數據資產化中的數據定價與交易

要推動從數據到數據產品的價值鏈，還有很多關鍵的經濟問題需要考慮，其中一個核心的問題是數據作為資產的定價問題。數據與其他原材料在?4?個方面有很大不同：①數據的使用不會帶來數據的消耗，數據的開發不是排他的，甚至反而是利他的；②聚合后的數據比單獨的數據更有價值，也應該具有更高的價格；③同樣種類的數據，不同來源的數據具有不同的價值，這點在醫療數據中尤為突出；④同樣的數據在不同的使用者看來，也是價值各異。在這些特殊的條件，如何對數據資產進行定價是一個很難的問題，我們認為采用一種基于市場協商的價格或許更為現實可行。

目前大部分應用程序正在從以廣告收入為主的商業模式向基于個人數據采集的商業模式過渡。但在當前的數據收集模式下，用戶無法憑借其貢獻的數據而獲取獎勵，這種模式表面上可使應用程序服務從中受益，然而考慮到潛在的法律后果，實際上是阻礙了其商業模式的可持續發展。由于用戶數據的所有權不明，導致數據難以有效流通。

非法的數據交易會對個人數據等高價值信息的安全造成影響，對非法數據交易的購買方和協助方都應進行處罰。特別對于定價來說，傳統的效用價格論、成本價格論等定價模式并不適用。金融資產的定價理論有值得借鑒的地方，然而供應方提供的數據很難與數據需求方的應用方向精準匹配，供需錯配的問題無法解決。另外，需求方在不確定某數據資源是否能真正能給組織帶來收益情況下，很難給出一個較高的價格。劉洪玉等認為在大數據交易過程中，由于缺乏足夠的歷史參考，其數據資源的交易價格很難確定，因此提出一種基于競標機制的魯賓斯坦模型，用于大數據交易雙方進行討價還價，以求達成一個交易的均衡價格。Li?和Miklau提出了數據市場定價的?3?個原則和定價函數的基本結構。Valz通過數據內容動態調整定價；翟麗麗等從資產的期權價值角度來評估大數據資源的價值，并指出數據在不斷變化和更新，加上數據的非獨占性等情況的出現，數據資產的價值可能會下降，最后綜合這些因素構建了一個評估模型來計算數據資產的價值。市場有助于數據合理定價，Iyilade和?Vassileva提出了一種隱私保護的數據交易算法，其基本思路是應用程序之間通過市場機制來優化數據共享。

但是，這些定價方式都存在一個共同的問題：對數據交易中的安全問題和隱私泄露等有較大的擔憂，大量數據源未被激活。雖然數據具有明顯的商品特征，它卻有很強的非傳統商品屬性，如復制成本接近于?0、非排他性、時效性等。這造成了近年來，雖然建立了一些數據交易所（如?2017?年關閉的微軟?Azure DataMarket），但數據交易仍難以成規模，數據還很難流通并發揮價值。

有了定價，還需要交易。數據資產要產生價值，需要進行流通。早期數據流通研究是從數據可達性、分布式系統可靠性等角度出發的。然而，在數據收集和交易過程中始終存在著“信息不對稱”：目前用戶缺乏對數據收集的認知，因而始終處于弱勢。雖然目前有一些研究提出基于法律和交易的體系解決方法，但缺乏實在的技術方案。我們在?Imperial Festival?和英國數字經濟會議上的公眾調查所了解到，大多數用戶并不清楚自己究竟有多少數據被應用程序收集。

我們提出了一種新的移動隱私保護模型——PBD?模型（Pay-by-Data），PBD?將數據顯式地作為一種應用效能的支付手段，用戶和數據收集者之間達成收集和反饋的協議，通過保護隱私達到數據的合理定價。