数据交易合法化的前提是，数据是一种产权可界定、可交易的商品。从直观呈现的产品类型来区分，数据可分为数字产品和数据产品。数字产品是以数字形式存储、表现和使用的人类的思想、知识成果，如网易云歌曲、电子文献、在线课程等。数据产品是由网络、传感器和智能设备等记录的、可联结、可整合和可关联某特定对象的行为轨迹和关联信息，具有较强的分析价值，如各种机器生产和采集的内容。数据要素化、数据资产化和数据要素配置着重指的是数字化的数据，即数据产品。

 

资产化和市场化是数据作为生产要素的必然发展趋势。数据资产化是数据价值创造过程中的“惊险一跳”，数据市场化有助于全面推进数据资产估值、定价与交易，资产化和市场化共同推动实现数据的价值。数据资产化和市场化需要解决一系列问题，其中数据确权和数据价值评估与定价是最关键的问题，数据确权是数据要素有效配置的基础，数据价值评估与定价是数据要素高效配置的核心。

 

数据要素定价是指对数据资源通过加工形成的、可以作为生产要素的数据产品和服务进行定价。数据价值估值有两种情形，一是主要指针对没有交易场景下的并购或者侵权中企业拥有数据的价值进行评估；二是公共开放数据资产亟需一套合理的估值体系来释放其核心价值以及流通性。所以，数据要素的定价机制包括但不限于由供求决定价格的定价方法、策略和模型，是买卖双方在制度、场景和技术等多种约束条件下进行数据交易价格确定的制度安排。

 

数据的价值核算和价格确定是一个难题，到底难在哪里？数据要素具有较强的技术–经济特征，影响数据价值和价格的形成。首先，数据的价值具有高度情景相关性，定价必须基于场景，但传统的价格理论没有考虑场景因素，难以解释数据要素定价，数据要素的异质性显著导致很难有一套统一的定价公式，在不同交易场景和应用场景中需要采取“千人千价”策略。其次，不同于商品交易必须是所有权的转移，数据要素交易既可以是数据使用权，也可以是数据所有权，需要针对不同的交易权利设计不同的交易合同。再次，数据要素复杂的外部性和复制成本极低，很多数字产品服务本身都是免费的，在绝大多数情况下具有完全的非竞争性，增加了估值和定价的难度。最后，数据要素的生产过程非常复杂，参与主体包括买方、卖方、消费者、企业、交易平台、数据服务商、第三方专业机构、政府等，合理切分不同主体的利益分配，也增加了估值定价的难度。

 

在数据定价机制方面，《关于构建更加完善的要素市场化配置体制机制的意见》和《“十四五”数字经济发展规划》做了部署。概括起来，主要有四条：一是完善主要由市场决定数据要素价格机制，构建要素价格公示和动态监测预警体系，逐步建立要素价格调查和信息发布制度。二是培育规范的数据交易平台，健全数据交易平台报价、询价、竞价和定价机制，探索协议转让、挂牌等多种形式的数据交易模式。三是培育规范的市场主体，建立健全数据资产评估、登记结算、交易撮合、争议仲裁等市场运营体系，鼓励市场主体探索数据资产定价机制，推动形成数据资产目录，逐步完善数据定价体系。四是健全生产要素由市场评价贡献、按贡献决定报酬的机制，充分体现数据要素的价值。

 

综上，数据基础制度以赋能实体经济为重点，目的是推动我国数字经济做强做优做大。从数据要素市场化配置的角度，数据要素估值定价是促使交易的核心，没有合理的估值定价，无法进行可持续的交易，也不能激励数据供给方提供数据的积极性。在企业内部，数据成为资产，对数据要素的会计核算也离不开定价机制。然而，定价机制的运转离不开一系列的制度设计，通过定价制度设计来创造更多的交易场景，是促进数据要素供给、流通和应用的关键所在。

 

国内外数据定价制度与存在的问题

 

我国大数据的交易模式可大致划分为四种：一是政府牵头或背书的交易所（中心），如贵阳大数据交易所、中关村数海大数据交易平台等；二是行业机构为主的行业数据交易模式，如交通大数据交易平台（TDEP）等；三是大型互联网公司、大型IT厂商为主导的数据交易平台，如京东万象数据服务商城等；四是垂直数据服务商主导的市场化数据交易模式，如数据堂等。其中，大数据交易所（中心）的权威性和合规性最强。大数据交易平台有助于促进数据流通共享，减少“信息孤岛”，加快形成市场决定的数据要素定价机制。

 

1.按照数据要素定价的客体属性，数据要素定价包括大数据服务（产品）定价和数据资产定价。

 

目前，国内外大数据交易平台主流的大数据服务（产品）定价模式包括订阅租赁、协商定价、差别定价、捆绑定价和可信第三方定价。其中，订阅租赁包括固定定价和按次计价；协商定价包括拍卖定价、反馈性定价和自由定价；可信第三方定价包括实时定价和自动定价。

 

数据资产的定价方法主要包括两大类。第一类是参照无形资产定价的传统定价方法，主要有成本法、收益法、市场法。第二类是基于数据资产具有非竞争性且边际成本接近于零、价值的不确定性且与使用者的异质性密切相关的特点的新型定价方法：一是数据资产传统定价模型的优化与修正。比如，引入层次分析法、灰色关联分析法、博弈论分析法、专家评价打分法、信息熵法等定量和定性方法，来修正和细化数据资产价值的影响因素选择和权重大小设定；再比如，引入破产分配法、Shapley值法、实物期权法等来更准确地预估数据资产的未来收益及利益分配。二是数据资产传统定价方法之间的有机结合和融合创新。比如，中关村数海数据资产评估中心和Gartner合作推出的数据资产评估模型，该模型涵盖数据成本价值、数据市场价值、数据经济价值、数据内在价值、数据业务价值和数据绩效价值六个子模型，包含数据质量、数据颗粒度、数据来源、数据稀缺性、数据关联度、预期收益等影响因素，是一个综合性、全方位、标准化的数据资产评估模型。三是数据资产定价方法与数字技术的深度融合。比如，借助人工智能调整和修正数据资产定价模型中的核心变量及权重大小，有助于提高定价模型的准确性和客观性，提高大规模数据产品定价的计算效率。区块链提供了数据资产交易的完整准确记录。

 

2.基于导向型定价方法，数据要素定价方法可以划分为成本导向、效用导向、市场导向三种定价类型。（见表1）

 

一是成本导向型定价。该定价方法本质上是对数据要素成本进行归集，并将成本补偿作为数据要素定价的首要考虑因素，一般是由数据卖方来主导。目前较为主流的成本导向型定价方法包括数据产品（服务）的捆绑定价和订阅租赁定价模式，以及数据资产的成本法定价模式。

 

二是效用导向型定价。该定价方法以数据效用和价值评估为基础，从分析数据自身质量或数据买卖方效用着手，将数据使用者对数据要素的价值评价和需求强度、卖方收益作为主要定价依据。目前较为主流的效用导向型定价方法包括数据产品（服务）的基于数据质量定价的平台预订价、基于数据效用的自由定价和差别定价模式，以及数据资产的收益法定价模式。

 

三是市场导向型定价。该定价方法以市场上相互竞争的同类型商品价格和市场供求状况为定价依据，适用于较成熟和活跃的市场交易环境。目前较为主流的市场导向型定价方法，包括数据产品（服务）的基于博弈论的协商定价和第三方定价模式，以及数据资产的收益法定价模式。

 

3.现行数据定价方法存在的问题

 

数据资产的传统定价方法包括成本法、收益法和市场法。成本法需要基于数据资产在整个生命周期的成本展开。成本法多适用于不以交易为目的的场景，例如以成本分摊为目的的数据资产评估、政务数据共享等。该方法的局限性在于，企业一般较难获取完整和准确的历史成本，通过成本法评估的数据资产价值往往偏低，导致数据资产的成本和价值之间对应性比较弱。

 

收益法需要依据数据资产带来的预期收益来估计其价值。收益法的适用条件是，被评估资产未来预期收益可以预测，并可以用货币计量。如果对数据资产的预期收益评估准确，收益法相对于成本法更能准确地反映出数据资产的真实价值。但在实际操作中，收益法的问题主要体现在三方面。第一，数据资产的异质性和时效性特征，使得数据要素的未来收益难以准确估算。第二，数据资产为企业带来的收入增量或成本减量往往与产品和场景紧密联系，使得数据资产引致的收益增量难以单独剥离出来。第三，数据资产的有效使用年限和收益贴现率较难确定。

 

市场法需根据相同或者相似的数据资产的近期或者往期成交价格，以对比分析结果为基础，评估数据资产价值。市场法存在的实施难点在于：一是可用作交易的数据资产和愿意参与数据交易的市场主体还不足以支撑起规范、高效的数据要素市场，导致可对比的数据资产案例较难找到。在数据资源供给层面，经过数据属性、数据类型、数据用途等标准筛选后，具有交易价值的数据规模较少；在数据资源需求层面，中小微企业由于技术落后、人才短缺、资金不足，较难负担得起数据购买、数据处理、数据分析的高额成本，导致数据要素的市场需求不高。二是数据资产定价的影响因素及相应权重大小较难准确选择和设定。

 

综上所述，传统的数据资产定价方法容易实现，但是未必能客观准确反映数据资产的真实价值。相较而言，基于数据资产特点的新式定价方法更注重定量和定性分析方法相结合，有助于更全面地反映出数据资产的真实价值，但也可能存在模型过度拟合、估值片面等不足。

 

新型定价方法也存在问题。比如，基于博弈论的协议定价方法主要是通过买卖双方的协商、谈判对数据价格达成共识，这种方法的目的性和针对性较强，买卖双方有较多的沟通机会，目前在国内外应用最广泛。协商定价方法适用于卖方提供数据的成本和买方使用数据的收益难以量化或买卖双方估值不一致的情况。该方法操作简单方便，交易结果也较容易被双方接受。但是买卖双方的反复报价议价过程中耗费了大量时间成本，容易造成交易效率低下，如武汉长江大数据交易所撮合买卖双方达成交易通常需要数月时间。同时，由于买卖双方存在信息不对称，买卖双方对数据价值的评估如果出现偏差，容易引发非法套利。

 

基于数据质量的定价方式，例如平台预订价方法，是将数据质量作为评估数据成本和消费者效用的依据。该方法同时考虑了数据自身的价值和给消费者带来的效用，而且定价透明公正。但是由于数据质量维度以及质量维度间的关系量化没有统一的标准，因此只适用于质量维度要求较少且质量维度容易量化的数据。而且该方法忽略了衡量数据价值的其他因素，例如数据的应用场景不同，数据的价值也有所差异。

 

建立数据要素定价制度的政策建议

 

我国积极探索建立数据要素定价制度。6月22日，中央全面深化改革委员会审议通过的《关于构建数据基础制度更好发挥数据要素作用的意见》，对数据确权、流通、交易、安全等方面做出部署。国家发改委牵头起草的《数据基础制度若干观点》认为，数据基础制度包括数据产权制度、数据要素流通交易制度、数据要素收益分配制度、数据要素安全治理制度，力图破除数据要素供给、流通、使用的体制机制障碍，优化数据要素布局结构、保障各社会主体平等使用数据、促进数据合规高效流通使用。在已有的国家政策文件中，尚未披露数据要素定价制度，一些地方政府进行了探索。比如，《上海市数据条例》提出，市场主体可以依法自主定价，但要求相关主管部门组织相关行业协会等制订数据交易价格评估导则，构建交易价格评估指标。

 

数据要素交易机构的运行由一系列的制度安排维系，交易制度设计的目的是减少交易成本、降低交易风险、实现资源最优配置。在交易制度设计中，数据要素定价的制度设计应该考虑两个重要因素：一是场景因素，数据要素的定价离不开具体交易场景，因交易场景不同，数据定价方法存在差异，数据价值与具体的应用场景相关，同样的数据对不同买方的价值差异很大，卖方会根据买方异质性实行价格歧视策略。基于场景的定价特点是数据要素定价与其他要素定价最大的不同。二是数字技术，区块链、智能合约和密码学技术的应用，可以在一定程度上解决数据所有权界定不清、数据所有者隐私泄露、交易透明度低等问题，能实现敏感信息的“可用不可见”。智能化采集、云计算和物联网技术解决了海量数据的采集、存储和分析等面临的技术难题，促进和保障数据的有序流通，降低了数据要素的重置成本，进而对数据要素定价产生间接影响。

 

评估数据的价值和价格，是比数据保护更重要的事情。数据保护问题的本质在于如何对数据进行定价。数据要素定价制度的总体思路是，应该遵循由市场评价贡献、按贡献决定报酬的原则，加快推进数据要素市场化配置，探索形成市场化的数据要素定价机制。为此，笔者提出以下政策建议：

 

第一，构建合理的数据资产价值评估指标体系。比如，《电子商务数据资产评价指标体系》（GB/T37550-2019）是我国数据资产领域的首个国家标准，其中提出了数据资产价值评价指标体系。一些机构和学者也提出了数据资产价值评价指标体系。建议相关部门制订统一的数据资产价值评价指标体系，为市场这只“无形的手”来指导数据定价奠定基础。

 

第二，制订统一的技术标准及数据资产标准。数据资产标准的研究制定已成为国内外各标准化组织共同关注的热点，尚处于起步阶段。在数据要素的基础上，数据资产管理更强调其资产视角，重点关注其成本、定价、收益、价值等维度，数据资产的标准化更加有益于数据交易流通。建议重视人工智能、区块链、隐私计算等数字技术在数据定价中的应用，加快构建涵盖数字化基础设施、底层技术、平台工具、行业应用、管理和安全等方面的数据标准体系，打造互认互通的标准化、规范化、高质量的数据资源标准体系。

 

第三，建立多层次数据资产交易市场。数据资产定价是一个动态行为，需要在数据资产交易过程中实现。在数据资产价值管理过程中，数据资产价值评估在前，数据资产定价在后，数据资产定价建立在数据资产价值评估的基础上。可以考虑建立数据资产交易一级市场和二级市场，一级市场负责数据资产估值，二级市场负责数据资产定价。同时，以应用需求为导向，建设第三方大数据交易平台，提升其协调、服务数据买卖双方的技术和能力，鼓励专业性的数据聚合企业通过直接交易和间接交易方式，“一对多”与其他数据需求企业开展匹配交易。

 

第四，加快推进数据资产会计确认。完善数据要素市场交易规则，制定依托应用场景和数据性质的差异化定价机制，循序渐进培育多场景、细布局、高效率、优配置、规范化的数据要素市场生态，充分发挥市场在数据资源配置中的决定性作用和政府的有效引导作用，健全政府主导、多方参与的数据定价监管和治理体系。数据资产的估值和定价需要会计确认与核算。一是明晰数据资产的会计确认条件。数据资产是指企业通过透明、合法渠道获得、拥有或控制的，预期能为企业带来经济收益的数据资源。数据要素成为资产的关键条件是能产生价值。二是统一数据资产的会计确认时点。一般来说，对于外购数据资产，会计确认时点可设定为得到数据资产管理权或实际控制权之日；对于自行开发的数据资产，会计确认时点可设定为原始数据经过整合、处理、加工变为有价值的数据集合之日。三是确定数据资产的入账方式。数据资产作为区别于无形资产和有形资产的一种全新的资产类别，兼备无形资产和有形资产的部分特性。一方面，数据资产较难形成准确的公允定价，无法纳入“无形资产”科目进行会计核算；另一方面，设置单独的会计科目“数据资产”可能会诱发大量欺诈行为。四是探索数据资产摊销和计提减值准备的方法。数据资产可适当参考无形资产的摊销方法，如加速摊销法等，但数据资产的时效性、异质性增加了摊销和减值计提的难度。

 

第五，健全数据要素分配机制。建议将数据资源的权属（所有权、使用权和收益权）进行分拆、组合，淡化数据资源的所有权，承认数据收集、整合、加工后数据集的限制性使用权，在保障个人信息安全的前提下，重点从数据资源使用权的角度来探索基于用户或平台企业的付费模式和利益共享方法。合理的分配方式有助于最大程度释放和利用数据价值，激发数据要素的生产潜力。加快完善准确反映数据供求关系和稀缺程度的市场定价机制，必须探索合理的利益分配机制，保证数据的所有者、持有者和开发者，都能有满意的权益分配。

 

第六，建立健全数据要素价格监管制度。健全的数据产品交易监管体系是公平竞价的制度保障。建立数据要素价格的监督和调控机制，要在“市场决定价格”机制的前提下，对数据要素市场可能出现或已经存在的资源错配、价格严重偏离价值问题，进行有效监管和合理调控。完善数据要素价格管理和监督，主要的制度包括：数据要素交易信息披露制度，数据要素价格常态化监测和评估制度，对数据交易中介和数据服务商歧视定价、不正当竞争行为的监管制度，价格异动和风险预警制度，行业协会自律制度，等等。

 

总之，数据交易是实现数据流通、促进数据价值释放的有效途径，数据要素定价制度是实现数据交易的核心制度。各国都在积极探索数据要素定价制度，我国政府有关部门、交易机构、科研院所、协会商会等第三方机构，也应该加大数据要素定价制度的理论研究，联合攻关数据产品和服务定价所涉及的关键问题，加快建立健全数据要素定价制度，丰富和完善数据要素基础制度。

 

作者： 中央财经大学中国互联网经济研究院副院长、教授，桂林旅游学院数字经济研究院院长、教授 欧阳日辉