李 艳

(山西省财政税务专科学校,山西 太原 030024)

在数字经济时代下,数据已经逐渐成为国家重要的战略资源。《数字中国发展报告(2022年)》显示,截至2022年底,我国数据产量达8.1ZB,位列世界第二。随着数据资产对国民经济的影响日益深远,如何确认和计量数据资产,保证数据资产质量,发现数据资产价值,促进数据资产交易,都使数据资产评估显得尤为重要。2014—2022年前十位突现关键词中,大多数围绕的是数据资产,如图1所示。2021—2022年,继数据资产的交易和治理后,数据资产评估定价越来越受到关注。对于数据资产评估和定价,我国相关部门先后出台了若干政策。2021年3月,《国民经济和社会发展第十四个五年规划和2035年远景目标纲要》明确指出,要对数据资产评估的市场运营体系进行发展。2021年12月,《“十四五”大数据产业发展规划》提出,要对数据要素评估制定相配套的评估框架和评估指南。2023年9月,《数据资产评估指导意见》的出台进一步规范数据资产评估相关实务。数据资产评估是企业整体价值提升的重要抓手,是社会实现数字化转型的重要途径,是数据要素有序流通的重要保障,对市场化配置数据要素、推动我国数字经济高质量发展具有重大意义。

图1 2014—2022年前十位突现关键词

一、数据资产的内涵

数据作为一项资源,需要在“资产化”后才会成为数据资产。数据资源只有在使用的过程中创造价值,才可以形成数据资产。数据资产的内涵随着信息技术的进步而不断延伸,在深度和广度上得到拓展。2023年9月出台的《数据资产评估指导意见》将数据资产定义为直接或间接为特定主体拥有或控制的、可以通过货币计量并为特定主体带来经济利益的数据资源。

数据资产具有两大属性:数据属性和资产属性。数据属性主要通过数据资产的表现形式来看,以物理形式或电子方式为存储记录,主要形式有数字、文档、视频等结构化或非结构化数据。资产属性主要通过数据资产的价值内涵来看,具有一定的使用价值和交换价值,可以在未来给企业创造价值和经济利益。

在数据资源“资产化”的过程中,核心的前提条件是数据资源企业是否“拥有或者控制”、是否“可以量化”以及能否“带来经济利益”等三个方面,如图2所示。在“拥有或者控制”方面,不仅包括拥有或者控制数据资源本身,还包括运用法律手段对数据资源进行赋权,实现对数据资源的保护和排除侵害。“可以量化”是指数据资源可以通过货币进行准确计量。“带来经济利益”主要通过数据资源的交易最终实现。

图2 数据资产形成的前提条件

对数据资产进行评估,就是根据有关法律、法规和准则的规定,由资产评估机构及其评估专业人员根据委托,在评估基准日的特定目的下评估、估算数据资产价值并出具报告的一种专业服务行为。

二、数据资产的特征

数据资产具有独特的属性,结合数据资产的内涵,数据资产评估需要评估专业人员熟悉和了解数据资产的特征,并随时关注数据资产特征对评估价值的影响。

(一)数据资产的非实体性

数据资产没有实物形态或物质形式,因此需要通过实物载体作为依托,但是数据资产价值由数据本身决定。数据资产不会像传统的无形资产一样,因使用频率和强度的增加而消耗或磨损,并且不会随着时间的推移而改变。很多情况下,数据资产会随着规模扩大和数据技术创新发展,逐渐融合交汇产生新的价值。此时,数据资产的价值不仅不会降低,反而还会增值。

(二)数据资产的依托性

数据资产的依托性主要表现在数据的存储必须依靠一定的介质,主要的存储介质包括磁盘、光盘和硬盘等,甚至存在于化学介质和生物介质中,对于同一数据,可以存在于不同形式的多种介质中,数据在读取和识别过程中被应用。数据资产的价值实施需要借助相应的介质实现。但是,数据资产价值并不能由依托的载体决定,而是由数据本身决定,从这个角度来看,数据资产与一般的无形资产不同。

(三)数据资产的多样性

数据资产的表现形式多种多样,主要包括数字、图像、声音、视频、化学反应、光电信号、生物信息等产生的数据,也包括数据与数据处理技术融合而形成的数据资产。为满足消费者对不同数据种类的需求,多种多样的信息以不同的方法方式进行互相转换产生价值。同样的数据资产可以有多种使用方式,不同的数据类型处理方式是不一样的。因此,数据资产的使用者可以应用不同的方式和方法。正是因为这种应用不确定的特点,导致数据资产的价值产生了很大差异。

(四)数据资产的可加工性

数据资产的一个重要特征就是可加工性,即数据可以被维护和更新,也可以补充和增加数据量,根据使用者的需要可以被删除,也可以被合并和归集,甚至可以被分析和提炼,加工形成更深、更广层次的数据资源。数据资产的可加工性有利于价值实现,避免数据冗余带来的低成本和无效数据管理的不利影响,将多种数据资产进行分析和研究,可以实现数据资产的创能增效。

(五)数据资产的价值易变性

数据资产的价值受到多种因素影响,主要包括质量因素、应用因素、法律因素和成本因素等。数据随时间更新换代较快,数据资产在不同时间、不同应用下的价值也不同。一项数据资产可能在现在没有价值,但是随着时代的进步、人们观念的转变,可能产生巨大价值。一项数据资产在当下可能发挥重大作用,但是随着科技进步或数据库发展,可能导致数据资产出现贬值,最终降低数据资产的价值。

三、数据资产价值的影响因素

数据资产价值的形成是一个完整的过程,如图3所示。数据资产通过对成本合理、来源可靠、质量较高的数进行据采集,运用适当的存储方式进行存储,选择科学的数据分析方法进行分析,并构建价值评估模型,在应用场景中衡量数据资产的价值,开发数据资产的适用性,最终实现数据资产价值最大化。

图3 数据资产价值的形成过程

因此,结合数据资产价值形成的过程,考虑各个阶段的影响因素,是研究数据资产评估及评价的前提。综合数据资产的内涵,根据数据资产的特征,主要从数据质量、数据风险、数据管理和数据应用四个方面分析数据资产价值的影响因素,如图4所示。

图4 数据资产价值的影响因素

(一)数据质量

数据质量是数据资产价值的重要影响因素。数据质量越高,越能为企业提供优质的数据信息,带来越高的企业价值。数据质量的高低取决于以下五个方面:一是数据对物体特征的描述是否真实,一般情况下,在有利于做出正确决策前,数据信息越准确,其使用价值就越大;二是在整个数据形成的生命周期内,如果数据的完整性遭到破坏或数据覆盖范围不全,数据资产的价值会大幅缩水,甚至其经济价值会跌至零,数据的完整性是准确性的前提;三是数据本身与描述的同一对象在不同的数据库和数据平台中保持一致,并无实质区别;四是数据并非掌握得越多越能体现数据资产的价值,数据的唯一性和稀缺性才能使数据资产获得超额回报,从而对其价值产生影响;五是数据是有时效性的,滞后的数据会大大降低其价值。

(二)数据风险

数据资产的交易和使用应该在法定的范围内进行。为保障数据资产使用者的合法权益,要对数据资产交易进行相关约束,限制条件越多越复杂,使用的范围就会越小。但是数据资产的风险降低,数据资产的价值就会下降。所以,在进行数据资产价值评估时,需要对数据资产的风险情况进行测量和判断。

(三)数据管理

数据资产在采集、分析、应用的过程中,需要管理才能产生价值。维护、管理费用在管理过程中控制得较为合理,价值就会较高。数据资产的管理水平是企业综合实力的体现,企业重视数据资产的全面管理,建立完整的数据管理系统,提供稳定的数据资源环境,搭建数据资产管理平台,对保障数据资产价值的实现具有重要意义。

(四)数据应用

数据资产的应用场景、适用范围、应用风险和供求关系等,是数据资产应用的重要体现,数据应用是数据资产最终发挥作用的终点。数据资产使用范围越广泛,价值密度越高,稀缺程度越高,企业就会产生更大的价值。数据资产被不同使用主体在不同场景下多次使用,所产生的效果是不一样的,数据资产价值也会有很大不同。

四、数据资产评估困境

在大数据时代推动企业数字化转型进一步实现的同时,数据资产也为企业带来了价值。越来越多的公司开始重视数据资产,通过分析挖掘数据来增强公司的核心竞争力。数据资产价值的相关探索也相继展开,为更好地指导数据资产评估业务,我国资产评估协会于2019年12月发布了《资产评估专家指引第9号——数据资产评估》,对数据资产评估相关事项进行了明确。2023年9月,《数据资产评估指导意见》对数据资产评估实务做了进一步规范。但是,我国数据要素市场发展并不成熟,仍处于起步阶段,数据资产如何在交易中合理评估和定价仍然面临诸多困境。

(一)数据资产评估范围界定困难

2023年9月,《数据资产评估指导意见》将数据资产定义为直接或间接为特定主体拥有或控制的、可以通过货币计量的、能给特定主体带来经济利益的数据资源。但是,数据资产的非实体性、时效性等特征决定着数据会无时无刻处于更新状态,数据类型不一致,持续性就有很大差异。有一些数据在较长时间不需要频繁更新,有效持续一段时间,如教育程度;有些数据则会时时刻刻处于变动,持续时间有限,如每个人的实时定位数据。因此,不可能评估每一条数据资产的价值,同时由于数据资产的多样性,使数据资产在多种介质中存储,如何准确分离出需要的数据资产,对其进行评估是非常困难的。

(二)数据资产评估标的权属核查受限

数据资产化的关键前提在于产权结构的清晰。产权归属比较清晰的数据是企业通过自己收集、整理和分析得到的资料。但如果是通过网络大数据“爬虫”、资源共享,甚至非法手段获得的数据,数据资产的产权就存在争议,即使数据已经经过加工和处理。目前对于数据资产产权归属的相关制度和法律法规并不完善,再加上数据资产的可加工性特征,复制成本低,共享性强,权属问题较为复杂,确认经济上的所有权权属困难,不容易进行准确界定。

(三)数据资产评估人员专业技能欠缺

随着数字经济的快速发展,数据信息量日益庞大,分析和量化数据工作日益突出,需要资产评估师通过运用大数据技术和数据库资源,结合技术信息方法,对数据资产信息进行整合、鉴别和区分,从而为进一步开展数据资产价值评估工作提供依据,资产评估师需要运用大数据技术和数据库资源对数据资产信息进行整合。但是,能够较为熟练运用大数据技术进行评估的机构和专业人员相对缺乏,资产评估人员的数据资产评估技能比较欠缺。中小规模的评估机构评估人员缺乏处理数据的专业知识和创新意识,对数据库的运用较少。同时,我国高校资产评估与管理专业在数据评估方面的人才培养还没有形成体系,无法及时满足数字经济时代社会发展需求。无论是资产评估从业人员还是资产评估专业学生,在数据资产评估专业知识和技能方面依旧欠缺,数据资产评估专业人员的胜任能力还有待提高。

(四)数据资产评估方法难以满足需求

运用传统的资产评估方法,如市场法、成本法、收益法等评估数据资产时,局限性非常大,如表1所示。首先,对于数据资产来说,因为具有非实体性、依托性和多样性等特征,在数据规模、数据结构、使用群体等方面差异性较大,可比性较差,因此进行数据资产评估时,市场法的使用受限。其次,数据资产的价值与取得和维护成本的弱对应性,使重置成本和损耗贬值等较难测量,成本法的使用也很受限。最后,由于数据资产具有可加工性、价值易变性等特点,数据资产带来的未来现金流和风险具有不确定性,计量的主观性较大,收益法存在较大的使用局限性。因此,数据资产使用传统的评估方法难以满足需求,亟须探索相适应的评估方法。

表1 数据资产采用传统评估方法的可行性分析

五、规范和推进数据资产评估的对策建议

结合数据资产评估的困境,数据资产的特征和价值影响因素,本文提出规范和推进数据资产评估的对策建议,以便整合多方资源,实现数据资产交易的合理估值和定价。

(一)推进数据资产评估范围合理界定

数据资产评估范围的界定实质是确认数据资产准确,判断数据资产是否真实有效,是否可以给企业未来带来经济利益。在数据资产价值影响因素中,数据规模、数据质量和数据有效情况都有正向影响。因此,在进行数据资产评估范围界定时需要综合考虑以上三个影响因素。

数据只有形成一定的集合,产生一定的规模经济后,价值才会越发凸显。数据量越大,数据库就会越稳定,风险也会越小。数据的质量越高,数据的采集、清洗和挖掘的成本就越低,数据资产的价值也就越大。数据资产的时效性越强,数据更新频率越快,其价值也就越高。数据资产与其他资产的相关性越强,产生的效果就越好,市场整合效果就越高,价值也会更高。因此,数据资产的范围界定要综合考虑上述主要的影响因素,确定合理范围是进行数据资产评估的基础。

(二)建立数据资产评估产权归属制度

明确产权结构是数据资产化的前提。要通过构建新型产权制度,实现数据资产使用、持有、加工、收益和经营等方面重要权益确权,建立相应的产权运行机制。依据数据资产的特征对权属进行划分,通过对数据资产的“拥有或者控制”,行使处分和收益等权利“带来经济利益”,或者是通过权属转移赋予他人拥有数据资产的控制和处理的合法权益。

(三)提升数据资产评估人员执业水平

面对高速发展的数字经济,数据资产评估工作呈现出新的特点,资产评估专业人员除了需要具备评估知识外,还需要具备信息和大数据方面的知识和技能。因此,评估机构在提升资产评估专业人员执业水平和业务胜任能力的同时,需要加大对评估专业人员数字化技能的培训力度。此外,高校资产评估与管理专业需要结合社会实际,更新完善人才培养方案,从增强数字化执业能力的角度出发,培养学生采集、处理、分析、运用数据的能力,为评估机构输送紧缺人才。

(四)完善数据资产价值评估方法体系

基于数据资产的特征、数据资产的应用环境和场景,需要对数据资产进行分类管理,对传统的市场法、成本法和收益法进行完善和修正,衍生多种数据资产估值定价的方法,将信息技术和大数据技术融入传统的评估方法中,满足数据资产评估的市场要求。整合数据资产评估信息,调整性为主,数字化为辅,不断完善数据资产评估估值定价体系,逐渐过渡到全面应用数字化技术进行估值定价,提升数据资产评估效率。