互聯網企業數據資產價值評估研究

0 引言

隨著互聯網與計算機技術的迅速發展，數據已經成為第五大生產要素，是影響企業競爭力的重要戰略資源。數字經濟逐漸成為經濟發展的核心驅動力，同時數據資產在企業日常活動發揮了重要的作用。

在我國，數據作為交易對象的市場已經開始出現。目前我國已經成立了多個省級和地市級大數據管理局，促進數據資源的流通以及數據資產交易市場的日益繁榮。面對數據資產重要性不斷提高的現狀，國家接連出臺了多項政策。2023年9月，在財政部指導下，中國資產評估協會發布了《數據資產價值評估指導意見》；2023年12月，財政部發布了《關于加強數據資產管理的指導意見》；2024年2月，財政部發布了《關于加強行政事業單位數據資產管理的通知》。這些政策為我國數據資產的發展提供了進一步的指導，對我國數字經濟高質量發展有十分重要的意義。

作為數智時代的重要戰略資源和新興生產要素，數據成為互聯網、數字技術等類型公司的“資產”已是不爭的事實[1]。如何收集、分析、評估企業的數據資產，合理衡量企業價值，幫助企業管理者分析企業經營狀況等問題成為國內外學者研究的熱點。然而，關于數據資產評估的研究依然有待發展。面對日益增長的數據資產價值評估需求，現有的資產價值評估方法無法有效滿足對數據資產價值評估的要求。因此，構建立一個相對客觀、有效的數據資產價值評估模型，以促進數據資產入表和市場流通交易，是數據資產價值評估的當務之急。

互聯網企業的數據資源十分豐富，主要來源于用戶行為數據、交易記錄、網站訪問日志等。對于互聯網企業來說，數據資產逐漸成為重要的戰略資源，成為提升企業核心競爭力的關鍵[2]。面對海量的數據資源，通過對數據資源的分析，合理整合挖掘企業的數據資產，幫助企業獲取更有價值的市場信息和業務洞察。因此，展開互聯網企業數據資產價值評估研究十分重要。開展對數據資產價值評估的研究，目的在于建立一套更為科學準確的、適用于互聯網企業的數據資產價值評估模型，以便企業能夠準確認識并量化其數據資產價值，進而提升企業競爭力。本文將構建的數據資產價值評估模型應用于互聯網典型企業小米集團（以下簡稱“小米”）數據資產價值評估中，以檢驗模型的有效性和可行性。

1文獻綜述

1.1 數據資產的界定

關于數據資產的定義，馬丹和郁霞3認為數據資產是企業在生產經營或交易過程中產生或獲取的、預期能夠產生經濟效益的、記錄方式為虛擬電子的數據。陸岷峰和歐陽文杰[4]認為數據資產不同于原始數據，管理措施更加專業化，目的是滿足不同主體的需要。中國資產評估協會在《數據資產評估指導意見》中則認為數據資產是由某個主體合法擁有或控制的數據資源，這些資源能夠持續發揮作用，并直接或間接帶來經濟收益。本文的數據資產界定與中國資產評估協會的界定一致。

1.2 數據資產的特點

數據資產不同于其他資產，總結現有文獻，一般認為數據資產具有以下特點：首先具有非實體性，數據資產的形態并不是實物，并且數據資產不會因為使用而發生損耗，在一定時期內可以無限次使用；其次具有依托性，數據資產需要依靠載體存在，例如計算機、硬盤、存儲器等；再次具有多樣性，數據資產來源多樣、形式多樣、用途多樣；再次具有可加工性，數據資產可以被進一步處理、轉換和分析；最后具有價值易變性，數據資產會因為多種因素而發生價值的變動，例如技術因素、時間因素、質量因素、場景因素等。

1.3 數據資產價值評估方法

現有的資產評估方法如成本法、市場法、收益法，數據資產價值評估難以直接采用。因為成本法通常需要明確計量資產成本，但數據資產的成本難以確定。而對于市場法，通常需要完善的交易市場或可供參考的類似資產交易，但數據資產流通市場尚不完善，市場交易較少。收益法采用計算預期收益來衡量資產價值，但鑒于數據資產預期收益很難評估，因此需要對傳統收益法進行優化。

用傳統的方法在評估數據資產的價值過程中可行性較低，所以很多學者提供了將不同的評估方法相結合的思路來評估數據資產的價值。肖雪嬌和楊峰5認為企業的數據資產是一個整體，利用收益法和層次分析法，綜合實物期權法確定數據資產價值。陳芳和余謙認為數據資產具有差異性，利用數據資產差異因素對數據資產價值進行調整，使用多期超額收益法評估數字化轉型企業的價值。

1.4 文獻評述

現有研究對數據資產界定、特點和價值評估進行了深入研究，是本文研究的基礎。由于數據資產的特殊性，用傳統的方法評估數據資產價值難以準確反映其價值。當前，互聯網企業發展勢頭猛勁，面對數字化轉型和數據要素價值的展現，互聯網企業對數據資產價值準確計量的需求越來越強烈。因此，基于案例的互聯網企業數據資產價值評估研究具有重要的理論和現實意義，這也正是本文研究的初衷。

2互聯網企業數據資產特點

數據資產具有很強的應用場景性，互聯網企業數據資產不同于其他行業。首先，互聯網企業的數據資產成本占比高，且核算困難。互聯網企業數據的來源包括用戶、交易記錄、訪問日志等，數據形式多為文本、圖像、音頻等。互聯網企業想要將擁有的數據資源轉化為數據資產，需要通過一定的技術手段和工具將數據資源進行處理、分析和整合。顯然，這些過程會增加數據資源的治理和使用成本。對于大部分互聯網企業來說，數據資產管理尚未完善，數據資產成本包含內容不明確。因此，想要清晰核算企業數據資產的成本往往較難[7]

其次，互聯網企業數據資產的價值中，潛在價值更為突出。數據資產價值主要通過賦能企業業務創造價值體現。企業通過數據分析，更好地了解客戶需求，打造更多新產品和新服務。此外，企業還可以利用數據資產預測市場趨勢，幫助企業進行戰略規劃。通過這些方式，可以使企業數據資產潛在價值凸顯。因此，采用改進的收益法評估互聯網公司的數據資產價值，能夠量化其數據資產的經濟價值。為了評估數據資產的價值，可以從企業整體超額收益中剝離出其他資產的貢獻部分，剩余的部分則認為是數據資產帶來的價值。考慮到數據資產價值的未來性，采用多期超額收益法，計算未來多期的數據資產價值然后進行折現的方式，計算數據資產的價值。

最后，互聯網企業數據資產價值增長快速，但波動性強。我國互聯網上市企業的發展迅速，根據中國信息通信研究院發布的數據，2023年中國規模以上互聯網企業實現了17483億元收入，同比上升 6.8% 。企業擁有的數據資產價值將隨著互聯網企業的快速發展而迅速提升。與此同時，數據資產價值波動性大，其價值會因為市場和環境的變化而變化[8]。因此，在評估互聯網數據資產價值時，應充分考量其增長潛力和波動性。本文采用多期超額收益法衡量數據資產價值。此法能夠有效兼顧互聯網數據資產的增長性與波動性。

3構建互聯網企業數據資產價值評估模型

3.1 模型構建

3.1.1模型構建基本思路

數據資產的無形性特點，使其價值無法被直觀感知。數據資產的獨特性使其很難找到可供比較的參照物，加之數據資產交易市場尚不完善，互聯網企業數據資產成本很難準確計量，傳統成本法也不適合數據資產價值評估。因此，本文綜合考慮數據資產特點和互聯網行業特征，構建改進的多期超額收益法評估數據資產價值。利用逆向思維，先計算出企業的整體價值，然后剔除其他資產的貢獻值，從而形成數據資產的價值[9]

此外，多期超額收益法得到數據資產價值并不能完全代表數據資產的價值。因為，數據資產可能因為質量、風險等因素使其價值產生變化。所以本文構建的模型融合了層次分析法，依據互聯網企業數據資產的特點，制定合適的數據資產評價指標，進行數據資產價值的調整。

因此，本文的數據資產價值評估模型構建的主要思路為：首先通過多期超額收益法初步確定資產價值；其次利用層次分析法形成數據資產價值調整系數；最后評估形成數據資產價值。

3.1.2多期超額收益法融合調整系數確定數據資產價值

多期超額收益法的核心理念是企業的價值等于其未來預期超額收益超出投資者要求回報的部分的現值總和。多期超額收益法通過預測數據資產在未來多個時期內產生的超額收益，能更加準確地反映數據資產的價值。除此之外，多期超額收益法兼顧時間價值，折現各期預測的未來價值形成現有價值。由于本文評估的是數據資產的價值，需要將除了數據資產以外的其他資產對企業的整體價值的影響剔除，從而形成數據資產的價值。

本文在構建數據資產價值評估模型過程中，為使評估結果更加客觀、準確，引入了價值調整系數，即綜合考慮數據資產質量、數據應用和數據風險的數據資產價值指數。構建的數據資產價值評估模型如下

（1）式中， V 為數據資產價值； E 為企業的自由現金流； E_f 為企業固定資產的貢獻值； E_c 為企業流動資產的貢獻值； E_i 為企業除了數據資源以外的無形資產的貢獻值；Ψ_tΨ_t 為收益期； i 為折現率； K 為數據資產價值調整系數。

3.2以多期超額收益為基礎的數據資產價值評估模型的參數確定

3.2.1確定評估收益期與基準日

收益期通常是指資產具有獲利能力的期間，由于數據資產的價值具有不確定性和時效性，收益期不適合過長，本文假定為5年。確定評估基準日的目的是確定資產狀況和資產價值評估的基準日期。

3.2. 2 折現率

對于折現率 i ，目前運用比較廣泛的是加權平均資本成本法，該方法可以相對準確地反映企業收益折現率。具體的計算公式為

式中，WACC為加權平均資本成本； K_s 為權益資本成本； K_d 為債務資本成本； E 為權益資本總額； D 為債務資本總額； T 為企業所得稅率。

對于權益資本成本 Ks ，一般采用資本成本定價模型，其計算公式為

K_s=R_f+（R_m-R_f）×β

式中， R_f 為無風險報酬率； R_?m 為市場組合的平均收益率； β 用于度量特定資產的系統風險。

3.2.3其他資產貢獻值

根據式（1），想要得到數據資產的價值，需要把除了數據資產之外的其他資產剔除掉。所以就要計算其他資產的貢獻值。其中，固定資產的貢獻值 E_f ，本文采用通用的固定資產投資收益與固定資產折舊補償之和衡量；流動資產貢獻值 E_c ，則通過流動資產年平均余額與其回報率相乘確定；無形資產的貢獻值 E_i ，則采用將除數據資源以外的無形資產投資回報加上無

形資產攤銷補償確定。

3.2.4數據資產價值調整系數（K）

數據資產的價值會受到各種因素的影響，例如數據資產質量高，則會提升數據資產價值。此外，如果數據資產風險高，則可能會導致數據資產價值降低。本文綜合考慮影響數據資產價值的因素，構建互聯網企業數據資產價值評估指標體系見表1。

4數據資產價值評估案例應用

4.1 案例企業簡介

4.1.1數據資產情況

小米成立于2010年4月，并于2018年7月9日在香港聯交所主板上市，是一家以智能手機、智能硬件和IoT平臺為核心的消費電子及智能制造公司。小米的數據資產很大程度與它的主營業務和互聯網服務關聯。小米的主要業務包括智能手機、物聯網、生活消費產品業務以及互聯網服務等。這些業務為小米提供了大量的數據源。一方面，這些業務為小米生成了海量的直接數據源，例如用戶行為記錄、訪問日志等。通過對這些數據源的分析、挖掘和整合，賦能小米不同的互聯網業務。另一方面，小米重視技術研發，

2023年的研發支出高達191億元。技術的提升反過來提升小米數據管理和治理能力，使得大量原始數據轉變為企業數據資源，賦能小米更好地擴大經營，進一步提升企業數據資產價值，形成良性循環。

4.1.2小米財務和經營狀況

2023年，小米的總收入達到了2710億元，凈利潤同比增長 26.3% ，達到了193億元。在主營業務方面，小米的智能手機、物聯網和互聯網服務等業務，都保持了良好的增長勢頭。特別在互聯網業務方面，營業收入達到301億元。

4.2 小米數據資產價值評估案例應用

4.2.1確定評估基準期和收益期

本文將2023年12月31日作為本次評估的基準日期，數據資產未來收益期確定為未來5年，即2024—2028年。

4.2.2企業自由現金流預測

本文以小米2019—2023年這5年的財務數據為基礎，預測其2024—2028年這5年的自由現金流，公式為

自由現金流 Σ=Σ 稅前利潤－所得稅 + 折舊與攤銷-資本性支出－營運資本增加額

根據公式，可以看出，營業收人對于企業自由現金流計算十分重要。本文根據小米2019—2023年的營業收人數據進行預測，采用多種方式對營業收人進行擬合，發現對數回歸 R² 值為0.871， F 值為47.104，較符合小來營業收人增長趨勢曲線。最終采用對數回歸預測小米未來2024—2028年營業收入增長情況。小來的營業成本、銷售費用等相關數據的預測，則通過該項目占營業收人的比重進行預測。最終各項目預測結果和小米未來5年自由現金流預測結果見表2。

4.2.3 折現率計算

1.權益資本成本 K_s

一般用10年國債收益率確定無風險報酬率 R_f 。根據中國貨幣網數據，截至2023年12月31日，我國10年期國債平均收益率為 2.07% 。根據同花順數據庫數據確定風險系數 β 值為0.99；以我國GDP年增長率為依據確定市場風險溢價，2023年我國GDP增長率5.2% ，從而將小米市場風險溢價確定為 5.2% 。最終計算得出小米的權益資本成本 K_s=2.07%+0.99× 5.2%=7.218% 。

2.債務資本成本 K_d

債務資本成本是企業在進行融資時所借債務的代價。一般債務資本成本主要依據中國人民銀行基準利率確定。中國人民銀行官網數據顯示，2023年12月人民銀行1年期貸款基準利率為 4.30% ，由于近年來我國銀行貸款利率呈現下降趨勢，本文將小米公司資本成本 K_d"以評估基準點時的1年期基準利率確認為 4.30% 。

表2小米2024—2028年自由現金流預測

（單位：億元）

3.加權平均資本成本

小米2019—2023年權益資本和債務資本分布情況見表3。小米在2019—2023年債務資本的占比和權益資本的占比相對較穩定，總體呈現權益資本小幅上升趨勢。本文采取近5年債務資本占比平均值 51.28% ，權益資本占比平均值 48.72% 作為計算基礎。小米2023年稅前利潤為220.11億元，所得稅為45.37億元。假定小米企業所得稅率為 20% 。根據式（2）計算加權平均資本成本為 5.28% ，從而將小米公司數據資產的折現率 i 確定為 5.28% 。

4.2.3 根據多期超額收益法初步計算小米的數據資產價值

通過多期超額收益法得到小米數據資產價值初步預測結果，見表4。

根據計算，初步評估出小米公司數據資產的價值為111.52億元。由于數據資產價值同時還與其數據質量高低、數據應用情況以及數據資產風險等因素密切相關。因此，需要對初步評估的數據資產價值進行調整和修正。

4.2.4利用層次分析法計算數據資產價值調整系數

本文根據數據資產價值特點，構建了一個互聯網企業的數據資產價值評估指標體系，見前文表1。邀請了10位數據管理領域專家對數據資產價值影響因素進行打分，基于篇幅，評分表和評分依據略。在對專家打分結果進行有效性、一致性和相關性評估后，運用層次分析法確定各指標權重，以確定數據資產價值調整系數。最終確定的權重見表5，并據此計算小米數據資產價值的調整系數 K 為1.7254，從而得出小米數據資產價值最終評估結果為192.42億元。

5 結語

隨著數據要素時代的來臨，數據資產人表和流通交易逐漸被社會各界所關注，數據資產價值評估就顯得尤其關鍵。本文基于互聯網企業數據資產特點和應用場景，綜合運用多期超額收益法與層次分析法，構建數據資產價值評估模型，并以互聯網典型企業小米為例，結果表明該模型用于衡量互聯網企業的數據資產價值具有較好的針對性。

盡管本文在數據資產評估中對既有方法進行了優化，但由于數據資產相對于其他資產的特殊性，需要進行專業判斷，從而使得其評估結果依賴于評估主體的合理判斷和運用。今后應進一步完善評估模型，提升其客觀性和可操作性。

參考文獻

[1］王愛國．數據資源入表的三大基本理論問題［J]．財會月刊，2024，45（17）：26-30.

[2］滕明勇，蔣福佑，王明明．電網企業適應大數據發展的轉型策略研究［J]．決策咨詢，2020（1）：53-59.

[3］馬丹，郁霞.數據資產：概念演化與測度方法［J]．統計學報，2020，1（2）：15-24.

[4］陸岷峰，歐陽文杰．關于新時期數據資產要素市場化的目標、原則及路徑的研究：以商業銀行數據資產為例［J]．新疆社會科學，2023（5）：43-56.

[5］肖雪嬌，楊峰．互聯網企業數據資產價值評估［J]．財會月刊，2022 （18）：126-135.

[6］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.

[7］李艷．數據資產評估困境及其對策研究［J]．山西財政稅務專科學校學報，2023，25（6）：40-44.

[8］李佳妹．互聯網企業數據資產價值評估研究：以嘩哩嘩哩為例[J].．現代營銷（上旬刊），2022（9）：151-153.

[9]崔二偉．企業數據資產會計處理研究：以科大訊飛為例[J]．國際商務財會，2024（10）：79-83。91.

收稿日期：2024-12-19

作者簡介：

金乃潤，女，2003年生，本科在讀，主要研究方向：數據資產價值評估。

李亞琴，女，1973年生，博士研究生，副教授，碩士研究生導師，主要研究方向：數據資產管理、信息資源管理和資本市場會計與審計。劉子或，女，2004年生，本科在讀，主要研究方向：財務管理與數據資產信息披露。