查看原文
其他

【数据法学】Catarina Arnaut等:欧洲企业间数据共享研究

Catarina Arnaut 大数据和人工智能法律研究 2022-11-09

B D A I L C 

 欢 迎 关 注 


L.S. Lowry



欧洲企业间数据共享研究


文 / Catarina Arnaut, Marta Pont, Elizabeth Scaria, Arnaud Berghmans, Sophie Leconte

译 / 徐慧碧


这是一项为欧盟委员会服务,由Everis Benelux公司进行的研究。


1.介绍

欧盟委员会致力于建立欧洲数据经济。从2014年起,欧盟委员会已经采取了若干政策措施去关注数据的潜力,以产生经济增长、竞争力和创新,创造就业机会,为社会进步做出贡献。更具体地说,某些行业的数据交换似乎具有巨大的潜力,如智能运输系统,粮食安全,气候、能源或健康。与此同时,在过去的几年里,欧盟委员会也对以下几个方面有兴趣:深化数据的自由流动,公司之间数据的获取和传输,新兴科技的责任问题,数据可移植性和互操作性的理解,以及改善前两者的标准。因此,有几项研究已经开始进行以阐明如何充分挖掘数据的潜力。

为了进一步巩固现有知识并为制定政策框架做出贡献,促进数据可以在欧洲公司之间共享和再利用,欧盟委员会签约everis公司去进行一项研究,以衡量经济价值和理解欧洲经济区内B2B关系中数据共享和再利用的潜力(EEA,即欧盟28个成员国,挪威,冰岛和列支敦士登)。更具体地说,这项研究旨在:

  • 评估EEA成员国内部的公司之间数据共享和再利用的数量维度

  • 确定由于无法获取相关数据而导致错失的商业机会

  • 明确公司之间数据共享和再利用的障碍

  • 识别B2B数据共享的成功因素

依照研究方法所述,本报告概述了在企业对企业(B2B)关系中数据共享和再利用的政策和立法框架方面的最新发展情况,并讨论了在这个领域里相关研究的成果。对收集的数据进行统计分析,以量化EEA内的数据共享和再利用。本报告审查了公司共享数据的说明性案例,并深入分析了数据共享的障碍和成功因素。本文件中将分享案例研究中公司所吸取的经验教训。 最后,该研究的主要结论将与以证据为基础的建议一起呈现,以支持EEA成员国内部的公司之间在数据共享和再利用领域的未来决策。


2.研究方法

本章讨论了数据共享的总体概念,阐明了研究的范围,介绍了数据收集和数据分析所遵循的方法。最后,列举了这项研究的局限性。


2.1理解公司之间数据共享的整体概念

B2B数据共享这一概念通常用于指公司之间的数据交换。这个概念包括数据交换的供应和需求两方面,包括那些提供数据的公司和那些被授权访问数据的公司。在本研究框架内,“数据共享”一词严格限定于数据供应方,即生成或存储数据并将其提供给其他公司的公司,要么是免费的,要么是针对包括经济或实物在内的某种报酬或补偿。相反,“数据再利用”这一概念具体指的是需求方面,也就是说那些通过非竞争方法(即在非竞争性市场中的公司之间)获取其他公司数据的公司。在下文中定义本研究的基本概念“数据共享”和“数据再利用”。

图1 数据共享和数据再利用的定义

 

值得强调的是,本研究的范围不包括两个经济运营商之间为了数据再利用而分包的情况(即该研究没有考虑被分包的公司重新使用从另一家公司获得的数据)。本研究偏离了一般假设,即主张共享或重复使用数据的公司有权或持有有效许可证。



2.2研究的范围

下文中将详细描述研究范围,包括需要考虑的数据类型,地理覆盖面,目标公司规模和选定的商业部门。

 

2.2.1. 数据类型

这项研究侧重于分享和/或重新使用机器生成的数据,欧盟委员会关于“建立欧洲数据经济”的一揽子计划是数据共享的关键。这种类型的数据,“没有人类的直接干预,通过计算机程序、应用程序和服务或传感器产生这些数据”(第9页),包括:

  • 物联网(IoT)和物理设备产生的数据,包括传感器或手机

  • 内部IT业务系统生成的数据,主要包含关于产品的信息,服务,销售,物流和客户,合作伙伴或供应商(CRM,ERP等)

  • 通过用户与网站的互动(如Cookie,网络跟踪,日志)生成的数据,其中包含关于特定用户的信息,如在特定网站上的行为或者浏览网页时,关于他/她的兴趣和偏好等的信息。

  • 通过众包或网络协作产生的数据。

虽然上述数据主要是由机器生成的,但它们仍可能涉及一定程度的人为干预或输入,特别是通过表格,电子邮件,CRM系统等从客户,合作伙伴和供应商收集到的数据。

本研究不区分共享或重复使用个人和非个人数据。就个人数据而言,本研究假设公司遵守可适用的数据保护法规,特别是即将生效的《一般数据保护条例》(GDPR)(2018年5月)。

 

2.2.2地理覆盖范围

本研究旨在加深对欧洲经济区(EEA)内公司之间数据共享和重复使用的定量和定性维度的理解。 尽管如此,考虑到本研究的目标,时间表和可用的资源,努力的目标是从17个国家获取证据,即:比利时,克罗地亚,爱沙尼亚,法国,德国,爱尔兰,意大利,立陶宛,卢森堡,荷兰,挪威, 波兰,葡萄牙,罗马尼亚,西班牙,瑞典和英国。选择这些国家作为样本的过程在附件1中有更详细的解释。

 

2.2.3. 公司规模

本研究考虑了如下图所示的四种不同规模的公司。这些类别符合欧盟统计局对“企业规模”的分类。

 

图2 研究中考虑的公司规模

 

2.2.4. 商业部门

本研究特别关注六个业务部门:数据驱动,智能农业,智能制造,电信运营商,智能生活环境以及智能电网和电表。根据在“建立欧洲数据经济”(2007)的讨论中产生的的员工工作文件中编制的信息,这些部门与DG CONNECT一起被选定。 其中一些行业已在之前为欧盟委员会进行的研究中得到确认。下面简要定义所选的行业部门。

数据生成驱动指连接到集成或外部设备(例如智能电话,GPS,行驶记录仪或电子收费装置)的机动车辆,它们配备有多种与通信网络(例如,GPRS或GSM网关,以及远程信息处理)有线或无线连接的传感器。这些设备/传感器可以在驾驶时收集关于车辆的性能,轨迹,速度和驾驶员行为等的数据,通知第三方关于性能状态、位置、距离、停靠点、燃料消耗、交通、道路变化、停车位,以及改善道路安全和防止车辆故障或提醒启动紧急服务。整理的数据主要用于优化公司提供的产品和/或服务(这些公司能够获得法律上的授权收集和读取设备和车辆的数据)和/或开发新功能。 虽然有些传感器旨在使某些操作自动化,但应将自动化或自动驾驶汽车应被视为一个单独的概念,这已超出本研究的范围,即使两项技术的发展正在并行发生同时分享着挑战和机遇。

目标公司举例:汽车行业内的原始设备制造商; 导航、交通和地图公司;技术提供者;汽车修理店;保险公司;运输和物流公司;路边援助提供者;收费系统;信息娱乐服务提供商;其他在美国从事汽车和运输领域经营的公司。

智能农业或智能耕作是更广泛的概念,涉及到信息与通信技术(ICT)在农业中的应用。 它们不仅包括使用“精确农业”技术,还包括对这些技术收集的数据的开发和分析,以及在各级农业生产中机器人、自动控制和人工智能技术的应用。相应地,精准农业是一种利用数字技术(包括传感器技术、卫星导航和定位技术以及物联网)监测和优化农业生产过程的现代农业管理概念。其目的是提高农作物产量和动物生产性能的质量和数量,同时通过给予每个植物或动物最佳的生长需求来减少投入(水,能源,肥料,杀虫剂等)。

最终,精准农业支持更多更好的食物,从而为粮食安全做出贡献,同时节约成本并减少农业对环境的影响。

目标公司举例:农民和动物饲养者;农民协会和合作社; 技术提供者;农作物化工公司;种子开发商;农业设备和机械制造商。 

智能制造是一种技术驱动的方法,它使用互联网连接的机器实时监控生产过程,识别自动化或半自动化操作的时机,并使用数据分析来优化制造绩效,实现预防性维护并避免设备停机时间。其目标是实现可持续和有竞争力的制造,工人们在生产链上与机器人互动、共享任务和一同协作。这个概念通常也被称为“未来工厂”或“工业4.0”。 除了对竞争力、增长和就业的影响之外,智能制造业还有望通过减少能源消耗和废弃物的产生来产生积极的环境影响和社会影响。

目标公司举例:产品制造商;机器制造商;维修服务;机器人厂商;技术供应商/软件供应商。

电信运营商是在固定或移动网络中提供公开可用的电话服务的公司,包括受监管的由IP网络传送话音的技术服务(VoIP)。大数据为电信行业带来了巨大的潜力,可以通过预测使用频率高的时段并找到方法缓解拥堵来改善其内部服务和基础设施管理,找出最有可能出现计费问题的客户,分析用户决定不使用的原因,提供个性化报价,检测欺诈行为等。 另外,通过移动网络产生的数据,特别是有关于位置的数据,电信运营商可以为零售、运输、金融服务、医疗和营销等多个行业提供有意义的信息。这些行业可以充分利用丰富的移动数据提供的复杂分析和分段分析的潜力。

目标公司举例:移动网络运营商(MNO);无线服务提供商;固定网络运营商;移动宽带运营商;有线运营商;移动虚拟运营商。

智能生活环境或“智能家居”是用来描述居住空间的广义术语,居住空间通过技术相互交流和/或与居民互动,通过控制照明、取暖、通风来引进家庭自动化,改变我们在家生活的方式,同时也提高了便利性、舒适性、能源效率和安全性。 “智能家居”概念也应用于医疗保健领域,并与“独立生活”和“居家协助”(AAL)密切相关。它指的是的家庭自动化功能和创新/巧妙的家居产品和由技术支持的解决方案(主要是可穿戴式或置于家中的传感器),这使得老年人和残疾人能够独立安全地长时间呆在家中。例如,自动化可以帮助老年人和行动不便的人通过使用远程控制装置打开/关闭门窗或开关灯,从而在家中独立生活。通过可穿戴式传感器(包括生物传感器或摔倒检测传感器)收集到的数据对卫生机构和护理人员去远程监控在家中的病人特别有用,对于紧急服务提供商也是如此。

目标公司举例:家庭自动化公司; 传感器、紧急按钮和机器人供应商; 可穿戴科技供应商; 其他在智能家居行业的公司。

智能电网是使用数字和其他先进技术来监控和管理来自所有发电源的电力输送,以满足终端用户的不同电力需求的电力网络。智能电网同样可以运用于其他能源,如石油、天然气和水,但电力仍然是主要的用例。

智能计量系统是智能电网的组成部分,可以被定义为“可以测量能源消耗和生产的电子系统,提供比传统仪表更多的信息,并且可以使用电子通信的形式传输和接收数据,以用于信息、监控和控制目的”。智能计量数据通过提高能源效率、遏制二氧化碳排放,并考虑到对间歇性可再生能源更有效地利用,对于国内配电系统运营商(DSO)、消费者(家庭和企业)和环境是有益处的。计量数据对于帮助欺诈检测,预测维护需求和潜在电源故障或设备停机时间也同样有帮助。

可被考虑的公司举例:电力供应商; 配电系统运营商; 传输系统运营商; 再生能源供应商; 其他在智能电网和智能计量领域运营的公司。



2.3方法论

一套实现为这项研究设定的目标的方法已经被开发出来。下面的可视化和子部分中提供了这种方法的概述。下面列出指导研究的研究问题,并简要介绍所遵循的方法论路径。该方法的详细说明可在附件1中找到。

 

图3 接下来的方法论概述

 

2.3.1研究的问题

为了给本研究设计合理的方法论路径,针对提案中制定的每个具体目标,都仔细制定了研究问题。这些在下面列出。

 

目标1:量化公司间的数据共享和再利用

  • 欧洲经济区内各公司之间数据共享和再利用的数量维度是什么?

  • 公司之间数据共享和再利用的条件是什么?

  • 数据如何在公司之间共享和再利用?

  • 与其他相关经济指标相比,公司之间数据共享和再利用的整体经济重要性如何?

 

目标2:对不共享和错失商机的量化

  • 公司之间不共享的数据比例是多少?

  • 什么是公司间不共享数据导致的造成的错失商机?

  • 公司之间数据共享再利用存在哪些障碍?

  • 可能有助于增加数据共享和重用的因素有哪些?

 

目标3:了解数据共享的成功因素

  • 数据共享的关键成功因素是什么?

 

2.3.2数据收集方法

本研究进行了文献研究以确定公司之间数据共享和再使用领域的相关学术文献和非正式出版物。此外,还收集了适用于欧盟和欧洲经济区关于该领域的政策和立法。文献研究还旨在确定那些已经与其他公司共享数据的公司,评估这些公司在本研究中展现的潜力。

为了收集在欧洲经济区(EEA)运营的公司的信息和数据,本研究进行了在线调查。调查问卷经过精心设计并进行了试点测试,以确保所有研究问题得到充分解决。问卷被翻译成有限数量的语言,以保证公司更高的参与率。调查结果被发送给了1071家在欧洲经济区运营的公司,以及941个利益相关者,包括在国际、欧洲和国家层面的各个业务部门就相关主题进行游说的联盟组织,31个负责监督企业相关政策的国家部委, 28个常驻欧盟的代表处,创业孵化器和选定的17个国家的欧洲企业网络的成员组织。

为了收集有洞见的信息来描述案例研究,与已经参与B2B数据共享的公司进行了16次半结构化访谈。这些通常旨在讨论数据共享的障碍以及如何克服这些障碍,确定数据共享的成功因素,报告吸取的经验教训,并为其他开始共享数据的公司提供一些启发。

作为访谈的补充,我们组织了四场网络研讨会。54位与会者加入了网络研讨会,包括公司、协会、学术界和欧盟官员的代表。网络研讨会的目的是通过给他们提供机会来展示他们的经验,并进一步讨论公司之间数据共享的困难和成功因素,从而从被确定的公司收集到更多的信息。此外,网络研讨会还旨在就未来在这一领域的决策进行辩论。最终,网络研讨会旨在进一步促进EEA公司之间的数据共享和再利用。

最后,召开了一次会议,分享研究的初步结果,并整理关于未来推动欧洲数据经济的政策建议的进一步见解。大约100名与会者出席并在布鲁塞尔为期一天的活动中为讨论做出了积极贡献。所收集的意见已经过处理,以补充未来决策的建议。

 

2.3.3数据分析方法

本研究对欧洲经济区(EEA)公司之间在数据共享和再使用领域的研究现状进行了文献综述。 对欧盟和欧洲经济区在这一领域的政策和立法框架进行了描述性分析。目标是为了了解目前在B2B关系中数据共享和再使用的现状,从而以现有知识为发展基础,并掌握当前政策和会对公司数据共享和再使用产生影响的法律框架的特殊性。

通过对调查收集的数据进行分析,从而确定数据中有趣的模式。特别是,一些描述性统计被用来充分理解所收集的数据。基于这些见解,本研究开发了一个统计模型来预测感兴趣的变量。

转录访谈的内容分析使用了MAXQDA (定性数据分析软件)。根据通过访谈整理的信息,对目前共享数据的公司进行了16个案例研究(见附件4)。更具体地说,本研究分析了以下几个维度:与其他公司分享数据的动机,业务模式,共享数据的类型,与其他公司成功共享数据所需的技术机制和技能,数据共享存在的障碍和成功法因素以及以及根据公司经历获得的经验教训。作为内容分析的补充,对公司提供的和/或由团队收集的信息和文档进行文件审查,从而更好地在一定情境下进行案例研究。仔细考虑在线网络研讨会的讨论,提出有关数据共享的困难和成功因素的进一步的结论,并提出考虑到来自公司、代表公司共同利益的组织以及学术界的不同观点的政策建议。

 

2.3.4. 研究的局限性

这项研究的局限性主要与其时间表和持续时间较短有关。部分的实地调查(调查和访谈)不得不推迟到后期阶段,为了避免传统的暑假期间,因为这很可能会影响调查的回应率和为案例研究提供信息。较长时间的实地调查可能有助于收集其他调查的答案和确定其他案例研究。

调查问卷仅提供有限数量的语言(即英语,爱沙尼亚语,法语,德语,意大利语,波兰语,葡萄牙语,罗马尼亚语和西班牙语)。 这可能已经影响了人们理解问卷调查并最终限制了收到的答复数量。

虽然本研究提供了术语表来澄清调查中使用的概念(如“数据共享”),但对某些术语的误解和误读无法避免。正如本研究所总结的那样,在B2B关系中人们似乎对数据共享意味着什么缺乏普遍的理解。这可能会阻碍一些公司参与调查和访谈。

最后,由于不可能从每个国家的所有商业部门和公司规模收集合理数量的答案,因此研究样本在统计学上并不具有代表性。 为了能够确保具有统计代表性的样本,需要更多的时间和资源。尽管如此,仍要努力收集足够的答案,为量化公司之间的数据共享和再使用提供基础(包括为邀请他们参与调查向企业中的关键人物直接发送消息,以及利益相关方的参与和使用社交媒体来传播)。



本文仅作学习交流之用

Malgorzata Szczecinska 




往期荐读




编辑:钟柳依


欢迎点击“阅读原文”

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存