數據資產對電商企業價值貢獻案例研究

當下電子商務企業經過十余年的高速發展，其服務平臺每天面對數億級的數據資源沉淀，越來越多的企業開始重視數據資產的作用，把對數據資源的爭奪上升到戰略高度。而數據資產評估對企業數據開發、交易、融資等運作都具有重要作用，研究數據資產對電商企業價值貢獻能夠促進企業數據資產維護、管理及應用，防止數據資產流失。

但是目前我國學術界尚沒有數據資產這樣一個概念，與之相關的國內外文獻也比較少。與數據資產評估聯系最緊密的研究領域為無形資產的價值評估。我國2001年頒布的《資產評估準則——無形資產》指出，無形資產是指特定主體所控制的，不具有實物形態，對生產經營長期發揮作用且能帶來經濟利益的資源。無形資產已成為互聯網企業價值驅動的核心要素。除去賬面無形資產，電商企業可能存在的無形資產有：域名、客戶關系網絡、人力資本、管理水平、數據資產等。由于數據資產不具備實物形態，應當屬于無形資產類型。

另外，與數據資產緊密相關的資產類型為信息資產以及軟件、硬件等技術類無形資產，數據可以看成是原材料，信息為產成品，軟件與硬件是生產信息的設備。值得指出，目前，對于信息資產學術界也尚無統一定義。Dos（1993）通過對近10年期間美國股市上97起信息資產投資公告發布前后的分析，發現了信息資產對企業股東價值的影響。李青松（2001）認為計算機軟件和數據信息等信息資產是非物質資產，具有一系列與物質資產不同的經濟特性：非物質性、消費無損耗性、非占有性、累積性與再生性。Chris（2010）回顧了四種典型的信息資產評估的專有方法，經濟影響法、解鎖信息價值法、信息管理估值模型以及客戶數據庫評估法，并認為評估信息資產往往是通過評估項目的形式，計算項目預期的收益和投資成本之差來估算其價值。徐園（2014）認為在未來數據的作用將和土地、資本、勞動力一樣成為新的生產要素，提出關于數據資產儲存、定價、管理、驅動解決方案可能衍生出的創新商業模式。

綜上可以看出, 學術界對數據資產價值評估的理論研究工作尚處于起步階段，對于數據資產的特性以及其價值影響因素尚不明了，缺乏有效的評估方法。數據資產價值的評估對于正確認識其價值、充分利用各種數據，減少不必要的數據冗余以及提高管理決策水平具有重要意義。本文嘗試做一些基礎性的探索工作，以電商企業為背景，探索數據資產的特性以及價值影響因素，并針對數據資產價值具有高度不確定性的特點，提出了用層次分析法與蒙特卡洛模擬相結合的數據資產價值貢獻研究方法，通過蒙特卡羅仿真得到的結果不只是一個簡單的數值，具有概率分布特性，給企業提供了一些更有價值的咨詢性意見。

一、數據資產特點與價值來源

（一）數據資產的特點

數據資產具有無形資產的屬性，從這個角度出發，我們可以發現數據資產主要有以下特性：無消耗性、累積增值性、依附性、知識產權性、價值易變性。

第一，無消耗性。數據資產的每次使用往往只需要花費很低的成本，不會因為擁有者使用頻率的增加而磨損、消耗。這一點與其他傳統無形資產有相似性。

第二，累積增值性。企業通過穩定發展，會促使數據資產在原有的基礎上，數據規模和數據維度的不斷積累，整體價值進一步提升。

第三，依附性。與其他無形資產類似，數據資產不能獨立存在，其發揮作用與效應往往依托于有形資產（例如計算機、硬件設備等）。

第四，知識產權性。數據資產融入了數據開發者的智力投入，符合知識產權的創新性與私有性的特征，具有知識產權性。

第五，價值易變性。數據資產時刻會受到數據容量、數據時效程度及相關數據技術等因素的影響，與其他無形資產相比，其內在價值更易發生變化。

對數據資產的認定就是對其進行科學識別，甄別其重要性。借鑒會計學資產的界定，我們可以通過三個條件進行判斷：數據資產是否歸屬于企業；所屬企業的數據資產是否具有價值性；數據資產是否能用貨幣計量。

（二）數據資產的價值來源

原始數據本身并無價值，數據資產是一系列企業價值活動的最終結果。為了研究數據資產的價值來源，我們可以采用邁克爾波特提出的價值鏈分析法來剖析數據價值流程。數據的價值活動是一系列的輸入、轉換與輸出的活動序列集合，每個活動都有可能相對于最終產品產生增值行為，從而增強企業的競爭地位。如圖1所示。

數據采集是整個價值活動的起點，數據的儲存與管理是價值鏈體系中的第二階段。數據分析就像是商品活動中生產加工過程，也是價值鏈活動的增值環節。數據應用是價值釋放的過程，數據資產的價值在應用階段得到了最大化。數據安全更像是價值活動當中的輔助活動，是整條價值鏈的潤滑劑。

二、數據資產價值的影響因素

數據資產受控于企業主體，附著于有形資產。數據資產的價值受到眾多變量因素影響，例如數據質量、數據容量、數據資產的取得成本、數據安全等。本文嘗試從多方面分析各因素對其價值的影響，并構建數據資產價值影響因素體系。

1．數據質量：數據價值密度與時效性共同構成數據質量，良好的數據質量是挖掘價值的重要保障。數據總量一定時，對于同一類型數據，其總體中有效數據所占比越大意味著數據價值越大。新產生的數據其應用價值更大，歷史數據會因時間的推進，價值逐漸降低。

2．數據容量：數據容量包括數據規模和數據維度兩方面，在數據價值密度不變的前提下，數據總量與數據資產的價值呈正相關，而更為復雜的多維度數據則蘊含著更大的潛在價值。

3．數據資產的取得成本：數據在應用階段得到了價值釋放，然而在數據儲存、數據提取與分析階段的成本投入將直接影響數據資產的價值。正確的存儲決策將幫助企業節省大量資金。

4．數據安全：數據安全事件會造成企業數據資產流失與大量用戶資源的流失，甚至導致用戶滿意度、對企業信賴度下降，最終使得數據主體企業的股價大跌。

5．數據權能的交易方式：伴隨著數據資產權能的立法健全與資本市場的成熟，數據資產的交易也將變得頻繁。從數據資產的交易方式來看，完全產權的交易價值將大于部分產權轉讓的交易價值。授權的程度與范圍的差異決定不同的數據資產價值。

6. 數據資產的經濟收益：首先，企業可以通過長期積極管理、挖掘、應用數據資源，使得數據資源轉化為數據資產并且不斷累計價值，最后通過交易數據資產獲得資本利得。其次，數據資產可以作用于企業內部，支撐各部門業務決策，通過間接的方式影響企業現金流。

7. 數據的使用期限：數據使用期限的長短將影響企業利用數據產生收益的大小，進而影響現有數據資產的價值。

三、數據資產對企業價值的貢獻評估思路與方法

圖1 數據資產價值鏈示意圖

數據資產價值的評估具有其特殊性。第一，以傳統三大評估方法對無形資產進行估值往往具有較大難度，評估方法的選擇成為數據資產價值評估的重點與難點。第二，數據資產在組合無形資產中權重關系具有特殊性。在利用層次分析法分割組合無形資產時，需要確認數據資產對比其他各項無形資產對于決策層重要性權重關系。由于數據資產的理論研究相對于其他無形資產較為滯后，使得人們通過主觀判斷其在組合無形資產中的權重關系時具有很高的難度。

無形資產在企業運轉中往往能夠帶來一定的超額收益，電商企業由于與高新技術聯系緊密，除資產負債表上列舉的無形資產，其在發展過程中累計并開發了大量的賬面外無形資產。然而各類無形資產通常是以組合型無形資產發揮效益的，如何從組合型無形資產中分離出各部分無形資產的價值，在資產評估中一直是個難題。汪海粟等（2000）認為利用層次分析法解決這個問題是一種實用的方法，其效果較好并有一定合理性。

蒙特卡洛模擬的基本思想是：當所要求解的問題是某種事件出現的概率，或者是某個隨機變量的期望值時，它們可以通過某種“試驗”的方法，得到這種事件出現的概率，或者隨機變數的平均值，并用它們作為問題的解。蒙特卡洛模擬已成為解決不確定性非常有效的方法，并且在財務分析、銷售預測、項目管理、質量控制、環境評價等諸多領域得到廣泛利用。

不難看出層次分析法在解決分割組合型無形資產時的不確定性有較好的理論基礎。蒙特卡洛模擬在解決模型輸入參數不確定的情況下有一定適用性。由于影響數據資產價值的因素異常復雜，數據資產評估的理論研究與實踐還處于萌芽階段，本文提出將層次分析法與蒙特卡羅模擬相結合的研究思路，一方面，層次分析法可以在獲取專家數據的基礎上，將數據資產的價值從組合無形資產中分割出來；另一方面，在層次分析法將數據資產價值的重要性用概率分布來表示，并應用蒙特卡洛仿真模擬計算數據資產價值的貢獻度，有利于從計算結果中發現不確定因素對數據資產價值的影響。

四、京東企業數據資產價值評估

作為中國最大的自營電商企業，目前京東在國內B2C自營市場中已取得了近百分之五十的占有率。本文確認組合無形資產是以企業價值內在價值與賬面價值之差為出發路徑，因此我們有必要對京東企業價值進行估值。考慮到京東屬于新興市場中高速發展的公司，近年來由于規模擴張及大量的費用支出、資本化投入，目前仍然處于虧損狀態（2014年凈虧損約合8億美元）。因此不選取市盈率作為估值指標比率，我們選擇以市銷率為基礎的市場法作為評估方法。

市銷率=（指定交易日期的股票收盤價×當日人名幣外匯牌價×截至指定交易日的總股本/最近財務報告的營業總收入）

本文對電子商務B2C行業內的企業的規模和主營業務比較與分析，選取了國內外三家與京東具有可比性的公司進行市場法估值。這三家公司分別為全球第二大互聯網公司電商龍頭亞馬遜；向全品類B2C電商轉型的圖書類電商當當網和中國折扣服裝類電商唯品會，這三家公司的歷史市銷率比值如表1所示。從歷史估值數據看，亞馬遜的PS均值為1.84；當當網PS均值為1.90；唯品會PS均值為2.08。三家可比公司市銷率平均區間在1.84到2.08之間。

表1 亞馬遜、當當、唯品會的市銷率歷史統計

京東商城2012、2013、2014年營業收入分別為414、690、1053億元人民幣。利用營業總收入乘以市銷率計算企業市場價值，我們得出京東的企業價值約為2121.88—2190.24億元之間，取平均值為2156.06億元，即347.75億美元。

五、京東數據資產分析

京東作為電商行業的領先者，擁有全鏈路的超優質海量數據。主要來源有兩塊，一是企業內部運轉所產生的數據，二是源自于企業外部的數據。

大數據在京東的自營各方面業務中已經占據非比尋常的位置，比如說深度挖掘和分析用戶行為，尤其是消費行為，可以預測未來銷售量，在倉儲方面實現倉庫智能購貨，持續更新京東推薦系統，提高廣告投放的有效性。對于逐漸成長起來的大數據平臺，京東大數據產品已經逐漸成熟。京東的數據資產應用主要體現在三方面：

第一、用數據資產突破精準銷售，利用大數據把商品銷售到正在需要該商品的客戶手中。通過京東自身平臺收集的行為數據，把這些數據進行歸類，選出最大概率的商品推送給用戶，其次，和其他擁有大型數據庫的機構合作，提高推銷精確度，從而提升企業的營業利潤。

第二、利用數據資產優化供應鏈運營。現階段，各互聯網電商企業吸引用戶量，搶占市場份額的主打口號就是用戶第一，服務第一。那么對于如京東這樣的電商企業，其服務第一就體現在其物流水平上。利用數據挖掘技術和建立相應的算法模型，企業可以統計出各類商品實時或過去一段時間的銷售量，測未來一段時間可能發生的銷量作為進貨參考，最后在倉庫存儲成本和用戶服務上找到一個很好的平衡點。

第三，京東大數據開拓互聯網金融業務。隨著京東大數據的深度挖掘和利用，其應用板塊也趨于多元化。例如：基于供貨商的信用數據，為其提供供應鏈信貸服務；基于消費者的歷史消費，為其提供商品分期付款服務。

六、京東數據資產價值評估

（一）前提與假設

假設一：利用市場法評估京東的企業價值對于其賬面凈資產的溢價部分，全部來源于組合型無形資產貢獻。

假設二：基于上述對電商無形資產的分析，本文假設構成京東組合型無形資產的貢獻有以下幾類無形資產：數據資產、人力資本、域名、客戶網絡、管理水平。

通過計算我們可以得出，京東的企業價值約為347.75億美元，折合人民幣為2156.06億元。估算其賬面凈資產為244.62億元。由此我們得出京東組合型無形資產（不包括賬面無形資產）的價值約為1911.44億元。在此基礎上，我們以京東整體數據資產為對象，評估其價值。

（二）估值過程

構建以組合無形資產價值為目標層；收入增加、成本費用節約、綜合競爭力（品牌影響力、用戶滿意度等）為決策層；五類無形資產為因素層的層次分析法體系，如圖2所示。通過專家座談及問卷的方式，明確除數據資產外四項無形資產對決策層的權重關系，其重要性的標度直接參考文獻，通過對問卷調查數據計算平均值，并進行一致性調整得到權重系數矩陣。

在確認數據資產對于決策層貢獻大小時，我們考慮兩方面因素。一方面由于數據資產屬于新興無形資產，缺乏良好的理論研究基礎，導致我們在判斷其在企業中重要性的不確定性。另一方面，基于現階段發展態勢，數據資產有爆發式發展潛力。本文設定數據資產對于收入增加、成本減少以及綜合競爭力的重要性為Xi,t=1,2,3，進而可以得到三個不同的判斷矩陣Ai,t=1,2,3并從專家調研數據中得到區間賦值的上界與下界，在蒙特卡洛仿真模擬中可以根據相應參數生成隨機數。

在確認其他無形資產的關系時，確保所得矩陣能夠通過一致性檢驗。得出各無形資產對于決策層的三個矩陣：

步驟一：層次單排序權重計算及一致性檢驗。

（1）A定義矩陣層次單排序，確定U1—U3三因素在京東無形資產收益中作用的大小并進行一致性檢驗（具體檢驗步驟略，下同）：

圖2 組合無形資產價值貢獻率計算層次體系

（2）定義矩陣，建立—單排序確定五項無形資產對收入增加的貢獻大小并進行一致性檢驗：

（3）定義矩陣，建立—單排序確定五項無形資產對成本減少的貢獻大小并進行一致性檢驗：

（4）定義矩陣建立—單排序確定五項無形資產對綜合競爭力的貢獻大小并進行一致性檢驗：

計算比較判斷矩陣的特征向量特征根 。比較判斷矩陣特征向量的值，表現了同一層次中若干元素對相鄰上一層次某一元素的相對重要性排序權重。

排序權重是否有滿意一致性要求，必須進行檢驗。首先，計算一致性指標：

式中代表比較矩陣最大特征根；n代表判斷矩陣階數，然后根據比較判斷矩陣階數n，查出平均隨機一致性指標RI(見表2)。

表2 平均隨機一致性指標

最后，計算一致性比率CR：

當CR小于0.1，認為判斷矩陣通過一致性檢驗，排序權重可以接受。

步驟二：層次總排序計算，確定各無形資產的貢獻率分布，并對總排序進行一致性檢驗。行各層次元素的組合權重計算，得到遞階層次結構中各層次中所有元素對總目標的相對權重，直至求出方案層各元素對總目標的排序權重。

利用Matlab程序進行蒙特卡洛模擬進行層次分析法計算，每次運算時對服從均勻分布的，具體參數和分布如表3所示，隨機抽取一個數據帶入矩陣模型，最終得到各項無形資產的貢獻率并記錄結果。重復1000次運算，記錄所有結果，形成各項無形資產的概率分布圖。

蒙特卡羅模擬1000次后，可得到數據資產在組合無形資產中貢獻率分布曲線圖，計算結果如圖3所示。

表3 蒙特卡洛模擬輸入參數表

根據圖3我們可以得到各項無形資產分成率占比及估計區間情況，如表4所示。通過統計結果我們可以發現，數據資產的分成率在23.0%—28.8%，其對應的估值區間在439.63—550.49億元。頻數最大值53出現在分成率為26.0%處，對應的價值為496.97億元，計算結果表明數據資產在電子商務企業中具有不菲的價值，應當得到企業的高度重視。

表4 運算結果對照表

七、研究結論

本文對我國電商企業在大數據時代背景下，面臨的一系列數據資源資產化的問題展開了系統的研究和論述。從收集并歸納國內外有關數據資產定義、價值來源的資料，構建理論研究的基礎，到層次分析法與蒙特卡羅模擬的原理和適用性分析，創新地將二者結合對無形資產進行評估。結合相關的案例，圍繞著數據資產對電商企業價值貢獻這一框架，采用定性與定量的分析方法，首先利用企業內在價值與賬面價值之差將組合無形資產從企業價值中剝離出來，然后運用層次分析法與蒙特卡羅模擬計算出數據資產在無形資產中的價值，最后得到京東數據資產2014年12月31日的估值。本文的研究可以為市場上涌現的其他新興無形資產的評估提供參考。本文雖然在案例部分使用了層次分析法與蒙特卡羅模擬結合法，具有一定的可行性與適用性，但是其專家打分過程中難以避免主觀性，本文的研究思路及其適用范圍需要通過進一步的應用與實證研究來檢驗。

圖3 各無形資產分成率分布曲線

參考文獻：

[1]財政部.企業會計準則第6號:無形資產,中國財政經濟出版社,2006.

[2]財政部會計司.國際會計準則第38號:無形資產.會計研究,8:56-57.1999.

[3]汪海粟.資產評估.高等教育出版社,2002.

[4]李青松.信息資產特征及其評估方法研究.北方經貿,10:101-102.2001.

[5]徐園.數據資產、大數據、信息資產及媒體變革的思考.中國傳媒科技,(11)：40-45.2013.

[6]王同律,汪海粟.組合無形資產的分割-AHP法在無形資產評估中的應用.中國資產評估,2:13-17.2000.

[7]郭強,伍青.蒙特卡羅模擬在收益法評估中的應用,中國資產評估,11:31-35.2005.

[8]范建華.基于層面劃分法的信息資產識別方法.標準科學,9:64,2009.

[9]陳守忠.無形資產評估方法探討.中央財經大學學報,8(4):77-80.2002.

[10]邁克爾·波特.競爭優勢[M].中信出版社,1985.

[11]B. L. Dos Santos, K. Peffers, D. C. Mauer . The impact of information technology investment announcements on the market value of the firm. Information Systems Research , 4(1):1-23,1993.

[12]H. Chris, W. Dave. Valuing information as an asset. Journal of SAS.13-17.2010.

[13]Y.J. Chiu, Y.W. Chen. Using AHP in patent valuation.Mathematical and Computer Modelling, 46(7):1054-1062, 2007.

[14]M.E. Barth, K. Ron, F.M. McNichols. Analyst coverage and intangible assets. Journal of accounting research, 39(1):1-34,2001.