企業(yè)數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估研究

宋杰鯤 張業(yè)蒙 趙志浩

【關(guān)鍵詞】 數(shù)據(jù)資產(chǎn)價(jià)值; 組合評(píng)價(jià); 數(shù)據(jù)成本; 表觀價(jià)值; 數(shù)據(jù)服務(wù)收益; 直覺(jué)模糊決策

【中圖分類(lèi)號(hào)】 F490? 【文獻(xiàn)標(biāo)識(shí)碼】 A? 【文章編號(hào)】 1004-5937（2021）13-0022-06

一、引言

數(shù)據(jù)是21世紀(jì)的“石油”，通過(guò)不斷地被利用而實(shí)現(xiàn)價(jià)值，為經(jīng)濟(jì)發(fā)展與技術(shù)進(jìn)步提供動(dòng)力。我國(guó)高度重視數(shù)據(jù)作用，明確提出要實(shí)施國(guó)家大數(shù)據(jù)戰(zhàn)略，把大數(shù)據(jù)作為基礎(chǔ)性戰(zhàn)略資源，推進(jìn)數(shù)據(jù)資源開(kāi)放共享。習(xí)近平總書(shū)記多次強(qiáng)調(diào)要構(gòu)建以數(shù)據(jù)為關(guān)鍵要素的數(shù)字經(jīng)濟(jì)。2019年11月，黨的十九屆四中全會(huì)提出數(shù)據(jù)可作為生產(chǎn)要素按貢獻(xiàn)參與分配，這體現(xiàn)出經(jīng)濟(jì)高質(zhì)量發(fā)展對(duì)數(shù)據(jù)這一質(zhì)量型生產(chǎn)要素的投入要求，必將極大促進(jìn)我國(guó)數(shù)字經(jīng)濟(jì)的發(fā)展，也使得企業(yè)更加關(guān)注數(shù)據(jù)，重視數(shù)據(jù)貢獻(xiàn)或價(jià)值。

學(xué)術(shù)界對(duì)企業(yè)數(shù)據(jù)價(jià)值評(píng)價(jià)的研究日益增多。學(xué)者們普遍認(rèn)為，大數(shù)據(jù)時(shí)代下數(shù)據(jù)資源不僅是企業(yè)管理決策的基礎(chǔ)與依據(jù)，更是企業(yè)獲得效益不可或缺的資產(chǎn)。劉琦等[1]提出了市場(chǎng)法評(píng)估企業(yè)數(shù)據(jù)資產(chǎn)價(jià)值（Enterprise Data Assets Value，EDAV）的基本思路，通過(guò)對(duì)技術(shù)、價(jià)值密度、容量等因素進(jìn)行調(diào)整，評(píng)估同類(lèi)企業(yè)的EDAV。李永紅等[2]分析了市場(chǎng)法、成本法、收益法等的適用條件，指出市場(chǎng)法能夠兼顧成本與收益，在有一個(gè)適用同類(lèi)市場(chǎng)的前提下，通過(guò)數(shù)據(jù)量與質(zhì)量、數(shù)據(jù)分析能力等因素修正可以評(píng)估EDAV。左文進(jìn)等[3]假設(shè)同類(lèi)市場(chǎng)及其組合收益已知，應(yīng)用Shapley值法和破產(chǎn)分配法進(jìn)行再估值。黃樂(lè)等[4]則融合成本法、收益法和市場(chǎng)法，對(duì)互聯(lián)網(wǎng)平臺(tái)EDAV進(jìn)行評(píng)估。王靜等[5]從交易視角應(yīng)用期權(quán)定價(jià)法對(duì)互聯(lián)網(wǎng)金融企業(yè)的EDAV進(jìn)行評(píng)價(jià)。董祥千等[6]假設(shè)數(shù)據(jù)交易價(jià)格和要素投入已知，提出利潤(rùn)最大化的EDAV評(píng)價(jià)方法。張志剛等[7]認(rèn)為EDAV因素具有模糊、不確定性，應(yīng)以提升數(shù)據(jù)增值運(yùn)營(yíng)水平為目的，對(duì)成本和應(yīng)用開(kāi)展綜合評(píng)價(jià)，他們構(gòu)建了包含六個(gè)指標(biāo)的評(píng)價(jià)指標(biāo)體系，應(yīng)用層次分析法賦權(quán)的專(zhuān)家評(píng)分綜合法進(jìn)行評(píng)價(jià)。李菲菲等[8]結(jié)合電力企業(yè)實(shí)際，構(gòu)建包括成本、應(yīng)用兩方面六個(gè)指標(biāo)的評(píng)估體系，對(duì)供電企業(yè)的EDAV進(jìn)行評(píng)價(jià)。王笑笑等[9]構(gòu)建了包含成本、質(zhì)量和使用三方面九個(gè)指標(biāo)的指標(biāo)體系，應(yīng)用模糊綜合評(píng)價(jià)方法進(jìn)行EDAV評(píng)估。通過(guò)文獻(xiàn)梳理可知，受限于同類(lèi)市場(chǎng)的難獲得性、EDAV中成本投入與貢獻(xiàn)產(chǎn)出的難剝離性等條件制約，對(duì)除互聯(lián)網(wǎng)平臺(tái)之外企業(yè)的EDAV進(jìn)行直接評(píng)價(jià)較為困難。構(gòu)建涵蓋投入、產(chǎn)出等方面的完備的指標(biāo)體系，選取綜合評(píng)價(jià)模型對(duì)EDAV進(jìn)行評(píng)價(jià)是在當(dāng)前缺乏科學(xué)的會(huì)計(jì)確認(rèn)與計(jì)量條件下較為可行的途徑，也有利于企業(yè)明晰EDAV的投入產(chǎn)出水平，為其增值提供決策支持。鑒于EDAV評(píng)價(jià)指標(biāo)多具有模糊性，可表述為區(qū)間數(shù)、語(yǔ)言變量等形式，本文試圖構(gòu)建基于混合多屬性決策的EDAV評(píng)價(jià)模型，以豐富與完善EDAV評(píng)價(jià)理論，為EDAV實(shí)際評(píng)價(jià)提供參考。

二、企業(yè)數(shù)據(jù)資產(chǎn)價(jià)值評(píng)價(jià)指標(biāo)體系構(gòu)建

數(shù)據(jù)資產(chǎn)是指被企業(yè)擁有和控制的、能夠?yàn)槠髽I(yè)帶來(lái)價(jià)值的數(shù)據(jù)。大數(shù)據(jù)時(shí)代下企業(yè)數(shù)據(jù)資產(chǎn)形成與應(yīng)用的基本流程如圖1所示。分布在不同數(shù)據(jù)平臺(tái)上的多源異構(gòu)數(shù)據(jù)經(jīng)過(guò)ETL（抽取、轉(zhuǎn)換、裝載），存儲(chǔ)至協(xié)同化的數(shù)據(jù)倉(cāng)庫(kù)或不同主題的數(shù)據(jù)集市中，繼而對(duì)數(shù)據(jù)進(jìn)行提取、多維分析或應(yīng)用機(jī)器學(xué)習(xí)模型進(jìn)行知識(shí)挖掘，將得到的數(shù)據(jù)產(chǎn)品交付給企業(yè)內(nèi)部供決策支持應(yīng)用或交付給外部顧客滿足其定制需求。

從EDAV的投入來(lái)看，主要是發(fā)生在數(shù)據(jù)搜集、ETL、存儲(chǔ)、分析、業(yè)務(wù)應(yīng)用等環(huán)節(jié)的人工、設(shè)備、材料、動(dòng)力等相關(guān)費(fèi)用，具體可分為數(shù)據(jù)載體成本、外購(gòu)成本、運(yùn)維成本、服務(wù)成本等。從產(chǎn)出來(lái)看，主要體現(xiàn)在兩個(gè)方面：一是通過(guò)交易可以直接變現(xiàn)的外部服務(wù)價(jià)值，體現(xiàn)為經(jīng)提取、分析、挖掘后交付給外部顧客的數(shù)據(jù)量、數(shù)據(jù)質(zhì)量以及獲得的收益;二是作為企業(yè)資源要素加工后交付企業(yè)內(nèi)部使用的數(shù)據(jù)量、數(shù)據(jù)質(zhì)量及決策支持應(yīng)用貢獻(xiàn)。遵循系統(tǒng)性、層次性、客觀性、可比性等原則，構(gòu)建EDAV評(píng)價(jià)指標(biāo)體系如表1所示。數(shù)據(jù)成本反映出價(jià)值的各類(lèi)成本投入;表觀價(jià)值反映出數(shù)據(jù)資產(chǎn)的數(shù)量與質(zhì)量，是當(dāng)前服務(wù)價(jià)值及其未來(lái)增值的本源;服務(wù)價(jià)值包含了外部服務(wù)和內(nèi)部服務(wù)，體現(xiàn)出EDAV的應(yīng)用價(jià)值。

三、企業(yè)數(shù)據(jù)資產(chǎn)價(jià)值評(píng)價(jià)模型建立

實(shí)際中，EDAV評(píng)價(jià)指標(biāo)可以有多種表征形式，如滿意度指標(biāo)可由組織者根據(jù)外部和內(nèi)部顧客調(diào)查計(jì)算出滿意人數(shù)占比，載體成本為既有固定成本，它們可以表述為精確數(shù);外購(gòu)成本、運(yùn)維成本、服務(wù)成本、服務(wù)收益可以根據(jù)近年來(lái)的統(tǒng)計(jì)，表述為包含最小值和最大值的區(qū)間數(shù);單一企業(yè)的數(shù)據(jù)規(guī)模難以精確表述，但是不同企業(yè)間的對(duì)比狀況容易刻畫(huà)，可以表述為語(yǔ)言變量;數(shù)據(jù)完備度、數(shù)據(jù)合理性為定性指標(biāo)，可以表述為語(yǔ)言變量;決策支持貢獻(xiàn)度可以通過(guò)專(zhuān)家評(píng)定，采用百分?jǐn)?shù)區(qū)間表示。在處理含有不確定性、模糊性的決策問(wèn)題時(shí)，統(tǒng)一轉(zhuǎn)換為直覺(jué)模糊數(shù)形式具有一定的優(yōu)勢(shì)，能夠避免將不確定變量轉(zhuǎn)換為確定性變量所導(dǎo)致的較多信息失真問(wèn)題。鑒于直覺(jué)模糊多屬性決策有多種方法，理論上均適用于EDAV評(píng)價(jià)，本文將基于這些單一評(píng)價(jià)方法進(jìn)行組合評(píng)價(jià)，提高評(píng)價(jià)的科學(xué)性。

（一）不同指標(biāo)形式的直覺(jué)模糊數(shù)轉(zhuǎn)化

將精確數(shù)、區(qū)間數(shù)、語(yǔ)言變量統(tǒng)一轉(zhuǎn)換為直覺(jué)模糊數(shù)，首先需要將各類(lèi)變量數(shù)值進(jìn)行標(biāo)準(zhǔn)化。為了便于評(píng)價(jià)對(duì)象之間的比較區(qū)分，在標(biāo)準(zhǔn)化轉(zhuǎn)換時(shí)優(yōu)先考慮歸一化處理法和向量規(guī)范法。由于歸一化處理后的數(shù)值通常比向量規(guī)范化后的數(shù)值要小，在向量規(guī)范化標(biāo)準(zhǔn)化結(jié)果不突破[0，1]區(qū)間的情形下，優(yōu)先選擇向量規(guī)范化。設(shè)11項(xiàng)指標(biāo)構(gòu)成評(píng)價(jià)矩陣[xij]m×11，對(duì)其標(biāo)準(zhǔn)化并轉(zhuǎn)換為直覺(jué)模糊數(shù)決策矩陣Z=[zij]m×11。

（二）指標(biāo)賦權(quán)

兼顧EDAV評(píng)價(jià)的目標(biāo)導(dǎo)向性與差異區(qū)分性，一方面通過(guò)層次分析法（AHP）得到各指標(biāo)的主觀權(quán)重（？濁j），以反映專(zhuān)家對(duì)評(píng)價(jià)指標(biāo)重要性的普遍性認(rèn)知;另一方面基于直覺(jué)模糊熵進(jìn)行客觀賦權(quán)，以充分反映實(shí)際評(píng)價(jià)時(shí)各EDAV間的差異。對(duì)于直覺(jué)模糊熵的討論有很多，通過(guò)對(duì)各種測(cè)度公式加以比較，選擇文獻(xiàn)[10]中的測(cè)度公式，有第j項(xiàng)指標(biāo)的直覺(jué)模糊熵為：

其中，sij=uij-vij和πij=uij+vij分別為直覺(jué)模糊數(shù)（zij）的得分與精確度，則指標(biāo)客觀權(quán)重為：

對(duì)指標(biāo)主客觀權(quán)重按照權(quán)系數(shù)（α）和（1-α）進(jìn)行加權(quán)得到組合權(quán)重（wj）。

（三）單一評(píng)價(jià)

目前應(yīng)用相對(duì)較多的直覺(jué)模糊多屬性決策模型主要有集結(jié)算子、TOPSIS、VIKOR、灰色關(guān)聯(lián)分析、證據(jù)推理等。這些模型均有著較為成熟的理論基礎(chǔ)，可以用于EDAV評(píng)價(jià)。

集結(jié)算子模型是對(duì)各個(gè)指標(biāo)數(shù)值應(yīng)用集結(jié)算子進(jìn)行單一化。集結(jié)算子有多種形式，混合算術(shù)平均算子兼顧指標(biāo)重要性及直覺(jué)模糊數(shù)排序位置兩方面信息，具有冪等性、有界性等良好數(shù)學(xué)性質(zhì)，本文用該算子進(jìn)行EDAV評(píng)價(jià)。基本步驟為計(jì)算加權(quán)直覺(jué)模糊數(shù)矩陣;按照直覺(jué)模糊數(shù)排序規(guī)則對(duì)每一EDAV中11個(gè)加權(quán)指標(biāo)值由大到小排序，記第j位次指標(biāo)值對(duì)應(yīng)加權(quán)前的直覺(jué)模糊數(shù)為ziσ（ j ），指標(biāo)權(quán)重為wiσ（ j ）;按照正態(tài)分布賦權(quán)法計(jì)算位置權(quán)重ωj，則第i個(gè)EDAV的綜合屬性值為：

按照直覺(jué)模糊數(shù)排序規(guī)則對(duì)所有EDAV進(jìn)行排序。

TOPSIS即逼近理想點(diǎn)法，基本步驟為確定正、負(fù)理想點(diǎn)，計(jì)算各EDAV距離正、負(fù)理想點(diǎn)的加權(quán)距離、貼近度，按照貼近度由大到小的順序進(jìn)行排序。其中，直覺(jué)模糊數(shù)間的距離采用文獻(xiàn)[11]中的測(cè)度公式：[u1-u2+v1-v2+s1-s2+（1-？仔1）+（1-？仔2）]/6+max{u1-u2/3，v1-v2/3，v1-v2/6}，si和？仔i分別為直覺(jué)模糊數(shù)zi=的得分和精確度，i=1，2。

VIKOR即多準(zhǔn)則妥協(xié)解排序法，基本步驟為計(jì)算各EDAV距離正理想點(diǎn)的群體效用值、個(gè)體遺憾值，通過(guò)自主設(shè)置折中系數(shù)反映決策者偏好，計(jì)算得到利益比率值，按照利益比率值由小到大的順序?qū)DAV進(jìn)行排序。

灰色關(guān)聯(lián)分析是依據(jù)評(píng)價(jià)對(duì)象與參考序列（如正理想點(diǎn)）之間的關(guān)聯(lián)度進(jìn)行評(píng)價(jià)。基本步驟為確定參考序列（如正理想點(diǎn)）;計(jì)算各EDAV每項(xiàng)指標(biāo)與正理想點(diǎn)的關(guān)聯(lián)系數(shù);對(duì)關(guān)聯(lián)系數(shù)加權(quán)得到各EDAV與正理想點(diǎn)的關(guān)聯(lián)度;按照關(guān)聯(lián)度由大到小的順序進(jìn)行排序。

證據(jù)推理模型是將評(píng)價(jià)對(duì)象的各項(xiàng)指標(biāo)視為證據(jù)，每項(xiàng)證據(jù)由多個(gè)評(píng)價(jià)等級(jí)構(gòu)成的辨識(shí)框架進(jìn)行評(píng)估，獲得屬于各等級(jí)的置信度，繼而結(jié)合指標(biāo)權(quán)重，運(yùn)用證據(jù)推理算法進(jìn)行合成?？梢詰?yīng)用IDS軟件進(jìn)行證據(jù)推理：首先建立由頂層指標(biāo)和11個(gè)底層指標(biāo)構(gòu)成的層次結(jié)構(gòu)，其中，頂層指標(biāo)包含好、差兩個(gè)等級(jí)，效用值分別為1和0，每個(gè)底層指標(biāo)分為好、差兩個(gè)等級(jí)，其置信度分別為（1，0）和（0，1）;其次，輸入11個(gè)底層指標(biāo)的權(quán)重，以及各EDAV每項(xiàng)指標(biāo)屬于好、差兩個(gè)等級(jí)的置信度，即直覺(jué)模糊數(shù)形式表示的指標(biāo)值;最后，評(píng)估各EDAV頂層指標(biāo)對(duì)于（好，差）的置信度，并按直覺(jué)模糊數(shù)排序規(guī)則進(jìn)行排序。

（四）組合評(píng)價(jià)

單一評(píng)價(jià)模型的評(píng)價(jià)結(jié)論未必一致，對(duì)它們組合評(píng)價(jià)，基本步驟為：①運(yùn)用Kendall協(xié)同系數(shù)法進(jìn)行相容性檢驗(yàn)，得到相容模型集;②對(duì)相容模型評(píng)價(jià)結(jié)果運(yùn)用多種組合評(píng)價(jià)模型進(jìn)行組合;③對(duì)組合評(píng)價(jià)結(jié)果與相容模型結(jié)果運(yùn)用Spearman秩相關(guān)系數(shù)法進(jìn)行一致性檢驗(yàn);④如果存在組合評(píng)價(jià)模型結(jié)果通過(guò)一致性檢驗(yàn)，則輸出通過(guò)一致性檢驗(yàn)且統(tǒng)計(jì)檢驗(yàn)值最大的組合評(píng)價(jià)結(jié)果作為最終評(píng)價(jià)結(jié)果，否則轉(zhuǎn)下一步;⑤刪除單一評(píng)價(jià)模型中與其他評(píng)價(jià)模型結(jié)果相關(guān)性最低的模型，構(gòu)成新的相容模型集，轉(zhuǎn)到③繼續(xù)組合，直至得到通過(guò)一致性檢驗(yàn)且統(tǒng)計(jì)檢驗(yàn)值最大的最終評(píng)價(jià)結(jié)果。

由于EDAV評(píng)價(jià)的目的是確定多個(gè)EDAV合理、一致的排序，本文應(yīng)用基于排序方法的組合評(píng)價(jià)模型，主要包括平均值法、Borda法、Copeland法、模糊Borda法。前三種方法均基于排序加以組合，應(yīng)用較為成熟，本文不再贅述。基于直覺(jué)模糊決策模型的模糊Borda法涉及直覺(jué)模糊決策結(jié)果的差異，除隸屬度函數(shù)設(shè)置有所區(qū)別外，其余步驟與實(shí)數(shù)決策結(jié)果的步驟完全相同，定義Ai在第k種模型下屬于“優(yōu)”的隸屬度如下：

其中，fik表示Ai在第k種模型下評(píng)價(jià)結(jié)果的分值。若模型為集結(jié)算子和證據(jù)推理模型，fik為直覺(jué)模糊數(shù)的得分值;若為T(mén)OPSIS和灰色關(guān)聯(lián)分析模型，fik分別為貼近度和關(guān)聯(lián)度;若為VIKOR模型，由于利益比率值fi為成本型指標(biāo)，改用如下的隸屬度函數(shù)：

四、實(shí)例分析

某油田企業(yè)對(duì)下屬的勘探開(kāi)發(fā)（KK）、物探（WT）、石油工程技術(shù)（SG）、采油工藝（CG）、勘察設(shè)計(jì)（KS）、鉆井工藝（ZG）這6家研究院的EDAV進(jìn)行評(píng)價(jià)，調(diào)研得到表2所示的原始評(píng)價(jià)數(shù)據(jù)。其中，定性指標(biāo)均采用7級(jí)語(yǔ)言變量集{最高，很高，高，平均，低，很低，最低}表述。

將上述評(píng)價(jià)矩陣進(jìn)行規(guī)范化，并轉(zhuǎn)換為直覺(jué)模糊數(shù)，結(jié)果見(jiàn)表3。

計(jì)算11項(xiàng)指標(biāo)的直覺(jué)模糊熵權(quán)依次為0.1243、0.1059、0.0672、0.0453、0.0778、0.0807、0.0891、0.0635、0.1235、0.0992、0.1235。AHP得到的主觀權(quán)重為0.1402、0.0505、0.0217、0.0846、0.0326、0.0652、0.0652、0.1895、0.1021、0.1895、0.0589，設(shè)主客觀權(quán)重的權(quán)系數(shù)分別為2/3和1/3，有11項(xiàng)指標(biāo)的組合權(quán)重依次為0.1349、0.0690、0.0369、0.0715、0.0477、0.0704、0.0732、0.1475、0.1092、0.1594、0.0804。分別應(yīng)用集結(jié)算子、TOPSIS、VIKOR、灰色關(guān)聯(lián)分析和證據(jù)推理模型得到評(píng)價(jià)結(jié)果見(jiàn)表4。其中，VIKOR中的折中系數(shù)和灰色關(guān)聯(lián)分析中的分辨系數(shù)均取0.5。

Kendall協(xié)同系數(shù)檢驗(yàn)結(jié)果見(jiàn)表5，漸進(jìn)顯著性為0.02，低于0.05，表明5種模型的評(píng)價(jià)結(jié)果具有較為顯著的一致性，構(gòu)成相容模型集。

將5種單一評(píng)價(jià)模型結(jié)果代入4種組合評(píng)價(jià)模型，得到組合評(píng)價(jià)結(jié)果見(jiàn)表6。前3種組合評(píng)價(jià)模型的排序結(jié)果完全一致，模糊Borda法的結(jié)果略有差異。4種組合評(píng)價(jià)模型的Spearman統(tǒng)計(jì)檢驗(yàn)值均為2.9598，均大于t0.05（4）=2.132，輸出一致的前3種組合評(píng)價(jià)模型的結(jié)果作為最終排序結(jié)果，即6家研究院按照EDAV由高到低依次為鉆井工藝研究院、采油工藝研究院、勘察設(shè)計(jì)研究院、勘探開(kāi)發(fā)研究院、石油工程技術(shù)研究院和物探研究院。

結(jié)合評(píng)價(jià)原始數(shù)據(jù)可知，鉆井工藝研究院在顧客滿意度、決策支持貢獻(xiàn)度、外購(gòu)成本、服務(wù)成本等方面均有著較好表現(xiàn)，但是內(nèi)部應(yīng)用滿意度、數(shù)據(jù)合理性數(shù)值較低，未來(lái)該研究院應(yīng)面向內(nèi)部應(yīng)用，加強(qiáng)內(nèi)部數(shù)據(jù)的分析挖掘與產(chǎn)品設(shè)計(jì)，提高數(shù)據(jù)資產(chǎn)的內(nèi)部應(yīng)用價(jià)值。采油工藝研究院在決策支持貢獻(xiàn)度、各項(xiàng)成本、數(shù)據(jù)合理性等方面表現(xiàn)較好，但是服務(wù)收益、外部顧客滿意度數(shù)值較低，未來(lái)應(yīng)強(qiáng)化外部數(shù)據(jù)服務(wù)，提高數(shù)據(jù)資產(chǎn)外部服務(wù)價(jià)值。勘察設(shè)計(jì)研究院在數(shù)據(jù)規(guī)模、決策支持貢獻(xiàn)度、服務(wù)收益、外部顧客滿意度等方面有待提高，今后應(yīng)不斷提高數(shù)據(jù)儲(chǔ)量，對(duì)數(shù)據(jù)源進(jìn)一步挖潛，做好內(nèi)外部決策支持設(shè)計(jì)，提高數(shù)據(jù)資產(chǎn)服務(wù)價(jià)值。勘探開(kāi)發(fā)研究院作為綜合程度最高的研究院，其高收益與高載體成本、外購(gòu)成本較為匹配，但是在服務(wù)成本、運(yùn)維成本、決策支持貢獻(xiàn)度方面有待加強(qiáng)，今后應(yīng)持續(xù)優(yōu)化服務(wù)、運(yùn)維流程，并將數(shù)據(jù)源、數(shù)據(jù)產(chǎn)品不斷融合，提高對(duì)研究院內(nèi)部決策的支持水平。石油工程技術(shù)研究院在外購(gòu)成本、服務(wù)成本、數(shù)據(jù)完備度、服務(wù)收益、內(nèi)部應(yīng)用滿意度等方面有待加強(qiáng)，今后應(yīng)推動(dòng)決策支持?jǐn)?shù)據(jù)產(chǎn)品的系列化、完備化，提高數(shù)據(jù)產(chǎn)品收益，不斷改進(jìn)服務(wù)流程，并適當(dāng)降低外購(gòu)成本。物探研究院在服務(wù)成本、運(yùn)維成本、數(shù)據(jù)合理性、外部顧客滿意度、決策支持貢獻(xiàn)度等方面均有待提升，同時(shí)較低的服務(wù)收益與其較高的數(shù)據(jù)載體成本不相匹配，今后應(yīng)優(yōu)化服務(wù)、運(yùn)維流程，結(jié)合內(nèi)外部顧客需求，加強(qiáng)數(shù)據(jù)分析、挖掘與交付產(chǎn)品設(shè)計(jì)，提高服務(wù)收益和內(nèi)部決策支持水平。

五、結(jié)論

EDAV評(píng)價(jià)是大數(shù)據(jù)時(shí)代下企業(yè)數(shù)據(jù)資產(chǎn)管理的重要構(gòu)成。結(jié)合數(shù)據(jù)資產(chǎn)形成與管理的基本流程與指標(biāo)體系構(gòu)建原則，本文構(gòu)建了較為完備的EDAV評(píng)價(jià)指標(biāo)體系。結(jié)合指標(biāo)的混合屬性特征，將其統(tǒng)一轉(zhuǎn)換為直覺(jué)模糊數(shù)，進(jìn)而構(gòu)建基于直覺(jué)模糊決策的單一評(píng)價(jià)模型，包括集成算子、TOPSIS、VIKOR、灰色關(guān)聯(lián)分析、證據(jù)推理等模型。對(duì)單一評(píng)價(jià)模型進(jìn)行相容性檢驗(yàn)，并對(duì)相容模型結(jié)果應(yīng)用平均值、Borda、Copeland和模糊Borda等組合評(píng)價(jià)模型進(jìn)行組合，對(duì)結(jié)果進(jìn)行一致性檢驗(yàn)。實(shí)例分析表明，所建的EDAV評(píng)價(jià)指標(biāo)體系與模型體系可行、有效，一定程度上豐富了EDAV評(píng)價(jià)理論，也為實(shí)際EDAV評(píng)價(jià)提供了啟發(fā)與參考。

【參考文獻(xiàn)】

[1] 劉琦，童洋，魏永長(zhǎng)，等.市場(chǎng)法評(píng)估大數(shù)據(jù)資產(chǎn)的應(yīng)用[J].中國(guó)資產(chǎn)評(píng)估，2016（11）：33-37.

[2] 李永紅，張淑雯.數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估模型構(gòu)建[J].財(cái)會(huì)月刊，2018（9）：30-35.

[3] 左文進(jìn)，劉麗君.大數(shù)據(jù)資產(chǎn)估價(jià)方法研究[J].價(jià)格理論與實(shí)踐，2019（8）：116-119.

[4] 黃樂(lè)，劉佳進(jìn)，黃志剛.大數(shù)據(jù)時(shí)代下平臺(tái)數(shù)據(jù)資產(chǎn)價(jià)值研究[J].福州大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2018 （4）：50-54.

[5] 王靜，王娟.互聯(lián)網(wǎng)金融企業(yè)數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估[J].技術(shù)經(jīng)濟(jì)與管理研究，2019（7）：73-78.

[6] 董祥千，郭兵，沈艷，等.基于利潤(rùn)最大化的數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估模型[J].大數(shù)據(jù)，2020（3）：13-20.

[7] 張志剛，楊棟樞，吳紅俠.數(shù)據(jù)資產(chǎn)價(jià)值評(píng)估模型研究與應(yīng)用[J].現(xiàn)代電子技術(shù)，2015，38（20）：44-47.

[8] 李菲菲，關(guān)楊，王勝文，等.信息生態(tài)視角下供電企業(yè)數(shù)據(jù)資產(chǎn)管理模型及價(jià)值評(píng)估方法研究[J].情報(bào)科學(xué)，2019，37（10）：46-52.

[9] 王笑笑，郝紅軍，張樹(shù)臣，等.基于模糊神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)價(jià)值評(píng)估研究[J].科技與管理，2019，21（2）：1-9.

[10] 李巖，陳云翔，羅承昆，等.基于概率猶豫直覺(jué)模糊熵和證據(jù)推理的多屬性決策方法[J].系統(tǒng)工程與電子技術(shù)，2020（5）：1116-1123.

[11] 汪汝根，李為民，羅驍，等.基于新距離測(cè)度的直覺(jué)模糊VIKOR多屬性決策方法[J].系統(tǒng)工程與電子技術(shù)，2019，41（11）：2524-2532.