随着互联网、物联网、云计算和软件即服务等相关信息领域的快速发展,由此产生的个人、企业和公共数据正以惊人的速度持续增长。我们无疑正处于大数据的时代。这些数据可以帮助企业进行理性的商业决策,也可以帮助研究人员基于真实数据进行有意义的科学研究,因此数据对于各个行业来说都蕴含着巨大的价值。同时,数据交易平台如Windows Azure、Infochimps、Xignite和国内的贵阳大数据交易所的涌现,也印证了数据的巨大价值,并且这些数据交易平台正在逐步将数据商品化。在数据集市上,数据正如传统的物理产品一样,经过加工、生产成为产品,以适当的价格销售给数据需求者。但是如何正确衡量数据的价值?如何合理确定数据的销售价格?以及如何合理设计数据产品?等一系列的问题也随之而来。当前的数据市场中的定价策略主要包括免费、按次付费、固定费用等,而国内的数据交易主要通过撮合定价等离线交易进行。可以发现,当前的定价机制缺乏标准化的定价模型,对数据的本质属性缺乏考虑,因此数据定价策略是一个值得关注的研究问题,具有重要的理论意义和现实意义。本文正是基于这样的背景,提出了基于顾客自我选择的数据定价策略研究问题,研究了数据产品的差异化设计和定价策略。主要研究内容和创新性工作包括:（1）介绍了数据市场的基本概念和当前的定价策略,描述了数据产品的属性和特征。综合评述了关于信息产品和服务定价、数据产品和服务定价的相关研究。（2）考虑数据质量的数据定价策略问题。首先,数据质量是决定数据价值的最主要的因素之一,可是当前数据市场中的定价策略却鲜有考虑这一因素,而现有关于数据定价研究的文献也很少考虑,因此本文首先从数据的质量出发,研究了多维数据质量对定价策略的影响。之后,将数据质量问题拓展到另一方面,考虑数据多个质量维度之间的相互作用对于整体数据质量的影响。同时,将非线性的消费者支付意愿函数纳入数据定价模型,分析其对于数据的版本化设计的影响。这一部分验证了版本化策略的最优性,并提供了数据的最优产品设计和定价策略。（3）同时考虑数据质量与数据规模的数据定价策略问题。在研究多维质量的数据定价问题的基础上,考虑影响数据价值的另一重要因素—数据规模。实际中数据存储采用基于数据规模的非线性定价策略,本文在这一部分提出了一个非线性的成本函数形式,并通过数据结果分析该函数形式对于最优定价策略的影响。（4）考虑质量衰减和数据更新的数据定价策略问题。数据需要不断进行更新,以维持数据的时效性和有用性。数据质量的衰减对于数据的价值和定价策略有重要影响,但是当前少有学者进行相关研究。因此本文提出了数据质量衰减函数,建立了考虑更新的数据定价模型,求解得到了两个销售阶段的最优质量水平、价格和更新时间,并就不同的数据市场分布对于产品设计、定价、数据平台所有者总收益和数据消费者总效用进行了分析。本文提出的基于顾客选择的数据定价方法,考虑了多维数据质量、数据规模和数据更新,提出了数据平台提供者和数据消费者的数学规划模型,有利于建立公平有序的数据交易市场,为数据交易的利益相关者提供决策依据,具有重要的理论和应用价值。