研究问题与背景
数据作为第五大生产要素，其市场规模巨大。2022年我国数据年产量达8.1ZB，占全球10.5%，数据要素已成为仅次于资本的第二大贡献生产要素。为构建数据要素评估计价理论体系，深圳数据交易所等单位启动了粤港澳大湾区数据要素评估计价中心建设，本报告是该中心的首部公开研究成果。
数据要素评估计价的视角与方法
-
资产评估视角：
- 成本法：操作简单，但无法充分反映数据未来价值。
- 收益法：体现数据真实价值，但参数设定难统一，公允性待提升。
- 市场法：适用于活跃交易市场，但当前数据交易市场发展初期，可比案例少。
-
流通交易视角：
- 非合作博弈：参与者追求自身利润最大化。
- 讨价还价博弈：需协商博弈，效率可能低下。
- Stackelberg博弈：领导者（如数据交易所）先定价，追随者优化决策。
-
新技术视角：
- 模拟仿真数据动态定价：利用AI和强化学习等方法研究数据智能定价。
- 基于维度模块评估数据价值：通过机器学习方法评价数据价值。
- 机器学习模型类产品的价值评估：从数据集、标签形成、协同训练等过程综合讨论价格。
数据要素评估计价的对象与原则
-
对象：
- 数据产品、数据工具、数据服务。
- 四种要素形态：原始数据、脱敏处理数据、模型化数据、人工智能化数据。
-
原则：
- 公正性：议价公平、过程合规、价值合理。
- 高效性：机制灵活、公开透明、市场导向、高效流通。
数据交易价格形成流程
- 估价：交易所生成数据交易价值评估结果，形成建议价。
- 报价：数据商根据建议价或自身情况报价。
- 议价：买卖双方协议决定成交价。
- 价格认定：交付后根据产品种类、特性、市场功能等制定评估标准，结合市场调研、外部因素和各方反馈，形成最终价格认定。
数据交易定价典型案例
- 脱敏化数据产品（1阶）：深译信息科技的多语言语音/文本语料数据集，采用成本+合理利润定价。
- 模型化数据产品（2阶）：开普云政务数据产品，采用收益法确定报价。
- 人工智能化数据服务（3阶）：深圳福田产投与腾讯合作的商业保险理赔服务，采取数据交易平台辅助定价和市场议价结合的方式。
- 软硬件一体化数据工具：江西冠英的数据全链路服务工具，采用市场法修正系数确定估价，结合成本优势报价。
未来展望：交易产品与资产一体化定价
-
当前问题：
- 传统评估体系不适应数据特点。
- 信息不对称导致价格难以公正合理。
- 缺乏适配多形态多场景的定价方式。
-
以数据产品价格认定引领发展：
- 数据零级市场（数据共享交换和权益流转）是重要应用场景。
- 重点研究市场法导向的资本化定价机制。
- 通过价格公正性认定逐步构建差异化定价机制（资源化、资产化、资本化阶段）。
结论与建议
-
结论：
- 数据要素市场处于初期，需遵循公正和高效原则。
- 数据定价方法需落实市场决定、流动自主、配置高效的要求。
- 数据零级市场是数据资产评估的主要应用场景，需参考一二级市场交易记录进行评估。
-
建议：
- 国家层面加强价格形成机制的顶层设计，建立完善的数据资产评估计价公共服务体系。
- 重视数据交易所在价格发现和监测中的作用，推进数据交易透明化、流程化和标准化。
- 面向数据要素的三发展阶段，通过价格公正性认定引领数据资产评估有序发展，构建差异化定价机制。
