数据资产价值评估的动态模型建构路径

2024-01-20李奕萱李金龙

中国信息化 2023年12期

文｜李奕萱李金龙

一、引言

随着大数据时代的到来，数据已经成为企业的重要战略资源。数据资产价值评估已经成为企业优化数据资产战略管理和提高数据资产利用效率的关键环节。然而，传统数据资产评估方法存在静态、孤立和主观性等问题，难以满足企业对数据资产价值评估的动态、客观和准确的需求。基于此，本文研究的数据资产价值评估动态模型的建构路径具有重要的理论和实践意义。

二、数据资产的价值重要性及评估动态模型的意义

数据资产的价值重要性体现在它能为企业带来直接的或间接的经济利益。在数字经济时代，数据已经成为企业的重要战略资源。通过对数据资产的准确评估，企业可以更好地管理和利用数据资源，提高数据资产的利用效率，从而在激烈的市场竞争中取得优势。评估动态模型的意义在于为数据资产评估提供一种创新和系统的方法。传统的数据资产评估方法存在静态、孤立和主观性等问题，难以满足企业对数据资产价值评估的动态、客观和准确的需求。通过建构动态模型，可以根据数据资产的特征和市场环境，对评估对象进行针对性的现场调查和分析，合理使用评估假设和限制条件，从而得出更准确、客观的评估结论。此外，动态模型还有助于拓展数据资产评估的应用范围，解决模型在实践中可能遇到的问题与挑战，推动数据资产评估未来的发展趋势。

三、数据资产价值评估动态模型建构路径

中国资产评估协会制定的《数据资产评估指导意见》已于2023年10月1日开始施行，此意见旨在规范数据资产评估行为，保护当事人合法权益和公共利益。依据相关资产评估准则制定、研究动态模型建构路径，有助于更好地遵循指导意见，确保数据资产评估的合规性、客观性和准确性。

（一）数据特征分析

在数据资产价值评估动态模型建构路径中，数据特征是至关重要的。首先，数据质量是影响数据资产价值评估的重要因素之一。数据质量通常包括准确性、完整性、一致性和时效性等方面。高质量的数据资产能够提供更准确、更完整的信息，从而提高数据资产的价值。数据清洗、数据审核和数据校验等技术和方法可以用来改善数据质量。其次，数据资产涵盖了多个不同领域、不同类型和来源的数据。数据多样性越高，数据资产的价值越大，因为更多的数据意味着更多的信息，可以从多个角度分析问题，从而更好地支持决策制定。数据融合、数据整合等技术和方法可以用于提高数据多样性。第三，数据资产涵盖了与主题相关的所有必要信息。数据完整性越高，数据资产的价值越大，因为完整的数据能够提供更全面、更准确的信息，支持更可靠的决策制定。数据缺失值处理、数据聚合等技术和方法可以用于提高数据完整性。

（二）市场环境分析

市场环境包括行业发展状况、市场竞争格局和政策法规环境三个方面。一是行业发展状况。数据资产价值的评估与行业整体发展状况密切相关，行业发展状况包括市场规模、增长速度、竞争强度和技术创新等方面。一个快速发展、具有巨大潜力的行业通常会给数据资产带来更高的价值。评估数据资产价值时，需要关注行业整体发展趋势和成长潜力，以便更好地预测数据资产的未来价值；二是市场竞争格局。市场竞争格局包括市场集中度、竞争对手的数量和质量等方面，是影响数据资产价值的另一个重要因素。一个好的市场竞争格局可以帮助企业更好地获取市场份额，从而提高数据资产的价值。评估数据资产价值时，需要关注市场竞争格局的变化，以便更好地制定战略和商业模式。三是政策法规环境。政策法规环境包括法律法规、行业标准和监管政策等方面，对数据资产价值的评估具有重要影响。一个支持创新、鼓励竞争的政策法规环境有助于提高数据资产的价值，评估数据资产价值时，需要关注政策法规环境的变化，以便更好地应对潜在的政策风险和法律风险。

（三）企业战略分析

企业在进行数据资产价值评估时，需要将数据资产作为企业战略的一部分进行考虑。以下是数据资产价值评估动态模型建构路径中的企业战略的具体内容：一是数据资产与企业战略的结合。企业需要将数据资产纳入整体战略规划中，明确数据资产在企业运营和发展中的作用，以便更好地管理和利用数据资产；二是数据资产的全生命周期管理。企业需要对数据资产进行全生命周期管理，包括数据采集、存储、处理、分析、应用和销毁等环节，确保数据资产的安全性、完整性和准确性；三是数据资产的整合与共享。企业需要打破数据孤岛，实现数据资产的整合与共享，提高数据资产的利用率，充分挖掘数据资产的价值；四是数据资产的价值评估。企业需要采用合适的评估方法，对数据资产进行客观、公正、独立的价值评估，为投资决策提供依据；五是数据资产的持续优化。企业需要关注数据资产的质量和价值，持续优化数据资产，提高数据资产的质量和价值，为企业创造更多的价值。

（四）动态模型建构与更新

在数据资产价值评估动态模型建构路径中，动态模型建构与更新是关键环节。动态模型建构的第一步，是设计一套全面、系统、科学的指标体系，用以衡量数据资产的价值。指标体系应充分考虑数据资产的特征和价值驱动因素，如数据质量、应用场景、市场因素等。针对不同应用场景和数据类型，应设计相应的具体指标，以提高指标体系的针对性和有效性。第二步，是在动态模型建构过程中，权重确定是关键环节。权重反映了各个指标在数据资产价值评估中的相对重要性。确定权重的方法有多种，包括专家打分法、层次分析法（AHP）、熵值法等。企业应根据实际情况选择合适的方法确定权重，以保证权重设置的客观性和合理性。

四、模型应用与展望

数据资产价值评估动态模型具有广泛的应用范围，可以帮助企业在战略制定、投资决策、财务报告与估值、数据资产管理和数据资产交易与合作等方面实现数据资产价值的挖掘和应用。虽然数据资产价值评估动态模型在理论上具有广泛的应用前景，但在实际应用中仍可能遇到一些问题和挑战，例如数据质量与完整性问题、评估指标选取与权重确定问题、模型预测准确性问题、数据隐私与安全问题、法律法规制约和模型更新与维护等问题和挑战。为了解决这些问题，需要不断探索和实践，以提高动态模型在数据资产价值评估中的适用性和有效性。而随着数字化进程的加快和数据价值的日益凸显，数据资产价值评估将成为一个越来越重要的领域。数据资产价值评估的未来发展趋势将更加注重全面性、数据质量与完整性、场景化、宏观经济和行业趋势、评估与数据管理相结合、法律法规的完善以及跨领域合作与交流等方面。通过这些发展趋势，数据资产价值评估将在数字经济中发挥越来越重要的作用。