企业数据资产价值评估探讨

贺灿 中国华电集团有限公司

引言

“十四五”时期，数据资产不仅仅是新时代企业高质量发展的核心生产要素，更是推动各行业领域产业转型升级、助推新一轮科技革命的重要战略资源，特别是在我国全面深化改革的新趋势下，健全数据要素市场规则，发展一套科学有效的数据资产评估体系，合理量化数据资产在安全可靠边界下的经济价值，能够为企业调整经营决策、开拓高端市场以及实现可持续发展提供强有力的科学依据。因此，加强对企业数据资产价值评估的概述、影响因素等内容的分析与研究有着极其深远的现实意义。

一、企业数据资产价值评估的相关概述

（一）数据资产的定义

目前，国内很多学者虽已逐渐意识到数据资产价值评估的重要性及必要性，并开始致力于数据资产价值评估的分析与研究，但并未对数据资产下定义。一部分学术工作者将数据资产定义为用于交流、处理、解释的一种重要经济资源。另一部分学术工作者则认为企业数据资产是具有正确性、重复性、完整性和参考性的信息资料，通过对这类数据资料的深入研究，挖掘其潜在的价值信息，进一步提高相关数据资料的利用价值，并帮助企业管理层制定更加科学、合理的战略决策，从而促进企业的长效化稳健发展。由此可见，加强对企业数据资产价值评估的探析与研究有着极其深远的现实意义。

（二）数据资产的特点

通过对数据资产定义内涵的分析与研究可以发现，数据资产的特征集中体现在以下几个方面：

第一，数据资产具有较为明显的非实体性特征，即数据资产的功能往往需要借助硬件装置、电子计算机等有形媒介才能实现，并且在实际运用过程中数据资料本身的价值并不会发生损耗或损坏。所以，从这一层面来看，数据资产普遍具有极强的非实体性特征。

第二，数据资产具有多样性特征，该特点主要体现在数据资料的使用维度与表现形式方面，即数据资料的表现形式和内容比较多样，用户也可以在各种情况下依托各种渠道对所需的数据资料加以利用，以便更好地满足自身的实际需求。正因如此，在不同的渠道下，数据资产所产生的经济效益往往会呈现出多样化态势。

第三，数据资产具有通用性特征。与其他类型的资产相比较而言，数据资产具有较强的适用性，能够适用于各个行业领域、各个专业，加之其本身的更新速度相对较快，这就赋予了数据资产更多的潜在价值，可通过深入挖掘数据资料的潜在价值，为企业开展多样化业务提供强有力的科学依据。

第四，数据资产具有较为明显的外接性特征，该特点主要体现在运用大数据分析技术取得的成果，除了可以供企业自用外，还可以将数据分析产品、咨询服务等内容进行打包并在国内外市场上进行销售，这样就能够为企业创造更多的经济效益及社会价值。可见，对于现代企业运营发展而言，数据资产本身所具有的外接性特征，同样是企业财务数据价值的客观体现。

（三）企业数据资产价值构成

从本质上来讲，数据资产的价值就是利用具有参考性的数据资料，确定企业内部与数据资产相关决策所获取的净利润。从业务活动的角度分析，单一数据资产所带来的综合效益远远低于数据资产整体所产生的经济价值，尤其是一些运用于战略决策制定的数据资料，更应具有较强的时效性、完整性和真实性。所以，从某种层面上而言，企业数据资产的总价值往往涵盖数据资产本身的经济价值以及尚未挖掘的潜在价值，这就需要企业充分利用以数据资产为核心的运营机制，借助各种先进的数字化技术手段，深入挖掘目标客户的潜在消费行为，并为其提供极具个性化的产品或服务，借此来拓宽企业自身的经济来源，增强企业核心竞争优势与整体服务质效，促使企业在日益激烈的市场环境中站稳脚跟。

二、影响企业数据资产价值评估的相关因素

（一）数据数量因素

纵观以往的实践经验不难发现，数据信息的总体数量是影响企业数据信息本身资产价值的重要因素之一。一般而言，在其他各项条件不变的情况下，数据规模越大，数据资产蕴含的经济价值则越高。值得注意的是，个别企业的数据规模虽然不大，但由于日常经营所涉及的数据种类比较多样，因而数据资产同样会发挥较高的应用价值。所以，从这一层面来看，在评估数据资产价值时，相关企业可以将数据种类作为衡量、评估数据资产价值的关键指标。

（二）数据质量因素

数据质量作为影响企业数据资产价值的另一种因素，其主要体现在效率和成本方面。其中，从效率层面上分析，质量较差的数据信息将会大大增加数据资产的识别、挖掘等工作难度，进而导致数据资产评估成本增加，数据资产价值大打折扣。反之，具有完整性、可追溯性和可用性的数据信息则会有效提升数据资产的经济价值，进而为企业顺利实现降本增效目标创造有利的先决条件。

（三）数据管理因素

鉴于企业内部各项信息数据的本身就具有较为明显的价值易变性、可加工性等特征，不同类型的数据资产具有不同的使用途径和处理方式，这就意味着相关管理人员只有对数据资料进行精细化管理，才能实现数据资产价值的有效发挥。但是，伴随着时间的不断推移，同一数据资产的价值也可能会发生增加或损耗变化，致使数据资产价值降低或失效。可见，在企业进行数据资产价值评估作业的过程中，必须注重数据管理的实效性，并在数据资产发生重大变化前，及时进行科学化管理和干预，只有这样才能助力企业获取最大化的经济效益。

（四）数据应用

在市场经济形势愈演愈烈的大环境下，企业要想拥有更多的自主权，必须掌握更多的稀缺性资源，并通过对海量数据信息的分析应用，方便企业管理层制定科学决策和高效化管理方案，以促进企业综合实力的稳步提升。但由于同一数据资产在不同的应用情形下所发挥的价值不同，数据的应用范围越广，数据资产发挥的价值则越高。此外，在数据资料应用的过程中，同一数据在不同经济应用场景下所实现的价值增值程度也会存在较大差异，若交易双方对数据资产价值的认同程度较高，则交易越容易达成，交易价格自然也很容易达到卖方的心理预期。可见，数据应用同样是影响企业数据资产价值评估的关键性因素，需要企业管理层引起高度重视并进行深入研究。

三、企业数据资产价值评估方法及构建思路

（一）数据资产价值评估方法

1.传统评估法

（1）成本法

事实上，企业数据资产价值评估方法着重于数据资产价值的绝对价值水平，期望通过科学的数据资产价值评估模型准确评估数据资产的经济价值。目前，成本法作为互联网时代背景下一种以待估资产实际成本计价的分析方法，主要是指互联网企业内部累积的各种数据资产价值等同于运营周期内的成本和初期准备成本的总和。在运用成本法衡量、评估企业数据信息的资产价值时，相关从业人员应精准核算各个环节产生的运行维护费用、基础建设费用等成本费用，然后经过人工成本、软硬件等形式测算数据资产收益，以便更好地掌握历史数据的实际费用，进而为后续高效管理和精准决策提供相应的数据支持。

（2）市场法

与成本法有所不同，市场法可以通过直接或间接方法对比分析结果，并以此为依据来判断企业数据资产价值的一种分析方法，其衡量参数和技术指标也更为可靠、真实。在实际的运用过程中，通常是以数据资产交易市场中近期已经成交的相同或相似类别的真实案例或市场交易价格为参考，通过合理调整质量、时间、规模等系数后，以比较的结果为依据精准估算出数据资产的实际价值，即评估价值=可比互联网数据资产的成交价值×修正价格系数。值得注意的是，由于评估基准日、技术等因素的不同，很容易导致数据信息的资产价值存在较大差异。也正因如此，在长期的应用实践过程中，刘永红、张淑雯通过分析数据资产的相关影响因素，运用AHP 和灰色关联法构建了基于市场法的数据资产价值评估模型，旨在运用市场法进行数据资产价值评估工作，更好地反映企业数据资产的经济价值。不仅如此，市场法是采用与市场上近期同类或相似互联网数据资产进行交易的价值对比评估方法，在实际应用过程中不仅能够真实反映当前的市场情况，还很容易被买卖双方所接受，但该方法也存在较为明显的缺陷，即对市场条件的要求较为严格，评估时必须与市场上的同类或相似类别交易方式进行价格对比，整个评估难度相对较大。

（3）收益法

在当今时代下，越来越多的企业普遍认为运用超额收益法来评估数据资产更为合理、科学和可靠。不仅如此，在长期的实践研究过程中，很多学者对于多期超额收益法进行了进一步改进和完善，个别专家也开始运用剩余法剖离数据资产在整体收益中的相关收益，更有甚者开始选择引入专家打分法和层次分析法对一些非财务因素指标进行量化分析，最终得到了更加完整的多期超额收益模型。但这种技术也具有较为明显的缺陷，即常常会受到企业主观确定条件的干扰，对于利润金额的风险预期相对不够精准。所以，为了更好地评估企业数据信息的资产价值，必须综合考虑动态环境下经济效益的不确定性等因素，选择合适的资产评估方法，不断挖掘数据资料背后潜藏的价值，以此来赋予企业价值新增动力，提升企业整体服务质量，促使企业顺利实现降本增效目标。

2.非传统评估法

考虑到数据资产的特性后，国内很多专家学者认为传统的评估方法存在或多或少的缺陷，加之数据资产价值评估正处于探索期，可供应用的衡量方式比较复杂，尚未形成一套可操作性强、全面、客观的数据资产估值方法体系。所以，越来越多的学者开始致力于新的研究，并通过分析数据资产的特征与影响因素，基于大数据服务企业特点，陆续引入了层次分析法、实物期权理论等非传统评估方法。其中，实物期权理论主要包含B-S 模型、蒙特卡洛模拟和二叉树模型三种方法，B-S 模型通常适用于连续时间下的期权定价，能够对联盟企业的数据资产进行价值评估。此后，在长期的实践研究中，Long Staff&Schwartz 第一次将最小二乘法与蒙特卡洛模拟相结合来评估数据资产价值，彻底开启了LSM 应用于数据资产价值评估的新时代。至于二叉树模型的实践应用，通常是引入二叉树模型改进DCF 模型，以精准评估企业数据资产的投资价值。总而言之，目前对数据资产的估值研究主要集中在数据模型与传统估值理论相结合。在期权定价问题上，B-S 模型、蒙特卡洛模拟和二叉树模型三种方法均可以实现对期权价值的准确估算，同时还能够解决潜在的价值估值问题。

（二）数据资产价值评估体系构建思路

1.估算末端指标

对于企业数据资产价值评估工作而言，末端指标通常是指数据资产价值评估体系中处于底层的指标项，通过精准估算、预测末端数据指标，可以准确判断企业相关数据信息是否能够满足指标项的具体测量规则。值得注意的是，在估算末端指标时，相关从业人员应借助智能仪表仪器、电子设备等设备，全面采集市场上可比数据资产的市场报价资料，从而准确地估算出数据资产所带来的超额收益，同时这对于确定企业风险系数也起到一定的积极作用。

2.计算经济价值

在构建数据资产价值评价体系的过程中，设计人员应注重对数据资产绝对价值水平的精准核算。具体来讲，在计算成本价值时，可使用成本法根据数据资产取得成本确定所需的设备购置费用、相关设备研发费用和水电费用；在计算收益价值时，可利用收益法根据未来预期收益来衡量数据资产、折现率和收益年限，只有这样才能实现对数据资产价值的准确核算，进而为企业管理层制定科学决策和高效化管理方案提出一些具有参考价值的数据支持。

3.质量价值计算及数据资产价值评估

在构建数据资产价值评估体系的过程中，数据资产的质量价值通常以百分比表示，按照构建的评价指标体系，由下至上以此计算数据形式价值、数据内容价值、数据绩效价值和质量价值。此外，针对待估数据资产价值的评估，可从质量、经济等维度入手，即数据质量越高，企业采集、分析和处理数据的成本则越低，数据资产价值则越高。反之，若市场对数据资产价值的认可度不高，即使数据资产的质量再高也不会具有很高的经济价值。所以，在评估数据资产价值时，相关人员必须充分考虑质量和经济两个维度，只有这样才能准确评估数据资产价值，进一步促进企业降本增效。

结语

综上所述，数据资产价值评估模型具有十分光明的应用前景，是新时期企业提升自身总体管理水平、加快产业结构转型升级的关键支撑。因此，各大企业必须高度重视数据资产价值评估方面的探析与研究，精准把握影响数据资产价值评估的相关因素，并根据权重来计算和量化模糊评价需求，科学选择行之有效的价值评估方法，准确估算数据资产的实际价值，在保证相关数据资料真实性与可靠性的前提下，帮助企业管理层制定更加合理的战略决策，从而为企业高效、高质推进数字化转型保驾护航。