数据资产及其交易在美国的发展浅析

2013年时任美国总统奥巴马签署行政命令《开放数据政策——将信息作为资产进行管理》明确信息是一种联邦政府、合作伙伴和公众的战略资产。2017年12月18日，美国白宫发布了总统特朗普任期内第一份《国家安全战略报告》，报告指出，“跟能源一样，数据将影响美国的经济繁荣和未来在世界的战略地位。对于确保美国经济的持续增长、抵制敌对的意识形态以及建立和部署世界上最有效的军事力量而言，利用数据的能力是至关重要的”。2019年美国总统管理议程公布的《联邦数据战略与2020年行动计划》明确数据是国家重要战略资产，40项行动计划中与政府数据资产管理直接相关的有8个，包括：为数据资产利用提供资源支持；以数据治理促进数据资产的管理、维护和使用；存储数据资产；识别数据资产价值；将数据作为一项长期战略资产进行长期管理；数据资产的长期保存；政府机构积极购买利用私营部门数据资产；与联邦机构分享数据资产的专家知识，与行业、学术界和其他非联邦数据用户共享数据资产的专家知识。‍‍

在国家层面上，美国目前还没有关于数据行业和实体的法律，但部分州制定了关于个人信息安全和数据泄露的法律。2018年《加利福尼亚州消费者隐私法案》（CCPA）于2020年1月1日生效，赋予和保证了加州消费者各项数据隐私权利。2020年11月，加州修改了《加利福尼亚州消费者隐私法案》，并于2023年1月1日生效。美国的其他州陆续通过了自己的消费者数据隐私相关法路，比如科罗拉多州隐私法（2023年7月1日）、康乃狄格州个人数据隐私和在线监控法案（2023年7月1日）、犹他州消费者隐私法（2023年12月31日）和弗吉尼亚州消费者数据保护法（2023年1月1日）。

美国并没有统一的数据安全保护以及隐私保护的法规。2022年6月3日，美国参议院和众议院发布了《美国数据隐私和保护法》(ADPPA)的草案。《美国数据隐私和保护法》作为第一个获得两党和两院制支持的联邦隐私法案，目前仍在审议中。此前，欧盟的《一般数据保护条例》（GDPR）是全球最主要的个人信息和数据隐私保护法案。《美国数据隐私和保护法》制衡了《一般数据保护条例》在全球范围内的影响。同时法案还确定了联邦对各州立法的优先权。如果《美国数据隐私和保护法》通过，将从联邦层面推动美国各州的数据隐私法律走向统一。2022年7月20日，美国众议院能源和商业委员会通过了修订后的ADPPA，该法案即将进入众议院投票阶段。在成为真正的法律之前，ADPPA还有很长的路要走。

2023年7月10日，欧盟委员会批准了一项欧美之间数据传输的新协议《欧盟-美国数据隐私框架》（DPA）。欧盟认为，该框架能确保美国对于两国之间传输的个人信息的保护能和欧盟提供的保护相当，从而确保了美国和欧盟公民的个人信息的安全。与2016年的《欧美隐私盾牌》协定（于2020年7月被宣布无效）相比，新的框架引入了具有约束力的保障措施，比如将美国情报部门对欧盟数据的访问限制在了规定范围内，并且建立了数据保护审查法院。该法案允许欧盟个人就涉嫌侵犯其隐私和公民自由的行为在数据保护审查法院提出投诉。欧盟委员会主席乌苏拉·冯德莱恩表示，该框架“将确保欧洲人的数据流动安全，并为大西洋两岸的公司带来法律确定性。”美国公司在承诺遵守一系列隐私义务后即可加入该框架，《欧盟-美国数据隐私框架》的运作需要接受欧盟委员会与欧洲数据保护机构和美国主管机构代表的定期审查。

美国数据资产化的过程中最大的障碍在于数据所有权和权利归属复杂，权利属性不明。由于缺乏清晰的所有权规定，各公司之间存在持续的数据权利纠纷（比如谷歌和Yelp）。这阻碍了数据资源转换为有价值的数据资产的进程。权属问题的解决对于大数据的合规管理和高效流通至关重要。数据的无形和虚拟性、数据的信息属性和多维性导致数据管理的复杂性。此外，公共、社会和个人数据缺乏标准化管理，公共数据、社会信息和个人资料的底账管理混乱，数据难以共享开放，跨部门、跨层级、跨区域、跨领域的数据难以打通，导致了数据纵向和横向的断层问题。数据质量不一致、隐私泄露以及数据跟踪和评估困难增加了数据资产化的复杂性。为了克服这些挑战，必须建立健全数据产权法规，实施高效的数据管理策略，并开发创新技术以确保数据资产的成功转化和利用。但数据质量参差不齐、隐私泄露、管理困难等问题也导致了数据盘点梳理缺乏明确方向。数据价值因人、因事、因时而异，数据自身价格难以确定，大数据产品及业务定价和收益分配也面临着困扰。

综上所述，数据资产化的挑战在于复杂的产权问题、依赖平台的无形性、数据来源不明确以及数据跟踪和估值定价的困难。解决这些问题需要新的财产权范式、有效的技术手段以及更加规范的数据管理和共享机制。只有克服这些挑战，才能实现数据资产的有效流通和利用，发挥数据管理的最大价值。

总体来说，美国数据资产化仍在路上。数据作为战略资源，已经成为重点的发展对象。美国政府秉持着稳固全球数据资产地位和长期化发展的目标，正在努力出台加强国内数据资产相关的政策，用于管理和完善国内数据资产相关法律法规。

美国的数据交易产业正处于蓬勃发展的阶段，随着数字化时代的来临，数据成为了一种宝贵的资源和商品。数据交易产业涵盖了数据经纪商、数据平台和数据交易平台等多个领域。数据经纪商作为中介机构，从政府、商业和其他公开可用来源等多个渠道收集大量的数据，并将其汇聚整理形成有价值的数据集。这些数据集包含着多维、复杂的用户信息，为企业和机构提供了深入了解客户需求、市场趋势和行业洞察的能力。美国的数据经纪商主要通过三种途径收集数据，包括政府来源、商业来源和其他公开可用来源。其中，联邦政府是六家数据经纪商直接获取数据的重要渠道。地方政府数据则有些数据经纪商通过其他数据经纪商获取，通过雇佣人员展开公关或与地方政府建立业务往来关系来收集整理数据。公共数据源如社交媒体、博客和互联网等也是数据经纪商常用的来源，收集通信录、电话本、新闻报道等其他公开数据。商业数据源也是重要来源，数据经纪商通过购买商品交易信息等来获取用户个人数据。值得注意的是，很多商业数据源实际上是来自其他数据经纪商，因此数据经纪商之间共享相同或相似的数据源。

同时，数据交易平台和数据平台成为数据交易的重要基础设施，为数据提供方和数据购买方提供撮合服务，促进数据的流通和交易。美国数据交易平台涵盖了三种主要商业模式。首先是C2B分销模式，用户向数据平台提供个人数据，获得商品、货币、服务等价物或优惠、打折、积分等回报。其次是B2B集中销售模式，数据平台作为中间代理人，为数据提供方和购买方提供撮合服务，确保数据买卖的合规性和自主定价。最后是B2B2C分销集销混合模式，数据平台以数据经纪商身份，收集并转让、共享用户个人数据。在这三种模式中，B2B2C分销集销混合模式得到了快速发展，形成了相当规模的市场，成为美国数据产业中重要的一部分。数据经纪商如安客诚、Corelogic、Datalogix、eBureau、IDAnalytics、Intelius、PeekYou、Rapleaf、RecordedFuture等代表了该模式的发展现状。随着数字技术的不断进步，美国的数据交易市场预计将持续扩大，并在数据经纪产业的引领下，不断开拓新的商机。

美国数据资产的交易市场格局一直在不断变化和演进，受到技术进步、市场需求、政策法规和产业发展等多方面因素的影响。随着数字化时代的到来，数据成为了企业和机构的重要资产，促使数据资产交易市场不断扩大和多样化。

首先，新兴技术的应用推动了数据资产交易市场的创新和发展。人工智能、区块链、云计算等技术的广泛应用，为数据的安全性、共享性和价值提升提供了新的解决方案。区块链技术的去中心化特性和不可篡改的特点增强了数据的信任度，使得数据交易更加安全可靠。云计算的高效存储和共享能力，为数据的流通和交易提供了便利。这些技术的不断创新，不仅改变了数据资产交易的方式，也扩展了数据资产的应用领域。

其次，市场需求的不断变化推动了数据资产交易市场的多样化。随着企业对数据洞察力和商业智能的需求不断增加，数据资产交易不再局限于传统的个人数据，也包括了大数据、物联网数据、社交媒体数据等多种类型。不同行业之间的数据跨界整合也在不断加深，推动了数据资产的多样化和综合化。

此外，政策法规的变化对数据资产交易市场产生了重要影响。数据隐私和安全问题越来越受到关注，政府和监管机构对于数据交易的合规要求也日益严格。数据经纪商和数据交易平台需要遵守更加严格的隐私保护规定，确保用户数据的安全和合法使用。这些政策法规的变化，引导了数据资产交易市场向更加规范和透明的方向发展。

最后，新兴技术对数据资产的利用方式和价值将产生深远的影响，为数据的利用和价值实现提供了全新的可能性。

1.人工智能和机器学习：人工智能和机器学习技术使得数据的分析和处理变得更加智能化和高效。通过对大规模数据的学习和挖掘，人工智能可以发现隐藏在数据背后的模式和趋势，帮助企业做出更准确的预测和决策，从而提升数据资产的价值。

2.区块链技术：区块链是一种去中心化的分布式账本技术，为数据的安全性和隐私保护提供了新的解决方案。通过区块链，数据可以被安全地存储和共享，确保数据的真实性和不可篡改性，同时保护用户的隐私权，提高数据资产的信任度和可靠性。

3.云计算和边缘计算：云计算和边缘计算技术为数据的存储和处理提供了强大的基础设施。云计算允许大规模数据的存储和访问，使得数据的共享和交换变得更加便捷。边缘计算则可以在数据产生的地方进行实时的数据分析和响应，提高数据资产的实时性和响应性。

4.物联网：物联网技术连接了各种设备和传感器，使得大量实时数据得以产生和采集。这些数据来源广泛且多样化，为企业提供了更全面和精准的数据资产，进一步拓展了数据的应用领域。

5.边缘人工智能：边缘人工智能将人工智能算法应用到边缘设备上，实现了在本地进行实时数据处理和决策。这种技术可以减少数据传输的成本和延迟，同时保护用户数据的隐私，为数据资产的开发和利用提供更高效和安全的方式。

作者| 

‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍