国家数据局推动14家央国企开放超60亿条高价值数据,促进数据在应用场景中发挥价值。这个量级的数据开放,在数据要素市场上并不常见:过去公共数据开放多集中在政务领域,央国企掌握的能源、交通、通信、建筑等生产性数据,一直是最难撬动的部分。集团层面同意开放,二级公司未必愿意,协调成本常高于技术成本。授权要写清谁开放、给谁、多久。开放清单通常由集团数据管理部门统一编制,二级公司按清单报送可用数据。开放数据要经数据安全评估,涉及关键基础设施信息的需报主管部门。二级公司报送后由集团统一审核,再对外发布开放清单。开放目录每年更新一次,新增数据要重新做安全评估,不是一次评估管到底。开放目录通常分无条件开放、有条件开放与不予开放三级,级别不同申请流程也不同。不予开放的数据要说明理由,申请方可申请复核。
开放不等于可用。央国企数据专业性强、颗粒度细、与生产系统深度绑定,直接给出去既有安全顾虑,也缺乏统一标准。60亿条数据如果没有配套的字段说明、更新机制和使用规范,拿到手也跑不起来,真正决定效果的是可理解性,不是条数。字段说明应包含含义、单位、取值范围与更新频率,缺一项都会增加对接成本;取值范围这一栏缺失,需求方还得回头问,一来一回就是两周。需求方提交申请要写明用途与使用期限,用途不符会被直接驳回。央企数据开放已纳入部分考核指标,开放量与应用案例都算分,动力比单纯号召强。申请审批时限多在二十个工作日内,涉及保密审查的会延长。开放授权书一般一年一签,到期需重新申请,不是一次授权长期有效。
谁能接得住?第一类是下游同行,建筑企业拿施工数据做造价模型,物流企业拿运输数据做路径优化;第二类是数据服务商,把原始数据加工成标准化产品再分销;第三类是科研机构,用于产业研究与模型训练。三类主体能力要求不同,前两类要懂业务,后一类要懂方法。服务商最容易踩的雷是超范围再销售:原始授权只给了内部分析,加工后再卖就构成违约。因此加工合同必须写明衍生数据的权利归属与分成比例,归属不清,服务商无权再销售,双方也都没有积极性。开放数据不得转售,转售一经发现即取消资格。
对接方式正在变化。过去靠点对点协商,一家一家谈,效率极低;现在更多通过数据交易所或可信数据空间,把数据以产品形态上架,需求方按场景申请,供方按规则授权。这种方式把“开放”变成了“可运营”,也让收益分配有了依据。空间里按调用量分成,提供方才有持续开放的动力。可信数据空间在这里的作用是提供可控的交付环境,数据不出域,使用行为可计量,收益可按调用分成。分成比例要写进接入协议,按调用量结算。空间按调用量分成,需先部署计量组件,日志留存两年。计量组件与日志要先部署,分成才有依据。商业秘密字段要做脱敏或聚合,直接开放原始值风险很高。使用方要按年度提交数据使用报告,说明应用场景与实际效果。
安全与开放要同时成立。央国企数据涉及关键基础设施运行信息,必须做分类分级,敏感字段脱敏后再开放,部分数据只能以统计结果或模型参数的形式输出。资信树在参与此类项目时,会先做数据分类分级与脱敏方案,再设计产品形态,把合规成本控制在可接受范围。泛化、扰动、聚合三种手段,按用途选,脱敏强度不够等于没脱。脱敏不是删字段,而是按用途做泛化、扰动或聚合,脱敏强度不够等于没脱,过度脱敏又会让数据失去价值。脱敏方案要做效果验证,抽样检查重识别风险。脱敏要做效果验证,泛化、扰动、聚合三种手段按用途选。脱敏后要做抽样重识别测试,命中率超过阈值就要调整方案。重识别测试按准标识符组合尝试,命中率超过百分之五就需重新脱敏。重识别测试由第三方执行,结论更客观。涉及个人信息的字段一律不开放原始值,只给统计结果或区间。开放还要与保密法衔接,涉密信息一律不进入开放目录,边界要先划清。违规使用一经查实,可暂停其申请资格并通报,约束力比口头提醒强。
对想接数据的企业,先想清楚三件事:用这批数据解决什么具体问题、需要哪些字段、能不能接受使用限制。想不清楚就签合同,最后往往是用不上、退不掉。数据开放的价值不在拿到多少条,而在能不能嵌进自己的业务流程。稳妥的做法是先做一到三个月的小样本试用,用真实业务跑通再签长约,验收指标包括字段完整率、更新及时率与接口稳定性,写进合同附件,后续扯皮的空间就小得多。转售限制要写进授权书,违反可按次计违约金。

