1數據要素評估計價的理論體系與實踐探索(簡要版)粵港澳大灣區數據要素評估計價中心2024年10月2報告專家組成員盧延純國家發展和改革委員會價格成本和認證中心主任杜平國家信息中心原黨委書記、常務副主任于施洋國家信息中心大數據發展部主任劉剛國家發展和改革委員會價格監測中心副主任王威江西省發展和改革委員會(數據局)黨組成員王耀文深圳市政務服務和數據管理局副局長李紅光深圳交易集團黨委委員、副總經理,深圳數據交易所黨支部書記、董事長王磊中國光大銀行深圳分行副行長王一鳴北京大學經濟學院金融學系主任,教授、博士生導師楊東長江學者,中國人民大學法學院教授、博士生導師,校人事處處長楊翰方中國人民大學統計學院教授林常樂清華交叉信息核心技術研究院常務副院長宋鵬程西安交通大學數字經濟講席教授,海南數據交易有限公司董事長3報告起草組成員組長:王建冬副組長:市委常委、副市長深圳數據交易所有限公司副總經理粵港澳大灣區大數據研究院常務副院長贛州市行政審批局(政務服務和數據管理局)黨組書記、局長報告起草組員(按姓氏拼音排序):何榮勝、呂指臣、李穎、聶怗、孫晉、孫湛、熊偉巍、楊銘鑫、虞洋案例研究組員(按姓氏拼音排序):江祖松、林余楚、李旭東、伍簿侃、肖國泉、鐘毅4案例支持單位深圳市福田產業投資服務有限公司深譯信息科技(珠海)有限公司江西冠英智能科技股份有限公司開普云信息科技股份有限公司贛州市智能產業創新研究院5一、研究問題的提出數據是繼土地、勞動力、資本、技術之后的第五大生產要素,是基礎性資源和戰略性資源,也是重要生產力我國經濟社會發展沉淀的數據總量所催生的數據資產潛在市場規模十分巨大,據中央網信辦調查1,2022年我國數據年產量8.1ZB(1ZB=270字節),占全球10.5%數據要素已超過技術要素,成為僅次于資本的第二大貢獻生產要素部門支持協調下,深圳數據交易所、粵港澳大灣區大數據研究院、中國人民大學交叉科學研究院、交叉信息核心技術研究院(清華大學)等單位共同啟動了“粵港澳大灣區數據要素評估計價中心”建設本報告是該中心啟動組建后形成的首部公開研究成果,旨在通過對數據資產、數據流通交易產品等數據要素形態價格問題研究回顧的基礎上,構建較為完整統一的數據要素評估計價理論體系,并結合深圳數據交易所相關行業實踐進行案例介紹,以期對下一步行業研究提供有益借鑒二、不同視角下的數據要素評估計價(一)資產評估視角下的數據要素評估計價從資產評估視角看,按照中國資產評估協會印發的《數據資產評估指導意見》,評估方法包括收益法、成本法和市場法三種基本方法及其衍生方法成本法是將在當前條件下重新購置或者建造一個全新1國家互聯網信息辦公室發布《數字中國發展報告(2022年)》[EB/OL]..(2023-05-23)[2024-01-02]./2023-05/22/c_1686402318492248.htm?eqid=e964285800089bd400000004646d59f6狀態的評估對象所需的全部成本(與合理利潤),減去各項貶值后的差額作為評估對象價值的評估方法成本法估值一般使用于尚無活躍公開交易市場其直接收益預測有一定難度的數據產品,其優勢在于操作相對簡單,但存在無法充分反映數據的未來潛在價值,且過度依賴成本數據等問題收益法是通過測算數據資產未來帶來的經濟效益,并利用折現率計算至當前時點的價值總和,從而得出數據資產的價值收益法相比成本法能夠更好體現數據資產真實價值,更易被數據需求者所接受但由于數據資產的預期收益年限、折現率等參數在設定上經常難以統一,這一定程度上降低了該方法的客觀性此外考慮到數據價值難預測、易波動,通過收益法確定數據資產價值的公允性有待進一步提升市場法通過參考公開交易市場中活躍交易的同類可比產品價格,進而確定待估數據資產的價值,對于存在合法合規的、公開活躍交易市場,并且存在足夠數量可比案例情況下較為適用但是,當前數據交易市場正處于發展初期,場內數據交易頻次和規模較小,尋找同類可比產品難度較大(二)流通交易視角下的數據要素評估計價在流通視角下,當前我國各地已成立或推動成立近50家數據交易場所,為數據買賣雙方提供了一個公平、公正、公允的價格博弈環境基于博弈理論的定價更關注數據價格的形成過程而非數據價值評估本身,更有利于解決多方利益關系、信息不對稱的問題博弈定價主要包括基于非合作博7弈(non-cooperativegame)的定價模型、基于Stackelberg博弈的定價模型、基于討價還價博弈的定價模型三類2非合作博弈(non-cooperativegame)指參與者之間不建立合作關系,只設定使自身利潤最大化的價格如LuongNC等3在其研究中將一個物聯網數據交易市場建模為一個非合作博弈模型,并提出相應價格策略討價還價博弈在數據交易市場中,主要表現為買方和賣方就數據商品的價格需經過協商博弈后達成一致這一方式被廣泛應用在復雜條件下的談判,其主要缺陷在于需要耗費大量時間和資源,可能導致交易效率低下Stackelberg博弈是一種序貫博弈,在博弈過程中存在領導者和追隨者兩類角色領導者首先作出定價決策,并充分考慮追隨者可能的反應,而追隨者則再基于領導者的決策優化自己的決策,最終確定最優定價策略JungK等4搭建了一個兩階段的Stackelberg博弈模型來解決數據需求者的Stackelberg博弈模型來解決數據需求者的定價和購買問題這一模型主要困難在于數據擁有者需要確定一個價格領導者,數據交易所作為數據交易集中發生的空間,能夠及時地反映數據交易真實的供需關系,作為價格領導者具有一定的公允性2張小偉,江東,袁野.基于博弈論和拍賣的數據定價綜述[J].大數據,2021,7(04):61-79.3LuongNC,HoangDT,WangP,etal.DatacollectionandwirelesscommunicationinInternetofThings(IoT)usingeconomicanalysisandpricingmodels:Asurvey[J].IEEECommunicationsSurveys&Tutorials,2016,18(4):2546-2590.4JungK,ParkS.Privacybargainingwithfairness:privacy-pricenegotiationsystemforapplyingdifferentialprivacyindatamarketenvironments[C]//2019IEEEInternationalConferenceonBigData(BigData).IEEE,2019:1389-1394.5LiuK,QiuX,ChenW,etal.Optimalpricingmechanismfordatamarketinblockchain-enhancedinternetofthings[J].IEEEInternetofThingsJournal,2019,6(6):9748-9761.8(三)新技術視角下的數據定價數據價格形成是一個跨信息學、經濟學等學科的綜合性問題Y因此需要利用人工智能、聯邦學習等新技術新方法推動數據要素的動態化、智能化價格形成6通過梳理相關研一是模擬仿真數據動態定價Y即允許企業根據實時需求為商品或服務設置靈活的價格價格將根據供需變化Y競爭對手的價格以及其他市場情況進行調整相關學者運用基于模擬數據或真實交易平臺上的數據Y神經網絡、強化學習等旨在采用可變價格激勵用戶調整其互聯網訪問行為二是基于維度模塊評估數據價值此類研究旨在通過機器學習方法直接或間接評價數據價值如倪淵等8在提出數據價值評估指標體系的基礎上Y構建AGA-BP(adaptivegeneticalgorithm-backpropagation)神經網絡模型沈俊鑫等提出了基于模型堆疊集成GBDT(GradientBoostingDecisionTree)算法的數據資源價值評估方法9三是機器學習模型類產品的價值評估CongZ等10認為要從機器學習模型構建步驟出發Y從原始數據集、數據標簽形成、多方協同訓練三個過程綜合討論其價格問題Chen6黃倩倩,任明.國內外數據要素市場中價格機制研究述評與展望[J].價格理論與實踐,2023(03):26-30.7ChawlaC,ChanaI.Optimaltimedependentpricingmodelforsmartcloudwithcostbasedscheduling[C].InternationalSymposiumonWomeninComputingandInformatics,2015:522–526.8倪淵,李子峰,張健.基于AGA-BP神經網絡的網絡平臺交易環境下數據資源價值評估研究[J].情報理論與實踐,2020,43(01):135-142.9沈俊鑫,趙雪杉.基于動態Stacked-GBDT算法的數據資源價值評估方法研究[J].科技管理研究,2023,43(1):53-61.10CongZ,LuoX,PeiJ,etal.Datapricinginmachinelearningpipelines[J].KnowledgeandInformationSystems,2022:1-39.11ChenL,KoutrisP,KumarA.Towardsmodel-basedpricingformachinelearninginadata9流程,提出了一個基于模型的機器學習(amodel-basedpricing,MBP)定價框架。三、數據要素評估計價的對象和基本原則()數據要素評估計價的對象數據一般不直接以原始形式直接進行流通和交換,而是需要經過加工、整理和優化,形成一種具有明確應用場景和使用價值的產品后參與交易和流通。目前數據交易市場上的交易標的主要分為數據產品、數據工具和數據服務等產品形態12。從數據開發利用的層級來看,2020年12月,國家發展改革委、中央網信辦、工業和信息化部、國家能源局聯合發布《關于加快構建全國一體化大數據中心協同創新體系的指導意見》(以下簡稱《指導意見》)指出,要“完善覆蓋原始數據、脫敏處理數據、模型化數據和人工智能化數據等不同數據開發層級的新型大數據綜合交易機制”。按照《指導意見》要求,參照信息理論對信息價值的分類,在數據要素市場建設中,按照流通、交易數據要素的價值深度,可明確為四種要素形態(圖3-1)。marketplace[C]//Proceedingsofthe2019InternationalConferenceonManagementofData.2019:1535-1552.12《深圳市數據交易管理暫行辦法》,深圳市發展和改革委員會,2023年2月21日.圖3-1數據要素四種形態劃分13(二)數據要素評估計價的基本原則數據要素評估計價應遵循公正性和高效性兩大基本原則,以形成健康、高效的數據價格體系公正性主要包括三個維度,議價公平、過程合規、價值合理議價公平,即確保議價活動在公平公正的基礎上進行,所有相關方都能訪問到過程中的關鍵信息,促進信任和公平競爭價值合理,即定價應真實反映數據資產的內在價值,確保價格與其價值相匹配過程合規,即在定價過程中應嚴格遵守數據安全、資金安全、保密管理和隱私保護等相關法律法規,確保定價活動不僅符合市場需求,也符合法律和道德標準高效性原則,主要包括三個層面的內容一是定價機制應設計得足夠靈活,便迅速響應市場動態和變化,保持流程的高效率,消除信息的不對稱,減少不必要的延誤和成本,并能夠根據市場變化、技術進步和用戶需求進行調整;二是應該保持定價機制的公開透明,讓市場參與者能夠清楚理解定價依據和過程,也要以市場為導向,即基于市場供需情況,反映數據的實際價值和使用場景,避免人為干預三是應鼓勵數據的高效流通和利用,減少交易成本,提升資源配置效率;并設計有效的激勵機制,以便通過合理的定價激勵數據提供者和使用者,促進數據的創新和應用四、數據交易價格形成的基本流程2024年7月,深圳數據交易所公開發布《深圳數據交 13黃倩倩,王建冬,陳東,等.超大規模數據要素市場體系下數據價格生成機制研究[J].電子政務,2022,(02):21-30.11易所定價服務指南》(1.0版本),從數據交易的角度,構豐富完善了數據的交易價格流程,即數據產品交付后最終的價格認定。()估價:交易所估價形成建議價交易所可通過數據探查、引入第三方評估機構結果等方式,結合交易平臺歷史交易數據生成數據交易價值評估結果。基于評估結果,交易所通過定價模型生成估價,并將估價結果反饋至數據商,作為數據商定價參照的重要依據。(二)報價:數據商報價形成初始價數據商或數據提供方根據自身的預期價格和交易所提供的參考建議價,在交易所對相應的數據產品進行報價。此報價成為數據產品最終展示價格,數據商可以選擇直接采納交易所的估價或基于自身情況和估價結果自行報價。(三)議價:買賣雙方議價形成成交價數據產品的最終成交價由買賣雙方通過協議決定。交易所提供交易撮合和議價環境,但最終的成交價格由市場行為決定,反映了供需雙方的共同意愿。動態調整機制方面,隨著市場的發展和歷史交易數據的積累,估價模型會不斷優化,更貼近市場實際。初期可能依賴于信息增益算法,隨著時間推移,會逐漸引入更多的非信息增益算法,如獨立性權重法、秩和比法、因子分析法和層次分析法等,以更全面地反映市場行為。(四)價格認定:交易事后開展數據產品價格的認定數據產品交付后,在進行數據產品價格認定時,主要遵循以下邏輯步驟:首先,根據數據產品的種類、特性及其在市場中的功能,如數據的來源、處理方式和應用場景,制定清晰的價格評估標準,包括數據的市場價值、替代成本和使用價值等進一步,通過市場調研收集同類數據產品的價格信息和交易案例,分析市場供需狀況,將成交后數據產品價格與市場上相似產品的價格進行比較,識別出價格異常的情況同時,結合影響價格的外部因素,如法律法規、市場競爭狀況、技術進步等,收集數據產品所有者、使用者和第三方專家的反饋,了解各方對目前價格的看法,增加價格認定的客觀性,最終形成數據產品的價格認定此外,應建立持續的監測機制,充分考慮價格的波動性,定期評估數據產品的價格和市場變化五、數據交易定價的典型案例交易流通環節,數據產品、數據工具和數據服務等產品形態存在不同的市場成熟階段;而不同開發層次的數據,在定價方法選擇上亦存在差異原始數據由于其未經處理、加工、開發,現階段實踐中較少用于交易流通,在此不做案例介紹(一)脫敏化數據產品(1階)深譯信息科技(珠海)的人工錄制多語言語音語料數據集和多語言多領域文本語料數據集,為較為典型的人工智能大模型語料數據集產品,通過收取數據使用費的方式獲取收益該類數據產品成本主要集中于數據采集、存儲、清洗和標注的成本,且成本投入直接影響到數據集的質量、安全性、真實性等指標。因此這類數據產品的加工處理方式適合參考價方式。交易雙方在議價過程中為減少信息不對稱的影響Y通過了在數據交易所上市產品Y由第三方出具合規評估法律意見書、質量評估報告、數據資產價值評估報告等方式Y對數據集的合規、可用和價值進行了充分認定Y從而成為交易雙方公平高效議價的基礎。(二)模型化數據產品(2階)開普云政務數據產品是通過持續對全國政府網站、政務新媒體、網絡媒體的公開數據進行不間斷的采集、清洗、標數據產品。該產品數據+服務的形態Y既深度依賴數據資源的規模性和多樣性驅動Y也依托模型的智能化來為客戶提供有價值的洞察、預測或決策支持。該產品目前已存在明確且效益進行合理預測Y因此通過對該產品的功能、特點、技術能力、對客戶價值貢獻和大數據服務平臺底層算法的預期可用了收益法確定產品報價。在考慮風險水平后雙方協商定價Y其價格共識最終體現了特定數據產品在細分領域的溢價空間。(三)人工智能化數據服務(3階)深圳福田產投在區政務服務與管理局指導下Y依據區公共數據授權運營暫行管理辦法的相關規定Y作為公共數據被與騰訊合作形成了應用于商業保險理賠的人工智能化數據服務。在公共數據加工處理階段Y深圳數據交易所為其提供比產品價格確定報價上限的方式得出了合理的報價區間。在通過模型形成最終服務階段Y評估各方貢獻合理分配收益并最終確定報價Y作為議價基礎。依托交易所場內撮合議價環境和產品上市、交付結算等全過程監管使定價公平高效。該數據產品采取了以數據交易平臺提供可信第三方輔助和市場化議價相結合的方式確定價格。交易主體通過充分博弈的(四)軟硬件一體化數據工具江西冠英軟硬件一體化的數據全鏈路服務工具是一套基于云邊端AI智控技術的數字新基建Y企業基于對該數據工具的功能、用途與市場定位、交易方式與價值實現方式等特點確定可比案例Y并選取該產品所生成數據的質量、數據貢獻度、數據信用度和歷史交易評價等因子作為修正系數Y對可比市場價修正形成產品估價。在此基礎上Y企業依據其成本優勢形成了具備市場競爭力的報價Y最終交易雙方通過產品在深圳數據交易所場內上市、現場盡調及測試等方式確定價格。而對修正系數的確定Y除考慮其質量差異、供求差異距離評估基準日越近Y越能反應相近市場環境下的成交價Y因此該案例還可考慮期日差異優化修正系數。六、未來展望:交易產品與資產一體化定價()當前數據資產定價面臨的問題由于數據相較其他傳統要素,具有可復制非消耗、價值易變、非競爭性和正外部性等特征,當前我國的數據要素評估計價還面臨以下幾方面的問題:一是傳統資產價值評估在一些情況下可能難以適應數據這種新興資產的特點。數據資產評估面臨著評估體系尚不完善,缺乏適應數據資源化、資產化、資本化三層次的評估標準和框架,關鍵因素難以得到準確預測和量化處理,理論體系與數據資產價值實際變動不相適應等方面的挑戰。二是當前數據要素市場的參與者往往缺乏充分的信息披露,導致數據價格難以公正合理地反映市場供需關系。此外,數據交易雙方可能因信息不對稱而處于不平等的博弈狀態,無法達成有效的交易價格,亟需充分發揮數據交易場所的價格監測和價格發現功能,針對數據交易需求適應性構建數據定價規則。三是缺乏適配多形態多場景數據定價方式。例如對于公共數據和非公共數據之間,如何在兼顧公益性、公共性的基礎上選取定價方法;在原始數據、脫敏數據、模型化數據和人工智能數據等不同數據形態之間,如何選取更高效、更適配的估值方法;在不同應用場景下的數據如何進行差異化定價以更好地反映數據在特定時間和場景下的真實價值等,均值得深入探討研究。(二)以數據產品價格認定引領數據資產評估有序發展在數據要素市場中存在大量未進入交易環節但