数据质量、数量与数据资产定价：基于消费者异质性视角

doi:10.16381/j.cnki.issn1003-207x.2022.0444

摘要/Abstract

摘要：

数据资产的定价是数据要素市场化配置的核心环节。文章首次提出涵盖数据质量、数量及其相互作用因素的数据资产综合得分的概念，构建了基于综合得分的效用函数，考虑了多维影响因素，从利润最大化视角，架构了适用于消费者具有异质性效用敏感度的多维度因素定价模型。以全国31个城市空气质量数据集资产为例，采用了KNN机器学习分类算法拟合效用函数，运用构建的模型进行模拟定价分析。结果表明：异质性消费者效用敏感度情形下，数据资产综合得分与定价均对数据平台利润具有差异化影响，构建的模型可以实现数据资产定价分析与数据平台的生产决策。文章构建的定价模型对数据平台所有交易的数据资产进行定价具有普适性，既是对数据资产定价理论、方法的创新性尝试和重要补充，同时也对激发数据要素的经济驱动力具有重要的现实意义。

关键词: 数据质量, 数据数量, 消费者异质性, 数据资产定价

Abstract:

The data resource is expected to be "combustion promoter" driving the construction of "Digital China". How to transform data resources into data assets， realize the market-oriented allocation of data assets and improve the efficiency of resource allocation is not only the need to realize the high-quality development of China's economy and the modernization of national governance capacity， but also an important embodiment of the spirit of a series of central meetings， which has important theoretical and practical significance.The concept of comprehensive score of data assets covering data quality， quantity and their interaction factors is put forward in this paper for the first time， then a utility function based on comprehensive score is constructed， multi-dimensional influencing factors are considered， and a multi-dimensional factor pricing model suitable for consumers with heterogeneous efficiency sensitivity is constructed from the perspective of profit maximization. Taking the air quality data set assets of 31 cities in China as an example， KNN machine learning classification algorithm is used to fit the utility function， and the constructed model is used for simulation pricing analysis. The results show that：（1） utility and utility sensitivity are the key factors of data production and data asset pricing， the division of consumer utility sensitivity heterogeneity has a key impact on the optimal pricing. （2） Considering the retention level and saturation level of consumer utility sensitivity， the comprehensive score covering the quality and quantity level of data assets has an important impact on the production and pricing decision of data platform. （3） For a given comprehensive score level of data assets， the profits of the data platform tend to rise first and then fall with the change of price. The optimal price can be solved through the profit maximization model to realize the pricing of data assets.The pricing model constructed in this paper is universal for the pricing of data assets of all transactions on the data platform. It is not only an innovative attempt and important supplement to the data asset pricing theory and method， but also has important practical significance for stimulating the economic driving force of data elements.

Key words: data quality, data quantity, consumer heterogeneity, data asset pricing

中图分类号:

F014.31

林娟娟,黄志刚,唐勇. 数据质量、数量与数据资产定价：基于消费者异质性视角[J]. 中国管理科学, 2025, 33(5): 88-98.

Juanjuan Lin,Zhigang Huang,Yong Tang. Data Quality, Quantity and Data Asset Pricing: Based on the Perspective of Consumer Heterogeneity[J]. Chinese Journal of Management Science, 2025, 33(5): 88-98.

图/表 10

图1

图2

图3

表1

图4

图5

图6

图7

图8

图9

参考文献 37

1	闫利德. 数字中国建设的成就与挑战［J］. 小康， 2020 （6）： 38-39.
	Yan L D. Achievements and challenges of digital China construction［J］. Insight China， 2020（6）： 38-39.
2	裴长洪. 全球经济治理、公共品与中国扩大开放［J］.经济研究， 2017， 49（3）： 4-19.
	Pei C H. Global economic governance， public goods and China's opening up［J］. Economic Research Journal， 2017， 49（3）： 4-19.
3	吴超，郁建兴. 面向公共管理的数据所有权保护、定价和分布式应用机制探讨［J］. 电子政务， 2020， 205（1）： 29-38.
	Wu C， Yu J X. Discussion on data ownership protection， pricing and distributed application mechanism for public management［J］. E-Government， 2020， 205（1）： 29-38.
4	Mingers J. Realizing systems thinking： Knowledge and action in management science［J］. Kybernetes， 2006， 37（9）： 1587-1587.
5	戚聿东，刘欢欢. 数字经济下数据的生产要素属性及其市场化配置机制研究［J］. 经济纵横， 2020 （11）： 63-76+2.
	Qi Y D， Liu H H. A study on the factor property and the market-oriented allocation mechanism of data in digital economy［J］. Economic Review， 2020（11）： 63-76+2.
6	徐翔，厉克奥博，田晓轩. 数据生产要素研究进展［J］. 经济学动态， 2021（4）： 142-158.
	Xu X， Li K A B， Tian X X. Research progress on data as a factor of production［J］. Economic Perspectives， 2021（4）： 142-158.
7	黄丽华，郭梦珂，邵志清，等.关于构建全国统一的数据资产登记体系的思考［J］.中国科学院院刊， 2022， 37（10）： 1426-1434.
	Huang L H， Guo M K， Shao Z Q， et al. Thoughts on national unified data asset registration system［J］. Bulletin of Chinese Academy of Sciences， 2022， 37（10）： 1426-1434.
8	胡亚茹，许宪春. 企业数据资产价值的统计测度问题研究［J］. 统计研究， 2022， 39（9）： 3-18.
	Hu Y R， Xu X C. Research on the statistical measurement of business data assets［J］. Statistical Research， 2022， 39（9）： 1426-1434.
9	戎珂，刘涛雄，周迪，等. 数据要素市场的分级授权机制研究［J］.管理工程学报， 2022， 36（6）： 15-29.
	Rong K， Liu T X， Zhou D， et al. Hierarchical data licensing mechanisms in the data market［J］. Journal of Industrial Engineering and Engineering Management， 2022， 36（6）： 15-29.
10	金骋路，陈荣达. 数据要素价值化及其衍生的金融属性：形成逻辑与未来挑战［J］.数量经济技术经济研究， 2022， 39（7）： 69-89.
	Jin C L， Chen R D. Data valuations and its derived financial attributes： Formation logic and future challenges［J］. The Journal of Quantitative & Technical Economics， 2022， 39（7）： 69-89.
11	熊巧琴，汤珂. 数据要素的界权、交易和定价研究进展［J］. 经济学动态， 2021 （2）： 143-158.
	Xiong Q Q， Tang K. Research progress on the right delimitation， exchange and pricing of data［J］. Economic Perspectives， 2021（2）： 143-158.
12	Babaioff M， Kleinberg R， Leme R P. Optimal mechanisms for selling information［J］. Electronic Commerce， 2012（6）： 92-109.
13	Bajari P， Chernozhukov V， Hortasu A， et al. The impact of big data on firm performance： An empirical investigation［J］. AEA Papers and Proceedings， 2019， 109（1）： 1-5.
14	Bergemann D， Bonatti A， Smolin A. The design and price of information［J］.The American Economic Review， 2018， 108（1）： 1-48.
15	Tang R， Wu H， Hao Z， et al. The price is right［C］∥Preceedings of International Conference on Database and Expert Systems Applications， Springer Berlin Heidelberg， August 26， 2013.
16	Ghosh A， Roth A. Selling privacy at auction［J］. Games and Economic Behavior， 2015（91）： 334-346.
17	Li X， Yao J， Xue L， et al. A first look at information entropy-based data pricing［C］∥Proceedings of 2017 IEEE 37th International Conference on Distributed Computing Systems （ICDCS）， Atlanta， GA， USA， June 5-8， IEEE， 2017： 2053-2060.
18	Cai H， Ye F， Yang Y， et al. Online pricing and trading of private data in correlated queries［J］. IEEE Transactions on Parallel and Distributed Systems， 2022， 33（3）： 569-585.
19	Heckman J R， Boehmer E L， Peters E H， et al. A pricing model for data markets［J］. iSchools， 2015（1）： 1-12.
20	Ding X， Wang H， Dan Z， et al. A fair data market system with data quality evaluation and repairing recommendation［C］∥Proceedings of Asia-Pacific Web Conference， Springer， Cham， November 13 ， Springer International Publishing， 2015：855-858.
21	Liu J， Li J， Li W， et al. Rethinking big data： A review on the data quality and usage issues ［J］. ISPRS Journal of Photogrammetry and Remote Sensing， 2016， 115（5）： 134-142.
22	Stahl F， Vossen G. Fair knapsack pricing for data marketplaces［C］∥Proceedings of East European Conference on Advances in Databases and Information Systems， Cham， August 28-31，Springer， 2016：46-59.
23	Niyato D， Alsheikh M A， Wang P， et al. Market model and optimal pricing scheme of big data and internet of things （IoT）［C］∥Proceedings of IEEE International Conference on Communications （ICC）， Kuala Lumpur， Malaysia， May 22-27，IEEE， 2016：1-6.
24	Zhang M， Arafa A， Huang J， et al. Pricing fresh data［J］.2021， 39（5）： 1211-1225.
25	Yu H， Zhang M. Data pricing strategy based on data quality［J］.Computers & Industrial Engineering， 2017， 112（10）： 1-10.
26	Yang J， Zhao C C， Xing C X. Big data market optimization pricing model based on data quality［J］.Complexity Hindawi， 2019（2）：1-10.
27	Wang R Y， Strong D M. Beyond accuracy： What data quality means to data consumers［J］. Journal of Management in Formation Systems，1996，12（4）：5-34.
28	Nguyen D， Paczos M. Measuring the economic value of data and cross-border data flows： A business perspective［J］. OECD Digital Economy Papers， 2020， 29（8）： 1-47.
29	董晶，黄旭. 大数据差别定价现象解析及启示［J］.金融纵横， 2018（8）： 30-34.
	Dong J， Huang X. Analysis and enlightenment of big data differential pricing phenomenon［J］. Financial Perspectives Journal， 2018（8）： 30-34.
30	Wendy L I， Makoto N， Kazufumi Y. Value of data： There's no such thing as a free lunch in the digital economy［R］. Working Paper， U.S. Bureau of Economic Analysis， 2019.
31	Pantelis K， Aija L. Understanding the value of （big） data［C］∥Proceedings of 2013 IEEE International Conference on Big Data， Silicon Valley， CA， USA， October 6-9， IEEE， 2013：38-42.
32	Blake R， Mangiameli P. The effects and interactions of data quality and problem complexity on classification［J］. Journal of Data & Information Quality， 2011， 2（2）： 1-28.
33	陈进东，唐锡晋，周晓纪，等. 网络异源数据社会风险预估及有效性分析［J］. 系统工程学报， 2019（1）： 312-323+432.
	Chen J D， Tang X J， Zhou X J， et al. Societal risk estimation of network heterogeneous data and its effectiveness analysis［J］. Journal of Systems Engineering， 2019（1）： 312-323+432.
34	Liang F， Yu W， An D， et al. A survey on big data market： Pricing， trading and protection ［J］. IEEE Access， 2018（6）： 15132-15154.
35	Skiera W B. Measuring consumers’ willingness to pay at the point of purchase［J］. Journal of Marketing Research， 2002， 39（2）： 228-241.
36	Krishnan V， Zhu W. Designing a family of development- intensive products［J］. Management Science， 2006， 52（6）： 813-825.
37	De Matta R， Lowe T J， Wu L. Managing product variety in a supply chain［J］. IEEE Transactions on Engineering Management， 2015，62（5）： 4-17.

[1]	吕希琛, 田银凤, 田世海, 刘佳缘, 孔庆伟. MRV机制下碳数据质量监管多主体行为决策研究[J]. 中国管理科学, 2025, 33(8): 355-368.
[2]	李晓冰, 王煜钧, 蒋炜. 考虑消费者异质性的动力电池回收闭环供应链定价决策[J]. 中国管理科学, 2025, 33(2): 279-291.
[3]	张子健, 张泠泠. 消费者异质性下供应链互补产品销售策略选择及其定价研究[J]. 中国管理科学, 2021, 29(7): 160-170.
[4]	高鹏, 杜建国, 聂佳佳, 陆玉梅. 消费者后悔预期对竞争型再制造供应链权力结构的影响[J]. 中国管理科学, 2017, 25(1): 78-87.