數據正在催生的新經濟

來自專欄 企名片-金融工作系統FinOS，企業數據服務商

本文刊發於經濟學人，原標題《Data is giving rise to a new economy》，

市場研究公司IDC預測，到2025年，「數字宇宙」（每年創建並複製的數據）的規模將達到180澤位元組（180後面再跟21個零）——若用一根上網寬頻來傳輸，450年都傳不完。

為加速數據中心的運轉，電子商務巨頭亞馬遜（其雲計算分支正迅猛發展）動用了卡車運送集裝箱，每個集裝箱里的存儲設備容量達100拍位元組（PB；也就15個零）。

為消化如此多的數據，企業正加速構建數據提煉設施。據《華爾街日報》報道，2016年，亞馬遜、Alphabet和微軟三家企業的資本支出與資本租賃共計320億美元，較上一年增長22%。

數據的質量也發生了改變。其主要存在形式不再是數據信息的倉庫——姓名、年齡、性別、收入等定義明確的個人數據的資料庫。數據經濟更偏重於分析，對象是非結構化實時數據流：社交網路用戶上傳的照片、視頻流，人們通勤路上生成的汗牛充棟的信息，以及噴氣式飛機發動機上，無數感測器輸出的數據洪流。

從地鐵到風力發電機，從馬桶圈到烤麵包機，越來越多的設備都在變成數據來源。聯網感測器將充斥世界，無論走到哪裡，你都會留下一串數字腳印，哪怕你沒有聯網。

正如軟體公司甲骨文的大數據戰略師保羅·桑德雷格（Paul Sonderegger）所言：「數據將成為終極外部性：我們無論做什麼，都會產生相應的數據。」

你所知的信息

最重要的是，數據正在升值。最初，Facebook和谷歌收集用戶數據，用於改進定向廣告。近年來，這些公司又發現，數據可以轉化為無限量的人工智慧（AI），或「認知」服務，有的還能催生新的收入來源。

這樣的服務包括翻譯、視覺識別，以及憑一個人的文字評估他的性格特徵。這些都可以賣給別的公司，用於它們的產品。

雖然數據經濟的徵兆俯拾即是，但直至最近，它才初具雛形。在J.R.尤因（J. R. Ewing）眼裡，這一切都顯得格外眼熟。

大型數據公司，不斷壯大的投機分子隊伍，以及其他無數公司，大家都試圖分一杯羹。所有人都是沖著一台強大的經濟引擎來的，它就是「數據網路效應」，即用數據吸引更多用戶，進而催生更多的數據，再用這些數據改進服務，並吸引更多用戶。

大型數據公司坐享最充裕的數據信息庫。比如在Facebook上，評論、點贊等互動數量越多，它就越了解用戶，其廣告與消息流的定向就越準確。同樣的，人們用谷歌搜索的總量越多，谷歌返回的結果就越精準。

這些公司永遠都在尋找新的信息源泉。Facebook借用戶之手訓練自己的一些演算法，比如在用戶上傳照片、圈出好友時。

這解釋了其計算機何以識別幾億人的面孔，且準確率達到98%。谷歌數字管家Google Assistant也是如此，你用得越多，它完成任務、回答問題時就越嫻熟。

Uber以廉價打車服務著稱。但它能獲得680億美元的估值，一個原因是它把持著個人交通領域供（司機）需（乘客）關係的最大數據池。

類似地，對大多數人而言，特斯拉是一家生產高檔電動汽車的公司，但它的最新車型收集到巨量數據，幫助特斯拉優化自動駕駛演算法，進而更新軟體。及至去年年底，該公司已收集到21億公里里程的駕駛數據——比Alphabet自動駕駛汽車部門Waymo高出好幾個數量級。

「數據驅動型」初創企業是數據經濟中的冒險者：勘探數字石油，加以提煉，巧妙地轉化為新服務，從分析X光片和CAT掃描，到確定草坪上何處該施用除莠劑。

以色列初創企業Nexar就設計了一種巧妙的方式，使司機成為數據來源。其應用將司機的智能手機變成行車記錄儀，通過司機的操作標記行車錄像。

若很多人都在同一位置意外剎車，此處就可能存在坑洞或障礙物。作為使用Nexar應用的報償，司機獲得免費的行車記錄儀和相應服務，比如，一旦發生事故，就可獲得詳細的事故報告。

Nexar的目標是提供各類服務，幫助司機避免事故。其中之一就是坑洞警報，或者在某個處於視角盲區的轉角處有車驟停時發出警報。

非科技公司也在勘探數字礦井。比如通用電氣（GE）就開發了Predix，一個「面向工業互聯網的操作系統」，幫助客戶控制機器設備。

Predix也是一個數據收集系統：它從連接的設備處收集數據，拿來與其他數據相混合，繼而訓練演算法，幫助改進電廠運作，或者在噴氣飛機引擎發生故障之前確定維護時機，諸如此類。跟石油市場一樣，大型數據公司不斷地兼并小公司。

但數據經濟還有令「黑色黃金」交易者們頗感陌生的一面。按價值計算，石油是世界上交易量最大的大宗商品。相比之下，數據交易幾乎無跡可尋，至少，數據與金錢的交易鮮有存在。

這跟它「新興資產類別」這一稱號很不相稱。在2011年發布的一份報告中，世界經濟論壇（WEF；達沃斯的會議組織機構兼智囊）就給數據冠以這一稱號，隱含的意思是，構成數據經濟的，將是欣欣向榮的數據信息市場。但從當前的情況來看，數據經濟基本上是一個個相互孤立的「穀倉」集合體。

自己的信息自己保管

交易市場缺失的原因，也是相應企業產生的原因。由於市場交易攜帶的各種「交易成本」——搜尋信息、談判交易、執行合同等等，在公司內部進行這些活動就會更加簡單、高效。同理，比起在開放市場買賣數據，在公司內部生成並使用數據通常也更有利可圖。

數據流固然充裕，但算不上大宗商品：每一個信息流都不盡相同，時效性、完備度各異。用一個經濟術語來說，就是缺少「可替代性」。因此，買方很難對一組數據出價：對於不同類型的數據，價值的可比性並不是很強。買賣雙方都怕吃虧，這是抑制交易的因素。

直到近期，研究人員才開始開發定價的方式方法，諮詢公司高德納（Gartner）稱之為「信息經濟學」（infonomics）。加州大學聖迭戈分校的吉姆·舒爾特（Jim Short）是數據定價先驅者之一，致力於涉及數據定價的案例研究。

其中一個案例涉及到2015年申請破產的賭博集團凱撒娛樂（Caesars Entertainment）的一個分支。該分支最值錢的資產估值達10億美元，據稱就是客戶數據——前17年加入該公司忠誠度計劃的4500萬客戶的數據。

正因為數據定價如此之難，對一家公司來說，直接收購另一家公司可能更加乾脆利落，哪怕它只對被收購方的數據感興趣。2015年，據報道，IBM斥資20億美元收購Weather Company，就是沖著它海量的氣象數據，以及收集氣象數據的基礎設施。

另一個模糊地帶是物物交換：英國國家醫療服務體系（NHS）的一部分已經DeepMind（Alphabet的AI部門）達成一致，用匿名患者數據換取DeepMind從中提煉的醫療洞見。

和石油不同，數字信息是「非競爭性」的，也就是說，它們可以複製，同時被多人（或多個演算法）使用，問題由此進一步複雜化。這意味著數據很容易被用於事先約定以外的其他用途。

另外，數據所有者也很難界定（以自動駕駛汽車為例，數據所有者可以是汽車廠商，可以是感測器供應商，也可以是乘客；假以時日，若自動駕駛汽車變成「自動所有」汽車，數據所有者還可以是汽車本身。）

「數據買賣枯燥至極，」高德納的亞歷山大·林登（Alexander Linden）說。因此，數據交易通常是雙邊交易和一事一例的，不適合三心二意者：數據合約通常洋洋幾十頁紙，法律術語密集，規定了數據應如何使用、如何保密。最近，一家大銀行的一位高管就告訴林登，他可沒時間簽署這樣的文件，哪怕數據價值不菲。

個人數據就更棘手了。「在一個監管健全的全國性信息市場上，個人信息是可以買賣的，賣方有權決定提供多少信息，」1996年，紐約大學肯尼斯·勞登（KennethLaudon）在一篇題為「市場與隱私」著名文章中寫道。

不久前，世界經濟論壇就提出了「數據銀行賬戶」的概念，稱個人數據應該「置於一個賬戶之中，在賬戶內進行控制、管理、交易和核算。」

這概念聽著很優雅，但交易市場和數據賬戶都尚未實現。其問題跟企業數據恰恰相反：人們太容易交出個人數據、換取「免費」服務了。微軟研究（Microsoft Research）經濟學家格倫·威爾（Glen Weyl）說，交易條款幾乎是無意間變成了標準。

繼本世紀初網路泡沫破裂後，企業亟需打開財路，捷徑之一就是收集數據，實現定向廣告投放。直到最近，這些公司才意識到，數據還可以轉化為無限量的AI服務。

演算法的奴隸

用數據換取免費服務，這種交易是否公平，主要取決於這些服務的價值源於何處：是數據，還是分析處理數據的演算法？

谷歌首席經濟學家哈爾·瓦里安（Hal Varian）認為，數據中存在「規模收益遞減」效應，也就是說，隨著數據規模的增加，新增數據的價值呈遞減趨勢，一旦超過某個閾值，信息的增加就不會帶來價值的提升。

他說，更重要的是處理數據的演算法質量，以及一家公司旗下開發這些演算法的人才。谷歌的成功源於「菜譜，而非食材」。

在網路搜索的早期階段，情況也許的確如此，但在人工智慧的新世界則不然了。演算法的自學能力不斷長進，饋給它們的數據越多、越新鮮，結果就越理想。

威爾表示，隨著應用數量的不斷增加，數據的邊際效應事實上還可能遞增。就比如網約車領域，在為一項服務收集到足夠多的數據（比如實時路況信息）之後，新增數據也許不會帶來價值的增益。但只要繼續收集下去，它總有一天能提供其他服務，比如路線規劃。

這些爭論，加上數據交易的不溫不火，也許只是生長疼痛。石油交易市場也用了幾十年才漸漸完善起來。頗具諷刺意味的是，加速這一過程的是標準石油公司（Standard Oil）——約翰·D.洛克菲勒於19世紀末建立的石油壟斷企業。標準石油的計劃就在它的名字之中——標準化，使一種新資源的交易成為可能。

對於價值高、易於標準化的個人數據，相關交易市場早已存在。「數據經紀商」能對特定類型的數據進行快速交易。

在其他領域，市場或類似市場的東西正在萌芽。以主導企業資料庫市場的甲骨文公司為例，該公司正在開發相當於數據資產交易所的東西，希望客戶買賣數據，並結合甲骨文提供的工具套裝，從中提煉洞見，而且這一些都在該公司計算雲提供的安全環境中進行，確保信息不被濫用。初創企業Cognitive Logic也在開發一款類似的產品，但將數據留存於其他的IT系統之中。

有的年輕企業希望消費者也能從自己的數據中獲益。Citizenme允許用戶將自己所有的網路信息收歸一處。用戶若選擇與某品牌分享個人信息，就可獲得一小筆報酬。初創企業Datacoup正從個人數據中提取洞見，銷售出去，並將部分所得回饋用戶。

到目前為止，這些努力都成效寥寥；專註於個人數據的更不消提起。目前，消費者和網路巨頭之間依然相互依存，但關係有些尷尬。

人們不知道自己的數據值多少錢，也不想管理這些數據，免得麻煩，卡內基梅隆大學的亞歷山德羅·奎斯蒂（Alessandro Acquisti）說。但他們也表現出了「習得的無助感」：服務條款通常令人費解，用戶除了接受，別無選擇（比如說智能手機應用，要是不點選「我同意」，應用立馬就退給你看）。

另一方面，網路公司也開始嚴重依賴免費數據：無意於從根本上改變用戶協議。它們要是付錢購買數據，並構建昂貴的系統，用於追蹤用戶的數據貢獻，那麼，數據提煉商就會無利可圖了。

重要的資源不一定都是廣泛交易的；無線電頻譜和水權就是兩例。但威爾認為，對數據而言，交易市場的缺失可能會導致低效。如果數據信息沒有定價，有價值的數據也許永遠無法生成。

如果數據繼續困在相互孤立的「穀倉」之中，很多價值也許永遠無法提煉出來。大型數據提煉公司並沒有獨掌創新；其他企業也許能更好地利用信息。

數據市場的匱乏也會讓老大難的政策問題更加棘手。最突出的有三個：反壟斷、隱私和社會平等。和石油領域一樣，最迫在眉睫的就是反壟斷。1911年，美國最高法院維持下級法院的判決，即拆分標準石油。當時，標準石油控制了美國90%的石油提煉業務。

已經有人呼籲拆分谷歌等公司。比如，南加州大學的喬納森·塔普林（Jonathan Taplin）就在新書《快速行動，打破陳規》（Move Fast and Break Things）中如是呼籲。但如此激進的補救措施恐難奏效。拆分會造成巨大的干擾，從而減緩創新。而且很快，小谷歌和小Facebook們就會形成新的壟斷。

然而，要求採取行動的呼聲日益高漲。牛津大學的阿里爾·埃茲拉徹（Ariel Ezrachi）說，「超級平台」把持了過大的權力。他與田納西大學的莫里斯·斯塔克（Maurice Stucke）合著的新書《虛擬競爭》（VirtualCompetition）已於最近出版。

他論稱，這些平台擁有比他人更多、更新鮮的數據，可以迅速偵測到競爭威脅。憑藉雄厚的財力，一發現哪家初創企業不可小覷，它們就立馬出手收購。它們還可以操縱自己壟斷的市場，比如讓演算法快速響應，使競爭對手沒有機會通過降價贏取顧客。「看不見的手也正在數字化，」埃茲拉徹說。

小心「數字之手」

在數字時代中，反壟斷當局至少得磨礪一下自己的工具。歐盟委員會沒有阻撓Facebook併購WhatsApp。它表示，雖然兩者運營著世界上最大的兩款消息服務，但其他這類服務不在少數；由於WhatsApp不怎麼收集用戶信息，Facebook掌握的信息量也不會因此增加。

但Facebook之所以收購WhatsApp，是害怕它成長為強大競爭對手。它創建了「社交圖譜」的一個替代選項。社交圖譜即好友關係網路，是Facebook最寶貴的資產。

在等待併購提議獲批期間，Facebook曾許諾不會合併兩者的用戶群，但去年偷偷開始合併，引致歐盟委員會以罰款相威脅。

從Facebook引發的糾結中不難看出，一些歐洲國家為何開始更新競爭法。在德國，相關立法已遞交國會，一旦通過，聯邦卡特爾局將有權介入涉及網路效應和數據資產的案件。

聯邦卡特爾局已經對數據經濟予以特殊關注，並啟動了一項調查，看Facebook是否濫用其主導地位，強制實施某些特定的隱私政策。局長安德里亞斯·蒙特（Andreas Mundt）想更進一步：「我們能否進一步優化調查技巧？如何更好地將動態效果納入分析？」

監管機構要履行職責，一個通用法則就是像它們監管的企業一樣勇於創新。在最近的一篇論文中，埃茲拉徹和斯塔克提出，反壟斷當局應該運作「暗中勾結孵化器」——要調查某個定價演算法是否操縱市場，或是與市場暗中勾結，他們就應該在自己的計算機上運行模擬。

另一條思路是提供集中存在數據的替代選項。政府可以進一步開放收集到的數據，為小型企業創造機遇；還可以支持「數據合作社」。在瑞士，一個名為Mitada的項目從患者處收集健康數據，患者可決定是否允許研究項目使用自己的數據。

數據分銷

一些重要的數據類型甚至需要強制分享。出版《Stratechery》通訊的本·湯普森（BenThompson）最近提議，社交網路應該開放其社交圖表的訪問權。

同樣被Facebook吞併的照片分享服務Instagram最初憑藉讓新用戶導入Twitter關注者名單的做法而異軍突起。「後來，社交網路就不允許這種操作了，使競爭者更加難以壯大，」湯普森指出。

強制性數據分享並非前所未聞：德國就要求保險商共同維護一組統計數據，包含汽車事故在內。這樣的數據是小企業無力自行編纂的。歐盟新推行的《一般數據保護條例》（General Data Protection Regulation）將於2018年5月生效，要求網路服務創造有利條件，方便用戶將信息轉移至其他服務提供商，乃至競爭對手處。

但「數據便攜性」和數據共享凸顯出第二個政策難題：數據市場與隱私保護的緊張對峙。在買賣或共享過程中，個人數據更容易泄漏。

為降低這一風險，《一般數據保護條例》加強了人們對各自數據的控制：企業須就數據的使用方式，獲取用戶的明確許可。違者將被處以高額罰款：最高可達企業全球營收的4%，或2200萬美元。

在數據流混合匹配的當下，這種法規殊難實施。另外，收緊數據保護和促進競爭也是一對矛盾：大企業有更強大的實力去遵守代價高昂的隱私法規，不僅如此，大企業也可以藉此進一步加緊數據控制。

假以時日，新技術也許能取代原理簡單、容易破解的匿名化，從而緩解這種矛盾。初創企業Bitmark就使用比特幣的「區塊鏈」技術，追蹤記錄數據訪問者。但法律創新也必不可少，牛津大學維克多·麥爾-荀伯格（ViktorMayer-Sch?nberger）說。

他還有其他一些數據專家認為，不但數據的集合需要監管，其使用也需要監管。正如食品行業禁用某些配料，網路領域也可以禁用某些數據，或禁止用數據對個人造成傷害。他認為，這樣可以將責任轉移到數據收集者和使用者頭上，他們應對自己管理的數據負責，而不是在獲得個人許可之後，就萬事大吉了。

這種「基於使用」的數據監管很難實施，絲毫不亞於當前通行但具有爭議的「告知與許可」模式。這也可能加劇當前數據經濟的第三大挑戰：社會與地理層面的收益不均。

至少就個人數據而言，當前模式幾乎難以維繫。隨著數據的升值，以及數據經濟的重要性不斷增加，所有錢都將落入數據提煉者的腰包。數據生成者面臨一場不公平的交易，他們到手的只有免費服務。在2014年出版的《誰擁有未來》（WhoOwns the Future?）一書中，微軟研究院（Microsoft Research）的賈倫·拉尼爾（Jaron Lanier）最先指出了這一點。

威爾提出了該論點的另一個版本：歸根結底，提供AI服務的不是演算法，而是生成原材料的人。「數據是勞動力，」威爾說，他正致力於開發一個系統，用于衡量個人數據貢獻的價值，從而為更加公平的交易打下基礎。

全世界數據工人，聯合起來！

威爾說，難點在於，你要讓人們理解，他們的數據是有價值的，他們理應獲得報酬。「我們需要某種形式的數字工人運動，」他說。「更難的是說服數據巨頭們——拉尼爾稱之為『塞壬伺服器』——改變做法，因為現狀讓他們獲益頗豐。」

地理分布的平等化也許就更難實現了。當前，多數從事大數據提煉的公司都位於美國，或是由美國公司掌控。隨著數據經濟的進展，這種局面將難以維繫。過去，美國和歐洲圍繞隱私爭執不斷，未來從中可見一斑。

中國的監管草案要求，企業應將收集到的所有「關鍵數據」存儲於中國的伺服器內。石油控制權衝突禍亂世界幾十年之久。目前還沒人擔心數據引發的戰爭，但與石油相比，數據經濟引發衝突的潛力有過之而無不及。

推薦閱讀：