在“大數據時代”，將散落在政府與企業手中的數據有效整合起來，積極發掘其價值乃是大勢所趨。 ?

從一本“文科生讀物”說起

前幾天，和幾個朋友一起聊大數據問題。其中的一個做技術的朋友突然問我，“你最早是從哪兒知道‘大數據’這個概念的?”我略微整理了一下記憶，回答道：“應該是從涂子沛那本《大數據’》那兒吧。”朋友聽罷，沖我狡黠地一笑，說道：“嗯，我猜也是。你和我認識的大部分文科生一樣，也是從這本和‘大數據’沒什么關系的書開始知道大數據的。”

作為一個文科生，我確實感到了來自一名工科學生的深深“惡意”，也瞬間意會到了他要傳遞的“槽點”。是的，如果從技術的角度看，這部讓涂先生一舉成名的著作恐怕除了標題和“大數據”相關外，確實和后來我們所理解的“大數據”少有關聯——即使以最為寬松的眼光看，這部書恐怕也只能算是一部大數據的案例集。而對于大數據的技術基礎和應有邏輯，書中則鮮有提及。盡管這樣的書會很對我這樣的文科生胃口，但卻很難入技術人的法眼。

不過，這兒我還是想為涂先生的這部書說幾句公道話。事實上，作為一本普及書，它的責任更應該是側重某些理念的傳達，而不是像技術手冊那樣讓人們獲得細節性的知識。從這個角度看，這本“更適合文科生閱讀”的《大數據》應該是成功的。它不僅在第一時間向人們普及了“大數據”這個概念，而且還介紹了很多有意思的大數據案例。

在所有的這些案例中，最重要的可能就是在一開始講述的美國《信息自由法》的出臺始末。這段文字向讀者展示了美國政府逐步開放數據的大致過程，雖不算長，但卻很清晰。通過這段講述，我們得以清晰地看到美國的數據開放是如何一路走來的。幾年之后重讀這段文字，我忽然有一些似莫名的熟悉感。

事實上，在這部書出版后不久，“大數據”的概念就興起了。隨著“大數據”浪潮的襲來，我國政府也開始了數據開放、數據共享的歷程，這段歷程其實與書中所講的美國故事有很多相似之處。當然，和美國的實踐相比，我國的數據共享歷程還有十分鮮明的特點，其中之一就是：不僅由政府向企業、個人公開數據，還有由企業向政府部門，尤其是監管部門共享數據。

這種雙向的數據流動和共享，在很大程度上促進了政府與企業之間的數據共享，也對實現政、企協同治理起到了關鍵的作用。不過，和所有的新事物一樣，這個過程也遭遇了很多困難，遇到了很多課題。或許，在若干年后，會有一本更為厚重的書來記錄中國的這些實踐。

政企之間實現數據共享的理由

為什么政府與企業之間有必要實現數據的共享呢?就其最為根本的理由來看，這是由“大數據”的特點決定的。眾所周知，所謂的“大數據”并不僅僅是數量巨大，還要求有高的維度。如果某人擁有的數據維度是十分單一的，那么即使這些數據從數量上來看十分巨大，其分析價值也不會很高。

舉例來講，曾經有一個朋友花了很大的力氣搜集了某個地區所有居民的姓名數據，然后來找我討論可以做什么研究。當時我就很遺憾地告訴他，雖然搜集姓名數據的工作很龐大，但這樣單維度的數據似乎除了可以分析出姓氏分布這樣的簡單信息來，也難以做出更多的研究。

不過，如果我們可以同時搜集到居民的年齡、收入、工作狀況等其他信息，那么可以研究的話題就一下子增多了。例如，我們可以看看在一個地區的大姓居民，到底是不是可以獲得更高的社會地位和社會資本，進而獲得更高的收入;還可以考察收入狀況和起名習慣之間的關系……毫不夸張地說，當維度擴展時，可以從中挖掘出的信息就會以幾何級數增長，數據本身帶來的價值也會大幅度提升。

現在，政府和企業手中都掌握著很多數據，但它們所掌握的數據性質是各不相同的。總體來看，政府部門掌握的數據主要來自統計和因需要以政府力量進行的監測，例如工業普查數據、工商稅務信息、實時氣象信息等。這些信息，企業或個人都很難獲得。即使可以獲得，其成本也是巨大的。而企業手中掌握的則是相對來說更為微觀的數據，例如企業銷售的品類、交易流水、消費者特征等。這些數據都很細碎，但是政府要及時獲得，也是十分困難的。在這種情況下，如果企業和政府之間彼此隔閡，僅利用自己的數據，那么所能達到的效率也會相對低下。

這里尤其需要強調的是企業因缺乏政府數據而受到的影響。一方面，出于成本的考慮，企業難以搜集某些數據，這會使企業在數據應用上的效率大幅度降低。舉例來說，一些物流公司出于調度目的，需要實時的、細分地區的天氣信息，但企業憑借自己的力量卻難以獲得這些信息。在這種情況下，企業就不能根據確切的天氣信息進行精準的調度，只能退而求其次選擇比較模糊的調度方案，因此勢必帶來效率上的一定損失。

另一方面，一些重要的政府數據缺失還有可能導致企業的某些工作難以正常、合規的得到開展，一個典型的例子就是網約車行業。現在，各地紛紛制定了對網約車監管的細則。我注意到，在很多地方的細則中，都明文規定了刑滿釋放人員不能從事網約車的運營。我不想對這個規定本身是否合理進行討論，單說在現行的條件下，網約車公司要按照這些規則對司機進行審核就是十分困難的。

一個人究竟是否犯過罪、是否坐過牢，這是很隱私的數據，在通常的檔案中并沒有記載，只有公安部門掌握著相關的數據。如果公安部門不向網約車公司提供這些數據，那么網約車公司就基本不可能對相關信息進行有效的審核，也就更遑論要對這些規定予以嚴格遵守了。

基于以上兩點理由，作為目前最大規模數據的所有者，政府在滿足法律法規的前提下，向企業開放其手中的數據是十分有必要的。這不僅可以大幅度增加企業的經營決策能力，顯著提升經濟運行的效率，同時也可以幫助企業更有效地進行合規運營，從而對社會治理產生有效的促進作用。

當然，在政府向企業開放數據的同時，企業將自己擁有的部分數據分享給政府，幫助政府加強監管，也是十分有必要的。當前，新的企業、新的商業模式層出不窮，很多行業的情況都瞬息萬變，這對政府的監管和治理也提出了嚴峻的挑戰。

盡管政府部門也針對相應的情況，加強了有關數據的搜集，但其滯后性是十分明顯的，成本也很高。舉例來說，近年來共享單車異軍突起，一方面有效緩解了人們的出行難，但另一方面也帶來了亂停亂放、占道嚴重等問題。政府花了很大的人力、物力進行整治，但在很長時間內效果并不好。其中的一個原因就是，政府并不能確切掌握企業對車輛的投放狀況，因此就難以有的放矢地科學調撥整治人員。

針對這一問題，很多城市都做出了讓共享單車數據接入監管平臺的要求，以保證監管人員可以實時監控到各地區的單車投放狀況。不少案例表明，這樣的要求確實在很大程度上讓單車的擺放秩序獲得了有效的改進。

政企之間實現數據共享的困難

盡管從理論上講，打通政府與企業之間的數據壁壘，實施政企的數據共享可以大幅改進數據的利用效率，讓企業的經營效率和政府的治理能力同時獲得比較大的改善，但是在現實當中，要真正做到這一點還是面臨著不少的困難。

先看政府對企業共享數據的困難。從目前看，它面臨的阻礙因素主要有兩個——

一是數據安全問題。政府手中的數據，有很多是涉及國家安全，或者涉及居民隱私的，這些數據如果開放給企業，很可能會引發不可控的后果。不少政府部門對數據的開放保持疑慮，很大的一部分原因就來自于此。

前面我們提過網約車合規需要公安部門的相關數據，我曾就這個問題請教過公安部門的相關專家。他們的回答是：一個人是否有前科，本質上是相當隱私的信息。當這個人刑滿釋放之后，他為了重新融入社會，會傾向于不讓更多的人知道這段歷史。而如果將數據開放給相關的單位，就可能會給他們的就業、生活制造很多麻煩。在一定條件下反而可能激化社會矛盾，帶來很多不必要的問題。

公安的專家給出的這套理由也是很有道理的，但正是由于這個原因，客觀上導致了網約車企業無法按照要求完成管理，也給其運營埋下了一定的隱患。這里面的復雜關系究竟應該怎么處理，恐怕還是值得思考的。

二是數據的口徑問題。我們知道，政府的數據是通過各個部門搜集的，每個部門的數據搜集規則、流程都不盡相同，這就造成了最終數據在口徑上未必會一樣。在傳統的統計條件下，統計系統會將各個部門的數據先進行匯總清理，最終拿出統一的數據予以公布。但這樣的工作方式顯然很難滿足及時、準確公開數據的要求。

我曾接受南方某市的委托，為該市做營商環境評估。在這個過程中，需要10多個部門分別提供自己的最新數據。盡管相關部門的同志表面上都很配合，但他們在提供數據時都不約而同地表示出了猶豫。即使提供了數據，也會對我千叮萬囑地說，千萬不能泄露出去。我對他們的小心態度很好奇，曾找一位同志私下問過原因。他給我的回答是，這是各部門的原始數據，而未來統計局公布的數據一定會和這有出入，如果有人質疑起來，可能會帶來一些不必要的麻煩。

再看企業對政府共享數據所面臨的障礙。在我看來，目前最主要的困難也有兩個——

一是可能的數據泄露的風險。

某航空公司的一位管理人員曾和我說起：按照規定，他們必須將所有的乘客數據都上傳給監管部門。但某一天，他發現監管部門正在和一家第三方數據公司合作，將他們上傳的數據交由這家數據公司使用。他對此感到很憂慮，因為乘客的數據都是非常隱私的，如果這些數據在被數據公司利用的環節中發生泄漏，那么造成的后果將十分嚴重。尤其是如果泄露的信息涉及到歐洲乘客，根據歐盟頒布的《通用數據保護條例》，即所謂的GDPR，航空公司將面臨巨額的罰款風險。

我不能確認這位航空公司管理人員所說的情況是否屬實，但如果是真的，那么這個情況確實非常值得重視。從法理上講，用戶的數據是由公司采集的，它們就負有對這些數據進行保密的義務。目前，包括GDPR在內的大批法律法規都根據這點安排了非常嚴格的法律責任。

但是，如果企業需要交給將數據上報給監管部門，而監管部門又把這些數據交給第三方，那就意味著企業將會面臨著巨大的、不可控的信息泄露風險——即使它們對內部的風控做得再嚴格也沒用。如果這個問題不妥善解決，那么企業的經營積極性就有可能受到很大的負面影響。

二是對數據共享的補償問題。

我們知道，在數字經濟社會，數據已經是重要的生產資料，也是企業的重要戰略資源。為了數據的搜集和處理，企業往往需要投入巨大的成本，而這些數據本身也能給它們帶來相應的經濟收益。如果政府只是要求企業將數據拿出來用于單純的監管用途，那么問題還不大。但如果政府像前面提到的案例那樣，將數據給了第三方進行分析或使用，那就很有可能對企業的生產經營造成影響。基于這點，我個人認為，如果要求企業開放數據，那就好像是將企業的資產拿出來共享一樣，如果不給予相應的補償，就很有可能打擊企業生產、搜集數據的積極性。

不過，究竟應該怎么對企業的共享行為進行補償，以多大金額進行補償，就又是一個難解的問題。雖然我們經常說數據價值巨大，但對于它究竟能在市場上值個什么價，卻是不得而知的。事實上，由于現在在數據產權的認定問題上還沒有統一的規定，數據的交易受限十分嚴重。

市場上的大部分交易都是通過黑產形式實現的。這樣形成的價格完全不具有參考意義，很難代表數據的真實市場價格。另外，即使我們知道了數據的市場價值，但對于共享給政府，主要用于監管的數據，顯然不能照此索價。因此，究竟如何對企業的數據共享行為進行補償，還是一個有待解決的難題。

三是由于數據共享帶來的權利義務分配問題。

現在，大部分政府要求企業上傳、共享數據的情形，都是為監管目標服務的。例如，交通部已經要求網約車公司將司機個人信息、訂單信息、經營信息、定位信息、服務質量信息等數據都接入監管平臺——先由網約車平臺公司將數據傳輸至部級平臺，然后再由部級平臺將數據實時轉發至相關省級平臺及城市監管平臺。這樣做，當然是為了能夠及時對網約車運營狀況進行實時的監督，在出現問題時進行及時的干預，其初衷是非常好的。

不過，對這樣的舉措，我個人還有一些疑問。例如，當監管部門可以實時監控到所有網約車的運營狀況時，如果這些網約車的經營出了某些問題，那么監管部門是不是應該要承擔相應的責任，而與此同時，網約車平臺的責任是不是應該相應的降低?如果監管部門不承擔責任，那似乎在理論上說不通，因為我們可以說它已經參與了監管。如果監管可有可無，發生了問題不用承擔責任，那監管又有什么意義呢?

但如果真要監管部門承擔責任，那似乎又在實踐上說不過去。我們知道，交通部的人員非常有限，要面對全國網約車的實時數據進行監控，幾乎就是不可能的。如果出了事情就要他們承擔相應的責任，那么監管人員要背的“鍋”就實在是太重了。

如何進一步推進政企之間的數據共享

在“大數據時代”，將散落在政府與企業手中的數據有效整合起來，積極發掘其價值乃是大勢所趨。不過，正如我們所看到的那樣，無論是由政府向企業共享數據，還是由企業向政府共享數據，在實踐當中都會遭遇很多的困難。因此，為了進一步推進政企之間的數據共享，我們還有相當多的工作要做。具體來說，以下幾點是比較值得重視的。

第一，應當推進與數據相關的立法，進一步明確在政府與企業之間，哪些數據可以共享，哪些數據應該共享。

所謂沒有規矩，不成方圓。正如涂子沛先生的那部《大數據》當中指出的，美國政府對政府數據的開放，是在一系列法律、法規建設的基礎上實施的。從根本上講，我國在政企數據共享中遭遇的很多困難，也是因為相關的法律法規缺失所造成的。如果人們對自己的權利和義務不明確，那就很難開展活動。因此只有從法律的層面上落實數據開放規則，相關人員在進行操作時才可以按圖索驥，避免各種可能的障礙。

第二，在進行數據共享時，可以考慮不共享原始數據，只共享數據產品或經過脫敏后的數據。

其實，在很多情況下，我們最需要的并不是數據本身，而是由數據所生成的產品，例如數據運算的結果，或者由數據訓練出的算法等。以監管為例，在我個人看來，如果監管者想要了解的只是實時發生的問題(例如網約車的事故、糾紛等)數量，那么他們只需要讓相關的企業在自己的平臺上先運算出這些統計數據，然后再將這些數據提交給監管平臺就行了。

從達成監管的目標看，這樣做的效果基本是和要求企業提供所有實時數據是等價的——事實上，考慮到運算效率等問題，這樣匯報的效果可能還會更好。但與此同時，這樣的做法又可以避免前面我們所提過的很多問題。像數據泄露風險、數據價格問題，以及權責關系問題等，在這樣的操作下都將迎刃而解。

第三，應當積極采用各種新的技術來破解數據共享過程中采用的問題。

從最根本的角度看，要解決數據相關的大多數問題，最終還要靠技術的發展。我想，在當前的情況下，至少有兩樣技術是有助于我們解決這個問題的。

第一項技術是聯合學習算法。

如前所述，我們現在需要大數據的最重要理由是，將更多的數據集合在一起后，就可以從它們身上挖掘出更多的信息。換言之，如果我們不需要將數據集合在一起就可以達到同樣目的的話，就不必再采用這種整合數據的思維了。這樣的理想可能實現嗎?答案或許是肯定的。

目前，谷歌正在研發一種聯合學習技術。和過去的各種機器學習算法需要集中在一起不同，聯合學習算法可以利用分散在成百上千萬用戶手里的設備，協同訓練機器學習模型，而且所有的訓練數據都保留在原來各自的設備上。如果這種算法被證明為是成功的，那么或許在不遠的將來，所有數據所有者就不再需要開放共享自己的數據，但卻可以享受到與開放數據相同的好處。

第二項技術是區塊鏈。

我們知道，區塊鏈技術有一項重要的特點，就是可追蹤。如果將數據采用區塊鏈技術進行加密，在其整個轉移的過程中，我們就可以清晰地看到它的去向，知道它到底被誰使用過，又被誰復制過。有了這樣的技術條件，數據的提供者就可以對使用者在未經自己允許的情況下泄露數據的情況進行有效追責，對于清晰界定數據的產權也會大有助益。 來源：經濟觀察報