数字经济驱动下商业数据资产的价值评估研究

郭东东 梅舒扬 凌棚

摘 要：通过对传统的资产价值评估方法如成本法、收益法和市场法，与层次分析法进行优缺点比较分析，本文认为层次分析法比较适用于商业数据资产价值评估。在充分考虑影响商业数据资产价值相关因素的基础上，指出商业数据资产的构成指标，并探讨层次分析法在商业数据资产价值评估中的步骤。商业数据资产价值的评估及确定，是商业数据资产合理定价的基础，也是商業数据资产能够顺利进入市场交易的前提。

关键词：数字经济;数据资产;价值评估

本文索引：郭东东，梅舒扬，凌棚.数字经济驱动下商业数据资产的价值评估研究[J].中国商论，2021（24）：-128.

中图分类号：F224 文献标识码：A 文章编号：2096-0298（2021）12（b）--03

当前，我国已进入数字经济时代，发展数字经济对推动我国经济高质量发展具有十分重要的意义。数字经济时代下，数据作为一项能够带来收益的资产，已得到广泛的认可。当下，我国各类企业拥有海量的商业数据，如果这些数据能够实现资产化，那么就会产生万亿元量级的价值。商业数据作为企业重要的一项资产，应对其价值进行充分且准确的评估。只有在明确商业数据价值的基础上，才能对商业数据资产进行有效的开发利用，实现商业数据资产的经济价值和社会价值，促进我国数字经济的发展。

与传统概念的资产比较，商业数据资产具有虚拟性、共享性和可复制性等特点，这些特点导致评估商业数据资产价值具有一定的复杂性和难度。商业数据资产有巨大的经济价值，但是目前由于评估方法不当，导致大量商业数据资产的价值被低估，甚至有些商业数据资产的价值没有得以体现。商业数据资产的价值扭曲，必然会阻碍我国数字产业化和产业数字化的实现，阻碍我国数字经济的发展。基于此，对商业数据资产价值的评估进行研究，合理评估商业数据资产的准确价值，具有十分重要的经济意义和现实意义。

1 商业数据资产评估方法比较

目前，对于商业数据资产属性的界定，大多数学者将其归为无形资产。所以，对商业数据资产进行评估，可以采用无形资产的评估方法。传统的无形资产评估方法包括成本法、收益法和市场法，此外还有层次分析法等评估方法。

1.1 成本法

成本法具体细分的话，可以分为历史成本法和重置成本法。历史成本法下商业数据资产的价值，指的是为获取商业数据资产所付出代价的价值。这种方法评估商业数据资产价值的缺点是不能及时准确地反映出商业数据资产当下价值的变化。重置成本法下商业数据资产的价值，指的是当下重新获取商业数据资产所付出代价的价值。

成本法是资产评估中一种比较传统的评估方法，也是应用较多的评估方法之一。优势是方法应用比较简单，评估数据具有可靠、客观的特点。但是，不能准确地反映资产当下的价值是成本法一个致命的缺点。当前，大部分学者虽然将商业数据资产归为无形资产，但是商业数据资产具有获取成本低、自身价值高的特点。此外，商业数据资产的价值并不仅仅依赖于成本，其价值更多来自数据的流通和应用带来的增值。所以，成本法在商业数据资产价值评估中的适用性并不强。

1.2 收益法

收益法是指将被评估对象未来所产生的现金流量按照一定的折现率，折现到现在的价值作为被评估对象价值的一种资产评估方法。收益法的优点是在评估资产价值时，能够较为准确地反映出资产的真实价值。但是，收益法的应用有两个前提条件，一是能够准确确认被评估对象未来的现金流量，二是选择合适的折现率。如果上述两个前提条件不能满足，那么运用收益法进行价值评估时就得不到被评估对象真实的价值。

商业数据资产作为一项特殊的无形资产，其价值更多来源于市场上的交易和应用，这样就导致商业数据资产未来的现金流量难以准确地被确认。因此，收益法在商业数据资产价值评估中的适用性也不太强。

1.3 市场法

将被评估对象与最近在市场上出售的类似参考对象进行比较找出差异，根据差异对参考对象最近市场出售的价格进行调整，从而确定被评估对象价值的评估方法就是市场法。使用市场法评估商业数据资产价值，同样需要满足两个前提条件，一是有一个公开且有效的商业数据资产交易市场，二是最近要有一个与被评估商业数据资产差异很小、可用于参考的已交易商业数据资产。

市场法在欧美发达国家是常用于资产评估的一种方法，但是在我国，市场法相较于成本法和收益法并不常用，原因是我国的资产交易市场与欧美国家相比并不发达。数据资产作为一项新型的资产形式刚被世人认识，商业数据资产交易市场还处于初始阶段，一个尚未有效的市场不能合理、准确地确定商业数据资产的价值。此外，由于商业数据资产的特殊性，很难找到与其相似可用于参考的交易案例。所以，市场法同样不适用于评估商业数据资产的价值。

1.4 层次分析法

层次分析法指的是将复杂问题根据问题的性质和所要达到的目的拆分成若干个部分，然后根据各部分的特性和相互之间的关系将它们归纳为层次结构，接着采用一定的方法和程序对各部分进行比较、评价，确定一个重要性的排序，最终构建一个多层次的分析模型。

层次分析法自身的特点，决定了其比较适用于被评估对象难以定量分析的情形。对于商业数据资产这种比较特殊的资产形式，层次分析法能够做到在准确考虑其资产特性的基础上，充分分析影响商业数据资产价值的各因素，提高商业数据资产价值评估的准确性和科学性，并提高商业数据资产价值评估工作的效率。

基于层次分析法在评估商业数据资产价值上的优势，主要探讨商业数据资产价值的影响因素及其构成指标，在此基础上，分析层次分析法在商业数据资产价值评估中的步骤。

2 商业数据资产价值影响因素

2.1 数据数量

一般而言，商业数据资产中的数据数量越多，资产价值就越高。但是，数据数量与商业数据资产价值并不一定是正线性关系。因为，有时商业数据资产中包含大量的无用数据，这就导致虽然商业数据资产的数据量很大，但是价值不高。反之，有时商业数据资产的数据量不大，包含数据却有较高的价值，也就使得商业数据资产具有较高的价值。所以，数据数量是影响商业数据资产价值的一个重要因素，但并不是唯一因素。

2.2 数据质量

数据质量的高低会对商业数据资产的成本产生较大影响，进而影响到商业数据资产产生的收益及最终的价值。数据质量较低的商业数据资产，在数据获取、数据清洗和数据挖掘、分析各个方面，都会加大工作量和处理难度，导致商业数据资产的开发成本大大增加，从而降低商业数据资产的价值。因此，数据质量是影响商业数据资产价值的一个非常重要的因素。

2.3 数据共享性

数据共享性指的是不同使用者可以同时在不同的情况下使用同一商业数据资产。商业数据资产的数据共享性越高，商业数据资产的价值就越高。商业数据资产并不会随着使用次数的增加而发生损耗，反而商业数据资产的使用次数越多产生的价值就越大，带来的社会和经济效益就越高。在数字经济时代，同一时间商业数据资产的使用者越多，其自身的价值也就越大。可见，数据共享性是影响商业数据资产价值的一个重要因素。

2.4 数据相关性

将一项商业数据资产与其他商业数据资产结合使用时，通常会产生一加一大于二的效果，带来更大的社会价值和经济价值。当一项商业数据资产与其他商业数据资产越具有相关性时，该商业数据资产越容易与其他商业数据资产整合使用，所具有的价值也就越高。所以，商业数据资产的数据相关性，也是影响商业数据资产价值的一项因素。

2.5 数据时效性

数字经济时代下，计算机和互联网等高新技术更新换代的速度越来越快，新兴的经济现象和商业模式层出不穷，因此，数据时效性对商业数据资产价值的影响也越来越大。商业数据资产的数据时效性越强，获取的数据越新、越及时，商业数据资产的价值也就越大。因此，数据时效性也是影响商业数据资产价值的一项因素。

2.6 数据应用性

获取数据之后经过数据的挖掘和分析，商业数据资产已具备一定的经济价值和社会价值。但是，商业数据资产最终价值的大小受到数据应用性的影响。商业数据资产的应用范围越广、应用效果越好，商业数据资产的最终价值也就越高。所以，数据的应用性同样是影响商业数据资产价值的因素。

3 商业数据资产价值构成指标

3.1 商业数据资产价值指标

商业数据资产价值的指标可以从商业数据资产规模性、颗粒性和有效性三个方面进行构建。数据数量和数据共享性两个因素构成商业数据资产规模性指标，商业数据资产规模性指标与商业数据资产价值成正相关关系。数据质量和数据时效性两个因素构成商业数据资产颗粒性指标，商业数据资产颗粒性指标与商业数据资产价值成正相关关系。数据相关性和数据应用性两个因素构成商业数据资产有效性指标，商业数据资产有效性指标与商业数据资产价值同样成正相关关系。从数据规模性、颗粒性和有效性三个角度对商业数据资产价值进行考量，能够比较全面、准确地反映商业数据资产的价值。

3.2 商业数据资产价值指标计量

商业数据资产规模性指标中主要的影响因素是数据数量，因此对于商业数据资产规模性指标的计量主要是对商业数据资产中数据数量的考量。基于商业数据资产中的数据数量，采用十分制进行主观评价，得分越高代表商业数据资产规模性越高，将商业数据资产规模性的得分乘以单位价格，就能够得出商业数据资产规模性价值。

数据质量和数据时效性是构成商业数据资产颗粒性指标的两个因素，其中数据质量较高会使得商业数据资产开发成本较低，进而使商业数据资产价值得以提高。基于及时较新的数据形成的商业数据资产，其价值一般也较高。对于该指标，采用专家评分法以满分十分的方式对其价值进行评估。

商业数据资产有效性指标中包含数据相关性和应用性两个因素，一项商业数据资产与其他商业数据资产的相关性越强，越能够带来更大的增值。此外，商业数据资产的应用性越强，其价值也就越大。该指标同样采用专家评分法以满分十分的方式，对商业数据资产有效性价值进行评估。

4 层次分析法步骤

若将层次分析法应用到商业数据资产价值评估中，首先应把一个复杂的问题拆分成若干部分，每个部分可以再进行拆分，如此就会构成一个层次结构。其次依据层次结构中每个指标的重要程度构建判断矩阵，并进行一致性检验。最后，对层次结构进行重要性权重排序。

4.1 构建层次结构模型

层次分析法一般构建最高层、中间层和最底层三个层次的结构模型，最高层一般指出需要解决的主要问题或者决策目标，因此也叫做目标层。中间层是针对目标层的指标设计，最底层是针对中间层需要考虑的影响因素。关于商业数据资产价值评估的层次结构模型，目标层为商业数据资产价值，中间层为影响商业数据资产价值的相关指标，最底层为针对相关指标的有关商业数据资产价值影响因素。其中，最底层的商业数据资产价值影响因素，可以通过咨询专家法或调查问卷法获取。

4.2 设计判断矩阵

判断矩阵是根据层次结构模型中的指标和因素进行设计的，反映的是层次结构中下一层次因素对上一层次因素的相对重要程度。判断矩阵中，一般采用数字1～9及其倒数来表示下一层次因素对上一层次因素的相对重要程度，重要程度与数字的大小成正比例关系。

4.3 判断矩阵一致性检验

由于多阶段判断存在主观性等原因，可能会导致判断矩阵中相关因素之间存在不兼容、不一致的现象。所以，判断矩阵应用的前提是需要进行一致性检验。判断矩阵一致性程度是通過判断矩阵的特征值和正负情况来衡量的。如果判断矩阵一致性检验未能通过，就需要对判断矩阵中各因素之间的关系重新进行赋值。如此反复进行尝试，直至判断矩阵一致性检验通过。

4.4 层次结构中各因素权重排序

首先，依据重要性程度确认中间层指标对于目标层的权重。其次，同样根据重要性程度确认最底层各因素对其所对应中间层指标的权重。再次，从下往上通过逐层计算，可以得出最底层各因素相对于目标层的重要性权重。最后，根据最底层各因素对于目标层的重要性权重，对各因素进行排序。

5 結语

首先，在对传统资产价值评估方法进行充分比较分析的基础上，本文认为层次分析法适用于商业数据资产价值评估。其次，对影响商业数据资产价值的各因素进行分析，提出了影响商业数据资产价值的相关指标。最后，对层次分析法在商业数据资产价值评估中的步骤进行了探讨。

参考文献

[1]韩海庭，原琳琳，李祥锐，等.数字经济中的数据资产化问题研究[J].征信，2019，37（4）：72-78.

[2]张志刚，杨栋枢，吴红侠.数据资产价值评估模型研究与应用[J].现代电子技术，2015，38（20）：44-47+51.

[3]王建伯.数据资产价值评价方法研究[J].时代金融，2016（12）：292-293.

[4]康旗，韩勇，陈文静，等.大数据资产化[J].信息通信技术，2015，9（6）：29-35.

基金项目：陕西省教育厅科研计划项目资助：数字经济驱动下商业数据资产化路径研究（21JK0265）。

作者简介：郭东东（1988-），男，汉族，河南淮阳人，硕士研究生，会计师、资产评估师，研究方向：公司治理及资产评估;

梅舒扬（1998-），女，汉族，四川南充人，本科在读，财务管理专业;

凌棚（1997-），男，汉族，贵州六盘水人，本科在读，财务管理专业。

Research on the Value Evaluation of Commercial Data Assets Driven by the Digital Economy

Xi’an Eurasia University

GUO Dongdong  MEI Shuyang  LING Peng

Abstract： By comparing the advantages and disadvantages of traditional asset value evaluation methods such as cost method， income method and market method with analytic hierarchy process （AHP）， this article believes that AHP is more suitable for commercial data asset value evaluation. On the basis of fully considering the relevant factors that affect the value of commercial data assets， it points out the constituent indicators of commercial data assets， and discusses the steps of the AHP in the value evaluation of commercial data assets. The evaluation and determination of the value of commercial data assets is the basis for reasonable pricing of commercial data assets and a prerequisite for commercial data assets to enter the market smoothly for transactions.

Keywords： digital economy; data assets; value assessment