物流企业数据资产价值评估模型构建

■ 吴静静 张晓媛 杨英英

（山东青年政治学院会计学院，山东济南 250103）

一、引言

2020 年6 月，国家发展改革委、交通运输部发布《关于进一步降低物流成本的实施意见》，提出要提高现代供应链发展水平，研究制定现代供应链发展战略，加快发展数字化、智能化、全球化的现代供应链。2021 年12 月，国务院印发《“十四五”数字经济发展规划》，提出要加快数据要素市场化流通。鼓励市场主体探索数据资产定价机制，推动形成数据资产目录，逐步完善数据定价体系。规范数据交易管理，培育规范的数据交易平台和市场主体，建立健全数据资产评估、登记结算、交易撮合、争议仲裁等市场运营体系，提升数据交易效率。

政府对数据这一要素的重视以及数字化技术的发展，驱使企业商业模式和运营模式发生变化。越来越多的物流企业推行数字化转型，创新数字物流营运模式，通过人工智能、大数据平台整合物流资源，赋能产业链，数据资产在物流企业运营过程发挥的作用愈加显著。

而数据资产价值评估与价格确定是数据能够实现市场流通的重要一环，是促进数据发展成新的关键生产要素的基础性工作（欧阳日辉和杜青青，2022）[5]。但由于数据的特殊性，还未能形成标准的数据资产评估方法体系与研究路径（范文仲，2022）[9]。为了进一步促进数据资产在物流企业发展中发挥更大作用，进而提高企业的市场占有率，亟需完善物流企业数据资产价值评估体系。

二、文献综述

（一）数据资产界定

将数据作为资产，目前还未形成标准化定义。刘玉（2014）[19]提出了这样的大数据资产概念：大数据资产指的是那些可以数据化，同时在企业运营过程中预期可以创造收益的一系列数据，数字、文字、图像、沟通信息等都属于其范畴。张志刚（2015）[18]结合资产的定义将数据资产界定为：企业通过生产经营活动形成的，可以控制其产生、获取、处理、存储、传输和应用全过程，并且预期可以带来收益的数据。2019 年12 月31 日中国资产评估协会印发《资产评估专家指引第9 号——数据资产评估》，本专家指引所指数据资产是由特定主体合法拥有或者控制，能持续发挥作用并且能带来直接或者间接经济利益的数据资源。高华，姜超凡（2022）[6]将数据资产界定为信息资源经过数据采集、挖掘、清洗、标注、分析等，形成可采、可见、标准、互通、可信的高质量数据资源，并且该数据资源拥有权属和价值、可计量且可读取的特征。

（二）数据资产特征及价值影响因素

张志刚（2015）[18]认为数据资产价值评估受到数据资产的成本和应用影响，所以基于成本和应用两个角度，分析数据资产的价值由哪些要素构成，并探究对其价值产生影响的主要因素，进而来评估数据资产价值。Shen（2016）[17]基于数据特征构建数据资产价值评估指标体系，包含基于价值的指标（数据对用户的价值）、数据属性指标、固定和边际成本指标。Yu（2017）[16]以数据质量为基础构建双层规划估值模型，认为数据质量是数据资产价值的主要影响因子。李永红,张淑雯（2018）[15]剖析数据资产价值后发现，影响数据资产价值的因素为企业规模、数据覆盖程度、数据完整性、数据外部性、数据时效性、数据相关性和信息系统、人才技能、消费者需求。刘雁南，赵传仁（2023）[1]认为影响数据资产价值的因素很多，复杂性和特殊性较强，数据资产价值构成主要包括数量价值、质量价值、管理价值、应用价值和风险价值，数据资产的价值具有不对称性、多变性以及存在外部性，这些都会影响其价值。刘云波（2023）[2]总结数据资产的基本特征包括非实体性和可复制性、非竞争性和弱排他性、多样性、可加工性、时效性和价值易变性。

（三）数据资产价值评估方法

数据资产所反映出来的信息能够被多方所利用，为企业带来巨大的价值，因此，数据资产的价值评估显得尤为重要（李永红，张淑雯，2018）[15]，众多学者开始对数据资产的价值评估方法进行研究。左文进，刘丽君（2019）[14]探究大数据产业发展现状，由此发现大数据资产估价的实用价值。然后，将经典资产估价方法与Shapley 值法和破产分配法则相结合，设计了大数据资产分解估价方法，进而构建出适应现状条件的大数据资产估价方法选择体系。最后，将新方法应用于案例企业，证明其科学合理性。王静，王娟（2019）[13]将B-S 理论与层次分析理论综合运用于互联网金融企业数据资产价值评估，通过对数据资产的影响因素进行分类和赋予权重，最终分析测算出数据资产价值。闭珊珊，杨琳（2020）[11]基于CIME 模型研究设计数据资产评估工具，为数据资产评估的体系构建和落地实施提供参考。陈芳，余谦（2021）[10]综合分析数据资产存在的特殊风险，改进超额收益法的指标构建，并以医药企业数字化转型为例，评估其数据资产价值。祖广政，朱冬元（2022）[8]认为数据资产在定价过程中存在大量模糊且不确定的信息，对数据资产进行精确的、无偏的定价较难实现，故将模糊数学理论与B-S 模型相结合，运用模糊区间求出相关数据资产的定价范围区间，对数据资产的定价估值提供一些参考。张玲玉，冷建飞（2023）[13]运用实物期权理论和层次分析法改进传输资产评估方法，首先利用实物期权法得到企业无形资产的收益贡献，其次利用层次分析法与蒙特卡洛模拟相结合的方法对数据资产的贡献进行计量，最后得到数据资产在企业发展中的贡献程度。

（四）物流企业数据资产价值评估研究

现有文献中物流企业数据资产的相关研究较少，关于数据资产价值评估的探究更多地集中在互联网企业。但是越来越多的现代物流企业将大力发展数字物流提升至企业战略层次，通过构建数据分析平台，获取海量的客户数据，实现流量变现，从而获取较高的超额收益（丁弘毅，吴孝灵，2023）[4]。李虹，鲍金见（2020）[12]研究我国物流企业数据资产，基于数据流动性和收益性的特点，构建出物流企业大数据平台，以物流企业业务层面具体情况为基础，利用大数据技术整合企业数据信息，细化数据资产确认过程。崔叶，朱锦余（2022）[17]通过深入分析智慧物流企业价值实现途径，从价值创造过程和价值转移过程两个方面探索物流企业数据资产价值变现途径，为数据资产价值的剥离奠定基础。

（五）文献述评

通过现有文献可以看出，学术界关于数据资产价值评估的研究尚未成熟，未能对数据资产进行统一的标准化定义，也未形成系统可行的数据资产价值评估体系，并且现有研究涉及行业范围较小，无论是理论界还是实务界，均需进一步深入研究。同时，由数据资产的特征研究可以发现，数据资产与无形资产类似。因此，本文将运用无形资产的评估方法，结合物流企业的数字化系统运营情况，构建合适的多期超额收益模型分享测算企业的数据资产价值。

三、物流企业数据资产价值评估模型构建

近年来，物流企业为应对数字经济发展带来的机遇与挑战，投入大量人力物力进行数字化平台研发，积极探索数字化转型纵深赋能，广泛应用大数据、人工智能等先进技术，持续提升科技创新和研发应用能力，加强数字化系统生态建设，构筑全网一体的基础竞争力。数据资产在物流企业提高竞争力、增加收入等方面发挥越来越大的作用，在物流企业整体收益中数据资产所贡献的收益就是其带来的超额收益。

（一）多期超额收益模型构建

多期超额收益法是通过分析预测归属于目标资产的各期预期超额收益，进而计算其在评估基准日的现值之和，最终测算出该资产价值的一种评估技术思路。根据这一技术思路，本文结合物流企业的资产构成特点，将企业整体收益的贡献资产分为流动资产、固定资产、表内无形资产、表外其他无形资产和数据资产，构建多期超额收益模型如下：

其中，V 表示物流企业数据资产价值，E 表示物流企业自由现金流，Ec、Ef、Ei1、Ei2分别表示流动资产、固定资产、表内无形资产、表外其他无形资产对企业自由现金流的贡献值，r 表示折现率，n 表示收益期。

（二）模型参数确定

1.企业自由现金流量

本文用企业自由现金流量来表示企业的整体收益，它指的是企业产生的，扣除税收、必要的资本性支出和营运资金增加之后，可以分配给债权人和股东的现金流量，最适合用来表示企业的整体收益。采用以下方法计算企业自由现金流：

企业自由现金流量=息税前利润-所得税+折旧及摊销-资本性支出-营运资金增加

息税前利润=营业收入-营业成本-营业税金及附加-管理费用-销售费用

2.资产贡献值预测

（1）流动资产贡献值

流动资产指的是可以在一年或者一个营业周期内变现或耗用的资产，其在使用过程中整体价值通常不会改变。因此，对于企业和投资者而言，流动资产没有折旧或者损耗，它的贡献值只包括投资回报，流动资产的投资回报率根据同时期的一年期银行贷款利率确定。

流动资产贡献值=流动资产年平均额×流动资产投资回报率

（2）固定资产贡献值

企业的固定资产使用周期较长，并且在使用过程中会不断发生损耗，针对不同的固定资产均会选择合适的方法进行折旧。所以固定资产的贡献值除了固定资产的投资回报，还需要考虑对其日常使用的损耗的补偿。因此，固定资产的贡献值由固定资产折旧补偿和投资回报两部分组成。鉴于大多数固定资产的折旧年限在五年以上，固定资产的投资回报率通常取五年及五年以上同期银行贷款利率。

固定资产贡献值=固定资产折旧补偿+固定资产投资回报

固定资产投资回报=固定资产年平均额×固定资产投资回报率

（3）表内无形资产贡献值

无形资产包括表内无形资产和表外无形资产，物流企业的表内无形资产通常包括土地使用权、计算机软件、商标权、专利权等等，这些表内无形资产与固定资产类似，在使用过程中会按期进行摊销。因此，表内无形资产的贡献值也是由摊销补偿和投资回报两部分构成。表内无形资产的法定保护期限一般较长，通常也选择五年及五年以上同期银行贷款利率作为其投资回报率。

表内无形资产贡献值=无形资产摊销补偿+无形资产投资回报

无形资产投资回报=无形资产年平均额×无形资产投资回报率

（4）表外其他无形资产贡献值

本文中表外其他无形资产指的是物流企业除数据资产以外的表外无形资产，主要包括人力资本。对于人力资本参考已有研究可知，其贡献值由劳动力年投入额和劳动力贡献率决定，并且劳动力年投入额取企业财务报表中应付职工薪酬的数值，劳动力的贡献率参照我国经济增长中的平均人才贡献率。

人力资本贡献值=劳动力年投入额×劳动力贡献率

3.收益期

本文中的收益期是指物流企业使用数据资产可以产生超额收益的期间。当前各大企业都在加大研发投入，积极推进数字化转型，这使得行业整体的数字化水平不断提高，数据更新加快，数据时效性增强。因此，企业的数据资产并非是永续存在的，其收益期不是永续的，为得到更加合理准确的数据资产价值，其收益期不应过长。

4.折现率

测算无形资产折现率的一种常用方法就是回报率拆分法，根据数据资产的特征可以判断其属于无形资产的范畴，本文将使用此常用方法确定其折现率。首先运用加权平均资本成本模型测算出圆通速递的整体回报率，再确定企业内流动资产、固定资产和无形资产各自所占的比例，估计出流动资产和固定资产的回报率，进而分割出无形资产的回报率。

企业的加权平均资本可以通过以下公式测算：

其中，WACC企业加权平均资本成本，E表示股权价值，D表示付息债权价值，Re表示股权回报率，Rd表示债权回报率，T表示企业所得税税率。

股权回报率通常运用资本资产定价模型确定：

其中，Rf表示风险回报率，Rm表示市场平均收益率，β 表示风险系数。

在企业整体回报率的基础上，拆分出流动资产和固定资产的回报率，倒算出无形资产的回报率，可使用以下公式进行测算：

其中，Wc、Wf、Wi分别表示流动资产、固定资产、无形资产占总资产的比例，rc、rf、ri分别表示流动资产、固定资产、无形资产的回报率。

四、案例分析

（一）案例选取

随着新一代科技革命的加速推进及数字经济时代的到来，新兴科学技术的研究与应用业已成为推动物流企业突破传统行业边界、实现转型升级的新动能。圆通速递秉承“数字化、移动化、实时化、可视化”原则，调整和转变管理思路，强化技术创新驱动，推进大数据、云计算、人工智能等新兴科技在业务运营中广泛推广和运用，并引入互联网思维打造先进信息化工具，加速业务运营管控工具迭代更新，重构业务流程和管理制度，全面推进数字化转型。圆通速递从2009 年开始不断投入资金研究开发用于本企业的智能化平台——“金刚系统”，一期工程于2011 年上线。圆通速递内部研发人员可以对上述系统进行升级和独立运营，并且将该系统服务于本公司的快递业务，提高效率。公司以此系统为底层数据系统，开发了全链路管控系统，并形成了包括“管理驾驶舱”、“网点管家”、“客户管家”、“行者系统”等核心系统和平台，覆盖揽收、中转、派送、客服等全业务流程，实现了对快件流转全生命周期的信息监控、跟踪及资源调度，为公司服务质量、时效提升、成本管控、网络管理等提供了有效抓手，公司日常监控与考核单元逐步细化、精准，管控边界进一步延伸，管理效率逐步提高，业务运营数字化、信息化、智能化水平明显提升。本文选择圆通速递作为案例企业，对其数据资产价值进行评估，提供理论参考。

图1 圆通速递信息化平台

（二）参数测算

圆通速递于2009 年开始研发数字化系统，并于2011 年完成一期上线，数据资产开始产生超额收益。由于圆通速递于2016 年完成上市，2017 年至2022年的企业数据可准确获取，本文以2022 年12 月31日为评估基准日。同时考虑到数据资产时效性强的特点，将圆通速递现有数据资产的收益期定为五年，即收益期间为2023 年至2027 年。本文通过巨潮资讯网获取圆通速递2017 年至2022 年的企业年报，整理得到相关财务数据及各项数据占营业收入之比如表1、表2 所示。

表1 圆通速递2017-2022 年财务数据（单位：万元）

表2 圆通速递2017-2022 年各项成本费用占营业收入之比

1.自由现金流量预测

综合考虑可获得的历史数据和测算过程的可行性，本文运用最小二乘法对2017 年至2022 年圆通速递营业收入的变动趋势求取拟合函数，进而预测未来五年（2023-2027 年）圆通速递的营业收入。在此基础上，其他各项目根据表2 测算的比例进行预测，进而预测出圆通速递2023 年至2027 年的企业自由现金流量，如表3 所示。

表3 圆通速递2023-2027 年自由现金流量预测（单位：万元）

2.资产贡献值预测

（1）流动资产贡献值预测

通过整理圆通速递2017 年至2022 年财务数据可知，流动资产增加额占营业收入比例的平均值为3.6%，由此可以预测2023 年至2027 年流动资产的增加额，进而预测圆通速递未来五年的流动资产。流动资产以一年期银行贷款利率4.35%为投资回报率，计算其投资回报，流动资产贡献值如表4所示。

表4 流动资产贡献值预测（单位：万元）

（2）固定资产贡献值预测

由圆通速递2017 年至2022 年财务数据可知，其固定资产折旧占营业收入之比的平均值为2.17%，固定资产成本支出占营业收入之比的平均值为2.07%，在此基础上预测固定资产的贡献值，固定资产的报酬率取五年期及以上银行贷款利率4.90%，固定资产贡献值预测如表5 所示。

表5 固定资产贡献值预测（单位：万元）

（3）表内无形资产贡献值预测

圆通速递的表内无形资产主要是土地使用权、电脑软件、商标使用权和客户关系，2017 年至2022年，表内无形资产摊销额占营业收入之比的平均值是0.29，表内无形资产资本支出占营业收入的比例平均值是1.36%，同样表内无形资产的报酬率也取五年期及以上银行贷款利率4.90%，由此预测表内无形资产2023 年至2027 年的贡献值如表6 所示。

表6 表内无形资产贡献值预测（单位：万元）

（4）其他表外无形资产贡献值预测

圆通速递财务表的无形资产中已包括客户关系，因此，表外无形资产主要就包括人力资本和数据资产，所以本文中其他表外无形资产指的是人力资本，其贡献值由劳动力年投入额和劳动力贡献率决定，劳动力年投入额取企业财务报表中应付职工薪酬的数值，2017 年至2022 年应付职工薪酬占营业收入之比的平均值为0.70，由此可以预测2023 年至2027年应付职工薪酬。劳动力的贡献率取我国经济增长中的平均人才贡献率，参照最新相关研究中测算的我国2011 年至2017 年人才贡献率17.81%，由此预测人力资本贡献值如表7 所示。

表7 人力资本贡献值预测（单位：万元）

3.折现率

首先运用加权平均资本成本模型测算圆通速递的整体回报率，其中债权回报率取五年期及以上银行贷款利率4.90%。股权回报率采用资本资产定价模型测算，无风险回报率取评估基准日2022 年12 月31 日五年期国债利率3.52%，市场平均收益率取沪深300 近十年平均收益率8.83%，通过同花顺获取圆通速递近十年β 系数平均值为1.01，由此计算出股权回报率为8.88%。截止到2022 年12 月31 日圆通速递股权占比69.27%，债权占比30.73%，计算可得出加权平均资本成本为7.66%。

在企业加权平均资本成本的基础上，进一步拆分可测算出无形资产的折现率，如表8 所示：

表8 折现率测算

（三）数据资产评估值测算

在上述分析的基础上，将圆通速递预测期2023年至2027 年的企业自由现金流量减去流动资产、固定资产、表内无形资产和表外其他无形资产的贡献值，即可得到数据资产的超额收益，进一步折现就和测算出数据资产的价值如表9 所示。

表9 数据资产评估值测算（单位：万元）

圆通速递的数据资产在2022 年12 月31 日价值为16 831.48 万元。由表9 可以看出预测期数据资产的超额收益先增后减，这与数据资产时效性强的特点相符，数据资产一旦过时，其带来的超额收益就会急剧下降甚至不再产生超额收益。

五、研究结论与展望

数字经济的发展使得数据资产在企业发展中的重要性愈加明显，众多企业开始数字化转型以提高竞争力。物流企业作为与人民生活息息相关的行业，数字化成为其发展方向，各大物流企业也在积极开展数字化平台建设。本文基于超额收益法构建适用于物流企业数据资产价值评估的多期超额收益模型，首先根据物流企业的资产结构，将企业价值贡献资产划分为流动资产、固定资产、表内无形资产、表外无形资产和数据资产；然后依次测算各项资产的贡献值，从而分割出数据资产对企业自由现金流的贡献值，即超额收益，进而对预测期内的超额收益折现求和得到数据资产的价值。补充了关于物流企业数据资产价值评估的相关研究，从理论上为数据资产估值提供了一种相对简便可行的方法。

本文将所构建的模型应用于圆通速递数据资产估值，验证了模型的可行性与合理性，但是还存在一定的局限性。首先，在对未来收入进行预测时仅依据过去六年的历史数据和企业当前情况，对数据资产的影响因素考虑不够全面，预测数据可能会存在偏差。其次，在确定收益期时鉴于数据资产的时效性强，将收益期确定为五年，但行业数据资产变化快，不确定性强，收益期限很难准确把握。

当前数据资产价值评估相关研究中对于物流企业涉及较少，本文的研究还存在局限性，希望有更多的学者关注物流企业数字化发展，探索其数据资产估值方法，构建科学合理的价值评估体系，进而推动企业的数字化进程和数据资产交易，助力实现数字经济发展目标。