數據資產評估與定價： 基于“開發—應用—風險”三維模型

【摘要】隨著數據要素交易市場的快速發展， 目前缺少對數據資產價值統一的評估與定價方法， 無法有效確定企業數據資產的價值。深入探究企業數據資產價值評估方法， 旨在為企業提供針對性的數據資產定價建議， 使企業實現更優資源配置。通過對企業數據資產的特征和價值影響因素的研究梳理， 構建基于數據勢能理論和數據全生命周期的企業數據資產“開發—應用—風險”三維價值評估模型， 對企業數據資產進行價值評估。并通過案例分析對此評估模型進行可行性和有效性的驗證， 將數據勢能模型引入企業數據資產評估中， 推動數據要素市場價格機制的建立與發展。

【關鍵詞】數據資產；數據勢能；生命周期；價值評估

【中圖分類號】 F270 【文獻標識碼】A 【文章編號】1004-0994（2024）21-0089-7

一、 引言

21世紀初， 數據主要應用于電子商務、 社交媒體和在線娛樂等領域， 被視為輔助信息和營銷工具。2015年8月， 國務院發布《促進大數據發展行動綱要》， 標志著大數據已被納入國家中央戰略規劃， 而黨的十九大報告也將“推進數字經濟與實體經濟的深入緊密結合”納入其中。隨著大數據、 云計算和人工智能等信息技術的興起， 數字經濟和實體經濟不斷融合， 數據作為一種新型生產要素和經濟發展的驅動力逐漸受到廣泛關注。2020年4月， 中共中央、 國務院發布的《關于構建更加完善的要素市場化配置體制機制的意見》明確提出， 數據正式被歸類為五大生產要素之一， 與土地、 資本、 技術和勞動力并列， 進一步確認了數據要素的重要地位。2023年12月31日， 為深入貫徹落實習近平總書記關于發揮數據要素作用的重要指示精神， 國家數據局等聯合印發了《“數據要素×”三年行動計劃（2024—2026年）》， 強調到2026年底， 數據要素的應用范圍和深度將大幅擴展， 尤其是在經濟發展領域， 數據要素的乘數效應將變得明顯。同時， 場內交易與場外交易有機融合， 推動數據交易規模擴張， 促進新業態發展成為經濟增長新引擎， 推動經濟高質量發展。其中， 隨著數據市場規模的爆炸式增長， 數據資產的價值評估與定價被認為是數據要素交易市場中的關鍵環節。

根據全國信息技術標準化技術委員會（2018）提出的《信息技術服務 治理 第5部分：數據治理規范》（GB/T 34960.5-2018）， 數據資產是指組織合法持有的， 能夠被評估、 分析和使用的數據資源。而數據資產評估與定價是一項活動， 用于對組織內的數據資產進行定量和定性評價， 包括評估其現狀、 質量和價值等方面。對數據資產進行全面、 客觀、 準確的評估是增加市場活躍度、 促進市場規范以及快速發展市場的重要基礎， 是保障數據要素有序流通與價值挖掘的重要手段， 對推動政府和企業數字化轉型具有戰略意義（李靜萍，2020）。然而， 數據5P8eoCm/WmtnhqvU3vkx7g==資產與傳統資產之間存在明顯的區別， 不同行業、 企業甚至不同應用場景下的數據資產價值均不同， 不能直接使用傳統資產價值評估定價方法（孫淑萍，2022；高華和姜超凡，2022）。目前數據資產交易市場中缺少對數據進行統一的定價機制和交易規則， 國家尚未出臺規范的公共數據交易指導價格， 無法有效地評估數據資產的實際價值。因此， 如何進一步完善數據資產的價值評估與定價方法， 助力企業實現更優的資產配置， 是目前亟待解決的問題。

圍繞這一問題， 現有關于數據資產的研究大多從企業微觀視角展開， 探究了企業數據資產化特征（李秉祥等，2024；韓秀蘭和王思賢，2023）、 分類（曾雪云和杜晟，2023）、 影響因素（孫淑萍，2022；孫俐麗等，2017）以及會計處理方法（趙星和李向前，2024；周德良和李睿，2024；曾家瑜和趙治綱，2023）等， 多數基于金融資產定價理論進行拓展和改進， 且在部分研究中具有一定的主觀性， 缺少對企業數據資產化定性定量的客觀研究， 同時多為理論分析， 鮮有實證研究。在此情況下， 本文按照分類分級的原則， 綜合考慮產生數據的系統建設成本、 數據的質量成本和治理成本等因素， 基于普華永道所提出的數據勢能概念， 將企業數據資產價值劃分為數據資產開發價值、 應用價值和風險價值， 構建基于數據生命周期的企業數據資產“開發—應用—風險”價值評估與定價模型， 為企業提供針對性的數據資產定價建議以及更全面、 深入和綜合的數據資產定價分析框架， 如圖1所示。

二、 相關研究

（一） 數據資產相關概念辨析及特征提取

1. 相關概念辨析。當前數據資產的研究中涉及“數據要素、 數據資源、 信息資產、 數字資產、 數據資產”等多個概念。若不能理解這些概念， 在研究中可能會混淆或誤用， 進而影響研究的嚴謹性與準確性。在數據資產化和對其進行評估定價的過程中， 對相關概念的梳理有助于深入理解數據資產的本質以及其在企業管理和價值創造過程中的重要作用。通過對數據要素、 數據資源、 信息資產、 數字資產、 數據資產等概念的梳理與辨析， 為本文提供基礎理論支持， 為相關研究提供術語準確性與一致性的保障， 從而推動數據資產化理論與實踐的深入發展。

（1） 數據要素。隨著互聯網的發展， 數據早已被視為促進經濟發展的重要資源之一（Cleveland，1982）。2019年， 黨的十九屆四中全會提出建立完善的市場評估機制， 以確定勞動、 資本、 土地、 知識、 技術、 管理等生產要素的貢獻， 并根據其貢獻程度確定相應報酬， 這一舉措在全球范圍內首次將數據列為正式的生產要素之一。自此， 數據作為新型生產要素， 向社會各領域迅速滲透， 并催生了以數據驅動為核心的產業、 業態和商業模式集合（戚聿東和肖旭，2020）。目前， 國家層面尚未正式對數據要素在法規政策上進行定義， 但社會各界正積極探索此領域。中國信息通信研究院將數據要素定義為“在特定生產需求下， 通過匯聚、 整理、 加工等步驟形成的計算機數據及其衍生形態”（孫靜等，2023）， 因其具有低成本、 非競爭性、 規模報酬遞增、 協同性等特性， 被視作關鍵生產要素而廣泛使用（蔡躍洲和馬文君，2021）。數據要素是信息的基本單元， 通常指信息中的一個個體、 屬性或特征， 可以是一個數字、 一個文字、 一個圖像或者其他形式的數據單元， 是構成數據資源的基礎， 也是數據價值實現的基礎。

（2） 數據資源。在數據生產的經濟邏輯中， 數據資源作為數據要素的重要起點， 被確立為數據價值鏈的核心地位（張衠，2024）。數據資源一詞的提出可以追溯到Voich 和 Wren（1968）在管理學領域的研究， 用來指代一些關鍵的數據變量。2015年11月， 《中共中央關于制定國民經濟和社會發展第十三個五年規劃的建議》發布， 提出了加強數據資源開放共享、 實施國家大數據戰略的重要舉措， 數據資源一詞首次出現在政策文件中。在已有文獻中， 數據資源通常指企業可以獲得的各類數據， 多為有潛在價值但還未經過加工的碎片化的即時信息（Ackoff，1967）。雖然數據資源未形成企業正式的業務， 不一定能為企業帶來相應的經濟效益， 但在數據可無限復制的特征下， 打破了傳統生產要素對企業的供給桎梏， 為企業經濟增長助力（李健等，2023）。同時， 數據資源是指組織或個人所擁有的數據的集合， 包括各種形式的數據要素， 也是數據管理的基礎， 為組織和個人提供信息支持和決策依據。

（3） 信息資產。信息資產一詞最早出現于Stuart Kaback（1977）的索引系統介紹中， 該系統被稱為無價的信息資產?！痘衾麍蟾妗罚═he Hawley Report）將“信息資產”定義為無論是否被記錄的有價值的任意數據。目前， 朱揚勇和葉雅珍（2018）、 馬克衛等（2023）認為， 較好的信息資產定義是已經或應該被記錄下來的、 可能包含有價值或潛在價值的數據?，F有文獻普遍認為， 根據信息資產的價值和重要性識別并分類， 有助于更好地管理和運用這些信息， 從而確保企業商業利益最大化， 并且與管理其他資產相同， 董事會需要承擔其在信息資產管理中的責任（Kaback，1977；Oppenheim，1998）。因此， 信息資產是對數據資源加工和利用的結果， 超越了單純的數據， 是對信息價值和影響力的評估， 提供了更高層次的洞察和價值。

（4） 數字資產。1996年， Meyer作為第一人， 在《維護數字資產技巧》中提出數字資產這一概念。從數字資產的特征來看， Toygar等（2013）、 Genders和Steen（2017）等認為數字資產具有二進制形式、 數字化、 使用權和持有權等顯著特征。因此， 部分學者認為較為合適的數字資產的定義是： 以二進制形式產生并且擁有數據所有權的、 在互聯網設備中生成并存儲的數據（朱揚勇和葉雅珍，2018；馬克衛等，2023）。之后， 隨著比特幣等基于區塊鏈技術的虛擬貨幣的出現， 柯達（2023）、 鄔瑜駿和曲曉輝（2022）將數字資產定義為利用區塊鏈技術、 將數字信息以代碼的形式表達并通過網絡進行傳播、 存儲和交易的資產。目前， 已有文獻多數認為數字資產是基于區塊鏈技術的加密貨幣、 代幣或數字藏品等已登記、 定價并且能進行交易的資產（鄔瑜駿和曲曉輝，2022）。在數字化時代， 數字資產是廣義上的資產， 如數字形式的數據、 信息、 技術和知識等， 具有特殊的重要性和價值。

（5） 數據資產。數據資產一詞源自Richard Peters（1974）發表的著作中， 其提出數據資產包含了政府債券、 公司債券和實物債券等資產。隨后， Ugur Algan（1997）在著作《勘探生產數據庫分析——實用創建技術》中更加深入地闡述了這一概念， 指出企業數據資產的數量、 質量、 完整性和可用性會對企業的競爭地位和市場價值產生重要影響。2009年， 國際數據管理協會在《DAMA數據管理知識體系指南》中明確指出， 在信息時代， 數據是企業的重要資產， 企業應對其開展有效的管理行為。中國通信標準化協會大數據技術標準推進委員會等于2021年發布的《數據資產管理實踐白皮書（5.0版）》中， 將數據資產定義為企業通過采集、 存儲與分析所形成的海量信息型的資源， 且未來能夠給企業帶來經濟價值（陳國青等，2020）。而2023年9月出臺的《數據資產評估指導意見》則稱數據資產是指特定主體合法擁有或者控制的， 能進行貨幣計量的， 且能帶來直接或間接經濟利益的數據資源（周文君，2024）。企業數據資產指的是企業合法合規控制、 可計量成本、 具有經濟效益潛力的數據資源， 包含數據的價值和潛在貢獻， 強調數據對于實現組織目標、 支持業務決策和創造商業價值的重要性。其概念涵蓋了將企業所持有的數據資源作為企業資產進行科學管理， 并探索其經濟與社會價值的實現過程， 包括完善數據全生命周期治理方案、 形成數據交易機制、 創新數據價值評估理論以及構建數據生態等方面（羅玫等，2023）。然而， 目前學術界對數據資產的概念尚未構成統一定論， 不同學科對數據資產概念的側重點各有不同。

這些概念在強調數據在經濟發展和企業運營中的重要性上有所重疊， 但在具體的定義和范圍上有一定的區別。數據要素一詞通常用于數字經濟領域， 指在討論生產力和生產關系時數據的生產價值， 即根據特定生產需求而匯聚、 整理、 加工形成的計算機數據及其衍生形式。數據資源更側重于數據的獲取和利用， 著重于數據的來源和可利用性。信息資產注重數據的價值和管理， 關注點在于數據的內容、 質量和有效性， 以及如何最大化地利用這些信息來實現企業目標。數字資產則是指具有數字化形式、 可交易性和持有權的資產， 包括加密貨幣、 數字化商品和服務等， 其交易多涉及代碼的買賣或轉移。數據資產是通過對數據的分析、 處理和加工而形成的， 其特點是具有可控性、 可測量性以及可實際應用性， 更廣泛地涵蓋了企業數據的各個方面， 包括數據的獲取、 存儲、 加工、 分析以及數據所帶來的商業價值和社會影響， 強調了數據在企業價值創造中的重要作用， 并倡導科學管理和最大化數據資產的價值， 其交易則往往涉及數據的使用權或所有權。

2. 特征提取。關于數據資產的特征， 國內外許多學者都對此展開了研究， 從多個角度分別提出了不同的觀點。部分學者基于數據資產的所有權討論數據資產的特征， 如徐京平和張可雨（2024）認為公共數據資產具有可共享性， 黃樂等（2018）指出企業數據資產還具有時效性、 隨機性和相關性的特征。同時， 從數據資產的屬性來看， 大多數學者都認同數據資產具有大數據的五個特征這一觀點， 即Volume（大容量）、 Velocity（高速度）、 Veracity（準確性）、 Variety（多樣性）和Value（價值）（李秉祥等，2024）。還有部分研究認為數據資產也具備無形資產的特性， 即無實物形態、 非貨幣性和可辨認性三個特征（馬悅和周美華，2024；宋書勇，2024）。倪淵等（2020）將數據資產歸類為非標準化商品， 認為其具有多樣性、 不確定性和成本模糊等特征。此外， 于艷芳和孫俊燁（2023）則認為數據資產具有多樣性、 可加工性和價值易變性。中國資產評估協會于2019年發布的《資產評估專家指引第9號——數據資產評估》對數據資產的特征做出了系統總結， 包括非實體性、 依托性、 多樣性、 可加工性、 價值易變性等基本特征。還有部分學者通過研究數據資產特征如價值不確定性（李清逸和羅敬蔚，2022）、 虛擬性（張雅俊，2023）、 可控制性（張興旺等，2019）等， 對數據資產確權、 溯源以及估值進行了分析。

（二） 數據資產化相關研究

1. 數據資產價值的影響因素?，F有研究對數據資產價值的影響因素從不同維度進行劃分。從數據發展階段出發， 魏曉菁等（2015）基于數據資產的形成過程， 即數據采集方式、 數據資源質量保證、 數據資產完成三個方面進行數據資產可信度影響因素分析。楊凱（2022）基于數據積累、 應用和資產化三個階段分析企業數據資產價值的影響因素。翟運開等（2024）在數據生命周期視角下， 將數據資產化影響因素劃分為數據采集、 數據存儲、 數據處理、 數據管理、 數據應用及相關環境六個維度進行醫療健康領域研究。從數據實際應用出發， 王業軍（2023）從政務數據標準化、 安全化、 市場化和價值化四個方面提出影響政務數據資產價值的關鍵影響因素和一般影響因素。此外， 陽巧英和夏義堃（2023）從主體、 客體以及環境三個維度歸納數據要素的影響因素。王衛等（2020）在生態系統視角下， 從利益相關者、 數據流、 內外部環境三個維度探究影響數據價值實現的因素。孫淑萍（2022）利用扎根理論將初始成本、 數據時效性、 數據容量等影響因素分為成本維度、 數量維度、 質量維度、 應用維度和風險維度五個主范疇。

2. 數據資產價值評估方法。數據資產價值評估是確定數據資產價格的前提， 對推進數據資產市場化具有重要意義。目前， 對企業數據資產價值評估的深入研究尚處于探索階段， 主要可分為三類。一是對傳統的無形資產評估方法進行改良， 如： 鄒貴林等（2022）引入成本修正的概念， 提出采用兩階段成本修正法的企業數據資產定價方式； 苑秀娥和尚靜靜（2024）從價值創造視角出發， 構建了基于收益法及灰色神經網絡—超額收益法的數據資產估值模型； 嵇尚洲和沈詩韻（2022）運用收益倍增模型與情景分析法， 結合用戶數據倍加系數， 評估企業數據資產價值。二是采用影響因素評估， 如： 李永紅和張淑雯（2018）利用層次分析法并結合市場法構建數據資產價值評估模型； 陸岷峰和歐陽文杰（2022）基于層次分析法構建價值評價指標體系五維模型， 對商業銀行數據資產的價值進行非貨幣化評估打分； 張志剛等（2015）采用層次分析模型構建指標評價體系， 建立綜合成本和應用的數據資產價值評估模型。三是構建新模型， 如： 嚴鵬等（2023）基于機器學習構建數據資產價值評估模型； 陳芳和余謙（2021）提出基于剩余法的多期超額收益模型， 為數字化轉型企業的數據資產價值評估提供參考； 趙需要等（2022）借助數據勢能模型， 從開放數據開發價值、 潛在社會價值和潛在經濟價值三個維度進行政府公開平臺數據資產價值評估。

現有研究雖然對數據資產價值的影響因素以及評估與定價方法進行了多方面探討， 但研究手段相對單一， 多依賴單一維度進行數據資產價值評估方法的設計， 未能將評估模型、 傳統方法以及影響數據資產價值的多元因素有效結合， 無法更全面地評估數據資產的整體價值。鑒于此， 本文為了滿足企業進行數據資產價值評估和定價的現實需求， 在市場法、 成本法和收益法三種傳統方法的研究基礎上， 根據數據勢能概念， 從數據資產的“開發—應用—風險”三個維度構建基于數據生命周期的企業數據資產價值評估與定價模型。

三、 數據資產“開發—應用—風險”價值評估模型構建

（一） 數據勢能理論

在物理學中， 勢能是一種儲存于系統內， 且可以釋放或轉化成其他形式的能量。近年來， 勢能也開始被廣泛應用于跨學科研究， 為許多研究提供了新的思考方式。曹琦和嚴則金（2024）通過研究醫改政策來分析高勢能政策的執行偏差； 高勇（2010）構建企業勢能創新模型， 對開發區企業集群的創新動力和創新資源進行研究； 王永華等（2022）認為， 在知識鏈中知識勢差會使知識產生溢出效應。數據勢能的理論源自對勢能的探索， 即將某種物質的力量以某種方式轉換為其他物質的力量， 也就是價值。普華永道在《開放數據資產估值白皮書》中基于我國省級政府開放數據首次提出數據勢能模型， 認為政府數據資產具有較強的普惠性， 依據公共開放數據的特性和數據資產價值的影響因素構建了公共數據資產價值評估模型。根據牟冬梅等（2023）的研究， 數據勢能被定義為數據及其衍生產品或服務的潛在價值和效用。但由于數據資產具有價值易變性， 不同類型的數據在不同的應用場景下價值各異， 因此適用于公共開放數據的價值評估模型和參數無法直接推廣至其他數據資產的評估與定價過程中。

在此情形下， 本文基于數據資產生命周期視角， 結合企業中數據資產的特征和價值影響因素， 綜合考慮數據產生的系統建設成本、 數據的質量和治理成本等因素， 構建企業“開發—應用—風險”數據資產三維評估模型， 如圖2所示。

（二） 變量選擇及衡量方式

現有研究中對企業數據資產特征以及價值影響因素的直接研究較少（孫俐麗等，2017）， 大部分研究集中在數據資產價值的影響因素對數據資產定價模型的優化上， 本文通過系統探究企業數據資產的特征和影響因素， 從開發層面、 應用層面、 風險層面來選擇變量， 見表1。

1. 開發層面包括開發成本和效率指數。在難以確定企業數據資產基本價格的情況下， 企業對數據資產的估值普遍等于其開發成本之和， 包括數據采集和驗證等建設成本、 數據存儲和整合等日常運營成本、 人力和外包費用以及間接費用等管理成本， 即在本文中， 開發成本變量采用研發費用、 銷售費用、 管理費用、 財務費用之和衡量（陽巧英和夏義堃，2023）。調整系數則采用開發效率指數衡量， 即企業營業總收入/營業總成本（趙需要等，2022）。

2. 應用層面包括場景經濟性效益、 數據規模和數據質量調整結果。根據企業利潤最大化原則， 財務報告概念要求企業擁有的資產在未來可能產生收益（羅玫等，2023）， 因此數據資產的應用價值大部分來源于數據資產帶來的效益， 但由于目前數據資產定義尚不明晰， 數據資產需要和企業其他生產要素共同作用產生效益， 因此， 數據資產應用在不同場景下的經濟效益難以直接衡量， 本文采用企業年報中披露的經營活動產生的凈現金流量來表示（高華和姜超凡，2022）。此外， 數據質量與數量均為數據資產價值評估的關鍵影響因素（林娟娟等，2023）。數據規模的擴大能夠使更多領域融合交叉發展， 從而衍生出新業態， 創造出更高的價值（韓秀蘭和王思賢，2023）， 但由于數據資產目前尚未單獨入表披露， 仍舊隸屬于無形資產， 因此本文采用企業近5年的無形資產來衡量（于艷芳和孫俊燁，2023）。同時， 高質量的數據資產有助于提升算法的精準度， 減少由于數據質量低下導致的決策失誤而帶來的損失， 進一步提高數據資產價值（陽巧英和夏義堃，2023）。本文通過對企業數據資產的準確性、 一致性、 完整性、 規范性、 及時性和可訪問性六個維度進行打分（取值為0 ～ 1）， 來衡量企業數據質量調整效果（閉珊珊等，2020）。

3. 風險層面包括風險成本增長率和企業擁有數據資產年數。從數據資產價值的影響因素來看， 風險是評估其價值高低的外部因素之一（孫淑萍，2022）。風險包括道德層面和法律層面（劉雁南和趙傳仁，2023）， 但道德層面難以通過構建評價指標去量化或直觀表現（于艷芳和孫俊燁，2023）， 因此本文僅考慮法律層面的風險， 采用企業近5年負債平均增長率表示風險成本增長率（高華和姜超凡，2022；趙需要等，2022）。由于目前數據資產披露暫且屬于自愿披露階段， 企業數據資產的價值尚未直接反映在資產負債表里， 多數企業僅在上市后的市場價格中或在企業進行并購時才得以體現（Crouzet和Eberly，2018）， 因此企業擁有數據資產年數無法直接通過企業年報判斷， 采用企業當年年份減去上市年份加1表示（牛彪等，2023）。

（三） 模型構建

本文在數據勢能理論的基礎上， 結合企業數據資產價值影響因素和數據資產特征， 對其指標系數進行優化調整， 構建企業數據資產價值評估模型。企業數據資產價值V的評估借助物理學中的重力勢能模型來表示， 見公式（1）：

V=h·mg （1）

式中： h表示數據資產開發價值； m表示數據資產應用價值指數； g表示數據資產風險價值指數。

數據資產開發價值（h）tMQOCeGewPJQXyORU8EPDQ==可以從多個方面來體現， 其中包括從數據收集、 存儲、 分析到應用這一過程中投入的大量建設、 運營、 管理和間接費用。由于目前企業數據資產化處于剛剛起步的階段， 因此數據積累相對較少。隨著后期數據量的增加， 其開發價值可能會呈現出較快增長。見公式（2）：

h=∑（a×d） （2）

式中： a表示企業數據資產開發效率指數； d表示企業在數據資產開發階段所投入的成本總和。

數據資產應用價值指數（m）指企業數據資產在企業商業運營和決策過程中所能夠產生的經濟效益和戰略價值， 見公式（3）：

m=m0÷qi×s （3）

式中： m0為場景經濟性效益， 是指數據資產在不同場景下的應用潛力和帶來的經濟效益， 通過計算企業的數據資產在數據生命周期內所帶來的凈現金流量來表示； qi為數據規模， 該指標利用企業的無形資產價值來衡量； s為數據質量調整效果， 從企業數據的準確性、 一致性、 完整性、 規范性、 及時性和可訪問性六個維度進行打分評價， 取值為0 ～ 1。調查問卷如圖3所示。

數據資產風險價值指數（g）為非恒定因素， 指企業歷年來因為該數據資產而產生的相關風險指數， 見公式（4）：

g=（1+ge）x （4）

式中： ge為企業每年面臨的風險成本增長率； x為企業擁有數據資產年數。隨著時間的推移， 企業面對的風險可能會有所增加。

四、 案例分析

（一） 案例背景與數據來源

本文選擇T企業為案例， 對該企業的數據資產價值進行評估。該企業成立于1993年， 作為領先的人工智能、 大數據和數據安全產品及服務提供商， 在數據資產積累、 數據要素加工技術、 場景化解決方案等方面具有較大優勢， 擁有各行業數據資產總量超2000億條。近年來， 該企業與多家頭部大模型廠商及國家級實驗室簽訂合同， 為其提供高質量多元化數據。2023年9月， 該企業與上海數據交易所簽署戰略合作協議， 雙方擬定在數據資產登記與入表、 共建共創數據產品庫、 數據加工處理服務與數據治理服務等方面深化戰略合作。本文評估過程中的數據主要來源于該企業2018 ～ 2022年的年報信息。

（二） 評估過程

通過查閱T企業2018 ～ 2022年披露的年報中的研發費用、 銷售費用、 管理費用、 財務費用、 營業總收入以及總成本等相關部分， 得到企業近5年對數據資產開發成本以及開發效率指數， 相關財務數據如表2所示。

按照公式（2）計算得出企業數據資產開發價值（h）=239486.826（萬元）。

數據資產應用價值指數（m）從數據本身和產生的經濟效益出發， 即使T企業作為數據密集型企業， 數據要素生產為其帶來絕大部分收益， 但由于目前數據資產暫無確切定義， 并且自2024年1月后數據資產才正式被視為一種資產納入財務報表， 因此計算T企業2018 ～ 2022年的經營活動所產生的凈現金流量得到： m0=30649.545+22150.584+19107.963+18906.237+18349.218=109163.547（萬元）； 數據資產的規模取T企業近5年的無形資產價值， 即qi=3528.938+7622.556+13878.910+30174.650+26068.568=81273.622（萬元）。為了保證數據資產質量評估的專業性和客觀性， 本文邀請武漢大學經濟與管理學院和信息管理學院的信息管理、 金融、 會計等多個相關專業的專任教師共同組成的20位專家團隊為T企業的數據資產質量打分， 從數據的準確性、 一致性、 完整性、 規范性、 及時性和可訪問性六個維度綜合評價， 加權平均后得出s=0.7。由公式（3）計算得出， m=109163.547/81273.622×0.7=0.940。

數據資產風險價值指數g由T企業隨著擁有數據資產的時間推移， 根據近5年來的平均負債增長率計算得出， 具體數據如表3所示。

通過計算T企業2018 ～ 2022年的負債增長率的均值得出ge=0.134； 由于T企業在2011年成功上市， 而本文設置的計算基準年為2022年， 因此得出企業擁有數據資產的年限x=2022-2011+1=12。由公式（4）計算得出： g=4.522。

將上述各變量以及系數值代入企業數據資產價值評估模型， 即公式（1）中， 計算得出， V=239486.826×0.94×4.522=1017981.862（萬元）。

（三） 評估結果

經計算， T企業數據資產價值約為1017981.862萬元， 各層面價值變量及評估結果如表4所示。

在運用該模型評估得出數據資產價值后， T企業可以通過這一結果調整企業未來的投資和資源分配， 以推動業務增長和創新， 開發新的數據驅動業務模式、 產品和服務， 為企業的戰略規劃和決策制定提供指導， 滿足客戶需求并保持市場競爭優勢。隨著數據技術和分析方法的不斷進步， 企業數據資產價值的評估方法和應用場景也將不斷拓展和完善。未來， T企業可以進一步深化對數據資產價值的理解， 并將評估結果與其他指標和數據結合起來， 為企業未來的發展提供更準確的指導， 從而創造更大的價值和更多的競爭優勢。

五、 總結與展望

本文通過梳理探究企業數據資產價值評估與定價相關文獻， 整理分析了企業數據資產的特征和關鍵價值影響因素， 在普華永道提出的政府公共開放數據價值評估的數據勢能模型的基礎上， 結合已有文獻從數據生命周期視角出發， 將數據資產價值分為開發價值、 應用價值和風險價值三個層面， 構建基于數據勢能理論的價值評估模型并進行價值評估實踐， 進一步完善企業數據資產價值評估與定價方法， 推進靈敏有效的價格機制。

本文基于數據勢能概念構建企業數據資產“開發—應用—風險”三維價值評估模型， 是對企業數據資產價值評估的一個重要嘗試。然而， 該方法仍然存在一定的局限性。首先， 根據《企業數據資源相關會計處理暫行規定》， 企業中符合《企業會計準則第6號——無形資產》的數據資源可以被確認為無形資產， 其余數據資產可被視為存貨， 因此本文中數據資產規模直接采用企業無形資產價值衡量可能有失偏頗。其次， 該評估模型對數據資產的風險價值評估不夠全面， 無法覆蓋所有潛在的數據風險因素， 例如對于道德層面的風險無法進行量化評價。最后， 由于企業數據資產具有價值易變性， 其價值可能會隨著時間和環境的推移而不斷變化， 因此評估模型需要進一步調整和完善， 以確保評估結果的有效性和可靠性。

基于此， 在接下來的研究中， 需要更加深入地探究影響企業數據資產價值的因素， 全面分析數據資產蘊藏的多重潛在價值， 完善價值衡量指標以及數據資產價值評估模型， 以期為企業的數據資產管理和價值評估提供更加精準的參考和建議。

【 主 要 參 考 文 獻 】

閉珊珊，楊琳，宋俊典．一種數據資產評估的CIME模型設計與實現［ J］．計算機應用與軟件，2020（9）：27 ～ 34．

蔡躍洲，馬文君．數據要素對高質量發展影響與數據流動制約［ J］．數量經濟技術經濟研究，2021（3）：64 ～ 83．

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．

陳國青，曾大軍，衛強等．大數據環境下的決策范式轉變與使能創新［ J］．管理世界，2020（2）：95 ～ 105．

高華，姜超凡．應用場景視角下的數據資產價值評估［ J］．財會月刊，2022（17）：99 ～ 104．

高勇．開發區企業集群創新勢能研究［ J］．社會科學戰線，2010（5）：246 ～ 249．

韓秀蘭，王思賢．數據資產的屬性、識別和估價方法［ J］．統計與信息論壇，2023（8）：3 ～ 13．

黃樂，劉佳進，黃志剛．大數據時代下平臺數據資產價值研究［ J］．福州大學學報（哲學社會科學版），2018（4）：50 ～ 54．

嵇尚洲，沈詩韻．基于情景法的互聯網企業數據資產價值評估——以東方財富為例［ J］．中國資產評估，2022（2）：29 ～ 38．

柯達．數字資產視角下貨幣法律概念的界定［ J］．重慶大學學報（社會科學版），2023（5）：226 ～ 239．

李秉祥，李真，茹雨青．數字經濟背景下物流企業大數據資產的估值研究——以圓通速遞為例［ J］．財會通訊，2024（2）：84 ～ 89．

李健，董小凡，張金林等．數據資產對企業創新投入的影響研究［ J］．外國經濟與管理，2023（12）：18 ～ 33．

李靜萍．數據資產核算研究［ J］．統計研究，2020（11）：3 ～ 14．

李清逸，羅敬蔚．數據價值鏈視角下數據要素定價機制研究［ J］．價格理論與實踐，2022（3）：94 ～ 97．

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．

馬克衛，王碩，苑杰．數據資產核算應用研究：理論與實踐［ J］．中南財經政法大學學報，2023（5）：149 ～ 160．

馬悅，周美華．電商平臺數據資產核算問題分析［ J］．財會月刊，2024（3）：48 ～ 54．

牟冬梅，彭浩，華樹成等．電子病歷數據勢能模型研究［ J］．現代情報，2023（5）：3 ～ 13．

倪淵，李子峰，張健．基于AGA-BP神經網絡的網絡平臺交易環境下數據資源價值評估研究［ J］．情報理論與實踐，2020（1）：135 ～ 142．

牛彪，王建新，王超．促進治理還是加劇污染：共同機構投資者如何影響企業環境績效［ J］．企業經濟，2023（8）：14 ～ 23．

戚聿東，肖旭．數字經濟時代的企業管理變革［ J］．管理世界，2020（6）：135 ～ 152．

全國信息技術標準化技術委員會．信息技術服務 治理 第5部分：數據治理規范（GB/T 34960.5-2018）［M］．北京：中國標準出版社，2018．

宋書勇．企業數據資產會計確認與計量問題研究［ J］．會計之友，2024（2）：95 ～ 101．

孫靜，王建冬，潘永等．數據要素市場標準化路徑發展探究［ J］．價格理論與實踐，2023（10）：21 ～ 25．

王永華，石琳娜，陳勁．基于知識勢差的知識鏈成員知識協同博弈研究［ J］．軟科學，2022（8）：24 ～ 31．

魏曉菁，陳峰，董媛媛．數據資產可信度評估模型研究［ J］．計算機應用，2015（S2）：170 ～ 173．

鄔瑜駿，曲曉輝．數字資產監管框架與會計問題研究——兼評美國數字資產行政命令［ J］．財會月刊，2022（20）：8 ～ 17．

徐京平，張可雨．國家審計與公共數據資產管理：邏輯體系、作用機制和驅動路徑［ J］．財會通訊，2024（5）：14 ～ 21．

嚴鵬，史一翔，方勁平．我國數據要素資產化價值評估研究——基于機器學習的探索性分析［ J］．價格理論與實踐，2023（10）：26 ～ 31．

陽巧英，夏義堃．我國數據要素價值形成機理、影響因素與實現路徑——基于扎根理論的分析［ J］．圖書與情報，2023（2）：12 ～ 22．

翟運開，劉冰琳，王宇等．數據生命周期視角下醫療健康大數據資產化影響因素研究［ J］．情報雜志，2024（1）：183 ～ 190．

曾雪云，杜晟．企業自有數據資產的分類與估值方法探究——基于光大銀行數據資產估值實踐［ J］．財務與會計，2023（19）：50 ～ 53．

張興旺，廖帥，張鮮艷．圖書館大數據資產的內涵、特征及其合理利用研究［ J］．情報理論與實踐，2019（11）：15 ～ 20．

張雅?。谑袌鰴C制和交易場景的數據要素定價模型［ J］．社會科學家，2023（10）：72 ～ 76．

趙星，李向前．數據資產“入表”的準則考量與推進思路［ J］．財會月刊，2024（3）：55 ～ 60．

趙需要，郭義釗，姬祥飛等．政府開放數據生態鏈上數據要素價值分析及評估模型構建——基于“數據勢能”的方法［ J］．情報理論與實踐，2022（12）：50 ～ 59．

朱揚勇，葉雅珍．從數據的屬性看數據資產［ J］．大數據，2018（6）：65 ～ 76．

鄒貴林，陳雯，吳良崢等．電網數據資產定價方法研究——基于兩階段修正成本法的分析［ J］．價格理論與實踐，2022（3）：89 ～ 93．

Cleveland H.. Information as a resource［ J］． Futurist，1982（6）：34 ～ 39．

Crouzet N.， Eberly J.. Intangibles， investment， and efficiency［ J］． AEA Papers and Proceedings，2018（108）：426 ～ 431．

Genders R.， Steen A.. Financial and estate planning in the age of digital assets： A challenge for advisors and administrators［ J］． Financial Planning Research Journal，2017（1）：75 ～ 80．

Meyer H.. Tips for safeguarding your digital assets［ J］． Computers & Security，1996（7）：588．

Toygar A.， Rohm Jr C. E.， Zhu J.. A new asset type： Digital assets［ J］． Journal of International Technology and Information Management，2013（4）：113 ～ 119．

Oppenheim C.. Valuing information assets in British companies［ J］． Business Information Review，1998（4）：209 ～ 214．

Voich D.， Wren D. A.. Principles of management： Resources and systems［M］． New York： Ronald Press Company，1968．