<正>随着大数据、人工智能、云计算等技术的深度融合与广泛应用，数据已从单纯的信息载体跃升为驱动经济增长和社会发展的新型关键生产要素。数据产品作为数据要素价值释放的核心载体，形态日益丰富，从原始的脱敏数据集、API接口，到经过深度加工的分析报告、预测模型、智能决策引擎等，正深刻重塑着企业的运营模式、服务形态和创新路径。然而，数据要素市场的蓬勃发展与数据产品交易的日益活跃，面临一个基础且关键的瓶颈问题：如何对数据产品进行科学、合理、有效的定价？相较于传统的商品与服务，数据产品具有非竞争性与部分排他性、价值不确定性、成本结构特殊等独特属性，这些特性使得传统定价理论和方法在数据产品领域面临显著挑战。在实践中，数据产品定价呈现出高度的主观性、模糊性和碎片化特点，企业或依赖经验估值，或采取简单的成本回收策略，或陷入“免费陷阱”与“天价要价”的两极分化，亟须建立一种相对科学系统的数据产品定价方法，来降低需求方的采购风险和不确定性，为数据要素的高效流通与市场化配置创造条件。