企業數據產品分類分級評估方法及貢獻測度研究

■ 王進江 孫建忠

（北京中企華資產評估有限責任公司，北京 100020）

一、企業數據產品化及分類分級產品

生產要素是進行社會生產經營活動時所需要的各種社會資源，其組成隨著社會的發展而變化，現包括勞動、資本、土地、知識、技術、管理和數據，企業數據要成為市場上可交易的資產，需要進行數據要素化、資產化和產品化。企業數據要素化是新技術條件下，數字化的認知和信息作為一種關鍵的生產要素，將其投入生產可以產生增效。數據資產化通俗講就是將數據變成可以交易的資產就像房產、股票一樣，資產數據化和數據資產化是數字經濟的重要特征，資產數字化項目只要切入點選好很容易落地。然而，相比于資產數據化的突飛猛進，數據資產化卻在法律上和會計上遇到了一些障礙。[1]確權和入表有待頂層設計的完善，資產定價及其價值評估是數據交易的關鍵環節。數據產品化是有效運用數據分析實現產品的過程，從海量數據中挖掘出對用戶有價值的信息，以直觀、有效的表現形式，為用戶決策提供商業支持和服務。產品化就是把技術、服務通過標準化、規范化的流程形成一種可大規模復制生產和發布的能力，數據產品化就可以真正轉化為生產力，通過效率最大化實現利潤和回報的最大化。數據這一被譽為21 世紀的原材料[2]，需要逐步加工處理，數據處理的基本目的是從大量的、雜亂無章的、難以理解的數據中抽取并推導出對于某些特定的人們來說是有價值、有意義的數據，產品化的企業數據價值隨著共享開放廣度、加工處理和挖掘深度、數字技術新穎性、標準化和脫敏水平、應用力度、市場健全成熟度等的提高而提高。

數據分類分級是根據需要對分類的級別和種類進行描述，最主要的邏輯為先分類再分級。數據分類就是把具有某種共同屬性或特征的數據歸并，目的是為了實現數據共享和提高處理效率滿足企業自身運行要求，持續地為企業提供精準的數據服務。數據分級側重于按照劃定的某種標準，對同一類別的屬性按照高低、大小進行級別的劃分，目的是保護大數據環境下的數據安全、企業商業秘密等。企業大數據應用的關鍵點是數據來源、產品化和價值創造，數據可從互聯網抓取、從第三方獲取、在生產或服務經營業務中生成和使用等，其中抓取的技術能力是關鍵，既要有能力獲得足夠大的量又要有能力篩選出有用的內容，從第三方獲取的需要關注數據交易的穩定和可靠性。不創造價值的應用不是好應用，需關注應用是否實實在在地提升了能力、改善了績效。將工業數據分為一級（注：較小）、二級（注：較大）、三級（注：嚴重）等3 個級別。鼓勵企業在做好數據管理的前提下適當共享一、二級數據，充分釋放工業數據的潛在價值；二級數據只對確需獲取該級數據的授權機構及相關人員開放；三級數據原則上不共享，確需共享的應嚴格控制知悉范圍。[3]企業數據產品中自用的三級數據，原則上不共享其潛在價值主要是靠使用來間接體現，通過直接方式體現的應主要是企業鼓勵共享的一級數據和可局部共享的二級數據。

二、數據資產評估方法梳理

目前對擁有數據的數字經濟所屬企業評估在資產評估實務中是日常業務，針對數據資產本身的評估尚未展開。基于執行數據資產評估業務時參考，2019 年12 月31 日中國資產評估協會制定了《資產評估專家指引第9 號—數據資產評估》（簡稱“指引”），指引指出數據資產價值的評估方法包括成本法、收益法和市場法三種基本方法及其衍生方法。

（一）成本法

指引第十七條…成本法模型的表達式為：

（二）收益法

指引第二十一條收益法評估的基本計算公式為：

式中：P—評估值，Ft—數據資產未來第t 個收益期的收益額，n—剩余經濟壽命期，t—未來第t 年，i—折現率。 （2）

上式中的數據資產未來收益大多不能直接而是間接體現出來的，需通過間接方法量化。《IVS210無形資產》收益途徑…（a）超額收益法；（b）許可費節省法；（c）增量收益法或有無對比法；（d）綠地法；（e）分銷商法。[5]數據資產評估收益途徑的具體模型應有超額收益法、許可費節省法、增量收益法、綠地法。

1.超額收益法

用歸屬于標的數據資產的現金流量的現值來確定該項數據資產的價值，在現金流量中已扣除來源于其他對現金流有貢獻的資產的相應貢獻，分子基本公式：

2.許可費節省法

虛擬的許可使用費是由于擁有該項資產而可以節省向第三方定期支付許可費所節省的金額，基本公式：

3.增量收益法

比較兩種情境下的企業價值差異指示數據資產的價值：一種是使用標的數據資產；另一種是不使用標的數據資產（其他不變），可用（2）式表示，Ft即兩種情形下收益差異。

4.綠地法

假設標的數據資產在評估基準日是企業唯一資產，并預測未來現金流來確定標的數據資產價值，其他所有的有形和其他無形資產須通過購買、建造或租賃取得，可用（3）式表示。

（三）市場法

指引第二十六條市場法通過以下公式中的因素修正評估數據資產價值：

（四）衍生方法

1.數據勢能模型

該模型是普華永道研發的，數據勢能模型適用于經過精細化加工處理后形成一定應用場景的數據資產，基本公式：

數據資產價值V=數據系統構建成本m×潛在經濟價值呈現因子g×潛在社會價值呈現因子h[7]（6）

2.DEVA 法

更多關注用戶與用戶間的互動和關聯產生的價值，通過計算用戶自身價值及其附加值得出，基本公式：

3.實物期權法

用于不確定的市場環境下的資產或權益，其考慮了管理決策者在投資、生產以及產品研發等問題決策中的選擇權，反映資產的選擇權價值。

4.基于洛倫茲變換和PageRank 算法

以洛倫茲變換和PageRank 算法為理論基礎依據，基本公式：

5.參與者利潤最大化模型

通過最大化利潤來衡量參與者（數據提供者、數據市場、數據消費者）期望利潤及為獲取期望利潤應投入的數據和勞動力，從而決定是否進入市場，模型求解時可以將數據提供者視為博弈的領導者、市場及數據消費者為跟隨者。[10]

6.模糊綜合評價法

基于模糊數學的綜合評價方法，通常采用層次分析法，請專家針對數據的各評價指標進行打分，將定性評價轉化為定量指標，最終得到數據資產價值。

7.神經網絡模型

收集公開數據資產交易，分析影響數據資產成交價格的相關因素，通過神經網絡模型對成交數據價格的變動進行模擬，在此基礎上建立樣本中輸入變量和輸出變量的關系，隨后帶入未成交數據資產的因素變量，就可以得到這些數據的價值。

筆者認為，數據勢能模型是成本法衍生方法；DEVA 法、基于洛倫茲變換和PageRank 算法、神經網絡模型是市場法衍生方法；實物期權法是收益法或市場法衍生方法；參與者利潤最大化模型是收益法衍生方法；層次分析法適宜用于各無形資產或各生產要素貢獻分割，企業價值即各生產要素總價值宜采用基本方法衡量。

三、企業數據產品價值特點及評估方法選擇

（一）工業數據部分特征

首先時效實時性強。數據基本信息是描述交易數據…包括但不限于：…發布日期、更新頻率、更新日期等。[11]從數據治理角度，數據一般分為數據元、元數據、主數據、參考數據、交易數據等，交易數據變化頻繁。工業數據采集、傳輸和應用等全處理流程耗時過長就難以在生產過程中發揮價值，工業數據產品范圍邊界動態變動具有時效性和實時性強的特點。

其次差異個性化強。數據資產…有別于其他有形資產…非競爭性是數據資產在經濟管理方面的主要屬性，指不同的使用者可以同時、無限次數地重復使用數據，而不會相互干擾。[10]非競爭性是數據的共有特征，對于工業數據還有企業為了差異化競爭需要，數據有較多個性化特征。

再次創新準確度高。創新是有目的的、講究新穎性的實踐活動，雖然對各行業創新是主基調，但工業領域更為突出一些，此亦映射到工業數據上。另外，在工業數據的很多應用場景中，對準確率的要求高，預測和分析需達到99.9%甚至更高。

（二）企業數據產品價值部分特點

首先采集和使用成本受數字技術影響大。以云計算為代表的新型數據處理技術，大幅降低企業數據處理的成本支出。這對以成本為基礎的成本法評估來說，對數據產品價值的影響是較大的。

其次以使用權價值體現是數據資產交易主要形式。現在的專家學者研究和指引中的數據評估方法大多是數據資產所有權的估計，非競爭性特征使數據資產所有權與使用權分離較為明顯，以使用權價值體現數據資產交易將是主要形式。

再次數據價值轉化場景極為豐富，在評估基準日往往無法涵蓋全部的應用場景，且價值體現多為間接，企業最終產品或服務產生的價值需通過分割來體現數據產品價值。

（三）企業數據產品價值評估方法

在數字經濟時代，擁有數據產品的企業其數據產品對于企業及其戰略是極其重要的，其中研發、生產、運維數據是圍繞企業生產過程中積累的數據，這些數據是價值增值的體現，是決定企業差異性所在。企業對其合法、正當途徑采集、獲取、生成的數據享有合法權益。[12]對數據分級，工信部的分級有國家層面、企業層面之分，同一數據站在不同層面其分級是不盡一致的，企業最核心數據劃分為三級、次核心數據劃分為二級，非核心數據劃分為一級。

1.最核心數據

對這部分數據產品進行管理等咨詢目的評估時，整體宜采用成本法（包括其衍生方法，其他方法同）、超額收益法、綠地法；并購等交易目的時，企業整體采用成本法、收益法，其中成本法中企業全部數據資產宜采用超額收益法、增量收益法、綠地法；單體或資產組的評估宜采用成本法、增量收益法、許可費使用法。

2.次核心數據

對這部分數據產品進行管理等咨詢目的評估時，整體宜采用成本法、超額收益法并結合AHP 法；并購等交易目的時，整體宜采用超額收益法并結合AHP 法、增量收益法；單體或資產組宜采用增量收益法、許可費使用法。

3.非核心數據

對這部分數據產品進行管理等咨詢目的評估時，整體宜采用成本法、增量收益法；并購等交易目的時，整體、單體或資產組宜采用增量收益法、許可費使用法、市場法。

非獨占使用權評估時，應在所有權評估的基礎上，考慮市場上需求方平均應用場景規模、市場價格等因素做小于1 的系數修正。

四、數據成本法評估相關參數的確定

筆者認為，（1）的公式實質上是數據資產重置全價的公式，由于數據資產具有時效實時性特征，數據資產存在功能性貶值和經濟性貶值，參照重置評估值=重置全價×成新率的重置成本法公式，數據資產評估值應在（1）的基礎上乘以（1-貶值率），即：

1.TC

對于評估中成本法，TC 應是評估基準日重置全價而非歷史實際成本，重置包括復原重置和更新重置，數據資產重置全價宜按更新重置成本，重置全價=工作量×單位價格，數據工作量為在評估基準日數據采集、存儲、檢索、加工、變換和傳輸效率下完成委估數據量（單位G 或T、TB…）花費的時間長度，單位價格為評估基準日的有效價格，更新工作量亦可在復原工作量的基礎上乘以（1-效率提高率）確定。

2.R、U

對于成本投資回報率，不宜采用數據資產應用場景下所在企業自身的，宜采用以數據交易為主營業務企業的平均值，且這個回報率隨著權益保護的強化和規范而走低。對于U，指引第十九條對U 中各參數有較詳細描述，數據質量系數α 是U 中最主要參數。數據質量是指數據固有質量，可以通過對數據完整性、數據準確性和數據有效性三方面設立約束規則，利用統計分析數據是否滿足約束規則完成量化。[4]能力等級標準如下：a）第1 級：初始級…b）第2 級：受管理級…c）第3 級：穩健級…d）第4 級：量化管理級…e）第5 級：優化級…。[13]評估人員對數據質量系數α 可在按指引操作的基礎上，考慮數據管理能力成熟度管理模型中委估數據資產所在企業在數據質量方面能力分析評估結果等級綜合確定。

3.貶值率

數據資產功能性貶值和經濟性貶值在數字經濟時代主要是功能性貶值，其可：

五、數據收益法評估相關參數的確定

企業數據資產需與貢獻資產一起方能共同產生收益，貢獻資產包括營運資金、有形非流動資產、組合勞動力、可辨認無形資產（除數據資產外）等貢獻資產。收益途徑超額收益法、增量收益法、許可費節省法、綠地法幾個具體模型，增量收益法適用于數據資產收益可直接量化的，間接體現需要從企業總收益中分割出數據資產收益的適用于超額收益法、綠地法；許可費節省法中分子是企業總收益（收入或利潤）乘以分成率，這個分成率是經驗數值，目前尚無數據資產收入或利潤分成率的統計研究。數據資產成本與其價值是弱相關的，成本法是企業管理咨詢目的的評估方法之一，對外交易時宜通常采用收益法，超額收益法是核心模型，且財務目的評估可在收益折現值上加稅務攤銷收益TAB。

筆者認為，數據資產折現率應分三步確定，第一步計算數據資產所在企業的WACC，第二步計算無形資產折現率，第三步計算數據資產折現率；在采用企業整體收益法或數據資產采用超額收益法情形下，為驗證數據資產折現率合理性，應進行WACC 與WARA 平衡檢驗。

三級指標數據時效：剩余經濟壽命期是關鍵參數，數據資產是有限期，數據資產剩余經濟壽命期的確定需要考慮：法律保護期限、相關合同確定期限、主數據產生更新時間和時效性、權利狀況、產品或者服務的合理收益期，筆者認為，在上述因素分析基礎上，應按熟短原則確定數據資產剩余經濟壽命期，且隨著社會發展總體應是遞減趨勢。

六、數據市場法評估相關參數的確定

參照《房地產估價規范》GB/T 50291-2015 中市場法關于修正幅度的規定，筆者認為，技術修正系數×…其他修正系數的連乘積即綜合修正系數絕對值不得大于30%，技術修正系數、…其他修正系數各自的修正系絕對值數不得大于20%,至少3 個可比交易案例修正后最高值/最低值不宜大于1.2，否則選擇的可比案例不符合要求，另外根據該公式其他修正系數應包括交易情況修正系數（如交易價格非正常成交需修正）、時效實時性修正系數等。

1.可比案例和期日修正系數

對于類似數據資產，可以從相近數據類型和相近數據用途兩個方面獲取。[4]數據應用場景從縱向角度包括精準化營銷、決策支持、數據風控、產品運營、效率提升等。可比案例至少是交易時間至評估基準日在3 年以內、數據類型和縱向用途相似的。期日修正系數=評估基準日價格指數/可比案例交易日價格指數。[4]在有數據市場交易價格指數的情形下可依據該指數，在沒有數據市場交易價格指數的情形下可依據滬深股市指數或與委估數據資產應用相關類板塊指數，因為這個指數是與委估數據資產應用相關的。

2.技術、容量、價值密度修正系數

技術修正系數主要考慮因技術因素帶來的數據資產價值差異，通常包括數據獲取、數據存儲、數據加工、數據挖掘、數據保護、數據共享等因素。[4]為便于量化，可用效用U 中的質量修正系數替代。一般情況下，價值密度接近時，容量越大，數據資產總價值越高…容量修正系數=評估對象的容量/可比案例的容量。[4]有效數據（指在總體數據中對整體價值有貢獻的那部分數據）占總體數據量比重越大，則數據資產總價值越高。[4]有效數據比重可參照效用U 中數據流通系數里的參數計算替代：

七、基于數字經濟的數據產品貢獻測度

對于數字經濟中企業的數據產品貢獻測度，筆者認為，可行的方法至少有三種：主客觀賦權法、C-D 生產函數模型、多期超額收益模型。主客觀賦權法包括主觀賦權法（主要包括層次分析法（AHP）、德菲爾法、模糊綜合評價法等）和客觀賦權法（主要包括熵值法、因子分析法、聚類分析法等），主客觀賦權法在實務中多采用的是AHP 法，AHP 法就是采用向專家問卷調查（根據筆者以往應用經驗，調查對象至少5 位，包括企業決策層和負責財務、市場、研發、運營的主管以及行業內專家、用戶、員工、評估師等，一般2-3 輪方能一致性檢驗通過。）打分方式對含數據資產的各生產要素進行兩兩對比賦值（1 到9 數值，比較重要性最高為9、最低為1），通過矩陣的數學方法來分析確定各生產要素在經營成果中的貢獻，AHP 法結果受問卷調查對象及其理解、調查前輔導講解及其獨立、調查來回次數等關系較大。多期超額收益模型就是根據數據資產所述收益與各貢獻資產貢獻回報額在無負債現金流中的比重，確定各生產要素在經營成果中的貢獻的一種方式，在采用多期超額收益法對數據資產評估時，根據數據資產多期超額收益法評估測算表，即可確定各生產要素在經營成果中的貢獻。

C-D 生產函數（柯布-道格拉斯生產函數）的一般形式是Y=ALαKβ，其中Y 為生產中的產出、A為大于0 的常數又稱為效率系數或綜合要素生產率、K 為生產中投入的資本、L 為生產中投入的勞動。自主創新投入產出函數服從，其中K、L、A 分別指自主創新的資本、人力及技術投入要素，Y 代表創新產出量，C 代表系統內影響產出的其他確定性因素，μ代表影響產出的隨機性因素[15]。2021 年4 月中國信息通信研究院發布了《中國數字經濟發展白皮書》，附錄一數字經濟測算框架中增長核算賬戶模型為：其中OTPit表示國家i 在t 時刻內的總產出、HAit表示希克斯中性技術進步、表示ICT 資本、表示非ICT 資本、MIDit表示中間產品、LABit表示勞動力。筆者認為，在生產要素為勞動力、資本、技術、土地、數據下，C-D 生產函數模型可進一步調整為：

（14）式解析公式、結果輸出表、C、臨界值檢驗：

Linest(Ln(Y),Ln(L:D),TRUE,TRUE)

C=EXP（LnC）

一是方程顯著性檢驗臨界值=FINV(a,K,n-K-1),一般取a=0.05 或0.01，K 為生產要素數，n 為生產要素時間序列數（建議7 年及以上歷史期）。如果F 值大于等于臨界值，則F 檢驗通過，否則不通過；二是變量顯著性檢驗t 檢驗。

C 值隨生產要素單位變動，在其他條件不變的情況下，彈性是生產要素勞動力、資本、技術、土地、數據增加1%，產出增加α%、β%、γ%、μ%、δ%，即各生產要素在經營成果中的貢獻。

八、數據資產價值評估及貢獻測度案例

A 是擁有數據資產的制造企業，評估對象為A公司所屬整體數據資產的市場價值，財報目的，評估基準日為2015 年12 月31 日，就委估數據資產在當前應用場景下的價值采用超額收益法予以評估（金額單位：萬元）。

1.數據資產貢獻率的確定。評估人員結合委估數據資產應用的商業模式和盈利模式，通過訪談等識別程序，確定A 的組合無形資產為：數據資產、客戶資源、專利、管理模式、商標，評估人員采用AHP 法確定組合無形資產貢獻率（取整）為數據資產40%、客戶資源20%、專利20%、管理模式10%、商標10%。

2.數據資產相關無負債現金流的預測、數據資產超額收益的確定。經分析同類數據資產的營運數據，確定年平均流失率約為20%，預測期當年按其上一年末留存數值衰減即非線性衰減，經衰減后無負債現金流為：

3.數據資產折現率、評估值確定和WARA 檢驗。經計算WACC 為12%，采用（12）式、（13）式計算，無形資產稅前折現率和數據資產稅前折現率為17.77%、18.28%，數據資產稅后折現率為13.71%。采用期中折現，數據資產超額收益折現值為3 939.86萬元，稅務攤銷收益TAB 為598.53 萬元，合計折現值為4 538.39 萬元。WARA 經計算為12.51%，較WACC 相差0.51 個百分點，相差4.25%，基本合理。

表1 數據資產相關無負債現金流

表2 數據資產超額收益

4.生產要素貢獻測度。根據超額收益法中的數據，進行A 公司生產要素土地、勞動力、資本、技術、數據貢獻測度，其中土地使用權賬面價值在有形非流動資產賬面價值中的比重是17%，資本包括營運資金、除土地外有形非流動資產，按預測首年計算結果是土地、勞動力、資本、技術、數據的貢獻度分別為5.34%、31.98%、9.93%、17.58%、35.17%。