2019年5月国家电网公司成立大数据中心后，加大了数据价值变现交易工作力度，已发布数据资源目录、数据服务目录，推出“数经e-电力经济指数”等9项可变现交易的数据服务产品。但是，根据上面对大数据交易的特征分析，电网企业大数据价值变现交易是一个系统工程，与电力交易相比更加复杂和具有挑战性，简单地就一个产品或者应用场景进行变现交易是容易的，但要充分挖掘数据价值，建立交易平台并进行大规模交易，甚至建立泛在电力物联网的价格机制，则还有许多问题亟待解决。

　　缺乏大数据变现交易方案的顶层设计

　　目前电网企业大数据变现交易工作整体上沿袭了我国电力市场特别是早期的直接交易和碳交易等市场建设的思路，先设计出交易产品，选择个别应用场景，极少数量的买卖双方在非常特殊的条件下象征性地完成交易，从而表明这项工作已经开展，甚至这个市场已经建立。这种市场交易方案成本高，市场主体交易意愿不能独立和充分表达，市场交易数量与可交易规模差距大，资源配置效果不确定，用市场交易游戏定义并不过分。

　　目前电网企业大数据变现交易方案在顶层设计上要考虑以下几个问题：第一电力大数据的获得成本及其补偿机制。任何数据都有成本，如果没有成本，数据也就不需要产权界定，也就没有价值。从这个意义上看，泛在电力物联网建设实际上就是支付成本获得数据的过程。按照“谁受益，谁付费”的原则，电力大数据的受益者无非是电网企业自身和包括发电企业、政府和用户的其它利益主体。

　　由于不同主体适用的成本补偿机制不同，电网企业首先要在自己和其它利益主体之间分配数据成本。原则上，自己承担的成本通过输配电价回收，本文所提的“变现”主要针对这种情形;其它主体承担成本则通过市场交易回收。如果不把这两者界定清楚，电网企业就向其它主体销售数据商品，必然会产生矛盾。

　　第二，电网企业向其它主体提供的数据商品的种类和性质问题。泛在电力物联网建设后，电网企业向其它主体提供的数据商品越来越多，但也不是所有的数据商品都要通过交易完成。电网企业是公用事业，有些数据服务如为用户提供用电账单属于公用事业服务的范围，这类数据服务只能包括在输配和供电服务管制性业务中，不能商品化和市场化;只有不包括在公用事业服务范围内的数据增值服务，如基于电费最小的用户用电方案建议报告等，才能市场化和商品化，通过大数据交易实现。因此，电网企业必须对可以提供的数据服务或商品进行界定，并且得到政府的认可。

　　第三，电网企业开展大数据经营的基本战略。电力大数据交易本身是一个技术性问题，本身并不难，电网企业大数据交易其实难在电力大数据经营的战略选择。除了以上两个具体问题外，还包括泛在电力物联网与电力大数据经营的关系，泛在电力物联网投资成本与所产生的大数据价值匹配程度，电网企业从事大数据经营的SWOT分析及具体方式等。这些都需要有认真的分析和策略安排，然后才有可能把数据交易做好。目前来看，这些基础性的工作做得很不够。

　　没有形成可交易的数据资产目录

　　目前国网大数据中心已梳理出四个层级的企业级数据资源目录，一二层为业务层，含10个业务域和85个业务功能，三四层是数据层，含4668个数据实体和13.7万个数据项。这些层级和数据目录是最基础的数据分类和原始数据，还没有形成可交易的数据资产清单。

　　首先，没有按交易要求对数据进行预处理，包括清洗和脱敏处理。数据清洗和脱敏原理上相对简单，但是，要根据可交易条件针对每类数据设计相应的清洗和脱敏规则，按照这个规则完成全部工作，不仅有相当的技术要求，而且工作量非常巨大，需要投入大量的人财物资源。

　　其次，没有确定数据的初始价值和产权并做标签化处理。资产化要求对每类每项数据象管理固定资产一样，确定初始价值和产权，贴上资产标签并在系统中记录。一般意义上，数据价值与数据质量、应用场景和买方等都有直接关系，很难得出一个客观值，电力大数据更是这样。另外，电力大数据价值可能在较大的范围内变化，部分纯粹生产性和时间性的数据很容易判断，没有太大的变现价值，在这个过程中可以剔除掉，以免造成资源浪费。数据产权可以简单地界定给电网企业，但是，从更深层面上看也有挑战，电力用户也可能对自己的电表数据提出产权诉求，这涉及政策法规和私有产权保护，比数据价值更有挑战。

　　第三，没有按交易要求对资产目录及其数据进行结构化处理。电力大数据来源包括电力行业内部各环节数据集，智能电表读数、设备图像数据、设备运行检测历史数据、客户用电信息、电力相关动态事件记录(结构化数据、音频、视频)、用户情感信息(行为特征、偏好、评论)、用户服务数据(文本、语音)、地理空间信息、电网拓扑数据和气象、气候、地图、工商、经济、能源等专业领域的外部数据，现有的数据目录是从生产经营的角度编排的，如业务层面上按电网运行与设备检测数据、电力企业营销数据、电力企业管理数据等进行分类。从数据交易和数据需求的角度，就要按用户需求的整体性和数据价值相关性等标准进行编排，用户需求的整体性指特定用户可能购买的若干数据的组合。价值相关性与整体性有关，指某几项数据在价值上能够形成互补，或者具有某种内在的逻辑关系。按照数据整体性、互补性和逻辑性对数据资产目录进行编排，能够有利于用户识别和购买。

　　缺乏交易功能、交易场景和交易产品的系统设计

　　与数据交易的第一个特征相对应，电力大数据变现交易也存在交易规模潜力大和买方市场特点。交易功能首先要解决电力大数据的价值以及在社会资源配置中的作用问题。与传统的三要素价值都非常直接和容易评价相比，数据的价值却很难确定，相同的数据由不同的使用者运用可能得到完全不同的结果。电力大数据变现交易首先应该把功能说清楚，把数据价值真正挖掘出来。

　　其次，由于电力数据量大和变化快等特征，简单地分析其价值根本不可能，只能结合应用场景进行价值分析和挖掘。首先应该分内部应用和外部应用场景。目前来看，由于电力生产经营具有技术资本密集性，内部应用的价值更直接和更大。如果集中分析外部应用，谁是电力大数据价值的受益者?这是场景分析的逻辑起点。显然，电力设备制造商、政府、售电公司、电力用户、商业和地产投资商、银行、居民等是电力数据的主要受益者。以上的受益主体是按身份确定的，比如银行也是电力用户，但是，在电力用户的身份中，主要利用数据提高用电效率;在银行身份中，主要利用数据对贷款对象进行信用评估。在明确受益主体后，还需要根据受益主体的需要做进一步的数据价值挖掘。目前，电网企业大数据价值变现的应用场景分析还刚开始起步。

　　最后是应用产品设计。在应用场景分析的基础上，才能设计满足买方需要的数据产品。电力大数据变现交易产品一定要站在买方需要的角度设计。2019年12月“数智国网”发布的5个数据产品中有2个是服务外部应用的，即服务社会环保的“‘低碳入住计划’——基于移动服务平台的酒店行业能效管理新业务”，服务政府决策的“智慧电眼—行业动能发展指数”，这两个产品就特别强调买方价值。但是，在5月份发布的9项产品中，外部应用中的数经e-电力经济指数、数融e-供应链金融、用电营商环境分析、企业多维信用画像、清洁能源补贴融资分析、电力信贷等5个产品考虑用户需求和价值就不够充分和直接。