数据交易合规系列之六——数据产品用途对合规审查的影响 ...

数据交易合规系列之六——数据产品用途对合规审查的影响
李旻律师团队上海汉盛律师事务所
近段时间，各地的数据交易所（或交易中心）正在筹备或已完成建立。走在前列的北京、上海等均已完成了多笔数据交易，为国家探索数据交易提供了有效的要素参考。
北京国际大数据交易所的“数据可用不可见，用途可控可计量”与上海数据交易所的“不合规不挂牌，无场景不交易”均可以看做对数据交易范式的概括。从北数所的用途可控和上数所的合规挂牌可以看出，二者对数据产品均提出了一定的审核要求，以保障交易双方的交易安全和信赖基础。在之前的文章中，我们讨论了数据交易主体类型、数据产品类型和企业信用信息对数据交易的影响。本文拟从数据产品动因及用途角度，讨论不同功能或用途的数据产品的审核要求，以供业内人士探讨。
一、数据产品的定义
广义上的数据产品，指的是涉及到数据收集、存储、管理、处理及分析的有关技术平台或服务工具。根据对象，一般可分为面向企业内部，面向企业外部以及面向用户三种。
面向企业内部的数据产品，主要的服务人群为企业员工，一般是为了降低员工数据使用难度，方便员工数据使用，以便更好的参考和决策。面向企业外部的数据产品，多为企业或个人自主开发，以盈利为目的，具备数据采集、存储、管理、处理及分析等功能，提供给外部企业使用。面向用户的数据产品，指的是将采集数据或公开数据经过抓取、搬运和加工，方便C端用户查询、使用及评价的数据服务，例如企查查、天眼查等数据产品。
凡是涉及到数据的某种意义上均可称之为数据产品，但是考虑到方便研究，并结合各大数据交易所目前展示的数据产品类型及上架的数据产品来看，本文所指数据产品应是狭义的，具体而言，可以将其定义为以数据存在为前提，以数据本身为交易内容，并以数据转移、使用、分析为主要形式的数据记录产品或数据评价产品，不包含企业内部数据产品、数据采集处理等工具及面对个人用户的数据产品。
二、数据产品用途对审查的影响
数据产品因其提供形式不同、数据涉及领域不同、数据处理方式不同，所以我们认为，针对数据产品合规审查的要点也不尽相同，本文以数据产品用途为例，分析以下几种情况。
（一）为企业提供数据支持的数据交易
该类用途的数据产品多采用数据包或数据API接口的方式进行。在这类交易中，数据提供者通过数据收集、数据清洗等简单的数据加工方式，以数据包或数据API接口为数据需求方提供数据支撑。例如，地图导航型企业手中收集了大量的地图数据及街道数据，其可为自动驾驶类型的科技企业提供数据支持。我们认为，该类用途的数据产品应以数据提供方收集及提供数据的方式是否合法合规为重点。因为该类数据产品的核心就是数据本身，除数据本身外，数据提供者提供的仅可能是简单的数据清洗，而不存在创造性劳动或实质性加工，所以仅需对数据本身进行审查即可。
（二）为企业提供风险防控的数据交易
该类用途的数据产品输出的多为数据报告，数据提供方通过其自身所掌握数据，构建多维指标体系和数据评价模型，之后应需求方要求，对指定方进行风险评价，输出评估结果，需求方参考评价结果进行决策。例如，国内首宗在交易所平台实施的数据产品交易“企业电智绘”，电力公司在收到银行提供的相关企业授权证明后，运用一整套多维指标体系和评价模型，对电力公司合法采集到的企业用电数据进行分析，最终形成涵盖企业用电行为、用电缴费、用电水平、用电趋势等特征内容的评价结果，为银行在信贷反欺诈、辅助授信、贷后预警等方面提供决策参考。我们认为，该列用途的数据产品除了审查其数据来源的合法性外，仍需审核其数据提供方在数据处理与数据评价时的标准及模型是否符合国家标准或行业标准，是否存在数据源企业授权核准程序，是否存在数据脱敏不完全或数据样本不完全而导致误导性或针对性的评价结果的可能，是否存在数据评价结果泄露第三方数据信息或评价结果可逆的可能。
（三）为企业提供行情分析的数据交易
该类用途的数据产品多以可视化的形式展现。数据提供方以公开或其他合法来源的行业数据基础，通过对数据的分析，表明或预测行业发展水平和状况，供行业内其他企业参考决策。该数据产品通常会以可视化的方式展现，如图表、指数、趋势图等。例如，上海数据交易所的一款上架产品“九鞅宏观指数系列”，该产品通过数据分析与汇总，展示了四大类分项指数，包括经济增长指数、通货膨胀指数、货币条件指数以及货币政策指数。经济增长指数和通胀指数，企业可以在指数指导下进行投资。货币条件指数和货币政策指数，能够帮助企业更充分更及时的了解央行的货币领域的指导方向和政策体系。我们认为，该用途的数据产品审核要点除了数据合法性外，对于行业数据的处理方式也需审查，采用的是何种算法，行情结果依据的是哪些数据种类，是否存在数据欺诈、数据造假可能性，数据来源是否存在内幕交易等。
我们相信，随着数据交易的规模逐渐扩大，其数据产品用途也会日益丰富，针对不同用途的数据产品，应当对其进行区分审核，努力寻找数据产品合规审查中的普遍性要点，同时归纳不同数据产品审查中的特别要点，总结数据产品合规审查要点的共性和特殊性，以应对未来错综复杂的数据交易。