趙瑞琴，孫 鵬

(1.首都經濟貿易大學 經濟學院，北京 100070；2.河北農業(yè)大學 經濟管理學院，河北 保定 071001；3.北京市通州區(qū)金融服務辦公室，北京 101100)

一、 引 言

突發(fā)新冠疫情不僅重創(chuàng)全球經濟，而且改變了人們營商、社交、學習、娛樂等行為習慣。疫情期間，遠程辦公、在線教育、直播帶貨等“云上經濟”發(fā)展迅速，這種非接觸式服務新模式對經濟發(fā)展和政府治理的影響是長期深遠的。數據是數字經濟的基礎性、戰(zhàn)略性資源。后疫情時代，以大數據應用為代表的數字經濟將迎來重大發(fā)展機遇。習近平總書記在2020年中國國際服務貿易交易會全球服務貿易峰會上提出，支持北京市設立以科技創(chuàng)新、服務業(yè)開放、數字經濟為主要特征的自由貿易試驗區(qū)，數字經濟正式納入國家戰(zhàn)略。時至今日，大數據采集、處理、分析、挖掘等技術已在商業(yè)、金融、制造、研發(fā)、政務服務、公共安全等領域得到廣泛應用，大數據理念已深入社會實踐的各個角落，甚至成為企業(yè)形成市場支配地位的重要因素。但目前社會各界對大數據的理論認知仍滯后于其應用實踐[1]，而且大數據確權、交易定價、資產化問題也存在諸多爭議，這對大數據產業(yè)和數字經濟持續(xù)健康發(fā)展形成潛在隱患[2]，也成為制約大數據向生產要素正常轉化并參與社會大生產的關鍵。隨著人工智能、物聯(lián)網、云計算、第五代移動通信等技術加持，大數據應用及大數據產業(yè)發(fā)展進入爆發(fā)期已勢不可擋。但我國市場經濟實踐已經證明，爆發(fā)式增長的市場不一定是可持續(xù)發(fā)展的市場，在大數據和關聯(lián)產業(yè)快速擴張的同時，一些基礎性的理論問題亟待重新審視。例如，大數據的屬性和概念是什么？大數據從哪里來，屬于誰？只有明確這些基本問題，才能深入探討大數據確權、交易、資產化等理論問題，才有可能構建起適合我國國情的有中國特色的大數據理論，為大數據產業(yè)和要素市場建設保駕護航，為數字經濟賦予強大的發(fā)展動能。

二、 對大數據定義、屬性和資產化的重新認識

(一) 大數據定義的不穩(wěn)定影響確權認知

大數據概念產生于二十世紀九十年代，至今已衍生出多種定義。工業(yè)和信息化部將大數據定義為“以容量大、類型多、存取速度快、應用價值高為主要特征的數據集合”。[注]工業(yè)和信息化部《中國大數據產業(yè)發(fā)展評估報告(2018年)》第17頁。研究機構Gartner認為“大數據是指采用新的處理方式而形成海量化、高增長率和多樣化的信息資產”[3]。維基百科指出，“大數據是無法在容許的時間內用常規(guī)軟件工具對數據進行抓取、處理和管理的數據集合”[4]?？傊?，大數據的各種界定均包涵數據、產品、資產、技術這四大要素，在應用環(huán)節(jié)并無不妥，但在探討大數據確權時易導致權屬主體不明，并傾向于將數據產品的提供者、開發(fā)者認定為唯一權利主體。本文認為，需要回歸大數據本源，給予其更加“純凈”的定義。大數據是以特定目的積累起來的海量的運動痕跡信息和物質的數字記錄，包括“動和靜”的結合?！皠印睉B(tài)數據就是各種人、物等運動主體發(fā)生的與其本體生產生活相對應的行為信息，被以數據信息形式記錄下來所形成的運動痕跡，比如消費者網購、打車等信息?！办o”態(tài)數據是相對靜止的物體、客觀環(huán)境等被以數字化手段轉化或記錄而成的數據信息，比如北斗導航系統(tǒng)記錄的地理信息、以CAD圖形式儲存的建筑信息等。

(二) 大數據屬于高階化、可交易的信息流活動

大數據本質上是數據信息。在商品經濟環(huán)境中，信息早已不再是靜態(tài)的信息，而是從商流與物流中分離出來并跟隨商品交換流動，成為現代貿易的必備要素。近年來，隨著信息技術的發(fā)展，大數據產業(yè)表現出巨大前景。諸多流通企業(yè)對運營中產生的海量數據信息進行開發(fā)，通過云計算、射頻識別、無線傳感等技術手段發(fā)展“互聯(lián)網+物流”模式或開發(fā)物聯(lián)網功能，將大數據應用下沉到供應鏈和商業(yè)運營中，以降低流通成本和資源占用。例如，京東與小型實體店開展數據共享、共同預測，實現按需生產和倉庫共享，使得原本每家實體店都要各自準備倉儲設施，變成多家實體店共用京東一家的倉儲系統(tǒng)，實體店轉型為前端的銷售信息平臺，極大降低了小型實體店的運營成本以及存貨資金占用成本。這是信息流應用的初級階段，當信息流成為大數據以后，則進入更為高級的階段。此時的信息流已經不再是商品流通的輔助要素，而是作為可估值的數據資產直接參與商品交換活動，對商品流通環(huán)節(jié)以及相關產業(yè)、領域在量和質上提供新的驅動。目前，國內已經形成了一批TalkingData、天眼查等大數據企業(yè)，阿里巴巴、騰訊利用支付寶、微信等社交和支付工具更是沉淀了巨量的數據資源成為數據寡頭，上海、貴陽等地成立了大數據交易所，市場上已出現數據開放平臺、數據軟件開發(fā)、數據咨詢、數據征信評價、數據營銷和大數據交易所等多樣化商業(yè)模式。北京市也在2020年服貿會期間發(fā)布了《北京國際大數據交易所設立工作實施方案》，但大數據產品交易尚缺少法律法規(guī)和行業(yè)標準，不同模式下對大數據確權、定價等的認知也并不相同，亟須進行規(guī)范。

(三) 大數據資產化是價值的形成過程

大數據本質上是個體或物體的信息符號，要成為具有使用價值的、可估值的資產還要經過一系列經濟操作，這一過程與企業(yè)經營密不可分。按照會計上對資產的定義，資產是企業(yè)過去的交易或事項形成的，由企業(yè)擁有或控制的，預期會給企業(yè)帶來經濟利益的資源。資產在企業(yè)中只有保持著運動的狀態(tài)，從一個形態(tài)轉化成另一個形態(tài)，最終形成或融入某一產品的價值中，才能通過交換實現價值。例如，企業(yè)用現金購買原材料，用原材料制造商品，賣出商品取得現金，從而實現交換價值。同理，大數據也只有與具體的業(yè)務場景融合，才能實現其使用價值，這個過程就是大數據的資產化，也就是大數據資產的形成過程。在這個過程中，需要明確兩個理論問題。

第一，大數據的成本包括哪些？成本是經濟活動中為取得一項權利或物質需要的對價付出，但數據產生的邊際成本幾乎為零[5]。比如某人早上用智能手機搜索購物和就餐信息，通過網約車前往商業(yè)場所，在等餐間隙打開手機游戲，隨后又在購物網站下單等待明天收貨，且隨著互聯(lián)網和智能手機使用量的增加，他們的需求和偏好痕跡也在增加[6]。以上行為信息，對信息的產生人來說，是無意識的、沒有成本的，也不具有商業(yè)實質，但通過對這些離散式信息的采集和處理成為可應用的大數據后，便具有了商業(yè)實質。因此，大數據的成本來源于數據信息搜集和處理，包括技術研發(fā)、系統(tǒng)設計以及人工等，但技術越成熟，大數據搜集和處理的邊際成本將呈階梯遞減趨勢，即隨著數據搜集和處理量增加，成本遞減。只有當新技術、新算法出現時，才會產生新的研發(fā)、設計和人工成本。

第二，大數據的價值、使用價值和交換價值是如何形成的？馬克思政治經濟學指出，價值是指凝結在商品中無差別的人類勞動。大數據是依靠人類無意識行為或客觀物質本身所產生的信息形成的，依托搜集和處理信息的勞動而形成價值。因此，大數據的價值是凝結在商品中的無差別的間接人類勞動，但這只是大數據價值的一部分。價值與使用價值和交換價值緊密聯(lián)系。馬克思商品流通理論認為，商品是具有使用價值的產品，使用價值是產品成為商品的首要條件，不具有使用價值就不能用于交換，也就不能成為商品。大數據無疑具有使用價值，但這種使用價值是變化的，是依場景而定的。企業(yè)可以選擇在自身經營場景中使用大數據，例如京東、阿里巴巴等數據寡頭企業(yè)，在其龐大的產業(yè)生態(tài)圈內，對商品生產、流通以及消費需求數據進行采集、分析和運用，以大數據驅動商流、物質流、資金流等要素，進而提升流通效率。此時，大數據具有使用價值，但因其屬于內部使用，沒有用于外部交換，因此尚未產生交換價值，也無法進行定價或估值。但大數據對提高運營效率的作用催生了市場需求，由此，專門采集、處理數據并以數據分析和交易為主業(yè)的公司促進了大數據交換價值的產生，大數據也就此沿著“商業(yè)實質—使用價值—交換價值”路徑完成了資產化過程。

大數據一旦形成使用價值或交換價值，就和土地、資產、勞動等一樣，成為國民經濟發(fā)展的關鍵生產要素。黨的十九屆四中全會決議中首次將“數據”增列為生產要素，并在2020年發(fā)布的《中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見》中為數據要素市場改革提供了方向。但數據要素市場的建設還有諸多困難要克服，比如大數據的確權問題，除了少量權益比較明確的數據資產以外，還有大量數據的所有權、處理權和收益權是不明確的。明確這些權益是數據核算的基礎，更是數據交易的前提。因此，大數據如何確權和定價，是當前數據要素市場建設最為核心的問題，也是亟須解決的問題。

三、 對大數據確權、交易定價的理論探討

(一) 大數據確權、定價相關文獻綜述

1.大數據確權研究理論進展。大數據確權問題主要集中于數據權利應側重于人格權還是財產權。部分學者認為數據權利要突出人格權，包括姓名權、隱私權、名譽權、肖像權等內容[7]。其中，隱私權是數據權人格屬性的重要代表，民事主體的私人生活安寧與個人信息不應被他人非法知悉、搜集、利用和公開[8]，數據權利中包含人格權，體現了人的自由與尊嚴，也是我國的法律權利之一[9]。隨著數據交換、數據交易等市場行為的產生，數據顯現出經濟利益屬性，在數據上設定財產權被越來越多的學者認同[10]，但這種財產權與民法上典型的財產權不同，是一種以私益結構為核心、多層限制為包裹的復雜法律秩序構造[11]。同時，大數據財產權的客體是源于數據集合形成過程中信息熵減所產生的經濟價值[12]，這一點也區(qū)別于傳統(tǒng)財產權類型。至此，又引發(fā)一爭論熱點，即數據權利如何產生或產生于哪個環(huán)節(jié)。從數據的生產機制看，算法在數據價值與數據權利的形成中處于核心地位，通過算法規(guī)制反向實現數據確權更符合實際[13]。從制度經濟學上看，數據權利形成于一組多個權利集合的“權利束”，包含了個人、集體、組織、國家等多元主體，以及人格權、財產權等多樣權利[7]。為進一步將財產權細分來平衡各方利益，有學者提出應以“汗水原則”“創(chuàng)造者歸屬原則”來確定數據的所有權，以“最佳利用者原則”“效益原則”來確定數據的使用權[14]。其中，所有權是數據確權的爭議焦點，主要的觀點包括：數據載體說，即數據原始處分權歸屬于數據載體的所有人；制造說，即數據制造者為數據所有權的原始取得人；交易觀念說，主張數據所有權應建立在交易觀念基礎上，歸屬于交易行為的供應者[15]?？傊?，在數據確權領域，從數據權、數據權利到數據產權，正經歷權利范式、權利-權力范式和私權-經濟范式的嬗變[16]，形成了多維度、多視角的數據產權制度認知[17]。本文認為，現有文獻對數據確權的研究雖視角多元、論證多樣，但多聚焦已被搜集、處理并形成可利用、可交易的數據集合這一狀態(tài)，而對數據產生于個體行為這一關鍵點關注不夠，忽略了個體在數據確權中應享有的基本權益。從數據的本源逐層、逐階段探究數據確權問題才是關鍵。

2.大數據定價研究理論進展。對于大數據定價方法的研究，主流是拍賣博弈視角，通過無限制供應拍賣的真實性和效率確保交易各方利益保持一致[18]，在固定預算限制下納入個人理性、比例購買因素的拍賣機制[19]；或在界定私人數據拍賣概念下的多單位采購拍賣機制等[20]。但Jentzsch(2014)認為拍賣機制不能反映敏感數據產品的價值[21]，而且感知價格與市場實際價格存在差異[22]，因此并不能完全解決大數據產品的定價問題。劉朝陽(2016)提出，大數據有別于傳統(tǒng)數據，傳統(tǒng)定價方法難以解決雙向不確定問題[23]，應針對不同類型的數據采用不同的定價模式，或采用不同的價值維度聚焦客戶的感知價值[24]。在博弈范疇下，彭橋等(2020)運用討價還價和甄別定價方式，構建供需雙方效用平衡函數，提出當供方擁有數據優(yōu)勢時，其議價能力更高[25]。除博弈視角外，學者們還嘗試引入由交易時間、服務質量感知認同度、供需信息匹配度構成的價格貼現因子，通過構建三階段Rubinstein動態(tài)定價模型，求解各階段交易雙方的最優(yōu)出價[26]，或引入區(qū)塊鏈的共識機制、時間戳、智能合約和通證激勵，運用期望值和信用評分系統(tǒng)，優(yōu)化效用定價[27],或基于數據信息熵提出無套利通用定價模型，解決最小單位數據定價問題[28]，或基于用戶感知價值，融合專家總體偏好信息和用戶分享評價信息，運用多維偏好線性規(guī)劃分析確定待估數據價格[29]?？傮w上看，由于數據價值的計量缺乏客觀標準，同時現實存在諸多變數，因此對大數據交易定價的研究尚未得出統(tǒng)一結論。比如同樣數據對不同企業(yè)的價值大相徑庭，有些企業(yè)開發(fā)運用得當，可增加經濟效益，反之則減少。同時，數據價值的時效性多變，有些貶值速度很快，有些對時間不敏感。此外，數據應用會產生競爭性或排他性效果，如果多個企業(yè)均處于市場競爭的同一水平，相類似的產品或服務會承受降價壓力，新進入企業(yè)對大數據價值認可也會隨之降低。總之，現有定價方法重數理模型推導，重數據或交易行為本身，忽略企業(yè)經營實踐和商業(yè)模式特征，將導致市場中具有資源優(yōu)勢的頭部企業(yè)利用市場勢力樹立單方定價話語權，攫取超額利潤，對廣大中小企業(yè)形成“數據壁壘”，進而不利于大數據交易市場的發(fā)展培育。因此，大數據的交易定價模型應考慮多主體參與的狀況。

(二) 對大數據確權問題的探討

“靜”態(tài)數據的確權較為明確，基本上是誰開發(fā)、誰收益，但“動”態(tài)數據的確權仍是一個復雜問題。在《民法典》中，物權是指權利人依法對特定的物享有直接支配和排他的權利。物包括所稱物和知識產權等。所稱物包括不動產和動產，但法律規(guī)定權利作為物權客體也可適用；知識產權是指權利人依法對作品、發(fā)明、商標、商業(yè)秘密等客體享有的專有權利。很明顯，《民法典》中的產權涵蓋了有形和無形資產，但數據屬于何種資產、具有什么權利并未說明，只提出“法律對數據、網絡虛擬財產的保護有規(guī)定的，依照其規(guī)定”。大數據是按特定目的搜集并積累的海量信息，這些信息大部分產生于人的活動。在這些個人信息上依附著哪些權利，法律界和學術界尚未給予統(tǒng)一的公論。2015年，南京市中級人民法院對“北京百度網訊科技公司與朱某隱私權糾紛案”作出終審判決，撤銷南京市鼓樓區(qū)人民法院一審判決，認定“百度的個性化推薦行為不構成侵犯朱某的隱私權”。一審判決與二審判決最大的區(qū)別是，一審判決認為用戶的搜索活動為個人隱私，而二審判決認為搜索記錄等cookie信息不屬于個人信息。同樣一個主體在經濟活動中產生的信息，因產生主體和記錄主體不一致被分為了有兩個權屬的信息，其中的法理值得思考。

本文認為，因微觀個體行為產生的信息，無論是否被記錄和搜集，其所有權無疑屬于該行為個體，因為只有該個體會產生相關信息，這是個體的從物或附屬物，企業(yè)雖然使用這些數據，但對數據的所有權是不完整的。本質上，產權中的權利是一種私權，是需要利益交換才能轉讓的權利。企業(yè)搜集并處理消費者行為信息，無論用于改善自身生產經營還是用于外部交易，無疑從中獲取了利益，但企業(yè)并未與信息最初產生的個體進行利益交換。原因是個體的行為信息在被搜集和處理所形成的大數據中，其所占比重微不足道，且大數據之所以具有使用價值，數據廣泛的集合是關鍵。也就是說，個體的行為信息對大數據價值形成的影響太過渺小，以至于個體往往放棄了對信息價值追索這一“小微權利”。在其他領域也有類似案例，例如銀行對理財或存款的利息只計算到分，而真實情況則多是無限不循環(huán)小數，這些“錢”對個人來說太少了，甚至國家都沒有發(fā)行相應的貨幣，但在整個金融系統(tǒng)中，這些分散的錢如果匯聚起來，將是數以億計的大額資產。即使微小到無法計量，即使個體主動放棄了這一“小微權利”，但對個體行為信息賦予財產屬性對大數據的確權仍十分必要，因為財產屬性是所有權的基礎。一般來說，所有權包括占有、使用、收益和處分四項權利，個體對行為信息的所有權實際上只有“占有”的權利，因為個體的量級太小，無法實現使用、收益和處分這三項權利。表面上看，行為信息發(fā)生后，對個體的影響已經消失，只是被記錄在某個媒介中，個體并沒有占有。但我國《網絡安全法》指出，“網絡運營者收集、使用個人信息，應當遵循合法、正當、必要的原則，并經被收集者同意；網絡運營者不得泄露、篡改、毀損其收集的個人信息；未經被收集者同意，不得向他人提供個人信息”。即個體在法律上有權禁止相關主體搜集其信息，但由于這部分信息的價值太過渺小，維權成本太過巨大，同時，某些以這些大數據為基礎開發(fā)出的新服務確實為個體帶來了便利或收益，因此，很多個體放棄了追索權。但并不代表所有權發(fā)生轉移，因為所有權是完全的物權，而未經允許搜集的信息的所有權是不完整的。

微觀個體的原始行為信息只是構成大數據的基礎，并不是最終的大數據產品。大數據企業(yè)將個體的行為信息作為原始數據，在此基礎上進行脫敏處理并深度分析、整合，最終形成衍生數據，企業(yè)為此投入大量智力和勞動資源，衍生數據也已獨立于原始的個體行為信息，應當為這種耗費實質投入并達到實質規(guī)模的大數據集合設置有限排他權[17]。因此，衍生數據及附屬的大數據產品應享有獨立的財產性權益，搜集和處理數據的企業(yè)不能對該大數據享有完整的所有權。這是因為即使經過脫敏等技術處理，其中最核心的、最本源的信息并未脫離產生該信息的原微觀個體的范疇，企業(yè)只能享有該大數據的使用權、收益權和處分權?，F行《網絡安全法》第四十二條提出相同觀點，“網絡運營者不得泄露、篡改、毀損其收集的個人信息；未經被收集者同意，不得向他人提供個人信息”，但同時也增加了“經過處理無法識別特定個人且不能復原的除外”這一表述。

由上可知，大數據的所有權在法律邏輯上是絕對的、排他的、永續(xù)的，但在實踐中則是分離的，占有權屬于產生信息的微觀個體，而使用權、收益權和處分權則屬于收集和處理信息的主體，具體關系見圖1。

圖1 大數據確權示意圖

大數據作為一種極特殊的事物，個體與企業(yè)使用同一產權邊界，在實踐中易引發(fā)越界行為。因此，數據要素市場的構建需要更加復雜的規(guī)則、法律和服務體系，這將是一個長期的探索過程，但過嚴、過早的規(guī)則制定和執(zhí)行可能造成“劣幣驅逐良幣”的不良后果。當前，大數據交易已發(fā)展出多種商業(yè)模式，與其去找到一套標準的交易規(guī)范，不如暫且放下理論爭端，在一定范圍內放手由市場去探索。目前，國內已設立幾家大數據交易所，在數據確權、交易等領域正不斷嘗試，研究大數據交易所生態(tài)下的數據定價問題，為市場健康發(fā)展提供了另一種思路。

(三) 大數據交易所生態(tài)下數據產品定價分析

中國信息通信研究院發(fā)布的《大數據白皮書(2019年)》顯示，全球大數據發(fā)展仍處于活躍階段，全球數據量在2020年將達到50.5ZB，[注]ZB，即十萬億億字節(jié)，相當于240GB。全球大數據市場收入規(guī)模將達560億美元，這其中包括大數據硬件、軟件和服務三大市場規(guī)模，其中服務市場規(guī)?？蛇_210億美元，具體見圖2、圖3。[注]圖2、圖3來源于中國信息通信研究院，其中帶* 年份為預測值。

圖2 全球每年產生數據量估算圖

圖3 全球大數據市場收入規(guī)模預測

目前，國內外提供數據產品和服務的公司主要有四類：一是擁有海量自有數據的互聯(lián)網企業(yè)，如阿里、騰訊、京東等；二是擁有先進大數據平臺搭建技術和數據分析處理技術的IT企業(yè)，如華為、中興、曙光科技等；三是依賴數據分析處理工具針對用戶需求提供數據服務的第三方服務公司，如帆軟、海運數據、甲骨文等；四是專業(yè)提供數據撮合交易的大數據交易所，如貴陽、上海等地以及北京正在籌備的國際大數據交易所。無論理論上如何將大數據定價模型化、復雜化，在交易實踐中，只有作為市場參與主體的生產、交易、購買企業(yè)均從數據交易中獲益，交易行為才會產生。沿此思路，本文從大數據資產化形成視角，嘗試對大數據交易所這一細分市場，對各類大數據產品的交易定價進行分析。交易場所是指根據《國務院關于清理整頓各類交易場所切實防范金融風險的決定》(國發(fā)〔2011〕38號)和《國務院辦公廳關于清理整頓各類交易場所的實施意見》(國辦發(fā)〔2012〕37號)等規(guī)定，在各省市行政區(qū)域內依法設立的從事權益類交易、大宗商品交易以及其他標準化合約交易的交易場所。在我國，交易場所的設立必須由地方政府審批，屬于“7+4”類地方金融組織，[注]“7+4”地方金融組織指：小額貸款公司、融資擔保公司、區(qū)域性股權市場、典當行、融資租賃公司、商業(yè)保理公司、地方資產管理公司、投資公司、農民專業(yè)合作社、社會眾籌機構、地方各類交易所。交易規(guī)則由證監(jiān)會審核，機構由地方金融監(jiān)管局監(jiān)管，風險相對較低。市場上其他將數據變現的商業(yè)模式可歸類為“場外市場”或服務市場，與專業(yè)交易場所的商業(yè)邏輯不同。交易場所是商品流通的高級業(yè)態(tài)，在業(yè)務撮合、價值發(fā)現、標準制定、商品定價等方面擁有重要話語權，各地紛紛探索設立大數據交易所，也是期待以此商業(yè)模式來探索大數據市場的規(guī)范發(fā)展。

本文主要研究大數據交易所交易流通的數據產品的定價行為，不包括數據儲存、計算、挖掘和可視化分析等數據服務的定價。交易流通的數據產品是以降低用戶對原數據使用門檻、提高對數據再分析技術效率為目的，在原數據基礎上進行糾錯、補漏、整合和標準化后的大數據集合，包括結構化和非結構化的數據產品。在交易所內交易的大數據，其價值應涵蓋大數據生產方的成本與必要收益、大數據交易方的成本與必要收益、大數據產品的特征收益、大數據購買方支付意愿和購買后所得收益，大數據價格應小于大數據價值。具體關系如圖4。

圖4 大數據價值、價格構成示意圖

大數據交易的價值由大數據交易特征價格、生產方和交易方超額收益、購買方收益組成，而大數據交易價格應由大數據交易特征價格、生產方和交易方超額收益組成。對于購買方收益，不同購買主體運用大數據的領域、方式和目的不同，對購買個體產生的收益不同，屬于變量。對于生產方和交易方來說，大數據交易價格在彌補了大數據生產和交易的成本和企業(yè)經營所要求的必要收益后，對于因大數據產品不同而表現出的增值部分，應由生產方享有，其他都屬于超額收益。對該部分，如果購買方愿意支付的價格高，則生產方和交易方獲得的超額收益多，反之反是。一般來說，生產方和交易方對此并無特殊要求，這是由大數據產品交易的邊際收益遠大于邊際成本以及大數據商品有限排他性的特征所決定的。大數據商品不像一般的消費品具有完全的排他性和競爭性，可以多頻次交易，每一次交易都會給生產方和交易方帶來超額收益。由此可見，我們無法預計大數據交易的真實市場價格，但可以知道大數據交易的成本價格和基礎價格，只要真實交易價格大于特征價格，交易就會發(fā)生，生產方、交易方就會獲利，且當產品反復交易時，獲利基數更大。在此基礎上，本文從企業(yè)資本預算視角提出大數據交易價格的模型。

1.大數據交易成本價格。即大數據生產公司在彌補數據產品成本和獲得的必要報酬后的價格，數學表達式為：

(1)

其中，P0代表成本價格，CS代表大數據公司S為生產該數據產品所發(fā)生的技術和人工成本，IS代表項目預期收益率，NS代表該產品預計交易的次數。項目是指具有明確目標的一系列復雜并相互關聯(lián)的活動，大數據生產公司為達成財務目標，往往通過開發(fā)新產品進行項目投資，而不同的大數據產品對應的投資風險是不同的。因此，對某一個大數據產品風險的測度，應不同于該公司整體的經營風險，即不能用公司的加權資本成本，應采用可比公司法，在資本市場上尋找到與待評價項目類似的上市公司，以該上市公司的風險收益水平進行調整測度，并運用資本資產定價模型(Capital Asset Pricing Model，簡稱CAPM)表示，即：

(2)

需要說明的是，本文中大數據生產公司是個集合概念，是對處于大數據生產鏈上各類公司的統(tǒng)稱。從數據的生成級別上看，數據交易市場存在原始數據、加工處理后的數據以及由多份數據整合后的新數據，分別對應數據生產者、數據加工者和數據整合者。各利益主體的資本結構、收益模式不同，要根據自身特點設計成本指標，最終可單獨或累進到大數據交易成本價格中。

2.大數據交易的基礎價格。有了成本價格P0，基礎價格就是在此基礎上加上大數據交易方B收取的交易手續(xù)費，即：

Pb=P0+u

(3)

(uN-CB-LBIB)(1-T)=EBKB

(4)

(5)

其中，Pb代表大數據交易的基礎價格，也是最低價格，該價格應保證大數據生產方和交易方能夠彌補成本和獲得必要收益。u代表每次交易的平均手續(xù)費，N代表交易所每年交易產品的次數。需要說明的是，當前我國大數據交易所的交易活躍度并不高，因此可以根據歷年交易數據推斷交易次數。假設大數據交易方B以數據交易作為主營業(yè)務和主要利潤來源，公式(4)代表總體的手續(xù)費收入在扣除不含債權融資成本LBIB，只包括交易所運營的各項成本CB并繳納所得稅后，可分配給股東的利潤EBKB。由此，可推演出交易費用u的表達式(5)。

3.大數據交易的特征價格。因數據產品的特征不同，每一個數據產品應結合行業(yè)特點進行特征定價評估，在成本價格和基礎價格之上，針對不同行業(yè)需求設計不同“增值權數”。在大數據交易所建設初期，從市場供需原則出發(fā)，“增值權數”可以一定周期內大數據交易的ZB量為基數，用每個行業(yè)在本周期內交易量除以總的交易量作為權數，同時設置封頂標準，計算出本周期的“增值權數”，再乘以大數據基礎價格，從而反映某類大數據產品的周期性供需關系。即：

(6)

Pe=Pb×(1+λi)

(7)

4.大數據交易的市場價格。只要大數據交易市場價格Pm大于等于特征價格Pe，交易就會產生，而超出部分將按照交易費率在生產方與交易方之間分成，再形成一部分的各自超額收益。其中，Pm與Pe之間的差額，則需要購買方D結合自身運營效率、市場前景、產品開發(fā)能力等因素，通過財務上項目資本預算方法來判斷成本收益預期。這部分并不是購買方的確定收益，因為存在購買方誤判、市場環(huán)境變化等因素，導致收益不及預期甚至虧損。同時，同一大數據產品也可能出現多個Pm，但這并不說明存在價格歧視。價格歧視是對同一消費群體在時空分割下的定價，瞄準的是信息不對稱和交易成本不同條件下的價格最大化，而大數據交易所提供的是公開的市場環(huán)境，因購買者各自判斷不同而產生價格差異。因此，大數據市場價格Pm類似于“賭石價格”或“盲盒價格”，大數據價格Pm超出Pe部分的風險由購買方承擔，大數據價值超出Pm部分的收益由購買方獨享。從實踐上看，國內大數據交易所對數據的定價多采用在一定評估價值基礎上的供需撮合模式。例如，貴陽大數據交易所于2016年推出《數據定價辦法》，制定了協(xié)議定價、固定定價、實時定價三種模式。其中，實時價格通過交易系統(tǒng)自動定價，價格實時浮動并由賣方與交易所最終確定?？傊?，交易中的數據產品價格是動態(tài)的，這符合當前數據交易市場供需雙方特點，但在動態(tài)價格中應有其基礎價格，最終的交易價格應圍繞這一基礎價格浮動。

總體上看，采用企業(yè)資本預算視角設計大數據交易所數據產品價格模型，比其他理論定價模型更易操作。在市場發(fā)展不完善，尚有諸多問題有待解決的前提下，有利于進一步降低市場壁壘，在交易所生態(tài)下吸引更多供需方參與。通過讓市場去探索大數據的價格形成機制，推動交易各方能夠彌補成本和獲得收益，提高大數據產品的利用效率，這也是市場走向成熟和可持續(xù)發(fā)展的必然過程。

四、 結論和建議

后疫情時代，以數字化、網絡化、智能化為特征的第四次工業(yè)革命將持續(xù)推進，以高效串聯(lián)、滲透融合、柔性重組為特征的數字經濟正深刻改變著各行各業(yè)的商業(yè)模式，推動產業(yè)鏈、價值鏈不斷深度重組。在數字經濟環(huán)境下，大數據將貫穿生產、流通、消費各個環(huán)節(jié)，成為提高生產生活效率、推動經濟轉型創(chuàng)新的重要驅動力。本文通過對大數據概念、屬性、確權、資產化、交易定價等基本問題進行深入探討，提出大數據確權要考慮數據信息產生個體和數據產品生產主體的產權邊界，大數據資產化、數據產品定價與企業(yè)經營密不可分，應鼓勵部分基礎性數據產品在交易所內交易，逐步培育做大數據交易市場，讓市場檢驗大數據產業(yè)各種新商業(yè)模式的適用性。在發(fā)展中不斷完善大數據確權、交易定價等理論和實踐問題，大數據交易場所則是這一過程的重要突破口。結合本文論述，對依托大數據交易場所建設探索數據交易提出如下建議：

1.建立政府背書的大數據產品確權登記平臺。大數據產品包含著個人、企業(yè)等多主體復雜的法律權利關系，各方共用權利邊界，極易引發(fā)產權爭議，政府應發(fā)揮“仲裁者”或“保護人”作用，建立政府背書的大數據產品確權登記平臺。大數據生產者應在產品確權以前，將數據采集范圍和過程向社會公示，在《網絡安全法》等現有框架下，充分履行生產者披露義務，為大數據信息“源頭”即信息產生的個體提供權利確認機會。個體可對自身信息被采集提出異議，生產者在數據清洗和設計產品時須剔除該部分信息。若一定時間內未有異議，則確權平臺可按企業(yè)申請確認該產品權屬。

2.在交易環(huán)節(jié)征收“數據稅”彌補個體私權損失。在大數據價值的形成環(huán)節(jié)，實際上存在著廣大個體所放棄的“小微權利”，但整合以后形成的大數據產品，確實能為整個社會經濟發(fā)展帶來外溢效應，政府應運用稅收手段，將這種外溢轉變成公共產品反哺大數據“源頭”，即信息產生的個體。具體來說，政府對交通、城市管理等公共服務領域數據開發(fā)所產生的收益，應繼續(xù)用于智慧社區(qū)、智慧城市等民生領域投入。對企業(yè)商業(yè)行為的大數據，在交易環(huán)節(jié)可比照印花稅征收“數據稅”，并用于學校、醫(yī)療等公共產品的支出，讓廣大個體受益。這一過程，本質上是將私人權利匯總形成社會公共產品，實現社會價值最大化，這也是征收“數據稅”的法理基礎。

3.探索以供求為基礎的大數據價格“試價”機制。大數據產品交易不應是固定價格或浮動價格，而應是“試價”機制，特別是基礎性的數據產品，供方和交易方通過成本加必要收益確定底線價格，需方根據自身項目預算報價，對需方報價高于底線價格的要約即可成交，反之反是。同時，根據市場供需變化調整不同類型產品的“增值權數”，讓產品價格更加貼近市場需求。在此過程中，生產方不能獨享超額收益，生產方、交易方以及購買方都要分享到大數據的價值，購買方獲取收益越多，越會有購買者購買該產品?！霸鲋禉鄶怠钡脑黾訒股a方獲得更多收益，進一步鼓勵產品創(chuàng)新，交易方通過手續(xù)費、政府通過“數據稅”也可獲得更多收入，市場各方均可從中獲益。

4.大數據交易場所要以基礎性產品為交易重點。大數據交易場所要發(fā)揮產業(yè)鏈引領和塑造作用，通過降低交易成本，鼓勵更多主體參與到大數據價值挖掘中來。目前諸多數據需求者只需要市場上某些子數據集，而交易平臺往往將完整的數據集打包報價，強迫需求方購買不感興趣的部分數據。本文從大數據資產化形成視角提出的大數據產品定價模式，總體上價格可接受度較高，有利于讓更多市場主體參與到交易中來，而大數據產品的生產方和交易所，因產品的多頻次交易也可不斷累積收益。在這種交易生態(tài)下，生產方可將基礎性、推廣效果較高的子集類產品作為交易物品，從而推動大數據應用的普及化。對于定制化、應用較為復雜的產品，可在各類場所外市場交易，以實現更多收益。因此，大數據交易場所現階段存在的價值并不在于盈利，而更應注重長遠的行業(yè)塑造。