創新數據資產估值體系激發數據價值內生動力

數字經濟時代，數據要素到數據資產的升級，為銀行構筑自身數字化能力提供了機遇。數據資產價值評估是保障數據要素有序流通與價值挖掘的重要抓手，對推動數據要素市場化配置和數字經濟高質量發展具有重要意義。本文對數據資產估值方法進行創新設計，并將其運用于銀行數據資產的估值實踐。

數字經濟時代，數據正成為驅動社會經濟發展的新型生產要素，數據資產化呈現快速發展趨勢。根據國際數據公司（IDC）測算，2025年全球數據量將達到180ZB（澤字節），預估將是2020年數據總量的兩倍多。全球數據量迅速增加，為經濟增長提供強大的創新動能。面對數字經濟變革機遇，各個國家競相制定數字經濟發展戰略，開啟大數據產業發展新賽道，搶占競爭制高點。近年來，圍繞經濟發展的數字化轉型，我國進行了一系列的改革實踐，推動經濟發展的數字化進程不斷走深走實。

數據資源向數據資產轉化，直面價值評估新挑戰

數據要素時代已來

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》，將數據確立為繼土地、資本、勞動力及技術之后的第五大生產要素，明確要用市場化配置來激活數據要素價值。依照“十四五”規劃政策指引，大數據正逐步融入經濟發展的各個領域，數據基礎制度體系加快形成。2023年2月，《數字中國建設整體布局規劃》明確了數字中國建設的整體路徑，指出數據要素快速融入生產、分配、流通、消費和社會服務管理等各個環節。同年8月，財政部印發《企業數據資源相關會計處理暫行規定》，將數據資源納入會計報表核算，并對數據資產評估提出了披露要求，開啟了數據資產化新紀元。

商業銀行數字化轉型已進“深水區”

銀行業具有天然的數字基因，屬于數據密集型行業。經過多年耕耘，商業銀行線上化、智能化、智慧化建設已實現快速發展，銀行數字化轉型逐步進入“深水區”。各家銀行在移動端的頻頻發力可直觀地說明問題，截至2023年8月，18家全國性商業銀行的個人手機銀行版本均值達到7.6，成為滿足客戶需求、打造自身品牌的重要依托。擁有在“深水區”自我提升的數字化能力，就意味著更廣闊的發展前景。數據要素到數據資產的升級，為銀行構筑自身數字化能力提供了千載難逢的機遇。依托數據資產價值評估，構建數據資產價值運營體系，提升數據資產運營質量和效率，通過將數字能力轉化為價值創造能力，激發數據要素核心競爭力。

數據資產化難題待解

2022年，我國數字經濟規模超過50萬億元，占國內生產總值的比重為41.5%，已成為驅動經濟增長的重要引擎，數據要素市場化建設加速推進。無論是在國家層面還是在企業層面，數據資源的重要性都不言而喻，尤其對金融機構而言，大數據的挖掘和應用直接驅動著新商品形態、新價值體系、新交易生態的形成。然而，數據流通不暢通問題制約著數據要素價值潛能的充分發揮，關鍵癥結之一在于缺乏系統高效、標準統一的數據資產估值與定價方法。推進數據資產的估值計量，加速數據交易流通，成為數據價值釋放的進階之基。但數據資產估值、入表核算處理及數據資產交易是需要持續探索的難題，從創新中尋求最優解，成為推動數據資產化的重要議題。

創新數據資產評估思路，破解數據資產化難題

數據資產的定義

清晰界定數據資產概念是數據資產估值的前提。將數據確認為資產，首先需要滿足“資產”的定義。企業會計準則將“資產”定義為“由企業過去交易或事項形成，為企業擁有或控制的，預期會給企業帶來經濟利益的資源”。因此，數據資產在確認過程中，需要滿足資產概念的三要素。基于會計資產的定義和數據資產的特有屬性，本文將數據資產定義為：由企業過去的交易或事項形成，為企業合法擁有所有權、使用權或者經營權，預期會給企業帶來經濟利益，并可進行確認和計量的數據資源。

數據資產的特征

數據資產具有不同于傳統資產的一些特征，兼具有形資產和無形資產的屬性。由于數據資產的特殊性，需要充分認識其特點，才能準確地對其進行估值。一是業務附著性。從數據的來源及應用來看，數據資產的價值發揮依賴于業務關系，因此在估值過程中，需要對數據資產進行追根溯源，還原該數據源于什么業務、用于什么業務，以此來適配不同數據資產類型的計量算法。二是多次衍生性。同一數據主體可以被多層次多維度加工，衍生出不同場景的數據產品，豐富數據資產價值體系，當同一數據主體的應用場景越多時，其發揮的價值越高。三是零成本復制性。數據資產成本主要發生在前期數據獲取、數據產品和數據系統開發階段，而其復制的邊際成本趨于零，不能重復計量其投入成本。四是介質依托性。數據資產不能獨立存在，需要依托于介質進行存儲和加工，在評估數據資產的投入成本時，需要考慮數據資產所依托的介質成本。五是價值易變性。由于信息技術發展、相關政策變化、應用場景豐富等因素影響，數據資產價值可能會產生大幅波動，因此，需要合理界定數據資產的收益期限及折現率。

數據資產的分類

依據數據資產全生命周期價值實現方式及管理需求，構建數據資產價值評估分類框架。將數據資產劃分為獲取類、傳輸及存儲類、管理類和應用類四大類型進行估值，同類型的數據資產通常具有類似的價值實現方式。其中，獲取類數據資產可根據數據來源，劃分為內部采集類和外部獲取類兩大估值對象；傳輸與存儲類數據資產主要處于獲取類和管理類數據資產之間的過渡階段，伴隨數據規模快速擴張，數據傳輸和存儲成本成為數據資產價值的重要組成部分；管理類數據資產以前兩類為基礎，通過數據匯總、挖掘等加工方式得到統計數據或數據產品，以支持企業營運或管理決策；應用類數據資產主要指在業務開展環節，直接賦能業務產生收益的數據資產。該類數據資產與業務收益的匹配性較強，根據業務價值的實現方式，劃分到不同業務領域和應用場景進行估值。

數據資產估值方法創新設計

數據資產估值設計上，根據數據資產的價值構成邏輯，將數據資產估值從“投入價值”和“業務價值”兩方面展開。投入價值反映企業對數據資產的投入積淀，業務價值反映數據資產的經濟效益，兩者構成數據資產總價值，如圖1所示，這種估值方法，有助于分類計量成本和效益，優化數據資源配置。在企業運營過程中，形成的數據資產能夠對外公允交易時，可進一步評估數據資產的外部價值，且真實外部價值需要計入數據資產總價值。但目前數據要素市場尚不成熟，市場法估值缺少可參考的公允對價。因此，可將訂單管理模式創新應用于數據資產價值評估，依據數據資源的調用情況，評估數據資產的“潛在外部價值”，即哪類數據調用量大，哪類數據資產的價值就越大，有助于樹立數據資源的應用價值導向，提升數據共享成效。

數據資產估值方法上，對傳統成本法進行分解，以改良的成本法評估投入價值，以收益法評估業務價值，代替收益率的測算，以解決不同方法聯用導致的重復估值問題，同時增強評估結果的準確性，如圖2所示。

采用改良的成本法對數據資產的“投入價值”進行評估。以數據資產投入成本為基礎，通過成本重置系數、數據效用綜合系數對數據資產價值進行修正，反映數據資產全生命周期中的獲取、存儲、加工、管理及應用的相關成本投入。特別說明的是，考慮到數據資產賦能業務產生的增量價值會在收益法估值中體現，為避免數據資產價值的重復估算，需要對傳統的成本法估值公式進行修正，在成本法中剔除收益率因素。

采用收益法對數據資產的“業務價值”進行評估。應用類數據資產的業務價值實現主要通過業務算法模型，因此通過算法模型支撐業務開展的增量收益折現，估算數據資產的業務價值。業務模型產生的增量收益包含支持客戶營銷、客戶運營、風險管理等業務產生的收入增加、損失減少及成本支出減少。將應用類數據資產按照業務領域進行劃分，兼顧不同業務決策與業務價值關聯，定位價值產生來源，以合理設計估值的底層指標體系。該方法對價值不確定性較高的數據資產具有較強的適用性，所涉及的估值參數主要包括數據資產收益、匹配的折現率、合理的收益期。

采用訂單法對數據資產的“潛在外部價值”進行評估。銀行業作為數據密集型行業，數據的高效供給是洞察業務先機、敏捷響應客戶需求的基礎支撐，也是數字化能力建設的重要保障。將企業部門之間數據供給采用訂單法管理，后臺數據部門將前臺業務部門作為客戶，依據業務部門提出的數據需求進行數據供給。以部門之間的數據訂單傳遞價值流、服務流、信息流，提高部門之間數據供給的質量與效率，增強部門間的敏捷協同。因此，吸收借鑒市場法估值模式，充分反映企業內部業務部門對數據資源的調用需求，以訂單法對數據資產潛在的外部價值進行評估。通過參考同類型數據資產的行業代加工對價和訂單量進行價值估算。

恒豐銀行的估值實踐

基于構建的估值體系，對恒豐銀行數據資產進行了估值實踐。經測算，恒豐銀行數據資產總價值221億元，其中從2019年末股改建賬后，對數據資產的投入價值52億元，業務價值169億元。其中，業務價值是數據資產價值的主要部分，數據在賦能業務創新發展時，才能更好地釋放價值。

探索數據資產價值運營，助力數據要素市場建設

數據資產價值評估是保障數據要素有序流通與價值挖掘的重要抓手，對推動數據要素市場化配置和數字經濟高質量發展具有重要意義。商業銀行依托數據資產估值實踐，一方面可加速數據資產定價機制統一標準建設，搭建與外部數據市場銜接基礎；另一方面圍繞數據資產評估，可打造“數據資產管理中心、數據價值運營中樞、數據市場交易中介”，探索數字化價值創造新模式，培育出穿越經濟周期的核心實力。

夯實數據資產運維基礎

數據作為戰略性資產，其管理重要性不言而喻，有效的數據管理是數據資產發揮價值的前提和基礎。明確數據資產管理路徑，基于數據資產評估構建衡量數據資產價值標準，實現有價值數據的及時沉淀，推動數據資產全面盤點與高效管理。

一是強化數據資產盤點治理。對于銀行業而言，數據資產領域的探索首先應摸清家底。一方面，加強數據源頭管控，按照統一規范深度融合內外部數據，為企業級數據治理、數據要素配置奠定統一底座；另一方面，建立企業級數據治理架構，結合具體業務場景，對所轄數據進行“定義—建賬—確責—打標—質檢—治理”全鏈條的數據資產盤點管理，為挖掘數據要素潛能、推動數據資源資產化夯實基礎。

二是推進數據資產估值體系持續優化。對數據資產進行清查識別、評定估算，可以為建設數據資產運營體系提供信息支撐。數據資產價值評估不能脫離信息層面和價值層面的計量屬性，并將數據資產業務價值評估與應用場景密切結合，剔除不能給企業帶來效益的無效數據。對數據資產開展持續評估，根據實踐過程中呈現的問題，不斷優化數據資產估值體系建設。

三是健全數據資產入表制度保障。圍繞數據資產評估核算的全過程，重點從數據資產“確認—評估—計量—披露”四個環節，推出會計核算的制度安排。厘清數據資產確認的條件和方式，劃定數據資產核算邊界，完善數據資產價值評估方式，統一估值參數、底層指標計量標準。

強化數據資產價值運營

數字化是企業獲取持續競爭力的重要推動力和創新增長點，需要持續推進數字化轉型，推動數據資產運營體系的建設落地。通過數據資產業務運營、數據資產高效經營、數據資產價值推廣，展現數據資產價值實力，提升數字化核心競爭力。

一是打造以“價值創造”為中心的數據資產運營。以數據資產價值評估為基礎，打造商業銀行以價值為中心的數據資產內部運營體系。通過開展數據資產運營分析報告、打造數據資產運營大屏、評價數據資產建設成效等多種方式，對數據資產價值進行持續監控，輸出數據資產運營建議，促進數據資產的業務賦能效應。

二是打造以“訂單管理”為策略的數據資產經營。內外部數據的高效供給是敏態業務的基礎。為此，將企業部門之間數據供給采用訂單法管理，后臺數據部門將前臺業務部門作為客戶，依據業務部門提出的數據需求進行數據供給，切實做到“管好數”“服好務”。

三是打造以“數字銀行”為核心的數據資產價值推廣。財政部2023年8月公布了《企業數據資源相關會計處理暫行規定》，將數據資源納入會計報表核算，并對數據資產評估提出了披露要求。隨著數據要素核心競爭力的日益凸顯，及時推進數據要素資本化入表核算，將有助于使數據資產價值積淀最大化。

探索數據資產類業務創新模式

商業銀行的本職功能是服務實體經濟發展，在現有信息中介、支付中介、金融服務功能的基礎上，開發商業銀行“數據中介”潛能，積極探索以數據商或第三方專業服務機構參與數據要素市場建設，以強大的數據搜集能力、數據處理能力、風險管控能力、數字技術能力，助力打造合規高效、安全有序的數據交易生態。

一是搭建數據供需交易橋梁。以數據商參與數據要素市場生態建設，發揮數據商交易中介作用，促進數據供需匹配和數據產品的標準化處理。一方面，基于數據資產評估協助解決數據要素市場信息不對稱的問題，促進雙方協商達成交易；另一方面，為數據源提供方、數據產品提供方提供數據產品的上架保薦、發行報價，輔助推動數據產品進入市場流通交易。

二是強化數據交易合規安全。數據要素流通不僅易產生安全問題，而且涉及多重利益相關者。數據合規安全是數據流通的基礎，以商業銀行為試點，推動數據流通的風險防控機制建設，探索建立面向金融數據交易標的、市場主體、交易過程的合規制度和安全管控評估機制。

三是促進產業數字化升級建設。由于商業銀行已形成了清晰的數字化轉型實施路徑和發展模式，可充分發揮其數字化優勢，利用服務企業的便捷渠道，協助數據生產者實施內部數據治理，將原始、分散、碎片化的數據加工轉化為高質量、有價值、權屬界定清晰的數據資產，為數據交易市場參與主體提供數據資產化服務。

（辛樹人為恒豐銀行黨委書記、董事長。本文編輯/孫世選）