数据资产定价与“数据要素×金融服务”行动

数据资产的定价机制是数据资产治理的重要内容，公允、合理的数据资产定价能够加速数据流通、释放数据价值，进而推动金融服务转型升级。本文先分析了数据资产定价存在的难点、数据资产定价方法的新旧迭代，接着指出数据资产定价对金融行业的实际影响，最后针对进一步发展数据资产提出建议。

2023年12月31日，财政部印发《关于加强数据资产管理的指导意见》，明确提出构建“市场主导、政府引导、多方共建”的数据资产治理模式，进一步释放数据资产价值，推进数字经济高质量发展。数据资产的定价机制是数据资产治理的重要内容，公允、合理的数据资产定价能够加速数据流通、释放数据价值，进而推动金融服务转型升级。

数据资产定价存在的难点

从2023年开始，财政部、中国资产评估协会相继颁布了《企业数据资源相关会计处理暂行规定》《数据资产评估指导意见》等规章，为数据资产的会计处理与价值评估提供了初步指南。数据资产计量时代的到来，给数据资产定价提出更高的要求。不同于其他资产，数据资产由于具备的一些特殊属性，在定价过程中普遍存在以下几个难点：

其一是数据资产的定价高度依赖其使用场景。数据的价值主要源自其与特定问题的相关性，而不同场景对数据的需求往往不同。如果数据能够提供解决问题的关键信息，其价值也会随之增加。一方面，对于不同的应用场景，相同的数据可能具有不同的价值。不同的场景对数据的需求和评估标准不同，因此数据在每个环境中的贡献和效用也会不同，从而影响数据资产的定价。另一方面，数据资产在不同场景下的应用难度也有较大差异。数据资产需要经过分析、处理才能用于场景下的问题解决，不同场景下数据资产应用难度的差异也会影响数据资产的定价情况。此外，数据资产还有时效性的显著特征。数据资产反映的是某一时期的具体情况，随着时间的推移，这些情况可能发生变化，使得原有数据不再能准确描述当前状态或预测未来趋势。因此数据资产的定价也依赖于场景下的时效特征。

其二是数据资产定价过程中存在“阿罗信息悖论”。在大多数的资产交易过程中，需求方需要事先了解资产的具体信息，从而判断资产的使用价值和交易的可行性。但由于数据资产具有无限可复制性，数据资产供给方在将数据披露给需求方这一过程中，需求方可能就已经获取了所需要的信息，导致数据资产交易失败。“阿罗信息悖论”的存在导致数据资产难以被合理定价，且交易风险高，因而影响了数据资产的良性流通。

其三是数据资产质量差异较大且难以评估。数据资产的来源多样、复杂，包括但不限于个人行为数据、企业运营数据、公共数据等，数据形式也是多种多样，不同主体数据治理水平的差异使得数据质量参差不齐。数据资产涉及领域众多、异质性强，且数据统计的口径标准不一致，也进一步加大了数据资产质量评估和数据资产定价的难度。

其四是监管要求进一步提高了数据定价难度。许多国家和地区实施了严格的数据保护法规，如欧盟的通用数据保护条例（GDPR）和美国加州的消费者隐私法案（CCPA）。这些法规要求企业在收集、存储和处理个人数据时必须遵守高标准的隐私保护措施，并且需要获得数据主体的明确同意。监管要求通常伴随着合规成本的增加，企业需要投入大量资源来确保数据管理和处理流程符合监管要求，这些投入不仅增加了数据资产的直接成本，也提高了数据资产的最终定价的难度。

数据资产定价方法的新旧迭代

在数据资产运用的最初阶段，其价值并未得到充分理解，数据往往只是作为解决问题的辅助性工具。随着互联网、信息技术和大数据技术的发展，数据资产的价值才逐渐得到重视。数据资产的拥有者逐步认识到，数据不仅可以用于辅助问题解决，其本身就是可以直接交易的商品性资产。对数据资产认识水平的提升催生了对数据资产定价的需求。当前，数据资产的定价有以下几种常见的方法：

一是成本定价法。成本法在数据定价领域是一种基于制作和维护成本的评估方法，通常包括直接成本（如数据的采集、购买费用）和间接成本（如数据的清洗、分析、存储和维护费用）。成本法通过汇总这些费用来确定数据集的基本市场价值，使得定价过程直观且易于操作。然而，成本法主要的局限在于它仅考虑了数据生成和维护的成本，而忽略了数据的市场需求和潜在价值。此外，成本法主要适用于买家需求较为统一、成本信息较为透明的情况，如标准化的数据产品。在实践中，尽管成本法提供了数据定价的基础，但为更全面地评估数据的经济价值，通常需要结合市场需求或其他定价方法来进行综合考量。

二是收益定价法。收益法在数据资产定价中着重于评估数据产生的实际或潜在收益，进而反映数据的效用价值或现值。此方法常涉及预测数据资产在未来可能带来的业务收益，并结合时间价值对这些预期收益进行加总。收益法适用于那些能直接产生经济效益的数据资产。例如，用于广告投放的数据资产可以通过广告收益模型来定价，这种模型考虑了广告收益与成本的比例关系。然而，选择合适的折现率以及预测准确的未来收益是收益法面临的主要挑战，尤其在数据应用结果分散于多个业务部门或其贡献难以直接量化时。收益法提供了一种理解数据资产潜在价值的视角，尤其是在数据能够直接明显推动业务增长的情况下，这种方法能够较好地反映数据资产的价值。

三是市场定价法。市场法是基于市场上已存在的相似数据资产的交易价格来评估数据价值的方法。这种方法适用于市场上有可比数据交易的情况，能够提供一个客观的价值估计，反映当前市场的供需状况。市场法通常涉及对类似数据资产的重置成本、当前成本或可变现净值的考量，即考虑用新资产替换已有资产的成本、用类似用途的资产替换的成本，或者资产可能出售的金额减去出售成本。然而，这种方法的实施相对成本法更为费时和昂贵，并且需要充足的市场交易数据作为参考，这在数据类型独特或市场信息不充分的情况下显得尤为困难。

除了传统的会计评估定价法，其他如博弈定价、隐私补偿定价以及“信息熵”定价等较新的评估方法也在数据资产定价领域得到了广泛的探讨。这些方法通常针对特定的数据资产应用场景设计，从数据在特定场景中的关键特性出发，有针对性地估算数据资产的价值。通过深入分析数据的实际使用情况和影响因素，能够更精确地捕捉数据的经济价值，从而为数据资产的评估提供更为精细化的视角。

在数据资产定价的实践层面，目前国内数据交易所的定价机制尚未达到国际先进水平。通常情况下，只有当数据资产交易发展到一定规模时，交易所才能形成并固定标准化的价格指数。在数据资产交易相对成熟的美国，超过半数的数据交易所已采用交易所固定定价的方式，只有极少数仍依赖于拍卖或协商的定价模式。根据统计，国内的数据交易机构也已经超过了50家。但在定价策略方面，缺乏得到广泛认可的市场定价标准，国内市场仍主要采用“参考价格+撮合议价”的模式，尚未能实现交易所固定定价。此外，贵阳大数据交易所采取了一种基于卖方视角的成本法途径，提出了一种数据产品定价的通用模型，这是数据资产定价方法实践的一次有益探索。

数据资产定价对金融行业的实际影响

在现代金融领域中，数据的作用至关重要，它不只是金融市场运作的基础，更是金融机构在决策制定、风险管理和服务优化方面的核心要素。数据的广泛应用覆盖了从实时市场交易分析到信用风险评估等各个方面，充分展示了其在推动金融创新、提高市场效率以及优化金融服务质量方面的关键作用。2024年1月，国家数据局与中国人民银行、国家金融监督管理总局等17部门联合印发《“数据要素×”三年行动计划（2024—2026年）》，明确将金融服务列为12个行业和领域之一，推动发挥数据要素乘数效应，释放数据要素价值。在“数据要素×金融服务”的背景下，数据资产的合理定价能够对金融行业产生以下几方面的影响：

数据资产定价机制的建立和完善直接影响金融资源的配置方向和效率。当金融市场能够对数据资产进行准确评估和合理定价时，投资者和贷款机构就能更有效地识别这些资产的潜在价值和相关风险，从而做出更加明智的投资决策。例如，大数据分析公司、云计算服务商或人工智能研发企业，其核心资产通常包括大量的数据和企业的数据处理能力。在一个有效的定价机制的支持下，这些企业的数据资产可以被合理估值，从而增强金融机构向这些企业提供科技金融服务的意愿和信心。流向这些企业的资金不仅推动了技术创新和业务扩展，还加速了社会数据资源的流动和利用，因为这些企业会持续收集、分析并应用新的数据，推动数据及相关技术的发展。此外，一个透明、公允的数据资产定价机制还可以减少市场信息不对称，确保资金更可能流向那些能够通过数据创造实际价值的企业，而非仅仅依赖于概念炒作的公司，从而优化市场的资金配置和资源分配。

数据资产的合理定价强化了其作为资产的金融属性。数据资产作为交易市场的新型标的，推动了金融市场发展出多样化的新型金融产品，包括基于数据资产的债券、投资基金以及与数据性能相关的衍生工具。这些创新产品使投资者能够直接投资于数据的潜在价值和未来表现。此外，数据资产的合理定价还使其能够作为信用增强工具，特别是作为贷款抵押使用，这对于那些传统资产不足但数据资源丰富的企业尤其重要。数据资产的交易还催生了新的市场机会，如数据交易所，这些平台允许数据资产的所有者和需求者在一个透明且规范的环境中进行交易，从而提升了数据资产的流动性和市场效率。金融机构开始利用大数据分析来优化风险评估模型，提高决策的精确性。同时，金融科技公司利用数据资产开发智能投顾工具和个性化金融服务，不仅提升了服务质量，也增强了消费者的参与感和满意度。因此，数据资产的合理定价不仅实现了数据的经济价值，更是推动金融行业向更广泛创新和效率转型的关键驱动力。

数据资产的定价机制改变监管和风控领域的生态机制。一方面，从监管的视角来看，透明且合理的数据定价有助于建立一个更公正和透明的市场环境。监管机构可以利用定价机制要求数据供应商披露关键的数据来源和定价逻辑，这样做不仅增加了市场的透明度，还能有效地监控和预防市场的滥用及操纵行为。另一方面，在风控领域，合理的数据定价使金融机构能在成本和效益之间做出更精确的判断。金融机构通过获取成本效益合理的高质量数据，能够更精确地进行风险建模，有效预测和减轻潜在的财务风险，从而显著提高整个行业的风险管理水平。数据资产的合理定价不仅促进了金融市场的健康发展，还通过提高数据获取的质量和效率，增强了金融机构的风险控制能力和监管机构的监督效果。

进一步发展数据资产的建议

一是建立多方参与的定价机制。鼓励金融机构、独立数据供应商、数据需求方以及监管机构等各方面的利益相关者共同参与到数据定价过程中，共同构建一个公允、透明的数据定价体系。这一体系的价值在于融合来自各方利益相关者的专业知识和市场实践，共同打造一个公允透明的数据定价体系。此外，引入第三方评估机构对数据资产的价值进行独立核查，也是确保定价客观性和独立性的有效方式，进一步增强市场参与者对定价公正性的信任。

二是完善数据基础设施建设。为确保数据资产的有效流通与利用，建立一个全面且高效的数据基础设施至关重要，包括从高速网络连接如5G、光纤，到强大的算力支持，以及数据的汇聚、处理和安全保障等各个方面。随着技术的不断进步，应当重点推动区块链技术和隐私计算的广泛应用，以增强数据在不同机构和使用场景下的安全流通能力。此外，构建可信的数据空间和优化数据交易系统不仅可以降低交易成本，还可以提高市场主体的参与度。相关部门应携手企业、科研机构和国际合作伙伴，共同推动数据基础设施的创新和完善，支持数据资产交易的健康发展，进一步赋能金融或其他领域转型升级。

三是优化相关法律监管环境。随着数据在金融决策中的应用越来越广泛，特别是个人数据的作用日益凸显，数据的隐私和安全已经成为监管重点。立法需要清晰规定数据资产的采集、存储、处理和传输标准，确保所有相关操作均在一个合法和透明的框架内进行。此外，随着全球化金融服务的扩展，跨境数据流动已成常态，这要求法律框架能够有效处理跨国数据流动和数据主权等复杂问题。调整跨境数据流动的法规不仅要保障个人和企业的数据安全，还须确保这些规定不妨碍国际市场的有效运作。通过这些措施，可以在推动金融技术创新和国际合作的同时，预防数据滥用和降低系统性风险，从而促进金融市场的稳定与健康发展。

四是倡导金融从业人员提升数据素养。随着市场中数据要素的增长，金融产品的复杂性日益增加，金融从业人员应当掌握一定的数据处理和分析技能，才能准确评估项目可行性并制定基于数据的决策。良好的数据素养不仅助力从业者更有效地管理和运用信息，还有助于企业主体降低运营风险。因此，金融机构应当投资于员工的数据教育和技能培训，从而提升其在现代金融环境中的竞争力和创新能力。

通过这种持续的教育，金融服务行业不仅能提升服务质量和效率，还能更好地适应市场变化和满足监管要求，进而推动整个行业的健康发展，赋能“数据要素×金融服务”实践落地。

（尹振涛为中国社会科学院金融研究所金融科技研究室主任，魏冕为中国社会科学院大学应用经济学院硕士研究生。本文为中国社会科学院数据库专项“金融科技发展指数及数据库建设”（2024SJK012）的阶段性研究成果。责任编辑/王茅）