數據資產價值評估研究綜述

摘要：在數字化轉型的浪潮中，數據資產已經成為企業提升競爭力的有力武器。隨著數據資產入表政策正式落地，數據資產價值評估成為數字經濟時代的關鍵議題，研究運用CiteSpace軟件對數據資產價值評估研究進行可視化分析，系統梳理了數據資產價值評估指標體系的發展與演變，歸納評述了數據資產評估的主要方法，著重分析了數據資產評估中新工具、新模型的運用，指出了現有評估方法的局限性與欠缺點，以期拓展數據資產管理、數據資產評估理論及實踐的研究方向。

關鍵詞：數據資產；價值指標體系；評估方法

0 引言

數字經濟，作為農業經濟、工業經濟后的一種新興經濟形態，正在我國展現出強勁的發展態勢，已成為驅動經濟增長的核心引擎。截至2022年末，我國數字經濟規模已躍升至50.2萬億元，約占國內生產總值中的41.5%，彰顯了其舉足輕重的地位。伴隨5G通信、云計算等高新技術的飛速進步，數據資源作為關鍵生產要素的重要性日益凸顯其，為經濟社會的全面發展注入了新的活力與機遇。

我國數據資產管理經歷了積極的變革與發展，數據要素改革進程進一步加快。2023年9月，中國資產評估協會制定了《數據資產評估指導意見》，旨在規范評估的執業行為，保護資產評估當事人合法權益和公共利益。10月25日，國家數據局正式掛牌成立，標志著在優化數據管理機構和職責體系方面的重大改革。12月31日，財政部發布了《關于加強數據資產管理的指導意見》并制定相應的管理辦法，為數據資產的規范管理提供了明確的指導。2024年1月1日，《企業數據資源相關會計處理暫行規定》正式施行，明確了數據資源的確認范圍以及會計處理適用準則。其中數據資產入表是數據資產最終走向數據資本重要的一步，將開啟數據要素產業化的大時代。這一系列政策文件的相繼發布不僅為數據資產管理奠定了堅實基礎，同時也通過強化數據資產的合規管理和高效流通使用進一步推動數據要素改革，為數字經濟高質量發展階段提供了重要支持。

數據資產價值的不確定性可能會引發數據交易市場的混亂，導致企業對數據資產的不合理配置。因此，合理準確的對數據資產進行評估，有助于企業正確認識數據資產重要作用，充分挖掘其潛在價值，提高數據資產利用效率，優化企業數據資產配置。本文系統梳理了數據資產價值評估指標體系的發展與演變，歸納與評述了數據資產評估的主要方法，著重分析了數據資產評估中新工具、新模型的運用，并發掘現有研究不足及以后的拓展方向。

1 數據資產價值評估研究的可視化分析

1.1 研究工具和數據來源

本文采用CiteSpace軟件，在中國知網（CNKI）以“數據資產價值評估”為主題進行高級檢索，文獻來源為“學術期刊”和“學位論文”，共檢索出304篇相關文獻，為了確保研究的準確性和針對性，對文獻進行篩選，剔除與研究主題無關的文獻，最終構成本文的有效文獻樣本284篇。檢索結果中，第一篇與數據資產價值評估的文獻始于2015年，因此本文的研究時間跨度為2015—2024年。

1.2 數據分析

首先，利用CiteSpace軟件對篩選后的284篇文獻進行了年度發文量的可視化處理，以圖表形式（圖1）直觀展現了284篇文獻的發表時間分布情況，從發文量的時間序列角度分析數據資產價值評估研究的整體發展歷程和進展，從圖中可以看出，2015—2018年文獻研究數量較少，處于數據資產價值研究的開始階段。2019年中評協發布《資產評估專家指引第9號——數據資產評估》后，數據資產價值評估的研究熱度逐年提高，同時由于國家對數據資產定價領域的重視以及政策指引，2019年之后的發文量呈爆發式增長。

其次，借助CiteSpace工具深入分析了數據資產價值評估領域的關鍵詞，通過構建關鍵詞共線圖譜及高頻關鍵詞列表，揭示了該領域內關鍵詞之間的內在聯系與結構特征，見圖2和表1。除“數據資產”“價值評估”以外，“評估方法”“電商企業”“物流企業”“收益法”“大數據”等詞出現頻次較高，反映出電商、物流等行業對于數據資產的重視程度較高，以往的數據資產價值評估研究與實踐也顯示出評估方法的高度關注。

最后，根據圖2數據資產價值評估研究關鍵詞共線圖譜分析和表1高頻詞列表中的對近十年的數據資產價值評估領域的研究情況進行分析，本文梳理出了“影響因素”“模型構建”“評估方法”三大研究熱點，所以本文圍繞數據資產價值評估的指標體系和價值評估方法兩個主題進行展開。

2 數據資產價值評估的指標體系

數據資產價值評估的指標體系基于數據資產價值的影響因素構建，通過層次分析法、模糊綜合評價法等方法計算指標權重。

2.1 數據資產價值的影響因素

數據資產價值的影響因素是構建數據資產價值評估指標體系的基礎，其價值變動收到多種因素的影響，經過學者研究整理，將數據資產的影響因素歸納為幾種不同的類別。鄭海平^[1]分別從數據自身、法律、財務3個角度歸納數據資產價值影響因素，其中，數據資產自身角度包含的是質量、時效性、完整性等；法律角度指的是數據資產的權屬和安全性問題；財務角度指的是成本以及未來收益。孫淑萍^[2]運用扎根理論，對編碼進行處理并構建模型，并將其影響因素歸納為5個主范疇：成本維度、數量維度、質量維度、應用維度和風險維度。嚴鵬等^[3]通過隨機森林特征選擇和多元線性回歸評估模型對影響因素進行重要特征篩選，發現數據的容量、大小、質量、新鮮度及其所屬行業是影響數據資產價值的主要因素。朱蓓^[4]則認為數據資產的影響因素分為市場需求和供給、宏觀經濟因素、法規政策以及其他因素4個方面。宿鑫芳和閆禹^[5]將數據資產價值的影響因素歸納為內部和外部兩方面，其中內部因素包括數據資產質量、成本以及數據相關性3個方面，外部因素分為市場需求和科技創新兩部分。本文認為，數據資產的影響因素可以分為外部和內部兩大類別，其中，內部因素包括數據質量因素和成本因素，外部因素包括場景因素和市場因素。綜上所述，數據資產的價值受多方面因素影響，這些影響因素是建立數據資產價值評估體系的依據。

2.2 數據資產價值評估體系的建立

從上文分析得知，數據資產的價值不是受單一的因素影響，為了準確地評估數據資產的價值，需要綜合考慮多個指標，并從多個維度進行評估，即需要構建一個包含多個關鍵指標的數據資產評價指標體系。

但是學者對價值指標體系的建立的觀點不同，石艾鑫等^[6]將層次分析法引入指標評價體系的構建，他認為只有對數據本身蘊含的知識和信息進行處理，才能創造所謂的價值，所以根據處理數據的過程，數據價值評估體系按照收集、處理和維護進行分類，見圖3。

張弛^[7]通過分析數據資產的特征以及影響因素，將其歸納為顆粒度、多維度、活性度、規模度和關聯度5個特征維度，在每個特征維度下又包含多個輸入維度。

石磊等^[8]認為數據資產的價值主要可以分為質量價值和經濟價值，其中質量價值包括數據的形式、內容和績效價值，經濟價值包括成本、市場和收益價值，見圖4。

《數據資產評估指導意見》中也提及了數據資產價值的四大價值影響因素，其中將影響因素分為成本因素、場景因素、市場因素和質量因素，見圖5。

目前，數據資產的指標體系還沒有統一的標準，應當根據研究對象的特性對具體的指標進行調整，例如研究對象數據資產的市場供需情況、市場前景、國家政策和法律法規限制等。數據資產價值的評估體系構建完成后，可以通過層次分析法、模糊綜合評價法等方法計算指標權重。

3 數據資產價值評估方法

數據應用高速發展，數據資產已經成為多數企業的核心資產。如何合理評估數據資產，使企業有效利用、管理這些數據，對我國經濟發展具有重大的實踐意義。根據現有研究，數據資產價值的評估方法包括3種傳統評估方法及其衍生方法。

3.1 傳統評估方法可行性分析

3.1.1 成本法

成本法的優點是容易理解且計算方式簡單，缺點是對于內部產生，無直接成本的數據較難評估，且貶值因素難以量化，也無法體現數據資產的收益。由于大數據資產的獨特性，成本法本身存在局限性，學者們在成本法的基礎上進行改進。然而，謝玨珍^[9]認為形成數據資產所投入的人力、物力難以用貨幣進行計量，以至于其重置成本難以準確計算。由于數據資產獨特的屬性，學者對于成本法的適用性仍存在分歧。

3.1.2 市場法

從市場法評估角度來看，劉琦等^[10]認為隨著數據資產評估業務的增多，必將形成活躍的市場條件，所以市場法具有可行性，并對其差異因素進行有效量化，構建起市場法評估的框架體系。但市場法的使用存在著許多限制，其局限性主要體現在兩大方面：一是市場成熟度不足。龔子浩^[11]強調，當前數據資產交易市場尚處于初級發展階段，交易活躍度低，透明度有待提高，市場的全面成熟尚需時日，這限制了市場法的廣泛應用；二是可比參照物稀缺。鑒于數據資產的獨特性和差異性，市場上難以找到足夠多的相似數據資產作為評估參照，且不同數據資產間的差異化特征難以精確量化，這增加了市場法應用的難度。吳朔^[12]認為在選取參考對象時，難以選取關聯度較高的企業，且影響數據資產價值的因素無法被量化。張迎^[13]認為大數據交易目前難以規范化，信息不對稱容易導致價格發生偏離。

3.1.3 收益法

數據資產雖然符合收益法的運用條件，但是運用的前提獲取數據資產的預期收益，數據資產收益額常用的確定方式主要有直接收益預測、分成收益預測和超額收益預測等。但仍有部分學者認為收益法存在一定的局限性。李永紅和張淑雯^[14]指出，企業的數據資產收益與產品密切相關、難以分離，不適用于數據資產的價值評估。林飛騰^[15]指出，大數據資產的時效性特點使得在采用收益法評估其價值時，如何準確界定其預期收益的時限成為現階段的一個難題。盡管如此，相較于其他傳統評估手段，收益法在操作性和可行性上展現出一定優勢。越來越多的學者以收益法為基礎構建模型，并運用不同的方法進行修正，將優化后的模型應用于實際案例中進行對比分析，從而在一定程度上確保了評估結果的可靠性。

基于上文的分析，下面將對以上幾種估值方法的優缺點進行對比展示和總結，見表2。

3.2 經過改進的傳統方法

在探討數據資產價值的評估時，盡管傳統方法依舊是國內學術界的主流選擇，但當前趨勢正朝著精細化與定制化方向發展。學者基于各類數據資產的獨特屬性，對傳統評估方法進行創新性的調整與優化，旨在構建更加貼合具體數據資產特征的評估模型。

3.3 衍生評估方法

多數學者認為數據資產的價值會依據其質量、結構、時效性以及應用場景的差異而有所變化，這使得傳統的評估手段難以精確評估數據資產的真實價值。鑒于此，學者們在傳統評估方法的基礎上，結合經濟學與金融學領域的經典理論，衍生出了實物期權評估法和博弈法；基于綜合評價法，衍生出了層次分析法和模糊綜合評價法；基于人工智能的方法，衍生出了BP神經網絡等方法。

3.3.1 實物期權法

實物期權法就是將企業的數據資產看作其擁有的實物期權，其價值不僅體現在現金流量現值上，還包含了附加的選擇權的價值。數據資產的業務附著性表明價值可以通過預測當前業務得出，擁有期權的特質，同時數據資產的價值具有不確定性，所以實物期權法評估動態環境下的數據資產價值具有一定的合理性。

B-S模型屬于實物期權法，擁有實物期權法模型的優勢。王靜和王娟^[21]REF_Ref17239rh以B-S理論模型為核心評估互聯網金融企業的數據資產價值，建立了評價指標體系，包括標的數據資產等5個方面。吳惟熙和陳曉萍^[22]REF_Ref10928rh構建新型大數據資產估值模型評估互聯網企業數據資產價值，最后通過人民網的案例來驗證該模型的適用性。代鈿杰^[23]REF_Ref11137rh將模糊數學理論引入實物期權法中，構建基于模糊B-S期權定價模型的數據企業價值評估模型，將參數以區間值表示，再將區間值進行調整得到確切的數據資產的評估價值。李佳琪^[24]REF_Ref11369rh將物聯網企業的數據資產項目看作一個看漲期權，通過引入紅利支付率這一指標改進B-S模型，評估數據資產的潛在價值。

3.3.2 基于博弈論的方法

數據資產中博弈法是指數據交易雙方基于信息不對稱，進行博弈交易，實現數據購買方利益最大化或者風險最小化。王建伯^[25]REF_Ref11640rh指出，在特定情況下，數據資產的定價可通過交易雙方的信息交換和討價還價來最大化自身利益并最小化風險成本。由于信息不對稱，交易過程可被視為動態博弈中的不完全信息情境。趙馨燕等^[26]REF_Ref12012rh在Rubinstein博弈模型的基礎上，采用一對多的市場競價機制對模型進行修正，旨在通過模擬市場競價與交易談判兩階段博弈，得出賣方視角下市場競價的數據商品均衡定價，并以案例數據商品定價過程驗證模型的應用。

3.3.3 基于人工智能的方法

有學者認為傳統算法傳統算法在應用初期往往依賴于復雜且耗時的特征工程，這一過程不僅效率不高，而且模型的準確性極易受到特征工程質量和有效性的影響，而人工智能算法的模型能在預測精度和速度等維度較傳統算法有明顯提升。鑒于此，倪淵等^[27]REF_Ref12208rh構建了AGA-BP神經網絡的數據資源價值評估模型，并通過自適應遺傳算法優化傳統BP神經網絡提升價值評估的精度。任建宇^[28]REF_Ref13289rh構建了一套數據資產評估模型與配套系統，該系統通過對各項功能的模塊化分解，采用了集成機器學習技術來對數據資產的價值進行量化評估。王建伯^[25]REF_Ref11640rh認為人工神經網絡可以客觀評價及預測數據本身的應用價值，具有較強的動態性，克服了評估人員人工評價中的主觀因素以及模糊隨機性的影響。嚴鵬^[29]REF_Ref13812rh研究發現基于機器學習構建的模型評估效果遠遠優于多元線性回歸模型，其中，隨機森林模型更適用于數據資產價值評估。

4 結語

總體來看，學者們對數據資產價值評估進行了深入研究與挖掘，并形成了一定的研究模式與框架，但研究成果多集中于數據資產較為顯現的電商、物流等行業，未能充分考慮數據資產作為新型資產在各行各業的重要作用。在利用CiteSpace等軟件分析數據資產近10年的研究熱點過程中，本文深入探討了評估方法和評估指標體系這兩大主要議題，認為數據資產價值評價指標體系的構建有利于推動數據資產價值的評估的規范性，但具體針對不同類型的企業、不同的評估目的時，應根據實際情況制定多維度價值評價體系，以全面反映數據資產的價值。另一方面，研究發現單個評估方法難以準確評估數據資產價值，現有研究大多在傳統評估方法的基礎上，運用改進工具對評估方法進行創新，以滿足不同評估場景和需求。此外，分析了衍生評估方法在數據資產價值評估中的應用，為理解和量化數據資產的價值提供了理論基礎和實踐指導，并針對數據資產評估的現狀提出展望：

首先，政府需要加強數據資產對監管力度，完善相關數據資產政策體系。目前，我國已經建立了“京滬廣深貴”5大領頭數據交易所，我國數據交易市場規模不斷增大，所以我國應當規范和監管數據資產交易活動，以便評估人員利用市場法等評估方法對數據資產進行評估時，參考更加客觀的公允價值。

其次，優化數據資產的分級分類標準，促進評估指標體系標準化。對數據進行分級分類是數據治理的基礎，然而當下我國在數據資產交易方面的分級分類標準不完整，對數據資產估值的精確性造成了不利影響。盡管相關部門出臺了一些文件，但這些分級分類的標準多為指南或指導性質，致使出現數據有效性欠佳、重復程度高、格式不一致等狀況，從而影響數據資產評估中的數據來源和質量。此外，為了推動數據資產市場的規范化發展，需要制定統一的評估指標體系，未來可以利用人工智能等技術，根據最新的研究成果不斷更新數據資產價值評估體系，這將有助于提高評估結果的準確性和可比性，為數據資產的交易和流通提供有力支持。

最后，加強對數據資產價值評估方法的研究。由于不同類型企業的數據資產特征差別較大，目前我國還沒有統一規范的數據資產分類標準，針對不同的企業沒有科學統一的評估方法，導致數據資產價值評估時出現偏差。所以，應面向不同來源、不同行業的數據資產，深入分析其特性、價值構成及價值評估指標體系，對比分析評估方法之間的優缺點，在實際應用中不斷優化評估方法。

參考文獻

[1]鄭海平.數據資產價值評估方法研究綜述[J].廣西質量監督導報，2021（6）：162-163.

[2]孫淑萍.企業數據資產價值評估影響因素研究[J].商場現代化，2022（22）：37-40.

[3]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.

[4]朱蓓.數字資產價值評估的影響因素和難點問題探討[J].市場瞭望，2024（5）：17-19.

[5]宿鑫芳，閆禹.企業數據資產價值評估研究[J].合作經濟與科技，2024（17）：107-109.

[6]石艾鑫，郜鼎，謝婧.互聯網企業數據資產價值評估體系的構建[J].時代金融，2017（14）：109，112.

[7]張馳.數據資產價值分析模型與交易體系研究[D].北京：北京交通大學，2018.

[8]石磊，何天翔，陳端兵.企業數據資產價值評估研究[J].中國資產評估，2023（4）：20-30.

[9]謝玨珍.基于改進多期超額收益法的物流企業數據資產價值評估研究[D].南昌：江西財經大學，2023.

[10]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.

[11]龔子浩.基于多期超額收益法的互聯網金融企業數據資產價值評估[D].南昌：江西財經大學，2022.

[12]吳朔.互聯網金融企業大數據資產價值評估[D].昆明：云南大學，2021.

[13]張迎.淺談大數據時代下商業銀行的數據治理體系建設[J].通訊世界，2016（8）：69-70.

[14]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.

[15]林飛騰.基于成本法的大數據資產價值評估研究[J].商場現代化，2020（10）：59-60.

[16]傅傳銳，康佳雯，許荔香，等.基于改進成本法的公共數據要素資產估值研究[J].武漢理工大學學報（信息與管理工程版），2024，46（2）：276-283，298.

[17]孫曉璇，趙小明.基于模糊層次法的數據資產評估方法研究[J].智能計算機與應用，2020，10（6）：252-254.

[18]張俊瑞，董雯君，危雁麟.商務大數據分析：交易性數據資產估值方法研究[J].情報雜志，2023，42（7）：93-101.

[19]劉惠萍，趙悅，趙月華.基于改進多期超額收益法的物聯網企業數字資產價值評估研究：以海康威視為例[J].中國資產評估，2022（8）：69-80.

[20]任紫嫻，陳思.基于文本分析法改進的社交電商數據資產評估：以拼多多為例[J].中國資產評估，2023（10）：11-17，34.

[21]王靜，王娟.互聯網金融企業數據資產價值評估：基于B-S理論模型的研究[J].技術經濟與管理研究，2019（7）：73-78.

[22]吳惟熙，陳曉萍.互聯網企業數據資產估值研究：以人民網為例[J].財經與管理·國際學術論壇，2023，2（2）：101-103.

[23]代鈿杰.基于模糊實物期權法的數據企業價值評估研究[D].南昌：江西財經大學，2023.

[24]李佳琪.基于改進收益法的物聯網企業數據資產價值評估研究[D].沈陽：遼寧大學，2023.

[25]王建伯.數據資產價值評價方法研究[J].時代金融，2016（12）：292-293.

[26]趙馨燕，張治僑，楊芳.數據資產的特征與交易定價研究：基于修正的Rubinstein博弈模型[J].中國資產評估，2022（3）：44-51.

[27]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，2020，43（1）：135-142.

[28]任建宇.基于集成機器學習的數據資產定價模型及系統設計[J].中國管理信息化，2022，25（14）：80-82.

[29]嚴鵬.基于機器學習的數據資產價值評估研究[D].昆明：云南大學，2022.

作者簡介：

張思雨，女，2001年生，碩士研究生在讀，主要研究方向：無形資產價值評估。

劉麗，女，1980年生，博士研究生，副教授，主要研究方向：國際貿易與區域、企業價值評估