基于利润最大化的数据资产价值评估模型

前言

大数据、云边端、物联网（IoT）等技术的广泛应用使得数据收集成为一种普适现象，催生出新型的经济形态与交易市场——数字经济与数据市场。数据（信息）是21世纪经济的命脉，是企业的重要资产。在全球市值排名前八名的公司中，有7家是数据公司，数据驱动了经济的发展，也影响着人们生活的方方面面。例如，专业的数据公司知道你将要购买的商品、即将出发的旅游目的地，熟悉你的饮食、健康情况，甚至“比你自己还了解自己”。数据已成为公司、个人最有价值的资产，理应成为一种可交易的商品。本文主要探讨数据价值、数据成为资产的可能性、数据的资产特性及数据资产交易场所——数据市场的相关内容，并从宏观经济的角度模型化市场参与者利润的相关特性，为参与者进入市场提供理论参考依据。

一数据资产与数据市场1.1数据与数据资产

数据不仅是未来经济的“石油”，还是社会创造力和技术进步的源泉。梅宏院士在题为《大数据：发展现状与未来趋势》的讲座中指出，大数据为人类提供了全新的思维方式和探知客观规律、改造自然和社会的新手段，是引发经济社会变革的关键因素。数据的潜在价值及其对经济生活的冲击引起了社会各界的高度重视：2017年12月，习近平总书记在中共中央政治局就实施国家大数据战略进行的第二次集体学习上提出“要构建以数据为关键要素的数字经济”；2019年11月，中国共产党第十九届中央委员会第四次全体会议新闻发布会上首次提出“数据可作为生产要素按贡献参与分配”。

数据是以数字化的形式存储的其他业务功能或活动的副产品，即数据也是一种劳动力产品。一般用数据所提供的服务实现业务需求、改善系统性能、提高企业竞争力的能力或程度来衡量数据的价值。由此可见，数据价值的评价依赖于具体应用，没有统一的标准。表1列出了针对实际应用的常用数据价值评价方法。

随着计算机处理能力、网络通信能力、机器学习等算法处理能力的提升以及经济生活对数据的依赖性的提高，一种以数据为基础的新型经济学形态形成了，即数据经济学。数据经济学以数据资产为基础，以开放、流通、保护隐私为前提，以数据存储、传输、安全、质量、应用为目标，支持数据量化、交易定价、收益分成等经济学行为，研究数据内在价值挖掘、生产和行为模式。

数据（信息）被视为企业的重要资产始于1992年，Peter Drucker提出：“围绕着信息的流动来组织经济”。Moody D L和Walsh P。

数据资产与信息资产、数字资产类同，但有别于其他有形资产，数据资产具有独特的属性。非竞争性是数据资产在经济管理方面的主要属性，指不同的使用者可以同时、无限次数地重复使用数据，而不会相互干扰。数据资产的这些特性使其不遵循简单的商品经济规律，必须加以研究，才能正确衡量数据的价值。同时，数据资产的估值也有其特殊性，参考文献[2]提出从会计理论角度出发，根据成本、市场、效益实现对数据资产的估值。

1.2数据资产的商品属性

在企业的所有资产中，数据资产是较难管理，也是管理较差的资产之一。为了更好地管理数据资产，有必要仔细分析数据作为经济商品的新属性。数据的商品属性源于数据的非竞争特性。非竞争性一方面使数据交换（复制、分发）变得容易，另一方面又使得在保护私有数据、敏感数据或知识产权时产生问题。参考文献[8,9]对比了数据资产与有形资产之间的差异，笔者归纳了数据资产的商品属性，具体见表2。

二数据市场及模型

2.1数据市场

数据市场的概念可以追溯到1998年提出的信息市场，它模拟了数字图书馆之间的信息交易，关注参与者的动机、行为及合作因素。数据市场是一个可以买卖数据的平台（类似有形资产商品交易市场），支持和促进了专有/商业数据资产的可信、安全共享和交易，自动地强化和控制数据所有者的合法权益及应得报酬。数据市场将法律、法规与技术（如大数据、云计算、隐私保护等）结合，确保数据主体及数据所有者对数据的有效控制。建立开放的数据市场是实现我国经济转型、适应工业4.0及数据驱动经济发展的基础。

现有的数据市场交易是基于服务订购的（针对不同的需求，通过协商采用不同的服务模式）。服务订购未能提供统一的模型，也没有经过充分的概念研究（概念研究需要广泛的经验和观察基础）。

数据市场的核心功能是为供需双方提供可信的数据交换和交易的环境，是数字经济的重要驱动力。数据市场允许遵守既定规则的参与者通过使用标准化数据管理接口——应用程序编程接口（application programming interface，API）加入市场，以充分发挥数据的潜能。数据市场以云计算技术、大数据架构为基础，提供以下功能特性：

• 支持不同处理阶段的异构数据交换（通过数据目录、数据交换协议实现）；

• 以参与者为中心，实现参与者管理；

• 交易、管理的自动化、协同化、智能化；

• 区域/部门服务专业化；

• 有效的监管措施，实现安全、可信、可审计的数据交易服务；

• 操作透明化；

• 数据商品化运维。然而，建立有效的数据市场机制仍存在诸多挑战，具体如下：

• 数据作为经济商品的属性仍需仔细地研究和定义，以利于数据交易的常态发展；

• 建立新的数据市场模式及机制，实现在保留数据所有权和主权的同时交易数据；

• 现有的数据保护法案（如《个人信息保护条例》《通用数据保护条例（GDPR）》）提供了通用规则，但需要技术的保障和实施，以实现更严格的数据管理。

2.2数据市场模型

根据参与者在市场中的功能差异，数据市场可以划分出3类典型的参与者，即数据提供者、数据市场以及数据消费者。典型的数据市场模型如图1所示。

如图1所示，数据提供者通过智能手机、传感设备等收集数据，并将数据及数据访问策略传至数据市场。数据市场完成数据存储、维护、处理，并向数据消费者（数据提供者是潜在的消费者）提供服务。数据消费者依据其支付意愿从数据市场订购服务，并预付一定费用（数据消费者的支出）到数据市场。市场按一定的比例向数据提供者支付数据使用费（数据提供者的利润）。

借助数据市场的概念，易于实现应用与数据的分离，即将原本存储在应用服务提供商平台（如购物平台、搜索平台等）的数据剥离出来，独立存储在云数据市场中，从而真正实现数据的可控性与透明性。从这个角度而言，数据市场与数据空间（data space，DS）的思想一致，且与纯粹的数据空间相比，数据市场还具备数据处理和提供服务的能力。

该模型与现有数据市场的设计是一致的，本节将探讨数据市场的本质性问题，即从经济学的角度，结合数据资产属性市场提供理论参考依据。

图1    典型的数据市场模型

数据交易的经济模型已引起学术界的广泛关注和研究。参考文献讨论了在不同数据归属下的4种优质资源配置方案：社会计划者（social planner）方案、企业拥有数据的方案、消费者拥有数据的方案以及法律禁止数据销售方案，并给出各种方案下的最优解。据笔者所知，该文献最早从经济学的角度研究数据商品资产特性。其后，参考文献进一步扩展了这一研究领域，并在假定参与者具有支付意愿的情况下讨论了各参与者的具体行为模型。参考文献则从经济成本的角度，首先讨论了数据市场交易模型，之后分析了数据存储及数据中心的最优配置方案。参考文献从服务效用的角度研究了服务提供者及服务消费者的最优价格模式和最优订购模式。参考文献从隐私与效用的角度讨论了数据市场及数据消费者的优化方法。本文提出的利润最大化模型主要基于参考文献，考虑了数据质量及数据的商品属性。

三参与者利润最大化模型

假设进入市场的参与者都是理性的，即只有在其期望利润大于零的条件下才会参与市场行为。模型化参与者利润是本文的核心目的，本节从数据市场模型及资产价值入手，探讨参与者利润最大化模型。通过最大化利润来衡量参与者的期望利润及为获取期望利润应投入的数据和劳动力，从而决定是否进入市场。

3.1数据提供者

假设在时刻t（时间是一个离散的无穷量）有Nt个数据提供者p，即，且。数据提供者p消耗单位的劳动力（与数据生成相关的各种投入，如数据采集所投入的设备、资金等），产生质量为Apt的Dpt个单位的数据商品，则在t时刻，数据提供者p的劳动总产出（即数据量）为Qpt，则有（其中是提供者p的劳动量，η是数据的重要性）。

用S pt表示提供者p共享数据的因子，则t时刻提供者p实际共享的数据量为：，且t时刻系统共享的数据总量可表示为：（σ是数据的替代弹性指数），则根据逆需求函数，数据的（市场）价格可以表示为：（γ是价格指数）。

同理，用表示提供者p共享的数据总量与市场总劳动量之比，即，则其

市场总值mt为：

因而数据提供者p的利润最大化模型可表示为：

其中，ρ被称为时间偏好率，一般而言，数据资产价值随时间而显著降低。L0是系统初始劳动力，rt是数据提供者的数据资本平均回报率。mt也可表示为。式（5）称为数据提供者状态方程，即表示数据提供者数量的变化率，。Lt表示t时刻系统的总劳动力，Let、Lit分别表示t时刻系统外生、内生劳动力（决定是增加新的提供者，还是增加现有提供者的劳动力）。gL是劳动力的外生增长率，X是数据提供者总量增长系数。

数据提供者模型的典型参数取值为：ρ=0.025、L0=100、σ=4、gL=0.02、Nt=10 000、η=0.06、χ=0.01（数据消费者、数据市场与此一致）。

3.2数据消费者

同理，假设在t时刻有Mt个数据消费者c，即，且。消费者通过数据查询接口向数据市场订购数据，G(c)表示当前查询所需的数据提供者集，且|G(c)|=np；wc(p)表示G(c)中每个数据提供者提供数据的最低质量等级，并要求。则对于数据消费者而言，其利润（即消费者的效用）最大化模型可以表示为：

式（7）中，Ysi是消费者ci从市场购买的共享因子为s的数据量，u(ci,si)表示消费者ci在购买共享因子为si的数据时的效用。smin、smid、smax是对数据提供者提供的数据敏感级的划分，即将Spt划分为最低、中值、最高3个敏感等级。式（8）、式（9）分别表示si、Psi的取值范围。Pst、Psi分别表示数据的市场价格和消费者实际支付的价格。

3.3数据市场

数据市场模型即服务提供者模型。

假设有l个服务提供者ser，即 ，且 。数据市场的成本包括数据传输成本（ksert，包括带宽和时延成本）、数据存储成本（ksers）、数据处理成本（kserp）。则对于服务提供者而言，其利润最大化模型可以表示为：

其中，、Yct分别是数据消费者在数据市场购买的数据的价格及数量。Pst、分别是从数据提供者处购买的数据的价格及数量。kser是数据市场提供服务的成本。

3.4模型说明

在数据市场的3类参与者中，数据提供者是价格的决定者，数据市场及数据消费者是价格的接受者。因而模型求解时可以将数据提供者视为博弈的领导者，数据市场及数据消费者视为博弈的跟随者。

结束语

大数据时代推动数据成为重要的生产要素，数据是促进数据流通、挖掘数据价值的必备条件。数据资产化为数据成为生产要素创造了条件，然而，数据的非竞争性导致数据资产交易复杂化，因而有必要重新认识数据资产交易。基于这一目的，从分析数据价值及数据交易市场的发展过程入手，讨论了数据资产及数据市场的特性，并从经济学的角度分析了数据市场中各参与者的行为。针对参与者模型利润最大化需求，在数据市场中如何有效配置资源是下一步研究的主要方向。

(欢迎大家加入数据工匠知识星球获取更多资讯。)

联系我们

扫描二维码关注我们

微信：DaasCai

邮箱：[e-mail]

QQ：2286075659

热门文章

数据资产区别于其它资产的5个特性

我们的使命：发展数据治理行业、普及数据治理知识、改变企业数据管理现状、提高企业数据质量、推动企业走进大数据时代。

我们的愿景：打造数据治理专家、数据治理平台、数据治理生态圈。

我们的价值观：凝聚行业力量、打造数据治理全链条平台、改变数据治理生态圈。

了解更多精彩内容

长按，识别二维码，关注我们吧！

数据工匠俱乐部

微信号：zgsjgjjlb

专注数据治理，推动大数据发展。