浅谈数据资产价值及其实现途径

刘 俊

(山西省财政税务专科学校，山西 太原 030024)

一、 数据资产的含义及其特点

(一)数据资产的含义

通常意义上的数据是指原始的、未被加工过的一些资料或素材，这些数据往往具有体量大、价值密度低的特点，因而不能直接为企业所利用。在移动互联网时代下，我们所称的大数据通常具有“4V”的特点，即体量大、种类多、价值高、反应速度快。数据资产的含义是伴随大数据的蓬勃发展从信息资产、数字资产等概念中衍生出来的。

参照《企业会计准则》中有关资产的定义，首先，涉及资产的归属问题即企业拥有或者控制，而由于数据资产自身的特点并没有出台专门的法律法规来界定其权属问题，大多数情况下对于在互联网平台如淘宝、京东、天猫上产生的数据，一方面来源于平台自身的信息系统，另一方面来源于平台用户的浏览、购买、评价行为等。对于这种可能产生权利归属不明的情况，可以以用户须知等合同方式来确保其权益分配。其次，资产的定义是由过去的交易或事项形成的，对于处于时刻变化的数据资产而言，其价值也正是由这种变化更新带来的，因此数据资产不只是现有的，更在于未来持续更新产生的能力。再次，资产定义中的“预期为企业带来经济利益”，对于数据资产而言，数据只有在被有效地挖掘整合后才可能产生巨大的价值，但对于企业而言还要考虑成本效益的问题，如果数据的取得、维护成本高于其带来的收益，那么这部分数据也就没有经济利益，也没有被视为数据资产的意义。最后，在资产的定义中，很重要的一点、也是决定能否进行会计确认的是“成本或价值可以可靠计量”，对于数据而言，产生的成本一个在于前期的获得阶段，另一个就是后期的处理阶段，即取得与持有成本。在目前的情况下，数据的加工处理以及存储成本容易确定，但其获取成本由于大部分数据是企业生产经营的附加产物，加之权属问题难以确定，使数据资产的成本计量问题成为难题。

综上所述，我们可以看到数据资产并不完全符合《企业会计准则》中资产的定义，因此在企业财务报表上也尚未体现，但是数据资产的价值及其重要性是不言而喻的，随着众多专家学者研究的不断深入以及信息技术的不断发展，数据资产的价值确定及其列报将指日可待。

(二)数据资产的特点

1.通用性。数据资产的通用性在于其使用价值不受时间、地点、行业的限制，如驾驶员踩油门刹车的次数、驾驶员的违章记录等反应驾驶员习惯的数据不仅可以为保险行业的精算师所利用来设计盈利的保险产品，也可以使滴滴打车这样的网约车平台筛选出符合资质的司机以确保驾驶安全。而传统意义上的实物资产或者无形资产由于其形态、功能、技术等的限制，其用途较为有限，如生产速冻饺子的机器设备不能用来加工其他食品，某商品的专利权也仅限于该商品使用，因此相较而言，数据资产的通用性更强。

2．虚拟性。数据资产不同于传统的具有实物形态的有形资产，它的呈现形式多种多样，可以是以二进制为编码的数字、字段，也可以是图像、图表、浏览记录等，因此数据资产一般储存在应用端或是硬盘里，方便交易或者转移。正是这种虚拟的特质使数据资产可以无限扩充而不易受时间、空间的限制。

3.无限共享性。传统意义上的资产都会随着使用次数的增多或者技术的进步产生有形或者无形的损耗，在会计上把这种情况叫做折旧。但对于数据而言，可以在不同时间、不同地域重复使用而没有任何损失，这一特性使数据具有更大的使用价值。

二、数据资产的价值及其影响因素

(一)数据资产的价值

数据资产价值的含义在于用一种标准化的数据语言解决当下存在的一些信息不对称的问题，旨在辅助没有途径观察或者获取信息的人提供可靠有效的途径，降低决策成本，具体体现在以下三方面：

1.形成企业通用的语言。 企业内部的销售、财务、管理等部门由于承担不同的职责，其产生的数据及其对数据的表达方式也五花八门，从而对管理层高效地利用这些数据构成了阻碍。如果将数据资产化，就代表数据在企业内部作为一种通用的语言在流通，这必将给企业乃至外部的数据使用者带来更大的价值。

2.形成企业的战略资产。 在“大智移云”这样的时代背景下，衡量一个企业的价值将会颠覆传统的衡量标准，一家拥有价值可观的数据资产的企业其市场估值和竞争力也会遥遥领先，因此数据资产化将有助于形成企业的战略资产。

3.明确数据资产权属问题。 伴随着数据资产化的进程，当下对数据资产权属划分不清的问题也必将加速解决，相关的法律制度也会随着这一进程而逐渐完善。

(二)数据资产价值的影响因素

影响数据资产价值的因素有很多，我们把这些影响因素分为质量维度和风险维度两大类。

1.质量维度。影响质量维度的因素主要有真实性、完整性、准确性、成本效益、安全性等。

真实性。数据的真实与否直接决定了数据是否有价值。虚假的数据不仅会导致使用者无法做出正确的判断，甚至会由于错误的判断而造成无法估计的损失。例如,常见的淘宝店铺商家花钱找人刷单，消费者就无法通过好评率等数据做出正确的选择而买到货真价实的商品。

完整性。单一的数据并不能带来巨大的价值，只有体量庞大的数据经过挖掘分析后才能反映出有价值的指标。可以说，数据的采集范围越大，种类越多，时间线越连续，其所构成的数据资产越有价值。

准确性。在实际的数据获取工作中，常常需要专职的“数据清理工程师”来对庞大且价值密度低的数据进行清洗，将那些空白的、重复的、无效的、异常的数据排除掉，以确保数据的准确程度。

成本效益。数据资产的取得以及整合分析成本在很大程度上决定了使用者是否愿意为此付出代价，根据成本效益的原则，数据的获得成本越低，其所带来的经济价值越大。对于数据资产而言，如果是自身日常生产经营所积攒的数据，其成本主要在数据清洗以及加工上，如果从外部取得，还包括购置成本。

安全性。衡量数据资产是否安全，一方面是持有者的维护及防御水平，另一方面在于数据自身是否容易泄露或者受到黑客的攻击。倘若数据本身的加密程度及破解难度足够高，其他人不容易获取，那么数据持有者所付出的保护代价也越低，相应的数据资产就具有较高的价值，可以持续地为企业带来经济利益。

2.风险维度。影响风险维度的因素主要体现在法律限制和道德约束两方面。

法律限制。目前我国的法律对于哪些数据可以交易、哪些不能交易尚没有明确的规定，一方面原因在于很多数据的取得存在权属不明的情况，如淘宝的买家既是数据的使用者也是数据的提供者，那么对于获取并利用的这些信息平台以及卖家所获得的收益该如何分配，这是一个亟待解决的难题。实际的法律案件中如百度旗下的百度地图和百度知道就大量使用了大众点评中的数据，也引发了一些诉讼案件。因此如何既能合法合规地使用这些数据又不至于侵犯用户隐私，我们现阶段应采取包容和发展的理念去平衡这种矛盾。

道德约束。数据使用者往往采取不正当手段获取数据信息，不尊重用户隐私，滥用个人信息，如常见的一些银行或者平台企业非法出售个人信息。这些行为将会对公司造成严重的舆论压力，甚至影响其品牌形象，降低消费者的信任度，无论是对数据资产的价值还是公司的价值都会造成负面影响。

三、数据资产价值的实现途径

(一)内部使用——业务数据化

数据资产的价值在实务中的实现途径也就是应用场景，从内部来看，主要是指企业通过对日常的生产加工、销售活动积攒下的数据进行挖掘整合，获得有利于管理层制定战略方针的信息，从而提高企业的综合竞争力。例如，我们熟知的淘宝、京东等电商平台基于其庞大的使用群体，每天会产生数以万计的浏览交易数据，这样就可以分析出顾客的潜在需求与偏好，进行精准的商品推送，提高其销量；一些移动、联通运营商也会积攒大量的客户信息如套餐使用情况等，在合适的时间向客户进行合适的套餐营销，用积分兑换、免费升级套餐、充话费送话费等活动留住客户，从而获取更多更稳定的收益。

(二)外部商业化——数据业务化

从外部商业化的角度来看，主要是指像品牌数据银行和芝麻信用这类将数据分类整合成可以对外销售的商品。品牌数据银行就是指把品牌消费视作像货币一样可以储蓄和增值的资产，可称之为消费者资产。消费者资产主要包括消费者总量、消费者品牌购买力、消费者转化力三个维度，品牌商由此可以直观地看到与自己相关的消费者资产。这种将不同环节、不同场景下的数据联合起来的全链路透视可以对消费者资产进行全面的评估、优化和运营，从而较快地实现企业的战略发展目标。例如，深受广大女性喜欢的戴森就是通过品牌数据银行，利用阿里巴巴的全域营销精准定位到潜在的客户群体，并对这部分群体进行针对性的长期运营，除此以外，与戴森有过交易的购买者信息也都成为品牌数据银行里的数据资产，戴森通过这种不断与消费者加深的联系，准确高效地对变幻莫测的市场做出判断和反应。此外，芝麻信用借助先进的信息技术手段如机器学习、云计算等综合全面地反应用户的信用情况，当个人的芝麻分达到一定的数值，就可以享受住店、租车等服务而不用支付押金。如今已覆盖四十多个不同的行业，免除的押金达一千多亿元，拥有上亿用户。

总而言之，随着信息化技术水平的不断迈进以及大数据应用中心进一步的扩充与完善，人们对于数据资产的研究与应用也会日趋成熟，数据资产将成为个人、企业乃至国家的重要组成部分。