媒体数据资产价值评估研究

■ 蒋嘉莉

（长安大学,西安 710061）

一、引言

随着全球信息化的发展，世界步入了大数据时代。根据希捷科技最新研究表明，到2025 年全球数据量将会从2020 的35ZB 上升至175ZB，利用大数据对数据资源进行收集、分析并加以利用已成为大数据时代下资产评估的必然趋势[1]。游静等人提出数据资产的价值核算若是单独采用收益法、成本法、市场法等传统方法，结果不能准确取得[2]。基于此，学者们积极探索新的评估方法，如张弛提出可基于深度学习法构建数据资产评估的价值模型[3]；李永红、张淑雯则利用层次分析法和灰色关联法对市场法进行修正[4]。

从人民日报的“中央厨房”到浙报集团的“媒立方”，从央视网的新媒体集成遥控平台到南方报业的中央数据库，大数据时代下，媒体行业开始尝试打破传统媒体的桎梏，打造顺应时代潮流的“媒体数据”新平台。传统媒体经过几十年的发展早已积累了庞大的内容资源，但也成为转型的负担。如何将这些内容资源转化为媒体大数据并正确地衡量其价值，使其作为公司的一项重要资产，成为媒体行业关注的焦点。

二、媒体数据资产价值构成

（一）媒体数据资产特征

媒体数据不同于媒体数据库，后者是媒体行业在自身的发展中积累的数量庞大数据资源，也被称为媒资库，其主要由文件化的视频、音频及播出成品等构成。而本文所说的媒体数据则是基于媒体连接所形成的数据生产、收集、应用和服务的能力。将媒体数据视作公司的一项资产，结合大数据与资产的定义，媒体数据资产可被认为是企业在生产经营过程中形成并拥有或控制的，以物理或电子方式记录的数据资料，并且这种数据资料能够为企业带来预期经济收益。相比于金融、政府、医疗等领域的数据资产，媒体数据资产具有多样性、高时效性、用户性、数据体量大、高价值性等数据特点，为媒体数据的挖掘利用奠定了基础。

1.多样性。不同于以往数字型的结构化数据，媒体数据往往是图片、音频、视频等形式的非结构化数据。媒体数据的构成具有多样性，包括传统媒体数据，例如报纸数据、电视广播数据、期刊数据等，以及来自于网站、APP、“两微一端”的新媒体数据。除了以自身媒资库为基础的内容数据外，媒体机构还根据市场需求并通过行业合作，形成了舆情数据、政府数据、评估数据、经济数据、知识数据等特色数据。

2.高时效性。大数据生成、更新和处理数据的高速性决定了媒体数据的时效性，时效性影响了决策者利用数据分析结果做出判断的准确性。媒体数据的集聚应当是一个长久的、持续不断更新的过程，一般来说，数据的时效性越强，其利用价值就越高。但媒体数据资产的价值也可能会因为环境的改变，在一段时间后实现价值的增值。

3.用户性。过去媒资库坚持“内容为王”的观念，现在媒体数据资产的风向标对准的是“用户为王”。例如，南方报业“中央数据库”就将“用户思维”作为项目系统建设的第一思维。媒体数据库的建设以用户需求和市场需求为导向，通过分析用户的注册信息、黏度与活跃度、数据应用场景，形成个性鲜明的用户画像，从而建立有效的媒体数据产品并提供智能推送等个性化数据服务，最终实现用户引流与沉淀。

4.数据体量大。传统的媒资库在日积月累中逐渐形成规模庞大的内容资源，进入互联网时代后，新媒体的出现又给数据资源带来了爆发式增长。媒体数据来源包括节目源等内容大数据、依托微博、微信及客户端的新媒体大数据以及广告监测大数据。此外，媒体数据资产还包括对数据的重新挖掘、分析和应用，如通过IPTV EPG、有线EPG 采集的全渠道收视大数据和舆情分析大数据等。

5.高价值性。价值性是大数据的核心特性，大数据时代每天都会产生大量数据，但不是所有的数据都具备价值。传统媒体具有权威性高、公信力强、受众广泛以及原创性高等特点，因此其内容数据价值较高。此外媒体数据的高价值性还体现在通过对数据的租赁、转让或建立咨询智库等形式可实现其价值的二次变现。

（二）媒体数据资产的价值来源

随着大数据爆发式的增长，媒体数据资产在媒体行业的价值逐渐升高，媒体行业数据资产价值来源主要包括两类，即数据交易价值和数据赋能价值。

1.数据交易价值

数据交易价值是指交易媒体机构自身拥有的数据资源所带来的价值，包括销售数据库所产生的价值和销售数据分析报告或模型所产生的价值。销售数据库并非指片面的销售数据，这里是指提供数据库服务，最常见的就是打造数据化产品，比如知网数据库就是通过向各大高校、科研院校等出售数据资源获取收益。销售数据分析报告和模型也是一种常见的数据交易形式，媒体机构基于商业目的，通过对媒体数据的深度挖掘、加工和分析，形成有价值的数据分析报告或模型，获取数据分析结果能帮助客户做出、进行有效的决策。

2.数据赋能价值

数据本身不具备价值，其价值产生于数据所赋能的服务和业务。媒体机构基于自身业务的需要，在数据驱动发展过程中，通过整合所有媒资数据和外部数据，建立起一系列的数据技术产品，例如南方报业中央数据库、人民云大数据开发共享平台、央视网的新媒体集成遥控平台。这些数据技术产品具备数据采集和存储能力、数据查询分析能力、数据展示及可视化能力，通过对外开放以方便用户对其技术系统进行操作，从而享受平台所提供的数据查询、下载、分析等服务。数据为业务赋能体现为增强媒体运营管理能力，助力媒体数据资源优化，例如广电媒体通过数据挖掘的方式，实现对用户的精准定位，进而实现节目精准推荐和智能广告投放。

（三）媒体数据资产价值影响因素

媒体数据的价值主要通过为企业内部业务赋能和外部数据转让租赁实现，因此在讨论媒体数据资产价值的影响因素时，应当从数据作用路径出发进行综合考虑。本文根据上海德勤数据资产评估有限公司与阿里研究院研究[5]提出的数据资产价值评估体系，结合媒体数据资产的特征，将媒体数据资产价值价值影响因素划分为数据质量维度、数据应用维度和数据风险维度。

1.数据质量维度

数据质量维度是从数据本体特性来阐述的，数据质量的好坏对决策、运营、算法等会造成直接影响。数据质量是数据资产价值得以实现的前提，也是保证数据应用的基础，对数据的质量水平进行合理评估，有利于数据应用价值进行准确预测。结合媒体数据资产的特征，媒体数据质量的影响因素包括数据规模、完整性、一致性、活跃性、真实准确性等。

2.数据应用维度

媒体数据价值的最终实现是以能否应用为评判标准，只有得到应用数据才具备商业价值，因此数据应用的价值取决于数据的应用成效。媒体数据资产应用价值可分为对内应用价值和对外应用价值，对内是指数据资产的增值，即加强企业的内部联系及营销能力提升，对外是指数据资产的变现，例如数据的转让与租售。因此，媒体数据应用价值可通过数据的市场性、多维性、时效性、场景性来体现。

3.数据风险维度

数据风险维度也可以认为是外部环境对媒体数据资产价值的影响。当下，媒体数据交易市场已逐步建立，但并不是所有的数据都可交易，其交易受所在市场环境和法律制度的严格约束。2018 年欧盟出台的《通用数据保护条例》对数据的收集、使用和交易做出了严格的规定，极大保护了用户的个人隐私。数据所处的商业环境中的法律限制和道德约束是数据资产价值的主要风险来源，数据的使用或交易若不遵守法律和监督的规定，有可能使其数据价值归零，媒体机构也会因此遭受损失。因此，在媒体数据资产的价值评估中应充分考虑到这两类风险影响。

三、媒体数据资产价值评估方法选择及模型构建

（一）媒体数据资产价值评估方法的选择

1.传统的无形资产评估方法

数据资产作为无形资产的一种，其价值评估适用于无形资产的价值评估方法。传统的无形资产评估方法包括成本法、市场法、收益法。成本法是指通过计算数据资产的各种贬值并从其重置成本中予以扣除从而获得数据资产的价值；市场法是指对比市场上存在的与目标数据资产相似或相同的数据资产的近期交易价格，分析并调整差异从而估算价值；收益法在无形资产评估中的应用最为广泛，是通过测算数据资产未来给企业带来的收益值，并通过折现率将未来的收益值转化为现值进而得到数据资产价值的一种方法。然而由于数据资产的不可复制性、收益难预测性、公开交易不足性，传统的无形资产评估方法不能准确合理的评估数据资产的价值，因此需要提出新的研究思路。

2.层次分析法

层次分析法，简称AHP，是指将某一复杂的多目标决策问题作为一个系统，通过目标分解，从而进行定性和定量分析的决策方法。层次分析法因其简单明了、实用性、系统性等特性，近年来常被用做评估数据资产价值的研究。层次分析法能够考虑到媒体数据资产的特有属性并量化其影响因素，从而形成媒体数据资产价值评估指标体系，进而根据各指标的权重计算出数据资产的价值。

（二）基于AHP 法的媒体数据资产价值评估模型的构建

1.构建评价指标体系

运用层次分析法时，首先也是最重要的步骤就是构建评价指标体系，这也是构建判断矩阵的基础。评价指标体系一般设计为三个层次，分别是目标层、准则层、方案层，指标的选取往往根据所考量资产的价值影响因素。

2.构造标度表

对于各个指标的比重，采取两两因素比较的专家打分法。在对两个因素进行比较时，需要有定量的标度，可以采用标度表方法，标度表见表1。

表1 比例标度表

3.构造判断矩阵并进行一致性检验

所构造的评级指标体系每一层次都包括两个以上评价指标，使用所构造的标度表（表1）中1-9 标度值表示两两之间的重要程度，从而构造出比较判断矩阵。构造的判断矩阵只有通过一致性检验后，方可进行分析和计算。一致性检验的步骤如下：

当CI=0 时，表示A 一致，CI 的值越大，判断矩阵的不一致性程度越严重。当阶数大于2 时，判断矩阵的一致性指标CI 与随机一致性指标RI 之比称为随机一致性比率。

其中RI 为平均随机一致性指标，其值可以通过RI 值表查询，如表2。

表2 一致性指标RI 值数值

当CR＜0.1 时，即可认为判断矩阵具有满意的一致性。因为指标之间重要程度的判定存在主观因素，因此当判断矩阵不能通过一致性检验时，就需要对指标的赋值进行调整。

4.层次总排序

将所构造出的判断矩阵中的指标赋值代入到Matlab 软件中，可计算得出各指标的权重，根据权重可判断出底层指标中的重点指标。计算出各级指标的重要性程度后，便可沿层级结构自上而下求出各级要素对于系统总体的综合重要性，也就是进行层次总排序。

5.各要素评价指标的确定

该步骤是对方案层的各要素进行量化，对于定性指标主要是根据公司业务的专家意见，采用专家评分法得出，定量指标则通过具体评分标准来确定分值。每个评价指标的取值范围为0～10，数据越大表示评价等级越高。

6.评估结果分析

以计算出来的Z 值作为衡量媒体数据资产在企业价值中所占比重的大小，该比重与实际对应价值的划分通过与专家讨论而来，最终确定的分值分级表如表3 所示。

表3 分值分级表

四、南方报业传媒集团数据资产评估

2014 年南方报业多媒体信息展示查询平台上线，自此拉开南方传媒发展大数据的大幕。到2018 年，南方传媒开始打造集团旗下十大智库，包括南方经济智库、南方法治智库、南方数字政府研究院、南都大数据研究院、南方舆情数据研究院等。这样的规模和投入，表明了南方传媒今后将致力于实施数据优先战略的决心。其中南都大数据研究院结合市场和用户需求展开课题研究，已形成数据报道、咨询研究、数据库与轻应用等八大系列近百项产品，入库数据超10 亿条。

（一）构建层次结构模型

媒体数据资产价值指标体系如表4 所示，包括1个总指标、3 个一级指标和11 个二级指标。

表4 价值指标体系

数据质量是衡量数据资产价值的重要指标，一般来讲数据质量越好，其价值就越高。数据规模就是数据体量的大小，数据规模大是大数据最显著的特征，媒体因拥有庞大的数据量，所以具备较高的潜在价值；数据完整性是指数据的记录是否完整，有无缺失的情况，数据完整性越高，价值就越大；真实准确性是指数据是否能正确描述对象的属性，真实的数据才有价值；数据一致性是看数据值之间是否存在冲突信息；活跃度即数据更新的频率，数据更新的频率越高，数据就越活跃，价值相应也就越大。

数据的价值在于与应用场景的结合，不同应用场景下，数据所贡献的经济价值有所不同。时效性指数据在有限时间中对作用目标的满足程度，对媒体数据而言，可能过去的收视数据并不适用于当前决策，一般来说，数据的时效性与数据资产价值呈正比关系；多维性是描述数据多寡程度的指标，媒体具有的数据类型越复杂，则数据资产的价值就越高；场景性是指某数据在不同具体场景下所体现出的经济价值的差异，由于不同行业的规模、数据应用程度等具有差异性，因而不同场景下的数据集，其价值会相差很大；市场性则指数据集被市场接受的程度，也就是媒体数据产品是否契合市场，其越被消费者所需要，价值就越高。

法律限制是指数据的收集、使用和交易都不应该脱离法律的框架，如一些未经脱敏脱密的数据不可以直接对外销售，因此法律的存在影响着数据资产的价值。通常来讲，受法律限制少的数据资产其价值就越高；道德约束，是指来自社会舆论压力的风险等，媒体机构获取个人隐私信息如不恰当使用，不仅会受到法律的制裁，而且还会受到来自社会民众的道德谴责，继而产生信任危机、影响公司形象，数据资产的价值也会因此下降。

（二）权值计算

以准则层为例进行分析，判断矩阵应根据专家打分法所确定的相对重要程度来构建，所赋予的判断矩阵数值结果如表5 所示。

表5 准则层判断矩阵赋值结果

根据表可得判断矩阵A

计算矩阵A 的特征向量W=（2.15441.14470.4055）T

最终得到准则层各指标权重向量Q=（0.58160.3090.1095）

同理可得其余因素权重，指标权重如表6 所示。

表6 指标权重

续表

对指标权重进行分析，发现对铁路数据资产价值影响最大的因素分别是活跃性和场景性，说明目前媒体数据资产在媒体行业应用中的经济价值普遍得到认可，而媒体数据更新程度的快慢会直接影响其价值。

（三）各要素评价指标的确定

将指标构成评价因素集，根据不同属性的指标构造评语集。以定性指标多维性为例，请20 位专家对其进行价值评估，如表7 所示。

表7 专家评分表

定量指标以完整性为例，通过以下公式就可确定：

完整性分值=（数据集中所有满足条件的数据量/数据记录分值）×100%×10

（四）媒体数据资产价值综合评价

将11 项数据资产要素的权重wj和评分结果rj代入到公式中，最终得到南方传媒集团数据资产价值指数为6.47。

层次分析法将目标问题层次化，并帮助评价者将经验判断予以量化，能够更全面考虑影响媒体数据资产的各类因素。同时，用该方法评估媒体数据资产，能体现出各要素在整个价值体系中的相对权重，帮助企业和评估机构确定各部分的重要程度，从而实现媒体数据资产价值的增值。

五、结语

新媒体时代，新闻资讯和用户读者通过大数据连接起来，大数据技术给传媒行业带来了深刻的影响，其价值已逐步体现。虽然我国已步入大数据时代，但媒体数据的应用以及交易市场的建设仍处于探索阶段，关于大数据的相关理论研究不够成熟。因此我国应尽快完善数据资产方面的政策法规，评估机构也应加强对媒体数据资产评估工作的重视。此外，媒体机构应加快传统媒体向新媒体转型的步伐，打造有价值的数据库，通过多样化的盈利模式、专业化的数据服务和创新型的运作机制，实现数据媒体数据资产的增值，这样才不会被大数据时代所淘汰。