蔡 莉，黄振弘，梁 宇，朱扬勇

1.云南大学 软件学院，昆明650091

2.复旦大学 计算机科学技术学院，上海200433

近年来，大数据产业飞速发展，相关产品和服务业务收入预计可以突破10 000亿元[1]，数据交易（data trading）作为一种创新型商机涌现出来，深刻地重塑各行各业的传统战略[2]。数据交易次数和交易总额持续上升，IDC（International Data Corporation）发布的《全球半年度大数据支出指南》指出，在2023年底，全球大数据市场相关收益将实现13.1%的复合年增长率，并预计2023年总收益达到3 126.7亿美元[3]。数据定价（data pricing）在数据交易的多环节中占着举足轻重的一环，同时也是经济学与计算机科学交叉的关键研究领域。出色的定价方法是数据创造价值的一部分，错误的定价方法会使得数据丧失吸引力[4]。大数据市场交易如火如荼，但其中存在矛盾点，即当前的数据市场中缺乏一种通用的定价方法[5]，容易产生“柠檬市场”，即买家和卖家之间几乎没有透明度、信息严重不对称，使得参与交易的各方被误导，影响数据交易市场的健康发展。鉴于此，本文对数据定价的相关理论、技术和方法进行综述，以帮助研究者更好地掌握数据定价知识，为未来提出一种更加合理且受广泛认可的定价方法奠定基础。

1 数据定价概述

1.1 数据定价的定义

资产定价的早期，数据并没有被视为一种可定价的资源。直到二十世纪七八十年代，信息价值意识的萌芽，信息经济学开始备受关注，信息商品被总结有以下3个典型特性[6]：

（1）零边际成本：第1份样本成本极高，而后续N份样本成本约等于零。……