基于多期超額收益模型的數據資產價值評估

摘 要：隨著信息科技的發展與大數據時代的到來，大數據資源和技術已成為企業的核心資源。數據資產化與數據資產列入企業財務報表正成為業界的共識與呼聲，因此，科學評估數據資產價值對企業發展具有重要意義。本文以K企業為例，通過對三種傳統評估方法進行比較分析，構建多期超額收益模型來評估近五年K企業數據資產的價值，希望能為醫療企業的數據資產評估提供參考。

關鍵詞：數據資產;價值評估;多期超額收益法

引言

大數據發展日新月異，將大數據進行資產化已是產業界和學術界的共識。中央全面深化改革委員會第二十六次會議強調，要統籌推進數據資產、交易流通、收益分配、安全治理，加快構建數據制度體系。確立數據的資產地位，量化地呈現數據資產的價值信息，構建數據資產管理體系，推動數據資產合規應用，都具有重要的理論與實踐意義。

現階段，我國對數據資產的研究，在理論上提出了數據資產的概念，用現行會計學的理論詮釋數據，并提出了相應的確認、計量思路與方法，但缺少實際案例的支持，跨學科、系統性的研究甚少。本文基于醫療企業，以K企業為例，提出了一套量化數據資產價值的可行的路徑和方法，希望能為企業解決在建立數據資產管理會計機制方面面臨的主要難題提供思路，從而推動企業數據資產管理體系的建設和創新。

一、數據資產理論概述

（一）數據資產的內涵

Richard E.Peterson于1974年提出了數據資產這一概念，認為數據資產涵蓋與證券等財產相似的屬性。隨著時代的演進，數據資產的含義已遠超其初始定義。此后，學者們主要從資產屬性和數據屬性兩個維度對數據資產進行界定。在資產屬性方面，Ellis和李雨霏等學者將數據資產定義為企業擁有所有權或使用權，能夠在未來為企業帶來經濟利益的數據資源，這些資源以某種形式被記錄并保存[1]。從數據屬性的角度來看，Zhang等學者將數據資產描述為企業主動或被動收集，通過加工處理能夠為企業創造利潤的數據集合。朱揚勇和葉雅珍則將數據資產定義為在網絡空間中具有實體性、可讀性、價值性和可計量性的數據資源[2]。

通俗來講，企業的資產是能夠在未來期間給企業創造經濟利益的經濟資源。隨著企業的數據資產管理從信息化時代轉變成目前的數據要素化時代，對數據資產的定義也做了一定的規范和說明。近年頒布的《數據資產管理實踐白皮書（6.0版）》中提到，企業合法擁有或者控制的，能交易和量化的，預期可以給數據資源擁有企業帶來經濟價值的數據，如數據庫、視頻等，均被視為數據資產。然而，那些無法或不適宜進行標準化量化，無實際分析與使用價值的原始數據，不宜被歸類為數據資產。

（二）數據資產的特征

數據資產的存在與計量依賴于實體媒介。數據資產的三個特征：一是價值增值性。意味著數據資產的價值與應用場景緊密相關，可通過深入分析和擴展轉化為新的數據產品。二是高風險性。由于目前對數據安全、數據治理相關的法律法規不夠健全，造成其評估難度大，使用風險高。三是時間性。數據資產價值隨時間、環境和用戶需求變化，需要在特定時間內利用以獲取最大價值，否則可能導致價值流失。

（三）數據資產的估值方法

一是市場法。依據市場價格和供求關系評估企業資產，要求有活躍的資本市場和可比較的交易數據。市場活躍度越高，評估結果越真實。

二是實物期權法。適用于具有期權特性的數據資產，視期權為風險規避工具。企業根據數據資產的潛在收益與成本決定是否保留或放棄。

三是超額收益法。計算企業超過市場平均收益的部分，通過增量、分成或差量法來測算。該模型減少評估主觀性，對數據資產評估具有一定參考性。

二、數據資產估值案例分析

（一）案例介紹

K企業成立于2007年，專注于提供可靠的醫療健康產品和全面解決方案。公司產品種類繁多，業務覆蓋健康監測、康復輔助、呼吸支持、醫療護理和中醫理療等領域。經過多年發展，已成為個人健康管理領域的領軍企業，集研發、生產、銷售和服務為一體。

（二）對K企業的數據資產價值進行估計

通過對比分析，選擇超額收益法。評估思路是：在企業自由現金流中，剝離出流動及非流動資產的貢獻數值，進而得到數據資產的超額收益，并以此計算結果作為數據資產價值評估的依據。

1.評估對象

K企業的數據資產。

2.評估范圍

對評估對象的用戶行為數據、可深度挖掘的內容數據、數字化數據進行價值評估。

3.評估基準日

2024年12月31日。

4.收益期

以K企業2019年至2023年的年報數據為依據，將2024年—2028年作為收益期分析。

5.自由現金流量

營業收入。通過審閱企業年報，可以觀察到K企業在2019年至2023年期間的營業收入總體呈現增長態勢，盡管增長率表現出一定的波動性。特別地，2020年的增長額達到近五年來的最高點，這一現象主要歸因于疫情的影響。綜合分析，K企業的未來發展預期將保持穩定。基于此，以21.24%的平均收入增長率進行預測，2024年—2028年的營業收入分別是34.6億元、41.95億元、50.86億元、61.66億元、74.76億元。

在采用常用的函數進行擬合分析時發現，通過擬合度分析，函數為y=5.3474x+6.5381，R2=0.8085，由此得出K企業2024年—2028年擬合收入的預測情況，2024年—2028年的營業收入分別是38.62億元、43.97億元、49.32億元、54.66億元、60.01億元。

本次評估中營業收入最終預測取以上平均，2024年—2028年的營業收入分別是36.61億元、42.96億元、50.09億元、58.16億元、67.39億元。

各項成本費用預測。一是營業總成本預測。2019年—2023年K企業營業總成本占營業收入的比重集中在80%～90%，取五年平均值為86.28%作為預測標準。

資本性支出預測。選取2019年—2023年K企業主營收入中2.40%為資本性支出，作為預測依據。

營運資本增加額。其產生原因主要是由于流動資產大于流動負債，取2019年—2023年K企業營運資本增加額占營業收入比重的平均3.22%作為預測依據。

折舊與攤銷。選取2019年—2023年K企業折舊與攤銷占營業收入比重的平均2.81%作為預測依據。

最終2024年—2028年的自由現金流分別是1.93億元、2.27億元、2.65億元、3.08億元、3.57億元，詳見表1。

6.折現率

在計算折現率時，采用了加權平均資本成本方法，該法綜合考慮了債務及股權資本成本，分別是Rd和Re，根據債務及股權占比計算得出。

通過分析K企業近五年負債情況，主要是短期負債，選用央行的一年期商貸利率3.65%，作為債務成本Rd。無風險利率選擇五年期國債利率2.50%，即式（1）中的Rf。通過查閱wind官網，2024年貝塔系數為0.7692。另外，根據近20年的上證綜合指數，得出市場平均收益率Rm為9.03%。

K企業所得稅率15%，根據年報披露數據，債務比重占21.40%，股權比重占78.6%，將上述數據代入式（1）、（2）：

Re=Rf+β×（Rm-Rf）（1）

WACC=Re×E/（E+D）+Rd×D/（D+E）×（1-T）（2）

根據式（1）、（2），K企業Re為6.57%，WACC為7.52%。

7.其他相關貢獻額

首先，預測固定資產貢獻數值，以2019年—2023年的數據為基準，計算得出固定資產折舊額大約占主營收入中的0.38%。總資產的平均年增長率達到了15.92%，而固定資產在總資產中的比重為1.32%。至于固定資產的投資回報率，參考過去五年的銀行貸款平均利率，即4.90%。

其次，預測流動資產貢獻數值，以2019年—2023年的數據為基準，計算得出流動資產占主營收入比重6.34%。在此基礎上，我們選擇2023年銀行一年期貸款利率3.65%，作為投資回報率基準，預測未來連續五年流動資產貢獻數值。

再次，醫療企業的無形資產相比傳統企業，比重較大。K企業除表內無形資產外，還有眾多難以量化的無形資產，本次價值評估借助“人力成本”，以報表中“應付職工薪酬”為基準，測算貢獻度，占營業收入比重大約為9.78%，wind網顯示，目前我國的人才貢獻率為33.5%，分析人力資本貢獻數值。

最后，2024年—2028年的數據資產現值分別是0.78億元、1.03億元、1.32億元、1.67億元、2.07億元，合計6.87億元。

三、開發數據資產價值的建議

（一）優化開發流程

通過對數據資產進一步加工利用，實現現有數據資源化。一方面，數據資源量較大的企業應設置專業數據分析部門，通過技術優化及算法迭代，對數據資產實現全方位、寬維度分析。另一方面，需要與業務部門緊密合作，以實際業務需要為抓手，挖掘數據潛在利用價值，提升企業核心競爭力。

（二）打通數據收集過程

為了加強數據的可利用性，應結合業務對數據資源實現全流程收集，以提高數據的應用效率與價值。數據資產不同于傳統的實物資產，其融合性及互通性十分顯著。通過加強類似性質企業間的數據聯通，將同行類似業務的數據進行整合分析，可大大消除數據信息障礙，以便于進一步利用數據資產來降低企業業務成本。

（三）豐富數據檢測手段

首先，制定統一的數據標準對實現數據規范化治理極其重要，它能確保數據的可行度，對于目前暫時無法利用的數據資源，也可以規范有序地實現系統保存歸檔。其次，豐富的數據檢測手段能夠篩除與過濾一部分無效及錯誤數據，提升數據資產的可利用性，也便于構建相對合理的數據資源評估體系。最后，考慮到部分數據的安全及保密性需求，應在滿足數據安全管理的前提下，對這部分數據進行分析檢測及利用。

綜上所述，本文以K企業為例，通過超期收益法模型對其數據資產價值進行了分析與評估。雖然該方法存在僅就報表數據進行分析，分析數據不夠全面的局限性，但鑒于此方法適用性廣、可操作性強，目前存在一定的實用價值。目前，數據資產的價值評估屬于熱門且剛起步的階段，尚未形成成熟的理論體系。因此，未來亟須相關領域的專家和學者共同努力，構建一套更合理、更全面的數據資產評估體系，從而促進數字化時代下數據資產的高效利用。

參考文獻：

[1]李雨霏，劉海燕，閆樹.面向價值實現的數據資產管理體系構建[J].大數據，2020（03）：45-56.

[2]朱揚勇，葉雅珍.從數據的屬性看數據資產[J].大數據，2018（06）：65-76.