基于生命周期理論的數據資產估值研究

馮麗麗 胡鑫娜 趙雪琦

【摘 要】 數據資產作為互聯網時代的核心資產，對其準確估值是當前資產評估實務中亟待解決的問題之一。構建互聯網企業的數據資產價值評估模型將有助于合理估計互聯網企業價值，為其價值管理提供依據。基于此，文章以嗶哩嗶哩為例，結合企業生命周期理論，構建多期超額收益法的數據資產估值模型，對其數據資產進行估值，以期為互聯網企業數據資產評估提供參考。

【關鍵詞】 數據資產； 企業生命周期理論； 多期超額收益法； 嗶哩嗶哩

【中圖分類號】 F124.5? 【文獻標識碼】 A? 【文章編號】 1004-5937（2024）13-0015-07

一、引言

隨著“十四五”數字經濟發展規劃的出臺，新一輪科技革命和產業變革的不斷推進，大批以數據資產為核心的互聯網企業應運而生。2023年9月，《數據資產評估指導意見》的出臺，為進一步規范數據資產評估行為，解決數據要素市場建設中的“數據賦值”等提供了有效方案。作為互聯網企業的核心資產，數據資產的價值創造能力成為企業核心競爭力之一。然而傳統資產評估方法在數據資產評估中卻難以適用。一方面，由于互聯網企業數據資產的價值表現與傳統資產不同，具有輕資產多、資源消耗少、自主創新能力強等特點，傳統評估模型可能無法兼顧這些特點；另一方面，當前學者對數據資產價值評估方法的研究存在諸多爭議，而且基于不同理論得到的估值結果迥異。基于上述考慮，本文以嗶哩嗶哩為例，結合企業生命周期理論，構建互聯網企業數據資產估值模型，對其數據資產價值進行估值，以供互聯網企業的數據資產估值借鑒。

二、文獻綜述

（一）數據資產的概念及相關影響

數據作為重要的戰略資源，對企業的發展發揮著不可替代的重要作用。學術界普遍認同，大數據概念最早是由約翰·麥肯錫在1998年提出。2020年歐盟委員會在《歐洲數據戰略》（A European Strategy for Data）中明確大數據是各種來源（例如人員、機器或傳感器）生成的大量數據匯總。與數據相關的資源是數據資源[1]，只要滿足“資產”定義的數據資源便可被確認為“數據資產”。有專家認為數據資產與無形資產均不具有實物形態，因此有著相同或相似的屬性特征，可以在無形資產科目下設數據資產明細科目[2]，也有專家認為應該適當放寬無形資產確認條件，將數據資產歸為無形資產[3-4]。綜上，本文認為數據資產是在企業運營過程中產生的，由企業擁有或控制的、預計能夠為企業帶來經濟利益的，以物理或電子形式儲存的數據信息，可以是文件信息、音頻、視頻以及合法范圍內獲取的用戶資料等。

（二）數據資產價值評估

傳統評估方法在數據資產價值評估中存在一定的困難。市場法需考慮市場是否具備活躍性，在實際運用中往往受客觀環境影響較大[5]；成本法需明確數據資產的生產成本，且貶值因素測算困難[6]；收益法需考慮數據資產的使用場景，收益難以可靠計量[7]。

國內學者在進行數據資產價值評估時，不僅改進傳統評估模型，而且也嘗試使用現代估值模型。劉琦等[8]以市場法為核心，從數據資產的獲取成本、技術和價值密度等方面進行價值評估；李永紅等[9]借助灰色關聯分析并引入專家打分法對成本法進行改進。也有學者積極探索現代估值模型在數據資產評估中的應用，如實物期權模型[10]、享樂價格法[11]和數字貨幣價格模型[12]。但上述學者關于數據資產價值評估的研究多集中于理論研究，與實踐結合不夠緊密，也沒有充分考慮到互聯網企業數據資產價值特性，無法適用于互聯網企業的數據資產評估。因此，本文將基于生命周期理論，結合互聯網企業的經營特點，采用改進后的多期超額收益法評估嗶哩嗶哩的數據資產價值，以期有助于其數據資產管理和資源整合。

三、基于生命周期理論的多期超額收益法模型構建

（一）企業生命周期預測模型

皮爾曲線又稱皮爾生命曲線，最早由美國統計學家雷蒙德·皮爾（Raymond Peal）在1938年提出，用以描述生物種群的生長過程，認為種群數量在生長過程中具有相似的S型邏輯式增長。企業也具有相似的邏輯曲線。企業在不同生命周期下對數據資產的利用程度不同，并且數據資產具有累積性，本文據此劃分企業不同階段的生命周期，作為下文后期超額收益法中折現率和收益期確定的基礎。

假設公司初創期與成長期的分界點為x1，成長期與成熟期的分界點為x2，成熟期與衰退期分界點為x3；假設公司成熟期的長度是成長期的r倍，通常企業發展速度非常快時r值取2，反之取1。

其中，x1、x2、x3分別為初創期、成長期、成熟期、衰退期的分界點，x'是指當x=x'時，企業的營業收入達到最大值。由于互聯網企業營業收入在達到波峰后將逐漸減少，可以將企業生命周期近似看作對稱曲線，因此，互聯網企業的皮爾曲線模型為：

其中，x為自變量，為企業發展的年份；y為因變量，即互聯網企業在第x年時取得的營業收入；A大于0，為回歸分析后得到的估計數；B大于0，為互聯網企業營業收入增長最快時刻的增長率；L大于0，代表互聯網企業營業收入能夠達到的最大數值；e為自然對數的底。

當自變量x→+∞時，L將取最大值，即企業發展的年份假設可以無窮大時，企業的營業收入將取得最大值并趨于穩定，這與企業的實際發展存在差異。因此，為反映互聯網企業實際發展過程中經歷的衰退期，需對皮爾曲線模型進行優化。根據規模收益遞減理論，隨著互聯網企業規模的不斷擴大，各組成部分之間難以得到協調，從而生產效率下降，認為互聯網企業的營業收入在成熟期達到波峰后將逐漸下降，進入衰退期，最終營業收入將逐漸趨于0。因此，企業生命周期的皮爾曲線如圖1所示。

對公式3求導、化簡得到初創期、成長期、成熟期的分界點x1和x2：

已知x1、x2，根據公式2可求得：

綜上所述，根據互聯網企業營業收入的皮爾曲線模型預測企業生命周期的四個階段如下所示：

初創期：

（二）多期超額收益法相關模型參數的確定

數據資產與無形資產一樣具有相似的屬性，都不具有實物形態，可以作為一個無形資產的子科目存在，單獨列示。但實際上企業的數字化轉型和互聯網化是一個長久的發展方向，并非短期的信息化升級，數字化轉型帶來的效益通常影響時間較長，這導致數據資產不同于無形資產，數據資產具有累積性可以長期存在。因此，本文在評估無形資產價值常用的超額收益法基礎上進行改進，以期能夠更為準確地計算數據資產價值，見公式7：

其中，P為互聯網企業數據資產價值，v為企業自由現金流量，vc為流動資產貢獻值，vf為固定資產貢獻值，vi為無形資產貢獻值，vh為人力資本貢獻值，R為折現率，t為第t年時刻。

1.折現率

企業生命周期大致劃分為初創期、成長期、成熟期和衰退期四個階段。根據互聯網企業所處的生命周期不同，數據資產的利用程度不同，所采用的折現率也不同。

處于初創期的互聯網企業通常面臨的風險較大，收益不確定性較高，并且大多初創的互聯網企業難以順利通過初創期，此時可以采用風險累加的折現率計算方法。充分考慮到互聯網企業面臨的多重風險，折現率=無風險報酬率+行業風險報酬率+經營風險報酬率+財務風險報酬率+其他風險報酬率。

處于成長期和成熟期的互聯網企業通常面臨的企業風險逐漸減小，并逐漸形成企業自身的核心競爭力，市場份額不斷擴大。由于在收益法中收益額與折現率口徑的選取需要保持一致，同理多期超額收益法中的收益額與折現率口徑也應一致。常用的收益額口徑有企業自由現金流量（FCFF）和股權自由現金流量（FCFE）。FCFF常用于評估企業整體價值，FCFE常用于評估股東全部權益價值。相應的，選擇FCFF作為收益額時選擇加權平均資本成本（WACC）作為折現率，FCFE的折現率選擇股權投資回報率。本文擬從互聯網企業價值入手分析其數據資產價值，收益額選擇FCFF，折現率為WACC，見公式8：

其中，WACC為加權平均資本成本；Re為股權資本回報率；Ri為債券資本回報率；E為股權資本價值；D為債券資本價值；T為企業所得稅稅率。根據資本成本定價模型可得股權資本回報率：

Re=Rf+β×（Rm-Rf）? （9）

其中，Rf為無風險報酬率；β為風險系數，可從Wind數據庫查詢；Rm為市場平均報酬率。

處于衰退期的互聯網企業，市場份額逐漸縮小，企業面臨的風險主要為市場風險，此時企業往往自身難保，對數據資產的利用將最小化，因此，本文認為處在衰退期的企業其數據資產折現率為0。

2.收益期

考慮到互聯網企業所處的生命周期不同，對數據資產的利用程度不同，且數據資產的價值具有累積性，本文認為數據資產的收益期是能適當延長的，貫穿互聯網企業所處的初創期、成長期和成熟期。由于衰退期企業面臨的經營風險進一步擴大，獲得超額收益的可能性下降，因此衰退期不包含在收益期內。

3.企業自由現金流

企業自由現金流量的來源可分為企業生產經營獲得的凈利潤和折舊攤銷額，見公式10：

FCFF＝稅后凈利潤+折舊與攤銷-資本支出-營運資本變動額? ? ?（10）

4.資產貢獻額

流動資產價值波動較小，通常不發生損耗，因此流動資產的平均回報率通常采用一年期銀行貸款利率。流動資產貢獻率為流動資產年平均余額與一年期銀行貸款利率的乘積。

固定資產需按月計提折舊，且折舊年限大于等于5年，因此采用五年期以上的銀行貸款利率作為固定資產的平均回報率。固定資產貢獻率為固定資產年平均值和五年期以上的銀行貸款利率的乘積與折舊補償之和。

無形資產主要源于攤銷補償額和投資回報額兩部分，攤銷年限通常也較長，因此無形資產的平均回報率采用五年期以上的銀行貸款利率。無形資產貢獻率為無形資產年平均值和五年期以上的銀行貸款利率的乘積與攤銷補償之和。

人力資源帶來的價值通常與應付職工薪酬相掛鉤，人力資源的價值越大，公司所需支付的職工薪酬就越高。人力資本貢獻率參考經濟發展的平均人才貢獻率，具體為應付職工薪酬與平均人才貢獻率的乘積。

四、基于生命周期理論的超額收益法在嗶哩嗶哩的運用

嗶哩嗶哩屬于典型的互聯網企業，積累了大量的數據資產，因此對其數據資產估值，有助于該企業數據資產管理和公司資源整合。本文評估對象為嗶哩嗶哩的數據資產價值，評估基準日為2022年12月31日。

（一）收益期的確定

依據嗶哩嗶哩生命周期階段劃分收益期的長短，構建生命周期模型。查閱歷年財務報表發現，2015—2022年營業收入分別為1.31億元、5.23億元、24.68億元、41.29億元、67.70億元、119.90億元、194.00億元、219.00億元。

以財務報表第一年即2015年作為基礎年，構建生命周期皮爾曲線，自變量x=年份-2015，因變量y為當年的營業收入。運用三點法求皮爾曲線模型中參數L的估計值，代入皮爾曲線表達式可以求出剩余參數A、B初始值。運用SPSS軟件中的非線性回歸分析，對皮爾曲線參數擬合，最終得到參數L、A、B的最佳估計值分別為268.48、85.11、0.87。據此，該企業生命周期的皮爾曲線模型，表達式為：

假設嗶哩嗶哩的初創期與成長期的分界點為x1，成長期與成熟期的分界點為x2，成熟期與衰退期分界點為x3，成熟期的長度是成長期的r倍，由于該企業發展速度非常快，因此取值2。由式4—式6可求得分界點具體年份，如下所示：

即，該企業初創期與成長期的分界年份=2015+3.61=

2 018.61（年），分界時間在2018年的7月份左右，四舍五入將分界年份確定為2019年；成長期與成熟期的分界年份=

2 015+6.65=2 021.6年，將分界年份確定為2022年；成熟期與衰退期的分界年份=2 015+12.74=2 027.74年，將分界年份確定為2028年。

由上可知，該企業數據資產的收益期為2022—2028年，涵蓋成熟期7年。根據生命周期劃分確定收益期。根據收益期的定義可知，嗶哩嗶哩剛進入成熟期，此后其規模將逐漸擴大并達到峰值，此時的數據資產存在超額收益；后將逐漸進入衰退期，面臨市場份額縮小或將進行企業轉型的挑戰，此時的收益將逐漸減少，數據資產的超額收益也將不復存在。

（二）多期超額收益法相關模型參數的確定

1.折現率

根據資本成本定價模型（CAPM）確定股權資本成本回報率。從國家金融監督管理總局官網獲取中債國債收益率相關數據，將近十年的中債國債平均收益率作為無風險利率，即Rf為3.33%。選擇近十年的滬深300綜合指數年化收益率平均值作為市場期望報酬率，通過Wind數據庫查詢年化收益率求平均得到Rm值為7.16%。β值取自Wind數據庫，將已有記錄的季度數據求平均得到β值為1.12。根據資本成本定價模型計算股權資本回報率：

Re=Rf+β×（Rm-Rf）=3.33%+1.12×（7.16%-3.33%）=7.62%

債券資本回報率選取五年以上銀行貸款利率，取近3—5年以上銀行貸款利率平均值為4.90%，即Ri值為4.90%。權益和負債占比如表1所示。

表1中，權益資本價值占權益和債券資本價值之和的比例為53.49%，負債占比45.51%，代入公式計算加權平均資本成本為5.75%，即嗶哩嗶哩成長期和成熟期的折現率為5.75%②。

2.企業自由現金流預測

首先，基于灰色預測模型和銷售百分比法計算企業自由現金流，采用加權平均資本成本作為數據資產超額收益的折現率，為保證收益額與折現率口徑一致，收益額口徑選擇企業自由現金流量作為依據計算數據資產的超額收益。采用GM（1，1）灰色預測模型對2023—2028年營業收入預測未來6年的營業收入，如表2所示。

其次，運用數據分析軟件進行最小二乘法求出模型平均相對誤差為5.88%，意味著模型擬合效果良好，后驗差比值為0.015，模型精度高，發展系數a=-0.14，滿足-a<0.3，因此，營業收入可以用于中長期預測。同理，預測該企業的營業成本、營銷費用、一般及行政費用、研發費用、所得稅金額，計算出企業凈利潤，對預測結果進行檢驗，后驗差比值均小于0.05，發展系數a均滿足-a<0.3，可以進行中長期預測。

再次，運用銷售百分比法對資本性支出、營運資本增加額和其他投資活動支出進行預測。

最后，匯總整理可以得到企業自由現金流量的預測數據，如表3所示。

3.計算數據資產超額收益

計算其他資產貢獻值需要對相關財務數據進行合理預測，以近五年財務報告的相關項目作為原始數據，結合GM（1，1）灰色預測模型預測未來六年的財務信息，計算結果如表4所示。

表4顯示的后驗差比C值均小于0.35，說明灰色預測模型精度高，營業收入、固定資產、無形資產等項目的擬合結果為優，但流動資產的平均相對誤差略高于標準20%，意味著模型擬合效果一般，分析其原因為2021年流動資產突然增加，具體原因可能是由于2021年嗶哩嗶哩在香港二次上市帶來現金及等價物的突然增加所導致。

根據企業生命周期的預測，預計企業的數據資產超額收益將在2028年前持續帶來收益，2028年后企業進入衰退期，數據資產的超額收益較小可忽略不計，因此，對2022—2028年該企業數據資產的超額收益預測值進行計算，折現率為5.75%，計算結果如表5所示。

（三）估值結果檢驗

首先，運用自由現金流量貼現法計算出評估基準日的企業價值；其次，預測企業在評估基準日的股票價格，與當天實際股票收盤價進行對比，從而檢驗評估結果的合理性。

生命周期預測結果顯示嗶哩嗶哩將在2027年末進入衰退期，在衰退期內隨著企業經營面臨的不確定性擴大，財務狀況惡化，可能面臨著破產和轉型，因此在使用自由現金流量貼現法時選取評估基準日至2028年的FCFF作為折現基礎，選擇上文計算的5.75%作為企業價值的折現率。根據自由現金流量貼現法公式計算企業總體價值，如公式11所示：

其中，T為企業總體價值；FCFFt為第t期時企業自由現金流；WACC為根據資本定價模型求得的折現率，取5.75%。計算出的股本價值如表6所示。

2022年12月31日嗶哩嗶哩流通股數為4億股，根據自由現金流貼現法計算所得基準日預測股價為182.14元/股；當天股價23.69美元/股，折合人民幣164.65元/股，差異率為10.6%，差異在合理區間內，說明預測的企業自由現金流合理，從而佐證了使用該方法計算出的數據資產價值的合理性。

五、結語

基于生命周期理論，本文構建多期超額收益模型，對2022年12月31日嗶哩嗶哩的數據資產進行估值，結果為461.1億元。在此基礎上，使用上文預測的自由現金流，基于自由現金流貼現法，計算出評估基準日每股價值與當日股票收盤價對比，差異在合理區間內，驗證了基于生命周期理論的多期超額收益法評估數據資產價值的合理性和可行性。

盡管本文基于生命周期理論對多期超額收益法提出了一些改進，但在實踐過程中仍存在以下不足之處。在評估過程中發現雖然現在已有數據資產相關定義，但大多對數據資產沒有具體分類，進而影響數據資產價值評估。本文未能根據數據資產的價值特征對互聯網企業數據資產進行分類歸納，評估結果可能存在一定的局限性。在今后的研究中，應對數據資產分類進一步細化，從數據資產的作用入手，研究其帶來的經濟價值。●

【參考文獻】

［1］ 趙博雅，雒京華.數據資產會計處理研究［J］.上海立信會計金融學院學報，2021，33（3）：94-104.

［2］ 劉玉.淺論大數據資產的確認與計量［J］.商業會計，2014（18）：3-4.

［3］ 李詩，李可亦，田雪，等.A環衛公司數據資產的會計確認、計量與披露［J］.財務與會計，2021（7）：67-70.

［4］ 黃世忠，葉豐瀅，陳朝琳.數據資產的確認、計量和報告——基于商業模式視角［J］.財會月刊，2023，44 （8）：3-7.

［5］ JONATHAN D.The data asset：databases，business int-

elligence，and competitive advantage［J］.Computers & Operations Research，1999，46（3）：16-24.

［6］ 廖東聲.數字資產估值問題研究［J］.會計之友，2022（13）：2-9.

［7］ 張詠梅，穆文娟.大數據時代下金融數據資產的特征及價值分析［J］.財會研究，2015（8）：78-80.

［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］ 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.

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

［11］ FLECKENSTEIN M，FELLOWS L.Modern data strat-

egy［M］.Springer Publishing Company，Incorporated，2018.

［12］ ALABI K.Digital blockchain networks appear to be following Metcalfes Law［J］.Electronic Commerce Research and Applications，2017，24：23-29.