从经济增加值角度探索企业数字资产的价值创造

黄嘉瑞

（北京师范大学—香港浸会大学联合国际学院）

一、引言

企业经营过程，从战略的角度开展价值驱动要素分析，确认各业务单元管理者可以控制的价值驱动要素和评价指标，对每个业务单元进行动态的价值要素分析，确定对企业价值影响最大的因素，逐级建立起价值驱动要素的层次结构，使这些关键的价值驱动要素在产品开发、生产、营销、财务、信息系统以及人力资源开发与利用等过程中成为可控制的变量。

而经济增加值（Economic Value Added，简称EVA）是一种创新的企业绩效评估标准。相对于传统指标，EVA克服了局限性，更准确地反映了企业在特定时期内为股东创造的价值。自从二十世纪90年代中期以后，在国外逐渐广泛应用，并成为传统绩效评估体系的重要补充。

著名管理学家彼得·德鲁克曾在《哈佛商业评论》中作过如此的评价：“EVA绝不是一个新概念，EVA只不过是对经济学家的‘剩余收益’概念的发展，并具有可操作性和高度的灵活性”。

剩余收益（RI）由经济学者Alfred Marshall在1880年提出，是指企业税后净营业利润减去资本成本后的剩余纯收入。剩余收益的理论认为，一个企业之所以能为其所有者（股东）创造财富，投入的资本收入必须超过其资金的成本，剩余收益衡量的是扣除债务成本和权益成本后的现金流。

二、数字经济为价值创造提供了更多创新空间

数字中国建设成为推动中国式现代化的关键引擎，国家十二五（2011—2015年）规划提出“全面提高信息化水平，推进经济社会各领域信息化，推动信息化和工业化深度融合”；十三五（2016—2020年）规划提出“加快建设数字中国，推动信息技术与社会经济发展深度融合，加快推动信息经济发展壮大化”；十四五（2021—2025年）规划提出“迎接数字时代，激活数据要素潜能，推进网络强国建设，加快建设数据经济、数字社会、数字政府”。

2016年G20杭州峰会上通过的《G20数字经济发展与合作倡议》提出“数字经济是指以使用的数据作为主要生产要素、以信息通信技术和人工智能的有效使用作为载体的一系列经济活动”，数据成为继劳动、资本、技术之后新的生产要素，而且数据要素在规模经济凸显的低成本特性，数据资源将成为数字经济时代新的核心要素。

三、EVA在数字经济阶段实现更合理的企业评估

近年来，随着数字经济的快速发展，数字经济的概念不断深化，应用场景不断得到丰富，数字经济的特征也日益显现。

面对新的生产要素和经济活动载体，传统的财务核算和报告体系无法全量全要素的展现企业价值创造情况，EVA企业绩效评估体系突破其局限性，结合数据要素不同阶段的特征，通过数据收集、整合、清洗、存储、分析等，以最大化数据的潜在价值和使用效益，更准确地反映了企业在特定时期内为股东创造的价值。

四、数据要素不同阶段价值创造特征

（一）数据资源化阶段

2022年12月9日，财政部办公厅发布《企业数据资源相关会计处理暂行规定（征求意见稿）》，此次规定适用于企业确认为无形资产或者存货类别的数据资源。明确企业可将符合会计准则要求的内部使用的数据资源确认为无形资产，日常活动中持有、最终目的用于出售的数据资源确认为存货，在会计报表附注中将数据资源相关会计信息进行披露。数据资源进入财务报表，成为数据要素资产化、资本化过程中的重要一环，为未来的数据交易、流通、变现奠定基础制度。数据将成为企业新型的资产，为企业创造更大的价值。从会计角度，数据资源相关投入从费用化走向资本化。此次的暂行规定实则是将围绕数据资源发生的相关投入，包括数据的购买、采集、标注、整合、分析、可视化等过程的开支，从过去的费用化（一次性计入当期费用和成本），改变为资本化（计入企业资产并在未来年度摊销），这为数据作为一项生产要素，在企业生产经营活动中的价值评估提供了基础的依据。从暂行规定来看，企业的数据资源可以分为内部使用数据（计入无形资产）和对外交易数据（计入存货），实则是将这些环节过去的费用投入资产化的过程。

数据要素促进增加企业经营效益成果明显。根据《中国数据要素市场发展报告（2021—2022）》，通过对5000多个项目信息分析表明，数据要素增加企业效益成果明显，总体来说，数据要素使得工业企业业务增长平均增加41.18%，生产效率平均提高42.8%，产品研发周期平均缩短15.33%，能源利用率平均提高10.19%。具体来说，1544家企业的数据显示，大数据及其运用产生了增加产出、利润增长等经济效益，数据要素显著降低了企业综合成本。675家企业的数据显示，大数据及其运用产生了降低人工成本、资金占用成本、合储物流成本等效益。593家企业的数据显示，大数据及其运用产生了提升效率、加快周转、能源利用率提升等效益。

上述相关数据表明，数据要素的增加对于企业的非财务性价值有着明显的积极影响；数据要素使得企业业务能力、业务效率大幅度增长，各企业可以结合自身情况，围绕经验价值增长的相关可变量因素，如生产效率、产品研发周期、能源利用率、企业综合成本、降低人工成本、资金占用成本、合储物流成本、周转率、能源利用率等效益与企业数据资源的使用情况进行进一步的关联性分析，总结提高，迭代升级数据资源转化为财务成果，价值创造的能力。而在这个关键转化步骤中，EVA价值评估体系相较于传统财务报告体系可以更好、更全面地反映企业数据资源化阶段中非财务因素的价值创造，从而实现更合理的企业评估。

在价值创造过程，组织管理是企业高质量发展的重要支撑，数字经济可以直接为组织管理活动提供新的管理模式，为组织管理实现数字化的重构创造各种新的可能。企业借助数字治理技术形成数据要素，基于数据要素的管理可以进一步促进企业更好地优化生产要素的配置，以及与之更加适应的资源组合，形成以企业价值创造为核心的数据资源整合能力。

（二）数据资产化阶段

数据资产化是将企业内部和外部的数据转化为一种可管理和可量化的资产形式，以便更好地利用数据来实现商业目标和创造经济价值。数据资产化关注的是数据的价值和可用性，以确保企业可以将数据视为一项有形的资产，并加以管理、保护和利用。

数据资产化侧重于将企业内部和外部的数据转化为有价值的资产，并确保这些数据资产能够被有效地管理、利用和保护。数据资产化的过程包括数据收集、整合、清洗、存储、分析、可视化等，以最大化数据的潜在价值和使用效益。数据资产化关注的是如何将数据转化为可用的、可管理的、可出售的、可交易的资产，以支持企业的业务需求和商业目标。

在企业的数据资产化阶段中，数据收集和处理是其中一个重要环节，也是数据资源资本转化的基础。通过将数据资产化阶段中收集的财务数据（例如利润、资产、负债等）与其他非财务数据（例如市场份额、客户满意度等）结合，EVA提供了一个综合的价值导向指标，衡量企业是否实现了超过资本成本的增加值，在一定程度实现了对企业经济价值的合理评估。

与传统评估体系不同的是，经济增加值评估法（EVA）在数据资产化阶段中可以帮助企业评估其资本使用效率。经济增加值评估法（EVA）会对企业数据资产化的利用率进行分析，可以揭示企业是否合理利用了其资源，从而展示企业在真实经济状态下的效率。在数据资产化阶段，EVA可以帮助企业评估其长期绩效，包括资本投资的回报率和企业的成长潜力。这样，企业可以更好地了解其在未来可持续经济状态下的表现。

（三）数据资本化阶段

数据资本化是将数据资产转化为增值能力和经济效益的过程，使数据资产成为实现企业长期目标的重要资本。数据资本化强调的是将数据视为一种能够增加企业价值的战略资源，通过对数据的整合、分析和运用，促进企业的创新和业务增长。

数字经济能够提供更加有利于各层级员工之间、管理者之间的交流互动，降低传统企业内部协同成本，实现组织与员工共创共享发展模式；同时，数据经济驱动的组织管理赋能模式，有利于企业借助数据资源驱动业务平台化重构，为企业与员工、管理者、其他利益相关者构建以数据要素价值创造为核心的共享平台。

在数据资本化过程中，企业将数据视为一种战略资源，类似于资本或投资，通过有效地管理、分析和应用数据来实现竞争优势和商业价值。数据资本化关注的是如何利用数据来促进创新、优化业务流程、提高生产力、增加收入等，从而将数据转化为企业的竞争力和盈利能力。

企业数据资本化的核心是将数据资产化过程中产生的数据资产转化为增值能力和经济效益，为实现对企业经济状态的合理评估，在此之前，企业需要确定数据资产的价值。

在企业数据资本化过程中，EVA提供了一种量化的方法来衡量数据资产的经济价值。通过将数据与企业的资本成本结合，与传统评估方法相比，EVA评估法可以更加准确计算出数据资产创造的经济增加值。这有助于企业准确了解其数据资产对整体业务绩效的贡献，并评估数据资本化的效果。

在数据资本化阶段，企业将数据转化为资产后，需要评估数据资本化对企业绩效的影响。EVA提供了一个全面的指标，可以帮助企业衡量数据资本化的成功与否。

五、EVA用于评估企业数据化阶段的局限性

上文已经指出经济增加值评估法（EVA）与企业不同的经济阶段存在相关性，并为企业数据化阶段的合理评估提供了新的可能性。EVA能够实现更准确、合理的评估结果。然而，需要注意的是，EVA对于企业数据化阶段的评估仍处于理论化的阶段，因为企业在数据资源化、资产化和资本化阶段都有独特的特点。

在当前阶段的EVA评估法仍然缺乏灵活性，无法充分反映不同数据化阶段的特点。举例来说，对于初创企业，其数据资源化阶段可能更加强调研发投入和创新能力，而传统的EVA评估可能无法完全捕捉到这些方面的价值。

因此，相关的评估机构需要在现有EVA评估法的基础上加以改进，以满足针对不同数据化阶段的需求。他们可以探索引入不同的评估指标或调整EVA模型的权重，以更好地反映企业在不同阶段的价值创造过程。

除此之外，评估机构也应该考虑到行业特定的数据特点。例如，在高科技行业，企业的价值可能更多地依赖于知识产权和技术创新，而传统的资产和负债并不是主要的价值创造因素。因此，EVA评估在这些情况下可能需要与其他指标相结合，以综合考量企业的价值表现。

总之，对于企业在不同数据化阶段的评估，在现阶段看来，我们需要综合运用多种评估方法，包括EVA，同时加以定制化和调整，以确保评估结果更加全面和准确地反映企业的价值和绩效。

六、总结

总的来说，经济增加值作为一项企业新型业绩指标，已经越来越广泛地被相关企业评估方使用；与此同时，国家相关政策的大力推动也使得数字经济成为数字中国建设的重要因素，为价值创造提供了更多创新空间。

在此背景下，我们发现了EVA与企业不同数据要素阶段相结合的可能性，并且EVA评估法相较于传统评估法会更准确，合理地反映企业不同数据要素阶段的经济特征、经济状态。但是，我们仍然不能忽视，现阶段EVA评估法灵活性的缺乏，无法充分反映不同数据化阶段的特点，相关评估方需要综合运用包括EVA在内的多种评估方法，同时加以定制化和基于企业数据化阶段特征调整，以确保评估结果更加全面和准确地反映企业的价值和绩效。