数据资产价值评价体系建设

▲ 6月22日·绍兴 点击报名 ▲

数据正在逐渐取代传统资源，成为企业最为宝贵的无形资产之一。因此对数据资产的价值进行科学评估显得尤为重要。

01

数据资产价值基本概念

1.1 数据资产的定义

数据资产是指存储在数字介质中、以各种格式载体表现、由企业或组织拥有或控制，并蕴含潜在经济价值或者战略意义的数据资源。它包括结构化数据，如各类数据库系统中的交易记录、客户信息等，也包括非结构化数据，如网页文本、图像、视频、电子邮件等多种形态。数据资产涵盖了组织经营和运作过程中产生和使用的所有数据资源，横跨金融、制造、电子商务、社交媒体等各个领域。

当前大数据时代，随着物联网、移动互联网、人工智能等新技术的高速发展，各类数据资产正以前所未有的规模、种类和速度不断递增，数据正在逐渐取代传统资源，成为企业最为宝贵的无形资产之一。因此对数据资产的价值进行科学评估显得尤为重要。

1.2 数据资产价值的内涵

数据资产作为新型无形资产，其价值内涵显著区别于其他有形资产，集中体现为以下四个层面:

（1）直接价值：指数据资产本身的采集、获取、存储、加工、维护等所付出的各项直接成本或物化劳动支出。

（2）衍生价值：指企业或组织利用数据资产赋能业务决策、创新产品和服务、优化运营流程等所创造的经济价值和社会价值。这是数据资产价值的根本所在。

（3）战略价值：指数据资产为实现组织长期发展战略目标、占领行业制高点所提供的智力支撑和先发优势作用。

（4）风险价值：指数据资产面临的各种安全隐患、合规性风险、知识产权风险等所可能带来的经济损失和其他负面影响。

可见，仅考虑数据资产采集维护的直接成本是远远不够的，更需要全面审视和量化应用效益、竞争优势、风险隐患等多个层面的价值体现，方能准确评估数据资产的真实价值。

1.3 数据资产价值评价的作用

科学评估数据资产价值，对于企业和国家而言都具有重要的理论意义和实践价值:

（1）为企业数据资产的高效管理和充分利用提供决策依据。

（2）明晰数据资产的权属归属，为维护数据知识产权提供参考。

（3）为数据资产在市场中的交易定价提供合理定价基准，从而促进数据资产跨领域跨地区的流通。

（4）优化企业内部数据资产的配置方式，充分发挥数据资产的整体价值，提高资产使用效率。

（5）为国家制定数字经济发展战略、优化资源配置提供重要支撑。

02

现有数据资产价值评价方法综述

2.1 成本法

成本法是根据数据资产从采集、存储到加工、维护等环节所付出的直接成本支出，对数据资产的价值进行评估。主要步骤包括:

（1）汇总数据采集和处理所付出的人工、设备等各项前期投入成本。

（2）测算数据存储、传输、运维所产生的持续性费用支出。

（3）将上述成本按一定的资本化年限和利率水平予以资本化，得到数据资产的总成本值。

成本法具有计算过程直观、依据明晰的优点，但也存在一定缺陷：一是仅反映了数据资产的物化劳动，忽视了数据资产实现价值的应用环节及效益；二是难以全面体现数据资产的战略价值和风险价值。

2.2 市场法

市场法是在相对有效和完善的数据资产交易市场上，参考同类或类似数据资产的近期市场交易案例价格，对评估对象数据资产的价值进行类比确定。实施步骤包括:

（1）搜集被评估数据资产的交易信息。

（2）选取若干个与评估对象在交易时间、数据规模、质量特征等方面具有可比性的参考实例。

（3）对这些参考实例的交易价格进行修正，反映其与被评估对象在各方面的差异。

（4）将修正后的参考价值加权平均，得到评估对象的合理市场价值。

市场法具有定价结果接近实际市场的优点，但由于数据资产异质性强、相同交易案例稀缺，实践中很难找到足够的可比参考实例，使得该方法应用受到一定局限。

2.3 收益法

收益法是基于数据资产未来所能产生的经济收益现值，对其价值进行评估。常用的收益法包括：

（1）成本节约法：预测数据资产应用所节约的成本费用现值，作为数据资产价值的主要依据。

（2）超额收益法：预测数据资产带来的收益增量现值，扣减为获取该收益所付出的成本，所得净现值即为数据资产价值。

（3）期权定价法：将企业获取数据资产视为购买了未来挖掘数据附加价值的权利，用期权定价模型计算其现值作为数据资产价值。

收益法重视数据资产的经济附加值，符合价值规律，但缺点是未来收益预测存在较大不确定性，折现率选取也较为主观。

2.4 其他评价方法

除上述三种传统评价方法外，针对数据资产的特殊性，一些学者提出了模糊综合评价法、层次分析法、主成分分析法等新型评价方法。这些方法的共同做法是：

（1）从不同维度设置一系列定性或定量评价指标。

（2）对各指标的重要性按照一定标准赋予权重分数。

（3）将各指标得分按照其权重加权平均，得到数据资产整体价值的综合评分。

这类方法兼顾了多种影响因素，有利于全面评估。但其缺陷也很明显，即指标选取和权重分配过程存在较大主观性和模糊性，难以保证评价结果的客观性和可信度。

2.5 现有方法的不足

总的来说，现有各种评价方法由于侧重点不同，都存在这样或那样的缺陷，主要表现为:

（1）单一评价方法很难全面反映数据资产多层次价值，需要多种方法组合使用。

（2）大多数方法针对性不强，缺乏对数据资产特殊属性的深入考虑。

（3）缺乏统一的理论框架和标准化的评价规范，缺乏普适性。

（4）评价指标选取依赖主观经验，量化评分过程缺乏客观依据。

因此，如何构建一套科学完备、切实可行的数据资产价值评价体系，是理论界和实务界亟需解决的重大课题。

03

数据资产价值评价体系构建

针对现有评价方法的不足，本文在充分借鉴前人研究经验的基础上，努力构建一套系统完备的数据资产价值评价理论框架和操作体系。

3.1 评价原则

数据资产价值评价首先应当遵循以下基本原则：

（1）全面性原则。评价过程中要全面考虑数据资产直接价值、衍生价值、战略价值和风险价值等多重内涵，做到纵览全局、不遗余力。

（2）科学性原则。评价工作必须遵循客观规律，选取恰当的理论分析方法和评价技术路线，避免主观随意，确保结果科学性。

（3）可操作性原则。构建的评价体系、评价模型必须具有明确的定义、指标设置和量化计算步骤，确保可以指导实际评价操作。

（4）动态性原则。评价体系应具备一定的前瞻性和灵活性，能够根据内外部情况变化及时调整修正评价参数和运行机制。

3.2 评价指标体系

在上述原则指导下，本文构建了科学系统的数据资产价值评价指标体系，从数据本身属性、获取成本、应用效益和风险管控四个维度进行设计，共包括以下具体指标项:

数据属性指标：包括数据总量规模、所包含格式类型、数据质量水平、时效性等信息。

获取成本指标：包括数据采集人力和设备投入成本、数据存储和传输成本、清洗加工成本以及系统运维成本等。

应用效益指标：包括数据应用带来的直接收益贡献、促进产品创新或服务升级的效益、支撑决策优化带来的效益，以及通过数字化转型助力企业发展等长期价值。

风险管控指标：包括数据面临的各种安全隐患风险及其损失程度、个人隐私泄露风险、数据滥用及知识产权纠纷风险等。

上述指标设置力求全面、科学、细化、量化，为下一步计算数据资产整体价值打下坚实基础。

3.3 评价模型

在评价指标体系的基础之上，本文进一步提出了一种新颖的综合计算模型，旨在量化核算数据资产的整体价值。该模型充分吸收了传统成本法、收益法和其他方法的合理内核，并加以革新和扩展，计算公式为:

数据资产价值 = 数据获取成本 + 数据应用收益现值 + 数据战略溢价 - 数据风险折价

具体而言，模型首先全面测算前期数据采集、存储、加工等直接付出的各项获取成本支出；其次，将数据应用所产生的各类收益按照一定的折现率折算为现值；再次，考虑到数据资产带来的长期产业竞争优势、品牌影响力等无形溢价；最后，扣减由于数据泄露、滥用以及相关风险可能导致的各项损失估算值。

该计算模型具有鲜明特色：

（1）将数据资产价值的多重内涵有机统一，做到全面评估。

（2）吸收并融合了成本法、收益法以及其他评价思路的合理内核，有机结合不同定价技术的长处。

（3）评价思路清晰，各个计算步骤具体可操作，能够指导实践。

（4）可根据特定情况，对模型内在系数和权重参数进行调整修正。

同时，本文还系统提出了数据资产价值评价的具体操作流程，确保评价工作的严谨性和规范性：

（1）明确评价目标，收集评估对象数据资产的基础信息和应用情况。

（2）按照评价指标体系的设计，设置具体的量化评估标准和评分规则。

（3）根据评价模型计算各项价值分量，包括获取成本、应用收益现值、战略溢价和潜在风险损失估算值。

（4）综合各项价值分量的量化结果，得到最终的数据资产价值评估结论。

（5）在此基础上，深入分析评价结果，总结评价过程的经验教训，对发现的问题提出优化改进建议，形成完整的报告。

04

数据资产价值评价实证分析

为了验证本文提出的评价体系的科学性和可操作性，本文选取某企业的客户数据资产作为案例，进行了实证评估分析。

4.1 案例介绍

被评估的是某大型电子商务企业的客户数据资产，该资产包含5年来800万活跃消费者的身份信息、消费记录、偏好分析等海量结构化和非结构化数据，总量达50TB。

数据采集自企业在线交易、移动应用以及各种营销渠道，经过专业的数据加工与治理，具有较高的数据质量水准；同时每个季度都会通过新数据作及时更新，时效性良好。

4.2 评价指标选取

根据前文构建的指标体系，对该企业数据资产在各维度的具体表现进行量化评估：

（1）数据属性：总量50TB、包含结构化关系数据和多媒体非结构化数据各类格式、经过治理后数据质量评分90分(总分100分)、季度更新频率较高，时效性良好，打分90分。

（2）获取成本：前期调研及数据采集成本约500万元，后续每年数据库存储及运维费用200万元，数据清洗加工费用300万元。

（3）应用效益：该数据资产极大促进了企业营收和利润增长，具体包括通过客户维系措施每年新增营收2000万元；基于数据分析优化产品设计每年降低成本600万元；实施个性化营销每年新增销售收入1500万元等。此外，该数据资产还为企业战略决策提供了有力支持。

（4）风险管控：企业已通过合规审计，对数据实行匿名化和加密处理，个人隐私风险较小；同时制定了数据安全管理制度，知识产权纠纷风险也较低。

4.3 评价模型计算

按照构建的综合评价模型，具体计算该企业数据资产价值的各个分量：

（1）获取成本=前期500万元+5年运维及加工成本5*(200+300)=3000万元；

（2）应用收益年均值=2000+600+1500=4100万元，按8%年折现率计算5年现值累计约为15800万元；

（3）战略溢价价值考虑到该企业在行业内的领先地位，对标主要竞争对手，评估约为5000万元；

（4）风险折价经评估个人信息泄露和知识产权纠纷风险较低，按总价值的5%估算，约950万元。

将上述各分量代入模型公式，最终得出：数据资产价值=3000+15800+5000-950=22850(万元)

4.4 评价结果分析

通过评估发现，该企业客户数据资产的真实价值高达2.29亿元，相当于企业账面价值的十几倍。

这主要得益于本次评价不仅考虑了数据采集存储的直接成本支出，而且重点量化了数据应用效益和战略价值等内在价值体现。可以说，这部分隐形的“冰山之下”价值才是数据资产核心价值所在。

同时，评估结果也发现该企业在数据资产管理和应用方面还存在一些提升空间：一是在优化存储、清洗加工等环节，仍有一定降本潜力；二是除现有应用场景外，还可开发更多创新应用以进一步释放数据价值；三是要加强数据合规审计，防范潜在的隐私和知识产权风险。

当然，任何理论模型在应用实践中都还有需要不断优化、补充和完善的空间。展望未来，我们将持续关注前沿理论研究和实践运用中的新进展，推动数据资产价值评价理论和方法的发展与创新，为企业数据资产高质量发展贡献一份力量。

声明 | 文字内容来源于网络；非原创文章不代表本号观点，仅供参考，如有侵权，请及时与我们联系。

财能线上课

更多精彩请移步至华哥聊财务视频号

点击下方名片关注 与10000+CFO同频共振