intermediary patterns according to the needs of the scenario, build a healthy and reliable data ecosystem, and fully release the value of data.

Key words: data intermediary, various pattern, data ecosystem

中图分类号:

李振华, 王同益. 数据中介的多元模式探析[J]. 大数据, 2022, 8(4): 94-104.

Zhenhua LI, Tongyi WANG. Analysis on various patterns of data intermediary[J]. Big Data Research, 2022, 8(4): 94-104.

图/表 7

表1

数据中介的潜在角色和价值"

问题	问题描述	数据中介潜在角色
动力：缺少分享数据的激励	数据提供者无法从数据分享中获得回报或者回报低于成本，因而没有足够的动力来分享或提供对其数据的访问	运行“共建共享”模式，某个组织只有贡献了数据才能访问更大的数据集；帮助个人更好地实现信息携带权；凭借对需求端的渠道和洞察优势，帮助数据提供方提高数据交换价值
顾虑：商业、道德和声誉风险	数据提供者担心数据使用者对己方商业竞争优势产生威胁，或者数据使用者滥用数据，对己方社会形象产生负面影响，从而不愿意对外分享数据	向数据主体和数据提供者保证，数据只能被经过认可的个人/组织访问并用于特定目的
顾虑：法律和监管风险	可能违反个人信息保护、知识产权保护或监管要求的风险和担忧也会阻碍数据的分享	提供法律专业知识、技术解决方案（比如可信隐私计算）、通用数据标准（比如个人信息的去标识化和匿名化技术标准），以促进合法合规的数据分享
渠道：缺乏关于数据可用性或价值的信息	数据提供者可能对其数据的潜在用途缺乏足够的了解，而数据使用者则对有哪些数据可用以及如何获取缺乏足够的了解	通过相关信息的汇聚，数据使用者能够更轻松地发现特定数据集和更容易定价，数据提供商能够让他们的数据产生价值
成本：数据访问/分享的成本过高	由于利益基础、技术设施和标准缺乏或者规模效应不足，成本（谈判成本、对接成本、技术成本等）可能过高	通过API开放平台等技术搭建不同数据源的互联互通网络，有效降低数据传输成本；通过专业化分工，形成规模效应
公共性：数据公共价值发挥不够	数据访问/分享可能带来经济和社会等公共效益	为了公共利益研究，搭建受信任的研究环境，提供对敏感数据的安全访问

表1

表2

表3

美国九大数据经纪商基本情况"

机构名称	基本情况
Corelogic	包含超过10亿条历史交易数据、超过3亿条抵押贷款申请信息，面向不动产抵押贷款机构、保险机构、房产税务等机构提供服务，客户数超过100万个，涵盖99%以上美国住宅和商业地产。2020年营业收入为16.4亿美元，同比增长14%，盈利3.3亿美元
LiveRamp（2018年前名为Acxiom）	数据库涵盖全球7亿个人，包括涉及大部分美国用户的3 000个数据段，为市场营销提供用户数据和分析服务。2020年营业收入为4.43亿美元，2019年和2020年平均增长24.5%，净亏损9 030万美元
Datalogix	涵盖大部分美国家庭、涉及金额1万亿美元以上的用户交易信息，为营销者提供有意义的见解，提高广告的有效性和可衡量性，也提供预测性分析和集成媒体解决方案
eBureau	最早只是分析某人是否可能成为潜在的优质客户或者某笔交易是否存在商业欺诈，后来发展为向其客户提供数以亿计的用户消费记录，向营销商、金融公司、在线零售商以及其他商业主体提供预测评级和数据分析服务（于2017年被TransUnion收购）
ID Analytics	主要提供以身份认证、交易欺诈检测和认证为目的的数据分析服务（于2020年被LexisNexis Risk Solutions以3.75亿美元收购）
Intelius	向商业机构和客户提供背景调查和公开记录信息，其数据库包含200亿条以上的公开记录信息（会员制，每月会费为19.95美元）
PeekYou	能够分析60家社交媒体网站、新闻来源、网站主页、博客平台内容，帮助查找朋友、亲戚和同事信息
Rapleaf	提供80%的美国电子邮件地址的数据，使营销人员能非常容易地了解他们的客户及其联系方式；帮助品牌细分用户并做个性化推荐，提高客户服务体验（于2013年被TowerData收购）
Recorded Future	通过互联网捕捉用户和企业的各类历史数据，利用该类历史数据分析用户和企业的未来行为轨迹，为企业提供情报，进行品牌维护、风险管理和安全保障

表3

图1

图2

表4

表5

参考文献 6

[1]	MARTENS B , STREEL A D , GRAEF I ,et al. Business-to-business data sharing:an economic and legal analysis[R]. 2020.
[2]	O’DONNELL F , GHANI R . Matchmakers of the data world:how “data intermediaries”can bring decision makers and data together to help combat COVID-19[R]. 2020.
[3]	Organisation for Economic Cooperation and Development. Enhancing access to and sharing of data:reconciling risks and benefits for data re-use across societies[R]. 2019.
[4]	黄丽华, 窦一凡, 郭梦珂 ,等. 数据流通市场中数据产品的特性及其交易模式[J]. 大数据, 2022,8(3): 3-14.
	HUANG L H , DOU Y F , GUO M K ,et al. Features and transaction modes of data products in data markets[J]. Big Data Research, 2022,8(3): 3-14.
[5]	RAMIREZ E , BRILL J , OHLHAUSEN M K ,et al. Data brokers:a call for transparency and accountability[R]. 2014.
[6]	The Centre for Data Ethics and Innovation. Unlocking the value of data:exploring the role of data intermediaries[R]. 2021.

基本情况	具体信息
成立时间	2015年4月
所有制	政府指导、社会参与、市场化运作（成立时的股东包括贵州阳光产权交易所、九次方财富资讯（北京）、郑州市迅捷贸易、北京亚信数据等，2021年重组后由国有企业云上贵州大数据集团100%控股）
交易时间	24 h/天×365天
数据类型	30大类（金融、医疗、海关、能源、社交、法院、交通、通信、物流、气象、地理……），初期交易粗加工的原始数据，后改为交易定制化数据产品
定价模式	针对每一个数据品种设计自动计价公式，交易系统根据数据品种、时间跨度、数据深度、数据完整性、数据样本覆盖和数据时效性实时定价
成交机制	①买方根据挂牌价应约；②卖方选择买方应约价与其成交；③分拆成交
收费模式	①会员会费，5万元/年；②交易提成，10%
对数据提供方的要求	“宽进严管法”：进入门槛低（宽进），但对于违规或违法、数据造假、数据欺诈、数据来源不合法的供应商，有撤销其资格、将其加入交易所黑名单等处罚方式（严管）
对数据买方的要求	不允许个人参与购买，外资需要进行额外的资格审核

其本情况	具体内容
公司定位	利用API提供金融数据共享服务的B2B（business to business）金融科技企业，构建了连接消费者、传统金融机构和开发人员的技术基础架构API
覆盖地区	2012年成立于美国旧金山，目前已覆盖美国、加拿大、英国、法国、西班牙、爱尔兰、荷兰、德国
员工数	1 000余个
用户数	12 000余个金融机构，5 500余个金融科技企业，链接超过2亿个消费者账户
市场估值	134亿美元
总融资	7.34亿美元（2020年年底VISA欲以53亿美元收购，但迫于美国反垄断诉讼压力放弃）

数据中介	动力：缺少分享数据的激励	顾虑：商业、道德和声誉风险	顾虑：法律和监管风险	渠道：缺乏关于数据可用性或价值的信息	成本：数据访问/分享的成本过高	公共性：数据公共价值发挥不够
数据交易平台				√		√
数据经纪商				√	√	√
个人信息管理系统	√		√	√		√
数据信托	√		√		√	√
开放银行服务商	√	√			√	√
数据沙箱		√	√			√
数据共享平台	√	√			√	√
注：√表示该类数据中介能够缓解甚至解决这方面的问题。