伍爱群：加快构建我国数据资产定价新机制的建议

 

当前数字经济成为全球主流经济发展业态，数据要素成为新型生产要素，在此背景下基于数据要素的数据资产如何定价问题越来越成为当前经济运行亟需解决的难题，目前市场尚无形成明确定价规则。数据要素具有与传统生产要素不同的特性，数字经济具有与工业时代经济不同的经济规律和经济运行逻辑，基于数据要素的数据资产定价方式也必然不同于传统实物资产。通过对数据要素特性和双边市场理论进行深度经济学分析基础上，提出DCAPM 数据资产定价的空间贴现模型，以期对当前各方焦灼问题和数字经济健康发展做出贡献。

 

一、背景情况

 

我国首次在全球提出数据要素是新型生产要素。数据要素蕴含新的生产力，推动新型生产关系的变革，数据资产成为新资产和国家重要战略资源。党中央高度重视数字中国建设和数字经济发展，作出一系列重要决策部署。2022 年，中共中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称“数据二十条”），对构建数据基础制度作了全面部署，明确提出推进数据资产合规化、标准化、增值化，有序培育数据资产评估等第三方专业服务机构，依法依规维护数据资源资产权益，探索数据资产⼊表新模式等要求。2023年，中共中央、国务院印发《数字中国建设整体布局规划》，进一步指出要加快建立数据产权制度，开展数据资产计价研究等。

 

在此背景下，2023年初，财政部印发《关于加强数据资产管理的指导意见》（财资〔2023〕141号），由此引发业界对数据资产定价和⼊表问题的广泛关注，各地纷纷开始关注如何有效挖掘数据要素价值、如何对数据资产进行定价以及公共数据授权运营等问题，并积极探索实践。针对数据资产定价问题，尽管各地已经开始有了落地探索，甚至某些地方沿用金融逻辑形成了资源化、资产化到资本化的数据价值实现三部曲，但截至目前，我国尚未形成明确的数据资产定价规则与模式。本文在对数据要素特性、数字经济基础理论深⼊研究的基础上提出数据资产定价的科学合理范式和规则。

 

二、数据要素的特性和数据资产定价存在的主要问题

 

数字经济是继工业经济后的新经济业态，数据要素是适应数字经济时代的新生产要素，与传统生产要素不同，它具有虚拟性、时效性、可复制性和高增值性的特点，由此决定了数据资产定价存在一定的难点和问题，主要包括：

 

1、数据资产质量参差不齐、标准不统一，数据资产治理和评估难度较大

 

在大数据时代，原生数据本身并不能直接产生价值，必须经过加工处理，其潜在价值才能被挖掘和利用。我国现有的数据标准没有根据资产属性对数据资产进行多维度的分级分类，也缺少对数据资产元数据目录的规范。在元素取值范围、元数据文件格式等方面，尚未形成统一的标准规范，导致数据内容差异性大、标准不统一。数据资产的来源复杂多样，包括但不限于个人行为数据、企业运营数据、公共数据等，数据形式多种多样，不同主体数据治理水平的差异使得数据质量参差不齐。数据资产涉及领域众多、异质性强，且数据统计的口径标准不一致，给数据资产质量评估和数据资产定价带来较大难度。

 

2、数据资产定价高度依赖使用场景

 

数据的价值主要由它与特定问题的相关性而决定，不同场景对数据的需求不同。如果数据能够提供解决问题的关键信息，其价值也会相应增加。对于不同的应用场景，相同的数据可能具有不同的价值。不同的场景对数据的需求和评价标准不同，导致数据在每个场景中的贡献和效用也不同，从而影响数据资产的定价。同时，数据资产在不同场景下的应用难易程度也有较大差异。数据资产需要经过分析、处理才能用于不同的场景，不同场景下数据资产应用难易度的差异也会影响数据资产的定价。此外，数据资产还具有显著的时效性特征。数据资产反映的是某一时期的特定情况，随着时间的推移和情况的变化，原有数据可能不再适用当前状态或场景。因此数据资产的定价也依赖于特定场景下的时效特征。

 

3、严格的数据监管制度提高了数据资产的定价难度

 

近年来，许多国家和地区实施了严格的数据保护制度，如欧盟的通用数据保护条例（GDPR）和美国加州的消费者隐私法案（CCPA）。这些法律法规要求企业在收集、存储和处理个人数据时必须遵守高标准的隐私保护措施，并且需要获得数据主体的同意。严格的监管制度会导致企业合规成本的增加，需要企业投入大量资源来确保数据管理和处理流程符合监管要求，这些投入不仅增加了数据资产的直接成本，也提高了数据资产定价的难度。

 

4、现有数据资产定价方法存在的主要问题

 

目前，市场中对数据资产定价使用三种方法是成本法、收益法、市场法，这几种方法都是工业时代用于核算实物资产价值和定价的主流方法，但面对数字经济新业态和数据要素新型生产要素，这几种方法都存在不足。第一，当前在数据资产定价和会计入表方面，用的最多的是成本法，但成本法只能核算一小部分价值，无法核算数据资产被实际使用后产生的市场价值，所以其估值远远低于数据资产的实际使用价值和潜在市场价值。第二，收益法在能够较为准确预测预期收益时，是能够较好反映数据资产真实价值的评估方法，但因应用场景不同具有巨大不确定性，很难模型化随机贴现因子，数据作为一项资产的时间较短，在缺乏先验性经验的条件下，收益法很难实现应用。第三，由于尚未建立起完善有效的数据资产市场，相关评估、交易等配套法律、规则、标准等都不健全，无法获得足够数量的有效交易信息，市场法尚不具备评估应用条件。

 

三、主要建议

 

在数字经济运行现实中要进行数据要素市场化建设，并对数据资产进行定价，就要搭建数据要素双边市场，数据要素市场化应该要搭建的是适应数字经济发展规律的双边市场，而不是传统的单边市场。数据要素价值的挖掘、数据资产的定价要在双边市场中实现，对应现实也就是要进行数据资产交易市场的建设，但这种交易市场不是当前的交易所模式，而是可实现共时条件下多主体复用、可促进数据要素使用价值广泛实现的场外交易市场。

 

数据资产是特定主体合法拥有或者控制的、能进行货币计量的、且能带来直接或者间接经济利益的数据资源。数据交易是数据供方和需方之间以数据商品作为交易对象进行的以货币或货币等价物交换数据商品的行为。在对数据要素特性和双边市场理论解释的基础上，提出空间贴现的反向定价方法。通过搭建场外交易市场的方式，在同一时间条件下空间中的多主体对一种数据资产的使用，各主体基于各自不同使用效果所带来的经济效益对该数据资产给付不同的价格，由此产生数据资产在共时条件下的空间贴现定价，这个定价包含了基于数据资产使用的中间产品和最终产品的两部收费。

 

在此背景下，适应数据要素特性和数字经济发展规律的数据资产空间贴现方法应运而生。

 

1、空间贴现数据资产定价模型

 

数据资产定价模型：DCAPM

 

 

其中，n = 1 、2 、3 ……n ，t = 1 、2 、3 ……t 。下标代表起始值，上标代表最大值。t表示时间；n表示有效的最终产品数量（有效流量，或可变现流量），有效指中间产品（数据资产）有效转化为最终产品（数据最终产品，即增值应用）的现金收⼊，即流量变现。p为资产价格，E代表预期，U代表效用，c为效用对应的消费，x为资产回报。β为随机贴现因子。

 

内生应用：表示共时条件下，数据资产定价取决于增加一个有效应用（cn+1）带来的边际效用u´对应的回报x所决定的预期E变化。

 

共时条件下，数据资产定价取决于增加一个有效应用带来的边际效用对应的回报所决定的预期变化为空间贴现。

 

空间贴现的一个关键条件是“市场可观察”（信息对称），这是指对中间产品投⼊转化而来的最终产品市场，可以观察（确知）其收⼊。这至少需要两个条件，一是具备买卖双边之外第三方观察者（如苹果商城平台）；二是有买卖之外第三方观察系统（如苹果商城中的⽀付结算系统）。

 

定价依据的边际效用，是指每增加一个有效流量（n+1）所增加的效用。有效流量n是指带来最终产品效用（用销售收⼊衡量）的流量数（如梯若尔定价公式中的Nj ）。xn + 1是相对于xn新增一个流量数给资产带来的回报。

 

在双边市场中，存在着一个总的流量基数。但并不是每个流量都会带来收⼊，其中可转化为销售收⼊的流量构成有效流量，它与总流量之⽐，构成了流量转化率（流量变现率）。

 

平台“按使用效果收费”，就是指按流量转化为销售收⼊的“效果”，在会员费基础上收取使用费。

 

2、各地对空间贴现模式的有益探索

 

模式一（深圳、海南）：推动电力、交通、金融、电信等行业主体或具有全国影响力的行业性机构建立行业性数据交易平台，开发贴近行业发展的数据产品和服务，推动行业内建设更高效的数据要素流通与交易机制，帮助企业寻找可用数据资源，促进数据要素与各行业融合应用，并结合应用场景确定价值与价格。

 

模式二（上海）：除企业间直接交易模式外，鼓励交易场所建立将场外交易引入场内的各类创新探索。支持线上线下结合平台交易、联盟交易与共享交易，鼓励在数据交易同时，研发来自数据源开发的数据产品、数据服务。

 

模式三（海南）：支持数据交易平台开展提供数据产品与服务交易与加工处理服务结合的前店后厂模式。

 

模式四（浙江）：前店+中仓（数商）+后场。

 

模式五（深圳）：支持⻰头、链主与数据要素X诸领域机构，如与农业局、医保局等合作，通过场景寻找数据需求，通过数据交换直接提供服务。

 

3、探索建设空间贴现数据市场的建议

 

一是推动电力、交通、金融、电信等行业主体或具有全国影响力的行业性机构建立行业性数据交易平台，开发贴近行业发展的数据产品和服务，推动行业内建设更高效的数据要素流通与交易机制，帮助企业寻找可用数据资源，促进数据要素与各行业融合应用，并结合应用场景确定价值与价格。

 

二是除企业间直接交易模式外，鼓励交易场所建立将场外交易引入场内的各类创新探索。支持线上线下结合平台交易、联盟交易与共享交易，鼓励在数据交易同时，研发来自数据源开发的数据产品、数据服务。

 

三是支持数据交易平台开展提供数据产品与服务交易与加工处理服务结合的前店后厂模式。支持数据交易平台拓展增值式交易服务，在数据清洗、数据标识、数据挖掘、数据融合处理等更多领域提供数据服务。鼓励政府指导类、数据服务商类、大型金融及互联网企业等多方数据交易主体共同参与，推动多元共建发展。

 

四是支持龙头、链主与数据要素各领域机构合作，聚焦重点行业和领域，如与农业局、医保局等合作，通过场景寻找数据需求，通过数据交换直接提供服务。挖掘高价值数据要素应用场景，培育数据商，繁荣数据产业生态，鼓励多方主体积极参与数据要素开发利用。

 

五是推动与行业应用结合紧密的场外交易，向双边市场方向升级。当前，数据交易市场呈现出场外交易火热而场内交易相对冷清的现象。场内交易与场外交易能够满足不同类型的交易需求，在培育壮大场内交易的同时，也要规范引导场外交易，促进场内场外交易互为补充、协调发展，适当允许场外交易，有利于减少黑市等违法行为，健全数据要素市场体系和制度规则。着力构建政府、企业、个人多方参与的数据流通交易共同体，走出一条符合我国实际情况的数据合规治理与市场化利用之路。

 

作者：伍爱群（全国政协委员，中国通信学会网络安全委员会主任，上海中青年知识分子联谊会副会长，华东师范大学国家安全与应急管理研究院院长、特聘教授，上海航天信息科技研究院院长）远望智库特约研究员、于小丽（中国国际经济交流中心博士后）；来源：战略前沿技术微信号