市场法评估大数据资产的应用

刘琦 童洋 魏永长 陈方宇

国务院于2015年发布了《促进大数据发展行动纲要》，明确指出我国将全面推行大数据发展和应用，加快建设数据强国。随着大数据时代的到来，越来越多的行业领头企业，例如阿里巴巴、亚马逊、戴尔、UPS、宝洁等，将数据资产作为其核心的竞争优势，大数据可以帮助企业快速定位最盈利的顾客、促进新产品开发，给产品定价以及用于企业日常的经营管理活动。此外，处在变幻莫测的市场环境中，企业面临的不确定性因素越来越多，成功的组织需要通过搜集数据和构建数学模型，了解市场发展规律。即使对于一般企业，数据资产价值的评估对投资决策也具有重要影响。有些企业实施了ERP等管理信息系统，但是很难知道系统中的数据具有多大的价值。

由此可知，大数据资产的价值评估对于促成数据资产的交易，提高企业的经营管理水平至关重要，大数据时代给资产评估学科的发展带了新的机遇和挑战。大数据资产不具备实物形态，应属于一种新型的无形资产，然而其价值与数据的活性、容量、规模、用途有直接的联系，这些特性给数据资产的价值评估增加了难度。例如，在应用收益法时，数据资产的预期收益、收益期限、折现率就很难确定，即使用分成率法，也难以将数据资产的价值从无形资产组合中分割出来；数据资产属于一种智力型资产，其收益和成本之间具有弱对应性，因此用成本法评估时，很难完整地核算其成本。尽管目前数据资产交易案例非常有限，但是本文认为，随着数据资产的交易越来越多，应用市场法评估数据资产的价值具有良好的可行性，本文在对大数据、大数据资产进行界定的基础上，提出了应用市场法评估大数据资产价值的思路，并详细阐述了每一类修正系数的计算方法，本文的研究工作可以为大数据资产的评估提供借鉴与参考。

一、大数据定义及其分类

目前，理论界对大数据还没有统一定义，但对大数据的体量、种类、速度、价值几个方面的特征已经达成共识[5]。在《Science》（2008）杂志出版的专刊中，大数据被定义为：代表着人类认知过程的进步，数据集的规模是无法在可容忍的时间内用目前的技术、方法和理论去获取、管理、处理的数据[6]。美国拉斯维加斯举办第11届EMC Word大会，正式抛出大数据概念。在IDC（2011）发布的报告中，大数据被定义为：大数据技术描述了新一代的技术和架构体系，通过高速采集、发现或分析，提取各种各样的大量数据的经济价值[7]。随后，麦肯锡全球研究院发布的报告说明了大数据能够释放潜在的价值，将大数据定义为: 无法在一定时间内用传统数据库软件工具对其内容进行抓取、管理和处理的数据集合[8]。此后，大数据成为研究热点。

在达沃斯论坛上，大数据是主题之一，其中《大数据，大影响》（2012）报告宣告：数据成为一种新型的经济资产，就像货币或黄金一样。同年，奥巴马政府发布《大数据研究和发展倡议》，并提供2亿美元相关经费，把大数据研究提升到国家战略。维克多认为，大数据是人们获取新的认知、创造新的价值的源泉；是改变市场、组织结构，以及政府与公民关系的方法[4]。从以上有关大数据的概念中可以得知：目前业界对大数据的定义主要关注其体量，并没有扩展到其潜在的商业价值上。本文认为，大数据是指普通计算机软件无法在一定时间内及时处理，具有可挖掘商业价值和非结构化数据特征的数据集合。

目前对大数据的分类主要从其来源、主体的性质、所属产业、产权主体等方面进行分类。

按照大数据的来源，可以将其分为以下四类：互联网数据、科研数据、感知数据和企业数据[2]。互联网大数据的典型代表性包括——用户行为数据、消费数据、地理位置数据、互联网金融数据、社交等UGC数据，互联网数据是近年大数据的主要来源。科研数据存在于研究机构手中，这些机构具有计算速度极高且性能优越的机器。感知技术与大数据的采集是紧密联系的。以传感器技术、指纹识别技术、RFID技术及坐标定位技术为基础的感知能力的提升是物联网发展的基石。全世界的工业设备、汽车、电表上有无数的数码传感器，随时测量并传递海量的数据信息。企业数据种类繁杂，企业可以通过物联网收集大量的感知数据，该类数据增长极其迅猛；相比于企业外部的互联网数据，企业的内部数据量只是沧海一粟。

按产生数据的主体的性质，可以分为个人数据、组织数据及关系型数据。个人数据指由个人特征或行为而产生的属于个体的数据，如每个人的偏好等数据；组织数据指组织行为产生的数据，包括组织在调查、研发、生产等过程中产生的数据；关系型数据指产生于不同主体相互作用过程中的数据，这种过程需要强调主体间关系的对等性，具体包括个人与个人、个人与组织、组织与组织之间由交易等相互作用过程而产生的数据。

根据大数据应用所在的产业，可以将数据资产分为三类，它们分属于农业、工业、服务业三大产业。从理论上来看所有产业都会从大数据的发展中受益。农业大数据是在农业生产过程中产生的。采集关于种子、土壤等变化的数据并加以分析可以帮助种植者在正确时间、正确地点实施精确的农业活动。工业大数据是随着信息化与工业化的融合发展，信息技术渗透到工业企业产业链的各个环节而产生的。它重点支持生产过程控制、生产环境检测、制造供应链跟踪、远程诊断管理等物联网应用，促进经济效益提升、安全生产和节能减排。服务业大数据是企业在对消费者提供服务的过程中采集到的交易数据、浏览数据、位置数据等的集合。对服务业大数据进行分析，其结果可以应用到健康与医疗、交通、电子商务等各领域，并对这些领域加以改进。

从数据的拥有和控制角度，可以将大数据分成第一方数据、第二方数据、第三方数据。第一方数据是指数据的直接生产者。例如，庞大用户在淘宝上产生的海量交易数据和信用数据，对阿里巴巴来说就是第一方数据。这些数据毫无疑问被其生产者拥有和控制，并借助于数据挖掘或出售等方式不断给数据拥有者带来经济收益。第二方数据是指通过提供某种中介服务所获得的数据。例如，支付宝作为国内最大的第三方支付平台，通过对阿里系以外的企业提供支付通道，也获取了额外交易数据和信用数据。从拥有和控制角度看，第二方数据的所有者的确拥有对数据的掌控权，但这部分数据受制于获取路径，在使用、交换或交易的过程中会有一些限制，需要采取匿名化以及整体化等脱敏处理后，才能实现有效控制和使用。第三方数据是指通过爬虫技术等获取的数据。例如，百度通过互联网搜索获取海量的爬虫数据。与前两者相比，第三方数据的产权问题比较复杂。出于对敏感数据泄露的担忧及数据资产定价困难方面的考虑，第一方和第二方数据的拥有者很少直接进行数据交易或授权。这也正是目前数据还不能和资产划等号的一个生动体现。由于无法通过交易授权渠道获得，从法律层面看，这些所有权存在瑕疵的数据即使暂时被拥有，也不能构成资产要素。

二、大数据资产的界定及其价值影响因素

评估大数据资产的首要问题是如何界定大数据资产。刘玉从会计角度出发认为：大数据资产是指那些能够数据化，并且通过数据挖掘能给企业未来经营带来经济利益的数据集合，包含数字、文字、图像、方位甚至于沟通信息等，一切可“量化”、可数据化的信息都有可能形成企业的大数据资产[1]。基于上文对大数据的分类以及对三方数据的所有权与控制权的研究，可知大数据资产是来源于用户数据信息积累，实物形态无法辨认，具有商业价值的第一方数据和第二方数据。大数据资产具有以下特性：

（1）共享性。大数据资产来源于用户数据信息积累，这种特性决定了它可以作为共有财富，由不同的主体同时共享，这与无形资产共益性有相同之处。而不同之处在于：大数据资产被不同主体应用时可能用于不同用途，或不同主体之间可能并无竞争性，因此将大数据共享不会给应用主体带来损失。而无形资产则需要考虑共享可能增加竞争压力的机会成本。

（2）冗余性。由于大数据存在价值密度低的特征，庞大数量的数据中有价值的数据非常少，即存在大量无效数据。大数据资产被拥有和控制方储存时，大量无效数据的储存占用了过多空间，增加了存储成本。

（3）用途多样性。同一种大数据资产包含众多不同类型的信息，这种信息多样性可能满足不同主体的需求，因而被应用到不同的用途中。

（4）时效性。对于流动性较强的数据资产，只在特定时间内才拥有最大的价值。如果不能在恰当时间进行开发利用，价值可能随时间流逝而减少，甚至完全失去。另一方面，在某个时段看起来毫无效用或效用很小的大数据资产，经过时间推移和环境变化，可能会产生更大的价值。

（5）无消耗性。数据资产不会因为拥有者使用频率的增加而磨损、消耗，这一点与其他传统无形资产有相似性。

对大数据资产的价值产生影响的因素有：数据资产的取得成本、技术差异、价值密度差异、容量差异、用途、时效性、类型等，本文在应用市场法的过程中重点考虑如下因素：

（1）取得成本。数据资产与有形资产一样，其取得也有成本。只是相对于有形资产而言，其成本的确定不是十分明晰和易于计量。对企业的数据资产来说，外购数据资产较易确定成本，直接生产数据资产的成本计量较为困难。一般这些成本包括数据生产成本、数据存储成本等。

（2）技术差异。由于数据资产的价值就在于对其价值的挖掘，不同技术条件下，这种技术挖掘程度不同，则价值也不同。因此如何有效辨别技术因素对数据价值的影响就非常重要。

（3）价值密度差异。数据资产之间的价值密度不同给其价值带来的差异，大数据体量巨大，然而对应用主体而言，有用的数据可能只占总体非常微小的一部分。价值密度等于有效数据量与总体数据量的比，价值密度越大，则大数据资产的价值越高。

（4）容量差异。该差异主要考虑数据容量的不同给数据价值带来的折价或者溢价。一般我们认为数据容量越大，则有用信息越多，因此带来的价值越大。需要说明的是这种因为容量差异导致的价值差异，并不一定是线性关系。

三、基于市场法的大数据资产价值评估

市场法是运用市场上同样或者类似资产的近期交易价格，通过直接比较或者类比分析以估测资产价值的各种评估技术方法的总称[3]。随着大数据的价值越来越被人们重视，市场上关于大数据资产的交易将会越来越多，合理识别对大数据价值产生影响的因素并通过比较量化差异判断出大数据价值，为运用市场法对数据进行评估提供了可行性。运用市场法评估时要求必须有一个活跃的市场。在现实的市场中，对于某一类型大数据资产的交易市场并不活跃。但是这并不意味着，市场法就不能用来评估大数据资产的价值。随着大数据资产的交易市场越来越活跃，市场法评估大数据资产价值具有明显可行性。

应用市场法评估大数据资产必须满足可比性的要求。不同类型的大数据资产本身并不具备可比性。可比实例的资产必须是同一类型的数据资产。关于数据资产类型的讨论，现在没有统一的标准，上文从大数据拥有和控制角度等进行了简单的划分，具有一定的参考价值。本文认为，在数据资产的评估中，可比资产的可比性应该体现在以下几点：

（1）同一类型数据。现如今，比较常见的大数据分为：用户关系数据、基于用户关系产生的社交数据、交易数据、信用数据、移动数据、用户搜索表征的需求数据，爬虫和阿拉丁获取的公共Web数据等。

（2）同一用途数据。能够满足某单位特定需求的数据资产显然具有价值。例如，由阿里巴巴等平台产生的大数据，当该大数据被物流公司使用时，其中的地理位置等数据可以满足物流公司合理规划其物流中心的需要，则相关地理位置数据就有较高价值；当被服装设计公司使用时，其中的服装交易数据能够满足调整产品设计的需要，则消费者的服装交易数据相对来说更有价值。由此，就资产拥有和控制角度分类而言，虽然是同一类型的数据，因需求者对数据的不同需求，其价值就不同。所以，在选择可比数据资产时，必须考虑同一用途数据。以上两个因素，是在选择可比对象时，必须要考虑的基本条件，其他因素在修正系数的量化过程中加以考虑。

本文认为，用市场法评估数据资产的基本思路为：

被评估大数据资产的价值=可比实例大数据资产的价值×技术修正系数×价值密度修正系数×期日修正系数×容量修正系数×其他修正系数

（1）技术修正系数。本文试图建立六个指标基本厘清这种因技术进步所带来的价值差异。这六个指标是：数据获取、数据存储、数据加工、数据挖掘、数据保护、数据共享。其次通过层次分析法将某个指标与其他五个指标进行对比，两两一组，确定该指标相对于同组中另一指标的重要性程度，以此确定各个指标的权重，最后综合确定技术修正系数。其指标体系如图1所示：

图1 影响大数据资产价值的因素体系

基于以上建立的技术因素体系，进行不同权重之间的探讨。本文采用AHP（层次分析法）确定不同技术因素对大数据资产价值的影响，具体操作过程如下： 依据影响数据资产价值的技术因素体系，确定六个指标，以上六个技术指标对大数据资产的价值影响的重要性是存在差异的。该重要性差异可以通过构建判断矩阵进行量化，用来衡量当两个因素对比时，一个因素是否比另一因素重要，重要性的标度直接参考文献[3]。

运用相关打分法，邀请行业专家，技术人员等进行打分，构造出如下判断矩阵。

在得到判断矩阵后，应用本征向量法计算相应各个因素的权重，得到权重向量，并进行一致性检验。在通过一次性检验以后，邀请行业专家，对六个指标进行具体分析判断，识别出可比实例和待评估资产之间的技术指标差异。分别判断出可比实例和待评估资产之间六个指标的具体得分，满分100分，用以下计算公式得出相关系数值：

其中，代表第i个技术指标待估大数据资产的得分，MR,i代表第i个技术指标可比实例大数据资产的得分，在此基础上，可以得到技术修正系数

（2）价值密度修正系数。有效数据是指在总体数据中对整体价值有贡献的那部分数据。价值密度可以用单位数据的价值来进行衡量，定义为ρV。按照一般逻辑，有效数据占总体数据量比重越大则该项数据整体价值越高。因此，两个大数据资产进行比较时，需要对价值密度进行修正，价值密度修正系数λD的计算公式为其中ρV,O与ρV,D分别代表待估大数据资产的价值密度与可比实例大数据资产的价值密度。如果某一项大数据资产可以进一步拆分为n项子数据资产，每一项子数据资产可能具有不同的价值密度ρi,V，那么其总体的价值密度为，δi反映了在特定用途下该大数据资产的价值对于整体价值的重要性，可以应用层次分析法进行计算，满足归一性要求：

（3）期日修正系数。期日修正系数主要是考虑评估基准日与可比实例评估日期的不同，所带来的价值差异。一般来说，离评估基准日越近，其价值越大。其原因就在于，离评估基准日越近，越能反应当下市场的变化，其商业价值就越高。所以说，对于同一数据类型，评估基准日不同，其价值也就不相同。基于离评估基准日越近，数据资产价值越大的假设，可以这样认为：期日修正系数的修正主要体现在数据资产因距评估基准日较近导致的价值增值部分。在其他条件不变的情况下，这部分增值随着待估资产评估期日与比较资产评估期日的接近而增大。这部分增值可能反应在成本的节约上或者收益的增加上，期日修正系数的基本公式为：

（4）容量修正系数。本文假定：在评估大数据资产时，其容量越大，则有用信息就越多，其带来的价值就越多。当可比实例和被评估资产存在容量上的明显差异时，其价值也存在差异。本文在这里试图就容量修正系数的确定提出一般思路。通过大量观察同类数据资产交易活动，探寻出不同容量下，数据资产的价值差异，从而构建出容量修正系数，容量修正系数的基本公式为：

（5）其他修正系数。其他修正系数是指：对于在其他情况下出现的，可能影响评估对象价值的因素。比如可比实例存在卖方将增值税转移给买方的情况，数据资产的机会成本差异（将数据资产用于某一用途后将无法用于其他用途所获收益的最大损失），市场供需状况差异等。在实际的评估过程中，应依据实际情况加以考虑。

四、结论

市场法本身不失为一种评估大数据资产的有效方法，随着大数据资产评估业务的增多，必将形成活跃市场，进而满足市场法的应用条件，建立起成熟的市场法体系。本文试图合理界定数据资产，并对影响数据资产价值的因素进行研究，有效量化可比数据资产与待估数据资产之间各因素的差异，构建运用市场法评估大数据资产的基本框架。

本文研究运用市场法评估数据资产有一定的创新力，但其评估思路和方法在细节方面还存在一些尚待改进的地方：（1）在考虑技术修正系数体系时，仅仅是从六个指标进行论述，且每个方面论述的也不甚完整。在实际的操作过程中，技术修正体系是一个非常复杂的体系。这就需要我们对这种技术修正体系有一个深刻的认识，才能更好的把握这种由于技术进步所引起的价值差异。（2）期日修正系数和容量修正系数没有给出具体的核定方法。这一方面是由于所掌握的数据资产交易数据有限，另一方面是由于对这种修正系数的确定还没形成相对完善的体系。只能有效识别出这两个系数对数据资产价值产生重大影响，本文基于此提出的一般思路，对运用市场法评估大数据资产有一定的启发意义。

[1]刘玉.浅论大数据资产的确认与计量.会计评论, 9(18):1,2014.

[2]张兰廷.大数据的社会价值与战略选择.中共中央党校博士学位论文.13-14, 2014.

[3]汪海粟.资产评估.高等教育出版社,第2版, 2007.

[4]维克托·迈尔-舍恩伯格,肯尼斯·库克耶.大数据时代.浙江人民出版社, 2013.

[5]H.Barwick.The “four Vs” of Big Data.Implementing Information Symposium, 2012.

[6]Graham-Rowe, D.Goldston, C.Doctorow, M.Waldrop.Big data: science in the petabyte era.Nature, 455(7209):8-9, 2008.

[7]Gantz J,Reinsel D.Extracting value from chaos.IDC iView, 1-12, 2011.

[8]R.Ahswsde, N.Cai, S.Y.Li.Network information fl ow.IEEE transactions.on information theory, 46 (1):1204-1216, 2000.