上報 Up Media

珂伊爾

 

• 英國劍橋大學公共政策學教授

無論是在健康監測、智慧電網，自動駕駛汽車還是其他創新領域，資料都將在未來經濟中發揮重要作用，這是基本所有人都沒有異議的。

問題在於沒有人能確切知道新的經濟價值形式將如何被創造，何人從中受益，或該採什麼樣的監管措施，因此在熱切期待大資料發揮其效能的同時，人們也越來越關注該技術被濫用的可能性，包括在臉部識別以及其他可能嚴重侵犯隱私方面的應用。

根據部分估算，無論在何種情況下每年生成的資料量都在以驚人的速度增加，在短短5年間就已經成長了4倍，也因此越來越迫切需要確保資料爆炸能服務於社會的利益。

然而人們對於應由誰持有何種資料，或者某些形式的資料相對於其他形式的潛在價值這樣的問題，卻知之甚少。

從經濟角度而言，資料與大多數其他商品和服務（例如汽車，理髮以及石油）之間存在根本性的差異。尤其是資料存在兩大特徵，使得價值評估變得困難，同時又凸顯出對社會潛在價值與私人市場價值間的差異。

資料的第一大特徵，用經濟學術語來說就是存在非競爭性：資料可以同時被許多人使用。

一旦資料被創造出來並以一種有用的格式分門別類，就可以低價甚至免費提供給其他用戶。但就跟公園或道路等其他公共物品一樣，收集、編輯和格式化對社會有用的資料可能需要大量的前期融資。

這也是為何對現有資料的訪問存在諸多限制的原因：建立資料庫的人都需要回收成本。

資料的第二個關鍵特徵則涉及外部性：資料對任何一個使用者的價值都與其他用戶所採取的行動密切相關。

人們經常提及對隱私的侵犯，並將其作為與個人資料收集和出售相關的負面外部性之一，但卻較少關注資料也可能產生的積極外部性。

儘管私營企業已透過將個人客戶資料組合成更大的集合而獲得許多有價值的商業洞察，但相關資料集往往被隔離在不同的公共和私人組織中，但這類商業上的好處與將那些資料相互打通所獲得的收益相比，簡直是九牛一毛。

當然，任何給定資料集所包含的特定資訊內容也會影響其價值。

一組用戶的資料集是通用的還是特定的？它是否包含地理和時間特徵，並且可以在不同平臺間訪問和交互操作？所有這些考慮因素對於使用價值的定義都很重要。

儘管資料市場已存在，但資料還遠遠無法成為可透過交易輕鬆確定價值的標準化商品。

使事情進一步複雜化的，是相同的資料可能對不同使用者產生極為不同的價值。

任何特定資料集的經濟價值（無論是商業還是更廣泛的福利）都是存在於特定情境下的，但正如當前有太多政策辯論將所有資料視為一種同質商品那樣，對個人資料和隱私的憂慮（雖然這確實是個重要問題）也是如此，兩者都轉移了人們的注意力，以致很少有人能意識到，資料也可透過某些方式服務於公眾和社會。

那麼人們應當如何擴大當前辯論的範圍？

首先，必須認識到由於非競爭性和各種外部性的存在，僅憑市場無法充分利用這種新型資源，市場力量將產生太多部分類型的資料、太少其他類型的資料，因此政府必須介入以確保能最大限度地獲取公共和私人資料所產生的收益。

具體來說，這意味著要在各個私營的資料密集型市場中維護公平競爭（正如歐盟委員會新近提出的資料戰略所設想的那樣），並確保私人和公共服務提供者可以造訪、合併不同的資料來源。

對於那些可以被其他協力廠商用以增進社會福利的公共部門資料，各國政府不應將專有權授予任何機構。事實上，決策者甚至應考慮強制要求某些形式的私營部門資料必須向協力廠商開放，以確保平臺間的互通性。

無可否認，這些提議都將以重大的制度創新為前提。

政府需要支援受委託保護、監視和控制資料訪問管道的機構，儘管其中部分機構將需要從零開始創建，但已有多項新的數位治理形式正在試行，比如資料信託機構和資料管理員。

除了促進制度改革之外，決策者還需要做出一些艱難的抉擇。

在鼓勵對高品質資料的投資和實現對這類資料的廣泛訪問間需要有所權衡，在這方面也許可以透過限時使用、非獨家使用權、某種等同於資料專利的做法來平衡。

在公共資料融資方面，公共部門與私營企業間交易的財務、許可條款必須透明化，以便為其他各方對相同資料的更高價值利用，提供依據。

現在那些出售公共資料訪問權的官方機構總是把商業機密掛在嘴邊，卻因此導致很難達成一筆有利的交易，它們有效地阻礙了競爭，也因此在那些個人資料被出售的公民間散播了不信任，進而破壞了自身合法性。

雖然弄清楚如何充分利用資料的工作仍處於起步階段，但正如我們呈交給納菲爾德基金會（Nuffield Foundation）最新報告中所顯示的，這項工作所涉及的問題和權衡正變得日益清晰明朗。

最重要之處在於，決策者們必須意識到眼前挑戰的緊迫性，也該是時候著手制定資料戰略、政策和法規了，否則少數大企業就會將資料時代的收益據為己有，原本可以造福社會的很多潛在利益則將付諸東流。

© Project Syndicate

（原標題為《It’s Now or Never for National Data Strategies》文章未經授權，請勿任意轉載）