企业数据产品分类分级评估方法及贡献测度研究

■ 王进江 孙建忠

（北京中企华资产评估有限责任公司，北京 100020）

一、企业数据产品化及分类分级产品

生产要素是进行社会生产经营活动时所需要的各种社会资源，其组成随着社会的发展而变化，现包括劳动、资本、土地、知识、技术、管理和数据，企业数据要成为市场上可交易的资产，需要进行数据要素化、资产化和产品化。企业数据要素化是新技术条件下，数字化的认知和信息作为一种关键的生产要素，将其投入生产可以产生增效。数据资产化通俗讲就是将数据变成可以交易的资产就像房产、股票一样，资产数据化和数据资产化是数字经济的重要特征，资产数字化项目只要切入点选好很容易落地。然而，相比于资产数据化的突飞猛进，数据资产化却在法律上和会计上遇到了一些障碍。[1]确权和入表有待顶层设计的完善，资产定价及其价值评估是数据交易的关键环节。数据产品化是有效运用数据分析实现产品的过程，从海量数据中挖掘出对用户有价值的信息，以直观、有效的表现形式，为用户决策提供商业支持和服务。产品化就是把技术、服务通过标准化、规范化的流程形成一种可大规模复制生产和发布的能力，数据产品化就可以真正转化为生产力，通过效率最大化实现利润和回报的最大化。数据这一被誉为21 世纪的原材料[2]，需要逐步加工处理，数据处理的基本目的是从大量的、杂乱无章的、难以理解的数据中抽取并推导出对于某些特定的人们来说是有价值、有意义的数据，产品化的企业数据价值随着共享开放广度、加工处理和挖掘深度、数字技术新颖性、标准化和脱敏水平、应用力度、市场健全成熟度等的提高而提高。

数据分类分级是根据需要对分类的级别和种类进行描述，最主要的逻辑为先分类再分级。数据分类就是把具有某种共同属性或特征的数据归并，目的是为了实现数据共享和提高处理效率满足企业自身运行要求，持续地为企业提供精准的数据服务。数据分级侧重于按照划定的某种标准，对同一类别的属性按照高低、大小进行级别的划分，目的是保护大数据环境下的数据安全、企业商业秘密等。企业大数据应用的关键点是数据来源、产品化和价值创造，数据可从互联网抓取、从第三方获取、在生产或服务经营业务中生成和使用等，其中抓取的技术能力是关键，既要有能力获得足够大的量又要有能力筛选出有用的内容，从第三方获取的需要关注数据交易的稳定和可靠性。不创造价值的应用不是好应用，需关注应用是否实实在在地提升了能力、改善了绩效。将工业数据分为一级（注：较小）、二级（注：较大）、三级（注：严重）等3 个级别。鼓励企业在做好数据管理的前提下适当共享一、二级数据，充分释放工业数据的潜在价值；二级数据只对确需获取该级数据的授权机构及相关人员开放；三级数据原则上不共享，确需共享的应严格控制知悉范围。[3]企业数据产品中自用的三级数据，原则上不共享其潜在价值主要是靠使用来间接体现，通过直接方式体现的应主要是企业鼓励共享的一级数据和可局部共享的二级数据。

二、数据资产评估方法梳理

目前对拥有数据的数字经济所属企业评估在资产评估实务中是日常业务，针对数据资产本身的评估尚未展开。基于执行数据资产评估业务时参考，2019 年12 月31 日中国资产评估协会制定了《资产评估专家指引第9 号—数据资产评估》（简称“指引”），指引指出数据资产价值的评估方法包括成本法、收益法和市场法三种基本方法及其衍生方法。

（一）成本法

指引第十七条…成本法模型的表达式为：

（二）收益法

指引第二十一条收益法评估的基本计算公式为：

式中：P—评估值，Ft—数据资产未来第t 个收益期的收益额，n—剩余经济寿命期，t—未来第t 年，i—折现率。 （2）

上式中的数据资产未来收益大多不能直接而是间接体现出来的，需通过间接方法量化。《IVS210无形资产》收益途径…（a）超额收益法；（b）许可费节省法；（c）增量收益法或有无对比法；（d）绿地法；（e）分销商法。[5]数据资产评估收益途径的具体模型应有超额收益法、许可费节省法、增量收益法、绿地法。

1.超额收益法

用归属于标的数据资产的现金流量的现值来确定该项数据资产的价值，在现金流量中已扣除来源于其他对现金流有贡献的资产的相应贡献，分子基本公式：

2.许可费节省法

虚拟的许可使用费是由于拥有该项资产而可以节省向第三方定期支付许可费所节省的金额，基本公式：

3.增量收益法

比较两种情境下的企业价值差异指示数据资产的价值：一种是使用标的数据资产；另一种是不使用标的数据资产（其他不变），可用（2）式表示，Ft即两种情形下收益差异。

4.绿地法

假设标的数据资产在评估基准日是企业唯一资产，并预测未来现金流来确定标的数据资产价值，其他所有的有形和其他无形资产须通过购买、建造或租赁取得，可用（3）式表示。

（三）市场法

指引第二十六条市场法通过以下公式中的因素修正评估数据资产价值：

（四）衍生方法

1.数据势能模型

该模型是普华永道研发的，数据势能模型适用于经过精细化加工处理后形成一定应用场景的数据资产，基本公式：

数据资产价值V=数据系统构建成本m×潜在经济价值呈现因子g×潜在社会价值呈现因子h[7]（6）

2.DEVA 法

更多关注用户与用户间的互动和关联产生的价值，通过计算用户自身价值及其附加值得出，基本公式：

3.实物期权法

用于不确定的市场环境下的资产或权益，其考虑了管理决策者在投资、生产以及产品研发等问题决策中的选择权，反映资产的选择权价值。

4.基于洛伦兹变换和PageRank 算法

以洛伦兹变换和PageRank 算法为理论基础依据，基本公式：

5.参与者利润最大化模型

通过最大化利润来衡量参与者（数据提供者、数据市场、数据消费者）期望利润及为获取期望利润应投入的数据和劳动力，从而决定是否进入市场，模型求解时可以将数据提供者视为博弈的领导者、市场及数据消费者为跟随者。[10]

6.模糊综合评价法

基于模糊数学的综合评价方法，通常采用层次分析法，请专家针对数据的各评价指标进行打分，将定性评价转化为定量指标，最终得到数据资产价值。

7.神经网络模型

收集公开数据资产交易，分析影响数据资产成交价格的相关因素，通过神经网络模型对成交数据价格的变动进行模拟，在此基础上建立样本中输入变量和输出变量的关系，随后带入未成交数据资产的因素变量，就可以得到这些数据的价值。

笔者认为，数据势能模型是成本法衍生方法；DEVA 法、基于洛伦兹变换和PageRank 算法、神经网络模型是市场法衍生方法；实物期权法是收益法或市场法衍生方法；参与者利润最大化模型是收益法衍生方法；层次分析法适宜用于各无形资产或各生产要素贡献分割，企业价值即各生产要素总价值宜采用基本方法衡量。

三、企业数据产品价值特点及评估方法选择

（一）工业数据部分特征

首先时效实时性强。数据基本信息是描述交易数据…包括但不限于：…发布日期、更新频率、更新日期等。[11]从数据治理角度，数据一般分为数据元、元数据、主数据、参考数据、交易数据等，交易数据变化频繁。工业数据采集、传输和应用等全处理流程耗时过长就难以在生产过程中发挥价值，工业数据产品范围边界动态变动具有时效性和实时性强的特点。

其次差异个性化强。数据资产…有别于其他有形资产…非竞争性是数据资产在经济管理方面的主要属性，指不同的使用者可以同时、无限次数地重复使用数据，而不会相互干扰。[10]非竞争性是数据的共有特征，对于工业数据还有企业为了差异化竞争需要，数据有较多个性化特征。

再次创新准确度高。创新是有目的的、讲究新颖性的实践活动，虽然对各行业创新是主基调，但工业领域更为突出一些，此亦映射到工业数据上。另外，在工业数据的很多应用场景中，对准确率的要求高，预测和分析需达到99.9%甚至更高。

（二）企业数据产品价值部分特点

首先采集和使用成本受数字技术影响大。以云计算为代表的新型数据处理技术，大幅降低企业数据处理的成本支出。这对以成本为基础的成本法评估来说，对数据产品价值的影响是较大的。

其次以使用权价值体现是数据资产交易主要形式。现在的专家学者研究和指引中的数据评估方法大多是数据资产所有权的估计，非竞争性特征使数据资产所有权与使用权分离较为明显，以使用权价值体现数据资产交易将是主要形式。

再次数据价值转化场景极为丰富，在评估基准日往往无法涵盖全部的应用场景，且价值体现多为间接，企业最终产品或服务产生的价值需通过分割来体现数据产品价值。

（三）企业数据产品价值评估方法

在数字经济时代，拥有数据产品的企业其数据产品对于企业及其战略是极其重要的，其中研发、生产、运维数据是围绕企业生产过程中积累的数据，这些数据是价值增值的体现，是决定企业差异性所在。企业对其合法、正当途径采集、获取、生成的数据享有合法权益。[12]对数据分级，工信部的分级有国家层面、企业层面之分，同一数据站在不同层面其分级是不尽一致的，企业最核心数据划分为三级、次核心数据划分为二级，非核心数据划分为一级。

1.最核心数据

对这部分数据产品进行管理等咨询目的评估时，整体宜采用成本法（包括其衍生方法，其他方法同）、超额收益法、绿地法；并购等交易目的时，企业整体采用成本法、收益法，其中成本法中企业全部数据资产宜采用超额收益法、增量收益法、绿地法；单体或资产组的评估宜采用成本法、增量收益法、许可费使用法。

2.次核心数据

对这部分数据产品进行管理等咨询目的评估时，整体宜采用成本法、超额收益法并结合AHP 法；并购等交易目的时，整体宜采用超额收益法并结合AHP 法、增量收益法；单体或资产组宜采用增量收益法、许可费使用法。

3.非核心数据

对这部分数据产品进行管理等咨询目的评估时，整体宜采用成本法、增量收益法；并购等交易目的时，整体、单体或资产组宜采用增量收益法、许可费使用法、市场法。

非独占使用权评估时，应在所有权评估的基础上，考虑市场上需求方平均应用场景规模、市场价格等因素做小于1 的系数修正。

四、数据成本法评估相关参数的确定

笔者认为，（1）的公式实质上是数据资产重置全价的公式，由于数据资产具有时效实时性特征，数据资产存在功能性贬值和经济性贬值，参照重置评估值=重置全价×成新率的重置成本法公式，数据资产评估值应在（1）的基础上乘以（1-贬值率），即：

1.TC

对于评估中成本法，TC 应是评估基准日重置全价而非历史实际成本，重置包括复原重置和更新重置，数据资产重置全价宜按更新重置成本，重置全价=工作量×单位价格，数据工作量为在评估基准日数据采集、存储、检索、加工、变换和传输效率下完成委估数据量（单位G 或T、TB…）花费的时间长度，单位价格为评估基准日的有效价格，更新工作量亦可在复原工作量的基础上乘以（1-效率提高率）确定。

2.R、U

对于成本投资回报率，不宜采用数据资产应用场景下所在企业自身的，宜采用以数据交易为主营业务企业的平均值，且这个回报率随着权益保护的强化和规范而走低。对于U，指引第十九条对U 中各参数有较详细描述，数据质量系数α 是U 中最主要参数。数据质量是指数据固有质量，可以通过对数据完整性、数据准确性和数据有效性三方面设立约束规则，利用统计分析数据是否满足约束规则完成量化。[4]能力等级标准如下：a）第1 级：初始级…b）第2 级：受管理级…c）第3 级：稳健级…d）第4 级：量化管理级…e）第5 级：优化级…。[13]评估人员对数据质量系数α 可在按指引操作的基础上，考虑数据管理能力成熟度管理模型中委估数据资产所在企业在数据质量方面能力分析评估结果等级综合确定。

3.贬值率

数据资产功能性贬值和经济性贬值在数字经济时代主要是功能性贬值，其可：

五、数据收益法评估相关参数的确定

企业数据资产需与贡献资产一起方能共同产生收益，贡献资产包括营运资金、有形非流动资产、组合劳动力、可辨认无形资产（除数据资产外）等贡献资产。收益途径超额收益法、增量收益法、许可费节省法、绿地法几个具体模型，增量收益法适用于数据资产收益可直接量化的，间接体现需要从企业总收益中分割出数据资产收益的适用于超额收益法、绿地法；许可费节省法中分子是企业总收益（收入或利润）乘以分成率，这个分成率是经验数值，目前尚无数据资产收入或利润分成率的统计研究。数据资产成本与其价值是弱相关的，成本法是企业管理咨询目的的评估方法之一，对外交易时宜通常采用收益法，超额收益法是核心模型，且财务目的评估可在收益折现值上加税务摊销收益TAB。

笔者认为，数据资产折现率应分三步确定，第一步计算数据资产所在企业的WACC，第二步计算无形资产折现率，第三步计算数据资产折现率；在采用企业整体收益法或数据资产采用超额收益法情形下，为验证数据资产折现率合理性，应进行WACC 与WARA 平衡检验。

三级指标数据时效：剩余经济寿命期是关键参数，数据资产是有限期，数据资产剩余经济寿命期的确定需要考虑：法律保护期限、相关合同确定期限、主数据产生更新时间和时效性、权利状况、产品或者服务的合理收益期，笔者认为，在上述因素分析基础上，应按熟短原则确定数据资产剩余经济寿命期，且随着社会发展总体应是递减趋势。

六、数据市场法评估相关参数的确定

参照《房地产估价规范》GB/T 50291-2015 中市场法关于修正幅度的规定，笔者认为，技术修正系数×…其他修正系数的连乘积即综合修正系数绝对值不得大于30%，技术修正系数、…其他修正系数各自的修正系绝对值数不得大于20%,至少3 个可比交易案例修正后最高值/最低值不宜大于1.2，否则选择的可比案例不符合要求，另外根据该公式其他修正系数应包括交易情况修正系数（如交易价格非正常成交需修正）、时效实时性修正系数等。

1.可比案例和期日修正系数

对于类似数据资产，可以从相近数据类型和相近数据用途两个方面获取。[4]数据应用场景从纵向角度包括精准化营销、决策支持、数据风控、产品运营、效率提升等。可比案例至少是交易时间至评估基准日在3 年以内、数据类型和纵向用途相似的。期日修正系数=评估基准日价格指数/可比案例交易日价格指数。[4]在有数据市场交易价格指数的情形下可依据该指数，在没有数据市场交易价格指数的情形下可依据沪深股市指数或与委估数据资产应用相关类板块指数，因为这个指数是与委估数据资产应用相关的。

2.技术、容量、价值密度修正系数

技术修正系数主要考虑因技术因素带来的数据资产价值差异，通常包括数据获取、数据存储、数据加工、数据挖掘、数据保护、数据共享等因素。[4]为便于量化，可用效用U 中的质量修正系数替代。一般情况下，价值密度接近时，容量越大，数据资产总价值越高…容量修正系数=评估对象的容量/可比案例的容量。[4]有效数据（指在总体数据中对整体价值有贡献的那部分数据）占总体数据量比重越大，则数据资产总价值越高。[4]有效数据比重可参照效用U 中数据流通系数里的参数计算替代：

七、基于数字经济的数据产品贡献测度

对于数字经济中企业的数据产品贡献测度，笔者认为，可行的方法至少有三种：主客观赋权法、C-D 生产函数模型、多期超额收益模型。主客观赋权法包括主观赋权法（主要包括层次分析法（AHP）、德菲尔法、模糊综合评价法等）和客观赋权法（主要包括熵值法、因子分析法、聚类分析法等），主客观赋权法在实务中多采用的是AHP 法，AHP 法就是采用向专家问卷调查（根据笔者以往应用经验，调查对象至少5 位，包括企业决策层和负责财务、市场、研发、运营的主管以及行业内专家、用户、员工、评估师等，一般2-3 轮方能一致性检验通过。）打分方式对含数据资产的各生产要素进行两两对比赋值（1 到9 数值，比较重要性最高为9、最低为1），通过矩阵的数学方法来分析确定各生产要素在经营成果中的贡献，AHP 法结果受问卷调查对象及其理解、调查前辅导讲解及其独立、调查来回次数等关系较大。多期超额收益模型就是根据数据资产所述收益与各贡献资产贡献回报额在无负债现金流中的比重，确定各生产要素在经营成果中的贡献的一种方式，在采用多期超额收益法对数据资产评估时，根据数据资产多期超额收益法评估测算表，即可确定各生产要素在经营成果中的贡献。

C-D 生产函数（柯布-道格拉斯生产函数）的一般形式是Y=ALαKβ，其中Y 为生产中的产出、A为大于0 的常数又称为效率系数或综合要素生产率、K 为生产中投入的资本、L 为生产中投入的劳动。自主创新投入产出函数服从，其中K、L、A 分别指自主创新的资本、人力及技术投入要素，Y 代表创新产出量，C 代表系统内影响产出的其他确定性因素，μ代表影响产出的随机性因素[15]。2021 年4 月中国信息通信研究院发布了《中国数字经济发展白皮书》，附录一数字经济测算框架中增长核算账户模型为：其中OTPit表示国家i 在t 时刻内的总产出、HAit表示希克斯中性技术进步、表示ICT 资本、表示非ICT 资本、MIDit表示中间产品、LABit表示劳动力。笔者认为，在生产要素为劳动力、资本、技术、土地、数据下，C-D 生产函数模型可进一步调整为：

（14）式解析公式、结果输出表、C、临界值检验：

Linest(Ln(Y),Ln(L:D),TRUE,TRUE)

C=EXP（LnC）

一是方程显著性检验临界值=FINV(a,K,n-K-1),一般取a=0.05 或0.01，K 为生产要素数，n 为生产要素时间序列数（建议7 年及以上历史期）。如果F 值大于等于临界值，则F 检验通过，否则不通过；二是变量显著性检验t 检验。

C 值随生产要素单位变动，在其他条件不变的情况下，弹性是生产要素劳动力、资本、技术、土地、数据增加1%，产出增加α%、β%、γ%、μ%、δ%，即各生产要素在经营成果中的贡献。

八、数据资产价值评估及贡献测度案例

A 是拥有数据资产的制造企业，评估对象为A公司所属整体数据资产的市场价值，财报目的，评估基准日为2015 年12 月31 日，就委估数据资产在当前应用场景下的价值采用超额收益法予以评估（金额单位：万元）。

1.数据资产贡献率的确定。评估人员结合委估数据资产应用的商业模式和盈利模式，通过访谈等识别程序，确定A 的组合无形资产为：数据资产、客户资源、专利、管理模式、商标，评估人员采用AHP 法确定组合无形资产贡献率（取整）为数据资产40%、客户资源20%、专利20%、管理模式10%、商标10%。

2.数据资产相关无负债现金流的预测、数据资产超额收益的确定。经分析同类数据资产的营运数据，确定年平均流失率约为20%，预测期当年按其上一年末留存数值衰减即非线性衰减，经衰减后无负债现金流为：

3.数据资产折现率、评估值确定和WARA 检验。经计算WACC 为12%，采用（12）式、（13）式计算，无形资产税前折现率和数据资产税前折现率为17.77%、18.28%，数据资产税后折现率为13.71%。采用期中折现，数据资产超额收益折现值为3 939.86万元，税务摊销收益TAB 为598.53 万元，合计折现值为4 538.39 万元。WARA 经计算为12.51%，较WACC 相差0.51 个百分点，相差4.25%，基本合理。

表1 数据资产相关无负债现金流

表2 数据资产超额收益

4.生产要素贡献测度。根据超额收益法中的数据，进行A 公司生产要素土地、劳动力、资本、技术、数据贡献测度，其中土地使用权账面价值在有形非流动资产账面价值中的比重是17%，资本包括营运资金、除土地外有形非流动资产，按预测首年计算结果是土地、劳动力、资本、技术、数据的贡献度分别为5.34%、31.98%、9.93%、17.58%、35.17%。