數據資產估值難點探究

張青青

(西安工程大學，陜西 西安 710000)

0 引言

隨著信息時代的到來，數據資產作為企業最重要的資產之一，越來越廣受關注。 數字經濟帶動了我國經濟高速發展，如今，數據資產關系到每一個人。 流量時代使眾多企業乘風而行，同時也使一些企業無奈退出市場，然而這些都受價值因素所驅動。2022 年12 月，中共中央國務院發布了《關于構建數據基礎制度更好發揮數據要素作用的意見》(數據二十條)，提出搭建我國數據基礎制度體系的二十條政策措施，并在《數字中國建設整體布局規劃》中指出建設數字中國是推進中國式現代化的重要引擎，是構筑國家競爭新優勢的有力支撐。 國家已經開始布局數據體系，大力挖掘數據價值，這說明在未來數據資產有望成為新一代企業核心競爭力的重要體現，能為企業創造經濟效益。 唐薇[1]基于交易所的數據處理方法得出，目前交易所主要采用拍賣法，所以將企業自產的數據資產定性為作為無形資產進行計量。 對數據資產的估值進行深入研究，對未來數據資產價值評估以及企業價值的衡量有一定的參考作用。

1 數據資產的特點

1.1 增值保值性

數據資產的增值保值性是指數據資產在時間推移中能夠保持其價值或者增加其價值的能力。 隨著信息技術的發展和數字化時代的到來，數據已經成為一種重要的資產形式。

數據資產的增值保值性取決于多個因素，包括數據的質量、可用性、完整性、準確性等。 高質量的數據能夠提供準確和有用的信息，從而提升其價值。此外，數據的可用性也是一個重要的因素，如果數據可以方便地被訪問和使用，那么它的價值也會相應提升。 另外，數據的增值保值性還與數據的應用和利用有關。 如果數據能夠被有效地應用于業務決策、市場分析、產品創新等方面，那么它的價值就會得到進一步的提升。 同時，數據的合規性和安全性也是保證數據資產增值保值的重要因素，確保數據的合法性和安全性有助于避免數據價值的損失。 總的來說，數據資產的增值保值性是一個綜合性的問題，需要考慮數據本身的質量和可用性，以及數據的應用和利用方式，同時也需要關注數據的合規性和安全性。

1.2 價值不確定性

數據資產是組織或個人的重要財富，可以用于支持決策、創造價值和提供競爭優勢。 而且數據資產可以根據需求進行修改、更新和轉換，以適應不同的業務需求和技術要求。 數據本身并不具備價值，而是在使用過程中，其價值才得以體現，在分析如何使用數據資產為企業創造經濟流入時發現，數據資產的價值不確定性為其最典型特性。 數據資產的價值會隨著企業具體應用該數據資產的場景的不同以及用戶群體的不同而存在巨大差異。 對這一特性，在數據資產估值中可以按照業務場景的不同采取個別估值策略，而且如果數據的交易市場發展成熟，這些個別估值策略可以對相同或相似類型的數據提供一定的參考。 數據資產還存在安全和隱私等風險，需要采取合適的措施來保護數據的完整性、機密性和可用性。

1.3 重復使用性

數據資產可以通過復制和備份進行保護，以防止丟失或損壞。 此外，數據還可以通過復制在不同的位置進行存儲，提高可用性和災備能力。 與物質資產不同，數據資產在使用過程中并不會消耗或減少，而是可以被無限次地復制和利用。 數據資產的使用次數越多其價值就很可能越大，而且在使用過程中很可能會衍生新的數據資產，數據資產是一種永久存在于數據系統中的資產，更便于對其重復使用。 數據資產也可以通過復制來進行交易，或者直接進行交易，這對數據資產的質量以及安全性要求極高，交易次數越多，其價值也會隨之變化，稀缺性也會受到損害，尤其是一些惡意的流轉復制，很可能改變數據資產的真實性，導致數據資產的價值降低，所以交易過程中要首先保證數據資產的安全[2]。由于對數據資產的重復使用影響到了數據資產的估值，使用時需要針對特定行業、特定用戶群體以及特定應用場景來區分該重復使用是增加了還是降低了數據資產的價值，以及增加或降低的程度及其關聯因素。

1.4 業務依附性

數據資產的業務依附性是指數據資產與業務活動之間的緊密關聯程度。 數據在現代商業中扮演著重要的角色，因為它們可以提供有關客戶、市場、產品、運營等方面的信息，幫助企業做出決策和改進業務。

數據資產的業務依附性體主要體現在:①業務決策支持。 數據資產可以提供關鍵的信息，幫助企業進行戰略規劃、市場分析、客戶洞察等決策過程。例如，通過分析銷售數據和市場趨勢，企業可以調整產品定位和市場營銷策略。 ②業務運營優化。 數據資產可以用于監測和分析業務運營情況，幫助企業發現問題、改進流程并提高效率。 例如，通過實時監控生產數據，企業可以及時發現生產線上的異常情況并采取措施解決。 ③產品創新和優化。 數據資產可以提供有關客戶需求、產品使用情況等信息，幫助企業進行產品創新和優化。 通過分析用戶行為數據，企業可以了解用戶對產品的偏好和需求，從而進行產品功能的改進和創新。 ④客戶關系管理。 數據資產可以用于建立和維護客戶關系。 通過分析客戶數據，企業可以了解客戶的購買習慣、偏好和需求，從而提供個性化的服務和定制化的產品。 總的來說，數據資產的業務依附性是指數據與業務活動之間的密切聯系，數據資產能夠支持和促進企業的業務決策、運營優化、產品創新和客戶關系管理等方面的發展。

2 數據資產估值的難點分析

2.1 影響價值浮動的因素難以確定

數據質量是決定數據資產價值的關鍵因素，然而數據質量是難以直接量化的，而且受多種因素影響，例如數據的準確性、完整性、及時性等。 因此，數據質量的不確定性使得數據資產估值變得更加復雜。 由于不同企業的需求和目標不同，同樣一份數據對不同企業的使用價值也會有所不同。 因此，在估值時需要考慮到數據使用價值的異質性。 受不同政策的影響，數據資產使用也會受到限制；不同的消費群體對同一組數字資產的使用也會有所不同，根據消費者不同的用途滿足其不同的需求[3]。 與其他資產相比，數據資產市場信息較為稀缺，這給數據資產估值帶來了更大的不確定性和風險，可能需要更多的行業研究和預測。 對數據資產的使用次數沒有限制，使用對象也沒有限制，這種不加限制和數據資產本身的不可消耗性就導致很難用數字對數據資產的價值進行測算，這也是對數據資產進行估值的一個難點。

2.2 現有估值方法使用性弱

采取歷史成本法、公允價值法、應用收益法對資產進行估值是較為常見的，但使用這些方法對數據資產進行估值都存在某種程度的不合理性，普通的資產估值方法對數據資產也不一定完全吻合，因此，需要探索一種綜合的或者新型的估值方法。

數據本身并不具備價值，它們需要通過適當的處理和分析才能轉化為有用的信息。 因此，評估數據資產的價值還需要考慮數據處理和分析的技術和能力。 不同類型的數據具有不同的屬性和特征，如結構化數據、非結構化數據、實時數據等。 確定數據的價值需要考慮這些特征以及數據的可靠性、準確性和完整性。 數據的價值取決于市場對其需求的程度和潛在的商業用途。 對某些數據，可能存在明顯的市場需求和用途，而對其他數據，則可能需要進一步研究和分析才能確定其價值。 數據資產估值是一個復雜而多維度的問題，不同企業所涉及的行業領域不同，領域跨度大、范圍廣，目前還沒有一種通用的標準化方法來估值數據資產。 不同的行業和組織可能使用不同的方法和指標來進行估值，這提高了估值的復雜性和難度。

2.3 數據資產的動態性強、變化大

數據資產的動態性強、變化大是指數據資產在時間推移中具有不斷更新和變化的特點。 隨著技術的發展和商業環境的變化，數據資產會不斷地被生成、收集、處理和更新。 數據資產的動態性強、變化大主要體現在:①數據生成。 新的數據不斷被生成，例如用戶行為數據、市場數據等。 這些新的數據源不僅增加了數據資產的規模，也帶來了更多的機會和挑戰。 ②數據收集。 企業通過各種手段收集數據，包括在線調查、社交媒體等。 不同渠道和方式的數據收集使得數據資產的來源更加多樣化，也提高了數據的多樣性和復雜性。 ③數據更新。 數據資產需要保持更新，以反映實時的業務情況和市場變化。例如，銷售數據、庫存數據、客戶數據等都需要定期更新，以保證數據的準確性和可靠性。 總的來說，數據資產的動態性強、變化大是數據的生成、收集、處理和更新等因素所導致的。

3 數據資產的估值建議

3.1 確定主要影響變量

數據資產估值不同于傳統的資產估值，其相關影響變量存在較大的差距。 在進行數據資產估值時，我們需要確定影響該數據資產的主要影響變量有哪些，在這基礎之上進行估值，才會更加準確。 確定數據資產估值的主要影響變量取決于多個因素:①數據質量。 數據的質量是確定數據資產估值的重要因素之一。 高質量的數據，如準確性、完整性和一致性，能夠提供更準確和可靠的信息，從而提升其價值。 ②數據稀缺性。 稀缺的數據通常具有更高的價值。 如果某種類型的數據在市場上很少或者難以獲取，那么它的稀缺性將使其估值上升。 ③數據應用場景。 數據的應用場景也會對其估值產生影響。 例如，如果某種數據可以用于支持關鍵的業務決策、市場分析或產品創新，那么它的價值可能會更高。 因此，在確定數據資產估值時，需要考慮具體情況和相關市場因素，結合數據資產的特點，確定影響數據資產估值的主要變量。

3.2 改進現有估值方法

目前，對數據資產進行估值很難充分利用傳統的估值方法進行分析。 這就需要我們結合數據資產的特點與傳統估值方法的優點，根據不同估值方法在不同領域或階段的優勢，不斷對估值理論進行深入探索，建立一套科學、嚴謹而又全面的評估體系。找出一個適合數據資產估值的方法是當前工作的重中之重。 改進現有的估值方法可以提高估值的準確性和可靠性。 首先可以進行多維度評估。 傳統的估值方法主要基于數據的數量和質量來進行估算，但這并不全面。 改進的方法應該考慮更多因素，如數據的稀缺性、市場需求、數據的時效性等。 其次可以了解同行業內其他公司或機構的數據資產估值情況，為估值提供參考。 這可以通過研究行業報告、專業咨詢機構的數據以及相關市場交易等途徑來獲取。 而且，考慮到數據技術的發展和創新，應該將技術因素納入估值考慮范圍。 例如，數據的存儲方式、數據安全性、數據集成能力等。

3.3 以動制動——以動態的視角進行估值

數據資產處于一個動態變化的過程，從數據資產的產生到發展，其價值一直在發生變化，以動態的視角可以幫助我們更準確地對數據資產估值。 需要注意的是，動態視角的數據資產估值是一個復雜的過程，需要考慮多個因素。 比如，評估數據質量，可以通過反復檢查數據源、數據處理流程和數據管理措施來確定。 通過數據的存儲和訪問方式以及數據共享和安全策略來衡量數據的可用性。 評估數據與業務流程、決策支持和市場需求之間的相關性來衡量數據的價值。 如果數據的增長速度較快，或者預計在未來會有更多的數據生成，那么數據資產的價值可能會更高。 對數據資產估值的相關指標進行動態分析更加符合數據資產的特點，數據資產不同于傳統資產，價值一經確定就會隨某一變量而消耗，直至損毀，因此，在對數據資產估值的過程中，應該根據企業的實際情況，只有對估值的結果不斷進行修正，才能得到數據資產較合理的估值。

4 結論

人們越來越關心數據資產是因為數據資產背后蘊藏著巨大的商業價值，而這些價值真實地來自數據產業的實踐，面對數據資產的蓬勃發展，我們也應該加快對數據資產估值的步伐，這對我國經濟穩定持續發展有深遠的意義。 然而每一次探索都不可避免地會迎來一系列問題，對數據資產我們并沒有完全可以借鑒的估值方法，這就要求我們將理論應用于實踐，結合所學傳統估值模型，以數據資產的特點為切入點，根據不同的行業確定主要影響變量，在具體的應用場景中根據不同的影響因素建立適合某一數據資產估值的模型，并且根據這些個例靈活轉變，尋求各個行業、領域的數據資產估值模型。 綜上所述，本文主要從數據資產價值的特點出發，分析其在估值中存在的難點與影響因素，提出確定數據資產估值的主要影響變量、改進傳統評估模型等方面來展開研究。