数据价值评估方法、装置、设备及计算机可读存储介质与流程

1.本技术涉及数据处理技术领域，尤其涉及一种数据价值评估方法、装置、设备及计算机可读存储介质。


背景技术：

2.面对日益重要的数据要素市场化的需求，评估各个数据拥有方所持数据的数据价值对构建数据交易生态具有重要意义。
3.目前，相关技术中主要从如下几个方面衡量数据价值：数据的内在价值、数据的商业价值、数据的绩效价值、数据的成本价值、数据的经济价值、数据的市场价值。然而，上述衡量数据价值的思路存在数据价值评判维度单一、评判方式孤立、缺乏动态调整机制等诸多问题，导致评估的数据价值不准确，缺乏可信性，从而影响数据资源的合理分配和使用。


技术实现要素：

4.为解决相关技术中存在的技术问题，本技术实施例提供一种数据价值评估方法、装置、设备及计算机可读存储介质。
5.本技术实施例的技术方案是这样实现的：
6.本技术实施例提供了一种数据价值评估方法，所述方法包括：
7.确定待评估数据集的第一数据价值；所述待评估数据集包括数据拥有方所持有的至少一个待评估数据，所述第一数据价值表征所述待评估数据集本身所具有的固有价值；
8.确定所述待评估数据集的第二数据价值；所述第二数据价值表征所述待评估数据集在应用过程中产生的衍生价值，所述第二数据价值与所述待评估数据集所处的应用场景及所述待评估数据集对参与的协同任务产生的效能相关联；
9.基于所述第一数据价值和所述第二数据价值，综合评估所述待评估数据集的第三数据价值；所述第三数据价值表征所述待评估数据集的实际数据价值。
10.上述方案中，所述确定待评估数据集的第一数据价值，包括：
11.确定所述待评估数据集的第一数据价值的初始值，以及针对所述第一数据价值的调节值；
12.基于确定的所述第一数据价值的初始值及所述调节值，确定所述待评估数据集的第一数据价值。
13.上述方案中，所述确定所述待评估数据集的第一数据价值的初始值，包括：
14.确定所述待评估数据集对应的至少一个维度的价值评估指标参数；
15.基于所述至少一个维度的价值评估指标参数及各价值评估指标参数对应的权重值的组合，得到所述待评估数据集的第一数据价值的初始值。
16.上述方案中，所述确定所述待评估数据集对应的至少一个维度的价值评估指标参数，包括：
17.获取所述待评估数据集所处的应用场景；所述应用场景为所述待评估数据集所处
的应用领域包括的多个应用场景中之一；
18.基于获取的所述应用场景，以及设定的应用场景与价值评估指标参数的对应关系，将与获取的所述应用场景对应的价值评估指标参数确定为所述待评估数据集对应的至少一个维度的价值评估指标参数。
19.上述方案中，所述方法还包括：
20.确定所述待评估数据集对参与的至少一个协同任务的总体贡献度；所述总体贡献度与所述第二数据价值关联；
21.基于确定的所述总体贡献度，对所述第一数据价值进行相应调节。
22.上述方案中，所述确定所述待评估数据集的第二数据价值，包括：
23.确定所述待评估数据集在协同任务中的边际效益值；所述边际效益值表征所述待评估数据集的有无对协同任务效能产生的差异；
24.基于确定的所述边际效益值，确定所述待评估数据集的第二数据价值。
25.上述方案中，所述确定所述待评估数据集在协同任务中的边际效益值，包括：
26.确定第一数据集产生的价值度量值；所述第一数据集为参与协同任务的数据集合中包括所述待评估数据集的集合；
27.确定第二数据集产生的价值度量值；所述第二数据集为所述参与协同任务的数据集合中未包括所述待评估数据集的集合；
28.基于所述第一数据集产生的价值度量值与所述第二数据集产生的价值度量值的差异值，得到所述待评估数据集在协同任务中的边际效益值。
29.上述方案中，所述方法还包括：
30.确定用于调节所述第二数据价值的衰减调节函数；
31.基于确定的所述衰减调节函数，对所述第二数据价值进行相应调节。
32.上述方案中，所述基于所述第一数据价值和所述第二数据价值，综合评估所述待评估数据集的第三数据价值，包括：
33.确定所述第一数据价值对应的权重值，以及所述第二数据价值对应的权重值；
34.基于所述第一数据价值和所述第一数据价值对应的权重值，以及所述第二数据价值和所述第二数据价值对应的权重值的组合，得到所述待评估数据集的第三数据价值。
35.本技术实施例还提供了一种数据价值评估装置，所述装置包括：
36.第一确定单元，用于确定待评估数据集的第一数据价值；所述待评估数据集包括数据拥有方所持有的至少一个待评估数据，所述第一数据价值表征所述待评估数据集本身所具有的固有价值；
37.第二确定单元，用于确定所述待评估数据集的第二数据价值；所述第二数据价值表征所述待评估数据集在应用过程中产生的衍生价值，所述第二数据价值与所述待评估数据集所处的应用场景及所述待评估数据集对参与的协同任务产生的效能相关联；
38.评估单元，用于基于所述第一数据价值和所述第二数据价值，综合评估所述待评估数据集的第三数据价值；所述第三数据价值表征所述待评估数据集的实际数据价值。
39.本技术实施例还提供了一种数据价值评估设备，所述设备包括：
40.处理器，用于确定待评估数据集的第一数据价值；所述待评估数据集包括数据拥有方所持有的至少一个待评估数据，所述第一数据价值表征所述待评估数据集本身所具有
的固有价值；确定所述待评估数据集的第二数据价值；所述第二数据价值表征所述待评估数据集在应用过程中产生的衍生价值，所述第二数据价值与所述待评估数据集所处的应用场景及所述待评估数据集对参与的协同任务产生的效能相关联；基于所述第一数据价值和所述第二数据价值，综合评估所述待评估数据集的第三数据价值；所述第三数据价值表征所述待评估数据集的实际数据价值。
41.本技术实施例还提供了一种数据价值评估设备，包括：处理器和用于存储能够在所述处理器上运行的计算机程序的存储器；
42.其中，所述处理器用于运行所述计算机程序时，执行上述任一方法的步骤。
43.本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法的步骤。
44.本技术实施例提供的数据价值评估方法、装置、设备及计算机可读存储介质，确定待评估数据集的第一数据价值；所述待评估数据集包括数据拥有方所持有的至少一个待评估数据，所述第一数据价值表征所述待评估数据集本身所具有的固有价值；确定所述待评估数据集的第二数据价值；所述第二数据价值表征所述待评估数据集在应用过程中产生的衍生价值，所述第二数据价值与所述待评估数据集所处的应用场景及所述待评估数据集对参与的协同任务产生的效能相关联；基于所述第一数据价值和所述第二数据价值，综合评估所述待评估数据集的第三数据价值；所述第三数据价值表征所述待评估数据集的实际数据价值。
45.采用本技术实施例的方案，通过考虑待评估数据集本身的固有价值，以及与应用场景及参与协同任务产生的效能相关的衍生价值，综合判定待评估数据集的实际数据价值，如此，将数据的静态固有价值和动态衍生价值相结合，共同来衡量数据的实际数据价值，提高评估的实际数据价值的准确性，使得获得的实际数据价值具有可信性，增强数据资源的合理分配和使用。
附图说明
46.图1为本技术实施例提供的一种数据价值评估方法的流程示意图；
47.图2为本技术实施例提供的一种数据价值评估体系架构的示意图；
48.图3为本技术实施例提供的一种待评估数据集的固有价值的确定方法的流程示意图；
49.图4为本技术实施例提供的一种待评估数据集的衍生价值的确定方法的流程示意图；
50.图5为本技术实施例提供的一种数据价值评估装置的结构示意图；
51.图6为本技术实施例提供的一种数据价值评估设备的结构示意图。
具体实施方式
52.为了使本技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本技术作进一步地详细描述，所描述的实施例不应视为对本技术的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本技术保护的范围。
53.在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可
以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且本技术实施例所记载的技术方案之间，可以在不冲突的情况下相互结合。
54.在对本技术实施例的技术方案进行介绍之前，下面先对相关技术进行说明。
55.在大数据时代，数据因拥有巨大的经济价值，被喻为新兴的石油资源。通过深入挖掘跨领域的数据资源，发现数据背后的经济规律，能够有力促进产业升级和跨越式发展。大数据已经成为世界各国关注的焦点，我国也已经将大数据列入国家战略发展方向，并希望联合人工智能一起助力中国的经济腾飞。
56.实际应用时，机器学习算法的突破性进展和人工智能技术的大范围落地应用，也离不开海量高质量数据的供应。各个组织机构都希望获取有价值的数据资源来优化性能和辅助决策。然而，当前的数据共享与流通规则和技术却无法满足各类应用对于数据资源的强烈需求，形成了大量与世隔绝的数据孤岛，这是对数据资源的极大浪费。因此，亟须支持数据共享和交易的开放平台和相关技术来打破数据壁垒，连接数据孤岛，促进数据在互联网上的流通，以挖掘大数据的经济价值，释放各类数据的应用潜力。
57.数据的流通和交易作为新兴的商业模型，已经引起企业界和学术界的高度关注，例如，美国的a公司运营着金融行业的数据共享，b公司出售来自社交网络的数据，c公司则交易旅行用户的订阅和查询信息。国内数据交易市场也呈现井喷式发展的趋势，d省的大数据交易所是国内第一家大数据交易所，随后e市的数据交易中心、f市的东湖大数据交易中心等类似的平台也相继出现。近期，基于区块链的分布式数据交易市场更是在业界掀起了一股热潮，如iota iot数据市场、databrokerdao和baic等。在学术界中，美国华盛顿大学a教授所领导的研究组是数据交易方向的开拓者，并形成了一系列相关工作。中国科学技术大学b教授团队在《美国计算机学会通讯》(cacm，communicationsof the acm)专栏和《中国计算机学会通讯》中分析了国内数据共享与交易市场的机遇，以及在数据预处理、数据质量评估、数据定价、数据安全隐私与数据追溯等方面面临的挑战。
58.另外，国家的各项大数据发展文件也频繁出现了“大数据交易”相关的关键词。比如在2015年国务院印发的《促进大数据发展行动纲要》中明确提出“要引导培育大数据交易市场，开展面向应用的数据交易市场试点，探索开展大数据衍生产品交易，鼓励产业链各环节的市场主体进行数据交换和交易，促进数据资源流通，建立健全数据资源交易机制和定价机制，规范交易行为等一系列健全市场发展机制的思路与举措”。工业和信息化部于2017年1月发布的《大数据产业发展规划(2016年至2020年)》指出“要开展数据资源分类、开放共享、交易、标识、统计、产品评价、数据能力、数据安全等基础通用标准以及工业大数据等重点应用领域相关国家标准的研制。”59.由此可见，不同于传统的商品，数据作为一种非独占性的特殊资源，具有增长速度快、复制成本低、潜在价值未知、所有权难确定、流通渠道难管控等特性，为构建高效、可信、公平、安全的数据共享与交易市场带来了诸多挑战；同时，大数据具有一种稀有的属性-协同作用，即多个数据集组合在一起构成的整个集合进行合作、协作可以产生更大价值，且该价值大于各个数据集价值的简单相加，因此，将这些隔离封闭的数据开放流通、融合应用，能极大提升数据资源的利用价值，这也是大数据时代发展的趋势。
60.然而，当前大数据共享与交易领域面临着一些问题和挑战，主要包括如下几个方面：
61.1、异构海量数据预处理
62.要使数据成为有价值的资产，需要对数据进行适当的预处理，如数据清洗、标准、校准、融合与脱敏，从而将数据处理成规格一致、定义清晰、数据项完整并适合进行算法统一处理的状态，其中，对数据进行预处理的操作包括但不限于上述所列出的一些操作。
63.2、数据确权与数据验证
64.在共享交易数据之前，应该明确数据资产的各项权利，包括数据的所有权和使用权。其中，数据的所有权指的是对数据拥有、占有和支配处分的权利；数据的使用权包括对数据的访问、读取、转换、计算等具体使用和操作的权利。数据市场需要高效准确的数据溯源方法以达到数据来源可查，使用可查以及流向可查，并积极推进数据权益保护的相关立法；另一方面也需要可行的验证方法来确保数据来源的真实性、数据质量的可靠性以及数据计算结果的准确性。
65.3、数据安全与隐私保护
66.大量数据中包含着丰富的敏感信息，数据市场的交易安全与隐私保护对于敏感数据的共享显得尤为重要。数据交易平台有责任和义务对用户数据进行安全存储和传输，在充分保护用户隐私的前提下合理使用数据资源，在开放流通和隐私保护之间找到合适的平衡点。
67.4、数据质量和价值评估
68.为了保障数据交易参与方的权益，构建公平可信的规范市场，维护健康的数据交易生态，数据的质量评估和价值评估成为亟待解决的难题。质量评估关注的是数据内容本身的多维度特性，如完整性、准确性、精确性、一致性、时效性等，而价值评估则在评估数据质量的同时，进一步综合考虑数据在生产过程中的成本和在不同任务中的产出。
69.相关研究目前还面临许多挑战，比如特征难以量化评估，数据集合质量评估效率低，数据成本难计算，数据使用价值难预测，数据价值动态变化，等等。数据的易复制、流通渠道难管控的特点使得售出数据难以实现退货，这进一步提高了在售前对数据进行准确可信的质量和价值评估的要求。
70.5、数据定价与收益分配
71.实际应用时，数据共享交易市场的持续健康发展需要合理的数据定价机制与公平的收益分配策略。首先，数据作为信息系统的副产品，其成本估计困难；其次，数据的市场价值受到应用场景和市场上同类产品的影响，例如gps数据在导航应用中价值较高，但在金融征信应用中则价值较低。数据应用场景的多样化和动态性大大增加了数据的市场价值评估的难度。
72.此外，数据复杂的关联性使得数据市场的套利行为更加普遍：数据买家可以通过低价数据来推断高价数据内容。如何克服以上困难，设计合理的数据定价机制来使数据资源得到更合理的分配，并实现交易参与方的多赢，是数据交易可持续进行的重要问题。
73.基于上述问题中数据价值的评估和计算，相关技术中衡量数据价值的思路和角度主要有如下几方面，其特点和存在的问题分别分析如下：
74.1、数据的内在价值
75.该方法根本不考虑对业务的价值，而是集中在数据的内在价值上。该方法将数据质量分解为精度、可访问性、稀缺性和完整性等特性。每一个特性都被评定，可以为每个特
性“分配权重因素”，然后按最终加权分数进行计算。
76.该方法存在的问题是并没有考虑数据本身呈现出的统计特性，而实际应用时数据的统计特性在建模过程中决定了数据本身是否可信、可用，是数据本身最为基本的特征之一。
77.2、数据的商业价值
78.该方法用于测量关于一个或多个业务流程的数据特征，对业务的实现和产品及服务的价值带来的影响。
79.该方法存在的问题是数据商业价值的衡量存在诸多影响因素，同样的数据往往在不同的应用场景和业务目的下呈现出截然不同的商业价值，而且商业价值没有一个可量化的明确的计算方法。
80.3、数据的绩效价值
81.该方法更具“实证性”，因为它衡量数据随时间推移对一个或多个关键绩效指标(kpi，key performance index)的影响。
82.该方法存在的问题是对单个或多个kpi指标的影响度往往没有量化的评估方法，而且，多个kpi指标相互关联依存的情况下的综合影响更难量化。
83.4、数据的成本价值
84.此方法测量“获取或替换丢失的数据”的成本。通过测量损失的收入以及获取数据所需的成本，将值分配给数据。这是估值专家评估大多数无形资产的方式，这些资产没有明显的市场价值或正在产生市场。
85.该方法实际上是在衡量获得或丢失数据情况下的边际收益或边际损失，存在的问题是数据价值边际效应的量化计算还没有明确的方法，存在很大的挑战。
86.5、数据的经济价值
87.该方法衡量信息资产如何为组织的收入做出贡献。
88.该方法存在的问题是对于数据的经济价值的衡量维度比较单一，数据的经济价值不单单表现为收入，还体现在搜寻查找成本、持有维护成本、复制流通成本、稽核溯源成本、验证可信成本等。
89.6、数据的市场价值
90.该方法衡量“出售，出租或交换”公司数据所产生的收入，这是评估数据资产的最佳方式之一。
91.该方法存在的问题是数据的市场价值是动态变化的，未对数据的市场价值的波动进行考虑和建模。
92.针对上述相关技术中数据价值的度量解决思路和方法，总结分析其缺点和局限性如下：
93.1、缺乏准确定义
94.目前还没有对于数据资产价值的准确定义，由此带来业界对数据资产的定义和理解的不一致和多样化，从而难以建立有效的数据资产评估管理体系，难以确定可信的数据资产的价值评估方法。
95.2、采用维度单一
96.相关技术的思路和方法对数据价值的度量采用的维度比较单一，而对数据价值的
全面准确衡量有赖于对数据多个维度上价值的综合评估和计算，目前还缺乏可用、可行、可信的方法。
97.3、价值的评估是孤立的
98.数据的价值不仅体现在数据本身的固有价值，更体现在运用该数据的具体业务应用场景的实际结合过程中，因此，数据的价值应该是将数据本身的固有价值与数据应用的过程中产生的价值相结合来综合评判。
99.4、价值的评估是静态的
100.数据的价值并非是一成不变的，一方面会随着数据的使用、维度的扩展、进一步的处理精炼、进一步的细化标注而使得同样的数据的内涵和价值不断丰富和提升；另一方面，随着技术的进步、应用需求的演化，同样的数据可能不再会产生其原先的价值，其重要性、可用性都会下降，价值评判也会随之发生改变。
101.5、缺乏数据资产价值评估体系
102.目前还没有形成权威的数据资产价值评估模型和评估体系，缺乏数据资产价值评估指标体系的制定，也没有可量化的评估方法和标准。
103.综上所述，面对日益重要的数据要素市场化的需求，目前还没有公认和成熟、成体系的数据价值评估方法，且相关技术中衡量数据价值的思路存在数据价值评判维度单一、评判方式孤立、缺乏动态调整机制等诸多问题，导致评估的数据价值不准确，缺乏可信性，从而影响数据资源的合理分配和使用。
104.基于此，在本技术的各种实施例中，确定待评估数据集的第一数据价值；所述待评估数据集包括数据拥有方所持有的至少一个待评估数据，所述第一数据价值表征所述待评估数据集本身所具有的固有价值；确定所述待评估数据集的第二数据价值；所述第二数据价值表征所述待评估数据集在应用过程中产生的衍生价值，所述第二数据价值与所述待评估数据集所处的应用场景及所述待评估数据集对参与的协同任务产生的效能相关联；基于所述第一数据价值和所述第二数据价值，综合评估所述待评估数据集的第三数据价值；所述第三数据价值表征所述待评估数据集的实际数据价值。
105.采用本技术实施例的方案，通过考虑待评估数据集本身的固有价值，以及与应用场景及参与协同任务产生的效能相关的衍生价值，综合判定待评估数据集的实际数据价值，如此，将数据的静态固有价值和动态衍生价值相结合，共同来衡量数据的实际数据价值，提高评估的实际数据价值的准确性，使得获得的实际数据价值具有可信性，增强数据资源的合理分配和使用。
106.下面结合附图及实施例对本技术再作进一步详细的描述。
107.本技术实施例提供了一种数据价值评估方法，图1为本技术实施例提供的一种数据价值评估方法的流程示意图，如图1所示，该方法包括：
108.步骤101，确定待评估数据集的第一数据价值。
109.在本技术实施例中，所述待评估数据集包括数据拥有方所持有的至少一个待评估数据，第一数据价值表征所述待评估数据集本身所具有的固有价值。
110.在一些实施例中，可通过如下方式确定待评估数据集的第一数据价值：
111.确定所述待评估数据集的第一数据价值的初始值，以及针对所述第一数据价值的调节值；
112.基于确定的所述第一数据价值的初始值及所述调节值，确定所述待评估数据集的第一数据价值。
113.这里，所述确定所述待评估数据集的第一数据价值的初始值，包括：
114.确定所述待评估数据集对应的至少一个维度的价值评估指标参数；
115.基于所述至少一个维度的价值评估指标参数及各价值评估指标参数对应的权重值的组合，得到所述待评估数据集的第一数据价值的初始值。
116.实际应用时，每个应用场景中定义相应的价值评估指标参数，不同的应用场景所对应的价值评估指标参数并不相同。
117.基于此，在一些实施例中，所述确定所述待评估数据集对应的至少一个维度的价值评估指标参数，包括：
118.获取所述待评估数据集所处的应用场景；所述应用场景为所述待评估数据集所处的应用领域包括的多个应用场景中之一；
119.基于获取的所述应用场景，以及设定的应用场景与价值评估指标参数的对应关系，将与获取的所述应用场景对应的价值评估指标参数确定为所述待评估数据集对应的至少一个维度的价值评估指标参数。
120.这里，应用领域是更大的概念，应用领域包括若干个应用场景，例如金融作为一个常见的应用领域，包括信用评估、风险预警、征信、反欺诈等不同的应用场景。每个应用场景对应有不同的价值评估指标参数，可预先将应用场景与价值评估指标参数的对应关系存储在数据库中，便于查找待评估数据集当前所处的应用场景对应的价值评估指标参数。
121.这里，待评估数据集对应的至少一个维度的价值评估指标参数包括但不限于统计特性、真实性、完整性、准确性、数据成本、安全性等。
122.在本技术实施例中，每个价值评估指标参数对应有权重值，基于所述至少一个维度的价值评估指标参数及各价值评估指标参数对应的权重值的组合，得到所述待评估数据集的第一数据价值的初始值，包括但不限于，基于至少一个维度的价值评估指标参数及各价值评估指标参数对应的权重值的加权，得到待评估数据集的第一数据价值的初始值。也就是说，可以基于至少一个维度的价值评估指标参数及各价值评估指标参数对应的权重值的各种组合方式，确定待评估数据集的第一数据价值的初始值，并不仅仅局限于加权的方式。
123.实际应用时，在确定出待评估数据集的第一数据价值的初始值，以及针对第一数据价值的调节值后，可将第一数据价值的初始值与调节值进行相加以得到待评估数据集的第一数据价值，然而本技术实施例并不仅局限于相加这一种方式。
124.以相加为例进行说明，待评估数据集的第一数据价值(固有价值)＝待评估数据集的第一数据价值的初始值 调节值，其中，调节值可随着不同的情况(时间、其它触发调节的条件)来评估确定。如果某个时刻及状态下不需要对固有价值进行调节，即调节值为零，则此时确定的待评估数据集的固有价值的初始值即为待评估数据集的固有价值。
125.实际应用时，当数据拥有方参与协同任务完成后，数据拥有方的待评估数据集对协同任务过程中参与的至少一个协同任务的总体贡献度直接影响着待评估数据集的第一数据价值，可对待评估数据集的第一数据价值进行调节。
126.基于此，在一些实施例中，该方法还包括：
127.确定所述待评估数据集对参与的至少一个协同任务的总体贡献度；所述总体贡献度与所述第二数据价值关联；
128.基于确定的所述总体贡献度，对所述第一数据价值进行相应调节。
129.这里，可对数据拥有方的待评估数据集参与的多个不同的协同任务的贡献度进行汇总综合，例如对对参与的各协同任务的贡献度进行总体历史累积、时间窗抽选累积、综合评价意见等，并根据贡献度的汇总综合情况进行第一数据价值的调节。在实际实施时，可以根据对待评估数据集参与的多个不同的协同任务的贡献度进行累计，得到总体贡献度，并根据待评估数据集对当次协同任务迭代周期内带来的贡献度是负面还是正面的影响，确定对应的正向调节因子或负向调节因子，基于确定的总体贡献度与调节因子的加权，对第一数据价值进行相应调节。
130.步骤102，确定所述待评估数据集的第二数据价值。
131.在本技术实施例中，所述第二数据价值表征所述待评估数据集在应用过程中产生的衍生价值，所述第二数据价值与所述待评估数据集所处的应用场景及所述待评估数据集对参与的协同任务产生的效能相关联。
132.这里，第二数据价值可以包括待评估数据集在协同任务的执行过程中对协同任务产生的效能价值，以及数据发起方在协同任务结束后，使用协同任务成果时所产生的价值。
133.实际应用时，可以通过对待评估数据集在协同任务中的边际效益的量化度量，来评估待评估数据集的第二数据价值。
134.基于此，在一些实施例中，所述确定所述待评估数据集的第二数据价值，可以通过如下方式实现：
135.确定所述待评估数据集在协同任务中的边际效益值；所述边际效益值表征所述待评估数据集的有无对协同任务效能产生的差异；基于确定的所述边际效益值，确定所述待评估数据集的第二数据价值。
136.在一些实施例中，可通过如下方式确定所述待评估数据集在协同任务中的边际效益值：
137.确定第一数据集产生的价值度量值；所述第一数据集为参与协同任务的数据集合中包括所述待评估数据集的集合；
138.确定第二数据集产生的价值度量值；所述第二数据集为所述参与协同任务的数据集合中未包括所述待评估数据集的集合；
139.基于所述第一数据集产生的价值度量值与所述第二数据集产生的价值度量值的差异值，得到所述待评估数据集在协同任务中的边际效益值。
140.需要说明的是，本技术实施例在确定待评估数据集在协同任务中的边际效益值时，包括但不限于针对第一数据集产生的价值度量值与第二数据集产生的价值度量值求差值。
141.举例来说，假设待评估数据集为di，参与协同任务的所有数据集合中除待评估数据集之外的剩余的数据集为d，第一数据集产生的价值度量值为vi，具体为参与协同任务的数据集合中包括待评估数据集di的集合所产生的价值度量值vi(di∪d)，第二数据集产生的价值度量值为v'i，具体为参与协同任务的数据集合中未包括待评估数据集di的集合所产生的价值度量值v'i(d)，则第一数据集产生的价值度量值与第二数据集产生的价值度量值的
差异值可通过如下公式表示：diff(vi(di∪d),v'i(d))，其中，diff函数用于比较第一数据集产生的价值度量值与第二数据集产生的价值度量值之间的差异值，然而本技术实施例包括但不限于对两个价值度量值求差值。
142.实际应用时，考虑到数据效能评估方面相对价值的提升、早期提供数据协同贡献度更大更重要的因素，可对待评估数据集的第二数据价值进行调节。
143.基于此，在一些实施例中，该方法还包括：
144.确定用于调节所述第二数据价值的衰减调节函数；
145.基于确定的所述衰减调节函数，对所述第二数据价值进行相应调节。
146.这里，衰减调节函数包括但不限于以时间维度为自变量的函数，比如各类常见的以时间维度为自变量的线性/指数等时间衰减函数；还可以是一种转换和映射关系的函数。
147.步骤103，基于所述第一数据价值和所述第二数据价值，综合评估所述待评估数据集的第三数据价值。
148.在本技术实施例中，所述第三数据价值表征所述待评估数据集的实际数据价值。
149.在一些实施例中，所述基于所述第一数据价值和所述第二数据价值，综合评估所述待评估数据集的第三数据价值，包括：
150.确定所述第一数据价值对应的权重值，以及所述第二数据价值对应的权重值；
151.基于所述第一数据价值和所述第一数据价值对应的权重值，以及所述第二数据价值和所述第二数据价值对应的权重值的组合，得到所述待评估数据集的第三数据价值。
152.需要说明的是，本技术实施例中包括但不限于基于第一数据价值对应的权重值，以及第二数据价值对应的权重值来综合评估待评估数据集的第三数据价值；也就是说，本技术实施例包括但不限于求权重值，还可以采用通过其它任意合理的方式得到待评估数据集的第三数据价值。
153.实际应用时，第一数据价值对应有权重值，且第二数据价值也对应有权重值，基于所述第一数据价值和所述第一数据价值对应的权重值，以及所述第二数据价值和所述第二数据价值对应的权重值的组合，得到所述待评估数据集的第三数据价值，包括但不限于，将第一数据价值和第一数据价值对应的权重值相乘，将第二数据价值和第二数据价值对应的权重值相乘，然后将两个相乘的结果进行加权，得到待评估数据集的第三数据价值。也就是说，可以基于第一数据价值和第一数据价值对应的权重值，以及第二数据价值和第二数据价值对应的权重值的各种组合方式，确定待评估数据集的第三数据价值，并不仅仅局限于加权的方式。
154.本技术实施例提供的数据价值评估方法，通过考虑待评估数据集本身的固有价值，以及与应用场景及参与协同任务产生的效能相关的衍生价值，综合判定待评估数据集的实际数据价值，如此，将数据的静态固有价值和动态衍生价值相结合，共同来衡量数据的实际数据价值，提高评估的实际数据价值的准确性，使得获得的实际数据价值具有可信性，增强数据资源的合理分配和使用。
155.下面结合应用实施例对本技术再作进一步详细的描述。
156.在本应用实施例中，针对多方(包括数据发起方与多个数据参与方，数据参与方为与数据发起方协商达成一致的、且满足数据发起方的数据需求的数据拥有方)联合建模场景中，评估各数据拥有方所持数据的价值，对于促进数据协同和共享，构建数据交易生态具
有基础性作用和巨大价值。
157.本技术所描述的技术方案是针对多方联合建模场景中，各个数据拥有方对其数据价值及其数据对联合建模任务贡献度的计算评估方法，对比于相关技术的方法和思路存在的问题，本技术所述方法的特点如下：
158.1)采用多个维度来衡量和评估数据的价值；
159.2)综合考虑待评估数据集本身所具有的固有价值，以及与应用场景及处理任务效能相关的衍生价值；
160.3)建立基于效用反馈及热度消退的数据价值动态调节机制。
161.这里，效用反馈，指的是数据发起方在后续的商业活动或生产经营中使用协同任务成果或联合建模成果时，评估该成果能够带来的价值，并基于该价值对当初对该成果有参与贡献的各数据参与方进行价值回馈的过程；热度消退，指的是通过引入随时间变化和衰减的调节因子，对上述成果的效用和价值进行调节，使得时间越久，效用和价值越低，类似于热度在慢慢消退。
162.在本应用实施例中，针对多方联合建模场景，提出一种多维度、动态的数据价值评估体系架构，图2为本技术实施例提供的一种数据价值评估体系架构的示意图，如图2所示，通过对待评估数据集(包括数据拥有方所持有的至少一个待评估数据)的固有价值、衍生价值分别进行评估，并将评估的待评估数据集的固有价值与待评估数据集的衍生价值相结合进行综合判定，以确定待评估数据集的实际数据价值。另外，可通过建立数据价值调节机制，通过调节机制对待评估数据集的固有价值，以及待评估数据集的衍生价值进行相应调节。
163.基于上述图2所示的数据价值评估体系架构，下面对待评估数据集的固有价值(第一数据价值)，以及待评估数据集的衍生价值(第二数据价值)的确定过程进行说明。
164.图3为本技术实施例提供的一种待评估数据集的固有价值的确定方法的流程示意图，如图3所示，首先，确定待评估数据集对应的至少一个维度的价值评估指标参数，其中，至少一个维度的价值评估指标参数包括但不限于统计特性、数据量、完整性、多样性等，每个价值评估指标参数对应有权重值，比如统计特性对应的权重值为w1，数据量对应的权重值为w2，完整性对应的权重值为w3，多样性对应的权重值为w4，
……
，第i个价值评估指标参数对应的权重值为wi，然后将至少一个维度的价值评估指标参数的值与各价值评估指标参数的值对应的权重值进行加权，得到待评估数据集的固有价值。
165.下面对待评估数据集的固有价值的确定方法进行详细说明，主要包括以下步骤：
166.步骤1，针对不同领域数据的特点和需求，建立分领域、分场景的数据价值评价指标体系，可抽象出如下(包括但不限于)几个维度的价值评估指标参数：
167.统计特性：数据本身服从的分布特征(包括但不限于：集中趋势特征(位置平均数、数值平均数、均值、众数、中位数、算术平均数、调和平均数、几何平均数和幂平均数等)、离中趋势特征(极差、平均差、四分位差、方差和标准差以及离散系数等)、分布形态(分布类型、矩、偏度和峰度等))；
168.真实性：表示数据的真实程度，如果数据有偏差甚至造假，将失去数据统计意义和价值；
169.完整性：表示数据相关指标记录获取的完整程度，如果关键指标维度缺失或异常，
将严重影响数据资产的价值及其评估；
170.准确性：表示数据记录的准确程度，包括对原始数据进行异常值、空白值、无效值、重复值的清理，从而提高数据的准确性，进而提升数据资产的价值；
171.数据成本：表示数据获取和管理维护所需要付出的可量化计算评估的成本，这也是提升数据资产价值和议价能力的重要因素和指标；
172.安全性：表示数据不被窃取和破坏的能力，数据安全性越高，越能够提供持续稳定的价值贡献，同时降低了数据保护的额外成本。
173.步骤2，对于当次待评估价值的给定数据集(即待评估数据集)，根据其应用领域和应用场景确定采用的价值评估指标体系；
174.这里，价值评估指标体系包括多个维度的价值评估指标参数。应用领域是更大的概念，应用领域包括若干个应用场景，例如金融作为一个常见的应用领域，包括信用评估、风险预警、征信、反欺诈等不同的应用场景。本应用实施例中，划分并建立不同的应用领域，每个应用领域中包含不同的应用场景，每个应用场景中定义相应的价值评估指标参数，由此建立分级分类的价值评估指标体系。
175.步骤3，根据价值评估指标体系中的价值评估指标参数的值及各价值评估指标参数的值对应的权重值的组合，得到待评估数据集的静态的固有价值的初始值；
176.步骤4，通过热度消退、领域场景匹配度等方式对固有价值的初始值进行调节，并可确定后续给定时刻的静态固有价值估计值；
177.这里，热度消退的实现方法：可以引入随时间衰减的调节因子，并以此调节因子在某个时间点对应的数值作为价值加权调节的因子；领域场景匹配度的实现方式：可以将领域和场景构成的体系结构定义在树状结构上，在树状结构中计算两个具体应用场景的距离(从一个节点回溯到共同的父亲节点，再到另一个节点，整个过程经过的步数)，以此作为两个应用场景之间的匹配度。
178.步骤5，数据协同任务完成后，根据该待评估数据集对协同任务总体贡献度的大小，对该待评估数据集的静态的固有价值进行一定调节；该待评估数据集参与的多个不同协同任务的贡献度口碑情况可进行汇总综合(如：总体历史累积、时间窗抽选累积、综合评价意见等)，并根据汇总综合情况进行静态的固有价值的调节。
179.这里，根据待评估数据集对协同任务的累计的贡献度的大小，以及是正向还是负向的调节因子，对待评估数据集的固有价值进行加权调节。
180.下面对待评估数据集的衍生价值的确定过程进行说明。
181.图4为本技术实施例提供的一种待评估数据集的衍生价值的确定方法的流程示意图，如图4所示，包括以下步骤：
182.步骤1，构建针对不同协同任务的效能评估规则/方法库；
183.例如，对于联合训练模型的协同任务，可将核心算法优化环节中的损失函数/代价函数作为效能评估函数，但不同的协同任务和不同的算法有不同的效能评估规则和算法，因此可以构成一个库，根据实际情况作出选择，以选择出合适的效能评估规则/方法库。
184.步骤2，计算待评估数据集在协同任务中的边际效益值，即协同任务中去掉或者增加给定待评估数据集，通过效能评估给协同任务效能带来的变化情况；基于边际效益值，通过效能评估规则/方法库评估待评估数据集的效能值，即衍生价值。
185.这里，边际效益值表征待评估数据集的有无对协同任务效能产生的差异。
186.步骤3，对于效能评估的衍生价值通过(包含但不限于)相对效能、效能消减等子模块进行调节，实现衍生价值的调整；
187.这里，相对效能，主要考虑的是数据所带来的贡献度、价值和效能等因素，相比于数据在数量、规模、参与次数等方面的投入情况的比值大小，也就是在单位投入的情况下能够带来的效能，如贡献度、价值；效能消减，指的是数据在当次任务迭代周期内带来的效能是负面的，其累计贡献度也要进行消减，也就是说，如果数据破坏了协同任务和联合模型，则应当承担相应的损失和惩罚。
188.步骤4，将待评估数据集参与的协同任务及其总体效能情况反馈给固有价值评估模块。
189.上述数据价值评估方法的流程可通过以下几个模块完成：
190.1、固有价值评估模块
191.固有价值评估模块，用于评估待评估数据集的固有价值，其中固有价值为静态的，根据待评估数据集中数据本身的构成及特点，面向应用领域和应用场景量化的评估其固有价值。
192.2)衍生价值评估模块
193.衍生价值评估模块，用于评估待评估数据集的衍生价值。衍生价值的评估可以(但不限于)通过对数据边际效应的量化度量进行评估和计算，例如：对于待评估数据集di，其余的数据集(即参与协同任务的所有数据集合中除待评估数据集之外的剩余的数据集)记为d，具体来说就是计算包括待评估数据集di的第一数据集产生的价值度量值vi，与未包括待评估数据集di的第二数据集产生的价值度量值v'i之间的差异值：
194.diff(vi(di∪d),v'i(d))；
195.其中，diff函数用于比较两个价值度量值之间的差异值，包含但不限于求差值。
196.3)调节机制模块
197.调节机制模块(考虑到数据价值随着时间在热度、关注度、重要性方面的变化，对待评估数据集的固有价值进行调节；以及考虑到数据效能评估方面相对价值的提升、早期提供数据协同贡献度更大更重要的因素，可以引入以时间维度为自变量的衰减调节函数(例如：各类常见的线性/指数等时间衰减函数)，通过模型和公式对待评估数据集的衍生价值进行调节；更进一步的，考虑到数据及其协同任务相关成果发挥的更大潜在价值进行数据衍生价值的调节)。
198.4)综合判定模块
199.综合判定模块，用于通过对待评估数据集的固有价值和衍生价值进行综合判定，得到待评估数据集的实际数据价值。
200.为了实现本技术实施例的数据价值评估方法，本技术实施例还提供了一种数据价值评估装置，图5为本技术实施例提供的一种数据价值评估装置的结构示意图，如图5所示，该装置包括：
201.第一确定单元51，用于确定待评估数据集的第一数据价值；所述待评估数据集包括数据拥有方所持有的至少一个待评估数据，所述第一数据价值表征所述待评估数据集本身所具有的固有价值；
202.第二确定单元52，用于确定所述待评估数据集的第二数据价值；所述第二数据价值表征所述待评估数据集在应用过程中产生的衍生价值，所述第二数据价值与所述待评估数据集所处的应用场景及所述待评估数据集对参与的协同任务产生的效能相关联；
203.评估单元53，用于基于所述第一数据价值和所述第二数据价值，综合评估所述待评估数据集的第三数据价值；所述第三数据价值表征所述待评估数据集的实际数据价值。
204.在一些实施例中，所述第一确定单元51，包括：第三确定子单元和第四确定子单元；其中，
205.所述第三确定子单元，用于确定所述待评估数据集的第一数据价值的初始值，以及针对所述第一数据价值的调节值；
206.所述第四确定子单元，用于基于确定的所述第一数据价值的初始值及所述调节值，确定所述待评估数据集的第一数据价值。
207.在一些实施例中，所述第三确定子单元，具体用于：
208.确定所述待评估数据集对应的至少一个维度的价值评估指标参数；
209.基于所述至少一个维度的价值评估指标参数及各价值评估指标参数对应的权重值的组合，得到所述待评估数据集的第一数据价值的初始值。
210.实际应用时，所述第三确定子单元，具体用于：
211.获取所述待评估数据集所处的应用场景；所述应用场景为所述待评估数据集所处的应用领域包括的多个应用场景中之一；
212.基于获取的所述应用场景，以及设定的应用场景与价值评估指标参数的对应关系，将与获取的所述应用场景对应的价值评估指标参数确定为所述待评估数据集对应的至少一个维度的价值评估指标参数。
213.在一些实施例中，所述方法还包括：
214.确定所述待评估数据集对参与的至少一个协同任务的总体贡献度；所述总体贡献度与所述第二数据价值关联；
215.基于确定的所述总体贡献度，对所述第一数据价值进行相应调节。
216.在一些实施例中，所述第二确定单元52，包括：第五确定子单元和第六确定子单元；其中，
217.所述第五确定子单元，用于确定所述待评估数据集在协同任务中的边际效益值；所述边际效益值表征所述待评估数据集的有无对协同任务效能产生的差异；
218.所述第六确定子单元，用于基于确定的所述边际效益值，确定所述待评估数据集的第二数据价值。
219.实际应用时，所述第五确定子单元，具体用于：
220.确定第一数据集产生的价值度量值；所述第一数据集为参与协同任务的数据集合中包括所述待评估数据集的集合；
221.确定第二数据集产生的价值度量值；所述第二数据集为所述参与协同任务的数据集合中未包括所述待评估数据集的集合；
222.基于所述第一数据集产生的价值度量值与所述第二数据集产生的价值度量值的差异值，得到所述待评估数据集在协同任务中的边际效益值。
223.在一些实施例中，所述方法还包括：
224.确定用于调节所述第二数据价值的衰减调节函数；
225.基于确定的所述衰减调节函数，对所述第二数据价值进行相应调节。
226.在一些实施例中，所述评估单元53，具体用于：
227.确定所述第一数据价值对应的权重值，以及所述第二数据价值对应的权重值；
228.基于所述第一数据价值和所述第一数据价值对应的权重值，以及所述第二数据价值和所述第二数据价值对应的权重值的组合，得到所述待评估数据集的第三数据价值。
229.实际应用时，第一确定单元51、第二确定单元52、评估单元53可由数据价值评估装置中的处理器实现。
230.需要说明的是，上述实施例提供的数据价值评估装置在进行数据价值评估时，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的程序模块完成，即将装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的数据价值评估装置与数据价值评估方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
231.基于上述程序模块的硬件实现，且为了实现本技术实施例的数据价值评估方法，本技术实施例还提供了一种数据价值评估设备，图6为本技术实施例提供的一种数据价值评估设备的结构示意图，如图6所示，该数据价值评估设备60包括：
232.通信接口61，能够与数据参与方进行数据交互；
233.处理器62，与通信接口61连接，以实现与数据参与方进行数据交互，用于运行计算机程序时，执行上述一个或多个技术方案提供的方法。而所述计算机程序存储在存储器63上。
234.具体地，处理器62，用于确定待评估数据集的第一数据价值；所述待评估数据集包括数据拥有方所持有的至少一个待评估数据，所述第一数据价值表征所述待评估数据集本身所具有的固有价值；确定所述待评估数据集的第二数据价值；所述第二数据价值表征所述待评估数据集在应用过程中产生的衍生价值，所述第二数据价值与所述待评估数据集所处的应用场景及所述待评估数据集对参与的协同任务产生的效能相关联；基于所述第一数据价值和所述第二数据价值，综合评估所述待评估数据集的第三数据价值；所述第三数据价值表征所述待评估数据集的实际数据价值。
235.在一些实施例中，处理器62，具体用于：
236.确定所述待评估数据集的第一数据价值的初始值，以及针对所述第一数据价值的调节值；
237.基于确定的所述第一数据价值的初始值及所述调节值，确定所述待评估数据集的第一数据价值。
238.在一些实施例中，处理器62，具体用于：
239.确定所述待评估数据集对应的至少一个维度的价值评估指标参数；
240.基于所述至少一个维度的价值评估指标参数及各价值评估指标参数对应的权重值的组合，得到所述待评估数据集的第一数据价值的初始值。
241.在一些实施例中，处理器62，具体用于：
242.获取所述待评估数据集所处的应用场景；所述应用场景为所述待评估数据集所处的应用领域包括的多个应用场景中之一；
243.基于获取的所述应用场景，以及设定的应用场景与价值评估指标参数的对应关系，将与获取的所述应用场景对应的价值评估指标参数确定为所述待评估数据集对应的至少一个维度的价值评估指标参数。
244.在一些实施例中，处理器62，还用于：
245.确定所述待评估数据集对参与的至少一个协同任务的总体贡献度；所述总体贡献度与所述第二数据价值关联；
246.基于确定的所述总体贡献度，对所述第一数据价值进行相应调节。
247.在一些实施例中，处理器62，具体用于：
248.确定所述待评估数据集在协同任务中的边际效益值；所述边际效益值表征所述待评估数据集的有无对协同任务效能产生的差异；
249.基于确定的所述边际效益值，确定所述待评估数据集的第二数据价值。
250.在一些实施例中，处理器62，具体用于：
251.确定第一数据集产生的价值度量值；所述第一数据集为参与协同任务的数据集合中包括所述待评估数据集的集合；
252.确定第二数据集产生的价值度量值；所述第二数据集为所述参与协同任务的数据集合中未包括所述待评估数据集的集合；
253.基于所述第一数据集产生的价值度量值与所述第二数据集产生的价值度量值的差异值，得到所述待评估数据集在协同任务中的边际效益值。
254.在一些实施例中，处理器62，还用于：
255.确定用于调节所述第二数据价值的衰减调节函数；
256.基于确定的所述衰减调节函数，对所述第二数据价值进行相应调节。
257.在一些实施例中，处理器62，具体用于：
258.确定所述第一数据价值对应的权重值，以及所述第二数据价值对应的权重值；
259.基于所述第一数据价值和所述第一数据价值对应的权重值，以及所述第二数据价值和所述第二数据价值对应的权重值的组合，得到所述待评估数据集的第三数据价值。
260.需要说明的是，处理器62的具体处理过程详见方法实施例，这里不再赘述。
261.当然，实际应用时，数据价值评估设备60中的各个组件通过总线系统64耦合在一起。可以理解，总线系统64用于实现这些组件之间的连接通信。总线系统64除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图6中将各种总线都标为总线系统64。
262.本技术实施例中的存储器63用于存储各种类型的数据以支持数据价值评估设备60的操作。这些数据的示例包括：用于在数据价值评估设备60上操作的任何计算机程序。
263.上述本技术实施例揭示的方法可以应用于处理器62中，或者由处理器62实现。处理器62可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器62中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器62可以是通用处理器、数字信号处理器(dsp，digital signal processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器62可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本技术实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行
完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器63，处理器62读取存储器63中的信息，结合其硬件完成前述数据价值评估方法的步骤。
264.在示例性实施例中，数据价值评估设备60可以被一个或多个应用专用集成电路(asic，application specific integrated circuit)、dsp、可编程逻辑器件(pld，programmable logic device)、复杂可编程逻辑器件(cpld，complex programmable logic device)、现场可编程门阵列(fpga，field-programmable gate array)、通用处理器、控制器、微控制器(mcu，micro controller unit)、微处理器(microprocessor)或者其他电子元件实现，用于执行前述数据价值评估方法。
265.可以理解，本技术实施例的存储器63可以是易失性存储器或者非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(rom，read only memory)、可编程只读存储器(prom，programmable read-only memory)、可擦除可编程只读存储器(eprom，erasable programmable read-only memory)、电可擦除可编程只读存储器(eeprom，electrically erasable programmable read-only memory)、磁性随机存取存储器(fram，ferromagnetic random access memory)、快闪存储器(flash memory)、磁表面存储器、光盘、或只读光盘(cd-rom，compact disc read-only memory)；磁表面存储器可以是磁盘存储器或磁带存储器。
266.易失性存储器可以是随机存取存储器(ram，random access memory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(sram，static random access memory)、同步静态随机存取存储器(ssram，synchronous static random access memory)、动态随机存取存储器(dram，dynamic random access memory)、同步动态随机存取存储器(sdram，synchronous dynamic random access memory)、双倍数据速率同步动态随机存取存储器(ddrsdram，double data rate synchronous dynamic random access memory)、增强型同步动态随机存取存储器(esdram，enhanced synchronous dynamic random access memory)、同步连接动态随机存取存储器(sldram，sync link dynamic random access memory)、直接内存总线随机存取存储器(drram，direct rambus random access memory)。本技术实施例描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
267.在示例性实施例中，本技术实施例还提供了一种计算机可读存储介质，例如包括存储计算机程序的存储器63，上述计算机程序可由数据价值评估设备60的处理器62执行，以完成前述数据价值评估方法所述的步骤。其中，计算机可读存储介质可以是fram、rom、prom、eprom、eeprom、flash memory、磁表面存储器、光盘或cd-rom等存储器；也可以是包括上述存储器之一或任意组合的各种设备。
268.在本技术实施例中，所涉及的术语“第一”、“第二”等仅仅是用于区别类似的对象，不代表针对对象的特定的顺序或先后次序，可以理解地，“第一”、“第二”等在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本技术实施例能够以除了在这里图示或描述的以外的顺序实施。
269.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵
盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。