大数据时代下平台数据资产价值研究

黄 乐 刘佳进 黄志刚

(1. 福州大学经济与管理学院， 福建福州 350116；2. 福建省金融科技创新重点实验室， 福建福州 350116)

一、引言

截至2014年底，全球拥有将近30亿的互联网用户，普及率更高达40%，并以每年约2亿人的速度增长。中国互联网络信息中心(CNNIC)2014年1月16日在北京发布的第33次《中国互联网络发展状况统计报告》显示，到2013年12月止，中国拥有6.18亿互联网用户，互联网普及率领先世界平均水平达到45.8%。其中，手机网民规模达5亿，并保持稳定增长。随着互联网时代的到来，加上物联网、移动互联网和社交网络的蓬勃发展，数据正在以几何级数的方式增长，从原先的TB(1000GB)级别跃升到PB(1000TB)甚至EB(1000PB)ZB(1000EB)级别。每个人每时每分每秒都在创造着各种各样的数据，不仅有数字型的结构化数据，还有更多的如文字、图片、视频和音频等非结构化的数据。这些数据都与我们的生活息息相关，它不仅能够反映个人的喜好、投资偏好和习惯等等，还能帮助整个社会提高效率，为企业带来高额利润。作为公司的一项资产，数据的重要性日益显现，所以如何正确地衡量数据的价值，也成为当今互联网公司估值的核心问题之一。

大数据是指无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合。它有四个特征，概括起来就是4个V (即Volume、Variety、Value、Velocity)：(1)Volume数据量大。根据国际数据公司(IDC)的报告，估计到2020年，全球数据使用量将高达35.2ZB。(2)Variety种类繁多。不同于以往我们一般认为的只有数字型的结构化数据，越来越多的如视频、音频、图片和网购评价等非结构化数据被记录下来，这也增大了处理它的难度。(3)Value价值密度小。数据的冗杂导致其价值密度减小，如一段长达一个小时的录音里头，可能真正有用的有价值的音频只有几秒。(4)Velocity处理迅速。2003年，人类花了10年才第一次破译了30亿对人体基因碱基对的排序，而到了2013年破译同等数量的基因密码只需要15分钟。

除此之外，还要结合数据本身在经济活动中的三个特性，才能更好地分析数据资产在企业和我们日常经济生活中的价值。(1)时效性。数据的时效性决定了数据分析后的结果将对经济生活起到多大的指导意义。正如十年前的交通网络信息，即使数据量再庞大，对现今的交通网络设置来说都没有太大的意义。(2)随机性。Mayer-Schönberger，Cukier指出采样分析的精确性会随着样本随机性的增加而大幅提高，但与样本数量的增加关系不大。当样本数量到达某个临界值时，我们从新个体身上得到的信息会越来越少，如同经济学中的边际效应递减一样。[1]例如想调查大学生对茶叶的喜爱程度，但选取的调查对象都是茶艺社的成员，那么得出的结论一定是不科学的。(3)相关性。数据的经济价值表现在它对特定领域的未来发展具有一定的指导意义，一组数据对特定的某一行业来说具有重要的价值，但对另一行业完全没有任何意义。例如私家车颜色的数据对于汽车制造商来说是一笔宝贵的财富，但是在气象局那却毫无意义。

数据资产作为企业的特殊无形资产，具有无形资产的某些特性，如数据不具有实物形态；可以作为非货币性的长期资产；在创造价值方面具有较大不确定性；可以将使用权让渡给他人为企业创造经济利益等。在这些方面数据资产和品牌价值有着很多相似点，所以本文尝试性地将品牌价值评估方法和模型引入数据资产的评估中，来衡量数据资产在企业中的价值，为新兴互联网企业的价值评估、贷款奠定理论基础。

二、文献综述

(一)主要评估方法

数据资产是一种特殊的无形资产。无形资产最主要的三种评估方法为：成本法、收益法、市场法。

1. 成本法

成本法分为两种，一种是历史成本法，一种是重置成本法。历史成本法是一种运用传统会计计量的方法，将数据价值等价于取得数据时所付出的现金或现金等价物，此方法不能及时、准确地反映资产价值的变化。重置成本法是在资产继续使用的前提下，假设在当前条件下购置或建造一个全新状态的评估对象，所需的全部成本减去评估对象的实体性陈旧贬值、功能性陈旧贬值和经济性陈旧性贬值后的差额，作为评估对象现实价值的一种评估方法。

2. 收益法

收益法是以现值计算为基础，将被评估企业的预期收益以一定的折现率折现到某一个特定日期来评估所需评估企业的价值。在企业价值评估中使用较多的就是收益法，其中较常用的有四种主要方法，分别是现金流贴现法、内部报酬率法、资本资产定价模型和经济增加值法。

现金流贴现法是以一定折现率将评估出的企业预期收益折现成某一特定时刻的价值。内部报酬率是指现金流入现值和原始成本现值相等，即投资净现值为零时的贴现率，通常用于企业并购的估值中。资本资产定价模型将企业的预期收益与其风险相结合，并通过风险报酬率来进行折现，估计出企业的价值。经济附加值是从企业的税后利润中扣除所有投入资本的成本之后的剩余收益，这也是近些年国外用来评价企业经营状况和管理绩效较流行的方法。

3. 市场法

市场法就是在当前的市场环境中寻找与需要评估的目标企业在经营状况、主营业务各方面都相同或是相似的，具有参考价值的被评估过的企业作为参考坐标，进行市场分析对比，从而估算出所需评估企业的市场价值。

(二)国外研究

国外学者对于企业数据资产的评估大体分为两个时期，第一个时期是在2000年3月“科恩风暴”之前，虽然以数据资产为主的互联网企业具有较大的不确定性，但其相较传统企业而言的强大成长性，基本上让所有国外专家对其发展都是持肯定态度；第二个时期在“科恩风暴”之后，越来越多的专家学者开始为以数据资产为主的互联网企业建立适合的新型评估模型。

Koller, Goedhart, Wessels认为现金流折现法能更好地反映企业实际的市场价值。[2]Desmet, Francis, Hu分析了大量互联网公司亏损但同时带来收益的那些业务，为解决互联网企业特殊时期和不确定问题提出了基于预测的收益现值法。[3]Damodaran将公司的预期收益、收入、现金流和股票期权的影响加入对企业价值的综合评估中，还第一次将研发和营销的费用加入模型用来消除会计计量方式对企业价值评估的不良影响。[4]

Gupta, Lehmann, Stuart将顾客的价值作为评估企业价值的重要指标引入了企业评估模型。[5]Lumpkin, Dess提出用实物期权的方法将企业风险和未来投资决策的不稳定性加入对企业的价值评估。[6]Bauer, Hammerschmidt采用基于顾客生命周期和股东价值的评估方法来建立预测企业未来现金流的模型，来为互联网企业进行估值。[7]

Ho, Liao, Kim在市场法的基础上进行改进，提出建立以数据包络分析法为基础的企业价值评估模型，对具有相似资产的公司修正其乘数来得到所需评估企业的真正价值。[8]Pigliapoco, Bogliolo建立了基于互联网企业价值链的评估模型，对以流量为基础的互联网企业进行分析评估。[9]

(三)国内研究

国内对于企业价值评估的研究起步较晚，学者早期多借鉴引进国外的评估方法，所以相对应地和国外研究类似。大体也分为两个时期，以“科恩风暴”作为分界线，2000年以前主要以介绍国外研究成果为主；2000年之后，将国外研究方法与我国的实际情况相结合，提出适合国情的互联网企业价值评估方法。

唐敬年、 皮立君、 宋丹峰等在收益现值模型的基础上，将绩效预测纳入其中。[10]

王少豪、 李博采用不同的方法对不同的业务进行估值，用期权定价法评估投资扩展业务，运用现金流量折现法评估现有业务，再将其总和作为所需评估企业的实际价值。[11]

陈铀指出互联网企业价值因为网络化、成本与价值的弱对应性、信息技术化、虚拟空间的大量使用等特殊性，决定了其有形资产占资产总量的比例低于传统企业，虽然其符合传统企业的价值涵义，但需加强测定其未来的盈利能力。[12]

冯耕中、吴月琴、 于洋认为应从现有模型的“客户价值”切入，对市场法模型进行拓展研究，同时结合运用企业战略分析的方法、AHP 法、模糊综合评价法和决策树模型等，来对收益法模型进行拓展。[13]

郭蕾指出互联网企业现金流的取得是其自身价值的来源，所以在贴现现金流量法的基础上，开创性地提出运用模拟现金流的办法，将企业现值和预期有效地结合起来共同确定互联网企业价值。[14]

方晓成则认为现在的研究大多是从整个网络的价值和潜力等宏观视角来探讨互联网企业价值，而缺乏从微观视角来研究的案例。[15]

张智芳指出对于评估方法的使用可以有三个方面的考虑：(1)可以将概率论引入模型来考虑互联网企业的不确定性；(2)可以将企业生命周期理论引入模型来考虑互联网企业的成长性；(3)运用实物期权理论和现金流贴现法来考虑互联网企业的非量化指标价值。[16]

江浩正认为有三个主要因素影响互联网企业价值：第一，互联网所降低的交易成本部分，即成为互联网企业的价值来源之一；第二，互联网可以帮企业获取更多投资者的关注；第三，互联网可以帮企业优化其资源配置。[17]

张志刚、 杨栋枢、 吴红侠引入层次分析模型构建指标评价体系(AHP)，并利用层次分析法(YAAHP)软件计算数据资产各项评估指标权重,建立基于成本和应用考虑的数据资产价值评估模型,并将该模型运用于具体的数据资产价值评估。[18]

三、模型构建与分析

(一)模型构建

本文通过对国内外品牌价值评估方法进行分析发现，数据资产价值的评估应通过适当的方法对影响数据资产价值的主要因素进行量化，从而得到合理的评估值。单一的方法很难量化所需要评估的数据资产，所以本文将结合上文提到的三种方法：成本法、收益法和市场价格法，对需要进行评估的数据资产进行评估。数据资产价值构成如图1所示。

图1 数据资产价值构成及主要影响因素

对数据资产价值的评估应该包括三个部分：(1)对数据资产成本的衡量，其中包括对于数据作为商品本身的成本衡量和对于数据商品经营的成本衡量；(2)对于数据资产收益的评估，根据国泰君安证券研究报告显示，数据资产收益由以下几个因素决定：数据变现因子、溢价率系数、平台用户数和网络节点距离。除此之外，对于平台式的数据资产公司所产生的数据资产，还应加入平台的活跃系数来对其价值进行衡量；(3)根据市场实际情况对数据资产价值进行调整。由此构建数据资产价值评估公式如下：

Y=α(C+V)

(1)

C=(C1+C2)·(r+1)

(2)

其中：Y为数据资产总价值，α为市场调整系数，C是数据资产总成本，V是数据资产总收益，C1是数据商品成本，C2是数据经营成本，r是平均市场回报率，λ是平台活跃系数，K是数据变现因子，P是溢价率系数，N2是平台用户数的平方，R2是网络节点距离的平方。

(二)参数设定

1. 成本价值指标

数据商品成本C1，以创建数据资产公司时的注册资本金为准；数据经营成本C2，以经营一家数据资产公司的人力成本(如工资和福利费等)和水电房租等一系列费用的总和为主；平均市场回报率r，以所要分析的数据资产公司所在国家的基金年平均回报率为标准，例如美国基金年平均回报率约为10%，则设r为10%。

2. 收益价值指标

对于平台式的数据资产公司，将其平台活跃系数λ分为两块，一部分是用户活跃系数，另一部分是用户在线活跃时间系数，用户活跃系数等于月活跃用户数除以平台用户总数，用户在线活跃时间系数为活跃用户在线时间除以每日总时间，两者相乘就可以得到平台活跃系数；数据变现因子K，其值近似于平台能够从每个用户变现的金额，即每个用户在平台中所拥有的价值；溢价系数P取决于企业在行业中的地位，P增加代表市场占有率增加，也意味着数据资产公司的价值增加，所以将P近似为平台用户数除以该国网民人数来反映该数据资产公司在其行业的地位；网络节点距离R根据Tor节点计算得出。

3. 市场调整指标

市场调整系数α是根据被评估企业所处行业中，几家具有代表性企业的实际市值与评估价值的比值，估算出被评估企业在市场中所需要调整的比例，即该被评估企业的市场调整系数。

四、实证检验分析

(一)案例选取

本文采用近几年最著名的互联网平台收购案验证这一模型的有效性，即2012年4月10日Facebook对Instagram的收购案例。Facebook公司以3亿美元现金和7亿股票的形式对Instagram公司进行收购，消息一出，震惊了整个互联网行业，不仅因其高达10亿美元的天价收购费用，还因为Instagram公司是一家初创仅有十三人的小团队，公司发展也不过两年多，如此之小的团队和与之“不匹配”的惊人发展速度，让整个行业甚至很多专家学者对平台式互联网公司的价值评估感到不解。下面我们就对Facebook和Instagram公司进行简单的介绍：

Facebook是一家由美国人马克·扎克伯格等人于2004年所创立的社交服务网站。最初，只是一家为哈佛学生宿舍提供 “线上通讯录”服务的小公司。通过数十年的发展，现已成为一个具有多功能的、在行业中具有领导地位的社交网络平台。早在2012年，Facebook在美国国内的访问量就突破了791亿次，其网站正式注册用户突破了10亿。截至目前，Facebook的日活跃用户数高达10亿人，其市值约为3638亿美元。

Instagram公司成立于2010年10月，被Facebook收购时是一个仅十三人的团队，没有营销团队，没有公关团队。两位创始人仅花了8周的时间就开发出了instagram这款软件,最后他们只留下了简单的图片编辑及分享功能，正是因为软件的简单与单纯，Instagram上线仅一周就拥有了 10 万注册用户，随后其用户数更是呈指数式增长。到被收购前夕，Instagram的注册用户达到5000万。

(二)参数校准

根据刘畅的研究[19]，本文得到市场调整系数α约为0.65；Instagram公司公布的信息显示，初始资本C1为5 0万美元；C2是数据经营成本，因为Instagram公司没有营销和公关，仅有13人的小团队，相比数据资产价值可以忽略不计；r以美国基金年平均回报率10%来计算；科技博客网站All Things D数据显示，Instagram每天活跃用户平均为730万，访问时长为257分钟，根据计算可得平台活跃系数λ约为0.026； 美国财经网站分析师给出的评估报告显示，Instagram的每个用户价值约为0.78美元，所以将K设定为0.78；2012年美国网民总人数约为24600万人，计算得到溢价率系数P约为0.203；截至2012年5月底，Instagram的平台用户数N达到5000万；根据Tor节点计算得出网络节点距离R约为85。

(三)实证检验

将所得到的数据和参数带入模型，计算得出

C=(C1+C2)·(r+1)=500000*(1+10%)

=550000

(4)

=1424512111

(5)

Y=α(C+V)=0.65*(550000+1424512111)

≈9.26×108

(6)

结果如公式(4)-(6)显示，如果想要收购Instagram公司，大约应支付9.26亿美元，这与现实生活中Facebook收购Instagram公司所付出的10亿美元相当。

五、结论

本文将成本法、市场法、收益法和数据资产评估模型有机地结合，开创性地将平台活跃系数引入模型，对以流量和活跃度为参考的平台式数据公司的价值进行评估，并通过2012年Facebook对Instagram的实际收购来验证该模型的有效性。通过初步论证，发现该模型对于平台式的数据资产价值评估较为有效。所以，平台式数据资产公司如果要提高自身的企业价值，应该降低企业经营成本,增强平台的活跃度，提升平台中每个用户的价值，提高平台在行业中的地位，吸引更多的互联网用户使用其应用。

注释：

[1] Mayer-Schönberger V., Cukier K.,Bigdata:Arevolutionthatwilltransformhowwelive,work,andthink.Houghton Mifflin Harcourt, 2013.

[2] Koller T., Goedhart M., Wessels D., et al.,“Valuation : measuring and managing the value of companies”,JournalofFinance, vol.46,no.1(1991),pp.35-54.

[3] Desmet D., Francis T., Hu A., et al.,“Valuing Dot-Coms”, The Mckinsey Quarterly, no.1(2000), pp.148-157.

[4] Damodaran, Aswath,TheDarkSideofValuation(paperback):ValuingYoung,Distressed,andComplexBusinesses. Ft Press, 2009, pp. 25-42.

[5] Gupta S., Lehmann D.R., Stuart J.A.,“Valuing Customers”,SocialScienceElectronicPublishing, vol.41,no.1(2004),pp.7-18.

[6] Lumpkin G. T., Dess G. G.,“E-Business Strategies and Internet Business Models: How the Internet Adds Value”,OrganizationalDynamics, vol.33,no.2(2004),pp.161-173.

[7] Bauer H. H., Hammerschmidt M., “Customer‐based corporate valuation: Integrating the concepts of customer equity and shareholder value”,ManagementDecision, vol.43,no.3(2005),pp.331-348.

[8] Ho C. T., Liao C. K., Kim H. T., “Valuing Internet companies: a DEA-based Multiple Valuation Approach”,JournaloftheOperationalResearchSociety,vol.62,no.12(2011),pp.2097-2106.

[9] Pigliapoco E., Bogliolo A.,AService-BasedModelfortheInternetValueChain, in Proc. of the Int.l Conf. on Access Networks,ACCESS-11, 2015，pp.13-18.

[10] 唐敬年、皮立君、宋丹峰等：《基于绩效预测的收益现值法》，《中国资产评估》2000年第6期。

[11] 王少豪、李 博：《网络公司价值分析及评估方法》，《中国资产评估》2000年第6期。

[12] 陈 铀：《网络企业价值评估研究》，硕士学位论文，西南财经大学, 2003年。

[13] 冯耕中、吴月琴、于 洋：《新兴网络企业价值评估研究述评》，《预测》2003年第5期。

[14] 郭 蕾：《网络企业的价值评估研究》，硕士学位论文，北京邮电大学, 2006年。

[15] 方晓成：《网络企业价值理论和评估方法研究》，硕士学位论文，合肥工业大学, 2007年。

[16] 张智芳：《互联网企业的价值评估》，《经济研究导刊》2009年第21期。

[17] 江浩正：《基于价值创造的网络公司价值评估模式的构建研究》，《经济师》 2010年第11期。

[18] 张志刚、杨栋枢、吴红侠：《数据资产价值评估模型研究与应用》，《现代电子技术》2015年第20期。

[19] 刘 畅：《移动互联网背景下企业新型价值评估理论研究》，硕士学位论文，山东大学，2014年。