信息服务企业数据资产价值评估研究——以同花顺公司为例

■ 于艳芳 陈泓亚

（河北大学管理学院，河北 071002）

一、引言

互联网的高速发展将人类带入信息时代，而从信息到数据，是云计算、人工智能技术发展背景下，数据指数增长的结果。数据拥有非竞争性和规模效应的特点，能够提高企业经营效率和内生增长率。现代企业开始发展数据化思维，例如，传统行业进行数据监控分析来提高传统企业经营绩效，服务行业通过大数据分析来提高消费者服务体验。为了进一步完善我国要素市场，满足经济发展的不断变化，我国生产要素从四大传统要素变为土地、劳动力、资本、技术和数据五大要素。数据这一新的生产要素的产生，意味着生产力的发展与数据要素的发展息息相关，数据资产将会为企业未来的发展提供动力，成为财富新高地。2021 年中国大数据网发布的《2021 大数据产业白皮书》中显示，截至2021 年8月31 日，在完成入库的16 565 家大数据企业中，信息传输、软件和信息技术服务业的大数据企业最为集中，有7 225 家，在全部入库的企业中占比高达43.60%。信息服务行业作为信息传输、软件和信息技术服务业的重要部分，是数据资产化的重点行业，因此对数据资产进行研究，离不开对于信息服务企业数据资产的研究。

信息服务业是大数据企业高度集中的行业，行业深入挖掘数据资源的开发利用，高度依赖数据资产的发展。一方面，许多企业通过借助数据挖掘与处理技术，整合已有数据资产开发智能产品；另一方面，企业通过数据收集提供行业咨询报告，或对其他企业提供有偿咨询报告的手段，实现数据资产变现。数据资产化可分为四个环节，分别为数据基础能力、业务数据化、数据资产化和数据资产管理。现代企业大多停留在前两个环节，处于数据资产的形成阶段，数据资产化与管理处于成长的初级阶段。虽然行业规模正在快速发展，但数据资产的商业模式尚不清晰，数据资产的交易平台也有待发展，行业监督机制也不够健全。数据资产价值评估的相关研究有助于促进商业模式的完善、交易平台的发展与行业的监督，因此研究信息服务企业数据资产价值评估有利于企业数据资产管理的发展。

大数据具有容量大、多样、复杂等特点，因此数据资产价值评估研究具有复杂性。同时，由于数据资产评估中存在成本难以衡量、使用年限难以确定、价值密度与质量难以确定等问题，利用传统方法对数据资产价值进行评估具有难度，还有许多亟待解决的问题。因此，研究数据资产价值评估有利于对评估理论的进一步发展。

二、国内外文献综述

（一）关于数据资产概念及权属方面的研究

在互联网快速发展的时代，数据资产的重要性日益凸显，成为企业不能缺少的重要资产之一。李雅雄和倪杉（2017）认为数据资产被认为是一种可衡量的数据资源，经过处理后，可以根据特定业务目的为企业带来经济利益，具有可数据化、时效性、更新性等特征[1]。朱扬勇和叶雅珍（2018）总结数据资产的发展过程，分析数据资产的属性，认为数据资产从物理和存在上表现为有形，从信息属性上来看具有无形资产的特点，是有形资产和无形资产的结合体[2]。李泽红和檀晓云（2018）同样认为数据资产需要归属于无形资产之中，并且应计入财务报告中进行确认和后续计量、报告和处置[3]。阮咏华（2020）对数据资产的确权、权属和归属途径等问题进行了分析，认为只有符合资产特点的数据才能确定为数据资产[4]。侯彦英（2021）从广义、管理学和会计学三层含义上对数据资产进行划分，认为只有具备会计学意义的数据资产，才能参与到要素市场中来，进行要素市场分配[5]。

权属问题也是数据资产研究中的重要方面。王玉林和高富平（2016）对于数据资产的归属问题展开了探讨，结合邻接权客体说、财产权客体说和数据资产说，强调大数据具有财产性数据，且是数据控制人的资产[6]。武长海和常铮（2018）认为数据权的归属争议在于，数据资产应当属于数据所有者还是数据控制者，要解决两者之间的矛盾需要在保护个人数据安全的情况下，实现数据的应用价值[7]。此外，姚佳（2019）认为数据权属的确定难点在于个人与企业的利益冲突，因此数据的利用准则的确定，需要满足不同场景下的经济效益与法律边界[8]。何柯等（2021）认为数据资产不仅来源于数据本身的积累，而且离不开劳动赋权，因此有必要对数据权属进行分层，平衡数据的隐私安全与利用效率[9]。

（二）关于数据资产价值评估方法的研究

数据资产价值评估的核心在用确定数据资产价值的来源。Chris（2010）认为信息的经济价值来源于节省的资源和系统中的其他成本，可以从会计的角度衡量节省的成本、时间和空间，也可以从剥夺价值的角度考虑资源的经济价值[10]。Toygar 等（2013）对“数字资产”概念进行了研究和阐述，认为数字资产已经是数字社会的一部分，社交媒体账户、云存储以及通过互联网存储在图书馆和金融服务中的数字信息，使数字资产比以前更有吸引力、更方便、更有价值[11]。Heckman（2015）通过定性和定量方法的结合，建立了数据属性与给定数据集的价值之间的数据定价模型，认为数据成本、数据年限、数据完整性、数据容量和数据准确性是影响数据资产价值的关键因素[12]。在B-S 定价模型评估数据资产价值的研究过程中，翟丽丽（2016）通过B-S 期权定价模型中关键参数的改进，评估中关村大数据交易联盟的数据资产价值[13]。在传统方法的选择上，李永红和李金骜（2017）研究互联网企业数据资产特性，描述了成本法、收益法和市场法在互联网企业数据资产评估时的表现形式[14]。闭珊珊等（2020）通过在传统的评估方法中加入层次分析模型，实现模型的修正[15]。李春秋（2020）认为采用以业务量为基础的收益法评估数据资产，同时可以借助成本法的评估结果，来规避收益预测误差所导致的评估结果不准确[16]。李诗等（2021）以龙马环卫为例，讨论了数据资产的会计处理模式，认为初始计量采用增量收益法进行计量，后续计量不考虑摊销但需进行减值测试[17]。嵇尚洲和沈思韵（2022）将情景法运用于互联网企业数据资产价值评估之中，并选取东方财富作为评估案例，探索互联网+证券服务企业数据资产价值[18]。

（三）关于数据资产管理方面的研究

数据资产管理对于现代企业有重要意义，通过优化企业数据资产的管理方式，可以提供企业经营效率，降低企业成本。Ikbal（2016）认为数据是企业最有价值的资产，在大数据环境中，评估数据质量具有挑战性，因此通过对大数据集应用采样策略，将数据大小减少到具有代表性的总体样本，以进行快速质量评估[19]。Fleckenstein（2018）认为企业成功的关键在于是否有效地使用数据来降低风险、增加收入和控制成本，因此企业有必要进行数据资产管理[20]。Hannila 等（2019）从产品组合管理的角度将数据资产分为主数据、交易数据和交互数据，认为数据资产拥有在产品组合管理中用于数据驱动、基于事实的决策的潜力[21]。Niels 和Adam（2020）提出数据资产的显着特征是具有高价值弹性，并反思了数据资产的生产及其增值机会的不平等分配[22]。宋杰鲲等（2021）采用EDAV 模型，建立数据成本、价值表现、服务价值三个方面建立评价指标体系，帮助实现企业数据资产管理[23]。

总结国内外研究综述，可以发现学者在数据资产概念上强调数据的资产特性，因此数据能否成为数据资产，其核心在于所产生的数据是否实现资产化。此外，有学者认为数据资产应该进行会计化处理，进行确认、计量和报告，其中数据资产的会计计量涉及到数据资产价值的确认。数据资产化为数据资产管理奠定了基础，在数据资产管理中，数据质量的管理是研究的重点。数据资产价值评估的方法研究中，学者主要采用三种方法：其一是采用B-S 期权定价模型，其二是通过传统方法与层次分析法结合的方式，其三是采用修正的传统方法进行评估。通过传统方法与层次分析法结合的方式进行研究，是多数学者采用的方法。同时，现有研究主要针对于互联网、发电企业、政府等的数据资产研究较多，而对数据资产紧密联系的信息服务企业数据资产的研究较少，因此有必要加强其研究。由于数据资产评估理论还不成熟，评估实践也并不丰富，因此对于数据资产价值评估的继续探索十分必要。

三、信息服务企业数据资产价值评估方法分析

（一）信息服务企业数据资产价值评估方法选择

中国市场数字化建设程度不断深入，越来越多的企业建立并积累了基于自身业务的数据资源。企业通过整合数据，实现数据全流程治理、分析、可视化，来辅助企业决策与运营。同时，尝试将数据转变为商品，实现收入目标，从而完成数据资产化的过程转变。信息服务企业一般拥有规模较大、历史数据丰富的数据库资源，涵盖了互联网用户数据、新闻资讯、公开数据、非公开数据等结构化和非结构化数据等各种类型数据，因此通过对数据资产的利用可以实现数据资产的变现。信息服务企业的商业模式可以分为以下两种：一是直接提供数据或者技术攻关，通过建立数据库资源，或者将数据与软硬件结合形成产品进行销售或者获取服务；二是提供独立的数据服务，即通过对拥有的数据资源，进行资源的整合、分析，从而进行数据挖掘，以提供第三方个性化服务。

多期超额收益法适用于数据资产商业化模式成熟的企业，表现为数据资产已成为企业的核心资产，实现了营销变现，同时也产生了占领市场、提升市场核心竞争力的社会价值和品牌效应，数据资产价值完全体现在企业的现金流中。在信息服务企业中，数据资产与其他资产共同发挥作用，服务企业产生收益，因此采用多期超额收益法确定数据资产，需要识别其他资产对于企业的贡献，从而确定属于资产的贡献水平。信息服务企业的资产结构有明显的特点，由于与互联网行业紧密联系，表现为固定资产较小、无形资产较大的特点，尤其是企业可能存在较多的表外无形资产。对于采用超额收益法对信息服务企业数据资产进行评估而言，合理的扣除表外无形资产对企业经营的贡献是其中的重点和难点。

（二）多期超额收益法的评估思路及计算公式

1.评估思路

多期超额收益法运用于数据资产评估的基本思路是，识别数据资产运用于企业的商业模式，获得数据资产与其他资产共同产生的现金流，通过剥离数据资产以外的其他资产的贡献额，得到企业数据资产的超额收益；在此基础上，合理选择数据资产折现率与收益期，得到企业数据资产的整体价值。信息服务企业数据资产价值评估的准确性，取决于各个参数取值的准确性。在数据资产超额收益的确定中，要准确预测各类资产的贡献额，需要取得各类资产合理的投资回报率以及识别企业存在的各种表内外资产。对于折现率的确定思路，由于数据资产交易市场还不够完善，因此无法合理的倒算出数据资产折现率，因此可以采用无形资产折现率代替数据资产折现率。

2.计算公式

多期超额收益法以资产的超额收益为计算基础，具体公式如下：

四、信息服务企业数据资产价值评估案例分析

（一）案例背景

选取浙江核新同花顺网络信息股份有限公司作为案例分析对象，其原因在于软件与信息技术服务业对经济社会发展具有重要的支撑和引领作用，互联网金融信息服务行业作为软件与信息服务行业的一个重要分支，正处于高速发展的机遇期。随着居民财富的不断增大，理财意识的不断增强，对于金融产品和金融信息需求不断增加，因此我国金融信息服务市场容量不断扩大，金融信息服务企业的经营模式和盈利模式不断完善，并形成了从数据获取、数据处理到信息智能加工整合等较为完整的产业链。同花顺作为金融信息服务行业的领先企业，不仅专营于金融信息服务行业，而且发展也十分成熟，因此选取其信息服务企业数据资产评估案例具有代表性。

浙江核新同花顺（300033）网络信息股份有限公司，成立于2001 年，于2009 年在创业板上市。同花顺细分于软件与信息技术服务行业，主营互联网金融信息服务，主要通过信息技术向用户提供股票、基金等金融信息服务。同花顺产业链上游是各类信息提供商，产业链下游是各类机构与个人投资者。

（二）评估过程

选择2020 年12 月31 日作为评估基准日，评估对象为浙江核新同花顺网络信息股份有限公司的全部数据资产价值，评估范围为同花顺全部的数据库资源，以及由庞大客户资源产生的大数据资源，目的是为浙江核新同花顺网络信息股份有限公司的全部数据资产价值确定提供参考依据。

1.数据资产收益期的确定

理论上，数据资产具有可重复性和非损耗性，应存在于企业经营的整个过程，但由于数据本身具有时效性，评估企业在一个时点上的数据资产价值时，现存的数据资产发挥的价值应该是有限期的。数据资产的形成还离不开数据资产化工具的发展，数据资产化工具包括了将元数据进行采集、储存、处理到实现数据资产应用全过程所需要的工具。根据数据资产化过程可以将数据资产化分为数据采集、数据储存、数据分析与可视化、数据融合与决策四个数据资产化阶段，每个阶段所需的技术会随着时代的发展而更新，所需的技术环境发展周期在十年左右。因此，根据现代科技发展规律和数据资产化工具的发展历程，确定数据资产的收益期为十年。

根据同花顺企业数据资产的利用、积累程度，假设同花顺未来数据资产积累与更新保持稳定水平，同时公司营销和服务能够保持用户粘性，将同花顺数据资产未来收益期分为两个阶段：2021-2025 年的预测期和2026-2030 年的稳定期。

2.数据资产折现率的确定

折现率的内涵包含着投资者对于资产的预期，但数据资产作为企业整体的一部分，很难直接测算其回报率。因此，采用WACC（Weighted Average Cost of Capital）倒算的方式进行测算，即回报率拆分法。回报率拆分法的核心在于分析企业的利润来源，企业资产包括固定资产、无形资产和流动资产，因此将回报率拆分成固定资产回报率、流动资产回报率和无形资产回报率，因此，无形资产回报率为：

（1）加权资本成本的确定（WACC）

WACC 的公式为：

加权资本成本的计算涉及股权和债权回报率的计算。对于股权回报率，采用经典模型CAPM 进行计算，采取可以忽略风险的国债收益率作为无风险利率，中债国债到期收益率曲线，2020 年12 月平均十年期的为3.24%。对于市场风险溢价的估算，可以从市场回报率的角度进行计算，根据2011-2020 年十年的市场数据，可以得到平均市场收益率7.7%。在特有风险中，可以具体细化为公司规模溢价和特有风险溢价。公司规模对溢价有较大影响，规模较大的企业有较大的抗风险能力。此外，还包括一些非系统性风险，如经营管理风险等。同花顺是一家资产规模超10 亿元大型公司，公司面临的特有风险比较小，综合考虑同花顺的企业规模、经营管理和抗风险能力后，选择1.5%作为公司特有风险超额收益率的值。通过查询RESST 数据库，同花顺在2020年的值为1.4389。汇总相关指标的取值，可以得到同花顺的股权回报率为11.16%。

债权投资回报率实质是债权投资者期望的投资回报率。在最优资本结构下，企业拥有最优的债券回报率，因此选用五年期LPR，即4.65%作为债权投资回报率。因为同花顺为高新技术企业，在理想状态下企业税率为15%，因此债权资本成本产生的税盾效应为15%。

通过已经取得的股权回报率和债权回报率，以及同花顺的资本结构，根据公式（3）计算可得同花顺WACC 为9.21%。

（2）无形资产折现率的确定

流动资产是企业可以灵活运用的资产，保证了企业的流动性安全，是企业资产中必不可少的组成部分。因此，对于流动资产的回报率，可以选择银行一年期的短期贷款利率作为流动资产的回报率。一年期贷款利率为4.35%。同花顺涉及的固定资产折旧包括房屋及建筑物、电子设备、办公设施和运输设备及其他。一般固定资产折旧年限在5 年左右，因此，采用五年期银行贷款利率作为固定资产的回报率。五年期贷款利率为4.75%。

对于全部资产市场价值，可以采用股权价值（EV）与债权价值（DV）之和来表示。企业股权价值可以根据企业股票市场的表现来确认即：

全部市场价值等于股权价值与债权价值之和。李伊（2019）[24]基于两种模型对创业板限售股流动性折扣率进行研究，得出21 个月以上的限售股流动性折扣率为25.86%；李外（2019）[25]基于三种模型对创业板限售股流动性折扣率进行研究，得到限售期为2 年的流动性折扣率为36.28%，本文取两者均值31.07%作为同花顺限售股折扣率。无形资产市场价值等于全部市场价值减去固定资产与流动资产的市场价值，由此可以得到各类资产占比数据。将回报率拆分法的相关参数带入计算公式（4），可以得到同花顺无形资产折现率为9.85%。鉴于同花顺公司的数据资产较为稳定，个别风险非常小，所以直接取9.85%作为数据资产折现率，具体数据如表1所示。

表1 无形资产折现率

3.数据资产超额收益的确定

数据资产的超额收益等于企业自由现金流，扣除流动资产、固定资产贡献额、其他无形资产贡献额，因此要确定数据资产的超额收益，就要分别对企业自由现金流、流动资产贡献额、固定资产贡献额、其他无形资产贡献额进行测算。

（1）基于灰色预测法的企业自由现金流

对于企业自由现金流的预测一般采用销售收入百分比法，而其中的第一步是要实现企业营业收入的预测。对于企业收益预测来说，一般采用五年数据进行预测，较短的时间序列数据如果采取传统的平均方法或者线性回归的方法进行预测，可能存在较大偏差，而灰色预测模型适合小样本数据的预测，所以灰色预测模型能更好的适用这一背景下企业现金流的预测过程。通过同花顺2016-2020 年利润表营业收入数据，运用灰色预测模型对同花顺营业收入预测，数据如表2 所示。

表2 五年营业收入预测（单位：百万元）

采用销售收入百分比法对企业自由现金流运算所需的各项预测数据进行汇总，可以得到同花顺企业自由现金流量的预测数据，如表3 所示。

表3 自由现金流计算表（单位：百万元）

（2）各类资产贡献额的确定

企业总体贡献分别来自于企业流动资产、固定资产、表内无形资产和无形资产。要企业整体现金流中分离出数据资产贡献额，则需要分离出流动资产、表内无形资产以及非数据资产外的无形资产对企业的贡献情况。

①流动资产贡献额

流动资产具有在一个正常营业周期内变现、出售或者耗用，或在一年内变现等特点，因此流动资产的市场回报率一般可以采用一年期银行贷款利率。而流动资产每年的贡献额应是流动资产价值与流动资产回报率的乘积。

采用流动资产占总资产的百分比预测未来五年流动资产数据。2016-2020 年流动资产占总资产的比重趋势平稳，采用2016-2020 年五年平均的流动资产占比进行预测，比率为87.65%。通过灰色预测模型对同花顺2021-2025 年的总资产数据进行预测，流动资产占比采用87.65% 作为流动资产的计算依据，选择一年前贷款利率4.35%作为流动资产回报率，因此可以得到2021-2025 年流动资产对于企业的贡献额。

②固定资产贡献额

根据2016-2020 年相关数据，固定资产折旧占营业收入比率均值为1.71%，因此选取1.71%作为2021-2025 年固定资产折旧补偿率。在固定资产投资的回报方面，可以按照固定资产公允价值乘固定资产投资回报率的方法进行确定；其中固定资产投资回报率可按五年期贷款税前利率4.90%进行计算。固定资产损耗的补偿和固定资产投资的回报之和为固定资产贡献总额。

③表内无形资产贡献额

同花顺所拥有的表内无形资产比较单一，仅包括土地使用权。由于无形资产在经营过程中自身价值发生损耗，无形资产贡献也由两部分构成，分别是无形资产补偿回报和无形资产投资回报。根据2016-2020 年无形资产的历史数据可以看出，每年无形资产折旧额较小，所以在预测期不考虑无形资产补偿回报，表内无形资产贡献额只考虑投资回报的部分。

④表外无形资产贡献

I.专业技术与著作权

根据同花顺2021 年年度报表可知，企业拥有多项服务于软件的专业技术与著作权，截至2020年12 月31 日，已累计获得自主研发的软件著作权315 项，非专利技术131 项，形成了明显的技术领先优势。通过对企业营业收入的产品分类，可以发现企业存在软件销售及维护业务，将其对应于专业技术和著作权收益。通过五年平均软件销售及维护业务收入占营业收入比重7.75%作为预测依据，预测2021-2025 年专业技术和著作权的收益。

II.人力资源

《国家中长期人才发展规划纲要（2010-2020年）》提出，我国人才发展的战略目标为：到2020年我国人力资本投资占国内生产总值比例达到15%，人力资本对经济增长贡献率达到33%，人才贡献率达到35%。因此采用35%作为同花顺人才资源的贡献比率。

（三）数据资产价值评估结果及分析

将流动资产、固定资产和其他无形资产的贡献在现金流中进行扣除，可以得到预测未来每年的超额收益，评估同花顺在2020 年12 月31 日这一时点的数据资产价值，现存的数据资产发挥的价值应该是有限期的，将数据资产作为有限期的无形资产进行评估，考虑数据资产随着时间的推移，数据的有效性会降低，需要进行不断地投入和维护，从而产生数据资产贡献的衰减，对数据资产的超额收益进行调整。采用多期超额收益法的计算公式，得到同花顺在评估基准日的数据资产价值为52.91 亿元，具体如表4 所示。

表4 数据资产价值

根据企业自由现金流的预测数据与WACC 数据，采用两阶段折现模型，计算可得2020 年12 月31 日同花顺企业整体价值为573.58 亿元。市场数据显示，同花顺2020 年12 月31 日收盘价为每股123.98 元，总股本为5.37 亿股，市场价值为665.77 亿元。与同花顺市值相比，收益法下的企业整体价值低13.85%。数据资产占收益法下企业整体资产价值的比重为9.22%，占市值的7.95%。

同花顺数据资产主要来源于庞大的金融数据库以及活跃的用户群体所产生的用户数据。金融行业数据资产有着高效性、风险性与共益性。高效性体现在随着技术的进步，数据库的维护成本降低，可以带来超额利润；风险性在于受到技术进步与市场不确定性因素的影响；共益性则表现在，可以在同一时间服务于不同地点的不同主体。通过对金融数据金融高效的处理与分析，能够拥有良好的数据服务能力，是公司实现差异化的核心竞争力。因此，在信息服务企业中，数据资产作为信息服务企业的核心资产，对于企业价值有较大的影响。

五、研究结论与评价

数据资产作为一种新的生产要素，是未来企业发展的核心动力，具有战略意义。本文采用多期超额收益法进行数据资产评估，通过分析剥离总收益中有形资产与表内外无形资产的贡献，最终折现得到数据资产的价值。研究结果可以帮助拥有大量数据资产的企业进行资源管理和利用，也有利于为数据资产价值评估研究提供新的视角。企业经营过程中积累的用户数据本身并不会创造价值，只有通过一定处理手段对积累的用户数据进行整理、加工、分析，才能够有效作用于企业的生产经营，提升企业核心竞争能力，从而实现数据资产的价值。因此多期超额收益法能够运用于信息服务企业数据资产的关键在于其在数据资产化以及数据营销变现上拥有优势，可以看出多期超额收益法适用于拥有成熟的变现模式企业的数据资产评估。从评估结果可以看出，信息服务企业数据资产价值在企业整体价值占有较大比重。因此，信息服务企业更应该注意数据资产在未来的发展方向，探索全流程、智能化的数据资产管理模式。

利用多期超额收益法评估信息服务企业数据资产的价值，可能存在结果偏大的问题。原因在于，在剥离表外无形资产时，未能将所有的表外无形资产考虑在内，也没有考虑各个资产之间存在的组合效应，所以评估结果会存在偏差。此外，数据资产收益期的长短，会对评估结果有较大的影响，然而数据资产收益期受到技术发展、企业运营等诸多因素的影响，存在一定的不确定性。同时，由于当前数据交易市场不透明程度较高，交易效率低，缺乏公正合理的数据交易定价系统，无法从市场中检验企业信息服务企业数据资产的准确性，因此，数据资产的相关价值理论以及交易定价机制有待于进一步的研究，需要继续推动数据要素市场的建立和发展，在更大范围内发展数据交易。