大数据的价值和流通存在哪些困难？

在数据资源开发利用的过程中，分享总是一个难题，人们总是担心泄露机密，曝光隐私。根据目前数据开放共享中的数据库、云计算、数据中心等都是基于为中心化服务的思想而设立的，必然形成数据高度集中，开成垄断。没有流通的数据，作用很小，甚至只是一堆没有用的数字。经济活动的驱动力是价值实现，作为同样有价值的数据，本身在流动过程中就需要有对等的价值流动。

数据经济是基础。

大数据时代各行各业都主动运用数据思维进行转型和创新，整个社会的生产模式、交付方式、生活体验和管理决策能力都在向“数据社会化”演变。数据能够被社会各层面使用，打破物理地域限制，渗透到社会的每个角落，进而驱动虚拟世界与现实社会之间实现生态交互，让社会资源能够在同一个平台上被重新整合、共享和使用，最终实现完全的社会应用价值。未来的新经济模式将以信息经济、知识经济、智慧经济为核心，这些都需要以社会化的大数据为基础，以社会数据的充分融合为条件，以大数据资源的商品化运行和有偿使用为标志。只有真正让大数据成为有效的资源，被经济规律所引导且又能服务于经济社会，才能真正实现大数据更高层面的充分使用，并真正奠定数据社会的基础。

数据流通是核心。

大数据吸引人的地方在于同一组数据可以在不同的维度上产生不同的价值和效用，对不同的用户也会发挥不同的效用。使用维度的增加，数据的能量和价值就讲被层层放大，带来极大的使用价值。同时，数据成本随着边际效应变得很低，跨时间和跨空间进行最大程度的重复利用，从而形成更大的社会价值。一个互联网的价值与其节点数的平方成正比，其中有个关键的假设是，这些节点间的关系具有同等价值，这个假设也成为了互联网经济的基石。那么，数据经济的基石是什么？数据的流通可以带来很大的价值，数据流通不仅仅包括数据的交易和交换，还要包括数据的开放和共享。数据的顺畅流通将有效地降低创新门槛，带动移动用互联网、大数据及数据服务等新兴产业的发展壮大，成为数据经济的引擎。在大数据上升为国家战略的背景下，数据流通的发展更是拥有了市场和政策的双重机遇。

数据流通的几个问题。数据流通存在诸多困难：

数据的权属界定不清晰。

如何定义数据的权属并不是一件很容易的事情，涉及技术、商业和法律等诸多个方面。在产权不清晰的前提下，拥有数据的主体没有动力去分享自己的数据成果，否则会给自身带来利益损失。如果无法保护数据产权，数据一旦出手就会面临被无限次数的倒卖，数据的市场价值也因无限的供给量而骤减。

数据的质量标准不统一。

小数据时代开始，不同来源的数据就各有各的格式。而在大数据时代，由于数据源的千差万别，采集的数据无论何时还是质量都存在很大差别。一方面，即使相同格式的数据，也可能存在意义和度量的差别，如同形状不一的石头块，很难堆砌摩天大楼一样。另一方面，原始数据会有缺漏和错误之处，也可能混淆着大量无效和垃圾数据，这就必须进行有效的筛选，否则无法正常使用。

数据的不安全。

数据安全问题是保障数据权属的核心问题。数据未经生产主体同意而被采集并使用，会造成个体用户、企业用户甚至是国家安全方面的连锁反应。数据被私自采集和连用的现象十分普遍，这反过来导致很多数据主体参与数据流通的意愿不强，甚至是闭锁。

数据定价不精准。

有了数据权利和保证数据安全这两大前提条件，数据才能进行合理定价。当前，数据已经被很多人或者组织认可是一种有价值的资产，具有无形财产和资产的属性。如何准确衡量数据的价值对其进行财务量化，已有机构提出需要从数据的内在价值、业务价值、绩效价值、市场价值等维度去考虑，涉及数量、范围、质量、关联性、时效性、稀缺性等因素。通过衡量各个因素的权重比、不同指标量级，才能实现对数据资产的全方位标准化评估。

数据价值如何衡量。

数据可以被无限次共享而不损失价值，但是多次复制会使所有权复杂化，增加成本。

数据用地越多，价值越大，不像许多资产在使用中会逐渐贬值，如汽车、生产设备等。

数据价值会随着时间衰变。不像高档白酒，保存时间越长，价值会变大。

数据越精准，价值越高。

多个独立数据源的融合，会带来1+1>2的效果。

更多的数据不一定能带来更多的价值。

数据不会损耗，反而是越来越多。相反，数据如果不使用，就会没有价值甚至变成负债。

从这些角度去考虑数据定价具有一定的指导意义，数据的使用频率、新鲜度、质量、外部性都是重要的变量，特别是在移动互联网时代，针对具有高频性、时效性随机性等鲜明特点的各种数据。