Данные служат топливом для алгоритмов искусственного интеллекта, которые привели к росту фондовых рынков до исторических максимумов за счет обещаний преобразовать экономику. Но как определить ценность данных? Данные не добываются из земли, не производятся на заводах. Они незримо накапливаются как побочный продукт современной жизни: каждый поиск, клик или утренняя прогулка с телефоном в кармане оставляют крохи информации, которые кто-то может где-то использовать.
Если товар не имеет видимой цены, как, например, государственная услуга, мы обычно оцениваем его по стоимости. Но данные не имеют явной стоимости. Когда розничный продавец регистрирует продажи или картографическое приложение отмечает чье-то местоположение, это и есть производство данных. Как известно, компании тратят значительные средства на обработку, анализ и преобразование данных. Они нанимают армии специалистов по обработке и анализу данных и инвестируют средства в вычислительную инфраструктуру, позволяющие отделить закономерности от информационного шума. Однако исходные данные подобны выхлопным газам нашего экономического двигателя. Как оценить то, что появляется само собой?
Правда в том, что данные не бесплатны. Мы все являемся производителями платных данных. Как только мы понимаем, что данные производятся посредством определенных операций, возникает более глубокая экономическая логика. Если компания, стремящаяся получить максимальную прибыль, ценит данные, получаемые от клиентов, у нее есть стимул поощрять рост числа операций, поскольку увеличение количества операций приводит к увеличению объема данных. Потребители делают больше покупок, когда за них нужно меньше платить. Клиенты компаний, не предлагающих скидки, будут уходить к их конкурентам, если они предлагают такие скидки. Таким образом, компании, стремящиеся получить максимум прибыли, должны снижать цены на свои товары и услуги не из соображений справедливости, а для того, чтобы увеличить объем продаж и получить больше данных.
Значительная часть экономики сегодня работает в условиях этой скрытой сделки. Каждая цифровая покупка, каждая загрузка приложения, каждый клик — это двойная операция: потребители покупают товар или услугу и в то же время продают свои данные. Наблюдаемая цена — количество денег, которое переходит из рук в руки, — в действительности является чистой ценой этих двух обменов. Компании получают доходы и данные; потребители получают продукты и удобство.
Проблема заключается в следующем: мы как клиенты не знаем, какую цену, то есть скидку, мы получили за данные. Поэтому мы не можем оценить, достаточен ли ее размер. У потребителей, как правило, нет возможности купить товар, не продавая свои данные. Требование осуществить одновременно две операции — в данном случае продажу данных и покупку продукта — это то, что экономисты называют пакетированием. В результате сокрытия цены данных при пакетировании клиенты получают меньше выгоды.
Представьте, что вы приехали в страну с другой валютой. По прибытии вы заплатили эквивалент 18 долларов за обед, который на самом деле должен стоить 3 доллара. Через несколько дней вы будете знать, в каких случаях следует торговаться, когда следует просто уйти и какая цена справедлива. В цифровой экономике мы так и остаемся тем самым туристом в первый день. Мы продаем наши данные каждый раз, когда просматриваем товары на сайте или совершаем покупку. Но поскольку эта операция является частью пакета, мы никогда не видим ее цену. Мы не имеем возможности учиться на опыте.
Меры регулирования, требующие от компаний разделения пакета операций, при котором указывается как цена с учетом права использования полученных в ходе операции данных, так и цена без раскрытия данных, прольют свет на рынок данных. Потребители смогут увидеть размер скидки за использование данных. Кто-то сочтет операцию выгодной, а кто-то захочет скрыть свои данные, если скидка окажется недостаточно существенной. Со временем потребители превратятся из наивных туристов в умудренных опытом поставщиков данных, требующих своей доли прибыли в экономике данных.
Задача экономистов и директивных органов состоит в том, чтобы превратить данные — неосязаемый, невидимый актив — в нечто, что можно сосчитать, контролировать и оценить. Экономисты приступили к созданию набора инструментов для измерения данных. Каждый подход предлагает свой взгляд на «ценность» и будет целесообразным в разных ситуациях.
Первый подход основан на рыночных ценах. Некоторые данные торгуются на открытых рынках, например на платформах Snowflake или Datarade, на которых покупаются и продаются наборы данных. Однако эти данные не являются репрезентативной выборкой экономически важных данных. Большинство компаний не продают свои самые ценные данные, поскольку они являются основой их конкурентного преимущества. Но в случае подмножества данных, представленных на этих рынках, цена является проверенным сигналом ценности.
Второй подход основан на доходах. В этом случае данные рассматриваются как любой другой производительный актив: их ценность определяется дополнительным доходом, который они могут принести. При использовании этого метода задается контрфактический вопрос: какой была бы прибыль, если бы у компании не было определенных данных? Для этого подхода требуется модель, способная предсказать, какой была бы прибыль в случае отсутствия данных. В сфере финансов это возможно, поскольку, как известно, инвесторы используют данные для покупки большего объема активов, которые принесут высокую прибыль. В других условиях данные могут применяться различными способами, которые труднее измерить и количественно оценить.
Третий подход основан на дополнительных вводимых ресурсах. Один из способов определить стоимость имеющихся в распоряжении компании данных — это взглянуть на ресурсы, которые она выделяет на управление этими данными и их использование. Сами по себе данные не создают добавленной стоимости; они становятся производительными только в сочетании с трудовыми ресурсами и инструментами. Если известно, сколько труда и вычислительных мощностей компания затрачивает на работу с данными и сколько это стоит, можно определить неявную стоимость объема данных, который оправдывает эти затраты. Это косвенный способ, но если компании платят реальные деньги за использование ресурса, это самый верный признак того, что он имеет ценность.
Четвертый подход основан на корреляционном поведении. Если данные улучшают принятие решений, это должно отражаться во взаимосвязи между действиями людей и вознаграждением за принимаемые ими решения. Экономисты могут измерить эту корреляцию между действиями и результатами, чтобы оценить, каким объемом информации должны были обладать лица, принимавшие соответствующие решения. На потребительских рынках это может означать отслеживание того, насколько точно покупки соответствуют предложенным рекомендациям или насколько успешно компания подбирает ассортимент для создания запасов товаров, которые будут хорошо продаваться. Высокая ковариация означает, что были задействованы ценные данные. При этом подходе данные измеряются по их поведенческому следу.
Наконец, подход на основе учета затрат. Инстинктивно бухгалтеры просто складывают счета, чтобы получить данные. В некоторой степени новая Система национальных счетов Организации Объединенных Наций делает это путем учета приобретенных наборов данных в качестве активов. Проблема в том, что основная часть данных не покупается, а обменивается. Потребители «расплачиваются» информацией, покупая товары или пользуясь цифровыми услугами. Эти неявные скидки редко отражаются в бухгалтерских книгах. Истинный учет себестоимости данных состоял бы в условном начислении стоимости скидки, предоставленной на каждую покупку, чтобы стимулировать рост числа операций и раскрытия данных.
Это самый простой подход в теории и самый сложный на практике, поскольку он требует информации об операциях с данными, которые никогда не детализировались. Учет затрат станет возможным при разделении операций с данными и товарами путем введения требования об отдельном ценообразовании для операций, включающих и не включающих права на использование полученных в ходе этих операций данных.
В совокупности эти пять подходов описывают невидимый класс активов. Каждый из них отражает определенный аспект стоимости данных: затраченный труд, полученный доход, точность действий, рыночную цену или неявные затраты. Ни один из них не идеален, целесообразен во всех случаях или целостен в своем измерении. Измерение всегда несовершенно. Однако, чтобы принимать осознанные решения и разрабатывать разумную политику, мы должны перевести данные из области интуиции в область количественной оценки. Пока эта задача не решена, экономика будет работать на ресурсе, о цене которого можно только догадываться и который Кремниевая долина может эксплуатировать совершенно бесплатно.
ЛАУРА ВЕЛЬДКАМП — профессор финансов и экономики имени Леона Г. Купермана в Высшей школе бизнеса Колумбийского университета и автор книги The Data Economy: Tools and Applications.
© 2026 International Monetary Fund. All rights reserved.
