□ 隨著數(shù)據(jù)要素市場化改革不斷深化，詞元逐步成為適配全類型數(shù)據(jù)、可量化、可標準化的新型數(shù)據(jù)計量工具。不過，將詞元概念落地到傳統(tǒng)數(shù)據(jù)交易、收益分配場景，面臨多重現(xiàn)實難題。
□ 目前，青島數(shù)據(jù)集團在詞元收益分配機制基礎(chǔ)上，成功完成了全國首例詞元計量數(shù)據(jù)產(chǎn)權(quán)登記，以詞元為計量單位的數(shù)據(jù)交易，已全面進入實質(zhì)性落地階段。
近日，國家數(shù)據(jù)局在《關(guān)于推進行業(yè)高質(zhì)量數(shù)據(jù)集建設(shè)行動的實施方案》中，首次正式提出“探索詞元交易等新型交易模式”。依托青島已率先建成的行政事業(yè)單位數(shù)據(jù)資產(chǎn)管理與收益分配機制，當?shù)負屪C遇、先行攻關(guān)，成功搭建起這套全國首創(chuàng)的詞元計量收益分配體系。
專家表示，此舉將推動數(shù)據(jù)計價方式告別傳統(tǒng)粗放的“按條統(tǒng)計”模式，邁入以詞元為核心的精細化計量新階段，也為全國數(shù)據(jù)要素公允定價、收益合理分配探索出一套可復(fù)制、可推廣的實踐路徑。
“傳統(tǒng)數(shù)據(jù)流通交易一直面臨計費難題，數(shù)據(jù)有的是結(jié)構(gòu)化的單值字段，有的是非結(jié)構(gòu)化的長文本、表格或圖像，按‘條’或‘字段’計費，無法準確度量數(shù)據(jù)量的多少，更無法體現(xiàn)數(shù)據(jù)的真實價值?！鼻鄭u數(shù)據(jù)集團首席數(shù)據(jù)官、青島數(shù)據(jù)資產(chǎn)登記評價中心主任趙傳啟說。
以醫(yī)療數(shù)據(jù)為例，像高血壓等常見病診療數(shù)據(jù)存量充沛、獲取門檻低，單組數(shù)據(jù)科研附加值有限；肌肉萎縮癥等罕見病病例樣本稀缺，在新藥研發(fā)、病理攻關(guān)領(lǐng)域具備不可替代的高價值。但在傳統(tǒng)計價規(guī)則下，兩類數(shù)據(jù)以“條目”為單位計價，價值差異無法在收益中體現(xiàn)，稀缺優(yōu)質(zhì)數(shù)據(jù)供給方收益與貢獻嚴重錯配。
與此同時，公共數(shù)據(jù)來源橫跨多個行政事業(yè)單位、經(jīng)營主體，多源數(shù)據(jù)融合開發(fā)后，各供給主體貢獻邊界模糊，缺少量化標尺就難以實現(xiàn)公平分潤，直接導(dǎo)致大量高價值政務(wù)數(shù)據(jù)、行業(yè)數(shù)據(jù)沉淀在各機構(gòu)系統(tǒng)內(nèi)，閑置資源無法轉(zhuǎn)化為市場化資產(chǎn)。
“數(shù)據(jù)要素要真正流動起來，必須破解多源數(shù)據(jù)融合分賬這一難題。而解決之道，恰恰在于引入詞元作為數(shù)據(jù)價值的基本計量單位?！壁w傳啟坦言。
詞元是衡量AI數(shù)據(jù)處理、算力消耗的通用標準。隨著數(shù)據(jù)要素市場化改革不斷深化，詞元逐步成為適配全類型數(shù)據(jù)、可量化、可標準化的新型數(shù)據(jù)計量工具。不過，將AI領(lǐng)域的詞元概念落地到傳統(tǒng)數(shù)據(jù)交易、收益分配場景，青島數(shù)據(jù)集團開發(fā)團隊也曾面臨多重現(xiàn)實難題。
一方面，民生、醫(yī)療等核心行業(yè)數(shù)據(jù)兼具高價值與高私密性，原始數(shù)據(jù)包含大量個人敏感信息，直接轉(zhuǎn)化計量存在隱私泄露風(fēng)險，過度脫敏又會剔除核心特征、導(dǎo)致數(shù)據(jù)價值失真。如何實現(xiàn)原始數(shù)據(jù)“可用不可見”，在嚴守合規(guī)底線的同時完整保留數(shù)據(jù)核心價值，成為技術(shù)攻關(guān)的難點。另一方面，國內(nèi)數(shù)據(jù)交易市場長期沿用“計條、計字段”的結(jié)算模式，經(jīng)營主體交易習(xí)慣固化，直接全面切換新詞元計價規(guī)則，極易引發(fā)業(yè)務(wù)銜接斷層、市場適配困難，阻礙新模式落地推廣。
針對一系列行業(yè)共性難題，青島數(shù)據(jù)集團立足本地數(shù)據(jù)資產(chǎn)管理制度優(yōu)勢，探索出一套“技術(shù)脫敏+差異化計量+雙軌過渡”的系統(tǒng)性解決方案，精準破解數(shù)據(jù)定價、隱私防護、市場銜接三重痛點。
在數(shù)據(jù)安全治理層面，團隊創(chuàng)新采用特征提取式脫敏模式，規(guī)避了隱私泄露與價值損耗之間的矛盾。以高頻應(yīng)用的醫(yī)療數(shù)據(jù)為例，體系在詞元轉(zhuǎn)化過程中，剝離姓名、聯(lián)系方式、住址等涉密原始信息，僅保留性別、年齡、病種、診療特征等可用于模型訓(xùn)練、產(chǎn)業(yè)研發(fā)的核心有效字段。既實現(xiàn)原始數(shù)據(jù)不出域、敏感信息不流通，嚴守數(shù)據(jù)安全和個人信息保護紅線，又最大限度保留數(shù)據(jù)核心價值，為精準詞元計量筑牢基礎(chǔ)。
在價值核算層面，體系打破“數(shù)量等同價值”的粗放邏輯，構(gòu)建以詞元為核心、差異化加權(quán)的公允定價機制。統(tǒng)一將結(jié)構(gòu)化、非結(jié)構(gòu)化、長短文本、行業(yè)專項數(shù)據(jù)等全品類數(shù)據(jù)，轉(zhuǎn)化為精細化詞元單位進行核算。同時依據(jù)數(shù)據(jù)稀缺性、應(yīng)用價值、行業(yè)效用設(shè)置動態(tài)加權(quán)系數(shù)，例如常見病乙肝診療數(shù)據(jù)系數(shù)設(shè)為1.0，稀缺性極強的罕見病肌肉萎縮癥數(shù)據(jù)系數(shù)暫設(shè)為3.0，通過差異化系數(shù)兌現(xiàn)高價值數(shù)據(jù)的市場溢價，真正落地“多貢獻多得、高價值多得”的市場化分配原則，徹底解決優(yōu)質(zhì)數(shù)據(jù)收益錯配問題。
為降低市場改革陣痛、平穩(wěn)推進模式迭代，項目創(chuàng)新實行“字段計量+詞元計量”雙軌并行機制。過渡期內(nèi)，以傳統(tǒng)字段計量與新型詞元計量結(jié)果的加權(quán)平均值，作為各數(shù)據(jù)主體的最終貢獻量與收益分配依據(jù)。這種模式既尊重市場長期形成的交易習(xí)慣，保障存量數(shù)據(jù)交易、合作分賬業(yè)務(wù)平穩(wěn)接續(xù)，又循序漸進推廣詞元計價新模式，引導(dǎo)經(jīng)營主體逐步適應(yīng)標準化、精細化的數(shù)據(jù)價值核算體系。
據(jù)了解，這套機制試運行以來，高價值數(shù)據(jù)集占比已超過40%，較去年同期增長了兩倍以上。目前，青島數(shù)據(jù)集團在詞元收益分配機制基礎(chǔ)上，成功完成了全國首例詞元計量數(shù)據(jù)產(chǎn)權(quán)登記，以詞元為計量單位的數(shù)據(jù)交易，已全面進入實質(zhì)性落地階段。