数据资产价值评估：解锁数字时代的财富密码

数据资产：数字时代的新贵

在当今数字化浪潮中，数据已从单纯的 “0” 和 “1” 代码，摇身一变成为价值连城的黄金资产。不久前，维智科技凭借其在时空数据处理和智能分析领域的深厚积累，通过上海数据交易所完成数据产品挂牌交易。随后，建行上海分行依据交易所出具的数据资产凭证，利用估值工具，为维智科技提供了 3000 万元的授信额度 。这一案例并非个例，神州数码将金服云数据产品纳入财务报表，获得建行深圳分行 3000 万元融资；海亮教育 “智慧后勤数据宝” 质押融资，拿下 500 万元授信，开启教育行业数据资产质押融资先河。这些成功融资的背后，是数据资产化价值的有力彰显，也让我们看到数据资产在企业发展中的巨大潜力。

数据资产，简单来说，是指特定主体合法拥有或控制的，能进行货币计量，且能带来直接或间接经济利益的数据资源。它涵盖结构化、非结构化和半结构化数据，像客户信息、销售数据、生产数据等，都是数据资产的典型代表。在数字经济蓬勃发展的当下，数据资产已和土地、资本、劳动力、技术一样，成为生产和经营活动中不可或缺的关键要素。

在互联网行业，以字节跳动为例，旗下的抖音、今日头条等平台，凭借对海量用户数据的深度挖掘与分析，精准把握用户兴趣爱好、行为习惯，实现个性化内容推荐。这不仅大幅提升用户粘性和活跃度，还为平台带来丰厚广告收入。据统计，字节跳动 2023 年广告收入高达数千亿元，数据资产在其中发挥的作用功不可没。 同样，金融领域的蚂蚁金服，利用大数据分析评估用户信用风险，推出芝麻信用等信用评估体系，为支付宝、花呗、借呗等金融产品提供有力支持，有效降低违约风险，拓展业务规模。

数据资产价值评估的重要性

数据资产价值评估在当下数字化商业环境中，发挥着不可替代的重要作用，已成为企业实现可持续发展和保持竞争优势的关键环节。

在企业战略决策层面，精准的数据资产价值评估，为企业指明发展方向。以特斯拉为例，通过对海量的车辆行驶数据、用户使用习惯数据的评估分析，发现自动驾驶技术研发的巨大潜力和市场需求，毅然加大在该领域的投入。如今，特斯拉在自动驾驶领域的领先地位，使其在电动汽车市场脱颖而出，市值屡创新高。同样，亚马逊凭借对用户购物数据、浏览行为数据的深度评估，推出个性化推荐服务，不仅提升用户购物体验，还大幅提高销售额和用户忠诚度，巩固其在电商领域的霸主地位。

从资源配置角度来看，数据资产价值评估帮助企业优化资源分配，避免资源浪费。就像通用电气（GE），在工业互联网转型过程中，对旗下各业务板块的数据资产进行全面评估，识别出高价值的数据资产，如设备运行数据、故障预测数据等。随后，GE 将资源集中投入到基于这些数据资产的数字化解决方案研发中，成功实现从传统制造业向工业互联网转型，提高生产效率，降低运营成本。

在交易流通领域，数据资产价值评估是数据交易的基石。随着数据交易市场的兴起，数据资产的买卖、租赁、质押等交易活动日益频繁。准确的价值评估确保交易双方在公平、合理的价格基础上达成交易。例如，上海钢联通过对其积累的钢铁行业数据资产进行评估，将优质数据产品在数据交易平台上挂牌出售，为企业带来新的收入增长点。同时，数据资产的质押融资也依赖于准确的价值评估，像前文提到的维智科技、神州数码、海亮教育等企业，凭借数据资产价值评估获得银行授信，解决融资难题，促进企业发展。

数据资产价值评估方法详解

在数据资产价值评估的领域里，主要有成本法、收益法和市场法这三种核心方法，它们各自有着独特的原理、适用场景与优缺点。

成本法：基于投入的价值衡量

成本法的原理是通过计算重新形成数据资产所需的全部投入，包括人力、物力、财力等各项成本，再加上合理利润及相关税费，以此确定重置成本。随后，考虑诸如数据的时效性、技术更新导致的功能性贬值以及市场环境变化引发的经济性贬值等价值调整因素，最终确定数据资产的价值。比如，一家电商企业要评估其用户购买记录和偏好数据资产，若采用成本法，需核算收集这些数据的软硬件设备投入、人员工资、数据清洗和整理的费用等，再根据数据老化程度、市场竞争状况等调整，得出数据资产价值。

这种方法的优点显而易见，它容易理解，计算方式也相对简单，所需数据大多能从企业账面或市场价格中直接获取，减少了数据收集和处理的工作量，计算结果较为客观具体，受主观判断影响较小。不过，成本法也存在明显的局限性。对于内部产生的数据，间接成本的分摊常常面临难题，就像业务人员在日常工作中录入的数据，其人工成本很难精确分摊到数据资产中。而且，贬值因素的量化缺乏统一标准，不同评估人员可能得出不同结果，同时，成本法无法体现数据资产未来可能带来的收益，这对于那些潜在价值巨大的数据资产来说，无疑是一大缺陷。

收益法：着眼未来收益的评估

收益法的核心在于通过预计数据资产在未来一段时间内所带来的收益，扣除贡献性资产费用，将未来收益折现到评估基准日，从而评估其价值 。它主要有权利金节省法、多期超额收益法、增量收益法这三种具体方式。权利金节省法是基于持有该数据资产而无需支付使用费的成本节约来估值，计算方式为 Σn/k=1 许可使用费 /（1+i）n + 所得税摊销收益 ，其中许可使用费是授权给他人使用数据资产可收取的费用，折现率（i）是数据资产持有者要求的必要报酬率，使用期限（n）是数据资产可使用的期限，所得税摊销收益是部分未形成数据资产的收益。多期超额收益法是根据数据资产所贡献的净现金流或超额收益的现值来计算，公式为 Σn/k=1 超额收益 /（1+i）n + 所得税摊销收益，超额收益是因持有数据资产导致收入增加或成本减少的部分。增量收益法是比较数据资产在使用与未使用时产生现金流的差额，计算方式为 Σn/k=1 增量现金流 /（1+i）n + 所得税摊销收益，增量现金流即持有与未持有数据资产时的现金流差值。

以一家金融科技公司为例，其利用大数据分析客户信用风险的数据资产，若用收益法评估，可通过预测基于这些数据开展的信贷业务增加的收入、降低的违约成本等收益，扣除相关技术设备、人力成本等，折现后得到数据资产价值。收益法的优势在于能够直观地反映数据资产的经济价值，让企业清晰了解数据资产到底创造了多少价值。然而，它的缺点也不容忽视。数据资产的使用期限受多种因素影响，如数据的时效性、业务模式的变化等，很难准确界定；而且，准确计量现金收益对绝大部分企业来说都是难题，若简单估算，可能导致数据资产价值评估不准确。

市场法：参照市场行情的定价

市场法是基于有效、活跃的市场，选取与被评估数据资产在数据类型、规模、质量、应用场景等方面相似的可比案例，对这些案例的交易价格进行修正，从而得到被评估数据资产的价值。调整参数一般包括技术修正系数，考虑数据获取、存储、加工等技术差异；价值密度修正系数，反映有效数据占比不同；期日修正系数，体现评估基准日与交易日期的差异；容量修正系数，考量数据容量大小；以及其他修正系数，针对特殊情况调整。公式为被评估数据资产的价值 = 可比案例数据资产的价值 × 技术修正系数 × 价值密度修正系数 × 期日修正系数 × 容量修正系数 × 其他修正系数 。例如，在数据交易市场中，若有类似的用户画像数据交易案例，可根据上述修正系数，对被评估的用户画像数据进行价值评估。

市场法的优点是能够客观反映资产的市场情况，其评估结果相对公允、真实、可靠，因为它基于市场实际交易价格。但它的应用依赖于公开市场和第三方机构提供的交易数据，目前数据交易市场尚不成熟，很多情况下难以获取足够的可比案例和准确的交易数据，不同行业的数据资产特性差异大，修正系数的评估也存在难度，这在一定程度上限制了市场法的广泛应用。

数据资产价值评估面临的挑战

权属界定模糊：产权的迷雾

数据资产权属可分为所有权和使用权，且二者可分离，这使得数据资产既可是所有权数据资产，也可是仅拥有使用权的数据资产，无论哪种形态都能成为交易转让和评估对象 。虽说 “数据二十条” 创造性地提出设立数据产权结构性分置制度，但产权关系仍不清晰，权利边界难以确定，这给数据资产价值评估带来困难，也对数据交易流通的合法性构成挑战。比如在处理含有个人信息的平台数据时，赋予个人数据权还是企业数据权，成为讨论焦点；数据跨境传输时，不同国家和地区法律法规存在差异，明确权属变得困难，价值评估也就难以进行。

价值易变：难以捉摸的价值曲线

数据资产价值存在显著的易变性。它会随着不断加工而改变，数据的可再生性使其在加工中集成再加工或引入算法模型，进而增加价值；使用次数和人数也会影响其价值，数据使用次数和用户数量理论上无限，且使用不减少其在其他用途的可用性，使得价值难以用数字计量；数据资产的价值还会因用户而异，不同用户需求和使用场景下，数据资产价值不同；相同质量的数据，由于用户需求和衡量标准不同，商业价值也会有所不同。这种价值易变性让数据资产评估时难以判断价值类型，增加未来预测难度，导致评估困难。以社交媒体平台的数据为例，随着用户的不断互动、新内容的产生以及算法的优化，数据的价值也在持续变化。

评估模型与参数选取困境：复杂的抉择

由于缺乏充分市场信息和公开透明交易市场，应用场景多样且变化，数据资产价值贡献度判断困难，未来收益预测存在不确定性，这些因素致使目前通用的收益法、市场法和成本法在数据资产评估时存在局限性，尤其是评估参数选择方面。估算数据资产的重置成本和贬值因素困难，确定数据资产对应的折现率、预测未来收益和收益分成率等参数存在疑义，分成收益、超额收益需对相关参数分析并合理分离数据资产后才能确认，折现率确定需依据专业知识和经验审慎判断，选择可比交易案例和调整差异因素也存在争议。资产评估中，评估模型和参数选取决定评估价值是否合理，实践中评估方法和模型的可靠性、有效性需持续验证和调整，以适应市场需求，这是数据资产价值评估面临的挑战。

质量评估难题：衡量数据的尺子

在数据资产价值评估里，合理评估数据资产质量至关重要。《数据资产评估指导意见》提出 “基于质量要素的指标体系设计示例”，但目前数据资产质量评估仍有局限。评价指标体系的合理性有待验证，选取不同维度指标权重存在困难，部分评估指标应用时主观性强，导致评估结果可靠性不足。同时，数据资产在企业创新、市场洞察和战略规划等方面的潜在价值、应用领域，是否存在异常和缺失数据，数据治理水平等，在评价数据资产质量时都应考虑，这使得数据资产质量评估面临一系列现实挑战。不同行业的数据资产质量要求和评估重点差异巨大，如医疗行业对患者数据的准确性和完整性要求极高，而电商行业更注重数据的时效性和关联性，这增加了统一评估标准的难度。

法律与技术瓶颈：前行的阻碍

数据资产涉及诸多法律问题，数据的所有权、使用权和隐私保护在评估中尤为突出。若数据资产包含个人隐私或敏感信息，评估需特别关注相关法律法规，跨境数据流动带来的法律风险也是挑战，评估机构需在合法合规前提下评估，这增加了评估复杂性。同时，数据资产评估涉及数据处理和分析，现有技术工具和评估模型难以满足日益复杂的数据资产评估需求，在应用场景分析、财务模型构建、收益算法模型应用等方面，现有工具的局限性会影响评估精度和效率。随着数据安全法规的不断完善，如欧盟的《通用数据保护条例》（GDPR），企业在进行数据资产评估时，需要投入更多的精力和资源来确保合规性，这无疑增加了评估的难度和成本。

破局之道：应对挑战的策略

政策与法规完善：构建坚实的制度基础

政府应进一步完善数据资产相关政策法规，明确权属界定，规范评估流程和标准，为数据资产价值评估提供法律保障。在数据产权分置制度的基础上，细化数据所有权、使用权、收益权等权利的界定和分配规则，解决数据权属模糊的问题。制定专门的数据资产评估法规，明确评估机构的资质要求、评估程序的规范、评估结果的法律效力等，确保评估活动有法可依 。就像《杭州市数据流通交易促进条例 (草案)》，通过明确数据权益与主体、规范数据流通交易服务、管理交易机构等方面，为数据交易提供了法律框架，未来也可借鉴这种模式，完善数据资产评估的法律体系。

技术创新驱动：借助科技的力量

利用大数据、人工智能、区块链等先进技术，提高数据处理和分析能力，优化评估模型，增强数据安全性和可信度。借助大数据技术，能够对海量数据进行快速收集、整理和分析，为评估提供更全面的数据支持；人工智能技术可用于挖掘数据中的潜在价值和规律，提升评估的准确性；区块链技术的去中心化、不可篡改和可追溯特性，能够确保数据资产的权属清晰、交易安全，增强评估结果的可信度。如区块链技术在数据交易中的应用，通过智能合约记录数据的权属和交易信息，保证数据的真实性和完整性，为数据资产评估提供可靠的数据来源。

行业标准制定：统一的衡量尺度

行业协会和相关组织应发挥主导作用，制定统一的数据资产价值评估标准和规范，促进评估方法的标准化和规范化，提高评估结果的可比性和认可度。统一数据资产的分类标准，明确不同类型数据资产的评估指标和权重，减少评估过程中的主观性和随意性；制定评估报告的模板和规范，确保评估结果的呈现方式统一、规范，便于各方理解和使用。中国银行业协会发布的《银行业数据资产估值指南》团体标准，构建了全面的数据资产估值框架，为银行业数据资产估值提供了参考，其他行业也可借鉴这一模式，制定适合本行业的数据资产价值评估标准。

专业人才培养：打造专业团队

数据资产价值评估涉及多领域知识，培养具备数据资产知识、评估技能和法律意识的专业人才至关重要。高校和职业院校可开设相关专业和课程，系统培养数据资产评估专业人才；企业和机构应加强内部培训，提升员工的数据资产意识和评估能力；鼓励行业协会和专业机构开展培训和认证活动，提高从业人员的专业水平。通过专业人才的培养，为数据资产价值评估提供坚实的人才支撑，推动行业的健康发展。

未来展望：数据资产价值评估的前景

数据资产价值评估在数字经济时代扮演着举足轻重的角色，尽管当前面临诸多挑战，但前景依然十分广阔。随着数字经济的持续发展，数据资产的重要性将愈发凸显，数据资产价值评估的需求也将日益增长。从企业内部来看，数据资产价值评估将助力企业更精准地把握自身数据资源的价值，优化资源配置，挖掘数据资产的潜在价值，为企业的创新发展和战略决策提供有力支持。在外部市场，数据资产价值评估将促进数据交易市场的繁荣，推动数据要素的流通和共享，激发数据资产的经济价值，为数字经济的发展注入新的活力。

随着技术的不断进步和市场的逐渐成熟，数据资产价值评估将迎来更多的发展机遇。人工智能、大数据、区块链等技术的创新应用，将为数据资产价值评估提供更强大的技术支持，提升评估的准确性和效率。政策法规的不断完善，将为数据资产价值评估营造更加良好的制度环境，保障评估活动的合法合规进行。行业标准的统一制定，将提高评估结果的可比性和认可度，促进数据资产价值评估行业的规范化发展。专业人才的培养壮大，将为数据资产价值评估提供坚实的人才保障，推动行业的持续进步。

数据资产价值评估作为数字经济时代的关键环节，虽然面临挑战，但机遇与希望并存。我们有理由相信，在各方的共同努力下，数据资产价值评估将不断完善和发展，为数字经济的腾飞插上坚实的翅膀，助力我们迈向更加美好的数字未来。