数据是数字经济时代的关键生产要素。然而，数据价值看不见、摸不着，交易时缺乏依据，种种问题制约着数据要素市场的发展。

 

基于在全国近百家企业的数据资产服务经验，近日，开鑫科技全资子公司鑫元数科成功取得“基于机器学习融合效益与市场因素的数据资产估值方法”发明专利。该方案融合机器学习与博弈论中的夏普利值，让数据价值得以量化呈现。

 

 

从“难以估量”到“心中有数”

 

简单来说，本专利可以理解为一套科学评价数据“贡献度”的体系。首要维度是场景化评估，给数据一个“相对价格”，针对它在具体业务场景中发挥的作用来评价其价值。第二个维度是公平分配，借鉴“夏普利值”原理，通过大量模拟计算量化每条数据对模型结果的边际贡献。第三个维度是机器学习驱动，以机器学习模型为技术载体，通过模型性能的变化客观反映数据效用。

 

针对夏普利值在大数据量时计算复杂的问题，开鑫科技设计了差异化计算路径。对小型简单场景，可执行精细化“逐点评估”，深入分析每一条数据的价值。对大规模复杂场景，则采用“分块评估”与蒙特卡洛采样等近似算法，在保证时效的同时输出可靠评估结果。

 

数据“用得明白”、投入“花得放心”

 

该技术在多个现实场景中具有重要应用价值。

 

对数据投入方而言——花钱获取数据资源不再“凭感觉”。假设一家医院已有一套病理数据用于疾病预测模型，此时想引入新的数据源来提升诊断准确率。利用本专利方法，医院可以基于现有诊断模型，分别加入新数据进行效果测试，计算新数据中每条记录对模型效果的“贡献值”，并结合市场因素形成定价参考，让采购决策有据可依。

 

对数据持有方而言——清晰呈现数据价值。以金融行业为例，金融机构拥有大量企业财务数据，希望将其用于信贷风险评估并实现资产化。本技术可以分析数据集里哪些财务指标、哪些时间段的数据对风控模型贡献最大、价值占比如何，为数据交易、资产化提供量化支撑。

 

对数据管理者而言——优化数据资源配置。在内部数据治理中，该方法能帮助识别哪些数据质量高、效用显著，应重点维护和采购；哪些数据价值较低，可考虑归档或清理；从而实现数据资源的精细化管理。

 

一直以来，开鑫科技力争创新，致力于让数据价值的“隐性贡献”变得“显性可见”，让“无形资产”变得“有价可依”。相关方法已成功落地实践——旗下鑫欣保理2025年成功发行全国首单数据资产ABS，持续引领数据资产金融创新。未来，开鑫科技将在数据要素领域持续深耕，助力数据价值被看见、被衡量、被激活，释放其作为生产要素的巨大潜力。