开放数据中国
报告/Report案例/Use Cases
  • 开放数据中国
  • Blogs
    • 域外学道:我们从ODI-MS 朋友圈中学到的数据联合创新体的构建 What We learned from ODI-MS PLN
    • [回顾] 普通人的数字权利指北 第 1 期: 我们身边的算法决策和”被流动“的个人数据
    • 【工作坊报名】 我们身边的算法决策和“被流动”的个人数据
    • 数据流通机制探索(一):玩转数据生态画布
    • 高丰:企业如何用好公共数据开放政策
    • 破局数据要素流通,我们入伙了这个微软和 ODI 牵头的「开放数据」朋友圈
    • 高丰:AI时代「开放」数据的三大范式变化
    • 国际数据信托工作组(DTEG)正式成立! 开放数据中国受邀加入
    • 「公平透明、动态渐进」——建言《上海市公共数据和一网通办管理办法草案》
    • 盘点2018年「中国开放数据」的那些事
    • [声音] 上海开放数据进行时
    • 预告 | 开放数据创新营
    • [看对岸]罗佩琪:從 g0v 到 gov -- 潛入衛福部 400 天
    • [看对岸] 台湾行政院长張善政的开放数据垦荒之旅
    • 共治共创视角下的开放数据发展:趋势、挑战和反思
    • [报名] Design SODA:开放什么数据由你说了算
    • 回顾:2015开放数据项目盘点
    • 【快讯】台湾击败英国,夺2015年开放数据指数首名
    • 政府开放了多少数据?2015中国开放政府数据“探显镜”发布
    • 高丰:对于开放环境数据的一些思考
    • [预报名]OpenDataSalon#1: Datacanvas 开放环境数据可视化黑客松
    • [看对岸,以为鉴]1.16台湾行政院开放数据研讨(一)
    • 高丰:为什么开放数据对你的生活很重要?
    • [报名]周六开放数据可视化工作坊@同济
    • 开放数据指数'14:英国继续领导世界开放数据运动,台湾成亚洲数据最开放地区
    • 谁来为开放数据买单
    • [报名] 10月20日晚7点复旦大学「开放数据在商业中的启航」公众演讲
    • 拥抱开放数据机遇的商业模式
    • 费城的开放数据项目
    • G8 开放数据宪章行动计划:默认数据开放,但你可能必须付费使用
    • 我们能从八国集团(G8)开放数据宪章行动计划中学到什么
    • 美国数字问责与透明度(DATA)法案有多独特?
    • 取经台湾: SmartGov “政府开窍” 会议 (下)
    • 取经台湾: SmartGov “政府开窍” 会议 (上)
    • 利用信息公开日志指导数据开放
    • 开放数据对经济的影响——来自GovLab的精选文章
    • 演讲分享:开放数据500
    • 演讲分享:开放数据助力经济发展
    • OKFestival2014: 开放数据全球发展快报
    • 开放数据在墨西哥:42天开放100个数据集
    • 走近英国开放数据系列挑战赛之二
    • 走近英国开放数据系列挑战赛之一
    • 政府对开放数据风险的错误解读
    • 惨淡收场的英格兰 Care.data 项目:走向歧路的政府开放数据
    • 看 GitLaw 如何将法国立法过程变为开放数据
    • 光有开放数据是不够的
    • 如何吸引开放数据用户
    • 新来者对开放数据与开放政府的看法
    • 先要开放哪些数据?对开放数据项目中先有鸡还是先有蛋的思考
    • 解读开放数据工程中的许可协议
    • 让信息公开更像开放数据
    • 开放数据与G20:开放的商业机遇
    • 开放的商业潜能之开放国际贸易数据
    • 10家基于开放医疗数据的企业
    • 浅谈OGP中的开放政府
    • 超链接与希望——Data.gov已上线五年
    • 开放数据——价值2300亿美金的节能革命
    • 开放数据商业在新兴市场的崛起
    • 黑暗中的数据:开放数据目录的重要性
    • 数据共享并非数据开放
    • 公开存取 vs.开放存取
    • 高丰:开放数据≠共享数据≠公开数据!
    • Climate Corp: 开放数据应对气候变化
    • Mastodon C:为英国医保服务节省2亿镑
    • Zillow:开放数据改变房地产行业
    • 麦肯锡报告:政府如何释放开放数据经济潜能
    • 面对开放数据革命,企业何时才会警醒
    • 开放数据赋予南高加索地区公民社会新生命
    • 为什么要开放数据——来自巴基斯坦的答案
    • 缺失的一环:如何吸引私人企业成为开放政府合作伙伴
    • 开放私人企业:开放数据的下一个前沿阵地
    • 开放数据基金正当时
    • 没有开放数据?不是问题!5种发展中国家创业者激发开放数据创新的方法
  • Our Work
    • Data Governance
    • Digital Rights
由 GitBook 提供支持
在本页
  • 01 重新认知「开放」是时代所需
  • 02 范式变化一:面向治理透明而非政府透明的「开放」
  • 03 范式变化 二:聚焦数据治理生命周期而非数据产品的「开放」
  • 04 范式变化三:适应垂直领域需求目标驱动的「开放」

这有帮助吗?

  1. Blogs

高丰:AI时代「开放」数据的三大范式变化

上一页破局数据要素流通,我们入伙了这个微软和 ODI 牵头的「开放数据」朋友圈下一页国际数据信托工作组(DTEG)正式成立! 开放数据中国受邀加入

最后更新于4年前

这有帮助吗?

7 月 10 日,开放数据中国执行主任高丰博士受邀参与了由上海市经济和信息化委员会指导,市大数据应用创新中心、数据交易中心共同主办的世界人工智能大会云端峰会——,并在「开放数据与人工智能」圆桌与复旦大学数字与移动治理实验室主任郑磊教授、OECD 经合组织公共治理部副主任 Barbara Ubaldi、联合国经济和社会事务部公共机构与数字政府司高级官员 Waimin Kwok 共同对话讨论开放数据在人工智能时代下的新发展。

下面为高丰博士的发言核心内容摘要:

01 重新认知「开放」是时代所需

我们必须要面对现实承认一点,开放数据这个舶来品从来没有在中国的土壤上真正扎根。

其自带的政治属性天然不契合中国的发展路径,而大力发展数字经济的中国必然需要探寻非常规的「开放」,或者说更为广义的数据要素流通。

但「开放」其所暗含的「透明、问责、信任」又并非完全是政治概念,其也是「公平、有良性竞争的」市场经济所追求的特质。在这样的背景之下,与其迂腐地苛求「开放数据」,不如思考如何将「开放」的特性或者说准则,贯穿式地应用于不同模式的数据要素流通,无论是真正的免费的开放数据,还是基于合作条约的数据交换,又或是基于价值交换的数据交易,“开放”都应该有其必要的意义,从而去确保数据流通的公平、数据隐私的保护、甚至于算法的透明无偏见。

重新认知「开放」,理解其对于数据治理,乃至于数字治理的意义,极为重要。

02 范式变化一:面向治理透明而非政府透明的「开放」

重新认知「开放」,首要的一个范式变化是「开放」的目标转移。

从「开放数据」的原始定义而言,其是一个强政治概念,诞生的基础即是民众需要透明开放的政府,从而基于信息公开的脉络去要求政府数据乃至公共数据应当以标准的开放格式和开放授权方式向民众免费提供。其核心解决的是一个「Access」(访问获取)的问题,优化的是政府数据和信息的发布范式。

而回应「开放」范式的变化,当前我们面对的不再是「政府透明」。「算法」、「大平台公司」不断在和「政府」博弈变成我们日常生活的「新主宰」(政府不再是单一的权威),而针对他们的透明化,也即针对「治理」(这一行为)的透明化才是这个时代最为关键需要去解决的。

而「多元治理」的基础就是信息差的消弭,而这就需要更为「开放」的信息流通和数据要素流通,其最终回应的是一个「Trust」(信任问题),我们终极需要优化的是公私多元治理模式下信息流的治理范式。

03 范式变化 二:聚焦数据治理生命周期而非数据产品的「开放」

既然「开放」的目标变化了,「开放」所关注的对象也随之变化。我们上面聊到,开放政府数据去优化的是政府如何发布数据,因此「开放」是通过「开放格式」、「开放授权」、「免费」这一系列属性要求而具象化的。

而当我们需要响应的不再仅仅是「政府透明」而是「治理透明」时,我们对开放的要求也自然需要去针对「数据治理」的「过程」而不再是单纯「数据」(作为产出物)本身。这也就意味着「开放」需要通过「开放标准」(数据标准的开放性)、「开放系统」(数据存储、利用的技术体系和架构体系的开放性)、「开放社群」(数据治理的参与群体和决策机制的开放性)去进一步具象化。

而这一范式变化所带来的是我们对「开放与否差异性」的理解的变化,数据本身的开放(即产出物的开放性)与否所带来的差别在于「数据是否可用和好用」,而数据治理的开放(即过程的开放性)与否所带来的的差别在于「数据利益相关者对于整个治理体系的可信与否」。

04 范式变化三:适应垂直领域需求目标驱动的「开放」

最后一点,自然是路径的范式变化。过去 10 年,开放数据的推动一般局限在政府数据上,且作为一个泛式概念,针对政府整体相对「粗暴而理想化」地推动落地。而如今,更为聚焦垂直领域板块,讲究利益驱动模式的「开放」路径是我们更为追求的。

事实上,18年国际开放数据大会上就试图讨论开放数据是否应该目标驱动,而 19 年国际开放数据宪章也将其年度战略定义为「Open With Purpose」,这都很好说明我们不再追求盲目开放,而是要将所期望达成的「目标」联动「开放」这一方法。

而「目标」是与「领域/行业」直接关联的。在医疗领域,个人数据的极度敏感和数据共享流通间有着难以调和的矛盾,在这一领域中,我们谈论「开放」和在交通领域讨论例如实时客流数据的「开放」,绝不应该是一致的含义。也因此,「开放」的定义应当是跟随「领域/行业」变化的,其针对不同垂直领域行业的数据治理带来不同类型、不同模式的「开放」要求,从而能够使得「开放」不再是飘在空中的口号,而是能够针对领域行业落地的具象化的要求。

数据智能主题论坛