從經濟增加值角度探索企業數字資產的價值創造

黃嘉瑞

（北京師范大學—香港浸會大學聯合國際學院）

一、引言

企業經營過程，從戰略的角度開展價值驅動要素分析，確認各業務單元管理者可以控制的價值驅動要素和評價指標，對每個業務單元進行動態的價值要素分析，確定對企業價值影響最大的因素，逐級建立起價值驅動要素的層次結構，使這些關鍵的價值驅動要素在產品開發、生產、營銷、財務、信息系統以及人力資源開發與利用等過程中成為可控制的變量。

而經濟增加值（Economic Value Added，簡稱EVA）是一種創新的企業績效評估標準。相對于傳統指標，EVA克服了局限性，更準確地反映了企業在特定時期內為股東創造的價值。自從二十世紀90年代中期以后，在國外逐漸廣泛應用，并成為傳統績效評估體系的重要補充。

著名管理學家彼得·德魯克曾在《哈佛商業評論》中作過如此的評價：“EVA絕不是一個新概念，EVA只不過是對經濟學家的‘剩余收益’概念的發展，并具有可操作性和高度的靈活性”。

剩余收益（RI）由經濟學者Alfred Marshall在1880年提出，是指企業稅后凈營業利潤減去資本成本后的剩余純收入。剩余收益的理論認為，一個企業之所以能為其所有者（股東）創造財富，投入的資本收入必須超過其資金的成本，剩余收益衡量的是扣除債務成本和權益成本后的現金流。

二、數字經濟為價值創造提供了更多創新空間

數字中國建設成為推動中國式現代化的關鍵引擎，國家十二五（2011—2015年）規劃提出“全面提高信息化水平，推進經濟社會各領域信息化，推動信息化和工業化深度融合”；十三五（2016—2020年）規劃提出“加快建設數字中國，推動信息技術與社會經濟發展深度融合，加快推動信息經濟發展壯大化”；十四五（2021—2025年）規劃提出“迎接數字時代，激活數據要素潛能，推進網絡強國建設，加快建設數據經濟、數字社會、數字政府”。

2016年G20杭州峰會上通過的《G20數字經濟發展與合作倡議》提出“數字經濟是指以使用的數據作為主要生產要素、以信息通信技術和人工智能的有效使用作為載體的一系列經濟活動”，數據成為繼勞動、資本、技術之后新的生產要素，而且數據要素在規模經濟凸顯的低成本特性，數據資源將成為數字經濟時代新的核心要素。

三、EVA在數字經濟階段實現更合理的企業評估

近年來，隨著數字經濟的快速發展，數字經濟的概念不斷深化，應用場景不斷得到豐富，數字經濟的特征也日益顯現。

面對新的生產要素和經濟活動載體，傳統的財務核算和報告體系無法全量全要素的展現企業價值創造情況，EVA企業績效評估體系突破其局限性，結合數據要素不同階段的特征，通過數據收集、整合、清洗、存儲、分析等，以最大化數據的潛在價值和使用效益，更準確地反映了企業在特定時期內為股東創造的價值。

四、數據要素不同階段價值創造特征

（一）數據資源化階段

2022年12月9日，財政部辦公廳發布《企業數據資源相關會計處理暫行規定（征求意見稿）》，此次規定適用于企業確認為無形資產或者存貨類別的數據資源。明確企業可將符合會計準則要求的內部使用的數據資源確認為無形資產，日常活動中持有、最終目的用于出售的數據資源確認為存貨，在會計報表附注中將數據資源相關會計信息進行披露。數據資源進入財務報表，成為數據要素資產化、資本化過程中的重要一環，為未來的數據交易、流通、變現奠定基礎制度。數據將成為企業新型的資產，為企業創造更大的價值。從會計角度，數據資源相關投入從費用化走向資本化。此次的暫行規定實則是將圍繞數據資源發生的相關投入，包括數據的購買、采集、標注、整合、分析、可視化等過程的開支，從過去的費用化（一次性計入當期費用和成本），改變為資本化（計入企業資產并在未來年度攤銷），這為數據作為一項生產要素，在企業生產經營活動中的價值評估提供了基礎的依據。從暫行規定來看，企業的數據資源可以分為內部使用數據（計入無形資產）和對外交易數據（計入存貨），實則是將這些環節過去的費用投入資產化的過程。

數據要素促進增加企業經營效益成果明顯。根據《中國數據要素市場發展報告（2021—2022）》，通過對5000多個項目信息分析表明，數據要素增加企業效益成果明顯，總體來說，數據要素使得工業企業業務增長平均增加41.18%，生產效率平均提高42.8%，產品研發周期平均縮短15.33%，能源利用率平均提高10.19%。具體來說，1544家企業的數據顯示，大數據及其運用產生了增加產出、利潤增長等經濟效益，數據要素顯著降低了企業綜合成本。675家企業的數據顯示，大數據及其運用產生了降低人工成本、資金占用成本、合儲物流成本等效益。593家企業的數據顯示，大數據及其運用產生了提升效率、加快周轉、能源利用率提升等效益。

上述相關數據表明，數據要素的增加對于企業的非財務性價值有著明顯的積極影響；數據要素使得企業業務能力、業務效率大幅度增長，各企業可以結合自身情況，圍繞經驗價值增長的相關可變量因素，如生產效率、產品研發周期、能源利用率、企業綜合成本、降低人工成本、資金占用成本、合儲物流成本、周轉率、能源利用率等效益與企業數據資源的使用情況進行進一步的關聯性分析，總結提高，迭代升級數據資源轉化為財務成果，價值創造的能力。而在這個關鍵轉化步驟中，EVA價值評估體系相較于傳統財務報告體系可以更好、更全面地反映企業數據資源化階段中非財務因素的價值創造，從而實現更合理的企業評估。

在價值創造過程，組織管理是企業高質量發展的重要支撐，數字經濟可以直接為組織管理活動提供新的管理模式，為組織管理實現數字化的重構創造各種新的可能。企業借助數字治理技術形成數據要素，基于數據要素的管理可以進一步促進企業更好地優化生產要素的配置，以及與之更加適應的資源組合，形成以企業價值創造為核心的數據資源整合能力。

（二）數據資產化階段

數據資產化是將企業內部和外部的數據轉化為一種可管理和可量化的資產形式，以便更好地利用數據來實現商業目標和創造經濟價值。數據資產化關注的是數據的價值和可用性，以確保企業可以將數據視為一項有形的資產，并加以管理、保護和利用。

數據資產化側重于將企業內部和外部的數據轉化為有價值的資產，并確保這些數據資產能夠被有效地管理、利用和保護。數據資產化的過程包括數據收集、整合、清洗、存儲、分析、可視化等，以最大化數據的潛在價值和使用效益。數據資產化關注的是如何將數據轉化為可用的、可管理的、可出售的、可交易的資產，以支持企業的業務需求和商業目標。

在企業的數據資產化階段中，數據收集和處理是其中一個重要環節，也是數據資源資本轉化的基礎。通過將數據資產化階段中收集的財務數據（例如利潤、資產、負債等）與其他非財務數據（例如市場份額、客戶滿意度等）結合，EVA提供了一個綜合的價值導向指標，衡量企業是否實現了超過資本成本的增加值，在一定程度實現了對企業經濟價值的合理評估。

與傳統評估體系不同的是，經濟增加值評估法（EVA）在數據資產化階段中可以幫助企業評估其資本使用效率。經濟增加值評估法（EVA）會對企業數據資產化的利用率進行分析，可以揭示企業是否合理利用了其資源，從而展示企業在真實經濟狀態下的效率。在數據資產化階段，EVA可以幫助企業評估其長期績效，包括資本投資的回報率和企業的成長潛力。這樣，企業可以更好地了解其在未來可持續經濟狀態下的表現。

（三）數據資本化階段

數據資本化是將數據資產轉化為增值能力和經濟效益的過程，使數據資產成為實現企業長期目標的重要資本。數據資本化強調的是將數據視為一種能夠增加企業價值的戰略資源，通過對數據的整合、分析和運用，促進企業的創新和業務增長。

數字經濟能夠提供更加有利于各層級員工之間、管理者之間的交流互動，降低傳統企業內部協同成本，實現組織與員工共創共享發展模式；同時，數據經濟驅動的組織管理賦能模式，有利于企業借助數據資源驅動業務平臺化重構，為企業與員工、管理者、其他利益相關者構建以數據要素價值創造為核心的共享平臺。

在數據資本化過程中，企業將數據視為一種戰略資源，類似于資本或投資，通過有效地管理、分析和應用數據來實現競爭優勢和商業價值。數據資本化關注的是如何利用數據來促進創新、優化業務流程、提高生產力、增加收入等，從而將數據轉化為企業的競爭力和盈利能力。

企業數據資本化的核心是將數據資產化過程中產生的數據資產轉化為增值能力和經濟效益，為實現對企業經濟狀態的合理評估，在此之前，企業需要確定數據資產的價值。

在企業數據資本化過程中，EVA提供了一種量化的方法來衡量數據資產的經濟價值。通過將數據與企業的資本成本結合，與傳統評估方法相比，EVA評估法可以更加準確計算出數據資產創造的經濟增加值。這有助于企業準確了解其數據資產對整體業務績效的貢獻，并評估數據資本化的效果。

在數據資本化階段，企業將數據轉化為資產后，需要評估數據資本化對企業績效的影響。EVA提供了一個全面的指標，可以幫助企業衡量數據資本化的成功與否。

五、EVA用于評估企業數據化階段的局限性

上文已經指出經濟增加值評估法（EVA）與企業不同的經濟階段存在相關性，并為企業數據化階段的合理評估提供了新的可能性。EVA能夠實現更準確、合理的評估結果。然而，需要注意的是，EVA對于企業數據化階段的評估仍處于理論化的階段，因為企業在數據資源化、資產化和資本化階段都有獨特的特點。

在當前階段的EVA評估法仍然缺乏靈活性，無法充分反映不同數據化階段的特點。舉例來說，對于初創企業，其數據資源化階段可能更加強調研發投入和創新能力，而傳統的EVA評估可能無法完全捕捉到這些方面的價值。

因此，相關的評估機構需要在現有EVA評估法的基礎上加以改進，以滿足針對不同數據化階段的需求。他們可以探索引入不同的評估指標或調整EVA模型的權重，以更好地反映企業在不同階段的價值創造過程。

除此之外，評估機構也應該考慮到行業特定的數據特點。例如，在高科技行業，企業的價值可能更多地依賴于知識產權和技術創新，而傳統的資產和負債并不是主要的價值創造因素。因此，EVA評估在這些情況下可能需要與其他指標相結合，以綜合考量企業的價值表現。

總之，對于企業在不同數據化階段的評估，在現階段看來，我們需要綜合運用多種評估方法，包括EVA，同時加以定制化和調整，以確保評估結果更加全面和準確地反映企業的價值和績效。

六、總結

總的來說，經濟增加值作為一項企業新型業績指標，已經越來越廣泛地被相關企業評估方使用；與此同時，國家相關政策的大力推動也使得數字經濟成為數字中國建設的重要因素，為價值創造提供了更多創新空間。

在此背景下，我們發現了EVA與企業不同數據要素階段相結合的可能性，并且EVA評估法相較于傳統評估法會更準確，合理地反映企業不同數據要素階段的經濟特征、經濟狀態。但是，我們仍然不能忽視，現階段EVA評估法靈活性的缺乏，無法充分反映不同數據化階段的特點，相關評估方需要綜合運用包括EVA在內的多種評估方法，同時加以定制化和基于企業數據化階段特征調整，以確保評估結果更加全面和準確地反映企業的價值和績效。