在机器学习不断发展的今天，高质量的数据成为各行业进步的重要驱动力。随着数据交易的普及，数据市场如 AWS Marketplace、Databricks 和 Datarade 等应运而生。然而，如何为数据产品定价仍然是一个重大挑战，主要因为数据产品的独特性质。
传统的定价方法可以分为成本法、收益法和销售比较法。成本法在数据定价中失效，因为数据复制的边际成本几乎为零；收益法因数据收入的不确定性而无法适用；销售比较法虽然可行，但由于缺乏跨市场的标准化定价基准而受到限制。
为了解决这一问题，我们推出了 \texttt{DaDaDa}，这是首个针对数据产品定价的数据集，包含来自全球9个主要数据市场的16,147个数据产品的元数据。\texttt{DaDaDa} 不仅支持定价模型的训练，为新数据产品建立价格基准，还可以用于数据产品分类和检索等其他重要任务。实验和检索原型展示了 \texttt{DaDaDa} 在数据产品定价、分类和检索中的有效性。数据集和代码可在 GitHub 获取。
博主点评： \texttt{DaDaDa} 数据集的推出为数据市场的定价提供了新的思路，填补了市场上缺乏标准化定价基准的空白。随着数据交易的不断发展，期待这一数据集能促进更高效的定价模型和更智能的数据产品管理。