数据资产价值：实现路径与评估方法

摘要:数据资产作为数字经济时代的关键生产要素与战略资源,是推动产业转型升级与发展的核心资产。本文梳理了数据资产的价值构成及实现路径,不同应用场景下的价值评估方法研究成果,提出数据资产价值评估方法的优化思路。

　　关键词:数据资产；资产评估；数字经济

　　数字经济时代下,企业数据资产化释放了数据资源的经济价值,有助于打通数据要素的流通路径,并加速其向现实生产力的转化。现阶段互联网、科技、金融等行业的商业模式高度依赖用户数据的处理与分析,数据资产已成为实现这些企业经济目标的重要支撑。数据资产估值是数据资产登记、交易流通与收益分配的管理基础,但目前尚未建立一套系统、客观且有效的评估体系。因此,亟须对数据资产价值评估体系加以完善与验证。

　　一、数据资产的内涵

　　基于会计核算视角,财政部《企业数据资源相关会计处理暂行规定》规定企业使用的数据资源可确认为无形资产。在资产评估维度上,《数据资产评估指导意见》将数据资产描述为特定主体合法拥有或控制、能够以货币计量并带来经济利益的数据资源；《信息技术数据资产价值评估》定义数据资产是合法拥有或控制的,能进行计量的,为组织带来经济和社会价值的数据资源。国民经济核算研究中,数据资产指具备应用场景、在生产过程中被反复或连续使用一年以上的数据。综上,企业数据资产应满足产权清晰、合法控制、可靠计量并具备经济利益等条件。

　　二、数据资产价值的实现路径

　　数据资产价值体现在其数量价值、质量价值、管理价值、应用价值和风险价值等方面。数据资产价值不会因重复使用而减损。数据资产通过与生产资料融合,能够创造更高的经济价值。

　　基于特定的使用场景,企业的数据价值实现通常经历数据收集、存储、分析及应用的从低价值数据形态到高价值数据形态转变的数据价值链构建过程。数据资产可作为生产要素参与企业经营,通过优化生产与业务流程或创新产品服务增强市场竞争力,以提高经营利润的路径实现经济价值。数据资产的经济价值可通过单独出售、授权经营、或作为资产要素参与企业并购估值等方式实现。数据资产不仅能增强企业的经济回报,也有效降低决策不确定性与经营风险。

　　三、数据资产价值的评估方法

　　(一)成本法

　　成本法是通过估算数据资产的重置成本并扣除相应减值后得出其资产价值。该方法适用于缺乏公允交易价值或无法确定其对销售贡献程度的数据资产估值场景。然而,企业中的部分数据资产是在生产或交易过程中伴随生成的经营数据或用户信息,其产生并无明确的生产成本,仅涉及存储与分析成本。这些数据资产既非单独购买所得,也无明确交易价格。因此,成本法无法有效评估此类数据资产价值。

　　(二)市场法

　　市场法是基于可比数据资产交易价格来估算目标数据资产价值。该方法要求数据资产价值可在活跃市场中可靠获取,较为适用于直接从事收集、处理与销售数据的企业。然而,当前许多数据资产尚无完备的交易条件。出于隐私协议及法律约束,互联网公司对个人数据隐私不予出售的安全承诺,导致此类资产缺乏单独的市场价格。此外,现有数据资产交易中,其价值多由交易双方协议或专家评估确定,并受到市场供求等因素影响。数据缺失及公允估值等问题,影响着数据资产价值评估结果的准确性和可靠性。

　　(三)收益法

　　收益法通过数据资产预期经济收益的现值衡量其价值。该方法考虑了资金的时间价值和数据资产未来的获利能力,能够较好反映其内在价值。但对其未来收益预测难度较高且具有一定主观性和不确定性,折现率的确定较为复杂,评估结果受多种外界因素影响。

　　在企业价值创造的过程中,数据资产可能应用于多种目的与场景,准确分离其收益和其他资产的贡献是收益法估值的关键。超额收益法通过运用分割法或差量法分离并评估出数据资产所贡献的超额收益现值,进而确定其价值。此外,由于超额收益通常跨越多个经营周期,可采用多期超额收益模型评估数据资产价值。

　　(四)综合分析法

　　数据的价值与其应用场景密切相关,其价值创造方式具有多样性。因而单一的方法很难量化其价值。综合分析法通过结合定量模型与定性分析,为不同交易场景设计评估框架。

　　在数据资产的持有期间,可使用将数据质量、时效及风险等作为调整因素的调整成本法,或在交易市场完备时采用公允价值法。对于可直接交易的数据资产,可按成交价格估值；在不可交易但收益路径清晰时,采用现金流折现法；若收益路径不清晰但数据标准化程度高且有历史交易时,可采用价格比较法。此外,在无交易场景下,将数据资产收益的不确定性视为期权,采用B-S期权定价模型进行估值。在交易场景下,可将层次分析法和超额收益法相结合对数据资产进行估值。此外,Shapley值法等博弈模型、深度学习、破产分配算法等技术方法,也在不同场景下的数据资产价值评估中得到应用。

　　四、结论与建议

　　科学评估数据资产价值是数据资产入表与有序交易的基础。当前,基于互联网、科技、金融、电力与物流等行业背景,采用不同评估方法所得数据资产估值存在较大差异。在评估过程中,存在历史数据缺失,未来收益难以预测、交易价格缺失、交易市场不完善、权重指标缺乏统一标准等障碍,导致难以直观反映数据资产的成本投入、获利能力和市场供需关系,影响其估值的有效性。

　　数据资产价值评估涉及经济学、会计学、统计学、计算机科学与法学等多学科内容,因此,应在评估体系构建中进一步加强跨学科协同,以推动其价值评估方法的完善。在价值评估过程中,应结合不同应用场景深入挖掘数据资产的多维价值实现路径,并根据数据资产的不同状态采用差异化评估方式,以实现多种方法的优势互补。

　　在构建估值指标体系时,需紧跟行业发展动态,分析各行业数据资产的特点与价值驱动因素,结合数据资产质量差异,充分运用大数据分析与人工智能等技术,精准获取数据资产价值信息,制定更具针对性和适应性的评估指标体系。从而促进数据要素市场的健康发展,实现数据资产的社会价值最大化。

文章来源：《经济导报》https://www.zzqklm.com/w/qt/35712.html