新平台企业数据资产估值方法探讨

■柴慈蕊

近年来，数字技术加速创新，日益融入经济社会发展各领域全过程，数字经济发展速度之快、辐射范围之广、影响程度之深前所未有，正在成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。《“十四五”数字经济发展规划》提出：在2025 年初步建立数据要素市场体系。这一规划的提出将有助于准确估算数据资产价值，从而更好地调整企业的资源配置，提升数据资产的价值，实现数据资产的有效利用。但是，随着数字社会的发展，平台型企业已经成为主流企业，这就引出了平台型企业的估值难题。尼苏达大学的数据科学家和数据管理专家Amnon Lotem 和Willie Lohman 在《数字化社会的未来报表：从传统到智能》（The Future of Reporting in a Digital Society： From Traditional to Intelligent）一文中指出，传统报表提供的有用信息的比例可能会继续减少，可能将降至5%以下。

财政部在2022 年12 月9 日发布了《企业数据资源相关会计处理暂行规定（征求意见稿）》，在该意见稿中明确了数据资产在确认、计量等环节应当遵循的基本准则。《企业数据资源相关会计处理暂行规定（征求意见稿）》的发布，标志着企业数据资源的相关会计处理开始向规范化方向发展，为企业的数据资源会计处理提供了全面的政策支持，但是，并未给出一个统一的估值标准，数据资产的估值问题依然没有得到很好的解决。在本文中，我们将探讨数据资产的估值方法。

一、数据资产的概念及特点

（一）数据资产的定义及影响其价值的关键因素

《企业数据资源相关会计处理暂行规定（征求意见稿）》认为，数据资产是指企业利用或准备利用的数据和相关信息，其价值以及其他有形和无形的数据权益，以及它们所带来的其他价值。数据资产由企业定义并记录，并具有由企业财务和技术部门识别和评估的价值，其价值可以在未来收益中体现。这些数据可能来自各种来源，如社交媒体、网络搜索、客户交易等。数据资产用于深入了解客户行为、市场趋势和其他业务决策。它们还用于开发预测模型和机器学习算法，以改善决策。数据资产能够让公司利用其数据做出更合理的决策，从而改善客户体验，提升竞争优势。

（二）数据资产与无形资产的联系与区别

数据资产是数据驱动型资源，具有容量大、速度快和种类多的特点。传统的无形资产是代表企业某些经济利益并用于产生收入的无形资产。数据资产与传统无形资产的主要区别在于使用的数据类型和使用数据的目的。数据资产是收集和分析以生成见解或支持决策的数字数据。通常我们认识的无形资产，是非数字性质的。尽管存在不同，但数据资产与传统无形资产又有着千丝万缕的联系。例如，数据资产可用于生成对客户行为和趋势的洞察，可用于创建新产品或服务，可能最终又会形成新的无形资产。 此外，大数据分析可用于识别无形资产货币化的新机会。

（三）数据资产的特点

数据资产的主要特点体现为以下几点。

第一，数据安全性。安全性是估值数据资产的基础，它决定着数据资产可能产生的收益率和未来价值。这包括加密、身份验证和访问控制等措施，以确保数据资产的安全性并防止未经授权的访问。以平台企业为例，数据资产与客户关系密切相关，随着互联网的普及，个人生活已经全方位被互联网笼罩，对个人信息的采集和利用成为一种日常现象和刚性需求，但是，随着《个人信息保护法》的正式实施，以及以后越来越严格的监管，在数据资产的评估中，需要重点关注潜在的法律和道德风险，这将会带来巨大的信用风险和成本。

第二，数据应用场景。数据资产价值的评估前提是应用场景的确定，只有在特定的场景下，才能合理估计数据资产的收益贡献，测算经济价值。属于应用场景的大小是影响数据资产估值的重要因素，如果应用场景量较小，数据资产的估值也会降低。

第三，数据灵活性。数据资产的灵活性是其价值的关键因素。这指的是它适应不同类型分析的容易程度，或它如何在不同的背景下使用。

第四，数据可扩展性。可扩展性是指数据资产的能力，可以随着可用资源的增加而增加。当需要处理更多数据或更复杂的数据时，可扩展性就显得尤为重要。可扩展性可以帮助企业节省时间和资源，保持业务发展速度，为更多的客户提供服务。

第五，数据准确性。数据准确性是指数据的正确性，如果数据准确度较低，估值也将受到影响。

二、传统的无形资产估值方法

（一）收益法

收益法是无形资产估值方法中的一种，它的主要思想是根据无形资产的未来收益来估计无形资产的价值。它建立在一个基本假设上：一个资产的价值等于它未来收益的现值（PV）。其中，现值（PV）是把未来收益转化为现在价值的函数，它是建立在折现率，期限和期数等因素之上的一个函数。收益法以复杂的统计模型为基础，把未来收益和折现率等参数作为输入，以计算出无形资产的现值为输出，进而计算出其估值结果。

（二）市场法

市场法是无形资产估值方法中最常用的方法，也是最能反映市场价值的方法。它是以换取资产的市场价格为准绳，根据与该资产相关的相关交易价格，并结合交易双方的财务状况、风险报酬及其他因素，来估计资产价值的方法。 通常情况下，市场法估值资产时，首先要采集具有代表性的比较资产交易信息，并编制可以反映比较资产价格波动趋势的比较价格曲线，然后结合比较资产的特征，计算出比较资产的平均价格，最后将被评估资产的特征与比较资产的平均价格进行比较，以此作为估计被评估资产价值的依据。

（三）成本法

成本法是指把无形资产的价值限定在创造无形资产的实际成本范围之内。这种方法的基本思想是，当一个公司拥有一项无形资产时，它应该只能获得花费在创造它们上的金钱和精力的报酬，而不能获得比这个报酬更多的价值。这个方法的基本原则是：如果一个公司拥有一项无形资产，那么这个公司的价值不应该高于创造这项资产的成本。 传统的无形资产估值方法——成本法的优点是，它可以精确地反映一项无形资产的价值，因为它只考虑了创造资产的实际成本，忽略了其他因素，比如潜在的商业机遇或其他潜在的价值因素。它还可以帮助公司把控投资风险，因为它可以让投资者知道，他们投资的无形资产价值不会超出它们付出的成本。

对以上传统方法在数据资产估值上的局限性进行分析，可得出以下结论，见表1。

三、数据资产价值评估新方法

（一）收益法、市场法和成本法的交叉确认法

尽管传统的无形资产估值方法存在局限性，但仍然可以发挥出一定的作用。分析其使用情况，当市场足够活跃，且买方场景存在效用评价及收益预期时，可以通过收益法、市场法和成本法的交叉验证来确定企业的估值水平。

具体而言，就是通过收益法来确定投资者的期望收益，利用市场法来计算其他投资者的期望收益，以及利用成本法来确定企业的净资本成本，最后通过收益法和市场法的比较来判断投资者的期望收益是否符合市场定价，以及成本法和收益法的比较来鉴别企业是否具备足够的市场竞争力来支撑其投资者期望的收益水平，以达到有效地确定企业估值水平，弥补单独使用三个方法不客观准确的目的。

（二）B-S 模型估值法

B-S 模型（Black-Scholes Model）是由芝加哥大学经济学家Myron Scholes 和MIT 宏观经济学家Fischer Black 在1973 年提出的一种理论模型，主要用于描述金融市场中的期权价格变化规律，以及期权交易者及投资者行为表现。B-S 模型假定市场是一个完全开放的系统，资产价格具有随机性，而所有投资者都是理性的，拥有完全相同的市场信息和投资策略。在这样的假设下，B-S 模型提供了一种有效的评估期权价格的方法，可以根据市场的基本变量（比如资产价格、利率、波动率等），来计算期权的理论价格。

根据对影响数据资产估值的关键因素的研究以及B-S 模型（Black-Scholes Model）的特点。我们还可以考虑使用B-S 模型对数据资产进行估值。B-S 模型可以模拟市场行为，以及股票未来的价值，而不依赖于特定的市场状况。它可以捕捉到投资者对公司未来价值的预期，以及资产负债表中的不确定性，并将这些因素融合在一起。此外，它还可以预测投资者在未来可能遇到的风险，从而更加准确地评估公司未来的价值。

在B-S 模型中，数据资产的未来现金流将按照一定概率分布，由投资者折现到现在，以计算出数据资产的价值。B-S 模型的估值过程可以分为三步：首先，需要确定数据资产的未来现金流，比如每年收入，支出，净利润等；其次，采用投资者所预期的折现率，对未来的现金流折现；最后，结合折现后的现金流，使用B-S 模型对数据资产进行估值。

四、结语

对数据资产估值方法的探讨仍然有很多未解决的问题，仍然需要进一步研究。本文也是从理论的角度进行了探讨。随着科技发展和技术成熟，数据基础设施的普及会使得大数据应用技术越来越普及，可以广泛地应用于各个领域，实现数据的跨行业共享，从而加快了数据的分析和应用。同时，数据的价值可以更加直观地显现出来，通过大数据分析技术可以更加有效地挖掘出数据的价值，从而加快数据的价值的提升，这必然会推动数据要素市场体系的快速发展与改进。相信在不久的将来，国家政策、法规及相关标准将更具操作和指导意义，我们也会探索出更加科学、合理的数据资产估值路径。■