企業數據資產價值評估影響因素研究

摘 要：數據資產是企業一項重要的戰略資源，影響著企業的生產經營和決策，對數據資產價值進行合理評估能夠促進企業更好地管理和運營數據資產。由于與傳統資產的特性不同，影響數據資產價值評估的因素也不同。為了研究數據資產價值評估的影響因素，文章運用扎根理論對搜集到的質性材料進行分析并逐級編碼，發現數據資產的成本、數量、質量、應用過程以及交易過程中存在的風險都對數據資產價值評估具有重要影響。文章通過尋找各影響因素并分析其對數據資產價值評估的影響路徑，以期為科學合理的評估數據資產價值提供方向。由于調查樣本的局限，不能窮盡影響數據資產價值評估的所有因素，還需要在實踐中不斷探索和完善。

關鍵詞：數據資產；影響因素；扎根理論；數據質量；價值評估

一、引言

隨著數字經濟的發展，數據成為了一種新的生產要素。2019年11月，黨的十九屆四中全會明確提出，要將數據納入要素范疇，并鼓勵其作為生產要素參與分配。隨后，在2020年4月出臺的《關于構建更加完善的要素市場化配置體制機制的意見》中，首次將數據與土地、技術、資本和勞動力等傳統要素并列為要素之一寫入文件，強調要加快培育數據要素市場。作為一項新的生產要素，數據已經在生產生活的各個方面展現出了它的不可或缺性，這也極大地促進了數據資產價值評估方法的發展。然而，數據資產本身的特性與傳統資產之間有著明顯區別：可復制性、無磨損性、非排他性等特征的存在使得對數據資產價值進行評估不能簡單照搬傳統資產的價值評估方式，而應當與傳統資產進行區分，通過對影響數據資產價值的因素進行分析，從而探索適合數據資產價值的評估模型。而由于數據資產本身的特性以及當前所面臨的應用環境的復雜性，不同因素影響下的數據資產的價值評估也有所不同，在此背景下，為合理評估數據資產價值，對數據資產價值評估的影響因素進行研究具有重要意義。

二、研究進展

1974年，Richard E.Peters最早提出“數據資產”的概念，其后，Tony Fisher又基于大數據的背景，從數據的資產屬性出發，明確指出“數據是一種資產”，其含義與我們現在所理解的數據資產更為貼合。就資產而言，其核心特征主要包括三點：過去的交易或事項形成的、企業能夠擁有或控制的、未來的收益，因此，各文獻中對于數據資產的定義大都在結合數據特性的基礎上，圍繞著資產的定義來展開。劉緒光等人對數據資產的概念闡釋包括三部分：即合法獲取、由企業或個人產生并影響其未來決策、預計能為企業或個人帶來經濟收益的各類數據資源；秦榮生對數據資產的定義則更加貼合IASB關于資產的定義，認為數據資產是由過去的事項產生的，并且有潛力為企業產生未來經濟利益的一種現時數據資源；侯彥英則將數據資產分為三層，即：廣義數據資產、管理學或統計學意義上的數據資產以及會計學意義上的數據資產，而對于數據要素市場而言，能夠成為參與分配的要素之一并參與到要素生產活動中去的則是會計學意義上的數據資產。總體來說，關于數據資產的定義都是會計關于資產概念的延伸，雖然表述各有不同，但其內在含義大都相同。隨著大數據時代的到來，“數據即資產”的說法開始被廣泛提及，人們越來越多的開始關注將數據作為一種資產，其價值該如何評估。然而由于其本身區別于其他資產的特性和當前所面臨的應用環境的復雜性，影響其價值評估的因素也較為復雜，通過對過往文獻進行整理分析，筆者發現在現有成果中未見與“數據資產價值評估影響因素”直接相關的文獻，只有少部分學者在對數據資產價值進行評估時對其影響因素進行了討論，而這些討論通常是基于某一個或幾個方面來進行的，沒有對其影響因素進行系統性和概括性的分析。除此以外，關于數據資產的討論中，大部分學者都是針對其概念闡釋、確認計量、價值評估等方面進行的探討，少有學者專門對數據資產價值評估的影響因素進行討論。

三、研究方法與數據

1.研究方法的選擇

由于數據資產本身的特性以及現在所面臨的應用環境的多變性，使得影響數據資產價值的因素更加復雜，從而加大了數據資產價值評估工作的難度。但是在現有文獻中，缺乏針對數據資產價值評估的影響因素進行分析的理論模型，而扎根理論則通過對數據資料事實進行闡述來完成編碼，進而歸納演繹出相關的理論，能夠對影響數據資產價值的因素進行歸納總結，并分析其對數據資產價值評估的影響路徑，從而為科學合理的評估數據資產價值提供方向。因此本文采用扎根理論的方法來進行研究。

2.數據收集與分析

根據扎根理論對數據資料真實、可靠的要求，本文采取半結構化訪談的方式進行數據收集，考慮到不同受訪者學歷、認知等方面的不同以及對研究問題認識程度的不同，本研究選擇的受訪對象為本科及以上學歷，且曾從事與數據交易相關或擁有一定該方面知識儲備的人。根據扎根理論要求，該訪談預計人數為20人-30人，經整理，實際有效訪談人數為26人。

四、基于扎根理論的編碼

通過對訪談資料的梳理，最終得到10萬余字的訪談記錄，隨機抽取2/3的資料（17份）進行編碼處理和模型構建，獲得了成本維度、數量維度、質量維度、應用維度和風險維度五個主范疇，另外1/3的數據資料（9份）則留作進行理論飽和度檢驗。

1.開放式編碼

首先對原始資料進行開放性編碼。開放性編碼是一個由分散到歸納的過程，通過將搜集到的原始資料拆分成獨立的句或段，根據每個獨立句段特點或程度的不同為其貼上標簽，形成多個不同的“概念”，然后對這些概念進行比較分析，將特點相同或程度相近的句段進行歸類，最終形成“范疇”，這種漏斗式的由分散到集中的過程就是“概念化”至“范疇化”的過程。本文通過對原始資料進行逐句分析，共獲得原始語句542條，并根據其含義的不同貼上標簽，將語義相近的標簽整合到一起，最終總結出49個概念（aa1-aa49），并將其提煉為11個初始范疇（A1-A11）。

2.主軸編碼

主軸式編碼就是在開放式編碼的基礎上建立已有范疇之間的關系，通過不斷比較的方法將近似范疇鏈接在一起，從而提取主范疇以及副范疇。本文通過對已經形成的概念范疇進行合并，發現和建立各概念范疇間的相互關系，將11個范疇聚類形成5個主范疇，使其具有更強理論性。（見下表）

3.選擇性編碼

選擇性編碼是對原始數據資料進行分析處理的最后一個階段，該階段主要是對主軸編碼中形成的主范疇進行整合和凝練，挖掘出一個核心范疇，將該核心范疇與主范疇相聯系，并驗證它們之間的關系。在該階段，通過對各范疇間關系的梳理，本文將“數據資產價值評估影響因素”作為核心范疇，并以其為基礎，圍繞其他范疇與核心范疇的聯結關系，構建了數據資產價值評估影響因素的理論模型，其主線概括為“質量—應用—價值評估”（見下圖）。

4.理論飽和度檢驗

本研究用另外三分之一的資料數據進行理論飽和度檢驗，結果顯示，該模型中的范疇已經發展得很完善，未發現有新范疇、新概念的產生。由此認為，上述“質量—應用—價值評估模型”在理論上是飽和的。

五、結果分析

通過上述分析發現，“質量—應用—價值評估模型”能夠有效地解釋數據資產價值評估的影響路徑。具體來說，數據資產價值評估影響因素可以歸納為五個主范疇：成本維度、數量維度、質量維度、應用維度和風險維度，但每個主范疇對數據資產價值評估的影響路徑各不相同，總的來說，高質量的數據資產通過應用過程來實現數據價值，成本維度和數量維度在“質量—應用”過程中起調節作用，風險維度在“應用—價值”過程中起保障作用。具體影響路徑如下：

1.“質量-應用”路徑

（1） 數據資產質量的高低決定了數據是否可以被應用

數據質量是影響數據價值生成的關鍵因素。在數據質量這一主范疇下，有數據相關性、時效性和準確性三個影響因素，相關性包括各數據集之間的相關性以及數據或數據集與需求方使用目的的相關性，如果各數據集之間不相關，就會產生數據割裂或出現數據孤島，從而無法發揮它的價值；如果數據或數據集與需求方的使用目的不相關，那么對于該數據使用者而言，這份數據則毫無用處。時效性是影響數據資產質量高低的一個重要特性，它包括了時間上的及時性和內容上的適時性。高質量的數據資產首先應當具備及時性，同時，適時性也是數據高質量、高時效性的一個體現。有些數據即便不是最新的，但由于它對現時情況有一定的參考意義，因此同樣有其價值所在。準確性也是判斷數據資產質量高低與否的重要因素，準確的數據更能為使用者提供指導作用，直接影響著數據使用的結果如何。因此，質量是數據應用的基石，只有高質量的數據才能夠投入到應用過程中，從而產生價值。

（2） 數據資產數量在該過程中起正向調節作用

數據數量維度涵蓋了數據的容量及其廣泛性。數據交易一般是以數據集的方式進行，而非單個的數據交易，通常來講，數據容量越大，在使用過程中所能獲取的資料就越充分，其價值也應該越大。但值得注意的是，這種容量差異所導致的價值差異，通常是以數據質量為基礎的。當數據符合一定的質量要求時，數據容量越大，越容易投入應用過程中，其所能產生的價值就越大；而當該數據質量不符合其使用要求時，大量的數據反而會產生數據冗余，不但不能為企業提供價值，反而會因其管理和存儲問題為企業帶來負擔。數據的廣泛性是指數據所包含的種類多少，越多的數據資產種類相互結合通常能產生的資產組合也越多，也就能夠為組織或個人帶來更多的使用價值。

（3） 數據資產成本在該過程中起正向調節作用

在成本價格理論中，生產成本定位了商品的最低價格，是決定一件商品價格的基礎因素，對于數據資產而言，成本同樣對其價值評估有所影響。在成本維度范疇下，影響數據資產價值評估的因素主要分為初始成本和后續成本。對于外購的數據而言，初始成本主要是購買成本，對于企業內部產生的自行加工的數據而言，初始成本則主要是在選取有用數據的過程中產生的篩選成本。這些成本是企業在獲取數據過程中直接產生的，也應當是最終獲取的數據資產價值的一部分。后續成本包括加工成本和存儲成本，數據本身的價值在于其蘊含的知識和信息，只有對這些知識和信息加以處理，才能投入到應用過程中以使其價值得到實現，而在處理的過程中，就產生了加工成本以及加工前后對大量數據進行存儲的成本。通常而言，越精細化的數據，處理過程越復雜，其耗費的成本也越高，但同時由于其資產質量相對較高，因此更容易被投入到應用過程中去，從而會產生更大的價值。

2.“應用-價值”路徑

（1） 數據資產的應用是高質量數據資產實現價值必不可少的過程

數據的應用價值是影響數據資產價值評估的決定性因素，應用價值越高，其價值就越大。在效用價格理論中，數據被作為一種普通商品來看待，買方為該商品支付費用的意愿是建立在該商品具有一定使用價值的基礎上的，因此，數據使用價值的大小決定數據價值的高低。而在數據使用過程中，買方對數據的個人需求和偏好的不同以及買賣雙方對于該數據資產的價值認同往往影響著數據的應用價值。

①買方的個人偏好對數據資產價值的影響。對不同使用者而言，同樣的大數據其價值是不同的，經挖掘分析后所形成的數據資產對不同主體而言價值也是不同的，有的使用者如獲至寶，有的主體則認為只是負擔，其原因在于數據的協調性和數據需求方的廣泛性。協調性是指不同的數據集組合其價值也不同，這使得數據資產具有范圍經濟的特征，不同的數據組合在一起所帶來的效用大都各不相同。而在數字經濟發展的今天，數據的需求方也比較廣泛，他們的能力、知識儲備、信息儲備以及購買數據的目的各有不同。因此，對于普通商品或資產來說，在創造初期，其功能或用途就已經確定了，購買同一件商品的買方通常具有同樣的使用需求，而數據資產的需求方則依據其個人或企業特點，對不同的數據組合產生了不同的偏好。通常而言，個人偏好越強，該數據組合針對其主體來說價值往往越高。

②買賣雙方的信息不對稱性對數據資產價值評估的影響。在傳統商品交易中，同一件商品的使用價值是既定的，買賣雙方對此都有高度的認同感，但在數據資產交易中，買賣雙方對該資產到底具有多大價值很難形成統一認識。由于數據資產體量大、內容多樣且具有較強的不確定性，因此如果買方不能在交易前充分詳細的了解該數據資產的信息，那么該數據能帶來多大的效用價值對于買方而言是不確定的。可一旦買方充分了解了該信息，那么購買一份已知的數據對其而言就失去了意義，因此該數據的價值也就大打折扣了，也就是說在交易過程中產生了“信息悖論”。這種買賣雙方之間的信息不對稱影響著數據資產在應用過程中的價值轉化，導致二者在數據價值方面難以達成一致，從而影響了該數據資產價值的評估。

（2） 風險維度在該過程中的影響路徑

風險維度是評估數據資產價值高低的外部影響因素，對“應用—價值”過程產生影響。當交易過程中買方所感知的風險越大，那么他對該數據的偏好程度則越小，對于買方而言，該數據的價值就會有所降低。風險維度數據資產的風險主要源自于所在商業環境的技術保障程度、法律限制程度和道德約束力度。一定的技術保障程度代表了企業保護數據不被破壞和竊取的能力，該能力越強，數據自身的安全性就越高，就越容易為企業產生更穩定的價值貢獻。法律限制程度對企業數據資產價值實現有兩方面的作用，一方面，較為明確的法律限制能夠推動數據合規和數據安全產業的發展，降低了由于法律界限不明確而導致的違規交易；但另一方面，從實際效果來說，絕對的數據限制同時也影響著數據資產的價值。道德約束力度也是風險維度的一個方面，主要指來自社會輿論壓力的風險等。它通過社會公眾對企業形象和信任程度的反饋來督促企業，從而使其能夠合理恰當地使用和交易數據，以免對數據資產和企業本身的價值帶來負面影響。

六、結語

本文圍繞數據資產價值評估影響因素，運用半結構化訪談進行原始資料收集，并通過后期歸納整理，運用扎根理論構建數據資產價值評估影響因素的理論模型，得出影響數據資產價值評估的因素，并對其影響路徑進行了闡述。本文的研究可以為評估數據資產價值提供思路和依據，同時可以為企業提高自身所擁有的數據資產價值提供有效建議，具體如下：其一，企業在評估數據價值的過程中首先要以質為主，質量則決定著數據是否能夠被使用；其二，在保證數據質量的基礎上，盡可能擴展其容量和廣泛性。數據的自生性和網絡外部性決定了在滿足其質量要求的前提下，越多的數據參與到應用過程中，越能產生更大的價值；其三，針對交易對象的不同，采取差異化產品和價格。由于數據交易過程中買方的個人偏好和交易雙方對數據價值的認可程度不同，在不同的應用場景和交易機制下，企業可以合理區分買方異質性，根據各數據組效用的不同和買方需求及風險容忍程度的不同實行價格區分；其四，技術創新、制度建設與道德約束并重。為推動數字經濟發展和數據交易，國家先后出臺了一系列法律法規和具體政策，對于維護數據資產交易過程的安全發揮了重要作用。但同時，數據資產的交易安全問題不但需要制度保障，更需要技術推動和道德約束，在數據交易安全方面加大技術投入，保障數據資產交易安全對企業資產價值的提升尤為重要。同時尊重客戶隱私，恰當地使用企業收集的各種信息，從而降低數據資產交易過程中可能產生的風險。

參考文獻：

[1]譚明軍.論數據資產的概念發展與理論框架[J].財會月刊，2021（10）：87-93.

[2]劉緒光，鄭旭，方曉月.數據資產、數字賬戶與數據交易流轉機制[J].銀行家，2020（11）：111-114.

[3]秦榮生.企業數據資產的確認、計量與報告研究[J].會計與經濟研究，2020，34（06）：3-10.

[4]侯彥英.數據資產會計確認與要素市場化配置[J].會計之友，2021（17）：2-8.

[5]王建明，王俊豪.公眾低碳消費模式的影響因素模型與政府管制政策：基于扎根理論的一個探索性研究[J].管理世界，2011（04）：58-68.

[6]魏國辰，陳宇恬，王煥煥.基于扎根理論的零售企業數字化轉型影響因素[J].商業經濟研究，2021（19）：41-43.

[7]柯平，張文亮，李西寧，唐承秀.基于扎根理論的館員對公共圖書館組織文化感知研究[J].中國圖書館學報，2014，40（03）： 37-49.

[8]孫俐麗，吳建華，袁勤儉.B2C企業數據資產質量影響因素研究[J].情報理論與實踐，2017，40（07）：99-102+98.

[9]翟軍，李曉彤，苗珍珍，李劍鋒.我國開放政府數據“臟數據”問題研究及應對：地方政府數據平臺數據質量調查與分析[J].圖書館，2019（01）：42-51.

[10]王刊良.數字化產品的經濟特征、分類及其定價策略研究[J].中國軟科學，2002（06）：59-63.

[11]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.

[12]熊巧琴，湯珂.數據要素的界權、交易和定價研究進展[J].經濟學動態，2021（02）：143-158.

[13]唐斯斯，劉葉婷.我國大數據交易亟待突破[J].中國發展觀察，2016（13）：19-21.

[14]馮科.數字經濟時代數據生產要素化的經濟分析[J].北京工商大學學報（社會科學版），2022，37（01）：1-12.

作者簡介：孫淑萍（1997- ），女，甘肅慶陽人，碩士研究生，研究方向：注冊會計師