摘要：随着信息技术的飞速发展和数字化转型的深入推进，数据资产作为企业的重要资产，其价值评估日益成为管理层关注的焦点。文章系统地探讨了数据资产的定义、估值方法以及完善数据资产估值工作建议，展示了数据资产价值评估在提升企业竞争力、优化资源配置以及推动创新方面的重要作用。旨在帮助企业通过合理评估和有效管理数据资产，更好地理解市场趋势、满足客户需求，并在竞争激烈的市场中保持领先地位。

　　关键词：数据资产；价值评估；企业决策

　　引言

　　随着全球经济的数字化转型和信息技术的迅猛发展，数据已经成为当代企业最宝贵的资源之一。企业不再仅仅依赖于传统的资产，而是越来越多地依赖于数据来推动业务运营、优化企业决策和促进创新发展。数据资产价值评估作为企业数字化转型中的重要环节，对企业的长远发展和竞争优势具有重要意义。有效的数据资产价值评估可以帮助企业优化资源配置、改进决策制定过程，并推动创新和业务增长。然而，面对日益复杂和多样化的数据环境，企业需要不断探索和改进评估方法，以适应快速变化的市场需求和技术进步。

　　一、数据资产相关概念

　　（一）数据

　　数据是以记录为可存储、传输或处理的数字化形式的观察结果，并能够从中获取信息和知识以支持决策。在计算机科学和信息技术领域，数据通常是以数字形式存储和处理的。数据的基本特征包括：事实性、记录性、可处理性。随着信息技术的发展和普及，数据的生成、收集、存储和分析能力不断增强，推动了大数据、人工智能和机器学习等领域的快速发展和应用。数据的有效利用需要注意数据质量、隐私保护、安全性等问题，以确保数据能够为决策和创新提供可靠的支持和基础。因此，数据管理和数据治理在当前社会中确实是一个重大挑战，为了确保数据的合法性、准确性和可用性，必须采取切实有效的措施和策略。

　　（二）资产

　　资产是指一个个体、组织或国家拥有并且能够控制，并从中获得经济利益的资源或者权利。资产不仅是企业和个人财务状况的重要组成部分，也在经济学和会计学中扮演着关键角色。资产可以根据其性质和用途分为不同类型，如：物质资产、金融资产、无形资产、知识资产、数据资产等。资产的核心特征包括所有权、控制权和经济利益。所有权指资产归属于谁，控制权指谁有权利支配和管理资产，而经济利益则指资产能够为所有者或控制者带来的直接或间接经济收益。在企业管理和财务规划中，资产的管理和评估是至关重要的。企业需要有效地管理和利用各类资产，最大化资产价值并实现长期经济利益。资产价值不仅受市场供求关系和经济环境的影响，还受到资产本身特性、管理水平和技术发展等因素的影响。

　　（三）数据资产

　　“数据资产”指特定主体合法拥有或者控制的，能进行货币计量的，且能带来直接或者间接经济利益的数据资源[1]。数据资产是由企业掌握和管理，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。它们可以是结构化、半结构化或非结构化的，这些数据对于支持企业的日常运营、决策以及创新活动都起着至关重要的作用。在不同应用场景下，数据资产包含的信息由于使用者不同而具有不同的价值[2]。数据资产不仅包括数据本身，还包括数据的质量、可用性、安全性和合规性等方面的管理和保护。数据资产通过提供准确、实时的信息，支持企业管理层做出更加智慧和基于数据的决策，基于数据的决策能够减少主观偏见，提高决策准确性和可信度，并且数据资产还可以帮助企业了解市场趋势、消费者需求和竞争环境。通过分析市场数据资产，企业可以制定更有效的市场营销策略，优化产品和服务，以满足客户需求并提升市场份额。数据资产的有效管理和利用是现代企业管理的关键。通过优化运营流程、降低成本和提高生产效率，数据资产能够显著提升企业的经营绩效，而数据驱动的决策和操作使企业能够更高效地配置资源，从而在竞争激烈的市场中脱颖而出。因此，数据资产在现代企业管理中的重要性日益凸显。它们不仅帮助企业理解市场趋势、优化生产流程，还支持个性化营销、客户关系管理和战略规划。

　　（四）数据资产的特征与分类

　　1.数据资产的特征

　　（1）经济价值

　　数据资产是具有经济潜力和实际价值的，能够帮助企业提高收入、减少成本、优化资源利用等。

　　（2）多样性

　　数据资产包括各种类型的数据，例如客户数据、市场数据、操作数据、财务数据等。这些数据可以是结构化的（如数据库中的表格数据）、半结构化的（如XML文件）或非结构化的（如文本文件、图像或视频），每种类型的数据资产都有其独特的特征和用途。

　　（3）动态性

　　数据资产是动态变化的，随着时间推移和新数据的不断生成，其价值和用途也可能发生变化，因此，有效管理和更新数据资产是保持其价值和适用性的关键。

　　（4）管理和保护需求

　　数据资产管理涵盖了数据的收集、存储、处理、分析和应用的全过程。同时，保护数据资产的安全性和隐私性也至关重要，特别是在面对日益严格的法规和合规要求时，如GDPR、CCPA等。

　　2.数据资产的分类

　　（1）操作数据资产

　　这类数据资产用于日常的业务操作和运营，例如客户交易记录、库存数据、订单信息等。

　　（2）决策支持数据资产

　　这类数据资产用于支持管理层和决策者进行战略和运营决策，包括市场分析数据、财务报表、业务指标和预测模型等。

　　（3）客户数据资产

　　客户数据资产包括客户基本信息、购买历史、偏好和行为数据等，用于实现个性化营销、客户关系管理和提升客户满意度。

　　（4）市场数据资产

　　市场数据资产用于了解市场趋势、消费者需求和竞争环境，包括市场研究数据、竞争分析、行业报告等。

　　（5）知识资产

　　知识资产是一种特殊的数据资产，包括专利、商标、版权、业务流程和专业技能等，对企业的创新和竞争优势具有重要意义。

　　二、数据资产的价值评估方法

　　（一）成本法

　　成本法是一种资产评估方法，它基于一个基本的经济原理：一个资产的价值不应超过它能够被替代的成本，因此，评估资产时，关注的是重建或替代资产的成本，依据资产的获取成本或重建成本来确定其价值，而非现有市场上的交易价格或未来可能产生的收益。成本法一般遵循以下几个具体步骤：首先是获取成本，主要包括购买成本和开发成本。购买成本指在资产获取时所支付的费用，包括购买价格、税费、手续费等，相对于物质资产，这些成本通常较为明确；开发成本是对于专利或软件这类非物质资产，包括研发和开发过程中的成本支出。其次是重建成本，主要是评估在当前市场条件下重建或替代资产的成本，这涉及到物质资产的建造或生产成本，以及非物质资产的重建、重新开发成本，并且需要考虑技术和市场环境。评估重建或替代资产的技术难度和可行性，对于非物质资产尤其重要。尽管成本法主要关注成本，但也需要考虑市场上类似资产的供给和需求情况，以及可能的替代选择。最后是进行经济性评估，考虑资产未来可能带来的现金流量，尽管成本法不直接以预期收益为基础来评估资产价值，但也会考虑资产在未来运作中的经济性和可持续性。

　　（二）市场法

　　市场法是运用市场上同样或者类似资产的近期交易价格，通过直接比较或者类比分析以估测资产价值的各种评估技术方法的总称[3]。其假设市场上已有的数据交易可以提供一个合理的参照基准，用于确定目标数据资产的价值。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。市场法的步骤为：首先需要确定和目标数据资产相似或具有可比性的其他数据资产。这些可比较资产可能是在相似市场条件下交易的数据资产，或者是相似性质和用途的数据集合。其次是收集可比较数据资产的交易信息，包括交易价格、交易时间、市场条件等。这些信息通常来自于公开市场交易记录、专业评估报告或相关行业数据发布。再次进行市场比较和分析是关键的步骤。通过对比收集到的市场数据与目标数据资产，我们能够更准确地评估目标数据资产的合理市场价值。这一步骤有助于确保评估结果的客观性和准确性，为企业或组织提供有力的决策依据。分析时需要考虑可比较数据资产与目标数据资产的相似性、市场交易的时间和地点、市场需求等因素。最后可能需要对市场数据进行调整和修正，以反映出目标数据资产的特殊情况或者市场环境的变化，调整因素可能包括市场趋势、经济环境、资产状况等。

　　（三）收益法

　　收益法是指通过测算数据资产未来能为企业带来的收益值，利用折现率计算其现值，进而计算数据资产的价值[4]。通过预测和折现这些未来收益，收益法能够为企业提供一个相对准确的资产价值估算。这种方法在数据资产评估中尤为重要，因为它能够考虑到数据资产的潜在价值和长期回报。

　　其基本模型为：

　　被评估的数据资产值=a/r（1-（1+r）^-n）。

　　收益法的基本原则是预期收益原则和贡献原则。收益法的基本步骤如下。首先需要对数据资产的未来收益进行合理的预测和估计，这可能涉及到市场分析、用户需求评估、产品定价等。收益可以是直接的货币收入，如订阅费用、广告收入，也可以是间接的效益，如节省成本、提高效率等。其次，将预期的未来收益按照合适的折现率折现至现值。折现率通常反映了投资风险和机会成本，应根据资产特性和市场环境确定。折现率的选择可能受到市场利率、资产特定风险和管理层预期回报等因素的影响。再次，将折现后的未来收益总和作为数据资产的现值。这一步骤通常需要进行详细的财务建模和计算，确保包括了所有重要的收益和成本因素。最后考虑未来收益预测的不确定性，对其进行敏感性分析，包括对不同场景下的收益预期进行测试，评估对资产价值的影响程度。

　　（四）其他评估方法

　　1.实用法

　　实用法关注数据资产对组织或用户的实际用途和效用，而不是其经济价值。这种方法特别适用于内部数据资产或非营利组织中的数据资产评估。通过调查用户对数据产品或服务的使用体验和满意度来评估其实用价值。并且分析数据资产对业务流程效率、成本节省和决策支持的具体贡献。

　　2.风险调整折现法

　　风险调整折现法考虑了数据资产未来现金流的不确定性和风险因素，通过风险调整折现率来评估资产的价值。其将不同的风险因素，如：市场风险、技术风险、竞争风险等纳入到折现率的计算中，并且使用概率分布模型对不同风险情景下的现金流进行建模和分析，以评估风险对资产价值的影响。

　　3.博弈论分析

　　博弈论分析适用于涉及多个利益相关者和决策者的场景，尤其是在数据共享和合作领域的价值评估中。通过建立各方行为策略的博弈模型，分析各种决策对数据资产价值的潜在影响，并且评估不同合作和竞争策略对数据资产市场价值和利润的影响。

　　4.生命周期成本法

　　生命周期成本法考虑了数据资产从开发到退役所涉及的全部成本，并将其作为评估的一部分。需要考虑开发成本，包括数据资产开发和实施的各种成本，例如人力资源、技术投入等。考虑运营和维护成本，评估数据资产的日常运营、维护和更新成本。考虑退役成本，例如数据资产结束使用或替换时的成本和影响。

　　三、完善数据资产估值工作建议

　　对于未来评估数据资产时，可以考虑从以下五个方向来改进评估方法和流程。

　　（一）增强数据质量和可信度

　　在评估数据资产时，应该确保数据来源的透明性和可靠性，避免因为数据质量问题而影响评估结果的准确性。在评估过程中，对数据进行清洗和预处理是其中关键的步骤，可以减少错误和噪声对评估结果的影响，并且应该确保评估所使用的数据在标准化和一致性方面达到要求，以便于比较和分析不同数据资产。

　　（二）细化市场和技术分析

　　分析评估数据资产，应该加强对市场需求、竞争态势和市场变化的分析，确保评估能够反映出当前和未来的市场情况，并且应该考虑技术发展对数据资产的影响，例如新技术的出现可能会改变数据资产的市场地位和价值。企业还应当对用户需求和使用情况进行分析深入理解数据资产的最终用户需求和使用情况，以确保评估能够反映出实际的市场需求和价值。

　　（三）提升评估方法的精确性和透明度

　　进行多元化评估方法，结合不同的评估方式，如市场法、成本法和收益法，以综合评估数据资产的价值，减少单一方法可能存在的偏差。确保评估过程和结果的透明度，包括清晰定义评估的假设和参数，并提供详细的报告和解释。考虑到评估过程中的不确定性，进行风险评估和敏感性分析，以评估不同假设和参数变化对评估结果的影响。

　　（四）引入机器学习和数据分析技术

　　随着数据资产的复杂性和数据量的增加，引入机器学习（ML）和数据分析技术可以显著提升评估的精度和效率。利用机器学习算法开发数据模型，通过对大数据集进行分析和模式识别，提供更精确的市场预测和数据资产价值估计。采用预测建模技术，如时间序列分析、回归分析等，根据历史数据和趋势预测未来数据资产的市场表现和经济效益。并且可以利用实时数据分析技术，对动态变化的市场和技术环境进行实时监测和分析，及时调整数据资产的估值策略和预测模型。

　　（五）强化数据治理和合规性

　　数据资产的估值工作不仅关注经济价值，还需要关注数据资产的安全、合规性和良好的数据治理实践。确保数据资产的安全性和隐私保护措施，采用最佳的数据安全标准和技术，防范数据泄露和风险。评估数据资产是否符合相关的法律法规、行业标准和内部政策要求，以降低法律风险和成本。制定和执行有效的数据治理策略，包括数据质量管理、元数据管理、数据访问控制等，确保数据资产的可信度和可持续性。

　参考文献：

　　［1］王蕾，李春波.数据资产及其价值评估方法：研究综述与展望［J］.中国资产评估，2022（7）：4-10.

　　［2］李永红，李金骜.互联网企业数据资产价值评估方法研究［J］.经济研究导刊，2017（14）：104-107.

　　［3］汪海粟.资产评估［M］.北京：高等教育出版社，2007.

　　［4］李永红，张淑雯.数据资产价值评估模型构建［J］.财会月刊，2018（9）：30-35.