电网企业大数据价值变现交易工作思路探讨

　　近年来，随着国家加快推进大数据产业和数字经济发展，各行各业都在积极开展数据价值挖掘与应用服务。2019年国家电网公司提出“三型两网，世界一流”战略目标，大力开展促进大数据产业发展的泛在电力物联网建设。与坚强智能电网直接促进电能销售可以通过现行电价机制补偿成本和获利收益不同,泛在电力物联网提高服务质量的功能需要建立新的成本回收和收益机制。

　　正是这样的背景下，电网企业积极探讨从内外部两个方面挖掘数据资源价值，开展电力大数据应用与交易，探讨电力大数据价值内部变现和外部交易的基本思路和具体方法。目前电网企业大数据价值变现交易正处在起步阶段，做好这项工作需要深入了解大数据变现的主要特征、识别大数据价值变现交易需要解决的主要问题，并把握企业大数据变现交易的主要对策。

准确把握大数据价值变现交易的主要特征

　　与一般商品包括电力交易及生产经营相比，大数据价值变现交易明显不同。正确认识和把握大数据价值变现的主要特征，是做好电网企业大数据价值变现交易的前提和基础。

　　数据商品功能与市场规模及其均衡状态的不确定性

　　大数据交易市场是一个新兴的，同时更重要的是一个市场规模与均衡状态都不确定的市场。一方面，知识经济和数字经济社会对数据的需求很大，近年来媒体认为2020年前后大数据交易额将达到万亿元规模，有专业人士甚至认为数据价值总有一天会超过土地价值;在这种情况下，大数据产品的供给小于需求，市场均衡状态表现出卖方市场特征。另一方面，数字经济时代刚开始出现，而且数据的价值受到处理技术、应用方式、市场时机等多种因素影响，买方对数据的真实价值缺乏切实感受，不能确定数据能够为自己带来多大利益，甚至不知道怎么利用数据;在这种情况下，有效需求又难以形成，市场均衡状态取决于买方，呈现买方市场的特点。

　　据《2019中国大数据产业发展白皮书》，2018年全国大数据产业产值4384.5亿元，比上年增长24%;其中大数据服务产值1317.3亿元,比上年增长36.6%。大数据服务是指依托大数据资源管理与分析的相关服务产业，包括数据交易服务、数据采集服务、数据应用服务、数据增值服务等。这个结果说明，大数据产值规模离万亿元还有很大差距。因此，有专业人士认为“大数据价值就如同在食品中加入的调味剂，是各行各业的‘味精’，大数据如果是‘味精’，就不能指望能做多大。”目前对大数据价值及其交易规模客观上存在两种相反的判断，这种判断自然也适用于电力大数据价值及其市场规模的估计

　　为什么会出现两种相反的判断?而且谨慎的判断来自于高层次专业人士，乐观判断则更多来自非专业人士，深层次的原因是数据商品功能的不确定性。与一般商品对买卖双方具有明确而客观功能或价值不同，如空调解决房间冷暖问题，数据商品对买卖双方的价值具有明显的主观性、时间性和可塑性。主观性指相同的数据对不同人具有完全不同的价值;时间性指相同数据在不同时间具有不同的价值;可塑性指相同的数据可以在不同程度上使用，自然也会产生不同的效果。正是数据商品的功能或价值的不确定性，导致了对这个产业及市场规模的认识的差异性。如果说对泛在电力物联网有争议，根源也在于此。

交易平台也是交易主体

　　一般市场交易只有买卖双方两个主体;即使通过交易所的交易，交易所不是市场主体，而只是交易中介。作为一种主要和成熟的数据交易方式，在基于交易平台的大数据交易中，交易主体构成及其相互关系实际上表现为三个交易主体，即买、卖双方和交易平台;交易平台可以是真实的买方或卖方交易主体。

　　交易平台在数据交易市场中的特殊功能是数据交易制度的一个特色。数据的价值在于挖掘、汇聚和融通;数据卖方提供的数据一般是原始的、单一的，需要交易平台进行专门的数据处理，甚至需要将其它卖方提供的数据融合后作为一个整体产品卖给有相应需求的买方。在这种情况下，交易平台不只是平台服务者和中间商，也是卖方或者买方。

　　不过，目前不同交易平台在除平台功能外作为市场主体功能的程度有所不同。如上海数据交易中心只提供交易渠道以及满足大数据交易的最低要求如完成数据脱敏，不存储卖方的数据产品，也不传输个人隐私数据。贵阳大数据交易所除提供数据脱敏和存储数据等功能外，还有进一步挖掘大数据价值的功能;交易所不做原始数据交易，只做经过清洗、脱敏、分析等流程后形成的大数据分析产品。这个特征影响电力交易平台的功能设计与战略选择。

　数据商品产权的不确定性

　　大数据交易对象主要有经过预处理的大数据产品和大数据分析产品两类。经过预处理的大数据产品是指对采集而来的原始大数据进行清洗、脱敏后形成的产品，预处理主要是为了解决数据的无序性和敏感性两个问题;大数据分析产品指对己预处理的大数据产品进行分析、建立数学模型、可视化处理等深度加工所得的大数据产品。

　　数据的预处理和分析技术应用不仅改变了数据产品本身，更重要的，也改变了数据产品的产权结构。原始数据所有者提供的数据可能存在拼写问题、打印错误、不合法值、空值、不一致值、简写、同一实体的多种表示、不遵循引用完整性等，这会使数据质量和价值大打折扣;不经过脱敏处理的数据直接交易甚至还会违反法律法规;同时，缺乏分析的数据产品的价值较小。包括交易平台在内的第三方进行对数据处理后，也在一定程度上拥有了对数据的部分产权或限制性产权，包括所有权、使用权、处置权和收益权。

　　目前我国还没有出台数据产权确认的法规，第三方参与的数据产权的界定和分配还缺乏政策依据，但是，实际数据交易市场中事实上已经建立在第三方获得部分数据产权的基础上。这个特征涉及到电网企业是否可以获得用户数据的产权这个根本问题。

产品交付以使用权为主

　　大数据交易流程与一般商品包括电力交易流程本质上相同，但是，在交易产品的支付方式上却有明显不同。按交付过程中产权转换的程度，一般商品交易完成后即完成产品全部产权的转换，正所谓“一手交钱，一手交货”;大数据产品的交付中有时是产品本身即全部产权的转换，有时只是部分产权如使用权的转换，而且大量的数据交易支付都只是使用权的转换，这种方式最好地体现大数据产品支付的特征。因为在大数据交易中，如果要求全部产权转换，就会产生数据资源的排它性，而排它性与数据资源共享的基本原则相矛盾。

　　体现这种产品交付特征的主要有数据包、应用程序编程接口和分析类产品三种方式。第一，数据包。数据包就是数据集。数据交易完成后，大数据交易平台将大数据产品打包，通过网络传输或者邮寄实体存储介质的方式将数据交付给客户。这种产品支付方式与一般商品包括电能交易基本上没有差异。第二，应用程序编程接口。既是一组用于构建应用软件的子程序定义、协议和工具，还是一组明确定义的各种软件组件之间的通信方法，也是一种标准化的数据输出端口，是最有典型意义的数据产品支付方式。贵阳大数据交易所的大部分数据产品通过应用程序编程接口交付，数据堂公司的数据商城以电商形式实现大数据资源在线共享交易，都属于这种支付方式。从商品交易中产权属性转变的角度看，这种支付方式中卖方支付给买方的仅仅只是可使用数据产品的权力。第三，分析类产品。常见的分析类产品包含决策分析报吿、市场调研报告等。这类产品来源于底层数据，往往是整合了许多不同卖方不同渠道的数据，经过一定加工后形成的可视化产品。这种产品的支付可选择以上两种方式及其组合。大数据交易支付的这个特征对设计电力大数据产品和交易模式都有直接影响。

可选择的数据业务或交易模式

　　数据商品功能或价值的不确定性也影响数据商品的业务或交易模式。一般商品功能客观明确，业务或交易模式相对简单和固定，有些商品采用标准化的交易模式。由于数据商品的功能或价值具有不确定性，市场主体对数据商品业务需求呈现多样性，由此影响和决定了交易模式的结构和多样性。

　　国外学者把大数据业务或交易模式分为三种：数据用户模式、数据供应商模式、数据服务商模式。数据用户模式是指公司在内部使用自身大数据进行战略决策的模式，把公司当作内部数据的用户是为了强调数据商品的独立性和商业价值，促进公司数据商品价值的挖掘和利用。

　　目前电网企业对大数据的应用主要局限在公司内部，如应用大数据进行电网运行诊断与事故监测等，整体上可以认为处于这种模式。数据供应商模式指大数据拥有者将大数据作为产品出售给其他公司的模式，如数据集中备份解决方案等。该模式又分为两种，第一种如市场研究公司巨头尼尔森，根据买方要求专门收集用户受众行为大数据的模式;第二种如社交媒体公司推特(Twitter)，将自己日常业务产生大数据出售给第三方的模式。数据服务商模式是指某公司针对大数据进行分析并出售分析结果的模式，如麦肯锡公司提供市场分析、性能基准测试和定制研究，以帮助能源公司做出战略投资、交易和操作等关键决策。供应商模式与服务商模式的区别在于是否对数据进行足够的加工处理;供应是一种被动的客户需求满足过程，而服务则是一种主动的经营行为。三种模式反映了大数据应用从内到外，从简单到复杂，从被动到主动的发展逻辑。

多种盈利模式

　　与互联网企业相对成熟和精致的盈利模式相比，大数据交易或产业的盈利模式目前正在探索之中。目前大数据企业主要有四种收益或盈利方式：第一，会员费，指用户在平台注册交纳的费用。第二，交易佣金，指平台提供中介服务收取的流水。第三，数据产品销售收入，指平台直接销售大数据产品的收入;企业基于自身的海量、高价值数据对外提供服务，如阿里巴巴的金融行业数据分析应用，中国民航的“航旅纵横”提供航班信息服务，电信运营商提供的精准营销服务等。第四，增值服务费，指平台提供数据处理工具或技术、数据应用方案收取的费用。贵阳大数据交易所2016年取消交易佣金，改为收取增值服务费，这种收费机制有利于扩大数据交易规模。

　　根据《2017中国大数据产业发展白皮书》对2016年大数据交易盈利模式调查的结果，在大数据交易盈利的业务构成中，提供数据采集和预处理等増值服务占35.8%，直接销售数据产品占29.9%，提供第三方平台撮合交易并收取佣金占20.9%，淘宝模式收取会员费分享流水占9.0%，其他模式占4.5%。数据商品目前主要还是采用传统的盈利模式，但是，数据商品可以而且应该采用互联网交易模式和互联网盈利模式。

　两个前提：隐私保护和产权保护

　　大数据交易如果没有个人参与，商业大数据、政府大数据所能交易的数据量会大幅度降低。个人大数据交易蕴含着丰富的商业价值，但是，涉及个人信息的交易往往会涉及个人隐私。因此，大数据交易首要前提是数据隐私保护。目前大数据交易中使用了许多隐私保护技术，数据脱敏是保护个人隐私的一种方法，其核心技术就是匿名化技术。除了使用隐私保护技术外，还要建立隐私保护制度。大数据交易平台对数据源都建立了交易审核制度，只有审核通过的数据产品才能够交易。

　　第二个前提是产权保护。与一般商品的产权相比，大数据的产权非常复杂。影响大数据产权归属有三个因素：大数据的来源、权利主体对生成大数据产品的贡献度和相关义务。以商业大数据为例，大数据来源方、采集方、预处理方、分析方、买方、使用反馈方、最终处置方对数据产品的所有权、使用权、支配权、收益权的享有程度是不同的，而且随时变化。

　　如上所述，由于交易平台对数据产品的预处理和分析，大数据产权在买方、卖方和交易平台之间的配置是分离和动态的。交易平台等相关利益主体对数据处理的参与越多，参与程度越深，就越能获得更大比例和更多的产权。目前我国还缺乏数据产权界定的法律法规，虽然民法总则第127条规定了数据保护的基本原则，有些数据产权可能通过著作权法，商业秘密，方法专利和软件著作权予以确认和保护，但是，基于数据交易的产权界定更加复杂多样，现有的制度无法满足需要。实际数据交易过程中，许多企业在平等互利等基本经济原则的基础上进行了积极的探讨，如贵阳大数据交易所首创的大数据登记确权结算服务，将数据作为实际资产如房产、股票一样，通过数据平台，尝试登记数据所有权，然后对数据的使用权、使用权等进行公开竞价，以实现数据的登记确权及变现。(未完待续)

　　本文刊载于《中国电力企业管理》2020年02期，作者叶泽供职于长沙理工大学，梁朝仪、雷振华供职于国网湖南省电力公司经济技术研究院，谢东林供职于国网湖南省电力公司