摘要
数据产品是数据资源商品化后的标准产品或服务，是数据价值化、资产化的载体，也是数据要素市场的主要交易标的。数据产品定价是数据要素交易的基础。数据要素定价机制是一系列制度安排，数据要素价值和市场评价贡献是其核心因素。数据要素定价机制沿着“价值形成—价格发现—竞价成交”的路径演进，包括数据要素价值的形成机制、发现机制和竞价机制。数据要素的价值在交易场景和非交易场景下形成，基于场景的交易是数据要素价值变现的主要途径。场景、供求关系、定价方法和定价估值体系，是数据产品价格的主要量化和发现渠道。数据要素市场竞价机制发挥作用，主要依靠多层次交易市场、合理的竞价模式和有效的交易监管体系。建立健全数据要素定价机制，应加快数据交易的技术、产品和管理的“标准基建”，构建科学的数据资产估值指标体系，培育和建设多层次数据交易市场，建立健全政府对数据要素价格的监督和调控机制。
关键词：数据要素价值；市场评价贡献；定价机制；价格发现机制；竞价机制
作者简介：欧阳日辉，中央财经大学中国互联网经济研究院副院长、研究员；龚伟，中央财经大学经济学院研究生。
-01-
数据要素定价机制的理论分析框架
数据产品是一种产权可界定、可交易的商品，是数据要素市场的主要交易对象和标的。中央提出的“由市场评价贡献、按贡献决定报酬的机制”，有助于发现数据要素的价值，为建立健全数据要素定价机制指明了方向。
（一）从数据到数据要素、数据产品
《中华人民共和国数据安全法》将数据界定为“任何以电子或者其他方式对信息的记录”。以二进制代码形式存储于计算机设备等介质中的信息，是数字经济时代“数据”的主要存在形式，具有物理属性、存在属性和信息属性。原始数据的价值密度低，且可能存在侵犯隐私权的风险，因而通常不能用于交易。“比特数据”成为生产要素，需满足两个条件：一是具备基础性生产资料的市场特性，能够商品化，有价格形成机制和交易规则，方便进行大规模交易；二是具备潜在价值，能在参与社会生产经营活动中创造价值，如提高生产效率、辅助决策。数据成为数字经济的关键生产要素，在资源优化和价值创造中发挥着关键作用。
有学者指出，数据要素的新特征包括非稀缺性、非均质性、非排他性、虚拟性、规模报酬递增、强正外部性、隐私负外部性等。从交易和定价的视角考虑数据，与不作为生产要素的数据和传统生产要素相比，最显著的特征是虚拟性、准公共产品属性和异质性。“虚拟性”是“比特数据”与传统“数据”的核心区别。网络空间中的虚拟形态意味着数据极易被复制与共享，准公共产品属性、规模效应和外部性显著。“异质性”是数据要素与传统生产要素的关键区别，突出体现为价值异质性。一方面，相同体量的数据价值异质，如有用信息和垃圾信息；另一方面，同一份数据对于不同的使用主体和业务应用场景的价值是不同的，比如，历史浏览和消费记录对用户来说价值不大，但对电商平台企业来说，则可以显著提高供需匹配效率，优化企业资源配置效率，提升服务质量。
企业或者第三方机构通过数据采集、整合、加工、分析后形成的数据产品，蕴含着丰富的经济效益和社会价值，是数据要素市场的主要交易对象。数据集、可视化的数据报告、应用程序接口服务、数据索引等数据产品，经过数字劳动完成数据商品化，蕴含丰富的应用价值和交换价值。这里认为，数据产品是数据资源化、商品化、价值化、资产化后的劳动产品。数据要素市场上交易的数据产品，可分为两大类：初级数据产品和高级数据产品。典型的初级数据产品包括数据API（应用程序接口）、数据云服务、技术支撑、离线数据包等；高级数据产品包括可视化的数据分析报告等解决方案、针对特定业务场景的数据应用系统与软件、与云融合的各类大数据技术产品等。
（二）数据要素价值与市场评价贡献
数据要素本身不能单独创造价值，而是一剂良性催化剂。一方面，数据要素与资本、土地、技术等传统生产要素深度融合，借助算力、算法、模型等技术手段，将现实世界与数字空间连接，使虚体与实体实现有机结合，实现单一要素价值倍增效应，推动传统生产要素革命性聚变与裂变，优化资源配置，提高产品、商业模式的创新能力，以及个体及组织的创新活力，推进供求动态匹配，用更少的要素投入创造更高的价值。另一方面，数据要素具有商品属性，数据产品是数据业务模式的拓展，可以通过市场评价和市场交换进行有效配置，实现“潜在价值—价值创造—价值实现”的价值形态演进。交易后的数据产品进入经济运行中，推进经济生产方式和模式变革，推动质量变革、效率变革和动力变革，使数据要素价值转变为社会价值。
非劳动要素是否创造价值，曾经在我国理论界被广泛讨论。蔡继明等认为，各种生产要素都参与了价值创造，非劳动要素同样参与价值创造，“要素贡献”是指生产要素在价值创造中所作的贡献大小。这里认为，商品化之后的数据要素，包含了数字劳动，通过市场化配置，与其他生产要素融合在经济活动中产生了价值。数据要素“市场评价贡献”的内涵是，数据要素在市场评价和市场交易中测算贡献、形成价格，由市场评价的数据要素参与生产经营活动产生的价值增值，外在表现为数据产品的“社会需要程度”和市场稀缺度。
“市场评价贡献”可以直接或间接量化数据产品价值。一方面，数据产品对产出的贡献能够剥离与计量，主要方法包括两种：一是数理经济模型的规范分析，如边际分析法。针对具体的业务应用场景，在保证其他要素投入不变的情况下，测算单独改变数据要素投入量所带来的价值增值。二是计量经济模型的实证分析，如基于生产效率的测算方法。数据要素的贡献为企业投入数据要素后生产效率提升引致的价值增值或收益增量。比如，Mülleretal.基于家美国企业的相关数据，测算得到企业通过应用大数据，平均生产率提高了4.1%，这就是该应用场景下的数据要素贡献。但是，数据要素的度量指标选取是一个难题，市场客观评价与人为主观估算数据要素贡献之间的矛盾、生产要素间的“多重共线性”，都增加了剥离和计算数据要素贡献的难度。另一方面，数据产品在特定应用场景和交易场景中呈现高度的排他性和稀缺性，能以出售数据使用权或所有权的方式获得经济收益，从而通过市场评价来量化数据产品基于场景的市场价值。
综上，数据产品是数据要素与劳动相结合的形态演进，可以沉淀为企业内部的数据资产，通过市场评价来量化价值贡献。在数据要素市场中，依托市场规则、市场交易和交易竞价来评价贡献，数据产品的价值转化为价格。同时，数据产品的供求关系反映其“市场评价贡献”，进而影响和调节数据产品价格。
（三）数据要素定价机制的理论框架
国内外数据要素市场均在实践中探索定价机制，但对于数据要素定价机制并没有给出明确的定义，大部分文献将数据要素定价机制等同于定价模型。这里认为，数据要素定价机制不仅仅是定价方法、模型和策略，而是与场景、交易制度、数字技术密切相关的一系列制度安排。首先，数据要素价值高度依赖于应用场景，数据产品定价与交易场景、交易模式密切相关，均衡价格需要在具体的交易场景中实现。其次，制度设计是数据要素定价机制的关键，交易模式、交易契约和交易规则等制度设计，能够降低交易成本，促进买卖双方激励相容。创造更多的交易场景，吸引更多的市场主体进入市场，促进数据要素流通和交易，是制度设计至关重要的工作。最后，人工智能、区块链等数字技术是数据要素市场的核心基础设施，影响着数据要素的交易制度和估值定价方法。数据要素定价机制是以数据要素价值和市场评价贡献为核心，基于场景对数据要素进行估值定价的制度安排。
一般而言，市场价格机制包括“市场决定价格”的价格形成机制和“市场在资源配置中起决定性作用”的价格作用机制。基于价值和市场评价贡献的数据要素定价机制，是“价值形成—价格发现—竞价成交”的过程。在数据要素价值形成的基础上，数据产品依托基于场景的定价激励机制，在市场竞价中形成均衡价格。区别于期货市场以竞价方式发现价格，数据要素的“价格发现”更侧重于评估与调节，既能通过估值模型和定价方法，量化数据要素价值，发现数据产品价格，也能基于场景和“市场评价贡献”，反映和影响供求关系。“价格发现”搭建起数据要素内在价值外化为数据产品价格的桥梁，促进数据要素的有效配置。
综上，数据要素定价机制是数据要素价值沿着“价值形成—价格发现—竞价成交”的演进路径，外化为数据产品价格的过程。基于价值和市场评价贡献的数据要素定价机制包括三部分：价值形成机制、价格发现机制和竞价机制。其中，价值形成机制是理论基础，价格发现机制是量化价值、发现和调节价格的方法与模型，竞价机制是形成均衡价格的激励机制（见图1）。
-02-
数据要素价值的形成机制
数据经过加工将资源价值转移到数据产品，数据产品是数据资源价值化的主要载体。数据要素价值的形成机制主要包括两部分：数据价值主要取决于其包含的数据质量和数据量，原始数据依托数据价值链，完成从数据资源要素化到数据商品化的价值增值过程；数据要素的价值体现在使用者手里，数据产品不能直接创造经济和社会价值，而是基于应用场景通过优化资源配置、影响经营决策、倍增要素价值等方式间接创造价值，实现从数据商品化到数据资产化的价值变现。企业自有的数据要素和购买的数据产品是企业的数据资产（见图2）。
（一）数据商品化实现数据资源增值
数据资源的价值增值是数据要素价值形成过程中的基础环节，是数据资源通过数据价值链形成蕴含价值和独特使用价值的数据产品的过程。数据价值链是企业全生命周期中数据资源相互关联来直接或间接创造价值的一系列流程，包含数据采集、数据处理、数据分析、数据应用和数据循环五个环节，共同构成数据价值从增值到变现的完整闭环。数据生产是一种劳动，数据产品是一种劳动成果，数据商品化过程是劳动和数据相结合的过程，它不仅可以降低数据利用的门槛，而且能通过市场机制激励数据创造价值。数据产品的价值是凝结在商品中的无差别的人类劳动。合法渠道采集的原始数据经过脱敏化、标准化处理后形成初级数据产品，初级数据产品经过人工智能技术和算法模型深度分析后形成高级数据产品。初级数据产品和高级数据产品在具体业务应用场景和交易场景中创造价值与实现价值，是数据资源的“惊险一跃”。
（二）数据资产化实现数据产品价值
数据从资源化到商品化，再到资产化，是数据产品的价值实现过程。数据产品在使用和流动过程中创造价值，并为企业和社会带来预期经济和社会收益，实现了数据产品价值。数据产品本身不能独立地创造价值，数据商品化之后，在生产、分配、流通和消费环节，与算法、算力、劳动、资本、土地结合，通过替代、渗透和协同机制赋能创造价值。在生产环节，数据产品可以替代和深度赋能传统生产要素，以挖掘有效信息、协同企业创新和改善产品质量等方式提升企业生产效率，低成本、高质量地实现要素价值倍增。在分配环节，数据链联结创新链、激活资金链、培育人才链，有效突破地域、产业和企业的边界限制，促进产业链不同环节、不同企业间的数据融合、业务融合和价值融合，推动社会资源配置从局部最优向全局最优演进。在流通环节，数据交易平台打通数据产品供给、存储、权益分配、交易结算和交割的链接通道，拓展物与物、物与人、人与人联结的广度与深度，建立新型信任机制，促进数据要素供需双方精准高效匹配。在消费环节，企业利用数据产品，基于算法模型和大数据分析技术，精准洞悉用户需求，利用“用户画像”实施精准营销，创新生产模式和商业模式，实现从规模经济向范围经济转型。此外，企业积淀了大量业务数据，其虽然不能直接用于交易，但作为生产要素不仅能在企业经营中发挥价值，而且可以在企业之间的数据交换共享、兼并收购或战略合作中体现价值，是企业的重要资产。
（三）数据产品价值变现必须结合场景
数据产品价值在应用和交易中变现，需要基于场景。数据产品的价值取决于经济主体的业务需求，而业务需求与应用场景密切相关。不同应用场景下影响价值的因素不完全相同，数据产品价值也会不同。商业价值创造与场景相互依赖、相互促进，价值实现方式也与应用场景密切相关。因此，数据要素创造价值和数据产品价值实现都必须依托场景。在数据要素价值形成的过程中，场景是指在价值创造和价值实现过程中涉及的、涵盖行为情境、空间环境和情感情境的一系列元素集合，可分为业务应用场景和交易场景。数据产品在业务应用场景中形成独特使用价值和价值，在（非）交易场景中实现（潜在）价值。
数据成为生产要素是一个渐进的过程，数据产品价值是在生产和交易中不断融合培育出来的。数据产品价值基于场景的多元变现路径包括三部分：一是数据产品在业务应用场景中融合业务应用实现价值变现。数据要素异质性明显，其价值高度依赖于应用场景，脱离具体业务应用场景来谈数据产品价值毫无意义。二是数据产品在交易场景中变现价值。交易是进行价格确定和价值核算的关键环节，数据产品在特定场景和时间节点上呈现极高的稀缺性和排他性，且价值差异明显，这是作为商品参与市场交易的数据产品核心特征。三是非交易场景下的价值变现。公共数据开放、并购、申请破产、收购、诉讼等非交易场景下的数据，虽然没有在市场中交易，但蕴含着丰富的潜在价值。
（四）非交易场景下的数据要素估值定价
除市场交易外，非交易场景下的数据也能实现潜在价值变现。部分无法或没有进行市场交易的数据也具有价值，比如，作为战略资产的存量价值、预期的未来价值等。非交易场景下的数据可视为一种广义上的资产，其定价本质上属于潜在价值评估。比如，在并购、申请破产、收购等过程中，存量数据会产生预期收益，可以通过实物期权法评估其未来价值。诉讼场景下的数据可以参考成本法、市场法、收益法等无形资产的估值定价方法来评估其价值。数据共享通常发生在行业或产业生态圈内部，共享对象是数据的限制性使用权。该场景下数据的价值较难评估，可以尝试用所有共享主体应用数据引致的价值增值总和来衡量。
公共开放数据具有外部性、普惠性和独特性，常规的数据资产估值方法并不完全适用，其估值在全球范围仍停留在理论探讨层面。年7月，上海数据交易中心和普华永道会计师事务所探索性提出“数据势能”的概念，并建立了公共开放数据估值逻辑。具体公式为：公共开放数据价值=公共数据开发价值（准确性、完整性、及时性、时效性、唯一性）×潜在社会价值（公共开放数据实际累计下载量）×潜在经济价值（应用场景的数目、涉及的行业）。“数据势能”模型测算出我国18个省份的公共开放数据资产潜在价值超过亿元，潜在社会价值占总价值的65%，潜在经济价值占35%。北京市、上海市、广东省、浙江省、四川省、山东省的公共开放数据实际下载量和应用场景多样性均领先于其他省市。当前，基础设施、民生、金融、医疗、教育领域的公共开放数据最具潜力，完善公共数据估值有利于促进开放。
-03-
数据要素价格的发现机制
不同于期货市场通过公开竞价发现价格，数据要素的价格发现首先是基于场景和“市场评价贡献”对数据产品供求关系的反映，引导和调节数据产品价格。数据要素价格发现机制可以分解为四部分：一是基于场景的数据产品定价，探讨业务应用场景和交易场景对数据产品价格发现的影响；二是基于市场供求关系的价格发现机制，探讨成本、市场结构和数字技术对数据产品价格发现的影响；三是主流的数据产品定价方法和策略，发现数据产品价格；四是建立标准化的数据要素价值评估指标体系，量化数据要素价值。（见图3）。
（一）基于场景的数据产品定价
各行业不同应用场景下的数据产品属性、功能、价值存在差异，与之匹配的度量方法也会有所差异，进而影响数据产品量化定价。场景与交易机制相匹配、相关联，对数据产品定价影响显著。与数据产品价值变现相对应，数据产品基于场景定价的实现路径包括两部分：一是业务应用场景下的数据产品定价，即“场景化”定价；二是交易场景下的数据产品定价，即交易机制设计。
数据要素市场交易的数据产品，因企业业务类型、使用能力和应用场景的差异，会在数据业务化中产生不同的价值。第一，数据产品类型决定应用场景，进而形成相适应的估值定价方法。比如，证券公司发布的行业研究报告一般采取订阅定价或固定定价；贵阳大数据交易所提供的定制化数据服务，部分采用基于查询的定价模型。第二，基于具体业务应用场景，卖家可以根据买家需求、购买能力和风险偏好，制定“个性化”数据产品定价策略，形成有效的版本划分、群体区分与买家自选择机制。典型的价格歧视定价策略，如基于产品版本划分的二级价格歧视定价，以及基于买方群体差异化的三级价格歧视定价。第三，具体交易场景下的数据产品定价主要取决于产品类型、市场结构、卖方策略和信息对称情况等，本质上是一种根据买家异质性和产品差异化的定价方法，如算法模型、博弈论模型、招标式拍卖、联邦学习定价、模糊综合评价法等。比如，银行业根据业务价值的关联程度，将算法模型类资产分为直接收益模型和全领域通用模型两大类型。
数据产品广泛应用于零售、金融、制造业、物流业、农业种植等行业，深度渗透到企业的精准营销、智能制造、风险规避和广告推送等应用场景。比如，金融行业运用数据产品进行用户画像、根据风险指数的曲线（即风控模型）构建信用等级、发展数字信贷、防范金融诈骗等。制造业利用工业大数据进行产品故障诊断、改进生产工艺流程等。零售业运用可视化的数据产品实现供需匹配、消费预测和广告投放等。业务应用场景作为重要元素被嵌入数据产品定价策略。根据数据产品功能、性能、时效上的差异，买卖双方或专业的数据价值评估机构设定不同的度量方法和定价模型。比如，Yang等研究了隐私数据的度量方法，并提出基于用户隐私态度的补偿机制，有助于进一步构建基于隐私度量的定价模型。再比如，根据不同场景下的数据度量维度，探索离散型、连续型和组合型的测度方法，构建离散、连续、乘积测度空间上的数据产品定价模型。
根据数据产品加工的精细程度，数据交易分为直接交易和间接交易。直接交易模式是指卖家直接提供经初步加工后形成的初级数据产品。直接交易的数据产品可辨认、价值可预期，如脱敏处理后的数据集等，可以采用捆绑销售、订阅租赁以及各种拍卖方式定价。在数据匿名化和标准化的基础上，卖方对数据产品按“盒”或“条”等方法估值，然后计件定价。间接交易模式的交易对象为高级数据产品和部分初级数据产品。数据交易中心和数据类企业通常采取间接交易模式，把高级数据产品交易作为核心业务之一，其中数据类企业往往以出售自有数据或数据结果为主。比如，数字平台企业向商业银行出售数据应用系统与软件，在消费金融、场景营销等领域开展合作。间接交易模式可以较好地实现数据产品与应用场景结合。交易平台根据特定业务以API接口形式交易并按调用量收费，买卖双方也可以通过数据交易中心对接后按照应用场景中所需的数据产品进行估价和交易。直接和间接交易的数据产品都可以采取基于版本划分和群体区分的价格歧视定价方法，如两部定价法（固定费用和从量使用费用相结合）、拍卖定价法等。
（二）由市场供求关系决定的数据产品价格
标准化的数据产品可作为商品进行流通交易，除自身价值外，成本和市场结构也是影响价格发现的重要因素。其中，成本通常作为数据产品定价的下限；市场结构主要由供求关系决定，与交易模式密切相关，对价格发现产生影响；同时，数字技术的运用不仅能影响市场结构，而且能降低数据产品价格发现的成本。
基于客户感知价值的定价模型是一种可行的价格发现方法。数据产品消费是一个因人而异的主观体验过程，需求者在比较购买数据产品带来的综合效用和付出的所有成本后，形成对该数据产品的主观价值评价。需求者的意愿支付价格是数据产品市场价值、特殊使用价值和服务价值的“客户感知价值”的综合体现，具体包括数据产品的市场价格、需求方的偏好程度和满意度、供给方或中介平台的服务水平等。比如，熊励、刘明明、许肇然基于“客户感知价值”的五个维度（价格价值、功能价值、竞争价值、情感价值和社会价值），提出了数据交易平台与供应方协同议价、需求方与供给方博弈定价的数据产品定价机制。与此同时，随着消费模式的个性化、定制化和多元化，以及生产方式的柔性化、数智化和敏捷化，客户感知价值在卖家定价策略中的权重越来越大。
双边和多边市场结构会影响数据产品的价格发现。数据交易中介是双边或多边市场结构中的核心和供需匹配“桥梁”，如数据经纪人、数据交易所。数据交易中介基于交叉的网络外部性和非中性的价格结构，促进数据买卖双方精准高效匹配，以及数据买家、数据提供商、数据交易中介之间的相互合作与竞争博弈，最终形成合理的数据产品价格发现方法。若市场结构不同，交易模式和价格发现方法也会不同。基于具体的市场结构，数据买卖双方（多方）可以采取通过数据交易中介进行集中间接交易，或者直接以“点对点”交易模式发现、调节数据产品价格。比如，对于交易频次高、交易人数多的双边或多边市场，数据交易平台充分发挥市场决定价格作用，采取买卖双方自由定价、协议定价等价格发现方法；对于“N对N”的多边市场，博弈竞价和拍卖则是较好的价格发现方法。“点对点”交易模式效率低，适用于非标准化、成交量小且分散的数据产品交易；集中交易模式则适用于标准化程度高的数据产品。
数字技术深度赋能数据产品价格发现。价格发现是市场机制的基本功能，但目前常规的数据产品价格发现手段成本高、准确度和精准度低。人工智能和区块链等数字技术为更优的价格发现方法提供了底层技术支撑。人工智能技术是驱动数据在计算机软件中流动、运算和价值形成的内在动力，有助于开拓应用场景、优化定价模型，运用智能合约发现价格。区块链技术为建立买卖双方间的信任机制和“链上交易”机制提供底层技术支撑，基于联盟链的新型大数据交易模式平台可以分别实现数据使用权的交易定价和数据所有权的交易定价。
（三）数据产品的主流定价方法和策略
数据产品作为企业特殊的资产，既具有无形资产的部分特征，又呈现独特的资产属性。数据资产目前尚未体现在企业的财务报表上，部分企业已经确认的数据资产只能以专利形式纳入无形资产条目中。实践中，数据产品的定价方法大致可以分为三大类。
1.基于会计视角的定价
学者们参考无形资产的估值定价思路，提出了成本法、收益法、市场法等会计学的估值定价方法。成本法
转载请注明：http://www.0431gb208.com/sjszjzl/5240.html
