王汉生
一、 数据的性质
只有一些出格性质的数据价值观才可能持续下去 ，那就是数据肯定要产生价值 ，能产生价值的数据切合通常资产化的界说。当前企业都在奉行数据化转型 ，其主题使命就是要让数据产生价值。无论人们喜欢与否 ，事实上数据在大量被买卖（合法的或犯法的） ，这些被大量买卖的数据肯定得有价值 ，能产生预期收益 ，而管帐上对资产的界说就是“可能产生预期经济收益的资源” ，因而数据性质上是一种资产。
二、 统计预测和因果关系
笔者以为 ，统计学的主题是钻研不确定性的学科。好比资产负债、两端平衡等通常的管帐报表数据分析跟统计学没有关系 ，由于这是确定性问题 ，但若是用今年的管帐数据去预测明年的收入情况 ，这就存在很大的不确定性了 ，就是统计学领域了。由于目前对不确定性的表白和纪录只局限于数据 ，所以统计学在钻研数据 ，但我们不排除将来技术进取后 ，不确定性通过另表一种方式表白 ，那时辰统计学就钻研此外去了。
目前好多领域的预测越做越准 ，好比图像鉴别技术带来的人脸鉴别、车商标读取蹬爪用 ，这已经是确定性问题了 ，但这之前是不确定性问题；而若是存在人类利益博弈的领域就是不变存在的不确定性领域 ，好比两幼我掷硬币猜正背面、股市价值改观等 ，由于这不是由于知识的不足造成的。此表从另一个角度看 ，人们常说“浊世出英雄” ，正是有不确定性这个浊世的存在 ，才有模型产生价值的机遇 ，才有贸易机遇。数据之于价值的因果关系很吞吐的数据分析不会是有余的。正如人的一日三餐并不确定到底哪种食品维持了性命 ，但能确定的是若是一样都不吃的话人就没法存活。数据分析也一样 ，好多时辰固然说不清因果关系 ，但若是齐全不做数据分析就没有但愿。数据分析能把因果关系收缩到一个比力幼的领域 ，而后在这里面寻找机遇。
三、 数据可分析问题及预测精度
从当前的功夫点来看 ，绝大无数业务问题都不成能抽象为数据可分析问题 ，由于无数业务跟数据分析没有关系 ，好比酒店前台给客人办入住手续、搬砖砌屋子等都跟数据分析不要紧。但是随着物联网技术的发展 ，好多业务问题就跟数据分析有关系了 ，好比那时辰可能是机械在搬砖 ，会钻研若何搬砖效能最高；同样的办理入住手续我们可能会分析客人的偏差 ，若何提供更好的服务。因而短期来看 ，绝大部门业务都跟数据分析没有太大关系 ，由于底子没罕见据支持 ，但是从持久来看 ，跟数据分析有关系的业务问题会越来越多。
就预测精度而言 ，有两个方向 ，一个是找到大量有有关性的X ，另一个是找到少数高度有关的X ，但两者之间若何弃取这个问题没有统一的答案 ，我们只能把它们放到模型里去尝试。只有有优良的因变量Y ，通常的法规是凭据业务知识找到若干个出格有关的X ，好比一幼我的破费情况注定跟收入情况、教育情况高度有关 ，而后再找出肯定有关性的X ，再往下找就比力难了 ，由于剩下的都是一堆相对来讲比力弱有关的X ，固然也有肯定的援手 ，但没法对它们的沉要性排序。
但是 ，通常情况下太弱的X就没法用了 ，由于它的估计误差会比它能产生的贡献更大。选取一个诠释变量就如同录用一个员工 ，在他创造价值的同时 ，也要接受治理。而“管住”一个诠释变量就是要把它的参数估计得出格准 ，因而就必要更大的样本量。
四、 数据确权面对的挑战
整体而言 ，数据有关的权利出格难界定。不像实物资产 ，数据一路头就是好几方面的纠结缠斗 ，因而确权问题很难。
好多国度和地域在数据确权方面的见解吩扃很大 ，好比欧盟的GDPR（General Data Protection Regulation通常数据；ぬ趵┒允萑啡ɑ ，他们根基上认定电商数据的产权属于消费者 ，平台要使用数据的话要满足很多刻薄的前提。而美国对数据确权的划定则要和善一些。我们国度现实上有很多有关的司法律规分散在各个行业 ，并没有一部像GDPR那样的统一律例 ，并且执行起来挺难 ，一方面表此刻司法条文设置的问题 ，另一方面则是实际中的可行性。
清澈、可执行的司法律规为什么难以形成呢 ？重要是由于数据确权存在显著的跨界问题：对律师来讲技术是一个沉大挑战 ，由于他们无法得知数据是若何被采集利用的 ，哪些人有权限、在什么情况下能够使用等；而对技术人员来讲司法条文又是一个很大的挑战。此表还存在利益问题；平台总是但愿尽可能采集更多的数据 ，当局也但愿看到更多的数据用来监管 ，消费者总是不安自己的隐衷等合法利益得不到保险 ，因而我们应该找到这三方合理利益诉求的平衡点 ，这必要足够的实际去磨合。若是这些问题解决好了 ，数据才会有市场 ，有了市场就会罕见据资产定价 ，这样数据资产才会真正流通起来。
五、 数据资产买卖的发展方向
数据资产买卖所是一个出格伟大的设想。以美国昔时禁酒为例 ，司法上的不容条文并没有阻止酒在美国消费 ，一些地下的销售大行其路并跟黑助、贩毒交错在一路 ，而此刻的酒类销售已改为强监管下的合法销售 ，好比一些州的加油站过了晚上十点就不允许销售酒类。数据资产的买卖也一样 ，是不成能强行阻止的 ，在解决确权问题后数据资产买卖是天经地义的。
一个有趣的问题是 ，在用户授权的前提下数据资产能否像股市一样进行指数买卖 ，对各类处置后的数据指数进行买卖 ，以预防泄露不有关的隐衷信息 ，好比具体的业求实际中金融机构必要的信誉指数 ，保险公司必要的健全指数等。事实上这些指数已经在市场上买卖 ，例如阿里的芝麻信誉分。这些买卖类似于股市却又有不一样的处所 ，好比数据指数买卖的买卖双方不合称 ，买方只能是买方而不能再转卖 ，由于数据的复造成本为零。这是一个可行的方向 ，数据资产买卖必须是标品 ，而数据指数就是这样的标品。
六、 数据质量和数据治理
笔者以为 ，真实性、齐全性、精准性都不能正确界说数据质量 ，由于探求数据质量必须是在具体的业务场景下进行。例如 ，若是要核实乘客登机信息 ，在采集照片的时辰就要求必须是高清图片并且跟自己齐全匹配才算是数据质量好 ，而电商场景下的数据分析只必要对业务有所改善就是质量好。要改善数据质量 ，必须得依附市场 ，不大可能通过自律或监管来实现。由于市场会定价 ，质量不好、对业务没有改善的数据不会有市场。在数据治理上 ，笔者也不太偏差于设立一个统一的数据监管机构 ，但的确必要统一的关于数据规造方面的司法律规。司法律规能够被看作是社会基础设施平台上的一部门 ，任何人粉碎数据治理的司法律规就会有有关的部门去向理 ，而不再必要单独的数据监管部门出面 ，更不必要每个行业数据治理都成立一个监管机构。
作者：王汉生 ，J9集团国际站教授
本文重要概想来自王汉生教授著述《数据资产论》
