企业数据资产管理研究

摘 要：对于以互联网为主业的电商平台而言，良好的数据资产管理对于企业提升市场竞争力、用户体验优化乃至长远发展至关重要。本文以拼多多这一国内领先的电商平台为研究对象，旨在通过分析拼多多2018—2023年的财务数据，深入探究其数据资产管理的成效及存在的问题。在成效方面，拼多多通过有效的数据收集与应用，极大地推动了用户基数的快速增长与市场份额的扩张。然而，从长远看，其数据资产管理存在一系列问题，这些问题在一定程度上制约了拼多多的可持续发展。通过分析这些问题的成因，可以得知拼多多在数据安全、技术创新、成本优化及合规性方面的不足，为拼多多乃至其他电商平台在数据资产管理方面的优化提供参考。

关键词：数据资产；管理分析；拼多多；数据整合

数据成为一种新型资产，在市场领域早有探索。例如，2016年的贵州东方世纪通过中关村数据资产双创平台的评估及相关部门的撮合，将企业内部形成的数据资产抵押给贵阳银行，在国内首次成功实现了“数据贷”的放款。广州数据交易所从挂牌运营到2023年1月，完成了640项数据产品、数据服务和数据能力等交易标的申请进场交易，累计交易金额突破5.07亿元。由此可知，政策为实现数据资产要素化指引了方向，同时数据也正在像传统资产一样可在市场上进行交易。截至2021年年末，由工信部统计数据可知，全国中小（微）企业数量达4800万户，占全国规模企业数量的99.8%，营业收入、资产占比均超过60%，是我国经济的重要组成部分。

一、企业数据资产管理研究相关理论概述

1.数据资产管理的相关概念

（1） 数据资产管理的定义

原始数据经合法获取加工后可在一定的条件下转换为数据资产，并通过交易市场实现数据价值的外延。根据《中国数据要素市场发展报告（2020-2021）》可知，数据要素对我国2021年的GDP增长贡献率达14.7%，贡献度为0.83%，市场规模超800亿元。相较于往年，数据要素贡献率和贡献度均呈现稳定上升的状态。由此可知，当数据转换为资产就应被有效管理。而数据资产管理相关概念尚处于相对空白的状态，未形成标准、统一的概念界定。

（2） 企业数据资产会计处理难点分析

当今数据资产的管理面临显著挑战，尤其体现在数据资产的评估与计量方面。数据的获取成本可能包括数据收集、存储、处理和维护等多个方面，但这些成本的分摊和计算并不简单。同时，数据的价值是动态变化的，取决于数据的时效性和应用情况。过时的数据可能对企业的决策无效，因此在会计处理中，需要定期调整数据资产的账面价值。没有一个统一的计量模型或标准，数据资产的会计处理难以规范化和标准化。虽然现有研究广泛探讨了数据资产的定义和管理策略，但对数据质量的专项研究相对不足。

此外，数据资产的权属确认与管理也存在困难。作为新兴的生产要素，数据具备资产特征，其巨大价值已得到广泛认可。与传统的实物资产如房地产、设备不同，数据资产的内在价值难以量化。传统的资产评估方法如成本法和市场法在数据资产中不完全适用。例如，数据资产的市场价值受到多种因素的影响，如数据的稀缺性和市场需求变化，这使其市场价格不稳定，也增加了评估的复杂性。以企业使用的客户数据和生产数据为例，这些数据在体量上较小，因此在会计处理过程中是否应纳入数据资产的范围存在不同观点。同时，数据资产的确权问题涉及收益权、开发权、使用权和所有权，其中使用权和所有权的转让尤为复杂。例如，企业可能从公开渠道获取数据，但这些数据的法律归属和使用权限可能并不明确。是否可以将这些数据视为企业的资产以及在会计记录中如何准确反映这些数据的权属，是一个需要明确的问题。

2.理论基础

（1） 信息不对称理论

信息不对称理论指的是在同一个市场经济活动中，不同人员对于市场相关的信息了解存在些许差异，往往拥有对市场相关信息的一方更易占据优势地位，缺乏市场相关信息的一方则往往处于弱势地位。这一理论由国外学者JosephE.Stiglitzet.al提出。他们认为具有管辖权利的政府部门应主动发挥市场“看得见的手”的作用，对市场经济活动中的交易进行引导、监管，降低因不对称对市场经济活动造成的危害。国内对于信息不对称理论的研究起步于20世纪中后期，胡晓青等（2022）认为新的经济环境下出现了很多新的特征，需要从新的视角重新审视。信息不对称可分为以下几类：①需求信息不对称。早期大家普遍认为下游供应商掌握了销售渠道，因此相对于上游生产商有着获取信息的优势。随着信息技术的发展，上游供应商构建业务应用系统，通过数据采集获取了消费者、下游供应商的大量信息，掌握了比下游供应商更全面、更直观的需求信息，上游生产商可以根据市场情况及时做出决策调整。②成本信息不对称。上游生产商控制着商品的生产，下游可能存在一个或多个供应商，因行业壁垒及成本保护机制，下游供应商及需求方对于商品的真实成本信息处于弱势一方，在谈价中容易出现价格过高从而影响收益。③质量信息不对称。商品的质量存在着优劣之分，同等信息条件下可做出符合成本与利益相匹配的决策，如存在质量信息不对称，一方无法正确预估商品的价值，从而影响交易成本与收益。

（2） 委托代理理论

委托代理理论是在信息不对称理论基础上演变而来的。该理论于20世纪初由Berle和Means（1932）提出，他们认为一个或一个以上的行为主体通过正式或非正式的约定，委托或雇佣第三方或多方行为主体按照双方约定的权限范围为其服务，并支付其对应的报酬。在双方关系中，委托者即是委托人，受托者即是代理人。在企业治理中，委托代理理论的运用场景主要为企业将经营权委托给代理人，保留剩余的索取权。委托代理理论核心关系即委托—代理关系，在日常生活中这种关系普遍存在。例如，物流、证券、房产等交易，委托人将一定的权限授予代理人，代理人根据委托人的授权范围代理相关事宜，如代理人选择以自身利益最大化为条件，借助自身占有的信息差优势，将会产生逆向选择和道德风险问题，委托人即使在不知情的情况下也须对代理人的行为后果承担风险。

二、拼多多数据资产管理现状

1.拼多多简介

成立于2015年并于2018年在美股上市的拼多多，依托其创新的C2B拼团模式迅速崛起，成为社交电商行业的佼佼者。该平台高效利用社交网络，通过拼单模式覆盖全品类商品，依靠微信小程序进行快速引流，利用用户微信社交关系裂变，以降低获客成本。其背后的社群传播策略和基于信任关系的商品推广机制，不仅提高了商品获客转化率，还为后续的精准化商品推荐提供了数据支持。拼多多通过整合社交网络特性，实现了以更低价格购买商品的团购模式，使其用户规模快速扩大，通过优惠策略和分销奖励激励用户自主传播，促进了平台用户的持续增长。

2.拼多多营业现状

拼多多作为社交电商领域的领军企业，主要通过在线营销服务、交易服务费及商品销售提成等途径实现营业收入。在2022年的“双十一”购物节期间，该公司订单总额达到了852.86亿元人民币，充分展示了其市场的强劲活力。截至2022年年末，平台的活跃买家总数增长至9.47亿家，其中有7.48亿活跃买家参与了交易，年营业收入和年净利润分别达到1305.58亿元人民币和315.38亿元人民币，年同比增长分别为38.97%和305.96%，这些数据凸显了拼多多在社交电商领域的领先地位和盈利能力。拼多多的成功是社交电商行业营销渠道与模式创新的体现，即通过社交分享机制促成交易。根据网经社发布的数据，2022年中国社交电商市场规模为27648亿元人民币，年增长率达到9.17%，表明了该行业的快速发展和巨大潜力。国家政策也支持社交电商行业的发展，将其融合转型纳入“十四五”规划，进一步促进了社交电商的增长。因此，以拼多多的数据资产为研究评估对象既是可行的，也具有显著的代表性。

3.拼多多数据资产内容

对于拼多多等社交电商平台来说，数据资产主要源于用户数据的累积和变现。企业通过收集与分析用户数据，捕捉用户偏好和行为，进行用户画像和精准定位，并据此调整产品推送，实施分级管理和针对性的营销广告，旨在提升用户购买率和企业收益。对于企业外部而言，数据资产通过企业间的交易或分享，实现价值变现和互利共赢。

数据资产区别于实物资产，在定价上受其独特性质的影响，包括可加工性、依托性、价值易变性、非实体性、多样性等，这些特征使成本法和市场法难以适用于评估。用户资源作为核心，数据资产的价值与用户行为紧密相关，体现出一定的经济效益，为企业未来带来潜在利益。因此，采用收益法，特别是多期超额收益法评价数据资产估值更具有合理性。本研究通过上述分析，探讨数据资产在社交电商平台上的价值评估，凸显了数据资产管理在增强企业经济效益中的重要性。

三、拼多多数据资产管理存在的问题及成因分析

1.拼多多数据资产管理存在的问题

通过对拼多多2018—2023年的财务数据进行多期超额收益分析，旨在探讨企业数据资产管理的效率及其面临的问题。对于互联网企业而言，数据资产管理的优劣直接影响企业的市场表现、成本控制以及收入增长。以下分析基于已披露的财务信息及行业对比。

首先，拼多多在报告期内的收益增长显著，但是其超额收益率表现波动较大，这从一定程度上反映了拼多多数据资产管理的不稳定性。2018—2020年，拼多多通过算法优化、用户数据分析等手段快速吸引用户，实现收入的高速增长，数据资产管理效率高。但在2021年之后，随着行业竞争加剧和用户增长放缓，数据资产管理中存在的问题开始显现，如数据整合效率低下、个性化推荐不够精准等，导致用户增长和用户活跃度增长放缓，从而影响了拼多多的超额收益表现。

其次，从成本控制的角度看，拼多多的数据管理策略未能有效降低营销和销售成本。虽然大数据分析有助于提升广告和营销的精准度，理论上可以通过提高转化率来降低成本，但拼多多的实际情况是营销和销售成本占比逐年上升，特别是在尝试通过大规模的补贴政策吸引用户和商家时。这一现象表明，在数据资产管理方面，拼多多在用户精细化运营和成本优化上仍有较大的提升空间。

再次，拼多多虽然拥有庞大的用户数据资源，但在数据资产的深度开发利用方面仍存在不足。例如，在用户行为预测、商品推荐算法等方面，与行业内的竞争对手相比，拼多多的数据产品和服务仍不够成熟，这限制了其在提升用户体验和推动交易增长方面的能力。

最后，拼多多需要进一步加强数据安全和隐私保护。随着数据保护法律法规的逐渐完善，企业的数据资产管理不仅需要考虑效率和收益，还需要确保数据的安全性和合规性。拼多多在此方面的挑战包括如何在保证用户隐私的前提下、合法合规地收集和使用数据以及如何提升数据保护技术以防止数据泄露和滥用风险。

2.拼多多数据资产管理存在问题的成因分析

针对上述拼多多在数据资产管理方面的问题，成因可从以下几个方面进行解析。

（1） 数据整合与应用不充分

尽管拼多多在数据收集方面做得很好，但在数据整合和分析技术上可能缺乏足够的基础设施和高级工具。数据孤岛现象（即数据分散存储，难以集中分析使用）阻碍了有效的数据整合，进而影响了数据的应用效率和成果。同时，数据收集和处理过程中可能存在的数据质量问题，如数据不准确、不完整或者时效性不强，直接影响了数据应用的效果。

（2） 成本控制不甚有效

在激烈的电商竞争环境中，为了吸引新用户和维持老用户的活跃度，拼多多不得不投入巨额的营销费用，这直接推高了营销与销售成本。数据资产的投资并不总能带来即时的收益，尤其是在数据应用和分析技术还未成熟的情况下，高昂的数据资产投资无法迅速转化为销售收入，影响了成本控制的效率。

（3） 数据产品服务竞争力不足

在数据分析和应用服务方面的创新不足，可能使拼多多在个性化推荐、用户体验优化等方面落后于竞争对手，导致用户增长和活跃度的下滑。如果拼多多在算法优化和更新方面的投入不足，将无法准确预测用户需求和喜好，进而影响商品的推荐效果和交易的促成。

（4） 数据安全保护待加强

随着数据保护法规的日益严格，企业在数据收集和使用过程中面临着巨大的合规压力。如果拼多多在数据安全和隐私保护方面的投入不足，将难以满足法律法规的要求，从而增加被处罚的风险。

企业对数据安全的重视不够，缺乏有效的数据安全管理措施和教育培训，可能会导致安全漏洞风险频发。

四、结语

在当代电子商务平台企业的经营活动中，数据资产已逐步显现其至关重要的地位，进而成为企业价值创造的关键驱动力。本研究立足于对现有文献的审视与分析，进一步采用了基于文本分析技术优化的收益法，对拼多多公司的数据资产价值进行了详尽的评估。此研究旨在为数据资产的评估及其量化过程在行业范围内提供理论上的指引与参考。考虑到互联网企业数据资产与其业务运营之间存在着密切的联系，并且这些数据资产在很大程度上受到用户行为等外部因素的显著影响，因此在进行数据资产评估时，有必要全面地考量用户使用体验等相关因素。

企业通过实施精准营销、提升产品质量等措施改善用户体验，能有效保持用户的活跃度和黏性，从而为企业创造可观收益。本研究采用了文本分析技术来爬取并提炼用户行为数据中的关键字词，从而对多期超额收益法中的折现率部分进行了创新性的改进。依据这些经过精细提取的数据所进行的预测和计算表明，拼多多的数据资产价值估计为1070.71亿元人民币。当此数值与其总资产2371亿元人民币进行对比时，发现其数据资产的价值占比高达45.15%，展现了数据资产在企业资产结构中的重要性。这一结果凸显了数据资产在企业资产结构中的重要地位。企业应当深度挖掘和利用数据资产的潜在价值，通过优化数据资产管理和应用策略，促进企业经营效率的提升，进而为企业带来更多的利润。本研究为社交电商平台及类似互联网企业的数据资产评估提供了新的视角和依据，对于促进数据资产的价值实现及其在企业战略中的角色认识具有重要意义。

参考文献：

[1]李雨霏，刘海燕，闫树.面向价值实现的数据资产管理体系构建[J].大数据，2020（3）：45-56.

[2]马红丽.数字化发展需加快培育数据要素市场[J].中国信息界，2021（5）：47-49.

[3]崔二伟.企业数据资产会计处理研究——以科大讯飞为例[J].国际商务财会，2024（10）：79-83+91.

[4]徐浩.商业战略价值创造视角下拼多多的财务状况质量研究[D].上海：上海师范大学，2022.

[5]黄历，林平.新零售环境下社区电商A平台客户关系管理浅析[J].商场现代化，2022（11）：1-3.

[6]任紫娴，陈思.基于文本分析法改进的社交电商数据资产评估——以拼多多为例[J].中国资产评估，2023（10）：11-17+34.