数据资产评估方法！

数据资产是企业在运营活动中形成的，由企业拥有，在数据的产生、获取、处理、存储、传输和应用全过程可控的，并能够给企业带来价值的数据资源。对于个人而言，数据资产没有那么庞大，比如个人摄影图片、自己拍摄剪辑的视频、编辑的文档、录音等都属于个人的数据资产。对于企业而言，比如设计图纸、企业运作信息、合同等一切以电子介质为载体的企业各类业务，都可以称作是企业的数据资产。

数据资产评估是通过系统的方法和工具，对企业的数据资产进行价值、风险和潜力等方面的评估分析。通过评估，能够帮助企业了解和认识数据资产的真实价值，并提供决策支持和管理指导。数据资产评估的原理有价值原理、风险原理、潜力原理。

数据资产的价值由于具有不确定性和时效性，会受数据本身的质量、可用性以及市场需求、应用场景等因素的影响。因此，在对数据资产进行价值评估时，需要综合考虑多种因素，关注数据的质量和不确定性，根据具体情况选择合适的评估方法，确保评估结果的可靠性和有效性。

根据《资产评估基本准则》，数据资产评估的三种方法：成本法、收益法和市场法。

一、数据资产评估——市场法

1、什么是市场法    

市场法是一种基于市场行情的数据资产评估方法。它通过比较市场上类似数据资产的交易价格和特征来评估数据资产的价值。通过考虑数据资产价值的影响因素，我们可以利用市场法对不同属性的数据资产价值进行对比和分析调整，反映出被评估数据资产的价值。

开展数据资产评估时，选用市场法的前提条件是具有公开且活跃的交易市场。市场法对于数据资产的价值评估主要基于以下几个方面：

1.市场交易：市场法关注市场上已经发生的类似数据资产的交易，通过比较数据资产与类似资产的市场交易价格来判断其价值。

2.客观性：市场上的交易价格已经反映了市场参与者对数据资产价值的共识，具有客观性。

3.高效性：市场法具有高效性，因为存在成熟市场或交易所时，市场上的交易活动会及时反映数据资产的价格变化，从而所得到的价值较准确。但是，市场法存在一定的局限性，如在缺乏类似数据资产交易的情况下难以使用，不能完全考虑到数据资产的特定条件和未来发展潜力等因素，需要结合其他评估方法进行综合分析。

2、市场法模型

市场法通过以下公式中的因素修正可比案例数据资产的价值，从而来评估数据资产价值：    

市场法评估数据资产时，在充分了解被评估数据资产的情况后，需要搜集相似数据资产交易案例的相关信息，如交易价格、交易时间、交易条件等信息，并从中选取可比案例。当收集足够的可比交易案例的相关信息后，需要根据数据资产特性对交易信息进行必要调整，调整参数一般包括技术修正系数、期日修正系数、容量修正系数、价值密度修正系数和其他修正系数。

1、搜集可比数据资产交易案例

（1）从搜集途径来看

要搜集可比的数据资产交易案例进行市场法评估数据资产价值，可以考虑以下途径获取：

·数据交易平台：许多数据交易平台记录和公布了大量的数据资产交易信息。可以在这些平台上搜索相关领域或类型的数据资产交易案例，并分析其中的成交价格、交易时间、交易条件等信息。

·行业报告：一些行业报告和研究可能会提供数据资产交易案例的信息，尤其是更大型和知名的交易案例。可以通过阅读这些报告和研究来获取可比案例的市场价值信息。    

·新闻媒体和专业出版物：关注行业相关的新闻媒体和专业出版物，可以获取到一些重要的数据资产交易案例。这些案例通常会公开交易金额、买卖方信息以及交易背景等，对于搜集可比案例非常有帮助。

·数据专业机构和咨询公司：一些数据专业机构和咨询公司可能会对数据资产交易进行跟踪和分析，并提供市场价值信息和可比案例。

·行业网络和社群：参与行业的网络和社群，与同行、专家和从业者交流和互动，可以了解到一些数据资产交易案例，尤其是一些非公开的交易信息。

要注意的是在搜集可比数据资产交易案例时，要确保选取的案例与待评估的数据资产具有相似的特征、行业背景和市场情况。

（2）从数据本身来看

另外对于相似数据资产交易案例，可以从相近数据类型和相近数据用途两个方面获取

·比较常见的数据类型包括：用户关系数据、用户关系产生的社交数据、交易数据、信用数据、移动数据、位置数据、用户搜索的需求数据等。

·比较常见的数据用途包括：精准化营销、产品销售预测、市场调研和竞争分析、用户行为分析、产品开发和创新、风险管控等。

2、技术修正系数    

技术修正系数是用来考虑技术因素对数据资产价值的影响程度的一个调整系数。技术因素通常包括数据获取、数据存储、数据加工、数据挖掘、数据保护、数据共享等方面。

3、期日修正系数

该系数主要考虑评估基准日与可比案例交易日期的不同带来的数据资产价值差异。一般来说，离评估基准日越近，越能反应相近商业环境下的成交价，其价值差异越小。其基本公式为：期日修正系数=评估基准日价格指数/可比案例交易日价格指数

4、价值密度修正系数

该系数主要考虑有效数据占总体数据比例不同带来的数据资产价值差异。价值密度用单位数据的价值来衡量，价值密度修正系数的逻辑为：有效数据（指在总体数据中对整体价值有贡献的那部分数据）占总体数据量比重越大，则数据资产总价值越高。如果一项数据资产可以进一步拆分为多项子数据资产，每一项子数据资产可能具有不同的价值密度，那么总体的价值密度应当考虑每个子数据资产的价值密度。

5、容量修正系数

该系数主要考虑不同数据容量带来的数据资产价值差异，其基本逻辑为：一般情况下，价值密度接近时，容量越大，数据资产总价值越高。其基本公式为：容量修正系数=评估对象的容量/可比案例的容量    

当评估对象和可比案例的价值密度相同或者相近时，一般只需要考虑数据容量对资产价值的影响。当评估对象和可比案例的价值密度差异较大时，除需要考虑数据容量之外，还需要考虑价值密度对资产价值的影响。

6、其他修正系数

在数据资产评估时，除了上述4种主要修正系数，还需要根据具体数据资产的情况，考虑影响数据资产价值差异的其他因素，例如，市场供需状况差异。可以结合实际情况考虑可比案例差异，选择修正系数。

二、数据资产评估——收益法

1、什么是收益法

收益法是一种评估数据资产价值的方法，通过预估数据资产所带来的收益来进行估值。这种方法操作简单，能够较为真实和准确地反映数据资产的价值。同时，由于它能够直接关联到数据资产的经营收益，所以在交易中更容易被各方接受。

在使用收益法评估数据资产时，考虑到数据资产作为经营资产，可以直接或间接产生收益。这些收益可以通过数据分析、数据挖掘、应用开发等方式来形成数据产品或服务，供内部使用或外部交易，从而产生价值。通过对未来现金流量的预测和折现，我们可以得出数据资产的估值结果。这种方法能够较全面地考虑到数据资产的经济效益，并且能够与实际经营活动相匹配，因此在实际操作中使用较为广泛。

2、收益法模型    

收益法评估的基本计算公式为：

其中：

P—评估值（现值）；

Ft—数据资产未来第t个收益期的收益额；

n—剩余经济寿命期；

t—未来第t年；

i—折现率。

从公式可以看出，收益额的可预测性是收益法适用性的关键。使用收益法时，需要根据该数据资产或者类似数据资产的历史应用情况以及未来应用前景，结合数据资产应用的商业模式，重点要分析和预估数据资产的收益额。另外，还要确定经济寿命期和折现率。

3、预估数据资产的收益额

数据资产的预期收益是因数据资产的使用而额外带来的收益，数据资产收益额是全部收益扣除其他资产的贡献后归属于数据资产的收益额。数据资产的获利形式通常包括直接销售数据资产、数据许可和授权、数据分析和洞察服务、数据驱动的产品和服务、精准广告和营销、数据交易和交换。在估算数据资产带来的预期收益时，需要区分数据资产和其他资产所获得的收益，分析与之有关的预期变动、收益期限、成本费用、配套资产、现金流量、风险因素等。    

确定数据资产收益额的方法有增量收益、收益分成或者超额收益等方式。以下是对三种方法的具体操作步骤的简要说明：

1）增量收益方法

增量收益方法通过比较使用数据资产与不使用数据资产时的收益水平，计算出由于数据资产的使用所带来的额外收益。具体操作步骤如下：

（1）确定基准收益：即在没有使用数据资产时所能获得的预期收益。

（2）确定使用数据资产后的预期收益。

（3）计算收益增量：预期收益减去基准收益，得到数据资产的增量收益。

2）收益分成方法

收益分成方法是基于双方合作协议或合同约定的分成比例，将数据资产的收益按一定比例进行分成。具体操作步骤如下：

（1）确定合作协议或合同中的分成比例。

（2）计算数据资产产生的收益。

（3）按照分成比例进行收益的分配，得到每个参与方应获得的分成金额。

3）超额收益方法    

超额收益方法是通过比较数据资产相对于其他可替代性资产的收益水平，评估数据资产的超额收益能力。具体操作步骤如下：

（1）确定其他可替代性资产的收益水平，可以通过行业平均水平或类似投资项目的收益作为参考。

（2）计算数据资产的预期收益。

（3）计算超额收益：数据资产的预期收益减去其他可替代性资产的收益水平，得到超额收益。

使用这三种方法具体操作上会因应用场景、行业特点和合同条款等因素而有所不同。确定预期收益时，注意区分并剔除与委托评估的数据资产无关的业务产生的收益。在实际应用中，我们需要根据具体情况进行调整和细化。

4、评估数据资产的收益期限

评估收益期，需要综合考虑法律保护期限、相关合同约定期限、数据资产的产生时间、数据资产的更新时间、数据资产的时效性以及数据资产的权利状况等因素确定收益期限。但收益期限不得超出产品或者服务的合理收益期。

比如可以使用权重法，通过各个因素的期限以及对应的权重来评估合理的收益期。

收益期限 = (权重1 × 期限1 + 权重2 × 期限2 + ... + 权重n × 期限n) / (权重1 + 权重2 + ... + 权重n)。    

要注意确保权重之和为1或百分比形式，以确保计算结果的准确性和一致性。

此外，还可以考虑使用其他更复杂的模型或算法，例如层次分析法（AHP）或灰色关联分析等，以更全面和科学的方式确定数据资产的收益期限。

5、评估数据资产的折现率

使用收益法执行数据资产评估业务时，还要合理确定数据资产的折现率。折现率可以通过分析评估基准日的利率、投资回报率，以及数据资产权利实施过程中的技术、经营、市场、资金等因素确定。数据资产折现率可以采用“无风险报酬率+风险报酬率”的方式确定。数据资产折现率要与预期收益的口径保持一致，即在进行数据资产评估时使用相同的假设和参数。

具体操作方法可能因行业、地区和市场状况而异，以下只是一种具体的操作方法，可以帮助我们确定数据资产的折现率：

1）确定无风险报酬率

分析评估基准日的无风险投资利率，例如国债收益率或银行存款利率。通常可以参考国家、地区或全球金融市场上公开可得的无风险利率作为无风险报酬率。

2）确定风险报酬率    

（1）分析数据资产权利实施过程中的技术、经营、市场和资金等风险因素，并根据实际情况确定相应的风险溢价。

（2）风险溢价可以根据行业标准或类似的数据资产的市场价格进行参考，也可以根据专业的咨询机构提供的相关数据进行估计。

3）计算数据资产的折现率

将无风险报酬率与风险报酬率相加，得到数据资产的总折现率。

三、数据资产评估——成本法

1、什么是成本法

成本法是根据形成数据资产的成本进行评估。对于成本法,数据资产的价值由该资产的重置成本扣减各项贬值确定。其基本计算公式为：

评估值＝重置成本×（1-贬值率）

或者评估值=重置成本-功能性贬值-经济性贬值

重置成本又称现行成本，是指按照当前市场条件，重新取得同样一项资产所需支付的现金或现金等价物金额。

2、成本法评估步骤

1）使用成本法执行数据资产评估业务时，首先要根据数据资产形成的全部投入，分析数据资产价值与成本的相关程度，考虑成本法的适用性。

2）确定数据资产的重置成本，包括合理的成本、利润和相关税费。合理的成本则包括直接成本和间接费用。    

3）确定数据资产的贬值，主要包括功能性贬值和经济性贬值。

·功能性贬值是指由于技术进步或市场需求变化导致数据资产在功能上的降低，例如技术过时等。

·经济性贬值是指由于市场因素或竞争等原因导致数据资产在经济效益上的降低，例如供需关系变化等。

3、数据资产取得的成本组成

数据资产的取得成本需要根据创建数据资产生命的流程特点，分阶段进行统计。尽管数据资产的存储、分析、挖掘技术复杂多变，但目前普遍使用的流程可以概括为四步，分别是数据采集、数据导入和预处理、数据统计和分析、数据挖掘。其中，数据采集属于数据资产获取阶段，后三个步骤属于数据资产研发阶段。

1）数据采集阶段：

这个阶段涉及到从各种来源获取数据的过程，包括内部数据、外部数据或合作伙伴提供的数据等。在这个阶段，需要考虑数据源的选择、数据收集方法、数据采集设备和人员成本等。

2）数据导入和预处理阶段：

在这个阶段，将采集到的数据导入到数据系统中，并进行预处理和清洗操作，以确保数据的准确性和完整性。这包括数据清洗、去重、数据格式转换等工作。此阶段还需要考虑数据导入和预处理所需的技术设备、软件工具和相关人员成本。

3）数据统计和分析阶段：    

在这个阶段，对数据进行统计和分析，以获取有关数据的各种指标和信息。这可能涉及使用统计分析工具、数据可视化工具等进行数据处理和分析。此阶段还需要考虑数据统计和分析所需的技术设备、软件工具和相关人员成本。

4）数据挖掘阶段：

在这个阶段，对数据进行挖掘和发现潜在的有价值信息。这可能包括使用机器学习、人工智能等技术进行数据挖掘和模型构建。此阶段还需要考虑数据挖掘所需的技术设备、软件工具和相关人员成本。

另外，数据获取可能是主动获取，也可能是被动获取。

1）数据主动获取的成本：可能发生的成本有向数据持有人购买数据的价款、注册费、手续费，通过其他渠道获取数据时发生的市场调查、访谈、实验观察等费用，以及在数据采集阶段发生的人工工资、场地租金、打印费、网络费等相关费用。

2、数据被动获取的成本：被动获取的数据包括企业生产经营中获得的数据、相关部门开放并经确认的数据、企业相互合作共享的数据等。对企业而言，被动获取的数据如果要形成数据资产，还需要企业自身进行大量资源数据的清洗、研发和深挖掘，在数据获取阶段企业付出的成本较小，因此在获取阶段，可以只考虑发生的数据存储等费用，成本重心落在数据资产研发阶段。研发阶段发生的成本通常包括设备折旧、研发人员工资等费用。

4、成本法模型    

在传统无形资产成本法的基础上，可以综合考虑数据资产的成本与预期使用溢价，加入数据资产价值影响因素对资产价值进行修正，建立一种数据资产价值评估成本法模型。成本法模型的表达式为：

P=TC×(1+R)×U

其中：

P—评估值；

TC—数据资产总成本；

R—数据资产成本投资回报率；

U—数据效用。

1）数据资产总成本TC的构成

在模型中，数据资产总成本TC表示数据资产从产生到评估基准日所发生的总成本。数据资产总成本可以通过系统开发委托合同和实际支出进行计算，主要包括建设成本、运维成本和管理成本三类。

（1）建设成本是指数据规划、采集获取、数据确认、数据描述等方面的内容；

（2）运维成本包含着数据存储、数据整合、知识发现等评价指标；

（3）管理成本主要由人力成本、间接成本以及服务外包成本构成。    

不同的数据资产所包含的建设费用和运维费用的比例是不同的。因此，每一个评估项对数据资产价值产生多大的影响，必须给出一个比较合理的权重。

2）数据效用U的构成

在模型中，数据效用U是影响数据价值实现因素的集合，用于修正数据资产成本投资回报率R。数据质量、数据基数、数据流通以及数据价值实现风险均会对数据效用U产生影响。定义数据效用的表达式为：

U=α*β(1+l)(1-r)

其中：

α—数据质量系数；

β—数据流通系数；

l—数据垄断系数；

r—数据价值实现风险系数。

（1）数据质量系数α

数据质量是指数据固有质量，可以通过对数据完整性、数据准确性和数据有效性三方面设立约束规则，利用统计分析数据是否满足约束规则完成量化。基于统计学的思想，数据质量为满足要求的数据在数据系统中的百分比。数据质量的评价由数据模块、规则模块和评价模块三者组成，各个规则模块获取的结果需要加权汇总以获得最终的数据质量系数。    

·数据模块是数据资产价值评估的对象，即待评估数据资产的合集；

·规则模块用于生成数据的检验标准，即数据的约束规则。约束规则应当根据具体的业务内容和数据自身规则(如值域约束和语法约束)提炼出基本约束，并归纳形成规则库。在对数据质量进行评价时，约束规则是对数据进行检测的依据；

·评价模块是数据质量评估办法的关键模块，目的是利用规则模块中的约束规则对数据进行检验并分析汇总。

（2）数据流通系数β

数据资产按流通类型可以分为开放数据、公开数据、共享数据和非共享数据四类。因此，在考察数据流通效率时，首先通过可流通数据量占总数据量的比重确定数据对外开放共享程度；然后，考虑到不同的数据流通类型对数据接受者范围的影响，需要将数据传播系数考虑进来。传播系数是指数据的传播广度，即数据在网络中被他人接受的总人次，可以通过查看系统访问量、网站访问量获得。数据流通系数表示为：

数据流通系数β=（传播系数*可流通的数据量）/总数据量=（a*开放数据量+ b *公开数据量+ c *共享数据量）/总数据量

其中，a、b、c分别为开放、公开和共享三种数据流通类型的传播系数，非共享数据流通限制过强，对整体流通效率影响忽略不计。

（3）数据垄断系数l    

数据资产的垄断程度是由数据基数决定，即该数据资产所拥有的数据量占该类型数据总量的比例，可以通过某类别数据在整个行业领域内的数据占比衡量，即通过比较同类数据总量来确定。数据垄断系数表示为：

数据垄断系数l=系统数据量/行业总数据量

数据是现实事物的客观描述。衡量某种数据的垄断性不仅受限于所属行业，还可能与其所处的地域相关。

（4）数据价值实现风险系数r

在数据价值链上的各个环节都存在影响数据价值实现的风险因素。数据价值实现风险分为数据管理风险、数据流通风险、增值开发风险和数据安全风险四个二级指标和设备故障、数据描述不当、系统不兼容、政策影响、应用需求、数据开发水平、数据泄露、数据损坏八个三级指标。由于数据资产价值实现环节较多且评估过程复杂，可以采用专家打分法与层次分析法获得其风险系数。

《企业数据资产入表操作指引》下载

扫描下方二维码，领取天津市数据资源服务联合体发布的《企业数据资产入表操作指引》和上海数据交易所发布的《数据资产入表及估值实践与操作指南》。

《企业数据资产入表操作指引》梳理汇总了数据资产入表的政策依据及需求；基本原则；数据资产评估；合规与确权；成本的归集与分摊；列报和披露等方面的内容 。

《数据资产入表及估值实践与操作指南》针对企业入表十大操作难点、三种收益测算、八项创新应用给出操作指引。

转载说明：本号转载的文章来源于公开渠道或经授权许可，仅为分享观点、资讯之目的，不代表[数据资产管理大讲堂]观点。文中使用的图片来源于网络。文章、图片版权均归原作者所有，若有侵权敬请联系删除。

#	近期课程安排表(*更有线上课程)	地点
1	地方债务风险化解严监管下项目合规运作及城乡区域综合开发项目投融资创新落地实操与风险防范培训班	4月11-14 成都市 4月25-28 西安市
2	首席数据官岗位能力提升高级培训班	4月11-14 成都市 4月25-28 西安市
3	新政下“三大工程”合规运作、投融资创新实操及实战案例培训班	4月11-14 成都市 4月25-28 西安市
4	新形势下产业基金的合规运作与投资策略培训班	4月10-12 成都市 4月25-28 西安市
5		3月29-4月01 成都市 4月12-15 长沙市
6	EPC 模式下的设计管理、招投标、造价、索赔与审计暨 EPC 全过程管理实务专题培训班	4月12-15 长沙市 4月19-22 杭州市
7	国有企业招标采购合规化管理、风险管控实战、审计监督及案例分析专题培训班	4月12-15 长沙市 4月17-20 济南市
8‍	乙方视角下工程项目特许经营、审计策略、档案管理及案例解析高级培训班	4月25-28 西安市
9		4月11-14 成都市 4月25-28 西安市

在线沟通课程咨询|进群交流|项目指引