基于情景法的互联网企业数据资产价值评估——以东方财富为例

■ 嵇尚洲 沈诗韵

（上海对外经贸大学，上海 201620）

一、引言

近年来，数字经济迅速发展，成为主要经济形态之一。“十四五”时期的主要目标任务指出，要加快数字化发展，打造数字经济新优势，协同推进数字产业化和产业数字化转型。《中国数字经济规模测算与“十四五”展望研究报告》预计到2025年数字经济规模能够达到326 724 亿元。数据资产作为数字经济的载体，其重要性在企业经营中日益显现，是互联网企业的主要经营资产。数据资产依托科技发展，有创新性特征，是特殊的无形资产，价值易变性使其未来发展较不确定，传统评估方法受限。情景分析法将定性与定量结合，从多角度系统性分析事物发展，对于未来变化的考量符合数据资产特性，贴近企业自身发展情况，有助于解决数据资产评估这一问题。

二、文献综述

目前对数据资产的文献研究多集中在界定、特征、影响因素、权属、政策、安全性、评估方法、估值模型等角度，其中从传统估值方法延伸，考虑数据资产性质对其客观量化是大多数文献研究的重点。刘琦等①建立市场法价值影响体系，结合层次分析法、价值比进行量化。左文进等②将市场法、收益法结合Shapley 破产法，将数据资产分解估价。崔丽丽③等引用基于漏损率的LSM 模型评估移动云计算联盟数据资产。李永红④等利用层次分析法和灰色关联法分别确定影响因素的权重与可比数据资产。李春秋等⑤基于业务计划和收益变化得到数据资产带来的价值。普华永道发布《开放数据资产估值白皮书》，借用物理学的“势能”概念解释数据资产，建立数据势能估值体系，设定关键参数并从五个纬度进行综合评分。关于数据资产价值已有较多讨论，但是尚未形成可操作的价值评估方法。

三、互联网行业数据资产发展分析

（一）数据资产特性

数据资产指由特定主体合法拥有或者控制，能持续发挥作用并且能够带来直接或者间接经济利益的数据资源。数据资产的基本特征包括非实体性、依托性、多样性、可加工性、价值易变性等。不同行业的数据资产具有不同特性，因此数据资产可以按照所应用行业进行分类，行业特性对其评估方法的选择和评估价值影响较大。

（二）互联网行业发展

截止2020年12月，我国网民规模为9.89 亿，互联网普及率高达70.4%。新冠肺炎疫情加速推动了从个体、企业到政府全方位的社会数字化转型浪潮，我国互联网行业在抵御新冠肺炎疫情、疫情常态化防控和全面复工复产中发挥了不可替代的积极作用，在网络强国和科技强国战略的指引下，我国互联网行业产业数字化转型效果明显，创新能力不断提升，网络治理逐步完善。截止2020年12月31日，我国境内外上市的互联网企业总市值为17.8 万亿元，环比上涨5.6%。同时2020年第三季度上市互联网企业总营收达7986.3 亿元，同比增速为16.3%。我国互联网行业把握了信息变革的历史机遇，实现了快速发展。

从行业整体来看，互联网行业迈入了高质量发展新阶段，互联网企业集群化发展态势初步形成，北京、上海、广东、浙江等地集中了约八成的互联网上市企业和网信独角兽企业。我国市场包容度和覆盖面不断增加，成长型创新创业企业迎来新的发展机遇，2020年深交所创业板改革并试点注册制进一步完善了我国资本市场体系，助力成长型创新创业企业发展壮大，同时推进常态化退市机制促进行业良性竞争。随着资本市场各项改革开放政策逐步落地，资本市场服务成长型创新创业能力持续增强，市场包容度和覆盖面不断增加，未来互联网企业类型会更多元化。

（三）互联网行业商业模式与数据资产标的

不同类型互联网企业包含不同商业模式，不同商业模式下运营不同特性的标的数据资产。即便相同的数据资产由于其应用领域、使用方法、获利方式的不同也会造成价值差异。因此，将互联网企业按照商业模式进行分类，再研究其标的数据资产特点，相当于明确评估对象的名称、种类、形式等基本状况，对于后续评估具有重要意义。通过查阅中国互联网发展报告以及各互联网行业的研究报告，整理归纳后得到表1中的各类型互联网企业商业模式与标的数据资产。

表1 互联网企业商业模式与标的数据资产

续表

四、互联网+证券对传统证券服务业影响

随着移动支付、社交网络以及搜索引擎等为代表的现代互联网技术快速发展,证券业进入互联网+证券的全新时代。腾讯与国金合作推出佣金宝，2014年7月，佣金宝官方微信正式上线，实现了货币基金微信一键快速取现，佣金宝实现了一次互联网式的颠覆。互联网金融以成本优势和信息优势影响着证券行业的价值实现方式、行业竞争格局,并倒逼证券业创新变革。证券行业的大数据应用才刚刚开始，互联网证券公司不少仍处于营销渠道拓宽、客户流量导入阶段，其本质仍然是传统理财产品网上销售业务模式，个性化产品以及具体到账户体系互联互通、结算托管制度推进等实质性进展仍然较少（中银国际，2015）。互联网公司、互联网金融新兴者、基础设施提供商等大批涌入互联网证券交叉领域，但最具竞争力的是金融资讯互联网企业，它们将金融数据与客户数据有效结合，激活大量潜在用户，形成企业价值的快速提升。

五、收益倍增模型结合情景法

不同特性的标的数据资产对评估方法的选择以及评估价值产生较大的影响。如金融资讯行业具有风险性、高效性和共益性等特点，其中风险性表明在研发过程中可能研发失败，受技术进步和市场不确定性影响，导致数据资产价值降低；高效性体现在人才与核心技术的开发能提高金融系统的运行效率，降低系统运营维护成本，大数据的挖掘与分析结果能实现深度分析和精准营销。金融资讯行业位于金融服务产业链中游，通过对基础信息进行加工整合，开发互联网金融信息产品，从而向下游客户销售产品并提供金融信息。互联网金融信息服务的提供商成为行业的核心力量，利用大数据功能实现投资者画像，推动金融产品创新和精准服务。金融大数据叠加互联网实现了交易行为的信息化，从而提高了业务数据的完备性和可靠性，使风险结构化管理成为可能，大大提升了金融服务企业价值。

收益法倍增模型是我们根据数据赋能原理，对传统金融服务业用户价值在结合大数据进行价值的重新确认，依据金融大数据与用户数据的相互吸收利用，对现有的数据服务收益形成倍增效果。收益法倍增法将金融数据与用户数据结合后形成的用户深度价值准确挖掘出来。

情景分析法是由荷兰皇家壳牌集团于20世纪60年代末首次运用与战略规划并获得成功的预测方法。情景分析法根据事物发展趋势的多样性，通过对其内外部影响因素进行系统性分析，将定性与定量结合，设计构想出多种可能的未来情景，综合地科学地厘清事物的影响因素及发展方向。

金融机构创新需要依托数据驱动，以数据驱动高质量发展，推动金融机构与各个平台的互联互通，依托平台效应实现高效运转。大数据与现代金融服务的结合具有更高盈利能力，更多变的盈利模式，通过情景分析法可以使评估结果更为客观合理。如果仍然从传统估值方式分析其价值容易导致很大偏误，尤其会导致低估其数据资产价值。通过情景分析法构建数据资产价值影响因素未来可能出现情形的框架，对不同情景的概率进行测算，是一种可行的价值评估方案。

互联网行业属于增长型行业，其该行业的驱动力主要为技术与人才的开发，行业运动状态与宏观经济周期无较强关联。与周期型、防御型行业相比，创新性特质使互联网企业的预期收益确认更为复杂，使用收益法结合情景分析法能增强评估的合理性。此外，互联网企业是创新性轻资产企业，利用网络平台提供服务从而获得收入，主要经营无形资产，其中数据资产占比大。部分互联网企业将经营的数据资产业务收支分栏列示，在详细的财务数据较难获得的情况下，较易对该行业的数据资产进行定量研究，未来数字经济的发展势态下，企业对数据资产经营的成本收入列示会更清晰规范。

本文选用东方财富这一金融资讯企业。该行业有增长性特征，具有广阔前景，受投资需求、行业规范、风控能力、技术与人才挖掘等多因素交叉影响。东方财富通过搭建互联网服务平台经营以数据资产为主的创新型轻资产，该轻资产属于特殊的无形资产。多重因素下使得东方财富数据资产的评估方法选择至关重要。常规的市场法缺乏可比案例且难以将客观数据统一量化，常规的成本法难以解决数据资产成本和价值的弱相对性问题，常规的收益法虽然可以较为真实准确地翻译数据本身进化价值，但难以对影响因素进行深入量化分析，对数据资产的深入利用价值难以精确判断。因此采用收益法结合情景分析法对互联网企业数据资产价值分析具有适用性与前瞻性。

综合前人对情景分析法的研究，主要评估步骤如下：明确数据资产背景——分析内外部驱动力——构建情景框架——明确不同情景下的概率——情景分析法结合收益法计算数据资产价值。

六、东方财富数据资产案例分析

（一）公司介绍与标的数据资产

东方财富属于互联网企业中的财经资讯企业，立足于一站式互联网服务平台的整体战略定位，具有多类业务资质和牌照、业务横跨证券业务、广告服务、金融数据信息服务、金融电子商务领域，在真正意义上搭建了互联网服务大平台。

东方财富的商业模式包含“东方财富网”“Choice金融终端”“Level-2 决策版、极速版”和“投资大师”终端产品的财经资讯服务，“股吧”股民互动平台、“天天基金”第三方基金销售服务和“东方财富证券”证券经纪服务。企业数据资产包含金融数据和用户数据，具有高效性、风险性和共益性，如表2所示。

表2 东方财富标的数据资产的构成

东方财富数据资产支撑各类业务，是金融信息流人工智能平台、全领域金融数据引擎系统、金融云服务平台、大数据实时处理系统等企业核心技术的应用成果。其中金融数据来源于金融数据终端产品，通过向用户按照不同的使用期限收取金融数据终端服务费获得收益，同时为证券业务、金融电子商务提供数据基础，与用户直接关联。用户数据来源于金融数据仓库系统和用户画像平台，通过收集用户行为属性，为各类业务提供精准营销，增加用户黏性。

公司运营的以“东方财富网”为核心的金融资讯服务大平台已成为我国用户访问量最大、用户黏性最高的金融资讯平台。数据资产是搭建该平台的重要资产。随着金融资讯行业的竞争加剧，国内资本市场的进一步开放，数据资产是东方财富与普通证券企业相区别的主要发展优势，是企业核心竞争力之一。评估数据资产对该企业具有重要意义，有助于了解数据资产对金融服务行业的价值提升作用。

（二）价值驱动因素确定

数据资产的价值驱动因素较复杂，分为内部驱动因素与外部驱动因素。经过查阅相关研究资料电话谈访后，东方财富数据资产的内外部驱动因素如表3所示：

表3 东方财富数据资产内外部驱动因素

（三）价值驱动因素排序及情景框架构建

选取4 个关键外部驱动因素搭建情景框架：人才与核心技术开发度、数据资产市场发展、公众投资需求、政府支持程度。按照不确定性与重要性的高低将关键因素排序，构建情景框架，如图1所示：

图1 东方财富数据资产关键驱动因素排序

在四大因素中选取人才与核心技术开发度、数据资产市场发展和公众投资需求作为三大关键驱动因素，通过组合三大关键因素构建三种数据资产未来发展情景，考虑其关联性，得到典型的三种情景如表4所示：

表4 东方财富数据资产三种发展情景

高情景：核心技术得到突破，企业将完善人才考核激励制度。数据交易平台扩张，数据资产相关法律与交易得到完善，数据资产作为生产要素在市场上频繁交易。未来宏观经济形势发展良好，国民经济保持快速发展，公众投资需求较高。

中情景：相关核心技术逐年完善，使数据仓库系统、用户画像平台、财经多媒体信息检索平台等保持运营，继续实施人才战略。未来数据资产市场在探索中逐步构建，宏观经济形势发展良好，国民经济保持稳定发展，公众投资需求较高。

低情景：东方财富人才与核心技术开发度较低，核心技术开发碰到难点，数据资产交易困难，公司经营不佳，人才管理效率低，公众投资需求低。

（四）估算情景概率

1.基于历史信息分析情景概率

数据资产收入是敏感性较强，能体现数据资产价值的重要内部参数，历史信息估算情景概率基于过去状况，推测未来情景发展趋势作为发生各种情景的概率。东方财富2009-2021年年报与半年报中金融数据服务收入与增长率如表5所示：

表5 东方财富金融数据服务收入与增长率

将收入增长率划分为高情景（增长率＞30%），中情景（0 ≤增长率≤30%），低情景（增长率＜0），并统计各情景下的平均值、频数和频率，如下表：

表6 东方财富金融数据服务收入增长率分析表

2.基于概率树法分析情景概率

由于东方财富的金融数据在发展初期，所依托的金融数据终端平台尚未搭建完全，搭建时付出的阶段性成本和企业战略发展重点的变化使金融数据收入波动较大，通过历史信息分析得到高情景频率仅0.19，平均值却高达56.46%。

因此采用概率树法进行调整，考虑各驱动力影响，分别测算未来三种情景发生概率，将每个关键驱动因素的各种可能性的概率与其他关键驱动因素的各种可能性的概率相乘，组合计算得到未来各种情景发生的概率。经过查阅相关文献和数据，对三个关键驱动因素的各种可能性进行赋值，如图2所示。

经过组合计算得到未来各种情景发生的概率，如高情景：45%×60%×55%=14.85%，中情景：7.7%，低情景：3.6%。

由于只选取了3 种典型组合情景，剔除其他9 种情景后，得到最终结果为高情景：

综合考虑历史信息分析法与概率树分析法，加权算术平均后得到，高情景出现概率为37.92%，中情景出现概率为36.15%，低情景出现概率为25.93%。

（五）情景分析法估值结果

计算折现率采用资本资产定价模型。无风险利率采用十年期国债无风险利率为2.8502%（数据来源：中国债券信息网）。根据东方财富《创业板向不特定对象发行可转换公司债券募集说明书》中分析的金融数据服务业务主要竞争对手，选取了东方财富、同花顺、大智慧、恒生电子的无财务杠杆β 值来计算平均值，获得行业β 值，具体数据如下表（表7），所得剔除杠杆的行业β 值为1.9408,通过得到东方财富的β 值2.038。

表7 金融信息服务行业β 值

采用股票指数的长期平均收益率来预测市场收益率。参考近6年沪深300 指数的年化收益率，得到收益率平均值9.01%作为预测的市场收益率，综上考虑，折现率R=2.8502%+2.038×（9.01%-2.8502%）≈15.40%

选取近10年内历史数据的金融数据成本占收入比重约75%来预测成本费用。结合相关历史财务数据，得到各情景下的概率与金融数据服务收入增长率如表8：

表8 各情景的出现概率与金融数据服务收入增长率

由于数据库具有动态性，在不断维护更新的前提下，假设数据资产使用期限为无限期。由此得到三种情景下的估值，其中高情景预测表（万元）如表9：

表9 高情景金融数据收益额预测表（万元）

根据三种情景下的估值结果和情景概率计算得到最终估值结果如表10：

表10 金融数据资产估值

由此,可以得到东方财富数据资产中金融数据的价值为35 426.64 万元。

标的数据资产除了金融数据外，还包括用户数据。用户数据是企业在运营过程中逐渐积累的数据资产，当用户在使用金融数据终端产品浏览采集金融资讯信息和行情数据信息时，金融数据仓库系统和用户画像平台会收集用户行为属性。

东方财富的用户数据为各类业务实施精准营销，主动为客户提供精准产品服务打下基础；而金融数据为证券业务、金融电子商务提供数据基础；互联网、金融数据与用户数据直接打通有利于建构用户网络，用户价值获得深度开发。网络效应下的用户黏性是用户数据价值的抽象化体现，是东方财富区别于传统券商企业的竞争优势。随着企业的发展，用户对企业的重复选择打造了一批高忠诚度的黏性客户，用户黏性越大，用户数据变现能力越强，商业价值越高。用户数据作为用户黏性的数据化体现，与金融数据结合后，推动企业提供深度服务，产生的商业价值远高于基于财务报表的金融数据资产预期收益。

我们基于在规模相当的证券公司之间，拥有金融资讯数据入口的企业市值更高的事实，推定金融大数据使得用户价值获得提升，即金融数据与用户数据的结合使得用户价值获得倍增。基于上述分析，我们在金融数据价值的基础上，构建倍加系数，得到企业整体数据资产价值。假设两企业规模相当，经营状况相当，主营业务的关键区别在于对金融数据资产的经营。则活跃用户数量的差距体现了标的企业由于经营金融数据资产带来的差异。参考将用户价值变现的传统ARPU 值，构建用户数据倍加系数，用企业市值代替销售收入，修正企业规模、经营状况与用户认可度，再将月活跃用户数量MAU 相比得到倍加系数。

中信证券是与东方财富市值最为接近的证券公司，近年来经营状况良好。中信证券成立于1995年，主营业务包含证券经纪，基金销售、资产管理等服务。2020年公司全年实现营业收入543.83 亿元，同比增长26.06%；实现归属于公司股东净利润149.02 亿元，同比增长21.86%；净资产收益率8.43%，同比增加0.67%。中信证券具有先天的业务资源和线下营业部的优势，与东方财富经营方式的关键区别在于其初始发展方向为线下，而不是对金融数据资产的经营。由此采用用户倍加系数，估算东方财富的用户黏性。

2020年12月31日，东方财富市值为2 670.07亿元，中信证券市值为3 465.83 亿元。如图3所示，2020年，东方财富年平均MAU 为1 423.37 万人，中信证券信e 投年平均MAU 为452.97 万人。由此得到用户倍加系数为2.5742。

图3 2020年东方财富与中信证券信e 投MAU（月活跃用户数）（来源：易观千帆）

将用户倍加系数与金融数据资产价值相乘，得到用户数据与金融资产结合后的数据资产价值，即东方财富标的数据资产整体价值35 426.64×2.5742=91 196.86 万元。

评估结果说明数据资产在东方财富运营过程中重要地位。近10年东方财富金融数据服务收入平均增长率为14%，平均占营业总收入比重25%，作为企业四大业务之一，推动企业迅速发展。东方财富10年净利润复合增速高达 53%，远超证券行业的7%，2021年上半年，东方财富成为中国互联网行业上市企业净利润排名第一。正是由于东方财富以财经资讯为入口，把握住投资人，向基金销售和证券投资领域发展，打通了金融服务产业链（如图4所示）。

图4 东方财富产业链定位

作为金融服务行业的黑马，东方财富通过数据资产经营带来的长期流量与用户积累促成了企业良好的成长性，从而带来了之后证券经纪与销售业务的高利润。东方财富的数据资产支撑起各类业务，并使之相互关联。

对数据资产的开发运用有助于企业持续优化，拓宽业务，是企业重要的无形资产，直接影响企业价值。东方财富的数据资产是区分于普通证券企业的一大发展优势，是企业核心基础竞争力之一，也是企业经营风险的重要体现，一旦出现互联网系统安全问题，数据资产无法正常使用，企业信誉也会因此受损。互联网企业应当在未来进一步加强对数据资产的挖掘利用，重视人才与核心技术开发，响应公众投资需求与政府政策，助力构建数据资市场，从而实现数据资产的增值，推动企业发展。

七、结论及展望

本文从互联网企业角度，讨论了数据资产评估的各种方法，在传统三大评估方法的基础上针对数据资产的特性进行了调整，并将收益倍增法结合情景分析法，通过系统性构建数据资产情景分析框架，历史信息分析法、概率树等预测情景概率，从多角度系统性分析数据资产未来价值的可能性，获得金融数据资产价值，又考虑用户数据附加金融数据带来的价值，构建用户数据倍加系数，得到企业整体数据资产价值，使评估值更客观合理。

数据资产作为时代的新兴资产，以科技创新作为发展动力，具有良好的发展前景。随着数据资产市场的建立，情景分析法结合收益倍增法不仅仅在互联网行业、证券行业等以数据资产为主要经营资产的行业中进行运用，在经营数据资产的各行各业中都具有一定的适用性。

然而预测未来收益的不确定性仍然存在，数据确权、合规性等问题对数据资产的价值影响仍需要进一步剖析。用户数据这一部分数据资产在评估过程中如何准确定价仍然是一大难点。目前数据已作为生产要素被纳入国家战略，数据资产管理与价值评估有必要意义，相信随着相关的评估理论与实践发展，数据资产评估会通过各类方法得到完善，成为重要的交易要素。