数据资产评估方法及难点

□文/ 李晓茹

（河北经贸大学 河北·石家庄）

［提要］ 随着数据资产的应用而实现的商业价值，对于数据资产的价值确定变得尤其重要。我国数据资产尚处于起步阶段，数据资产的价值评估也成为一个难题。本文通过对数据资产评估方法的探讨，分析我国数据资产评估面临的产权界定、评估模型具有主观性、价值不稳定、参考资料获取难、专业人员缺乏、资产管理与业务发展割裂等一系列挑战，并对数据资产的难点分类进行讨论，最后针对这些挑战提出相应的建议，旨在提高数据资产价值评估的合理性。

2020年4月9日发布的《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》中将数据与传统生产要素（土地、劳动力、资本和技术）并称为“五大要素”。数据资源的价值得到了充分的确认。数据要素的市场化已经是“数字中国”建设的必然要求，“数据资产”时代已经到来。促进数据价值的实现，对于促进我国科技创新，提高经济效益，促进经济社会发展具有重要的现实意义。

数据资产化是数据要素市场发展的关键与核心。数据资产化的实现包括两个阶段：数据资产价值评估和数据资产定价。开展数据资产评估，通过统一数据资产评估标准，可以给数据资产合理定价，保证数据要素的有序流通与价值挖掘，为数据交易提供价值支持，这对于促进数据要素的市场化配置和数字经济的高质量发展有着非常重要的作用。

一、数据资产评估方法

（一）三种基本方法适用性分析

1、成本法。在数据资产价值评估中，成本法是指通过数据资产在整个生命周期中不同阶段的成本来判断价值的一种方法，其本质上就是对数据成本的归纳。从数据资产的价值来源看，可以分为两类：一类是其价值主要来源于数据流通与应用所带来的增值的数据资产。这类资产是信息生产业务中的派生产品，原始状态的数据价值难以确定，数据资产功能性贬值和经济性贬值原因多种多样难以预测，贬值率的求取也比较复杂，因此成本法对于这类数据资产的估值适用性较低；另一类是机构单位因特定目的将价值极低的单一、零散的原始数据收集融合、存储集成形成结构化数据，最终应用于特定场景，从而创造出数据价值的数据资产。从这类数据资产的资料获得来源和方式来观察，会计记录和统计调查资料可以直接向用户提供与数据生产活动有关的成本费用数据。此外，考虑到数据资产与一般无形资产或知识产权产品的独特特征，成本费用会计资料和统计调查数据，还可以为以生产成本为基础的调整改进模型提供相对客观的参考依据。因此，对于这类数据资产，成本法具有较强的可行性。

2、收益法。收益法是通过估算被评估资产的预期收益并折算成现值的方法。对所评价的资产，其将来的期望回报是可预见的，并且能够用金钱来衡量。在无形资产的价值评估中，收益法是比较常见的，也是比较成熟的评估方法。例如，专利权、著作权等资产的价值，通常都会采用收益法来确定。收益法用于评估数据资产价值过程中，评估人员应根据数据资产所处企业的资本结构并结合数据资产自身应用情况、获利方式等方面确定未来预期收益。对于企业自身数据未来可以应用的业务场景及其未来收益比较容易明确的，以及企业自身也比较容易预测数据获取后产生多大价值的数据资产，适合采用收益法进行评估；如果数据资产未来收益很大程度上取决于市场交易与应用，则很难准确获得其未来现金流量数据，所以收益法不太适用于对外预估。值得注意的是，数据资产的使用期限具有极大的不确定性，在实践过程中需要综合考量各方面的影响，例如查看数据资产法律保护情形、产品的更新换代以及合同规定的使用期限。

3、市场法。市场法指的是一种以市场上类似数据交易的价格为基础，对其进行类比估值的方法。市场法需要一个活跃的市场交易环境，在拥有了大量的交易和数据之后，它比较适合采用这种操作。市场法虽然已经在国外数据评估领域开始应用，但目前我国采用市场法的条件不是很充足，还存在着一些限制因素。第一，我国数据产业还处于起步阶段，交易规范体系尚未完善，而且与数据类似的无形资产有一定的保密性，所以数据资产交易市场并不活跃，交易信息也存在不对称的问题，评估人员很难收集数据交易的价格。第二，数据因其非竞争性特征，在市场上寻找具有可比性的、可供参照的数据资产比较困难，而且数据资产个体化程度较高，使得各数据资产与可比交易案例之间差异较大，较为抽象，在衡量差异因素调整的标准方面存在困难，难以在实践中操作。

（二）数据资产评估衍生方法

1、博弈论。数据可以成为一项资产的前提是可以作为商品出售或者依附于其他资产出售，对于那些可以直接出售的数字资产来说，一定程度上可以类比于劳动力商品。王建伯（2016）将博弈理论运用到数据资产定价方面，基于买卖双方间的信息不对称，以讨价还价的方式实现自身利益最大化和风险成本最小化。在整个资产评估环节当中，博弈论可以说是一个十分重要的理论。张亮（2019）基于博弈理论，设计了数据资产拍卖实施方案，首先，通过资产评估公司的评估价得到一个拍卖标的底价，此底价必须保证招标人的利益，也必须将各项交易费用包含在其中；其次，在网上已经提交信息注册并通过审核的竞拍人，对招标方提供的标的进行在线报价；最后，平台公布本次拍卖最终确定的中标方与成交的中标价格。拍卖机制提出了一种基于数据资产特征、兼顾各方经济利益、反映各方对其价值认识的新方法。

2、层次分析法（AHP）与其他模型结合。层次分析法（AHP）可以定量地表达和处理人的主观判断，并形成相对客观的判断标准，将整体的价值分解成若干个影响因素，通过两两比较各要素的权重并将影响因素中与数字资产价值相关的因素相加，得到数据资产价值的参与率。在进行数据资产评估时，通常采用层次分析法剥离数据资产与其他资产并与其他模型相结合评估数据资产的价值。张志刚等（2015）引入层次分析模型构建指标评价体系，并利用层次分析法软件（YAAHP）计算数据资产各项评估指标权重。袁林昊等（2022）基于AHP 层次分析法将微博数据资产进行分割，并结合互联网评估模型DEVA 法，最终得到数据资产的价值，这种方法对依附于其他资产的数据资产评估提供了思路。利用AHP 剥离数据资产时，专家打分具有较强的主观性，可能会使评估结果说服力较弱，为了降低其主观因素，孙晓璇和赵小明（2020）利用市场法评估数据资产，在数据资产参照物价值实例库中搜索相同或相似实例n 个，参照物按数据资产基础指标的权重降序选择，权重的确定应用模糊层次分析法，将优先关系矩阵进行模糊处理，并结合得到数据资产的修正系数，计算得到数据资产的估值。

3、人工智能方法。人工神经网络是一种仿照生物神经网络处理信息的数学模型，依托系统节点的连接关系进行调整，进而实现信息处理，它克服了由人工评价所带来的人为因素的影响，使评估结果相对客观，可为数据价格的确定提供重要的依据。王笑笑（2019）将模糊综合评价与BP 神经网络相结合确定指标权重，建立基于BP 神经网络的大数据价值评估的模糊评价模型。倪渊等（2019）在BP 神经网络模型的基础上进行改进，采用遗传算法优化神经网络，解决了其容易陷入局部极值点或最优点，精度难以达到标准、收敛速度较慢等问题。他们的研究结果表明：基于遗传算法神经网络的数据资源价值评估方法相比于BP 神经网络性能提升明显。这些方法虽对数据资产价值的评估有所改进，但仍具有其局限性，并不适用于所有数据资产，其作为一种独特的无形资产，自身特点及应用范围都有待进一步挖掘研究。

二、评估过程中的难点

（一）数据资产确权面临的困境

1、保护数据产权方面的法律条文尚未完善。我国民法对数据的物权性质作了较为明确的规定，但是对数据的财产权问题却没有做出明确的规定。“数据就是资产”，这一理念已经得到了行业的普遍认同，因此“资产”需要有归属权是必然的，但是“数据”的归属权至今仍是一个难题。《深圳经济特区数据条例（征求意见稿）》规定，自然人对个人数据的处理享有知情权、决定权，有权限制或拒绝他人处理个人数据，即个人享有个人数据的全部权属。这项规定存在一定的不合理之处，很难在实践过程中操作，数据的生产者不一定是数据的拥有者，我们在上网的同时也留下了大量的痕迹，这些痕迹在我们不知情的情况下被互联网公司收集以后形成数据，他们利用这些数据进行分析后完善自己的软件，产生更高的收益，但我们作为数据来源方并没有享受到切实的利益，所以仅对个人数据进行简单、笼统的规定并不恰当。

2、数据所有权无法进行有效区分。当一项资产面对多个主体时，产权剥离不清和划分标准不确定使得数据确权变得更为艰难。因为数据是以电子化形式存储的，数据在产生可利用价值过程中，如果被不同的个人或企业复制并处理，最终被商业化以后，这个成果属于提供数据方还是处理方。数据所有权若归于单方主体，则难以产生整体上的产权意义，如果共同拥有，产生的价值如何保证公平划分？对于数据处理方而言，一项数据资产的完成往往需要多方人员的参与，发挥不同的作用，他们对于该项数据资产的重要程度也有所不同，这时又该如何进一步划分？而且数据所有权如果归于多个主体，那就丧失了唯一性，而数据所有权归于单方主体，又会使数据活动中的其他主体丧失积极性和创造力，这些都不利于数据价值的开发。

（二）数据产生的价值确定存在困难

1、数据资产的价值无法明确表现在会计体系中。数据资产不完全符合会计准则中对于资产及无形资产的定义，因此部分数据资产目前尚未体现在企业的财务报表上。从数据资产有无载体来看，可以将其分为内化于资产的数据资产和可以单独交易的数据资产。对于可以单独交易的数据资产来说，该项资产相当于公司的一款产品，交易该产品获得的收入可以计入公司财报中，公司所定的交易价格即为数据资产的价值，所以无需对这类数据资产进行评估。对于内化于资产的数据资产来说（同上文的数据资产），这类数据资产要成为一项资产，在会计上需要符合以下两个条件：一是有权利产生经济利益的；二是该经济资源属于企业，而且企业可以对一种经济资源进行成本与价值的衡量。但是，上文中提到了数据资产的权属划分没有明确的法律界定，数据资产产生的价值融合于企业其他资产中，很难将数据资产产生的价值与其剥离，所以它本身产生的价值很难体现在会计账簿中，在评估时数据产生的合理利润难以确定。只有解决数据归属权与利益分配问题，数据资产才可以纳入会计核算体系里，下一步是列入无形资产还是单独列示数据资产一个新科目，数据资产进入会计报表仍存在一系列问题尚待解决。

2、数据资产的价值不稳定。数据资产的价值，一部分来源于数据的流通和用户的使用，并且会随着数据规模变化而变化。由互联网通用性决定的，其不仅可以被无数不同用户使用也可以被同一用户无限制使用，可以在极短时间内产生大量数据，也可以产生无限多的数据，加大了数据资产价值评估难度。此外，同一项数据资产可以应用到不同场景之中，其价值也不同，评估人员很难掌握全部应用场景，甚至可能应用到意想不到的领域，也很难评估其潜在价值。

（三）评估业务没有足够的业务参考，评估资料获得存在较大困难。我国的数据资产评估业务还处于起步阶段，其商业模式和交易体系还在初步探索阶段，大众对于数据资产的认知尚浅，会计准则也未能从定义、计量、估值、核算等方面对其进行规范，无法建立公开、有效的交易市场，难以找到与数据资产相关的数值，评估人员在进行数据资产的价值评估时，可以参考的数据资产高质量评估的资料非常有限。在数据的存储、传输、使用过程中，企业通常会采用一些比较先进的数据保护技术，比如加密技术、脱敏技术等，特别是保密数据，由于这些数据是在企业内部和组织内共享的，因此企业要保证其数据库、文档管理系统、文件服务器在整个生命周期中都能对机密数据进行正确的分类并对其进行保护，并通过密钥管理来限制数据的访问权限。所以，即使发生了与研究评估业务类似的交易，评估工作人员很难获取数据贸易价值信息和数据内容。