生命周期视角的数据资产评估方法及其适用性研究

■权忠光 梁 雪 邵俊波 崔 婧

（1.北京中企华资产评估有限责任公司，北京 100020；2.中国航天科工集团有限公司，北京 100048；3.北京联合大学管理学院，北京 100101）

自党的十九届四中全会决议首次将数据增列为生产要素以来，国家多次提出和强调培育发展数据要素市场的重要性。2022 年1 月，国务院印发《“十四五”数字经济发展规划》，其中一项重点任务是充分发挥数据要素作用，加快数据要素市场化流通，创新数据要素开发利用机制。数据资产价值评估和定价机制的建立是数据要素资产化和数据价值实现的关键[1]。本文基于数据资产的不同生命周期阶段，系统考察数据资产评估方法的适用性，为选择合适的、可行可靠的评估方法提供借鉴，满足商业现实中对于数据资产评估的迫切需要，为数据要素市场的交易定价提供基准和参考，进一步推动产业数字化和数字产业化，加速数据要素市场发展[2]。

一、数据资产评估方法概述

数据资产是由特定主体合法拥有或者控制，并且能带来直接或者间接经济利益的数据资源。数据资产作为数据要素的资产化体现，其参与生产经营活动产生了价值增值，从而可以通过剥离与计量，来体现其经济贡献。数据资产强调其数据资源属性，具有能确权、可辨认、可加工、可共享和价值易变性等特征，这也决定了数据质量、应用场景和商业模式等因素在很大程度上会影响数据资产的价值。作为一项资产，数据资产应采用适当的方法来进行评估，明确其价值大小[3]。一般而言，数据资产价值的评估方法包括成本法、收益法、市场法和其他方法[4]。

（一）成本法

成本法的理论基础在于数据资产的价值取决于重新购建数据资产的现行成本，即重置成本扣除一定的贬值即为数据资产的价值[5]。采用成本法评估数据资产价值时，可综合考虑数据资产的成本与预期使用溢价，加入数据资产价值影响因素，即投资回报率R 和数据效用U 来对资产价值进行修正，建立一种数据资产价值评估成本法模型[4]。

（二）收益法

收益法的理论基础是预期原理，基本思路是首先估算预期数据资产所贡献的现金流，再选择合适的折现率来估算数据资产价值。确定数据资产预期收益时遇到的困难是如何将数据资产和其他资产产生的预期收益区分开，在解决此问题时可采用超额收益法[6、7]、增量收益法[8]。

（三）市场法

市场法使用的前提是存在公开活跃的交易市场，存在可参照交易数据来选择可比交易价格。在估算可比参数或者修正系数时，衍生改进的思路包括：采用层次分析法和灰色关联分析法来选取指标[9]；结合模糊层次法来构建修正系数的影响因子矩阵[10]；引入多维偏好线性规划分析模型来计算价格质量比率作为可比参数[11]。

（四）其他方法

除了在三种传统方法基础上进行衍生改进的探索外，还有一类方法是基于数据资产自身的技术特点，从评估数据质量的各个维度来建立评价指标体系，综合评分得到数据资产价值指数[12、13]。此外，还有基于实物期权模型[14]、梅特卡夫定律[15]、大数据合作资产理论[16]以及人工智能深度学习技术[17]在数据资产评估方法和模型上进行了创新研究。

二、数据资产评估方法选择主要影响因素

影响评估方法选择的因素包括评估目的和价值类型、评估对象、评估方法的适用条件、评估方法应用所依据数据的质量和数量等。本文结合数据资产特点，重点分析数据资产评估目的、数据资产实现价值的商业模式和数据所处生命周期三个影响因素。

（一）数据资产的评估目的

执行数据资产评估业务时需要分析评估方法的适用性，选择评估方法首先要考虑评估目的，即评估行为发生的需求。本文结合数据资产权利人或控制方、数据资产流通过程中供需双方等数据资产实现价值化过程中各方参与者对数据资产评估的常见需求，进一步将评估目的分为：内部数据管理、内部会计核算、外部交易流通、外部出资入股，见图1。

数据管理：随着许多行业数据资产管理进入到数据资产运营阶段，数据已经成为企业核心的生产要素，数据不仅可以满足企业内部各种业务创新，而且已逐渐成为在企业外部提供服务的数据产品。为了满足企业内部管理和治理数据、提升数据利用效率、实现数据资产的保值和增值，可以计算数据资产价值指数。

会计核算：数据资产纳入会计核算系统既是可能的也是必要的。数据资产的初始计量、后续计量均需要考虑用哪种方法评估能更客观公允地反映数据资产的价值[18、19]。

交易流通：数据资产的价值实现，一方面可以将数据资产作为生产要素与其他资产一起参与产业链各个环节，成为企业提供产品和服务的价值组成部分，通过为传统业务附加收益来实现，还可以直接将数据资产作为数据产品进行交易转让。此时，数据资产的价值体现为交易价格，数据资产评估主要为了满足交易需求。

出资入股：在企业间投资并购或者出资入股业务中，数据资产往往也会成为标的资产，此时也需要选择合适的评估方法以满足数据资产出资入股确定对价的需求。

（二）数据资产实现价值的商业模式

除了考虑评估目的外，还要结合数据资产实现价值的商业模式来分析评估方法的适用性。数据资产的存在形式可分为数字、图片、视频、音频、文本、网页、程序等不同类型，既有企业经营活动过程中产生的数据，也有通过与其它实体共享或利用计算机技术获取的数据；产生实时数据的企业，既包括电信、金融、房地产、医疗、政务、交通、物流等部门，也包括电力、气象、制造等传统行业，又包括电子商务平台、社交网站等互联网行业。行业类型划分并不意味着某一个行业可以采用相同的数据资产评估方法。商业模式将对数据资产价值产生重要影响。本文从数据资产是否为核心资产以及数据资产实现价值的主要驱动因素角度，对数据资产实现价值的商业模式进行划分，具体如表1：

表1 数据资产实现价值的商业模式

续表

（三）数据资产所处的生命周期

基于数据自身的技术属性，数据的生命周期包括数据从产生、存储、维护、使用到消亡的整个过程。为了使各阶段典型特征与价值实现和评估方法联系起来，本文借鉴传统资产生命周期的划分方式，从数据资产价值实现的过程将其生命周期划分为四个阶段：开发阶段、赋能阶段、活跃交易阶段和处置阶段。各个阶段数据资产特点如表2 所示：

表2 数据资产所处的生命周期特征表

续表

尽管我们基于选择适用评估方法的目的将数据资产的生命周期做了划分，但四个阶段并没有严格的界限，往往某一个单项或组合的数据资产有明确的经济价值且同时有活跃的交易市场，也可能开发阶段完成就因为继续投入不经济从而直接进行处置。因此，在选择适用的评估方法时，还需综合考虑评估目的及实现数据资产价值的商业模式等因素。

三、基于生命周期的数据资产评估方法适用性分析

（一）开发阶段数据资产评估方法适用性分析

处于开发阶段的数据资产因其商业模式和经济价值尚不明确，未来的预期收益还不确定，也基本不可能进入交易流通环节，没有活跃的交易市场，评估目的主要为了满足内部数据管理和会计核算的需要，评估方法如表3：

表3 开发阶段不同评估目的数据资产评估方法适用性

续表

（二）赋能阶段数据资产评估方法适用性分析

数据资产在赋能阶段开始产生经济价值，基于预期原理，首选收益法评估思路。但考虑到数据资产实现价值的商业模式有多种，其中影响数据资产价值的主要驱动因素不同，此阶段重点考虑实现数据资产价值的不同商业模式来分析评估方法的适用性，见表4。

表4 赋能阶段不同商业模式数据资产评估方法适用性

（三）活跃交易阶段数据资产评估方法适用性分析

根据数据资产所处生命周期，数据资产产生经济价值后，必然会有交易流通的需求。产生交易的初期交易价格往往通过协议定价或者博弈竞价的方式达成，此时如有必要仍可采用收益法思路评估数据资产价值。如果能获得可比交易实例，则可以采用市场法思路进行评估。等到数据资产交易频繁，可以抓取大量交易数据，结合人工智能技术，融入深度学习算法，将数据资产自身特征、数据资产购买方对数据资产的运用、宏观经济以及其他指标作为输入值不断学习训练数据，以大量实际成交价格作为检验，建立具有较高预测精度的数据资产交易价格预测模型。此阶段主要考虑基于外部交易流通和出资入股需求的评估方法适用性分析，见表5：

表5 活跃交易阶段不同评估目的数据资产评估方法适用性

续表

（四）处置阶段数据资产评估方法分析

数据资产因运营不善发生贬值，出于时效性考虑需要进行更新，或者继续投入研发、存储和维护带来的成本甚至超过了收益，此时再持有数据资产变得不经济，那么就需要对数据资产进行处置。处置阶段数据资产因其准备随时出售，评估思路可参照会计核算中存货可变现净值的估算方法。首先，估算对数据资产预计处置日的估计处置价格，可结合最可能的处置方式选择市场法思路来估算；其次，减去为处置该资产需要额外发生的处置费用，包括交易成本、税费等，从而得到预计处置日的可变现净值；最后，将其通过合适的折现率折现以得到数据资产于基准日的评估价值。

四、结语

本文基于数据资产所处的生命周期视角，结合数据资产评估目的和实现价值的商业模式探索了各种评估方法的适用性，建立起一套针对常见数据资产评估需求的方法体系，为之后进一步理论探讨及评估实务提供了参考和借鉴。我们认为，对于适用性的分析，没有绝对的适用性，仅是某一个阶段某一种评估目的或实现价值的商业模式下相对更适合，而且在运用评估方法时也要尽可能避免其局限性。此外，政务数据和公共开放数据具有普惠性特征，其社会效益高于经济价值，与以企业为主体来探讨的数据资产评估方法差异较大，因此本文没有将其纳入评估方法适用性的探讨。最后，本文写作过程中也发现，随着数字产业化和产业数字化的加快推进，数据资产实现价值的商业模式、数据资产类型等会继续发生变化或产生新的模式和类型，数据资产评估的方法也要进行融合和创新，可以将传统评估方法融合到一起，也可以借用其它领域的理论或方法与传统方法进行交叉研究。