基于情景法的互聯網企業數據資產價值評估
——以東方財富為例

■ 嵇尚洲 沈詩韻

（上海對外經貿大學，上海 201620）

一、引言

近年來，數字經濟迅速發展，成為主要經濟形態之一。“十四五”時期的主要目標任務指出，要加快數字化發展，打造數字經濟新優勢，協同推進數字產業化和產業數字化轉型。《中國數字經濟規模測算與“十四五”展望研究報告》預計到2025年數字經濟規模能夠達到326 724 億元。數據資產作為數字經濟的載體，其重要性在企業經營中日益顯現，是互聯網企業的主要經營資產。數據資產依托科技發展，有創新性特征，是特殊的無形資產，價值易變性使其未來發展較不確定，傳統評估方法受限。情景分析法將定性與定量結合，從多角度系統性分析事物發展，對于未來變化的考量符合數據資產特性，貼近企業自身發展情況，有助于解決數據資產評估這一問題。

二、文獻綜述

目前對數據資產的文獻研究多集中在界定、特征、影響因素、權屬、政策、安全性、評估方法、估值模型等角度，其中從傳統估值方法延伸，考慮數據資產性質對其客觀量化是大多數文獻研究的重點。劉琦等①建立市場法價值影響體系，結合層次分析法、價值比進行量化。左文進等②將市場法、收益法結合Shapley 破產法，將數據資產分解估價。崔麗麗③等引用基于漏損率的LSM 模型評估移動云計算聯盟數據資產。李永紅④等利用層次分析法和灰色關聯法分別確定影響因素的權重與可比數據資產。李春秋等⑤基于業務計劃和收益變化得到數據資產帶來的價值。普華永道發布《開放數據資產估值白皮書》，借用物理學的“勢能”概念解釋數據資產，建立數據勢能估值體系，設定關鍵參數并從五個緯度進行綜合評分。關于數據資產價值已有較多討論，但是尚未形成可操作的價值評估方法。

三、互聯網行業數據資產發展分析

（一）數據資產特性

數據資產指由特定主體合法擁有或者控制，能持續發揮作用并且能夠帶來直接或者間接經濟利益的數據資源。數據資產的基本特征包括非實體性、依托性、多樣性、可加工性、價值易變性等。不同行業的數據資產具有不同特性，因此數據資產可以按照所應用行業進行分類，行業特性對其評估方法的選擇和評估價值影響較大。

（二）互聯網行業發展

截止2020年12月，我國網民規模為9.89 億，互聯網普及率高達70.4%。新冠肺炎疫情加速推動了從個體、企業到政府全方位的社會數字化轉型浪潮，我國互聯網行業在抵御新冠肺炎疫情、疫情常態化防控和全面復工復產中發揮了不可替代的積極作用，在網絡強國和科技強國戰略的指引下，我國互聯網行業產業數字化轉型效果明顯，創新能力不斷提升，網絡治理逐步完善。截止2020年12月31日，我國境內外上市的互聯網企業總市值為17.8 萬億元，環比上漲5.6%。同時2020年第三季度上市互聯網企業總營收達7986.3 億元，同比增速為16.3%。我國互聯網行業把握了信息變革的歷史機遇，實現了快速發展。

從行業整體來看，互聯網行業邁入了高質量發展新階段，互聯網企業集群化發展態勢初步形成，北京、上海、廣東、浙江等地集中了約八成的互聯網上市企業和網信獨角獸企業。我國市場包容度和覆蓋面不斷增加，成長型創新創業企業迎來新的發展機遇，2020年深交所創業板改革并試點注冊制進一步完善了我國資本市場體系，助力成長型創新創業企業發展壯大，同時推進常態化退市機制促進行業良性競爭。隨著資本市場各項改革開放政策逐步落地，資本市場服務成長型創新創業能力持續增強，市場包容度和覆蓋面不斷增加，未來互聯網企業類型會更多元化。

（三）互聯網行業商業模式與數據資產標的

不同類型互聯網企業包含不同商業模式，不同商業模式下運營不同特性的標的數據資產。即便相同的數據資產由于其應用領域、使用方法、獲利方式的不同也會造成價值差異。因此，將互聯網企業按照商業模式進行分類，再研究其標的數據資產特點，相當于明確評估對象的名稱、種類、形式等基本狀況，對于后續評估具有重要意義。通過查閱中國互聯網發展報告以及各互聯網行業的研究報告，整理歸納后得到表1中的各類型互聯網企業商業模式與標的數據資產。

表1 互聯網企業商業模式與標的數據資產

續表

四、互聯網+證券對傳統證券服務業影響

隨著移動支付、社交網絡以及搜索引擎等為代表的現代互聯網技術快速發展,證券業進入互聯網+證券的全新時代。騰訊與國金合作推出傭金寶，2014年7月，傭金寶官方微信正式上線，實現了貨幣基金微信一鍵快速取現，傭金寶實現了一次互聯網式的顛覆。互聯網金融以成本優勢和信息優勢影響著證券行業的價值實現方式、行業競爭格局,并倒逼證券業創新變革。證券行業的大數據應用才剛剛開始，互聯網證券公司不少仍處于營銷渠道拓寬、客戶流量導入階段，其本質仍然是傳統理財產品網上銷售業務模式，個性化產品以及具體到賬戶體系互聯互通、結算托管制度推進等實質性進展仍然較少（中銀國際，2015）。互聯網公司、互聯網金融新興者、基礎設施提供商等大批涌入互聯網證券交叉領域，但最具競爭力的是金融資訊互聯網企業，它們將金融數據與客戶數據有效結合，激活大量潛在用戶，形成企業價值的快速提升。

五、收益倍增模型結合情景法

不同特性的標的數據資產對評估方法的選擇以及評估價值產生較大的影響。如金融資訊行業具有風險性、高效性和共益性等特點，其中風險性表明在研發過程中可能研發失敗，受技術進步和市場不確定性影響，導致數據資產價值降低；高效性體現在人才與核心技術的開發能提高金融系統的運行效率，降低系統運營維護成本，大數據的挖掘與分析結果能實現深度分析和精準營銷。金融資訊行業位于金融服務產業鏈中游，通過對基礎信息進行加工整合，開發互聯網金融信息產品，從而向下游客戶銷售產品并提供金融信息。互聯網金融信息服務的提供商成為行業的核心力量，利用大數據功能實現投資者畫像，推動金融產品創新和精準服務。金融大數據疊加互聯網實現了交易行為的信息化，從而提高了業務數據的完備性和可靠性，使風險結構化管理成為可能，大大提升了金融服務企業價值。

收益法倍增模型是我們根據數據賦能原理，對傳統金融服務業用戶價值在結合大數據進行價值的重新確認，依據金融大數據與用戶數據的相互吸收利用，對現有的數據服務收益形成倍增效果。收益法倍增法將金融數據與用戶數據結合后形成的用戶深度價值準確挖掘出來。

情景分析法是由荷蘭皇家殼牌集團于20世紀60年代末首次運用與戰略規劃并獲得成功的預測方法。情景分析法根據事物發展趨勢的多樣性，通過對其內外部影響因素進行系統性分析，將定性與定量結合，設計構想出多種可能的未來情景，綜合地科學地厘清事物的影響因素及發展方向。

金融機構創新需要依托數據驅動，以數據驅動高質量發展，推動金融機構與各個平臺的互聯互通，依托平臺效應實現高效運轉。大數據與現代金融服務的結合具有更高盈利能力，更多變的盈利模式，通過情景分析法可以使評估結果更為客觀合理。如果仍然從傳統估值方式分析其價值容易導致很大偏誤，尤其會導致低估其數據資產價值。通過情景分析法構建數據資產價值影響因素未來可能出現情形的框架，對不同情景的概率進行測算，是一種可行的價值評估方案。

互聯網行業屬于增長型行業，其該行業的驅動力主要為技術與人才的開發，行業運動狀態與宏觀經濟周期無較強關聯。與周期型、防御型行業相比，創新性特質使互聯網企業的預期收益確認更為復雜，使用收益法結合情景分析法能增強評估的合理性。此外，互聯網企業是創新性輕資產企業，利用網絡平臺提供服務從而獲得收入，主要經營無形資產，其中數據資產占比大。部分互聯網企業將經營的數據資產業務收支分欄列示，在詳細的財務數據較難獲得的情況下，較易對該行業的數據資產進行定量研究，未來數字經濟的發展勢態下，企業對數據資產經營的成本收入列示會更清晰規范。

本文選用東方財富這一金融資訊企業。該行業有增長性特征，具有廣闊前景，受投資需求、行業規范、風控能力、技術與人才挖掘等多因素交叉影響。東方財富通過搭建互聯網服務平臺經營以數據資產為主的創新型輕資產，該輕資產屬于特殊的無形資產。多重因素下使得東方財富數據資產的評估方法選擇至關重要。常規的市場法缺乏可比案例且難以將客觀數據統一量化，常規的成本法難以解決數據資產成本和價值的弱相對性問題，常規的收益法雖然可以較為真實準確地翻譯數據本身進化價值，但難以對影響因素進行深入量化分析，對數據資產的深入利用價值難以精確判斷。因此采用收益法結合情景分析法對互聯網企業數據資產價值分析具有適用性與前瞻性。

綜合前人對情景分析法的研究，主要評估步驟如下：明確數據資產背景——分析內外部驅動力——構建情景框架——明確不同情景下的概率——情景分析法結合收益法計算數據資產價值。

六、東方財富數據資產案例分析

（一）公司介紹與標的數據資產

東方財富屬于互聯網企業中的財經資訊企業，立足于一站式互聯網服務平臺的整體戰略定位，具有多類業務資質和牌照、業務橫跨證券業務、廣告服務、金融數據信息服務、金融電子商務領域，在真正意義上搭建了互聯網服務大平臺。

東方財富的商業模式包含“東方財富網”“Choice金融終端”“Level-2 決策版、極速版”和“投資大師”終端產品的財經資訊服務，“股吧”股民互動平臺、“天天基金”第三方基金銷售服務和“東方財富證券”證券經紀服務。企業數據資產包含金融數據和用戶數據，具有高效性、風險性和共益性，如表2所示。

表2 東方財富標的數據資產的構成

東方財富數據資產支撐各類業務，是金融信息流人工智能平臺、全領域金融數據引擎系統、金融云服務平臺、大數據實時處理系統等企業核心技術的應用成果。其中金融數據來源于金融數據終端產品，通過向用戶按照不同的使用期限收取金融數據終端服務費獲得收益，同時為證券業務、金融電子商務提供數據基礎，與用戶直接關聯。用戶數據來源于金融數據倉庫系統和用戶畫像平臺，通過收集用戶行為屬性，為各類業務提供精準營銷，增加用戶黏性。

公司運營的以“東方財富網”為核心的金融資訊服務大平臺已成為我國用戶訪問量最大、用戶黏性最高的金融資訊平臺。數據資產是搭建該平臺的重要資產。隨著金融資訊行業的競爭加劇，國內資本市場的進一步開放，數據資產是東方財富與普通證券企業相區別的主要發展優勢，是企業核心競爭力之一。評估數據資產對該企業具有重要意義，有助于了解數據資產對金融服務行業的價值提升作用。

（二）價值驅動因素確定

數據資產的價值驅動因素較復雜，分為內部驅動因素與外部驅動因素。經過查閱相關研究資料電話談訪后，東方財富數據資產的內外部驅動因素如表3所示：

表3 東方財富數據資產內外部驅動因素

（三）價值驅動因素排序及情景框架構建

選取4 個關鍵外部驅動因素搭建情景框架：人才與核心技術開發度、數據資產市場發展、公眾投資需求、政府支持程度。按照不確定性與重要性的高低將關鍵因素排序，構建情景框架，如圖1所示：

圖1 東方財富數據資產關鍵驅動因素排序

在四大因素中選取人才與核心技術開發度、數據資產市場發展和公眾投資需求作為三大關鍵驅動因素，通過組合三大關鍵因素構建三種數據資產未來發展情景，考慮其關聯性，得到典型的三種情景如表4所示：

表4 東方財富數據資產三種發展情景

高情景：核心技術得到突破，企業將完善人才考核激勵制度。數據交易平臺擴張，數據資產相關法律與交易得到完善，數據資產作為生產要素在市場上頻繁交易。未來宏觀經濟形勢發展良好，國民經濟保持快速發展，公眾投資需求較高。

中情景：相關核心技術逐年完善，使數據倉庫系統、用戶畫像平臺、財經多媒體信息檢索平臺等保持運營，繼續實施人才戰略。未來數據資產市場在探索中逐步構建，宏觀經濟形勢發展良好，國民經濟保持穩定發展，公眾投資需求較高。

低情景：東方財富人才與核心技術開發度較低，核心技術開發碰到難點，數據資產交易困難，公司經營不佳，人才管理效率低，公眾投資需求低。

（四）估算情景概率

1.基于歷史信息分析情景概率

數據資產收入是敏感性較強，能體現數據資產價值的重要內部參數，歷史信息估算情景概率基于過去狀況，推測未來情景發展趨勢作為發生各種情景的概率。東方財富2009-2021年年報與半年報中金融數據服務收入與增長率如表5所示：

表5 東方財富金融數據服務收入與增長率

將收入增長率劃分為高情景（增長率＞30%），中情景（0 ≤增長率≤30%），低情景（增長率＜0），并統計各情景下的平均值、頻數和頻率，如下表：

表6 東方財富金融數據服務收入增長率分析表

2.基于概率樹法分析情景概率

由于東方財富的金融數據在發展初期，所依托的金融數據終端平臺尚未搭建完全，搭建時付出的階段性成本和企業戰略發展重點的變化使金融數據收入波動較大，通過歷史信息分析得到高情景頻率僅0.19，平均值卻高達56.46%。

因此采用概率樹法進行調整，考慮各驅動力影響，分別測算未來三種情景發生概率，將每個關鍵驅動因素的各種可能性的概率與其他關鍵驅動因素的各種可能性的概率相乘，組合計算得到未來各種情景發生的概率。經過查閱相關文獻和數據，對三個關鍵驅動因素的各種可能性進行賦值，如圖2所示。

經過組合計算得到未來各種情景發生的概率，如高情景：45%×60%×55%=14.85%，中情景：7.7%，低情景：3.6%。

由于只選取了3 種典型組合情景，剔除其他9 種情景后，得到最終結果為高情景：

綜合考慮歷史信息分析法與概率樹分析法，加權算術平均后得到，高情景出現概率為37.92%，中情景出現概率為36.15%，低情景出現概率為25.93%。

（五）情景分析法估值結果

計算折現率采用資本資產定價模型。無風險利率采用十年期國債無風險利率為2.8502%（數據來源：中國債券信息網）。根據東方財富《創業板向不特定對象發行可轉換公司債券募集說明書》中分析的金融數據服務業務主要競爭對手，選取了東方財富、同花順、大智慧、恒生電子的無財務杠桿β 值來計算平均值，獲得行業β 值，具體數據如下表（表7），所得剔除杠桿的行業β 值為1.9408,通過得到東方財富的β 值2.038。

表7 金融信息服務行業β 值

采用股票指數的長期平均收益率來預測市場收益率。參考近6年滬深300 指數的年化收益率，得到收益率平均值9.01%作為預測的市場收益率，綜上考慮，折現率R=2.8502%+2.038×（9.01%-2.8502%）≈15.40%

選取近10年內歷史數據的金融數據成本占收入比重約75%來預測成本費用。結合相關歷史財務數據，得到各情景下的概率與金融數據服務收入增長率如表8：

表8 各情景的出現概率與金融數據服務收入增長率

由于數據庫具有動態性，在不斷維護更新的前提下，假設數據資產使用期限為無限期。由此得到三種情景下的估值，其中高情景預測表（萬元）如表9：

表9 高情景金融數據收益額預測表（萬元）

根據三種情景下的估值結果和情景概率計算得到最終估值結果如表10：

表10 金融數據資產估值

由此,可以得到東方財富數據資產中金融數據的價值為35 426.64 萬元。

標的數據資產除了金融數據外，還包括用戶數據。用戶數據是企業在運營過程中逐漸積累的數據資產，當用戶在使用金融數據終端產品瀏覽采集金融資訊信息和行情數據信息時，金融數據倉庫系統和用戶畫像平臺會收集用戶行為屬性。

東方財富的用戶數據為各類業務實施精準營銷，主動為客戶提供精準產品服務打下基礎；而金融數據為證券業務、金融電子商務提供數據基礎；互聯網、金融數據與用戶數據直接打通有利于建構用戶網絡，用戶價值獲得深度開發。網絡效應下的用戶黏性是用戶數據價值的抽象化體現，是東方財富區別于傳統券商企業的競爭優勢。隨著企業的發展，用戶對企業的重復選擇打造了一批高忠誠度的黏性客戶，用戶黏性越大，用戶數據變現能力越強，商業價值越高。用戶數據作為用戶黏性的數據化體現，與金融數據結合后，推動企業提供深度服務，產生的商業價值遠高于基于財務報表的金融數據資產預期收益。

我們基于在規模相當的證券公司之間，擁有金融資訊數據入口的企業市值更高的事實，推定金融大數據使得用戶價值獲得提升，即金融數據與用戶數據的結合使得用戶價值獲得倍增。基于上述分析，我們在金融數據價值的基礎上，構建倍加系數，得到企業整體數據資產價值。假設兩企業規模相當，經營狀況相當，主營業務的關鍵區別在于對金融數據資產的經營。則活躍用戶數量的差距體現了標的企業由于經營金融數據資產帶來的差異。參考將用戶價值變現的傳統ARPU 值，構建用戶數據倍加系數，用企業市值代替銷售收入，修正企業規模、經營狀況與用戶認可度，再將月活躍用戶數量MAU 相比得到倍加系數。

中信證券是與東方財富市值最為接近的證券公司，近年來經營狀況良好。中信證券成立于1995年，主營業務包含證券經紀，基金銷售、資產管理等服務。2020年公司全年實現營業收入543.83 億元，同比增長26.06%；實現歸屬于公司股東凈利潤149.02 億元，同比增長21.86%；凈資產收益率8.43%，同比增加0.67%。中信證券具有先天的業務資源和線下營業部的優勢，與東方財富經營方式的關鍵區別在于其初始發展方向為線下，而不是對金融數據資產的經營。由此采用用戶倍加系數，估算東方財富的用戶黏性。

2020年12月31日，東方財富市值為2 670.07億元，中信證券市值為3 465.83 億元。如圖3所示，2020年，東方財富年平均MAU 為1 423.37 萬人，中信證券信e 投年平均MAU 為452.97 萬人。由此得到用戶倍加系數為2.5742。

圖3 2020年東方財富與中信證券信e 投MAU（月活躍用戶數）（來源：易觀千帆）

將用戶倍加系數與金融數據資產價值相乘，得到用戶數據與金融資產結合后的數據資產價值，即東方財富標的數據資產整體價值35 426.64×2.5742=91 196.86 萬元。

評估結果說明數據資產在東方財富運營過程中重要地位。近10年東方財富金融數據服務收入平均增長率為14%，平均占營業總收入比重25%，作為企業四大業務之一，推動企業迅速發展。東方財富10年凈利潤復合增速高達 53%，遠超證券行業的7%，2021年上半年，東方財富成為中國互聯網行業上市企業凈利潤排名第一。正是由于東方財富以財經資訊為入口，把握住投資人，向基金銷售和證券投資領域發展，打通了金融服務產業鏈（如圖4所示）。

圖4 東方財富產業鏈定位

作為金融服務行業的黑馬，東方財富通過數據資產經營帶來的長期流量與用戶積累促成了企業良好的成長性，從而帶來了之后證券經紀與銷售業務的高利潤。東方財富的數據資產支撐起各類業務，并使之相互關聯。

對數據資產的開發運用有助于企業持續優化，拓寬業務，是企業重要的無形資產，直接影響企業價值。東方財富的數據資產是區分于普通證券企業的一大發展優勢，是企業核心基礎競爭力之一，也是企業經營風險的重要體現，一旦出現互聯網系統安全問題，數據資產無法正常使用，企業信譽也會因此受損。互聯網企業應當在未來進一步加強對數據資產的挖掘利用，重視人才與核心技術開發，響應公眾投資需求與政府政策，助力構建數據資市場，從而實現數據資產的增值，推動企業發展。

七、結論及展望

本文從互聯網企業角度，討論了數據資產評估的各種方法，在傳統三大評估方法的基礎上針對數據資產的特性進行了調整，并將收益倍增法結合情景分析法，通過系統性構建數據資產情景分析框架，歷史信息分析法、概率樹等預測情景概率，從多角度系統性分析數據資產未來價值的可能性，獲得金融數據資產價值，又考慮用戶數據附加金融數據帶來的價值，構建用戶數據倍加系數，得到企業整體數據資產價值，使評估值更客觀合理。

數據資產作為時代的新興資產，以科技創新作為發展動力，具有良好的發展前景。隨著數據資產市場的建立，情景分析法結合收益倍增法不僅僅在互聯網行業、證券行業等以數據資產為主要經營資產的行業中進行運用，在經營數據資產的各行各業中都具有一定的適用性。

然而預測未來收益的不確定性仍然存在，數據確權、合規性等問題對數據資產的價值影響仍需要進一步剖析。用戶數據這一部分數據資產在評估過程中如何準確定價仍然是一大難點。目前數據已作為生產要素被納入國家戰略，數據資產管理與價值評估有必要意義，相信隨著相關的評估理論與實踐發展，數據資產評估會通過各類方法得到完善，成為重要的交易要素。