广告
加载中

亿邦智库:走出定价迷思,用市场化流通发现数据要素价值

黄斌 2025-12-04 20:03
黄斌 2025/12/04 20:03

邦小白快读

EN
全文速览

文章核心解决数据资产定价难题,介绍创新流通模式。

1. 定价困难:数据非竞争、可复制特性使成本法、收益法、市场法无效,如茶水与矿泉水比喻所示,买家质疑成本相关性或收益不确定性。

2. 模式突破:转向服务化流通,从卖数据到卖服务,通过服务收益推导产权价值,公式为:价值 = (服务年化收入 - 运营成本) × 资本化倍数,案例如医疗数据服务年净收益80万×10倍=800万估值。

3. 技术保障:可信数据空间兴起,提供四种核心能力(可信管控、资源交互、安全计算、价值计量),确保数据可用不可见、可追溯。

4. 交易所转型:数据市场从交易向流通深化,解决安全信任问题、最大化数据乘数效应(一数据多应用),并支持数据资产化(三权分置)。

数据定价机制对品牌定价和产品研发有启示,服务模式契合消费趋势。

1. 品牌定价挑战:类似数据定价难题,品牌产品需考虑场景价值,如收益法依赖使用频率和场景,影响品牌价格竞争策略。

2. 产品研发启示:服务化流通模式可应用于新产品开发,如医疗健康案例展示数据服务价值释放,引导品牌关注用户行为(数据使用场景)。

3. 消费趋势观察:数据要素转向服务化,反映消费需求从所有权到使用权的变化,品牌可借鉴以提升渠道建设,如通过可信空间实现安全交互。

4. 代表案例:上海申康医院发展中心项目,成功将数据转化为服务,提供品牌营销新思路。

政策推动数据流通,带来增长机会和风险提示,可学习新商业模式。

1. 政策解读:国家数据局要求完善价格发现机制,支持数据交易所建立全链条服务体系,如公共数据产品流通交易试点。

2. 机会提示:服务化流通模式提供增长市场,如估值公式(价值 = (收入 - 成本) × 倍数)可应用于事件应对,案例显示年化收入可预测。

3. 风险提示:数据易复制性带来泄露或“一数多卖”风险,需技术保障如可信数据空间。

4. 最新商业模式:从所有权交易转向使用权服务,合作方式包括参与可信空间生态,扶持政策如企业试点项目。

数据服务化提供商业机会,启示推进数字化和电商转型。

1. 商业机会:参与数据价值链,如服务化流通模式允许工厂提供数据加工服务,案例中医疗数据应用展示潜在收益。

2. 产品生产需求:可信数据空间技术可应用于生产设计,如资源交互能力支持多源数据对接,优化产品研发。

3. 推进数字化启示:技术保障(如隐私计算和区块链)启示工厂电商化,解决安全顾虑,提升效率。

4. 代表企业实践:上海申康项目示范如何通过安全空间实现数据价值释放,工厂可学习类似模式。

行业趋势是服务化流通,新技术解决客户痛点并提供解决方案。

1. 行业发展趋势:数据要素从交易向流通转型,服务化模式成为主流,如国家政策推动可信数据空间试点。

2. 新技术:可信数据空间具备四种能力(可信管控用数字身份认证、资源交互用语义转换、安全计算用隐私保护、价值计量用智能合约),解决数据可用不可见问题。

3. 客户痛点:定价难题(如收益法操作困难)和安全风险(数据泄露),案例显示江苏省数据交易所成交障碍。

4. 解决方案:服务化流通模式结合技术保障,如通过服务收益推导产权价值,提供市场化定价依据。

平台需构建综合能力应对商业需求,最新做法聚焦流通生态。

1. 商业对平台需求:解决数据安全和价值问题,如直接交易风险抑制供给,平台需提供信任基础。

2. 平台最新做法:数据交易所转型为流通平台,构建可信数据空间载体,实现从交易撮合向价值发现、生态培育转变。

3. 平台招商与运营管理:吸引数据提供方和用户,如通过服务化流通模式最大化数据乘数效应(一数据多应用),运营中需定义服务标准和规则引领。

4. 风险规避:技术保障如动态访问控制和区块链,防止数据泄露,确保合规。

产业新动向是流通范式转变,带来新问题和政策法规启示。

1. 产业新动向:数据要素从交易向流通深化,内生源于数据属性与传统交易矛盾,如可信空间技术支撑服务化模式。

2. 新问题:定价难题(方法无效)和资产化挑战(三权分置需求),案例显示公共数据成交少。

3. 政策法规建议:完善价格发现机制,以政府指导价为锚过渡到市场法、收益法,启示法规需支持服务收益推导。

4. 商业模式启示:服务化流通实现价值链闭环,如从技术保障到产权价值推导,研究者可分析数据乘数效应和金融应用。

返回默认

声明:快读内容全程由AI生成,请注意甄别信息。如您发现问题,请发送邮件至 run@ebrun.com 。

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

Quick Summary

This article addresses the core challenge of pricing data assets and introduces innovative circulation models.

1. Pricing Difficulty: The non-rivalrous and replicable nature of data renders traditional cost, income, and market-based valuation methods ineffective. As illustrated by the tea vs. bottled water analogy, buyers question cost relevance or income uncertainty.

2. Model Breakthrough: A shift towards service-based circulation, moving from selling data to selling services, derives property value from service revenue. The formula is: Value = (Annualized Service Revenue - Operating Costs) × Capitalization Multiple. For example, a medical data service with an annual net income of ¥800,000 and a 10x multiple yields an ¥8 million valuation.

3. Technical Assurance: The rise of trusted data spaces provides four core capabilities (trusted control, resource interaction, secure computation, value measurement), ensuring data is usable but not visible and transactions are traceable.

4. Exchange Transformation: Data markets are evolving from simple transactions to deep circulation, solving security and trust issues, maximizing the data multiplier effect (one dataset, multiple applications), and supporting data assetization (separation of rights).

Data pricing mechanisms offer insights for brand pricing and product development, with the service model aligning with consumer trends.

1. Brand Pricing Challenge: Similar to data pricing dilemmas, brand product pricing must consider contextual value. For instance, the income approach depends on usage frequency and scenario, impacting competitive pricing strategies.

2. Product Development Insight: The service-based circulation model can be applied to new product development. Cases like healthcare data services demonstrate value release, guiding brands to focus on user behavior (data usage scenarios).

3. Consumer Trend Observation: The shift of data as a factor to a service reflects the broader consumer trend from ownership to usership. Brands can leverage this to enhance channel construction, such as enabling secure interactions via trusted spaces.

4. Representative Case: The Shanghai Shenkang Hospital Development Center project successfully transformed data into services, offering new ideas for brand marketing.

Policy-driven data circulation presents growth opportunities and risks, offering new business models to learn from.

1. Policy Interpretation: The National Data Bureau mandates improving price discovery mechanisms and supports data exchanges in building full-chain service systems, such as pilot programs for public data product circulation.

2. Opportunity Alert: The service-based circulation model opens growth markets. The valuation formula (Value = (Revenue - Cost) × Multiple) can be applied to event response, with cases showing predictable annualized revenue.

3. Risk Warning: Data's replicability creates risks of leakage or 'one dataset, multiple sales,' requiring technical safeguards like trusted data spaces.

4. Latest Business Model: The shift from ownership transactions to usership services involves cooperation models like participating in trusted space ecosystems, supported by policies such as enterprise pilot projects.

Data servitization offers commercial opportunities and insights for advancing digital and e-commerce transformation.

1. Commercial Opportunity: Participate in the data value chain. The service-based circulation model allows factories to offer data processing services, with medical data applications showcasing potential revenue.

2. Product Production Needs: Trusted data space technology can be applied to production design. For example, resource interaction capabilities support multi-source data integration, optimizing product R&D.

3. Digitalization Insight: Technical safeguards (like privacy computing and blockchain) inspire factory e-commerce transformation, addressing security concerns and improving efficiency.

4. Representative Practice: The Shanghai Shenkang project demonstrates how to release data value securely, a model factories can emulate.

The industry trend is service-based circulation, with new technologies solving client pain points and providing solutions.

1. Industry Trend: Data as a factor is transitioning from transaction to circulation, with the service model becoming mainstream, driven by national policies promoting trusted data space pilots.

2. New Technology: Trusted data spaces offer four core capabilities (Trusted Control via digital identity, Resource Interaction via semantic conversion, Secure Computation via privacy protection, Value Measurement via smart contracts), solving the 'usable but invisible' data problem.

3. Client Pain Points: Pricing difficulties (e.g., operational challenges with the income approach) and security risks (data leakage), as evidenced by transaction obstacles at the Jiangsu Provincial Data Exchange.

4. Solution: The service-based circulation model combined with technical safeguards, such as deriving property value from service revenue, provides a basis for market-based pricing.

Platforms need to build comprehensive capabilities to meet commercial demands, with the latest focus on circulation ecosystems.

1. Commercial Demand on Platforms: Address data security and value issues. Direct transaction risks can suppress supply; platforms must provide a trust foundation.

2. Latest Platform Practices: Data exchanges are transforming into circulation platforms, building trusted data space infrastructures to shift from transaction matching to value discovery and ecosystem cultivation.

3. Platform Recruitment & Management: Attract data providers and users by maximizing the data multiplier effect (one dataset, multiple applications) through the service model. Operations require defining service standards and rule-setting leadership.

4. Risk Mitigation: Technical safeguards like dynamic access control and blockchain prevent data leakage and ensure compliance.

The industry's new direction is a paradigm shift towards circulation, raising new questions and policy implications.

1. Industry Shift: Data as a factor is deepening from transaction to circulation, driven endogenously by the conflict between data attributes and traditional transaction models, supported by trusted space technology enabling service-based models.

2. New Problems: Pricing challenges (ineffective methods) and assetization difficulties (need for separation of rights), as seen in the low transaction volume of public data.

3. Policy & Regulation Suggestions: Improve price discovery mechanisms, using government-guided prices as an anchor before transitioning to market/income approaches. Regulations should support value derivation from service revenue.

4. Business Model Insight: Service-based circulation creates a closed-loop value chain, from technical assurance to property value derivation. Researchers can analyze the data multiplier effect and financial applications.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

【亿邦原创】2025年11月25日,在2025年“数据要素×”大赛全国总决赛颁奖仪式上,国家数据局党组书记、局长刘烈宏指出,下一步将聚焦建设开放共享安全的全国一体化数据市场,并提出要“支持数据交易所(中心)加快探索建立数据流通交易全链条服务体系”,要求“提升综合服务能力,积极推进公共数据产品流通交易,完善数据产品服务价格发现机制”。之所以着重提出要“完善数据产品服务价格发现机制”,主要是源于长期困扰数据要素价值释放的定价问题。

01市场堵点:数据交易的定价难题

曾有专家用一个比喻来描述数据定价的困境。他手持一杯茶水和一瓶矿泉水问观众:“这两杯水分别能卖多少钱?”“茶水无法定价,因为它没有标准化的包装和认证;而矿泉水可以进超市交易,因为它有明确的品牌、规格和质量标准。”

这是一个很生动的比喻,但事实上,这个比喻还不能完全表达数据定价的困难。作为第五生产要素,其非竞争、可复制、无限增长与供给的特性,使其定价与价值挖掘流程的复杂程度远高于其他传统生产要素。譬如,在直接交易数据副本的模式下,数据的定价非常困难。因为如果采用成本法的话,虽然数据生产商生产这个数据集花了100万,但如果他要卖120万的话。那么买家会问:这100万的成本与我何干?它对我值不值120万?而如果采用收益法的话,虽然理论上可以用未来收益来折现,但数据的价值高度依赖于使用它的场景、能力和频率。譬如,同一份数据在A公司手里可能年赚1亿,在B公司手里可能毫无用处。因此,收益法在实际操作中也非常困难。如果简单地采用市场法的话,同样也有问题,因为没有足够多且完全可比的交易,很难找到一个公允的市场参考价。

数据要素的这种定价困难,使得数据交易所中,与巨大的市场潜力相比,实际交易仍面临诸多障碍。譬如,据江苏省数据交易所统计,累计上架的数据产品中,公共数据产品占比较低,且实际成交也较少。

02 数据要素流通:产权交易与使用权交易并存的全新市场

面对数据定价的难题,市场正在探索一条新的路径,即对数据要素从“基于成本的资产定价”转向“基于收益的服务定价”。有专家指出,这种变革就是“不找价格找价值”。因为,数据作为一种生产要素,供需双方不是单纯的商品买卖关系,而是交易与合作共存的叠加态。

目前,这一转变在医疗健康领域已有成功案例。譬如,上海申康医院发展中心作为“数据要素×”大赛全国总决赛的获奖单位,他们构建的医疗大数据设施,通过“线上数据沙箱+线下安全空间”实现数据可信流通,让医疗数据在保障安全的前提下服务于科研与临床创新。这意味着,交易的核心从“数据本身” 变成了“基于数据的分析能力”或“数据价值的解锁服务”。数据的所有权被牢牢锁定,而流通的是其使用权衍生出的价值。

这种服务化要素流通模式之所以被认为有可能破解数据定价难题,其核心逻辑是一种从“服务收益”到“产权价值”的推导。即:一旦数据服务形成了稳定、可预测的现金流,那么对数据产权本身的估值就变得像给一家公司或一项传统资产做估值一样,有了坚实可靠的基础。而一项资产的价值,本质上是其未来所能产生的全部经济利益的现值总和。其估值公式可以简化为:数据产权价值 = (数据服务年化收入 - 运营成本) × 资本化倍数。这其中,年化收入就是可以基于历史服务交易记录而进行预测的稳定年收入。而资本化的倍数则可以参考同类数字经济服务公司的市盈率(P/E)或根据该服务的增长率、利润率、风险系数等因素综合确定。譬如,某数据产品在可信空间中以“查询服务”的形式运营,过去一年稳定产生100万元的服务费收入,扣除空间运营成本后净收益为80万元。参照SaaS(软件即服务)行业常见的估值水平,给予10倍的资本化倍数。那么,该数据产权的估值就可以达到:80万元/年 ×10≈800万元。此时,这个800万的估值,就不是“拍脑袋”决定的,而是由真实的市场交易一层层推导出来的,因此它更具说服力,也更容易被金融机构、投资人和买卖双方所接受。

但是,如果只是服务模式的改变,还不能完全解决问题,因为数据的易复制性使得这种服务化要素流通模式也面临着各种投机性风险。譬如,原始数据泄露、“一数多卖”等问题。而这,就需要技术性措施的保障,即可信数据空间的建设。

03 技术保障:可信数据空间的兴起

可信数据空间是支撑数据服务释放数据价值这一新模式的基础。国家发展改革委和国家数据局在《2025年数字经济发展工作要点》中明确提出,组织开展企业、行业、城市三类可信数据空间创新发展试点。在2025年“数据要素×”大赛中,也涌现出不少可信数据空间建设的获奖项目。

这些项目通过技术创新构建了四种核心能力,最终达到允许数据在不离开原始存储地的情况下被分析和使用,实现“数据可用不可见、流程可追溯、价值可计量”的新型数据流通模式。这四种核心能力,就是“可信”二字的基石:

其一,是可信管控能力。主要通过数字身份认证,确保参与者可信,并利用动态访问控制和区块链存证等技术,对数据的使用范围、方式、时长进行精细管控与全程不可篡改记录,实现“可控可计量、可溯可追责”。

其二,是资源交互能力。主要通过统一的数据目录、标识和语义转换技术,让不同来源、格式的数据能够相互“理解”和对接,以及不同可信数据空间之间的互联互通,从而在复杂的多源异构数据环境中实现高效互操作。

其三,是安全计算与隐私保护能力。主要是以隐私计算为核心,结合数据沙箱环境,确保数据在流通过程中“可用不可见”,或只能在加密、脱敏状态下进行分析,从根本上解决数据提供方的安全顾虑。

其四,是价值共创与计量能力。主要是通过智能合约等技术,支持灵活的收益分配模型(如按次、按效果分润),并精确计量各方的数据贡献和使用情况,为市场化服务定价提供直接技术依据。

可信数据空间正是通过这四种技术能力,构建了以“信任为基础、价值为激励、治理为基准、合规为保障”的规则框架,将“信任”和“控制”编码到数据流通的每一个环节,从而为数据要素的服务化、价值化流通扫清了最大的技术和信任障碍。这些都使得基于数据服务模式的新市场定价方法,可以更大程度、更准确地释放数据要素价值。实现了从“卖数据”到“卖服务”的转变,也契合数据要素应“千(场)景千价”的特性。

在这里,事实上串联起了一个完整的价值链闭环,即:通过可信数据空间的技术保障和规则设置,实现数据要素的服务化流通,明确数据要素的市场化服务定价,从而形成可验证的服务收益,进而可推导出相对准确的数据要素产权价值。这种相对准确并可变现的价值,就使得数据要素能够支撑起作为资产进行抵押、证券化等金融活动,并进一步激励数据要素的投入和生产。

04 数据交易所:从“交易”向“流通”的全链条服务深化

数据要素市场正经历一场从“交易”到“流通”的深刻范式转变。这个转变并非偶然,而是由于数据要素的根本属性与传统“交易”范式存在根本矛盾,从而内生地、必然地催生了这种转变。

首先,这一转变能够破解安全和信任难题。直接转移原始数据难以控制后续风险,会极大抑制供给。而可信流通模式通过技术手段在保障安全与合规的前提下,实现了价值的释放,获得了收益,解决了数据持有方的后顾之忧。

其次,这一转变可以最大化数据乘数效应。数据的价值在于使用,而且使用越频繁、结合的场景越多,其价值就越大。流通模式允许同一份数据在不同场景、为不同需求方反复、安全地提供服务,从而激发出“一个数据,N种应用”的乘数效应。

最后,这一转变顺应了数据要素资产化进程。数据要成为真正的资产,必须实现“三权分置”——即数据资源持有权、数据加工使用权、数据产品经营权的分置。数据要素服务化流通模式正是围绕加工使用权和产品经营权的有序配置而设计的,并为数据资产化奠定实践基础。

在推进数据要素市场发展变革的进程中,数据交易所的角色正在发生深刻的范式转变。它们不仅是交易场所,更是以“可信数据空间”为载体、以“服务化流通”为核心的新型数据基础设施的构建者和生态组织者。其目标是引领数据要素市场从相对单一的“所有权交易”走向以“使用权”和“服务价值”为核心的深度价值释放的阶段。交易所要从单一的交易撮合者,向集价值发现、场景挖掘、生态培育、规则引领于一体的综合服务商转型。

随着可信数据空间技术的成熟、服务化流通模式的普及以及市场化定价机制的形成,数据交易所就能够实现完善价格发现机制,探索基于服务收益的市场化定价的任务。在实践中,以公共数据政府指导价为“锚”,逐步向市场法、收益法过渡。最终,解决数据要素定价难题,形成公允、透明的价格基准,激励数据要素的高效配置与创新应用。

未来的数据流通交易机构,将不仅拥有安全与高效的交易系统,还在于其拥有构建可信环境、定义服务标准、组织产业生态、发现要素价格的综合能力。这将推动数据要素市场从“有市无价”或“有价无市”的困境中走出,迈向一个基于真实、动态价值发现的繁荣新阶段。

亿邦智库将持续关注数据要素流通与数据产业发展,如有好的经验与案例,欢迎进行深入交流,智库可对优秀案例进行全面深入报道。

联系邮箱为:huangbin@ebrun.com

文章来源:亿邦动力研究院

广告
微信
朋友圈

这么好看,分享一下?

朋友圈 分享

APP内打开

+1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0