大數據交易平臺的定價模型和定價指標體系研究

孫震， 白云鶴， 王潮

(1.北京大學，大數據分析與應用技術國家工程實驗室，北京 100871；2.中國工業互聯網研究院，北京 100020；3.上海大學，特種光纖與光接入網重點實驗室，上海 200444)

0 引言

隨著信息技術在人類生產、生活的深度應用，數據的生產、匯聚、應用逐步擴大、深化，數據價值受到社會各界的廣泛認可和重視。國內外涌現出一批大數據交易平臺，在數據確權、定價、數據交易等方面開展了應用。數據定價是數據交易的核心問題，是形成數據價值從產生、倍增到賦能良性循環機制的中樞。

1 現狀

目前對大數據交易平臺中數據定價的研究，主要集中在3個方向：不斷優化數學模型，對微觀細節進行優化；對交易機制的討論；綜合性論述。

1.1 數據定價模型與定價因素分析

基于數據模型的數據定價基本上從經濟學或數學角度出發，對數據模型的因素、基本原理進行探討,如何玉長[1]認為數據定價的主要因素包括：生產成本、產品質量、應用效益和風險水平，其中生產成本將作為數據價格的下限。數據歷史特征越豐富、數據質量越高，數據價值越高，可以利用效用函數、數據熵等方式構建數據定價模型，如STAHL等[2]基于逆向定價(Name Your Own Price)原則提出一種數據產品的定價模型，該模型充分考慮數據質量、購買方偏好、購買方報價、供應方要價等因素，由購買方先行提出數據偏好和報價，進而調整數據維度和數據質量，為購買方提供定制化的產品和價格;WU等[3]討論了企業在購買大數據產品時的兩種定價方式,即訂閱定價和根據使用量定價，企業使用數據產品時可以先選擇根據使用量定價，之后根據其財務狀況和使用效率進行調整，同時強調，更新頻率更高的大數據產品能夠為企業帶來更多的價值。

1.2 交易機制的研究進展

張玉卓[4]認為平臺能夠將網絡外部性內部化、價格杠桿內部化，需要充分考慮平臺雙邊的非中性價格問題。陸岷峰等[5]認為，應當設計和構建數據資產一、二級市場和數據資產交易所，并指出數據估值與數據定價應區分看待，先由以銀行為代表的金融機構對數據進行估值，再在交易市場上達成供需平衡狀態下的市場出清價格。鄭蘇瑤等[6]從數據資產證券化角度出發，將數據的定價流程劃分為根據已有交易記錄數據定價、基礎模型定價、證券化和期權定價，并分別討論了不同階段的定價方法，認為未來數據資產證券化將成為定價的主流方式。

1.3 定價策略和定價模型綜合討論

主要對市場上現存的定價策略和定價模型進行綜合討論，指明現存的問題和進一步完善方向。如：蔡莉等[7]綜述了現有數據定價策略和定價模型的機制、優缺點及運用場景，并認為未來要進一步尋找有效的數據價值度量技術，以采用數據質量、信息熵和元組來源等作為核心定價要素。劉枬等[8]認為數據定價應以成本導向的定價為價格下限，顧客導向的定價為上限，以市場導向的定價為參照，以利潤和消費者福利最大化為目標。彭慧波等[9]認為應以隱私度量作為核心價值參考，并綜合評估其他價值影響因素，構建普適的、可解釋的數據定價模型。尹傳儒等[10]討論了數據資產價值和價格、數據資產價值評估和數據資產定價之間的內在聯系和區別，認為收益法、成本法局限性較大，而基于深度學習、信息熵的方法難以落地。

2 數據交易問題分析

2.1 數據交易量不足影響數據資產價值挖掘

目前，國內大數據交易平臺中可交易標的偏少、交易頻率偏低，成交量長期處于較低水平，數據資產的價值體現遠低于預期。2015年4月，貴陽大數據交易所總裁王叁壽表示，預計未來3～5年日交易量達到100多億元[11]。但自2015年5月正式上線至2019年7月，該交易所累計交易額僅4億多元，此后交易量未見公開披露。交易量的缺乏導致了數據資產市場實踐不足，數據資產的價值未充分挖掘。

2.2 細分領域的數據質量標準化不足

國內關于數據質量的權威標準是2019年實施的《信息技術——數據質量評價指標》(GB/T 36344—2018)[12]，對數據的規范性、完整性、準確性、一致性、時效性、可訪問性提出了要求，為數據質量評價提供了重要參考，但因為數據來源、數據格式、數據采集工具、數據應用場景等存在復雜性，在細分領域還需要更加細節的標準進行指引。在數據質量缺乏評估的情況下，市場上易出現劣幣驅逐良幣現象，從而影響數據交易市場的發展。

2.3 大數據交易平臺中的數據內涵與價值發掘不足

根據LIEW[13]討論的DIKIW理論，數據是被記錄的符號和信號，隨后將被加工處理為信息、知識、智能、智慧，由符號和信號讀數逐步擴展為對其處理、內部化、重組、增加合理判斷和適當執行，其內涵、應用范圍也逐步擴大。目前的大數據交易平臺中，除了對數據質量的分級分類缺乏細化外，還有對數據價值的內涵未清晰定義，原始數據、過程數據、結果數據未有成熟的分級分類交易體系。

3 數據價值和數據資產

數據資產價值的發現、價格的形成可參考傳統金融資產的定價理論和運行機制，對數據定價機制進行完善。數據資產價格的形成不僅需要一些算法、模型，還需要完善數據管理、法律、交易機制、應用場景等。

3.1 基于元數據的數據管理

數據資產是表象，需要系統的數據管理作為支撐，要從全生命周期考慮利益相關方的數據需求，獲取、存儲、保護數據的完整性，確保數據和信息的質量。如韓華鋒等[14]針對電力交易大數據專門設計了存儲與分析系統的硬件和軟件，有效提升了數據的完整性，提高了系統的容錯率和穩定性。重點要做好元數據管理，主導方應當首先制定元數據的戰略，充分理解元數據需求，明確更新頻次、歷史信息、質量要求、安全要求等，其次打造元數據管理系統，實現元數據的有效創建、維護、查詢、報告與分析。同時，需要發展數據質量評估機構，對數據質量進行專業性評價[15]。

3.2 場景驅動的數據價值發現

數據的價值發現需要在現實的場景中。目前，數據的產生更多來自于企業，主要場景為滿足企業自身生產經營、政府監管等相關方的要求，不同的相關方對數據的質量、維度都有不同要求。在交易數據之前，需要提前考慮數據交易相關方的利益訴求。數據資產定價相較于其他資產具有其特殊性，如復制成本幾乎為0，在數據交易過程中交易的標的物不同(如數據的所有權/使用權/收益權等)，交易形式不同(API/數據集/數據結果等)，根據不同的交易標的和交易形式，對應的交易成本和實現價值也各不相同，需要在具體場景中實現價值發現。

3.3 金融資產啟發的數據定價與交易機制

全球證券市場已經建立起較為完備的基礎設備，如法律法規、交易規則、物理場所、協調機制等，同時具有相當龐大的專業人才。在實際交易場景中，金融資產的價值評估與定價，算法、模型的結果僅僅作為參考。未來，數據價值實現的核心不在于模型，而在于專業的人才、在細分交易場景和環節中的專業機構，對數據資產進行確權、質量評估。數據定價短期內可能會受到成本、市場的競爭情況、供需情況的影響，長期可借鑒DCF模型，從未來應用場景中充分挖掘價值，反向測算數據凈現值。

4 總結

數據資產在社會總資產的比重、地位逐步提高，數據的定價、交易需要基礎設施完備、規則清晰、信息對稱的交易市場。未來，一是要創造數據價值發現、應用的場景；二是要培育專業機構和人才，數據資產的評估要兼顧科學性和藝術性；三是要建立完善的數據管理標準體系和測試、認證體系。