摘要：随着数字经济的发展，数据资产逐渐成为第五大生产要素，也成为体现企业竞争力的重要部分。在此背景之下，文章首先介绍了数据资产的定义和数据资产价值评估的观点；其次，梳理了数据资产价值评估的主流方法；最后，基于前文研究现状的情况对数据资产的价值评估方法进行了总结与展望，期望能够为数据资产后续研究奠基。

　　关键词：数据资产；价值评估方法；未来展望

　　引言

　　《“十四五”数字经济发展规划》中指出，数据是如今数字经济的关键要素，也是新时代的核心生产要素。随着信息技术的飞速发展和国家有关数据战略的深入实施，数据对企业发展日益突出，企业收集和处理数据资源的能力与企业市场竞争力直接挂钩，数据也极大程度地影响了企业运营效率与企业价值。我国对数据资源也越来越关注，财务部在2023年8月发布了《企业数据资源相关会计处理暂行规定》，进一步明确数据资源会计处理适用的范围、准则、列示和披露要求。这一文件作为数据资产化管理的重要里程碑，对于推动我国企业的数字化转型、推进数据要素市场建设、提升数字经济发展的质量和水平具有重要作用。而从数据到数据价值，还有较大的研究空间。基于此背景，本文梳理了现有的数据资产的定义理论及价值评估方法文献，致力于展现出数据资产的定义和数据资产价值评估方法的基本研究情况，为相关研究奠基，并对未来提出展望。

　　一、文献综述

　　（一）数据资产的定义

　　“数据资产”这一概念最早出现于1974年，由Peterson提出，依托于当时的经济发展状况，他将一些证券化的金融产品作为数据资产，并将其概念定义为“产权清晰且经过一系列资本化过程或由企业持有并能带来长期收益的数据”[1]。Fisher认为数据作为能够给企业带来成功的重要资产，需要对其进行规范和管理[2]。数据学家维克托·迈尔-舍恩伯格认为数据依托信息技术如同风暴一般给人们日常的生活与思想带来新的变化，且基于此预言数据迟早作为一种资产分类进入资产负债表[3]。近年来，我国许多学者均对数据资产进行研究与定义。李雅雄等认为数据资产应该按照会计概念中的资产进行定义[4]。刘玉依据企业会计准则中对无形资产的定义，认为数据资产符合无形资产的定义并可按无形资产的规定入表[5]。2023年8月财务部发布了《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》），更是将数据资产作为“存货”“无形资产”“开发支出”项目下的下属项目，以此反映资产负债表日的数据资源账面价值。综上所述，本文将数据资产定义为：由企业掌握和管理，且通过不断累积的方式为企业带来经济收益的一种存储于特定介质中的非实体性数据资源。

　　（二）数据资产的价值评估

　　有关企业数据资产的价值评估方面，Moody等将数据资产的价值来源概括为搜集成本、管理成本和数据质量三方面[6]。张志刚等认为数据资产的价值包含数据资产成本与数据资产应用这两部分，并基于此引进层次分析法，对影响数据资产价值的因素进行分析并构建指标评价体系[7]。但总体来说，大多数学者评估数据资产仍参照对无形资产的评估标准，并没有对数据资产设立统一的价值评估体系和方法。

　　二、数据资产的评估方法

　　（一）传统评估方法

　　1.成本法

　　成本法是从资产重置角度考虑其估值的一种方法，用成本法去评估数据资产，本质上就是对数据成本的归纳。2019年，德勤资产评估有限公司与阿里研究院共同提出以成本法评估数据资产价值的公式：

　　评估值=重置成本-贬值因素或评估值=重置成本×成新率。

　　成本法。适用于一些特定类型的数据资产，例如以成本费用分摊为目的的数据资产。然而，数据资产的成本费用与其价格之间存在弱对应性，且其成本费用本身也存在着不完备性。成本法的局限如下。

　　第一，数据资产的贬值因素不一定存在也难以预测。在使用过程中，随着对数据资产的深度挖掘，数据资产的价值不一定会随着时间的推移而变得贬值，反而可能会随着时间的推移而增加。同时，导致数据资产价值下跌的因素类型多种多样，难以准确评估因素对价值的影响程度。

　　第二，数据资产的重置成本与贬值数额相对不容易精确估算。这一结论主要由两个方面导致：一方面，数据资产的成本为初期准备成本与各报告期运营成本的加和，然而由于规模效应的存在，数据资产的重置成本与实际成本之间的关系并非完全线性，这可能使得成本法的评估结果可能与真实价值产生偏离；另一方面，数据资产的类型多种多样，很难对某一类型的数据的重置成本和贬值因素进行确定。

　　2.市场法

　　市场法能够正确评估数据资产价值的前提是数据资产必须处于活跃的公开交易市场，并且能够在此市场中找到相同或者类似的数据资产的交易案例。如今随着数据市场的发展，我国已经在贵州、江苏等省份成立了数据资产交易中心，部分数据资产已经可以在公开的市场条件下进行交易，市场法也逐渐变为评估数据资产价值的主流方法之一。运用市场法进行数据资产评估时所用的公式为：

　　评估价值=可比数据资产成交额×∑修正系数。

　　市场法由于其数据可以在公开的金融市场得到，相对来说更客观与可信。但同时，我国的数据交易平台还未完善，也并未包含全面的数据资料，从而导致市场法评估数据资产价值时受到局限。

　　3.收益法

　　（1）多期超额收益法

　　多期超额收益法一般用于评估无形资产，是指通过计量对该无形资产所贡献的净现金流或超额收益现值的一种价值评估方法。由于数据资产某些特征与无形资产类似，所以运用多期超额收益法进行数据资产评估时所用的公式为：

　　多期超额收益法能够全面考虑数据资产在各种方面获得的利润，进而更加真实准确地测量数据资产的价值，但计算超额收益时会因为其历史收益在各种情况下均有所不同而难以测量。

　　（2）增量收益法

　　增量收益法是通过预测未来增加收益率进而来评估资产价值，其评估时所用到的公式为：

　　运用增量收益法评估数据资产较直观简单，但难以区分企业在不使用数据资产情况下的现金流。

　　（3）权利金节省法

　　权利金节省法是通过比较第三方缴纳许可使用费，并假设持有该资本将无须缴纳使用费，从而所产生的资本价值用以确认资产的价值。其评估时所用到的公式为：

　　权利金节省法可以很直观地体现数据资产带来的价值，进而直观展现了数据资产价值和相应收入之间的相对关系，但与此同时，许可使用费计量较为困难。一方面是因为至今为止国内国外还未有具体且统一的许可使用费判定标准，由此导致该数值难以估算；另一方面是因为数据资产的状态往往是非静态的，导致使用年限不易估算。

　　比较三种传统方法可知，基于数据资产的价格与成本费用关联度不强，且其成本费用本身也存在着弱对应性，用成本法评估企业数据资产价值时存在着诸多限制，评估结果也不够准确完善。对于市场法来说，由于我国数据交易平台仍在发展阶段，数据资料并不成熟，且交易量不大，导致运用市场法评估数据资产时受到限制。对于收益法来说，收益法评估数据资产时往往更方便，其基于未来收益预测得到数据资产价值的方式更有助于准确展现数据资产的价值，尤其适用于数据资源庞大的公司。综上所述，在三种方法之中，收益法相对来说能够更准确方便地评估企业数据资产的价值，其结果也更可靠。

　　（二）其他评估方法

　　1.实物期权法

　　实物期权法是一个比较年轻的方法，其理论的根源可以追溯到金融的期权估值理论，也就是说把现实中的项目投资机会当作是金融中的期权交易，考虑企业未来的投资机会和风险，总体来说是对收益法的一种补充。

　　2.博弈论法

　　博弈论这一概念本身是指地位平等的双方基于各自掌握的不同信息，进行博弈交易，并最终取得各自认为收益最大化的过程。博弈论用以评估数据资产的价值是基于买方市场与卖方市场的不平等，数据交易的双方根据各自不同的信息进行博弈交易的过程，最终使数据买方获得最大利润或最小风险。

　　3.层次分析法

　　层次分析法简称AHP，它通过拆解一个复杂的决策问题为一个连贯的层次，并比较拆解出的各层次内各种指标的相对重要性，得到一系列的判断矩阵，最终再通过各层次的相对重要性计算权重。运用层次分析法评估数据资产的价值时，往往需要建立一个数据资产评估模型，既设计相关指标也设计各个权重，最终得到数据资产的评估价值。

　　4.人工智能法

　　人工智能法是一种模拟人脑并具备高度复杂的非线性动力学习系统的方法。运用人工智能法评估数据资产时一般基于人工神经网络，将人工神经网络模型与数据资产价值影响普遍因素相结合，并融合模糊综合评估方法构建人工神经网络数据资产价值的评估体系。

　　这四种方法改进了传统方法中不适用数据资产的部分，更贴合数据资产本身的特征，但仍不具备数据资产价值评估的普适性。数据资产这一概念本身的特点和应用范围均还在探索与研究中，目前已知的评估模型还未能完全契合其评估体系。由此可见，数据资产评估这一道路还有待学者们继续探索。如今，人工智能和AI技术的不断突破，数字经济不断发展，人工智能法也在不断革新，或许未来能够产生更契合数据资产特点的评估方法。

　　三、结论及展望

　　随着数字经济的发展以及我国企业信息和数据处理能力的提升，数据逐渐成为企业竞争的重要要素，企业也在纷纷挖掘和探讨数据带来的价值。与此同时，数据资产化和数据入表也是数据规范化的一大趋势，但并未形成统一的标准，研究方法也仍需改进优化。本文沿着这一趋势，分析了数据资产的定义，探讨了对数据资产价值的评估。本文既分析了传统评估方法对数据资产评估中的运用，又补充了其他主流方法对数据资产价值的评估，并针对于此提出未来评估数据资产时应改进的方向。

　　（一）完善数据资产市场交易平台与相关的登记制度

　　如今，虽然我国在加快建立数据资产交易平台，但数据资产交易仍然不够活跃，平台内容不够完善。与此同时，企业登记数据资产相关资料也不够健全，这也导致数据资产的公允价值难以计量。推动数据资产市场交易平台的进一步发展可以为评估数据资产的价值提供更多的参考，也能使其公允价值更加客观与规范。同时，完善相关的登记制度可以明确数据资产的来源和数量，更易对数据资产进行规范与管理，以便评估数据资产价值时发挥市场法的作用。

　　（二）完善数据资产分类体系

　　由于不同类型的数据资产特征差异较大，科学且规范的数据资产分类方向将是数据资产价值评估的关键一环。因此，我国的数据管理部门应对数据资产设立统一的分类标准，并可以参考如下方面建立分类体系。

　　第一，可以界定数据来源的方向。数据来源也就是数据产生的渠道，包括自有渠道、官方渠道和第三方渠道等。由于不同渠道的数据会面临不同的交易规则、加工方式等约束，不同的渠道来源的数本身会带有不同的特征，这也会对数据资产的评估造成极大的影响。

　　第二，可以界定数据的格式。依托于互联网和信息技术，数据的格式一般包括文本、代码、图片、影像等。数据的格式往往决定了日常处理数据的存储空间、传输条件和安全维护的方式，这也影响着数据所带来的管理成本与使用收益，从而影响着对数据资产的价值评估。

　　第三，可以界定数据所运用的领域。随着数字经济的不断推进与发展，数据一般被用于教育、医疗、经济等不同领域。而各个领域本身也有其特点，数据在其中所扮演的角色和地位也不尽相同，从而评估其带来的价值的角度也不同。

　　（三）完善数据资产的价值评估方式

　　总体而言，现有的资产价值评估方式对于数据资产来说还未十分契合，且数据资产难以量化这一特点致使其评估难度较大。首先，可以研究如何优化现有的评估方法使之更适配数据资产的特点。例如，由于网络分析法能够较好考察决策中复杂性因素互相作用的情况，于是运用层次分析法评估数据资产的价值时，可以通过网络分析法改善其可能存在的存在假设与现实决策不吻合的问题。其次，可以结合数据资产的特征探索新的评估方法。例如，可以深度挖掘人工智能和机器对数据资产的特征及规律，模拟数据资产的使用场景，以便预测未来的价值潜力。

　　参考文献：

　　[1]PETERSON R E.A cross section study of the demand for money：The United States，1960-62[J].The Journal of Finance，1974，29（1）：73-88.

　　[2]FISHER T.The data asset：How smart companies govern their data for business success［M］.New York：John Wiley&Sons，2009.

　　[3]维克托·迈尔-舍恩伯格，肯尼斯·库克耶.大数据时代[M].周涛，译.杭州：浙江人民出版社，2013：20-37.

　　[4]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.

　　[5]刘玉.浅论大数据资产的确认与计量[J].商业会计，2014（18）：3-4.

　　[6]MOODY D L，WALSH P.M e as ur i n g th e v a l u e o f i n f o r m a ti o n—A n a s s e t v a l ua ti o n a pp r oa c h[C]//.P r o ceedin g s of th e Sev e n th Eu r opea n Co nfer e n ce o n Information Systems.Copenhagen：ECIS，1999：496-512.

　　[7]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.