随着大数据应用的不断升温,越来越多的企业投入到大数据分析与应用领域,为客户提供多种多样的大数据信息服务。例如,车载信息系统可以记录汽车的动态信息,如车速、行驶里程、有无紧急制动操作等信息,保险公司根据这些信息评估客户的风险等级,设计个性化保费方案。对微博、电子邮件、即时通信帖子等大量非结构化文本数据进行文本分析,可以形成对商业决策有价值的信息。这些都是大数据信息服务的典型应用。在对外提供大数据信息服务时,如何对大数据信息服务定价成为困扰大数据信息服务供需双方的焦点问题。本文以大数据信息服务的定价问题为研究对象,主要研究内容如下:(1)依据服务价值链理论,分析了大数据信息服务的价值传导机制。在分析大数据信息服务层次结构、定价影响因素的基础上,总结出大数据信息服务的价值链模型,指出大数据信息服务的质量效果需要下游客户的多级传递确认,具有高度的不确定性,传统定价方法难以胜任,需要采用新的定价方法以降低服务质量效果的不确定性;同时,大数据信息服务提供方需要用到来自价值链上游的多渠道、多种来源、多级传递的数据,因此提供方需要对原始数据来源者进行补偿,以保障原始数据来源者的合法权益不受侵害。(2)提出数据型大数据信息服务(数据集)的定价模型。在分析数据集不确定性的基础上,提出应对数据集不确定性的方法。构建了数据集定价模型:首先通过德尔菲法确定了数据集五个属性重要程度排序;然后利用层次分析法确定属性权重,构建数据内在价值模型;运用蒙特卡罗模拟确定属性值,对J车险服务公司的“维修保养数据集”价值进行了测算,测算结果表明了定价模型的有效性。(3)对解决方案型大数据信息服务不同阶段定价方法进行研究。在分析不同生命周期阶段不确定性的基础上,提出解决方案型大数据信息服务的定价体系。重点论述了结果导向定价法——类版税法,并运用区块链技术实现了基于智能合约的保障机制,确保大数据信息服务需求方后期收益的可追踪与不可抵赖,保障提供方的权益,消除供需双方对大数据信息服务质量效果的不确定性。(4)对大数据信息服务的权属问题进行了界定,研究了社交网络用户价值与数据价值,提出考虑原始数据来源者补偿的定价模型,设计了基于区块链的数据交易补偿平台架构与数据交易流程,并从技术上实现了数据溯源。(5)以J车险服务公司的大数据信息服务定价实践为实证,初步验证了解决方案型大数据信息服务定价体系的有效性。在成长期引入结果导向型定价法,开发了“基于区块链的交易体系”,为大数据信息服务提供方设立“观察账户”,可观察节点上的所有交易信息,保障需求方后期交易的可追踪与不可抵赖。运用BP神经网络对该公司实际发生的交易数据进行训练与测试,将客户(车险公司)的各种属性值(即价格影响因素)作为BP神经网络的输入神经元,以交易价格作为输出神经元,经过训练与测试,测试值与真实值的拟合度高,验证了 BP神经网络用于大数据信息服务定价的有效性。本文的创新点主要有:(1)将层次分析法与蒙特卡罗模拟相结合,提出数据型大数据信息服务(数据集)的定价模型,该模型利用专家经验规避了数据集属性权重设置的任意性,并利用蒙特卡罗模拟规避了专家数量过少引起的不确定性。(2)针对解决方案型大数据信息服务质量效果的不确定性,提出结果导向型——类版税定价法,并引入智能合约作为其保障机制,确保大数据信息服务需求方后期收益的可追踪及不可抵赖,保障大数据信息服务提供方的权益。(3)针对数据泄密事件频发现象,提出了考虑原始数据来源者补偿的定价模型,并利用区块链技术实现了数据溯源,保障每个数据使用者都对原始数据来源者进行补偿,避免了大数据信息服务提供方在法律上侵犯隐私的风险。(4)针对交易价格与影响因素之间关系的不确定性,采用J车险服务公司大数据信息服务交易的实际数据,利用BP神经网络对历史交易价格与影响因素之间的关系进行训练、测试,结果表明BP神经网络用于大数据信息服务定价的有效性。BP神经网络定价法的贡献在于:根据历史交易记录训练出大数据信息服务价格与影响因素之间的映射关系,后期的交易价格可以由客户的属性值直接给出。从理论上可以结束现实中的“一对一”的讨价还价定价繁琐程序,提高交易效率,为大数据信息服务定价提供新思路。