大數據資產價值評估研究

姜玉勇

摘? ?要：作為一種無形資產，大數據價值如何體現成為重要的研究內容。通過對大數據的產權界定、交易模式、估值方法、估值風險等內容進行探索，討論大數據無形資產價值評估的框架。大數據資產的產權界定應考慮將原始數據和衍生數據區別對待;大數據交易模式會對價值評估產生影響，應綜合考慮各種評價指標;在三大基本估值方法外應拓展衍生估值方法對大數據資產估值風險進行分析。上述研究對促進大數據交易體系建設及大數據產業的政策制定有一定的理論意義。

關鍵詞：大數據;資產價值;價值評估框架

中圖分類號：F832.33? ? ? 文獻標志碼：A? ? ? 文章編號：1673-291X（2021）08-0005-03

引言

政府一直把大數據行業的發展作為重中之重。無論對政府還是企業而言，如今大數據都成為一種重要的無形資產。在這種背景下，作為核心競爭力的大數據無形資產價值成為重要的研究內容之一。對政府而言，在大數據管理過程中積累了巨量的大數據無形資產，但這些無形資產的產權界定、價值體現、交易模式都有很大的研究空間。政府需要更完善、更充分的理論和實踐研究，以促進大數據行業的健康發展。對企業而言，出于其利益需求，需要合理、合法利用這些無形資產，或者把這些無形資產合理變現。由于數據資產是新生事物，企業需要知曉它們的價值以便將其納入資產交易體系。未擁有大數據資產的企業也可能成為大數據資產的潛在需求者。比如，商業銀行、保險企業、互聯網企業迫切需要與自身業務密切相關的大數據，以便有針對性地開展精準營銷業務或避開存在風險的客戶，實現自身利益最大化。因此，利益相關者迫切需要以合理的價格交易大數據資產，傳統行業也可以抓住大數據發展的契機駛入快車道。這些都屬于大數據無形資產價值評估潛在需求。

一、大數據的產權界定

大數據資產的產權界定一直都是學者探索和爭議的重要內容。徐漢明和孫逸嘯等（2020）認為，數據是一種虛擬資產和特殊資產，數據和信息是不同的概念[1]。大數據資產在采集、整理、利用的過程中其產權如何界定一直是個復雜的問題。網絡或交易平臺是數據的收集者，在網絡上發貼或平臺上交易的個體是數據的貢獻者。數據收集者將會員提供的信息收集起來出售，或者經過整理或清洗為自己所用。從資產的含義來看，凡是能為企業或個人在未來帶來收益的實物或信息等均可視為資產。問題的關鍵是，如果平臺收集了會員的私人信息，那么會員擁有產權嗎？即使會員對自己貢獻的信息部分擁有產權，但是也很難對平臺因出售信息產權而產生的收益進行分成。分成的道理如果行得通，但由于個人信息的貢獻極小，從而使該收益分成變得微不足道，甚至會由于維權成本大于分成收益而自行放棄。雖然如此，平臺也不應該在數據資產變現時完全無視會員的收益分成部分。田杰棠和劉露瑤（2020）認為，企業平臺的數據可以分為原生數據和衍生數據，其產權的界定方式是不同的[2]。理論上，為大數據貢獻信息的個人對各自的原生數據擁有產權，而衍生數據的產權則應屬于數據企業。至于各擁有產權的利益主體采取何種方式在收益實現時進行分成，數據企業通常選擇“王顧左右而言他”的方式應對。但是，在將數據資產進行價值評估時，如何界定數據資產的產權，或者考慮數據資產收益中的會員分成，是必須說明或討論的重要組成部分。如果對某項大數據資產進行價值評估，在正式報告出具前，產權界定部分又未區分原生數據和衍生數據，或者認為產權界定存在一定風險，則應該在評估報告的重要假設部分或其他需要說明的事項中進行闡明，以提請報告的使用者或交易關聯方注意。

二、大數據資產交易模式對價值評估的影響

大數據資產的交易模式主要從國內外大數據交易平臺的實際做法總結而來。大數據交易模式對數據資產的價值評估內涵有著重要的影響。交易模式決定交易成本，從而也決定價值評估的成本。價值評估作為交易成本的一部分，不可能超過大數據的生產成本。王文平（2016）認為，數據交易按標的物劃分可以分為所有權交易、使用權交易、收益權交易，按平臺交易模式可分為C2B（用戶向企業）模式、B2B（企業向企業）模式，按平臺定價機制可分為平臺預定價、固定定價、實時定價、協議定價、拍賣定價[3]。胡燕玲（2017）認為，大數據定價理論包括效用價格理論和成本價格理論，按交易的收費模式可以分為按次計價、一口價和撮合定價，定價策略可以采取預處理定價、拍賣定價、協商定價、反饋定價等[4]。前人對大數據定價模式的討論大多數是對定價方式的描述，而很少涉及大數據定價的本質，如大數據交易定價的依據是什么、大數據平臺是如何進行定價或喊價的，等等。實際上最后仍需要大數據價值資產評估的內容，即采取適當的價值評估方法估計出大數據資產的價值后，在此基礎上再進行定價。定價與估值的關系實際上反映了價值與價格的關系，即先有價值，再有價格。趙子瑞（2017）認為，大數據定價指標可以在質量評價指標、數據拆分指標、歷史成交價指標和效用指標的基礎上，再增加人力指標、物力指標和傭金指標綜合進行衡量[5]。翟麗麗和馬紫琪等（2018）提出，對大數據產品進行定價可以考慮大數據產品的生命周期、數據質量、流通過程和使用方式等因素[6]。各種定價指標最終應圍繞一個核心指標展開，即收益指標。大數據資產的購買者在期待購入該項資產時，其最終目的是希望該無形資產能為自己帶來收益，以抵減購買成本。例如，大數據資產用于精準營銷能夠帶來收入的增加，用于風險回避則為降低成本帶來好處。

三、大數據資產的估值方法

數據資產價值的影響因素較多，數據的后期加工、使用者的變動、使用規模等都會影響數據資產價值，因此要建立數據資產的動態變化監控模型。在獲得大數據交易基礎數據和相關資料的基礎上，與國內省份大數據交易所的交易體系和交易規則進行對比，分析大數據無形資產價值實現的途徑和方式。數據資產價值分析模型的建立需要全面考慮數據資產的維度，計算其每個特征值的整體效應，避免單個維度特征值的影響。根據數據資產維度的劃分對數據資產價值進行量化，從數據質量、數據規模、數據時效、價值密度等方面分別測度數據資產的價值。從傳統數據無形資產價值評估的角度，使用成本法、市場法、收益法等方法可以解決一部分數據資產交易中出現的問題。然而，更優化的評估方法、數據資產數據庫的建立和參數調整規則應作為主要問題進行研究。

由于大數據規模和容量巨大，利用傳統方法進行價值評估會產生局限性。人工智能或機器學習技術可以在數據資產價值評估中發揮很好的優勢，從而利于數據資產價值評估目標的實現。相比其他類無形資產，如專利技術、非專利技術、商標使用權等價值評估范式，對數據無形資產的價值內涵進行研究，結合數據資產價值實現的維度，根據不同的價值評估目的確定其價值類型，可以為數據資產價值評估的實現奠定基礎。

在傳統評估方法的基礎上，結合數據資產的特點，探索新的數據資產價值評估衍生方法，構建數據資產價值分析模型和數據資產交易體系。基于取得的數據和資料，對適合于數據資產的評估方法進行理論與實證分析。定量研究方法可以利用成本法評估模型、市場法評估模型、收益法評估模型分別對數據資產進行價值評估分析，重點使用收益法下的自由現金流量模型、銷量增加的價值評估增值模型、成本降低的價值評估增值模型，并探索數據資產價值分析模型的適用性和可推廣性。成本法評估模型的內涵在于利用成本途徑評估大數據無形資產的形成成本及合理利潤。由于大數據資產的本質特征，其成本可能與市場價格產生較大的差異。成本價值高并不一定會產生可觀的收益，成本價值低也不一定只能帶來低收益。市場法模型，即對市場上相同或類似的大數據資產進行比對，經過參數調整，最后確定其價值的方法。市場法評估途徑的結論往往能提高交易雙方的信服度。收益法評估模型，即從大數據資產能為擁有者帶來的未來收益為出發點，將其每期的收益現金流折現，從而體現大數據資產的價值。收益法評估途徑與大數據資產購買者的投資理念及未來的使用安排有關，并依賴于投資者的其他投入，比如，不同的投資規模和不同的大數據資產使用方式可能帶來不同的收益。

對于僅涉及大數據交易當事人的方法還有協商估價法，該方法基于當事人雙方都非常了解所交易的大數據的范圍、規模、作用等因素，能夠綜合賣方底價及買方對該數據在未來的使用方式、期望等自行對其價格進行商議。

四、大數據資產的估值風險

由于大數據資產具有公共性、非物質性、價值的雙重性、可再生性等特點，對大數據資產估值存在一定的風險。大數據資產的交易主體最終目的不同，對大數據資產的處理方式也不相同。在這種情況下，價值評估的過程及風險處理非常重要。以數據資產交易中的主體為例，交易模式有：一是只為買賣雙方提供交易平臺不出售數據資產，這種情況下平臺提供方是否應承擔雙方交易內容的法律風險存在較多爭議;二是不交易原始數據只交易經過數據清洗、脫敏和挖掘處理過的數據，理論上這種情況使估值風險較第一種模式有所降低;三是通過網絡爬蟲方式獲取數據，再出售原始數據或經過脫敏處理后的數據，這種情況也存相當大的產權界定風險甚至會引起訴訟。因此，在對數據資產進行估值時，應充分考慮存在的種種估值風險。

五、結論

大數據資產的價值評估首先要建立在產權界定的基礎上，須要考慮大數據資產的交易模式對價值的影響程度，之后從大數據無形資產的價值內涵出發，分析該資產能夠帶來的最終收益，從而做出其價值判斷。當然，從三大基本評估方法中可以衍生出若干適合大數據無形資產評估的子方法。2015年阿里研究院發布了《中國數據經濟發展關鍵問題探索》報告，提出三種數據資產定價方式：物權定價、知識產權定價、收益定價，反映了數據資產價值評估的內涵。

本文通過對大數據資產的產權界定、交易模式、估值方法及估值風險的分析，討論了大數據無形資產價值評估的框架，相信這會對促進大數據發展、交易體系建設及數據產業的政策制定有一定的理論意義。

參考文獻：

[1]? ?徐漢明，孫逸嘯，吳云民.數據財產權的法律保護研究[J].經濟社會體制比較，2020，（4）：183-191.

[2]? ?田杰棠，劉露瑤.交易模式、權利界定與數據要素市場培育[J].改革，2020，（7）：17-26.

[3]? ?王文平.大數據交易定價策略研究[J].軟件，2016，37（10）：94-97.

[4]? ?胡燕玲.大數據交易現狀與定價問題研究[J].價格月刊，2017，（12）：16-19.

[5]? ?趙子瑞.淺析國內大數據交易定價[J].信息安全與通信保密，2017，（5）：61-67.

[6]? ?翟麗麗，馬紫琪，張樹臣.大數據產品定價問題的研究綜述[J].科技與管理，2018，20（6）：105-110.

The research on the Valuation of Big Data Assets —An Analytical Framework

Jiang Yu-yong

（School of Management Science and Engineering， Guizhou University of Finance and Economics， Guiyang 550025， China）

Abstract： As an intangible asset， how to reflect the value of big data has become an important research content. By exploring the definition of property rights， transaction mode， valuation method and valuation risk of big data， this paper discusses the framework of value evaluation of big data intangible assets. The definition of property rights of big data assets should consider the difference between original data and derivative data; Big data trading mode will have an impact on value evaluation， so various evaluation indicators should be comprehensively considered; derivative valuation methods should be expanded besides the three basic valuation methods; and the valuation risk of big data assets should be analyzed. The above research has a certain theoretical significance to promote the development process of big data trading system and the policy formulation of big data industry.

Key words： big data; asset value; value evaluation framework