一种数据资产评估的CIME模型设计与实现

闭珊珊 杨 琳 宋俊典

(上海计算机软件技术开发中心 上海 201112)

0 引 言

随着经济活动数字化转型加快，数据对提高生产效率的乘数作用凸现[1]，推动数据资产化、商业化、金融化和要素化，是数字经济时代的内在特征和发展诉求。

数据资产是组织合法拥有或控制对其具有价值的、可计量的数据资源[2]。要确定数据资产价值，无论是对其内部收益或外部变现的认可，前提是可计量。数据资产评估是对组织内数据资产现状、质量、价值等进行定量和定性评价的活动。数据资产评估的目标在于充分挖掘数据价值，促进数据资产化；引导数据变现，为确定数据价值提供参考；指导数据定价，支撑数据交易市场发展。组织开展数据资产评估，意味着将数据提升到战略资产的层面进行治理和管理，驱动数据潜在价值的融合应用。

能够多维度、动态化地评估数据资产，是实现数据资产流通和应用的重要基础。但目前，数据资产的评估缺乏成熟可参考的理论方法，影响了数据资产价值评估过程和结果的规范性、合理性、可靠性，对提升运营管理水平、促进流通应用、推进产业创新，释放数据资产价值都造成了不利影响。因此，本文围绕数据资产评估面临的主要问题，通过梳理国内外数据资产评估研究现状，创新性地提出数据资产评估的整体框架，并基于该框架探索数据资产评估工具的设计和应用，对未来数据资产的评估实施提供参考。

1 研究现状

资产评估是使用专业的理论及方法，定量估计和判断其价值的过程，属于价值判断过程。数据资产是一种兼具无形资产和有形资产特征的全新资产类别[5]。一方面，无形资产和有形资产已有的评估体系和方法对数据资产评估具有借鉴和参考作用，例如重置成本法、清算价格法、市场法和收益折现法等[3]有形资产评估方法，成本法、现行市价法和收益现值法等[4]无形资产评估方法；另一方面，数据资产可增值、可共享和价值多变性等特征，决定了对其评估的复杂性，难以使用统一的计价标准，例如，资产价值评价会随使用者和应用场景不同而有差异。因此传统资产的评估框架不能完全照搬到数据资产评估中，需专门研究数据资产评估的体系、框架、模型和方法等。

根据不同评估需求，数据资产的评估工作可细化为数据资产化评估、数据资产价值评估和数据资产定价，如图1所示。

图1 数据资产评估工作的分类

1.1 数据资产化的评估

组织内所有数据并非都是数据资产，只有经过识别、评估和严格管理的、具有实际应用价值的数据才能认为是数据资产。实现数据资产的价值化属性、体现数据价值的过程即“数据资产化”。数据资产化的评估回答“某项数据资源是不是数据资产”的问题，经评估，权属可控、价值可量化并变现的数据资源可视为数据资产。

纪婷婷等[6]提出了一种基于数据包评估报告的量化方式；叶雅珍等[7]提出了一种数据资产化的工作框架，其中包括数据确权、数据价值确认与质量管控、数据装盒入库、货币计价与评估等评估相关工作内容。

1.2 数据资产价值评估

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。数据资产价值评估回答“某项数据资产价值的量化评价”的问题。

目前，国内外数据资产价值研究分别从以下几个角度展开。一是基于指标体系的评估模型，2019年发布的GB/T 37550—2019采用此类方法，提供了电商领域数据资产评价指标体系的构建原则、分类和评价过程[8]。文献[9-12]均基于层次分析法开展研究。二是基于多重估值模型构建的评估方法。Laney[13]提出了信息资源的多重估值模型，根据实现某种目标和某种应用维度混合运用不同的模型；Austin等[14]采用协作价值生成框架法，从业务战略目标中分解财务的现金价值，再分解到不同的业务模块并映射到各信息化应用，最后评估各信息化应用中的数据价值。三是基于各参与方理性行为假设的数据市场交易的经济模型。Niyato等[15]从服务效用的角度研究了服务提供者及服务消费者的最优价格模式和最优订购模式；董祥千等[16]从数据市场模型及资产价值入手，提出参与者利润最大化模型。

1.3 数据资产估值定价

1.2节所述数据资产价值评估的应用场景，有侧重对内运营量化和对外交易流通之分，前者偏重对数据资产管理和运营绩效，以及数据对不同业务支撑作用的衡量，可通过上述价值评估方法，得到一个量化分值或运营管理成熟度数值，以及对应的价值评估报告。后者偏重收入和量化结果，回答“某项数据资产计价是多少”的问题，需要得到支撑数据资产交易流通，以及估值、投资、抵押等金融衍生服务的数据资产定价。

数据资产主要通过两种方式定价。一是市场交易中的货币计价。叶雅珍等[7]归纳了市场交易中离散计数计价、按使用量和时长等计价、按多因素混合计价和按盒、包等件数计价等模式；自2014年来国内迅猛发展的大数据交易市场背景下，文献[17-21]研究了拍卖、协商、反馈性定价等相关大数据与信息产品定价理论。二是估值定价。即成本法、市场法、收益法及其三者的组合法和修正法在数据资产领域的应用。文献[22-25]分别细化并设计了不同的评估方法；中国资产评估协会于2019年发布了针对数据资产评估的“第9号专家指引”，作为一种专家指引，为评估机构及评估人员介绍了成本法、收益法和市场法3类评估方法在数据资产评估中的应用[26]。

1.4 资产评估存在的问题

目前数据资产评估存在宏观和微观两层面的一些问题与瓶颈。宏观层面，缺乏法律法规和评估标准，例如当前立法中关于数据产权的内容尚不健全，也未出台数据资产评估相关标准规范、评估机制或操作指南，导致数据资产的评估和共享交易仍存在不确定性、合规风险和数据安全风险。微观层面，尤其聚焦在评估的方法和技术上，主要问题包括：

(1) 缺乏系统框架，方法零散。目前，大量零散的数据资产评估研究均从单一问题或应用场景的假设出发来构建评估方法，提出建模观点和设计建模步骤，但所构建的评估方法未能体现出成体系的价值评估维度，以及不同的维度所考量的要素和指标，且方法多局限于概念和理论层面，缺乏可落地执行性。总体而言，尚未形成一套全面的、具有权威性的数据资产价值体系框架、评估模型和参考方法，不能有效地保障数据市场中各类交易载体、交易模式之间的数据资产价格协调关系，从而促进交易流通有序化发展。

(2) 缺乏数据资产评估相关技术和工具支撑。大数据规模化和多样化等特性，决定了数据资产评估工作难以依靠手工人力或电子表格等方式完成，应建立在强有力的技术工具之上。目前数据资产评估的相关技术和工具，仍处在相关组织自行探索、各自研发的状态。在功能上，难以支撑数据资产评估的完整流程，智能化程度较低；在能力成熟度上，尚未形成具备产品级水平的技术工具；在技术标准上，体系架构、功能要求、数据格式、指标口径、资产目录、交换传输接口和数据隐私保护等方面均缺乏技术标准，导致技术层面缺少有效的规范指导和基础支撑。

2 CIME数据资产评估模型构建

根据上述现状和问题分析，针对数据资产评估面临的系统框架缺乏、方法零散等问题，本文在充分借鉴成熟的资产评估体系、已有数据资产框架和中评协〔2019〕40号专家指引的基础上，构建了一种由评估要素和评估方法组成的数据资产评估CIME模型。开展评估工作时，需要充分理解评估目的，遵循评估依据，从梳理数据资产评估的关键影响因素出发，充分理解“数据资产”这一评估对象的特性，从而针对性地设计评估方法，并从技术、平台、安全等维度做好评估保障，该模型如图2所示。

图2 CIME数据资产评估模型

2.1 评估要素

数据资产评估模型从梳理影响评估的关键因素出发，将评估要素的维度归纳为“CIME”，即成本费用、固有价值、市场供求和环境约束四方面因素。

成本费用因素(Cost)是指数据资产从产生到评估基准日所发生的总成本[26]，主要包括建设成本、运维成本和管理成本等。以数据资产生存周期管理的视角，在建设成本方面，包括数据规划、采集获取、数据确认和数据描述等成本；在运维成本方面，包括数据存储、整合和知识发现等成本；在管理成本方面，包括间接成本、人力成本和服务外包等成本。

固有价值因素(Intrinsic value)是指数据资产在交易当下的质量、规模、活性属性不同带来的价值差异。数据质量是指数据特性在特定应用条件下符合要求的程度[2]，包含明确的及隐含的要求。数据质量的评估模型和测度方法应符合GB/T 25000.12及GB/T 25000.24等国家标准的规定[27]；数据规模是指当前的数据量或者在一定时间内数据的增加量，包括数据量、增长率、更新速度和多源异构性等评估角度；数据活性是指数据的时效性以及新旧数据经过再处理之后产生的价值量，包括贬值速度、经济效益量、附加值、关联性等评估角度。

市场供求因素(Market)是指数据资产价值在市场环境下，受到市场竞争性、供求关系、使用对象和历史情况等影响。数据的竞争性主要体现在数据价值受稀缺性、独占性、具备何种数据权属影响；市场供求关系的变化影响数据的价格波动，通过计算供求指数，调研市场规模和市占率等来明确；使用对象维度包括适用范围、覆盖程度、行业适应性、场景适应性和服务模式，对不同的行业领域和应用场景，同样的数据发挥的价值不同；历史情况会影响数据的价值走向，包括数据资产以往使用和转让情况、好评数量、差评数量和历史诉讼情况等。

环境约束因素(Environment)是指对数据价值产生影响的区域营商环境、交易法规、评估者和风险因素。营商环境包括区域的管控模式以及法律、文化与道德等方面的约束；交易法规包括对法律法规和交易规则的遵循，如数据交易不符合二者相关要求，将否定数据价值实现；评估者包含评估组织和人员，无论采用内部或外部评估，评估者资质认证、是否行业权威，以及是否建立合理的人为介入制度、方法，均影响数据资产评估值；风险因素包含管理、流通、增值研发和数据安全等风险。

2.2 评估方法

数据资产评估方法是指分析判断数据资产现状、质量和价值等的方式和路径。数据资产评估要素CIME模型从规划框架、评估内容、评估指标和备选参数等维度为评估方法设计提供了思路和依据。在评估实践中，结合具体行业和场景的评估需求，采用适当的量化方法来处理评估内容的主要影响因素，从而获得合理的评估值。本文分别以层次分析法、成本法、市场法和收益法四种常用评估方法的一种实现模型设计为例，旨在举例说明基于CIME模型设计评估方法的思路。

2.2.1层次分析法

1) 层次分析法简述。层次分析法(AHP)是一种多维度、多指标、综合分析的决策方法，原理是把决策对象分解成数个组成要素，并遵循特定依据形成分组、分层结构，对相关方和专家定性和定量结合的判断集思广益，两两比较以确定量化分值。

2) 基于CIME的层次分析法实现模型的设计思路。基于CIME模型，构建AHP的三层次评估指标体系，计算判断矩阵，综合评估成本费用、固有价值、市场供求、环境约束四项评估指标的得分，模型的表达式为：

数据资产价值=数据成本费用因素得分+数据固有价值因素得分+数据市场供求因素得分+数据环境约束因素得分。

基于CIME的指标评估体系见表1。

表1 基于CIME的指标评估体系

2.2.2成本法

1) 成本法简述。成本法是基于以成本费用来衡量的、形成数据资产的劳动过程中所发生的消耗，评估其所体现和对应的价值程度的方法。

2) 基于CIME的成本法实现模型的设计思路。数据资产价值评估基于其重置成本，即评估时点要再次获得该资产的成本，并结合一系列杠杆作用因素来进行。CIME模型中的成本费用要素，为重置成本构成提供了完整视图；CIME模型中的固有价值因素、市场价值因素和环境约束因素，即为主要的杠杆作用因素，可通过各自的价值修正系数来体现，对各价值修正系数取值的明确，可进一步按需分别对CIME四类因素下的各子因素加权平均形成。综上，一种成本法实现模型的表达式为：

(1)

式中：P为待评估数据资产的价值；Ci为每个数据集重置成本；n为数据集的个数；Ri为数据集的成本投资收益率；Ii为数据集的固有价值因素修正系数；Mi为数据集的市场价值因素修正系数；Ei为数据集的环境约束因素修正系数。

2.2.3市场法

1) 市场法简述。市场法是在具有公开并活跃的交易市场的前提下，选取近期或往期成交的类似参照系价格作为参考，并修正有特异性、个性化的因素，从而得到估值的方法。

2) 基于CIME的市场法实现模型的设计思路。市场法通常分为筛选和调整两个步骤。筛选是在市场上寻找与评估对象相同或相似的参考数据资产或对标交易活动，CIME模型为筛选环节提供了对比的维度和依据；调整是通过比较评估对象和参考数据资产或对标交易活动来确定调整系数，调优以取得准确价值。成熟的、参照物丰富的、交易活动多样的数据市场有益于数据资产的精益估值。综上，一种市场法实现模型的表达式为：

(2)

2.2.4收益法

1) 收益法简述。收益法是预计评估对象的剩余经济年限、选取合理的折现率，将其预期收益折现以确定现值的方法。收益法的假设是数据在未来具备盈利能力、具有内在的固有价值，此逻辑起点符合数据资产价值评估宗旨、目标和要求。

2) 基于CIME的收益法实现模型的设计思路。收益法的使用应具备评估对象的预期收益、折现率和预期获利持续年限三个参数。相应地，方法的应用应具备三大必要前提，即预期收益可货币化预测；体现“为获利所承受的风险”的折现率可被预测和量化；预期获利年限可被预测。上述条件均需综合CIME模型的核心要素来明确。例如，确定预期获利年限时，宜综合考虑CIME模型中的数据活性、数据权属、法律保护期限和交易合约期限等子因素；确定预期收益时，可侧重聚焦市场供求因素，如供求指数、适用范围、覆盖程度、服务模式、行业及场景适应性等子因素；确定折现率时，可综合风险报酬率和无风险报酬率(如两者相加)来确定，风险报酬率宜参考相关风险因素。综上，一种收益法实现模型的表达式如下：

(3)

式中：P为待评估数据资产的价值；Rt为第t年的预期收益；n为待评估数据资产的预期获利持续年限；r为待评估数据资产的折现率。

3 基于CIME模型的评估工具实现

数据资产评估工具的建设目标是将所设计的数据资产评估框架和评估方法、流程等通过软件系统来固化、落地和验证，从而建立标准专业的支撑工具，具备评估流程管理、质量评估管理、价值评估管理、评估模型管理、评估安全管理和评估报告管理能力，结合数据抽样、专家评估、计算机自动检测评估、聚合评分等方式，根据领域上下文，将所有的量化评价聚合成一个最终的评估值。同时沉淀评估知识库、专家库和资产库，为评估工作的申请与执行提供规范、可靠、智能的工具和环境支持。2019年，本系统在上海数据交易中心成功完成应用验证，为上海数据交易中心在国家标准研制、商业数据流通、跨区域数据互联、政务数据与商业数据融合应用等领域的创新打下了坚实的数据资产评估基础。

3.1 功能设计

系统应用架构由数据层、支撑层、功能层和展现层组成，如图3所示。数据层提供数据接入和数据存储能力，确保评估对象从数据来源方的接入。支撑层包括了系统管理、评估管理和专家管理，可实现对评估任务、评估方法、评估专家等多个对象的管理，保障评估工作顺利实施。功能层主要包括了成本法、市场法、层次分析法和收益法四大评估方法的实现，评估专家可结合实际选择适合的评估方法，并通过系统完成评估工作。展现层是工具与用户交互的门户，评估结果通过门户进行展示。

图3 数据资产评估系统应用架构

各模块具体功能设计如图4所示。

图4 数据资产评估系统各模块的功能设计

在逻辑流程设计上，完整的评估工作流程包括明确评估基本事项、编制评估计划、实地及在线评估勘察、评估资料汇聚梳理、组织开展估算评定、编写提供评估报告、评估档案归档管理，本系统主要支撑在线评估勘察、组织开展估算评定和编写提供评估报告等步骤。针对评估专家、评估人员和系统管理员等不同角色，分别设计功能流程，通过系统实现的价值评估逻辑流程如图5所示。

图5 价值评估逻辑流程设计

3.2 系统实现

本文系统架构设计如图6所示。系统采用Java企业版作为开发工具和部署平台，保证跨平台性；采用基于SOAP协议和XML格式的Web服务作为与外部系统的集成接口，保证数据交换共享；采用B/S架构和HTML/CSS/JavaScript，保证应用在各类浏览器中的一致性；采用SSM+EXT框架，保证可扩展性和安全性；采用基于JDBC的数据库访问方式，保证跨数据库的可移植性。

图6 数据资产评估系统架构设计

系统提供全面的可视化编排工具，通过调用相关的数据、函数、计算过程、工具库，在符合评估规则逻辑的前提下，可以通过系统提供的模型管理组件来实现评估模型的定制，以满足实际业务运用。其评估方法管理界面如图7所示。

图7 评估方法管理界面

系统可根据评估的模板生成报告，呈现完整的评估结果，支持对报告做出评估意见的生成，针对报告情况给出评估结论。评估报告查看页面如图8所示。

图8 评估报告查看界面

系统可通过统计图表等数据可视化展示技术和多维数据统计分析，通过交互可视化大屏等展现方式，动态、实时、全面地掌控数据资产评估情况，如图9所示。

图9 数据资产评估系统统计分析界面

4 结 语

本文对数据资产评估的问题现状、系统框架构建和工具设计实现等做出研究，旨在为数据资产评估的体系构建和落地实施提供启示和参考。数据资产评估作为需持续研究的领域，本文仅是一个起点，仍有诸多未完善之处：一是评估方法设计有待进一步落地，包括各方法的适用性分析与论证、模型精细化设计、面向不同行业评估场景的指标体系设计等；二是评估技术研究有待进一步深入，包括技术框架构建、核心算法设计、安全的技术保障等；三是评估工具研发有待进一步产品化，并实现与数据资产管理、登记和运营等环节的相关支撑工具的共享交互和集成。