数据是具有特殊属性的资产，数据既然要流通和交易，就要把数据进行产品化，形成不同的数据产品。那么在具体实践中，数据、数据资源、数据资产均可以通过数据产品化形成不同类型的数据产品，比如特定的数据集、数据分析报告、视频教程等，数据提供者将数据产品进行估值，数据售卖者将数据产品上架并进行定价，最终数据使用者通过购买数据产品实现数据交易的过程。数据使用者一方面对本身业务进行赋能，另一方面对数据进行加工又会形成新的数据产品进入到交易环节，循环往复，如下图所示。
第一阶段：原始数据阶段
这一阶段的核心活动包括数据采集、数据整合、数据确权等。数据采集就是将数据进行人工录入、机器生成、系统生成、网络生成等方式进行的数据获取；数据整合就是将数据进行加工、清洗、整合成数据资源或数据资产；数据确权就是根据法律法规要求确定数据拥有权、数据使用权等。在原始数据阶段，参与者在数据交易过程中可以定义为数据提供者，包括提供数据的政府、企业、个人等，同时数据提供者要注意数据的质量、时效、隐私等问题。
第二阶段：数据产品阶段
这一阶段的核心活动包括数据加工、数据估值等活动。数据加工就是对数据、数据资源、数据资产进行加工，形成数据产品，也就是数据的产品化；数据估值就是数据提供者对自身提供的数据产品进行初步价值估值。在数据产品阶段，参与者在数据交易过程中定义为数据提供者，就像现实市场中的批发商，这些数据提供者有政府、企业、个人等。这一阶段最重要的问题就是数据估值，因为数据估值就要考虑数据成本、数据的稀缺性、数据的时效性、数据的质量等问题。
第三阶段：数据交易阶段
这一阶段的核心活动包括议价、定价、数据安全。这一阶段更像现实中的药品买卖，一般生产药的企业是不直接卖药的，而是通过医药公司进行药品销售，所以数据交易所这样的机构就出现了，也就是在合法授权的条件下，售卖数据提供者的数据产品。议价就是数据售卖者与数据产品提供者讨论收购价格问题，就像卖菜的向菜农批发时的议价；定价就是将数据产品进行分类，对每类产品进行价格标识，这也是当前大家最关注价格定价标准的问题；数据安全和数据质量就是在售卖数据产品的同时保证数据安全和数据质量，就像超市要保障卖的蔬菜不坏也不能被偷走一样。数据交易阶段的参与者就是合法拥有数据并有权进行交易的政府机构、企业、个人，所以大家看到的数据交易未必一定是在数据交易所完成。大家注意，一旦数据交易所进行了数据定价，不会因为客户不同、使用场景不同，修改数据价格。但是数据售卖者有调整数据价格的权利，就像评估早上5元一斤，而晚上就3元一斤。
第四阶段：数据增值阶段
这一阶段的核心活动主要是对购买数据产品的应用，包括数据分析、趋势预测、机器学习、数据整合等。这一阶段数据价值的发挥主要是通过对企业战略和业务赋能以及数据二次加工体现。就好比买回家的水，可以直接喝能解渴；还可以加工成果汁、沏咖啡等。大家注意，水的价格并不因为用途而变化，而水的价值却不一样。我们可以看到，一旦水变成了果汁，果汁这种产品立即会高于水的价格很多倍。这也是数据产品的特性，数据会随着被不断加工和价格大涨。当然，数据交易的最后一步也是由数据使用者进行购买数据产品完成的。数据使用者包括使用数据的政府、企业、个人等。在这个过程中，数据估值成为核心焦点，常见的数据估值由成本法、市场法、价值法以及综合法。数据估值离不开数据价值，数据价值一定程度上决定了数据价格。所以，谈数据估值和数据交易我们要厘清以下方面内容：
1.数据价值和数据价格的关系
数据价值是数据估值的基础，数据价值也是数据价格的基础。然而，数据价值和数据价格是两个不一样的概念。数据价值是凝结在数据产品中的劳动，而数据价格是交易过程中的真实货币表示。在现实中，数据价值是数据价格的决定因素，但是数据价格随着数据的稀缺性、时效性、数据质量等因素会表现为波动表现形式。
2.数据价值和数据场景的关系
如果某个组织既是数据的生产者，又是数据的使用者，比如工业企业，那么数据价值就跟数据场景有很大关系，因为这种情况下一般不会通过数据交易环节，很难实现数据货币化，只能以数据赋能业务的方式体现，比如降本增效、战略决策、统计分析等。如果数据使用者和数据生产者不同，而是通过数据售卖者进行购买，那么数据价值就跟使用场景无关，数据价值通过货币化形式体现，比如购买第三方机构的数据，并不因为使用场景不同而售卖价格就不同。3.影响数据价格的因素和定价
由于数据的特殊性，因此影响数据价格的因素比较多。当然我们是假定不存在数据确权纠纷同时是在数据作为产品交易的场景下谈论。根据实际交易考虑，数据价格的决定因素主要包括：数据的价值、数据的稀缺性、数据的时间特性、数据的质量、数据的数量。那么我们在考虑数据价格的时候首先考虑的就是数据成本，但是数据成本并不能完全决订价格。下表列示了高价格数据的几种情况。
本文作为抛砖引玉，仅供大家读赏。数据交易正在发展阶段，我们数据人有责任推动数字经济的发展，有效发挥数据要素的价值，让数据在企业内和社会中快速高效的流通起来，数据的价值才能更好的实现。
