物流企業數據資產價值評估模型構建

■ 吳靜靜 張曉媛 楊英英

（山東青年政治學院會計學院，山東濟南 250103）

一、引言

2020 年6 月，國家發展改革委、交通運輸部發布《關于進一步降低物流成本的實施意見》，提出要提高現代供應鏈發展水平，研究制定現代供應鏈發展戰略，加快發展數字化、智能化、全球化的現代供應鏈。2021 年12 月，國務院印發《“十四五”數字經濟發展規劃》，提出要加快數據要素市場化流通。鼓勵市場主體探索數據資產定價機制，推動形成數據資產目錄，逐步完善數據定價體系。規范數據交易管理，培育規范的數據交易平臺和市場主體，建立健全數據資產評估、登記結算、交易撮合、爭議仲裁等市場運營體系，提升數據交易效率。

政府對數據這一要素的重視以及數字化技術的發展，驅使企業商業模式和運營模式發生變化。越來越多的物流企業推行數字化轉型，創新數字物流營運模式，通過人工智能、大數據平臺整合物流資源，賦能產業鏈，數據資產在物流企業運營過程發揮的作用愈加顯著。

而數據資產價值評估與價格確定是數據能夠實現市場流通的重要一環，是促進數據發展成新的關鍵生產要素的基礎性工作（歐陽日輝和杜青青，2022）[5]。但由于數據的特殊性，還未能形成標準的數據資產評估方法體系與研究路徑（范文仲，2022）[9]。為了進一步促進數據資產在物流企業發展中發揮更大作用，進而提高企業的市場占有率，亟需完善物流企業數據資產價值評估體系。

二、文獻綜述

（一）數據資產界定

將數據作為資產，目前還未形成標準化定義。劉玉（2014）[19]提出了這樣的大數據資產概念：大數據資產指的是那些可以數據化，同時在企業運營過程中預期可以創造收益的一系列數據，數字、文字、圖像、溝通信息等都屬于其范疇。張志剛（2015）[18]結合資產的定義將數據資產界定為：企業通過生產經營活動形成的，可以控制其產生、獲取、處理、存儲、傳輸和應用全過程，并且預期可以帶來收益的數據。2019 年12 月31 日中國資產評估協會印發《資產評估專家指引第9 號——數據資產評估》，本專家指引所指數據資產是由特定主體合法擁有或者控制，能持續發揮作用并且能帶來直接或者間接經濟利益的數據資源。高華，姜超凡（2022）[6]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、可計量且可讀取的特征。

（二）數據資產特征及價值影響因素

張志剛（2015）[18]認為數據資產價值評估受到數據資產的成本和應用影響，所以基于成本和應用兩個角度，分析數據資產的價值由哪些要素構成，并探究對其價值產生影響的主要因素，進而來評估數據資產價值。Shen（2016）[17]基于數據特征構建數據資產價值評估指標體系，包含基于價值的指標（數據對用戶的價值）、數據屬性指標、固定和邊際成本指標。Yu（2017）[16]以數據質量為基礎構建雙層規劃估值模型，認為數據質量是數據資產價值的主要影響因子。李永紅,張淑雯（2018）[15]剖析數據資產價值后發現，影響數據資產價值的因素為企業規模、數據覆蓋程度、數據完整性、數據外部性、數據時效性、數據相關性和信息系統、人才技能、消費者需求。劉雁南，趙傳仁（2023）[1]認為影響數據資產價值的因素很多，復雜性和特殊性較強，數據資產價值構成主要包括數量價值、質量價值、管理價值、應用價值和風險價值，數據資產的價值具有不對稱性、多變性以及存在外部性，這些都會影響其價值。劉云波（2023）[2]總結數據資產的基本特征包括非實體性和可復制性、非競爭性和弱排他性、多樣性、可加工性、時效性和價值易變性。

（三）數據資產價值評估方法

數據資產所反映出來的信息能夠被多方所利用，為企業帶來巨大的價值，因此，數據資產的價值評估顯得尤為重要（李永紅，張淑雯，2018）[15]，眾多學者開始對數據資產的價值評估方法進行研究。左文進，劉麗君（2019）[14]探究大數據產業發展現狀，由此發現大數據資產估價的實用價值。然后，將經典資產估價方法與Shapley 值法和破產分配法則相結合，設計了大數據資產分解估價方法，進而構建出適應現狀條件的大數據資產估價方法選擇體系。最后，將新方法應用于案例企業，證明其科學合理性。王靜，王娟（2019）[13]將B-S 理論與層次分析理論綜合運用于互聯網金融企業數據資產價值評估，通過對數據資產的影響因素進行分類和賦予權重，最終分析測算出數據資產價值。閉珊珊，楊琳（2020）[11]基于CIME 模型研究設計數據資產評估工具，為數據資產評估的體系構建和落地實施提供參考。陳芳，余謙（2021）[10]綜合分析數據資產存在的特殊風險，改進超額收益法的指標構建，并以醫藥企業數字化轉型為例，評估其數據資產價值。祖廣政，朱冬元（2022）[8]認為數據資產在定價過程中存在大量模糊且不確定的信息，對數據資產進行精確的、無偏的定價較難實現，故將模糊數學理論與B-S 模型相結合，運用模糊區間求出相關數據資產的定價范圍區間，對數據資產的定價估值提供一些參考。張玲玉，冷建飛（2023）[13]運用實物期權理論和層次分析法改進傳輸資產評估方法，首先利用實物期權法得到企業無形資產的收益貢獻，其次利用層次分析法與蒙特卡洛模擬相結合的方法對數據資產的貢獻進行計量，最后得到數據資產在企業發展中的貢獻程度。

（四）物流企業數據資產價值評估研究

現有文獻中物流企業數據資產的相關研究較少，關于數據資產價值評估的探究更多地集中在互聯網企業。但是越來越多的現代物流企業將大力發展數字物流提升至企業戰略層次，通過構建數據分析平臺，獲取海量的客戶數據，實現流量變現，從而獲取較高的超額收益（丁弘毅，吳孝靈，2023）[4]。李虹，鮑金見（2020）[12]研究我國物流企業數據資產，基于數據流動性和收益性的特點，構建出物流企業大數據平臺，以物流企業業務層面具體情況為基礎，利用大數據技術整合企業數據信息，細化數據資產確認過程。崔葉，朱錦余（2022）[17]通過深入分析智慧物流企業價值實現途徑，從價值創造過程和價值轉移過程兩個方面探索物流企業數據資產價值變現途徑，為數據資產價值的剝離奠定基礎。

（五）文獻述評

通過現有文獻可以看出，學術界關于數據資產價值評估的研究尚未成熟，未能對數據資產進行統一的標準化定義，也未形成系統可行的數據資產價值評估體系，并且現有研究涉及行業范圍較小，無論是理論界還是實務界，均需進一步深入研究。同時，由數據資產的特征研究可以發現，數據資產與無形資產類似。因此，本文將運用無形資產的評估方法，結合物流企業的數字化系統運營情況，構建合適的多期超額收益模型分享測算企業的數據資產價值。

三、物流企業數據資產價值評估模型構建

近年來，物流企業為應對數字經濟發展帶來的機遇與挑戰，投入大量人力物力進行數字化平臺研發，積極探索數字化轉型縱深賦能，廣泛應用大數據、人工智能等先進技術，持續提升科技創新和研發應用能力，加強數字化系統生態建設，構筑全網一體的基礎競爭力。數據資產在物流企業提高競爭力、增加收入等方面發揮越來越大的作用，在物流企業整體收益中數據資產所貢獻的收益就是其帶來的超額收益。

（一）多期超額收益模型構建

多期超額收益法是通過分析預測歸屬于目標資產的各期預期超額收益，進而計算其在評估基準日的現值之和，最終測算出該資產價值的一種評估技術思路。根據這一技術思路，本文結合物流企業的資產構成特點，將企業整體收益的貢獻資產分為流動資產、固定資產、表內無形資產、表外其他無形資產和數據資產，構建多期超額收益模型如下：

其中，V 表示物流企業數據資產價值，E 表示物流企業自由現金流，Ec、Ef、Ei1、Ei2分別表示流動資產、固定資產、表內無形資產、表外其他無形資產對企業自由現金流的貢獻值，r 表示折現率，n 表示收益期。

（二）模型參數確定

1.企業自由現金流量

本文用企業自由現金流量來表示企業的整體收益，它指的是企業產生的，扣除稅收、必要的資本性支出和營運資金增加之后，可以分配給債權人和股東的現金流量，最適合用來表示企業的整體收益。采用以下方法計算企業自由現金流：

企業自由現金流量=息稅前利潤-所得稅+折舊及攤銷-資本性支出-營運資金增加

息稅前利潤=營業收入-營業成本-營業稅金及附加-管理費用-銷售費用

2.資產貢獻值預測

（1）流動資產貢獻值

流動資產指的是可以在一年或者一個營業周期內變現或耗用的資產，其在使用過程中整體價值通常不會改變。因此，對于企業和投資者而言，流動資產沒有折舊或者損耗，它的貢獻值只包括投資回報，流動資產的投資回報率根據同時期的一年期銀行貸款利率確定。

流動資產貢獻值=流動資產年平均額×流動資產投資回報率

（2）固定資產貢獻值

企業的固定資產使用周期較長，并且在使用過程中會不斷發生損耗，針對不同的固定資產均會選擇合適的方法進行折舊。所以固定資產的貢獻值除了固定資產的投資回報，還需要考慮對其日常使用的損耗的補償。因此，固定資產的貢獻值由固定資產折舊補償和投資回報兩部分組成。鑒于大多數固定資產的折舊年限在五年以上，固定資產的投資回報率通常取五年及五年以上同期銀行貸款利率。

固定資產貢獻值=固定資產折舊補償+固定資產投資回報

固定資產投資回報=固定資產年平均額×固定資產投資回報率

（3）表內無形資產貢獻值

無形資產包括表內無形資產和表外無形資產，物流企業的表內無形資產通常包括土地使用權、計算機軟件、商標權、專利權等等，這些表內無形資產與固定資產類似，在使用過程中會按期進行攤銷。因此，表內無形資產的貢獻值也是由攤銷補償和投資回報兩部分構成。表內無形資產的法定保護期限一般較長，通常也選擇五年及五年以上同期銀行貸款利率作為其投資回報率。

表內無形資產貢獻值=無形資產攤銷補償+無形資產投資回報

無形資產投資回報=無形資產年平均額×無形資產投資回報率

（4）表外其他無形資產貢獻值

本文中表外其他無形資產指的是物流企業除數據資產以外的表外無形資產，主要包括人力資本。對于人力資本參考已有研究可知，其貢獻值由勞動力年投入額和勞動力貢獻率決定，并且勞動力年投入額取企業財務報表中應付職工薪酬的數值，勞動力的貢獻率參照我國經濟增長中的平均人才貢獻率。

人力資本貢獻值=勞動力年投入額×勞動力貢獻率

3.收益期

本文中的收益期是指物流企業使用數據資產可以產生超額收益的期間。當前各大企業都在加大研發投入，積極推進數字化轉型，這使得行業整體的數字化水平不斷提高，數據更新加快，數據時效性增強。因此，企業的數據資產并非是永續存在的，其收益期不是永續的，為得到更加合理準確的數據資產價值，其收益期不應過長。

4.折現率

測算無形資產折現率的一種常用方法就是回報率拆分法，根據數據資產的特征可以判斷其屬于無形資產的范疇，本文將使用此常用方法確定其折現率。首先運用加權平均資本成本模型測算出圓通速遞的整體回報率，再確定企業內流動資產、固定資產和無形資產各自所占的比例，估計出流動資產和固定資產的回報率，進而分割出無形資產的回報率。

企業的加權平均資本可以通過以下公式測算：

其中，WACC企業加權平均資本成本，E表示股權價值，D表示付息債權價值，Re表示股權回報率，Rd表示債權回報率，T表示企業所得稅稅率。

股權回報率通常運用資本資產定價模型確定：

其中，Rf表示風險回報率，Rm表示市場平均收益率，β 表示風險系數。

在企業整體回報率的基礎上，拆分出流動資產和固定資產的回報率，倒算出無形資產的回報率，可使用以下公式進行測算：

其中，Wc、Wf、Wi分別表示流動資產、固定資產、無形資產占總資產的比例，rc、rf、ri分別表示流動資產、固定資產、無形資產的回報率。

四、案例分析

（一）案例選取

隨著新一代科技革命的加速推進及數字經濟時代的到來，新興科學技術的研究與應用業已成為推動物流企業突破傳統行業邊界、實現轉型升級的新動能。圓通速遞秉承“數字化、移動化、實時化、可視化”原則，調整和轉變管理思路，強化技術創新驅動，推進大數據、云計算、人工智能等新興科技在業務運營中廣泛推廣和運用，并引入互聯網思維打造先進信息化工具，加速業務運營管控工具迭代更新，重構業務流程和管理制度，全面推進數字化轉型。圓通速遞從2009 年開始不斷投入資金研究開發用于本企業的智能化平臺——“金剛系統”，一期工程于2011 年上線。圓通速遞內部研發人員可以對上述系統進行升級和獨立運營，并且將該系統服務于本公司的快遞業務，提高效率。公司以此系統為底層數據系統，開發了全鏈路管控系統，并形成了包括“管理駕駛艙”、“網點管家”、“客戶管家”、“行者系統”等核心系統和平臺，覆蓋攬收、中轉、派送、客服等全業務流程，實現了對快件流轉全生命周期的信息監控、跟蹤及資源調度，為公司服務質量、時效提升、成本管控、網絡管理等提供了有效抓手，公司日常監控與考核單元逐步細化、精準，管控邊界進一步延伸，管理效率逐步提高，業務運營數字化、信息化、智能化水平明顯提升。本文選擇圓通速遞作為案例企業，對其數據資產價值進行評估，提供理論參考。

圖1 圓通速遞信息化平臺

（二）參數測算

圓通速遞于2009 年開始研發數字化系統，并于2011 年完成一期上線，數據資產開始產生超額收益。由于圓通速遞于2016 年完成上市，2017 年至2022年的企業數據可準確獲取，本文以2022 年12 月31日為評估基準日。同時考慮到數據資產時效性強的特點，將圓通速遞現有數據資產的收益期定為五年，即收益期間為2023 年至2027 年。本文通過巨潮資訊網獲取圓通速遞2017 年至2022 年的企業年報，整理得到相關財務數據及各項數據占營業收入之比如表1、表2 所示。

表1 圓通速遞2017-2022 年財務數據（單位：萬元）

表2 圓通速遞2017-2022 年各項成本費用占營業收入之比

1.自由現金流量預測

綜合考慮可獲得的歷史數據和測算過程的可行性，本文運用最小二乘法對2017 年至2022 年圓通速遞營業收入的變動趨勢求取擬合函數，進而預測未來五年（2023-2027 年）圓通速遞的營業收入。在此基礎上，其他各項目根據表2 測算的比例進行預測，進而預測出圓通速遞2023 年至2027 年的企業自由現金流量，如表3 所示。

表3 圓通速遞2023-2027 年自由現金流量預測（單位：萬元）

2.資產貢獻值預測

（1）流動資產貢獻值預測

通過整理圓通速遞2017 年至2022 年財務數據可知，流動資產增加額占營業收入比例的平均值為3.6%，由此可以預測2023 年至2027 年流動資產的增加額，進而預測圓通速遞未來五年的流動資產。流動資產以一年期銀行貸款利率4.35%為投資回報率，計算其投資回報，流動資產貢獻值如表4所示。

表4 流動資產貢獻值預測（單位：萬元）

（2）固定資產貢獻值預測

由圓通速遞2017 年至2022 年財務數據可知，其固定資產折舊占營業收入之比的平均值為2.17%，固定資產成本支出占營業收入之比的平均值為2.07%，在此基礎上預測固定資產的貢獻值，固定資產的報酬率取五年期及以上銀行貸款利率4.90%，固定資產貢獻值預測如表5 所示。

表5 固定資產貢獻值預測（單位：萬元）

（3）表內無形資產貢獻值預測

圓通速遞的表內無形資產主要是土地使用權、電腦軟件、商標使用權和客戶關系，2017 年至2022年，表內無形資產攤銷額占營業收入之比的平均值是0.29，表內無形資產資本支出占營業收入的比例平均值是1.36%，同樣表內無形資產的報酬率也取五年期及以上銀行貸款利率4.90%，由此預測表內無形資產2023 年至2027 年的貢獻值如表6 所示。

表6 表內無形資產貢獻值預測（單位：萬元）

（4）其他表外無形資產貢獻值預測

圓通速遞財務表的無形資產中已包括客戶關系，因此，表外無形資產主要就包括人力資本和數據資產，所以本文中其他表外無形資產指的是人力資本，其貢獻值由勞動力年投入額和勞動力貢獻率決定，勞動力年投入額取企業財務報表中應付職工薪酬的數值，2017 年至2022 年應付職工薪酬占營業收入之比的平均值為0.70，由此可以預測2023 年至2027年應付職工薪酬。勞動力的貢獻率取我國經濟增長中的平均人才貢獻率，參照最新相關研究中測算的我國2011 年至2017 年人才貢獻率17.81%，由此預測人力資本貢獻值如表7 所示。

表7 人力資本貢獻值預測（單位：萬元）

3.折現率

首先運用加權平均資本成本模型測算圓通速遞的整體回報率，其中債權回報率取五年期及以上銀行貸款利率4.90%。股權回報率采用資本資產定價模型測算，無風險回報率取評估基準日2022 年12 月31 日五年期國債利率3.52%，市場平均收益率取滬深300 近十年平均收益率8.83%，通過同花順獲取圓通速遞近十年β 系數平均值為1.01，由此計算出股權回報率為8.88%。截止到2022 年12 月31 日圓通速遞股權占比69.27%，債權占比30.73%，計算可得出加權平均資本成本為7.66%。

在企業加權平均資本成本的基礎上，進一步拆分可測算出無形資產的折現率，如表8 所示：

表8 折現率測算

（三）數據資產評估值測算

在上述分析的基礎上，將圓通速遞預測期2023年至2027 年的企業自由現金流量減去流動資產、固定資產、表內無形資產和表外其他無形資產的貢獻值，即可得到數據資產的超額收益，進一步折現就和測算出數據資產的價值如表9 所示。

表9 數據資產評估值測算（單位：萬元）

圓通速遞的數據資產在2022 年12 月31 日價值為16 831.48 萬元。由表9 可以看出預測期數據資產的超額收益先增后減，這與數據資產時效性強的特點相符，數據資產一旦過時，其帶來的超額收益就會急劇下降甚至不再產生超額收益。

五、研究結論與展望

數字經濟的發展使得數據資產在企業發展中的重要性愈加明顯，眾多企業開始數字化轉型以提高競爭力。物流企業作為與人民生活息息相關的行業，數字化成為其發展方向，各大物流企業也在積極開展數字化平臺建設。本文基于超額收益法構建適用于物流企業數據資產價值評估的多期超額收益模型，首先根據物流企業的資產結構，將企業價值貢獻資產劃分為流動資產、固定資產、表內無形資產、表外無形資產和數據資產；然后依次測算各項資產的貢獻值，從而分割出數據資產對企業自由現金流的貢獻值，即超額收益，進而對預測期內的超額收益折現求和得到數據資產的價值。補充了關于物流企業數據資產價值評估的相關研究，從理論上為數據資產估值提供了一種相對簡便可行的方法。

本文將所構建的模型應用于圓通速遞數據資產估值，驗證了模型的可行性與合理性，但是還存在一定的局限性。首先，在對未來收入進行預測時僅依據過去六年的歷史數據和企業當前情況，對數據資產的影響因素考慮不夠全面，預測數據可能會存在偏差。其次，在確定收益期時鑒于數據資產的時效性強，將收益期確定為五年，但行業數據資產變化快，不確定性強，收益期限很難準確把握。

當前數據資產價值評估相關研究中對于物流企業涉及較少，本文的研究還存在局限性，希望有更多的學者關注物流企業數字化發展，探索其數據資產估值方法，構建科學合理的價值評估體系，進而推動企業的數字化進程和數據資產交易，助力實現數字經濟發展目標。