數據資產貶值特性與價值評估

0 引言

數據資產價值評估是國內外學術界探索的一個新領域，在我國尚未形成具有廣泛公信力的評估方法、指標和體系。數據要素仍面臨較多問題，如數據權利不能清晰界定、數據估值確定困難、數據流通方式不暢通、數據交易效率不高等[1]。數據價值具有與之對應的時效性，同時隨著時間推移價值也具備變動性。隨著時間的推移，數據會由于時效性及變動性而發生價值變化。因數據價值不具有限定性，不同于實物資產，數據資產的使用不受時間和空間的限制，所以其公允價值不易估算。數據價值具有特定場景性的特點，在特定場景下所展現出的價值有差異。即便是相同的數據資產，在不同的使用技術和方法下所產生的價值也存在差異。此外，數據資產的價值還具有不確定性。數據資產會因為受到法律監管、隱私權等因素影響而產生不確定性。比如，可能因法律監管而無法交易，可能因隱私權問題而無法確權，不滿足數據資產的概念，進一步對數據資產價值產生較大的影響，甚至經濟性貶值造成公允價值為零。成本法、市場法、收益折現法等實物資產常用的主要價值評估方法是否適用于數據資產的價值評估，目前還處于探索研究階段[2]

在數字經濟大背景下，很有必要加強對數據資產價值評估的研究和探索，為數據資產的計量、核算、報表列示及交易定價等提供依據。數據資產的特點也決定了傳統的評估方法存在一定的不適用性，因此對創新方法的研究是未來的趨勢。這也是本文的研究方向。

1文獻綜述

隨著2023年《關于加強數據資產管理的指導意見》的發布，數據已成為重要的生產要素。數據資產人表、數據資產價值評估及數據資產價值評估體系構建，成為當前學術界和實務界關注的重點。

1.1 數據資產的概念

數據資產是指由公司合法擁有或控制、能夠可靠計量并為公司帶來經濟和社會價值的數據資源[3]

1.2 數據資產價值評估方法

目前，數據資產的主要評估方法包括成本法、收益法和市場法[4]

（1）成本法。基于形成數據資產的成本進行評估，包括直接成本和間接成本。其優點是易于理解和計算，但難以反映數據資產的未來收益。被評估數據資產的評估值 Σ=Σ 數據資產的重置成本-數據資產的功能性貶值-數據資產的經濟性貶值。其中，測算數據資產的重置成本時，要劃分清楚是自創數據資產還是外購數據資產。自創數據資產指的是企業自己運營數據的積累及對原有數據加工和處理后的數據資產[5]。自創數據資產的重置成本需要將數據資源研發的各項成本按照成本歸集原則和分配標準逐項累加核算，既包含直接成本，又包含間接成本。其中，直接成本包含采集成本、數據處理與清洗成本、存儲與維護成本、技術開發與系統集成成本、合規及風險成本等；間接成本指的是不能直接歸集但歸屬于數據資產開發的成本，需要按照一定的核算原則進行分攤，并需要將資金使用成本考慮在內，將一般借款利息作為資金占用成本。外購數據資產的重置成本包含直接采購成本、直接后續加工成本和后續加工間接成本3項。其中，直接成本包括數據資產的購買費用，以及后續加工數據資產而發生的直接成本[5；間接成本指的是在后續數據資產加工過程中分攤的成本。針對數據資產的功能性貶值和經濟性貶值，再考慮市場及功能性影響扣減得出評估值。

（2）收益法。通過預測數據資產未來帶來的經濟利益并進行現金流的折現來確定其當前價值[6]。該方法適用于有穩定收益的數據資產，其中收益預測的可靠性和折現率的選擇尤為重要。

（3）市場法。基于市場上類似數據資產的交易價格進行評估，適用于有活躍交易市場的數據資產，目前幾乎不太可能存在。市場法評估數據資產主要分為總價計量方式和從價計量方式兩種。

1.3數據資產價值評估研究情況

目前，國內在數據資產價值評估領域的研究處于“百花齊放，百家爭鳴”的狀態，尚無明確的標準和框架，更多的是參考軟件著作權和非專利技術一類的評估方法，仍處于初級階段，研究方向分為數據資產價值評估指標體系構建與數據資產價值評估模型設計兩個方面[2]

在數據資產價值評估指標體系構建方面，張志剛等[]在無形資產、軟件著作權和非專利技術等價值評估研究成果的基礎上，從數據資產價值驅動因素切入，提出了基于層次分析法、關聯分析法等構建評估指標體系。李永紅和張淑雯[2]通過對數據資產進行界定，也就是什么是數據資產，同時對數據資產的價值影響因素進行分析，將數據資產價值影響因素分為量的方面和能力的方面。量的方面又分為數據量與數據質量，從量和質兩個維度對數據價值的影響因素進行分析，認為數量和質量均對價值產生較大的影響。能力的方面指的是數據分析能力。李菲菲等[8]將數據資產的成本、數據資產的應用與數據資產的質量、數據資產的應用效果相結合，以此建立評估指標體系。

在數據資產價值評估模型設計方面，王靜和王娟9針對互聯網金融企業的數據資產，結合B-S理論搭建了一套評估模型[10]。董祥千等[1]基于市場模型，從市場交易的角度將數據資產作為交易商品進行了建模，參考市場交易進行了數據資產價值的評估，并對該模型進行了評價與嘗試，提出了一定的應用方向。倪淵等[12構建了AGA-BP神經網絡評估模型，結合互聯網電商交易數據進行了評估嘗試，證明該模型具有較好的評估效果，并對該模型進行了評價[12]

1.4 研究現狀與挑戰

數據資產價值評估面臨諸多挑戰，傳統的評估方法無法準確反映數據資產的價值。一方面，數據資產價值評估的目的、場景和方法尚未統一；另一方面，評估過程主觀性較大，缺乏量化指標和技術應用，導

致評估結果不夠準確[13]

未來的研究應構建更加科學、合理的評估體系，尤其是應用智能財務與Acctech（會計科技）等現代技術，賦能數據資產價值評估的探索。同時，應注重數據資產價值評估的動態調整，以適應數據資產生命周期的變化[13]

2數據資產的貶值特性

數據資產的貶值特性要求在評估過程中充分考慮其價值隨時間變化的情況。評估方法需結合數據資產的時效性、管理成本、授權期限等因素進行調整。例如，成本法評估中需考慮數據資產的貶值率。在成本法中，被評估數據資產的評估值 Σ=Σ 數據資產的重置成本-數據資產的功能性貶值-數據資產的經濟性貶值[13]。因此，評估尤其需要結合數據資產的特點，并需要特別關注數據資產的功能性貶值和經濟性貶值[13]

2.1 數據資產無實體特性

由于數據資產無具體的實物形態，數據資源的存儲、分享和應用需要依托實物載體（如硬盤、U盤、云盤等）進行，但其經濟價值主要由數據本身決定，而實物載體本身的價值可以忽略。數據資產的無實體特性要求在評估過程中充分考慮其可加工性、可共享性、低成本復制性等特點，結合具體的評估方法準確地測算公允價值。此外，數據資產的非實體性也使其經濟價值更易受到數據質量、具體應用場景、市場變化因素等外部條件的影響，從而產生貶值。

2.2 功能性貶值特性

功能性貶值是指由于技術進步（數據采集、處理技術快速迭代，使舊數據因格式、精度或結構落后而貶值）、效用遞減（數據重復使用或公開后，其稀缺性和獨特性降低）、應用場景更新（數據價值高度依賴應用場景，場景變遷可能導致數據失效）等，數據資產無法完成其最初設計的功能，從而出現價值下降。功能性貶值直接影響數據資產的價值評估結果。在成本法評估中，需要從重置成本中扣除功能性貶值。

2.3 經濟性貶值特性

經濟性貶值是指數據資產現行使用條件以外的事件或條件，以及自身無法控制的影響造成價值降低。這種貶值與數據資產自身的質量、功能無關，而是由外部因素引起。例如，消費者行為模式的變化可能導致原有的市場調研數據價值下降，不再符合市場需求。在成本法評估中，需要從重置成本中扣除經濟性貶值。

總之，數據價值具有時效性、變動性、無限性、場景性及不確定性。數據資產的上述特征決定了很難用一種方法對其價值進行評估，有時需要綜合應用多種方法對不同應用場景的數據資產進行評估。傳統的評估方法是從實物資產和無形資產的價值評估借鑒過來的，是否適用于數據資產的評估，目前還處于探索研究階段。

3 評估方法論

數據資產核算落地的關鍵在于完善價值評估方法及相關指標體系，可以嘗試利用智能財務、會計科技等技術手段對一定應用場景下的數據資產價值進行有效評估。

我國對于數據資產價值評估及會計處理方面的研究起步較晚。2023年8月1日，財政部發布《企業數據資源相關會計處理暫行規定》，自2024年1月1日施行。自此，數據資源入表成為可能，數據資產評估業務也逐步多了起來，研究者關于這方面的研究也逐漸增加[13]。2023年12月31日，財政部印發《關于加強數據資產管理的指導意見》，提出需遵循財務會計管理、資產評估管理等共性要求，對持有的數據資產進行規范管理[13]。2024 年以來，我國陸續發布了數據資源管理辦法和數據資源管理能力成熟度評估模型。然而，目前相關研究更多地集中在數據資產管理、挖掘應用上，缺乏對數據資產的價值評估，尤其是缺少成體系的理論支撐，尚未形成一套完善的數據資產價值評估理論體系。2019年，中國資產評估協會發布的《資產評估專家指引第9號——數據資產評估》強調，需結合數據資產的特性、公允價值影響因素和商業運營模式等進行數據資產的公允價值評估，為評估框架的形成奠定了基礎[13]。然而，基于數據資產特征、發展階段的估值框架是從數據自身出發，囊括價值驅動因素的估值框架雖考慮了數據資產的價值性，但作為單線程地從價值驅動因素到價值評估結果的“因果框架”，未能充分深入結合數據資產價值創造背后的業務與管理邏輯，進而導致未形成系統化的框架。

從資產評估理論和實踐角度看，數據資產評估方法選擇要與評估要素、評估目的相適應，同時要考慮選擇適當的評估價值類型。此外，可收集資料是評估方法選擇的重要前提與基礎，具體評估方法、關鍵參數、資料要求和方法影響見表 1^[10] （20

值得一提的是，具體到某一應用場景的數據資產評估方法選擇需要綜合分析3種基本方法的適用性，選擇適合自身數據資產特點的評估方法，具體方法的適用情形見表2[10]

由表2可知，不同評估方法適用的范圍、評估的適用度存在較大偏差，并無明顯適用數據資產的評估方法，因此在評估方法上需要一定的創新性研究。

4評估難點與改進研究

資產評估相關研究發現，導致數據資產價值評估框架理論層與應用層分離的內在原因在于，已有框架越過數據資產定義與數據資產化內在邏輯根基而直言評估模型，從而產生紛繁復雜而又無法一致演化的模型。為解決這一“痛點”，從資產要素與數據本質出發，構建了基于資產要素與數據第一性相協同的數據資產價值評估框架。

已有研究采用成本加成思路，從“調整后的成本 + 價值加成”倒算得出數據資產價值，雖在一定程度上從資產要素與數據本質出發，但仍是數據資產化價值創造底層邏輯的間接衍生。普華永道提出的通用型“數據勢能模型”為：數據資產價值 Σ=Σ 數據資產開發價值 × 價值貢獻因子 × 多場景增速因子。其中，數據資產開發價值 Σ=Σ （數據資產獲取成本 × 質量系數 + 加工成本 + 儲存成本 + 安全成本 + 維護/更新成本） × 安全系數；價值貢獻因子 =1+ 數據資產價值貢獻所要求的必要投資回報率[。其本質上類似于成本加成定價法，即基于數據開發成本經質量、安全系數調整后加成必要投資報酬部分與多場景價值貢獻部分。《資產評估專家指引第9號——數據資產評估》[13]亦提出類似成本加成定價思路的模型，即數據資產價值評估值 Σ=Σ 數據資產總成本 × （ 1+ 數據資產成本投資回報率) × 數據效用。其中，數據效用 σ=σ 數據質量系數 × 數據流通系數 ×(1+ 數據壟斷系數） × （1-數據價值實現風險系數）[13]

當下數據資產價值評估難題的解決不在于直接提出各式各樣的“模型”，而重在數據資產價值評估框架根基的穩固。數據資產價值評估系統與其他系統一樣都有內在的“第一性原理”作為整個系統的根基，而這個根基的關鍵就在于數據資產定義與數據資產化內在邏輯。越過這一根基而直言數據資產價值評估模型，會產生紛繁復雜而又無法一致演化的模型，并將最終導致數據資產價值評估框架理論層與應用層分離。現階段數據資產價值評估亟待解決的問題是，基于資產要素與數據本質搭建出數據資產價值評估框架及對應的理論模型，構建直接可供運算的模型的相關條件尚未成熟。

從資產要素第一性出發，數據資產價值評估的首要前提是數據資產化，即供評估的數據資產已符合數據資產定義，由過去經營積累或外購的、由主體合法擁有或控制的現時數據資源；數據資源需要數據擁有產生經濟利益的能力。過去事項導致、主體合法控制、現時等條件要素已既定，數據資產價值評估本質即對其產生經濟利益潛力的評估。在考慮資產要素第一性基礎上協同考慮數據本質，數據資產產生經濟利益潛力來源于數據經由處理為信息后對內部與外部使用者的決策有用。信息是經過決策有用化處理后的數據，本質機理是對不確定性的排除，可修正使用者信念。

鑒于此，本文從資產要素與數據本質出發，提出基于資產要素與數據第一性協同的數據資產價值評估模型

式中，單項數據資產價值評估值 V_d 等于單項數據資產每一期內、各商業場景一模式下經濟利益流人減去流出的期望值 E(I_t-O_t) 折現之和; i 為折現率，即數據資產相關投入的機會成本。

經濟利益凈流入期望值模型為

（20 (2)式中，各期經濟利益凈流入期望值 E(I_t–O_t) ）等于期內各商業場景—模式的經濟利益凈流人IAS-M.，-OAS-M.t乘以單項數據資產面向各商業場景一模式的概率PAS-M.. 。

經濟利益流入模型為

c_p=c_aw+c_ac+c_in

式中，在單個商業場景一模式中，借鑒《資產評估專家指引第9號——數據資產評估》中的數據效用，經濟利益流入 I_?AS-M 是數據質量系數 α 、數據流通系數 β ！數據供給稀缺性 s 的函數。借鑒貝葉斯定理思想，使用者處理數據得到信息后引起的對各狀態發生概率的修正過程遵循貝葉斯定理。 π_c 為未得到信息 d 時使用者事先認為狀態 發生的概率，即先驗信念； q_d 為得到來自數據決策有用化處理后的信息 d 的概率； q_d∣c 為狀態 發生時得到信息 d 的條件概率; 為使用者信念修正系數。數據經使用者決策有用化處理后形成的信息引起的信念修正程度越高，數據價值越大，即經濟利益流入越大；使用者對未來發生的狀態越有把握，即先驗信念越強烈，信息對信念的修正作用越小。因此，經濟利益凈流入 I_?AS-M 是先驗信念 π_c 、使用者信念修正系數 的函數。數據經使用者決策有用化處理形成信息本身也存在成本 c_p ，包括意識成本 c_aw 、相關獲取成本 c_ac 、整合成本 c_in 等。使用者使用信息也存在風險 r ，包含了數據安全等風險。

經濟利益流出模型為

式中，在單個商業場景—模式中，經濟利益流出OAS-M是數據開發成本 C_d 與其他數據成本調整項 C_adj 的函數。借鑒普華永道[提出的通用型數據“勢能模型”，數據開發成本 C_d 包含了主體數據獲取成本、加工成本、儲存成本、安全成本、維護/更新成本等[9]

單項數據資產面向各商業場景一模式的概率模

型為

P_AS-M=f(BS，α?)

式中，單項數據資產面向各商業場景一模式的概率P_AS-M 是單項數據資產按照場景—模式劃分的業務分部情況BS等因素的函數。

5現代技術賦能數據資產價值評估的應用探索

5.1 神經網絡模型

基于神經網絡的數據資產估值模型，是指以數據資產自身的特征、數據資產購買方對數據資產的實際運用和實踐實例、一些特定宏觀經濟指標等作為輸入值和學習訓練的數據，以市場法既實際成交價格作為評估值的檢驗標準，通過模型自身不斷學習、模擬、強化和訓練所建立起來的具有較高預測精度的數據資產公允價值預測模型[10]

適用場景：數據資產交易市場成熟、有序且活躍，具有大量的交易數據和數據資產交易信息。結合數據資產交易公開化優勢及神經網絡模型的動力學習特性，基于神經網絡模型所建立的價格測算模型將具有較高的精確度和自動化程度，會對數據資產估值帶來有力的推動作用。當下，由于我國數據資產交易市場還在建立當中，尚不成熟，因此神經網絡模型的具體應用還有待時日。

5.2 區塊鏈賦能數據確權

在數據資產價值評估過程中，數據確權扮演著至關重要的角色，只有企業擁有或控制且能夠給企業帶來經濟利益的數據資源才能滿足資產的定義[3]，才能“人表”，這也是進行數據評估的基礎。傳統的確權方法依賴提交權屬證明和專家評審，但這種方法容易受數據被篡改等不可控因素的影響。鑒于數據資產具有容易被復制、共享及易貶值等獨特性，區塊鏈技術的應用，包括其不可篡改性、數字簽名、共識機制和智能合約等[15]，為數據確權提供了明確的技術手段。區塊鏈有助于數據資源在評估中確認是否被企業所擁有和控制，增強了數據的透明度和安全性，為評估數據資產價值的合理性打下了基礎。

5.3隱私計算技術賦能數據確權

在數據資產價值評估過程中，數據確權扮演著至關重要的角色，但是鑒于數據資產容易被復制的特性，數據無法毫無保留地給評估師查看，數據隱私問題對評估產生了影響。隱私計算技術作為一種技術手段，為數據確權提供了另一種解決方案。結合隱私計算技術，確保數據在確權過程中的安全性和隱私性，可以更加有效地進行數據資產評估。同時，隱私計算技術還可以與區塊鏈技術結合，共同為數據確權提供全方位的保障。一方面，可以利用區塊鏈技術進行確權；另一方面，可以用隱私技術來保護數據隱私。區塊鏈技術可以確保數據的來源和流通過程被精確地記錄和追蹤，而隱私計算技術可以在此基礎上進一步保護數據隱私。這種技術結合的方式可使數據資產確權過程更加安全、可靠。

5.4 智能財務與Acctech在數據資產價值評估中的應用

5.4.1數據全生命周期管理

智能財務和Acctech可以通過數據倉庫和圖算法等技術，對數據資產全生命周期進行管理，包括數據采集、存儲、加工和應用。這使得對企業自身開發的數據資源的成本歸集更加精準，也為價值評估過程中成本法的使用提供了數據，是重置成本的數據來源。

5.4.2 成本法評估

智能財務系統可以自動追蹤和記錄數據資產的形成成本，包括數據采集、加工、存儲等相關費用，通過圖算法，可以將數據成本沿著數據加工的路徑進行分攤和收集，從而精確地歸集數據資源的重置成本，然后再結合功能性貶值和經濟性貶值，計算出數據資產的公允價值。

5.4.3 收益法評估

智能財務和Acctech可以通過數據分析來建立收益預測模型，合理預測數據資產的未來收益，并選擇合適的折現率進行未來收益的折現，從而計算出收益法評估的數據資產價值。Acctech可以確保歷史財務數據的準確性和完整性，為評估提供可靠的基礎[10]。Ac-ctech具備強大的數據分析能力，可以幫助評估人員深入挖掘財務數據中的有價值信息，為收益預測和折現率選擇提供更可靠的依據。

5.4.4 市場法評估

智能財務和Acctech可以通過對市場數據的分析，找到與被評估數據資產相似的可比案例，并對折現率和收益率等指標進行調整，從而更加準確地評估數據資產的價值。例如，利用大數據分析技術，快速篩選出市場上的可比數據資產交易案例，并通過專家打分法確定調整因子，對關鍵指標進行調整，確認數據資產的市場法價值。

5.4.5綜合評估方法

智能財務和Acctech可以結合成本法、收益法和市場法，利用層次分析法（AHP）對不同評估方法的結果進行權重分配，進而進行綜合評估，得到更全面、準確的數據資產價值[10]

現代技術為數據資產價值評估提供了多種新的手段和方法。通過數據全生命周期管理，成本法、收益法和市場法的結合及權重的合理分配，可以更準確地評估數據資產的公允價值。未來將有更多新技術在數據資產價值評估中得到應用。

6 結語

綜上，數據資產評估框架標準和評價指標等仍處于研究階段，尚無成熟的方法。數據資產具有貶值特性，受到數據資產的無實體特性、功能性貶值特性及經濟性貶值特性等影響，在數據資源入表后，需要每年對數據資產進行價值評估。數據資產的特殊性對價值評估提出了新挑戰。本文通過對數據資產貶值特性進行深入分析，結合成本法、收益法和市場法等的適用性及關鍵點，探討了如何改良評估方法及利用新技術更準確地評估數據資產的公允價值，并提出一套改良方法。

研究結果表明，數據資產的貶值特性是其價值評估中不可忽視的重要因素。在成本法中，需要從數據資產的重置成本中扣除技術過時、市場需求變化等因素導致的功能性貶值和經濟性貶值，可以結合智能財務和Acctech提供全過程成本歸集，為重置成本提供準確的數據。在收益法中，要更加關注經濟性貶值和功能性貶值造成的現金流下降和收益期縮短，應合理預測數據資產的未來收益期限，并考慮風險因素導致的價值損失，可以結合智能財務和Acctech為風險因素提供更加科學的權重，從而提供更加精準的數據資產價值。市場法則需要對可比數據資產的市場價格進行調整，應該關注數據資產的貶值性，尤其是功能性貶值導致可比數據不可比，從而使選擇的可比數據需要調整。這就需要結合智能財務和Acctech為專家打分法確定調整因子，對關鍵指標進行調整，以此確認數據資產的價值，更加精準地反映數據資產的公允價值。

傳統評估方法需要結合新技術對數據資產進行衡量。這樣才能更加精準地評估數據資產的價值。同時，也應該注意到，不同類型的數據資產可能需要不同的評估方法。評估目的、市場環境、法律和監管要求都會影響評估方法的選擇。根據2023年中國資產評估協會發布的《數據資產評估指導意見》，評估人員應當根據評估目的、數據資產類型、市場環境及法律和監管環境的影響等具體情況選擇合適的評估方法。

參考文獻

[1］德勤，阿里研究院．數據資產化之路：數據資產的估值與行業實踐［R].2021.[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］劉國英，周冬華.IASB概念框架下數據資產準則研究［J].財會月刊，2021（21）：66-71.

[4］中國電子技術標準化研究院．數據資產評估指南［M]．北京：電子工業出版社，2022.

［5］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.

[6］普華永道．開放數據資產估值白皮書[R].2021.

［7］張志剛，楊棟樞，吳紅俠．數據資產價值評估模型研究與應用［J]．現代電子技術，2015，38（20）：44-47，51.

[8］李菲菲，關楊，王勝文，等．信息生態視角下供電企業數據資產管理模型及價值評估方法研究［J].情報科學，2019，37 (10): 46-52.

[9］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.

［10］吳江，馬小寧，鄒丹，等．基于AHP-FCE的鐵路數據資產價值評估方法［J]．鐵道運輸與經濟，2021，43（12）：80-86.

［11］董祥千，郭兵，沈艷，等．基于利潤最大化的數據資產價值評估模型［J].大數據，2020，6（3）：13-20.

［12］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.

[13］中國資產評估協會．資產評估專家指引第9號—數據資產評估[EB/OL].（2019-12-31）［2024-01-05].https://www. cas. org. cn/ggl/61936. htm.

［14］李冬青，劉吟嘯，鄧鐳，等．基于數據全生命周期的數據資產價值評估方法及應用［J]．大數據，2023，9（3）：39-55.

［15］劉恩科，王夢寒．區塊鏈技術與開放銀行的構建［J]．中國金融，2020（6)：83-85.

收稿日期：2025-01-11

作者簡介：

韓建春，男，1982年生，碩士研究生，高級會計師，主要研究方向：智能審計、智能財務、財稅實務。