数据定价方法总论

工业物联网中，如何对无形资产，特别是数据（Data）进行定价？本文主要是同过列举两种大类，概述数据定价的方法。

总论

data pricing

这篇博文主要是通过两个大类——经济学定价方法和优化方法对数据进行定价。主要是参考了这篇论文。

根据经济学定价的方法

• 根据成本进行定价：p = C*(1+m)，C是成本，m是卖家期望得到的利润。

• 根据消费者认定的价值进行定价。影响因子：

• Ve：消费者对商品经济学价值的评估；

• Vp：消费者对商品效用的评估；

• Vs：消费者对商家信用的评估；

• Vm：消费者的消费动机；

• Vc：消费者消费的消费背景。

• 根据供需平衡进行定价。找到一个供给需求量，使供需达到平衡点：

• 需求曲线：数据需求量越多，卖家让利，每单位数据的价格越低；

• 供给曲线：数据供给量越多，买家让利，每单位数据的价格越高；

• 智能数据定价模型（SDP）适用于需求高峰的情况，目标是让减轻网络负荷，让买家在不拥堵的时间段购买资源。具体体现在：数据的价格随时间改变；数据的价格随使用率改变。

• 选项定价：Black-Scholes期权定价模型。

根据优化理论定价的方法有

• 博弈论定价：

• 非合作博弈在IOT系统中的公式化以及Nash均衡。

• Stackelberg博弈考虑了动态因素。经过证明，Stackelberg博弈中的领导者的回报不小于相应的Nash均衡点回报。

• 还价博弈。

• 拍卖算法：

• 密封式拍卖：

• kth密封式拍卖。

• VCG拍卖。

• 公开拍卖：

• 提出型拍卖。

• 反向拍卖。

• 双边拍卖。

• 组合拍卖。

• 提价机制。

• 效用最大化。

• 背包问题。

总结

数据的定价主要分为经济学定价和优化定价。之后，我会对每一种算法进行详解，并给出代码。