如何定价|数据应该如何定价( 五 )

再看比较法。这种方法的优缺点都很明显。优点在于，它的思路很直接，也很符合金融中的“无套利”原则。如果现实中已有能够比较好地进行参照的交易，那么这种方法执行起来也很容易。而这种方法的缺点则在于，在事实上，对于任何一种数据交易，我们都很难找到一个完全可比的例子进行参照。现实中，数据是一种非常个性化的资产，看起来相似的数据，它们的成本可能很不一样；而即使是同样的数据，对于不同人的价值也差异巨大。因而，在采用这种方法时，如何在既有的交易价格上进行调整是一个亟待解决的问题。
在我看来，在处理这类问题时，我们或许可以根据经验，出台一套对既有交易价格进行修正的原则，这样至少可以让人们在估价时有章可循，从而减少很多交易成本。人们在讨论标准必要专利的许可费问题时，曾提出过一套Georgia Pacific方法。这套方法的基准是从一个已经授权的标准必要专利的许可费出发，然后加入现实中需要考虑的十五个要素去修正这个许可费。我想，在分析数据估值问题时，我们也很有必要去开发一套类似的标准。
除了具体的评估方法外，我还特别想强调一点，那就是相比于其他要素，数据要素之间的互补性是非常重要的。比如为什么谷歌愿意为领英出这么高的价，原因就在于它拥有的社交网络数据可以很好地和谷歌自身的搜索数据形成互补，因此，对于谷歌来讲，它可能值这么多价，但对别人而言，它可能就不值得。考虑到这一问题，在进行数据价值评估时，我们必须将这个问题考虑在内。当然，怎么在具体中去体验这种互补性，这本身还是一个难题。在我看来，一种比较好的思路是引入合作博弈中“沙普利值”（Shapley Value）的概念，这一概念可以很好地测定一个人从参与合作中所能获得的回报。如果我们把使用数据视为参与数据分析这项“博弈” ，那么其沙普利值就可以被视为数据在这个问题中的具体价值了。

如何定价|数据应该如何定价( 五 )

【如何定价|数据应该如何定价】