数据有价——数据资产定价研究初探

本文主要是介绍数据有价——数据资产定价研究初探，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

数据（Data）是一项资产的观念形成虽然时间不长，但已经成为人们的共识。成为资产的两个基本前提条件是能够确权和定价。确权是确定谁拥有什么权利或权益，定价使得资产具备可转让性。相比其他资产类别，数据资产（Data Assets）的确权和定价的研究刚刚起步，但数字经济的发展迫切需要对这一课题进行研究。

从数据流动的宏观结构观察，数字化首先形成初级的、未经处理的原始数据(Raw Data），这些原始数据是由不同的数字化设备（传感器）产生的“传感数据”（Sensor Data），经过简单的组合或融合而形成的。这些原始数据再经过处理，形成各种各样的数据产品（Data Products），进入数据交易市场。数据资本化进程的演进，逐渐形成包括数据资产、数据资本和数据金融的数据金融市场（如下图）。由此可以看出，数据必然的成为可进行交易的商品、必不可少的生产要素与资产。数据资产列入资产负债表，也只是时间问题。

640?wx_fmt=png

不是所有的原始数据都能够加工成数据产品，能够加工成数据产品的原始数据需要满足一些特性。严格定义和测度究竟哪些原始数据能加工成数据产品还很难形成统一的标准。但目前，认为具备“大数据”特性的数据是能够加工数据产品，并进一步能够成为数据资产的观点基本能够形成共识。为避免歧义，本文所研究的数据，是指满足“大数据”特性的这一类数据。

在当前的数据市场中，买家和卖家之间几乎没有透明度、信息严重不对称。这种缺乏透明度和信息不对称，让参与交易的各方被误导并最终形成“柠檬市场”。如果存在数据定价的标准模型，这个模型考虑了影响数据价值的许多方面，例如数据的年龄、样本的可靠性以及其他因素。买家就可以进行适当的比较，以获得合理的价格。如果数据市场采用了基于这些标准化的定价模型，市场的效率将会得到大幅改进，并促进数据科学的研究和发展。

早期的研究主要是数据资产评估。Moody和Walsh（1999）提出信息资产作为一个有形资产进行评估，以为信息的价值由搜集信息成本、管理信息成本和信息质量共同决定。Long Staff和Schwartz（2001）运用B-S期权定价理论提出LSM方法，解决价格对历史数据依赖性的期权定价等问题。Pitney Bowes、John Gallaugher （2009）从数据资产管理的角度，研究从数据流动过程对数据资产进行管理。提出了数据资产管理包括目标数据、数据来源、数据体积、数据质量、数据托管等方面。

这些研究，大多没有涉及数据本身。本文主要讨论数据本身的定价问题。

一、分析框架

从经济学的视角看，这类数据无法由经济人通过人工方式直接处理，必须且只能够借助某种软件来处理。因此，对经济人而言，数据产生的效用应该是数据和软件共同作用的结果。

处理数据的软件也处于不断演进中。从最简单的到复杂的人工智能，软件的发展极大的提高了数据处理的能力，同时，也对数据产生巨大的需求。为了训练一个人脸识别AI，需要大量的采集人脸数据进行训练；自动驾驶AI系统，无论在训练时，还是在工作中，都需要大量的数据。

以微观的视角，将处理数据的软件与数据分开来考察的好处是，可以基于经济学的理论体系，构建一个关于数据和软件的经济学分析框架。这个分析框架的核心要点主要是两个：一个是将满足一定规范条件的输入数据无差别化处理，考察不同的软件在处理相同输入的情况下，其输出的效用差异；一个是将软件看作经济人的智能代理（Intellgent Agent），运用代理理论来对数据市场的交易行为进行分析。

需要补充的是，对于程序员和工程师而言，将软件和数据进行分离是一件不可思议的事情。但将软件和数据分开，是为了更好的在经济学意义上，分别研究软件、数据的经济学性质。特别的，这样的分离更便于建立数据交易和定价所需要的微观基础。

首先分析软件，为此建立了一个初步的软件经济学分析框架。在这个分析框架中，得出的结论是：软件本质上，代表的是某个时期，人们关于处理某类数据的全部知识和方法的总和。软件作为经济人的智能代理，按照委托，处理特定的数据，向经济人提供效用。

这个分析框架将数据作为软件所定义的输入空间和输出空间的子集【定义1】。数据从一个层级“流动”到上一个层级，驱动数据流动的动力是数据的价值（分析框架示意图如下）。

640?wx_fmt=png