智慧物流企业数据资产价值评估研究

■ 崔 叶 朱锦余

（云南财经大学城市与环境学院，云南昆明 650221）

一、引言

2020 年6 月，国家发改委与交通运输部联合发布《关于进一步降低物流成本实施意见》提出要加快货物管理、运输服务、场站设施等数字化升级。交通运输部推进新兴技术的智能化设备应用，提高仓储、运输、分拨、配送等物流环节的自动化、智能化水平。随着数智化时代的到来，大数据、云计算等智能技术的迅猛发展，互联网与社会经济领域各行业逐步实现深度融合。

国内物流企业已经从最初的“以产定销”的模式到降成本的“以销定产”模式，最终发展为控成本的“互联网+”物流管理组织模式。同时，随着全球电子商务的快速增长，进一步促进了国内物流企业的快速发展。目前，物流企业利用互联网大数据技术，在物流运输、仓储、包装、装卸搬运、流通加工、配送、信息服务等营运环节产生海量的数据信息，若将这些海量的数据作为物流企业的无形资产进行管理、及时应用，深入挖掘其内在价值以及多角度的评估，一方面可以促进数据的资产化，另一方面将数据资产提升到公司治理层面，激发物流企业数据潜在价值融合应用，实现“高效率、低成本、零浪费”的目标。

本文将从智慧物流企业价值创造途径和其数据资产价值创造机理分析，明确智慧物流企业数据资产价值变现方式，进一步探索数据资产为企业带来的盈利空间。

二、文献综述

（一）数据资产价值来源

国内学者对数据资产价值来源的研究是逐步成熟的，李红祥和吴佳珅（2016）提出数据资产成为传统出版产业价值实现的关键要素，通过对海量数据的挖掘与应用实现增值。张志刚等（2015）进一步深入研究提出数据资产价值由数据成本和数据应用构成。李永红和张淑雯（2018）对数据资产应用做了分析，认为数据资产价值体现在数据传播，具体体现在以下两个方面：一是企业作为消费者实现数据的传播，提升企业收益；二是数据进入市场被其他企业利用。刘一鸣和谢泽杭（2020）认为数据治理创造出数据价值，并将数据治理分为了基础性活动和支持性活动。许宪春等（2022）详细阐述了数据实现低价值到高价值的转变需要经历的步骤“数据收集—数据存储—数据分析—数据应用”四个阶段。

（二）数据资产价值评估方法

数据已经被界定为企业的一项重要生产要素，但数据资产的定价仍然是目前亟待解决的问题，目前层析分析法和其他方法结合是数据资产价值评估主流方法。石艾鑫等（2017）根据数据资产的特点构建数据资产价值评价体系，并提出层次分析法估值模型。至此，层次分析法在数据资产价值评估得到广泛的应用。之后，李永红和张淑雯（2018）认为将数据资产价值因素嵌入到层次分析法与灰色关联分析法中，构建数据资产评估模型。孙晓璇和赵小明（2020）通过模糊分析法对数据资产基本评估指标赋予权重，并利用市场法进行修正得到数据资产的评估价值。宋杰鲲等（2021）基于数据成本、表观价值和服务价值三个维度评价数据资产价值增值，利用直觉模糊熵和灰色关联分析模型求得数据资产价值。近年来越来越多的学者利用超额收益法测算数据资产价值（王进江，2021；苑泽明，2021；陈芳和余谦，2021）。

（三）物流企业数据资产价值评估研究

目前学者对物流企业与数据资产价值评估结合在一起研究的情况较少，但大数据对于物流企业价值的影响越来越凸显。钟钰炯（2018）阐述了大数据对物流企业的作用：大数据优化资源配置，使物流企业建立良好的物流系统与配送模式，提高了运送效率。赵振洋、陈金歌（2018）认为大数据作为一种决策力、洞察力和流程优化能力可全方位升级信息资产，是物流企业转型升级的关键。通过对大数据平台的构建，获取有效信息，提出了用收益法对物流企业数据资产进行评估的可行性。李虹等（2020）将物流企业数据资产分为数据交易资产、大数据资产和潜在资产三部分，以顺丰速运公司为例，分别采用了直接计算交易额、收益法和期权定价模型三种方法对其数据资产进行价值评估。

（四）文献评述

从现有文献来看，数据资产价值研究主要集中于理论部分，对数据资产的基本概念和价值来源研究已经较为成熟，但其价值的评估方法未形成统一化标准，还需要进一步探索。同时大部分文献都集中于对互联网行业数据资产价值研究，对其他行业如智慧物流行业数据资产研究还比较少，需要进一步从理论方面和实证方面对数据资产价值评估进行深入研究。

三、智慧物流企业数据资产价值来源

（一）智慧物流企业价值创造途径

智慧物流企业经营的核心是以运输为主，运用大数据、云计算、物联网等技术，实现智能包装、智能运输、智能配送、智能仓储、智能装卸、流通加工以及信息服务的七大基础性物流服务环节的智能化和自动化，从而实现“高效率、低成本、零浪费”的目标。除去基础性物流服务环节外，智慧物流企业基础性活动还包括用户的投诉与反馈，通过处理用户的评价可以帮助解决用户的困难与不满，改良企业的产品与服务。维持物流企业日常经营运作的支持性活动（物流基础设施、人力资源管理、物流技术研发与应用）也是智慧物流企业实现价值创造与增值的重要途径。物流企业通过支持性活动与基础性活动构成了企业价值创造的成本控制优势、信息平台优势、业务能力优势的能力。成本控制优势通过降低物流企业资源与成本间接推动企业价值创造；信息平台优势通过提升平台协同管理能力、监督管理能力与服务能力直接拉动企业价值创造；业务优势能力通过智能化运输、配送、仓储、包装，并进行智能分析决策提高供应效率，业务优势能力成为影响企业价值创造的关键因素；营运环境优势主要包括对外部环境（政策环境、市场环境、生态环境）的识别和对内部环境（财务环境、设备技术环境、人力资源环境）的应用，一方面推动其他优势的形成，另一方面为企业价值创造提供保障。智慧物流企业通过成本控制优势、信息平台优势、业务能力优势和运营环境优势实现快递快运、增值服务与其他的盈利模式。快递快运主要包括货运C2O 和货运O2O，即一种是商家下单将厂商的货运运输至顾客手中，主要是向商家收取货运费，另一种是通过顾客下单，将顾客的货物运输至另一个顾客或者商家，向其中一方收费。增值服务主要包括保价、代收货款、包装服务、保鲜服务等。除此之外，随着大数据的快速发展和法律制度的完善，物流企业的数据分析服务、物流管控系统服务、金融服务等以数据和大数据技术为基础衍生出的产品将逐步成为物流企业重要利润点。

（二）智慧物流企业数据资产价值变现

数据资产价值变现即数字资本化增值，主要经过“数据资源——数据资产——数据商品——数据资本”四个步骤。对于智慧物流数据资产价值变现过程可以将这四个步骤概括为：价值创造过程和价值转移过程，价值创造侧重于生产，而价值转移侧重于分配。智慧物流企业数据资产价值创造过程：首先企业通过建立以数据科学家、数据工程师、业务专家与管理者为核心的数据组织，深入挖掘、产生数据洞察，再建立数据实验室，利用算法模型对收集到的数据进行处理、管理与整合数据，实现数据深度加工以便满足适用对象某种需求的数据，如果试验成功，那么就会成为一个新的设计方案，进入到企业流通环节形成一个个产品实现数据的服务与应用。

以业务为目标，识别出智慧物流企业数据资产五大业务价值种类：一是降低企业业务执行成本、管理决策成本、业务创新成本的经营类价值；二是通过将数据价值应用提升管理深度，利用智能模型提升管理决策、提升决策反馈效率、提升管理决策成功率的管理类价值；三是通过人工智能提升工作效率或者降低工作量，提升业务创新的成功率的业务类价值；四是通过价值分析驱动算法模型的适配、价值应用驱动算法模型的完善、价值探索驱动新算法模型的研发的研究类价值；五是通过价值应用驱动数据治理能力的提升、价值分析驱动数据采集能力的提升、数据开放驱动数据规模效应提升的数据类价值。将五类智慧物流企业数据资产价值在配送业务、冷链业务、仓储业务、运输业务、装卸业务、包装业务、代为分销业务、代为采购业务、金融业务之间进行价值转移分配实现了数据资产价值增值。

四、智慧物流数据资产模型构建

根据企业价值理论，企业作为消耗有形资产和无形资产的实体，其本质就是有形资产和无形资产的结合体。换句话说，智慧物流企业价值由有形资产价值和组合无形资产价值产生，组合无形资产价值不应该仅仅由数据资产产生，而是与其他除数据资产以外的其他无形资产共同创造。本文利用多期超额收益法的思路，先测算智慧物流组合无形资产的价值，再从组合无形资产整体收益中分割出数据资产价值。

（一）多期超额收益法

1.模型构建

利用多期超额收益法对智慧物流企业数据资产价值进行评估：首先运用差量法计算出被评估企业组合无形资产价值，再利用层次分析法剥离出数据资产价值。得到最终的多期超额收益法公式如下：

其中DA 表示被评估企业数据资产价值；E 表示企业自由现金流量；表示固定资产、流动资产贡献率；表示第i 年数据资产占组合无形资产的比例；r 表示折现率。

2.模型中重要变量确定

（1）自由现金流量

本文自由现金流量指的是企业自由现金流量，即企业生产经营过程中创造的可供全部资本投资者支配的现金流量，可用如下公式计算：

现金流量=（税后净营业利润+折旧及摊销）-（资本性支出+营运资金的增加）

（2）折现率

本文折现率采用逆向思维的回报率拆分法，从整体企业回报率扣除有形资产回报率倒推得到组合无形资产回报率。具体计算步骤：首先选取与被评估企业可比公司，测算可比公司的加权资本成本(WACC)，并将其算术平均值作为被评估企业的WACC；然后，利用被评估企业整体回报率减去固定资产和流动资产回报率得到组合无形资产回报率。计算公式为：

（二）数据资产分层率

1.层次分析法概述

层次分析法最早是由美国运筹学家Saaty 提出来的，是一种综合定量与定性分析的方法。该方法根据问题的性质和要求达成的总目标。层次分析法基本思路：先分解复杂的决策问题，得到一个相互关联的有序层次结构；接下来两两比较层次结构模型中各指标的相对重要性，构造出若干个判断矩阵；然后计算出每一层次级别元素的相对重要性权值；最后根据各层次之间的总的排序计算出所有指标在整个层次模型中的相对权重，并据此对所研究的问题做出全面评估。层次分析法的基本应用步骤如图1所示。

图1 层次分析法应用步骤流程图

2.层次结构设计

根据智慧物流企业价值创造途径和盈利模式的分析，本文认为组合无形资产的价值在于4 个方面：技术创新、效率提升、成本节约、销售增长。考虑到物流企业借助大数据、云计算等技术手段，通过人力资本操作提升运作效率，这一过程涉及资本、劳动等生产要素的投入产生人力资本以及衍生出的专利、数据资产、商标、资质、客户关系、商业模式和管理制度等无形资产。据此，将智慧物流企业数据资产评估模型设定的层次结构图如图2。

图2 智慧物流企业组合无形资产层次结构图

3.建立判断矩阵

依据心理学理论中的九级相对标度法来描述底层级对上一层级的相对差别，从而建立影响数据资产价值因素的判断矩阵，以此来表示其中的一个因素相对于另一因素的相对重要程度。建立判断矩阵为：

在AHP 分析法中，为了判断定量化，需聘请相关专家进行打分，其关键在于设法任意两个因素相互比较，采用1-9 标度方法，对不同的情况评比给出数量标度，对两两因素定量化的标度如表1 所示。

表1 定量化标度及含义

4.一致性检验

由于专家打分存在主观因素，打分时可能会出现主观上的矛盾导致结果准确性的降低，需要通过一致性指标CR 的检验：

五、案例分析

（一）案例企业简介

顺丰控股股份有限公司（简称“顺丰”）成立于1993 年，2017 年在国内A 股上市，股票代码002352。经过多年的努力，顺丰已经成为了国内领先的快递物流综合服务商，其业务贯穿采购、生产、流通、销售、售后等所有环节。近几年，随着顺丰在数据化IT 技术上大量投入，是一家拥有了“天网+地网+信息网”网络规模优势的智能物流服务运营商。截止到2021 年底，顺丰控股业务覆盖全国335个地级市、2859 个县区级城市，拥有约2.1 万个自营网点；国际快递及供应业务覆盖海外98 个国家及地区，国际小包业务覆盖全球225 个国家/地区；拥有各种用工模式收派员约41 万人①数据来源：2021 年顺丰控股年度报告。作为一家拥有云计算、大数据技术的综合物流运营网络的物流公司，顺丰在生产经营过程中会产生大量数据，数据可以进行交易同时又利用数据经营指导业务。2020年的中国国际大数据产业博览会上，顺丰正式发布了自主研发的大数据平台、数据灯塔和丰溯三款大数据产品②http://www.chinawuliu.com.cn/zixun/202008/05/518767.shtml。

（二）数据资产价值测算

根据顺丰历年财务报表可知，顺丰是从2013 年开始发展大数据应用③李虹，鲍金见，陈文娟.大数据视角下物流企业数字资产评估研究——以顺丰速运公司为例［J］.中国资产评估，2020（10）：24-30.。考虑到资产价值随时间变化而变化，将评估基准日确定为2020 年12 月31 日。在实际评估实践中，为了简化通常选取10 年作为收益法的收益期，考虑预测期过长无法保证收益的精度与准确度，将数据资产的收益期取5 年，即2021-2025 年。

1.自由现金流量预测E

营业收入与营业成本预测：查阅历年顺丰的财务报表发现，2013-2020 年营业收入和营业成本都近似的呈直线式增长，为了简化处理，对2021-2025年营业收入和营业成本采用最基本的最小二乘法进行拟合。得到2021-2025 年营业收入别为：1618.40亿元、1829.34 亿元、2040.28 亿元、2251.22 亿元2462.16 亿元；营业成本为：1339.11 亿元、1514.70亿元、1690.29 亿元、1865.88 亿元、2041.47 亿元。

期间费用预测：2021-2025 年顺丰税金及附加预测值利用2013-2020 年历史税金及附加占营业收入的百分比均值0.28%为基础；随着顺丰近年来品牌效应的增强，技术的逐步成熟，近年来销售费用和管理费用占营业收入的比重一直在下降，可以预测未来几年也呈现相同趋势，为简化处理，将2020 年销售费用、管理费用占营业收入1.46%和7.53%为基础预测收益期费用；最后，由于计算EBIT 时不需要扣除利息，所以这里不考虑财务费用。

资本性支出预测：对2013-2020 年顺丰购置固定资产和无形资产支出与处置收回的资本差占营业收入百分比算术平均值4.83%作为预测未来资本性支出的基础。（其：资本支出=企业为构建固定资产/无形资产与其他长期资产所支付的现金-企业在处置固定资产/ 无形资产与其他长期时所收回的现金净额）。

折旧摊销预测：对于未来固定资产折旧额和无形资产摊销额，除去目前已存在的固定资产（无形资产）需要折旧（摊销），利用财报原来固定资产（无形资产）折旧（摊销）方式继续折旧（摊销），并按历年累计折旧（摊销）平均同比增长数递增，还需要考虑未来资本性支出购买的固定资产（无形资产）的折旧（摊销），为简化考虑，按10 年进行平均年限法计提。

营运资金增加预测：根据营运资本增加额=本期营运资本-上期营运资金（营运资金=流动资产-流动负债），由于根据顺丰财务报表计算得到营运资金增加是无序且有正有负，为简化处理，取其均值11.77 亿元为预测值。

据此可以得到2021-2025 年顺丰自由现金流量预测表如表2。

表2 2021-2025 年顺丰控股自由现金流量预测表（单位：亿元）

续表

根据同花顺可以得到顺丰控股流动资产占总资产百分比，并计算均值为56.37%，再通过计算得到历年总资产增加额占营业收入的百分比均值为16.51%，可得到流动资产增加额占营业收入比例为9.31%，以此为基础，预测收益期流动资产；以2013-2020 年固定资产占营业收入的比例均值19.84%为基础预测收益期固定资产贡献率，并选取五年期银行贷款利率4.65%作为流动资产、固定资产投资回报率。计算结果如表3。

表3 顺丰控股2021-2025 年流动资产、固定资产贡献值预测表（单位：亿元）

3.折现率r

考虑顺丰业务结构、经营模式、企业规模等因素，最终选取圆通速递、申通快递、韵达速递作为相似可比企业。选取从国债到期日到评估基准日的十年期国债到期利率作为无风险收益率3.23%；由于顺丰和三家可比企业均在A 股上市，将近5 年沪深300 数据做衡量指标，基期指数为1000 点，时间为2004 年12 月31 日，通过几何平均年化收益率得到平均市场收益率10.23%；在Wind 资讯查询β 系数；债权收益率选取五年期银行贷款利率4.9%，计算结果如表4。

表4 顺丰控股与可比企业加权平均资本成本计算表

取三家可比企业WACC 均值6.11%作为顺丰控股加权资本成本。

简化处理将流动资产回报率取银行一年期贷款利率4.35%，固定资产回报率取银行五年期贷款利率4.9%；考虑到市场环境的变化，折现率会发生变动，以预测的流动资产、固定资产、无形资产贡献值占自由现金流量比重为基础计算。计算结果如表5。

续表

4.数据资产分层率及数据资产价值评估

在模型构建部分已经建立了智慧物流企业组合无形资产的层次结构图，接下来进行专家评分（包括资产评估专业人员、相关领域的老师或专家、顺丰物流研发中心人员等），评分结果如表6 所示。

表6 顺丰控股无形资产收益贡献汇总表

经过层级分析法计算结果，得到顺丰控股各类无形资产对组合无形资产的贡献：技术类无形资产为18.19%；数据资产30.66%；商标13.04%；资质类无形资产10%；商业模式和管理制度16.1%；客户关系12.01%。根据前文所得顺丰组合无形资产价值可得2020 年12 月31 日顺丰数据资产评估值为：

2020 年12 月31 日顺丰控股财务报表实现顺丰所拥有的总资产为1111.6 亿元，无形资产的账面价值为106 亿元，若以本文的评估值作为数据资产的账面价值计入资产负债表，考虑到无形资产账面是由多项资产组合而成，数据资产在总资产的占比小于多项资产组合而成的无形资产占比，但其数据资产价值是不容忽视的。

六、结论与建议

当前物流企业获利的关键是速度，速度的获取依赖于技术和数据资产，数据资产不仅仅对企业本身的生产经营发展起着重要作用，更衍生出一系列价值，开拓了企业新的盈利模式。本文在对智慧物流企业价值创造过程进行分析和对其数据资产价值创造机理进行探索后，构建数据资产价值评估模型，以此探索出智慧物流企业数据资产价值盈利空间。

智慧物流企业建立大数据管理平台，通过数据驱动流程精细化、智能化，实现物流各环节精细化、动态化和可视化管理，提高物流系统智能化分析决策和自动化操作执行能力，提升物流运作效率，从而提高行业整体价值。大数据对企业流程的优化已经渗透各个环节，包括运输、仓储、包装、装卸搬运、配送等。企业可以通过现有数据预测未来产品走势和规模，从而更好地分配资源。最后在获取数据资产带来的价值同时要合理地规避数据资产存在的利用风险。