摘要:随着大数据、云计算等信息技术的高速发展,数字资产作为新兴生产要素,在国家层面和企业层面都起着重要作用,但互联网企业资产估值仍处于理论研究阶段,实践案例较少。以互联网企业—京东作为研究对象,采用收益法和实物期权法分别计算企业现有价值和潜在价值,进而计算出企业整体价值,最后采用层次分析法将数据资产的价值将企业整体价值中剥离出来,得出京东数据资产的价值约等于为8 693.71亿元。结果表明,上述模型可以协助评估互联网企业的数据资产的价值但仍然存在较强的主观性。为互联网企业加强数据资产的管理,提升企业价值和竞争力提供参考。

　　关键词:数据资产;价值评估;B-S模型;层次分析法

　　0引言

　　随着大数据、云计算、5G等信息技术的高速发展以及和实体产业的高度融合,使得数据成为重要的生产要素之一,数据资产的价值评估成为急需解决的问题。近年来,我国正在健全数据资产价值评估的体系。2022年12月,《中*中央国*院关于构建数据基础制度更好发挥数据要素作用的意见》(以下简称《意见》)指出,“要探索数据资产入表的新模式以及建立专业的资产评估机构”该《意见》的提出为数据资产价值评估指明了方向;2023年8月财政部印发了《企业数据资源相关会计处理暂行规定》(以下简称《暂行规定》)的通知,在“存货”“无形资产”等项目下增设“数据资源”二级科目,将符合存货或无形资产确认条件的数据资源以资产入表。该《暂行规定》明确了数据资产的入表的科目。

　　数据资产是数字经济发展过程中产生的一项新资产,学者们对数据资产的研究还处于入门阶段。其主要挑战有:①数据资产入表时所属的科目确定,即企业的数据资产是确认为存货或是确认为无形资产;②数据资产入表时价值难以评估;③数据资产特有的特征(时效性)对数据资产的价值评估造成了很大的困难。数据资产的发展之迅速,急需一套综合、高效的价值评估方法。目前学者采用改进后的B-S模型、大数据资产估值模型、EDAV评价指标体系等模型对数据资产进行价值评估,但上述模型由于对数据资产的估值存在针对特定行业的局限性而没有得到广泛应用,目前对数据资产价值评估运用最多的方法为层次分析法和超额收益法。层析分析法具有通过分层分解数据资产,系统化评估各组成部分的价值、可根据不同层次的数据特性选择不同的评估方法以及分层评估使过程透明,便于理解和验证的优点,同时超额收益法具有直接衡量数据资产带来的超额收益以及基于市场收益的优点,随着数据交易所的成立,超额收益法的可操作性也会越来越高。但是层析分析法存在分层和权重分配可能带有主观性,影响评估结果的客观性、超额收益法存在需要详细的财务和市场数据,数据不足时评估难度大的问题。但在实际操作的过程中通过参考大量的文献尽可能保持客观以及根据充分利用企业公开的年报获取详细的财务数据进行规避。

　　由于京东拥有海量用户和交易数据,具备高价值的数据资产,京东的数据涵盖用户行为、商品信息、物流等多方面,同时京东在精准营销、供应链优化、风险控制等方面广泛应用数据。但其数据资产价值评估没有统一的标准。基于此,文章选择互联网企业京东作为研究对象,采用收益法计算企业现有价值以及实物期权法计算企业潜在价值,进而计算出企业整体价值,最后采用层次分析法将企业数据资产价值从企业整体价值中剥离出来,得出企业数据资产的真实价值。

　　1文献综述

　　1.1数据资产的定义

　　数据资产由PETERSON[1]在1974年首次提出,他将数据资产定义为“满足产权清晰的条件并经过一系列资本化过程或由企业持有并能带来长期现金流入的数据称为数据资产”。因为当时信息技术还不够发达,在他看来,包括政府债券,企业债券,以及实体债券在内的各种证券都属于数据资产。随着信息技术的不断发展,我国对数据资产的研究不断深入,由CIST、大数据研究所于2019年6月共同发布的[21]。从大数据研究所提出的定义可以看出,不是所有的数据资源都能被定义为数据资产[2],数据资产不仅需要经济属性还需要具有法律属性[3],法律属性明确了数据资产的所有权、使用权以及收益权等权利范围[4],经济属性明确了数据资产能够通过权利范围创造经济价值。其他专家对数据资产的定义也有更加全面的解释谭明军[5]提出数据资产是企业利用自身数字化平台对与客户相关的内容进行采集和可视化等行为产生,能为企业创造价值的资源。陆岷峰和欧阳文杰[6]指出,企业所获取的数据一部分是生产生活中形成的,一部分是从专业人员处取得的,但要形成数据资产需要更高的生产和管理要求。

　　1.2数据资产价值影响因素

　　宋杰鲲等[7]认为数据资产的价值数据成本、表观价值和服务价值的影响,并以此构建了EDAV评价指标体系。廖东声[8]认为数据资产价值会随着数据的加工、使用频率和市场等因素而波动。阳巧英和夏义堃[9]基于扎根理论提出数据质量、规模和成本能影响数据要素创造价值。孙文章和杨文涛[10]把互联网金融企业数据资产作为研究对象,提出数据质量、应用和风险为3个重要影响因素。

　　1.3数据资产价值评估方法

　　李诗等[11]运用层次分析法和超额收益法对龙马环卫的数据资产进行估值,并采用无形资产报告框架披露相关信息。陈芳和余谦[12]指出,数据资产可能存在权属不清晰、数据不安全等风险,运用改进了折现率的多期超额收益法,提出了剩余法的多期超额收益模型。苑泽明等[13]提出了评估数据资产价值的新方法,即改进超额收益模型,该模型能很好的反应数据资产的内在价值。肖雪娇和杨峰[14]提出了资产整体价值由经济价值和潜在价值构成,利用AHP—收益分成法对数据资产的经济价值进行评估,应用实物期权法中的B-S模型估算数据资产的潜在价值,得出资产的整体价值。祝新和邓盼盼[15]使用超额收益法、AHP和熵权法计算企业数据资产过去创造的收益额,使用无形资产的回报率进行折现,估算企业数据资产的价值。孙文章和杨文涛[16]提出互联网金融企业数据资产价值变化系数,运用多期超额收益方法中的差量法对同花顺的数据资产价值进行评估。欧阳日辉和虞旻轩[17]采用超额收益法对商业银行中数据资产的价值进行评估。

　　综上,我国正在建立数据资产价值评估体系,我国的学者也对数据资产有了更全面的理解,不仅考虑了数据资产的经济属性,也考虑到了数据资产的法律属性。同时,数据资产的价值评估方法百花齐放,还没有一套统一的评估方法,但是超额收益法结合层次分析法的方法因为更加的全面得以广泛应用。

　　2互联网企业数据资产价值评估方案设计

　　2.1评估方案设计思路

　　数据资产具有很多区别于传统资产的特征,例如:依托性、多样性、价值易变性等,所以数据资产的价值难以直接计算。故可以先计算通过收益法、实物期权法计算出企业的整体价值,再利用层次分析法将数据资产的贡献程度从企业整体价值中剥离出来,算得数据资产的真实价值。

　　互联网公司存储的数据中无形资产的占比较大,因为市场法受市场环境影响较大;成本法需要明确数据资产的确切成本,但数据资产价值易变的特征使得成本难以计算,所以相较于市场法和成本法而言,收益法更加适合评估企业的现有价值(V1)。同时,互联网企业作为新兴企业有一定的发展空间、但也存在着很多发展的不确定性,采用实物期权可以测算企业的潜在价值(V2)。故通过收益法和实物期权法估算出企业的整体价值V=V1+V2。

　　数据资产的价值需要从企业整体价值中剥离迟来,再利用层次分析法确定各个要素的权重,从而确定数据资产的价值。

　　2.2收益法模型及参数的确定

　　柳江和刘培淇[19]、欧阳日辉和虞旻轩[17]使用下列指标通过超额收益法分别对焦点科技以及商业银行的数据资产进行了价值评估。故选取该指标对京东数据资产进行价值评估。大多数企业发展过程基本上会经过高速发展和永续发展两阶段,所以选取两阶段模型计算企业自由现金流量

　　其中,V1为收益法下企业现有价值;FCFFt为第t期企业的自由现金流;WACC为企业折现率;n为企业收益期;g为企业增长率。

　　(1)企业自由现金流量(FCFF)确定。

　　企业自由现金流是企业在满足自身投资和经营的需求下产生的现金流量,可以用作股东的股利分配和债权人债务的偿还。其计算公式如下:

　　(2)收益期(n)确定。

　　两阶段自由现金流量包括高速发展和永续发展两阶段,高速发展阶段根据谨慎性原则合理估计为5年,永续发展阶段需要全面考虑企业和行业的发展,进而确定合理的数值。

　　(3)折现率(WACC)确定。

　　折现率是将企业未来的现金流量折现到当下价值所需的资本成本。因为折现率可以反映企业投资风险以及预期回报率,所以需要选择更加全面的资本成本,即加权平均资本成本,即包括权益资本成本也包括债权资本成本,构建公式如下

　　式中,WACC代表企业加权平均资本成本;Ke代表企业权益资本成本;Kd代表企业债权资本成本;E代表企业股权价值;D代表企业债权价值;T代表企业所得税。

　　期权的执行价格是选择该项投资所投入的成本,对于互联网企业,其投入的成本主要为投入广告而产生的销售费用以及日常发生的管理费用。因此,期权的执行价格定为销售费用和管理费用的现值折现价值。

　　(3)企业价值波动率(σ)确定。

　　企业价值波动率反映企业的风险程度,而方差、标准差以及变异系数是衡量企业风险的常用指标,但在实物期权中,选择企业股价的标准差最为合适。

　　(4)实物期权执行期限(T)确定。

　　由于收益法高速发展阶段计算的企业自由现金流量时选择5年作为预测期,为了保持一致,实物期权执行期限也选择5年。

　　2.4层次分析法模型构建

　　层次分析法是一种定性与定量相结合的分析方法,由于数据资产不能很准确的计算,所以需要利用层次分析法把企业的数据资产从企业整体整体价值中剥离出来,计算数据资产的真实价值。层次分析法对数据资产价值评估的影响取决于数据资产的影响因素,沈俊鑫和张彤昕[20]通过价值链理论分析了数据资产的影响因素,故选取以下指标进行层次分析法。层次分析法从上到下分为目标层、准则层以及方案层。从目标层出发逐步分解为若干个准则层,再延伸到方案层,具体步骤如下:

　　(1)建立层次结构模型。

　　先确定目标层,从目标层出发逐步分解为若干个准则层,再从准则层延伸到方案层。具体模型见表2。

　　(2)构建判断矩阵。将各个层次的因素进行两两比较,根据重要性的大小进行评价,分值依次为1~9分,越重要的因素得分越高。具体打分见表3。

　　3京东数据资产估值案例研究

　　京东于2004年1月首次建立互联网自营模式的销售网站,随后成立了公司开展其线上零售业务。京东于2014年5月在美国纳斯达克上市,于2020年6月在香港交易所上市。京东作为互联网公司主要是因为京东的核心业务是通过互联网提供商品和服务,消费者在线上下单,京东负责配送,完全依赖互联网进行交易。同时京东在物流、供应链、大数据、人工智能等领域投入大量技术资源,通过自行研发的AI算法技术构建出“AIpha”智能算法数据库,随后每年均投入20亿研究互联网+领域下的结合项目,市场数据可以经由公司网络,通过人工智能拆解后分析、清洗、存储、调用[24]。提升运营效率和用户体验,技术是其竞争力的关键。京东通过电商平台积累了大量用户数据,包括购买行为、偏好等,这些都是京东特有的数据资产。

　　由于京东拥有海量用户和交易数据,具备高价值的数据资产,京东的数据涵盖用户行为、商品信息、物流等多方面,同时京东在精准营销、供应链优化、风险控制等方面广泛应用数据,所以京东的数据资产评估迫在眉睫。

　　由于超额收益法需要详细的财务和市场数据,但京东24年的年报尚未发布,所有将评估基准日定为2023年12月31日,使用的相关数据来自京东发布的年度报告及国泰安数据库。

　　3.1收益法估算企业现有价值

　　企业自由现金流量预测:根据京东2019—2023年的数据作为基准,预测企业未来5年即2024—2028年的相关数据计算企业自由现金流量,见表4、表5。根据2019—2023年营业收入的平均增长率17.61%预测2024—2028年的营业收入;根据营业成本、销售费用等占营业收入的比例预测2024—2028年的营业收入、销售费用等。

　　3.2实物期权法估算企业潜在价值

　　首先,确认企业现有价值。根据企业高速发展和永续发展阶段两阶段估算企业现有价值,S=17 903.57亿元;其次,确认企业执行价格。期权的执行价格定为2024—2028年销售费用和管理费用的现值折现价值。即PV(X)=1 832.40亿元;再次,确认企业期权期限。T=5年;最后,确认企业价值波动率。根据京东2019—2023年每日收盘价计算每日标准差3.55%,根据年化后σ=53.7%。

　　综上所述,数据资产的价值由数据资产质量、数据资产应用以及数据资产风险组成。可求得数据资产分成率:

　　R=53.89%×31.33%+16.37%×16.65%+29.74%×20.12%=25.59%

　　通过计算企业整体价值×数据资产分成率可得,京东2023年12月31日数据资产的价值约等于为:

　　V=P×R=33 973.08×25.59%≈8 693.71亿元

　　4研究结论与建议

　　4.1研究结论

　　《“十四五”数字经济发展规划》将数据作为五大生产要素之一,表明数据资产的地位越来越重要,同时,数据交易所的成立以及数据资产暂行条例的出台同样表明数据资产的重要地位。故急需一套合理、准确的数据资产价值评估模型,为数据资产入表奠定基础。基于学者对模型的构建,以京东作为研究对象展开分析,验证模型构建的合理性。

　　首先,采用《数据资产管理实践白皮书》(4.0)对数据资产的定义,即“由公司拥有或控制的、未来可能为公司带来经济利益的、以实物或电子形式存储的数据资产,如文件、电子数据等”[26]。对于互联网企业而言,影响数据资产价值的影响因素主要包括数据质量、数据应用和数据风险。数据的价值需要经过多环节才能发挥最大价值,即需要经过数据收集、数据清洗、数据整理以及数据分析等环节。

　　其次,对于数据资产的评估方法,文章采用收益法和实物期权法分别计算企业现有价值和潜在价值,进而计算出企业整体价值,最后采用层次分析法将数据资产的价值将企业整体价值中剥离出来,得出数据资产的真实价值。将上述方法用于京东数据资产价值评估,估算得企业高速发展和永续发展阶段两阶段估算企业现有价值V1=1 206.78+16 696.79=17 903.57亿元;B-S模型估算企业潜在价值V2=16 069.51亿元。企业总价值V=V1+V2=17 903.57+16 069.51=33 973.08亿元。

　　通过层次分析法最终得到京东数据资产在企业整体价值中的影响权重为25.59%,得到京东数据资产的价值约等于为8 693.71亿元。

　　4.2建议

　　数据资产对互联网企业而言是至关重要的,所以企业应当重视数据资产的应用和价值评估。在数据交易所进行交易时有较为合理的价值,就可以较大程度上避免企业收购或者并购时产生较高的商誉,后因商誉减值使企业造成损失,有利于维护股东和债权人的利益。因此,数据资产入表迫在眉睫。入表的数据资产如何确定价值需要互联网企业做到标准化和透明化。这需要互联网企业在每年年度终了在附注中披露数据资产的名称、类型、评估方法和关键指标,在资产负债表存货或无形资产项目中披露数据资产的价值。

　　此外,互联网企业数据资产占企业总体价值比重较大,所以互联网企业需要合理、高效的利用企业的数据资产,从数据资产的收集、利用、分析等全过程进行把控。通过对上述数据资产的利用,提高企业数据资产的价值,提升企业的核心竞争力,达到股东利益最大化的企业目标。要明确数据资产入表的纳入范围,不仅需要企业层面改进措施,还需要政府层面的支持和引导。

　　4.2.1企业层面的改进措施

　　企业需要根据企业具体情况合理纳入企业的所有数据资产,并合理估计数据资产的价值,确保数据资产入表时价值的准确性。通过优化数据资产的披露方式和价值评估方法,确保财务报表信息的及时性,提升财务报表的可比性。同时,还需要构建完善的内部控制体系,避免管理层凌驾于控制之上而导致的舞弊风险,做到职责分离,互相监督,确保数据资产入表过程符合内部控制体系,确保财务报表的准确性。

　　4.2.2政府层面的支持和引导

　　加强宏观数据制度供给。完善数据要素产权制度顶层设计、完善数据资产法律权属、推动数据安全保护制度和规范;数据要素市场生态的有序培育。建立和完善数据资产市场交易机制;讨论数据资产的交易模式;加强数据要素市场监管机制建设,维护合法权益;建立健全数据资产的会计制度体系。对数据资产范围进行定义,建立确认标准;完善会计科目与数据资产核算勾稽关系等;优化数据资产评估方法,建构数据资产计量模型等等;企业的数据资产管理体系应积极健全。

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]张俊瑞,危雁麟.数据资产会计:现状、规制与展望[J].财会月刊,2023,44(12):3-11.

　　[3]程小可.数据资产入表问题探讨:基于国际财务报告概念框架的分析[J].科学决策,2023(11):67-75.

　　[4]王伟玲.中国数据产权制度构建研究[J].经济纵横,2024(1):78-85.

　　[5]谭明军.论数据资产的概念发展与理论框架[J].财会月刊,2021(10):87-93.

　　[6]陆岷峰,欧阳文杰.关于新时期数据资产要素市场化的目标、原则及路径的研究:以商业银行数据资产为例[J].新疆社会科学,2023(5):43-56.

　　[7]宋杰鲲,张业蒙,赵志浩.企业数据资产价值评估研究[J].会计之友,2021(13):22-27.

　　[8]廖东声.数字资产估值问题研究[J].会计之友,2022(13):2-9.

　　[9]阳巧英,夏义堃.我国数据要素价值形成机理、影响因素与实现路径:基于扎根理论的分析[J].图书与情报,2023(2):12-22.

　　[10]孙文章,杨文涛.基于多期超额收益法的互联网金融企业数据资产价值评估研究[J].中国资产评估,2023(2):4-18.

　　[11]李诗,陈志威,徐钰,等.数据资产会计处理模式探析:基于龙马环卫案例[J].财会月刊,2021(24):67-74.

　　[12]陈芳,余谦.数据资产价值评估模型构建:基于多期超额收益法[J].财会月刊,2021(23):21-27.

　　[13]苑泽明,张永安,王培琳.基于改进超额收益法的企业数据资产价值评估[J].商业会计,2021(19):4-10.

　　[14]肖雪娇,杨峰.互联网企业数据资产价值评估[J].财会月刊,2022(18):126-135.

　　[15]祝新,邓盼盼.基于改进超额收益法的企业数据资产价值评估[J].商业观察,2024,10(14):74-80.

　　[16]孙文章,杨文涛.基于多期超额收益法的互联网金融企业数据资产价值评估研究[J].中国资产评估,2023(2):4-18.

　　[17]欧阳日辉,虞旻轩.超额收益法在商业银行数据资产价值评估中的应用[J].价格理论与实践,2024(10):60-69,226.

　　[18]凌浩.基于多期超额收益折现法的互联网企业数据资产评估研究[D].重庆:重庆理工大学,2024.

　　[19]柳江,刘培淇.电商企业数据资产估值研究:以焦点科技为例[J].财会月刊,2024,45(18):105-110.

　　[20]沈俊鑫,张彤昕.基于价值链理论的互联网企业数据资产价值评估[J].科技管理研究,2024,44(7):124-134.

　　[21]中国信息通信研究院.数据资产管理实践白皮书(4.0版)[R/OL].(2019-06-06)[2024-09-18].