与加州大学圣地亚哥分校的 Hyoduk Shin 博士关于协作计算的对话
在 Nevermined，我们有兴趣应用 Web3 和 NFT 技术以创新方式解决实际业务问题。我们多年来一直在研究的一个特定用例是使用标记化和访问控制来简化数据集的共享。
世界各地的监管机构正确地设置了障碍，以限制对个人数据的商业利用。但随着隐私增强技术的成熟，我们正在朝着可以围绕数据创建安全的多利益相关者生态系统的方向发展。
当 Lunar Ventures 的研究合伙人兼 Nevermined 合作者 Lawrence Lundy-Bryan 撰写“协作计算时代”时，我们感到非常激动。我们完全同意这样的想法，即我们正处于对数据在经济中的使用方式进行根本性重塑的开始。我们当然不会争论他关于协作计算是下一个万亿美元市场的预测。
因此，为了帮助我们了解建立新产品类别的挑战，我们与劳伦斯合作，对数据协作领域的专家进行了一系列采访，他们正在为这一愿景进行购买、销售或投资。
我们之前发布了 Lawrence与 Speedinvest 的 Rick Hao和Inpher 首席执行官 Jordan Brandt的对话。本周，他潜入学术界。
与加州大学圣地亚哥分校副教授 Hyoduk Shin 博士的对话
作者：Lawrence Lundy-Bryan，Lunar Ventures 研究合伙人
协作计算是下一个万亿美元的市场。我们正处于从根本上重塑数据在经济中的使用方式的开端。当数据可以在内部和外部无障碍地共享时，所有数据资产的价值都可以最大化，以实现私有和公共价值。
为了更深入地探索这一愿景，我采访了加州大学圣地亚哥分校拉迪管理学院创新信息技术与运营副教授 Hyoduk Shin 博士。Shin 的研究兴趣包括供应链管理中的预测信息共享和投资、运营约束下的竞争战略以及信息技术经济学。
亮点包括：
- 如何重新调整对数据共享的激励；
- 为什么除了技术之外，文化将是最重要的驱动力；
- 我们将如何结束全球分散的数据经济
让我们从宏观层面开始，占主导地位的数据策略显然是囤积而不是协作。其中一些只是因为公司缺乏共享工具，但其中很多只是普通的旧业务策略：如果数据有价值，那么您需要收集并保留更多数据，对吗？这是在改变吗？如果是这样，为什么？
我确实看到它越来越协作，是的。但与此同时，随着越来越多的公司考虑采用协作方法，它引发了更多最初可能未被充分认识的问题。隐私当然是最重要的。隐私问题和监管无疑是协作的制约因素。只是将数据存储在某个地方而不是弄清楚如何共享它通常是最容易做的事情。在许多情况下，即使一个人或团队真的看到与另一个团队共享或将其与其他数据集汇集的特定数据集的价值，实际获得签署的过程对许多人来说可能不值得麻烦。也就是说，仅将数据存储在某处不再是简单的选择。随着越来越多的数据被收集和存储，使用数据的风险也增加了。
然而，最大的挑战不是隐私，而是文化或更具体地说是激励。对于公司来说，没有足够的动力来共享数据。需要思考的有趣问题是如何重新调整分享的动机。我认为主要有以下三种方式：
在数据平台和数据供应商之间建立长期合作关系。数据联盟和数据信任之类的东西在这里可以发挥作用。
另一个是文化工作。公司可以创建一个非剥削性的数据共享环境。领导层可以鼓励员工找到从文化上从数据资产中获得最大价值的方法，甚至可以作为绩效指标。
最后，可以使用时间来分割数据。数据可能在接近捕获时间时更有价值。因此，我们可以考虑将旧数据共享为常规做法但保留较新数据的方法。
是否有已经看到数据共享发生的用例？我们可以从这些早期采用者那里学到什么吗？
我可以谈谈我们已经看到使用工具的两个特定领域：半导体行业和营销，每个领域都有自己的商业挑战。我的工作探索了供应商如何与供应商和客户共享信息。半导体行业出了问题。客户通常必须在下订单之前下软订单，因此他们非常擅长预测。但这仍然只是预测。而且因为是软订单，所以他们多点也是合情合理的。这就是我们在行业中观察到的情况。客户下了一个 5k 单位的软订单，然后实际订购了 3k 单位。所以供应商留下了库存。这是一个显而易见的问题，某种形式的数据共享对它来说是有意义的。
营销是另一个用例。我们已经看到零售商跟踪客户需求并与品牌共享数据的例子，这些品牌随后将其转售给对冲基金。这不是数据协作的示例，而是数据产品的创建以及最终对客户的价值。该供应链存在挑战，因为零售商端的买家不知道他们的交易数据是如何被使用的。但这说明了数据的价值以及公司可以将其打包并作为产品销售的机会。
半导体行业是数据共享的早期采用者之一
我发现金融服务和医疗保健是数据协作工具的较早采用者，主要是因为有关隐私和数据安全的法规。您是否发现了相同的情况？希望其他哪些垂直领域成为下一个采用者？
机密性是这里的驱动因素。这些行业拥有需要保护的高度机密信息。就金融服务而言，通过共享 KYC 和欺诈等数据可以获得巨大的经济收益。医疗保健虽然与制药有关，但它与财务收益的关系不大，而更多地是关于通过汇总数据获得的公共卫生收益。试图在保密性和聚合利益之间取得平衡的组织的一个很好的例子是贸易协会。他们从多方收集机密信息，这些方与协会达成协议，知道他们正在提供一些价值，期望他们会得到更多回报。所以这个模型并不新鲜，只是我们还没有结构或组织来共享数据。
在考虑帮助公司利用数据时，一个明智的框架是：治理、共享和货币化。感觉投资数据基础设施的公司中有 95% 仍在进行数据治理，也许 5% 正在寻找内部共享的方法，甚至不到 1% 的公司还在考虑货币化。这听起来对吗？
是的，到目前为止很少看到有太多的货币化。正如我之前提到的，许多公司都在投资治理。这是您甚至可以考虑共享或货币化之前的第 1 阶段。这是一个已知问题，有很多公司都在解决这个需求，所以我们很快就会看到它得到解决。公司转向数据共享的速度取决于许多因素。是的，技术很重要，我们确实缺乏基础设施，但文化将成为驱动力。文化通常是在惯性特别强的大型组织中采用新技术的驱动力。但是对于数据协作，会遇到能力和人才问题，并且需要开发、教授和学习新的流程和工作流。
感觉一直处于数据利用策略最前沿的数据整合模型在功效方面可能已经达到了极限。随着“数据网格”、协作计算以及更普遍的以客户为中心的出现，是否看到数据联合模型在数据资产的生命周期中发挥更重要作用的前景？
老实说，这需要时间。我的感觉是，对于许多公司来说，任何联邦工作都没有这种能力。在数据协作方面，思想领导力和市场采用之间肯定存在差距。大型组织将缺乏这样做的能力。与现有软件很好地集成的基于云的端到端解决方案可能是我们将看到采用的方式，但如前所述，它只能解决技术问题，文化部分也至关重要。
要使数据协作需求增加 10/100 倍，需要进行哪些文化、技术或社会变革？
这是一个政策问题。我没有看到任何技术上改变惯性的东西。但正如我们在 GDPR 中看到的那样，监管善于强制改变。困难在于它不能逐个国家，所以我们需要一些关于数据结构或数据治理的商定标准。也许在 G8 或 OECD 级别完成，类似于 WTO 的数据。
随着各国对数据存储和共享设置监管壁垒，联邦学习、完全同态加密等 PET 正在使处理数据变得更加容易，而无需移动甚至读取数据。当数据可以在不移动或读取的情况下共享时，如何看待未来的监管环境？
如果我们展望未来，技术确实有可能使监管失效。或者至少，该技术使公司能够以编程方式执行监管的意图。然后用户可以在市场上的公司之间进行选择。现实情况是，不同地区将出于不同目的使用监管，因此我们将看到不同的数据结果。一种可能的情况是具有不同力量平衡的区域差异。因此，东南亚可以设计法规来增强国家能力，而欧盟将关注个人，而美国可能会关注企业。这当然太简单了，但关键是技术不会让监管变得毫无用处。
最后，如果我们实现我们的协作计算愿景，全球数据市场的一些含义是什么？是否想象公司将数据作为资产进行管理，并或多或少地出售以管理预算？
一切都将被定价，因此成为金融资产。这是一个挑战，原因有很多。把一切都变成软件并为一切定价，就会有垄断的趋势，即使有了数据，也会有规模经济。巨大的力量将来自于此。市场本身将具有独特的力量来确定可以交易的内容，如果所有数据都是可交易的资产，可能会面临比当今社交媒体公司更大的审查挑战。我们可以推测数据资产的有趣后果，例如，我们需要调整财务报告以包含数据资产。可能需要制定与财政年度相关的数据出售方式和时间的规则。我们甚至没有开始考虑这些事情的后果。
如果我们考虑将数据放在资产负债表上，那么想象 FAANG 的价值增加 5-10倍并非不可能。如果我们从数据的角度考虑估值，苹果、微软、亚马逊或谷歌中的一家可能已经是一家价值 10 万亿美元的公司。
