企业数据资产价值评估简析

       [摘 要] 随着 5G 技术普及和新型信息化时代的到来，数字经济产业在我国经济社会扮演着越来越重要的角色，各行各业都在实施数字化技术的转型。人工智能和算法模型在产业链和商业场景的深入应用，使得数据资源被深入挖掘，数据资源数量实现了爆发式增长。与资产负债表中其他传统的资产类别相比，数据资产的会计核算、价值评估面临着前所未有的挑战，对数据资产进行价值评估已经成为推动数据资源资产化和数据要素市场化的必要环节之一。因此，构建合理科学的数据资产估值体系和框架，对于完善和促进数据要素市场健康发展具有重要的意义，同时也能进一步提升企业内部数据资产管理能力和运营效率。

　　一、引言

　　2020 年《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》首次提出将数据并列作为五大生产要素。2021 年国务院发布的《“十四五”数字经济发展规划》进一步指出，数据要素是数字经济深化发展的核心引擎。《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》(以下简称“数据二十条”)指出建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制，并提出要积极探索数据资产入表新模式，推进数据要素的市场化。2022 年 12 月，中共中央、国务院印发《关于构建数据基础制度更好发挥数据要素作用的意见》，明确指出了探索数据资产入表的新模式。2023 年 8 月 1 日，财政部印发了《企业数据资源相关会计处理暂行规定》，首次明确了企业数据资源入表的相关会计处理方法。2023 年 8 月 1 日，财政部发布《企业数据资源相关会计处理暂行规定》(财会〔2023〕11 号，简称《暂行规定》)，对企业数据资源相关会计处理作出了明确规定，并于 2024 年 1 月 1 日起施行。在数字化转型的浪潮中，数据要素在企业生产中扮演的角色愈发重要。

　　二、数据资产在会计上的界定

　　根据《暂行规定》，企业确认数据资产需要满足两个条件：一是企业合法拥有或者控制的，二是预期会给企业带来经济利益的数据资源，同时满足以上两个条件，企业可以将数据资源确认为资产负债表中的无形资产或存货。财政部对于数据资源的界定均是以企业会计准则对资产的定义为基础，符合《企业会计准则第 6 号——无形资产》(以下简称无形资产准则) 规定的定义和确认条件的，应当确认为无形资产，适用于无形资产准则对数据资源进行初始计量、后续计量、处置和报废等会计处理。符合《企业会计准则第 1 号——存货》(以下简称存货准则)规定的定义和确认条件的，应当确认为存货，适用于存货准则对数据资源进行初始计量、后续计量等会计处理。

　　三、数据资产的主要特征

　　(一)虚拟性数据作为生产要素要想发挥作用，必须通过其他生产要素作为其附着的载体，而传统生产要素如土地、资本和劳动力，都具有明确的现实物理形态主体。而数据资源是在由计算机硬件和应用系统软件组合形成的环境下产生的，必须依附于特定的计算机硬件及系统软件才能发挥价值，这是数据要素有别于传统生产要素最大的特征。

　　(二)可复制性可复制性是指一方在使用某项数据资源时，不影响其他方同时使用同一数据资源，并且一方或多方对数据资源的使用，不会减少该项数据资源对使用者产生的效用，因此数据资源的使用主体之间不存在竞争性。数据的可复制性决定了数据要素较高的使用效率空间和极大的内在经济价值。

　　(三)排他性数字经济时代产生了海量的数据资源，数据资源对于企业的生产经营和战略起着越来越重要的作用，因此大部分企业都会选择将数据资源进行自留在企业内部，作为辅助企业决策的工具，呈现明显的排他性。

　　(四)价值变化的独特性在经济学范式中，传统的生产要素一般随着市场供给量的不断增加，其产生的经济学效用价值不断增加。数据资源的物理学属性显著区别于传统的生产要素，具有极强的可复制性，使用过程中不发生折旧。并且同一数据资源在不同的应用场景、不同时点、不同的软件分析技术下，其市场价值可能有较为显著的差异，因此应用环境、市场需求和时间节点都一定程度影响着数据资源的市场价值。

　　(五)衍生性和可加工性数据资产随着经济活动的运行而不断产生、积累、组合和利用，同时在这个过程中不断衍生出基于原始数据的新数据，与实物类资产不同，基于各种模型和算法，数据随着经济社会的运转而不断衍生，加工生成更全面的数据资产。

　　四、影响数据资产价值的因素

　　从数据持有者的角度划分，数据可以分为公共数据、企业数据和个人数据。本文主要研究的是企业数据。影响企业数据资产价值的因素主要包括数据的数量、质量、管理能力、应用场景、稀缺程度、相关性，以及运用数据资产涉及的算法、模型等。

　　(一)数据的数量对于数据资产，随着数据量的不断增加，各种数据之间产生关联性的可能性也会增加，且关联数据之间的耦合效应也逐渐增强，一般而言，数据资产价值可能将不断上升。同时，数据量的增加反映着企业业务量和交易活动的变化趋势，因此也影响着企业的商业价值。但是，由于增加的数据中可能是无法产生预期收益的无效数据资产，或是增加的数据中蕴含了能产生较高预期收益的有效资产，因此当其他条件不变时，数据资产的价值和数据的数量之间并非完全的呈正比例关系。

　　(二)数据的匹配程度数据资产交易市场中存在着大量的数据需求方和数据供给方，针对某一特定数据资产，市场中的数据需求方在特定的应用场景下存在着个性化的需求，而数据资产的提供方在数据市场中提供的数据产品或数据服务可能无法匹配数据需求方的特定需求，即出现数据的供需不匹配或错配的现象，进而可能影响数据资产在数据交易市场中的价格。

　　(三)数据的质量数据质量的高低一定程度影响着数据资产的价值，是影响数据资产价值的重要因素。这是因为在企业的生产经营和战略决策中，低质量的数据极易引起低效工作和资源浪费，而高质量的数据在指导科学决策和提升商业效益中起着至关重要的作用，增强企业在市场中的竞争力，提高市场分析预判性。衡量数据质量的标准主要包括数据规范性、完整性、准确性、及时性和可解读性。

　　(四)数据的应用场景数据只有在特定的应用场景中才能产生一定的经济价值，在同一时点的不同应用场景下，由于数据其本身的价值变化独特性，数据市场中的需求方对数据信息的侧重点可能有显著区别，因此即使同一数据资产产生的经济效益也可能差异巨大。

　　(五)数据的管理能力企业内部产生的数据资源经过一系列筛选、汇集、加工、处理后得到对企业有用的数据资产，良好的数据管理能力对于提升企业内部数据可用性和商业价值具有重要作用，例如智慧城市公司搭建的数据中台，对各个模块的数据进行整合和分析，企业能够全面、准确、及时获取有效数据信息，进而做出科学决策，提升管理效率。

　　(六)数据面临的风险数据资产面临的风险包括道德风险和法律风险。由于数据资产依附于信息技术硬件和应用系统软件而产生，随着数据资产的不断累积，其面临的数据泄露、网络安全、黑客攻击等风险也会增加，相应的数据资产价值则会不断降低。企业要想维持稳健良好的数据资产价值，则需要采用切实有效的技术手段和法律措施，增强数据资产的安全性。

　　五、数据资产价值的评估方法

　　影响企业数据资产价值的因素众多，既可以表现为数据资产的具体成本构成，也可以表现为评估时点的经济价值和市场价值，同时也体现为数据资产所蕴含的内在价值。根据财政部发布的《企业数据资源相关会计处理暂行规定》和中国资产评估协会制定的《数据资产评估指导意见》，数据资产价值的评估可参照传统的资产评估方法，主要包括成本法、收益法和市场法。

　　(一)成本法

　　成本法是基于数据资产的历史成本为主导的价值评估方法，主要思路是将数据资产的重置成本，通过扣除一系列可能导致数据资产贬值的项目，作为数据资产的价值。成本法主要强调构成数据资产的成本，是数据资产在开发周期中全部成本的转移价值，主要包括从产生数据资产时点到评估基准时点期间的全部前期费用、直接建设运维成本和间接成本等。而可能导致数据价值贬值的因素可能包括数据的时效性和功能性，时效性和功能性贬值程度都可能会导致数据价值的降低，在实务操作中，专业的评估人员会针对数据资产的功能性贬值进一步拆分，包括准确性、安全性、适合性和完整性等，分别赋予不同指标相应的贬值比率，最终通过加权得到整体的数据资产功能性贬值率。优点是评估过程中所运用的参数和数据较为可观，计算简单，具有较高的便利性。缺点是忽略了数据资产的商业市场价值，这种评估方法没有体现数据资产在一定应用场景下所可能释放的经济收益，可能会偏离数据资产的真实价值，较难衡量判定数据资产为企业所贡献的真实利润。

　　(二)市场法

　　市场法是基于较为活跃的公开市场交易，在市场中可获取相同或类似数据资产的交易信息，以此交易信息和交易案例作为数据资产价值评估的基数，并充分考虑影响评估数据资产对象价值的独特因子，分别赋予不同影响因子不同的修正系数，进而计算出数据资产的价值。因此运用市场法对数据资产进行价值评估的前提是存在活跃的公开数据交易市场，然而我国目前的数据交易市场虽然有了一定的发展，但是数据交易量、活跃性、标准化程度、合规性、安全性、隐私保护等仍处于探索阶段，缺乏相关法律政策对数据交易的制度进行明确规范。

　　对于拟评估数据资产和交易市场中可比对象各影响因子之间的差异，需要进行量化和模型分析，形成科学合理的修正系数，主要影响因子的修正系数包括时点修正系数、容量修正系数、价值密度修正系数、技术修正系数和其他修正系数。时点修正系数是指不同的数据交易时点的差异对于数据资产价值的影响，是将可比数据资产交易时点和拟评估数据资产交易时点的价格指数进行对比而形成的修正系数。价值密度衡量的是在一定规模的数据中，可以产生经济价值的数据占全部数据总量的比例，可以产生经济价值的数据一般称之为有效数据。容量修正系数则是对可比数据资产和拟评估数据资产的数据规模之间的差异而造成的经济价值之间的差异的修正系数，当可比数据资产和拟评估数据资产的价值密度接近时，数据容量越大的数据资产的价值越高，而且仅需要使用容量修正系数对拟评估数据资产进行修正即可。而当可比数据资产和拟评估数据资产的价值密度不一样时，则需要同时使用价值修正系数和容量修正系数对拟评估数据资产进行修正。技术修正系数是指由于拟评估数据资产和可比数据资产在技术因素方面的差异进行修正而得出的系数，两组数据资产之间对资产价值形成影响的技术因素可能包括数据的加工程度、数据治理水平、数据脱敏程度、数据安全等级等。其他修正系数是指影响两组数据资产价值之间差异的其他因素，可能包括市场供需程度、交易对象、市场环境以及相关政策变动等，应根据市场的实际情况对各个差异因子论证和调整，确定修正系数。市场法是从公开市场交易的维度进行价值评估，一般用于拟评估的数据资产用于交易或投资的情况。

　　(三)收益法

　　数据资产作为资产类型的一种，具有潜在风险因素和价值回报，当风险和时效性可估计时，可采用收益法对其进行估值。收益法是指基于数据资产在可预期的未来能产生的现金流在当下时点的现值的一种估值方法，这种估值方法适用于，拟评估数据资产在当下时点已经开始为企业带来可计量的经济利益或者在可预期的未来会为企业带来现金流的流入，并且可使用货币计量，其本质是在数据资产的经济寿命周期内，将数据资产在未来各个期间产生现金流之和，通过一定的折现率对未来价值进行还原至当下的价值。数据资产未来可预期的收益具体可以体现为，由于拟评估的数据资产的变动而影响的企业销售产品、订单或服务的数量变动，进而影响企业销售收入的变动。相比较于成本法和市场法，收益法更多地体现了数据资产在具体应用场景下，带动企业经济效益提升的价值，更加符合数据资产增值的特点。

　　(四)经营成果贡献比法

　　经营成果贡献比法是用来衡量企业数据资产对企业整体经营成果所贡献的比例，其本质是将企业在一定期间内的经营总收益在数据资产和非数据资产之间进行分摊，数据资产所分摊的经营总收益越高，意味着数据资产对企业业务经营的贡献越大，数据资产在企业经营的重要程度也就越高，反之则越低。在会计上，经营成果可以用主营业务收入的增加来体现，则数据资产贡献的经济价值 = 主营业务收入增加值 * 数据资产贡献比例。

　　六、收益法下基于数据质量的潜在价值评估

　　数据资产的潜在价值指的是根据数据资产的当前情况下，暂时无法为企业贡献经济收益，但是其具备一定的数据规模、质量和应用场景，可能在未来期间对企业的经济效益产生贡献的价值。数据资产的潜在价值存在较大的不确定性，且一定程度依赖评估人员的主观判断，因此评估难度较高。在评价数据资产的潜在价值时，需要考虑的因素主要有数据质量、数据规模、数据应用能力和单位数据价值量。其中数据质量极大程度影响了数据的真实价值，是影响数据资产未来潜在价值的重要因素。

　　影响数据质量的一级指标主要有数据的规范性、完整性、准确性、时效性、可机读性，对各因素对数据质量的影响赋予一定的权重比例，并建立一套评分规则，构成数据质量的整体评价规则。其中数据的规范性、完整性、准确性、时效性、可机读性可以进一步分解为相应的二级指标，二级指标包括数据的标准性、元数据完备性、数据元素完整性、数据记录完整性等，每个二级指标可以根据《信息技术数据质量评价指标》(GB/T36344-2018)进行进一步细分和明确。各个二级指标在所有指标中的权重占比一般需通过数据资产所涉及的行业内专家进行综合评议而得出，将所有二级指标的计算得分进行加权求和后，得出的就是所对应的一级指标的得分。计算出各个一级指标得分后，再根据各一级指标对应的权重进行加权求和，最终得出数据质量的分值。得分在 90%至 100%之间的，数据质量等级为四级；得分在 75%至 90%之间的，数据质量等级为三级；得分在 60%至 75%之间的，数据质量等级二级；得分低于 60%的，数据质量等级为一级。一般认为数据质量得分高于 60%，即数据质量为二级以上的，数据质量和特性能够得到保证。将收益法下数据资产基于未来预期现金流产生当下现值乘以其数据质量得分，最终计算出基于数据质量的数据资产价值。

　　七、结论与建议

　　当前我国的数据要素市场发展仍处于探索初期，目前由于缺乏相关配套政策和指引对数据资产的价值评估的细节性问题进行明晰，在数据资产评估的实务操作中，市场中各个主体大多基于自身的实际情况和主观判断出发评估数据资产的价值，较难形成统一的评估标准和思路，数据资产的价值评估问题严重掣肘着数据资产的入表和流通交易等问题。随着数据要素市场的不断发展和相关政策指引的成熟，企业对数据资产的价值发现和价值实现路径也将更加明确，数据资产交易的活跃性也将逐渐增高，伴随着市场主体对数据资产的持有目的、应用场景的进一步深刻理解，数据资产价值的评估体系也将有望逐渐统一和规范。

　　(一)构建科学的数据资产评估指标标准目前各个数据市场主体在对相同交易场景下的数据资产进行价值评估时大多没有使用统一的资产评估方法，但可以试图构建一套完善的数据价值评估体系，即便在不同的交易场景、不同数据持有目的的情况下，也可以指导各市场交易主体统一数据资产评估标准。建议将影响数据资产价值的数据规模、数据质量、单位数据价值密度、数据安全性等指标进行标准化和量化，进一步提高数据资产价值评估的可比较程度和准确度，明确规范数据资产价值影响因子的权重比例和计算方法。

　　(二)规范数据资产价值评估方法使用标准成本法、市场法和收益法的价值评估出发点和逻辑各有不同，成本法主要是基于数据资产从产生到形成数据产品过程中全部开发成本和建设成本构成的价值评估思路。市场法适用于当持有数据资产是用于投资或交易时，当下有活跃的公开市场交易的数据市场，有可供参考的相同或类似可比的数据资产的交易信息的情况。收益法则是针对目前持有的数据资产，在当下或可预期的未来能够给企业带来经济效益的情景，评估的是数据资产未来全部现金流的当下经济价值。由此可见，针对数据资产的价值评估，当数据资产本身的持有目的、持有状态、所处时点、交易场景等因素不同时，运用不同资产评估方法计算出的数据资产的经济价值可能差异巨大。因此，有必要对现有数据资产的评估方法的适用标准、适用条件以及参数模型等进行规范。

　　(三)尝试探索新型数据资产评估方法传统的成本法、市场法和收益法，仍是基于具有物理属性的占有型财产权利的价值评估思路，而数据具有天然的虚拟性、可复制性等独特属性，影响其经济价值的因素纷繁复杂，尤其是数据质量、数据管理能力、数据应用场景因素，极易随着其他因变量的变化而变化。例如数据的管理能力，一个企业在进行数字化升级改造的前期阶段，其对内部业务数据、经营数据和外部市场数据的汇集、加工、治理等能力仍然较低，故而数据资产所产生的直接和间接经济价值较低，无法全部体现数据资产所蕴含的全部潜在价值，而随着企业数据管理能力的提升，数据资产贡献的经济收益也越来越多，数据资产价值也愈发升高。因此有必要探索新型数据资产的价值评估方法，基于数据资产的特性科学地反映数据资产的真实价值。例如可以尝试引入人工智能学习的算法模型，全面追踪不同种类数据资产的应用场景，针对可能影响数据价值的所有因素进行函数建模，科学预测其产生的经济效益，并不断对算法进行优化训练和迭代升级，测算数据资产的经济价值。

↓↓了解更多资讯，请识别下方二维码↓↓

国脉集团

国脉集团是数据资产化先锋企业，主要提供培训、咨询和产品设计服务。为数据资源拥有者提供专业、规范、合规的全流程资产化服务，提升机构数据管理服务能力，实现数据资源价值最大化。运用最先进的培训理念方法和平台工具提供高绩效培训服务。研发“一头一体两翼”企业数据资产化咨询服务方法论，提升数据资产化战略设计、就绪度评估与咨询、入表和产品化全流程咨询服务。基于战略思维和实操需求研发“易”系列产品，并与数源方合作研发系列数据产品。

主要课程

主要课程包括数据资产入表、数据经纪人、公共数据运营和政府CDO、数据精品等精品课程。

数据产品

主要产品：数据易投、数据易贷、数据易保、数据易售。