数据资产估值方法和模型

限量版犯贱

2023-12-27

2022 年 6 月 8 日，中国资产评估协会发布了《数据资产评估指导意见（征
求意见稿）》，与《资产评估专家指引第 9 号——数据资产评估》相衔接，遵
循《资产评估基本准则》和《资产评估执业准则——无形资产》等相关准则，
以规范资产评估机构及其资产评估专业人员在数据资产评估业务中的实务操作，
更好地服务新时代经济发展和新时代生产要素市场。结合数据资产的信息属性、
法律属性、价值属性等基本属性及非实体性、依托性、可共享性、可加工性、
价值易变性等基本特征，阐述不同应用场景下数据资产评估方法的选取和数据
资产权属的确定，充分考虑当前市场环境下对数据资产评估的需求，接轨主流
理论及实务。
数据资产价值的评估，不仅是财务测算的过程，数据质量的技术评价也具
有特殊的重要性，表现在《数据资产评估指导意见》就把数据资产质量评价单
独作为了一章，提出了数据质量评价的结论可用于数据资产评估测算过程中；
数据质量评价的成果可以是第三方专业机构出具的专业报告，或者是其他形式
的专业意见。即这个评价是由专业机构给出的技术性评价，评估报告可以引用
评价结论。指导意见还提出了准确性、一致性、完整性、规范性、时效性和可
访问性等方面的量化指标。

一般而言，数据资产价值的常用评估方法包括成本法、收益法和市场法三
种基本方法及其衍生方法。中国资产评估协会 2019 年制定的《资产评估专家指
引第 9 号——数据资产评估》对这些常用方法予以了简要介绍。
利用成本法对数据资产价值评估时，需基于形成数据资产的历史成本开展。
数据资产的成本和价值具有弱对应性，其成本具有不完整性。成本法对有些数
据资产价值评估存在一定合理性，比如，以成本分摊为目的的数据资产价值评
估。
利用收益法对数据资产价值评估时，需要预计数据资产带来的收益进而估
计其价值。这种方法在实际中比较容易操作，在目前数据资产价值评估实践中
比较易于落实。这种方法具有一定的局限性，目前实践中使用数据资产直接取
得收益比较少见。但是，根据业务计划获得的间接收益，在一定程度上有助于
把握部分企业数据资产的收益。
利用市场法对数据资产价值评估时，需根据相同或者相似的数据资产的近
期或者往期成交价格，以对比分析结果为基础评估数据资产价值。根据数据资
产价值的影响因素，比如数据有效性、稀缺性、场景经济性等因素，对比和分
析调整可比数据资产的价值，进而反映被评估数据资产的价值。
上述三种常用方法比较分析：
成本法在本质上是对数据成本的归集。主要看数据资产在全生命周期各个
阶段的成本，比如建设时期的建设费用（包括人工材料）、运维时期的运维费
用（包括数据加工的费用）等，这些费用共同构成数据的全部成本。这种方法
适用于没有明显的市场价值或正在产生市场的数据。成本法的优点是比较容易
把握和操作，易于获取历史数据产生的费用，比如把软件、硬件、人工费等予
以求和计算，便于财务处理，因为财务会计人员和所有成本都从成本角度归集。
成本法便于解决数据丢失产生的法律纠纷，对于有些数据丢失后怎么赔偿
与赔偿多少的问题，甲方和乙方之间会因争执而协调不定。如果按照成本法评
估，提供数据成本等证据有助于解决法律的佐证问题。这种方法评估的数据资
产价值往往偏低，因为收益和成本之间有一个弱对应，数据产生成本可能很低，
但其价值是多倍增长，所以基于这个方法评估的结果并不十分准确。该方法比
较适合第三方的中立机构采用，特别是不以交易为目的的机构。比如在政务数
据的共享方面，这类数据不以盈利为目的，但是要明确掌握国有资产的成本和
流向。
收益法是通过估算被评估资产的预期收益并折算成现值的方法。适用的条
件是被评估资产未来预期收益可以预测并可以用货币计量。收益法相对比较真
实准确地反映数据资产价值，如果预期收益预估准确，其对应的数据资产的价
值是比较容易预测的。收益法的缺点是收益额和风险预测比较难以预测准确，
而且会受到主观判断因素的影响。对于数据的需求方而言比较容易进行预测，
比如数据的购买方可以预测数据获取之后能产生多大价值；还有企业自身也比
较容易操作评估，因为对于企业自身数据未来可以应用的业务场景及其未来收
益是比较容易明确的，所以收益法适合企业自身采用。但是对于交易数据则很
难预测对方获取数据后的收益，故不太适用于对外预估。
市场法是根据市场上类似数据交易的价格类比估值的方法，需要活跃的市
场交易环境，有大量的交易和数据积累后比较适合采用这种操作。该方法反映
目前的市场情况，比较容易为买方和卖方接受。缺点是对市场环境要求比较严
格，评估实施时需要依托市场上类似的交易进行类比。目前，采用市场法的条
件不是特别充足，与数据类似的无形资产有一定的保密性，评估人员很难收集
数据交易的价格，只能获取到交易的是什么数据但是并不能轻易获取数据内容。
而且，交易的数据类型比较单一，大多是结构化的数据、数据集和标签数据，
非结构化数据等其他数据比较少，交易类型大多限于企业数据、气象数据和交
通数据等。另外，数据市场提供的数据的质量、用户的数量、频次等信息获取
难度也很大。