Mục tiêu chính của bài báo là xây dựng một khung phương pháp định giá dữ liệu toàn diện nhằm hỗ trợ hoạt động trao đổi dữ liệu trong các thị trường dữ liệu đang phát triển.
Trong bối cảnh kinh tế số hiện nay, dữ liệu ngày càng được xem như một nguồn lực chiến lược và là một yếu tố sản xuất quan trọng. Dữ liệu được sử dụng rộng rãi trong các hoạt động kinh doanh như nghiên cứu thị trường, phân tích khách hàng, phát triển sản phẩm, ra quyết định đầu tư và quản lý rủi ro. Đồng thời, dữ liệu cũng đóng vai trò quan trọng trong các lĩnh vực xã hội như giám sát an ninh, cung cấp dịch vụ công trong y tế và giáo dục, cũng như hoạch định chính sách cho các nhóm dân cư hoặc khu vực cụ thể. Việc sử dụng dữ liệu hiệu quả có thể nâng cao năng suất, cải thiện hiệu quả hoạt động và hỗ trợ xây dựng các chính sách công tốt hơn. Tuy nhiên, một trong những thách thức lớn đối với việc khai thác dữ liệu là sự thiếu vắng một cơ chế định giá dữ liệu công bằng và minh bạch, điều này làm hạn chế việc chia sẻ và lưu thông dữ liệu trong các hệ sinh thái dữ liệu.
Trên thực tế, mặc dù đã xuất hiện một số thị trường dữ liệu như Windows Azure Marketplace và India Urban Data Exchange (IUDX), nhưng các khung phương pháp toàn diện để xác định giá trị dữ liệu hoặc tối đa hóa lợi nhuận từ dữ liệu vẫn còn thiếu. Việc định giá dữ liệu hiện nay thường do phía người bán quyết định, trong khi lợi ích và nhu cầu của người mua chưa được xem xét đầy đủ. Sự bất cân xứng thông tin giữa người bán và người mua dẫn đến việc hình thành mức giá không cân bằng, khiến người bán không thể định giá dữ liệu tối ưu và người mua cũng khó đưa ra quyết định mua hiệu quả. Do đó, nhu cầu xây dựng một khung định giá dữ liệu có cấu trúc rõ ràng trở nên cấp thiết.
Để giải quyết vấn đề này, nghiên cứu tiến hành tổng quan tài liệu và áp dụng các giai đoạn phân tích trong phương pháp nghiên cứu chính sách ứng dụng do Jane và Spencer đề xuất. Thông qua phương pháp phân tích nội dung các nghiên cứu trước đây, bài báo xác định năm mô hình định giá dữ liệu chính dựa trên các thuộc tính định giá. Các mô hình này bao gồm: định giá dựa trên đặc điểm dữ liệu, định giá dựa trên chất lượng dữ liệu, định giá dựa trên truy vấn dữ liệu, định giá dựa trên quyền riêng tư và định giá dựa trên giá trị tổ chức. Việc phân loại này cho phép hệ thống hóa các cách tiếp cận định giá dữ liệu hiện có và tạo nền tảng để xây dựng một mô hình định giá toàn diện hơn.
Kết quả phân tích tiếp tục chỉ ra tám yếu tố quan trọng ảnh hưởng đến việc định giá dữ liệu, bao gồm: nhu cầu của khách hàng, giá trị dữ liệu do khách hàng gán, mức độ trưởng thành của thị trường, cấu trúc thị trường, khả năng sử dụng của dữ liệu, chất lượng dữ liệu, uy tín của người bán và mục tiêu tổ chức của người bán. Những yếu tố này tương tác với năm mô hình định giá dữ liệu đã xác định và được nhóm nghiên cứu tổng hợp thành bốn chiều phân tích chính: kỳ vọng của khách hàng, đặc điểm của dữ liệu, tình hình thị trường và điều kiện của người bán. Trên cơ sở đó, nghiên cứu đề xuất một khung định giá dữ liệu toàn diện nhằm hỗ trợ việc xác định giá dữ liệu trong các nền tảng trao đổi dữ liệu và thị trường dữ liệu.
Khung phương pháp được đề xuất nhấn mạnh mối quan hệ tương tác giữa các yếu tố trong hệ sinh thái dữ liệu. Trước hết, kỳ vọng của khách hàng phản ánh nhu cầu sử dụng dữ liệu và giá trị mà khách hàng nhận thức được từ dữ liệu. Những yếu tố như khả năng truy cập dữ liệu, độ tin cậy của nguồn dữ liệu và mức giá kỳ vọng có ảnh hưởng trực tiếp đến nhu cầu thị trường. Thứ hai, đặc điểm của dữ liệu, bao gồm khả năng sử dụng và chất lượng dữ liệu, cũng đóng vai trò quan trọng trong việc xác định giá trị dữ liệu. Các thuộc tính như độ chính xác, tính đầy đủ, tính kịp thời và mức độ chi tiết của dữ liệu đều ảnh hưởng đến khả năng khai thác và giá trị thương mại của dữ liệu.
Bên cạnh đó, tình hình thị trường, bao gồm cấu trúc thị trường và mức độ trưởng thành của thị trường, cũng tác động mạnh đến chiến lược định giá. Trong các thị trường dữ liệu mới hình thành, quy mô thị trường, số lượng sản phẩm dữ liệu và mức độ cạnh tranh vẫn đang phát triển. Khi thị trường dần trưởng thành, cơ chế cung – cầu và hệ thống cung cấp dịch vụ sẽ trở nên ổn định và minh bạch hơn. Đồng thời, các yếu tố liên quan đến người bán như mục tiêu tổ chức và uy tín của nhà cung cấp dữ liệu cũng ảnh hưởng đáng kể đến chiến lược định giá. Uy tín và độ tin cậy của người bán giúp xây dựng niềm tin với khách hàng và từ đó nâng cao giá trị của dữ liệu trên thị trường.
Ngoài việc đề xuất khung định giá dữ liệu, nghiên cứu cũng thảo luận về những hạn chế của mô hình. Thứ nhất, chiến lược định giá dựa trên thuộc tính dữ liệu chưa xem xét đầy đủ các vấn đề liên quan đến quyền riêng tư của người tiêu dùng và các chiến lược định giá phân biệt của doanh nghiệp. Thứ hai, nghiên cứu chủ yếu dựa trên phân tích định tính từ các tài liệu hiện có và chưa có sự hỗ trợ từ các phân tích định lượng. Điều này làm hạn chế khả năng kiểm chứng thực nghiệm của khung phương pháp đề xuất. Thứ ba, mô hình chưa tính đến mức độ cạnh tranh trong thị trường dữ liệu, trong khi sự gia tăng cạnh tranh trong tương lai có thể ảnh hưởng đáng kể đến chiến lược định giá.
Từ những hạn chế này, nghiên cứu đưa ra một số định hướng cho các nghiên cứu trong tương lai. Trước hết, các phương pháp định giá dữ liệu có thể kết hợp các mô hình kinh tế với các thuật toán tính toán, chẳng hạn như học sâu và học tăng cường, để xây dựng các mô hình định giá động hiệu quả hơn. Thứ hai, khung phương pháp được đề xuất có thể được áp dụng và kiểm nghiệm trong các bối cảnh thực tế khác nhau của thị trường dữ liệu nhằm phát triển các phương pháp định giá mới. Ngoài ra, các vấn đề liên quan đến bảo mật dữ liệu và quyền riêng tư cần được tích hợp vào các mô hình định giá trong tương lai, đặc biệt trong các trường hợp dữ liệu có chứa thông tin cá nhân nhạy cảm.
Tóm lại, nghiên cứu đã đóng góp quan trọng vào lĩnh vực kinh tế dữ liệu bằng cách xây dựng một khung định giá dữ liệu toàn diện cho hoạt động trao đổi dữ liệu. Khung phương pháp này giúp hệ thống hóa các yếu tố ảnh hưởng đến giá trị dữ liệu, giảm thiểu bất cân xứng thông tin giữa người mua và người bán, đồng thời tạo nền tảng cho việc phát triển các mô hình định giá dữ liệu minh bạch và hiệu quả hơn trong các thị trường dữ liệu. Trong bối cảnh dữ liệu ngày càng trở thành tài sản chiến lược của các tổ chức và nền kinh tế, việc phát triển các cơ chế định giá dữ liệu hợp lý, minh bạch và công bằng sẽ đóng vai trò quan trọng trong việc thúc đẩy lưu thông dữ liệu, phát triển thị trường dữ liệu và hỗ trợ quá trình ra quyết định trong cả khu vực công và khu vực tư nhân.
