摘要：在大数据的时代背景下，数据资产已成为企业的战略性资源，企业也愈发重视数据资产的发展。但是，数据资产的评估尚在萌芽期，如何对数据资产进行准确的估值成为目前专家及学者们面临的重大问题。笔者通过对现有文献系统地梳理、总结，使用超额收益法、AHP和熵权法更加客观地计算企业数据资产过去创造的收益额，据此建立GM(1，1)模型预测数据资产未来的收益额，使用无形资产的回报率进行折现，最终得到企业数据资产的价值，并用实际案例进行解释说明。

　　关键词：数据资产价值；超额收益法；AHP；熵权法；灰色预测模型

　　引言

　　随着经济社会与大数据、物联网、5G等新技术的融会贯通，数据量飞速增长，我国开始对数据给予高度重视，并出台了多项政策。随着政府越来越重视数据这一要素，各个行业逐渐认识到数据的巨大价值，开始积极采集和利用数据，向数字化转型。

　　数据这一场技术变革，也为评估领域带来新挑战。从数据资产定价机制来看，存在较大的波动性，增加了评估的难度；从评估方法上看，学者们对于数据资产的研究尚未成熟；在评估实务中，数据资产的价值评估方法不统一；从数据管理上看，国家尚未出台关于数据交易的法律法规，不利于数据市场和企业发展。因此，研究数据资产价值具有一定的积极意义。

　　本文梳理了数据资产的相关理论和价值评估方法、分析了数据资产的价值构成、构建了新的数据资产的估值模型，为企业评估数据资产的价值以及数据资产在企业间的流通和交易提供参考。

　　一、文献回顾

　　（一）数据资产的定义

　　目前学术界尚未对数据资产的概念达成一致意见，学者们主要从资产特征和数据特征两个角度对其进行界定。

　　从资产特征出发，Richard（1974）最早提出“数据资产”的概念，他将数据资产视作政府债券一类的资产[1]。迈尔·舍恩伯格（2013）预测数据资产将会在资产负债表中列示[2]。谢康（2020）提出数据合作资产的概念，他认为数据合作资产是企业和消费者在数字化服务交互中成为能够被另一方所拥有和利用的并能在当前或未来创造经济收益的数字化资产[3]。

　　从数据特征出发，Toygar（2013）认为任何以二进制形式存储在计算机或互联网上的云某处，且具有使用权利的资产都可以称为数字资产[4]。刘玉（2014）认为数据资产是所有可量化和可数据化的*息[5]。朱扬勇（2018）对数据资产相关的概念进行了区分，将*息资产、数据资产和数字资产全部归为数据资产[6]。2019年，美国实施的《开放政府数据法》将数据资产定义为可组合在一起的数据元素或数据集的集合。

　　（二）数据资产的核算

　　关于数据资产的核算，目前学界主要有两种观点，一种观点认为数据资产与无形资产类似，可以将其并入无形资产科目进行计量。潘宝玉等（2005）相*数据资产富含经济价值，认为其是无形资产的延伸[7]。刘玉（2014）通过分析数据的特点，提出了数据资产化的条件和应将数据资产归为无形资产。Warren（2015）认为数据资产与商誉等类似，应该归为无形资产[8]。杨训（2016）认为目前资产负债表中的无形资产科目是狭义，而数据资产则属于广义的无形资产，应将其并入无形资产科目进行计量[9]。

　　另一种观点认为数据资产具有自身特性，应单独设置科目对其进行计量。支持此观点的学者提出对于专门从事数据资产开发的企业，应单独设立数字资产开发科目。李雅雄等（2017）认为数据资产不同于无形资产，应单独设置会计科目对其进行会计核算[10]。张俊瑞等（2020）通过分析数据的特点，提出应分别核算不同用途的数据资产[11]。

　　（三）数据资产的评估思路及方法

　　目前，数据资产价值评估主要有两种思路，一种是对数据资产进行单独评估，Tenenbaum（2002）认为可以通过假定没有该项数据资产造成的收入损失来确认数据资产的价值[12]。王建伯（2016）提出了动态博弈方法，利用*息不对称的方式来实现自身利益最大化和成本最小化，以此对数据资产进行定价[13]。另一种通过计算其对整体价值的贡献率间接得出数据资产价值，张志刚等（2015）使用层次分析法计算数据资产的各项指标权重，建立了基于成本和应用的数据资产价值评估模型[14]。Lin（2016）考虑到数据资产的购置、运营、维护成本及应用场景，运用层次分析法构建了数据资产价值评估模型[15]。张亚婷（2022）用行业比较法得出企业超额收益，运用层析分析法确定数据资产权重，合理剥离数据资产价值[16]。

　　（四）研究综述

　　通过上述文献可以发现，国内外学者研究侧重点不同，对数据资产的概念界定尚未达成一致意见，但对其价值性达成了共识。根据我国资产评估协会和财政部在全球数字经济大会最新发布的推动数据资产化进程的*息中，将数据认定作为资产。

　　上述文献中对数据资产评估时，存在着使用简单线性回归预测企业收益，评估企业价值，精确度不高；仅用层次分析法确定权重过于主观；模型应用的范围小；使用低估数据资产的风险折现率等问题。本文在上述研究的基础上进行改进，从而得到更具适用性和精确性的评估模型，为数据资产的评估提供一种新的思路。

　　二、数据资产价值构成及评估方法适用性分析

　　（一）数据资产的价值构成

　　一般来说，数据资产的价值构成包括宏观经济背景、数据自身发展情况，本文以数据自身情况为研究对象，主要从数据成本、数据质量、数据分析能力分析其价值构成。

　　数据成本指搜集的数据量越多，难度越大，数据处理、存储及维护所需要耗费的设施以及劳务成本。

　　数据质量体现在数据规模、覆盖程度、完整性、时效性、相关性、外部性方面，数据涉及的范围会随着数据规模的增加而增加。

　　数据的分析能力包括以下三个方面：*息系统是针对数据的处理、分析阶段而言；先进的处理技术和手段更能深入挖掘数据背后的*息；处理分析数据能力强的人会挖掘出更多有价值*息。

　　（二）评估方法适用性分析

　　通过上文对数据资产的相关分析，可以借鉴无形资产评估时所使用的方法，但是，有些方法仍有局限性。

　　从成本法来看，通过计量数据资产的产生、运营和管理等所需的全部成本来计算数据资产的价值。但当企业的数据较多时，成本难以准确计量，不能精确反映数据资产的价值。

　　从市场法来看，数据资产的市场尚不成熟、交易案例较少，缺乏参考，使评估的过程存在一定难度。

　　从收益法来看，因为数据复制不产生损失、在不同情况下产生的收益又可以叠加，使数据资产的价值变得动态且不易分割，在现阶段的评估实务中难以实施。

　　三、超额收益法改进思路

　　首先测算企业无形资产创造的整体超额收益，再将企业组合无形资产分类，其次结合AHP得到数据资产的分成率，熵权法对其修正，从而得到数据资产的收益额，再用GM(1，1)模型预测企业未来的数据资产收益，最后使用无形资产的回报率进行折现，得到数据资产的价值。其基本评估模型如下。

　　V=ΣR,(1+i)"(t=0,1,2,…,n)（1）

　　其中，Rt：第t年数据资产的收益额；i：折现率；n：收益期限。

　　（一）企业整体超额收益的计算

　　超额收益法仅能用于存在超额收益的企业，计算公式如下。

　　超额收益率=企业净利润/企业资产总额-行业平均净利润/行业平均资产总额（2）

　　超额收益=企业资产总额×超额收益率（3）

　　（二）过去数据资产收益额的确认

　　1.组合无形资产分类

　　本文结合会计学、管理学和学者们的研究，根据无形资产在财务报表中披露与否，分为表内无形资产和表外无形资产，如表1所示。

　　2.过去数据资产收益额的计算

　　本文采用层次分析法和熵权法来确定数据资产的收益分成率，从而得到企业过去数据资产的收益额，测算步骤如下。

　　（1）层次分析法

　　步骤一：建立层次结构模型。

　　根据表1，将组合无形资产设为目标层A，将一级指标设为准则层B(B1，B2)，将二级指标设置为准则层C（C1，C2，...，C8），如图1所示。

　　步骤二：构建判断矩阵。

　　步骤三：计算判断矩阵的最大特征值和对应的特征向量。

　　步骤四：判断矩阵进行一致性检验。计算公式如下。

　　λmax是一个比较线性判断矩阵的最高线性特征值的根，n为一个比较线性判断矩阵的阶数。

　　（2）熵权法修正分成率

　　寻找市场上与评估案例同类型的企业进行对比，建立指标体系，采用熵权法进行相关系数调整，步骤如下。

　　步骤一：选取指标。

　　选取与研究对象相关性较强的因素作为指标。

　　步骤二：指标标准化。

　　假设给定一组指标Xi={X1，X2，….，Xn}，经过标准化公式：

　　步骤三：计算指标*息熵Ej。

　　步骤四：计算指标权重Wi。

　　步骤五：企业得分Zn。

　　最终得到数据资产修正后的分成率，公式如下。

　　修正后的分成率=分成率×修正系数（10）

　　企业数据资产的价值=企业超额收益×修正后的分成率。（11）

　　（三）未来数据资产收益额的预测

　　GM(1，1)模型与其他预测方法相比，该模型在面对不确定因素时能较好地预测数据资产的未来收益，步骤如下。

　　步骤一：建立一次累加生成数列。

　　步骤二：求出参数a、b。

　　步骤三：求出GM(1，1)模型的预测方程。

　　步骤四：残差检验

　　精度检验如表2所示，p值越大模型精度越好。当p＞0.8时，模型精度达到了基本要求。

　　（四）折现率和收益期限的确定

　　1.折现率的确定

　　企业的折现率并不等同于无形资产的折现率，同一折现率会低估数据资产的风险。参考刘小峰对无形资产评估研究，可以通过以下的方法推导出无形资产的折现率[17]。

　　（1）计算加权平均资产成本

　　Re=Rf+β（Rm-Rf）（18）

　　其中：Rf为无风险利率；β为资本的风险系数；Rm为市场风险溢价。

　　WACC=(E/V)×Re+(D/V)×Rd×(1-Tc)（19）

　　其中：D为公司负债价值；V为公司市场价值；Re为股本成本；Rd为央行贷款利率；Tc为企业所得税税率。

　　（2）计算加权平均回报率

　　根据企业拥有的资产按照不同的占比进行综合计算，公式如下：

　　WARA=Wc×ic+Wf×if+Wj×ij。（20）

　　（3）计算公司无形资产回报率

　　当加权平均资产等于加权平均回报率时，根据上式可以推导出无形资产回报率。

　　其中：Wf是固定资产占总资产的比重；if是固定资产回报率；Wc是流动资产占总资产的比重；ic是流动资产回报率；Wj是其他无形资产占总资产的比重。

　　2.收益期的确定

　　数据资产极易受到外部环境影响，当其特性遭到破坏超额收益就不存在。因此，对数据资产进行估值，需假定收益期无限。

　　四、案例分析

　　KDXF企业是亚太地区知名的上市公司，其系统工程、*息服务和软件开发等技术在国内处于前沿水平。与业内其他企业相比，该企业拥有相对稳定的超额收益，且企业旗下产品、业务较多，为企业收集了大量*息并和数据资产紧密关联，是为企业创造超额收益的关键资产。因此，本文以其为例进行说明。

　　（一）企业整体超额收益的确定

　　本文以企业相应的财务指标结合公式（2）（3）确定过去企业整体的超额收益，结果如表3所示。

　　由表3可知，在2018—2021年间，由于企业在该领域的优势使其超额收益逐步上升，2022年互联网行业首次出现收入同比下滑，使企业净利润降低，但与整体行业相比仍存在超额收益。

　　（二）过去数据资产收益额的确定

　　1.层次分析法

　　结合调查分析法及层次分析法来确定表内和表外无形资产在组合无形资产中的权重以及表外无形资产中各类无形资产的权重，由1—9标度值得到判断矩阵A-B和B2-C，如表4、表5所示。

　　利用SPSSAU软件对判断矩阵进行分析，分别得到A-B和C的特征向量和无形资产的权重值，对判断矩阵进行层次总排序，其结果如表6和表7所示。

　　2.熵权法修正分成率

　　笔者通过比较分析其主营业务及企业规模，选取了和KDXF相似地可以利用数据资产获利这一特性，选取了如下几家企业作为类比公司。结合数据资产特性，选取盈利性、安全性、流动性、营运性、成长性五个角度建立指标，分别为X1、X2、X3、X4和X5，经查询得到各公司的主要参数。具体操作步骤如表8所示。

　　（1）数据标准化

　　（2）评价指标中的*息熵

　　根据公式（5），需求出公式中对应P矩阵和lnP矩阵。

　　（3）各评价指标权重

　　根据公式（7）得到各评价指标权重，如表9所示。

　　由表9可知，净利润增长率占的比重最大为0.237，这与数据资产能促进企业快速发展相得益彰。

　　（4）计算公司得分

　　计算各对比公司得分，如表10所示。

       根据公式（10），修正后的分成率=0.131 1×83.02%=10.9%。根据公式（3）和（11）得到企业过去数据资产的收益额，如表11所示。

　　（三）未来数据资产收益额的预测

　　以表11数据资产收益额为基础，通过GM(1，1)模型预测数据资产的收益额，具体如表12所示。

　　由表12知，该模型P>0.8，故该模型拟合程度较高，可以在此基础上预测数据资产收益额，结果如表13所示。

　　（四）折现率的计算

　　由于百度和腾讯是KDXF同类型企业，拥有庞大的数据，对其有一定的影响，所以本文将其作为对比公司进行分析，三家企业无形资产回报率的均值作为最终折现率。

　　1.加权平均成本

　　因为本文假定的收益期是5年，Rf选取5年期国债利率的均值3.86%；Rm取最近20年上证指数年均收益率的均值12.32%；β是各企业2018—2022年以年为周期的数值的均值。

　　将以上数据带入到公式（18），得到加权平均资本成本，具体结果如表14所示。

　　为了减少企业之间的差异性，Rd用5年期贷款利率4.75%。如表15所示。

　　2.无形资产回报率

　　将上述结果带入公式（21），得到无形资产回报率。

　　由表16可得无形资产回报率的平均值为16.69%，即折现率为16.69%。

　　（五）KDXF企业的数据资产价值评估

　　由上文知，KDXF经营状态良好且随着企业各项战略的完善，对该行业有正外部性，故假设永续期间经济增长率为正，结合预测2028—2032年的营业收入增长率，得到永续增长率为7.81%。评估数据如表17所示。

　　将表17中数据资产收益现值相加，得到KDXF企业的数据资产评估值为78.72亿元。

　　五、结语

　　数据在各行业中迅速发展，尤其是数据资产化得到众多学者的认同后，数据资产的价值就成为研究的热点，本文通过评估KDXF企业数据资产价值得到以下结论。

　　首先，企业应当充分利用数据资产，从而提升决策效率、优化客户体验和挖掘潜在商机等，为企业实现数字化转型注入新的能量。其次，本文构建模型时着重考虑取值的准确性，具有一定的通用性。最后，希望本研究成果能使该领域的研究得到进一步补充与完善，为今后企业数据资产的估值提供一个尽可能准确的方法。

　　参考文献：

　　[1]PETERSON R E.A cr o s s se ctio n st u dy of the demand for money：The United States，196 0-6 2[J].The Journal of Finance，1974，29（1）：73-88.

　　[2]维克托·迈尔·舍恩伯格，肯尼斯·库克耶.大数据时代[M].杭州：浙江人民出版社，2013.

　　[3]谢康.吴瑶.肖静华.基于大数据合作资产的适应性创新数字经济的创新逻辑（二）[J].北京交通大学学报（社会科学版），2020，19（2）：26-38.

　　[4]TOYGAR A.A new asset type：Digital assets[J].Journal of International Technology&Information Management，2013，22（4）：22-26.

　　[5]刘玉.浅论大数据资产的确认与计量[J].商业会计，2014（9）：3-4.

　　[6]朱扬勇.从数据的属性看数据资产[J].大数据，2018，4（6）：65-76.

　　[7]潘宝玉，康文军，武士耀.浅论数据资产的管理与利用[J].地矿测绘，2005，21（4）：43-45.

　　[8]DONALD WARREN J，MOFFITT K，BYRNES P.How big data will change accounting[J].Accounting Hor izons，2015，29（2）：397-407.

　　[9]杨训.数据资产核算可行性分析[J].合作与经济，2016（16）：151-153.

　　[10]李雅雄，倪杉.数据资产的会计确认与计量研究[J].湖南财政经济学院学报，2017（4）：82-90.

　　[11]张俊瑞，危雁麟，宋晓悦.企业数据资产的会计处理及*息列报研究[J].会计与经济研究，2020，34（3）：3-15.

　　[12]TENENBAUM，DAVID.Valuing intellectual property assets[J].Computer and Internet Lawyer，2002，19（2）：1-8.

　　[13]王建伯.数据资产价值评价方法研究[J].时代金融，2016（4）：292-293.

　　[14]张志刚，杨栋枢，吴红侠.数据资产价值评估模型研究与应用[J].现代电子技术，2015，38（20）：44-47+51.

　　[15]LIN Zhihong，WU Yueqing.Research on the method of evaluating the value of data assets[C]//.International Conference on Education，E-learning and Management Technology.Atlantis Press，2016：488-492.

　　[16]张亚婷.基于改进超额收益法的电商企业数据资产价值评估[D].大连：东北财经大学，2022.

　　[17]刘小峰.无形资产评估理论与实务[M].北京：北京大学出版社，2017.