数据资产估值难点探究

张青青

(西安工程大学，陕西 西安 710000)

0 引言

随着信息时代的到来，数据资产作为企业最重要的资产之一，越来越广受关注。 数字经济带动了我国经济高速发展，如今，数据资产关系到每一个人。 流量时代使众多企业乘风而行，同时也使一些企业无奈退出市场，然而这些都受价值因素所驱动。2022 年12 月，中共中央国务院发布了《关于构建数据基础制度更好发挥数据要素作用的意见》(数据二十条)，提出搭建我国数据基础制度体系的二十条政策措施，并在《数字中国建设整体布局规划》中指出建设数字中国是推进中国式现代化的重要引擎，是构筑国家竞争新优势的有力支撑。 国家已经开始布局数据体系，大力挖掘数据价值，这说明在未来数据资产有望成为新一代企业核心竞争力的重要体现，能为企业创造经济效益。 唐薇[1]基于交易所的数据处理方法得出，目前交易所主要采用拍卖法，所以将企业自产的数据资产定性为作为无形资产进行计量。 对数据资产的估值进行深入研究，对未来数据资产价值评估以及企业价值的衡量有一定的参考作用。

1 数据资产的特点

1.1 增值保值性

数据资产的增值保值性是指数据资产在时间推移中能够保持其价值或者增加其价值的能力。 随着信息技术的发展和数字化时代的到来，数据已经成为一种重要的资产形式。

数据资产的增值保值性取决于多个因素，包括数据的质量、可用性、完整性、准确性等。 高质量的数据能够提供准确和有用的信息，从而提升其价值。此外，数据的可用性也是一个重要的因素，如果数据可以方便地被访问和使用，那么它的价值也会相应提升。 另外，数据的增值保值性还与数据的应用和利用有关。 如果数据能够被有效地应用于业务决策、市场分析、产品创新等方面，那么它的价值就会得到进一步的提升。 同时，数据的合规性和安全性也是保证数据资产增值保值的重要因素，确保数据的合法性和安全性有助于避免数据价值的损失。 总的来说，数据资产的增值保值性是一个综合性的问题，需要考虑数据本身的质量和可用性，以及数据的应用和利用方式，同时也需要关注数据的合规性和安全性。

1.2 价值不确定性

数据资产是组织或个人的重要财富，可以用于支持决策、创造价值和提供竞争优势。 而且数据资产可以根据需求进行修改、更新和转换，以适应不同的业务需求和技术要求。 数据本身并不具备价值，而是在使用过程中，其价值才得以体现，在分析如何使用数据资产为企业创造经济流入时发现，数据资产的价值不确定性为其最典型特性。 数据资产的价值会随着企业具体应用该数据资产的场景的不同以及用户群体的不同而存在巨大差异。 对这一特性，在数据资产估值中可以按照业务场景的不同采取个别估值策略，而且如果数据的交易市场发展成熟，这些个别估值策略可以对相同或相似类型的数据提供一定的参考。 数据资产还存在安全和隐私等风险，需要采取合适的措施来保护数据的完整性、机密性和可用性。

1.3 重复使用性

数据资产可以通过复制和备份进行保护，以防止丢失或损坏。 此外，数据还可以通过复制在不同的位置进行存储，提高可用性和灾备能力。 与物质资产不同，数据资产在使用过程中并不会消耗或减少，而是可以被无限次地复制和利用。 数据资产的使用次数越多其价值就很可能越大，而且在使用过程中很可能会衍生新的数据资产，数据资产是一种永久存在于数据系统中的资产，更便于对其重复使用。 数据资产也可以通过复制来进行交易，或者直接进行交易，这对数据资产的质量以及安全性要求极高，交易次数越多，其价值也会随之变化，稀缺性也会受到损害，尤其是一些恶意的流转复制，很可能改变数据资产的真实性，导致数据资产的价值降低，所以交易过程中要首先保证数据资产的安全[2]。由于对数据资产的重复使用影响到了数据资产的估值，使用时需要针对特定行业、特定用户群体以及特定应用场景来区分该重复使用是增加了还是降低了数据资产的价值，以及增加或降低的程度及其关联因素。

1.4 业务依附性

数据资产的业务依附性是指数据资产与业务活动之间的紧密关联程度。 数据在现代商业中扮演着重要的角色，因为它们可以提供有关客户、市场、产品、运营等方面的信息，帮助企业做出决策和改进业务。

数据资产的业务依附性体主要体现在:①业务决策支持。 数据资产可以提供关键的信息，帮助企业进行战略规划、市场分析、客户洞察等决策过程。例如，通过分析销售数据和市场趋势，企业可以调整产品定位和市场营销策略。 ②业务运营优化。 数据资产可以用于监测和分析业务运营情况，帮助企业发现问题、改进流程并提高效率。 例如，通过实时监控生产数据，企业可以及时发现生产线上的异常情况并采取措施解决。 ③产品创新和优化。 数据资产可以提供有关客户需求、产品使用情况等信息，帮助企业进行产品创新和优化。 通过分析用户行为数据，企业可以了解用户对产品的偏好和需求，从而进行产品功能的改进和创新。 ④客户关系管理。 数据资产可以用于建立和维护客户关系。 通过分析客户数据，企业可以了解客户的购买习惯、偏好和需求，从而提供个性化的服务和定制化的产品。 总的来说，数据资产的业务依附性是指数据与业务活动之间的密切联系，数据资产能够支持和促进企业的业务决策、运营优化、产品创新和客户关系管理等方面的发展。

2 数据资产估值的难点分析

2.1 影响价值浮动的因素难以确定

数据质量是决定数据资产价值的关键因素，然而数据质量是难以直接量化的，而且受多种因素影响，例如数据的准确性、完整性、及时性等。 因此，数据质量的不确定性使得数据资产估值变得更加复杂。 由于不同企业的需求和目标不同，同样一份数据对不同企业的使用价值也会有所不同。 因此，在估值时需要考虑到数据使用价值的异质性。 受不同政策的影响，数据资产使用也会受到限制；不同的消费群体对同一组数字资产的使用也会有所不同，根据消费者不同的用途满足其不同的需求[3]。 与其他资产相比，数据资产市场信息较为稀缺，这给数据资产估值带来了更大的不确定性和风险，可能需要更多的行业研究和预测。 对数据资产的使用次数没有限制，使用对象也没有限制，这种不加限制和数据资产本身的不可消耗性就导致很难用数字对数据资产的价值进行测算，这也是对数据资产进行估值的一个难点。

2.2 现有估值方法使用性弱

采取历史成本法、公允价值法、应用收益法对资产进行估值是较为常见的，但使用这些方法对数据资产进行估值都存在某种程度的不合理性，普通的资产估值方法对数据资产也不一定完全吻合，因此，需要探索一种综合的或者新型的估值方法。

数据本身并不具备价值，它们需要通过适当的处理和分析才能转化为有用的信息。 因此，评估数据资产的价值还需要考虑数据处理和分析的技术和能力。 不同类型的数据具有不同的属性和特征，如结构化数据、非结构化数据、实时数据等。 确定数据的价值需要考虑这些特征以及数据的可靠性、准确性和完整性。 数据的价值取决于市场对其需求的程度和潜在的商业用途。 对某些数据，可能存在明显的市场需求和用途，而对其他数据，则可能需要进一步研究和分析才能确定其价值。 数据资产估值是一个复杂而多维度的问题，不同企业所涉及的行业领域不同，领域跨度大、范围广，目前还没有一种通用的标准化方法来估值数据资产。 不同的行业和组织可能使用不同的方法和指标来进行估值，这提高了估值的复杂性和难度。

2.3 数据资产的动态性强、变化大

数据资产的动态性强、变化大是指数据资产在时间推移中具有不断更新和变化的特点。 随着技术的发展和商业环境的变化，数据资产会不断地被生成、收集、处理和更新。 数据资产的动态性强、变化大主要体现在:①数据生成。 新的数据不断被生成，例如用户行为数据、市场数据等。 这些新的数据源不仅增加了数据资产的规模，也带来了更多的机会和挑战。 ②数据收集。 企业通过各种手段收集数据，包括在线调查、社交媒体等。 不同渠道和方式的数据收集使得数据资产的来源更加多样化，也提高了数据的多样性和复杂性。 ③数据更新。 数据资产需要保持更新，以反映实时的业务情况和市场变化。例如，销售数据、库存数据、客户数据等都需要定期更新，以保证数据的准确性和可靠性。 总的来说，数据资产的动态性强、变化大是数据的生成、收集、处理和更新等因素所导致的。

3 数据资产的估值建议

3.1 确定主要影响变量

数据资产估值不同于传统的资产估值，其相关影响变量存在较大的差距。 在进行数据资产估值时，我们需要确定影响该数据资产的主要影响变量有哪些，在这基础之上进行估值，才会更加准确。 确定数据资产估值的主要影响变量取决于多个因素:①数据质量。 数据的质量是确定数据资产估值的重要因素之一。 高质量的数据，如准确性、完整性和一致性，能够提供更准确和可靠的信息，从而提升其价值。 ②数据稀缺性。 稀缺的数据通常具有更高的价值。 如果某种类型的数据在市场上很少或者难以获取，那么它的稀缺性将使其估值上升。 ③数据应用场景。 数据的应用场景也会对其估值产生影响。 例如，如果某种数据可以用于支持关键的业务决策、市场分析或产品创新，那么它的价值可能会更高。 因此，在确定数据资产估值时，需要考虑具体情况和相关市场因素，结合数据资产的特点，确定影响数据资产估值的主要变量。

3.2 改进现有估值方法

目前，对数据资产进行估值很难充分利用传统的估值方法进行分析。 这就需要我们结合数据资产的特点与传统估值方法的优点，根据不同估值方法在不同领域或阶段的优势，不断对估值理论进行深入探索，建立一套科学、严谨而又全面的评估体系。找出一个适合数据资产估值的方法是当前工作的重中之重。 改进现有的估值方法可以提高估值的准确性和可靠性。 首先可以进行多维度评估。 传统的估值方法主要基于数据的数量和质量来进行估算，但这并不全面。 改进的方法应该考虑更多因素，如数据的稀缺性、市场需求、数据的时效性等。 其次可以了解同行业内其他公司或机构的数据资产估值情况，为估值提供参考。 这可以通过研究行业报告、专业咨询机构的数据以及相关市场交易等途径来获取。 而且，考虑到数据技术的发展和创新，应该将技术因素纳入估值考虑范围。 例如，数据的存储方式、数据安全性、数据集成能力等。

3.3 以动制动——以动态的视角进行估值

数据资产处于一个动态变化的过程，从数据资产的产生到发展，其价值一直在发生变化，以动态的视角可以帮助我们更准确地对数据资产估值。 需要注意的是，动态视角的数据资产估值是一个复杂的过程，需要考虑多个因素。 比如，评估数据质量，可以通过反复检查数据源、数据处理流程和数据管理措施来确定。 通过数据的存储和访问方式以及数据共享和安全策略来衡量数据的可用性。 评估数据与业务流程、决策支持和市场需求之间的相关性来衡量数据的价值。 如果数据的增长速度较快，或者预计在未来会有更多的数据生成，那么数据资产的价值可能会更高。 对数据资产估值的相关指标进行动态分析更加符合数据资产的特点，数据资产不同于传统资产，价值一经确定就会随某一变量而消耗，直至损毁，因此，在对数据资产估值的过程中，应该根据企业的实际情况，只有对估值的结果不断进行修正，才能得到数据资产较合理的估值。

4 结论

人们越来越关心数据资产是因为数据资产背后蕴藏着巨大的商业价值，而这些价值真实地来自数据产业的实践，面对数据资产的蓬勃发展，我们也应该加快对数据资产估值的步伐，这对我国经济稳定持续发展有深远的意义。 然而每一次探索都不可避免地会迎来一系列问题，对数据资产我们并没有完全可以借鉴的估值方法，这就要求我们将理论应用于实践，结合所学传统估值模型，以数据资产的特点为切入点，根据不同的行业确定主要影响变量，在具体的应用场景中根据不同的影响因素建立适合某一数据资产估值的模型，并且根据这些个例灵活转变，寻求各个行业、领域的数据资产估值模型。 综上所述，本文主要从数据资产价值的特点出发，分析其在估值中存在的难点与影响因素，提出确定数据资产估值的主要影响变量、改进传统评估模型等方面来展开研究。