新平臺企業數據資產估值方法探討

■柴慈蕊

近年來，數字技術加速創新，日益融入經濟社會發展各領域全過程，數字經濟發展速度之快、輻射范圍之廣、影響程度之深前所未有，正在成為重組全球要素資源、重塑全球經濟結構、改變全球競爭格局的關鍵力量。《“十四五”數字經濟發展規劃》提出：在2025 年初步建立數據要素市場體系。這一規劃的提出將有助于準確估算數據資產價值，從而更好地調整企業的資源配置，提升數據資產的價值，實現數據資產的有效利用。但是，隨著數字社會的發展，平臺型企業已經成為主流企業，這就引出了平臺型企業的估值難題。尼蘇達大學的數據科學家和數據管理專家Amnon Lotem 和Willie Lohman 在《數字化社會的未來報表：從傳統到智能》（The Future of Reporting in a Digital Society： From Traditional to Intelligent）一文中指出，傳統報表提供的有用信息的比例可能會繼續減少，可能將降至5%以下。

財政部在2022 年12 月9 日發布了《企業數據資源相關會計處理暫行規定（征求意見稿）》，在該意見稿中明確了數據資產在確認、計量等環節應當遵循的基本準則。《企業數據資源相關會計處理暫行規定（征求意見稿）》的發布，標志著企業數據資源的相關會計處理開始向規范化方向發展，為企業的數據資源會計處理提供了全面的政策支持，但是，并未給出一個統一的估值標準，數據資產的估值問題依然沒有得到很好的解決。在本文中，我們將探討數據資產的估值方法。

一、數據資產的概念及特點

（一）數據資產的定義及影響其價值的關鍵因素

《企業數據資源相關會計處理暫行規定（征求意見稿）》認為，數據資產是指企業利用或準備利用的數據和相關信息，其價值以及其他有形和無形的數據權益，以及它們所帶來的其他價值。數據資產由企業定義并記錄，并具有由企業財務和技術部門識別和評估的價值，其價值可以在未來收益中體現。這些數據可能來自各種來源，如社交媒體、網絡搜索、客戶交易等。數據資產用于深入了解客戶行為、市場趨勢和其他業務決策。它們還用于開發預測模型和機器學習算法，以改善決策。數據資產能夠讓公司利用其數據做出更合理的決策，從而改善客戶體驗，提升競爭優勢。

（二）數據資產與無形資產的聯系與區別

數據資產是數據驅動型資源，具有容量大、速度快和種類多的特點。傳統的無形資產是代表企業某些經濟利益并用于產生收入的無形資產。數據資產與傳統無形資產的主要區別在于使用的數據類型和使用數據的目的。數據資產是收集和分析以生成見解或支持決策的數字數據。通常我們認識的無形資產，是非數字性質的。盡管存在不同，但數據資產與傳統無形資產又有著千絲萬縷的聯系。例如，數據資產可用于生成對客戶行為和趨勢的洞察，可用于創建新產品或服務，可能最終又會形成新的無形資產。 此外，大數據分析可用于識別無形資產貨幣化的新機會。

（三）數據資產的特點

數據資產的主要特點體現為以下幾點。

第一，數據安全性。安全性是估值數據資產的基礎，它決定著數據資產可能產生的收益率和未來價值。這包括加密、身份驗證和訪問控制等措施，以確保數據資產的安全性并防止未經授權的訪問。以平臺企業為例，數據資產與客戶關系密切相關，隨著互聯網的普及，個人生活已經全方位被互聯網籠罩，對個人信息的采集和利用成為一種日常現象和剛性需求，但是，隨著《個人信息保護法》的正式實施，以及以后越來越嚴格的監管，在數據資產的評估中，需要重點關注潛在的法律和道德風險，這將會帶來巨大的信用風險和成本。

第二，數據應用場景。數據資產價值的評估前提是應用場景的確定，只有在特定的場景下，才能合理估計數據資產的收益貢獻，測算經濟價值。屬于應用場景的大小是影響數據資產估值的重要因素，如果應用場景量較小，數據資產的估值也會降低。

第三，數據靈活性。數據資產的靈活性是其價值的關鍵因素。這指的是它適應不同類型分析的容易程度，或它如何在不同的背景下使用。

第四，數據可擴展性。可擴展性是指數據資產的能力，可以隨著可用資源的增加而增加。當需要處理更多數據或更復雜的數據時，可擴展性就顯得尤為重要。可擴展性可以幫助企業節省時間和資源，保持業務發展速度，為更多的客戶提供服務。

第五，數據準確性。數據準確性是指數據的正確性，如果數據準確度較低，估值也將受到影響。

二、傳統的無形資產估值方法

（一）收益法

收益法是無形資產估值方法中的一種，它的主要思想是根據無形資產的未來收益來估計無形資產的價值。它建立在一個基本假設上：一個資產的價值等于它未來收益的現值（PV）。其中，現值（PV）是把未來收益轉化為現在價值的函數，它是建立在折現率，期限和期數等因素之上的一個函數。收益法以復雜的統計模型為基礎，把未來收益和折現率等參數作為輸入，以計算出無形資產的現值為輸出，進而計算出其估值結果。

（二）市場法

市場法是無形資產估值方法中最常用的方法，也是最能反映市場價值的方法。它是以換取資產的市場價格為準繩，根據與該資產相關的相關交易價格，并結合交易雙方的財務狀況、風險報酬及其他因素，來估計資產價值的方法。 通常情況下，市場法估值資產時，首先要采集具有代表性的比較資產交易信息，并編制可以反映比較資產價格波動趨勢的比較價格曲線，然后結合比較資產的特征，計算出比較資產的平均價格，最后將被評估資產的特征與比較資產的平均價格進行比較，以此作為估計被評估資產價值的依據。

（三）成本法

成本法是指把無形資產的價值限定在創造無形資產的實際成本范圍之內。這種方法的基本思想是，當一個公司擁有一項無形資產時，它應該只能獲得花費在創造它們上的金錢和精力的報酬，而不能獲得比這個報酬更多的價值。這個方法的基本原則是：如果一個公司擁有一項無形資產，那么這個公司的價值不應該高于創造這項資產的成本。 傳統的無形資產估值方法——成本法的優點是，它可以精確地反映一項無形資產的價值，因為它只考慮了創造資產的實際成本，忽略了其他因素，比如潛在的商業機遇或其他潛在的價值因素。它還可以幫助公司把控投資風險，因為它可以讓投資者知道，他們投資的無形資產價值不會超出它們付出的成本。

對以上傳統方法在數據資產估值上的局限性進行分析，可得出以下結論，見表1。

三、數據資產價值評估新方法

（一）收益法、市場法和成本法的交叉確認法

盡管傳統的無形資產估值方法存在局限性，但仍然可以發揮出一定的作用。分析其使用情況，當市場足夠活躍，且買方場景存在效用評價及收益預期時，可以通過收益法、市場法和成本法的交叉驗證來確定企業的估值水平。

具體而言，就是通過收益法來確定投資者的期望收益，利用市場法來計算其他投資者的期望收益，以及利用成本法來確定企業的凈資本成本，最后通過收益法和市場法的比較來判斷投資者的期望收益是否符合市場定價，以及成本法和收益法的比較來鑒別企業是否具備足夠的市場競爭力來支撐其投資者期望的收益水平，以達到有效地確定企業估值水平，彌補單獨使用三個方法不客觀準確的目的。

（二）B-S 模型估值法

B-S 模型（Black-Scholes Model）是由芝加哥大學經濟學家Myron Scholes 和MIT 宏觀經濟學家Fischer Black 在1973 年提出的一種理論模型，主要用于描述金融市場中的期權價格變化規律，以及期權交易者及投資者行為表現。B-S 模型假定市場是一個完全開放的系統，資產價格具有隨機性，而所有投資者都是理性的，擁有完全相同的市場信息和投資策略。在這樣的假設下，B-S 模型提供了一種有效的評估期權價格的方法，可以根據市場的基本變量（比如資產價格、利率、波動率等），來計算期權的理論價格。

根據對影響數據資產估值的關鍵因素的研究以及B-S 模型（Black-Scholes Model）的特點。我們還可以考慮使用B-S 模型對數據資產進行估值。B-S 模型可以模擬市場行為，以及股票未來的價值，而不依賴于特定的市場狀況。它可以捕捉到投資者對公司未來價值的預期，以及資產負債表中的不確定性，并將這些因素融合在一起。此外，它還可以預測投資者在未來可能遇到的風險，從而更加準確地評估公司未來的價值。

在B-S 模型中，數據資產的未來現金流將按照一定概率分布，由投資者折現到現在，以計算出數據資產的價值。B-S 模型的估值過程可以分為三步：首先，需要確定數據資產的未來現金流，比如每年收入，支出，凈利潤等；其次，采用投資者所預期的折現率，對未來的現金流折現；最后，結合折現后的現金流，使用B-S 模型對數據資產進行估值。

四、結語

對數據資產估值方法的探討仍然有很多未解決的問題，仍然需要進一步研究。本文也是從理論的角度進行了探討。隨著科技發展和技術成熟，數據基礎設施的普及會使得大數據應用技術越來越普及，可以廣泛地應用于各個領域，實現數據的跨行業共享，從而加快了數據的分析和應用。同時，數據的價值可以更加直觀地顯現出來，通過大數據分析技術可以更加有效地挖掘出數據的價值，從而加快數據的價值的提升，這必然會推動數據要素市場體系的快速發展與改進。相信在不久的將來，國家政策、法規及相關標準將更具操作和指導意義，我們也會探索出更加科學、合理的數據資產估值路徑。■