京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代下 数据交易规则的法律思考
大数据时代已经到来,之后将是人工智能时代,而且可能在非常近的时间我们都能看到。目前各国纷纷将大数据作为国家战略,我国也积极为大数据做充分准备并付诸实践。大数据离我们很近,它已经介入我们的生活;也离我们很远,更多人不知道大数据为何物。大数据时代的数据交易、数据共享及数据安全等在目前法律上均为空白,如何维护我们现在及未来的权利留待我们作出的法律思考。
大数据时代下数据交易规则的法律思考
一、大数据国家战略
现在随着全球数字化、网络宽带化、互联网应用于各行各业,一个大规模的产生、分享和应用数据的大数据时代已经到来。大数据将是下一个创新、竞争、生产力提高的前沿。大国均将大数据提升到国家战略的高度,如美国,2012年3月29日,美国奥巴马政府推出“大数据研究与开发计划”,提出“通过收集、处理庞大而复杂的数据信息,从中获得知识和洞见,提升能力,加快科学、工程领域的创新步伐,强化美国的国土安全,转变教育和学习模式”;英国,英国在大数据方面的战略有开放有关交通运输、天气和健康方面的核心公共数据库,并在五年内投资1000万英镑建立世界上首个“开放数据研究所”等;法国,法国政府在其发布的《数字化路线图》中表示,将大力支持“大数据”在内的战略性高新技术,通过发展创新性解决方案,并将其用于实践,来促进法国在大数据领域的发展等。
在我国,2015年5月8日总理亲自批示成立贵阳大数据交易所,贵阳成为全国第一家大数据交易所。交易所通过自主开发的电子交易系统面向全球提供7x24小时全天候数据交易服务,并提供完善的数据确权、数据定价、数据指数开发、数据交易、结算、交付、安全保障、数据资产管理和融资等综合配套服务;2015年7月17日,由上海市经济和信息化委员会指导,上海市云计算产业促进中心主办,新炬网络、51CTO联合承办的首届“中国数据资产管理峰会”。会议中,上海市经济和信息化委员会发布《上海金融行业数据中心安全可控白皮书》,会议围绕数据资产管理、大数据变现、数据治理等热点议题进行,同时也关注在数据收集、运用及交易中,如何确保个人的隐私受到保护、企业的商业秘密不受侵犯、国家的信息安全等问题等。
二、大数据时代带来的法律问题
大数据蕴藏着巨大的潜力和能量,因海量数据的产生、获取、挖掘及整合,展现出巨大的商业价值,且重构很多行业的商业思维和商业模式。在先行者深谙“数据即资产”的道理,并已运用到各行时,大数据时代已并非我们所能选择,它已经到来。
如何给大数据制定规则成为非常现实的问题,即如何评估数据的价值、如何保护数据安全、现代企业如何利用大数据创新转型、以及如何打破数据垄断、个体如何从大数据中获益以及如何保护个体隐私、以及如何实现数据的快速有效交易、如何发挥数据交易所的作用等留下太多的法律空白。本文试图通过数据交易所平台来初步探讨,大数据时代的数据交易规则。
三、数据交易规则初探
01、政府主导下的数据安全
大数据为国家战略,理应由国家进行主导,而不应交由市场或地方政府主导。国家应及时对大数据的交易规则、数据安全、数据运用、数据共享、个体保护、对外数据交流以及数据管控等制定相应的法律法规。然后随着大数据发展再逐步进行修订,虽然法律具有一定的滞后性,但对于已产生多时的事务,不应任由其发展,可先由部委制定规章制度,待成熟时再上升到法律。
大数据交易可由相应的归口部门进行联合管理,如科技部、公安部、商务部等,但最终是否可形成类似统一由国土安全部对数据进行管理或由其进行过滤后,再商业化运作。同时,加强对大数据相关的知识的教育、培训及宣传工作,以及开始着手各部门的衔接工作。政府应邀请法律界包括法学专家、学者教授及法学院,法院、律协、律师、公检等以及各行业协会代表参与到大数据时代数据交易规则的制定之中,对未来数据时代的交易规则、数据所有权、个体与集合数据的区分及维权、数据安全以及可能产生的纠纷预测等进行相关的研讨。
对于最可能先发生的数据安全问题,可从目前能掌握的如互联网公司非法获取、企业私下交易或共享、政府监控、黑客、用户保护意识欠缺、企业利用格式合同或强势地位收集、企业不重视数据保护或数据保护成本高、企业破产后的数据保护失控、盲目炒作大数据导致管理混乱等方面分别制定相关规定进行相应的保护和约束。
02、数据交易市场的建立及统一
各地数据交易市场相续建立,有地方政府主导的,有地方政府和企业主导等,但没有形成统一的数据交易市场,各数据交易市场各自为政,没有形成统一的交易规则、交易标准、交易定义,没有完善的数据登记,信息披露制度,没有关于国际间数据交流的相关规则等。可以说,目前数据交易市场还仅停留在撮合交易的阶段,或混乱的状态,未实质发挥其作用,未对未来做好充分的准备,任重而道远。
未来数据交易市场应是在国家主导下的统一的交易平台、统一的交易规则,并建立国家资质的数据评估机构,部分职能可交由之后可能产生的行业协会履行,国家再对各行业协会间的数据交流进行必要的监管,建议不妨参照证券交易所的相关经验。
03、企业在规范下进行数据交易
企业是大数据时代最大的获益者,也是受大数据冲击最大者。谁掌握更多的数据谁就掌握未来,而大数据之后的人工智能,也是企业能否引领未来的标杆。但企业是趋利的,而利益是双刃剑,企业在利益确实需要法律和制度的约束。应防止企业在收集、运用、共享数据时对权利的过度滥用,以及防止企业利用法律和制度的空白肆意侵犯个体或国家的隐私及安全,应将国家安全及个体隐私放在非常高的地位,并将其与企业信用进行挂钩,让法律和市场决定企业在大数据时代的生存,以倒逼企业对数据安全的重视。
04、个体对数据交易的适度参与
大数据时代的未来可能超过我们的想象,也可能在科幻电影里已经预言过。通过大数据的收集及分析,所有的痕迹将形成数据。这已经是非可以选择的时代,但可以选择的是如何主动参与到大数据时代中。如某政府官员提出的“数据银行”的概念,数据有价值,个体可主动选择是否对自己数据进行开放以及交易等主动参与的理念。
但作为在大数据面前相对弱势的个体而言,应更多关注数据安全,未来所有个体的资讯将数字化。个体的消费习惯、生活习惯、个人财产、个体特征等个体所有的隐私将无隐私可言。如何掌握数据安全的知识、维护个体的权利、保护个体隐私等将成为个体、企业与国家间进行博弈的新的场所。个体应不惧怕未来,拥抱未来,思索未来,其实大数据时代已经来到。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09