数据资产的价值评估研究

数据资产的价值评估研究

王 娟

（作者单位：安徽师范大学经济管理学院）

摘要：随着信息化数字化浪潮的推动，数据资产不仅成为我国经济增长的关键战略资源，同时也成为企业创新发展的核心驱动力。数据资产规模的爆发式增长同时也带来了更多的挑战，与传统资产相比，数据资产具有价值易变的独特性质，使得其价值评估和会计计量尤其是后续计量更加复杂困难。基于此，本文通过梳理企业数据资产的概念和价值特征，进而从不同角度对数据资产进行分类，接着分析影响数据资产价值的决定因素，最后对数据资产的不同估值方法进行分析研究，以期找到可以准确反映企业数据资产内在价值的适用评估方法，为企业数据资产的价值确定和后续计量提供参考。

关键词：数据资产；价值评估；后续计量；评估方法

一、数据资产的定义及特征

（一）数据资产的定义

数据资产是指由产权主体拥有或控制的，通过企业或个人过去的交易或事项形成的,且预期能够给主体带来直接或间接的未来经济利益的,不具有实物形态，通常依托物理或电子等多种实体介质存在的数据和数据资源。企业一旦获取某项数据便拥有对该数据的处理权和使用权,随后通过对数据进行脱敏、整理、分析等加工处理,可以生成满足特定使用需求的数据资源。只有当这些数据资源符合资产定义和确认条件时,才能够被确认为数据资产。数据资产的价值主要体现在能够为企业提供决策支持、优化业务流程、创新驱动、提高竞争力等方面。

（二）数据资产的价值特征

从财务维度对数据资产的价值特征进行研究。首先，数据资产作为资产的一份子，必然具有资产存在的共有属性；其次，数据资产作为一类新兴特殊资产，具有不同于传统资产的特有属性。

一是价值易变性。数据资产的价值不是固定不变的，而是随着多种内外部因素的变化而发生变化。内部因素包括但不限于容量、价值密度、时效性、应用场景等。除此之外，市场需求、技术进步、政策环境和经济环境等外部因素也会导致数据资产价值大幅变动。这些因素相互作用，使得数据资产的价值难以准确预测和衡量，而这些影响也可能随着时间流逝而产生不同的变化。

二是价值增值性。企业在对原始数据资源进行收集、整理、分析和应用的过程中创造价值，形成具有基础价值的数据资产。再对原有的单一数据资产进一步加工处理，扩展升级，包装成新产品，从而衍生出更大的价值。

三是时效性。数据资产的价值具有一定的时间敏感性，因为数据的新鲜度对于数据的经济价值至关重要。数据资产的价值通常与时效性呈正相关关系，数据时效性越强，能够为企业提供更加及时准确的决策支持，企业可利用度越高，从而创造的价值越大。随着时间的推移，数据可能变得过时或失去价值，因此需要及时进行维护更新。抓住黄金期对数据资产进行合理开发应用，可以实现其价值最大化。相反，一些数据资源随着体量的不断积累，数据资产的价值反而会提升。因此，数据资产的时效性是企业进行资产评估过程中需要重点关注的重要因素。

二、数据资产的分类

本文沿用数据资产的会计确认与计量方法对其进行分类。

一级分类按其来源可以划分为内源数据资产和外源数据资产。内部产生的数据资产是企业内部产生的信息、经验、知识等，具有积累性、长期性和应用性；外部获取的数据资产主要是直接购买或并购获取。

二级分类按其持有目的可以划分为自用数据资产和交易性数据资产。自用数据资产是指企业内部拥有、管理和使用的数据资源，这些数据资源对于企业的运营、投资决策、产品创新、市场洞察等方面具有重要价值；交易性数据资产是指企业持有以备交易，可在市场上进行买卖、交换或者转让的数据资产，这些数据资产蕴含着丰富的信息和潜在的经济价值，通过交易可以为企业带来直接或间接的经济利益。

三、影响数据资产价值的因素

数据资产的价值受其固有的特性和外部环境的多重影响。

（一）内部因素

1. 数据资产的成本

在资本主义商品经济中，价值规律表现为价格围绕价值上下波动，而成本是商品销售价格的最低界限，因此商品成本的高低也是商品价值的重要影响因素之一。数据资产也不例外。由于数据资产的来源不同，其价值也有所差异。对于内源数据资产，内部产生的数据资产成本主要包括对原始数据的采集、整理和分析等加工到整合成数据资产的整个过程的资本投入，以及后续对数据资产的更新维护费用。对于外源数据资产，外部购买的数据资产成本主要包括购买价款、相关税费及交易手续费等；并购获取的数据资产可根据并购成本和商誉评估值之间的差额倒推出其成本。一般来说，数据资产的成本和价值呈正相关性。

2. 数据资产的质量

在数据交易领域的生态系统中，数据的品质是其核心价值的关键驱动要素。数据的准确性、全面性、时效性、相关性等共同构成了衡量数据资产质量的标准，直接决定了数据在市场中的竞争力和经济价值。高质量的数据能够提供更准确可靠的有效信息，指导企业作出更加科学的决策，进而增加数据资产的价值；相反，如果数据缺失、过时或者错误，会误导企业作出错误判断，导致资源浪费和低效工作，降低数据的价值。因此数据的质量越高，其产生的数据资产的价值就越大。

3. 数据资产的用途

数据资产的用途不同，为企业创造的价值也不同。包括数据资产的应用场景、商业模式、匹配程度等。例如，相同的数据资产被不同主体应用到不同的场景中，会表现出不同的价值形式，这说明数据资产价值具有多元性,需要视实际情况加以分析。

（二）外部因素

1. 市场需求

数据资产的价值受市场需求的影响。由供求关系可知，当市场对某领域的数据需求量高于供应量时，数据资产的价值就会提升；相反，需求量低于供应量时，数据资产的价值就会降低。

2. 技术进步

数据依托于数字技术，通过对数据资源的加工开发出具有价值的数据资产，因此数据资产具有技术依托性的特征，这就意味着技术的发展会对数据资产的价值产生直接影响。随着技术的阶梯式进步，企业的数据处理能力也不断提高，使得企业能够更好更快地收集、整理和分析更多的有效信息，从而挖掘出更多的价值，提高企业数据资产的价值。

四、数据资产价值的评估方法

目前，学术界在资产价值评估领域普遍认可并广泛采用的方法体系主要由成本法、收益法和市场法三大支柱构成，这三种方法各自独立又相互补充，共同构成了资产价值评估的全面视角。但数据资产具有诸多不同于现行资产的价值特征，所以不能简单套用现行资产的评估方法来管理数据资产。

（一）成本法

基本思路是以数据资产的历史成本为基点，采用重置成本减去贬值因素或者重置成本乘以成新率的方式进行对其价值进行评估。优点是计算较简单，评估过程较透明，计算结果较客观合理。缺点是只考虑了数据资产的成本，而忽视了数据资产的市场价值和潜在收益，往往低估了数据资产的真实价值。

（二）收益法

基本思路是预测数据资产在其经济寿命周期内能够产生的未来经济利益，通过一定折现率还原至现值。优点是充分考虑了数据资产的时间价值，体现了数据资产增值的价值特点。缺点是数据资产的使用寿命、未来收益的预测具有不确定性，折现率的确定依赖主观判断，评估结果较不客观。

（三）市场法

基本思路是在活跃的公开数据交易市场中，通过比较相同或类似数据资产的交易价格，以此为基础对数据资产进行价值评估。优点是能够相对客观公允地反映数据资产的市场真实价值，缺点是我国的数据交易市场尚未成熟，无法提供相应的交易情况，导致无法进行有效的评估。

（四）分类法

当前，我国数据资产的价值评估体系尚处于构建阶段，尚未形成统一、标准化的评估构架，这直接制约了数据资产价值的精确度量能力。由于不同数据资产持有者倾向于采用各自偏好的评估方法，导致同一数据资产在不同评价体系下可能呈现出截然不同的价值估算结果。加之数据资产价值本身具有的显著波动性和易变性特征，进一步加剧了评估结果之间的差异性，为后续的数据资产价值计量带来了诸多挑战与难题。有些学者提出，在实际应用中，数据资产价值评估的方法应根据数据资产的特点、市场情况等因素综合考虑。如果该项数据资产的未来收益能够明确预测，价值评估可以采用收益法；如果该项数据资产存在公开活跃的交易市场，交易价格可获取，价值评估可以采用市场法；如果该项数据资产的成本易于追踪，价值评估可以采用成本法。同时，如果需要评估结果更加准确可靠，也可以结合多种方法进行综合评估。本文认为数据资产不同于传统资产，其估价标准不统一，不确定的评估模式无法为数字市场提供足够的参考依据。

为了找到一种可以普遍应用于数据资产价值评估工作的通用方法，本文对数据资产的价值进行了研究，提出以数据资产的不同分类来确定数据资产的不同价值评估方法选择。由于数据资源在成为企业数据资产的过程中，数据的采集获取是前置阶段，数据的获取途径较易辨识，且获取渠道一旦确定，基本不会再更改。所以本文认为，对于内源数据资产—自用数据资产，因其加工成本、更新维护费用等资本性投入较易获取且真实可靠，可以采用成本法进行评估，如果该项数据资产在自用过程中能够产生未来收益且可以明确预测收益，可以采用收益法进行评估；对于内源数据资产—交易性数据资产，根据谨慎性原则，不应高估资产，适用成本法进行评估。对于外源数据资产—自用数据资产，因其外购或并购获取存在市场交易，容易获取交易价款等成本，因此可以采用成本法进行评估，同理，如果该项数据资产在自用过程中能够产生未来收益且可以明确预测收益，可以采用收益法进行评估；对于外源数据资产—交易性数据资产，因其一般存在活跃的公开数据交易市场，存在相同或类似数据资产的交易价格，可以采用市场法进行评估。当数据资产的用途改变时，其价值评估方法也需作出相应调整。

表1 数据资产的价值评估方法

同时，数据资产的价值易受到多重因素的影响而大幅波动，因此企业要根据

不同影响因素的出现对数据资产进行动态重估，并及时调整数据资产账面价值。为了体现会计信息的及时性和真实性，可以适当增加数据资产价值评估的频率，定期更新评估结果，以反映最新的市场动态和数据使用情况。例如，数据资产具有数字技术依托性，重大数字技术突破会带来数据资产价值突破，所以当企业获得新的数字技术时需要进行数据资产价值重估。

五、结束语

综上所述，在数字经济浪潮席卷全球的今天，对数据资产进行精准的价值评估已经成为企业不可回避的战略要务。为破解同一数据资产在不同情境下价值评估差异悬殊的难题，未来势必致力于构建更加完善且系统化的数据资产价值评估体系，深入探索并创新出更为科学合理、高效准确的评估方法，旨在帮助企业能够及时精确地锁定其数据资产的真实经济价值，从而在激烈的市场竞争中抢占先机，实现数据驱动的稳健增长。

参考文献

[1]蒋雯, 贾东晓. 数据资产价值评估研究 [J]. 合作经济与科技, 2024, (22): 145-147.

[2]赵治纲, 曾家瑜, 刘奕忻. 企业数据资产价值特征和属性的系统探究 [J]. 会计之友, 2024, (20): 128-134.

[3]王雪川. 我国企业数据资产管理研究：欧盟经验与中国选择 [J]. 财政科学, 2024, (06): 132-145.

[4]张闪闪. 企业数据资产价值评估简析 [J]. 商业经济, 2024, (07): 161-164.

[5]刘云波. 数据、数据资产及其价值评估 [J]. 中国资产评估, 2023, (05): 51-56.

[6]朱晓琴, 王宣童. 数字经济背景下数据资产评估研究述评与展望 [J]. 财会月刊, 2023, 44 (06): 78-84.