随着数字技术和数字经济等政策的发展，数据已经成为全球各国企业生产要素的关键组成部分。多国都在努力制定和完善相关政策和技术要求，以平衡创新、隐私和安全的需要。我国已经将数据基础制度体系的建设全面提升到国家战略高度，相继发布《关于构建更加完善的要素市场化配置体制机制的意见》《要素市场化配置综合改革试点总体方案的通知》《关于构建数据基础制度更好发挥数据要素作用的意见》（简称：“数据二十条”）《关于加快公共数据资源开发利用的意见》等相关文件和要求^[1-5]，并将数据要素市场建设中的数据流通、估值等关键环节作为基础研究的重中之重。世界各国围绕数据流通相继发布战略文件，如《欧洲数据战略》 ^[6]中提出在符合隐私和数据保护规则的情况下，创建一个单一的数据市场，保证数据可以在欧盟内部和跨部门流动；日本《综合数据战略》 ^[7]阐述了数据战略的愿景与行动纲要，以“可用、可控、可信、互联”与“共创价值”为指导方针，进而挖掘数据价值，欲将日本打造成现实空间和虚拟空间高度融合、兼顾经济增长与社会发展的超智能社会；韩国《数据产业振兴和利用促进基本法》^[8-9]提出设置国家数据政策委员会，审议发布有关数据产业振兴的综合政策，系统化支持数据分析，研究构建数据价值评估、资产保护和争端解决机制等。全面探索数据流通方式、价值评估理论和实践经验，将成为铁路行业数据基础制度建设的重要储备。

如何设计高效的数据流通模式，以实现数据价值释放、数据流通主体权益保障，是近期国内外学者的研究重点。Eric W. Welch等人^[10]分析了技术管理能力和技术参与能力对机构共享行为影响的差异性，提出按照政府方式和非政府方式组织数据共享，并由说服机制和技术参与能力决定数据共享的畅通性；王跃^[11]基于过程视角提出面向共享全过程的政府数据共享流通分析框架，围绕政府数据共享流通的技术平台、组织制度、数据资源提出具体建设策略；黄京磊等人^[12]设计了一种数据信托的运行机制，其最重要的特征是参与者之间的风险隔离，使其成为可信数据流通模式的基础；何金海等人^[13]提出了企业数据流通框架构建过程中的向度、限度、核心原则，促进企业数据流通的传输与安全；黄春海等人^[14]提出对数据的支配者或经营者等数据权利人构建有序的数据产业关系和数据流通路径，平衡数据各相关利益主体的权益；汪晓梅等人^[15]设计了基于区块链和智能合约的数据流通交易平台，涵盖运营商、金融、出行、气象、电力、住建等多个领域，取得了显著的数据收益。

随着铁路数字化转型的不断深入，铁路工程建设、运输组织、客货运服务、基础设施和移动装备运营维护（简称：运维）管理等各个业务方面，均需要通过多方数据流通路径实现跨部门、跨行业的共享，从而最大化地挖掘和释放数据要素价值。结合铁路行业数据资源管理和应用实践，进一步提出铁路数据流通路径，并构建铁路数据共享激励值换算模型，是促进铁路内部流通的有效措施。

综上，本文基于铁路数据管理和数据要素价值释放需求趋势，研究铁路数据的内、外部流通路径，并重点研究内部流通过程中提升数据提供方积极性的共享激励值机制和计算模型，旨在明确铁路数据内、外部流通的路径，并促进数据供需双方间的有效沟通。

1   铁路数据流通路径研究

数据流通的相关方一般包括数据提供方、数据需求方和数据治理加工方，特定情况还涉及数据服务中介方。数据提供方是持有原始数据的一方，通常是数据流通链条中的起点；数据需求方是对数据资源有需求的一方，通常是数据流通链条的终点；数据治理加工方是为数据资源供需双方的数据融合计算和加工提供技术能力的一方；数据服务中介方一般是指通过技术、法律或其他手段，在数量不确定的数据提供方、数据需求方间为数据共享而建立商业关系的服务方 ^[16-18]。

目前，中国国家铁路集团有限公司（简称：国铁集团）建设了全国铁路（简称：全路）统一的数据服务平台，汇聚了专业数据资源，但仍存在数据流通路径不畅、权属界定难、价值评估和定价难、安全技术需要强化等问题。依据前述国内外数据流通路径分析结果，结合铁路行业管理需求和现状，提出铁路数据流通的内部路径和外部路径，如图1所示。

图  1  铁路数据流通路径示意

下载: 全尺寸图片 幻灯片

1.1   内部流通路径

数据内部流通是指在企业内部各部门、子公司乃至团队或个人间的数据传递、共享与管理，旨在提升数据利用率并增强企业竞争力。企业内部的数据流通需求主要体现在横向维度和纵向维度。其中，横向共享需求涉及不同部门或组织间的数据共享，其目标是加强协同与合作，从而提升企业运行效率；纵向共享需求主要指企业总部与各子公司或部门间的数据传递和共享，有助于总部对企业整体运营进行更好的管理、控制和监督。

铁路数据内部流通是指国铁集团和铁路局集团公司的客运、货运、车务、机务、工务、电务、车辆等业务部门间，以及各铁路局集团公司间数据的流通和共享。铁路数据的内部流通的好处包括：铁路系统内企业加速获取所需要的数据，避免重复劳动；更好地了解不同地区、不同类型铁路客户的需求和反馈，及时调整客运、货运服务策略，提高客户满意度；帮助铁路企业更好地进行资源分配和调度；为决策者、统计部门提供更准确和全面的数据支持，通过对数据的挖掘和分析，深入了解市场趋势和客户需求，为制定科学、合理的决策提供有力支持；推动铁路企业数字化转型的重要基础是通过加强数据的流通和管理，提高企业数字化水平，推动铁路企业的创新和发展。一般情况下，铁路数据内部流通不存在外部数据加工的第三方，数据只在企业内部进行流通，数据的加工处理等操作由企业内部完成。

铁路数据内部流通路径主要包括国铁集团级和铁路局集团公司级，在这2个层级中数据的流通过程可实行“申请核备制”，由数据需求方向数据提供方提出共享申请，数据提供方的主管部门进行审核批准，审批过程和结果在数据管理部门进行备案，并通过共享激励机制促进和激发双方的积极性，具体流程如图2所示。

图  2  铁路数据内部流通路径

下载: 全尺寸图片 幻灯片

1.2   外部流通路径

数据外部流通是指数据在企业和外部市场间进行流通和交易，以实现数据的价值最大化和资源的优化配置，促进业务合作和创新。

铁路数据的外部流通路径指将铁路客货运输相关数据提供给路外相关单位的过程。国铁集团/铁路局集团公司（客货运输等业务部门具体执行）作为数据提供方，针对数据治理加工方的要求，向数据需求方提供数据，共分为3种数据流通模式，具体如图3所示。

图  3  铁路数据外部流通路径及相关模式

下载: 全尺寸图片 幻灯片

（1）流通模式1：按照《关于加快公共数据资源开发利用的意见》^[4]中的相关要求，由数据治理加工方利用国铁集团在履行铁路运输等公共事务服务过程中产生的数据，加工形成用于公共治理、公益事业的公共数据产品和服务，数据需求方以政务共享和公共数据使用的政府机构或公益性研究的科研团队为主。

（2）流通模式2：数据治理加工方经过联邦学习、多方安全计算等隐私计算技术，提供数据筛选、合并、指标等加工数据集，数据需求方主要是路外上下游企事业单位（建设、制造、运营、服务等相关机构）。

（3）流通模式3：经数据治理加工方提供融合业务算法的深加工数据产品，以及数据价值开发等服务，数据需求方主要是与铁路有业务衔接的企事业单位（数据公司及建设、制造、运营、服务等相关机构）。

其中，流通模式2和流通模式3也可通过数据中介服务方，来保障数据的确权、合规性审查，以及质量评估、价格评估等。

2   铁路数据内部流通共享激励值机制研究

铁路数据在内、外部流通过程中，都存在数据价值评估难的问题，尤其在外部流通路径中还存在由市场和需求用户波动所带来的定价难题。为逐步破解上述难题，相关课题已经开展了深入的研究^[19-20]。

铁路数据的内部共享过程中，可包括双方对等交换、双方数量不对等交换和单向交换等3种交换方式，为有效提升数据提供方的积极性，可建立共享激励机制，通过定量计算数据提供方提供的数据价值，并换算为激励值积分的方式，建立起一种打分评估机制。如何计算数据提供方所提供的铁路数据的价值，是铁路数据共享激励值机制中的关键部分。本文重点研究铁路数据内部流通路径的共享激励值模型^[21]。

2.1   共享激励值计算模型

当前，数据价值的主要评估方法有成本法、收益法、市场法和新兴方法等^[22]，其中，成本法易于操作，适用于数据要素市场初期，但估值偏低；收益法易体现资产获利能力，适用于数据要素市场发展有一定周期和规模、可参考的案例较多的情况，但对于数据产品来说可参照产品的信息差异较大；市场法可真实地反映市场需求，适用于市场交易具有相当规模、类似数据产品交易案例较多的情况，也存在可参照产品信息差异大的缺点；新兴方法对数据产品的针对性更强、考虑的因素更系统全面，可更多地体现数据要素与实体要素的差异性，但参数设置复杂，实操案例不多。

铁路数据内部共享激励的计算主要考虑其标的物，即铁路数据集在铁路企业内部的价值，不参与市场流通环节，因此，可参照成本法计算其在采集、加工和制作过程中的成本，同时还须体现不同铁路业务数据的重要性等。铁路数据集存在形式主要有依托单一铁路信息系统、依托多个铁路信息系统和不依托系统等3种情况，因此，铁路数据集的成本可参照信息系统成本，但不能等同于系统成本，其计算公式为

具体计算过程为：通过识别铁路数据集在资源目录中的所属情况，计算铁路数据集在单个系统中的占比系数和在多个系统中的复合系数；结合所在系统的业务延伸系数等参数，计算铁路数据集共享激励值。铁路数据内部流通共享激励值计算模型（简称：共享激励值计算模型）如图4所示。

图  4  铁路数据内部流通共享激励值计算模型

下载: 全尺寸图片 幻灯片

2.1.1   铁路数据集属性参数采集

通过铁路数据服务平台提交数据集共享申请单，提取数据集的基本属性信息，包括所属数据资源目录的类别${D}_{Class}$和级别${D}_{Level}$信息，所属铁路业务系统信息${D}_{SName}$和数据表信息${D}_{Tabel}$，涵盖的时间周期${D}_{Time}$、隶属的机构范围${D}_{Departments}$和线路范围${D}_{Lines}$，以及铁路系统的注册用户总量${U}_{all}$、活跃用户量${U}_{live}$、高峰时并发用户量${U}_{concurrency}$。根据上述属性信息，到铁路数据平台对应的数据资源目录中获取相应数据集。如果铁路数据不属于已有的铁路业务系统，而是来源于传感器采集、检测操作等其他方式，则将其归属于存储于介质中的铁路数据。

2.1.2   铁路数据集在数据目录中的构成识别及获取

根据铁路数据集构成方式的差异，其共享激励值计算方法不同，主要包括如下3种形式。

（1）若此铁路数据来源于单个业务系统，称其为单一数据集，即${D}_{SName}$的索引值为1，则按照图4中③进行计算。

（2）若此铁路数据来源于2个或2个以上业务系统，称其为复合数据，即${D}_{SName}$的索引值≥2，则按照图4中④进行计算。

（3）若此铁路数据不依托于任何系统，则将${D}_{SName}$置为零，按照图4中⑥进行计算。

若${D}_{SName}$的索引值不为零，则查询铁路网信管理系统中记录的铁路业务系统历年建设成本${S}_{Constructioni}$、运维成本${S}_{Maintenancej}$、升级改造成本${S}_{Upgradationk}$等，求得数据集所在系统总成本。

2.1.3   铁路单一数据集的占比系数及成本计算

铁路业务系统成本不能代表铁路数据成本，因此须计算铁路数据在铁路业务系统总成本中的折算系数${P}_{Proportion}$，此系数计算由初始调整和动态调整组成。按照铁路业务系统历史调研统计数据，铁路业务系统中硬件采购成本约占总成本的30%左右，系统中数据所使用的存储容量约占硬盘或存储容量的90%左右，因此${P}_{Proportion}$的初始值取0.27，则得到来自于单一系统的铁路数据成本为

${P}_{Proportion}$的值可根据动态计算数据占存储的空间情况动态调整。

铁路单一数据集是某单个信息系统数据的子集，铁路单一数据集的成本也是系统数据成本换算，需根据铁路单一数据集所涉及的铁路业务属性情况计算其成本占比系数${P}_{Obversion}$。

铁路数据集是来源于铁路业务系统的数据加工集合，如果来自于一个系统，则可能是系统数据的全部或部分，可根据铁路数据集的数据量占比、记录数占比，以及信息系统核心数据表${D}_{Tabel}$中涵盖的时间周期${D}_{Time}$、隶属的机构范围${D}_{Departments}$和线路范围${D}_{Lines}$等铁路业务属性进行综合计算。

式（4）中，${Set}_{Volume}$为铁路数据集数据量；${D}_{Volume}$为系统数据总量；${Set}_{Records}$为铁路数据集记录数；${D}_{Records}$为系统记录总数；${Set}_{Time}$、${Set}_{Departments}$、${Set}_{Lines}$分别为数据集的时间范围、机构范围和线路范围。

则来自于单一系统的铁路数据集的成本为

2.1.4   铁路复合数据集的复合系数及成本计算

如果铁路复合数据集来自于2个或2个以上系统，则其中任1个系统数据的计算方法如2.1.3。则此铁路复合数据集的成本为上述单一铁路数据集的成本之和，再乘以复合系数${P}_{Mul}$。

铁路复合数据集的复合系数${P}_{Mul}$计算公式为

式（6）中，${D}_{Class}$、${D}_{Level}$为复合数据集中各数据所属系统在铁路数据资产目录中的类别总数和级别；常量$p$的初始值取1，后续根据实际共享交换有效成交信息动态调整。

2.1.5   附加业务延伸系数的铁路共享激励值计算

为体现铁路不同业务系统数据的业务内涵属性，需根据系统为铁路用户提供的服务范畴情况，计算其延伸系数${P}_{Extend}$。

式（8）中，${U}_{all}$为铁路系统的全部注册用户量；${U}_{live}$为系统的活跃用户量、${U}_{concurrency}$为高峰时并发用户量。

则计算得铁路数据集的共享激励值为

式（9）中，${C}_{Median}$为铁路信息系统成本的中位值，简称中位成本。

2.1.6   存储于介质中的铁路数据的成本计算

数据成本由采集、传输、存储、应用全过程成本组成。其中，铁路数据采集的成本包括前端采集设备建设成本${C}_{devices}$、传输网络建设成本${C}_{net}$、存储设备建设成本${C}_{storages}$、运维成本${C}_{Maintenance}$和应用成本${C}_{Applacation}$。每个铁路数据集的成本由上述成本之和乘以占比系数${P}_{Proportion}$进行计算。

由于物联网传感器主要用于采集，因此可认为存储于介质中的数据成本较存储于系统中的数据成本占总项目成本比例更高，参考行业专业观点，将折算系数调高0.5。则最终计算得存储于介质中的铁路数据集共享激励值为

2.2   共享激励值计算实例

下面以铁路某业务系统A为例来计算其共享激励值。此系统自2015年投入建设以来，历经建设立项、系统升级、硬件扩容、系统迁移改造、数据与应用分离改造、系统运维等，现已经积累数据表220张，数据总量3.73 TB，数据记录67.5亿条，系统累积成本投入1800万元。

按照本文计算模型，此处折算系统${P}_{Proportion}$取0.27，占比系统${P}_{Obversion}$取1，延伸系数${P}_{Extend}$取1.1，中位成本${C}_{Median}$取1000万元，则其激励值计算结果约为0.53，即数据需求方申请本系统的数据，应由数据管理部门给予数据提供方0.53的共享激励值。

3   结束语

本文研究国内外数据流通相关战略政策，分析影响数据共享流通的难题，结合铁路数据管理需求和现状，分析提出铁路数据内部共享交换和外部流通交易等差异化流通路径。围绕铁路数据内部流通共享路径，提出了基于成本法的铁路共享激励值计算模型，并选取铁路某系统进行内部共享激励值实例计算。后续将持续围绕铁路流通路径、价值评估、定价策略等核心关键内容，进一步丰富细化铁路外部流通的价值评估和定价模型，为铁路数据要素的价值发挥消除技术障碍。