近年来随着大数据的广泛普及和应用,数据资源的价值逐步得到重视和认可,数据交易需求也在不断增加。在2017年,《经济学人》[1]杂志强调“世界上最有价值的资源不再是石油,而是数据”。诸如Facebook和Google这些公司[2]已经将收集和分析用户数据作为他们商业模型的基础。对于数据定价的研究尚处于初步阶段,已有的研究主要是集中在数据供应商与数据中介或终端用户直接数据交易问题;关于数据产品的定价研究,特别是在闭环数据供应链中对这一问题进行的讨论鲜见报道。数据供应链由数据供应商、数据服务商和终端用户构成。如何充分利用数据价值,开发出可以满足市场需求的数据产品,为终端用户提供数据服务;如何有效地衡量数据和数据产品的价值,合理地选择数据的规模和质量以及数据产品的质量,均缺乏可靠的理论指导。数据及数据产品交易的不断流行,大数据背景下合理的数据产品定价策略急需解决。在此背景下,本文基于闭环供应链的思想,对大数据背景下数据产品的定价策略问题进行深入讨论,包括考虑数据规模、考虑数据规模及质量和考虑用户隐私成本的不同等问题构建数据产品定价模型的研究。主要的研究内容和创新工作如下:（1）数据产品的相关综述研究。介绍了数据市场的基本概念和数据供应链的运行模式,描述了数据产品的属性和特征。综合评述了关于信息产品的定价、数据产品定价和闭环供应链的相关研究。（2）考虑数据规模的数据产品定价策略问题。本文讨论了两种主要的原始数据的特性,即原始数据规模和数据质量,以及讨论考虑个人数据隐私成本的数据产品的定价模型研究。首先,数据规模,即终端用户向数据供应商提供的原始数据的数量,是原始数据的一个主要特征,也是决定数据产品质量的最主要的因素之一。本文从原始数据规模出发,研究了数据规模对数据产品的定价和数据供应链的定价模型的影响。利用集中定价、分散定价和收益共享三种定价机制建立闭环数据供应链的定价模型,并考虑到数据供应商对原始数据处理和数据服务商对数据进行加工的复杂程度,提出非线性的成本模型,分析其对于数据产品的质量、定价和闭环数据供应链中各参与者利润（收益）的影响。考虑原始数据质量和数据规模的数据产品定价策略问题。在研究原始数据规模对于数据产品质量和定价产生影响的基础上,考虑了原始数据的另一主要特征,同时也是影响数据产品价值的另一重要因素——数据质量。数据质量,即终端用户向数据供应商提供的原始数据的质量。本文假设数据供应商和数据服务商的边际质量成本和边际规模成本均增加,利用三种不同定价机制建立闭环数据供应链的定价模型,比较不同模型的优势以及原始数据规模和数据质量对于数据产品质量、定价和闭环数据供应链中各参与者的影响。（4）考虑两种终端用户隐私成本模型对数据产品定价的影响。近年来,随着个人隐私的泄露事件不断发生,个人数据隐私意识正不断增强。终端用户对数据供应商提供原始数据的过程存在泄露个人隐私的概率,这使得个人数据隐私保护的问题日益凸显。目前对于数据供应链中终端用户的个人数据隐私成本的研究尚处空白。因此,本文分别提出两种不同的隐私定价模型,一种是在个人数据价值的基础上,考虑补偿个人隐私成本的隐私定价模型;另一种是数据供应商不考虑个人隐私成本的隐私定价模型,同时利用集中定价、分散定价和收益共享三种不同的定价机制,构建符合本文研究的数据产品的定价策略并进行比较,分析两种不同隐私成本模型对于数据产品质量、定价和数据供应链中各参与者的影响,确定最优定价策略。本文提出的不同数据产品的定价方法,考虑了原始数据规模、质量和终端用户的隐私成本模型,并结合集中定价、分散定价和收益共享三种定价模型,分析了闭环数据供应链的运作模式、供应链中各利益相关者的决策过程及利润（收益）,有利于建立公平有效的大数据交易市场,为数据交易的各利益相关者提供可靠的决策依据,具有非常重要的理论和实践意义。