王汉生
一、 数据的实质
只有一些特殊实质的数据价值观才可能一连下去 ，那就是数据一定要爆发价值 ，能爆发价值的数据切合一样平常资产化的界说。目今企业都在推行数据化转型 ，其焦点使命就是要让数据爆发价值。无论人们喜欢与否 ，事实上数据正在大宗被生意（正当的或不法的） ，这些被大宗生意的数据一定得有价值 ，能爆发预期收益 ，而会计上对资产的界说就是“能够爆发预期经济收益的资源” ，因此数据实质上是一种资产。
二、 统计展望和因果关系
笔者以为 ，统计学的焦点是研究不确定性的学科。好比资产欠债、两头平衡等一样平常的会计报表数据剖析跟统计学没有关系 ，由于这是确定性问题 ，但若是用今年的会计数据去展望明年的收入情形 ，这就保存很大的不确定性了 ，就是统计学领域了。由于现在对不确定性的表达和纪录只局限于数据 ，以是统计学在研究数据 ，但我们不扫除未来手艺前进后 ，不确定性通过另外一种方法表达 ，那时间统计学就研究别的去了。
现在许多领域的展望越做越准 ，好比图像识别手艺带来的人脸识别、车牌号读取等应用 ，这已经是确定性问题了 ，但这之前是不确定性问题；而若是保存人类利益博弈的领域就是稳固保存的不确定性领域 ，好比两小我私家掷硬币猜正背面、股市价钱变换等 ，由于这不是由于知识的缺乏造成的。别的从另一个角度看 ，人们常说“浊世出英雄” ，正是有不确定性这个浊世的保存 ，才有模子爆发价值的时机 ，才有商业时机。数据之于价值的因果关系很模糊的数据剖析不会是多余的。正如人的一日三餐并不确定究竟哪种食物维持了生命 ，但能确定的是若是一样都不吃的话人就没法存活。数据剖析也一样 ，许多时间虽然说不清因果关系 ，但若是完全不做数据剖析就没有希望。数据剖析能把因果关系缩短到一个较量小的规模 ，然后在这内里寻找时机。
三、 数据可剖析问题及展望精度
从目今的时间点来看 ，绝大大都营业问题都不可能笼统为数据可剖析问题 ，由于大都营业跟数据剖析没有关系 ，好比旅馆前台给客人办入住手续、搬砖砌屋子等都跟数据剖析没关系。可是随着物联网手艺的生长 ，许多营业问题就跟数据剖析有关系了 ，好比那时间可能是机械在搬砖 ，会研究怎样搬砖效率最高；同样的办理入住手续我们可能会剖析客人的倾向 ，怎样提供更好的效劳。因此短期来看 ，绝大部分营业都跟数据剖析没有太大关系 ，由于基础没有数据支持 ，可是从恒久来看 ，跟数据剖析有关系的营业问题会越来越多。
就展望精度而言 ，有两个偏向 ，一个是找到大宗有相关性的X ，另一个是找到少数高度相关的X ，但两者之间怎样取舍这个问题没有统一的谜底 ，我们只能把它们放到模子里去实验。只要有优异的因变量Y ，一样平常的纪律是凭证营业知识找到若干个特殊相关的X ，好比一小我私家的破费情形肯定跟收入情形、教育情形高度相关 ，然后再找出一定相关性的X ，再往下找就较量难了 ，由于剩下的都是一堆相对来讲较量弱相关的X ，虽然也有一定的资助 ，但没法对它们的主要性排序。
可是 ，通常情形下太弱的X就没法用了 ，由于它的预计误差会比它能爆发的孝顺更大。接纳一个诠释变量就犹如任命一个员工 ，在他创立价值的同时 ，也要接受治理。而“管住”一个诠释变量就是要把它的参数预计得特殊准 ，因此就需要更大的样本量。
四、 数据确权面临的挑战
整体而言 ，数据相关的权益特殊难界定。不像实物资产 ，数据一最先就是好几方面的纠结缠斗 ，因此确权问题很难。
许多国家和地区在数据确权方面的看法不同很大 ，好比欧盟的GDPR（General Data Protection Regulation一样平常数据�；ぬ趵┒允萑啡ɑ� ，他们基本上认定电商数据的产权属于消耗者 ，平台要使用数据的话要知足许多苛刻的条件。而美国对数据确权的划定章要温顺一些。我们国家现实上有许多相关的执律例则疏散在各个行业 ，并没有一部像GDPR那样的统一规则 ，并且执行起来挺难 ，一方面体现在执法条文设置的问题 ，另一方面则是实践中的可行性。
清晰、可执行的执律例则为什么难以形成呢 ？主要是由于数据确权保存显着的跨界问题：对状师来讲手艺是一个重大挑战 ，由于他们无法得知数据是怎样被收罗使用的 ，哪些人有权限、在什么情形下可以使用等；而敌手艺职员来讲执法条文又是一个很大的挑战。别的还保存利益问题；平台总是希望尽可能收罗更多的数据 ，政府也希望看到更多的数据用来羁系 ，消耗者总是担心自己的隐私等正当利益得不到包管 ，因此我们应该找到这三方合理利益诉求的平衡点 ，这需要足够的实践去磨合。若是这些问题解决好了 ，数据才会有市场 ，有了市场就会有数据资产定价 ，这样数据资产才会真正流通起来。
五、 数据资产生意的生长偏向
数据资产生意所是一个特殊伟大的设想。以美国昔时禁酒为例 ，执法上的榨取条文并没有阻止酒在美国消耗 ，一些地下的销售大行其道并跟黑帮、贩毒交织在一起 ，而现在的酒类销售已改为强羁系下的正当销售 ，好比一些州的加油站过了晚上十点就不允许销售酒类。数据资产的生意也一样 ，是不可能强行阻止的 ，在解决确权问题后数据资产生意是理所虽然的。
一个有趣的问题是 ，在用户授权的条件下数据资产能否像股市一样举行指数生意 ，对种种处置惩罚后的数据指数举行生意 ，以阻止泄露不相关的隐私信息 ，好比详细的营业实践中金融机构需要的信用指数 ，包管公司需要的康健指数等。事实上这些指数已经在市场上生意 ，例如阿里的芝麻信用分。这些生意类似于股市却又有纷歧样的地方 ，好比数据指数生意的生意双方差池称 ，买方只能是买方而不可再转卖 ，由于数据的复制本钱为零。这是一个可行的偏向 ，数据资产生意必需是标品 ，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、完整性、精准性都不可准确界说数据质量 ，由于探讨数据质量必需是在详细的营业场景下举行。例如 ，若是要核实旅客登机信息 ，在收罗照片的时间就要求必需是高清图片并且跟自己完全匹配才算是数据质量好 ，而电阛阓景下的数据剖析只需要对营业有所改善就是质量好。要改善数据质量 ，必需得依赖市场 ，不大可能通过自律或羁系来实现。由于市场会定价 ，质量欠好、对营业没有改善的数据不会有市场。在数据治理上 ，笔者也不太倾向于设立一个统一的数据羁系机构 ，但确实需要统一的关于数据规制方面的执律例则。执律例则可以被看作是社会基础设施平台上的一部分 ，任何人破损数据治理的执律例则就会有相关的部分行止置 ，而不再需要单独的数据羁系部分出面 ，更不需要每个行业数据治理都建设一个羁系机构。
作者：王汉生 ，伟易博教授
本文主要看法来自王汉生教授著作《数据资产论》
