大數據時代呼喚數據質量治理

◆尤建新 / 文

編者按

在9月18日舉行的第21屆工博會質量創新論壇上，上海市質量協會副會長、同濟大學經濟與管理學院尤建新教授以《大數據時代呼喚數據質量治理》為題發表演講，通過豐富生動的案例展示了大數據引發的市場生態巨變以及數據質量治理的重要性，進而指出當前數據質量治理體系存在的缺失，以及加強數據質量治理的迫切性。本文根據現場速記整理。

之所以討論數據質量這一話題，是因為現在已經進入到一個大數據時代。“大云平移碳AI”（大數據、云計算和云服務、平臺經濟、移動互聯網、低碳、人工智能）不僅帶來了市場生態的急劇改變，對人們的生活方式和行為也產生巨大影響，由此提出了新的挑戰。那么挑戰是什么呢？

比如說，現在有很多人在研究物聯網。事實上，物聯網早已存在，任何人只要拿著手機，無論跑到哪里都連接著互聯網。從這個角度講，我們每個人早已成為“物聯網”的移動端，成為大數據的“用戶”和“供應商”。

個人如此，企業也是如此，包括學校、政府等。那么，問題就來了，如何界定數據產品呢？大數據已經存在，數據在被估值、交換的過程中具備了產品的特征，但如何界定數據產品，到現在為止還沒有一個統一的標準解釋。如果對數據產品的概念不能統一認識，就會帶來一系列問題：如何為組織進行“數據賦能”？如何規避“大云平移碳AI”下新的風險？如何在“大云平移碳AI”下抓住發展的新機遇？面對這些問題，我們不得不認真審視大數據帶來的挑戰。

大數據的挑戰就在身邊

案例1：菜鳥與順豐。2017年6月1日，菜鳥與順豐雙方“基于用戶的信息安全”產生糾紛。6月2日在國家郵政局的協調下，菜鳥與順豐同意從6月3日12時起，全面恢復業務合作和數據傳輸。這一事件中雙方都繞開了數據話語權這一核心利益，強調保護顧客的數據和隱私，以至讓“用戶的信息安全”背鍋。實際爭奪的還是數據話語權，包括數據共享和數據駕馭。讓順豐放棄騰訊云而接入阿里云，這對順豐來說不僅是業務方面的考量，也帶來了控制權的風險。并且，互聯網商業下，真正具有核心競爭力的并非數據本身，而是駕馭數據的能力。誰具有了數據控制權，誰就有了話語權。這一過程涉及的領域很多，包括法律領域的問題。

案例2：騰訊和華為。兩家公司在2017年就用戶數據的使用發生了矛盾。騰訊指責華為“盜取”了微信的數據，而華為認為用戶的數據不專屬于微信，也不專屬于華為，屬于用戶自己，而華為在收集數據以服務用戶之前是經過用戶授權的。微信數據（如聊天記錄）理應屬于個人隱私，雖然部分聊天記錄會被保存在騰訊的服務器中，或由于應用軟件的作用被手機供應商獲取，但這些數據的所有權仍歸用戶個人所有，所以這些數據也并非騰訊的數據。但問題是，包括在座的各位嘉賓，你們能控制自己的用戶數據不被華為、蘋果或騰訊公司使用嗎？如何確保自己的權益得到充分保護呢？《中華人民共和國網絡安全法》規定，網絡產品、服務具有收集用戶信息功能的，其提供者應當向用戶明示并取得同意；涉及用戶個人信息的，還應當遵守本法和有關法律、行政法規關于個人信息保護的規定。進一步關注這方面問題的話，20年前歐盟就已經出臺關于數據隱私保護的規定，并且在兩年前又出臺《通用數據保護條例》來進一步規制企業行為，同時歐美之間也達成了《隱私盾協議》。

案例3：淘寶與美景。這兩家公司不正當競爭行為的案例，涉及的也是數據產品。與前面兩個案例的區別在于：這個案子，法院已經依法做出判決，而前面兩個案例都是通過政府部門（比如郵電總局、經信委）來協調、而非法律途徑解決的，這是因為面對大數據的眾多問題目前缺失了法律條款的支持，只能依賴政府協調。這也提醒我們，建立健全相關法律條款迫在眉睫。歐美在這方面已經有建設成果，值得我們學習借鑒。

案例4：HiQ和領英。這兩家關于數據的官司就我們一般認知而言，有悖于“常理”，值得借鑒。領英成立于2002年，領英允許用戶創建自己的社交檔案，和其他用戶建立聯系。領英用戶可以選擇向與它有直接聯系的人、所有領英用戶或向大眾公開其個人信息。HiQ 2012成立，根據領英公開發布的簡歷進行數據分析，然后向他們的客戶提供兩個產品：Keeper向雇主提供員工可能被挖走的信息；Skill Mapper向雇主提供員工所掌握的技能。HiQ的商業模式是全部建立在分析領英公開用戶數據基礎上的。2017年5月23日，領英向 HiQ發函，要求HiQ立刻停止沒有授權的數據抓取和其他侵害領英用戶協議的行為。法院同意了HiQ關于領英不公正地將職業網絡市場力傳導到其他市場的主張。法院認為，謝爾曼法禁止公司將壟斷力傳導以排除競爭或者獲得競爭優勢，從而損害競爭者權益。HiQ 提供證據證明了領英將開發一個數據分析產品與HiQ 產生直接競爭，顯示領英終止HiQ 準入領英數據的很大原因是希望排他性控制數據以促進自己的商業目的，HiQ面臨直接的威脅。在該案中，領英沒有對數據主張所有權，法官也沒有就“必要設施”原則展開討論。

此外，還有谷歌與雙擊、臉書與瓦茨普的收購案，也到牽扯到背后的大數據問題。在收購過程中，大數據作為重要的資產被低估了。在臉書收購案中，德國聯邦卡特爾局意識到臉書用戶數據和社交網絡服務市場之間存在交互影響，并于2017年出手對臉書濫用市場支配地位進行法律審查。

從這些案例中不難發現，大數據時代已經到來，市場生態正在發生巨變。中國在這方面遇到的案例比較少，對此的敏感性還不夠，理論和實踐方面都存在不少空白和差距。

市場生態發生巨變

市場生態的變化已經突顯數據治理體系的嚴重滯后，簡單歸納如下。

1.數據壟斷。數據市場已經呈現，數據資源的市場屬性引發了潛在的壟斷問題。當我們還沒有認識到數據本身也是一種產品、工具、資源或資產的時候，我們可能不會過多關注相關的解決方案，但現在我們逐步認識到這一點后，就要對此做好準備。比如，美國聯邦貿易委員會委員Pamela Jones Harbour認為，谷歌與雙擊的合并是兩家公司產品和服務以及用戶數據的合并，尤其合并后谷歌能夠壟斷數據，因此應特別審查數據合并對競爭者及用戶的影響，并建議應該在未來類似案例中界定一個推定的由數據組成的相關產品市場——數據市場。顯然，數據的市場屬性容易驅動市場集中和市場支配地位并對市場準入產生障礙。占有數據并能實施準入數據、利用工具和算法分析數據的企業掌握了競爭優勢，并排斥弱勢企業。

2.數據交易機制還不夠完善。數據業態的認知缺陷導致市場機制存在缺漏。首先，交易信息不通暢。對相關市場中誰擁有相關數據、數據所有權人存儲數據位置以及與數據所有權人交易成本等相關信息缺乏阻礙了數據準入。其次，拒絕交易和許可。簽訂數據排它性合同會以一種封鎖原材料的形式對數據準入造成障礙。第三，數據交易價格和交易條件不確定。缺乏數據所有權的制度安排、標準化缺漏、成本核算和市場價值估值不確定。

3.數據保護和隱私保護的法律缺失。當前，法律法規建設滯后于大數據的發展，因此在隱私保護和大數據發展之間找到平衡是當今法律法規和公共政策面臨的最大挑戰之一。企業利用市場支配地位降低隱私保護標準，那么隱私保護的削弱可能涉及濫用市場支配地位，應受反壟斷法的規制。換句話說，數據壟斷企業濫用其市場支配地位的表現之一就是弱化隱私保護。國內外學者就隱私對企業利用數據賦能競爭力以及合規成本的影響開展了探索和研究，認為企業對隱私保護不足會降低企業競爭力并構成違法（這一認知的前提是公司法、消費者權益保護法、數據保護法以及反壟斷法等有前瞻性的研究和完善）。

4.數據所有權不明晰。數據的交叉和復雜性混淆了所有權界限。剛才談到了用戶數據到底屬于誰，從法律界人士以及境外案例可以看到，數據屬于用戶是一致的認識。但是，實踐中怎么做到呢？目前還缺少有力的抓手。數據作為一種重要的資源和生產要素，其使用權、排他權和處置權等各種權利在個人、企業和政府等主體之間的不同配置將會對其使用效率產生很大的影響。數據所有權和傳統物權中的所有權是有區別的，所以也有人建議將數據“所有權”替換為數據“管理權”或具有排他效應的數據“控制權”。另外，數據主權是中國學者關注的一個重點，認為中國需要以“數據主權”為核心訴求，推動建立“共享共治、自有安全”的全球網絡新秩序，以取代美國單一霸權主導下的網絡空間秩序。

5.對數據資源的市場價值和交互效應的認知不足，研究嚴重滯后。數據壟斷已經開始挑戰市場生態的健康發展，并對數據質量構成嚴重威脅。由于數據壟斷者控制了數據，且數據質量缺乏嚴格的、權威性的統一標準，新的數據準入者對從數據壟斷者手中獲得的數據質量無法進行準確的測量和評估。如果政府對數據壟斷者要求強制共享數據，壟斷者可以通過清洗、加工以及傳輸障礙等來改變傳輸數據的質量，由此既滿足了政府的要求，又可以通過數據的瑕疵來打壓對手。這樣的話，就造成了不公平競爭，準入數據就失去意義。所以，構建數據質量治理體系是市場生態建設的一項艱巨任務，因為大數據具有動態性、實時性的特征，快速的變化提升了對數據質量測量和評估難度。

數據準入和數據質量研究

這是新時代新的課題，也是一個新的挑戰。大數據時代，數據質量的價值毋庸置疑，因而數據準入和數據質量管控已經日益成為相關企業的生命線。在大數據支持下，企業可以預測市場未來發展方向和動態，可以發現新的消費需求空間等。如果數據不充分或存在瑕疵，那么分析結果就會出現偏差，誤導投資和產品研發方向。

目前亟需關注并研究的數據準入和數據質量問題包括：數據準入的公平性問題，即壟斷與壟斷規制研究；數據質量的評判標準問題，大數據多數處于非結構化狀態，提升了標準化和質量管控（宏觀和微觀）難度。對于壟斷規制問題，已經開啟了一系列的研究，包括：

1.培育健康市場競爭生態：數據壟斷規制與數據共享機制研究。互聯網行業面臨的數據壟斷、數據交易機制不完善已成為數據準入主要障礙，提高了潛在市場進入者的準入壁壘，嚴重影響了市場有效競爭。特別是，互聯網數據寡頭跨界融合背景下，數據市場建設不足將成為數據賦能產業升級的關鍵障礙之一。

2.數據供需結構優化及保障：數據價值開發與數據主體隱私權利益協調機制研究。隨著互聯網數據寡頭殺熟、價格歧視等行為頻發，導致個人和國家對數據價值、數據安全以及隱私保護的認知趨于成熟，尤其是歐盟《通用數據保護條例》的生效將個人隱私保護在全球推到新高度之后，數據準入法律環境、數據準入法律成本和數據使用合規成本都出現了巨大改變，必須重新審視。

3.域外瓶頸和關鍵問題：數據準入國際合作機制研究。各國政府已充分意識到數據在國家創新發展和競爭力提升中的重要地位，紛紛構建了有助于本國企業發展的數據治理體系，強化數據主權以應對美國數據霸權的威脅。未來，數據資源和數據主權的博弈、對信息資源及其相關技術進行單邊控制以保護本土企業的發展將會成為各國政策制定的主要考量因素，包括數據傳輸國際合作機制的建設。其中，標準化水平和話語權對于競爭力影響極大。

4.法律法規與公共政策的策動與績效評價：制度性保障機制研究。數據，作為一個新時代的新概念，不僅扮演著資源和工具的角色，更代表著一個個人的私權、一個組織的產權乃至一個國家的主權。歐美等發達國家已經領先十年開始了相關的研究，在保護公民個人私權、維護公平公正的市場競爭以及保障本國企業權益方面有著豐富的經驗和成果。這方面的覺悟和制度性建設存在的差距，是我們在創新驅動和產業升級發展過程中面臨的最大風險，也是創新生態建設亟需彌補的短板。

關于數據質量，國外從20世紀90年代已經開啟這方面的研究。比如，以Richard Wang為首的MIT數據質量管理團隊在1996年將數據質量界定為數據的可用性，并建議對數據質量評估應依賴于數據消費者。美國國家統計局2001年對數據質量的界定提出了三個原則：數據是產品，對于消費者來說，既有成本，也有價值；作為產品，數據有質量，數據質量來自于數據生成的過程；數據質量有賴于不同因素，包括數據使用的目的、數據使用者，以及使用的時間和商業環境。顯然，歐美在這方面的探索已經有20多年歷史。

雖然對于數據質量仍然沒有一致的定義，但在界定其評判標準時正逐步趨向五個維度：可獲得性、可用性、可靠性、相關性、可陳述性。其中：可獲得性應該包含可準入性和時效性，即可以通過界面準時獲得和更新大數據；可用性是指數據的可信度，比如大數據來源是否可信；可靠性又分為大數據的準確性、一致性和完整性等；可陳述性是指大數據的可讀性和結構化，是否清晰可理解。在不同的商業環境下，評判數據質量的要素將有所不同。比如，對于社交媒介數據來說，時效性和準確性是最重要的質量特征。但是直接界定數據準確性是比較困難的，還要依賴于其他信息來評估原始數據。因此，可信性就成了一個重要的質量維度。但是社交媒介數據多數是非結構化的，于是一致性和完整性就很難適用于評估數據質量。

展望未來

一是在宏觀和微觀層面上都必須要管理創新。首先，大數據帶來了新的市場生態和不確定性，帶來了風險。規避或減少風險，并確保市場生態的健康發展和數據質量，就需要管理創新。其次，互聯網、大數據打破了原有的產業邊界，拓寬了企業發展的空間，同時也增加了市場發展的不確定性，加劇了管理的復雜性：企業出現組織和人力資源的結構性“再障”；政府出現知識斷片、法律和制度盲區；科研滯后于實踐，而且往往因數據價值和市場意識淡薄，一不小心成為踩陷阱的“當事人”。

二是要研究和構建數據質量治理體系，這是當務之急。在這方面，首先要學習和借鑒歐美發達國家的法律法規建設成果，持續健全市場生態，包括創新生態、競爭生態。其次要學習和借鑒歐美發達國家的理論與實踐經驗，逐步明晰數據質量概念，制訂數據質量標準。

構建數據質量治理體系的頂層設計和布局必須建立在充分研究的基礎上，因此積極推進大數據研究中的數據質量和數據質量治理體系研究，夯實數據市場基礎設施建設，是新時代的急迫需求，更是維護數據主權的責任擔當。

最后強調一點：大數據不是洪水猛獸，是資源，是數據質量治理體系的重要基礎，也是新市場基礎設施的重要構成。