面向供給側的多維復合數據價值評估模型研究

摘要：隨著大數據、云計算、分布式系統等技術的快速發展，“數據”逐漸成為新時代的發展標志之一。數據銀行作為數據的儲存與交易媒介的重要部分，在數據市場的發展與數據價值的評估中，發揮著重要作用。本文介紹了數據銀行的主要功能和數據市場的主要搭建方式，并通過分析得出了數據價值評估模型，從供給側和需求側多角度分析了數據價值評估的評估方向。

關鍵詞：復合多維；數據銀行；價值評估

引言

隨著我國的數字化加快發展，越來越多政策開始關注“數據”這一新興生產要素，圍繞數據的各方面發展設施與企業策略正在慢慢壯大。作為一項企業資產，數據的重要性正在日益凸顯。隨著數據量以及數據的種類不斷增加，數據為企業帶來的價值不斷增長，數據的價值也越來越為人們所重視。然而數據資產作為一種新型的無形資產，在價值評估方面的研究還十分欠缺，目前還沒有一種統一的數據資產評估方法對數據價值進行評估。因此，在此背景下，本文結合數據市場的供給側和需求側的相關特性以及其相互關系進行分析，展開研究建立面向供給側的符合多維度的數據價值評估模型。

1. 背景介紹

1.1 數據銀行

大數據是新型生產要素和重要的基礎性戰略資源，龐大的用戶群體所創造的大數據價值也是互聯網企業高估值的重要組成部分。數據顯示，2019年我國傳統數據中心實例數達393.3百萬個，云數據中心實例數達39.1百萬個[1]。在數字化浪潮中以及眾多技術的發展為基礎的背景下，大數據技術發展迅速，金融行業迎來了新的工具，更方便和高效地管理“數據資產”，與“數據資產”伴生的是與之相關的一系列活動，如數據價值的評估、數據的安全監測和隱私數據的保護。

1.2 數據的交易市場搭建機制

數據的交易市場搭建主要有兩個維度方向：以供給方為基礎搭建、以需求方為基礎搭建，各種形式的數據交易市場各有其特有的優點以及不足之處。

1.2.1 以供給方為基礎搭建

以供給方為基礎的數據市場主要有三種類型：以政府數據對外輸出為基礎搭建的數據市場、以大型互聯網云平臺為基礎搭建的保障平臺、以數據資源豐富的企業為基礎搭建的保障平臺。各種類型的供給方數據市場有不同的優缺點。

以政府數據對外輸出為基礎搭建的數據市場的優勢，是數據交易有政府的輔助作為安全保障，違法不安全的事發生的可能性因政府作為輔助保障會減少；而不足之處是這種模式的盈利方式與政府為人民服務的初心產生矛盾，但不收費又難以促進供給方進一步執行數據的供給，有違市場化目的。

如北京國際大數據交易所就是采用此類方式，通過北京市政府的支持，將北京市的政府數據先行提供到數據市場中進行交易、流通[2]。

以大型互聯網云平臺為基礎搭建的數據保障平臺的優點，是這些企業渴望利用數據產生價值，有發展數據價值化的趨勢，樂意發展數據交易，但除了這些優點之外，這些企業同時作為數據交易的平臺方和銷售方，存在一定的壟斷風險，可能將市場壟斷，導致“一家獨大”的局面，這不利于數據交易市場的長久發展。

以數據資源豐富的企業為基礎搭建的保障平臺，相比其他數據交易平臺，更像是數據供給方的自營平臺，如通信運營商、金融支付的渠道商，是以提供自營相關的服務為主的平臺，而非“數據資源”的交易市場。

1.2.2 以需求方為基礎搭建

企業以自身需求為基礎搭建數據交易平臺，更有針對性地為企業提供了所需的數據服務，提高了效率，減少了原本可能的煩瑣過程，但是不足之處在于需要企業具有一定的集團企業統一標準性，如果企業內部數據流通不統一、不標準，市場交易而來的數據反而會導致交易效率降低。數據的不統一說明使用者無法第一時間使用第一手數據，需要經過數據的初始化，如數據清洗、數據增補等數據集的基本操作，而后再使用數據。

2. 數據價值評估模型

數據在數據銀行進行交易的時候，其數據價格主要由其數據價值決定，并且圍繞數據價值，受數據市場環境的影響，進行上下波動[3]，如供不應求、供過于求等情況，這里采用會計核算維度進行表現；而數據價值的評估又可以通過供給側維度和需求側維度來評判，供給側維度主要體現在供給方提供的數據的質量價值以及數據的多維歸屬性，而需求側維度主要體現在數據的應用價值、數據的消費密度，以及需求側的活躍度水平。

2.1 供給側維度

2.1.1 數據的質量價值

數據銀行的數據價值中，最基本的一條就是數據的質量價值，隨著大數據技術的發展，數據量越來越多，數據的級別單位一直在變化，而在這個過程中，一直存在的問題就是數據的質量問題，因為數據的質量將影響數據資產的價值，也會在一定程度上影響數據的使用價值。在本文的思考與模型的研究過程中，認為數據質量價值的評估維度包括數據的完備性、真實性、一致性。

通過質量價值的評估，能夠幫助使用者根據數據的質量標準，對一部分或整體的數據的質量狀況給出評判，提出一個合理且統一的標準，幫助數據發揮更大價值，一定程度上提高數據的應用效率。

（1）完備性。數據是否有完備性是指數據銀行中的數據是否存在缺失的情況。在數據銀行中，數據的缺失情況有不同的種類，可能是整個用戶數據記錄的缺失，也可能是數據中的某個重要字段信息的記錄缺失，也有可能兩種情況都有，數據缺失情況繁多，具體的案例需要具體分析。而同一數據集受其數據缺失點的情況的影響大小也會不同，如無關的數據記錄缺失對整體的數據價值影響較小，而重要的數據記錄缺失，往往會對整個數據集的應用價值產生較大影響。

（2）真實性。數據的真實性是指數據銀行中的數據是否與其對應的現實特征相一致，是否符合現實實際條件，其數據集任何字段的數據都應該符合現實規定的特定的數據格式與值域范圍，與現實吻合。例如：我國的電話號碼應該是11位，不包括英語字母；人的年齡應該在0-120歲之間，不應該有負數，或者過大的數字。

（3）一致性。數據銀行中的一致性表現為判斷數據集中同一屬性的值在不同數據集中是否一致。假設在一個比較大的公司中，在各個不同的部門、各個獨立的業務系統中，數據不一致的現象會大量存在，相同含義的事物可能會有不一樣的表達方式。例如，在同一個大型公司中，可能“客戶”和“用戶”的意義相同，但可能在不同部門的數據匯總表格中，同時存在這兩種表達方式，會顯得過于冗余，所以在數據銀行中，評判數據集的質量價值也可以參考其一致性。

2.1.2 數據的多維歸屬

數據的供給側所提供的數據維度也會影響數據的價值，因為往往數據維度越高，數據越復雜，其蘊涵的數據潛在價值越大。數據供給方提供的數據維度不斷增加即其數據歸屬的維度更多維，其能夠為企業發掘所用的角度更多，方向更廣更深，所以其潛在的應用價值就更大，這也說明該數據集的質量更高。

2.2 需求側維度

2.2.1 數據應用價值

數據銀行中的數據價值只有在應用時才得以體現，應用價值是數據的核心價值。數據應用價值評估的維度主要可以概括為稀缺性、時效性[4]。在市場環境下，數據的壟斷也是決定數據價值高低的重要因素。數據的價值會隨著數據的應用場景而變化，同一個數據集在不同的應用場景中能夠產生的數據應用價值會不同。

（1）稀缺性。數據銀行中的數據應用價值會根據其在數據市場上的稀缺程度而變化。在數據的交易市場上，當數據供給方的數量局限在很小范圍的時候，或者市場上該類型的數據量稀少，那么相應的其數據價值就會較高，反之則數據的應用價值會變低，這就是數據的稀缺性價值。

（2）時效性。數據銀行中的數據應用價值會隨其時間的有效性而變動，不同交易場景，其應用價值不同。不同類型的應用對數據的時間特性有不同的要求[5]。通常實時性應用場景中使用的數據集的數據時效性較短，而預測性應用場景中則允許數據有較長的時間跨度。

2.2.2 需求側的活躍度

數據在需求側的活躍度一定程度上也影響著數據的價值。如果數據在需求側更為活躍，表現為應用的范圍更廣、應用的場景更加多樣，數據的需求側活躍度水平更高，能夠給企業帶來的價值呈現在許多方面，數據本身的價值就更高。

2.3 供求關系維度

在此維度，通過會計核算的基本方法，對數據的價值在市場供求關系變化中的可能性進行探討，分別在供不應求、供過于求的背景下，探討數據銀行中的數據價值可能的變化情況。

2.3.1 供不應求

當數據在一個供不應求的數據市場中進行交易時，數據的價值會相比在穩定的市場中適當增加，這時企業更注重數據的應用價值，如果數據的應用價值高，應用范圍廣，則相應獲得的數據價格會更高，在同樣的數據質量條件下，企業更傾向于選用時效性更強、維度更多元、更加稀缺的數據。

2.3.2 供過于求

當數據在一個供過于求的數據市場中進行交易時，數據的價值會相比在穩定的市場中適當減小，這時企業更注重數據的質量價值，如果數據的質量更有所保證，完備性好，真實性好，則相應獲得的數據價格會更高，在同樣的數據應用場景中，企業有更多可選擇的數據，更傾向于選擇數據質量更有所保障的數據。

結語

在面向供給側的符合多維度的數據價值評估模型中，我們從三個維度對數據價值評估進行了分析。在供給側維度中，數據主要受質量價值、多維歸屬性影響，而在需求側維度中，數據主要受應用價值、需求側的活躍度影響。

除此之外，數據的價值還會受數據市場的供求關系影響而呈現不同的傾向。

了解數據的價值評估，更有利于數據銀行規范相關的數據流通交易準則，保證數據在供給側的質量，促進數據在需求側的應用，更加完善地激發數據真正的價值。

參考文獻：

[1]中商產業研究院.2022年中國數據中心產業鏈上中下游市場剖析[EB/OL].（2022-02-06）https：//m.askci.com/news/chanye/20220218/1531231745246.shtml.

[2]閆曉麗，范兆霞.數據要素市場化機制及商業模式淺析[J].軟件和集成電路，2021，（9）：28-31.

[3]林佳奇.發電企業數據資產價值評估研究[D].北京：華北電力大學，2020.

[4]楊農.數字經濟下數據要素市場化配置研究[J].當代金融家，2021，（4）：118-120.

[5]丁海龍，徐宏炳.數據質量分析及應用[J].計算機技術與發展，2007，（3）：236-238.

作者簡介：洪鄒逞，本科，研究方向：數據科學與大數據技術。