培育优质数据付费意识 加速数据价格机制破题

本文转自：人民网

“十五五”加强高水平数据科技创新系列解读十

培育优质数据付费意识 加速数据价格机制破题

吕正英

培育“为优质数据付费”的市场共识有助于促进数据交易流通、形成有效市场价格信号，引导数据资源优化配置，为数据要素市场化价值化发展奠定实践基础。部分企业已开始形成优质数据付费的意识和交易需求，但在定价环节仍面临着企业“不会定”“不敢定”“谁来定”等市场痛点，培育优质数据付费意识和数据市场价格机制是环环相扣的共生关系，需要共同推动，循环促进、协同发展。

重要意义

一是数据要素市场化的基础支撑。数据价格机制的形成包含培育付费意识、明确供需关系、活跃交易市场、形成公允价值等关键环节，培育为优质数据付费意识是数据要素市场化的基础支撑，在此基础上形成的价格信号是数据要素市场供需关系的有效反映，可以优化数据资源配置，推动数据市场化进程。

二是数据要素价值化的关键引擎。数据价值划分为资源化、产品化和资产化三个阶段。从资源化到产品化的演进来看，优质数据往往以数据产品的形态在市场上流通，建立为优质数据付费意识既能弥补企业数据生产加工的成本投入，又能激励企业加大研发投入与技术创新力度。从资产化角度看，经济价值流入是数据资产的重要判别条件之一，一旦市场形成普遍的为优质数据付费共识，就为数据产品显性现金流奠定了基础，探索数据资产入表、融资及证券化等资产化应用便具备了坚实的估值基础和规范的处置退出路径，从而推动数据价值化闭环的形成。

三是数据交易平台可持续发展的重要支撑。供需双方对付费规则的共识，能够有效降低交易成本与不确定性，助力构建数据市场信任体系、激发市场交易意愿。数据交易平台在此过程中，通过为市场参与主体提供市场化、专业化服务获取合理收益，为构建可持续商业模式、实现长远发展奠定核心基础。

发展现状

一是付费意识向交易流通转化需科学定价方法赋能。具备数据交易意愿的企业，大多已形成优质数据付费意识，但数据产品定价方法不清晰成为制约交易流通的关键瓶颈。当前，数据产品公允价值体系尚未建立，供需双方缺乏明确市场参考价，交易多以面议形式开展。供需双方对数据产品价值认知存在差异，供方易从数源稀缺性、盈利预期等角度夸大产品价值，需方则因预算约束、成本考量及价值不确定性等因素低估产品价值，常有双方报价分歧过大直接阻碍交易达成的情况发生。

二是科学定价的核心在于锚定清晰用数场景。合理定价的形成，核心是供需双方对数据产品实际应用效果达成共识，而这一前提在于明确数据产品的用数场景。当前部分定价方案过度依赖成本法、收益法的系数测算与模型修正，忽视用数场景对价值评估的决定性作用，导致测算价格与企业实际需求脱节，难以应用于实际交易。

三是经营主体面临“不会定”“不敢定”“谁来定”的机制困境。从市场层面看，有意愿参与数据交易的企业已初步具备优质数据付费意识。同时，数据具有显著的价值时变性特征，企业担心定价过低导致资产流失、定价过高造成虚增资产，因此存在“不敢定”的顾虑。从企业实际需求角度看数据定价问题，方法论和模型固然重要，更重要的是解决信任机制问题，从企业内部审批流程出发，“谁来定”某种程度上比“怎么定”更加重要。

破题路径

一是建立以用数场景为核心的数据产品定价方法。以用数场景为核心的定价方法，核心逻辑是立足数据交易场景分类，依据供需双方对用数方案的明确程度精准适配定价路径。通过整合跨领域专业知识、打通信息壁垒以消除认知不对称，系统构建场景适配方案，科学量化数据在特定场景下的预期经济贡献，有效搭建成本法与收益法之间的过渡桥梁。同时依托数据交易机构的知识汇聚、信息验证等功能支撑，保障定价过程科学合规，实现数据价格与价值精准匹配，为破解数据要素市场化定价困境提供可行路径。

二是构建政产学三位一体协同机制，破解经营主体定价难题。上海数据交易所正联合浦东数据局和上海财经大学数字经济学院，以场景法为核心，推动已成立的数据要素市场价值评估中心实现专业化运营。浦东数据局提供政策指导和产业引导，依托上海财经大学国家自然科学基金重点专项资助项目的系列研究成果，结合上海数据交易所的市场优势与场内真实交易案例，共同为经营主体提供数据产品定价研究报告，该报告可作为经营主体报价的参考依据，助力其破解“不会定”“不敢定”“谁来定”的三重难题。

三是发挥数据交易平台价格发现功能，加速建立数据市场化价格形成机制。数据要素市场价值评估中心计划提供数据产品定价全链条综合服务，满足包含公共数据产品、企业数据产品在内的各类数据定价研究需求，同时，依托数据交易平台的基础设施，推进定价存证与价值溯源全流程落地，进而形成“研究报告－报价参考－撮合议价－成交定价－价格发现-价格指数”的正向循环，依托数据交易平台构建数据市场化价格机制，为数据要素市场化价值化进程提供有力支撑。（作者吕正英系上海数据交易所研究院副院长）

（人民网记者夏晓伦 整理）

之一：强化数据科技创新 促进数据要素价值释放

之二：数据要素化时代的数据科技创新

之三：加强数据科技关键技术研发 支撑我国数据事业可持续发展

之四：构建“技术－产业－应用－保障”相互促进的数据科技创新体系

之五：面向数据要素价值释放的数据科技创新：现实挑战与破局路径

之六：构建数据科技高质量发展的中国路径

之七：引领数据科技新变革 筑牢数字中国新根基

之八：加强数据科技创新 促进数字中国高质量建设

之九：数据科技创新是驱动业务创新和决策的活水