多期超額收益法評估數據資產價值
——以M通信企業為例

■ 胥子靈 劉春學 白彧穎 王 玲

（云南財經大學城市與環境學院，云南昆明 650221）

隨著大數據產業的快速發展，數據資源與自然資源（侯文坤，劉春學，2020）逐漸成為企業的重要資產，對企業的發展產生了巨大的影響。數據資源轉化為資產并體現數據的經濟價值，逐漸成為企業發展的迫切需求。2020年《中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見》正式發布并引入“數據要素”的概念，為此迫切需要研究數據資產價值的評估方法，準確評估數據資產價值，為經濟發展的數據要素流動提供參考。

數據資產是可以數據化并為企業帶來實質性經濟效益的資產，通常把這些數據資產當作一種無形資產（王紅艷，2001；Pitney，2009；胡蘇，2006）。數據資產價值的影響因素可以通過建立影響數據資產價值的技術因素體系，運用蒙特卡洛模擬進行層次分析法計算，確定不同技術因素對價值影響的權重（劉琦，2016；周芹，2016）。數據資產依附于有形資產，受數據質量、容量、成本等因素影響（Brooks，1999；閉珊珊，2020）。數據資產的評估方法主要為收益法（趙振洋、陳金歌，2018），也有學者嘗試市場法（劉琦，2016）和實物期權法（翟麗麗，2016）。另外還有反映數據資產價值特性的CIME（Cost、Intrinsic、Market、Environment）評估模型（閉珊珊，2020），反映數據資產生命周期的生態化管理模型，以多維度分析挖掘數據資產的潛在價值（李菲菲，2019）。

本文以通訊企業數據資產為例，嘗試根據數據資產的價值構成和影響因素對傳統收益法進行改進，體現數據資產的價值特點、產出價值和未來超額收益，為更準確評估數據資產價值提供參考，為經濟發展中數據要素的流動提供支持。

一、數據資產價值特點

數據是對事物進行記載的原始素材，是企業重要的生產資料。數據資產是由個人或企業擁有或者控制的，能夠為企業帶來未來經濟利益的，以物理或電子的方式記錄的數據資源。數據資產是可以轉化為超額收益的數據，要將數據變現為企業的資產，必須要對數據進行加工處理，加工成對事物的分析，形成獨有的知識，數據就有了更高的含金量，成為有價值的數據資產。

數據資產的價值形成可以依靠其自身價值形成產品價值，也可以依附于用戶數據的分析形成企業價值。數據資產的價值特點主要有：（1）無形性。與無形資產相類似，依附于實物載體，但其相對于一般的無形資產更具有通用價值，通過資產間的合成重組形成新的打包資產，擁有賺取超額收益的能力，但因超額收益的難以估測和不確定性大而存在潛在風險。（2）價值增值性。數據資產的價值取決于數據的應用場景，單一數據資產的應用有限，多維度的數據資產結合打包成新的數據產品，企業自用或用于出售后可以獲得更大的應用價值，且在原有使用價值基礎上因為數據資產功能的切換，會衍生出其他價值。（3）易貶值性。與實物資產可長期保持價值不同，數據資產的復制成本很低、更新頻率高，若超出時限而未更新或被共享后將導致其價值消減。（4）高風險性。數據資產的無形性、易貶值性、更新換代快以及市場相關法律法規的不完善決定了數據資產將長期暴露在高風險的環境中。獲取成本較低、復制技術簡單、沒有安全保障的數據資產不能長期為企業帶來經濟利益。

二、數據資產價值分析

（一）數據資產價值構成

從數據（資源）到數據資產再到數據資產價值實現的過程中，數據資產具有的價值主要包括：（1）內在價值。數據天生具有價值，數據本身的質量，包括數據的質量、精確度、完整性、及時性、可信度等特性將幫助篩選部分優質數據進入企業數據庫，進而為成為數據資產提供原材料。（2）成本價值。數據庫中的數據經加工變為數據資產，預期為企業帶來經濟利益，企業在數據的采集、治理、存儲到交易過程中產生、獲得、管理數據的各種成本。（3）交換價值。部分數據資產作為產品交易，出租或交換，能帶來企業利潤增加，因此具有交換價值。（4）使用價值。部分數據資產被分類整理成有序目錄，供企業內部和外部需求者使用，數據資產的有序性越高，其使用價值越能得到體現。

不同的企業數據資產價值構成側重點各有不同，如電商企業、“數據銀行”類企業、工業企業、通信企業的數據資產價值各不相同，應從多個角度剖析其價值構成。本文歸納數據資產價值由四部分構成：獲取成本、固有價值、市場價值與社會價值（圖1）。其中獲取成本包括收集數據的成本和數據加工、處理的成本；固有價值是數據資產天然自帶的價值，包含其質量、規模、時效、稀缺性等；市場價值是數據資產形成產品后為企業帶來的收益，包含產品價值與服務價值；社會價值是數據資產具有服務社會群體，增加社會效益的部分，包括政策價值、個體價值、公益價值等。其中獲取成本用成本法確定后與收益法確定后的市場價值可能存在重疊，數據資產真正的價值不體現在“投入價值”而體現在“產出價值”上，以及資產的社會價值是附加在其他價值之上的增值部分，因此本文主要從其固有價值和市場價值量化數據資產的總價值構成。

圖1 數據資產價值構成

（二）數據資產影響因素

收益和風險兩個維度影響著數據資產價值。數據資產的收益取決于數據資產的使用價值與交換價值。數據資產的風險維度，指數據資產的質量風險和外部制度環境的影響，在數據資產估值中應予以充分考慮。主要包括：（1）數據成本。在數據交易市場不活躍的情況下，數據價值沒有明確的計算方式，首先考慮數據成本。獲取成本越大，數據的交易價值相對越大。（2）數據獲利能力。即依據數據資產設計產品，提供服務，銷售產品與服務獲取收益的能力，一般可以用數據資產獲取的超額收益度量。（3）數據資產收益期與有效客戶數量。數據資產具有保值期，隨著時間的流逝，數據庫中的數據會因為各種原因流逝而無法為企業繼續創造價值，需將無效數據清理出數據庫。（4）數據質量屬性。數據資產的真實性會直接影響其應用價值；數據資產的完整性可以反映被記錄對象的所有特征；數據的準確性有利于數據變成可被利用的數據資產；數據資產的安全性影響對企業價值貢獻的穩定程度；數據資產的稀缺性幫助挖掘其潛在價值；數據的時效性，數據資產為企業帶來的經濟利益呈現隨時間推移而遞減的趨勢；數據資產的多維性即適用的范圍。以上數據質量屬性越強，數據資產價值越大。（5）外部環境。是影響數據資產價值的重要風險因素，目前數據資產市場處于初發展階段，相關法律制度尚未十分明確，影響數據資產的價值實現。外部法律環境寬松，會促進數據資產的交易，衍生出更多數據資產為依托的產品，為企業帶來超額利潤；外部環境緊張，數據資產的收集成本和交易成本也就越高，會降低數據資產價值。（6）數據管理效率。通過數據資產管理對資產進行有序的管理、提升數據利用價值是必不可少的環節。數據資產管理效率低下將使數據資產的價值降低。

（三）數據資產價值評估方法

當前對于數據資產評估的研究處于起步階段，主流的評估手段有市場法、成本法和收益法。其中市場法雖然能客觀反映資產目前的市場狀況，且參數指標相對真實可靠，但其對市場環境要求極高，目前我國還不具備形成系統的數據資產交易場所的條件。在完全競爭市場上，市場出清狀態下不存在超額收益，即用于交易的資產成本應與收益相等，此時運用成本法和收益法達到的價值評估效果相同，而在現實中往往成本法運用歷史成本計量，會低估數據資產真實價值，與此相反收益法考慮了貨幣的時間價值因素和資產貶值因素，但對未來收益的預測過高，通常高估資產價值。鑒于數據資產于無形資產有類似屬性，可以采取無形資產的評估方法測量數據資產價值，目前對數據資產的評估方法具有不同側重點（表1）。

表1 數據資產價值常規評估方法比較

由于數據資產價值評估體系仍不完善，無法運用市場和主觀經驗確定相關參數，基于企業歷史財務數據，預測企業未來收益來衡量數據資產價值更為合理。但收益法中對于折現分母的計算存在誤差，且許多參數無法確認，沒有任何模型結構完全契合數據資產收益與風險并存的價值特點。因此，本文對收益法中的多期超額收益模型進行修正，使評估更科學合理。

三、模型構建思路及參數確定

（一）模型構建思路

多期超額收益法是通過計算該項無形資產所貢獻的凈現金流或超額收益的現值的一種估值方法。計算方法如公式（1）所示：

多期超額收益法評估數據資產有三個難點：一是企業凈現金流下的超額收益需分離其他資產的貢獻值；二是相對與實物資產，使用期限更不易確定；三是在不同場景環境下貢獻的超額收益不同，需要同時考慮收益與風險對價值總額的影響。

為此，本文改進多期超額收益模型如下：

改進后的多期超額收益模型分離原模型中屬于數據資產貢獻的超額收益，通過調整風險折現率將數據資產風險因素納入評估范圍，增加動態的客戶留存率，評估方法體現數據資產兩大價值構成成分：固有價值（質量時效）和市場價值（超額收益）；同時考慮數據資產價值收益和風險兩方面影響因素，相比原模型，更凸顯數據資產區別于一般無形資產的特點，更貼合實際情況。

（二）客戶留存率與使用期限

數據資產的收益期代表企業能從客戶獲取多少年的經濟利益。但對收益期和收益期內客戶的留存率預測比較困難。通常做法是依據經驗確定一個常數年限和均勻遞減的客戶留存率，然而這種確定方法現實生活中存在誤差：一方面企業擁有眾多客戶，不同的客戶存續年限就不同，不同種類企業的客戶留存年限也存在差異；另一方面，客戶關系生命周期會受到企業內外部諸多因素的影響。

因此動態的客戶留存率和使用期限更為合理，可以對影響客戶存續期的諸多不可人為控制的協變量納入比例危險模型（cox模型：cox proportional hazards model）中，用于估測客戶的生存函數，生存函數是賬戶收益期的分布，即動態的客戶留存率。

cox模型下的生存函數表示如下：

對賬戶收益期進行預測時，假定客戶留存率下降到50%時所經歷的時間段為客戶總體平均生命周期時間（圖2）。

圖2 客戶留存率隨時間變化圖

由線性內插法(4)可求得值。

（三）折現率

初始折現率用加權平均資本成本確定：

利用CAPM模型和加權資本成本法計算可得初始折現率，然而CAPM模型假定所有股東的投資都是分散的，不存在個別風險，而實際情況下非系統風險不可忽視。數據資產面臨的個別風險因素從質量和商業環境限制的角度考慮，包括數據資產的真實性、完整性、準確性、安全性、稀缺性、多維性、時效性以及法律約束、資產管理效率等。這些指標大多數屬于定性數據，不可定量分析，為此選取其中主要的適合定性的風險因素劃分其質量和等級，依據較差、較低、一般、良好、優秀五種情況分析主要的風險影響因素,用定性方法分析資產風險的評估等級。這種評估打分方法簡單易行,評估公司和管理者人員根據具體資產情況自動調節各種風險影響因素,確定評估分數段、風險評估等級及其調整的程度,并對影響風險的因素進行打分,對原來的折現比例進行了調整（表2），還可以比較公司不同資產的風險等級和折現率。

表2 按風險得分調整折現率參照表

調高后的折現率滿足數據資產貶值的特性，彌補了傳統收益法經常會高估資產價值的不足，適合數據資產易貶值性的價值特點。

四、實證分析

（一）案例簡介

M公司是國內信息通信業大型公司，處于數據交換中心地位，數據的真實、完整、精準性都能得到保證，在準確地掌握用戶的行為特征上具有其先天的優勢,并且能夠保證數據真實、完整和精準，積累了許多數據資產。主要有:來自于業務支撐系統的數據,這部分由CRM 、客服、渠道、計費等IT系統在提供給客戶時形成；網絡系統中所產生的信令數據,來自于電路域（CS）和分組交換域（PS）中的信令分析；來自于電信運營商公司自有的移動互聯網及其移動互聯網產品。以上三類數據均可以通過加工處理成為能為企業帶來經濟利潤的定向產品與服務，因此符合數據資產的定義，可以采用多期超額收益模型估算其價值。

（二）評估思路

本文選取M公司2016—2020年季度財務報表，運用改進后的多期超額收益模型，對未來超額收益折現，預測公司全部數據資產價值進行評估分析。評估基準日定于2021年1月1日。

影響數據資產價值的收益因素反映在數據資產帶來的超額收益，總超額收益用企業未來凈現金流量預測，運用差值法倒擠出數據資產超額收益。風險因素反映在折現率上，依據M公司數據資產諸風險因素的打分和等級調高風險折現率，使之反映企業個別風險。客戶留存率采用cox模型，對影響M公司收益期的因素進行賦值和篩選，確定客戶生存函數和客戶留存率，查閱Survival Table計算客戶平均生命周期（收益期）。

（三）參數確定

1.客戶留存率和收益期確定

抽取M公司數據庫2 000條客戶記錄為樣本，對原始變量進行預處理，刪除其中具有較強相關性的變量，對剩余影響客戶留存期的9個因素進行生存分析（表3）。其中時間變量為賬戶存續期，結局變量為賬戶生存狀況，數據錄入時將二分類變量賦值為0，1；多分類變量按數量和等級賦值為1，2，3，4。

表3 變量名與賦值說明

進入cox模型之前，對以上協變量進行比例危險性檢驗（PH檢驗），結果證明所有變量均符合PH假設，因此所有變量進入cox回歸分析。cox回歸分析的結果如表4所示：

表4 方程中的變量

參數估計結果顯示：最后篩選后的模型僅包含客戶等級和客戶滿意程度變量，設置各協變量為置信水平95%和逐步向前最大似然法。

客戶留存率函數表示如下：

經調查M公司現有客戶庫中客戶等級以低級（賦值1）為主；客戶滿意程度以滿意（賦值3）為主。將協變量賦值取自然對數代入（6），可以得到M公司第1到第5年的客戶留存率預測值分別為0.77，0.67，0.61，0.51，0.28。

2.折現率確定

按照與M公司數據資產收益期相匹配的五年期國債利率平均水平確定無風險報酬率 為3.12%。將M公司2016年至2020年五年間滬深指數作為標的指數，根據Wind資訊金融數據端得到市場風險系數值0.81。根據股票指數來綜合評定證券市場的發展情況，將5年滬深指數平均收益作為與市場組合最接近的指數，假設現有的企業投資者和未來的投資者所需的風險溢價均沒有變化，計算得出市場預期報酬率=7.05%,依據資本資產定價模型公式計算得=6.3%。依據公式（5）初始折現率為4.18%。

對比企業其他主要資產，對M公司各影響數據資產價值的風險因素進行打分（表5）。根據表2進行風險等級25%調整后，確定評估日數據資產折現率=5.23%。

表5 M企業資產風險因素得分參照表

（四）評估過程

1.企業自由現金流預測

選取2016—2020年M企業營業收入數據，對過去五年的營業收入數據用多項式進行擬合，得到過去五年歷史收入的擬合函數：

運用擬合公式預測M公司未來營業收入（表6）。

表6 M公司未來五年營業收入預測表（單位：億元）

M公司2016—2020年營業成本占營業收入比重平均值為31.23%；管理費用、財務費用、銷售費用占營業收入比重平均值分別為37.28%，0.85%，10.41%；折舊與攤銷、資本性支出、營運資本增加額占營業收入比重平均值分別為19.46%，12.33%，4.75%。結合以上分析，未來五年M公司的自由現金流量如表7所示。

表7 M公司未來五年自由現金流量預測表（單位：億元）

2.其他資產年貢獻值預測

流動資產、固定資產、無形資產（專利權）年貢獻值的預測基于回報率和資產年平均余額。

3.數據資產價值總額

綜合上述分析，依據公式（2），計算得出數據資產價值總額（表8）。

表8 現值估算表（單位：億元）

最終M公司當前數據資產價值評估結果為93.87億元。

（五）結果分析

從數據結果來看，該公司總資產價值計算約為1 003.94億元，M公司的數據資產價值約占公司總資產價值的9.37%，查閱其他行業企業數據資產價值，其數據資產價值占總資產價值平均值約為4%-5%，這說明以M企業為代表的通信行業數據資產體量大，對經濟的貢獻值多，具有不可忽視的分量，因此公司需要充分利用其資產優勢，加強資產管理。

結果中對于企業其他資產逐年遞增貢獻值的預測，會影響企業剩余超額收益，呈現自發性遞減趨勢，再加上參數的調節，在一定程度上會使數據資產價值預測值略微偏低。現實情況下，企業在未來五年內如正常運營，必定會擴大營運規模，自由現金流量不會如模型中的數值一樣平穩，而會有較大的漲幅，在一定程度上會減小誤差。

五、結論

修正后的多期超額收益模型通過調整折現率反映了數據資產的特定風險，通過設定使用期限反映了數據資產的保質期限，通過設定客戶流失率反映了不同場景環境下收益貢獻的差異，使評估結果更為合理。

修正后的多期超額收益模型在實際評估中可操作性較強。可運用數據資產盈利的企業在行業中往往具有明顯的競爭優勢和強大的資源聚集能力，能持續長期穩定地產生收益，且技術力量支持采取尖端操作，因此適合運用修正后的多期超額收益模型評估其數據資產的價值，該模型也同樣適用于數據流通平臺、數據API提供者等位于大數據產業鏈上游的企業。

修正后的多期超額收益模型未能很好的考慮數據資產中的相關稅收攤銷收益，對數據資產的附加價值也未能更好的體現，需要更多開展這一方面的研究。