丁晓东｜数据交易如何破局？——数据要素市场中的阿罗信息悖论与法律应对(7)

其一，大数据对相关问题的“预测”并不一定比已有的决策更加正确。舍恩伯格曾经指出，大数据的核心在于“预测”，并认为在不久的将来，“世界许多现在单纯依靠人类判断力的领域都会被计算机系统所改变甚至取代”，但舍恩伯格也同时强调，大数据的特征是“混杂性”而非“精确性”，是“相关关系”而非“因果关系”。这就意味着，大数据所带来的预测优势仅仅是概率性的，并不意味着基于数据的决策在所有情形下都更准确。在实践和各类研究中，也有大量的例子证明，数据未必总是能够发挥正面作用，在不少情形下，数据甚至可能给企业带来错误的决策。
其二，数据本身往往很难进行兼容和集成，很难有效融合到企业已有的数据和决策体系中。数据的价值常常被类比为“石油”。但离开场景与服务，数据本身就是一堆表格和数字，对企业而言并无用处。有的数据可能面临结构化的问题，难以和用户已有数据实现技术层面的融合。有的数据虽然已经实现结构化，可以和企业已有数据在技术上实现整合。但在应用层面，这些数据可能难以有效和企业决策整合，帮助企业作出更佳决策或更有效的商业服务。数据真正成为有价值的商品，必须结合需求方的具体场景，为企业提供看得见摸得着的服务。而要完成这种转换，就需要网络平台、数据库企业或数据经纪商对数据进行持续性加工，使其能够持续性地嵌入企业发展需求。这也说明，为何数据的购买方或需求方往往并不直接购买数据，而是要求数据供给方为企业提供能够解决现实生活场景的一对一服务。
只有在相关数据能够直接接入企业需求，成为契合企业内生数据一部分的情况下，数据才能成为企业的真正成为企业的资产或助推器。就此而言，数据并不像“石油”、黄金或货币等资产，可以直接嵌入已有资产中；也不像土地、产品、专利那样，可以相对容易与已有的生产要素进行匹配或融合。
其三，即使能够确认某一数据的价值，数据也很难成为一种标准化产品。一般而言，能够进行大规模流转的产品都是那些能够标准化的交易品，交易品只有脱离了供给方和需求方的个性化因素，价值保持相对稳定，才不会因产品的供给方和需求方的不同而不同。但数据却具有高度场景化特征，很难脱离场景成为标准化产品，也很难产生一个大规模流转、适用于所有平台和所有用户的数据流量市场。从供给侧来看，数据的供给方所供给的数据常常具有场景化特征。例如，在平台类数据中，即使相同的数据与流量服务，其效果也会因为各平台的受众类型、消费习惯、观看时间的不同而不同。比如，电视平台的受众可能年龄偏大，网络用户可能相对年轻，两者对于不同产品的敏感度、接受度与购买兴趣都不同，其收费价格也并不相同。从需求侧来看，用户常常只需要数据的很小一部分，很少需要对数据整体进行开发利用。