步入数据经济时代，你的数据安全吗？（下）

第二步：构建数据友好型监管机制

      一般数据保护条例是数字化单一市场的重要组成部分。数据市场的两大不足却表明不能单靠市场力量。

      其一，动态数据的复杂性、透明度缺失、竞争管制点缺乏都有伤及企业和公民的风险，隐私侵犯、安全漏洞或诸如去匿名化、价格歧视等其他有害行为，均能对企业和公民造成伤害。

      其二，单靠市场力量无法达到数据的公共最优利用，其原因在于不能充分利用潜在的溢出效应。当然，数据的“非竞争”本质就意味着可以被多用户无损耗地多次

      公共干预务必处理这些市场失效，更需小心维持稳定，并基于一致性原则，以社会福利的最大化为目标。监管部门需面对艰难抉择，在保证极高的数据保护标准的前提下，创造出充满活力的数字经济社会。

      同时，欧洲在制定监管标准的领导带头作用上有明显的先动优势，将数据经济作为一个整体来管理，能确保与欧洲的需求和表现一致。一般数据保护条例在此迈出了明确而重要的第一步。

      构建一个涵盖非个人数据的友好法律体制这一行动若是有迟缓，全球监管标准就会出现风险，迫使欧洲去适应诸如使用途径、互操作性或者责任上的新问题。2016年7月，中国政府就宣布，在网络安全、数据处理和线上活动等问题上会实施必要的立法措施。值得一提的是，在中国民法典的重新起草的背景下，数据编码产权的提议被提上日程。

      如果欧洲不为非个人（大）数据提出愿景，不提出其标准和准则，其他国家一定会提出。这一点值得注意。

      1.   阻挡对数据流的限制

      GDPR为欧洲的数据和隐私保护创造了一个统一规范，接下来就是在此基础上，打破了上对单一市场中个人信息自由流通的限制。然而在物联网市场中，大数据分析下的很大一部分数据在本质上都算作非个人数据，非GDPR所能涵盖。当本土化需求不受隐私保护条例驱动而是基于一些公共政策原因（如征税）时，数据也同样受限于本土化需求。

      一份2015年的麦肯锡报告称，目前，欧洲是世界范围内拥有最高跨区域数据流的地区。然，某些成员国“数字保护主义”的缘由使欧洲仍无法释放数据体系的全部潜能，也就是说，政府当局并非出于对隐私保护或安全隐患的考量，仅旨在压制跨境竞争，而把数据本土化需求强加给企业。表面上是在保护国内商业，实际上，这些行为不利于原本能从数字化和跨境数据流中大大获益的传统工业（如零售业、制造业、能源业）。

      2.   从数据所有权到开放数据

      将计算机数据的财产权分配给数据创造者（如车主、机器的工业用户）使“给予用户数据控制权”成为可能。这可以视为是推动贸易、创造数据市场的一种手段；也可以视为是为了权衡需求以确保数据价值链的价值更平等的分布。无需与数据创造者共享数据，数据服务器和数据用户（以汽车为例??汽车制造商）就能从计算机数据中获取丰厚利润，集市数据创造者是数据链中至关重要的一环。这种逻辑与数字化单一市场战略的环境下的手段相符合；例如，在版权改革的大环境中，为出版商拟定的新邻接权、著作者与表演者公平获得薪酬的规定等。

      但是，对于数据而言，所有权同样存有风险。首先，公司在价值创造上的份额减少，对数据分析的投资热情相应减退；其次，公司需面对前所未有的实际挑战。样本规模决定数据价值：聚沙成堆，滴水成海，单一个体的边界价值却微不足道。既然绝大部分的价值是由集体创造的，就难以用一个规则“平等地”对每个单一数据创造者分配价值。正如克罗尔(Croll)指出，“重要的不是谁拥有数据，而是谁拥有获取数据分析的途径”。进一步而言，随着数据经济的发展，越来越多的庞大价值将集中爆发于大数据价值链的“最后一段”；最终，数据产权的引入增加了单独个体和中小企业的实施成本，从中产生的交易成本降低其对数据交易的积极性。毋庸置疑，这些成本能否降低，以及如何节约成本（例如通过标准合同条款）是当前亟待解决的课题。

      替代方案应运而生。借由这种方案，基于GDPR的体制框架，监管框架可以通过任一能够从中创造价值的实体实现数据的可访问性最大化。诸如“开放政府”一类的举措就是依据上述逻辑，公共管理部门将数据发布至公共领域。值得注意的是，开放的数据政策应该辐射至私人领域，但这个开放度在于，不能破坏第一个处理数据集的数据服务器的投入。通讯公司收集的移动数据就可以作为一个例证。当局和研究人员也能拿到共享的匿名收集样本，开发用来监控及预防流行病的应用软件。非洲地区就通过该途径，对移动电话数据中的人口流动进行分析，预测出了易爆发埃博拉病毒的地区。更好地规划救援干预措施、更从容地应对紧急状况得以实现。公共干预促进信息共享，在公共利益的信息共享下，确保有限的责任范围。其准入条件需要覆盖信息共享的（通常是很小的）边际成本，投资于数据收集的激励措施需得到保留。

      3.   数据的可移植性与互操作性

      数据服务层面日益激烈的竞争使价值转移到数据创造者与数据用户，一个较之定义所有权更为理想的途径由此产生，以解决价值链中价值的平等分配问题。

      通过创建一个促进平台互操作性的监管框架可以刺激竞争，例如通过开放应用程序界面（API）。这些界面通过向外界开放程序内部功能，允许应用程序进行“对话”，而开发者根本无需将全部软件代码公之于众。（可以这么说，多亏了Yelp这个程序，人们能在地图上找到附近的饭店。）可移植性同样可以刺激竞争，即用户可以轻松地将数据从一台设备转移到另一台上。这意味着数据处理的透明度提高了，通用标准也得到了支持，以数据格式化为例，不同服务器能轻松地在其各自的平台上读取、映射相同的数据集。这些原则早已被写入GDPR个人信息管理体制中。
 
      数据的可移植性与互操作性在计算机数据领域中更是至关重要，为了不降低对数据驱动创新的投入，相关的法规的制定迫在眉睫。人们要正式这一局限性，即数据传输可能导致商业模式遭到破坏。以购物平台为例，平台要求顾客对每笔交易进行反馈，卖家则通过顾客的好评反馈建立信誉度。反馈系统的准确性是购物平台成功与否的关键参数，如果卖家把其平台上的评分排名透露给另一家竞争平台，其平台的初始投资就极有可能消耗殆尽：新玩家就能用更低的成本开发一个更加完善的全新反馈系统，如果他们知道，竞争平台也能从中获利。

      4.   数据职责的平等分配

      在刺激推动数字驱动业务的发展方面，特别是在新兴的物联网市场下，责任分配规则发挥了重要作用。互联设备的系统趋向于高度集成，而数据--这一流经系统的“血液”--就是这种相互依赖的实际表达。在损坏情况下明确的责任分配（例如错误地使用了数据、错误的编程、出现有缺陷的数据集等）可能有助于在市场的确定性，而通常在这些市场中，数据驱动活动中投资所带来的风险往往是难以预测的。

      第三步：活跃的公共政策为数字转型锦上添花

      综上所述，采取数据科技与数据驱动决策或多或少都会遭遇组织内部和外部的层层障碍。欧盟委员会、成员国、地区/地方公共行政都在不遗余力地清除障碍。

      2014年，欧盟委员会颁布关于“迈向蓬勃发展的数据驱动经济”的报告，报告给出了大力支持与促进数据经济的具体举措。措施包括：发展基于公私合作与“完善网络”的“大数据”社区；支持发展与部署必要的信息和通信技术基础设施，其中包括云计算等；在公共管理中鼓励使用开放数据和大数据分析等。

      GDPR是朝着这一目标迈动的一步重要里程碑，但仍需能标志着数据革命全面开放的政策作为补充。为了充分发挥其潜力，欧洲需要一个能展示其特有的定位和竞争优势的引人注目的愿景。这一愿景必然处于数据价值链的尖端，建立高数据保护赋予的数字自信，确保一个跨越整个欧洲市场、完全可操作的、用户友好型根基。运行“设计保护隐私”界面，以及全球范围内最大的、即将统一的数据市场，最终可以给予欧洲迄今仍然缺失的规模，赋予其显著特色。

      1.   通过创建精益求精的证据基础以理解大数据现象

      全面了解数据经济的演变是发展数据政策的充分必要条件，需要通过对欧洲公司数据分析的使用情况的统计信息进行系统地收集。欧盟委员会应全面整合现有的欧洲数据市场监测工具。

      2.   设定正确目标

      每个数据策略都应包含定义明确的中期目标与长期目标，这一目标或与数据市场的总价值有关??例如与2015年达到GDP的%相比，2025年应至少增长至5%；或与众多公司数据策略采用率相关??例如2025年，有策略地大量采用数据分析的公司应实现占全体总数30%的目标，根据欧洲数据市场监测工具，2015年信息通信技术公司及专业服务业中的使用率仅达%。另外，正如欧洲2020年需实现的五个关键目标之一所言，要保证对研发的投资至少达到欧洲GDP的3%，欧盟应有明确的抱负，促进公司企业对数字科技、特别是数据分析的投资。

      3.   促进心态转变

      对数据革命的巨大利益缺乏认识是很多公司存在的主要障碍，特别是中小企业。公司对大数据能带给他们什么一无所知。同样，要接受数据分析，公司就必须自我突破，实现心态转变。比如，不同部门要以开放的心态在公司内部共享信息资源（就个人信息而言受GDPR的限制）。公共管理部门也应以身作则，在行政管理过程中认可开放数据和大数据原则，与已确立的立法和政策保持一致。

      创建有高效的计算能力的“欧洲数据分析机构”是行之有效的一步??武装以欧盟主要负责人技术手段，来处理、分析基于保密原则或成本原因无法对外公开的、庞大的信息数据。主要负责人可以将此与同首席数据官（OCDs）的会议结合起来，首席数据官是设计并制定政策的主要责任人，以实现数字化管理。他们还肩负着在公司内实现大数据分析运用的任务，监管国际/区域/地区在大数据分析这一方面的行政管理进程。

      4.   培养合适的技能

      进行大数据分析的另一主要障碍在于，公司常陷入缺少精于数据分析的员工的挣扎。国家教育项目也需对此作出调整，增强对数字专家的培养，增加数据精通者的劳动力。

      同样，欧洲高校也需为开展信息通信技术以及数据科学的课程作出努力。

      5.   财政支持与资金奖励

      资金问题被视为另一障碍。特别是中小企业，由于数据基础设施与分析工具的高昂成本，在投资时总是捉襟见肘。公共管理机构可以通过适当的基金、税收激励、补贴政策减轻压力，那欧洲国家援助原则也得有所更新调整。


        ------ 完  ------