基于價值和市場評價貢獻的數據要素定價機制

歐陽日輝 龔偉

摘? ?要：數據產品是數據資源商品化后的標準產品或服務，是數據價值化、資產化的載體，也是數據要素市場的主要交易標的。數據產品定價是數據要素交易的基礎。數據要素定價機制是一系列制度安排，數據要素價值和市場評價貢獻是其核心因素。數據要素定價機制沿著“價值形成—價格發現—競價成交”的路徑演進，包括數據要素價值的形成機制、發現機制和競價機制。數據要素的價值在交易場景和非交易場景下形成，基于場景的交易是數據要素價值變現的主要途徑。場景、供求關系、定價方法和定價估值體系，是數據產品價格的主要量化和發現渠道。數據要素市場競價機制發揮作用，主要依靠多層次交易市場、合理的競價模式和有效的交易監管體系。建立健全數據要素定價機制，應加快數據交易的技術、產品和管理的“標準基建”，構建科學的數據資產估值指標體系，培育和建設多層次數據交易市場，建立健全政府對數據要素價格的監督和調控機制。

關鍵詞：數據要素價值;市場評價貢獻;定價機制;價格發現機制;競價機制

中圖分類號：F49? ?文獻標識碼：A? ?文章編號：1003-7543（2022）03-0039-16

數據是數字經濟時代的關鍵生產要素。2020年4月，中共中央、國務院發布的《關于構建更加完善的要素市場化配置體制機制的意見》提出，完善主要由市場決定要素價格機制，健全生產要素由市場評價貢獻、按貢獻決定報酬的機制，豐富數據產品，充分體現數據要素的價值。2021年9月1日起施行的《中華人民共和國數據安全法》第十九條明確規定：“國家建立健全數據交易管理制度，規范數據交易行為，培育數據交易市場。”2021年11月，工業和信息化部發布的《“十四五”大數據產業發展規劃》提出，加快建立數據要素價值體系，健全數據要素市場規則，提升數據要素配置作用，加快培育數據要素市場。數據要素定價機制是數據交易管理制度的重要內容，是培育數據交易市場的重點之一。建立健全數據要素定價機制是建設數據交易市場的重要課題，對提升數據資源價值、提高資源配置效率、完善要素市場分配理論具有重要意義。

一、數據要素定價機制的理論分析框架

數據產品是一種產權可界定、可交易的商品，是數據要素市場的主要交易對象和標的。中央提出的“由市場評價貢獻、按貢獻決定報酬的機制”，有助于發現數據要素的價值，為建立健全數據要素定價機制指明了方向。

（一）從數據到數據要素、數據產品

《中華人民共和國數據安全法》將數據界定為“任何以電子或者其他方式對信息的記錄”。以二進制代碼形式存儲于計算機設備等介質中的信息，是數字經濟時代“數據”的主要存在形式，具有物理屬性、存在屬性和信息屬性。原始數據的價值密度低，且可能存在侵犯隱私權的風險，因而通常不能用于交易。“比特數據”成為生產要素，需滿足兩個條件：一是具備基礎性生產資料的市場特性，能夠商品化，有價格形成機制和交易規則，方便進行大規模交易;二是具備潛在價值，能在參與社會生產經營活動中創造價值，如提高生產效率、輔助決策。數據成為數字經濟的關鍵生產要素，在資源優化和價值創造中發揮著關鍵作用。

有學者指出，數據要素的新特征包括非稀缺性、非均質性、非排他性、虛擬性、規模報酬遞增、強正外部性、隱私負外部性等[1]。從交易和定價的視角考慮數據，與不作為生產要素的數據和傳統生產要素相比，最顯著的特征是虛擬性、準公共產品屬性和異質性。“虛擬性”是“比特數據”與傳統“數據”的核心區別[2]。網絡空間中的虛擬形態意味著數據極易被復制與共享，準公共產品屬性、規模效應和外部性顯著。“異質性”是數據要素與傳統生產要素的關鍵區別，突出體現為價值異質性。一方面，相同體量的數據價值異質，如有用信息和垃圾信息;另一方面，同一份數據對于不同的使用主體和業務應用場景的價值是不同的，比如，歷史瀏覽和消費記錄對用戶來說價值不大，但對電商平臺企業來說，則可以顯著提高供需匹配效率，優化企業資源配置效率，提升服務質量。

企業或者第三方機構通過數據采集、整合、加工、分析后形成的數據產品，蘊含著豐富的經濟效益和社會價值，是數據要素市場的主要交易對象。數據集、可視化的數據報告、應用程序接口服務、數據索引等數據產品，經過數字勞動完成數據商品化，蘊含豐富的應用價值和交換價值。這里認為，數據產品是數據資源化、商品化、價值化、資產化后的勞動產品。數據要素市場上交易的數據產品，可分為兩大類：初級數據產品和高級數據產品。典型的初級數據產品包括數據API（應用程序接口）、數據云服務、技術支撐、離線數據包等;高級數據產品包括可視化的數據分析報告等解決方案、針對特定業務場景的數據應用系統與軟件、與云融合的各類大數據技術產品等。

（二）數據要素價值與市場評價貢獻

數據要素本身不能單獨創造價值，而是一劑良性催化劑。一方面，數據要素與資本、土地、技術等傳統生產要素深度融合，借助算力、算法、模型等技術手段，將現實世界與數字空間連接，使虛體與實體實現有機結合[3]，實現單一要素價值倍增效應，推動傳統生產要素革命性聚變與裂變，優化資源配置，提高產品、商業模式的創新能力，以及個體及組織的創新活力，推進供求動態匹配，用更少的要素投入創造更高的價值[4]。另一方面，數據要素具有商品屬性，數據產品是數據業務模式的拓展，可以通過市場評價和市場交換進行有效配置，實現“潛在價值—價值創造—價值實現”的價值形態演進[5]。交易后的數據產品進入經濟運行中，推進經濟生產方式和模式變革，推動質量變革、效率變革和動力變革，使數據要素價值轉變為社會價值。

非勞動要素是否創造價值，曾經在我國理論界被廣泛討論。蔡繼明等認為，各種生產要素都參與了價值創造，非勞動要素同樣參與價值創造，“要素貢獻”是指生產要素在價值創造中所作的貢獻大小[6]。這里認為，商品化之后的數據要素，包含了數字勞動，通過市場化配置，與其他生產要素融合在經濟活動中產生了價值。數據要素“市場評價貢獻”的內涵是，數據要素在市場評價和市場交易中測算貢獻、形成價格，由市場評價的數據要素參與生產經營活動產生的價值增值，外在表現為數據產品的“社會需要程度”和市場稀缺度。

“市場評價貢獻”可以直接或間接量化數據產品價值。一方面，數據產品對產出的貢獻能夠剝離與計量[7]，主要方法包括兩種：一是數理經濟模型的規范分析，如邊際分析法。針對具體的業務應用場景，在保證其他要素投入不變的情況下，測算單獨改變數據要素投入量所帶來的價值增值。二是計量經濟模型的實證分析，如基于生產效率的測算方法。數據要素的貢獻為企業投入數據要素后生產效率提升引致的價值增值或收益增量。比如，Müller et al. 基于814家美國企業的相關數據，測算得到企業通過應用大數據，平均生產率提高了4.1%[8]，這就是該應用場景下的數據要素貢獻。但是，數據要素的度量指標選取是一個難題，市場客觀評價與人為主觀估算數據要素貢獻之間的矛盾、生產要素間的“多重共線性”，都增加了剝離和計算數據要素貢獻的難度[9]。另一方面，數據產品在特定應用場景和交易場景中呈現高度的排他性和稀缺性，能以出售數據使用權或所有權的方式獲得經濟收益[10]，從而通過市場評價來量化數據產品基于場景的市場價值。

綜上，數據產品是數據要素與勞動相結合的形態演進[5]，可以沉淀為企業內部的數據資產，通過市場評價來量化價值貢獻。在數據要素市場中，依托市場規則、市場交易和交易競價來評價貢獻，數據產品的價值轉化為價格。同時，數據產品的供求關系反映其“市場評價貢獻”，進而影響和調節數據產品價格。

（三）數據要素定價機制的理論框架

國內外數據要素市場均在實踐中探索定價機制，但對于數據要素定價機制并沒有給出明確的定義，大部分文獻將數據要素定價機制等同于定價模型。這里認為，數據要素定價機制不僅僅是定價方法、模型和策略，而是與場景、交易制度、數字技術密切相關的一系列制度安排。首先，數據要素價值高度依賴于應用場景，數據產品定價與交易場景、交易模式密切相關，均衡價格需要在具體的交易場景中實現。其次，制度設計是數據要素定價機制的關鍵，交易模式、交易契約和交易規則等制度設計，能夠降低交易成本，促進買賣雙方激勵相容。創造更多的交易場景，吸引更多的市場主體進入市場，促進數據要素流通和交易，是制度設計至關重要的工作。最后，人工智能、區塊鏈等數字技術是數據要素市場的核心基礎設施，影響著數據要素的交易制度和估值定價方法。數據要素定價機制是以數據要素價值和市場評價貢獻為核心，基于場景對數據要素進行估值定價的制度安排。

一般而言，市場價格機制包括“市場決定價格”的價格形成機制和“市場在資源配置中起決定性作用”的價格作用機制[11]。基于價值和市場評價貢獻的數據要素定價機制，是“價值形成—價格發現—競價成交”的過程。在數據要素價值形成的基礎上，數據產品依托基于場景的定價激勵機制，在市場競價中形成均衡價格。區別于期貨市場以競價方式發現價格，數據要素的“價格發現”更側重于評估與調節，既能通過估值模型和定價方法，量化數據要素價值，發現數據產品價格，也能基于場景和“市場評價貢獻”，反映和影響供求關系。“價格發現”搭建起數據要素內在價值外化為數據產品價格的橋梁，促進數據要素的有效配置。

綜上，數據要素定價機制是數據要素價值沿著“價值形成—價格發現—競價成交”的演進路徑，外化為數據產品價格的過程。基于價值和市場評價貢獻的數據要素定價機制包括三部分：價值形成機制、價格發現機制和競價機制。其中，價值形成機制是理論基礎，價格發現機制是量化價值、發現和調節價格的方法與模型，競價機制是形成均衡價格的激勵機制（見圖1，下頁）。

二、數據要素價值的形成機制

數據經過加工將資源價值轉移到數據產品，數據產品是數據資源價值化的主要載體。數據要素價值的形成機制主要包括兩部分：數據價值主要取決于其包含的數據質量和數據量，原始數據依托數據價值鏈，完成從數據資源要素化到數據商品化的價值增值過程;數據要素的價值體現在使用者手里，數據產品不能直接創造經濟和社會價值，而是基于應用場景通過優化資源配置、影響經營決策、倍增要素價值等方式間接創造價值，實現從數據商品化到數據資產化的價值變現。企業自有的數據要素和購買的數據產品是企業的數據資產（見圖2）。

（一）數據商品化實現數據資源增值

數據資源的價值增值是數據要素價值形成過程中的基礎環節，是數據資源通過數據價值鏈形成蘊含價值和獨特使用價值的數據產品的過程。數據價值鏈是企業全生命周期中數據資源相互關聯來直接或間接創造價值的一系列流程[12]，包含數據采集、數據處理、數據分析、數據應用和數據循環五個環節，共同構成數據價值從增值到變現的完整閉環。數據生產是一種勞動，數據產品是一種勞動成果，數據商品化過程是勞動和數據相結合的過程，它不僅可以降低數據利用的門檻，而且能通過市場機制激勵數據創造價值。數據產品的價值是凝結在商品中的無差別的人類勞動。合法渠道采集的原始數據經過脫敏化、標準化處理后形成初級數據產品，初級數據產品經過人工智能技術和算法模型深度分析后形成高級數據產品。初級數據產品和高級數據產品在具體業務應用場景和交易場景中創造價值與實現價值，是數據資源的“驚險一躍”。

（二）數據資產化實現數據產品價值

數據從資源化到商品化，再到資產化，是數據產品的價值實現過程。數據產品在使用和流動過程中創造價值，并為企業和社會帶來預期經濟和社會收益，實現了數據產品價值。數據產品本身不能獨立地創造價值，數據商品化之后，在生產、分配、流通和消費環節，與算法、算力、勞動、資本、土地結合，通過替代、滲透和協同機制賦能創造價值[13]。在生產環節，數據產品可以替代和深度賦能傳統生產要素，以挖掘有效信息、協同企業創新和改善產品質量等方式提升企業生產效率，低成本、高質量地實現要素價值倍增[14]。在分配環節，數據鏈聯結創新鏈、激活資金鏈、培育人才鏈，有效突破地域、產業和企業的邊界限制，促進產業鏈不同環節、不同企業間的數據融合、業務融合和價值融合，推動社會資源配置從局部最優向全局最優演進[15]。在流通環節，數據交易平臺打通數據產品供給、存儲、權益分配、交易結算和交割的鏈接通道，拓展物與物、物與人、人與人聯結的廣度與深度，建立新型信任機制，促進數據要素供需雙方精準高效匹配。在消費環節，企業利用數據產品，基于算法模型和大數據分析技術，精準洞悉用戶需求，利用“用戶畫像”實施精準營銷，創新生產模式和商業模式，實現從規模經濟向范圍經濟轉型。此外，企業積淀了大量業務數據，其雖然不能直接用于交易，但作為生產要素不僅能在企業經營中發揮價值，而且可以在企業之間的數據交換共享、兼并收購或戰略合作中體現價值，是企業的重要資產。

（三）數據產品價值變現必須結合場景

數據產品價值在應用和交易中變現，需要基于場景。數據產品的價值取決于經濟主體的業務需求，而業務需求與應用場景密切相關。不同應用場景下影響價值的因素不完全相同，數據產品價值也會不同。商業價值創造與場景相互依賴、相互促進，價值實現方式也與應用場景密切相關[16]。因此，數據要素創造價值和數據產品價值實現都必須依托場景。在數據要素價值形成的過程中，場景是指在價值創造和價值實現過程中涉及的、涵蓋行為情境、空間環境和情感情境的一系列元素集合，可分為業務應用場景和交易場景。數據產品在業務應用場景中形成獨特使用價值和價值，在（非）交易場景中實現（潛在）價值。

數據成為生產要素是一個漸進的過程，數據產品價值是在生產和交易中不斷融合培育出來的。數據產品價值基于場景的多元變現路徑包括三部分：一是數據產品在業務應用場景中融合業務應用實現價值變現。數據要素異質性明顯，其價值高度依賴于應用場景，脫離具體業務應用場景來談數據產品價值毫無意義。二是數據產品在交易場景中變現價值。交易是進行價格確定和價值核算的關鍵環節，數據產品在特定場景和時間節點上呈現極高的稀缺性和排他性，且價值差異明顯，這是作為商品參與市場交易的數據產品核心特征。三是非交易場景下的價值變現。公共數據開放、并購、申請破產、收購、訴訟等非交易場景下的數據，雖然沒有在市場中交易，但蘊含著豐富的潛在價值。

（四）非交易場景下的數據要素估值定價

除市場交易外，非交易場景下的數據也能實現潛在價值變現。部分無法或沒有進行市場交易的數據也具有價值，比如，作為戰略資產的存量價值、預期的未來價值等[17]。非交易場景下的數據可視為一種廣義上的資產，其定價本質上屬于潛在價值評估。比如，在并購、申請破產、收購等過程中，存量數據會產生預期收益，可以通過實物期權法評估其未來價值。訴訟場景下的數據可以參考成本法、市場法、收益法等無形資產的估值定價方法來評估其價值。數據共享通常發生在行業或產業生態圈內部，共享對象是數據的限制性使用權。該場景下數據的價值較難評估，可以嘗試用所有共享主體應用數據引致的價值增值總和來衡量。

公共開放數據具有外部性、普惠性和獨特性，常規的數據資產估值方法并不完全適用，其估值在全球范圍仍停留在理論探討層面。2021年7月，上海數據交易中心和普華永道會計師事務所探索性提出“數據勢能”的概念，并建立了公共開放數據估值邏輯[18]。具體公式為：公共開放數據價值=公共數據開發價值（準確性、完整性、及時性、時效性、唯一性）×潛在社會價值（公共開放數據實際累計下載量）×潛在經濟價值（應用場景的數目、涉及的行業）。“數據勢能”模型測算出我國18個省份的公共開放數據資產潛在價值超過1 000億元，潛在社會價值占總價值的65%，潛在經濟價值占35%。北京市、上海市、廣東省、浙江省、四川省、山東省的公共開放數據實際下載量和應用場景多樣性均領先于其他省市。當前，基礎設施、民生、金融、醫療、教育領域的公共開放數據最具潛力，完善公共數據估值有利于促進開放。

三、數據要素價格的發現機制

不同于期貨市場通過公開競價發現價格，數據要素的價格發現首先是基于場景和“市場評價貢獻”對數據產品供求關系的反映，引導和調節數據產品價格。數據要素價格發現機制可以分解為四部分：一是基于場景的數據產品定價，探討業務應用場景和交易場景對數據產品價格發現的影響;二是基于市場供求關系的價格發現機制，探討成本、市場結構和數字技術對數據產品價格發現的影響;三是主流的數據產品定價方法和策略，發現數據產品價格;四是建立標準化的數據要素價值評估指標體系，量化數據要素價值。（見圖3，下頁）。

（一）基于場景的數據產品定價

各行業不同應用場景下的數據產品屬性、功能、價值存在差異，與之匹配的度量方法也會有所差異，進而影響數據產品量化定價。場景與交易機制相匹配、相關聯，對數據產品定價影響顯著。與數據產品價值變現相對應，數據產品基于場景定價的實現路徑包括兩部分：一是業務應用場景下的數據產品定價，即“場景化”定價;二是交易場景下的數據產品定價，即交易機制設計。

數據要素市場交易的數據產品，因企業業務類型、使用能力和應用場景的差異，會在數據業務化中產生不同的價值。第一，數據產品類型決定應用場景，進而形成相適應的估值定價方法。比如，證券公司發布的行業研究報告一般采取訂閱定價或固定定價;貴陽大數據交易所提供的定制化數據服務，部分采用基于查詢的定價模型。第二，基于具體業務應用場景，賣家可以根據買家需求、購買能力和風險偏好，制定“個性化”數據產品定價策略，形成有效的版本劃分、群體區分與買家自選擇機制。典型的價格歧視定價策略，如基于產品版本劃分的二級價格歧視定價，以及基于買方群體差異化的三級價格歧視定價。第三，具體交易場景下的數據產品定價主要取決于產品類型、市場結構、賣方策略和信息對稱情況等，本質上是一種根據買家異質性和產品差異化的定價方法，如算法模型、博弈論模型、招標式拍賣、聯邦學習定價、模糊綜合評價法等。比如，銀行業根據業務價值的關聯程度，將算法模型類資產分為直接收益模型和全領域通用模型兩大類型。

數據產品廣泛應用于零售、金融、制造業、物流業、農業種植等行業，深度滲透到企業的精準營銷、智能制造、風險規避和廣告推送等應用場景。比如，金融行業運用數據產品進行用戶畫像、根據風險指數的曲線（即風控模型）構建信用等級、發展數字信貸、防范金融詐騙等。制造業利用工業大數據進行產品故障診斷、改進生產工藝流程等。零售業運用可視化的數據產品實現供需匹配、消費預測和廣告投放等。業務應用場景作為重要元素被嵌入數據產品定價策略。根據數據產品功能、性能、時效上的差異，買賣雙方或專業的數據價值評估機構設定不同的度量方法和定價模型。比如，Yang等研究了隱私數據的度量方法，并提出基于用戶隱私態度的補償機制[19]，有助于進一步構建基于隱私度量的定價模型。再比如，根據不同場景下的數據度量維度，探索離散型、連續型和組合型的測度方法，構建離散、連續、乘積測度空間上的數據產品定價模型。

根據數據產品加工的精細程度，數據交易分為直接交易和間接交易。直接交易模式是指賣家直接提供經初步加工后形成的初級數據產品。直接交易的數據產品可辨認、價值可預期，如脫敏處理后的數據集等，可以采用捆綁銷售、訂閱租賃以及各種拍賣方式定價[20]。在數據匿名化和標準化的基礎上，賣方對數據產品按“盒”或“條”等方法估值，然后計件定價。間接交易模式的交易對象為高級數據產品和部分初級數據產品。數據交易中心和數據類企業通常采取間接交易模式，把高級數據產品交易作為核心業務之一，其中數據類企業往往以出售自有數據或數據結果為主。比如，數字平臺企業向商業銀行出售數據應用系統與軟件，在消費金融、場景營銷等領域開展合作。間接交易模式可以較好地實現數據產品與應用場景結合。交易平臺根據特定業務以API接口形式交易并按調用量收費，買賣雙方也可以通過數據交易中心對接后按照應用場景中所需的數據產品進行估價和交易。直接和間接交易的數據產品都可以采取基于版本劃分和群體區分的價格歧視定價方法，如兩部定價法（固定費用和從量使用費用相結合）、拍賣定價法等。

（二）由市場供求關系決定的數據產品價格

標準化的數據產品可作為商品進行流通交易，除自身價值外，成本和市場結構也是影響價格發現的重要因素。其中，成本通常作為數據產品定價的下限[21];市場結構主要由供求關系決定，與交易模式密切相關，對價格發現產生影響;同時，數字技術的運用不僅能影響市場結構，而且能降低數據產品價格發現的成本。

基于客戶感知價值的定價模型是一種可行的價格發現方法。數據產品消費是一個因人而異的主觀體驗過程，需求者在比較購買數據產品帶來的綜合效用和付出的所有成本后，形成對該數據產品的主觀價值評價。需求者的意愿支付價格是數據產品市場價值、特殊使用價值和服務價值的“客戶感知價值”的綜合體現，具體包括數據產品的市場價格、需求方的偏好程度和滿意度、供給方或中介平臺的服務水平等。比如，熊勵、劉明明、許肇然基于“客戶感知價值”的五個維度（價格價值、功能價值、競爭價值、情感價值和社會價值），提出了數據交易平臺與供應方協同議價、需求方與供給方博弈定價的數據產品定價機制[22]。與此同時，隨著消費模式的個性化、定制化和多元化，以及生產方式的柔性化、數智化和敏捷化，客戶感知價值在賣家定價策略中的權重越來越大。

雙邊和多邊市場結構會影響數據產品的價格發現。數據交易中介是雙邊或多邊市場結構中的核心和供需匹配“橋梁”，如數據經紀人、數據交易所。數據交易中介基于交叉的網絡外部性和非中性的價格結構，促進數據買賣雙方精準高效匹配，以及數據買家、數據提供商、數據交易中介之間的相互合作與競爭博弈，最終形成合理的數據產品價格發現方法。若市場結構不同，交易模式和價格發現方法也會不同。基于具體的市場結構，數據買賣雙方（多方）可以采取通過數據交易中介進行集中間接交易，或者直接以“點對點”交易模式發現、調節數據產品價格。比如，對于交易頻次高、交易人數多的雙邊或多邊市場，數據交易平臺充分發揮市場決定價格作用，采取買賣雙方自由定價、協議定價等價格發現方法;對于“N對N”的多邊市場，博弈競價和拍賣則是較好的價格發現方法。“點對點”交易模式效率低，適用于非標準化、成交量小且分散的數據產品交易;集中交易模式則適用于標準化程度高的數據產品[23]。

數字技術深度賦能數據產品價格發現。價格發現是市場機制的基本功能，但目前常規的數據產品價格發現手段成本高、準確度和精準度低。人工智能和區塊鏈等數字技術為更優的價格發現方法提供了底層技術支撐。人工智能技術是驅動數據在計算機軟件中流動、運算和價值形成的內在動力，有助于開拓應用場景、優化定價模型，運用智能合約發現價格。區塊鏈技術為建立買賣雙方間的信任機制和“鏈上交易”機制提供底層技術支撐，基于聯盟鏈的新型大數據交易模式平臺可以分別實現數據使用權的交易定價和數據所有權的交易定價[24]。

（三）數據產品的主流定價方法和策略

數據產品作為企業特殊的資產，既具有無形資產的部分特征，又呈現獨特的資產屬性。數據資產目前尚未體現在企業的財務報表上，部分企業已經確認的數據資產只能以專利形式納入無形資產條目中。實踐中，數據產品的定價方法大致可以分為三大類。

1.基于會計視角的定價

學者們參考無形資產的估值定價思路，提出了成本法、收益法、市場法等會計學的估值定價方法。成本法關注數據產品的歷史成本和重置成本，相當于預估數據產品的保留價格，是一種相對簡單的估值定價方法[22]。成本法容易造成數據產品成本與真實價值之間的弱對應關系。收益法強調數據產品預期收益或效用的現值，是無形資產價值評估的常用方法。但數據產品的預期收益、有效使用年限和收益貼現率通常難以選擇與估算。市場法是“自上而下”的估值方法，主要參考可比數據產品的市場交易價格，適用于活躍數據市場中以交易為目的的數據產品，但可比的市場交易參考案例通常難以找到。

2.基于商品視角的定價

標準化的數據產品可以參考一般商品的估值定價方法。一是參照數字產品的定價方法。價值可預期、負外部性小、買方異質性高的數據產品，其定價方法與數字產品具有相通性，可采用捆綁定價、訂閱定價、協議定價等[25]。二是可信第三方定價方法。比如，Azure、Datamarket、Factual、上海、貴陽等大數據交易所主要采用可信第三方定價、實時定價和協議定價。三是側重于數據產品流通、交易過程的估值定價方法，如基于效用的定價、基于博弈論的討價還價、基于生命周期理論的動態定價等。

3.基于數據資產特點的定價

數據產品是企業的特殊資產，其估值定價方法呈現獨特性。一是數據資產估值定價模型的優化與修正。學者們建議引入層次分析法、灰色關聯分析法、博弈論分析法、專家評價打分法、信息熵法等定量和定性方法[26-27]，來修正和細化數據資產價值的影響因素和權重大小;或者引入破產分配法、Shapley值法、實物期權法等來預估收益和分配利益[28]。二是數據資產估值定價方法的有機結合、融合創新。例如，利用綜合成本法、收益法和市場法三種定價方法來構建數據資產定價模型。三是數據資產估值定價方法與數字技術的深度融合。充分發揮數字技術在數據資產估值定價中的重要作用，構建數據資產一、二級市場，將交易環節集中于二級市場的使用權出售，一級市場主要功能在于數據要素估值，二級市場形成供需平衡狀態下的市場出清價格[29]。

（四）數據要素價值評估指標體系

構建標準化的數據要素價值評估指標體系，有助于消除數據應用價值的“不確定性”和“異質性”，推動交易主體達成“價值”共識。數據要素價值評估是對其使用價值和價值的靜態度量，是數據產品價格發現和形成的基礎。根據指標體系的適用對象，數據要素價值評估指標體系的構建大致有以下兩種思路：

一是普適性的數據要素估值指標體系。學者們普遍認為，數據要素價值主要受自身質量、成本和應用場景的影響，并從質量、應用、成本、風險等維度構建數據要素估值體系。不同估值體系中各維度的衡量指標不完全相同。比如，張志剛等從數據成本和數據應用兩個維度構建估值體系：成本維度包括建設費用和運維費用，應用維度包括資產類別、使用次數、使用對象和使用效果評價[30]。李永紅等從數據量與數據質量、數據分析能力等維度構建估值體系，強調了人才技能、消費者需求對數據要素價值的影響[31]。上海德勤資產評估有限公司、阿里研究院從質量、應用和風險三個維度構建估值體系：質量維度包括完整性、真實性等，應用維度包括時效性、場景經濟性等，風險維度包括法律限制和道德約束[32]。

二是針對特定領域和行業的數據要素估值體系。互聯網、金融、通信等領域的數據體量大、應用場景多，這些領域的數據要素估值體系具有一定的指導和示范效應。比如，2021年8月，瞭望智庫和光大銀行以貨幣度量估值方式，探索性地構建了商業銀行數據資產的估值體系。以算法模型類數據資產為例，基于業務應用場景的估值體系由直接收益模型和全領域通用模型兩部分構成，直接收益模型又包括營銷類、運營類和風險管理類。

四、數據產品的競價機制

與股票市場和期貨市場類似，數據要素市場應該建立競價機制，但數據產品的競價機制是基于不同場景的定價激勵機制。在競價交易機制中，數據產品的初始價格由集中撮合形成，隨后的交易價格在交易主體競價中形成。競價機制最主要的功能是公平、公開、公正地確定數據產品的價格。高效的交易平臺、合理的競價模式和有效的競價監管是保障競價機制有效運行的主要因素。其中，交易平臺是載體，競價模式是手段，競價監管是保障（見圖4）。

（一）多層次的數據產品交易平臺

數據產品定價必須在交易中完成，交易平臺是激勵相容的競價機制的“中心樞紐”。在數據交易市場中，參與交易的買賣雙方之間通常存在信息不對稱和利益沖突。一方面，數據賣方不完全了解買方的需求、購買能力和風險偏好，但希望以盡可能高的價格出售數據產品;另一方面，數據買方也無法掌握被交易數據產品的質量、效用和真實價值，但傾向于以不超過其估值的價格購買數據產品。由于存在潛在的收益損失，買賣雙方都不會主動披露自己真實價格信息的動機。交易平臺在政策、數據、技術等方面具有優勢，可以基于具體場景采取相應的激勵措施和具有約束力的合作協議，如提高買賣雙方合作時與貢獻率相符的收益分成，鼓勵買賣雙方積極參與到數據交易中，并激勵雙方提供真實信息。同時，交易平臺也可以通過建立有效的聯結機制和信任機制，提供公正、透明、高效、安全的競價場所，保障定價激勵機制順利實施。典型的激勵相容的競價模式包括博弈競價和拍賣競價。根據業務內容的不同，國外數據產品交易平臺大致可分為兩大類：第三方中介平臺和綜合數據服務平臺[33]。第三方中介平臺撮合交易，提供API、數據包等數據產品，對交易全流程進行監管，但自身不采集、處理、分析和存儲數據。比如，BDEX、Azure、Data plaza等。綜合數據服務平臺不僅撮合買賣雙方進行交易，更基于場景和用戶需求，以數據經紀人的身份通過數據價值鏈形成綜合解決方案，提供可視化數據分析報告和定制化數據服務等。比如，Factual、Infochimps等。

我國數據產品交易平臺主要包括大數據交易所（中心）、行業大數據交易平臺、大型互聯網公司主導創辦的數據交易平臺、第三方數據服務提供商。大數據交易所（中心）是匹配數據供需雙方和交易競價的重要場所。據不完全統計，截至2021年8月，我國已設立21家數據交易所（中心）。這些平臺大多采用會員制，主要服務方式為撮合數據交易和提供數據增值服務，主要采用捆綁定價、協議定價、實時定價、可信第三方定價、自由競價等定價方法[34]。比如，貴陽大數據交易所主要采用可信第三方定價、實時定價和協議定價方式。上海數據交易中心根據歷史數據、相關模型給出官方指導價格區間，并為供需雙方提供線上競價平臺來形成價格。行業大數據交易平臺是為特定行業領域提供數據撮合競價服務的載體。比如，山東工業大數據交易平臺，為山東省能源、化工、冶金、制造等特色工業產業的數據登記、流通、交易提供專業可靠的數據服務。由于具體行業領域可用于交易的高質量數據體量小，行業大數據交易平臺的發展規模往往不大。大型互聯網公司主導創辦的數據交易平臺，擁有海量的業務沉淀數據、先進的大數據平臺搭建技術和數據處理、分析技術，不僅可以智能匹配供需和撮合交易，還能提供數據云服務、解決方案、應用程序接口服務等初級和高級數據產品。第三方數據服務提供商主要為數據服務類企業，強調數據產品的商業價值，傾向于聚焦特定領域和具體應用場景來提供數據服務和技術支撐的階段性使用權。比如，數據堂收錄了超過1.8億家社會實體信息、90個維度實時數據信息，專注于人工智能數據服務。

（二）基于博弈論的數據產品競價模式

博弈競價是有效的激勵相容的定價模式。當買賣雙方之間存在信息不對稱，且對數據產品估值不一致時，交易平臺通過設計某種特定的博弈規則，讓交易參與者進行協議定價，激勵他們從所有可行的方案中作出最有利于自己的選擇，達到納什均衡，并形成最終的數據產品價格。較適合于數據產品定價的博弈類型包括Stackelberg博弈和討價還價博弈。其中，Stackelberg博弈適用于寡頭壟斷的市場結構，通常發生在賣家之間或賣家、交易平臺、買家之間;討價還價博弈則適用于雙邊或多邊市場結構，博弈主體為參與數據交易的買家和賣家。

博弈競價模式可以推動數據產品價格形成。在Stackelberg競價博弈中，作為領導者的核心賣家利用市場優勢地位優先制定數據產品的定價策略，通常能獲得更大的收益;作為追隨者的普通賣家需要根據領導者的定價策略再來確定自己最優的定價策略，也能實現自身利益最大化。典型的如兩階段的Stackelberg博弈模型，中介機構掌握數據供需雙方的信息，在第一階段競價博弈中，中介機構作為領導者，數據供給者作為追隨者，共同為數據需求者提供數據定價信息。在第二階段競價博弈中，基于已有的數據定價策略，數據需求者作為追隨者確定自身的購買策略。最后，中介機構完成數據產品的供需匹配和撮合定價。該競價模式中數據需求者處于較為被動的地位，數據產品的交易效率低下，實際操作難度較大[35]。在討價還價競價博弈中，買賣雙方就待交易的數據產品分別提供自身的最優定價策略，并進行反復協商議價，最終就成交價格達成一致意見。比如，基于數據交易平臺的二階段或三階段討價還價博弈模型（階段數表示買賣雙方討價還價的最高次數）。買家與賣家討價還價的目的是為了減少數據產品價值波動帶來的潛在損失。該博弈競價模式雖然讓買方掌握了一部分定價權，增加了買賣雙方溝通交流的機會，但買方的信息弱勢地位可能導致數據產品價格與實際價值相差較大，且交易雙方反復協商與試探通常耗時費力，會極大降低交易效率。

（三）基于拍賣的數據產品競價模式

數據使用權的交易往往采用協商定價的方式進行，數據所有權的交易則往往采用拍賣的方式進行。相較于傳統商品的拍賣機制，數據產品的拍賣競價模式具有獨特性。首先，數據產品通常能被多個買家同時使用，采用“限制性使用權多次拍賣、而非所有權的一次性交易轉移”的拍賣模式，更能實現數據要素資源的有效配置。其次，數據產品的拍賣價值與信息獨占性密切相關，拍賣收益不一定正相關于拍賣份數或次數。數據交易平臺如何將不同的數據產品以不同的價格提供給不同的買家，是評判拍賣機制設計好壞的重要標準[36]。最后，部分數據交易平臺具有賣家和中介的雙重身份，統籌考慮買家和賣家的信息不對稱問題，激勵買賣雙方都報告真實的私有信息，是數據產品拍賣機制設計的核心[37]。

拍賣競價公開透明、交易效率高，是信息不對稱情況下有效的數據產品定價方式。第三方拍賣商通常采用激勵方式，鼓勵買賣雙方積極參與并通過相互競價獲得數據產品的限制性使用權或所有權，最終形成一致的結算價格。根據拍賣參與者的相對力量，拍賣競價可分為單邊拍賣和雙邊拍賣。在單邊拍賣中，如第一價格密封拍賣、維克里（Vickrey）拍賣、VCG（Vickrey-Clarke-Groves）拍賣等，賣方通常具有資源優勢，買方則是交易的被動接受者。該類拍賣機制雖然能實現激勵相容，但也會產生“贏者詛咒”、交易不公平等問題，適用于賣家少、數據產品交易頻次低的市場。雙邊拍賣的核心思想是買賣雙方同時出價和報價后，基于“價格優先、時間優先、數量優先”的原則高效批量地自動形成價格。該模式容易泄漏拍賣者隱私和數據信息，適合于標準化程度高的數據產品，以及偏好多樣化、利益關系復雜的雙（多）邊市場結構[38]。比如，基于智能算法的集中競價模式，對所有數據產品的買賣申報進行集中撮合和智能排序，并自動生成相應的成交價格。計算機系統能夠實時收集價格信息，動態監控價格波動，及時進行定價調整，提高市場價格信息的利用效率，縮短交易時間，是討價還價博弈競價模式的優化。同時，智能交易平臺將不同應用場景下的數據產品以合適的價格出售給不同類型的買家，實現了智能匹配。

（四）公開公平公正的數據產品競價環境

數據要素價值增值與實現取決于數據合規使用的機制安排，數據市場交易、數據產品定價與競價監管密不可分。營造公開公平公正的數據產品競價環境，需要明晰的數據權屬、科學的數據資產管理和完善的數據產品交易監管體系，在兼顧各利益相關方權益的前提下，有序推進數據產品在交易中完善競價機制。

明晰的數據權屬是數據產品競價必須優先解決的難題。根據新制度經濟學理論，只要初始產權明晰，且交易成本為零或極低，最終的資源配置就是有效率的。數據要素具有虛擬性，數據產品的交易成本極低。界定數據權屬是數據要素市場化配置以及數據產品交易、競價、收益分配的前提。數據權屬主要包括所有權、使用權、收益權和處置權，數據全生命周期涉及數據提供者、數據采集者、數據加工者和數據應用者等利益相關主體，這幾類主體理應擁有按貢獻參與收益分配的權利。目前，數據參與利益分配的路徑仍在不斷摸索中。比如，數據采集者和數據加工者是數據產品的關鍵生產者，他們可以通過工資、利潤分紅、技術入股等方式按照貢獻獲取收益。總之，數據交易和利用必須注重利益相關者的數據權益保護。

科學的數據資產管理體系是數據產品競價的重要基礎。數據資產管理強調依托數字平臺和數字技術對數據要素化、商品化、資產化的全生命周期進行統籌管理，重點聚焦數據源管理、數據價值管理、數據風險管理等環節。首先，數倉構建和數據采集是數據要素價值形成的源頭，有效的數據源業務系統管理可以顯著提高原始數據質量。其次，數據要素內在價值管理是數據產品價值形成與實現的關鍵，基于場景的個性化、多層次的數據管理方案可以提升數據產品的業務價值、經濟價值和市場價值。最后，風險管理是數據產品競價有序的保障。區塊鏈、人工智能、隱私計算等數字技術的應用，可以有效識別、監管、防范數據產品交易中的潛在風險，實現數據“可用不可見”“可算不可識”“可控可計量”。

健全的數據產品交易監管體系是公平競價的制度保障。數據產品交易監管體系是基于包容審慎監管原則的“政府—平臺—行業”多主體聯合監管模式。一方面，對于數據產品交易的新技術新業態新模式，監管部門需要堅持包容審慎的監管原則;另一方面，要規范和培育數據市場交易主體，形成多方主體協同發力、共建共治共享的數據交易市場。基于“場景性公正”原則，數據交易平臺中數據產品交易的管理者、中介商和主要參與者，肩負交易資格審核、交易行為監管和個人隱私保護等重要職責。市場運營體系提供數據產權界定、價格評估、資產評估、登記結算、流轉交易、交易撮合、爭議仲裁等服務。行業協會是自律公約和自律標準的主要制定者，通過強化自律管理來營造和維護合理有序、公平競爭的數據流通交易環境。政府部門是數據產品交易監管主體，負責制定數據交易管理制度，維護數據交易市場秩序。

五、結論與政策建議

本文基于數據要素價值和市場評價貢獻兩大核心影響因素，沿著“價值形成—價格發現—競價成交”的演進路徑，構建了形成機制—發現機制—競價機制“三位一體”的數據要素定價機制。本文的學術貢獻主要包括：一是界定了數據要素定價機制的概念，探討了數據要素定價機制理論，構建了數據要素定價機制的分析框架。二是提出數據要素價值和市場評價貢獻是數據產品定價的核心因素，分析了場景和“市場評價貢獻”在價值形成、價格發現和競價成交中的重要作用。三是分析了數據資源從商品化到資產化、從價值形成到價格發現的內在聯系，界定了數據要素市場的主要交易對象，強調數據要素定價必須高度重視場景和數字技術的影響，為數據要素定價機制設計和數據要素市場構建提供理論支撐。

我國數據要素定價機制的研究和建設尚處于起步階段，還存在法律法規和標準規范不健全、數據要素產權規則不清晰、交易機制不完善等問題。建立健全數據要素定價機制是推動數據產品交易、提升數據資源價值、提高數據要素配置效率、完善要素市場分配理論的重要課題，是要素市場化配置改革探索的重要任務。圍繞建立健全數據要素定價機制，提出如下建議：

（一）加快數據交易的技術、產品和管理的“標準基建”

數據要素的交易和定價必須有通用標準，圍繞數據要素定價規劃和研制系列標準，是完善數據要素定價機制的首要工作。一是出臺數據交易頂層設計，建立國家、地方、行業和團體標準四級體系，構建涵蓋數字化基礎設施、底層技術、數字平臺、數據應用的互認互通、安全可靠的技術標準和制度規范體系。二是加快制定區塊鏈、人工智能、隱私計算、物聯網、車聯網等數字技術在數據要素采集、交易和定價中的技術標準和安全規范，構建數據流通、交易和定價等環節的操作標準和規范，在金融、衛生健康、電力、物流等領域優先建立完善數據產品標準體系。三是優化數據交易所的數據格式、數據流轉標準、統計標準、交割方式等，建立多層次市場主體準入機制、數據分級管理標準，建立數據交易市場產品和標準互認體系。四是加快構建公共數據共享、開放和管理的標準化體系。構建政府數據創建與匯交、選擇與處理、描述與組織、關聯與發布、發現與利用、管理與評估等開放共享標準體系框架，制定統一規范的公共數據分級分類標準、開放目錄清單標準。

（二）構建科學的數據資產價值評估指標體系

數據資產價值評估是對數據應用價值、市場價值和社會價值的綜合分析與評估，是數據要素價值量化和數據產品價格發現的重要參考，一些機構和學者提出了數據資產價值評價指標體系。比如，《電子商務數據資產評價指標體系》（GB/T 37550-2019）是我國數據資產領域的首個國家標準。建議相關部門制定統一的數據資產價值評價指標體系，為市場來指導數據定價奠定基礎。一是在金融、電力、電信、農業等重點行業優先建立數據資產價值評價指標體系，積極推動重點行業的國有企業數據資產化。二是結合數據資產應用場景和范圍，從特性、收益、成本、風險四個維度，建立互聯網、社交媒體、APP等平臺的數據資產評估體系。三是建立健全公共數據估值定價體系。探索“自上而下”和“自下而上”兼顧的評估路徑，重點聚焦地理、氣象、環境、教育、醫療、能源等領域，從經濟效益、社會效益、環境效益、政治效益等多維度構建公共開放數據估值體系。

（三）培育和建設多層次的數據交易市場

數據交易市場是數據產品價值形成、流通交易、估值定價和安全保護的重要載體和基礎設施，建立多層次的數據交易市場有助于完善數據要素定價機制。一是建立一級發行市場和二級交易市場。一級發行市場負責數據資產估值和數據交易監管;二級交易市場負責數據要素價格發現和數據產品交易定價。二是建議建設3—5家全國性的數據交易所和數據交易中心，盡快建立和完善全國核心數據要素市場。地方政府負責建設區域型數據交易平臺，允許大型互聯網公司、行業協會和垂直數據服務商建設行業數據交易市場。三是積極培育合規審查、估值定價、合約托管、爭議仲裁等數據服務中介機構，鼓勵和支持多元化數據交易主體參與探索數據要素定價機制，支持數據要素交易平臺與金融機構、中介組織開展合作。四是鼓勵和支持數據交易市場提升交易系統性能和體驗，創新交易模式，拓展交易場景，探索多層次數據市場的運營模式和定價機制。

（四）建立健全政府對數據要素價格的監督和調控機制

建立數據要素價格的監督和調控機制，要在“市場決定價格”機制的前提下，對數據要素市場可能出現或已經存在的資源錯配、價格嚴重偏離價值問題，進行有效監管和合理調控。完善數據要素價格管理和監督，應從如下方面著手：一是在互聯網、金融、電力等數據量大、應用場景豐富的領域，優先探索建立場景化的數據要素價格常態化監測和評估機制，對質量、成本、風險等影響數據要素價格的主要指標進行全方位、多維度的動態監管與評估;二是加強對數據交易中介和數據服務商歧視定價、不正當競爭行為的監管與整治，避免數據要素價格嚴重扭曲;三是開展數據要素市場交易大數據分析，將典型場景下以集合競價方式形成的價格作為數據產品的參考價格，建立價格異動和風險預警機制;四是建立健全數據要素交易信息披露制度，并進行定期更新。

參考文獻

[1]田杰棠，劉露瑤.交易模式、權利界定與數據要素市場培育[J].改革，2020（7）：17-26.

[2]JONES C I， TONETTI C. Nonrivalry and the economics of data[J]. American Economic Review， 2020， 110（9）： 2819-2858.

[3]肖旭，戚聿東.數據要素的價值屬性[J].經濟與管理研究，2021（7）：66-75.

[4]李紀珍，等.數據要素領導干部讀本[M].北京：國家行政管理出版社，2021.

[5]李海艦，趙麗.數據成為生產要素：特征、機制與價值形態演進[J].上海經濟研究，2021（8）：48-59.

[6]蔡繼明.論非勞動生產要素參與分配的價值基礎[J].經濟研究，2001（12）：27-32.

[7]任志軍.論生產要素按貢獻參與分配的機制[J].中南財經政法大學學報，2005（5）：71-74.

[8]MULLER O， FAY M， VOM BROCKE J. The effect of big data and analytics on firm performance： an econometric analysis considering industry characteristics[J]. Journal of Management Information Systems， 2018， 35（2）： 488-509.

[9]于立，王建林.生產要素理論新論——兼論數據要素的共性和特性[J].經濟與管理研究，2020（4）：62-73.

[10]VARIAN H. Artificial intelligence， economics， and industrial organization[Z]. NBER Working Paper， 2018， No. 24839.

[11]劉儒，郭荔.新中國70年價格機制改革：演進邏輯、顯著特征與基本經驗[J].湘潭大學學報（哲學社會科學版），2020（3）：96-103.

[12]FAROUKHI A Z， ALAOUI I E， GAHI Y， et al. Big data monetization throughout big data value chain： a comprehensive review[J]. Journal of Big Data， 2020， 7（1）： 1-22.

[13]馬文君，蔡躍洲.新一代信息技術能否成為動力變革的重要支撐？——基于新興產業分類與企業數據挖掘的實證分析[J].改革，2020（2）：40-56.

[14]徐翔，厲克奧博，田曉軒.數據生產要素研究進展[J].經濟學動態，2021（4）：142-158.

[15]王建冬，童楠楠.數字經濟背景下數據與其他生產要素的協同聯動機制研究[J].電子政務，2020（3）：22-31.

[16]尹傳儒，金濤，張鵬，等.數據資產價值評估與定價：研究綜述和展望[J].大數據，2021（4）：14-27.

[17]SHORT J E， TODD S. What's your data worth？[J]. MIT Sloan Management Review， 2017， 58（3）： 17-19.

[18]普華永道.開放數據資產估值白皮書[R]. （2021-07-12）[2022-02-25].http：//www.cbdio.com/BigData/2021-07/12/content_6165914.htm.

[19]YANG J， XING C. Personal data market optimization pricing model based on privacy level[J]. Information， 2019，10（4）： 123.

[20]PEI J. A survey on data pricing： from economics to data science[Z]. ArXiv Working Papers， 2020， No.2009.04462.

[21]ADLER R， STRINGER C， YAP M. The valuation and pricing of information assets[J]. Pacific Accounting Review， 2016， 28（4）： 419-430.

[22]熊勵，劉明明，許肇然.關于我國數據產品定價機制研究——基于客戶感知價值理論的分析[J].價格理論與實踐，2018（4）：147-150.

[23]鄒傳偉.數據要素市場的組織形式和估值框架[J].大數據，2021（4）：28-36.

[24]李源，高寧，孫晶，等.基于區塊鏈的大數據交易模式研究與探索[J]. 大數據，2021（4）：37-48.

[25]熊巧琴，湯珂.數據要素的界權、交易和定價研究進展[J].經濟學動態，2021（2）：143-158.

[26]LUO S Z， XING L N. Neutrosophic game pricing methods with risk aversion for pricing of data products[J]. Expert Systems. 2021， 38（5）： 12697.

[27]LI X J， YAO J G， LIU X， et al. A first look at information entropy-based data pricing[C]// Proceedings of the 2017 IEEE 37th International Conference on Distributed Computing Systems. Piscataway： IEEE Press， 2017：? 2053-2060.

[28]JIA R X， DAO D， WANG B X， et al. Towards efficient data valuation based on the shapley value[Z]. ArXiv Working Papers， 2019，? No.1902.10275.

[29]陸岷峰，歐陽文杰.數據要素市場化與數據資產估值與定價的體制機制研究[J].新疆社會科學，2021（1）：43-53.

[30]張志剛，楊棟樞，吳紅俠.數據資產價值評估模型研究與應用[J].現代電子技術，2015（20）：44-47.

[31]李永紅，張淑雯.數據資產價值評估模型構建[J].財會月刊，2018（9）：30-35.

[32]上海德勤資產評估有限公司，阿里研究院. 數據資產化之路——數據資產的估值與行業實踐[R].（2019-10）[2022-02-25].https：//www2.deloitte.com/cn/zh/pages/finance/articles/data-asset-report.html.

[33]王衛，張夢君，王晶.國內外大數據交易平臺調研分析[J].情報雜志，2019（2）：181-186.

[34]陳舟，鄭強，吳智崧.我國數據交易平臺建設的現實困境與破解之道[J].改革，2022（2）：76-87.

[35]XU C， ZHU K， YI C Y， et al. Data pricing for blockchain-based car sharing： a stackelberg game approach[C]//Proceedings of the 2020 IEEE Global Communications Conference. Piscataway： IEEE Press， 2020： 1-5.

[36]李三希，曹志剛，崔志偉，等.數字經濟的博弈論基礎性科學問題[J].中國科學基金，2021（5）：782-800.

[37]王雅娟，王先甲.一種激勵相容的多單位在線雙邊拍賣機制[J].管理科學學報，2015（8）：1-11.

[38]CAI H， ZHU Y M， YU J D， et al. Double auction for a data trading market with preferences and conflicts of interest[J]. The Computer Journal， 2019 ，62 （10）： 1490-1504.

The Pricing Mechanism of Data Elements Based on Data Element Value and the Contribution of Market Assessment

OUYANG Ri-hui? ?GONG Wei

Abstract： Data products are not only the standard products or services after data commercialization， the carrier of data valuation and data assetization， but also the main object of transaction of the data element market. Data transaction is based on data product pricing. The pricing mechanism of data elements is a series of institutional arrangements， the core factors of which are data element value and the contribution of market assessment. The pricing mechanism of data elements follows the evolution path of "value formation - price discovery - price formation"， including three parts of the value formation mechanism of data elements， the price discovery mechanism of data elements， and the price bidding mechanism of data products. The value of data elements is formed in transaction scenarios and non-trading scenarios. And the main way to realize data elements is transaction based on the scenarios. The main channels for quantifying and discovering the price of data products are scenarios， the market supply-demand relationship， data product pricing methods and the data element valuation system. The muti-level market， reasonable pricebidding mode and effective transaction supervision system play a role in the pricebidding mechanism of the market. To establish and improve the pricing mechanism of data element， the government should formulate unified standards of technology， product and management for data transaction， build the scientific index system of data assets valuation， cultivate and build the multilayered data element market， and establish and improve the government's supervision and regulation mechanism on the price of data elements.

Key words： data element value; contribution of market assessment; pricing mechanism; price discovery mechanism; pricebidding mechanism

基金項目：教育部哲學社會科學研究重大課題攻關項目“互聯網金融的風險防控與多元化監管模式研究”（15JZD022）;國家社會科學基金重大項目“互聯網平臺的社會影響與治理路徑”（21&ZD196）;研究闡釋黨的十九屆五中全會精神國家社科基金重大項目“數字經濟與實體經濟深度融合的機制與對策研究”（21ZDA032）;北京高校卓越青年科學家計劃項目（BJJWZYJH01201910034034）。

作者簡介：歐陽日輝，中央財經大學中國互聯網經濟研究院副院長、研究員;龔偉，中央財經大學經濟學院研究生。