数据知识产权:一种可流通交易的数据权

数据流通交易的标的通常是“数据+一种权益”[1],数据资产的确定也要求“拥有数据权属”[2]。数据确权问题是数据“供得出、流得动、用得好”的关键问题,也是当前数据“交易难”的难点所在。在尚未对数据所有权立法的情况下,数据知识产权是目前可流通交易的一种数据权。2024年2月29日,浙江省市场监督管理局的《关于深化数据知识产权改革推进数据要素赋能发展的意见(征求意见稿)》标志着数据知识产权探索将进入实际运用实施阶段,拥有知识产权的数据有望率先合法进入数据要素市场,率先实现数据“供得出、流得动、用得好”。

数据资产增值减值因素分析

资产价值增减变动的判断评估是资产管理和会计的一项重要工作。在当下数据资产入表的进程中,数据资产价值增减变动的计算方法是必须解决的问题。数据资产不同于传统资产,其价值增减变动也会有所不同,为此首先要弄清楚有哪些因素造成了数据资产的增值或减值。从数据资产与传统资产的差异性入手,分析提出了数据资产减值的4个因素:时效性数据因素、时效性使用因素、管理成本因素、授权临期因素;分析提出了数据资产增值的3个因素——数据完整性提升因素、数据新用途发现因素、技术进步带来成本下降因素,为数据资产减值、增值的计算方法设计提供依据。

数据财政:数字经济发展过程中的公共利益实现

数据是数字经济的关键要素,其中最有价值、最广泛的数据是个体(企业或个人)行为数据。然而,单个个体行为数据的价值难以衡量(甚至可以说没有价值,当然也可以说是无价之宝),个人基本不能在其个体行为数据的价值开发过程中获得相应的利益,如果行为数据也没有体现公共利益,就会导致个体对任何形式的行为数据开发、利用持反对态度。另外,2022年12月2日,《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》提出,充分实现数据要素价值、促进全体人民共享数字经济发展红利。在数字经济时代,数据作为生产要素用于产生价值的过程中,其天然的公共属性必然要求公有的利益,而国家财政是实现公共利益、共享发展红利最直接的方式。因此,在数字中国建设和数字经济发展的当今,探索通过财政税收工具和手段从数字经济的关键要素中取得一定比重的财政收入,并发挥财政的基础性、支柱性国家治理作用是非常有意义的。

数据资产入表需要一种可计量的技术形态

2023年8月21日,财政部制定印发了《企业数据资源相关会计处理暂行规定》(以下简称《暂行规定》),数据资产化迈出了重要的一步。根据《暂行规定》可将满足条件的数据资源确认到无形资产或存货等资产类别科目下,并将于2024年1月1日起施行。由于数据资产自身表现出无形资产和有形资产的双重特征[1],对数据资产进行可靠的货币计量并不容易。

长三角国家算力枢纽节点赋能制造业数字化转型的机理与路径

长三角作为先进制造业最集聚、发展基础最雄厚、创新型经济最活跃和最具潜力的国家级创新策源地,“东数西算”工程中国家算力枢纽节点的建设,对加快推动长三角先进制造业实现升级转型具有重要意义。因此,结合当前制造业数字化转型过程中遇到的困境与问题,探寻长三角国家算力枢纽节点赋能制造业数字化转型的逻辑机理、现实挑战和实现路径,以期推动制造业转型升级和长三角区域一体化绿色高质量发展。

基于数据市场类型的数据定价模型研究

市场是产品价格形成的过程,不同市场的价格形成方式是不一样的,产品定价模型是对市场形成产品价格过程的一种抽象。当前,数据的市场需求已经形成,但有效的数据市场尚未形成,数据定价还在探索阶段。现有的数据定价模型大部分是针对某些特定数据交易场景设计的,而不是针对特定数据市场类型设计的。考虑数据市场的经济学市场类型,从经济学视角将当前数据市场划分为卖方垄断市场、买方垄断市场、寡头垄断市场、中心化完全竞争市场以及去中心化完全竞争市场5种数据市场类型,将现有的数据定价模型归纳到相应的数据市场类型中。通过分析数据市场类型与数据定价模型的依存关系,提出数据定价的“市场类型原则”,为数据要素市场建设及数据定价提供理论指导。

数字化转型服务平台:面向新竞争格局的企业竞争力建设

随着数据能力的提升和新兴技术的发展,经济形态和行业竞争格局正在发生深刻变化。为了能更好地应对未来的机遇和挑战,提高新格局下企业的竞争力,有必要理解和掌握数字化转型的有关内容。论述了传统企业将逐渐被新型企业取代的新竞争格局,辨析了数字化与数字化转型二者的区别,指出了传统企业在开展数字化转型时主要面临缺资金、缺人才、缺数据、缺意识等方面的挑战,提出了面向新竞争格局的数字化转型服务平台,为企业竞争力建设和数字化转型提供了一个可行方案。

数商:数据商品、数据商人和数据商业

随着数据要素市场建设的推进,“数商”的概念越来越得到广泛关注。然而,什么是“数商”,以及“数商”的内涵、角色、定位、职责等,目前尚未有清晰的界定,这不利于数据交易生态体系的建设。研究了现有数据商品、数据商人、数据商业可能的类别,界定了数据商品、数据商人和数据商业的概念,基于数据的属性,将信息商品、数字商品和数据商品统一成数据商品;依据数据的商业活动,将数据商人分为数据供应商、数据服务商、数据贸易交易商三大类;分析归纳了自产自销模式、运营平台代理模式、数据交易场所模式3种数据商业模式。本文的研究丰富了“数商”内涵,为数据市场建设提供了理论支持。

数据管道模型:场外流式数据市场形态探索

当前数据要素市场建设探索主要集中在数据交易场所(场内)建设,而流式数据市场指数据供应商向数据使用者持续、快速地供应特定数据的市场,流式数据并不适合在场内交易,因此需要探索流式数据的场外交易模式。研究了当前流式数据市场的运行现状,指出了市场无序、监管工具不足是存在的主要问题,提出了场外流式数据市场的数据管道模型,包括管道流通要件(数据管道、数据工厂、数据供应链)、市场规范要件(数据计量表、质量抽检器、合规审核仪)等,论证了数据管道模型的技术可行性,以期为场外数据市场建设、规范和监管提供理论和技术支持。

序列数据相似性查询技术研究综述

序列数据在文本、Web访问日志文件、生物数据库等应用中普遍存在,对其进行相似性查询是一种提取有用信息的重要手段.近年来,随着各种科学计算的发展和序列数据的大量产生,序列相似性查询已经成为数据分析领域一个研究热点.其涉及到的几个重要问题有面向各种应用领域的相似性度量及其相互之间的关系;随机序列数据中距离分布的统计信息及其对分析查询算法性能的作用;在大规模数据中,各种高效回答相似性查询的关键技术及各自的优缺点比较.总结了序列数据的分类和特点,给出了几种序列数据相似性度量和随机序列之间距离分布的统计信息,并进一步分析了这些度量之间的关系.接着给出了几种序列相似性查询的类型,以及序列相似性查询要解决的核心问题.在此基础上,针对各种序列相似性查询关键技术进行分类和评价.最后,讨论了关于序列数据相似性查询研究所面临的挑战,并归结了未来的研究方向.

DNA序列数据挖掘技术

DNA序列数据是一类重要的生物数据.研究DNA序列数据解读其含义是后基因组时代的主要研究任务.数据挖掘是目前最有效的数据分析手段之一,用于发现大量数据所隐含的各种规律,也是生物信息学采用的主要数据分析技术.将数据挖掘技术用于DNA序列数据分析,已得到了广泛关注和快速发展,并取得了许多研究成果.综述了DNA序列数据挖掘领域的研究状况和进展,提出了3个研究阶段:基于统计的挖掘方法应用阶段、一般化挖掘方法应用阶段和专门的DNA序列数据挖掘方法设计阶段.阐述了DNA序列数据挖掘的基础是序列相似性,评述了DNA序列数据挖掘领域所采用的关键技术,包括DNA序列模式、关联、聚类、分类和异常挖掘等,分析讨论了其相应的生物应用背景和意义.最后给出DNA序列数据挖掘进一步研究的热点问题,包括DNA序列数据新的存储和索引机制的设计、根据生物领域知识的数据挖掘新模型和算法的设计等.

规则型数据采掘工具集AMINER

介绍了一个规则型数据采掘工具集AMINER ,其目标是增强知识表达的能力 ,并形成一个实用的数据采掘工具 ,使其能适用于多种不同的应用领域。工具集以一定程度上通用的CRD方法为基本采掘算法 ,分为数据预处理、数据采掘和数据评价三大主要模块。系统原型是一个在关系或演绎数据库中采掘规则型知识 ,并对领域知识和采掘结果进行管理的系统 ,其主要功能包括数据采掘、领域知识的管理和采掘结果的管理。最后 ,对未来的工作提出了展望。

推荐系统研究进展

推荐系统(recommender system,RS)是当今网络时代的产物,在技术研究和应用方面取得了很多成果。综述了推荐系统领域的研究状况和进展,提出了3个研究阶段,并指出了每个阶段标志性意义的事件。在当前大数据环境下,从数据的角度看推荐,提出了推荐系统新的分类方法,即根据推荐时所使用的数据不同分为7种类别,同时指出了每个类别使用了哪些推荐模型及其优缺点。提出了在大数据环境下进行推荐是未来推荐系统研究的一个大方向,分析了推荐视角下的大数据机制。最后比较和总结了推荐系统的评价指标,给出了未来的主要研究方向和可能的突破点。

大数据人才培养的基础条件初探

人才短缺是发展大数据的主要障碍,越来越多的大学启动了大数据人才培养计划。大数据人才培养的基础条件有哪些?首先要有师资,但这是一个矛盾的基础条件,人才短缺意味着师资更短缺;其次要有数据,且是"大"的数据,没有数据的人才培养是纸上谈兵;有了"大"数据,就需要相应的计算条件。探索了大数据人才培养所需的师资、数据和计算条件问题,提出超学科创新培养模式解决师资条件问题、建立大数据试验场解决数据和计算条件问题。

数据自治开放模式

介绍了现有数据资源管理模式,并指出了其中存在的问题;提出了数据自治开放模式,并介绍了数据自治开放技术。数据自治开放模式有望成为数据开放的基本模式,是政府数据开放共享、企业及个人数据交易、国家数据主权实现的一种可行方法。

大数据是数据、技术,还是应用

通常认为大数据是一个现有技术难以处理的复杂而庞大的数据集,这将导致一个谬误的出现:大数据都不能被处理,能处理的都不是大数据。显然,如何定义大数据是一个问题。分析了已有的大数据定义和现象,发现数据、技术和应用是大数据的三要素,定义大数据是为决策提供服务的大数据集、大数据技术和大数据应用的总称。其中,大数据集是指一个决策问题所用到的所有可能的数据,而不是一个领域的所有数据。还给出了大数据应用遇到的问题及技术挑战,并指出大数据未来的研究方向。

大数据时代的数据科学家培养

大数据时代,最热门的职业是数据科学家(data scientist),而不是传统的信息科学家,也不是大数据工程师。大数据热潮促进了数据科学(data science)研究进入快速发展期,数据科学家的培养也受到广泛重视,越来越多的大学启动数据科学学位培养计划,但值得注意的是,当前数据科学家培养的基础条件缺乏,其知识结构、学科体系、人才培养计划尚未建立。结合大数据时代的人才要求,给出了科学、系统的数据科学人才知识体系,提出了超学科、多类型的培养模式。

数据的经济活动及其所需要的权利

随着以数据为关键要素的数字经济的快速发展,涉及数据的纠纷和案件越来越多。由于数据要素是一个新生事物,因此有必要理清数据的经济活动类型及其需要的权利。结合数据的特点,将数据的经济活动分为数据生产再生产、数据确权、数据使用和数据服务、数据交易、科学研究五大类,相应地提出了数据生产权、数据所有权、数据使用权和数据交易权4类所需要的权利,以期为数据运用立法和数字经济的发展提供参考。

多媒体数据库:建模、存储和查询

目前,巳经有一些厂商,根据某些特定的需要和自己的理解,开发出了一些多媒体数据处理系统,

从数据的属性看数据资产

在大数据背景下,数据作为数字经济的关键要素已经得到广泛认可,有必要理清信息资产、数字资产和数据资产等概念。综述了信息资产、数字资产、数据资产等概念的发展,分析讨论了数据自身及数据资产的物理属性、存在属性和信息属性,提出将信息资产、数字资产、数据资产等统一为数据资产,并认为数据资产是拥有数据权属、有价值、可计量、可读取的网络空间中的数据资源,数据资产兼有无形资产和有形资产、流动资产和长期资产的特征,是一种新的资产类别。