面向數據信托的數據資產價值評估研究

包羽霏 郭樹行

摘要：在數據要素加速發展的時代背景下，我國提出構建數據要素統一大市場，推動建立數據要素流通市場化相關配置。數據資產價值評估過程沒有通用方法，阻礙了數據要素流通。本文在ISO9126軟件質量模型的基礎上增加了應用性這一維度，以及相應的增值性、變現性、共享性、稀缺性、風險性、場景經濟性這六個二級指標，并在功能性中加入了描述數據價值的二級指標——規模性與活躍性。本文對當前市場上的數據資產價值評估模型進行整合與完善，并運用層次分析法對數據資產價值進行定量評估。

關鍵詞：數據信托；數據資產價值評估；ISO9126軟件質量模型

1. 選題背景及研究現狀

隨著數據應用能力的不斷開發，數據資產的價值日益凸顯。從國家層面來看，中共中央、國務院印發的《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，要將數據要素市場化配置納入國家政策，助力數據要素市場化建設。從企業角度來看，供給側的數據資產一經開發就會有很高的邊際收益率。由于數據資產有非獨占性的特點，所以在不讓渡所有權的情況下可以進行多次交易，而數據本身不會有減損。消費側的數據資產同樣能發揮巨大作用，例如大數據可以了解每個人的喜好從而進行精準廣告投送，以低成本獲得高收益。因此，打通數據要素流通市場是釋放數據資產巨大潛力的必由之路。然而當前數據要素流通市場仍存在阻礙數據流通的難點亟待解決，其中便包括數據資產價值評估過程未有統一范式、價值評估結果未達成共識，導致數據資產交易風險增加。數據作為資產時與普通無形資產在性質上有所區別，數據資產的價值會隨著加工、使用次數、場景不同而變化，這便導致數據資產價值在評估上的難點。當前社會各界對于數據資產價值評估均有一定探索，但未形成公認的價值評估體系。

對于價值評估方法，目前常用的價值分析法有成本法、收益法、市場法等，這三種方法各有優劣，但都難以準確評估數據資產的價值[1]。其中，成本法難以評估通過交易獲得的數據成本，且數據資產價值更多取決于消費側，單純計算成本會使評估出的數據價值低于實際；收益法則難以評估、難以量化；市場法受限于當前數據交易市場仍不完善，無法提供廣泛全面的數據交易內容。層次分析法通過分解，將復雜內容分為多個影響因素，并在因素之間進行兩兩比較，結合相關專家判斷，計算出數據資產價值[2]。數據資產有其特殊性，而層次分析法可以結合目標的特性進行評價賦值，科學合理地評估數據資產的價值。綜上考慮，本文運用層次分析法對數據資產價值進行評估。本文在ISO9126軟件質量模型的基礎上，增添數據資產的特征維度，整合已有數據資產價值評估的研究成果，提出新的數據資產價值評估模型。ISO9126軟件質量模型沿用已久，故不對該模型進行較大改動，而是在ISO9126軟件質量模型基礎上添加描述數據資產價值的維度。

目前學者對于數據資產價值維度有一定研究成果[3]。例如中關村樹海數據資產評估中心提出數據資產有六個價值維度，分別為內在價值、業務價值、績效價值、成本價值、市場價值、經濟價值。李然輝將數據資產主要分為質量維度和應用維度，每個維度下有細分的子特性。上海德勤資產評估有限公司則在李然輝構造的數據資產評價指標體系中增加了風險維度。綜合以上及其他學者提出的數據資產價值評估維度以及ISO9126軟件質量模型，提出一個新的數據資產價值評估模型，形成相對全面的價值評估維度。

2. 成果模型

該模型是基于ISO9126軟件質量模型與其他數據資產價值評估體系的整合與補充。在原有的六個特性中增加了應用性，并在功能性下增加了規模性與活躍性作為子特性，在效率性下增加了時效性。模型如圖1所示。

具體分析如下：

2.1 功能性

2.1.1 規模性

規模性描述數據量的規模大小與完整程度[4]。一般來說數據規模越大，所攜帶信息也越多，數據資產價值越高。但二者并不一定是線性相關，還要參考適合性、準確性等其他子特性來進行綜合考量。完整程度描述數據資產沒有關鍵數據的缺失，如果有關鍵數據缺失則要花費額外的成本來進行補全。一般來說規模越大的數據完整性越好，因此將完整性歸到規模性中一并衡量。

2.1.2 活躍性

活躍性描述數據的更新頻次、更新效率、訪問次數。具體來說，數據的更新頻次、程度和訪問次數越多，數據資產的活躍性越強，數據資產的價值也越高。更新頻次多一般代表數據的實時性更好，更符合當下的實際情況，讓企業更加精準地掌握當下客戶的需求。更新效率與更新頻次一同描述數據的活躍性，若每次更新改進的內容很少，則更新頻次高也不代表數據與客觀世界的匹配程度高。

2.2 效率性

即時效性，它描述數據資產的實時程度，即最后一次更新時間與期望應用時間之間的差距。數據時效性越強，價值一般越高。數據的時效性決定了數據在特定時段是否有效。例如交通的實時路況就體現了數據時效的重要性，如果司機只能接收到幾十分鐘前的路況信息就無法準確判斷當前路況是否擁堵，從而繞行。而實時的路況數據提供了有效的判斷依據，價值明顯高于非實時的路況數據。

2.3 應用性

數據資產作為一項特殊的無形資產，其價值不僅在于自身的客觀條件，也在于用戶如何使用才能發揮出數據資產的價值。因而數據資產的價值確定不僅受到供給側影響，更重要的是從消費側出發，由消費側決定。應用性這一特性主要用于描述數據資產在應用過程中的表現，能否滿足用戶的業務訴求，用于衡量數據資產在用戶應用過程中可以產生的價值。應用性的子特性具體如下：

2.3.1 增值性

增值性描述數據資產經過一時期的經營管理可以提升的價值。增值性作為資產的根本特性，是衡量數據資產價值的重要指標。數據資產的增值性越好，其價值越高。數據資產一大特性便是其擁有很高的邊際收益率，一經開發便可以產生很高的價值。這也是當前企業開發數據資產的原動力之一。

2.3.2 變現性

變現性描述數據資產轉化為現金的難易程度。當數據資產可以簡單地轉化為現金且不需額外花費的情況下，變現性就強，一般變現性強的數據資產價值更高。

2.3.3 共享性

共享性描述數據資產同時可供訪問人數的多少，能同時為多少個主體提供服務。共享性是數據資產作為信息類資產的一大特征，具有非獨占性以及非零和性。若該數據資產可以同時供多個用戶訪問或支持多個程序運營，則可以減少數據冗余，節約一定的數據存儲空間，并且避免數據之間的不相容性。因此共享性越好的數據一般價值也越高。

2.3.4 稀缺性

稀缺性描述數據資產的獨有程度。例如中國的民航運輸旅客信息數據由中航信公司掌握，目前沒有其他公司擁有類似的數據。而電信運營商有聯通、移動、電信三家，它們各自在電信領域的數據稀缺性就不如中航信在民航領域的數據稀缺。具有稀缺性的數據資產通常包含了獨有的潛在商業信息，從而體現出更大的價值。

2.3.5 風險性

風險性描述數據資產所面臨的風險敞口。數據資產面臨的風險多種多樣，例如泄露風險、法律風險等。法律風險指在法律規定尚不明確的情況下，數據資產的交易是否可以進行、對數據資產價值有無影響。而當前的法律法規對于數據資產的交易規范還不完善，因此企業在面臨日益完善的數據監管時要合理評估數據資產面臨的法律風險，避免因數據資產使用受限而造成損失。

2.3.6 場景經濟性

場景經濟性描述數據資產對于應用場景的適合程度及能適用于多少個商業化應用場景。如前文所說，數據資產的價值取決于消費側如何使用，相同的數據資產在不同的應用場景下能發揮出的價值大不一樣。例如在醫療行業，患者信息一方面可以匯總至制藥公司進行藥物研發，也可以匯總至保險公司，為易患某類疾病的人群提供個性化或共性化保險服務，相同的醫療數據在制藥和保險兩個不同應用背景下所體現出的價值就不同。企業應當盡可能多地開發一項數據資產能適用的應用場景，適用的場景數量越多，不同場景之間的兼容性越好，數據資產的價值越高。

3. 應用

本模型運用層次分析法對數據資產進行價值評估[5]。層次分析法的運用步驟具體如下：

在擁有了層次結構模型后，首先根據已有的層次結構模型構建判斷矩陣，將同一特性下的指標進行兩兩比較，由專家運用標度表給各個子特性的重要程度打分，并進行一致性檢驗，如圖2所示。

一致性檢驗的原理是通過判斷矩陣特征根的數值變化來檢驗判斷矩陣中的數值是否有前后矛盾的現象。檢驗過程如下：首先令判斷矩陣的最大特征值為λmax，并定義一致性指標CI=（λ-n）/（n-1）。 CI越接近0時，一致性越強；CI的值越大則一致性越差。為了衡量CI的大小，再引入隨機一致性指標RI。最后定義一致性比率CR=CI/RI，當一致性比率CR﹤0.1時，即可認為該判斷矩陣通過了一致性檢驗。若所求判斷矩陣未通過一致性檢驗，則通過調整各子特性的標度大小，使其符合一致性檢驗標準。

判斷矩陣通過一致性檢驗后，其最大特征值所對應的特征向量就是該特性相對于上一級特性的排序。得出各個子特性相對于上一級特性的重要性排序后沿層級結構自下而上計算矩陣，則得到子特性對于目標的重要性權重，最后使用專家打分法為子特性評分，進行加權計算，得到該數據資產的價值指數。

上述層次分析法的使用較為不便，高階矩陣的運算過程繁雜，可以借助YAAHP軟件進行輔助運算[6]。確定每個子特性的重要性標度后將結果輸入YAAHP軟件，即可自動進行一致性檢驗，并輸出每個子特性相應的權重，大大簡化使用層次分析法的計算成本。本模型依托數據信托平臺進行應用，可以在信托平臺中加入類似YAAHP軟件的計算功能，從而實現基于數據信托平臺導向的、可以簡單應用的數據資產價值評估模型。

結語

當前數字經濟時代，構建數據要素統一大市場能夠讓數據發揮出巨大價值。本文是面向信托注冊模式下的數據資產的價值模型研究，為信托平臺提供數據資產登記注冊的標準維度，期望針對數據資產價值評估難提出一種可行的解決方案，對數據資產進行數字化描述。針對當前數據流通價值評估難這一痛點，本文首先在ISO9126軟件質量模型的基礎上提出數據資產價值評估模型，增加了應用性作為第七個特性，并在原有六大特性的子特性中添加了更符合數據資產特點的描述維度，運用層次分析法及YAAHP軟件輔助計算，得出量化的數據資產價值，打通數據要素流通過程中價值評估難的痛點。

參考文獻：

[1]高昂，彭云峰，王思睿.數據資產價值評價標準化研究[J].中國標準化，2021， （9）：90-93.

[2]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].重慶理工大學，2020.

[3]尹傳儒，金濤，張鵬，等.數據資產價值評估與定價：研究綜述和展望[J].大數據，2021，7（4）：14-27.

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

[5]王玉蘭.基于層次分析法的數據資產評估模型研究[D].天津商業大學，2018.

[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，2015，38（20）：44-47，51.

作者簡介：包羽霏，本科在讀，研究方向：數據資產價值評估。