网安智库浅析国内大数据交易定价 黄金交易所的交易方式采用什么定价策略

平台预定价

如果大数据卖方无法确定交易大数据的价格，可以委托大数据交易平台的专业人员协助定价，大数据交易平台的专业人员会根据平台自有的数据质量评价指标（数据量、数据种类、数据完整性、数据时间跨度、数据实时性、数据深度、数据覆盖度、数据稀缺性等）给出评价结果，之后根据此结果与同类同级数据集的历史成交价给出一个合理的价格区间，大数据卖方在这个价格区间内进行二次定价。

自动计价

自动计价指交易所针对每一个数据品种设计自动计价公式，数据品种的价格是实时的，实时价格主要取决于数据的样本量和单一样本的数据指标项价值（数据指标项包括数据品种、时间跨度、数据深度、数据完整性、数据样本覆盖、数据实时性），仅贵阳大数据交易所采用，分为三种情况：第一，自动成交，指当大数据买方应约价等于或高于大数据卖方挂牌价时，成交价为买方应约价；第二，大数据卖方选择成交，指对于不能自动成交的应约，卖方可选择能接受的应约价与买方成交；第三，数据分拆成交，指当大数据买方仅需要部分数据样本时，平台将对数据设定拆分原则，系统自动报价，而后自动撮合双方成交。

拍卖式定价

采用这种定价方式的原因有两种：一是某类大数据产品不能做大范围复制式传播，只能将其所有权转移到一位或少数大数据买家手中，如此一来大数据卖家的利益就得到了保证。二是如果大数据买方对所购买的大数据产品的正面效用有足够信心，又不想让竞争对手获取，便可以与大数据卖方协商拍卖式定价。拍卖规则可以建立在“平台预定价”的基础上，也可以采用密封式二级价格拍卖，报价最高者中标，成交价是第二高价者的价格。

自由定价

大数据卖方自由定价

这是使用范围最广的大数据交易定价方式，大数据卖方有权自主确定交易大数据的价格，不同大数据卖方针对大数据产品的定价方式可能千差万别，定价自由度高、不透明性强，旁人无法得知具体的定价方式。

大数据买方自由定价

又称为悬赏式定价或中标定价，绝大多数平台都有该项定价措施，这种定价方式只在大数据买方进行数据定制时才会出现：大数据买方通过大数据交易平台发布悬赏任务，召集能为自己提供相应大数据产品的大数据卖方来竞标，最终依据大数据卖方提供的样本大数据决定选取哪个大数据产品。悬赏任务价格的多少完全取决于大数据买方，具体定价方式也是不透明的。

协议定价

协议定价的产生背景是大数据买卖双方对交易大数据产品的估值无法达成一致，在这种定价方式中，大数据交易平台、大数据买卖双方分别扮演撮合方和协议方的角色，大数据买卖双方通过反复报价议价，最后达成统一定价。

捆绑式定价

有时为了薄利多销或推广某些大数据产品，可以适当对大数据产品进行捆绑式定价，比如可以在出售价值量高的大数据产品时附上价值量低的大数据产品进行销售。

现行大数据交易定价的指标及适用理论

现行的大数据交易定价指标

在现行的大数据交易定价策略中，平台预定价和自动计价都是以大数据交易平台自有的数据质量评价指标为前提，拍卖式定价以大数据产品的使用价值为前提，自由定价、协议定价、捆绑式定价虽然没有明确的定价原则，但也可以认为是以大数据产品的使用价值为前提，综上所述，我们可以提炼出现行的大数据交易定价指标：

数据质量评价指标

这些指标中除数据样本量是针对多个样本的指标外，其余指标都是针对单一样本的指标：第一，数据样本量，样本量越大，越接近全样本，大数据产品的价值越高；第二，数据品种，包含报表型数据、多维分析型数据等等，不同品种的数据价值不同；第三，数据完整性，没有缺失或缺失程度小的数据完整度高，价值自然就高；第四，数据时间跨度，数据时间跨度越大，价值越高；第五，数据实时性，实时数据比历史数据更能反映事物当前的情况，价值自然要高；第六，数据深度，对于某类数据的某种属性，分析更透彻的数据价值更高；第七，数据样本覆盖度，可以理解为数据广度，数据维度越大，样本覆盖度越高，数据产品价值更高；第八，数据稀缺性，物以稀为贵，一般来说，数据越罕见，价值越高。

数据拆分指标

数据拆分指标脱胎于数据质量评价指标，仅仅是根据数据量、数据完整性等少数几个角度来评判的，由系统自动报价。

数据历史成交价指标

这里的数据指同类同级数据集，该指标具有非常重要的参考价值，同类同级数据集的历史成交价数据越多，时间跨度越大，大数据产品的价格区间也越合理。

数据效用指标

只考虑数据的使用价值，以使用大数据产品前后的效用差值来衡量。

现行大数据交易定价的适用理论

大数据作为一种商品，肯定有其适用的价格理论。通过分析现行的大数据交易定价指标，我们便可以从中找到大数据交易定价的适用理论。

数据质量评价指标包含8 种小指标，每一种指标都反映数据自身特点的一部分，这些指标从各个维度对数据产品的价值做了对比，采用的价格理论是价值决定价格。同理，数据拆分指标所倚靠的价格理论也是价值决定价格。

数据历史成交价指标反映的是同类同级数据集在过去一定时间段内历次交易的成交价格，采用的价格理论是供求价格论，该理论认为供求关系影响商品价格。

数据效用指标采用的是效用价格论，该理论认为决定商品价格的是其使用价值，具体计算方法是用采用大数据产品之后获得的收益减去未采用大数据产品前获得的收益，差值即为大数据产品的最高价格。

现行大数据交易定价指标之弊端

目前我国部分大数据交易平台自有一套大数据交易定价指标体系，其它大数据交易平台尚无成文规定。混乱无序的大数据交易定价指标体系对整个大数据交易市场带来的负面影响是显而易见的，大数据卖方空有大批数据却无人无津，大数据买方望而却步，大数据交易平台撮合大数据买卖双方时有心无力，不良的市场生态环境严重阻碍了大数据交易产业的发展。

具体来说，数据质量指标、数据拆分指标虽然已有很多细分指标，但这些指标只能评判大数据产品的价格高低，无法给出大数据产品的确切价格区间；数据历史成交价指标具有很重要的参考价值，是大数据市场供需情况的准确反映，但由于大数据交易市场本身的不成熟性、大数据产品自身的复杂性，这种指标也难以有效发挥其作用；数据效用指标切切实实指出了大数据交易的要害，也是人们最关心的一种指标，但它也存在致命弱点：虽然大数据买方在使用大数据产品前的收益较好确定，但买方受自身能力、外部机遇等因素影响，使用大数据产品后能不能取得收益、取得多少收益都是未知因素，如此一来，数据效用指标便成了纸上谈兵。

现行大数据交易定价指标体系的理论基石为价值决定价格、供求价格论、效用价格论三者的结合，从大数据产品自身价值特点、供求、效用三种角度去考虑大数据产品的交易定价，可以说都是针对大数据交易的调整价格来说的，唯独缺少一种对大数据产品自身成本的考虑，这是当前大数据交易定价指标体系的弊端，也是破题之处，下文中笔者将从成本价格论的角度探讨大数据产品的交易定价。

对现行大数据交易定价指标体系之完善