数据商品的定价和数据资产的估值困难探析

数据本身与工业时代的商品有很大的差异，工业时代的商品经历了上百年的发展之后已经形成了大家都认同的标准化定价模式，比如基于物权的定价模式基本上是成本加上品牌定价。而数据产生的边界成本基本为零，显然这种模式不太适用，但从数据加工的成本出发，可针对源数据进行加工后再以API或数据集的方式销售给用户。数据作为商品的定价模式，目前主要有以下三类。

（1）物权定价，这种工业品定价法基本上是成本定价加品牌定价，由于数据产品边界成本为零，所以该方式不太适合，但目前按照数据加工的成本还是有企业在尝试，比如数据堂。

（2）知识产权的定价，类似于软件的许可证模式，按照使用权定价。

（3）收益定价法，按照用数据的收益来定价，由于数据边际成本为零，每一次用、不同人用数据采用不同算法，数据时间价值跟工业品不一样。(www.xing528.com)

对于数据衍生产品的定价则更加困难。现在大多是根据产品的稀缺性来进行定价。数据作为未来经济的“石油”，其自身价值如何体现是一个重要的问题。数据的物理实质是记录在介质上的比特。比特是可以低成本无限复制的，接近于零边际成本，这与普通商品的稀缺性相矛盾。商品如果失去了稀缺性，其价值也就趋近于零。所以，数据有价值首先要确保数据的权属问题。从目前的发展来看，强调数据使用权和基于数据的增值服务比较有利于整个数据产业的发展。

数据定价与估值是最具有挑战性的研究方向，目前尚无成熟的研究成果。现今数据的定价有两个依据：一是根据效用，二是根据稀缺性。简单来说，数据效用就是数据使用的频率，也可以理解为从分析结果逆推数据的渊源（lineage），从而量化各方数据对结果的贡献度。稀缺性则是根据数据价值的密度以及历史价格进行定价。项目将围绕稀缺性，以现有的各种商品定价理论为基础，提出适合大数据交易的定价模型和方法，并通过相关数据产品的实践进行验证。

既然是交易，就离不开市场与价值这两个范畴。数据交易也不例外，离不开数据市场和数据价值，离不开数据的商品化和数据的资产化。从数据商品化角度来看，用于交易的对象可分为源数据、数据产品/服务/应用/数据模型、数据衍生产品等，其核心内容是数据服务产品的定价模型与方法问题。从数据资产化角度来看，随着互联网技术的不断发展，数据本身就是资产，数据资产化的主要内容包括确权、价值评估和资产运营等方面，其核心内容是数据资产化方式及数据资产价值评估与管理问题。