數據是驅動數字經濟蓬勃發展的核心要素，與土地、勞動力、資本、技術等生產要素一樣，已經成為基礎性資源、重要生產力和關鍵生產要素。2022年12月，中共中央、國務院印發《關于構建數據基礎制度更好發揮數據要素作用的意見》（簡稱“數據二十條”），首次明確數據基礎制度“四梁八柱”，勾畫數據要素的制度藍圖。在要素市場中，價格是集中反映要素在社會化生產中價值貢獻度和供需關系的核心指標。從某種意義上說，生產要素實現市場化分配的過程，就是要素價格逐步形成的過程。數據市場要成為一種典型的生產要素市場，就同樣需要建立順應發展需求和自身特殊規律的價格形成機制，以有效反映數據要素市場的供需關系和數據的實際價值貢獻。本文擬在對國內外相關研究文獻系統梳理的基礎上，重點圍繞十九屆四中全會提出“由市場評價貢獻、按貢獻決定報酬”的數據要素市場化配置改革目標，研究提出能夠適配不同數據交易標的物形態，有效適配數據供需各方責權利的要素價格形成路徑，并重點從數據資源化、資產化、資本化三個層面探討提出構建數據價格形成機制的基本框架和配套政策舉措。

 一、數據要素價格形成的研究評述 

從學術史的角度，數據要素定價研究可以往前溯源到信息定價。1993年，Brindley較早對信息產品和服務的定價策略問題進行研究，提出成本、需求和競爭導向三重定價策略，基本上可以視為當前數據基本定價策略的前身。Alunkal（2000）指出：信息定價的決策點往往在特定客戶的收益與特定提供商的成本要求相交時達成，因此供給和需求是其定價的核心因素?；诖耍琀armon等（2009）進一步提出基于成本和價值（實際上是反映需求滿足程度）兩種信息定價基本模式，從消費者效用和偏好角度對信息定價策略進行研究，并提出相應差異化定價策略。

2012年后，隨著大數據概念不斷升溫，產業界和學術界均開始關注數據定價問題，相關成果豐富。從理論依據的角度，Liang等（2018）將現有數據定價模型分為基于經濟理論（成本模型、消費者感知價值、供應模型、需求模型、差異化價格和動態定價）和基于博弈論（非合作博弈、討價還價和Stacklberg 博弈）兩類。劉枬等（2022）綜合考慮數據容量和數據質量兩方面的價值，運用斯塔克伯格理論，提出基于效用的數據定價方法。從定價形式的角度，王文平（2016）將數據定價方法區分為平臺預定價、固定定價、實時定價、協議定價和拍賣定價。李成熙、文庭孝（2020）歸納出按次計價（VIP會員制）、第三方平臺預定價、拍賣定價、協議定價、實時定價等五類數據定價模式。

總體而言，這些定價策略大多還是延續傳統產品的定價方式，在應用于數據定價時往往面臨諸多難題。針對這一問題，一些學者提出了新的定價思路：一是從共時維度，引入數據分層分類策略。郭春芳（2019）將數據產品劃分為0次（原始數據）、1次（初加工數據）、2次（統計分析）、3次（知識挖掘）四個層面，認為不同層次的數據適用不同的定價策略。翟麗麗等（2018）從數據產權屬性的角度，提出不同產權主體的數據應當采取不同的定價策略，其中公共數據適用邊際成本定價模式，企業數據可沿用傳統信息定價策略，個人數據則應當以隱私含量為定價導向。二是歷時維度，引入數據產品生命周期策略。如王衛等（2012）探討了不同定價策略和方法在數據產品的引入、成長、成熟和衰退等不同生命周期階段下的應用路徑。李清逸、羅敬蔚（2022）認為，數據價值鏈和生命周期是進行數據價值評估的重要依據。三是探索新技術應用于不同場景下的定價模型。如基于機器學習的定價（Tsai等，2017；Niyato等，2016）、基于查詢的定價（Lin和Kifer，2014）、基于元組的定價（Shen等，2016）等。

綜上，盡管目前國內外學術界對于數據定價問題研究起步較早，且已經形成了一些較有影響力的研究成果。但在理論指導實踐時仍存在三個方面“先天不足”：一是對數據自身特殊規律挖掘不足。現有研究多脫胎于對信息產品和資本等傳統要素的研究框架，但數據形態和權屬構成的復雜多變性，使得傳統模型在實踐中有較大局限，大量現實中的數據交易均采取非標準化（一事一議）定價策略，數據要素定價缺乏統一規則，難以實現通用化標準化。二是對適應中國國情的規制框架探索不足?，F有研究大多照搬歐美等資本市場傳統，但其規制傳統、產權基礎等與我國存在明顯差異，對如何構建順應“數據二十條”提出的“三權分置”框架新型數據產權機制下的定價和分配機制，如何對我國政府和央國企體系沉淀的大量公共數據進行定價等新問題的研究仍有待破題。三是與當前我國要素分配實際結合不足。現有研究大多將數據要素及其分配問題等同于數據產品及其交易，與我國薪資分配、效益分配和股權分配并存的要素分配實際有較大差距，特別是對數據資源化、資產化、資本化不同層面的綜合定價機制缺乏有效論述。本文針對上述三個方面的不足，從頂層政策框架構建的角度開展研究，并形成一些初步建議。

 二、數據要素定價的總體框架 

秦海（2004）認為，價格是交易各方的行為規則、所擁有知識和信息等要素在市場機制下動態結合、相互作用和動態博弈結果的集中體現。與傳統商品相比，數據具有高固定成本低邊際成本（Balazinska等，2013）、產權不清（楊張博和王新雷，2018）、來源結構多變（Liang等，2018）、買賣雙方信息高度不對稱導致價值“雙向不確定”（劉朝陽，2016）等特征，大大增加了數據價格形成的難度。未來，在數據價格形成機制的構建過程中，要充分考慮數據的上述獨特性，從數據資源化、資產化、資本化三個層面探索并構建新型數據定價模型。

（一）資源化層面的數據要素價格形成機制

數據的資源化，可以類比于“石油開采”。埋藏在地下的石油只是一種礦產，本身并不具備價值，必須對其進行開采提煉并形成質量可控的標準化原油才能進入市場流通。同樣的，數據大量散落在經濟社會運行各個角落，很多時候以碎片化形式存在。只有對其統一采集、整理、加工，并形成質量可控、來源可信、標準互通的數據資源，才具備進入流通應用環節并發揮價值的可能性。馬克思主義政治經濟學認為，商品具有使用價值和價值雙重屬性，而商品的價值量是由社會必要勞動時間決定的。無論數據資源抑或信息資源，其作為一種生產要素的價值評估，同樣應當由凝結在其生產過程中的無差別勞動投入決定。換句話說，數據資源的價值評估主要以成本評估為主，其主要可以包括三部分內容：

一是傳統意義上的數據資源采集開發成本，即“原料”數據采集、標注、集成、匯聚和標準化，并形成可采、可見、互通、可信的高質量數據過程中的軟硬件和人力等成本消耗。

二是與數據隱私含量相關聯的成本。一般而言，包含原始數據集的數據資源一旦進入交易環節，就可能觸碰個人隱私、企業商業秘密等問題，必須對原始數據進行脫敏化、匿名化處理。但在具體操作中，數據脫敏的操作標準很難明確，特別是在多源數據交叉比對后，很可能會對一些原始數據進行補齊，從而造成潛在隱私風險。因此，隱私含量對于數據處理的成本影響很大。對于涉及個人隱私信息的數據資源價值評估；需要慎重結合數據集的隱私保護水平進行評估，對于有較大隱私泄露風險或隱私泄露后會造成較大影響的數據集，數據持有方往往要為數據安全付出較高治理成本，應當給予更高的估價。

三是與數據質量相關聯的成本。如同實物商品在進入市場流通時有一套完整、規范、標準的質量評估和監督管理體系一樣，數據要想真正實現商品化、要素化，就必須建立一套與實物商品質量管理體系相似的數據資源質量評估和管控機制，這同樣是影響數據資源開發利用成本的重要因素。目前國際主流評估框架有數據質量評估框架(Data Quality Assessment Framework, DQAF)、信息管理質量評價框架（Assessment Information Management Quality，AIMQ）、數據質量審計框架（Data Quality Audit, DQA）等。

（二）資產化層面的數據要素價格形成機制

數據的資產化，可以類比于“石油煉化”。原油從地下開采出來以后，經過一個龐大的煉化工藝體系，轉化為適用于不同用途的燃料和化工原料，原油的價值才能得到最大限度發揮。數據同樣如此，數據中蘊含了經濟社會運行從宏觀到微觀方方面面的規律和機理，潛在價值無比巨大，但數據本身并不能直接產生價值，通常需要與具體業務場景相結合，在市場主體提升效率、節省成本、擴大收入過程中實現其潛在價值，這一過程就是數據的資產化（從數據資源到數據產品和服務）的過程。因此，數據資產化層面的定價就是對基于數據資源形成的深加工數據產品定價，適合采用收益分成模式。

從實踐看，目前絕大多數服務于金融和互聯網領域的數據資產定價實踐中，“分潤”模式被普遍采用。較典型的如騰訊云市場即根據數據供應商過去一個月或一年內銷售額，按10%-20%收取交易傭金。再如，一些隱私計算技術服務提供商，在幫助商業銀行基于隱私計算面向中小企業開展信貸評級數據服務時，其往往在前期提供免費或僅滿足基本成本的技術服務，并在信貸合同簽訂和貸后管理過程中，基于信貸額度和壞賬率等確認分潤比例。

從數據產品和服務的運行過程上看，其同樣存在成本問題，并體現為數據產品和服務開發中所采集購買的各種數據資源、軟硬件設備和人力成本等投入。但總體而言，數據產品和服務的價值產生過程是一個高度個性化和動態多變的過程，買賣雙方對于數據資產的未來價值收益往往缺乏一致和穩定的預期。在現實流通中，僅基于成本收取費用往往無法滿足買賣雙方的收益預期。因此，可在數據產品和服務價值評估中引入消費者感知價值、歷史成交價、數據供求關系、差異化定價策略等因素。另一方面，目前基于上述因素，由買賣雙方“一對一”議價的方式，也不能很好反映雙方對于數據資產的收益預期。因此，近年來，深圳、貴陽、上海等地數據交易所開始嘗試引入基于第三方引導和市場化議價相集合的方式確定價格。即由數據提供方提出初始報價；交易場所或第三方機構綜合考慮數據成本（包括數據質量、隱私含量等）和收益預期（包括歷史成交價、模型貢獻度等），提供參考價建議或釋放價格信號，由各類交易主體通過充分博弈的方式進行議價，并最終形成價格共識。

（三）資本化層面的數據要素價格形成機制

數據的資本化，可以類比于“油企投融資”?，F代社會中，石油企業通過資產資本化、資本證券化，快速擴張產業規模，是實現財富放大效應的不二選擇，對數據企業而言同樣如此。著名學者維克托·舍恩伯格在《數據資本時代》一書中甚至預言，未來金融資本主義將被數據資本主義所取代，他指出：“資本的好日子很可能一去不復返：隨著貨幣市場向海量數據市場轉換，人們不再那么需要用資本來發出信號。經濟會繁榮發展，但金融資本不再會繁榮——從貨幣市場向海量數據市場的轉變就集中體現在這一點上”（維克托·舍恩伯格，2014）。從資本、土地等要素市場發展歷史經驗看，實現要素從資源化到資產化是具有決定意義的“第一次飛躍”。這一飛躍解決的是產品化和形成市場流通的問題，而從資產化到資本化則是“第二次飛躍”，這一飛躍對于激勵資本參與產業發展、激發創業者的創新動力都具有重要價值。實現數據從資產化到資本化的“第二次飛躍”，核心路徑主要包括數據證券化和數據股權化兩方面。盡管數據資本化定價目前還不具備實際可操作性，但筆者認為未來數據資本化是大勢所趨，其定價模式值得探討。

1.數據證券化及其估價方法。所謂數據證券化，其前提是數據資產可以納入企業資產負債表并成為一種資產類型（無形資產或存貨），同時選取其中質量較好、公信力強、預期明確的成熟資產，以其未來的收益現金流作為償付基準發行證券產品。其基本操作大致可參考知識產權等無形資產證券化的過程。在傳統資產的市場法評估中，通常交易標的是標準化的資產，或擁有標準化的評估指標。相比之下，數據資產還沒有統一的衡量指標。因此，應用市場法評估數據的證券化價值時，需要對可比案例市場價值的修正系數做較為詳盡的考慮。應該根據交易對象和交易條件選擇類似的數據證券化標的（數據資源或數據產品）作為可比案例。對于類似數據標的，可以從相近數據類型和相近數據用途兩個方面考慮。常見的數據類型包括：用戶關系數據、基于用戶關系產生的社交數據、交易數據、信用數據、用戶搜索表征的需求數據等；較常見的數據用途包括：精準化營銷、產品銷售預測和需求管理、客戶關系管理、風險管控等。

2.數據股權化及其估價方法。站在現代企業制度的角度，承認數據作為一種生產要素參與分配的價值，其核心是要將企業采集、持有、控制、處理、加工數據的權益轉化為股權。蔣永穆（2020）指出：數據成為一種生產要素的最終目標，就是要能夠實現企業數據資本收益權“作資入股”，并按照股權平等的原則和貢獻程度參與分配。從長遠來看，這是數據價值全面升級的關鍵一步，也是真正實現數據要素市場化配置的重要標志。在實際操作中，數據股權化的模式與技術要素市場構建中技術入股的模式有很多相似之處。目前，各地已經開始積極探索推動數據入股方面的實踐。如2022年11月北京市第十五屆人大常委會通過的《北京市數字經濟促進條例》明確提出支持開展數據入股等數字經濟業態創新。2022年7月，中國資產評估協會發布《數據資產評估指導意見(征求意見稿)》，可作為未來專業機構開展數據資產價值評估的參考依據，并進一步指導數據股權化的估值實踐。

 三、創新優化數據要素定價機制的政策建議 

當前，基于成本法的數據資源定價已經在產業組織和機構中得到成功實踐，國內如光大銀行、南方電網等知名企業均曾基于成本法對本企業的數據資源價格進行測算。但從應用場景上看，模型化后的數據產品和服務則是當前主流的數據流通交易形態。因此，基于收益法的數據資產定價方法是當前應當重點突破的理論問題。未來，隨著數據股權化、證券化等資本化配套制度不斷完善，基于市場法的數據資本定價研究也將逐步走進歷史舞臺。因此，全國統一數據大市場下，落實“價格市場決定、流動自主有序、配置高效公平”的總體要求，建立全面、準確、及時反映數據要素成本、價值和供需關系，以及適配數據要素獨特規律和當前我國國情的數據價格形成和收益分配機制，是推動數據要素市場化配置改革的“牛鼻子”工程。下一步，建議：

1.在明確數據一、二級市場體系的基礎上，針對性建立數據價格形成機制。參考資本和土地等要素的多級市場體系，未來我國數據要素市場可探索構建一二級相結合的市場體系。其中，一級市場即數據資源市場，數據資源持有者將其數據資源持有權、數據加工使用權、數據產品經營權等權利以無償或有償方式授權許可給購買者，是一個需要相對強約束、強監管的市場。二級市場即數據產品和服務市場，數據加工方對數據資源加工處理和算法模型化后，以數據產品和服務形式銷售給購買者。下一步的工作重點是從一級市場（對機構所擁有的數據資源潛在價值進行評估）和二級市場（對機構數據資源開發利用形成的產品和服務價值進行評估）兩個層面提出數據價值評估和價格形成的實施細則。

2.探索將公共數據作為一種國有資產，研究制定相應政府指導定價細則。一般而言，公共數據是政府機構、事業單位和水電氣等提供公共服務的機構在履職盡責過程中收集和產生的數據。近年來，很多學者認為，公共數據應當納入國有資產范疇（衣俊霖，2022）。2021年6月頒布的《深圳經濟特區數據條例》征求意見稿中首次提出將公共數據歸為國有資產，但在最終稿中未予體現。筆者認為，未來探索將公共數據納入國有資產，由國家受全民所托管理和開發利用公共數據，明確國有資產的最終收益由全民共享，同時對公民個人隱私和企業商業秘密等基于相關法律加以有效保護，是建立適應我國國情的公共數據產權制度的核心。在此基礎上，可以沿用其他公共資源定價的基本原則，按照行政管理或資源補償類公共資源和服務的收費標準，研究制定基于成本加成法的公共數據政府指導區間定價的操作細則。

3.研究編制針對一、二級市場的數據要素價格指數，為規范數據要素市場價格運行提供宏觀指導。類比股票價格指數，數據要素價格指數可反映整個數據要素市場上各種數據產品市場價格的總體水平及其變動情況，能夠用于預測數據要素市場發展趨勢，是數據要素市場的“晴雨表”。數據要素價格指數依賴于大規模數據要素市場的交易信息沉淀。目前，各地數據交易場所日趨活躍。據統計，上海數據交易所自揭牌運營以來，已成功對接800余家數據商，累計掛牌數據產品超過800個，數據產品交易額超過1億元。未來可充分依托上海、北京、深圳、貴陽、福建等地建設覆蓋面廣、較為活躍的數據交易場所，探索編制數據要素價格指數，逐步打造具有全球影響力的數據要素定價中心，逐步形成基于數據交易行為的數字經濟產業發展態勢研判和決策分析能力。

4.搭建數據資產評估計價公共服務平臺，為數據資源化資產化資本化全鏈條提供共性服務。據筆者測算：隨著數據要素市場化配置改革的不斷深入，“十四五”期間我國數據要素流通市場規模將達到5000億-10000億規模；而隨著數據資產入表等實踐不斷推進，社會機構數據資產及其衍生市場的總規模將超過30萬億。未來，應當瞄準數據要素化不同階段的共性需求，探索搭建數據資產評估計價公共服務體系，深入分析數字經濟、平臺經濟、雙邊市場等運行規律和發展特征，建立完善數據資產登記、評估、計價、入表、存證等全鏈條配合制度和共性服務體系，為下一步推動公共數據、企業數據和個人數據增值化開發利用和資產化創新應用提供可行政策路徑，有效激活十萬億級的數據要素市場。

返回列表