人们关心数据是因为数据中蕴含着巨大的商业价值,然而数据价值并不是凭空臆想、突然形成的,而是来源于真实的数据产业实践。但在商业实践中,很多数据产品却鲜有客户愿意买单。一个可能存在的原因是,我们的数据资产价值不明,或价值没有被客户感知。于是,我们自然要问数据资产价值该如何体现?影响数据资产的因素有哪些?数据资产有哪些评估方法?

作为全国领先数据要素交易流通全域服务商,云基华海将结合多年来在数据资产运营和数据要素领域探索的丰富经验,针对以上问题,提供一个初步的思考框架。

 

 

一、数据资产概念的界定

在讨论之前,我们先要弄清楚数据和数据资产的概念。根据《企业会计准则——基本准则》(财政部令第33号),“资产是指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源”。同时,依据《企业会计准则第 6 号——无形资产》,“无形资产是指企业拥有或者控制的没有实物形态的可辨认非货币性资产”。另外,参考无形资产的定义, 需要满足“能够从企业中划分出来,及源自合同性权利或其他法定权利”。我们可以将资产定义为:同时确认为资产时需要满足“成本或者价值能够可靠地计量”。基于资产的定义,我们可以将数据资产定义为:由过去的交易或事项形成,由企业拥有或控制的,预期会给企业带来经济利益,具有权属,成本或价值可以可靠计量的数据资源。

根据概念的界定,在进行会计确认与入表的过程中,只有同时满足可变现、可控制、可量化三个确认原则时,数据资源才能被视作数据资产。可变现意味着数据资产需要能够为企业带来持续的经济收益;可控制意味着数据资产必须是企业能够合法合规控制和管理的数据资源;可量化意味着数据资产可以从实际生产与运营中分离出来,并可用货币进行可靠计量。

二、数据资产价值的体现

数据资产化的战略意义体现在构建数据价值释放体系的过程中,通过调动各方参与与数字化转型积极性,共塑数据价值的释放新图景。

各行各业的数字化转型催生巨大额数据需求,形成数据大市场。数据正从自产自用、自产自销转向数据产品化。数据资产化是数据进入市场流通的前提,是各类数据要素市场建设的前提。一方面,数据资产化是实现数字化转型的先决条件,也是企业发挥企业竞争力优势、提升企业发展质量的重要途经。另一方面,数据资产化是推动公共数据赋能数字经济、数字政府、数字社会建设,带动企业数据、社会数据等其他数据资源整合共享与开发应用,充分释放公共数据价值的必由之路。

三、数据资产价值的影响因素

要有效评估数据资产价值,必须充分考虑影响其价值的各项因素。数据的种类多样,数据资产价值的评估维度也是多元的。与传统资产相比,数据种类多样、价值易变,具有更加丰富的潜在应用场景,其资产化后的价值评估也需要综合考虑更多方面因素。综合来看,数据资产的价值体现在其应用能够对组织带来潜在的收益或风险,因此我们认为数据资产的价值影响因素可以分为数据质量、数据开发阶段、数据应用价值及风险。

数据质量维度:参考全国信息技术标准化技术委员会提出的数据质量评价指标,设定规范性、一致性、完整性、时效性、准确性等数据质量评估指标。

数据开发阶段:在初级阶段,数据资产还仅仅为原始未加工数据的形式,尚未有具体匹配的商业化场景,价值可能仅限于其开发成本。经过一定的加工,数据资产在初步找寻到适用的商业化场景后数据资产价值显著增加,最终实现最大化。

应用价值维度:通过分析历史交易数据量化评估数据产品在不同应用场景下的效用和价值,设定关联度、实用度、复用度、受众广度、受众深度和场景经济性六类指标。

数据资产的风险:主要源自于所在商业环境的法律限制和道德约束,其对数据资产的价值有着从量变到质变的影响,在数据资产估值中应予以充分考虑。

 

 

四、数据资产评估方法

数据资产融合应用、开放共享、交易流通和金融衍生服务是数据资产增值的关键路径,需要对数据资产在各应用场景下所发挥的价值做定量评价。数据资产价值评估即是要回答“某项数据资产价值的量化评价”的问题。

目前,通过相关法律、规章及行业标准等文件,对当前数据资产估值尚无权威统一的法律准则或方法体系。从学术研究及各行业实践案例来看,当前数据资产估值方法总体可分为货币度量方法及非货币度量方法两类。货币度量方法以传统资产评估方法为代表,主要包括成本法、收益法以及市场法三大类及其衍生方法。而非货币度量的方法能够在一定程度上反映数据资产自身的价值变化情况,满足对数据资产的管理目的,但由于缺乏量纲的先天缺陷,在可比性方面较为不足,且难以为数据要素的流通交易提供参考。

下面结合中国资产评估协会发布的“数据资产评估第9号专家指引(2019)”,从核心思路、优势、劣势几方面介绍成本法、收益法和市场法3类评估方法,并给出具体案例。

(一)数据资产评估方法—传统方法

成本法以资产形成的成本为基础计量资产价值,操作相对简单,易于理解,但由于存在部分伴生数据资产投入成本难以区分分摊,与其实际价值差异较大。

收益法是基于预期收益评估资产价值的方法,但数据资产的预期收益、收益期限等都与传统资产考量有所不同,传统方法局限性较大。

市场法则是在有效、活跃市场基础上,选取可比案例进行资产评估,对数据资产的评估需要考虑更多的修正因素。

具体计算公式、核心思路、优缺点见下表。

 

 

(二)数据资产评估方法—改良方法

直接运用传统资产评估方法衡量数据资产的价值存在一定的问题,需要在考虑数据特性和价值影响因素的基础上进行革新和完善。具体如下:

改良成本法:根据成本法的基本计算公式为:资产价值=重置成本-资产贬值因素。考虑到现阶段的数据资产尚未体现出完整的场景应用价值,因此影响数据资产价值的除成本外,需要考虑数据资产的质量,应用场景,风险等因素,同时为弥补成本和价值对应性相对较差的问题,一般结合市场均值或企业本身历史盈利数据确定此类资产的合理利润,以反映资产的真实价值,另外还需引用影响数据价值实现的各因素对数据资产合理利润率进行修正。

改良收益法:现阶段的数据资产为既定应用场景和商业目的进行开发,预计为企业带来额外的经济利益,因此需考虑数据产品开发商要求的必要回报。与传统的利用收益法评估资产价值相比,评估数据资产价值的不同之处主要在于要充分考虑数据资产价值影响因素对每期收益、收益评估期限以及折现率影响。

改良市场法:市场法是基于已有公开、活跃市场,类比相关交易数据,进行一定修正,评估资产价格的方法,需要有较为完善有效的数据资产交易市场。具体计算公式为:数据资产评估价值=可比数据资产价值*∑修正系数。修正系数包括有数量修正系数、质量修正系数、应用维度修正系数、风险修正系数、期日修正系数以及其他修正系数等。

 

 

(三)应用案例

数据的价值在于与应用场景的结合,不同应用场景下,数据所贡献的经济价值有所不同,以下我们以某银行金融信贷里的风控场景数据为例,用改良成本法来估算标的数据资产的价值。

首先,计算历史总成本,包括数据获取成本与数据管理成本,得到2014—2022年的成本法数据资产的历史成本共计820000万元。

其次,计算成本法数据资产的重置成本。物价重置系数选取统计

周期内2014—2020年的年平均CPI。人力重置系数通过调研IT行业近9年全行工资水平年平均增长率得到。成本法数据资产总重置成本按照上述方法计算,其总值为923000万元。

接着计算合理利润率。参考同类型数据交易的平均利润率作为预估合理利润率。在本案例中,估值对象的数据资产的合理利润率为70%。

最后计算利润调节系数。在本步骤中,需要使用专家打分法对一级、二级的所有指标通过成对打分赋予权重,并对各个二级指标分别给出评价值。具体指标及权重见下表。

 

 

综上,成本法数据资产价值=总重置成本×(1+合理利润率×利润调节系数)=923000×(1+70%×1.064)= 1,610,450.4万元。

 

 

虽然行业中已有很多数据资产的交易案例,但目前尚未形成成熟的数据资产估值体系及方法,现有评估方法对于数据资产的估值均存在适用性问题。我们希望以本次分享作为起点、抛砖引玉,在以上讨论框架下,协同各界研究力量和产业界的同仁,逐步探索和推进特定领域或具体案例中数据资产价值分析,从而在构建数据资产评价体系的道路上不断迈进。