一种数据更新服务的价值评估方法、系统、介质和设备技术方案

本发明专利技术实施例提供了一种数据更新服务的价值评估方法、系统、介质和设备，该方法包括：S1、获取数据集的当前成交价和预订的该数据集对应的更新服务的时间跨度；S2、根据所述当前成交价计算该数据集在所述时间跨度的终点对应的期望价格；S3、对所述期望价格进行贴现处理以确定所述更新服务在当前时间交易的评估价值。该方法的实施可以让数据集对应的不同时间跨度的更新服务难以合理定价的问题得到有效解决，提高用户体验，促进数据交易产业的发展。

【技术实现步骤摘要】
一种数据更新服务的价值评估方法、系统、介质和设备
本专利技术涉及数据交易领域，具体来说涉及交易标的为数据集的交易市场的配套
，更具体地说，涉及一种数据更新服务的价值评估方法、系统、介质和设备。
技术介绍
随着大数据技术的日益发展，数据本身也成为了一种商品，具有极高的交易价值。2008年，全球数据交易市场就已经着手开始建立。近年来，伴随着区块链等新兴技术的崛起，各国政府政策大力扶持，加之资本注入，使得大数据交易市场在底层技术的驱动下呈现加快发展的趋势。根据上海经济和信息化委员会的统计，全球目前有五大顶级大数据交易平台，分别是：Factual、BDEX(BigDataExchange)、Infochimps、DataPlaza和中国贵阳大数据交易所。数据交易定价技术的探讨主要分为基于查询、基于机器学习两种，但是两种技术的学术讨论都不够深入，还没有成为主流。基于查询的定价技术是指待交易的数据存储在数据库中，消费者通过精确的查询语句进行查询，获得满足条件、且经过一定程度预处理的数据，即：具体的数据元组。例如，授权公告号为CN105824919B的中国专利文献公开了一种数据查询操作定价的动态调整方法及装置，包括：在检测到计算资源的已分配资源信息发生变化时，获取每种计算资源在不同时间段的已分配资源信息；获取每种计算资源的固定参数信息；所述固定参数信息包括每种计算资源在不同时间段的总资源信息、每种计算资源在不同时间段的最低价格信息和每种计算资源在不同时间段的最高价格信息；根据预定的计算资源定价调整规则、所述已分配资源信息和所述固定参数信息，对每种计算资源在不同时间段的定价信息进行调整。该专利技术中考虑到计算资源的分配情况，根据每种资源在不同时间段的已分配资源信息，对数据查询操作定价动态调整，从而更合理的对数据查询操作定价。基于查询的定价技术的优点在于可以精确地为数据元组进行定价，缺点在于难以为围绕数据的配套服务进行定价，并且无法面向开放化的交易市场，只能满足小众的查询服务。而且此场景中数据的限定条件较多，更新数据后极有可能不满足查询需求，因此数据更新服务很少面向基于查询的定价进行适配。基于机器学习的定价技术泛指通过机器学习的方式，为数据制定尽可能满足多方需求的价格。基于机器学习的定价技术主要面对以数据集为交易标的，在后续更新时，可以对数据集进行整体更新，例如更新最新数据、补充数据量等等，都可以在原数据集的基础上进行整体更新、迭代；其优点在于一般定价方为第三方，可以斡旋多方利益，并且对于配套服务的定价有较高的参考价值，缺点在于交易标的一般为数据集，无法精确到某一条数据元组。数据更新服务是数据交易的重要配套服务之一。数据更新服务即指消费者购买数据集后，希望数据提供方为其提供该数据集在未来一段时间内的更新服务。华盛顿大学-西雅图分校(UniversityofWashingtonSeattle)的玛格达莱娜·巴拉赞斯卡(MagdalenaBalazinska)等人在一篇数据交易领域的高引用论文DataMarketsintheCloud:AnOpportunityfortheDatabaseCommunity中提出，数据具有强烈的时间价值属性，因此对于数据交易后续的更新服务是不可忽视的环节，如何对该服务进行妥善定价，是数据定价领域亟待解决的问题之一，该问题目前还没有较好地得到解决。在以数据集为交易商品的交易市场中，数据更新主要分为两种，一种是时间属性较强的产品，本身更新之后可以成为新的商品，例如数据集：2018年度的北京市餐厅营业状况，更新后得到2019年度的北京市餐厅营业状况，可以作为两个不同的产品进行交易；另一种是时间属性只是产品价值维度之一，更新后新产品取代原有产品，在原有产品基础上进行更新、迭代，例如数据集：北京市现有餐厅营业状况，该数据集可能基于技术原因、商业原因等因素在未来不断地更新，取代原有数据集。学术界目前存在的数据更新服务定价问题主要涉及后一种数据更新服务。数据更新服务往往是需要付费的，可目前业界还没有确立如何对更新服务定价，无论是目前的市场化、数据交易模型，更新服务定价都没有明确引领方向。专利技术人在进行以数据集为交易标的的市场定价策略研究中，发现用户购买数据集时，往往还想要购买一段时间内该数据集的更新服务，目前市场并未提供该项服务，仍亟待补充。其中一个原因是目前并没有提供数据集对应的更新服务的定价技术或者价值评估技术，经过具体分析，数据集更新服务定价主要存在以下三个难点：第一，开放化市场环境中，数据交易频繁，交易价格波动剧烈。在一个充分开放、发达的数据交易市场中，数据交易每时每刻都有可能发生，每次的成交价格都有可能不同，并且市场中不只有普通购买者，也存在着大量低价买入、高价卖出，以套利为根本目的的交易行为，种种因素都决定了数据交易价格的波动性。第二，成熟的数据交易市场中，数据更新的方向往往是不定性的，导致更新服务价格存在不确定性。从时间上来讲，数据更新的发生充满随机性，一方面可能存在基于时间的定期更新，另一方面，也存在基于某些事件的立即更新(例如，新的地摊激励计划出现，对于行政区域内失业率等指标的统计可能会立即进行，在一段时间后反应到数据交易的数据更新上面)，此外，也有大量数据提供者基于自己成本、盈利考量的更新、修改数据集，对于市场，这种更新的出现也是偶然的。从数据集内容上来讲，数据更新的发生也是具有很强的随机性，数据更新可能剔除过时数据集，也可能只补充新的数据集，也可能两者同时发生，数据集随着内容的扩展，类别、属性、隐私程度等等影响价值的属性都可能发生变化，即从内容角度来讲，数据集的更新在影响价值层面上，仍然具有很强的不确定性。第三，结合以数据集为交易标的的第三方定价原则，数据集更新服务定价需要尽可能考虑买卖双方利益，而不只是单独卖方或者买方的权益。在各类商品的定价策略探究中，大量策略都以卖方或者买方收益最大化为出发点，该思考路径与数据集定价领域、以数据集为交易标的的出发点相违背，作为制定参考定价的第三方，价格要使得参与各方能尽可能接受。可见，数据集价格本身价格存在强烈波动性、不确定性，在长远未来的数据更新服务亦是数据集价格在长远未来的一种体现，其定价也充满了挑战，在此基础上，如何提出行之有效、使买卖双方可以接受的数据更新参考价格，成为专利技术人的主要关注点。总的来说，随着数据交易产业的发展，未来的数据交易市场中，数据方面的市场交易将越来越活跃，越来越开放，形成类似于股票、期货等交易市场的高频次交易的格局。而数据更新服务属于数据交易的配套服务，由于缺乏对应的定价技术，难以确立某个数据集对应的数据更新服务的价值。一方面，卖方难以为某个数据集的某个具体的数据更新服务制定出合理的价格，另一方面，不合理的价格会影响用户体验，影响数据交易的活跃程度。由于市场不活跃，还有可能影响数据交易产业的发展。
技术实现思路
因此，本专利技术的目的在于克服上述现有技术的缺陷，提供一种数据更新服务的价值评估方法、系统、介质和设备。本专利技术的目的是通过以下技术方案实现的：根据本本文档来自技高网...

【技术保护点】
1.一种数据更新服务的价值评估方法，其特征在于，包括：/nS1、获取数据集的当前成交价和预订的该数据集对应的更新服务的时间跨度；/nS2、根据所述当前成交价计算该数据集在所述时间跨度的终点对应的期望价格；/nS3、对所述期望价格进行贴现处理以确定所述更新服务在当前时间交易的评估价值。/n

【技术特征摘要】
1.一种数据更新服务的价值评估方法，其特征在于，包括：
S1、获取数据集的当前成交价和预订的该数据集对应的更新服务的时间跨度；
S2、根据所述当前成交价计算该数据集在所述时间跨度的终点对应的期望价格；
S3、对所述期望价格进行贴现处理以确定所述更新服务在当前时间交易的评估价值。


2.根据权利要求1所述的数据更新服务的价值评估方法，其特征在于，所述步骤S2包括根据基于历史信息得到该数据集对应的平均收益率计算所述期望价格。


3.根据权利要求2所述的数据更新服务的价值评估方法，其特征在于，所述期望价格按照以下方式计算：
E(St)＝S0eμt；
其中，E(St)表示数据集在所述时间跨度的终点对应的期望价格，S0表示当前成交价，e表示自然对数的底数，μ表示基于历史信息得到该数据集对应的平均收益率，t表示所述时间跨度对应的时长。


4.根据权利要求1至3任一项所述的数据更新服务的价值评估方法，其特征在于，所述评估价值按照以下方式确定：
Sd＝E(St)e-rt＝S0e(μ-r)t；
其中，Sd表示评估价值，E(St)表示数据集在所述时间跨度的终点对应的期望价格，S0表示当前成交价，e表示自然对数的底数，μ表示基于历史信息得到该数据集对应的平均收益率，t表示时间跨度对应的时长，r表示用于贴现处理的实际利率。


5.一种数据更新服务的价值评估系统，其特征在于，包括：
数据接口模块，用于获取数据集的当前成交价和预订的该数据集对应的更新服务的时间跨度；
期望价格计算模块，用于根据所述当前成交价计算该数据集在所述时间跨度的终点对应的期望价格；
价值评估模块，用于对所述期望价格进行贴现处理以确定所述更新服务在当前时间交...

【专利技术属性】
技术研发人员：孙毅，李博，龙博，蒋硕轩，栗正隆，李忠诚，张瀚文，于雷，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京;11