解锁气象数据价值新方程

数据资产价值与 数据产品定价新思考 气象数据估值系列白皮书之一 解锁气象数据价值新方程 贵阳大数据交易所 贵州省气象信息中心 1解锁气象数据价值新方程 目录 前言3 解读气象数据的价值特征4 剖析气象数据应用场景8 1.行业发展趋势8 2.行业商业模式9 3.气象数据应用场景及案例10 解锁气象数据价值的新方程17 1.气象数据资产的动态估值框架18 2.解锁气象数据价值潜能新方程19 3.微观视角进阶─气象数据成本途径下的 多因子成本修正模型详解20 本系列小结23 参考文献23 联系人24 2 解锁气象数据价值新方程2 前言 獗，“黑市气象交易”盛行，气象数据在传统流通交易过程中易出现“数据通胀”，在交易过程中出现“价格内卷”，市场价格缩水，整体价值和收益难以体现，投入回报比低，导致气象数据资源的原始权益人相关的权益未得到有效保障，市场化收益较低。上述权属不清、定价不明、交易不当等问题使得这一价值无可限量的气象数据难以真正触达需求。 2022年10月，中国共产党第二十次全国代表大会在京胜利召开。大会报告提出，加快建设数字中国、美丽中国。 在建设数字中国、美丽中国的总体战略前提下，数字经济高质量发展与绿色低碳可持续发展已成为推动当前时代快速变革前行的新引擎。数字经济与低碳经济作为全新的经济形态，在带动各行业领域新技术不断突破的同时，正在对实体经济产生深远影响。 当前，新一轮科技革命正在深刻改变着世界发展格局，数字经济与低碳经济正在深度融入各行各业各领域。气象行业作为典型的科技型、基础性、先导性行业，拥有海量数据资源，服务场景丰富，用户群体众多，商业价值潜力巨大。气象数据资源不仅是气象服务数字化改造中最重要的载体要素；其对于应对气候变化、实现“双碳”目标、建设美丽中国亦可谓至关重要。然而，与此同时，气象数据生态亦面临前所未有的风险及挑战。因缺乏足够基础制度和技术等体系保护，以及数据安全和权益保护意识淡薄，数据被过渡无条件共享开放和流失，社会面拥有同质气象数据的主体过多，加之缺乏科学合理的数据定价体系，“盗版气象数商”猖 1.贵阳大数据交易所，即贵州省数据流通交易服务中心及贵阳大数据交易所有限责任公司，该交易所采用“一中心一公司”的体系架构。 在2022年5月举行的第八届中国国际大数据产业博览会上，普华永道及贵州省数据流通交易服务中心联名发布《数据资产价值与数据产品定价新思考》白皮书。自此以来，我们持续深耕于数据资产估值理论及实践领域，并以此为基础不断推行健康、有序的数据资产交易生态。 此次，在贵州省气象局、贵州省大数据发展管理局指导下，普华永道联合贵州省气象信息中心、贵阳大数据交易所1，紧随二十大步伐，聚焦价值与价格、交易与流通等核心领域，推出多层次新型气象数据价值管理链条，为实现“相互依赖、生气盎然、持续发展”的气象生态圈提供行之有效的借鉴。 本系列中，我们将从解读气象数据价值特征出发，剖析气象数据应用场景，并解锁气象数据价值新方程，从时间和空间等维度诠释气象数据的价值，从而推进探索气象数据有序、安全、高质、高效的流通交易体系，释放气象数据高价值潜力，促进数字经济高质量发展，推动绿色低碳可持续发展。 3解锁气象数据价值新方程 解读气象数据的价值特征 在普华永道《数据资产前瞻性研究白皮书》、《数据资产价值与数据产品定价新思考》中，我们结合数据资产的商业应用、开发形式和发展阶段划分了数据资产类别。在本白皮书的研究中，为全面完善数据资产的定义分类，将气象数据资产划分为基础型数据资产及服务型数据资产，并在此基础上可以进一步细分为：原始数据、产品数据、预报数据和服务数据。 基础型数据资产系气象数据的原始数据，主要为直接由观测站或雷达、卫星等设备收集到的个各项实时观测指标，这类数据资源并不符合“原始数据不出域”的数据要素流通要求，因而无法直接参与相关的数据交易环节。 服务型数据资产指将基础型数据资产，即气象数据的原始数据通过算法加工后，以数据分析为驱动，直接参与可衡量价值的业务场景的提炼，即“数据+算法+场景”组合后产生的数据资产。根据应用，可以进一步分类如下： •产品数据：由于“原始数据不出域”的要求，可根据原始数据通过网格化加工算法得到用户需要的某一地区的实时气象数据 •预报数据：在网格化实时数据的基础上，通过统计学、动力学模型得到各项气象观测指标的预报数据 •服务数据：在气象数据基础上，融合下游相关行业应用场景产生的数据 气象数据的分类 气象数据 基础型 原始数据 服务型 产品数据 预报数据 服务数据 气象数据资产的价值特征 1.场景先导性：气象服务具有先导性特征，关系到“生命安全、生产发展、生活富裕、生态良好”，几乎所有行业和群体都离不开气象服务的助力和支持。气象数据要素是气象服务中最重要的载体，且数据具有标准化、结构化、长序列、高频率、高质量等特征，因此，气象数据“到手即用”的特性可以使其快速高效的配置在各类场景中，通过提升应用主体对天气变化的态势感知能力，助力其趋利避害、提质增效。释放气象数据要素高价值潜能，助力气象事业和经济社会高质量发展。与此同时，其与行业场景的融合运用亦需要结合所在行业相关的科学理论及算法认知，因此其先导性伴随着基础科学发展同步增强，但亦受制于下游应用科学的发展状况。 场景先导性 气象服务具有先导性特征，关系到“生命安全、生产发展、生活富裕、生态良好”，几乎所有行业和群体都离不开气象服务的助力和支持 气象数据 数据流通、 开发利用 气象服务中 最重要的载体 金融 医疗 交通 农业 能源 通过提升应用主体对天气变化的态势感知能力，助力其趋利避害、提质增效 2.时效双重性：气象数据具有典型的时效双重性，该双重性对价值的影响取决于气象数据的用途属性。例如，预报类数据等即时服务型数据，其时效通常较短，根据中国气象局提出的标准，临近天气预报的时效为0~2小时，短期天气预报的时效为0~72小时，中期天气预报的时效最多不超过240小时。相比之下，用于行业或学术研究类的气象数据（例如，世界气象组织一直根据温室气体浓度、海平面高度等指标分析全球温度的长期上升趋势），包括考古发掘、物候观查、方志记载，以及离子比例、同位素分析、气象站测量等各类记录，则需经过长期积累和机器学习才能使模型精度提高，从而凸显经济价值。 时效双重性 气象数据具有典型的时效双重性，该双重性对价值的影响取决于气象数据的用途属性 即时服务型数据 研究类数据 预报类数据等即时服务型数据的时效通常较短。 例如：根据中国气象局提出的标准 •临近天气预报的时效为0~2 小时 •短期天气预报的时效为0~72小时 •中期天气预报的时效不超过 240小时 为了分析气候变化，需要更长时间的气象数据记录 价值 即时服务型数据 研究类数据 数据经历的时间跨度 世界气象组织根据温室气体浓度、海平面高度等指标分析温度上升的长期趋势 包括考古发掘、物候观查 、方志记载，以及离子比例、同位素分析、气象站测量等各类记录 3.价值即用性：气象数据属于典型的观测数据，通常是标准化、结构化的数据。同时，原始数据的观测频率和精度都较高，数据序列长且数据质量高，无须复杂的数据清洗过程，即可配置到各行业应用场景使用或参与数据要素流通。因此，气象数据具有“到手即用”的特点，也正因为有该特征，不难发现，质量控制管理在气象数据形成过程中占有极其重要的地位，其相关投入在气象数据成本构成中亦占有相当比重。 除上述提到气象数据的主要价值特征外，气象数据价值可能还会受到其他因素的影响。比如，不同地区之间的气候类型通常有所差异，同一地区在一年内的气候现象也会存在不同的情况，从下游需求角度而言，气象数据的价值也会受到诸如地区气候变化情况、产业经济结构的影响。例如，气候多变且气候环境复杂的地区，下游产业对于气象数据需求及价值认知要远高于气候稳定的地区，因而气象数据发挥的价值也较大；另一维度，在经济发达地区，气象数据对于高质量转型、精细化管理的产业而言，价值潜能也要远高于其对于粗放型的产业而言。诸如这类因素，理论而言，亦会对气象数据价值形成一定影响。因而，我们认为需要以更开放的视角去审视气象数据的价值特征。 价值即用性 可配置 可流通 长序列 高频率 高质量 标准化 结构化 气象数据属于典型的观测数据，通常是标准化、结构化的数据。同时，原始数据的观测频率和精度都较高，数据序列长且数据质量也在较高水平，无须复杂的数据清洗过程，即可配置到各行业应用场景使用或参与数据要素流通 气象数据具有“到手即用”的特性 剖析气象数据应用场景 1.行业发展趋势 近年全球极端天气事件频发，强度和频率不断增加，对居民财产和生命安全、社会经济生产造成严重威胁，因此对气象数据的精准和高效处理提出了进一步的要求。随着人工智能、移动通信技术、物联网、云计算等新一代信息技术快速发展，气象数据的采集和分析技术得到了很大的提升，促进了气象数据服务在多个行业领域的成功应用。气象数据的服务范围也从传统的天气播报向着精细化、专业化、多元化方向发展，逐步体现了气象数据的商业价值。 气象服务行业在美国、日本、欧洲等地自1960年代兴起，已有数十年的发展历史并形成了成熟的产业链，每年可推动千亿美元产值。与发达国家相比，我国商业气象服务行业自2015年起开始发展，依然处于初期阶段。虽然起步较晚，中国气象服务行业商业化进程提速很快，随着原始数据的不断积累，以及气象数据商业化程度不断深化，中国气象服务行业具备极大的发展潜力。 图1：各国气象服务产业规模 图2：中国气象服务产业规模增长情况 产业规模 产业规模 （亿美元）（人民币亿元） 3,000 欧洲 2,600 美国 1,600 日本 100 中国 ≈60 420 63.5 1960 2015 商业化起始年度 2012 2020 2025 资料来源：中国气象产业发展报告，中国气象局，2015年 2.行业商业模式 气象服务的商业模式较为多样，按下游客户区分，气象数据服务商共有三类商业模式，分别为面向企业模式（ToB）、面向用户模式（ToC）及面向政府模式（ToG）。气象服务商以采集的气象数据为基础，经过对数据的处理分析，向各类用户提供查询、行业解决方案等一系列与气象相关的服务。 设备采集 • • • 气象站采集 卫星采集 雷达采集… 物联网采集 • • • 汽车 飞机 气象站… 企业端（Business） • • • • 气象数据查询 解决方案设计 气象数据库建设 …… 政府端(Government) • • • • 公共赛事 安全预警 城市管理 …… 图3：气象服务产业链 服务 内容 收入 来源 •服务收入 •第三方广告收入 •服务收入 消费者端（Customer） •终端天气信息查询 •…… 下游客户 气象服务商 气象局 众包采集 •拍摄 •录像… 气象数据 在对气象数据的管理上，中国与海外有较大的差别。中国的气象数据管理办法规定气象原始数据所有权归国家所有，因此中国的气象服务商并不掌握上游原始数据，主要通过向气象局申请数据使用权限。外国气象公司自行设置气象监测设施较为普遍，自采数据为行业重要数据来源。例如全美最大的气象数据公司TheWeatherCompany在全球各地建设超4,000万个气象站、10万多个天气传感器，在美国各地建有13个气象资料中心，并且拥有自己的气象卫星和雷达网络。 中国商业气象服务行业逐步兴起，进入高速增长阶段。气象服务公司一方面在通过社会观测、社会派生观测等多元化手段不断丰富自身数据来源；另一方面在数据处理能力和行业定制化服务能力持续进行差异化、细分化竞争，从而推动气象数据使用效率，预计未来气象数据商业价值仍将不断增长，气象服务行业会继续蓬勃发展，并不断助力经济社会进步。 3.气象数据应用场景及案例 根据著名的德尔菲气象定律，气象投入与产出比为1：98，即企业在气象信息上投资1元，便可以得到98元