基于應用場景的網絡銷售類平臺數據資產估值

摘" "要：在數字經濟時代，重視和加強數據資產管理的迫切性日益凸顯，作為平臺經濟的重要組成部分，網絡銷售類平臺的數據資產估值相關研究對于平臺自身業務活動的支撐、行業進步發展的帶動乃至我國在世界上的數字經濟競爭都顯得至關重要。以行業領先地位的京東作為研究案例，分析相關理論邏輯，以傳統的數據資產估值方法為基礎，結合行業及平臺特點進行改進，探索出以應用場景為基礎的網絡銷售類平臺數據資產估值方法，將其價值分為用戶價值和供應鏈價值兩大部分，最終得到京東在評估基準日數據資產的顯性價值457.79億元以及潛在流量價值4803.41億元。通過和其他學者的研究結果進行對比發現該結果具有說服性，具備一定的理論和現實意義。從應用場景出發透視數據資產的價值，不僅有助于企業更好地識別和利用自身的數據資源，還將更好地服務于公司的發展目標，推動整個社會朝著數實融合的方向邁進。建議平臺、行業和政府形成合力，利用好數據的資產和金融屬性，使之融入到各個生產環節，更好地發揮數據資產的經濟價值和社會價值。

關" 鍵" 詞：數據資產估值；網絡銷售類平臺；改進收益法；用戶價值法；應用場景

中圖分類號：F832" " " "文獻標識碼：A" " " "文章編號：2096-2517（2024）05-0021-14

DOI：10.16620/j.cnki.jrjy.2024.05.003

一、引言

在數字經濟時代，數據作為關鍵要素推動產業升級和科技革命。數據資產作為數據要素價值創造的高級形態，能夠影響企業的生產經營、帶動行業的發展進步、促進社會的經濟增長[1]。伴隨著人工智能、大數據、通信、區塊鏈等信息技術的不斷成熟和進步， 我國以領先的步伐邁向了數字經濟時代。數字經濟是在農業經濟以及工業經濟發展成熟之后未來社會的主要經濟形態， 數字經濟發展之快、輻射之廣、影響之深令人矚目。從政策的角度來看，我國高度重視數字經濟帶來的生產方式、生活方式以及治理方式的深刻變革可能性，中央政府先后印發多個政策文件指明數字經濟發展方向及未來目標，標志著數字經濟建設已在頂層設計被放在了更重要的位置，未來將明確夯實數字基礎設施和數據資源體系“兩大基礎”，同時表明了未來在數字經濟時代中，數據資源將成為關鍵要素。從實踐的角度來看，并購、訴訟以及數據稅征收等非交易場景下數據資產估值會越來越多，建立在非交易場景下的數據資產估值體系同樣必要。從平臺角度看，習近平總書記指出， 我國平臺經濟發展正處在關鍵時期。在數字經濟背景之下，網絡銷售類平臺的數據資產將會對企業的業務活動起到更大的價值支撐作用。當前，現有研究對網絡銷售類平臺數據資產研究不足且不深， 沒有找到普適的模型和方法，因此，研究此類平臺數據資產的估值對于其自身業務的快速增長、行業進步發展的帶動乃至我國在世界上的數字經濟競爭都顯得至關重要。

一方面，過去的資產評估方法在對數據資產估值時存在一定的困難，主要是傳統的方法缺少與實際業務和經營模式的結合， 沒有聯系其具體的應用場景，只是聚焦于模型本身；另一方面，網絡銷售類平臺作為當前平臺經濟的主要類型，學術界對其關注和研究還不夠。因此，本文希望聚焦于網絡銷售類平臺在不同業務場景下的數據資產， 分析其商業模式，以及數據資產在不同場景下的形成過程和應用，結合其特征并側重不同場景的評估重點，評估出數據資產的價值。在估值過程中，如何完善理論邏輯，如何建立數據資產估值模型，如何按照場景分類，以及建立的模型如何應用于案例，則是本文研究的重點問題。

本文可能的邊際貢獻有以下幾點，涵蓋了新視角、新理論、新方法三個方面：第一，研究視角的創新。本文的研究對象是網絡銷售類平臺，是基于國家市場監督管理總局對平臺的官方分類進行的研究，網絡銷售類平臺包含了綜合商品交易、垂直商品交易、商超團購三種分類平臺，本文的研究囊括了這幾大類平臺的數據資產價值評估，從其本質特征出發，具備了該類平臺估值的普適性。第二，理論邏輯的創新。在建立本文數據資產估值模型之前，結合數據價值鏈理論剖析了網絡銷售類平臺的數據資產形成過程；同時，將數據價值進行二分，一方面是顯性經濟價值，另一方面則是潛在流量價值，該理論為后文數據資產模型的建立奠定了基礎，實現了邏輯的充實和完善。第三，估值模型的創新。目前的數據資產估值模型更多是使用單一的傳統估值以及其衍生方法，本文則是創新性地將業務場景分類的思想引入到網絡銷售類平臺的數據資產估值中，通過對不同業務場景的價值邏輯和本質的分析，采用不同的方法進行估值，最終求和得到最終的數據資產價值。這種方法不僅能夠為數據資產的價值評估研究提供一定的參考，還可以有效地提高數據資產價值評估準確性和效率。

二、文獻綜述

（一）數據資產的內涵

目前針對數據資產的內涵仍未形成一致的共識，學界主要是從企業視角和數據資產形成過程兩個角度進行闡述。

從企業的視角出發，衡量其帶來的經濟與業務價值。李永紅等（2018）認為數據資產一定能為企業帶來經濟效益，最終通過兩種途徑實現價值，一是被企業利用，二是對外傳播[2]。秦榮生（2020）認同上述觀點，并將數據資產作為企業生產經營中的關鍵符號，認為其既能夠本身產生價值，又能夠通過提高現有產品和服務以及降低成本的方式為企業產生經濟效益[3]。許憲春等（2022）將數據資產定義為擁有應用場景且在生產過程中被反復或連續使用一年以上的數據，且數據資產必須歸類為生產資產并對經濟增長產生貢獻[4]。面對以上定義，一部分學者從數據資產的形成過程來探討數據資產的內涵。Ylijoki等（2019）在價值鏈的基礎上進行了改進，認為資產創造是數據價值創造過程的一部分[5]。李海艦等（2021）認為數據要素運行機制是兩個過程，既是數據形態的演進過程，也是價值形態的演進過程，且二者相互貫穿實現有機統一，而數據資產作為中間環節便實現了價值創造和新的運行機制[6]。

總的來看，無論是從企業視角還是數據資產形成過程視角出發，在當前的數字經濟時代，數據成為資產已經被大眾所普遍接受，無論是企業還是個人都擁有一定量的數據資產。 尤其是對于企業來說，數據不僅僅是通過業務被記錄在信息系統的信息，而是成為帶有商業價值的要素，能夠為企業創造價值。數據的流動和運行衍生出數據的交易市場以及價值增值，帶動了龐大的經濟規模，數據有了權屬和控制，與此同時與生產經營相融合帶來了經濟收益，實現了數據資產化。

（二）數據資產估值方法

本文將數據資產估值方法分為傳統方法和新型評估方法。

根據中國資產評估協會發布的2023年10月起正式試行的《數據資產評估指導意見》，數據資產價值評估方法應包括收益法、成本法和市場法三種基本方法及其衍生方法[7]，這三種方法是傳統的三大評估方法。不同于傳統方法，許多學者引入了新型數據資產評估方法，豐富了研究體系。

從傳統的三大評估方法切入研究的學者較多，劉琦等（2016）、陸岷峰等（2021）以市場法為基礎，考慮到數據資產的技術、 價值以及期限并進行修正，但該方法必須要有活躍的交易市場、可比資產以及建立好的數據資產市場循環體系作為支撐[8-9]。雷小喬等（2023）認為收益法更能展現數據要素收入的優勢， 且對于企業和政府應使用不同的估算方式，得到的結果與數據資產蘊含的經濟價值更為符合[10]；許憲春等（2022）則認為數據生產活動產生的成本費用數據能夠從會計記錄和統計調查資料中獲得，因此成本法更加具備客觀性、可靠性和可行性[4]。羅玫等（2023）將數據資產評估分為基于成本和基于公允價值兩條思路， 前者即傳統的成本法，后者則是傳統的市場法和收益法，綜合比較來看基于成本法在當下的環境中更為適用[11]。由此可以看出，不同的估值方法在面對不同場景時均具備一定合理性。

不同于傳統方法，許多學者在傳統的方法基礎上結合了博弈論分析法、層次分析法、灰色關聯分析法、信息熵法、專家評價打分法等方法，豐富了研究體系[12-13]。Lin等（2016）考慮了多項數據資產成本和應用場景，運用層次分析法評估價值[14]。肖雪嬌等（2022） 首先通過收益法和層次分析法計算數據資產的經濟價值，再通過實物期權法確定其潛在價值，是一種相對全面的估值方法[15]。Laney（2015）提出了三種貨幣價值的數據資產評估模型，分別是成本價值模型（CVI）、市場價值模型（MVI）和價值損失模型（LVI）[16]。相對而言，多種不同方法的結合在數據資產評估時更加具備場景的針對性，具備一定的借鑒性。

（三）網絡銷售類平臺數據特征及應用

根據國家市場監督管理總局2021年公布的《互聯網平臺分類分級指南（征求意見稿）》及《互聯網平臺落實主體責任指南（征求意見稿）》，網絡銷售類平臺細分可分為綜合商品交易、 垂直商品交易、商超團購三類，主要實現了交易功能[17]。

汪旭輝（2020）、許憲春等（2021）、周芹等（2016） 認為在數字經濟時代電商平臺智慧化轉型道路最根本的驅動因素是數據，應將其與電商的各個環節結合起來實現價值鏈的整體增值，包括智慧物流、供應鏈運營、精準營銷和互聯網金融等應用[18-20]。從用戶角度而言，羅春林等（2017）認為網絡銷售類平臺在交易中積累了海量的銷售以及客戶信息等數據，能夠準確地判斷客戶需求，且這些數據具有明顯的信息價值[21]。王召義等（2022）從消費者的角度出發，認為電商平臺的銷售信息是消費者的關注重點和購買決策依據，包括產品價格、收藏人氣等信息，能夠影響消費者的決策，引導商家進行精準營銷[22]。謝非等（2021）則從雙邊市場角度審視電商平臺的數據資產價值，平臺通過收集消費者的行為數據提高效率， 再將數據提供給商家精準營銷，用戶的交易構成了價值的源泉[23]。從供應鏈角度而言，陳建鑫（2022）從供應鏈成本角度出發，認為電商平臺企業能夠利用大數據對采購成本、庫存管理成本、銷售成本和庫存成本進行控制，提升其市場競爭力[24]。

綜上所述，關于數據資產的內涵已基本在學界形成了一定的共識，然而在其價值評估方面，一方面，利用傳統評估的方法需要厘清評估對象數據資產的性質、特點以及適用性；另一方面，新型估值方法主要從理論出發， 還需要通過實證驗證其可行性，從應用場景分類針對不同特征的場景進行評估的文獻還不多。而針對網絡銷售類平臺的數據資產特征及應用，現有文獻出發的角度主要在精準營銷方面，關于其業務流程的全鏈條全場景的整體環節研究則有待完善，且大多估值的研究文獻并沒有詳細闡明估值的原理和理論邏輯，這方面尚有待補充。

三、 網絡銷售類平臺數據資產估值的理論邏輯

建立網絡銷售類平臺數據資產估值模型，需要結合其本質特征，聯系數據資產的形成過程和應用場景闡述對應的理論邏輯。

（一）網絡銷售類平臺的特征——“網絡+實體”

網絡銷售類平臺的本質是利用大數據、 物聯網、人工智能等一系列先進技術，通過自身積累的數據資產賦能網絡銷售各個環節的平臺。顧名思義它的兩大特征是“網絡”和“實體”，這兩大特征的合并實現了實體經濟和數字經濟、線上和線下、生產與流通的深度融合[25]，使得網絡銷售類平臺在網絡效應下擁有了強大的資源整合能力，同時連接了供應鏈的各個環節， 實現了既擁有互聯網平臺資源，又擁有供應鏈資源發展的新模式。一方面，從實體經濟的角度來看，網絡銷售類平臺的發展邏輯類似于供應鏈物流企業。 它打破了地理阻礙和空間限制，將大量的采購商、供應商和海量的商品連接到自己的供應鏈條上，對傳統的實體經濟具有創造效應，有利于傳統產業的發展[26]，促進整個實體經濟的進步。另一方面，從互聯網平臺的角度來看，網絡銷售類平臺利用互聯網使得整個平臺在市場經營和運轉中實現價值倍增。

（二）網絡銷售類平臺數據資產形成過程

從網絡銷售類平臺的數據資產形成過程來看，數據價值鏈從價值鏈的視角解釋了數據價值的創造過程，表明數據資產的形成和價值的實現是由多個環節連續共同實現的。如圖1所示，數據收集和存儲是價值集聚和形成的過程，網絡銷售類平臺通過搭建自己強大的用戶網絡實現數據資產形成過程的第一步，也是實現數據價值的前提。而數據分析和應用是在實際業務場景中釋放并實現價值，對已經集中存儲的數據進行批量清洗和處理，形成針對性的關鍵信息和知識點，通過價值深挖和未來應用分析轉化為數據價值。網絡銷售類平臺依靠數據價值鏈突破了企業組織邊界的限制， 不僅用戶的數據能夠與其連接交互創造價值，同時供應鏈和實體商家的數據也能夠和其生產活動相關聯，并作為要素創造額外價值。 通過聯通用戶和供應鏈的數據，網絡銷售類平臺連接了網絡和實體。

（三）網絡銷售類平臺數據資產的應用場景

數據資產價值通過應用場景最終實現，在不同的應用場景下，數據資產價值也相應不同[27]。網絡銷售類平臺的數據資產一方面是為了優化傳統產業發展，另一方面是實現網絡流量變現，最終目的是提高企業經營決策的效率和平臺的盈利能力。因此，按照不同應用場景，結合網絡銷售類平臺的特征，網絡銷售類平臺數據資產的應用場景可分為供應鏈管理、 用戶管理兩個部分。

供應鏈管理是各大網絡銷售類平臺聯系實體經濟的關鍵場景，關系到平臺的物流配送效率和水平， 直接影響用戶對平臺使用體驗的滿意程度，總的來說是利用數據挖掘和數據模型的建立實現對銷售量的預測，提供庫存參考，平衡庫存成本和用戶服務實現庫存管理； 將數據資產運用在調度、中轉運輸等物流環節，簡化各類供應環節，提升效率，實現供應鏈管理。

用戶管理場景應用的數據資產則主要指網絡銷售類平臺對用戶日常行為分析應用的數據資產， 在這個環節中主要體現為流量，這是平臺經濟的基本生產要素，深刻影響著資源配置效率。依靠于網絡效應，平臺利用這些數據資產能夠對用戶進行精準管理，細分為不同的特征群體，并為之推薦個性化的商品和服務， 最終目的是提高用戶的滿意度，實現整個平臺用戶轉化率的提高[28]。

（四）網絡銷售類平臺數據資產的價值構成——數據價值二分性的視角

數據要素是數據價值鏈的起點，經過資源化、產品化、資產化最終形成數據資產。Kopalle等（2020）提出了數據要素價值的二分框架，將數據要素價值分為即時價值和潛在價值。即時價值指在特定的使用情境中行動者獲得的收益，這種價值的表現形式和特征都會隨著使用場景的變化而變化；而潛在價值是通過積累分析和應用用戶的數字痕跡形成的價值[29]。根據謝康等（2023）的觀點，數據要素的價值與所處情境息息相關，既可以表現為收入提高等貨幣交易價值，又可以表現為服務質量提高、社會效益增加等非貨幣價值[30]。綜合來看，本文認為數據要素價值的二分性一方面為收入提高、實時收益等顯性價值，另一方面是利用積累的用戶數據發掘用戶需求、改進服務質量的潛在價值[31]。企業所擁有的數據資產的價值表現形式依據自身特征、數據形成過程和應用場景的不同而不同（見表1）。

針對網絡銷售類平臺數據資產的兩大應用場景，結合網絡銷售類平臺兩大重要特征——“網絡+實體”以及互聯網平臺的實質，網絡銷售類平臺數據資產估值的理論邏輯如圖2所示：網絡銷售類平臺是數字經濟與實體經濟的融合，其在數據資產的驅動下將制造業與服務業相融合，網絡銷售類平臺通過用戶管理和供應鏈管理直接決定了數據資產價值的構成，呼應了自身的兩大特征，實現了“網絡-用戶管理-潛在價值”和“實體-供應鏈管理-顯性價值”的串聯。一方面，網絡銷售類平臺的銷售特質使得其不僅是互聯網平臺，而且是與實體經濟相聯動的供應鏈經濟個體，數據資產在這個過程中通過一系列機理直接創造顯性的經濟價值。 另一方面，網絡是網絡銷售類平臺實現價值倍增效應的核心。網絡銷售類平臺通過互聯網強大的觸達作用， 能夠通過數據資產進而積累海量的流量規模，流量資源在這個環節中為平臺帶來潛在的流量價值。

因此本文結合網絡銷售類平臺的特征、數據資產的應用場景以及數據價值的二分性，將網絡銷售類平臺的數據資產價值分為：一是在供應鏈管理場景下以實體為核心的顯性價值EV， 二是在用戶管理場景下以網絡為核心的潛在價值IV， 數據資產價值則是這兩大場景下的價值加總。

四、 網絡銷售類平臺數據資產估值模型建立

（一）傳統估值方法的不足

結合前文分析的網絡銷售類平臺特征，單一的傳統數據資產評估模型并不適用。必須要把握網絡銷售類平臺的特性，不同的業務場景對應著不同的數據資產價值，包括顯性的經濟價值以及潛在的用戶價值，針對這兩種場景應當分別采用不同的估值方式進行價值評估， 這樣才能保證模型的穩健準確。在供應鏈管理場景下，傳統的數據資產評估方法在使用時或多或少地會受到一定的條件約束和限制，成本法可能難以準確計量數據資產形成過程中產生的成本，市場法需要有完備且活躍的數據交易市場，而收益法雖然相對更為適用，但也需要平臺企業管理者對自身數據資產運營全面了解（見表2）。在用戶管理場景下，用戶數據資產價值應單獨計算，作為重要的價值補充。

（二）網絡銷售類平臺數據資產估值模型構建步驟

1.供應鏈場景數據資產價值（EV）評估

數據資產在供應鏈管理場景應用代表了顯性經濟價值，主要作用一方面是提高效率，產生額外收益，另一方面是節約成本，這兩個作用完全符合改進收益評估法的適用條件。因此，網絡銷售類平臺在供應鏈管理場景下數據資產的應用，其作用原理更類似于一家傳統的供應鏈企業，而實體的物流供應鏈企業的收益清晰且更容易測算。具體評估思路為：首先利用改進收益模型通過倒算計算出企業的表外無形資產整體價值，其中未來現金流的預測采用灰色預測模型，其次利用層次分析法得出數據資產的分成率， 最后兩者相乘得到數據資產價值。核心的多期超額收益法公式如下：

其中，V代表平臺的表外無形資產價值；CF代表企業未來的自由現金流；Ec代表未來企業流動資產的貢獻值；Ef代表未來企業固定資產的貢獻值；Eo是表內無形資產的未來貢獻值；i為折現率；t為期限。

2.用戶管理場景數據資產價值（IV）評估

用戶管理場景的核心要素是用戶價值，用戶價值涵蓋了海量的潛在價值，平臺擁有的用戶瀏覽價值構成了用戶管理場景下數據資產利潤以及核心競爭力的主要來源，因此價值評估的關鍵也在于用戶瀏覽帶來的流量價值，以此為思路本文建立起平臺瀏覽數據資產價值。本文借鑒李秉祥等（2021）[32]的方法，構建模型對平臺瀏覽的數據資產價值進行評估。

該公式實際上是梅特卡夫定律的延伸，其中λ代表平臺的活躍程度；d代表單位用戶帶來的價值貢獻， 該指標代表了來自每個最終用戶的收入；K代表溢價系數， 本文直接用市場占有率進行衡量；N代表平臺用戶數；R代表網絡節點之間的距離，本文用單位獲客成本對R（統計區間營銷費用 /統計區間內的新增活躍用戶數）進行代替。

五、案例分析

基于所構建的網絡銷售類平臺數據資產估值模型，本章將以網絡銷售行業龍頭企業——京東為例進行模擬評估和案例分析， 檢驗模型的可行性。本文選擇京東作為數據資產估值的案例研究對象，主要有三方面的原因：第一，中國零售電商行業市場高度集中，2021年三大綜合電商的市場份額合計約98.2%。2014—2021年， 京東在前三大公司的年度GMV（成交總額）總和中，保持占據約20%的市場份額，在行業中處于領先地位[33]。第二，2007年，京東做出投資并自建遍布全國物流基礎設施的戰略決策，通過自營物流網絡以管理供應鏈的每一環節，目前京東的定位已經更迭成為中國領先的以供應鏈為基礎的綜合電商零售平臺，供應鏈網絡的完善維護以及發展壯大更加離不開數據資產的積累和應用。第三，2018年后京東戰略方向調整為以客戶為中心，劃分前中后臺，相互協作以滿足多樣化的零售場景，正好與本文以數據資產應用場景劃分進行估值的思路相契合。因此該案例能夠體現出模型的完整性、典型性和代表性。

本文的研究對象并非是基于業務實際而選擇的京東旗下的某個或某幾個具體的平臺，而是基于前文所構建的網絡銷售類平臺數據資產估值模型，從整體的視角出發，將整個京東集團劃分為供應鏈管理場景和用戶管理場景，能夠在一定程度上避免實際業務中由于職能區分而導致的數據資產估值不全面的問題。基于數據的可得性，本次評估的基準日為2022年12月31日， 部分數據由于京東集團尚未公開則采用更早時期的數據。

（一）供應鏈管理場景下數據資產價值評估

京東平臺在供應鏈管理場景下的數據資產估值邏輯更類似于實體經濟下的一家物流供應鏈企業。利用上文建立的模型對其數據資產估值，核心的多期超額收益法的關鍵在于收益期限、數據資產貢獻值以及折現率三大要素的確定。

1.收益期限的確定

京東及其供應鏈發展路徑可劃分為三個階段：（1）成立初期至2011年，為京東集團的蓬勃發展期；（2）2012—2016年為資本化和戰略布局期，數據資產爆發式增長，2016年，京東物流首次向社會開放， 提供第三方物流服務；（3）2017—2022年為布局全產業鏈時期，數據資產高速增長。因此本文認為京東數據資產的未來收益期為2023—2027年這五年，且由于數據的無消耗性，2027年之后數據資產產生的收益步入永續增長期。

2.數據資產貢獻值的確定

核心思想是從自由現金流中將其他資產的貢獻剝離得到表外無形資產的貢獻值，再利用層次分析得到數據資產的貢獻值。

（1）表外無形資產貢獻值的確定

首先，京東集團的自由現金流，利用灰色模型GM（1，1）直接進行預測。根據前文的分析，京東集團布局全產業鏈時期為2017—2022年， 因此本文利用2017—2022年六年的自由現金流數據， 建立灰色模型預測京東未來五年數據資產的超額收益（為保證預測結果的合理性選取了波動年份的均值），可以得到2023—2027年京東集團的自由現金流，如圖3和表3所示，分別為406.18億元、488.53億元、587.58億元、706.72億元、850.01億元。

擬合預測數據后驗差比C為0.185，小于0.35；小誤差概率的均值p為1，大于0.95；另外，模型預測的平均相對誤差僅為3.85%。 根據灰色模型的精度對照表，模型的擬合精度為一級，擬合精度很高。

其次，流動資產、固定資產及表內無形資產貢獻，依據營業收入比例法進行預測。將2017—2022年流動資產增加值占營業收入比例的均值（剔除極端值）3.54%作為流動資產增加值的預測基礎，以中國人民銀行貸款基準利率中的一年期銀行貸款利率4.35%作為流動資產回報率， 根據以下公式計算：

流動資產平均余額=（流動資產年初余額+流動資產年末余額）/2""""" （3）

流動資產年末余額=流動資產年初余額+流動資產增加值"""" （4）

流動資產貢獻額=流動資產平均余額×流動資產回報率" （5）

如表4所示，2023—2027年營業收入同樣采用灰色預測GM（1，1）模型，可得到后驗差比C為0.136，小于0.35；小誤差概率的均值p為1，大于0.95，預測精度很高。

同理，將固定資產及表內無形資產貢獻合并計算公式及過程如下（具體數據見表5）。

固定資產及表內無形資產貢獻值=折舊攤銷補償收益+投資收益" （6）

投資收益=固定資產及表內無形資產平均余額×投資回報率" （7）

再次，根據前文計算與分析，可以得到2023—2027年的表外無形資產貢獻分別為58.53億元、83.08億元、111.5億元、144.32億元、182.12億元。

（2）數據資產分成率的確定

數據資產貢獻值按照表外無形資產貢獻值乘以分成率得到，在這里主要采用層次分析法（AHP）確定數據資產分成率。

首先，構建層次分析模型。根據過往文獻以及京東集團無形資產的具體情況，構建的層次分析結構模型如圖4所示。目標層是無形資產各組成部分的權重。準則層主要包括四個方面，分別是：相關性R， 反映了因素與無形資產規模大小的相關程度；有效性V，反映了因素使得無形資產提升業務效率程度；完整性C，反映了因素在無形資產中的保留完整程度；及時性T，反映該因素使得無形資產在業務流程中發揮作用和效用的響應速度是否及時。方案層則分別是技術、商標域名、客戶關系、人力資本、商業模式以及數據資產。

其次，確定數據資產分成率。本文以標度理論為基礎， 邀請專家從專業的角度進行判斷分析，分別對準則層和方案層各指標的相對重要程度打分，在收集和整理專家打分的平均分值基礎上，構建出判斷矩陣，計算各層次權重。最終得到準則層的權重影響分別為有效性44.57%、相關性28.48%、完整性16.44%、及時性10.51%。在此基礎上建立判斷矩陣， 得到數據資產在表外無形資產中的分成率為33.6%①。

3.數據資產折現率及數據資產價值的確定

使用超額收益法計算京東數據資產價值的最后一步在于確定數據資產的折現率，本文選擇通過企業加權資本成本以及回報率拆分測算的方式進行計算。過往的文獻存在將表內無形資產和表外無形資產折現率混淆計算[16]，企業平均投資回報率WACC只考慮了固定資產、 流動資產和無形資產[34]，而忽略了其他資產等問題。 研究京東的財務報表可以發現， 京東擁有大量的股權和長期投資以及其他資產，本文應當納入其中，近似地以表內無形資產和商譽的回報率作為數據資產的回報率，具體計算公式和步驟如下：

其中，WACC為加權平均資本成本；Re、Rd為股權和債權資本成本；D、E為債權價值和股權價值；T是所得稅稅率；rI、rL、rF、rR分別是無形資產和商譽、流動資產、固定資產和股權長期投資的回報率；WI、WL、WF、WR分別是無形資產和商譽、流動資產、固定資產凈額以及股權長期投資和其他資產占總資產的比重。因此，京東集團的債權資本成本和企業所得稅稅率按照前文所述，分別為五年期銀行貸款利率4.75%和25%，資本結構以及β值按照2017—2022年六年的均值確定， 權益資本成本的計算根據資本資產定價模型（CAPM）來確定，無風險利率Rf參考評估基準日發行的10年期國債到期收益率取2.84%，市場收益率則根據京東所處的市場取納斯達克100指數2017—2022年化收益率14.35%。根據上述數據，計算得到京東WACC為7.66%。

根據上文計算得到的WACC值， 查閱京東的企業財務報表， 得到2017—2022年各資產的占比均值以及回報率，最終根據公式折現率拆分計算得到京東的數據資產折現率為11.84%。考慮2027年之后的永續增長期， 考慮全球通貨膨脹及GDP實際增速超2%以及發達國家GDP增長率3%左右， 將永續增長率設置為2.5%。利用多期超額收益法，可以計算出京東在供應鏈管理場景下數據資產的價值為475.79億元。相關的計算數據如表6和表7所示。

（二）用戶管理場景下數據資產價值評估

京東平臺數據資產的用戶管理場景是其數據資產應用的重要場景補充，給京東平臺帶來潛在價值。從用戶管理場景的核心來看，其價值主要體現在用戶瀏覽行為， 用戶通過反復瀏覽平臺帶來流量，流量的擴張帶來第三方商家的積極入駐，商家網上門店的增多則持續帶來流量的擴充，形成良性且積極的正循環。根據前文構建的模型，需要確定一系列參數如下：

1.計算平臺的用戶活躍系數，即平臺的日活躍用戶數和月活躍用戶數的比值。和其他互聯網平臺相同，京東會在季度末公布年度活躍用戶數（截至相應日期止12個月至少購買過一次的客戶賬戶，包括自營模式和平臺模式）。 本文采取過往文獻研究的方法，取截止日期前連續4個季度的年度活躍用戶數N1、N2、N3、N4（由于2022年第4季度京東

2.計算平臺的使用時長活躍系數，即用戶單位使用時長。根據易觀分析發布的報告《2022年中國電商平臺市場洞察》 中的數據，2022年京東平臺用戶日平均使用時長約為19.26分鐘[35]。因此平臺的活躍系數為用戶活躍系數和使用時長活躍系數的乘積，即0.446%。

3.計算單位用戶帶來的價值貢獻。京東單位用戶帶來的價值貢獻是平臺通過流量實現精準營銷獲得收入，對于會員群體收取會員費用實現精細化運營，增加客戶黏性。因此京東平臺的單位用戶價值貢獻不能簡單地用公司ARPU值進行計算，而是應該聚焦于平臺及服務收入，衡量單位用戶的流量價值。根據京東集團2022年度報告得知，京東2022年的平臺及廣告服務收入為81 970百萬元，而根據上文京東年度活躍用戶總數達5.88億人， 因此單位用戶的流量價值貢獻為二者之比即139.4（元/人）。

4.確定溢價率系數以及網絡節點距離。京東平臺的溢價率系數可用其市場占有率（GMV占比）替代，根據Bloomberg以及浦銀國際的統計，京東2022年市場占有率為21.4%， 即溢價率系數為21.4%。關于網絡節點距離，出于數據的可得性，本次設定的統計區間為2021年第3季度至2022年第3季度，計算出每個季度的獲客成本，再進行算術平均得到京東的平均獲客成本，也即網絡節點的距離R。如表9所示，單位獲客成本為1533.75元/人， 這里默認所有的營銷開支都實現了新增獲客，然而實際上企業花費的高額營銷費用只有少部分能夠真正發揮作用，吸引用戶的注意，促進用戶數量的增長，因此根據“二八定律”，最終得到實際平均單位獲客成本為1533.75×20%=306.75（元/人）。

5.代入公式計算得到潛在價值：

（三）京東平臺數據資產價值

根據前文的分析，最終可以得到京東的數據資產價值為供應鏈管理場景下的顯性經濟價值475.79億元和用戶管理場景下的潛在流量價值4803.41億元。截止到2022年12月31日，京東集團的總資產達到5952.5億元， 顯性價值約占總資產的8%，而潛在價值約占總資產的80%。

對比其他文獻對京東數據資產價值的研究，主要有三種主要的估值方式：第一種是以收益法計算出公司價值，再按照數據資產分成率進行分割，這種方法得出京東數據資產價值相對于京東的總資產而言價值過高。第二種是直接采用多期超額收益法計算數據資產的收益并折現得到價值，但其估值方法中并未對收益期限的設定進行說明，折現率也只是簡單地對比阿里騰訊，脫離了京東業務的實際經營情況。第三種是以用戶價值替代公司價值，再對數據資產進行分割，這種方法過度重視京東的互聯網屬性，忽視了其實體特征。此外，再對比其他學者對互聯網平臺和實體企業數據資產的估值，可以發現：互聯網平臺類企業的數據資產占總資產比重較大，而實體類企業占比則較小，較為符合自身的經營模式和特點。

綜合來看，本文認為京東作為網絡銷售類平臺連接了線上和線下，結合其經營特點和本質特征設計了估值方法，摒棄了之前文獻的單一視角，最終得到其數據資產占總資產比數值位于互聯網和實體企業的中位，相對較為合理，但從利用率來說，數據資產目前暫未被很好地利用，潛力巨大，未來尚具有很大的發展空間。

六、結論與建議

作為一種新的生產要素，數據已經迅速地融入到生產、流通、消費以及社會服務管理的各個方面，對生產、 生活和社會治理方式產生了深遠的影響。本文從京東網絡銷售平臺出發，從兩個視角切入構建了適用于網絡銷售類平臺的數據資產估值模型，該模型對于那些依托大數據、融入數字經濟時代的網絡銷售平臺公司來說，能更好地幫助其深入研究數據資產。 從應用場景出發透視數據資產的價值，這不僅有助于企業更好地識別和利用自身的數據資源，還將更好地服務于公司的發展目標，推動整個社會朝著數實融合的方向邁進。未來，隨著大數據時代的深入和普及，數據資產估值相關研究的重要性將進一步凸顯。不僅是網絡銷售類平臺，對于各類企業而言，剖析自身數據資源，建立有效的評估模型不僅有助于更好地了解自身的數據資產，使其轉化為金融資源成為生產要素，還能幫助其更有效地履行管理職能，一方面是企業發展的需要，另一方面也是推動整個社會邁向數字化、智能化轉型的重要推動力。數據資產的深度挖掘和智能化利用不僅關乎企業自身的利益，幫助企業實現更快速、更可持續的發展，也將促進整個社會的信息化水平和經濟效益提升，社會各個領域都能夠獲得更多的創新機遇和發展動力，真正推動社會各個方面朝著更加繁榮、穩定的方向發展。

綜上所述，數據能否作為資產，企業能否高效地管理和評估數據，從微觀角度來看，一方面影響公司的資產規模、成本、凈利潤，以及資產負債率、凈資產收益率等指標，另一方面直接影響企業的決策和管理水平；而從宏觀角度來看，它關系到我國的數據要素市場以及按照貢獻進行配置的機制是否活躍[11]。同時，網絡銷售類平臺作為我國平臺經濟的主體類型之一，發揮數據作為關鍵生產要素的前提在于數據資產價值的評估。為更好地發揮數據資產的經濟價值和社會價值， 促進整個行業的高質量發展，平臺、行業和政府應形成合力，因此本文提出如下對策建議：

第一，網絡銷售類平臺要注重數據的利用和開發， 提高數據資產潛在價值向顯性價值的轉化率。網絡銷售類平臺要充分發揮技術、人才、資本、渠道和數據等方面的優勢，以創新為先導，把握新一輪數字技術的機遇和紅利， 積極應用人工智能技術、物聯網技術等先進科技，不斷提升創新水平，發揮信息撮合、資源配置、產業組織作用，將線上和線下進行串聯，共享數據資源，做好供應鏈管理和用戶管理，實現網絡經濟和實體經濟的互聯互通。加強以平臺為基礎的要素融合創新，強化整個行業數據收集、分析挖掘和綜合利用，充分發揮數據要素的放大、疊加和倍增作用，利用好數據資產金融工具，積極參與基于數據資產的金融產品創新，如“數據授信”“數據入股”等新業態，改善自身的預期收益和流動性，將網絡銷售類平臺擁有的海量數據資源真正變成帶來收益的數據資產。

第二，數據資產的評估要注重對業務場景的研究， 結合評估對象的特征并融合多種評估方法。不同的業務場景影響著數據資產的價值，同時關聯著數據資產帶來的社會經濟效益，數據資產評估時評估對象的特征也會影響其價值構成， 商業模式、 經營特點都關系著數據資產價值的實現和釋放。因此未來可以總結并歸納行業特點、數據特征，針對不同領域或行業，建立相應的數據應用場景庫并與數據資產結合，打造全新的數據資產估值模式；鼓勵探索新型的數據資產估值方法，在評估方法的選擇上以傳統方法為基礎，輔之以新型方法，同時利用好成熟的數字技術，在應用過程中逐步過渡到全面數字化估值定價技術階段，最大程度地節約估值時間和成本，真正實現自動、高效和準確的數據資產估值。

第三，政府要不斷推動數據資產化進程，主導探索建立數據資產管理的規章制度和管理框架。政府應當出臺相應的指導性文件引導并規范數據資產管理，提供數據資產價值評估制度層面的重要支撐， 一方面是基于促進數字經濟發展的客觀需要，另一方面是行業加強數據資產管理的現實需求。同時基于平臺企業擁有的海量數據資源和數據資產，應不斷優化并實現公平透明的發展環境，支持平臺做強做優做大，充分激發平臺經濟數據資產的生機活力。為了更好地發揮數據資產的作用，政府必須不斷地完善數據資源市場，使其能夠更好地發揮其生產力與潛在的社會價值。建立并完善當前的數據交易市場，大力支持“數據資產+信貸”“數據資產+證券化”“數據資產+保險”等金融領域應用，使數據交易真正具備參考性和借鑒性。政府應該對創新型行業提供必要的補貼，包括網絡銷售類平臺企業、高新技術企業等，鼓勵企業開展技術創新，從而促進科技進步與企業數據資產的生成。

參考文獻：

［1］FARBOODI M，MIHET R，PHILIPPON T，et al.Big Data and Firm Dynamics［J］.NBER Working Papers，2019，109：38-42.

［2］李永紅，張淑雯.數據資產價值評估模型構建［J］.財會月刊，2018（9）：30-35.

［3］秦榮生.企業數據資產的確認、計量與報告研究［J］.會計與經濟研究，2020，34（6）：3-10.

［4］許憲春，張鐘文，胡亞茹.數據資產統計與核算問題研究［J］.管理世界，2022，38（2）：16-30，2.

［5］YLIJOKI O，PORRAS J.A Recipe for Big Data Value Creation［J］.Business Process Management Journal，2019，25（5）：1085-1100.

［6］李海艦，趙麗.數據成為生產要素：特征、機制與價值形態演進［J］.上海經濟研究，2021（8）：48-59.

［7］數據資產評估指導意見［EB/OL］.（2023-09-12）.https：//dsj.hainan.gov.cn/zcfg/zybs/202309/t20230912_3492645.html.

［8］劉琦，童洋，魏永長，等.市場法評估大數據資產的應用［J］.中國資產評估，2016（11）：33-37.

［9］陸岷峰，歐陽文杰.數據要素市場化與數據資產估值與定價的體制機制研究［J］.新疆社會科學，2021（1）：43-53，168.

［10］雷小喬，張芳.基于收益現值法的數據資產估價問題研究［J］.統計與信息論壇，2023，38（5）：3-13.

［11］羅玫，李金璞，湯珂.企業數據資產化：會計確認與價值評估［J］.清華大學學報（哲學社會科學版），2023，38（5）：195-209，226.

［12］LUO S Z，XING L N.Neutrosophic Game Pricing Methods with Risk Aversion for Pricing of Data Products［J］.Expert Systems，2021，38（5）：12697.

［13］LI X J，YAO J G，LIU X，et al.A First Look at Information Entropy-based Data Pricing［C］.Proceedings of the 2017 IEEE 37th International Conference on Distributed Computing Systems.Piscataway：IEEE Press，2017：2053-2060.

［14］LIN Z，WU Y.Research on the Method of Evaluating the Value of Data Assets［C］.Xi'an：International Conference on Education，E-learning and Management Technology，2016.

［15］肖雪嬌，楊峰.互聯網企業數據資產價值評估［J］.財會月刊，2022（18）：126-135.

［16］LANEY D.Why and How to Measure the Value of Your Information Assets［R］.Gartner，2015.

［17］國家市場監督管理總局.關于對《互聯網平臺分類分級指南（征求意見稿）》《互聯網平臺落實主體責任指南（征求意見稿）》公開征求意見的公告［EB/OL］.（2021-10-21）.https：//www.samr.gov.cn/hd/zjdc/art/2023/art_c0086

d02fcc544ea9506c997b3ac93c1.html.

［18］汪旭暉.新時代的“新零售”：數字經濟浪潮下的電商轉型升級趨勢［J］.北京工商大學學報（社會科學版），2020， 35（5）：38-45.

［19］許憲春，王洋.大數據在企業生產經營中的應用［J］.改革，2021（1）：18-35.

［20］周芹，魏永長，宋剛，等.數據資產對電商企業價值貢獻案例研究［J］.中國資產評估，2016（1）：34-39.

［21］羅春林，毛小兵，田歆.網絡平臺銷售模式中的需求信息分享策略研究［J］.中國管理科學，2017，25（8）：149-157.

［22］王召義，劉玉林，薛晨杰，等.電商平臺信息對商家營銷決策優化研究——基于天貓平臺數據的檢驗［J］.價格理論與實踐，2022（7）：134-137，203.

［23］謝非，晉旭輝.基于雙邊市場視角的電商平臺數據資產價值研究［J］.中國資產評估，2021（12）：49-58，72.

［24］陳建鑫.基于大數據的電商供應鏈成本控制策略［J］.山西財經大學學報，2022，44（S2）：31-33.

［25］王小平，何錦濤，孫燕龍，等.“數商興農”背景下電商平臺賦能農產品上行研究——兼析“一畝田”和京東等電商平臺的案例［J］.價格理論與實踐，2023（2）：161-165.

［26］馮然，申明浩.電子商務的貿易替代效應和貿易創造效應研究——基于美國零售行業的實證數據［J］.國際商務（對外經濟貿易大學學報），2017（3）：138-148.

［27］OECD. Exploring the Economics of Personal Data：A Survey of Methodologies for Measuring Monetary Value［J］.OECD Digital Economy Papers，2013.

［28］王勇，劉樂易，遲熙，等.流量博弈與流量數據的最優定價——基于電子商務平臺的視角［J］.管理世界，2022，38（8）：116-132.

［29］KOPALLE P K，KUMAR V，SUBRAMANIAM M.How Le-gacy Firms Can Embrace the Digital Ecosystem Via Digital Customer Orientation［J］.Journal of the Academy of Marketing Science，2020，48（1）：114-131.

［30］謝康，張祎，吳瑤.數據要素如何產生即時價值：企業與用戶互動視角［J］.中國工業經濟，2023（11）：137-154.

［31］GüNTHER W A，MEHRIZI M H R，HUYSMAN M，et al. Debating Big Data：A Literature Review on Realizing Value from Big Data［J］.Journal of Strategic Information Systems，2017，26（3）：191-209.

［32］李秉祥，任晗曉.大數據資產的估值［J］.會計之友，2021（21）：127-133.

［33］孔蓉，曹睿.京東集團：根之茂者其實遂，膏之沃者其光曄［R］.天風證券，2023.

［34］陳芳，余謙.數據資產價值評估模型構建——基于多期超額收益法［J］.財會月刊，2021（23）：21-27.

［35］李應濤.2022年中國電商平臺市場洞察［R］.易觀分析，2022.