ЮРИСПРУДЕНЦИЯ: МАГИСТЕРСКИЕ, ДИПЛОМНЫЕ, КУРСОВЫЕ
Консультационные услуги студентам
Консультационные услуги студентам
Наша компания оказывает помощь по написанию статей по предмету Информационное право. Используем только актуальное законодательство, проекты федеральных законов, новейшую научную литературу и судебную практику. Предлагаем вам воспользоваться нашими услугами. На все выполняемые работы даются гарантии
Вернуться к списку статей по юриспруденции
КАТЕГОРИЯ "ЦЕННОСТЬ ДАННЫХ" КАК КЛЮЧЕВОЙ ФАКТОР ЭКОНОМИКИ ДАННЫХ: КОНЦЕПТУАЛЬНЫЕ ОСНОВЫ
Э.И. ЛЕСКИНА
Введение. В 2017 г. появилась получившая широкое распространение метафора о данных как новой нефти нашего времени. Данные наряду с иными нематериальными активами стали восприниматься в качестве ключевых факторов экономического роста. С развитием искусственного интеллекта вообще и генеративного искусственного интеллекта в частности возросла и роль данных в качестве необходимого ресурса для таких технологий.
Данные были провозглашены новым видом активов еще в 2011 г. на Всемирном экономическом форуме. С тех пор их роль в экономике переосмысливалась в сторону признания ее все более весомой, даже ключевой, выявления все большего ее потенциала. О новом этапе экономики - экономике данных - говорят в разных государствах и их объединениях, определяя стратегические шаги в развитии такой экономики и обеспечивая правовое регулирование соответствующих общественных отношений <1>. Однако ценность данных (как экономическая, так и социальная) не проработана на уровне теоретических исследований, методик, не выражена в правовом регулировании. Все это приводит к различным негативным последствиям. Например, отсутствие подходов к определению критериев качества данных, которые напрямую связаны с ценностью данных, затрудняет оборот таковых, повышает издержки и негативным образом влияет на рынок данных, развитие технологий, извлечение ценности из данных. Сложности оценки данных как актива препятствуют развитию частноправовых отношений вследствие информационной асимметрии. Сетевые эффекты, для выявления которых также необходимо учитывать ценность данных, негативным образом влияют на конкурентную среду. Права на данные распределены неравномерно, не учитываются как вклад отдельных лиц в создание ценности данных, так и возможности монетизации персональных данных для субъектов персональных данных. Необходимость определения ценности данных стимулирует активность международных организаций, определяющих стандарты оценки цифровых данных как актива. Например, Система национальных счетов в 2025 г. выпустила обновленные стандарты, позволяющие учитывать данные на балансе предприятий, оценивать данные для определения ВВП и других показателей <2>. Возникают дискуссии о введении налога на данные, который будет направлен на сокращение сбора данных и перераспределение их экономической ценности, чтобы блага экономики данных не были сконцентрированы у IT-гигантов <3>. Игнорирование рассматриваемых аспектов по определению ценности данных приведет к тому, что рынок данных будет в серой зоне <4>, а это не согласуется с новыми целями и задачами России в связи с национальным проектом "Экономика данных и цифровая трансформация государства". Таким образом, многие обозначенные виды отношений в сфере данных обусловлены необходимостью выявления экономической ценности, оценки, возможностей и правил коммерциализации данных.
--------------------------------
<1> См.: Национальный проект "Экономика данных и цифровая трансформация государства". URL: https://digital.gov.ru/target/naczionalnyj-proekt-ekonomika-dannyh-i-czifrovaya-transformacziya-gosudarstva (дата обращения: 12.07.2025); European data strategy. URL: https://commission.europa.eu/strategy-and-policy/priorities-2019-2024/europe-fit-digital-age/european-data-strategy_en (дата обращения: 10.07.2025); Цифровое государство в Китае: опыт правового регулирования: монография / под ред. М.Б. Добробабы. Саратов, 2024. С. 35.
<2> System of National Accounts 2025. URL: https://unstats.un.org/unsd/nationalaccount/snaupdate/2025/2025_SNA_Combined.pdf (дата обращения: 10.07.2025).
<3> См.: Parsons A. Defining the goal of a data tax // European Law Open, 2024, no. 3 (4), pp. 902 - 909. DOI: 10.1017/elo.2024.38.
<4> См.: Тевс М.А. Продажа персональных данных де-факто: обзор оферт сервисов добровольной монетизации данных // Закон. 2023. N 9. С. 102 - 110.
В настоящей статье мы рассматриваем правовые аспекты, связанные с категорией ценности данных. В случаях, когда речь идет о категории ценности применительно ко всем видам данных, мы используем термин "ценность данных", который следует понимать с учетом специфики отдельных видов данных; для анализа указанной специфики, например при рассмотрении особенностей понимания ценности данных применительно к персональным данным, используем термин "ценность персональных данных". В первом разделе статьи обратим внимание на комплексность отношений, включенных в сферу оборота данных, и влияние такого фактора на экономическую ценность данных. Во втором разделе рассмотрим ценность данных в связи с феноменом больших данных, подробно остановимся на раскрытии такого признака больших данных, как ценность в ее социальном, аксиологическом смысле. В третьем разделе обратимся к проблемам определения экономической ценности персональных данных. Решение вопроса определения экономической ценности и распределения благ в связи с оборотом и обработкой данных предполагает выстраивание баланса между правами различных субъектов в связи с коммерциализацией данных. Рассмотрению этого вопроса посвящен четвертый раздел настоящей статьи. Приведение и анализ эффективности различных формул по оценке данных не являются предметом настоящего исследования. Цель статьи - обозначить концептуальные основы категории ценности данных, комплексно исследовать тенденции законодательства и практик по определению экономической ценности данных как актива, предлагаемые подходы и концепции по распределению прав на данные, монетизации персональных данных, что весьма актуально для совершенствования российского законодательства.
Экономическая ценность и вызовы, связанные с оборотом данных. Бережный и ответственный оборот данных в цифровом виде, больших данных требует разработки комплексных подходов к сфере их ценности. Как отмечает С.А. Синицын, тезисы о включении персональных данных в оборот должны предваряться анализом их характеристик, в том числе в экономическом смысле <5>. Данные и большие данные являются нетрадиционным объектом оборота, обладают рядом специфичных свойств, что является вызовом для различных отраслей права: гражданского, конкурентного, информационного, финансового. Развитие цифровых технологий, инноваций открывает новые возможности по обеспечению оборота данных. Так, наряду с биржами данных появились основанные на распределенном реестре децентрализованные рынки данных. Например, это токенизированные рынки данных (права доступа к данным представлены в виде цифровых токенов), лицензионные договоры со смарт-контрактами (с их помощью происходит управление доступом к данным, отслеживается использование такого доступа и распределяется вознаграждение), объединенные сети данных (обеспечивают совместное обучение моделей в распределенных хранилищах данных без доступа к самой информации), рынки распределенных вычислений и др.
--------------------------------
<5> См.: Синицын С.А. Личные неимущественные права и безопасность человека в виртуальном пространстве // Журнал зарубежного законодательства и сравнительного правоведения. 2023. Т. 19. N 1. С. 13 - 24.
Отдельные данные приобретают большую ценность при сочетании их с дополнительной информацией. Поэтому субъекты, обладающие большим объемом разнообразных данных, например владельцы цифровых платформ (как транзакционных, так и нетранзакционных), будут извлекать большую ценность из каждого нового, даже небольшого набора данных, чем те компании, которые не обладают большим доступом к данным. Такие сетевые эффекты влияют на рынок данных и нуждаются в правовом регулировании.
Уникальность данных как объекта оборота состоит и в том, что такой ресурс могут использовать различные субъекты одновременно, а ценность данных не будет уменьшаться. Но, несмотря на такую возможность, обладатели данных могут ограничивать доступ для создания у себя конкурентных преимуществ. В результате издержки на данные не влияют на их стоимость, но фактически создается исключительность в использовании данных, несмотря на неконкурентную природу последних.
Ценность данных обусловлена внешними эффектами, которые могут быть положительными и отрицательными, частными и общественными. Отрицательные внешние эффекты данных связаны с проблемой конфиденциальности. Конечными субъектами, которые испытывают такие отрицательные внешние эффекты, являются субъекты персональных данных. Они получают минимальные выгоды от предоставления своих данных, но именно их конфиденциальность подвергается угрозам. Положительные эффекты возникают в связи с тем, что общество может получить большую пользу, чем даже частное лицо, обрабатывающее большие данные. Например, развитие искусственного интеллекта в медицине будет обладать большой общественной ценностью.
Национальный проект "Экономика данных и цифровая трансформация государства" свидетельствует о переходе России к новому этапу развития экономических отношений, где данные признаются новым ресурсом и экономическим активом, основой для экономического сдвига. Одной из задач по обеспечению оборота цифровых данных и больших данных является решение вопроса об их стоимости, о вкладе в такую стоимость, что позволит говорить не только о самостоятельности цифровых данных как объекта оборота, но также о распределении прав на данные, правовом регулировании различных аспектов, влияющих на их ценность.
Большие данные (Big Data) и ценность данных. Ценность данных связана не только с их качеством, но и с количеством. Распространение доступа к сети Интернет, получение данных из Интернета вещей, датчиков промышленных объектов, цифровых платформ привели к постоянному нарастанию объема данных. В настоящее время ежегодно генерируется более 100 зеттабайт данных в год, а к 2030 г. этот показатель превысит 200 зеттабайт <6>. Однако происходит не просто рост данных - они обрабатываются и впоследствии используются для принятия решений, обучения искусственного интеллекта; более 20 лет назад появился феномен Big Data - больших данных.
--------------------------------
<6> См.: Uchechukwu Ajuzieogu. The Economic Value of Data in AI Training: Market Mechanisms and Efficiency. May 2025. DOI: 10.13140/RG.2.2.11777.98402.
Большие данные с экономической точки зрения представляют собой объемные, высокоскоростные и разнообразные информационные активы, требующие инновационных форм обработки информации для более глубокого понимания и принятия решений <7>. Среди основных признаков больших данных выделяют объем, скорость, разнообразие <8> (3V), впоследствии состав таких признаков расширялся. К признакам больших данных относились изменчивость, достоверность, визуализация и др. Также выделялся такой признак, как ценность <9>.
--------------------------------
<7> См.: Laney D. The Importance of "Big Data": A Definition. URL: http://www.gartner.com/it-glossary/big-data/ (дата обращения: 09.11.2022); Big Data. Gartner Glossary. URL: https://www.gartner.com/en/information-technology/glossary/big-data (дата обращения: 09.11.2022); De Mauro A., Greco M., Grimaldi M. A formal definition of Big Data based on its essential features // Library Review, 2016, vol. 65, iss. 3.
<8> См.: Laney D. 3D Data Management: Controlling Data Volume, Velocity, and Variety. Gartner, file No. 949. 06.02.2001. URL: http://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data-Volume-Velocity-and-Variety.pdf (дата обращения: 09.11.2022).
<9> См., например: Huang J. Big Data need physical ideas and methods. 2014. URL: https://arxiv.org/pdf/1412.6848 (дата обращения: 21.10.2022).
Само по себе признание больших данных активом указывает на их ценность, что, однако, может быть рассмотрено в нескольких аспектах. Во-первых, ценность больших данных можно понимать как значимость новых результатов, полученных при их обработке. Несмотря на терминологию, ценность больших данных означает не объем данных, а аналитические свойства их обработки, т.е. ценность принятых по результатам их обработки решений. Ценность заключается в способности с помощью больших данных объяснить известные факты и события либо прогнозировать новые явления. С этой позиции ценность является скорее значением больших данных в современном мире. Без ценности большие данные не являются таковыми, только объем и массивность не гарантируют отнесение данных к большим данным. Во-вторых, ценность больших данных можно понимать как оценочное для различных субъектов понятие. Относительно оно, например, постольку, поскольку не каждый пользователь положительно реагирует на таргетированную рекламу, на сам факт собирания сведений на основе его запросов, поиска информации, переписки и др. В-третьих, ценность больших данных понимается как монетизируемость данных. На этом основании была выдвинута концепция "данные как услуга" (DaaS) <10>, согласно которой большие данные, а точнее, их аналитика, воспринимаются как товар, анализ которого позволяет получить новые знания и принять эффективные решения; такой товар может быть предметом торговли. Ценность такого товара может определяться на основе полезности данных для принятия соответствующих решений <11>.
--------------------------------
<10> См.: Oliveira A.C., Fetzer C., Martin A. et. al. Optimizing Query Prices for Data-as-a-Service // Proceedings of IEEE International Congress on Big Data (BigData Congress), June-July 2015, pp. 289 - 296.
<11> См.: Niyato D., Alsheikh A.M., Wang P. et al. Market Model and Optimal Pricing Scheme of Big Data and Internet of Things (IoT). 2016. URL: https://arxiv.org/pdf/1602.03202 (дата обращения: 10.11.2022).
Не только объем, но и разнообразие данных влияет на стоимость. Например, в отношении производительности модели искусственного интеллекта используется формула, доказывающая взаимосвязь между количеством данных и производительностью модели. При этом большей ценностью обладают начальные единицы данных, доходность после определенного числового порога убывает. Однако при дополнении входных данных другими разнообразными данными происходит прирост производительности модели искусственного интеллекта <12>. Таким образом, ценность данных не измеряется только их объемом, разнообразие и качество также влияют на ценность.
--------------------------------
<12> См.: Uchechukwu Ajuzieogu. Op. cit.
В России вопрос о требованиях к качеству данных в настоящее время является открытым. В литературе качество данных характеризуется с точки зрения их точности, достоверности, полноты, согласованности, своевременности, доступности, уникальности <13>, большого объема <14>. Из Федерального закона от 27 июля 2006 г. N 149-ФЗ "Об информации, информационных технологиях и о защите информации" (ч. 9 ст. 14) можно вывести такие требования к информации (а значит, и к данным), содержащейся в государственных информационных системах, как достоверность и актуальность.
--------------------------------
<13> См.: Чайка М. Практический подход к валидации рейтинговых моделей при реализации ПВР-подхода: методика 5 x 5 // Риск-менеджмент в кредитной организации. 2024. N 1. С. 19 - 34.
<14> См.: Государство, общество и личность: пути преодоления вызовов и угроз в информационной сфере: монография / отв. ред. Л.К. Терещенко. М., 2024.
В отношении качества данных, содержащихся в государственных информационных ресурсах, проект приказа Минкомсвязи России "Об утверждении порядка и критериев определения качества сведений, содержащихся в государственных информационных ресурсах, их связанности, включая требования к документированию и разрешению инцидентов при передаче сведений" содержит такие критерии, как актуальность (свойство данных соответствовать действительности на текущий момент времени), достоверность (свойство данных отражать реальное состояние объектов учета на определенный момент времени), уникальность (отсутствие повторяющихся записей), согласованность и др.
В проект включено также определение качества данных как совокупности свойств данных, обусловливающих их пригодность удовлетворять определенные потребности в соответствии с их назначением. Однако, несмотря на довольно давний срок разработки проекта (2019 г.), он до сих пор не подписан, что препятствует полноценной реализации норм, связанных с обеспечением качества данных, содержащихся в государственных информационных ресурсах. На наш взгляд, нельзя сказать, что проект устарел; наоборот, актуальность принятия такого документа лишь повысилась с течением времени. Помимо выделения критериев качества данных в приказе утверждаются этапы и параметры оценки качества данных, в том числе в отношении массивов данных. Параметры не просто перечисляются, но раскрываются; относительно каждого параметра указывается список показателей. Полагаем, что указанный проект должен быть как минимум положен в основу будущего нормативного правового акта, регулирующего вопросы качества данных. Однако, принимая во внимание, что рассматриваемый проект направлен на формирование нормативно-технической базы для интеграции информационных систем, и учитывая, что его реализация создает нормативные предпосылки для развертывания и функционирования так называемого цифрового профиля гражданина, нельзя не заметить фундаментальную правовую коллизию, связанную с несоответствием заявленных целей проекта и объективного состояния системы обеспечения безопасности персональных данных.
Принятие проекта в настоящее время представляется преждевременным и не отвечающим принципу верховенства права, поскольку создаваемая им правовая конструкция не обеспечена надлежащими гарантиями безопасности, что влечет системные риски нарушения прав и свобод человека и гражданина, а также создает угрозу суверенитету публичной власти.
Многочисленные и регулярно фиксируемые уполномоченными органами и независимыми экспертами инциденты, связанные с несанкционированным распространением (утечкой) конфиденциальной информации из информационных систем государственных органов и организаций критической информационной инфраструктуры, свидетельствуют о перманентном кризисе в сфере обеспечения информационной безопасности. Легализация механизмов, предполагающих концентрацию и кросс-системное взаимодействие массивов персональных данных (в рамках "цифрового профиля"), в условиях такой системной уязвимости, по сути, легализует и потенцирует последствия указанных инцидентов.
Проект, устанавливая процедурные и технические требования, не устраняет корневую причину рисков - недостаточный фактический уровень защищенности информационных систем. Таким образом, он не может рассматриваться как адекватная и достаточная мера по защите прав субъектов персональных данных, гарантированных ст. 24 Конституции РФ и Федеральным законом от 27 июля 2006 г. N 152-ФЗ "О персональных данных", но тем не менее может служить основой для разработки нормативного правового акта в области обеспечения закрепления критериев качества данных.
Создание централизованной информационной системы, доступ к которой может быть получен злоумышленниками в силу ее системной уязвимости, создает реальную угрозу использования данной системы в противоправных целях. Это, в свою очередь, может привести к ситуации, когда механизмы государственного управления, опосредованно зависящие от достоверности и конфиденциальности данных в таких системах, де-факто окажутся под влиянием неправомерной деятельности. Таким образом подрывается доверие к институтам власти и ставится под сомнение их способность обеспечивать защиту законных интересов граждан и общества в целом.
До тех пор пока не будут разработаны, законодательно закреплены и эмпирически верифицированы (в том числе путем проведения независимого аудита) эффективные механизмы противодействия утечкам данных и обеспечения неизменности и конфиденциальности информации в государственных информационных ресурсах, принятие любого нормативного правового акта, расширяющего возможности по их интеграции и созданию производных от них систем (как "цифровой профиль"), является правомерно оспоримым.
Вопросы, связанные с качеством данных, регулируются и на уровне стандартов <15>. Стандарты выделяют такие критерии качества данных, как аккуратность, наполненность, согласованность, достоверность, актуальность, доступность, эффективность, понятность, переносимость и др., причем указанные термины понимаются в ином значении, нежели в рассмотренных ранее актах применительно к данным в государственных информационных ресурсах. Например, стандарты метаданных обеспечивают более эффективную оценку данных, их аннотацию. Важным является закрепление форматов обмена данными. Если форматы обмена будут стандартизированы для различных субъектов оборота данных, а также по каждому типу данных, это будет снижать транзакционные издержки на оборот, интеграцию, предобработку данных и т.п. Предпочтение в последнее время отдается не общим, а доменно-специфическим стандартам. Также стандарты могут регулировать API, процедуры отслеживания происхождения данных, изменения прав на данные. Все это позволит снизить неопределенность при заключении договоров, обеспечить прозрачность оборота.
--------------------------------
<15> См., например: ГОСТ Р 71484.2-2024 (ИСО/МЭК 5259-2:2024). Национальный стандарт Российской Федерации. Искусственный интеллект. Качество данных для аналитики и машинного обучения. Часть 2. Показатели качества данных (утв. и введен в действие Приказом Росстандарта от 28 октября 2024 г. N 1551-ст); ГОСТ Р 71484.1-2024 (ИСО/МЭК 5259-1:2024). Национальный стандарт Российской Федерации. Искусственный интеллект. Качество данных для аналитики и машинного обучения. Часть 1. Обзор, терминология и примеры (утв. и введен в действие Приказом Росстандарта от 28 октября 2024 г. N 1537-ст); ГОСТ Р 71484.3-2024 (ИСО/МЭК 52593:2024). Национальный стандарт Российской Федерации. Искусственный интеллект. Качество данных для аналитики и машинного обучения. Часть 3. Требования и рекомендации по управлению качеством данных (утв. и введен в действие Приказом Росстандарта от 28 октября 2024 г. N 1538-ст); ГОСТ Р 71484.4-2024 (ИСО/МЭК 52594:2024). Национальный стандарт Российской Федерации. Искусственный интеллект. Качество данных для аналитики и машинного обучения. Часть 4. Структура процесса управления качеством данных (утв. и введен в действие Приказом Росстандарта от 28 октября 2024 г. N 1552-ст).
В ряде случаев акты технического регулирования, стандартизации влияют на ценность данных, повышая их стоимость. Это происходит путем грамотного закрепления требований к качеству данных.
На наш взгляд, необходимо закрепить единые требования к качеству данных, в которых следует учитывать ценность данных. Например, ценность в контексте обучения искусственного интеллекта обусловлена следующими требованиями к качеству данных:
1) релевантность. Данные должны иметь отношение к цели их обработки, например обучению конкретной модели искусственного интеллекта. Данные, которые лишь косвенно относятся к этой цели, будут обладать меньшей ценностью;
2) репрезентативность. Такое требование к качеству данных обусловлено необходимостью корреляции со сценариями развертывания модели;
3) уникальность. Ранее отмечалось разнообразие как признак больших данных. Разнообразие предполагает включение в набор уникальных данных, которые до этого отсутствовали в обучающих данных. В результате производительность модели искусственного интеллекта увеличивается, а риски дискриминации снижаются;
4) темпоральность. Новые данные имеют большую ценность для отдельных областей по сравнению с теми, которые были получены давно. Например, данные финансового рынка для создания прогностических моделей быстро утрачивают свою ценность. Однако для других сфер исторические данные будут иметь большую ценность (например, климатические данные, данные о здоровье);
5) чистота. Предварительная обработка увеличивает затраты, поэтому данные, где такая предобработка не требуется или она несущественна, обладают большей ценностью <16>.
--------------------------------
<16> См.: Uchechukwu Ajuzieogu. Op. cit.
Таким образом, правовое регулирование может напрямую влиять на ценность данных, однако такой потенциал права в настоящее время не реализован. Чем подробнее описаны показатели качества, тем выше будет ценность данных.
Как видим, представленные требования к качеству основаны на ценностном критерии и напрямую влияют на ценообразование на рынке данных. Указанные критерии свидетельствуют о неоднородности данных, разном вкладе данных в результат обработки, их неодинаковой ценности. Тем не менее ценностный взгляд на критерии качества данных должен быть закреплен в нормативных правовых актах, что важно для развития рынка данных, оборота данных.
Ценность и оценка персональных данных. Дискуссии о персональных данных не только как нематериальном благе, связанном с правом на неприкосновенность частной жизни, но и как новом активе, необходимом для развития экономики, ведутся довольно давно и в различных правовых системах. Более того, определяется рыночная стоимость персональных данных, что в некотором роде препятствует рассмотрению персональных данных как нематериальных благ <17>. В целом является уже привычной и социально приемлемой ситуация, когда субъект персональных данных может дать согласие на обработку своих данных организации в ответ на предоставление, например, услуги, цифрового контента, других благ <18>. Наиболее распространенными встречными предоставлениями за возможность обработки персональных данных являются деньги, информация, участие в викторинах, доступ к сообществу со специальными предложениями, психологические тесты и анализ, розыгрыши, тестирование продуктов и др. <19>. Данные могут предоставляться безвозмездно (альтруизм данных). Наблюдается дихотомия между экономической ценностью, признанием цифровых персональных данных, цифровых следов в качестве побочного продукта от жизнедеятельности человека и их рассмотрением с точки зрения неотъемлемых прав физических лиц. В литературе отмечается, что прямых выгод делиться данными, например медицинскими, у субъектов персональных данных нет. Общественная польза для таких субъектов также неочевидна. Опасения за последствия нарушения конфиденциальности превалируют над желанием делиться даже обезличенной медицинской информацией <20>. Однако наблюдается и другая крайность: иногда субъекты персональных данных недооценивают свои данные, готовы их разглашать без выплаты вознаграждения <21>, так как уверены, что их данные можно получить различными способами, собрать из иных источников. В целях расширения возможностей монетизации персональных данных предлагается внедрить механизм объединения субъектов персональных данных для проведения равноправных переговоров с компаниями, собирающими их данные <22>.
--------------------------------
<17> См.: Савельев А.И. Гражданско-правовые аспекты регулирования оборота персональных данных // Вестник гражданского права. 2021. N 4. С. 104 - 129.
<18> См.: Мунтян А.В. Мы вступили в эпоху цифрового огораживания и национализации (персональных) данных // Закон. 2022. N 3.
<19> См.: Тевс М.А. Указ. соч.
<20> См.: Maher M., Khan I., Prikshat V. Monetisation of digital health data through a GDPR-compliant and blockchain enabled digital health data marketplace: A proposal to enhance patient's engagement with health data repositories // International Journal of Information Management Data Insights, 2023, no. 3 (1).
<21> См.: Acemoglu D., Makhdoumi A., Malekian A. et al. Too Much Data: Prices and Inefficiencies in Data Markets // American Economic Journal: Microeconomics, 2022, vol. 14, no. 4, pp. 218 - 256.
<22> См.: Sargent T., Denniston L. Valuing Data: Where are we, and where do we go next? Centre for International Governance Innovation, 2023. URL: http://www.jstor.org/stable/resrep53063 (дата обращения: 09.07.2025).
В процессе оборота персональных данных следует учитывать потребности субъектов персональных данных и необходимость обеспечения конфиденциальности таких данных. Однако сбор цифровых следов становится настолько всеобъемлющим, что возникают метафоры, описывающие отношения крупных компаний, обрабатывающих большие данные, и физических лиц как отношения "технофеодализма" с "облачными капиталистами" и "облачными рабами" <23>. Персональные данные называются экономической рентой, которую компании, обрабатывающие персональные данные, собирают для последующего принятия решений <24>. Между тем даже в государствах, где персональные данные не признаются товаром, предпринимаются правовые и организационные попытки для включения таких данных в экономический оборот. Эти меры также актуализируют вопросы, связанные с определением ценности и оценкой таких данных.
--------------------------------
<23> См.: Varoufakis Y. Technofeudalism: What Killed Capitalism. London, 2024. URL: https://www.yanisvaroufakis.eu/category/books/technofeudalism-what-killed-capitalism/ (дата обращения: 10.07.2025).
<24> См.: Viljoen S. Data as Property? 16.10.2020. URL: https://www.phenomenalworld.org/analysis/data-as-property/ (дата обращения: 10.07.2025).
В результате появились особые методологии для оценки персональных данных, а также способы по извлечению ценности из персональных данных субъектами персональных данных. Например, к таким способам относятся рынки персональных данных, включающие биржи, цифровые платформы, где субъекты персональных данных могут напрямую монетизировать свои данные. Цены на персональные данные на таком рынке не диктуются платформой, а определяются рыночными механизмами. Конфиденциальность обеспечивается технологической инфраструктурой самой платформы. Также существует модель дивидендов данных, при которых организации, получающие прибыль от обработки персональных данных, должны выплачивать субъектам персональных данных дивиденды. При этом организации обеспечивают все положения, касающиеся конфиденциальности. Наконец, предлагается монетизация персональных данных через рынок с использованием технологий блокчейн, смарт-контрактов. Помимо гарантий по обеспечению конфиденциальности при транзакциях на таких рынках данных происходит проверка качества данных, включая их совместимость.
Дифференциация методик определения рыночной стоимости данных может зависеть от того, чьи интересы (организации, обрабатывающей данные, или субъекта персональных данных) поставлены на первое место. Однако, несмотря на вариативность, такие методики ведут к сильно разнящимся результатам, некоторые показатели и итоговая стоимость персональных данных вообще находятся в режиме коммерческой тайны <25>.
--------------------------------
<25> См.: Савельев А.И. Указ. соч.
В различных юрисдикциях, в том числе тех, которые рассматривают персональные данные в качестве нематериального блага, происходит фактический обмен персональных данных на услуги. Например, цифровые платформы собирают данные в обмен на "бесплатные" услуги. Однако накопление данных несколькими крупными субъектами, конкурентные преимущества в связи с этим породили новые нормы антимонопольного законодательства, учитывающие сетевые эффекты. Происходит эволюция рынка данных, где вместо бартерных схем возникает возможность прямой монетизации.
Таким образом, персональные данные в настоящее время являются объектом экономической оценки, их стоимость редко формируется рыночными механизмами, что можно объяснить нахождением рынка данных в серой зоне во многих юрисдикциях. Развитие организационных форм оборота данных с обеспечением его конфиденциальности, обезличивания видится наиболее перспективным.
Ценность данных и распределение прав на данные. Рассмотрение ценности данных как актива, ее измерение вызывают вопросы о распределении прав на такие данные, об определении субъектов, которые будут извлекать ценность из данных. Разнообразие субъектов, участвующих в создании данных или повышении ценности данных, порождает вопросы о распределении прав на данные, включая распределение конкретных правомочий, возможностей контролировать доступ к данным. В настоящее время имеются несколько концепций, в которых предлагаются различные подходы к распределению прав на данные.
1. Трудовая теория. Такая теория происходит из теории Локка о праве собственности на вещи через труд <26>. То есть права на данные будут принадлежать тем, кто прикладывает усилия для создания данных, их сбора. Такой подход может быть актуальным для правового режима синтетических данных, которые с помощью технологий искусственного интеллекта и больших данных на основе исходных данных имитируют такие данные и отражают их свойства для последующего использования в качестве обучающих (входных, тренировочных) данных. Однако такую концепцию можно распространять на другие виды данных. Дж. Ланье справедливо утверждает, что результаты автоматизированного анализа данных, применения алгоритмов основаны на тех данных, которые ранее создали люди, именно люди являются источником ценности данных, их трудом данные создавались <27>. В качестве примера приводится машинный перевод, который основан на ранее переведенных людьми материалах. Ланье предлагает систему микроплатежей, которая позволила бы включить людей в цепочку создания ценности данных. Микроплатежи будут переводить компании, получившие доступ к данным (блогу, социальным сетям и др.). Цену будет определять производитель данных, которому на счет автоматически будут поступать платежи за доступ/просмотр данных. Каждый такой доступ/просмотр будет регистрироваться. Однако фактические платежи, если брать, например, доходы от рекламы, формируемой на основе персональных данных, будут незначительными <28>. Концепцию, предложенную Ланье, называют также концепцией данных как частного блага <29>, однако такой подход вполне соответствует трудовой теории данных.
--------------------------------
<26> См.: Posner E.A., Glen Weyl E. Radical Markets: Uprooting Capitalism and Democracy for a Just Society. Princeton, 2019.
<27> См.: Lanier J. Wenn erwachsen werden. Hamburg, 2015.
<28> См.: Schneider I. Digital Sovereignty and Governance in the Data Economy: Data Trusteeship Instead of Property Rights on Data // Godt C., Lamping M. (eds). A Critical Mind. Hanns Ullrich's Footprint in Internal Market Law, Antitrust and Intellectual Property. Berlin, 2023. DOI: 10.1007/978-3-662-65974-8_15.
<29> См.: Schneider I. Op. cit.
2. Субъектно-ориентированная теория. Здесь права на данные принадлежат субъектам, о которых данные собираются <30>. При таком подходе права на персональные данные всегда будут у субъектов персональных данных, именно они будут предоставлять доступ к своим данным или ограничивать его, формулировать условия по обработке. Вместе с тем в плане установления платы за доступ к персональным данным следует иметь в виду асимметрию отношений, которая не позволит пользователю стать равноправной стороной в переговорах, отнимет много времени, учитывая все цифровые следы взаимодействия, которые пользователь совершает в день при посещении различных интернет-ресурсов. Кроме того, здесь не учитывается основная ценность не данных как отдельных единиц, а больших данных, создание которых требует определенных усилий в плане обработки, аналитики. Не учитывается и этическая сторона обработки персональных данных. Интересно, что форма согласия на обработку персональных данных, разрешенных субъектом персональных данных для распространения, предусматривает возможность установления условий для такой обработки, включая, например, плату субъекту персональных данных <31>. Иногда первые две модели объединяются в одну, а последователей таких моделей распределения прав на данные называют собственниками <32>.
--------------------------------
<30> См.: Lanier J. Who Owns the Future? New York, 2014.
<31> См. ст. 10.1 Федерального закона от 27 июля 2006 г. N 152-ФЗ "О персональных данных".
<32> См.: Birch K. Building a Data Wealth Fund // The Role of Governance in Unleashing the Value of Data. Centre for International Governance Innovation, 2024, pp. 43 - 49. URL: http://www.jstor.org/stable/resrep64581.9 (дата обращения: 07.07.2025).
3. Теория общественного интереса. Данные могут использоваться для охраны окружающей среды, борьбы с изменением климата, улучшения здравоохранения, повышения экономического благополучия в обществе. То есть они должны использоваться для общественного блага. Данные являются частью или закономерным следствием среды их формирования, создания. Таким образом, данные признаются общественным благом, ресурсом, обладающим большой социальной ценностью; соответственно, субъекты не вправе ограничивать доступ к таким данным, но их издержки должны компенсироваться, а деятельность по обработке данных - инвестироваться. Основным рычагом распределения прав на данные будет публичная власть. При такой системе активно будет развиваться надзор в сфере данных, а рыночные основы определения ценности данных или распределения прав на данные - практически отсутствовать. Возможно, это будет актуально в отношении медицинских данных. Уже сегодня выдвигаются различные предложения по как можно большему включению данных о здоровье в наборы тренировочных данных. Например, в России предлагалось использовать обезличенные данные о здоровье для обучения искусственного интеллекта без получения согласия субъекта персональных данных, если он обратился за медицинской помощью в рамках обязательного медицинского страхования и данные получены при предоставлении таких услуг <33>. Сторонники такой теории говорят о необходимости освобождения данных из "тисков... кибернетического капитализма" <34>. Согласно такому подходу все данные, цифровые профили должны быть переданы государству, которое будет обладать суверенитетом над данными и управлять ими для общественного блага. Социальные интересы при этом будут стоять выше коммерческих.
--------------------------------
<33> См.: В РФ могут внедрить автоматическое согласие пациента на передачу медданных ИИ. 12.09.2024. URL: https://tass.ru/obschestvo/21842975 (дата обращения: 07.07.2025).
<34> Morozov E. Digitale . Die Menschen die Daten der Internet-Giganten . 19.01.2018. URL: https://www.sueddeutsche.de/wirtschaft/digitale-abhaengigkeit-die-menschen-muessen-die-daten-der-internet-giganten-zurueckerobern-1.3828542.
4. Договорная теория. Согласно этой концепции субъекты распределяют права на данные на добровольной основе, действует принцип свободы договора. То есть ключевыми являются частные рычаги распределения прав на данные. В настоящее время как оценка данных, так и требования к их качеству, а также права на данные в России при обмене данными B2B регулируются договорными отношениями (лицензионными договорами, договором возмездного оказания услуг, договором о предоставлении удаленного доступа к базе данных и др. <35>). Однако при договорных отношениях не учитываются рассмотренные внешние эффекты, асимметрия информации, влияющая на проверку качества данных, разная сила переговорной позиции сторон и другие аспекты.
--------------------------------
<35> См.: Василевская Л.Ю. Big data в механизме формирования основных направлений национального проекта "Экономика данных": взгляд цивилиста на проблему // Lex Russica. 2024. N 1.
5. Солидаризм. Данные признаются коллективно созданным активом. Индивидуализированные механизмы управления здесь не могут применяться, поскольку уменьшают ценность данных, провоцируют асимметрию между сильной (компании, цифровые платформы) и слабой (граждане, стартапы) сторонами отношений по обороту данных. Поэтому права производителей данных устанавливать плату за данные и условия доступа к данным не признаются эффективными.
Одним из вариантов данной концепции является модель самоорганизации. Сторонники самоорганизации в качестве основы берут исследование первой женщины - лауреата Нобелевской премии по экономике Э. Остром об общем достоянии. Согласно этой теории ни государственное управление, ни приватизация не обеспечивают социальных и общественных интересов. Должны быть разработаны согласованные правила по управлению общими ресурсами, адаптированные к местным условиям <36>. Законность, направленность на общее благо и согласие сообщества - три основных постулата для управления общественным достоянием. Правовое регулирование будет осуществляться по принципу рамочных законов. Соблюдая установленные государством рамки и предоставленную инфраструктуру, субъекты самостоятельно управляют данными для общего блага. Например, это реализуется посредством цифровых платформ, где субъекты персональных данных участвуют в различных исследованиях. Такие цифровые платформы действуют по принципу "кооператива данных" или "профсоюза данных". Так, швейцарская компания MIDATA создала цифровую платформу, где субъекты могут стать участниками кооператива данных, контролировать его деятельность, выборочно предоставлять свои персональные данные для участия в клинических испытаниях <37>.
--------------------------------
<36> См.: Ostrom E. Beyond Markets and States: Polycentric Governance of Complex Economic Systems // Transnational Corporations Review, 2010, no. 2.
<37> См.: URL: https://www.midata.coop/en/home/ (дата обращения: 16.07.2025).
В отличие от теории общественного интереса индивидуальные права, проблемы конфиденциальности здесь не игнорируются. В рамках этой концепции выделяются индивидуальные и коллективные права на данные, предлагаются механизмы распределения социальных выгод от обработки больших данных, а также различные варианты управления цифровыми данными в рамках такого подхода. Например, модель пула обмена данными предполагает заключение соглашений о совместном использовании данных, однако здесь субъекты данных исключены из партнерств. Трастовые модели предполагают создание организации, которая будет управлять фондом, предоставляя доступ к данным. Доверительное управление геномными биобанками должно быть тщательно регламентировано в целях обеспечения конфиденциальности данных, соответствия научным целям их использования и распределения потенциальной прибыли. Доверительное управление геномными биобанками в форме благотворительных трастов, по мнению Д. Уиникоффа, позволит больницам выступать в роли распределителей данных. При этом предлагается обеспечить участие представителей доноров в совете по управлению, комитете по этике и иным органам траста. Такие представители могут обладать правом накладывать вето на проекты с геномными данными, если это противоречит интересам доноров и общественным интересам <38>. Ограничением такой модели является возможный дисбаланс при доступе IT-гигантов. Однако нормативными правовыми актами можно ограничить связь доверительного управляющего с цепочкой создания ценности данных. Модели кооператива данных допускают к соглашениям об обмене данными субъектов персональных данных, которым обеспечивается возможность контроля над своими данными. Однако даже при такой модели сложно обеспечить конфиденциальность субъектов персональных данных <39>. Еще одним вариантом управления данными по рассматриваемой концепции является создание фонда благосостояния данных (a data wealth fund) <40>.
--------------------------------
<38> См.: Winickoff D.E., Neumann L.B. Towards a Social Contract for Genomics: Property and the Public in the "Biotrust" Model // Genomics, Society and Policy, 2005, no. 1 (3), pp. 8 - 21.
<39> См.: Mitchell J., Ker D., Lesher M. Measuring the economic value of data. 21.12.2021. DOI: 10.1787/f46b3691-en.
<40> См.: Cameron C. Data Stewardship: The Way Forward in the New Digital Data Landscape. 13.05.2024. URL: https://www.cigionline.org/articles/data-stewardship-the-way-forward-in-the-new-digital-data-landscape/.
Такой фонд создается на уровне государства, долю ценности от использования данных получают граждане, общественность вовлекается в мониторинг по использованию данных, поощряется обмен данными для поддержки инноваций, доступ к данным различается в зависимости от правовых режимов. То есть фонд будет подотчетен жителям страны через общественный мониторинг, управляться государством. Доступ к данным осуществляется за плату, которая будет дифференцирована в зависимости от социальных или частных выгод от обработки данных, правового режима данных. Любые субъекты, собирающие данные, передают их в этот фонд. За неисполнение такой обязанности будут накладываться существенные штрафы. Возможно внедрение автоматизированных технологий, обеспечивающих при автоматизированном сборе данных предоставление их в фонд.
Существует также концепция дигнатаризма (dignitarism), сторонники которой считают необходимым исключить персональные данные из систем монетизации, коммерциализации, распределения прав и выгод для обеспечения конфиденциальности <41>.
--------------------------------
<41> См.: Zuboff Sh. The Age of Surveillance Capitalism. New York, 2019; Birch K. Op. cit.
Конечно, ни одна из указанных теорий не может быть применима в отношении всех видов данных, наборов данных. Вместе с тем отдельные подходы будут применимы в отношении различных видов правовых режимов данных. При определении применения моделей распределения прав на данные к различным правовым режимам может применяться подход, основанный на общественной ценности данных. Так, если данные имеют высокую общественную ценность (например, медицинские данные), то недопустимо установление в отношении таких данных предоставления доступа определенным организациям и запрета доступа иным субъектам, например посредством правового режима коммерческой тайны. Если же речь идет именно о коммерческих наборах данных (например, маркетинговых, потребительских), то договорные условия, например путем лицензионных соглашений на базу данных, вполне эффективны. Что касается создания единого фонда данных, управляемого государством, то риски здесь связаны с обеспечением конфиденциальности. Российская Федерация постепенно уходит от концепции единого хранилища данных, организуя обмен данными через витрину данных. Тем не менее вопросы управления данными, предлагаемые в рамках солидаризма, осуществление общественного мониторинга, извлечение ценности из использования данных с распределением ее для физических лиц являются перспективными направлениями для дальнейшего исследования.
Заключение. Фактически данные по своей природе обладают ценностью, которая может рассматриваться и как социальная категория, некая аксиологическая сторона, и как экономическая категория, выражающаяся в определенной стоимости. Данные участвуют в обороте вне зависимости от правовых подходов в различных юрисдикциях <42>. Тенденции по рассмотрению данных как актива, не просто как признание их ценности, а включение их в гражданский оборот, отражение в активах предприятий - важный шаг для обеспечения экономики данных. Правовое обеспечение ценности данных, включая требования к качеству, способы проверки такого качества, будет обеспечивать прозрачность оборота данных, осуществление контроля над доступом к данным, трансформацией распределения прав на данные и системы управления данными. На этом основании считаем необходимым разработку и принятие в России нормативного правового акта, определяющего требования к качеству данных и наборов данных, который бы распространял свое действие на различные виды данных.
--------------------------------
<42> См.: Санникова Л.В., Харитонова Ю.С. Цифровые активы: правовой анализ: монография. М., 2020.
Рассмотренные вопросы повышения ценности данных, извлечения потенциала, заложенного в данных, в публичном и частноправовом поле не исчерпываются вопросами повышения качества и развития соответствующих норм. Перспективным для дальнейшего изучения данной темы видится развитие комплексных институтов, касающихся статусов посредников данных, бирж данных, процедур рассмотрения споров и гармонизации норм. Для России перспективным будет создание правовых межюрисдикционных рамок на уровне БРИКС, что положительным образом скажется на развитии регионального рынка данных, его объемов.
Общественная значимость, ценность данных продолжает расти. Дефицит качественных данных, необходимых для развития искусственного интеллекта, вызывает необходимость не только трансформации различных правовых режимов данных, но и пересмотра взглядов на ценность и оценку данных, что является ключевым аспектом для развития рынка экономики данных. Разработка теоретических взглядов на ценность данных, включая их экономическую ценность, на распределение прав на данные будет способствовать достижению баланса между коммерческой выгодой и общественной значимостью использования данных, а также правами субъектов персональных данных.
Список литературы
1. Acemoglu D., Makhdoumi A., Malekian A. et al. Too Much Data: Prices and Inefficiencies in Data Markets // American Economic Journal: Microeconomics, 2022, vol. 14, no. 4.
2. Birch K. Building a Data Wealth Fund // The Role of Governance in Unleashing the Value of Data. Centre for International Governance Innovation, 2024. URL: http://www.jstor.org/stable/resrep64581.9 (дата обращения: 07.07.2025).
3. De Mauro A., Greco M., Grimaldi M. A formal definition of Big Data based on its essential features // Library Review, 2016, vol. 65, iss. 3.
4. Huang J. Big Data need physical ideas and methods. 2014. URL: https://arxiv.org/pdf/1412.6848 (дата обращения: 21.10.2022).
5. Lanier J. Wenn erwachsen werden. Hamburg, 2015.
6. Lanier J. Who Owns the Future? New York, 2014.
7. Maher M., Khan I., Prikshat V. Monetisation of digital health data through a GDPR-compliant and blockchain enabled digital health data marketplace: A proposal to enhance patient's engagement with health data repositories // International Journal of Information Management Data Insights, 2023, no. 3 (1).
8. Mitchell J., Ker D., Lesher M. Measuring the economic value of data. 21.12.2021. DOI: 10.1787/f46b3691-en.
9. Niyato D., Alsheikh A.M., Wang P. et al. Market Model and Optimal Pricing Scheme of Big Data and Internet of Things (IoT). 2016. URL: https://arxiv.org/pdf/1602.03202 (дата обращения: 10.11.2022).
10. Oliveira A.C., Fetzer C., Martin A. et. al. Optimizing Query Prices for Data-as-a-Service // Proceedings of IEEE International Congress on Big Data (BigData Congress), June - July 2015.
11. Ostrom E. Beyond Markets and States: Polycentric Governance of Complex Economic Systems // Transnational Corporations Review, 2010, no. 2.
12. Parsons A. Defining the goal of a data tax // European Law Open, 2024, no. 3 (4). DOI: 10.1017/elo.2024.38.
13. Posner E.A., Glen Weyl E. Radical Markets: Uprooting Capitalism and Democracy for a Just Society. Princeton, 2019.
14. Sargent T., Denniston L. Valuing Data: Where are we, and where do we go next? Centre for International Governance Innovation, 2023. URL: http://www.jstor.org/stable/resrep53063 (дата обращения: 09.07.2025).
15. Schneider I. Digital Sovereignty and Governance in the Data Economy: Data Trusteeship Instead of Property Rights on Data // Godt C., Lamping M. (eds). A Critical Mind. Hanns Ullrich's Footprint in Internal Market Law, Antitrust and Intellectual Property. Berlin, 2023. DOI: 10.1007/978-3-662-65974-8_15.
16. Uchechukwu Ajuzieogu. The Economic Value of Data in AI Training: Market Mechanisms and Efficiency. May 2025. DOI: 10.13140/RG.2.2.11777.98402.
17. Varoufakis Y. Technofeudalism: What Killed Capitalism. London, 2024. URL: https://www.yanisvaroufakis.eu/category/books/technofeudalism-what-killed-capitalism/ (дата обращения: 10.07.2025).
18. Winickoff D.E., Neumann L.B. Towards a Social Contract for Genomics: Property and the Public in the "Biotrust" Model // Genomics, Society and Policy, 2005, no. 1 (3).
19. Zuboff Sh. The Age of Surveillance Capitalism. New York, 2019.
20. Василевская Л.Ю. Big data в механизме формирования основных направлений национального проекта "Экономика данных": взгляд цивилиста на проблему // Lex Russica. 2024. N 1.
21. Государство, общество и личность: пути преодоления вызовов и угроз в информационной сфере: монография / отв. ред. Л.К. Терещенко. М., 2024.
22. Мунтян А.В. Мы вступили в эпоху цифрового огораживания и национализации (персональных) данных // Закон. 2022. N 3.
23. Савельев А.И. Гражданско-правовые аспекты регулирования оборота персональных данных // Вестник гражданского права. 2021. N 4.
24. Санникова Л.В., Харитонова Ю.С. Цифровые активы: правовой анализ: монография. М., 2020.
25. Синицын С.А. Личные неимущественные права и безопасность человека в виртуальном пространстве // Журнал зарубежного законодательства и сравнительного правоведения. 2023. Т. 19. N 1.
26. Тевс М.А. Продажа персональных данных де-факто: обзор оферт сервисов добровольной монетизации данных // Закон. 2023. N 9.
27. Цифровое государство в Китае: опыт правового регулирования: монография / под ред. М.Б. Добробабы. Саратов, 2024.
28. Чайка М. Практический подход к валидации рейтинговых моделей при реализации ПВР-подхода: методика 5 x 5 // Риск-менеджмент в кредитной организации. 2024. N 1.
Наша компания оказывает помощь по написанию курсовых и дипломных работ, а также магистерских диссертаций по предмету Информационное право, предлагаем вам воспользоваться нашими услугами. На все работы дается гарантия.
Навигация по сайту:
Контакты:
"Горячие" документы: