价值导向型的综合数据交易定价机制研究
2023-03-12王嘉文郭树行
王嘉文 郭树行
摘要：数据市场日渐发展，数据产品层出不穷，但数据定价方面缺少统一科学策略。本文以数据价值为导向，参照标准DQAF模型，提出具体价值评估指标，并结合成本、商业利润、垄断市场、政府等诸多经济因素进行考量，得出修正系数，然后提出以数学模型为基础的价值导向型综合定价法，并总结改进当下评估机制与交易体系，为数据市场数据定价交易另辟蹊径。
关键词：数据市场；价值导向；定价；DQAF；交易
引言
伴随数字经济发展，数据作为新兴的重要生产要素在市场化进程中取得飞速发展，并对国家政务决策、企业生产经营等行为提供了重大支撑。当下建立一个高效的数据交易市场尤为紧迫，以科学合理的定价交易机制实现数据市场公平，满足数据平台方、数据需求方、数据供给方的利益诉求。但因数据具有非稀缺性、非均质性和非排他性等独特特征，使其在要素定价方式上不同于傳统要素，完善数据消费侧即建立对于数据价值进行合理科学的评估机制，以及完善规范的数据定价交易流程成为攻关重点。
1. 数据定价交易发展现状
1.1 行业现状
我国数据拥有量位于世界前列，国家多次对数据市场建设进行宏观引导，明确数据要素市场建设的具体任务要求。我国现行主要数据定价方法如下：一类为参照传统定价方法进行成本法、收益法定价；另一类为结合数据要素特质提出新型定价方法，如博弈论定价法、平台协商定价法等。其中传统方法使用较多，尤其是市场法。例如近年上海德勤资产评估有限公司与阿里研究院所构建的模型为：被评估的数据资产价格=可比数据资产市场交易价格×调整系数。但是该类方法因数据市场主体参与度较低，可能不足以支撑数据对比；并且数据自身具有时效性、非均质性等特点，影响因素和修正系数难以确定。在定价方法中，博弈论定价法、协商策略法等，可能存在信息不对称、数据非排他性导致的安全、信用问题等，人为干扰因素大，从而导致市场运行低效。
1.2 学术研究现状
当前对于数据定价交易机制的研究仍处于起步期。瓶颈在于，少量研究中对于数据定价模型多采用传统生产要素和市场结构的评估方式，在价值评估方面缺乏各项指标、函数模型、参数核算、利润等因素考量。
定价数学函数形式上，李贵孚等人以数据特征为基础，进行了数据定价函数模型的建构，对比多种函数形式，同时考量垄断因素[1]。基本思路上，参考刘朝阳对从成本价格论与效用价格论的研究及其价格精细化处理方法[2]。具体价值指标上，参考尹传儒等人对于数据资产价值评估指标指数进行分析，运用成本法、收益法等进行价值评估，综合各指标以市场法进行定价[3]。同时学习传统定价方法，苏素考虑到了多种市场假设条件如寡头垄断等，提出产品性能特征值等定价法[4]。王宏达对知识商品等几种商品为研究对象，从决定和影响价格的因素入手定性与定量方法相结合探讨商品的定价方式，提供借鉴[5]。在定价流程体系上参照刘鹏对于DQAF模型设计的数据价值评估体制与数据价值评估的工作内容[6]。整体结构上根据Mass模型与斯塔克伯格的博弈模型，进一步提出基于单位数据贡献为基础进行定价，并对各环节各主体进行划分[7-8]。
2. 价值导向型综合定价交易机制
2.1 价值导向型综合定价法模型
本文在以上参考文献基础上，结合基于数据管理质量评估、现实场景各主体实际需要、金融资产定价方法的定价宏观思路[9]，创新提出价值导向型综合定价。与传统供求沟通、阶段性等纯数学模型定价不同，以成本为下限、价值为上限，对于数据要素定价采取多参数确定形式。
从定价区间上看，以成本价格论确定最低价格，为厂商再生产所需要的最低价格，忽视数据所创造的价值考虑，以最低的商业利润和成本进行考量，得出最低价格为预处理后的成本+预处理后的成本+最低利润率+数据平台运营成本，即p=c1+c1r0+c2，其中c1为预处理后的成本，包括有采集、处理、开发、封装、服务环节，使得数据可以正常稳定使用，r0为能够保障数据再生产顺利进行的最低利润率，c2为数据平台运营成本，包括授权、确权、行权、评估、交易环节，保障多方权益。成本方面记账采用区块链技术。
最高价格上包含有数据价值、商业利润、垄断厂商、成本等考虑。现有价格效用论中，以数据产生的效益利润为导向，使用大数据前后的预期效益差值使用价值，构成最高价格的一部分：（T1J1+T2J2+…+TnJn）-（Q1J1+Q2J2+…+QmJm）。其中，Qj、Hj是使用大数据I前事件发生的概率和预期收益，Ti、Ji为使用大数据I后的概率和收益。但由于部分产品存在非确定性收益问题，难以进行量化处理，且概率和预期收益统计难度较大，评估成本高昂，故暂不考虑效用价格论计算方法，但坚持以价值为导向的基本定价思路不变，将价值融入数据的最高价格中，同时兼顾成本、常规利润、垄断厂商等考虑提出价值导向型定价方法确定最高价格。在对价值量的量化中，以上海德勤资产评估有限公司为代表的市场法定价虽然也涉及量化内容，但过于依赖可比数据产品选择。学界中在其基础上提出技术修正系数、价值密度修正系数、期日修正系数、容量修正系数，可转化为DQAF具体指标进行计算。
现提出数据最高定价：P=（1+r1）（α1·X1 +α2·X2）+c2+ε，P表示价格；Xi表示产品的第i个属性或特征；ε是误差项；αn是相关因素系数；r1为商家预期产品毛利润率此式以价值导向为基础，考虑数据产品独特特性，对于数据量与质量进行分析，结合DQAF模型得出数据价值，DQAF全称为数据质量评估框架，定义了通用模式，并根据其评级具体状况，进行赋值、量化价值。对于相关因素系数结合数据个性化特点与DQAF模型，提出评估指标进行因素系数确定。
将数据价值维度分为两大类，一为数据量与质量即X1，包括6个指标：完备性、及时性、有效性、一致性、完整性、准确性。完备性为数据覆盖程度大小，满足业务应用程度；及时性指数据对业务真实信息反馈滞后情况；有效性指数据获取程度是否简单直接；完整性指数据内容是否有缺失情况；准确性指数据是否符合真实情况，与权威内容是否一致。二为数据分析能力，从需求侧和供给侧两个维度进行分析，包括4个指标：信息系统、人才技能、消费者需求、企业规模大小，由专业人员进行评估。企业规模与价格成正比，因为小厂成本单一。信息系统中着重进行对于算力评估，分为数据计算速度（运算能力）、数据处理能力（CPU通用计算能力）、数据存储能力（性能、密度）、数据流通能力（网络能力）[10]。并运用层次分析法计算各产品特性的因素系数αn。指标评级将因素系数与产品特性进行乘积得到数据产品价值量，再加入产品商业利润，以商家预期产品毛利润率为量化形式，为（1+r1）与价值量相乘，得出利润预期下的产品价格，再加入平台方维护成本和计算中可能出现的数学偏差进行修正，得出价格。以报價、估价、议价为过程，并围绕各阶段各交易模式进行动态调整。
同时为了解决价格非线性特征的影响问题，进行分类讨论，可将价格取对数之后与产品的属性建立回归方程其表达形式为：lnP=（1+r1）（α1·X1 +α2·X2 +ε）。
鉴于当前市场大部分数据为规模较大的公司所持有，考虑到可能出现的垄断等因素，垄断厂商定价为Pi=（1+r1）[α0 +α1·X1 +α2·X2 +（lnPi -lnCi）] +εi+c2，以lnPi -lnCi 表示垄断力量所控制的价格浮动空间，表明垄断厂商数据在数据价值上的某一优势，从而使其价格远大于边际成本。一般情况为完全竞争市场，边际收入等于边际成本无须考虑。
综上，故确定价格区间为c1+c1r0+c2 此外，政府数据作为公共品，不同于竞争市场商品定价方法，政府数据产品市场化易造成政府垄断现象出现，同时价格为0，易造成用户隐私受到侵害，因运营维护成本较高，易造成入不敷出，财政赤字。本文认为涉及关键领域及用户安全的数据不宜市场化，同时考虑公共品性质与成本考量，可令P=c，即价格=数据成本平均值。 2.2 价值导向型综合定价法机制流程 以价值导向型综合定价模型为基础，制定定价机制整体框架，完成定价的实现。 具体分为如下步骤：第一步依照定价模型进行整体设计，依照模型进行具体指标核算；第二步整理数据，针对不同规模数据进行组织多次分配；第三步进行信息测量，按照数据属性分为两类测量，一为供给侧的技术测量侧重于数据量与质量本身，评估共性通用问题，对应指标中的完备性、及时性、有效性；二为需求侧业务测量，侧重于业务需求，即与数据供给是否一致、满足需要，对应指标中一致性与完整性，根据不同指标由专家进行整理评估，运用层次分析法等计算标准阈值，同时对数据平台运营维护成本进行核算；第四步进行高频测量与低频测量，形成相关报告。 具体操作如下：数据需求中为目标企业进行经营分析和战略决策所依托的数据使用程度，可通过识别所需，判断是否满足业务目标，与相关方在内容、格式、流程中是否一致满足，以文档或数据库形式对于数据使用进行记录；质量需求中进行动态实时监控，构建数据质量库，进行案例储备、优化计算，包括算力评估、容量评估等，判断其符合第几等级与是否存在问题，会对经济效益产生的影响；对于c1即与处理的判断划归为服务能力，对于企业加工进行分析，结合需要跨领域、跨行业数据，以跨产品服务平台形式进行判断。 2.3 价值导向型综合定价法交易策略设计 在数据市场交易策略方面，不同于以往的集中式交易、平台交易的研究，本文在原有分布式交易理论基础上，依据区块链技术和CA认证体系，对于分布式交易的中央分层分级机制进行具体化，并对于利润的分配基于契约用区块链进行规则化表达。研究分布式交易模式优劣处，提出改进方案；对于数据的价格实现进行契约化分析，研究得出利润的具体分配方向。 首先在确权方面，依据基于决策的成本结构进行分析，即对数据领域中按各种主体参与决策程度所发挥作用进行判断所属，辅之以信托制度进行所有权、收益权等的明确界定，确定数据资产所有权归属。 在数据资产确权的基础之上，围绕定价与交易两大点进行分析。数据定价的目的为数据交易服务，数据交易又以数据定价为依据，因此二者紧密联系且对立统一。 基于价值导向型综合定价机制，分析的第二点即对数据市场交易运行模式的研究。基于我国当前全国各交易所及各交易中心的运行实况，提出分布式的交易业务开展方式，设置中央性质的CA中心和地方性质的RA中心，以RA作为CA的地方代理，依托区块链技术开展区域性分布式交易业务，又将票根上报至CA中心留档，以CA作为中心化认证中心，同时完善相关交易模式下的价格监督机制等从而开展数据交易。最后将二者进一步联系，在此流通过程中对于各方收益的分配围绕R=P-C这一基本结构，将利润分配并以契约制度为基础，用区块链技术进行规则表达，于定价和交易中具体落实契约化，实现交易。 3. 应用建议 以寻求普适性定价交易机制为目标，价值导向型综合定价交易机制在面对各种情形时进行了相关分类规划，进行了量化处理，覆盖大部分市场流通环节，适用于各地数据中心或大数据交易所。数学形式上，价格模型针对价格线性与非线性问题，划分为线性与半对数形式；产品类型上，对于垄断厂商数据、政府数据等进行划分；主体权益上，对于运营方与供给方等进行合理分配，力图实现市场公平。此外，该定价交易机制需以区块链、数据库等信息技术作为支持。 结语 在当下数字经济飞速发展的大环境下，顶层设计亟须进行改进调整。数据作为日渐重要的生产要素，市场化进程被加速提上日程。其中定价交易作为市场流通的关键环节之一，科学的定价机制和规范的交易方式是市场资源配置最优化的一个重要前提。本文结合数据要素特殊性和我国数字经济实况，提出了价值导向型综合定价机制、规范化的定价流程，优化改进的交易模式制定，实现了定价交易的完整闭环环节，希冀为我国数据市场提供一系列策略性参考意见。 参考文献： [1]李贵孚，柳青.特征价格模型在信息商品定价中的应用[J].情报科学，2006， （11）：1641-1645，1695. [2]刘朝阳.大数据定价问题分析[J].图书情报知识，2016，（1）：57-64. [3]尹传儒，金涛，张鹏，等.数据资产价值评估与定价：研究综述和展望[J].大数据，2021，7（4）：14-27. [4]苏素.产品定价的理论与方法研究[D].重庆：重庆大学，2001. [5]王宏达.电子商务环境下几种典型商品的定价策略研究[D].沈阳：东北大学，2006. [6]刘鹏.基于DQAF的数据质量评估机制设计[J].统计与决策，2021，37（11）：49-52. [7]张小伟，江东，袁野，等.MaSS：基于单位数据贡献的模型定价框架[J].计算机科学与探索：2022，10（21）：14. [8]刘枬，徐程程，陈俞宏.基于效用的数据定价方法研究[J].价格理论与实践：2022，10（15）：1-4. [9]孙震，白云鹤，王潮.大数据交易平台的定价模型和定价指标体系研究[J].微型电脑应用，2022，38（8）：91-93. [10]郭亮，吴美希，王峰，等.数据中心算力评估：现状与机遇[J].信息通信技术与政策，2021，（2）：79-86. 作者简介：王嘉文，本科，研究方向：金融风险管理和金融科技。
