應用場景視角下的數據資產價值評估

高 華（教授），姜超凡

一、引言

作為人口大國和數字經濟強國，我國在2020年底發生數據交易的總量和規模突破8ZB，約占全球總量的兩成，首次超越美國，位居世界第一，數據資產的重要性不言而喻。政策層面，2020 年4月，中共中央、國務院發布《關于構建更加完善的要素市場化配置體制機制的意見》，提出了深化“土地、勞動力、資本和技術”要素市場化的配置改革，首次將數據納入生產要素范圍，使其與傳統的四大要素并駕齊驅。2020年5月，中共中央、國務院發布的《關于新時代加快完善社會主義市場經濟體制的意見》，明確指出“加快培育數據交易市場，推進政府數據合規管理，建立健全數據交易系統和業態自律機制”。這是對數據要素價值的肯定，確立了其基礎性戰略資源的地位。實操層面，德勤與上海國家會計學院等研發了第四張報表價值管理體系即數字化時代企業價值的度量衡，其中很重要的就是包含了新經濟時代數據資產的價值計量①。

從會計學角度來看，財務報告在維護資本市場、保障正確的投資決策、促進市場經濟繁榮等方面做出了不可磨滅的貢獻。然而，數據資產占比較高的新經濟企業對數據資產價值的披露僅是冰山一角，財務報告中更不見其身影，這嚴重制約了數字經濟的發展，將數據資產納入財務報告核算范圍迫在眉睫。但因數據資產估值理論研究的滯后性及價值評估體系的低透明度，以及受到技術問題和數據轉化為資產涉及不同的應用場景影響，數據資產的價值尚無法可靠計量，就不能確認為資產，也就更無法納入財務報表范圍。這會造成財務報告相關性降低，新經濟時代互聯網企業估值失實。若想扭轉該局面，首先要解決的就是數據資產的價值評估問題。因此，本文從數據資產化過程開始分析數據資產如何產生價值，并探討不同應用場景下數據資產的價值評估問題，提出相應的估值模型，以期增加數據資產價值評估的可操作性，最終解決數據資產的入表難題。

二、文獻綜述

（一）數據資產

數據資產、信息資源和信息資產的概念分別在1974年、1970年和1977年被提出，但至今研究對象界定不清，導致學術界對數據資產理解多元化，難以形成統一的概念范疇。葉雅珍等[1]認為可以將相關概念統一到數據范疇下進行研究。朱揚勇等[2]指出，信息資產、數字資產、數據資產三個概念本質上都是在講數據，并定義數據資產為擁有數據權屬（勘探權、使用權、所有權）、有價值、可計量、可讀取的網絡空間中的數據集。借鑒上述研究成果和中國信息通信研究院的相關定義，本文將數據資產界定為信息資源經過數據采集、挖掘、清洗、標注、分析等，形成可采、可見、標準、互通、可信的高質量數據資源，并且該數據資源擁有權屬和價值、可計量且可讀取。

（二）數據資產化過程

數據資產化是實現數據價值的核心，因為只有資產化，數據價值才能得以核算，也才可能被納入會計報表。該問題的研究主要涉及兩個方面：一是數據資產化的條件。穆勇等[3]認為，一種資源成為資產需要具備三個基本前提條件，即所有權明確、稀缺性和經濟效益；曹玉珊等[4]認為，信息資源資產化的關鍵是能夠可靠計量。二是數據資產化步驟。葉雅珍等[1]提出了數據資產化基本框架，即數據資源確權、數據價值確認與質量管控、數據裝盒入庫、貨幣計價與評估、數據資產折舊和增值，為數據資源的資產化提供了一條可行路徑。

（三）數據資產價值評估

數據資產化過程的完成依賴于數據資產的價值評估，但目前數據資產價值評估尚處于起步階段。在理論層面，主要從不同視角探討資產評估方法的適用性及應用前提。李如[5]從會計計量基礎視角出發，比較投入價值和產出價值的適用性，認為目前企業可根據其歷史成本對數據資產進行確認計量。張志剛等[6]從資產評估視角出發，比較了現存資產評估方法的優缺點，從而搭建了數據資產價值評估的分析框架。李永紅等[7]探討了運用不同資產評估方法進行數據資產估值的前提條件及適用范圍，但仍停留在理論層面，不具有可操作性，無法解決現實中數據資產入表的困境。在實踐層面，目前對數據資產價值評估的研究者可分為三派：一是借鑒無形資產價值評估方法的傳統評估派，采用成本法、收益法或修正市場法以及運用實物期權法中的B-S模型評估數據資產的價值。二是影響因素評估派，利用層次分析法并結合傳統資產評估方法進行估值，并運用博弈論研究數據資產評估方法。三是新模型構建派，如張馳[8]基于數據粒度、活動性、相關性、多維度和尺度五個維度建立了數據資產價值評估模型。然而由于數據資產具有無限共享及多場景使用的特性，使得數據資產和無形資產的界限越來越清晰，不能簡單套用傳統無形資產的估值方法。不同應用場景的特點和價值構成存在差異，運用不同的估值方法才能更好地體現其差異性，故按應用場景劃分進行估值才更準確。

（四）數據資產價值構成

張志剛等[6]將數據資產價值分為數據資產成本和數據資產應用。上海德勤資產評估有限公司（簡稱“上海德勤”）與阿里研究院發布的《數據資產化之路——數據資產的估值與行業實踐》報告中提到，影響數據資產價值的因素主要有數據資產收益和風險兩個維度。實際上，數據資產的收益取決于數據資產的質量和應用價值，數據資產的風險主要源自于所在商業環境的法律限制和道德約束。丁博[9]將數據資產價值分為數據數量價值、數據質量價值、數據管理價值、數據應用價值和數據風險價值。但是，上述研究大都聚焦于數據資產的價值而忽略了數據產生過程，無法涵蓋數據從產生到流通的全部價值。

綜上，數據資產價值構成和評估已有初步研究，大多研究的關注焦點是數據資產價值評估，忽視了數據資產化過程與其價值評估的融合，表現為：第一，已有數據資產價值構成的研究大都不能涵蓋數據從產生到流通以來（即數據資產化過程）的全部價值；第二，已有研究忽視了數據資產的應用場景，因數據的價值在于與具體業務的結合。由于數據資產具有業務附著性，數據產生階段并不產生價值，只有在與具體業務結合后才會創造價值。數據價值的大小則在于與應用場景的結合，不同應用場景下，數據所貢獻的經濟價值有所不同[10]。例如，某打車軟件公司通過對客戶出行習慣數據進行分析，可使公司更好地配備車輛和司機以獲得更多的利潤，同時還可以打包對外銷售給汽車生產廠商或者共享單車企業。顯然，數據資產在兩種應用場景下創造的價值是不同的。基于此，本文立足于數據資產場景經濟性這一特點，探究數據資產化過程與其價值評估融合的過程和結果，并將應用場景劃分為有交易、無交易兩種類型，采用不同估值模型進行價值評估。

三、數據資產化過程及應用場景劃分

數據資產化是實現數據價值的核心，是進行數據資產價值評估首要解決的問題。通過文獻分析和總結，可將數據資產化過程分為三個階段。第一階段是數據集轉化為數據資產的過程。并非所有的數據都可以轉化為數據資產，轉化為數據資產的數據需滿足四個必要條件：數據權屬、有價值、可計量、可讀取。其一，在數據權屬方面，區塊鏈技術能夠實現對這些財富和資產的確權，使得數據成為產權明晰的資產，并投入再生產。其二，在有價值方面，互聯網平臺經濟中的數據已成為創造和捕獲價值的新經濟資源，以數據為中心的商業模式在越來越多的行業中得到了應用。當數字技術嵌入產品設計、市場營銷環節時，企業和用戶“群體信息交互”協同模式會顯著影響企業的研發投入和創新產出，數字技術應用推動了我國制造業領域產品創新與商業模式創新的繁榮。其三，在可計量、可讀取方面，隨著計算機技術的不斷發展，均會逐漸得到完善。第二階段是數據資產與具體業務相結合并創造價值階段。根據數據資產業務附著性特點，各種數據資產只有和企業具體業務相結合才會產生經濟效益并創造價值。第三階段是數據資產的流通階段。數據資產流向市場，為不同企業創造不同價值。通過上述三個階段，各類原始數據完成資產化歷程，形成數據資產并開始為企業創造價值。

從上述數據資產化過程來看，數據資產化第一階段并不會為企業創造價值。因為數據資產具有無實物形態和業務附著性，當它不和具體業務相結合時，其價值趨近于零；數據資產化第二和第三階段中，數據資產都要與具體業務相結合才能產生價值，而且和不同業務結合的數據資產會產生不同的價值，這就形成了數據資產場景經濟性和多維性的特點。故將數據資產價值評估劃分應用場景分別討論更具有現實意義。但由于應用場景的種類繁多，同時有交易場景下數據資產最終會流向市場，其價值會受到場景變換的較大影響，反觀無交易場景下，數據資產一般只與固定業務相關聯并創造價值，受到場景變化的影響趨近于零。故本文按照有無交易性將數據資產的應用場景劃分為無交易場景和有交易場景兩種情況，根據應用場景的不同特征采取不同方法進行價值評估。

四、數據資產價值評估

（一）無交易場景下的數據資產價值評估

1. 數據資產估值方法的確定。數字經濟時代的到來，讓企業商業模式發生了翻天覆地的變化。例如，無交易場景下用于精準營銷而產生的數據資產。通過對消費者數據進行處理后，采取有針對性的營銷策略，相較于傳統營銷，既幫助了企業更好地滿足了用戶體驗感，在提高成交率的同時也降低了營銷成本。對于此種企業通過分析自身產生的相關數據并創造價值的數據資產，可以將其視為一種廣義無形資產，那么傳統資產評估方法是否可用？對于成本法來說，估值時因未考慮數據資產的預期收益，評估結果會偏低；市場法因沒有交易難以在市場上找到相應的可比信息；收益法雖然能夠考慮到未來收益，相對前兩種較為全面，其折現率的確定又存在很大困難。故傳統估值方法不能直接應用于數據資產價值評估。數據資產的最大特性是不確定性，該不確定性與大多數資產的不確定性不能混為一談，更應被看成一種獲利的潛在可能性，這種未來創造價值的潛在性可以看作是一種看漲期權。因此，本文認為采用B-S期權定價模型進行無交易場景的數據資產價值評估較為合適。

2. B-S 期權定價模型在數據資產估值中的應用。首先，做出如下基本假設：第一，數據資產變化率服從正態分布，且漂移項和波動率為常數；第二，在市場上可以固定價格無限地買入和賣出數據資產；第三，市場上數據資產買賣不存在交易費用和稅收問題；第四，數據市場是風險中性的市場，不存在無風險套利機會；第五，該企業會持續生產數據資產。其次，根據B-S期權定價模型，得到數據資產的價值：

（2）執行價格現值K? 。數據資產化過程第二階段，形成數據資產的數據開始為企業創造價值。數據資產執行價格就是數據分析、維護費，即愿意持續擁有數據資產，并支付一定的數據分析、維護費。

（3）無風險利率r。一般選取同期的國債利率。

（4）波動率σ。因為無交易場景下用于精準營銷的數據資產類似于一種廣義的無形資產，因此可以參考類似的無形資產波動率進行計算。

（5）數據資產生命周期t。數據資產化的三階段即數據資產的整個生命周期，可以結合所處理數據集的容量大小、數據分析的難度以及數據資產應用場景等因素，根據法律保護期限、數據資產時效性、相關合同約定時間等確定。

將上述參數編制程序輸入MATLAB 中，可以得到最小二乘法蒙特卡洛模擬的結果。

（二）有交易場景下的數據資產價值評估

1. 數據資產價值構成。與無交易場景下數據資產被看作廣義無形資產不同，在有交易場景下，由于數據資產價值在形成過程中具有創造性、生產的一次性、獲利能力的不確定性、成本費用的模糊性、價值轉化過程中所面臨的風險性等特征，影響數據資產價值形成的因素更加復雜、種類更多，從而導致數據資產價值評估工作的難度更大。且有交易場景下理應通過活躍的市場交易確定數據資產價格，但由于數據資產自身的非競爭性和排他性，降低了市場活躍度。因此，必須從數據資產價值評估的各種影響因素入手，運用因素分析結合AHP 法進行價值評估更合理。

根據數據資產化三階段，第一階段是數據資產成本價值產生階段，第二和第三階段是數據資產應用價值和風險價值產生階段。從數據資產化的進程來看，數據資產風險也是數據資產價值的重要影響因素。例如，數據可能會因為一項法律條文的頒布導致價值化為零，因其無消耗性特點，在道德約束差的商業環境下還可能被惡意拷貝等，那么數據資產價值很快會變為零。此外，數據數量價值、數據質量價值和數據管理價值均可包含在數據成本之中，因這些價值都可在數據處理、清理、挖掘、分析和維護的過程中得到保證。故在有交易場景下，根據張志剛等[6]所給出的數據資產評估模型，并與上海德勤與阿里研究院構造的數據資產價值評價指標體系進行整合，得到數據資產價值構成及各部分影響因素，如圖1所示。

圖1 數據資產價值構成

2. 數據資產價值的估算。為了方便描述，以下數值均選取模擬數值，假設目標企業為A，其擁有的數據資產為出售給其他企業所用。

（1）運用AHP法確定影響數據資產價值因素的權重。邀請10 ～15位相關領域專家進行打分，各專家根據自身專業知識對數據資產價值影響因素的重要程度進行打分，并根據打分建立判斷矩陣如表1所示。滿足一致性檢驗條件，得到各指標對數據資產價值的影響權重系數為W1、W2、W3。

表1 判斷矩陣

（2）各價值指標的確定。

成本價值（B）。如果是企業自身經營過程中產生的，成本價值主要來源于數據管理、儲存、更新、分析的人力、物力費用之和，若是外購的，則直接利用外購價格計算。

應用價值（C）。對于數據資產的應用價值，可采用超額收益法計算。原因在于：一是數據資產與專利具有相似之處，而超額收益法最初是應用在專利的價值評估中；二是由于數據資產具有非實體性、非消耗性等特點，導致傳統資產評估方法受到限制。超額收益法認為企業的收益是由有形資產和無形資產共同形成的，并且可以單獨計算每部分的貢獻值。由于數據資產的非實物性，其應用后產生的收益為類無形資產產生的那部分收益，而且行業內不同企業的客戶資源、人力資本等無形資產雖有所差異且由此產生的收益有所不同，但整體相差不大，反觀數據資產，這一類無形資產的應用與否對收益會產生較大影響。因此，可以采用超額收益法來計算數據資產的應用價值。計算公式如下：

其中：超額收益是指持有該項數據資產所產生的收入增加額或成本減少額；i 為數據資產持有者要求的必要報酬率；n為數據資產使用期限。

風險價值D。根據企業歷年來因為該數據資產產生的法律訴訟費等或有負債或者預計負債的金額計算。

（3）數據資產價值計算。上述三個價值的加權平均數就是數據資產的價值。

五、不同應用場景下數據資產價值評估實例

(一)案例背景

北京市某網約車公司A，在行業內率先使用數據資產進行經營管理，并對外銷售相關數據產品。企業日常經營的數據經過處理形成可供使用的數據資產，分別用于精準營銷和對外出售。根據企業的信息披露可以看出，該企業從提出數字化轉型到數據資產能夠創造價值存在一個過渡期，該期間數據資產創造價值不是本文的研究范圍，故本文將評估基準日定為2021年11月16日。

目前已有較多企業利用數據資產創造價值，但對于數據資產的披露還不充分，相關數據資產數據無法準確獲取。本文根據李秉祥等[10]的研究提出合理假設：該企業用戶人數為100 萬人，平臺活躍系數為0.03，溢價率系數為0.3，單個用戶的價值為6元，網絡節點數約為90。日常數據整理、分析等工作需要的成本為20 萬元，用于數據維護更新分析的費用是30 萬元/年，行業內數據資產的平均生命周期為5 年。行業內平均收益率為25%。根據相關法律法規，企業每年用于該數據資產的法律訴訟費大約為20 萬元。并選取國泰安數據庫中2010 年1月～2020 年1 月十年期國債利率的平均值2.17%作為無風險利率，由于數據資產風險較高，故年收益波動率為0.24，查閱相關資料可得出租車行業折現率為16%。

(二)無交易場景下數據資產價值評估

假設：波動率σ=0.24；無風險利率r=2.17%；數據資產收益期限t=5年。

初始價值（S）。A 公司用戶人數N 為100 萬人，平臺活躍系數λ為0.03，溢價率系數K為0.3，單個用戶的價值d為6元，網絡節點數R約為90。

執行價格現值K? =25.863+22.296+19.221+16.569+13.728=97.677（萬元）。具體測算見表2。

表2 數據資產執行價格現值測算 單位：萬元

將上述參數輸入到MATLAB 軟件中，運用式（1）計算可得數據資產價值Vc=568.93（萬元）。

（三）有交易場景下數據資產價值評估

1. 邀請15 位專家進行評分。運用AHP 法確定的權重W1、W2、W3分別為13%、85%、2%。

2. 各指標具體測算。

成本價值（B）。A公司進行數據整理、分析等需要的成本為20 萬元，用于日常數據維護更新分析的費用是30 萬元/年，行業內數據資產的平均生命周期為5 年。因此，可得數據資產成本B=20+30×5=170（萬元）。

應用價值（C）。首先根據歷史數據進行A 企業各年收益的預測，然后計算各年收益現值，最后估算數據資產的應用價值。

2016 ～2020 年A 企業營業收入、出租車行業的平均收入與出租車的行駛里程如表3所示。

表3 2016 ～2020年出租車行業與A企業的相關數據

通過分析，A 企業營運收入、出租車行業的平均收入與出租車的行駛里程具有線性相關性，故采用最小二乘法進行一元線性回歸分析。行駛里程與出租車行業平均營業收入、A 企業營業收入的線性相關系數分別為0.982 和0.936，相關系數高，可以進行擬合。行駛里程與出租車行業平均收入和A企業營業收入的擬合函數分別為：y1=0.99x+183.44；y2=0.83x+240.32。根據擬合函數求得2021 ～2025年出租車行業平均收入和A企業年收入的預測值如表4所示。

表4 2021 ～2025年出租車行業平均收入和A企業營業收入預測數據

根據分成率、折現率計算出A 企業數據資產各年收入的現值如表5所示。

表5 數據資產應用價值測算 單位：萬元

將各年數據資產收益現值代入式（2）得到：

風險價值（D）。企業每年用于該數據資產的法律訴訟費大約為20萬/年，故D=20（萬元）。

3. 數據資產價值計算。V=B×W1+C×W2-D×W3=170×13%+594.42×85%-20×2%=526.96（萬元）。

六、結論

數據資產價值評估理論研究落后于實踐且沒有一個廣泛認可的標準體系，這嚴重阻礙了數據資產納入會計報表的進程和數據紅利的釋放，并為本研究提供了契機。從界定數據資產含義出發，分析數據資產化進程，按應用場景將數字資產劃分為無交易和有交易兩種情況進行估值。無交易場景下的數據資產可以看成一種廣義的無形資產，將其收益的不確定性確定為期權，適合利用B-S期權定價模型進行估值；有交易場景下的數據資產價值包括數據資產的成本價值、應用價值和風險價值三個部分，通過分析各部分的影響因素，并利用AHP 法結合超額收益法進行估值比較合適。

本文的創新點在于：一是將應用場景劃分為有交易和無交易兩種情況，分類討論適用的價值評估方法，拓寬了數據資產價值評估的研究思路；二是在考慮數據資產價值構成因素時引入風險因素，將傳統資產評估方法與AHP 法相結合，克服了數據資產評估受限于應用場景不同而價值不同的困境。鑒于數據市場還不夠活躍，相關法律法規也有待完善，本研究提出的方法有待市場檢驗。未來研究可按照數據資產對企業價值創造的作用路徑靈活選擇評估方法，也可以從數據資產風險入手，運用博弈論方法進行價值評估。

【注 釋】

①見德勤發布的《第四張報表——銀行價值管理白皮書》（2021）。

【主要參考文獻】

［1］葉雅珍，劉國華，朱揚勇.數據資產相關概念綜述［J］.計算機科學，2019（11）：20 ～24.

［2］朱揚勇，葉雅珍.從數據的屬性看數據資產［J］.大數據，2018（6）：65 ～76.

［3］穆勇，王薇，趙瑩，邵熠星.我國數據資源資產化管理現狀、問題及對策研究［J］.電子政務，2017（2）：66 ～74.

［4］曹玉珊，陳哲.企業信息資源資產化問題再探——基于信息資產分類視角［J］.財會月刊，2021（15）：75 ～81.

［5］李如.對大數據資產確認與計量問題的研究［D］.西安：西安理工大學，2017.

［6］張志剛，楊棟樞，吳紅俠.數據資產價值評估模型研究與應用［J］.現代電子技術，2015（20）：44 ～47+51.

［7］李永紅，李金驁.互聯網企業數據資產價值評估方法研究［J］.經濟研究導刊，2017（14）：104 ～107.

［8］張馳.數據資產價值分析模型與交易體系研究［D］.北京：北京交通大學，2018.

［9］丁博.基于AHP-模糊綜合評價法的互聯網企業數據資產評估研究［D］.重慶：重慶理工大學，2020.

［10］李秉祥，任晗曉.大數據資產的估值［J］.會計之友，2021（21）：127 ～133.